《Forests》:Dynamics in Soil Microbial Communities and Soil Carbon Fractions Across Early Developmental Stages of Young Poplar Plantations (0–15 Years)
编辑推荐:
土壤微生物群落在陆地生物地球化学循环和生态系统功能中扮演核心角色,其动态变化与土壤理化性质密切相关,从而有助于生态系统功能稳定性的维持。然而,林龄对土壤微生物群落结构和土壤理化性质的调控程度仍认识不足。本研究以江苏省丘陵地区黑杨(Populus nigra)人
土壤微生物群落在陆地生物地球化学循环和生态系统功能中扮演核心角色,其动态变化与土壤理化性质密切相关,从而有助于生态系统功能稳定性的维持。然而,林龄对土壤微生物群落结构和土壤理化性质的调控程度仍认识不足。本研究以江苏省丘陵地区黑杨(Populus nigra)人工林为研究对象,选取树龄序列并划分为三个林龄类别:幼龄林(HY)、中龄林(HH)和中近熟林(HN)。系统采集0–15 cm表层土壤样品,测定土壤理化性质,提取土壤DNA并进行高通量测序,以表征微生物群落结构的年龄相关变化。结果表明,矿物结合态全碳在中龄林中达到最高水平,而溶解性有机碳(DOC)、微生物生物量碳(MBC)和土壤有机碳(SOC)在中近熟林中最高。共现网络分析进一步表明,微生物种间关联在中龄阶段最为复杂。总体而言,林龄诱导了土壤碳组分和微生物群落组织的显著变化。这些发现为黑杨人工林发育、土壤碳动态和微生物群落演替之间的耦合关系提供了新的见解。
本研究以江苏省南部六合区丘陵地带黑杨(Populus nigra)人工林为对象,选取幼龄(HY,≤5年)、中龄(HH,6–10年)和中近熟(HN,11–15年)三个林龄阶段,各设置3个重复样地,采用空间替代时间的方法构建树龄序列。研究人员在每块样地依据九点网格法、于树干基部约50 cm处采集0–15 cm表层土壤,混合后分为两份:一份用于土壤酶活性等指标测定,另一份风干后用于土壤有机碳组分及基本理化性质分析,DNA提取前所有样品于?80 °C保存。
研究采用的关键技术方法主要包括:(1)土壤理化性质测定——运用元素分析仪测定土壤有机碳(SOC),采用K
2SO
4提取-碳氮分析仪法测定溶解性有机碳(DOC),通过物理湿筛分馏联合化学氧化滴定法测定矿物结合态有机碳(MAOC),利用氯仿熏蒸提取法测定微生物生物量碳(MBC),并采用EDTA滴定法和乙酸铵提取-火焰光度法分别测定土壤Ca和K含量;(2)高通量测序技术——提取土壤总DNA后,使用引物515F/907R对细菌16S rRNA基因V4–V5可变区进行扩增,使用引物ITS1F/ITS2R对真菌ITS1–ITS2区域进行扩增,构建PE300文库后在Illumina MiSeq平台测序;(3)生物信息学与统计分析——利用QIIME 2计算Pielou均匀度、丰富度指数和Shannon多样性指数等α多样性指标,基于Bray–Curtis相异度进行主成分分析(PCA)和ANOSIM分析评估β多样性,构建共现网络分析微生物互作模式,采用中性群落模型(NCM)、β最近种指数(βNTI)、Bray–Curtis-based Raup–Crick指标(RC
bray)和基于分类学的群落组装过程分析(iCAMP)解析群落组装机制,并运用偏最小二乘路径模型(PLS-PM)揭示土壤理化性质、微生物群落与林龄之间的关联。
**3.1 不同树龄杨树林土壤的理化性质**
通过测定不同树龄杨树林土壤碳库各组分,研究发现中近熟林土壤溶解性有机碳(DOC)、微生物生物量碳(MBC)和土壤有机碳(SOC)含量最高,分别为23.55 mg·kg
