下载:
-
土壤微生物是陆地生态系统的重要组分，是连接植物和土壤的重要因子，在获取资源构建自身生物量的同时，驱动生态系统物质循环和能量流动，调控碳和养分在土壤-植物-大气连续体之间的循环，对生态系统的结构和功能有重要影响[1-2]。土壤微生物生物量能够指示生态系统功能的变化，被用于评价土壤质量和反映微生物群落状态与功能变化[3]。生态化学计量学是研究生物系统能量平衡和多重化学元素平衡的科学，是生物地球化学循环与食物网结构和过程之间的内在联系，对于探索不同生态系统不同层次组分之间的相互联系和内在机制具有重要意义，因而被广泛应用到微生物驱动的生态过程研究中[4]。研究表明，土壤微生物群落组成随植物年龄及发育阶段而发生变化[5-6]，由林龄引起的林分环境和土壤环境的变异会间接影响土壤微生物参与养分循环[7-10]。养分状况的差异会对土壤微生物形成不同程度的养分限制，影响微生物群落结构及酶活性，对养分在根系、土壤和微生物之间的循环和转化同样会产生不确定的影响，进而影响土壤生态系统的结构与功能[11]。因此，研究土壤养分与土壤微生物生物量及其生态化学计量特征间的相互作用关系对理解陆地生态系统养分循环十分重要。另外，土壤微生物对碳氮磷循环的调控机制也是生物地球化学循环研究的重要内容之一。桉树Eucalyptus spp. 是世界三大速生丰产树种之一，因具有良好的经济、生态和社会效益而被广泛引种和种植，截至2015年底，中国桉树人工林面积已达4.5×106 hm2[12]。非科学的经营措施(如超短轮伐期、连栽等)造成的地力衰退等问题[13]，成为制约人工林生产力的主要原因[14]。目前，对桉树人工林生态化学计量特征研究主要集中在器官、凋落物和土壤等尺度[12, 15-16]，对土壤-微生物生态化学计量特征研究较少。本研究以雷州半岛不同生长阶段尾巨桉E. urophylla × E. grandis人工林为研究对象，探讨其土壤-微生物碳、氮、磷化学计量特征，以期为桉树高效可持续经营养分管理提供数据支持。
-
本研究样地雷州半岛北部广东湛江桉树人工林生态系统定位研究站(21°15′53.5″N，110°05′39.2″E)，地处北热带湿润大区雷琼区北缘，为海洋性季风气候。最高海拔220.8 m，最低海拔80.0 m。年平均气温23.1 ℃，最热月(7月)平均气温28.8 ℃，最冷月(1月)平均气温15.6 ℃，≥10 ℃的活动积温8 373.0 ℃。年平均降水量1 567 mm，年相对湿度80.4%，年均日照时数1 937 h。样地土壤类型为玄武岩发育的砖红壤，土壤肥力中等，土层厚度达84 cm。
-
依据国家林业和草原局2017年发布的林业行业标准《主要树种龄级与龄组》，将南方山地丘陵区桉树工业原料林划分为：幼龄林(1~2 a)、中龄林(3~4 a)、近熟林(5 a)、成熟林(6~7 a)和过熟林(≥8 a)，2017年7月以空间换时间的方法在研究区选取立地条件、土壤类型较一致的幼龄林(2 a)、成熟林(6 a)、过熟林(9 a)等3个尾巨桉人工林，各林龄林分内随机设置20 m×20 m样地，每个样地3个重复，进行每木检尺调查。样地基本概况见表1。
表 1 样地基本概况
Table 1. Basic situation of sample plots
龄级 样地 林龄/a 海拔/m 平均胸
径/cm平均树
高/m林分密度/
(株·hm−2)叶面积
指数0~60 cm土壤
容重/(g·cm−3)pH 幼龄林 1 2 116 8.06 12.20 1575 0.829 1.05 4.6 2 2 120 7.85 11.93 1450 0.732 0.96 5.0 3 2 117 8.14 12.33 1586 0.916 1.03 5.2 成熟林 1 6 104 14.63 12.48 857 0.793 1.08 4.8 2 6 108 13.97 15.37 986 1.039 1.07 4.8 3 6 103 11.97 15.15 1174 1.184 1.08 5.0 过熟林 1 9 113 22.84 25.40 725 1.117 1.07 4.5 2 9 119 20.14 24.97 714 1.101 1.04 4.7 3 9 125 19.74 22.58 675 0.884 0.97 4.7 -
2018年6月在各样地内随机设置5个样点，分别挖取土壤剖面(距离树干100 cm以外)，环刀法(100 cm3)采集0~20、20~40和40~60 cm层次土壤；同层土壤混合均匀装袋标记后置于含冰袋的保温箱中，带回实验室。一部分风干，研磨，过筛，用于测定土壤有机碳、全氮、全磷质量分数，另一部分置于4 ℃冰箱中冷藏保存，用于测定土壤微生物生物量碳、氮、磷质量分数[17]。土壤有机碳采用高温外热重铬酸钾氧化-容量法测定，土壤全氮采用凯氏定氮法测定，土壤全磷采用氢氧化钠熔融，钼锑抗比色法测定[18]；微生物碳采用三氯甲烷熏蒸-重铬酸钾容量法测定[19]，微生物氮采用三氯甲烷熏蒸-蒸馏-盐酸(HCl)滴定法测定[20]，微生物磷采用三氯甲烷熏蒸-全磷法测定[21]。
-
采用SPSS 19.0进行数据处理与分析。采用单因素方差法(one-way ANOVA)对不同生长阶段土壤有机碳、全氮、全磷和微生物碳、氮、磷质量分数及碳氮比(C/N)、碳磷比(C/P)、氮磷比(N/P)进行方差分析和显著性检验(P＜0.05)。Pearson相关检验分析土壤有机碳、全氮、全磷和微生物碳、氮、磷质量分数及C/N、C/P、N/P关系。采用Canoco 5进行冗余分析(RDA)。采用SigmaPlot 14.0制作图形。
-
由图1所示：从碳、氮、磷的平均质量分数看，幼龄林土壤分别为17.88、1.32、0.72 g·kg−1，土壤微生物分别为493.04、52.45、13.54 mg·kg−1；成熟林土壤分别为14.99、1.45、0.78 g·kg−1，土壤微生物分别为436.41、49.83、10.62 mg·kg−1；过熟林土壤分别为20.15、1.47、0.88 g·kg−1，土壤微生物分别为583.09、55.20、28.03 mg·kg−1。不同生长阶段尾巨桉林同一土层土壤碳(Csoil)质量分数从大到小依次为过熟林、幼龄林、成熟林，成熟林的0~20和20~40 cm土层显著低于其他生长阶段(P＜0.05)，垂直分布均为随土层加深而递减，各土层间差异显著(P＜0.05)。土壤氮(Nsoil)质量分数在不同生长阶段无明显差异，垂直分布表现与碳垂直分布一致。土壤磷(Psoil)质量分数从大到小依次为过熟林、成熟林、幼龄林，不同生长阶段差异显著(P＜0.05)，不同土层间无明显差异。
图 1 不同生长阶段土壤与土壤微生物碳、氮、磷质量分数
Figure 1. Carbon, nitrogen and phosphorus contents of soil and soil microbial biomass in different growth stages
土壤微生物碳(Cmic)质量分数在0~20 cm土层表现为成熟林显著低于幼龄林和过熟林(P＜0.05)，20~40 cm土层过熟林Cmic质量分数显著高于幼龄林和成熟林(P＜0.05)。土壤微生物氮(Nmic)质量分数在0~20 cm土层均表现为过熟林、幼龄林显著高于成熟林(P＜0.05)。土壤微生物磷(Pmic)质量分数各土层均表现为过熟林显著高于其他阶段(P＜0.05)。幼龄林Cmic质量分数随土层加深递减，各土层间差异显著(P＜0.05)。过熟林中0~20 cm土层Cmic质量分数显著高于40~60 cm土层(P＜0.05)。幼龄林、成熟林不同土层间Nmic质量分数无显著差异，过熟林中0~20 cm土层显著高于其他土层(P＜0.05)。幼龄林、成熟林中Pmic质量分数0~20 cm土层显著高于其他土层(P＜0.05)，过熟林中各土层间无显著差异。
-
由图2所示：从碳氮比(C/N)、碳磷比(C/P)、氮磷比(N/P)均值看，幼龄林土壤分别为13.51、24.87、1.84，土壤微生物分别为9.42、41.89、4.85；成熟林土壤分别为10.52、19.25、1.86，土壤微生物分别为9.21、46.37、5.48；过熟林土壤分别为13.63、22.83、1.68，土壤微生物分别为10.97、21.25、2.00。Csoil/Nsoil以成熟林最小，幼龄林和过熟林仅在20~40 cm土层差异显著(P＜0.05)。Csoil/Psoil在0~20和20~40 cm土层从大到小依次为幼龄林、过熟林、成熟林。同一生长阶段Csoil/Psoil随土层加深递减，两两之间差异显著(P＜0.05)。Nsoil/Psoil仅过熟林的0~20 cm土层显著低于幼龄林和成熟林(P＜0.05)，其他无显著差异。Cmic/Nmic在20~40 cm土层均表现为过熟林显著高于其他阶段(P＜0.05)，40~60 cm土层表现为过熟林显著高于幼龄林(P＜0.05)，与成熟林无显著差异。Cmic/Pmic在0~20 cm和40~60 cm表现为过熟林显著低于幼龄林和成熟林(P＜0.05)。Nmic/Pmic在0~20 cm无显著差异，20~40和40~60 cm均以过熟林最小。
图 2 不同生长阶段土壤与土壤微生物碳、氮、磷化学计量比
Figure 2. Carbon, nitrogen and phosphorus stoichiometric ratios of soil and soil microbial biomass with different growth stages
不同生长阶段Cmic/Csoil、Nmic/Nsoil、Pmic/Psoil分别为2.58%~3.40%、2.44%~4.61%、0.97%~3.72% (图3)。不同阶段和不同土层Cmic/Csoil均无显著差异。过熟林0~20 cm土层Nmic/Nsoil显著高于其他阶段(P＜0.05)。各土层的Pmic/Psoil均以过熟林最大，仅0~20 cm土层与幼龄林差异不显著，其他均具有显著差异(P＜0.05)。
图 3 不同生长阶段土壤微生物与土壤碳、氮、磷之比
Figure 3. Carbon, nitrogen and phosphorus stoichiometric ratios of soil and soil microbial biomass with different growth stages
-
由图4可知：幼龄林第1轴和第2轴的解释变量分别为99.08%和0.65%，Csoil、Csoil/Psoil、Nsoil、Nsoil/Psoil和Pmic/Psoil是土壤微生物及其化学计量比的显著影响因子；成熟林第1轴和第2轴的解释变量分别为91.68%和6.36%，Csoil/Psoil是土壤微生物的主要影响因子；过熟林第1轴和第2轴的解释变量分别为99.07%和0.72%，Nsoil、Nsoil/Psoil、Csoil/Psoil、Csoil和Pmic/Psoil是土壤微生物及其化学计量比的显著影响因子。说明在林分不同生长阶段，土壤微生物生物量的主要影响因子及其影响程度具有差异。相比之下，成熟林阶段土壤化学性质对微生物影响较小，对于3个阶段平均而言，第1轴和第2轴的解释变量分别为96.97%和1.29%，Csoil、Csoil/Psoil、Pmic/Psoil、Nsoil、Nsoil/Psoil、Psoil和Csoil/Nsoil是尾巨桉人工林土壤微生物的显著影响因子。
图 4 不同生长阶段土壤与土壤微生物碳、氮、磷及化学计量比的冗余分析
Figure 4. Carbon, nitrogen and phosphorus contents and stoichiometric ratios of soil and soil microbial biomass with different growth stages
