稳定碳同位素技术在生态系统研究中的应用
2020-02-25何春霞张劲松孙守家
雷 帅,何春霞,张劲松,孟 平,孙守家
(1.中国林业科学研究院 林业研究所 国家林业局林木培育重点实验室,北京 100091;2.南京林业大学 南方现代林业协同创新中心, 江苏 南京 210037)
“同位素”一词由Soddy在1913年提出,同年Thomas首次用磁性分析仪证明了自然界存在同位素[1]。20世纪70年代是国际稳定同位素研究的起步阶段,一些研究者初步探讨了稳定同位素可能携带的环境信息,其中Farmer[2]首次利用植物中稳定碳同位素反演大气CO2浓度变化,拓展了同位素技术应用的新领域。90年代后,随着质谱技术创新,一些植物生理学家和生态学家提出了新假设并进行验证实验,使稳定同位素技术的应用领域不断扩大,为稳定同位素生态学作为一门新学科奠定了理论基础[3]。激光光谱技术的出现为野外快速、连续测定同位素提供了可能,使稳定碳同位素技术在生态学、水文学、农业、生命科学、食品安全以及环境监测等领域得到了广泛应用。
在国外,稳定碳同位素在生态系统研究应用较早,已对暗呼吸中碳同位素分馏[4]、碳同位素分馏与环境和生理因素的关联[5]、土壤-植物-大气连续体中的碳同位素通量[6]等方面进行了综述。Matteo等[7]根据1 428种文献绘制了1996—2015年稳定碳同位素在林学研究中热点分布图,发现研究集中在森林土壤碳固存、植物和动物群落的人为影响以及造林后树种的生理生态反应3个方面。在国内,稳定碳同位素技术应用起步较晚但发展较快,国内研究者综述了稳定碳同位素技术在植物-土壤系统碳循环[8]、树轮稳定碳同位素[9]、植物水分利用效率[10]和全球气候变化[11]等方面的应用。随着同位素技术应用范围不断拓展,在植物的细胞、叶肉组织、韧皮部、叶片、植株、冠层、生态系统乃至全球尺度上均有应用。本文主要综述国内外稳定碳同位素技术在不同空间尺度和模型模拟等方面的研究进展,探讨研究中亟待解决的问题,以期对今后的相关研究有所裨益。
1 碳同位素的概念及分馏效应
自然界中有6种碳同位素,其中12C、13C、14C是主要的3种,比例分别为98.89%、1.108%和1.2×10~10%,其中12C、13C是稳定性同位素,14C是放射性同位素。为了便于同位素组成的比较,稳定碳同位素比率的测定以VPDB(vienna pee dee belemnite)为标准,用δ表示[12]:
δ=(Rsample-RVPDB)/RVPDB×1 000‰
(1)
式中:Rsample和RVPDB分别为样品和标准物的13C/12C摩尔比率,当δ>0时,表示样品的重同位素比标准物富集,δ<0时则比标准物贫化。
由于原子质量的微小差异,含有不同同位素的物质在理化性质方面不同,导致不同的动力学和热力学效应,在物理、化学和生物等反应过程中出现同位素分馏现象。碳的有机循环中,轻同位素容易摄入有机质(如烃、石油中富含12C)中,而在无机循环中,重同位素倾向于富集在无机盐(如碳酸盐富含13C)中,导致碳同位素出现明显的分馏现象。在植物中,碳同位素分馏发生在以下过程中:(1) 大气CO2经气孔向叶片内扩散,使进入叶肉细胞间的CO2比叶外大气CO2具有更低的δ13C值;(2) CO2溶于水的过程中,植物优先从叶胞间空气吸收12CO2使之溶于细胞质中,其分馏由动力学效应引起,空气中CO2浓度越高分馏效应越大;(3) 光合作用过程中,光合羧化酶同化CO2,使细胞质中的12CO2通过酶的作用优先结合到磷酸甘油酸中,合成的光合产物贫化13C丰度,其分馏过程可以分为光合分馏和后羧化分馏。光合分馏包括CO2扩散分馏、羧化作用分馏、暗呼吸和光呼吸分馏[13-14];后羧化分馏指与Rubisco羧化酶代谢途径相关的同位素效应[15],包括光合组织和非光合组织的后羧化分馏[16],后羧化分馏被认为是植物器官、代谢物和有机物分子内δ13C差异的原因[17-18]。C3植物中碳同位素分馏通常表示为[13]:
