青海湖流域泥炭濕地地氣系統不同時間尺度上CO2交換特征

左弟召, 陳克龍, 李英年, 張法偉

青海湖流域泥炭濕地地氣系統不同時間尺度上CO2交換特征

左弟召1,2,3, 陳克龍2,3,*, 李英年4, 張法偉4

1. 青海師范大學地理科學學院, 青海西寧 810008 2. 青海師范大學青藏高原地表過程與生態保育教育部重點實驗室, 青海西寧 810008 3. 青海師范大學青海省自然地理與環境過程重點實驗室, 青海西寧 810008 4. 中國科學院西北高原生物研究所, 青海西寧 810008

為了定量分析2017年青海湖流域泥炭濕地地氣系統不同時間尺度上的碳交換的變化特征及影響機制, 利用渦動相關技術對其不同時間尺度上的碳通量進行了測定, 結果表明: 1)青海湖流域泥炭濕地地氣系統在2017年表現為“碳源”, 全年合計排放209.312 gC·m–2。2)生態系統總初級生產量(GPP)和生態系統總呼吸(Re)年變化均呈倒V型, 而凈生態系統碳交換(NEE)年內變化則呈雙峰型。3)NEE和GPP 與各環境要素(氣溫、土壤溫度、月平均降水量、土壤含水量)呈現負相關關系, 而Re與之呈顯著的正相關關系(<0.01)。4)NEE受溫度因子影響較大, 主要受控于氣溫。5)GPP和Re與各水熱因子都有較大的相關性, 但GPP受溫度因子影響較顯著, 而水、熱季節變化及其協調程度對Re有更大的影響。

泥炭濕地; 渦度相關; 碳通量; 青藏高原

0 前言

全球濕地面積約為5.7×106km2, 約占陸地面積的6%, 濕地生態系統土壤中有機碳含量約占全球碳含量的20%—25%[1]。觀測濕地生態系統的碳通量是明確濕地碳源匯功能的重要手段, 也是了解陸地生態系統碳循環的重要環節。渦度相關技術(Eddy covariance, EC)是一種非破壞性的、能長期連續觀測的微氣象觀測技術, 其優勢在于研究不同時間尺度上生態系統碳收支的變化規律及其對環境因子的響應機理[2]。陸地生態系統碳循環已廣泛使用渦度相關技術進行測定, 該技術漸漸成為生態系統水平測量碳通量的標準方法[3–4]。

自20世紀70年代以來, 有關陸地生態系統地表CO2通量的研究大多集中于森林、農田、草地、荒漠和鹽沼濕地等生態系統[5–15]。高海拔地區的泥炭濕地不同時間尺度上量化碳收支及其環境要素響應機理卻少有涉及。青藏高原被譽為世界“第三極”[16]。青藏高原東北部的青海湖高寒濕地位于西北干旱區及東部季風區的交匯處, 是高寒濕地生態系統的典型區域[17]。泥炭地儲量了全球濕地絕大多數的碳, 且廣布于北半球溫帶及寒冷地區[18]。因研究區域不同, 青藏高原不同的下墊面和泥炭層厚度呈現不同的碳源、碳匯潛能。如玉樹隆寶濕地[19]、高寒草甸那曲站[20]和青藏高原東北部[21]表現為碳匯, 而高寒濕地生態系統(海北站)[22]和青海湖高寒藏嵩草濕草甸[23]則表現為碳源。為此, 有必要開展高寒泥炭濕地地氣系統碳交換特征及其碳源匯機制的觀測研究, 探究高海拔不同下墊面和泥炭厚度有何種碳源匯功能, 以期對高海拔地區泥炭濕地的碳通量的時空變異性和碳收支進行精確估算。

本文基于伊克烏蘭瓦顏站2017年全年渦動相關觀測數據, 通過定量分析青海湖流域高寒泥炭濕地碳通量的變化特征及其環境因子, 并明晰其碳收支在日變化和年變化尺度的變化規律, 進而探究高寒泥炭濕地有何種碳源匯功能？并對其環境因子影響機制如何？不僅對量化凈生態系統碳交換(Net ecosystem exchange, NEE)、生態系統總呼吸(ecosy-stem respiration, Re)和生態系統總初級生產量(gross primary productivity, GPP)及其環境因子影響機制具有重要的意義, 而且為評估未來氣候變化背景下青藏高原相關的高寒濕地生態系統的碳收支研究提供理論參考和數據支持。

