大气CO2浓度上升与增温对双季稻籽粒铁、锌和植酸含量及累积量的影响

李敏，贾羽旋，夏新月，王斌，宋春燕，朱波，石生伟*

（1.北京农学院生物与资源环境学院，北京 102206；2.中化现代农业有限公司，北京 100031；3.北京姿美堂生物技术股份有限公司，北京 100144；4.中国农业科学院农业环境与可持续发展研究所，北京 100081；5.长江大学农学院，湖北 荆州 434022）

化石燃料燃烧和土地利用等人为活动持续加剧温室气体排放，导致大气CO2浓度不断上升，引发了以全球变暖为主要特征的气候变化问题。2019 年全球大气CO2浓度已达到410µL·L–1，预计到21 世纪末大气CO2浓度将达到750µL·L-1，全球平均温度升高2~4 ℃[1]。气候变化对农业生态系统产生了一系列直接或间接的影响，如改变农业生态系统作物的生产力，导致粮食产量以及品质发生改变，给粮食安全和居民营养健康问题带来潜在风险等[2-6]。因此，研究气候变化对粮食产量与营养品质的影响具有十分重要的现实意义。

水稻是世界上最重要的粮食作物之一，全球一半以上的人口以稻米为食[7]。已有研究表明大气CO2浓度上升促进水稻叶片进行光合作用，增加产量[8-9]。水稻产量的增加将有助于缓解全球性“粮食危机”。然而，有研究表明大气CO2浓度增加导致水稻籽粒养分发生“稀释现象”[9-11]，即谷物中与人体健康相关的营养素含量（如氨基酸、蛋白质[10-12]、Fe 和Zn 等[13-15]）会随着大气CO2浓度增加而降低。Seneweera 等[15-16]发现大气CO2浓度增加导致水稻籽粒中N、P、Fe和Zn的含量分别降低14%、5%、17%和28%。Jin 等[17]发现长期高CO2浓度条件下小麦籽粒中N、P 和Zn 元素的浓度分别下降6%、5%和10%。Zhu 等[18]利用FACE（Free Air CO2Enrichment）模拟高CO2浓度条件对18种常见水稻品种稻谷营养品质的影响，结果表明高CO2浓度下大部分品种稻谷Fe 和Zn 含量表现出下降趋势，其中5 个品种的下降幅度达到显著水平。Fe、Zn 等矿质营养元素参与谷物体内一系列酶的合成和代谢过程[8]。Fe、Zn 等矿质营养元素摄入不足将引起贫血、免疫功能降低、儿童反应迟钝等健康问题[12-13]。据估计，全球约有20 亿人口的营养元素摄取依赖于C3谷物和豆类中的Zn 和Fe[14-15]。因此，大气CO2浓度上升引起稻谷中Fe、Zn元素含量变化，对于以稻米为主食的发展中国家居民健康具有不可低估的影响。

稻谷Fe 和Zn 含量对高CO2浓度具有复杂的响应机制[19-20]。尽管大多数观测偏向于高CO2浓度导致Fe和Zn 含量下降的观点[14，18]，但受制于水稻品种、土壤环境和气候条件的差异，已有观测试验中稻谷Fe 和Zn 含量对CO2浓度升高的响应并不一致[14-15]。目前研究主要关注稻谷Fe 和Zn 含量的变化，而缺少对累积量的观测研究。如果考虑到CO2浓度上升对水稻的增产效应，大气CO2浓度升高对稻米Fe 和Zn 累积量的影响可能会被高估[21]。此外，根据气候模式可知未来CO2浓度和温度存在同步升高现象[22]。已有研究主要关注大气CO2浓度升高的单因子影响，而缺乏对大气CO2浓度升高和增温叠加作用效果的探索。水稻产量对气温变化较为敏感，温度升高会导致稻谷减产[23]。因此，仅考虑CO2浓度上升的单因子试验对于认识气候变化对稻谷Fe 和Zn 含量的影响存在较大的局限性，而综合考虑CO2浓度和温度同步上升的田间观测数据更有说服力。

