基于氢氧同位素的油茶果实生长高峰期水分来源量化

岳伶俐，夏 雄，胡德勇，肖卫华，张文萍，许文彬，吴友杰

基于氢氧同位素的油茶果实生长高峰期水分来源量化

岳伶俐，夏 雄，胡德勇，肖卫华，张文萍，许文彬，吴友杰※

（湖南农业大学水利与土木工程学院，长沙 410128）

量化丘陵区油茶果实生长高峰期水分来源，对油茶林的科学灌溉和生态管理至关重要。该研究以3～5年生的幼年油茶为对象，利用氢氧稳定同位素，分析果实生长高峰期油茶木质部水和根系活动层土壤水的同位素组成，应用线性混合模型和贝叶斯混合模型（MixSIAR）量化油茶根系吸水来源。结果表明：在果实生长高峰期，油茶主要利用0～30 cm土层土壤水，相比第一生长高峰期（4—6月），第二果实生长高峰期（7—8月）的油茶吸水深度有所增加，其中，0～30、>30～60和>60～100 cm的贡献率分别为51.3%、28.2%和20.5%，3个土层（单位体积）对油茶根系吸水的贡献量分别为149.6、81.1和58.7 mm。线性混合模型和MixSIAR模拟的各土层土壤水对油茶的贡献比例略有差异，但结论基本一致。该研究可为制定南方丘陵区幼年油茶适宜灌溉制度及促进林地水肥一体化建设提供参考。

土壤；水分；同位素；油茶果实生长高峰期；水分利用；MixSIAR模型

0 引 言

油茶（）为山茶科山茶属的常绿小乔木或灌木，是康养价值、经济价值和生态价值极高的一种经济林木[1]，主要分布在中国湖南、江西、广西等地。油茶生命周期长，从花芽分化到果实成熟历时达12个月，在其两个果实生长高峰期（4—6月和7—8月）适量水分补给是丰产的关键[2]，然而，目前针对油茶果实生长高峰期油茶水分来源量化的研究鲜有报道，缺少对该时期油茶水分利用策略的认识，不利于水肥一体化进程和油茶的高质量发展。开展有关油茶果实生长高峰期水分分布规律研究，量化其水分来源，可为合理管护油茶林提供科学依据，促进油茶林水肥一体化建设。

稳定氢氧同位素贯穿于农林生态系统水分循环的全过程，是确定植物水分来源的有效工具之一，相比传统的水文研究方法，如水量平衡、空气动力学和模型估算等方法，稳定同位素方法的优势主要体现在其精量、精细、精准性及其可控性[3]，常常结合同位素模型，如端元线性混合模[4]、IsoSource模型[5]、吸水深度模型[6]、动态模型[7]和贝叶斯混合模型[8]对植物吸水来源进行量化。前人研究指出，大部分灌木水分利用来源具有较强的灵活性和适应性，能综合利用土壤水、地下水、雨水和河水，土壤水是其主要水源[9]，深根灌木主要利用深层土壤水或地下水[10]。如山鸡椒随旱雨季的交替，从均匀利用0～50 cm土层土壤水转变为主要利用0～10 cm（82.2%）土层土壤水[11]；沙棘在生长的水分来源在0～40 cm土层和>40 cm土层土壤水之间灵活转换[12]；达乌里胡枝子利用60 cm以下的土壤水分，雨季则吸收 20～40 cm土壤水分[10]等。刘自强等[13-14]利用直接对比法和多源线性混合模型探究发现侧柏与栓皮栎、胡枝子、油松与荆条、栓皮栎、小叶鼠李主要水分利用来源相似，树种之间存在水分竞争，不建议混交；荆条与构树、栓皮栎与油松、构树主要水分来源的土壤深度正好互补，是物种组合种植的最佳选择；荆条水分利用十分灵活，可将其用于修复环境恶劣、生态破坏严重区域。有关中国主要农作物冬小麦[15]、玉米[16]和棉花[17]的吸水来源的分析和量化结果表明：夏玉米和棉花两种植物的根系吸水深度在前期基本一致，在成熟期由于根系发育存在较大差异，棉花在整个生育期内水分来源由浅变深，且低额高频的灌溉制度可以促进棉花对水分的利用率，提供合理灌溉的科学依据，有效提高作物产量。

综上，有关灌木和中国主要农作物的水分来源已有大量研究成果，然而油茶水分来源的量化研究仍然有限，对油茶不同果实生长高峰期的水分利用策略有待深入研究。通过研究作物水分来源，量化各水源贡献比例，筛选出当地的优势物种或者适合搭配种植组合，有利于缓解水资源压力，遏制环境恶化，促进生态恢复[18]，对农林生态系统的合理配置与管理和作物提质增产有重要指导意义[19]。本文利用氢氧稳定同位素，结合直接对比法、线性混合模型和贝叶斯混合模型（MixSIAR）探究长沙丘陵区油茶根系吸水来源，并量化各潜在水源的贡献比例，以期为油茶栽培经营管理和水肥一体化建设提供理论与实践基础。

