滩地人工林幼林不同时间尺度CH4通量变化特征——基于涡度相关闭路系统的研究

高升华，张旭东,*，汤玉喜，陈吉泉，唐 洁，孙启祥，唐学君,4

1 林木遗传育种国家重点实验室,中国林业科学研究院林业研究所,北京 100091 2 湖南省林业科学院,长沙 410004 3 密执安州立大学, 全球变化与地球观测中心, 地理系,美国东兰辛 MI48823 4 国家林业局华东林业调查规划设计院,杭州 310019



滩地人工林幼林不同时间尺度CH4通量变化特征
——基于涡度相关闭路系统的研究

高升华1，张旭东1,*，汤玉喜2，陈吉泉3，唐 洁2，孙启祥1，唐学君1,4

1 林木遗传育种国家重点实验室,中国林业科学研究院林业研究所,北京 100091 2 湖南省林业科学院,长沙 410004 3 密执安州立大学, 全球变化与地球观测中心, 地理系,美国东兰辛 MI48823 4 国家林业局华东林业调查规划设计院,杭州 310019

长江滩地是甲烷 (CH4) 排放的潜在热点区域,然而目前其CH4通量的变化特征及控制因子尚未被揭晓。基于涡度相关闭路系统进行为期2年多的连续观测,旨在揭示长江滩地杨树 (Populusdeltoides) 人工林幼林CH4通量在不同时间尺度上的变化特征及其调控机理。结果显示,全年和部分未淹水月份表现出白天排放强而夜间排放弱的平均日变化特征,且淹水前、淹水期间和退水后分别表现出日间双峰型 (7:00和10:00)、日间与夜间各一峰的双峰型 (10:00和23:00),以及典型的日间单峰型 (10:00)。淹水年份(2012年)在夏季 (6—8月)排放最强,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)排放最强,在盛夏 (7月) 和秋末 (11月) 转变为较弱的吸收。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。滩地人工林幼林CH4通量的日变化和季节变化最可能受到摩擦风速、水位和土壤温度的调节,而年际间的巨大差异主要由淹水状况决定。

甲烷通量；长江；滩地；涡度相关；杨树人工林

大气中甲烷(CH4)的浓度在经历短暂的停滞之后又继续增长,已由2005年的1774 ppb上升到2011年的1802 ppb,且近100 a的增温潜势也增加至CO2的28倍[1]。CH4浓度这一变化引起人们对其源、汇及动态变化更加广泛的关注。滨水区是全球湿地的重要组成部分,它一般指水生到陆生生态系统的过渡区域[2-3]。由于较高的地下水位[4-5]和间歇性淹水,滨水区往往是CH4通量的热点地区[6]。同时,人类开垦、种植等活动所带来的严重干扰和污染[7-8],使得滨水区土壤-大气界面碳交换的生物地球化学过程更复杂。然而,目前对滨水区CH4通量的变化特征还所知甚少。

由于CH4主要以微生物为生产者,因此对CH4通量的观测研究要比对CO2、H2O等气体通量的观测研究复杂得多[9]。静态箱-气相色谱法为CH4通量观测的传统方法,由于其较低的观测频率和过多的人工投入,使其难以在更小或更大的时间尺度上揭示CH4通量的变化特征。近10年,随着高频响应的CH4浓度分析仪的陆续出现,基于涡度相关法的CH4通量长期连续观测研究在国际上日益增加[9-14]。近几年在国内也逐渐开展,但目前还未见文献报道。

杨树人工林是我国长江中下游滩地主要生态系统之一[15]。由于具有森林和湿地的双重属性,滩地杨树人工林将可能同时具有吸收和排放CH4的潜力。有研究表明,滩地人工林的成熟林和采伐迹地在未淹水年份的生长旺季表现为CH4的汇,且皆伐短期内降低了土壤吸收CH4的能力,甚至导致了土壤排放CH4[16]。然而,由于缺乏长时间尺度的CH4通量研究,目前尚难以全面评估长江滩地杨树人工林对全球气候变化的贡献。本文运用涡度相关闭路系统对长江滩地美洲黑杨 (Populusdettoides)人工幼林进行连续2年多的CH4通量观测,旨在揭示CH4通量的日、季节和年际的变化特征,并初步探讨各时间尺度的调控因子。

