img

官方微信

遥感技术与应用, 2022, 37(1): 94-107 doi: 10.11873/j.issn.1004-0323.2022.1.0094

青促会十周年专栏

黑河流域湿地、农田、草地生态系统碳通量变化特征及驱动因子分析

白雪洁,1,2, 王旭峰,1, 柳晓惠3, 周旭强4

1.中国科学院西北生态环境资源研究院,甘肃省遥感重点实验室,甘肃 兰州 730000

2.中国科学院大学,北京 100049

3.会宁县农业农村局,甘肃 会宁 730799

4.西北师范大学,甘肃 兰州 730070

Dynamics and Driving Factors of Carbon Fluxes in Wetland, Cropland and Grassland Ecosystems in Heihe River Basin

Bai Xuejie,1,2, Wang Xufeng,1, Liu Xiaohui3, Zhou Xuqiang4

1.Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Key Laboratory of Remote Sensing of Gansu Province,Heihe Remote Sensing Experimental Research Station,Lanzhou 730000,China

2.University of Chinese Academy of Sciences,Beijing 100049,China

3.Huining Prefectural Bureau of Agriculture and Rural Affairs,Huining 730799,China

4.Northwest Normal University,Lanzhou 730070,China

通讯作者: 王旭峰(1984-),男,甘肃会宁人,研究员,主要从事生态遥感研究。E⁃mail: wangxufeng@lzb.ac.cn

收稿日期: 2020-12-04   修回日期: 2021-11-30  

基金资助: 国家自然科学基金项目.  41771466
科技部重点研发计划.  2017YFA0604801

Received: 2020-12-04   Revised: 2021-11-30  

作者简介 About authors

白雪洁(1995-),女,山西运城人,硕士研究生,主要从事碳通量研究E⁃mail:baixj@lzb.ac.cn , E-mail:baixj@lzb.ac.cn

摘要

为了认识黑河流域湿地、农田、草地生态系统不同时间尺度的碳通量特征及与环境因子的关系,并为干旱区生态系统碳源/汇效应评估提供理论依据。采用涡度相关技术对黑河流域湿地、农田、草地生态系统进行长达7 a的碳通量、气象因子观测,分析了净生态系统生产力(NEP)、生态系统呼吸(Reco)、总初级生产力(GPP)在日际、季节、年际3种尺度的动态变化机制,并比较了碳通量与植被指数NDVI、EVI的季节变化异同。经分析发现:①黑河流域湿地与草地、农田生态系统均在日尺度上呈现明显的单峰“倒U”分布,草地于12:00到达峰值,湿地与农田于13:00到达峰值,峰值碳通量农田>湿地>草地;②季节尺度上,湿地与农田、草地生态系统碳通量以及NDVI、EVI均呈单峰“倒U”分布,6~9月生长季为明显碳吸收,7月份到达全年峰值,碳吸收峰值为农田>湿地>草地,NDVI、EVI峰值则为阿柔站>湿地站>大满站>大沙龙站。③年固碳能力为农田(648.90 gC/m2/a)>湿地(627.51 gC/m2/a)>草地(228.15 gC/m2/a、307.89 gC/m2/a)。④与环境因子做相关分析发现,日时间尺度上,湿地生态系统的NEP、Reco、GPP与潜热、气温、饱和水汽压差、辐射显著相关(p<0.05),农田与草地生态系统NEP、Reco、GPP受潜热、气温、土壤温度的影响较大;在季节尺度上,站点碳通量与各环境因子的相关性较高。但在年际尺度上,NEP、GPP、Reco与环境因素的相关性普遍较低,且无明显规律,其中阿柔站(草地)、大满站(农田)碳通量主要受到气温、2 cm土壤湿度、潜热以及降水的影响较大,大沙龙站(草地)则主要受到气温控制,湿地站(湿地)则与潜热相关性最强;另外阿柔站与湿地站碳通量与植被指数NDVI、EVI均呈现年际上的显著相关。本研究能为西北地区生态系统的碳收支、调控因子分析提供理论支撑。

关键词: 涡度相关法 ; 碳通量 ; 净生态系统生产力 ; 生态呼吸 ; 总初级生产力 ; 植被指数

Abstract

The Heihe River Basin is the second largest inland river basin in China. The Heihe River basin has been studied as a representative basin in arid area. In order to explore the characteristics of carbon fluxes of wetland, cropland and grassland ecosystems in Heihe River Basin, the Net Ecosystem Productivity (NEP), Ecosystem Respiration (Reco), Gross Primary Productivity (GPP) and meteorological factors were observed and analyzed. To further understand the carbon source/sink effect and its climate regulation mechanism, in this study, the correlation between carbon fluxes (NEP, GPP and Reco) and driving factors were calculated at different time scales. The result indicated that: (1) The temporal variation of NEP in wetland, grassland and cropland ecosystems in the Heihe River Basin was a single peak "inverted U" on daily scale, and the carbon fluxes of grassland reached the peak at 12:00 am, the carbon fluxes of wetland and cropland reached the peak at 13:00 pm; (2) On seasonal scale, the temporal variation of carbon fluxes of wetland, cropland and grassland ecosystems showed patterns of single peaks. During the growing season which from June to September, carbon absorption reached peak in July and the peak value of carbon absorption was farmland>wetland>grassland. (3) The average annual NEP for Shidi site (reed), Daman site (cropland), Arou site (grassland) and Dashalong site (grassland) are 627.51 gC/m2/a, 648.90 gC/m2/a, 228.15 gC/m2/a and 307.89 gC/m2/a, respectively. (4) The results showed that NEP, Reco and GPP of wetland ecosystem were significantly correlated with LE, Tair, VPD and Rg, NEP, Reco and GPP of cropland and grassland ecosystem were greatly affected by LE, Tair and Tsoil. However, there was no significant correlation between NEP, GPP, Reco and environmental factors on annual scale. The annual carbon fluxes of Arou (grassland) and Daman (cropland) were positive correlated with Tair and Ms(R>0.4), and negative correlated with LE and Rain (R<-0.4) annual carbon fluxes of Dashalong (grassland) was negative correlated with Tair, the annual carbon fluxes of Shidi (reed) was mainly negative controlled by LE. In addition, the inter-annual carbon fluxes variation at Arou and Shidi were significantly correlated with NDVI and EVI(0.6<R<0.8).

