摘要
挺水植物在生长期不仅可以作为“汇”从水体及底泥中吸收养分，在衰亡期还可以作为“源”不断向水环境中释放氮、磷等营养物质，如果生物量过高则可能引起水体“二次污染”。为探究衡水湖典型挺水植物养分释放规律及影响植物分解的微生物学机制，以优势种芦苇（Phragmites australis）和水烛（Typha angustifolia）为研究对象，于2023年2月底在河北衡水湖采用分解袋法开展原位分解实验，以水面上未接触水体的实验组模拟植物的“立枯分解”，水面下淹水实验组模拟挺水植物在水体中的腐烂分解。结果表明：①芦苇与水烛在淹水与非淹水条件下分解速率具有极显著差异，淹水分解更有助于芦苇与水烛腐烂分解，但长时间淹水可能会导致元素积累。②水烛比芦苇分解快，是由于分解速率与初始氮、磷含量及氮、磷循环总基因相对丰度呈正相关，与初始纤维素、木质素、可溶性糖含量呈负相关。③固氮基因丰度随分解程度的增加而逐渐增加，芦苇（分解中后期）与水烛凋落物氮含量的增加与固氮微生物的固氮基因呈正相关关系。
Abstract
Emergent plants can not only absorb nutrients from water and sediment as a sink during the growth period, but also release nutrients such as nitrogen and phosphorus into the water environment as a source during the decline period. When the biomass is high, this release may lead to secondary pollution of the water body. To explore the nutrient release rule of typical emergent plants in Lake Hengshui and the microbial mechanism affecting plant decomposition, two dominant species Phragmites australis and Typha angustifolia, were selected as research subjects. In-situ decomposition experiments were conducted using the decomposition-bag method in Lake Hengshui at the end of February 2023. The “vertical decomposition” of plants was simulated in the experimental group which was not in contact with the water surface, and the decomposition of emergent plants was simulated in the experimental group which was flooded under the water surface. The results showed that: (1) The decomposition rates of P. australis and T. angustifolia were significantly different under flooded and non-flooded conditions. Flooded conditions enhanced the decomposition of P. australis and T. angustifolia, but long-term flooding might lead to the accumulation of elements. (2) The decomposition rate of T. angustifolia was faster than that of P. australis, because the decomposition rate was positively correlated with the initial N and P contents and the relative abundance of