Effects of Bio-organic Fertilizer on Physicochemical Properties and Microflora of Banana Field Infected by Fusarium Wilt Disease
-
摘要:目的 研究香蕉园施用有机肥防治香蕉枯萎病对土壤理化性质及其根际土壤微生物群落的影响。方法 香蕉幼苗移栽至病区大田土壤中，处理组植株施用有机肥，并将未施用有机肥的植株设置为对照组。移栽后6个月统计处理组与对照组植株香蕉枯萎病发病率；采集土壤样本，测定根际土壤的土壤肥力；提取根际土壤DNA，采用高通量测序技术，结合生物信息学分析，解析施用有机肥后香蕉根际土壤细菌和真菌群落结构组成及多样性的变化。结果 施用有机肥提高了土壤pH值（14.85%）、全氮（25%）和全磷（19.04%）的含量，降低土壤全铁含量（2.62%），香蕉枯萎病发病率下降了75%。和对照相比，子囊菌门（Ascomycota）与壶菌门（Chytridiomycota）的相对丰度分别提高了43.84%和90.64%，变形菌门（Proteobacteria）的相对丰度则降低了18.49%。施用有机肥料提高了青霉菌属（Penicillium）、Gibellulopsis和篮状菌属（Talaromyces）等的相对丰度，比例分别为对照组的2.93倍、2.12倍和11.93倍。施用有机肥料后，香蕉根际土壤真菌群落Chao1指数、ACE指数与香农（Shannon）指数得到提升，分别提升了39.81%、38.43%和86.85%。结论 施用有机肥料改善了土壤理化性质，改变了根际土壤微生物群落结构和多样性，降低了香蕉枯萎病发病率。Abstract:Objective Effects of a bio-organic fertilizer on physicochemical properties and microbial community in rhizosphere soil of a banana field infected by Fusarium wilt disease were studied.Methods In a Fusarium wilt infected banana field, an random block design experiment on the application of a bio-organic fertilizer, Biofert, was conducted. Six months after banana seedlings were transplanted to the field, rhizosphere soil samples from lots with and without Biofert application were collected to determine the nutrient contents by chemical analysis and the microbial composition and diversity by high-throughput sequencing and bioinformatics analysis.Results Compared to control, the application of Biofert increased pH by 14.85%, the total N by 25%, and total P by 19.04%, but decreased the total Fe by 2.62% in the soil, while lowered the incidence of Fusarium wilt on the plants by 75%. In the rhizosphere soil, the Biofert-treated lots showed the relative abundance of, other than an 18.49% decrease on Proteobacteria, increases by 43.84% on Ascomycota, 90.64% on Chytridiomycota, 293% on Penicillium, 212% on Gibellulopsis, and 1193% on Talaromyces, 39.81% on fungal Chao1 index, 38.43% on ACE, and 86.85% on Shannon index.Conclusion Biofert application not only improved the soil quality but also significantly altered the structure and diversity of the microbial community in rhizosphere soil and contributed to the reduced incidence of banana wilt disease.
-
湖北省作为农业大省，是我国的粮食主产区之一，素有“湖广熟，天下足”之誉。湖北位于长江中游、洞庭湖以北，地处亚热带，地势三面环山，在全省总面积中，山地占56%，丘陵占24%，平原湖区占20%。独特的地理环境造成湖北省农业生产受到耕地细碎化、洪涝干旱频发、交通不便等自然条件的限制。因此，农田水利、农村电力、交通等农业基础设施投资建设在湖北省农业经济发展中显得尤为重要。农业经济在湖北省整个经济健康稳定发展以及在全国农业经济稳定增长和粮食安全战略部署中均占有极其重要的地位。自2004年以来, 中央政府不断强调农业基础设施建设的重要性，2016年中央一号文件再一次明确提出“加快农村基础设施建设，持续夯实现代农业基础”。在积极响应国家政策号召下，湖北省不断加大对农业基础设施投资力度，农业基础设施建设取得显著成效。截至2015年底，湖北省农村公路里程达到24.15万km，比上年增长5.71%；农田有效灌溉面积为235.96万km2，比2014年增长1.45%；农村用电量达到149.10亿kW·h，比2014年增长4.83%。农业基础设施投资作为公共物品投资，其对农业经济发展是否存在溢出效应值得研究。
现阶段，关于基础设施的溢出效应研究尚未得出一致意见。Barro[1]运用内生增长模型从理论上证实了基础设施对经济增长存在正外部溢出效应。但Hulten等[2]从全要素生产率角度分析，发现基础设施并不表现出正外部性。高雪萍等[3]研究发现我国农业基础设施与农业经济增长存在长期稳定关系。刘生龙等[4]研究发现了交通、信息基础设施对我国的经济增长有着显著的溢出效应；但能源基础设施对我国经济增长的溢出效应并不显著。李宗璋等[5]研究表明不同类型的交通基础设施对农业经济增长效应存在差别，其中农村公路基础设施建设对农业技术效率具有显著的正向作用。马淑琴等[6]研究发现农村水利基础设施对农业产出具有显著的正效应。吴清华等[7]发现灌溉设施、等级公路对我国农业经济增长具有显著的正向促进作用，但等外公路的正向促进作用并不显著。鉴于目前农业基础设施外部性的相关研究结论存在较大差别，且多集中于全国范围进行研究，基于某一省域范围内研究不同农业基础设施溢出效应的文献相对较少。因此，本文基于全要素生产率视角，研究湖北省农业基础设施的溢出效应，并探讨灌溉、公路、电力三大农业基础设施对全要素生产率的作用途径，为农业基础设施投资决策提供参考。
