环境科学  2022, Vol. 43 Issue (5): 2812-2821
|
 PDF
|
, ZHONG Ze-kun1,2 , JIAN Jun-nan1,2 , ZHANG Shuo-hong1,2 , YANG Gai-he1,2 , REN Cheng-jie1,2 , FENG Yong-zhong1,2 , REN Guang-xin1,2 , WANG Xiao-jiao1,2 , HAN Xin-hui1,2
据预测到21世纪末, 全球平均气温可能继续升高2.0~4.9℃, 且相较于1986~2005年全球大部分草原的平均降水量可能会增加, 高海拔地区降水强度和频率的增加尤为明显[1].鉴于温度和降水都是生态系统过程的重要驱动因素, 气候变化势必会改变生态系统元素循环, 进而改变土壤微生物的养分供应和生存策略[2].土壤胞外酶活性是参与调控土壤有机质分解的关键步骤, 反映了土壤养分可利用性和微生物代谢需求之间的生物化学平衡, 因此可作为微生物响应气候变化的功能指标[3].因此, 阐明土壤关键胞外酶活性的变化特征, 对预测气候变化背景下土壤微生物的代谢需求以及土壤养分可利用性具有重要的科学意义.
通常情况下, 气候变暖会通过刺激蒸发蒸腾作用和降低土壤水分来降低土壤水分有效性[4], 从而限制酶和底物的扩散, 但同时微生物可能会分泌更多的细胞外酶, 以补偿气候变暖对水分不足的限制效应[5].但目前关于增温对土壤胞外酶活性的影响的研究结果并不一致, 例如, Allison等[6]和McDaniel等[7]的研究发现增温对酶活性没有影响或者不显著.与增温相反, 增雨可增加土壤水分有效性从而促进植物生长以及由微生物驱动的生物过程, 从而促进了酶的分泌以及底物的扩散, 进而有利于酶活性[8].尽管如此, 针对气候变暖和降水增加的交互作用如何影响酶活性的研究仍然较少.此外, 由于气候变化引起的土壤养分有效性不足以及植被组成变化驱动的凋落物的元素计量不平衡, 可能导致微生物受到相应的能量和养分限制[9].在此背景下, 土壤微生物为了获取限制性养分以满足自身生长和代谢需求而对特定胞外酶活性的分泌可能是土壤酶活性变化的内在途径.因此, 土壤酶计量比可作为上述途径的外在表征, 从另一个角度揭示微生物在气候变化背景下的元素限制状况.
黄土丘陵区由于历史和人类活动导致的水土流失问题在1999年退耕还林还草工程实施以后得到了显著的改善, 但该区的气候和土壤质地等因子使得该地区仍然属于典型的生态环境脆弱区.因此, 需要加强黄土丘陵区和气候变化相关研究[10].已有证据表明黄土丘陵区未来会同时发生气候变暖和降水增加两种全球气候变化因子[11].鉴于草地是黄土丘陵区最主要的土地利用类型, 并且自然撂荒而成的次生草地生态系统稳定性较差[12].本文以黄土丘陵区撂荒草地作为研究对象, 从酶活性以及计量特征角度分析微生物在气候变暖和降水增加以及二者的交互作用下的养分限制情况, 同时从土壤和植物群落变化的角度探讨影响酶活性及计量特征变化的关键因子.结果将有助于深刻理解气候变化背景下植物群落-土壤养分-酶活性的交互响应.
1 材料与方法 1.1 研究区概况研究区域位于陕西省延安市安塞区五里湾流域(东经109.31°~109.35°、北纬36.85°~36.86°), 该区属典型黄土丘陵沟壑区, 平均海拔1 061~1 371 m.气候类型为中温带大陆性半干旱季风气候, 年平均降雨量525 mm左右, 降水量少且主要集中于7~9月, 年均温9.5℃, 无霜期160 d左右, 年日照时数2 352~2 573 h, 日照百分率达50%~70%, 光能丰富, 蒸散量大, 干燥度在1.4~2.0之间, 年总辐射量为552.61 kJ·cm-2.流域内的土壤以黄土母质发育而成的黄绵土为主, 土壤贫瘠, 土质疏松, 抗侵蚀能力差[10].该区域在20世纪70年代就开始实施生态治理, 特别是自1999年大规模退耕还林还草工程实施以来, 该区域植被恢复加速推进, 大面积的农田转为林地、灌木地或者撂荒后成为次生草地.根据中国科学院地理科学与资源研究所数据共享中心基于Landsat 8遥感影像的栅格数据, 截至2018年, 安塞区五里湾撂荒草地的面积有184.18 hm2, 占该流域总面积约40%, 是该地区主要的土地利用类型.