1 研究方法

1.1 研究区概况

研究区位于湖南省岳阳市君山区长江外滩 (29°31′35″N,112°55′22″E),海拔31 m,系中亚热带向北亚热带过渡的气候区,具有典型的季风气候特征,春夏多雨,秋季多旱,冬季寒冷,全年盛行北风。年均气温16.8 ℃,年均降雨量1400 mm。土壤类型为江湖洲滩特有的潮土类型。2012年淹水40 d (2012年7月11日—8月20日),而2013年未淹水。

图1 研究区图、通量贡献区和风玫瑰图(右上) Fig.1 Map of research area, footprint, and wind rose diagram (Top right)白色三角为通量塔位置；黑色虚线为研究区范围,2个椭圆分别为基于FSAM模型[17]计算的2012 (外)和2013 (内)年平均通量贡献区大小,其模型的输入参数取当年该参数的平均值；风玫瑰图为2012和2013年的风向频率

研究区面积60 hm2,呈南北向楔形,其中东西向宽约800 m,南北长约1500 m。成熟林树种为美洲黑杨。该林地于2011年9月皆伐完毕。在成熟林采伐前,林下优势种为益母草 (Leonurusarternisia),其盖度达90%以上[16]。新林于2012年1月末种植,树种仍为美洲黑杨。2012年3月,平均树高3.5 m,胸径2.5 cm,至2013年10月,平均树高7.0 m,胸径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)、风轮菜 (Clinopodiumgracile)、益母草等。2012年9月至2013年3月和2013年4月至11月期间分别间作白菜 (Brassicapekinensis)和南瓜 (Cucurbitamoschata)。

1.2 观测与分析方法

本研究采用涡度相关法 (Eddy Covariance Method) 进行通量观测。通量观测塔高30 m,以CSAT-3三维风速仪 (Campbell Scientific, Inc., USA)观测三维风速,以LI-COR 7500 CO2/H2O分析仪 (LI-COR, Inc., USA) 观测CO2和水汽浓度,以快速甲烷分析仪 (Fast Methane Analyzer, FMA) DLT-100 (Los Gatos Research, Inc. USA)分析CH4浓度。2012年3月至2013年2月观测高度为6.5 m,2013年3月至2014年2月观测高度为7.5 m。环境因子观测包括地面以上部分和地面以下部分,主要包括辐射、降雨、空气温湿度、土壤温度、土壤含水量、地下水位等[18]。采用HOBO水位温度记录仪 (Onset Computer Corporation, USA) 观测地下水位。

FMA DLT-100是基于OA-ICOS (off-axis Integrated Cavity Out-put Spectroscopy) 技术,其原理是通过高反射镜面使激光在光腔中衰荡,以使激光光程达到1—4 km,从而提高仪器对痕量气体的检测能力[14]。FMA DLT-100为闭路分析仪,采用Edwards XDS35i真空泵 (Edwards Limited, UK) 采气。真空泵位于FMA DLT-100下游,采气速度约40 L/min。采气管采用内壁镀有特氟龙涂层的金属管,内径约0.01 m,于进气管的前段和后段分别安装有5 μm和1 μm的换膜过滤器。约每7d更换1次滤膜。FMA正常工作时光腔气压通过调压模块保持在约190 hPa。当光腔衰荡时间降低至约6 μs时,将仪器搬回至实验室进行镜面清洗,并以2.0 μL/L空气中CH4标准气体进行校准进行校准。

本研究采用EdiRe软件 (version 1.5.0.32；Robert Clement,University of Edinburgh,Edinburgh,UK；http://www.geos.ed.ac.uk/abs/research/micromet/EdiRe/) 进行通量计算和数据质量控制。主要过程包括：去除了超出仪器测量范围和超过4倍标准差的异常值,运用坐标轴二次旋转法使垂直风速均值为零[19],超声虚温校准 (SND correction)[20],频率损失校准,WPL校准[21]等。其中CH4通量仅进行了潜热校正而未进行显热校正[22]。主要使用最大协方差法确定矢量的延迟时间。然而,CH4的延迟时间经常难以确定[23],因此本文在CH4信号延迟时间难以确定时,以固定延迟时间替代[19]。

