孙德尔本斯红树林生态系统中水文对比位点土壤-植被关联的空间与垂直格局

《Trees, Forests and People》：Spatial and Vertical Patterns of Soil-Vegetation Associations across Hydrologically Contrasting Sites in the Sundarbans Mangrove Forest

　　

摘要：红树林生态系统（Mangrove ecosystems）在植被结构与土壤理化性质之间表现出重要的关联；然而，在孙德尔本斯红树林（Sundarbans mangrove forest）中，这些关系的位点尺度变异性仍未得到充分量化。本研究选取了两个位点，即杜布拉尔查尔（Dublar Char, DC）和希龙角（Hiron Point, HP），这两个位点根据先前研究报道的对比性地貌背景和水文情境被选定，以评估土壤性质的空间和垂直变异及其与植被结构属性的关联。植被数据采集自30个永久样方（每个位点15个）。土壤样本在三个深度（0-15、15-45和45-100 cm）采集，并分析了理化性质。研究人员使用相关性分析、多变量排序和线性混合效应模型评估了这些关系，并使用普通克里金插值（Ordinary Kriging interpolation）可视化空间格局。跨所有土壤深度的合并比较显示，所测量的植被和土壤变量在统计上无显著位点差异（p > 0.05）。尽管如此，仍观察到方向性趋势：HP表现出更高的植物高度、物种多样性和胸径（DBH），而DC表现出更高的树木密度。HP的表层土壤也显示出比DC更高的平均有机碳和总氮值。在两个位点，有机碳和总氮随深度增加而下降，而pH和盐度则增加。考虑了土壤深度的线性混合效应模型检测到有机碳（p = 0.007）、总氮（p = 0.003）、pH（p = 0.028）、钙（p = 0.008）和镁（p = 0.025）的显著位点效应。相关性分析表明，有机碳与总氮之间存在强正相关（r = 0.99），而树木密度与几种土壤养分呈负相关。多变量分析确定，植物高度和树木密度是与土壤变异关联最强的植被属性。

本论文解读基于《Spatial and Vertical Patterns of Soil-Vegetation Associations across Hydrologically Contrasting Sites in the Sundarbans Mangrove Forest》一文，发表于《Trees, Forests and People》。研究背景：红树林生态系统（Mangrove ecosystems）是生产力高、生态功能复杂的海岸潮间带生态系统，对海岸保护、养分循环、碳封存及全球数百万人的生计至关重要。然而，红树林生存于高度多变的环境条件中，包括周期性潮汐淹没、盐度波动及水淹厌氧土壤。植被分布与结构发育与位点特定的环境条件（如盐度、沉积物特征和地貌位置）密切相关，这些条件共同影响土壤理化性质（如养分有效性、pH和氧化还原状态）。反过来，红树林植被通过凋落物沉积、根系生长、沉积物捕获和根际过程改变土壤条件，形成紧密耦合的土壤-植被系统。孙德尔本斯红树林（Sundarbans mangrove forest）作为全球最大的连续红树林生态系统，提供碳储存、海岸保护、渔业支持和生计保障等关键生态系统服务。该区域受热带季风气候和半日潮影响，淡水输入和盐度条件存在强烈的空间和季节变化。尽管已有研究考察了孙德尔本斯的植被结构或土壤性质，但大多集中于大尺度盐度分区或单一生态系统组分，限制了精细尺度土壤-植被关联的理解。目前存在的主要问题包括：位点尺度土壤-植被关系的定量认识不足，多数研究独立考察土壤或植被，或描述宽泛的分带模式，而未使用综合统计和空间方法明确量化其耦合关系。因此，本研究聚焦于孙德尔本斯两个生态对比鲜明的位点：杜布拉尔查尔（Dublar Char, DC）——低洼、频繁淹没、盐度较高、林分较年轻且密度较高；以及希龙角（Hiron Point, HP）——相对较高、扰动频率较低、结构更复杂的林分。研究旨在回答：（1）DC和HP之间土壤理化性质和植被结构属性在空间和垂直方向上如何变化？（2）基于相关性和多变量排序分析，哪些植被和土壤属性关联最强？（3）位点级环境差异如何与土壤和植被结构的空间格局对应？为此，研究人员量化了土壤理化性质和植被结构在两位点的空间和垂直变异，使用多变量排序技术识别与土壤变异性相关的关键植被属性，并利用地统计插值法生成土壤和植被参数的空间显式图。通过关注位点特异性土壤-植被关联，该研究为孙德尔本斯不同生态条件下的差异化管理策略提供了证据支持，包括HP成熟林分的保护以及DC的稳定和再生支持。

