降雨量决定了夏威夷地区降雨梯度上锰氧化态以及氧化还原循环的模式

《Geoderma》：Rainfall defines patterns in manganese oxidation state and redox cycling along a Hawaiian rainfall gradient

　　伊丽莎白·L·保卢斯 | 彼得·M·维图塞克 | 孟强·朱 | 柯文 | 斯科特·芬多夫
地球化学与生物地球化学小组，SLAC国家加速器实验室，门洛帕克，加利福尼亚州94025，美国

**摘要**
锰（Mn）是一种生物必需且经济上至关重要的元素；然而，环境如何塑造其行为，从而影响其在陆地生物地球化学循环中的作用，仍很大程度上未知。锰在土壤中以三种氧化态存在——Mn(II)、Mn(III)和Mn(IV)——每种氧化态具有不同的反应性，这些反应性决定了它们的生物地球化学作用。目前尚不清楚哪些土壤过程驱动着锰的丰度及其氧化态的分布。我们研究了夏威夷降雨梯度上的锰动态，以评估年平均降雨量、水分可用性（年平均降雨量与年平均蒸散量之差）、土壤湿度、土壤pH值和土壤氧化还原条件如何影响锰的氧化态、稳定性以及植物的吸收情况。我们发现，年平均降雨量是预测梯度上锰分布及其氧化态最一致的变量。随着降雨量的增加，草地中的锰含量和土壤中的Mn(II)含量增加，而总土壤锰含量和Mn(IV)含量通常会减少。Mn(III)的趋势大致分为两组：易分解的Mn(III)和持久的土壤Mn(III)。持久的土壤Mn(III)主要存在于最干燥和最湿润的地点；相比之下，易分解的Mn(III)主要存在于中等降雨量区域（约850–2400毫米/年）。这些发现表明，降雨量决定了锰的集中位置、生物可利用性、潜在的反应性以及其可能对陆地生物地球化学循环的影响。

**1. 引言**
锰是地壳中第二丰富的过渡金属，仅次于铁（Fe）（Tebo等人，2004年）。在自然系统中，锰以三种氧化态存在：Mn(II)、Mn(III)和Mn(IV）（Post，1999年）。Mn(II)是最还原的形式，也是唯一可被植物吸收的形式。植物通过根部吸收Mn(II)，并将其用于多种生物功能，例如在光合作用系统II（PSII）中作为催化剂，以及作为锰超氧化物歧化酶（MnSOD）的辅因子（Cheniae和Martin，1969年；Millaleo等人，2010年）。Mn(II)是原生矿物中最常见的氧化态，通过风化作用释放到土壤中（Gilkes和McKenzie，1988年）。
当氧气存在时，Mn(II)可以被氧化为Mn(III)或Mn(IV)。Mn(III)是一种强效但不稳定的氧化剂，也是最具反应性的锰形式（Jones等人，2018年），只有在与有机或无机配体结合时才能以溶解态存在；否则，热力学趋势有利于Mn(III)氧化为Mn(IV)或其还原为Mn(II）（Lan等人，2017年）。固态Mn(III)存在于氧化物（如赣铁矿）、氧氢氧化物（如锰矿）或其他矿物中（例如，在锂铁矿中替代Mn(IV)以维持电荷平衡）（Post，1999年）。Mn(IV)是氧化程度最高的、溶解度最低的形式。在氧气稀缺的情况下，Mn是微生物呼吸过程中最有利可图的氧化还原活性金属。在缺氧土壤中，Mn(IV)可以还原为Mn(II）（Schulze等人，1995年），Mn(III)可能是其中间产物，尽管从热力学角度看可能性较低（Luther，2005年）。Mn(II)作为一种还原剂，而Mn(III)和Mn(III/IV)氧化物则是强大的环境氧化剂和金属捕获剂，它们影响周围环境中金属、有机化合物和其他营养物质的可用性（Li等人，2021年）。例如，锰的可用性（可还原的和可交换的锰）与土壤碳储存呈负相关（Stendahl等人，2017年）；随着有机物（OM）的分解，锰氧化物会积累（Keiluweit等人，2015年）；在活跃的氧化还原循环期间，土壤OM的氧化程度最大（Bhattacharyya等人，2018年）。这些发现表明，土壤OM的稳定性与锰的氧化态之间存在重要关系。然而，尚不清楚哪些土壤条件决定了锰氧化态的相对丰度，从而影响了锰在陆地生物地球化学循环中的作用（Paulus和Vitousek，2024年）。
锰在土壤中的功能和位置取决于土壤的微观和宏观环境。Wen等人（2023年）利用夏威夷的两个降雨梯度（毛伊岛和科哈拉山）研究了降雨对表层和地下土壤中锰氧化态和浓度的影响。作者于1997年1月在毛伊岛梯度上的7个地点和1992年4月在科哈拉山梯度上的11个地点采集了顶层两个矿物层（A层和/或B层）的土壤样本。从毛伊岛采集的土壤样本在105°C下烘干；从科哈拉岛采集的土壤样本则在空气中自然风干。
参考此前在毛伊岛进行的氧化还原测量（Schuur等人，2001年），Wen等人发现，随着年平均降水量（MAP）的增加，土壤的氧化还原条件通常从氧化环境转变为缺氧环境；Mn(IV)和Mn(II)的比例也随之相应变化。在最干燥和最湿润的土壤中，Mn(III)的比例较低，而在次缺氧、中等降雨量的土壤中，Mn(III)的比例较高。他们推测Mn(III)的持久存在可能是因为它吸附在Mn(III/IV)氧化物或铁（Fe[III]氧化物上，或与有机物复合。沿梯度的氧化态分布以及Mn(III)在矿物和有机物中的分布变化与土壤的氧化还原势和pH值密切相关，与pH值的相关性较低。作者认为，在中等降雨量的地点，氧化还原条件可能频繁在氧化和缺氧状态之间波动，从而形成了生物地球化学热点，在这些热点中，对氧化还原敏感的元素（如锰和铁）可能会循环，并形成氧化还原活性的亚稳态相（如Mn(III)物种）（Peiffer等人，2021年；Wen等人，2023年）。
此前，我们通过使用降雨梯度和实验室培养实验研究了锰的氧化还原循环如何影响土壤有机碳的稳定性（Paulus和Vitousek，2024年）。在本研究中，我们基于之前的研究以及Wen等人（2023年）的研究，进一步探讨了哪个环境因素最能预测降雨梯度上锰氧化态的相对丰度，以及这些模式如何影响锰在陆地生物地球化学循环中的作用。为此，我们利用科哈拉山梯度上的空间和时间分辨率数据来捕捉驱动锰氧化态分布和相对丰度的快速短期土壤过程；我们结合贝叶斯统计模型和分析方法，测试哪个环境变量（年平均降雨量、水分可用性、土壤湿度、土壤pH值和土壤氧化还原条件）最能解释我们在梯度上观察到的锰氧化态模式。
我们专注于新采集的土壤前10厘米，以捕捉最活跃、生物相关的锰池。这10厘米的土壤覆盖了科哈拉山上优势植物物种（草地Pennisetum clandestinum和Cenchrus ciliaris）的根际带。在根际带内，植物可以吸收生物可利用的营养物质（如Mn(II)），或释放质子使局部环境酸化，从而将锰氧化物还原为Mn(II)并吸收（Rengel和Marschner，2005年）。此外，植物根系可以通过以下方式调节土壤的氧化还原和生物地球化学环境：物理改变土壤孔隙和通道；分泌化合物聚集土壤；输送氧气和营养物质；产生螯合剂和物理根系质量，从而直接影响或间接影响根际微生物群落，进而影响它们的营养循环，并促进土壤中Mn(III)的生成和稳定（Angers和Caron，1998年；H?fer和Schlosser，1999年；Jones等人，2018年；Lange等人，2015年；Ryan等人，2001年；Tisdall和Oades，1982年）。因此，理解植物对土壤结构、生物和化学环境的影响对于理解土壤的氧化还原动态和锰循环至关重要（Lacroix等人，2025年）。阐明决定土壤中锰分布和可用性的土壤过程将有助于我们理解和预测锰如何影响土壤环境。

