大气CO2浓度年际变化及其对农业的影响

袁 潮,杨文艳,孙 卓,易希延,王楠楠

(辽宁省盘锦市气象局，辽宁 盘锦 124010)

1 引言

气候变化是全球环境问题之一，它对世界的经济系统、食物供应和可持续发展(联合国气候变化框架条约的第二章)有着潜在的影响。大气二氧化碳是影响气候变化的重要因素，工业革命以来，大气二氧化碳浓度一直呈上升趋势，其带来的全球变暖也愈发得到大家的共识，从20 世纪初至今, 全球地面气温已经上升了0.3～0.6 ℃,最近10 a已成为自1860 年以来最暖的时期[1],从1959年到2008年，大气二氧化碳浓度从315.98 mg·L-1增加到385.34 mg·L-1，增加了21.9%，平均每年增加1.39 mg·L-1，并在2019年突破415 mg·L-1，创造有史以来最高纪录。如果二氧化碳浓度按照此速度持续增加，到21世纪中叶(2030-2050年)二氧化碳浓度将是工业革命前(280 mg·L-1)的两倍(560～600 mg·L-1)，这无疑对整个地球气候系统产生巨大的影响。

大气二氧化碳的长期观测可以看出，除了长期上升的趋势外，其随时间的变化表现出季节、年际和年代际变化[2]，强烈的季节变化信号在很大程度上会掩盖大气二氧化碳的年际变化，所以如果想得到大气二氧化碳的年际变化，就必须应用某种方法来首先滤去大气二氧化碳的季节变化信号[3,4]。人为排放的年际变化与大气CO2浓度年际变化( Interannual Fluctuations of Atmospheric CO2，IFAC) 并不一致，IFAC 反映了陆地生态系统、海洋与大气间 CO2的非平衡交换，主要受某些气候变率引起的大气和海洋热力、动力学变化的复杂影响[5]。

国内外在大气CO2浓度对农业影响方面进行了广泛的研究，Rosenberg[6]指出由于大气CO2浓度增加导致对农业的影响主要表现在两个方面：一方面全球温度升高使得植物平均净光合作用增加，从而改变植物的叶面积和叶面结构，进而改变光合作用的内在形式，增加水分利用率。通过实验得出：CO2浓度增加一倍，植物蒸腾作用减少34%，产品得到明显增加。另一方面，气温升高也导致干旱化进程的加快，使得地表径流大幅减少，可耕作土地面积下降，从而对农业生成产生严重影响。张广珠[7]研究表明大气CO2浓度升高不但影响植物的生长发育,而且还改变植物体内的化学成分的组成与含量,从而间接地影响到植食性昆虫,进而通过食物链影响到以之为食的天敌。笔者拟通过不同拟合方法，滤去CO2强季节变化，得到全球大气CO2浓度年际变化规律，同时简单讨论大气CO2浓度变化对可能造成的影响。

2 大气二氧化碳季节及年际变化研究

2.1 大气CO2历史变化概况

伴随着科技的发展，Scripps海洋研究所(SIO)自二十世纪50年代末开始相继建立了多个固定的日、月尺度的大气CO2直接观测站(图1)，为研究大气CO2对气候变化的影响提供了必要的基础数据。图2是根据格林兰和南极冰芯测得的过去约300 a间的CO2浓度以及在美国夏威夷Mauna loa直接进行大气观测得到的35 a间CO2浓度的变化[6]，可以直观看出18世纪以来，大气二氧化碳浓度有一持续上涨的趋势，而在此前几千年的历史时期内，其浓度基本保持在(280±10) mg·L-1范围内波动。大气CO2浓度监测始于1957年，由Keeling领导的研究组在美国夏威夷Mauna loa和南极分别进行，夏威夷Mauna loa岛观测站(19.5°N)已连续进行了约60 a的大气二氧化碳测量，是世界上最长最可靠的大气二氧化碳浓度记录。

2.2 大气CO2季节变化及其影响因素

由图3可以直观的看出，观测期间内大气CO2浓度在持续上升的同时，还表现出了强烈的季节性震荡。这种季节性震荡北半球比南半球大，并且在北半球南向北有增大趋势，北半球从4月开始大气CO2浓度显著减小，8月开始逐渐增大，南半球表现出相反的趋势。大气CO2浓度的季节性变化与区域内温度和光照强度的季节性变化相反，一般是认为由植物的光合作用或固碳能力的季节变化引起的，即陆地生态系统可能起了主要作用[8]。

2.3 大气CO2的年际变化

大气CO2季节变化过于显著，在考虑其年际变化时，我们要滤去季节变化信号。在这里，笔者采用三种不同的方法滤去季节变化信号。

方法一：通过月均值的年增加量来分析大气CO2的长序列年际变化(陈中笑等[3])，自20世纪70年代中期以来化石燃料的年排放为5～8GtC,与大气CO2总量相比，排放量的变化对大气CO2年际变化影响几乎相同，尤其考虑对月均值的影响时。因此，大气CO2的年增加量表示为：