1. 农业全要素生产率测算
1.1 指标选取与数据来源
自Fare等将DEA与Malmquist生产率指数理论框架相结合得到扩展的DEA-Malmquist模型，该方法已被广泛用于测算农业全要素生产率[8-12]。本文选取湖北省16个市(州)作为决策单元进行农业全要素生产率测算，其中，由于神农架林区的农业总产值占全省的比例不超过0.1%，为减少误差，不将其纳入测算范围。考虑到数据的可获得性以及统计口径一致性等问题，选取农林牧渔业总产值作为农业产出变量，并将各市(州)不同年份的总产值以1994年的不变价格进行缩减，剔除物价指数的影响。农业生产投入指标包括5个方面：(1)以各市(州)农村劳动力中农林牧渔业从业人员作为人力资本投入；(2)以按照折纯量计算的化肥施用量作为各市(州)每年实际用于农业生产的化肥投入；(3)以农业机械总动力作为机械动力投入，因2013年未详细统计各市(州)农业机械总动力，本文以相邻两年各市(州)农业机械总动力算数平均数补齐；(4)在土地要素投入中，因季节性耕种或复种等原因将农作物总播种面积作为土地投入可能更为恰当，但由于历年《湖北统计年鉴》、《湖北农村统计年鉴》均未统计各市(州)农作物总播种面积，所以本文将以耕地面积作为其替代指标；(5)以各年份有效灌溉面积作为农田灌溉投入。本文农业生产投入产出数据主要来源于1995-2016年《湖北统计年鉴》统计数据。农业投入、产出变量如表 1所示。
表 1 变量的统计描述Table 1. Statistical descriptions on variables变量 最小值 最大值 平均值 标准差 农林牧渔业总产值/亿元 9.65 689.69 143.66 130.53 从业人员/万人 7.81 236.58 69.67 45.18 化肥施用量(折纯量)/万t 36.35 610.60 205.83 121.28 农业机械总动力/万kW 20.15 626.52 146.28 118.69 耕地面积/km 2 1000.55 74000.33 18000.26 13000.33 有效灌溉面积/km 2 23000.66 458000.42 135000.22 96000.93 注：样本数均为352。 1.2 测算结果
表 2列示了湖北省1994-2015年农业全要素生产率的变动情况, 其中，将1994年作为基期，相关指数均指定为1。根据表 2可知，1994-2015年湖北省农业全要素生产率年均增长速度为7.7%，农业技术进步指数年均增长9.2%，农业综合技术效率指数年均增长速度为-1.4%，这意味着近些年来湖北省农业全要素生产率的增长主要源于技术进步的推动作用。结果表明湖北省农业全要素生产率的增长主要来自于生产前沿面的向外扩张，而非决策单元向生产前沿面的逐步靠近。对于湖北省农业生产而言，相关农业技术创新和科研成果转化对农业经济的增长具有显著地推动效应，但在对农业资源的优化配置和经营管理效率等方面的改进并不理想，甚至处于倒退状态。
表 2 1994-2015年湖北省农业全要素生产率环比指数Table 2. Indices of agricultural TFP in Hubei, 1994-2015年份 综合技术效率 技术进步 纯技术效率 规模效率 全要素生产率 1994 1.000 1.000 1.000 1.000 1.000 1995 0.933 1.256 0.933 0.999 1.171 1996 1.063 1.085 1.055 1.007 1.153 1997 0.994 1.070 1.000 0.994 1.064 1998 1.015 1.076 1.011 1.003 1.091 1999 0.988 0.924 0.996 0.992 0.913 2000 0.949 0.948 1.000 0.948 0.899 2001 0.999 0.928 0.953 1.048 0.927 2002 0.980 1.220 1.001 0.979 1.196 2003 1.035 0.953 1.032 1.002 0.986 2004 1.000 1.149 1.005 0.995 1.149 2005 0.970 1.049 0.994 0.976 1.018 2006 0.988 1.042 0.994 0.994 1.030 2007 0.989 1.024 1.000 0.988 1.012 2008 1.005 1.185 0.985 1.020 1.191 2009 1.012 1.224 1.004 1.008 1.239 2010 0.999 1.023 1.006 0.993 1.022 2011 0.998 1.165 0.997 1.001 1.163 2012 0.990 1.152 0.984 1.006 1.141 2013 0.947 1.194 0.972 0.975 1.131 2014 0.896 1.227 0.978 0.917 1.100 2015 0.973 1.151 0.985 0.988 1.120 平均值 0.986 1.092 0.994 0.992 1.077 表 2计算的全要素生产率、综合技术效率和技术进步均属于环比指数，反映的仅是短期的动态波动情况。为了更好地了解湖北省农业全要素生产率相对于1994年而言的长期变动趋势，本文以1994年为基期，文章将环比指数相乘得出各年份全要素生产率、综合技术效率和技术进步的累积指数。计算结果如表 3所示。
表 3 1994-2015年湖北省农业全要素生产率累积指数Table 3. Cumulative indices of agricultural TFP in Hubei, 1994-2015年份 综合技术效率 技术进步 纯技术效率 规模效率 全要素生产率 1994 1.000 1.000 1.000 1.000 1.000 1995 0.933 1.256 0.933 0.999 1.171 1996 0.992 1.363 0.984 1.006 1.350 1997 0.986 1.458 0.984 1.000 1.437 1998 1.001 1.569 0.995 1.003 1.567 1999 0.989 1.450 0.991 0.995 1.431 2000 0.938 1.374 0.991 0.943 1.286 2001 0.937 1.275 0.945 0.988 1.193 2002 0.919 1.556 0.946 0.968 1.426 2003 0.951 1.483 0.976 0.970 1.406 2004 0.951 