土壤碳库是陆地生态系统中最大的碳库, 作为连接无机环境和有机生物之间物质循环的关键环节, 其微小的变化即可能影响到陆地碳循环以及全球气候变化^[1].早期研究发现受限于钙离子供给, 碳酸盐或钙积层的形成是一个十分缓慢的过程[无机碳累积速率＜1 g·(m²·a)^-1], 因此干旱荒漠区的无机碳库研究较其他地区来讲是很有限的, 对现代碳循环的贡献几乎可以忽略不计^[2]. 21世纪初期, Brye等^[3]的研究发现内陆水中的碳的传输是景观单元内陆地生态系统碳平衡的关键因素, 土壤有机碳(SOC)和无机碳(SIC)的淋溶在陆地生态系统碳动态平衡中占有重要地位^{[4, 5]}.陆地生态系统中, 约有7 g·(m²·a)^-1碳随着降水或灌溉水进入地下水及河流^[6], 水循环过程中碳的聚积是当前乃至今后寻求迷失碳汇的一个重点方向^[7~9].而干旱荒漠区高达20%的DIC非常活跃^[10], 这部分土壤可溶性碳(SDC)是解释陆地生态系统碳收支不平衡的一个重要方向^{[11, 12]}.SDC对环境变化异常敏感, 不仅可以影响大气CO₂浓度, 还能反映土壤碳的循环与平衡, 对研究全球碳循环具有积极意义^{[7, 13]}.干旱半干旱荒漠区在全球碳循环中的重要作用也逐渐被认知^{[14, 15]}.全球荒漠化面积约占陆地总面积的1/4, 荒漠化地区植被的恢复与重建对于延缓全球气候变化发挥着重要作用^[16], 而深入了解干旱荒漠区最活跃的碳组分, 可为陆地生态系统碳平衡研究提供理论支撑.

塔克拉玛干沙漠公路防护林生态工程南北横贯我国第一大沙漠, 是目前世界上穿越流动沙漠最长的防护林工程.前人的研究已经对干旱区荒漠绿洲灌溉农田可溶性碳组分的淋溶流失有所了解^{[17, 18]}, 但对沙漠地区咸水灌溉林地的研究鲜见报道.沙漠公路防护林工程自建成以来, 长期的咸水滴灌已使得防护林生态系统融于大气-植被-土壤-地下咸水碳循环过程.本研究通过阐明不同矿化度咸水灌溉下塔克拉玛干沙漠公路防护林SDOC和SDIC的垂直分布特征及其影响因素, 以期为干旱荒漠区人工林的建设和可持续利用提供理论依据.

研究样地位于塔克拉玛干沙漠公路沿线, 属于暖温带大陆性极端干旱气候.自然植被及地表水资源极度匮乏, 地表景观以流动沙丘为主, 土壤类型主要是流动风沙土.该区年均气温12.4℃, 其中7月均温28.2℃, 极端高温＞40℃, 沙面最高温度超过70℃, 1月极端低温＜-20℃, 最大温差达到60℃以上.降水主要集中在5~9月, 多年平均23.7 mm, 而年蒸发量高达3 638.6 mm^[19].防护林树种多以柽柳属(Tamarix L.)、梭梭(Haloxylon ammodendron)和沙拐枣属(Calligonum L.)等抗逆性极强的优良防风固沙灌木为主, 采用株行距为1 m×2 m行间混交, 通过抽取区域地下咸水进行滴灌, 每个滴头对应一棵植株, 灌溉水矿化度为2.82~30 g·L^-1, 3~5月与9~10月灌溉周期为每15 d一次, 6~8月每10 d一次, 11月至次年2月免灌, 年灌水定额约600 L·m^-2, 单次灌溉量为30 L·m^-2[20].