开顶式气室（Open Top Chamber，OTC）观测系统作为模拟生态系统在不同气候变化情景下响应的主流研究方法，具有模拟田间作物生长真实环境的优势。本研究采用OTC 系统模拟大气温度上升1.5 ℃（即《巴黎协定》制定的升温阈值）、CO2浓度上升100µL·L–1[即根据气候模式预测的当全球温度升高1.5 ℃时对应的大气CO2浓度中值（507 µL·L–1）较2016 年的增加量[22]]和二者叠加作用的气候变化情景，对江汉平原双季稻籽粒Fe、Zn和植酸含量进行观测，探索以下科学问题：（1）大气CO2浓度升高和增温是否显著改变水稻籽粒中Fe、Zn 含量及积累量；（2）大气CO2浓度升高和增温的叠加作用效果是否有别于各单因子影响。以上科学问题的解决将有助于更好地理解未来气候变化对水稻营养品质的影响，为探索未来气候背景下稻田水肥管理、物质循环及粮食营养安全的改善提供理论依据和决策参考。

1 材料与方法

1.1 试验平台概况

田间试验观测地点位于湖北省荆州市荆州区农业气象局试验观测场内，具体地理位置为30°21'N，112°09'E。荆州区位于江汉平原腹地，属亚热带季风性气候，雨热同季，年太阳辐射总量435~460 kJ·cm-2，年日照时数1 800~2 000 h，年平均气温15.9~16.6 ℃，年平均降水量1 100~1 300 mm，是我国重要的商品粮生产基地。当地每年4—10 月是双季稻（早稻和晚稻）生长季。双季稻生长季太阳辐射量占全年75%左右，降水量与积温高于10 ℃的天数占全年80%左右。2017—2019 年双季稻生长期内气温与降水的动态变化见图1。

图1 2017—2019年双季稻生长期内气温与降水的动态变化Figure 1 Dynamic change of air temperature and precipitation in early and late rice growing period from 2017 to 2019

试验种植区土壤类型为内陆河湖交替沉积形成的粉质中壤水稻土，其中黏粒占19.70%、粉粒占54.20%、砂粒占26.10%，具有较好的保持土壤水分与肥力的能力。0~20 cm 稻田土壤基础理化性质为：土壤pH 为7.90，容重为1.44 g·cm-3，有机碳含量为14.12 g·kg-1，全氮含量为1.13 g·kg-1，速效磷含量为11.04 mg·kg-1，速效钾含量为58.15 mg·kg-1，土壤有效态Fe含量为84.61 mg·kg-1，有效态Zn含量为1.13 mg·kg-1。

1.2 试验设计

本试验采用的OTC 系统具体参数与原理见文献[24]。试验平台共有12 个OTC 气室，分为3 个区组，每个区组4 个OTC 气室，均匀分布在稻田中。每个OTC 气室均呈正六边形棱柱状，底部有效面积为5 m2。通过加热换气装置和CO2释放装置来调节试验所需背景值。田间试验为双因素交互设计试验，包含有CO2浓度和温度2 个因素，共4 个处理，分别是：（1）对照处理（CK），OTC气室内CO2浓度和温度与大田环境基本一致，作为OTC 装置对局部微环境因素（风速以及少量遮光）影响的对照；（2）增温处理（ET），OTC气室内的温度比CK 高1.5 ℃；（3）大气CO2浓度上升处理（EC），OTC 气室内CO2浓度比CK 高100µL·L–1；（4）增温与大气CO2浓度上升叠加效应处理（ETEC），即OTC 气室内CO2浓度比CK 高100 µL·L–1，温度比CK 高1.5 ℃。每个处理设有3 个重复，呈随机区组排列。每个OTC 气室内1.5 m 处安装有温度探头和CO2浓度探头，用于监控气室内温度和CO2浓度，其精度分别为±0.1 ℃和±20µL·L–1。监测系统每2 min 记录一次数据，并通过自动感应控制系统来调节OTC 内部的温度和CO2浓度，实现准确动态模拟。

以当地常规稻种作为供试品种，其中早稻品种为两优287，晚稻品种为金优212，移栽密度为21 万穴·hm-2，2~3株·穴-1。水稻于每年4月下旬移栽，10月中旬收割。所有处理施肥方案均一致，其中氮肥采用尿素（N≥46%）、磷肥采用过磷酸钙（P2O5≥12%）、钾肥采用氯化钾（K2O≥60%）。3 种肥料混合施用，施肥方案依据当地推荐的最适合双季稻生长的施肥配比与施用时间而制定，各种肥料具体施用量见表1。各处理水分管理模式相同，前期淹水，中期晒田，后期干湿交替，最后自然落干至收割。

