华北平原农田CO2浓度变化特征

俄有浩,霍治国,*,赵花荣,2,马玉平

1 中国气象科学研究院, 北京 100081 2 中国气象局固城生态与农业气象试验站, 保定 072650

农田CO2浓度是影响农田生态系统碳循环和碳交换的主要决定因素。农田CO2浓度不仅决定农作物光合生产力[1],对作物呼吸等生理过程和土壤呼吸等碳排放过程也有重要影响作用[2-5]。由于农田更接近村庄和城市,农田CO2浓度更大程度地受到人为活动和气候变化等因素共同影响。因此,研究农田CO2浓度动态变化有助于更好地了解和研究气候变化影响农作物生产以及农田生态系统碳循环和碳交换机理和过程。虽然,我国气象部门从20世纪90年代已加入世界气象组织全球大气观测计划,并有瓦里关等4个大气本底站进入网络化观测序列,持续开展了大气CO2等温室气体浓度观测[6-8]。有学者也开展了城市、湿地、沙漠、高寒草地等不同下垫面条件的碳循环、碳交换和CO2浓度及通量等大量研究[9-31]。然而,由于大气本底站都布设在草地或森林生态系统中,其大气CO2浓度变化受人为活动等影响可能较小,直接利用大气本底站CO2浓度观测数据研究农田生态系统CO2浓度变化对农作物的影响可能存在一定差异。而对处在人口和工业密集区域且生态系统极其复杂的农田CO2浓度长期以来缺乏动态监测和变化研究。未来全球气候变暖情势下,农田CO2浓度在年际、年内和昼夜的增量分布模式不清楚。

为了解农田CO2浓度长期动态变化特征、趋势、浓度增量分布模式等,本文以中国气象局固城生态与农业气象试验站多年大气CO2浓度测定数据为依据,分析农田CO2浓度的年际、年内、昼夜等动态变化特征,明确大气CO2浓度增量在昼和夜、作物生长季和非生长季的分布模式,并比较农田CO2浓度与大气本底和城市CO2浓度变化特征及差异,为精确评估CO2浓度升高影响作物生长发育研究和产量评估提供科学依据。

1 数据来源及数据处理

1.1 数据来源及区域代表性

数据采集于中国气象局固城生态与农业气象试验站的涡动观测系统(Gill超声风速仪和Li-7500 CO2/H2O分析仪)。固城生态与农业气象试验站位于河北省保定市定兴县固城镇(39.15°N,115.74°E,海拔24.0 m),距北京市中心直线距离100 km,是典型的华北平原冬小麦与夏玉米连作高产区。下垫面主要以冬小麦(10月至来年6月)、夏玉米(6—10月)等农田和少量行道树及经济林为主,距离试验站周围1—2 km有村庄分布。根据2016年卫星监测中国陆地区域大气CO2年均浓度分布状况[6],固城站基本能够代表华北北部(除京津)农田大气CO2浓度空间分布。

1.2 数据与处理

固城站涡动观测系统平台高度4.0 m。涡动系统输出数据包括CO2浓度(mg/m3)、CO2通量(mg m-2s-1)、水汽浓度(g/m3)、风速(m/s)、风向、温度、湿度、大气压力梯度等。系统观测采样频率为10 Hz。数据采集器为CR5000(Campbell)。系统输出30 min平均浓度和通量数据,时间序列为2007年1月1日—2018年12月31日。同时,从世界温室气体数据中心(WDCGG)网站下载了青海瓦里关大气本底站1994—2016年CO2浓度日值数据。

利用固城站30 min平均CO2浓度和通量数据,参照相关文献中涡动系统通量数据的质量控制处理方法[32-35],通过气候极值阈值判断、野点剔除、随机脉动剔除等步骤进行了数据质量控制。其中,CO2浓度气候极值阈值1000 mg/m3,野点剔除采用方差检验法,相邻点之差大于5倍序列标准差视为野点。

通过数据控制处理,剔除无效数据和缺测数据,2007—2018年30 min平均CO2浓度的有效数据百分率在38.1%—95.4%之间(表1)。2008、2014、2016年缺测和无效数据较多。