选择定植于2004年的沙漠公路防护林, 灌溉水矿化度分别为2.82、4.82、10.00、18.36和28.41 g·L^-1的5段防护林地, 样地均由柽柳、沙拐枣和梭梭这3种人工植被组成且林地已完全郁闭, 同时选取流沙地为对照(CK)；取样点位于行间相邻4株植物中间点位置.采样时间为2018年7月, 距上一次灌溉后第5 d, 分层采集0~5、5~10、10~20、20~30、30~40、40~60、60~80和80~100 cm土壤样品, 重复3次.同时采集防护林灌溉水水样并测定其理化性质及可溶性碳含量, 试验区灌溉水水质状况如表 1.以30 cm×30 cm样方采集地表及地下30 cm深的全部凋落物, 烘干后称其质量, 重复3次, 各林地地下凋落物含量如表 2.

表 1 (Table 1)

表 1 试验区灌溉水水质状况 Table 1 Water quality of irrigation water in the study area 矿化度/g·L-1 pH EC/mS·cm-1 DOC/mg·L-1 DIC/mg·L-1 离子组成/g·L-1 HCO3- Cl- SO42- Ca2+ Mg2+ K++Na+ 2.82 8.04 4.32 0 16.5 0.06 1.08 0.62 0.06 0.11 0.89 4.82 8.18 8.38 21.44 18.48 0.07 1.80 1.07 0.10 0.25 1.52 10.00 7.33 55.76 26.97 16.77 0.09 4.37 2.14 0.24 0.31 2.84 18.36 7.30 48.32 11.18 8.20 0.18 6.69 5.19 0.41 0.62 5.14 28.41 7.46 62.16 16.08 12.38 0.28 10.33 8.01 0.64 0.90 8.24

表 1 试验区灌溉水水质状况 Table 1 Water quality of irrigation water in the study area

表 2 (Table 2)

表 2 不同矿化度灌溉林地地下凋落物含量 Table 2 Underground litter content in the forests irrigated with different salinity water 项目 矿化度/g·L-1 2.82 4.82 10.00 18.36 28.41 凋落物量/kg·m-2 1.06±0.53a1) 1.30±0.45a 1.67±0.74a 1.99±0.99a 1.43±0.49a 变异系数/% 49.99 34.61 44.12 49.98 34.17 1)“a”表示不同矿化度样地间差异显著, P < 0.05

表 2 不同矿化度灌溉林地地下凋落物含量 Table 2 Underground litter content in the forests irrigated with different salinity water

对采集的新鲜土样进行含水量与SDOC、SDIC含量的测定.含水量采用烘干法进行测定；SDOC和SDIC含量用水土比为5:1的浸提液(200 r·min^-1振荡4 h, 3 500 r·min^-1离心20 min)于日本岛津公司生产的TOC-LCPH仪上进行测定^[21], 剩余土样经风干过1 mm筛后备用.SOC含量采用重铬酸钾容量法测定；SIC含量采用气量法测定^[21]；pH(水:土=2.5:1)和EC(水:土=5:1)采用ExStik^®ⅡpH/电导率仪测定.

土壤可溶性碳波动能力[SDCF, mg·(kg·cm)^-1]是揭示SDC变化剧烈程度的一个重要参数, 是不同深度SDC含量之差与土层深度(h, cm)之差间的比值, 表示单位h变化时单位质量SDC的含量, 能表征SDC随h变化的稳定性.在SDC分布曲线上, 同样的深度差值对应的SDC差值不会相同, 这就表明了相同深度不同处理下的SDC稳定情况不同, 0值表示无波动, 数值愈大离稳定点愈远波动能力愈强.计算公式如下：

(1)

式中, f(a)和f(b)是以相对应的h为自变量和SDC为因变量的分布函数取值；h_a和h_b为相对应的深度(cm)；另, 土壤可溶性有机碳波动能力(SDOCF、SDICF)的计算同理.

