C3bot:一种用于三维变曲率结构的攀爬机器人
王明远、
徐一泽、
顾子青、
袁建军、
鲍胜、
胡正涛
《Machines》:C3bot: A Climbing Robot for 3D Variable-Curvature Structures
Mingyuan Wang,
Yize Xu,
Ziqing Gu,
Jianjun Yuan,
Sheng Bao and
Zhengtao Hu
【字体:
大
中
小
】
时间:2026年05月02日
来源:Machines 2.5
编辑推荐:
摘要 酸雨是一个严重的全球环境问题,明确其对枯落物分解的影响及其潜在机制对于准确预测未来气候变化至关重要。枯落物由具有不同分解抗性的成分(如非结构性碳水化合物、木质素、纤维素和半纤维素)组成,但酸雨如何影响这些成分以调节不同分解阶段的整体枯落物分解过程仍不
摘要 酸雨是一个严重的全球环境问题,明确其对枯落物分解的影响及其潜在机制对于准确预测未来气候变化至关重要。枯落物由具有不同分解抗性的成分(如非结构性碳水化合物、木质素、纤维素和半纤维素)组成,但酸雨如何影响这些成分以调节不同分解阶段的整体枯落物分解过程仍不清楚。因此,进行了一项微宇宙实验,以确定在不同模拟酸雨强度(pH 4.5,中等酸雨,MA;pH 3.0,强酸雨,SA;以及pH ≈ 7.0,自来水,CK)下中国杉(Cunninghamia lanceolata)枯落物及其成分的分解速率,实验分为两个分解阶段(0–5个月:初始分解阶段;6–16个月:后期分解阶段)。同时,为了分析影响枯落物分解速率的因素,在分解5个月和16个月时采集了土壤样本进行土壤性质分析。结果表明,中等酸雨(MA)对两个阶段的分解过程均无显著影响。相反,强酸雨(SA)在初始分解阶段使枯落物分解速率显著增加了43.7%,这是由于酸雨的溶解作用加速了纤维素和半纤维素的分解。然而,在后期分解阶段,强酸雨使分解速率降低了42.0%,这是由于酸化作用抑制了木质素、纤维素和半纤维素的分解,原因是土壤过氧化物酶和木糖苷酶的活性降低。值得注意的是,中等酸雨和强酸雨在整个分解期间(0–16个月)对枯落物分解速率均无显著影响。本研究表明,酸雨对枯落物分解的影响取决于其强度和分解阶段,这强调了区分枯落物成分和分解阶段的必要性,以便探索其潜在机制并准确预测全球气候变化。
1. 引言
枯落物分解是全球碳循环中的关键环节[1,2]。通过枯落物分解,部分光合产物以二氧化碳的形式返回大气,其余部分在土壤中积累形成土壤有机碳[3,4]。因此,枯落物分解是陆地生态系统与大气之间的重要碳通量;分解速率的增加可能会提高大气中的二氧化碳浓度,从而对气候变暖产生正反馈[2,4,5]。此外,枯落物分解速率还调节土壤有机碳的形成和稳定性[3,6]。在初始枯落物分解阶段,较高的分解速率会导致更多可溶性成分释放到土壤中,有利于微生物形成稳定的土壤有机碳组分(例如矿物相关有机碳)[7]。相比之下,在后期枯落物分解阶段,分解速率较慢的枯落物可以保留更多难分解的成分,这有利于颗粒有机碳的形成[3,8]。因此,枯落物分解速率的变化是调节陆地碳库容量及其稳定性的关键因素。因此,阐明枯落物分解的机制有助于准确预测全球变化情景下的气候变化趋势。
枯落物由非结构性碳水化合物(NSC)、木质素、纤维素、半纤维素和总酚类组成,每种成分具有不同的分解抗性[9]。根据分解底物及其可分解性的差异,枯落物分解过程可以分为不同的阶段[10,11]。在初始枯落物分解阶段,易分解物质的分解(包括水溶性成分的淋溶以及NSC和纤维素的分解)是驱动枯落物分解的主要过程[3,10]。然而,在后期分解阶段,主要过程转变为难分解物质(如木质素和总酚类)的分解[9,12]。土壤酶是枯落物分解的重要催化剂[13,14,15]。由于不同枯落物分解阶段底质的质量不同,介导枯落物分解的土壤酶类型也相应不同。在初始枯落物分解阶段,水解酶(如α-1,4-葡糖苷酶、β-1,4-葡糖苷酶、纤维素酶)主导枯落物分解;在后期分解阶段,氧化酶(如酚氧化酶和过氧化物酶)主导枯落物分解[13,16,17]。微生物分泌的酶是土壤酶的主要来源[18,19]。因此,微生物组成的变化可以改变土壤酶的类型和活性[16,19,20]。在全球变化的背景下,微生物组成已经发生了变化[16,19]。然而,微生物群落的变化如何驱动土壤酶类型和活性的变化,从而调节枯落物及其成分的分解速率,这一机制仍有待阐明。