1.704 0.981 0.965 1.616 2005 0.922 1.787 0.975 0.942 1.645 2006 0.911 1.862 0.969 0.936 1.694 2007 0.901 1.907 0.969 0.925 1.715 2008 0.906 2.260 0.954 0.943 2.042 2009 0.916 2.766 0.958 0.951 2.530 2010 0.916 2.830 0.964 0.944 2.586 2011 0.914 3.297 0.961 0.945 3.007 2012 0.905 3.798 0.946 0.951 3.431 2013 0.857 4.534 0.919 0.927 3.881 2014 0.768 5.564 0.899 0.850 4.269 2015 0.747 6.404 0.886 0.840 4.781 从表 3可知，1994-2015年湖北省技术进步累积指数变动趋势与全要素生产率累积指数走势相同，在1994-2004年，湖北省技术进步累积指数走势与相同期间农业全要素累积指数走势几乎重合，随后技术进步累积指数增长趋势居于全要素生产率累积指数之上，可以推断出在此期间湖北省农业生产技术得到很大进步，产生了显著的增长效应。然而，湖北省综合技术效率累积指数在大多数年份里一直处于恶化状态，到2015年底综合技术效率累积指数仅为0.747，说明现阶段湖北省农业生产效率有待改善。
2. 农业基础设施溢出效应实证分析
2.1 变量与数据
现阶段有关农业基础设施的资本存量主要是由各级政府进行的公共资本投资，但随着农业经济的发展，私人投资在相关基础设施所占的比例逐渐增加，且基础设施在投入使用后还需要进行日常的管理和维护才能持续发挥其功能，但有关基础设施的私人投资及后期维护管理支出的统计数据在现有资料中是缺失的。因此，考虑到数据的可获得性以及对各项基础设施的综合反映状况，本文选取有效灌溉面积(单位：km2)、农村公路里程(单位：km)和农村用电量(单位：亿kW·h)实物量指标来衡量湖北省农田灌溉投资(Irrigation)、农村公路投资(Road)和农村电力投资(Power)，以克服采用资本存量或各年度投资总额的测算误差。根据我国对公路等级的划分标准，本文将以湖北省公路总里程中的二级公路、三级公路、四级公路和等外公路四个级别的公路里程总和作为湖北省农村公路的替代指标。农村公路包括县道、乡道和村道，按照技术标准划分其主要构成包括二级公路、三级公路、四级公路和等外公路；其次二级公路主要是连接县与县间的交通，因此采用此标准作为替代指标是合适的。农业全要素生产率(TFP)采用表 3中列示的以1994年为基期的环比指数相乘得到累积指数作为其衡量指标。有效灌溉面积、农村公路里程和农村用电量实物量指标数据主要来自1995-2016年《湖北统计年鉴》。
在进行时间序列分析时，对数据进行自然对数变换能够消除时间序列中可能存在的异方差现象，但并不改变原始数据之间存在的协整关系，并且能够将其趋势线性化。在此，采用lnTFP、lnIrrigation、lnRoad、lnPower分别表示湖北省农业全要素生产率累积指数、有效灌溉面积、农村公路里程和农村用电量进行自然对数变换之后的数值。
2.2 时间序列的相关检验
2.2.1 平稳性检验
运用时间序列数据进行回归分析时是以平稳序列为基础的，以非平稳序列直接进行分析可能会影响结果的有效性。本文以湖北省1994-2015时间序列数据进行研究，其间隔时间较长，可能表现出非平稳性特征，因此在进行回归分析之前有必要对时间序列lnTFP、lnIrrigation、lnRoad和lnPower的平稳性进行检验。结果如表 4所示。
表 4 时间序列lnTFP、lnIrrigation、lnRoad和lnPower的平稳性检验Table 4. Stationarity tests of time series on lnTFP, lnIrrigation, lnRoad and lnPower时间序列 ADF统计量 P值 结论 lnTFP 0.8441 0.9923 非平稳 lnIrrigation -1.2268 0.6414 非平稳 lnRoad -0.5933 0.8523 非平稳 lnPower 0.0182 0.9503 非平稳 D(lnTFP) -3.4811** 0.0199 平稳 D(lnIrrigation) -5.7759*** 0.0002 平稳 D(lnRoad) -4.9426*** 0.0009 平稳 D(lnPower) -3.4843** 0.0197 平稳 注：***表示在1%的水平上显著，**表示在5%的水平上显著；*表示在10%的水平上显著。表 5~8同。 表 5 Grange检验过程Table 5. Grange inspection process滞后期 原假设 F值 P值 结果 2期 lnIrrigation不是lnTFP的Granger原因 0.286** 0.0437 拒绝 lnTFP不是lnIrrigation的Granger原因 1.495 0.2558 接受 lnRoad不是lnTFP的Granger原因 2.839* 0.0901 拒绝 lnTFP不是lnRoad的Granger原因 1.120 0.3520 接受 lnPower不是lnTFP的Granger原因 3.966** 0.0414 拒绝 lnTFP不是lnPower的Granger原因 0.226 0.8002 接受 3期 lnIrrigation不是lnTFP的Granger原因 0.767*** 0.0044 拒绝 lnTFP不是lnIrrigation的Granger原因 2.258 0.1340 接受 lnRoad不是lnTFP的Granger原因 2.408** 0.0179 拒绝 lnTFP不是lnRoad的Granger原因 0.681 0.5803 接受 lnPower不是lnTFP的Granger原因 3.062* 0.0693 拒绝 lnTFP不是lnPower的Granger原因 0.114 0.9405 接受 4期 lnIrrigation不是lnTFP的Granger原因 0.452* 0.0690 拒绝 lnTFP不是lnIrrigation的Granger原因 0.600 0.6719 接受 lnRoad不是lnTFP的Granger原因 1.858* 0.0822 拒绝 lnTFP不是lnRoad的Granger原因 0.572 0.6898 接受 lnPower不是lnTFP的Granger原因 1.760* 0.0609 拒绝 lnTFP不是lnPower的Granger原因 0.113 0.9466 接受 表 6 lnTFP、lnIrrigation、lnRoad和lnPower之间的协整关系检验Table 6. Co-integration test among lnTFP, lnIrrigation, lnRoad and lnPower原假设 特征根 迹统计量
(P值)λ-max统计量
