太湖流域典型稻麥輪作農田生態系統碳交換及影響因素

徐昔保, 楊桂山, 孫小祥

中國科學院南京地理與湖泊研究所, 流域地理學重點實驗室, 南京 210008

太湖流域典型稻麥輪作農田生態系統碳交換及影響因素

徐昔保*, 楊桂山, 孫小祥

中國科學院南京地理與湖泊研究所, 流域地理學重點實驗室, 南京 210008

利用渦度相關技術觀測太湖流域典型稻麥輪作農田生態系統2a凈生態系統碳交換(NEE)變化過程，分析其碳交換特征及影響機理，結果表明：太湖流域典型稻麥輪作農田年NEE為-749.49—-785.38 gC m-2a-1，考慮作物籽粒碳和秸稈還田后凈吸收88.12 gC m-2a-1，為弱碳匯；稻/麥季日均NEE和白天NEE季節變化直接受作物植被生長影響；麥季夜間NEE與10 cm土壤溫度呈顯著指數關系，2012/2013年溫度敏感系數(Q10)分別為3.03和2.67；當土壤水分低于田間持水量時，麥季夜間NEE主要受土壤溫度影響，反之，夜間NEE受土壤溫度和水分雙重影響；降水對麥季夜間NEE有短時的激發效應；稻季淹水對土壤呼吸產生較明顯的阻滯效應，降低了夜間NEE對土壤溫度的敏感性，2012和2013年分別為1.88和1.39，稻季淹水與烤田交替變化對土壤呼吸產生明顯的抑制或激發的短時效應。

農田生態系統; 碳交換; 稻麥輪作; 渦度相關; 太湖流域

生物圈碳循環機理和全球陸地生態系統碳收支及其對環境變化的響應已成為全球土地計劃(GLP)和全球碳計劃(GCP)等大型國際計劃共同關注的核心問題。農田作為一種典型的土地利用類型，全球面積約17×109 hm2，其碳儲量約170 Pg，超過全球陸地碳儲量的10%，在全球及區域碳平衡中占據重要地位。據Lal估算，全球農業土壤的固碳潛力約為0.4—0.9 Pg/a[1]；20世紀90年代因農業生產活動導致全球植被與土壤的碳庫分別減少24%和10%[2]；我國是農業大國，耕地面積占國土面積12.7%，農田生態系統固碳現狀約101.4 TgC/a，固碳潛力約182.1 TgC/a[3]。因此，農田生態系統CO2源/匯評價及影響機理研究是國際碳循環研究的熱點問題之一。深入研究農田生態系統CO2時空變化、以及與環境因子、管理措施等之間的關系，有助于制定合適的農業管理措施以提高農田生態系統固碳功能，為政府制訂減排對策提供依據。

針對農田生態系統碳循環研究，國內外已開展了一系列的相關研究，主要集中在農田碳通量監測及特征變化[4-9]、模型與估算[10-12]、土壤有機碳[13-15]、耕作方式與管理措施對農田碳平衡影響[16-19]等方面。農田生態系統碳通量觀測方法主要以箱式法(靜態暗箱/明箱法)為主，該方法對下墊面擾動較大，缺乏觀測的連續性，時間分辨率低。近十年來，具有長時間連續、高頻率、自動觀測等優勢的渦度相關技術已成為生態系統尺度碳通量變化規律及其對環境變化響應研究的可靠觀測手段[8,20]，并且在農田生態系統碳通量研究方面也開始得到應用[5-9,18-19]。農田生態系統受區域空間分布、氣候與土壤環境、耕作制度、管理措施等差異影響，農田生態系統碳交換(NEE)特征變化及機理存在較大的差異，進而導致區域尺度估算仍存在較大的不確定性與區域差異性。

太湖流域是我國舉足輕重的經濟核心區和城市密集區，也是我國土地利用變化最為快速的地區之一。太湖流域為典型的稻麥輪作區，據遙感解譯流域耕地面積從1985年的23571.3 km2減少到2010年的16142.1 km2(減少31.5%)，主要表現為大量優質耕地轉為城鎮用地，因此研究該地區農田生態系統碳交換(NEE)特征及機理對區域碳平衡的估算具有重要的意義。目前，在太湖流域無錫FACE平臺，利用靜態箱-氣相色譜法初步揭示了農田生態系統碳交換特征、以及施肥、秸稈還田和大氣CO2濃度升高對NEE的影響，但由于箱式法觀測手段的局限，其NEE估算及FACE處理對NEE的影響仍存在很大的不確定性[21]。此外，在蘇州吳江區稻油輪作[22]、上海崇明島稻麥輪作農田[23]，利用箱式法開展了碳通量觀測及不同施肥水平對農田生態系統碳交換的影響研究。總體上，受箱式法觀測技術手段局限及流域環境因子空間異質性影響，目前太湖流域典型稻麥輪作農田生態系統碳交換(NEE)特征及機理仍存在很大的不確定性。鑒于此，本研究利用渦度相關技術，針對太湖流域典型稻麥輪作農田生態系統開展兩年周期的碳通量觀測，分析其碳交換特征及影響機理，以期為太湖流域生態系統碳收支估算和相關模型修正提供科學依據。

