2. 中国林业科学研究院热带林业实验中心, 广西凭祥 532600;
3. 广西友谊关森林生态系统定位观测研究站, 崇左凭祥友谊关森林生态系统广西野外科学观测研究站, 广西凭祥 532600
2. Experimental Center of Tropical Forestry Chinese Academy of Forestry, Pingxiang, Guangxi, 532600, China;
3. Guangxi Youyiguan Forest Ecosystem Research Staton, Youyiguan Forest Ecosystem Observation and Research Station of Guangxi, Pingxiang, Guangxi, 532600, China
喀斯特是地下水或地表水不断作用于碳酸盐岩而形成的自然地貌，又叫岩溶地貌。我国境内喀斯特地貌面积约为344万km2，主要集中在我国西南地区如广西、云南和贵州等地[1]。由于特殊的自然条件和长期的人为过度干扰，大片喀斯特森林处于退化状态，甚至出现了大面积裸露的基岩石漠化现象，严重制约了岩溶地区社会经济的可持续发展[2]。喀斯特森林是维护喀斯特区生态系统稳定的重要生命支持系统，在区域可持续发展中居于不可替代的地位[3]。减少喀斯特区的土壤侵蚀，增加土壤的有效利用成分和植被覆盖，是改善其生态环境问题的根本，也是生态文明建设的重要内容[4]。重建喀斯特区森林生态系统是改善生态环境问题的主要驱动力[5]，而植被恢复是重建喀斯特石漠化区森林生态系统的有效途径，涵盖了自然恢复、人工促进自然恢复以及生态工程恢复等方法。多数研究表明，自然恢复生态系统在可持续性和生物多样性方面优于人工恢复[6-7]，但森林自然修复周期较长，植被恢复至顶级群落所需时间成本较大，且需防止人为破坏和自然灾害，增加了恢复工作的难度，因而人工造林是喀斯特石漠化区植被恢复的一个重要途径。在喀斯特石漠化区进行植被恢复不仅能够提高土壤养分含量[8-9]，使土壤微生物数量和功能多样性增加[10]，还能显著提高生态系统的功能和稳定性，促进区域生态环境的可持续发展。
诸多学者对喀斯特石漠化区的植被恢复模式展开了深入研究。有学者提出，采用生态经济型林(果、药)草为主的石漠化地区植被恢复模式，能够有效应对石漠化问题[10]，此外，也有学者建议使用乡土树种或者固氮树种进行恢复，以提升土壤肥力并促进生态恢复[11-12]，以上植被恢复模式均得到一定程度的推广和应用。周晓果等[13]发现，与灌丛相比，在喀斯特石漠化区种植不同树种人工林进行植被恢复，可改善环境进而增加林下植物的多样性。马洁等[14]比较了喀斯特山地人工纯林、混交林与未造林地的植物多样性和地上部生物量，发现混交林在提升灌木层和草本层的物种丰富度、多样性指数以及地上部生物量方面表现出显著优势。然而，人工纯林模式易造成生态结构单一，进而导致生物多样性下降，并引发生物入侵问题。而固氮树种[如豆科(Fabaceae)植物]能够与根瘤菌等微生物形成共生关系，将大气中的氮(N)固定到土壤中，从而提高土壤N、磷(P)含量，改善土壤肥力，因此其被认为是修复退化土壤最有效的先锋植物[15-16]。李茂萍等[17]利用乡土固氮树种旱冬瓜(Alnus nepalensis)进行植被恢复，显著提升了退化土壤的养分(有机质、总氮及土壤养分综合指标)并促进了林下灌木的生长，认为固氮树种对退化土壤功能修复和林下植被重建具有积极的生态驱动效应。尽管诸多学者发现植被恢复能有效促进喀斯特石漠化区土壤养分循环，提升土壤肥力和增加植被多样性，但优化恢复模式的组合，形成适应性强、可持续的恢复策略仍是未来研究的重要课题。
土壤碳(C)、N、P是植物和微生物生长所需的基本养分元素，其C∶N∶P的化学计量特征能够揭示土壤的养分限制状况，从而反映生态系统的生产力和稳定性。微生物是土壤生态系统最活跃的组分，是养分矿化和循环的关键驱动力，可以直接影响土壤肥力和生态系统生产力[18-19]。探索土壤-微生物间的化学计量关系，对判别土壤养分限制状况，揭示资源(土壤)与生物体(微生物)的养分平衡机制具有重要意义[20]。然而，目前有关喀斯特石漠化区单一固氮树种[任豆(Zenia insignis)]或固氮与非固氮多树种恢复模式的土壤元素循环及其化学计量变化方面缺乏深入了解，土壤-微生物C∶N∶P化学计量和微生物熵在不同恢复模式下的变化特征仍不清楚。因此，本研究以典型的喀斯特石漠化区广西南宁市马山县作为研究区域，以单一固氮树种(任豆)纯林(Pure Plantation，PP)、固氮与非固氮多树种混交林(Multi-species mixed Plantation，MP)作为研究对象，以自然恢复的天然灌丛(Shrub Land，SL)和地带性原生喀斯特森林(Native karst Forest，NF)作为对照组，探究喀斯特石漠化区不同恢复模式下土壤养分和微生物生物量的变化特征，揭示不同恢复模式下石漠化地区土壤-微生物C、N、P养分的限制情况，为石漠化地区选择生态恢复树种和种植模式提供科学依据。
1 材料与方法 1.1 研究区域概况研究地区位于广西南宁市马山县(23°24′-24°20′N，107°41′-108°29′E)。马山县以岩溶山区、丘陵地貌为主，岩溶土地面积为16.293 5万hm2，占全县土地面积的68.92%。其中石漠化土地面积35 658.0 hm2，占全县土地面积的15.08%，占岩溶土地面积的21.88%。马山县是广西石漠化最为严重的地区之一，也是国家石漠化综合治理重点县之一。该地处南亚热带季风气候区，拥有充足的日照和丰富的降水，年均气温为21.5 ℃，年均降水量达到1 667.1 mm，降水分布不均匀，夏季暴雨频发，容易遭受洪涝灾害，春秋两季降雨少，易导致干旱，相对湿度为76%。该地岩石裸露度高，土层浅薄，石漠化趋势严重，土壤类型以碳酸盐岩发育而成的石灰岩土为主，呈弱碱性。
