灘地人工林幼林不同時間尺度CH4通量變化特征——基于渦度相關閉路系統的研究

高升華，張旭東,*，湯玉喜，陳吉泉，唐 潔，孫啟祥，唐學君,4

1 林木遺傳育種國家重點實驗室,中國林業科學研究院林業研究所,北京 100091 2 湖南省林業科學院,長沙 410004 3 密執安州立大學, 全球變化與地球觀測中心, 地理系,美國東蘭辛 MI48823 4 國家林業局華東林業調查規劃設計院,杭州 310019

?

灘地人工林幼林不同時間尺度CH4通量變化特征
——基于渦度相關閉路系統的研究

高升華1，張旭東1,*，湯玉喜2，陳吉泉3，唐 潔2，孫啟祥1，唐學君1,4

1 林木遺傳育種國家重點實驗室,中國林業科學研究院林業研究所,北京 100091 2 湖南省林業科學院,長沙 410004 3 密執安州立大學, 全球變化與地球觀測中心, 地理系,美國東蘭辛 MI48823 4 國家林業局華東林業調查規劃設計院,杭州 310019

長江灘地是甲烷 (CH4) 排放的潛在熱點區域,然而目前其CH4通量的變化特征及控制因子尚未被揭曉。基于渦度相關閉路系統進行為期2年多的連續觀測,旨在揭示長江灘地楊樹 (Populusdeltoides) 人工林幼林CH4通量在不同時間尺度上的變化特征及其調控機理。結果顯示,全年和部分未淹水月份表現出白天排放強而夜間排放弱的平均日變化特征,且淹水前、淹水期間和退水后分別表現出日間雙峰型 (7:00和10:00)、日間與夜間各一峰的雙峰型 (10:00和23:00),以及典型的日間單峰型 (10:00)。淹水年份(2012年)在夏季 (6—8月)排放最強,在春末 (5月) 和秋末冬初 (11—12月) 排放最弱,而未淹水年份 (2013年) 在初夏 (6月)排放最強,在盛夏 (7月) 和秋末 (11月) 轉變為較弱的吸收。淹水年份的年排放量 ( (128.0±42.4) mmol/m2) 是未淹水年份( (51.5±29.1) mmol/m2) 的2.5倍。灘地人工林幼林CH4通量的日變化和季節變化最可能受到摩擦風速、水位和土壤溫度的調節,而年際間的巨大差異主要由淹水狀況決定。

甲烷通量；長江；灘地；渦度相關；楊樹人工林

大氣中甲烷(CH4)的濃度在經歷短暫的停滯之后又繼續增長,已由2005年的1774 ppb上升到2011年的1802 ppb,且近100 a的增溫潛勢也增加至CO2的28倍[1]。CH4濃度這一變化引起人們對其源、匯及動態變化更加廣泛的關注。濱水區是全球濕地的重要組成部分,它一般指水生到陸生生態系統的過渡區域[2-3]。由于較高的地下水位[4-5]和間歇性淹水,濱水區往往是CH4通量的熱點地區[6]。同時,人類開墾、種植等活動所帶來的嚴重干擾和污染[7-8],使得濱水區土壤-大氣界面碳交換的生物地球化學過程更復雜。然而,目前對濱水區CH4通量的變化特征還所知甚少。

由于CH4主要以微生物為生產者,因此對CH4通量的觀測研究要比對CO2、H2O等氣體通量的觀測研究復雜得多[9]。靜態箱-氣相色譜法為CH4通量觀測的傳統方法,由于其較低的觀測頻率和過多的人工投入,使其難以在更小或更大的時間尺度上揭示CH4通量的變化特征。近10年,隨著高頻響應的CH4濃度分析儀的陸續出現,基于渦度相關法的CH4通量長期連續觀測研究在國際上日益增加[9-14]。近幾年在國內也逐漸開展,但目前還未見文獻報道。

楊樹人工林是我國長江中下游灘地主要生態系統之一[15]。由于具有森林和濕地的雙重屬性,灘地楊樹人工林將可能同時具有吸收和排放CH4的潛力。有研究表明,灘地人工林的成熟林和采伐跡地在未淹水年份的生長旺季表現為CH4的匯,且皆伐短期內降低了土壤吸收CH4的能力,甚至導致了土壤排放CH4[16]。然而,由于缺乏長時間尺度的CH4通量研究,目前尚難以全面評估長江灘地楊樹人工林對全球氣候變化的貢獻。本文運用渦度相關閉路系統對長江灘地美洲黑楊 (Populusdettoides)人工幼林進行連續2年多的CH4通量觀測,旨在揭示CH4通量的日、季節和年際的變化特征,并初步探討各時間尺度的調控因子。