1.2 研究方法于2016年7月对研究区域实地考察后选取了干扰程度较低的平坡撂荒地建立长期模拟增温和降雨处理的试验场, 所选样地2006年被撂荒, 撂荒前主要种植玉米和谷子, 撂荒期间无人为干扰, 灌溉依靠自然降雨.土壤基本理化性状为：容重1.16 g·cm-3, 黏粒15%, 粉粒43%, 砂粒42%, 优势植被为以狗尾草和糙隐子草为主的禾本科和以蒿类为主的菊科.采用开顶式气候箱(OTC)实现土壤增温, 采用截留相邻样方的自然降水之后再回流到增雨样方实现增加自然降雨, 本研究中, 挡雨板占样方有效面积的50%, 因此可认为相邻样方增加了50%的降雨.每两个相邻样方之间横向设置>5 m的过渡带, 纵向设置>1 m的过渡带.各样方四周隆起20 cm, 用于阻止地表径流的流入和样方内雨水的流出. 2017年7月试验场搭建完毕.本研究共计4个处理：增雨(P：+50% precipitation)、增温(W：warming)、增温+增雨(WP：warming+50% precipitation)和对照(CK).实验样地布置以及具体的实验装置参考文献[10].
1.3 植被调查与样品采集于处理两年后(2019年7月)对各处理下的植被特征开展调查, 分别记录样方内每一个植物物种名称、数量、高度和盖度以及样方内所有物种的个体数和总数.植被调查结束后在每个处理样方内随机布置3个50 cm×50 cm的小样方, 采用剪刀剪取小样方内所有植物的成熟叶片, 随后装入网袋带回实验室, 105℃杀青后再80℃烘干至恒重, 最后用粉碎机粉碎后过0.25 mm筛用于后续测定.叶片采集结束后在有效采样区用传统土钻法(直径为9 cm)随机钻取3个0~10 cm土样, 去除石块、植物残根后充分混合, 过2 mm筛并分装为两部分, 一部分低温运输至实验室, 并在-20℃冰箱长期保存, 另一部分经自然风干后密封保存.
1.4 理化性质测定方法土壤含水量(soil water content, SWC)在每次取样结束后采用烘干法测定(105℃烘干至恒重)；土壤容重(soil bulk density, SBD)采用环刀法测定；土壤机械颗粒组成包括：黏粒(< 2 μm)、粉粒(2~50 μm)和砂粒(50~2 000 μm), 采用激光粒度分析仪(Mastersizer 2000, 英国)测定[13]；土壤pH采用土壤-蒸馏水悬浮液(1∶2.5, 质量体积比)摇匀(200 r·min-1后静置60 min)后使用pH计测得；土壤有机碳(soil organic carbon, SOC)采用重铬酸钾-浓硫酸外加热法测定[14]；土壤全氮(total nitrogen, TN)在用硫酸钾-五水硫酸铜(10∶1, 质量比)作为催化剂, 并用浓硫酸消煮后采用连续流动分析仪(SEAL & AA3 Analytical, 德国)测定, 土壤全磷(total phosphorus, TP)在浓硫酸-高氯酸消煮后采用连续流动分析仪测定[15].
1.5 酶活性测定方法土壤胞外水解酶(表 1)采用96孔黑色微孔板荧光光度法测定[11].简要步骤为：提前7 d将土样从-20℃转移到4℃进行复苏, 称取1g新鲜土样并加入125 mL去离子水, 置于180 r·min-1旋转式摇床(25℃)振荡2 h, 均质化后取200 μL土壤悬浊液加入到96孔微孔板中, 移液时持续摇动瓶身保持均质化, 样品微孔中加入50 μL 200 μmol·L-1底物, 空白微孔中加入50μL去离子水, 淬火微孔板中加入50 μL标准物质(10 μmol·L-1 4-MUB), 同时设有阴性对照(50 μL底物+200 μL去离子水)和参考标准(50 μL标准物质+200 μL去离子水), 每个样品有3个微孔作为重复, 在加入样品悬浊液后将微孔板放置于25℃黑暗条件下培养4 h, 培养结束后向每个孔中加入10 μL 0.5 mol·L-1 NaOH溶液提高反应液的pH值以获得最佳的荧光值(Donovan P, 2011), 再利用多功能酶标仪(Tecan Infinite M200, 奥地利)检测荧光值, 激发和发射波长分别为365 nm和450 nm, 在校正淬火和阴性对照后, 土壤酶活性表示为nmol·(g·h)-1.
|
表 1 本研究中的土壤胞外酶所对应的缩写、酶委员会编号、功能和相对应的底物 Table 1 Abbreviations, enzyme commission numbers, functions, and corresponding substrates of soil extracellular enzymes assayed in this study |
土壤胞外氧化酶采用96孔透明微孔板测定[16].简要步骤为：提前7 d将土样从-20℃转移到4℃进行复苏, 称取1.00 g新鲜土样加入125 mL醋酸钠缓冲液(Buffer), 迅速用手快速摇动1 min, 将土壤在Buffer中充分均质化, 在阴性参考中加入200 μL缓冲液和50 μL底物溶液, 空白孔中加入200 μL土壤悬浊液和50 μL缓冲液(Buffer), 样品孔中加入200 μL土壤悬浊液和50 μL底物溶液, 对于过氧化物酶, 在所有微孔中还需加入10 μL 0.3%的H2O2溶液.每个样品有4个微孔作为重复.置于25℃黑暗条件培养20 h后采用多功能酶标仪测定, 吸收光波长为460 nm.土壤酶活性(以鲜土计)单位表示为μmol·(g·h)-1.