nitrogen and phosphorus cycling genes, and negatively correlated with the initial cellulose, lignin and soluble sugar contents. (3) The abundance of nitrogen-fixing genes increased gradually with the degree of decomposition, and the increase of N content in the litter of both species was positively correlated with the nitrogen-fixing genes of nitrogen-fixing microorganisms.
水生植物作为水生态系统的初级生产者，具有提高水体透明度、增加溶解氧、净化水质等功能。水生植物在河流和湖泊物质循环与能量流动中充当着重要角色，在其生长发育过程中，可不断从水体及底泥中吸收氮、磷等营养物质，担任着“汇”的角色[1]。但水生植物进入衰亡期后，其凋落物[2]所包含的有机质和营养物质会通过分解作用释放到水体中，水环境中营养盐浓度持续增加，担任着“源”的角色，如若水生植物生物量庞大则会导致水体“二次污染”[3]。有研究表明[4]，当菹草残体生物量＜ 2 kg/m2时，其残体腐烂分解对水质影响较小，但当生物量＞ 3 kg/m2时，菹草残体的腐烂分解将会严重污染水质。水生植物的腐烂分解是一个包含生物、物理和化学的复杂过程，也是水生植物从萌发、生长到衰亡的必经阶段。另外，凋落物残体的沉降会增加碳储量及沉积物层厚度，从而加速湖泊陆地化进程[5]。
凋落物的自然分解主要包括机械破碎、可溶性有机物的浸出以及在分解者作用下植物组织的分解等。而影响凋落物分解的因素有很多，通常受到生物因素（如微生物群落、底栖动物丰度、凋落物质量等）和非生物因素（如环境温度、气候、pH等）两方面的影响[6-7]。相较于非生物因素，微生物群落及凋落物质量（C/N、N/P、木质纤维素等）可能对分解速率的影响更为明显[8]。挺水植物作为水生植物的一类，其衰亡后并不会立即沉入水中，而是在空气中先进行“立枯阶段”的腐烂分解，待挺水植物倒伏沉入水中后会因微生物的介入而加速腐烂分解的进程。但由于立枯分解速率极低，大多数学者忽略了立枯阶段的研究，导致估算植物腐烂，氮磷释放强度出现较大偏差。
前人关于凋落物分解的研究多集中在室内分解的模拟研究，且分解周期普遍较短，不能很好地还原自然环境中凋落物分解的实际过程，而对于水面上立枯阶段的分解、水面下长时间的淹水分解过程中凋落物质量、微生物群落共同影响的研究较少[9-10]。因此，本研究以全国普遍存在的、同时也是河北衡水湖中的两种常见的挺水植物芦苇（Phragmites australis）与水烛（Typha angustifolia）为研究对象，通过对凋落物进行原位淹水和原位非淹水处理，来模拟自然腐烂分解过程中两种挺水植物的全过程分解，旨在确定芦苇与水烛两种挺水植物的分解机制，并为衡水湖的运行管理提供科学依据。
1 材料与方法
1.1 研究区概况
衡水湖是华北平原第二大淡水湖，位于河北省衡水市境内（图1），总面积为163.65 km2，水域面积为75 km2，地处暖温带大陆性、半湿润半干旱季风气候，年平均气温为12.7℃。中湖大道将整个衡水湖分为东湖和西湖两部分，其中东湖又被一条人工堤坝分为大湖和小湖。保护区内湿地植物群落主要以挺水植物芦苇、水烛及莲为代表，其中挺水植物芦苇和水烛为优势种[11-12]。2019年衡水湖芦苇湿地面积约为12.83 km2，占水域面积的17.11%[13]；2021年调查表明湿地面积有所萎缩，但芦苇群落面积仍然高达4.8 km2，水烛面积约为1.6 km2。有研究表明[14]，衡水湖沉积物中出现中度氮污染，很大程度上是由于湖区内丰富的芦苇等挺水植物以及大量植物残体在沉积和分解过程中释放了氮元素所致。此外，该过程中沉积层厚度的增加以及湖泊的陆地化也是包括衡水湖在内的国内大多数城市湖泊所面临的共同问题。
1.2 实验设计
