2021, Vol. 40
2. 中国农业大学资源与环境学院/农田土壤污染防控与修复北京市重点实验室, 北京 100193;
3. 北京大学生态研究中心/城市与环境学院/地表过程分析与模拟教育部重点实验室, 北京 100871;
4. 山东省招远市农业农村局农业技术推广中心, 山东 招远 265499
2. Beijing Key Laboratory of Farmland Soil Pollution Prevention and Remediation, College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China;
3. Institute of Ecology, College of Urban and Environmental Sciences, Key Laboratory for Earth Surface Processes of the Ministry of Education, Peking University, Beijing 100871, China;
4. Agricultural Technology Extension Center of Zhaoyuan Agricultural and Rural Bureau, Zhaoyuan 265499, China
农田土壤有机碳（Soil organic carbon，SOC）的主要来源是作物源碳（>99%），作物光合碳对SOC的贡献包括两个部分：一是作物残体碳（秸秆和根系）的输入，二是植物生长过程中以根际沉积物形式对SOC的贡献[1-3]。作物残体对SOC的贡献已经得到了充分的研究，例如HAN等[4]通过整合分析发现，在过去30 a，华北平原农艺管理水平的提高导致农田0~20 cm和20~40 cm土层SOC储量分别提高了73%和56%。由于SOC背景值太大，农作物当季的根际沉积碳部分相对很小，因此不能使用传统洗根法来定量作物生长对土壤碳输入的贡献[1, 5]。孙昭安等[6]发现如果利用传统洗根法，无法定量冬小麦根际沉积对SOC的贡献，导致冬小麦季向土壤的光合碳净输入量被低估58%。这是由于根际沉积物碳含量远低于土壤背景碳含量，而传统洗根法无法区分土壤中的“植物新碳”和“土壤老碳”，导致目前关于小麦和玉米生长对农田土壤碳输入的量化仍然比较模糊[7-10]。
农田SOC含量背景值太大，而SOC短期变化相对较小，很难直接通过差值法来量化SOC的短期改变，而是间接通过区分土壤内源SOC分解和外源碳输入来量化[11]。根际土壤CO2释放的贡献源有两个，分别为根源呼吸（活根呼吸+微生物以根际沉积物为底物的呼吸）和SOC分解，两源区分是量化土壤碳输出和碳平衡的前提[1-2]。研究SOC分解输出的传统方法包括成分综合法、根去除法和生物量外推法等，这些区分方法对土壤干扰大[12]。非同位素方法（例如根去除法）虽然可以区分根源呼吸和SOC分解对土壤释放CO2的贡献，但是忽略了作物根系生长对SOC分解的根际激发效应，这可能导致对土壤本身碳输出评估的不准确[13]。
借助13C/14C标记和13C自然丰度方法不仅可以精确区分土壤CO2释放中源于根系和土壤的部分，还可以量化根际沉积对SOC形成的贡献，进而定量分析SOC的输入、输出和收支平衡[1-2, 14]。目前广泛应用于量化植物地下部碳输入的主要有4种碳同位素方法（表 1）：13C/14C连续标记法[15-16]、13C/14C单次脉冲标记法[7-8]、13C/14C重复脉冲标记法[17-18]和13C自然丰度法[19-20]。在以上区分方法中，最精准的是植物地上部13C/14C连续标记法，它可以克服13C自然丰度方法中同位素分馏效应的干扰，也不需要特定的C3/C4植物和土壤条件，光合固定的13C/14C在植物-土壤系统中的分配等于总光合碳的分配，可以准确量化植物输入到地下部各个组分的碳量[15-16]。然而，14C材料有一定辐射危害，受到高度监管，仅限于室内实验[8]。在诸多碳同位素中，13C不需要安全防护，且13C与12C的性质差异，比14C与12C要小，因而13C被视为更可靠的示踪物[21]。与连续标记法相比，脉冲标记比较容易掌握，设备要求简单、费用低，能够提供植物各生育时期光合碳的分配信息[1, 8, 14]。虽然一次脉冲标记得到的碳同位素分配信息不能代表植物整个生育期，但只要在植物生育期内进行一系列标记，就可以合理地估计植物输入地下各组分的碳量[1, 8, 14]。国内外研究者在小麦和玉米碳同位素脉冲标记研究方面获得了很多数据，但由于标记方法和实验条件不同，所获得的实验结果有很大差异，且可比性差，亟需进行整合分析。
|
表 1 碳同位素区分土壤CO2和SOC来源的方法比较 Table 1 Comparison of the methods for partitioning soil CO2 emission and SOC sources |
