竹叶是毛竹(Phyllostachys pubescens)的同化器官, 在毛竹诸器官中各种营养元素的含量都是最高的。叶片营养元素含量既能反映竹林养分状况, 又能反映林地土壤营养状况, 是毛竹林营养管理的重要依据。国内关于毛竹营养施肥的研究较多, 但关于毛竹叶片营养的研究很少, 仅郑郁善等(1998a)就毛竹叶片养分与土壤肥力相关关系作过报道, 但有关施肥对毛竹叶片养分变化的影响及施肥后土壤肥力与叶片营养的相关关系的研究还未见报道。本研究选择奉新毛竹平衡施肥试验林, 研究了施肥后竹林的叶片营养元素含量及土壤供肥能力, 为科学合理地施肥及集约经营管理毛竹林提供有益参考。

1 试验地概况

江西省奉新县地处赣北山区, 属中亚热带湿润季风气侯, 全县森林覆盖率73.9 %, 是江西省毛竹重点产区之一和全国13个丰产毛竹林示范基地县之一。全县有毛竹3.7万hm², 占全县林地面积的45 %(胡冬南等, 2001)。

试验地设在奉新县躁下林场, 土壤为花岗岩母质发育而成的黄红壤, 毛竹纯林林相良好, 林分结构基本一致, 大小年非常明显, 立竹度为1 500 ~ 2 100株·hm^-2, 毛竹平均眉径9.83 cm。试验地面积为1.31 hm², 自1996年开始进行平衡施肥试验, 采用不完全随机区组设计, 7个处理, 4次重复, 共28个试验小区(郭晓敏等, 2003), 每年春季和冬季进行竹林出笋和成竹率及高径调查。

2 试验方法

2000年5、11月, 2001年6、11月选择奉新竹林28个样地中1999年出笋成竹的Ⅰ度标准竹5株, 分别采集竹冠中上部竹叶, 2000年11月采集各度竹混合竹叶, 进行养分含量分析。并于2000年11月和2001年6月采集28个竹林样地的土壤进行测定分析。采用森林土壤定位分析方法测定土壤理化性状(张万儒, 1986)。采用凯氏定氮法测定N元素; 钒钼黄比色法测定P元素; 火焰光度计法测定K元素; 原子吸收分光光度法测定Ca、Mg、Fe、Cu、Zn和Mn等元素。运用多元回归分析方法, 建立毛竹叶片N、P、K、Ca、Mg等营养元素与土壤养分和竹林产量的回归预测模型(竹林产量为2个大年毛竹新竹和退笋鲜质量之和)。

3 结果与分析 3.1 各年龄竹叶养分含量

2000年竹林新叶养分分析结果列于表 1, 结果表明:施肥竹林不同年龄毛竹叶养分含量变化规律与一般竹林基本一致(郑郁善等, 1998b), 即竹龄越小, 含水越多; I度竹新发嫩叶的N、P、K大量元素含量均高于其他各度竹; Ca、Mg、S中量元素及Mn、Zn微量养分均随竹龄增大而增大, Cu则相反。Fe、Si的变化趋势不明显, 但老竹比新竹含量高。幼龄竹具有很强的生命力, 在幼嫩器官发育需要时, N、P、K能比较快地从衰老器官转移到新组织。而Ca在细胞中和果胶酸结合形成不溶性盐, 无法在植株体内移动及再分配, 因而形成不同于N、P、K的分布格局, 即老年竹或老组织中Ca含量高于幼年竹和幼嫩组织。

对施肥后1年生新竹(1999年出笋)进行了成竹后小年(2000年)和大年(2001年)不同季节、叶龄竹叶养分分析, 结果表明:施肥竹林1年生竹叶和春季竹叶的N、P、K、Mg浓度均高于2年生竹叶和秋季竹叶; Ca的浓度则明显低于2年生竹叶和春季竹叶。表 2表明:小年N含量为新叶(5月)最高, 到秋季(11月)有所下降, 至大年发笋后, 6月有所下降, 但直至冬季, 养分维持不变。可能是9月份进行了1次施肥, 弥补了竹林养分匮缺。从N、P、K、Ca、Mg小年秋季到大年秋季的叶养分动态看, 2年差异不大, 仅N、P、Mg含量略有下降, K、Ca含量略有上升, 这也说明了施肥对竹叶养分的快速补充是竹林持续经营的保障。将新竹秋季I度竹叶养分与各度竹混合竹叶养分比较发现, N素养分含量基本相同, P、K、Mg、Ca略有升降, 因此, 若以叶N素养分来诊断竹林养分状况, 则可以只采小年冬季(大年出笋前) I度竹叶来代表竹林叶养分状况, 因为这时竹林积累的养分含量基本达到高峰并维持稳定状态。