本研究以2023年1月在衡水湖采集的芦苇茎秆与水烛（不含根和繁殖器官）为研究对象，先截成10 cm的小段混匀，并于25℃低温烘干至恒重，准确称取30 g植物样本装入150目（106 μm）尼龙分解袋（尺寸20 cm×15 cm）中并绑扎在塑料筐上。实验地点选择衡水湖的大湖和小湖，两湖水面下均设置有芦苇和水烛分解袋的实验装置（淹水分解），并在水面上设置有暴露于空气中的对照分解袋（非淹水分解），以模拟植物“立枯阶段”的分解。腐烂分解实验于2023年2月底开始持续至2024年3月底，因2023年12月—次年1月湖水进入冰封期无法进行采样工作，分别从实验开始后的第30、60、90、120、150、180、210、240、270、360和390天进行分解袋的回收工作并从实验区采集水样，每次从大湖、小湖及空气实验区随机取回芦苇与水烛分解袋各3袋平行样（共18袋），带至实验室后首先对湖区分解袋内富含微生物的渗透液挤压至离心管内，离心倒去上清液后将富含微生物离心物的平行样混合并超低温保存，以便后续结合宏基因组测序分析微生物功能多样性与植物腐烂分解的微生物学机制。随后对分解袋内的植物残渣用自来水清洗并于25℃烘干至恒重，粉碎过筛后低温保存用于植物组分测定。
图12022年衡水湖水生植物群落分布及植物腐烂分解实验点位示意
Fig.1Schematic diagram of the distribution of aquatic plant communities in 2022 and experimental sites for plant decay and decomposition in Lake Hengshui
1.3 分析方法
植物N、P含量采用H2SO4-H2O2消煮法消化后再结合碱性过硫酸钾消解法，将植物有机氮、磷转化为无机氮、磷[15-16]；植物纤维素、半纤维素与木质素采用Williams and Olmsted法[17] 进行测定；植物可溶性糖及淀粉采用蔥酮比色法进行测定[18]。对大湖富含微生物的离心物通过MagAttract PowerSoil Pro DNA Kit 试剂盒说明书进行总DNA抽提。使用NanoDrop2000检测DNA纯度、TBS-380检测DNA浓度，利用1%琼脂糖凝胶（Agarose75510019（invitrogen原装））电泳检测DNA完整性。通过Covaris M220（基因公司，中国）将DNA片段化，筛选约400 bp的片段，用于构建PE文库。宏基因组测序则委托上海美吉生物医药科技有限公司使用Illumina NovaSeq测序平台协助完成。
1.4 数据处理
用Olson指数衰减模型[19]描述植物材料干重变化：
(1)
式中，Wt是t时刻植物体的分解残留量；W0是植物体初始质量；t是分解时间；k是分解速率常数，k值越大代表分解速度越快。
运用单因素方差分析法进行植物初始化学特征的分析；因芦苇和水烛为较难分解的挺水植物，其完全分解可达1~3年[20-22]，且本分解实验持续13个月，因此，对分解第360天时植物残体的剩余质量、氮（N）、磷（P）及木质纤维素含量进行双因素方差分析，以探究种类和处理两个因素的效应。可溶性物质主要在前期发生快速淋溶，在分解的第30天时对植物可溶性物质进行种间和处理间的双因素方差分析。采用Origin软件进行图形绘制及数据分析，采用Pearson相关分析和双尾检验进行凋落物初始化学特征及周围水质的相关性分析。通过Chao指数表征微生物的丰度，Shannon指数和Simpson指数反映微生物的多样性[23]。通过Wilcox秩和检验分析β多样性指数和基于Bray-Curtis距离进行细菌群落相似性分析（ANOSIM）来判断种间菌群结构差异的显著性。
2 实验结果
2.1 芦苇与水烛分解动态
芦苇与水烛在不同湖区剩余干物质量随时间的变化可以看出，淹水条件下植物变化趋势基本相似，具有明显的阶段性，均呈现出前期快速分解后期缓慢分解的趋势（图2）。根据Olson指数衰减模型拟合出分解方程并计算出凋落物分解50%所需时间及分解两年后干物质剩余率。同一湖区的芦苇与水烛腐烂分解差异较大，分解速率具有显著性差异（P＜0.05），大湖芦苇和大湖水烛的分解速率分别为1.339×10-3和1.685×10-3 d-1，而小湖芦苇和小湖水烛的分解速率分别为1.301×10-3和1.584×10-3 d-1（表1）。拟合方程的R2分别为0.9528、0.9253、0.9461和0.9530，表明可以用指数方程很好地拟合分解动态。通过拟合方程计算出凋落物分解50%所需时间分别为481、374、497和399 d，分解两年后所对应的干物质剩余率分别为35.81%、27.40%、36.88%和29.56%，分解速率整体表现为大湖水烛＞小湖水烛＞大湖芦苇＞小湖芦苇。在分解的第360天，植物种间（芦苇与水烛）与处理（淹水与非淹水）之间的剩余干物质量均具有极显著差异（P＜0.01）（表2），分解速率具体表现为淹水分解大于非淹水分解。