研究人员开展的研究：基于对比性地貌背景和水文情境，在孙德尔本斯红树林选取DC和HP两个位点。在每个位点设置15个（共30个）永久样方（20 m × 20 m），采集植被数据（包括胸径DBH≥5 cm的所有树木，测量植物高度PH和DBH，计算树木密度TD、物种多样性SD、地上生物量AGB和地下生物量BGB）。土壤样本在三个深度（0-15 cm、15-45 cm、45-100 cm）采集，每个样方内三个固定点混合后分析理化性质（pH、盐度、有机碳OC、总氮TN、有效磷P、交换性钾K、钙Ca、镁Mg、硫S）。使用普通克里金插值（Ordinary Kriging）进行空间制图，采用线性混合效应模型、Pearson相关分析、非度量多维尺度分析（NMDS）和冗余分析（RDA）等统计方法评估关联。结论：尽管合并比较显示无显著位点差异，但方向性趋势一致；混合效应模型揭示OC、TN、pH、Ca、Mg存在显著位点效应；多变量分析表明植物高度和树木密度是解释土壤变异的最强植被预测因子；空间插值揭示了两位点土壤和植被属性的异质性格局。重要意义：为孙德尔本斯红树林生态系统的监测和管理提供了基线信息，支持针对不同水文条件制定差异化保护策略。

主要关键的技术方法：1）植被调查：在孙德尔本斯红树林的DC和HP两个位点各设置15个永久样方（20 m × 20 m），测量所有DBH≥5 cm树木的PH和DBH，计算TD、SD（Shannon-Wiener指数）、AGB（使用Chave等区域异速生长方程）和BGB（使用Komiyama等红树林根系方程）。2）土壤采样与分析：在三个深度（0-15、15-45、45-100 cm）采集复合样本，分析pH、盐度（EC）、OC（Walkley-Black法）、TN（Kjeldahl法）、P（Olsen法）、K、Ca、Mg（乙酸铵提取-原子吸收光谱法）、S（硫酸钡比浊法）。3）空间插值与地统计：使用普通克里金插值（Ordinary Kriging）在ArcGIS 10.8中生成空间分布图，通过半变异函数分析空间依赖性，并采用留一交叉验证评估预测精度（ME和RMSE）。4）统计建模：使用线性混合效应模型（lme4包）检验深度和位点对土壤性质的影响，Pearson相关分析评估变量间关系，NMDS和RDA（vegan包）进行多变量排序，前向选择识别关键植被预测因子。

