马尾松与乡土阔叶树种混合凋落叶分解的质量损失

张 艳，李 勋，宋思梦，张 健

(1. 四川民族学院，横断山区生态修复与特色产业培育研究中心，四川 康定 626001；2. 四川农业大学林学院生态林业研究所，生态林业工程重点实验室，长江上游生态安全协同创新中心，四川 成都 611130)

马尾松（Pinus massonianaLamb.）人工纯林分布于我国多个地区，南起广东雷州半岛（21° 41′ N），北至陕西秦岭（33° 56′ N），向西延伸至四川盆地中部[1]。马尾松能够在干旱、沙质和贫瘠的土壤中生长，它生长迅速，同时具有良好的制浆特性，因此，被认为是亚热带地区废弃区、严重侵蚀和边缘地带造林的优良树种[2]。研究表明，人工纯林因树种单一且长期选择性地吸收、利用和归还（主要是凋落物分解）土壤养分，导致林地土壤出现养分失衡、林分稳定性降低的现象[3]。随着林龄的增长，马尾松人工林出现了土壤肥力下降、生物多样性退化等一系列生态安全问题[4-5]。可见，林地生产力下降以及土壤退化已成为马尾松人工纯林可持续性经营的重大威胁[6]，提高林地生产力、自肥能力以及土壤保肥能力对马尾松人工林可持续经营以及维持其生态功能具有重要意义。

凋落叶分解对森林生态系统养分循环具有重要作用，不同树种凋落叶混合后的分解是促进还是抑制作用，对于林地养分归还具有重要影响。大量关于凋落叶混合分解的研究表明，凋落叶混合后在分解过程中存在着明显的混合效应，如果凋落叶混合分解表现为彼此抑制，凋落叶向土壤归还养分的过程就会受到阻碍，而当凋落叶混合分解表现为促进时，可能有利于缓解林地土壤养分失衡现象，而这2种现象被认为是凋落叶混合分解的非加和效应[7-9]。研究发现，大多数针叶树种凋落叶在分解过程中会产生具有化感作用的化合物[10]，这些化合物会抑制凋落叶的分解和养分的归还；而乡土阔叶树种凋落叶分解有利于补充土壤肥力，促进林木生长[11-13]。同时，宽大的阔叶可改善针叶形态带来的生境缺陷和水分吸附特征，从而有利于增加土壤动物活性，促进凋落叶的分解[14]，加速林地土壤养分的归还。因此，与单一针叶凋落叶相比，具有更高养分含量的混合凋落叶会加速分解并增加养分矿化，进而增加氮释放和促进养分循环[15-16]。

不同树种凋落叶数量和性质的差异将通过改变混合凋落叶的基质质量从而影响森林地表土壤碳和氮库，而树种混交比例的变化影响着凋落叶的数量。有研究表明，马尾松、栲（Castanopsis fargesiiFranch.）、含笑（Michelia figoLour.）混交林的年凋落叶量是纯马尾松林的1.12～1.17倍[17]。同时，当前马尾松人工纯林改造中还存在混交比例不清楚、混交树种选择较少、适应性和生产力较低等问题[18-20]。因此，了解不同树种组合以及不同比例下凋落叶的动态分解特征及质量损失混合效应，对促进林地养分循环、维持土壤肥力以及马尾松林的可持续经营有着重要意义。本研究通过开展马尾松与3个珍贵乡土阔叶树种香樟（Cinnamomum camphoraPresl.）、檫木（Sassafras tzumuHemsl.）以及香椿（Toona sinensisRoem.）凋落叶混合分解特征的研究，从物质循环的角度筛选出适宜的树种组合以及混合比例，旨在为马尾松纯林的混交化改造提供理论依据。

1 材料和方法

1.1 研究区概况

本研究在四川农业大学的实验基地（31°01′～31°02′ N，103°34′～103°36′ E）进行，该基地位于四川省都江堰市，属于青藏高原向四川盆地的一段过渡地带，气候类型为亚热带季风湿润气候，降水量1243.8 mm，年平均气温15.2 ℃。样地区域土壤为黄壤，在中国土壤分类系统中为铁铝土[21]。研究地点海拔约为800 m，林地内主要有马尾松、杉木（Cunninghamia lanceolataLamb.Hook.）、樟树（Cinnamomum camphoraPresl.）和喜树（Camptotheca acuminataDecne.）。本试验开始于2016年8月，在马尾松、樟树等树种的混交林中选择3块样地，每块样地大小均为30 m ×30 m，每个样地尽量保持地形地貌、海拔、母岩、土壤类型、坡度、坡位、林地情况以及林分密度等相近或相似，样地间隔≥5 m。3个样地详细情况见表1。