Keywords: Eddy covariance ; Carbon Fluxes ; Net Ecosystem Production ; Ecosystem respiration ; GPP ; NDVI ; EVI

PDF (8080KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

白雪洁, 王旭峰, 柳晓惠, 周旭强. 黑河流域湿地、农田、草地生态系统碳通量变化特征及驱动因子分析. 遥感技术与应用[J], 2022, 37(1): 94-107 doi:10.11873/j.issn.1004-0323.2022.1.0094

Bai Xuejie, Wang Xufeng, Liu Xiaohui, Zhou Xuqiang. Dynamics and Driving Factors of Carbon Fluxes in Wetland, Cropland and Grassland Ecosystems in Heihe River Basin. Remote Sensing Technology and Application[J], 2022, 37(1): 94-107 doi:10.11873/j.issn.1004-0323.2022.1.0094

1 引 言

干旱区大约占陆地面积的45%,并且降水量极少,易受气候环境、人为活动影响,对全球陆地碳汇变化起着重大作用1,Tonantzin 等1研究表明半干旱生态系统对全球碳汇的年际变化贡献最大,占51%,而热带森林则占24%。据IPCC第四次评估报告阐述,全球变暖已为必然趋势,在此背景下,研究陆地干旱区生态系统碳通量的时空变化特征及其驱动因子尤为重要2,草地、农田、湿地生态系统均为陆地生态系统的主要组成部分,受所处位置、气候环境和人为干扰等因素影响,释放或吸收碳的能力存在很大的时空变异性,尤其是位于干旱区的草地、农田、湿地生态系统,可能对降水、温度等气象因子极为敏感,气候变化背景下这些生态系统的碳通量研究得到了广泛关注3。目前湿地作为全球的重要碳库,是全球碳循环研究的重要组成部分,对大气CO2吸收有着巨大潜力4-5。随着气候环境变化研究进程的逐步深入,大量国内外学者对全球各类型湿地生态系统的碳源/汇效应、碳收支、主要气候调控因素等进行了研究6-7,我国湿地生态系统碳循环研究集中于沼泽湿地、泥炭湿地、滨海湿地等,而对我国西北干旱区内湿地生态系统碳循环的研究较少2

黑河流域是我国典型的干旱区内陆流域,是我国第二大内陆河流域,包括干旱区主要的生态系统,其中草地、农田、湿地和森林等生态系统逐渐成为我国陆地表面碳通量研究的热点8。目前很多学者对草地、农田、湿地和森林等生态系统碳通量变化特征及对环境要素的响应过程进行了研究9。从地域分布来看,研究区主要分布于沿海、华北、黄土高原等地,农田生态系统10包括有小麦11、水稻、葡萄园12、玉米13等,湿地生态系统14-15有泥炭湿地16、围垦湿地、湖泊湿地4-17、芦苇沼泽湿地1518等,草原19-20有高寒草甸21-22、灌丛、矮蒿草草甸、人工草地23等,黑河流域长时间序列的湿地、农田、草地生态系统的碳通量研究相对较少。从时间尺度来看,碳通量研究中大多只选取一到两年甚至几个月的数据进行分析,生态系统与大气的净交换量的年际变化率较高,短期监测难以揭示其长期变化趋势与碳收支情况24。各生态系统的年固碳量的长期变化趋势是目前碳循环对全球气候环境变化响应研究中非常令人关注的问题,研究者希望通过长期、连续的通量观测数据揭示生态系统碳、水循环过程及年际动态变化和环境调控机制25。对比操作过程中受人为扰动而导致测定结果有误差且缺乏连续测量能力的箱式法24,始于20世纪50年代的涡度相关技术是非破坏性测定生态系统与大气间CO2湍流通量的微气象学技术,也是国际公认的直接测量碳通量、水热通量的标准方法26-27。由于黑河流域碳通量长时间序列研究较少,随着涡度相关技术的广泛应用,黑河综合水文气象观测网络28的逐步完善,已有大量稳定可靠的站点观测数据供用户使用,目前基于涡度相关技术的湿地碳循环研究主要集中在中高纬度与沿湖沿江沿海区域17,对西北干旱区的湿地碳循环及对其与旱区农田、草地等典型生态系统的碳通量差异研究较少。

因此,通过分析黑河流域长时间序列的EC观测网络的碳通量数据与微气象观测数据实现以下目的:①揭示黑河流域湿地生态系统与农田、草地生态系统在不同时间尺度上的碳通量动态变化特征及固碳量差异,明确其变化规律,对比碳通量与植被指数NDVI、EVI的季节、年际变化规律的异同;②探讨不同生态系统碳通量的主要气候调控机制,以期为了解干旱区生态系统的碳源/汇效应、改进区域管理政策及全球碳循环研究提供理论支撑。

2 研究区及研究方法

2.1 研究区概况

黑河流域(37.7°~42.7°N,97.1°~102.0°E)是我国第二大内陆河流域,位于我国干旱区河西走廊,是一个典型的发源于祁连山,止于居延海的内陆河流域。自上游、中游到下游分布着复杂的生态景观,依次为冰川、高山草原、高寒草甸、人工绿洲—荒漠—河岸带—湿地、沙漠地区中的天然绿洲等生态系统。研究涉及的通量观测站点是分别位于黑河上游的青海省祁连县阿柔乡的阿柔超级站、青海省祁连县的大沙龙站和黑河中游的甘肃省张掖市的大满灌区的大满超级站、甘肃省张掖市国家湿地公园内的湿地站。站点分布情况见图1,各站点的详细信息见表1

图1

图1   黑河流域站点分布图

Fig.1   The location of sites in HeiHe Basin


表1   站点情况及环境因子

Table 1  Sites information and annual mean value of environmental factors

站点下垫面位置LAT/°LON/°

ELEV

/m

MAT

/℃

MAP

/mm

LE

/Wm-2

Rg

/Wm-2

Tsoil

/℃

RH

/%

VPD

/hPa

大沙龙站沼泽化高寒草甸上游98.940 6°E38.839 9°N373 9-3.89360.4850.40210.020.0756.822.44
阿柔站高寒草甸上游100.464 3°E38.047 3°N303 3-0.12357.5752.68189.584.2659.593.37
大满站玉米中游100.372 23°E38.855 51°N155 66.47126.5267.64177.178.9457.916.56
湿地站芦苇中游100.446 4°E38.975 1°N146 09.677.91109.21188.508.2144.989.11

新窗口打开| 下载CSV


2.2 研究方法

自2013年起至今,采用涡动相关系统与自动气象站对上述4个站点的碳通量及气象要素进行连续观测,并对2013年1月1日至2019年12月31日的长时间序列数据进行分析。

2.2.1 涡动观测系统

各站点的涡动观测系统均由超声风速仪与开路CO2/H2O分析仪构成,具体情况见表2,原始数据的观测频率为10 Hz,研究所用数据是已通过Eddypro软件的质量控制处理的30 min数据,主要处理步骤包括:野点值剔除、连续时间校正、坐标旋转(二次坐标旋转)、频率响应,同时对各通量值进行质量评价,主要是大气平稳性与湍流相似性特征的检验29。对Eddypro软件输出的30 min通量值也进行了筛选:①剔除仪器出错时的数据;②剔除降水时刻前后1 h的数据;③剔除10 Hz原始数据中每30 min内缺失率大于10%的数据。观察数据的平均周期为30 min,一天48个数据,缺失数据标记为-6 999。

表2   站点架高、超声风速仪与CO2/H2O分析仪

Table 2  Sites height、ultrasonic anemometer and CO2/H2O analyzer

站点

架高

/m

超声风速仪开路CO2/H2O分析仪

间距

/cm

阿柔超级站3.5CSAT3Li7500A15
大沙龙站4.5CSAT3Li7500RS15
大满超级站4.5CSAT3Li7500A17
湿地站5.2GillLi7500A25

