Page 9 - 《广西植物》2024年第7期
P. 9

7 期               李勋等: 针阔凋落叶混合分解过程中可溶性有机碳释放的动态特征                                          1 2 0 9

            Germany)测定ꎮ 其他初始含量测定方法:全碳含量                        响因子对 DOC 释放率(观测值-期望值) 具有显著
            采用 TOC 分析仪测定ꎻ全氮、全磷、总酚、缩合单宁                         贡献ꎮ 采用 SPSS 26.0 软件统计和分析研究数据ꎬ
            含量分别采用凯氏定氮法( LY / T 1269—1999)、钼                   采用 Excel 2013 和 Origin 2021 软件绘制图表ꎮ
            锑抗比色法(LY / T 1270—1999)、福林酚比色法以
            及香草醛-盐酸法 (Schofield et al.ꎬ 1998)测定ꎻ木              2  结果与分析
            质素和纤维素含量采用范氏( Van Soest) 洗涤纤维

            法测定(Vanderbilt et al.ꎬ 2008)ꎮ                      2.1 凋落叶初始物质含量
            1.5 数据处理与统计分析                                          3 个单一凋落叶初始质量特征如表 3 所示ꎬ2

                 凋落叶 DOC 释放率计算公式如下:                            个阔叶乡土树凋落叶的 C 含量、木质素含量、纤维
                       R = (1-M C / M C ) ×100%ꎮ               素含量、总酚含量、缩合单宁含量、C / N、C / P、木质
                               t
                                 t
                                    0
                                      0
                 式中: R 为当次采样所测 DOC 释放率(%)ꎻ                     素 / N 以及木质素 / P 均显著低于马尾松凋落叶ꎮ
            M 表示当次采样所测的剩余凋落叶质量(g)ꎻM 表                          N 含量和 P 含量在香椿凋落叶中显著最高ꎬ香樟
              t
                                                       0
            示凋落叶未分解前的初始质量( g)ꎻC 为当次采样                          凋落叶次之ꎬ马尾松凋落叶最低ꎮ 3 个树种凋落叶
                                               t
            所测凋落叶 DOC 含量( gkg )ꎻC 表示落叶未分                     的 N / P 无显著差异ꎮ 总体而言ꎬ马尾松与 2 种阔
                                        ̄1
                                            0
                                        ̄1                      叶凋落叶混合后ꎬ马尾松占较大比例的混合处理
            解前的 DOC 初始含量(gkg )ꎮ
                 预期值的计算公式如下:                                   凋落叶的 C 含量、木质素含量、纤维素含量、总酚
                 A×n + B×n + C×n ꎮ                             含量、缩合单宁含量、木质素 / N 以及木质素 / P 相
                    1      2     3
                 式中: A 是来自树种 A 凋落叶在实际分解过                       对较高ꎻ香椿与香樟凋落叶占比越大ꎬ混合凋落叶
            程中的 DOC 释放率ꎻn 是指树种 A 凋落叶在混合                        的 N 含量与 P 含量相对越高(表 4)ꎮ
                                 1
            凋落叶中的比例ꎻB 是来自树种 B 凋落叶在实际                           2.2 凋落叶的 DOC 含量
            分解过程中的 DOC 释放率ꎻn 是指树种 B 凋落叶                        2.2.1 单一树种凋落叶的 DOC 含量  3 个单一树
                                        2
            在混合落叶中的比例ꎮ 依此类推ꎮ                                   种凋落叶的 DOC 含量如图 1 所示ꎮ 香椿凋落叶的
                 采用 单 因 素 方 差 分 析 ( one ̄way ANOVA) 和           初始 DOC 含量最高ꎬ其次为香樟ꎬ马尾松显著最
            Turkey 法比较 3 个单一树种(马尾松、香樟以及香                       低ꎮ 分解 6 个月后ꎬ香椿凋落叶的 DOC 含量显著
            椿)、不同混合处理凋落叶之间以及同一处理在不                             降低ꎬ香樟的 DOC 含量无显著变化ꎬ而马尾松凋落
            同分解时期之间 DOC 释放率的差异ꎮ 方差同质性                          叶的 DOC 含 量 显 著 升 高ꎬ出 现 富 集 现 象ꎮ 之 后
            检验采用 Levene’ s 法ꎬ对于不满足该假设的研究                       (6 ~ 12 个月)ꎬ3 个单一树种凋落叶的 DOC 含量均
            数据进行 Log 转化ꎮ 在本研究中ꎬ预期值是指理论                         显著降低ꎬ并随着分解时间的延长(12 ~ 24 个月)
            上混合凋落叶分解下的 DOC 释放率ꎬ而观察值是                           DOC 含量均有所增高ꎬ出现富集现象ꎮ 总体而言ꎬ
            指实际分解过程中混合凋落叶的 DOC 释放率ꎮ 采                          在第一年分解期间ꎬ3 个单一树种凋落叶的 DOC
            用独立 t 检验(α 水平为 0.05)来判断 DOC 释放率                    含量随 着 分 解 时 间 的 延 长 有 所 降 低 ( 除 了 马 尾
            的观测值与期望值之间的差异:将混合效应分为                              松)ꎻ而在第二年分解期间ꎬ3 个单一树种凋落叶的
            加性效应( 观测值与期望值之间不存在显著性差                             DOC 含量随着分解时间的延长均有所升高ꎮ
            异)与非加性效应(观测值与期望值之间存在显著                             2.2.2 一针一阔混合凋落叶的 DOC 含量  马尾松
            性差异)ꎮ 其中ꎬ非加性效应又包含协同效应( 观                           分别与香樟、香椿按照一针一阔以及 8 ∶ 2、7 ∶ 3
            测值-期望值大于 0 且 P<0.05) 和拮抗效应( 观测                     和 6 ∶ 4 比例混合(PC 和 PT)ꎬ其 DOC 含量如图 2

            值-期望值小于 0 且 P<0.05)ꎮ                               所示ꎮ 不同组合之间 DOC 含量有显著差异ꎮ PT
                 采用偏最小二乘法( partial least ̄squaresꎬPLS)          和 PC 组合凋落叶初始 DOC 含量(分解 0 个月时)
            回归分析本研究凋落叶初始物质含量、化学计量                              均呈阔叶占比越大其 DOC 含量越高ꎮ PT 组合 3
            比对凋落叶 DOC 释放率(观测值-期望值) 的相对                         个比例在两年分解期间均表现为 PT82 显著最高ꎬ
            重要性ꎮ 模型中单个影响因子对 DOC 释放率的相                          除分 解 12 个 月 时 PT73 的 DOC 含 量 显 著 高 于
            对重要性采用变量重要性指标( variable importance                 PT64 外ꎬ其余时期 PT73 和 PT64 之间差异不显著
            in projectionꎬVIP)来表示ꎬ若 VIP 值﹥ 1 则表示影              (图 2: A)ꎮ PC 组合 3 个比例在两年分解期间均
   4   5   6   7   8   9   10   11   12   13   14