1 材料和方法

1.1 研究区概况

试验样地位于长沙国家油茶工程技术研究中心核心育种基地油茶种质资源收集圃（28°12′N，113°06′E），为丘陵山地，平均海拔90 m，属于典型亚热带季风性湿润气候，平均气温17.2 ℃，年均降水量1 218.3 mm。试验区土壤类型为红壤，具体土壤物理性质见表1。基地现有油茶林20.1 hm2左右，种植密度为1 500 株/hm2，油茶林平均树高1.8 m，平均冠幅为1.2 m×1.4 m，品种主要为湘林系列。

表1 土壤特性参数

1.2 样品采集

为探究油茶果实生长高峰期水分利用策略，分别于2019年和2020年的4—8月进行植物和土壤分层取样以及降雨的收集，其中4—6月为第一果实生长高峰期，7-8月为第二果实生长高峰期[2]。油茶和土壤取样每月上中下旬各一次，均在雨后1～3 d的10:00—12:00之间取样，通过全自动真空冷凝抽提系统（LI-2000，LICA，China）进行水分抽提装置（低温真空蒸馏法[20]）抽提油茶和土壤水样，降雨通过自制降雨采样器收集，为减少水样蒸发时同位素发生分馏对结果的不利影响，所有水样在测定同位素前置于-17 ℃冷冻保存。

1）油茶样品采集：每次随机选取3～5年生的油茶（朝霞品种）3株，分别剪取2～5 cm已木质化小枝条数根，迅速剥离其外皮和韧皮部，缠上Parafilm膜后，立即装入10 mL玻璃瓶中冷冻保存，等待水分抽提和同位素组成测定。

2）土壤样品采集：在选取的油茶附近1 m左右（前期试验和前人研究表明3～5年生油茶根系主要分布在100 cm以上土层），利用土钻分别采集0～5、>5～10、>10～20、>20～40、>40～60、>60～80、>80～100 cm土层土壤水，每层3个重复，取样时间和油茶取样同时进行，所采集土壤样品均分成两部分，一部分用于烘干法测定土壤含水率，剩下部分冷冻保存，用于抽提水分和土壤水稳定同位素测量。

3）降雨样品采集：取样点随机放置3个直径10 cm、高20 cm的铁质收集桶（自制降雨采样器），为减少水样蒸发带来的误差，桶口放置一个塑料漏斗，并于漏斗内放置一个塑料小球，每场降雨结束后半小时内，将雨水过滤后收集，冷冻保存至同位素测定。

4）其他数据：降雨量（mm）通过试验基地微型自动气象观测站（HOBOware U30，Onset Computer Crop，USA）同步记录，气象站每分钟进行一次采样工作，考虑到试验所需为每月累积降雨量，将气象站数据记录间隔调整为15 min/次。

1.3 数据分析

采用液态水同位素分析仪（PICARRO L2130-i，Picarro，USA）测定油茶和土壤水样的稳定氢氧同位素组成（‰），其结果用相对于维也纳标准平均海洋水（V-SMOW）的千分差表示，如公式（1）[21]。

式中sample和standard分别表示样品和V-SMOW中的稳定氢氧同位素比率（18O/16O或D/H），测量标准差分别为δ18O <0.1‰和δD < 2.0‰。

土壤水对油茶的水量贡献，用公式（2）[22]计算，可累积估算某时段内油茶根系从各土层储存水中利用的水量。

式中Q表示土层对油茶的贡献水量，mm；f为水源的贡献率，%；θ表示第个计算时段土层的体积含水率，%（计算时段为3～5 d）；H表示土壤厚度，mm（0～30、>30～60 cm和>60～100 cm的土层厚度分别为300、300和400 mm）。

因为本文研究对象为幼年油茶，植物水分来源仅考虑1 m以内的土壤，通过分析不同深度土壤含水率和土壤水同位素特征，结合油茶根系分布情况[1]，将土壤分为0～30、>30～60、>60～100 cm三个土层计算油茶水分来源，所用模型如下：

1）直接对比法。将油茶木质部和土壤水同位素进行对比分析，二者相交或接近区域即可作为该植物的主要水分来源，二者越接近，说明植物对该水源的利用比例越大[21]。

2）线性混合模型。初步判断油茶水源后，利用基于同位素质量平衡的多元线性混合模型确定各潜在水源对植物（油茶）根系吸水的贡献大小[4]，计算见公式（3）[21]。通过规划求解计算不同日期潜在水源对油茶水分的贡献率；在计算过程中，若某种水源的贡献率低于0，则认为油茶没有利用该水源，结果记作0，当某种水源贡献率等于1时，则认为油茶水源完全来自该水源，结果记作100%。

式中δD、δ18O和δD、δ18O分别代表植物和其水源的氢和氧同位素组成。

3）贝叶斯混合模型MixSIAR。MixSIAR模型可以通过选择固定/随机效应（Fixed/random effects）、源数据类型、先验分布和误差项来估计源的贡献比例，相较于其他模型，其融合了各个潜在水源同位素组成的所有可能及其不确定性，其计算结果更加准确[23]。MixSIAR基于R语言，利用数据添加法MCMC（Markov Chain Monte Carlo），在大量观测数据的基础上，添加分馏参数完成一系列简单的极大化或模拟，得到后验分布密度[24]。其步骤为：1）数据准备。需要提前准备植物混合水源（Mixture）、潜在水源（Sources）和分馏参数Discrimination（TDF）三个csv.数据文件，Mixture和Sources两个文件分别为油茶木质部水和各土层土壤水同位素全部原始数据；TDF在默认无同位素分馏的情况下，数据可设为0。2）模型运行。在R语言中加载Mixture、Sources和TDF文件后，将马尔可夫链蒙特卡罗（MCMC）运行时长设为normal，选择误差结构Residual Only。3）结果检验。结果通过Gelman和Geweke两种方法确定是否收敛，若不收敛则返回至第二步，增加MCMC运算时长（long或very long），直至结果收敛，模型输出结果通过平均值表示[25-26]。