自20世纪70年代以来,酸雨一直是全球变化中的关键环境挑战[21,22]。目前,由于控制了酸性气体的排放,北美和欧洲等发达地区的酸雨污染已经得到缓解,但在中国、印度和巴西等快速发展的国家,酸雨仍然是一个紧迫的问题[21,22,23]。例如,中国南部已成为世界第三大酸雨地区,酸雨发生频率约为60%,大多数地区的pH值低于5.0,受影响最严重的地区甚至低至3.6[21,24]。尽管如此,关于酸雨对枯落物分解过程影响的研究尚未得到足够的关注,现有研究结果也不一致[25,26]。例如,Tang等人报告称,经过一年的模拟酸雨处理后,中等强度的模拟酸雨增加了中国杉(Cunninghamia lanceolata (Lamb.) Hook.)的枯落物分解速率,而强酸雨则降低了分解速率[26]。Wang等人报告称,模拟酸雨在初始枯落物分解阶段对分解速率没有影响,但在后期分解阶段降低了分解速率[27]。此外,这些现有研究仅调查了模拟酸雨对整体枯落物分解速率的影响。由于枯落物成分(如NSC、木质素、纤维素、半纤维素)的可分解性不同,并且它们在不同的阶段被分解,因此研究酸雨对不同枯落物成分在不同分解阶段的影响是阐明枯落物分解速率对酸雨不同响应机制的关键。
中国杉是中国最重要的人工林树种,其种植面积和森林蓄积量在中国的人工林中均位居首位,它在陆地碳循环中起着重要作用[28]。因此,进一步了解酸雨对中国杉枯落物及其成分分解速率的影响对于准确预测酸雨背景下的全球气候变暖趋势至关重要。本研究旨在(1)探讨酸雨如何影响不同分解阶段中国杉枯落物成分的分解速率,进而影响整体枯落物分解速率;(2)探索不同分解阶段土壤酶活性的变化,这些酶活性介导了这些成分和整体分解速率对酸雨的响应。
2. 材料与方法
2.1. 实验地点
实验地点位于中国福建省三明市郊区国有林场(117°33′ E, 26°12′ N)。该地区具有亚热带季风气候,年平均气温为19.5°C,年平均降水量约为1600毫米。根据中国土壤分类系统,该地区的土壤类型为山地红壤,原生植被为亚热带常绿阔叶林。中国杉是该地区人工造林的主要树种[29]。2022年三明市的酸雨发生频率为81.4%[30]。根据现场监测,实验期间研究地点降雨的平均pH值为4.96[31]。
2.2. 实验设计
实验采用了随机区组设计。2022年3月,在一片中国杉人工林中设置了四个区组。每个区组内建立了三个2米×2米的子地块,以评估三种酸雨强度对枯落物分解速率的影响:中等酸雨(MA,pH = 4.5)、强酸雨(SA,pH = 3.0)和自来水(pH ≈ 7.0)作为对照处理(CK)。根据天然酸雨中硫酸盐(SO42?)与硝酸盐(NO3?)的摩尔比[32],通过混合H2SO4和HNO3制备模拟酸雨,SO42?:NO3?的摩尔比为2:1。这种混合物用自来水稀释以达到目标pH值(MA为pH = 4.5,SA为pH = 3.0)。每次用喷雾器向每个MA和SA子地块喷洒40升相应的模拟酸雨,而CK子地块则喷洒等量的自来水。模拟酸雨处理从2022年7月持续到2023年11月,每月进行两次。施加的模拟酸雨总量约占研究区域年降水量的15%。
为了模拟自然条件,使用微宇宙实验来确定中国杉枯落物在模拟酸雨处理下的分解速率。2022年3月,使用土壤钻在每个子地块中钻六个直径和高度均为20厘米的孔。从这些孔中采集土壤样本,去除根系和现有枯落物后,将土壤均质化以减少土壤异质性,然后再回填到原孔中。将一根直径16厘米、高5厘米的PVC管插入均质化土壤中3厘米深,作为枯落物分解微宇宙,每个子地块安装六根这样的管子。均质化的土壤和微宇宙在四个月内保持不受干扰,以减少人为干扰。2022年7月,向每个微宇宙中添加6.39克风干的中国杉落叶(相当于5.63克干重),基于该地区的年枯落物产量[33]。每个微宇宙用2毫米孔径的尼龙网覆盖,以防止外来枯落物的污染。
