农业干旱对华北平原农业生态系统碳通量的影响

2023-09-22辜玉慧马孝义

中国农村水利水电 2023年9期

王楠，辜玉慧，马孝义

（1. 西北农林科技大学水利与建筑工程学院，陕西杨凌 712100；2. 西北农林科技大学旱区农业水土工程教育部重点实验室，陕西杨凌 712100）

0 引言

农业生产对全球碳排放的贡献率约为19%～29%，在陆地碳循环中发挥着重要作用［1］。特别是中国，因为中国的耕地面积仅次于森林和草地［2］。然而全球变暖导致了干旱的扩张，对陆地生态系统碳循环有强烈的限制作用［3］，净生态系统碳交换量（NEE）是表明一个生态系统是碳汇还是碳源的指标，而研究表明干旱导致生态系统碳汇强度大幅下降［4，5］。因此，分析和理解干旱事件对农田NEE的影响对了解区域碳循环和生态系统行为至关重要。

干旱是全球生态系统碳汇年际变化的主要原因，由于干旱会引起植物水分胁迫导致光合速率和叶面积降低［6，7］，因此会降低生产力和碳通量。KWON等［8］表明草地生态系统表现为碳源还是碳汇取决于不同的降水年型。2003 年欧洲的严重干旱使生态系统总生产力下降30%，严重影响碳固存［9］，其中干旱使法国草原碳汇减少了6%，匈牙利草原从碳汇转变为碳源［10，11］。2007 年美国夏季干旱显著降低了大豆生态呼吸［12］。中国华北平原在2007 年和2009 年也遭受了严重的干旱，导致玉米碳吸收迅速减小［13］。CIAIS 等［9］认为干旱可能会改变大陆碳平衡，但农田生态系统相较于其他生态系统受人类活动的影响更大［14］。灌溉、排水、施肥等田间管理措施都会影响作物碳吸收［15，16］，这使得农业生态系统在全球碳循环中处于更活跃的位置。到目前为止，对农田的研究主要集中在不同作物碳通量的季节和年际变化［17，18］，其中一些研究揭示了管理实践对农田碳通量的重要性［19-21］。然而农田生态系统NEE对干旱的响应并没有得到足够的关注和充分的理解。

华北平原是中国主要的粮食生产基地，但经常受到干旱的影响［22］。鉴于此，本文针对该地区评估了2001-2020 年农业干旱的时空特征；农业干旱对农田生态系统NEE的季节性影响；不同农业干旱强度下NEE的空间分布。

1 材料与方法

1.1 研究区概况

华北平原位于中国东部，占地面积约30 万km2，包括北京、天津、河北、山东、河南、江苏和安徽部分地区［图1（a）］，属温带季风气候，四季变化明显，年平均降水量由南向北下降。年平均温度8～15 ℃，年平均降水量在500～1 000 mm。研究区冬小麦一般于9月下旬-10月上旬播种，第二年5月下旬-6月上旬收获，夏玉米一般于6月中下旬播种，9月下旬-10月上旬收获，其中冬小麦和夏玉米的播种时间在上一季作物收获后的2～3 周内，所以冬小麦和夏玉米收获和播种的月份会出现重复（即6月和10月），本文统一冬小麦的生长周期为11月至第二年5月，夏玉米为7月至9月。

图1 研究区域、气象站点和通量塔站点分布、冬小麦格网和夏玉米格网分布Fig.1 Study area， distribution of meteorological station and flux station， winter wheat grid and summer maize grid

1.2 数据来源

1.2.1 地面观测数据及预处理

从中国气象网（http：//data.cma.cn/）获取了56 个站点［图1（b）］从2000-01-01至2020-12-31的逐日最高气温、最低气温、空气相对湿度、风速和日照时数，用于计算逐日太阳总辐射（SOL）［23］，并利用克里金进行空间插值。从国家生态数据中心（http：//www.nesdc.org.cn）分别获取了禹城（116°34′E，36°49′N）和栾城（114°41′E，37°53′N）通量站点［图1（b）］逐日NEE 数据用于后续模型的优化和校正，其中禹城通量站点的数据范围为2003-2010 年，栾城通量站点的数据范围为2007-2013 年。2001-2020年市级的冬小麦和夏玉米单位产量数据来源于中国统计局年鉴资料（http：//www.stats.gov.cn/）。

1.2.2 遥感数据及预处理

本文的遥感数据均从google earth engine 上获得，其中2000-2020 年的遥感反射率数据来源于MOD09A1，空间分辨率为500 m，时间分辨率为8 天，本文所用的植被指数见式（1）～（3），并利用S-G滤波［24］对植被指数进行去噪平滑［式（4）］。

