李 成 王讓會 李兆哲 徐 揚

(1.揚州大學園藝與植物保護學院， 揚州 225009； 2.南京信息工程大學江蘇省農業(yè)氣象重點實驗室， 南京 210044；3.揚州大學農學院， 揚州 225009)

0 引言

全球變暖背景下，與水資源短缺和CO2濃度遞增相關聯(lián)的“水問題”和“碳問題”，備受人們關注[1-3]。農田生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)的重要組成部分，受人類活動影響強烈，其中的水分、能量與碳交換過程是農田重要的生態(tài)水文過程[4-6]。因此，理解農田水碳交換過程對農業(yè)水資源高效利用以及陸地生態(tài)系統(tǒng)模型優(yōu)化等具有重要意義[7-8]。

一般而言，蒸散量(ET)和CO2凈交換量(NEE)被認為是農田水碳交換過程的關鍵變量[9-10]。與傳統(tǒng)的箱式法相比，基于渦度相關技術能連續(xù)測定農田ET和NEE的變化狀況，且具有較高的精度[11-13]。觀測結果表明，在單一種植模式下，作物生育期內ET的日變化表現出單峰倒“U”形特征，NEE則表現出明顯的“U”形特征；在多熟種植模式下，NEE的季節(jié)變化大致呈“W”形雙峰特征[14-17]。但ET和NEE的日變化和季節(jié)變化規(guī)律往往因地域、時段、作物類型等而有所差異[18]。目前基于渦度相關法的農田ET和NEE研究大多采用短期觀測資料開展分析(小于3年)，這在一定程度上易受天氣條件的制約[19-20]。前期研究表明，光、溫、水等對作物生長以及農田ET和NEE的變化有重要影響，并通過相關性或回歸方程等方法，闡明單一環(huán)境因素，如凈輻射(Rn)、氣溫(T)、飽和水汽壓差(VPD)、風速(WS)、土壤含水率(SWC)等對ET或NEE的影響程度[21-23]。然而，這些環(huán)境因素之間也存在著較高的相關關系，它們共同影響著農田ET和NEE的變化，這使得一些量化研究的結果往往存在一定的不確定性[24]。此外，外界環(huán)境因素也會通過株高、葉面積指數(LAI)等的變化，間接影響農田ET和NEE的變化[25-26]。因此，定量解析環(huán)境因素對農田ET或NEE變化的直接和間接影響是農田水碳交換研究亟待解決的重要問題之一。

為此，本研究以黃淮海平原典型冬小麥-夏玉米農田為例，基于長達7年的逐日通量和氣象觀測數據，利用結構方程模型(SEM)，分析農田ET和NEE的特征及多因素協(xié)同影響，以期為區(qū)域農田生產力提升以及資源環(huán)境可持續(xù)發(fā)展等提供科學依據。

1 材料與方法

1.1 站點概況

試驗站點位于中國科學院禹城綜合試驗站內(36.83°N，116.56°E，海拔28 m)，屬暖溫帶半濕潤季風氣候區(qū)，多年平均氣溫13.1℃，年降雨量610 mm，日照時數2 640 h，無霜期約200 d，土壤母質為黃河沖積物，以潮土和鹽化潮土為主，耕層土壤有機質質量比為10～12 mg/kg，pH值為7.8～8.0[27]。種植模式為冬小麥-夏玉米復種，其中冬小麥的生育期一般為10月上旬至翌年6月上旬，而夏玉米的生育期為6月中旬至10月上旬[28]。作為我國農田生態(tài)系統(tǒng)觀測網絡的重要站點之一，該站點所處的自然地理環(huán)境與農業(yè)生產水平在黃淮海平原旱作農田中具有一定的代表性和典型性。

在禹城綜合試驗站內，安裝一套開路式渦度相關觀測系統(tǒng)(36.57°N，116.38°E，海拔23.4 m)，設立在下墊面為冬小麥-夏玉米輪作的農田中，由CSAT3型三維超聲風速儀(Campbell Scientific Inc.，美國)與LI-7500型H2O/CO2紅外氣體分析儀(LICOR Biosciences，美國)組成，安裝高度為植被冠層上方2.5 m，用于測定農田生態(tài)系統(tǒng)CO2通量與能量交換特征，并由高速數據采集器(CR5000型，Campbell Scientific Inc.，美國)自動采集數據[29]。試驗地與周圍大片冬小麥-夏玉米輪作農田(約13.33 hm2)相連，構成大范圍均一的下墊面，盛行風向的風浪區(qū)長度達5 km，滿足渦度相關觀測系統(tǒng)要求的下墊面均一標準[30]。

