土壤微生物是维持土壤健康的核心与关键，最新研究表明，土壤微生物群落结构和多样性被认为是评价土壤健康程度最具潜力的依据，它们在植物-土壤系统中起着至关重要的作用^[1-2]。土壤微生物驱动农业生态系统中的关键功能，合理的农业管理实践能够通过影响土壤微生物群来改善作物生产系统的可持续性，如保护性耕作、作物多样化、覆盖种植和施入有机物料等^[3]。因此，探究农业管理实践如何影响土壤微生物群落结构、代谢物组成，是了解其生态功能的关键，也是标记土壤质量变化、合理利用土地资源、促进区域土壤生态系统可持续发展的有效切入点。

枸杞（Lycium barbarum L.）系茄科（Solanaceae）多年生落叶灌木，兼具药用经济价值与生态景观功能，是我国西北盐碱和干旱地区生态造林的重要先锋树种。据农业农村部2023年统计数据显示，全国枸杞栽培面积已达1.22×10⁵ hm²;，鲜果年产量突破140万t^[4]。然而，传统单作模式、过量使用化肥、忽视有机肥及大水漫灌等粗放管理方式，导致土壤肥力下降、产量减少、品质降低^[5-6]，严重制约着枸杞产业的可持续发展潜力。果园间作覆盖作物是一种先进的土壤管理方式，有助于提升果园质量和效益，促进可持续发展^[7]。针对目前枸杞生产中长期单作和对化肥过分依赖等突出问题，基于覆盖作物——肥田萝卜与枸杞水肥需求高峰存在时空互补效应，前期已构建了西北旱区特色经济作物枸杞/覆盖作物可持续种植体系，有效提高了土壤肥力^[8]，然而，在枸杞/覆盖作物复合种植体系中关于土壤地力提升的生物学机制并不清晰。

土壤中代谢产物源于植物根系分泌物、微生物代谢和有机质分解^[9]，作为碳源和信号分子，可调控根际微生物群落，进而影响土壤性质和作物生长^[10]。植物根系分泌物如酚类化合物、类黄酮和生物碱等，能够抑制根际土壤中的微生物活动^[11]，糖类代谢物可为微生物提供碳源，例如果糖、山梨糖和甘露糖，这几种糖类物质可诱导有益微生物（如植物根际促生菌）的趋化作用和生物膜形成，从而在植物根际定殖，促进植物生长并维持健康^[12]。有研究表明土壤中代谢物是植物-微生物互作的重要介质^[12]，目前关于覆盖作物种植模式下土壤中代谢物的响应研究也鲜有报道。

鉴于此，本研究通过长期田间定位试验，从枸杞/肥田萝卜复合种植体系入手，深入探究土壤微生物多样性、土壤中代谢物及枸杞产量对覆盖种植模式的响应特征，阐明新型种植模式与施用有机肥培肥土壤的微生物学机制，以期为区域经济林高效、可持续发展提供理论依据。

2019年，田间定位试验在宁夏银川国家林业和草原局枸杞工程技术研究中心示范基地（38.41°N，106.17°E）开展。该地区海拔约1 110 m，属中温带大陆性气候，具有昼夜温差大、降水少（年均200 mm）、蒸发强（年均1 883 mm）、气温低（年均8.5 ℃）、无霜期短（160~170 d）以及冬春干旱、四季多风的特点^[8]。

试验选用宁杞8号（Lycium barbarum L.）和白玉大根（Raphanus sativus L. var. longipinnatus）作为枸杞和肥田萝卜的供试品种。传统单作模式下，枸杞株行距为1 m × 3 m，行间休闲，仅进行常规除草管理。套作模式下，肥田萝卜于枸杞夏季休眠期（8月上旬）沿枸杞行套种，株距20 cm，距枸杞行20 cm，播种深度1~2 cm，密度为每公顷33 300~37 500株。肥田萝卜全量还田，12月下旬冻伤死亡后于次年春季原地腐解，其他管理与传统种植模式一致。

