英文题目：Unlocking Mechanisms for Soil Organic Matter Accumulation: Carbon Use Efficiency and Microbial Necromass as the Keys
中文题目：土壤有机质积累机制：关键是微生物碳利用效率和微生物残体
期刊名称：Global Change Biology
影响因子：12
作者单位：中国科学院地球环境研究所
DOI：https://doi.org/10.1111/gcb.70033
土壤有机碳（SOC）是陆地碳汇的核心组成部分，其微小变化即可显著影响大气CO₂浓度与全球气候。传统观点认为植物芳香性物质（如木质素）是SOC的主要来源，但近年“微生物碳泵”与“矿物碳泵”理论提出：微生物残体及其代谢产物才是SOC形成与长期稳定的关键驱动力。其中，微生物碳利用效率（CUE）与微生物残体碳分别代表碳的“同化过程”与“稳定结果”，被寄予厚望用于预测SOC储量。然而，现有模型多基于小尺度或易降解底物添加实验，缺乏区域尺度上CUE与残体碳对SOC功能库（颗粒有机碳POC vs矿物结合碳MAOC）差异化影响的系统观测。鉴于此，本研究在黄土高原900km气候样带（>290点，涵盖农田、草地、灌丛、森林）同步测定CUE（¹⁸O-H₂O法）与微生物残体碳（以氨基糖计），首次在大尺度上验证“CUE-残体碳-POC/MAOC”耦合机制，为准确评估气候变化下土壤碳汇潜力提供理论依据与方法支撑。
图1.黄土高原4种生态系统类型采样点分布（农田n=19；草地n=22；林地n=28；灌木地n=28）。数字高程模型（DEM）展示了黄土高原的地势高程。DEM数据来源于美国地质调查局（USGS）公开免费数据；绘图软件使用ArcGIS10.0（http://www.esri.com/）。
气候梯度下的碳库格局：揭示POC与MAOC空间分布的温湿阈值
依托2021年7–10月在黄土高原布设的291个样点（0–10cm与10–20cm两层），采用湿筛–粒径分级法（53μm筛分）将土壤有机碳（SOC）定量划分为颗粒有机碳（POC）与矿物结合有机碳（MAOC），随后利用ArcGIS空间插值与气候栅格数据（1953–2023年均温度MAT、年均降水量MAP）进行叠加分析，并通过单因素方差分析（ANOVA）检验不同气候区间的差异显著性。结果显示（图2）：①中等温湿条件（MAT5–10℃、MAP300–500mm）下POC与MAOC含量均达峰值，显著高于冷干或暖湿区间（p<0.05）；②MAOC呈随温湿增加先升后降的单峰格局，而POC对气候梯度无显著响应，提示MAOC更易受区域气候调控；③西北冷干区MAOC普遍低于东南相对温湿区，进一步证实温度与降水通过影响微生物活性与矿物保护机制，决定了MAOC的空间分布格局。该图从区域尺度明确了POC与MAOC累积的气候阈值，为预测黄土高原土壤碳汇对气候变化的响应提供了关键观测依据。
图2.黄土高原颗粒有机碳（POC）与矿物结合有机碳（MAOC）的空间分布（上四幅图），单位为g kg⁻¹。下四幅图展示POC和MAOC在不同年均温度（MAT）和年均降水量（MAP）条件下的平均值。箱形图的上下边界分别表示第一和第三四分位数，水平线代表均值；上下线条的端点对应第10和第90百分位。小写字母表示不同因子水平间存在显著差异（p<0.05）。图中的边界线仅用于标示研究区域，不代表任何国家或地区的法定国界。
不同土地利用与土层深度下POC与MAOC的储碳差异