表1 双季稻施肥方案（kg·hm-2）Table 1 Fertilization program（kg·hm-2）

1.3 样品采集与测定

谷物样品采集：水稻成熟后，在每个OTC 气室内选取1 m2未被之前采样影响的地块作为样方进行测产，样品晾晒脱粒后获得籽粒备用。

水稻籽粒中Fe、Zn 含量测定：于2017—2019 年早稻和晚稻成熟期收获籽粒，籽粒在80 ℃下烘至恒质量后粉碎。称取2 g 粉碎后的样品先完全碳化，再放入马福炉中灰化。所得到的灰化样品用0.5 mol·L-1硝酸溶解并过滤定容，采用原子吸收法测定Fe 和Zn的含量[25]。

谷物中植酸含量测定：称取过40目筛的谷物样品0.25 g 于具塞三角瓶中，用2%盐酸提取液提取2 h，5 000 r·min-1离心5 min，经过滤后加入三氯化铁-磺基水杨酸反应剂，混匀后静置20 min，于500 nm 波长处测定吸光度值，并根据标准曲线计算样品中植酸含量。

土壤样品：于2017—2019 年早稻和晚稻成熟期分别从各OTC 小区内取0~20 cm 耕层土样（5 点取样法）。用EDTA 浸提土壤中有效态Fe、Zn 离子并用原子吸收法测定其含量[25]。土壤pH用pH计测量。

1.4 数据分析

用Microsoft Excel 对数据计算整理后采用重复测量数据的方差分析方法（Repeated-measures ANOVA）进行统计分析，即试验年份为重复取样的时间，测量指标（籽粒Fe、Zn以及植酸含量）为因变量，分别开展早稻和晚稻统计检验，以实现试验年份和处理交互作用影响下不同年份和处理间差异的显著性检验（P<0.05）。采用相关性分析建立双季稻籽粒Fe、Zn 和植酸含量以及土壤有效态Fe、Zn含量的内在关联。

2 结果与分析

2.1 大气CO2浓度上升与增温对双季稻籽粒Fe、Zn 及植酸含量的影响

重复测量数据的方差分析结果显示（表2），年份对双季稻籽粒Fe、Zn及植酸含量均具有显著影响，年份与处理的交互作用对早稻籽粒Fe 含量和晚稻籽粒中Zn 含量具有显著影响（P<0.05）。根据方差分析中F值（表2）可判断，观测年份是造成双季稻籽粒Fe、Zn及植酸含量变异的主要因素，即Fe、Zn及植酸含量对大气CO2浓度上升与增温的响应存在显著的年际间差异（表2）。

表2 2017—2019年双季稻籽粒中Fe、Zn及植酸含量的重复测量数据方差分析结果Table 2 Repeated measures ANOVA results for Fe，Zn and phytic acid contents in double-cropping rice grains from 2017 to 2019

2017—2019 年早稻和晚稻籽粒Fe 含量在39.28~93.87 mg·kg-1之间（表3）。相比CK，EC 和ETEC 处理显著降低2018 年早稻籽粒中Fe 含量（-13.41%和-25.95%，P<0.05）。相反，EC 处理显著增加2019 年早稻和晚稻籽粒中Fe 含量（+29.70%和+27.95%，P<0.05）。就3 a 平均值而言，EC 和ET 处理对早稻籽粒中Fe含量无显著影响，但ETEC 处理显著降低早稻籽粒中Fe含量（-8.30%，P<0.05）。

表3 2017—2019年不同试验处理下双季稻籽粒中Fe、Zn及植酸含量Table 3 Fe，Zn and phytic acid contents in double-cropping rice grains under different treatments from 2017 to 2019单位：mg·kg-1