试验采用裂区设计，主处理为种植模式（A），包括传统枸杞单作（M）和枸杞-肥田萝卜套作（I）两种模式；副处理为有机肥施用量（B），施用有机肥（O），设不施肥（O₀）、中量（每株2 kg，O₁）和高量（每株4 kg，O₂）三个水平。采用完全随机区组设计，3次重复，小区面积120 m²（20 m × 6 m）。化肥选用尿素、磷酸二铵和硫酸钾，枸杞于4月下旬至6月下旬和6月末至7月下旬分两次根部追肥，每次每株施N 120 g、P₂O₅ 60 g、K₂O 75 g。展叶期采用环状沟施法施用腐熟羊粪，施肥沟距树干30 cm，深宽各30 cm，施用量分别为0、6 660和13 320 kg·hm^–2。

2022年8月上旬枸杞收获后采集土壤样品。每个小区选取5个样点，采集0~20 cm土层土壤，混合均匀后去除石砾和植物残根，过2 mm筛，风干后用于理化性质分析；另选取5株健康枸杞植株，以树干为中心，在距树干30 cm的对角线4个顶点取样。清除地表杂物后，用土钻采集5~30 cm深度的土壤和根系混合样，按照四分法取样，取一部分经过液氮速冻处理后，保存在-80 ℃冰箱，用于微生物群落多样性和代谢物分析，一部分新鲜土样用于测定土壤相关理化指标。

土壤pH采用电位法（水土质量比2.5︰1）测定，电导率（EC）采用电导法测定。土壤有机碳（SOC）和全氮（TN）分别采用重铬酸钾外加热法和凯氏定氮法测定，微生物生物量碳（MBC）和微生物生物量氮（MBN）采用氯仿熏蒸法测定。有效氮（AN，铵态氮和硝态氮之和）采用1 mol·L^–1 KCl浸提—流动分析仪（5000，SKALAR，荷兰）法测定，有效磷（AP）采用0.5 mol·L^–1 NaHCO₃浸提—钼锑抗比色法测定，速效钾（AK）采用1 mol·L^–1 NH₄OAc浸提—火焰光度计法测定^[13]，土壤容重采用环刀法测定。

DNA提取方法：参照E.Z.N.A®Soil DNA试剂盒（OmegaBio-tek美国）的标准，从土壤微生物中提取总DNA，并采用1%的琼脂糖凝胶电泳技术结合NanoDropND-2000（Thermo Scientific，美国）测定DNA的品质、浓度和纯净度。PCR扩增：细菌16S rRN的V3~V4区利用通用引物338F（5'-ACTCCTACGGGAGGCAGCA-3'）和806R（5'-GGACTACHVGGGTWTCTAAT-3'）进行PCR扩增^[14]；对真菌的ITS1区利用通用引物ITS1F（5'-CTTGGTCATTTAGGGAAGTAA-3'）和ITS2R（5'-GCTGCGTCTTCATCGATGC-3'）进PCR扩增^[15]。测序在Illumina Miseq PE300/NovaSeq PE250平台进行，原始数据上传至国家生物技术信息中心序列读段存档数据库（NCBI SRA）。采用fastp软件（V. 0.20.0）对初始测序序列进行质量控制，并使用FLASH软件（V. 1.2.7）执行双端读段的拼接。根据条形码和引物来区分样本并调整序列的方向，条形码严格禁止错误匹配，而引物的最大错误匹配数量为2，所有样本的测序量均统一到了35 000条序列。借助UPARSE软件（V. 7.1），按照97%的相似度对数据序列进行了分类单元的聚类，并排除了其中的嵌合体。