1 研究方法

1.1 研究區概況

研究區位于湖南省岳陽市君山區長江外灘 (29°31′35″N,112°55′22″E),海拔31 m,系中亞熱帶向北亞熱帶過渡的氣候區,具有典型的季風氣候特征,春夏多雨,秋季多旱,冬季寒冷,全年盛行北風。年均氣溫16.8 ℃,年均降雨量1400 mm。土壤類型為江湖洲灘特有的潮土類型。2012年淹水40 d (2012年7月11日—8月20日),而2013年未淹水。

圖1 研究區圖、通量貢獻區和風玫瑰圖(右上) Fig.1 Map of research area, footprint, and wind rose diagram (Top right)白色三角為通量塔位置；黑色虛線為研究區范圍,2個橢圓分別為基于FSAM模型[17]計算的2012 (外)和2013 (內)年平均通量貢獻區大小,其模型的輸入參數取當年該參數的平均值；風玫瑰圖為2012和2013年的風向頻率

研究區面積60 hm2,呈南北向楔形,其中東西向寬約800 m,南北長約1500 m。成熟林樹種為美洲黑楊。該林地于2011年9月皆伐完畢。在成熟林采伐前,林下優勢種為益母草 (Leonurusarternisia),其蓋度達90%以上[16]。新林于2012年1月末種植,樹種仍為美洲黑楊。2012年3月,平均樹高3.5 m,胸徑2.5 cm,至2013年10月,平均樹高7.0 m,胸徑10 cm。2012年2月至6月,林下植被主要有狗牙根 (Cynodondactylon)、堇菜 (Violaverecunda)、辣蓼 (Polygonumflaccidum)、風輪菜 (Clinopodiumgracile)、益母草等。2012年9月至2013年3月和2013年4月至11月期間分別間作白菜 (Brassicapekinensis)和南瓜 (Cucurbitamoschata)。

1.2 觀測與分析方法

本研究采用渦度相關法 (Eddy Covariance Method) 進行通量觀測。通量觀測塔高30 m,以CSAT-3三維風速儀 (Campbell Scientific, Inc., USA)觀測三維風速,以LI-COR 7500 CO2/H2O分析儀 (LI-COR, Inc., USA) 觀測CO2和水汽濃度,以快速甲烷分析儀 (Fast Methane Analyzer, FMA) DLT-100 (Los Gatos Research, Inc. USA)分析CH4濃度。2012年3月至2013年2月觀測高度為6.5 m,2013年3月至2014年2月觀測高度為7.5 m。環境因子觀測包括地面以上部分和地面以下部分,主要包括輻射、降雨、空氣溫濕度、土壤溫度、土壤含水量、地下水位等[18]。采用HOBO水位溫度記錄儀 (Onset Computer Corporation, USA) 觀測地下水位。

FMA DLT-100是基于OA-ICOS (off-axis Integrated Cavity Out-put Spectroscopy) 技術,其原理是通過高反射鏡面使激光在光腔中衰蕩,以使激光光程達到1—4 km,從而提高儀器對痕量氣體的檢測能力[14]。FMA DLT-100為閉路分析儀,采用Edwards XDS35i真空泵 (Edwards Limited, UK) 采氣。真空泵位于FMA DLT-100下游,采氣速度約40 L/min。采氣管采用內壁鍍有特氟龍涂層的金屬管,內徑約0.01 m,于進氣管的前段和后段分別安裝有5 μm和1 μm的換膜過濾器。約每7d更換1次濾膜。FMA正常工作時光腔氣壓通過調壓模塊保持在約190 hPa。當光腔衰蕩時間降低至約6 μs時,將儀器搬回至實驗室進行鏡面清洗,并以2.0 μL/L空氣中CH4標準氣體進行校準進行校準。

本研究采用EdiRe軟件 (version 1.5.0.32；Robert Clement,University of Edinburgh,Edinburgh,UK；http://www.geos.ed.ac.uk/abs/research/micromet/EdiRe/) 進行通量計算和數據質量控制。主要過程包括：去除了超出儀器測量范圍和超過4倍標準差的異常值,運用坐標軸二次旋轉法使垂直風速均值為零[19],超聲虛溫校準 (SND correction)[20],頻率損失校準,WPL校準[21]等。其中CH4通量僅進行了潛熱校正而未進行顯熱校正[22]。主要使用最大協方差法確定矢量的延遲時間。然而,CH4的延遲時間經常難以確定[23],因此本文在CH4信號延遲時間難以確定時,以固定延遲時間替代[19]。

主要通過以下方式對CH4通量數據進行數據質量控制：(1) 刪除儀器處于非正常工作狀態的瞬時值,如氣壓不穩定、光腔衰蕩時間過低 (<6 μs)、CH4濃度超出正常范圍 (<1.5或>3.5 μL/L) 等；(2) 計算每個半小時的通量貢獻率,并舍棄通量貢獻率低于80%的CH4數據；(3) 去除夜間摩擦風速<0.1 m/s時的數據。最終2012年和2013年CH4通量數據保存率為31.2%和30.7%。