1.2 样地设计及样品采集选取1992年3月在充分考虑海拔、坡度、坡位和土壤质地等立地背景大致相似且在保留原有植被基础上种植的优良石山造林树种任豆(固氮树种)纯林，以及采用多树种(固氮树种+非固氮树种)种植的混交林作为研究对象。其中，混交林中的固氮树种主要包括任豆、菜豆树(Radermachera sinica)、顶果木(Acrocarpus fraxinifolius)和降香黄檀(Dalbergia odorifera)，非固氮树种主要包括肥牛树(Cephalomappa sinensis)和云南石梓(Gmelina arborea)。混交林基于喀斯特地貌的特殊性，采用随机株间混交，将固氮与非固氮树种以2∶1的比例进行种植。同时以自然恢复的天然黄荆(Vitex negundo)灌丛(Shrub Land，SL)，以及主要植被为菜豆树、蚬木(Excentrodendron tonkinense)、人面子(Dracontomelon duperreanum)、广西牡荆(Vitex kwangsiensis)和山檨叶泡花树(Meliosma thorelii)的地带性原生喀斯特森林(Natural karst Forest, NF)作为对照。林分信息详见表 1和表 2。
| 恢复模式 Restoration model |
坡位 Slope position |
坡向 Aspect |
坡度/° Slope/° |
土壤类型 Soil type |
海拔/m Altitude/m |
密度/(trees/hm2) Density/(trees/hm2) |
胸径/cm Diameter at breast height/cm |
胸高断面积/(m2/hm2) Cross-sectional area at breast height/(m2/hm2) |
树高/m Tree hight/m |
郁闭度/% Canopy density/% |
| SL | Middle | Southwest | 21.00 | Limestone soil | 220.00 | |||||
| PP | Lower | Northwest | 17.60 | Limestone soil | 240.00 | 485±19b | 20.65±1.10a | 23.00±2.61a | 13.41±0.41a | 71.40±0.98c |
| MP | Middle | Southwest | 22.00 | Limestone soil | 255.54 | 715±24a | 17.31±0.82b | 22.21±1.57a | 12.50±0.40ab | 76.00±1.87b |
| NF | Middle | Northeast | 16.00 | Limestone soil | 203.22 | 453±75b | 18.17±1.09ab | 20.34±7.18a | 11.82±0.35b | 90.60±0.40a |
| Note: different lowercase letters represent significant differences between different restoration models，P＜0.05. | ||||||||||
| 恢复模式 Restoration model |
植被类型 Vegetation type |
总物种数 Total number of species |
总科数 Total number of family |
总属数 Total number of genera |
主要植被 Dominant species |
| SL | Shrub layer | 10 | 6 | 8 | Vitex negundo，Sageretia thea，Rhus chinensis，Embelia vestita，Glochidion puberum |
| Herb layer | 13 | 5 | 9 | Ottochloa nodosa var.micrantha，Bidens pilosa，Miscanthus floridulus，Odontosoria chinensis | |
| PP | Shrub layer | 15 | 8 | 8 | Vitex negundo，Boehmeria dolichostachya，Boehmeria nivea，Alangium chinense，Embelia vestita |
| Herb layer | 13 | 6 | 10 | Nephrolepis cordifolia，Microstegium fasciculatum，Bidens pilosa，Ficus pumila，Urena lobata | |
| MP | Shrub layer | 41 | 7 | 9 | Leucaena leucocephala，Vitex negundo，Biancaea sappan，Cephalomappa sinensis，Alangium chinense |
| Herb layer | 23 | 6 | 9 | Microstegium fasciculatum，Ottochloa nodosa var.micrantha，Nephrolepis cordifolia，Odontosoria chinensis，Arthraxon hispidus | |
| NF | Shrub layer | 41 | 9 | 9 | Sarcandra glabra，Amomum villosum，Radermachera sinica，Camellia petelotii，Aporosa yunnanensis |
| Herb layer | 13 | 10 | 11 | Lygodium japonicum，Pteris arisanensis，Piper kadsura，Microstegium fasciculatum，Arachniodes simplicior | |
| Note: the dominant species refer to the top five plant species in terms of importance value in the shrub layer or the herb layer. | |||||
2024年8月，在每种立地类型中随机设置5个30 m×30 m的样方，共20个样方。在每个样方内随机布设12个取样点，去除表面的杂质后用土钻(内径为10 cm)钻取土壤深度为10 cm的表层土壤，每个样方钻取的所有土壤充分混匀为一个土壤样品。将土壤样品去除根系和碎石等杂质后过2 mm土筛，并装入无菌袋中，置于放有冰袋的保温箱中运送回实验室。将采集到的土壤样品分为两份：一份储存于-20 ℃冰箱，用于土壤微生物生物量等指标测定；另一份自然风干后用于土壤理化性质测定。
