太湖流域农田稻季CH4通量特征及影响因子

鲍远航, 徐昔保,陈 晔

1 南京师范大学地理科学学院, 南京 210023 2 中国科学院南京地理与湖泊研究所,中科院流域地理学重点实验室, 南京 210008 3 南京师范大学海洋科学与工程学院, 南京 210023

CH4是除CO2和N2O外最之主要的温室气体之一,大气中CH4浓度虽远低于CO2浓度,但其全球变暖潜能值是CO2的34倍[1],使其成为继CO2之后影响最大的温室气体。全球约2/3的CH4排放量是由人类活动造成的[2],其中稻田排放就占全球CH4排放总量的11%[3],是全球CH4的主要来源之一。稻田灌溉产生的厌氧土壤条件,是CH4产生的有利条件,在淹水环境中,土壤中的有机物质被各类细菌组成的复杂链转化成比较简单的基质,这些基质又被产甲烷菌转化成CH4[4]。稻田土壤的高湿度、高有机碳等特点决定了稻田是CH4的主要排放源,因此,稻田CH4排放研究已成为全球变化研究的重要内容与热点。深入研究稻田CH4排放规律及其驱动机制,有助于制定合理的稻田灌溉及管理措施,为CH4减排措施制定提供科学依据。

针对稻田生态系统CH4排放,国内外已开展了一系列观测与研究,实地监测最早在美国和欧洲开展[4],但全球约90%以上的水稻田集中分布在亚洲,亚洲地区对稻田CH4排放的监测也逐渐增多[5- 6],且多集中在对稻田CH4的产生机理[4]、驱动机制[5- 6]、减排措施[7- 8]等方面的研究,近年对不同耕作方式、不同水肥管理模式的CH4减排效应研究较多,如有研究发现稻田CH4排放表现为：双季稻晚稻>双季稻早稻>单季稻>稻麦轮作晚稻[9],稻麦季秸秆均还田>稻季麦秸还田>麦季稻秸还田>稻麦季秸秆均不还田[8]、控制灌溉>干湿交替>晒田>持续淹水[9]。在稻田CH4研究中,稻田CH4通量观测是研究稻田CH4排放的基础,目前CH4观测方法主要包括箱式法[7]、同位素法和微气象法[8]。箱式法是国内外最常用的CH4观测方法,但箱式法具有破坏原土壤环境、无法长时间连续观测、频率低、监测范围小、相对代表性低等缺点；而微气象法中的涡度相关法(Eddy Covariance Method)具有不破坏原土壤环境、长时间连续观测、高频率、监测范围大等优点,因此利用涡度相关法观测CH4通量研究已成为最流行的方法之一[1,10- 12]。

中国水稻种植面积约占球水稻种植面积的23%[13],中国稻田也是全球大气CH4的重要排放源。太湖流域作为典型的稻麦轮作区,是我国土地利用变化最快的地区之一,流域耕地面积从2000年的10295.5 km2减少到2010年的7939 km2[14]。针对太湖流域稻麦轮作农田CH4排放的研究,大多集中在利用静态箱法分析CH4排放特征[7- 8,13]、不同水肥管理措施对CH4排放的影响[15]等方面；CH4通量观测方法稍显单一,主要为静态箱—气相色谱法,微气象法略少,且尚无人工观测与机器自动监测相结合的研究方式,机制分析多集中在各个因子独立分析[16- 17],鲜有综合定量分析。目前关于太湖流域稻麦轮作区稻季CH4排放机理研究仍不十分清晰,鉴于此,本研究采用涡度相关法,针对太湖区域稻麦轮作农田开展CH4通量监测,分析其CH4排放特征及机制,以期为进一步模拟太湖流域CH4排放及相关模型的修正提供科学依据。

