英文题目：Reduction in particulate organic carbon and microbial necromass accumulation drives soil organic carbon depletion following national-scale forest conversion to tea plantations and croplands
中文题目：颗粒有机碳和微生物残体碳是森林向茶园和农田系统转化后损失的主要土壤有机碳组分
期刊名称：Agriculture, Ecosystems and Environment
影响因子：6.4
作者单位：中国农业科学院茶叶研究所
DOI：https://doi.org/10.1016/j.agee.2025.110095
森林是陆地生态系统最重要的碳库之一，在调节全球碳循环、缓解气候变化中发挥关键作用。受经济发展与农业生产需求驱动，我国大面积森林被转变为茶园、农田等集约利用生态系统，这种土地利用变化深刻改变土壤碳库储量与稳定性。土壤有机碳（SOC）是评估土壤质量与生态系统功能的核心指标，现有研究多聚焦区域尺度，证实森林转换会造成SOC损失，但对其组分变化与内在机制认识不足。SOC可分为活性较高的颗粒有机碳（POC）和稳定的矿物结合态有机碳（MAOC），而微生物残体碳（MNC）是稳定SOC的重要来源。目前，全国尺度下森林转为茶园与农田后，POC、MAOC及微生物残体的协同变化规律尚不明确，气候、土壤养分与碳组分间的调控路径也缺乏系统解析。为此，本研究以全国92个产茶县的森林、茶园、农田为对象，揭示森林转换驱动SOC耗竭的关键机制，为优化土地利用模式、提升土壤碳汇功能提供科学依据。
选取中国92个产茶县，布设183个采样点。每对站点（森林、茶园、农田）各生态系统随机选取4个点位，2022年10-11月用直径5cm不锈钢取土器采集0-40cm土层土壤。采集前暂停农田与茶园施肥、灌溉等田间管理，减少人为干扰。各点位样品充分混合为一个混合样。每对站点土壤样品在同一天完成采集，降低采样时间差异影响。样品采集后置于干冰，迅速送实验室。过2.0mm筛去除植物根系、凋落物、岩石等杂质。92个区域共获得549份土壤样品，森林、茶园、农田各183份。每份样品分为两部分：-80℃冷冻用于分子分析；风干用于其他土壤性质测定。
在183个采样点中，森林、茶园和农田的土壤有机碳（SOC）含量范围分别为2.40-71.00、3.5-69.00和18.30-58.80g kg-1。农田的平均土壤SOC含量为13.10g kg-1，较森林（14.80g kg-1）降低11.20%；同时，农田生态系统的平均土壤SOC含量较茶园（14.50g kg-1）降低9.70%（P≤0.05；图1C）。相比之下，茶园的平均土壤SOC含量仅比森林低0.21%。
图1.本研究采样点分布（A）。所有采样点中森林、茶园和农田的土壤SOC含量分布（B）。三种生态系统平均土壤SOC含量差异（C）。*P≤0.05表示差异具有统计学意义。
土壤颗粒有机碳（POC）与矿物结合态有机碳（MAOC）积累
土壤POC、MAOC含量在森林、茶园和农田三种生态系统中表现出相似的变化趋势，但183个采样点之间存在显著差异（图2A-B）。在所有采样点中，森林土壤POC含量变化范围为0.30-21.90g kg-1，茶园为0.20-31.20g kg-1，农田为0.22-15.40g kg-1（图2C）。农田平均土壤POC含量（3.21g kg-1）较森林（3.91g kg-1）显著降低17.90%（P≤0.05）；而森林与茶园之间的平均POC含量无显著差异。所有采样点中，森林、茶园、农田的平均土壤MAOC含量范围分别为0.80-27.80、1.00-23.10和0.30-23.00g kg-1（图2D）。森林与农田、森林与茶园之间的MAOC含量均无显著差异。值得注意的是，农田平均土壤MAOC含量（6.30g kg-1）较茶园（7.00g kg⁻¹）显著降低10.10%（P≤0.05）。
