LI-2100：土壤有效水分與根系分布的協(xié)調(diào)改變了檸條的水源分配

檸條木是一種對(duì)水分需求較高的植物，它對(duì)土壤中的水分量非常敏感。而土壤有效水分和根系分布對(duì)檸條木質(zhì)部水分有著重要的影響。

當(dāng)土壤中的有效水分不足時(shí)，檸條木的木質(zhì)部水分會(huì)受到影響，導(dǎo)致植物生長(zhǎng)緩慢甚至停滯。檸條木的根系通常較為發(fā)達(dá)，能夠深入土壤中尋找水分。如果根系分布廣泛且深入，那么檸條木就能夠吸收到更多的水分，從而保持木質(zhì)部的水分平衡。因此，保持土壤中的適當(dāng)水分對(duì)于檸條木的生長(zhǎng)至關(guān)重要。

下面這篇相關(guān)論文，我們來一探究竟。
 

土壤有效水分與根系分布的協(xié)調(diào)改變了檸條的水源分配
 

 

穩(wěn)定同位素已被廣泛應(yīng)用于根系水分吸收(RWU)的鑒定，通過將潛在水源分類為不同的端元，并評(píng)估其對(duì)木質(zhì)部水分的貢獻(xiàn)。然而，估計(jì)端元(主要是土層)的貢獻(xiàn)通常僅基于土壤水同位素的變化。土壤有效水分和根系分布是RWU的關(guān)鍵限制因子，但在水源分配中很少考慮。

基于土壤水分同位素平均值、土壤有效含水量(AWC)和根重密度(RWD)加權(quán)值，比較了不同土層對(duì)檸條RWU的相對(duì)貢獻(xiàn)。我們使用三種貝葉斯混合模型(SIAR, simmr和MixSIAR)在三個(gè)不同土壤水條件的地點(diǎn)獲得了這些值(分別為平均值和加權(quán)貢獻(xiàn))。我們計(jì)算了平均和加權(quán)貢獻(xiàn)(DC)的差異以及DC絕對(duì)值的累積(AADC)，以分析它們之間的差異及其與AWC和RWD的關(guān)系。加權(quán)和平均貢獻(xiàn)因地點(diǎn)和模型而異。我們得到以下AADC值:站點(diǎn)1-3使用SIAR分別為27.8%和11%;使用simmr的比例分別為39%、13%和14%;使用MixSIAR的比例分別為68%、40%和25%。我們發(fā)現(xiàn)，當(dāng)AWC≤6%時(shí)，DC與RWD呈顯著相關(guān)，當(dāng)AWC > 6%時(shí)，DC與AWC呈顯著相關(guān)，說明RWD對(duì)DC的影響取決于土壤水分條件�；�于我們的研究結(jié)果，AWC和RWD加權(quán)的端元改變了相對(duì)于非加權(quán)端元的水源分配比例，而影響的程度與所使用的模型有關(guān)。因此，我們建議在使用δ²H和δ¹⁸O劃分植物水源時(shí)，仔細(xì)考慮端元同位素的特征和模型選擇。

研究區(qū)域

中國黃土高原北部六道溝小流域 (38°46′-38°51′N, 110°21′-110°23′E)
 

所用儀器設(shè)備

全自動(dòng)真空冷凝抽提系統(tǒng)（LI-2100，北京理加聯(lián)合科技有限公司）

【結(jié)果】

圖1 樣地1-3土層 0-300 cm土壤水分δ²H值和δ¹⁸O值聚類分析結(jié)果。
 

圖2 樣地1-3雙同位素空間圖
 

圖3 基于SIAR、simmr和MixSIAR模型，樣地1-3的每個(gè)潛在水源的相對(duì)貢獻(xiàn)（平均值±SD）。“Month_m”和“Month_w”分別指每月的均值貢獻(xiàn)率和加權(quán)貢獻(xiàn)率。
 

圖4基于SIAR（A–C）、simmr（D–F）和MixSIAR（G–I）模型，平均貢獻(xiàn)率和加權(quán)貢獻(xiàn)率之間差異的絕對(duì)值的累積值。面板A、D和G顯示樣地1的結(jié)果，面板B、E和H顯示樣地2的結(jié)果，以及面板C、F和I顯示樣地3的結(jié)果。
 

圖5 基于SIAR（A和D）、simmr（B和E）和MixSIAR（C和F）模型，平均貢獻(xiàn)和加權(quán)貢獻(xiàn)（DC）之間的差異與AWC（上圖）和RWD（下圖）之間的關(guān)系。
 

圖6 基于三種混合模型（SIAR、simmr和MixSIAR）分別獲得的平均貢獻(xiàn)率和加權(quán)貢獻(xiàn)率計(jì)算的PW-excess的比較。
 

【結(jié)論】

在本研究中，我們利用所有潛在土壤水源的平均同位素比率和RWD和AWC加權(quán)值，結(jié)合3種貝葉斯混合模型(SIAR、simmr和MixSIAR)，評(píng)估了末端成員對(duì)檸條木質(zhì)部水分的貢獻(xiàn)，并表征了植物的RWU深度。結(jié)果表明，在土壤水分條件和模型輸出之間，平均貢獻(xiàn)和加權(quán)貢獻(xiàn)之間的差異有所不同。與使用加權(quán)貢獻(xiàn)相比，使用平均貢獻(xiàn)導(dǎo)致對(duì)干旱條件下植物深層土壤水分利用的估計(jì)較低。與其他兩種模型相比，MixSIAR對(duì)AWC和RWD的變化更為敏感。盡管貢獻(xiàn)存在差異，但我們確定無論模型如何，兩種方法的性能都是相似的，這可能是由于使用了貝葉斯算法。然而，考慮到我們?cè)跇拥?和樣地2和3的某些月份觀察到的平均和加權(quán)貢獻(xiàn)之間的明顯差異，以及土壤含水量和根系分布對(duì)RWU的重要性，我們建議在使用同位素方法識(shí)別植物水源時(shí)應(yīng)考慮AWC和RWD對(duì)RWU的影響。

請(qǐng)點(diǎn)擊下方鏈接，閱讀原文：

https://mp.weixin.qq.com/s/JKaDPeYsNzB1PVVp7DXwPw