采样深度与计算方法对氧化土（Oxisols）中大豆有效根深的影响

《Plant and Soil》：Sampling depth and calculation method impact on soybean effective rooting depth in Oxisols

　　

在深层热带土壤中量化有效根深（effective rooting depth）方面存在关键的方法学空白，常规采样方案与归一化（normalisation）方法会导致系统性低估并掩盖管理效应。本研究旨在引入并验证一种参考校正逻辑剂量?响应模型（reference?corrected logistic dose–response model），以准确测定大豆有效根深，并建立最小采样阈值以避免热带农业系统中的截尾偏差（truncation bias）。在巴西南部氧化土（Oxisol）上评估了一项长期种植制度试验，处理包括三种轮作系统（冬?夏季节）：(i) 玉米（Zea mays L.）?大豆，(ii) 卢西草（Urochloa ruziziensis）?大豆，(iii) 休耕?大豆；在土壤剖面七个采样深度（0?30、0?60、0?90、0?120、0?150、0?180、0?210 cm）测定大豆有效根深，通过整段标本（monolith）采样法量化根长密度（root length density, RLD），并按80%和95%累积根系分布计算有效根深，对各处理及参考处理分别拟合两种改进逻辑剂量?响应曲线。研究人员证明，将采样限制在表层0–90 cm会导致有效根深估计产生超过30%的截尾偏差；通过系统整段标本采样至210 cm，确定150 cm为 unbiased 表征大豆所需的最小采样阈值；所提方法通过将各处理针对共同参考进行归一化，有效区分前茬覆盖作物的根系遗留效应，克服传统相对分布模型的掩盖效应；结果显示卢西草促进显著更深的有效根深（95%累积分布下达153.5 cm），优于玉米（124.4 cm）与休耕（119.3 cm）。本文提供了热带农业系统中有效根深评估的稳健标准化方案，对水分吸收模拟与抗旱韧性评价具直接意义；研究人员开发并验证了参考校正逻辑剂量?响应模型，以最大根系探测系统为共同参考进行归一化，成功区分前茬覆盖作物根系遗留效应，并确定氧化土中大豆最小采样阈值为150 cm以避免截尾偏差与系统性低估。

论文发表在《Plant and Soil》。研究背景方面，植物根深（rooting depth）是土壤?植物?大气系统中根系生长、水流及水平衡模拟模型的关键因子，对生态系统功能预测及全球环境变化效应评估具有直接意义。有效根深（effective rooting depth）指土壤剖面中作物根系可有效提取水分与养分的深度，通常定义为包含80%–95%累积根长密度（root length density, RLD）的深度，是优化灌溉策略、模拟植物水分吸收及提高农业生产力的重要参数。现有研究常因采样很少超过100 cm而低估大豆扎根潜力，限制根系垂直分布的准确表征；田间根系分析劳动强度大，浅层采样会系统性低估有效根深并产生截尾偏差（truncation bias）；传统相对分布归一化（treatment?specific normalisation）会掩盖不同管理措施间绝对根系探索能力的真实差异。大豆根深受管理制度影响，在热带农业尤其是排水良好、结构稳定的高度风化氧化土（Oxisol, Rhodic Eutrudox）中，免耕（no?tillage, NT）系统连续孔隙结构利于根系穿透，而前茬系统选择对后续大豆根系发育具决定性作用。因此，在深层热带土壤中量化有效根深存在关键方法学空白，常规采样深度与归一化方法导致系统性低估并掩盖管理效应，研究人员假设大豆有效根深受氧化土（Oxisol）下采样深度与种植制度影响，旨在引入并验证参考校正逻辑剂量?响应模型（reference?corrected logistic dose–response model）以准确测定大豆有效根深，建立最小采样阈值以避免热带农业系统截尾偏差。