1 材料與方法

1.1 田間觀測

試驗區位于無錫市錫山區羊尖鎮嚴家橋村(N31°39′14″，E120°32′43″，海拔6 m)，亞熱帶季風氣候，全年降水量大于蒸發，屬濕潤地區。年均降水量1048 mm，年均氣溫16 ℃，全年日照時數2019 h，全年無霜期220 d左右。試驗區地處太湖流域北部平原水網區，為江蘇省基本農田保護區，作物種植制度為冬小麥/夏水稻一年兩熟制。實驗田塊面積約600 m × 600 m，土壤類型為典型的潴育水稻土，土壤地質為沙壤土，土壤有機質含量為1.71%。從自然條件、種植制度和管理措施看，該試驗區在太湖流域具有典型代表性。試驗區農田生態系統灌溉條件較好，年均施肥517 kgN/hm2、146 kgP2O5/ hm2和146 kgK2O/ hm2。冬小麥于2011年11月13日播種，2012年5月30日收割；水稻于5月7日播種，6月15日移栽進入試驗區內，11月2日收割種冬小麥。

碳通量觀測采用開路式渦度相關系統，主要有EC150開路CO2/H2O分析儀(Campbell Sci. Inc., USA)、CSAT3三維超聲風速儀(Campbell Sci. Inc., USA)和CR1000數據采集器(Campbell Sci. Inc., USA)組成。儀器安裝在地面以上3.56 m，數據采樣頻率為10 Hz，系統同時記錄并存儲平均周期為30 min的CO2通量數據和氣象等環境因子。常規氣象觀測包括空氣溫濕度(HMP155A, Vaisala, Helsinki, Finland)、降水(TE525MM, Campbell, USA)、總輻射(LP02, Hukseflux)；土壤水分/溫度/介電常數/電導率(SDI-12數字式TDT，Campbell，USA)觀測分3層，分別在土壤深度10、20 cm和40 cm。常規氣象數據觀測頻率為0.5 Hz，通過CR1000數采每30 min自動存儲，用于碳通量環境因子影響分析及缺失數據插補。

1.2 通量數據校正與插補

CO2通量即凈生態系統碳交換量(NEE)，由10 Hz的CO2/H2O濃度與垂直風速的原始數據經過協方差計算而來，平均時間長為30 min，具體計算見式(1)：

(1)

式中,Fc為30 min平均的碳通量，ρ為干空氣密度，S′為CO2混合比率的脈動，W′為垂直風速脈動，上劃線(-) 表示平均值。

為了控制通量數據精度，對原始觀測數據進行校正與插補，具體步驟如下：(1)野點去除：剔除雨、塵粒等環境因子及電源不穩定等因素對湍流原始觀測數據產生的野點，同時剔除夜間摩擦風速小于0.15 m/s的觀測數據以消除夜間低湍流對數據的影響；(2)對平坦下墊面，進行2次坐標旋轉以消除“傾斜”誤差或湍流通量不同分量間的交叉干擾；(3)頻率損失修正：通過頻率損失修正低頻損失(較大渦旋的貢獻估計不充分)及高頻損失(較小渦旋的貢獻估計不充分)，使不同通量分別增加約5%—30%；(4)WPL校正：以消除水熱傳輸造成NEE變化的密度效應，步驟(1)—(4)采用EdiRe軟件處理完成。(5)數據插補：首先利用SPSS篩選影響白天(風速、氣壓、空氣溫度、空氣濕度、10 cm土壤溫度、土壤水分、土壤電導率、太陽輻射)與夜間(風速、空氣溫度、空氣濕度、10 cm土壤溫度、土壤電導率)NEE變化的主要環境因子，其次利用Matlab分別建立基于神經網絡的白天與夜間通量數據插補模型，插補缺失通量數據。

