岷江流域不同土地利用类型土壤养分及微生物群落多样性研究

胡 尧，李 懿，侯雨乐

(阿坝师范学院，四川 汶川 623002)



岷江流域不同土地利用类型土壤养分及微生物群落多样性研究

胡 尧，李 懿，侯雨乐

(阿坝师范学院，四川 汶川 623002)

以四川省岷江流域不同土地利用类型(次生林、人工林、灌草丛和坡耕地)土壤为研究对象，利用Biolog微平板法和磷脂脂肪酸甲酯(FAMEs)法系统研究微生物群落多样性特征以及在不同土地利用类型的分布规律。结果表明：各土地利用类型土壤均略显酸性，pH值高低依次为坡耕地、灌草丛、人工林和次生林，土壤电导率、容重和孔隙度有所波动；土壤养分含量和有效养分含量高低大致依次为次生林、人工林、灌草丛和坡耕地。不同土地利用类型土壤微生物群落代谢平均颜色变化率(average well color development，AWCD)随培养时间延长而逐渐增加，土壤微生物群落代谢活性大小依次为次生林、人工林、灌草丛和坡耕地。土壤微生物对不同种类碳源的利用强度存在较大差异，羧酸类和碳水化合物类碳源是不同土地利用类型土壤微生物的主要碳源，其后依次为酚酸类、氨基酸类和聚合物类，而土壤微生物对胺类碳源的利用率最小。土壤微生物群落丰富度指数(H)、均匀度指数(E)、优势度指数(DS)和碳源利用丰富度指数(S)总体表现为次生林最高，人工林和灌草丛次之，坡耕地最低，不同土地利用类型间DS差异未达显著水平(P>0.05)。主成分分析结果表明，从31个因素中提取的与碳源利用相关的主成分1和2分别能够解释变量方差的63.89%和18.55%，在主成分中贡献最大的是羧酸类和碳水化合物类碳源；土壤微生物多样性指数与土壤有机质含量和全氮含量之间均达显著或极显著正相关，与pH值呈负相关，即土壤有机质含量和全氮含量对土壤微生物多样性影响较大。上述研究结果表明次生林土壤养分含量更高，更适合土壤微生物生存，这对于维持该区域生态系统功能稳定性具有重要意义。

岷江流域；土地利用类型；土壤养分；土壤微生物；群落多样性

四川岷江流域位于我国西南部,该区域地貌类型复杂多变,是我国土地利用类型呈现多样化的重要区域[1-3]。土地利用是人类活动和自然作用相互影响的过程,人为干扰导致土地利用结构类型变化多样。随着人口增长和经济的发展,岷江流域中下游人口与土地矛盾越显突出,土地垦殖系数居高不下[4-5]。闽江流域可分为次生林、人工林、灌草丛和坡耕地,这些土地利用的变化可以改变土壤的理化性质和生物学特性。合理的土地利用方式能够改善土壤结构,增强土壤对外界环境的抵抗力,而不合理的土地利用方式则导致土壤侵蚀加速和土壤退化等[4,6-7]。土壤养分影响着土壤的透水性、缓冲性、耕性、保墒性和温度等,是表征土壤肥力高低的重要指标之一[8-9];土壤微生物参与土壤有机质的分解、腐殖质形成和养分循环等过程,土壤微生物群落结构构成是衡量土壤质量和维持土壤肥力的重要指标[10-11]。受技术和方法的限制,以往研究多侧重于土壤微生物数量[12-13],而土壤微生物在组成和区系上的变化,应结合土壤微生物多样性开展研究。Biolog微平板法对功能微生物群落变化较为敏感,近年来广泛用于评价土壤微生物群落功能多样性。笔者以四川岷江中下游流域为研究对象,基于连续2 a的数据探讨了紫红壤区不同土地利用类型土壤养分和土壤微生物多样性的差异,研究结果不仅可为揭示该区域生态系统土壤养分和微生物变化规律提供理论依据,而且可对该区域农林业生产实践与管理及土壤质量提高等方面具有重要意义。

1 材料与方法

1.1 研究区概况

岷江流域自然资源和水能资源十分丰富,流域内紫色土分布于四川盆地段,是重要的耕地资源。岷江流域源于岷山南麓,是长江支流中水量最大的流域,干流全长735 km,落差约3 560 m,流域面积达13.3万km2。以都江堰市以上河段为上游,都江堰市至乐山市大渡河汇入处为中游,乐山至宜宾长江汇合处为下游段。上游河段属峡谷型河流,地形复杂,两岸耕地、人口分布少;中游和下游经丘陵平原区,地势平坦,两岸耕地、人口分布较多,农业发达,为该文研究区域。