本文對不大于2h的CH4通量空缺以線性內插法插補,對大于2h的空缺則選擇滑動窗平均日變化法 (gliding-window mean diurnal variations method)[24]進行插補,滑動窗口依次為7、14、30 d,對大于30 d的空缺不進行插補。本文以插補數據計算的累積通量為標準值,同時以未插補數據計算而得的累積通量作對比。

采用Multiple Imputation (MI) 法進行CH4月通量和年通量的不確定性分析。MI法是基于蒙特卡羅理論的一種方法[25],其原理是以若干個模擬值替代缺失值從而得到若干個插補數據集,不同階段的累計通量及不確定性則通過該若干個數據集進行統計計算獲取。目前該方法已被用于CO2和H2O[25]及CH4和N2O[11]通量的插補。本文通過此方法獲取月通量和年通量的95%的置信區間 (95% CI)。

土壤溫度 (Ts)、土壤含水量 (SWC)、水位 (WT)、摩擦風速 (Ustar) 和總生態系統生產力 (Gross Ecosystem Productivity,GEP) 被認為是調節CH4通量的最可能的因子[10,12,26]。本文采用SAS 9.3 軟件進行數據統計分析,以Spearman相關系數檢驗不同時間尺度CH4通量與上述環境因子的關系。

2 結果與分析

2.1 環境因子

2012年平均氣溫 (15.9 ℃) 較2013年 (17.7 ℃) 低,但土壤溫度 (5 cm深,17.3 ℃) 較2013年 (15.2 ℃)高 (圖2)。2012年7月11日至8月20日淹水,最高水位2.8 m,而2013年最高地下水位為-0.57 m (6月7日)。淹水期間土壤表層溫度一直保持在25 ℃左右,土壤含水量 (SWC) 幾乎保持飽和狀態 (約0.6)。而2013年同期的土壤溫度為全年最高 (>28 ℃),SWC則從7月6日的0.58一直下降至9月4日的0.38。2012年的降雨量主要集中于前9個月,年總降雨量為1860 mm。而2013年降雨量全年分布更均勻,年總降雨量為1670 mm。

圖2 環境因子變化Fig.2 Dynamics of environmental factorsTa:空氣溫度air temperature;Ts: 5 cm深處土壤溫度 soil temperature; SWC: 15 cm深處土壤體積含水量soil volumetric water content

2.2 CH4通量的日變化

在淹水月份 (2012年7月和8月),CH4通量具有較明顯的日變化規律,然而淹水前、淹水期間和退水后的日變化規律不同。淹水前,白天排放強度顯著高于夜間,分別于8:00和11:00出現峰值,9:00 出現日間最小值 (圖3)。淹水期間,清晨 (6:00—9:00) 和夜間 (19:00—23:00) 排放逐漸增加,并于9:00和23:00 達到峰值,下午14:00 出現全天最小值 (圖3)。退水后,通量表現為明顯的單峰型,峰值出現于10:00 (圖3)。通量變化幅度以退水后最大,淹水期間次之,淹水前最小。

未淹水時期,典型單日CH4通量的日變化規律不明顯,但部分月份的月平均日變化表現出一定的相似性,主要表現為白天排放強,而夜間排放弱,并于上午、中午或下午出現全天的最強排放 (圖3)。這一規律在2012和2013年全年平均日變化中也得以體現 (圖3)。此外,在夜間、日出或日落、正午前后CH4的排放強度往往較弱,甚至出現CH4的吸收。然而,多數月份的月平均日變化并未明顯表現出上述規律 (圖3)。通量的平均日變化規律顯著與否與該月的通量強度并無直接關系 (圖3)。

圖3 CH4通量的平均日變化Fig.3 Mean diurnal changes of CH4 flux 所選月份的數據保持量均>55%。其中a, b, c為淹水前、淹水期間和退水后；d, e, f未表現出明顯的日變化特征；g, h, i, j, k, l表現出白天的通量較強而夜間較弱的特征

2.3 CH4通量的季節變化

2012年與2013年的月通量表現出不同的季節變化特征 (圖4)。2012年1月至3月排放強度基本穩定,自3月開始逐漸減小,并于5月達到最小。然而自6月起急劇增加,并于8月達到最大。之后迅速回落,并逐漸降低至12月份。自2013年1月起逐漸增加至3月。于4月短暫回落后又逐漸回升直至6月。7月份表現出微弱的吸收,但于8月份又恢復至6月份的強度,之后逐漸減弱,并于11月達到最小。而之后的2個月又表現出較強的排放。

圖4 CH4通量的月際變化Fig.4 Dynamic of monthly CH4 fluxMDV和MI分別表示經滑動窗平均日變化法和Multiple Imputation 法插補后計算的月通量值