1.3 碳平衡計算

本文年尺度碳平衡計算主要考慮作物收獲和秸稈還田，對施肥、灌溉和土壤碳庫等影響忽略不計，具體計算如式(1)所示：

NBP=NEP-Cgr×fgr-Cst×fst

(1)

式中，NBP為凈生物群區生產力，NEP為凈生態系統生產力(近似等于NEE負值)；Cgr 和Cst分別為小麥/水稻的籽粒和秸稈單位面積干重；fgr和fst分別為小麥/水稻的籽粒和秸稈的含碳率，根據野外采樣與實驗室分析獲取，分別為0.399 / 0.402和0.4397 / 0.3817。

2 結果與分析

2.1 環境因子變化

從圖1可知，試驗區2012年度(2011.12—2012.11)和2013年度(2012.12—2013.11)的太陽總輻射變化趨勢類似，8月最大，1月最小，3—9月太陽總輻射量分別占年總輻射量的70.9%和72.5%，為冬小麥和夏水稻的生長提供了充足的光照條件，與多年平均一致。2012和2013年度平均氣溫分別為15.9 ℃和16.4 ℃，較多年平均氣溫(15.7 ℃)略高。10 cm土壤溫度與氣溫保持一致變化趨勢，冬季(12月—2月)土壤溫度比氣溫略高，4—11月土壤溫度比氣溫略低(圖1)。2012和2013年度年降水量分別為800.3 mm和703.4 mm，分別比多年平均降水量(1048 mm)少22%和33%(圖1)。降水年內季節分配不均，2012和2013年度降水大部分集中在夏季(6—8月)，分別占總量的50.8%和39.7%。2012年在7月13日、8月8日和9月8日出現3次強降水，分別達42、173 mm和59 mm；2013年在7月5日、8月29日、10月7日、10月8日出現4次強降水，達31、35、90 mm和32 mm。總體上，觀測期間太陽輻射和氣溫具有較好的代表性，但降水比正常年份偏少，屬枯水年。土壤水分季節與年際變化均較顯著(圖1)，2012和2013年度10 cm土壤水分變化范圍分別為0.18—0.66 m3/m3和0.23—0.55 m3/m3，年均土壤水分達0.36 m3/m3和0.39 m3/m3。2013年麥季10 cm土壤水分顯著高于2012年麥季，日平均分別為0.33 m3/m3和0.23 m3/m3，主要由于土壤TDT探頭在2011年11月中旬埋進土壤，土壤處于擾動恢復期，導致2012年麥季土壤水分監測明顯偏低。夏水稻生長季因處于淹水狀態，10 cm土壤水分均接近飽和狀態，但由于在2012年7月22日因10 cm土壤TDT探頭損壞更換新的探頭對土壤產生較大的擾動，導致2012年稻季(從7月22日開始)在淹水狀態下土壤水分比2013年偏高。

圖1 環境因子季節變化Fig.1 Seasonal dynamics of environmental factors

2.2 NEE季節變化

從圖2可知，太湖流域典型稻麥輪作農田生態系統碳交換(NEE)季節變化呈典型的“W”型雙峰特征，日累積量在-12.88—5.94 gC m-2d-1之間，平均值為-2.10 gC m-2d-1。一年中有234d NEE日累積量為負值，占總天數的64.1%，全年表現為碳凈吸收。NEE日累積量正值(碳排放)主要出現在兩個時段，其它月份只有少量天數日累積表現為正值：(1)小麥收割到水稻移栽初期(5月底至6月底)；(2)水稻收割到翌年小麥返青(10月底到次年2月份)。5月底至6月初為太湖流域小麥收收割期，農田土壤呈裸露狀態，再加上水稻插秧前進行翻耕、烤田，人為擾動增大了土壤呼吸，導致農田碳排放量相應大；6月中旬至月底為水稻移栽初期階段，水稻幼苗生長緩慢，因氣溫較高導致土壤呼吸作用較為強烈，故NEE日變化表現為碳排放。10月底水稻收割地表裸露，11月份雖然小麥出苗和三葉，但植被生長活動較弱，隨著氣溫下降，冬小麥停止生長越冬，對CO2的吸收能力下降，導致農田生態系統NEE日變化表現為碳凈排放。

圖2 2012—2013年作物高度與凈生態系統碳交換季節變化Fig.2 Seasonal dynamics of crop height and net ecosystem CO2 exchange (NEE) in 2012—2013

