Page 129 - 《广西植物》2026年第2期

２ 期 杨帆等: 增温对川西亚高山冷杉林凋落叶分解过程中有机碳含量的短期影响 ３ ２ ３

ｃｈａｍｂｅｒꎬ ＯＴＣ) 实现ꎬ即在样方内搭建 ２ ｍ × ２ ｍ、 内冷杉凋落叶在 ６５ ℃ 烘箱中烘干至恒重ꎬ以测定
高 １.５ ｍ 的方形钢架结构ꎬ四周用透明 ＰＥ 塑料膜 质量残留和含水量ꎬ随后将样品研磨过 ０.２５ ｍｍ
围挡ꎬ顶部保持开放ꎻ对照样方则不作处理ꎮ 筛孔ꎬ装入密封袋标记待测ꎮ 每个土柱中的土壤
为模拟受控条件下的自然生态系统过程并评 样品按土层分开处理ꎬ有机层和矿质层土壤分别
估干扰影响ꎬ本研究采用微观宇宙 (ｍｉｃｒｏｃｏｓｍ) 方 过 ２ ｍｍ 筛孔以去除粗颗粒杂质ꎬ分装于密封袋
法预制实验样品 ( Ｊｉａｎｇ ＆ Ｐａｔｅｌꎬ ２００８)ꎮ 本研究 中ꎬ置于 ４ ℃ 冰箱中保存ꎮ 当期采集的所有样品
通过分层采样以还原土壤剖面层次ꎬ即分别采集 在 ７ 日内完成理化分析ꎮ
有机层 (０ ~ １０ ｃｍ) 和矿质层 (１０ ~ ２０ ｃｍ) 原状 采用烘干法测定土壤和凋落物的含水量ꎮ 采
土样ꎬ并分层混合以保证土壤均质化ꎮ 混合后的 用重铬 酸 钾 氧 化 法 测 定 总 有 机 碳 ( ｔｏｔａｌ ｏｒｇａｎｉｃ
土壤按自然层序填充至预制 ＰＶＣ 管中ꎬ制成用于 ｃａｒｂｏｎꎬ ＴＯＣ)ꎮ 可 溶 性 有 机 碳 ( ｄｉｓｓｏｌｖｅｄ ｏｒｇａｎｉｃ
原位培养的土柱ꎮ 土柱制作方法如下:底部填充 ｃａｒｂｏｎꎬ ＤＯＣ) 是将去离子水浸提后的滤液ꎬ采用

１０ ｃｍ 矿质层土壤 ( ＰＶＣ 管直径 １５ ｃｍ、高度 ２０ ＴＯＣ 分 析 仪 ( ｍｕｌｔｉ Ｎ/ Ｃ ２１００ꎬ Ａｎａｌｙｔｉｋ Ｊｅｎａꎬ
ｃｍ)ꎬ上覆 １０ ｃｍ 厚的有机层土壤ꎬ形成土壤剖面ꎮ Ｔｈｕｒｉｎｇｅｎꎬ Ｇｅｒｍａｎｙ) 测定ꎮ 热水溶性有机碳 ( ｈｏｔ
管底用 ０.０５ ｍｍ 孔径尼龙网封口以防漏土ꎬ顶部 ｗａｔｅｒ￣ｓｏｌｕｂｌｅ ｏｒｇａｎｉｃ ｃａｒｂｏｎꎬ ＨＷＯＣ) 是将沸腾蒸馏
覆盖 ２ ｍｍ 孔径尼龙滤网以阻隔外界凋落物输入 水浸提后的滤液ꎬ通过 ＴＯＣ 分析仪测定 ( Ｌａｎｄｇｒａｆ
并允许降水输入土柱ꎮ ＰＶＣ 管壁预先均匀钻有 ｅｔ ａｌ.ꎬ ２００６)ꎮ 采用苯酚 － 硫酸法测定可溶性糖
１００ 个 ２ ｍｍ 孔径的微孔ꎬ使外界植物细根可以接 (ｄｉｓｓｏｌｖｅｄ ｓｕｇａｒꎬ ＤＳ) 和淀粉 (ｓｔａｒｃｈ) 含量ꎬ以可溶
触土柱内部 ( Ｙａｎｇ ｅｔ ａｌ.ꎬ ２０２１)ꎮ 整个实验共制 性糖和淀粉的总和表示非结构性碳 (ｎｏｎ￣ｓｔｒｕｃｔｕｒａｌ
备 ６０ 组独立土柱 (２ 种处理 × ５ 个重复 × ６ 次动 ｃａｒｂｏｎꎬ ＮＳＣ) (Ｂｕｙｓｓｅ ＆ Ｍｅｒｃｋｘꎬ １９９３)ꎮ
态采样)ꎬ所有土柱均埋设回原位样方坑中ꎮ 此 １.４ 数理统计分析
外ꎬ每个样方中还设置了用于温度监测的独立土 凋落叶质量变化使用烘干法得出凋落叶的初
柱ꎬ内置纽扣式温度记录仪ꎬ每 ２ ｈ 记录 １ 次土壤 始质量与各个分解时期剩余质量间差值的百分比
温度ꎮ ２０１８ 年 １０ 月 ２５ 日ꎬ将预先采集的岷江冷 和凋落叶质量残留表示ꎮ 凋落叶质量残留 ( ｌｉｔｔｅｒ
杉凋落叶样品装入 ２ ｍｍ 孔径尼龙网分解袋ꎬ每袋 ｍａｓｓ ｒｅｍａｉｎｉｎｇꎬ ＬＭＲ) 表示各分解时期凋落叶剩
准确称取(５ ± ０.０５) ｇꎮ 随后ꎬ将分解袋平铺于每 余质量占初始质量的百分比:
个样方内 ＰＶＣ 土柱的土壤表面ꎬ并恢复土柱顶部 ＬＭＲ (％)＝ Ｍ / Ｍ ×１００ꎮ
ｔ ｏ
的尼龙网覆盖ꎮ 每根完整的土柱即构成具有“ 凋 式中: Ｍ 表示凋落叶初始质量 (ｇ)ꎻＭ 表示凋
ｏ ｔ
落物层－土壤有机层－土壤矿质层” 剖面结构的独 落叶在各分解时期的剩余质量 (ｔ ＝ ０ꎬ１ꎬꎬ６)ꎮ
立微观宇宙ꎬ并保证了样品间的均质性ꎮ 使用 线 性 混 合 效 应 模 型 分 析 ( ｌｉｎｅａｒ￣ｍｉｘｅｄ
１.３ 样品采集与测定 ｅｆｆｅｃｔｓ ａｎａｌｙｓｉｓꎬ ＬＭＥ) 比较凋落叶在不同关键时期
本研究根据冬季降雪和生长季植被物候的特 的组间差异 ( 对照和增温处理)ꎬ并分析增温处
征ꎬ将 １ 年划分为 ６ 个关键时期ꎬ即冬季成雪期 理、关键时期对所测全部碳变量的独立和交互效