(2)
式中:Pa、Ps、Pi和Pc分别为周围空气、叶表面、叶胞间隙和叶绿体中的CO2分压,ab和a分别为CO2通过边界层(2.9‰)和气孔(4.4‰)扩散到叶片中的碳同位素分馏值,es为CO2进入水溶液(25 ℃,1.1‰)发生的分馏,a1为CO2通过液相扩散时发生的分馏(25 ℃,0.7‰),k为羧化速率,b为羧化过程中的净分馏,Rd为光呼吸速率,Γ*是没有日间呼吸的CO2补偿点,e和f为日间呼吸和光呼吸的分馏因子。为简化计算,通常使用简化公式估计光合碳同位素分馏[19]:
(3)
式中:b3为RUBP酶羧化反应过程中发生的同位素分馏(27‰),Ci和Ca分别为胞间和大气CO2浓度。水分亏缺引起的气孔关闭会降低Ci,导致δ13C增加[20],而光合作用的光限制会增加Ci,综合考虑光和水的影响[21],同化率(A)与叶肉内部CO2气孔传导率(gm)之间存在以下关系:
(4)
式中:P为大气压力,但也有研究认为gm对环境条件的响应可能只在功能植物群之间[22]或栽培品种之内[23]存在差别,与A没有密切关系。此外,特定物种或栽培品种的gm可能随植物和叶龄变化而变化,这部分限制了简化碳同位素分馏模型的应用[24]。
C4植物具有维管束鞘和PEP酶,光合作用过程中的碳同位素分馏过程与C3植物明显不同,一般表示为:
(5)
(6)
式中:b4为PEP酶羧化反应过程中的碳同位素分馏系数(-5.7‰),f为CO2从叶片细胞渗漏到维管束鞘细胞的比率(0.20~0.37),δ13Cp和δ13Ca分别表示植物组织和大气CO2的碳同位素比率。Farquhar、Evans和Henderson[25-27]提出三元方程,随后Caemmerer等[28]修正了C4植物光合作用过程中的碳同位素分馏公式:
(7)
(8)
该方程将同化速率A和PEP羧化速率Vp纳入方程式,使得方程更易于与气体交换测量结合使用。式中a′表示通过叶边界层及气孔的组合分馏因子,Cls为叶表面CO2分压,t表示蒸腾速率,ai(1.8‰)为CO2在细胞质中溶解和扩散时的分馏,gm代表气孔导度,b′3与b′4分馏因子与PEP羧化和Rubisco羧化期间发生的分馏有关,泄漏度由φ=L/Vp给出,其中L为无机碳从束鞘中泄漏的速率,Vp为PEP羧化速率。
景天科酸代谢(crassulacean acid metabolism,CAM)植物介于C3和C4植物之间,包含了上面提到的各种碳同位素分馏效应,其δ13C值介于-22‰~-10‰之间,目前还没有描述CAM植物δ13C值的简单公式。与植物光合作用不同,生物呼吸过程中碳同位素的分馏效应还未充分明确,其碳同位素分馏效应可能源于:(1) 糖类分子结构上13C的不均匀分配,Rossmann等[29]发现葡萄糖4位键上富集13C,而6位键上的碳贫化13C;(2) 呼吸酶的动力学同位素效应;(3) 次生代谢过程中的同位素分馏,如乙酰辅酶A合成中,新形成的乙酰辅酶A相对于底物丙酮酸总是贫化13C,而释放的CO2相对富集13C。由于光合产物的次生代谢过程对13C的分馏作用,植物不同成分因化学结构不同其同位素比值也不同,次生代谢中合成相当数量13C贫化的脂肪酸只能解释6‰或更高的呼吸CO2中13C的富集现象,但需要进一步论证。
2 在生态系统研究中的应用
2.1 土壤碳循环