1 研究區概況

研究區位于青海省海北藏族自治州剛察縣伊克烏蘭鄉瓦顏山(37°44′35"N, 100°05′40"E), 北靠祁連山, 南臨青海湖, 是沙柳河上游支流瓦顏曲的河源濕地。依托該區建設青海青海湖濕地生態系統國家定位觀測研究站——伊克烏蘭瓦顏站(圖1)。該站點年均氣溫為(-3.06±0.40) ℃, 最高氣溫為33.3 ℃, 最低氣溫為-36.3 ℃。年均降水量為462.8 mm, 5—9月降水量約占年降水量的90%, 屬于典型的高原大陸性氣候[24], 主要特征為太陽輻射強, 氣溫低而日溫差大, 降水少而集中, 雨熱同期。該區海拔3750 m, 主要植被類型是高寒沼澤化草甸, 藏嵩草 ()是該區的優勢種, 苔草鵝絨委陵菜為主要伴生種。主要土壤類型為沼澤土和草甸土, 土壤厚度約為1.2 m, 表層廣布有厚度約1.7 m的季節性凍土層, 深層為永久性凍土[25]。

圖1 研究區地理位置示意圖

Figure 1 Geographical location of the study area

2 研究材料與方法

2.1 觀測系統與觀測要素

觀測站的各觀測要素和觀測系統如下(表1), 是由安裝于長期觀測樣地內每30 min記錄一次的數據采集器(CR5000, Campbell Scientific, USA) 進行數據采集, 主要包括氣溫、降水量、總輻射和反射輻射等氣象數據和不同梯度土層含水量數據。

表1 儀器及架設高度

2.2 數據解析與插補

選取了2017年1月1日至2017年12月31日渦度相關系統所觀測的原始數據, 采用Eddypro5.0軟件對其進行預處理, 包括坐標旋轉、WPL 校正和光譜校正等[26–28]。由于LI-7500A型號分析儀存在表面自加熱效應, 所以對1—5和10—12月氣溫低于-10 ℃時的數據處理時進行儀器自加熱效應的校正[29–30]。為保證數據質量, 由儀器故障、微氣象異常等因素造成觀測數據出現的缺失或者“野點”進行剔除和插補; 剔除降水同期的觀測數據, 降水對湍流平穩性有一定影響, 并有可能導致儀器失靈[27]; 針對夜間。(光合光量子通量密度PPFD<10 μmol·m–2·s–1)湍流發展不充分, 剔除夜間摩擦風速低于0.15 m·s–1對應的通量數據[31]

其中對非生長季全天以及生長季夜間采用Van't Hoff方程[32]進行插補:

式(1)中,為非生長季全天以及生長季夜間生態系

表2 缺失或丟失的通量數據插補法

對生長季白天缺失CO2通量數據, 利用Michaelis- Menten[33]方程進行插補:

渦度相關系統觀測的CO2通量為NEE,將夜間呼吸函數外延至白天(Re, d), 即可得生態系統的總呼吸量(Re), 進而可得生態系統總交換量(GEE)[31]。在生態系統的尺度上, 生態系統總初級生產量(GPP)與GEE數值等同, 但方向相反。

2.3 數據分析

使用EDDY渦度軟件來轉換和處理碳通量數據。采用Excel 2013對碳通量、氣象、土壤等數據作進一步計算處理。利用SPSS 18.0對數據進行相關分析與顯著性檢驗。用Origin Pro 2018來擬合回歸方程與制圖。

3 結果與分析

3.1 微氣象要素分布狀況

研究時段內, 微氣象要素在總體上呈現明顯的季節變化特征(圖2)。研究區氣溫(Ta)年均值為-3.06 ℃,月最高、最低氣溫分別為7月的9.3 ℃和1月的-14.9 ℃。5 cm深處的土壤溫度(Ts)的月最高、最低分別出現在7月(10.36 ℃)和1月(-7.29 ℃)。Ts變化規律和Ta相似, 年平均Ts為1.49 ℃。降水總量(PPT)為540.258 mm, 主要集中在生長季。在5月和9月有兩次脈沖性降水, 7月達到降雨量旺盛期。5—9月的降水總和為488.95 mm, 約占全年的90%。土壤含水量(SWC)季節變化與降水有相似的變化特征但有所滯后, 是由于植被的根系吸收水分, 導致土壤含水量不會迅速增加。光合光量子通量密度(PPFD)在7月達到峰值(744.01μmol·m–2·s–1), 夏季通量密度較大, 冬季通量密度較小?？傒椛?DR)與PPFD的變化特征相似, 最高值出現在7月(374.553 W·m–2), 而反射輻射(UR)變化規律不同于其他, 全年總量較低且變化較平穩, 高值主要集中在4月和5月, 其中全年的最高值是5月3日(231.657 W·m–2), 之后便波動減小。

