農業干旱對華北平原農業生態系統碳通量的影響

王 楠，辜玉慧，馬孝義

（1. 西北農林科技大學水利與建筑工程學院，陜西 楊凌 712100；2. 西北農林科技大學 旱區農業水土工程教育部重點實驗室，陜西 楊凌 712100）

0 引 言

農業生產對全球碳排放的貢獻率約為19%～29%，在陸地碳循環中發揮著重要作用［1］。特別是中國，因為中國的耕地面積僅次于森林和草地［2］。然而全球變暖導致了干旱的擴張，對陸地生態系統碳循環有強烈的限制作用［3］，凈生態系統碳交換量（NEE）是表明一個生態系統是碳匯還是碳源的指標，而研究表明干旱導致生態系統碳匯強度大幅下降［4，5］。因此，分析和理解干旱事件對農田NEE的影響對了解區域碳循環和生態系統行為至關重要。

干旱是全球生態系統碳匯年際變化的主要原因，由于干旱會引起植物水分脅迫導致光合速率和葉面積降低［6，7］，因此會降低生產力和碳通量。KWON等［8］表明草地生態系統表現為碳源還是碳匯取決于不同的降水年型。2003 年歐洲的嚴重干旱使生態系統總生產力下降30%，嚴重影響碳固存［9］，其中干旱使法國草原碳匯減少了6%，匈牙利草原從碳匯轉變為碳源［10，11］。2007 年美國夏季干旱顯著降低了大豆生態呼吸［12］。中國華北平原在2007 年和2009 年也遭受了嚴重的干旱，導致玉米碳吸收迅速減小［13］。CIAIS 等［9］認為干旱可能會改變大陸碳平衡，但農田生態系統相較于其他生態系統受人類活動的影響更大［14］。灌溉、排水、施肥等田間管理措施都會影響作物碳吸收［15，16］，這使得農業生態系統在全球碳循環中處于更活躍的位置。到目前為止，對農田的研究主要集中在不同作物碳通量的季節和年際變化［17，18］，其中一些研究揭示了管理實踐對農田碳通量的重要性［19-21］。然而農田生態系統NEE對干旱的響應并沒有得到足夠的關注和充分的理解。

華北平原是中國主要的糧食生產基地，但經常受到干旱的影響［22］。鑒于此，本文針對該地區評估了2001-2020 年農業干旱的時空特征；農業干旱對農田生態系統NEE的季節性影響；不同農業干旱強度下NEE的空間分布。

1 材料與方法

1.1 研究區概況

華北平原位于中國東部，占地面積約30 萬km2，包括北京、天津、河北、山東、河南、江蘇和安徽部分地區［圖1（a）］，屬溫帶季風氣候，四季變化明顯，年平均降水量由南向北下降。年平均溫度8～15 ℃，年平均降水量在500～1 000 mm。研究區冬小麥一般于9月下旬-10月上旬播種，第二年5月下旬-6月上旬收獲，夏玉米一般于6月中下旬播種，9月下旬-10月上旬收獲，其中冬小麥和夏玉米的播種時間在上一季作物收獲后的2～3 周內，所以冬小麥和夏玉米收獲和播種的月份會出現重復（即6月和10月），本文統一冬小麥的生長周期為11月至第二年5月，夏玉米為7月至9月。

圖1 研究區域、氣象站點和通量塔站點分布、冬小麥格網和夏玉米格網分布Fig.1 Study area， distribution of meteorological station and flux station， winter wheat grid and summer maize grid

1.2 數據來源

1.2.1 地面觀測數據及預處理

從中國氣象網（http：//data.cma.cn/）獲取了56 個站點［圖1（b）］從2000-01-01至2020-12-31的逐日最高氣溫、最低氣溫、空氣相對濕度、風速和日照時數，用于計算逐日太陽總輻射（SOL）［23］，并利用克里金進行空間插值。從國家生態數據中心（http：//www.nesdc.org.cn）分別獲取了禹城（116°34′E，36°49′N）和欒城（114°41′E，37°53′N）通量站點［圖1（b）］逐日NEE 數據用于后續模型的優化和校正，其中禹城通量站點的數據范圍為2003-2010 年，欒城通量站點的數據范圍為2007-2013 年。2001-2020年市級的冬小麥和夏玉米單位產量數據來源于中國統計局年鑒資料（http：//www.stats.gov.cn/）。