受氣象條件與物候年際波動影響，2012年與2013年NEE總量存在一定的年際波動，分別達-749.49 gC m-2a-1和-785.38 gC m-2a-1，波動約4.9%。同時，兩年麥季與稻季NEE總量變化也呈較大的年際波動，2012年麥季(2011.12—2012.5)NEE總量(-416.84 gC/m2)大于稻季(6—11月)(-332.65 gC/m2)，而2013年麥季NEE總量(-344.89 gC/m2)小于稻季(-440.49 gC/m2)，但兩年水稻主要生長期(7—9月)NEE總量均大于小麥主要生長期(3—5月)，與水稻產量高于小麥相一致。兩年NEE日最大累計吸收量均出現在麥季，分別為2012年4月26日(-12.88 gC m-2d-1)和2013年4月11日(-11.62 gC m-2d-1)。

2.3 NEE月均日變化

從圖3可以看出，太湖流域典型稻麥輪作農田生態系統碳交換(NEE)月均日變化、正負變化時刻、最大碳排放與碳吸收時刻均呈顯著的月際變化特征。日均NEE變化除6月外均呈“U”型變化趨勢，表現為白天NEE為負，夜間NEE為正，說明該生態系統在夜間由于呼吸作用表現為碳源，白天由于光合作用而表現為碳匯。6月份為冬小麥收割期，地表裸露，翻耕、烤田、水稻移栽，為農田生態系統碳排放時段，日變化不顯著，NEE基本都為正值。各月NEE符號變化由正值轉為負值在日出后1—1.5 h，夏季比春秋季提前0.5 h，比冬季提前1.5 h；由負值轉為正值時刻正好相反，夏季比春秋季晚0.5—1 h，比冬季晚1—1.5 h，主要集中在16:30—18:00。NEE在12:00以前逐漸增大，12:00左右達到最大值，12:00以后NEE逐漸減小，11月—翌年2月NEE最大值在-0.0302—-0.163 mg m-2s-1、3—5月(麥季主要生長期)NEE最大值在-0.177—-0.338 mg m-2s-1、7—10月(稻季主要生長期)達-0.174—-0.396 mg m-2s-1、6月份NEE最大值在-0.011—-0.023 mg m-2s-1。2012/2013年8月份月均溫度分別達28.04℃和29.93℃，12:00分別高達30.70℃和33.05℃，過高的氣溫對作物生長及NEE產生顯著的高溫脅迫效應，導致2012/2013年8月份月均NEE日變化均呈較顯著的“雙峰”特征。

圖3 2012—2013年NEE月均日變化Fig.3 Seasonal dynamics of NEE in 2012—2013

2.4 農田碳平衡

通量觀測顯示，2012—2013年度農田NEE分別為-749.49—-785.38 gC m-2a-1，為大氣CO2的匯，且存在一定的年際波動性。因收獲的糧食大多被農民或運到城市消費，又轉化為CO2排放到大氣中。考慮作物籽粒碳和秸稈全部還田，太湖流域典型稻麥輪作農田凈吸收88.12 gC m-2a-1，表現為弱碳匯，稻季凈碳匯(63.15 gC m-2a-1)比麥季(24.97 gC m-2a-1)略高；如果不實施秸稈還田措施，考慮作物籽粒碳后，太湖流域農田生態系統由碳匯變為顯著的碳源，2013年凈排放448.66 gC m-2a-1。為了保護大氣環境，太湖流域(包括本試驗區)從2012年開始全面禁止焚燒秸稈，并實施秸稈還田農業補助政策，有助于提高農田生態系統的碳匯能力和土壤有機質含量。

2.5 NEE影響因子

從圖4可以看出，NEE日均值和白天NEE均值與作物高度均呈顯著非線性關系，R2系數分別達0.686和0.752。麥季，隨著小麥出苗、三葉、返青、分蘗、拔節、孕穗、抽穗、開花、乳熟和成熟，作物高度逐漸增大，在孕穗、抽穗和開花期(4—5月)NEE較大，而后逐步降低(圖2)。稻季，水稻從移栽到成熟，NEE逐漸增大并在抽穗和孕穗期(8—9月)達最大。綜合NEE季節變化和月均日變化，說明日均NEE和白天NEE季節變化直接受作物植被生長情況影響。同時，其他相關研究也證實農田白天NEE也受光合有效輻射和葉面積指數影響[5,20]。

圖4 NEE與作物高度關系Fig.4 Relationship between mean NEE and crop heightNEE日均值和白天NEE均值取作物高度觀測值當天前后各5d的均值