利用中国知网检索关键词“13C/14C”和“小麦/玉米”、“根际呼吸”和“小麦/玉米”，利用Web of Science数据库检索关键词“13C/14C”和“Wheat/Maize”、“Rhizo⁃ sphere respiration”和“Wheat/Maize”，查阅了1980年至2020年间全球小麦和玉米的13C/14C示踪相关的文献，通过以下4个标准对收集后的文献进行再次筛选：小麦和玉米的13C/14C光合碳分配要基于植物-土壤-CO2整个系统的分配；小麦和玉米生长向土壤碳输入的量化要覆盖整个生育期；根源和土壤源呼吸划分基于同位素法与非同位素法；根际激发效应量化是基于相对量。按照以上标准，分别筛选出38篇小麦和33篇玉米13C/14C示踪的文献，其中10篇小麦和11篇玉米13C/14C示踪的文献用于核算光合碳在作物-土壤- CO2整个系统的去向（附表1，实验样本数分别为29个和12个，扫描文章首页OSID码浏览）；11篇小麦和14篇玉米13C/14C示踪的文献用于定量作物光合碳向土壤的输入量（附表2，实验样本数分别为23个和20个，扫描文章首页OSID码浏览）；19篇小麦和14篇玉米根际土壤CO2释放区分的文献用于量化根源和土壤源呼吸的比例（附表3，实验样本数分别为42个和34个，扫描文章首页OSID码浏览）；8篇小麦和5篇玉米根际激发效应文献（附表4，实验样本数分别为20个和9个，扫描文章首页OSID码浏览）。
1.2 数据分类方法遵循如下思路，对小麦和玉米的13C/14C示踪研究数据进行归纳整理：作物光合碳去向分为地上部、根系、土壤和土壤CO2释放4个部分（图 1）；作物生长向地下部的净光合碳输入分为根系和根际沉积碳（图 2）；分别基于同位素法与非同位素法（图 3）、盆栽与田间实验（图 4）来整理根源呼吸和土壤碳分解两个组分的比例及作物生长对SOC分解的根际激发效应程度（图 5）。
|
箱式图中的实线和虚线分别表示中位数值和平均值，箱式图顶部和底部边界分别代表所有数据的75%和25%，上部和下部误差线分别代表所有数据的95%和5%。下同。不同小写字母表示光合碳在不同组分之间的显著性差异（P < 0.05） The solid and dashed lines in the box plots represent the median and average values, respectively, the top and bottom edges of the box represent 75 and 25 percentiles of all data, respectively, the top and bottom error bars represent 95 and 5 percentiles, respectively. The same below. Different lowercase letters indicate significant differences of photosynthetic carbon among different components at P < 0.05 level 图 1 小麦和玉米光合碳在作物-土壤系统中的分配 Figure 1 Allocation of photosynthesized carbon in the wheat- and maize-soil system |
|
不同小写字母表示根和根际沉积物之间的显著性差异（P < 0.05） Different lowercase letters indicate significant differences between rootand rhizodeposit-C at P < 0.05 level 图 2 小麦和玉米通过根际沉积碳形式输入的碳量以及占地下部输入的比例 Figure 2 Amount of the rhizodeposited carbon from wheat and maize and its proportion in belowground carbon input |
|
不同小写字母表示根源和土壤源CO2贡献之间的显著性差异（P < 0.05） Different lowercase letters indicate significant differences between root- and soil-derived CO2 at P<0.05 level 图 3 利用非同位素法和同位素法量化根源呼吸和SOC分解对土壤CO2释放的贡献 Figure 3 Contribution of root-derived respiration and SOC decomposition to soil CO2 quantified by non-isotope and isotope methods |
|
不同小写字母表示根源和土壤源CO2贡献之间的显著性差异（P < 0.05） Different lowercase letters indicate significant differences between root-and soil-derived CO2 at P < 0.05 level 图 4 田间和盆栽条件下量化根源呼吸和SOC分解对土壤CO2释放的贡献 Figure 4 Contribution of root-derived respiration and SOC decomposition to soil CO2 emission under field and pot conditions |
