中国森林生态系统土壤呼吸温度敏感性空间变异特征及影响因素 植物生态学报    2020, 44 (6): 687-698.   DOI: 10.17521/cjpe.2019.0300

图3 不同森林类型的土壤呼吸温度敏感性(Q₁₀)(平均值±标准误差)。
n为样本量, 相同的字母表示组间均值无显著差异(α = 0.05)。

正文中引用本图/表的段落

中国森林生态系统Q₁₀的频率分布为偏正态, 偏度和丰度分别为1.28和2.27 (图2A), Q₁₀的分布范围为1.09-6.24, 平均值(±标准误差)为2.37 (± 0.04)(n = 399), 中位数为2.20, 大多数(72%)分布在1.5-3.0之间, Van’t Hoff方程的决定系数R2有85%大于0.60 (图2B)。不同森林类型之间Q₁₀差异不显著(p = 0.07), 但DNF Q₁₀ (3.04 ± 0.35)要高于DBF (2.34 ± 0.08)、EBF (2.35 ± 0.08)、ENF (2.30 ± 0.07)和MF (2.45 ± 0.08)(图3), 其中MF包括MMF (2.46 ± 0.08)和MBF (2.30 ± 0.17)(附录III)。

DNF的Q₁₀在所有森林类型中最高(图3), 这与现有的研究结果一致(Peng et al., 2009; Song et al., 2014)。本研究的DNF主要为东北地区的落叶松(Larix gmelinii)林和华北地区的华北落叶松(Larix principis-rupprechtii)林, 少数为华东地区的水杉(Metasequoia glyptostroboides)林。低温是东北和华北地区DNF中根系和微生物酶活性的主要限制因素, 因此DNF中土壤呼吸对温度的变化最敏感, 这也可以由Q₁₀与MAT的负相关关系来检验(图4D)。Q₁₀对环境因素的响应随森林类型变化(附录II)。DNF中Q₁₀与MAT和SOC无显著关系, 但随MAP增加而减小; 其余森林类型中Q₁₀均随MAT增加而减小, 随SOC增加而增大, 但与MAP无显著关系, 这些结果可能表明DNF的根系和微生物群落对MAT、MAP和SOC的敏感性与其他森林类型显著不同, 也可能是DNF的观测数据(6个)较少, 不足以准确体现Q₁₀对环境因素的响应, 未来仍需要开展更多的野外观测以明确DNF中Q₁₀对环境因素的响应机制。此外, 森林类型与TN存在交互作用。尽管在DNF和MF中Q₁₀与TN无显著关系, 但在DBF、EBF、ENF中Q₁₀均随TN增加而增大, 且阔叶林(EBF、DBF)中Q₁₀对TN的敏感性强于针叶林(ENF), 这可能是阔叶林与针叶林的根系或微生物群落在利用TN时采取了不同的策略。本研究中阔叶林的TN (2.87 g·kg-1)高于针叶林(1.84 g·kg-1), 以往的研究也发现, 相比于针叶林, 阔叶林的凋落物和枯死根系的归还量高且更易于分解, 因此其养分循环和分解速度更快(Reich et al., 2005; Olsson et al., 2012), 这种差异可能导致阔叶林的土壤微生物群落在利用TN时采用资源获取型策略, 而针叶林则为保守型策略, 但具体机制仍需要大量实验验证。不同森林类型对环境因素的差异性响应预示着未来在气候变化加剧的背景下, 不同森林类型间Q₁₀的差异可能会增大, 这将影响碳循环-气候模型的预测精度, 因此需要予以考虑。

本文的其它图/表

• 表1 中国森林生态系统年尺度土壤呼吸温度敏感性(Q₁₀)数据集的相关信息
  
• 图1 中国森林生态系统年尺度土壤呼吸温度敏感性(Q₁₀)数据集中研究站点的空间分布。
  
• 图2 土壤呼吸温度敏感性(Q₁₀)(A)和Van’t Hoff方程决定系数(R²)的频率分布(B)。
  实线表示平均值, 虚线表示中位数, 红色曲线为分布曲线。
  
• 图4 土壤呼吸温度敏感性(Q₁₀)与纬度(A)、经度(B)、海拔(C)、年平均气温(D)、年降水量(E)、干燥指数(F)、土壤有机碳含量(G)、土壤全氮含量(H)、土壤碳氮比(I)的关系。
  
• 图5 气候因素和土壤因素对土壤呼吸温度敏感性(Q₁₀)空间变异影响的结构方程模型(A)和标准化总效应(B)。
  箭头旁边的数字是标准化路径系数γ, 实线箭头和虚线箭头分别代表模型中的正负效应。模型中所有路径均是显著的(p < 0.01), R² (粗体数字)表示有关变量的共同解释度, χ² = 1.39, df = 1, p = 0.24, RMSEA = 0.032。
  
• 表2 土壤呼吸温度敏感性(Q₁₀)与气候(MAT、MAP)和土壤因素(SOC、TN)的多元线性回归