精确测量1 000±5 mg的样本至2 mL离心管，然后加入6 mm的研磨珠和1 000 µL的提取液（甲醇与水的体积比为4︰1，并包含四种内标）；使用冷冻组织研磨仪进行6 min研磨（–10 ℃，50 Hz），然后使用低温超声波提取30 min（5 ℃，40 KHz）；在–20 ℃条件下静置30 min，离心15 min（13 000 g，4 ℃），并用氮气吹干上清液；将上清液用梯度洗脱的方法进行分离纯化。加入120 μL复溶液（乙腈与水的体积比为1︰1），涡旋混合30 s，接着使用低温超声波提取5 min（5 ℃，40 KHz），离心15 min（13 000 g，4℃），最后取出上层清液并放入小瓶中，每一份样本均使用20 µL上清液进行混合，以制备质控样本（QC）。采用液相色谱-质谱联用技术（LC-MS），分析使用AB SCIEX UHPLC-Triple TOF系统。色谱测试条件：ACQUITY UPLC HSS T3色谱柱（100 mm×2.1 mm，1.8 µm；Waters，美国），其中流动相A由95%（v/v）的水和5%（v/v）的乙腈（含有体积百分数为0.1%的甲酸）组成，流动相B则由47.5%（v/v）的乙腈、47.5%（v/v）的异丙醇和5%（v/v）的水（含有体积百分数为0.1%的甲酸）组成，流速为0.40 mLŸmin^–1，进样量为10 μL，柱温为45 ℃，本实验通过对不同浓度的样品进行测定得到最优分离效果。在质谱条件下，采用电喷雾电离的正负离子模式收集质谱信号，采用内标法计算各离子的相对丰度，并进行定性定量分析。质控样本是通过将所有样本的提取液等体积混合制备的，并与样本进行同步的处理和检测，为了确保检测过程的稳定性，每5~15个分析样本中均应加入一个质控样本。

针对土壤理化性质，采用双因素方差分析，并在5%显著性水平下，运用邓肯（Duncan）多重检验对平均值进行比较，利用Origin 2022软件进行绘图。在数据分析方面，借助ropls（R软件包）开展偏最小二乘判别分析；针对筛选出的差异代谢物，运用scipy（Python库）进行变量重要性投影分析（VIP）。此外，通过京都基因与基因组百科全书数据库（KEGG）以及人类代谢组数据库（HMDB）对差异代谢物进行注释。

由表 1可知，与M处理相比，I处理显著提升了土壤EC、SOC、TN、AN、AK和MBN含量。其中SOC、TN和AN的增幅最为显著，分别达到47.80%、39.09%和46.23%，且土壤容重（BD）显著降低（P < 0.05）。与MO₀处理相比，IO₀处理使得土壤BD显著下降，而土壤SOC和MBN显著增加，增幅分别为49.87%和47.79%。与MO₁处理相比，IO₁处理下土壤BD显著降低了2.43%，土壤SOC显著增加，增幅为46.20%；与MO₂处理相比，IO₂处理下显著提高了土壤EC、SOC、AN和AK含量（P < 0.05）。

