基于小波分析的稻田甲烷通量及其影響因子多時間尺度特征研究

摘" 要：稻田甲烷（CH4）排放通量研究是當(dāng)前陸地生態(tài)系統(tǒng)碳循環(huán)研究的重要組成部分和熱點問題之一。本研究利用渦度相關(guān)通量觀測數(shù)據(jù)，采用連續(xù)小波變換、交叉小波變換和小波相干譜，分析稻田CH4排放通量及其主要影響因子的多時間尺度特征，結(jié)果表明：從季節(jié)變化特征來看，稻田生態(tài)系統(tǒng)CH4排放通量及其影響因子[總初級生產(chǎn)力（GPP）、潛熱通量（LE）、空氣溫度（TA）、土壤溫度（TS）]均存在明顯的季節(jié)變化特征；從晝夜變化特征來看，在水稻生長季稻田CH4排放通量呈現(xiàn)明顯的單峰值晝夜變化特征，在非水稻生長季稻田CH4排放通量較低，晝夜變化特征不明顯，GPP、LE、TA和TS均呈明顯的單峰晝夜變化規(guī)律?；谶B續(xù)小波變換和小波方差曲線分析，水稻生長季（7—11月）CH4通量、GPP、LE、TA、TS存在明顯的1 d的主周期，同時GPP、LE、TA、TS還存在0.5 d的次周期，而TA、TS還出現(xiàn)以4 d為周期的長周期變化。從交叉小波變換和小波相干譜分析來看，CH4通量與GPP、LE、TA和TS之間的共振周期為1 d左右，在此頻域上存在顯著的共振關(guān)系，且振蕩的凝聚性和相干性最強；在高頻段區(qū)域，CH4通量與GPP、LE、TA、TS之間還存在1個次共振周期，約為0.5 d；在其他頻段上，CH4通量與GPP、LE、TA、TS的共振能量較低，但在共振周期4 d和7～10 d范圍內(nèi)，8月中旬到10月中旬的CH4通量與TA、TS存在較好的相干性。研究結(jié)果對分析稻田CH4排放通量及其影響因子的多時間尺度特征，以及對研究不同時間尺度稻田CH4排放通量及其驅(qū)動因子之間的定量聯(lián)系提供科學(xué)參考。

關(guān)鍵詞：多時間尺度；稻田生態(tài)系統(tǒng)；甲烷通量；小波分析中圖分類號：X144" " " 文獻標(biāo)志碼：A

Multi-time Scale Characteristics of Methane Flux and Its Influencing Factors in Paddy fields Based on Wavelet Analysis

DAI Shengpei1，2

1. College of Geography and Environmental Science， Hainan Normal University / Key Laboratory of Tropical Island Land Surface Processes and Environmental Changes of Hainan Province， Haikou， Hainan 571158， China; 2. Institute of Scientific and Technical Information， Chinese Academy of Tropical Agricultural Sciences / Key Laboratory of Applied Research on Tropical Crop Information Technology of Hainan Province， Haikou， Hainan 571101， China

Abstract： The study of methane （CH4） emission flux from paddy fields is an important part and hot topic in the current study of carbon cycle in terrestrial ecosystems. The multi-time scale characteristics of CH4 emission flux and its influencing factors [gross primary productivity （GPP）， latent heat flux （LE）， air temperature （TA）， soil temperature （TS）] in paddy fields were analyzed based on wavelet analysis and eddy covariance flux observation data. The CH4 emission flux and its influencing factors of paddy field ecosystems had obvious seasonal variation characteristics. The CH4 emission flux from paddy fields in the rice growing season showed obvious single-peak diurnal variation characteristics， while the CH4 emission flux from paddy fields in the non-rice growing season was low， and the diurnal variation characteristics were not obvious. GPP， LE， TA and TS showed obvious single-peak diurnal variation patterns. Based on continuous wavelet transform and wavelet variance curve analysis， CH4 flux， GPP， LE， TA and TS had an obvious 1-day cycle during the rice growing season （July—November）， while GPP， LE， TA and TS also had a half-day cycle， and TA and TS also had a long-term cycle of 4 days. From the cross wavelet transform and wavelet coherence spectrum analysis， the resonance period between CH4 flux and GPP， LE， TA and TS was about 1 day. There was a significant resonance relationship in this frequency domain， and oscillation cohesion and coherence were the strongest. However， in the high-frequency band area， there was also a secondary resonance period of about 0.5 days between CH4 flux and GPP， LE， TA and TS. In addition， in other frequency bands， the resonance energy of CH4 flux and GPP， LE， TA and TS was low， but in the resonance period of 4 days and 7-10 days， CH4 flux had good coherence with TA and TS from mid-August to mid-October. This study analyzed the multi-time scale characteristics of CH4 flux and its influencing factors from paddy fields and would provide a scientific reference for studying the quantitative relationship between CH4 flux and its driving factors at different time scales.

Keywords： multiple time scales; paddy ecosystem; methane flux; wavelet analysis

DOI： 10.3969/j.issn.1000-2561.2025.09.020

工業(yè)革命以來全球氣候變暖主要（可信度95%以上）是由人類活動產(chǎn)生的大量溫室氣體引起了大氣中二氧化碳（CO2）、甲烷（CH4）和氧化亞氮（N2O）等溫室氣體的濃度快速上升而導(dǎo)致[1-3]。在眾多溫室氣體中，CH4是除水汽（H2O）之外僅次于CO2的第二大溫室氣體[4-7]。稻田生態(tài)系統(tǒng)因其厭氧土壤環(huán)境適宜產(chǎn)甲烷細菌作用于產(chǎn)甲烷基質(zhì)[8-10]，稻田生態(tài)系統(tǒng)成為重要的CH4排放源[11-13]，占全球CH4人為排放量的12%～ 26%[14-17]。因此，稻田CH4排放通量研究已成為當(dāng)前農(nóng)業(yè)生態(tài)系統(tǒng)碳循環(huán)研究的重要組成部分和熱點問題之一。

