环境科学  2014, Vol. 35 Issue (1): 334-340   PDF    
中国陆地生态系统土壤异养呼吸变异的影响因素
谢薇1, 陈书涛1, 胡正华2    
1. 南京信息工程大学环境科学与工程学院, 南京 210044;
2. 南京信息工程大学应用气象学院, 南京 210044
摘要:土壤异养呼吸是生态系统碳平衡估算中的关键因子之一. 通过文献调研,收集了中国陆地生态系统中土壤异养呼吸的观测数据,同时收集整理了试验地点气候资料(年总降水量和年平均气温)和环境因子(如树木生长年龄)指标. 结果表明,异养呼吸与土壤呼吸的关系可用幂函数方程描述,异养呼吸随土壤呼吸的增大而增大,该幂函数方程可解释异养呼吸73%(R2=0.730,P<0.001)的变异. 异养呼吸与年总降水量以及年平均气温的关系均可用一元线性方程描述. 异养呼吸占土壤呼吸的比例与年总降水量、年平均气温的关系均可用对数回归方程描述,异养呼吸占土壤呼吸的比例随年总降水量的增大和年平均气温的升高而减小. 异养呼吸占土壤呼吸的比例随树龄的增大而增大,两者之间的关系可用幂函数方程描述. 进一步的结果表明,经验模型模拟得到的异养呼吸模拟值与实际样地观测结果之间呈显著的线性回归关系,采用的经验统计模型可较好地模拟异养呼吸的变异.
关键词陆地生态系统     土壤     异养呼吸     模拟     降水     气温    
Factors Influencing the Variability in Soil Heterotrophic Respiration from Terrestrial Ecosystem in China
XIE Wei1, CHEN Shu-tao1, HU Zheng-hua2    
1. School of Environmental Science and Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China;
2. School of Applied Meteorology, Nanjing University of Information Science and Technology, Nanjing 210044, China
Abstract: Soil heterotrophic respiration is one of the key factors for estimating ecosystem carbon balance. Measurement data of soil heterotrophic respiration from terrestrial ecosystem in China were collected. Climate data (annual precipitation and annual mean air temperature) and relevant environmental factors (e.g. tree age) were also collected. Results indicated that the relationship between heterotrophic respiration and soil respiration could be explained by a power function. Heterotrophic respiration increased with the increase of soil respiration. The power function explained 73% of the variability (R2=0.730, P<0.001) in heterotrophic respiration. The linear equation could be used to explain the relationship between heterotrophic respiration and annual precipitation/mean annual air temperature. The logarithmic regression equation could be employed to describe the relationship between the ratio of heterotrophic respiration to soil respiration and annual precipitation/mean annual air temperature. The ratio of heterotrophic respiration to soil respiration increased with the increase of tree age; a power function could be used to explain the relationship between the ratio of heterotrophic respiration to soil respiration and tree age. Further investigation showed that the relationship between measured annual heterotrophic respiration and modeled heterotrophic respiration by using an empirical model could be described by a linear function, indicating that the empirical model well fitted the variability in heterotrophic respiration.
Key words: terrestrial ecosystem     soil     heterotrophic respiration     modeling     precipitation     temperature    

陆地生态系统土壤呼吸是碳循环中一个重要过程[1, 2],全球每年因土壤呼吸作用向大气中释放的CO2量约是化石燃料释放量的10倍[3, 4],其量值仅次于全球陆地总初级生产力以及总生态系统呼吸的估算值[5].

通常而言,土壤呼吸可较简化地划分为异养呼吸和自养呼吸(根呼吸)两部分. 在陆地生态系统碳平衡估算中,通过计算异养呼吸与净初级生产量的差值可得净生态系统交换的量值,从而可了解生态系统源汇情况,因而异养呼吸是生态系统碳平衡估算中的关键因子之一.