(P值)不存在协整向量 0.7520 53.7009(0.0128**) 27.8839(0.0458**) 至多存在1个协整向量 0.5670 25.8170(0.1343) 16.7387(0.1847) 至多存在2个协整向量 0.3424 9.0783(0.3582) 8.3827(0.3411) 至多存在3个协整向量 0.0342 0.6956(0.4043) 0.6856(0.4043) 表 7 长期均衡模型估计结果Table 7. Estimation by long-term equilibrium modelVariable Coefficient Std.Error t-Statistic Prob. C -6.7058** 2.8273 -2.3718 0.0306 LNIRRIGATION 0.5271* 0.3699 1.4248 0.0734 LNRODE 0.2808** 0.1297 2.1651 0.0458 LNPOWER 0.5031*** 0.2533 5.9342 0.0000 AR(1) 0.1787** 0.2813 0.6351 0.0343 R-squared 0.9650 Mean dependent var 0.6711 Log likelihood 23.0825 F-statistic 110.3267 Durbin-Watson stat 1.8598 Prob(F-statistic) 0.000000 表 8 短期误差修正模型估计结果Table 8. Estimation by short-term error correction modelVariable Coefficient Std.Error t-Statistic Prob. C 0.0721 0.0432 1.6709 0.1186 D(LNIRRIGATION) 0.2878** 0.4198 0.6851 0.0553 D(LNRODE) 0.2071* 0.1475 1.4045 0.0836 D(LNPOWER) 0.1603* 0.6239 0.2570 0.0812 ECM(-1) -0.0313** 0.2499 -1.2539 0.0319 R-squared 0.7097 Mean dependent var 0.0668 Log likelihood 19.1303 F-statistic 0.8623 Durbin-Watson stat 1.5765 Prob(F-statistic) 0.0511 根据表 4所示的检验结果可以看出，时间序列lnTFP、lnIrrigation、lnRoad和lnPower均存在单位根，没有通过平稳性检验，但在对lnTFP、lnIrrigation、lnRoad和lnPower取其一阶差分后形成的D(lnTFP)、D(lnIrrigation)、D(lnRoad)和D(lnPower)差分序列都通过了平稳性检验，且均在5%的水平上显著，说明时间序列lnTFP、lnIrrigation、lnRoad和lnPower是一阶单整序列，均为Ⅰ(1)序列。
2.2.2 Granger检验
根据表 5所示的检验结果可以看出，在滞后期分别是2、3、4期的情况下，在10%的显著性水平下，原假设“lnIrrigation不是lnTFP的Granger原因”、“lnRoad不是lnTFP的Granger原因”和“lnPower不是lnTFP的Granger原因”都被拒绝，但都接受了“lnTFP不是lnIrrigation的Granger原因”、“lnTFP不是lnRoad的Granger原因”和“lnTFP不是lnPower的Granger原因”的原假设。说明lnTFP与lnIrrigation、lnRoad, 、lnPower之间是单向的因果关系，即湖北省灌溉设施投资、农村公路投资和农村电力投资是其全要素生产率的影响因素。
2.2.3 协整检验
在利用时间序列数据进行回归分析时涉及的另一个非常重要的问题就是伪回归，在对非平稳时间序列进行分析时可能就会出现虚假回归问题。时间序列lnTFP、lnIrrigation、lnRoad和lnPower的平稳性检验结果已表明lnTFP、lnIrrigation、lnRoad和lnPower是非平稳的一阶单整序列，4个变量的单整阶数相同，表明lnTFP与lnIrrigation、lnRoad、lnPower之间的线性组合可能是平稳的，可能存在某种长期的稳定关系，即该4个变量之间可能存在协整关系。根据表 6的Johansen协整检验结果：迹检验和最大特征根都表明在5%的显著性水平下，lnTFP、lnIrrigation、lnRoad和lnPowr 4个变量之间有且仅存在一个协整关系。
2.3 农业基础设施投资溢出效应长期均衡分析
根据对时间序列lnTFP、lnIrrigation、lnRoad和lnPower的平稳性检验、Grange检验和Johansen协整检验的检验结果，灌溉设施投资、农村公路投资、农村电力投资与农业全要素生产率之间可以建立长期均衡模型，并在该模型中引入AR(1)，以消除时间序列中可能存在的潜在自相关问题。农业基础设施与全要素生产率之间的长期均衡模型如下所示：
lnTFPt=a0+a1lnIrrigationt+a2lnRoadt+a3lnPowert+a4AR(1)+μt (1) 模型估计结果如表 7所示。
对长期均衡模型(1)的残差序列进行自相关LM检验，滞后一阶LM(1)统计量的P值为0.959 3，滞后两阶LM(2)统计量的P值为0.880 7，均没有拒绝原假设，说明长期均衡模型(1)不存在自相关问题。
Johansen协整检验结果表明在5%的显著性水平下，lnTFP、lnIrrigation、lnRoad和lnPower之间有且仅有一个协整关系，这意味着长期均衡模型(1)的残差项应该是平稳的。对该长期均衡模型的残差项进行多变量ADF检验，其t统计量的值为-6.312 3，对应的P值为0.000 1，在1%的显著性水平下拒绝了原假设，这表明模型(1)的残差是平稳的。所以，1994-2015年湖北省农业全要素生产率累积指数的对数序列lnTFP与有效灌溉面积的对数序列lnIrrigation、农村公路的对数序列lnRoad、农村用电量的对数序列lnPower是协整的，存在长期稳定的均衡关系，如模型(1)所示。
从模型(1)的估计结果可以看出，灌溉投资、公路投资和电力投资对湖北省农业全要素生产率均存在正向促进作用。这也意味着灌溉、农村电力和农村公路对湖北省农业经济增长具有正向的溢出效应。长期而言，湖北省灌溉投资增加1%，其农业全要素生产率将增加0.5271%；公路投资增加1%，其农业全要素生产率将增加0.280 8%；电力投资每增加1%，其农业全要素生产率将增加0.503 1%。从长期来看，湖北省三大农业基础设施投资中灌溉投资对农业全要素生产率的溢出效应最大，其次为农村电力投资，最后为农村公路投资。
2.4 农业基础设施投资溢出效应短期动态分析
