氮磷水耦合作用下土壤種子庫植被恢復應用參數的優化

趙 娜，賀夢璇，李洪遠，孟偉慶，莫訓強

（1.山西省環境科學研究院，山西 太原030024；2.天津師范大學地理與環境科學學院，天津300387；3.南開大學 環境科學與工程學院，天津300350）

土壤種子庫（soil seed bank）作為植物群落自然更新的物質基礎，已被證實是一種有效的植被恢復方法［1］。盡管在不同退化生態系統中，其植被恢復能力存在差異性，但仍是區域生態修復與重建策略制定中的重要依據［2］。大量研究表明，土壤種子庫的組成和結構決定了地上植物群落的結構和功能［3-4］，這種影響在干擾嚴重的區域更為顯著［5］，且擁有較大土壤種子庫的生態系統在災變后可更迅速的恢復［6］。因此，利用土壤種子庫進行自然恢復是退化生態系統恢復和重建的一個主要途徑［7-8］。但目前國內對土壤種子庫的研究主要集中于理論方面［9］，關于工程應用參數對其植被恢復方面的研究甚少。

氮、磷、水分是陸地生態系統的常見限制因子［10］。其中，氮、磷均是植物生長所必需的大量營養元素，在一定程度上可促進種子的萌發，但過量的養分富集會降低種子的發芽率［11］、影響群落結構和功能［12］；水分作為限制種子萌發最重要的環境因子之一［13］，在干旱半干旱地區，其對土壤種子庫的影響遠比光照、溫度、海拔等環境因子大［14］。此外，在農林業的實際生產中，通常采用灌溉和施肥來滿足農作物或植物的生長需求，但是單純的灌溉或施肥往往不能大幅度改善林木的生長狀況。研究表明，水肥耦合效應可以提高水分和肥料的利用效率，防止肥料流失造成的土壤和水體污染［15-16］。目前，國內外對水肥耦合的研究主要集中于農作物［17］，對植被恢復過程中水肥耦合效應的研究尚不多見。

基于上述原因，并充分考慮表土采集地植物的主要限制因子，天津市春季干旱少雨以及所選因素在實際工程應用中易控制等情況，選擇氮、磷、水分作為主要的研究因素。該研究采用溫室萌發法，探討了氮、磷、水分等單因素對土壤種子庫萌發的影響，并從中選取萌發效果較好的水平范圍，采用Design-Expert 8.0.5b軟件設計響應面優化試驗，探究這3個工程因素對土壤種子庫影響的交互作用，進而得到土壤種子庫用于植被恢復的最優方案，為今后天津濱海鹽堿地植被恢復及類似的城市綠地植被恢復方案的探索提供借鑒。

1 材料與方法

1.1 表土采集地概況

通過研究室前期對天津地區土壤種子庫資源的統計分析［18］，發現官港森林公園表層土壤中活性種子的儲量較高，且該地土壤種子庫中木本植物的萌發數量處于較高水平，因此選擇該地為表土采集地。

天津官港森林公園（117.32°E，38.56°N）位于天津市濱海新區大港北部，屬于大陸性季風氣候，并具有海洋性氣候特點。年平均氣溫13.0 ℃，年平均降水量566.0 mm，但降水隨季節變化顯著，主要集中在夏季（約占總量的75%）。該地土壤母質為海相沉積物上覆蓋河流沉積物，土壤類型以濱海鹽土和鹽化濕潮土為主，已有研究表明［19］濱海新區0—20 cm 土壤全鹽平均含量為0.818%，土壤p H 值平均值為8.43，偏堿性。該地植物以白蠟（Frɑxinus chinensis）、桑（Morusɑlbɑ）、刺槐（Robiniɑpseudoɑcɑciɑ）、狗尾草（Setɑriɑviridis）、藜（Chenopodiumɑlbum）、堿蓬（Suɑedɑglɑucɑ）、大刺兒菜（Cirsium setosum）等居多。