岷江流域大部分属亚热带气候区,上游受山地的影响,属温带-亚寒热带气候类型,干流沿江气温自上游至下游逐渐升高,年平均气温为5～9 ℃,上游山区气温日较差大,都江堰市以下至宜宾的平原丘陵地区气温已无明显差别,年平均气温约为17 ℃,最低气温约为-4 ℃,最高气温约为38 ℃。岷江流域降雨季节变化明显,汛期暴雨频发,尤其集中在6—9月,夏秋两季雨量可占全年的80%以上,沿干流上游河谷松潘县至汶川段多年平均年降水量为400～700 mm,自汶川县映秀湾以下至都江堰市是岷江干流的降雨中心,多年平均年降水量达1 100～1 600 mm,岷江中下游多年平均年降水量为900～1 300 mm[14]。

1.2 试验设计

在岷江流域选取坡耕地、次生林、人工林和灌草丛,布设4个水平投影面积为100 m×100 m的小区。坡耕地:流域内传统种植方式,种植有豌豆、蔬菜和烟草等,伴生有紫茎泽兰群落,植被覆盖度<10%。次生林:封育多年后形成的以大戟科、樟科、壳斗科和茜草科等植物为主的森林群落,覆盖度>80%。人工林:流域综合治理,农户将大部分坡耕地进行退耕还林,主要种植马尾松林,林间伴生有灌木、草本及苔藓等,覆盖度为50%～80%。灌草丛:主要为热性灌草丛,与人工林相邻,以灌木杜鹃占优势,草本植物有马兰、三色堇和旱金莲等,覆盖度为20%～40%。4种土地类型均为红壤,略显酸性。

1.3 样品采集

于2013和2014年的9月中旬,对4种土地利用类型取样,每种土地利用类型设置3个样地,每个样地相距约100 m,每个样地设置5个采样点作为重复取样,5个采样点之间各间隔3 m。为了保证取样的一致性,取样点坡度均小于5°,采用四分法取样(保留约1 kg),每个采样点取样深度为0～20 cm混合土样(除去地表枯落物层)。所取样品分为2个部分,一部分鲜土现场过2 mm孔径筛后在4 ℃冰箱保存,另一部分带回实验室风干并去除杂质后供测定养分和有效养分。同时,在采样点周围利用环刀取表层(0～10 cm)土壤(原状土)带回实验室测定并计算土壤容重和孔隙度,采用排水称重法测定土壤比重,土壤孔隙度=(1-容重/比重)×100。

1.4 测定方法

1.4.1 土壤养分的测定

一部分土壤样品经自然风干(20 d)后,除去植物根系、石子等颗粒型物质后过2 mm孔径筛。指标测定方法如下:土壤pH值采用电极电位法(2.5∶1 的水土质量比浸提液);土壤电导率采用电导法;土壤有机质含量采用重铬酸钾-外加热法;土壤全氮含量采用半微量凯氏定氮法;土壤有效磷含量采用NaHCO3浸提-钼锑抗比色法;土壤有效氮含量采用NaOH-H3BO3法;土壤有效钾含量采用乙酸铵浸提-火焰光度计法[15];土壤有效铜、锌、铁和锰含量采用DTPA提取-原子吸收光谱法[16]。

1.4.2 土壤微生物群落功能多样性的测定

另取一部分于4 ℃条件下保存的新鲜土样,过2 mm孔径筛后采用Biolog微平板法测定微生物代谢能力,取10 g新鲜土壤,加入90 mL无菌的0.145 mol·L-1NaCl溶液,摇床振荡30 min,样品稀释1 000倍,用Biolog排枪取100 μL接种于Eco板上,初次读数后,于25 ℃条件下恒温培养,每隔12 h于Biolog仪器上590 nm波长处读数,共培养216 h[17-18]。

溶液光密度平均颜色变化率(average well color development,AWCD,IAWCD)、Shannon-Wiener物种丰富度指数(H)、Shannon-Wiener均匀度指数(E)、碳源利用丰富度指数(S,被利用碳源总数,即光密度≥0.25的所有微孔光密度总和)和Simpson优势度指数(DS)的计算公式[19-20]:

IAWCD=∑(Ci-Ri)/n。

(1)

式(1)中,Ci为每个培养基孔的光密度;Ri为对照孔的光密度;n为培养基孔数,Biolog-Eco板n值为31。

H=-∑Pi(ln Pi)。

(2)