表 1 Table 1

表 1 覆盖和有机肥处理下土壤理化性质特征 Table 1 Characteristics of Soil Physicochemical Properties under cover crops and organic fertilizer treatments 处理 pH BD/ （gŸcm–3） EC/ （μSŸcm–1） SOC/ （g·kg–1） TN/ （g·kg–1） AN/ （mg·kg–1） AP/ （mg·kg–1） AK/ （mg·kg–1） MBC/ （mg·kg–1） MBN/ （mg·kg–1） MO0 9.06±0.04a 1.46±0.01a 124.65±6.01b 9.37±1.94c 0.99±0.25a 31.90±2.17b 32.84±3.47a 49.64±4.22b 116.93±38.64a 32.18±2.56c MO1 9.11±0.01a 1.45±0.01ab 143.27±6.01bb 9.33±0.95bc 0.94±0.22a 40.61±3.24ab 34.27±2.92a 71.89±14.45ab 142.15±12.24a 40.85±0.59ab MO2 8.92±0.14a 1.48±0.02a 120.61±11.29b 8.84±0.99c 0.42±0.17a 29.00±5.05b 28.93±4.15a 56.77±5.36b 141.23±23.14a 39.46±0.47b IO0 8.99±0.07a 1.42±0.01bc 151.23±27.92b 11.55±0.49ab 1.27±0.35a 48±11.74ab 30.18±4.84a 79.10±6.67ab 144.35±4.54a 48.10±3.91a IO1 9.02±0.01a 1.42±0.00c 163.59±8.57ab 13.64±0.85a 1.54±0.16a 52.71±3.38ab 39.95±3.17a 83.69±13.47ab 156.66±9.18a 46.87±1.77a IO2 8.90±0.05a 1.45±0.01ab 207.85±23.74a 13.06±0.89a 1.29±0.19a 60.49±12.07a 39.43±3.94a 94.40±12.44a 152.39±27.67a 42.91±1.94ab A ns ** ** *** ** ** ns * ns *** B ns * ns ns ns ns ns ns ns ns A×B ns ns ns ns ns ns ns ns ns * 注：BD：土壤容重；EC：电导率；SOC：土壤有机碳；TN：全氮；AN：有效氮（铵态氮加硝态氮）；AP：有效磷；AK：速效钾；MBC：微生物生物量碳；MBN：微生物生物量氮。MO0：单作不施肥；MO1：单作施用中量有机肥；MO2：单作施用高量有机肥；IO0：覆盖种植不施肥；IO1：覆盖种植施用中量有机肥；IO2：覆盖种植施用高量有机肥；A：种植模式；B：有机肥的施用；A×B：覆盖与施肥的交互作用，同列不同小写字母表示不同处理间差异显著（P < 0.05）；* P < 0.05，** P < 0.01，*** P < 0.001，ns：无显著意义。下同。Note：BD：Bulk density；EC：Electrical conductivity；SOC：Soil organic carbon；T'N：Total nitrogen；AN：Available nitrogen（ammonium and nitrate）；AP：Available phosphorus；AK：Available potassium；MBC：Microbial biomass carbon；MBN：Microbial biomass nitrogen. MO0，MO1，and MO2 represent L. barbarum monocropping with zero，medium，and high levels of organic fertilizer，respectively；IO0，IO1，and IO2 represent L. barbarum/R. sativus intercropping with zero，medium，and high levels of organic fertilizer，respectively. A：Cropping system；B：Organic manure application；A×B：Cropping system×Organic manure application. Different lowercase letters in the same column indicate significant differences between treatments（P < 0.05）. * P < 0.05，** P < 0.01，*** P < 0.001，ns：not significant. The same below.

表 1 覆盖和有机肥处理下土壤理化性质特征 Table 1 Characteristics of Soil Physicochemical Properties under cover crops and organic fertilizer treatments

由图 1a~图 1d可知，与M处理相比，I处理下细菌香农（Shannon）指数显著上升，增幅为4%，辛普森（Simpson）指数显著下降，降幅达43.04%（P < 0.05）；而Ace和Chao1指数的变化并不显著。在真菌多样性方面（图 1e~图 1h），与M处理相比，I处理下Ace和Chao1指数呈现上升趋势，但差异并不显著，Shannon和Simpson指数则无显著变化。

注：图上不同小写字母表示不同处理间差异显著（P < 0.05）；* P < 0.05，** P < 0.01，***P < 0.001，下同。Note：Different lowercase letters indicate significant differences between treatments（P < 0.05）. * P < 0.05，** P < 0.01，*** P < 0.001. The same below. 图 1 不同施肥处理下的土壤细菌（a~d）和真菌（e~h）α多样性（a，e. Ace指数；b，f. Chao1指数；c，g. 香农指数；d，f.辛普森指数） Fig. 1 Alpha diversity of soil bacteria(a~d)and fungi(e~h)under different treatments(a, e. Ace index; b, f. Chao1index; c, g. Shannon index; d, f. Simpson index)

本研究共检测出14类、共计867种代谢化合物（表 2），基于偏最小二乘法判别分析（PLS-DA）模型进行分析，结果显示，不同分组间代谢物种类呈现出明显差异，同一处理组内稳定性较好，且样本点汇聚紧密。在置换检验中，模型可解释度（R²）和模型可预测度（Q²）的截距分别为0.259和0.163，表明该模型不存在过拟合现象，具有较为理想的预测能力（图 2）。