土壤可溶性有、无机碳贡献度(SDOCC和SDICC)是相应深度SDOC及SDIC含量与整个土层SDC总量之间的比值, 表示单位深度SDOC和SDIC含量占整个土层SDC总量的比例, 能清晰反映不同土层深度SDC对SDC总量的贡献大小以及不同类型SDC对SDC总量的贡献强度.一般而言, SDOC与SDIC含量愈高, 相应的贡献度也愈大.计算公式如下：

(2)

式中, SDOC_i为第i层土壤可溶性有机碳含量mg·kg^-1；i为对应土层(i∈N^*)；n为土壤总层数(n∈N^*且n≥i)；N^*为正整数；SDIC计算公式同理.

应用Excel进行数据整理, SPSS 19.0软件进行方差分析.为进一步了解影响SDOC和SDIC含量及其分布的主要作用因子以及各指标与其之间的相关性, 并为从各系列指标中找到相似的一类同时了解各指标的类型, 应用Origin Pro 2018软件进行主成分、冗余、聚类分析(为使数据的计量标准保持一致, 3种分析SOC、SDC、SDOC、SDIC和SDC的单位均采用g·kg^-1, h单位cm, EC单位mS·cm^-1, 矿化度单位g·L^-1)和图形的绘制.

由图 1可知, SDOC含量随土层深度的增大而降低, 各矿化度水灌溉林地SDOC最大值均出现在表层(0~5 cm), 最小值则出现在80 cm以下土层；CK与2.82 g·L^-1样地SDOC含量呈“I”形分布, 满足线性函数关系, 其他各样地SDOC含量均呈“Γ”形分布, 满足幂函数关系.CK与2.82 g·L^-1样地SDOC含量的变化范围分别为22.96~32.41 mg·kg^-1和10.38~26.63 mg·kg^-1, 其均值分别为28.91 mg·kg^-1和17.38 mg·kg^-1；其他样地(矿化度由低到高)SDOC含量的变化范围依次为6.77~385.55、25.16~426.38、27.83~429.60和24.50~485.92 mg·kg^-1, 其均值分别为115.96、112.85、102.02和143.47 mg·kg^-1. 4.82~28.41 g·L^-1各样地SDOC显著高于CK和2.82 g·L^-1样地. 2.82 g·L^-1样地各土层之间SDOC含量无显著性差异, 其他各样地表层与深层之间SDOC含量差异性显著.矿化度高于2.82 g·L^-1样地SDOC含量与CK在0~5 cm土层上有显著性差异, 在30 cm深度以下差异不显著.

图 1

Fig. 1

大写字母代表同一土层不同矿化度之间差异显著(P < 0.05)；小写字母代表同一矿化度不同土层之间差异显著(P < 0.05) 图 1 不同矿化度水灌溉下沙漠公路防护林SDOC含量及垂直分布特征 Fig. 1 SDOC content and vertical distribution of the desert highway shelterbelt irrigated with different salinity water

由图 2可知, SDIC含量随土层深度的增加表现出“降-增-降”的变化趋势, 各样地SDIC均在表层(0~5 cm)最大, 在较深土层出现一个含量较高的土层, 然后再随土层深度的增加不断减低；CK与2.82 g·L^-1样地SDIC含量呈“I”形分布, 满足线性函数关系；其他样地呈“M”型变化, 总体上均呈“Γ”形分布, 满足幂函数关系.不同矿化度咸水灌溉各样地SDIC含量均值依次为34.42、47.52、37.67、47.17和34.69 mg·kg^-1, 明显高于CK(29.92 mg·kg^-1).CK各土层间SDIC含量均无显著性差异, 各样地0~5 cm土层与其他各土层间SDIC含量差异显著. 0~5 cm土层各样地SDIC含量与CK之间均有显著性差异, 其他土层表现为SDIC含量在某单一样地上与CK差异显著, 剩余样地SDIC含量与CK差异均不显著.