1.3 室内分析土壤基本理化性质的测定方法主要参照《土壤农化分析》(第三版)[21]，其中有机碳(SOC)采用K2Cr2O7-H2SO4氧化法进行测定，全氮(TN)和全磷(TP)经HClO4-H2SO4消解后用全自动间断化学分析仪(SMARTCHEM200，意大利AMS公司)测定。采用氯仿-熏蒸法[22-23]分别高效提取微生物量碳(MBC)、微生物量氮(MBN)和微生物量磷(MBP)。称取5 g土壤并进行氯仿熏蒸24 h，另外称取等量的土样作不熏蒸对照处理，然后均加入50 mL K2SO4 (0.5 mol/L)，振荡30 min后过滤，以总有机碳(TOC)为基础，用TOC/TN同步分析仪[Multi N/C 3100CN，耶拿分析仪器(北京)有限公司]测定滤液中MBC和MBN含量[24]。MBP使用0.5 mol/L NaHCO3溶液浸提，浸提液中MBP含量采用钼蓝比色法[25]测定。MBC、MBN和MBP含量的计算公式如下：
| $ \mathrm{MBC}=E_{\mathrm{C}} / K_{\mathrm{EC}}, $ | (1) |
| $ \mathrm{MBN}=E_{\mathrm{N}} / K_{\mathrm{EN}}, $ | (2) |
| $ \mathrm{MBP}=E_{\mathrm{Pt}} / K_{\mathrm{P}} \times R_{\mathrm{Pi}}, $ | (3) |
式中，EC为熏蒸和未熏蒸土壤的C差值，KEC=0.45；EN为熏蒸和未熏蒸土壤的N差值，KEN=0.54；EPt为熏蒸和未熏蒸土壤浸提的P差值；RPi为加入的无机P的回收率；KP为转换系数，值为0.4。
SOC、TN和TP，以及MBC、MBN和MBP的化学计量比以质量比表示。土壤微生物熵中qMBC、qMBN和qMBP分别为MBC、MBN、MBP相对于土壤中SOC、TN、TP的百分比，计算公式如下：
| $ q \mathrm{MBC}=\frac{\mathrm{MBC}}{\mathrm{SOC}} \times 100 \%, $ | (4) |
| $ q \mathrm{MBN}=\frac{\mathrm{MBN}}{\mathrm{TN}} \times 100 \%, $ | (5) |
| $ q \mathrm{MBP}=\frac{\mathrm{MBP}}{\mathrm{TP}} \times 100 \% 。$ | (6) |
土壤-微生物生物量化学计量不平衡性是土壤SOC、TN、TP的化学计量比与MBC、MBN、MBP计量比之间的比值，计算公式如下：
| $ (\mathrm{C}: \mathrm{N})_{\mathrm{imb}}=\frac{\mathrm{SOC}: \mathrm{TN}}{\mathrm{MBC}: \mathrm{MBN}}, $ | (7) |
| $ (\mathrm{C}: \mathrm{P})_{\mathrm{imb}}=\frac{\mathrm{SOC}: \mathrm{TP}}{\mathrm{MBC}: \mathrm{MBP}}, $ | (8) |
| $ (\mathrm{N}: \mathrm{P})_{\mathrm{imb}}=\frac{\mathrm{TN}: \mathrm{TP}}{\mathrm{MBN}: \mathrm{MBP}} 。$ | (9) |
利用Excel 2021和SPSS 24.0软件对数据进行处理与分析。采用单因素方差分析(One-way ANOVA)和最小显著差异多重比较法(Least Significant Difference multiple comparison method, LSD)对不同立地类型间的土壤微生物生物量和理化性质等指标进行组间差异分析(P＜0.05)。采用Pearson法进行相关性分析，并在Origin 2024b软件完成数据可视化。用Canoco 5软件进行冗余分析(Redundancy Analysis，RDA)，利用蒙特卡洛置换检验来检验约束排序模型的显著性并评估解释变量对响应变量的解释贡献。图表数据均为平均值±标准差。
2 结果与分析 2.1 土壤C、N、P及其化学计量特征与SL相比，不同植被恢复模式(PP和MP)下喀斯特石漠化区土壤中SOC、TN和TP含量均显著增加，但两者含量均低于NF。其中，PP的SOC、TN和TP含量较SL分别显著提高17.88%、79.70%和74.53%，而较NF显著降低23.03%、14.48%和39.48%(P＜0.05)；MP的SOC、TN和TP含量较SL分别显著提高43.17%、92.49%和122.26%(P＜0.05)，而TN和TP含量较NF显著降低8.77%和22.81%；MP的SOC、TN和TP含量均显著高于PP(P＜0.05)[图 1：(a)-(c)]。
|
| Different lowercase letters represent significant differences between different restoration models, P < 0.05. 图 1 不同恢复模式下土壤C、N、P及其化学计量特征 Fig. 1 Soil C, N, P and stoichiometric characteristics in different restoration models |
不同恢复模式下喀斯特石漠化区土壤的化学计量学特征如图 1：(d)-(f)所示。C∶N、C∶P和N∶P分别为7.03-10.75、41.71-78.72、5.36-7.54，其中C∶N和C∶P均以SL最高。经单因素方差分析，PP的C∶N和C∶P均显著低于SL，而PP的C∶P和N∶P均显著高于NF (P＜0.05)；MP的C∶N、C∶P和N∶P均显著低于SL，而MP的C∶P和N∶P显著高于NF (P＜0.05)；MP的C∶N显著高于PP，而N∶P显著低于PP (P＜0.05)。