**2. 材料与方法**
**2.1. 研究地点**
我们选择了夏威夷科哈拉山上的一个草地降雨梯度（图1A）（Paulus和Vitousek，2024年）。我们的46个野外站点分布在约14公里的样带上（图1B），位于同一片约15万年的哈威火山构造上（Sherrod等人，2007年），具有相似的地形，并且已被牛群放牧超过100年（Kagawa和Vitousek，2012年）。两种密切相关的C4牧草Pennisetum clandestinum（基库尤草）和Cenchrus ciliaris（水牛草）主导了每个站点的植被：P. clandestinum生长在年降雨量≥1250毫米的地点，而C. ciliaris生长在较干燥的地点，两者分布范围有少量重叠（Burnett等人，2022年；Chemisquy等人，2010年；Hanselka等人，2004年；von Sperber等人，2017年）。这些土壤属于火山安迪斯土：在最干燥的地点为典型Haplotorrands类型，在最湿润的地点为典型或Hydric Fulvudands类型（Chadwick等人，2003年）。

**下载：** 下载高分辨率图片（366KB）
**下载：** 下载全尺寸图片

**图1.**
A) 野外站点（用蓝色标记标出）分布在夏威夷科哈拉山14公里的样带上。B) 插图显示了所有46个野外站点的大致位置及相应的年平均降水量（毫米），由地图右侧的颜色渐变表示；紫色表示梯度的干燥端，黄色表示湿润端。
科哈拉山样带是一个特征明确的降雨梯度，年平均降水量范围从<300毫米到>3200毫米（Giambelluca等人，2013年）：年平均温度、海拔和年蒸散量分别在最干燥地点为23.5°C、50米、0–300毫米，在最湿润地点为16°C、1000米、1150–1350毫米（表1）（Giambelluca等人，2014年）。这些站点具有广泛的土壤湿度、有机质（SOM）和氧化还原条件，而母岩、地形和植被则保持一致。

**表1.** 科哈拉气候梯度的野外站点特征。年平均降水量（MAP）和年蒸散量（AET）数据来自Giambelluca等人（2013年和2014年）。年平均蒸散量（MAET）根据后者估算，用于计算MAP–MAET。

| 站点 | 海拔（毫米） | 年平均降水量（MAP）（毫米） | 年蒸散量（AET）（毫米） | MAP–MAET（毫米） |
|--------------|--------|--------------|-----------------|--------------|
| 110 | 87 | 323 | 81 | 1150–1350 |
| 115 | 88 | 210 | 62 | 312 |
| 118 | 30 | 85 | 181 | 1150–1350 |
| 176 | 41 | 104 | 68 | 301 |
| 188 | 50 | 188 | 50 | 168 |
| 199 | 151 | 104 | 128 | 188 |
| 193 | 61 | 102 | 268 | 1000–1150 |
| 167 | 98 | 325 | 85 | 1000–1150 |
| 151 | 89 | 49 | 242 | 1150–1350 |
| 117 | 99 | 323 | 101 | 1150–1350 |
| 106 | 108 | 52 | 238 | 131 |
| 128 | 85 | 223 | 85 | 1000–1150 |
| 131 | 118 | 421 | 167 | 85 |
| 125 | 112 | 67 | 216 | 123 |
| 128 | 85 | 221 | 128 | 85 |
| 119 | 148 | 58 | 120 | 190 |
| 111 | 158 | 82 | 61 | 197 |
| 176 | 93 | 180 | 88 | 50 |
| 175 | 72 | 177 | 92 | 85 |
| 172 | 115 | 76 | 87 | 92 |
| 175 | 97 | 20–850 | 97 | 217 |
| 171 | 72 | 115 | 276 | 00–720 |
| 167 | 41 | 85 | 92 | 720 |
| 163 | 144 | 260 | 720 | 68 |
| 134 | 60 | 720 | 62 |
| 128 | 96 | 245 | 79 | 120 |
| 138 | 64 | 50 | 600 | 39 |
| 132 | 49 | 600 | 39 |
| 164 | 50 | 600 | 39 |
| 133 | 45 | 600 | 39 |
| 130 | 42 | 88 | 45 |
| 133 | 45 | 600 | 39 |
| 138 | 45 | 600 | 39 |
| 133 | 38 | 45 | 600 | 39 |
| 128 | 45 | 600 | 36 |
| 123 | 88 | 45 | 600 | 36 |
| 125 | 115 | 96 | 45 |
| 115 | 94 | 29 | 115 |
| 117 | 99 | 323 | 101 |
| 108 | 52 | 29 | 115 |
| 115 | 89 | 323 | 101 |
| 106 | 108 | 52 | 29 |
| 161 | 93 | 180 | 88 |
| 85 | 72 | 177 | 20–850 |
| 79 | 217 | 175 | 97 |
| 72 | 171 | 172 | 85 |
| 79 | 20–850 | 97 | 20–850 |
| 72 | 157 | 72 | 87 |
| 79 | 20–850 | 93 | 175 |
| 72 | 115 | 276 | 00–720 |
| 72 | 86 | 163 | 216 | 720 |
| 74 | 144 | 260 | 720 |
| 60 | 720 | 680 | 236 |
| 62 | 4残差表示土壤中未解释的锰（Mn）变化、草中的锰变化以及可提取锰的变化。尽管随着降雨量的增加，A层的厚度从10-22厘米增加（Chadwick等人，2003年），但将采样深度限制在10厘米可以在所有站点保持一致。这样也确保了所有土壤样本都来自A层，并将分析集中在土壤剖面中生物活跃和氧化还原反应活跃的区域：10厘米的土壤样本覆盖了草的根区，包括了根际的植物根系、有机质（OM）、微生物群落以及由生物活动聚集的氧化还原活性微量营养物质（如锰、铁）。先前的研究表明，这种采样深度也能捕捉到好氧-厌氧界面、氧化还原活动热点和有机碳氧化的场所（Jones等人，2018年）。

