2020, Vol. 40文章信息
- 鲍远航, 徐昔保, 陈晔
- BAO Yuanhang, XU Xibao, CHEN Ye
- 太湖流域农田稻季CH4通量特征及影响因子
- Characteristics and impact factors of methane flux in the paddy fields of Taihu Lake Basin
- 生态学报. 2020, 40(21): 7690-7698
- Acta Ecologica Sinica. 2020, 40(21): 7690-7698
- http://dx.doi.org/10.5846/stxb201911062340
-
文章历史
- 收稿日期: 2019-11-06
- 修订日期: 2020-05-09
2. 中国科学院南京地理与湖泊研究所, 中科院流域地理学重点实验室, 南京 210008;
3. 南京师范大学海洋科学与工程学院, 南京 210023
2. Key Laboratory of Watershed Geography, Chinese Academy of Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China;
3. College of Marine Science and Engineering, Nanjing Normal University, Nanjing 210023, China
CH4是除CO2和N2O外最之主要的温室气体之一, 大气中CH4浓度虽远低于CO2浓度, 但其全球变暖潜能值是CO2的34倍[1], 使其成为继CO2之后影响最大的温室气体。全球约2/3的CH4排放量是由人类活动造成的[2], 其中稻田排放就占全球CH4排放总量的11%[3], 是全球CH4的主要来源之一。稻田灌溉产生的厌氧土壤条件, 是CH4产生的有利条件, 在淹水环境中, 土壤中的有机物质被各类细菌组成的复杂链转化成比较简单的基质, 这些基质又被产甲烷菌转化成CH4[4]。稻田土壤的高湿度、高有机碳等特点决定了稻田是CH4的主要排放源, 因此, 稻田CH4排放研究已成为全球变化研究的重要内容与热点。深入研究稻田CH4排放规律及其驱动机制, 有助于制定合理的稻田灌溉及管理措施, 为CH4减排措施制定提供科学依据。
针对稻田生态系统CH4排放, 国内外已开展了一系列观测与研究, 实地监测最早在美国和欧洲开展[4], 但全球约90%以上的水稻田集中分布在亚洲, 亚洲地区对稻田CH4排放的监测也逐渐增多[5-6], 且多集中在对稻田CH4的产生机理[4]、驱动机制[5-6]、减排措施[7-8]等方面的研究, 近年对不同耕作方式、不同水肥管理模式的CH4减排效应研究较多, 如有研究发现稻田CH4排放表现为：双季稻晚稻>双季稻早稻>单季稻>稻麦轮作晚稻[9], 稻麦季秸秆均还田>稻季麦秸还田>麦季稻秸还田>稻麦季秸秆均不还田[8]、控制灌溉>干湿交替>晒田>持续淹水[9]。在稻田CH4研究中, 稻田CH4通量观测是研究稻田CH4排放的基础, 目前CH4观测方法主要包括箱式法[7]、同位素法和微气象法[8]。箱式法是国内外最常用的CH4观测方法, 但箱式法具有破坏原土壤环境、无法长时间连续观测、频率低、监测范围小、相对代表性低等缺点；而微气象法中的涡度相关法(Eddy Covariance Method)具有不破坏原土壤环境、长时间连续观测、高频率、监测范围大等优点, 因此利用涡度相关法观测CH4通量研究已成为最流行的方法之一[1, 10-12]。
中国水稻种植面积约占球水稻种植面积的23%[13], 中国稻田也是全球大气CH4的重要排放源。太湖流域作为典型的稻麦轮作区, 是我国土地利用变化最快的地区之一, 流域耕地面积从2000年的10295.5 km2减少到2010年的7939 km2 [14]。针对太湖流域稻麦轮作农田CH4排放的研究, 大多集中在利用静态箱法分析CH4排放特征[7-8, 13]、不同水肥管理措施对CH4排放的影响[15]等方面；CH4通量观测方法稍显单一, 主要为静态箱—气相色谱法, 微气象法略少, 且尚无人工观测与机器自动监测相结合的研究方式, 机制分析多集中在各个因子独立分析[16-17], 鲜有综合定量分析。目前关于太湖流域稻麦轮作区稻季CH4排放机理研究仍不十分清晰, 鉴于此, 本研究采用涡度相关法, 针对太湖区域稻麦轮作农田开展CH4通量监测, 分析其CH4排放特征及机制, 以期为进一步模拟太湖流域CH4排放及相关模型的修正提供科学依据。