1.2.2 遙感數據及預處理

本文的遙感數據均從google earth engine 上獲得，其中2000-2020 年的遙感反射率數據來源于MOD09A1，空間分辨率為500 m，時間分辨率為8 天，本文所用的植被指數見式（1）～（3）， 并利用S-G濾波［24］對植被指數進行去噪平滑［式（4）］。

式中：Y是平滑前的植被指數；Y*是平滑后的植被指數；Ci是平滑窗口內第i個植被指數值的濾波系數；N是卷積的數目，等于滑動數組的長度（2m+1），m是滑動窗口的寬度一半，由Madden［25］提出的公式計算得到。NIR、RED、BLUE和SWIR分別為近紅外、紅光、藍光和短波紅外反射率，NDVI為歸一化植被指數，EVI為增強型植被指數、LSWI為地表水分指數。

實際蒸散發和潛在蒸散發數據來源于MOD16A2.006 和MOD16A2 V105 數 據集。本文利 用NDVI 閾值法［26］在google earth engine平臺提取了冬小麥和夏玉米2000-2020年的種植分布。為了減少計算量，采用ArcGIS對研究區主要的種植區域進行網格劃分（圖1c和d），其中網格的空間分辨率為0.25°×0.25°，假設在格網內作物有均一的氣候條件和種植模式，每個格網的遙感和氣象數據為格網內所有冬小麥/夏玉米像元的均值。

1.3 研究方法

1.3.1 農業干旱指標

本文采用MU 等［27］提出的干旱嚴重程度指數（DSI）作為評價農業干旱的指標，該指數考慮了作物的蒸散發和自身的生長狀況［式（5）～（7）］。本文計算的DSI的時間分辨率為一個月，空間分辨率為0.25°。

式中：RT為ET與PET的比值，可以反映土壤的干濕狀況；ET為實際蒸散發，PET為潛在蒸散發；分別為冬小麥/夏玉米生育期間RT和NDVI長期的月均值；σRT和σNDVI分別為冬小麥/夏玉米生育期間RT和NDVI長期的月標準差；和σZ分別為Z的均值和標準差。DSI對應的農業干旱強度分類標準見表1。

表1 DSI和SRSNEE的分類標準Tab.1 DSI and SRSNEE categories

1.3.2 碳通量計算

植被光合呼吸模型（Vegetation Photosynthesis and Respiration Model， VPRM）［28］是在VPM 模型的基礎上發展起來的［式（8）～（10）］，該模型支持連續長時間序列的CO2通量模擬，且已被證實可以較好的估算農田生態系統的碳通量［29］，PATHMATHEVAN［28］認為VPRM 模型計算月尺度NEE的結果是可接受的，因此，本文計算NEE的時間步長取一個月，其中NEE為負值時代表碳匯，NEE為正值時代表碳源。NEE越小代表碳匯能力越強，NEE越大代表向大氣釋放碳的能力越強。

式中：GPP為總初級生產力；Reco為生態系統呼吸量；Tscale，Pscale和Wscale分別為溫度、物候、水分對植被光合作用的脅迫；PAR為光合有效輻射，近似于SOL×0.5；T為空氣溫度；λ，PAR0，α和β為模型參數，本文利用禹城站2003-2008 年和欒城站2007-2011年的實測NEE對VPRM 的參數進行優化率定，并利用禹城站2009-2010 年和欒城站2012-2013 年的實測NEE對模型進行驗證（圖2），結果表明模擬精度較高，可用于后續分析。

圖2 VPRM模型冬小麥和夏玉米參數優化驗證Fig.2 VPRM model parameter optimization verification of winter wheat and summer maize

