冬小麦-夏玉米农田蒸散与CO2净交换特征及影响因素

李 成 王让会 李兆哲 徐 扬

(1.扬州大学园艺与植物保护学院， 扬州 225009； 2.南京信息工程大学江苏省农业气象重点实验室， 南京 210044；3.扬州大学农学院， 扬州 225009)

0 引言

全球变暖背景下，与水资源短缺和CO2浓度递增相关联的“水问题”和“碳问题”，备受人们关注[1-3]。农田生态系统作为陆地生态系统的重要组成部分，受人类活动影响强烈，其中的水分、能量与碳交换过程是农田重要的生态水文过程[4-6]。因此，理解农田水碳交换过程对农业水资源高效利用以及陆地生态系统模型优化等具有重要意义[7-8]。

一般而言，蒸散量(ET)和CO2净交换量(NEE)被认为是农田水碳交换过程的关键变量[9-10]。与传统的箱式法相比，基于涡度相关技术能连续测定农田ET和NEE的变化状况，且具有较高的精度[11-13]。观测结果表明，在单一种植模式下，作物生育期内ET的日变化表现出单峰倒“U”形特征，NEE则表现出明显的“U”形特征；在多熟种植模式下，NEE的季节变化大致呈“W”形双峰特征[14-17]。但ET和NEE的日变化和季节变化规律往往因地域、时段、作物类型等而有所差异[18]。目前基于涡度相关法的农田ET和NEE研究大多采用短期观测资料开展分析(小于3年)，这在一定程度上易受天气条件的制约[19-20]。前期研究表明，光、温、水等对作物生长以及农田ET和NEE的变化有重要影响，并通过相关性或回归方程等方法，阐明单一环境因素，如净辐射(Rn)、气温(T)、饱和水汽压差(VPD)、风速(WS)、土壤含水率(SWC)等对ET或NEE的影响程度[21-23]。然而，这些环境因素之间也存在着较高的相关关系，它们共同影响着农田ET和NEE的变化，这使得一些量化研究的结果往往存在一定的不确定性[24]。此外，外界环境因素也会通过株高、叶面积指数(LAI)等的变化，间接影响农田ET和NEE的变化[25-26]。因此，定量解析环境因素对农田ET或NEE变化的直接和间接影响是农田水碳交换研究亟待解决的重要问题之一。

为此，本研究以黄淮海平原典型冬小麦-夏玉米农田为例，基于长达7年的逐日通量和气象观测数据，利用结构方程模型(SEM)，分析农田ET和NEE的特征及多因素协同影响，以期为区域农田生产力提升以及资源环境可持续发展等提供科学依据。

1 材料与方法

1.1 站点概况

试验站点位于中国科学院禹城综合试验站内(36.83°N，116.56°E，海拔28 m)，属暖温带半湿润季风气候区，多年平均气温13.1℃，年降雨量610 mm，日照时数2 640 h，无霜期约200 d，土壤母质为黄河冲积物，以潮土和盐化潮土为主，耕层土壤有机质质量比为10～12 mg/kg，pH值为7.8～8.0[27]。种植模式为冬小麦-夏玉米复种，其中冬小麦的生育期一般为10月上旬至翌年6月上旬，而夏玉米的生育期为6月中旬至10月上旬[28]。作为我国农田生态系统观测网络的重要站点之一，该站点所处的自然地理环境与农业生产水平在黄淮海平原旱作农田中具有一定的代表性和典型性。

在禹城综合试验站内，安装一套开路式涡度相关观测系统(36.57°N，116.38°E，海拔23.4 m)，设立在下垫面为冬小麦-夏玉米轮作的农田中，由CSAT3型三维超声风速仪(Campbell Scientific Inc.，美国)与LI-7500型H2O/CO2红外气体分析仪(LICOR Biosciences，美国)组成，安装高度为植被冠层上方2.5 m，用于测定农田生态系统CO2通量与能量交换特征，并由高速数据采集器(CR5000型，Campbell Scientific Inc.，美国)自动采集数据[29]。试验地与周围大片冬小麦-夏玉米轮作农田(约13.33 hm2)相连，构成大范围均一的下垫面，盛行风向的风浪区长度达5 km，满足涡度相关观测系统要求的下垫面均一标准[30]。