1 材料与方法 1.1 田间观测试验田位于江苏省无锡市锡山区羊尖镇严家桥村(31°39′14″N, 120°32′43″E, 海拔6m), 系亚热带季风气候区, 气候温和, 年均气温16℃；雨水充沛, 年均降水量1048mm；日照充足, 全年日照时数2019h, 全年无霜期220d左右[18]。试验田面积约600m×600m, 地处太湖流域北部平原, 为江苏省基本农田保护区, 土壤类型为典型潴育水稻土, 土壤质地为沙壤土[18], 作物种植制度为夏水稻—冬小麦—一年两熟制, 夏水稻于6月中旬移栽至试验区内, 11月初收割, 冬小麦于11月中旬播种, 6月上旬收割。从自然条件、种植制度、管理措施来看, 该试验区在太湖流域具有典型代表性。
本研究采用涡度相关法进行通量观测, 由LI-7700 CH4分析仪、EC150开路CO2/H2O分析仪(Campbell Sci. Inc., USA)、CSAT3三维超声风速仪(Campbell Sci. Inc., USA)组成, 安装高度3.56 m, 以10 Hz的采样频率记录周期为30 min的CH4通量、摩擦风速、水汽通量等数据。同时安装有SDI-12数字式TDT(Campbell, USA)观测10 cm、20 cm、40 cm处土壤水分/温度/介电常数/电导率, TE525MM(Campbell, USA)观测降水, 观测频率10Hz, 由CR3000数采每30min自动储存。
1.2 数据质量控制和插补本研究采用Eddypro(version 6.2.1)软件进行试验区2017年CH4通量计算及修正。具体步骤包括：(1)野点去除：首先剔除CAST3及EC150硬件异常数据, 即diag_sonic≠0、diag_irqa≠0, 其次剔除CH4信号强度低于15%的数据[10]；(2)二次坐标旋转；(3)频率响应校正；(4)空气密度响应校正(WPL校正)；(5)质量控制：去除CH4质量为2及明显异常值。
由于机器故障、天气变化等不可控因素的影响, 通量数据存在部分缺失及质量问题, 2017年稻季(6、7、8、9、10月)数据保留率分别为(43%、72%、66%、27%、26%)。目前对CH4通量数据插补尚不存在统一的方法, 本文采用遗传算法优化的神经网络模型对CH4通量进行插补。人工神经网络模型已被广泛用来填补通量数据[19], 遗传算法优化的神经网络模型可以以任意精度逼近非线性函数, 能很好地反映非线性系统发展的趋势。首先利用SPSS筛选出与CH4通量变化相关的主要环境因子(空气温度、平均风速、土壤温度-10 cm、土壤水分-10 cm、土壤电导率-10 cm), 再利用MATLAB建立遗传算法优化的神经网络模型插补缺失数据。模型的完整输入数据集被随机分为两个独立子集：训练数据集与评估数据集, 训练数据集用于训练缺口填充模型, 评估数据集用于评估模型。为避免不同的参数量级的差异影响输出结果, 所有输入参数都进行归一化处理：最小-1, 最大+1。
1.3 数据处理本文运用Excel 2013进行数据统计分析, SPSS 22软件进行Spearman相关性分析、回归分析, SigmaPlot 14.0软件进行绘图。
2 结果分析 2.1 CH4排放特征 2.1.1 日变化在日尺度上, 太湖流域稻麦轮作农田CH4通量变化为显著的CH4的源, 总排放量为28.947 g/m2。在水稻生长季中, 除8月外, CH4排放均呈现单峰模式(图 1)。6月自10日起, CH4通量范围在0.064—0.659 μmol m-2 s-1, 在12:30达到峰值；7月排放范围在0.153—0.932 μmol m-2 s-1, 在15:30达到峰值；8月排放范围在0.054—0.122 μmol m-2 s-1；9月排放范围在0.009—0.081 μmol m-2 s-1, 在15:00达到峰值；10月排放范围在－0.004—0.016 μmol m-2 s-1, 在11:30达到峰值。其中7月CH4排放通量最高、波幅最大, 6月次之, 10月最低, 除8月外, 其余月份CH4均在凌晨约6:00开始大幅上升。因此, 太湖流域稻季CH4排放的日变化存在2种模式：一是无规则型(8月), 全天保持不稳定排放；二是单峰型(6、7、9、10月), 白天排放量明显高于夜间排放量, 但是每月的峰值出现时间不尽相同。
|
| 图 1 CH4通量日变化 Fig. 1 Diurnal variation of CH4 flux |
