基于通量测量的稻田甲烷排放特征及影响因素研究
Characteristics and Drivers of Methane Fluxes from a Rice Paddy Based on the Flux Measurement
通讯作者: 袁文平(1979-),男,内蒙古阿拉善人,教授,主要从事陆地生态系统碳循环模型研究. E-mail:yuanwp3@mail.sysu.edu.cn
收稿日期: 2019-09-09 修回日期: 2019-10-29 网络出版日期: 2019-12-30
基金资助: |
|
Corresponding authors: Yuan Wenping(1979-), Alxa League, Inner Mongolia Autonomous Region, Professor. Research areas include terrestrial ecosystem carbon cycle model. E-mail:yuanwp3@mail.sysu.edu.cn
Received: 2019-09-09 Revised: 2019-10-29 Online: 2019-12-30
作者简介 About authors
宋朝清(1995-),男,湖北宜昌人,硕士研究生,主要从事稻田甲烷排放研究.E-mail:songchaoqing@lzb.ac.cn
稻田是大气甲烷(CH4)的重要来源之一,会直接加剧全球气候变暖。基于涡度相关方法,通过对湖南省益阳市水稻田的CH4通量进行连续测量,探讨来自水稻田的CH4通量特征、动态及其影响因素。结果表明:
关键词:
Rice paddies are an important anthropogenic source of methane (CH4) to the atmosphere, which aggravate the global warming greatly. CH4 fluxes from a rice paddy in Central China were continuously measured with the eddy covariance method in 2018. The characteristics, dynamics and drivers of the observed CH4 fluxes from this paddy field were subsequently analyzed. The results indicated that
Keywords:
本文引用格式
宋朝清, 刘伟, 陆海波, 袁文平.
Song Chaoqing, Liu Wei, Lu Haibo, Yuan Wenping.
1 引 言
甲烷(CH4)是最重要的温室气体之一,自工业革命以来,大气中的CH4浓度已从700×10-9上升到现今超过1 865×10-9(www.esrl.noaa.gov/gmd/ccgg/trends_ch4/)。尽管大气中的CH4浓度仍然非常低,但在100年的时间尺度上,其全球增温潜势已经增加到CO2的28倍,贡献了约20%的由温室气体引发的增温效应,对全球气候变化和大气成分组成有着显著的影响[1]。
涡度相关法已成为目前使用最广泛的测量陆地生态系统CH4和CO2通量的方法之一。传统的静态箱等测量方法由于观测频率低,测量在时间和空间上不连续,测量空间范围有限,对采样区域的湍流混合有一定的干扰,所以不能够很好地捕捉到不同时空尺度下的CH4通量动态[7,8,14]。相反,涡度相关方法具有高的观测频率,能够在较大的空间尺度上对所有的生态系统过程进行长期连续测量,并且不会干扰地表和大气之间的气体交换过程,因此能更好地揭示CH4通量的时空变化特征[7,8,14]。在国外,已经有很多研究利用涡度相关方法对水稻田的CH4通量进行了测量[6,7,8,9]。国内虽然起步较晚,但近年来也有一些基于涡度相关方法对中国水稻田CH4排放进行研究的案例[11,12,13]。
湖南省益阳市地处长江中下游平原地带,是中国重要的水稻种植区域。该地区主要种植双季稻,且种植面积大,具有很大的CH4排放潜力。但目前尚未有利用涡度相关方法对该地区水稻田CH4通量进行研究的报道。本研究基于开路式涡度相关系统,对该地区晚稻的CH4通量进行了测量,旨在揭示该地区水稻田CH4通量的特征、动态及其影响因素。
2 数据和方法
2.1 研究区概况
研究区位于湖南省益阳市资阳区的一个水稻种植区域(28°40′21′′N, 112°26′55′′E)(图1),距离益阳市区大约13 km。地处长江中下游平原地带,海拔27 m。该地区具有典型的亚热带季风性湿润气候特征,春夏多雨,秋季少雨,冬季较为寒冷。年均气温为16.5 ℃,年均降雨量为1 465 mm。研究区覆盖面积约为81 hm2,为典型的双季稻种植区,其中早稻4月12日播种,7月6日收割;晚稻7月10日播种,10月26日收割。早稻的种植方式为抛秧,晚稻的种植方式为散播。
图1
图1
研究区概况
(a)研究区地理位置;(b)研究区风速和风向(0为正北方向)
Fig.1
Overview of the study area
(a)Location of the study area; (b)Distribution of winds speeds and directions over the whole observed period (0 is the north direction)