图 2

Fig. 2

大写字母代表同一土层不同矿化度之间差异显著(P < 0.05)；小写字母代表同一矿化度不同土层之间差异显著(P < 0.05) 图 2 不同矿化度水灌溉下沙漠公路防护林SDIC含量及垂直分布特征 Fig. 2 SDIC content and vertical distribution of the desert highway shelterbelt irrigated with different salinity water

表 3表明, 各矿化度水灌溉样地在不同土层SDOCF和SDICF均高于CK, CK与2.82 g·L^-1样地SDOCF与SDICF均无明显变化；0~20 cm土层SDOCF随灌溉水矿化的增加而增大, 波动性增强, 20 cm以下土层SDOCF明显低于表层, 波动性较小；SDICF均随灌溉水矿化度的增加先增后降, 4.82 g·L^-1样地中达到峰值；浅层(＜20 cm) SDOCF和SDICF均高于20 cm以下土层, 2.82 g·L^-1处理在不同深度上SDOCF小于SDICF, 其他各处理在不同深度上SDOCF均高于SDICF.

表 3 (Table 3)

表 3 不同土层SDOC、SDIC波动能力和贡献度 Table 3 Volatility and contribution of SDOC and SDIC in different soil layers 项目 深度h/cm CK 2.82 g·L-1 4.82 g·L-1 10.00 g·L-1 18.36 g·L-1 28.41 g·L-1 DOC DIC DOC DIC DOC DIC DOC DIC DOC DIC DOC DIC 波动能力/mg·(kg·cm)-1 0~5 0.03 0 0.07 0.16 77.07 24.72 89.26 15.00 83.69 12.83 106.20 12.03 5~10 0.03 0 0.07 0.16 34.61 9.29 47.62 4.09 50.86 1.50 52.36 2.53 10~20 0.03 0 0.07 0.16 9.53 2.90 11.11 1.49 9.98 0.66 13.27 1.00 20~30 0.03 0 0.07 0.16 3.44 1.16 3.50 0.67 2.71 0.35 4.48 0.48 30~40 0.03 0 0.07 0.16 1.81 0.65 1.69 0.41 1.20 0.23 2.25 0.30 40~60 0.03 0 0.07 0.16 0.95 0.36 0.82 0.25 0.53 0.16 1.13 0.19 60~80 0.03 0 0.07 0.16 0.50 0.20 0.39 0.15 0.24 0.10 0.57 0.12 80~100 0.03 0 0.07 0.16 0.31 0.13 0.23 0.10 0.13 0.08 0.34 0.09 贡献度 0~5 0.07 0.07 0.06 0.10 0.29 0.10 0.35 0.07 0.36 0.06 0.34 0.05 5~10 0.07 0.06 0.04 0.08 0.12 0.03 0.24 0.03 0.09 0.03 0.30 0.03 10~20 0.05 0.07 0.04 0.09 0.21 0.05 0.03 0.03 0.07 0.03 0.03 0.03 20~30 0.06 0.06 0.03 0.09 0.03 0.03 0.03 0.03 0.06 0.05 0.03 0.02 30~40 0.07 0.06 0.04 0.09 0.02 0.02 0.02 0.02 0.03 0.03 0.03 0.02 40~60 0.07 0.06 0.04 0.07 0.03 0.02 0.02 0.02 0.02 0.03 0.03 0.02 60~80 0.07 0.07 0.06 0.08 0.01 0.02 0.02 0.02 0.02 0.05 0.02 0.02 80~100 0.05 0.06 0.03 0.05 0.01 0.02 0.02 0.02 0.02 0.03 0.02 0.01 贡献度总和 0.49 0.51 0.34 0.66 0.71 0.29 0.75 0.25 0.68 0.32 0.81 0.19

表 3 不同土层SDOC、SDIC波动能力和贡献度 Table 3 Volatility and contribution of SDOC and SDIC in different soil layers

表层土壤SDOCC与SDICC均高于下层, 其中, CK各层SDOCC和SDICC变化稳定, SDOC和SDIC累积贡献度各占SDC的50%；2.82 g·L^-1样地各土层SDICC大于SDOCC, SDIC累积贡献度是SDOC累积贡献度的2倍；随着灌溉水矿化度的增加, 其他各处理表层土壤SDOCC明显高于CK与2.82 g·L^-1处理, 而SDICC变化不明显, 整个土层中SDOC累积贡献度也远高于SDIC.