全球碳平衡受多种因素影响,土壤碳循环是其重要组成部分之一,土壤碳库是陆地生态系统中最大的碳库(1 500 Pg),其碳储量约是大气碳库(780 Pg)的2倍,植物碳库(550 Pg)的3倍[30],土壤碳主要来源于植物固定的大气CO2,根系、凋落物和其他动植物残体经微生物分解转变为土壤有机质(soil organic matter, SOM),同时释放大量的碳回到大气中。土壤有机碳(soil organic carbon, SOC)的储存、分解和释放以及无机碳(soil inorganic carbon, SIC)的积累和淋溶共同调节土壤碳库的平衡[31]。目前对土壤碳循环的研究主要集中在简单输出-输入模型上,而对土壤有机碳来源及其比例、周转速率等研究相对薄弱。稳定碳同位素作为天然示踪剂可以用来研究土壤碳的迁移与转化,定量评价新老有机碳组分对碳储量的相对贡献,测定土壤有机质各组分的周转速率,以及揭示新老有机碳在土壤团聚体中的转化过程与赋存状态[32]。使用特定碳同位素组成的13C标记技术,可以追踪有机物在周转过程中的变化动态,能为土壤碳循环提供更多的信息。吴健等[33]用13C标记了4种典型滨岸草地植物,证实了C3和C4植物样带表层土壤有机质δ13C值随着土壤深度递增而呈现截然不同的变化特征,表明土壤有机质受植物根系分布深度的影响,植物δ13C组成对土壤有机质δ13C有直接作用。An等[34]用13C标记技术研究玉米生长和施氮量对土壤有机碳含量的影响,发现玉米种植后土壤有机碳含量增加,玉米生长促进了对土壤碳的截留。顾鑫等[35]用13C标记技术发现有机碳的平均驻留时间随团聚体级别的减小而升高,新有机碳在微团聚体中的周转速率较慢,玉米秸秆中的碳随培养时间增加,逐渐从大团聚体向微团聚体转移。尽管稳定碳同位素技术已应用到土壤有机碳研究中,但微生物对土壤碳循环的作用以及团聚体固碳机理仍不明确。因此,使用稳定碳同位素示踪结合微生物分子生物学技术研究土壤团聚体固碳机理将会成为今后的研究热点之一。
据估计,SIC约占全球碳库总量的38%,干旱、半干旱区土壤中存在大量以碳酸钙为主的无机碳,但受限于钙离子供给[36],通常认为无机碳库基本是一个“死库”,对碳循环的贡献可忽略不计[36]。因此,国内外研究者对土壤碳循环的研究主要集中在SOC,但从2006年开始,一些研究显示干旱荒漠区具有潜在的碳汇功能,长期被忽视的干旱荒漠区SIC碳循环开始被关注。研究显示,土壤中的溶解性SIC来自土壤空气或大气而非来自土壤本身的碳酸盐,SIC在碳循环中的作用需要重新考量[37]。土壤中存在SOC-CO2-SIC微碳循环过程,土壤淋溶流失的可溶性有机碳(DOC)和可溶性无机碳(DIC)相对比例并不固定,在某些情况下,DOC的流失比DIC比例低很多,如美国森林小流域DOC输出量约占陆地碳淋失总量35%[38],巴西小流域DOC输出量仅占总量的2.5%[39]。使用稳定碳同位素技术能确定干旱区土壤δ13C的迁移转化特征,通过分析干旱区绿洲中土壤无机碳的δ13C,发现干旱区绿洲土壤发生性碳酸盐所占比例较低,SOC的贡献较少[40]。13C示踪研究也显示大气中CO2可以直接进入沙漠土壤,成为土壤颗粒中的一部分[41],这些研究证实在土壤碳库中占比达20%的溶解性SIC不是一个死库,而是碳循环中的重要环节之一。
2.2 植物研究
2.2.1叶片组织水平
在生态系统中,植物对周边环境资源的利用策略不同,表现出不同的生理生态适应机制。叶片是植物与大气能量和质量交换的场所,瞬时蒸腾和光合速率变化较大,利用长期水分研究植物的生态适应机制更有意义。植物叶片δ13C值间接反映植物的水分利用效率(water use efficiency,WUE),被认为是估测植物长期水分利用的可靠途径[42]。Farquhar等[25]认为,水分利用效率与植物叶片胞间CO2浓度和大气CO2浓度之间的数量关系如下:
WUE=(Ca-Ci)/1.6ΔW
(9)
式中:ΔW为叶内外水汽压之差,1.6为水汽和CO2在空气中的扩散速率比率。同时,Farquhar等[13]建立了碳同位素判别值(Δ13C)与Ci之间的数量关系:
Δ13C=a+(ab-a)(Ci/Ca)
(10)
Δ=(δ13Ca-δ13Cp)/(1+δ13Cp)
(11)
由公式(9~11)可以得到水分利用效率计算公式:
(12)
WUE是全球生态学的研究热点之一,影响WUE的生物因子有A、gm、比叶面积(SLA)、叶片氮含量等。叶片胞间CO2浓度变化导致了碳同位素分馏的差异,而胞间CO2浓度受光合作用的羧化能力和蒸腾作用的叶片gm共同影响。对比gm和A与WUE的关系,Easlon等[43]发现gm更能反映WUE的变化规律。水是制约植物生长发育重要的环境因子之一,缺水或多水都会严重限制植物生产力,植物叶片和种子Δ13C值通常随水的可用性降低而降低,其值与轻度干旱水平呈正相关,与谷物产量成负相关[44],提高WUE能增加农作物产量,因此在干旱季节要对农作物合理灌溉。随着同位素技术的不断创新,激光光谱同位素分析仪因其原位、实时、高效和高时间分辨率[45]等,被用来测定叶片、韧皮部等组织中短期内的同位素组成[46]。Alonsocantabrana等[47]利用调谐二极管激光吸收光谱(TDLAS)耦合气体交换法测量A和叶片δ13C,定量分析同时具有C3和C4途径的植物碳来源,使溯源分析更加简单、准确。
2.2.2树木年轮
受季节影响,树木内形成了色泽、质地不同的环纹,即年轮。部分树种的树轮由早材和晚材组成,其形成过程与环境条件密切相关。早材管胞直径与上一年的冬季降水有关,生长后期的管胞直径受当年春季中期降水的影响,而晚材管胞直径则与当年秋季中期降水有关,表明早材可能是使用上季同化的碳形成,而晚材主要依赖于其形成前几个月积累的碳[48],这为研究树木在不同物候阶段的碳储存策略提供了条件[49]。树木寿命较长,树轮能提供树木全生命周期内多种环境气候信息,早晚材中δ13C差异可以用来解释植物生理特定生物化学过程的变化。欧洲云杉(picea abies)树轮早晚材δ13C结果显示,早材δ13C与生化分馏(如淀粉形成)关系密切,晚材δ13C主要受气候条件影响[50]。树轮碳同位素变化具有季节性,在生长季初期时δ13C值增加,早材中δ13C值相对稳定,最大值一般出现在萌芽后的光合阶段,随后开始下降,最小值出现在每年年轮的晚材中,δ13C值季节变幅高达4‰以上,而相邻年轮的δ13C值相差不到0.3‰,主要是纤维素合成过程中糖代谢的季节性变化造成[51]。树木在不同时期使用的碳来源可能不同,年轮稳定碳同位素差异揭示岩生栎在生长早期(1780—1825年)多使用上一年形成的碳,生长后期(1960—1994年)这种现象不明显,可能是生长后期大气CO2浓度升高和气温上升,岩生栎光合利用效率增加,使当年同化的碳能够满足生长需要[52]。
通过树木年轮中δ13C值可获得内在水分利用效率(intrinsic water use efficiency, iWUE),iWUE与树木生长关系密切,CO2浓度升高使iWUE增加[53],但iWUE的升高并未使树木生长增加[54]。相反,在一些干旱地区,尽管iWUE增加了,但生长出现明显下降[55]。除了环境条件外,树木的生长状况也会对年轮中的iWUE产生影响,在一些退化的林分中,欧洲赤松[56]、小叶杨[57]等退化树木中的iWUE比未退化的要高,而银杉[56]、匈牙利橡树[58]则相反。目前,尽管树木年轮稳定同位素研究有了较大进展,但对同位素信号的非气候因子的干扰、不同树种间同位素差异、光合产物在极端胁迫和休眠条件下的储存及重新利用等对树木年轮稳定同位素影响的研究仍需加强。