?1、151.57 mg·kg
?1和9.48 g·kg
?1;而矿物结合态有机碳(MAOC)在中龄林中最高,在中近熟林中最低。MBC随树龄增长显著增加,MAOC则呈倒"V"形变化。同时,土壤Ca和K含量均随树龄增长而降低。这表明中近熟林中DOC和MBC等活性碳组分丰富,而MAOC等稳定碳组分主要在中龄林中积累,且土壤矿质养分随林分发育而下降。
**3.2 不同树龄杨树林土壤微生物群落的α多样性和β多样性**
研究测定土壤微生物群落α多样性发现,细菌群落的Pielou均匀度、丰富度指数和Shannon指数均随林龄呈V形变化,真菌群落亦表现出相似趋势。中近熟林土壤细菌群落具有最高的均匀度、丰富度和Shannon指数以及最高的真菌丰富度,而幼龄林土壤真菌群落具有最高的均匀度和Shannon指数。主成分分析(PCA)显示细菌群落PC1和PC2分别解释总变异的38.83%和32.14%,真菌群落PC1和PC2分别解释23.51%和18.14%。ANOSIM分析表明,不同林龄间细菌群落(R = 1, p < 0.003)和真菌群落(R = 0.654, p < 0.019)的群落组成均存在显著差异,且细菌群落差异更为显著。这说明中近熟林细菌多样性最高,幼龄林真菌多样性最高,中龄林细菌和真菌多样性均最低。
**3.3 不同树龄杨树土壤微生物群落的组成**
研究人员分析不同树龄土壤微生物群落组成发现,细菌群落中中龄林以酸杆菌门(Acidobacteria)为优势类群,占比达50.42%;幼龄林和中近熟林则以变形菌门(Proteobacteria)为优势类群,分别占27.41%和23.07%。酸杆菌门中的Acidobacteria_Gp1在中龄杨树林中的相对丰度高于幼龄林和中近熟林。真菌群落则以子囊菌门(Ascomycota)和担子菌门(Basidiomycota)为主,中近熟林中担子菌门和伞菌纲(Agaricomycetes)的相对丰度下降,而子囊菌门、锤舌菌纲(Leotiomycetes)等类群增加。此外,伞菌目(Agaricales)和丝膜菌科(Inocybaceae)在中龄林中相对丰度最高。真菌群落所包含的门类较细菌群落少,结合细菌类群的年龄相关变化,表明土壤细菌群落可能对杨树林分发育相关的生境变化表现出更广泛的分类学响应。
**3.4 树龄驱动的土壤微生物网络分析**
为进一步研究林龄如何影响土壤微生物的共现模式,研究人员构建了不同林龄细菌和真菌群落200个关键扩增子序列变异体(ASVs)的共现网络。细菌网络中,中龄林具有最多的边数(13,978),同时保持200个高节点数,正负边比为11:10;中近熟林边数最少(12,676),但具有更高的网络中心度(0.099)。真菌网络中,子囊菌门在三组林龄中均为优势门,中龄林仍表现最高边数(12,874),正负边比为7:5,且网络中心化指数最高,表明中龄林真菌群落具有最复杂的生物互作特征。同一林龄下细菌网络边数多于真菌网络。模块分析显示,中近熟林网络具有最多的节点和最密集的连接,变形菌门和子囊菌门等作为核心节点驱动群落内互作;中近熟林Module M1中微生物最丰富,酸杆菌门和担子菌门为优势类群;Module M2中微生物丰度随树龄先减后增,幼龄林中最高,以绿弯菌门(Chloroflexi)和担子菌门为优势类群;Module M3相对丰度随林龄呈倒V形变化,中龄林中最高,酸杆菌门和担子菌门为优势类群。
**3.5 土壤微生物群落的生态组装过程**
研究人员采用中性群落模型(NCMs)分析不同处理下土壤微生物群落的组装过程。细菌群落中,三个林龄的拟合曲线R