2.3. 土壤和枯落物样本的采集
在枯落物分解5个月和16个月后,每次从每个子地块随机选取三个微宇宙作为平行样本;分别收集每个微宇宙中剩余的枯落物,对应于初始(0–5个月)和后期(6–16个月)的分解阶段。同时,使用土壤钻采集0–5厘米深的土壤样本。用刷子去除附着在枯落物上的土壤后,将枯落物在80°C下烘干以计算枯落物分解速率。随后,使用球磨机(Retsch MM 400,Retsch GmbH,德国汉诺威)将干燥的枯落物磨成粉末。这种枯落物粉末用于测定NSC、木质素、纤维素、半纤维素和总酚类的浓度。土壤通过2毫米筛网过滤,并分成两个子样本:一个样本储存在-20°C下用于分析土壤酶活性、铵氮(NH4+-N)和硝酸盐氮(NO3?-N),另一个样本风干用于测定其他土壤化学性质。
2.4. 枯落物成分的分析
NSC浓度通过可溶性糖和淀粉浓度来估算。可溶性糖和淀粉分别使用K-SUFRG和K-TSTA试剂盒(Megazyme,Wicklow,爱尔兰)提取,并用UV/Vis分光光度计(Lambda 25,PerkinElmer Ltd.,新加坡)测量其浓度。详细的测定方法遵循Yang等人[34]和Yang等人[35]描述的方法。木质素、纤维素、半纤维素和总酚类的浓度使用上海酶联生物技术有限公司(www.mlbio.cn)提供的ELISA试剂盒测定。木质素、纤维素和半纤维素的主要测定方法如下:将枯落物粉末加入ELISA板中,在37°C下孵育30分钟,然后加入特定酶,再在37°C下孵育30分钟。随后加入显色溶液,混合物在37°C下孵育10分钟以显色。显色后立即加入终止溶液。最后,在15分钟内用UV/VIS分光光度计(Lambda 25,PerkinElmer Ltd.,新加坡)测量吸光度。总酚类的测定方法如下:向枯落物粉末中加入2毫升提取液,混合物在60°C下振荡孵育2小时,然后以10000× g离心10分钟获得上清液,其吸光度用UV/VIS分光光度计(Lambda 25,PerkinElmer Ltd.,新加坡)测量。**土壤化学性质分析**
土壤pH值是通过将土壤与去离子水按1:2.5(重量:体积)的比例混合后,使用pH计(ECPH70042S,EUtech Instruments Pte, Ltd.,新加坡)进行测量的。土壤总碳(TC)和总氮(TN)通过元素分析仪(Elementar Vario EL III,Elementar Analysensysteme GmbH,Langenselbold,德国)测定。土壤有效磷(AP)使用0.03 mol/L NH4F和0.025 mol/L HCl的混合液在土壤与溶液比例为1:10(w/v)的条件下提取,其浓度通过紫外/可见光分光光度计(Lambda 25,PerkinElmer Ltd.,新加坡)确定。NH4+-N和NO3?-N通过2 mol L?1 KCl溶液提取,并使用流动注射自动分析仪(FIAS 100,PerkinElmer,Shelton,CT,美国)进行测量。
**2.6 土壤酶活性分析**
共测量了九种土壤酶的活性,分别是α-1,4-葡萄糖苷酶(AG)、β-1,4-葡萄糖苷酶(BG)、纤维素酶(CBH)、β-1,4-木糖苷酶(XYL)、β-1,4-N-乙酰葡萄糖胺酶(NAG)、亮氨酸氨基肽酶(LAP)、酸性磷酸单酯酶(ACP)、酚氧化酶(POX)和过氧化物酶(POD)。AG、BG、CBH、XYL、NAG和ACP的活性使用4-甲基伞形酮底物通过荧光法进行分析,而LAP则使用L-亮氨酸-7-氨基-4-甲基香豆素进行测定。POX和POD分别以L-3,4-二羟基苯丙氨酸和过氧化氢为底物进行测量。详细的实验程序遵循Bell等人[36]和Bach等人[37]描述的方法。