2.2 通量测量
2018年7~11月,基于开路式涡度相关系统,对本研究区晚稻田的CH4通量进行了连续测量。通量塔位于研究区正中偏北,高3.5 m,传感器安装在距离地面约2.5 m处。整个涡度系统主要包括:
环境因子的测量主要包括空气温湿度(HMP155, Vaisala Group, Helsinki, Finland)、降水量(TE525MM, Campbell Scientific, Inc., USA)、光合有效辐射(LI-190, LI-COR Inc., Lincoln, NE, USA)和净辐射(CNR4, Kipp & Zonen, Delft, Netherlands)等。
2.3 数据处理
借助于EddyPro软件(Version 6.0, LI-COR Bioscience Inc., USA),计算得出半小时尺度的CO2和CH4通量数据,并进行了质量控制和校正。质量等级以0(最优质量)、1(适用于一般分析)和2(应该从数据集中剔除)来标记。EddyPro也提供了相对信号强度RSSI值(The Relative Signal Strength Indicator),用以表征通量观测时的信号强度。主要的校正包括光谱校正、密度波动补偿、时滞补偿和块平均等。本研究采用Ge等[12]的方法,对半小时尺度的CO2和CH4通量数据进行进一步的质量筛选。主要包括:
在夜间,由于没有植物的光合作用,生态系统呼吸RE (Respiration)等于CO2通量。基于夜间的空气温度和CO2观测通量,采用Reichstein等[15]的方法模拟夜间的生态系统呼吸:
公式(1)同样适用于白天的生态系统呼吸计算,因此,总生态系统生产(Gross Ecosystem Production,GEP)为:
式中:
在7月10~25日仪器发生故障,一些观测数据(包括CO2和CH4通量等)出现缺失。由于该时段持续较长,因此舍弃该时段的观测值。最终可得到的观测时段为7月26日至11月17日。根据水稻的生理形态,本研究将其划分为4个阶段:
3 结 果
3.1 环境条件、CO2和CH4通量的日变化
图2
图2
环境条件和碳通量的日变化
(a)空气温度;(b)光量子通量密度;(c)饱和水汽亏缺;(d)CO2通量;(e)总生态系统生产;黑色误差线代表相应变量的标准差
Fig.2
Diurnal variations of environmental conditions and carbon fluxes
(a) Air temperature (Tair); (b) Photosynthetic Photon Flux Density (PPFD); (c) Vapor Pressure Deficit (VPD); (d) CO2 fluxes; (e) Gross Ecosystem Production (GEP). The black error bars represent the standard deviations of corresponding variables
在整个水稻生长季节,CO2通量(净生态系统CO2交换,Net Ecosystem Exchange,NEE)也呈现出显著的单峰型日变化趋势,并在12:00-14:00出现最低值(图2d)。夜晚的CO2通量变化较小,基本保持在0~10 μmol/(m2·s)的范围内(图2d)。在水稻营养生长、生殖生长和成熟阶段,CO2通量的最低值分别为-24.24,-25.13和-14.63 μmol/(m2·s)(图2d),表明生殖生长阶段水稻的光合作用可能更加显著。休耕阶段CO2通量没有显著的日变化,其平均日变化范围为-2.37~6.74 μmol/(m2·s),仅在9:00-15:00,CO2通量值略小于其他时刻(图2d)。同样地,整个水稻生长季节的GEP也表现出明显的单峰型日变化趋势,并在12:00-14:00达到最高值(图2e)。由于夜晚植物没有光合作用,所以夜晚的GEP为0(图2e)。在休耕阶段,尽管GEP具有与前面3个阶段相似的日变化,但其变化范围小,仅为0~6.47 μmol/(m2·s),而水稻营养生长、生殖生长和成熟阶段GEP的日变化范围分别为:0~32.65,0~36.01和0~22.97 μmol/(m2·s) (图2e)。
图3
图3
不同阶段CH4通量的日变化
黑色误差线代表CH4通量的标准差
Fig.3
Diurnal variation of CH4 fluxes during different periods
The black error bars represent the standard deviations of CH4 fluxes
3.2 环境条件、CO2通量和CH4通量的季节性变化
图4
图4
环境条件和碳通量的季节性变化
(a)空气温度和降水;(b)光量子通量密度;(c)饱和水汽亏缺;(d)CO2通量;(e)总生态系统生产
Fig.4
Seasonal variations of environmental conditions and carbon fluxes
(a) Air temperature (Tair) and rainfall; (b) Photosynthetic Photon Flux Density (PPFD); (c) Vapor Pressure Deficit (VPD); (d) CO2 fluxes; (e) Gross Ecosystem Production (GEP)