在得到油茶果树生长高峰期水分来源后，为探究三元线性混合模型和贝叶斯混合模型在丘陵区量化油茶水分来源的适用性，选用均方根误差RMSE、2和平均绝对百分比误差MAPE共3个指标对模型结果进行评估[6]。

2 结果与分析

2.1 降雨、土壤水和植株水同位素特征

降雨数据和不同水分稳定同位素值分布见图1，降雨δD和δ18O的范围分别为-150.12‰～-0.52‰和-19.97‰～-1.76‰，平均值分别为-95.45‰±36.92‰和-13.08‰±4.45‰，对降雨氢氧同位素进行回归分析，得到林地降水线（LMWL，Local Meteoric Water Line）：δD=8.29δ18O+12.99（2=0.99），其斜率和截距均高于全球大气降水线（GMWL，Global Meteoric Water Line），反映林地的温暖湿润气候[27]。试验期内，林地降雨情况如图1b所示，2019年和2020年研究时段降雨量分别为701.6和713.6 mm，分别占全年降雨总量的67.6%和46.9%，且月平均降雨氢氧同位素值随降雨量的增加而减小。土壤水δD和δ18O的范围分别为-77.34‰～-0.49‰和-11.27‰～-1.07‰，平均值分别为-50.20‰±18.68‰和-7.04‰±2.56‰，对土壤水氢氧同位素进行回归分析得到土壤水线（SWL，Soil Water Line）：δD=6.72δ18O-3.52（2=0.85）。土壤水和植株水同位素均集中分布在降水线的右上角，油茶木质部水δD和δ18O大部分分布在土壤水同位素值的分布区间，说明土壤水是油茶的主要水源[28]。

不同深度土壤水同位素值差异明显，如图2所示，0～30 cm土壤水同位素富集，且随着土壤深度增加急剧减小，因为该层土壤水存在强烈蒸发，同时受降雨重同位素补给影响[20]。30～100 cm土壤水同位素值变化幅度随土壤深度的增加而逐渐减小，油茶木质部水同位素基本与0～100 cm土壤水同位素相交，在第一油茶果实生长高峰期主要相交于0～30 cm深度，第二果实生长高峰期相交深度逐渐加大，由此可推测第一果实生长高峰期油茶主要利用0～30 cm土壤水，第二生长高峰期水分来源于更深土层。

2.2 油茶木质部水与土壤水源同位素的关系

如图2所示（因为δD和δ18O同油茶木质部水同位素的关系表现出良好的一致性，但在植物水分运输中δD变化更显著，所以本文选择以δD为例），第一果实生长高峰期油茶木质部水同位素值接近0～30 cm土壤水同位素值，且同该土层土壤水存在交点，如2019年在20 cm处存在1个交点，2020年同10 cm处土壤水相交，表明该时期油茶主要水源来自0～30 cm土层。第二果实生长高峰期油茶木质部水与0～60 cm土壤水存在交点，其中2019年油茶木质部水与0～60 cm土壤水较接近，在40 cm处存在1个交点，2020年油茶木质部水同位素同土壤水同位素交点出现在5 cm土层，但>60～100 cm土层土壤水同位素也存在靠近油茶水分同位素值的趋势，所以初步判断第二果实生长高峰期油茶水分来源主要是0～30 cm土层，同时，对其余两个土层的土壤水也有所利用。

2.3 潜在水源对油茶的贡献率

2.3.1 线性混合模型计算结果

在直接对比的基础上，利用线性混合模型计算油茶水分来源比例，结果见表2，试验期内油茶对0～30、>30～60和>60～100 cm土层土壤水的利用率（2 a两个生长高峰期平均值）分别为70.6%、16.0%和13.4%，其中第一果实生长高峰期对0～30 cm土壤水的利用达到83.5%±0.24%（2 a平均值，下同），而>30～60和>60～100 cm土层土壤水的贡献率仅为9.3%±0.20%和7.4%±0.16%；第二果实生长高峰期对0～30 cm土壤水的利用率为58.0%±0.24%，分别有22.6%±0.24%和19.4%±0.19%水源来自>30～60和>60～100 cm土层土壤水。从结果可以判断，试验期内油茶主要利用0～30 cm土层土壤水，相比第一果实生长高峰期，第二果生长高峰期对深层次土壤水的利用有所增加，如油茶对0～30 cm土层土壤水的利用，2019年第二高峰期（65%）相比2019年第一高峰期（85%），减少了20%，2020年则减少了31%；而油茶对>30～60和>60～100 cm土层土壤水的利用，2019年第二高峰期（21%和14%）相比2019年第一高峰期（9%和6%）分别增加了12%和8%，2020年则分别增加了14%和17%。