式中：Y是平滑前的植被指数；Y*是平滑后的植被指数；Ci是平滑窗口内第i个植被指数值的滤波系数；N是卷积的数目，等于滑动数组的长度（2m+1），m是滑动窗口的宽度一半，由Madden［25］提出的公式计算得到。NIR、RED、BLUE和SWIR分别为近红外、红光、蓝光和短波红外反射率，NDVI为归一化植被指数，EVI为增强型植被指数、LSWI为地表水分指数。

实际蒸散发和潜在蒸散发数据来源于MOD16A2.006 和MOD16A2 V105 数据集。本文利用NDVI 阈值法［26］在google earth engine平台提取了冬小麦和夏玉米2000-2020年的种植分布。为了减少计算量，采用ArcGIS对研究区主要的种植区域进行网格划分（图1c和d），其中网格的空间分辨率为0.25°×0.25°，假设在格网内作物有均一的气候条件和种植模式，每个格网的遥感和气象数据为格网内所有冬小麦/夏玉米像元的均值。

1.3 研究方法

1.3.1 农业干旱指标

本文采用MU 等［27］提出的干旱严重程度指数（DSI）作为评价农业干旱的指标，该指数考虑了作物的蒸散发和自身的生长状况［式（5）～（7）］。本文计算的DSI的时间分辨率为一个月，空间分辨率为0.25°。

式中：RT为ET与PET的比值，可以反映土壤的干湿状况；ET为实际蒸散发，PET为潜在蒸散发；分别为冬小麦/夏玉米生育期间RT和NDVI长期的月均值；σRT和σNDVI分别为冬小麦/夏玉米生育期间RT和NDVI长期的月标准差；和σZ分别为Z的均值和标准差。DSI对应的农业干旱强度分类标准见表1。

表1 DSI和SRSNEE的分类标准Tab.1 DSI and SRSNEE categories

1.3.2 碳通量计算

植被光合呼吸模型（Vegetation Photosynthesis and Respiration Model， VPRM）［28］是在VPM 模型的基础上发展起来的［式（8）～（10）］，该模型支持连续长时间序列的CO2通量模拟，且已被证实可以较好的估算农田生态系统的碳通量［29］，PATHMATHEVAN［28］认为VPRM 模型计算月尺度NEE的结果是可接受的，因此，本文计算NEE的时间步长取一个月，其中NEE为负值时代表碳汇，NEE为正值时代表碳源。NEE越小代表碳汇能力越强，NEE越大代表向大气释放碳的能力越强。

式中：GPP为总初级生产力；Reco为生态系统呼吸量；Tscale，Pscale和Wscale分别为温度、物候、水分对植被光合作用的胁迫；PAR为光合有效辐射，近似于SOL×0.5；T为空气温度；λ，PAR0，α和β为模型参数，本文利用禹城站2003-2008 年和栾城站2007-2011年的实测NEE对VPRM 的参数进行优化率定，并利用禹城站2009-2010 年和栾城站2012-2013 年的实测NEE对模型进行验证（图2），结果表明模拟精度较高，可用于后续分析。

图2 VPRM模型冬小麦和夏玉米参数优化验证Fig.2 VPRM model parameter optimization verification of winter wheat and summer maize

1.3.3 空间分析

地理探测器可以通过空间异质性来探测因变量和自变量之间空间分布格局的一致性，据此度量自变量对因变量的解释力［30］，其中解释力用q表示［式（11）］。

式中：h为自变量X的分区；Nh和N分别为层h和全区的单元数；和σ2分别是层h和全区因变量Y值的方差，SSW和SST分别为层内方差之和和全区总方差。q的取值范围是0～1，q值越大，表示自变量对因变量的解释力越强。

1.3.4 去趋势分析

模拟得到的NEE主要由趋势值、气候值和随机值组成，趋势值反映了生产力的发展对农作生长的影响，包括品种的更新，管理技术的优化，水肥的高效利用等。本文利用二次函数去除趋势值，然后使用去趋势的残差序列进行分析，为比较不同均值和标准差之间的NEE变异性，采用Z-score 变化对非趋势时间序列的NEE进行标准化［式（12）］。

式中：yNEE、μNEE和σNEE分别为NEE的残差、残差的均值和残差的标准差：SRSNEE为NEE的标准化残差序列，本文用来表示碳汇损失的大小，其分类标准见表1。

2 结果

2.1 农业干旱的时空分布

冬小麦生长早期（11月），华北平原南部主要以轻度干旱为主，北部主要发生初级干旱，随着冬小麦发育，农业干旱逐渐向北转移（图3）。返青期-拔节期南部冬小麦极少发生农业干旱，北部的农业干旱也在减弱。随着冬小麦进入抽穗期，南部变得湿润，北部趋于正常，随后灌浆期北部开始变得湿润，南部基本不发生农业干旱现象。夏玉米生育期间，华北平原进入雨季，充足的雨水供应使得土壤湿润，其中8 月整个华北平原最为湿润，进入9 月，河南和安徽趋于正常，其余地方依然保持轻度湿润。

