微塑料（microplastics, MPs）是指粒径小于5 mm的塑料颗粒^[1], 其广泛存在于水体、土壤、大气等环境介质中, 已经成为一种备受关注的新污染物^[2]. 通过地膜与有机堆肥应用、地表径流、农业灌溉和大气沉降等途径, MPs在农业土壤中的分布范围和数量快速增长^{[3 ~ 5]}. 据研究, 每年向耕地输入的MPs数量远超过向海洋中的输入量, 使得农业土壤成为MPs的一个重要的汇^[6]. MPs可通过影响土壤物理、化学和生物特性等, 对土壤的物质循环、植物生长, 乃至土壤生态功能产生重要影响^[7]. 因此, 深入探究MPs在土壤中的生态环境效应已经成为当前亟需解决的科学问题.

土壤有机碳（SOC）是构成土壤的重要组分, 在维持土壤健康、生态功能和碳氮等物质循环等方面起到关键作用^[7]. MPs对土壤特性的显著影响, 必然会导致SOC在不同粒级团聚体中的分布特征^[8]、SOC各组分含量等发生显著变化^{[9, 10]}, 进而对SOC的稳定性产生影响. 上述变化最终将影响SOC的矿化强度^[8]. 例如, Liu等^[11]的研究发现聚乙烯微塑料（PE-MP）通过提高土壤微生物活性增强对大分子有机质的分解作用, 进而提高溶解性有机碳（DOC）的含量. 可降解的MPs也可以通过直接释放或者微生物降解释放提高土壤的DOC含量, 进而提高土壤活性碳源水平^{[12, 13]}. 从已报道的MPs对SOC矿化（CO₂排放）影响的结果来看, 不同研究结果之间存在很大的不确定性, 既有显著促进CO₂排放的^[14], 也有显著抑制CO₂排放^[15], 还有显著无影响的^[16]. 在这些研究中, 不同学者分别从MPs的类型^[8]、暴露浓度^[17]等方面, 研究了这些因素对MPs介导的SOC含量、特征组分含量、矿化等变化的影响和内在机制, 然而针对MPs的粒径大小的研究十分匮乏. MPs在土壤中经过一系列的物理和光、化学和生物降解等过程, 进一步分解（破碎）成不同粒径水平的MPs^[18], 如mm、μm和nm级. 相比于大粒径MPs, 小粒径MPs的孔体积和比表面积更大, 表面官能团更丰富, 吸附作用也更强^[19]. 因此, MPs粒径的差异可能使其对SOC在不同粒级团聚体中分布和各组分含量等特征产生重要影响, 进而影响SOC的矿化行为.

基于上述研究中存在的不足, 本文通过选取农田中广泛存在的PE-MPs, 以3种粒径水平（mm、μm和nm级）为因子建立室内土壤培养实验, 旨在探明粒径大小对PE-MPs介导的SOC及其主要特征组分含量、SOC在不同粒级团聚体中分布特征和SOC矿化行为等变化的影响, 并阐明不同粒径PE-MPs对SOC矿化/稳定的作用机制. 本研究的结果能够进一步增强人们更加全面地认识MPs对SOC矿化/稳定的影响效应, 更好地指导土壤MPs污染防控实践.

本实验土样于2022年8月采集于山东省青岛市即墨区温泉街道农田（120°39'19.3″E, 36°25'45.7″N, 海拔43 m）, 种植的主要农作物为花生. 该区域为暖温带, 按照“S”型五点取样法采集表层土壤样品（0~20 cm）, 同时采用环刀法采集表层土样用于测定土壤容重和含水率（设3个重复）. 土样带回实验室后, 放置于阴凉处自然风干, 剔除土壤中的石块和植物残体等后, 磨碎过2 mm筛, 混合均匀. 随机选取部分土样, 测定土壤各SOC组分含量, 其余土样在（25±2）℃、60%田间最大持水量和避光条件下预培养2周, 以恢复微生物活性^{[20, 21]}. 土壤基本性质测定如下：土壤容重为1.49 g·cm^-3；含水率为13.5%；ω（SOC）、ω（DOC）和ω[易氧化有机碳（ROC）]分别为（20.57±0.44）g·kg^-1、（251.98±6.51）mg·kg^-1和（4.74±0.56）g·kg^-1. 微塑料购买自中国石化公司, 材质均为聚乙烯微塑料（PE-MP）, 形状为颗粒状, 粒径分为3个水平：mm（~1 mm）、μm（~44 μm）和nm（1~100 nm）, 分别定义为mMP、μMP和nMP.