表 2 Table 2

表 2 样本中代谢物分类 Table 2 Classification of metabolites in samples 序号 Serial Number 类别 Category 数量 Quantity 占比 Proportion /% 1 脂质和类脂分子化合物Lipids and lipid-like molecules 374 43.14 2 未分类化合物Not available 134 15.46 3 有机酸及其衍生物Organic acids and derivatives 92 10.61 4 有机的杂环类化合物Organoheterocyclic compounds 69 7.96 5 有机氧化合物Organic oxygen compounds 64 7.38 6 苯环结构的化合物Benzenoids 49 5.65 7 苯丙烷类和聚酮类Phenylpropanoids and polyketides 34 3.92 8 核苷、核苷酸类似物Nucleosides，nucleotides，and analogues 18 2.08 9 生物碱及其衍生物Alkaloids and derivatives 16 1.85 10 有机氮化合物Organic nitrogen compounds 10 1.15 11 烃类化合物Hydrocarbons 3 0.35 12 有机硫化合物Organosulfur compounds 2 0.23 13 有机1，3耦合化合物Organic 1，3-dipolar compounds 1 0.12 14 有机卤素化合物Organohalogen compounds 1 0.12

表 2 样本中代谢物分类 Table 2 Classification of metabolites in samples

图 2 基于人类代谢组数据库（HMDB）样品代谢物的偏最小二乘法判别分析（PLS-DA）得分图（a）、模型验证图（b）和置换检验图（c） Fig. 2 Partial least squares discriminant analysis(PLS-DA)of sample metabolites based on Human Metabolome Database(HMDB)(a), score diagram(b), model validation diagram(c)replacement test diagram

在对土壤中差异代谢物进行筛选时，开展了PLS-DA分析，结果表明，不同种植模式下代谢物在各组间呈现出显著的分离趋势（图 3）。样本间存在显著差异，同时组内生物学重复重叠效果良好，表明该数据质量可靠，适用于后续的差异代谢物分析。

图 3 不同处理间的偏最小二乘法判别分析（PLS-DA） Fig. 3 Partial least squares discriminant analysis(PLS-DA)between different treatments

基于PLS-DA分析结果，选择同时满足多元统计分析VIP > 1且P < 0.05条件的代谢物，筛选出显著差异代谢物。对IO₀ vs MO₀、IO₁ vs MO₁和IO₂ vs MO₂三组样品进行差异代谢物分析，IO₂处理组筛选鉴定出的显著差异代谢物数量最多，达119种，其中109种显著上调，10种显著下调；IO₀处理组的显著差异代谢物有61种，其中49种显著上调，12种显著下调；IO₁处理组的显著差异代谢物有40种，其中29种显著上调，11种显著下调（图 4）。

注：log2FC：倍数变化值，-log10（P value）：统计学检验值。Note：log2FC：Fold change value，-log10（P value）：Statistical test value. 图 4 不同比较组间的差异代谢物分析 Fig. 4 Differential metabolite analysis between different comparison groups

基于多变量统计分析VIP＞1.0和单变量假设检验P＜0.05的筛选标准，进行差异代谢物筛选，如表 3所示，不同处理组间代谢物组成呈现显著层级化分布特征：IO₀处理组脂类代谢物以35.71%的相对丰度居主导地位，其次为有机酸类（15.48%），而芳香族化合物（苯环型衍生物）占比最低（3.57%）。IO₁处理组脂质占比显著提升至47.37%，苯系物（苯环型化合物）、有机氧化物及有机杂环化合物占比均为7.02%，而有机酸占比下降至5.26%。IO₂处理组脂类（42.31%）仍保持优势地位，有机酸（14.74%）与杂环化合物（7.05%）次之。苯环型化合物、苯丙烷类和聚酮类以及有机氧化合物呈现等比例分布特征（各5.77%），表明其生物合成途径可能存在协同调控机制。