新窗口打开| 下载CSV


2.2.2 气象要素观测系统

通量塔不同高度搭建了相对湿度传感器、气压计、翻斗式雨量计、风速风向传感器、四分量辐射观测仪、土壤温湿度探测器与光合有效辐射仪,分别可测量不同高度的空气温湿度、气压、降水量、风速风向、四分量辐射、土壤温湿度等气象要素。研究使用到的气象观测量包括辐射(Rg)、降水(Rain)、气温(Ta)、相对湿度(RH)、饱和水汽压差(VPD)、2 cm处土壤温度Tsoil(Ts_2cm)、2cm处土壤湿度Ms(Ms_2cm),由于其观测频率为10 min,故将30 min内的3个值处理为均值,得到30 min气象数据,另外除降水外其他气象观测量在每日、月尺度、年尺度做均值,降水则在每日、月尺度、年尺度上做累计,得到逐日、逐月、逐年气象数据,30 min碳通量数据也做相同的处理,缺失数据标记为-6 999。

2.2.3 植被指数

由卫星遥感获取的植被指数可以指示植被状态及植被的动态变化,而植被动态变化是影响碳通量变化的一个主要因素8,故因此引入植被指数来分析碳通量变化的原因。本文使用MODIS逐日反射率产品MCD43A4V006来计算归一化植被指数(NDVI)和增强型植被指数(EVI)。MCD43A4V006是经过双向反射分布函数BRDF校正反射率数据集,空间分辨率为500 m。归一化植被指数NDVI和增强型植被指数EVI由以下公式(1)和(2):

NDVI=ρNIR-ρREDρNIR+ρRED
EVI=2.5×ρNIR-ρREDρNIR+6.0ρRED-7.5ρBLUE+1

其中:ρNIRρREDρBLUE分别代表近红外波段、红外波段和蓝波段的反射率。

2.3 通量数据处理
2.3.1 数据插补

由于夜间大气湍流运动较弱时,摩擦风速u*降低,涡动相关系统测量碳通量NEE时易产生低估现象,本研究利用R语言REddyProC包对涡动通量数据使用MPT(移动点法)计算u*阈值并剔除低于u*阈值的夜间NEE。经过数据质量控制与剔除会产生部分数据缺失,需要对其进行插补,采用样本边缘分布采样法(MDS法)根据通量数据与气象因子之间的关系以及通量数据在时间上的自相关进行插补。

2.3.2 数据拆分

生态系统和大气之间二氧化碳的净生态系统交换量(NEE)是总初级生产量(GPP)和生态系统呼吸(Reco)之差30,用公式(3)来表示。当前NEE拆分的主要方法有利用夜间NEE数据拆分和利用白天NEE数据拆分两种,本文选择用夜间NEE拆分方法,其假设植被呼吸Reco只与Tair有关,且夜间植被只进行呼吸作用,因此可通过Lloyd&Taylor(1994)呼吸方程31来拟合夜间生态系统呼吸与温度的函数关系外延至白天的生态系统呼吸变化,用公式(4)来表示。

GPP=Reco-NEE
Reco=rb*exp (E0(1Tref-T0-1Tair-T0))

其中:rb(µmol C m-2s-1)是参考温度下的基础呼吸;Tref(℃)设为15℃;E0(℃)是温度灵敏度;Tair是空气温度;参数T0为常数-46.02℃。本文通过拟合夜间NEE与温度的关系来对白天NEE进行插补,最后根据公式(3)来获取GPP。生态系统净生产力NEP(Net Ecosystem Production)是指初级生产力总量和生态系统呼吸总量之间的差额,是指一个生态系统中可供储存、以有机碳形式输出的总有机碳量31,仅考虑生物通量下,NEP = - NEE8

2.4 数据统计与分析

研究利用EXCEL、R、Origin 2020b对碳通量数据(NEP、Reco、GPP)、植被指数(NDVI、EVI)进行处理和分析,其中,Person相关分析用于检验各站点NEP、Reco、GPP在日、季节、年际尺度上与环境因子之间的相关性,在日尺度上对植被指数(NDVI、EVI)与碳通量数据进行对比分析。

3 结果与分析

本研究首先将黑河流域阿柔超级站、大满超级站、大沙龙站和湿地站2013~2019年的连续半小时瞬时NEP、Reco、GPP进行均值处理,来体现各个站点的日动态变化;然后使用各站点的NEP、Reco、GPP、植被指数(NDVI、EVI)在7 a中的每日数据来体现并比较湿地与草地、农田生态系统碳通量的季节变化的特征与差异;再次以7 a的NEP、Reco、GPP及各年均气象因子来分析各站点碳通量和气象因子的年际变化动态。

3.1 日尺度:碳通量日动态变化

对半小时的碳通量数据进行平均,获得生长季各站点碳通量的日内动态变化。图2揭示了阿柔站、大满站、大沙龙站和湿地站在2013~2019年间NEP、Reco、GPP的平均日变化。从图2可以看出每个站点都存在明显的日动态变化,大致呈单峰型曲线,阿柔站、大满站、大沙龙站和湿地站的半小时平均碳汇时长分别为10.5 h、11 h、12.5 h、11.5 h。由图2(a)可知阿柔站的NEP每天从8:00~18:30为正值,大满站的NEP每天从8:00~19:00为正值,大沙龙站的NEP每天从7:00~19:30为正值,湿地站则是7:30~19:00为正值。即7:00~8:00各站点碳通量从负值转变为正值,表明此时生态系统为碳吸收,植被光合作用吸收的CO2开始大于呼吸作用排放的CO2,随着温度升高、太阳辐射增大,植被光合作用持续增加。如图2(a)所示,大满站与湿地站在13 h左右达到峰值,分别为0.36 gC/m2/s、0.28 gC/m2/s,阿柔站与大沙龙站在12点左右达到峰值,分别为0.20 gC/m2/s、0.13 gC/m2/s,光合强度逐渐减弱,植物吸收CO2能力减弱,NEP逐渐降低,各站点NEP在18:30~19:30由正值转为负值,表明此时生态系统由碳吸收转变为碳排放,开始释放CO2,这是由于光合作用小于植被及土壤呼吸的原因。大满站NEP所达峰值最大,然后是湿地站,最后是阿柔站和大沙龙站,即农田和湿地的净碳吸收量最大,草地次之。

图2

图2   各站点NEP、Reco和GPP日变化特征

Fig.2   Diurnal of NEP,Reco and GPP of each site


各站点的生态呼吸Reco(图2(b))与总初级生产力GPP(图2(c))也呈现明显的单峰型曲线。其中,GPP的动态变化与NEP一致,为农田和湿地的GPP最大(大满站为0.42 gC/m2/s,湿地站为0.36 gC/m2/s),草地次之(阿柔站为0.33 gC/m2/s,大沙龙站为0.17 gC/m2/s)。生系统呼吸Reco则是阿柔站(高寒草甸)最大,为0.17 gC/m2/s,湿地站、大满站次之分别为0.09 gC/m2/s、0.08 gC/m2/s,大沙龙站(高寒草地)最低,为0.04 gC/m2/s。