表1 不同阶段空气温度、PPFD、VPD、CO2通量、GEP和CH4通量的统计情况
Table 1
时间段 | 空气温度/℃ | PPFD/[μmol/(m2·s)] | VPD/kPa | CO2通量/[μmol/(m2·s)] | GEP/[μmol/(m2·s)] | CH4通量/[μmol/(m2·s)] | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
最大值 | 最小值 | 平均值 | 最大值 | 最小值 | 平均值 | 最大值 | 最小值 | 平均值 | 最大值 | 最小值 | 平均值 | 最大值 | 最小值 | 平均值 | 最大值 | 最小值 | 平均值 | |
营养生长阶段 | 32.71 | 27.09 | 30.95 | 565.10 | 199.21 | 431.64 | 1.73 | 0.72 | 1.18 | -0.89 | -8.12 | -3.99 | 31.44 | 11.67 | 21.64 | 0.69 | 0.41 | 0.53 |
生殖生长阶段 | 31.71 | 22.19 | 27.28 | 522.54 | 53.99 | 318.42 | 1.22 | 0.35 | 0.84 | 3.55 | -10.60 | -2.70 | 36.97 | 11.32 | 23.04 | 0.50 | 0.15 | 0.29 |
成熟阶段 | 24.08 | 16.32 | 19.51 | 400.30 | 27.84 | 203.60 | 1.07 | 0.19 | 0.62 | 3.26 | -2.96 | -0.39 | 19.79 | 5.06 | 14.45 | |||
休耕阶段 | 18.75 | 9.84 | 15.62 | 312.00 | 25.10 | 151.94 | 1.15 | 0.18 | 0.52 | 5.20 | 1.42 | 3.03 | 5.66 | 0.00 | 1.51 | 0.03 | 0.01 | 0.02 |
CO2通量主要受水稻光合作用和呼吸作用的控制,具有明显的季节性特征。除休耕阶段外,水稻营养生长、生殖生长和成熟阶段的CO2通量基本为负值(图4d)。其中,营养生长、生殖生长和成熟阶段的CO2通量平均值分别为-3.99,-2.7和-0.39 μmol/(m2·s),而休耕阶段为3.03 μmol/(m2·s)(表1)。最小的CO2通量观测值出现在生殖生长阶段,为-10.6 μmol/(m2·s)(表1)。GEP具有与CO2通量相反的季节性变化趋势。在水稻营养生长阶段,GEP呈现上升趋势,在生殖生长阶段初期达到峰值,随后逐渐下降(图4e)。前3个阶段的GEP平均值分别为21.64,23.04和14.45 μmol/(m2·s),在休耕阶段的GEP平均值仅为1.51 μmol/(m2·s) (表1)。
图5
3.3 CH4通量季节性变化的控制因素
图6
图6
CH4通量与(a)空气温度、(b)光量子通量密度、(c)饱和水汽亏缺和(d)总生态系统生产之间的关系
Fig.6
The relationships between daily CH4 fluxes and (a) air temperature (Tair), (b) Photosynthetic Photon Flux Density (PPFD), (c) Vapor Pressure Deficit (VPD), and (d) Gross Ecosystem Production (GEP) during the whole observed period
从图6a和6c可以看出,空气温度、VPD与CH4通量具有显著的正相关(p<0.0001,R2分别为0.85和0.67),表明这两个因子,尤其是空气温度,可能是CH4通量季节性变化的控制因素。PPFD与CH4通量之间也存在一个正相关关系(p<0.0001,R2=0.58),但当PPFD为50~450 μmol/(m2·s)时,观测到的CH4通量具有很大的波动性(图6b)。例如,当PPFD为181.5 μmol/(m2·s)时,CH4通量的观测值仅为0.006 μmol/(m2·s);而当PPFD为199.2 μmol/(m2·s)时,CH4通量却高达0.4 μmol/(m2·s) (图6b)。此外,在GEP和CH4通量之间存在着一个微弱的正相关(p<0.0001,R2=0.34) (图6d)。
4 讨 论
