基于氫氧同位素的油茶果實生長高峰期水分來源量化

岳伶俐，夏 雄，胡德勇，肖衛華，張文萍，許文彬，吳友杰

基于氫氧同位素的油茶果實生長高峰期水分來源量化

岳伶俐，夏 雄，胡德勇，肖衛華，張文萍，許文彬，吳友杰※

（湖南農業大學水利與土木工程學院，長沙 410128）

量化丘陵區油茶果實生長高峰期水分來源，對油茶林的科學灌溉和生態管理至關重要。該研究以3～5年生的幼年油茶為對象，利用氫氧穩定同位素，分析果實生長高峰期油茶木質部水和根系活動層土壤水的同位素組成，應用線性混合模型和貝葉斯混合模型（MixSIAR）量化油茶根系吸水來源。結果表明：在果實生長高峰期，油茶主要利用0～30 cm土層土壤水，相比第一生長高峰期（4—6月），第二果實生長高峰期（7—8月）的油茶吸水深度有所增加，其中，0～30、>30～60和>60～100 cm的貢獻率分別為51.3%、28.2%和20.5%，3個土層（單位體積）對油茶根系吸水的貢獻量分別為149.6、81.1和58.7 mm。線性混合模型和MixSIAR模擬的各土層土壤水對油茶的貢獻比例略有差異，但結論基本一致。該研究可為制定南方丘陵區幼年油茶適宜灌溉制度及促進林地水肥一體化建設提供參考。

土壤；水分；同位素；油茶果實生長高峰期；水分利用；MixSIAR模型

0 引 言

油茶（）為山茶科山茶屬的常綠小喬木或灌木，是康養價值、經濟價值和生態價值極高的一種經濟林木[1]，主要分布在中國湖南、江西、廣西等地。油茶生命周期長，從花芽分化到果實成熟歷時達12個月，在其兩個果實生長高峰期（4—6月和7—8月）適量水分補給是豐產的關鍵[2]，然而，目前針對油茶果實生長高峰期油茶水分來源量化的研究鮮有報道，缺少對該時期油茶水分利用策略的認識，不利于水肥一體化進程和油茶的高質量發展。開展有關油茶果實生長高峰期水分分布規律研究，量化其水分來源，可為合理管護油茶林提供科學依據，促進油茶林水肥一體化建設。

穩定氫氧同位素貫穿于農林生態系統水分循環的全過程，是確定植物水分來源的有效工具之一，相比傳統的水文研究方法，如水量平衡、空氣動力學和模型估算等方法，穩定同位素方法的優勢主要體現在其精量、精細、精準性及其可控性[3]，常常結合同位素模型，如端元線性混合模[4]、IsoSource模型[5]、吸水深度模型[6]、動態模型[7]和貝葉斯混合模型[8]對植物吸水來源進行量化。前人研究指出，大部分灌木水分利用來源具有較強的靈活性和適應性，能綜合利用土壤水、地下水、雨水和河水，土壤水是其主要水源[9]，深根灌木主要利用深層土壤水或地下水[10]。如山雞椒隨旱雨季的交替，從均勻利用0～50 cm土層土壤水轉變為主要利用0～10 cm（82.2%）土層土壤水[11]；沙棘在生長的水分來源在0～40 cm土層和>40 cm土層土壤水之間靈活轉換[12]；達烏里胡枝子利用60 cm以下的土壤水分，雨季則吸收 20～40 cm土壤水分[10]等。劉自強等[13-14]利用直接對比法和多源線性混合模型探究發現側柏與栓皮櫟、胡枝子、油松與荊條、栓皮櫟、小葉鼠李主要水分利用來源相似，樹種之間存在水分競爭，不建議混交；荊條與構樹、栓皮櫟與油松、構樹主要水分來源的土壤深度正好互補，是物種組合種植的最佳選擇；荊條水分利用十分靈活，可將其用于修復環境惡劣、生態破壞嚴重區域。有關中國主要農作物冬小麥[15]、玉米[16]和棉花[17]的吸水來源的分析和量化結果表明：夏玉米和棉花兩種植物的根系吸水深度在前期基本一致，在成熟期由于根系發育存在較大差異，棉花在整個生育期內水分來源由淺變深，且低額高頻的灌溉制度可以促進棉花對水分的利用率，提供合理灌溉的科學依據，有效提高作物產量。

綜上，有關灌木和中國主要農作物的水分來源已有大量研究成果，然而油茶水分來源的量化研究仍然有限，對油茶不同果實生長高峰期的水分利用策略有待深入研究。通過研究作物水分來源，量化各水源貢獻比例，篩選出當地的優勢物種或者適合搭配種植組合，有利于緩解水資源壓力，遏制環境惡化，促進生態恢復[18]，對農林生態系統的合理配置與管理和作物提質增產有重要指導意義[19]。本文利用氫氧穩定同位素，結合直接對比法、線性混合模型和貝葉斯混合模型（MixSIAR）探究長沙丘陵區油茶根系吸水來源，并量化各潛在水源的貢獻比例，以期為油茶栽培經營管理和水肥一體化建設提供理論與實踐基礎。