1.6 数据处理和统计分析本研究采用将单一物种的盖度、密度、高度结合计算物种重要值来反映某一物种在样方中的优势程度, 将分属菊科、豆科、禾本科的物种重要值加和, 计算植物科在群落中的占比, 以此反映不同处理下植物科组成的变化特征.物种重要值的计算公式如下：
|
(1) |
式中：
|
(2) |
|
(3) |
|
(4) |
采用Gleason丰富度指数、Shannon-Wiener多样性指数和Pielou均匀度指数来反映不同处理下的植被群落特征.计算公式如下：
|
(5) |
|
(6) |
|
(7) |
式中, S为样方中物种总数, N为样方物种个体数, Pi为第i个物种占所有物种个体数的百分比.
BG、CBH和BX这3种酶活性之和为碳降解酶活性(CEs), NAG和LAP两种酶活性之和为氮降解酶活性(NEs), ALP为磷降解酶活性(PEs), 相应的酶化学计量比可表征微生物的元素限制状况.此外, 基于Moorhead等[17]的酶化学向量理论, 本研究使用酶化学计量比计算的向量长度(vector length, VL)和向量角度(vector angle, VA)来表征不同处理下土壤微生物的元素限制情况.VL和VA的计算公式为：
|
(8) |
|
(9) |
式中, SQRT为开平方函数, Degrees为弧度转角度函数, Atan2为反正切函数. VL越长, 表明微生物受能量(碳)限制的程度越高；VA大于45°表明微生物受磷限制, VA小于45°表明微生物受氮限制.
使用EXCEL 2016和SPSS 22.0对实验数据进行计算分析.不同气候处理下土壤理化性质、植被特征、土壤胞外酶活性及酶化学计量比、酶化学计量比的向量长度和角度的差异均采用单因素方差分析法(one-way ANOVA)进行分析, 所有数据均采用最小显著差异(least significant difference, LSD)法进行多重比较(a = 0.05).使用OriginPro.2016软件作图.使用R(V.4.0.3)中的FactoMine和factoextra包对数据进行主成分排序(Principal component analysis, PCA)并作图.冗余分析(redundancy analysis, RDA)使用Canoco5.0软件完成.
2 结果与分析 2.1 植被特征的变化不同处理下撂荒草地的植被特征的变化见表 2.与对照相比, 增温显著增加了菊科植物占比(23.48%), 而增雨以及增温增雨却降低了菊科植物占比, 其中增温增雨处理的降低幅度最大, 达到了55.65%；与之相反, 增雨显著增加了禾本科植物占比, 增温增雨显著增加了豆科植物占比, 增幅分别达到了38.72%和58.91%(P < 0.05).植物科占比的变化改变了植被多样性特征, 增雨显著增加了Gleason丰富度指数, 而增温增雨交互以及单独增温均显著降低了Gleason丰富度指数(P < 0.05)；Shannon-Wiener多样性指数在增温增雨交互处理下显著降低, 而Pielou均匀度指数最高值和最低值分别出现在增温处理和增雨处理下(P < 0.05).此外, 发现增温增雨处理显著增加了叶片有机碳含量(P < 0.05), 而叶片总氮、总磷以及叶片元素化学计量比在各个处理下无显著差异(P < 0.05).
|
|
表 2 不同处理下撂荒草地的植被特征1) Table 2 Vegetation characteristics of abandoned grassland under different treatments |
不同处理下撂荒草地土壤理化性质的变化特征如表 3所示.与对照相比, 增雨和增温增雨交互处理显著增加了土壤含水量, 增幅分别为16.41%和7.72%；增雨处理显著增加了土壤有机碳含量(P < 0.05).有机碳含量的变化改变了土壤元素计量比, 尤其是碳氮比和碳磷比的改变, 由表 3可知, 增雨处理土壤碳氮比和碳磷比值显著高于对照(P < 0.05).土壤pH、总氮、总磷和氮磷比在不同处理下变化差异不显著(P>0.05).