2.2.3植物群落水平
植物群落指植物个体通过互惠、竞争等相互作用形成的生活在一定区域内的植物群体,是适应其共同生存环境的结果[59],其分布与自然地理环境条件有密切关系。群落生态是植物群落研究的重点之一,涉及物质循环和能量流动,以及群落对其生存环境条件的适应。同一群落内的不同植物叶片的δ13C值差异显著,总体表现为常绿乔木>落叶乔木=常绿和落叶灌木=常绿草本>落叶草本=苔藓[60]。在热带干旱森林,植物必须忍受几个月的干旱,陆生多汁和附生植物的δ13C约为-14‰,表明通过景天科酸代谢途径(CAM)进行光合作用,其他树木则为C3植物,δ13C在-26‰~-29‰之间,陆地多肉植物和附生植物更节省水资源,以适应季节性干旱而幸存[61]。同为梭梭群落,生活在荒漠土上梭梭同化枝的δ13C值明显高于棕钙土、风沙土和石质土,生活在盆地中梭梭同化枝的δ13C值明显低于平原、山区和丘陵地区,表明环境对植物的δ13C值有明显影响。为了适应干旱的荒漠环境,新疆荒漠地区的梭梭主要伴生种为刺白刺和红沙时,梭梭δ13C值最高,WUE也较高,主要伴生种为沙枣和假木贼时,梭梭的δ13C值最低,WUE也降低[62],这可能是水分来源不同导致植物水分利用效率存在差异。在中国亚热带地区混交的石栎表现出比单作石栎更高的碳同化率,显示出同一生境中形成稳定群落的不同植物之间存在互补性,增加物种多样性能够减轻水竞争引起的生理压力[63]。
沿着海拔梯度分布着多种类型的植物群落,一般认为随海拔升高,叶片δ13C值会升高,高山栎、苔草、高羊茅组成的群落中,单独或组合在一起的植物叶片δ13C不随海拔高度增加而增加,试验结果并未支持叶片δ13C随海拔升高的主流假设,但是δ13C值随海拔高度呈现出变化区间变小的趋势[64]。在中国天目山保护区,维管和非维管植物叶片δ13C值范围为-34.4~-26.6‰,平均为-29.8‰,但维管植物与苔藓叶片δ13C无显着差异,总体上树木的δ13C值明显高于草本植物,叶片δ13C的高度趋势是温度、气压和土壤含水量之间相互作用的结果[65]。在高山植物群中,尽管宏观环境条件(水分,土壤,海拔)相似,但是稳定碳同位素信号变化覆盖了C3植物已知的区间,δ13C中的高程信号不明显。因此,在较窄的海拔范围内,δ13C高度趋势很难用于混合种群中的物种区分[66]。
2.2.4区域分布水平
在干旱和半干旱地区,环境因子的差异对植物分布的影响非常重要[67],特别是降水和温度的急剧变化。在中国北方,从东到西环境因子的不同造成植物叶片δ13C差异显著,叶片δ13C随经度的变化没有明显规律性,但随纬度增加,δ13C显著升高,这为探索当地植物分布空间格局和驱动因素提供了理想条件。在中国不同区域分布水平上,C3植物叶片的δ13C变化范围为-33.50‰~-22.00‰,均值为(-27.10±1.70)‰。在乔木、灌木和草本3种不同的生活型间,叶片δ13C的差异达到极显著水平,其中以草本的δ13C最高,乔木最低[68]。温带草原植被区域、温带荒漠植被区域、甘南高原和山地植被区域的植物样品(草本、灌木、半灌木、乔木)δ13C空间分布存在明显差别,不同的区域碳库具有不同的稳定碳同位素比率,且具有一定的时空变化特征[69],植物δ13C在较大地理范围的差异,为追踪物质流动和来源提供了量化可能。在中国北方,三种锦鸡儿属叶片δ13C随年平均降雨量、相对湿度的增加而显著下降,随海拔高度和年平均温度的增加而增加,由于叶片δ13C和水分利用效率的差异,3种锦鸡儿属植物对未来气候变化的反应可能不同,有助于了解其不同气候区的地理分布特征对植物的生理影响[70]。在同一区域,随年均温度和年均降雨量降低,叶片δ13C值显著升高,年均降雨量与δ13C间的这种极显著的负相关关系,与WUE和降水量间的关系相一致[71]。