自20世紀80年代以來，國內(nèi)外眾多學(xué)者對稻田CH4排放通量進行了大量的試驗站點觀測研究[18-20]，主要觀測方法包括：靜態(tài)箱方法、土壤濃度分析方法、穩(wěn)定同位素方法和微氣象方法等[21-25]。國內(nèi)外學(xué)者利用觀測數(shù)據(jù)對稻田生態(tài)系統(tǒng)CH4排放通量進行了大量的分析研究，明確了稻田CH4排放的基本過程及其晝夜變化、季節(jié)變化規(guī)律，但對不同時間尺度稻田CH4排放通量的影響因子還有待進一步研究。

許多環(huán)境和生物物理因子直接或間接影響CH4的產(chǎn)生、氧化和傳輸過程，概括起來可以分為三類：（1）氣候因子，如太陽輻射、溫度、降水等；（2）土壤因子，如土壤有機質(zhì)、土壤水分、土壤氧化還原電位（Eh）、土壤pH、土壤質(zhì)地等；（3）人為因子，如水分管理、肥料使用、水稻品種選擇等，這些因子主要通過改變稻田CH4排放的4個基本條件，即產(chǎn)CH4基質(zhì)、微生物、水分和溫度，來影響稻田CH4的排放。但在多因子共同作用的復(fù)雜田間環(huán)境中，不同時間尺度的稻田CH4排放通量與生態(tài)環(huán)境、生物物理驅(qū)動因子之間的定量聯(lián)系仍不清晰，因此，有必要對稻田CH4排放通量及其影響因子的多時間尺度特征進行分析。

本研究利用2016年江蘇句容生態(tài)實驗站農(nóng)田生態(tài)系統(tǒng)渦度相關(guān)原位觀測數(shù)據(jù)，基于小波分析方法分析稻田CH4排放通量及其主要影響因子的多時間尺度特征，以期闡明稻田CH4排放通量多時間尺度特征及其影響因素，為構(gòu)建不同時間尺度稻田CH4排放模型提供參考，也為制定減緩稻田CH4排放措施奠定科學(xué)基礎(chǔ)。

1" 材料與方法

1.1" 實驗站概況

江蘇句容生態(tài)實驗站位于江蘇省句容市后白良種場（31°48′24.59?N， 119°13′2.15?E），距南京市60 km，平均海拔為15 m。氣候為北亞熱帶半濕潤季風(fēng)氣候，年平均氣溫為15.2 ℃，年平均降水量為1058.8 mm。土壤類型為典型水稻土，土壤質(zhì)地為黏壤土，表層（0～30 cm）土壤的有機碳、氮、磷、鉀含量分別為1.80%、0.12%、0.04%、1.60%，土壤pH為6.4～7.2。作物種植制度為稻-麥輪作，水稻生長季為每年6月中旬至11月上旬，冬小麥生長季為每年11月下旬至次年6月上旬，實行稻麥秸稈全量還田耕作，并在稻田生長季開展稻-鴨共作模式。水稻一般于5月15—20日播種育苗，666.67 m2大田用種量為4 kg；6月15日進行機械移栽，移栽株行距為25 cm×16 cm；8月24—29日抽穗，全生育期為155～165 d。小麥于11月15—30日播種，實行撒播種植，666.67 m2用種量為15 kg；4月20—30日抽穗，全生育期為195～205 d。

1.2" 甲烷通量觀測及數(shù)據(jù)處理

1.2.1" 渦度相關(guān)觀測" 渦度相關(guān)通量觀測通常需要一個相對平坦、均質(zhì)和一定大小范圍的觀測下墊面，本研究選址地區(qū)為一個40 hm2的農(nóng)田，距通量塔各方向均大于150 m，符合微氣象觀測要求。本研究利用渦度相關(guān)系統(tǒng)對作物冠層CO2、CH4、潛熱（LE）和顯熱（H）通量進行連續(xù)高頻觀測。渦度相關(guān)系統(tǒng)的主要組成包括：（1）WindMaster Pro三維超聲風(fēng)速計，用來測量三維風(fēng)速和超聲虛擬溫度；（2）LI-7500A開路CO2/H2O氣體分析儀，用來測量CO2氣體和水汽濃度；（3）LI-7700開路CH4氣體分析儀，用來測量CH4氣體濃度。以上3個渦度相關(guān)傳感器安裝在鍍鋅鋼管三腳架上，三者間隔距離為20 cm。三維超聲風(fēng)速計安裝在距地面3 m高度，以此為標(biāo)準(zhǔn)，CO2/H2O氣體分析儀向東偏移10 cm，向北偏移20 cm，并且保持其探頭傾斜15°，以減少雨水的影響；CH4氣體分析儀向西偏移10 cm，向南偏移20 cm，其鏡面可通過旋轉(zhuǎn)馬達和清洗泵進行自動清潔，同時定期進行手動清潔，以減少雨水、灰塵、花粉、昆蟲的影響。

微氣象觀測以通量塔為中心，主要包括：（1）空氣溫濕度，包含2個HMP155空氣溫濕度傳感器，分別安裝在距地面0.5 m和2.6 m高度；（2）降水，采用TR-525M翻斗式雨量計觀測降水，雨量計安裝在距地面2 m高度，以減少植被和雜物的干擾；（3）光合有效輻射，利用LI-190SL光量子傳感器觀測光合有效輻射，光量子傳感器安裝在通量塔南部，其中3個安裝在距地面0.5 m高度，另外2個安裝在距地面2.25 m高度；（4）太陽輻射，利用CNR4四分量太陽輻射計觀測太陽輻射短波入射、出射輻射，以及地面長波入射、出射輻射，并獲得凈輻射；（5）土壤熱通量，利用3個HFP01土壤熱通量板對土壤熱通量進行重復(fù)觀測，土壤熱通量板安裝在地下5 cm深度；（6）土壤體積含水量和土壤溫度，利用5個Stevens Hydra Probe Ⅱ土壤溫濕度傳感器觀測不同深度的土壤體積含水量和土壤溫度，溫濕度傳感器分別安裝在地下5、10、20、30、50 cm深度。

