喀斯特地区丛枝菌根真菌多样性研究进展

丛枝菌根真菌（Arbuscular Mycorrhizal Fungi,AM真菌）在喀斯特地区生态修复中具有潜在的可利用性,关于喀斯特地区AM真菌多样性以及生态功能的研究已成为近年来的热点问题。本文归纳了喀斯特地区分离出的AM真菌名录,旨在为喀斯特高效生态修复菌种筛选提供支撑材料。综述了喀斯特地区土壤石灰性、营养物质匮乏、空间异质性强,植被逆向演替、植物种类多样等特点对喀斯特地区AM真菌多样性的影响规律,总结了AM真菌对于喀斯特地区土壤结构、营养元素循环、植物抗旱性、植物个体养分吸收、植被演替方面的生理生态功能及作用机理,以期为喀斯特地区AM真菌适生性研究、AM真菌潜在生态功能有效利用、AM真菌-植物共生体系筛选与培育等环节做出指引,为菌根技术在喀斯特生态修复中的应用提供理论基础。未来的研究应进一步深入探究AM真菌多样性影响机制,探讨AM真菌与植物适生性之间的关系,以及加强AM真菌-植物共生体系筛选与培育。     

喀斯特峰丛洼地泥沙堆积的137Cs示踪研究——以丫吉试验场为例

西南喀斯特地区是我国生态环境最脆弱的地区之一,土壤侵蚀及其造成的石漠化已成为制约该区可持续发展最严重的生态环境问题。但是该区的侵蚀泥沙研究基础薄弱,利用核素示踪法研究侵蚀泥沙的报道较少。本文以桂林丫吉试验场的峰丛洼地小流域为研究对象,运用137Cs示踪技术定量研究了洼地泥沙堆积速率,确定了该洼地小流域1963年以来的泥沙堆积速率。初步研究结果表明,1963~2008年的45年间,丫吉1号洼地的泥沙堆积速率和堆积模数分别为0.104cm·a-1和13.68 t·km-2·a-1。讨论了研究小流域泥沙堆积与地面土壤流失的关系,认为研究区域近几十年以来的地面水土流失相当轻微,地面土壤流失速率仅为10余t·km-2·a-1。     

基于土地利用转型视角的“亚喀斯特”区域生态环境效应研究——以黔中部分地区为例

在遥感与GIS的支持下,以1995、2000、2005和2010年的TM影像及2015年的Landsat8 OLI遥感影像为数据源,从土地利用转型的角度,运用区域生态环境质量指数和土地利用转型类型的生态贡献率对亚喀斯特地区的土地利用/覆盖变化过程及生态环境效应进行了定量分析。结果表明,1995~2015年间,亚喀斯特地区土地利用/覆盖变化较为显著,其中生活用地和生态用地面积增加,而生产用地面积减少,主要表现为农业生产用地向城镇、农村生活用地及林地生态用地的转化。计算得到亚喀斯特区域5期的生态环境质量指数分别为0.540 2、0.539 7、0.552 3、0.558 1和0.561 5,生态环境质量总体维持稳定,呈一定的上升趋势。致使亚喀斯特区域生态环境质量改善的主要原因是农业生产用地向林地、草地和水域生态用地的转化;致使生态环境恶化的主要是农业生产用地向城镇、农村生活用地等的转化,但生态环境改善的趋势要大于恶化的趋势。     

石缝里的未来

走在贵州山区,翻过一座又一座大山之后,如同艺术盆栽的景象就会跃然眼前——沿着盘山公路,几株绿色的玉米秆像是不守纪律的小学生,稀稀落落地插在石缝间的土壤里.这里的"庄稼地"仅仅存在于这狭小的石缝之间.     

国土空间生态修复关键区识别及修复分区——以西南喀斯特山区开远市为例

以开远市为例,从生态系统服务和生态脆弱性视角,构建生态安全格局并识别生态修复关键区域;以生态问题指数识别生态修复关键区内存在的生态问题,划定生态修复分区并提出相应的修复策略.研究表明:(1)开远市生态安全格局由两种源地和两类廊道构成.其中生态保护源地和生态修复源地的面积分别为190.53和16.82km2,潜在生态廊道和修复廊道总长分别为191.15和75.71km.(2)基于生态安全格局提取开远市生态修复关键区域,包括15个生态修复源地、12条修复廊道、31个生态夹点和11个障碍区.生态修复关键区域内石漠化主要集中于开远市西部和南部,西部石漠化程度较南部更高;土壤侵蚀以微度侵蚀为主;地质灾害多发于采矿区以及喀斯特地貌区;景观生态风险均较高;人为干扰集中在西北—东南一线.(3)根据生态问题指数(Ecological Problem Index)测算结果,将生态修复关键区域分为生态保育区、功能提升区、灾害防治区和重点整治区,并结合各区突出生态问题提出相应的优化策略.     

喀斯特山区土壤溶解性有机质光谱特征及来源解析

采用紫外-可见光谱(UV-vis)与三维荧光光谱(EEMs),结合平行因子分析(PARAFAC)方法，对贵州省典型喀斯特山区土壤溶解性有机质(SDOM)的特征、来源及组成进行分析。结果表明：土壤溶解性有机碳(SDOC)含量因土地利用类型不同而存在差异，其中草地表层SDOC含量显著高于林地。利用PARAFAC模型解析出3种荧光组分，C1(类腐殖质)、C2(类色氨酸)和C3(类酪氨酸),3种组分含量间存在显著正相关(P<0.01),且在不同土地利用方式下的分布有所差异。紫外特征参数显示：草地表层SDOM相对分子质量小于林地，旱地SDOM中芳香物质和疏水性组分较多。荧光特征参数显示：研究区SDOM总体腐殖化程度较低、稳定性较弱，且不同土地利用类型SDOM来源存在差异。林地以微生物源输入为主，旱地兼具微生物源与陆源共同作用，但以新生自生源为主。草地表层SDOM来源特征与旱地相同，亚表层则以微生物源输入为主。随着海拔升高，组分C1占比增加，C3占比降低，SDOM腐殖化程度增强，微生物源贡献减弱。SDOM荧光与吸光特征可有效表征喀斯特山地SDOM组分与来源特性，可作为区域土地利用与环境决策的...     