3.2 季节尺度:碳通量季节变化

黑河流域农田、草地、湿地生态系统受气候环境、土壤因子及植被生长机制等协同调控,其NEP、Reco、GPP均呈现明显的季节变化规律(图3)。由7年日均值趋势可知(图3(a)~图3(c)),各生态系统在6月初至9月下旬的生长季中由于植被进入生长期而呈明显的碳吸收,对比10月初后农田和草地生态系统明显转变碳排放,湿地生态系统仍呈微弱的碳吸收。其中农田生态系统日均固碳量最多,为1.78 gC/m2/d,日均呼吸量为1.44 gC/m2/d;其次湿地生态系统日均固碳量1.73 gC/m2/d,日均呼吸量与农田近似,为1.38 gC/m2/d;草地生态系统日均固碳量最低,分别0.84 gC/m2/d、0.63 gC/m2/d,日均呼吸量差异较大,阿柔站为2.16 gC/m2/d、大沙龙站为0.51 gC/m2/d,两种草地生态系统差异主要是由气候条件的差异引起的。阿柔站是一个位于季节性冻土区的高寒草甸,大沙龙站是一个位于多年冻土区的高寒草甸13;净生态系统生产力NEP是总初级生产力GPP与生态系统呼吸Reco的差值,各生态系统GPP的季节动态大致与NEP一致,农田最高为3.24 gC/m2/d,湿地次之为3.11 gC/m2/d,草地最低,分别为2.79 gC/m2/d、1.36 gC/m2/d。由图3可知,黑河流域农田、草地、湿地3个生态系统的NEP、Reco and GPP均表现为生长季较高、波动较大,非生长季较低、波动较小。

图3

图3   2013~2019年各站点NEP、Reco和GPP的季节变化

Fig.3   Seasonal variation of NEP,Reco and GPP from 2013 to 2019 of each site


黑河流域农田、草地、湿地生态系统的植被指数NDVI、EVI与碳通量一致,呈现出明显的季节变化(图4),阿柔站>湿地站>大满站>大沙龙站。与碳通量显示出的农田>湿地>草地的季节峰值不同,植被指数呈现出最高、湿地次之、农田略小,沼泽化高寒草甸最低的特点,这可能与各生态系统下垫面植被类型不同有关。阿柔站、大沙龙站、大满站、湿地站的NDVI、EVI分别于第215±5天、第209±5天、第208±5天、第194±5天达到峰值,与NEP一致,湿地先于其他生态系统达到峰值。

图4

图4   2013~2019年各站点NDVI和EVI的季节变化

Fig.4   Seasonal variation of NDVI and EVI from 2013 to 2019 of each site


3.3 年际尺度:碳通量年际变化

利用2013年1月1日至2019年12月31日连续观测的碳通量及气象要素,求取每天累积的NEP_daily、Reco_daily、GPP_daily,并对其进行逐年累加,求取每年各生态系统固碳量NEP_annual、生态呼吸量Reco_annual及总生态系统生产力GPP_annual(图5)。由图5(a)可知湿地站的年总NEP和年总GPP均呈明显的逐年上升趋势,而阿柔站、大满站、大沙龙站则是相对稳定,起伏很小。在年尺度上,所有生态系统均为明显的碳汇,农田与湿地生态系统的碳吸收能力最大,年均NEP分别为648.90 gC/m2/a、627.51 gC/m2/a,草地生态系统最低,分别为228.15 gC/m2/a、307.89 gC/m2/a。对于年总生态呼吸量(图5(b)),阿柔站年均Reco为788.39 gC/m2/a,呼吸总量最高,呈微弱的逐年降低趋势。湿地站和大满站次之,年均Reco分别为583.16 gC/m2/a、495.55 gC/m2/a,大沙龙站年均呼吸总量最小,为187.21 gC/m2/a。对比年总生态系统生产力(图5(c)),湿地站年均GPP呈明显上升趋势,年均GPP最大,为1 216.73 gC/m2/a;大满站次之,为1 151.92 gC/m2/a;阿柔站略低于大满站,为1 017.62 gC/m2/a;大沙龙站最低,为495.10 gC/m2/a。总之,农田与湿地生态系统的固碳能力最高,草地生态系统较低,由于气候环境的不同,阿柔站与大沙龙站的生态呼吸量差异较大,且湿地、农田与位于季节性冻土区的草地生态系统的年总生产力差异较小,其中湿地的年总生产力最大,逐年上升,位于多年冻土区的草地生态系统则年均固碳、生态呼吸量、年总生产力均为最低。

图5

图5   2013~2019年各站点NEP、Reco and GPP的年际变化(umol/m2/a)与年际变化率(%)

Fig.5   The Inter-annual trend and Inter-annual variation of NEP,Reco and GPP in each site from 2013 to 2019


数据分析(图5(d)~图5(f))表明,NEP的各生态系统年际变化率较大,变化范围在-0.36~0.96;Reco的年际变化率在各生态系统较为一致,变化范围在-0.44~0.59;GPP的年际变化率较小,变化范围在-0.11~0.17。年际NEP变化率中所有生态系统NEP总变化为上升趋势,阿柔站、大满站、大沙龙站、湿地站的平均年际变化率分别为0.37、0.13、 -0.004、0.11,阿柔站的变化率最大,且2014~2015年、2015~2016年、2017~2018年与其他生态系统变化相反;年际Reco变化率中各个生态系统年际间变化趋势大致一致,平均年际变化率分别为-0.05、 -0.03、0.05、0.05;年际GPP变化率在所有生态系统中表现出较小的波动,平均年际变化率为0.01、0.02、-0.02、0.06,湿地生态系统呈现更大的光合作用能力。

图6所示,农田、草地、湿地生态系统的降水年际差异较大,其余各年均气象因子如潜热、太阳辐射、气温、相对湿度、饱和水汽压差、深度2 cm处的土壤温湿度的年际变化趋势一致、较为稳定。阿柔站、大满站、大沙龙站、湿地站的潜热LE变化范围分别为42.67~69.27 Wm-2、50.89~85.43 Wm-2、39.57~64.91 Wm-2、92.66~130.82 Wm-2,湿地与农田的LE明显高于草地生态系统;各站点的太阳辐射Rg变化范围分别为185.4~193.99 Wm-2、172.66~183.75 Wm-2、166.90~222.69 Wm-2、182.12~191.53 Wm-2,其中由于大沙龙站2013年原始数据1~8月份缺失,故整年数据不纳入分析。湿地与草地生态系统相近,略高于农田;各站点的空气温度Tair变化范围分别为-0.90~0.18 ℃、6.28~7.99 ℃、 -4.69~ -3.37 ℃、9.05~10.48 ℃,湿地与农田的空气温度明显高于草地生态系统;各站点的相对湿度rH变化范围分别为56.44%~61.90%、52.14%~63.29%、55.56%~58.82%、43.47%~46.78%,各生态系统的相对湿度年际变化较小,其中湿地明显低于农田与草地;各站点的饱和水汽压差VPD的变化范围分别为3.14~3.61 hPa、6.36~6.88 hPa、2.33~2.55 hPa、8.86~9.48 hPa,湿地的VPD最高,农田次之,草地最低;各站点的降水年际差异较大,各站点年均降水量分别为357.58 mm、126.53 mm、360.47 mm、77.91 mm。