由相关性分析(表2)可知：幼龄林的Cmic、Pmic、Cmic/Nmic受土壤养分及其化学计量比的影响较为一致，均与Csoil、Nsoil、Csoil/Psoil、Nsoil/Psoil、Pmic/Psoil呈显著(P＜0.05)或极显著(P＜0.01)正相关。成熟林中仅Pmic与土壤养分关系较为密切，Pmic与Csoil、Nsoil、Csoil/Psoil、Nsoil/Psoil、Pmic/Psoil呈显著(P＜0.05)或极显著(P＜0.01)正相关。过熟林中各指标与土壤化学性质及其化学计量比的关系表现差异较大，Cmic与Csoil、Nsoil、Csoil/Psoil 、Nsoil/Psoil呈极显著(P＜0.01)正相关性，与Pmic/Psoil呈显著(P＜0.05)正相关；Nmic与Csoil、Nsoil、Psoil、Csoil/Psoil、Nmic/Nsoil存在显著(P＜0.05)或极显著(P＜0.01)正相关；Cmic/Nmic与Psoil、Csoil/Nsoil、Nmic/Nsoil呈极显著(P＜0.01)负相关。
表 2 土壤和土壤微生物碳、氮、磷及化学计量比的相关性
Table 2. Correlation of soil and microbe biomass C, N, P content and their stoichiometry
阶段 指标 Csoil Nsoil Psoil Csoil/Nsoil Csoil/Psoil Nsoil/Psoil Cmic/Csoil Nmic/Nsoil Pmic/Psoil 幼龄林 Cmic 0.969** 0.941** 0.383 0.290 0.960** 0.923** 0.314 −0.324 0.825** Nmic 0.581 0.610 0.101 0.102 0.595 0.623 0.746* 0.330 0.432 Pmic 0.853** 0.854** 0.271 0.202 0.863** 0.856** 0.137 −0.445 0.995** Cmic/Nmic 0.785** 0.710* 0.341 0.327 0.775* 0.689* −0.361 −0.842** 0.743* Cmic/Pmic −0.308 −0.290 −0.099 −0.130 −0.302 −0.294 0.071 0.148 −0.681* Nmic/Pmic −0.611 −0.497 −0.291 −0.411 −0.606 −0.475 0.375 0.508 −0.753* 成熟林 Cmic 0.580 0.417 0.072 0.741 0.615 0.435 0.363 0.191 0.532 Nmic −0.009 0.040 −0.001 −0.096 −0.018 0.034 0.455 0.738* −0.098 Pmic 0.810** 0.744* 0.374 −0.119 0.830** 0.753* −0.336 −0.544 0.997** Cmic/Nmic 0.419 0.347 0.108 0.073 0.444 0.363 −0.274 −0.719* 0.450 Cmic/Pmic −0.402 −0.553 −0.188 0.440 −0.418 −0.573 0.434 0.664 −0.790* Nmic/Pmic −0.437 −0.498 −0.122 0.260 −0.467 −0.524 0.445 0.795* −0.785* 过熟林 Cmic 0.812** 0.906** 0.458 0.226 0.833** 0.850** 0.274 0.565 0.751* Nmic 0.922** 0.785* 0.776* 0.630 0.882** 0.605 −0.163 0.882** 0.463 Pmic 0.645 0.653 0.350 0.263 0.658 0.607 0.226 0.389 0.977** Cmic/Nmic −0.578 −0.224 −0.864** −0.805** −0.458 0.050 0.595 −0.846** 0.146 Cmic/Pmic 0.001 0.120 0.050 −0.140 0.002 0.118 0.003 0.083 −0.612 Nmic/Pmic 0.465 0.293 0.571 0.501 0.409 0.128 −0.410 0.675* −0.404 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01) -
按照中国第2次土壤普查养分分级标准[22]，本研究中0~60 cm土层Csoil质量分数均值，幼龄林(17.88 g·kg−1)和成熟林(14.99 g·kg−1)达到中下(4级)水平，过熟林(20.15 g·kg−1)达到中上(3级)水平；Nsoil质量分数均值，幼龄林(1.32 g·kg−1)、成熟林(1.45 g·kg−1)和过熟林(1.47 g·kg−1)均达到中上(3级)水平；Psoil质量分数，幼龄林(0.72 g·kg−1)和成熟林(0.78 g·kg−1)达到中上(3级)水平，成熟林(0.88 g·kg−1)达到高(2级)水平。本研究中，尾巨桉人工林Csoil质量分数从大到小依次为过熟林、幼龄林、成熟林，与以往研究相同[23]。这可能是由于成熟林阶段属桉树人工林速生生长阶段，林木生长需要消耗大量养分，原有有机质的分解大于外界输入，从而使土壤有机碳质量分数下降；当进入过熟林阶段后，林木生长趋缓，对养分吸收减少，而凋落物和植物根系不断积累，分解产生有机碳输入土壤，使得土壤有机碳质量分数升高。土壤Nsoil和Psoil质量分数均为从幼龄林、成熟林到过熟林增加的趋势，与XU等[23]研究结果一致。可能是随着林龄的增加，林分郁闭度降低，林下植被生物多样性增加，凋落物分解速度加快[24]，使得土壤养分在过熟林阶段得到积累。
土壤微生物生物量既是土壤有机质和土壤养分转化与循环的动力，又可作为土壤中植物有效养分的储备库，在土壤肥力和植物营养中具有重要作用。本研究中，土壤微生物Cmic、Nmic、Pmic质量分数(504.18、52.49、17.40 mg·kg−1)均低于全球土壤(680.4、105.0、40.3 mg·kg−1)和森林土壤(629、98、32 mg·kg−1)的平均水平。可能原因是短轮伐期人工林土壤扰动频繁，对土壤微生物群落结构产生较大影响[25-26]，不利于土壤微生物繁殖和生长，具体影响机制有待进一步研究。本研究中，微生物Cmic、Nmic、Pmic质量分数均值均以过熟林最高，与时伟伟等[27]研究结果一致。易桂田等[28]对1、6、11 a生尾叶桉E. urophylla人工林的研究发现：土壤微生物碳质量分数随林龄降低，11 a生植株中仅为56.912 mg·kg−1；这与本研究结果不同。可能原因是①桉树人工林土壤微生物主要集中在0~20 cm土层[29]，本研究对0~60 cm土层进行了取样分析，相比于0~10 cm土层取样更具代表性；②研究区桉树过熟林凋落物量积累较大，具有较高的养分归还量[30]，土壤养分含量也处于3个阶段的最高水平，使得土壤微生物可利用底物含量较高，因而生物量增加；③土壤微生物碳、氮、磷化学计量具有环境可塑性，会因土壤资源状况、气候条件、植被组成、土壤理化性质等的不同而产生差异[31-33]。
3个生长阶段土壤Csoil和Nsoil质量分数随土层加深递减，且差异显著。原因是土壤碳、氮主要来源于土壤表面枯落物的分解归还，在土壤表层积累后经淋溶作用向下迁移，从而被植物吸收利用。Psoil主要集中在0~20 cm土层，随土层变化幅度较小，呈“表层聚集性”特点[34]；可能是由于林分凋落物周转较快，分解的林下凋落物、死亡的植物和腐败的枯草向表层土壤补充大量养分所致[35]；此外，土壤磷主要来源于土壤母质风化，而风化是一个漫长的过程，风化程度在0~60 cm土层中无明显差异，因而土壤磷在土壤剖面上的变化幅度较小。土壤微生物Cmic、Nmic、Pmic质量分数基本表现为表层土壤高于深层土壤，这与前人研究结果相符[9, 36]。表层土壤富集了大多数功能根系，有利于提高微生物生物量[37]，其微生物活性显著高于深层土壤[38]；而深层土壤生境条件较差，抑制微生物活性，因此生物量也较低。
土壤微生物主要由异养型的细菌和真菌组成，土壤中可利用养分资源是调节土壤微生物生物量增长的驱动因子，因此微生物生物量通常与土壤养分变化趋势基本一致[39]。本研究中过熟林Cmic、Nmic与土壤Csoil、Nsoil均表现出显著或极显著相关性，幼龄林Cmic与Csoil、Nsoil表现出极显著相关性，与以往研究结果一致[7, 36]。幼龄林Nmic及成熟林Cmic、Nmic与Csoil、Nsoil未表现出显著相关性，与王薪琪等[9]和LITTON等[40]发现：土壤微生物碳、氮与土壤有机碳、氮相关性不显著的结果相近。可能原因是①植物(草本和木本)根系的生理活性或土壤有机质的活性组分(轻组碳)对微生物生物量碳的影响较大[41]；②成熟林处于速生生长期，地上生物量随林龄增加趋势明显[42-43]，地上植被的生长与土壤微生物碳的固定可能存在竞争关系。
-
土壤碳氮磷比值是土壤有机质组成和质量程度的一个重要指标。TIAN等[44]研究发现中国土壤Csoil/Nsoil、Csoil/Psoil、Nsoil/Psoil均值分别为11.9、61.0、5.2。本研究中，Csoil/Nsoil、Csoil/Psoil、Nsoil/Psoil的均值分别为12.55、22.32、1.79；较高的Csoil/Nsoil表明本研究土壤有机质矿化作用较慢，较低的Csoil/Psoil说明微生物在矿化土壤有机质释放磷的潜力较大[45]，提示研究地Psoil质量分数处于较高水平。
XU等[46]研究表明：全球土壤微生物Cmic/Nmic、Cmic/Pmic、Nmic/Pmic的均值分别为7.6、42.4、5.6；李品等[47]发现：亚热带阔叶林分别为5.8、53.4、9.1。本研究中，Cmic/Nmic、Cmic/Pmic、Nmic/Pmic的均值分别为9.87、36.50、4.11，其中Cmic/Nmic高于全球和亚热带阔叶林均值，Cmic/Pmic、Nmic/Pmic低于全球土壤和亚热带阔叶林均值，结合研究区土壤理化性质发现：Nsoil质量分数处于中上水平，而低的土壤氮素有效性会影响微生物的利用。研究[48]表明：土壤微生物碳氮比、碳磷比与土壤有机质质量相关，土壤中有效氮、有效磷越丰富，则土壤微生物碳氮比、碳磷比值越低。本研究过熟林Cmic/Nmic高于幼龄林和成熟林，而Cmic/Pmic低于幼龄林和成熟林，表明随着森林植物生长和土壤环境条件的改变，土壤中有效养分资源对土壤微生物生长限制程度也在改变。相关研究[49]表明：土壤微生物C/N可以反映土壤微生物种类和区系，细菌和真菌的C/N一般为3~5和4~15，土壤中Cmic/Nmic越大，真菌比例越高[50]。本研究中过熟林Cmic/Nmic最大，说明过熟林土壤真菌含量相对丰富。相关性分析表明：幼龄林中Cmic/Nmic与Csoil/Nsoil相关系数为0.327，成熟林中为0.073，过熟林中为−0.805，表明Cmic/Nmic随着Csoil/Nsoil的改变是微生物适应土壤养分变化的重要机制[51]。