2.2 土壤微生物量及其化学计量特征不同恢复模式下土壤微生物生物量特征如图 2: (a)-(c)所示。MBC、MBN和MBP含量分别为375.71-764.22、58.70-139.63、8.48-29.47 mg/kg，且4种恢复模式的MBC、MBN和MBP含量均表现为SL＜PP＜MP＜NF。MP和PP的MBC、MBN、MBP含量均显著高于SL而又显著低于NF，同时MP均高于PP。其中MBC含量在PP、MP中比SL分别显著提高43.72%、69.73%，而比NF显著降低29.35%、16.56%(P＜0.05)；MBN含量在PP和MP中比SL分别显著提高100.23%、115.19%，而较NF分别显著降低15.82%、9.53%(P＜0.05)；MBP含量在PP、MP中较SL分别显著提高97.92%、153.24%，而较NF显著降低43.03%、27.11%(P＜0.05)。
|
| Different lowercase letters represent significant differences between different restoration models, P < 0.05. 图 2 不同恢复模式下土壤微生物生物量及其化学计量特征 Fig. 2 Soil-microbial biomass and its stoichiometric characteristics in different restoration models |
不同恢复模式下土壤微生物生物量的化学计量特征如图 2: (d)-(f)所示。MBC∶MBN、MBC∶MBP和MBN∶MBP分别为4.60-6.40、26.05-44.45、4.75-7.05，其中MBC∶MBN和MBC∶MBP均以SL最高，MBN∶MBP以PP最高。MBC∶MBN在PP和MP中较SL分别显著降低28.14%和21.14%，较NF分别显著低15.99%和7.80%，且在MP中显著高于PP (P＜0.05)；MBC∶MBP在PP和MP中较SL分别显著降低27.18%和32.70%，而较NF则分别显著提高24.25%和14.84%，且在MP中低于PP；MBN∶MBP在MP中较SL显著降低14.58%，而在PP和MP中较NF则分别显著提高48.29%和24.75%，且在MP中显著低于PP (P＜0.05)。
2.3 土壤微生物熵与化学计量不平衡性特征由表 3可知，qMBC、qMBN和qMBP分别为1.61%-2.15%、2.70%-3.04%和2.90%-3.44%，均以SL最低，以NF最高，且土壤微生物熵在PP和MP间均无显著差异(P＞0.05)。经方差分析可知，qMBC在PP和MP中均显著高于SL，而显著低于NF(P＜0.05)；qMBN和qMBP在PP和MP中均显著高于SL (P＜0.05)，而与NF无显著差异(P＞0.05)。
| 恢复模式 Restoration model |
qMBC/% | qMBN/% | qMBP/% | (C∶N)imb | (C∶P)imb | (N∶P)imb |
| SL | 1.61±0.04c | 2.70±0.05c | 2.90±0.10b | 1.68±0.05a | 1.78±0.08a | 1.06±0.05a |
| PP | 1.97±0.04b | 3.00±0.06ab | 3.24±0.15a | 1.53±0.04bc | 1.65±0.08a | 1.08±0.06a |
| MP | 1.91±0.04b | 3.02±0.07ab | 3.25±0.15a | 1.58±0.04ab | 1.70±0.07a | 1.08±0.06a |
| NF | 2.15±0.10a | 3.04±0.60a | 3.44±0.15a | 1.42±0.04c | 1.61±0.10a | 1.13±0.05a |
| Note: different lowercase letters represent significant differences between different restoration model，P＜0.05. | ||||||
(C∶N)imb、(C∶P)imb和(N∶P)imb分别为1.42%-1.68%、1.61%-1.78%和1.06%-1.13%。经单因素方差分析可知，(C∶N)imb在PP中显著低于SL(P＜0.05)，在MP中显著高于NF(P＜0.05)，而MP与PP之间差异不显著(P＞0.05)；(C∶P)imb和(N∶P)imb在4种恢复模式中无显著差异(P＞0.05)(表 3)。
2.4 土壤C、N、P和土壤-微生物生物量化学计量间的相关性SOC与TN、TP均呈现极显著正相关关系(P＜0.01)；TN与TP呈极显著正相关关系(P＜0.01)；SOC、TN、TP与MBC、MBN、MBP均呈现极显著正相关关系(P＜0.01)，但与SOC∶TN、SOC∶TP、TN∶TP、MBC∶MBP和MBN∶MBP均呈显著或极显著负相关关系；此外TN与MBC∶MBN呈现极显著负相关关系(P＜0.01)；MBC与MBN、MBP呈现极显著正相关，MBN与MBP呈现极显著正相关关系(P＜0.01)；MBC、MBN、MBP与SOC∶TN、SOC∶TP、TN∶TP、MBC∶MBP、MBN∶MBP均呈现极显著负相关关系(P＜0.01)，MBC、MBN与MBC∶MBN呈现显著或极显著负相关关系；SOC∶TN与SOC∶TP、MBC∶MBN和MBC∶MBP均呈现极显著正相关关系(P＜0.01)；SOC∶TP与TN∶TP、MBC∶MBN、MBC∶MBP和MBN∶MBP呈现极显著正相关关系(P＜0.01)；TN∶TP与MBC∶MBP和MBN∶MBP呈现极显著正相关关系(P＜0.01)；MBC∶MBN与MBC∶MBP，MBC∶MBP与MBN∶MBP均呈现极显著正相关相关关系(P＜0.01)[图 3(a)]。
|
| * and ** indicate significant correlations at 0.05 and 0.01 levels, respectively. 图 3 不同恢复模式的土壤-微生物量C、N、P及其化学计量间的相关性分析 Fig. 3 Correlation analysis between soil-microbial biomass C, N, P and their stoichiometric ratios in different restoration models |