由图 3知, 通过主成分分析与冗余分析, 提取到的3个成分可以反映并解释全部信息的78.2%, 提取较为完全, 说明这3个主成分可以替代原始的10个指标信息, 同时, 78.2%的累积量也能够解释SDOC、SDIC与各要素之间的相关关系.

图 3

Fig. 3

图 3 沙漠公路防护林土壤各因子主成分分析 Fig. 3 Principal component analysis of the soil factors in the desert highway shelterbelt

各因素按成分矩阵值由大至小排列, 提取的第一主成分主要为SDC＞SDOC＞SDIC＞EC＞SOC＞h；第二主成分主要为灌溉水矿化度＞pH, 第三主成分主要为含水量＞SIC.由图 4(a)主成分分析可知, CK与各矿化度处理可以被清晰区分开来, 随着矿化度的升高, 各处理的点距CK也愈远, 说明其与CK间存在差异；10.00、18.36和28.41 g·L^-1这3个高矿化度水灌溉处理与2.82 g·L^-1和4.82 g·L^-1这2个低矿化度灌溉处理亦可被区分开来, 点之间相距较远, 高矿化度与地矿化度样地之间存在差异.通过第一、二主成分内容可知, 随着灌溉水矿化度的升高, SDC(SDOC和SDIC)的含量也相应地增加.在图 4(b)中, 2.82 g·L^-1矿化度灌溉处理与CK镜像相似且与其他处理之间可被清晰区分, 由一、三主成分内容可知, 2.82 g·L^-1样地SDC(SDOC和SDIC)分布较其他处理有所不同, 其他矿化度水灌溉处理点交错较多, 区分不明显, 其中18.36 g·L^-1和28.41 g·L^-1样地的点在第三成分上分布多, 含水量高于其他处理.

图 4

Fig. 4

图 4 沙漠公路防护林土壤各因子主成分投影及冗余分析 Fig. 4 Principal component projection and redundancy analysis of soil factors in the desert highway shelterbelt

以SDOC和SDIC作为响应变量, 其余因素作为解释变量.由图 4可知, 灌溉水矿化度、EC、SOC、SIC与SDOC和SDIC夹角都小于90°, 呈正相关关系；pH和h与SDOC和SDIC之间夹角为钝角, 属于负相关关系.通过图 4中各要素在响应变量上的投影长度可以判断出该因素对响应变量的贡献率大小, 由此可以得到各因素对SDOC、SDIC的正相关性大小：EC＞SOC＞灌溉水矿化度＞SIC＞含水量, 其中含水量表现出弱的正相关；SDOC、SDIC与h呈负相关关系, SDOC与pH呈微弱的负相关关系, SDIC与pH呈微弱的正相关关系.

塔克拉玛干沙漠公路防护林建成以后, SOC和SIC会在各层土壤积累^[20], 但50 cm以下深度土壤的微生物活性极其微弱^[22], 植物根系生物量也明显低于浅层土壤^[23], 因此, 在无其他外源碳输入的情况下, SOC与SIC在深层土壤中的累积主要受长期灌溉的影响, 主要是表层SOC和SIC随灌溉水被淋洗到深层土壤所致.而土壤所有碳组分中最容易随水分移动的是SDC, 在极端干旱的环境条件下, 多重因素会对SDOC和SDIC的积累与移动产生影响, 明确各因素对SDOC和SDIC分布的影响是解释防护林土壤碳淋溶的重要依据.

在图 5中, 每一行表示不同样地土层在各指标中的具体情况, 每一列表示同一指标在不同样地土层中的具体情况.由热图的行位置可知, CK各土层指标的颜色分布基本相同, 无明显区别；各林地处理同一土层性质之间颜色分布相似但不同.从热图的列位置可知, 灌溉水矿化度、SIC、EC和h这4个指标之间颜色分布不同, 说明这4个指标对应的不同样地土层数据存在较大区别, 其他指标颜色分布相同, 所对应的数据之间无明显差异.