圖2 2017年瓦顏山泥炭濕地氣溫和5 cm深處的土壤溫度(a)、降水量(b)、土壤含水量(c)、光合光量子通量密度(d)、總輻射(e)、反射輻射(f)的季節變化

Figure 2 Seasonal variation of air temperature and soil temperature at 5 cm depths(a), precipitation (b), soil water content (c), photoperiod quantum flux density (d), total radiation (e), reflection radiation (f) in Wayanshan peat wetland in 2017

3.2 生態系統總初級生產量(GPP)在不同時間尺度上的變化特征

3.2.1 GPP日變化

根據CO2通量變化的基本形態將全年劃分為生長季(5—9月)和非生長季(10—4月)[26]。生長季夜間GPP月平均日變化非常平穩(圖3), 從日出后開始, GPP逐漸增加, 且減少速率隨月份的不同其加快程度也不盡相同, 到北京時間11: 30左右半小時開始呈現波動減少的趨勢, 持續到19: 00左右便歸于平穩。主要是由于隨著植物葉面積加大, 其光合效率、水分利用率逐漸增加, 生態系統的固碳能力隨植物生長旺盛而增強。非生長季的植物處于無呼吸狀態, 土壤表層受季節性凍土影響, 所以非生長季的GPP接近于0。

3.2.2 GPP年變化

2017年瓦顏山GPP總量約為246.470 gC·m–2。在5—9月生長季期間的日GPP年變化呈現先上升后下降的V字型(圖4), 于第208日達到最高值4.318 gC·m–2·d–1, 非生長季的總量接近于0。整個生長季的總初級生產力具有明顯的季節性, 在一年中水熱條件最好的7、8月份最高, 其中7月>8月>6月> 9月>5月。

5月伊始, GPP較小且平穩; 6—7月是植物生長的旺盛時期, 總初級生產量逐漸增多; 8月開始逐漸減少, 直到9月(即生長季末期)變化趨勢漸緩, 且總初級生產力降低, 非生長季則接近于0。

3.3 生態系統總呼吸(Re)在不同時間尺度上的變化特征

3.3.1 Re日變化

生態系統呼吸日變化十分平緩(圖5), 夜晚呼吸值在全年都很小, 在北京時間8: 00左右達到日內最低值, 日間呼吸作用逐漸增強, 在14:30左右上升到日內最大值, 之后逐漸下降, 可見生態系統呼吸作用受溫度影響最大。

1月的Re日變化最小(0.003—0.027 mgC·m–2·s–1), 5月開始其日變化趨勢愈加顯著(0.007—0.136 mgC·m–2·s–1), 4月和10月的變動水平相近(0.040—0.093 mgC·m–2·s–1), 主要歸因于1月土壤溫度極低, 水熱條件差, 且土壤水分處于凍結狀態, 微生物活動極弱, Re對土壤溫度變化響應最不敏感。從5月持續到9月的植物生長季, 水熱充足, 生態系統生物因素活躍, Re對土壤的溫度變化響應最敏感, 4月和10月則處于中間狀態, 但4月的溫度低于10月。

3.3.2 Re年變化

2017年瓦顏山泥炭濕地生態系統總呼吸的變化總趨勢為倒V型(圖6), 在非生長季分布較為集中(0—1.0 gC·m–2·d–1), 冬季呼吸作用微弱且波動小。整個生長季分布相對分散, 7、8月份為呼吸作用最強的時期, 7、8月份呼吸最旺盛且基本在3 gC·m–2·d–1左右, 最大值為3.410 g(8月15日), 年內最低值為0.145 g(1月23日)。其中5月份和10月份有兩次生態系統總呼吸次高峰, 可能是降水使草甸生態系統土壤微生物和植被根系的呼吸作用增強, 導致整個生態系統呼吸的增加, 植物返青期和枯草期的脈沖性降水會通過土壤含水量來間接促進草甸生態系統的碳排放, 成為影響碳收支的因素之一[23]。

圖3 2017年瓦顏山沼澤濕地GPP生長季各月平均日變化

Figure 3 Monthly average diurnal variation of GPP during growth season in Wayanshan peat wetland 2017

圖4 2017年瓦顏山泥炭濕地日GPP年變化(a)和月總量年變化(b)