由图 3(b)可知，(C∶N)imb与TN、TP、MBC、MBN和MBP呈现极显著负相关关系(P＜0.01)，而与SOC∶TN、SOC∶TP、MBC∶MBP和MBN∶MBP呈现显著或者极显著正相关关系；(C∶P)imb与SOC∶TP呈现显著正相关关系(P＜0.05)；(N∶P)imb与MBN∶MBP呈现显著负相关关系(P＜0.05)。
2.5 土壤微生物熵与土壤-微生物生物量化学计量及不平衡性的关系对微生物熵和土壤-微生物生物量化学计量比进行RDA，第一主轴和第二主轴分别解释了微生物熵变异的67.55%和19.52%。qMBC、qMBN和qMBP均与SOC∶TN、SOC∶TP、TN∶TP、MBC∶MBN，MBC∶MBP、MBN∶MBP、(C∶N)imb呈现显著负相关；qMBC、qMBN与(C∶P)imb和(N∶P)imb呈现显著负相关，qMBP与(C∶P)imb和(N∶P)imb呈现显著正相关(图 4)。
|
| The solid blue line indicates the response variable; the dashed red line indicates the explanatory variable; the length of the arrow is the degree of influence; the angle between the arrows is the degree of correlation. 图 4 不同恢复模式下土壤微生物熵和土壤-微生物生物量化学计量及其不平衡性的冗余分析 Fig. 4 Redundanc analysis of soil microbial entropy, soil-microbial biomass stoichiometric and their imbalance in different restoration models |
RDA排序仅反映土壤-微生物生物量化学计量比及其不平衡性与微生物熵间存在相关性，鉴于此，对9个解释变量进行蒙特卡洛置换检验可知，9个因子共同解释了微生物熵变异的87.07%，其中MBC∶MBP (F=24.9，P=0.002)、(N∶P)imb (F=20.9，P=0.002)和(C∶N)imb (F=9.8，P=0.002)是驱动土壤微生物熵变异的最关键因子(表 4)。
| 因子 Factor |
单独解释率/% Simple effect/% |
联合解释率/% Conditional effect/% |
F | P |
| MBC∶MBP | 58.0 | 58.0 | 24.9 | 0.002 |
| (N∶P)imb | 44.4 | 23.2 | 20.9 | 0.002 |
| (C∶N)imb | 40.4 | 7.1 | 9.8 | 0.002 |
| MBC∶MBN | 39.1 | 0.5 | 0.6 | 0.456 |
| MBN∶MBP | 38.1 | 1.5 | 2.1 | 0.130 |
| SOC∶TP | 33.4 | 0.6 | 0.8 | 0.396 |
| TN∶TP | 23.9 | 0.5 | 0.8 | 0.430 |
| (C∶P)imb | 19.3 | 0.4 | 0.5 | 0.456 |
| SOC∶TN | 15.9 | 0.1 | 0.1 | 0.790 |
3 讨论 3.1 不同恢复模式对土壤C、N、P及其化学计量比的影响
土壤中的C、N、P是植物生长发育所必需的元素，也是衡量土壤质量的重要指标。Binkley等[26]发现，在热带和亚热带地区，改变植被类型可能导致土壤肥力和化学特性在短短数年内出现显著变化。李树斌等[27]也指出植被组成的改变可能对森林土壤养分的有效性产生影响。本研究中不同恢复模式下的土壤SOC、TN和TP含量具有差异性，采用单一固氮树种或固氮与非固氮多树种混合种植恢复模式的土壤SOC、TN和TP含量较自然恢复的天然灌丛均显著增加(图 1)，这与李萌等[12]的研究结果相似。天然灌丛的土壤养分含量比引入一种或多种树种进行植被恢复的林分低，这可能与天然灌丛土壤浅薄、凋落物较少和土壤流失量远大于其他经过植被恢复的林分有关[28-29]。与天然灌丛相比，固氮或非固氮树种作为乔木，拥有更多、更发达的地下根系，能够吸收更多土壤养分，甚至可以从岩层更深处汲取营养供植物生长，并以凋落物的形式把养分归还到表层土壤中[30-31]。本研究中，采用单一固氮树种或固氮与非固氮多树种混合种植恢复模式的土壤SOC、TN和TP含量虽然显著高于天然灌丛，但是却显著低于地带性原生喀斯特森林，一方面可能是原生森林土壤表层凋落物丰富、枯枝落叶数量多，为微生物的生长和繁殖提供了物质基础，增加了微生物的多样性，同时随着枯枝落叶等凋落物被微生物分解，促进了土壤有机质和养分的积累；另一方面可能是原生森林属于顶级群落，具有复杂的多层次垂直结构和强大的自肥能力[32]，而本研究中人工造林进行植被恢复的年限较短，林分结构和自肥能力均可能低于原生森林。固氮与非固氮多树种混合种植模式的土壤养分含量显著高于单一固氮树种纯林种植模式，这可能与混交林拥有更加丰富的树种多样性和林下植被多样性，以及高品质凋落物的输入提高了土壤养分的有效性有关[30, 33]。
C∶N∶P是衡量土壤肥力、生态系统健康及养分可利用性的重要指标。其中，C∶N和C∶P可用于评估土壤中N、P的有效性，较低的比值通常对应较高的有效N、P含量[34]。在本研究中，采用单一固氮树种或固氮与非固氮多树种混合种植恢复模式的土壤C∶N低于自然恢复的天然灌丛，说明采用单一固氮或固氮与非固氮多树种混合植被恢复能够提高土壤的C、N矿化效率，缓解土壤的N限制。喀斯特地区土壤主要是由碳酸盐岩发育而成的石灰岩土壤，具有中等碱度和高钙离子含量，P容易形成稳定的磷酸钙化合物，难以被植物吸收利用，常常表现为P限制。本研究发现，经过人工造林恢复后的纯林或混交林的土壤C∶P均低于天然灌丛，说明无论是采用单一固氮树种恢复模式还是固氮与非固氮多树种混交种植模式，均能有效缓解土壤P限制。