以往已经有较多关于生态系统净初级生产量的机制模型和经验模型研究,但对异养呼吸的估算仍存在争议,这一方面是由于异养呼吸的准确观测存在一定困难,另一方面是由于实际观测样本量的不足. 近20年来,人们针对异养呼吸这一重要的碳排放过程开展了一些研究. 例如,杨金艳等[6]的研究表明东北帽儿山不同类型森林的异养呼吸占土壤呼吸的比例介于45%~74%之间; 刘建军等[7]在秦岭天然油松和锐齿栎林地测定的异养呼吸占土壤呼吸的比例分别为61%和67%. 在基于较多观测样本的基础上,利用数据集成分析的方法建立异养呼吸与其他呼吸组分(土壤呼吸或自养呼吸)的经验统计模型可有效模拟异养呼吸的数值. 例如:Bond-Lamberty等[8]对不同生态系统中观测的年异养呼吸量和年土壤呼吸量建立了两者之间的定量关系,指出分别进行对数转换后两者之间的关系可用线性方程描述; 陈光水等[9]的研究表明异养呼吸与自养呼吸之间的关系可用线性方程描述. 虽然以往已有较多关于中国不同陆地生态系统土壤呼吸的观测研究,但系统分析异养呼吸与土壤呼吸关系的研究较少,对于异养呼吸的模拟研究也较为鲜见.

本研究通过文献调研建立了的异养呼吸及相关环境因子的数据集,分析异养呼吸的影响因素并建立了经验统计模型,以期为更准确地研究中国陆地生态系统碳循环过程提供一定理论依据和数据支撑.

1 材料与方法
1.1 数据资料

进行文献调研,文献来源为中国期刊网和SCI源刊,收集了国内外公开发表的关于中国陆地生态系统中土壤异养呼吸的数据,同时收集整理了试验地点气候资料和环境因子(如树木生长年龄)指标(表 1). 数据资料中,森林生态系统的观测样本共54个,农田生态系统的观测样本共14个,草地生态系统的观测数据1个. 森林生态系统的林型包括:针阔混交林、 落叶阔叶林、 落叶针叶林、 落叶阔叶林、 常绿阔叶林、 常绿针叶林,这些森林类型涵盖了绝大多数的陆地森林生态系统类型,并且具有地域代表性.

表 1 不同地点土壤异养呼吸及相关环境和地理因子 1)

Table 1 Soil heterotrophic respiration and relevant environmental and geographic factors in different sites
1.2 数据分析

对数据进行一元回归,分析异养呼吸与土壤呼吸、 年降水量、 年平均温度及树龄等变量的关系; 将异养呼吸与土壤呼吸的比值作为因变量,分析该变量与年降水量、 年平均温度及树龄等变量的关系.

采用Chen等[10]提出的基于年平均气温、 年总降水量、 表土(0~20 cm)有机碳含量的土壤呼吸模型估算中国陆地生态系统土壤呼吸的量值. 在ArcGIS 9.3系统平台中,采用10 km×10 km栅格方式的空间划分方案. 输入参数各图层的每个栅格一一对应,将各观测站点的气象数据、 表土有机碳储量数据进行Kriging插值作图形成栅格数据. 采用比例尺为1 ∶1000000的中国地图[11]; 将各数据层作为输入参数代入估算模型中运算,最终得到中国陆地生态系统土壤呼吸空间分布情况. 继而根据Bond-Lamberty等[8]提出的土壤呼吸与异养呼吸的关系模型[即:ln(Rh)=1.22+0.73 ln(Rs)]得到中国陆地生态系统异养呼吸的空间分布情况. 将模型估算的土壤异养呼吸值与实际观测的异养呼吸值进行一元线性回归,分析模拟值与实测值之间的关系.