月尺度上, 稻季CH4通量整体表现为CH4的源, CH4通量波动范围为0—0.861 μmol m-2 s-1, 最小值出现在10月18日, 最大值出现在7月25日, 均值为0.214 μmol m-2 s-1(图 2)。在观测期内, 在水稻移栽后五天左右(6月19日), CH4通量开始上升, 此间处于返青期, 排放量较低(日均值0.102 μmol m-2 s-1)；而后CH4排放随着水稻进入分蘖期而增强(日均值0.451 μmol m-2 s-1), 在7月上旬(分蘖盛期)排放量最高；在7月25日出现一个排放峰值, 涨幅较大, 此时正值排水烤田初期, 而后随着烤田的进行, 土壤水分大幅下降, CH4通量也急剧下降；复水以后, 8月(拔节期)CH4排放有所回升(日均值0.082 μmol m-2 s-1), 但也一直保持在较低水平；10月水稻进入成熟期后(日均值0.006 μmol m-2 s-1), CH4通量达到最低水平, 几乎没有CH4排放。太湖流域农田稻季CH4排放整体集中在水稻生长前期(81.61%)及中期(16.16%), 后期排放相对较弱(2.23%)。
|
| 图 2 CH4通量季节变化 Fig. 2 Seasonal variation of CH4 flux |
CH4的产生、氧化和传输受到诸多环境因子(温度、土壤水分、土壤pH、风速、土壤质地、管理方式等)的综合影响[9-10, 16, 20]。如土壤质地通过影响土壤通透性和土壤有机质分解速率, 从而影响对产CH4微生物的基质供应与CH4排放[21], 土壤pH通过影响产甲烷菌以及甲烷氧化菌活性影响CH4排放[21], 耕作、灌溉、施肥方式通过影响土壤的水、肥、气、热进而影响到CH4排放[4, 9, 21]。本研究主要环境因子包括气温、土壤温度、土壤水分、土壤电导率、摩擦风速, 其与太湖流域农田稻季CH4排放关系如下(图 3)：
|
| 图 3 日均CH4通量对土壤温度/水分/电导率响应 Fig. 3 Relationship between daily mean CH4 flux and soil temperature/moisture/conductivity |
CH4排放通量与气温, 10、20、40 cm土壤温度均呈指数关系(R2分别为0.589、0.584、0.521、0.459, P < 0.0001), 随着温度的升高, CH4通量增加, 且随着土层的加深, 拟合系数R2越小, 表明其与CH4通量相关性越低。在气温小于15℃时, CH4排放几乎为零, 在35℃左右达到峰值；在土壤温度小于16℃时, CH4排放基本为零, 在28—30℃间达到峰值。温度在CH4产生、氧化、传输三个过程中均起着重要作用：第一, 温度影响到产甲烷菌的活性, 据Schütz等稻田的三年研究发现, 产甲烷菌的最低、最适、最高温度为15℃、35℃、40℃, 这验证了本研究CH4通量随温度变化的低值、峰值情况；第二, 温度也影响到甲烷氧化菌的活性, 且甲烷氧化菌的温度生态幅宽于产甲烷菌, 在温度 < 10℃时, 甲烷氧化菌依旧活跃[4], 再次验证温度在小于15℃时, CH4排放基本为零；第三, 温度影响到CH4在水中扩散速率以及植物体呼吸和蒸腾作用, 从而影响到CH4排放速率[21], 高温促进水稻生长, 水稻植株呼吸作用和蒸腾作用加强, 同时加快了CH4扩散速率, 减少了CH4的再氧化, 致使排向大气的CH4增多。
CH4排放通量与10、20 cm土壤水分均呈微弱的指数关系(R2分别为0.362、0.372, P < 0.0001), 随着土壤水分的增加, CH4通量增加, 且随着土层的加深, 拟合系数R2越大, 表明其与CH4通量相关性越高。与40 cm土壤水分呈二次曲线关系(R2为0.378, P < 0.0001), 当土壤水分 < 0.41 m3/m3时, CH4通量随土壤水分的增加而减少, 当土壤水分>0.41 m3/m3时, CH4通量随土壤水分的增加而增加。土壤水分在CH4产生、氧化、传输三个过程中同样起着重要作用：第一, 产甲烷菌需要在厌氧条件下通过还原反应产生CH4, 且产甲烷菌在有氧条件下只能存活30 h[22], 甲烷氧化菌则主要在有氧条件下将CH4氧化为甲醇, 稻田中CH4氧化非常显著, 90%在厌氧条件下产生的CH4能被再度氧化[16]。第二, 土壤水分会影响到土壤通透性, 进而影响到CH4的传输速率, 有24%—40%的CH4通过气泡转移到大气、3%—5%的CH4通过扩散作用传向大气[20], 如若水层过深, CH4在向空气传输时, 被氧化量增加, 从而减少了CH4排放。因此, 稻田水分管理对CH4排放至关重要, 已有研究表明, 深水灌溉、间歇灌溉、常湿稻田均能减少稻田CH4排放[21]。
