疏勒河源高寒草甸土壤温室气体观测模拟研究.docx

《疏勒河源高寒草甸土壤温室气体观测模拟研究.docx》由会员分享，可在线阅读，更多相关《疏勒河源高寒草甸土壤温室气体观测模拟研究.docx（33页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、疏勒河源高寒草甸土壤温室气体观测模拟研究疏勒河源高寒草甸土壤温室气体观测模拟研究 目录摘要2Abstract3引言41 材料与方法51.1研究区概况51.2 DNDC模型简介61.3气体样品的采集71.4环境因子监测81.5分析方法81.6模型参数设置82结果与讨论122.1 CO2通量变化特征122.2模型验证132.3环境因子对CO2通量的影响193总结与展望213.1结论213.2问题与展望22参考文献24致 谢28疏勒河源高寒草甸土壤温室气体观测模拟研究摘 要：本研究以青藏高原东北部疏勒河上游多年冻土区的高寒草甸为研究区，利用反硝化-分解（DeNitrification-DeCompo

2、sition，DNDC模型），结合气象要素和土壤环境因子等数据，模拟了该区土壤温度和地表CO2通量，将模拟值与实测值进行比较，并分析地表CO2通量与其环境因子间的相关性。结果表明：模型能够较好地模拟研究区土壤温度和地表CO2通量，模型模拟值与实地观测值的相关系数R2分别为0.9601（n=365,P0.01）和0.9783（n=14,P0.01），均方根误差RMSE分别为0.21和0.34；在整个观测期（2013年）样地土壤表现为CO2源，土壤CO2通量的日变化范围为23.79481.00 mg m2h1，年排放总量为1479.24 gm-2；CO2通量与气温（P0.01）、降水（P0.05）

3、、太阳辐射（P0.01）、10cm土壤温度（P0.01）、10cm土壤含水量（P0.05）和10cm土壤盐分（P0.01）均显著相关。待模型进一步改进之后，方可优化其在该研究区的适应性。关键词： 高寒草甸；温室气体；DNDC；CO2通量；环境因子Observation and Simulation of Greenhouse Gas in Alpine Meadow Soils at the Source of Shule RiverAbstract: In this study, the alpine meadows in the permafrost area in the upper r

4、eaches of the Shule River in the northeastern Qinghai-Tibet Plateau were used as the study area. DeNitrification-DeComposition (DNDC model) was used in combination with data such as meteorological elements and soil environmental factors to simulate this Soil temperature and surface CO2 flux, compare

5、 the simulated value with the measured value, and analyze the correlation between the soil CO2 flux and its environmental factors. The results show that the model can better simulate the soil temperature and surface CO2 flux in the study area. The correlation coefficients R2 between the simulated va

6、lue and the field observation value are 0.9601 (n = 365, P 0.01) and 0.9783 (n = 14, P 0.01), the root mean square error RMSE is 0.21 and 0.34 respectively; in the whole observation period (2013), the soil in the sample area appeared as a CO2 source, and the daily variation range of the soil CO2 flu

7、x was 23.79 481.00 mg m2 h 1, the total annual emission is 1479.24 g m-2; CO2 flux and temperature (P 0.01), precipitation (P 0.05), solar radiation (P 0.01), 10cm soil temperature (P 0.01), the water content of 10cm soil (P 0.05) and salinity of 10cm soil (P 0.01) were significantly correlated. Onl

8、y after further improvement of the model can it optimize its adaptability in the study area.Keywords: Alpine meadow; Greenhouse gases; DNDC; CO2 flux; Environmental factors引言 自上个世纪中叶以来，气候变化已经受到人们的广泛关注。据政府间气候变化专门委员会（IPCC）第五次报告，1951-2012年全球地表均温以每 10 年上升 0.12 的速率升高1。在这一背景下，大气中温室气体浓度升高成为该现象的主导因素。CO2 是最主