基于黄土高原291个样点0–10cm与10–20cm两层土壤，采用湿筛–粒径分级法（53μm）将土壤有机碳（SOC）定量划分为颗粒有机碳（POC）与矿物结合有机碳（MAOC），通过单位面积碳储量（t ha⁻¹）计算与ArcGIS空间加权，获得不同土地利用类型（农田、草地、灌丛、森林）下的碳库分布图；上层柱状图展示各生态系统POC与MAOC的平均储量，柱宽与该类土地面积成正比，并标注土壤C：N比以反映碳质量差异。结果表明：①表层（0–10cm）POC储量显著高于底层，而MAOC在两层间差异较小，表明POC更易富集于表层；②草地因持续根系输入和较窄C：N比，POC储量最高，森林次之，农田因收获与较少根系输入导致POC与SOC均最低；③POC与SOC的回归斜率（0.81）显著高于MAOC（0.72），且两者均呈强正相关（R²>0.86，p<0.01），但POC对SOC变化的响应更敏感，提示植被管理可通过调控POC快速库实现短期增汇。该图从土地利用与土层维度阐明了“植被—输入—碳库”耦合机制，为黄土高原生态恢复与碳管理提供了空间优化依据。
图3.上方两幅图展示黄土高原表土（0–10cm）与亚土层（10–20cm）MAOC与POC储量（t ha⁻¹）的空间分布；柱状图按土地利用类型分组，柱内数字给出土壤C：N比，柱宽与各类生态系统在区域内的面积占比成正比，误差线表示标准差。下方两幅图为SOC含量与POC或MAOC的散点相关，黑色实线标示1：1关系，通过偏离程度与斜率差异可直观判断POC、MAOC对SOC变化的相对贡献与敏感度。
多因子共控碳库：揭示气候、植物、土壤与微生物对POC与MAOC的相对驱动强度
运用291个样点的气候（MAT，年均温度、MAP，年均降水量）、植被（地上生物量、根生物量、凋落物量、多样性）、土壤（pH、黏粒、TN、TP）与微生物（MBC、CUE、真菌/细菌残体碳）数据，通过Pearson相关矩阵与Mantel检验（上）筛选显著关联因子，再以随机森林模型（下）量化各变量对POC、MAOC储量的相对贡献度（%IncMSE）。结果表明：①气候因子（尤其MAP）对MAOC解释力高达28%，但对POC不显著，证实MAOC更易受区域水热条件调控；②土壤黏粒含量与TN、TP共同促进两库累积，黏粒对MAOC贡献最大（30%），反映矿物保护机制；③植物变量中，地上生物量与根生物量分别解释POC的17%与MAOC的11%，表明新鲜碳输入优先进入POC；④微生物因子中，真菌残体碳对POC贡献（9%）显著高于细菌残体，而细菌残体碳与CUE共同解释MAOC的43%，揭示“高CUE→细菌残体→矿物结合”是MAOC形成的关键路径。该图首次在大尺度上剥离出“气候-植物-土壤-微生物”四级驱动框架，为精准识别碳库主控因子、优化土地管理提供了量化依据。
图4.上方热图展示POC与MAOC储量同气候、植物、土壤及微生物因子的Pearson相关系数（蓝色为正，红色为负；圆点深浅与r值成正比，*p<0.05，**p<0.01），并附Mantel检验结果以识别调控两碳库的关键变量；下方随机森林图给出各驱动因素（气候、植物、土壤、微生物）对POC和MAOC方差解释率的相对贡献（%IncMSE）。图中缩写：MAT年均温度，MAP年均降水量，AGB地上生物量，CUE微生物碳利用效率，SOC土壤有机碳，TN全氮，TP全磷，MBC微生物量碳，FNC真菌残体碳，BNC细菌残体碳。微生物残体的气候指纹：揭示真菌-细菌残体碳空间分布的温湿阈值与土层分异
