施肥对毛竹林产量影响的Meta分析

陆启帆,林上平,刘胜辉,郑 翔,毕毓芳,肖子璋,姜 姜,王安可*,杜旭华*

(1. 国家林业和草原局竹子研究开发中心,竹林生态与资源利用国家林业和草原局重点实验室,浙江杭嘉湖平原森林生态系统国家定位观测研究站,浙江 杭州 310012; 2. 南京林业大学林草学院、水土保持学院,南方现代林业协同创新中心,江苏 南京 210037; 3. 龙泉市道太乡林业工作站,浙江 龙泉 323700)

毛竹(Phyllostachysedulis)为禾本科(Gramineae)刚竹属多年生乔木状单轴散生竹种[1],广泛分布于浙江、安徽、江西、湖南和福建等省,面积约467.78万 hm2,是我国最重要的竹类资源之一[2],具有生长迅速、成材早、产量高的特点,且具有较好的固碳能力,是具有较高经济价值和生态价值的笋材两用竹种[3]。氮、磷、钾被称为肥料三元素,被认为是最重要的营养元素,也是毛竹林生长的主要限制因子之一[4]。养分缺失对毛竹林的生长和经济效益都会产生不利的影响。在毛竹广泛分布的南方红壤地区,土壤中可供植物直接利用的游离钾离子和磷酸盐浓度相对较低[4],同时,由于每年进行竹材采伐和春冬笋采挖等高强度的采收导致毛竹林中的养分大量流失,加剧了毛竹林氮磷钾等元素的缺乏。大量的研究证明了毛竹林施肥的重要性[3, 5-6],如能有效改善土壤性质、提高土壤持水能力并增加有效元素含量[7]、改善毛竹生长状态、提高毛竹光合能力[8]、提升毛竹林产量[9-10]等。但在生产中为了追求产量,往往存在过量施肥或配比不合理的施肥,这不仅会增加不必要的生产成本,也会对毛竹林生态系统产生不良的影响。例如,不科学使用肥料会导致竹材产量降低、化学计量比失衡、土壤酸化、养分流失和水体富营养化等负面影响[4]。

目前普遍认为,施肥应遵从“4R”原则[11]:正确的化肥(right product)、正确的时间(right time)、正确的配比(right rate)、正确的施用位置(right place)。鉴于此,制定科学合理的肥料配比对保障毛竹林生产力和可持续经营有重要意义。目前关于毛竹林科学施肥的研究结论并不统一[12-13]。有研究认为毛竹林最佳施肥量为207 kg/hm2,氮磷钾的最佳质量比为1∶0.6∶0.4[10];但也有研究指出材用林的最佳施肥量为360 kg/hm2,氮磷钾的最佳质量比为1∶0.3∶0.4,笋用林的最佳施肥量为245 kg/hm2,质量比1∶0.7∶1[14];还有研究指出氮、磷、钾的最佳质量比为1∶0.9∶0.1[12]或是1∶0.55∶0.66[15],总体而言,一般为氮肥占比最高,在40%以上,磷肥占比略高于钾肥占比[16-17]。

荟萃(Meta)分析是对同一研究问题一系列个体研究结果的统计综合,起初被大量用于心理学和医学,后被引入生态学和农学等领域[18]。为提高毛竹林产量的同时减少肥料流失、土壤污染等,保持毛竹林较高的经济价值和生态价值,对现有毛竹施肥等相关研究进行Meta分析,以探究毛竹高效精准施肥培育具有一定的必要性。本研究通过收集已发表的有关施肥与毛竹林产量关系的文献数据,采用Meta分析方法,定量分析毛竹林产量及构成因子对施肥处理的响应,并参照总施肥量和氮磷钾占比,对不同施肥处理进行划分,以期为毛竹林定向精准高效施肥提供科学建议及其理论依据。

1 材料与方法

1.1 数据收集和分类

在中国知网(www.cnki.net)、万方数据(www.wanfangdata.com.cn)和WOS(www.webofscience.com),通过专业检索关键词“主题[毛竹(moso bamboo/Phyllostachysedulis)]和(and) 主题[施肥(apply fertilizer)]和 (and) 主题[产量(yield)]”,收集了截至2021年11月1日前公开发表的施肥与毛竹林产量关系的文献。根据本研究目的,避免在数据取舍与搜集过程中出现遗漏和偏差,设置以下标准对文献进行进一步筛选:①试验方式为野外试验,同时有可供比较的对照组和试验组;②使用的肥料必须包含NPK其中的两种或以上,且明确报道了施加NPK的总量和NPK的比例;③所选变量的平均值、样本量和标准偏差(或标准误差)可直接获取或通过计算得出,当数据以图形方式呈现时,利用软件Engauge Digitizer用于获取数字数据;④ 对不同文献报道的同一试验数据只纳入1次。最终汇总了来源于50篇文献的225种施肥组合,并分别计算出总施肥量、氮肥占比、磷肥占比、钾肥占比的1/4点、中位点、3/4点,作为阈值,将各施肥方法按不同类项分为4级(表1)。