在亚热带和温带分界线以南,水热条件可以满足植物正常生理活动的需要,环境条件的相对变化对植物生理活性和叶片稳定碳同位素分馏的影响不大。在北方,极端的环境条件(如干旱和低温等)加剧了对植物生长和生理指标的影响[72],造成了不同环境梯度下叶片稳定碳同位素分馏的差异。Buchmann等[73]提出了生态系统判别(E-cosystem discrimination, Δe)的概念,Δe是整个生态系统中叶片特征在时间和空间上的整合,且受到凋落物和降解过程的影响,北方森林生态系统Δe的变化范围是15.9‰~19.3‰,温带森林Δe变化范围较宽,为16.1‰~20.3‰,相比之下,热带雨林Δe变化范围较窄为19.5‰~21.1‰[74],叶片水平δ13C判别转化到生态系统Δe水平上,表明在植物区域分布水平研究中碳同位素有潜在应用价值。
2.3 气候变化研究
植物对气候变化响应和适应是当前生态学研究的前沿和热点之一。植物会对干旱、高温和CO2升高等环境条件变化做出响应,在形态和生理方面出现变化,高度、直径和生物量等形态指标容易测定,但长期生理生态响应难以量化。稳定碳同位素在植物体内分馏过程较为单一,与环境因子存在关联,根据关联关系,能够获得植物对气候变化的生理生态响应信息[75],亦可以利用稳定同位素对过去气候、环境和生态过程追溯研究和重建。
近年来,极端干旱事件频发,干旱强度、持续时间增加,长期干旱增加了森林退化和死亡的风险,Timofeeva等[76]分析苏格兰松(pinus sylvestris L.)的径向生长和树轮中δ13C,发现树木在死亡前的几十年生长已经有所降低,δ13C值表征的WUE升高,生长衰退树木采取更加保守的用水策略。气候变暖增加了地中海缺水森林的干旱脆弱性,树种分布区域变化与早期的季节性干旱影响有关,伊比利亚东部沿海的5种松林Δ13C中反映出水分损失逐渐加强与气孔控制有关,变暖引起的干旱胁迫使得松树向更高海拔高度迁移[77]。袁亚鹏等[78]对黑河下游额济纳旗的胡杨(populus euphratica)研究发现,胡杨成熟林长期适应不同程度水分胁迫,δ13C值有明显偏正趋势,通过提高水分利用效率来适应干旱胁迫。
降水能够缓解干旱的程度,半干旱地区的降雨频率是影响森林生存的关键因素之一,其影响程度取决于极端气候天气的发生频率,而主要降雨事件比例的增加可能在一定程度上平衡树木总增长率的下降[79]。在树木生长的初期,降水和空气湿度对年轮的生长有很大的影响,除3月平均最低气温和11、12月平均气温对年轮δ13C有一定影响外,温度对树轮生长的影响均小于降水和相对湿度。欧洲山毛榉(fagus sylvatica L.)年轮纤维素中的δ13C与环境因子关系显示,每年5~7月的降雨量对δ13C影响最大,其影响程度在干旱地区比在湿润地区表现得更为明显[80]。温度对植物的生长影响非常重要,夏季最高温度(Tmax)是碳同位素组成的主要驱动因素之一,其次是夏季降水[81]。不同物种对温度的依赖性不同,东北大兴安岭北部多年冻土区的樟子松(pinus silvestris var. mongolica)对前一年12月至当年2月份温度的依赖性最强,而兴安落叶松(larix gmelinii)则对当年3月份温度的依赖性最强[82]。