矿化实验采用室内培养的方法, 共分为4个实验组, 分别为未添加PE-MP的空白对照组（CK）、mm级PE-MP处理组（mMP）、μm级PE-MP处理组（μMP）和nm级PE-MP处理组（nMP）, 每个处理重复3次, PE-MP暴露含量均为2%. 将所有PE-MP样品进行消毒灭菌处理后, 与土壤充分混合, 加入棕色培养瓶中. 将处理好的实验装置放置在（25±2）℃的恒温箱内进行培养, 整个培养期内保持黑暗条件, 含水率保持在田间最大持水量的60%, 采用称重法定期补充去离子水以维持含水率不变, 培养周期为180 d. 在培养第0、2、4、6、13、20、50、80、110、140、180 d从瓶内采样测定CO₂排放速率、累计排放量以及SOC、DOC和ROC含量；于第2 d和180 d测量土壤溶解性有机质（dissolved organic matter, DOM）三维荧光强度等指标；培养周期结束（第180d）后, 测定土壤轻组（LFOC）和重组有机碳（HFOC）含量, 并且筛分各粒级土壤团聚体测定其SOC含量.

使用GXH-3010E型CO₂气体分析仪测量土壤CO₂气体通量. 每次采样的具体时间为20：00~21：00, 测量的具体步骤是：将装有土壤样品的广口瓶塞紧, 将塞子的阀门的通气口与分析仪相连, 打开阀门, 开启仪器测量一次CO₂体积分数, 记为C₁, 1 h后同样的方法再测量一次CO₂体积分数, 记为C₂. 根据公式（1）计算气体的排放率^[22]：

(1)

式中, F表示气体的排放率（μg·kg^-1·d^-1）；V表示气体的总体积（m³）, 包括管道和气室；C₁和C₂分别表示初始和最终温室气体的体积分数（μL·L^-1）；T和p表示测量过程中的绝对温度（K）和绝对压力（kPa）；T₀和p₀分别表示标准条件下的绝对温度（273.15 K）和标准大气压力（101.325 kPa）；Δt表示2次测量时间间隔（d）；m_s表示土壤样品的质量（g）；k表示体积浓度到质量浓度的理想换算系数（μL·m^-3）, 为1.96×10³.

根据公式（2）计算CO₂累计排放量（C_m, g·kg^-1）为从矿化培养开始至结束土壤释放的CO₂总量^[8], 计算方法为：

(2)

式中, F_i表示第i天CO₂的排放速率（g·kg^-1·d^-1）；d表示取样间隔天数.

进一步用一级动力学方程[公式（3）]定量描述SOC矿化累计动态^[7]：

(3)

式中, C_p表示土壤SOC矿化潜力（g·kg^-1）, 其值越高说明SOC矿化的潜力越大；K表示SOC矿化速率常数（d^-1）, 其值越高表明SOC周转率越高；y表示土壤培养时长x时的SOC矿化量. 通过计算C_p/SOC值进一步分析SOC的固存能力, 其值越大说明SOC固存能力越小.

分别用重铬酸钾氧化法^[23]和高锰酸钾氧化法^[24]测定土壤SOC和ROC含量. 将土壤样品与去离子水按照水土比5∶1（质量比）混合, 并于振荡器上在200 r·min^-1转速条件下振荡2 h, 然后用离心机4 000 r·min^-1转速离心5 min, 取上清液过0.45 μm滤膜, 所得浸提液分别用紫外-可见分光光度计和荧光分光光度计测定DOC含量^[25]和三维荧光光谱荧光强度（3D-EEMs）并计算光谱指数等^[26]；采用密度浮选法对土壤轻组和重组部分进行分离^[27], 重液为NaI. 具体操作方法为：称取10 g风干土放入离心管中, 加入50 mL重液（密度为1.8 g·cm^-3）, 振荡1 h, 将悬浮物以3 500 r·min^-1的转速离心30 min, 收集上层悬浮物；重复上述步骤3次；将所得样品过0.45 μm滤膜真空抽滤, 然后用100 mL的0.01 mol·L^-1的CaCl₂溶液洗涤, 再用200 mL蒸馏水反复冲洗后, 收集滤膜上样品至烧杯中于65℃烘干获得轻组土壤. 剩余土壤部分用100 mL的0.01 mol·L^-1的CaCl₂溶液洗涤, 再用200 mL蒸馏水反复冲洗, 烘干获得重组土壤. 测定样品重量回收率, 所得回收率均在95%以上. 利用前述SOC相同的方法测定轻组和重组土壤中有机碳的含量, 即为LFOC和HFOC含量.