2.3 土壤pH值
2019年和2021年夏季，在每个站点采集的土壤样本中测量了pH值（图2A）。土壤样本与去离子水（DI water）以1克：1毫升的比例混合，并振摇5分钟（Thomas，1996年）。混合物静置10分钟后读取pH值。每个土壤样本测量了六次。

2.4 土壤氧化还原电位（Eh）和温度测量
铂（Pt）电极和参考探针的设计旨在最小化对土壤的干扰，并最大化现场耐用性和测量的重复性。Pt电极的制造方法遵循Wanzek等人的描述（2018年）。具体来说，使用无铅银（Ag）焊料（Oatey公司，克利夫兰，俄亥俄州）将16号规格、纯度为99.9%的Pt金属线（American Elements公司，洛杉矶，加利福尼亚州）制成1.5厘米的长度，然后将其焊接在0.5米的绝缘16号规格铜（Cu）线上（Cerrowire公司，哈特塞尔，阿拉巴马州）；焊接接头用热缩管加固（Gardner Bender公司，密尔沃基，威斯康星州）。Pt-Cu线被安装到塑料制作的10毫升移液器吸头中（Rainin RC UNV 10毫升200A/1，Mettler-Toledo公司，奥克兰，加利福尼亚州），使Pt金属线从移液器吸头的锥形末端露出1厘米，并用环氧树脂密封（图S1A）。
银-银氯化物（Ag-AgCl）参考电极的制造方法参考了Barlag等人的研究（2014年）。在15毫升离心管（Corning公司，纽约州科宁）上钻五个直径为1厘米的孔：一个孔位于锥形吸头的中心，三个孔位于管子圆周距离末端2厘米的位置，另一个孔位于管盖上；这些孔的底部允许盐桥与土壤接触，而管盖上的孔则使Ag-AgCl能够穿过管盖连接到电压表。之后，离心管经过酸洗、去离子水冲洗、干燥，并直立放置在不加盖的状态下。琼脂糖凝胶盐桥的制备方法是：将7克实验级琼脂糖和25克硝酸钾（KNO3）溶解在500毫升加热后的去离子水中。将加热后的溶液倒入装有离心管的烧杯中，直至溶液填满离心管。让琼脂溶液在管中冷却固化24小时；之后将离心管存放在4°C的环境下，直至现场使用。

2.5 植物中的锰化学成分
经过烘干的草样被送往斯坦福大学，使用Wiley研磨机研磨后，利用X射线荧光（XRF）技术在Spectro Xepos HE XRF光谱仪上分析其总锰含量（以及其他金属含量）。

2.6 土壤中的锰化学成分
经过烘干、筛分和研磨的土壤样本 also 使用XRF技术分析了总锰和其他金属的浓度。土壤样本的湿重与干重比用于将所有测量浓度转换为每克干土中的微克金属含量。
我们用于确定有机结合态锰的方法在Paulus和Vitousek（2024年）的文章中有描述。简而言之，可提取的土壤锰是通过使用焦磷酸钠（Na4P2O7·10H2O）来测定的（Keiluweit等人，2015年）；焦磷酸钠与土壤混合后会产生焦磷酸锰，而有机结合态的锰包括Mn(II)和Mn(III)（Butterfield等人，2013年；H?fer和Schlosser，1999年；Klewicki和Morgan，1998年；Morgan等人，2021年）。从每个站点采集的2019年和2021年的湿润土壤样品各0.6克，与30毫升焦磷酸钠溶液（50 mM Na4P2O7·10H2O，pH 7.6）混合，并在25°C下振摇16小时。随后将土壤浆液以20,000倍重力离心10分钟，再过滤至0.22微米。同时，也使用去离子水作为提取剂进行过滤，同样过滤至0.22微米，以代表最热力学稳定的水溶性锰池，进而估算Mn(II)的含量（Haque等人，2015年；Randall等人，1976年）。6克土壤与24毫升去离子水振摇45分钟，然后以20,000倍重力离心10分钟并过滤至0.22微米。通过电感耦合等离子体光学发射光谱仪（ICP-OES，ICAP 6300 Duo View）测量焦磷酸钠提取液和去离子水提取液中的锰含量（其中去离子水提取液用于估算Mn(II)含量）。从焦磷酸钠提取液（含有Mn(II)和Mn(III)）中减去去离子水提取液中的锰含量，从而得出有机结合态锰的浓度（图5中的数据为三次测量的平均值）。XRF和ICP-OES测量在斯坦福大学的环境测量设施中进行。

2.5 土壤中锰的氧化态
利用Fluke 289真有效值数据记录多功能表（Everett，华盛顿州）和手持式数字温度计（Garmin，奥拉西，堪萨斯州）在Kohala降雨梯度的13个站点测量了土壤的氧化还原电位（Eh）和表面温度（图2B）。在安装电极前后各10分钟内，每分钟手动测量一次土壤表面温度；每个站点的测量数据取20分钟收集期的平均值。Pt电极和参考电极插入土壤3厘米深处；在干燥的站点发现 deeper 的插入深度会显著改变土壤结构或损坏电极，因此采用了这种一致深度。安装完成后，参考电极内填充3 M KCl溶液，Ag-AgCl电线通过管盖下钻出的孔插入，露出1厘米的电线段以便连接到电压表。使用塑料工具箱保护电极和多功能表免受强风、阳光照射、降雨和动物的影响：在工具箱底部钻两个孔以便电极插入土壤中，然后用锁扣固定工具箱的位置（图S1 D–F）。氧化还原电位数据每10分钟自动记录一次，持续25小时：数据收集开始的前12小时的数据被舍弃，以便电极有时间在原地达到平衡；数据收集的最后1小时的数据也被忽略，以在数据收集和仪器回收之间提供缓冲时间；剩余12小时（n = 73个时间点）的数据根据每个站点的每日土壤温度数据进行校正（Wolkersdorfer，2008年）。

2.5 植物中的锰化学成分
经过烘干的草样被运送到斯坦福大学，使用Wiley研磨机研磨后，利用X射线荧光（XRF）技术在Spectro Xepos HE XRF光谱仪上分析了其总锰含量（及其他金属含量）。