Figure 4 Daily GPP annual variation (a) and monthly total annual variation (b) for the Wayanshan peat wetland in the 2017

圖5 2017年瓦顏山泥炭濕地Re非生長季(a)和生長季(b)各月平均日變化

Figure 5 Monthly average diurnal variation of Re during vegetation no-growing seasonal (a) and growing season (b) over the Wayanshan peat wetland in 2017

圖6 2017年瓦顏山泥炭濕地日Re年內變化(a)和月總量年變化(b)

Figure 6 Daily Re annual variation (a) and monthly total annual variation (b) for the Wayanshan peat wetland in the 2017

2017年Re呼吸總量為455.781 gC·m–2。Re生長季總量為186.63 gC·m–2, 非生長季為269.145 gC·m–2。1月的月呼吸總量最少(約10.587 gC·m–2·month–1)。在生長季初期的5月, 太陽輻射較小, 氣溫較低, 地表大部分凍土尚未融解, 植物進入返青期, 但是呼吸作用仍較弱, Re維持在相對較低的水平。隨著氣溫的回升, 地表的凍土逐漸融化, 植被的萌發和微生物活動漸強, 呼吸作用也愈強, 7、8月份的呼吸總量最大, 分別為64.893 gC·m–2·month–1和66.758 gC·m–2·month–1。此后由于太陽總輻射量的減少, 氣溫的降低及降水量的減少, 植被進入枯草期且微生物活動漸弱, Re于11月底下降到以土壤呼吸為主的冬季水平, 即使在極低氣溫和土壤溫度下仍然存在一定的呼吸強度(0—1 gC·m–2·d–1)。

3.4 凈生態系統碳交換(NEE)在不同時間尺度上的變化特征

3.4.1 NEE日變化

半小時NEE月平均日變化在非生長季變化較平穩且都有碳釋放能力, 在0—0.5 mgC·m–2·s–1范圍內變化, 只是不同月份釋放的量大小不同(圖7)。白天NEE碳吸收最高可達到1.095 mgC·m–2·s–1, 夜間生態系統則只有呼吸作用, 表現為CO2釋放, 且維持在相對穩定的較低水平。由于青藏高原在非生長季氣候寒冷, 低溫抑制了土壤微生物的代謝活動, 再加上受到季節性凍土的影響, 導致該時段內生態系統碳通量整體較小[34]。

NEE在生長季(5月—9月)呈倒鐘型, 7、8月份為生長季旺期, 生長季各月份平均日變形態基本一致, 夜間碳釋放速率較低, 生長季的白天北京時間8: 00—18: 00期間NEE為負值, 表現為吸收狀態, 其中7月>8月>6月>9月>5月。7:00之后由正轉負, 在11: 30左右一個小時存在明顯的低谷, 18: 00之后再由負轉正, 但隨著四季更替, 日照時間長短不同, NEE正負值轉換的具體時間會不盡相同。

3.4.2 NEE年變化

日NEE年內變化呈雙峰型(圖8), 從第1日開始高寒濕地生態系統碳釋放能力不斷增強, 到第139日逐漸增大至第一個峰值(3.327 gC·m-2·d–1), 進入生長季后, 經過短暫的釋放期, 日NEE由正轉負并迅速下降, 在第208日降至最小值(-2.945 gC·m-2·d–1), 隨后到第274日左右, 迅速上升并完成由吸收轉外釋放的轉換過程, 隨即到達第二個峰值(2.913 gC·m-2·d–1), 之后日NEE在小幅波動中略微下降并趨近于0值, 且波動幅度也越來越小。

NEE生長季總量為186.637 gC·m–2·month–1, 非生長季的總量為22.674 gC·m–2·month–1。5月開始由正轉負, 6、7和8月為負值, 9開始由負轉正。在5月和10月達到了NEE的高值, 分別為47.986 gC·m–2·month–1和50.400 gC·m–2·month–1。7月處于低谷期, 為-30.380 gC·m–2·month–1。

圖7 2017年瓦顏山泥炭濕地NEE非生長季(a)與生長季(b)各月平均日變化

Figure 7 Monthly average diurnal variation of NEE during vegetation no-growing seasonal (a) and growing season (b) over the Wayanshan peat wetland in 2017

圖8 2017年瓦顏山泥炭濕地日NEE年內變化(a)和月總量年變化(b)

Figure 8 Daily Re annual variation (a) and monthly total annual variation (b) for the Wayanshan peat wetland in the 2017