图6

图6   2013~2019年各站点环境因子的年际变化

Fig.6   The Inter-annual trend of environmental drivers in each site from 2013 to 2019


3.4 碳通量与环境因子、植被指数的关系

图7所示为碳通量NEP、生态系统呼吸Reco、生态系统总初级生产力GPP与各气候环境因素在不同时间尺度上的相关性。其中,在日时间尺度和月时间尺度上,NEP、Reco、GPP与各环境因素如太阳辐射、气温、土壤温湿度等均存在显著相关(p≤0.05),且随着时间尺度提升,显著性明显增加,在年时间尺度上则未呈现出显著性,这可能是由于研究区域年际时间序列太短导致的。阿柔站的NEP、Reco、GPP依次与潜热、土壤温度和气温存在显著相关,R值分别分布在0.48~0.62、0.76~0.9、 0.76~0.88,与NDVI的R值分别为0.64、0.87、0.9,与EVI的R值分别为0.67、0.88、0.92;大沙龙站的NEP、Reco、GPP依次与潜热、土壤温度、气温呈现显著相关,R值分布在0.46~0.59、0.64~0.73、0.65~0.74,与NDVI的R值分别为0.66、0.67、0.83,与EVI的R值分别为0.68、0.69、0.85;大满站的NEP、Reco、GPP依次与潜热、土壤温度、气温呈现显著相关,R值分布在0.53~0.69、0.61~0.77、0.66~0.75,与NDVI的R值分别为0.81、0.66、0.87,与EVI的R值分别为0.84、0.68、0.9;湿地站的NEP、Reco、GPP依次与潜热、气温、太阳辐射、饱和水汽压差呈现显著相关,R值分布在0.5~0.65、0.71~0.87、0.63~0.77,与NDVI的R值分别为0.78、0.78、0.86,与EVI的R值分别为0.81、0.8、0.88。随着时间尺度提升,研究发现饱和水汽压差、相对湿度、降水、辐射也对碳通量的变化产生了协同影响作用。

图7

图7   各站点与环境因子、植被指数在日、季节尺度上的Person相关性(P <0.05)

Fig.7   The Person correlation between NEP,Reco,GPP and environmental drivers,Vegetation Indexes on daily and seasonal scales


研究还发现湿地与农田、草地生态系统的碳通量与环境因子在年际尺度上未呈现显著的相关性,即在研究区内的年际相关不存在普适性(图8)。其中,由图8(d)可知湿地的年NEP与年均潜热、气温呈现中等负相关,与辐射、相对湿度和降水呈现弱的正相关。年Reco与2 cm处土壤温度呈现较强的负相关,与潜热、相对湿度呈现中等负相关,与气温、饱和水汽压差则呈现较强的正相关。年GPP与潜热、2 cm处土壤温度呈现中等负相关,与饱和水汽压差、气温呈现较强正相关,与辐射的正相关稍弱;图8(b)可知,农田(大满)的年NEP与相对湿度、2 cm处的土壤湿度、气温正相关较高,与潜热、降水呈现的负相关较强。年Reco与相对湿度和2 cm处土壤湿度呈现中等正相关,与降水呈现强负相关,与2 cm处土壤温度则呈现中等负相关。年GPP与2 cm土壤湿度呈现强正相关,与气温、相对湿度呈现中等正相关,与潜热、降水呈现强负相关;草地(阿柔)的年NEP与气温、2 cm处土壤温度呈现弱正相关,与潜热、降水呈中等负相关。年Reco与降水呈现中等正相关,与潜热、饱和水汽压差和2 cm处土壤温度呈弱正相关与相对湿度和2 cm、土壤湿度呈弱负相关。年GPP与气温、饱和水汽压差呈现强正相关,与降水和2 cm处土壤温度呈现弱正相关,与潜热、相对湿度呈弱负相关;草地(大沙龙)的年NEP与潜热呈弱正相关,与气温、降水呈弱负相关。年Reco与饱和水汽压差呈强正相关,与气温呈弱正相关,与相对湿度呈弱负相关。年GPP与潜热、相对饱和水汽压差呈强正相关,与2 cm处土壤湿度呈现弱正相关,与相对湿度、降水呈强负相关,与辐射呈弱负相关。

图8

图8   各站点NEP、Reco、GPP与环境因子、植被指数之间的年际Person相关(斜纹:P >= 0.05;纯色:P < 0.05)

Fig.8   The interannual Person Correlation between NEP,Reco,GPP of these sites and environmental drivers,VIs


4 讨论与展望

湿地与大满农田、阿柔草地、大沙龙草地NEP、Reco、GPP日变化均呈现单峰曲线,中午12:00至13:00达到碳吸收最大值,夜晚则是碳排放。其中湿地与农田的NEP于中午13:00左右到达峰值,分别为0.28 gC/m2/s、0.36 gC/m2/s,阿柔草地与大沙龙草地则于中午12:00左右到达峰值,分别为0.20 gC/m2/s、0.13 gC/m2/s,这与Wang等8的研究结论一致,即草地(阿柔、大沙龙)先于湿地和农田达到日峰值。4个站点每日碳汇时长:大沙龙站>湿地站>大满站>阿柔站,分别为12.5 h、11.5 h、11 h、10.5 h。各生态系统GPP同NEP一致,Reco则表现出阿柔站>湿地站>大满站>大沙龙站的趋势,这可能是由于高寒草甸土壤有机碳含量高32,导致阿柔站生态呼吸峰值较高。

湿地生态系统7年平均碳汇量为627.51 gC/m2/a,仅次于大满农田生态系统的648.9 gC/m2/a,草地生态系统最低,分别为228.15 gC/m2/a(阿柔)、307.89 gC/m2/a(大沙龙)。湿地与大满农田、阿柔草地生态系统的年际变化均呈现上升的趋势,大沙龙草地则波动不大,从年际尺度来看,各生态系统均为明显碳汇。作为我国及中亚典型的干旱区,Wang等8发现黑河流域各生态系统(2012~2016年)的固碳量在85.90~508.70 gC/m2/a之间,农田和湿地生态系统的碳吸收潜力最大,其次是森林生态系统和草地生态系统,而沙漠生态系统的碳吸收潜力最低,这与我们分析结果一致;Tarin等1监测了澳大利亚(南半球典型干旱区)的两个典型生态系统Mulga林地(2010~2017年)与Corymbia稀树草原(2012~2017年)的碳通量,其年NEP分别介于47~217 gC/m2/a、-190~115 gC/m2/a之间;在北美西南半干旱地区,各种生物群落的净初级生产力在355±108至326±75 gC/m2/a之间33;我国半干旱灌丛的NEP介于22~77 gC/m2/a之间34;在西班牙的地中海灌丛中,NEP介于29~60 gC/m2/a之间3536;黄河三角洲芦苇湿地的碳汇量为956 gC/m2/a,Reco在GPP中所占比率接近于温带湿地的碳汇量18;王富强等4对比了寒区滨河湿地生态系统与其他类型的湿地的碳收支情况;吴方涛等37发现2015年青海湖藏嵩草湿草甸湿地生态系统CO2通量具有明显的日变化和月变化特征,生长季为碳吸收,非生长季为碳排放,但在全年尺度上表现为碳源;Cao等38发现青藏高原高寒湿地在年际尺度上表现为净碳吸收。研究区中张掖湿地的碳汇量处于中等偏上,这说明气候环境对各类型湿地生态系统的碳通量变化影响很大,干旱区湿地生态系统的碳收支对大气CO2的吸收潜力值得关注。