3.2 竹叶中P养分状况与土壤肥力的回归分析

南方红壤普遍缺P, 而P又是竹林生长不可缺乏的营养元素。根据本次试验要求, 选择X₁为有机质含量(%), X₁为全N含量(%), X₁为速效N含量(mg·kg^-1), X₁为全P含量(%), X₁为速效P含量(mg· kg^-1), X₁为全K含量(%), X₁为速效K含量(mg·kg^-1), X₁为pH值, X₁为盐基代换量(mmol·kg^-1), X₁₀为活性酸(μg·mL^-1), X₁₁为速效Ca(μg·mL^-1), X₁₂为速效Mg(μg·mL^-1), Y₂为竹叶中P元素的含量(%)。

应用SAS系统多元回归分析软件进行多重线性逐步回归分析, 对9种不同的可简化模型进行筛选, 得出较理想的回归模型:

统计量(Cp)=8.107 1, 确定系数R² =0.892 4, P =0.000 1 < 0.5, 多元逐步回归分析达到极显著水平。从各个变量的偏相关确定系数来看, X₁ : R² =0.010;X₁ : R² =0.025 2;X₁ : R² =0.086 7; X₁ : R² =0.101 6; X₁ : R² =0.009 5;X₁ : R² =0.084 9; X₁₀ : R² =0.542 8; X₁₁ : R² =0.031 6。土壤中各因子与毛竹竹叶中全P含量的偏相关关系为:活性酸>速效K >盐基代换量>全K >速效P >速效Ca >速效N >pH。可见土壤中活性酸含量对竹叶中P元素含量的影响最大。速效K、盐基代换量、全K、速效P对竹叶中P的元素含量影响也较大, 速效N、pH值、速效Ca对毛竹吸收土壤中的P元素含量的影响相对较小。进一步研究活性酸、速效K、盐基代换量、pH与竹叶中P元素含量的关系, 得出以下4个偏回归方程:

结果表明:土壤中活性酸与竹叶中P元素含量成正相关, 土壤中活性酸的含量对毛竹吸收P元素具有重要的促进作用, 高活性酸含量能增加毛竹对土壤中P元素的吸收; pH值的增大也能促进毛竹对P元素的吸收, pH值为4.2 ~ 5.5时, 土壤中P元素的有效性逐渐增加; 另外, 土壤中速效K、速效P、速效N与速效Ca含量的增大对毛竹吸收P元素都具有一定的促进作用。但土壤的盐基代换量与毛竹叶P元素含量负相关(何东进等, 2000a; 2000b;何黎明等, 1987)。

3.3 竹叶中K养分状况与土壤肥力的回归分析

K是毛竹生长必不可少的营养元素, 根据本次试验要求, 选择决策因变量同上, Y₃为竹叶中K元素的含量(%), 应用SAS系统回归分析软件进行多重线性逐步回归分析和模型筛选, 得出较理想的回归模型:

统计量(Cp)=-0.596 8, F =13.56, 确定系数R² =0.830 6, P =0.000 1 < 0.5, 多元线性逐步回归分析达到极显著水平。从偏相关确定系数来看, X₁ : R² =0.010 8;X₁ : R² =0.074 6; X₁ : R² =0.436 6;X₁ : R² = 0.238 1; X₁₀ : R² =0.070 6。全N、速效N、速效P、全K、活性酸与竹叶中K素的含量较密切, 其中速效P对竹叶中K素含量相关关系的影响最为显著。进一步分析速效N、速效P、全K、活性酸与竹叶中K素含量之间的偏相关关系, 得出以下4个偏回归方程:

结果表明:速效P与毛竹K含量呈极显著正相关, 提高土壤中的P含量, 能有效促进K元素的吸收。因此, 土壤中P、全K及活性酸含量一定程度上决定了毛竹吸收土壤中K元素的多少。随3者含量的增大, 毛竹对土壤中K元素的吸收也增大。可见, 土壤中N、P、K这3种主要营养元素的平衡, 对毛竹生长发育的影响很大, 毛竹的生长仍受最小因子定律的限制, 只有对毛竹林进行平衡施肥、集约管理, 才能人为控制土壤供肥条件和各营养元素的含量, 促进、调节毛竹对养分的吸收, 从而使土壤中各种营养元素的含量能够满足毛竹最佳生长需要, 保证毛竹的最佳营养状态, 使毛竹林获得最大社会、生态及经济效益(郭晓敏等, 2002)。

3.4 竹叶中N养分状况与土壤肥力的回归分析

根据竹叶营养成分分析结果, 竹叶中N含量是最高的, 设Y₁为竹叶中N元素的含量(%), 其他变量同前, 进行逐步回归得出回归模型为:

确定系数R² =0.752 5, 统计量(Cp)=5.102 5, P =0.000 4 < 0.01。回归达到显著水平。 从总的偏相关确定系数来看, 土壤中各项因子与毛竹竹叶N元素含量的关系都比较密切。但其中有机质、速效P、全K、活性酸、速效N对竹叶N素含量影响比较显著, 而土壤中的pH值、全N、速效K、盐基代换量、速效Mg及全P的含量对毛竹竹叶中N元素含量的影响相对较小。