主要通过以下方式对CH4通量数据进行数据质量控制：(1) 删除仪器处于非正常工作状态的瞬时值,如气压不稳定、光腔衰荡时间过低 (<6 μs)、CH4浓度超出正常范围 (<1.5或>3.5 μL/L) 等；(2) 计算每个半小时的通量贡献率,并舍弃通量贡献率低于80%的CH4数据；(3) 去除夜间摩擦风速<0.1 m/s时的数据。最终2012年和2013年CH4通量数据保存率为31.2%和30.7%。

本文对不大于2h的CH4通量空缺以线性内插法插补,对大于2h的空缺则选择滑动窗平均日变化法 (gliding-window mean diurnal variations method)[24]进行插补,滑动窗口依次为7、14、30 d,对大于30 d的空缺不进行插补。本文以插补数据计算的累积通量为标准值,同时以未插补数据计算而得的累积通量作对比。

采用Multiple Imputation (MI) 法进行CH4月通量和年通量的不确定性分析。MI法是基于蒙特卡罗理论的一种方法[25],其原理是以若干个模拟值替代缺失值从而得到若干个插补数据集,不同阶段的累计通量及不确定性则通过该若干个数据集进行统计计算获取。目前该方法已被用于CO2和H2O[25]及CH4和N2O[11]通量的插补。本文通过此方法获取月通量和年通量的95%的置信区间 (95% CI)。

土壤温度 (Ts)、土壤含水量 (SWC)、水位 (WT)、摩擦风速 (Ustar) 和总生态系统生产力 (Gross Ecosystem Productivity,GEP) 被认为是调节CH4通量的最可能的因子[10,12,26]。本文采用SAS 9.3 软件进行数据统计分析,以Spearman相关系数检验不同时间尺度CH4通量与上述环境因子的关系。

2 结果与分析

2.1 环境因子

2012年平均气温 (15.9 ℃) 较2013年 (17.7 ℃) 低,但土壤温度 (5 cm深,17.3 ℃) 较2013年 (15.2 ℃)高 (图2)。2012年7月11日至8月20日淹水,最高水位2.8 m,而2013年最高地下水位为-0.57 m (6月7日)。淹水期间土壤表层温度一直保持在25 ℃左右,土壤含水量 (SWC) 几乎保持饱和状态 (约0.6)。而2013年同期的土壤温度为全年最高 (>28 ℃),SWC则从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个月,年总降雨量为1860 mm。而2013年降雨量全年分布更均匀,年总降雨量为1670 mm。

图2 环境因子变化Fig.2 Dynamics of environmental factorsTa:空气温度air temperature;Ts: 5 cm深处土壤温度 soil temperature; SWC: 15 cm深处土壤体积含水量soil volumetric water content

2.2 CH4通量的日变化

在淹水月份 (2012年7月和8月),CH4通量具有较明显的日变化规律,然而淹水前、淹水期间和退水后的日变化规律不同。淹水前,白天排放强度显著高于夜间,分别于8:00和11:00出现峰值,9:00 出现日间最小值 (图3)。淹水期间,清晨 (6:00—9:00) 和夜间 (19:00—23:00) 排放逐渐增加,并于9:00和23:00 达到峰值,下午14:00 出现全天最小值 (图3)。退水后,通量表现为明显的单峰型,峰值出现于10:00 (图3)。通量变化幅度以退水后最大,淹水期间次之,淹水前最小。

未淹水时期,典型单日CH4通量的日变化规律不明显,但部分月份的月平均日变化表现出一定的相似性,主要表现为白天排放强,而夜间排放弱,并于上午、中午或下午出现全天的最强排放 (图3)。这一规律在2012和2013年全年平均日变化中也得以体现 (图3)。此外,在夜间、日出或日落、正午前后CH4的排放强度往往较弱,甚至出现CH4的吸收。然而,多数月份的月平均日变化并未明显表现出上述规律 (图3)。通量的平均日变化规律显著与否与该月的通量强度并无直接关系 (图3)。

图3 CH4通量的平均日变化Fig.3 Mean diurnal changes of CH4 flux 所选月份的数据保持量均>55%。其中a, b, c为淹水前、淹水期间和退水后；d, e, f未表现出明显的日变化特征；g, h, i, j, k, l表现出白天的通量较强而夜间较弱的特征