在季节尺度上,湿地与农田、草地生态系统均为倒“U”型曲线,其中,湿地与农田、草地在6月初至9月下旬为碳汇,之后农田和草地转换为碳源,湿地仍呈现微弱的碳汇特征。李金群等16和陈小平等39发现大九湖泥炭湿地、科尔沁沙丘-草甸湿地生态系统CO2通量也呈现单峰型曲线,夏季变化幅度最大而冬季最小,具有明显的季节特性;王富强等4发现金河湾湿地总生态系统生产力、生态系统呼吸、净碳交换总体表现为生长季较高、波动较大,非生长季较低、波动较小。与沼泽湿地、草甸湿地、泥炭湿地在非生长季表现出的明显碳源特征,张掖湿地则显示出微弱的碳汇。

经过对日、月、年时间尺度的碳通量与植被指数NDVI、EVI各气候环境因子的相关分析,日时间尺度上,对于气候因子,各生态系统碳通量主要受潜热、气温、2 cm土壤温度的控制,除此之外湿地站碳通量受辐射和饱和水汽压差影响比其他站点更大;对于植被指数,各生态系统碳通量在日、月尺度上均与NDVI、EVI呈现显著相关。随着时间尺度提升,相关性提高,即在季节尺度上,各生态系统碳通量同时受潜热、气温、饱和水汽压差、辐射、降水等多个环境因子驱动,其中阿柔站受2 cm土壤湿度影响较小,大沙龙站受辐射影响较小,大满站受饱和水汽压差和2 cm土壤湿度影响较小,湿地站则受相对湿度影响较小。在年际尺度上,阿柔站、大满站碳通量主要受到气温、2 cm土壤湿度的影响(R>0.4)以及潜热、降水的负反馈效应(R<-0.4),大沙龙站则主要受到气温的负反馈调控,湿地站则受到潜热的负反馈调控;另外阿柔站与湿地站碳通量与植被指数NDVI、EVI均呈现年际上的显著相关(0.6<R<0.8)。Wang等8提出并以蒸散发为指标验证了水可用性对干旱区生态系统的空间变异性至关重要;Tarin等1发现土壤含水量、气温和饱和水汽压差是Mulga林地与Corymbia稀树草原这两种生态系统中碳通量的重要驱动力(SWC-NEP和SWC-GPP相关系数分别为-0.51和-0.41);陈小平39发现科尔沁沙丘—草甸湿地生态系统的日间净碳交换量与光合有效辐射呈显著直角双曲线关系,并受饱和水汽压差、土壤含水量及气温的共同调控;王富强等4发现金河湾湿地NEE与GEP与饱和水汽压差、气温、辐射等因子主要相关,其中GEP与饱和水汽压差呈二次曲线关系,与气温呈正相关,NEE与GEP与辐射均呈正相关;Han等18发现黄河三角洲芦苇湿地的Reco在生长季的首要控制因素为土壤温湿度,NEE则与光合有效辐射显著相关;Chen等40基于北半球241个涡动站点分析年际ANEP、年际ARE、年际AGPP的空间变异性与气候、植被、土壤特性间的关系,发现ANEP、ARE、AGPP均与气候与植被显著相关(R=0.22~0.69,P<0.01),而与土壤因子(R=-0.11~0.14,P>0.05)无显著相关,结论表明气候因子主要通过调控植被来影响AGPP,同时气候与植被因素未能捕捉到ANEP的变化,因此要揭示ANEP变化的潜在机制还需要考虑其他影响因素。

本研究对湿地生态系统与其他生态系统的差异机制的探索尚且不足,缺乏对多种NEE拆分方法的对比,未验证光合有效辐射、蒸散发等相关气候因子对碳通量的影响,没有考虑到人为活动的干扰影响及对比生态系统类型较少,未来应将人类行为干扰、极端气候事件等纳入研究范围,区分生长季与非生长季,全面思考生态系统的碳收支过程机制与驱动因子。同时对各个站点的降水观测存在一定的偏差,从观测数据来看对冬季降雪的观测偏差交大,对结果分析带来了不确定性。国际上对生态系统碳通量年际变化控制机制研究较多41,但是我国西部地区由于观测数据缺乏,在这方面的机制认识较少,本研究填补了这方面的空白。

5 结 论

基于涡动相关技术,通过对2013~2019年黑河流域上游及中游的4个站点包括湿地、农田两种不同类型草地生态系统的碳通量的分析,对比了湿地与其他类型生态系统的差异以及植被指数NDVI、EVI与碳通量的季节变化规律异同,同时使用Person相关分析探索了各生态系统的主要驱动因子,研究结果表明:

(1)湿地与大满农田、阿柔草地、大沙龙草地NEP、Reco、GPP日变化均呈现单峰曲线,中午12:00至13:00达到碳吸收最大值,夜晚则是碳排放,碳吸收峰值为农田>湿地>草地。同为草地生态系统,阿柔站生态呼吸远高于大沙龙站的原因可能是阿柔站土壤为季节性冻土,而大沙龙站土壤为多年冻土。

(2)受气候环境、植被生长机制及土壤因子共同调控,湿地、农田、草地生态系统碳通量及植被指数均有明显的季节动态特性,呈现为“倒U”型曲线。总体表现为生长季6~9月较高、波动大,非生长季10~5月较小、波动小。碳吸收与植被指数一致,均为湿地生态系统优先于农田、草地达到季节峰值,其中碳吸收季节峰值为农田>湿地>草地,植被指数NDVI、EVI则不同,呈现为阿柔站草地>湿地站湿地>大满站农田>大沙龙站草地,这可能是由于各站点下垫面均一性不同而导致的。

(3)从年际尺度来看,各生态系统均为明显碳汇。湿地与农田生态系统的碳吸收潜力最大,7年平均碳汇量分别为为627.51 gC/m2/a、648.9 gC/m2/a,草地生态系统最低,分别为228.15 gC/m2/a(阿柔)、307.89 gC/m2/a(大沙龙)。湿地与大满农田、阿柔草地生态系统的年际变化均呈现上升的趋势,大沙龙草地则波动不大。

(4)通过Person相关分析,日时间尺度上,对气候环境因子分析发现湿地生态系统碳通量与潜热、气温、饱和水汽压差、辐射显著相关,农田与草地生态系统碳通量均主要受潜热、气温、土壤温度的影响较大;随着时间尺度提升,相关性提高,但在年际变化中,NEP、GPP、Reco与环境因素的相关无普适性,其中阿柔站、大满站碳通量主要受到气温、2 cm土壤湿度的影响(R>0.4)以及潜热、降水的负反馈影响(R<-0.4),大沙龙站和湿地站则分别受到气温、潜热的负反馈调控;另外阿柔站与湿地站碳通量与植被指数NDVI、EVI均呈现年际上的显著相关(0.6<R<0.8)。

参考文献

Tarin TNolan R HEamus D . et al.