图3 2000-2020年冬小麦和夏玉米生育期间农业干旱平均分布Fig.3 Average agricultural drought distribution from 2000 to 2020 during winter wheat and summer maize growth period

2.2 农业干旱对碳通量的季节性影响

2.2.1 农业干旱对碳通量的解释强度

如果只考虑将一个月的DSI作为自变量，发现当前月份的DSI对本月的NEE解释力最大，对以后月份NEE的解释力在递减［图4（a）］。然而，当前月份的DSI对本月NEE的q值在冬小麦越冬期略有减小，其中在1 月达到最小值（q=0.183），进入返青期（2月）突然增大，并在拔节期（3月）进一步增大达到最大值（q=0.681），随后在抽穗期和灌浆期又略微下降，但下降趋势并不明显。如果将当前月份（包括当前月份）之前的所有DSI作为自变量，发现DSI对冬小麦NEE解释力大于单变量的q值［图4（b）］，且随冬小麦发育在增强，在2 月和3 月的增强幅度较大，并在5月达到最大值（q=0.981）。

图4 冬小麦单变量DSI对NEE的解释和多变量DSI对NEE的解释力Fig.4 Explanatory power of univariate DSI for NEE and multivariate DSI for NEE

夏玉米一个月的DSI对NEE的解释力趋势与冬小麦类似（表2），均在当前月份最大，对以后月份的解释力在减弱。其中8月DSI对夏玉米NEE的解释力最大。另外，单变量DSI对NEE的解释力为夏玉米大于冬小麦，说明夏玉米NEE对农业干旱的敏感性要大于冬小麦NEE。

表2 夏玉米单变量DSI对NEE的解释力，多变量DSI对NEE的解释力Tab.2 Explanatory power of univariate DSI for NEE and multivariate DSI for NEE in summer maize

2.2.2 农业干旱对碳通量的影响强度

本文分省统计了冬小麦/夏玉米2000-2020年月DSI均值对NEE的影响（图5）。结果表明五省的DSI整体上在冬小麦苗期和越冬期间有略微的减小，返青之后迅速上升，在灌浆期又下降，而夏玉米生育期间整体上较为湿润。冬小麦生育期间，当前月份的NEE随着DSI的减小而减弱，且在冬小麦生育旺期（返青期-灌浆期）的减少幅度大于冬小麦的苗期和越冬期。随着冬小麦发育，需要更多的水分才能保持NEE的增加或者维持正常水平（除了5 月），虽然整体上5 月DSI相比4 月有所减少，但轻度湿润依然使冬小麦NEE保持正常水平甚至增加。相比冬小麦，夏玉米对水分需求更大，在7月发生非常湿润甚至极端湿润事件才能保持NEE的正常或者增加，在8 月发生极端湿润才能维持NEE的正常，而在9 月只需轻度湿润即可使NEE有所增加。

图5 五省2000-2020冬小麦和夏玉米生育期间DSI对碳通量的影响Fig.5 Effects of DSI on carbon fluxes during winter wheat and summer maize growth in five provinces from 2000 to 2020

冬小麦SRSNEE最小值在五省均分布在返青之后，且此时的DSI均大于-0.3，SRSNEE最大值的分布的月份不集中。但值得注意的是，如果分布在返青期之前，那么此时的DSI比分布在返青期之后的DSI小。而对于夏玉米而言，虽然8 月最湿润，但是SRSNEE最小值出现在7 月，且此时的DSI均大于1.2，SRSNEE最大值分布在7-9 月，但是分布在8 月对应的DSI大于分布在7 月和9月的对应的DSI。

2.3 碳汇/源的空间分布

农田生态系统与其他生态系统最大的不同是农田生态系统会产生籽粒并最终转换成CO2，籽粒中的碳含量Cgr可以通过产量Y估算［18］为：

式中：Wgr为籽粒水分含量（小麦为0.140，玉米为0.155）；fc为籽粒含碳率（小麦为0.450，玉米为0.447）；NEE+被定义为NEE与Cgr的和。

如果不考虑籽粒中的碳含量，轻度湿润使华北平原麦田整体上呈强碳汇［图6（a）］，而随着农业干旱强度的增加［正常和初级干旱，图6（b）和（c）］，其北部和西部的麦田率先降为弱碳汇，而随着农业干旱强度的进一步增加［轻度干旱，图6（d）］，整个华北平原麦田都变为弱碳汇。如果考虑籽粒中的碳含量，在轻度湿润条件下麦田整体上依然维持不错的碳汇能力［图6（e）］，随着农业干旱强度的增加［正常和初级干旱条件，图6（f）和（g）］，其北部、东部和西部的麦田变为弱碳源，南部则变为弱碳汇，而更强的农业干旱［轻度干旱，图6（h）］使得华北平原麦田均变为碳源。