在土壤培养第180 d, 用干筛法将土壤筛分为4个团聚体粒径等级^[28]：> 2.00、0.25~2.00、0.053~0.25和 < 0.053 mm, 得到各级团聚体的重量, 然后计算各级团聚体占比. 对得到的不同粒级团聚体, 利用前述相同方法测定SOC含量. 通过计算得到SOC在不同粒径团聚体中的含量分布^[29]：

(4)

式中, ω（SOC）表示某粒级团聚体中SOC含量, p表示各级团聚体占比.

本文所涉及到的实验数据均为实验室实验获得, 采用Excel 2021进行数据预处理, 采用IBM SPSS AMOS 26软件和OriginPro 2021（EA, USA）进行数据处理和绘图, 采用单因素方差分析（One-way ANOVA）分析识别各个观测指标在不同实验组间的差异显著性（P < 0.05）.

整个培养期内的CO₂排放速率动态变化如图 1（a）所示. CO₂排放速率的总体动态变化趋势为培养初期快速升高, 并于第2 d达到峰值, 随后迅速降低, 而后从第30 d开始进入缓慢降低阶段, 至第50 d以后逐渐趋于平缓. 从CO₂排放速率峰值（第2 d）来看, 各处理组的峰值从高到低依次为：nMP、CK、μMP和mMP. 在到达峰值前, 3个PE-MP处理组的CO₂排放速率均高于CK, 说明它们都促进了SOC的矿化；而峰值后, CK的CO₂排放速率开始明显高于各PE-MP处理, 表明PE-MP对CO₂排放速率的影响逐渐由促进转为抑制. 从CO₂累计排放量来看, 培养第2 d, μMP和nMP处理组的CO₂累计排放量均显著高于CK[图 1（b）], 这与它们同时期内高的CO₂排放速率一致. 培养结束时（第180 d）, 3个PE-MP处理组的CO₂累计排放量均低于CK, 并且粒径越大, 降低的程度越高[图 1（b）]. 上述结果表明PE-MP暴露虽然在短期内（0~13 d）促进了SOC的矿化, 但从长期（13~180 d）来看, 对SOC矿化具有显著的抑制作用, 并且大粒径的PE-MP作用效果更为显著. Xiang等^[30]的元分析（Meta-analysis）结果显示, 非可降解的MPs显著降低了土壤呼吸, 且大粒径的MPs（> 150 μm）降低程度最为显著. 这与本研究的结果一致. 然而, 在Xiao等^[31]的研究中发现超高分子量的PE-MP在培养初期（前3d）降低了CO₂排放速率, 而在培养后期提高了CO₂排放速率, 这一结果与本研究的相反. 可见, 在不同的环境条件下, PE-MP对CO₂排放的影响仍存在很大的不确定性. 鉴于CO₂排放速率峰值出现在第2 d, 在后文中对相关指标重点阐述和讨论了第2 d（CO₂排放速率峰值点）和第180 d（培养结束）两个观测点的结果.

图 1

Fig. 1

不同小写字母表示相应处理在0.05水平上差异显著, 下同 图 1 CO2排放速率和累计排放量 Fig. 1 CO2 emission rate and cumulative quantity of CO2 emissions

为了进一步考察MP对SOC矿化潜力的影响, 用一级动力学方程定量描述了土壤SOC矿化累计动态, 其拟合结果如表 1所示. 3种粒径PE-MP处理都显著降低了C_p值, 其中mMP降低的程度显著高于μMP和nMP, 说明大粒径PE-MP具有更大的降低SOC矿化潜力的作用效果, 这与CO₂累计排放量变化趋势基本一致. 同时, K值的结果进一步证实小粒径PE-MP（μMP和nMP）具有更高的SOC矿化速率. 表 1的结果清晰地显示了3种粒径的PE-MP都显著降低了C_p/SOC值, 且mMP降低的程度显著高于μMP和nMP. 上述结果进一步证实：PE-MP特别是粒径较大的, 具有更高地抑制SOC矿化和增强SOC固存的作用潜力.