研究人员在巴西南部巴拉那州伦敦市Embrapa大豆试验站（23o11′S, 51o11′W；630 m a.s.l.）的氧化土（Oxisol, Rhodic Eutrudox）上开展长期免耕（NT）试验（始于2016年），采用随机完全区组设计、五重复，设置三种冬?夏轮作系统：玉米（Zea mays）?大豆、卢西草（Urochloa ruziziensis）覆盖作物?大豆、休耕（仅除草）?大豆；评估七种累积采样深度（0–30、0–60、0–90、0–120、0–150、0–180、0–210 cm）对根系表征的影响；于大豆播种后85天开挖210 cm深壕沟，在九个深度区间（0–10至180–210 cm）与三个横向位置采集整段标本（monoliths, 15×10×7 cm），经500?μm筛加压水分离根系，用Epson Expression 10000XL扫描仪（400 dpi）数字化并由WinRhizo Pro软件分析根长，计算根长密度（RLD, cm cm^?3）；采用两种归一化方法拟合改进逻辑剂量?响应曲线确定有效根深：方法1为处理内归一化（以各处理最大根量为R_{max?i treatment}），方法2为参考校正归一化（以具最大绝对累积根系分布的卢西草为共同参考R_{max?i reference}）；进行方差分析、非线性回归及模型拟合优度评价（R²、RMSE、95%置信区间），所有分析用R软件完成。

研究结果如下：

敏感性（Sensitivity）方面，逻辑模型参数随采样深度与种植制度显著变化；拟合参数d_a（曲线拐点，约50%累积根长分布处）随采样深度从30增至210 cm增加3.7倍，卢西草后大豆在大多数深度d_a更高，表明根系分布中心向深处偏移；无量纲形状参数c在30–210 cm区间内所有种植制度增加30%，30 cm浅采样时c更负（表层累积根长急剧下降），210 cm时c负值减小（深层仍具显著根长，分布渐缓）；表明增大最大采样深度（d_max）直接改变估计曲线形状，捕捉浅层评估遗漏的深根动态。

绝对与相对根系分布：归一化偏差（Absolute vs relative root distribution: the normalisation bias）方面，最大采样深度210 cm下绝对累积根系分布（cm cm^?2）清晰区分轮作系统：卢西草后大豆204.2、玉米后128.4、休耕后94.3；但用方法1（处理内归一化，Eq.?1）表示为相对项时在各自d_max被迫为1.0，掩盖实质生物学差异；用方法2（参考校正归一化，Eq.?2，以卢西草为参考）在210 cm时归一化累积分布值为卢西草1.00、玉米0.63、休耕0.46，保留系统间根系探索的相对量级；方法1在210 cm处系统性高估有效根深达17.0 cm，卢西草与休耕土壤探索差异从浅层0–30 cm的5.3 cm增至最大深度34.2 cm；方法2保留系统间相对量级，方法1隔离各处理失去比较背景且无法分离管理效应。

采样深度对曲线形状与外推的影响（Influence of sampling depth on curve shape and extrapolation）方面，不同采样深度调整曲线比较显示曲线形状显著分化；无论用何方程，形状强烈依赖分析的土壤剖面区间；浅层数据（如0–30 cm）曲线仅代表部分根系，无法捕捉深层分布模式，因此浅采样模型不能外推至210 cm有效根深估计，因其不反映整个剖面实际根系生长动态。

有效根深估计与系统区分（Effective rooting depth estimation and system discrimination）方面，80%与95%阈值下估计有效根深随采样深度线性增加；用方法1（Eq.?1）时所有种植系统得相同相对估计，无管理效应；而用方法2（Eq.?2）在95%阈值下唯一能检测处理间显著差异；方法2下95%阈值时卢西草后大豆有效根深最高（153.5 cm），显著优于玉米（124.4 cm）与休耕（119.3 cm）；玉米与休耕后大豆根深分别仅为210 cm采样极限下卢西草的61%与58%；95%有效根深线性回归表明每增10 cm采样深度，卢西草、玉米、休耕估计有效根深分别增加7.32、6.03、5.79 cm；95%阈值统计表现最优，卢西草系统决定系数最高（R²＝0.93）、均方根误差最低（RMSE＝1.07 cm），是确定大豆有效根深的最高效指标。