1.2 数据获取与处理

冬小麦-夏玉米农田逐日通量和气象观测数据来自于中国科学院禹城综合试验站，时间跨度为2003年6月—2010年6月(共包括7个冬小麦/夏玉米的生长季资料)。其中，水热通量和CO2通量由涡度相关观测系统测得；同期Rn、T、VPD、WS及表层SWC等由配套的自动微气象观测系统测得。通过中国生态系统研究网络(China FLUX)技术体系对获得的观测数据进行坐标轴旋转、WPL校正等质量控制和数据处理后，生成逐日通量和气象观测数据。利用潜热通量与汽化潜热的比值，计算得到逐日ET[31]。作物生育期内LAI数据来源于卫星遥感数据(MCD15A3H)，时间分辨率为4 d，空间分辨率为500 m。通过线性插值方法，获得冬小麦和夏玉米生育期内逐日LAI数据[22]。

1.3 结构方程模型

SEM是一种多变量统计方法，用于探究多个因子之间的相互关系。与传统方法相比，它不仅能够判别各因子之间的关系强度，而且能对模型进行拟合和判断[32]，这为理解农田ET和NEE变化的多因素影响提供了重要途径。本研究首先综合前人的研究成果[21-22]，选择Rn、T、VPD、WS和SWC为自变量，LAI为中间变量，ET(或NEE)为因变量。将环境因素对ET(或NEE)的影响分离为直接影响和通过影响LAI产生的间接影响，即各自变量对中间变量或因变量具有单向影响作用，而各自变量之间存在相互影响作用；其次，根据显著性关系，依次消除非重要路径，直到获得最终模型。模型评价指标包括卡方与自由度比值(CSFD，小于5.0)，调整拟合优度指数(AGFI，大于0.90)，近似均方根误差(RMSEA，小于0.10(ET、NEE单位分别为mm/d、g/(m2·d)))，各指标的定义及计算参照文献[22]；最后，根据最优模型的结果，获得各因素对ET(或NEE)变化的直接影响、间接影响和总影响。

2 结果与分析

2.1 冬小麦-夏玉米农田小气候特征

冬小麦-夏玉米农田T、Rn、VPD、WS和SWC的季节变化特征如图1所示。T表现出冬季低、夏季高的单峰型变化特征(图1a)，其中1月最低，为-1.83℃，7月最高，为26.18℃，研究时段内年平均T为12.83～13.73℃，多年平均值为13.23℃，最高温与最低温差值在34.62～41.11℃之间波动。与T类似，Rn也呈单峰型变化特征，但其波动幅度较大，年平均Rn为56.11～67.02 W/m2，多年平均值63.20 W/m2，并且Rn峰值出现的时间通常早于T出现的时间(图1b)。受T和相对湿度的共同影响，VPD表现出双峰型的变化特征(图1c)，通常每年第1个高峰(6月)的VPD明显高于第2个高峰(10月)，特别是在每年6月下旬期间，VPD会出现一些“尖峰”值，整体上VPD多年平均值为0.57 kPa。WS的多年平均值为1.86 m/s，麦季出现风速在3 m/s以上的次数普遍在45 d以上，明显多于玉米季(图1d)。试验地表层SWC基本在0.2 m3/m3以上(图1e)，特别是每年夏季期间SWC相对较高。

图1 研究时段内冬小麦-夏玉米农田T、Rn、VPD、WS和SWC的季节变化曲线Fig.1 Seasonal changes of T, Rn, VPD, WS and SWC in winter wheat-summer maize field during study period

2.2 冬小麦-夏玉米农田ET和NEE的变化特征

冬小麦-夏玉米农田ET和NEE的季节变化特征如图2所示。ET表现出双峰型变化特征(图2a)，2个峰值分别对应于麦季和玉米季，通常每年第1个高峰(5月)的ET明显高于第2个高峰(8月)。麦季和玉米季ET最高值分别为9.55 mm/d(2009年5月8日)和6.99 mm/d(2009年8月13日)。研究时段内麦季ET总量在315.56～499.54 mm之间波动，多年平均值为398.63 mm，并且呈波动增加的趋势(P<0.05)，每季增速约为21.48 mm(图3a)。玉米季ET总量在221.68～314.95 mm之间波动，多年平均值为256.59 mm，玉米季ET总量也呈现出波动增加的趋势(P<0.05)，每季增速约为14.15 mm(图3a)。

图2 研究时段内冬小麦-夏玉米农田ET和NEE的季节变化曲线Fig.2 Seasonal changes of ET and NEE in winter wheat-summer maize field during study period