1.3.3 空間分析

地理探測器可以通過空間異質性來探測因變量和自變量之間空間分布格局的一致性，據此度量自變量對因變量的解釋力［30］，其中解釋力用q表示［式（11）］。

式中：h為自變量X的分區；Nh和N分別為層h和全區的單元數；和σ2分別是層h和全區因變量Y值的方差，SSW和SST分別為層內方差之和和全區總方差。q的取值范圍是0～1，q值越大，表示自變量對因變量的解釋力越強。

1.3.4 去趨勢分析

模擬得到的NEE主要由趨勢值、氣候值和隨機值組成，趨勢值反映了生產力的發展對農作生長的影響，包括品種的更新，管理技術的優化，水肥的高效利用等。本文利用二次函數去除趨勢值，然后使用去趨勢的殘差序列進行分析，為比較不同均值和標準差之間的NEE變異性，采用Z-score 變化對非趨勢時間序列的NEE進行標準化［式（12）］。

式中：yNEE、μNEE和σNEE分別為NEE的殘差、殘差的均值和殘差的標準差：SRSNEE為NEE的標準化殘差序列，本文用來表示碳匯損失的大小，其分類標準見表1。

2 結 果

2.1 農業干旱的時空分布

冬小麥生長早期（11月），華北平原南部主要以輕度干旱為主，北部主要發生初級干旱，隨著冬小麥發育，農業干旱逐漸向北轉移（圖3）。返青期-拔節期南部冬小麥極少發生農業干旱，北部的農業干旱也在減弱。隨著冬小麥進入抽穗期，南部變得濕潤，北部趨于正常，隨后灌漿期北部開始變得濕潤，南部基本不發生農業干旱現象。夏玉米生育期間，華北平原進入雨季，充足的雨水供應使得土壤濕潤，其中8 月整個華北平原最為濕潤，進入9 月，河南和安徽趨于正常，其余地方依然保持輕度濕潤。

圖3 2000-2020年冬小麥和夏玉米生育期間農業干旱平均分布Fig.3 Average agricultural drought distribution from 2000 to 2020 during winter wheat and summer maize growth period

2.2 農業干旱對碳通量的季節性影響

2.2.1 農業干旱對碳通量的解釋強度

如果只考慮將一個月的DSI作為自變量，發現當前月份的DSI對本月的NEE解釋力最大，對以后月份NEE的解釋力在遞減［圖4（a）］。然而，當前月份的DSI對本月NEE的q值在冬小麥越冬期略有減小，其中在1 月達到最小值（q=0.183），進入返青期（2月）突然增大，并在拔節期（3月）進一步增大達到最大值（q=0.681），隨后在抽穗期和灌漿期又略微下降，但下降趨勢并不明顯。如果將當前月份（包括當前月份）之前的所有DSI作為自變量，發現DSI對冬小麥NEE解釋力大于單變量的q值［圖4（b）］，且隨冬小麥發育在增強，在2 月和3 月的增強幅度較大，并在5月達到最大值（q=0.981）。

圖4 冬小麥單變量DSI對NEE的解釋和多變量DSI對NEE的解釋力Fig.4 Explanatory power of univariate DSI for NEE and multivariate DSI for NEE

夏玉米一個月的DSI對NEE的解釋力趨勢與冬小麥類似（表2），均在當前月份最大，對以后月份的解釋力在減弱。其中8月DSI對夏玉米NEE的解釋力最大。另外，單變量DSI對NEE的解釋力為夏玉米大于冬小麥，說明夏玉米NEE對農業干旱的敏感性要大于冬小麥NEE。

表2 夏玉米單變量DSI對NEE的解釋力，多變量DSI對NEE的解釋力Tab.2 Explanatory power of univariate DSI for NEE and multivariate DSI for NEE in summer maize