溫度和水分是影響夜間NEE的關鍵環境因子[5,20]。從圖5可以看出，太湖流域典型麥季農田生態系統夜間NEE與10 cm土壤溫度呈指數關系，并達0.001顯著水平，2012和2013年R2系數分別為0.694和0.683，溫度敏感系數(Q10)分別為3.03和2.67，高于許多土壤呼吸模型所采用的Q10值(Q10=2.0)，略高于華北平原農田(2.94/2.49)[5]。2012和2103年麥季夜間NEE與10 cm土壤水分呈顯著曲線關系，R2系數分別為0.335和0.645。麥季2013年10 cm土壤水分(0.25—0.49，平均0.37)顯著高于2012年(0.180—0.59，平均0.23)。2012年麥季為土壤TDT探頭安裝初期，土壤水分監測偏低，進而導致夜間NEE與土壤水分的R2系數偏低。試驗區土壤田間持水量約為0.314，從圖5可知在太湖流域濕潤區，當土壤水分低于田間持水量時，夜間NEE主要受土壤溫度影響，土壤水分對其影響不大；反之，夜間NEE受土壤溫度和水分雙重影響，土壤水分增加對夜間NEE起明顯的抑制作用，同時土壤水分增加也降低了土壤呼吸對溫度的敏感性(Q10)。此外，從表1可知麥季降水增大了土壤空隙，導致降水后初期夜間NEE增大，增強了土壤呼吸。P1，P2和P33次典型降水事件前后溫度均有所下降，但夜間NEE顯著大于降水前，主要受降水影響；P4典型降水事件后溫度有較明顯上升，但夜間NEE增加幅度大于溫度對其影響，夜間NEE增大受溫度升高和降水雙重影響。

圖5 麥季夜間NEE對10cm土壤溫度/水分響應Fig.5 Relationship between nighttime NEE and soil temperature and moisture at the 10 cm depth during the wheat season

稻季因農田灌溉長期淹水，土壤水分含量幾乎接近飽和狀態，對土壤呼吸產生較明顯的阻滯效應[20]，導致土壤呼吸與10 cm土壤溫度的相關性顯著降低，2012和2013年R2系數分別為0.545和0.360，溫度敏感系數(Q10)分別為1.88和1.39，與朱詠莉等(渦度相關法)[6]和鄒建文等(箱式法)[24]對稻田觀測獲取的Q10接近，分別為1.70和1.68。F3為2013年稻季初期由裸地至淹水初期，淹水明顯抑制了夜間NEE，降低了44.5%。F1和F2為2012年兩次典型的烤田，夜間NEE均顯著大于其前后淹水狀態期間的夜間NEE，因此稻田淹水與烤田交替變化對土壤呼吸產生明顯的抑制或激發的短時效應(表1)。此外，F1和F2同處于淹水狀態，F1期間的溫度顯著高于F2，而F2的夜間NEE則高于F1，主要由于F2處于稻季成熟期，其凋落物遠大于7月份孕穗期，進而導致其夜間NEE大于F1。

3 討論

太湖流域典型稻麥輪作農田生態系統相比其他區域具有更高的固碳能力。太湖流域麥季NEE日最大累積吸收量大于華北平原(8.19—9.50 gC m-2d-1)[5]和淮河流域(11.76 gC m-2d-1)[7]，小于美國俄勒崗地區小麥田(13.4 gC m-2d-1)[4]；2012—2013年稻季NEE日最大累積吸收量(-10.63—-10.16 gC m-2d-1)高于中亞熱帶雙季稻區晚稻的最大吸收峰值(-9.4 gC m-2d-1)[6]，與淮河流域(-10.4 gC m-2d-1)基本接近[7]；年尺度上，太湖流域稻麥輪作農田生態系統碳吸收量大于華北平原(-197.6—-317.9 gC m-2d-1)[5]、中亞熱帶地區(-675.2 gC m-2a-1)[6]和淮河流域(生長季3—9月，-626.92 gC m-2a-1)[7]。此外，考慮作物籽粒碳和秸稈全部還田，太湖流域典型稻麥輪作農田表現為弱碳匯，而華北平原和法國西南部地區農田生態系統均由碳匯變為碳源，分別排放107.5—340.5 gC m-2a-1和(372±78) gC m-2a-1[5,17]。

