文獻解讀 | 重金屬污染威脅水稻土碳封存能力，導致微生物合成代謝減弱
標題：Heavy metal contamination threats carbon sequestration of paddy soils with an attenuated microbial anabolism
譯名：重金屬污染威脅水稻土壤的碳封存能力，導致微生物分解代謝減弱
期刊：Geoderma
IF：6.6
通訊作者：Li Xiong 熊麗 江西省農業科學院土壤與肥料及資源環境研究所
DOI：https://doi.org/10.1016/j.geoderma.2025.117486
一、 研究亮點
·視角創新：突破了既往研究主要關注微生物分解代謝的局限，首次從微生物合成代謝這一新興理論角度，系統揭示了重金屬污染影響土壤有機碳（SOC）持久性的關鍵微生物機制。
·機制闡明：明確了重金屬污染通過降低微生物碳利用效率（CUE）和土壤氮有效性，從而抑制微生物生物量形成與殘體（如氨基糖）積累，最終導致SOC減少的完整路徑。
·方法綜合：研究結合了多變量統計分析（變異分解、隨機森林）和結構方程模型（SEM），不僅量化了各因素的影響權重，還直觀展示了重金屬污染的間接作用路徑，使結論更為嚴謹。
·現實意義重大：將重金屬污染直接與稻田土壤碳匯功能退化相聯系，警示了一種新的環境風險——污染不僅威脅糧食安全，還可能削弱土壤在氣候變化中的關鍵固碳作用。
二、 研究背景
土壤有機碳（SOC）是土壤肥力的基礎，同時也是重要的陸地碳庫，對減緩氣候變化有關鍵作用。隨著人類活動加劇，農田土壤重金屬污染日益嚴重，直接危害土壤健康與糧食安全。
微生物作為SOC轉化的主要調控者，對重金屬污染非常敏感。以往研究多聚焦于重金屬對微生物分解代謝（如呼吸作用）的影響，但結果存在矛盾。而最新理論表明，微生物合成代謝（生長、增殖、產生殘體）對SOC長期固存的貢獻可能超過50%，但重金屬如何影響此過程尚不明確。
圖（1）
圖1. 研究區及沿縣岔河13個采樣點位置示意圖
三、 研究目的與方法
本研究通過在江西省廢棄鎢礦下游沿污染梯度選取13個稻田采樣點，旨在揭示重金屬污染如何通過微生物合成代謝過程影響SOC動態。
研究方法包括：
污染指標：測定8種重金屬含量，計算綜合污染指數（Nemerow指數）
SOC指標：土壤有機碳含量測定
微生物合成代謝指標：采用18O-H2O示蹤法測定微生物碳利用效率（CUE）和生物量周轉時間
土壤理化性質：pH、氮磷鉀含量、陽離子交換量等
表(1)
表1不同采樣點的重金屬含量與內梅羅指數
·鎘和銅的風險篩查值分別為0.3毫克/千克和50毫克/千克。同一列中不同小寫字母表示采樣點間存在顯著差異（Tukey HSD 檢驗，P<0.05）。
·根據表1分析，研究區域稻田土壤普遍受到Cd和Cu的復合污染，且污染程度隨距離礦區的遠近而變化。
表(2)
表2不同采樣點的土壤理化性質
·同一列中不同小寫字母表示采樣點間存在顯著差異（Tukey HSD 檢驗，P < 0.05）。
·表格2顯示，重金屬污染與土壤有機碳含量及氮素有效性存在顯著的負相關關系。
表（3）
表3不同采樣點的土壤微生物特性
·同一列中不同小寫字母表示采樣點間存在顯著差異（Tukey HSD 檢驗，P < 0.05）。
·量化不同污染程度下土壤的微生物合成代謝相關指標。
·表格3顯示，重金屬污染顯著抑制了微生物的合成代謝功能，表現為微生物生物量、微生物殘留物積累以及碳利用效率的全面下降。
四、 核心發現與數據解讀
1. 重金屬污染對微生物合成代謝的抑制作用
圖（2）