**2.7 计算凋落物及其组分分解率的公式**
在中华杉凋落物分解的初期阶段,NSC、木质素、纤维素、半纤维素和总酚的分解率使用以下公式计算:
\[R = \frac{W_{decomposed}}{W_{initial}} \times \frac{t}{12}\]
其中R为分解率(单位:mg·year?1);\(W_{initial}\)为未分解凋落物的初始干重(5.63 g);\(W_{decomposed}\)为分解5个月后的凋落物剩余干重(单位:g);\(C_{NSC}\)、\(C_{lignin}\)、\(C_{cellulose}\)、\(C_{hemicellulose}\)和\(C_{total phenols}\)分别为未分解凋落物和分解5个月后的凋落物中这些成分的浓度(单位:mg·g?1)。除数“5”表示分解时间(月),“12”将分解率转换为年值;下文同样适用。
在中华杉凋落物分解的后期阶段,上述组分的分解率使用以下公式计算:
\[R = \frac{W_{decomposed}}{W_{initial}} \times \frac{t}{11}\]
其中R为分解率(单位:mg·year?1);\(W_{initial}\)和\(W_{decomposed}\)分别为分解5个月和16个月后的凋落物剩余干重;\(C_{NSC}\)、\(C_{lignin}\)、\(C_{cellulose}\)、\(C_{hemicellulose}\)和\(C_{total phenols}\)分别为分解5个月和16个月后的凋落物中这些成分的浓度。
**2.8 统计分析**
使用单因素方差分析(one-way ANOVA)来测试模拟酸雨对凋落物及其组分(NSC、木质素、纤维素、半纤维素和总酚)、土壤化学性质和土壤酶活性影响的效果。LSD用于比较不同模拟酸雨强度之间的显著差异。皮尔逊相关性分析(Pearson correlation analysis)用于探讨土壤酶活性与土壤化学性质之间的关系。统计分析使用SPSS 23.0(IBM Corporation,Armonk,NY,美国)进行。以凋落物及其组分的分解率为响应变量,土壤酶活性为解释变量,使用Canoco 5.0(Microcomputer Power,Ithaca,NY,美国)进行冗余分析(redundancy analysis)。必要时对数据进行了对数转换以达到正态分布。所有图表使用Origin 21(OriginLab Corporation,Northampton,MA,美国)生成。图表中的数据表示为平均值±标准误差(n = 4)。统计显著性水平设为p < 0.05。
**3 结果**
**3.1 模拟酸雨对凋落物分解率的影响**
在凋落物分解的初期阶段(0–5个月),模拟酸雨(SA)使分解率显著增加了43.7%(图1a,p < 0.05),而中等强度酸雨(MA)对分解率没有显著影响(图1a,p > 0.05)。在凋落物分解的后期阶段(6–16个月),模拟酸雨使分解率显著降低了42.0%(图1a,p < 0.05),而中等强度酸雨对分解率没有显著影响(图1a,p > 0.05)。在整个分解期间(0–16个月),中等强度酸雨和模拟酸雨均对分解率没有显著影响(图1b,p > 0.05)。
**3.2 模拟酸雨对凋落物组分分解率的影响**
在凋落物分解的初期阶段,中等强度酸雨对NSC、木质素、纤维素、半纤维素和总酚的分解率没有显著影响(图2a–e,p > 0.05)。模拟酸雨使纤维素和半纤维素的分解率分别显著增加了170.5%和98.2%(图2c,d,p < 0.05),但对NSC、木质素和总酚的分解率没有显著影响(图2a,b,e,p > 0.05)。在凋落物分解的后期阶段,中等强度酸雨对NSC、木质素、纤维素和半纤维素的分解率没有显著影响(图2a–e,p > 0.05)。模拟酸雨使纤维素和半纤维素的分解率分别显著降低了46.0%和40.0%(图2c,d,p < 0.05),但对木质素的分解率降低幅度不显著(图2b,p > 0.05)。
