黄土高原半干旱区2020年生长季草地土壤呼吸特征及其影响因素

图1 8个气室内的植被分布状况（2020年8月27日拍摄）

Fig.1 Vegetation distributions in eight air chambers （taken on August 27, 2020）

3 资料与方法

观测时段为2020年5月20日至10月20日（生长季）,每30 min依次完成8个气室土壤呼吸速率的测量,即每天进行48次连续测定。每个气室还配备一个土壤温度（8100-203型）和水分（GS1型）传感器,同步测量5 cm土壤温度及含水量。降水量和太阳辐射资料分别由SACOL站的雨量筒（TE525MM-L型）和短波辐射表（CM21型）测量,时间分辨率均为30 min。5月20日至7月20日3、4、7号气室的温度传感器被送回厂家进行校准标定,该时段的土壤温度资料缺失;5月26日至7月4日,由于雨量筒仪器故障,该时段的降水资料缺失。

LI-8100A型土壤碳通量仪的测量原理是通过测量气室内CO₂的增加速率,推算气室外CO₂扩散到自由大气中的通量,具体公式如下：

（1）

F_{C O_{2}} = \frac{10 V P_{0} (1 - \frac{W_{0}}{1000})}{r S (T_{0} + 273.15)} \frac{\partial C^{'}}{\partial t}

式中： $F_{C O_{2}}$ （µmol·m^-2·s^-1）为土壤呼吸速率;V（cm³）为气室体积;P₀（kPa）为初始压强;W₀（mmol·mol^-1）为初始水蒸气摩尔分数;r为气体常数,取值 8.314 J·mol^-1·K^-1;S（cm²）是所测土壤环内面积; T₀（℃）是初始温度; $\frac{\partial C^{'}}{\partial t}$ （µmol·mol^-1）指经水分校正后CO₂摩尔分数的初始变化速率 ( Instruction manual for the LI-8100A Soil Gas Flux System & the LI-8150 Multiplexer. LI-COR Biosciences, Lincoln, Nebraska, USA.)。

原始数据按如下步骤处理：首先根据仪器公司提供的File Viewer软件导出8个气室的土壤呼吸速率、土壤温度及含水量数据,通过对不同气室测量值的相互比较与验证,有效剔除因仪器故障或外界干扰等产生的异常野点数据,然后利用SPSS 22.0和IDL8.3软件进行相关分析、回归拟合与绘图。

分别用线性^[18]和指数^[19]模型拟合土壤温度或含水量单一变量对呼吸速率的影响,其中指数模型公式如下：

（2）

\{\begin{array}{l} F_{C O_{2}} = α_{1} \times e^{β_{1} T_{S}} \\ F_{C O_{2}} = α_{2} \times e^{β_{2} W_{S}} \end{array}

式中：T_S（℃）为土壤温度;W_S（m³·m^-3）为土壤含水量; $α_{1}$ （µmol·m^-2·s^-1）为温度为0 ℃时的土壤呼吸速率; $β_{1}$ 为温度敏感性系数; $α_{2}$ （µmol·m^-2·s^-1）为土壤含水量为0 m³·m^-3时的土壤呼吸速率; $β_{2}$ 为水分反应系数。

通常使用温度敏感性指数Q₁₀研究土壤温度与土壤呼吸速率的关系,Q₁₀是指温度每升高10 ℃时土壤呼吸增加的倍数。作为一个重要的模型参数,Q₁₀已被广泛应用于各种生态碳循环模型的模拟中^[20],具体公式如下：

（3）

Q_{10} = e^{10 β_{1}}

考虑到水热因子的共同影响,分别采用线性和非线性模型（交叉、幂次、复合）^[21]研究土壤温度与含水量的协同作用对呼吸速率的影响,并根据决定系数R²筛选最优拟合模型。

（4）线性模型：

F_{C O_{2}} = a + b T_{S} + c W_{S}

（5）交叉模型：

F_{C O_{2}} = a + b T_{S} + c W_{S} + d T_{S} W_{S}

（6）幂次模型：

F_{C O_{2}} = a T_{S}^{b} W_{S}^{c}

（7）复合模型：

F_{C O_{2}} = a + b T_{S} + c W_{S} + d {T_{S}}^{2} + e {W_{S}}^{2} + f T_{S} W_{S}