式(2)中,Pi为第i孔的相对光密度与整个微平板相对光密度总和的比值,计算公式为

Pi=(Ci-Ri)/∑(Ci-Ri)，

DS=1-∑Pi，

E=1-Pi2。

主成分分析采用培养96 h后的光密度,提取2个主因子,进而分析不同土地利用类型土壤利用碳源的结构。

1.4.3 土壤微生物群落结构多样性的测定

(1)将3.0 g新鲜土壤和15 mL 0.2 mol·L-1KOH甲醇溶液混合加入35 mL离心管中,同时加入100 μL标样(十九烷酸),37 ℃条件下温育1 h。

(2)加3 mL 1.0 mol·L-1醋酸溶液中和pH值,然后加10 mL正己烷,使磷脂脂肪酸甲酯(FAMEs)转到有机相中,按3 000 r·min-1离心10 min(离心半径为5 cm),然后在氮气流条件下挥发去除溶剂,将FAMEs溶解在0.5 mLV(正己烷)∶V(甲基丁基醚)=1∶1的混合液中。

(3)进行气相色谱(GC-MS)分析,得到土壤微生物的磷脂脂肪酸组成图谱,进而得到不同脂肪酸的含量和种类。

1.5 数据分析方法

采用Excel 2008和SPSS 17.0进行统计分析和单因素方差(one-way ANOVA)分析,显著性分析采用LSD法。

2 结果与分析

2.1 不同土地利用类型土壤理化性质

不同土地利用类型土壤理化性质具有明显差异,不同土地利用类型土壤略显酸性,pH值变化范围为6.2～7.3,坡耕地和灌草丛土壤pH值显著高于次生林和人工林(P<0.05)(表1);土壤电导率变化范围为75～103 μS·cm-2,灌草丛显著低于坡耕地、次生林和人工林(P<0.05);土壤容重变化范围为0.87～1.23 g·cm-3,坡耕地和灌草丛土壤容重显著高于次生林和人工林(P<0.05);土壤总孔隙度变化范围为35.7%～42.6%,次生林和人工林土壤总孔隙度显著高于坡耕地和灌草丛(P<0.05)。

表1 不同土地利用类型土壤理化性质

Table 1 Physico-chemical properties of the soils relative to land use

土地利用类型pH值电导率/(μS·cm-2)容重/(g·cm-3)孔隙度/%坡耕地7.3±0.6a103±9a1.18±0.08a36.2±3.5b次生林6.2±0.5b98±14ab0.87±0.15b42.6±2.7a人工林6.3±0.8b95±8b0.91±0.06b40.8±3.1a灌草丛6.8±0.7a75±7c1.23±0.14a35.7±2.9bF值25.6928.1431.5829.27

同一列数据后英文小写字母不同表示不同土地利用类型间某指标差异显著(P<0.05)。

2.2 不同土地利用类型土壤养分

不同土地利用类型土壤养分含量具有明显差异(表2),土壤w(有机质)变化范围为12.15～16.27 g·kg-1,次生林和人工林均显著高于坡耕地和灌草丛(P<0.05);土壤w(全氮)变化范围为0.97～1.24 g·kg-1,次生林和人工林均显著高于坡耕地和灌草丛(P<0.05);土壤w(有效磷)变化范围为22.17～29.42 mg·kg-1,次生林和人工林均显著高于坡耕地和灌草丛(P<0.05),坡耕地则显著低于人工林、次生林和灌草丛(P<0.05);土壤w(有效钾)变化范围为81.57～96.32 mg·kg-1,不同土地利用类型土壤有效钾含量差异均达显著水平(P<0.05);土壤w(有效锌)变化范围为1.56～2.03 mg·kg-1,坡耕地和灌草丛显著低于次生林(P<0.05);土壤w(有效铁)变化范围为7.64～9.91 mg·kg-1,次生林和人工林均显著高于坡耕地和灌草丛(P<0.05);土壤w(有效锰)变化范围为12.52～15.18 mg·kg-1,坡耕地显著低于次生林、人工林和灌草丛(P<0.05)。