|
图 5 小麦和玉米生长对SOC分解的根际激发效应 Figure 5 Rhizosphere priming effects of wheat and maize on SOC decomposition |
作物净固定的13C/14C量为植物、土壤和土壤呼吸中13C/14C之和，各个碳库的13C/14C在作物-土壤-CO2整个系统中的分配比例为（以13C标记为例）：
|
(1) |
式中：13Ai为各个碳库的13C量占净吸收13C量的百分比值，%。
1.3.2 土壤碳输入小麦和玉米光合碳转运到地下各组分，一部分光合碳通过根源呼吸返回到大气中，剩余的光合碳（根系和根际沉积碳）为土壤净输入光合碳量：
|
(2) |
式中：C土壤净输入、C根系和C根际沉积碳分别为分配到地下部、根系和根际沉积碳库的碳量，kg·hm-2。
1.3.3 根际激发效应
|
(3) |
式中：D为根际激发效应程度，%；CSOC-种植物和CSOC-不种植物分别为种植和不种植植物土壤的SOC释放量。
1.4 统计方法采用Excel 2013软件完成数据整理和作图，包括计算小麦和玉米光合碳在植物-土壤系统中的分配、向地下的净输入、根源呼吸占土壤总呼吸的比例以及根际激发效应的均值、标准差和95%置信区间分布。
2 结果与分析 2.1 小麦和玉米生长对土壤碳输入的贡献 2.1.1 小麦和玉米光合碳在作物-土壤系统中的分配小麦和玉米光合碳绝大数保留在地上部（分配比例均值分别为73.1%和68.4%，95%的置信区间分别为63.1%~83.0%和63.4%~73.3%；图 1），约1/3的光合碳转移到地下部（均值分别为27%和32%），这部分光合碳用于根系建成的比例最高（均值分别为12.5%和16.0%，95%的置信区间分别为5.8%~19.2%和11.9%~20.1%），比例最小的为以根际沉积物形式进入SOC的部分（均值分别为4.6%和4.6%，95%的置信区间分别为1.3%~7.9%和1.7%~7.4%），其次为根源呼吸释放到大气部分（均值分别为9.8%和11.1%，95%的置信区间分别为5.5%~14.0%和7.4%~ 14.8%）。
2.1.2 小麦和玉米生长向地下部转移的光合碳量小麦和玉米生长向地下输入的净光合碳量（根系生物量碳和根际沉积碳）均值分别为1 058 kg·hm-2和1 025 kg·hm-2，95%的置信区间分别为810~1 307 kg· hm-2和311~1 742 kg·hm-2（图 2a和2b）。小麦和玉米通过根际沉积物输入到土壤的光合碳量的均值分别为610 kg·hm-2和439 kg·hm-2，占向地下转移光合碳量比值的均值分别为0.45和0.38，95%的置信区间分别为0.34~0.56和0.28~0.49（图 2c）。
2.2 玉米和小麦生长对土壤CO2释放的影响 2.2.1 根源呼吸和土壤本身碳分解对土壤CO2释放的贡献玉米和小麦根源呼吸对土壤CO2释放的贡献主要分为非同位素和同位素法来量化，在非同位素法条件下，小麦根际土壤CO2释放的根源呼吸和土壤本身碳分解的贡献均值分别为42.1%和57.9%（95%的置信区间分别为34.2%~50.1%和49.9%~65.8%；图 3a），在同位素法条件下，小麦根际土壤CO2释放的两者的贡献均值分别为47.9%和52.1%（95%的置信区间分别为39.1%~56.7%和43.3%~60.9%；图 3b）；在非同位素法条件下，玉米根源呼吸和土壤碳分解对土壤CO2的贡献均值分别为52.9%和47.1%（95%的置信区间分别为39.8%~66.1%和34.0%~60.3%；图 3c），在同位素法条件下，两者对土壤CO2的贡献均值分别为62.7%和37.3%（95%的置信区间分别为51.3%~ 74.1%和25.9%~48.7%；图 3d）。
在田间实验条件下，小麦根源呼吸和土壤碳分解对土壤CO2释放的贡献均值分别为39.6%和60.4%（95%的置信区间分别为32.7%~46.4%和53.6%~ 67.3%；图 4a），在盆栽实验条件下，两者对土壤CO2释放的贡献均值分别为52.3%和47.7%（95%的置信区间分别为42.7%~61.8%和38.2%~57.3%；图 4b）。在田间实验条件下，玉米土壤CO2释放源于根源呼吸和土壤碳分解的平均比例分别为47.4%和52.6%（95%的置信区间分别为34.1%~60.6%和39.4%~65.9%；图 4c）；在盆栽条件下，玉米根源呼吸和土壤碳分解占土壤CO2释放比例分别为67.0%和33.0%（95%的置信区间分别为56.1%~78.1%和21.9%~44.0%；图 4d）。