**3.3 模拟酸雨对土壤化学性质和土壤酶活性的影响**
在凋落物分解的初期阶段,中等强度酸雨和模拟酸雨均对土壤pH值、总碳(TC)、总氮(TN)、TC与TN的比值(C:N)、有效磷(AP)、NH4+-N和NO3?-N没有显著影响(图3a–g,p > 0.05)。中等强度酸雨使土壤ACP活性显著增加了41.9%(图4g,p < 0.05),但对AG、BG、XYL、POD、NAG、LAP、CBH和POX的活性没有显著影响(图4a–f,h,i,p > 0.05)。模拟酸雨使LAP活性显著增加了46.0%(图4f,p < 0.05),但对其他土壤酶的活性没有显著影响(图4a–e,g–i,p > 0.05)。在凋落物分解的后期阶段,模拟酸雨使土壤pH值显著降低了8.0%(图3a,p < 0.05),而对其他土壤化学性质没有显著影响(图3a–g,p > 0.05)。中等强度酸雨使XYL活性显著降低了24.3%(图4c,p < 0.05),但对其他土壤酶的活性没有显著影响(图4a,b,d–i,p > 0.05)。
**3.4 凋落物分解、凋落物组分分解与土壤性质之间的关系**
皮尔逊相关性分析结果显示,在凋落物分解的初期阶段,AG活性与土壤pH值呈显著正相关,而CBH和XYL的活性与NH4+-N呈显著负相关(图5)。在凋落物分解的后期阶段,BG活性与AP呈显著负相关,POD活性与土壤pH值呈显著正相关(图6)。
**4 讨论**酸雨对不同分解阶段落叶分解速率的影响
酸雨对落叶分解的影响是一个复杂的过程。暴露于酸雨后,NO3?、SO42?和H+会同时进入土壤,这会改变落叶的分解阻力、微生物群落结构以及土壤酶活性,最终影响落叶的分解速率[11,25,27]。通常,在落叶分解的初期阶段,NO3?和SO42?可以被视为肥料,缓解微生物的营养限制(施肥效应),从而增加分解者的活性和落叶的分解速率[11]。相反,在落叶分解的后期阶段,NO3?可能会减少木质素降解酶的合成,并增加落叶的生物稳定性,导致落叶分解速率下降[10,11]。H+对落叶分解速率的影响是一个渐进的过程,取决于H+的输入量及其对落叶成分的酸性溶解作用以及对土壤pH值的影响。在落叶分解的初期阶段,由于H+的输入量有限以及落叶和土壤的酸缓冲能力,土壤pH值通常保持不变[24,25];因此,酸雨对土壤pH值和分解者活性的影响有限。然而,酸雨可以通过增强可溶于酸的落叶成分的溶解作用来增加落叶分解速率,因为这些成分在落叶分解初期阶段仍然大量存在[10,38]。在落叶分解的后期阶段,H+的累积输入可能导致土壤pH值下降[25,39],从而降低分解者的活性和落叶分解速率[26]。因此,酸雨对落叶分解速率的影响是酸性溶解作用、施肥效应和酸化效应共同作用的结果,这些效应取决于酸雨的强度和分解持续时间。本研究证实了不同强度的酸雨对不同分解阶段的落叶分解速率有不同的影响。现有研究中报道的酸雨对落叶分解速率的不同影响可能归因于两个原因:首先,不同研究中的酸雨施用量不同,且土壤和落叶的酸缓冲能力也存在差异[24];其次,落叶分解的持续时间也各不相同,因此NO3?和H+在不同分解阶段对落叶分解速率的影响也不同。
4.2. 模拟酸雨对落叶成分分解的阶段特异性影响及其潜在机制
在落叶分解的初期阶段,整体落叶分解速率与纤维素和半纤维素的分解速率密切相关(图7)。这一结果表明,纤维素和半纤维素的分解是初期阶段质量损失的主要原因,这与之前的研究结果一致[3,10]。在本研究中,MA对纤维素和半纤维素的分解速率没有显著影响(图2b,c,p > 0.05),因此对整体落叶分解速率也没有显著影响(图1b,p > 0.05;图9)。相比之下,SA显著增加了纤维素和半纤维素的分解速率(图2c,d,p < 0.05),因此可以推断整体落叶分解速率的增加是由于初期阶段纤维素和半纤维素分解速率的提高(图9)。然而,BG、CBH和XYL这些主导纤维素和半纤维素分解的酶的活性在SA处理后没有变化(图4b,c,h,p > 0.05)。这表明SA诱导的纤维素和半纤维素分解速率的增加可能源于酸雨的增强酸性溶解作用,而不是土壤酶的催化作用。