1.2 數據獲取與處理

冬小麥-夏玉米農田逐日通量和氣象觀測數據來自于中國科學院禹城綜合試驗站，時間跨度為2003年6月—2010年6月(共包括7個冬小麥/夏玉米的生長季資料)。其中，水熱通量和CO2通量由渦度相關觀測系統(tǒng)測得；同期Rn、T、VPD、WS及表層SWC等由配套的自動微氣象觀測系統(tǒng)測得。通過中國生態(tài)系統(tǒng)研究網絡(China FLUX)技術體系對獲得的觀測數據進行坐標軸旋轉、WPL校正等質量控制和數據處理后，生成逐日通量和氣象觀測數據。利用潛熱通量與汽化潛熱的比值，計算得到逐日ET[31]。作物生育期內LAI數據來源于衛(wèi)星遙感數據(MCD15A3H)，時間分辨率為4 d，空間分辨率為500 m。通過線性插值方法，獲得冬小麥和夏玉米生育期內逐日LAI數據[22]。

1.3 結構方程模型

SEM是一種多變量統(tǒng)計方法，用于探究多個因子之間的相互關系。與傳統(tǒng)方法相比，它不僅能夠判別各因子之間的關系強度，而且能對模型進行擬合和判斷[32]，這為理解農田ET和NEE變化的多因素影響提供了重要途徑。本研究首先綜合前人的研究成果[21-22]，選擇Rn、T、VPD、WS和SWC為自變量，LAI為中間變量，ET(或NEE)為因變量。將環(huán)境因素對ET(或NEE)的影響分離為直接影響和通過影響LAI產生的間接影響，即各自變量對中間變量或因變量具有單向影響作用，而各自變量之間存在相互影響作用；其次，根據顯著性關系，依次消除非重要路徑，直到獲得最終模型。模型評價指標包括卡方與自由度比值(CSFD，小于5.0)，調整擬合優(yōu)度指數(AGFI，大于0.90)，近似均方根誤差(RMSEA，小于0.10(ET、NEE單位分別為mm/d、g/(m2·d)))，各指標的定義及計算參照文獻[22]；最后，根據最優(yōu)模型的結果，獲得各因素對ET(或NEE)變化的直接影響、間接影響和總影響。

2 結果與分析

2.1 冬小麥-夏玉米農田小氣候特征

冬小麥-夏玉米農田T、Rn、VPD、WS和SWC的季節(jié)變化特征如圖1所示。T表現出冬季低、夏季高的單峰型變化特征(圖1a)，其中1月最低，為-1.83℃，7月最高，為26.18℃，研究時段內年平均T為12.83～13.73℃，多年平均值為13.23℃，最高溫與最低溫差值在34.62～41.11℃之間波動。與T類似，Rn也呈單峰型變化特征，但其波動幅度較大，年平均Rn為56.11～67.02 W/m2，多年平均值63.20 W/m2，并且Rn峰值出現的時間通常早于T出現的時間(圖1b)。受T和相對濕度的共同影響，VPD表現出雙峰型的變化特征(圖1c)，通常每年第1個高峰(6月)的VPD明顯高于第2個高峰(10月)，特別是在每年6月下旬期間，VPD會出現一些“尖峰”值，整體上VPD多年平均值為0.57 kPa。WS的多年平均值為1.86 m/s，麥季出現風速在3 m/s以上的次數普遍在45 d以上，明顯多于玉米季(圖1d)。試驗地表層SWC基本在0.2 m3/m3以上(圖1e)，特別是每年夏季期間SWC相對較高。

圖1 研究時段內冬小麥-夏玉米農田T、Rn、VPD、WS和SWC的季節(jié)變化曲線Fig.1 Seasonal changes of T, Rn, VPD, WS and SWC in winter wheat-summer maize field during study period