对调研的数据进行回归分析可见,异养呼吸与土壤呼吸的关系可用幂函数方程描述(图 1),异养呼吸随土壤呼吸的增大而增大,该幂函数方程可解释异养呼吸73%(R2=0.730, P<0.001)的变异. 异养呼吸与年总降水量以及年平均气温的关系均可用一元线性方程描述[图 2(a)、 2(b)],随年总降水量的增大和年平均气温的升高,异养呼吸均显著增大,相比较而言,年总降水量对异养呼吸的影响要大于年平均气温,前者与异养呼吸的回归方程的P=0.003,后者与异养呼吸的回归方程的P=0.018. 除降水和温度两个因素外,不同观测站点的异养呼吸也与树木年龄有关,两者之间的关系可用一元线性回归方程描述,P值达极显著水平[图 2(c)]. 以海拔高度(EL)和树龄(TA)两因素建立的逐步回归方程可描述异养呼吸(Rh)41%(R2=0.41,P<0.001)的变异,其拟合方程为Rh=0.049EL+0.002TA.

图 1 土壤异养呼吸(Rh)与土壤呼吸(Rs)的关系

Fig. 1 Relationship between soil heterotrophic respiration and soil respiration

图 2 土壤异养呼吸(Rh)与年降水量(AP)、 年平均气温(MAT)及树龄(TA)的关系

Fig. 2 Relationship between soil heterotrophic respiration and annual precipitation/mean air temperature/tree age
2 结果与分析
2.1 异养呼吸的影响因素分析

异养呼吸占土壤呼吸的比例与年总降水量、 年平均气温的关系均可用对数回归方程描述,异养呼吸占土壤呼吸的比例随年总降水量的增大和年平均气温的升高而减小,拟合方程的P值均达极显著水平[图 3(a)、 3(b)]. 异养呼吸占土壤呼吸的比例随树龄的增大而增大,两者之间的关系可用幂函数方程描述[图 3(c)]. 此外,异养呼吸占土壤呼吸的比例随土壤呼吸的增大而降低(图 4),这表明在土壤呼吸量越大的地区,异养呼吸组分所占比例相对更低,而自养呼吸组分所占比例相对更高.

图 3 异养呼吸占土壤呼吸的比例(Rh/Rs)与年降水量(AP)、 年平均气温(MAT)及树龄(TA)的关系

Fig. 3 Relationship between the ratio of heterotrophic respiration to soil respiration and annual precipitation/mean air temperature/tree age

图 4 土壤异养呼吸占土壤呼吸的比例(Rh/Rs)

与土壤呼吸(Rs)的关系

Fig. 4 Relationship between the ratio of heterotrophic respiration to soil respiration and soil respiration
2.2 异养呼吸的空间分布与验证分析

从空间分布上来看,中国陆地生态系统土壤异养呼吸呈现出明显的区域分布的特点(图 5),总体上异养呼吸在空间上可划分为3个区域,分别为:南方地区、 西北及青藏高原地区、 东北及华北地区. 异养呼吸量最高的区域主要集中在南方地区,这与我国南方地区气温较高、 降水量较大有关; 东北部分地区的异养呼吸量也相对较高,这很可能与该区域土壤有机碳储量较高有关; 而西北内陆地区和青藏高原的异养呼吸量相对很低,这与这些地区降水量较少、 温度较低和土壤本底有机碳含量较低有关.

图 5 2000年中国陆地生态系统土壤异养呼吸空间分布

Fig. 5 Spatial distribution of soil heterotrophic respiration from terrestrial ecosystems in China in 2000

为进一步验证经验模型模拟的结果的准确性,将模拟值与实际样地观测结果进行回归分析,结果表明实测值与模拟值之间的关系为显著的正比例关系,方程斜率为1.037,非常接近1 ∶1的比例关系,方程的决定系数R2=0.570,P值达极显著水平(图 6). 这些结果表明采用经验模型模拟得到的异养呼吸量值与实际观测值之间具有很好的可比性.