( ｓｎｏｗ ｆｏｒｍａｔｉｏｎ ｐｅｒｉｏｄꎬ ＳＦＰ )、 覆 雪 期 ( ｓｎｏｗ 应ꎬ该分析在 Ｒ 中使用 ｌｍｅ４ 包实现 ( Ｂａｔｅｓ ｅｔ ａｌ.ꎬ
ｃｏｖｅｒａｇｅ ｐｅｒｉｏｄꎬ ＳＣＰ)、融雪期 ( ｓｎｏｗ ｍｅｌｔ ｐｅｒｉｏｄꎬ ２０１５)ꎮ 使用赤池信息量准则 ( Ａｋａｉｋｅ ｉｎｆｏｒｍａｔｉｏｎ
２
ＳＭＰ ) 以 及 生 长 季 前 期 ( ｅａｒｌｙ ｇｒｏｗｉｎｇ ｓｅａｓｏｎꎬ ｃｒｉｔｅｒｉｏｎꎬ ＡＩＣ) 和校准后的 Ｒ 确定系数的多元逐
ＥＧＳ)、生长季中期 (ｍｉｄｄｌｅ ｇｒｏｗｉｎｇ ｓｅａｓｏｎꎬ ＭＧＳ)、 步 线 性 回 归 分 析 ( ｍｕｌｔｉｐｌｅ ｓｔｅｐ￣ｗｉｓｅ ｌｉｎｅａｒ
生长季后期 ( ｌａｔｅ ｇｒｏｗｉｎｇ ｓｅａｓｏｎꎬ ＬＧＳ)ꎮ 在 ２０１８ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓ) 评估预测变量 ( 土壤温度、含
年 １２ 月至 ２０１９ 年 １０ 月ꎬ共进行 ６ 次动态采样ꎬ完 水量、凋落叶质量、凋落叶含水量) 与因变量 ( 凋
整获取 １ 个“ 冬季－生长季” 周期的样品ꎮ 采样流 落叶各种有机碳组分) 之间的关联性 (Ｖｅｎａｂｌｅｓ ｅｔ
程如下:在每个原位样方采集 １ 根预埋土柱ꎬ立即 ａｌ.ꎬ ２００２ )ꎮ 使 用 偏 最 小 二 乘 结 构 方 程 模 型
装入密封袋标记后放入冷藏箱ꎬ并在 １２ ｈ 内运回 (ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ ｓｔｒｕｃｔｕｒａｌ ｅｑｕａｔｉｏｎ ｍｏｄｅｌꎬＰＬＳ￣
实验室进行样品处理ꎮ 取出每个土柱中的凋落叶 ＳＥＭ) 分析对照和增温处理下土壤温湿度、凋落叶
分解袋ꎬ仔细去除其表面的苔藓、泥土和细根ꎮ 袋 含水量、凋落叶质量、凋落叶有机碳组分之间的生