Cmic/Csoil、Nmic/Nsoil、Pmic/Psoil可以反映土壤养分向微生物的转化效率和土壤养分的流失状况，比单独使用微生物生物量或土壤养分来表征土壤质量变化更加有效[52-53]。本研究中，3个阶段Cmic/Csoil无显著差异，Cmic与Cmic/Csoil均无显著相关性，说明土壤微生物Cmic的周转速度在3个阶段差异可能并不明显。0~20 cm 土层的Nmic/Nsoil、Pmic/Psoil均表现为成熟林最高，且分别与Nmic、Pmic存在极显著正相关，可能是由于过熟林土壤微生物Nmic、Pmic比幼龄林和成熟林具有更快的周转速度，其增加幅度高于Nsoil、Psoil，这与吴建平等[54]研究结果类似。
-
尾巨桉人工林土壤和微生物碳、氮、磷质量分数均为过熟林最高，垂直变化呈现出“表层聚集性”特征。土壤微生物生物量与土壤化学性质关系密切，在林分的不同生长阶段土壤微生物受土壤影响的指标和程度具有差异性，幼龄林、成熟林和过熟林土壤微生物的主要影响因子分别为Csoil、Csoi/Psoil和Nsoil。土壤Csoi/Nsoil和微生物Cmic/Nmic偏高，Csoi/Psoil、Nsoi/Psoil及Cmic/Pmic、Nmic/Pmic均处于较低水平，Psoil质量分数充足，表明尾巨桉人工林土壤微生物可能存在氮素有效性限制，生长后期应注重养分有效性对土壤微生物生长繁殖的影响。
Soil-microbial stoichiometry of Eucalyptus urophylla × E. grandis plantation at different growth stages
-
摘要:
目的 研究幼龄林、成熟林和过熟林阶段尾巨桉Eucalyptus urophylla × E. grandis人工林土壤化学性质及土壤微生物化学计量特征，以丰富桉树林生态系统生态化学计量学领域的基础研究。 方法 以雷州半岛3个处于不同生长阶段的尾巨桉人工林为研究对象，测定0~20、20~40和40~60 cm土层土壤化学性质及土壤微生物碳、氮、磷质量分数，分析土壤及微生物化学计量关系特征。 结果 尾巨桉人工林土壤有机碳、全氮、全磷和土壤微生物碳、氮、磷质量分数均值均以过熟林最高，分别为20.15、1.47、0.88 g·kg−1和583.09、55.20、28.03 mg·kg−1，不同生长阶段差异性特征并不一致。土壤有机碳、全氮、全磷和土壤微生物碳、氮、磷质量分数的垂直变化呈现“表层聚集性”特征，不同生长阶段的土层间差异性元素类别表现不一。成熟林土壤碳氮比(Csoil/Nsoil)和碳磷比(Csoil/Psoil)均值分别为10.52和19.25，显著低于幼龄林和过熟林(P＜0.05)；过熟林氮磷比(Nsoil/Psoil)均值为1.67，显著低于幼龄林和成熟林(P＜0.05)。过熟林土壤微生物碳磷比(Cmic/Pmic)、氮磷比(Nmic/Pmic)均值分别为21.25、2.00，均显著低于其他2个阶段(P＜0.05)。不同生长阶段土壤微生物碳与土壤有机碳比值(Cmic/Csoil)无显著差异，土壤微生物氮与土壤全氮比(Nmic/Nsoil)和土壤微生物磷与土壤全磷比(Pmic/Psoil)均为过熟林显著低于其他阶段(P＜0.05)。冗余分析表明：幼龄林、成熟林和过熟林土壤微生物的首要影响因子分别为Csoil、Csoil/Psoil和Nsoil。 结论 尾巨桉人工林土壤微生物生物量在过熟林阶段最高，土壤微生物生物量与土壤化学性质关系密切，林分不同生长阶段土壤微生物受土壤影响的指标和程度具有差异性，生长后期应注重养分有效性对土壤微生物生长繁殖的影响。图4表2参54 Abstract:Objective The present study aims to investigate the soil-microbial stoichiometry of Eucalyptus urophylla × E. grandis plantation at young, mature, and overmature stages in order to enrich the basic research in the field of ecological stoichiometry of Eucalyptus plantation ecosystem. Method Three E. urophylla × E. grandis plantations at different growth stages in Leizhou Peninsula were selected as the research objects. Soil samples were collected from 0−20, 20−40, 40−60 cm soil layers respectively for measuring soil organic carbon (Csoil), total nitrogen (Nsoil), total phosphorus (Psoil), soil microbial biomass carbon (Cmic), nitrogen (Nmic), and phosphorus (Pmic), and the ratio among them was estimated to analyze the relationship between soil and microbial biomass. Result The mean values of soil organic carbon, total nitrogen, total phosphorus and soil microbial carbon, nitrogen and phosphorus were the highest in overmature forest, which were 20.15, 1.47, 0.88 g·kg−1 and 583.09, 55.20, and 28.03 mg·kg−1, respectively. The differences in different stages were not consistent. The vertical changes of soil organic carbon, total nitrogen, total phosphorus and microbial biomass carbon, nitrogen and phosphorus showed the characteristics of "surface aggregation", and the differences among soil layers in different growth stages were different due to different element types. The average values of Csoil/Nsoil and Csoil/Psoil in mature forest were 10.52 and 19.25, respectively, which were significantly lower than those in young and overmature forests (P＜0.05). The mean value of Nsoil/Psoil in overmature forest was 1.67, which was significantly lower than that in young and mature forests (P＜0.05). The average values of Cmic/Pmic and Nmic/Pmic on overmature stage were 21.25 and 2.00, which were significantly lower than those in other two stages (P＜0.05). The ratio of soil microbial biomass carbon to soil organic carbon (Cmic/Csoil) had no significant difference at three stages. The ratio of soil microbial biomass nitrogen to soil total nitrogen (Nmic/Nsoil) and the ratio of microbial biomass phosphorus to soil total phosphorus (Pmic/Psoil) in overmature forest were significantly lower than those in other two stages (P＜0.05). Redundancy analysis showed that Csoil, Csoil/Psoil and Nsoil were the primary influencing factors of soil microbe in young forest, mature forest and overmature forest, respectively. Conclusion The soil microbial biomass of E. urophylla × E. grandis plantation is the highest in the overmature forest stage, and is closely related to the soil chemical properties. The index and degree of soil microbes affected by the soil are different at different growth stages of the stand. The effect of nutrient availability on the growth and reproduction of soil microbe should be paid attention to at the later growth stage. [Ch, 4 fig. 2 tab. 54 ref.] -
土地资源是人类社会赖以生存发展的基础，近年来，随着城市化进程不断加快，耕地流失和土地破碎化问题日益严重，区域景观生态风险评价已成为全球环境变化的研究热点[1-3]。日益频繁的人类活动及高强度的开发建设，使得土地景观趋于破碎化，结构趋于复杂化，威胁着人地关系的和谐[4]。景观生态风险评价方法主要分为景观指数法和基于风险源-汇的理论分析法。研究对象多集中在生态环境敏感脆弱和人为干扰剧烈的区域，如城镇[5-7]、流域[8]、海岸带[9]、矿区[10-11]、自然保护区[12]、道路沿线[13]、湿地[14]等，数据源多为人工解译方法获得的遥感解译数据或土地利用现状图矢量图[10-14]。如HAYES等[15]利用GIS技术对生境模型的空间数据进行编译和对比，直观评估出华盛顿西北部近海岸海洋环境的生态风险空间分布状况。张莹等[12]以扎龙自然保护区为研究对象，基于研究区景观格局变化特点构建景观生态风险指数，总结了1995−2010年保护区多尺度下景观生态风险的时空变化特征。刘炎序等[16]以深圳市社会-生态系统为评价研究对象，借助GIS空间分析手段，制作出“忽视风险情景”“正常风险情景”“重视风险情景”等景观生态风险图。王涛等[17]运用景观生态学理论，综合选取指数构建了景观生态风险评价模型，定量化总结1985−2015年杞麓湖流域的景观生态风险分布特征。景观具有高度空间异质性，存在一定的空间分布规律，在景观生态风险评价体系中引入景观指数法，不仅能增加景观异质性的关注度和空间定量描述，还能使风险评价摆脱传统方法中由于某一特定风险因子表征区域状态所造成的局限性[18]。宿松县地处大别山南麓，地理位置特殊，山区和湖泊面积占总面积的86%，生态环境敏感脆弱。人类活动的干扰导致该地区林地面积不断退化，农田城镇化明显，生态系统的基本结构和功能够遭到破坏，景观生态风险日益加剧。本研究从土地景观生态安全角度重新审视该区域的环境和发展问题，通过探究县域景观结构的变化动态，构建最佳粒度下景观指数的生态风险评价模型，进行景观生态风险评价研究，以期为县域尺度景观生态风险的管理提供理论和技术支持。