9、要的温室气体，与 CO2 相比，CH4 和 N2O 排放的绝对量很小，但是它们在吸收红外辐射后会导致全球变暖能力的增强。在百年尺度上，单位质量的氧化亚氮（N2O）和甲烷（CH4）的全球增温潜势（GWP）分别是 CO2的 34 倍和 298 倍2，因此对全球变暖这一环境问题有着重要贡献。故而，诸多科研者开始致力于温室气体排放的研究。为了能够定量描述土壤温室气体排放量对于自然环境要素变化所做出的响应，越来越多的人开始借助数学模型，对其展开深入的研究学习。随着陆地生态系统模型的多角度研究, 运用模型工具对土壤主要养分元素和生物量进行模拟与刻画是目前较为有效的方法, 目前已有 10 多个相关模型发表,

10、较成熟的有 DNDC3、 Century4、 Biome-BGC5、RothC6和 NCSOIL7等。生态系统模型均可成熟应用于土壤长期定位实验观测数据的模拟, 而这些模型中, DNDC(Denitrification-Decomposition)模型是一种基于地球圈层内或各圈层间的循环过程，即生物地球化学过程。其以模拟辐射、温度、湿度、pH、Eh 以及浓度梯度等为主的环境因子来反映气候、土壤、植被和人类活动 4 种基本的生态驱动力8，具有多层次，高精度及较好的可行性。随着社会需求的发展甚至改变，它的功能模块亦在不断的推广与验证。自1992年被首次发表以来，先是利用该模型来模拟农业土壤温室气体

11、N2O的排放9，追踪N2O的整个循环过程，随着模型的不断完善和发展，其模块功能日渐涉及广泛。为了适应不同的生态系统、区域尺度和研究问题，经过二十多年的发展，DNDC模型结构不断完善、相关参数得到优化、功能不断扩展。在模拟温室气体模块中，其模拟对象由原来的N2O增加到CO2和CH4，且能支持多种生态系统类型的模拟，如农田、森林、草地、湿地和养殖系统等10-14。陆地生态系统碳循环是全球碳收支的主体部分，亦作为全球碳循环的重要组成部分存在着。研究陆地生态系统碳循环机制及对全球变化的响应，是预测大气 CO2含量及气候变化的重要基础。全球每年由土壤释放的CO2量等于或超过全球陆地生态系统的净初级生产力

12、15，对全球变暖的贡献率达60% 以上16-17。本研究以青藏高原东北部疏勒河上游多年冻土区的高寒草甸SLP2样地为研究区，利用静态箱气相色谱法对2013年地表CO2通量进行观测模拟，分析地表CO2通量的日（昼夜）和季节变化特征，观测数据与DNDC模型模拟数据的拟合度及其环境因子，以期对DNDC模型在该研究区的适应性做出精准的评价提供参考。1 材料与方法 1.1研究区概况试验样地位于青藏高原东北缘祁连山中西段疏勒河上游多年冻土区综合观测场（SLP2；981614E，382117N，海拔4014m），如图1所示。该区域气候干冷，多风；据SLP2样地气象站2013年数据资料显示年均气温和降水量约分

13、别为6.0和477.0mm，年均空气相对湿度为48.1%，太阳辐射为204.5 Wm-2，年均风速为3.9 ms-1（图3）。样地050cm不同层次土壤颗粒机械组成平均为砂粒42.4%、粉粒40.0%、粘粒17.6%。植被类型为中度退化高寒草甸，覆盖度约42.0%，代表性植物为柔软紫菀（Aster flaccidus）、波伐早熟禾（Poa poophagorum）、高山嵩草（Kobresia pygmaea）、矮生嵩草（Kobresia humilis）、沙生风毛菊（Saussurea arenaria）、西伯利亚蓼（Polyygomum sibiricum）等18，物种丰富度指数（R）为11