研究结果概要：
3.1 植被和土壤属性的空间变异：DC和HP之间大多数植被和土壤变量在合并深度比较中无统计学显著差异（p > 0.05），但存在方向性趋势。HP呈现更高的AGB（123.97 ± 4.78 Mg ha^-1）、BGB（58.63 ± 0.96 Mg ha^-1）、DBH（22.51 ± 2.08 cm）、PH（9.61 ± 0.70 m）和SD（2.93 ± 0.22），而DC呈现更高的TD（2235.67 ± 214 棵 ha^-1）。HP土壤富含OC（1.87 ± 0.32%）、TN（0.152 ± 0.026%）、P和Mg，DC土壤pH略高（7.99 ± 0.11），Ca略高（10.62 ± 0.16 meq/100g），盐度相近（DC 5.54 dS/m，HP 5.50 dS/m）。
3.2 土壤属性的深度分布：合并两位点数据，OC和TN随深度增加而下降（如HP表层0-15 cm OC为2.73±0.51%，45-100 cm降至1.47±0.31%）；pH和盐度随深度增加而上升（DC pH从7.71升至8.09，盐度从5.32升至5.56 dS/m）；K和P也随深度下降；Ca在DC深层略增；Mg和S趋势不一致。这些深度差异未达到统计学显著（p > 0.05）。
3.3 混合效应模型结果：线性混合效应模型显示，深度是影响大多数土壤性质的主导因素（OC、TN、pH、Ca、Mg、P显著，p < 0.05；S和K不显著）。位点效应显著：HP的OC、TN、Ca、Mg显著高于DC，pH显著低于DC（p分别为0.007、0.003、0.008、0.025、0.028）；盐度、K、P、S位点效应不显著。深度×位点交互作用对OC（p=0.006）、盐度（p=0.003）和P（p=0.039）显著，表明垂直梯度在两位点间存在差异。
3.4 土壤-植物关系与多变量分析：Pearson相关显示OC与TN强正相关（r=0.99），与Mg（r=0.81）、AGB（r=0.71）正相关；TN与P（r=0.73）、PH（r=0.72）正相关；TD与OC（r=-0.83）、TN（r=-0.71）、pH（r=-0.74）负相关。NMDS排序（Stress=0.1）显著分离DC和HP，解释41.7%方差（p<0.001），关键变量包括OC、TN、TD、pH、SD、Mg、K和DBH。RDA全局模型（所有6个植被变量）显著（F=4.443，p=0.002），调整后R²=0.416；前向选择保留TD和PH两个变量，累积调整R²=0.440，其他变量（DBH、SD、AGB、BGB）未显著改善模型。
3.5 空间格局与地统计分析：普通克里金插值生成的空间分布图显示，HP的OC（1.35-2.20%）和TN（0.11-0.179%）较高，对应更大的DBH（19.9-24.7 cm）、更高的AGB（116.8-129.3 Mg/ha）和SD（2.57-3.18）；DC的OC（1.29-1.65%）和TN（0.108-0.128%）较低且均匀，但TD更高（1990-2504棵/ha），PH局部偏高，DBH（16.8-21.5 cm）和SD（2.12-2.36）较低。pH呈弱碱性，盐度向边缘增加。交叉验证显示可靠预测（如pH RMSE 0.17-0.21，盐度RMSE 0.59-0.63 dS/m，PH RMSE 0.68-0.72 m，TD RMSE 195.3-208.6棵/ha）。半变异函数分析显示生物量变量空间依赖性强（NSR=0），土壤性质中等（OC NSR=0.379，TN NSR=0.345，pH NSR=0.442），盐度高（NSR=0.081），PH无空间结构（NSR=1.0）。

总结讨论：研究通过观察性设计揭示了孙德尔本斯两个水文对比位点土壤-植被关联的空间和垂直格局。尽管大多数单变量比较不显著，但一致的方向性趋势和多变量显著关联表明存在有意义的结构化关系。植物高度和树木密度是解释土壤变异的最强预测因子，而生物量变量解释力较弱，提示结构属性可能比总生物量更能反映土壤条件。空间分析表明，生物量、盐度和树木密度等强结构化变量可通过中等采样密度可靠制图，而植物高度和多样性等弱结构化变量需要更精细采样。管理层面，HP代表相对稳定、养分保留条件，应优先保护；DC代表动态、扰动驱动环境，可能受益于水文和养分管理以增强恢复力。研究局限性包括观察性设计无法推断因果，未直接测量水文变量，采样密度较低，异速生长方程可能不完全适用于红树林，以及未应用结构方程模型等高级方法。未来研究需纳入多季节采样、直接水文监测、物种特异性异速模型、扩大空间重复、微生物群落分析及遥感评估。

翻译研究结论部分：这项观察性研究考察了孙德尔本斯红树林中根据水文情境对比选取的两个位点的土壤理化性质和植被结构属性的空间和垂直变异。从该研究设计无法推断因果关系，且水文变量未直接测量。合并所有深度的箱线图比较显示，杜布拉尔查尔（Dublar Char）和希龙角（Hiron Point）之间在任何植被或土壤变量上均无统计学显著差异。然而，观察到一致的方向性趋势：希龙角表现出更高的植物高度、物种多样性和土壤养分浓度，而杜布拉尔查尔表现出更高的树木密度。这些方向性趋势虽不显著，但符合基于位点对比性地貌位置的预期。在两个位点均观察到一致的垂直梯度，有机碳和总氮随深度增加而下降，而pH和盐度增加，这些模式比位点间比较更为一致。多变量分析显示，植物高度和树木密度与土壤变量相关，而总生物量则不然，这可能表明植被结构属性比单独的生物量更能反映土壤条件。这些关联反映的是对潜在环境梯度的共同响应，而非因果关系。总体而言，该研究提供了土壤性质和植被结构空间与垂直格局的基线信息，可能支持孙德尔本斯红树林生态系统未来的监测和管理。需要进一步开展包含直接水文测量、季节性土壤动态和长期植被监测的研究，以阐明所观察到的格局背后的过程。