2.2 冬小麥-夏玉米農田ET和NEE的變化特征

冬小麥-夏玉米農田ET和NEE的季節(jié)變化特征如圖2所示。ET表現出雙峰型變化特征(圖2a)，2個峰值分別對應于麥季和玉米季，通常每年第1個高峰(5月)的ET明顯高于第2個高峰(8月)。麥季和玉米季ET最高值分別為9.55 mm/d(2009年5月8日)和6.99 mm/d(2009年8月13日)。研究時段內麥季ET總量在315.56～499.54 mm之間波動，多年平均值為398.63 mm，并且呈波動增加的趨勢(P<0.05)，每季增速約為21.48 mm(圖3a)。玉米季ET總量在221.68～314.95 mm之間波動，多年平均值為256.59 mm，玉米季ET總量也呈現出波動增加的趨勢(P<0.05)，每季增速約為14.15 mm(圖3a)。

圖2 研究時段內冬小麥-夏玉米農田ET和NEE的季節(jié)變化曲線Fig.2 Seasonal changes of ET and NEE in winter wheat-summer maize field during study period

圖3 研究時段內冬小麥-夏玉米農田ET總量和NEE總量的年際變化曲線Fig.3 Annual changes of cumulative ET and cumulative NEE in winter wheat-summer maize field during study period

NEE代表生態(tài)系統(tǒng)CO2凈交換量，負值表示生態(tài)系統(tǒng)吸收CO2，正值表示生態(tài)系統(tǒng)釋放CO2。如圖2b所示，NEE表現出雙峰倒“U”形變化特征，存在2個明顯的吸收峰值，通常NEE在每年麥季的吸收高峰(4月)弱于玉米季的吸收高峰(8月)，特別是玉米季NEE最高值達-25.94 g/(m2·d)(2007年8月11日)。研究時段內麥季NEE總量在-367.84～-149.93 g/m2之間波動，多年平均值為-272.57 g/m2(圖3b)，但年際變化趨勢不顯著(P>0.05)。玉米季NEE總量在-469.63～-118.79 g/m2之間波動，多年平均值為-293.57 g/m2；與麥季NEE總量類似，玉米季NEE總量的變化趨勢也不顯著(P>0.05)。

2.3 冬小麥-夏玉米農田ET和NEE季節(jié)變化的影響因素

不同于以往的單因素相關分析或多元回歸分析方法，本研究利用SEM方法具有設置中間變量的優(yōu)勢，將LAI設為中間變量，從而將環(huán)境因素對ET或NEE的影響分離為直接影響和通過LAI而產生的間接影響。受樣本容量所限，目前僅對冬小麥-夏玉米農田ET和NEE季節(jié)變化的多因素影響展開分析。

以Rn、T、VPD、WS和SWC為自變量，LAI為中間變量，麥季ET為因變量，基于調整后的SEM方法能解釋87%的麥季ET變化，各評價指標如CSFD為3.38，AGFI為0.98，RMSEA為0.04 mm/d，反映了模型擬合度優(yōu)(圖4a，圖中實線和虛線分別代表正影響和負影響，隱去不顯著的路徑，下同)。從總影響系數上看(表1)，Rn是影響ET變化最重要的因素，其次是LAI、VPD和SWC，而T和WS的影響較弱。Rn對ET的顯著影響不僅源于其對ET的直接影響(0.52)，還包括其通過促進LAI的增長而間接增加ET(0.22)。VPD和SWC對ET的作用也主要通過直接作用引起，二者通過LAI對ET產生的間接影響幾乎可以忽略。T對ET存在顯著的直接和間接影響，但影響的方向相反，使得T對ET的總影響相對較小(-0.13)。WS對ET存在顯著的直接影響，但影響程度較小(0.06)。總體而言，麥季ET隨Rn、LAI、VPD、WS和SWC的增加而增加，但隨T的增加而減小。

圖4 冬小麥-夏玉米農田ET的SEM結果Fig.4 SEM results of ET in winter wheat-summer maize field

同樣，基于SEM方法能解釋玉米季64%的ET變化，CSFD為1.86，AGFI為0.98，RMSEA為0.03 mm/d，模型擬合度優(yōu)(圖4b)。各因素按照總影響由大到小依次為Rn、LAI、VPD、WS、T、SWC(表1)。與麥季類似，Rn也是影響玉米季ET最重要的因素，并且主要由直接影響引起(0.78)，其通過LAI對ET的間接影響較小(0.05)。雖然VPD和WS具有相同的影響作用(-0.10)，但影響的方式有很大差異。VPD主要通過LAI間接影響ET，WS對ET的直接和間接影響相當。在玉米季中T對ET也存在顯著的直接和間接影響，但影響的方向相反，使得T對ET的總影響相對較小(-0.06)，這與麥季中T對ET的影響類似。此外SWC主要通過LAI間接影響ET，但影響作用有限(0.03)?？傮w而言，玉米季ET隨Rn、LAI和SWC的增加而增加，但隨VPD、WS和T的增加而減小。