根据格兰杰表述定理，湖北省农业全要素生产率与灌溉投资、公路投资和电力投资是协整的，存在长期稳定的均衡关系，可以建立误差修正模型，研究短期内灌溉投资、公路投资和电力投资对湖北省农业全要素生产率的影响情况。根据长期均衡模型(1)建立如下的误差修正模型：
ΔlnTFPt=a0+a1ΔlnIrrigationt+a2ΔlnRoadt+a3ΔlnPowert+a4ECMt−1+εt (2) 其中，ECMt-1是长期均衡模型(1)的残差项。
误差修正模型的估计结果表明(表 8)，模型总体在10%的水平下显著，自变量的系数也均在10%的水平下显著，且其各自的系数符号分别于长期均衡模型(1)中的系数对应相同。误差修正项的系数为负，表明其符合反向修正机制，且在5%的水平下显著，从其系数估计值(-0.031 3)来看，当湖北省农业全要素生产率偏离长期均衡状态时，短期波动与长期均衡值之间的偏差有3.13%可以被修正。
短期来看，灌溉、公路和电力投资对湖北省农业全要素生产率也都存在正向影响，湖北省灌溉投资每增加1个百分点，其农业全要素生产率将平均提高0.287 8个百分点；农村公路投资每增加1个百分点，其农业全要素生产率将平均提高0.207 1个百分点；电力投资每增加1个百分点，其农业全要素生产率将平均提高0.160 3个百分点。
3. 讨论与结论
运用DEA-Malmquist模型测算出1994-2016年湖北省农业全要素生产率，并在此基础上分析灌溉投资、农村公路和农村电力的溢出效应，得出的主要结论如下：
(1) 1994-2015年，湖北省农业全要素生产率平均每年以7.7%的速度在增长，农业技术进步指数年均增长9.2%，农业综合技术效率年均增长速度却为-1.4%。湖北省农业全要素生产率主要处于增长状态，且增长的主要原因是农业技术的创新推动。
(2) 从长期来看，湖北省灌溉投资、公路投资和电力投资对农业全要素生产率均存在显著正向溢出效应，灌溉投资、公路投资和电力投每增加1%，其农业全要素生产率将分别增长0.527 1%、0.280 8%和0.503 1%。
(3) 短期而言，湖北省灌溉投资、公路投资和电力投资对农业全要素生产率也都存在正向溢出效应，当灌溉投资、公路投资和电力投每增加1%，农业全要素生产率将分别增长0.287 8%、0.207 1%和0.160 3%。
综上，提出以下对策建议：
(1) 政府应强化投资和主导责任，构建多元化投融资模式。要明确灌溉、农村公路和农村电力等农业基础设施的公共产品地位，充分发挥政府的主导地位，明确其事权和投入责任，加大对灌溉、电力和农村公路的财政支持力度。同时，政府应引领和鼓励社会资本的参与，建立政府和社会主体的合作机制，创新农业基础设施建设和运营模式，加强金融支持力度，健全灌溉、公路和电力等农业基础设施投入长效机制。
(2) 充分发挥农民作为直接受益主体的作用，鼓励农民积极参与农业基础设施建设与管理工作。农民是农业基础设施的直接受益者，对农田灌溉、农村公路和农村电力等基础设施的需求迫切，政府应尊重农民主体地位，引导农民及农村集体组织积极参与相关基础设施建设，对于保障农业基础设施建设资金具有重要意义。
(3) 完善建设与管护机制，促进农业基础设施长效运行。作为长期工程，农业基础设施的日常管理和维护对于保障其长效运行具有重要作用。对于灌溉、农村公路和农村电力，各级政府应积极做好农村河塘清淤整理和“五小水利”等小型农田水利设施的修缮、农村公路的改扩建和养护机制、农村电网的升级改造等管理工作，以此保障农业基础设施工程的长期效益。
-
![]()
图 1 不同处理香蕉发病情况
注：A，香蕉幼苗根未施有机肥料；B，香蕉幼苗根施有机肥料；C，香蕉幼苗（未施用有机肥料）球茎；D，香蕉幼苗（施用有机肥料）球茎。
Figure 1. Disease symptoms on banana plants
Note: A: plants applied with no Biofert; B: plants applied with Biofert; C: protocorm of plants applied with no Biofert; D: protocorm of plants applied with Biofert.
![]()
图 2 香蕉植株种植土壤中枯萎病致病菌株分离与检测
注：A，菌株形态特征；B，TR4菌株特异性条带扩增。
Figure 2. Isolation and detection of pathogens of Fusarium wilt from banana plants
Note: A: Morphological characteristics of strain; B: Specific bands of TR4.
![]()
图 3 不同处理土壤在3%差异水平的稀释曲线
注：（1）曲线趋于平缓，表明样品测定充分。（2）CK：未施加有机肥料土壤；BIO，施加有机肥料土壤。（3）A：细菌；B：真菌。
Figure 3. Rarefaction curves at 3% dissimilarity level of treatment soils
Note:（1）Curves tend to flatten, and samples are fully sequenced.（2） CK: plants applied with no Biofert; BIO: plants applied with Biofert.（３）A: bacteria; B: fungi.
![]()
图 4 不同处理根际土壤基于Bray-Curtis算法进行的主坐标分析（PCoA）
注：CK，未施加有机肥料的植株根际土壤；BIO，施加有机肥料的植株根际土壤；A，细菌；B，真菌。
Figure 4. Principal co-ordinates analysis based on distance matrix calculated using Bray-Curtis algorithm for treatment soils
Note: CK: plants applied with no Biofert; BIO: plants applied with Biofert. A: bacteria; B, fungi.
![]()
图 5 不同处理样品间细菌与真菌丰度最高的10个门类
注：（1）CK：未施加有机肥料的植株根际土壤。（2）BIO：施加有机肥料的植株根际土壤。（3）A：细菌；B：真菌。（4）处理后面的不同数字（1，2，3）代表3个重复。
Figure 5. Relative abundance of top 10 bacteria and fungi phyla in treatment soils
Note: （1）CK: plants applied with no Biofert.（2）BIO: plants applied with Biofert.（3） A: bacteria; B: fungi. （4）Numeric numbers after letters on treatments (1, 2, 3) represent 3 replicates.