表2 不同土地利用类型土壤养分含量

Table 2 Nutrient contents in the soils relative to land use

土地利用类型w(有机质)/(g·kg-1)w(全氮)/(g·kg-1)w(有效磷)/(mg·kg-1)w(有效钾)/(mg·kg-1)w(有效锌)/(mg·kg-1)w(有效铁)/(mg·kg-1)w(有效锰)/(mg·kg-1)坡耕地12.15±2.14b0.97±0.13b22.17±1.56c81.57±6.23d1.56±0.54b7.64±1.23b12.52±2.03c次生林16.27±3.02a1.24±0.18a28.31±2.67a96.32±7.89a2.03±0.42a9.85±2.04a15.18±1.87a人工林15.18±1.58a1.20±0.12a29.42±2.14a94.48±5.14b1.89±0.38ab9.91±1.56a14.87±2.04ab灌草丛13.74±2.84b0.98±0.08b25.23±2.78b87.35±4.28c1.62±0.47b7.69±1.98b13.58±1.56bF值35.7831.4824.3629.4726.2335.1729.58

同一列数据后英文小写字母不同表示不同土地利用类型间某指标差异显著(P<0.05)。

2.3 不同土地利用类型土壤微生物群落代谢平均颜色变化率

微生物群落功能多样性反映微生物的生态功能,土壤微生物群落代谢IAWCD是判断土壤微生物群落利用碳源能力的重要指标,反映土壤微生物的代谢活性。各土地利用类型土壤开始培养后每隔24 h测定IAWCD,IAWCD随时间的动态变化见图1。

图1 不同土地利用类型土壤微生物

随着培养时间的延长,不同土地利用类型土壤微生物碳源利用总体上呈逐渐增加趋势,培养初始24 h内IAWCD变化不明显,灌草丛和坡耕地土壤微生物碳源利用在培养24～72 h内IAWCD快速增长,此时微生物活性旺盛,72 h后增长缓慢,192 h后急剧增长;次生林和人工林土壤微生物碳源利用在培养72 h后急剧增长,并且增长幅度逐渐变大;在培养48 h以前,不同土地利用类型土壤微生物碳源利用基本相一致,在48 h以后,相同时间次生林和人工林土壤微生物碳源利用显著高于灌草丛和坡耕地,而灌草丛和坡耕地土壤微生物碳源利用基本相似;相同时间土壤微生物碳源利用高低大致依次为次生林、人工林、灌草丛和坡耕地,局部有所波动。

2.4 不同土地利用类型土壤微生物对碳源利用强度

根据不同土地利用类型土壤微生物碳源利用情况,综合考虑其变化趋势,选取光密度增加较快的120 h时的IAWCD进行土壤微生物群落代谢多样性分析,按化学基团的性质将Eco板上的31种碳源分成氨基酸类、羧酸类、碳水化合物类、胺类、聚合物类和酚酸类6类。6类碳源均呈现随着培养时间的延长微生物利用碳源的量逐渐增加的趋势。每类碳源的IAWCD平均值见表3。由表3可知,土壤微生物对不同种类碳源的利用强度存在较大差异。不同土地利用类型土壤微生物对6种碳源的利用率高低排序大致相同,高低依次为次生林、人工林、灌草丛和坡耕地,次生林利用率最高,坡耕地最低。不同土地利用类型对氨基酸类、碳水化合物类、羧酸类、聚合物类、胺类和酚酸类利用率变化范围分别为0.35～0.68、0.73～1.25、0.78～1.24、0.31～0.52、0.13～0.19和0.46～0.67。次生林、人工林和灌草丛对氨基酸类利用率分别比坡耕地高94.29%、68.57%和17.14%,对碳水化合物类利用率分别比坡耕地高71.23%、54.79%和26.03%,对羧酸类利用率分别比坡耕地高58.97%、44.87%和34.62%,对聚合物类利用率分别比坡耕地高67.74%、41.94%和3.23%,对胺类利用率分别比坡耕地高46.15%、15.38%和23.08%,对酚酸类利用率分别比坡耕地高45.65%、41.30%和30.43%。整体来看,羧酸类和碳水化合物类碳源是土壤微生物的主要碳源,其后依次为酚酸类、氨基酸类、聚合物类,而土壤微生物对胺类碳源的利用率最小。

表3 不同土地利用类型土壤微生物对碳源利用强度

Table 3 Carbon sources utilization intensity of soil microbes in the soils relative to land use

土地利用类型对不同碳源利用强度氨基酸类碳水化合物类羧酸类聚合物类胺类酚酸类坡耕地0.35±0.09c0.73±0.23c0.78±0.07c0.31±0.08c0.13±0.05b0.46±0.08c次生林0.68±0.11a1.25±0.18a1.24±0.13a0.52±0.12a0.19±0.04a0.67±0.07a人工林0.59±0.16b1.13±0.21ab1.13±0.18ab0.44±0.09b0.15±0.06ab0.65±0.13ab灌草丛0.41±0.17c0.92±0.16b1.05±0.24b0.32±0.13c0.16±0.03ab0.60±0.15bF值23.4731.2521.7823.5430.7826.46