3.2 不同恢复模式对微生物生物量及其比值的影响MBC、MBN和MBP是表征土壤微生物生物量和养分状况的重要指标，相较于土壤C∶N∶P的化学计量特征，它们的养分浓度和生态化学计量特征在评估土壤肥力和养分限制方面更有效和敏感，能够更精准地反映土壤的生态健康和养分循环状况[35]。本研究中，MBC、MBN和MBP含量均表现出天然灌丛最低，人工造林进行植被恢复的林分次之，原生喀斯特森林最高(图 2)，这与卢晓强[7]的研究结果相似。表明引种一种固氮树种或固氮与非固氮多树种进行植被恢复对土壤微生物生长繁殖均具有积极意义，均能够促进土壤中微生物生物量的积累[36]，且在两种恢复模式中，混交模式效果更为显著。有研究认为，树种的多样性、人为干扰的程度、凋落物的数量与质量及其分解速率均能使土壤微生物生物量存在差异[37]。因此，本研究中引入树种进行植被恢复使土壤微生物生物量增加的原因，可能和植被恢复提高了树种及其林下植被的多样性，进而增加了凋落物的数量有关。此外，固氮树种与固氮细菌的结合能够持续为土壤固定大量N，并显著提高土壤中N的有效性，这除了满足植物自身的生长需求外，也为土壤微生物的大量繁殖提供必需的养分，从而促进微生物生长和繁殖[38-39]。在本研究中，引入一种或多种树种进行植被恢复后其土壤微生物生物量低于该区域的地带性原生森林，原因可能与原生林的高植物多样性和复杂群落结构为微生物提供了更适宜的栖息空间和更多的可利用性底物有关[40]。
微生物生态化学计量比可以反映微生物群体对养分的需求，土壤C、N、P含量的变化将诱导微生物进行生存策略调整，从而加速或降低对有机物的分解速率[41]。MBC∶MBN是表征微生物群落结构、状态和生态系统恢复能力的指标[42]，MBC∶MBN为7-12时表明土壤微生物中真菌比重较大[43]，为3-6时则细菌比重较大[44]。本研究中MBC∶MBN为4.60-6.40，表明该研究区域的微生物以细菌为主导。有研究认为，固氮植物通过固氮作用增加土壤中N的含量，从而改变微生物的C∶N∶P。此外，豆科植物的分泌物和凋落物能够为微生物提供丰富的养分，促进微生物群落的生长，进而影响其生态化学计量特征[45-46]。MBC∶MBN越低，微生物种群及其活动形成所需的时间越短。本研究中，与天然灌丛相比，引入一种或多种树种进行植被恢复后土壤MBC∶MBN降低，有效提高了土壤微生物种群的生态恢复能力。且引入固氮树种进行植被恢复后，可能使N的可利用性增加，导致微生物对N的吸收相对于C的吸收增强，从而使MBC∶MBN降低[47]。MBC∶MBP和MBN∶MBP可表征土壤P的供给能力，比值越小，说明土壤中有效P含量越高。在本研究中，引入单一固氮树种或固氮与非固氮多树种混合种植进行植被恢复的土壤MBC∶MBP比自然恢复模式的天然灌丛低，一方面可能由于土壤中N供应丰富，微生物更倾向于使用N源，进而增加P的需求[48]，因此导致MBC∶MBP下降；另一方面固氮植物影响土壤养分的回归，增加了土壤中有效P的含量。但是单一固氮树种恢复模式的土壤MBN∶MBP比天然灌丛的大，可能原因是固氮树种具有大量能够固定N的根瘤菌，导致MBN含量较高。
3.3 不同恢复模式对土壤微生物熵和土壤-微生物生物量化学计量不平衡性的影响土壤微生物熵能够反映单位土壤所包含的微生物生物量，并体现微生物对土壤养分的利用效率，被广泛用于评估土壤质量。相比单独使用微生物量或土壤养分指标，土壤微生物熵能更有效地反映土壤过程的动态变化及健康变化，较高的土壤微生物熵表明土壤养分更容易积累[49]。本研究结果显示，经过单一固氮树种或固氮与非固氮多树种混合种植进行植被恢复后，土壤qMBC、qMBN和qMBP均高于自然恢复模式的天然灌丛，却又低于地带性原生森林(表 2)，这可能是由于不同立地类型间的水热条件、土壤理化性质等环境因子具有差异，从而导致微生物熵含量的响应程度不一，乔木层及其群落复杂性是影响土壤养分积累的关键。有研究表明，土壤-微生物生物量化学计量不平衡值越高，土壤质量越差，微生物的生长利用效率越低[50]。本研究发现，采用单一固氮树种或固氮与非固氮多树种混合种植进行植被恢复后，土壤微生物中(C∶N)imb、(C∶P)imb和(N∶P)imb的化学计量不平衡性均比自然恢复模式的天然灌丛的低，植被恢复提高了土壤质量，微生物生长利用效率较高。
土壤-微生物生物量化学计量对土壤微生物熵的影响不同。RDA结果显示，qMBC、qMBN与土壤C∶N∶P化学计量比、微生物量化学计量比以及土壤-微生物生物量化学计量不平衡性均呈现负相关关系(图 4)，这主要归因于土壤微生物的生长代谢过程需要C、N、P养分供应[51]。经蒙特卡洛置换检验得出，MBC∶MBN、(N∶P)imb和(C∶N)imb是驱动土壤微生物熵变化的最关键因子，在反映土壤养分及其利用效率的变化过程中起着关键作用。
4 结论喀斯特石漠化区采用单一固氮树种或固氮与非固氮多树种混合种植进行植被恢复后，土壤-微生物生物量和C、N、P含量均较自然恢复模式的天然灌丛高，在一定程度上改善了该地区的土壤养分状况。土壤-微生物C、N、P的化学计量特征显示，人工造林进行植被恢复的纯林和混交林的SOC∶TN、SOC∶TP、MBC∶MBN和MBC∶MBP均低于天然灌丛，表明无论是采用单一固氮树种还是固氮与非固氮多树种混合种植进行植被恢复，均能够缓解该地区土壤N、P的限制，其中恢复效果以混交林恢复模式最佳。RDA结果显示，qMBC、qMBN与土壤C∶N∶P化学计量比、微生物量化学计量比以及土壤-微生物生物量化学计量不平衡性均呈现负相关关系，MBC∶MBN、(N∶P)imb和(C∶N)imb是驱动土壤微生物熵变化最关键的影响因子，这些因子比值的增加会导致微生物熵的下降。本研究为喀斯特石漠化区在生态恢复与重建中的树种选择和种植模式提供了理论依据和实践指导，推动了石漠化区生态、经济和社会可持续发展。
| [1] |
WANG K L, ZHANG C H, CHEN H S, et al. Karst landscapes of China: patterns, ecosystem processes and services[J]. Landscape Ecology, 2019, 34(12): 2743-2763. DOI:10.1007/s10980-019-00912-w |
| [2] |
何斌, 李青, 刘勇. 黔西北地区不同演替阶段植物群落结构与物种多样性特征[J]. 广西植物, 2019, 39(8): 1029-1038. |
| [3] |
王德炉, 朱守谦, 黄宝龙. 贵州喀斯特区石漠化过程中植被特征的变化[J]. 南京林业大学学报(自然科学版), 2003, 27(3): 26-30. |