1. 研究区概况
宿松县(29°47′20′′~30°25′30′′N，115°52′52′′~116°34′40′′E)位于安徽省西南方向，是安徽、湖北、江西三省的交界处，也是八县结合部，地处长江下游北岸的顶端。全县东西宽约67 km，南北长约72 km，总面积达2 394 km2；东北接壤太湖县，西边紧邻湖北省的蕲春县和黄梅县，东南角连接望江县，南边隔江相望于江西省湖口县和彭泽县；属北亚热带湿润季风气候，四季分明，季风性明显；年平均气温16.6 ℃，由于地势原因，境内温度自西北方向至东南逐渐增高；季节性降水较明显，城区为暴雨多发地区；光照充足，年均无霜期254 d。
2. 材料与方法
2.1 数据来源及预处理
标准采用2017年的GQJC 03−2017《基础性地理国情监测内容与指标》，与2015年标准不同的是，2017年新标准将耕地、园地合并为种植土地；林地、草地合并为了林草覆盖。本研究以2015、2017年的地理国情普查成果为依据，结合研究目标，参考GB/T 21010−2017《土地利用现状分类》，根据土地实际用途以及地物意义，将普查数据中的地表覆盖分类重新划分为耕地、园地、林地、草地、建筑用地(房屋建筑区、构筑物、人工堆掘地)、交通用地(道路)、水域、未利用地(荒漠与裸露地表)八大土地景观类型[19](图1)。通过ArcGIS对划分后的土地斑块类型进行分类、合并处理。选取宿松县景观格局变化研究的最佳粒度值100 m[20]，利用Arc GIS重采样功能得出2015、2017年宿松县土地景观栅格分布图。
2.2 景观格局指数的筛选
本研究从类型和景观水平共选取5个景观指数(表1)，从面积与结构、形状、多样性等3个方面对宿松县2015−2017年土地利用格局的动态变化进行研究，并利用FRAGSTATS软件计算出相关值。
表 1 不同水平下选取的土地利用景观指数Table 1 Land use landscape index selected at different levels景观特征 景观指数 水平类型 含义 面积与结构 斑块面积(CA) 类型 描述某斑块类型的
总面积斑块类型面积比例指数(PLAND) 类型 描述某斑块类型所占整个景观面积比例 形状 景观形状指数(LSI) 类型/景观 描述斑块形状边界
形状的复杂性多样性 Simpson 多样性指数(SIDI) 景观 描述斑块类型多样性程度 Simpson 均匀度指数(SIEI) 景观 描述斑块类型均匀性程度 2.3 生态风险小区的构建
样方面积的大小需满足研究区景观斑块平均面积的2~5倍，样本才能综合反映采样地点周围综合景观格局信息[21]。2015和2017年景观斑块平均面积分别为1.872 7、1.862 6 km2，确定风险小区边长选择区间为1.930 0~3.064 5 km，考虑单元格划分既要保证足够多的单元数来反映研究区景观格局的分布规律，又要避免计算强度和精度等问题，因此本研究以3 km×3 km风险小区为评价单元，采用等间距采样方法，将研究区划分为308个风险小区，网格中心点为景观生态风险指数的采样点(图2)。
2.4 生态风险评价模型的构建及专题图的绘制
生态风险是生态系统结构和功能在响应外界干扰时保持本身处在低能量平衡的一种可能性[22]。景观生态风险由外部的扰动强度和内部的脆弱性来衡量。本研究选取景观干扰度指数和景观脆弱度指数对景观生态风险进行定量分析，该方法能够快速有效识别土地资源异质性带来地干扰度和生态系统自身的脆弱程度[23]。
2.4.1 景观干扰度指数
景观干扰度指数(Gi)表示i类土地景观抵抗外界的干扰能力和自我恢复能力，景观格局所受的人为和自然的干扰强度越大，则整个土地景观生态系统敏感性越强，其景观生态风险越大。选取景观破碎度指数(Pi)、景观分离度指数(Di)、景观分维度指数(Fi)来构建景观干扰度指数，计算公式为：
$$G_i = W_1 \times P_i + W_2 \times D_i + W_3 \times F_i \text{。}$$ (1) 式(1)中：W1、W2、W3分别为景观破碎度、景观分离度、景观分维度等3个景观指数的权重值，结合相关研究成果分别赋值0.5、0.3、0.2；i为特定的土地覆盖类型[24-25]。
2.4.2 景观脆弱度指数
景观脆弱度数值大小与区域景观抵抗外界干扰能力的程度成反比。本研究依据各土地类型结构组成形成的土地利用稳定性，和自身的敏感性、脆弱性及分布集中性程度，参考相关研究成果[26-27]，将各土地利用类型的脆弱度值进行赋值，并归一化处理，结果见表2。
表 2 景观脆弱度值归一化结果Table 2 Normalized results of landscape vulnerability values景观类型 脆弱度值 归一化值 建设用地 1 0.028 交通用地 2 0.056 林地 3 0.083 园地 4 0.111 耕地 5 0.139 水域 6 0.167 草地 7 0.194 未利用地 8 0.222 2.4.3 景观生态风险指数
不同的土地利用方式对区域生态风险的贡献程度不同，为了定量分析土地景观结构变化带来的景观生态风险，将景观干扰度指数(外部)和景观脆弱度指数(内部)引入景观生态风险指数(ERI)概念能够使其更具针对性，能够结合采样方法将土地利用格局转化为空间化的生态风险变量。公式如下[28-29]：
$${E_{{\rm{RI}}k}} = \sum\limits_{i = 1}^n {\frac{{{A_{ki}}}}{{{A_k}}}} ({G_i} \times {R_i}) \text{。}$$ (2) 式(2)中：ERIk为第k个风险小区景观生态风险指数，Aki为第k个风险小区i类景观类型面积的总和，Ak为第k个风险小区n类景观类型面积的总和。Gi为i类景观类型的景观干扰度指数，Ri为i类景观类型的景观脆弱度指数。
最后用空间采样及普通克里金插值法进行分析，根据风险值的范围，采用自然间断法将生态风险程度划分为5个等级：低生态风险区、较低生态风险区、中等风险区、较高风险区、和高生态风险区。
3. 结果与分析
3.1 土地利用格局动态变化分析
根据表3~4可见：2015−2017年景观结构发生了变化，景观形状呈复杂化趋势，多样化程度和均匀度不断加强。耕地、林地、水域、草地等优势景观类型面积有所减少，而与人类活动密切相关的建筑用地、园地、交通用地面积有所增加。优势景观类型面积的减少，弱势景观类型面积的增高造成斑块类型分布不断均匀化，同时多样指数的提高说明研究区景观类型的丰富度有所增高，破碎化程度进一步加深。其中林地面积减少的最多，为969 hm2，减少的林地面积与增加的建设用地面积几乎相等，建设用地景观形状指数增幅最大。且2017年比2015人口增长0.31%，城镇人口增长21.11%，建筑业生产总值增长11 000万元。说明宿松县的城市化进程，尤其是城镇建设和农房面积的扩张是导致大量林地面积减少和建设用地形状复杂化的主要原因；耕地主要分布于城镇村庄周围，随着农业科技自动化水平的提高和城镇面积进一步扩张，城镇村庄周围的农业用地都逐渐转化为非农业用地，导致耕地面积有所减少，园地面积有所增加；由于耕地为主体景观类型且分布广泛，交通用地主要贯穿于城镇村庄内部，随着建设用地的大幅度增加，交通用地呈现增加趋势，造成草地、未利用地面积有所减少，耕地斑块形状变得更加复杂。综上，经济发展在一定程度上加剧了景观格局的不稳定状态。
表 3 2015和2017年类型水平上的格局指数Table 3 Pattern index values at the type level in 2015 and 2017景观类型 年份 CA/hm2 PLAND/% LSI 林地 2015 54 007 22.785 6 72.819 4 2017 53 038 22.376 7 72.817 8 耕地 2015 86 614 36.542 5 81.321 4 2017 86 367 36.438 2 82.403 7 建设用地 2015 11 000 4.640 9 73.838 1 2017 12 084 5.098 2 76.163 6 园地 2015 2 328 0.982 2 27.247 4 2017 2 380 1.004 1 27.479 6 交通用地 2015 1 984 0.837 1 41.677 8 2017 2 164 0.913 0 43.414 9 草地 2015 18 324 7.730 9 87.638 4 2017 18 278 7.711 5 86.273 1 水域 2015 62 615 26.417 3 30.990 0 2017 62 580 26.402 5 31.503 0 未利用地 2015 151 0.063 7 9.160 0 2017 132 0.055 7 9.869 6 说明：CA为斑块类型面积，PLAND为斑块面积比例，LSI 为景观形状指数 表 4 2015和2017年景观水平上的格局指数Table 4 Pattern index values at the landscape level in 2015 and 2017年份 LSI SIDI SIEI 2015 74.329 6 0.736 7 0.842 0 2017 75.241 8 0.739 0 0.844 5 说明：LSI为景观形状指数，SIDI为Simpson 多样性指数， SIEI为Simpson 均匀度指数 3.2 景观单一生态风险的变化分析
3.2.1 景观破碎度分析
图3表明：西北部和东南部景观破碎程度较低，中部较高。由于宿松县地处大别山山脉，西北部主体景观类型为林地；东南部华阳河农场总场、汇口镇北部、洲头乡北部为主要的农业区，主体景观类型为耕地和水域，且均呈集聚状态分布，景观破碎程度较低；中部破碎化均较高且呈现由东向西的扩张趋势，其中程岭乡的破碎化程度最大，且高破碎度区域依然呈增加趋势，这与中部的景观类型为建筑用地、耕地、草地密切相关，虽然耕地依然为主体景观类型，但是由于受到错综复杂的交通用地、建设用地等其他土地类型的分割，造成中部耕地类型破碎化程度较大。
图 3 2015和2017年景观破碎度空间分布示意图Figure 3 Spatial distribution map of landscape fragmentation in 2015 and 20173.2.2 景观分离度分析
图4表明：西北部山区景观分离度较低，东南部农业区次之，景观分布较简单，中部地区景观分离度较高，景观分布复杂。2015−2017年西北部北浴乡、陈汉乡、柳坪乡主体景观类型为林地且位于山区，景观分离度未发生明显改变，分离度低于0.602 4；东南部复兴镇、洲头乡南部景观分离度虽发生轻微变化，但变化范围不大；中部西侧二郎镇、孚玉镇，及程岭乡西北部分离度最高、变化最为剧烈，呈现自东向西的扩张趋势。
图 4 2015和2017年景观分离度分布示意图Figure 4 Spatial distribution map of landscape separation in 2015 and 20173.2.3 景观分维度分析