依托同一气候样带291个样点，采用酸解-气相色谱法测定土壤氨基糖（氨基葡萄糖、胞壁酸、氨基半乳糖），以内部标准法定量并换算得真菌残体碳（FNC）与细菌残体碳（BNC），经克里金插值生成0–10cm与10–20cm两层空间分布图；箱线图按年均温（MAT）与年降水（MAP）三梯度划分，ANOVA检验差异显著性。结果显示：①表层土的残体碳总量显著高于亚土层，FNC平均为BNC的2.3倍，与真菌生物量大、细胞壁难分解特性一致；②空间上，FNC与BNC高值区高度重叠，均集中分布于MAT5–10℃、MAP300–500mm的中温带半干旱区，冷干（<5℃，<300mm）或暖湿（>10℃，>500mm）区间显著降低（p<0.05），表明中等水热条件最利于微生物生长与残体累积；③相关性分析（图4）表明FNC与POC相关系数达0.78，而BNC与MAOC相关系数高达0.82，进一步在空间尺度上证实“真菌残体→POC、细菌残体→MAOC”的碳库分化路径。首次在大区域上绘出微生物残体碳的“气候指纹”（图5），为评估土壤碳汇潜力与预测气候变化下残体稳定性提供了关键空间参照。
图5.整个黄土高原的微生物残体碳呈明显的空间分异，表层（0–10cm）含量显著高于亚土层（10–20cm）。年均温度5–10℃、年均降水量300–500mm的区域残体量最高；一旦温度低于5℃或高于10℃、降水低于300mm或高于500mm，残体量均显著下降（p<0.05）。箱形图中箱体上下缘分别代表第一和第三四分位数，横线为中位数，上下延伸条涵盖10%–90%分位范围；不同小写字母表示不同气候区间差异显著。地图界线仅标示研究范围，未必反映公认的国家边界。
微生物碳利用效率的气候格局：揭示CUE空间分异及其与温湿度的负向耦合
基于黄土高原291个样点0–10cm与10–20cm两层新鲜土样，采用¹⁸O-H₂O标记-孵育法（15℃、60%WHC、24h）同步测定DNA合成速率与CO₂释放量，计算微生物碳利用效率CUE（=Cgrowth/Cuptake），经空间插值与气候梯度分组（MAT、MAP三个水平），ANOVA检验差异显著性。结果显示：①区域CUE变化范围0.14–0.59，均值0.36，低于全球平均水平，体现黄土高原普遍贫瘠底物与干旱胁迫下微生物高维持能耗；②空间上CUE呈东南高、西北低，与降水梯度一致，但箱线图揭示其随温湿升高显著下降：MAT<5℃时CUE均值0.52，5–10℃降至0.38，>10℃仅0.25；MAP>500mm时CUE显著低于300–500mm（p<0.05），表明暖湿环境通过提高呼吸成本而降低效率；③土层对比显示0–10cm CUE普遍高于10–20cm，与表层底物充足、微生物活性高相符；④结合图4随机森林结果，CUE对MAOC解释度达9%，且与细菌残体碳显著正相关，提出“温湿↓→CUE↑→细菌残体↑→MAOC累积”的潜在链式机制。图6首次在大尺度上绘出微生物CUE的“负向气候梯度”，为解释气候变化下土壤碳汇方向与强度提供了关键生理参数。
图6.展示：黄土高原微生物碳利用效率（CUE）的空间分布（上图）及其随年均温度（MAT）和年降水量（MAP）的变化。箱体上下缘为第一和第三四分位数，横线为中位数，上下延伸条涵盖10–90百分位；不同小写字母表示p<0.05的显著差异；地图界线仅标示研究范围，不等同于国家边界。综合可得：区域CUE呈东南高、西北低格局，中等冷干条件（MAT5–10℃、MAP300–500mm）下CUE显著高于更冷或更暖、更湿区间，表明温湿升高通过提高呼吸成本而降低微生物碳利用效率。
CUE与残体碳的库际分流：揭示微生物生长效率与死亡残体对POC、MAOC的差异化驱动
利用291个样点实测数据，在0–10cm与10–20cm两层开展线性回归与随机森林耦合分析，系统检验微生物碳利用效率（CUE）、真菌残体碳（FNC）和细菌残体碳（BNC）对颗粒有机碳（POC）与矿物结合有机碳（MAOC）的定量关系。