图 5

Fig. 5

大写字母表示各处理, A：CK、B：2.48 g·L-1; C：4.82 g·L-1; D：10.00 g·L-1; E：18.36 g·L-1; F：28.41 g·L-1；数字表示不同深度, 1：0~5 cm; 2：5~10 cm; 3：10~20 cm; 4：20~30 cm; 5：30~40 cm; 6：40~60 cm; 7：60~80 cm; 8：80~100 cm 图 5 沙漠公路防护林土壤各指标聚类热图 Fig. 5 Cluster heat map of various soil indicators of the desert highway shelterbelt

在最细的指标分类中, SDOC、SDIC、SDC及含水量被分为一类, 说明了分类的科学性, 同时, 可溶性碳之间还表现出极强的正相关关系(图 4), 因此笔者推测咸水灌溉林地土壤中存在一个SDOC-CO₂-SDIC的微碳循环, 使两种SDC之间可以互相转化, 作为微生物可以直接利用的碳组分, 自养型微生物可以利用土壤中CO₂作为碳源进行生长繁衍, 其代谢和死亡会补充部分SDOC, 而异养型微生物以SDOC作为碳源, 经呼吸和矿化会增加一部分SDIC含量.在沙漠公路防护林中, 土壤微生物多以细菌为主, 放线菌次之, 真菌含量最少^[22], 微生物多为异养型, SDOC的转化可能会因此加速, 但是两种类型微生物在不同样地土壤中对两种SDC的具体转化量尚未明确, 有待进一步研究.

因此, 根据热图可将SDC(SDOC和SDIC)在外的其他指标分为三大类, 第一类为h；第二类为SOC、EC和含水量；第三类为灌溉水矿化度、pH和SIC.

本研究发现, 不同矿化度咸水灌溉下沙漠公路防护林地SDOC含量存在较大差异, 不同土层SDOC波动较大.流沙地各层SDOC分布比较均匀, 平均含量为28.91 mg·kg^-1, 远高于荣井荣等^[24]在干旱区撂荒灰漠土的测定结果(13.50 mg·kg^-1), 但与2.82 g·L^-1灌溉处理的平均含量(17.38 mg·kg^-1)较为接近.这是因为2.82 g·L^-1矿化度水灌溉处理中植被长势更好且微生物活性更高^[25], 会造成微生物活动消耗土壤中最易吸收利用的可溶性碳, 使得SDOC含量低于CK.

本研究结果还表明, 各样地SDOC含量随深度增加而降低, 但0~20 cm土层SDOCF和SDICF较CK剧烈, 30 cm以上土层SDOCC和SDICC较CK也有明显提升, 波动能力与贡献度均具有明显的分层现象.土层深度对SDOC含量及分布的影响应该与微生物和植物根系在土壤剖面上的分布紧密有关, 已有研究表明沙漠公路防护林土壤微生物最活跃范围在0~30 cm土层深度^{[22, 26, 27]}, 而且植被根系也主要分布于30 cm以上土层, 随深度的增加而降低^[23].植被及微生物是影响SDOC的关键性因子^[28], 灌溉水矿化度高的样地其地下凋落物含量也较高(表 2), 凋落物及根系分泌物等含量决定着SDOC的输入情况, 从源头上控制着SDOC的含量.不仅如此, 土壤微生物也会对SDOC起到补充和调节作用, 高矿化度咸水灌溉不利于微生物生存^[25], 灌溉水高矿化度会造成土壤渗透势增加, 使微生物细胞中的水分流失, 通过质壁分离杀死微生物, 这也是土壤微生物作为SDOC来源的部分补充, 相同的方式对植物根系同样适用.而未死亡的微生物及植物根系组织会利用SDOC作为自身能量和营养来对抗逆境环境, 这些生物的调节作用表现在随灌溉水矿化度的增加SDOC并不是单纯的线性增加, 因为在18.36 g·L^-1灌溉处理中SDOC平均含量低于除2.82 g·L^-1在外的其他矿化度灌溉处理(图 1).