|
|
表 3 不同处理下撂荒草地的土壤理化性质 Table 3 Soil physicochemical properties of abandoned grassland under different treatments |
撂荒草地土壤胞外酶活性在不同处理下的变化特征如图 1(a)~1(d)所示.增温、增雨和二者的交互作用均显著降低了土壤β-1, 4-葡糖苷酶(BG)酶活性, 降低幅度分别为62.55%、28.72%和21.45%, 而在增雨的基础上增温可提高BG酶活性.对于与BG酶功能相似的纤维二糖水解酶(CBH), 与对照相比, 增雨以及增温增雨交互分别降低了50.27%和38.38%的CBH酶活性, 而增温对CBH酶活性影响不显著(P>0.05).β-1, 4-木糖苷酶(BX)表现出与上述两种酶不同的变化趋势, 增温、增雨和二者的交互均显著增加了土壤BX酶活性, 增温处理的增幅最大, 达到了63.15%.土壤总碳降解酶活性表现出增温和对照>增温增雨交互>增雨的趋势(P < 0.05).土壤胞外氮降解酶和磷降解酶活性的变化特征如图 1(e)~1(h)所示, β-1, 4-N-乙酰氨基葡萄糖苷酶(NAG)和亮氨酸胺肽酶(LAP)在不同处理下的变化趋势相似, 增雨对NAG和LAP酶活性无显著影响, 而增温、增温增雨的交互均显著增加了NAG酶和LAP酶活性, 分别增加了27.74%、15.24%和34.32%、12.97%.土壤总氮降解酶活性和NAG、LAP酶活性的变化趋势相似.磷降解酶(碱性磷酸酶：ALP)在各个处理下表现出增温增雨交互>增雨>增温>对照的趋势(P < 0.05), 增温增雨处理下土壤碱性磷酸酶活性高出对照44.86%.土壤氧化酶活性的变化特征如图 1(i)~1(j)所示, 增温显著增加了过氧化物酶(PER)活性(8.20%), 而增雨显著降低了PER酶活性(10.77%), 增温增雨对PER酶活性影响不显著(P>0.05)；增雨以及增温增雨的交互显著降低了多酚氧化酶(PPO)活性(P < 0.05), 而增温对PPO酶活性影响不显著.
|
不同大写字母表示在不同处理之间差异达到显著水平(P < 0.05) 图 1 不同处理下土壤胞外酶活性变化 Fig. 1 Changes in soil extracellular enzymatic activity of abandoned grassland under different treatments |
土壤酶化学计量比在不同处理下的变化特征如图 2所示. CEs∶NEs、CEs∶PEs和NEs∶PEs在不同处理下的变化范围分别为0.35~0.53、0.35~0.68和0.99~1.30.增雨和增温增雨交互下CEs∶NEs和NEs∶PEs显著降低, CEs∶PEs在增温、增雨及其交互作用下均显著降低, 表现出对照>增温>增温增雨>增雨的差异趋势(P < 0.05).土壤胞外酶化学计量的向量特征的变化如图 3所示.增温、增雨和二者的交互作用下土壤酶化学计量的向量长度均显著低于对照处理, 且呈现出对照>增温>增温增雨>增雨的变化趋势(P < 0.05), 降幅分别为42.73%、31.58%和11.62%, 表明暖湿的气候变化趋势下微生物受碳限制的程度减弱.土壤酶化学计量的向量角度在4个处理下分别为45.27°(P)、45.19°(WP)、37.52°(W)和38.33°(CK), 说明该生态系统主要受氮限制, 在降水增加以及变暖和降水增加同时发生的两种气候变化趋势下可能会减弱氮限制程度, 有利于元素的均衡供应(图 3).
|
不同大写字母表示在不同处理之间差异达到显著水平(P < 0.05) 图 2 不同处理下土壤胞外酶化学计量比变化 Fig. 2 Changes in soil extracellular enzymatic stoichiometry of abandoned grassland under different treatments |
|
VA和VL分别代表酶化学计量的向量角度和长度, 图中数据为平均值(标准误), 不同的大写字母表示向量角度在不同处理间有显著差异, 不同的小写字母表示向量长度在不同处理间有显著差异(P < 0.05) 图 3 不同处理下土壤胞外酶化学计量的向量长度和角度变化特征 Fig. 3 Changes in the vector length and angle of soil extracellular enzymatic stoichiometry of abandoned grassland under different treatments |
对本研究所涉及到的所有因子进行降维后的主成分结果如图 4.增雨和增温增雨交互处理与对照处理在PC1上有明显差异, 其中SWC、SOC和CEs是主要的差异因子；增雨和增温增雨交互处理在PC2上差异明显, 增温增雨交互处理明显高于增雨处理, Gleason指数和PEs(ALP)酶活性是主要的差异因子；但增温和对照处理在PC1上无明显差异[图 4(a)].SOC、SWC、ALP、豆科占比、菊科占比、TN、C∶N、N∶P、CEs、PPO和PER等变量对两个主成分的贡献最高[图 4(b)].根据向量的余弦值可判断出SWC与有机碳正相关, 与CEs负相关, 除PEs酶活性和向量角度VA与SWC或SOC正相关之外, 其余酶活性和计量特征均与SWC或SOC负相关[图 4(a)].
|
(a)表示主成分分析双标, 不同颜色的椭圆代表不同处理, 点的距离越远代表样本差异越大, 向量在坐标轴的投影代表对某一主成分的载荷系数, 向量的余弦值可反映变量之间的相关性; (b)根据cos2(变量在主成分分析中的质量)>0.6所筛选出贡献较大的11个变量 图 4 不同处理下植被-土壤-酶活性因子的主成分分析 Fig. 4 Principal component analysis(PCA)of vegetation -soil-enzymatic activity factors under different treatments |
以土壤酶活性和计量特征作为响应变量, 分别以土壤理化性质和植被特征作为解释变量进行RDA分析, 结果如图 5.土壤理化性质与酶活性及计量特征的冗余分析中, RDA1轴和2轴的解释比例分别为62.27%和12.24%, 其中SWC解释了56.5%的变异量[图 5(a)].植被特征对土壤酶活性及计量特征影响的冗余分析中, RDA1轴和2轴的解释比例分别为72.00%和18.67%, 其中菊科占比、Gleason丰富度指数、禾本科占比、叶片TN和Shannon-Wiener多样性指数分别解释了38.3%、22.3%、16.1%、5.6%和5.1%的变异量[图 5(b)].