进一步分析有机质、全N与竹叶中N素含量之间的偏相关关系, 得出以下偏回归方程:

从竹叶中含N浓度与土壤中全氮的偏相关关系来看, 土壤中全N的含量与竹叶中N元素的含量呈正相关, 土壤中全N含量越高, 相应的竹叶中N元素的含量也就越大; 一般来说, N在一定程度上反映了土壤中营养元素的供应量, 在我国南方山地, 土壤N素的缺乏均会不同程度地影响毛竹生长, 所以, N素是影响毛竹生长的一个非常重要的因子, 起到了一定的主导作用。土壤有机质含量与竹叶中N素负相关这一结果与郑郁善(1998a)的研究结论是一致的, 多元回归模型还显示, 土壤速效P、盐基代换量、pH值、全K及活性酸与竹叶中含N浓度偏相关系数都为负数, 这其中的原因可能与竹林施肥后土壤速效P的快速积累和增加有关, 有研究表明, 当竹林土壤有效P含量达到一定量后将限制N素的吸收并使竹林产量下降, 同时还可能会造成养分间新的不平衡。前面章节对奉新竹林土壤养分的分析已表明, 连续施肥后, 竹林土壤养分改善最大的是速效P, 施肥3年后, 有效P的含量由极缺乏提高到临界值以上和中等养分水平, 因此, 土壤有效P含量的变化可能是造成相关关系异常的原因, 由于植株N素养分与土壤养分间的关系非常复杂, 这方面的研究还有待于继续深入探讨(何东进等, 2000a; 2000b;郑郁善等, 1998a)。

3.5 毛竹林产量与竹叶养分相关模型

设Y₄为竹林产量, 2001年采集的各度毛竹混合叶的N、P、K、Ca、Mg养分含量(X_N、X_P、X_K、X_Ca、X_Mg)为变量, 应用SAS系统分析软件进行多重线性逐步回归分析, 得出回归模型:

确定系数R² =0.326 5, F =2.133 1, P =0.093 >F, 回归达到显著水平。从竹叶中各养分因子与竹林产量的偏相关关系来看, 竹叶N、P、K、Ca、Mg含量与竹林产量密切相关。产量随N、P、K、Mg含量的升高而增加。Ca与竹林产量呈负相关, 竹叶Ca含量越高, 产量就越低, 这是因为Ca含量高, 意味着竹龄大, 林分越衰老, 其生理功能和代谢功能弱, 势必影响竹林产量。另外, 根据此回归模型, 只需在小年冬季采集竹林各度竹的混合叶样进行分析, 就可通过回归模型预测来年竹林的产量, 并制定相应的营养管理措施(洪伟等, 1988;何均潮, 1992;郭晓敏等, 1999)。

4 结论及讨论

不同年龄集约经营毛竹林叶片养分含量变化规律与一般竹林基本一致, 即竹龄越小, 含水分越多; I度竹新发嫩叶的N、P、K元素含量均高于其他各度竹; Ca、Mg、S中量养分元素含量随竹龄增大而增大; 微量养分元素Mn、Zn有随竹龄变小含量减少的趋势, Cu则相反。Fe、Si的变化趋势不明显, 但老竹比新竹含量高, 各度竹间养分变异程度不大。

从N、P、K、Ca、Mg小年到大年的叶养分动态看, 2年差异不大, 仅N、P、K含量略有下降, Ca、Mg基本维持不变, 说明施肥对竹叶养分的快速补充是竹林持续经营的保障。

土壤中影响竹叶N素含量的主要因子是有机质、速效P、活性酸、速效N、全K。土壤中影响竹叶P含量的因子为活性酸>盐基代换量>速效K >全K >速效Ca>速效P >速效N >pH值。影响竹叶中K含量的主要因子为速效P >全K >速效N >活性酸>全N。

通过SAS系统分析软件进行多重线性逐步回归分析, 筛选出4个最优模型:

1) 竹叶N含量与土壤肥力的相关模型:

2) 竹叶P素含量与土壤肥力的相关模型:

3) 竹叶K素含量与土壤肥力的相关模型:

4) 竹叶养分含量与竹林产量的相关模型:

研究分析还表明:毛竹在集约经营过程中, 必须要紧密结合毛竹的生物学特性及需肥机理, 及时补充林地中的速效N、速效P、速效K及有机肥料, 通过人为控制土壤中各营养元素的含量, 可以调节毛竹对土壤养分的吸收, 促进其生长, 提高竹林产量, 增加经济、生态及社会效益; 另外, 应该充分考虑土壤中营养元素的均衡供应, 保证毛竹维持最佳生长, 提高竹材及竹笋的质量, 这将对毛竹增产增效起到至关重要的作用。