图2两种挺水植物的剩余干物质量变化
Fig.2Changes in residual dry matter of two aquatic plants
表1不同处理的分解回归方程和分解参数*
Tab.1Decomposition regression equations and decomposition parameters for different processes
*k为瞬时衰减系数；T1/2为分解50%所需时间；DMR730/%指分解2年后干物质剩余率。
2.2 芦苇与水烛凋落物分解过程中植物组分的变化
2.2.1 芦苇与水烛凋落物分解过程中N、P含量的变化
芦苇样品中N、P初始含量分别为（5.13±0.26）、（0.30±0.02）mg/g，水烛样品中N、P初始含量分别为（6.53±0.42）、（0.39±0.01）mg/g，单因素方差分析显示，初始N、P含量在不同种间均具有极显著差异（P＜0.01）。如图3所示，同种植物在不同湖区的N、P含量变化趋势大致相同，但不同植物在同种湖区的N、P含量变化差异较大。淹水处理（大湖、小湖）的芦苇N含量在0~240 d内基本维持于初始值，在240~390 d内呈现缓慢上升的趋势（最高点分别较初始值增加57.11%、46.59%）。水烛N含量在两湖区均表现为波动性增加，大湖水烛、小湖水烛N含量最高值分别为18.39、18.57 mg/g（分别较初始值增加181.62%、184.38%）（图3A），芦苇与水烛N含量均表现出不同程度的累积现象。两种植物P含量的差异与N含量的差异类似，水烛比芦苇的波动性更大。大、小湖水烛P含量最高点分别为1.06、1.26 mg/g（分别较初始值增加171.79%、223.08%）（图3B）。在分解的第360天，植物N含量和P含量在种间和处理间均具有显著性差异（P＜0.01）（表2）。
表2植物种间和处理间的双因素方差分析
Tab.2The two-way AVOVA analysis between plant species and treatments
种间*处理表示种间与处理之间的交互作用，剩余质量、N、P、木质素、纤维素、半纤维素方差分析时间点为360 d，可溶性糖、淀粉分析时间点为30 d。
图3芦苇与水烛分解过程中N、P含量变化
Fig.3Content changes of N and P during the decomposition process of P. australis and T. angustifolia
2.2.2 芦苇与水烛凋落物分解过程中木质纤维素的变化
经测定，芦苇样品中纤维素、半纤维素和木质素的初始含量分别为38.71%、30.30%、12.59%，水烛样品中纤维素、半纤维素和木质素的初始含量分别为29.43%、29.67%、11.42%（图4）。单因素方差分析显示，初始纤维素、木质素含量在不同种间均具有显著性差异（P＜0.01、P＜0.05）。如图4所示，不同湖区的同种植物木质纤维素含量变化趋势基本一致，但不同植物的木质纤维素含量变化趋势存在差异。淹水植物的纤维素、半纤维素、木质素含量在前60 d内均呈上升趋势，可能是由于实验初期可溶性物质的快速淋溶导致难分解物质在凋落物组分中百分比含量增加引起。
淹水芦苇（大湖、小湖）纤维素含量在第60~150天持续缓慢下降，随后一个月内纤维素含量迅速上升至初始值附近，后期无明显变化；淹水水烛（大湖、小湖）的纤维素含量整体呈现出波动性下降趋势，实验结束时大、小湖水烛纤维素含量分别为20.60%、24.56%，有明显的下降趋势（图4A）。淹水芦苇半纤维素含量变化极为稳定且不明显，整体呈极缓慢下降的趋势，实验结束时大、小湖半纤维素含量分别为28.67%、28.93%；淹水水烛半纤维素含量在经过前期升高之后呈波动性下降，最后趋于稳定，实验结束时大、小湖水烛半纤维素含量较初始值分别下降了26.56%、18.60%（图4B）。双因素方差分析表明，两种植物的纤维素、半纤维素含量在种间和处理间均具有显著差异性（P＜0.01）（表2）。芦苇与水烛在不同湖区及不同淹水条件下木质素含量均呈现先上升后下降的变化趋势，最高值显著高于初始木质素含量，且两种植物存在时间上的滞后效应（图4C）。
图4芦苇与水烛分解过程中木质纤维素含量变化