由未插補數據計算而得的月通量變化與插補數據計算的結果基本表現一致。然而不同的是,前者顯示幼林于2013年7月排放強度極微弱,而從8月起表現為較強的吸收,并于9月份達到最大吸收值 (-7.6 mmol/m2)。插補后與未插補結果的差異主要由于儀器故障導致2013年8月和9月數據缺失過多。

總之,2012年排放高峰出現于淹水期間 (7—8月),但淹水前 (6月) 和淹水后 (9月) 均受到長江水位的影響而表現出相對較強的排放；最弱的排放出現于受水位影響較小的春末夏初 (5月) 和秋末冬初 (11和12月)。而2013年最強排放出現于初夏 (6月),而最弱排放出現于盛夏 (7月) 和秋末 (11月份)。結合未經插補計算而得的通量變化情況推測,夏季 (7—9月) 將可能表現出一定強度的CH4吸收。

2.4 CH4通量的年際變化

2012年CH4排放量 ((128.0±42.4) mmol/m2) 是2013年 ((51.5±29.1) mmol/m2) 的2.5倍 (圖5),然而2012年淹水月份 (7、8月份) 的CH4排放量 ((107.3±11.3) mmol/m2) 占全年排放量的83.8%,是2013年同期排放量的16倍。而2012年未淹水月份的總排放量為20.7 mmol/m2,為2013年同期排放量的0.46倍。因此,灘地淹水與否是直接導致這2年通量巨大差異的最主要原因。

圖5 CH4通量的年際變化Fig.5 Interannual dynamic of CH4 flux

2.5 不同時間尺度CH4通量的影響因素

淹水期間,半小時通量與SWC、WT表現出極顯著的負相關,而與Ustar表現出極顯著的正相關；而日通量與SWC和WT負相關性較大,但不顯著 (表1)。

未淹水期間,2012和2013年在半小時尺度、日尺度和月尺度通量上均具有不同的環境控制因子。半小時尺度上,2012年通量與Ts和WT具有極顯著正相關性,并與Ustar具有顯著正相關性；而2013年通量僅與Ustar具有極顯著正相關性。日尺度上,2012年通量與Ts和WT具有顯著正相關性,而2013年通量仍僅與Ustar具有顯著正相關性。在月尺度上,2012年通量與WT表現出較強的正相關性,而2013年通量未與任何變量表現出顯著相關性。

3 討論

目前的研究顯示,CH4通量的日變化特征較復雜。有學者將天然濕地CH4通量日變化規律總結為日間極大值型、夜間極大值型和隨機型[27],將稻田日變化規律總結為單峰型、雙峰型和無規則型[28],且這些變化特征主要根據大量的箱法觀測研究案例總結而出。而本研究基于渦度相關法的觀測結果顯示,本研究區幾乎表現出了上述所有的日變化特征,表明長江灘地CH4通量具有更復雜的日動態變化。Querino等基于渦度相關法的研究發現,熱帶森林在日出后會出現持續5h的較強的CH4排放,歸因于夜間儲藏在冠層的氣體日出后被排放[29]。而本研究中部分月份和2個全年的平均日變化均顯示,在白天也呈現出持續數小時的較強排放 (圖2),但并非由于冠層夜間儲藏氣體的釋放 (因為冠層十分稀疏),而可能由于日出后大氣湍流加強,將土壤中夜間駐留的氣體緩慢帶出了土壤。

大多研究都表明CH4通量季節性變化明顯。典型的濕地生態系統以CH4排放為主,其排放高峰多集中于夏季[30-33]。而溫帶森林生態系統以CH4吸收為主,其吸收強度以夏季最高,冬季最小[34]。而人工林生態系統的季節變化相對復雜。孫曉新等研究發現,天然沼澤和排水造林的人工林CH4通量都有明顯的季節變化規律,但人工林CH4通量峰值出現的時間和頻率與天然沼澤不同,峰值相對較小,有吸收CH4的現象[35]。Zona等對由農田轉變的楊樹人工林溫室氣體通量的研究顯示,CH4排放量以生長季最低,非生長季最高[11]。本站點此前的研究表明,灘地楊樹人工林成熟林在未淹水年份的生長季具有較強的CH4吸收能力,但皆伐后CH4吸收能力降低[16]。而本研究中未插補數據顯示2013年8—9月表現出較強吸收。因此推斷,今后未淹水年份的CH4通量將在夏季出現較弱的CH4排放,甚至將表現出一定強度的吸收。