1 材料与方法

1.1 田间观测

试验田位于江苏省无锡市锡山区羊尖镇严家桥村(31°39′14″N,120°32′43″E,海拔6m),系亚热带季风气候区,气候温和,年均气温16℃；雨水充沛,年均降水量1048mm；日照充足,全年日照时数2019h,全年无霜期 220d左右[18]。试验田面积约600m×600m,地处太湖流域北部平原,为江苏省基本农田保护区,土壤类型为典型潴育水稻土,土壤质地为沙壤土[18],作物种植制度为夏水稻—冬小麦—一年两熟制,夏水稻于6月中旬移栽至试验区内,11月初收割,冬小麦于11月中旬播种,6月上旬收割。从自然条件、种植制度、管理措施来看,该试验区在太湖流域具有典型代表性。

本研究采用涡度相关法进行通量观测,由LI- 7700 CH4分析仪、EC150开路CO2/H2O分析仪(Campbell Sci. Inc., USA)、CSAT3三维超声风速仪(Campbell Sci. Inc., USA)组成,安装高度3.56 m,以10 Hz的采样频率记录周期为30 min的CH4通量、摩擦风速、水汽通量等数据。同时安装有SDI- 12 数字式TDT(Campbell, USA)观测10 cm、20 cm、40 cm处土壤水分/温度/介电常数/电导率,TE525MM(Campbell, USA)观测降水,观测频率10Hz,由CR3000数采每30min自动储存。

1.2 数据质量控制和插补

本研究采用Eddypro(version 6.2.1)软件进行试验区2017年CH4通量计算及修正。具体步骤包括：(1)野点去除：首先剔除CAST3及EC150硬件异常数据,即diag_sonic≠0、diag_irqa≠0,其次剔除CH4信号强度低于15%的数据[10]；(2)二次坐标旋转；(3)频率响应校正；(4)空气密度响应校正(WPL校正)；(5)质量控制：去除CH4质量为2及明显异常值。

由于机器故障、天气变化等不可控因素的影响,通量数据存在部分缺失及质量问题,2017年稻季(6、7、8、9、10月)数据保留率分别为(43%、72%、66%、27%、26%)。目前对CH4通量数据插补尚不存在统一的方法,本文采用遗传算法优化的神经网络模型对CH4通量进行插补。人工神经网络模型已被广泛用来填补通量数据[19],遗传算法优化的神经网络模型可以以任意精度逼近非线性函数,能很好地反映非线性系统发展的趋势。首先利用SPSS筛选出与CH4通量变化相关的主要环境因子(空气温度、平均风速、土壤温度-10 cm、土壤水分-10 cm、土壤电导率-10 cm),再利用MATLAB建立遗传算法优化的神经网络模型插补缺失数据。模型的完整输入数据集被随机分为两个独立子集：训练数据集与评估数据集,训练数据集用于训练缺口填充模型,评估数据集用于评估模型。为避免不同的参数量级的差异影响输出结果,所有输入参数都进行归一化处理：最小-1,最大+1。

1.3 数据处理

本文运用Excel 2013进行数据统计分析,SPSS 22软件进行Spearman相关性分析、回归分析,SigmaPlot 14.0软件进行绘图。

2 结果分析

2.1 CH4排放特征

2.1.1日变化

在日尺度上,太湖流域稻麦轮作农田CH4通量变化为显著的CH4的源,总排放量为28.947 g/m2。在水稻生长季中,除8月外,CH4排放均呈现单峰模式(图1)。6月自10日起,CH4通量范围在0.064—0.659 μmol m-2s-1,在12:30达到峰值；7月排放范围在0.153—0.932 μmol m-2s-1,在15:30达到峰值；8月排放范围在0.054—0.122 μmol m-2s-1；9月排放范围在0.009—0.081 μmol m-2s-1,在15:00达到峰值；10月排放范围在-0.004—0.016 μmol m-2s-1,在11:30达到峰值。其中7月CH4排放通量最高、波幅最大,6月次之,10月最低,除8月外,其余月份CH4均在凌晨约6:00开始大幅上升。因此,太湖流域稻季CH4排放的日变化存在2种模式：一是无规则型(8月),全天保持不稳定排放；二是单峰型(6、7、9、10月),白天排放量明显高于夜间排放量,但是每月的峰值出现时间不尽相同。