表1 各施肥方法不同类项分级

选取的产量指标有新竹产量(yield of bamboo,YB)和竹笋产量(yield of shoots, YS)以及对应的构成因子。新竹产量的构成因子为成竹数(number of bamboo, NB)、新竹高度(height of bamboo, HB)、新竹胸径(diameter of bamboo, DB)等;竹笋产量由春笋产量(yield of spring shoots, YSS)和冬笋产量(yield of winter shoots, YWS)组成,构成因子为出笋数(number of shoots, NS)、春笋出笋数(number of spring shoots, NSS)、春笋退笋数(number of retrograded spring shoots, NRSS)。将所有文献中的产量与施肥方式对应建成数据库,作为评价施肥方式的主要依据。

1.2 Meta分析

进行Meta分析前需进行异质性检验。本研究选用I2统计量法,根据以下公式:

(1)

式中,Q值由Q检验得出,df为数据所对应的自由度。若I2<50%,则认为数据不存在异质性,反之,数据存在异质性。尽管应依据异质性检测的结果对分析所用的模型进行选择,但研究间不存在异质性时,固定效应模型(fixed effects model)和随机效应模型(random effect model)计算的结果一致,而研究间存在差异时,随机效应模型结果更加保守[19],故本研究均采用随机效应模型。

基于Yu等[20]和Wang等[21]的研究,本研究用自然对数转化响应率(response ratio,式中记为RR)处理施肥对响应指标的影响,计算公式[20-21]如下:

(2)

(3)

式中:se和sc分别为实验组和对照组数据的标准差(SD,式中记为Ds),ne和nc分别为实验组和对照组数据的重复数。如果文献中报道了n次试验的平均值和标准误(SE, 式中记为Es),则计算公式[22]为:

(4)

当文献中没有报道SD或SE,也无法通过文中信息计算SD时,则计算公式为[21]:

(5)

加权平均响应率(RR++,式中记为RR++)根据方程(6)和(7)计算得出,公式如下:

(6)

(7)

式中:w为加权系数(weighting factor),τ2为处理组间的方差,k为收录实验的数量。在数据分析之前需进行偏倚检验以判断所选数据是否发生偏倚。本研究选用K-S检验(Kolmogorov-Smirnov test),若检验结果为P>0.05,则表明数据仍符合正态分布,未发生偏倚,则95% 置信区间(CI,式中记为IC)计算公式如下:

IC=RR++±1.96Es(RR++)。

(8)

式中,Es(RR++)为RR,i所对应的SE。

反之,则表明数据发生偏倚,使用非参数估计方法(bootstrapping)迭代4 999次生成95% Bootstrapping CI进行数据分析[19, 23]。

如果不同处理的95% CI不与0重叠,则认为处理存在显著效应;如果不同处理的95% CI互不重叠,则认为不同处理之间存在显著差异[24]。

用百分比表示效应值(effect size,VES)可更加直观地描述结果,计算公式如下:

VES=[exp(RR++)-1]×100%。

(9)

将不同数据的效应频率分布拟合为高斯函数,偏倚检验结果显示,YB、YSS、YWS、HB、NB、NSS、NRSS等指标数据发生偏倚,YS、DB、NS等指标数据未发生偏倚。

1.3 数据处理

本研究利用Excel 2016建立数据库,使用MetaWin 2.1和 IBM SPSS Statistics 26.0 进行Meta分析和数据处理,利用Origin 2022进行绘图。

2 结果与分析

2.1 新竹产量及其构成因子对施肥的响应

与不施肥(对照)相比,施肥导致YB有显著增加(图1),总体效应值为42.76%。随着施肥总量的提升,YB表现出一定的上升趋势,这一趋势在T1和T2两个施肥等级之间最为明显,且在T2时YB达到最高值,效应值为46.67%。施肥总量过高之后,T2、T3、T4所对应的YB效应值差距很小,T3和T4对应的YB效应值分别为45.73%和45.05%,T2和T3对应的效应值显著高于T1对应的效应值。说明施肥总量提升在一定范围内效应特别明显,过高则效应增加不大(图2a)。