图5表明：西北部分维度最低，景观形状简单，中部中等区域所占比例较大，且较高级有向中等和高级分离度转化的趋势，高区域集中于东南部，景观形状较复杂。西北部分维度较低，主要是由于该地位于大别山区，主体景观类型由斑块较大的乔木林地组成；与之相对应分维度高区域为中部九姑乡、孚玉镇及东南部华阳河农场地区，原因是由于九姑乡存在较多分散的草地面积，一条自然水系贯穿孚玉镇，且水系形状较复杂，华阳河农场主体景观类型农业用地耕地，其形状均较不规则。综上所述，分维度指数与地貌形态、人类活动的制约和影响有着密切的联系。
图 5 2015和2017年景观分维度分布示意图Figure 5 Spatial distribution map of landscape by dimensions in 2015 and 20173.3 景观综合生态风险时空变化分析
3.3.1 景观生态风险的时空变化分析
图6表明：宿松县景观生态风险空间分布呈明显区位性和异质性特征的景观结构分布规律。低风险区主要集中于西北部山地地带，受其他生态风险等级的胁迫，研究期间面积有所下降，优势景观类型为林地且连片集中分布，景观结构稳定，景观破碎度和分离度较低；较低生态风险区位于西北部林地边缘和黄湖、龙湖南部地带，2015−2017年较低生态风险区有边缘向中部萎缩的趋势，以集中连片的深水域、耕地、和破碎化林地为主，景观结构较为完善，但也是人类主要活动区域的边缘地带，存在一定程度的风险；中等风险区和较高生态风险区主要分布于中部，以及东南部湖泊、长江边缘地带，优势景观类型主要以耕地、水域、林地、草地为主，耕地主要位于山地丘陵地带，自身形状复杂，水网密布且草地、林地的破碎化程度较高造成景观的动态变化较大，生态风险进一步加剧；高生态风险区主要分布于西南和东部边缘地带，2017年中部九姑乡出现大片的高生态风险区，高岭乡高生态风险面积逐渐内部扩张，而其余边缘高生态风险区面积均有所降低，表明高生态风险区有从边缘向中部发展的趋势。综上所述，宿松县的生态风险分布呈现明显的阶梯状态，与研究区内的地势从西北到东南逐渐降低，山区、丘陵、湖泊、平原依次分布的地貌有密切关系。
图 6 2015和2017年宿松县景观生态风险指数空间分布示意图Figure 6 Spatial distribution map of landscape ecological risk index in Susong County in 2015 and 2017利用ArcGIS对2015和2017年不同等级的土地景观生态风险面积统计(表5)表明：2015−2017年风险面积占比从高到低依次为较高生态风险区、中等生态风险区、较低生态风险区、低生态风险区、高生态风险区。研究区以较高生态风险区和中等生态风险区为主，2017年二者占比分别为31.22%、27.10%，合计超过总面积的一半。生态等级表现为低等级向相邻高等级转化，风险程度逐渐增加。低生态风险、较低生态风险区面积均有所降低，其中较低生态风险区面积主要由低生态风险区转入和转出为中等生态风险区的面积决定，面积减少了23.174 km2；中等生态风险面积降低幅度较明显，减少了45.605 km2，降幅占2015年中等风险区总面积的6.63%；较高生态风险区、高生态风险区的面积均有所增加，其中高生态风险面积在2 a间增加了65.326 km2，占2015年高风险区总面积的49.73%。根据各等级转化趋势可以得出，宿松县应进一步加大土地利用的治理，减少人为干扰强度，降低破碎化程度，避免较高生态风险区，进一步向高生态风险区转化。
表 5 2015和2017年各级生态风险面积及其占比Table 5 Areas and percentages of ecological risks at all levels in 2015 and 2017生态风险等级 2015年 2017年 面积/km2 占比/% 面积/km2 占比/% 低 315.329 13.31 309.537 13.06 较低 504.786 21.30 481.612 20.32 中 687.981 29.02 642.376 27.10 较高 730.788 30.83 740.033 31.22 高 131.350 5.54 196.676 8.30 3.3.2 基于乡镇的景观生态风险变化分析
为了进一步对宿松县的景观生态风险进行分析，依据地形地貌、社会经济条件等限制因素，将宿松县24个乡镇分为五大类，山地旅游区、交通枢纽镇、鱼米之乡、农业区、矿产资源区，统计出各类型地区的风险等级面积(表6)。图5和表6表明：2015−2017年除矿产资源区外，各类地区低生态风险、较低生态风险、中等生态风险面积均呈降低趋势；鱼米之乡、矿产资源区的较高生态风险区面积，由于转化为高生态风险面积而有所降低。低生态风险区集中于西北部山地旅游地区，其中陈汉乡完全处于低生态风险区，风险程度最低，隘口乡旅游资源丰富，2017年出现中等生态风险区，面积为0.389 km2，表明旅游业在一定程度上促进了中等生态风险区从中部向西北部扩张；2015−2017年中部交通枢纽镇二郎镇、孚玉镇的较高生态风险面积增长6.316 km2，且邻乡破凉镇中三乡交界处出现较高生态风险区，表明以城镇为中心的城镇扩张进一步加剧了生态风险；中等生态风险区集中于农业区复兴镇、破凉镇等，2015−2017生态风险增加程度较大为复兴镇，增加面积为3.119 km2，这与复兴镇滨江依湖的地理位置有着密切的关系，表明水域的脆弱性比耕地大，更易受到人为干扰；高生态风险区主要位于有“鱼米之乡”之称的高岭乡和佐坝乡，2017年这2个乡镇的高生态风险面积占总高生态风险区面积的47%，与2个乡镇河网分布错综复杂，渔业活动频繁有着密切的关系；矿产资源区九姑乡含有丰富的石灰石资源，2017年高生态风险区出现，中等风险区面积消失，高生态风险面积为21.715 km2，占该乡总面积的42.6%，表明矿产资源区潜在生态风险程度最大。综上所述，宿松县的潜在生态风险由高到低依次为矿产资源区、鱼米之乡、交通枢纽镇、农业区、山地旅游区。
表 6 2015和2017年宿松县各类乡镇不同等级的生态风险区面积Table 6 Ecological risk area of different grades in various township of Susong County in 2015 and 2017类别 乡镇 年份 不同等级生态风险区面积/ km2 低 较低 中等 较高 高 山地旅游区 北浴乡、柳坪乡、陈汉乡、隘口乡、趾凤乡、凉亭镇 2015 249.104 69.701 43.759 8.108 0.016 2017 247.286 68.742 41.539 11.401 1.720 农业区 河塌乡、五里乡、复兴镇、下仓镇、破凉镇、华阳河农场、长铺镇 2015 7.043 155.911 323.446 187.567 35.868 2017 6.904 147.139 299.386 221.214 35.192 交通枢纽镇 二郎镇、孚玉镇、九成监狱 2015 0.731 36.072 98.160 50.707 9.616 2017 0.057 33.934 90.754 59.559 10.982 鱼米之乡 高岭乡、程岭乡、千岭乡、佐坝乡、
许岭镇、洲头乡、汇口镇2015 58.451 243.102 222.531 433.498 85.850 2017 55.290 231.797 210.697 418.581 127.067 矿产资源区 九姑乡 2015 0 0 0.085 50.908 0 2017 0 0 0 29.278 21.715 4. 讨论
景观生态风险评价是研究区域生态环境的有效手段。本研究表明：由于经济的发展，人类活动强度的增加，城镇用地的扩张，土地利用的景观生态风险等级有明显的变化趋势，呈低等级向高等级转变，这与张双双等[5]、白舒婷[29]、闻国静等[30]、王涛等[31]的结论类似。目前相关研究多集中于大区域[6-9]的生态风险讨论。县域为中国主要的行政单元，更是连接城市与乡村的节点[32]，利用高分影像下采集的地理国情数据具有精度高、尺度细的优点，更能进一步提高生态风险评价结果的精度。本研究表明：乡镇经济的发展程度与景观生态风险的等级大小为正相关关系，即发展程度越高，景观生态风险越大，这与傅微等[23]的研究结果相似。通过对单一景观指数的生态风险分析及乡镇角度的生态风险评价，能进一步针对研究区的地貌、经济特征提出合理化的建议和对策。因此，本研究针对宿松县经济发展中带来的景观生态风险问题，为防止由于建设用地、交通用地的盲目扩张，造成林地、耕地流失，景观生态系统结构遭到破坏等现象的继续发生，提出了以下建议：①低生态风险区和较低生态风险主要位于西北部山区和黄湖、龙湖的中心等区域，景观类型以林地、和水域为主，是生物生长最优栖息地和水源涵养区，景观生态风险指数虽然低，但依然是重点保护对象。因此该区域应充分利用山地景观资源和水源资源，在现有自然保护区和旅游景区的基础上，划出一定的保护区域，扩大相邻林地和水域的面积，使其集中连片，保证生态环境的质量，降低景观破碎度，提高生态系统抗风险能力。②中等生态风险区主要位于宿松县中部的农业大乡，景观类型以耕地为主。由于宿松县是农业大县，耕地资源的保护和利用十分重要，建议对耕地质量等级划分，在保证耕地质量的基础上对质量差的耕地实施退耕还林政策。针对山区耕地，大力推广高效节水灌溉技术，适量推广种植经济价值高、耗水少的药材，减少水资源的浪费，保证区域农业用水。③较高生态风险区主要位于河网密布的鱼米之乡以及交通运输的枢纽镇。区域内存在大量生态稳定性脆弱的湿地，应建立湿地公园等自然保护区，并在河道周围加强林草工程维护，减少土地流失，降低水系破碎度，提高生态系统稳定性。此外还需控制该区域的人口数量，减少建设用地的扩张对耕地资源的占用。④高生态风险区主要位于矿产资源开发区等地。应严格控制对矿产资源的开采，减少矿山企业数量。充分利用遥感技术手段对矿山环境数据进行调查和监测，建立档案，编制相应的矿山环境治理方案，提高矿山修复效率，减少水土流失滑坡等自然灾害的发生。尤其是九姑山，需对矿产资源开采进行严格的管理和控制，降低人类活动的干扰强度。
5. 结论
2015−2017年宿松县土地景观结构存在一定变化，景观形状呈复杂化趋势，多样化程度和均匀度不断增强，生态风险结果与地貌特征、经济发展存在明显关联性，呈阶梯状分布，经济发展一定程度上造成了景观格局的不稳定。西北部以林地为主的山地旅游区景观，景观破碎度、分离度、分维度均较低，景观多样化水平低，景观生态风险较低。中部和东南部以耕地、建设用地、河网为主的农业区、交通枢纽镇、鱼米之乡景观，景观破碎度、分离度、分维度较高，景观分布结构较为复杂，景观生态风险较高，其中矿产资源区九姑乡的潜在生态风险程度最大。宿松县以较高生态风险区和中等风险区为主，2015−2017年低生态风险区、较低生态风险区、中等生态风险区面积呈降低趋势，而较高生态风险区和高生态风险区面积呈增加趋势，生态等级表现为低等级向相邻高等级转化。
-
图 1 不同生长阶段土壤与土壤微生物碳、氮、磷质量分数
Figure 1 Carbon, nitrogen and phosphorus contents of soil and soil microbial biomass in different growth stages
图 2 不同生长阶段土壤与土壤微生物碳、氮、磷化学计量比
Figure 2 Carbon, nitrogen and phosphorus stoichiometric ratios of soil and soil microbial biomass with different growth stages
图 3 不同生长阶段土壤微生物与土壤碳、氮、磷之比
Figure 3 Carbon, nitrogen and phosphorus stoichiometric ratios of soil and soil microbial biomass with different growth stages