图1 CH4通量日变化Fig.1 Diurnal variation of CH4 flux

2.1.2月变化

月尺度上,稻季CH4通量整体表现为CH4的源,CH4通量波动范围为0—0.861 μmol m-2s-1,最小值出现在10月18日,最大值出现在7月25日,均值为0.214 μmol m-2s-1(图2)。在观测期内,在水稻移栽后五天左右(6月19日),CH4通量开始上升,此间处于返青期,排放量较低(日均值0.102 μmol m-2s-1)；而后CH4排放随着水稻进入分蘖期而增强(日均值0.451 μmol m-2s-1),在7月上旬(分蘖盛期)排放量最高；在7月25日出现一个排放峰值,涨幅较大,此时正值排水烤田初期,而后随着烤田的进行,土壤水分大幅下降,CH4通量也急剧下降；复水以后,8月(拔节期)CH4排放有所回升(日均值0.082 μmol m-2s-1),但也一直保持在较低水平；10月水稻进入成熟期后(日均值0.006 μmol m-2s-1),CH4通量达到最低水平,几乎没有CH4排放。太湖流域农田稻季CH4排放整体集中在水稻生长前期(81.61%)及中期(16.16%),后期排放相对较弱(2.23%)。

图2 CH4通量季节变化Fig.2 Seasonal variation of CH4 flux

2.2 CH4通量影响机制

2.2.1影响因子分析

CH4的产生、氧化和传输受到诸多环境因子(温度、土壤水分、土壤pH、风速、土壤质地、管理方式等)的综合影响[9- 10,16,20]。如土壤质地通过影响土壤通透性和土壤有机质分解速率,从而影响对产CH4微生物的基质供应与CH4排放[21],土壤pH通过影响产甲烷菌以及甲烷氧化菌活性影响CH4排放[21],耕作、灌溉、施肥方式通过影响土壤的水、肥、气、热进而影响到CH4排放[4,9,21]。本研究主要环境因子包括气温、土壤温度、土壤水分、土壤电导率、摩擦风速,其与太湖流域农田稻季CH4排放关系如下(图3)：

CH4排放通量与气温,10、20、40 cm土壤温度均呈指数关系(R2分别为0.589、0.584、0.521、0.459,P<0.0001),随着温度的升高,CH4通量增加,且随着土层的加深,拟合系数R2越小,表明其与CH4通量相关性越低。在气温小于15℃时,CH4排放几乎为零,在35℃左右达到峰值；在土壤温度小于16℃时,CH4排放基本为零,在28—30℃间达到峰值。温度在CH4产生、氧化、传输三个过程中均起着重要作用：第一,温度影响到产甲烷菌的活性,据Schütz等稻田的三年研究发现,产甲烷菌的最低、最适、最高温度为15℃、35℃、40℃,这验证了本研究CH4通量随温度变化的低值、峰值情况；第二,温度也影响到甲烷氧化菌的活性,且甲烷氧化菌的温度生态幅宽于产甲烷菌,在温度<10℃时,甲烷氧化菌依旧活跃[4],再次验证温度在小于15℃时,CH4排放基本为零；第三,温度影响到CH4在水中扩散速率以及植物体呼吸和蒸腾作用,从而影响到CH4排放速率[21],高温促进水稻生长,水稻植株呼吸作用和蒸腾作用加强,同时加快了CH4扩散速率,减少了CH4的再氧化,致使排向大气的CH4增多。

CH4排放通量与10、20 cm土壤水分均呈微弱的指数关系(R2分别为0.362、0.372,P<0.0001),随着土壤水分的增加,CH4通量增加,且随着土层的加深,拟合系数R2越大,表明其与CH4通量相关性越高。与40 cm土壤水分呈二次曲线关系(R2为0.378,P<0.0001),当土壤水分<0.41 m3/m3时,CH4通量随土壤水分的增加而减少,当土壤水分>0.41 m3/m3时,CH4通量随土壤水分的增加而增加。土壤水分在CH4产生、氧化、传输三个过程中同样起着重要作用：第一,产甲烷菌需要在厌氧条件下通过还原反应产生CH4,且产甲烷菌在有氧条件下只能存活30 h[22],甲烷氧化菌则主要在有氧条件下将CH4氧化为甲醇,稻田中CH4氧化非常显著,90%在厌氧条件下产生的CH4能被再度氧化[16]。第二,土壤水分会影响到土壤通透性,进而影响到CH4的传输速率,有24%—40%的CH4通过气泡转移到大气、3%—5%的CH4通过扩散作用传向大气[20],如若水层过深,CH4在向空气传输时,被氧化量增加,从而减少了CH4排放。因此,稻田水分管理对CH4排放至关重要,已有研究表明,深水灌溉、间歇灌溉、常湿稻田均能减少稻田CH4排放[21]。