1.2 取樣方法

本研究分別于2015年11月中旬與2016年3月初，在表土采樣地選擇了3個面積為20 m×20 m 的樣地（兩次表土的取樣均選在同一采樣地，分別用于單因素試驗和響應面優化試驗中）。采樣時，在每個樣地隨機選擇了20個面積為1 m×1 m 的樣方，于每個樣方的中心和4個角處采集0—10 cm 的表層土壤，仔細去掉樣品中的砂石、枯枝落葉等雜質后，將300個土樣混合均勻后全部裝進塑料袋封口并帶回實驗室。同時記錄表土采樣地3個樣地的地表植被群落狀況，主要包括植物物種組成、數量等指標。

1.3 土壤種子庫萌發試驗

單因素試驗方案見表1。參考天津濱海地區氮、磷肥的使用情況以及王國棟［20］的研究，選用尿素（CN2H4）、磷酸二氫鈉（Na H2PO4·2H2O）分別為模擬氮肥、磷肥，并設置5個施肥水平和一組共同的空白對照試驗（即不添加任何氮、磷肥）。為了盡量減少氮、磷肥的損失，施肥一次完成，并將氮、磷肥分別溶解于適量水中制成溶液，使用灑水壺均勻的噴灑在試驗萌發盤中，共同對照組則噴灑等量的水；水分梯度的設置則是參考李淑君等［21］的研究成果，并充分考慮到天津濱海地區春季干旱少雨的特點，設置模擬自然降雨量的梯度為3，5，10，20，30 mm，并根據萌發盤的底面積折算成實際的澆水量。單因素萌發試驗的時間為2015年11月25日至2016年2月底。試驗開始時，將全部表土（2015年11月中旬采集）再次混合均勻，然后鋪設成5 cm 厚的苗床，其中萌發盤大小為50 cm×20 cm×5 cm，故每個萌發盤中表土用量為5 000 cm3。萌發試驗期間，溫室內溫度保持25 ℃～35 ℃，相對濕度為50%～70%，并于每3 d的18：00點按試驗設計的水分梯度進行澆水，同時記錄土壤種子庫萌發的種類、數量等數據。

根據單因素試驗的結果，選取萌發效果較好的因素水平范圍，即分別以5～20 g／m2（氮肥），5～15 g／m2（磷肥），10～30 mm（水分）為Box-Behnken中心組合設計的上下限，進行響應面優化試驗的設計（見表2）。響應面優化試驗時間為2016年3月4日至5月底，試驗開始時，同樣將全部表土（2016年3 月初采集）再次混合均勻，然后參考日本學者的研究結果［22-23］及研究室前期的試驗基礎［9］，將草炭與珍珠巖混合基質（體積比1∶1）與表土按35%的比例混合均勻，并鋪設成5 cm 厚的苗床，故每個萌發盤中表土用量為3 250 cm3，草炭和珍珠巖用量均為875 cm3。萌發試驗期間，與單因素萌發試驗保持相同的試驗條件與操作，其中氮、磷肥的施用于試驗初期進行一次性施肥。

表1 單因素試驗的方案設計

表2 響應面法的試驗設計與方案

1.4 數據處理

采用Excel軟件進行數據的統計和處理，采用SPSS 21.0軟件進行土壤種子庫萌發特征指標的主成分分析（PCA），采用Design-Expert 8.0.5b軟件進行響應面優化試驗的方案設計和響應面分析。此外，土壤種子庫試驗中萌發物種多樣性指數的計算公式如下：

Shannon-Wiener多樣性指數：

Simpson優勢度指數：

Pielou均勻度指數：

式中：S——各萌發盤中植物萌發的總物種數；Pi——第i種植物萌發的個體數占種子庫總萌發個體數的比例（%）。

2 結果與分析

2.1 氮、磷、水分等單因素對土壤種子庫萌發及幼苗初期生長的影響

熱點圖可以圖示化離散數據的分布及其相互關系，深色代表事件發生頻率較高或事物分布密度較大，淺色反之。該研究以土壤種子庫萌發幼苗總數（X1）、物種數（X2）、木本數量（X3）、草本植物的地上生物量（X4）、木本植物的平均高度（X5）和平均冠幅（X6）、Shannon-Wiener 多 樣 性 指 數（X7）、Simpson優勢度指數（X8）、Pielou數（X9）等9個指標，來分析氮、磷、水分等單因素對土壤種子庫萌發及幼苗初期生長的影響。圖1為單因素試驗的熱點圖，從圖中可以看出在N5-N20，P5-P15，W10-W30時，各指標（X1-X9）對應的顏色含深色較多，即在氮、磷、水分單因素試驗中，當氮、磷、水分分別位于5～20 g／m2，5～15 g／m2，10～30 mm 范圍時，土壤種子庫的萌發及幼苗初期生長效果相對較好，可用作Box-Behnken中心組合設計的上下限，進行響應面優化試驗的設計。

