
-
生物通官微
陪你抓住生命科技
跳动的脉搏
氮肥施用能够同时增强土壤中的碳和氮储量,这对双季稻系统的产量提升具有积极意义
《Biology and Fertility of Soils》:Nitrogen fertilization simultaneously strengthens soil carbon and nitrogen pools, with implications for productivity gain of double-cropping rice system
【字体: 大 中 小 】 时间:2026年01月04日 来源:Biology and Fertility of Soils 5.6
编辑推荐:
氮肥管理对稻田土壤有机碳及其微生物组分的影响研究。通过设置五级氮肥梯度(0-0/105-126/120-144/135-162/150-180 kg N ha?1年?1),测定氨基酸糖标记法及23个碳代谢相关基因的定量PCR分析,发现氮肥显著提升总氮(5.6%-79.2%)和SOC含量(7.1%-42.8%),但微生物 necromass C占比下降(真菌6.8%-21.0%,细菌3.8%-20.9%)。基因表达呈现C固定酶(acsE/aclB)丰度增加与C降解酶(rbcL)丰度减少趋势。氮肥增加稻秆和籽粒产量,但高氮(150 kg)后产量趋于稳定。主要预测因子包括总氨基酸糖含量(SOC)、微生物 biomass N、真菌 necromass C占比及关键基因表达量。
尽管一些研究表明氮(N)管理策略对传统土壤有机碳(SOC)各组分的影响,但关于其他重要SOC形式(尤其是来自微生物的SOC形式)的知识仍存在空白。为了阐明氮输入水平如何影响SOC及其子库的积累以及它们与作物产量的关系,2013年在中国典型的双季稻系统中开展了一项田间试验。为了系统评估氮输入对生物和非生物SOC组分的影响,设置了五个氮肥施用量梯度(0/0、105/126、120/144、135/162和150/180公斤氮/公顷·年),分别应用于早稻和晚稻季节。2023年和2024年两个稻季的成熟期采集了土壤样本,并测量了谷物产量和植物生物量。利用氨基糖标记物量化了土壤中由微生物产生的碳形式,并通过高通量定量PCR技术测定了23个与土壤碳固定和降解相关的生物标志基因的丰度。2023年至2024年的数据表明,与对照组相比,氮输入显著增加了土壤总氮和SOC含量,分别增加了5.6%-79.2%和7.1%-42.8%。随着氮输入量的增加,土壤总氮和有效氮含量呈逐渐上升趋势,而SOC及其主要组分的含量先增加后下降或趋于稳定。土壤中真菌和细菌残体碳对SOC的贡献分别减少了6.8%-21.0%和3.8%-20.9%。氮输入显著增强了大多数碳固定基因的丰度,同时降低了碳降解基因的丰度。在所有预测因子中,土壤总氨基糖含量对SOC的预测能力最强,其次是微生物生物量中的氮含量以及微生物残体碳对SOC的贡献。氮输入量的增加显著提高了稻草和谷物产量,产量在较高氮水平下呈现逐渐增加后趋于稳定的趋势。土壤微生物生物量中的碳和氮、溶解有机碳含量、真菌残体碳对SOC的贡献以及acsE、aclB和rbcL基因的丰度是预测谷物产量的主要因素。
尽管一些研究表明氮(N)管理策略对传统土壤有机碳(SOC)各组分的影响,但关于其他重要SOC形式(尤其是来自微生物的SOC形式)的知识仍存在空白。为了阐明氮输入水平如何影响SOC及其子库的积累以及它们与作物产量的关系,2013年在中国典型的双季稻系统中开展了一项田间试验。为了系统评估氮输入对生物和非生物SOC组分的影响,设置了五个氮肥施用量梯度(0/0、105/126、120/144、135/162和150/180公斤氮/公顷·年),分别应用于早稻和晚稻季节。2023年和2024年两个稻季的成熟期采集了土壤样本,并测量了谷物产量和植物生物量。利用氨基糖标记物量化了土壤中由微生物产生的碳形式,并通过高通量定量PCR技术测定了23个与土壤碳固定和降解相关的生物标志基因的丰度。2023年至2024年的数据表明,与对照组相比,氮输入显著增加了土壤总氮和SOC含量,分别增加了5.6%-79.2%和7.1%-42.8%。随着氮输入量的增加,土壤总氮和有效氮含量呈逐渐上升趋势,而SOC及其主要组分的含量先增加后下降或趋于稳定。土壤中真菌和细菌残体碳对SOC的贡献分别减少了6.8%-21.0%和3.8%-20.9%。氮输入显著增强了大多数碳固定基因的丰度,同时降低了碳降解基因的丰度。在所有预测因子中,土壤总氨基糖含量对SOC的预测能力最强,其次是微生物生物量中的氮含量以及微生物残体碳对SOC的贡献。氮输入量的增加显著提高了稻草和谷物产量,产量在较高氮水平下呈现逐渐增加后趋于稳定的趋势。土壤微生物生物量中的碳和氮、溶解有机碳含量、真菌残体碳对SOC的贡献以及acsE、aclB和rbcL基因的丰度是预测谷物产量的主要因素。
生物通微信公众号
知名企业招聘