图3 研究时段内冬小麦-夏玉米农田ET总量和NEE总量的年际变化曲线Fig.3 Annual changes of cumulative ET and cumulative NEE in winter wheat-summer maize field during study period

NEE代表生态系统CO2净交换量，负值表示生态系统吸收CO2，正值表示生态系统释放CO2。如图2b所示，NEE表现出双峰倒“U”形变化特征，存在2个明显的吸收峰值，通常NEE在每年麦季的吸收高峰(4月)弱于玉米季的吸收高峰(8月)，特别是玉米季NEE最高值达-25.94 g/(m2·d)(2007年8月11日)。研究时段内麦季NEE总量在-367.84～-149.93 g/m2之间波动，多年平均值为-272.57 g/m2(图3b)，但年际变化趋势不显著(P>0.05)。玉米季NEE总量在-469.63～-118.79 g/m2之间波动，多年平均值为-293.57 g/m2；与麦季NEE总量类似，玉米季NEE总量的变化趋势也不显著(P>0.05)。

2.3 冬小麦-夏玉米农田ET和NEE季节变化的影响因素

不同于以往的单因素相关分析或多元回归分析方法，本研究利用SEM方法具有设置中间变量的优势，将LAI设为中间变量，从而将环境因素对ET或NEE的影响分离为直接影响和通过LAI而产生的间接影响。受样本容量所限，目前仅对冬小麦-夏玉米农田ET和NEE季节变化的多因素影响展开分析。

以Rn、T、VPD、WS和SWC为自变量，LAI为中间变量，麦季ET为因变量，基于调整后的SEM方法能解释87%的麦季ET变化，各评价指标如CSFD为3.38，AGFI为0.98，RMSEA为0.04 mm/d，反映了模型拟合度优(图4a，图中实线和虚线分别代表正影响和负影响，隐去不显著的路径，下同)。从总影响系数上看(表1)，Rn是影响ET变化最重要的因素，其次是LAI、VPD和SWC，而T和WS的影响较弱。Rn对ET的显著影响不仅源于其对ET的直接影响(0.52)，还包括其通过促进LAI的增长而间接增加ET(0.22)。VPD和SWC对ET的作用也主要通过直接作用引起，二者通过LAI对ET产生的间接影响几乎可以忽略。T对ET存在显著的直接和间接影响，但影响的方向相反，使得T对ET的总影响相对较小(-0.13)。WS对ET存在显著的直接影响，但影响程度较小(0.06)。总体而言，麦季ET随Rn、LAI、VPD、WS和SWC的增加而增加，但随T的增加而减小。

图4 冬小麦-夏玉米农田ET的SEM结果Fig.4 SEM results of ET in winter wheat-summer maize field

同样，基于SEM方法能解释玉米季64%的ET变化，CSFD为1.86，AGFI为0.98，RMSEA为0.03 mm/d，模型拟合度优(图4b)。各因素按照总影响由大到小依次为Rn、LAI、VPD、WS、T、SWC(表1)。与麦季类似，Rn也是影响玉米季ET最重要的因素，并且主要由直接影响引起(0.78)，其通过LAI对ET的间接影响较小(0.05)。虽然VPD和WS具有相同的影响作用(-0.10)，但影响的方式有很大差异。VPD主要通过LAI间接影响ET，WS对ET的直接和间接影响相当。在玉米季中T对ET也存在显著的直接和间接影响，但影响的方向相反，使得T对ET的总影响相对较小(-0.06)，这与麦季中T对ET的影响类似。此外SWC主要通过LAI间接影响ET，但影响作用有限(0.03)。总体而言，玉米季ET随Rn、LAI和SWC的增加而增加，但随VPD、WS和T的增加而减小。

表1 各因素对冬小麦-夏玉米农田ET直接影响、间接影响和总影响的标准化系数Tab.1 Standardized direct, indirect, and total effects of each factor on ET in winter wheat-summer maize field

冬小麦-夏玉米农田NEE变化的多因素影响结果如图5a所示。对于麦季NEE而言，基于调整后的SEM方法能解释70%的NEE变化，CSFD为2.33，AGFI为0.99，RMSEA为0.03 g/(m2·d)，模型拟合度优。从总影响系数上看，各因素的重要性由大到小依次为Rn、LAI、T、SWC、VPD、WS(表2)。Rn是影响麦季NEE最重要的因素，其中直接影响和间接影响分别为-0.51和-0.37。除Rn外，T对NEE的影响也存在显著的直接和间接影响，但影响的方向相反，分别为0.47和-0.24。不同于Rn和T，SWC和VPD主要通过LAI对NEE产生间接影响，但二者对NEE的影响方向相反。虽然WS对NEE的影响也主要由直接作用引起，但其对NEE的影响较小，几乎可以忽略。总体而言，麦季NEE随Rn、LAI、SWC和WS的增加而减小，但随T和VPD的增加而增加。