表1 各因素對冬小麥-夏玉米農田ET直接影響、間接影響和總影響的標準化系數Tab.1 Standardized direct, indirect, and total effects of each factor on ET in winter wheat-summer maize field

冬小麥-夏玉米農田NEE變化的多因素影響結果如圖5a所示。對于麥季NEE而言，基于調整后的SEM方法能解釋70%的NEE變化，CSFD為2.33，AGFI為0.99，RMSEA為0.03 g/(m2·d)，模型擬合度優(yōu)。從總影響系數上看，各因素的重要性由大到小依次為Rn、LAI、T、SWC、VPD、WS(表2)。Rn是影響麥季NEE最重要的因素，其中直接影響和間接影響分別為-0.51和-0.37。除Rn外，T對NEE的影響也存在顯著的直接和間接影響，但影響的方向相反，分別為0.47和-0.24。不同于Rn和T，SWC和VPD主要通過LAI對NEE產生間接影響，但二者對NEE的影響方向相反。雖然WS對NEE的影響也主要由直接作用引起，但其對NEE的影響較小，幾乎可以忽略?？傮w而言，麥季NEE隨Rn、LAI、SWC和WS的增加而減小，但隨T和VPD的增加而增加。

圖5 冬小麥-夏玉米農田NEE的SEM結果Fig.5 SEM results of NEE in winter wheat-summer maize field

表2 各因素對冬小麥-夏玉米農田NEE直接影響、間接影響和總影響的標準化系數Tab.2 Standardized direct, indirect, and total effects of each factor on NEE in winter wheat-summer maize field

如圖5b所示，SEM方法能解釋玉米季54%的NEE變化(CSFD為2.14；AGFI為0.98；RMSEA為0.04 g/(m2·d))。從總影響系數上看(表2)，Rn和LAI是影響NEE的重要因素，其次是VPD、WS和T，而SWC對NEE的影響幾乎可以忽略。Rn對NEE的顯著影響主要源于其對NEE的直接影響(-0.47)，它通過促進LAI的增長而對NEE產生的間接影響較小(-0.09)。VPD和WS對NEE的影響主要是由直接作用引起，它們的間接影響較小。T主要通過LAI間接影響NEE，而它的直接影響作用幾乎可以忽略。雖然SWC對NEE存在顯著的直接和間接影響，但影響的方向相反，使得SWC對NEE的總影響不顯著?？傮w而言，玉米季NEE隨Rn、LAI和T的增加而減小，但隨VPD、WS和SWC的增加而增加。

3 討論

以往有關農田ET和NEE研究大多基于短期(小于3年)觀測資料開展分析，本研究基于長時序通量觀測數據可以發(fā)現：麥季和玉米季農田ET和NEE的變化表現出顯著差異。與冬小麥田相比，夏玉米田擁有較高的NEE和較低的ET，說明它能固定更多的CO2而散失較少的水分，即它的水分利用效率高于冬小麥田，這與前人的研究結果相似[32-35]。麥季和玉米季農田ET和NEE的變化差異除了因為它們所處的生長季環(huán)境條件不同外，也與二者分別代表不同的光合型植物有關。C4植物(夏玉米)光合作用是由維管束鞘細胞和葉肉細胞共同完成的，與C3植物(冬小麥)相比，它擁有更高的CO2同化速率且氣孔導度較小，使蒸騰耗水較低，因而具有較高的水分利用效率[36]。另一方面，研究時段內麥季和玉米季農田ET均呈波動增加的趨勢(P<0.05)，但二者NEE的年際變化趨勢不顯著(P>0.05)。由于這一時段內外界環(huán)境條件相對穩(wěn)定，因而這可能與各年份種植作物的品種及農田管理方式的不同有關，但受限于相關數據資料，目前對這一現象的歸因仍有待于深入探討。