2017—2019 年早稻和晚稻籽粒Zn 含量在15.26~22.89 mg·kg-1之间（表3）。相比CK，EC 处理显著降低2017 年晚稻和2018 年早稻籽粒Zn 含量（-13.84%和-12.97%，P<0.05），ET处理显著降低2018年早稻籽粒Zn 含量（-13.49%，P<0.05），ETEC 处理显著降低2019年晚稻籽粒Zn含量（-16.24%，P<0.05）。就3 a平均值而言，EC处理显著降低早稻籽粒Zn含量（-8.28%，P<0.05），而ETEC 处理显著降低晚稻籽粒Zn 含量（-10.91%，P<0.05）。

2017—2019 年早稻和晚稻籽粒中植酸含量在351.26~739.87 mg·kg-1之间（表3）。本试验未发现早稻和晚稻籽粒植酸含量存在显著的处理间差异（P>0.05）。

2.2 不同处理下双季稻籽粒Fe、Zn 及植酸含量的年际间差异特征

双季稻籽粒Fe 和Zn 含量均表现出显著的年际间差异（P<0.05，图2）。在EC 和ETEC 处理下，2019年早稻籽粒Fe 含量显著大于2018 年对应的观测值（P<0.05）；在ET 和ETEC 处理下，2017 年晚稻籽粒Fe含量显著大于2018年对应的观测值（P<0.05）。在CK处理下，2017 年晚稻籽粒Fe 含量显著大于2018 年和2019年对应的观测值（P<0.05）。双季稻籽粒Zn 含量表现出不同的年际间变化特征，具体表现为CK 和EC处理下，2019 年早稻籽粒Zn 含量显著低于2017 年对应的观测值（P<0.05），而CK、ET和ETEC处理下，2018年和2019年晚稻籽粒Zn含量显著低于2017年对应的观测值（P<0.05）。早稻籽粒植酸含量存在显著的年际间差异（图2），其中CK、ET 和ETEC 处理下，2019年早稻籽粒植酸含量显著低于2017 年对应的观测值（P<0.05）。晚稻籽粒植酸含量年际间无显著差异。

图2 不同试验处理下双季稻籽粒Fe、Zn及植酸含量的年际变化Figure 2 Annual variation of Fe，Zn and phytic acid contents in double cropping rice grains under different treatments

2.3 大气CO2浓度上升与增温对双季稻籽粒Fe、Zn 及植酸累积量的影响

2017—2019 年早稻和晚稻籽粒Fe 累积量在0.33~0.71 kg·hm-2之间（表4）。相比CK，在ETEC 处理下2018 年早稻籽粒Fe 累积量下降23.43%，但晚稻增加24.24%（P<0.05）；在EC 处理下2019 年早稻和晚稻籽粒Fe 累积量分别增加52.94%和69.38%（P<0.05）。就3 a 平均值而言，早稻籽粒Fe 累积量在EC处理下较CK显著增加17.30%（P<0.05）。

表4 不同试验处理作用下双季稻产量和籽粒Fe、Zn、植酸累积量Table 4 Grain yield，cumulants of Fe，Zn and phytic acid in double-cropping rice under different treatments

2017—2019 年早稻和晚稻籽粒中Zn 累积量在0.13~0.25 kg·hm-2之间（表4）。相比CK，在EC 处理下2018 年和2019 年晚稻籽粒Zn 累积量分别增加20.00%和38.88%（P<0.05）。就3 a 平均值而言，晚稻籽粒Zn 累积量在EC、ET 和ETEC 处理下分别较CK增加25.00%、18.75%和18.75%（P<0.05）。

2017—2019 年早稻和晚稻籽粒中植酸累积量在2.65~7.49 kg·hm-2之间（表4）。相比CK，在EC 处理下2017年晚稻籽粒植酸累积量增加34.49%；在ETEC处理下2017年和2019年晚稻籽粒植酸累积量分别增加28.93%和46.21%（P<0.05）。总体而言，EC、ET 和ETEC 处理对早稻植酸累积量无显著影响，但均显著提高晚稻植酸累积量（P<0.05）。