Fig.4Changes in lignocellulose content during the decomposition process of P. australis and T. angustifolia
2.2.3 芦苇与水烛凋落物分解过程中可溶性糖、淀粉的变化
芦苇样品中可溶性糖和淀粉的初始含量分别为17.99和81.79 mg/g，水烛样品中可溶性糖和淀粉的初始含量分别为14.07和78.90 mg/g，单因素方差分析显示，初始可溶性糖、淀粉含量在不同种间具有显著性差异（P＜0.01、P＜0.05）。如图5所示，不同湖区的同种植物可溶性糖和淀粉含量变化趋势基本一致，淹水条件下的两种植物可溶性糖、淀粉含量在第0~30天急剧下降。双因素方差分析表明，第30天时可溶性糖和淀粉含量在种间和处理间均具有显著性差异（P＜0.01）（表2），说明淹水分解更有利于可溶性糖和淀粉的释放。30 d后芦苇与水烛的可溶性糖含量变化较为稳定，大湖芦苇、小湖芦苇、大湖水烛、小湖水烛可溶性糖含量最低值分别为3.32、4.11、4.32、5.01 mg/g，较初始值分别下降了81.52%、77.12%、69.30%、64.39%（图5A）。淹水芦苇淀粉含量最终在180 d后与初始含量接近并趋于稳定，淹水水烛淀粉含量虽有上升但未超过其初始含量。
图5芦苇与水烛分解过程中可溶性糖（A）和淀粉（B）含量的变化
Fig.5Changes of soluble sugars (A) and starch (B) content during the decomposition process of P. australis and T. angustifolia
2.3 芦苇与水烛凋落物分解过程中周围水质差异
实验期间对大、小湖区水体理化因子进行分析（表3），整体而言，大湖水体营养盐浓度略高于小湖。两湖区水体总氮浓度均处于《地表水环境质量标准》（GB 3838—2002）Ⅴ类水标准限值（≤ 2.0 mg/L），具体表现为大湖水体总氮浓度略高于小湖，且两湖区总氮浓度具有显著性差异（P＜0.05）。而大湖水体亚硝态氮浓度是小湖水体的两倍之多，具有显著性差异（P＜0.05），两湖区氨氮、硝态氮浓度无显著性差异（P＞0.05）。两湖区水体总磷浓度均处于《地表水环境质量标准》（GB 3838—2002）Ⅳ类水标准限值（≤0.1 mg/L），且两个湖区水体总磷、高锰酸盐指数、溶解氧浓度无明显差异（P＞0.05）。
表3各取样点水质指标单因素方差分析
Tab.3One-way ANOVA of water quality indicators at each sampling point
*代表0.01＜P＜0.05。
2.4 大湖芦苇与水烛凋落物分解过程中微生物群落变化
2.4.1 大湖芦苇与水烛凋落物分解过程中微生物群落丰度变化
多数研究认为微生物群落丰度和多样性会随着分解时间而变高[24-25]，本研究中通过对分解袋内微生物群落α多样性指数进行分析（表4），随着芦苇凋落物的分解，Chao指数、Shannon指数先减小后增加，Simpson指数先增加后减小，表明芦苇微生物群落丰度及多样性先减小后增加。随着水烛凋落物的分解，Chao指数、Shannon指数逐渐减小，Simpson指数逐渐增加，即水烛微生物群落丰度及多样性逐渐降低，这与以往的研究不符。种水平下Venn分析结果显示（图6），芦苇在分解3、6、12个月时，独有物种分别为700、465、903种；水烛在分解3、6、12个月时，独有物种分别为414、349、213种，即芦苇与水烛微生物群落丰度和多样性的变化与独有物种的变化有关。
表4微生物群落α多样性指数*
Tab.4Microbial community alpha diversity index
*3 MOS、6 MOS、12 MOS分别代表分解时长3、6、12个月。
2.4.2 大湖芦苇与水烛凋落物分解过程中微生物群落结构差异性
芦苇与水烛样本种间差异性分析如图7A、B所示。基于β多样性对不同类群微生物群落组成的比较分析，通过Wilcox秩和检验分析的β多样性指数显示两组间存在显著性差异（P＜0.05）。基于 Bray-Curtis 距离的微生物群落相似性分析（ANOSIM）结果显示，芦苇与水烛微生物群落种间差异大于组间差异（P＜0.05）。应力函数Stress=0.030（＜0.2），说明NMDS二维空间拟合结果具有一定的代表性，且芦苇与水烛微生物群落结构差异明显（图7C）。
2.4.3 大湖芦苇与水烛凋落物分解过程中微生物群落基因丰度变化