由于環境因子常對CH4的產生和氧化同時產生影響,二者的動態平衡導致其對CH4通量的影響處于動態變化當中[36-38],因此,CH4通量的調控機制往往十分復雜。一般認為溫度、土壤水分、水位、湍流條件和生態系統生產力是調節CH4通量的最可能的因子[10,12,26]。而濱水區處于水生和陸生生態系統的過渡區域,其CH4通量的調控則更加復雜。季節性淹水由于能對許多生物地球化學過程產生影響而被認為是濱水區異質性的主要驅動力[39]。地下水位是有氧和無氧區的分界線,因而此處CH4產生和氧化均十分活躍,為CH4排放的熱點位置[40]。而水位的變化會導致該熱點位置發生移動,同時會導致氣體傳輸距離的改變。本研究中,水位對2012年各時間尺度通量均產生顯著影響,而未對2013年通量產生影響,因為2012年水位的變化較2013年幅FCH4_hh,FCH4_d和FCH4_m分別為半小時、日平均通量和月平均通量 (nmol m-2s-1),均采用未經插補的數據;Ts：5 cm深處土壤溫度 soil temperature；SWC：15 cm深處土壤體積含水量 soil volumetric water content；WT：地下水位 water table；Ustar：摩擦風速 friction velocity；GEP：總生態系統生產力 gross ecosystem productivity；SCC：Spearman相關系數,P為顯著性; ***表示P<0.0001,**表示P<0.001,*表示P<0.05度大得多 (圖2)。摩擦風速是大氣湍流條件的重要指標,它同時對擴散和冒泡這2種CH4排放方式產生重要影響[10],而這兩種方式分別為未淹水和淹水時期CH4排放的主要途徑,因而本研究中摩擦風速對2012年淹水和未淹水時期及2013年CH4通量均有顯著影響。Chu等在淡水濕地和玉米地中的研究發現,摩擦風速是半小時CH4通量的主要控制因素,而對更長時間尺度通量影響不明顯[10]。而本研究中摩擦風速不僅對任何時期半小時通量具有顯著影響,而且對2013年的日通量也具有顯著影響。此外,摩擦風速對CH4排放的影響常在氣體傳輸受阻時更顯著[10]。本研究中摩擦風速對2013年通量影響更大,可能由于2013年具有更低的地下水位而導致CH4排出的阻力更大,同時更茂密的地表覆蓋使土壤表面湍流減弱而導致CH4擴散更慢,因而摩擦風速的作用更顯著。土壤溫度是影響生物活性的重要因子,其同時對甲烷氧化菌和產甲烷菌的活性產生影響[37]。本研究中土壤溫度對2012年較小尺度通量產生顯著影響,而對2013年通量無影響,可能由于2012年地表植被覆蓋更少而導致土壤溫度波動更大 (圖2)。林下農作物的間作活動對CH4通量可能產生影響。然而,本研究中,生態系統的初級生產力對通量并未表現出顯著影響,而幼林期人工林的生產力主要來源于林下植被,因此可以推測林下作物的生長狀況對CH4通量影響不顯著。此外,土壤水分也未表現出對CH4通量的顯著影響,因此推測農業灌溉活動對全年的不同時間尺度CH4通量影響不顯著,但灌溉和暴雨沖擊對CH4通量的短期影響不清楚。至于施肥對CH4通量的影響,本研究難以推斷。

表1 不同時間尺度的CH4通量與潛在控制因子的相關性

目前對CH4通量缺失數據尚無統一的插補方法。Chu等應用邊緣分布抽樣法 (Marginal Distribution Sampling method, MDS)進行數據插補[10],而Zona等運用分時段線性外推法 (Linear Extrapolation)進行線性插補,而運用MI (Multiple Imputation)法進行不確定性估算[11]。MDS法和MI法均為基于Monte Carlo 技術的數據插補方法。本研究中由于CH4通量在不同時間尺度上具有一定的變化趨勢 (圖3,圖4),且數據的缺失在一天中并非均勻分布,因此在進行全年通量估算時應對缺失值進行插補。本文運用滑動窗平均日變化法 (MDV) 插補計算的月通量和年通量與未經插補而計算的通量和經MI法插補而計算的通量均具有較好的一致性,由此可見MDV法用于本研究區CH4通量缺失值插補是可行的。

4 結論

本研究表明,灘地人工林幼林不同時間尺度上的CH4通量變化均表現出較大的變異性,主要體現在：(1) 全年和部分未淹水月份表現出白天排放強而夜間排放弱的日變化特征,而淹水前、淹水期間和退水后分別表現出日間雙峰型 (7:00和10:00)、日間與夜間各一峰的雙峰型 (10:00和23:00),以及典型的日間單峰型 (10:00),但多數未淹水月份未表現出明顯的日變化特征；(2) 淹水年份 (2012年) 在夏季 (6—8月)排放最強,在春末 (5月) 和秋末冬初 (11—12月) 排放最弱,而未淹水年份 (2013年) 在初夏 (6月) 排放最強,在盛夏 (7月) 和秋末 (11月) 轉變為較弱的吸收；(3) 淹水年份的年排放量 ((128.0±42.4) mmol/m2) 為未淹水年份 ((51.5±29.1) mmol/m2) 的2.5倍。灘地人工林幼林CH4通量的日變化和季節變化最可能受到摩擦風速、水位和土壤溫度的調節,而年際變化主要由淹水狀況決定。

[1] Hartmann D L, Tank A M G K, Rusticucci M, Alexander L V, Br?nnimann S, Charabi Y, Dentener F J, Dlugokencky E J, Easterling D R, Kaplan A, Soden B J, Thorne P W, Wild M, Zhai P M. Observations: Atmosphere and Surface// Stocker T F, QinD, PlattnerG K, TignorM, AllenS K, BoschungJ, NauelsA, XiaY, BexV,MidgleyP M, eds. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge: Cambridge University Press, 2013.