14、.01.0，Shannon-Wiener指数（H）为2.290.10。土壤类型为简育干润均腐土。图1 研究区地理位置Figure 1 Location of the study area1.2 DNDC模型简介DNDC（DeNitrification-DeComposition）模型是美国新罕布什尔大学发展起来的，中心是模拟农业生态系统中碳和氮的生物地球化学循环，时间步长以日为单位，是目前国际上最为成功的模拟生物地球化学循环的模型之一19-23。模型由两大部分构成：第一部分包括土壤气候、植物生长和有机质分解三个子模型，第二部分包括硝化作用、反硝化作用和发酵作用三个子模型（如图2所示）。第一部分

15、的作用是利用生态系统宏观结构的各种生态驱动因子，即模型输入的参数：气候、土壤、植被以及人类管理措施，来模拟生态系统内部的环境营力（温度、湿度、pH、Eh 和相关反应物浓度梯度）。生物地球化学场便是由这些生态系统内部的环境营力组成的一个目标生态系统的多维力场。第二部分的作用是模拟环境营力对微生物活动的影响，并计算植物-土壤系统中主要温室气体（CO2、CH4和N2O）以及 N2、NO、NH3的排放。运行模型时，需输入数据包括气候数据（气温、降水和太阳辐射）、土壤性质（容重、质地、粘粒含量、酸碱度以及初始SOC含量）、土地利用（农作物种类和轮作）和农田管理（翻耕、施肥、灌溉、秸秆还田比例等）。该模型

16、是对土壤碳、氮循环机制进行全面描述的过程模型 ，适用于点位和区域尺度的各种气候带的农业生态系统25。目前,世界上已经有很多国家的科学家使用DNDC模型进行应用研究，如对美国爱荷华州马斯凯丁县的玉米生长过程的模拟26、美国夏威夷的甘蔗的生长模拟27、中国东北辽宁的玉米产量进行模拟和分析28、英国帝国大学和农业研究所利用DNDC模型对英国种植的杨树进行了7年的模拟研究29。2000年结束的亚太地区全球变化国际研讨会上，DNDC模型被指定为在亚太地区进行推广的首选生物地球化学模型30。图2 DNDC模型结构图24Figure 2 DNDC model structure diagram 241.3气

17、体样品的采集SLP2样地内随机选取3个样方，将样方内的植物用剪刀齐地剪除，然后用静态箱法采集CO2地表气体样品。采样箱（0.4m0.4m 0.4m）用不锈钢材料焊接制成，箱外罩有3cm厚保温板，箱内安装有小风扇和空气温湿度计；箱底基座（0.4m0.4m0.1m）由不锈钢片焊制而成，呈四面体，上端有凹槽，采集气体样品时，将采样箱倒扣入基座凹槽中并注水密封31。高寒草甸土壤CO2地表通量日变化观测时间均为：2013年4月28日、5月4日、6月28日、8月1日、9月29日、10月5日和12月31日。从当日0:00至21:00，每3h观测一次，每次观测地表气体时用100 mL注射器采集3个气体样品（在

18、30min内每间隔15min采集1次气体样品）。1.4环境因子监测本研究选取的环境因子为气象要素中的空气温度、降水、风速、太阳总辐射和10cm土壤温湿盐。试验样地所在的综合观测场内布设有测定气象和土壤温湿盐的全自动监测系统。气象要素中的空气温度测定采用HMP155A型温湿度传感器（Vaisala），太阳辐射的测定利用CS300型传感器（Campbell），风速的测定利用034B型风速风向仪（MetOne）。10 cm深度处土壤温度、含水量和盐分（简称温湿盐）的测定利用Hydra-Probe II型土壤传感器（Stevens），每10min记录一次数据（连续监测）。1.5分析方法气体样品CO2的

19、浓度分析使用仪器为安捷伦7890A温室气体分析系统，载气为高纯N2（30ml/min），色谱柱为Hayesep Q（80-100目），工作温度为60。CO2在375下先经镍触媒转化器还原成CH4后其浓度被火焰离子化检测器检测（250）；定量所使用的标准气体中CO2浓度为402.97mlm-3 ；该标准气体由中国气象局中国气象科学研究院提供，经多轮标校，浓度定值结果可溯源世界气象组织（World meteorology organization）维持的国际一级标准。其中，温室气体的排放速率计算采用如下公式32：F H（PP0）（T0T）（Ct）式中：F 为气体排放速率；为标准状况下气体密度；H