CA(i,j) =C1(i,j) -C1(i-1,j);

(1)

其中CA代表大气CO2月均值的年增加量，C1代表观测值，i为年份，j为月份。笔者采用该方法，认为是以前一年的变化为基础，而不分离该变化中的各种尺度，用后一年的月均值减去前一年的月均值，单纯得到其月均值的年增加量。该种方法的优点在于可以清楚的看出二氧化碳的年递增量，对于相邻两年的变化有比较直观的表现。由图(4)可以看出SIO不同纬度测站在同一历史时期，大气二氧化碳的年增长有着很高的一致性，例如在各个站点，1988-1989年以及1998-1999年这两个时间段都有大气CO2的显著增加，这也间接证明了大气CO2的年际变化在全球空间尺度上是基本一致的。

方法二：WDCGG-treat methods[9]在分析温室气体浓度的数据中指出，温室气体浓度变化的时间序列，通常包含不同时间尺度的变化，CO2浓度变化主要包括季节性变化和一个长期趋势，其采用数字滤波的方式，分离两种时间尺度的波动。主要过程可以表述为：

(1)在原始观测数据中去掉线性趋势。

(2)去趋势后的数据可用下面傅里叶函数进行拟合：

(2)

为了滤去季节变化信号，公式中t代表时间，k通常取值为4

(3)原始数据可以通过减去(2)中的S(t)从而达到滤去季节信号的目的，缺测数据通过线性内插得到，得到的年际变化趋势通过适当的平滑处理(这里采用Lanczos滤波)，0.48年为步长，得到新的年际变化。

(4)再利用原始数据减去(3)中所得滤波后的年趋势，得到新的数据，利用(2)中的函数再次拟合季节变化趋势。

(5)重复上面(3)(4)步骤，直到季节与年际变化趋势趋于不变。

大气二氧化碳月均值的时间序列，用多项式来表现出浓度的线性变化，拟合出其长时间的变化趋势，从而可以大致看出其年增长速率。

笔者用二次多项式拟合二氧化碳浓度变化的趋势线，拟合出大气二氧化碳浓度的增长趋势，去趋势后的浓度变化时间序列及拟合曲线，其可以清楚的反应出滤上年增长后的季节循环，每年浓度的极大极小值定义为季节循环的振幅。

两者相减可得到滤去季节信号后的数据。根据WDCGG-treat method，对数据进行平滑处理，在这里，笔者并未采用采用Lanczos滤波方法，而是采用简单的四点滑动平均对所得大气二氧化碳年际变化时间序列进行处理，这样可以比较好的滤去波动较大的季节性变化。

利用方法二中步骤(3)(4)，最后大气二氧化碳浓度的季节和年际变化时间序列都趋于平稳，得到最后站点大气二氧化碳年际变化的时间序列如图6。

方法三：该方法是基于Keeling[4]研究基础之上的改进方法。观测所得的大气二氧化碳浓度资料可以反应其从几分钟到十几年不等的时间尺度的变化。我们大致将其分为三种时间尺度。

天气尺度：大气二氧化碳浓度在很大范围内微小的变化可以对天气现象产生影响。因为该尺度的研究需要极其精细的大气二氧化碳浓度变化数据(日数据)，目前对其研究较少，笔者暂不考虑大气二氧化碳浓度的天气尺度的变化。

在滤去天气尺度的变化后得到大气二氧化碳浓度的季节变化，该变化体现在大气二氧化碳浓度平稳的月变化，该尺度的变化不会再对局地的天气现象产生影响。滤去季节变化后得带后得到大气二氧化碳浓度的年际变化，该尺度的变化缓慢，但在全球范围内体现出相似的趋势，因为大气二氧化碳的混合速率与该时间尺度相似，或低于该时间尺度。

几乎在全球范围的每个SIO观测站，大气二氧化碳浓度记录都可以清晰的展现出季节性的循环，但是这些循环并是年复一年的不完全重复，这使得我们可以更加容易分离季节和年际变化。在Keeling的方法中，其用如下公式定义二氧化碳浓度的季节性循环：

(3)

这里的γ是一个增益因子，ak和bk是需要通过数据拟合出来的常数，t代表时间，ω代表角频率当t表示为年份时，其值可以用2πk表示，m为谐波数，通常取值为4。

在滤去上面的调和函数后，可以得到大气二氧化碳浓度的剩余变化趋势，Keeling用两种方式来进行描述：

一个离散的时间变化序列，该时间序列包含了减去公式(2.3)的调和函数后的所有变化。

一个连续的包含指数项方程这个方程包含了由于工业产生的二氧化碳排放到大气中而引起的二氧化碳的年变化。再加上提供剩余变化平稳趋势的样条函数。

Cobsrem(t)=C1+C2exp(C3t)+R

(4)

C1，C2和C3是通过非线性拟合出的常数，R代表样条函数，它的系数也通过拟合确定。

在Keeling的方法基础上，针对季节循环公式(3)，将其拆分成两项，调整为：

(5)

