LI-2100 | 利用同位素技术解析植物水分来源的不确定性

水是地球上最丰富的天然资源之一，它是所有生物体的基本需求。水在地球上循环的过程中，植物水分吸收与蒸腾演绎着重要的角色。植物通过根系吸收水分，并将水分输送到植物的各个部位。植物通过蒸腾作用释放水分到大气中，形成了大气中的水蒸气。

植物水分的来源和分配是植物生长和发育过程中的重要环节，也是相关科研的重点，水同位素技术成为科研过程中十分重要的一种科研手段。今天推荐给大家的优秀文章与此相关。

利用同位素技术解析植物水分来源的不确定性

因为蒸腾占据了61%-65%的陆地生态系统蒸散量，植物水分吸收在全球水循环中发挥着重要作用。植物是土壤和大气水文过程的纽带，这就是实施植物恢复可以改善区域环境的原因之一。在此背景下，研究植物水源划分为如何提高植被生产力和水资源可持续管理提供重要信息。因为植物和环境条件相互作用，水分吸收是一个复杂的过程，这使得植物水源分配变得复杂。近几十年来，同位素广泛应用于植物水源划分，因为它可以标记不同水源，且激光光谱技术使其测量更容易。然而，植物水分来源解析存在很大的不确定性（如示踪剂选择、修正方法及混合模型选择）。

基于此，来自西北农林科技大学的研究团队以陕西省长武黄土塬区苹果树（18和26年树龄）为研究对象，在6月至10月的生长季节，每月采集0~6 m（20 cm间隔）的土壤样品及土壤采样点周围四棵苹果树的1年生枝条（n=50），快速剥离树皮和韧皮部以避免同位素分馏。同时收集降水。利用全自动真空冷凝抽提系统（LI-2100，北京理加联合科技有限公司）提取植物和土壤中的水分，并利用水同位素分析仪测定水体δ²H、δ¹⁷O、δ¹⁸O值。考虑示踪剂、修正方法和混合模型的不确定性，选择4种示踪剂（²H、³H、¹⁸O、¹⁷O），2种木质部水同位素修正方法（²H-SW_excess和²H-SR_WC)和4种混合模型（IsoSource、SIAR、MixSIR和MixSIAR），产生124种组合后，量化了不同来源的不确定性。

植物水源划分的不确定性分析框架。(a)考虑的不确定性因素；(b)不确定性分析；(c)方法优化。

本研究创新点

（a）量化每个不确定性成分对总不确定性的贡献，以确定影响植物水源分配准确性的主导因素；

（b）为研究植物水源分配选择适当方法提供了框架。该研究为评估和选择植物水源分配方法提供了技术支持，并有助于更好地了解植物水分利用机制。

2020年降水(a)、木质部水(b)和土壤水(c、d)同位素组成的季节变化。

(a,b)分别为不同月和不同土壤深度的植物水源划分的总体不确定性。(c) 总体不确定性的细目分类，以及10月份和0-1 m土层的不确定性。M、T和B分别代表混合模型、示踪剂和校正方法。

2020年生长季（a）18年生和（b）26年生苹果树不同层土壤水对木质部水分的相对贡献（采用²H¹⁸O与MixSIAR模型最佳组合）。

研究结论

本研究探讨了植物水分来源的不确定性及方法优化，其至关重要，但尚未得到广泛研究。以黄土高原的苹果树为例，发现混合模型、示踪剂及二者相互作用分别解释了37%、28%和27%的不确定性，而木质部水同位素修正方法仅占总不确定性的2%。基于此，推荐了最优的示踪剂和混合模型组合（²H¹⁸O+MixSIAR）量化植物水源。这些结果为植物水分来源解析提供了重要的方法支撑。