表2 油茶对土壤水的利用比例

2.3.2 贝叶斯混合模型MixSIAR计算结果

图3为贝叶斯混合模型MixSIAR模拟得到的各土层土壤水对油茶贡献率所有可行解的贡献率直方图，横坐标表示各层土壤水对油茶的贡献率，其值越接近1表明该层水源对油茶的贡献越大；纵坐标表示各层水源对油茶的某一贡献率所出现的频率，各层土壤水对油茶的贡献越大，出现的频率越高表明油茶利用该层土壤水的可能性越大。

如图3所示，0～30 cm土层土壤水对油茶的贡献率60%～80%区段对应频率最高，为50%～60%，而>30～60和>60～100 cm土层对油茶的贡献10%～30%出现的频率最大，表明2019年油茶果实第一生长高峰期主要水分来源为0～30 cm土层，其可能贡献范围为60%～80%。其计算结果同线性混合模型结果基本一致，油茶主要水源均为0～30 cm土层土壤水，故两种模型均适用于计算丘陵区油茶根系吸水来源，考虑到线性混合模型至多计算三个水源，当水源较为复杂的情况下贝叶斯混合模型MixSIAR更适合。从表3可以看出，试验期内油茶对0～30、>30～60和>60～100 cm土层土壤水的利用率（2 a两个生长高峰期平均值）分别为51.3%、28.2%和20.5%，对应单位体积土壤贡献量分别为149.6、81.1和58.7 mm，其中第一果实生长高峰期三个土层2 a平均贡献率分别为60.8%、23.0%和16.3%，对应单位体积土壤贡献量分别为184.0、60.7和49.2 mm；第二高峰期分别为41.8%、33.6%和24.7%，对应单位体积土壤贡献量分别为115.3、92.5和68.1 mm。

表3 油茶根系吸水情况

注：水量贡献仅考虑单位体积的土壤。

Note: The contribution of water only takes into account per unit volume of soil.

3 讨 论

3.1 土壤含水率和同位素特征

结合土壤含水率和同位素组成变化，可以掌握土壤剖面中的水分运移规律，研究潜在水源的同位素特征是判断研究区植物水分来源的关键[29]。本研究中，土壤水同位素值在0～20 cm富集，且呈现急剧降低的趋势，说明油茶林地蒸发效应主要发生在0～20 cm土层，结论同戴军杰等[22]在长沙地区樟树林得到土壤蒸发作用仅在0～10 cm土层显著的结论相一致，蒸发效应随着土壤深度的增加而消退，从而20 cm以下土壤同位素值变化较为稳定。两个果实生长高峰期土壤含水率的变化趋势存在差异，第一高峰期0～30 cm土层含水率逐渐下降，>30～100 cm土层土壤含水率逐渐上升，在30 cm土层处土壤含水率表现出最低水平；而第二高峰期0～100 cm土壤含水率均逐渐上升，但含水率低于第一高峰期同时段含水率。Zhao等[30]研究发现腾格里沙漠三种固沙灌木能够根据环境条件调节其用水行为，在深层土壤水含率丰富时利用深层土壤水，在浅层土壤含水率丰富时转而利用浅层土壤水；河岸植物在强降雨补充浅层土壤水分的情况下，对0～40 cm土层利用率较高[29]；新疆地区棉花和杨树主要水分来源分别是0～40和0～60 cm土层土壤水，棉花田和杨树林土壤含水率分别在0～40和0～60 cm逐渐降低[19]。同理，第一高峰期0～30 cm土壤含水率的下降，一方面是因为0～20 cm土层土壤水分通过蒸发作用参与大气循环，另一方面是因为林地0～30 cm土层土壤水作为水源被油茶根系吸收利用；第二高峰期土壤含水率随着土层深度增加而增加，但总体低于第一高峰期，表明油茶减少了对0～30 cm土层土壤水的利用，转而增加了对>30～100 cm土层土壤水的利用。

3.2 油茶水分利用策略

植物的水分利用策略会随着植物林龄、所处环境、细根分布和需水量等因素变化而变化[31]。3～5年生的幼年油茶主要利用0～30 cm土层土壤水，第一果实生长高峰期油茶对0～30 cm土壤水（2 a平均贡献率60.8%）的吸收最多，相比于第一高峰期，第二果实生长高峰期油茶对>30～100 cm土层土壤水的利用均有所增加，>30～60（2 a平均贡献率33.6%）和>60～100 cm（2 a平均贡献率24.7%）土层分别增加了10.6%和8.4%，田日昌等[1]研究指出90 cm土层附近是50年生油茶主要耗水区域，可见油茶会随着树龄的增长而调整水分利用策略。不同林龄中间锦鸡儿的水分利用来源对降雨的响应相同，吸水层位均随着降雨的增加而上移，雨前中间锦鸡儿水分主要来自0～150 cm土层，雨后1 d根系吸水来源于0～10 cm，雨后5 d根系吸水层位由恢复至雨前10～150 cm[32]；灵活的水分利用策略揭示了植物群落对干旱的响应机制。油茶第二果实生长高峰期对0～30 cm土层水分（2 a平均贡献率41.8%）的利用明显低于第一高峰期，这是因为长沙地区降雨主要集中在4—6月，在第二高峰期浅层土壤因蒸发作用散失水分而降雨补充较少，如2019年第二高峰期降雨量为196.8 mm（占全年降雨比例仅16.2%），而第一高峰期则高达504.8 mm（占全年降雨比例达41.4%），从而第二高峰期浅层土壤环境相对第一高峰期而言较为干旱，油茶只能通过对更深层次土壤水的利用维持自身活动，油茶在果实生长高峰期同其他灌木一样表现出了对干旱条件的响应。如表4所示，降雨后，地表含水充足，多数植物偏向于吸收利用表层土壤水，试验期内降雨量总体偏多，而植物吸水深度范围同其根系分布相一致[10]，灌木的根系分布深度一般在1 m以内[33]，故幼年油茶主要利用0～30 cm土层土壤水。

