2025, Vol. 45文章信息
- 薛良琛, 宋翰雄, 吴晓丽, 蒋学庆, 陈槐, 彭长辉, 朱求安
- XUE Liangchen, SONG Hanxiong, WU Xiaoli, JIANG Xueqing, CHEN Huai, PENG Changhui, ZHU Qiuan
- 中国土壤甲烷吸收时空格局及其驱动因素
- Estimating the spatiotemporal patterns and the key drivers of methane uptake in upland of China
- 生态学报. 2025, 45(5): 2104-2121
- Acta Ecologica Sinica. 2025, 45(5): 2104-2121
- http://dx.doi.org/10.20103/j.stxb.202405181141
-
文章历史
- 收稿日期: 2024-05-18
- 采用日期: 2025-01-17
2. 魁北克大学蒙特利尔分校环境科学研究所, 蒙特利尔 C3H3P8;
3. 河海大学水文水资源学院, 南京 210009;
4. 中国科学院成都生物研究所, 成都 610041
2. Department of Biology Sciences, Institute of Environment Sciences, University of Quebec at Montreal, Montreal C3H3P8, Canada;
3. College of Hydrology and Water Resources, Hohai University, Nanjing 210009, China;
4. Chengdu Institute of Biology, Chinese Academy of Sciences, Chengdu 610041, China
联合国政府间气候变化专门委员会(IPCC)第六次报告指出, 2011—2020年地表温度相较于19世纪上升了1.59℃[1], 这一趋势主要是由大气中温室气体(greenhouse gas, GHG)浓度的增加所引起的。甲烷(CH4)作为一种重要的温室气体, 在温室效应中的贡献仅次于二氧化碳(CO2), 约占15%[2], 其百年增温潜势(GWP100)是二氧化碳(CO2)的28倍[1]。自工业化时代以来, 受人类活动和土地利用变化的影响, 大气甲烷浓度从0.66 mm3/m3增长至1.65 mm3/m3 [2]。但由于甲烷的寿命通常只有7—11年[3], 因此量化甲烷汇并研究其影响因素对于制定气候变暖缓解方案具有重要意义。
大气甲烷汇主要有三种途径：第一种是与对流层中的自由基(主要是羟基, OH)发生氧化反应被消耗, 消耗量占全球甲烷汇的90%[4]；第二种是在土壤中被甲烷氧化菌吸收氧化消耗, 这是唯一一种生物去除过程[4]；剩余部分则是通过与海洋边界层处盐类物质中的氯自由基发生氧化反应以及在平流层中发生光化学反应消耗[5]。
甲烷排放是甲烷产生、氧化(吸收)和传输的结果。在非饱和土壤中存在的甲烷氧化菌能够氧化消耗通过扩散作用进入土壤的大气甲烷, 将其转换为CO2和H2O并获取能量[6], 每年全球约有32.9—34.1 Tg[4]甲烷通过这种方式被去除。土壤甲烷吸收氧化消耗的过程与土壤扩散能力和甲烷氧化菌的活动强度密切相关, 并受到各种环境因素的影响[7]。例如, 甲烷的扩散能力在很大程度上取决于土壤质地(孔隙度, 含沙量等)和土壤含水量[8]。甲烷氧化菌的活动则主要受温度、土壤含水量和氮浓度等因素的影响[9]。近年来还出现对放牧强度[10]、氮添加[11]和大气甲烷浓度[12]对土壤甲烷吸收速率影响的研究。
目前对土壤甲烷的吸收估算主要分为两类：1)基于点尺度数据, 通过外推得到区域尺度的土壤甲烷吸收速量。例如Shigehiro Ⅰ等通过站点实测数据对日本森林生态系统土壤的甲烷吸收速率进行了估算[13]。然而, 由于站点测值难以精确预测非检测时段和区域尺度的土壤甲烷吸收速率, 通常存在较大误差[14]。2)通过建立过程模型对大尺度生态系统的土壤甲烷吸收速率进行模拟。例如, Ridgwell等1999年建立的土壤甲烷扩散-反应模型(R99)[15]、Curry等2007年建立的全球土壤甲烷吸收模型(C07)[16], Sabrekov等于2016年建立的高原土壤甲烷汇模型[17], 以及Murguia-Flores等于2018年建立的Methanotrophy Model模型(memo1.0)[4]。这些模型可以通过模拟环境因素对土壤中甲烷氧化菌活性的调控过程和气体在表层土壤中的扩散速率, 对土壤甲烷的吸收进行量化计算。
国内研究对土壤甲烷吸收通常基于静态箱法的点位观测, 如对草原、高寒草甸土壤甲烷吸收的监测[18—19], 或根据点位观测数据对部分生态系统土壤甲烷吸收量进行估算, 如Wang等量化了全国草地及森林生态系统的土壤甲烷吸收量[20], Cai等量化了全国草地, 森林和灌丛的土壤甲烷吸收量[21]。整体上来说, 点位观测覆盖范围有限, 不能对区域内高时空变化的土壤甲烷吸收速率进行连续监测[18], 同时也缺乏连续时间尺度全国范围各生态系统的土壤甲烷吸收的评估。本研究拟基于R99模型, 并利用实测数据对模型关键过程进行改进, 对我国1990—2020年不同生态系统月尺度全国土壤甲烷吸收进行模拟和量化评估, 并解析其时空格局特征及关键驱动因子。
1 研究方法与数据来源 1.1 土壤甲烷吸收速率计算经典的扩散-反应模型(R99)[15]是运用菲克第一定律和微生物氧化的一阶速率的平衡来计算土壤甲烷吸收速率(JCH4, mg CH4 m-2 d-1)的过程模型。该模型利用土壤属性、潜在蒸散量、降雨量、温度等来模拟土壤通气程度和土壤甲烷氧化菌活性, 进而计算土壤甲烷吸收速率。R99模型计算公式如下：
|
其中F是通过半数值解得到的一个系数, 取9.16×10-9 mg mm3 m-3 [15]；C0CH4为大气甲烷浓度, 此处采用固定的平均值1.576 mm3/m3[15]；Zd为氧化反应所处的土壤深度, 通常土壤中氧化活动多集中在的5—7cm深度。本研究假设氧化活动集中在距离土壤表面6 cm的位置, Zd取6 cm[15, 22]；DCH4为土壤甲烷扩散系数, kd为土壤氧化速率常数, 其计算公式分别如下：