Carbon and water fluxes in two adjacent Australian semi-arid ecosystems

[J].Agricultural and Forest Meteorology,2020281. DOI.org/10.1016/j.agrformet.2019.107853.

[本文引用: 4]

Li GuodongZhang JunhuaChen Conget al.

Research progress on carbon storage and flux in different terrestrial ecosystem in China under global

[J]. Ecology and Environment Sciences,2013225): 873-878.

[本文引用: 2]

李国栋张俊华陈聪.

气候变化背景下中国陆地生态系统碳储量及碳通量研究进展

[J].生态环境学报,2013225): 873-878.

[本文引用: 2]

Ahlstrom ARaupach M RSchurgers Get al.

The dominant role of semi-arid ecosystems in the trend and variability of the land CO2 sink

[J].Science,20153486237): 895-899.

[本文引用: 1]

Wang FuqiangLiu YangliYang Huanet al.

Carbon Flux characteristics and influencing factors of riverside wetland ecosystem in Cold Region

[J]. International Journal Hydroelectric Energy,20183610): 68-71.

[本文引用: 5]

王富强刘扬李杨欢.

寒区滨河湿地生态系统碳通量特征及影响因素

[J].水电能源科学,20183610): 68-71.

[本文引用: 5]

Jiang GuoqingWang YujieSun Ruiet al.

Dynamics of CO2 flux and analysis of light use efficiency over a wetland in Zhangye,China

[J]. Arid Land Geography,2016394): 809-816.

[本文引用: 1]

蒋国庆王玉洁孙睿.

张掖湿地CO2通量变化特征及光能利用率分析

[J].干旱区地理,2016394): 809-816.

[本文引用: 1]

Aslan-Sungur GLee X HEvrendilek Fet al.

Large interannual variability in net ecosystem carbon dioxide exchange of a disturbed temperate peatland

[J].Science of the Total Environment,2016554192-202.

[本文引用: 1]

Dise N B.

Peatland Response to Global Change

[J].Science,20093265954): 810-811.

[本文引用: 1]

Wang HLi XXiao Jet al.

Carbon fluxes across alpine, oasis, and desert ecosystems in northwestern China: The importance of water availability

[J].Science of the Total Environment,2019697. DOI.org/10.1016/j.scitotenv.2019. 33978

[本文引用: 6]

Chen ZhiYu GuiruiZhu Xianjinet al.

Spatial pattern and regional characteristics of terrestrial ecosystem carbon fluxes in the northern hemisphere

[J]. Quaternary Sciences,2014344):710-722.

[本文引用: 1]

陈智于贵瑞朱先进.

北半球陆地生态系统碳交换通量的空间格局及其区域特征

[J].第四纪研究,2014344):710-722.

[本文引用: 1]

Tian RongcaiWen ShuangyaYang Huibinget al.

Research Progress on Carbon Flux in Agro-ecosystem Based on Eddy Covariance System

[J]. Acta Laser Biology Sinica,2019285):415-420.

[本文引用: 1]

田容才文双雅阳会兵.

基于涡度相关法的农田生态系统碳通量研究进展

[J].激光生物学报,2019285): 415-420.

[本文引用: 1]

Lin TongbaoWang ZhiqiangSong Xueleiet al.

CO2 flux and impact factors in winter wheat field ecosystem

[J]. Chinese Journal of Eco-Agriculture,2008166):1458-1463.

[本文引用: 1]

林同保王志强宋雪雷.

冬小麦农田二氧化碳通量及其影响因素分析

[J].中国生态农业学报,2008166):1458-1463.

[本文引用: 1]

Gao YunGuo Weihua.

Main controlling factors of carbon flux of typical economic crops in arid area of northwest China

[J]. Rural Economy and Science-Technology,20172822): 34-35.

[本文引用: 1]

高云郭维华.

西北旱区典型经济作物碳通量主控因子研究

[J].农村经济与科技,20172822): 34-35.

[本文引用: 1]

Tong XiaojuanLi JunLiu Duet al.

Characteristics and controlling factors of photosynthesis in a maize ecosystem on the North China Plain

[J].Acta Ecologica Sinica,20113117): 4889-4899.

[本文引用: 2]

同小娟李俊刘渡.

华北平原玉米田生态系统光合作用特征及影响因素

[J].生态学报,20113117): 4889-4899.

[本文引用: 2]

Gou QianqianQu JianjunHan Zhiwenet al.

Contrastive analysis of microclimate and CO2 flux in different season in Xihu desert wetland of extreme arid region

[J]. Arid Land Geography,2014376): 1119-1127.

[本文引用: 1]

缑倩倩屈建军韩致文.

极端干旱区荒漠-湿地生态系统小气候特征与碳通量变化季节对比

[J].干旱区地理,2014376): 1119-1127.

[本文引用: 1]

Li Kang XiaomingHao Yanbinet al.

Carbon,water and heat fluxes of a reed(Phragmites australis) wetland in the Yellow River Delta,China

[J]. Acta Ecologica Sinica,20143415): 4400-4411.李玉,康晓明,郝彦宾,等.黄河三角洲芦苇湿地生态系统碳、水热通量特征[J].生态学报,2014 3415): 4400-4411.

[本文引用: 2]

Li JinqunGe JiwenPeng Fengjiaoet al.

Studies on Carbon-water Flux and Water Use Efficiency in Dajiuhu Peat Wetland Ecosystem

[J]. Safety and Environmental Engineering,2019261):14-25.

[本文引用: 2]

李金群葛继稳彭凤姣.

大九湖泥炭湿地生态系统碳水通量及水分利用效率研究

[J].安全与环境工程,2019261): 14-25.

[本文引用: 2]

Wang LiliYang TaoGao Chenet al.

Diurnal Variation of Net Ecosystem CO2 Exchange of Nanji Wetland Ecosystem in Poyang Lake

[J]. Journal of Ecology and Rural Environment,20173311): 1007-1012.

[本文引用: 2]

王莉莉杨涛高晨.

鄱阳湖南矶湿地净生态系统CO2交换量的日变化特征

[J].生态与农村环境学报,20173311): 1007-1012.

[本文引用: 2]

Han G XYang L QYu J Bet al.

Environmental Controls on Net Ecosystem CO2 Exchange over a Reed (Phragmites australis) Wetland in the Yellow River Delta, China

[J].Estuaries and Coasts,2013362):401-413.

[本文引用: 3]

An XiangChen YunmingTang Yakunet al.

Factors Affecting the Spatial Variation of Carbon Use Efficiency and Carbon Fluxes in East Asian Forest and Grassland

[J]. Research of Soil and Water Conservation,2017245):79-8792.

[本文引用: 1]

安相陈云明唐亚坤.

东亚森林、草地碳利用效率及碳通量空间变化的影响因素分析

[J].水土保持研究,2017245):79-8792.

[本文引用: 1]

Chen YinpingNiu YayiLi Weiet al.

Characteristics of Carbon Flux in Sandy Grassland Ecosystem under Natural Restoration in Horqin Sandy Land

[J]. Plateau Meteorology,2019383): 650-659.

[本文引用: 1]

陈银萍牛亚毅李伟.