喀斯特坡地土壤稳渗率空间分布变化特征研究

为查明高异质性背景条件下喀斯特坡地土壤稳渗率空间分布变化特征,在6类典型人为活动方式石灰岩坡地针对4类主要生境类型(土面、土石面、石沟、石缝)开展生境空间分布调查和土壤理化性质分析,并利用Guelph入渗仪进行稳渗率实验。通过对比分析各生境土壤性质和土壤稳渗率关系,结合人为作用方式探讨各生境土壤性质和稳渗率空间变化特征及其演化规律。结果表明:1)喀斯特坡地土壤稳渗率普遍高于非喀斯特地区,喀斯特坡地土壤稳渗率受土壤孔隙和岩石裂隙耦合作用影响。2)各生境条件下土壤稳渗率具有高度的空间异质性,呈现"斑块状"空间分布特征。3)坡地人为作用方式变化将改变原有生境的土壤性质,进而导致各生境土壤稳渗率随人为活动进程发生相应变化。人为踩踏作用影响较小的原生林、次生林和乔灌林坡地土面和土石面生境土壤稳渗率普遍高于石沟和石缝生境,但转变为人为踩踏作用强烈的放牧灌草地或火烧人为干扰地后,土面和土石面生境土壤退化严重,土壤容重和粘粒含量增大,稳渗率显著降低。而石沟和石缝生境土壤性质和稳渗率受影响程度明显小于土面和土石面生境,土壤稳渗率仍可维持较高水平。     

贵州普定陈旗喀斯特泉的降雨-径流响应特征分析

本文以贵州省普定县陈旗喀斯特泉流量为研究对象,采用相关分析和谱分析方法,分析降雨-出口泉流量的响应特征,统计结果表明,该喀斯特流域出口处泉流量对降雨表现出三种响应滞时,分别为短时段、中等时段和长时段响应。对应的响应滞时长度分别为2~4 h、47~49 h和176~290 h。对比流域山坡上部和坡脚两处降雨-泉流量响应特征,结合野外水文地质调查与实验,分析了表层岩溶带发育厚度、多重裂隙渗透性等水文地质条件对降雨-泉流量响应特征的影响机制。山坡上部表层岩溶带厚度较薄,且表层裂隙更为发育,导致山坡上部泉对降雨的响应更迅速,各时段滞时均小于全流域对应时段滞时。     

普定水电站观测孔水文水化学特征及其潜在风险评估

在喀斯特地区建设和管理水电站难度较大,不但要考虑水库蓄水、岩溶的发育、以及大坝的安全稳定等因素,还需要考虑水文水化学对大坝和机组安全运行的影响。通过对贵州普定水电站大坝的坝底廊道和左右坝肩廊道水的监测和取样,对水温、水位、电导率、Ca2+、Mg2+和HCO-3进行了对比初步分析。得出以下认识:从水温和水位上看,其对大坝安全运行产生风险的可能性不大;根据对Ca2+、Mg2+和HCO-3的分析结果,发现三个廊道内水对大坝都具有不同程度的侵蚀作用,对帷幕灌浆的砼结构有不同程度的破坏,对冲沙闸附近的混凝土的侵蚀程度比其他位置要大;同时发现所有水的Ca2+浓度都较高,很可能对发动机安全运行造成影响,需要定期维护消除。     

贵州施秉白云岩喀斯特区水化学和溶解无机碳稳定同位素特征

对贵州施秉白云岩喀斯特世界自然遗产地49个水点进行采样,分析地表水和地下水水化学特征及控制因素,并探讨溶解无机碳(DIC)稳定同位素的分布特征和来源.结果发现,研究区地表水和地下水p H值呈中性到碱性,溶解质较低,水中阳离子以Ca2+、Mg2+为主,阴离子以HCO-3为主,水化学类型为重碳酸-钙镁型(HCO3-Ca·Mg).北部上游页岩分布区外源水水中Cl-、NO-3、SO2-4的比重相对白云岩区喀斯特水水点的高,Si的含量也明显高于白云岩地区喀斯特水;外源水的SIc和SId值为负,而流经白云岩区后均大于0.水化学数据表明研究区水化学受降水和人为活动影响很小,Gibbs图显示水中离子组成主要受岩性的控制.研究区喀斯特地表水中δ13CDIC值变化范围为-8.27‰~-11.55‰,平均为-9.45‰,地下水的δ13CDIC值范围为-10.57‰~-15.59‰,平均为-12.04‰,地表水δ13CDIC值比地下水偏重.DIC的δ13CDIC值在杉木河支流上整体表现为河流上游相对于下游偏轻,而杉木河干流上河水DIC的δ13CDIC值的变化则比较复杂.根据同位素质量平衡,利用DIC的δ13CDIC实测值,计算了喀斯特区地下水DIC来自土壤CO2和白云岩矿物溶解的比例,计算结果为51.2%来自于土壤CO2,矿物本身的贡献约为48.8%.