2.2.2 農業干旱對碳通量的影響強度

本文分省統計了冬小麥/夏玉米2000-2020年月DSI均值對NEE的影響（圖5）。結果表明五省的DSI整體上在冬小麥苗期和越冬期間有略微的減小，返青之后迅速上升，在灌漿期又下降，而夏玉米生育期間整體上較為濕潤。冬小麥生育期間，當前月份的NEE隨著DSI的減小而減弱，且在冬小麥生育旺期（返青期-灌漿期）的減少幅度大于冬小麥的苗期和越冬期。隨著冬小麥發育，需要更多的水分才能保持NEE的增加或者維持正常水平（除了5 月），雖然整體上5 月DSI相比4 月有所減少，但輕度濕潤依然使冬小麥NEE保持正常水平甚至增加。相比冬小麥，夏玉米對水分需求更大，在7月發生非常濕潤甚至極端濕潤事件才能保持NEE的正常或者增加，在8 月發生極端濕潤才能維持NEE的正常，而在9 月只需輕度濕潤即可使NEE有所增加。

圖5 五省2000-2020冬小麥和夏玉米生育期間DSI對碳通量的影響Fig.5 Effects of DSI on carbon fluxes during winter wheat and summer maize growth in five provinces from 2000 to 2020

冬小麥SRSNEE最小值在五省均分布在返青之后，且此時的DSI均大于-0.3，SRSNEE最大值的分布的月份不集中。但值得注意的是，如果分布在返青期之前，那么此時的DSI比分布在返青期之后的DSI小。而對于夏玉米而言，雖然8 月最濕潤，但是SRSNEE最小值出現在7 月，且此時的DSI均大于1.2，SRSNEE最大值分布在7-9 月，但是分布在8 月對應的DSI大于分布在7 月和9月的對應的DSI。

2.3 碳匯/源的空間分布

農田生態系統與其他生態系統最大的不同是農田生態系統會產生籽粒并最終轉換成CO2，籽粒中的碳含量Cgr可以通過產量Y估算［18］為：

式中：Wgr為籽粒水分含量（小麥為0.140，玉米為0.155）；fc為籽粒含碳率（小麥為0.450，玉米為0.447）；NEE+被定義為NEE與Cgr的和。

如果不考慮籽粒中的碳含量，輕度濕潤使華北平原麥田整體上呈強碳匯［圖6（a）］，而隨著農業干旱強度的增加［正常和初級干旱，圖6（b）和（c）］，其北部和西部的麥田率先降為弱碳匯，而隨著農業干旱強度的進一步增加［輕度干旱，圖6（d）］，整個華北平原麥田都變為弱碳匯。如果考慮籽粒中的碳含量，在輕度濕潤條件下麥田整體上依然維持不錯的碳匯能力［圖6（e）］，隨著農業干旱強度的增加［正常和初級干旱條件，圖6（f）和（g）］，其北部、東部和西部的麥田變為弱碳源，南部則變為弱碳匯，而更強的農業干旱［輕度干旱，圖6（h）］使得華北平原麥田均變為碳源。

圖6 2000-2020年不同農業干旱強度麥田平均碳匯/碳源分布，不考慮籽粒碳含量［（a）～（d）］，考慮籽粒碳含量［（e）～（h）］Fig.6 Average distribution of carbon sinks/sources in wheat fields with different agricultural drought intensities from 2000 to 2020，without considering grain carbon content［（a）～（d）］， with considering grain carbon content［（e）～（h）］

不考慮籽粒碳含量的情況下，隨著濕潤強度降低，華北平原玉米田逐漸從強碳匯轉變為弱碳匯［圖7（a）～（f）］。如果考慮籽粒的碳含量，極端濕潤、非常濕潤和中度濕潤情況下，玉米田表現為弱碳匯和弱碳源相互交替，而隨著濕潤強度的進一步降低，玉米田轉變為碳源［圖7（g）～（l）］。

圖7 2000-2020年不同農業干旱強度玉米田平均碳匯/碳源分布，不考慮籽粒碳含量［（a）～（f）］，考慮籽粒碳含量［（g）～（l）］Fig.7 Average distribution of carbon sink/carbon source in maize fields with different agricultural drought intensities from 2000 to 2020，without considering grain carbon content［（a）～（f）］， with considering grain carbon content［（g）～（l）］