3.5 水熱因子對生態系統碳通量影響機制分析

3.5.1 氣溫對NEE、Re、GPP的影響

通過對氣溫(Ta)和泥炭濕地生態系統碳通量各組分的相關性分析和線性擬合(圖9), 結果表明: Ta與NEE呈負相關關系, 兩者表現為二次多項式關系(P<0.01, 雙尾檢驗)。Re與Ta的響應曲線呈顯著的線性正相關(P<0.01, 雙尾檢驗), GPP與Ta的關系可用指數方程表示, 且相關性極顯著(P<0.01, 雙尾檢驗)。GPP隨著氣溫的增加而表現出生產力不斷減小的趨勢。

3.5.2 土壤溫度對NEE、Re、GPP的影響

生態系統碳通量各組分均受控于Ts, 且與之有極顯著的相關關系(P<0.01, 雙尾檢驗)。可以明顯看出Ts與NEE和GPP呈負相關, 均表現為二次多項式關系, 而Ts同Re呈顯著線性正相關(圖10)。

圖9 2017年瓦顏山泥炭濕地氣溫(Ta)對NEE、Re、GPP的影響

Figure 9 Effect of air temperature (Ta) on the NEE, Re, and GPP in the Wayanshan peat wetland in 2017

圖10 2017年瓦顏山泥炭濕地土壤溫度(Ts)對NEE、Re、GPP的影響

Figure 10 Effect of soil temperature (Ts) on NEE, Re, GPP in Wayanshan peat wetland in 2017

3.5.3 月平均降水量對NEE、Re、GPP的影響

月平均降水量(PPT)與高寒泥炭濕地碳通量也存在顯著的相關關系(P<0.01, 雙尾檢驗), 其中, NEE和GPP與PPT呈現負相關, 與PPT的響應曲線分別為三次多項式和線性方程, 且GPP有更高的線性相關性(圖11)。土壤呼吸隨季節降水量的變化而一般呈正相關關系[35]。而本文Re與PPT的擬合結果也很好地印證了這結論。

3.5.4 SWC對NEE、Re、GPP的影響

地下5cm土壤含水量(SWC)和泥炭濕地生態系統碳通量各組分均有顯著的相關關系(P<0.01, 雙尾檢驗)。NEE和GPP與SWC呈負相關, 均表現為二次多項式關系(圖11), Re與SWC則為顯著的線性正相關。

4 討論

4.1 泥炭濕地與其他生態系統碳通量特征的比較

青海湖流域泥炭濕地地氣系統在2017年表現為“碳源”, NEE年總量為209.312 gC·m–2, 較藏北高寒灌叢[36]的66.75 gC·m–2高, 但較北美混合高草草原[37]的361.90 gC·m–2低?？赡苡捎诓煌聣|面和泥炭層厚度, 土壤有機碳含量不同, 使得植物的碳源潛力不同[38]。由于研究地位于緯度靠北、海拔較高的河源, 山區氣溫日較差較大, 泥炭濕地NEE最大吸收速率均出現在11: 30左右, 最高可達1.095 mgC·m–2·s–1晚于半干旱高寒草原生態系統(拉薩班戈)的9:00和高寒草甸生態系統(云南麗江)的11:00[39]。

4.2 水熱因子對NEE、Re、GPP的影響機制分析

泥炭濕地的形成和發展是一個復雜而漫長的過程, 是各種自然要素綜合作用的結果, 而水、熱季節變化及其協調程度是影響生態系統碳通量大小和季節變異的主要環境因子[40]。結果表明NEE和GPP 與部分環境要素(氣溫、土壤溫度、月平均降水量、土壤含水量)呈現相似的相關性, Re則與其相關性則呈現相反的趨勢, 這與海北高寒灌叢[41]和高寒濕地生態系統[22]的結論相似。NEE受溫度因子影響較大, 主要受控于Ta。這與青海湖北岸高寒草甸草原[31]研究結果一致。隨著氣溫的升高, 泥炭濕地生態系統NEE值降低, 可能由于氣溫的不斷升高, 導致光合作用和呼吸作用的效率同時提高, 但呼吸作用的效率提速要高于呼吸作用, 使得NEE減少, 泥炭濕地生態系統的固碳作用不斷增強[42]。Ta、Ts、PPT和SWC都對Re有顯著影響。由于土壤溫度的增加, 促進了植物的生長速率和土壤微生物活性, 使得生態系統總呼吸不斷增多。降水可以通過影響土壤中生物活動和根系生長所需要的水量、土壤含水量以及土壤溫度來影響土壤呼吸, 降水的發生使得土壤含水量的增加, 從而增加植物根系呼吸和增強土壤微生物的活性, 導致土壤呼吸釋放的碳通量也會迅速升高[34]。GPP主要受Ta、Ts和PPT的影響, 表明在溫度是主要驅動因素的生態系統中, 降水的季節分配對GPP的影響也較為明顯。