2.2 土壤種子庫萌發各指標的主成分分析（PCA）

采用抽取法和Kaiser標準化的四分旋轉法對土壤種子庫萌發中的9個指標進行PCA 分析，結果如表3所示。從表3中可以看出前2個成分的特征值較大，分別為4.075和2.373，且二者的累積貢獻率達到71.639%，因此這兩個成分（Y1和Y2）的提取可以近似代表所有的指標。根據提取后各成分的系數（表4）可計算出Y1和Y2的值，然后以Y1和Y2解釋量所占的比例計算出的值為響應值Y（即Y＝Y1×0.632 0＋Y2×0.368 0），用于進一步的響應面優化分析。

圖1 單因素試驗的熱點圖

表3 主成分的統計信息結果

表4 各成分的系數矩陣

2.3 基于PCA 結果的響應面分析

以氮（A）、磷（B）、水分（C）為響應面分析的3因素，主成分分析結果中的Y 為響應值（表2），進行多項式回歸分析，其建議的模型為二次回歸方程。由方差（ANOVA）分析的結果（表5）可知，回歸模型極其顯著（p＝0.000 1），模型的失擬項（p＝0.335 2＞0.05）無顯著性差異，說明該模型用來模擬試驗分析是可行的，且其擬合度良好。在回歸模型系數中，A，B，C，AB，BC，A2，B2，C2等均較為顯著，表明各因素對響應值的影響不是簡單的線性關系，這與推薦模型為二次回歸方程相吻合，且在所選因素的水平范圍內，對響應值的影響為C（水分）＞B（磷）＞A（氮）。此外，響應值對編碼自變量A，B，C 的二次響應面回歸模型為：Y＝＋0.72＋0.047A＋0.056B＋0.18C＋0.17AB＋0.035AC－0.10BC－0.23A2－0.12B2－0.075C2。

表5 響應面二次模型的方差分析

2.4 響應面3D 效果圖和等高線圖

響應面圖是根據所選取的回歸方程繪制的（圖2—7），可以確定各變量間的交互關系，也可以預測和檢驗各變量的響應值。由圖2—3可知，A，B 的交互作用較強，編碼值A，B 過大或過小時，均會引起響應值的減小，說明適量的氮、磷添加有利于土壤種子庫植被恢復，但過量的氮、磷富集反而延遲種子的萌發，并對幼苗產生不利影響，導致響應值的降低；A，C 的交互作用不大，在編碼值為0以上的C 在A 的較大范圍內都能達到較大響應值（圖4—5），說明C（水分）對響應值的影響較大，這與ANOVA 分析中的結果相吻合；圖6—7中表明B，C 的交互作用也較強，且在編碼值為0以上的C 在B 的絕大部分范圍內都能達到較大響應值，與圖4—5呈現出相同的結果。進一步對各參數優化分析，得到使響應值最大的最優條件為：氮13.54g／m2，磷9.47g／m2，水分30 mm，對應的理論最優響應值為0.836，即在此條件下利用土壤種子庫進行植被恢復的效果最好。

圖2 氮（A）與磷（B）相互作用的響應面圖

圖3 氮（A）與磷（B）相互作用的等高線分析

圖4 氮（A）與水分（C）相互作用的響應面圖

圖5 氮（A）與水分（C）相互作用的等高線分析

2.5 響應面回歸模型的解析

根據回歸模型中各系數的顯著性，剔除回歸方程中不顯著的因素（即AC 項，P＞0.1），得Y＝＋0.72＋0.047A＋0.056B＋0.18C＋0.17AB－0.10BC－0.23A2－0.12B2－0.075C2。為了更直觀的找出氮、磷、水因素對響應值Y 的影響效應，采用降維法分析各因素與響應值的關系。