2.6 土壤中的锰化学成分
经过烘干、筛分和研磨的土壤样同样使用XRF技术分析了总锰及其他金属的浓度。利用土壤样本的湿重与干重比将所有测量浓度转换为每克干土中的微克金属含量。
我们用于确定有机结合态锰的方法在Paulus和Vitousek（2024年）的文章中有详细描述。具体来说，可提取的土壤锰是通过焦磷酸钠（Na4P2O7·10H2O）来测定的（Keiluweit等人，2015年）；焦磷酸钠与土壤混合后生成锰焦磷酸盐，有机结合态的锰包括Mn(II)和Mn(III)（Butterfield等人，2013年；H?fer和Schlosser，1999年；Klewicki和Morgan，1998年；Morgan等人，2021年）。从每个站点采集的2019年和2021年的湿润土壤样品各0.6克，与30毫升焦磷酸钠溶液（50 mM Na4P2O7·10H2O，pH 7.6）混合，并在25°C下振摇16小时。然后将土壤浆液以20,000倍重力离心10分钟，再过滤至0.22微米。同样使用去离子水作为提取剂，并过滤至0.22微米，以代表最热力学稳定的水溶性锰池，从而估算Mn(II)的含量（Haque等人，2015年；Randall等人，1976年）。将6克土壤与24毫升去离子水振摇45分钟，离心后过滤至0.22微米。通过电感耦合等离子体光谱仪ICAP 6300 Duo View上的电感耦合等离子体光谱技术（ICP-OES）测量焦磷酸钠提取液和去离子水提取液中的锰含量。从焦磷酸钠提取液（含有Mn(II)和Mn(III)）中减去去离子水提取液中的锰含量（估算Mn(II)），以得出有机结合态锰的浓度。图5中报告的焦磷酸盐提取可提取锰的值是三次测量的平均差值。XRF和ICP-OES测量在斯坦福大学的环境测量设施中进行。

2.5 土壤中锰的氧化态
利用Mn K边缘X射线吸收近边结构（XANES）光谱技术（Lytle等人，1984年）确定了湿润土壤中锰的氧化态。土壤在装载和用X射线透明Kapton胶带密封到样品架中之前保持冷冻状态；装载后的样品架在4°C下避光保存24小时，随后转移到SLAC国家加速器实验室（SLAC SSRL）的Beam Line 9–3（Berndt，1988年；Boken，1952年）。在Beam Line 9–3，将土壤样品安装在冷冻样品架上，并在液氮中冷却，然后迅速转移到液氦冷冻箱（10 K）中。XANES测量在荧光模式下进行，使用Si(22) phi = 90的配置和锗探测器。能量校准是通过监测同时测量的Mn箔的第一个K边缘拐点来实现的；拐点位于6539.78 eV。在降雨梯度上最湿润、最干燥以及三个中间位置的五个土壤样品各扫描五次，以检测光束损伤情况，而在较湿润、有机质更丰富的样品中观察到三次和四次扫描之间存在损伤。因此，所有样品都扫描了两次以最小化光束损伤的风险。使用的能量步长为0.1 eV，每次扫描持续约15分钟。Mn K边缘光谱使用Athena和SixPack软件程序（Lytle等人，1984年；Ravel和Newville，2005年；Webb，2005年）进行平均和归一化处理。收集到的光谱显示在图S3中。

2.7 数据和统计分析
先前的研究发现，通过土壤的水量（MAP减去平均年蒸发量[MAP–MAET]）是土壤特性和过程变化的主要驱动因素，降雨量主导了沿梯度的水分可用性差异（Chadwick等人，2003年；von Sperber等人，2017年；Wen等人，2023年）。锰的氧化态受氧气可用性、土壤湿度和pH值的影响，而这些因素又受到MAP和MAP–MAET的影响。为了确定哪些因素最能预测沿梯度土壤锰、草中锰和可提取锰的分布，我们使用了广义线性模型（GLM）、广义加法模型（GAM）、变异分部分析（VPA）、冗余分析（RDA）、基于排列的变量重要性分析（PVI）和自助法优势分析来评估MAP、土壤pH值、MAP–MAET和土壤湿度作为解释变量的相对重要性。使用Shapiro-Wilk正态性检验测试数据是否符合正态分布；对于非正态数据，我们使用伽马分布进行建模。根据模型和分析结果对每个变量的性能进行排序（表2）；p值大于0.05的变量在总体排序中不予考虑。

2.7 数据和统计分析
我们使用了冗余分析（RDA）、变异分部分析（VPA）和广义加法模型（GAM）来评估哪些环境变量（平均年降水量[MAP]、土壤pH值、土壤湿度和水分可用性——即MAP与平均年蒸发量[MAP–MAET]之差）最能解释沿梯度土壤锰（Mn）、草中锰和可提取锰浓度分布的变化。模型统计结果如下所示。统计显著性水平为p ≤ 0.05。
响应变量 解释变量
MAP MAP–MAET 土壤pH值 土壤湿度 土壤锰
RDA解释的方差比例 0.55 10.57 10.58 10.48 4
RDA p值 1.00 × 10?3 1.00 × 10?3 1.00 × 10?3 1.00 × 10?3
RDA调整后的R2 0.54 0.56 10.57 10.47 3
VPA组分贡献 0.136 0.158 0.169 0.115 1.00 × 10?3
VPA p值 1.00 × 10?3 1.00 × 10?3 1.00 × 10?3 1.00 × 10?3
GAM p值 8.01 × 10?6 0.454 0.667 0.579 1.00 × 10?3

2.7 数据和统计分析
我们还进行了基于排列的变量重要性分析（Besag和Clifford，1991年；Hapfelmeier等人，2023年；Lock，1991年；Wald，1992年），系统地评估了环境预测因子的相对重要性。在这种方法中，每个预测因子的重要性是通过在保持其他所有预测因子不变的情况下随机排列该变量后模型性能的变化来量化的。对于每个预测因子，其在观测值中的位置被随机置换，并使用拟合模型生成新的预测结果。模型性能相对于原始模型的下降程度通过解释偏差的变化（R2）来计算，下降幅度越大表示预测因子的 importance 越高（Hastie等人，2009年；Wood，2025年）。这个过程进行了多次重复，以获得稳定的变量重要性估计。基于排列的重要性指标不依赖于具体模型，并通过评估每个变量对模型预测准确性的贡献来考虑预测因子之间的相关性。每个预测因子重复该过程10,000次，以获得稳定的重要性估计。原始排列重要性计算公式为：
Ij = Dbaseline - Dperm(j)
其中Ij是原始排列重要性，Dbaseline是原始模型的解释偏差，Dperm(j)是随机排列变量j后的解释偏差。重复排列后的平均下降幅度即为原始重要性得分。由于不同模型之间的偏差下降幅度可能不同，因此对其进行归一化，使得最强的预测因子重要性为1，最弱的为0。这种归一化分别针对每个响应变量进行；这些值描述的是模型内的相对重要性，而不是不同模型间的绝对重要性。预测变量j的标准化平均排列重要性（Inorm,j）的计算公式为：Inorm,j = (Ij - min(I)) / (max(I) - min(I))，其中Ij是预测变量j的平均排列重要性，min(I)是模型中所有预测变量中的最小重要性，max(I)是模型中所有预测变量的最大重要性。排列重要性分布的成对比较的统计显著性是通过使用Wilcoxon检验并进行了假发现率（FDR）校正来计算的。PVI分析的标准化结果展示在图4A中。

