文/宇航員伊萬
編輯/宇航員伊萬
«——【·前言·】——»
土壤氮固定是一個關鍵的農業生態系統過程，它對作物生長和農業可持續發展起著重要作用。
傳統上，人們普遍認為豆科作物具有促進土壤氮固定的能力，因為它們與根部共生的植物固氮菌,可以將大氣中的氮轉化為植物可利用的形式。
然而，研究表明，非豆科覆蓋作物也能在一定程度上促進土壤氮固定，具有很高的適用性。
在植物生長期間，植物通過吸收土壤中的無機氮，能夠減少氮素的淋失，並將其存儲在植物體內，這種過程稱為氮吸收和保持，這些覆蓋作物通常具有較高的氮吸收效率，和較低的氮淋失風險，有助於保持土壤中的氮素循環。
還可以通過多種途徑增加土壤中的有機質含量，促進土壤生物活性，並提供其他養分供應，覆蓋作物的根系可以改善土壤結構，增加土壤孔隙度，從而促進水分滲透和空氣通氣，有利於根系生長和有機質的分解，這些過程有助於提高土壤肥力和氮素利用效率。
«——【·實驗研究場地和現場試驗設置·】——»
為了驗證並解決這一問題，研究人員在德國的三個不同環境進行了田間試驗。
這三個地點被選為代表不同的氣候條件，特別是在覆蓋作物期間降水分布不同，覆蓋作物期前的前茬分別為PI地點的春大麥，GR和KÖ地點的冬小麥，在GR和KÖ地點，穀物於2008年8月初收穫，秸稈被運出田地。
在PI，由於植物發育不良，春大麥於6月18日被切碎並留在田地中，該田間試驗採用了完全隨機化分塊設計，每組設有四個重複，主要因素為N肥料施用直接摻入播種前，每個主區劃分為八個子區 ，分別安排春黑麥、黑燕麥、向日葵、白芥菜、蕎麥和大麻。
播種率分別為，300、350、90、150、200和150顆/m2，以及無覆蓋作物和裸露土壤休耕無植被，播種率控制在當地慣常播種率的高端範圍，以實現快速地面覆蓋和土壤保護，以及雜草抑制。
沒有覆蓋作物的小區用於考察雜草生長潛力，和通過評估覆蓋作物種類進行的雜草競爭，裸露土壤休耕作為對照組，用於確定覆蓋作物對覆蓋作物期間土壤氮礦化的影響，在GR和KÖ地點，播種前2天進行了犁地耕作和旋耕機的整地準備工作。
在GR地點，播種前還進行了滾壓處理，在PI地點，春大麥生長結束後一周使用割碎機，對殘留物進行了犁地耕作和整地準備。
播種當天，施肥地塊以50千克氮素/公頃的角粉形式，使用一台地塊播種機深度為0.05米摻入土壤。
覆蓋作物使用同一台地塊播種機在0.03米深度播種，未覆蓋作物和無植被休耕地塊，則使用空的地塊播種機進行一次處理。
而覆蓋作物的出苗情況，在播種後兩到三周內進行了評估，每個地塊有四次重複評估。
«——【·樣品收集和分析·】——»
在播種後立即收集了土壤樣品，並在10月的覆蓋作物生物量採樣後收集了樣品，在PI和KÖ兩個位置，土壤樣品從0到1.2米深度採集。
而在GR位置，由於土壤層深度下0.6米的石塊含量較高，採樣深度僅限於0到0.6米的土壤層。
相同深度的核心樣品經過均質化處理，並存放在田間冷藏箱中，隨後在採樣當天被深凍至-18°C，直到進行最終分析。
在解凍後的一小時內，用0.01M CaCl2製備土壤提取液，並使用連續流分析儀根據VDLUFA方法A 6.1.4.1，和DIN ISO 14255:1998-11檢測NON和NHN濃度。
土壤採樣深度在GR和其他兩個位置之間有所不同，如上述所述，因此僅將0.6米土壤深度以下的樣品，用於所有試驗點的比較分析。
在10月的生物量收穫時，每個樣區的2.04平方米區域通過人工割草，並將植物覆蓋物和雜草分離。
覆蓋作物和雜草的地上毛重鮮重在收穫後，立即在實驗室中使用實驗室天平測定，重量為200至400克的樣品，在105°C的乾燥箱中乾燥至恆定重量，用於干物質重量的計算。