|
蓝色箭头表示酶活性及酶化学计量特征袁红色箭头表示土壤理化性质及植被特征 图 5 土壤酶活性分别与土壤理化性质和植被特征的冗余分析 Fig. 5 Redundancy analysis(RDA)of soil extracellular enzymatic activity constrained by soil physicochemical properties and vegetation characteristics |
本研究结果表明黄土丘陵区撂荒草地土壤胞外酶活性及计量特征对增温和增雨存在差异响应.黄土丘陵沟壑区撂荒草地是国家退耕还林还草工程实施后形成的重要生态系统, 对该脆弱生境的生态保护和监测极为重要.本研究是中国知网上首次对黄土丘陵区撂荒草地生态系统土壤胞外酶活性及计量特征与气候变化响应关系的报道.
土壤酶是生态系统代谢的重要动力, 其活性以及计量特征不仅可作为指示气候变化条件下土壤微生物变化的早期指标, 也可表征微生物对元素的需求和限制情况[18].纤维素酶(BG、CBH和BX)与相对不稳定的碳库有关, 其中BG和CBH是纤维素酶的主要组成部分, 主要参与纤维素中原子团之间糖苷键的水解过程, BX是半纤维素酶的主要成分, 主要参与木聚糖等半纤维素的水解, 形成对微生物生命活动极为必要的木糖[19].由于增温以及增雨所引起的土壤微环境诸如水分、氮、磷等的改善为BX酶活性提供了充足的水分和元素供应, 因此BX酶活性在气候变化处理下有显著地增加.Steinweg等[20]在撂荒农田的研究也发现了BX酶活性在增温增雨下有显著增加.BX酶活性的增加进一步加速了土壤中半纤维素的降解, 提高了土壤有机碳含量[21](表 3), 同时碳含量相对较高的禾本科植物的增加将更多的碳归还到土壤(表 2和表 3), 从而为微生物提供了充足的碳源, 降低了微生物受能量(碳)限制的程度[22](图 3).然而, 禾本科植物增加的同时意味着输入土壤的有机质质量相对较低[23], BG和CBH酶活性可反映有机质质量的高低, 因此禾本科植物的增加可能是本研究中BG和CBH酶活性降低的重要影响因素(图 1和图 5), 表明植物科组成的变化会引起输入土壤的有机质元素配比发生变化, 从而改变了微生物的元素限制状况[24].钟泽坤等[12]的研究也表明植被特性可通过改变土壤理化因子间接影响酶活性.具体来说, 禾本科植物(碳含量较高, 氮磷含量较低)占比的显著增加引起了输入土壤的有机质元素化学计量不平衡(表 2), 提供了更多的植物源C用于微生物代谢, 导致微生物对C元素的需求降低, 而对N和P元素的需求变大[25].元素需求的变化刺激了微生物分泌更多的N和P降解酶以缓解养分代谢限制, 同时豆科植物的增加促进了土壤固氮能力提升, 提供了土壤氮的可行又有效的来源[26].因而微生物增加了对N和P降解酶的相对有效的投资以缓解N和P缺乏状况(图 3), 减少了C降解酶(BG和CBH)的相对投资, 故而降低了CEs∶NEs和CEs∶PEs, 缓解了微生物的元素限制[27].值得注意的是, 单独增温处理时豆科植物占比降低, 导致了氮素供应不足引起氮限制的加剧(图 3中增温处理酶化学计量的向量角度小于对照处理, 且均小于45°证明了氮限制加剧).因此从养分资源获取角度来理解, 氮限制加剧反映了微生物需要将更多的功能发挥在获取N的过程中(增加N降解酶的分泌和活性), 以维持自身的元素平衡[28].
对于土壤氧化酶, 本研究发现土壤增温显著增加了过氧化物酶(PER)活性, 增雨以及增温增雨降低了过氧化物酶(PER)和多酚氧化酶(PPO)活性, 其原因可能是增温环境下木质素含量较高的植被(例如禾本科)成为优势种群导致土壤不稳定有机碳含量的持续降低以及顽固性碳化合物的增加, 促使土壤微生物群落逐渐适应利用以前难以分解的顽固C库来为其代谢活动提供能量[29]；而增雨环境下由于豆科等木质素含量相对较低的植被数量增加, 使得凋落物的有效投入增加导致微生物可利用碳源的增加从而降低了微生物对难降解碳的需求[30], 因此氧化酶活性较低.此外, Freeman等[31]的研究发现, 土壤环境中的可利用性氧气含量和氧化酶的活性成正比, 因此增雨处理下引起的土壤氧气含量相对不足可能是PER和PPO活性降低的原因.上述结果证实了微生物可通过改变胞外酶的分泌水平来调整其生理代谢以适应外部环境的变化.