2.4 不同处理下双季稻籽粒Fe、Zn 及植酸累积量的年际间差异

不同处理下双季稻籽粒Fe、Zn 及植酸累积量存在较大的年际间差异（图3）。EC 处理下早稻籽粒Fe累积量的年际间变化特征为2019 年>2018 年>2017年（P<0.05）。2018 年CK、ET 处 理 和2019 年ET、ETEC 处理下早稻籽粒Fe 累积量均显著大于2017 的对应观测值。2019年不同处理下晚稻籽粒Fe累积量均显著大于2018 年的对应观测值（P<0.05）。对于籽粒Zn 累积量而言，不同处理下2018 年早稻观测值均显著大于2019 年的对应观测值（P<0.05），而晚稻则表现出相反的变化特征。2017年和2018年所有处理的早、晚稻籽粒植酸累积量间不存在显著差异，但2019 年CK、ET 和ETEC 处理下早稻籽粒植酸累积量显著小于2017年的对应值。

图3 不同试验处理下双季稻籽粒中Fe、Zn及植酸累积量Figure 3 Accumulation of Fe，Zn and phytic acid in double cropping rice grain under different treatments

2.5 大气CO2浓度上升与增温对土壤有效态Fe 和Zn的影响

2017—2019 年不同处理下早稻和晚稻收获后土壤有效态Fe 与Zn 含量存在较大的年际间差异（表5）。与CK 相比，2018 年晚稻土壤有效态Fe 含量在EC、ET 和ETEC 处理下分别下降17.34%、10.17%和15.68%（P<0.05）。2018年早稻土壤有效态Zn含量在EC 处理下显著增加431.00%，晚稻却显著下降42.67%（P<0.05）。整体而言，2017—2019 年在EC 处理下早稻土壤有效态Zn 含量显著增加，而晚稻土壤有效态Zn含量显著降低。

表5 不同处理下双季稻成熟期土壤有效态Fe和Zn含量Table 5 Soil available Fe，Zn content at mature stage of double cropping rice under different treatments

2.6 双季稻籽粒Fe和Zn含量与其他变量的内在关联

相关性分析表明（表6），2017年和2018年晚稻籽粒Fe 含量与植酸含量存在显著负相性（P<0.01）。2018 年早稻籽粒Zn 含量与植酸含量存在正相关性（r=0.5，P<0.05），而晚稻则表现为负相关性（r=-0.67，P<0.01）。2017 年早稻、2018 年早稻和晚稻籽粒Fe和Zn 含量之间存在正相关性。2019 年早稻籽粒Zn含量与土壤中有效态Zn 含量存在正相关性（r=0.53，P<0.01）。2018 年和2019 年晚稻土壤有效态Fe 含量与Zn含量存在显著正相关性（P<0.01）。

表6 水稻籽粒中Fe、Zn、植酸含量和土壤中有效态Fe、Zn含量的皮尔逊相关系数（r）Table 6 Pearson's correlation coefficents results between Fe，Zn and phytic acid（PA）contents in rice grains and soils

3 讨论

3.1 大气CO2浓度上升和增温对稻谷籽粒Fe 和Zn 含量的影响

稻谷籽粒Fe 和Zn 含量对于CO2浓度升高和增温的响应机制较为复杂[19-20]。目前存在的解释机制为：（1）温度升高通过改变水稻植物体内细胞膜的流动性和细胞壁上能够结合矿质元素的位点数量，改变矿质元素从细胞膜进入植株体内的运输方式，从而影响水稻籽粒中矿质元素含量[26-27]；（2）温度升高促进植株新陈代谢，增强营养器官向籽粒中转运矿质元素的能力，改变作物籽粒矿质元素含量[27]；（3）大气CO2浓度上升有利于水稻光合作用合成碳水化合物，从而导致矿物质比例相对减少[28]；（4）大气CO2浓度上升可能会通过提高植物根系向地上部各个器官转运矿质元素的能力而增加植株体内矿质元素含量[28]。水稻在不同生长阶段对每种矿质元素需求量不同，大气CO2浓度上升会导致矿质元素在秸秆和籽粒的分配发生不同程度的改变[29]。