流沙地SDIC分布均匀, 平均含量为29.92 mg·kg^-1, 远低于刘丽娟等^[29]在干旱区沙地与盐碱地上的测量结果(50~55 mg·kg^-1), 这是因为本研究区域极端干旱, 流沙地水分输入极少, 生命活动微弱, SDIC的输入基本处于停滞状态.而在防护林地内, SDIC的平均含量是CK的1~1.5倍, 这主要是由于生物及水分的增加所致.不同矿化度水灌溉林地SDIC的含量均在0~5 cm土层出现最高值, 各处理SDIC含量无明显差异, SDIC在土壤剖面上呈“M”型变化, SDICF较小, SDICC会在0~5 cm外的部分土层中出现最高值.SDIC含量总体上随h的增加而减小, 王玉刚等^[30]在盐碱性土壤中也发现了类似结果.这是因为SDIC极易随水分移动, 极端干旱区高温少雨, 地表蒸发作用极强, 灌溉后土壤表面水分蒸发使得深层水分向上运动, 其携带的一部分DIC就会在0~5 cm土层聚集.同时在灌溉过程中, 表层土壤空隙会被水分填满, 土壤液相CO₂分压较土壤空气饱和度高, 而较深土层水分受环境影响较小, SDIC虽有微小波动, 但含量远低于表层.

冗余分析结果表明水分是影响SDOC和SDIC的重要因素, 沙漠公路防护林土壤水分状况受气候影响波动极大, 不仅要明确SDOC和SDIC在空间上的分布还需了解其时间动态, 所以, 对整个灌溉周期SDOC、SDIC及含水量的时空分布和动态变化过程有待进一步详细研究, 才能更好地明确土壤含水量与SDOC和SDIC的关系.

SOC易溶于水的组分越多, SDOC含量也就越高；对于SDIC而言, 微生物会消耗利用SOC而产生CO₂, 这部分CO₂溶解于土壤水使得SDIC含量有所增加, 呈弱的正相关关系, 但目前就微生物对SOC的利用所产生的具体CO₂含量还未有明确的定量, 有待进一步研究.

EC是土壤水溶性盐的一个指标, EC越高, 土壤所含可溶性离子浓度越高, 如图 6所示, 2.82 g·L^-1处理EC与CK基本一致, 而这两个处理的SDIC含量也较为接近, 其他矿化度处理表明, EC也具有表聚性, 且EC随土壤深度的增加而减小, 这与SDOC和SDIC的分布结果基本一致, 能很好解释EC与SDOC及SDIC的正相关关系.

图 6

Fig. 6

图 6 沙漠公路防护林各样地土壤EC与pH分布 Fig. 6 Soil EC and pH distribution in various desert highway shelterbelts

pH与SDOC间呈微弱的负相关关系.Andersson等^[31]研究发现, pH升高会增加腐殖质胶体带负电荷的基团数量, 使其溶解度增加, SDOC含量增加, 但其pH研究范围在4.0~6.0之间, 为酸性环境.黄黎英等^[32]的研究表明, 高pH条件下SDOC中酸性部分易与其他钙镁化合物等发生中和反应, 使SDOC含量减少, 这一结果与本文冗余分析显示的弱负相关性一致.本文各样地土壤pH均呈强碱性(＞8.5, 图 6), 综合二者研究可知, pH在过高情况下会降低SDOC含量, 在较低或中性范围会使SDOC含量增加, 可以解释本文中＞5 g·L^-1的矿化度水灌溉林地pH较其他处理低, SDOC含量却高于其他处理.pH与SDIC间呈微弱的正相关关系, 表明土壤pH的增加会影响土壤可溶性碳酸盐的积累, 同时, 灌溉水中的Ca²⁺和Mg²⁺离子作为无机碳钙镁源会固定土壤中的CO₃^2-和HCO₃^-, 使H⁺释放, 从而导致pH下降, 这也很好地解释了较高矿化度水滴灌样地pH较低的原因.但由于pH变化较SDOC及SDIC较小且稳定, 因此本研究pH与SDOC和SDIC含量之间的相关性很微弱.