2和基因流Nm值存在差异,反映林分发育过程中不同的群落结构;各组内"低丰度"比例最高而"中丰度"几乎缺失;βNTI(β最近种指数)在三组中均≥2,中近熟林最高达5.7,表明细菌群落系统发育周转显著高于随机预期,确定性过程主导群落组装,且中近熟林受到更强的确定性过程影响;RC
bray(Bray–Curtis-based Raup–Crick指标)在三组中均≤?1,表明群落间物种组成差异主要受扩散过程驱动。iCAMP分析进一步揭示了各生态过程的相对贡献:均质化扩散在幼龄林中最高(33.3%),其他两组为零;各组均存在高强度异质性选择,表明不同组间存在显著的环境异质性。真菌群落中,中近熟林具有最高Nm值,表明该林龄受随机扩散影响更强;幼龄林中高丰度物种比例为28.3%,高于中龄林(18.7%)和中近熟林(22.1%),表明更多"优势物种"驱动了幼龄林的群落组装。幼龄林中|βNTI| < 2且RC
bray > 1,表明真菌群落组装主要受随机过程驱动且扩散限制也发挥作用,iCAMP分析发现扩散限制和异质性选择均占33.3%;中龄林和中近熟林中βNTI > 2且RC
bray > 1,表明这些林龄的真菌群落主要受确定性过程影响,且异质性选择占主导地位。
**3.6 黑杨人工林土壤理化性质、土壤细菌群落与树龄的关联**
通过PLS-PM(偏最小二乘路径模型)分析土壤理化性质、微生物群落与不同林龄组之间的关系。细菌群落模型整体拟合度为0.61,树龄组对土壤Ca和K含量产生显著抑制作用,土壤细菌群落组成对β多样性产生最强正向影响,而不同林龄组对土壤细菌群落组成的影响具有最强负效应(?1.0401)。真菌群落模型整体拟合度为0.59,β多样性对真菌群落组成产生强负影响(?0.8135),土壤Ca和K含量对β多样性产生最强正向影响(1.0543);与细菌群落相比,不同林龄组对真菌群落α多样性具有更强的正向影响(0.9393)。土壤Ca和K含量对细菌群落组成有强负影响,而对真菌群落组成有弱正影响。此外,细菌和真菌群落的β多样性均受土壤Ca、K含量和不同林龄组的正向影响,而不同树龄组对土壤Ca和K含量的负影响最为显著(p < 0.01)。需要注意的是,路径系数?1.0401和1.0543超出典型?1至1范围,提示变量间可能存在多重共线性和路径模型不稳定性,结果应谨慎解释。
---
**讨论部分总结**
研究背景与问题方面,土壤碳库是最大的陆地碳库,在气候调节和土壤质量维持中发挥关键作用。现有研究表明林龄是影响生态系统碳动态的关键因素,调控生物量积累、根系碳输入和土壤碳稳定性;土壤微生物作为生态系统过程的核心驱动者,通过代谢活动深度参与碳(C)和氮(N)循环。然而,当前关于杨树林龄与土壤微生物关系的研究存在显著不足:多数研究仅关注单一或有限年龄阶段,缺乏覆盖整个生长周期的系统分析;微生物功能分析多停留于群落结构描述层面,难以将物种组成数据与实际碳循环代谢活动直接关联;植物生理特性变化与土壤理化性质变化之间的定量研究不足。这些知识空缺限制了对杨树林碳汇调控机制的理解。
研究开展与结论方面,该研究以江苏省南部广泛分布的黑杨人工林为对象,设置幼龄、中龄和中近熟三个林龄阶段,系统探讨林龄对土壤有机碳(SOC)浓度变化、微生物群落结构响应,以及林分发育、土壤理化性质与微生物群落之间关系的影响。
研究重要意义在于:揭示了早期杨树林发育过程中土壤碳组分和微生物群落结构的耦合变化规律,为通过调控林龄结构优化微生物功能、提升人工林固碳潜力提供了新思路;同时强调了在得出全林碳汇结论前,需要更深土层、更老林龄验证和功能验证的必要性。论文发表于《Forests》期刊。