下载：下载高分辨率图像（210KB）
下载：下载全尺寸图像

图4. A) 基于排列的变量重要性分析用于通用加性模型（GAMs），分别针对土壤中的锰（Mn）（粉色填充条形）、通过焦磷酸盐提取的Mn（PP Mn）（米色填充条形）以及总土壤Mn（木炭填充条形）。每个条形图显示了x轴上每个响应变量的标准化重要性得分（0–1）：0 = 最弱预测变量，1 = 最强预测变量。误差条代表95%的置信区间（CI）。三个星号表示p < 0.001，两个星号表示p < 0.01，一个星号表示p < 0.05，ns表示不显著。B) 使用1000次自助法迭代和1000次排列的自助法优势分析。条形图显示了每个预测变量在土壤Mn、PP Mn和总土壤Mn中的排名第一的概率（粉色填充条形、米色填充条形和木炭填充条形）。误差条代表在自助法运行中预测变量排名第一的估计概率的95%二项式CI。

为了进一步评估环境预测变量对Mn池的相对重要性，我们将基于排列的变量重要性分析与自助法优势分析相结合（Azen, 2013, Elith et al., 2008）。分别使用MAP、MAP–MAET、土壤pH值和土壤湿度作为预测变量，并结合惩罚回归样条和具有对数链接的Gamma误差分布，对土壤Mn、草地Mn和通过焦磷酸盐提取的Mn进行了GAMs建模。预测变量的重要性是通过在保持所有其他变量不变的情况下随机排列每个预测变量的值后，解释偏差的减少量来量化的。为了评估预测变量重要性的稳定性，数据集被替换了1000次，并为每次自助法重复进行了模型重新拟合。在每次自助法迭代中，使用1000次排列重新计算排列重要性，并根据预测变量解释偏差的平均减少量对它们进行排名，并计算每个预测变量在自助法迭代中排名第一的概率。自助法优势分析的结果展示在图4B中。

VPA、RDA和GAM方法的结合，以及PVI和自助法优势分析表明，MAP最能预测Mn的分布。因此，我们将测量或计算出的值在y轴上绘制，MAP在x轴上，以说明土壤湿度、pH值、标准氧化还原电位、Mn浓度和Mn组成如何沿梯度变化（Giambelluca et al., 2013）。计算、绘图、建模和统计测试是在Microsoft Excel（v16.67）和R Studio（v2024.12.0 + 467）中进行的。

同步辐射数据是使用SMAK（v2.00）（Webb, 2011）收集的；光谱标准化和统计分析（主成分分析[PCA]和线性组合拟合[LCF]）是使用Sixpack（v1.5.6）（Webb, 2005）和Athena（v0.9.26）（Ravel和Newville, 2005）进行的，并使用新的和先前发表的标准库进行了验证（Learman et al., 2011, Wen et al., 2023）（表S1）。通过Athena计算出的R因子和修正后的卡方值（χ2v）指导了我们是否包含每个样品的标准，以及拟合优度的评估；R因子≥0.01的拟合被排除在进一步分析之外（Bevington和Robinson, 2003, Calvin, 2024, Downward et al., 2007）。收集的光谱及其相应的LCF拟合显示在图S3.3中。

3.1. 科哈拉降雨梯度
土壤pH值随MAP线性减小（R2 = 0.90），而土壤湿度随MAP线性增加（R2 = 0.78）（图2A）。这些数据与之前关于梯度上土壤剖面深处pH值的观察结果一致：在30厘米深度的土壤中（Vitousek和Chadwick, 2013）以及在A层和B层中（Chadwick et al., 2003, Wen et al., 2023）。在最干燥的地点，MAP约为295毫米时，土壤pH值接近6.5，土壤湿度为10%；在最湿润的地点，MAP为3238毫米时，土壤pH值约为4%，土壤湿度为66%。标准还原电位或氧化还原电位（图2B）在295–1550毫米MAP范围内约为200毫伏，这大约是使用3M KCl Ag-AgCl氧化还原电位电极在33°C和1个大气压下的O2的氧化还原电位。这个读数表明，该范围内的土壤过于粗糙和干燥，无法产生可用的读数。因此，我们将这些地点从图2B中排除。在梯度上较湿润的地点，氧化还原电位最初增加，在293毫米MAP时达到峰值（2122毫米MAP），然后降低到-15毫伏（2686毫米MAP），在最湿润的地点（3238毫米MAP）时再次上升至343毫伏。与接收2686毫米MAP的地点相比，岩石和根系在最湿润的地点的土壤中密集分布，允许更多的氧气进入孔隙水。因此，我们使用氧化还原探针在最接收2686毫米MAP的地点测量了最还原的条件，在3238毫米MAP的地点测量了最氧化的条件。标准偏差的大小（Eh）代表了在采样窗口期间该地点土壤中发生的生物地球化学异质性（n = 73个时间点）（Wanzek et al., 2018）。较大的标准偏差表明氧化还原电位的时间变异性较大——即土壤氧化还原条件在平均值附近波动最大（Wanzek et al., 2018）。标准偏差在1808–2686毫米MAP范围内最大，达到最大值1808毫米MAP。这些数据表明，在中等至较高降雨范围的梯度上，氧化还原异质性最高。