1 材料和方法

1.1 研究區概況

試驗樣地位于長沙國家油茶工程技術研究中心核心育種基地油茶種質資源收集圃（28°12′N，113°06′E），為丘陵山地，平均海拔90 m，屬于典型亞熱帶季風性濕潤氣候，平均氣溫17.2 ℃，年均降水量1 218.3 mm。試驗區土壤類型為紅壤，具體土壤物理性質見表1?；噩F有油茶林20.1 hm2左右，種植密度為1 500 株/hm2，油茶林平均樹高1.8 m，平均冠幅為1.2 m×1.4 m，品種主要為湘林系列。

表1 土壤特性參數

1.2 樣品采集

為探究油茶果實生長高峰期水分利用策略，分別于2019年和2020年的4—8月進行植物和土壤分層取樣以及降雨的收集，其中4—6月為第一果實生長高峰期，7-8月為第二果實生長高峰期[2]。油茶和土壤取樣每月上中下旬各一次，均在雨后1～3 d的10:00—12:00之間取樣，通過全自動真空冷凝抽提系統（LI-2000，LICA，China）進行水分抽提裝置（低溫真空蒸餾法[20]）抽提油茶和土壤水樣，降雨通過自制降雨采樣器收集，為減少水樣蒸發時同位素發生分餾對結果的不利影響，所有水樣在測定同位素前置于-17 ℃冷凍保存。

1）油茶樣品采集：每次隨機選取3～5年生的油茶（朝霞品種）3株，分別剪取2～5 cm已木質化小枝條數根，迅速剝離其外皮和韌皮部，纏上Parafilm膜后，立即裝入10 mL玻璃瓶中冷凍保存，等待水分抽提和同位素組成測定。

2）土壤樣品采集：在選取的油茶附近1 m左右（前期試驗和前人研究表明3～5年生油茶根系主要分布在100 cm以上土層），利用土鉆分別采集0～5、>5～10、>10～20、>20～40、>40～60、>60～80、>80～100 cm土層土壤水，每層3個重復，取樣時間和油茶取樣同時進行，所采集土壤樣品均分成兩部分，一部分用于烘干法測定土壤含水率，剩下部分冷凍保存，用于抽提水分和土壤水穩定同位素測量。

3）降雨樣品采集：取樣點隨機放置3個直徑10 cm、高20 cm的鐵質收集桶（自制降雨采樣器），為減少水樣蒸發帶來的誤差，桶口放置一個塑料漏斗，并于漏斗內放置一個塑料小球，每場降雨結束后半小時內，將雨水過濾后收集，冷凍保存至同位素測定。

4）其他數據：降雨量（mm）通過試驗基地微型自動氣象觀測站（HOBOware U30，Onset Computer Crop，USA）同步記錄，氣象站每分鐘進行一次采樣工作，考慮到試驗所需為每月累積降雨量，將氣象站數據記錄間隔調整為15 min/次。

1.3 數據分析

采用液態水同位素分析儀（PICARRO L2130-i，Picarro，USA）測定油茶和土壤水樣的穩定氫氧同位素組成（‰），其結果用相對于維也納標準平均海洋水（V-SMOW）的千分差表示，如公式（1）[21]。

式中sample和standard分別表示樣品和V-SMOW中的穩定氫氧同位素比率（18O/16O或D/H），測量標準差分別為δ18O <0.1‰和δD < 2.0‰。

土壤水對油茶的水量貢獻，用公式（2）[22]計算，可累積估算某時段內油茶根系從各土層儲存水中利用的水量。

式中Q表示土層對油茶的貢獻水量，mm；f為水源的貢獻率，%；θ表示第個計算時段土層的體積含水率，%（計算時段為3～5 d）；H表示土壤厚度，mm（0～30、>30～60 cm和>60～100 cm的土層厚度分別為300、300和400 mm）。

因為本文研究對象為幼年油茶，植物水分來源僅考慮1 m以內的土壤，通過分析不同深度土壤含水率和土壤水同位素特征，結合油茶根系分布情況[1]，將土壤分為0～30、>30～60、>60～100 cm三個土層計算油茶水分來源，所用模型如下：

1）直接對比法。將油茶木質部和土壤水同位素進行對比分析，二者相交或接近區域即可作為該植物的主要水分來源，二者越接近，說明植物對該水源的利用比例越大[21]。

2）線性混合模型。初步判斷油茶水源后，利用基于同位素質量平衡的多元線性混合模型確定各潛在水源對植物（油茶）根系吸水的貢獻大小[4]，計算見公式（3）[21]。通過規劃求解計算不同日期潛在水源對油茶水分的貢獻率；在計算過程中，若某種水源的貢獻率低于0，則認為油茶沒有利用該水源，結果記作0，當某種水源貢獻率等于1時，則認為油茶水源完全來自該水源，結果記作100%。

式中δD、δ18O和δD、δ18O分別代表植物和其水源的氫和氧同位素組成。

3）貝葉斯混合模型MixSIAR。MixSIAR模型可以通過選擇固定/隨機效應（Fixed/random effects）、源數據類型、先驗分布和誤差項來估計源的貢獻比例，相較于其他模型，其融合了各個潛在水源同位素組成的所有可能及其不確定性，其計算結果更加準確[23]。MixSIAR基于R語言，利用數據添加法MCMC（Markov Chain Monte Carlo），在大量觀測數據的基礎上，添加分餾參數完成一系列簡單的極大化或模擬，得到后驗分布密度[24]。其步驟為：1）數據準備。需要提前準備植物混合水源（Mixture）、潛在水源（Sources）和分餾參數Discrimination（TDF）三個csv.數據文件，Mixture和Sources兩個文件分別為油茶木質部水和各土層土壤水同位素全部原始數據；TDF在默認無同位素分餾的情況下，數據可設為0。2）模型運行。在R語言中加載Mixture、Sources和TDF文件后，將馬爾可夫鏈蒙特卡羅（MCMC）運行時長設為normal，選擇誤差結構Residual Only。3）結果檢驗。結果通過Gelman和Geweke兩種方法確定是否收斂，若不收斂則返回至第二步，增加MCMC運算時長（long或very long），直至結果收斂，模型輸出結果通過平均值表示[25-26]。