![]()
图 6 不同处理间根际土壤中的LEfSe分析
Figure 6. Microbial variations based on LEfSe analysis in treatment soils
![]()
图 7 不同处理对根际土壤微生物群落功能影响
Figure 7. Metagenomes predicted by PICRUSt showing significant differences on functionality in treatment soils
表 1 各处理根际土壤部分理化性质以及植株发病率
Table 1 Physiochemical properties of rhizosphere soil and disease incidence on plants
处理
Treatment对照
CK有机肥
BIOpH 5.05±0.04 5.81±0.01* 含水量 Water content/% 24.51±0.37 23.61±2.18 全氮 Total nitrogen/% 0.16±0.01 0.20±0.01* 全磷 Total phosphorus/（%） 0.84±0.01 0.10±0.01* 全铁 Total iron/（mg·kg−1） 78363±1344.51 76304±803.05* 发病率 Disease incidence rate/（%） 80% 20%* 注：同一行中“*”表示差异显著（P＜0.05）。
Note: “*” in same line indicates significant difference (P＜0.05).
下载: 导出CSV
表 2 不同处理间根际土壤在97%相似水平下的ACE、Chao 1和香农指数
Table 2 ACE, Chao 1, and Shannon indices of rhizosphere soil in treatment soils at 97% similarity
处理
Treatment群落特征 Community characteristics 细菌群落
Bacterial community真菌群落
Fungal communityACE Chao1 Shannon ACE Chao1 Shannon 对照 CK 14903.14±58.67 1508.36±61.57 5.28±0.28 248.69±20.88 258.18±15.02 2.13±0.04 有机肥 BIO 1392.29±14.31 1414.43±9.99 5.02±0.57 344.28±23.56* 360.97±27.02* 3.98±0.16* 注：同一列中“*”代表2个数据之间的差异水平显著（P＜0.05）。
Note: “*” on same column indicates statistically significant differences based on Duncan’s test (P ＜ 0.05).
下载: 导出CSV
表 3 不同处理间根际土壤中微生物相关性网络分析
Table 3 Sparcc’s correlation network analyses on microbial communities in treatment soils
处理
Treatment细菌群落 Bacterial community 真菌群落 Fungi community 有机肥 BIO 对照 CK 有机肥 BIO 对照 CK 菌属负相关数 Number of negative correlation 37 23 35 23 菌属正相关数 Number of positive correlation 42 34 23 33 菌属1 Genus1 — — 镰刀菌属 Fusarium 镰刀菌属 Fusarium 菌属2 Genus2 — — 木霉属 Trichoderma 葡萄穗霉属 Stachybotrys 相关系数 Correlation — — 0.93017 1 相关性 Orientation — — 负 Negative 正 Positive
下载: 导出CSV
表 4 根际土壤中丰度前20的细菌属和真菌属与植株发病率之间的相关性分析
Table 4 Sparcc’s correlation coefficients between top 20 bacteria and fungi genera and disease index
细菌 Bacteria 真菌 Fungi 属 Genera 相关系数 Disease index 属 Genera 相关系数 Disease index 芽孢杆菌属 Bacillus −0.138 曲霉菌属 Aspergillus −0.908 苔藓杆菌属 Bryobacter 0.321 离蠕孢属 Bipolaris −0.01 伯克氏菌属 Burkholderi −0.047 Condenascus −0.533 待鉴定酸杆菌 Candidatus_Solibacter −0.279 杯梗孢属 Cyphellophora 0.752 侏囊菌属 Haliangium −0.539 Dimorphiseta 0.411 罗丹杆菌 Rhodanobacter −0.11 镰刀菌属 Fusarium 0.939* 醇单胞菌属 Sphingomonas 0.207 Gibellulopsis −0.178 链霉菌属 Streptomyces 0.14 腐质霉属 Humicola −0.429 Subgroup_6 0.089 小羊蹄菌属 Microdochium 0.443 放线菌属 Acidobacteriaceae_Subgroup_1 −0.249 被孢霉属 Mortierella −0.466 束鞘藻 Coleofasciculaceae 0.354 黑孢霉属 Nigrospora −0.028 芽单胞菌 Gemmatimonadaceae −0.417 青霉菌属 Penicillium −0.918* SC-I-84 0.136 小不整球壳属 Plectosphaerella −0.215 黄色杆菌 Xanthobacteraceae −1* 拟棘壳孢属 Pyrenochaetopsis 0.831 酸杆菌 Acidobacteriales −0.5 沙蜥属 Saitozyma −0.64 Chloroplast 0.704 壳多胞菌属 Stagonospora −0.293 Elsterales −0.415 圆孢霉属 Staphylotrichum −0.591 盖勒氏菌 Gaiellales −0.041 篮状菌属 Talaromyces −0.635 变形菌 Gammaproteobacteria_Incertae_Sedis −0.651 木霉属 Trichoderma −0.037 Subgroup_2 −0.291 Xenomyrothecium −0.204 注：“*”代表在数据之间差异达到显著水平（P＜0.05）。
Note: “*” indicating statistically significant differences at the 0.05 probability level.
下载: 导出CSV
-
[1] LIN Y H, LIN Y J, CHANG T D, et al. Development of a TaqMan Probe-Based Insulated Isothermal Polymerase Chain Reaction (iiPCR) Assay for Detection of Fusarium oxysporum f. sp. cubense Race 4 [J]. PLoS One, 2016, 11(7): 1−13.
[2] LI X J, LI K, ZHOU D B, et al. Biological control of banana wilt disease caused by Fusarium oxyspoum f. sp. Cubense using Streptomyces sp. H4 [J]. Biological Control, 2021, 155(10): 1−9.
[3] LIN Y J, LIN H K, LIN Y H. Construction of Raman spectroscopic fingerprints for the detection of Fusarium wilt of banana in Taiwan [J]. PLoS One, 2020, 15(3): 1−14.