式中：a、b、c、d、e、f均为拟合参数。

4 结果与分析

4.1 土壤呼吸速率及环境因子的时间变化

4.1.1 土壤呼吸速率及环境因子的逐30 min变化

图2为2020年生长季土壤呼吸速率、土壤含水量、土壤温度和降水量的逐30 min变化。可以看出,整个观测期内不同气室的土壤呼吸速率、土壤含水量和温度均呈现较为一致的动态变化,变化范围分别为0.20~7.15 µmol·m^-2·s^-1,0.0~0.39 m³·m^-3和10~40 ℃。8个气室的呼吸速率都是从5月植被返青期开始逐渐增强,7—8月达到峰值（6.4~7.15 µmol·m^-2·s^-1）,9—10月随着植被逐渐变枯黄而减小（2.0~4.0 µmol·m^-2·s^-1）。2020年SACOL站降水主要集中在7—8月,占生长季总降水量（212.4 mm）的74.2%。受降水过程影响,土壤含水量表现出明显的脉冲波动变化,其最大值与降水量具有很好的对应关系,而土壤温度的动态变化主要受太阳辐射和天气状况控制。8个不同气室的土壤呼吸速率差异较小（标准差为0.10~0.46 µmol·m^-2·s^-1）且变化趋势较为一致。为减小空间异质性对实验结果的影响,下文使用8个气室土壤呼吸速率、土壤温度及含水量的逐小时算术平均值代表该地区土壤物理参量的典型变化。

图2

图2 2020年生长季8个气室土壤呼吸速率（a）、土壤含水量（b）、土壤温度（c）及降水量（d）逐30 min变化

Fig.2 The 30-min variation of soil respiration rate （a）, soil water content （b）, soil temperature （c）and precipitation （d） for eight air chambers during the growing season of 2020

4.1.2 土壤呼吸速率及环境因子的日变化

图3为2020年8月26日（晴天）、28日（多云）和29日（阴天）3种典型天气条件下土壤呼吸速率的日变化个例。可以看出,不同天气状况下土壤呼吸速率的日变化差异明显,晴天和多云天均呈“单峰型”曲线,即从日出前开始逐渐增强,正午达最高值,午后至20：00（北京时,下同）为快速减弱阶段,而夜间下降趋于平缓;晴天土壤呼吸速率的日平均值为2.90 µmol·m^-2·s^-1,变化范围为1.73~4.92 µmol·m^-2·s^-1,最大和最小值分别出现在13：00和06：00;多云天呼吸速率的日均值（2.60 µmol·m^-2·s^-1）和变化范围（1.86~3.91 µmol·m^-2·s^-1）均低于晴天,最高值出现时间比晴天提前1 h;而阴天呼吸速率一直处于较低水平（1.44~1.89 µmol·m^-2·s^-1）,日变化规律不明显。

图3

图3 3种典型天气条件下土壤呼吸速率的日变化

Fig.3 Diurnal variations of soil respiration rate under three typical weather conditions

图4为生长季不同月份土壤呼吸速率、土壤温度和含水量的平均日变化。可以看出,5—10月土壤呼吸速率的平均日变化都呈明显的“单峰型”曲线,表现为正午较高而早晚时段偏低,与土壤温度的变化特征一致性较好,呼吸速率最低值出现在05：00或 06：00,变化范围为0.71~1.70 µmol·m^-2·s^-1,而最高值出现在12：00或13：00,对应变化范围为2.20~4.40 µmol·m^-2·s^-1。这主要由于夜间时段土壤温度较低,植被根系活动和土壤微生物活性也相对微弱,而白天土壤温度会随着太阳辐射的增强逐渐升高,适宜的温度促进了土壤微生物的分解和植被的光合作用,使得土壤呼吸在正午达到最大值,即在适宜温度范围内,土壤呼吸随着温度的升高而增强;午后随着土壤温度继续升高至最大值,微生物酶分解的活性受到抑制,导致呼吸作用逐渐减弱,出现“时滞”现象,即土壤温度最大值的出现时间比土壤呼吸滞后1~2 h。各月土壤呼吸速率的总体趋势为8月>7月>5月>9月>6月>10月,日均值分别为2.52、2.51、1.81、1.80、1.62、1.17 µmol·m^-2·s^-1,均接近于10：00或19：00的观测值。而平均土壤含水量的波动变化较小,在00：00—12：00基本保持恒定,从13：00开始呈逐渐下降趋势。

