不同大气CO2浓度升高处理对水稻秸秆在后茬冬小麦田中分解特性的影响

邓熙茗, 陈书涛*, 商东耀, 吕春华, 杨 凯, 胡正华

1.南京信息工程大学， 江苏省农业气象重点实验室, 江苏 南京 210044 2.南京信息工程大学应用气象学院, 江苏 南京 210044 3.中国科学院植物研究所， 植被与环境变化国家重点实验室, 北京 100093

当前全球变暖主要与大气中温室气体含量增加造成的温室效应加剧有关，CO2是最主要的温室气体，近几十年来大气中CO2浓度持续增加，在化石燃料使用量增加的情形下，大气CO2浓度还将继续增加，预计21世纪末大气CO2浓度最高将达到近700 μmolmol[1].

大气CO2浓度升高会对生态系统产生一定影响. 有研究表明，CO2浓度升高会提高叶片光化学性能，促进光合作用[2-3]，提高作物生产力和水分利用效率[4-6]；也有研究[7-9]表明，高CO2浓度处理下，作物初期光合作用会大幅增加，但后期会增幅下降甚至衰减，出现光合适应或下调现象. 无论大气CO2浓度对作物生产存在促进作用还是抑制作用，其对作物本身生理特性确实产生了影响[10]，而这种影响可能会进一步体现到作物在后茬土壤中的分解特性上[11]. Norby等[12]的数据集成分析表明，大气CO2浓度升高会增加某些植物组织中的CN，从而降低其在土壤中的分解速率，而有些研究[13-14]并未发现大气CO2浓度升高对植物残体在后茬土壤中分解速率的显著影响. 这些针对植物残体的研究主要集中在自然生态系统中，关于农田作物分解特性的研究相对较少[15-16].

需要指出的是，以往绝大部分FACE(自由大气CO2浓度升高)或开顶箱试验均设置为各处理比对照的CO2浓度高出一个固定的数值(如每个生长季的CO2浓度升高处理均设置为比对照高200 μmolmol)[17-18]，然而大气CO2浓度升高是一个渐增的过程，在CO2浓度每年逐渐增加的情况下，通过光合作用产生的作物秸秆在后茬土壤中的分解规律是否与稳定高CO2浓度条件下的情况相同？当同一种作物品种连续几代处于渐增和稳增CO2浓度处理后其在土壤中的分解规律有怎样的变化？关于这方面的研究还鲜见报道. 鉴于此，该研究以一个运行了多年的大气CO2浓度逐年渐增和稳定增加平台为基础，分析经CO2浓度升高处理后的水稻秸秆在后茬冬小麦田中的分解特性及影响因素，以期为探讨未来大气CO2浓度升高情形下作物秸秆在土壤中的转化规律提供基础数据和理论支撑.

1 材料与方法

1.1 试验地点

试验地点位于南京信息工程大学农业气象试验站(32.21°N、118.71°E)，海拔约18 m，属于北亚热带湿润季风气候，年均气温15.6 ℃，年均降水量1 100 mm，平均日照时数约1 900 h，无霜期237 d. 土壤类型为黄棕壤(灰马肝土属)，0～20 cm耕层土壤质地为壤质黏土，黏粒含量为26.1%，土壤容重为1.54 gcm3，pH为6.98，有机碳(SOC)含量为11.66 gkg，总氮(TN)含量为1.24 gkg，种植方式为冬小麦(TriticumaestivumL.)、水稻(OryzasativaL.)轮作.

1.2 试验设计

以开顶箱(OTC)进行不同CO2浓度试验处理(见表1)，每个处理设4个重复. 该研究中使用的水稻为第3代(第3个轮作季)水稻，T1处理下CO2浓度达到120 μmolmol，该水稻秸秆填埋于第4个轮作年的冬小麦田土壤中. CO2浓度增加时段，冬小麦为返青期至成熟期(2—5月)，水稻为移栽后的全生育期(6—10月).

试验平台自2015年11月运行，供试水稻品种为粳稻9108，2018年10月收获第3个轮作年(第3代)经不同CO2浓度处理后的水稻秸秆，将收获的水稻秸秆剪成2 cm长的小段，收集10 g装入10 cm×15 cm的尼龙网袋中，设计5个取出填埋秸秆的时间间隔，分别为填埋后的30、60、84、119、149 d，由于每个处理均设了4个重复，故网袋数为120(6×5×4)个. 于2018年11月3日将网袋埋入0～10 cm深的土壤中. 大气CO2浓度自动调控平台包括OTC、高纯CO2钢瓶(纯度为99%)、通气装置、CO2传感器、自动控制系统. OTC为正八边形棱柱体(高3 m，对边直径3.75 m，底面积10 m2)，铝合金框架，顶部开口向内倾斜45°，安装高透光性普通玻璃. CO2传感器(GMM222传感器，Vaisala公司，芬兰)量程为0～2 000 μmolmol，响应时间为30 s. 通过计算机程序实现各个OTC内CO2浓度的自动监测和调节，保证OTC内CO2浓度维持在目标浓度值[19].