图5 冬小麦-夏玉米农田NEE的SEM结果Fig.5 SEM results of NEE in winter wheat-summer maize field

表2 各因素对冬小麦-夏玉米农田NEE直接影响、间接影响和总影响的标准化系数Tab.2 Standardized direct, indirect, and total effects of each factor on NEE in winter wheat-summer maize field

如图5b所示，SEM方法能解释玉米季54%的NEE变化(CSFD为2.14；AGFI为0.98；RMSEA为0.04 g/(m2·d))。从总影响系数上看(表2)，Rn和LAI是影响NEE的重要因素，其次是VPD、WS和T，而SWC对NEE的影响几乎可以忽略。Rn对NEE的显著影响主要源于其对NEE的直接影响(-0.47)，它通过促进LAI的增长而对NEE产生的间接影响较小(-0.09)。VPD和WS对NEE的影响主要是由直接作用引起，它们的间接影响较小。T主要通过LAI间接影响NEE，而它的直接影响作用几乎可以忽略。虽然SWC对NEE存在显著的直接和间接影响，但影响的方向相反，使得SWC对NEE的总影响不显著。总体而言，玉米季NEE随Rn、LAI和T的增加而减小，但随VPD、WS和SWC的增加而增加。

3 讨论

以往有关农田ET和NEE研究大多基于短期(小于3年)观测资料开展分析，本研究基于长时序通量观测数据可以发现：麦季和玉米季农田ET和NEE的变化表现出显著差异。与冬小麦田相比，夏玉米田拥有较高的NEE和较低的ET，说明它能固定更多的CO2而散失较少的水分，即它的水分利用效率高于冬小麦田，这与前人的研究结果相似[32-35]。麦季和玉米季农田ET和NEE的变化差异除了因为它们所处的生长季环境条件不同外，也与二者分别代表不同的光合型植物有关。C4植物(夏玉米)光合作用是由维管束鞘细胞和叶肉细胞共同完成的，与C3植物(冬小麦)相比，它拥有更高的CO2同化速率且气孔导度较小，使蒸腾耗水较低，因而具有较高的水分利用效率[36]。另一方面，研究时段内麦季和玉米季农田ET均呈波动增加的趋势(P<0.05)，但二者NEE的年际变化趋势不显著(P>0.05)。由于这一时段内外界环境条件相对稳定，因而这可能与各年份种植作物的品种及农田管理方式的不同有关，但受限于相关数据资料，目前对这一现象的归因仍有待于深入探讨。

前人研究结果证实，在30 min尺度上，Rn是影响生态系统ET和NEE变化的首要控制因素，此外还包括VPD[22]。但是在季节尺度上，这个结果还存在一定的争议，一些研究表明T和VPD可能对NEE的影响大于Rn[21,37]。为此，本研究不同于以往的单因素相关分析或多元回归分析方法，而是利用SEM方法具有设置中间变量的优势，将LAI设为中间变量，从而将环境因素对ET或NEE的影响分离为直接影响和通过LAI而产生的间接影响。结果表明，Rn仍是影响冬小麦-夏玉米农田ET和NEE季节变化的重要因素，并主要体现在直接作用上，这是因为辐射能提高叶温，使叶片内外的水汽压差增大，增强蒸腾速率，同时也能诱导气孔开闭，进而影响ET和NEE变化[6]。随着时间尺度的增加，LAI对ET和NEE的影响也逐步显现[38]，并具有仅次于Rn的较强影响力。进一步分析发现：在麦季，Rn和T通过LAI对ET和NEE产生较大的间接影响；在玉米季，VPD和T通过LAI对ET和NEE的间接影响较大，这反映了作物生长对农田ET和NEE的季节变化具有调节作用，相似的研究结果也在东北地区的玉米田中得到了证实[23]。除Rn和LAI外，其他因素对ET和NEE的影响存在较大差异。例如，VPD对ET和玉米季NEE具有较强的影响，但对麦季NEE的影响较小。VPD作为衡量大气干旱的重要指标，LIU等[39]基于模型-数据融合的方法，发现植被的蒸腾作用对于VPD较为敏感，而YUAN等[40]基于遥感数据发现，由于VPD的增加，陆地植被生长和固碳功能出现普遍下降，这与玉米季VPD对ET和NEE影响的分析结果相似，但与麦季NEE的结果存在一定的差异，反映了VPD增加对不同生长季作物NEE的影响较为复杂，存在一定的空间异质性。SWC作为衡量土壤干旱的重要指标，在以往基于回归分析的研究中，由于其较低的相关性而被忽略。在本研究中，SWC对麦季ET和NEE的影响明显高于玉米季，但这并不意味着玉米季ET和NEE不受SWC的影响。基于SEM分析结果表明，SWC对玉米季ET和NEE存在一定的直接和间接作用，但方向相反，从而导致总影响相对较弱，而WS对玉米季ET和NEE的影响强于麦季。综上所述，虽然Rn和LAI是影响冬小麦-夏玉米农田ET和NEE季节变化的重要因素，但不同生长季的ET和NEE对其他环境因素的响应方式仍存在一定的差异。目前大多数陆地生态系统模型主要通过植物功能型进行建模，但同一植物功能型中不同植物类型对水热条件响应的差异性，使得模拟结果存在较大的不确定性[41]，这需要在后续的生态系统模型的农业子模型中，针对不同作物类型，建立相应的机理表达和参数优化，从而有效降低模拟结果的不确定性。