表1 样地基本信息（平均值 ± 标准差）Table 1 Basic information of three selected plots (mean ± SD)

1.2 试验设计

本试验于2016年6月从四川省宜宾市高县（28°11′ N、104°48′ E）来复镇分别采集马尾松针叶（P）和3种阔叶树种：檫木（S）、香樟（C）和香椿（T）的凋落叶，移除新鲜叶片和已处于分解阶段的叶片，只保留新鲜的凋落叶，对新鲜的凋落叶进行2周的室温风干处理后，称取15.00 ± 0.05 g的凋落叶放入内部大小为20 cm×23 cm的尼龙网分解袋中（正面孔径3 mm，背面孔径0.04 mm）。根据“混交林中主要树种的比例不应低于60%”[22-23]的标准，本研究总共设置35种处理，包括4种纯凋落叶处理和31种混合处理。混合处理按照1针1阔、1针2阔和1针3阔进行组合，其中，1针1阔组合均设置3个质量比，1针2阔组合均设置6个质量比，1针3阔组合设置4个质量比，文中字母后面的数字均表示不同树种凋落叶的质量比，具体混合组合及混合比例见表2。本次试验共计1610袋 = （4种纯凋落叶处理 + 31种混合处理） × 4个采样时期 × 3个样地 ×3个重复 + 350 （预防试验过程中凋落袋遗失，每种处理多放置10袋）。于2016年8月中旬将这些凋落袋小心地转移到预先设置的3个样地（海拔811～824 m）。将装有凋落叶的1610袋分解袋随机水平放置于样地表面，样品袋之间距离为2～5 cm，从而避免样品之间相互干扰。按照预先设计的时间采集样品并带回实验室测定样品放置过程中的损失量。

表2 实验处理Table 2 Design of this study for various treatments

1.3 样品与分析

分别于2017年2月（6个月） 、2017年8月（12个月）、2018年2月（18个月）以及2018年8月（24个月） 收集分解袋。每次分别在3个样地随机收集每种处理的分解袋3袋，带回实验室先用镊子将凋落叶袋中大片碎片取出，并用放大镜尽可能仔细地去除土壤颗粒物等杂质，再将其置于65 ℃烘箱干燥48 h后测定干质量，从而评估分解后残留的凋落叶质量。初始凋落叶质量测定方法：C含量采用K2Cr2O7氧化-FeSO4滴定法（GB 7857-87）测定；N和P含量分别采用微量凯氏定氮法（GB 7173-87）和钼锑比色法（GB 7852-87）测定；木质素和纤维素含量采用改进的酸性洗涤法[24]测定；总酚和缩合单宁含量分别用福林酚比色法和香草醛-盐酸法[25-26]测定。

1.4 计算与统计分析

（1）凋落叶质量损失率（Rt）：

式中：Mt表示当次凋落叶残留量；M0表示凋落叶初始质量。

（2）用修正的Olson 指数衰减模型对凋落叶的分解过程进行模拟，并计算出凋落叶的分解系数k值：

式中：y表示凋落叶在经过分解时间t后的质量残留率；a为拟合参数, e为自然对数底,k表示分解常数；t表示凋落叶的分解时间。

（3）通过单一物种凋落叶的质量损失率来计算混合凋落叶的预期质量损失率（T）：

式中：A是指A树种凋落叶在实际分解过程中的质量损失率，n1是指A树种凋落叶在混合凋落叶中的比例；B是指B树种凋落叶在实际分解过程中的质量损失率，n2是指B树种凋落叶在混合落叶中的比例，依此类推。

（4）混合凋落叶的混合效应用H表示，计算公式如下：Ht=Rt-Tt

式中：Rt为当次实际质量损失率（观测值），Tt为当次预期质量损失率（预期值）。

用重复测量方差分析（Repeated measure ANOVA）来检验不同树种组合、采样时期及其相互作用对凋落叶质量损失的影响，通过Levene’s法对方差同质性进行检验，并通过Log对不满足该假设的数据进行转化。使用α水平为0.05的独立t检验来确定凋落叶质量损失率的混合效应（观测值和预期值之间的差异）。根据前人研究结果，把混合效应分为加和效应（观测值与预期值之间无显著差异）和非加和效应（观测值与预期值之间存在显著差异）[9,27-29]。