在得到油茶果樹生長高峰期水分來源后，為探究三元線性混合模型和貝葉斯混合模型在丘陵區量化油茶水分來源的適用性，選用均方根誤差RMSE、2和平均絕對百分比誤差MAPE共3個指標對模型結果進行評估[6]。

2 結果與分析

2.1 降雨、土壤水和植株水同位素特征

降雨數據和不同水分穩定同位素值分布見圖1，降雨δD和δ18O的范圍分別為-150.12‰～-0.52‰和-19.97‰～-1.76‰，平均值分別為-95.45‰±36.92‰和-13.08‰±4.45‰，對降雨氫氧同位素進行回歸分析，得到林地降水線（LMWL，Local Meteoric Water Line）：δD=8.29δ18O+12.99（2=0.99），其斜率和截距均高于全球大氣降水線（GMWL，Global Meteoric Water Line），反映林地的溫暖濕潤氣候[27]。試驗期內，林地降雨情況如圖1b所示，2019年和2020年研究時段降雨量分別為701.6和713.6 mm，分別占全年降雨總量的67.6%和46.9%，且月平均降雨氫氧同位素值隨降雨量的增加而減小。土壤水δD和δ18O的范圍分別為-77.34‰～-0.49‰和-11.27‰～-1.07‰，平均值分別為-50.20‰±18.68‰和-7.04‰±2.56‰，對土壤水氫氧同位素進行回歸分析得到土壤水線（SWL，Soil Water Line）：δD=6.72δ18O-3.52（2=0.85）。土壤水和植株水同位素均集中分布在降水線的右上角，油茶木質部水δD和δ18O大部分分布在土壤水同位素值的分布區間，說明土壤水是油茶的主要水源[28]。

不同深度土壤水同位素值差異明顯，如圖2所示，0～30 cm土壤水同位素富集，且隨著土壤深度增加急劇減小，因為該層土壤水存在強烈蒸發，同時受降雨重同位素補給影響[20]。30～100 cm土壤水同位素值變化幅度隨土壤深度的增加而逐漸減小，油茶木質部水同位素基本與0～100 cm土壤水同位素相交，在第一油茶果實生長高峰期主要相交于0～30 cm深度，第二果實生長高峰期相交深度逐漸加大，由此可推測第一果實生長高峰期油茶主要利用0～30 cm土壤水，第二生長高峰期水分來源于更深土層。

2.2 油茶木質部水與土壤水源同位素的關系

如圖2所示（因為δD和δ18O同油茶木質部水同位素的關系表現出良好的一致性，但在植物水分運輸中δD變化更顯著，所以本文選擇以δD為例），第一果實生長高峰期油茶木質部水同位素值接近0～30 cm土壤水同位素值，且同該土層土壤水存在交點，如2019年在20 cm處存在1個交點，2020年同10 cm處土壤水相交，表明該時期油茶主要水源來自0～30 cm土層。第二果實生長高峰期油茶木質部水與0～60 cm土壤水存在交點，其中2019年油茶木質部水與0～60 cm土壤水較接近，在40 cm處存在1個交點，2020年油茶木質部水同位素同土壤水同位素交點出現在5 cm土層，但>60～100 cm土層土壤水同位素也存在靠近油茶水分同位素值的趨勢，所以初步判斷第二果實生長高峰期油茶水分來源主要是0～30 cm土層，同時，對其余兩個土層的土壤水也有所利用。

2.3 潛在水源對油茶的貢獻率

2.3.1 線性混合模型計算結果

在直接對比的基礎上，利用線性混合模型計算油茶水分來源比例，結果見表2，試驗期內油茶對0～30、>30～60和>60～100 cm土層土壤水的利用率（2 a兩個生長高峰期平均值）分別為70.6%、16.0%和13.4%，其中第一果實生長高峰期對0～30 cm土壤水的利用達到83.5%±0.24%（2 a平均值，下同），而>30～60和>60～100 cm土層土壤水的貢獻率僅為9.3%±0.20%和7.4%±0.16%；第二果實生長高峰期對0～30 cm土壤水的利用率為58.0%±0.24%，分別有22.6%±0.24%和19.4%±0.19%水源來自>30～60和>60～100 cm土層土壤水。從結果可以判斷，試驗期內油茶主要利用0～30 cm土層土壤水，相比第一果實生長高峰期，第二果生長高峰期對深層次土壤水的利用有所增加，如油茶對0～30 cm土層土壤水的利用，2019年第二高峰期（65%）相比2019年第一高峰期（85%），減少了20%，2020年則減少了31%；而油茶對>30～60和>60～100 cm土層土壤水的利用，2019年第二高峰期（21%和14%）相比2019年第一高峰期（9%和6%）分別增加了12%和8%，2020年則分別增加了14%和17%。