图2.所有采样点中森林、茶园和农田的土壤POC与MAOC含量分布（A和B）。三种生态系统间土壤POC和MAOC平均含量的差异（C和D）。
土壤氨基糖（胞壁酸MurA、氨基葡萄糖GlcN、氨基半乳糖）含量在森林、茶园和农田三种生态系统中表现出一致的变化趋势，但在不同采样点间差异显著。三种生态系统的氨基糖与氨基半乳糖平均含量无显著差异。然而，森林中MurA和GlcN的平均含量显著高于农田，茶园GlcN含量显著高于农田。MurA、GlcN和氨基半乳糖含量与森林、茶园、农田的土壤SOC含量呈极显著相关（P≤0.001）。
土壤FNC（真菌残体碳）、BNC（细菌残体碳）和MNC（微生物残体碳）含量在三种生态系统中表现出一致的变化趋势，但采样点间差异显著（图3A-C）。农田FNC平均含量（3.30g kg-1）较森林显著降低15.20%（图3D）。农田FNC平均含量（1.18g kg-1）较茶园（1.40g kg-1）低15.70%（图3E）。同时，茶园BNC平均含量较森林（1.22g kg-1）显著升高16.70%。农田MNC平均含量（4.00g kg-1）分别较茶园（4.70g kg-1）和森林（4.50g kg-1）降低14.90%和11.10%（P≤0.05；图3F）。
森林、茶园、农田中FNC占SOC的平均比例分别为24.20%、22.70%、23.30%；BNC占SOC的比例分别为9.10%、9.90%、9.60%；MNC占SOC的比例分别为33.10%、32.40%、32.0%（图3G-T）。FNC/SOC与MNC/SOC在三种生态系统间均无显著差异（图3H、J）。森林中BNC/SOC平均比例（8.80%）显著低于茶园（9.71%）和农田（10.03%）（图3E-F）。随机森林分析显示，土壤全氮（TN）含量是预测三种生态系统FNC、BNC、MNC含量的首要因子，其次为碳氮比（C：N）（P≤0.05）。海拔是茶园BNC与农田FNC的关键预测因子；年均温（MAT）是三种生态系统土壤FNC和MNC的核心预测因子。
图3.所有采样点中森林、茶园和农田的土壤FNC、BNC及MNC含量分布（A、D和G）；三种生态系统间土壤FNC、BNC、MNC平均含量差异（B、E、H）及其对土壤有机碳（SOC）的贡献差异（C、F和I）。*P≤0.05表示差异显著；ns：P>0.05。
在森林、茶园和农田生态系统中，FNC、BNC及MNC含量均与POC、MAOC和土壤SOC含量呈显著线性回归关系（图4A-I）。与森林相比，茶园和农田中FNC与SOC的回归系数更大，茶园中FNC与POC的回归系数也更大；而农田中FNC与POC的回归系数更小，FNC与MAOC的回归系数更大（P≤0.01，图4A-C）。农田生态系统中BNC与SOC、POC的回归系数，以及茶园和农田中BNC与MAOC的回归系数，均显著低于森林生态系统（P≤0.05，图4D-F）。此外，与森林相比，农田中MNC与POC的回归系数更小，而BNC与MAOC的回归系数更大（P≤0.01，图4G-I）。
图4.所有采样点中，森林、茶园和农田的土壤FNC（A-C）、BNC（D-F）及MNC（G-I）含量与土壤SOC、POC、MAOC含量的回归关系。*P≤0.05；**P≤0.01；***P≤0.001表示差异具有统计学意义；ns：P>0.05。
随机森林分析与结构方程模型（SEM）一致表明，土壤TN含量对森林、茶园和农田生态系统中POC、MAOC及土壤SOC的积累具有显著作用（P≤0.05；图5）。结果显示，土壤TN含量不仅直接影响土壤有机碳含量，还通过调控颗粒有机碳和矿物结合态有机碳含量产生间接影响。C：N、MNC含量、海拔及MAT同样是影响三种生态系统中POC、MAOC与SOC含量的重要预测因子（图6）。在森林生态系统中，MAT是关键外部因子，直接影响SOC、POC和MAOC含量，并通过调控土壤TN与MNC含量产生间接效应。此外，FNC通过调节POC和MAOC含量间接影响森林土壤SOC含量（图5）。在茶园生态系统中，海拔是关键外部因子，直接影响SOC、POC和MAOC含量，并通过调控土壤TN含量与C：N产生间接效应。同时，FNC直接影响茶园SOC含量，并通过调节POC和MAOC含量发挥间接作用（图5）。在农田生态系统中，海拔通过调控土壤TN含量、C：N及FNC含量，间接影响SOC、POC和MAOC含量。细菌残体碳则通过调节POC和MAOC含量，间接影响农田土壤SOC含量（图5）。