图4

图4 2020年生长季不同月份土壤呼吸速率（a）、土壤温度（b）和含水量（c）的平均日变化

Fig.4 Average diurnal changes of soil respiration rate （a）, soil temperature （b）and soil water content （c） for different months during the growing season of 2020

4.1.3 土壤呼吸速率及环境因子的月变化

本文将08：00—18：00规定为白天时段,20：00至次日06：00定为夜间时段,分别计算生长季逐月白天、夜间及全天土壤呼吸速率、土壤温度及含水量的平均值（图5）。可以看出,白天和夜间土壤呼吸速率的变化趋势较为一致,均在5—6月处于较小值,从6月开始逐渐增大,8月达到峰值（白天3.31±0.98 µmol·m^-2·s^-1、夜间1.80±0.39 µmol·m^-2·s^-1）,之后开始逐渐减小,10月降到最低值（白天1.55±0.55 µmol·m^-2·s^-1、夜间0.81±0.12 µmol·m^-2·s^-1）。这是由于随着气温回暖、降水增多,植被生长良好,适宜的水热条件促进了植被的光合作用、根系呼吸和微生物对土壤有机质的分解,使得呼吸作用明显增强,在植被生长最旺盛的8月达到峰值;而到了生长季末期,呼吸速率随着土壤温度的降低和降水过程的减少而逐渐减弱。另外,整个生长季土壤呼吸速率全天、白天和夜间的平均值分别为1.80±1.01、2.35±1.02、1.39±0.52 µmol·m^-2·s^-1,如果只用白天时段观测的平均值代表全天平均值,将对土壤呼吸造成约30.6%的高估。早期研究^[22]指出,夜间草地系统的土壤呼吸作用较弱,对全天的贡献远小于白天,在观测和模拟时常常被忽略。本文计算发现2020年生长季不同月份夜间的土壤呼吸约占全天总呼吸的27.2%~32.4%,因此,为准确评估半干旱区草地生态系统的碳源汇收支,应该在模型中考虑夜间土壤呼吸的贡献。

图5

图5 2020年生长季逐月土壤呼吸速率（a）、土壤温度（b）和含水量（c）的白天、夜间及全天平均值（误差棒为对应的标准偏差）

Fig.5 The mean values of soil respiration rate （a）, soil temperature （b） and soil water content （c） in daytime, nighttime and all-day in each month during the growing season of 2020（Error bars represent the standard deviations）

4.2 环境因子对土壤呼吸速率的影响

土壤呼吸包括植物根系呼吸、土壤微生物呼吸和土壤动物呼吸及含碳物质的化学氧化作用,这些复杂的过程受到土壤温度、土壤水分、降水、有机质含量、植被生长状况和土壤微生物酶活性^{[23⇓⇓-26]}等多种因素共同影响,而土壤温度与含水量通过直接或间接调控上述复杂的生物、非生物过程,对土壤呼吸碳通量交换产生重要影响^[7]。

4.2.1 土壤呼吸速率与土壤温度的关系

图6为2020年生长季土壤呼吸速率与土壤温度的散点图,其中指数和线性模型的拟合方程分别为 $F_{C O_{2}} = 0.7 e^{0.05 T_{S}}$ 和 $F_{C O_{2}} = 1.16 + 0.09 T_{S}$ ,决定系数R²分别为0.605和0.612（P<0.001）,即指数和线性模型分别可解释土壤呼吸速率变异的60.5%和61.2%,线性模型略优于指数模型。结果表明,土壤呼吸速率随着土壤温度的增加（降低）而呈现明显的升高（减小）趋势,二者存在显著正相关关系,即土壤温度是影响呼吸速率季节变化的重要驱动因子,主要通过直接控制植被根系代谢过程和土壤微生物的分解作用,从而对土壤呼吸产生影响。

图6

图6 2020年生长季土壤呼吸速率与土壤温度的散点图

Fig.6 The scatter diagram between soil respiration rate and soil temperature during the growing season of 2020