酶化学计量比的向量长度在增雨和增温增雨交互下显著增加对应了本研究中土壤有机碳含量在两个处理中的大幅提升, 表明土壤水分含量(SWC)和有机碳(SOC)在调控该区域土壤碳降解酶活性及相关计量比响应气候变化的过程中发挥了重要作用.增加的SOC含量减少了微生物对C降解酶的需求以及相对投资, 使得更多的C用于合成获取限制性养分的胞外酶[12].SWC是土壤理化性质中对土壤酶活性及计量比影响最为重要的因子, 也是区分不同的气候变化处理下土壤酶活性和计量比特征显著差异的主要因子(图 4和图 5).土壤水分可直接参与土壤生化反应影响微生物和植物的生命活动, 高的水分可利用性有利于土壤养分的扩散以及有效元素向微生物的渗透[27], 但同时水分过多可能会改变土壤含氧状态(降水量增加在一定程度上使土壤形成厌氧环境)影响酶的分泌[31, 32]；另一方面, SWC与SOC存在极显著正相关关系, 有研究表明, 土壤水分增加可促进凋落物的淋溶作用, 使得地表层凋落物和腐殖质中的黏粒、有机质和碳酸盐等物质进入土壤, 增加了土壤有机质含量[33].在此基础上, 当以SWC作为协变量对土壤理化因子各项指标与酶活性进行偏回归分析时(未展示), 发现与酶活性及计量比原本显著相关的SOC未能通过显著性检验, 因此有理由推测SWC驱动了土壤SOC含量的增加从而间接改变了相应的酶活性及计量特征.全球尺度上, CEs∶NEs∶PEs酶活性计量比值大体呈现1∶1∶1的尺度关系, 反映了C、N和P循环之间的一种耦合关系[34], 而本研究却发现黄土丘陵区撂荒草地CEs∶NEs∶PEs酶活性比在4个处理下的变化范围从1∶1.86∶1.47到1∶2.83∶2.86, 平均为1∶2.24∶1.98, 大大偏离了1∶1∶1.表现出C降解酶活性小于N或者P降解酶活性, 并且N降解酶活性在三者中最大的特征, 这说明了微生物对参与土壤C、N和P循环相关酶的投入在不同水热条件下有明显差异, 同时凸显了黄土丘陵区撂荒草地的区域性特征[35].
4 结论(1) 增温显著增加了β-1, 4-木糖苷酶(BX)活性, 但对总碳降解酶活性(CEs)几乎无影响, 增雨和增温增雨均降低了CEs, 增温和增温增雨显著增加了氮降解酶活性(NEs)和磷降解酶活性(PEs), 增雨显著增加了PEs.
(2) 增温显著增加了过氧化物酶(PER)活性, 而增雨显著降低了PER酶活性, 增雨以及增温增雨显著降低了多酚氧化酶(PPO)活性.
(3) 增雨以及增温增雨处理下土壤养分含量和植被科组成的变化可减弱该生态系统土壤微生物的氮限制程度, 土壤水分和有机碳含量是引起土壤酶活性特征改变的关键因子.
(4) 本研究反映了黄土丘陵区撂荒草地土壤酶活性和计量特征的相对特异性, 同时验证了土壤酶活性和计量特征在反映土壤元素限制方面的重要作用, 这对研究未来气候变化背景下流域尺度养分可利用性和受限制情况具有重要意义.