通過Sutron 9201B數(shù)據(jù)采集器與渦度相關(guān)通量觀測進行同步、記錄和儲存渦度相關(guān)通量和微氣象觀測數(shù)據(jù)，并通過SMART通量系統(tǒng)進行實時遠程查看、傳輸和管理。渦度相關(guān)通量觀測和微氣象觀測原始數(shù)據(jù)采集頻率分別為10 Hz和1個/min。此外，渦度相關(guān)系統(tǒng)通過220 V交流電轉(zhuǎn)到12.9 V直流電進行直接供電，斷電時采用12.9 V直流蓄電池進行供電。

1.2.2" 觀測數(shù)據(jù)處理" 觀測數(shù)據(jù)的處理主要包括以下幾個步驟：（1）原始數(shù)據(jù)預(yù)處理、通量計算及校正。原始觀測的渦度相關(guān)數(shù)據(jù)利用EddyPro軟件（快速模式）進行計算，獲得0.5 h尺度渦度相關(guān)數(shù)據(jù)。在進行計算的過程中，還同時進行渦度相關(guān)數(shù)據(jù)的光譜校正、坐標(biāo)旋轉(zhuǎn)校正（傾斜校正）、氣體密度校正以及超聲虛擬溫度校正。（2）0.5 h通量數(shù)據(jù)質(zhì)量控制與評價。對獲取的0.5 h尺度通量數(shù)據(jù)進行異常數(shù)據(jù)剔除、摩擦風(fēng)速閾值校正等質(zhì)量控制，并利用渦度相關(guān)系統(tǒng)能量平衡公式進行可信度評價。（3）缺失通量數(shù)據(jù)插補。利用經(jīng)驗呼吸模型和光響應(yīng)方程進行CO2通量數(shù)據(jù)分離與插補，采用7 d滑動窗口的平均晝夜變化方法對CH4通量、H2O通量、微氣象數(shù)據(jù)進行插補，從而獲取后續(xù)研究分析的完整數(shù)據(jù)集。

1.3" 小波分析方法

各種氣象因子、水文過程，以及生態(tài)系統(tǒng)與大氣之間的物質(zhì)、能量交換過程均可以看作是隨時間變化的時間序列（time series）。這些時間序列通常由復(fù)雜的地球系統(tǒng)、生態(tài)系統(tǒng)產(chǎn)生，往往受多種因素的綜合影響，具有趨勢性、周期性、隨機性和突變性，存在多時間尺度和多層次變化規(guī)律。小波分析（wavelet analysis， WA），也稱小波變換（wavelet transform， WT），是一種新的時間尺度分析方法，通常分為連續(xù)小波變換（continuous wavelet transform， CWT）和離散小波變換（discrete wavelet transform， DWT）。DWT常用于降噪與數(shù)據(jù)壓縮，CWT更適于時間序列特征的提取。

1.3.1" 連續(xù)小波變換" 在對一個時間序列進行小波變換時，母小波的選擇至關(guān)重要[26]。其中，Morlet小波既具有非正交性，是由Gaussian調(diào)節(jié)的指數(shù)復(fù)值小波，可以得到時間序列平滑連續(xù)的小波振幅和相位信息。Morlet小波函數(shù)（ ）表達式為：

式中，ω0和η（η=s·t）分別為無量綱的頻率和時間，s為時間尺度。當(dāng)ω0=6時，時間尺度（s）與傅里葉周期（λ）基本相等（λ=1.03s）[27]，即尺度項與周期項之間可相互替代，故Morlet小波能很好地平衡時間與頻率的局部化[28]。

因此，具有等時間步長（δt）的離散時間序列（xn， n=1， …， N）的連續(xù)小波變換（CWT）可表示為縮放和歸一化的小波函數(shù)（ ）與xn的卷積，定義為：

其中，X為時間序列xn，N為時間序列總個數(shù)，是小波函數(shù)歸一化因子，使小波函數(shù)在每個時間尺度（s）上具有單位能量。通過轉(zhuǎn)換小波尺度s并沿著時間指數(shù)（n）進行局部化，可得到時間系列在某一時間尺度上的變化特征及其圖譜，即小波功率譜（wavelet power spectrum），定義為，是指時間序列在給定小波尺度和時間域內(nèi)的變化量級[28-29]。因為Morlet母小波為復(fù)值小波，所以也為復(fù)數(shù)，其復(fù)值部分表示為局部的相位[27]。將小波功率譜在某一周期上進行時間平均即為小波全譜（global wavelet spectrum），表示為：

小波全譜能夠表明時間序列真實功率譜的無偏、一致估計，可以識別時間序列的周期波動特征及其強度[27]。

由于小波變換假設(shè)時間序列是循環(huán)的，在進行有限長度的時間序列小波變換時，通常在時間系列的首尾補零，使時間序列長度（N）介于2m～2m+1之間，這導(dǎo)致小波功率譜的起始和末端會出現(xiàn)誤差、邊緣端點不連續(xù)、邊緣譜振幅下降，產(chǎn)生邊緣效應(yīng)。因此，需要利用影響錐（cone of influence， COI）來表示小波功率譜區(qū)域以及相應(yīng)的邊緣效應(yīng)[28， 30]。

小波功率譜的統(tǒng)計顯著性檢驗，通過對照一個原假設(shè)[假設(shè)時間序列由一個給定背景功率譜（Pk）的穩(wěn)定過程產(chǎn)生]進行評價，通常采用紅噪聲作為背景功率譜[28-29]。紅噪聲一般由一階自回歸過程（first-order autoregressive， AR1）來模擬[28， 31]，因此，一個由lag-1自相關(guān)系數(shù)（α，由觀測的時間序列估算）處理的AR1的傅里葉功率譜可以定義為：

式中，α為紅噪聲功率譜中自回歸方程的相關(guān)系數(shù)，k為傅里葉頻率系數(shù)。通常在研究中，每個時間尺度上用COI以外的值以5%的顯著水平進行估計。

因此，對于一個給定背景功率譜（Pk）的穩(wěn)定過程，小波功率譜大于p值的概率分布定義為：

式中，v=1為實小波，v=2為復(fù)小波。

1.3.2" 交叉小波變換" 交叉小波變換（cross wavelet transform， XWT）是結(jié)合連續(xù)小波變換和交叉譜分析，研究2個時間序列在時頻域中的能量共振和協(xié)方差分布規(guī)律，反映二者在時頻域中不同時間尺度上的一致性、相關(guān)性和相位關(guān)系[28， 32]。2個時間序列xn和yn的交叉小波變換定義為：