表1 数据处理后30分钟平均CO2浓度和通量的有效数据百分率

系统输出CO2浓度数据单位为质量体积浓度(mg/m3),为了将质量体积浓度换算为摩尔浓度(μmol/mol),根据系统内置换算公式,将质量密度数据换算成摩尔浓度数据。公式为：Cf=Cm×R×(Tg+273.15)/44×Pg,式中,Cf为摩尔浓度,Cm为质量体积浓度,R为摩尔气体常数8.314,Tg为探测器温度,Pg为气压。单位换算后,将30 min数据统计为1小时、昼、夜和1日数据,进行结果分析。由于每个数据是前30 min内取样数据的平均值,为确定昼间数据开始和结束时间点,规定日出时刻延后30 min为昼间开始数据,日落时刻为昼间结束数据,并对昼间开始和结束时刻作整点和半点调整。定兴县最早日出时间4：50,最迟日出时间7：36,年平均日出时间6：13。最迟日落时间19：47,最早日落时间16：54,年平均日落时间18∶21。根据确定的规则,定兴县昼间数据开始时间为6：30,结束时间18：30。

2 结果分析

2.1 农田CO2浓度逐日年际变化

统计2007—2018年逐日平均CO2浓度表明,固城站农田CO2多年平均浓度为377.8 μmol/mol,但年内和年际波动较大。日最小浓度为312.0 μmol/mol,日最大浓度477.8 μmol/mol,数据序列标准差为33.7 μmol/mol,振幅达到150 μmol/mol(图1)。2007—2018年农田CO2浓度呈现显著性升高趋势(r=0.263,P<0.01),从2007年平均361增加到2018年平均392 μmol/mol,平均年增幅2.58 μmol/mol。该增幅与全球和瓦里关本底站大气CO2浓度增幅(2.08 μmol/mol和2.06 μmol/mol)接近。

图1 固城站2007—2018年CO2逐日平均浓度年际变化

2.2 农田CO2浓度年内动态

统计2007—2018年逐时多年平均CO2浓度表明,固城站CO2逐时平均浓度在年内呈现多峰多谷动态特征(图2)。1—4月逐时平均CO2浓度逐渐下降,5月1日前后达到最低值,此期间数据标准差为33.5 μmol/mol。5—7月逐时平均浓度逐渐升高,在7月1日前后,日最低和日最高CO2浓度达到次高峰,该期间数据标准差为37.6 μmol/mol。7月上旬至10月中旬期间,CO2日最低浓度最小值出现在8月中旬,而日最高浓度最大值也在此时间达到最高峰,该期间CO2平均浓度标准差为45.2 μmol/mol。10月中旬至12月底,逐时平均浓度逐渐下降,达到1月浓度状态。全年逐时平均浓度标准差为33.5 μmol/mol。

图2 固城站CO2逐时多年平均浓度年内动态

2.3 日变化动态

统计2007—2018年逐时平均CO2浓度,得到平均CO2浓度日变化动态(图3)。平均而言,白天CO2浓度较低,平均为360 μmol/mol,其中,15—16时CO2浓度最低,为346 μmol/mol(标准差SD为20 μmol/mol)。夜间CO2浓度较高,平均为394 μmol/mol(标准差SD为37 μmol/mol)。午间比日出前CO2浓度低12%。全天24 h平均CO2浓度呈“U”型分布,标准差SD在20—37 μmol/mol之间,相同时间点在不同季节CO2浓度振幅达到101—163 μmol/mol。

图3 固城站2007—2018年CO2逐时平均浓度日变化动态

图4为1—12月CO2平均浓度逐时变化动态,表明不同月份之间CO2浓度差异较大。夜间CO2浓度8月最高,2月最低(2月<3月<4月<1月<12月<5月<11月<6月<10月<7月<9月<8月),最大相差近100 μmol/mol；白天CO2浓度10月最高,4月最低(4月<5月< 3月<2月<1月<8月<7月<6月<12月<9月<11月<10月),最大相差60 μmol/mol。