表4 部分植物降雨前后水源对比

3.3 确定油茶水分来源不同模型的比较

直接对比法能定性分析油茶根系吸水来源，在初步判断油茶潜在水源的基础上，利用线性混合模型和MixSIAR模型计算出各潜在模型对油茶的贡献率。水源量化分析模型性能的评估结果如表5所示：两种模型的预测结果均有较高的可靠性，三元线性混合模型模拟结果可靠性略低于贝叶斯混合模型MixSIAR，但MixSIAR对数据的精度要求较高，三元线性混合模型又只能探究3个或3个以下水源，因此在丘陵地区幼年油茶水源量化两种模型均可，当水源较为复杂时MixSIAR更为合适。直接对比法只能对油茶水分来源进行初步的定性分析，且当木质部水同位素和土壤水同位素存在0个或多个交点时，无法确定其水源，同张宇[6, 35]等研究结果一致。虽然三元线性混合模型只能满足3种潜在水源的计算，但当水源数超过3时，可通过不同方法将水源分为3组进行模拟，确定对植物水分来源[6-7]。贝叶斯混合模型MixSIAR通过考虑植物木质部水和潜在水源同位素组成的空间差异性，减少源值和先验信息的不确定性，是目前3种贝叶斯混合模型（MixSIR、SIAR、MixSIAR）中的最佳模型[21]，但对数据要求较高，当植物木质部水和各潜在水源同位素组成的标准差越小时，模型模拟结果的可信度越高[20]。本研究中线性混合模型和MixSIAR均能够精确模拟出幼年油茶主要吸水层及对各土层土壤水的利用比例，虽然模拟出的各土层的贡献率存在一定差异，这与模型的算法存在直接关系[6]，但两种模型得到的结论一致。

表5 线性混合模型与MixSIAR预测性能对比

3.4 油茶高产林管理启示

综上所述，油茶在果实生长高峰期主要利用0～30 cm土层土壤水，但不同时期的油茶水分利用特征存在差异，分析油茶林水分利用差异，可以为红壤丘陵区油茶高产林建设提供合理的管理方法[20]。3～5年生油茶营养生长和生殖生长同时进行，需要大量水分和养分，需要加强管理，此时油茶根系发展尚未完善，主要吸收0～30 cm土壤水，当浅层土壤环境较为干旱时，油茶可以适当调整吸水深度，适应水分环境的变化，为确保幼年油茶能更好的吸收利用土壤水，建议对其进行覆盖，以减少土壤蒸发耗水。油茶果实发育期容易受到高温干旱的影响，若环境较为干旱，其果实出籽率、出仁率和仁含油率均会大幅度降低，所以适当水分补给是保证油茶丰收的关键[2]。同时，随着冠幅的不断生长，油茶蒸腾耗水逐渐增加，又主要吸收利用0～30 cm土层土壤水，使浅层土壤含水率骤减，减少了可利用水分的比率，为了保证浅层土壤水对幼年油茶的供给，适当在0～60 cm土层进行灌溉并对表层土壤进行覆膜处理以减少非生产性耗水，不同时期灌溉策略也有所差异，因为油茶果实通过不断“吸水”而膨大，在第一生长高峰期其增长速度开始变快，而第二高峰期则迅速增长，所以在油茶第一个果实生长高峰期重点补给0～30 cm土层，在第二个生长高峰期要保证>30～60 cm土层土壤水含量；另外，对油茶进行修剪工作，减少蒸腾耗水及土壤水分消耗，可适当恢复土壤含水率和促进油茶林健康发展。南方降雨量丰富，但集中于春夏两季，为探究不同树龄油茶在南方丘陵地区的长期适应性，如何充分利用入渗至土壤浅层的雨水，减少灌溉，实现土壤水分可持续，油茶高产林改造有待进一步研究。

4 结 论

1）在南方丘陵区，3～5年生油茶根据不同水源的可利用性，灵活调整根系吸水深度，其水分利用策略为资源依赖型，幼年油茶果实生长高峰期主要水分来源为0～30 cm土层，相比第一高峰期，第二高峰期油茶对>30～100 cm土层土壤水的利用比例有所增加。线性混合模型结果显示在果实生长高峰期，0～30、>30～60和>60～100 cm土层的贡献率分别为70.6%、16.0%和13.4%；MixSIAR结果显示三个土层的贡献率分别为51.3%、28.2%和20.5%，单位体积的三个土层对油茶的贡献分别为149.6、81.1和58.7 mm。

2）线性混合模型和MixSIAR对油茶根系吸水来源量化模拟结果的均较可靠，相比线性混合模型，MixSIAR模拟出的各土层的贡献率更为均匀，虽然两个模型得到的各土层土壤水对油茶的贡献率略有差异，但得到的结论都为0～30 cm土层土壤水是幼年油茶主要水源，所以线性混合模型和MixSIAR均适用于探究南方丘陵幼年油茶林的水分来源。

[1] 田日昌，陈洪松，王克林. 雨季红壤坡地油茶林土壤水势变化特征及耗水规律[J]. 生态与农村环境学报，2008，24(3)：39-44.