图6 2000-2020年不同农业干旱强度麦田平均碳汇/碳源分布，不考虑籽粒碳含量［（a）～（d）］，考虑籽粒碳含量［（e）～（h）］Fig.6 Average distribution of carbon sinks/sources in wheat fields with different agricultural drought intensities from 2000 to 2020，without considering grain carbon content［（a）～（d）］， with considering grain carbon content［（e）～（h）］

不考虑籽粒碳含量的情况下，随着湿润强度降低，华北平原玉米田逐渐从强碳汇转变为弱碳汇［图7（a）～（f）］。如果考虑籽粒的碳含量，极端湿润、非常湿润和中度湿润情况下，玉米田表现为弱碳汇和弱碳源相互交替，而随着湿润强度的进一步降低，玉米田转变为碳源［图7（g）～（l）］。

图7 2000-2020年不同农业干旱强度玉米田平均碳汇/碳源分布，不考虑籽粒碳含量［（a）～（f）］，考虑籽粒碳含量［（g）～（l）］Fig.7 Average distribution of carbon sink/carbon source in maize fields with different agricultural drought intensities from 2000 to 2020，without considering grain carbon content［（a）～（f）］， with considering grain carbon content［（g）～（l）］

3 讨论

冬小麦在越冬期由于低温、低辐射等影响，作物生长基本停滞，碳通量的波动较小［31］，虽然此时农业干旱在空间上分布较为明显，但是其对碳通量解释力较低。返青期之后冬小麦生长迅速，需水量逐渐加大，但由于降水的时空分布不均使得农业干旱的空间变异性加大。LIU等［16］指出如果此时冬小麦没有得到及时的水分供给将会显著影响其生长发育，这是因为这一时期的光热条件都最好，其光合和呼吸都达到峰值，尽管水分对光和作用的影响是间接的，但水分亏缺会影响叶片水势，进而增加CO2气孔传导阻力和降低光合暗反应酶的活性，使作物固碳效率明显下降［32，33］。前文已经提到碳通量对农业干旱的敏感性在返青期-拔节期最大，而且这一时期农业干旱对碳通量的影响能够延续到下一月，所以轻微的土壤水分亏缺都会对冬小麦这一时期的碳通量造成显著影响，因此，此阶段的农业干旱对NEE的解释力达到最大，类似的结果也显示出对NEE的影响更大的是降水时间而不是降水量［11，13，18］。

8月是夏玉米碳吸收的顶峰，也是对水分需求最大的月份，所以此时的农业干旱会严重影响夏玉米的光合作用和呼吸作用。另外，MANNS 和BERG［34］指出水分亏缺和过量胁迫都会影响生态系统的固碳能力，这与本文夏玉米碳通量的结果有所不同，7 月和8 月只有发生非常湿润或极端湿润才能使碳通量维持正常水平甚至增加，这主要是因为7 月和8 月是玉米茎粗增长最快和耗水最大的时期，虽然此时降水量较大，但夏季高温加快了土壤水分消耗。

普遍认为农田生态系统是强大的碳汇，但如果考虑籽粒中的碳含量，许多研究表明麦田变为弱碳汇，而玉米田则转变为弱碳源［18，35，36］。这与本文的结果不太一样。这主要是由于前人的研究是在点尺度进行的，为了保证作物的正常生长，没有使其发生水分胁迫。而本文的研究结果表明即使不考虑籽粒的碳含量，麦田和玉米田也会随着农业干旱强度的增加逐步变为弱碳汇，如果考虑籽粒中的碳含量，麦田和玉米田随着农业干旱强度的增加最终都会转变为碳源。值得注意的是，不管是NEE还是NEE+，在冬小麦生育期间，灌溉面积较大的地区的碳汇能力比其余地区强［37］，而夏玉米生育期间并没有类似的规律，有可能是因为降水主要发生在夏玉米生育期间，灌溉需求减少。但夏玉米NEE对农业干旱的敏感性相比冬小麦更高，因为C4植物比C3植物有更高的光利用效率，对土壤水分更敏感，所以如果发生水分胁迫，夏玉米会损失更多的碳［13，18，38］。因此，虽然夏玉米生长在雨季，但依然要注意预防由于高温引起的水分胁迫，尤其是在生长中期。