| [4] |
温远光, 张健, 严理, 等. 豆科植物对石漠化土地生物碳固持能力的影响[J]. 广西科学, 2015, 22(6): 573-577. DOI:10.3969/j.issn.1005-9164.2015.06.001 |
| [5] |
温远光, 夏承博, 周晓果, 等. 不同石漠化治理模式下群落的植物组成及多样性[J]. 广西科学, 2017, 24(2): 168-174, 181. |
| [6] |
宋敏, 邹冬生, 杜虎, 等. 不同土地利用方式下喀斯特峰丛洼地土壤微生物群落特征[J]. 应用生态学报, 2013, 24(9): 2471-2478. |
| [7] |
卢晓强, 杨万霞, 奚月明, 等. 喀斯特地区不同植被恢复类型对土壤化学及微生物生物量的影响[J]. 南京林业大学学报(自然科学版), 2015, 39(5): 73-80. |
| [8] |
李菲, 李娟, 龙健, 等. 典型喀斯特山区植被类型对土壤有机碳、氮的影响[J]. 生态学杂志, 2015, 34(12): 3374-3381. |
| [9] |
李金凤, 王晖, 黄海梅, 等. 马尾松与不同阔叶树种混交种植对土壤微生物群落组成和多样性特征的影响[J]. 广西科学, 2024, 31(3): 439-450. |
| [10] |
魏媛, 张金池, 俞元春, 等. 退化喀斯特植被恢复对土壤微生物数量及群落功能多样性的影响[J]. 土壤, 2010, 42(2): 230-235. |
| [11] |
张彧娜, 周晓果, 温远光, 等. 喀斯特地区三种人工林土壤微生物群落结构特征[J]. 广西植物, 2022, 42(6): 938-950. |
| [12] |
李萌, 谭许脉, 肖纳, 等. 引种降香黄檀和顶果木对石漠化山区土壤磷素转化及其有效性的影响[J]. 生态学报, 2022, 42(4): 1594-1605. |
| [13] |
周晓果, 温远光, 王磊, 等. 岩溶石漠化不同修复林分林下植被和植物多样性的变化[J]. 广西科学, 2022, 29(1): 71-87. |
| [14] |
马洁, 薛建辉, 吴永波, 等. 贵州省喀斯特山地3种人工林林下植物多样性和地上部生物量及其相关性[J]. 植物资源与环境学报, 2021, 30(1): 17-26. |
| [15] |
JHARIYA M K, BANERJEE A, YADAV D K, et al. Leguminous trees an innovative tool for soil sustainability[M] //Legumes for Soil Health and Sustainable Management. Singapore: Springer Singapore, 2018: 315-345.
|
| [16] |
SU X Y, GAO G N, HUANG X M, et al. Vegetation restoration with mixed N2-fixer tree species alleviates microbial C and N limitation in surface soil aggregates in south subtropical karst area, China[J]. Forests, 2022, 13(10): 1701. |
| [17] |
李茂萍, 缪宁, 刘世荣. 固氮树种旱冬瓜对退化林地土壤修复和林下植被重建的生态驱动效应[J]. 生态学报, 2022, 42(6): 2321-2330. |
| [18] |
HU G, HUANG X X, CHEN S Y, et al. Biotic and abiotic factors affecting soil c, n, p and their stoichiometries under different land-use types in a karst agricultural watershed, China[J]. Agriculture, 2024, 14(7): 1083. |
| [19] |
CUI Y X, FANG L H, GUO X B, et al. Ecoenzymatic stoichiometry and microbial nutrient limitation in rhizosphere soil in the arid area of the northern Loess Plateau, China[J]. Soil Biology and Biochemistry, 2018, 116: 11-21. |
| [20] |
ZHANG J Y, AI Z M, LIANG C T, et al. How mic-robes cope with short-term N addition in a Pinus tabuliformis forest-ecological stoichiometry[J]. Geoderma, 2019, 337: 630-640. |
| [21] |
鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000.
|
| [22] |
MURPHY J, RILEY J P. A modified single solution method for the determination of phosphate in natural waters[J]. Analytica Chimica Acta, 1962, 27: 31-36. |
| [23] |
VANCE E D, BROOKES P C, JENKINSON D S. An extraction method for measuring soil microbial biomass C[J]. Soil Biology and Biochemistry, 1987, 19(6): 703-707. |
| [24] |
向明珠. 杉木人工林改造成阔叶林对根际土壤氮磷组分及其转化的影响[D]. 南宁: 广西大学, 2024.