结果显示：①CUE仅与MAOC显著正相关（R²=0.45，p<0.05），与POC及总SOC无显著关系，直接证明“高CUE→细菌合成代谢旺盛→残体-矿物结合”这一MAOC形成路径，而POC受CUE调控微弱；②BNC与MAOC相关性最强（R²=0.82，p<0.01），与POC中等相关（R²=0.62），FNC则与POC高度耦合（R²=0.84，p<0.01），与MAOC关系较弱，进一步在空间尺度上坐实“真菌残体→POC，细菌残体→MAOC”的库际分流机制；③回归斜率指示BNC每增加1g kg⁻¹，MAOC增量达0.78t ha⁻¹，而FNC每增加1g kg⁻¹，POC提升0.71t ha⁻¹，为模型参数化提供定量系数；④结合图4、图6结果，提出“环境胁迫→CUE下降→细菌残体减少→MAOC降低”的潜在气候-微生物-碳库级联框架。图7首次在大区域上同时量化“生长效率”与“死亡残体”对两大碳库的相对权重，为精准评估微生物驱动下的土壤碳汇潜力提供了关键实证依据。
图7.给出三组显著线性回归：CUE仅与MAOC正相关（R²=0.45），与POC不显著；细菌残体碳（BNC）与MAOC相关性最强（R²=0.82），与POC中等相关（R²=0.62）；真菌残体碳（FNC）与POC高度耦合（R²=0.84），与MAOC较弱。综上，微生物生长效率主导MAOC，而真菌、细菌死亡残体分别决定POC和MAOC的累积。
双泵合流：构建微生物碳泵与矿物碳泵耦合框架，阐释CUE与残体碳协同驱动POC、MAOC累积的机制路径
在“微生物碳泵”（microbial C pump）与“矿物碳泵”（mineral C pump）概念基础上，整合全区域观测与计量结果，首次绘制了同时包含“碳输入—微生物代谢—残体形成—矿物保护”全过程的概念模型。核心要点：①植物凋落物与根系分泌物（黑实线）经胞外酶分解后，一部分直接形成POC，另一部分被微生物摄取；②微生物碳利用效率（CUE，蓝实线）决定摄取碳中用于生物量合成的比例，高CUE促进细菌生长与细菌残体碳（BNC）生成，进而通过“包埋效应”与矿物表面结合，驱动MAOC累积；③真菌因具备分解难降解物质能力且细胞壁化学结构稳定，其残体碳（FNC）更多进入POC库，形成“真菌残体→POC”路径；④环境阀门符号显示温度、水分、黏粒含量等因子可在各环节放大或抑制通量，解释图2–图7中观察到的气候与土地利用差异；⑤模型强调仅监测CUE无法预测总SOC变化，必须同时追踪残体碳生成与矿物保护效率，才能准确评估土壤碳汇方向与潜力。将微生物生理过程与土壤物理化学保护机制有机衔接，为下一步构建“可预测、可管理”的土壤碳汇模型提供了理论骨架与参数入口（图8）。
图8.以“微生物碳泵”和“矿物碳泵”为理论框架，描绘碳输入-输出全过程：植物残体经胞外酶分解（黑实线）生成POC，微生物摄取碳后，其碳利用效率（CUE，蓝实线）决定生物量合成比例；微生物死亡后，真菌残体碳主要进入POC，细菌残体碳通过“包埋效应”与矿物结合形成MAOC（红实线），环境因子（阀门符号）调控各路径通量大小。综上，POC与MAOC的累积量由CUE和残体碳共同决定，二者协同驱动土壤有机碳汇。
本研究沿黄土高原900km气候样带同步测定微生物碳利用效率（CUE）与真菌/细菌残体碳（以氨基糖计），发现中等温湿（MAT5–10℃、MAP300–500mm）最利于POC与MAOC共存；CUE仅通过细菌残体碳（BNC）驱动MAOC，而真菌残体碳（FNC）主导POC，二者共同构成“CUE-残体-矿物保护”双泵框架。结果表明，准确评估或提升土壤碳汇需同时监测生长效率与死亡残留，为模型改进与区域增汇管理提供了可验证的生理-物理耦合路径。参考文献：Yang Y , Gunina A , Cheng H ,et al.Unlocking Mechanisms for Soil Organic Matter Accumulation: Carbon Use Efficiency and Microbial Necromass as the Keys[J].Global change biology, 2025(1):31.DOI:10.1111/gcb.70033.