水稻叶片氮分配策略调控CO2施肥效应的生理机制研究

《Crop and Environment》：The role of a foliar nitrogen allocation strategy in controlling the CO 2 fertilization effect in rice

为解决大气CO2浓度升高(eCO2)下水稻光合适应与产量响应的调控机制问题，南京农业大学研究人员通过FACE（自由大气CO2富集）和OTC（开顶式气室）实验，结合多品种验证和全球荟萃分析，首次揭示叶片氮在羧化系统(PNcb)和电子传递组分(PNet)的分配比例共同控制CO2施肥效应(CFE)的关键机制（R2=0.73）。该研究为作物碳氮协同调控提供了新理论框架，对应对气候变化下的粮食安全具有重要意义。

　　

随着全球大气CO₂浓度持续攀升，CO₂施肥效应(CFE)被认为是维持作物产量的关键机制。然而，这一效应在实际农业生产中表现出显著的不稳定性——在氮素受限条件下，CFE对水稻产量的提升幅度可能骤降30%-50%。这种变异性的背后，隐藏着一个长期悬而未决的科学问题：为什么植物在获得更多"碳源"的同时，反而会减少对光合关键组分如Rubisco（核酮糖-1,5-二磷酸羧化酶/加氧酶）的氮投入？这种看似矛盾的氮分配策略如何最终决定CFE的强弱？

南京农业大学现代作物生产省部共建协同创新中心的Yu Zhang等研究人员通过多尺度实验揭开了这一谜题。研究发现，当CO₂浓度升高至550 ppm时，水稻叶片会出现显著的氮稀释现象，但决定CFE强度的关键并非叶片总氮含量，而是氮在光合器官中的精细分配。特别是氮在羧化系统(PN_cb)和电子传递链(PN_et)的分配比例，共同构成了调控CFE的"双阀门"机制。这项突破性成果发表在《Crop and Environment》上，为应对气候变化下的作物适应性改良提供了新思路。

研究人员采用三大关键技术展开攻关：首先通过自由大气CO₂富集系统(FACE)和开顶式气室(OTC)构建梯度CO₂环境；其次运用LI-6800光合仪测定A_n/C_i响应曲线，基于Farquhar-von Caemmerer-Berry(FvCB)模型计算最大羧化速率(V_cmax)和最大电子传递速率(J_max)；最后整合56个水稻品种的多组学数据和全球50项研究的荟萃分析，建立结构方程模型(SEM)解析氮分配与CFE的因果关系。

3.1 亚种间CFE差异的氮分配基础
FACE实验显示，籼稻(lnRR=0.19)比粳稻(lnRR=0.10)具有更强的生物量响应，这与两者PN_cb分配差异显著相关。当CO₂浓度升高时，粳稻PN_cb下降幅度达40%，远高于籼稻的25%，直接导致其CFE响应降低43%（图1,3）。

3.2 光合氮分配的全局调控规律
多品种实验建立的预测模型表明，PN_cb与PN_et可联合解释73%的CFE变异（图5）。当CO₂>550 ppm时，电子传递组分氮投入每增加1%，可使CFE提升0.65%，这一规律在全球荟萃分析中得到验证（R²=0.75）（图6）。

3.3 氮肥的协同增效机制
氮梯度实验揭示，施氮量超过200 kg/ha时，PN_et对eCO₂的响应由负转正。SEM分析显示氮肥通过调控PN_cb（路径系数0.74）和PN_et（0.80）间接影响CFE，其效应远超直接作用（0.49）（图8）。

这项研究颠覆了传统认知，证明光合氮的再分配而非总量变化才是CFE的核心调控因素。特别值得注意的是，当CO₂浓度超过550 ppm后，碳同化的限制因子会从单一的Rubisco限制转变为Rubisco与RuBP（核酮糖-1,5-二磷酸）再生的双重限制，这使得PN_cb/PN_et的平衡变得尤为关键。该成果不仅为作物高光效育种提供了明确靶点——同时优化V_cmax和J_max的氮利用效率，更重要的是建立了一套基于氮分配参数的CFE预测框架，为应对气候变化下的精准农业管理提供了理论依据。

正如研究者所言，这项发现揭示了植物应对环境变化的"双重适应策略"——既通过结构调整（如LMA变化）也通过生理再分配（如PN_cb/PN_et重组）来优化资源利用。这种创新性的碳氮协同调控视角，或将引领新一轮作物生理学研究范式的转变。