|
其中DOCH4为自由空气中甲烷的扩散系数, 取0.196 cm2/s[23], Gsoil和GT都为考虑环境影响的标量。
Gsoil主要通过土壤质地和土壤的孔隙度来计算, 这种参数化可以很好地预测气体在土壤中的扩散程度, 并且不需要考虑孔隙度大小的类别, 其计算公式为：
|
|
|
|
其中Φ是总孔隙体积(m3/m3)；ε是充气孔隙度(m3/m3)；b是可以根据土壤质地经验预测的常数[24]；ρb为土壤容重；ρs为土壤颗粒密度, 根据土壤类型分布进行划分[4]；θv为土壤体积含水量；Clay为土壤黏土含量(%)；Sand为土壤沙土含量(%)。
GT为温度影响标量, 其计算公式如下：
|
其中T为气温, 单位为℃。
甲烷氧化速率(Kd)定义为：
|
其中k0为未开垦湿润土壤在0℃下的基本氧化速率常数, 取8.7×10-4s-1；rsm为土壤水分影响调节因子; rT为温度影响调节因子; rN为农业影响调节因子, 其计算公式如下：
|
其中I为耕作强度分数, 即单元耕地占比。因为农业施肥可以加强土壤氮素输入土壤, 并抑制土壤甲烷养化菌的活性[25], 因此通过耕地占比建立方程, 模拟土壤氮素浓度对氧化活性的影响。
rsm为土壤水分影响调节因子, 其计算公式如下：
|
土壤水分影响调节因子rsm通过降雨量、潜在蒸散量及土壤含水量来表示水分对土壤甲烷吸收的限制效应。P为月降雨量, 单位是mm；SM为30cm深度的土壤含水量, 单位是mm；ETp为潜在蒸散量, 单位为mm。
rT为温度影响调节因子,其计算公式如下：
|
其中T为气温, 单位为℃。
1.2 数据来源本研究使用的降雨与温度数据, 是基于全国约2400多个气象站点的降水与气温观测数据, 通过ANUSPLIN4.4插值得到[26]。潜在蒸散量(ETp)、土壤湿度(SM)和土壤体积含水量(θv)来自国家地球系统科学数据中心(http://www.geodata.cn )[27]。土壤质地和土壤容重数据来自中国高分辨率国家土壤信息格网基本属性数据集[28—29]。用来估算Icult的耕地占比数据来自逐年中国土地利用数据集(CLUD-A), 该数据是清华大学发布的一个以百分比代表土地利用覆盖占比的逐年多遥感融合土地利用变化数据集[30]。由于土壤表面为混凝土或水面时吸收速率可忽略不计, 因此通过掩膜将建设用地、水体、湿地和水稻田等区域排除, 其中水稻田分布数据来源于国家地球系统科学数据中心全国水稻500 m分辨率时空分布数据集[31], 其余为CLUD-A中相应土地利用数据。数据来源详见表 1。
| 驱动因子Driving factor | 所用数据Data used | 单位Unit | 数据来源Data source |
| T | 气温 | ℃ | 气象站点数据插值获得 |
| P | 降雨量 | mm | 气象站点数据插值获得 |
| ETp | 潜在蒸散量 | mm | 国家地球系统科学数据中心 |
| SM | 土壤含水量 | mm | 国家地球系统科学数据中心 |
| I | 耕地占比 | 无量纲 | CULD-A中耕地部分 |
| Sand | 沙土含量 | % | 中国高分辨率国家土壤信息格网基本属性数据集(0—5 cm) |
| Clay | 黏土含量 | % | 中国高分辨率国家土壤信息格网基本属性数据集(0—5 cm) |
| ρb | 土壤容重 | 无量纲 | 中国高分辨率国家土壤信息格网基本属性数据集(0—5 cm) |
| θv | 土壤体积含水量 | % | 国家地球系统科学数据中心 |
本研究采用一元线性回归方法, 计算1990—2020年全国土壤甲烷吸收速率时间变化趋势。同时计算每个栅格变化趋势来评估土壤甲烷吸收的空间变化格局[32], 其计算方式如下：
|
(12) |
其中slope表示一元线性回归得到的斜率, 即土壤甲烷吸收的年际变化速率, n为监测年数, 本文取值为31, ji为第i年该栅格单元值, i为年变量。
1.4 土壤甲烷吸收空间分异驱动因素分析本研究利用地理探测器对土壤甲烷吸收空间分异驱动因素进行分析。地理探测器是一种可以揭示要素空间变异性并探测其背后驱动力的一组统计方法[33], 包括风险探测、因子探测、生态探测和交互作用探测。本文使用其中的因子探测和交互探测, 从主要环境和管理因子及其相互作用对1990—2020年土壤甲烷吸收速率空间异质性驱动因素进行探讨。
利用因子探测计算不同影响因子对土壤甲烷吸收速率空间分异程度的解释力, 并以q值为度量：
|
|
|
其中h=1, 2...L为因子的分层, 即分类或分区。选取9个相关驱动因子, 其中土地利用按不同生态系统分为5类(草地、森林、裸地、耕地、灌丛), 其余8个因子, 根据王劲峰等[33]提出的数据离散化原则, 按自然间断法将各指标分为9类(表 2)。Nh为第h层所属区域的栅格数；N为全国区域总栅格数；σh2为第h层甲烷吸收速率的方差；σ2为全国总区域的甲烷吸收速率的方差；SSW表示不同层所属区域甲烷吸收速率方差之和；SST表示全区域甲烷吸收速率的总方差。q值表示因子对土壤甲烷吸收速率空间异质性的解释力, 值域为[0, 1], q值越大表示因子对土壤甲烷吸收速率空间分异的影响程度越大。
| 类型 Type |
因子 Factor |
分层数 Number of layers |
类型 Type |
因子 Factor |
分层数 Number of layers |
|
| 气候 Climate | 月降雨量 | 9 | 黏土含量 | 9 | ||
| 月潜在蒸散量 | 9 | 土壤含水量 | 9 | |||
| 月均温 | 9 | 土地利用 Land use | 土地利用类型 | 5 | ||
| 土壤属性 Soil properties | 土壤孔隙度 | 9 | 耕地占比 | 9 | ||
| 沙土含量 | 9 |
利用交互作用探测器计算不同影响因子间交互作用对土壤甲烷吸收速率空间分异的解释力, 将其交互解释力同样以q值表示, 同时对每两个因子间的关系进行划分。先计算两个因子的解释力, 分别为q(X1)和q(X2), 再计算两个因子叠加后的解释力q(X1∩X2), 对其进行比较后可分为5类(表 3)。
| 判断方式 Judgment method |
交互因子类型 Interaction factor type |
意义 Meaning |