本研究通过3 a 的田间试验，未发现水稻籽粒Fe和Zn 含量对大气CO2浓度上升和增温的响应存在一致性的规律。就单一因素而言，水稻籽粒Fe 和Zn 含量的变化对CO2浓度上升较增温更为敏感，例如：EC处理下2018 年早稻籽粒Fe 含量显著降低，2019 年早稻和晚稻籽粒Fe 含量显著增加，2017 年晚稻和2018年早稻籽粒Zn含量显著降低；而ET处理下仅2018年早稻籽粒Zn 含量显著降低（表3）。ECET 处理下2018 年早稻籽粒Fe 含量和2019 年早稻籽粒Zn 含量均显著降低。显然，难以用以上一种机理解释水稻籽粒Fe 和Zn 含量对大气CO2浓度上升和增温的响应。整体而言，大气CO2浓度上升是该地区水稻籽粒Fe和Zn含量变化的主因，而增温与大气CO2浓度上升叠加的作用更为显著。未来气候变化极可能出现CO2浓度和温度同步升高的情况，本研究倾向于未来气候变化可能会降低稻米籽粒中Fe和Zn含量的观点。

有研究认为稻谷籽粒矿质元素含量对于CO2浓度升高的响应和植酸含量存在一定程度的关联[30]。周三妮等[31]利用FACE 平台研究发现，高CO2浓度处理下超级水稻精米和糙米Zn 含量分别降低4.70%和6.60%（P<0.01），植酸含量增加2.00%和0.30%（P>0.05），尤其植酸与Zn 的摩尔比显著增加。Myers等[14]的研究结果表明高CO2浓度使水稻植酸含量增加了1.20%，有效态Zn 含量显著降低7.80%。本研究中EC 处理下不同年份籽粒植酸含量普遍会增加（早稻增幅为17.17%，标准差为15.97%；晚稻增幅为9.96%，标准差为9.27%），但尚未达到统计学显著程度（P>0.05）。由于部分稻季稻谷籽粒Fe、Zn 含量与植酸含量存在显著的负相关性（表6），且EC 处理和ECET 处理下籽粒Zn 含量多年平均值的降幅达到统计学显著水平（P<0.05），因此本研究结果支持大气CO2浓度上升有利于提高水稻籽粒植酸含量的观点。水稻植酸可以与Fe、Zn 等矿质元素络合形成难以移动的植酸盐而不利于有效态Zn 的转运[32-33]。根据以上分析，我们推断大气CO2浓度升高对水稻籽粒Zn含量的负效应可能与高CO2浓度下植酸含量的增加存在因果关系。

3.2 大气CO2浓度上升后稻谷籽粒Fe 和Zn 含量变化的年际间差异

本试验中早稻和晚稻籽粒Fe 和Zn 含量对大气CO2浓度上升与增温的响应存在极大的年际间差异，尤其年份对变量总变异的贡献大于试验处理（表2）。我们认为这种极大的年际间差异与年际间气象条件波动有一定关联。已有研究发现移栽至抽穗期的温度是限制长江中下游地区早稻生长发育和产量的主要因素[34]。本研究中EC 处理的CO2浓度增幅仅比对照高100 µL·L-1，远低于水稻功能叶片光合作用的CO2饱和点。在适宜的温度条件下水稻叶片净光合速率随着大气CO2浓度增加呈直线上升趋势，意味着高CO2浓度有利于早稻叶片通过光合作用合成更多的碳水化合物[35]。2019 年早稻生育期平均温度比2017年和2018年同期低0.6~1.6 ℃，降雨量高100 mm（图4），尤其在移栽至拔节期出现低温和长期阴雨天气，比其他年份同期低2.1 ℃（图1）。对于早稻生长期光温资源相对充裕的年份（2018年）而言，高CO2浓度更有利于早稻合成更多碳水化合物而易于发生对矿质元素的“稀释现象”，导致EC处理下籽粒Fe和Zn含量显著降低；相反，2019 年早稻生长期内的低温和阴雨天气会降低高CO2浓度对光合作用的正向刺激，从而减弱EC处理对水稻籽粒Fe和Zn含量的影响。

图4 2017—2019年不同水稻生长季内平均温度与累计降水量Figure 4 Average temperature and cumulative precipitation in different rice growing seasons in 2017—2019