除了生物与环境因素对农田ET和NEE的影响外，近年来相关研究也表明，灌溉、施肥等管理措施会影响农田ET和NEE的变化[18]。例如，灌溉改变土壤水热状态，引起土壤含水率在较短时间内迅速上升，并改变包括土壤热通量在内的农田小气候状况，使得以气孔为节点的叶片光合-蒸腾作用较灌溉前明显增强，进而使ET和NEE的绝对值明显增加[42]。施肥会改变土壤理化性质，在促进作物根系生长、提升作物光合作用和产量的同时，对生态系统土壤呼吸和CO2通量也有不同程度的影响。王进等[43]研究发现较高的化肥施用量是导致棉田总初级生产力较高的重要原因之一。LAI作为描述作物生长的重要生物物理参数，随生长阶段、环境条件及管理措施的不同而呈动态变化，并具有表征作物物候的能力[44]。物候变化对生态系统水碳交换过程产生重要影响，但DU等[45]基于通榆玉米田的涡度观测资料，发现生长季起止期和生长季长度与农田NEE年际变化之间没有显著的相关关系，这可能与农田管理措施所带来的扰动有关。另一方面，生长季的变化也使总初级生产力和生态系统呼吸同时发生改变，加之潜在发生的气候异常事件，都有可能使物候影响农田水碳交换过程存在一定的不确定性[41]。后续将进一步搜集试验站长期通量和气象观测数据以及农田管理资料，定量区分研究时段内不同气象年型的特征，进而基于SEM方法识别在不同气象年型和不同农田管理方式下，影响农田ET和NEE变化的关键因素。此外，本研究仅将LAI作为连接农田ET或NEE与环境因素之间的中间变量。事实上，LAI并非是唯一既响应环境因素变化，又同时影响ET或NEE变化的生物因素[46]。后续应将更多包含不同信息的生物因素与LAI进行融合，以便进一步提高模型的模拟能力。

4 结论

(1)冬小麦-夏玉米农田ET表现出双峰形的季节变化特征，通常每年第1个高峰的ET明显高于第2个高峰。麦季和玉米季ET总量的多年平均值分别为398.63、256.59 mm，并且二者均呈波动增加的趋势(P<0.05)，年增速分别为21.48、14.15 mm。

(2)冬小麦-夏玉米农田NEE表现出双峰倒“U”形季节变化特征，每年麦季NEE的吸收高峰明显低于玉米季。麦季和玉米季NEE总量的多年平均值分别为-272.57、-293.57 g/m2。与ET总量不同的是，麦季和玉米季NEE总量的年际变化趋势不显著(P>0.05)。

(3)Rn是影响冬小麦-夏玉米农田ET和NEE变化的重要因素，并主要体现在直接作用上。在间接作用方面，Rn和T通过LAI对麦季ET和NEE产生较大的间接影响；VPD则对玉米季ET和NEE的间接影响较大。其他环境因素，如SWC和WS，在不同生长季对ET和NEE的影响仍存在一定的差异。