同一列数据后英文小写字母不同表示不同土地利用类型间某指标差异显著(P<0.05)。

2.5 不同土地利用类型土壤微生物群落多样性

土壤微生物群落多样性指数可用来指示群落利用碳源的程度,根据培养96 h时IAWCD计算土壤微生物群落的H、DS、E和S(表4)。结果表明,不同土地利用类型土壤微生物群落功能多样性指数存在一定差异,不同土地利用类型土壤微生物H变化范围为0.98～2.98,次生林和人工林显著高于坡耕地和灌草丛(P<0.05);E变化范围为0.36～0.92,次生林和人工林显著高于坡耕地和灌草丛(P<0.05);DS变化范围为0.95～0.99;S变化范围为8.5～22.3,次生林和人工林显著高于坡耕地和灌草丛(P<0.05)。

表4 不同土地利用类型土壤微生物群落多样性

Table 4 Soil microbial community diversity in the soils relative to land use

土地利用类型HEDSS坡耕地0.98±0.13c0.39±0.08b0.96±0.12a8.5±0.8c次生林2.98±0.35a0.92±0.06a0.99±0.18a22.3±1.6a人工林2.63±0.28a0.86±0.09a0.96±0.10a21.7±2.3a灌草丛1.56±0.19b0.49±0.04b0.96±0.16a13.5±1.8bF值31.5836.8029.5732.15

H为物种丰富度指数；E为均匀度指数；DS为优势度指数；S为碳源利用丰富度指数。同一列数据后英文小写字母不同表示不同土地利用类型间某指标差异显著(P<0.05)。

2.6 不同土地利用类型土壤微生物群落碳源利用类型的主成分分析

主成分分析能够对数据进行降维,并将多个变量通过线性变换后选出几个重要变量。主成分提取的原则是特征值大于1的前n个主成分(累计方差贡献率大于85%)。因此,通过方差分解主成分分析,共提取3个主成分(表5),从31个因素中提取的与碳源利用相关的主成分1和2分别能解释变量方差的63.9%和18.6%,前3个主成分累积贡献率达92.8%,因此,第1、2和3主成分为所要解释的主成分。

表5 方差分解主成分提取分析

Table 5 Extraction of principal components in variance decomposition analysis

主成分初始特征值提取特征值方差贡献率/%累积贡献率/%120.8663.8963.8924.4018.5582.4432.5910.3992.8341.365.8298.65

31个碳源在3个主成分上的载荷值见表6,初始载荷因子反映了主成分与碳源利用的相关性。由表6可知,与第1主成分具有较高相关性的碳源有24种(载荷因子绝对值>0.5),与第2主成分具有较高相关性的碳源有7种，与第3主成分具有较高相关性的碳源只有4种。综合来看，在主成分分离中起主要贡献作用的是羧酸类和碳水化合物类碳源(具有较高的载荷因子，按载荷因子绝对值的平均值计)。

2.7 土壤养分与微生物多样性之间相关性

土壤养分是土壤微生物的重要碳源和氮源,为了探讨土壤养分与土壤微生物群落多样性之间的关系,对土壤养分与微生物群落多样性进行相关性分析(表7)。结果表明,土壤微生物群落功能多样性各指标与土壤pH值之间呈负相关关系,与土壤有机质含量、全氮含量和有效养分含量等呈正相关关系。