YS.竹笋产量yield of shoots;YSS.春笋产量yield of spring shoots;YWS.冬笋产量yield of winter shoots; NS.出笋数number of shoots;NSS.春笋出笋数number of spring shoots;NRSS.春笋退笋数number of retrograded spring shoots;YB.新竹产量yield of bamboo;NB.成竹数number of bamboo;HB.新竹高度height of bamboo;DB.新竹胸径diameter of bamboo。图中数据点对应的数字为对应的样本量。下同。The numbers corresponding to the data points in the figure are the corresponding sample size. The same below.图1 毛竹林产量及其构成因子对施肥的响应Fig. 1 Effect size of yield and its component factors of Phyllostachys edulis forest to fertilization

图中虚线为对应产量指标的总体效应值。The dashed line represents the overall effect value of the corresponding yield indicator.图2 毛竹林产量对施肥量和肥料配比的响应Fig. 2 Effects of fertilization and nutrient proportion on the yield of P. edulis Forest

随着肥料中氮肥占比的增加,YB呈现先增后减的趋势,在N3时对应的YB效应值达到最高值,为45.45%,而最低值出现在N1,效应值为33.04%,但4个氮肥梯度之间并未达到显著性差异。同样的,随着磷肥占比的增加,YB也呈先增后减的趋势,YB的效应值在P3时达到最高值,为49.4%,最低值出现在P1,效应值为33.68%,两者效应值差异显著。而随着钾肥占比的增加,YB呈下降趋势,效应值最高出现在K1,为52.66%,最低出现在K4,仅为27.79%,且存在显著性差异。说明氮肥占比和磷肥占比在一定范围效应对新竹产量有一定的提升作用,过高效应增加不大;低钾肥对新竹产量的增产效应最为明显,随着钾肥占比的提升,效应逐渐降低(图2a)。

施肥同样对NB、HB、DB等YB的重要构成因子产生了显著的促进作用(图1),但效应值都低于YB,其中NB的效应值达到了35.84%,显著高于其他两项,施肥对HB和DB的促进作用较弱,效应值仅为7.22%和8.17%,尽管达到了显著水平,但提升非常有限。说明不同的YB构成因子对施肥的敏感度不同。

2.2 竹笋产量及其构成因子对施肥的响应

与不施肥(对照)相比,施肥导致YS、YSS、YWS均有显著增加(图1),相对于YB的效应,对于YS、YSS、YWS的增加效果更为显著,效应值分别达到了57.01%、62.88%、67.78%。

随着施肥总量的增加,YS表现出先增后减的趋势(图2b),最高值出现在T1,效应值为60.19%,最低值出现在T2,效应值为48.41%,但由于T4数据的缺失,这影响了判断施肥总量和YS的关系。YS对氮肥占比响应的趋势并不明显。其中,N1和N3所对应的YS效应值较高,分别达到了70.45%和61.34%,N2和N4所对应的YS效应值较低,分别为40.75%和47.02%,总体上存在一定的递减趋势。而4个磷肥占比梯度对应的YS效应值差异不显著,在55.38%～61.37%变化,表明磷肥占比的提升对于YS的作用微乎其微。钾肥占比的提升要到较高比例时才呈现,直到钾肥占比达到K4,YS对应的效应值达到了68.63%,显著高于K1。说明施肥总量和磷肥占比的增加对于YS的提升作用较小;氮肥在低占比时对YS的增加作用较为明显,过高则效应增加不大;钾肥在较低占比时增产效应不明显,在达到K4之后,增产效应会显著增加。

YSS是YS的组成部分之一,但YSS对肥料的响应与YS存在一定的区别。施肥总量的增加对YSS的效应总体呈现下降,但差异不显著(图2c),其效应值为59.14%～71.32%。与YS类似,YSS对氮肥占比升高的响应出现了两个高值,即N2和N4,效应值分别为69.19%和71.81%,显著高于N3。磷肥占比的提升,YSS呈较为明显的逐渐下降趋势。钾肥占比的改变使YSS效应值在K3时出现了一个明显的最高值,为80.54%,显著高于K2。说明施肥总量和氮肥占比的增加对于YS的提升作用较小;较低的磷肥占比可能对于YS的提升作用更为明显;最优的钾肥占比是K3。

