《Forests》:Soil C:N Stoichiometry and pH Are Associated with PLFA-Based Microbial Community Structure Across Forest Types
编辑推荐:
森林类型与土壤性质和微生物群落的差异相关联,但跨土壤深度的微生物变异的环境相关因素仍未得到充分解析。本研究在中国中部五个代表性亚热带森林类型中,检验了基于磷脂脂肪酸(PLFA)衍生的微生物群落结构与土壤总碳(C)浓度或土壤C化学计量变异之间的关系。研究人员测定
森林类型与土壤性质和微生物群落的差异相关联,但跨土壤深度的微生物变异的环境相关因素仍未得到充分解析。本研究在中国中部五个代表性亚热带森林类型中,检验了基于磷脂脂肪酸(PLFA)衍生的微生物群落结构与土壤总碳(C)浓度或土壤C化学计量变异之间的关系。研究人员测定了表层(0–10 cm)和亚表层(10–30 cm)土壤的理化性质及磷脂脂肪酸(PLFA)谱。森林类型与土壤水分、pH、无机氮、有效磷、总碳(TC)、总氮(TN)及C比率的差异相关联,并伴随PLFA衍生的微生物特征的独特模式。橡树林具有最高的TC和TN浓度,但总PLFA丰度最低;而水杉林尽管TC和TN浓度相对较低,却具有相对较高的微生物生物量。冗余分析(RDA)表明,在两个土层中,土壤C比率是与PLFA微生物群落变异关联最强的环境变量,其次是pH和NO??,而表层土壤中土壤含水量(SWC)还表现出额外的关联。在微生物类群水平上,土壤C比率与细菌和放线菌生物标志物呈负相关,而土壤pH与真菌和丛枝菌根真菌(AMF)PLFA呈正相关。这些结果表明,所采样森林类型间PLFA衍生微生物特征的变异与土壤总C化学计量及其他土壤环境条件的关联程度高于仅与TC浓度的关联。总体而言,土壤总C化学计量为所采样森林类型间的地下微生物变异提供了有信息量的关联指标,尽管这些关联并不能确立森林类型的因果效应。
研究背景、存在问题与研究目的
森林是地球上最大的陆地碳库之一,通过地上—地下耦合过程调节全球气候、水文过程和生物多样性。然而,自然演替、土地利用转变、造林和经营管理等方式正导致森林生态系统发生深刻的结构变化。以往研究多聚焦于植被结构和地上碳含量变化,但越来越多的证据表明,地下过程通过调控有机质分解、养分循环和土壤碳固定显著影响生态系统功能。土壤微生物是这些过程的主要驱动者,其群落结构和生物量决定有机底物转化、养分有效性及土壤碳保留效率。因此,识别森林类型如何影响微生物群落,对理解生态系统对植被变化的响应具有重要意义。目前已有研究指出,森林类型主要通过改变土壤环境影响微生物群落,例如不同树种凋落物化学性质、根系碳输入、菌根共生关系和养分获取策略差异会改变底物有效性与土壤理化条件,进而影响微生物生物量和群落组成。然而,以往研究尚未明确森林类型间微生物群落差异是与土壤碳绝对数量关联更紧密,还是与土壤碳氮相对平衡关联更紧密,也较少同时关注不同土壤深度下这些环境变量相对重要性的变化以及群落水平与微生物类群水平响应模式的差异。本研究以中国中部亚热带—暖温带过渡区的鸡公山国家级自然保护区内五种代表性森林类型为对象,比较不同森林类型和土壤深度下土壤理化性质、微生物生物量及PLFA衍生群落组成变化,并探究与微生物群落变异关联最强的环境因子,旨在阐明土壤碳化学计量和pH在调节地下微生物变异中的作用。
研究内容与主要结论
研究人员在鸡公山国家级自然保护区选取橡树、马尾松、火炬松、水杉和毛竹五种代表性森林类型,每种类型设置一个代表性林分,林分内建立三个10 m×10 m样地,于2025年7月采集0–10 cm和10–30 cm两层土壤样品,共获得30个复合土壤样品。通过测定土壤水分、pH、铵态氮、硝态氮、有效磷、总碳、总氮和碳氮比等理化性质,并利用磷脂脂肪酸谱分析表征微生物群落结构与生物量,结合重复测量方差分析、主成分分析、置换多元方差分析、冗余分析、皮尔逊相关分析和逐步多元回归等方法,解析森林类型与微生物群落和环境因子的关联。结果表明,五种森林类型对应显著不同的土壤资源环境:橡树林总碳和总氮最高但微生物生物量最低,水杉林总碳和总氮较低但微生物生物量和真菌生物量最高;土壤C/N比是跨两个土层与PLFA微生物群落变异关联最强的环境变量,pH为第二重要变量,表层土壤中土壤含水量额外关联微生物变异,NO??在亚表层起补充作用;C/N比与细菌和放线菌生物标志物呈负相关,pH与真菌和丛枝菌根真菌呈正相关。研究结论表明,所采样森林类型间微生物群落特征的变异与土壤碳化学计量和其他土壤环境条件的关联程度高于仅与总碳浓度的关联,土壤C/N比是地下微生物变异的重要关联因子。