具体研究发现的机制包括:(1)土壤碳组分动态分化——活性碳组分一般随树龄增长而增加,中近熟林中达到峰值,这与不同生长阶段杨树碳输入强度和质量变化相关;稳定碳组分(MAOC)呈倒"V"形变化,在中龄林中积累最多,这与中龄林独特的生态特征有关,即根系分布深度和广度达最大值、土壤物质交换最活跃、凋落物输入适中且木质素含量相对较低,微生物更容易分解土壤碳形成小分子有机质并与土壤矿物颗粒结合形成稳定碳库;而中近熟林凋落物木质素含量增加,分解难度加大,微生物碳转化效率降低,导致MAOC积累下降。(2)微生物群落组成生态分化——细菌群落α多样性沿林龄梯度呈正V形趋势,反映微生物生态位宽度和种间竞争强度的阶段性波动。幼龄林营养丰富但空间异质性高,确定性过程主导,r-策略细菌如变形菌门快速增殖,形成高丰富度低均匀度的群落结构;中龄林环境过滤效应增强,寡营养类群如酸杆菌门占优势,导致多样性暂时下降;中近熟林DOC增加、pH轻微下降,生态位再次扩展,多样性回升。微生物群落组成的分化是通过林龄对土壤碳库质量(活性碳/稳定碳)和营养水平的改变所产生的"环境过滤效应"实现的。(3)微生物共现网络与组装过程——中龄林细菌网络边数最多(13,978),种间关联最密切、互动网络最复杂,这与中龄林稳定碳含量高、养分供给充足等稳定微环境条件密切相关,复杂的网络结构通过协同代谢互作促进微生物资源高效利用;真菌网络亦在中龄林具有最高边数,且存在独特的毛霉门(Mucoromycota),进一步证实中龄林微生物群落的"丰富与稳定"特征。生态组装过程中,细菌在各林龄均以异质性选择为主导,表明土壤异质性是塑造细菌群落组装的核心驱动力;幼龄林均质化扩散占33.3%,可能与土壤环境空间均质性增加促进微生物扩散定殖有关。真菌群落中,中龄林和中近熟林中位βNTI值均接近4,表明强确定性过程(环境过滤)主导其组装,这与真菌对复杂有机质的依赖有关;幼龄林则可能受扩散限制影响,与栖息地不稳定性限制真菌扩散有关。这些网络复杂性和组装机制的变化为中龄林稳定碳积累、中近熟林活性碳保存的碳转化特征提供了微生物学解释。(4)土壤-微生物-树龄关联路径——不同树龄组对土壤Ca和K含量影响最显著(p < 0.01),表明树龄驱动土壤元素分配,可能与杨树根系吸收和凋落物归还等生理生态过程差异有关。细菌群落中,不同林龄组对土壤微生物组成具有最强负影响,形成"树龄—土壤性质—多样性—群落组成"的级联驱动网络,这符合细菌对土壤养分变化更敏感、群落组装更受环境选择影响的特征。真菌群落中,不同林龄组对α多样性影响更显著,β多样性对真菌群落组成的影响低于细菌群落且呈负影响,表明真菌群落结构更受资源质量驱动的β多样性分化影响。细菌和真菌的β多样性均受土壤Ca、K含量和树龄的强烈影响,表明树龄通过改变土壤微环境(如养分水平和碳库质量)塑造微生物空间异质性,进而调控群落组成。
研究结论指出,年轻黑杨人工林(0–15年)的早期发育与表层土壤碳组分和微生物群落结构的变化相关联。MBC向老龄阶段增加,DOC和SOC在同一龄级中出现非显著性数值最大值。细组分/矿物结合碳变量(MAOC)在中龄林中呈现非显著性数值最大值,提示可能是细组分碳形成的过渡阶段。细菌和真菌群落在不同龄级间存在差异,酸杆菌门在中龄林中富集,变形菌门在幼龄林和中近熟林中相对更丰富。探索性网络分析和组装分析表明中龄林中存在更强的潜在微生物关联,但这些发现需要更大样本量的验证。总体而言,早期林分发育与表层土壤碳组分和微生物群落组成的耦合变化相关联,同时强调在得出全林碳汇结论之前,需要更深剖面、更老林龄和功能验证。