CH4排放通量与10、20、40 cm土壤电导率均呈幂次关系(R2分别为0.309、0.54、0.439, P < 0.0001), 随着土壤电导率的增加, CH4通量增加, 且随着土层的加深, 拟合系数R2越大, 表明其与CH4通量相关性越高。土壤电导率代表了土壤的盐分状况, 盐分状况也是影响产甲烷菌以及甲烷氧化菌生理活性的一项指标。目前对于电导率与CH4排放通量的关系研究较少, 但有研究表明, 电导率越高, 土壤溶液中氧化还原电位值越低, 促进了产甲烷菌活性, 有利于CH4生成, 土壤电导率与稻田CH4排放呈正比[23], 与本研究结果一致。
在不同时间尺度上, CH4通量与摩擦风速的相关性有所差别。CH4通量仅与半小时摩擦风速在P < 0.01的水平上显著相关, 与日均摩擦风速显著不相关。摩擦风速通过影响大气湍流从而影响CH4的排放方式以及仪器对CH4的监测。
2.2.2 模型建立CH4排放受诸多环境因子的综合影响, 已有相关研究根据研究区的生态本底特征, 建立了一些相关模型, 如Wille[24]和Sachs[25]针对西伯利亚多边形苔原、Ge等[26]针对中国华东水稻田等, 分别建立了一些比较经典的CH4排放通量模型。本研究借助在Friborg等[27]的研究工作建立一个半经验乘法模型, 该模型通用形式可写为：
|
(1) |
其中, FCH4代表日均CH4通量, fi是拟合过程确定的模型参数, xi表示模型变量, fi(xi)可以是线性的或指数的。其中xi需要进行标准化处理：
|
(2) |
并参考相关研究[12, 24-26, 28], 将模型进行拓展建立如下方程式：
|
(3) |
本研究利用观测数据进行拟合, 建立太湖流域CH4通量模型为：
|
(4) |
其中, Tsi、Ui*、VWCi、ECi分别表示标准化处理后的土壤温度、摩擦风速、土壤体积含水量、土壤电导率, a、b、c、d、e分别表示模型参数。模型的拟合度R2=0.763(P < 0.0001), 运用模型所模拟的累计CH4排放通量比累计测量CH4通量低6.69%, 均说明模型较好地模拟了太湖流域稻田CH4的排放, 土壤温度、土壤体积含水量、土壤电导率、摩擦风速可确认为太湖流域稻田CH4排放主要驱动因子。
3 讨论本研究CH4通量日变化呈现两种模式：单峰型和无规则型(图 1)。单峰型峰值出现时间与温度日变化一致, 多出现于午后, 可能是夜间水稻停止光合作用关闭气孔, 减少了CH4的排出, 且午后温度升高, CH4产生和传输速率加快[21], 因此白天CH4维持在较高水平、夜间较低, 呈单峰模式。8月CH4平均日变化情况明显区别于其他月份(随机型), 可能与7月末8月初进行了两次为期一周的烤田有关, 间歇性灌溉会破坏CH4排放规律[11, 17], 烤田初期因水层变薄, 大量CH4通过气泡形式逸出, 而在烤田期间, CH4被氧化成CO2；亦或是与8月初出现连续性降水和大风天气有关, 在阴雨天气, CH4排放会毫无规律[16], 8月1日和2日风速高达5 m/s(平均风速1.88 m/s), 大风会影响湍流扰动, 从而影响CH4通量监测[26], 开路式CH4分析仪在降水时无法进行CH4观测。
本研究CH4通量季节变化中(图 2), 在移栽后一个星期左右, CH4通量开始上升, 但还是保持在较低水平, 可能是因为移栽后水稻植株根系受损；分蘖期排放量增高, 因为此段时间温度升高, 水稻生长旺盛, 呼吸作用加强, 通气组织发达, 55%—73%的CH4都是通过通气组织传向大气[20]；在7月25日涨幅较大, 此时正是稻田开始排水烤田初期, 这与其他相关研究对华东地区稻田CH4排放的研究一致, 在排水烤田初期会出现脉冲式CH4排放[29]；水稻进入成熟期后CH4通量达到最低水平, 主要因为成熟期的水稻植株体生理活动减弱, CH4输送能力减弱。
本研究观测的CH4通量、时间分布特征与已有相关研究总体比较接近, 如与运用箱法所观测1995年不同施肥处理下苏州近郊区稻田CH4通量(总量21.33—35.1 g/m2)[30], 相差17%—26%, 其CH4排放均集中在水稻生长前期, 在排水烤田初期出现CH4排放峰值；与运用箱法所测2007年稻麦秆均不还田处理下苏州稻田CH4排放通量(23.3 g/m2)[15], 相差19.49%, 其CH4排放也集中在水稻移栽后的一个月, 在8月出现急剧下降, 与本研究类似。本研究观测的CH4通量明显高于基于涡度相关通量观测的江苏盐城稻田CH4通量(通量值(19.2±3.2) g/m2, 高33.67%)[26], 但CH4排放时间特征基本一致, 集中在水稻生长营养期, 在成熟期排放最少, 日尺度变化同样的是在6、7月呈单峰模式, 8、9月表现出无规则排放。