| [1] | IPCC. Climate change 2013-The physical science basis. Contribution to working group Ⅰ the fifth assessment report of the Intergovernmental Panel on Climate Change[M]. New York: Cambridge University Press, 2013. |
| [2] | Meng C, Tian D H, Zeng H, et al. Global meta-analysis on the responses of soil extracellular enzyme activities to warming[J]. Science of the Total Environment, 2020, 705. DOI:10.1016/j.scitotenv.2019.135992 |
| [3] | Zhou X Q, Chen C R, Wang Y F, et al. Warming and increased precipitation have differential effects on soil extracellular enzyme activities in a temperate grassland[J]. Science of the Total Environment, 2013, 444: 552-558. DOI:10.1016/j.scitotenv.2012.12.023 |
| [4] | Liu W X, Zhang Z, Wan S Q. Predominant role of water in regulating soil and microbial respiration and their responses to climate change in a semiarid grassland[J]. Global Change Biology, 2009, 15(1): 184-195. DOI:10.1111/j.1365-2486.2008.01728.x |
| [5] | Allison S D, Wallenstein M D, Bradford M A. Soil-carbon response to warming dependent on microbial physiology[J]. Nature Geoscience, 2010, 3(5): 336-340. DOI:10.1038/ngeo846 |
| [6] | Allison S D, Treseder K K. Warming and drying suppress microbial activity and carbon cycling in boreal forest soils[J]. Global Change Biology, 2008, 14(12): 2898-2909. DOI:10.1111/j.1365-2486.2008.01716.x |
| [7] | McDaniel M D, Kaye J P, Kaye M W. Increased temperature and precipitation had limited effects on soil extracellular enzyme activities in a post-harvest forest[J]. Soil Biology and Biochemistry, 2013, 56: 90-98. DOI:10.1016/j.soilbio.2012.02.026 |
| [8] | Vargas R, Collins S L, Thomey M L, et al. Precipitation variability and fire influence the temporal dynamics of soil CO2 efflux in an arid grassland[J]. Global Change Biology, 2012, 18(4): 1401-1411. DOI:10.1111/j.1365-2486.2011.02628.x |
| [9] | Guo Z M, Zhang X Y, Green S M, et al. Soil enzyme activity and stoichiometry along a gradient of vegetation restoration at the Karst Critical Zone Observatory in Southwest China[J]. Land Degradation & Development, 2019, 30(16): 1916-1927. |
| [10] |
王兴, 钟泽坤, 朱玉帆, 等. 增温和增雨对黄土丘陵区撂荒草地土壤呼吸的影响[J]. 环境科学, 2022, 43(3): 1657-1667. Wang X, Zhong Z K, Zhu Y F, et al. Effects of warming and increased precipitation on soil respiration of abandoned grassland in the loess-hilly regions[J]. Environmental Science, 2022, 43(3): 1657-1667. |
| [11] |
孙康慧, 曾晓东, 李芳. 1980~2014年中国生态脆弱区气候变化特征分析[J]. 气候与环境研究, 2019, 24(4): 455-468. Sun K H, Zeng X D, Li F. Climate change characteristics in ecological fragile zones in China during 1980-2014[J]. Climatic and Environmental Research, 2019, 24(4): 455-468. |
| [12] |
钟泽坤, 杨改河, 任成杰, 等. 黄土丘陵区撂荒农田土壤酶活性及酶化学计量变化特征[J]. 环境科学, 2021, 42(1): 411-421. Zhong Z K, Yang G H, Ren C J, et al. Effects of farmland abandonment on soil enzymatic activity and enzymatic stoichiometry in the loess hilly region, China[J]. Environmental Science, 2021, 42(1): 411-421. |
| [13] | Vidon P, Marchese S, Welsh M, et al. Impact of precipitation intensity and riparian geomorphic characteristics on greenhouse gas emissions at the soil-atmosphere interface in a water-limited riparian zone[J]. Water, Air, & Soil Pollution, 2016, 227(1): 8. |
| [14] | 鲍士旦. 土壤农化分析[M]. (第三版). 北京: 中国农业出版社, 2000. |
| [15] |
王兴, 钟泽坤, 张欣怡, 等. 长期撂荒恢复土壤团聚体组成与有机碳分布关系[J]. 环境科学, 2020, 41(5): 2416-2424. Wang X, Zhong Z K, Zhang X Y, et al. Relationship between the composition of soil aggregates and the distribution of organic carbon under long-term abandoned restoration[J]. Environmental Science, 2020, 41(5): 2416-2424. |
| [16] | Allison S D. A trait-based approach for modelling microbial litter decomposition[J]. Ecology Letters, 2012, 15(9): 1058-1070. DOI:10.1111/j.1461-0248.2012.01807.x |
| [17] | Moorhead D L, Sinsabaugh R L, Hill B H, et al. Vector analysis of ecoenzyme activities reveal constraints on coupled C, N and P dynamics[J]. Soil Biology and Biochemistry, 2016, 93: 1-7. DOI:10.1016/j.soilbio.2015.10.019 |
| [18] | Zhong Z K, Li W J, Lu X Q, et al. Adaptive pathways of soil microorganisms to stoichiometric imbalances regulate microbial respiration following afforestation in the Loess Plateau, China[J]. Soil Biology and Biochemistry, 2020, 151. DOI:10.1016/j.soilbio.2020.108048 |
| [19] | Chen J, Luo Y Q, Li J W, et al. Costimulation of soil glycosidase activity and soil respiration by nitrogen addition[J]. Global Change Biology, 2017, 23(3): 1328-1337. DOI:10.1111/gcb.13402 |
