中国陆地生态系统凋落物分解模式及其驱动因素

Patterns and driving factors of litter decomposition across Chinese terrestrial ecosystems

Cite this article

Cai A, Liang G, Yang W, et al. Patterns and driving factors of litter decomposition across Chinese terrestrial ecosystems[J]. Journal of Cleaner Production, 2021, 278: 123964.

Highlights

随着纬度和实验时间的增加，凋落物分解率显着降低
气候，土壤特性和凋落物特性决定了凋落物分解速率。
内部和外部变量直接和间接地控制垃圾分解速率

Introduction

全世界的陆地植物每年通过光合作用产生122Pg的有机碳（C）。大约一半的有机碳被转化为死亡的有机物（”凋落物”）。植物凋落物的分解是一个重要的生物地球化学过程，它控制着土壤有机物的形成、养分循环和能量流动、大气中的CO₂浓度以及植物生长。

凋落物分解率（k，day^-1）被用来表示凋落物的动态变化。然而，传统的凋落物分解率并不能直接反映温度变化与凋落物分解之间的关系，因此不能预测气候变暖对凋落物周转的反馈作用。

Q₁₀通常用于反映有机化合物衰变对温度的反应，是根据恒定的培养温度和不连续的分解率测量来计算。这种方法可能导致微生物有一定的适应能力，造成有机化合物衰减不均匀。同时，有机化合物衰减的温度响应通常是根据2-6级温度来确定的，而不是模拟野外条件来估计Q₁₀。最后，由于费时费力，这种方法很难用于大规模的样本来探索Q₁₀的空间变化。

因此，提出了温度变化为1℃时的凋落物分解率（k_DD，degree days^-1），以规范温度与有机化合物分解之间的关系，并成功应用于探索基于全球数据集的溪流和河流中落叶凋落物分解对温度变化的敏感性。

Methods

Fig. 1. Distribution of the study sites (forest: blue dots, grassland: red dots, and cropland: green dots) in Chinese terrestrial ecosystems. (For interpretation of the references to colour in this figure legend, the reader is referred to the Web version of this article.)

用一个综合的数据集来探索k_DD的空间模式和驱动因素，该数据集包括253个出版物中的1370个单独研究和389个气象站的每个地点的累积日温度。

该数据集涵盖了森林、草地和农田生态系统。

y=e^kDD^*^x；其中y是在热时间x（日累积日度数-天）时剩余的植物凋落物质量的百分比，而k_DD（degree day^-1）是温度变化1°C时的凋落物分解率。

为了解决k_DD如何随环境变量变化的问题，将四个分类因素（生态系统、凋落物组织、凋落物类型和实验时间）分开进行分析。

为了探索k_DD的空间变化，我们根据中国生态地理气候区构建了四个气候区

基于理论知识和数据集的有效性，采用10个变量探讨了环境变量对k_DD的影响，对10个变量与k_DD进行Pearson相关分析，根据相关系数和回归方程选择不同生态系统的相关因子。保留了六个因素（MAT、MAP、土壤含沙量、土壤pH值、凋落物氮和木质素浓度）。

通过Boosted regression tree (BRT) analyses对不同类型的变量进行了分析，并根据非线性关系量化了决定k_DD的相对有影响力的变量

使用结构方程模型（SEM）分析了土壤凋落物的直接和间接途径，并检验了气候变量是否通过影响凋落物质量和土壤性质来影响k_DD。

最后，采用部分相关分析来研究MAT、MAP、含沙量、pH值、垃圾氮、木质素含量和实验时间之间的相互影响是否取决于其他一个或多个因素

Results

凋落物分解在不同的陆地生态系统，凋落物组织和类型之间差异很大。森林、草原和耕地生态系统的平均k_DD分别为1.30、2.23和3.35 × 10^-4degree days^-1。随着实验年限的增加，k_DD明显下降。

Fig. 2. Frequency distribution of the litter decomposition (kDD, 10−4 degree days−1) in the forest (a), grassland (b), and cropland (c) terrestrial ecosystems. The red curve is the normal distribution of the kDD. (For interpretation of the references to colour in this figure legend, the reader is referred to the Web version of this article.)

Fig. 3. Differences in the litter decomposition (kDD, 10−4 degree days−1) for different litter tissues in the forest (a), grassland (b), and cropland (c) ecosystems. The boxes show the 25% and 75% percentiles, and the lines and black dots in the boxes represent the medians and means, respectively.

Fig. 4. Maps and latitudinal patterns of the litter decomposition (kDD, 10−4 degree days−1) in all (a), forest (b), grassland (c), and cropland (d) ecosystems.

Fig. 5. Changes in the litter decomposition (kDD, 10−4 degree days−1) at different experimental durations in the forest (a), grassland (b), and cropland (c) ecosystems. The boxes show the 25% and 75% percentiles, and the lines and black dots in the boxes represent the medians and means, respectively. The blue axis scale represents the forest (a) ecosystems, and the red axis scale represents the grassland (b) and cropland (c) ecosystems. The lines and slopes come from regression equations of kDD and experimental time.

气候变量[年平均温度（MAT）和降水（MAP）]占k_DD总变异的36.8%，其次是土壤性质（如土壤含沙量和pH值；28.1%），实验时间（23.0%），以及凋落物性质（如氮和木质素；12.1%）。MAT和MAP通过调节土壤和凋落物特性对k_DD有很大的间接影响。木质素直接对k_DD产生负面影响。

如果去除气候、土壤特性和实验时间的影响，k_DD和凋落物性质之间保持较高的相关性。

总的来说，内在变量（凋落物性质）和外在变量（气候和土壤特性）分别在区域范围内直接和间接地调节k_DD

Fig. 6. The relative influence (%) of predictor variables for the boosted regression tree model of the litter decomposition (kDD, 10−4 degree days−1) in Chinese terrestrial ecosystems (a). Observed and predicted litter decomposition by the boosted regression tree model using the predictors are shown in Fig. 6b. The black line represents a 1:1 relationship. The properties are climate (mean annual temperature, MAT and precipitation, MAP), soil (sand and soil pH), and litter (nitrogen and lignin).

Fig. 7. Path analyses showed the direct and indirect effects of climate (mean annual temperature, MAT; and precipitation, MAP), soil properties (pH and sand content), and litter properties (nitrogen and lignin content) on the litter decomposition (kDD, 10−4 degree days−1) in Chinese terrestrial ecosystems (chi/df = 2.17, P = 0.14; RMSEA = 0.03). The Arabic numerals are the standardized path coefficients. The solid and dashed arrows represent the positive and negative effects in a fitted structural equation model, respectively. The line thickness indicates the strength of the effects of the variables on each other.

Conclusions

凋落物分解（k_DD）在不同的陆地生态系统，气候区域，凋落物组织和类型之间差异很大。 k_DD与森林生态系统中的纬度呈非线性关系，并且随着草地和农田生态系统中海拔的升高而减小。随着实验年的增加，k_DD明显降低。MAT、MAP、沙含量、pH、凋落物氮和木质素作为预测因子解释了k_DD变化的85.0％。气候和土壤特性通过调节凋落物特性间接影响k_DD。土壤pH值对凋落物性质产生负面影响，沙含量与木质素呈正相关。木质素对k_DD表现出强烈的负面影响，但对凋落物N表现出微弱的正面影响。即使去除了其他变量的影响，木质素与k_DD之间的高度相关性仍然存在。总体而言，在区域范围内，内在（凋落物特性）和外在（气候和土壤特性）变量直接和间接地调节了k_DD。

Appendix A. Supplementary data