為了確定覆蓋作物莖、葉片和花序材料中的C和N含量，從每個樣區另外收穫了一些植物。
對於葵花、芥菜、蕎麥和大麻，每個樣區採樣10個代表性植物莖，而對於黑麥和燕麥，每個樣區採樣20個植物莖，通過手工分離莖和葉片的方式，將葉片和花序材料合併，並將其作為葉片材料。
確定莖和葉片材料的鮮重，並將這些植物部分在60°C的乾燥箱中乾燥，以計算干物質重量，使用超離心磨粉機對乾燥的植物部分進行細碎，使用元素分析儀。按照VDLUFA方法4.1.2和DIN ISO 10694:199608，分析%C和%N的含量。
«——【·統計分析·】——»
針對播種初期表現，研究人員對覆蓋作物莖和葉片材料中，存在的干物質、氮積累、碳氮比，雜草莖和葉片材料，以及土壤中的無機氮，研究人員基於線性混合模型，使用SAS v.9.3軟體的MIXED過程，進行了方差分析。
分析了三個位置的數據，將位置、施肥和種類作為固定效應，將複製品作為隨機效應，通過對匯總數據進行殘差圖的檢驗，檢查模型的擬合情況，並在必要時使用數據轉換，以滿足線性回歸分析的要求。
覆蓋作物的出苗率、莖和葉片材料的碳氮比、莖材料所佔總生物量的百分比，以及莖材料中的氮含量無需進行任何轉換，而對於所有其他數據集應用對數轉換，進行了方差齊性檢驗，如果存在異方差，則對分割方差進行了擬合。
根據別的學者的方法確定了自由度，計算了最小二乘均值，並使用SAS工具中的Tukey-Kramer檢驗進行均值比較。
«——【·氮礦化模擬·】——»
STICS模型中的殘留物分解模塊，被用來預測不同覆蓋作物產生的殘留物的氮礦化，該分解模型考慮了三個池，覆蓋作物殘留物、分解殘留物的微生物生物量和腐殖質有機物，這些池的每日變化與它們的碳氮比和碳含量有關。
在覆蓋作物殘留物分解過程中，碳要麼以CO2排放，要麼納入微生物生物量中，未用於微生物生物量生長的作物殘留物氮釋放到無機氮池，這個池也作為無機氮的來源，用於微生物生物量的生長。
分解的微生物生物量釋放C和N，其中一部分納入腐殖有機物，一部分以CO2排放，或者在N的情況下作為無機氮釋放，模型通過以下方式表徵C和N的流動，植物殘留物分解速率常數，和來自殘留物碳在微生物生物量中的積累。
微生物菌群的衰減速率常數和微生物C的腐殖化程度，三個池的C:N比，即C:NResidue、C:NMicrobial biomass和C:NHumus，腐殖有機物的持續礦化持續釋放額外的無機氮，這在當前模擬中並未考慮，當前模擬只考慮來自覆蓋作物殘留物的凈氮礦化。
覆蓋作物的凈氮礦化也受到外部參數的影響，土壤、氣候以及殘留物的放置方式，有學者通過成熟和不成熟的作物材料，對土壤進行了孵育實驗評估和驗證。
最終揭示了微生物生物量C:N、殘留物分解常數、腐爛微生物生物量的腐殖係數，與殘留物的C:N比之間的顯著相關性。
有學者在其他土壤孵育實驗中證實了這些關係，並進一步針對C:N比範圍廣的不成熟秋季作物，進行了模型的評估和參數化。
在田間條件下，研究人員對混入的不成熟覆蓋作物殘留物，進行了重新校準和成功驗證的分解模型。
對於C:N比模型參數，輸入範圍為6到200，初步模擬顯示在較低的C:N比下，N礦化存在不一致性，使用假設的未成熟作物殘留物進行模擬，固定干物質和C含量，以及可變的C:N比。
結果顯示，在免耕條件下，模擬的比例凈N礦化，並未根據殘留物的C:N比逐漸變化。
使用從4月到12月的默認氣候條件，在前180天內，土壤表面的N礦化對於C:N比為10至12的殘留物，要低於C:N比為13至20的殘留物。
通過翻耕，模擬的凈N礦化隨著C:N比從8到20的增加而遞減，與其他研究結果類似。
由於免耕條件下文獻和模擬結果之間的差異，使用了耕作的模擬，在土壤內，由於微生物生物量的穩定作用，凈N礦化通常較低。