自工业革命时代以来,化石燃料的燃烧导致大气CO2浓度从280 μmol·mol-1增加到400 μmol·mol-1[71],陆地生态系统对大气CO2浓度升高响应的研究也越来越受到重视。Rezaie等[83]对4种山毛榉树轮中碳同位素测定,发现iWUE和CO2浓度增加之间正相关,CO2增加是iWUE增加的主要驱动因素,树木生长增加对CO2施肥效应(CO2fertilization)做出了积极响应。但也有研究认为,尽管大气CO2浓度升高可能带来补偿效应,但加拿大北方森林生长并未没有出现增加的趋势[84]。国际树木年轮数据库(ITRDB)树木径向生长全球记录统计显示,全球仅有20%地点的树木增长趋势不能归因于气候原因、氮沉积、海拔或纬度,可能与CO2施肥效应有关,但大部分干旱、半干旱地区的树木并不存在这种对生长的促进作用[85]。
树轮稳定碳同位素比值是研究古气候、古环境和全球变化生态学研究中的重要指标之一[86]。根据树轮δ13C与气候变化之间的关系,可以重建该地区的过去气候资料[87],通过北京市密云山区油松树轮δ13C,重建了1947—2014年密云山区气候资料,发现油松树轮δ13C对7月份气温和夏季降水量响应极为显著,1947—2014年密云山区气候变化呈现波动性变暖变干趋势[88]。张瑞波等[89]发现落叶松树树轮序列δ13C与阿勒泰地区夏季气温关系密切,结合气象资料重建了阿勒泰地区过去160年夏季气温变化,重建的温度序列能较好地代表包括北疆、中亚部分地区和俄罗斯南部大范围的夏季温度变化。Voelker等[90]使用平均年龄为1 232岁红杉重建过去1 100年的气候,证实加利福尼亚州北部沿海地区没有经历大尺度干旱,中世纪(公元900—1300年)和现代时期(1876年至今)气候异常的频率更高。植物光合作用碳固定对大气CO2浓度变化敏感,通过测量含有大气CO2的冰芯与植物或动物化石的δ13C,发现植物δ13C受气孔对环境条件影响,大气δ13C对植物气孔影响很大[91]。除了重建气候外,利用树轮δ13C还重建了Palmer干旱严重程度指数[92]、厄尔尼诺-南方涛动的关系[93]和古云层变化[94]等。
2.4 同位素模型应用研究
作为天然标记物,稳定同位素可以量化多种来源对混合物的贡献,这种量化方法越来越多地用于生物学、生态学和地球化学研究中。在定量区分过程中,科学家提出了多种混合模型估算方法,较为常用的有线性混合模型、浓度加权线性模型、欧氏距离法和基于贝叶斯统计方法的混合模型等[95]。线性回归方法已有近50年,是来自Keeling或Miller-Tans痕量气体同位素特征的最小偏差估计,在物理学、地理学和生态学等方面被高度应用[96]。Wehr等[97]使用Monte Carlo方法精确量化了多种条件下最常见最小二乘回归(OLS)、几何平均回归(GMR)和正交距离回归(ODR)等线性回归方法,认为3种回归方程都是线性回归方法的特殊情况,线性回归方法适用范围较窄,无法对多个来源的混合物进行定量区分。接着,Phillips等[98]开发了浓度加权线性混合模型,可以扩展到n个元素和n+1个来源,浓度加权线性混合模型能够校正食物浓度差异的影响。为了能够估算多种来源的食物比例范围,弥补线性混合模型估算来源较少的缺陷,IsoSource软件使用多次迭代来估计配方中食物来源的范围,与线性模型得到的绝对比例数值相比,IsoSource能给出比值分布范围,结果更科学合理。