| q(X1∩X2) < Min(q(X1), q(X2)) | 非线性减弱 | 交互后相对单因子解释力大幅度减弱 |
| Min(q(X1), q(X2)) < q(X1∩X2) < Max(q(X1), q(X2)) | 单因子非线性减弱 | 交互相对于二者中解释力较强的因子有所减弱 |
| q(X1∩X2)=q(X1)+q(X2) | 独立关系 | 两因子交互后解释力增加, 增量为二者解释力之和 |
| q(X1∩X2)>Max(q(X1), q(X2)) | 双因子增强 | 交互后相对单因子解释力有所增强 |
| q(X1∩X2)>q(X1)+q(X2) | 非线性增强 | 交互后相对单因子解释力大幅度增强 |
基于地理探测器所得结果, 本文采用偏相关分析分别探究关键环境变量与土壤甲烷吸收速率的相关关系。使用偏相关分析可以剔除其余因子的影响, 单独分析单一因子与土壤甲烷吸收速率之间的相关程度, 计算公式为：
|
其中x为土壤甲烷吸收速率；y为进行偏相关分析的因子；l1l2…ln为控制因子。
本研究收集了全国20个站点的188条不同土地覆被类型土壤甲烷吸收实测数据, 用于模型改进与验证(图 1), 其中森林包含了8个站点的42条实测数据, 草地包含了10个站点的144条实测数据, 沙漠包含了2个站点的2条实测数据。
|
| 图 1 实测站点及地表类型分布图 Fig. 1 Distribution map of measured stations and land cover types |
直接将R99模型在对应站点的模拟结果与实测数据进行对比, 结果呈现较大的差异。进一步分析表明, 在温度较高和较低的季节和地区, 模拟与实测数据之间的差异较大。同时, 相关研究表明温度对于土壤甲烷吸收作用的影响在不同地方随温度变化的异性质而表现出较大的不确定性[34], 基于此, 本研究选择对R99原模型中温度影响因子的响应曲线进行改进。
本研究对不同温度区间上土壤甲烷吸收速率模拟值与实测值进行对比(表 4)。在0℃到5℃的温度范围内, 模拟值与实测值之间表现出一致性, 而在5℃到18℃的温度范围内, 二者呈现一定的差异。当温度高于18℃时, 模拟值仍然持续上升, 而实测值呈现急剧下降的趋势, 二者差别显著。在温度低于0℃时, 原R99模型认为甲烷氧化菌活动停止, 而站点数据显示在温度低于0℃的时仍有较低的甲烷吸收。
| 温度区间 Temperature range/℃ |
平均温度 Average temperature/℃ |
实测平均吸收速率 Measured average absorption rate/ (mg CH4 m-2 month-1) |
R99模拟平均吸收速率 Simulated average absorption rate by R99/ (mg CH4 m-2 month-1) |
| < 0 | -7.24 | 17.12 | 0 |
| 0—5 | 3.04 | 32.79 | 29.01 |
| 5—18 | 12.47 | 42.24 | 47.31 |
| >18 | 21.34 | 31 | 53.41 |
| R99: 土壤甲烷扩散-反应模型 | |||
因此, 基于实测数据记录并进行分段拟合, 对土壤甲烷吸收与温度响应的关系进行了改进(图 2), 得到了以下改进后的公式：
|
|
| 图 2 原模型与改进模型rT对温度的响应曲线图 Fig. 2 Response curve of rT to Temperature for the original and improved Models R99: 土壤甲烷扩散-反应模型; rT0: 温度影响调节因子理论值；rT: 温度影响调节因子；T: 气温 |
基于不同站点, 通过改进后的R99模型再次进行模拟, 并与原R99模型模拟结果在不同温度区间上进行比较结果表明, 改进后的模型在适应性和精度方面比原模型有了显著提升(图 3)。
|
| 图 3 模型改进前后模拟值与实测值对比图 Fig. 3 Comparison of simulated values and measured values before and after model improvement |
基于改进后的模型对各站点土壤甲烷吸收的模拟值与观测值按不同的土地覆盖类型进行对比分析, 结果表明改进后的模型在森林及草地覆盖的区域上的模拟结果均具有较好的可靠性(图 4)。从不同站点不同类型下土壤甲烷吸收模拟值与实测值的均值对比结果来看, 模拟值和实测值吻合较好(图 5)。总体上, 改进后的R99模型对于我国土壤甲烷吸收的模拟有较好的适用性。
|
| 图 4 模型改进后模拟值与实测值对比 Fig. 4 Comparison of simulated and measured values after model improvement |
|
| 图 5 不同地表类型下土壤甲烷吸收速率模拟值与实测值对比 Fig. 5 Comparison of simulated and measured upland methane uptake rates under different land cover types |
从年尺度来看, 不同土地利用类型下全国年土壤甲烷吸收量均呈起伏式增长趋势(图 6)。1990—2020年全国土壤甲烷年均吸收量约为2.95 Tg CH4/a, 1997年呈现最低值, 吸收量约为2.82 Tg CH4, 2016年到达最高值, 吸收量约为3.03 Tg CH4。对裸地, 耕地, 森林, 草地, 灌丛进行统计, 其吸收量均值分别为0.53、0.43、0.79、1.00、0.20 Tg CH4/a, 除裸地外均呈上升趋势。
|
| 图 6 1990—2020年不同土地利用类型土壤甲烷年和月吸收总量变化图 Fig. 6 Changes of total annual and monthly upland methane uptake by different land use types from 1990 to 2020 |
以月为单位分析发现, 5种土地利用下7月和8月均是土壤吸收甲烷的高峰期(图 6), 全国土壤甲烷总吸收量均达到0.34 Tg CH4/月以上。而12月和1月均是土壤甲烷吸收的低谷期, 全国土壤甲烷总吸收量通常低于0.18 Tg/月。5种土地利用类型的土壤甲烷吸收量在月尺度上变化趋势趋同。森林和草地区域是土壤甲烷的主要汇, 而灌丛对甲烷吸收量的贡献率较低。