不過，模擬仍提供了評估覆蓋作物物種的有價值指標，該模型的輸入數據包括自己的取樣和測量、氣象站的測量數據，以及外部來源和文獻資料。
模型從10月25日、10月30日和10月31日分別在PI、GR和KÖ運行，共計140天，直到3月種植豌豆作物，覆蓋作物才在生物量收穫日使用滾筒破碎機終止。
而模型的輸入，是有機殘留物供應的單個干預措施或兩個干預措施。
具有相同數量的莖、葉或莖葉干物質在生物量收穫時存在，殘留物類型輸入參數為「未成熟作物殘留物」，具有植物組織特定的碳含量和碳氮比。
在覆蓋作物終止當天，假設進行一次耕作以便將殘留物與土壤混合，模擬期間未提供額外的施肥或灌溉，每個模擬使用了特定位置的氣候條件。
«——【·氣候·】——»
這些地點之間的氣候差異體現在總降水量和月降水分布上，在兩年期間，PI、GR和KÖ的總降水量均高於歷史平均值。
2008年和2009年，PI的總降水量最大，與GR相比差值為+59毫米，在2008年和2009年對KÖ的差值分別為+104和+25毫米。
在覆蓋作物生長期，2008年8月份，PI和GR的降水量分別比KÖ高出126%和98%，而在9月份，KÖ的降水量略高於其他地點。
而在模擬期的主要月份，PI和GR的累積降水量，分別比KÖ高出76%和31%。
2008年，PI、GR和KÖ的年均溫分別為10.6、10.4和10.3攝氏度，這些溫度比長期平均值高出0.3到0.5攝氏度。
但到在2009年，它們與平均值相似或略低，在覆蓋作物生長期，這三個地點的月均溫度變化很小，在N礦化模擬的第二和第三個月，PI的月均溫度比KÖ高出1.1和0.7攝氏度。
«——【·干物質生產·】——»
在PI實驗地點，整備種子床的時間比GR和KÖ實驗地點提前了近7周，並且覆蓋作物的播種時間分別比GR和KÖ提前了13天和14天。
這可能導致了與GR和KÖ相比，PI所有種類的生物量更大。
總干物質產量在PI、GR和KÖ實驗地點，分別為4.32至7.73 Mg/ha、0.95至3.73 Mg/ha和2.16至3.94 Mg/ha。
儘管存在這種變化，所有實驗地點上生物量產量最大的覆蓋作物種類是相似的。
在PI和KÖ實驗地點，向日葵的干物質產量最大，而在GR實驗地點，向日葵、燕麥和黑麥產生的生物量相等，在PI和KÖ實驗地點，黑麥的總生物量產量居第二位，將總生物量分為莖和葉材料後，發現不同種類產生的莖和葉生物量存在差異。
但在PI、GR和KÖ實驗地點、向日葵和黑麥以及在PI實驗地點，芥菜的莖幹物質產量最大；在PI實驗地點，向日葵的葉生物量最大；而在GR和KÖ實驗地點，燕麥和向日葵的葉干物質產量相等。
向日葵產生了大量的莖和葉材料，但相對而言，莖在總生物量中的比例較低。黑麥和芥菜是在所有實驗地點上，始終顯示出最大莖百分比的種類，在所有實驗地點上，燕麥的莖百分比最低。
值得注意的是，在PI實驗地點，向日葵的莖百分比同樣較低，而在GR和KÖ實驗地點，它比燕麥更高，在各地點的平均情況下，播種前施肥只增加了燕麥和蕎麥的莖百分比，在GR和KÖ地點，施肥一直增加了覆蓋作物和莖的生物量，但在PI地點沒有效果。
在各個地點，施肥後的黑麥、向日葵、芥菜的葉干物質顯著較大，而其他作物沒有對額外施肥作出反應，覆蓋作物區的雜草生物量在GR最高，在KÖ最低，範圍從0.02到2.18 Mg ha−1，在未進行覆蓋作物的區域，PI和GR的雜草生物量相似，大於KÖ。
«——【·結論·】——»
研究表明，在土壤中無機氮供應較低的地區，通過早期播種和提高氮肥的可利用性，可以增加覆蓋作物的干物質產量，額外的施肥也會降低植物材料的C：N比，從而可能增加來自葉片和莖材的氮礦化。