表2 油茶對土壤水的利用比例

2.3.2 貝葉斯混合模型MixSIAR計算結果

圖3為貝葉斯混合模型MixSIAR模擬得到的各土層土壤水對油茶貢獻率所有可行解的貢獻率直方圖，橫坐標表示各層土壤水對油茶的貢獻率，其值越接近1表明該層水源對油茶的貢獻越大；縱坐標表示各層水源對油茶的某一貢獻率所出現的頻率，各層土壤水對油茶的貢獻越大，出現的頻率越高表明油茶利用該層土壤水的可能性越大。

如圖3所示，0～30 cm土層土壤水對油茶的貢獻率60%～80%區段對應頻率最高，為50%～60%，而>30～60和>60～100 cm土層對油茶的貢獻10%～30%出現的頻率最大，表明2019年油茶果實第一生長高峰期主要水分來源為0～30 cm土層，其可能貢獻范圍為60%～80%。其計算結果同線性混合模型結果基本一致，油茶主要水源均為0～30 cm土層土壤水，故兩種模型均適用于計算丘陵區油茶根系吸水來源，考慮到線性混合模型至多計算三個水源，當水源較為復雜的情況下貝葉斯混合模型MixSIAR更適合。從表3可以看出，試驗期內油茶對0～30、>30～60和>60～100 cm土層土壤水的利用率（2 a兩個生長高峰期平均值）分別為51.3%、28.2%和20.5%，對應單位體積土壤貢獻量分別為149.6、81.1和58.7 mm，其中第一果實生長高峰期三個土層2 a平均貢獻率分別為60.8%、23.0%和16.3%，對應單位體積土壤貢獻量分別為184.0、60.7和49.2 mm；第二高峰期分別為41.8%、33.6%和24.7%，對應單位體積土壤貢獻量分別為115.3、92.5和68.1 mm。

表3 油茶根系吸水情況

注：水量貢獻僅考慮單位體積的土壤。

Note: The contribution of water only takes into account per unit volume of soil.

3 討 論

3.1 土壤含水率和同位素特征

結合土壤含水率和同位素組成變化，可以掌握土壤剖面中的水分運移規律，研究潛在水源的同位素特征是判斷研究區植物水分來源的關鍵[29]。本研究中，土壤水同位素值在0～20 cm富集，且呈現急劇降低的趨勢，說明油茶林地蒸發效應主要發生在0～20 cm土層，結論同戴軍杰等[22]在長沙地區樟樹林得到土壤蒸發作用僅在0～10 cm土層顯著的結論相一致，蒸發效應隨著土壤深度的增加而消退，從而20 cm以下土壤同位素值變化較為穩定。兩個果實生長高峰期土壤含水率的變化趨勢存在差異，第一高峰期0～30 cm土層含水率逐漸下降，>30～100 cm土層土壤含水率逐漸上升，在30 cm土層處土壤含水率表現出最低水平；而第二高峰期0～100 cm土壤含水率均逐漸上升，但含水率低于第一高峰期同時段含水率。Zhao等[30]研究發現騰格里沙漠三種固沙灌木能夠根據環境條件調節其用水行為，在深層土壤水含率豐富時利用深層土壤水，在淺層土壤含水率豐富時轉而利用淺層土壤水；河岸植物在強降雨補充淺層土壤水分的情況下，對0～40 cm土層利用率較高[29]；新疆地區棉花和楊樹主要水分來源分別是0～40和0～60 cm土層土壤水，棉花田和楊樹林土壤含水率分別在0～40和0～60 cm逐漸降低[19]。同理，第一高峰期0～30 cm土壤含水率的下降，一方面是因為0～20 cm土層土壤水分通過蒸發作用參與大氣循環，另一方面是因為林地0～30 cm土層土壤水作為水源被油茶根系吸收利用；第二高峰期土壤含水率隨著土層深度增加而增加，但總體低于第一高峰期，表明油茶減少了對0～30 cm土層土壤水的利用，轉而增加了對>30～100 cm土層土壤水的利用。

3.2 油茶水分利用策略

植物的水分利用策略會隨著植物林齡、所處環境、細根分布和需水量等因素變化而變化[31]。3～5年生的幼年油茶主要利用0～30 cm土層土壤水，第一果實生長高峰期油茶對0～30 cm土壤水（2 a平均貢獻率60.8%）的吸收最多，相比于第一高峰期，第二果實生長高峰期油茶對>30～100 cm土層土壤水的利用均有所增加，>30～60（2 a平均貢獻率33.6%）和>60～100 cm（2 a平均貢獻率24.7%）土層分別增加了10.6%和8.4%，田日昌等[1]研究指出90 cm土層附近是50年生油茶主要耗水區域，可見油茶會隨著樹齡的增長而調整水分利用策略。不同林齡中間錦雞兒的水分利用來源對降雨的響應相同，吸水層位均隨著降雨的增加而上移，雨前中間錦雞兒水分主要來自0～150 cm土層，雨后1 d根系吸水來源于0～10 cm，雨后5 d根系吸水層位由恢復至雨前10～150 cm[32]；靈活的水分利用策略揭示了植物群落對干旱的響應機制。油茶第二果實生長高峰期對0～30 cm土層水分（2 a平均貢獻率41.8%）的利用明顯低于第一高峰期，這是因為長沙地區降雨主要集中在4—6月，在第二高峰期淺層土壤因蒸發作用散失水分而降雨補充較少，如2019年第二高峰期降雨量為196.8 mm（占全年降雨比例僅16.2%），而第一高峰期則高達504.8 mm（占全年降雨比例達41.4%），從而第二高峰期淺層土壤環境相對第一高峰期而言較為干旱，油茶只能通過對更深層次土壤水的利用維持自身活動，油茶在果實生長高峰期同其他灌木一樣表現出了對干旱條件的響應。如表4所示，降雨后，地表含水充足，多數植物偏向于吸收利用表層土壤水，試驗期內降雨量總體偏多，而植物吸水深度范圍同其根系分布相一致[10]，灌木的根系分布深度一般在1 m以內[33]，故幼年油茶主要利用0～30 cm土層土壤水。