表6 31种碳源的主成分载荷因子

Table 6 Main component load factors of 31 carbon sources

碳源类型PC1PC2PC3空白———丙酮酸甲酯(羧酸类)0.919-0.2140.217吐温-40(聚合物类)0.903-0.043-0.025吐温-80(聚合物类)0.846-0.276-0.335α-环糊精(聚合物类)0.5630.017-0.275糖原(碳水化合物类)0.841-0.178-0.149D-纤维二糖(碳水化合物类)0.3450.935-0.068D-半乳糖醛酸(羧酸类)0.9280.103-0.125γ-羟基丁酸(羧酸类)0.924-0.1350.483衣康酸(羧酸类)0.803-0.5460.135α-丁酮酸(羧酸类)0.487-0.4790.763D-苹果酸(羧酸类)0.747-0.147-0.262L-精氨酸(氨基酸类)0.985-0.2350.589L-天门冬酰胺酸(氨基酸类)0.9910.141-0.146L-苯基丙胺酸(氨基酸类)0.2780.2130.285L-丝氨酸(氨基酸类)0.9830.045-0.416L-苏氨酸(氨基酸类)-0.5470.5890.373葡萄糖-L-谷氨酸(氨基酸类)0.893-0.246-0.151苯基乙胺(胺类)0.6370.0100.217腐胺(胺类)0.947-0.147-0.135α-D-乳糖(碳水化合物类)0.5470.425-0.539β-甲基-D-葡萄糖苷(碳水化合物类)0.4230.847-0.120D-木糖(碳水化合物类)0.7150.6130.127i-赤藓糖醇(碳水化合物类)0.568-0.2560.851D-甘露醇(碳水化合物类)0.8930.2470.058N-乙酰基-D-葡萄胺(碳水化合物类)0.8250.7350.193D-葡糖胺酸(羧酸类)0.796-0.3120.337葡萄糖-1-磷酸(碳水化合物类)0.3140.9340.008D,L-α-磷酸甘油(碳水化合物类)0.902-0.227-0.017D-半乳糖酸-γ-内酯(碳水化合物类)0.915-0.141-0.129

“—”表示无数据。

表7 土壤养分与微生物多样性之间相关性

Table 7 Correlation coefficients between soil nutrients and soil microbial community diversity

指标 HEDSSpH值-0.565*-0.357-0.269-0.494电导率0.2190.519*-0.2470.512*容重-0.156-0.3650.089-0.127孔隙度0.534*0.2170.3780.105有机质含量0.913**0.905**0.569*0.856**全氮含量0.904**0.874**0.593*0.816**有效磷含量0.623**0.514*0.3540.563*有效钾含量0.721**0.4130.522*0.557*有效锌含量0.569*0.2340.3050.503*有效铁含量0.685**0.596*0.513*0.371有效锰含量0.614**0.1250.3690.547*

H为物种丰富度指数;E为均匀度指数;DS为优势度指数;S为碳源利用丰富度指数。*和**分别表示在α=0.05和α=0.01水平上相关显著。

H与有机质含量、全氮含量、有效磷含量、有效钾含量、有效铁含量和有效锰含量呈极显著正相关(P<0.01),与孔隙度和有效锌含量呈显著正相关(P<0.05),与pH值呈显著负相关(P<0.05);E与有机质含量和全氮含量呈极显著正相关(P<0.01),与电导率、有效磷含量和有效铁含量呈显著正相关(P<0.05);DS与有机质含量、全氮含量、有效钾含量和有效铁含量呈显著正相关(P<0.05);S与有机质含量和全氮含量呈极显著正相关(P<0.01),与电导率、有效磷含量、有效钾含量、有效锌含量和有效锰含量呈显著正相关(P<0.05)。可见,土壤养分与微生物群落功能多样性具有密切相关性。

3 讨论与结论

岷江流域不同土地利用类型土壤养分和有效养分含量高低大致依次为次生林、人工林、灌草丛和坡耕地,局部有所波动,主要是由于土壤中有机质来自于地表枯枝落叶层的分解和积累,次生林凋落物量多,植被盖度和生物量相对较高,土壤有机质积累多而分解相对少,因此有机质含量较高[8-9];人工林由于受人为扰动的影响,加上林分结构单一,因此,其有机质含量低于次生林而高于灌草丛;坡耕地受人类活动的剧烈影响,地表没有积累的枯枝落叶层,有机质含量最低。

土壤微生物是生态系统的重要组成部分,研究其群落结构和功能多样性对于揭示微生物、生态环境与植物之间的关系意义重大[19-20]。笔者研究结果表明,反映微生物活性及其功能多样性的IAWCD表现为随着培养时间的延长,碳源利用量逐渐增加,此与前人研究结果[17,19-20]相似。不同土地利用类型H、E、DS和S大小依次均为次生林、人工林、灌草丛和坡耕地,DS可反映群落中最常见物种,H反映了微生物群落物种变化度和差异度[17,21]。笔者研究结果显示次生林土壤微生物群落种类最多且较均匀,而灌草丛和坡耕地H较接近,表明两者的土壤微生物种类差异不大;H以次生林为最高,坡耕地最低,反映了次生林对碳源利用种类数较多。笔者研究还显示羧酸类和碳水化合物类碳源是土壤微生物的主要碳源,其后依次为酚酸类、氨基酸类、聚合物类,而土壤微生物对胺类碳源利用率最小,与碳源利用相关的PC1和PC2分别能解释变量方差的63.89%和18.55%,在主成分分离中起主要贡献作用的是羧酸类和碳水化合物类碳源。此外,土壤微生物群落功能多样性各指标均与pH值呈负相关关系,与土壤有机质含量和全氮含量之间相关性均达显著或极显著水平,与土壤电导率和容重之间相关性基本未达显著水平。由此可见,土壤养分与微生物群落功能多样性具有密切相关性。