图 4 不同生长阶段土壤与土壤微生物碳、氮、磷及化学计量比的冗余分析
Figure 4 Carbon, nitrogen and phosphorus contents and stoichiometric ratios of soil and soil microbial biomass with different growth stages
表 1 样地基本概况
Table 1. Basic situation of sample plots
龄级 样地 林龄/a 海拔/m 平均胸
径/cm平均树
高/m林分密度/
(株·hm−2)叶面积
指数0~60 cm土壤
容重/(g·cm−3)pH 幼龄林 1 2 116 8.06 12.20 1575 0.829 1.05 4.6 2 2 120 7.85 11.93 1450 0.732 0.96 5.0 3 2 117 8.14 12.33 1586 0.916 1.03 5.2 成熟林 1 6 104 14.63 12.48 857 0.793 1.08 4.8 2 6 108 13.97 15.37 986 1.039 1.07 4.8 3 6 103 11.97 15.15 1174 1.184 1.08 5.0 过熟林 1 9 113 22.84 25.40 725 1.117 1.07 4.5 2 9 119 20.14 24.97 714 1.101 1.04 4.7 3 9 125 19.74 22.58 675 0.884 0.97 4.7 
下载: 导出CSV
表 2 土壤和土壤微生物碳、氮、磷及化学计量比的相关性
Table 2. Correlation of soil and microbe biomass C, N, P content and their stoichiometry
阶段 指标 Csoil Nsoil Psoil Csoil/Nsoil Csoil/Psoil Nsoil/Psoil Cmic/Csoil Nmic/Nsoil Pmic/Psoil 幼龄林 Cmic 0.969** 0.941** 0.383 0.290 0.960** 0.923** 0.314 −0.324 0.825** Nmic 0.581 0.610 0.101 0.102 0.595 0.623 0.746* 0.330 0.432 Pmic 0.853** 0.854** 0.271 0.202 0.863** 0.856** 0.137 −0.445 0.995** Cmic/Nmic 0.785** 0.710* 0.341 0.327 0.775* 0.689* −0.361 −0.842** 0.743* Cmic/Pmic −0.308 −0.290 −0.099 −0.130 −0.302 −0.294 0.071 0.148 −0.681* Nmic/Pmic −0.611 −0.497 −0.291 −0.411 −0.606 −0.475 0.375 0.508 −0.753* 成熟林 Cmic 0.580 0.417 0.072 0.741 0.615 0.435 0.363 0.191 0.532 Nmic −0.009 0.040 −0.001 −0.096 −0.018 0.034 0.455 0.738* −0.098 Pmic 0.810** 0.744* 0.374 −0.119 0.830** 0.753* −0.336 −0.544 0.997** Cmic/Nmic 0.419 0.347 0.108 0.073 0.444 0.363 −0.274 −0.719* 0.450 Cmic/Pmic −0.402 −0.553 −0.188 0.440 −0.418 −0.573 0.434 0.664 −0.790* Nmic/Pmic −0.437 −0.498 −0.122 0.260 −0.467 −0.524 0.445 0.795* −0.785* 过熟林 Cmic 0.812** 0.906** 0.458 0.226 0.833** 0.850** 0.274 0.565 0.751* Nmic 0.922** 0.785* 0.776* 0.630 0.882** 0.605 −0.163 0.882** 0.463 Pmic 0.645 0.653 0.350 0.263 0.658 0.607 0.226 0.389 0.977** Cmic/Nmic −0.578 −0.224 −0.864** −0.805** −0.458 0.050 0.595 −0.846** 0.146 Cmic/Pmic 0.001 0.120 0.050 −0.140 0.002 0.118 0.003 0.083 −0.612 Nmic/Pmic 0.465 0.293 0.571 0.501 0.409 0.128 −0.410 0.675* −0.404 说明：*表示显著相关(P＜0.05)；**表示极显著相关(P＜0.01)
下载: 导出CSV
-
[1] DEVI N B, YADAVA P S. Seasonal dynamics in soil microbial biomass C, N and P in a mixed-oak forest ecosystem of Manipur, North-east India [J]. Appl Soil Ecol, 2006, 31(3): 220 − 227. [2] LEFF J W, JONES S E, PROBER S M, et al. Consistent responses of soil microbial communities to elevated nutrient inputs in grasslands across the globe [J]. Proc Natl Acad Sci USA, 2015, 112(35): 10967 − 10972. [3] HE Z L, YANG X E, BALIGAR V C, et al. Microbiological and biochemical indexing systems for assessing quality of acid soils [J]. Adv Agron, 2003, 78(2): 89 − 138. [4] BUCHKOWSKI R W, SCHMITZ O J, BRADFORD M A. Microbial stoichiometry overrides biomass as a regulator of soil carbon and nitrogen cycling [J]. Ecology, 2015, 96(4): 1139 − 1149. [5] ADAIR K L, WRATTEN S, LEAR G. Soil phosphorus depletion and shifts in plant communities change bacterial community structure in a long-term grassland management trial [J]. Environ Microbiol Rep, 2013, 5(3): 404 − 413. [6] SHILLAM L, HOPKINS D W, BADALUCCO L, et al. Structural diversity and enzyme activity of volcanic soils at different stages of development and response to experimental disturbance [J]. Soil Biol Biochem, 2008, 40(9): 2182 − 2185. [7] 杨凯, 朱教君, 张金鑫, 等. 不同林龄落叶松人工林土壤微生物生物量碳氮的季节变化[J]. 生态学报, 2009, 29(10): 5500 − 5507. YANG Kai, ZHU Jiaojun, ZHANG Jinxin, et al. Seasonal dynamics of soil microbial biomass C and N in two larch plantation forests with different ages in Northeastern China [J]. Acta Ecol Sin, 2009, 29(10): 5500 − 5507. [8] 范媛媛, 李懿, 李启迪. 不同林龄油松土壤微生物、酶活性和养分特征[J]. 水土保持研究, 2019, 26(6): 58 − 64. FAN Yuanyuan, LI Yi, LI Qidi. Microbe, enzymatic activity and nutrient contents of soils in different stand ages of Pinus tabuliformis [J]. Res Soil Water Conserv, 2019, 26(6): 58 − 64. [9] 王薪琪, 韩轶, 王传宽, 等. 帽儿山不同林龄落叶阔叶林土壤微生物生物量及其季节动态[J]. 植物生态学报, 2017, 41(6): 597 − 609. WANG Xinqi, HAN Yi, WANG Chuankuan, et al. Soil microbial biomass and its seasonality in deciduous broadleaved forests with different stand ages in the Mao’ershan region, Northeast China [J]. Chin J Plant Ecol, 2017, 41(6): 597 − 609. [10] 牛小云, 孙晓梅, 陈东升, 等. 辽东山区不同林龄日本落叶松人工林土壤微生物、养分及酶活性[J]. 应用生态学报, 2015, 26(9): 2663 − 2672. NIU Xiaoyun, SUN Xiaomei, CHEN Dongsheng, et al. Soil microorganisms, nutrients and enzyme activity of Larix kaempferi plantation under different ages in mountainous region of eastern Liaoning Province, China [J]. Chin J Appl Ecol, 2015, 26(9): 2663 − 2672. [11] 王传杰, 王齐齐, 徐虎, 等. 长期施肥下农田土壤-有机质-微生物的碳氮磷化学计量学特征[J]. 生态学报, 2018, 38(11): 3848 − 3858. WANG Chuanjie, WANG Qiqi, XU Hu, et al. Carbon, nitrogen, and phosphorus stoichiometry characteristics of bulk soil, organic matter, and soil microbial biomass under long-term fertilization in cropland [J]. Acta Ecol Sin, 2018, 38(11): 3848 − 3858. [12] 竹万宽, 陈少雄, 王志超, 等. 不同林龄尾巨桉人工林凋落物和土壤C、N、P化学计量特征[J]. 