表4 部分植物降雨前后水源對比

3.3 確定油茶水分來源不同模型的比較

直接對比法能定性分析油茶根系吸水來源，在初步判斷油茶潛在水源的基礎上，利用線性混合模型和MixSIAR模型計算出各潛在模型對油茶的貢獻率。水源量化分析模型性能的評估結果如表5所示：兩種模型的預測結果均有較高的可靠性，三元線性混合模型模擬結果可靠性略低于貝葉斯混合模型MixSIAR，但MixSIAR對數據的精度要求較高，三元線性混合模型又只能探究3個或3個以下水源，因此在丘陵地區幼年油茶水源量化兩種模型均可，當水源較為復雜時MixSIAR更為合適。直接對比法只能對油茶水分來源進行初步的定性分析，且當木質部水同位素和土壤水同位素存在0個或多個交點時，無法確定其水源，同張宇[6, 35]等研究結果一致。雖然三元線性混合模型只能滿足3種潛在水源的計算，但當水源數超過3時，可通過不同方法將水源分為3組進行模擬，確定對植物水分來源[6-7]。貝葉斯混合模型MixSIAR通過考慮植物木質部水和潛在水源同位素組成的空間差異性，減少源值和先驗信息的不確定性，是目前3種貝葉斯混合模型（MixSIR、SIAR、MixSIAR）中的最佳模型[21]，但對數據要求較高，當植物木質部水和各潛在水源同位素組成的標準差越小時，模型模擬結果的可信度越高[20]。本研究中線性混合模型和MixSIAR均能夠精確模擬出幼年油茶主要吸水層及對各土層土壤水的利用比例，雖然模擬出的各土層的貢獻率存在一定差異，這與模型的算法存在直接關系[6]，但兩種模型得到的結論一致。

表5 線性混合模型與MixSIAR預測性能對比

3.4 油茶高產林管理啟示

綜上所述，油茶在果實生長高峰期主要利用0～30 cm土層土壤水，但不同時期的油茶水分利用特征存在差異，分析油茶林水分利用差異，可以為紅壤丘陵區油茶高產林建設提供合理的管理方法[20]。3～5年生油茶營養生長和生殖生長同時進行，需要大量水分和養分，需要加強管理，此時油茶根系發展尚未完善，主要吸收0～30 cm土壤水，當淺層土壤環境較為干旱時，油茶可以適當調整吸水深度，適應水分環境的變化，為確保幼年油茶能更好的吸收利用土壤水，建議對其進行覆蓋，以減少土壤蒸發耗水。油茶果實發育期容易受到高溫干旱的影響，若環境較為干旱，其果實出籽率、出仁率和仁含油率均會大幅度降低，所以適當水分補給是保證油茶豐收的關鍵[2]。同時，隨著冠幅的不斷生長，油茶蒸騰耗水逐漸增加，又主要吸收利用0～30 cm土層土壤水，使淺層土壤含水率驟減，減少了可利用水分的比率，為了保證淺層土壤水對幼年油茶的供給，適當在0～60 cm土層進行灌溉并對表層土壤進行覆膜處理以減少非生產性耗水，不同時期灌溉策略也有所差異，因為油茶果實通過不斷“吸水”而膨大，在第一生長高峰期其增長速度開始變快，而第二高峰期則迅速增長，所以在油茶第一個果實生長高峰期重點補給0～30 cm土層，在第二個生長高峰期要保證>30～60 cm土層土壤水含量；另外，對油茶進行修剪工作，減少蒸騰耗水及土壤水分消耗，可適當恢復土壤含水率和促進油茶林健康發展。南方降雨量豐富，但集中于春夏兩季，為探究不同樹齡油茶在南方丘陵地區的長期適應性，如何充分利用入滲至土壤淺層的雨水，減少灌溉，實現土壤水分可持續，油茶高產林改造有待進一步研究。

4 結 論

1）在南方丘陵區，3～5年生油茶根據不同水源的可利用性，靈活調整根系吸水深度，其水分利用策略為資源依賴型，幼年油茶果實生長高峰期主要水分來源為0～30 cm土層，相比第一高峰期，第二高峰期油茶對>30～100 cm土層土壤水的利用比例有所增加。線性混合模型結果顯示在果實生長高峰期，0～30、>30～60和>60～100 cm土層的貢獻率分別為70.6%、16.0%和13.4%；MixSIAR結果顯示三個土層的貢獻率分別為51.3%、28.2%和20.5%，單位體積的三個土層對油茶的貢獻分別為149.6、81.1和58.7 mm。

2）線性混合模型和MixSIAR對油茶根系吸水來源量化模擬結果的均較可靠，相比線性混合模型，MixSIAR模擬出的各土層的貢獻率更為均勻，雖然兩個模型得到的各土層土壤水對油茶的貢獻率略有差異，但得到的結論都為0～30 cm土層土壤水是幼年油茶主要水源，所以線性混合模型和MixSIAR均適用于探究南方丘陵幼年油茶林的水分來源。

[1] 田日昌，陳洪松，王克林. 雨季紅壤坡地油茶林土壤水勢變化特征及耗水規律[J]. 生態與農村環境學報，2008，24(3)：39-44.