2.3 全国土壤甲烷吸收空间格局对全国土壤甲烷吸收速率分布进行季节性统计, 发现夏季(6—8月)吸收速率最高, 春季(3—5月)及秋季(9—11月)吸收速率相较于冬季(12—次年2月)略高, 相较于夏季略低。整体上呈现出南部地区吸收速率较高, 北部地区吸收速率较低的特点, 并自南向北递减。云南、广西、广东和福建是全国土壤甲烷吸收速率最大的省份, 而东三省和新疆青海等地的吸收速率较低。河南、江苏、河北和山东等地建设用地和湿地较多, 吸收速率偏低。新疆塔里木盆地地区的吸收速率最低(图 7)。
|
| 图 7 土壤甲烷月吸收速率分布(1990—2020多年均值) Fig. 7 Monthly soil methane uptake rate distribution(1990—2020 average) |
将研究时段划分为三个时期(1990—2000、2001—2010、2011—2020)并与整个研究时段作距平分析。从空间上来看, 全国的土壤甲烷吸收速率呈现增加趋势(图 8)。相较于1990—2000年和2001—2010年, 2011—2020年间全国吸收速率增长尤为显著。其中, 南方和中原地区的吸收速率显著上升, 尤其是云贵高原和华北平原的增长更加明显。北方部分地区则呈下降趋势, 如内蒙古锡林郭勒西部土壤甲烷吸收速率显著下降。
|
| 图 8 十年尺度土壤甲烷吸收速率相较于1990—2020月距平分布图 Fig. 8 Decadal-scale distribution of soil methane uptake rates relative to the 1990—2020 monthly anomaly |
从1990—2020年的时间序列来看, 全国年土壤甲烷吸收率总体呈上升趋势(图 9)。在中国西南方大部分区域, 土壤甲烷吸收率呈极显著增加趋势, 云南、四川、贵州、青海和西藏土壤甲烷吸收率均显著上升。相反, 东北平原和新疆内蒙古地区则多呈下降趋势。总体上, 全国范围内呈现出北部吸收速率降低, 南部和中部吸收速率增加的趋势, 增长趋势明显地区远多于下降趋势的地区。
|
| 图 9 1990年—2020年全国土壤甲烷吸收变化趋势分类图 Fig. 9 Classification map of soil methane uptake trend in China from 1990 to 2020 |
全国土壤甲烷吸收速率空间异质性因子解释力探测结果显示, 月均降水量和土壤含水量相对于其他因子具有较高的解释力, 均达到了0.35以上, 且土壤含水量对土壤甲烷吸收速率的空间分异影响最大, 解释力达到0.37(表 5)。潜在蒸散量、土壤黏土含量和土壤孔隙度对土壤甲烷吸收的空间异质性解释力较低, 分别为0.08、0.10和0.05。其他因子的解释力在0.15至0.27之间分布, 按照降序依次为月均温度、土壤沙土含量、土地利用类型和耕地占比。根据这些因子的属性分类, 气候类因子的解释力均值为0.24, 土地利用类因子的解释力均值为0.16, 土壤属性类因子的解释力均值为0.19。因此, 气候因子相较于土壤属性和土地利用对土壤甲烷吸收具有更强的影响力, 并对中国范围内土壤甲烷吸收的空间异质性贡献突出。
| 因子 Factor |
耕地面积 Percent of cropland |
潜在蒸散量 Potential evapotranspiration |
土壤黏土含量 Clay soil content |
土壤沙土含量 Sand soil content |
土壤孔隙度 Total pore volume |
月均温度 Monthly average temperature |
月均降水量 Monthly average precipitation |
土壤含水量 Volumetric Water Content |
土地利用 Land use |
| q | 0.15 | 0.08 | 0.17 | 0.10 | 0.05 | 0.26 | 0.37 | 0.37 | 0.16 |
| P | ≤0.01 | ≤0.01 | ≤0.01 | ≤0.01 | ≤0.01 | ≤0.01 | ≤0.01 | ≤0.01 | ≤0.01 |
| q：解释力；P：差异显著性 | |||||||||
根据土地利用类型将全国区域分为5类, 并计算出每类土地利用类型中除土地利用类型外的其他8个因子的q值(图 10)。由于主导因素的不同, 各类型土地的影响因子对土壤甲烷吸收速率的空间分异解释力在种类和影响程度上存在显著差异。土壤含水量是裸地土壤甲烷吸收速率主导因素, 其因子解释力为0.57；耕作强度(耕地所占比例)是耕地土壤甲烷吸收速率主导因素, 因子解释力为0.31；土壤含水量是草地土壤甲烷吸收速率主导因素, 因子解释力为0.29。对于森林来说, 影响因子的作用显示出明显的分层效应, 潜在蒸散量、温度、月降雨量和土壤含水量的因子解释力均超过0.40, 气候因子对森林土壤甲烷吸收的空间异质性具有主导作用。对于灌丛土壤甲烷吸收, 主要受月均温度和土壤含水量的影响, 其中气温的因子解释力达到0.36。土壤孔隙度对各种土地利用类型的吸收速率影响均较低。
|
| 图 10 不同土地利用类型各因子对土壤甲烷吸收速率空间异质性的影响程度 Fig. 10 The influence of different land use types and factors on the spatial heterogeneity of upland methane uptake |
各因子之间的交互影响分析显示(图 11), 月均降雨量和土壤含水量不仅具有较强的自身解释力, 而且在与其他因子叠加后对土壤甲烷吸收的影响力更大, 这表明它们是影响土壤甲烷吸收的主要因素。当耕地占比与温度、土壤含水量和月均降雨量相结合时, 解释力显著提高, 而与土壤含水量相结合时, 解释力达到了所有因子结合中的最高值(q=0.53)。潜在蒸散量的自身解释能力较低, 在考虑与其他因子交互作用后, 解释力显著提高。土壤孔隙度在与降雨量和土壤湿度相关的因子相结合后, 解释力同样显著提高。这表明对甲烷吸收速率产生巨大影响的是土壤通风程度而不是土壤孔隙度本身, 土壤孔隙度除与温度、降雨和土壤含水量结合外, 在与其他因子结合时的解释力均不足0.30。总体上看, 所有因子与其他因子结合的交互解释力呈现增加的趋势, 其中气象因子的影响尤为显著。