向日葵產生大量的生物量，但大部分氮素積累在易分解的葉片材料中，莖的數量較少，並且由於葉片快速分解，無法保證持續的土壤覆蓋和對冬季雜草的抑制，在低氮條件下，黑麥和燕麥產生了相似數量的生物量，每平方米莖的數量增加。
從黑麥和燕麥的混合物中的氮礦化很低，這兩種作物適合作為覆蓋作物，春季糧草豆類作物可以直接播種，蕎麥的生物量產量大於大麻，但其莖的C：N比較低，在低投入條件下，植物的生物量產量尤其降低。
這兩種作物產生的殘渣，不適合在春季播種糧草豆類作物之前進行覆蓋播種，研究提供了一些關於適宜於高氮可利用性條件下，向日葵和黑麥作為春秋季，無耕播種現金作物覆蓋作物的線索。
而黑麥和燕麥則適合在氮資源較低的地區，春季播種現金作物之前進行覆蓋作物播種。
由此可以看出，非豆科覆蓋作物在促進土壤氮固定方面表現出了很高的適用性。通過增加土壤有機質含量、改善土壤結構和提高養分吸收能力，它們能夠有效地增加土壤中的固定氮量。
因此，在農業生產中廣泛使用非豆科覆蓋作物，不僅可以提高作物產量和質量，還可以改善土壤質量和農業生態系統的可持續性發展。
這為農民和農業管理者提供了一種可行的選擇，以在農田中實施氮素管理措施，提高土壤氮利用效率，減少對化肥的依賴，並實現綠色可持續的農業發展。
參考文獻
1.Grimmer, O. P., & Masiunas, J. B. (2004). Evaluation of winter-killed cover crops preceding snap pea. HortTechnology, 14, 349–355. [Crossref], [Web of Science ®], [Google Scholar]
2.Grimmer, O. P., & Masiunas, J. B. (2005). The weed control potential of oat cultivars. HortTechnology, 15, 140–144. [Web of Science ®], [Google Scholar]
3.Gruber, S., & Claupein, W. (2009). Effect of tillage intensity on weed infestation in organic farming. Soil and Tillage Research, 105, 104–111. doi:10.1016/j.still.2009.06.001 [Crossref], [Web of Science ®], [Google Scholar]
4.Hocking, P. J., & Steer, B. T.. 1982. Nitrogen nutrition of sunflower with special reference to nitrogen stress. In J. Kochman (Ed.), Proceedings of the 10th International Sunflower Conference (pp. 73–78). Toowoomba. [Google Scholar]
5.Hocking, P. J., & Steer, B. T. (1983). Distribution of nitrogen during growth of sunflower (Helianthus annuus L.). Annals of Botany, 51, 787–799. [Crossref], [Web of Science ®], [Google Scholar]