CH4排放通量与10、20、40 cm土壤电导率均呈幂次关系(R2分别为0.309、0.54、0.439,P<0.0001),随着土壤电导率的增加,CH4通量增加,且随着土层的加深,拟合系数R2越大,表明其与CH4通量相关性越高。土壤电导率代表了土壤的盐分状况,盐分状况也是影响产甲烷菌以及甲烷氧化菌生理活性的一项指标。目前对于电导率与CH4排放通量的关系研究较少,但有研究表明,电导率越高,土壤溶液中氧化还原电位值越低,促进了产甲烷菌活性,有利于CH4生成,土壤电导率与稻田CH4排放呈正比[23],与本研究结果一致。

在不同时间尺度上,CH4通量与摩擦风速的相关性有所差别。CH4通量仅与半小时摩擦风速在P<0.01的水平上显著相关,与日均摩擦风速显著不相关。摩擦风速通过影响大气湍流从而影响CH4的排放方式以及仪器对CH4的监测。

图3 日均CH4通量对土壤温度/水分/电导率响应Fig.3 Relationship between daily mean CH4 flux and soil temperature/moisture/conductivity

2.2.2模型建立

CH4排放受诸多环境因子的综合影响,已有相关研究根据研究区的生态本底特征,建立了一些相关模型,如Wille[24]和Sachs[25]针对西伯利亚多边形苔原、Ge等[26]针对中国华东水稻田等,分别建立了一些比较经典的CH4排放通量模型。本研究借助在Friborg等[27]的研究工作建立一个半经验乘法模型,该模型通用形式可写为：

(1)

其中,FCH4代表日均CH4通量,fi是拟合过程确定的模型参数,xi表示模型变量,fi(xi)可以是线性的或指数的。其中xi需要进行标准化处理：

xi=(x-xmin)/(xmax-xmin)

(2)

并参考相关研究[12,24-26,28],将模型进行拓展建立如下方程式：

(3)

本研究利用观测数据进行拟合,建立太湖流域CH4通量模型为：

(4)

3 讨论

本研究CH4通量日变化呈现两种模式：单峰型和无规则型(图1)。单峰型峰值出现时间与温度日变化一致,多出现于午后,可能是夜间水稻停止光合作用关闭气孔,减少了CH4的排出,且午后温度升高,CH4产生和传输速率加快[21],因此白天CH4维持在较高水平、夜间较低,呈单峰模式。8月CH4平均日变化情况明显区别于其他月份(随机型),可能与7月末8月初进行了两次为期一周的烤田有关,间歇性灌溉会破坏CH4排放规律[11,17],烤田初期因水层变薄,大量CH4通过气泡形式逸出,而在烤田期间,CH4被氧化成CO2；亦或是与8月初出现连续性降水和大风天气有关,在阴雨天气,CH4排放会毫无规律[16],8月1日和2日风速高达5 m/s(平均风速1.88 m/s),大风会影响湍流扰动,从而影响CH4通量监测[26],开路式CH4分析仪在降水时无法进行CH4观测。

本研究CH4通量季节变化中(图2),在移栽后一个星期左右,CH4通量开始上升,但还是保持在较低水平,可能是因为移栽后水稻植株根系受损；分蘖期排放量增高,因为此段时间温度升高,水稻生长旺盛,呼吸作用加强,通气组织发达,55%—73%的CH4都是通过通气组织传向大气[20]；在7月25日涨幅较大,此时正是稻田开始排水烤田初期,这与其他相关研究对华东地区稻田CH4排放的研究一致,在排水烤田初期会出现脉冲式CH4排放[29]；水稻进入成熟期后CH4通量达到最低水平,主要因为成熟期的水稻植株体生理活动减弱,CH4输送能力减弱。