图 6 土壤异养呼吸(Rh)实测值与模拟值的关系

Fig. 6 Relationship between measured and modeled soil heterotrophic respiration
3 讨论
3.1 异养呼吸的影响因素

本研究表明,中国陆地生态系统异养呼吸速率与年均气温和年均降水量均呈显著正相关,这与土壤呼吸与年均气温和年均降水量均呈显著相关的结果类似,这说明温度、 降水不仅影响土壤呼吸而且影响其异养呼吸组分. 陈光水等[9]发现中国森林土壤呼吸与年降水量的相关性高于年均气温,本研究也表明中国陆地生态系统异养呼吸与年降水量的相关性高于年均气温. 在不同地区,影响异养呼吸的限制性因子存在差异,对于干旱半干旱区,水分是主要限制性因子,而对于青藏高原和东北地区的气温较低季节,温度则是主要的限制性因子,本研究中显示温度对异养呼吸的相关性稍弱可能也跟大部分相关观测都选择在温度条件相对适宜的地区进行测定有关,在这些区域温度对异养呼吸的限制作用比水分的限制作用相对更小[29].

Irvine等[30]观察到老龄西黄松林比幼龄林具有更高的土壤呼吸,他们认为这可能与老龄林立地上有较大的生产力和易分解的碎屑有关. Raich等[31]的研究表明全球成龄森林生态系统中土壤呼吸速率随凋落物和林地生产力的增加而增加. 本研究与以往的研究基本一致,随森林年龄增大,植被生物量增加,根生物量会增大,植物凋落物和根、 树皮中的可分解组分量也可能会增多,这些组分必然会输入到土壤中并增加土壤微生物的碳营养源,由此造成异养呼吸量会增大,且异养呼吸占土壤呼吸的比例也相应增大.

在土壤呼吸量越大的地区,这些地区一般处于东南沿海等低纬度区域,植被生产力相对较高,根生物量也相对更大,而根生物量与自养呼吸相关[32],这可能会造成自养呼吸量变大,因而异养呼吸组分所占土壤呼吸比例相对更低.

在本研究的数据集中,仅拉萨和海伦两个站点为受人类干扰程度较大的农田生态系统,其余各站点均为森林或草地自然生态系统(表1),因而人类干扰程度对土壤异养呼吸的影响相对较小. 此外,图 1表明,异养呼吸与土壤呼吸之间呈极显著的幂函数关系,由于土壤呼吸随土壤有机碳储量的增大而增大[10, 32],因而异养呼吸也随土壤有机碳储量的增大而增大. 然而,由于异养呼吸与总土壤呼吸存在正相关关系,两者具有共同的增减趋势,因而两者比例可能与土壤有机碳储量的关系不显著.

3.2 异养呼吸与土壤呼吸的关系

中国陆地生态系统土壤呼吸中异养呼吸所占比例为34%~94%(表2),基本在以往报道的异养呼吸占土壤呼吸的比例(10%~90%)范围内[33],中国陆地生态系统异养呼吸所占比例的平均值为65%,与世界范围内异养呼吸占土壤呼吸的比例基本接近[5].

Bond-Lamberty等[8]发现取对数后的异养呼吸与土壤呼吸量值之间的关系可用线性方程拟合,本研究表明异养呼吸与土壤呼吸之间的关系可用指数方程拟合,且方程的决定系数R2高于Bond-Lamberty等[8]的方程的R2. 此外,异养呼吸与土壤呼吸的比例与土壤呼吸的幂函数回归关系也与Bond-Lamberty等[8]的研究结果基本一致,这说明无论是在中国陆地生态系统中还是全球陆地生态系统中均会呈现出随着土壤呼吸量的增大异养呼吸所占比例会下降的趋势.