20、为静态箱高度；Ct为静态箱内浓度变化速率；T0和P0分别为标准状况下的空气绝对温度和气压；T 为静态箱内的绝对温度；P 为采样地点的气压。本研究相关性统计分析和回归分析在SPSS 22.0完成。1.6模型参数设置DNDC模型所需输入参数包括地理与气候、土壤、植被及管理措施参数等。由于参数较多，且有些参数无法通过实验测定，需分类获取。主要通过实验测定、文献收集以及采用模型默认值等方法来综合确定关键参数。1.6.1 地理、气候参数的确定气象参数中的日最高、最低温、日降雨量、辐射、湿度等数据来自于样地观测场的实测数据，其他数据采用模型默认值，如表1所示，表1 DNDC模型地理和气候参数Table 1

21、 Geographic and climatic parameters of the DNDC model输入参数取值备注模拟地点疏勒河源SLP2样地实测纬度38.21实测时间尺度12013降水中N浓度（ppm）20实测大气 NH3 浓度(g Nm-3)0.06默认大气 CO2 浓度(ppm)400实测研究期间，SLP2样地气温整体上呈单峰型，最高日均温出现在7月，为13.9，最低日均温出现在1月，为20.8（图3）。降水年内分配不均匀，主要集中在5-8月。图3 SLP2样地2013年气象要素Figure 3 Meteorological elements of SLP2 plot in 20

22、131.6.2土壤参数土壤作为元素迁移转化的载体和各因素之间的通道，土壤的相关属性参数对模型是否能准确模拟尤为重要，详细土壤参数如表2所示，其余均按照系统默认值。表2 DNDC模型土壤参数Table 2 DNDC model soil parameters输入参数取值备注类型干草原实测粘土比重0.176实测土壤容重1.84实测田间持水量0.49实测萎蔫点0.22实测SOC浓度（kg Ckg-1 soil）0.02359实测pH8.84实测导水率0.02502实测孔隙度0.306实测土壤基本属性（如土壤质地、容重、pH、田间持水量、萎蔫点、粘土比重、孔隙度等）为必输参数，但当选择了土壤质地后，与

23、质地相关的田间持水量、萎蔫点、粘粒组成等表层土壤质地数据以及土壤构造数据均会通过模型内部功能设定将自动显示出来，同时，表层（0-5cm）土壤有机碳含量、氮浓度和铵盐含量通过实地观测数据获得，其余参数均采取模型默认。1.6.3管理措施参数人类活动对稻田温室气体排放具有重要影响。管理措施又包括农作物的种类与轮作、耕耘、化肥施用、有机肥施用、旱地灌溉、水田淹灌、塑膜技术、放牧与割草等。该部分需要输入的管理措施参数包括模拟年数、农作物的种类与轮作系统基本参数（如轮作作物、各作物所持续的时间、轮作时间、各作物施肥次数和时间等）。因研究区属于青藏高原自然放牧区，故作物主要为高寒草甸类植被。1.6.4植被参

24、数植被在土壤生态过程中也扮演着很重要的角色，其作为第一生产者通过光合作用为生态系统提供主要碳源，同时合成和分解其他物质，贯穿在整个生态系统循环过程中。植被参数主要包括作物种类、最高生物量、生物量分配比例、C/N 比值、生长积温、总需氮量、需水量、固氮系数、最适温度、秸秆还田比例等，界面输入数据如表 3 所示。表 3 DNDC 模型主要植被参数Table 3 Main vegetation parameters of DNDC model输入参数取值备注作物种类多年生牧草实测最高生物量（kg Chm-2）3672实测生物量分配比例0.01 谷粒、0.54 茎叶、 0.45 根默认生物量 C/N