其中，X、Y分別為時間序列xn、yn，*表示復(fù)共軛。同時，交叉小波譜定義為，對于給定背景功率譜和的2個時間序列，其交叉小波譜的理論概率分布定義為：

其中，是概率p的置信度水平，概率p由2個χ2分布乘積的平方根計算。

2個時間序列的交叉小波相位弧度角（ai， i=1， …， n）可定義為：

則，小波相位角的標(biāo)準(zhǔn)偏差為：

1.3.3" 小波相干譜" 2個時間序列的小波相干譜（wavelet coherence， WTC）可以反映時頻空間局部的相關(guān)性大小[28， 32]，定義為：

其中，S為平滑因子。這一定義與傳統(tǒng)相關(guān)系數(shù)的定義非常相似，因此可以將2個時間序列小波相干視為時頻空間中的局部相關(guān)系數(shù)。

平滑因子（S）的計算如下：

其中，Sscale為小波坐標(biāo)尺度的平滑，Stime為時間尺度的平滑。

對于Morlet小波的平滑因子的計算如下：

式中，c1和c2是歸一化常量，*為復(fù)共軛，為矩陣函數(shù)，系數(shù)0.6是根據(jù)經(jīng)驗確定的Morlet小波尺度去相關(guān)長度。

本研究中，首先采用Morlet母小波連續(xù)小波變換（CWT）研究0.5 h尺度CH4通量及其驅(qū)動因子的周期性；然后利用交叉小波譜（XWT）和小波相干譜（WTC）檢驗0.5 h尺度CH4通量與驅(qū)動因子的一致性和相關(guān)性，并計算2個時間序列耦合振蕩周期的相位角及其晝夜變化滯后時間。本研究中小波分析的實現(xiàn)由MATLAB軟件編程實現(xiàn)。

為了分析稻田CH4排放通量的影響因子，選取與稻田生態(tài)系統(tǒng)CH4產(chǎn)生、氧化、傳輸過程密切相關(guān)的影響因子，總初級生產(chǎn)力（GPP， gross primary productivity）通過碳分配過程為土壤中提供產(chǎn)CH4基質(zhì)，并且與稻田CH4的通氣組織傳輸直接相關(guān)；潛熱通量（LE， latent heat flux）與植物葉片氣孔導(dǎo)度相關(guān)，反映了稻田生態(tài)系統(tǒng)的水分循環(huán)；而空氣溫度（TA， air temperature）、土壤溫度（TS， soil temperature）則與土壤呼吸和產(chǎn)CH4細菌、CH4氧化菌活動能力密切相關(guān)。因此選擇GPP、LE、TA、TS等關(guān)鍵驅(qū)動因子進行稻田CH4排放通量及其影響因子的多時間尺度分析。

2" 結(jié)果與分析

2.1" 稻田CH4排放通量變化特征及其相關(guān)影響因子

圖1顯示了2016年稻田CH4排放通量及其影響因子的時間變化情況（灰色點為0.5 h尺度數(shù)據(jù)，彩色實線為日尺度數(shù)據(jù)，黑色豎線分別為水稻移植和收獲時間）。從圖1A可以看出，稻田生態(tài)系統(tǒng)CH4排放通量均存在明顯的季節(jié)變化特征，從機耕、平整水稻田開始（水稻移植前10 d）到水稻收獲后10 d時間內(nèi)，稻田CH4排放通量從6月初的極低值急劇增加到7月底和8月初的峰值，然后在11月底和12月初水稻生長季結(jié)束時逐漸降低到低值，期間還經(jīng)歷了幾次明顯的波動變化。與此同時，GPP、LE、TA、TS等影響因子也呈現(xiàn)明顯的季節(jié)變化特征（圖1B～圖1E）。從晝夜變化特征來看，稻田CH4排放通量存在明顯的單峰型晝夜變化，其晝夜變化為：從上午8：00時開始稻田CH4排放通量持續(xù)增加，到12：00—16：00時出現(xiàn)峰值，之后持續(xù)降低，到19：00時到達低值，夜間CH4排放通量保持在較低水平。

右縱軸指標(biāo)與左縱軸相同，A和B中右縱軸指標(biāo)以每天產(chǎn)出碳含量表示，C、D和E中右縱軸指標(biāo)以每天均值表示。

與此同時，GPP、LE、TA和TS呈明顯的單峰晝夜變化規(guī)律，GPP、LE、TA和TS晝夜變化的峰值出現(xiàn)時間分別為11：30、14：00、15：30和16：30。

2.2" 稻田CH4排放通量變化特征及其相關(guān)影響因子的連續(xù)小波分析

通過對水稻生長季CH4通量、GPP、LE、TA、TS進行連續(xù)小波變換，生成各時間序列的連續(xù)小波功率譜（圖2），該圖譜反映了時間序列在時間域和頻率域的動態(tài)和局部特征，粗黑色實線圈區(qū)

域表示通過95%置信水平檢驗，錐形細黑色實線為小波影響錐區(qū)域（cone of influence， COI），表示連續(xù)小波變換的數(shù)據(jù)邊緣效應(yīng)影響較大的區(qū)域。從圖2可以看出，水稻生長季（7—11月）CH4通量、GPP、LE、TA、TS存在明顯的1 d的主周期，即各時間序列具有明顯的晝夜變化規(guī)律，并且通過了95%置信水平的紅噪聲檢驗，這也進一步驗證了2.1中關(guān)于稻田CH4通量單峰型晝夜變化的規(guī)律；同時GPP、LE、TA、TS還存在0.5 d的次周期。

進一步分析各時間序列連續(xù)小波變換的小波方差曲線（圖3）可以發(fā)現(xiàn)，稻田CH4通量、GPP、LE也存在同樣的以1 d為主周期、0.5 d為次周期的變化規(guī)律，而TA、TS還出現(xiàn)了以4 d為周期的長周期變化，這可能是由于氣溫和土壤溫度在長時間尺度上驅(qū)動CH4通量的動態(tài)變化。