表 3 Table 3

表 3 IO0 vs MO0，IO1 vs MO1，IO2 vs MO2处理中的差异代谢物 Table 3 Differential metabolites in the treatments of IO0 vs MO0, IO1 vs MO1, and IO2 vs MO2 处理组 Treatment group 序号 Serial Number 类别 Category 数量 Quantity 占比 Proportion/% IO0 vs MO0 1 脂质和类脂分子化合物Lipids and lipid-like molecules 30 35.71 2 未分类化合物Not available 21 25.00 3 有机酸及其衍生物Organic acids and derivatives 13 15.48 4 苯丙烷类和聚酮类Phenylpropanoids and polyketides 6 7.14 5 有机的杂环类化合物Organoheterocyclic compounds 5 5.95 6 苯环结构的化合物Benzenoids 3 3.57 7 生物碱及其衍生物Alkaloids and derivatives 2 2.38 8 有机氧化合物Organic oxygen compounds 2 2.38 9 烃类化合物Hydrocarbons 1 1.19 10 有机硫化合物Organosulfur compounds 1 1.19 IO1 vs MO1 1 脂质和类脂分子化合物Lipids and lipid-like molecules 27 47.37 2 未分类化合物Not available 8 14.04 3 有机杂环类化合物Organoheterocyclic compounds 4 7.02 4 苯环结构的化合物Benzenoids 4 7.02 5 有机氧化合物Organic oxygen compounds 4 7.02 6 有机酸及其衍生物Organic acids and derivatives 3 5.26 7 苯丙烷类和聚酮类Phenylpropanoids and polyketides 3 5.26 8 生物碱及其衍生物Alkaloids and derivatives 2 3.51 9 核苷、核苷酸类似物Nucleosides，nucleotides，and analogues 2 3.51 IO2 vs MO2 1 脂质和类脂分子化合物Lipids and lipid-like molecules 66 42.31 2 未分类化合物Not available 23 14.74 3 有机酸及其衍生物Organic acids and derivatives 23 14.74 4 有机的杂环类化合物Organoheterocyclic compounds 11 7.05 5 苯环型化合物Benzenoids 9 5.77 6 苯丙烷类和聚酮类Phenylpropanoids and polyketides 9 5.77 7 有机氧化合物Organic oxygen compounds 9 5.77 8 生物碱及其衍生物Alkaloids and derivatives 4 2.56 9 核苷、核苷酸类似物Nucleosides，nucleotides，and analogues 2 1.28

表 3 IO0 vs MO0，IO1 vs MO1，IO2 vs MO2处理中的差异代谢物 Table 3 Differential metabolites in the treatments of IO0 vs MO0, IO1 vs MO1, and IO2 vs MO2

基于差异代谢物热图与变量重要性投影VIP联合分析（图 5）发现，不同处理组代谢特征呈现显著梯度分化：IO₀处理组以脂质为核心代谢模块，辅以有机酸、生物碱、苯丙素类及聚酮类等代谢成分；相较单作对照MO₀处理，IO₀处理组脂质合成相关代谢物丰度显著提升（27种）。IO₁处理组形成以核苷类似物为主导的代谢格局，伴随苯系芳香族化合物和杂环化合物的协同积累，与MO₁相比，IO₁处理呈现19种代谢物上调和11种下调。IO₂处理组建立了脂质-苯丙素-聚酮三位一体的代谢网络，与MO₂处理相比，其中27种脂质衍生化合物上调，而3种苯环型化合物显著下调。KEGG富集通路分析（图 6）揭示了关键代谢通路，覆盖种植处理普遍激活了胆碱代谢通路，不同施肥梯度处理特异性诱导了甘油磷脂代谢通路的富集。

图 5 代谢物变量重要性投影分析（VIP）的表达热图代谢集分析 Fig. 5 Heatmap analysis of metabolite variable importance in projection(VIP)expression

图 6 比较组间差异代谢物在基因组百科全书数据库（KEGG）中的通路富集 Fig. 6 Pathway enrichment of differential metabolites in the Kyoto Encyclopedia of Genes and Genomes(KEGG)database

由图 7可知，与M处理组相比，I处理组的枸杞产量显著提高，增幅达6.36%（P < 0.05）。与MO₀处理相比，IO₀处理组枸杞产量呈现出上升态势，但差异并不显著；与MO₁处理相比，IO₁处理组枸杞产量显著提高，增幅为11.39%（P < 0.05）；与MO₂处理相比，IO₂处理组枸杞产量呈增加趋势，然而差异不显著。对各处理组的枸杞产量进行分析发现，IO₁处理下，枸杞产量达到最优水平。