本研究中,在某些观测站点针对不同的小区域(如植被覆被类型)又有多次观测,由于其植被情况存在差异,因而其中的每一个观测值在影响因素分析时均作为一个独立样本进行回归分析,在此过程中实际上考虑了温度和水分条件的差异. 而在模拟值与实际样地观测结果进行回归分析时(图 6),由于在宏观尺度上的异养呼吸数值与某个观测站点的多个样本可能存在较大差异,因而在模型验证分析中以多个异养呼吸测定结果的平均值作为观测值进行验证. 在今后的研究中,异养呼吸影响因素的准确分析和数值模拟依赖于更多的野外系统观测数据并需考虑温度、 水分、 植被、 土壤等多种因素的综合作用.

4 结论

(1)异养呼吸与土壤呼吸的关系可用幂函数方程描述,异养呼吸随土壤呼吸的增大而增大. 异养呼吸与年总降水量以及年平均气温的关系均可用一元线性方程描述.

(2)中国陆地生态系统土壤呼吸中异养呼吸所占比例为34%~94%,异养呼吸占土壤呼吸比例的平均值为65%.

(3)采用经验模拟模型与实际样地观测值进行回归分析的结果为显著的正比例关系,采用经验模型模拟得到的异养呼吸量值与实际观测值之间具有可比性.