与其他典型水稻种植区相比：运用箱式法观测的湖南双季稻种植稻田CH4排放通量(早稻：3.47—5.07 g/m2, 晚稻：3.21—6.1 g/m2)[13], 与本研究相差较大, 但其排放量同样集中在水稻移栽后的一个月内, 成熟期排放极少, 且晚稻种植期CH4排放峰值稍高于于早稻种植期；与基于涡度相关法观测的辽河三角洲稻区2013年CH4排放相比, 总排放量接近(13.6 g/m2)[10], 但其CH4排放有三个峰值, 分别出现在泡田期、拔节抽穗期、成熟期, 与本研究的成熟期排放特征完全不同, 可能跟不同地理区位的土壤、物候特征、气象及水稻品种、灌溉与管理模式等有关, 有待后续研究进行探讨。
建立与江苏盐城稻田CH4排放研究中相同的模型并与之比较(江苏盐城稻田CH4排放模型命名为模型1, 本文此模型命名为模型2)(表 1)[26], 可知参数a、b存在较大差异, 一方面本研究CH4排放量总量比盐城稻田高33.67%, 但8、9月CH4排放通量明显低于盐城, CH4排放总量与通量特征俨然存在差别；另一方面由于观测时间以及地理位置的差异, 本研究区土壤平均温度(24.5℃)高于盐城地区(23.1℃), 但土壤温度的变化幅度小于后者, 这或是造成参数差异的可能原因。
| 模型Model | a | b | c | d | e | R2 |
| 1 | 0.76±0.34 | 11.92±4.74 | 0.62±0.12 | 3.62±1.74 | － | 0.86 |
| 2 | 0.004 | 100.9 | 0.155 | 5.74 | － | 0.73 |
涡度相关法受仪器故障、维护及气象等因素影响, 获得的通量观测数据往往存在不同程度的缺失, 所以需对缺失数据进行插补。本文采用遗传算法优化的神经网络模型插补缺失数据, 在高观测值和低观测值的模拟效果并不十分理想, 可能受高观测值和低观测值区间的数据量太少影响, 模型缺乏足够的网络训练数据, 因此插补后的数据对通量的高值与低值存在一定的不确定性。本研究将个别异常的高观测值和低观测值去除后, 通量插值与观测值线性拟合R2值达0.51(图 4)。
|
| 图 4 CH4观测值与GA-BPNN模型模拟值线性回归曲线 Fig. 4 Linear regression curve of CH4 flux observations and GA-BPNN model simulation values |
(1) 太湖流域典型稻麦轮作区稻季为CH4的源, CH4排放总量为28.95 g/m2。稻季CH4日变化有两种模式：无规则型与单峰型。稻季CH4排放整体集中在水稻生长前期及中期, 后期排放相对较弱, 返青期排放量较低, 分蘖期较强, 成熟期最低。
(2) 太湖流域典型稻麦轮作区稻季CH4排放与气温、土壤温度均呈指数关系；与10、20 cm土壤水分呈指数关系、与40土壤水分呈二次曲线关系；与土壤电导率呈幂次关系；与摩擦风速仅在半小时尺度上显著相关。模型较好地模拟了太湖流域稻田CH4的排放, 土壤温度、摩擦风速、土壤体积含水量、土壤电导率为太湖流域稻田CH4排放主要驱动因子。
(3) CH4排放机制研究需进一步补充增加土壤pH、Eh等影响因子观测对其影响机理, 进一步改进与提高CH4排放模型精度与可靠性。
| [1] |
Borah L, Baruah K K. Effects of foliar application of plant growth hormone on methane emission from tropical rice paddy. Agriculture, Ecosystems & Environment, 2016, 233: 75-84. |
| [2] |
Nisbet E G, Dlugokencky E J, Bousquet P. Methane on the rise-again. Science, 2014, 343(6170): 493-495. |
| [3] |
IPCC. Climate Change 2014: Mitigation of Climate Change. Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2014.
|
| [4] |
Schütz H, Holzapfel-Pschorn A, Conrad R, Rennenberg H, Seiler W. A 3-year continuous record on the influence of daytime, season, and fertilizer treatment on methane emission rates from an Italian rice paddy. Journal of Geophysical Research:Atmospheres, 1989, 94(D13): 16405-16416. |