YWS同样是YS的组成部分。随着施肥总量的增加,YWS也随之增加(图2d),在T4时,YWS效应值达到了最高值(136.20%),显著高于其他3个施肥总量梯度(39.62%～46.38%)。随着氮肥占比增高,在N2时,YWS的效应值最高值,为94.16%,显著高于N1和N3。磷肥占比提升,P2时YWS的效应最高值为108.36%,显著高于P1、P3和P4(25.96%～39.45%)。随钾肥占比的增加,YWS呈逐渐上升的趋势,在K4时达到了最高值(101.51%)。说明YWS会随着施肥总量增加而达到最高,但氮肥占比、磷肥占比则以N2、P2最优,钾肥占比越高其效应值也越大。

施肥对NS和NSS等YS的构成因子均产生了显著提升(图1),效应值分别为40.35%和38.35%。另外,值得注意的是,NRSS作为不利于YSS增加的负面因子,同样也在施肥的作用下产生了显著的增长(图1),NRSS的效应值达到了33.38%,可见施肥对于YS的影响并非是完全正面的。同时,春笋个体质量在施肥后的效应值达到了53.55%,退笋数作为YS的负面构成因子与NRSS相似,施肥后也存在一定上升,效应值为11.64%。

2.3 毛竹林产量及其构成因子与施肥和肥料配比相关性分析

YB与氮肥占比和磷肥占比均呈显著正相关,但与钾肥占比呈显著负相关,YB的构成因子中,NB与氮肥占比呈显著正相关,HB和DB与磷肥占比呈显著正相关(表2)。同时, DB与HB与施肥总量呈显著正相关,NB与施肥总量呈显著负相关,但YB与施肥总量没有显著的相关关系。这说明不同构成因子对施肥总量的不同响应导致了YB对施肥总量的不敏感,氮肥可能通过提升NB来提升YB,磷肥可能通过提升HB和DB来提升YB。

表2 毛竹林产量及其构成因子与施肥和肥料配比相关性分析

而与YB相反,YS仅与施肥总量呈显著正相关。同样的,YSS和YWS也与施肥总量呈显著正相关,同时,与磷肥占比呈显著负相关,与钾肥占比呈显著正相关。构成因子中,NRSS与施肥总量呈显著负相关,NSS与磷肥占比呈显著负相关。这说明施肥总量对YSS的提升作用中,NRSS可能是一个重要的影响因子,而NSS则是磷肥对YSS的作用中一个重要的影响因子。

3 讨 论

3.1 施肥量与毛竹林产量

施肥是毛竹林丰最重要的丰产措施之一,对毛竹林产量、品质的提升有重要意义[25]。但世界范围内易提取肥料储量消耗过快,尤其是我国[26],因此,滥用肥料意味着资源的浪费,同样还会导致环境被污染[27]。有研究指出,施肥过量引起了毛竹林的土壤酸化,降低了毛竹林的碳汇能力,严重影响了毛竹林的生态质量[28-29]。本研究通过Meta分析发现,虽然施肥对于毛竹林产量有提升作用,但对于YB和YS的提升效应并不一致,YS对于肥料的添加更为敏感,增产的效果更为明显,以往研究中也指出了YB和YS的最佳施肥量并不一致[17, 30]。本研究结果表明,在施肥总量高于337.5 kg/(hm2·a)时,施肥量的增加对于YB的增产效果已经非常有限。总体上,YB与施肥总量的相关性并不显著,或相关性极弱,已有的研究也显示,在配方合理的情况下,进一步增加施肥量并不能显著地提升YB[31]。总体而言,以材用为主的毛竹林每年的施肥总量不应超过337.5 kg/hm2;YSS在低施肥量[<228.7 kg/(hm2·a)]时表现出了较高的增长,受YSS的影响,YS也在低施肥量[<228.7 kg/(hm2·a)]时的产量增长率更高。而YWS则表现出截然相反的情况,只有在高施肥总量,即施肥总量超过480.0 kg/(hm2·a)的情况下,产量才会显著增长。这种差异再次强调了“4R”原则的重要性[11]。另一方面,虽然Meta分析被广泛应用于各个领域研究中,且已经被普遍接受,但仍存在一些不可忽视的问题[32-33],这些方法自身的限制问题也有可能导致了YS、YSS、YWS数据之间的不一致。