|
| [25] |
BROOKES P C, POWLSON D S, JENKINSON D S. Measurement of microbial biomass phosphorus in soil[J]. Soil Biology and Biochemistry, 1982, 14(4): 319-329. |
| [26] |
BINKLEY D, GIARDINA C, BASHKIN M A. Soil phosphorus pools and supply under the influence of Eucalyptus saligna and nitrogen-fixing Albizia facaltaria[J]. Forest Ecology and Management, 2000, 128(3): 241-247. |
| [27] |
李树斌, 周丽丽, 陈宝英, 等. 亚热带树种转换对林地土壤碳氮磷计量比的影响[J]. 森林与环境学报, 2019, 39(6): 575-583. |
| [28] |
汤茜, 丁访军, 朱四喜, 等. 茂兰喀斯特地区不同植被演替阶段对土壤化学性质与酶活性的影响[J]. 生态环境学报, 2020, 29(10): 1943-1952. |
| [29] |
廖洪凯, 李娟, 龙健, 等. 贵州喀斯特山区花椒林小生境类型与土壤环境因子的关系[J]. 农业环境科学学报, 2013, 32(12): 2429-2435. |
| [30] |
ZHANG C, LIU G B, XUE S, et al. Rhizosphere soil microbial activity under different vegetation types on the Loess Plateau, China[J]. Geoderma, 2011, 161(3/4): 115-125. |
| [31] |
裴广廷, 李夏, 贺同鑫, 等. 广西喀斯特石漠化区不同植被恢复模式下土壤微生物多样性与群落结构特征及驱动因素分析[J]. 地理科学, 2024, 44(9): 1630-1642. |
| [32] |
康冰, 刘世荣, 蔡道雄, 等. 南亚热带不同植被恢复模式下土壤理化性质[J]. 应用生态学报, 2010, 21(10): 2479-2486. |
| [33] |
林晓瑜, 万晓华, 贾辉, 等. 亚热带21个树种人工林功能性状与凋落物养分归还特征的关系[J]. 应用生态学报, 2024, 35(6): 1455-1462. |
| [34] |
王绍强, 于贵瑞. 生态系统碳氮磷元素的生态化学计量学特征[J]. 生态学报, 2008, 28(8): 3937-3947. |
| [35] |
黄娟, 邓羽松, 韦慧, 等. 喀斯特峰丛洼地不同植被类型土壤微生物量碳氮磷和养分特征[J]. 土壤通报, 2022, 53(3): 605-612. |
| [36] |
HUANG X M, LIU S R, WANG H, et al. Changes of soil microbial biomass carbon and community composition through mixing nitrogen-fixing species with Eucalyptus urophylla in subtropical China[J]. Soil Biology and Biochemistry, 2014, 73: 42-48. |
| [37] |
施福军, 黄则月, 李婷, 等. 望天树天然林土壤微生物生物量碳氮垂直分布及相关性分析[J]. 林业与环境科学, 2018, 34(6): 72-76. |
| [38] |
ZEGLIN L H, STURSOVA M, SINSABAUGH R L, et al. Microbial responses to nitrogen addition in three contrasting grassland ecosystems[J]. Oecologia, 2007, 154(2): 349-359. |
| [39] |
丁国昌, 万晓华, 杨起帆, 等. 亚热带树种转换对林地土壤微生物群落结构和功能的影响[J]. 应用生态学报, 2017, 28(11): 3751-3758. |
| [40] |
刘玉杰, 王世杰, 刘秀明, 等. 茂兰喀斯特植被演替中土壤微生物量碳氮研究[J]. 地球与环境, 2011, 39(2): 188-195. |
| [41] |
MALIK A A, MARTINY J B H, BRODIE E L, et al. Defining trait-based microbial strategies with consequences for soil carbon cycling under climate change[J]. The ISME Journal, 2020, 14(1): 1-9. |
| [42] |
张彬, 刘满强, 钱刘兵, 等. 土壤微生物群落抵抗力和恢复力研究进展[J]. 生态学报, 2023, 43(14): 5674-5685. |
| [43] |
张冠华, 牛俊, 易亮, 等. 不同植茶年限土壤-微生物生物量碳氮磷化学计量特征[J]. 应用生态学报, 2023, 34(4): 969-976. |
| [44] |
姚泽秀, 李永春, 李永夫, 等. 植茶年限对土壤微生物群落结构及多样性的影响[J]. 应用生态学报, 2020, 31(8): 2749-2758. |
| [45] |
YANG J, LAN L Y, JIN Y, et al. Mechanisms underlying legume: Rhizobium symbioses[J]. Journal of Integrative Plant Biology, 2022, 64(2): 244-267. |
| [46] |
ERDENEBILEG E, WANG C, YU W Y, et al. Carbon versus nitrogen release from root and leaf litter is modulated by litter position and plant functional type[J]. Journal of Ecology, 2023, 111(1): 198-213. |
| [47] |
MENGE D N L, WOLF A A, FUNK J L, et al. Tree symbioses sustain nitrogen fixation despite excess nitrogen supply[J]. Ecological Monographs, 2023, 93(2): e1562. |
| [48] |
PNG G K, LAMBERS H, KARDOL P, et al. Biotic and abiotic plant-soil feedback depends on nitrogen-acquisition strategy and shifts during long-term ecosystem development[J]. Journal of Ecology, 2019, 107(1): 142-153. |
| [49] |
张冠华, 易亮, 孙宝洋, 等. 亚热带苔藓结皮对土壤-微生物-胞外酶化学计量特征的影响[J]. 应用生态学报, 2022, 33(7): 1791-1800. |
| [50] |
ZHOU Z H, WANG C K. Changes of the relationships between soil and microbes in carbon, nitrogen and phosphorus stoichiometry during ecosystem succession[J]. Chinese Journal of Plant Ecology, 2016, 40(12): 1257-1266. |
| [51] |
XU X F, SCHIMEL J P, THORNTON P E, et al. Substrate and environmental controls on microbial assimilation of soil organic carbon: a framework for earth system models[J]. Ecology Letters, 2014, 17(5): 547-555. |