3.2. 统计和建模方法
我们使用GLMs和GAMs来检验MAP、MAP–MAET、土壤pH值和土壤湿度对梯度上车土壤总Mn、草地Mn和通过焦磷酸盐提取的Mn分布的影响。我们将MAP、MAP–MAET、土壤pH值和土壤湿度作为每个Mn参数的独立预测变量进行建模。氧化还原和氧化还原异质性也最初被包括作为预测变量；然而，由于两个数据集都太有限，无法得出显著结果，因此被排除作为预测变量。卡方检验显示GLMs和GAMs对数据的拟合效果相当，但两个模型都受到变量间相互作用的限制。为了最小化相互作用的影响，我们在GAM中引入了平滑项，将变量视为独立的，使用RDA和VPA来探究相互作用，并使用PVI来评估环境预测变量的相对重要性。结果GAM表明，MAP是土壤Mn、草地Mn和通过焦磷酸盐提取的Mn的统计上显著的预测变量（p ≤ 0.05）（表2）；土壤pH值对草地Mn是略微更显著的预测变量，但对土壤Mn或通过焦磷酸盐提取的Mn不显著；MAP–MAET和土壤湿度对任何Mn池都不是显著的预测变量。我们使用VPA和RDA来检查和可视化MAP、MAP-MAET、土壤pH值和土壤湿度如何影响梯度上车土壤总Mn、草地Mn和通过焦磷酸盐提取的Mn的变化。维恩图和残差显示在图3中；决定系数（调整后的R2值）显示在表2中。维恩图说明了MAP、MAP–MAET、土壤pH值和土壤湿度解释的总土壤Mn、草地Mn和通过焦磷酸盐提取的Mn的变化百分比。重叠区域的值是由多个变量共同解释的变化，这是由于变量之间的相关性或相互作用所致。残差表示总土壤Mn、草地Mn和通过焦磷酸盐提取的Mn中未解释的变化。总土壤Mn的变化（残差 = 0.43）最好由以下组合解释：土壤pH值、MAP–MAET、MAP和土壤湿度。草地Mn的变化（残差 = 0.29）主要由土壤pH值和MAP解释。通过焦磷酸盐提取的Mn的残差较大（0.73），表明所识别的变量只解释了其变化的27%——土壤湿度单独解释了14%，MAP–MAET解释了5.4%；MAP和pH值不能单独解释变化。所有四个变量都在解释总土壤Mn、草地Mn和通过焦磷酸盐提取的Mn的变化方面具有统计显著性（表2）。

PVI分析表明，MAP在所有三个Mn池中始终产生了最大的解释偏差减少量。排列重要性分布的成对比较显示，MAP对于草地Mn和土壤Mn的重要性显著高于其他环境变量（p < 0.001）；尽管MAP对于通过焦磷酸盐提取的Mn也似乎比其他变量更重要，但结果在统计上不显著（图4A）。自助法优势分析表明，MAP在77%、72%和85%的自助法迭代中分别成为土壤Mn、草地Mn和通过焦磷酸盐提取的Mn的最强预测变量（图4B）。GAM、VPA、RDA、PVI和自助法优势分析的总体结果表明，MAP是总土壤Mn、草地Mn和通过焦磷酸盐提取的Mn最一致和最强的预测变量。因此，它是描述这些Mn池沿梯度分布的最合适的独立变量。

3.3. 锰的模式
为了了解降雨如何影响Mn的氧化还原循环，我们测量了沿梯度三个不同池中的Mn浓度，这些池反映了不同的Mn活性——总土壤Mn、草地凋落物和与有机物结合的Mn。我们观察到，随着MAP的增加，总土壤Mn浓度通常会降低（图5）；草地Mn浓度在大约1800毫米MAP时保持较低，然后在1900毫米MAP时上升并达到峰值，之后在更高的MAP时下降；而与有机物结合的Mn（通过焦磷酸盐提取的Mn）的浓度从大约800–1800毫米MAP开始增加，然后在1800–2000毫米MAP之间逐渐减少，但在最湿润的地点再次上升。值得注意的是，每个池在沿降雨梯度的不同降雨区域占主导地位。

下载：下载高分辨率图像（196KB）
下载：下载全尺寸图像

图5. 沿梯度在不同深度的10厘米土壤芯中测量的总土壤锰（Mn）浓度（木炭标记），在沿梯度收集的草中测量的总Mn浓度（粉色标记），以及作为钠焦磷酸盐（NaPP）和去离子（DI）水土壤提取物中测量的Mn差值测量的有机结合Mn（米色标记）。四阶多项式回归拟合由虚线表示：草地Mn（粉色，R2 = 0.83），通过焦磷酸盐提取的Mn（米色，R2 = 0.63），以及总土壤Mn（木炭，R2 = 0.82）。误差条代表平均值的标准误差（SEM）。图表修改自Paulus和Vitousek, 2024。

为了确定我们土壤样品中Mn的氧化态，我们使用了批量XANES光谱学。我们通过将每种氧化态归一化到总土壤Mn浓度（图6A）和整体Mn组成（图6B）来可视化批量土壤中测量的Mn(II)、Mn(III)和Mn(IV)的变化。这些数据表明，Mn(II)在较湿润的土壤中通常增加，在最干燥的地点占总土壤Mn的6%，在最湿润的地点几乎占60%（图6）。Mn(III)在最干燥和最湿润的第三梯度区域相对丰富，在梯度中间区域的丰度和百分比最低（大约900–2000毫米MAP）。Mn(IV)是大多数地点的主导Mn形式，在大约800–2000毫米MAP时超过Mn(II)和Mn(III)的百分比（但在接收1100毫米MAP的地点除外）；然而，其丰度急剧下降，在接收超过2500毫米MAP的所有地点都不存在。

下载：下载高分辨率图像（320KB）
下载：下载全尺寸图像

图6. 使用X射线吸收近边结构（XANES）光谱学、主成分分析（PCA）和线性组合拟合（LCF）确定了沿梯度收集的10厘米土壤芯中锰（Mn）氧化态的相对丰度。相应的光谱和拟合显示在图S3中。A) 分别用粉色、米色和木炭条形图表示沿梯度总土壤Mn组成的Mn(II)、Mn(III)和Mn(IV)的百分比，并归一化到总土壤Mn浓度。B) 归一化到100%的百分比显示了梯度土壤中每种Mn氧化态的总体分布；四阶多项式回归拟合由虚线表示：Mn(II)（粉色，R2 = 0.66），Mn(III)（米色，R2 = 0.48），以及Mn(IV)（木炭，R2 = 0.60）。图6B修改自Paulus和Vitousek, 2024。

我们还使用从XANES收集的Mn氧化数据来确定使用总土壤Mn、通过焦磷酸盐提取的Mn和草地Mn来估计土壤中Mn(IV)、Mn(III)和Mn(II)的整体组成的可靠性（图7）。我们发现，土壤中总锰含量（R2 = 0.70）与四价锰（Mn(IV)）的关联较好，但与三价锰（Mn(III)）（R2 = 0.04）或二价锰（Mn(II)）（R2 = 0.00）的关联较差（图7A）；焦磷酸盐可提取的锰与三价锰（R2 = 0.43）的关联优于与二价锰（R2 = 0.40）或四价锰（R2 = 0.24）的关联（图7B）；草中的锰与三价锰（R2 = 0.43）的关联优于与四价锰（R2 = 0.30）或二价锰（R2 = 0.16）的关联（图7C）。当将草中锰与土壤中二价锰的相关性（按每克土壤中的锰微克数标准化）与按总锰百分比标准化的相关性进行比较时，线性关系的强度从R2 = 0.01提高到了R2 = 0.26（图8），这表明除了研究总生物可利用锰浓度外，探究土壤中生物可利用锰的比例具有生物学意义。
下载：下载高分辨率图片（328KB）
下载：下载全尺寸图片