[2] Gregory S V, Swanson F J, McKee W A, Cummins K W. An ecosystem perspective of riparian zones. BioScience, 1991, 41(8): 540-551.

[3] Swanson F J, Gregory S V, Sedell J R, Campbell A G. Land-water interactions: the riparian zone. Analysis of Coniferous Forest Ecosystems in the Western United States, 1982: 267-291.

[4] 陳吉泉. 河岸植被特征及其在生態系統和景觀中的作用. 應用生態學報, 1996, 7(4): 439-448.

[5] Johnson R R, McCormick J F. Strategies for protection and management of floodplain wetlands and other riparian ecosystems: Proceedings of the symposium.Washington, D.C.: USDA Forest Service General Technical Report WO-12, 1979.

[6] Dinsmore K J, Skiba U M, Billett M F, Rees R M, Drewer J. Spatial and temporal variability in CH4and N2O fluxes from a Scottish ombrotrophic peatland: Implications for modelling and up-scaling. Soil Biology and Biochemistry, 2009, 41(6): 1315-1323.

[7] Sun Q Q, Shi K, Damerell P, Whitham C, Yu G H, Zou C L. Carbon dioxide and methane fluxes: Seasonal dynamics from inland riparian ecosystems, northeast China. Science of the Total Environment, 2013, 465: 48-55.

[8] Beger M, Grantham H S, Pressey R L, Wilson K A, Peterson E L, Dorfman D, Mumby P J, Lourival R, Brumbaugh D R, Possingham H P. Conservation planning for connectivity across marine, freshwater, and terrestrial realms. Biological Conservation, 2010, 143(3): 565-575.

[9] Baldocchi D, Detto M, Sonnentag O, Verfaillie J, Teh Y A, Silver W, Kelly N M. The challenges of measuring methane fluxes and concentrations over a peatland pasture. Agricultural and Forest Meteorology, 2012, 153: 177-187.

[10] Chu H S, Chen J Q, Gottgens J F, Ouyang Z T, John R, Czajkowski K, Becker R. Net ecosystem methane andcarbon dioxide exchanges in a Lake Erie coastal marsh and a nearby cropland. Journal of Geophysical Research: Biogeosciences, 2014, 119(5): 722-740.

[11] 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. Agriculturaland Forest Meteorology, 2013, 169: 100-110.

[12] Olson D M, Griffis T J, Noormets A, Kolka R, Chen J. Interannual, seasonal, and retrospective analysis of the methane and carbon dioxide budgets of a temperate peatland. Journal of Geophysical Research: Biogeosciences, 2013, 118(1): 226-238.

[13] Smeets C J P P, Holzinger R, Vigano I, Goldstein A H, R?ckmann T. Eddy covariance methane measurements at a Ponderosa pine plantation in California. Atmospheric Chemistry and Physics, 2009, 9(21): 8365-8375.

[14] Hendriks D M D, Dolman A J, van der Molen M K, van Huissteden J. A compact and stable eddy covariance set-up for methane measurements using off-axis integrated cavity output spectroscopy.Atmospheric Chemistry and Physics, 2008, 8(2): 431-443.

[15] 張旭東, 漆良華, 周金星, 劉國華, 黃玲玲. 林業血防生態工程在血吸蟲病防治中的作用及展望. 世界林業研究, 2006, 19(4): 33-37.

[16] 高升華, 張旭東, 湯玉喜, 張蕊, 唐潔, 張雷, 申貴倉, 魏遠. 灘地美洲黑楊人工林皆伐對地表甲烷通量的短期影響. 林業科學, 2013, 49(1): 7-13.

[17] Schmid H P. Source areas for scalars and scalar fluxes. Boundary-Layer Meteorology, 1994, 67(3): 293-318.

[18] 魏遠, 張旭東, 江澤平, 周金星, 湯玉喜, 吳立勛, 黃玲玲, 高升華. 湖南岳陽地區楊樹人工林生態系統凈碳交換季節動態研究. 林業科學研究, 2010, 23(5): 656-665.

[19] Rebmann C, Kolle O, Heinesch B, Queck R, Ibrom A, Aubinet M. Data acquisition and flux calculations//Aubinet M, Vesala T, Papale D, eds. Eddy Covariance: A Practical Guide to Measurement and Data Analysis.Netherlands: Springer, 2012: 59-84.