农田大气CO2浓度变化是作物光合和呼吸、土壤呼吸、人为活动碳排放和天气状况变化等多因素共同影响的结果。白天CO2浓度主要受作物光合同化、土壤呼吸和人为活动碳排放影响。4月冬小麦处于拔节至孕穗生长较旺盛期,光合同化消耗较多的CO2,但地温相对较低,土壤呼吸碳排放量相对较少,CO2吸收较多排放较少,导致白天CO2浓度最低。5月和8月分别是冬小麦和夏玉米生长最旺盛期,光合同化消耗CO2最多,但此期间土壤呼吸碳排放量比4月更多,因此,平衡的结果是5月和8月昼间CO2浓度比4月的高。10月夏玉米收割冬小麦初种,光合作用相对较低,土壤温度较高导致土壤碳排放较多,所以10月农田CO2浓度最高。冬季的11月—1月虽然光合同化和土壤呼吸都较小,但采暖等人为活动可能增加了农田大气CO2浓度。夜间主要受作物和土壤呼吸及人为活动碳排放影响。2月地温和气温较低,夜间作物和土壤呼吸作用较弱,采暖等人为碳排放活动较冬季减轻,所以2月夜间CO2浓度最低。8月是夏玉米生长旺盛期,夜间呼吸作用较强,更重要的是8月夜间高温高湿增大了土壤碳排放[4,11],导致夜间农田CO2浓度最高。另外,对比昼夜CO2浓度变化看出,8月和5月CO2浓度从清晨到午间波动最大,分别从最高440、392 μmol/mol下降到最低的344、325 μmol/mol,降幅分别达到22%和17%,表明在夏玉米和冬小麦生长旺盛期,白天强烈的光合作用对CO2需求旺盛,明显降低了田间CO2浓度。

2.4 昼夜变化特征

图5为2007—2018年逐日昼、夜CO2平均浓度年内动态。昼间CO2浓度呈现多峰多谷动态,其中,5月上旬最低,为320 μmol/mol,10月中旬最高,超过380 μmol/mol。夜间CO2浓度在8—10月下旬最高,平均440 μmol/mol,2月最低,约350 μmol/mol左右。多年夜间平均CO2浓度为395.8 μmol/mol,白天平均359.6 μmol/mol,夜间CO2浓度明显高于白天,平均昼夜差36.2 μmol/mol(10.1%),尤其在8月,夜间平均CO2浓度比白天高74.4 μmol/mol(20.6%)。

图5 固城站2007—2018年CO2昼夜平均浓度年内动态

2.5 CO2通量变化特征

2007—2018年多年逐时CO2通量年内动态表明(图6),从11月至3月中旬,CO2通量基本维持在0.1 mg m-2s-1之间。3月底开始,随着冬小麦快速生长,CO2吸收通量显著增加,至5月上旬到达最大值1.0 mg m-2s-1,之后开始减小,到6月底CO2吸收接近零。7月上旬开始,夏玉米开始播种生长,CO2吸收通量又显著快速增加,至8月达到最大值1.5 mg m-2s-1,之后开始减小,到10月中旬CO2吸收接近0.1 mg m-2s-1。全年的CO2吸收通量变化特征与华北平原冬小麦和夏玉米生长过程和农事活动完全吻合。与CO2吸收通量的显著变化不同,CO2释放通量的变化幅度很小,从4月的0.2 mg m-2s-1左右增加到8月最高0.67 mg m-2s-1,再到10月底的0.2 mg m-2s-1左右。作物整个生长期CO2释放通量仅有吸收通量的20%—30%。

图6 固城站多年逐时平均CO2通量年内动态

2.6 农田与大气本底站CO2浓度变化比较

比较固城站农田和瓦里关大气本底站CO2日平均浓度表明,农田CO2浓度与瓦里关大气CO2浓度年内动态有较大差异(图7)。大气本底站CO2浓度具有更小的波动性,而农田CO2浓度年内波动巨大,标准差达到23.4 μmol/mol,是大气本底站CO2浓度标准差的近7倍,而且,1—5月农田CO2浓度显著低于大气本底浓度。另外,农田CO2浓度与城市[32]和江河口湿地[26]CO2浓度的“U型”变化特征也不尽相同,表明其动态变化的形成机制有差异。