2.2.2 小麦和玉米生长对SOC分解的根际激发效应小麦根际激发效应程度的平均值为172%，95%置信区间为106%~237%，其中仅有一个负根际激发效应值，为- 37%，正根际激发效应范围为18%~461%；玉米根际激发效应程度的平均值为15%，95%置信区间为-28%~57%，其中负根际激发效应范围为-38%~-7%，正根际激发效应范围为5.5%~126%（图 5）。
3 讨论 3.1 小麦和玉米光合碳在作物-土壤系统中的分配本文通过整合分析发现小麦和玉米地下部的光合碳分配比例分别约为27%和32%，其中分配到根系组织建成的比例最高，其次为根源呼吸释放，以根际沉积碳形式输入到土壤的组分最小（图 1）。这与PAUSCH等[2]对农作物的13C/14C标记实验整合分析结果中的分配趋势类似，即约32%的农作物净光合碳（不包括地上部呼吸）分配到地下部，其中分配到根系、土壤和根源呼吸的比例分别为15.2%、4.5%和12.1%。农作物一般随着作物生长而逐渐减少向地下的碳分配[1, 8, 22]，例如孙昭安等[6]通过整合分析发现，小麦向地下部的光合碳分配由分蘖期的48%下降到灌浆期的9%。这是由于农作物（包括小麦、玉米、大麦和水稻）在生长前期光合碳偏向于向地下部转运，利于根系组织生长和根系对矿质养分的吸收及能量代谢，生育后期则偏向于地上部，利于光合碳在籽粒中的累积[1, 8, 22]，例如SUN等[8]通过整合分析发现小麦和大麦在生长前期有近30%的净光合碳用于根系建成，但成熟期仅3%用于根系组织建成，其余光合碳通过根源呼吸及根际沉积物途径损失。然而，大多数小麦和玉米的13C/14C示踪研究在营养期，分别在播种后不到150 d和60 d，尤其对于连续标记，植株处于幼苗期（播种后不到30 d），这可能导致对地下部碳分配的高估。因此，在全生育期标记可以提高地下光合碳分配评估的精确度[1, 9]。在华北地区，冬小麦和夏玉米的生长周期达到230 d和100 d，为了量化冬小麦和夏玉米整个生育期的地下部光合碳分配，本课题组在冬小麦和夏玉米的全生育期内进行了一系列脉冲标记[7-9]。
3.2 小麦和玉米光合碳向地下部的输入在农田土壤中，外源有机碳的输入除了秸秆还田和残留根系外，还包括冬小麦和夏玉米生长以根际沉积物形式对SOC的贡献。本研究通过整合分析得出，小麦向地下部净输入碳量（根系和根际沉积碳）的平均值为1 058 kg·hm-2（图 2），此结论低于KUZYAKOV等[23]总结的谷类作物（小麦和大麦）的结果（1 520 kg· hm-2），这可能是由于本研究整合分析的小麦根生物碳量较小（448 kg·hm-2），远低于KUZYAKOV等[23]总结的根生物碳量（1 200 kg·hm-2），以往的研究表明根系生物量和根际沉积物量呈显著正相关，因此根系生物量越高，输入到地下的根际沉积碳量也越多[15, 24-25]。基于本课题组借助13CO2脉冲标记对冬小麦[7]和夏玉米[9]的量化结果，在华北平原冬小麦和夏玉米的周年种植体系下，冬小麦和夏玉米生长季通过根际沉积物形式对SOC的贡献碳量达到874 kg·hm-2·a-1（冬小麦610 kg·hm-2·a-1+夏玉米264 kg·hm-2·a-1），这部分根际沉积碳最终成为SOC的一部分。因此，量化冬小麦和夏玉米整个生长季向地下净输入碳量可以进一步解析农业集约化导致华北平原SOC增加的原因。
目前华北地区是我国最重要的粮田生产区域，冬小麦和夏玉米产量约占全国的2/3和1/3。由于几千年的传统耕作和恶劣的自然环境（如洪水、干旱和盐碱化），该地区农田SOC水平较低，增加华北农田SOC水平一直是一项挑战[26-27]。HAN等[28]通过整合分析发现秸秆还田措施能够快速提升农田0~20 cm土层SOC储量，在过去30 a，SOC固定速率为0.35 t·hm-2· a-1。胡春胜等[29]通过秸秆还田碳输入减去土壤异养呼吸碳输出来估算华北农田碳平衡，发现华北农田生态系统正在以0.77 t·hm-2·a-1的速度损失碳，低于本课题组的定量结果（冬小麦和夏玉米周年生产当季固碳速率3.9 t·hm-2·a-1）[7, 9]。这可能是由于在土壤碳输入方面，这个方法忽略了根系和根际沉积碳的输入，导致对土壤碳输入量的低估[29]，如果忽略根际沉积碳，小麦和玉米地下部净输入碳量会被低估58%和31%（图 2）；在土壤碳输出方面，SOC分解才是土壤碳输出，而胡春胜等[29]把土壤异养呼吸（SOC分解+根际沉积碳的分解）作为土壤碳输出，可能导致土壤碳输出的高估。借助13C示踪技术定量冬小麦和夏玉米对地下部各组分的碳输入，可为优化土壤CO2排放估算模型、制定区域减排措施提供参考依据。
3.3 根系生长对土壤碳释放的贡献及影响根系呼吸是CO2排放通量的重要贡献途径，为了量化土壤碳的输出，必须将其与土壤有机质周转分解的CO2分开考虑[11]。在种植小麦和玉米的土壤上，区分根源和土壤源CO2的方法主要分为同位素法和非同位素法，同位素法主要有13C自然丰度、13C/14C脉冲标记法和13C连续标记法，非同位素法有根去除法和间接模拟法（扫描文章首页OSID码浏览）。理论上，根际激发效应在大部分情况下会促进SOC的分解，同位素法可以量化根际激发效应额外释放的碳量，而传统方法则忽略了根际激发效应[13]，例如，通过整合关于小麦和玉米13C/14C示踪实验的文献，发现小麦和玉米生长导致土壤碳额外释放量占土壤碳总释放量的比例分别为63%和13%（图 6）。因此，如果用传统根去除法（非同位素方法）区分土壤CO2释放，会导致根际激发效应被忽略，与同位素方法相比，可能会高估根源呼吸对土壤CO2释放的贡献[30]。使用同位素标记法区分土壤CO2释放通常更为准确。