圖6 磷（B）與水分（C）相互作用的響應面圖

（1）氮對響應值的影響。令B＝C＝－1，B＝C＝0，B＝C＝1，代入剔除非顯著項后的回歸方程，得：YN1＝0.189－0.093A－0.23A2；YN2＝0.72＋0.047 A－0.23A2；YN3＝0.661＋0.217A－0.23A2。將上式的關系繪圖（圖8），發現不論將施磷量和水分梯度固定在高值還是低值，施氮量對響應值的影響均呈拋物線狀。圖中各拋物線的頂點是相應施氮量水平對應的最大響應值增量，表明施氮量過高或過低都不利于響應值的增大，只有施氮量達到一定水平（分別為10.98，13.27，16.04 g／m2時），響 應 值 達 最 大 值（0.198，0.722，0.712）。此時，在相同的施氮水平上，施磷量和水分較高時，響應值也相對較高，表明施磷量、水分較高時可以促進響應值的增大；并且當施磷量和水分較低時，過大的施氮量反而會對響應值造成顯著的負面影響。

圖7 磷（B）與水分（C）相互作用的等高線分析

圖8 氮（A）、磷（B）、水分（C）對響應值Y 的影響

（2）磷對響應值Y 的影響。令A＝C＝－1，A＝C＝0，A＝C＝1，代入得：YP1＝0.188－0.014B－0.12B2；YP2＝0.72＋0.056B－0.12B2；YP3＝0.642＋0.126B－0.12B2。由圖5可看出，3條曲線也均呈拋物線狀，即水、氮固定在一定水平時，適當增施磷肥有利于增大響應值。在不同施氮、水分條件下，隨施磷水平的不同（分別為9.71，11.17，12.63 g／m2時），響應值的最大值分別為0.188，0.727，0.675。當施氮量、水分固定在低水平時，響應值受施磷量的影響相對較小；當施氮量、水分固定在高水平時，隨施磷量的適量增加，響應值明顯增加。此外，不論氮、水分固定在何種水平，當磷處于較高水平時，其對響應值的負面影響比氮小。

（3）水分對響應值Y 的影響。令A＝B＝－1，A＝B＝0，A＝B＝1，代入得：YW1＝0.437＋0.28C－0.075C2；YW2＝0.72＋0.18C－0.075C2；YW3＝0.643＋0.08C－0.075C2。由圖8 可看出，3條曲線均為上升曲線，且走向基本相似，表明不論氮、磷固定在何種水平，水分對響應值的影響趨勢基本一致，即響應值隨水分的增加而增加；但當氮、磷固定在高水平時，水分對響應值的促進作用相對較小。當水分梯度為30，30，20.12 mm 時，配合不同的施肥水平，能獲得最大響應值，分別為0.642，0.825，0.644。此時，當氮、磷固定在低、中水平時，要想使得響應值最大，水分需處在較高水平；當氮、磷固定在高水平時，水分需求可降低，且在相同的水分梯度上，氮、磷肥施用水平固定在中間水平時，響應值相對較高。