表 1 (Table 1)

表 1 SOC矿化一级动力学模型拟合结果1） Table 1 Fitting results of SOC mineralization by first-order kinetic model 处理 Cp/g·kg-1 K/d-1 R2 Cp/SOC/% CK 3.38±0.178a 0.020 4±0.003 12b 0.98 18.19±0.376a mMP 2.88±0.154c 0.021 8±0.003 50b 0.97 14.15±0.746c μMP 3.10±0.154b 0.023 9±0.003 74a 0.97 16.29±0.260b nMP 3.12±0.159b 0.024 7±0.004 00a 0.97 16.43±0.085b 1）同列中不同小写字母表示相应处理在0.05水平上差异显著

表 1 SOC矿化一级动力学模型拟合结果1） Table 1 Fitting results of SOC mineralization by first-order kinetic model

如图 2（a）所示, PE-MP显著影响了不同时期SOC的含量. 培养第2 d时, mMP处理组中SOC含量显著高于CK, 而μMP和nMP处理组中SOC含量则显著低于CK；培养第180 d时, 3种粒径的PE-MP都显著提高了SOC含量, 其中以mMP提高的幅度最大, 较CK提高了11.10%. 不同粒径PE-MP对SOC含量的影响与它们对CO₂排放的影响相对应.

图 2

Fig. 2

图 2 SOC总含量（第2 d和180 d）和不同粒级团聚体SOC含量（第180 d） Fig. 2 Total content of SOC observed on day 2 and day180 and contents of SOC in different sizes of aggregate observed on day 180

进一步分析培养第180 d后不同处理中SOC在不同粒级团聚体中分布发现[图 2（b）]：总体上, 各处理中不同粒级团聚体中SOC含量由高到低依次为：微团聚体、大团聚体、小团聚体和粉黏粒组分；与CK相比, 3种粒径PE-MP均显著降低了大团聚体和粉黏粒组分的SOC含量, 其中以μMP对大团聚体和以mMP对粉黏粒组分的SOC含量降低程度最高；此外, μMP和nMP还显著降低了微团聚体的SOC含量；最后, mMP显著提高了小团聚体的SOC含量. 上述结果表明：对于不同粒径的PE-MP, 大粒径PE-MP（如mMP）更利于SOC在较大团聚体中保存, 而小粒径PE-MP（如μMP和nMP）则有利于SOC在粉黏粒组分保存. 因此, 大粒径PE-MP更高地抑制SOC矿化的能力与其增强土壤大团聚体对SOC的保护密切相关.

从SOC在不同粒级团聚体中的比例分布结果来看（图 3）：CK组中, 微团聚体对总SOC含量的贡献最大, 其次是小团聚体和粉黏粒组分, 而大团聚体的贡献最小；虽然在mMP和nMP处理中各粒级团聚体对总SOC贡献率的大小顺序与CK的一致, 但是贡献率发生明显变化, 比如微团聚体和粉黏粒组分的贡献率从CK的53.21%和16.41%下降到45.68%和12.55%（mMP）、47.16%和14.10%（nMP）, 而小团聚体和大团聚体的贡献率从CK的25.61%和4.78%提高到34.05%和7.71%（mMP）、30.47%和8.28%（nMP）；相比于其它2个PE-MP, μMP进一步提高了小团聚体对总SOC的贡献率（提高至49.76%）, 使得该粒级团聚体成为SOC的最主要贡献源, 与此同时, 微团聚体和粉黏粒组分对SOC的贡献率大幅降低（分别降低至30.33%和11.99%）. 上述结果清晰地表明, PE-MP暴露显著提高了SOC在较大团聚体中的分布, 因而有利于增强SOC的团聚体保护机制^[29], 其中以中等粒径PE-MP的作用最为突出.