|
地上部=籽粒+秸秆；小麦和玉米光合碳在作物-土壤整个系统中的分配模式图基于图 1绘制；小麦和玉米根际土壤CO2的区分模式图基于图 3b、图 3d和图 5绘制 Aboveground = grain+straw; The distribution pattern diagram of photosynthetic carbon of wheat and maize in the crop-soil system was drawn based on figure 1; The difference pattern diagram of CO2 in rhizosphere soil of wheat and maize was drawn based on figures 3b, 3d and 5 图 6 小麦和玉米生长对土壤碳输入和输出的贡献模式图 Figure 6 Contribution pattern diagram of wheat and maize growth to soil carbon input and output |
根际土壤微生物活性和微生物群落组成均高于非根际土壤，此效应主要是由根际沉积碳输入引起的，这部分活性根际沉积碳导致根际土壤微生物的数量是非根际土壤微生物的数量的19~32倍[31]。本文整合分析结果显示，根际沉积碳输入约占净光合碳的5%（图 1），小麦和玉米整个生长季以根际沉积形式输入的碳量分别为610 kg·hm-2和439 kg·hm-2（图 2）。本文通过整合分析发现，小麦和玉米根际激发效应不仅可以促进SOC的分解，呈现正根际激发效应，也可以抑制SOC的矿化，产生负根际激发效应，但是，小麦和玉米正根际激发效应比负根际激发效应的次数更为频繁（图 5）。负的根际激发效应程度不可能低于100%，因为负的根际激发效应达到100%，相当于SOC没有分解，这种情况在自然界是不存在的，一般负的激发效应程度在-30%~-10%；正的激发效应可以在100%以上，甚至在200%~400%，根际激发效应引发的对SOC的分解在全球碳循环中起着重要作用[31-33]。
4 结论（1）通过整合分析小麦和玉米光合13C/14C向地下部各组分去向的文献，发现小麦和玉米分别转运27%和32%的光合13C/14C（地上部+根系+土壤+根源呼吸）到地下部，分配到根系的组分最高（小麦为12.5%，玉米为16%），其次为根源呼吸的组分（9.8%和11.1%），最小为土壤的组分（4.6%和4.6%）。
（2）通过整合分析关于小麦和玉米向地下部输入光合碳量的13C/14C示踪文献，发现小麦和玉米生长对土壤的净输入碳量分别为1 058 kg·hm-2和1 025 kg· hm-2（根系和根际沉积碳），利用洗根法量化时，会导致根际沉积碳量被忽略，导致小麦和玉米向土壤净输入碳量分别被低估45%和38%；小麦和玉米根系生长均可促进土壤有机碳的分解，根际激发效应大小分别为172%和15%。
| [1] |
KUZYAKOV Y, SCHNECKENBERGER K. Review of estimation of plant rhizodeposition and their contribution to soil organic matter formation[J]. Archives of Agronomy and Soil Science, 2004, 50(1): 115-132. DOI:10.1080/03650340310001627658 |
| [2] |
PAUSCH J, KUZYAKOV Y. Carbon input by roots into the soil: Quantification of rhizodeposition from root to ecosystem scale[J]. Global Change Biology, 2018, 24(1): 1-12. DOI:10.1111/gcb.13850 |
| [3] |
JONES D L, NGUYEN C, FINLAY R D. Carbon flow in the rhizosphere: Carbon trading at the soil-root interface[J]. Plant and Soil, 2009, 321(1/2): 5-33. |
| [4] |
HAN D, WIESMEIER M, CONANT R T, et al. Large soil organic carbon increase due to improved agronomic management in the North China Plain from 1980s to 2010s[J]. Global Change Biology, 2018, 24(3): 987-1000. DOI:10.1111/gcb.13898 |