该公式可以理解为：第一项为单纯的大气二氧化碳的季节性变化，第二项为由于人类活动影响或是火山爆发等因素所产生的大气二氧化碳的增长，所以第二项中t前的系数可以表示为正弦余弦函数型的增长型，并且长期增长的波动趋势可以与季节性不同，两者应该有不同的角频率。综上所诉，上式(5)第二项可以化为：

μt(sinω1t+cosω1t)

因所引用数据未进行标准化和平滑处理，这里拟合时引入常数a，使CO2在一个标准值的基础上变动，最后所应用的拟合函数为：

μt+k(sinω1t+bcosω1t)+a

(6)

采用SPO和MLO两个站点数据，这里我们采用大气CO2月均值，所以ωk=2πk/12应用上式进行拟合所得拟合图像如图(7)：

为得到其年际变化的时间序列，用原数据减去通过拟合出的函数计算出的大气二氧化碳的季节变化的月均值，滤去CO2的年际变化，从而得到了年际变化的时间序列图(图8)。

上述三种方法都可以一定程度上滤去大气二氧化碳季节变化信号，从而得到其年际变化，拟合出的结果基本上可以表现出大气CO2年际变化趋势，尤其在大气CO2的高值年(1988年,1998年)，都可以很好的拟合出来。方法一着重研究大气CO2的年际增长率，而未将二氧化碳本身的季节变化和影响其年际变化的其他因素分离,可能导致前后AO指数较强两年相减而使后一年无法真实表达出其影响；方法二在先滤去大气CO2的长期趋势后，着重研究大气CO2的季节变化规律，在了解其季节变化规律的基础上，得到其年际变化；方法三中认为大气CO2长期的变化趋势表现为人类活动等引起的稳定三角函数增长，增益因子γ来表示，由于没有很好的拟合出大气CO2的长期增长趋势，尤其在所选取时间序列的早期时段误差较大，所以对其年际变化的拟合不理想。笔者在对AO指数大气二氧化碳年际变化相关研究中，趋向于运用方法二得到的大气CO2年际变化时间序列。

3 大气CO2浓度对农业影响

大气CO2浓度增加对农业的影响愈发受到人们的关注[11～13]，主要可分为两个方面：首先是CO2的直接效应，主要通过改变绿色植物的光合作用和新陈代谢来实现。CO2作为光合作用原料，其浓度增加有利于农作物的生长，但同时杂草也会增长，这种增长对C3作物的贡献大于C4作物，同时作物生长过程中的反馈作用也可能增加或削弱这些影响。其次是大气CO2作为温室气体，同样可以表现出对农业的间接效应，大气CO2浓度增加所导致的气候变化再影响作物生长，最直接的表现即为农业气候带的向北推移，有研究指出平均气温升高1℃，农业气候带平均北移100 km[14]，且各作物的熟级增加1级[15]。高纬度地区作物生长季将延长，越冬作物的种植临界纬度北推。但同时也使得作物遭受病虫害的可能性增加。综上，大气CO2浓度增加对农业生产有利有弊，一方面使得气温升高，作物生长有效积温及生长期增加，从而增加农作物的生产力；另一方面随着气温的升高，田间杂草及病虫害也将随之增加，并且由于升温加速微生物对肥料的分解，这就需要加大对农业生产的投入，并且气温升高可能使得部分地区土壤墒情变差，从而对农业生产产生不利影响。

4 小结与讨论

选取长时间序列的大气CO2观测数据，对比使用三种方法滤去大气CO2季节变化信号和人类活动对大气CO2浓度的影响，并简要探讨大气CO2浓度变化对农业的影响，得到以下结论。

(1)18世纪以前几千年的历史时期内，大气CO2浓度基本保持在(280±10) ppm范围内波动，而18世纪以来，其浓度明显呈快速上涨的趋势。这说明工业革命以后，人类活动对大气CO2浓度影响愈发明显。

(2)运用三种不同方法滤去季节变化信号和人类活动对大气CO2浓度影响，均能较好拟合出1988-1989年以及1998-1999年这两时段大气CO2的显著增加趋势,方法一着重研究大气CO2的年际增长率，但未将大气CO2本身的季节变化和影响其年际变化的其他因素分离；方法二在先滤去大气CO2的长期趋势后，着重研究大气CO2的季节变化规律，在季节变化规律的基础上，得到其年际变化；方法三中认为大气CO2长期的变化趋势表现为人类活动等引起的稳定三角函数增长，但对于大气CO2的长期增长趋势，拟合效果较差。

(3)大气CO2浓度增加对农业生产的影响主要包括通过改变绿色植物的光合作用和新陈代谢所导致的直接效应和导致的气候变化所带来的间接效应，一方面大气CO2浓度增加使得气温升高，导致作物生长有效积温及生长期增加，从而增加农作物的生产力；另一方面气温的升高，也将导致田间杂草及病虫害增加，并且加速肥料的分解，从而对农业生产产生不利影响。