大湖分解袋各阶段与氮、磷循环相关的基因相对丰度如图8所示。从整体上看，参与氮、磷循环的相关基因相对丰度在植物种间差异较大（P≤0.01），具体表现为水烛氮、磷循环相关基因丰度高于芦苇。芦苇分解袋中与氮循环相关的基因丰度变化不大，呈现先上升后下降的趋势，水烛分解袋在分解的第12个月与氮循环相关的基因丰度增加较为明显（图8A）。两种植物与磷循环相关的基因丰度均呈先减小后增加的趋势，芦苇中后期磷循环基因丰度缓慢增加，但水烛分解袋中与磷循环相关的基因丰度变化更为明显（图8B）。
参与氮循环相关的功能基因包括固氮、硝化、反硝化、有机氮代谢等基因。在腐烂分解的3个时期中，芦苇和水烛的有机氮代谢相关的功能基因占比均高达50%以上。对分解3、6个月的样品进行宏基因组检测分析，未发现参与厌氧氨氧化作用的功能基因，而在分解的第12个月时，参与厌氧氨氧化作用的功能基因较少，且不足0.1%。随着分解的进行，芦苇和水烛样品中参与固氮作用相关的功能基因占比逐渐增加。参与磷循环相关的功能基因包括有机磷矿化、无机磷增溶、聚磷酸盐合成、聚磷酸盐降解等基因，其中参与磷转运的功能基因占比最多，高达32.5%左右（图9）。
图6种水平下Venn分析图
Fig.6Venn analysis chart at the species level
图7样品种间差异性分析：β多样性组间差异箱式图（A）、ANOSIM分析箱式图（B）、 NMDS分析散点图（C）（不同小写字母代表种间具有差异性）
Fig.7Analysis of inter species differences in samples: Box plot of inter group differences in β diversity (A) , ANOSIM analysis box plot (B) ， NMDS analysis scatter plot (C) （Different lowercase letters represent significant differences between treatments）
2.5 凋落物分解速率与凋落物初始化学特征、周围水质的相关性分析
通过对植物腐烂分解速率与植物初始化学特征、水体水质进行Pearson相关性分析可知（表5），芦苇和水烛的分解速率与植物初始N、P含量均呈显著正相关（P=0.01、P＜0.01），与初始纤维素、木质素、可溶性糖含量均呈显著负相关（P＜0.01）。大湖水体营养盐虽略高于小湖（表3），但其水质差异对分解速率的影响较小（P＞0.05）。
图8N、P循环总基因相对丰度变化（不同小写字母代表种间具有差异性）
Fig.8Relative abundance changes of N and P cycling genes （Different lowercase letters represent significant differences between treatments）
图9N、P循环功能基因相对丰度变化
Fig.9Relative abundance changes of N and P cycling functional genes
3 讨论
3.1 淹水与非淹水对凋落物分解的影响
环境因素是影响植物腐烂分解速率的外在因素，小到水温、pH、微生物群落与淹水条件等，大到气候条件、人类活动与全球变化等[26]。植物凋落物分解受环境因素的影响较大，相关研究发现，淹水条件可能会影响凋落物的分解速率。例如Grašič等[27]发现凋落叶分解速率受采样点、淹水程度和叶龄的显著影响（P≤0.01），非淹水芦苇与淹水芦苇相比，前者分解速率显著降低。Bedford等[28]探讨了芦苇床中季节性淹水以及长期暴露区的叶和茎凋落物分解动态，研究发现在长期暴露区域，芦苇叶和茎干重在18个月后损失了42%，在30个月后损失了47%；在季节性淹水的地区，在相同的时间段内，芦苇叶损失了74%~79%，芦苇茎损失了60%~79%，在整个夏季暴露期间，保持湿润条件有助于提高分解速率。Xie等[29]的研究发现，尽管茎凋落物难以分解，但淹水并未进一步改变其分解速率，较浅的淹水条件可以促进叶凋落物的降解。仝川等[30]针对盐沼湿地生态系统中淹水条件对凋落物分解的影响研究发现，芦苇、互花米草等凋落物在近潮沟地段与远潮沟地段的两块样地中的分解速率没有明显差异。本研究中，两种植物在淹水与非淹水条件下分解速率均有极显著性差异（P＜0.01），且淹水分解速率显著高于非淹水分解速率。