图5.结构方程模型（SEM）展示调节森林、茶园和农田土壤有机碳（SOC）含量的关键因素和途径。蓝色和橙色线条分别表示正向与负向路径，灰色虚线表示不显著路径。箭头旁标注标准化路径系数。模型下方列出结构方程模型的拟合优度指标。模型中预测因子的显著性水平：*P≤0.05；**P≤0.01；***P≤0.001。MAT，年均温；POC，颗粒有机碳；MAOC，矿物结合态有机碳；FNC，真菌残体碳；BNC，细菌残体碳；MNC，微生物残体碳，TN，全氮；C/N，土壤有机碳与全氮比值；RMSEA，近似均方根误差。
分析表明森林转为农田所导致的POC、MAOC和SOC含量差异，主要归因于土壤养分变化，其次是土壤MNC含量变化（图6A）。森林转为茶园所导致的MAOC和SOC含量差异，主要与土壤养分变化相关；而POC含量差异则主要与MNC含量变化相关（图6B）。具体而言，土壤TN含量与C：N的改变，是导致森林转为农田和茶园后POC、MAOC及SOC含量产生差异的关键因素（P≤0.05，图6）。研究表明，BNC含量变化是导致森林转为农田后POC含量差异的关键决定因素。而POC与MAOC含量变化则是导致SOC含量差异的核心组分（P≤0.05）。此外，MNC含量变化是驱动森林转为茶园后MAOC和POC含量差异的关键因子；而POC、MAOC含量变化及海拔则是导致SOC含量差异的主要因素（P≤0.05；图6）。
图6.森林转换为茶园（A）和农田（B）过程中，驱动土壤SOC、POC和MAOC含量变化的关键因子多元回归模型。*P≤0.05；**P≤0.01；***P≤0.001。MAT，年均温；MAP，年均降水量；MNC，微生物残体碳；P，磷；K，钾；Al，铝；Ca，钙；Mg，镁；Fe，铁；Mn，锰；Cu，铜；Zn，锌；TN，全氮；C/N，土壤SOC与TN比值。
本研究基于183个采样点，探讨森林转为茶园与农田后土壤SOC及其组分、微生物残体碳的变化特征与驱动机制。结果显示，森林、茶园、农田SOC含量范围分别为2.40-71.00、3.50-69.00和18.30-58.80g kg-1，农田平均SOC显著低于森林与茶园，茶园与森林无显著差异。POC、MAOC在三种生态系统中格局相似，农田POC较森林显著降低，MAOC仅在农田与茶园间存在显著差异。土壤氨基糖与MNC结果表明，森林胞壁酸、氨基葡萄糖含量显著高于农田，茶园氨基葡萄糖高于农田；农田FNC、BNC、MNC均显著降低，茶园BNC显著高于森林。MNC及其组分与SOC、POC、MAOC呈显著线性相关，农田更依赖MAOC稳定碳库。
随机森林分析与SEM显示，土壤全氮是调控SOC、POC、MAOC积累的核心因子，C：N、海拔、MAT与MNC也是重要驱动因子。森林受MAT主导，茶园与农田受海拔调控显著。森林转农田导致SOC下降主要由土壤养分变化驱动，其次为MNC降低；转茶园对MAOC与SOC的影响以养分为主，对POC的影响以MNC为主。总体而言，森林转为农田对土壤碳库与微生物残体的负面影响更强，转为茶园相对温和，为土地利用优化与土壤碳固持提供科学依据。
Yang X, Jiang P, Guo J, et al. Reduction in particulate organic carbon and microbial necromass accumulation drives soil organic carbon depletion following national-scale forest conversion to tea plantations and croplands[J]. Agriculture, Ecosystems & Environment, 2026, 397: 110095.