图7. 使用X射线吸收近边结构（XANES）光谱法确定的土壤中锰（Mn）氧化态（II、III和IV）与A）总锰含量、B）焦磷酸盐可提取锰以及C）草中锰之间的相关性。所有面板中的标记物和回归线（虚线）分别表示：Mn(II)为粉色，Mn(III)为米色，Mn(IV)为深灰色。A) 总锰与Mn(II)之间的线性相关性的决定系数（R2）为0.00，Mn(III)为0.05，Mn(IV)为0.70。B) 四阶多项式回归模型描述了焦磷酸盐可提取锰与Mn(II)（R2 = 0.40）、Mn(III)（R2 = 0.43）和Mn(IV)（R2 = 0.24）之间的相关性。C) 四阶多项式回归模型描述了草中锰与Mn(II)（R2 = 0.16）、Mn(III)（R2 = 0.43）和Mn(IV)（R2 = 0.29）之间的相关性。

图8. 显示了草中锰（μg Mn g^-1干燥草）（x轴）与按总锰标准化后的土壤中二价锰（μg Mn g^-1土壤，实心青绿色标记）以及按100%标准化的土壤中二价锰（实心紫色标记）之间的相关性。按总锰标准化的土壤中二价锰与草中锰之间的线性回归由虚线青绿色线条表示（R2 = 0.01），按100%标准化的土壤中二价锰与草中锰之间的线性回归由虚线紫色线条表示（R2 = 0.26）。

4. 讨论
4.1. 锰分布的建模
应用多种分析方法（GAM、GLM、RDA和VPA）的目的是评估在不同响应分布、线性和多变量结构假设的模型中，锰氧化态与环境因素（MAP、MAP-MAET、土壤pH值和土壤湿度）之间的关系是否稳定。然而，几种统计方法之间的收敛性本身并不是一种正式的变量重要性排序方法；这种方法单独使用并不能提供预测因子重要性的系统排序。GLM框架假设响应变量具有特定的分布，并且预测因子与经过转换的响应之间存在线性关系（Czado, 1997），而GAM通过允许预测因子使用平滑函数来放宽线性假设（Wood, 2025）。RDA提供了一个多变量排序框架，用于评估环境因素如何结构化响应矩阵（Rao, 1964, Van Den Wollenberg, 1977）。VPA用于量化可归因于环境变量的解释方差比例（Schulz等, 2025）。这些方法强调了数据结构的不同方面，因此提供了互补的视角，而不仅仅是单一的变量重要性度量。为了建立正式的变量重要性分析，我们使用了基于排列的方法——PVI分析（Besag和Clifford, 1991, Hapfelmeier等, 2023, Lock, 1991, Wald, 1992）。因此，我们通过测量在保持其他所有预测因子不变的情况下随机排列每个预测因子时模型性能的变化来量化预测因子的重要性。这种方法提供了一个不依赖于模型的估计，表明了每个变量对预测准确性的贡献（Lundberg和Lee, 2017）。
我们还实施了基于PVI的自举优势分析，以系统地评估预测因子的贡献（Azen, 2013, Elith等, 2008）。这种方法在概念上类似于不依赖于模型的重要性度量，因为它量化了每个预测因子对模型性能的贡献；然而，对于GAMs来说，排列重要性更容易实现。通过添加自助重采样，可以提供对预测因子优势的稳健估计，因为这考虑了抽样变异性，并量化了每个预测因子在重采样数据集中最强大的概率。PVI分析（图4A）和自助优势分析（图4B）证实，在降雨梯度上，MAP仍然是最强的锰氧化态预测因子。

4.2. 科哈拉梯度上锰氧化还原循环和氧化态的趋势
土壤是异质的且充满生命，生命依赖于不平衡状态（Keiluweit等, 2018, Keiluweit等, 2016, Pan等, 2014）。正如本研究所观察到的，在pH值介于4.0到6.5、氧化还原电位介于-15到+350 mV的土壤中，三种锰形态都大量存在，而在平衡状态下这些区域应以Mn(II)为主（图Pourbaix S2）。
随着土壤湿度增加，土壤中的氧气变得稀缺——好氧微生物消耗氧气的速度超过了氧气通过水分扩散来补充的速度。氧气可用性的减少以及厌氧电子受体还原产物的增加导致氧化还原电位下降。通气（氧化）土壤的氧化还原电位通常在400–700 mV之间，而淹没（还原）土壤的氧化还原电位可以低至-250到-300 mV（Patrick等, 1996）。先前的研究发现，Mn(II)在厌氧土壤中占主导地位，而Mn(IV)在好氧土壤中占主导地位，但目前尚不清楚是什么条件促进了Mn(III)在土壤中的普遍存在（Guest等, 2002, Wen等, 2023, Zhang等, 2025）。

我们的数据揭示了沿梯度锰生物可利用性和氧化态之间的有趣关系和模式。统计模型显示，在MAP、土壤湿度、MAP-MAET和土壤pH值中，MAP是预测锰池变化的最强预测因子。MAP似乎是一个长期信号，涵盖了驱动锰差异的土壤性质，而这些短期过程（即土壤湿度和pH值）则无法解释这些差异。MAP过于稳健，无法反映由快速变化过程引入的噪声，这也许可以解释为什么MAP作为焦磷酸盐可提取锰的预测因子表现不佳，而作为总锰或草中锰的预测因子表现较好；土壤中的锰以矿物形式稳定存在，而草中的锰存在于植物组织中，而焦磷酸盐可提取的锰反映了有机结合且最易降解的锰池。然而，通过使用MAP作为自变量，我们观察到的趋势与Vitousek和Chadwick（2013）描述的成土阈值以及Wen等（2023）中的地球化学模式相似。
草中锰浓度和土壤中二价锰百分比遵循相似的趋势（图8）。土壤中的二价锰通常是生物最易利用的锰形式，因此也是植物通过根系吸收的形式（Clarkson, 1988, Paschke等, 2005, Sasaki等, 2012）。酸性和还原性土壤有利于Mn(II)的可用性和植物的吸收，而碱性和氧化性条件则会减少其可用性。植物吸收锰的速度可以是其使用速度的100–1000倍（Clarkson, 1988）；某些物种的吸收速率甚至与土壤中Mn(II)的浓度相等，甚至达到毒性水平（Fernando和Lynch, 2015, Marschner, 1988）。不同植物物种对锰毒性的敏感性差异被认为重塑了一个经过十年氮肥处理的温带草原——氮肥使土壤酸化，增加了锰的生物可利用性，导致曾经由杂草和草组成的群落转变为纯草类群落（Tian等, 2016）。植物中的锰浓度并不一定完美反映土壤中的锰浓度（图7C）；然而，它们可以提供一个有用的指标，表明土壤中二价锰及其对植物的可利用性，这在我们的梯度数据中得到了体现（图8）。
草中锰浓度与土壤中二价锰的差异部分可能是由于与其他二价阳离子（如Fe(II)、Ca(II)、Mg(II)）的竞争以及通过系统的水量（Alejandro等, 2020）造成的。虽然酸性和还原性条件有利于Mn(II)的形成，但大量的降雨足以将Mn(II)冲刷出土壤剖面，从而减少植物可利用的锰（Wen等, 2023）。在最湿润的土壤端，有机物的丰富可能会结合锰，限制了植物的吸收（Paulus和Vitousek, 2024, Vitousek等, 2019, von Sperber等, 2017）。最湿润地点的焦磷酸盐可提取锰峰值（图5）也表明锰在有机物上的保留。最湿润地点的氧化还原电位峰值（图2B）可能源于土壤结构的变化（这里岩石较为普遍）和裂隙流动。因此，最湿润地点的草中锰浓度和二价锰的普遍性因多种因素的综合作用而有所不同。