Tian Richang, Chen Hongsong, Wang Kelin. Soil water potential dynamics and water consumption of oil-tea camellia woods on slopeland of redsoil during rainy season[J]. Journal of Ecology and Rural Environment, 2008, 24(3): 39-44. (in Chinese with English abstract)

[2] 陳隆升，羅佳，陳永忠，等. 油茶果實生長高峰期養分分配特征[J]. 中南林業科技大學學報，2019，39(4)：11-15.

Chen Longsheng, Luo Jia, Chen Yongzhong, et al. Nutrient distribution characteristics ofin fruit growth peak period[J]. Journal of Central South University of Forestry & Technology, 2019, 39(4): 11-15. (in Chinese with English abstract)

[3] Barbeta A, Jones S P, Clavé L, et al. Unexplained hydrogen isotope offsets complicate the identification and quantification of tree water sources in a riparian forest[J]. Hydrology and Earth System Sciences, 2019, 23(4): 2129-2146.

[4] Flanagan L B, Orchard T E, Tremel Tyler N, et al. Using stable isotopes to quantify water sources for trees and shrubs in a riparian cottonwood ecosystem in flood and drought years[J]. Hydrological Processes, 2019, 33(24): 1-14.

[5] 劉樹寶，陳亞寧，陳亞鵬，等. 基于穩定同位素技術的黑河下游不同林齡胡楊的吸水深度研究[J]. 生態學報，2016，36(3)：729-739.

Liu Shubao, Chen Yaning, Chen Yapeng, et al. Study on the depth of water uptake bytrees of different ages in the lower reaches of the Heihe River, based on the stable isotope techniques[J]. Acta Ecologica Sinica, 2016, 36(3): 729-739. (in Chinese with English abstract)

[6] 張宇，張明軍，王圣杰，等. 基于穩定氧同位素確定植物水分來源不同方法的比較[J]. 生態學雜志，2020，39(4)：1-16.

Zhang Yu, Zhang Mingjun, Wang Shengjie, et al. Comparison of different methods for determining plantwater sources based on stable oxygen isotope[J]. Chinese Joumal of Ecology, 2020, 39(4): 1-16. (in Chinese with English abstract)

[7] 鞏國麗，陳輝，段德玉. 利用穩定氫氧同位素定量區分白刺水分來源的方法比較[J]. 生態學報，2011，31(24)：7533-7541.

Gong Guoli, Chen Hui, Duan Deyu. Comparison of the methods using stable hydrogen and oxygen isotope to distinguish the water source of[J]. Acta Ecologica Sinica, 2011, 31(24): 7533-7541. (in Chinese with English abstract)

[8] Wang J, Lu N, Fu B J. Inter-comparison of stable isotope mixing models for determining plant water source partitioning[J]. Science of the Total Environment, 2019, 666: 685-693.

[9] 朱建佳，陳輝，邢星，等. 柴達木盆地荒漠植物水分來源定量研究：以格爾木樣區為例[J]. 地理研究，2015，34(2)：285-292.

Zhu Jianjia, Chen Hui, Xing Xing, et al. Quantification analysis of water sources of desert plants in Qaidam Basin: A case study of Golmud plot[J]. Geographical Research, 2015, 34(2): 285-292. (in Chinese with English abstract)

[10] 常恩浩，李鵬，張鐵鋼，等. 旱季雨季對黃土丘陵退耕區植被根系分布及水分利用的影響[J]. 農業工程學報，2016，32(24)：129-138.

Chang Enhao, Li Peng, Zhang Tiegang, et al. Root systems distribution and water use pattern of vegetation from abandoned croplands during dry and wet season in Loess Hilly Region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(24): 129-138. (in Chinese with English abstract)

[11] 溫林生，鄧文平，鄧力維，等. 廬山不同海拔植物季節水分利用策略[J]. 水土保持學報，2021，35(4)：341-348.

Wen Linsheng, Deng Wenping, Deng Liwei, et al. Seasonal water utilization strategies of plants at different altitudes in the lushan mountain[J]. Journal of Soil and Water Conservation, 2021, 35(4): 341-348. (in Chinese with English abstract)

[12] Wang J, Fu B J, Lu N, et al. Water use characteristics of native and exotic shrub species in the semi-arid Loess Plateau using an isotope technique[J]. Agriculture, Ecosystems & Environment, 2019, 276: 55-63.

[13] 劉自強，余新曉，賈國棟，等. 北京土石山區典型植物水分來源[J]. 應用生態學報，2017，28(7)：2135-2142.

Liu Ziqiang, Yu Xinxiao, Jia Guodong, et al. Water source of typical plants in rocky mountain area of Beijing, China[J]. Chinese Journal of Applied Ecology, 2017, 28(7): 2135-2142. (in Chinese with English abstract)

[14] 劉文娜，賈劍波，余新曉，等. 北京山區松櫟混交群落的植物水分來源研究[J]. 應用基礎與工程科學學報，2018，26(1)：12-22.