图 3

Fig. 3

图 3 SOC在不同粒级团聚体中的比例分布（第180 d） Fig. 3 Proportion distribution of SOC in different sizes of aggregate observed on day 180

如图 4（a）所示, ROC在整个培养期内呈明显的波动变化, 并且其在不同处理之间均存在明显的差异, 说明PE-MP暴露对土壤ROC含量的动态变化具有重要影响, 并且该影响进一步受到PE-MP粒径大小的影响. 培养第2 d, mMP和μMP暴露显著降低了ROC含量, 而nMP虽然也表现出降低ROC含量的趋势, 但是其变化与CK之间无显著性差异. PE-MP在该观测点上对ROC含量的降低与其导致高CO₂排放速率相符合[图 1（a）]. 与第2 d的结果相反, 培养第180 d, mMP和μMP暴露显著提高了ROC的含量, 这可能是这2个粒径的PE-MP在长期暴露过程中增强了对ROC的吸附固持, 进而减少了ROC的矿化. 相对而言, DOC除在培养前期波动变化明显外, 在其他时期变化相对平稳. 在培养第2 d和第180 d时, DOC含量在不同PE-MP处理中的变化结果[图 4（b）]与ROC一致. PE-MP进入土壤后, 因其大的比表面和孔体积为微生物提供了适宜的生态位^{[32, 33]}, 加快了微生物对易分解有机碳物质（如DOC和ROC）的分解矿化；而随着培养时长增加, 大粒径MPs可以通过刺激土壤酶活性增强对土壤大分子有机质的分解^[34], 从而提高土壤DOC含量, 而小粒径MPs则由于比表面积较大从而具有较强地吸附络合DOC的能力^[8], 因而导致土壤DOC含量降低.

图 4

Fig. 4

图 4 土壤ROC和DOC含量在整个培养期内的动态变化及第2 d和第180 d的观测值 Fig. 4 Dynamics of soil contents of ROC and DOC across the whole incubation and the observed values on day 2 and day 180

DOM通常包括5种荧光组分, 分别为类酪氨酸（Ⅰ区）、类色氨酸（Ⅱ区）、类富里酸（Ⅲ区）、溶解性微生物代谢产物（Ⅳ区）和类腐植酸（Ⅴ区）. 其中, 类酪氨酸和类色氨酸主要来源于微生物的生命活动^[35]. 培养第2 d, 3种粒径PE-MP处理组中酪氨酸和色氨酸在总DOM中的占比都较CK组显著增加[图 5（a）], 说明DOM中微生物源部分增加. 这可能是因为PE-MP本身大的比表面和孔体积为微生物提供了适宜的生态位^[36], 从而使微生物活动增强, 这一点可以从第2 d时更高的CO₂排放速率得到支持. 培养第180 d, μMP和nMP处理组中类腐植酸物质在总DOM中的占比较CK和mMP处理显著降低, 同时类酪氨酸和类色氨酸的占比明显提高[图 5（b）]. 导致这一结果的原因可能是：PE-MP具有疏水性, 同时μMP和nMP与mMP相比具有更大的比表面积和丰富的表面官能团, 可将类腐殖质物质吸附络合至其表面, 进而降低DOM中类腐殖质物质的含量.

图 5

Fig. 5

（a）第2 d；（b）第180 d 图 5 土壤DOM荧光区域组分分布（第2 d和第180 d） Fig. 5 Fluorescence component distribution of soil DOM observed on day 2 and day 180

荧光指数（FI）可以反映DOM中腐殖质的来源, 其数值越大表示腐殖质更多来自微生物自生源^[37]. 表 2的结果显示, 第180 d时, 所有处理中的FI指数均高于第2 d的, 表明土壤中腐殖质来自于微生物自生源的占比增加. DOM自生源指数（BIX）是反映其自生源成分在DOM中的贡献率, 其值大小与DOM中新近自生源贡献率呈正相关, 即BIX值越大, 说明土壤中DOM降解程度越高、内源性碳产物占比越高^[38]. 研究表明, 当BIX介于0.6~0.7和0.8~1.0之间时, 分别表明受人类活动或受陆源输入影响较大和自生源贡献率较高^[39]. 表 2中的结果显示各处理组第2 d和第180 d的BIX值均在0.8~0.93之间, 说明DOM中自生源贡献较大. 此外, 腐殖化指数（HIX）可用于评估DOM腐殖化程度, 当HIX的值< 4、4~6、6~10和 > 10时, 分别说明：DOM腐殖化程度较低、腐殖化程度略高且仍有较强的自生源特征、较高的腐殖化程度和较弱的自生源特征和高的腐殖质化程度且主要以外源性输入为主^[40]. 在两个观测点和所有处理中, HIX的值都小于4（表 2）, 说明DOM的腐殖化程度较低, 且自生源特征较强, 这与BIX结果和Ⅰ区的荧光组分一致. 与第2 d相比, 第180 d时各处理组的HIX值明显提高, 但3种MP处理的HIX值均显著低于CK, 并且μMP和nMP处理的HIX值又显著低于mMP处理. 这说明PE-MP暴露降低了DOM的腐殖化程度, 且粒径越小, 降低的程度越高. 这可能与小粒径PE-MP对腐殖质类物质更高的吸附能力有关.