实验结束时，大湖芦苇、小湖芦苇和空气芦苇干物质剩余率分别为60.33%、61.33%、81.17%，而大湖水烛、小湖水烛和空气水烛干物质剩余率分别为55.77%、53.53%、77.00%，这与前人的研究结果一致[27，31-32]。淹水分解不仅可以加快凋落物中可溶性物质的快速淋溶，还为部分微生物的定殖及活动提供了适当的水分条件[31]。淹水条件下两种植物的凋落物分解速率表现为大湖水烛＞小湖水烛＞大湖芦苇＞小湖芦苇（表1），即大湖凋落物分解速率略高于小湖，但并无显著性差异（P＞0.05），表明大湖水体对凋落物分解虽然有一定的影响，但并不显著，可能是由于大、小湖处于同一气候条件并且水质类似所致（表3）。
表5凋落物分解速率与其初始化学特征及水质的相关性分析
Tab.5Correlation analysis between decomposition rate of litter and its initial chemical characteristics and water quality
一般而言，植物在淹水条件下元素由于矿化而释放，但本研究结果显示，淹水植物凋落物的N含量显著高于非淹水条件（P＜0.01）（表2）。Kuehn等[33]研究发现，与非淹水条件相比，淹水条件下凋落物N含量更高是由于周围拥有更多的水分及养分，微生物活性更高使得微生物固氮作用更强。仝川等[30]发现凋落物分解过程中P元素含量及释放率波动较大，整体上表现为元素的淋溶作用和累积作用交替进行，这与本研究结果存在相似性。
木质纤维素是植物的主要组成成分，主要由纤维素、半纤维素和木质素构成。双因素方差分析结果表明，在分解的第360天，凋落物中纤维素、半纤维素含量在不同处理条件下（淹水与非淹水）具有显著性差异（P＜0.01）（表2）。与淹水相比，非淹水条件下两种挺水植物的木质纤维素含量变化更为稳定（图2），这是由于非淹水条件下水分含量较少，很少涉及淹水环境中的淋溶作用。有研究表明[34]，挺水植物死亡后进入立枯阶段时，即有特定的微生物群落开始定殖并启动分解过程。在非淹水条件下，植物表面含水率低不利于微生物繁殖，因为立枯阶段使其更容易暴露于太阳辐射而阻碍分解者定殖[35]。
植物凋落物可溶性糖、淀粉含量在淹水与非淹水条件下具有极显著性差异（P＜0.01）（图5），在淹水条件下更有利于可溶性糖及淀粉的释放，这与Ferreira等[36]的研究结果一致。两种植物在不同处理下的化学组分差异与其是否有充足的水分条件有必然联系，淹水除了影响凋落物的含水率外，还可能改变周围环境的pH、温湿度、微生物群落等[31]，使得凋落物在淹水与非淹水条件下表现出不同的分解速率，从而导致凋落物元素、木质纤维素、可溶性物质的差异。
3.2 凋落物质量对腐烂分解的影响
根据Aerts[37]的研究，全球范围内，分解速率最好由气候来解释，然而在特定的气候区域内，凋落物质量则起着重要的作用。凋落物质量主要由C/N、N/P、纤维素、半纤维素、木质素等指标表征[26]。以往的研究表明，凋落物腐烂分解速率与N、P等呈正相关关系，与纤维素、木质素、C/N比呈负相关关系[38-39]。本研究发现，在整个实验周期内芦苇与水烛凋落物N、P含量与其腐烂分解速率并无显著相关性（P＞0.05），但分解速率k与凋落物的初始元素含量有关（表5），即分解速率k与凋落物初始N、P元素呈显著正相关关系（P＜0.01），与初始纤维素、木质素、可溶性糖含量呈显著负相关关系（P＜0.01），这与前人研究结果一致[40-42]。凋落物质量的差异在很大程度上影响植物的腐烂分解速率[43]，比如凋落物中难降解的木质素，通过限制微生物胞外酶对细胞壁多糖的可及性进而限制凋落物分解。环境微生物在很大程度上影响分解速率，李志安等[44]认为微生物本身的C/N比或C/P比通常低于它们分解的凋落物，因而在分解过程中微生物对N、P养分的需求很高，当凋落物N、P养分较高时也会促进微生物群落的生长，分解速率进而加快。
吴艳芹[45]提到凋落物元素释放规律一般分为3种模式：淋溶—释放模式、淋溶—富集—释放模式和富集—释放模式，因凋落物所处的分解阶段和元素自身性质的不同而不同。本研究中，水烛N、P含量整体呈上升趋势，表明水烛在分解期间进行了元素累积作用，水烛分解后期凋落物N、P的固定作用已有大量报道[31，46]，但在实验结束时有所下降，即本研究中水烛的分解处于富集—释放模式。张林海等[39]研究发现，枯落物分解初期（≤3 个月）易受到与P相关的各种化学物质的显著影响，分解过程受到P的限制程度较大。还有相关研究报道，N、P元素出现累积现象是由于微生物在植物组织中的定殖和微生物对营养物质的固存，即微生物会对周围环境元素起固定作用，使得凋落物中N、P含量增加[47-50]。