Liu Wenna, Jia Jianbo, Yu Xinxiao, et al. Water sources of the Oak-pine mixed community in Beijing Mountainous Area[J]. Journal Of Basic Science And Engineering, 2018, 26(1): 12-22. (in Chinese with English abstract)

[15] Liu J M, Si Z Y, Wu L F, et al. Using stable isotopes to quantify root water uptake under a new planting pattern of high-low seed beds cultivation in winter wheat[J]. Soil & Tillage Research, 2021, 205: 1-10.

[16] Wu Y J, Du T S, Yuan Y S, et al. Stable isotope measurements show increases in corn water use efficiency under deficit irrigation[J]. Scientific Reports, 2018, 8: 1-12.

[17] Wu H, Kang S Z, Li X J, et al. Optimization-based water-salt dynamic threshold analysis of cotton root zone in arid areas[J]. Water, 2020, 12(9): 1-22.

[18] Liu Z Q, Yu X X, Jia G D. Water utilization characteristics of typical vegetation in the rocky mountain area of Beijing, China[J]. Ecological Indicators, 2018, 91: 249-258.

[19] 郭輝，趙英，蔡東旭，等. 基于氫氧同位素示蹤法探測新疆地區防護林和棉花體系水分來源與競爭[J]. 生態學報，2019，39(18)：6642-6650.

Guo Hui, Zhao Ying, Cai Dongxu, et al. Application of hydrogen and oxygen isotopes to study the source of water and competition in shelter forest cotton systems in the Xinjiang Oasis[J]. Acta Ecologica Sinica, 2019, 39(18): 6642-6650. (in Chinese with English abstract)

[20] 趙西寧，李楠，高曉東，等. 基于18O示蹤的不同樹齡棗樹土壤水分利用特征分析[J]. 農業工程學報，2018，34(3)：135-142.

Zhao Xining, Li Nan, Gao Xiaodong, et al. Characteristics of soil water utilization for different stand ages of jujube trees based on18O tracking[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(3): 135-142. (in Chinese with English abstract)

[21] Wang P, Song X F, Han D M, et al. A study of root water uptake of crops indicated by hydrogen and oxygen stable isotopes: A case in Shanxi Province, China[J]. Agricultural Water Management, 2010, 97(3): 475-482.

[22] 戴軍杰，章新平，羅紫東，等. 長沙地區樟樹林土壤水穩定同位素特征及其對土壤水分運動的指示[J]. 環境科學研究，2019，32(6)：974-983.

Dai Junjie, Zhang Xinping, Luo Zidong, et al. Characteristics of Stable Isotopes in Soil Water and Indication to Soil Water Movement in a Grove Dominated byin Changsha[J]. Research of Environmental Sciences, 2019, 32(6): 974-983. (in Chinese with English abstract)

[23] 曾祥明，徐憲立，鐘飛霞，等. MixSIAR和IsoSource模型解析植物水分來源的比較研究[J]. 生態學報，2020，40(16)：5611-5619.

Zeng Xiangming, Xu Xianli, Zhong Feixia, et al. Comparative study of MixSIAR and IsoSource models in the analysis of plant water sources[J]. Acta Ecologica Sinica, 2020, 40(16): 5611-5619. (in Chinese with English abstract)

[24] Wu H W, Zhao G Q, Li X Y, et al. Identifying water sources used by alpine riparian plants in a restoration zone on the Qinghai-Tibet Plateau: Evidence from stable isotopes[J]. Science of the Total Environment, 2019, 697: 1-11.

[25] Ward E J, Semmens B X, Schindler D E. Including source uncertainty and prior information in the analysis of stable isotope mixing models[J]. Environmental Science & Technology, 2010, 44(12): 4645-4650.

[26] 周艷清，高曉東，王嘉昕，等. 柴達木盆地灌區枸杞根系水分吸收來源研究[J]. 中國生態農業學報(中英文)，2021，29(2)：1-11.

Zhou Yanqing, Gao Xiaodong, Wang Jiaxin, et al. Lycium barbarum root water uptake characteristics in the Qaidam Basin irrigation[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 1-11. (in Chinese with English abstract)

[27] 胡可，陳洪，聶云鵬，等. 桂西北喀斯特峰叢洼地降水氫氧穩定同位素的季節變化特征[J]. 農業工程學報，2013，29(5)：53-62.

Hu Ke, Chen Hong, Nie Yunpeng, et al. Characteristics of seasonal variation of deuterium and oxygen-18 isotope composition of precipitation in karst peak-cluster depression area, northwest Guangxi of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(5): 53-62. (in Chinese with English abstract)

[28] 邢丹，肖玖軍，韓世玉，等. 基于穩定同位素的石漠化地區桑樹根系水來源研究[J]. 農業工程學報，2019，35(15)：77-84.

Xing Dan, Xiao Jiujun, Han Shiyu, et al. Water absorption source analysis of mulberry roots based on stable isotopes in rocky desertification area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(15): 77-84. (in Chinese with English abstract)

[29] Zhanga B B, Xua Q, Gao D Q, et al. Altered water uptake patterns of Populus deltoides in mixed riparian forest stands[J]. Science of the Total Environment, 2020, 706: 1-42.

[30] Zhao L J, Wang X G, Zhang Y C, et al. Plant water use strategies in the Shapotou artificial sand-fixed vegetation of the southeastern margin of the Tengger Desert, northwestern China[J]. Journal of Mountain Science, 2019, 16(4): 898-908.