采用指数回归拟合分解时间对凋落叶质量损失的影响。以凋落叶混合处理和采样时间为固定因子（凋落叶混合处理作为嵌套因子）进行单变量方差分析，并用嵌套的线性模型检验这2个因素对凋落叶质量损失率的影响。采用偏最小二乘回归（PLS）来分析凋落叶初始质量对分解系数k值和混合效应的相对重要性。模型中单个预测因子的相对重要性以重要性变量（VIP）表示，VIP值 >1表示预测因子对因变量的贡献达到显著水平。数据统计分析使用SPSS软件（SPSS 25.0 for Windows; SPSS Inc., Chicago, IL, USA），数据整理和作图使用Excel 2010和Origin 2018软件。

2 结果

2.1 不同处理凋落叶的质量损失率

凋落叶分解指数模型拟合显示： 分解系数k值在4个单一树种凋落叶之间表现为香椿（1.15） > 香樟（1.00） > 檫木（0.93） > 马尾松（0.42）。所有混合凋落叶的k值均低于香椿（T）、香樟（C）和檫木（S），而高于马尾松（P），其 中，PSCT6112 （0.88）、PST622（0.84）、PST613 （0.83）的k值最高（表3）。由图1可知：35个处理凋落叶的质量损失率随分解时间的延长而增加；6个月后，凋落叶的平均质量损失率为(38.80 ± 5.36)%，12个月后为(52.11 ±5.91)%，分解18个月至24个月，凋落叶质量损失率从(69.01 ± 5.93)%增加到(77.55 ± 5.64%)。

表3 不同处理下凋落叶分解系数、半分解和95%分解时间Table 3 Decomposition constant, time of 50% and 95% decomposition of litter under different treatments

4个单一树种凋落叶的质量损失率变化见图1h。香椿凋落叶的质量损失率在4个分解时期均显著高于其它3种凋落叶（P< 0.01）。马尾松凋落叶的质量损失率在分解18个月（P< 0.01）和24个月（P< 0.01）后均显著低于3个阔叶树种凋落叶。

1针1阔混合凋落叶的质量损失率总体表现为阔叶占比越高，质量损失越快，经过24个月的分解后，1针1阔组合凋落叶的质量损失率分别为PT 75.66%～83.84%，PS 71.28%～72.88% 、PC 74.59%～81.80% （图1a～c），其 中，PT64的质量损失率在分解6个月（P< 0.001）和24个月后（P< 0.001）所有分解时期，PS64的质量损失率均高于PS82或PS73，但三者之间差异不显著（P> 0.05）；分解24个月后，PC64的质量损失率显著高于PC82和PC73（P= 0.016），但在其它分解时期三者间差异不显著（P> 0.05）。

1针2阔混合凋落叶在分解24个月后的质量损失率分别为72.28%～81.98% （PST）、71.45%～78.73% （PSC）和70.12%～82.25% （PCT）（图1d～f）。总体上看，PST组合中，PST613的质量损失率在整个分解过程中均显著较高（P<0.05）。PSC组合中，6个混合比例之间的质量损失率在分解12个月（P= 0.001）和18个月后（P= 0.010）差异显著，其中，PSC811的质量损失率在整个分解过程中相对较低。PCT组合中，PCT811的质量损失率在4个采样时期均显著低于其他5个混合比例（P< 0.05），与之相反，PCT613的质量损失率则相对较高。

PSCT组合在经过24个月分解后的质量损失率达到77.96%～83.79% （图1g），其中，PSCT6112的质量损失率在经过24个月分解后相对较高（P= 0.047），但在其它3个分解时期，不同混合比例之间并无显著差异（P> 0.05）。

图1 不同处理下凋落叶分解过程中的质量损失率的变化 （平均值 ± 标准偏差；n = 3）Fig. 1 Mass rate loss during litter decomposition under different treatments (mean ± SD; n = 3)

2.2 凋落叶分解的混合效应

由图2可知：4个分解时期均有部分凋落叶的质量损失率表现出非加和效应，且表现为非加和效应中的协同效应（观测值-预测值 > 0，且P<0.05）。混合凋落叶在分解6、12、18、24个月后的协同效应分别为29.03% （9/31表示31个混合处理中有9个处理表现为协同效应，下同）、41.94% （13/31）、67.74% （21/31）和45.16%（14/31），协同效应随分解时间的延长表现为先增强，后减弱的趋势，尤其在分解18个月时最强。分解6个月后仅PT64、PST613、PSC613、PCT （除811和631比例）、PSCT （7111和6211比例） 表现为协同效应。分解12个月后PT64、PC （除82比例）、PST （除811和631比例）、PSC（631和622比例）、PCT（721比例）、PSCT （除6112比例） 表现为协同效应。分解18个月后，除PS、PSC（除811比例）、PCT622外其余组合均表现为协同效应。分解24个月后，PT、PC（82和64比例）、PST（622和613比例）、PSC613、PCT（除811、631和622比例）以及PSCT（除6211）均表现为协同效应。总体上PT64、PST613、PCT（除分解12个月时）、PSCT（除分解6个月时）均表现出较强的协同效应。此外，不同的混合比例对凋落叶的混合效应也有影响且随分解时间有所变化，其中，PT64、PST622、PST613、PCT721、PSCT7111和PSCT6121在分解12、18、24个月后均表现出协同效应；而PS82、PS73、PS64和PSC721在整个分解过程中均表现为加和效应。可见阔叶比例为30%～40%时尤其是含有香椿（T）的混合凋落叶（如PT，PST，PCT和PSCT）的协同效应尤为明显。