2.3" 稻田CH4排放通量變化特征及其相關(guān)影響因子的交叉小波和小波相干分析

圖4和圖5分別為CH4通量與GPP、LE、TA、TS之間的交叉小波變換和小波相干譜，圖中箭頭方向反映了二者的相位關(guān)系，箭頭從左指向右表示二者同相位，從右指向左表示二者反相位，垂直向上表示前者滯后后者，垂直向下表示前者提前后者。由圖4可以看出，CH4通量與GPP、LE、TA、TS之間的共振周期為1 d左右，在此頻域上存在顯著的共振關(guān)系，且振蕩的凝聚性和相干性最強（圖5），并且通過95%置信水平的紅噪聲檢驗。CH4通量與GPP、LE、TA、TS之間的交叉相位角分別為8.27°、3.46°、–31.52°和–48.27°。CH4通量分別滯后于GPP和LE 0.55 h和0.23 h，而TA和TS則分別滯后于CH4通量2.10 h和3.22 h（表1）。

在高頻段區(qū)域，CH4通量與GPP、LE、TA、TS之間還存在一個次共振周期，約為0.5 h，但其置信水平范圍不連續(xù)，因此是不穩(wěn)定共振周期，其交叉相位角分別為64.54°、39.63°、–31.11°和–47.17°（圖4～圖5、表1）。在其他頻段上，CH4通量與GPP、LE、TA、TS的共振能量較低，未通過95%置信水平的紅噪聲檢驗（圖4），但在共振周期4 d和7～10 d范圍內(nèi)，在8月中旬至10月中旬時間段CH4通量與TA、TS存在較好的相干性（圖5），這與長時間尺度下的CH4通量的其他驅(qū)動因子變化有關(guān)。

3" 討論

3.1" 稻田CH4排放通量變化特征比較

本研究中2016年稻田生態(tài)系統(tǒng)CH4排放通量的季節(jié)變化較大，在水稻生長分蘗期、拔節(jié)孕穗期急劇增加并出現(xiàn)明顯波動，抽穗開花期和灌漿期快速減少；在非水稻生長季的稻田CH4排放通量較生長季低，這與江蘇鹽城[19]、南京[11]等地區(qū)稻田觀測的CH4排放通量季節(jié)變化模式一致?；跍u度相關(guān)方法，類似的稻田CH4排放通量季節(jié)變化特征也在菲律賓的Los Ba?os[12]、美國的Sacramento-San Joaquin Delta[13]、日本的Tsukuba[16]和意大利北部的Po Valley[33]等地區(qū)被觀測到。本研究的稻田CH4排放通量呈現(xiàn)明顯的單峰值晝夜變化特征，峰值出現(xiàn)在13：00—16：00之間；在水稻分蘗期、拔節(jié)孕穗期、抽穗開花期的晝夜變化幅度明顯大于灌漿期、乳熟期和蠟熟期。本研究觀測到的稻田CH4排放通量的晝夜變化模式（下午單峰值）與之前在其他地區(qū)稻田[12， 19， 33]的研究結(jié)果基本一致。然而，本研究觀測到的稻田CH4排放通量的日變化模式與湖南地區(qū)[34]的夜間單峰型、雙峰型、多峰型及隨機性的稻田CH4排放通量晝夜變化形式有所差別。由于水稻品種、田間管理、土壤類型和環(huán)境條件的不同，稻田CH4通量的不同時間尺度變化特征具有明顯的站點依賴性，不同站點差異較大[35-36]。

3.2" 不同時間尺度下稻田CH4排放通量變化的影響因子

土壤中的CH4排放同時受微生物產(chǎn)生CH4、CH4氧化以及CH4從土壤輸送到大氣中的傳輸3個過程的影響，這3個過程受自然環(huán)境和生物物理等多種因素控制[2]。

在晝夜變化尺度上，影響CH4排放通量晝夜變化的因素繁多，這些因素之間存在的直接或間接的相關(guān)關(guān)系、因果關(guān)系更為復(fù)雜。首先，厭氧環(huán)境條件是稻田生態(tài)系統(tǒng)產(chǎn)生CH4的必要條件，它由地下水位的高低決定[33]；其次，溫度（氣溫和土壤溫度）是稻田CH4產(chǎn)生的基本條件，其中土壤溫度不僅影響產(chǎn)CH4細菌的數(shù)量和活性，還影響有機質(zhì)的分解、CH4的產(chǎn)生、氧化和傳輸速率[6， 12]。本研究中觀測到的稻田CH4排放通量下午單峰值晝夜變化，可能是由于產(chǎn)CH4細菌隨溫度升高其活性增強，導(dǎo)致CH4產(chǎn)量的增加而引起的。交叉小波和小波相干譜分析也表明，在1 d周期尺度上CH4通量與GPP、LE、TA、TS之間存在明顯的相位角。相關(guān)試驗研究表明，水稻植株通氣組織和葉片氣孔是稻田CH4排放最重要的傳輸途徑[34]，其傳輸效率直接決定了CH4排放通量的大小，這與植物氣孔導(dǎo)度密切相關(guān)的潛熱通量（LE）有很好的相關(guān)性[2]；同時，與光合量子通量密度（PPFD）相關(guān)的總初級生產(chǎn)力（GPP）通過光合作用調(diào)節(jié)根際分泌物控制CH4通量的日變化模式，是CH4通量晝夜變化的另一個主導(dǎo)因素[13]。GPP主要是為產(chǎn)CH4細菌提供有機碳基質(zhì)進而影響CH4通量[9]，在有機質(zhì)含量和施肥量低的農(nóng)田中，植株新合成的光合產(chǎn)物成為產(chǎn)生CH4的主要基質(zhì)[37]。最后，其他因素也調(diào)節(jié)CH4通量的晝夜變化。在1 d循環(huán)中，飽和水汽壓差（VPD）可能會增強植物向大氣輸送CH4氣體[2]。此外，有研究表明，植物自身在有氧條件下也會釋放產(chǎn)生CH4[38]，但其機理與機制尚不明確。