[31] Zhang Y, Zhang M J, Qu D Y, et al. Water use strategies of dominant species (and) in natural shrubs based on stable isotopes in the loess hill, China[J]. Water, 2020, 12(7): 1-15.

[32] Zhu Y J, Wang G J. Rainwater use process of caragana intermedia in semi-arid zone, tibetan plateau[J]. Frontiers in Earth Science, 2020, 8: 1-8.

[33] Beyer M, Koeniger P, Gaj M, et al. A deuterium-based labeling technique for the investigation of rooting depths, water uptake dynamics and unsaturated zone water transport in semiarid environments[J]. Journal of Hydrology, 2016, 533: 627-643.

[34] Huo G P, Zhao X N, Gao X D, et al. Seasonal water use patterns of rainfed jujube trees in stands of different ages under semiarid Plantations in China[J]. Agriculture, Ecosystems & Environment, 2018, 265: 392-401.

[35] 杜俊杉，馬英，胡曉農，等. 基于雙穩定同位素和MixSIAR模型的冬小麥根系吸水來源研究[J]. 生態學報，2018，38(18)：6611-6622.

Du Junshan, Ma Ying, Hu Xiaonong, et al. Applying dual stable isotopes and a MixSIAR model to determine root water uptake of winter wheat[J]. Acta Ecologica Sinica, 2018, 38(18): 6611-6622. (in Chinese with English abstract)

Quantifying the water sources of Camellia oleifera during fruit growth peak period using hydrogen and oxygen isotopes

Yue Lingli, Xia Xiong, Hu Deyong, Xiao Weihua, Zhang Wenping, Xu Wenbin, Wu Youjie※

(,,410128, China)

Water is a key factor for plant growth and development. Quantifying water sources is one of the most important steps to effectively manage the irrigation of forests during the fruit peak growth period in hilly areas. However, the research on the water use of different fruit growth peaks is still lacking on. In this study, a systematic investigation was conducted to quantify the water source offorest during the fruit peak growth period using hydrogen and oxygen isotopes. The precipitation, soil, andsamples were also collected from April-June (the first fruit growth peak) and July-August (the second fruit growth peak) in 2019 and 2020, where the soil sampling depth was 1 m. The soil layer was divided into three layers: 0-30, >30-60, and >60-100 cm, according to the distribution of root and soil water content. Taking Youngaged 3 to 5 years as subjects, the isotopic composition of xylem and soil water was compared in the active layer of the root system at the peak of fruit growth. Linear mixed and the Bayesian hybrid (MixSIAR) models were used to quantify the water absorption source of the root system. The results indicate that the Local Meteoric Water Line (LMWL) was δD=8.29δ18O+12.99,2=0.99 during the test period, where the soil and plant water isotope were concentrated near the LMWL. Most isotopes of xylem water were distributed in the range of soil water isotope values, where the soil water was the direct water source. The isotope value of xylem water basically intersected with that of soil water of 0-100 cm. The intersection depth mainly intersected 0-30 cm during the growth peak of the first fruit, and then increased gradually during the growth peak of the second fruit. It inferred that the water source in the first peak period came from the 0-30 cm soil layer, whereas, the water in the deeper soil layer was used in the second peak period. The model results showed thatpresented similar water utilization strategies in the two fruit growth peaks in 2019 and 2020. Specifically, the soil water in the 0-30 cm soil layer was mainly used at the peak of fruit growth. The contribution rates of 0-30, >30-60 and >60-100 cm soil layers were 51.3%, 28.2% and 20.5%, respectively.The water absorption depth increased in the second fruit growth peak, compared with the first growth peak. For example, the results of MixSIAR model showed that the utilization rate of 0-30 cm soil layer decreased by 19%, while the utilization rate of >30-60 and >60-100 cm two soil layers increased by 12% and 8%, respectively. The contributions of three soil layers (unit volume) to water absorption of root were 149.6, 81.1, and 58.7 mm, respectively. There was only a slight difference to simulate the contribution proportion of soil water in each soil layer using linear mixing and the MixSIAR model.This finding can provide a sound reference to formulate a suitable irrigation system for youngin the southern hilly region. Correspondingly, the forest water and fertilizer construction can also be integrated for the healthy development of.

soils; moisture; isotope; fruit growth peak of; water use; MixSIAR model

岳伶俐，夏雄，胡德勇，等. 基于氫氧同位素的油茶果實生長高峰期水分來源量化[J]. 農業工程學報，2021，37(20)：154-161.doi：10.11975/j.issn.1002-6819.2021.20.017 http://www.tcsae.org

Yue Lingli, Xia Xiong, Hu Deyong, et al. Quantifying the water sources of Camellia oleifera during fruit growth peak period using hydrogen and oxygen isotopes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(20): 154-161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.20.017 http://www.tcsae.org

2021-08-15

2021-10-05

國家自然科學基金（51809092）；湖南省自然科學基金（2020JJ5257）；湖南農業大學自然科學基金（18QN20）

岳伶俐，研究方向為農業高效安全用水理論與管理技術。Email：1317406808@qq.com

吳友杰，博士，副教授，研究方向為作物高效用水及同位素水文。Email：wuyoujie@hunau.edu.cn

10.11975/j.issn.1002-6819.2021.20.017

S273

A

1002-6819(2021)-20-0154-08