25、比值35 谷粒、 45 茎叶 、55 根 默认总需氮量（kg Nhm-2）139.179模型计算生长积温（/生长季）3000默认需水量（g水/干物质）350模型计算固氮系数1.01默认最适温度（）2530默认秸秆还田比例0.4实测研究区SLP2样地地理与气候、土壤参数、植被参数等均采用统一的气象站点观测数据和模型计算数据。2结果与讨论2.1 CO2通量变化特征本研究在测量地表CO2通量时，选取暗箱法，箱内有生长的植物，观测前对样方内的地表植被进行了刈割处理。因此，测得的CO2通量包括植物根系自养呼吸与土壤微生物异养呼吸产生的CO2之和。本研究CO2通量变化特征从日变化与季节变化展开。2.1.1

26、日变化在整个观测时间内（2013年4月28日、5月4日、6月28日、8月1日、9月29日、10月5日和12月31日），从当日0：00到21：00，每3h观测一次，根据这些数据可以做出土壤CO2通量日变化特征图（如图4所示）。由图可见，SLP2样地土壤CO2通量的日变化大致表现出 “倒N”型趋势，即只有两个峰值，最大值出现在下午15:00左右，为481.00 mgm2h1，最小值出现在上午6:00或9:00，为23.79mgm2h1，其日变化规律与其他研究结果一致33,34，日变化通量范围为23.79481.00 mgm2h1；因SLP2样地2013年的实地观测数据均为正值，故整个观测期该地土壤

27、表现为CO2的源。图4 SLP2不同观测期土壤温室气体地表通量日变化Fig. 4 Diurnal variation of soil greenhouse gas surface flux in SLP2 during different observation periods2.1.2季节变化在整个观测期：2013年4月28日、5月4日、6月28日、8月1日、9月29日、10月5日和12月31日地表CO2日均排放速率分别为 70.55mgm2h1、85.78 mgm2h1、287.10 mgm2h1、222.59 mgm2h1、51.63 mgm2h1、69.05 mgm2h1、51.23

28、mgm2h1，可以看出，该样地2013年内在不同观测期地表CO2排放特征表现为先增加后降低的趋势，年内土壤地表CO2排放主要集中在6-8月，最大值出现在7月，出现这种现象的可能原因一方面是青藏高原土壤微生物长期适应高寒环境，土壤微生物又多居于土壤表层（0-10cm）,而7月份的土壤表层温度比平时要高（图10），这可能会增加微生物活性，进而导致CO2通量增加35,且最大排放量为332.88mgm2h1，年排放总量为1479.24mgm2h1（图5）。图5 土壤温室气体地表通量季节变化Figure 5 Seasonal variation of surface flux of soil green

29、house gases2.2模型验证模型验证是指利用模型模拟数据与实际观测数据进行分析比较，以此量化模拟数据与实测数据间的差异，也是模型使用过程的基本组成部分之一。如果实地观测数据与模型预测数据拟合得很好，可以认为模型较好地模拟了实际的生物地球化学过程；反之，则认为该模型对机理过程的模拟存在偏差甚至是模拟有误。 DNDC模型在过去的数年中被美国、德国、英国和澳大利亚等多国科学家用野外实验数据进行了比较验证, 表明该模型具有较高的可信度3640 。为了保证模型模拟结果的可靠性，本研究利用中国科学院寒区旱区环境与工程研究所提供的研究样地地表CO2通量的实测数据与模拟结果进行了比较，采取RMSE（均

30、方根误差）和R2（决定系数）量化模型精度，其公式如下：RMSE=i=1n(Pi-Oi)2nR2=i=1n(Oi-O)(Pi-P)i=1n(Oi-O)2i=1n(Pi-P)2其中：Oi为第i个观测值；Pi为第i个模拟值； O为所有观测值的平均值；P为所有模拟值的平均值；n为观测或模拟的次数。2.2.1土壤温度土壤温度作为影响植物生长和土壤碳氮循环过程主要的环境因子，对该草地生态系统各元素的转化和循环具有决定性作用。因此，模型模拟土壤温度动态变化的精度越高，说明模型越适用于模拟植物生长和土壤碳氮循环过程。DNDC模型能够准确模拟实验样地2013年10cm土壤温度的变化（图6），根据10cm土壤温度