SIC含量越高, SDIC组分所占比例可能就越多, 但SDIC是来源于土壤呼吸和土壤空气中的CO₂与水反应生成的富含H₂CO₃和HCO₃^-的溶液, 并不是简单的可溶性碳酸盐^[12], 因此SIC对SDIC的影响并不全是简单地溶解作用；SIC对SDOC的影响可能是SIC向SOC的转化中增加SDOC的含量, 但SOC与SIC间的转化非常复杂且还存在着许多不确定性, 尚存诸多科学问题有待进一步研究.

作为沙漠公路防护林最大的环境胁迫因子, 灌溉水矿化度直接或间接影响SDOC和SDIC的变化.不同矿化度灌溉水中均含有一定量的DOC及DIC, 随着灌溉过程进入土壤, 可直接增加土壤中SDOC与SDIC的含量, 至于水中SDC的来源, 笔者推测一部分来自于水源地土壤碳的淋溶损失, 另一部分来源于地下水水文路径^{[12, 33]}.Steele等^[34]的研究表明, 当灌溉水钠吸附比>5时, DOC含量增加2~3倍, 与本研究的发现基本一致.这可能是因为SDOC是由低分子量的游离氨基酸、碳水化合物、有机酸和大分子量的酶、氨基糖、多酚和腐殖质等组成^[35], 这些复杂的成分含有多种官能团, 能与灌溉水中带有正电荷的离子形成R-SDOC配合物^[36], 增加SDOC的含量.在土壤中存在着一个CO₂(g)-CO₂(aq)-HCO₃^-(aq)-CaCO₃(s)无机碳平衡过程^[37], 平衡的移动方向决定着SDIC的含量, 只有在pH＞8.5的土壤中, 土壤溶液CO₃^2-才会从0开始增加^[38], 因此, 各样地土壤溶液中含有的CO₃^2-含量有限, 同时, 防护林地盐分表聚严重, 而盐碱土壤溶液对CO₂的溶解度较高^[39], 随着CO₂及含有Ca²⁺、Mg²⁺的灌溉水进入, 土壤中少量CO₃^2-被迅速固定, CO₂(g)-CO₂(aq)-HCO₃^-(aq)移动加快, 促进平衡向右移动, 形成更多的SDIC.

(1) 灌溉水矿化度对沙漠公路防护林SDOC和SDIC的垂直分布具有重要影响.CK和2.82 g·L^-1样地SDOC含量随深度的增加变化较慢, 其他林地SDOC含量变化均表现为0~20 cm快于20 cm以下土层.在含量变化最快的0~20 cm土层中, 18.36 g·L^-1样地SDOC含量落差最大, 4.82 g·L^-1样地SDIC含量落差最大, 10.00 g·L^-1样地SDOC和SDIC含量落差均次之.各灌溉样地SDC平均含量随灌溉水矿化度的增加呈增降增的变化, 在10.00~18.36 g·L^-1高矿化度水范围内对土壤灌溉也具有一定的淋洗效果.

(2) SDOC和SDIC的垂直分布受多重因素影响, 其中主导因素是灌溉水矿化度、土层深度、SOC和EC.灌溉水矿化度、SOC和EC与SDOC和SDIC均呈正相关关系；土层深度与SDOC和SDIC呈负相关关系.

(3) SDOC是影响沙漠公路防护林地SDC含量及垂直分布的主要碳类型.SDOC的波动能力以及其对SDC的贡献度均高于SDIC；2.82 g·L^-1处理低于CK, 其他各处理SDOC含量比CK增加了252.9%~396.3%, 而各样地SDIC含量增加了15.0%~58.8%.