先前的研究发现,浸入模拟酸雨溶液中的落叶质量损失大于浸入去离子水中的落叶[38]。这一结果支持了我们的推断,即酸雨可以通过其酸性溶解作用增加落叶的质量损失。NSC的分解也被认为是初期阶段质量损失的主要贡献因素[2]。然而,在本研究中并未观察到这一现象,可能有两个原因:首先,MA和SA对NSC的分解速率均无显著影响(图2a,p > 0.05);其次,中国冷杉的落叶被归类为低质量落叶[26],其中NSC的比例仅为3.74%(图S1),不足以在初期阶段影响整体落叶分解速率。
图9. 不同强度模拟酸雨(MA:中等酸雨;SA:强酸雨)对不同分解阶段落叶分解速率响应的概念框架。NSC:非结构性碳;NS:无显著影响;+:显著增加;-:显著减少。NO3?-N:土壤硝酸盐氮。ACP:酸磷酸单酯酶;LAP:亮氨酸氨基肽酶;POD:过氧化物酶;XYL:β-1,4-木糖苷酶。
在落叶分解的后期阶段,整体落叶分解速率主要取决于纤维素、半纤维素和木质素的分解速率(图8),这一发现与之前的研究结果一致[40]。SA降低了木质素、纤维素和半纤维素的质量损失(图2b–d,p < 0.05),从而降低了整体落叶分解速率(图9)。土壤酶活性是调节落叶分解速率的关键因素[17],并受土壤pH值的影响[39,41]。在SA处理下,土壤pH值的下降导致XYL和POD的活性降低,进而抑制了木质素、纤维素和半纤维素的分解(图3a;图4c,d,p < 0.05),最终降低了整体落叶分解速率(图1b,p > 0.05)。尽管MA显著降低了XYL的活性(图4c,p < 0.05),但它对半纤维素的分解速率(图2d,p > 0.05)或整体落叶分解速率(图1b,p > 0.05)没有显著影响。这可能是因为在后期分解阶段,落叶中的大部分纤维素和半纤维素被木质素保护[11];因此,这一阶段的有效分解需要氧化酶和水解酶的共同作用[10,42]。因此,MA单独引起的XYL活性降低不足以显著改变落叶成分和整体落叶的分解速率。
在本研究中,MA和SA在整个分解期间对整体落叶分解速率均无显著影响(图1b,p > 0.05),尽管它们对落叶分解在不同阶段有特定的影响(图1a,b)。MA和SA在整个分解期间对整体落叶分解速率无显著影响可能有多种原因。由于MA在初期或后期分解阶段对整体落叶或落叶成分的分解均无显著影响,低强度酸雨的施肥效应、淋溶效应和酸化效应不足以影响分解者的活性,从而也不足以影响整体落叶分解速率。在初期阶段落叶分解速率的增加和后期阶段分解速率的降低在SA处理下相互抵消。也就是说,在整个分解期间,酸雨的施肥效应、淋溶效应和酸化效应相互抵消,最终导致整体落叶分解速率无显著变化。
5. 结论
在整个落叶分解期间,MA和SA对落叶分解速率均无显著影响。然而,当区分不同的分解阶段时,MA和SA通过不同的机制对落叶分解速率产生了不同的影响。由于这种酸雨强度不足以影响分解者的活性或产生显著的酸性溶解作用,MA在初期或后期分解阶段对落叶分解速率均无显著影响。在初期落叶分解阶段,SA通过增强酸性淋溶作用显著增加了纤维素和半纤维素的分解速率。在后期落叶分解阶段,SA通过抑制土壤酸性条件下的POD和XYL活性,降低了木质素、纤维素和半纤维素的分解速率,从而降低了整体落叶分解速率。鉴于初期阶段落叶分解的加速和后期阶段分解的减缓有利于土壤有机碳的形成和稳定,SA在促进土壤有机碳的形成和稳定方面比MA更有效,尽管MA和SA在整个分解期间对落叶分解速率均无显著影响。因此,本研究强调了在研究酸雨对落叶分解的影响时区分不同分解阶段和成分的重要性,这有助于阐明潜在机制并提高预测酸沉降下全球气候变化的准确性。
补充材料
以下支持信息可下载自:https://www.mdpi.com/article/10.3390/f17050539/s1
图S1:各落叶成分在总落叶质量中的百分比。不同的小写字母表示落叶成分之间的显著差异。显著性通过单因素方差分析(one-way ANOVA)确定,随后进行LSD多重比较。