Tian Richang, Chen Hongsong, Wang Kelin. Soil water potential dynamics and water consumption of oil-tea camellia woods on slopeland of redsoil during rainy season[J]. Journal of Ecology and Rural Environment, 2008, 24(3): 39-44. (in Chinese with English abstract)

[2] 陈隆升，罗佳，陈永忠，等. 油茶果实生长高峰期养分分配特征[J]. 中南林业科技大学学报，2019，39(4)：11-15.

Chen Longsheng, Luo Jia, Chen Yongzhong, et al. Nutrient distribution characteristics ofin fruit growth peak period[J]. Journal of Central South University of Forestry & Technology, 2019, 39(4): 11-15. (in Chinese with English abstract)

[3] Barbeta A, Jones S P, Clavé L, et al. Unexplained hydrogen isotope offsets complicate the identification and quantification of tree water sources in a riparian forest[J]. Hydrology and Earth System Sciences, 2019, 23(4): 2129-2146.

[4] Flanagan L B, Orchard T E, Tremel Tyler N, et al. Using stable isotopes to quantify water sources for trees and shrubs in a riparian cottonwood ecosystem in flood and drought years[J]. Hydrological Processes, 2019, 33(24): 1-14.

[5] 刘树宝，陈亚宁，陈亚鹏，等. 基于稳定同位素技术的黑河下游不同林龄胡杨的吸水深度研究[J]. 生态学报，2016，36(3)：729-739.

Liu Shubao, Chen Yaning, Chen Yapeng, et al. Study on the depth of water uptake bytrees of different ages in the lower reaches of the Heihe River, based on the stable isotope techniques[J]. Acta Ecologica Sinica, 2016, 36(3): 729-739. (in Chinese with English abstract)

[6] 张宇，张明军，王圣杰，等. 基于稳定氧同位素确定植物水分来源不同方法的比较[J]. 生态学杂志，2020，39(4)：1-16.

Zhang Yu, Zhang Mingjun, Wang Shengjie, et al. Comparison of different methods for determining plantwater sources based on stable oxygen isotope[J]. Chinese Joumal of Ecology, 2020, 39(4): 1-16. (in Chinese with English abstract)

[7] 巩国丽，陈辉，段德玉. 利用稳定氢氧同位素定量区分白刺水分来源的方法比较[J]. 生态学报，2011，31(24)：7533-7541.

Gong Guoli, Chen Hui, Duan Deyu. Comparison of the methods using stable hydrogen and oxygen isotope to distinguish the water source of[J]. Acta Ecologica Sinica, 2011, 31(24): 7533-7541. (in Chinese with English abstract)

[8] Wang J, Lu N, Fu B J. Inter-comparison of stable isotope mixing models for determining plant water source partitioning[J]. Science of the Total Environment, 2019, 666: 685-693.

[9] 朱建佳，陈辉，邢星，等. 柴达木盆地荒漠植物水分来源定量研究：以格尔木样区为例[J]. 地理研究，2015，34(2)：285-292.

Zhu Jianjia, Chen Hui, Xing Xing, et al. Quantification analysis of water sources of desert plants in Qaidam Basin: A case study of Golmud plot[J]. Geographical Research, 2015, 34(2): 285-292. (in Chinese with English abstract)

[10] 常恩浩，李鹏，张铁钢，等. 旱季雨季对黄土丘陵退耕区植被根系分布及水分利用的影响[J]. 农业工程学报，2016，32(24)：129-138.

Chang Enhao, Li Peng, Zhang Tiegang, et al. Root systems distribution and water use pattern of vegetation from abandoned croplands during dry and wet season in Loess Hilly Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 129-138. (in Chinese with English abstract)

[11] 温林生，邓文平，邓力维，等. 庐山不同海拔植物季节水分利用策略[J]. 水土保持学报，2021，35(4)：341-348.

Wen Linsheng, Deng Wenping, Deng Liwei, et al. Seasonal water utilization strategies of plants at different altitudes in the lushan mountain[J]. Journal of Soil and Water Conservation, 2021, 35(4): 341-348. (in Chinese with English abstract)

[12] Wang J, Fu B J, Lu N, et al. Water use characteristics of native and exotic shrub species in the semi-arid Loess Plateau using an isotope technique[J]. Agriculture, Ecosystems & Environment, 2019, 276: 55-63.

[13] 刘自强，余新晓，贾国栋，等. 北京土石山区典型植物水分来源[J]. 应用生态学报，2017，28(7)：2135-2142.

Liu Ziqiang, Yu Xinxiao, Jia Guodong, et al. Water source of typical plants in rocky mountain area of Beijing, China[J]. Chinese Journal of Applied Ecology, 2017, 28(7): 2135-2142. (in Chinese with English abstract)

[14] 刘文娜，贾剑波，余新晓，等. 北京山区松栎混交群落的植物水分来源研究[J]. 应用基础与工程科学学报，2018，26(1)：12-22.