笔者利用Biolog微平板法和磷脂脂肪酸甲酯(FAMEs)法分析不同土地利用类型土壤微生物群落多样性差异。Biolog微平板法仅仅表征土壤中快速生长的微生物活性,因此只能用于对环境微生物群落进行比较、识别[22]。FAMEs法不需要对土壤微生物进行培养,可直接提取土壤微生物群落的脂肪酸,但分析结果的准确性与实验过程是否造成污染等有很大关系[21-22]。因此,揭示土壤微生物多样性分布格局,还需要结合其他技术。近年来分子生物学的发展为揭示微生物群落多样性及组成提供了重要工具,未来需综合运用分子生物学技术做进一步的长期深入研究。

[1] LI A,WANG A,LIANG S,etal.Eco-Environmental Vulnerability Evaluation in Mountainous Region Using Remote Sensing and GIS:A Case Study in the Upper Reaches of Minjiang River,China[J].Ecological Modelling,2006,192(1):175-187.

[2] CHIGIRA M,WU X,INOKUCHI T,etal.Landslides Induced by the 2008 Wenchuan Earthquake,Sichuan,China[J].Geomorphology,2010,118(3):225-238.

[3] 何其华,何永华,包维楷.岷江上游干旱河谷典型阳坡海拔梯度上土壤水分动态[J].应用与环境生物学报,2004,10(1):68-74.

[4] LIU Y,XU Z,DUFFY R,etal.Analyzing Relationships Among Water Uptake Patterns,Rootlet Biomass Distribution and Soil Water Content Profile in a Subalpine Shrubland Using Water Isotopes[J].European Journal of Soil Biology,2011,47(6):380-386.

[5] GESS F W,GESS S K,LASALLE J,etal.Effects of Increasing Land Utilization on Species Representation and Diversity of Aculeate Wasps and Bees in the Semi-Arid Areas of Southern Africa[J].Hymenoptera and Biodiversity,1993，5：83-113.

[6] LAL R.Soil Carbon Sequestration Impacts on Global Climate Change and Food Security[J].Science,2004,304(5677):1623-1627.

[7] YAO H,HE Z L,WILSON M J,etal.Microbial Biomass and Community Structure in a Sequence of Soils With Increasing Fertility and Changing Land Use[J].Microbial Ecology,2000,40(3):223-237.

[8] JOHN R,DALLING J W,HARMS K E,etal.Soil Nutrients Influence Spatial Distributions of Tropical Tree Species[J].Proceedings of the National Academy of Sciences,2007,104(3):864-869.

[9] CONDIT R,ENGELBRECHT B M J,PINO D,etal.Species Distributions in Response to Individual Soil Nutrients and Seasonal Drought Across a Community of Tropical Trees[J].Proceedings of the National Academy of Sciences,2013,110(13):5064-5068.

[10]PAUL E A.Soil Microbiology,Ecology and Biochemistry[M].Salt Lake City,USA：Academic Press,2014：5.

[11]LAMB E G,KENNEDY N,SICLIANO S D.Effects of Plant Species Richness and Evenness on Soil Microbial Community Diversity and Function[J].Plant and Soil,2011,338(1/2):483-495.

[12]ISLAM K R,WEIL R R.Land Use Effects on Soil Quality in a Tropical Forest Ecosystem of Bangladesh[J].Agriculture,Ecosystems & Environment,2000,79(1):9-16.

[13]OBERSON A,FRIESEN D K,RAO I M,etal.Phosphorus Transformations in an Oxisol Under Contrasting Land-Use Systems:The Role of the Soil Microbial Biomass[J].Plant and Soil,2001,237(2):197-210.

[14]宋述军,周万村.岷江流域土地利用结构对地表水水质的影响[J].长江流域资源与环境,2008,17(5):712-715.

[15]LORENZ K,LAL R.The Depth Distribution of Soil Organic Carbon in Relation to Land Use and Management and the Potential of Carbon Sequestration in Subsoil Horizons[J].Advances in Agronomy,2005,88:35-66.