科尔沁沙地自然恢复沙质草地生态系统碳通量特征

[J].高原气象,2019383): 650-659.

[本文引用: 1]

Wang HaiboMa MingguoWang Xunfenget al.

Carbon flux variation characteristics and its influencing factors in an alpine meadow ecosystem on eastern Qinghai-Tibetan plateau

[J]. Journal of Arid Land Resources and Environment,2014286):50-56.

[本文引用: 1]

王海波马明国王旭峰.

青藏高原东缘高寒草甸生态系统碳通量变化特征及其影响因素

[J].干旱区资源与环境,2014286):50-56.

[本文引用: 1]

Zhang FaweiLi YingnianCao Guangminet al.

CO2 fluxes and their driving factors over alpine meadow grassland ecosystems in the northern shore of Qinghai Lake, China

[J]. Chinese Journal of Plant Ecology, 2012363):187-198.

[本文引用: 1]

张法伟李英年曹广民.

青海湖北岸高寒草甸草原生态系统CO2通量特征及其驱动因子

[J].植物生态学报,2012363): 187-198.

[本文引用: 1]

Wang XiangZheng WeiZhu Yaqionget al.

Effects of plowing and sowing on carbon and Water Fluxes in mountain meadow in Zhaosu Basin

[J]. Chinese Journal of Grassland,2017392): 1-10.

[本文引用: 1]

王祥郑伟朱亚琼.

人工草地建植对昭苏盆地山地草甸碳水通量特征的影响

[J].中国草地学报,2017392): 1-10.

[本文引用: 1]

Yue GuangyangZhao LinZhao Yonghuaet al.

Research advances of Grassland Ecosystem CO2 Flux on Qinghai-Tibetan Plateau

[J]. Journal of Glaciology and Geocryology,2010321): 166-174.

[本文引用: 2]

岳广阳赵林赵拥华.

青藏高原草地生态系统碳通量研究进展

[J].冰川冻土,2010321):166-174.

[本文引用: 2]

Chen ShipingYou CuihaiHu Zhongminet al.

Eddy covariance technique and its applications in flux observations of terrestrial ecosystems

[J]. Chinese Journal of Plant Ecology, 2020444): 291-304.

[本文引用: 1]

陈世苹游翠海胡中民.

涡度相关技术及其在陆地生态系统通量研究中的应用

[J].植物生态学报,2020444): 291-304.

[本文引用: 1]

Shen YanLiu YunfenWang Yanet al.

Advances in applying the Eddy-Covariance technique to calculate Heat, Moisture and CO2 Flux

[J]. Journal of Nanjing Institute of Meteorology,2005284):559-566.

[本文引用: 1]

沈艳刘允芬王堰.

应用涡动相关法计算水热、CO2通量的国内外进展概况

[J].南京气象学院学报,2005284):559-566.

[本文引用: 1]

Shi GuifenHe Weiguang.

Application of Eddy covariance technology in Flux research of farmland ecosystem

[J]. Modern Agricultural Science And Technology,20196):141-143.

[本文引用: 1]

史桂芬贺伟光.

涡度相关技术在农田生态系统通量研究中的应用

[J].现代农业科技,20196):141-143.

[本文引用: 1]

Liu SLi XXu Zet al.

The Heihe integrated observatory network: A basin‐scale land surface processes observatory in China

[J].Vadose Zone Journal,2018171):1-21.

[本文引用: 1]

Xu ZiweiLiu ShaominChe Taoet al.

Operation and maintenance and data quality control of the Heihe integrated observatory network

[J]. Resources Science,20204210):1975-1986.

[本文引用: 1]

徐自为刘绍民车涛.

黑河流域地表过程综合观测网的运行、维护与数据质量控制

[J].资源科学,20204210):1975-1986.

[本文引用: 1]

Lasslop GReichstein MPapale Det al.

Separation of net ecosystem exchange into assimilation and respiration using a light response curve approach: critical issues and global evaluation

[J].Global Change Biology,2010161):187-208.

[本文引用: 1]

Lovett GCole JPace M.

Is net ecosystem production equal to ecosystem carbon accumulation?

[J].Ecosystems,200691):152-155.

[本文引用: 2]

Tao ZhenShen ChengdeGao Quangzhouet al.

Soil Organic Carbon Storage and Vertical Distribution of Alpine Meadow on the Tibetan Platea

[J].Acta Geographica Sinica,2006617):720-728.

[本文引用: 1]

陶贞沈承德高全洲.

高寒草甸土壤有机碳储量及其垂直分布特征

[J]. 地理学报,2006617):720-728.

[本文引用: 1]

Biederman J AScott R LBell T Wet al.

CO2 exchange and evapotranspiration across dryland ecosystems of southwestern North America

[J].Global Change Biology,20172310): 4204-4221.

[本文引用: 1]

Jia XZha T SGong J Net al.

Carbon and water exchange over a temperate semi-arid shrubland during three years of contrasting precipitation and soil moisture patterns

[J].Agricultural and Forest Meteorology,2016228120-129.

[本文引用: 1]

Domingo FSerrano-Ortiz PWere Aet al.

Carbon and water exchange in semiarid ecosystems in SE Spain

[J].Journal of Arid Environments,20117512): 1271-1281.

[本文引用: 1]

Serrano-Ortiz PDomingo FCazorla Aet al.

Interannual CO2 exchange of a sparse Mediterranean shrubland on a carbonace-ous substrate

[J]. Journal of Geophysical Research-Biogeosciences,2009114G04015. DOI.org/10.1029/2009JG000983.

[本文引用: 1]

Wu FangtaoCao ShengkuiCao Guangchaoet al.

Variation of CO2 Flux of alpine wetland ecosystem of kobresia tibetica wet meadow in Lake Qinghai

[J].Journal of Ecology and Rural Environment, 2018342): 124-131.

[本文引用: 1]

吴方涛曹生奎曹广超.

青海湖高寒藏嵩草湿草甸湿地生态系统CO2通量变化特征

[J].生态与农村环境学报,2018342):124-131.

[本文引用: 1]

Cao S KCao G CChen K Let al.

Characteristics of CO2, water vapor, and energy exchanges at a headwater wetland ecosystem of the Qinghai Lake

[J].Canadian Journal of Soil Science,2019993): 227-243.

[本文引用: 1]

Chen Xiaoping.

Variations and influence mechanism of Carbon and Water Flux in Horqin Dune and meadow wetland landscape

[D]. HohhotInner Mongolia Agricultural University2018.

[本文引用: 2]

陈小平.

科尔沁沙丘—草甸湿地水热碳通量变化及响应机制研究

[D].呼和浩特内蒙古农业大学2018.

[本文引用: 2]

Chen ZYu G RGe J Pet al.

Roles of Climate, Vegetation and soil in regulating the spatial variations in ecosystem Carbon dioxide fluxes in the Northern Hemisphere

[J].Plos One,2015104):e0125265. DOI:10.1371/journal.pone.0125265 .

[本文引用: 1]

Baldocchi D HChu H MReichstein M.

Inter-annual variability of net and gross ecosystem carbon fluxes: a review

[J]. Agricultural and Forest Meteorology,2018249520-533.

[本文引用: 1]

/