圖11 2017年瓦顏山泥炭濕地月平均降水量(PPT)對NEE、Re、GPP的影響

Figure 11 Effect of monthly average precipitation (PPT) on NEE, Re, GPP in Wayanshan peat wetland in 2017

圖12 2017年瓦顏山泥炭濕地5cm深處土壤含水量(SWC)對NEE、Re、GPP的影響

Figure 12 Effect of soil water content (SWC) on NEE, Re, GPP in Wayanshan peat wetland in 2017

5 結論

(1)青海湖流域泥炭濕地地氣系統在2017年表現為“碳源”, 全年合計排放209.312 gC·m–2, 其碳通量各組分在不同時間尺度上具有明顯的日變化和年變化特征。GPP年變化呈倒V型, Re年變化總趨勢為倒V型, 而日NEE年內變化則呈雙峰型。生態系統碳通量在生長季都處于交換活躍時段, 在非生長季處于平穩狀態。

(2)對泥炭濕地生態系統的環境控制因子進行相關分析, NEE和GPP與各水熱因子(氣溫、土壤溫度、月平均降水量、土壤含水量)呈負相關關系。其中, NEE受溫度因子影響較大, 主要受控于氣溫; GPP與各水熱因子都有較大的相關性, 溫度因子影響較顯著。Re則與各水熱因子呈顯著的正相關, 水、熱季節變化及其協調程度對Re有更大的影響。因此, 應該進一步探究水熱因子對的各自貢獻多少？以及研究水熱協調度對濕地生態系統碳通量有何種的影響機制。

[1] GORHAM E. The biogeochemistry of northern peatlands and its possible responses to global warming[C]// Woodwell G M, Mackenzie F T. Biotic Feedbacks in the Global Climate System: Will the Warming Feed the Warming? New York, Oxford University Press, 1995: 169–187.

[2] CIAIS P, REICHSTEIN M, NIOVY N, et al. Europe-wide reduction in primary productivity caused by the heat and drought in 2003[J]. Nature, 2005, 437(7058): 529–533.

[3] FALGE E, TENHUNEN J, BALDOCCHI D, et al. Phase and amplitude of ecosystem carbon release and uptake potentials as derived from FLUXNET measurements[J]. Agricultural and Forest Meteorology, 2002, 113(1): 75–95.

[4] Gilmanov T G, Soussana J F, Aires L, et al. Partitioning European grassland net ecosystem CO2exchange into gross primary productivity and ecosystem respiration using light response function analysis[J]. Agriculture, Ecosystems and Environment, 2006, 121(1): 93–120.

[5] 同小娟, 張勁松, 孟平. 基于渦度相關法的森林生態系統碳交換及其控制機制[J]. 溫帶林業研究, 2018, 1(2): 1– 9.

[6] 田容才, 文雙雅, 陽會兵. 基于渦度相關法的農田生態系統碳通量研究進展[J]. 激光生物學報, 2019, 28(5): 415–420.

[7] 王杰, 葉柏生, 張世強, 等. 祁連山疏勒河上游高寒草甸CO2通量變化特征[J]. 冰川凍土, 2011, 33(3): 646–653.

[8] 劉冉, 李彥, 王勤學, 等. 鹽生荒漠生態系統二氧化碳通量的年內、年際變異特征[J]. 中國沙漠, 2011, 31(1): 108– 114.

[9] 張麗華, 陳亞寧, 李衛紅, 等. 準噶爾盆地梭梭群落下土壤 CO2釋放規律及其影響因子的研究[J]. 中國沙漠, 2007, 27(2): 266–272.

[10] 李凌浩, 王其兵, 白永飛, 等. 錫林河流域羊草草原群落土壤呼吸及其影響因子的研究[J]. 植物生態學報, 2000, 24(6): 680–686.

[11] 王廣帥, 楊曉霞, 任飛, 等. 青藏高原高寒草甸非生長季溫室氣體排放特征及其年度貢獻[J]. 生態學雜志, 2013, 32(8): 1994–2001.

[12] 于貴瑞. 全球變化與陸地生態系統碳循環和碳蓄積[M]. 北京: 氣象出版社, 2003.

[13] 王雷, 劉輝志, Schaffrath D, 等. 內蒙古羊草和大針茅草原下墊面水汽、CO2通量輸送特征[J]. 高原氣象, 2010, 29(3): 605–613.