在本研究中,水稻营养生长和生殖生长阶段的CH4通量具有明显的单峰型日变化特征,并在14:00-16:00达到峰值。这种特征也被记录在许多其他关于水稻田的CH4通量研究中[6,11,12]。例如,Alberto等[6]基于涡度相关测量发现,在整个水稻生长季节,CH4通量从8:00开始上升,在13:00-15:00出现峰值,然后逐渐下降,在19:00之后达到排放低值。Dai等[11]基于涡度相关测量也发现,整个水稻生长季节的CH4通量具有显著的日变化趋势,并在13:00-16:00达到峰值。此外,在休耕阶段,CH4通量很小,没有明显的日变化。这种特征也被记录在Alberto等[6]和Dai等[11]的研究中。水稻田CH4通量的日变化特征较为复杂,受到品种、田间管理和环境条件等多种因素的影响[11]。例如,Ge等[12]研究发现,水稻田CH4通量的日变化与土壤温度和GEP的日变化具有很好的一致性。Alberto等[6]研究发现,水稻田CH4通量的日变化受到空气和土壤温度、表面能量通量和生态系统CO2交换等多种因素的影响。Dai等[11]研究也发现,在日时间尺度上,在考虑了潜热通量、空气和土壤温度对CH4通量的影响后,GEP控制着水稻田的CH4通量。在本研究中,水稻营养生长和生殖生长阶段CH4通量的单峰型日变化图式与空气温度和VPD的日变化具有很好的一致性(图2和图3),说明二者可能是影响CH4通量日变化的因素。CH4通量的日峰值可能是由于土壤温度升高引起产甲烷菌活性增强进而促进CH4生成增加所致[11],而VPD则可能影响植物和大气之间日尺度的CH4传输[11,18]。
许多研究表明,水稻田的CH4通量具有明显的季节性变化。例如,Ge等[12]研究发现,水稻营养生长和生殖生长阶段的CH4通量明显高于成熟阶段。Li等[13]对直播稻和移栽稻田CH4通量的观测结果也发现,水稻营养生长和生殖生长阶段的CH4排放显著,并在营养生长阶段的中后期达到排放峰值(在生殖生长阶段存在一个次排放峰值),随后逐渐下降,在成熟阶段排放非常微小。在本研究中,CH4通量也存在着与上述相同的季节性变化,即在水稻营养生长和生殖生长阶段的CH4通量明显高于其他阶段。空气或土壤温度通常被视为CH4通量季节性变化的控制因素[11,12,18,19,20]。例如,Dai等[11]研究发现,在水稻抽穗前后两个阶段,空气和土壤温度对CH4通量具有显著的影响,其中抽穗前空气和土壤温度对CH4通量的影响是线性的,抽穗后这种影响具有指数依赖性。同样地,Li等[13]的研究也发现稻田CH4通量对空气或土壤温度存在指数依赖性。另外,地下水位、土壤含水量、GEP、光合有效辐射和VPD等也被认为是影响CH4通量季节性变化的重要因子[7,12,13,21]。例如,Knox等[7]研究发现,在整个水稻生长季节,GEP和地下水位解释了大部分日平均CH4通量的变化。Li等[13]研究发现,在直播稻和移栽稻田中,在中期排水前后两个阶段,CH4通量与GEP显著相关。此外,Jia等[21]在三江平原的研究发现,CH4通量与光合有效辐射存在线性关系。在本研究中,CH4通量的季节性变化与空气温度存在显著的正相关,且这种关系具有指数依赖性(图6a)。因此,空气温度是本研究地点CH4通量季节性变化最主要的控制因子。空气或土壤温度影响产甲烷菌和甲烷氧化菌等微生物的活性,进而影响这些微生物参与的CH4生成和氧化反应速率,从而最终决定了土壤与大气之间的CH4交换[22,23]。此外,VPD对CH4通量的季节性变化也具有一定的影响(R2=0.67)。
图7
图7
非线性回归模型CH4通量模拟结果
(a) CH4通量模拟值与观测值的比较(黑色交叉点);(b)整个观测时段的CH4通量模拟值
Fig.7
The modeled CH4 fluxes based on the nonlinear regression model
(a) Comparison between the modeled and observed CH4 fluxes (black cross dots); (b) The modeled CH4 fluxes during the whole observed period
表2 基于涡度相关测量的水稻田CH4排放收支概况
Table 2
5 结 论
基于涡度相关方法,测量了湖南省益阳市水稻种植区域的CH4通量。对该地区水稻田CH4通量的变化特征分析发现,该地区水稻田的CH4通量存在着明显的季节性变化,即水稻营养生长和生殖生长阶段的CH4通量明显高于其他阶段。同时,该地区水稻田的CH4通量存在着显著的单峰型日变化,并在14:00-16:00出现峰值。对该地区水稻田CH4通量季节性变化的控制因素进一步分析发现,CH4通量主要受空气温度影响,且对空气温度具有指数依赖性。整个观测时段的最大日平均CH4通量为0.69 μmol/(m2·s),出现在水稻营养生长阶段后期,整个观测时段总的CH4排放量约为28 g C/m2。分析结果表明,该地区的水稻田是一个比较大的CH4排放源,应当采取合理、有效的种植方式,在保证产量变化不大的情况下,减少水稻田的CH4排放。
参考文献
Climate Change 2013: The Physical Science Basis: Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change
[M].
Climate Change 2007: The Physical Science Basis: Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change
[M].
Methane emissions from a rice agroecosystem in South China: Effects of water regime, straw incorporation and nitrogen fertilizer
[J]. ,
Methane and nitrous oxide emissions from rice and maize production in diversified rice cropping systems