Liu Wenna, Jia Jianbo, Yu Xinxiao, et al. Water sources of the Oak-pine mixed community in Beijing Mountainous Area[J]. Journal Of Basic Science And Engineering, 2018, 26(1): 12-22. (in Chinese with English abstract)

[15] Liu J M, Si Z Y, Wu L F, et al. Using stable isotopes to quantify root water uptake under a new planting pattern of high-low seed beds cultivation in winter wheat[J]. Soil & Tillage Research, 2021, 205: 1-10.

[16] Wu Y J, Du T S, Yuan Y S, et al. Stable isotope measurements show increases in corn water use efficiency under deficit irrigation[J]. Scientific Reports, 2018, 8: 1-12.

[17] Wu H, Kang S Z, Li X J, et al. Optimization-based water-salt dynamic threshold analysis of cotton root zone in arid areas[J]. Water, 2020, 12(9): 1-22.

[18] Liu Z Q, Yu X X, Jia G D. Water utilization characteristics of typical vegetation in the rocky mountain area of Beijing, China[J]. Ecological Indicators, 2018, 91: 249-258.

[19] 郭辉，赵英，蔡东旭，等. 基于氢氧同位素示踪法探测新疆地区防护林和棉花体系水分来源与竞争[J]. 生态学报，2019，39(18)：6642-6650.

Guo Hui, Zhao Ying, Cai Dongxu, et al. Application of hydrogen and oxygen isotopes to study the source of water and competition in shelter forest cotton systems in the Xinjiang Oasis[J]. Acta Ecologica Sinica, 2019, 39(18): 6642-6650. (in Chinese with English abstract)

[20] 赵西宁，李楠，高晓东，等. 基于18O示踪的不同树龄枣树土壤水分利用特征分析[J]. 农业工程学报，2018，34(3)：135-142.

Zhao Xining, Li Nan, Gao Xiaodong, et al. Characteristics of soil water utilization for different stand ages of jujube trees based on18O tracking[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 135-142. (in Chinese with English abstract)

[21] Wang P, Song X F, Han D M, et al. A study of root water uptake of crops indicated by hydrogen and oxygen stable isotopes: A case in Shanxi Province, China[J]. Agricultural Water Management, 2010, 97(3): 475-482.

[22] 戴军杰，章新平，罗紫东，等. 长沙地区樟树林土壤水稳定同位素特征及其对土壤水分运动的指示[J]. 环境科学研究，2019，32(6)：974-983.

Dai Junjie, Zhang Xinping, Luo Zidong, et al. Characteristics of Stable Isotopes in Soil Water and Indication to Soil Water Movement in a Grove Dominated byin Changsha[J]. Research of Environmental Sciences, 2019, 32(6): 974-983. (in Chinese with English abstract)

[23] 曾祥明，徐宪立，钟飞霞，等. MixSIAR和IsoSource模型解析植物水分来源的比较研究[J]. 生态学报，2020，40(16)：5611-5619.

Zeng Xiangming, Xu Xianli, Zhong Feixia, et al. Comparative study of MixSIAR and IsoSource models in the analysis of plant water sources[J]. Acta Ecologica Sinica, 2020, 40(16): 5611-5619. (in Chinese with English abstract)

[24] Wu H W, Zhao G Q, Li X Y, et al. Identifying water sources used by alpine riparian plants in a restoration zone on the Qinghai-Tibet Plateau: Evidence from stable isotopes[J]. Science of the Total Environment, 2019, 697: 1-11.

[25] Ward E J, Semmens B X, Schindler D E. Including source uncertainty and prior information in the analysis of stable isotope mixing models[J]. Environmental Science & Technology, 2010, 44(12): 4645-4650.

[26] 周艳清，高晓东，王嘉昕，等. 柴达木盆地灌区枸杞根系水分吸收来源研究[J]. 中国生态农业学报(中英文)，2021，29(2)：1-11.

Zhou Yanqing, Gao Xiaodong, Wang Jiaxin, et al. Lycium barbarum root water uptake characteristics in the Qaidam Basin irrigation[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 1-11. (in Chinese with English abstract)

[27] 胡可，陈洪，聂云鹏，等. 桂西北喀斯特峰丛洼地降水氢氧稳定同位素的季节变化特征[J]. 农业工程学报，2013，29(5)：53-62.

Hu Ke, Chen Hong, Nie Yunpeng, et al. Characteristics of seasonal variation of deuterium and oxygen-18 isotope composition of precipitation in karst peak-cluster depression area, northwest Guangxi of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(5): 53-62. (in Chinese with English abstract)

[28] 邢丹，肖玖军，韩世玉，等. 基于稳定同位素的石漠化地区桑树根系水来源研究[J]. 农业工程学报，2019，35(15)：77-84.

Xing Dan, Xiao Jiujun, Han Shiyu, et al. Water absorption source analysis of mulberry roots based on stable isotopes in rocky desertification area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(15): 77-84. (in Chinese with English abstract)

[29] Zhanga B B, Xua Q, Gao D Q, et al. Altered water uptake patterns of Populus deltoides in mixed riparian forest stands[J]. Science of the Total Environment, 2020, 706: 1-42.

[30] Zhao L J, Wang X G, Zhang Y C, et al. Plant water use strategies in the Shapotou artificial sand-fixed vegetation of the southeastern margin of the Tengger Desert, northwestern China[J]. Journal of Mountain Science, 2019, 16(4): 898-908.