[14] 喬春連, 李婧梅, 王基恒, 等. 青藏高原高寒草甸生態系統CO2通量研究進展[J]. 草業科學, 2012, 29(2): 204– 210.

[15] 賀文君. 潮汐作用對黃河三角洲鹽沼濕地生態系統CO2和CH4交換的影響[D]. 煙臺: 中國科學院煙臺海岸帶研究所, 2018.

[16] 閆巍, 張憲洲, 石培禮, 等. 青藏高原高寒草甸生態系統CO2通量及其水分利用效率特征[J]. 自然資源學報, 2006, 21(5): 756–767.

[17] 王記明, 陳克龍, 曹生奎, 等. 青海湖高寒濕地生態系統夏季CO2通量日變化及其影響因子研究[J]. 生態與農村環境學報, 2014, 30(3): 317–323.

[18] EINOLAPPALAINE N. Global Peat Resources[M]. Finland: International Peat Society of Finland, 1996.

[19] 張海宏, 李林, 周秉榮, 肖宏斌. 青藏高原高寒濕地CO2通量特征及影響因子分析[J]. 冰川凍土, 2017, 39(1): 54–60.

[20] 朱志鹍, 馬耀明, 胡澤勇, 等. 青藏高原那曲高寒草甸生態系統CO2凈交換及其影響因子[J]. 高原氣象, 2015, 34(5): 1217–1223.

[21] SUN Shaobo, CHE Tao, LI Hongyi, et al. Water and carbon dioxide exchange of an alpine meadow ecosystem in the northeastern Tibetan Plateau is energy-limited[J]. Agricultural and Forest Meteorology, 2019, 283–295.

[22] 張法偉, 劉安花, 李英年, 等. 青藏高原高寒濕地生態系統CO2通量[J]. 生態學報, 2008, 28, (2): 453–462.

[23] 吳方濤, 曹生奎, 曹廣超, 等. 青海湖高寒藏嵩草濕草甸濕地生態系統CO2通量變化特征[J]. 生態與農村環境學報, 2018, 34(2): 124–131.

[24] 干珠扎布. 模擬氣候變化對高寒草地物候期、生產力和碳收支的影響[D]. 北京: 中國農業科學院, 2017.

[25] 張樂樂, 高黎明, 陳克龍. 青海湖流域瓦顏山濕地輻射平衡和地表反照率變化特征[J]. 冰川凍土, 2018, 40(6): 1216–1222.

[26] 王江濤, 周劍虹, 歐強, 等. 崇明東灘濱海圍墾濕地CO2通量貢獻區分析[J]. 生態與農村環境學報, 2014, 30(5): 588–594.

[27] 李春, 何洪林, 劉敏, 等. China FLUX CO2通量數據處理系統與應用[J]. 地球信息科學, 2008(5): 557–565.

[28] WEBB E K, PEARMAN G I, LEUNING R. Correction of Flux Measurements for Density Effects Due to Heat and Water Vapor Transfer[J]. Quarterly Journal of the Royal Meteorological Society, 1980, 106(447): 85–100.

[29] 朱先進, 于貴瑞, 王秋鳳, 等. 儀器的加熱效應校正對生態系統碳水通量估算的影響[J]. 生態學雜志, 2012, 31(2): 487–493.

[30] 吉喜斌, 趙文智, 康爾泗, 等. 儀器表面加熱效應對臨澤站開路渦動相關系統CO2通量的影響[J]. 高原氣象, 2013, 32(1): 65–77.

[31] 張法偉, 李英年, 曹廣民, 李鳳霞, 等. 青海湖北岸高寒草甸草原生態系統CO2通量特征及其驅動因子[J]. 植物生態學報, 2012, 36(3): 187–198.

[32] LLOYD J, TAYLOR J A. On the Temperature Dependence of Soil Respiration[J]. Functional Ecology, 1994, 8(3): 315–323.

[33] FALGE E, BALDOCCHI D, OLSON R, et al. Gap Filling Strategies for Defensible Annual Sums of Net Ecosystem Exchang[J]. Agricultural and Forest Meteorology, 2001, 107(1): 43–69.

[34] 岳廣陽, 趙林, 趙擁華, 等. 青藏高原草地生態系統碳通量研究進展[J]. 冰川凍土, 2010, 32(1): 166–174.

[35] 徐世曉, 趙亮, 李英年, 等. 降水對青藏高原高寒灌叢冷季CO2通量的影響[J]. 水土保持學報, 2007(3): 193– 195.