4.2.2 土壤呼吸速率与土壤含水量的关系

图7为2020年生长季土壤呼吸速率与土壤含水量的散点图,其中指数和线性模型的拟合方程分别为 $F_{C O_{2}} = 1.35 e^{2.03 W_{S}}$ 和 $F_{C O_{2}} = 1.41 + 4.45 W_{S}$ ,决定系数R²分别为0.27和0.29（P<0.001）,对土壤呼吸速率变异的解释程度均小于30.0%。与土壤温度相比,土壤含水量与生长季呼吸速率的相关性较弱。

图7

图7 2020年生长季土壤呼吸速率与土壤含水量的散点图

Fig.7 The scatter diagram between soil respiration rate and soil water content during the growing season of 2020

4.2.3 水热因子的协同作用

结合土壤温度与含水量建立的双变量非线性模型能更好地解释土壤呼吸速率的变化^[9]。分别使用线性、交叉、幂次、复合4种拟合模型,对生长季土壤呼吸速率与土壤温度和含水量的所有小时平均数据进行多元回归拟合（表1）。可以看出,4种模型的决定系数R²分别为0.663、0.735、0.733、0.740 （P<0.001）,说明双变量非线性方程的拟合效果明显优于单变量模型。另外,分别计算白天和夜间水热因子对土壤呼吸速率变异的解释程度,发现夜间时段水热因子对土壤呼吸速率变异的解释程度为57.5%（幂次模型）,而白天仅为44.3%（交叉模型）,均远低于全天的74.0%。因此,综合考虑全天时段水热因子协同作用的非线性模型（交叉、幂次、复合模型）对呼吸速率变异的解释程度更好,改进后双因子模型的最优拟合效果达74.0%。这与刘丽雯等^[27]、马涛等^[28]、王建国等^[29]分别在黄土高原中西部的永寿（75.3%）、兰州（63.6%~80.6%）、神木（69.7%~77.4%）等草地系统的研究结论较接近。

表1 2020年生长季土壤呼吸速率与土壤温度和含水量的多元回归模型

Tab.1 Multiple regression model of soil respiration rate with soil temperature and soil water content during the growing season of 2020

模型类型	拟合方程	R²	P
线性	$F_{C O_{2}} = - 1.791 + 0.124 T_{S} + 8.973 W_{S}$	0.663	P<0.001
交叉	$F_{C O_{2}} = - 0.053 + 0.044 T_{S} - 3.106 W_{S} + 0.596 T_{S} W_{S}$	0.735	P<0.001
幂次	$F_{C O_{2}} = 0.14 T_{S}^{1.265} W_{S}^{0.557}$	0.733	P<0.001
复合	$F_{C O_{2}} = 1.3 - 0.048 T_{S} - 9.618 W_{S} + 0.002 {T_{S}}^{2} + 11.947 {W_{S}}^{2} + 0.742 T_{S} W_{S}$	0.740	P<0.001

新窗口打开| 下载CSV

从上述4种模型中选取决定系数较高的交叉和复合模型来验证其适用性。挑选出2020年生长季所有晴天,将晴天条件下的土壤温度和含水量数据代入上述模型,得到的土壤呼吸模拟值和实测值对比如图8所示。可以看出,2种模型的模拟结果与实测值变化趋势较为一致,且数值也较为接近。交叉模型拟合结果的平均值、标准差分别为2.02、0.9 µmol·m^-2·s^-1,而复合模型的对应值分别为2.20、0.98 µmol·m^-2·s^-1,均与实测值（2.01±0.105 µmol·m^-2·s^-1）十分接近,且拟合度都大于87.6%,表明这2种模型均能较好地预估半干旱区生长季草地系统的土壤呼吸速率。另外,在植被返青期复合方程对极值的模拟偏高且误差略微偏大,交叉方程的模拟结果与实测值更吻合;而在植被生长茂盛期,复合方程对呼吸速率的拟合效果均优于交叉方程,后者对极大值的模拟存在一定的低估;到了植被枯黄期,受土壤温度、降水及植物生长状况的共同影响,2种拟合方程的模拟值都较实测值偏高。