2.3 CH4通量的季节变化

2012年与2013年的月通量表现出不同的季节变化特征 (图4)。2012年1月至3月排放强度基本稳定,自3月开始逐渐减小,并于5月达到最小。然而自6月起急剧增加,并于8月达到最大。之后迅速回落,并逐渐降低至12月份。自2013年1月起逐渐增加至3月。于4月短暂回落后又逐渐回升直至6月。7月份表现出微弱的吸收,但于8月份又恢复至6月份的强度,之后逐渐减弱,并于11月达到最小。而之后的2个月又表现出较强的排放。

图4 CH4通量的月际变化Fig.4 Dynamic of monthly CH4 fluxMDV和MI分别表示经滑动窗平均日变化法和Multiple Imputation 法插补后计算的月通量值

由未插补数据计算而得的月通量变化与插补数据计算的结果基本表现一致。然而不同的是,前者显示幼林于2013年7月排放强度极微弱,而从8月起表现为较强的吸收,并于9月份达到最大吸收值 (-7.6 mmol/m2)。插补后与未插补结果的差异主要由于仪器故障导致2013年8月和9月数据缺失过多。

总之,2012年排放高峰出现于淹水期间 (7—8月),但淹水前 (6月) 和淹水后 (9月) 均受到长江水位的影响而表现出相对较强的排放；最弱的排放出现于受水位影响较小的春末夏初 (5月) 和秋末冬初 (11和12月)。而2013年最强排放出现于初夏 (6月),而最弱排放出现于盛夏 (7月) 和秋末 (11月份)。结合未经插补计算而得的通量变化情况推测,夏季 (7—9月) 将可能表现出一定强度的CH4吸收。

2.4 CH4通量的年际变化

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 (图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年未淹水月份的总排放量为20.7 mmol/m2,为2013年同期排放量的0.46倍。因此,滩地淹水与否是直接导致这2年通量巨大差异的最主要原因。

图5 CH4通量的年际变化Fig.5 Interannual dynamic of CH4 flux

2.5 不同时间尺度CH4通量的影响因素

淹水期间,半小时通量与SWC、WT表现出极显著的负相关,而与Ustar表现出极显著的正相关；而日通量与SWC和WT负相关性较大,但不显著 (表1)。

未淹水期间,2012和2013年在半小时尺度、日尺度和月尺度通量上均具有不同的环境控制因子。半小时尺度上,2012年通量与Ts和WT具有极显著正相关性,并与Ustar具有显著正相关性；而2013年通量仅与Ustar具有极显著正相关性。日尺度上,2012年通量与Ts和WT具有显著正相关性,而2013年通量仍仅与Ustar具有显著正相关性。在月尺度上,2012年通量与WT表现出较强的正相关性,而2013年通量未与任何变量表现出显著相关性。

3 讨论

目前的研究显示,CH4通量的日变化特征较复杂。有学者将天然湿地CH4通量日变化规律总结为日间极大值型、夜间极大值型和随机型[27],将稻田日变化规律总结为单峰型、双峰型和无规则型[28],且这些变化特征主要根据大量的箱法观测研究案例总结而出。而本研究基于涡度相关法的观测结果显示,本研究区几乎表现出了上述所有的日变化特征,表明长江滩地CH4通量具有更复杂的日动态变化。Querino等基于涡度相关法的研究发现,热带森林在日出后会出现持续5h的较强的CH4排放,归因于夜间储藏在冠层的气体日出后被排放[29]。而本研究中部分月份和2个全年的平均日变化均显示,在白天也呈现出持续数小时的较强排放 (图2),但并非由于冠层夜间储藏气体的释放 (因为冠层十分稀疏),而可能由于日出后大气湍流加强,将土壤中夜间驻留的气体缓慢带出了土壤。

大多研究都表明CH4通量季节性变化明显。典型的湿地生态系统以CH4排放为主,其排放高峰多集中于夏季[30-33]。而温带森林生态系统以CH4吸收为主,其吸收强度以夏季最高,冬季最小[34]。而人工林生态系统的季节变化相对复杂。孙晓新等研究发现,天然沼泽和排水造林的人工林CH4通量都有明显的季节变化规律,但人工林CH4通量峰值出现的时间和频率与天然沼泽不同,峰值相对较小,有吸收CH4的现象[35]。Zona等对由农田转变的杨树人工林温室气体通量的研究显示,CH4排放量以生长季最低,非生长季最高[11]。本站点此前的研究表明,滩地杨树人工林成熟林在未淹水年份的生长季具有较强的CH4吸收能力,但皆伐后CH4吸收能力降低[16]。而本研究中未插补数据显示2013年8—9月表现出较强吸收。因此推断,今后未淹水年份的CH4通量将在夏季出现较弱的CH4排放,甚至将表现出一定强度的吸收。