表1 不同CO2浓度处理设计

1.3 测定方法

填埋的网袋从田间土壤中取出后，将秸秆从网袋中取出放在塑料盆中，用水浸泡秸秆并小心冲洗秸秆上附着的泥土，尽量避免清洗土壤过程中微小的秸秆碎片的损失. 清洗后的秸秆在105 ℃下杀青1 h，然后在70 ℃下烘48 h至恒质量，再在天平上称量. 秸秆分解率的计算方法：

DR=(M1-M2)M1×100%

(1)

式中：DR为分解率，%；M1、M2分别为填埋前秸秆质量、剩余秸秆质量，g.

采用重铬酸钾外加热法测定秸秆全碳(TC)含量，采用凯氏定氮法测定秸秆TN含量[20]，秸秆初始TC、TN含量见表2. 采用范氏法测定填埋前秸秆品质(化合物分类成分)[21]，包括粗纤维、灰分、纤维素、木质素、中性洗涤织物(NDF)、酸性洗涤织物(ADF)，秸秆品质指标见表3.

表2 不同处理秸秆的TC、TN氮含量

表3 利用范氏法分析的秸秆品质(化合物分类成分)

1.4 数据分析

采用单因素方差分析判断不同填埋时间后不同处理之间秸秆分解率的差异;采用重复测量的方差分析进一步判断不同填埋阶段不同处理之间秸秆分解率的差异;采用Pearson相关分析判断范氏秸秆化合物成分与TC、TN含量及秸秆填埋不同时间后分解率之间的相关性;采用重复测量的方差分析判断不同填埋阶段不同处理之间TC、TN含量和CN的差异;采用一元线性回归分析TC、TN含量和CN随填埋时间的变化趋势.

2 结果与分析

2.1 秸秆分解率

填埋后30 d，不同处理秸秆的分解率为33.2%～38.2%，至149 d填埋结束，不同处理秸秆的分解率为57.3%～60.3%，秸秆初期分解速率很快，之后逐渐下降(见图1). 单因素方差分析表明：T2与CK处理在填埋后30 d存在边缘显著(0.05

注：不同小写字母代表处理间存在边缘显著(0.05

表4 秸秆不同填埋时间后不同处理下重复测量的方差分析(P值)

Pearson相关性分析表明，填埋后84、119、149 d的秸秆分解率与粗纤维含量之间存在显著(P<0.05)或极显著(P<0.01)相关关系，填埋后60、84、119 d的秸秆分解率与纤维素含量之间存在显著(P<0.05)或极显著(P=0.01)相关关系，填埋后60、84、119、149 d的秸秆分解率与酸性洗涤纤维含量之间存在显著(P<0.05)或极显著(P=0.01)相关关系(见表5). 填埋后不同时间的秸秆分解率与该填埋时间对应的秸秆TC含量之间无显著相关关系，但与秸秆TN含量存在显著(P<0.05)负相关关系，与秸秆CN存在显著(P<0.05)正相关关系.

2.2 TC、TN含量

重复测量的方差分析表明，CK、T1、T2处理下水稻秸秆在分解过程中的TC含量之间均无显著(P>0.05)差异〔见图2(a)〕，而经3年逐渐增加40 μmolmol的CO2处理后水稻秸秆在整个分解阶段的TC含量显著(P<0.05)高于OTC-CK处理，且在填埋后60～119 d这一阶段每年稳定增加200 μmolmol的CO2处理与OTC-CK处理之间存在边缘显著(0.050.05)差异(见图3). 经一个生长季增加120 μmolmol的CO2处理后水稻秸秆CN在分解过程中各观测时间的数值虽然与CK处理之间未达到显著差异水平，但其每次测定值均高于CK处理(见图4).