图8

图8 2020年生长季晴天时土壤呼吸速率实测值与模拟值对比

Fig.8 Comparison of measured and simulated soil respiration rate on sunny days during the growing season of 2020

5 Q₁₀值变化特征

分别计算2020年生长季5—10月全天、白天和夜间的Q₁₀值（表2）。可以看出,全天、白天、夜间的Q₁₀值变化范围分别为1.38~2.14、1.22~1.96、0.85~1.64,对应平均值分别为1.58±0.23、1.41±0.19、1.20±0.16。不同月份全天Q₁₀值均高于白天和夜间,且除5月外,6—10月白天Q₁₀值也均高于夜间,说明白天时段土壤呼吸速率对土壤温度的敏感性低于全天但高于夜间。通过定量计算发现,如果仅用白天Q₁₀平均值代替总平均值将造成约10.8%的低估。因此,在讨论土壤温度敏感性时,使用全天连续时段观测数据计算的Q₁₀值更准确。由表2还可知,半干旱区草地系统的Q₁₀值从返青期（5月）开始逐渐降低,到草盛期（6—9月）下降到最低值后又逐渐升高,在植被枯黄初期（10月）达到最大值,即草地土壤呼吸的温度敏感性随着植被生长旺盛（枯黄）而减小（增大）,这是由于当植物处于不同生长阶段时,昼夜土壤温差和植物根系呼吸的贡献也有所差异,从而使Q₁₀值发生变化^[30]。另外,不同月份地上植被凋落物被土壤微生物的分解程度不同,使得土壤有机质也发生了改变^[31],这会对土壤微生物的呼吸产生影响,因此未来在研究生长季土壤呼吸速率的温度敏感性时,除了考虑土壤温度和土壤含水量外,还要考虑凋落物的数量与植物的生理指标等因素的影响。LI等^[32]利用LI-6400型便携式碳通量仪对SACOL站2008—2010年3—10月围封草地土壤呼吸进行了测量,发现围封草地土壤呼吸Q₁₀值的变化范围为1.27~5.76,平均值为1.75,通过对比发现本文在2020年生长季测得Q₁₀值的全天变化范围及平均值都略低于SACOL站早期的测量结果,这可能是由测量仪器不同及不同年份之间气候差异造成的,2008—2010年测量时段土壤的水热条件、呼吸速率、降水量均高于2020年,使得Q₁₀值也有所升高。此外,LI等^[32]仅选择在生长季晴天的上午（08：00—11：00）进行测量而忽略了下午及夜间时段的结果,导致其测量的Q₁₀值偏高。总之,Q₁₀值对土壤水热条件、植被生长状况等因素的变化非常敏感,从而表现出较大的时间差异^[33]。

表2 2020年生长季逐月不同时段Q₁₀值

Tab.2 The Q₁₀ values in different periods in each month during the growing season of 2020

月份	时段	$β_{1}$	Q₁₀值	R²	P
5月	全天	0.06	1.755	0.81	$<$ 0.01
	白天	0.04	1.439	0.78	$<$ 0.01
	夜间	0.04	1.526	0.72	$<$ 0.01
6月	全天	0.05	1.593	0.69	$<$ 0.01
	白天	0.03	1.328	0.59	$<$ 0.01
	夜间	0.02	1.250	0.39	$<$ 0.01
7月	全天	0.03	1.378	0.38	$<$ 0.01
	白天	0.02	1.220	0.29	$<$ 0.01
	夜间	-0.02	0.849	0.15	0.17
8月	全天	0.05	1.587	0.77	$<$ 0.01
	白天	0.04	1.426	0.70	$<$ 0.01
	夜间	0.02	1.230	0.35	$<$ 0.01
9月	全天	0.05	1.713	0.84	$<$ 0.01
	白天	0.04	1.564	0.78	$<$ 0.01
	夜间	0.02	1.223	0.43	$<$ 0.01
10月	全天	0.08	2.143	0.91	$<$ 0.01
	白天	0.07	1.960	0.89	$<$ 0.01
	夜间	0.05	1.640	0.77	$<$ 0.01
5—10月	全天	0.05	1.575	0.62	$<$ 0.01
	白天	0.03	1.414	0.58	$<$ 0.01
	夜间	0.02	1.201	0.21	$<$ 0.01