热带亚热带植物学报, 2017, 25(2): 127 − 135. ZHU Wankuan, CHEN Shaoxiong, WANG Zhichao, et al. Ecological stoichiometric characteristrics of carbon, nitrogen and phosphorus in litter and soil of Eucalyptus urophylla × E. grandis plantation at different forest ages [J]. J Trop Subtrop Bot, 2017, 25(2): 127 − 135. [13] 黄国勤, 赵其国. 广西桉树种植的历史、现状、生态问题及应对策略[J]. 生态学报, 2014, 34(18): 5142 − 5152. HUANG Guoqin, ZHAO Qiguo. The history, status quo, ecological problems and countermeasures of Eucalyptus plantations in Guangxi [J]. Acta Ecol Sin, 2014, 34(18): 5142 − 5152. [14] 许宇星, 王志超, 竹万宽, 等. 雷州半岛3种速生人工林下土壤生态化学计量特征[J]. 浙江农林大学学报, 2018, 35(1): 35 − 42. XU Yuxing, WANG Zhichao, ZHU Wankuan, et al. Ecological stoichiometric characteristics of soil C, N, P, and K in three types of plantations on the Leizhou Peninsula [J]. J Zhejiang A&F Univ, 2018, 35(1): 35 − 42. [15] 许宇星, 王志超, 竹万宽, 等. 不同品种桉树林生活叶-凋落物-土壤碳氮磷化学计量特征[J]. 西北农林科技大学学报(自然科学版), 2018, 46(3): 94 − 100. XU Yuxing, WANG Zhichao, ZHU Wankuan, et al. Stoichiometric characteristics of C, N and P in leaf-litter-soil of different Eucalyptus varieties [J]. J Northwest A&F Univ Nat Sci Ed, 2018, 46(3): 94 − 100. [16] 陈亚梅, 刘洋, 张健, 等. 巨桉混交林不同树种C、N、P化学计量特征[J]. 生态学杂志, 2015, 34(8): 2096 − 2102. CHEN Yamei, LIU Yang, ZHANG Jian, et al. Stoichiometric characteristics of carbon, nitrogen and phosphorus of different tree species in Eucalyptus grandis mixed plantation [J]. Chin J Ecol, 2015, 34(8): 2096 − 2102. [17] GÜSEWELL S. N∶P ratios in terrestrial plants: variation and functional significance [J]. New Phytol, 2004, 164(2): 243 − 266. [18] 鲁如坤. 土壤农业化学分析方法[M]. 北京: 中国农业科技出版社, 1999: 133 − 135. [19] WU J, JOERGENSEN R G, POMMERENING B, et al. Measurement of soil microbial biomass C by fumigation-extraction: an automated procedure [J]. Soil Biol Biochem, 1990, 22(8): 1167 − 1169. [20] 黄懿梅, 安韶山, 曲东, 等. 两种测定土壤微生物量氮方法的比较初探[J]. 植物营养与肥料学报, 2005, 11(6): 830 − 835. HUANG Yimei, AN Shaoshan, QU Dong, et al. Comparison between two methods of determination soil microbial biomass nitrogen [J]. Plant Nutr Fert Sci, 2005, 11(6): 830 − 835. [21] 吴金水, 肖和艾, 陈桂秋, 等. 旱地土壤微生物磷测定方法研究[J]. 土壤学报, 2003, 40(1): 70 − 78. WU Jinshui, XIAO Heai, CHEN Guiqiu, et al. Measurement of microbial biomass-P in upland soils in China [J]. Acta Pedol Sin, 2003, 40(1): 70 − 78. [22] 全国土壤普查办公室. 中国土壤普查技术[M]. 北京: 农业出版社, 1992: 107 − 119. [23] XU Yuxing, DU Apeng, WANG Zhichao, et al. Effects of different rotation periods of Eucalyptus plantations on soil physiochemical properties, enzyme activities, microbial biomass and microbial community structure and diversity[J]. For Ecol Manage, 2020, 456: 117683. doi: 10.1016/j.foreco.2019.117683. [24] TROGISCH S, HE Jinsheng, HECTOR A, et al. Impact of species diversity, stand age and environmental factors on leaf litter decomposition in subtropical forests in China [J]. Plant Soil, 2016, 400(1/2): 337 − 350. [25] 胡亚林, 汪思龙, 颜绍馗. 影响土壤微生物活性与群落结构因素研究进展[J]. 土壤通报, 2006, 37(1): 170 − 176. HU Yalin, WANG Silong, YAN Shaokui. Research advances on the factors influencing the activity and community structure of soil microorganism [J]. Chin J Soil Sci, 2006, 37(1): 170 − 176. [26] 钟文辉, 蔡祖聪. 土壤管理措施及环境因素对土壤微生物多样性影响研究进展[J]. 生物多样性, 2004, 12(4): 456 − 465. ZHONG Wenhui, CAI Zucong. Effect of soil management practices and environmental factors on soil microbial diversity: a review [J]. Biodiv Sci, 2004, 12(4): 456 − 465. [27] 时伟伟, 彭晚霞, 宋同清, 等. 不同林龄尾巨桉人工林土壤养分与微生物的耦合关系[J]. 西北植物学报, 2013, 33(7): 1452 − 1458. SHI Weiwei, PENG Wanxia, SONG Tongqing, et al. Coupling relationships between soil microbe and soil nutrient in Eucalyptus urophylla × E. grandis plantation at different stand ages [J]. Acta Bot Boreal-Occident Sin, 2013, 33(7): 1452 − 1458. [28] 易桂田, 王晓丽, 刘占锋, 等. 亚热带地区不同人工林配置下土壤微生物量碳及微生物墒的年际动态[J]. 生态环境学报, 2018, 27(2): 224 − 231. YI Guitian, WANG Xiaoli, LIU Zhanfeng, et al. Interannual dynamics of soil microbial biomass carbon under different plantations in Subtropical China [J]. Ecol Environ Sci, 2018, 27(2): 224 − 231. [29] 冯健, 张健. 巨桉人工林地土壤微生物类群的生态分布规律[J]. 应用生态学报, 2005, 16(8): 1422 − 1426. FENG Jian, ZHAGN Jian. Ecological distribution patterns of soil microbes under artificial Eucalyptus grandis stand [J]. Chin J Appl Ecol, 2005, 16(8): 1422 − 1426. [30] 雍强, 陈彪, 林波, 等. 雷州半岛不同林龄尾巨桉人工林凋落物产量、养分归还及分解动态研究[J]. 桉树科技, 2019, 36(3): 16 − 21. YONG Qiang, CHEN Biao, LIN Bo, et al. Litter production, nutrient return and decomposition in Eucalyptus plantations of different ages in Leizhou Peninsula [J]. Eucalypt Sci Technol, 2019, 36(3): 16 − 21. [31] ZHOU Z H, WANG C K. Soil resources and climate jointly drive variations in microbial biomass carbon and nitrogen in China’s forest ecosystems [J]. Biogeosci Discuss, 2015, 12: 11191 − 11216. [32] LI Pin, YANG Yuanhe, HAN Wenxuan, et al. Global patterns of soil microbial nitrogen and phosphorus stoichiometry in forest ecosystems [J]. Global Ecol Biogeogr, 2014, 23(9): 979 − 987. [33] LI Yong, WU Jinshui, LIU Shoulong, et al. Is the C∶N∶P stoichiometry in soil and soil microbial biomass related to the landscape and land use in southern subtropical China? [J]. Global Biogeochem Cycles, 2012, 26(4): 4002. doi: 10.1029/2010GB004399. [34] 岑龙沛, 严友进, 戴全厚, 等. 