在季節(jié)變化尺度上，本研究觀測到的逐日稻田CH4通量與氣溫、土壤溫度幾乎同步接近季節(jié)峰值，空氣和土壤溫度能夠解釋CH4通量的大部分季節(jié)變化，這也與之前的一些研究結(jié)果相似[2-3， 6]，這是由于高溫刺激CH4的產(chǎn)生，并加強從土壤到大氣中的CH4運輸[2]?；谛〔ǚ治鲆脖砻?，TA和TS與CH4通量之間存在一個長時間尺度上的相關(guān)關(guān)系。因此，溫度是調(diào)節(jié)CH4通量季節(jié)變化的主導(dǎo)環(huán)境因子?？偝跫壣a(chǎn)力（GPP）可作為逐日CH4通量變化的指標(biāo)[12-13]，它通過逐日光合和呼吸作用碳平衡的季節(jié)變化影響用于產(chǎn)生CH4的底物（碳水化合物和二氧化碳）[2]，從而控制稻田CH4排放通量的季節(jié)變化。此外，地下水位（WTD）的季節(jié)變化對CH4排放通量季節(jié)變化的影響類似于“開關(guān)”的作用，較高的地下水位可以限制土壤中的氧氣濃度，加強土壤厭氧環(huán)境條件，從而有利于土壤產(chǎn)生CH4，反之，較低的地下水位則可能增加土壤中氧氣濃度，形成不利于產(chǎn)生CH4的土壤環(huán)境[39]。

3.3" 時間序列數(shù)據(jù)的多時間尺度特征分析方法

在時間序列研究中常用的2種分析為時域和頻域分析，其分別具有時間定位和頻率定位功能，但時域分析無法得到關(guān)于時間序列變化（趨勢、變化率等）的更多信息，傳統(tǒng)頻域分析（如傅里葉變換，F(xiàn)ourier transform，F(xiàn)T）僅適合分析平穩(wěn)時間序列。為了適應(yīng)非平穩(wěn)時間序列的時頻分析，窗口傅里葉變換（即短時傅里葉變換，short-time Fourier transform，STFT）被提出來，它根據(jù)時間窗口將時間序列分解為等長的時域過程進行時頻分析，是對傳統(tǒng)傅里葉變換的一種改進，其在時域內(nèi)是局部化的，但其窗口的大小確定對于非平穩(wěn)時間序列仍然是難點。因此，一種新的時間尺度分析方法，即小波分析（wavelet analysis， WA），也稱小波變換（wavelet transform， WT）又被提出。小波，即小區(qū)域的波，是一種特殊的、長度有限，平均值為零的波形，可以在時間域與頻率域內(nèi)進行局部化的數(shù)學(xué)函數(shù)[28]。小波變換分析的本質(zhì)是將原信號（時間序列）看成一系列子小波函數(shù)的疊加，這些子小波函數(shù)都是通過對母小波（mother wavelet）函數(shù)進行平移和伸縮而得到，即子小波可以利用尺度函數(shù)（頻率的反函數(shù)）和時間位置或其平移來描述，故一個時間序列就可以分解為不同時間尺度及其詳細的特征尺度[30]。因此，小波分析在時域和頻域內(nèi)均有對信號局部進行表征的能力，可以揭示時間序列中隱藏的多時間尺度變化周期和變化趨勢[31]，廣泛應(yīng)用于地球物理學(xué)、生態(tài)學(xué)等領(lǐng)域的時間序列分析研究中[32]。早期多應(yīng)用于對聲音、圖像、地震等信號進行降噪、重建、提取等處理與分析研究中[28]，近期有學(xué)者將其應(yīng)用于分析渦流相關(guān)測量的痕量氣體通量數(shù)據(jù)[13， 30， 40]。基于時頻域，小波分析主要適用于時間序列周期性和相關(guān)性分析，仍然不能確定時間序列之間是否存在因果關(guān)系，也無法完全定量解釋時間序列與其影響因子之間的因果關(guān)系。這需要未來開發(fā)適用于時間序列之間因果關(guān)系的分析方法，如波譜格蘭杰因果關(guān)系分析方法[41]。

4" 結(jié)論

本研究利用渦度相關(guān)通量觀測數(shù)據(jù)，并采用連續(xù)小波變換、交叉小波變換和小波相干譜，探討分析了稻田CH4排放通量及其主要影響因子的多時間尺度特征，為闡明稻田CH4排放通量多時間尺度特征及其影響因素，進而為構(gòu)建不同時間尺度稻田CH4排放模型提供參考，也為制定減緩稻田CH4排放措施提供科學(xué)依據(jù)。得出如下主要結(jié)論：

（1）從季節(jié)變化特征來看，稻田生態(tài)系統(tǒng)CH4排放通量均存在明顯的季節(jié)變化特征，與此同時，GPP、LE、TA、TS等影響因子也呈現(xiàn)明顯的季節(jié)變化特征。從晝夜變化特征來看，在水稻生長季稻田CH4排放通量呈現(xiàn)明顯的單峰值晝夜變化特征，峰值出現(xiàn)在13：00—16：00之間；在非水稻生長季稻田CH4排放通量較低，晝夜變化特征不明顯，與此同時，GPP、LE、TA和TS呈明顯的單峰晝夜變化規(guī)律，GPP、LE、TA和TS的晝夜變化峰值出現(xiàn)的時間分別為11：30、14：00、15：30和16：30。

（2）基于連續(xù)小波變換和小波方差曲線分析，水稻生長季（7—11月）CH4通量、GPP、LE、TA、TS存在明顯的1 d的主周期，即各時間序列具有明顯的晝夜變化規(guī)律，并且通過95%置信水平的紅噪聲檢驗；同時GPP、LE、TA、TS還存在0.5 d的次周期；TA、TS還出現(xiàn)了以4 d為周期的長周期變化。

（3）從交叉小波變換和小波相干譜可知，CH4通量與GPP、LE、TA、TS之間的共振周期為1d左右，在此頻域上存在顯著的共振關(guān)系，且振蕩的凝聚性和相干性最強，且通過95%置信水平的紅噪聲檢驗。在高頻段區(qū)域，CH4通量與GPP、LE、TA、TS之間還存在一個次共振周期，約為0.5 d。在其他頻段上，CH4通量與GPP、LE、TA、TS的共振能量較低，但在共振周期4 d和7～10 d范圍內(nèi)，8月中旬至10月中旬CH4通量與TA、TS存在較好的相干性，這可能與長時間尺度下的CH4通量的其他驅(qū)動因子變化有關(guān)。