新窗口打开| 下载CSV

6 结论

（1）不同天气条件下土壤呼吸速率存在明显的动态日变化差异,晴天和多云天均呈“单峰型”曲线,而阴天变化不明显,其平均值和变化范围都低于晴天与多云天。

（2）整个生长季不同月份土壤呼吸速率的平均日变化也呈明显的“单峰型”曲线,表现为中午高、早晚低的规律;不同月份的土壤呼吸速率在0.71~4.40 µmol·m^-2·s^-1之间波动,总体趋势为8月>7月> 5月>9月>6月>10月。平均日变化的最高值通常出现在12：00或13：00,而最低值出现在05：00或 06：00,日均值接近于10：00或19：00观测值。

（3）白天和夜间土壤呼吸速率在5—6月处于较小值,从6月开始逐渐增大,8月达峰值（白天3.31±0.98 µmol·m^-2·s^-1、夜间1.80±0.39 µmol·m^-2·s^-1）,9—10月始终呈下降趋势,最低值（白天1.55± 0.55 µmol·m^-2·s^-1、夜间0.81±0.12 µmol·m^-2·s^-1）出现在10月;受太阳辐射和土壤温度等因素影响,白天的呼吸速率总是高于夜间;各月份夜间土壤呼吸对土壤总呼吸的贡献约为27.2%~32.4%,因此,在生态模型的模拟中夜间的土壤呼吸不应被忽略。

（4）土壤温度、土壤含水量等单变量模型对生长季土壤呼吸作用变化的解释程度远低于考虑水热因子协同作用的多元回归模型,改进的交叉和复合模型对土壤呼吸变异的解释程度明显提高,分别为73.5%和74.0%。

（5）2020年生长季全天、白天和夜间Q₁₀值的变化范围分别为1.38~2.14、1.22~1.96、0.85~1.64,平均值分别为1.58±0.23、1.41±0.19、1.20±0.16,即白天时段的温度敏感性低于全天,若只选择白天时段的Q₁₀值近似代表全天的总平均值,将造成约10.8%的低估。因此,为更加准确地估计半干旱区草地土壤呼吸的温度敏感性,应对全天各时段开展长期连续的综合观测。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

JENKISON

D S

, ADAMS

D E

, WILD

Model estimates of CO₂emissions from soil in response to global warming

[J]. Nature, 1991, 351(6324): 304-306.

[2]

DAVIDSON

E A

, TRUMBORE

S E

, AMUNDSON

Soil warming and organic carbon content

[J]. Nature, 2000, 408(6814):789-790.

[3]

RYAN

, SPONSELLER.

Precipitation pulses and soil CO₂ flux in a Sonoran Desert ecosystem

[J]. Global Change Biology, 2007, 13(2): 426-436.

[4]

HUANG

J P

, JI

M X

, XIE

Y K

et al.

Global semi-arid climate change over last 60 years

[J]. Climate Dynamics, 2016, 46(3/4): 1131-1150.

[5]

BAI

Y F

, HAN

X G

, WU

J G

Ecosystem stability and compensatory effects in the Inner Mongolia grassland

[J]. Nature, 2004, 431(7005): 181-184.

[6]

ANDERS

, MICHAEL

, GUY

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

[J]. Science, 2015, 348(6237): 895-899.

[7]

鲍芳, 周广胜.

中国草原土壤呼吸作用研究进展

[J]. 植物生态学报, 2010, 34(4):713-726.

[本文引用: 2]

[8]

武荣盛, 侯琼, 杨玉辉,

等.

多时间尺度气象干旱指数在内蒙古典型草原的适应性研究

[J]. 干旱气象, 2021, 39(2):177-184.

[9]

杨帆, 买买提艾力·买买提依明, 杨兴华,

等.

新疆肖塘冬季土壤呼吸特征及影响因素

[J]. 中国沙漠, 2015, 35(1):195-202.

[本文引用: 2]

[10]

FAN

Y J

, CHANG

X Y

, ZHAO

D P

et al.

Study on soil respiration characteristics and carbon balance of kobresia pygmaea meadow in Qinghai-Tibet Plateau, China

[J]. Journal of Environmental Protection, 2020, 11(8), 636-647.