图 7 不同处理枸杞产量 Fig. 7 Yield of wolfberry under different treatments

针对不同处理条件下土壤微生物生物量碳、微生物生物量氮、多样性指数，以及关键代谢物之间的相关性展开分析。由图 8可知，土壤微生物生物量氮（MBN）与二高-α-亚麻酸、16-阿魏酰氧基棕榈酸酯、米尔倍霉素β 3、N-羟脯氨酸之间存在显著正相关关系（P < 0.05）；真菌香农（Shannon）指数与真菌辛普森（Simpson）指数、16-阿魏酰氧基棕榈酸酯、N-羟脯氨酸呈现显著负相关（P < 0.05）；甲氧苄氨嘧啶与二十烷二酸、N-羟脯氨酸以及枸杞产量均呈显著正相关（P < 0.05）；此外，二十烷二酸与N -羟脯氨酸、枸杞产量同样表现出显著正相关（P < 0.05）。

注：MBC：微生物生物量碳；MBN：微生物生物量氮；B-Sh：细菌香农指数；B-Si：细菌辛普森指数；F-Sh：真菌香农指数；F-Si：真菌辛普森指数；Y：产量；代谢物对应ID：metab_1532：二高-α-亚麻酸；metab_2162：16-阿魏酰氧基棕榈酸酯；metab_607：米尔倍霉素β 3；metab_482：甲氧苄氨嘧啶；metab_1502：二十烷二酸；metab_2203：N-羟脯氨酸。Note：MBC：Microbial biomass carbon；MBN：Microbial biomass nitrogen；B-Shannon：The Shannon index of bacteria；B-Simpson：The Simpson index of bacteria；F-Shannon：The Shannon index of fungal；F-Simpson：The Simpson index of fungal；Y：Yield；Metabolite ID：metab_1532：Dihomo-alpha-linolenic acid；metab_2162：16-feruloyloxypalmitate；metab_607：Milbemycin beta3；metab_482：Trimetoprim；metab_1502：Eicosanedioic acid；metab_2203：N-Hydroxy phip. 图 8 土壤微生物指标与关键代谢物的相关性 Fig. 8 Correlation analysis of microbial indexes and key metabolites

覆盖作物可缓解土壤压实，调节果园土壤温度，增加土壤微生物的多样性和酶活性，提高土壤养分有效性和氮素利用效率^[16]。本研究证实了以上结论，种植覆盖作物提高了土壤中氮、磷、钾等养分含量，并降低了土壤容重（表 1），其原因可能是肥田萝卜根系与土壤互作产生的根系分泌物促使土壤中难溶的磷、钾转化为作物可吸收利用的有效磷和速效钾^[17]。Weil等^[18]研究发现，肥田萝卜可减少氮素淋失，这与本研究的结果一致，与单作相比，种植覆盖作物处理提高了土壤全氮和铵态氮、硝态氮含量（表 1），这是由于肥田萝卜在立秋时分（8月上旬）种植，该时期枸杞已逐渐停止吸收养分，肥田萝卜通过发达的根系捕获土壤中的氮素，并在冬季死亡腐解之后，将体内累积的氮素在春季释放出来，从而增加土壤氮素含量，也为主栽作物提供丰富的氮源。有机肥缓释氮素，提升土壤持久供氮能力，保障作物生育后期氮素供应，同时提高土壤微生物数量和活性，促进无机氮快速固定，提升氮素利用效率^[19]。种植覆盖作物和施用有机肥对微生物生物量碳和微生物生物量氮具有显著的积极影响^[20-21]，肥田萝卜凋落物的输入以及根系分泌能够促进土壤微生物循环，增加土壤微生物结构和功能多样性^[22]，其次，种植覆盖作物有助于土壤保温和保湿，避免由于土壤侵蚀造成的碳氮流失^[23]，有利于微生物的生长和繁殖，从而提高了土壤微生物生物量氮含量。