3.2 氮磷钾肥占比与毛竹林产量

氮肥是植物产量和品质的重要影响因素,施用氮肥过低或过高都会对植物产生不良的影响[34-35]。过低的氮肥施加会导致产量不佳,经济效益下降,过高地氮投入则不利于毛竹生长发育[34,36]。在水稻(Oryzasativa)、小麦(Triticumaestivum)等作物中均有研究证明了过高地施加氮肥会影响作物的正常发育,最后影响产量,即所谓的“贪青徒长”[37-38]。本研究中随着氮肥占比的增加,YB有比较可观的增长,但中高比例和高比例之间的增长趋势明显停滞,甚至有下滑的趋势,这表明在氮肥占比超过62.5%之后,YB增产效益下降,植物生长的限制因子已由氮转变为其他元素,这也意味着材用林的氮肥占比不宜过高。YS、YSS、YWS对氮肥占比的响应趋势不清晰可能是受氮肥占比阈值选取合理性的影响,由于类似研究极少,本研究阈值的选取上可能存在的主观性部分影响了Meta分析,但YS、YSS、YWS在中等氮肥占比的区间内(37.8%～62.5%)均存在最高或次高的效应值,已有研究也认为氮肥占比为施肥总量的40%～50%时为宜[12, 39],在本研究结论的范围内,说明笋用林中氮肥占比同样不宜过高。

磷和钾同样是植物生长发育的重要因子,有研究认为磷是毛竹生长的限制因子[40-41]。但同样的,需要注重的是钾和磷的利用效率,而非单纯的施加量[42-43]。YB增产的最佳磷肥占比出现在中等磷肥占比的区间内(14.0%～32.7%),过高或过低都会出现比较明显的增量下滑。钾肥占比与YB有显著的负相关关系,在低钾肥占比时(0～16.4%),其增量最高。YS增产与磷肥占比的相关性不强,随着磷肥占比的增加,YS有增量增加的趋势,但不明显。YSS和YWS的高值均出现在磷肥占比低于22.3%时,这可能意味着笋对磷肥的施用更加敏感,阈值也更低,以产笋为主的笋用林应控制磷肥在施肥总量中的占比。YS和YWS的最高值均出现在钾肥占比超过34.4%之后,而春笋产量的变化趋势相较于笋产量和冬笋产量有一定前移,最高值出现在中高钾肥占比(24.9%～34.4%),且在施用的钾肥占比超过34.4%之后迅速下降,效应值降幅超过了20%,这显示了过高的钾肥对YSS的增益作用大幅下降。YSS、YWS和钾肥占比均是显著正相关,YS和钾肥占比正相关。这表明YS、YSS和YWS均倾向于略高的钾肥占比,但超过阈值,会导致钾肥的效益下降。同时需要注意的是,毛竹林氮、磷、钾受到不同因素的影响而存在异质性,所以根据地区的不同,阈值也可能会存在差异[44-45]。

3.3 毛竹林产量与其构成因子

产量由产量构成因子所组成,施肥可以改善产量构成因子,通过效益累加或累乘,最后体现为产量的增加[46-47]。不同的产量构成因子对各营养元素的响应情况不同[48]。施肥对几乎所有的产量因子产生了正向的影响,但各产量因子单独的增量均未达到产量的增量,施肥的增益效果作用于大部分产量构成因子,产量构成因子共同促进最终产量的增加,而像NRSS这样的负面构成因子同样受到了正向的影响,这意味着施肥导致产量增加的过程不只有累加或累乘,同时也存在一定的减益。NB与施肥总量的负相关性可能限制了新竹产量在施肥总量过高后的增加,HB和DB则与氮肥占比的负相关关系则限制了高氮肥占比时YB的增加。NSS与磷肥占比较强的负相关性,限制了高磷肥占比时YSS的增加。

值得关注的是,本研究只涉及了施肥总量和养分配比,对施肥时间、施肥地点、气候与环境差异等方面对毛竹林产量及其构成因子的影响并未进行探究,施肥总量和养分配比之外的因素如何影响产量构成因子,并最终体现在毛竹林产量上,这可能是毛竹林产量研究日后需要关注的问题。

综上所述,毛竹材用林的施肥总量不应超过337.5 kg/hm2,或低于228.7 kg/hm2,其中氮肥占比不应超过62.5%,或低于50.9%,磷肥占比应在14.0%～32.7%,钾肥占比应低于16.4%。毛竹笋用林施肥总量不应超过228.7 kg/hm2,氮肥占比在37.8%～62.5%,磷肥占比应低于22.3%,钾肥占比高于24.9%,如果注重春笋产量则钾肥占比不宜超过34.4%,而如果注重冬笋产量则钾肥占比则应高于34.4%。冬笋应单独在特定的正确时间施肥。笋材两用林则应综合考虑,依据本研究的结果,施肥量在228.7～337.5 kg/hm2之间,氮肥占比在50.9%～62.5%之间,磷肥占比应在14.0%～22.3%之间,钾肥占比则应控制在16.4%～24.9%之间。产量构成因子对不同营养元素响应不同,应对不同产量构成因子进行评估,再进一步决定准确的施肥量和施肥配比。