[11]

药静宇, 王国印, 黄建平,

等.

黄土高原半干旱区净碳交换量的特征分析

[J]. 干旱气象, 2016, 34(1):88-95.

[12]

白美兰, 孟玉婧, 董祝雷,

等.

内蒙古地区典型草原下垫面CO₂通量变化特征及影响因素

[J]. 干旱气象, 2018, 36(2):212-218.

[13]

李旭东, 沈晓坤, 张春平,

等.

黄土高原农田土壤呼吸特征及其影响因素

[J]. 草业学报, 2014, 23(5):24-30.

[14]

郭丁, 李旭东, 王静,

等.

黄土高原草地和农田生态系统碳滞留时间及固碳潜力

[J]. 中国沙漠, 2018, 38(2):363-371.

[15]

李志刚, 侯扶江.

黄土高原不同地形封育草地的土壤呼吸日动态与影响因子分析

[J]. 草业学报, 2010, 19(1):42-49.

[16]

周小刚, 张彦军, 南雅芳,

等.

黄土区农田和草地生态系统土壤呼吸差异及其影响因素

[J]. 环境科学, 2013, 34(3):1026-1033.

[17]

HUANG

J P

, ZHANG

, ZUO

J Q

et al.

An overview of the semi-arid climate and environment research observatory over the Loess Plateau

[J]. Advances in Atmospheric Sciences, 2008, 25(6): 906-921.

[18]

王兴, 钟泽坤, 朱玉帆,

等.

增温和增雨对黄土丘陵区撂荒草地土壤呼吸的影响

[J]. 环境科学, 2022, 43(3):1657-1667.

[19]

NORMAN

J M

, GARCIA

, VERMA

S B

Soil surface CO₂ fluxes and the carbon budget of a grassland

[J]. Journal Geophysical Research, 1992, 97(17):18 845-18 853.

[20]

TJOELKER

M G

, OLEKSYN

, REICH

P B

et al.

Modelling respiration of vegetation: evidence for a general temperature-dependence Q₁₀

[J]. Global Change Biology, 2001, 7(2): 223-230.

[21]

YANG

, ALI

, ZHANG

X Q

et al.

Diurnal dynamics of soil respiration and the influencing factors for three land-cover types in the hinterland of the Taklimakan Desert, China

[J]. Journal of Arid Land, 2017, 9(4): 568-579.

DOI [本文引用: 1]

Knowledge of soil respiration and the influencing factors in desert ecosystems is essential to understanding carbon dynamics and responses of biotic and abiotic processes in soils to climate change. In this study, soil respiration rate (Rs) for three land-cover types (shifting sandy land, sandy land with straw checkerboard barriers, and shelter forest land) in the hinterland of the Taklimakan Desert was measured in May 2015 using an automated soil CO2 flux system. The effects of soil temperature (Ts) and soil water content (Ws) on Rs were also analyzed. The results showed that Rs values in shifting sandy land, sandy land with straw checkerboard barriers, and shelter forest land were all low and exhibited obvious diurnal fluctuations. The establishment of straw checkerboard barriers in sandy land had no significant effect on Rs, while the establishment of shelterbelts significantly increased Rs. Shifting sandy land and sandy land with straw checkerboard barriers were carbon sinks at night and early morning and were carbon sources in the daytime, while shelter forest land always acted as a carbon source during the whole day. The synergistic effect of Ts and Ws could better explain the diurnal dynamics in Rs than single factor. In shifting sandy land and sandy land with straw checkerboard barriers, Ws was identified as a limiting factor influencing the diurnal dynamics of Rs. Furthermore, a relatively strong hysteresis loop existed between Rs and Ts. In contrast, in shelter forest land, Rs was significantly influenced by Ts, and a relatively weaker hysteresis loop existed between Rs and Ws.

[22]

GRAHAMMER

, JAWSON

M D

, SKOPP

Day and night soil respiration from a grassland

[J]. Soil Biology and Biochemistry, 1997, 23(1): 77-81.

[23]

ZOU

J L

, BRIAN

, LUO

Y Q

et al.

Response of soil respiration and its components to experimental warming and water addition in a temperate Sitka spruce forest ecosystem

[J]. Agricultural and Forest Meteorology, 2018(260/261): 204-215.