不同年份晚稻籽粒Fe 和Zn 含量的变化差异比早稻更为明显。晚稻移栽于7 月下旬，日均温高于30 ℃，为该地区全年高温时段。移栽至拔节期的高温天气是制约晚稻移栽后秧苗缓苗和分蘖的主要逆境因子[34]。此外，晚稻生育期内气温过高会限制水稻功能叶片净光合速率[35]。本研究中2019 年晚稻生长期内存在高温和干旱天气，其中平均气温比2017 年和2018年同期高0.8~1.8 ℃，降雨量减少120~350 mm（图4）。该气候条件下高CO2浓度未表现出对Fe 和Zn含量的“稀释现象”，相反EC处理对晚稻籽粒Fe含量具有正效应，但对Zn含量无显著影响（表3）。这可能是由于高温干旱条件下不同矿质元素转移运输对高CO2浓度的响应存在差异[36-37]。有研究认为大气CO2浓度上升通过提高光合效率促进植物生长而提高根际微生物活性，同时增加根系与根际微生物对矿质元素的需求，从而导致被植物吸收的矿质元素在不同部位的分配比例发生变化[37]。这可能是晚稻籽粒中Fe 和Zn 含量对CO2浓度升高具有不同响应特征的原因之一。

本试验2019 年同时出现早稻生长期内低温阴雨和晚稻生长期内高温干旱的不利天气，籽粒Fe 含量比其他年份普遍增加或保持不变，而籽粒Zn 含量则普遍出现降低现象。由此可认为该地区双季稻籽粒Zn含量比Fe含量对于异常气候因子（高温或低温）更为敏感。此外，本试验发现ETEC 处理下2018 年早稻、2019年早稻和晚稻籽粒Fe含量显著低于EC 处理的对应观测值，并且ETEC 处理下2019 晚稻籽粒中Zn含量显著降低（表3）。这说明增温与CO2浓度升高叠加作用效果有别于单因子影响，具体表现为二者叠加对双季稻籽粒Fe 和Zn 含量的降低具有正协同效应，尤其在高温干旱年份的晚稻籽粒Zn 含量的降低风险较大。

3.3 大气CO2浓度上升和增温对土壤有效态Fe 和Zn的影响

关于气候变化对稻田土壤有效态矿质元素含量影响的研究较少，Rounsevell 等[38]提出在未来全球气候变化下土壤化学过程可能会对气候变化发生快速响应。王小治等[39]的研究表明大气CO2浓度升高在一定程度上增加了小麦田土壤有效态微量元素含量，以及麦季土壤溶液中阴离子含量。本试验结果表明大气中CO2浓度上升增加2018 年早稻土壤有效态Zn 含量，但降低2018年晚稻土壤有效态Fe、Zn含量（表5）。

研究普遍认为大气CO2浓度升高会增强土壤酸性[40]，对土壤有效态矿质元素含量产生一定影响。“土壤环境酸化”假说认为大气CO2浓度升高会促使根系分泌酸性物质而降低pH，有利于促进土壤矿质元素的溶解性和络合作用，间接提高耕层土壤中有效态矿质元素的含量和分布[41-46]。本研究所有处理间土壤pH 不存在显著性差异，故“土壤环境酸化”假说并不能解释气候变化引起土壤中有效态Fe 和Zn 含量的变化。程磊等[47]的研究表明，高浓度CO2会使土壤溶液中的阴离子（如NO-3、SO2-4、Cl-）含量降低，从而使其主要的阳离子（有效态Fe 和Zn）含量也发生明显改变。此外，不同季节土壤微生物的数量和活性对高CO2浓度的响应机制可能不同，由此引起早稻和晚稻成熟期土壤有效态Fe 和Zn 含量变化呈现不同的响应特征。因此，气候变化与土壤有效态Fe 和Zn 含量的关联和影响机制，需要开展更多试验进一步验证。

4 结论

（1）双季稻籽粒中Fe、Zn 和植酸含量对大气CO2浓度上升与增温的响应存在较大的年际间差异，年际间变化的影响大于试验处理的影响。

（2）双季稻籽粒Fe 和Zn 含量对大气CO2浓度上升的响应较增温更为敏感。大气CO2浓度上升会显著改变双季稻籽粒Fe 和Zn 含量，其作用与水稻生长期内气象条件存在密切关系。

（3）大气CO2浓度上升与增温叠加作用的效果有别于各单因子影响，具体表现为二者叠加对双季稻籽粒Fe 和Zn 含量的降低具有正协同效应，尤其在高温干旱年份晚稻籽粒Zn含量的降低风险更大。