目前,贝叶斯混合模型是用来确定混合物组成比例的常用模型之一,Moore和Semmens通过收集来自多个来源的所有可能同位素特征值,使用贝叶斯算法来计算混合物中各种来源,开发了MixSIR或SIAR软件,综合多种信息因素计算混合比[99]。通过测试常用的3种模型的预测能力,发现贝叶斯方法校准参数,考虑了gi和13Δ中的光呼吸分馏,综合模型比简单模型能更好的描述昼夜之间的13Δ较大差异[100],而简单线性模型和贝叶斯混合模型对比评估中,认为简单线性模型方法中只使用一种同位素会导致较大的误差,而基于贝叶斯方法同时使用两种同位素则可修正误差估计值,比简单线性模型方法更准确[101]。总之,线性混合模型简单直观,易于计算,但在普适性和精度方面仍然不足,贝叶斯同位素混合模型使用了多种同位素以及参数设定,提高了模型估计的准确性。
在生物圈模型中,陆面模型(ISOLSM)[102]、简单生物圈模型(SiB)[103]、全球动态植被模型(LPJ)[104]、陆面过程和交换模型(LPX-Bern)[105]和陆面过程模型(CLM)[106]均含有碳同位素模拟模块,通过使用ISOLSM模型和Metolius Ameri Flux站点测量的叶片δ13C数据,校准了气孔传导方程的斜率,模拟结果表明气孔导度对叶片δ13C具有调控作用[107]。RacZka[108]利用Niwot Ridge Ameri Flux站点光合和δ13C数据验证CLM4.5模型,发现该模型能准确模拟叶片和枝条组织的δ13C,但低估了土壤碳的δ13C,由于使用有潜在缺陷的氮限制方法,模型会高估气孔导度。Keller等[109]使用全球树轮δ13C数据集分别评估了CLM4.5和LPX-Bern模拟的光合产物δ13C和WUE变化,发现LPX-Bern模拟效果较好,CLM4.5模拟的WUE显著高于实测值,原因在于CLM4.5使用了默认的参数设置,而默认参数与模型-数据失配以及氮限制方案缺陷等导致模拟结果与实测值差异较大。随着气候变化,预计在21世纪干旱频率、持续时间和严重程度将不断增加,稳定碳同位素模型的完善对水分胁迫响应的精确模拟对于预测未来的碳动态至关重要。
3 问题及展望
随着碳同位素技术的完善和研究的不断深入,其在生态学中的研究和应用已由原来叶片和单株水平提高到种群、群落、生态系统乃至全球水平。但研究过程中有一些问题亟待解决:1) 环境因子和基因型(如干旱胁迫和有效辐射)之间的交互作用对Δ13C的影响并不是已有研究的那么小,还需进一步研究其作用机理;2) 多数关于水分利用效率的研究主要集中在叶片和单一控制因素上,而植物水分生理生态反应受多种因素影响,因素之间的相互作用不可忽视;3) 同位素分馏效应非常复杂,在溯源或定量区分研究应用中,需要引入更多的同位素,积极寻求多种同位素的联用,同时建立和完善相应的源分析模型,以提高源分析的准确性;4) 无论线性模型还是贝叶斯模型,同位素值相近的不同来源组分区分依然是难题。因此,稳定同位素方法仍需要进一步改进,需要与其他先进的技术方法(例如激光技术、涡度相关、高光谱以及热成像技术)进行相互印证。
尽管稳定碳同位素的研究还存在一些问题,导致结果具有不确定性,但该技术在揭示植物对环境胁迫的响应、鉴定植物光合途径、筛选高WUE、高产和抗逆性品种等方面仍然发挥了重要作用,显示出巨大的应用潜力。多种分析仪器的改进和在线观测技术的成熟,使同位素测试成本逐步降低;多技术融合和多同位素指标联合分析,使同位素溯源和定量区分来源研究的准确性提高;添加外源同位素示踪剂,追踪植物生理生态过程或食物链的长度,使其过程更加透明;理论模型与研究方法的创新和完善,使稳定同位素技术在生态学领域中的应用前景越来越广阔。