[24]

侯琼, 苗百岭, 王英舜,

等.

水分胁迫对半干旱典型草原土壤水分变化特征的影响

[J]. 干旱气象, 2020, 38(6):987-993.

[25]

NOH

N J

, KURIBAYASHI

, SAITOH

T M

et al.

Responses of soil, heterotrophic, and autotrophic respiration to experimental open-field soil warming in a cool-temperate deciduous forest

[J]. Ecosystems, 2016, 19(3): 504-520.

[26]

CHEN

, LUO

Y Q

, GARCÍA-PALACIOS

et al.

Differential responses of carbon-degrading enzymes activities to warming: implications for soil respiration

[J]. Global change biology, 2018, 24(10): 4816-4826.

[27]

刘丽雯, 刘梦云, 吴健利,

等.

黄土台塬不同土地利用方式下土壤呼吸季节性变化及影响因素

[J]. 环境科学研究, 2016, 29(12):1819-1828.

[28]

马涛, 贾志清, 周波,

等.

黄土丘陵区不同土地利用类型土壤呼吸及其与温度和水分的关系

[J]. 水土保持通报, 2018, 38(1):82-88+95.

[29]

王建国, 樊军, 王力,

等.

退耕还林还草过程中不同土地利用方式土壤呼吸作用及其碳收支评估

[J]. 农业环境科学学报, 2011, 30(10):2024-2032.

[30]

杨金艳, 王传宽.

土壤水热条件对东北森林土壤表面CO₂通量的影响

[J]. 植物生态学报, 2006, 30(2):286-294.

DOI [本文引用: 1]

东北地区森林生态系统因其面积大,碳贮量高而在本地区和我国碳平衡中占有重要的地位。土壤表面CO2通量(RS)作为陆地生态系统向大气圈释放的主要CO2源,其时空变化直接影响到区域碳循环。该研究采用红外气体分析法比较测定我国东北东部次生林区6个典型的森林生态系统的RS及其相关的土壤水热因子,并深入分析土壤水热因子对RS的影响。研究结果表明：影响RS的主要环境因子是土壤温度、土壤含水量及其交互作用,但其影响程度因生态系统类型和土壤深度而异。包括这些环境因子的综合RS模型解释了 67.5%～90.6%的RS变异。在整个生长季中,不同生态系统类型的土壤温度差异不显著,而土壤湿度的差异显著(α= 0.05)。蒙古栎(Quercus mongolica)林、红松(Pinus koraiensis)林、落叶松(Larix gmelinii)林、硬阔叶林、杂木林和杨桦(Populus davidiana_Betula platyphylla)林的RS变化范围依次为：1.89～5.23 µmol CO2•m–2•s–1,1.09～4.66µmol CO2•m–2•s–1,0.95～3.52µmol CO2•m–2•s–1,1. 13～5.97µmol CO2•m–2•s–1,1.05～6.58µmol CO2•m–2•s–1和1.11～5.76µmol CO2•m–2•s–1。RS的季节动态主要受土壤水热条件的驱动而呈现单峰曲线,其变化趋势大致与土壤温度的变化相吻合。Q10从小到大依次为：蒙古栎林2.32,落叶松林2.57,红松林2.76,硬阔叶林2.94,杨桦林3.54和杂木林3.55。Q10随土壤湿度的升高而增大；但超过一定的阈值后,土壤湿度对Q10起抑制作用。该研究结果强调对该地区生态系统土壤表面CO2通量的估测应同时考虑土壤水热条件的综合效应。

[31]

周萍, 刘国彬, 薛萐.

草地生态系统土壤呼吸及其影响因素研究进展

[J]. 草业学报, 2009, 18(2):184-193.

[32]

X D

, GUO

, ZHANG

Contribution of root respiration to total soil respiration in a semi-arid grassland on the Loess Plateau

[J]. Science of The Total Environment, 2018, 627(15):1209-1217.

DOI URL [本文引用: 2]

[33]

LUO

Y Q

, WAN

S Q

, HUI

D F

et al.

Acclimatization of soil respiration to warming in a tall grass prairie

[J]. Nature, 2001, 413(6856): 622-625.