| [5] |
LIU Y, GE T, ZHU Z, et al. Carbon input and allocation by rice into paddy soils: A review[J]. Soil Biology and Biochemistry, 2019, 133: 97-107. DOI:10.1016/j.soilbio.2019.02.019 |
| [6] |
孙昭安, 陈清, 韩笑, 等. 13C脉冲标记法定量冬小麦光合碳分配及其向地下的输入[J]. 环境科学, 2018, 39(6): 2837-2844. SUN Z A, CHEN Q, HAN X, et al. Estimation of winter wheat photosynthesized carbon distribution and allocation belowground via 13C pulse-labeling[J]. Environmental Science, 2018, 39(6): 2837-2844. |
| [7] |
SUN Z, WU S, ZHANG Y, et al. Effects of nitrogen fertilization on potgrown wheat photosynthate partitioning within intensively farmed soil determined by 13C pulse-labeling[J]. Journal of Plant Nutrition and Soil Science, 2019, 182(6): 896-907. DOI:10.1002/jpln.201800603 |
| [8] |
SUN Z, CHEN Q, HAN X, et al. Allocation of photosynthesized carbon in an intensively farmed winter wheat-soil system as revealed by 14CO2 pulse labelling[J]. Scientific Reports, 2018, 8: 3160. DOI:10.1038/s41598-018-21547-y |
| [9] |
MENG F, DUNGAIT J A J, ZHANG X, et al. Investigation of photosynthate-C allocation 27 days after 13C-pulse labeling of Zea mays L. at different growth stages[J]. Plant and Soil, 2013, 373(1/2): 755-764. |
| [10] |
齐鑫, 王敬国. 应用13C脉冲标记方法研究不同施氮量对冬小麦净光合碳分配及其向地下输入的影响[J]. 农业环境科学学报, 2008, 27(6): 2524-2530. QI X, WANG J G. Distribution and translocation of assimilated C pulse-labeled with 13C for winter wheat(Trticum aestivums L.) as affected by nitrogen supply[J]. Journal of Agro-Environment Science, 2008, 27(6): 2524-2530. DOI:10.3321/j.issn:1672-2043.2008.06.073 |
| [11] |
KUZYAKOV Y. Sources of CO2 efflux from soil and review of partitioning methods[J]. Soil Biology and Biochemistry, 2006, 38(3): 425-448. DOI:10.1016/j.soilbio.2005.08.020 |
| [12] |
耿元波, 史晶晶. 13C在草原土壤呼吸区分中的应用[J]. 自然资源学报, 2012, 27(6): 1044-1052. GENG Y B, SHI J J. Application of the stable isotope 13C in the partitioning of soil respiration in grassland[J]. Journal of Natural Resources, 2012, 27(6): 1044-1052. |
| [13] |