31、模拟值与实测值的线性回归分析可知，二者相关系数R2达到了0.9601（n=365，P0.01），均方根误差RMSE达到了0.21，表明10cm土壤温度模拟值与实测值具有较好的一致性。图6 SLP2样地10cm土壤温度模拟值与实测值Fig. 6 Simulated and measured values of soil temperature at 10cm in SLP2 plot2.2.2 CO2通量模拟验证DNDC模型在日尺度上可以较好的模拟捕捉到土壤生态系统总呼吸通量的峰值与低谷（图7）。根据对2013 年SLP2样地地表CO2通量的模拟结果来看，通过对比验证点的14组观测值与模拟值发现

32、，DNDC模型能较好的模拟该样地地表CO2通量，通过作地表CO2通量的模型模拟值与实测值之间的线性回归分析可得，二者相关系数R2达到了0.9783（n=14，P0.01），均方根误差RMSE为0.34。总体来数，2013年地表CO2通量的实地观测值均略高于模型模拟值，说明该模型无法完全模拟该生态系统碳的迁移转化过程，但凡是过程模拟模型，都无法达到完全符合实际情景的生物地球化学模拟过程。图7 SLP2样地地表CO2通量模拟值与实测值比较及验证Figure 7 Comparison and verification of simulated and measured CO2 flux on the

33、 surface of SLP2 plot2.2.3模型参数化模型参数化是进行模拟的一个关键部分，在DNDC模型中,主要通过以下的步骤进行参数化：首先，需要将实地测量的气候、土壤、管理措施等参数输入到模型界面中。其次，待模型运行之后将模拟结果与实测结果进行对比分析，当验证两者误差较大时，我们会对模型进行校正过程。模型校正包括补充模型缺失模块和修改模型缺省参数两部分，但因前者实行起来难度较大，所以，模型校正一般情况下是通过修改模型缺省参数，即修改模型界面中输入的参数对模型模拟结果进行优化的，但修改参数的时候，并非肆意改动其数值，而是围绕实地观测数值进行微观调整。最后，待模型在研究区得到较好的验证

34、结果时，方可对该地的碳氮迁移转化过程以及温室气体的排放进行模拟。本研究该模型需要调整的参数如表4所示，在此，对土壤质地和土壤表层（0-5cm）有机碳含量两个参数进行调整以作示范作用，比较调参前后地表CO2通量的模拟结果，以此为例望更好的解释模型调参这一重要过程，如图8图9所示，表4 DNDC模型需调整参数Table 4 DNDC model needs to adjust parameters因子项目气候参数大气CO2浓度、日最高温和最低温土壤参数容重、质地、粘粒含量、pH 及初始 SOC 含量图8 土壤质地调参前后的模拟结果比较Figure 8 Comparison of simulatio

35、n results before and after adjusting soil texture图9 土壤表层（0-5cm）有机碳含量调参前后模拟结果比较Figure 9 Comparison of simulation results before and after adjustment of organic carbon content in soil surface layer (0-5cm)2.2.4模拟精度评价模型的模拟结果存在不确定性，不确定性可能是输入参数的不准确造成的，也可能是模型的科学结构不完善造成的。模型科学结构的不完善，可通过比较不同模型的模拟结果与实测数据来发现。即

36、使对一个模型经过充分验证，模拟结果仍会出现不确定性，这在一定程度上与输入信息的不完善有关。所以，在使用模型中，这种不确定性是不可避免的，但我们会尽可能使模拟结果有说服力。本研究中，土壤温度和地表CO2通量因测量原理及方式的差异，二者的模型模拟值与实地观测值的拟合度也存在差异。显然，单就相关系数（R2）来说，地表CO2通量（R2=0.9783）实测值与模拟值的相关系数优于土壤温度（R2=0.9601），；就均方根误差（RMSE）而言，土壤温度实测值与模拟值的均方根误差（RMSE=0.21）小于地表CO2通量（RMSE=0.34）。相关系数越接近于1，实测值与模拟值的拟合度越好；均方根误差越小，拟