表 2 (Table 2)

表 2 土壤DOM三维荧光光谱指数1） Table 2 Three-dimensional fluorescence spectral indexes of soil DOM 观测点 处理组 三维荧光指数 FI HIX BIX 第2 d CK 1.52a 2.13ab 0.81a mMP 1.63a 2.35a 0.83a μMP 1.60a 1.96b 0.85a nMP 1.52a 2.31a 0.83a 第180 d CK 2.00a 3.59a 0.80a mMP 1.76a 3.21ab 0.93a μMP 1.97a 2.60c 0.81a nMP 1.74a 2.74bc 0.89a 1）同列中不同小写字母表示相应处理在0.05水平上差异显著

表 2 土壤DOM三维荧光光谱指数1） Table 2 Three-dimensional fluorescence spectral indexes of soil DOM

图 6的结果显示：与CK相比, 所有PE-MP处理均显著降低了HFOC含量, 而显著增加了LFOC的含量；与mMP相比, μMP和nMP对HFOC含量降低的程度更为显著. 导致这种结果的原因可能是：首先, PE-MP本身是一种密度较低的材料, 加入土壤后多集中在轻组组分中；其次由于PE-MP本身的化学稳定性和生物稳定性, 这与传统意义上的具有很强生物学活性和高周转速率的轻组组分^[41]明显不同. 在前期的研究中表明：SOC的稳定性随HFOC含量降低或LFOC组分含量升高而降低, 进而可能提高CO₂矿化量^{[41, 42]}. 然而, 这与本研究的结果截然相反, 这其中的原因可能包括两个方面：一是, PE-MP处理中升高的LFOC含量部分来源于稳定的PE-MP；二是, PE-MP对土壤中腐殖质类物质的吸附固定^{[43, 44]}, 从而将较稳定的腐殖质类物质转移到LFOC中, 而非结合到HFOC中.

图 6

Fig. 6

图 6 土壤LFOC和HFOC含量（第180 d） Fig. 6 Soil contents of LFOC and HFOC observed on day 180

通过绘制SOC矿化指标[CO₂累计排放量、SOC矿化潜力（C_p）和速率常数（K）]与SOC总量和各特征组分含量、不同团聚体的SOC含量、DOM分子特征等指标之间相关性的热图, 进一步分析PE-MP对SOC矿化影响的关键因素和潜在过程. 如图 7所示, CO₂累计排放量与DOM的类色氨酸（Ⅱ区）和类富里酸（Ⅲ区）的荧光强度、黏粒部分SOC含量之间呈显著的正相关关系, 而与SOC总量、溶解性微生物代谢产物（Ⅳ区）、BIX值以及DOC和ROC含量之间呈显著负相关关系. C_p值与类富里酸（Ⅲ区）荧光强度、大团聚体和黏粒部分SOC含量之间存在显著的正相关关系, 而与溶解性微生物代谢产物（Ⅳ区）和ROC含量之间呈显著负相关关系. 上述结果进一步支持PE-MP暴露短期内通过提高微生物活性增强SOC矿化, 而长期过程中通过增强对活性有机碳（DOC和ROC）的固定和减少黏粒组分中SOC含量抑制SOC矿化. 从SOC矿化速率常数K值来看, 其与类酪氨酸（Ⅰ区）和类色氨酸（Ⅱ区）荧光强度之间呈显著正相关关系, 而与类腐植酸（Ⅴ区）荧光强度、HIX、大团聚体和微团聚体的SOC含量之间存在显著的负相关关系. 类酪氨酸和类色氨酸类物质属于自生源的简单小分子类物质, 相比于其他DOM组分更容易被分解, 因此具有更高类酪氨酸含量（图 5）的μMP和nMP处理组的K值更大（表 1）, 类似的结果也有报道^[45]. 而提高DOM的腐殖化程度则会显著降低K值, 因此在3种粒径PE-MP处理组中, mMP处理中更高的HIX值（表 2）使得其具有更低的CO₂累计排放量[图 1（b）]. 但需要注意的是, 所有PE-MP处理的HIX值都小于CK, 这说明DOM腐殖化程度的变化只是影响SOC矿化的重要原因之一. K值与大团聚体的SOC含量之间显著的负相关关系, 表明增加SOC在大团聚体中的分布能够有效地降低SOC的矿化速率, 即SOC的团聚体物理保护机制^[29]. 综上, PE-MP引发的土壤团聚体特性的变化可能是导致PE-MP抑制SOC矿化的重要机制.