參考文獻

居為民， 方紅亮， 田向軍， 江飛， 占文鳳， 劉洋， 王正興， 何劍鋒， 王紹強， 彭書時， 張永光， 周艷蓮， 賈炳浩， 楊東旭， 符瑜， 李榮， 柳竟先， 王海鯤， 李貴才， 陳卓奇. 基于多源衛(wèi)星遙感的高分辨率全球碳同化系統(tǒng)研究[J]. 地球科學(xué)進展， 2016， 31（11）： 1105-1110.JU W M， FANG H L， TIAN X J， JIANG F， ZHAN W F， LIU Y， WANG Z X， HE J F， WANG S Q， PENG S S， ZHANG Y G， ZHOU Y L， JIA B H， YANG D X， FU Y， LI R， LIU J X， WANG H K， LI G C， CHEN Z Q. Study on the global carbon assimilation system based on multisource remote sensing data[J]. Advances in Earth Science， 2016， 31（11）： 1105-1110. （in Chinese）

LONG K D， FLANAGAN L B， CAI T B. Diurnal and seasonal variation in methane emissions in a northern Canadian peatland measured by eddy covariance[J]. Global Change Biology， 2010， 16（9）： 2420-2435.

SONG W M， WANG H， WANG G S， CHEN L T， JIN Z N， ZHUANG Q L， HE J S. Methane emissions from an alpine wetland on the Tibetan Plateau： neglected but vital contribution of the nongrowing season[J]. Journal of Geophysical Research： Biogeosciences， 2015， 120（8）： 1475-1490.

WEI D， XU R， TARCHEN T， DAI D X， WANG Y S， WANG Y H. Revisiting the role of CH4 emissions from alpine wetlands on the Tibetan Plateau： evidence from two in situ measurements at 4758 and 4320 m above sea level[J]. Journal of Geophysical Research： Biogeosciences， 2015， 120（9）： 1741-1750.

WEI D， XU R， TARCHEN T， WANG Y S， WANG Y H. Considerable methane uptake by alpine grasslands despite the cold climate： in situ measurements on the central Tibetan Plateau， 2008—2013[J]. Global Change Biology， 2015， 21（2）： 777-788.

HOLZAPFEL-PSCHORN A， SEILER W. Methane emission during a cultivation period from an Italian rice paddy[J]. Journal of Geophysical Research： Atmospheres， 1986， 91（D11）： 11803-11814.

NEUR H U. Methane emission from rice fields[J]. Bioscience， 1993， 43（7）： 466-474.

SCHIMEL J. Rice， microbes and methane[J]. Nature， 2000， 403（6768）： 375-377.

HUANG Y， SASS R， FISHER F. Methane emission from Texas rice paddy soils. 1. quantitative multi-year dependence of CH4 emission on soil， cultivar and grain yield[J]. Global Change Biology， 1997， 3（6）： 479-489.

HUANG Y， SASS R， FISHER F. Methane emission from Texas rice paddy soils. 2. seasonal contribution of rice biomass production to CH4 emission[J]. Global Change Biology， 1997， 3（6）： 491-500.

CAI Z C， TSURUTA H， MINAMI K. Methane emission from rice fields in China： measurements and influencing factors[J]. Journal of Geophysical Research： Atmospheres， 2000， 105（D13）： 17231-17242.

ALBERTO M C R， WASSMANN R， BURESH R J， QUILTY J R， CORREA T Q J， SANDRO J M， CENTENO C A R. Measuring methane flux from irrigated rice fields by eddy covariance method using open-path gas analyzer[J]. Field Crops Research， 2014， 160： 12-21.

HATALA J A， DETTO M， BALDOCCHI D D. Gross ecosystem photosynthesis causes a diurnal pattern in methane emission from rice[J]. Geophysical Research Letters， 2012， 39（6）： L06409.

KNOX S H， STURTEVANT C， MATTHES J H， KOTEEN L， VERFAILLIE J， BALDOCCHI D D. Agricultural peatland restoration： effects of land-use change on greenhouse gas （CO2 and CH4） fluxes in the Sacramento-San Joaquin Delta[J]. Global Change Biology， 2015， 21（2）： 750-765.

CHEN W W， WANG Y Y， ZHAO Z C， CUI F， GU J X， ZHENG X H. The effect of planting density on carbon dioxide， methane and nitrous oxide emissions from a cold paddy field in the Sanjiang Plain， Northeast China[J]. Agriculture， Ecosystems amp; Environment， 2013， 178： 64-70.

IWATA H， MANO M， ONO K， TOKIDA T， KAWAZOE T， KOSUGI Y， SAKABE A， TAKAHASHI K， MIYATA A. Exploring sub-daily to seasonal variations in methane exchange in a single-crop rice paddy in central Japan[J]. Atmospheric Environment， 2018， 179： 156-165.

[17]" " JANSSENS-MAENHOUT G， CRIPPA M， GUIZZARDI D， MUNTEAN M， SCHAAF E， DENTENER F， BERGA-MASCHI P， PAGLIARI V， OLIVIER J G J， PETERS J A H W， VAN AARDENNE J A， MONNI S， DOERING U， ROXANA-PETRESCU A M， SOLAZZO E， OREGGIONI G D. EDGAR v4.3.2 Global Atlas of the three major greenhouse gas emissions for the period 1970—2012[J]. Earth System Science Data， 2019， 11（3）： 959-1002.

[18]" " KNOX S H， MATTHES J H， STURTEVANT C， OIKAWA P Y， VERFAILLIE J， BALDOCCHI D D. Biophysical controls on interannual variability in ecosystem-scale CO2 and CH4 exchange in a California rice paddy[J]. Journal of Geophysical Research： Biogeosciences， 2016， 121（3）： 978-1001.

[19]" " GE H X， ZHANG H S， ZHANG H， CAI X H， SONG Y， KANG L. The characteristics of methane flux from an irrigated rice farm in East China measured using the eddy covariance method[J]. Agricultural and Forest Meteorology， 2018， 249： 228-238.