[4] WARMAN N M, AITKEN E A B. The Movement of Fusarium oxysporum f. sp. cubense (Sub-Tropical Race 4) in Susceptible Cultivars of Banana [J]. Frontiers in Plant Science, 2018, 9: 1748−1757. DOI: 10.3389/fpls.2018.01748
[5] 李进, 张立丹, 刘芳, 等. 碱性肥料对香蕉枯萎病发生及土壤微生物群落的影响 [J]. 植物营养与肥料学报, 2016, 22(2):429−436. DOI: 10.11674/zwyf.14460 LI J, ZHANG L D, LIU F, et al. Effects of alkaline fertilizer on occurrence of banana wilt disease and soil microbial community [J]. Journal of Plant Nutrition and Fertilizer, 2016, 22(2): 429−436.(in Chinese) DOI: 10.11674/zwyf.14460
[6] 王荣, 刘吉青, 周海霞, 等. 生物有机肥与保水剂对设施连作黄瓜生长和土壤肥力的影响 [J]. 河南农业科学, 2018, 47(8):45−53. WANG R, LIU J Q, ZHOU H X, et al. Effects of bio-organic fertilizer and water-retaining agent on cucumber growth and soil fertility under continuous cropping in greenhouse [J]. Journal of Henan Agricultural Sciences, 2018, 47(8): 45−53.(in Chinese)
[7] ZHU Z Y, TIAN Z H, LI J X. A Streptomyces morookaensis strain promotes plant growth and suppresses Fusarium wilt of banana [J]. Tropical Plant Pathology, 2021, 46(2): 175−185. DOI: 10.1007/s40858-020-00396-z
[8] CHENG C Z, LI D, QI Q, et al. The root endophytic fungus Serendipita indica improves resistance of Banana to Fusarium oxysporum f. sp. cubense tropical race 4 [J]. European Journal of Plant Pathology, 2020, 156(1): 87−100. DOI: 10.1007/s10658-019-01863-3
[9] LUO G W, LI L, FRIMAN V P, et al. Organic amendments increase crop yields by improving microbe-mediated soil functioning of agroecosystems: A meta-analysis [J]. Soil Biology and Biochemistry, 2018, 124: 105−115. DOI: 10.1016/j.soilbio.2018.06.002
[10] CHENG H Y, ZHANG D Q, HUANG B, et al. Organic fertilizer improves soil fertility and restores the bacterial community after 1, 3-dichloropropene fumigation [J]. The Science of the Total Environment, 2020, 738(6): 1−42.
[11] 陶成圆. 含解淀粉芽孢杆菌NJN-6的生物有机肥防控香蕉枯萎病研究[D]. 南京: 南京农业大学, 2016. TAO C Y. Effect of the combination of bio-organic fertilizer with Bacillus amyloliquefaciens NJN-6 on the control of banana Fusarium wilt disease[D]. Nanjing: Nanjing Agricultural University, 2016. (in Chinese)
[12] TAO C Y, LI R, XIONG W, et al. Bio-organic fertilizers stimulate indigenous soil Pseudomonas populations to enhance plant disease suppression [J]. Microbiome, 2020, 8(1): 137. DOI: 10.1186/s40168-020-00892-z
[13] 剧虹伶. 辣椒-香蕉轮作联合生物有机肥减轻高发枯萎病蕉园连作障碍机制研究[D]. 海口: 海南大学, 2017. JU H L. Research on the mechanisms of mitigate continuous obstacle of banana orchard with serious wilt disease by combined pepper-banana rotation together with application of bio-organic fertilizer[D]. Haikou: Hainan University, 2017. (in Chinese)
[14] 吉福桑, 杨振, 徐亚, 等. 盐胁迫下巴西蕉叶片的转录组和蛋白质组关联分析 [J]. 分子植物育种, 2020, 18(23):7671−7678. JI F S, YANG Z, XU Y, et al. Association analysis on transcriptomics and proteomics of Musa paradisiaca banana leaf under salt stress [J]. Molecular Plant Breeding, 2020, 18(23): 7671−7678.(in Chinese)
[15] GUO L J, YANG L Y, LIANG C C, et al. Differential Colonization Patterns of Bananas (Musa spp.) by Physiological Race 1 and Race 4 Isolates of Fusarium oxysporum f. sp. cubense [J]. Journal of Phytopathology, 2015, 163(10): 807−817. DOI: 10.1111/jph.12378
[16] FAN H Y, LEI Z X, DONG H H, et al. Immune responses in Brazilian banana determining the pathogenic differences between the physiological races 1 and 4 of Fusarium oxysporum f. sp. cubense [J]. Journal of Plant Pathology, 2019, 101(2): 225−234. DOI: 10.1007/s42161-018-0165-0
[17] 刘光崧. 土壤理化分析与剖面描述[M]. 北京: 中国标准出版社, 1996: 50−81. [18] MOSTERT D, MOLINA A B, DANIELLS J, et al. The distribution and host range of the banana Fusarium wilt fungus, Fusarium oxysporum f. sp. cubense, in Asia [J]. PLoS One, 2017, 12(7): 1−10.
[19] DITA M A, WAALWIJK C, BUDDENHAGEN I W, et al. A molecular diagnostic for tropical race 4 of the banana Fusarium wilt pathogen [J]. Plant Pathology, 2010, 59(2): 348−357. DOI: 10.1111/j.1365-3059.2009.02221.x
[20] MAGOČ T, SALZBERG S L. FLASH: fast length adjustment of short reads to improve genome assemblies [J]. Bioinformatics, 2011, 27(21): 2957−2963. DOI: 10.1093/bioinformatics/btr507
[21] BOLGER A M, LOHSE M, USADEL B. Trimmomatic: a flexible trimmer for Illumina sequence data [J]. Bioinformatics (Oxford, England), 2014, 30(15): 2114−2120. DOI: 10.1093/bioinformatics/btu170
[22] EDGAR R C. UPARSE: highly accurate OTU sequences from microbial amplicon reads [J]. Nature Methods, 2013, 10(10): 996−998. DOI: 10.1038/nmeth.2604
[23] CHEN D, LIU X, LI C Y, et al. Isolation of Bacillus amyloliquefaciens S20 and its application in control of eggplant bacterial wilt [J]. Journal of Environmental Management, 2014, 137(1): 120−127.