[20] Schotanus P, Nieuwstadt F T M, De Bruin H A R. Temperature measurement with a sonic anemometer and its application to heat and moisture fluxes. Boundary-Layer Meteorology, 1983, 26(1): 81-93.

[21] Webb E K, Pearman G I, Leuning R. Correction of flux measurements for density effects due to heat and water vapour transfer.Quarterly Journal of the Royal Meteorological Society, 1980, 106(447): 85-100.

[22] Ibrom A, Dellwik E, Larsen S E, Pilegaard K. On the use of the Webb-Pearman-Leuning theory for closed-path eddy correlation measurements. Tellus B, 2007, 59(5): 937-946.

[23] Detto M, Verfaillie J, Anderson F, Xu L K, Baldocchi D. Comparing laser-based open-and closed-path gas analyzers to measure methane fluxes using the eddy covariance method. Agricultural and Forest Meteorology, 2011, 151(10): 1312-1324.

[24] Falge E, Baldocchi D, Olson R, Anthoni P, Aubinet M, Bernhofer C, Burba G, Ceulemans R, Clement R, Dolman H, Granier A, Gross P, Grünwald T, Hollinger D, Jensen N O, Katul G, Keronen P, Kowalski A, Lai C T, Law B E, Meyers T, Moncrieff J, Moors E, Munger J W, Pilegaard K, Rannik ü, Rebmann C, Suyker A, Tenhunen J, Tu K, Verma S, Vesala T, Wilson K, Wofsy S. Gap filling strategies for defensible annual sums of net ecosystem exchange.Agricultural and Forest Meteorology, 2001, 107(1): 43-69.

[25] Hui D F, Wan S Q, Su B, Katul G, Monson R, Luo Y Q. Gap-filling missing data in eddy covariance measurements using multiple imputation (MI) for annual estimations.Agricultural and Forest Meteorology, 2004, 121(1/2): 93-111.

[26] Schrier-Uijl A P, Kroon P S, Hensen A, Leffelaar P A, Berendse F, Veenendaal E M. Comparison of chamber and eddy covariance-based CO2and CH4emission estimates in a heterogeneous grass ecosystem on peat.Agricultural and Forest Meteorology, 2010, 150(6): 825-831.

[27] 郝慶菊, 王躍思, 江長勝, 王長科, 王明星. 濕地甲烷排放研究若干問題的探討. 生態學雜志, 2005, 24(2): 170-175.

[28] 陳槐, 周舜, 吳寧, 王艷芬, 羅鵬, 石福孫. 濕地甲烷的產生、氧化及排放通量研究進展. 應用與環境生物學報, 2006, 12(5): 726-733.

[29] Querino C A S, Smeets C J P P, Vigano I, Holzinger R, Moura V, Gatti L V, Martinewski A, Manzi A O, de Araújo A C, R?ckmann T. Methane flux, vertical gradient and mixing ratio measurements in a tropical forest. Atmospheric Chemistry and Physics, 2011, 11(15): 7943-7953.

[30] 陳槐, 高永恒, 姚守平, 吳寧, 王艷芬, 羅鵬, 田建卿. 若爾蓋高原濕地甲烷排放的時空異質性. 生態學報, 2008, 28(7): 3425-3437.

[31] 楊紅霞, 王東啟, 陳振樓, 陳華, 王軍, 許世遠, 楊龍元. 長江口崇明東灘潮間帶甲烷(CH4)排放及其季節變化. 地理科學, 2007, 27(3): 408-413.

[32] 黃國宏, 肖篤寧, 李玉祥, 陳冠雄, 楊玉成, 趙長偉. 蘆葦濕地溫室氣體甲烷(CH4)排放研究. 生態學報, 2001, 21(9): 1494-1497.

[33] Cheng X L, Luo Y Q, Xu Q, Lin G H, Zhang Q F, Chen J K, Li B. Seasonal variation in CH4emission and its13C-isotopic signature fromSpartinaalternifloraandScirpusmariquetersoils in an estuarine wetland. Plant and Soil, 2010, 327(1/2): 85-94.

[34] 孫向陽. 北京低山區森林土壤中CH4排放通量的研究. 土壤與環境, 2000, 9(3): 173-176.

[35] 孫曉新, 牟長城, 馮登軍, 劉霞, 程偉, 石蘭英. 排水造林對小興安嶺沼澤甲烷排放的影響. 生態學報, 2009, 29(8): 4251-4259.

[36] Hopfensperger K N, Gault C M, Groffman P M. Influence of plant communities and soil properties on trace gas fluxes in riparian northern hardwood forests. Forest Ecology and Management, 2009, 258(9): 2076-2082.