表5 范氏法分析的秸秆品质(化合物分类成分)与TC、TN含量及秸秆填埋后不同时间的分解率之间的相关性分析

注： 重复测量的方差分析表明，在整个填埋阶段CK、T1、T2各处理之间无显著(P>0.05)差异，T1-OTC与CK-OTC处理之间存在显著(P=0.037)差异,填埋后60～119 d 的T2-OTC与CK-OTC处理之间存在边缘显著(P=0.065)差异. 图2 不同处理秸秆TC含量的动态变化Fig.2 Dynamic changes in the TC content of crop straw for different treatments

注：重复测量的方差分析表明，在整个填埋阶段各处理之间均无显著(P>0.05)差异. 图3 不同处理秸秆TN含量的动态变化Fig.3 Dynamic changes in the TN content of crop straw under different treatments

注：重复测量的方差分析表明，在整个填埋阶段各处理之间均无显著(P>0.05)差异.图4 不同处理下秸秆CN的动态变化Fig.4 Dynamic changes in the CN of crop straw under different treatments

所有处理下的TC含量随填埋时间的延长虽然无显著的线性递减规律，但比填埋前均明显降低(见图2)，TN含量均在分解过程中呈线性增加趋势(见图3、表5)，CN均在分解过程中呈线性降低趋势(见图4、表6)，特别是对于TN含量而言，大部分处理下TN含量随时间的线性增加程度均达到极显著(P<0.01)水平，然而，在秸秆分解过程中，各处理下剩余的TN质量(剩余秸秆质量与其TN含量的乘积)呈下降趋势. 由于分解过程中TC的释放速率高于TN的释放速率，因而造成CN下降.

表6 秸秆TC、TN含量(y)随秸秆填埋后时间(x)的线性变化方程

3 讨论

3.1 不同处理的秸秆在土壤中分解特性的差异

苑学霞等[15]研究表明，在常规氮肥施用条件下，CO2浓度升高处理后小麦秸秆在稻田中的分解速率呈降低趋势，而在高氮条件下，CO2浓度升高处理对小麦秸秆的分解速率无显著影响，他们认为在CO2浓度增加条件下，由于植物分解所需的可利用碳充足，氮就成为秸秆分解的限制因子，而在高氮施肥处理中不存在限制因子，故CO2浓度升高对小麦秸秆的分解影响很小. 武术等[16]也发现，CO2浓度升高处理在高氮条件下未显著影响冬小麦秸秆在稻田土壤中的降解速率，但显著提高了低氮条件下的秸秆降解率，使其与高氮条件下相当. Van-Vuuren等[22]在旱地麦田中的研究认为，大气CO2浓度升高对作物秸秆的分解没有显著影响. Sinsabaugh等[23]指出，CO2浓度增加对植物残体分解的影响十分复杂. 除作物本身的特性在不同CO2浓度处理下发生的变化影响了其在后茬土壤中的分解速率外，其他因素也可能产生了影响[24]，这其中既包括水、旱种植制度的影响，也包括在长期不同CO2浓度处理下土壤微生物特性的变化[23]，这都会影响前茬作物在土壤中的分解过程. 该研究中，经一个生长季稳定高CO2浓度处理后的水稻秸秆在后茬土壤中的分解率高于对照(特别是在填埋后相对较短时间内的易分解组分分解的初期)，但经3代连续稳定高CO2浓度处理后的水稻秸秆在后茬土壤中的分解率与对照无显著差异(见图1、表3)，这说明经3个世代后，在与分解特性有关的物质方面，水稻已经适应了稳定高CO2浓度条件，这与处于高CO2浓度下一个生长季的情况形成了明显对比. 此外，每年逐渐增加CO2浓度至相对中等水平〔每年增加40 μmolmol，3年累积增至比对照(CK)高120 μmolmol〕后，各处理和对照的分解率也没有显著差异，这也进一步说明作物对于CO2浓度升高的适应性[25]. 这种适应性可能体现了不同CO2浓度处理对不同世代水稻秸秆分解的影响存在遗传记忆效应[26]. 虽然以往研究未进行与该研究相同的多代连续CO2浓度升高对残体分解的影响试验，但进行了多代连续CO2浓度升高对草本植物生长影响的遗传记忆效应试验，例如，Klironomos等[27]对第6年最后一代雀麦草的测定结果显示，CK、CO2浓度逐渐增加、稳定高CO2浓度条件下，雀麦草地上生物量分别为(6.8±1.2)(7.8±1.6)(10.7±2.0) g，总根长分别为(250±38)(282±35)(394±42) m，说明稳定高CO2浓度对雀麦草生长的影响高于CO2逐渐增加的影响. 结合该研究的分解试验以及以往有限的多代逐渐升高CO2浓度和稳定高CO2浓度对植物生长的影响试验[28]，可以认为，不同CO2浓度增加梯度对不同世代植物生长的遗传记忆效应会体现在植物残体的分解特性上.