3 討論

植被恢復工程是一個復雜的問題，至今為止，針對不同退化類型的植被恢復技術還沒有建立［24］，因此對植被恢復工程應用參數的研究很有意義。單因素萌發試驗中，當氮、磷、水分分別位于5～20 g／m2（中低水平）、5～15 g／m2（中水平）、10～30 mm（中偏高水平）范圍時，土壤種子庫的萌發及幼苗初期生長效果較好，這說明適量的施肥有利于種子的萌發及幼苗的生長，這與前人的研究結果一致［25-26］。但在實際生產中，單純的灌溉或施肥往往達不到理想的效果，因此該研究進一步探討了植被恢復工程中氮、磷、水分等因素的交互作用以及各參數的選取問題。研究結果顯示，二次響應面回歸模型（P＝0.000 1）可以很好的反應氮（A）、磷（B）、水分（C）對土壤種子庫萌發的交互作用，該模型中氮（A）與磷（B）、磷（B）與水分（C）的交互作用較強，這是因為肥料養分在土壤中的轉化過程往往受到其他肥料養分施用的直接或間接影響［27］，如磷肥的添加會影響土壤中銨的固定［28］及尿素的水解［29］等；并且有研究表明，施磷肥能促進植物更好的吸收利用土壤中的水分［30-31］；而氮（A）與水分（C）交互作用不大可能與該區植物生長的限制因子為磷素有關，再加上氮肥的最終產物是以硝態氮為主，而硝態氮容易因淋洗而向下運動［32］，而供試土壤僅5 cm 厚，植物的根系也多分布在該土壤層中，因此造成了該研究中氮、水交互作用不顯著的現象。此外，在所選取的各因素水平范圍內，水分（C）對模型中響應值Y 的影響最大，一方面可能與試驗中水分梯度的設置有關，由于研究考慮到天津濱海新區春季干旱少雨的特點，因此部分試驗處于水分脅迫狀態，而在這種狀態下水分對土壤種子庫的激發效應遠比其他環境因子影響力大［21，33］；另一方面，水分的有效性影響著整個土壤的物理化學過程和微生物、植物的生理生化過程［34］，并且養分從土壤向根系表面移動及根吸收的營養物質在植物體內的運轉均受水分大小的影響［30］。

本試驗中對響應面模型的降維法分析表明，氮、磷與水分的交互效應都表現出對土壤種子庫萌發及幼苗生長的促進作用，說明適宜的水分供應可以促進肥料轉化及吸收［35］，提高肥料利用率；適宜的施肥也可以提高土壤水勢和土壤水分的有效性［30］，從而使植物能吸收利用更多的水分，達到以肥促水的效果。這與前人研究結果基本吻合［31，36-37］。通過該方法分析還發現，在水分較低的情況下，植物對氮、磷的吸收也相對較低，這主要是由于干旱降低了植物根系的生長，進而降低了養分的吸收和運輸［38］，此時水分處于脅迫地位，起到決定性作用，氮、磷、水的交互作用不顯著，這與張秋英等［31］的研究結果基本吻合；在水分較高的情況下，即使施肥較少的處理其響應值Y 也高于施肥水平高而水分脅迫的處理，說明該區種子的萌發和幼苗的生長更多的依賴于水分的作用，這與ANOVA 分析中水分（C）的顯著性最高相一致。

在植物生長過程中，氮、磷、水各要素的交互作用類型不是固定不變的，可以通過增加某一種生產要素使因素間的交互作用向更有利的方向轉變［31］。因此，研究土壤種子庫萌發過程中氮、磷、水的交互作用對于指導植被恢復工程參數的優化、促進植被恢復的效果具有重要意義。目前中國開展了許多退化生態系統植被恢復的項目，但對植被恢復工程應用關鍵參數的研究卻很少。該研究采用的響應面回歸模型效果顯著，可對植被恢復的初期效果進行分析和預測，盡管優化條件可能與實際中略有差異，但仍有很大的參考價值，可為植被恢復過程中氮、磷、水分等因素的調控提供有價值的參考。

4 結論

以氮（A）、磷（B）、水分（C）為響應面分析的3因素進行多項式回歸分析，建議的模型為二次回歸方程（p＝0.000 1），方程為：Y＝＋0.72＋0.047A＋0.056 B＋0.18C＋0.17AB＋0.035AC－0.10BC－0.23A2－0.12B2－0.075C2，3因素對響應值（Y）的影響程度為C（水分）＞B（磷）＞A（氮），且土壤種子庫植被恢復效果最好的參數為氮13.54g／m2，磷9.47 g／m2，水分30 mm。氮、磷與水分的交互效應都表現出對土壤種子庫萌發及幼苗生長的促進作用，而該區種子的萌發和幼苗的生長更多的依賴于水分的作用，在水分較低的情況下，植物對氮、磷的吸收也相對較低，氮、磷、水的交互作用不顯著；隨著水分的增高，適宜的水分供應可以促進氮、磷肥料的轉化及吸收，達到以水促肥的效果。