[16]CHANTIGNY M H.Dissolved and Water-Extractable Organic Matter in Soils:A Review on the Influence of Land Use and Management Practices[J].Geoderma,2003,113(3):357-380.

[17]LAUBER C L,STRICKLAND M S,BRADFORD M A,etal.The Influence of Soil Properties on the Structure of Bacterial and Fungal Communities Across Land-Use Types[J].Soil Biology and Biochemistry,2008,40(9):2407-2415.

[18]SALLES J F,VAN J A,ELSAS J D.Multivariate Analyses of Burkholderia Species in Soil:Effect of Crop and Land Use History[J].Applied and Environmental Microbiology,2004,70(7):4012-4020.

[19]BERTHRONG S T,BUCKLEY D H,DRINKWATER L E.Agricultural Management and Labile Carbon Additions Affect Soil Microbial Community Structure and Interact With Carbon and Nitrogen Cycling[J].Microbial Ecology,2013,66(1):158-170.

[20]LIU F,WU J,YING G G,etal.Changes in Functional Diversity of Soil Microbial Community With Addition of Antibiotics Sulfamethoxazole and Chlortetracycline[J].Applied Microbiology and Biotechnology,2012,95(6):1615-1623.

[21]FILSER J,MEBES K H,WINTER K,etal.Long-Term Dynamics and Interrelationships of Soil Collembola and Microorganisms in an Arable Landscape Following Land Use Change[J].Geoderma,2002,105(3):201-221.

[22]HUTSCH B W.Tillage and Land Use Effects on Methane Oxidation Rates and Their Vertical Profiles in Soil[J].Biology and Fertility of Soils,1998,27(3):284-292.

(责任编辑： 李祥敏)

Soil Nutrients and Soil Microbial Community Diversity as Affected by Land Use in the Minjiang River Valley, Sichuan.

HU Yao, LI Yi, HOU Yu-le

(Aba Teachers University, Wenchuan 623002, China)

The Minjiang River Valley in Sichuan is a region diversified in type of land use (shrub-grassland, slope farmland, planted forest and secondary forest). Soil microbial community diversity and distribution of different types of land use in the region was studied using the Biolog plate and phospholipid fatty acid methyl ester (FAMEs) methods, separately. Results show that the soils regardless of whatever type of land use were undertended to be slightly acidic, following an order of slope farmland > shrub-grassland > planted forest > secondary forest in soil pH, fluctuated somewhat in soil electric conductivity, bulk density and total porosity, and followed an order of secondary forest> planted forest>shrub-grassland > slope farmland in content of soil nutrients and available nutrients. The soils varied significantly in functional diversity of microbial community relative to land use. Average well color development (AWCD) is an index that directly reflects soil microbial activity and functional diversity. It increased with the usage going on time. The soils displayed an order of secondary forest > planted forest > shrub-grassland > slope farmland in soil microbial community activity. Soil microbes′ use of carbon sources varied in intensity relative to type of the source. Carboxylic acids and carbohydrates were the major ones and followed by amino acids, phenolic acids, polymers, and amines. The soils also displayed the order of secondary forest > planted forest > shrub-grassland > slope farmland in Simpson index (H), Shannon-Wiener index (E), richness index (DS) and McIntosh index (S), but the differences between the four types of land use inDSwere not big enough to be rated as significant. Principal component analysis (PCA) shows that principal components No. 1 and No. 2 out of 31 affecting factors related to carbon source utilization explained 63.89% and 18.55% of the variation, respectively. Among the principal components, carboxylic acids and carbohydrates were the two major contributors. Correlation analysis shows that soil microbial diversity index was in significantly or very significantly positive relationship with the content of soil organic matter and of total nitrogen, but in negative one with pH, that is to say, the content of soil organic matter and the content of total nitrogen are the two major factors affecting soil microbial diversity. All findings mentioned above suggest that the soil under secondary forest is the highest in nutrient content and more favorable for survival of microorganisms, which play a very important role in maintaining stability of the ecosystem in this area.

the Minjiang River Valley; land use type; soil nutrient; soil microbe; community diversity

2015-12-18

四川省教育厅自然科学基金(16ZB0386);阿坝师范学院青年项目(ASC15-01)

S154.1；X176

A

1673-4831(2016)06-0971-07

10.11934/j.issn.1673-4831.2016.06.016

胡尧(1982—),男,四川彭州人,副教授,硕士,研究方向为区域地理。E-mail: huyao-82@163.com