3.3 大湖凋落物分解与微生物的交互作用
在腐烂分解过程中，各种类型的微生物会定殖于凋落物表面以及内部，并利用残体富含的养分作为自身生长发育的养分来源，而微生物群落的变化也会受到凋落物分解的影响[51]。多数研究认为，微生物群落丰度和多样性会随着分解时间而变高，本研究中通过对分解袋内微生物群落α多样性指数进行分析，发现芦苇微生物群落丰度及多样性先减小后增加，水烛微生物群落丰度及多样性均随分解时间而降低，这与以往的研究不符[24-25]。通过对种水平下进行Venn分析（图6），表明芦苇与水烛微生物群落丰度及多样性变化与独有物种的变化有关。通过种间β多样性差异性分析可知（图7A），芦苇与水烛微生物群落组成具有显著性差异（P＜0.05），而ANOSIM分析显示，芦苇与水烛微生物群落种间差异显著大于组内差异（P＜0.05），这是导致芦苇与水烛种间分解速率差异性的重要因素。应力函数Stress=0.030（＜0.2），说明NMDS二维空间拟合结果具有代表性，且芦苇与水烛微生物群落结构差异明显（图7C）。凋落物中参与N、P循环相关的基因相对丰度在植物种间差异较大（P≤0.01），水烛显著高于芦苇（图8），相关性分析结果表明，分解速率k与N、P循环基因丰度呈正相关关系。
微生物通过固氮、硝化、反硝化、有机氮代谢等氮循环过程对自然界中的N2、有机氮化合物、无机氮化合物进行相互转化[52]。固氮作用基因（nifD、nifK、vnfK等）是N循环过程中的重要基因[53]，且固氮微生物在植物腐烂分解过程中扮演着重要角色。Hoppe等[54]研究认为，不同分解阶段下的微生物群落丰富度并没有太大差异，但特定的微生物丰度可能随分解的进行而有明显差异，例如，固氮微生物Rhizobiales的丰度随着腐烂程度的增加而富集。在本研究中，两种植物的固氮基因丰度随分解的进行而逐渐增加，这与Hoppe等的研究结果类似。Pearson相关性分析结果表明，芦苇（分解中后期）、水烛凋落物N含量与固氮基因丰度存在显著正相关关系（P＜0.05），即凋落物N含量的增加是固氮微生物在植物组织中定殖和对营养物质固存的结果，这与前人研究结果类似[31，46]。在本研究中，有机氮代谢和厌氧氨氧化相关的功能基因占氮循环基因的比例差异较大，前者占比高达50%以上，而后者不足0.1%（图9A）。
微生物参与磷循环的过程包含有机磷矿化、无机磷增溶、聚磷酸盐合成、聚磷酸盐降解等基因。两种植物凋落物P含量在分解前期均处于释放状态，是由于植物组织中磷主要以磷酸根离子和化合物的形态存在，极容易被淋溶而损失[55]。但分解后期两种植物的P含量均有不同程度的累积，可能与其P循环相关的微生物基因丰度有关，即前期的淋溶导致植物组织内的P元素不足以满足后续微生物的需求，从而需要从环境中吸收P元素[56-58]。通过对芦苇与水烛3个分解时间点进行的宏基因组分析发现，虽然参与3次磷循环相关的功能基因相对丰度差异不大，但由于水烛磷循环基因相对丰度显著高于芦苇（图8B），因此水烛凋落物中参与具体磷循环过程的功能基因相对丰度也均大于芦苇。分解过程具体表现为中后期芦苇磷循环基因丰度增加缓慢，但水烛分解袋中与磷循环相关的基因丰度增加更为明显，故微生物对P元素的吸收程度有所不同。
4 结论
1）衡水湖芦苇与水烛在不同淹水条件下分解速率具有极显著差异（P＜0.01），淹水更有助于芦苇与水烛的腐烂分解，但长时间的淹水可能会导致元素积累。
2）水烛比芦苇分解快，是由于分解速率与初始N、P含量及氮、磷循环总基因相对丰度呈正相关，与初始纤维素、木质素、可溶性糖含量呈负相关。
3）固氮基因丰度随分解程度的增加而逐渐增加，芦苇（分解中后期）、水烛凋落物N含量的增加与固氮微生物的固氮基因丰度呈正相关。
综上，两种挺水植物在不同水淹条件下腐烂分解差异较大，芦苇与水烛的分解速率均表现为淹水条件大于非淹水条件，这表明应在挺水植物倒伏前进行人工收割，倒伏后的植物不利于打捞且可能会因淋溶作用及微生物的活动导致植物组织加速分解。相较于芦苇而言，水烛分解得更快且死亡后秸秆更易坍塌，在大面积收割时应对水烛优先进行收割。后续可深入探究不同水生植物在非淹水条件下的影响因素以及不同水生植物在差异较大的水环境因子的分解特征，进一步深入研究非淹水条件下植物腐烂分解种间差异的影响机制及淹水条件下植物分解对水环境和沉积物的影响机制。