|
| 图 11 土壤甲烷吸收影响因子交互作用相关性热力图 Fig. 11 Heatmap of interaction correlation between upland methane uptake influencing factors |
所有因子的相互结合都呈现出双因子增强或非线性增强的趋势, 即每个因子与其他因子的相互作用对土壤甲烷吸收的影响更大。潜在蒸散量与其他因子的结合都表现为非线性增强, 解释力相比于自身单独考虑时有明显提高。耕地占比与含沙量、粘土含量、孔隙度、温度和土壤含水量结合, 含沙量与土壤孔隙度和温度结合, 土壤孔隙度与温度结合后解释力都呈非线性增长, 而其他因子之间结合则呈现线性增长。总体上来看, 降雨量、土壤含水量和温度之间的结合是影响土壤甲烷吸收的主要因素。
为了定量识别不同驱动因子与土壤甲烷吸收速率在时间尺度上的相关性, 结合土壤甲烷吸收速率空间分异归因的结果, 本研究选择了降雨量、温度、潜在蒸散量和土壤含水量这四个在时间尺度上变化较大的因子进行趋势分析和偏相关分析(图 12)。潜在蒸散量在南方地区多呈上升趋势, 与土壤甲烷吸收呈正相关, 北方则多呈下降趋势, 与土壤甲烷吸收呈负相关；降雨量在青海, 东北平原等地呈上升趋势, 与土壤甲烷吸收在主要在偏西北地区呈现正相关；温度在全国温度均呈上升趋势, 与土壤甲烷吸收在在南方绝大部分地区呈正相关；土壤含水在青海和藏北等地呈上升趋势, 与土壤甲烷吸收在相关系数的正值多分布于西北地区。
|
| 图 12 土壤甲烷吸收影响因子变化趋势及偏相关系数分布图 Fig. 12 Trends of upland methane uptake influencing factors and distribution map of partial correlation coefficients |
基于图 12生成最主要影响因子分布及统计图(图 13), 结果显示, 云南地区土壤甲烷吸收速率的增长主要与土壤含水量的减少有关, 而四川贵州等地区的吸收速率增加与潜在蒸散量的增加有关, 青藏高原地区土壤甲烷吸收速率的上升与土壤含水量和潜在蒸散量的增加密切相关, 华北平原的增长主要受降雨量的减少和温度升高的影响, 广东、江西和福建地区土壤甲烷吸收速率的升高主要归因于潜在蒸散量增加和土壤含水量的减少, 新疆、内蒙古地区土壤甲烷吸收速率的减少主要受降雨和土壤含水量同时减少的影响。总体来看, 潜在蒸散量、气温、降雨量、土壤含水量均与土壤甲烷吸收量呈正相关, 仅在少数地方与土壤甲烷吸收量呈负相关。
|
| 图 13 土壤甲烷吸收最主要影响因子分布 Fig. 13 Distribution of the most important influencing factors of upland methane uptake |
本研究利用改进后的R99模型对1990年至2020年间全国土壤甲烷吸收进行了计算。结果显示1990—2020年间土壤甲烷年均吸收量为(2.95±0.09) Tg CH4/a, 高于此前Wang估算的1.32 Tg CH4/a及Cai估算的2.56 Tg CH4/a [20—21]。草地和森林土壤是我国陆地生态系统最主要的甲烷汇, 总共贡献了1990—2020年间全国土壤甲烷吸收总量的60.8%。其中森林为0.79 Tg CH4/a, 略高于其它研究估计的(0.6±0.19) Tg CH4/a[21]及(0.68±0.27) Tg CH4/a[20]；草地区域为1.01 Tg CH4/a, 高于Wang的研究提出的(0.65±0.48) Tg CH4/a[20]；草地与灌丛土壤甲烷吸收量总和为1.20 Tg CH4/a低于此前Cai的估算(1.73±0.64) Tg CH4/a[21]。以往的研究往往忽略了对灌丛、耕地和裸地甲烷吸收量的估算, 本研究对应的估算值分别为0.20、0.43、0.53 Tg CH4/a。
土壤质地决定了土壤孔隙度, 土壤孔隙度的大小决定了土壤中气体的扩散程度, 土壤甲烷氧化菌通过吸收氧气和甲烷进行氧化反应从而实现去除甲烷的效果, 因此良好的气体扩散程度会使局部地区具有更高的土壤甲烷吸收速率[35]。土壤湿度通常会在两个方面对土壤甲烷吸收产生影响, 一是影响甲烷氧化活性菌群的活性, 在土壤湿度较高和较低时, 土壤甲烷氧化菌的活性都会受到抑制。二是土壤湿度会通过填充孔隙度削弱土壤的通风能力, 并且压缩土壤氧化菌活动空间, 对土壤氧化菌群落的种类和氧化作用产生影响[36]。相较于土壤湿度较低时对甲烷氧化活动带来的影响, 土壤湿度过高所产生的影响可忽略不计[8]。对于气温而言, 在达到一定的阈值前, 温度升高可以提高土壤甲烷氧化菌的活性, 但过高的温度也会对土壤甲烷氧化菌的活性产生负面影响；同时, 温度的升高还可以提高气体扩散系数, 减少土壤湿度来间接影响甲烷的氧化速率[37]。本研究基于土壤甲烷吸收与温度响应关系对R99模型进行改进, 提升了各生态系统土壤甲烷吸收速率的模拟精度。氮通常通过氮肥进入土壤, 通过影响甲烷氧化菌的氧化活动, 对土壤甲烷吸收产生抑制作用[34], 本研究通过耕地占比来表征耕作强度, 间接反映氮素输入的强度。
我国土壤甲烷吸收总量在1990—2020年间整体上呈上升趋势, 并呈明显的季节性变化, 夏季高于冬季, 生长季高于非生长季。从区域分布来看, 土壤甲烷吸收总量在南方地区呈增长趋势, 北方呈减少趋势。青藏高原地区土壤甲烷吸收速率显著增高, 这主要归因于土壤含水量和潜在蒸散量的增加, 在生长季, 温度和降雨量同时升高的状况下, 温度的升高不仅使得土壤氧化菌丰度和活性增加, 还可以通过提升潜在蒸散量, 有效减少土壤湿度增加所带来的负面影响[38]。以新疆和内蒙古等地为代表的北方地区, 由于受当地干旱土壤水分胁迫的影响, 降雨量的减少抑制了土壤甲烷氧化菌的活性[39], 直接导致了当地的土壤甲烷吸收速率的减少。此外, 降雨量的减少通过降低植物丰富度, 间接降低土壤甲烷吸收速率, 因此北部地区降雨量的减少成为土壤甲烷吸收速率减少的主导因素[40]。东南部地区土壤甲烷吸收速率的增长则主要是由于温度和潜在蒸散量的增加引起。