[20]" " OO A Z， SUDO S， INUBUSHI K， MANO M， YAMAMOTO A， ONO K， OSAWA T， HAYASHIDA S， PATRA P K， TERAO Y， ELAYAKUMAR P， VANITHA K， UMAMAGESWARI C， JOTHIMANI P， RAVI V. Methane and nitrous oxide emissions from conventional and modified rice cultivation systems in south India[J]. Agriculture， Ecosystems amp; Environment， 2018， 252： 148-158.

[21]" " ZHANG G B， JI Y， LIU G， MA J， XU H. Carbon isotope fractionation during CH4 transport in paddy fields[J]. Science China Earth Sciences， 2014， 57（7）： 1664-1670.

[22]" " ZHOU M H， WANG X G， WANG Y Q， ZHU B. A three-year experiment of annual methane and nitrous oxide emissions from the subtropical permanently flooded rice paddy fields of China： emission factor， temperature sensitivity and fertilizer nitrogen effect[J]. Agricultural and Forest Meteorology， 2018， 250/251： 299-307.

[23]" " 蔡祖聰， 徐華， 馬靜. 稻田生態(tài)系統(tǒng)CH4和N2O排放[M]. 合肥： 中國科學(xué)技術(shù)大學(xué)出版社， 2009.CAI Z C， XU H， MA J. CH4 and N2O emissions from paddy rice ecosystems[M]. Hefei： University of Science and Technology of China Press， 2009. （in Chinese）

[24]" " HOLZAPFEL-PSCHORN A， CONRAD R， SEILER W. Production， oxidation and emission of methane in rice paddies[J]. FEMS Microbiology Ecology， 1985， 1（6）： 343-351.

CICERONE R J， SHETTER J D. Sources of atmospheric methane： measurements in rice paddies and a discussion[J]. Journal of Geophysical Research： Oceans， 1981， 86（C8）： 7203-7209.

FARGE M. Wavelet transforms and their applications to turbulence[J]. Annual Review of Fluid Mechanics， 1992， 24（1）： 395-458.

TORRENCE C， WEBSTER P J. Interdecadal changes in the ENSO–monsoon system[J]. Journal of Climate， 1999， 12（8）： 2679-2690.

GRINSTED A， MOORE J C， JEVREJEVA S. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J]. Nonlinear Processes in Geophysics， 2004， 11（5/6）： 561-566.

LAFRENIèRE M， SHARP M. Wavelet analysis of inter-annual variability in the runoff regimes of glacial and nival stream catchments， Bow Lake， Alberta[J]. Hydrological Processes， 2003， 17（6）： 1093-1118.

FURON A C， WAGNER-RIDDLE C， SMITH C R， WARLAND J S. Wavelet analysis of wintertime and spring thaw CO2 and N2O fluxes from agricultural fields[J]. Agricultural and Forest Meteorology， 2008， 148（8）： 1305-1317.

TORRENCE C， COMPO G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society， 1998， 79（1）： 61-78.

王亞敏， 張勃， 郭玲霞， 戴聲佩， 王興梅. 地磁Ap指數(shù)與太陽黑子數(shù)的交叉小波分析及R/S分析[J]. 地理科學(xué)， 2011， 31（6）： 747-752.WANG Y M， ZHANG B， GUO L X， DAI S P， WANG X M. Cross wavelet analysis and R/S analysis of relationship between geomagnetic Ap index and sunspot number[J]. Scientia Geographica Sinica， 2011， 31（6）： 747-752. （in Chinese）

MEIJIDE A， MANCA G， GODED I， MAGLIULO V， DI TOMMASI P， SEUFERT G， CESCATTI A. Seasonal trends and environmental controls of methane emissions in a rice paddy field in northern Italy[J]. Biogeosciences， 2011， 8（12）： 3809-3821.

WANF M， SHANGGUAN X， SHEN R， WASSMANN R， SEILER W. Methane production， emission and possible control measures in the rice agriculture[J]. Advances in Atmospheric Sciences， 1993， 10（3）： 307-314.

DAI S P， JU W M， ZHANG Y G， HE Q N， SONG L， LI J. Variations and drivers of methane fluxes from a rice-wheat rotation agroecosystem in eastern China at seasonal and diurnal scales[J]. Science of the Total Environment， 2019， 690： 973-990.

ZHU T T， ZHOU Y L， JU W M， LI J， HU L， YUAN S， XING X L. The linkage between methane fluxes and gross primary productivity at diurnal and seasonal scales on a rice paddy field in eastern China[J]. Journal of Geophysical Research： Biogeosciences， 2023， 128（9）： e2023JG007632.

JIANG Y， QIAN H， HUANG S， ZHANG X， WANG L， ZHANG L， SHEN M， XIAO X， CHEN F， ZHANG H. Acclimation of methane emissions from rice paddy fields to straw addition[J]. Science Advances， 2019， 5（1）： eaau9038.

XIE M， LI S， JIANG F， WANG T J. Methane emissions from terrestrial plants over China and their effects on methane concentrations in lower troposphere[J]. Chinese Science Bulletin， 2009， 54（2）： 304-310.

DONG W J， GUO J， XU L J， SONG Z F， ZHANG J， TANG A， ZHANG X J， LENG C X， LIU Y H， WANG L M， WANG L Z， YU Y， YANG Z L， YU Y L， MENG Y， LAI Y C. Water regime-nitrogen fertilizer incorporation interaction： field study on methane and nitrous oxide emissions from a rice agroecosystem in Harbin， China[J]. Journal of Environmental Sciences， 2018， 64： 289-297.

STOY P C， KATUL G G， SIQUEIRA M B S， JUANG J Y， MCCARTHY H R， KIM H S， OISHI A C， OREN R. Variability in net ecosystem exchange from hourly to inter-annual time scales at adjacent pine and hardwood forests： a wavelet analysis[J]. Tree Physiology， 2005， 25（7）： 887-902.

戴聲佩， 居為民， 趙志忠. 基于波譜-Granger因果檢驗的稻田甲烷排放通量晝夜變化成因分析[J]. 生態(tài)學(xué)報， 2025， 45（4）： 1925-1937.DAI S P， JU W M， ZHAO Z Z. Causes of diurnal variation of methane flux in paddy fields based on spectral Granger causality analysis[J]. Acta Ecologica Sinica， 2025， 45（4）： 1925-1937. （in Chinese）