37、合度越好。但又因土壤温度有一整年，即365个实测数据可与相对应的模型模拟结果作线性回归分析，而地表CO2通量只有14个实测数据可做线性回归分析，所以单就其中一个来讨论模型的模拟情况，无法准确的评定模型对于目标物的模拟精度。但因本研究主要以地表CO2通量的模拟为主，而对于土壤温度模拟的目的在于起验证模型模拟的可行性。因土壤温度的验证性较好，所以就DNDC模型对于地表CO2通量的模拟结果来看，其与实地测量结果有较好的一致性。2.3环境因子对CO2通量的影响本研究主要分析讨论气象要素中的气温、降水量、风速、太阳辐射和10cm处土壤温湿盐对地表CO2通量的影响。气象要素在文中均有展示（图3），土壤温湿

38、盐如图10所示，图10 SLP2样地2013年土壤温湿盐Figure 10 Soil temperature, humidity and salinity of SLP2 plot in 2013SLP2样地整个观测期地表CO2通量与气象要素和10cm处土壤温湿盐的相关性分析结果见表5。CO2通量与气温、降水量、风速、太阳辐射和10cm处土壤温湿盐均显著相关。相关性分析结果显示：第一，样地地表CO2通量与气温（P0.01）和10 cm土壤温度（P0.01）显著正相关，表明气温和土壤温度是影响土壤CO2通量的关键因子。在达到微生物的最适温度之前，土壤温度升高对土壤微生物和酶活性以及土壤中有机质分

39、解都有促进作用，因此，土壤CO2排放速率会随着温度的升高而增加，使得土壤CO2 排放量增加41。周党卫等42和王俊峰等43对青藏高原高寒草甸的研究也表明，5 cm土壤温度是影响CO2排放的关键因子之一。第二，样地土壤CO2通量与地表10 cm土壤含水量（P0.05）显著相关，这是因为土壤含水量可以通过土壤通气状况和扩散路径来影响CO2的排放速率31。第三，样地土壤CO2通量与降水（P0.05）和太阳辐射（P0.01）显著相关。第四，样地土壤CO2通量与风速这一环境因子的相关性不显著（P0.05）。表5 SLP2样地地表CO2通量日变化与环境因子相关性统计分析Table 5 Statistica

40、l analysis of the correlation between daily CO2 flux and environmental factors in SLP2 plots环境因子CO2通量（mgm2h1）气温/0.759*降水/mm0.635*太阳辐射/W m-20.773*风速/m s-1-0.07410cm土壤温度/0.803*10cm土壤含水量/ %0.578*10cm土壤盐度/mgL-10.729*注：*表示相关性达到显著水平(P 0.05)，*表示相关性达到极显著水平(P 0.01) 2.3.1小结本研究选取的环境因子有气象要素中的气温、降水、太阳辐射、风速以及10cm

41、土壤温湿盐。地表CO2通量与气象要素和10cm处土壤温湿盐的相关性分析结果显示（表5），在观测期内，地表CO2通量与气象要素中的气温、降水、太阳辐射和10cm处土壤温湿盐呈显著正相关关系，而与风速无显著相关关系。本研究只分析了常见的环境因子对地表CO2通量的影响,也有研究表明31，表层土壤冻融交替作用可提高地表CO2的排放速率，土壤冻融交替作用也是寒冷区一大特有的象征性过程，后期研究将包括其对于地表CO2通量的驱动机理这一方面的展开。3总结与展望3.1结论1.整个观测期SLP2样地土壤表现为CO2源。2.地表CO2通量的日变化表现为“倒N”型趋势，季节变化表现出先增加后降低的趋势，且日变化范围