我国土壤甲烷吸收速率在空间上呈南高北低的分布状况。温度, 降雨量和土壤含水量的空间差异是导致我国土壤甲烷吸收速率空间异质性的主要因素, 且不同因子对甲烷吸收速率的解释力存在差异。对于不同生态系统的单因子探测分析显示, 在荒漠和草地覆盖地区, 土壤含水量为影响土壤甲烷吸收速率空间异质性的主要因子。这是因为荒漠和草原多分布于北方地区, 降雨量和土壤含水量相对较低, 使得土壤甲烷吸收速率在干旱条件下对土壤湿度的敏感性较高[39]。此外, 干旱地区降水量的变化会影响土壤有效氮含量等, 对土壤甲烷吸收速率产生显著影响[39]。这也印证了多因子交互作用分析中, 降雨量和土壤含水量在与其他因子交互后, 对土壤甲烷吸收速率空间异质性的解释力大幅增加的现象。对于森林生态系统而言, 温度则是土壤甲烷吸收速率最主要的影响因子, 这是由于森林生态系统中, 温度不仅可以影响土壤氧化菌活性, 还可以加速森林生态系统凋落物的分解从而影响土壤甲烷吸收速率[40]。东南部森林分布广, 温度也处于升高状态, 因此全年均保持较高的土壤甲烷吸收速率[20]。在耕地生态系统中, 耕作强度是最大的影响因子。灌丛中温度对甲烷吸收速率空间分异的影响程度最高。因子交互作用分析的结果显示, 气象因子之间或与其他因素结合后, 能够产生更大的解释力, 这说明气象因子是土壤甲烷吸收速率时空变化的关键因素。
本研究在以下方面尚需进一步完善：首先, 部分学者的研究表明[41—42], 放牧强度和放牧方式是影响草地土壤甲烷吸收的因素之一, 本研究当前未考虑；其次, 中国拥有世界上最大的人工林分布, 而现有研究表明, 人工林地的土壤甲烷平均吸收速率(16.3 mg CH4 m-2 month-1)显著低于天然林地(41.3 mg CH4 m-2 month-1)[43], 未来研究需要对森林类型作进一步区分；再次, 研究还表明森林凋落物会对土壤甲烷吸收产生影响, 在热带雨林中会降低土壤甲烷吸收速率, 而在寒温带及南亚季风区则会显著增加土壤对甲烷的吸收速率[21, 44—45]；最后, 氮对土壤甲烷氧化菌活性的影响并不是简单的线性关系, 中高浓度的氮可以抑制甲烷氧化菌活性, 但低浓度的氮反而促进甲烷的吸收[46—48], 通过耕地占比因子并不能充分反映氮对土壤甲烷吸收过程的影响。
4 结论(1) 1990—2020年间全国土壤甲烷吸收年均总量约为(2.95±0.09) Tg CH4/a其中森林和草地生态系统吸收量占主导, 分别为0.79, 1.00 Tg CH4/a。全国土壤甲烷吸收年均总量在时间上呈明显的季节性特征, 夏季高, 冬季低, 并且在空间上呈南高北低的分布格局。
(2) 1990—2020年间我国土壤甲烷吸收年均总量整体呈上升趋势, 但南北方变化趋势不同。南方和青藏地区土壤甲烷吸收速率呈上升趋势, 而北方则呈下降趋势, 近20年来这种趋势格局尤为显著。
(3) 土壤甲烷吸收速率的增长主要是由气候变化引起的土壤含水量和潜在蒸散量的增加所导致的。土壤甲烷吸收速率区域空间差异则主要归因于气温、潜在蒸散量和土壤含水量的差别。裸地和草地的土壤甲烷吸收速率主要受土壤含水量影响, 森林和灌丛的土壤甲烷吸收速率主要受温度影响, 耕地的土壤甲烷吸收速率则主要受耕作强度的影响。其中, 北方草地生态系统由于气候相对干旱, 因此在降雨和土壤含水量减少的环境下, 土壤甲烷吸收速率也随之减少；南方森林生态系统, 受温度和潜在蒸散量升高的影响, 甲烷吸收速率显著提升；青藏高原地区则受土壤含水量和潜在蒸散量增加的影响, 土壤甲烷吸收速率显著增加。
| [1] |
Calvin K, Dasgupta D, Krinner G, Mukherji A, Thorne P, Trisos C, Romero J, Aldunce P, Barrett K, Blanco G, Cheung W, Connors S L, Denton F, Diongue-Niang A, Dodman D, Garschagen M, Geden O, Hayward B, Jones C, Jotzo F, Krug T, Lasco R, Lee Y Y, Masson-Delmotte V, Meinshausen M, Mintenbeck K, Mokssit A, Otto F, Pathak M, Pirani A, Poloczanska E, Pörtner H, Revi A, Roberts D, Roy J, Ruane A, Skea J, Shukla P, Slade R, Slangen A, Sokona Y, Sörensson A, Tignor M, van Vuuren D V, Wei Y M, Winkler H, Zhai P, Zommers Z, Hourcade J, Johnson F X, Pachauri S, Simpson N, Singh C, Thomas A, Totin E, Alegría A, Armour K, Bednar-Friedl B, Blok K, Cissé G, Dentener F, Eriksen S, Fischer E, Garner G, Guivarch C, Haasnoot M, Hansen G, Hauser M, Hawkins E, Hermans T, Kopp R, Leprince-Ringuet N, Lewis J, Ley D, Ludden C, Niamir L, Nicholls Z R J, Some S, Szopa S, Trewin B, van der Wijst K I, Winter G, Witting M, Birt A, Ha M. IPCC, 2023: climate change 2023: synthesis report. contribution of working groups I, II and III to the sixth assessment report of the intergovernmental panel on climate change[core writing team, H. lee and J. romero (eds. )]. IPCC, Geneva, Switzerland, 2023, 50(2): 577-580.