表1 降水和淹水對太湖流域典型稻麥輪作農田夜間NEE影響

現有研究已證實秸稈還田能有效增加土壤有機碳含量，提高農田生態系統的固碳潛力，如地處太湖流域的江蘇省、上海市和浙江省，采用秸稈還田措施將使其農田土壤固碳潛力分別達45.57、25.97 kg hm-2a-1和29.22 kg hm-2a-1[3]。同時，實施秸稈還田、嚴禁就地焚燒，有助于對近年來持續爆發的嚴重霧霾天氣的有效防范與治理。但需指出的是，目前針對農田生態系統CO2、CH4和N2O排放之間的相互作用影響機理還不清晰，初步研究表明小麥秸稈還田將顯著促進稻季CH4排放，增加量甚至高達3—11倍[21,25]。因此，秸稈還田雖然有助于提高農田生態系統CO2固碳能力，但同時對農田生態系統凈溫室氣體排放產生較大的不確定性，有待進一步加強觀測秸稈還田對多種溫室氣體排放的相互作用影響，評估其對全球增溫潛勢(GWP)的綜合影響，探討秸稈施入量及施入方式的最佳優化模式，提高秸稈還田政策及農業補助政策的科學性與合理性。

碳通量觀測手段及缺失數據插補方法對NEE估算存在較大的不確定性。同為采用渦度相關技術，本研究觀測的太湖流域稻麥輪作農田生態系統年NEE分別比淮河流域和中亞熱帶地區高19.6%—25.3%和11.0%—16.3%，其差異尚在可接受范圍內，主要可能受區域環境因子及農作物品種差異等影響。利用箱式法觀測的上海崇明島2011年稻季NEE(-67.13 gC/m2)[23]、南京稻麥輪作耕地2001—2002年NEE(-196.6—-258.0 gC/m2)[24]，分別僅為本研究的15.2%—20.2%和25.1%—34.4%，存在明顯低估；而利用箱式法觀測的川中丘陵區稻麥輪作農田年NEE為1205.0 gC/m2，則比本研究高估57.0%[21]。此外，采用均值法插補本研究2012年缺失數據估算的年NEE，比本文采用的神經網絡插補法高估11.7%。因此，采用不同碳通量觀測技術手段以及缺失數據插補方法均對NEE估算及區域比較研究產生較大的不確定性。另外，在濕潤季風氣候區，由于雨季連續降水時間較長，導致開路式渦度相關法的觀測數據缺失較多，給數據插補帶來較大的難度。由于本研究前期沒有觀測光量子通量密度、稻/麥季各生長期LAI和生物量等要素，后期需進一步補充觀測以明晰NEE與其之間的響應關系。

4 結論

(1)太湖流域典型稻麥輪作農田生態系統碳交換(NEE)呈典型的“W”雙峰型季節變化特征，NEE季節變化及月均日NEE變化均呈明顯的年際波動；年NEE為-749.49— -785.38 gC m-2a-1，考慮作物籽粒碳和秸稈全部還田后凈吸收88.12 gC m-2a-1，為弱碳匯，比淮河流域、華北平原和中亞熱帶地區農田生態系統具有更高的固碳能力。

(2)稻/麥季日均NEE和白天NEE的季節變化直接受作物植被生長情況影響；夜間NEE與10 cm土壤溫度呈顯著指數關系，2012/2013年溫度敏感系數(Q10)分別為3.03和2.67；當土壤水分低于田間持水量時，夜間NEE主要受土壤溫度影響；當土壤水分超過田間持水量時，夜間NEE受土壤溫度和水分雙重影響；降水對夜間NEE有短時的激發效應。

(3)稻季淹水對土壤呼吸產生較明顯的阻滯效應，同時降低了夜間NEE對土壤溫度的敏感性，2012和2013年溫度敏感系數(Q10)分別為1.88和1.39，稻季淹水與烤田交替變化對土壤呼吸產生明顯的抑制或激發的短時效應。

[1] Lal R. Soil carbon sequestration impacts on global climate change and food security. Science, 2004, 304(5677):1623-1627.

[2] Bondeau A, Smith P, Zaehle S, Schaphoff S, Lucht W, Cramer W, Gerten D, Campen H, Christoph M, Reichstein M, Smith B. Modelling the role of agriculture for the 20th century global terrestrial carbon balance. Global Change Biology, 2007, 13(3):679-706.

[3] 陳泮勤, 王效科, 王禮茂. 中國陸地生態系統碳收支與增匯對策. 北京:科學出版社, 2008.

[4] Baldocchi D. A comparative study of mass and energy exchange rates over a closed C3 (wheat) and an open C4 (corn) crop Ⅱ:CO2exchange and water use efficiency. Agricultural and Forest Meteorology, 1994, 67(3/4):291-321.

[5] Li J, Yu Q, Sun X M, Tong X J, Ren C Y, Wang J, Liu E M, Zhu Z L, Yu G R. Carbon dioxide exchange and the mechanism of environmental control in a farmland ecosystem in North China Plain. Science in China Series D:Earth Sciences, 2006, 49(2):226-240.