图2 31个混合处理凋落叶质量损失率的混合效应（平均值 ± 标准差）。Fig. 2 Mixture effects on leaf litter mass loss for 31 different litter mixtures (Means ± SD)

2.3 凋落叶分解系数（k值）、混合效应与凋落叶初始性质的相关性

PLS回归分析表明：凋落叶的分解系数k值与其初始性质有着密切的相关性（图3），其中，与初始C、总酚含量、木质素含量、C/N、C/P、木质素/N以及木质素/P表现为显著的负相关，与初始N含量表现为显著的正相关。

图3 凋落叶初始化学特征与凋落叶的分解系数k值的偏最小二乘回归分析Fig. 3 Results of the PLS regression analysis on the initial litter chemical characteristics of litter and decomposition coefficient k value

PLS回归分析表明：在分解过程中，凋落叶的混合效应也受到不同树种凋落叶初始性质的影响（表4）。经过6个月分解后，混合效应与纤维素含量、C/N、C/P、木质素/P表现为显著的负相关，而与N、P含量表现为显著的正相关。分解12个月后，与木质素、纤维素含量、木质素/P表现为显著的负相关，而与P含量表现为显著的正相关。分解18、24个月后，与N含量以及N/P表现为显著的正相关，而与木质素（除分解24个月）、纤维素（除分解18个月）、总酚含量和木质素/N表现为显著的负相关。而在整个分解过程中，凋落叶的混合效应与C含量均无显著相关性。

表4 不同分解时期凋落叶质量损失率混合效应与养分含量之间的PLS回归分析Table 4 Results of PLS regression analysis between the concentrations of litter quality and mixed effects of leaf litter mass loss rate (observed-expected) in different decomposition periods

3 讨论

凋落叶分解系数（k）能直观地表达凋落叶分解速率。本研究结果表明，所有混合凋落叶的分解系数k值均小于香椿、香樟和檫木，而大于马尾松，其中，PSCT6112 （0.88）、PST622 （0.84）、PST613 （0.83）的k值最高（表3）。PT、PCT、PST以及PSCT树种组合的质量损失率高于PS和PSC树种组合。可见，马尾松与香椿和香樟混合更有利于提高整个凋落叶的质量损失率，促进了马尾松的分解。这是因为马尾松针叶凋落叶与阔叶凋落叶混合后改变了其初始化理化性质，尤其是具有较高质量的阔叶凋落叶香椿可为较低质量的马尾松针叶凋落叶提供养分，满足了分解过程中微生物对养分的需求[30-31]，促进了凋落叶的分解。PLS回归分析也表明，凋落叶的分解系数k值与初始C、木质素含量、总酚含量、C/N、C/P、木质素/N以及木质素/P表现为显著的负相关，而与初始N含量表现为显著的正相关。本研究中，香椿和香樟凋落叶相对较高的N、P含量以及N/P比通常会提升凋落叶的分解速率[32]；其次，凋落叶中的难分解物质如木质素和总酚会通过阻碍酶类与不稳定的碳化合物接触以及抑制微生物酶的产生，对分解者尤其是微生物产生毒害作用[33-34]，从而致使凋落叶分解速率下降。相对于其它处理，PS 和PSC 凋落叶中C、木质素、总酚以及C/N、C/P、木质素/N和木质素/P比值较高，而N、P 含量和N/P 比值较低，这可能是PS 和PSC 组合的质量损失率低于其他组合的原因。