讨论部分总结：多数根系研究基于特定采样深度下相对累积根系分布计算有效根深而无共同参考值，传统方法（Eq.?1）无法捕捉轮作系统差异，不同绝对根量与分布的处理会得到相似有效根深估计，导致管理效应对根系生长影响的显著误解；参考校正方法（Eq.?2）以最大观测探索（卢西草）归一化累积分布，使数学估计与绝对根系分布生物学现实一致，清晰区分各系统有效根深。浅层采样方案不足以表征全剖面根系行为，最大采样深度是模拟根系生长与土壤?植物互作的主控参数，深层采样对防止作物扎根潜力系统性低估至关重要，与根冠比受采样深度显著影响的认识一致；表层虽含大部分根量与有效根深，但只有采样深度捕获根系垂直全部范围才能准确确定其功能含义。研究接受有效根深受采样深度与种植历史影响的假设，所有系统在210 cm均有根系，但卢西草后大豆绝对累积根长显著高于玉米与休耕；卢西草后大豆95%有效根深达153.5 cm，体现覆盖作物遗留效应，主要归因于卢西草形成生物孔隙（biopores）、高生物量改善土壤结构质量、缓解物理胁迫（机械阻力与通气差）；若用不恰当方程，这些关键覆盖作物效益会被低效量化方法掩盖；95%阈值最精确，解释卢西草系统93%变异，与大豆及其他作物所用阈值一致。增加有效根深提升根区可用水容量（available water capacity, AWC），假定氧化土剖面AWC为0.10 m³m^?3，本研究有效根区（表3）对应水量约为卢西草154 mm、玉米124 mm、休耕119 mm，卢西草系统约30 mm优势是水分亏缺期减产的关键缓冲；深根对抗旱与产量稳定性具明确农艺影响，文献指出根深从75增至95 cm大豆产量增55%，从60增至200 cm可减轻巴西干旱所致约1.3 Mg ha^?1产量损失，季节性干旱环境中深水土获取与地上气孔调控的功能协调对生存生长至关重要，故有效根是预测管理实践对抗旱与农业稳定性影响的要变量。本研究局限在于有效根深基于至最大采样深度210 cm的累积根长分布，可能未完全捕捉特定条件下更深根系动态；参数d_a与c估计依赖模型拟合，数据变异与采样分辨率可能引入不确定性；150 cm最小采样阈值在特定条件（氧化土、免耕、大豆）下适用，其稳健性与可转移性因土壤属性、作物种类、环境条件（质地、结构、生物孔隙、根系策略、水分可及性）而异；另一局限是缺乏深层根功能活性的直接实验验证，虽基于累积分布定量有效根深，但未评估深层根是否具生理活性及对水分吸收等功能贡献，未来需结合水分提取模式、液流、同位素示踪或土壤水分耗竭确认其功能相关性。

结论部分翻译：本研究表明，深层热带土壤中有效根深（effective rooting depth）的准确量化对采样方案与分析方法论均高度敏感。研究发现，使用处理内归一化（treatment?specific normalisation, Eq.?1）的常规方法会掩盖轮作系统间真实生物学差异，可能导致管理效应的误判。为解决此方法学空白，研究人员开发并验证了一种参考校正逻辑剂量?响应模型（reference?corrected logistic dose–response model, Eq.?2）；该方法以共同参考（具最大根系探索的系统）对所有处理进行归一化，成功区分了前茬覆盖作物的根系系统遗留效应。研究结果确定，氧化土（Oxisols）中大豆为避免截尾偏差（truncation bias）与有效根深系统性低估的最小采样阈值为150 cm。经验证的方案显示，卢西草（Urochloa ruziziensis）作为覆盖作物可促进大豆显著更深的有效根深（95%累积分布下约153 cm），优于玉米（约124 cm）或休耕（约119 cm）。此方法框架为热带农业系统中准确评估根系探索深度提供了标准化、可重复的工具，对水分吸收模拟、抗旱韧性与土壤碳动态建模具直接意义。

要不要我帮你把这篇论文解读里提到的参考校正逻辑剂量?响应模型公式与参数含义整理成一段简明的技术说明？