[24] ZUO C W, LI C Y, LI B, et al. The toxic mechanism and bioactive components of Chinese leek root exudates acting against Fusarium oxysporum f. sp. cubense tropical race 4 [J]. European Journal of Plant Pathology, 2015, 143(3): 447−460. DOI: 10.1007/s10658-015-0697-5
[25] CHOWDHURY S P, HARTMANN A, GAO X W, et al. Biocontrol mechanism by root-associated Bacillus amyloliquefaciens FZB42 - a review [J]. Frontiers in Microbiology, 2015, 6(7): 780−790.
[26] 曹云. SQR 9微生物有机肥防治黄瓜土传枯萎病的效应与机制研究[D]. 南京: 南京农业大学, 2011. CAO Y. Control of Fusarium wilt disease of cucumber by application of bio-organic fertilizer and its working mechanism[D]. Nanjing: Nanjing Agricultural University, 2011. (in Chinese)
[27] KAI T, TAMAKI M. Effect of organic and chemical fertilizer application on growth, yield, and soil biochemical properties of Landrace Brassica napus L. leaf-and-stem vegetable and Landrace (norabona) [J]. Journal of Agricultural Chemistry and Environment, 2020, 9(4): 314−330. DOI: 10.4236/jacen.2020.94023
[28] 袁听, 覃金兰, 何珊, 等. 印度梨形孢对植物生长调节剂在水稻上过量使用的缓解作用 [J]. 福建农业学报, 2020, 35(4):398−405. YUAN T, QIN J L, HE S, et al. Mitigating ill-effect of plant growth regulator overuse on rice plants by Piriformospora indica [J]. Fujian Journal of Agricultural Sciences, 2020, 35(4): 398−405.(in Chinese)
[29] GU S H, WEI Z, SHAO Z Y, et al. Competition for iron drives phytopathogen control by natural rhizosphere microbiomes [J]. Nature Microbiology, 2020, 5(8): 1002−1010. DOI: 10.1038/s41564-020-0719-8
[30] LI C Y, ZUO C W, DENG G M, et al. Contamination of bananas with beauvericin and fusaric acid produced by Fusarium oxysporum f. sp. cubense [J]. PLos One, 2013, 8(7): 1−11.
[31] 彭双, 王一明, 叶旭红, 等. 土壤环境因素对致病性尖孢镰刀菌生长的影响 [J]. 土壤, 2014, 46(5):845−850. PENG S, WANG Y M, YE X H, et al. Effects of Soil Habitat Factors on Growth of Fusarium oxysporum f. sp. niveum and Fusarium oxysporum f. sp. cucumerinum [J]. Soils, 2014, 46(5): 845−850.(in Chinese)
[32] 马国斌, 林德佩, 王叶筠, 等. 培养条件对西瓜枯萎病菌镰刀菌酸产生的影响 [J]. 植物病理学报, 1996, 26(2):92−96. MA G B, LIN D P, WANG Y J, et al. Effect of cultural conditions on production of fusaric acid of watermelon Fusarium wilt fungus [J]. Acta Phytopathologica Sinica, 1996, 26(2): 92−96.(in Chinese)
[33] 薛超. 香蕉根际土壤微生物区系特征与土传枯萎病防控研究[D]. 南京: 南京农业大学, 2015. XUE C. Manipulation of microbial community in banana rhizospherer to suppress Fusarium wilt of banana[D]. Nanjing: Nanjing Agricultural University, 2015. (in Chinese)
[34] 柳凯, 季倩茹, 陈静, 等. 施用Streptomyces alfalfae XY25T对根肿病土壤性质及微生物群落的影响 [J]. 微生物学通报, 2020, 47(1):97−108. LIU K, JI Q R, CHEN J, et al. Effect of Streptomyces alfalfae XY25T on soil properties and microflora in clubroot-diseased soil [J]. Microbiology China, 2020, 47(1): 97−108.(in Chinese)
[35] CHEN Z T, AO J Q, YANG W C, et al. Purification and characterization of a novel antifungal protein secreted by Penicillium chrysogenum from an Arctic sediment [J]. Applied Microbiology and Biotechnology, 2013, 97(24): 10381−10390. DOI: 10.1007/s00253-013-4800-6
[36] NGUVO K J, GAO X Q. Weapons hidden underneath: Bio-control agents and their potentials to activate plant induced systemic resistance in controlling crop Fusarium diseases [J]. Journal of Plant Diseases and Protection, 2019, 126(3): 177−190. DOI: 10.1007/s41348-019-00222-y
-
期刊类型引用(6)
1. 李禹，段斌，杨代云，周艳宾，朱宏强，刘凯义，褚建忠，王戈，王娜，白羽祥，杜宇，代惠娟，周鹏. 有机肥配施微生物菌剂对土壤理化特性及烤烟产质量的影响. 江苏农业科学. 2025(02): 81-87 . 
百度学术
2. 罗优，韩天华，蒋朝臣，和翌辉，张文先，和强，杨文奎，关芃，李佛琳，贺彪. 秸秆还田对土壤养分和烟草生长发育的影响. 安徽农业科学. 2024(07): 68-71 . 百度学术
3. 吴迪，李家逵，白继元，李江舟，李家瑞，徐高峰，申时才，陈华，何玉华，代快. 蚕豆秸秆还田减施氮肥对烟田氮流失控制及氮素利用效率的影响. 西南农业学报. 2023(11): 2367-2373 . 百度学术
4. 陈卫，王东旭，徐军，董鸣豪，武云杰，姚鹏伟，沈铮. 烤烟增碳控氮技术研究进展. 安徽农业科学. 2022(11): 1-4 . 百度学术
5. 徐国忠，郑向丽，王俊宏，邓素芳，杨有泉，应朝阳. 生长素IAA诱导红萍结孢的研究. 福建农业学报. 2021(06): 713-718 . 本站查看
6. 王凯，孙星星，秦光蔚，李红阳，高波，蔡彦虹. 我国土壤改良修复工程技术研究进展. 江苏农业科学. 2021(20): 40-48 . 百度学术
其他类型引用(7)
计量
- 文章访问数: 804
- HTML全文浏览量: 532
- PDF下载量: 57
- 被引次数: 13