[36] ZHAO Liang, LI Yingnian, XU Shixiao, et al. Diurnal, seasonal and annual variation in net ecosystem CO2exchange of an alpine shrubland on Qinghai-Tibetan plateau[J]. Global Change Biology, 2006, 12(10), 1940– 1953.

[37] LAW B E, FALGE E, GU L, et al. Environmental controls over carbon dioxide and water vapor exchange of terrestrial vegetation[J]. Agricultural and Forest Meteorology, 2002, 113(1): 97–120.

[38] 蔡倩倩. 若爾蓋高寒嵩草草甸濕地土壤碳儲量研究[D]. 北京: 中國林業科學研究院, 2012.

[39] WANG Lei, LIU Huizhi, SHAO Yaping, et al. Water and CO2 fluxes over semiarid alpine steppe and humid alpine meadow ecosystems on the Tibetan Plateau[J]. Theoretical Applied Climatology, 2018, 131: 547–556.

[40] 柴曦, 李英年, 段呈, 等. 青藏高原高寒灌叢草甸和草原化草甸CO2通量動態及其限制因子[J]. 植物生態學報, 2018, 42(1): 6–19.

[41] 徐世曉, 趙亮, 趙新全, 等. 青藏高原高寒灌叢非生長季節CO2通量特征[J]. 西北植物學報, 2006, 26, (12): 2528– 2532.

[42] 吳灝, 葉柏生, 吳錦奎, 等. 疏勒河上游高寒草甸生態系統CO2通量觀測研究[J]. 草業學報, 2013, 22(4): 18–26.

Characteristics of CO2exchange on different time scales of peat wetland land-atmosphere system in Qinghai Lake basin

ZUO Dizhao1,2,3, CHEN Kelong2,3,*, LI Yingnian4, ZHANG Fawei4

1. College of Geographical Sciences, Qinghai Normal University, Xining 810008, China 2. MOE Key Laboratory of Tibet Plateau Land Surface Process and Ecological Conservation, Xining 810008, China 3. Qinghai Province Key Laboratory of Physical Geography and Environmental Process, Xining 810008, China 4. Northwest Institute of Plateau Biology, Chinese Academy of Sciences, Xining 810008, China

In order to quantitatively analyze the carbon exchange change characteristics and impact mechanism of the land-atmosphere system of peat wetland on the Qinghai Lake basin at different time scales in 2017, this paper used eddy covariance technique to measure its carbon flux on different time scales. The results showed that: 1) The land-atmosphere system of peat wetland in Qinghai Lake Basin behaved as a "carbon source" in 2017, with a total annual emission of 209.312 gC·m-2.2) The annual variation of gross primary productivity (GPP) and ecosystem respiration (Re)of the system were both inverted V type, while the annual variation of net ecosystem exchange(NEE) was bimodal pattern. 3) NEE and GPP had a negative correlation with various environmental factors (air temperature, soil temperature, monthly average precipitation, and soil water content), but Re had a significant positive correlation with them (<0.01). 4) NEE was greatly affected by temperature factors and was mainly controlled by air temperature. 5) Both GPP and Re had greater correlations with various hydrothermal factors, but GPP was significantly affected by temperature factors, while the seasonal changes in water and heat and their coordination degree had a greater impact on Re.

peat wetland;eddy covariance;CO2fluxes;Qinghai-Tibetan Plateau

10.14108/j.cnki.1008-8873.2022.02.021

S157.2

A

1008-8873(2022)02-174-10

2020-03-14;

2020-04-22

國家重點研發計劃項目(2017YFC0403601); 國家自然科學基金項目(41661023); 青海省科技廳項目(2017-ZJ-782; 2018-ZJ-T09)

左弟召(1996—), 男, 四川資陽人, 碩士研究生, 從事生物地理與自然保護研究, E-mail: 17808324634@163.com

通信作者:陳克龍(1965—),男, 安徽蕪湖人, 教授, 博士生導師, 主要從事生物地理與濕地生態研究, E-mail: ckl7813@163.com

左弟召, 陳克龍, 李英年, 等. 青海湖流域泥炭濕地地氣系統不同時間尺度上CO2交換特征[J]. 生態科學, 2022, 41(2): 174–183.

ZUO Dizhao, CHEN Kelong, LI Yingnian, et al. Characteristics of CO2exchange on different time scales of peat wetland land- atmosphere system in Qinghai Lake basin[J]. Ecological Science, 2022, 41(2): 174–183.