凋落叶混合后在分解过程中存在着明显的混合效应（非加和效应和加和性效应），通常是通过t检验来分析观测值和预期值之间是否存在显著差异确定的，即当二者之间无显著差异时表明凋落叶的分解表现为加和效应，存在显著差异时则表明凋落叶的分解表现为非加和效应。非加和效应又分为协同效应与拮抗效应[9,28-29]：若混合凋落叶的实际测量的质量损失率（观测值）显著高于预期值，则说明该混合凋落叶出现了协同效应；反之，则出现了拮抗效应。本研究中，大多数混合凋落叶质量损失率在分解过程中均表现为非加和效应中的协同效应，且协同效应随分解时间表现为先增强，后减弱的趋势，尤其是在分解18个月后混合凋落叶的协同效应出现最大值（67.74%），其中，PT64、PST613、PCT （除分解12个月时）、PSCT （除分解6个月时）均表现出较强的协同效应。含有香椿（T）的混合凋落叶 （如PT、PST、PCT和PSCT）所占比例为30%～40%时的协同效应尤为明显。可见，马尾松凋落叶与阔叶凋落叶混合尤其是混合香椿凋落叶后加速了凋落叶的质量损失，促进了马尾松凋落叶的分解。

一方面，凋落叶分解过程中土壤动物破碎、取食等会直接影响凋落叶的分解[35]，凋落叶混合后增加了化合物的多样性，能够满足不同分解者的需求从而加速了凋落叶的质量损失[28,36]。本研究中，香椿因其叶片面积宽大柔软有利于土壤动物附着其上定居繁衍进而破碎取食，进一步有益于香椿与其他凋落叶完全混合而促进凋落叶间养分的转移[37-38]，同时马尾松与叶片面积宽大的香椿混合可以改善水分吸附特征而增加土壤动物活性[14]，最终加速了整个混合凋落叶的质量损失。另一方面，PLS回归分析表明，凋落叶的混合分解效应与其初始性质密切相关（表4），其中，与纤维素和缩合单宁含量呈显著负相关，与N、P含量呈正相关。在分解18个月和24个月后，凋落叶分解的协同效应与N含量呈正相关，而与C含量无显著相关性，说明相对于C组分，N组分更能促进或抑制混合凋落叶的分解[20,39-40]。凋落叶中较高的N含量往往能加快凋落叶的分解速率[41-43]。在4个树种凋落叶中香椿凋落叶的N含量最高（表5）。这可能是混合有香椿凋落叶的组合（所有的PT组合，2/6的PST组合：表示PST组合的6个混合比例中有2个比例表现为协同效应，下同，3/6的PCT组合和3/4 的PSCT组合）且占比较大时的质量损失均表现出较强协同效应的原因。随着分解时间的延长，经过土壤动物的破碎、取食以及淋溶作用释放的养分有利于混合凋落叶中分解者的数量和活性增加，进而促进凋落叶的分解[37,44]协同效应增强。分解24个月后凋落叶质量损失的协同效应从67.74%下降到45.16%，这可能是因为凋落叶中营养物质（N、P等）和可溶性碳化合物（DOC等）浓度的降低以及次生化合物（如木质素等）的增加导致分解后期凋落叶之间出现负互补效应[45]。此外，在混合凋落叶分解研究中，通常按照每种物种的质量比例（每种树种凋落叶的质量）进行搭配[28]。由于土壤动物群落组成和取食偏好的差异，混合凋落叶之间比例不均可能导致微生物生物量[46]和功能的变化[47]或改变混合凋落叶中的小气候条件[32]从而分解缓慢。同时，分解者（如土壤动物）的密度或数量与凋落叶的N、P含量显著相关[48]，而不同树种凋落叶搭配及不同混合比例可能导致N、P含量的变化，从而影响土壤动物群落结构及其对凋落叶分解的贡献。与其它处理相比，PS组合质量损失的协同效应弱，这可能是因为PS组合的N、P含量低，而木质素、纤维素等含量高而造成的。

表5 单一树种凋落叶初始质量特征（平均值±标准差）Table 5 Initial litter quality characteristics of the species used in the experimental work (mean ± SD)

4 结论

马尾松与阔叶树种凋落叶混合后的质量损失率基本表现为协同效应且随分解时间的延长呈先增强后减弱的规律，这种效应因树种组成和比例而有所差异。混合组合中PT、PCT、PCT以及PSCT树种组合的质量损失率高于PS和PSC树种组合，大多数含有香椿的混合凋落叶基本也表现为协同效应，尤其PT、PCT和PSCT组合质量比分别为6:4、7:2:1、7:1:1:1时的质量损失率在4个分解时期均表现出较强的协同效应。因此，在营造马尾松针阔混交林时可从凋落叶分解角度出发，选择香椿和香樟作为混交树种，且阔叶凋落叶占比为30%～40%时有助于促进林地养分循环，该研究结果可为马尾松纯林的混交化改造提供理论依据。