3 討 論

冬小麥在越冬期由于低溫、低輻射等影響，作物生長基本停滯，碳通量的波動較小［31］，雖然此時農業干旱在空間上分布較為明顯，但是其對碳通量解釋力較低。返青期之后冬小麥生長迅速，需水量逐漸加大，但由于降水的時空分布不均使得農業干旱的空間變異性加大。LIU等［16］指出如果此時冬小麥沒有得到及時的水分供給將會顯著影響其生長發育，這是因為這一時期的光熱條件都最好，其光合和呼吸都達到峰值，盡管水分對光和作用的影響是間接的，但水分虧缺會影響葉片水勢，進而增加CO2氣孔傳導阻力和降低光合暗反應酶的活性，使作物固碳效率明顯下降［32，33］。前文已經提到碳通量對農業干旱的敏感性在返青期-拔節期最大，而且這一時期農業干旱對碳通量的影響能夠延續到下一月，所以輕微的土壤水分虧缺都會對冬小麥這一時期的碳通量造成顯著影響，因此，此階段的農業干旱對NEE的解釋力達到最大，類似的結果也顯示出對NEE的影響更大的是降水時間而不是降水量［11，13，18］。

8月是夏玉米碳吸收的頂峰，也是對水分需求最大的月份，所以此時的農業干旱會嚴重影響夏玉米的光合作用和呼吸作用。另外，MANNS 和BERG［34］指出水分虧缺和過量脅迫都會影響生態系統的固碳能力，這與本文夏玉米碳通量的結果有所不同，7 月和8 月只有發生非常濕潤或極端濕潤才能使碳通量維持正常水平甚至增加，這主要是因為7 月和8 月是玉米莖粗增長最快和耗水最大的時期，雖然此時降水量較大，但夏季高溫加快了土壤水分消耗。

普遍認為農田生態系統是強大的碳匯，但如果考慮籽粒中的碳含量，許多研究表明麥田變為弱碳匯，而玉米田則轉變為弱碳源［18，35，36］。這與本文的結果不太一樣。這主要是由于前人的研究是在點尺度進行的，為了保證作物的正常生長，沒有使其發生水分脅迫。而本文的研究結果表明即使不考慮籽粒的碳含量，麥田和玉米田也會隨著農業干旱強度的增加逐步變為弱碳匯，如果考慮籽粒中的碳含量，麥田和玉米田隨著農業干旱強度的增加最終都會轉變為碳源。值得注意的是，不管是NEE還是NEE+，在冬小麥生育期間，灌溉面積較大的地區的碳匯能力比其余地區強［37］，而夏玉米生育期間并沒有類似的規律，有可能是因為降水主要發生在夏玉米生育期間，灌溉需求減少。但夏玉米NEE對農業干旱的敏感性相比冬小麥更高，因為C4植物比C3植物有更高的光利用效率，對土壤水分更敏感，所以如果發生水分脅迫，夏玉米會損失更多的碳［13，18，38］。因此，雖然夏玉米生長在雨季，但依然要注意預防由于高溫引起的水分脅迫，尤其是在生長中期。

4 結 論

本文基于蒸散發和歸一化植被指數計算了干旱嚴重程度指數（DSI）作為評價農業干旱強度的指標，并通過地理探測器和去趨勢分析評估了華北平原農業生態系統NEE對農業干旱的時空響應，主要得出如下結論。

（1）空間上，冬小麥生育期間華北平原北部農業干旱強度大于南部；時間上，隨著冬小麥發育，其農業干旱強度逐漸降低。夏玉米生育期間，華北平原進入雨季，整體較為濕潤。

（2）冬小麥/夏玉米的碳吸收隨著農業干旱強度的增大而減小，且對農業干旱的敏感性在生育中期大于生育初期和末期。

（3）隨著農業干旱程度的加重，如果不考慮籽粒碳含量，麥田和玉米田將從強碳匯變為弱碳匯；如果考慮籽粒碳含量，麥田和玉米田最終會變為碳源。農田生態系統的碳匯能力大小可能跟灌溉有關，需要以后進一步研究。