[31] Zhang Y, Zhang M J, Qu D Y, et al. Water use strategies of dominant species (and) in natural shrubs based on stable isotopes in the loess hill, China[J]. Water, 2020, 12(7): 1-15.

[32] Zhu Y J, Wang G J. Rainwater use process of caragana intermedia in semi-arid zone, tibetan plateau[J]. Frontiers in Earth Science, 2020, 8: 1-8.

[33] Beyer M, Koeniger P, Gaj M, et al. A deuterium-based labeling technique for the investigation of rooting depths, water uptake dynamics and unsaturated zone water transport in semiarid environments[J]. Journal of Hydrology, 2016, 533: 627-643.

[34] Huo G P, Zhao X N, Gao X D, et al. Seasonal water use patterns of rainfed jujube trees in stands of different ages under semiarid Plantations in China[J]. Agriculture, Ecosystems & Environment, 2018, 265: 392-401.

[35] 杜俊杉，马英，胡晓农，等. 基于双稳定同位素和MixSIAR模型的冬小麦根系吸水来源研究[J]. 生态学报，2018，38(18)：6611-6622.

Du Junshan, Ma Ying, Hu Xiaonong, et al. Applying dual stable isotopes and a MixSIAR model to determine root water uptake of winter wheat[J]. Acta Ecologica Sinica, 2018, 38(18): 6611-6622. (in Chinese with English abstract)

Quantifying the water sources of Camellia oleifera during fruit growth peak period using hydrogen and oxygen isotopes

Yue Lingli, Xia Xiong, Hu Deyong, Xiao Weihua, Zhang Wenping, Xu Wenbin, Wu Youjie※

(,,410128, China)

Water is a key factor for plant growth and development. Quantifying water sources is one of the most important steps to effectively manage the irrigation of forests during the fruit peak growth period in hilly areas. However, the research on the water use of different fruit growth peaks is still lacking on. In this study, a systematic investigation was conducted to quantify the water source offorest during the fruit peak growth period using hydrogen and oxygen isotopes. The precipitation, soil, andsamples were also collected from April-June (the first fruit growth peak) and July-August (the second fruit growth peak) in 2019 and 2020, where the soil sampling depth was 1 m. The soil layer was divided into three layers: 0-30, >30-60, and >60-100 cm, according to the distribution of root and soil water content. Taking Youngaged 3 to 5 years as subjects, the isotopic composition of xylem and soil water was compared in the active layer of the root system at the peak of fruit growth. Linear mixed and the Bayesian hybrid (MixSIAR) models were used to quantify the water absorption source of the root system. The results indicate that the Local Meteoric Water Line (LMWL) was δD=8.29δ18O+12.99,2=0.99 during the test period, where the soil and plant water isotope were concentrated near the LMWL. Most isotopes of xylem water were distributed in the range of soil water isotope values, where the soil water was the direct water source. The isotope value of xylem water basically intersected with that of soil water of 0-100 cm. The intersection depth mainly intersected 0-30 cm during the growth peak of the first fruit, and then increased gradually during the growth peak of the second fruit. It inferred that the water source in the first peak period came from the 0-30 cm soil layer, whereas, the water in the deeper soil layer was used in the second peak period. The model results showed thatpresented similar water utilization strategies in the two fruit growth peaks in 2019 and 2020. Specifically, the soil water in the 0-30 cm soil layer was mainly used at the peak of fruit growth. The contribution rates of 0-30, >30-60 and >60-100 cm soil layers were 51.3%, 28.2% and 20.5%, respectively.The water absorption depth increased in the second fruit growth peak, compared with the first growth peak. For example, the results of MixSIAR model showed that the utilization rate of 0-30 cm soil layer decreased by 19%, while the utilization rate of >30-60 and >60-100 cm two soil layers increased by 12% and 8%, respectively. The contributions of three soil layers (unit volume) to water absorption of root were 149.6, 81.1, and 58.7 mm, respectively. There was only a slight difference to simulate the contribution proportion of soil water in each soil layer using linear mixing and the MixSIAR model.This finding can provide a sound reference to formulate a suitable irrigation system for youngin the southern hilly region. Correspondingly, the forest water and fertilizer construction can also be integrated for the healthy development of.

soils; moisture; isotope; fruit growth peak of; water use; MixSIAR model

岳伶俐，夏雄，胡德勇，等. 基于氢氧同位素的油茶果实生长高峰期水分来源量化[J]. 农业工程学报，2021，37(20)：154-161.doi：10.11975/j.issn.1002-6819.2021.20.017 http://www.tcsae.org

Yue Lingli, Xia Xiong, Hu Deyong, et al. Quantifying the water sources of Camellia oleifera during fruit growth peak period using hydrogen and oxygen isotopes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(20): 154-161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.20.017 http://www.tcsae.org

2021-08-15

2021-10-05

国家自然科学基金（51809092）；湖南省自然科学基金（2020JJ5257）；湖南农业大学自然科学基金（18QN20）

岳伶俐，研究方向为农业高效安全用水理论与管理技术。Email：1317406808@qq.com

吴友杰，博士，副教授，研究方向为作物高效用水及同位素水文。Email：wuyoujie@hunau.edu.cn

10.11975/j.issn.1002-6819.2021.20.017

S273

A

1002-6819(2021)-20-0154-08