| [20] | Steinweg J M, Dukes J S, Paul E A, et al. Microbial responses to multi-factor climate change: effects on soil enzymes[J]. Frontiers in Microbiology, 2013, 4: 146. |
| [21] | Nottingham A T, Turner B L, Whitaker J, et al. Temperature sensitivity of soil enzymes along an elevation gradient in the Peruvian Andes[J]. Biogeochemistry, 2016, 127(2-3): 217-230. DOI:10.1007/s10533-015-0176-2 |
| [22] |
乔文静, 戴银月, 张伟, 等. 黄土丘陵区撂荒恢复过程中植物群落组成与土壤养分及酶活性变化的关系[J]. 环境科学, 2018, 39(12): 5687-5698. Qiao W J, Dai Y Y, Zhang W, et al. Relationship between the vegetation community and soil nutrient and enzyme activity during the restoration of abandoned land in the loess hilly region[J]. Environmental Science, 2018, 39(12): 5687-5698. |
| [23] |
王启基, 李世雄, 王文颖, 等. 江河源区高山嵩草(Kobresia pygmaea)草甸植物和土壤碳、氮储量对覆被变化的响应[J]. 生态学报, 2008, 28(3): 885-894. Wang Q J, Li S X, Wang W Y, et al. The despondences of carbon and nitrogen reserves in plants and soils to vegetations cover change on Kobresia pygmaea meadow of Yellow River and Yangtze River source region[J]. Acta Ecologica Sinica, 2008, 28(3): 885-894. DOI:10.3321/j.issn:1000-0933.2008.03.001 |
| [24] |
郭曼, 郑粉莉, 和文祥, 等. 黄土丘陵区不同退耕年限植被多样性变化及其与土壤养分和酶活性的关系[J]. 土壤学报, 2010, 47(5): 979-986. Guo M, Zheng F L, He W X, et al. Variation of vegetation diversity and its relationship with soil nutrient and enzyme activity in lands of different abandoned years in the Loess Hilly-Gully region[J]. Acta Pedologica Sinica, 2010, 47(5): 979-986. |
| [25] |
邓健, 张丹, 张伟, 等. 黄土丘陵区刺槐叶片-土壤-微生物碳氮磷化学计量学及其稳态性特征[J]. 生态学报, 2019, 39(15): 5527-5535. Deng J, Zhang D, Zhang W, et al. Carbon, nitrogen, and phosphorus stoichiometry and homeostasis characteristics of leaves, soil, and microbial biomass of Robinia pseudoacacia forests in the Loess Hilly Region of China[J]. Acta Ecologica Sinica, 2019, 39(15): 5527-5535. |
| [26] |
张仁懿, 徐当会, 陈凌云, 等. 基于N: P化学计量特征的高寒草甸植物养分状况研究[J]. 环境科学, 2014, 35(3): 1131-1137. Zhang R Y, Xu D H, Chen L Y, et al. Plant N status in the alpine grassland of the Qinghai-Tibet Plateau: base on the N: P stoichiometry[J]. Environmental Science, 2014, 35(3): 1131-1137. |
| [27] | Deng L, Peng C H, Huang C B, et al. Drivers of soil microbial metabolic limitation changes along a vegetation restoration gradient on the Loess Plateau, China[J]. Geoderma, 2019, 353: 188-200. DOI:10.1016/j.geoderma.2019.06.037 |
| [28] |
田静, 盛茂银, 汪攀, 等. 西南喀斯特土地利用变化对植物凋落物-土壤C、N、P化学计量特征和土壤酶活性的影响[J]. 环境科学, 2019, 40(9): 4278-4286. Tian J, Sheng M Y, Wang P, et al. Influence of land use change on litter and soil C, N, P stoichiometric characteristics and soil enzyme activity in Karst ecosystem, southwest China[J]. Environmental Science, 2019, 40(9): 4278-4286. |
| [29] | De Gonzalo G, Colpa D I, Habib M H M, et al. Bacterial enzymes involved in lignin degradation[J]. Journal of Biotechnology, 2016, 236: 110-119. DOI:10.1016/j.jbiotec.2016.08.011 |
| [30] | Bai Y F, Wu J G, Xing Q, et al. Primary production and rain use efficiency across a precipitation gradient on the Mongolia plateau[J]. Ecology, 2008, 89(8): 2140-2153. DOI:10.1890/07-0992.1 |
| [31] | Freeman C, Ostle N, Kang H. An enzymic 'latch' on a global carbon store[J]. Nature, 2001, 409(6817): 149. |
| [32] |
闫钟清, 齐玉春, 李素俭, 等. 降水和氮沉降增加对草地土壤微生物与酶活性的影响研究进展[J]. 微生物学通报, 2017, 44(6): 1481-1490. Yan Z Q, Qi Y C, Li S J, et al. Soil microorganisms and enzyme activity of grassland ecosystem affected by changes in precipitation pattern and increase in nitrogen deposition-a review[J]. Microbiology China, 2017, 44(6): 1481-1490. |
| [33] | Henry H A L, Juarez J D, Field C B, et al. Interactive effects of elevated CO2, N deposition and climate change on extracellular enzyme activity and soil density fractionation in a California annual grassland[J]. Global Change Biology, 2005, 11(10): 1808-1815. DOI:10.1111/j.1365-2486.2005.001007.x |
| [34] | Sinsabaugh R L, Lauber C L, Weintraub M N, et al. Stoichiometry of soil enzyme activity at global scale[J]. Ecology Letters, 2008, 11(11): 1252-1264. DOI:10.1111/j.1461-0248.2008.01245.x |
| [35] | Yang Y, Liang C, Wang Y Q, et al. Soil extracellular enzyme stoichiometry reflects the shift from P-to N-limitation of microorganisms with grassland restoration[J]. Soil Biology and Biochemistry, 2020, 149. DOI:10.1016/j.soilbio.2020.107928 |
表 1
(Table 1)