[37] Le Mer J, Roger P. Production, oxidation, emission and consumption of methane by soils: a review. European Journal of Soil Biology, 2001, 37(1): 25-50.

[38] Segers R. Methane production and methane consumption: a review of processes underlying wetland methane fluxes. Biogeochemistry, 1998, 41(1): 23-51.

[39] Naiman R J, Décamps H. The ecology of interfaces: riparian zones. Annual review of Ecology and Systematics, 1997, 28: 621-658.

[40] Hagedorn F, Bellamy P. Hot spots and hot moments for greenhouse gas emissions from soils. Soil Carbon in Sensitive European Ecosystems: From Science to Land Management, 2011: 9-14.

Dynamics and regulation of CH4fluxes in a poplar plantation on a floodplain

GAO Shenghua1, ZHANG Xudong1,*, TANG Yuxi2, CHEN Jiquan3, TANG Jie2, SUN Qixiang1, TANG Xuejun1,4

1 State Key Laboratory of Tree Genetics and Breeding, Research Institute of Forestry, Chinese Academy of Forestry, Beijing 100091, China 2HunanAcademyofForestry,Changsha410004,China3CenterforGlobalChangeandEarthObservationsandDepartmentofGeography,MichiganStateUniversity,EastLansing,MI48823,USA4EastChinaForestInventoryandPlanningInstitute,StateForestryAdministration,Hangzhou310019,China

Atmospheric methane (CH4) concentration has been rising in recent years after a short cease, resulting in an increased global warming potential 28 times that of CO2in 2011. This phenomenon has caused extensive concern about the atmospheric CH4sink and source as well as the dynamics of CH4flux at different temporal scales. In fact, changes in CH4flux are more complicated than those of CO2, owing to the complex interactions between biotic and abiotic regulations. In the past decade, the eddy covariance method has been widely used to assess changes in CH4flux and enhanced the understanding of the dynamics and regulations of the flux. The floodplain of the Yangtze River is a hotspot for CH4emission because of frequent water inundation, although limited evidence has been reported. In this study, CH4flux was continuously measured with a close-path eddy covariance system using a Fast Methane Analyzer (FMA DLT-100, Los Gatos Research, Inc. USA) for more than two years (January 2012—February 2014) in a youngPopulusdeltoidesplantation on a floodplain of the Yangtze River. Throughout the experiment, several environmental factors were observed in order to reveal CH4flux dynamics and the environmental controls at different temporal scales. This plantation was re-established in late January 2012 after clear-cutting of the former mature one, and the field was inundated with water in 2012 for approximately 40 d (July 11th-August 20th), but not in 2013. We found that CH4flux was highly variable at several temporal scales. At the half-hourly to daily scale during certain months of non-inundation and over both entire years, the mean diurnal exhibited similar patterns, i.e., the emissions were strong and reached their maximum during the day while they were weak at night. However, this pattern was not apparent in most non-inundation months. In the months of inundation (July-August 2012), the mean diurnal variations showed a double-peak pattern before and during inundation, while a single-peak pattern was observed after inundation. The two peaks before inundation appeared at 7:00 and 10:00, while those during inundation appeared at 10:00 and 23:00. The peak observed after inundation appeared at approximately 10:00. At the monthly to yearly scale, CH4fluxes in the two years exhibited patterns in seasonal variation. During the year of inundation (2012), the strongest emission appeared in summer (June-August), whereas the weakest emission appeared in late spring (May) and late autumn through early winter (November-December), at which point the system behaved as a CH4source. In the year without inundation (2013), the strongest emission appeared in early summer (June) while the weakest emissions were found in mid-summer (July) or late autumn (November). At the yearly scale, CH4emission in the inundation year ((128.0±42.4) mmol/m2) was 2.5 times of that in the non-inundation year ((51.5±29.1) mmol/m2), where the emission in the inundation months was responsible for 83.8% of the annual total. We also found that the CH4flux at the half-hourly and daily scales was mainly modulated by the friction velocity, water table, and soil temperature, whereas the large interannual difference was mainly determined by inundation frequency and magnitude.

methane flux; Yangtze River; floodplain; eddy covariance;Populusdeltoidesplantation

國家科技支撐計劃課題(2015BAD07B07；2015BAD07B04)

2015-03-22;

日期:2016-01-05

10.5846/stxb201503220546

*通訊作者Corresponding author.E-mail: zhxdcaf@163.com

高升華,張旭東,湯玉喜,陳吉泉,唐潔,孫啟祥,唐學君.灘地人工林幼林不同時間尺度CH4通量變化特征——基于渦度相關閉路系統的研究.生態學報,2016,36(18):5912-5921.

Gao S H, Zhang X D, Tang Y X, Chen J Q, Tang J, Sun Q X, Tang X J.Dynamics and regulation of CH4fluxes in a poplar plantation on a floodplain.Acta Ecologica Sinica,2016,36(18):5912-5921.