图7 固城站和瓦里关CO2日平均浓度年内动态比较

3 结论与讨论

3.1 结论

(1)2007—2018年固城站多年平均CO2浓度377.8 μmol/mol,最低平均浓度312.0 μmol/mol,最高平均浓度477.8 μmol/mol,标准差33.7 μmol/mol,振幅达到150 μmol/mol。12年农田CO2年平均浓度显著性升高了31.0 μmol/mol(r=0.263,P<0.01),平均每年升高2.58 μmol/mol,与全球和瓦里关大气本底站CO2浓度年均增幅接近。

(2)农田CO2浓度日变化和季节变化波动巨大,昼间14—15时CO2浓度最低,夜间22时至次日6时CO2浓度最高。昼间CO2平均浓度比夜间CO2平均浓度低36.2 μmol/mol(10.1%),尤其8月份,昼夜CO2浓度平均相差74.4 μmol/mol(20.6%)。白天CO2浓度波动曲线中5月和8月的两个谷值很好地对应了4—5月华北平原北部冬小麦开花灌浆期和8—9月夏玉米抽雄开花至灌浆期作物生长旺盛期光合作用对农田CO2浓度的影响过程,7月1日前后昼间CO2浓度高值也正好对应了冬小麦收割后夏玉米幼苗期的土壤裸露期,表明4—9月昼间CO2浓度和通量动态变化很好地反映了华北平原冬小麦和夏玉米生长过程、农事活动和农田碳交换的关系。

(3)与大气本底站相比,农田CO2浓度年内变化具有更大的波动性,标准差达到23.4 μmol/mol,是大气本底站CO2浓度标准差的近7倍。农田CO2浓度与城市和江河口湿地CO2浓度的“U型”变化特征也不尽相同,表明其各自动态变化的形成机制有差异。

3.2 讨论

(1)农田CO2浓度变化与农事活动和碳交换之间关系

华北平原主要农业种植模式为冬小麦与夏玉米两熟连作,其中,4月下旬至5月中旬和7月下旬至8月分别是冬小麦和夏玉米生长旺盛期。从图5看出,固城站昼间CO2浓度年内动态特征与冬小麦返青-拔节-孕穗-抽穗开花-灌浆-成熟收割和夏玉米播种-拔节-孕穗-抽雄吐丝-开花-灌浆-成熟等生长发育进程高度吻合。同时,农田CO2吸收通量(图6)的两个峰值也与冬小麦和夏玉米生长及干物质积累过程完全一致,表明白天农田CO2浓度动态变化与作物光合作用、农事活动和碳吸收等密切相关,作物生长发育进程影响农田CO2浓度变化,反过来,农田CO2浓度高低也一定程度上影响作物的光合同化速率。夜间CO2浓度从4月到9月持续升高,是该时期高温高湿和秸秆还田条件下土壤有机碳释放的结果[36-39]。

(2)利用农田CO2浓度变化特征提高作物产量的农业生产技术和管理措施

农作物光合同化吸收CO2,降低田间CO2浓度,导致农田CO2浓度午间比日出前下降约10%—20%。当前大气CO2浓度大大超过作物补偿点而远离饱和点CO2浓度,因此,适当增加田间CO2浓度能够有效提高作物产量,尤其对提高设施农业作物产量有很大作用[40]。在生产上,一般作物生长旺盛期的昼间通过增施有机肥和人工增施CO2的方式弥补田间CO2浓度亏缺,提高作物产量。

在当前全球变暖为主流研究背景下,一方面需要关注提高CO2浓度与作物产量的关系,提出不同时段采用相应的农业生产技术和管理措施。另一方面,更需要关注农田CO2浓度变化的昼夜、生长季与非生长季的增量及其模式,为全球变暖和大气CO2浓度升高影响农作物生长和产量评估提供科学依据。