[J]. ,
Measuring methane flux from irrigated rice fields by eddy covariance method using open-path gas analyzer
[J]. ,
Biophysical controls on interannual variability in ecosystem-scale CO2 and CH4 exchange in a California rice paddy
[J]. ,
Seasonal trends and environmental controls of methane emissions in a rice paddy field in Northern Italy
[J]. ,
Exploring sub-daily to seasonal variations in methane exchange in a single-crop rice paddy in central Japan
[J]. ,
Effects of different fertilizers on methane emissions and methanogenic community structures in paddy rhizosphere soil
[J]. ,
Variations and drivers of methane fluxes from a rice-wheat rotation agroecosystem in eastern China at seasonal and diurnal scales
[J]. ,
The characteristics of methane flux from an irrigated rice farm in East China measured using the eddy covariance method
[J]. ,
Does direct-seeded rice decrease ecosystem-scale methane emissions?—A case study from a rice paddy in southeast China
[J]. ,
Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates of ecosystems: Past, present and future
[J]. ,
On the separation of net ecosystem exchange into assimilation and ecosystem respiration: Review and improved algorithm
[J]. ,
On the temperature dependence of soil respiration
[J]. ,
Gap filling strategies for defensible annual sums of net ecosystem exchange
[J]. ,
Methane emissions from an alpine wetland on the Tibetan Plateau: Neglected but vital contribution of the nongrowing season
[J]. ,
Diurnal and seasonal variation in methane emissions in a northern Canadian peatland measured by eddy covariance
[J]. ,
Methane emission from rice fields in Guangzhou region and the spatial variation of methane emission in China
[J].
广州地区稻田甲烷排放及中国稻田甲烷排放的空间变化
[J].,
Methane emissions from typical paddy fields in Liaohe Plain and Sanjiang Plain, Northeast China
[J]. ,
Influence of soil temperature on methane emission from rice paddy fields
[J]. ,
Control of microbial methane production in wetland rice fields
[J]. ,
Methane emission from Texas rice paddy soils. 2. Seasonal contribution of rice biomass production to CH4 emission
[J]. ,
Spatial and temporal variability in methane emissions from rice paddies: Implications for assessing regional methane budgets
[J]. ,
/
〈 | 〉 |