何敏毅, 孟凡乔, 史雅娟, 等. 用13C脉冲标记法研究玉米光合碳分配及其向地下的输入[J]. 环境科学, 2008, 29(2): 2446-2453. HE M Y, MENG F Q, SHI Y J, et al. Estimating photosynthesized carbon distribution and inputs into belowground in a maize soil following 13C pulse-labeling[J]. Environmental Science, 2008, 29(2): 2446-2453. |
| [14] |
MO F, ZHANG Y Y, LI T, et al. Fate of photosynthesized carbon as regulated by long-term tillage management in a dryland wheat cropping system[J]. Soil Biology and Biochemistry, 2019, 138: 107581. DOI:10.1016/j.soilbio.2019.107581 |
| [15] |
GE T, LIU C, YUAN H, et al. Tracking the photosynthesized carbon input into soil organic carbon pools in a rice soil fertilized with nitrogen[J]. Plant and Soil, 2015, 392(1/2): 17-25. |
| [16] |
ZHU B, GUTKNECHT J L M, HERMAN D J, et al. Rhizosphere priming effects on soil carbon and nitrogen mineralization[J]. Soil Biology and Biochemistry, 2014, 76: 183-192. DOI:10.1016/j.soilbio.2014.04.033 |
| [17] |
VERBURG P S J, KAPIZKE S E, STEVENSON B A, et al. Carbon allocation in Larrea tridentata plant-soil systems as affected by elevated soil moisture and N availability[J]. Plant and Soil, 2014, 378(1/2): 227-238. |
| [18] |
WERTH M, KUZYAKOV Y. Root-derived carbon in soil respiration and microbial biomass determined by 14C and 13C[J]. Soil Biology and Biochemistry, 2008, 40(3): 625-637. |
| [19] |
KUMAR A, KUZYAKOV Y, PAUSCH J. Maize rhizosphere priming: Field estimates using 13C natural abundance[J]. Plant and Soil, 2016, 409: 87-97. DOI:10.1007/s11104-016-2958-2 |
| [20] |
孙昭安, 赵诣, 朱彪, 等. 玉米生长对石灰性土壤无机碳与有机碳释放的根际效应[J]. 土壤学报, 2021, 58(4): 988-997. SUN Z A, ZHAO Y, ZHU B, et al. Rhizosphere effects of maize on inorganic and organic carbon release in calcareous soils[J]. Acta Pedologica Sinica, 2021, 58(4): 988-997. |
| [21] |
SIMARD S W, DURALL D M, JONES M D. Carbon allocation and carbon transfer between Betula papyrifera and Pseudotsuga menziesii seedlings using a 13C pulse-labeling method[J]. Plant and Soil, 1997, 191(1): 41-55. DOI:10.1023/A:1004205727882 |
| [22] |
ZANG H, XIAO M, WANG Y, et al. Allocation of assimilated carbon in paddies depending on rice age, chase period and N fertilization: Experiment with 13CO2 labelling and literature synthesis[J]. Plant and Soil, 2019, 445(1): 113-123. |