种植覆盖作物提高了土壤细菌的多样性和丰富度（图 1），这与Muhammad等^[21]研究结果一致。细菌对培肥措施较敏感，在覆盖条件下，施用有机肥为土壤细菌提供了丰富的代谢底物，进而促进了微生物活动，增加土壤细菌数量^[24]。土壤微生物与植物的生长及健康密切相关^[25]。覆盖模式下根际互作可提高根际土壤分泌物含量及其多样性，因此地下互作被认为是覆盖模式群体高产高效的原因之一^[26]，这与本研究结果一致，通过代谢组分析，发现不同处理之间土壤代谢物存在显著差异（图 2），通过多维统计VIP分析，确定关键差异代谢组分主要是脂质和类脂分子（表 3），有研究表明脂类代谢物作为土壤中存在的主要化感物质，会抑制作物生长及产量的形成^[27]。在代谢通路分析（图 6）中，覆盖处理下胆碱代谢通路是共同的差异代谢通路，而不同施肥处理组中，甘油磷脂代谢合成通路是共同的差异代谢通路。胆碱是微生物和植物生长所需的重要营养物质之一，在生物体内具有多种重要的生理功能，也可通过微生物的代谢转化为其他有机化合物，对土壤生态系统营养循环有重要作用^[28]。有研究表明胆碱在真核生物中含量丰富，参与细菌的渗透保护、热保护和膜合成，其有氧分解代谢在土壤变形菌中普遍存在，可能在发病机制、共生和营养循环等过程中起重要作用^[29]。土壤中的微生物和其他生物体通过甘油磷脂的合成和降解，不仅影响自身的生存和繁殖，还对土壤生态系统的稳定性产生重要影响。甘油磷脂的代谢过程可影响土壤有机质的分解和养分循环，从而影响土壤的肥力和健康^[30]。在相关性分析（图 8）中，真菌Shannon指数与16-阿魏酰氧基棕榈酸酯、N-羟脯氨酸呈现负相关关系，原因可能是覆盖作物富集了有益微生物，从而降解了土壤中的脂类化感物质；而且这两种代谢物属于苯丙烷类和聚酮类，对植物生长发育及植物环境互作有重要影响，有利于促进植物抵抗生物和非生物胁迫^[31]；二高-α-亚麻酸、16-阿魏酰氧基棕榈酸酯、米尔倍霉素β 3、N-羟脯氨酸与MBN呈显著正相关，可能是由于土壤环境的变化引起微生物活性变化，随着施肥用量的增加，土壤微生物数量和活性增强所致，这与Chen等^[32]研究结果一致。

覆盖作物对作物产量的影响可能因地区、气候、土壤性质、作物种类和管理而异^[33-34]。一些研究报告了覆盖作物对作物产量产生了中性或负面的影响^[35-36]，Fan等^[33]基于中国53项已发表的研究表明，种植覆盖作物显著提高了后续作物的产量。从土壤环境变化角度分析，种植覆盖作物能够增加土壤有机质，促进土壤团聚体的形成，从而改善土壤结构，为后续主要作物的生长提供了有利条件。不同类型的覆盖作物，对土壤环境和产量的影响不同^[37]。本研究中，种植覆盖作物结合施用中量有机肥显著提高了枸杞产量（图 7），一方面是因为枸杞水肥需求高峰与肥田萝卜存在时空互补效应，种间竞争小，适宜套种；另一方面肥田萝卜的根系具有很强的土壤穿透性，即“生物钻孔”功能，使枸杞根系更容易进入土壤深层，形成稳定高效的水分养分系统。

种植覆盖作物、施用有机肥二者之间的交互作用对宁夏旱区枸杞园的土壤理化性质有显著影响。枸杞/肥田萝卜间作模式提高了0~20 cm土层细菌多样性和丰富度，优化了土壤代谢组分，显著提升了枸杞产量，中量有机肥处理增产11.39%（P < 0.05）。枸杞/肥田萝卜间作结合中量有机肥（每株2 kg）提高枸杞产量的效果最佳。