圖2. 內梅羅指數與微生物變量的關系：(a) 氨基糖含量，(b) MBC含量，(c) 微生物CUE，(d) 微生物更替時間。
圖2顯示，隨著內梅羅指數（污染水平）升高，氨基糖含量、MBC含量、微生物CUE均顯著線性下降，微生物更替時間也略有縮短。這直觀證明了重金屬污染對微生物合成代謝相關指標的抑制作用。
2. 土壤有機碳儲量與污染程度負相關
圖(3)
圖3. 內梅羅指數與(a)土壤有機碳（SOC）含量及(b)SOC中氨基糖比例的關系。
圖3a顯示SOC含量與內梅羅指數呈顯著負相關（R2=0.46），表明污染越重，土壤有機碳儲量越低。圖3b顯示氨基糖在SOC中的占比也與污染程度呈負相關，說明微生物殘體貢獻的穩定有機碳比例在減少。
3. 土壤氮素有效性的關鍵作用
圖（4）
圖4. 污染與碳庫的負相關：土壤重金屬污染綜合指數（Nemerow指數）與SOC含量呈顯著負相關（R2=0.46）。
圖4顯示只有總氮（TN）和水解氮（HN）與內梅羅指數呈顯著負相關，表明重金屬污染導致土壤氮素有效性降低，這進一步影響了微生物的生理功能。
4. 土壤氮素有效性驅動微生物碳利用效率提升
圖（5）
圖5. 土壤養分與微生物生理特征的關系。(a-f) 微生物碳利用效率（CUE）與以下指標的關系：(a) 總氮（TN）含量，(b) 總磷（TP）含量，(c) 總鉀（TK）含量，(d) 總氮（HN）含量，(e) 氨態磷（AP）含量，(f) 氨基酸鉀（AK）含量；(g-l) 微生物周轉時間與以下指標的關系：(g) TN含量，(h) TP含量，(i) TK含量，(j) HN含量，(k) AP含量，(l) AK含量。
?關鍵發現?：在圖5中，只有?微生物CUE與總氮（TN）和水解氮（HN）含量呈顯著正相關?。這表明土壤氮素有效性是維持微生物高效生長（高CUE）的重要條件。其他養分與CUE、以及所有養分與微生物更替時間均無顯著相關性。
5. 微生物參數與SOC的密切關系
圖（6）
圖6. 微生物變量與SOC含量的關系：(a) 氨基糖含量，(b) MBC含量，(c) 微生物CUE，(d) 微生物周轉時間。
圖6顯示氨基糖含量、MBC含量、微生物CUE均與SOC含量呈顯著正相關，說明微生物生物量、微生物殘體積累量以及微生物生長效率共同決定了土壤有機碳的儲量。
6. 驅動機制解析
圖（7）
圖7. SOC變化的分區分析。
變異分解表明，SOC變異主要由重金屬與微生物因素的交互作用（31.01%）以及三者的聯合效應（20.37%）所解釋。
圖（8）
圖8.隨機森林分析顯示預測因子對SOC變異的置換重要性（MSE值增加百分比）。各預測因子的顯著性水平設定如下：*表示P<0.05；**表示P<0.01。
隨機森林分析顯示，MBC和內梅羅指數是預測SOC最重要的兩個因子。
圖（9）
圖9. (a) 結構方程模型（SEM）展示了重金屬污染、微生物特性及土壤氮有效性對土壤有機碳（SOC）變異的影響。
結構方程模型最終揭示：重金屬污染直接和間接（通過降低微生物CUE和土壤氮有效性）減少了MBC和微生物殘體的形成，從而導致SOC下降。該模型解釋了81%的SOC變異。
五、 結論
本研究提供了堅實的實證證據，表明重金屬污染會抑制稻田土壤中微生物的合成代謝作用。污染脅迫下，微生物的碳利用效率降低，用于合成自身生物量及其死亡后殘留物的碳減少，這些都是形成穩定土壤有機碳的關鍵前體物質。
這一發現將重金屬污染、土壤微生物生理與全球碳循環緊密聯系起來，對評估污染土地的生態功能和制定可持續管理策略具有重要科學意義。研究警示我們，重金屬污染不僅威脅糧食安全，還可能通過削弱土壤碳封存能力，影響全球氣候變化緩解進程