| [23] |
KUZYAKOV Y, DOMANSKI G. Carbon input by plants into the soil. Review[J]. Journal of Plant Nutrition and Soil Science, 2000, 163(4): 421-431. DOI:10.1002/1522-2624(200008)163:4<421::AID-JPLN421>3.0.CO;2-R |
| [24] |
LU Y, WATANABE A, KIMURA M. Input and distribution of photosynthesized carbon in a flooded rice soil[J]. Global Biogeochem Cy, 2002, 16(4): 1-8. |
| [25] |
TIAN J, PAUSCH J, FAN M, et al. Allocation and dynamics of assimilated carbon in rice-soil system depending on water management[J]. Plant and Soil, 2013, 363(1/2): 273-285. |
| [26] |
HAN D, SUN Z, LI F, et al. Changes and controlling factors of cropland soil organic carbon in North China Plain over a 30-year period[J]. Plant and Soil, 2016, 403(1/2): 437-453. |
| [27] |
THOMSON A M, IZAURRALDE R C, ROSENBERG N J, et al. Climate change impacts on agriculture and soil carbon sequestration potential in the Huang-Hai Plain of China[J]. Agriculture Ecosystems and Environment, 2006, 114(2): 195-209. |
| [28] |
HAN X, XU C, DUNGAIT J A J, et al. Straw incorporation increases crop yield and soil organic carbon sequestration but varies under different natural conditions and farming practices in China: A system analysis[J]. Biogeosciences, 2018, 15(7): 1933-1946. |
| [29] |
胡春胜, 王玉英, 董文旭, 等. 华北平原农田生态系统碳过程与环境效应研究[J]. 中国生态农业学报, 2018, 26(10): 1515-1520. HU C S, WANG Y Y, DONG W X, et al. Carbon processes and environmental effects on agro-ecosystem in the North China Plain[J]. Chinese Journal of Eco-Agriculture, 2018, 26(10): 1515-1520. |
| [30] |
KUZYAKOV Y, EHRENSBERGER H, STAHR K. Carbon partitioning and below-ground translocation by Lolium perenne[J]. Soil Biology and Biochemistry, 2001, 33(1): 61-74. |
| [31] |
CHENG W, JOHNSON D W, FU S. Rhizosphere effects on decomposition: Controls of plant species, phenology, and fertilization[J]. Soil Science Society of America Journal, 2003, 67(5): 1418-1427. |
| [32] |
KUZYAKOV Y. Review: Factors affecting rhizosphere priming effects[J]. Journal of Plant Nutrition and Soil Science, 2002, 165(4): 66-70. |
| [33] |
HUO C, LUO Y, CHENG W. Rhizosphere priming effect: A metaanalysis[J]. Soil Biology and Biochemistry, 2017, 111: 78-84. |