图 7

Fig. 7

1.CO2累计排放量, 2.Cp, 3.K, 4.Cp/SOC, 5.SOC, 6.DOC, 7.ROC, 8.LFOC, 9.HFOC, 10.大团聚体SOC含量, 11.小团聚体SOC含量, 12.微团聚体SOC含量, 13.粉黏粒SOC含量, 14.DOM-Ⅰ区, 15.DOM-Ⅱ区, 16.DOM-Ⅲ区, 17.DOM-Ⅳ区, 18.DOM-Ⅴ区, 19.HIX, 20.BIX；*、**、和***分别表示P < 0.05、P < 0.01和P < 0.001 图 7 SOC矿化相关指标与其他相关指标间的相关性分析 Fig. 7 Correlation analysis between SOC mineralization-related indices and other related indices

通过结构方程模型进一步探索了PE-MP对SOC矿化的影响途径（图 8）, 进而揭示PE-MP暴露抑制SOC矿化的过程与机制. 如图 8所示, DOM腐殖化程度（HIX）、特征有机碳组分含量（DOC和HFOC）和大、小团聚体中SOC比例等指标都能够通过或正或负的关系直接作用于SOC的矿化（CO₂累计排放量）. 而不同粒径的PE-MP则可以通过调控上述指标的变化间接影响SOC的矿化. 此外, DOM腐殖化程度、各特征有机碳组分含量与大、小团聚体中SOC比例之间表现出显著的正/负作用关系, 表明PE-MP可以通过调控这些指标变化间接作用于SOC在大、小团聚体中的分布. 根据图 8中所反映出的影响路径和作用关系, 结合相关具体结果, 首先进一步支撑了PE-MP降低SOC矿化的主要机制是促进SOC在大、小团聚中的分布, 增强了土壤较大团聚体对SOC的物理保护作用；其次, 进一步揭示了SOC矿化抑制程度在不同粒径PE-MP暴露情况下的差异主要源于不同粒径PE-MP对土壤特征有机碳组分含量的不同影响, 如小粒径PE-MP更低的DOC保持能力和更大的减少HFOC含量和降低DOM腐殖化程度的作用结果, 导致其相比于大粒径PE-MP表现出较高的SOC矿化量.

图 8

Fig. 8

连接线上的数值为路径系数, 实线和虚线分别表示正向和反向作用关系, 模型参数：χ2/df=1.748, P=0.093, GFI=0.813, NFI=0.825, CFI=0.893；*、**和***分别表示P < 0.05、P < 0.01和P < 0.001 图 8 PE-MP粒径对SOC矿化的影响路径的结构方程模型 Fig. 8 Structural equation modeling of influence pathways of PE-MP particle size on SOC mineralization

（1）通过构建180 d的室内土壤培养实验, 探究了3种粒径水平（mm、μm和nm级）PE-MP对农田SOC矿化的影响, 明确PE-MP长期暴露对SOC矿化具有显著的抑制效果, 且PE-MP粒径越大, 抑制效果越显著.

（2）不同粒径PE-MP通过提高对有机质吸附等作用不同程度地提高了SOC在较大土壤团聚体（> 2 mm和0.25~2 mm）中的分布比例, 即PE-MP增强土壤团聚体对SOC的物理保护作用是其抑制SOC矿化的主要机制.

（3）PE-MP的粒径主要通过影响PE-MP对有机碳特征组分含量（如DOC和HFOC）、DOM腐殖化程度和大、小团聚体中SOC比例等的作用程度, 进而影响SOC矿化强度（CO₂累计排放量）在不同粒径PE-MP之间的差异.