由于环境因子常对CH4的产生和氧化同时产生影响,二者的动态平衡导致其对CH4通量的影响处于动态变化当中[36-38],因此,CH4通量的调控机制往往十分复杂。一般认为温度、土壤水分、水位、湍流条件和生态系统生产力是调节CH4通量的最可能的因子[10,12,26]。而滨水区处于水生和陆生生态系统的过渡区域,其CH4通量的调控则更加复杂。季节性淹水由于能对许多生物地球化学过程产生影响而被认为是滨水区异质性的主要驱动力[39]。地下水位是有氧和无氧区的分界线,因而此处CH4产生和氧化均十分活跃,为CH4排放的热点位置[40]。而水位的变化会导致该热点位置发生移动,同时会导致气体传输距离的改变。本研究中,水位对2012年各时间尺度通量均产生显著影响,而未对2013年通量产生影响,因为2012年水位的变化较2013年幅FCH4_hh,FCH4_d和FCH4_m分别为半小时、日平均通量和月平均通量 (nmol m-2s-1),均采用未经插补的数据;Ts：5 cm深处土壤温度 soil temperature；SWC：15 cm深处土壤体积含水量 soil volumetric water content；WT：地下水位 water table；Ustar：摩擦风速 friction velocity；GEP：总生态系统生产力 gross ecosystem productivity；SCC：Spearman相关系数,P为显著性; ***表示P<0.0001,**表示P<0.001,*表示P<0.05度大得多 (图2)。摩擦风速是大气湍流条件的重要指标,它同时对扩散和冒泡这2种CH4排放方式产生重要影响[10],而这两种方式分别为未淹水和淹水时期CH4排放的主要途径,因而本研究中摩擦风速对2012年淹水和未淹水时期及2013年CH4通量均有显著影响。Chu等在淡水湿地和玉米地中的研究发现,摩擦风速是半小时CH4通量的主要控制因素,而对更长时间尺度通量影响不明显[10]。而本研究中摩擦风速不仅对任何时期半小时通量具有显著影响,而且对2013年的日通量也具有显著影响。此外,摩擦风速对CH4排放的影响常在气体传输受阻时更显著[10]。本研究中摩擦风速对2013年通量影响更大,可能由于2013年具有更低的地下水位而导致CH4排出的阻力更大,同时更茂密的地表覆盖使土壤表面湍流减弱而导致CH4扩散更慢,因而摩擦风速的作用更显著。土壤温度是影响生物活性的重要因子,其同时对甲烷氧化菌和产甲烷菌的活性产生影响[37]。本研究中土壤温度对2012年较小尺度通量产生显著影响,而对2013年通量无影响,可能由于2012年地表植被覆盖更少而导致土壤温度波动更大 (图2)。林下农作物的间作活动对CH4通量可能产生影响。然而,本研究中,生态系统的初级生产力对通量并未表现出显著影响,而幼林期人工林的生产力主要来源于林下植被,因此可以推测林下作物的生长状况对CH4通量影响不显著。此外,土壤水分也未表现出对CH4通量的显著影响,因此推测农业灌溉活动对全年的不同时间尺度CH4通量影响不显著,但灌溉和暴雨冲击对CH4通量的短期影响不清楚。至于施肥对CH4通量的影响,本研究难以推断。

表1 不同时间尺度的CH4通量与潜在控制因子的相关性

目前对CH4通量缺失数据尚无统一的插补方法。Chu等应用边缘分布抽样法 (Marginal Distribution Sampling method, MDS)进行数据插补[10],而Zona等运用分时段线性外推法 (Linear Extrapolation)进行线性插补,而运用MI (Multiple Imputation)法进行不确定性估算[11]。MDS法和MI法均为基于Monte Carlo 技术的数据插补方法。本研究中由于CH4通量在不同时间尺度上具有一定的变化趋势 (图3,图4),且数据的缺失在一天中并非均匀分布,因此在进行全年通量估算时应对缺失值进行插补。本文运用滑动窗平均日变化法 (MDV) 插补计算的月通量和年通量与未经插补而计算的通量和经MI法插补而计算的通量均具有较好的一致性,由此可见MDV法用于本研究区CH4通量缺失值插补是可行的。