喀斯特不同土地利用类型裂隙土壤有机碳及磷素赋存特征[J]. 生态学报, 2020, 40(21): 7567 − 7575. CEN Longpei, YAN Youjin, DAI Quanhou, et al. Occurrence characteristics of organic carbon and phosphorus in fissured soil under different land use types in karst area [J]. Acta Ecol Sin, 2020, 40(21): 7567 − 7575. [35] 吴艳宏, 周俊, 邴海健, 等. 贡嘎山海螺沟典型植被带总磷分布特征[J]. 地球科学与环境学报, 2012, 34(3): 70 − 74. WU Yanhong, ZHOU Jun, BING Haijian, et al. Characteristic of total phosphorus distribution in typical vegetation zones along Hailuogou of Gongga Mountain [J]. J Earch Sci Environ, 2012, 34(3): 70 − 74. [36] 刘宝, 吴文峰, 林思祖, 等. 中亚热带4种林分类型土壤微生物生物量碳氮特征及季节变化[J]. 应用生态学报, 2019, 30(6): 1901 − 1910. LIU Bao, WU Wenfeng, LIN Sizu, et al. Characteristics of soil microbial biomass carbon and nitrogen and its seasonal dynamics in four mid-subtropical forests [J]. Chin J Appl Ecol, 2019, 30(6): 1901 − 1910. [37] CHEN C R, XU Z H, ZHANG S L, et al. Soluble organic nitrogen pools in forest soils of subtropical Australia [J]. Plant soil, 2005, 277(1/2): 285 − 297. [38] TAYLOR J P, WILSON B, MILLS M S, et al. Comparison of microbial numbers and enzymatic activities in surface soils and subsoils using various techniques [J]. Soil Biol Biochem, 2002, 34(3): 387 − 401. [39] WARDLE D A. A comparative assessment of factors which influence microbial biomass carbon and nitrogen levels in soil [J]. Biol Rev, 1992, 67(3): 321 − 358. [40] LITTON C M, RYAN M G, KNIGHT D H, et al. Soil-surface carbon dioxide efflux and microbial biomass in relation to tree density 13 years after a stand replacing fire in a lodgepole pine ecosystem [J]. Global Change Biol, 2003, 9(5): 680 − 696. [41] SONG Piao, REN Haibao, JIA Qi, et al. Effects of historical logging on soil microbial communities in a subtropical forest in southern China [J]. Plant Soil, 2015, 397(1/2): 115 − 126. [42] CHEN Yuanqi, LIU Zhanfeng, RAO Xingquan, et al. Carbon storage and allocation pattern in plant biomass among different forest plantation stands in Guangdong, China [J]. Forests, 2015, 6(3): 794 − 808. [43] CHEN Yuanqi, YU Shiqin, LIU Suping, et al. Reforestation makes a minor contribution to soil carbon accumulation in the short term: evidence from four subtropical plantations [J]. For Ecol Manage, 2017, 384: 400 − 405. [44] TIAN Hanqin, CHEN Guangsheng, ZHANG Chi, et al. Pattern and variation of C∶N∶P ratios in China’s soils: a synthesis of observational data [J]. Biogeochemistry, 2010, 98(1/3): 139 − 151. [45] 曹娟, 闫文德, 项文化, 等. 湖南会同3个林龄杉木人工林土壤碳、氮、磷化学计量特征[J]. 林业科学, 2015, 51(7): 1 − 8. CAO Juan, YAN Wende, XIANG Wenhua, et al. Stoichiometry characterization of soil C, N, and P of Chinese fir plantations at three different ages in Huitong, Hunan Province, China [J]. Sci Silv Sin, 2015, 51(7): 1 − 8. [46] XU Xiaofeng, THORNTON P E, POST W M. A global analysis of soil microbial biomass carbon, nitrogen and phosphorus in terrestrial ecosystems [J]. Global Ecol Biogeogr, 2013, 22(6): 737 − 749. [47] 李品, 木勒德尔·吐尔汗拜, 田地, 等. 全球森林土壤微生物生物量碳氮磷化学计量的季节动态[J]. 植物生态学报, 2019, 43(6): 532 − 542. LI Pin, Muledeer Tuerhanbai, TIAN Di, et al. Seasonal dynamics of soil microbial biomass carbon, nitrogen and phosphorus stoichiometry across global forest ecosystems [J]. Chin J Plant Ecol, 2019, 43(6): 532 − 542. [48] CLEVELAND C C, LIPTZIN D. C∶N∶P stoichiometry in soil: is there a “Redfield ratio” for the microbial biomass? [J]. Biogeochemistry, 2007, 85(3): 235 − 252. [49] 黄昌勇. 土壤学[M]. 北京: 中国农业出版社, 2000: 50 − 64. [50] PAUL E A, CLARK F E. Soil Microbiology and Biochemistry[M]. San Diego: Academic Press, 1989: 131 − 146. [51] MOOSHAMMER M, WANEK W, ZECHMEISTER-BOLTENSTERN S, et al. Stoichiometric imbalances between terrestrial decomposer communities and their resources: mechanisms and implications of microbial adaptations to their resources[J]. Front Microbiol, 2014, 5(22): 22. doi: 10.3389/fmicb.2014.00022. [52] ANDERSON J P E, DOMSCH K H. A physiological method for the quantitative measurement of microbial biomass in soils [J]. Soil Biol Biochem, 1978, 10(3): 215 − 221. [53] VANCE E D, CHAPIN Ⅲ F S. Substrate limitations to microbial activity in taiga forest floors [J]. Soil Biol Biochem, 2001, 33(2): 173 − 188. [54] 吴建平, 韩新辉, 许亚东, 等. 黄土丘陵区不同植被类型下土壤与微生物C, N, P化学计量特征研究[J]. 草地学报, 2016, 24(4): 783 − 792. WU Jianping, HAN Xinhui, XU Yadong, et al. Ecological stoichiometry of soil and soil microbial biomass C, N, P under grain-to-green program in Loess Hilly Region [J]. Acta Agrestia Sin, 2016, 24(4): 783 − 792. 期刊类型引用(4)
1. 李俊鹏. 厌氧氨氧化相关工艺处理垃圾渗滤液脱氮研究现状. 辽宁化工. 2023(04): 554-556+560 . 
百度学术2. 宋慧赟，王莹，陈虎，吕永康. 盐度对新型生物脱氮技术影响的研究进展. 化工进展. 2021(04): 2298-2307 . 百度学术3. 孙明珠，任婧，徐爱玲，宋志文. 丙酮酸盐对硝化微生物复合培养过程的影响. 环境科学与技术. 2021(06): 58-66 . 百度学术4. 李剑宇，王少坡，邱春生，王栋，于静洁，赵明. PN/A技术应用于城市污水主流处理的挑战与实践. 水处理技术. 2020(11): 24-30 . 百度学术其他类型引用(4)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200536
点击查看大图
计量
- 文章访问数: 1123
- HTML全文浏览量: 237
- PDF下载量: 59
- 被引次数: 8