本研究观测的CH4通量、时间分布特征与已有相关研究总体比较接近,如与运用箱法所观测1995年不同施肥处理下苏州近郊区稻田CH4通量(总量21.33—35.1 g/m2)[30],相差17%—26%,其CH4排放均集中在水稻生长前期,在排水烤田初期出现CH4排放峰值；与运用箱法所测2007年稻麦秆均不还田处理下苏州稻田CH4排放通量(23.3 g/m2)[15],相差19.49%,其CH4排放也集中在水稻移栽后的一个月,在8月出现急剧下降,与本研究类似。本研究观测的CH4通量明显高于基于涡度相关通量观测的江苏盐城稻田CH4通量(通量值(19.2±3.2) g/m2,高33.67%)[26],但CH4排放时间特征基本一致,集中在水稻生长营养期,在成熟期排放最少,日尺度变化同样的是在6、7月呈单峰模式,8、9月表现出无规则排放。

与其他典型水稻种植区相比：运用箱式法观测的湖南双季稻种植稻田CH4排放通量(早稻：3.47—5.07 g/m2,晚稻：3.21—6.1 g/m2)[13],与本研究相差较大,但其排放量同样集中在水稻移栽后的一个月内,成熟期排放极少,且晚稻种植期CH4排放峰值稍高于于早稻种植期；与基于涡度相关法观测的辽河三角洲稻区2013年CH4排放相比,总排放量接近(13.6 g/m2)[10],但其CH4排放有三个峰值,分别出现在泡田期、拔节抽穗期、成熟期,与本研究的成熟期排放特征完全不同,可能跟不同地理区位的土壤、物候特征、气象及水稻品种、灌溉与管理模式等有关,有待后续研究进行探讨。

建立与江苏盐城稻田CH4排放研究中相同的模型并与之比较(江苏盐城稻田CH4排放模型命名为模型1,本文此模型命名为模型2)(表1)[26],可知参数a、b存在较大差异,一方面本研究CH4排放量总量比盐城稻田高33.67%,但8、9月CH4排放通量明显低于盐城,CH4排放总量与通量特征俨然存在差别；另一方面由于观测时间以及地理位置的差异,本研究区土壤平均温度(24.5℃)高于盐城地区(23.1℃),但土壤温度的变化幅度小于后者,这或是造成参数差异的可能原因。

表1 模型参数

涡度相关法受仪器故障、维护及气象等因素影响,获得的通量观测数据往往存在不同程度的缺失,所以需对缺失数据进行插补。本文采用遗传算法优化的神经网络模型插补缺失数据,在高观测值和低观测值的模拟效果并不十分理想,可能受高观测值和低观测值区间的数据量太少影响,模型缺乏足够的网络训练数据,因此插补后的数据对通量的高值与低值存在一定的不确定性。本研究将个别异常的高观测值和低观测值去除后,通量插值与观测值线性拟合R2值达0.51(图4)。

图4 CH4观测值与GA-BPNN模型模拟值线性回归曲线Fig.4 Linear regression curve of CH4 flux observations and GA-BPNN model simulation values

4 结论

(1)太湖流域典型稻麦轮作区稻季为CH4的源,CH4排放总量为28.95 g/m2。稻季CH4日变化有两种模式：无规则型与单峰型。稻季CH4排放整体集中在水稻生长前期及中期,后期排放相对较弱,返青期排放量较低,分蘖期较强,成熟期最低。

(2)太湖流域典型稻麦轮作区稻季CH4排放与气温、土壤温度均呈指数关系；与10、20 cm土壤水分呈指数关系、与40土壤水分呈二次曲线关系；与土壤电导率呈幂次关系；与摩擦风速仅在半小时尺度上显著相关。模型较好地模拟了太湖流域稻田CH4的排放,土壤温度、摩擦风速、土壤体积含水量、土壤电导率为太湖流域稻田CH4排放主要驱动因子。

(3)CH4排放机制研究需进一步补充增加土壤pH、Eh等影响因子观测对其影响机理,进一步改进与提高CH4排放模型精度与可靠性。