| [5] |
唐海明, 肖小平, 汤文光, 孙继民, 刘杰, 汪柯, 李超, 程凯凯, 李微艳, 孙耿. 长期施肥对双季稻田甲烷排放和关键功能微生物的影响. 生态学报, 2017, 37(22): 7668-7678. |
| [6] |
Bharali A, Baruah K K, Gogoi N. Methane emission from irrigated rice ecosystem:relationship with carbon fixation, partitioning and soil carbon storage. Paddy and Water Environment, 2017, 15(2): 221-236. |
| [7] |
田伟, 伍延正, 汤水荣, 胡玉麟, 赖倩倩, 文冬妮, 孟磊, 吴川德. 不同施肥模式对热区晚稻水田CH4和N2O排放的影响. 环境科学, 2019, 40(5): 2426-2434. |
| [8] |
靳红梅, 沈明星, 王海候, 陆长婴, 常志州, 郭瑞华. 秸秆还田模式对稻麦两熟农田麦季CH4和N2O排放特征的影响. 江苏农业学报, 2017, 33(2): 333-339. |
| [9] |
谢立勇, 许婧, 郭李萍, 徐玉秀, 孙雪, 赵洪亮, 郭飞, 赵迅. 水肥管理对稻田CH4排放及其全球增温潜势影响的评估. 中国生态农业学报, 2017, 25(7): 958-967. |
| [10] |
贾庆宇, 刘晶淼, 梁成华, 刘国飞, 谢艳兵, 于文颖, 王笑影, 吕国红, 温日红. 辽河三角洲稻区近地层CH4浓度与通量特征. 生态环境学报, 2015, 24(5): 804-810. |
| [11] |
Alberto M C R, Wassmann R, Buresh R J, Quilty J R, Correa Jr T Q, Sandro J M, Centeno C A R. Measuring methane flux from irrigated rice fields by eddy covariance method using open-path gas analyzer. Field Crops Research, 2014, 160: 12-21. |
| [12] |
Tseng K H, Tsai J L, Alagesan A, Tsuang B J, Yao M H, Kuo P H. Determination of methane and carbon dioxide fluxes during the rice maturity period in Taiwan by combining profile and eddy covariance measurements. Agricultural and Forest Meteorology, 2010, 150(6): 852-859. |
| [13] |
Bharali A, Baruah K K, Baruah S G, Bhattacharyya P. Impacts of integrated nutrient management on methane emission, global warming potential and carbon storage capacity in rice grown in a northeast India soil. Environmental Science and Pollution Research, 2018, 25(6): 5889-5901. |
| [14] |
吴菲, 吴俊锋, 凌虹, 李健. 太湖流域土地利用变化研究. 中国人口·资源与环境, 2018, 28(S1): 143-145. |
| [15] |
王海候, 沈明星, 陆长婴, 张永春, 吴彤东, 施林林, 周新伟. 不同秸秆还田模式对稻麦两熟农田稻季甲烷和氧化亚氮排放的影响. 江苏农业学报, 2014, 30(4): 758-763. |
| [16] |
王明星, 李晶, 郑循华. 稻田甲烷排放及产生、转化、输送机理. 大气科学, 1998, 22(4): 600-612. |
| [17] |
邹建文.稻麦轮作生态系统温室气体(CO2、CH4和N2O)排放研究[D].南京: 南京农业大学, 2005.