4 结论

本研究表明,滩地人工林幼林不同时间尺度上的CH4通量变化均表现出较大的变异性,主要体现在：(1) 全年和部分未淹水月份表现出白天排放强而夜间排放弱的日变化特征,而淹水前、淹水期间和退水后分别表现出日间双峰型 (7:00和10:00)、日间与夜间各一峰的双峰型 (10:00和23:00),以及典型的日间单峰型 (10:00),但多数未淹水月份未表现出明显的日变化特征；(2) 淹水年份 (2012年) 在夏季 (6—8月)排放最强,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) 排放最强,在盛夏 (7月) 和秋末 (11月) 转变为较弱的吸收；(3) 淹水年份的年排放量 ((128.0±42.4) mmol/m2) 为未淹水年份 ((51.5±29.1) mmol/m2) 的2.5倍。滩地人工林幼林CH4通量的日变化和季节变化最可能受到摩擦风速、水位和土壤温度的调节,而年际变化主要由淹水状况决定。

[1] Hartmann D L, Tank A M G K, Rusticucci M, Alexander L V, Brönnimann 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] 陈吉泉. 河岸植被特征及其在生态系统和景观中的作用. 应用生态学报, 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, Röckmann 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] 张旭东, 漆良华, 周金星, 刘国华, 黄玲玲. 林业血防生态工程在血吸虫病防治中的作用及展望. 世界林业研究, 2006, 19(4): 33-37.

[16] 高升华, 张旭东, 汤玉喜, 张蕊, 唐洁, 张雷, 申贵仓, 魏远. 滩地美洲黑杨人工林皆伐对地表甲烷通量的短期影响. 林业科学, 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] 魏远, 张旭东, 江泽平, 周金星, 汤玉喜, 吴立勋, 黄玲玲, 高升华. 湖南岳阳地区杨树人工林生态系统净碳交换季节动态研究. 林业科学研究, 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] 郝庆菊, 王跃思, 江长胜, 王长科, 王明星. 湿地甲烷排放研究若干问题的探讨. 生态学杂志, 2005, 24(2): 170-175.

[28] 陈槐, 周舜, 吴宁, 王艳芬, 罗鹏, 石福孙. 湿地甲烷的产生、氧化及排放通量研究进展. 应用与环境生物学报, 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, Röckmann T. Methane flux, vertical gradient and mixing ratio measurements in a tropical forest. Atmospheric Chemistry and Physics, 2011, 11(15): 7943-7953.

[30] 陈槐, 高永恒, 姚守平, 吴宁, 王艳芬, 罗鹏, 田建卿. 若尔盖高原湿地甲烷排放的时空异质性. 生态学报, 2008, 28(7): 3425-3437.

[31] 杨红霞, 王东启, 陈振楼, 陈华, 王军, 许世远, 杨龙元. 长江口崇明东滩潮间带甲烷(CH4)排放及其季节变化. 地理科学, 2007, 27(3): 408-413.

[32] 黄国宏, 肖笃宁, 李玉祥, 陈冠雄, 杨玉成, 赵长伟. 芦苇湿地温室气体甲烷(CH4)排放研究. 生态学报, 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] 孙向阳. 北京低山区森林土壤中CH4排放通量的研究. 土壤与环境, 2000, 9(3): 173-176.

[35] 孙晓新, 牟长城, 冯登军, 刘霞, 程伟, 石兰英. 排水造林对小兴安岭沼泽甲烷排放的影响. 生态学报, 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

国家科技支撑计划课题(2015BAD07B07；2015BAD07B04)

2015-03-22;

日期:2016-01-05

10.5846/stxb201503220546

*通讯作者Corresponding author.E-mail: zhxdcaf@163.com

高升华,张旭东,汤玉喜,陈吉泉,唐洁,孙启祥,唐学君.滩地人工林幼林不同时间尺度CH4通量变化特征——基于涡度相关闭路系统的研究.生态学报,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.