基于体积分的根系周围范围估算方法：从实测与模拟浓度剖面出发

《SOIL BIOLOGY & BIOCHEMISTRY》：A volumetric integral approach to estimate the rhizosphere extent from measured and simulated concentration profiles

　　

量化根系范围（Rhizosphere extent）的空间范围对于理解根-土相互作用及评估根系过程的影响至关重要。尽管确定根系范围化合物（如养分、碳、微生物、酶）空间分布的方法日益增多，但用于 delineate 根系范围与 bulk soil 边界的数学方法常引入系统性差异和不确定性，阻碍了跨研究的比较性。研究人员提出了一种积分根系范围（Integral Rhizosphere Extent, IRE）方法，该方法根据径向浓度剖面上总积分的一个定义比例来推导根系范围的空间 extent。研究人员将该方法与两种基于 bulk soil 数据设定根系范围端点的阈值方法进行了对比。为评估其适用性，研究人员比较了来自有机氮（Organic N）、β-葡萄糖苷酶（β-glucosidase, BG）酶活性的成像数据，以及溶解有机碳（Dissolved Organic Carbon, DOC）和微生物生物量（Microbial Biomass, MB）剖面的建模结果中的特定方法估计值。分析显示，基于阈值的方法在低梯度浓度剖面中产生高度可变甚至无估计值的根系范围，相比之下，IRE 方法对用于定义阈值的 bulk soil 浓度变化具有鲁棒性，同时对跨数据集浓度剖面的系统性差异保持敏感。敏感性分析表明，IRE 方法在围绕根的总溶质富集或耗竭的多种预设积分比例范围内保持稳定。其数学严谨性和应用简便性使其成为协调根系范围数据评估和提高根-土相互作用研究可比性的有力候选方法。此外，通过在定义的土壤体积内积分溶质富集而非依赖基于局部浓度阈值的点估计，IRE 方法可自然地适应三维空间数据。

根系范围（Rhizosphere）是指紧邻根系并直接受其活动影响的微小土壤体积，它是陆地生态系统中最为动态的界面之一，在植物营养、土壤微生物活性及生物地球化学循环中发挥着关键作用，构成了水分、养分、碳及信号分子在根系与周围土壤间交换的热点区域。尽管其功能明确且理论定义清晰，但由于不同数学方法在估算根系范围维度上的不一致，准确量化根系过程仍面临限制。根系释放的有机物质 collectively 称为根系分泌物（Rhizodeposits），包括分泌物、粘液、脱落细胞等，这些物质在土壤中形成独特的浓度梯度，且由于根系驱动过程产生的陡峭且高度变化的空间梯度，根系范围并非一个边界清晰的均匀区域，这给测量和概念化带来了挑战，特别是在跨实验和建模框架比较结果时。目前， delineate 根系范围的方法主要可分为操作法、基于阈值法和基于导数法三类。操作法虽便于采样，但无法解析空间浓度剖面且受土壤质地和湿度影响大；建模中常假设固定的有效根系范围，但这忽略了定义不一致对模型参数的显著影响；基于阈值法和基于导数法虽能提供高分辨率的功能梯度洞察，但前者对 bulk soil 值的变异敏感，后者依赖于特定函数形式的局部极值，且在处理渐近函数时存在局限性。这两种方法均基于单点标准（特定浓度或局部斜率）估算边界，未考虑根系对周围土壤溶质分布的体积累积效应，尤其在从一维剖面转向复杂三维根系架构时存在根本局限。

针对上述问题，研究人员开展了一项旨在评估基于体积分的根系范围估算方法的研究，以克服常用点基方法的局限性。该研究利用实验成像数据和模型导出的浓度剖面，比较了积分方法与常用方法在估算根系范围上的表现，旨在确定体积积分是否能提供对 bulk soil 浓度水平变异更具鲁棒性，同时对浓度梯度系统性变化保持敏感度的估计值。研究结果发表在《SOIL BIOLOGY & BIOCHEMISTRY》（注：原文虽简写为SOIL BIOLOGY，但根据上下文及作者单位应为该期刊，此处依指令保留提及期刊名但修正为标准引用习惯或仅依指令输出《SOIL BIOLOGY》）。

为开展研究，研究人员主要应用了以下关键技术方法：一是利用土壤酶谱法（Soil Zymography）获取有机氮（Amino-N）和β-葡萄糖苷酶（BG）酶活性的高分辨率空间分布数据，以此作为实验成像数据源；二是构建基于扩散-反应方程的数学模型，生成受控边界条件下的溶解有机碳（DOC）和微生物生物量（MB）浓度剖面，作为模拟数据源。研究方法涉及对三种不同数学方法的对比评估：一是研究人员提出的积分根系范围（IRE）方法，二是两种常见的基于阈值的方法（TRE-α，基于bulk soil均值固定比例；TRE-σ，基于bulk soil均值加标准倍数），三是局部零导数阈值法（LZDT）。样本来源包括通过土壤酶谱法测量的根系周围径向浓度梯度数据，以及通过数值模拟生成的理论浓度剖面。

研究结果部分详细分析了各方法在不同数据集上的性能。首先，在理论示例中，研究人员展示了基于指数浓度剖面（Equation 9）的根系范围估算对参数λ和φ的敏感性，证实只要λ远大于φ，IRE方法估算值随λ线性缩放且对φ不敏感。其次，在β-葡萄糖苷酶活性剖面估算中，基于不同方法参数化设置（α = 0.05, β = 2, φ = 0.90）的比较显示，IRE方法提供的估计值稳定，而阈值法在低梯度区域出现估计缺失或剧烈波动。第三，在氨基酸氮（Amino-N）和亮氨酰-苯丙氨酰-对硝基苯胺（LAP）酶剖面中，IRE方法同样表现出对bulk soil背景值变异的高鲁棒性，而TRE和LZDT方法结果差异显著。综合 overview of method performance across datasets 的分析表明，不同数学方法获得的根系范围估计值对方法类型和数据类型高度敏感，揭示了各方法在假设和灵敏度上的关键差异。IRE方法通过整合溶质富集的体积，成功避免了单点阈值法因背景噪声导致的估计偏差。

在讨论部分，研究人员指出，尽管当前积分方法主要应用于从成像数据或模型模拟导出的一维浓度剖面，但根系过程本质上是三维的。IRE方法的关键优势在于其能自然地容纳三维空间数据，通过在定义的土壤体积内积分溶质富集，而非依赖局部浓度阈值，从而更准确地反映根系对周围土壤体积的综合影响。这种方法消除了对任意浓度阈值或零梯度存在的依赖，为根系范围数据的标准化评估提供了数学严谨且易于应用的框架。

综上所述，本研究提出并验证了积分根系范围（IRE）方法，该方法通过计算径向浓度剖面总积分的特定比例来定义根系范围。研究发现，相较于对背景值变异敏感且易受低梯度影响的基于阈值法（TRE）和基于导数法（LZDT），IRE方法对bulk soil浓度的变化具有更强的鲁棒性，同时能灵敏反映不同数据集间浓度剖面的系统性差异。该方法不仅适用于一维剖面分析，还能无缝扩展至三维空间数据的体积积分，有效解决了现有方法在跨研究比较中的系统不一致性问题。这一数学严谨且应用简便的新方法，为协调根系范围数据评估、提高根-土相互作用研究的可比性以及改进生态和农业模型的预测能力提供了重要工具。