|
| [18] |
徐昔保, 杨桂山, 孙小祥. 太湖流域典型稻麦轮作农田生态系统碳交换及影响因素. 生态学报, 2015, 35(20): 6655-6665. |
| [19] |
Song T, Wang Y S. Carbon dioxide fluxes from an urban area in Beijing. Atmospheric Research, 2012, 106: 139-149. |
| [20] |
上官行健, 王明星, 陈德章, 沈壬兴. 稻田CH4的传输. 地球科学进展, 1993, 8(5): 13-22. |
| [21] |
江长胜, 王跃思, 郑循华, 王明星. 稻田甲烷排放影响因素及其研究进展. 土壤通报, 2004, 35(5): 663-669. |
| [22] |
Kiener A, Leisinger T. Oxygen sensitivity of methanogenic bacteria. Systematic and Applied Microbiology, 1983, 4(3): 305-312. |
| [23] |
傅志强, 朱华武, 陈灿, 黄璜. 晚稻根际土壤特性对CH4和N2O排放的影响. 热带作物学报, 2012, 33(1): 5-10. |
| [24] |
Wille C, Kutzbach L, Sachs T, Wagner D, Pfeiffer E M. Methane emission from Siberian arctic polygonal tundra:eddy covariance measurements and modeling. Global Change Biology, 2008, 14(6): 1395-1408. |
| [25] |
Sachs T, Wille C, Boike J, Kutzbach L. Environmental controls on ecosystem-scale CH4 emission from polygonal tundra in the Lena River Delta, Siberia. Journal of Geophysical Research:Biogeosciences, 2008, 113(G3): G00A03. |
| [26] |
Ge H X, Zhang H S, Zhang H, Cai X H, Song Y, Kang L. The characteristics of methane flux from an irrigated rice farm in East China measured using the eddy covariance method. Agricultural and Forest Meteorology, 2018, 249: 228-238. |
| [27] |
Friborg T, Christensen T R, Hansen B U, Nordstroem C, Soegaard H. Trace gas exchange in a high-Arctic valley: 2. Landscape CH4 fluxes measured and modeled using eddy correlation data. Global Biogeochemical Cycles, 2000, 14(3): 715-723. Friborg T, Christensen T R, Hansen B U, Nordstroem C, Soegaard H. Trace gas exchange in a high-Arctic valley: 2. Landscape CH4 fluxes measured and modeled using eddy correlation data. Global Biogeochemical Cycles, 2000, 14(3): 715-723.
|
| [28] |
Katayanagi N, Fumoto T, Hayano M, Takata Y, Kuwagata T, Shirato Y, Sawano S, Kajiura M, Sudo S, Ishigooka Y, Yagi K. Development of a method for estimating total CH4 emission from rice paddies in Japan using the DNDC-Rice model. Science of the Total Environment, 2016, 547: 429-440. |
| [29] |
周再兴, 郑循华, 王明星, Butterbach-Bahl K. 华东稻麦轮作农田CH4、N2O和NO排放特征. 气候与环境研究, 2007, 12(6): 751-760. |
| [30] |
熊效振, 沈壬兴, 王明星, 郑循华, 王跃思, 李晶, Kogge M. 太湖流域单季稻的甲烷排放研究. 大气科学, 1999, 23(1): 9-18. |