|
| [2] |
Rodhe H. A comparison of the contribution of various gases to the greenhouse effect. Science, 1990, 248(4960): 1217-1219. DOI:10.1126/science.248.4960.1217 |
| [3] |
Saunois M, Bousquet P, Poulter B, Ciais P, Canadell J, Dlugokencky E, Peregon A. The global methane budget 2000-2012. Earth System Science Data, 2016, 8(2): 697-751. DOI:10.5194/essd-8-697-2016 |
| [4] |
Murguia-Flores F, Arndt S, Ganesan A L, Murray-Tortarolo G, Hornibrook E R C. Soil methanotrophy model (MeMo v1.0): a process-based model to quantify global uptake of atmospheric methane by soil. Geoscientific Model Development, 2018, 11(6): 2009-2032. DOI:10.5194/gmd-11-2009-2018 |
| [5] |
Allan W, Struthers H, Lowe D C. Methane carbon isotope effects caused by atomic chlorine in the marine boundary layer: global model results compared with southern hemisphere measurements. Journal of Geophysical Research: Atmospheres, 2007, 112(D4): e2006jd007369. DOI:10.1029/2006JD007369 |
| [6] |
Crutzen P J, Zimmermann P H. The changing photochemistry of the troposphere. Tellus B: Chemical and Physical Meteorology, 1991, 43(4): 136. DOI:10.3402/tellusb.v43i4.15403 |
| [7] |
Dalal R C, Allen D E, Livesley S J, Richards G. Magnitude and biophysical regulators of methane emission and consumption in the Australian agricultural, forest, and submerged landscapes: a review. Plant and Soil, 2008, 309(1): 43-76. |
| [8] |
Shukla P N, Pandey K D, Mishra V K. Environmental determinants of soil methane oxidation and methanotrophs. Critical Reviews in Environmental Science and Technology, 2013, 43(18): 1945-2011. DOI:10.1080/10643389.2012.672053 |
| [9] |
Le Mer J, Roger P. Production, oxidation, emission and consumption of methane by soils: a review. European Journal of Soil Biology, 2001, 37(1): 25-50. DOI:10.1016/S1164-5563(01)01067-6 |
| [10] |
张俊珍, 周迪, 郭旭东, 郭颖, 王昊, 程建伟, 包智华, 宝音陶格涛, 李永宏. 适度放牧增加内蒙古典型草原甲烷氧化菌丰度和甲烷吸收. 应用生态学报, 2019, 30(6): 1919-1926. |
| [11] |
Wu F T, Peng C H, Wang C Y, Chen H, Liu W G, Liu Z H, Wang H, Li H, Chen D X, Li Y D, Liu S R. Responses of soil CH4 fluxes to nitrogen addition in two tropical montane rainforests in Southern China. Forest Ecosystems, 2022, 9: 100031. DOI:10.1016/j.fecs.2022.100031 |
| [12] |
Subke J A, Moody C S, Hill T C, Voke N, Toet S, Ineson P, Teh Y A. Rhizosphere activity and atmospheric methane concentrations drive variations of methane fluxes in a temperate forest soil. Soil Biology and Biochemistry, 2018, 116: 323-332. DOI:10.1016/j.soilbio.2017.10.037 |
| [13] |
Ishizuka S, Sakata T, Sawata S, Ikeda S, Sakai H, Takenaka C, Tamai N, Onodera S I, Shimizu T, Kan-na K, Tanaka N, Takahashi M. Methane uptake rates in Japanese forest soils depend on the oxidation ability of topsoil, with a new estimate for global methane uptake in temperate forest. Biogeochemistry, 2009, 92(3): 281-295. DOI:10.1007/s10533-009-9293-0 |
| [14] |
Smith K A, Dobbie K E, Ball B C, Bakken L R, Sitaula B K, Hansen S, Brumme R, Borken W, Christensen S, Priemé A, Fowler D, MacDonald J A, Skiba U, Klemedtsson L, Kasimir-Klemedtsson A, Degórska A, Orlanski P. Oxidation of atmospheric methane in Northern European soils, comparison with other ecosystems, and uncertainties in the global terrestrial sink. Global Change Biology, 2000, 6(7): 791-803. DOI:10.1046/j.1365-2486.2000.00356.x |
| [15] |
Ridgwell A J, Marshall S J, Gregson K. Consumption of atmospheric methane by soils: a process-based model. Global Biogeochemical Cycles, 1999, 13(1): 59-70. DOI:10.1029/1998GB900004 |
| [16] |
Curry C L. Modeling the soil consumption of atmospheric methane at the global scale. Global Biogeochemical Cycles, 2007, 21(4): B4012-1-B4012-15. |
| [17] |
Sabrekov A F, Glagolev M V, Alekseychik P K, Smolentsev B A, Terentieva I E, Krivenok L A, Maksyutov S S. A process-based model of methane consumption by upland soils. Environmental Research Letters, 2016, 11(7): 075001. DOI:10.1088/1748-9326/11/7/075001 |
| [18] |
Liu W, Wang J M, Wang Z P. Plant functional type effects on methane uptake by soils in typical grasslands of Inner Mongolia. Chinese Journal of Plant Ecology, 2011, 35(3): 275-283. DOI:10.3724/SP.J.1258.2011.00275 |
| [19] |
Lin X W, Wang S P, Ma X Z, Xu G P, Luo C Y, Li Y N, Jiang G M, Xie Z B. Fluxes of CO2, CH4, and N2O in an alpine meadow affected by yak excreta on the Qinghai-Tibetan Plateau during summer grazing periods. Soil Biology and Biochemistry, 2009, 41(4): 718-725. DOI:10.1016/j.soilbio.2009.01.007 |
| [20] |
Wang Y F, Chen H, Zhu Q A, Peng C H, Wu N, Yang G, Zhu D, Tian J Q, Tian L X, Kang X M, He Y X, Gao Y H, Zhao X Q. Soil methane uptake by grasslands and forests in China. Soil Biology and Biochemistry, 2014, 74: 70-81. DOI:10.1016/j.soilbio.2014.02.023 |
| [21] |
Cai Z C. Greenhouse gas budget for terrestrial ecosystems in China. Science China Earth Sciences, 2012, 55(2): 173-182. DOI:10.1007/s11430-011-4309-8 |
| [22] |
Kruse C W, Moldrup P, Iversen N. Modeling diffusion and reaction in soils: ii. atmospheric methane diffusion and consumption in a forest soil. Soil Science, 1996, 161(6): 355-365. DOI:10.1097/00010694-199606000-00002 |
| [23] |
Akira O. "Book-review" diffusion: mass transfer in fluid systems. The Quarterly Review of Biology, 1987, 62(1): 131. |
| [24] |
Saxton K E, Rawls W J, Romberger J S, Papendick R I. Estimating generalized soil-water characteristics from texture. Soil Science Society of America Journal, 1986, 50(4): 1031-1036. DOI:10.2136/sssaj1986.03615995005000040039x |
| [25] |
