《Journal of Contaminant Hydrology》：Effects of vegetation type and seasonal hydrology on soil carbon and nitrogen stocks in the Dianchi Lake ecological buffer zone
编辑推荐：
•季节性水文过程改变了土壤碳和氮的垂直分布。•不同植被样地呈现出不同的碳和氮储量特征。•表层土壤对土壤碳和氮总储量的贡献远超其厚度比例。•容重是土壤碳和氮累积的关键指标。•湖泊生态缓冲带能够增强营养物质的滞留和碳储量。引言生态缓冲带是连接陆地与水体环境的过渡区域，能够在这两种
- •
季节性水文过程改变了土壤碳和氮的垂直分布。
- •
不同植被样地呈现出不同的碳和氮储量特征。
- •
表层土壤对土壤碳和氮总储量的贡献远超其厚度比例。
- •
容重是土壤碳和氮累积的关键指标。
- •
湖泊生态缓冲带能够增强营养物质的滞留和碳储量。
引言
生态缓冲带是连接陆地与水体环境的过渡区域，能够在这两种生态系统之间实现物质、能量和信息的传递（Walton et al., 2020）。该区域的一项重要功能是截留并削减来自陆地的污染物，防止其进入河流和湖泊（Chen et al., 2021）。这主要通过滨河区域内的不同生物和地球化学过程实现，从而降低水系统中污染的风险（Gong et al., 2022）。生态缓冲带经历干湿交替的周期，导致水位周期性变化。此外，滨河土壤中的碳和氮等关键营养物质会间歇性地不同程度地渗入河水（Li et al., 2020）。本研究以滇池湖滨区域为研究对象，分析不同植物类型下土壤中碳和氮的季节性分布特征（Oertel et al., 2016）。
土壤中碳和氮的来源和性质存在显著差异（Davidsson and Stahl, 2000）。土壤碳浓度主要受植被覆盖和土地利用方式的影响，主要来源于动植物及微生物的残体、排泄物和分泌物以及部分分解物（Wallenstein et al., 2006）。土壤碳含量的变化影响植物对水分和养分的吸收，进而改变土壤中其他养分的浓度。除了植物残体的归还和生物固氮外，人类活动也是土壤氮来源的主要影响因素，例如施肥。此外，生态缓冲带土壤中的碳和氮元素对附近水体的营养结构有显著影响（Xiao and Zhu, 2017）。
然而，以往大多数研究主要关注表层土壤或单一季节的观察，而在湖泊生态缓冲带中，不同植被和洪水条件的样地类型间、不同季节之间以及不同土壤深度上的碳和氮储量变化仍不清楚。滇池生态缓冲带包含不同性质的样地类型并经历季节性水文波动，是进行对比评估的理想野外场地。因此，本研究旨在：（1）定量分析不同样地类型下土壤有机碳（SOC）、全氮（TN）及其储量的垂直分布；（2）比较干季与雨季之间的差异模式；（3）识别与土壤碳和氮变化相关的主要土壤性质。研究结果有望增进对湖泊生态缓冲带中碳和氮滞留机制的理解，并为植被和水文驱动的修复与管理提供指导。
分节摘要
研究区域
本研究在滇池（24°56′ ~ 25°08′N, 102°38′ ~ 102°48′E）开展，该湖位于中国西南部的云南省（图1）。该地区属于北半球低纬度亚热带高原山地季风气候，年均气温为15°C，年均降水量为1100 mm，其中约70%–80%集中在5月至11月。该区域的主要植被包括水生植物、湿生植物。
土壤特征
图2a总结了干季和雨季期间各样地类型的部分土壤理化性质。干季期间，土壤pH平均值在7.32至7.89之间，在30–50 cm和50–70 cm深度上三个样地之间存在显著差异（P < 0.05）。电导率（EC）也存在显著差异（P < 0.05），其中FSS的平均土壤含水量（SWC）较高。在SS和YS样地中，土壤含水量随深度呈下降趋势，而FSS样地则未出现这一趋势。
植物类型对土壤碳和氮的影响
滇池旁边的生态缓冲带中分布着不同的植物种类和水文条件。植被可以改善土壤团粒稳定性，增加有机质输入，减少土壤侵蚀，从而促进土壤有机碳的积累（Prosser et al., 2020）。在本研究中，三个样地的浅层土壤层的SOC浓度和SOC储量普遍最高，这与之前的研究结果一致（Cui et al., 2023）。在各样地中，YS的SOC通常较高
结论
本研究表明，滇池生态缓冲带中土壤碳和氮的储量表现出显著的垂直、空间和时间变异性。与不同植被和水文条件相关的不同样地条件导致了不同的碳和氮储量模式，表明缓冲带营养物质的滞留受到植被特征和水文环境共同影响。土壤物理性质，
CRediT作者贡献声明
张巧初：初稿撰写、可视化、软件、方法、正式分析、数据整理、概念构思。刘锐：监督指导、项目管理、基金获取。高斌：审阅与编辑、方法。王坤：调查研究、数据整理。张华：软件、方法。林大松：资源、正式分析。陈雅楠：可视化、软件。
基金资助
本研究由云南省社会发展专项项目（202401BF070001-031）资助。
国家自然科学基金（42477229，42507065）。
云南省科技人才与平台计划项目（202505AW340011）。
云南省教育厅科研基金（2024J0677）。
利益冲突声明
作者声明，他们不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。
致谢
我们衷心感谢云南大学生态与环境科学学院温室设施提供实验场地。同时感谢云南大学现代分析与测试中心提供的技术支持。
张巧初|刘锐|高斌|王坤|张华|林大松|陈雅楠