从不同处理下TC、TN元素释放的差异上来看，经一个生长季稳定高CO2浓度处理后的水稻秸秆在分解过程中的TC含量与对照之间无显著(P>0.05)差异〔见图2(a)〕，而经3年逐渐增加40 μmolmol的CO2处理后水稻秸秆在分解中期(60～119 d)的TC含量显著(P<0.05)高于对照〔见图2(b)〕，此外，经一个生长季增加40 μmolmol的CO2处理后的水稻秸秆CN在分解过程中每个采样日的数值也均高于对照〔见图4(b)〕. 在整个填埋阶段各处理的TN含量之间均无显著(P>0.05)差异. 由此说明，不仅作物秸秆在土壤中分解时TC、TN元素的释放规律与秸秆本身的分解速率存在差异性，而且相对长期(3个世代)和相对短期(1个世代)的CO2浓度升高对水稻秸秆分解过程中的TC含量和CN的影响也存在差异性，试验中不同处理间元素释放的差异性主要体现在碳元素上，不同CO2浓度处理对氮元素释放均无显著影响，秸秆分解中碳元素释放的差异性可能也与作物本身处于CO2浓度增加条件下的遗传记忆效应有关[5,26-29]. 该研究结果也说明了作物本身的属性及其在土壤中分解特性的影响因素的复杂性，今后有必要进行经更多世代处理的水、旱作物在旱地和水田中的分解试验，以进一步探讨不同CO2浓度处理下作物秸秆在土壤中分解特性的复合影响因子.

除秸秆TC、TN含量外，秸秆还田后秸秆品质也可能发生变化，目前的研究还不能直观判断和分析不同CO2浓度处理后秸秆还田对相关组分(如其中的易分解组分NDF和ADF)的影响，今后有必要对秸秆分解后的相关化合物组分进行更详细的研究，并分析其动态变化与分解率的关系，以全面阐明不同CO2浓度处理对秸秆分解特性及养分循环的影响.

3.2 秸秆分解率及TC、TN含量的时间动态变化

将秸秆装入网袋并填埋于土壤后，伴随着降雨导致的土壤压实等过程，土壤与网袋间的孔隙变得很小，又由于网袋有孔隙且填埋入土壤中的秸秆质量相对较小(每个尼龙网袋中秸秆的质量为10 g)[15]，土壤中的微生物、水分、气体、养分等均可以接触到秸秆并影响秸秆分解[30]，这种情况与秸秆直接被翻耕到土壤中与土壤的接触情况类似，说明采用网袋法获得的结果与秸秆在土壤中的真实分解情况较接近.

从秸秆分解率的时间动态变化上看，秸秆填埋后30 d内，其质量下降最快，30 d内秸秆质量减少了近40%，此阶段的分解速率非常高，在此之后，分解速率逐渐降低，这与以往研究结果[12,15-16]一致. 初始分解阶段主要为易分解物质的分解，随着分解进程的延长，易分解物质分解完毕，逐渐转入难分解物质的分解阶段，这时分解速率随之降低[31-32]. 秸秆在土壤中分解的过程中，碳氮分解速率存在差异，若碳的分解速率比氮更快，则CN降低；反之，则CN升高. 该研究结果表明，CN在秸秆分解过程中呈线性降低趋势，说明碳较氮分解得更快，但秸秆TC和TN的绝对量(秸秆剩余质量与其TC和TN含量的乘积)均呈现出下降趋势.

4 结论

a) 不同CO2浓度处理后秸秆在后茬土壤中的分解速率随时间的延长呈逐渐下降趋势，经一个生长季稳定高CO2浓度处理后水稻秸秆在后茬土壤中的分解率高于对照，其差异主要体现在填埋后相对较短时间内的易分解组分分解的初期，但经3代连续稳定高CO2浓度处理后水稻秸秆在后茬土壤中的分解率与对照无显著差异.

b) 经一个生长季稳定高CO2浓度处理后水稻秸秆在分解过程中的TC含量与对照无显著差异，而经3年逐渐增加40 μmolmol的CO2处理后水稻秸秆在整个分解阶段的TC含量显著(P<0.05)高于对照.

c) 所有处理的TC含量在填埋后比填埋前均明显降低，TN含量均在分解过程中随时间线性增加，CN 均在分解过程中随时间呈线性降低趋势.