42、为23.79481.00 mg m2h1，年排放总量为1479.24 gm-2。3.土壤温度和地表CO2通量的实地观测值与模型模拟值具有较好的一致性，相关系数R2分别为0.9601（n=365,P0.01）和0.9783（n=14,P0.01），均方根误差RMSE分别为0.21和0.23。4.地表CO2通量与气温（P0.01）、降水量（P0.05）、太阳辐射（P0.01）、10cm土壤温度（P0.01）、10cm土壤含水量（P0.05）和10cm土壤盐分（P0.01）均显著相关，与风速（P0.05）无显著相关关系。3.2问题与展望本研究基于国际上广泛应用的生物地球化学过程模型（DNDC模型），

43、结合气象、土壤和管理措施等数据模拟了疏勒河源高寒草甸SLP2样地2013年土壤地表CO2通量，并将模拟值与观测值进行比较。文章主力集中在DNDC模型应用于该场地的可行性分析，但仍存在以下问题：1.模拟结果的不准确。由于高原高寒缺氧及低温大风等自然条件的限制，观测次数偏少，即只在SLP2样地一年中对温室气体进行了7次日变化观测，数据重复性较低。同时由于时间关系，本研究目前仅对高寒草甸土壤温室气体一年的观测数据进行对比分析讨论，模型只能通过校正更加符合实际的情景，并不能达到完全拟合的程度。2.模型校正的困难。DNDC 模型需要输入的参数较多，并且受土壤和气候因素影响较大，如何准确找到校正的参数是其

44、面临的一大问题。本研究通过对关键环境因子的实际测量数据进行调整，将模拟出来的土壤气候、地表温室气体通量等众多模拟结果与实地测量结果进行比对，以至于达到尽可能最优的拟合度，进而进行后续的研究讨论。3.模型模块的缺乏。不能忽略积雪的保温作用，即要对土壤表层温度进行较精确的模拟。因实际观测场处于寒冷地区，在一年的部分时间里有冰雪存在，所以对于积雪对土壤地表温度的影响不容小觑。并且模型校正包括补充模型缺失模块和修改模型缺省参数两部分，由于模型代码的不公性，增加模型的模拟模块存在一定难度，因此， DNDC 模型的校正主要集中在对模型缺省参数的修改上，所以使得积雪模块这一部分的缺失只能通过调整已知参数尽可

45、能弥补这一不足之处。在后续研究中，会持续提高模型在研究区的适用程度，主要通过以下方面展开：1.为加强模拟结果的准确性，利用2013年前后两年，即2012年和2014年的实地观测数据进行模型模拟的整个运行过程，尤其加强模型调参这一块的运行工作；2.除土壤温度这一验证因子之外，还会开展降水量等因子的模拟精度评价；3.从模拟一种温室气体增加到多种温室气体，以期达到预测未来土壤温室气体的排放。参考文献1 Stocker T F, Qin D H, Plattner G-K, et al. Climate change 2013: the physical science basis: contribu

46、tion of working group I to the fifth assessment report of the intergovernmental panel on climate changeM. New York: Cambridge University Press, 2013.2 刘惠, 赵平, 王跃思, 等. 华南丘陵区农林复合生态系统稻田二氧化碳排放及其影响因素. 生态学杂志, 2006, 25 (5): 471-476.3 夏文建, 周卫, 梁国庆, 等. 稻麦轮作农田氮素循环的dndc 模型分析J. 植物营养与肥料学报, 2012(1): 77-88.4 高崇升, 杨国亭, 王建国, 等. Century 模型在农田生态系统中的应用及其参数确定J. 土壤与作物, 2006, 22(1):5052.5 韩其飞, 罗格平, 李超凡, 等. 基于 biome-bgc 模型的天山北坡森林生态系统碳动态模拟J. 干旱区研究, 2014,31(3): 375382.6 王金洲. RothC模型模拟我国典型旱地土壤的有机碳动态及平衡点D. 北京: 中国农业科学院, 2011.7 Noirot-cosson P E, Dhaouadi K,