参考文献
[1] Schimel D S. Terrestrial ecosystems and the carbon―cycle[J]. Global Change Biology, 1995, 1 (1): 77-91.
[2] Singh J S, Gupta S R. Plant decomposition and soil respiration in terrestrial ecosystems[J]. The Botany Review, 1977, 43 (4): 449-528.
[3] Hibbard K A, Law B E, Reichstein M, et al. An analysis of soil respiration across northern hemisphere temperate ecosystems[J]. Biogeochemistry, 2005, 73 (1): 29-70.
[4] Bond-Lamberty B, Thomson A. Temperature-associated increases in the global soil respiration record[J]. Nature, 2010, 464 (7288): 579-582.
[5] Raich J W, Schlesinger W H. The global carbon dioxide flux in soil respiration and its relationship to vegetation and climate[J]. Tellus, 1992, 44 (2): 81-99.
[6] 杨金艳, 王传宽. 东北东部森林生态系统土壤碳贮量和碳通量[J]. 生态学报, 2005, 25 (11): 2875-2882.
[7] 刘建军, 王得祥, 雷瑞德, 等. 秦岭天然油松、锐齿栎林地土壤呼吸与CO2释放[J]. 林业科学, 2003, 39 (2): 8-13.
[8] Bond-Lamberty B, Wang C K, Gower S T. A global relationship between the heterotrophic and autotrophic components of soil respiration[J]. Global Change Biology, 2004, 10 (10): 1756-1766.
[9] 陈光水, 杨玉盛, 吕萍萍, 等. 中国森林土壤呼吸模式[J]. 生态学报, 2008, 28 (4): 1748-1761.
[10] Chen S T, Huang Y, Zou J W, et al. Modeling interannual variability of global soil respiration from climate and soil properties[J]. Agricultural and Forest Meteorology, 2010, 150 (4): 590-605.
[11] Zou J W, Lu Y Y, Huang Y. Estimates of synthetic fertilizer N―induced direct nitrous oxide emission from Chinese croplands during 1980–2000[J]. Environmental Pollution, 2010, 158 (2): 631-635.
[12] 杨玉盛, 陈光水, 王小国, 等. 中国亚热带森林转换对土壤呼吸动态及通量的影响[J]. 生态学报, 2005, 25 (7): 1684-1690.
[13] Shi P L, Zhang X Z, Zhong Z M, et al. Diurnal and seasonal variability of soil CO2 efflux in a cropland ecosystem on the Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2006, 137 (3-4): 220-233.
[14] 常建国, 刘世荣, 史作民, 等. 北亚热带-南暖温带过渡区典型森林生态系统土壤呼吸及其组分分离[J]. 生态学报, 2007, 27 (5): 1791-1802.
[15] 罗璐, 申国珍, 谢宗强, 等. 神农架海拔梯度上4种典型森林的土壤呼吸组分及其对温度的敏感性[J]. 植物生态学报, 2011, 35 (7): 722-730.
[16] Wang X G, Zhu B, Li C S, et al. Dissecting soil CO2 fluxes from a subtropical forest in China by integrating field measurements with a modeling approach[J]. Geoderma, 2011, 161 (1): 88-94.
[17] 王小国, 朱波, 高美荣, 等. 川中丘陵区桤柏混交林地土壤CO2释放与Forest-DNDC模型模拟[J]. 北京林业大学学报, 2008, 30 (2): 27-32.
[18] 李仁洪, 涂利华, 胡庭兴, 等. 模拟氮沉降对华西雨屏区慈竹林土壤呼吸的影响[J]. 应用生态学报, 2010, 21 (7): 1649-1655.
[19] 周非飞, 林波, 刘庆, 等. 青藏高原东缘不同林龄云杉林冬季土壤呼吸特征[J]. 应用与环境生物学报, 2009, 15 (6): 761-767.
[20] 朱凡, 王光军, 田大伦, 等. 杉木人工林去除根系土壤呼吸的季节变化及影响因子[J]. 生态学报, 2010, 30 (9): 2499-2506.
[21] 卢华正, 沙丽清, 王君, 等. 西双版纳热带季节雨林与橡胶林土壤呼吸的季节变化[J]. 应用生态学报, 2009, 20 (10): 2315-2322.
[22] Yang J H, Wang Y P, Zhou G Y, et al. Estimates of soil respiration and net primary production of three forests at different succession stages in South China[J]. Global Change Biology, 2006, 12 (5): 810-821.
[23] Yang Y S, Chen G S, Guo J F, et al. Soil respiration and carbon balance in a subtropical native forest and two managed plantations[J]. Plant Ecology, 2007, 193 (1): 71-84.
[24] 田祥宇, 涂利华, 胡庭兴, 等. 华西雨屏区苦竹人工林土壤呼吸各组分特征及其温度敏感性[J]. 应用生态学报, 2012, 23 (2): 293-300.
[25] 梁尧, 韩晓增, 乔云发, 等. 小麦-玉米-大豆轮作下黑土农田土壤呼吸与碳平衡[J]. 中国生态农业学报, 2012, 20 (4): 395-401.
[26] 韩天丰, 周国逸, 李跃林, 等. 中国南亚热带森林不同演替阶段土壤呼吸的分离量化[J]. 植物生态学报, 2011, 35 (9): 946-954.
[27] 董彬. 土壤温度和湿度对鲁东南杨树人工林土壤呼吸的协同影响[J]. 生态环境学报, 2012, 21 (5): 864-869.
[28] Shi W Y, Zhang J G, Yan M J, et al. Seasonal and diurnal dynamics of soil respiration fluxes in two typical forests on the semiarid Loess Plateau of China: Temperature sensitivities of autotrophs and heterotrophs and analyses of integrated driving factors[J]. Soil Biology and Biochemistry, 2012, 52: 99-107.
[29] 陈书涛, 朱大威, 牛传坡, 等. 管理措施对农田生态系统土壤呼吸的影响[J]. 环境科学, 2009, 30 (10): 2858-2865.
[30] Irvine J, Law B E. Contrasting soil respiration in young and old growth ponderosa pine forests[J]. Global Change Biology, 2002, 8 (12): 1183-1193.
[31] Raich J W, Nadelhoffer K J. Belowground carbon allocation in forest ecosystems: global trends[J]. Ecology, 1989, 70 (5): 1346-1354.
[32] 陈书涛, 胡正华, 张勇, 等. 陆地生态系统土壤呼吸时空变异的影响因素研究进展[J]. 环境科学, 2011, 32 (8): 2184-2192.
[33] Hanson P J, Edwards N T, Garten C T, et al. Separating root and soil microbial contributions to soil respiration: A review of methods and observations[J]. Biogeochemistry, 2000, 48 (1): 115-146.