[6] 朱詠莉, 童成立, 吳金水, 王克林, 王勤學, 任秀娥. 亞熱帶稻田生態系統CO2通量的季節變化特征. 環境科學, 2007, 28(2):283-288.

[7] 李琪, 胡正華, 薛紅喜, 王云龍, 譚甜甜, 吳東麗. 淮河流域典型農田生態系統碳通量變化特征. 農業環境科學學報, 2009, 28(12):2545-2550.

[8] Smith P, Lanigan G, Kutsch W L, Buchmann N, Eugster W, Aubinet M, Ceschia E, Beziat P, Yeluripati J, Osborne B, Moors E, Brut A, Wattenbach M, Saunders M, Jones M. Measurements necessary for assessing the net ecosystem carbon budget of croplands. Agriculture, Ecosystems and Environment, 2010, 139(3):302-315.

[9] Schmidt M, Reichenau T, Fiener P, Schneider K. The carbon budget of a winter wheat field:an eddy covariance analysis of seasonal and inter-annual variability. Agricultural and Forest Meteorology, 2012, 165:114-126.

[10] Wang Q, Watanabe M, Ouyang Z. Simulation of water and carbon fluxes using BIOME-BGC model over crops in China. Agricultural and Forest Meteorology, 2005, 131(3/4):209-224.

[11] Giltrap D L, Li C, Saggar S. DNDC:A process-based model of greenhouse gas fluxes from agricultural soils. Agriculture, Ecosystems and Environment, 2010, 136(3/4):292-300.

[12] Wattenbach M, Sus O, Vuichard N, Lehuger S, Gottschalk P, Li L H, Leip A, Williams M, Tomelleri E, Kutsch W, Buchmann N, Eugster W, Dietiker D, Aubinet M, Ceschia E, Béziat P, Grünwald T, Hastings A, Osborne B, Ciais P, Cellier P, Smith P. The carbon balance of European croplands:A cross-site comparison of simulation models. Agriculture, Ecosystems and Environment, 2010, 139(3):419-453.

[13] Ogle S, Breidt F, Paustian K. Agricultural management impacts on soil organic carbon storage under moist and dry climatic conditions of temperate and tropical regions. Biogeochemistry, 2005, 72(1):87-121.

[14] Qin Z C, Huang Y. Quantification of soil organic carbon sequestration potential in cropland:a model approach. Science in China Series C:Life Sciences, 2010, 53(7):868-884.

[15] Elsgaard L, G?rres C M, Hoffmann C C, Blicher-Mathiesen G, Schelde K, Petersena S O. Net ecosystem exchange of CO2and carbon balance for eight temperate organic soils under agricultural management. Agriculture, Ecosystems and Environment, 2012, 162:52-67.

[16] 韓士杰, 董云社, 蔡祖聰, 宋長春. 中國陸地生態系統碳循環的生物地球化學過程. 北京:科學出版社, 2008.

[17] Béziat P, Ceschia E, Dedieu G. Carbon balance of a three crop succession over two cropland sites in South West France. Agricultural and Forest Meteorology, 2009, 149(10):1628-1645.

[18] Ciais P, Gervois S, Vuichard N, Piao S L, Viovy N. Effects of land use change and management on the European cropland carbon balance. Global Change Biology, 2011, 17(1):320-338.

[19] Zona D, Janssens I A, Aubinet M, Gioli B, Vicca S, Fichot R, Ceulemans R. Fluxes of the greenhouse gases (CO2, CH4and N2O) above a short-rotation poplar plantation after conversion from agricultural land. Agricultural and Forest Meteorology, 2013, 169:100-110.

[20] 于貴瑞, 孫曉敏. 陸地生態系統通量觀測的原理與方法. 北京:高等教育出版社, 2006.

[21] 王躍思, 王迎紅. 中國陸地和淡水湖泊與大氣間碳交換觀測. 北京:科學出版社, 2008.

[22] 劉曉雨, 李志鵬, 潘根興, 李戀卿. 長期不同施肥下太湖地區稻田凈溫室效應和溫室氣體排放強度的變化. 農業環境科學學報, 2011, 30(9):1783-1790.

[23] 侯玉蘭, 王軍, 陳振樓, 王東啟, 許世遠. 崇明島稻麥輪作系統稻田溫室氣體排放研究. 農業環境科學學報, 2012, 31(9):1862-1867.