主要关键技术方法
研究采用磷脂脂肪酸(PLFA)分析法表征土壤微生物群落结构,依据标准生物标志物分类体系鉴定总细菌、革兰氏阳性菌(G+)、革兰氏阴性菌(G?)、放线菌、真菌、丛枝菌根真菌(AMF)等功能群。土壤理化分析包括总有机碳分析仪测定TC和TN、KCl浸提—离散自动分析仪测定无机氮、NaHCO?浸提—钼蓝比色法测定有效磷、电极法测定pH及烘干称重法测定含水量。统计方法涉及重复测量方差分析、基于Bray–Curtis距离的置换多元方差分析(PERMANOVA)、主成分分析(PCA)、冗余分析(RDA)、Benjamini–Hochberg校正的皮尔逊相关分析以及逐步多元线性回归,并采用方差膨胀因子筛选共线变量。
研究结果
土壤理化性质差异
重复测量方差分析显示,森林类型和土壤深度对含水量、pH、铵态氮、有效磷、总碳和总氮存在显著交互作用。橡树林在表层和亚表层具有最高的总碳、总氮和C/N比,水杉林在两个土层pH均显著高于其他森林类型。橡树林表层铵态氮和硝态氮浓度最高,毛竹林表层有效磷最高。多数土壤变量随深度增加而显著下降。
微生物生物量和群落组成
森林类型显著影响总PLFA、真菌、细菌、G+、G?、放线菌和AMF丰度。水杉林和毛竹林的总PLFA、细菌以及真菌生物量整体较高,橡树林微生物生物量持续最低。水杉林真菌和AMF PLFA在两个土层均显著高于其他类型。G+/G?比在橡树林最高。真菌、放线菌和AMF表现出显著的森林类型×土壤深度交互作用,表明森林类型间差异随土层而变化。主成分分析显示,PC1和PC2共同解释PLFA谱变异的81.54%,PERMANOVA证实森林类型和土壤深度与微生物群落结构显著关联,森林类型解释总变异的46.54%。
环境因子与微生物群落组成的关联
冗余分析显示,土壤环境变量在表层和亚表层分别解释PLFA群落结构变异的81.7%和85.5%。表层中C/N比(调整R2=0.55)是最强关联变量,其后依次为pH、NO??和含水量;亚表层中C/N比仍最强(调整R2=0.43),pH和NO??次之。皮尔逊相关分析表明,C/N比与总PLFA及多数微生物类群丰度呈负相关,与G+/G?比呈正相关;pH与真菌和AMF丰度正相关;含水量和有效磷分别与表层和亚表层F/B比正相关。逐步回归进一步确认C/N比是总PLFA和细菌类群的主要负向预测因子,pH是真菌和AMF的重要预测因子,NO??在亚表层提供额外正向关联,模型解释表层和亚表层微生物属性方差的56.1%–93.5%和74.7%–97.2%。
讨论与结论
讨论部分指出,五种森林类型对应差异化的土壤资源环境,这种差异更可能反映植被长期对土壤资源动态的改造而非区域气候差异。橡树林高碳含量与低微生物生物量的解耦现象说明土壤总碳含量并不能直接代表微生物可利用底物数量,高C/N比所体现的化学计量不平衡可能限制了微生物生长。水杉林作为落叶针叶树,其较高pH和独特凋落物特征可能与较高的真菌和AMF生物量相关。土壤C/N比作为整合性的化学计量指标,比单独的总碳或总氮更能反映微生物生长的资源平衡条件。pH则主要与真菌类群关联,体现其通过养分有效性、酶活性和生理耐受性影响微生物群落。环境因子的相对重要性随土壤深度变化,表层中水分作用突出,亚表层中NO??作用增强。研究同时承认每种森林类型仅含一个林分、样地间海拔坡度差异及未直接测定凋落物化学和根系过程等局限。结论部分翻译如下:本研究表明,不同森林类型与土壤资源条件和PLFA衍生微生物特征在土壤深度间的差异相关联。土壤C/N比是与微生物群落变异关联最一致的环境变量,而土壤pH与真菌和AMF生物量表现出更强的关联。与PLFA微生物群落结构关联的环境变量在不同土层间存在差异,表层中土壤含水量关联更强,而C/N比、pH和NO??共同贡献于深层土壤的变异。值得注意的是,橡树林总碳和总氮浓度最高但微生物生物量最低,而水杉林尽管总碳和总氮浓度相对较低却支持了相对较高的微生物生物量。这些对比模式表明,微生物生物量和PLFA衍生群落特征与土壤化学计量条件及环境背景的关联程度高于仅与土壤总碳浓度的关联。总体而言,土壤C/N比是所采样森林类型间地下微生物变异的重要关联因子。未来采用重复林分、长期观测以及直接测定微生物养分限制、酶活性、凋落物特性和根际过程的研究,将有助于区分林分水平效应与森林类型差异,并阐明土壤性质与微生物群落之间关联的机制。