玉米马铃薯秸秆混合腐解的非加性效应 植物生态学报    2023, 47 (12): 1728-1738.   DOI: 10.17521/cjpe.2022.0339

表3 不同分解环境中混合秸秆的非加性效应

正文中引用本图/表的段落

除了分解6个月时的间作环境, 混合秸秆在整个分解期的不同分解环境中均表现出协同效应, 而且在不同分解环境中协同效应有所不同(表3)。分解3个月时, 玉米单作中的协同效应最强(17.23%), 分解6个月时, 马铃薯单作环境中的协同效应最强(13.73%), 而间作分解环境中NAF较弱。

具有不同化学结构和化学性质的植物残体往往表现出不同的质量和分解能力, 当它们混合时, 混合植物残体的分解率往往不等于单一残体分解率的加权平均值, 即有机残体混合分解的非加性效应(Liu et al., 2020)。在本研究中, 玉米和马铃薯混合秸秆在多样化农田生态系统的分解也表现出了非加性效应(协同效应, 表3), 其原因可能是不同化学结构(组成)的残体混合后, 其分解的速率和分解程度不一致(Steinwandter et al., 2019)。一方面, 混合物料中高质量(低C:N)的残体优先分解释放N和能源物质, 为低质量残体的分解提供能量(张红等, 2019); 另一方面, 有机物料混合后, 改变了微生物群落和木质素、纤维素降解基因的组成(Wang et al., 2020), 从而促进整体分解率增加。同时, 非加性效应还受分解环境的调控。这与前人对森林生态系统中混合凋落物的研究结果(Madritch & Cardinale, 2007; Tiunov, 2009; Liu et al., 2020)相似。分解3个月时混合秸秆在玉米单作分解环境中表现出了比间作和马铃薯单作更高的协同效应(表3)。这可能是由于玉米单作土壤微生物比间作和马铃薯单作中的微生物具有更广泛的功能, 因为玉米分解环境中的微生物分解者适应了低质量秸秆(玉米秸秆)作为底物的分解, 微生物发生功能改变, 导致对混合秸秆, 特别是混合物中难降解部分(即玉米秸秆)的分解更有效, 进而提高了整个混合秸秆分解的协同效应(Keiser et al., 2011, 2014; Fanin et al., 2016; Lin et al., 2020)。此外, 随着分解时间的延长, 混合秸秆的协同效应不断下降。一方面可能是秸秆混合后, 对秸秆中不稳定的碳组分(易分解的成分, 如碳水化合物)有着协同效应; 另一方面, 随着不稳定碳组分的分解和顽固性组分的出现, 协同效应在减弱, 甚至可能会出现拮抗效应(Wang et al., 2022)。

本文的其它图/表

• 表1 玉米秸秆(MS)和马铃薯秸秆(PS)原样基本性质
  
• 表2 秸秆填埋前田间实验小区土壤基本化学性质
  
• 图1 秸秆分解袋填埋示意图。MS, 玉米秸秆; PS, 马铃薯秸秆; XS, 混合秸秆。
  
• 图2 不同时期秸秆分解率变化(平均值±标准差)。I, 玉米马铃薯间作; M, 玉米单作; P, 马铃薯单作。MS, 玉米秸秆; PS, 马铃薯秸秆; XS, 混合秸秆。不同大写字母表示不同分解环境同种秸秆分解率差异显著; 不同小写字母表示不同秸秆同一分解环境下秸秆分解率差异显著; 星号表示不同秸秆间分解率差异显著(**, p < 0.01; ***, p < 0.001)。
  
• 表4 培养120 h秸秆降解微生物平均颜色变化率(AWCD)、Simpson指数和Shannon-Wiener指数(平均值±标准差)
  
• 图3 秸秆微生物对单一碳源的利用率。AA, 氨基酸; AM, 胺类; CA, 羧酸; CH, 碳水化合物; PA, 酚类化合物; PM, 多聚物。I, 玉米马铃薯间作; M, 玉米单作; P, 马铃薯单作。MS, 玉米秸秆; PS, 马铃薯秸秆; XS, 混合秸秆。
  
• 图4 不同秸秆(A、B)和不同分解环境(C、D)下单一碳源利用率(平均值±标准差)。不同小写字母表示不同处理下同种碳源含量差异显著(p < 0.05)。AWCD, 孔平均颜色变化率。AA, 氨基酸; AM, 胺类; CA, 羧酸; CH, 碳水化合物; PA, 酚类化合物; PM, 多聚物。I, 玉米马铃薯间作; M, 玉米单作; P, 马铃薯单作. MS, 玉米秸秆; PS, 马铃薯秸秆; XS, 混合秸秆。
  
• 图5 秸秆分解率与单一碳源的相关性热图。SDR, 秸秆分解率。AA, 氨基酸; AM, 胺类; CA, 羧酸; CH, 碳水化合物; PA, 酚类化合物; PM, 多聚物。MS, 玉米秸秆; PS, 马铃薯秸秆; XS, 混合秸秆。*, p < 0.05; **, p < 0.01; ***, p < 0.001。
  
• 图6 马铃薯秸秆、玉米秸秆和混合秸秆分解率驱动因素的随机森林回归模型分析。图中仅展示了|均方误差| ≥3.0%的驱动因子。MS, 玉米秸秆; PS, 马铃薯秸秆; XS, 混合秸秆。AN, 铵态氮含量; AP, 速效磷含量; DGA, D-半乳糖醛酸; DL, D,L-a-甘油; DOC, 溶解性有机碳含量; DX, D-木糖; GL, 肝糖; GP, 葡萄糖-1-磷酸盐; I-a, I-赤藻糖醇; NADG, N-乙酰基-D-葡萄胺; NN, 硝态氮含量。*, p < 0.05; **, p < 0.01。
  
• 图7 土壤性质、碳源和腐解秸秆碳氮比(C:N)对混合秸秆(A)、玉米秸秆(B)和马铃薯秸秆(C)分解率(SDR)影响的结构方程模型。实线表示负相关(蓝色)和正相关(红色), 虚线表示相关性不显著。AN, 铵态氮含量; DOC, 溶解性有机碳含量; NN, 硝态氮含量。MD, 微生物功能多样性, 用Shannon-Wiener指数和Simpson指数表示; CH, 碳水化合物, 用来I-赤藻糖醇(I-a)和D, L-a-甘油(DL)表示; CG, 碳源。GFI, 拟分优度指数; RMSEA, 均方根近似误差。*, p < 0.05; **, p < 0.01; ***, p < 0.001。PCA1, 马铃薯秸秆中D-木糖、N-乙酰基-D-葡萄胺、葡萄糖-1-磷酸盐、D-半乳糖醛酸和肝糖的第一主成分。