[24] 鄒建文, 黃耀, 宗良綱, 鄭循華, 王躍思. 稻田CO2、CH4和N2O排放及其影響因素. 環境科學學報, 2003, 23(6):758-764.

[25] Ma J, Li X L, Xu H, Han Y, Cai Z C, Yagi K. Effects of nitrogen fertiliser and wheat straw application on CH4and N2O emissions from a paddy rice field. Australian Journal of Soil Research, 2007, 45(5):359-367.

Analysis of net ecosystem CO2exchange (NEE) in the rice-wheat rotation agroecosystem of the Lake Taihu Basin, China

XU Xibao*, YANG Guishan, SUN Xiaoxiang

KeyLaboratoryofWatershedGeographicSciences,NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,China

The agroecosystem plays an important role in global and regional carbon balance due to its large area and high carbon sequestration potential. Due to limitations in observation techniques and the spatial heterogeneity of the environment, net ecosystem CO2exchange (NEE) in the rice-wheat rotation system of the Lake Taihu Basin remains poorly understood. This paper aimed to investigate NEE in this agroecosystem based on observations of CO2flux with the eddy covariance technique, from December 2011 to November 2013. Annual carbon balance was estimated from observed NEE and carbon contents of grain and straw. Half-hourly flux data were first corrected by removal of anomalous data points, coordinate rotation, frequency loss correction, and WPL correction. Two neural network models for daytime and nighttime NEE gap-filling were built. The results showed that annual daytime and nighttime NEE was -749.49 gC m-2a-1and -785.38 gC m-2a-1, respectively. Accounting for grain removal and return of straw to the field, total net C absorption was 88.12 gC m-2a-1, characterizing the agroecosystem as a weak carbon sink. This carbon sequestration capacity is greater than those of the Huaihe River Basin, subtropical region, and north China plain. Diurnal NEE exhibited a typical "W" bimodal seasonal pattern, and both seasonal NEE and average monthly diurnal NEE showed significant annual fluctuations. Cumulative diurnal NEE ranged from -12.88 gC m-2d-1to 5.94 gC m-2d-1, with a mean of -2.10 gC m-2d-1. Maximum cumulative diurnal NEE occurred in the wheat season of each year, with values of -12.88 gC m-2d-1on April 26, 2012 and -11.62 gC m-2d-1on April 11, 2013, respectively. Variation in diurnal NEE and daytime NEE in the rice-wheat season was significantly correlated with crop height, suggesting that diurnal NEE and daytime NEE were both influenced by crop growth. Nighttime NEE and soil temperature at 10 cm during the wheat season exhibit a significant exponential relationship, with a temperature sensitivity coefficient (Q10) of 3.03 and 2.67 in 2012—2013, respectively, larger than that of many soil respiration models (Q10= 2.0). If soil moisture is lower than the field capacity, nighttime NEE is affected mainly by soil temperature; otherwise, nighttime NEE is dually controlled by soil temperature and moisture. There exists a short excitation effect to enhance nighttime NEE after heavy rainfall. Permanent flooding significantly reduces soil respiration, simultaneously decreasing the sensitivity of nighttime NEE to soil temperature. The temperature sensitivity coefficient (Q10) in the rice seasons of 2012—2013 were 1.88 and 1.39, respectively. Alternate change of water regime between the permanent flooding and soil drying in the rice season would generate significant short-term effects of inhibition or excitation on soil respiration, respectively. The effects of carbon flux observation techniques and data gap-filling methods on uncertainty are discussed. Finally, the impact of straw application on greenhouse gas emissions (CO2, CH4, N2O) from the agroecosystem is suggested as an avenue of further investigation.

agroecosystem; net ecosystem exchange CO2; rice-wheat rotation; eddy covariance; Lake Taihu Basin

國家自然科學基金重點項目(41030745); 國家自然科學基金(41101565, 41371532); 中國科學院南寧地理與湖泊研究所“135”學科前沿項目(NIGLAS2012135019); 江蘇省自然科學基金(BK2011882)

2014-04-01; < class="emphasis_bold">網絡出版日期:

日期:2014-12-18

10.5846/stxb201404010614

*通訊作者Corresponding author.E-mail: xbxu@niglas.ac.cn

徐昔保, 楊桂山, 孫小祥.太湖流域典型稻麥輪作農田生態系統碳交換及影響因素.生態學報,2015,35(20):6655-6665.

Xu X B, Yang G S, Sun X X.Analysis of net ecosystem CO2exchange (NEE) in the rice-wheat rotation agroecosystem of the Lake Taihu Basin, China.Acta Ecologica Sinica,2015,35(20):6655-6665.