Morishita T, Hatano R, Nagata O, Sakai K, Koide T, Nakahara O. Effect of nitrogen deposition on CH4 uptake in forest soils in Hokkaido, Japan. Soil Science and Plant Nutrition, 2004, 50(8): 1187-1194. DOI:10.1080/00380768.2004.10408593 |
| [26] |
Hutchinson M F, Gessler P E. Splines-more than just a smooth interpolator. Geoderma, 1994, 62(1/2/3): 45-67. |
| [27] |
Peng S Z, Ding Y X, Liu W Z, Li Z. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. Earth System Science Data, 2019, 11(4): 1931-1946. DOI:10.5194/essd-11-1931-2019 |
| [28] |
Liu F, Wu H Y, Zhao Y G, Li D C, Yang J L, Song X D, Shi Z, Zhu A X, Zhang G L. Mapping high resolution national soil information grids of China. Science Bulletin, 2022, 67(3): 328-340. DOI:10.1016/j.scib.2021.10.013 |
| [29] |
Liu F, Zhang G L, Song X D, Li D C, Zhao Y G, Yang J L, Wu H Y, Yang F. High-resolution and three-dimensional mapping of soil texture of China. Geoderma, 2020, 361: 114061. DOI:10.1016/j.geoderma.2019.114061 |
| [30] |
Xu Y D, Yu L, Peng D L, Zhao J Y, Cheng Y Q, Liu X X, Li W, Meng R, Xu X L, Gong P. Annual 30-m land use/land cover maps of China for 1980-2015 from the integration of AVHRR, MODIS and Landsat data using the BFAST algorithm. Science China Earth Sciences, 2020, 63(9): 1390-1407. DOI:10.1007/s11430-019-9606-4 |
| [31] |
Qiu B W, Hu X, Chen C C, Tang Z H, Yang P, Zhu X L, Yan C, Jian Z Y. Maps of cropping patterns in China during 2015-2021. Scientific Data, 2022, 9(1): 479. DOI:10.1038/s41597-022-01589-8 |
| [32] |
Stow D, Daeschner S, Hope A, Douglas D, Petersen A, Myneni R, Zhou L, Oechel W. Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s. International Journal of Remote Sensing, 2003, 24(5): 1111-1117. DOI:10.1080/0143116021000020144 |
| [33] |
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134. |
| [34] |
Song H X, Peng C H, Zhu Q A, Chen Z, Blanchet J P, Liu Q Y, Li T, Li P, Liu Z L. Quantification and uncertainty of global upland soil methane sinks: processes, controls, model limitations, and improvements. Earth-Science Reviews, 2024, 252: 104758. DOI:10.1016/j.earscirev.2024.104758 |
| [35] |
Liu L, Estiarte M, Peñuelas J. Soil moisture as the key factor of atmospheric CH4 uptake in forest soils under environmental change. Geoderma, 2019, 355: 113920. DOI:10.1016/j.geoderma.2019.113920 |
| [36] |
Zheng Z Z, Wen F Q, Li C J, Guan S T, Xiong Y Q, Liu Y, Qian R Y, Lv M B, Xu S R, Cui X Y, Wang Y F, Hao Y B, Li L F. Methane uptake responses to heavy rainfalls co-regulated by seasonal timing and plant composition in a semiarid grassland. Frontiers in Ecology and Evolution, 2023, 11: 1149595. DOI:10.3389/fevo.2023.1149595 |
| [37] |
Tate K R. Soil methane oxidation and land-use change-from process to mitigation. Soil Biology and Biochemistry, 2015, 80: 260-272. DOI:10.1016/j.soilbio.2014.10.010 |
| [38] |
Zhang Z H, Wang G S, Wang H, Qi Q, Yang Y F, He J S. Warming and drought increase but wetness reduces the net sink of CH4 in alpine meadow on the Tibetan Plateau. Applied Soil Ecology, 2021, 167: 104061. DOI:10.1016/j.apsoil.2021.104061 |
| [39] |
Yue P, Zuo X A, Li K H, Li X Y, Wang S K, Misselbrook T. Precipitation changes regulate the annual methane uptake in a temperate desert steppe. Science of the Total Environment, 2022, 804: 150172. DOI:10.1016/j.scitotenv.2021.150172 |
| [40] |
Wu J J, Lu M, Feng J, Zhang D D, Chen Q, Li Q X, Long C Y, Zhang Q F, Cheng X L. Soil net methane uptake rates in response to short-term litter input change in a coniferous forest ecosystem of Central China. Agricultural and Forest Meteorology, 2019, 271: 307-315. DOI:10.1016/j.agrformet.2019.03.017 |
| [41] |
Ma L, Zhong M Y, Zhu Y H, Yang H L, Johnson D A, Rong Y P. Annual methane budgets of sheep grazing systems were regulated by grazing intensities in the temperate continental steppe: a two-year case study. Atmospheric Environment, 2018, 174: 66-75. DOI:10.1016/j.atmosenv.2017.11.024 |
| [42] |
Liu C Y, Holst J, Brüggemann N, Butterbach-Bahl K, Yao Z S, Yue J, Han S H, Han X G, Krümmelbein J, Horn R, Zheng X H. Winter-grazing reduces methane uptake by soils of a typical semi-arid steppe in Inner Mongolia, China. Atmospheric Environment, 2007, 41(28): 5948-5958. DOI:10.1016/j.atmosenv.2007.03.017 |
| [43] |
Werner C, Zheng X H, Tang J, Xie B H, Liu C Y, Kiese R, Butterbach-Bahl K. N2O, CH4 and CO2 emissions from seasonal tropical rainforests and a rubber plantation in Southwest China. Plant and Soil, 2006, 289(1): 335-353. |
| [44] |
Tang X L, Liu S G, Zhou G Y, Zhang D Q, Zhou C Y. Soil-atmospheric exchange of CO2, CH4, and N2O in three subtropical forest ecosystems in Southern China. Global Change Biology, 2006, 12(3): 546-560. DOI:10.1111/j.1365-2486.2006.01109.x |
| [45] |
Gao J B, Zhou W J, Liu Y T, Sha L Q, Song Q H, Lin Y X, Yu G R, Zhang J H, Zheng X H, Fang Y T, Grace J, Zhao J B, Xu J C, Gui H, Sinclair F, Zhang Y P. Litter-derived nitrogen reduces methane uptake in tropical rainforest soils. Science of the Total Environment, 2022, 849: 157891. |
| [46] |
Fang H J, Cheng S L, Yu G R, Cooch J, Wang Y S, Xu M J, Li L S, Dang X S, Li Y N. Low-level nitrogen deposition significantly inhibits methane uptake from an alpine meadow soil on the Qinghai-Tibetan Plateau. Geoderma, 2014, 213: 444-452. |
| [47] |
张裴雷, 方华军, 程淑兰, 徐敏杰, 李林森, 党旭升. 增氮对青藏高原东缘高寒草甸土壤甲烷吸收的早期影响. 生态学报, 2013, 33(13): 4101-4110. DOI:10.5846/stxb201208281217 |
| [48] |
何姗, 刘娟, 姜培坤, 周国模, 李永夫. 全球变化对森林土壤甲烷吸收的影响及其机制研究进展. 应用生态学报, 2019, 30(2): 677-684. |