Mn(IV)和总锰含量的模式相关性良好（图7A）。总体而言，总锰和Mn(IV)随着pH值和氧化条件的增加而增加。Mn(IV)是最被氧化的锰形态，由于大部分梯度的氧化还原电位相对较高，应该与总锰浓度呈平行趋势——特别是在干燥端，那里pH值和氧化还原电位都支持氧化作用。有趣的是，总锰和Mn(IV)在梯度中间达到峰值。随着土壤干燥，总锰含量略有下降，但仍保持比湿润端更高的浓度；然而，在大约1800毫米MAP时，Mn(IV)几乎占土壤中锰的100%。在这里，还原态的锰要么被植物吸收，要么以Mn(III)的形式循环：pH值约为5，有利于还原作用，氧化还原电位最为多样，这从标准差的广泛性可以看出（图2B）。此外，该地点的植物锰和焦磷酸盐可提取锰含量有所增加（图5），表明在此产生的Mn(II)被植物吸收和/或氧化为Mn(III)。这可能解释了为什么总体上土壤中Mn(III)百分比和有机结合（焦磷酸盐可提取）锰的百分比存在差异（图5和图6B），尽管两者本应相等（图5和图6B），而焦磷酸盐可提取锰与土壤中Mn(III)的相关性较好（图7B）。

我们发现了两种形式的Mn(III)：一种有机结合的、易降解的部分（用焦磷酸盐提取并通过ICP-OES检测到），另一种不易降解的部分（通过XANES光谱法在固体中检测到）。在降雨量达到822毫米MAP之前，易降解的Mn(III)较少，浓度在1750毫米MAP时达到峰值；此后其浓度保持较高，直到2400毫米MAP。XANES测量结果显示不易降解的Mn(III)的趋势相反。如果Mn(III)具有反应性，由于其氧化还原反应性，我们预计矿物形式的Mn(III)几乎不存在或微量存在。然而，在矿物和/或有机条件占主导的情况下，Mn(III)可以持续存在并积累（Guest等, 2002, Post, 1999）。在科哈拉梯度上，碳酸盐从< 300–700毫米MAP定义了矿物组成（Vitousek和Chadwick, 2013）；从700–1700毫米MAP起，铝氧化物和铁氧化物占主导地位，在更湿润的地点铝氧化物急剧减少，而有机物质和铁氧化物在2100毫米MAP以上增加（图S4）（Paulus和Vitousek, 2024）。当Mn(III)在土壤中持续存在时，它可能结合在氧化物矿物（如铝氧化物和铁氧化物）或有机物上（Wen等, 2023）。

5. 结论
沿梯度的不同模式表明，降雨通过氧化还原反应和不同的保留机制影响锰的氧化态和反应性，形成了定义植物可利用二价锰（Mn(II)以及不易降解和易降解的三价锰（Mn(III)）持续存在或反应的阈值。氧化还原活性中间相（RAMPs）是违背热力学预测的化合物：它们可以作为电子供体或受体参与氧化还原反应，并存在于广泛的氧化还原电位范围内（Peiffer等, 2021）。鉴于其令人惊讶的模式和接受及捐赠电子的能力，Mn(III)可能符合RAMP的定义（Luther, 2005, Wen等, 2023）。因此，波动的氧化还原条件（或氧化还原异质性）可能是控制因素。中间降雨量的地点在A层顶部10厘米内含有活跃的Mn(III)，可以快速循环。稳定态和活性Mn(III)之间的阈值定义了土壤氧化还原过程的变化，这与土壤剖面中Mn(III)可能表现出强氧化作用的位置相对应（Jones等, 2018）。
总锰和草中锰的趋势也揭示了草对根际锰供应的强烈影响。随着总锰含量的减少，草中锰含量增加，在2176毫米MAP时达到峰值（图5）。在最潮湿、还原性最强的土壤中，草似乎会吸收根际（土壤剖面中有机质最丰富、生物活性最高的区域）中大部分可利用的锰（Mn）。不出所料，通过XANES分析得到的草中锰含量与土壤中二价锰（Mn(II)）含量沿浓度梯度的变化趋势非常吻合（图5和图6）——二价锰是植物通过根部吸收的形态。虽然不能完全替代其他方法，但草中锰的浓度可以合理估计某一景观中根际内可利用二价锰的相对丰度。我们的研究结果表明，草中锰的含量与土壤中总二价锰的可用性之间存在关联，而且降雨量可以作为预测土壤中锰氧化状态和可用性的参考指标。

**作者贡献：**
ELP和PMV设计了这项研究并进行了野外工作。ELP负责实验室分析、数据处理以及文章撰写，同时SF、KW、MZ和PMV也参与了研究工作。

**资金来源：**
本研究得到了美国国家科学基金会（奖号2027290和2027284）的支持。ELP还获得了能源部科学研究生研究奖学金（DOE SCGSR）的支持。

**CRediT作者贡献声明：**
Elizabeth L. Paulus：负责写作、审稿与编辑、原始草稿撰写、数据可视化、方法论制定、实验设计、资金申请、数据分析、概念构思。
Peter M. Vitousek：负责写作、审稿与编辑、项目监督、实验设计、资金申请、概念构思。
Mengqiang Zhu：负责写作、审稿与编辑、资金申请。
Ke Wen：负责写作、审稿与编辑。
Scott Fendorf：负责写作、审稿与编辑、项目监督。