前人研究結果證實，在30 min尺度上，Rn是影響生態(tài)系統(tǒng)ET和NEE變化的首要控制因素，此外還包括VPD[22]。但是在季節(jié)尺度上，這個結果還存在一定的爭議，一些研究表明T和VPD可能對NEE的影響大于Rn[21,37]。為此，本研究不同于以往的單因素相關分析或多元回歸分析方法，而是利用SEM方法具有設置中間變量的優(yōu)勢，將LAI設為中間變量，從而將環(huán)境因素對ET或NEE的影響分離為直接影響和通過LAI而產生的間接影響。結果表明，Rn仍是影響冬小麥-夏玉米農田ET和NEE季節(jié)變化的重要因素，并主要體現在直接作用上，這是因為輻射能提高葉溫，使葉片內外的水汽壓差增大，增強蒸騰速率，同時也能誘導氣孔開閉，進而影響ET和NEE變化[6]。隨著時間尺度的增加，LAI對ET和NEE的影響也逐步顯現[38]，并具有僅次于Rn的較強影響力。進一步分析發(fā)現：在麥季，Rn和T通過LAI對ET和NEE產生較大的間接影響；在玉米季，VPD和T通過LAI對ET和NEE的間接影響較大，這反映了作物生長對農田ET和NEE的季節(jié)變化具有調節(jié)作用，相似的研究結果也在東北地區(qū)的玉米田中得到了證實[23]。除Rn和LAI外，其他因素對ET和NEE的影響存在較大差異。例如，VPD對ET和玉米季NEE具有較強的影響，但對麥季NEE的影響較小。VPD作為衡量大氣干旱的重要指標，LIU等[39]基于模型-數據融合的方法，發(fā)現植被的蒸騰作用對于VPD較為敏感，而YUAN等[40]基于遙感數據發(fā)現，由于VPD的增加，陸地植被生長和固碳功能出現普遍下降，這與玉米季VPD對ET和NEE影響的分析結果相似，但與麥季NEE的結果存在一定的差異，反映了VPD增加對不同生長季作物NEE的影響較為復雜，存在一定的空間異質性。SWC作為衡量土壤干旱的重要指標，在以往基于回歸分析的研究中，由于其較低的相關性而被忽略。在本研究中，SWC對麥季ET和NEE的影響明顯高于玉米季，但這并不意味著玉米季ET和NEE不受SWC的影響?；赟EM分析結果表明，SWC對玉米季ET和NEE存在一定的直接和間接作用，但方向相反，從而導致總影響相對較弱，而WS對玉米季ET和NEE的影響強于麥季。綜上所述，雖然Rn和LAI是影響冬小麥-夏玉米農田ET和NEE季節(jié)變化的重要因素，但不同生長季的ET和NEE對其他環(huán)境因素的響應方式仍存在一定的差異。目前大多數陸地生態(tài)系統(tǒng)模型主要通過植物功能型進行建模，但同一植物功能型中不同植物類型對水熱條件響應的差異性，使得模擬結果存在較大的不確定性[41]，這需要在后續(xù)的生態(tài)系統(tǒng)模型的農業(yè)子模型中，針對不同作物類型，建立相應的機理表達和參數優(yōu)化，從而有效降低模擬結果的不確定性。

除了生物與環(huán)境因素對農田ET和NEE的影響外，近年來相關研究也表明，灌溉、施肥等管理措施會影響農田ET和NEE的變化[18]。例如，灌溉改變土壤水熱狀態(tài)，引起土壤含水率在較短時間內迅速上升，并改變包括土壤熱通量在內的農田小氣候狀況，使得以氣孔為節(jié)點的葉片光合-蒸騰作用較灌溉前明顯增強，進而使ET和NEE的絕對值明顯增加[42]。施肥會改變土壤理化性質，在促進作物根系生長、提升作物光合作用和產量的同時，對生態(tài)系統(tǒng)土壤呼吸和CO2通量也有不同程度的影響。王進等[43]研究發(fā)現較高的化肥施用量是導致棉田總初級生產力較高的重要原因之一。LAI作為描述作物生長的重要生物物理參數，隨生長階段、環(huán)境條件及管理措施的不同而呈動態(tài)變化，并具有表征作物物候的能力[44]。物候變化對生態(tài)系統(tǒng)水碳交換過程產生重要影響，但DU等[45]基于通榆玉米田的渦度觀測資料，發(fā)現生長季起止期和生長季長度與農田NEE年際變化之間沒有顯著的相關關系，這可能與農田管理措施所帶來的擾動有關。另一方面，生長季的變化也使總初級生產力和生態(tài)系統(tǒng)呼吸同時發(fā)生改變，加之潛在發(fā)生的氣候異常事件，都有可能使物候影響農田水碳交換過程存在一定的不確定性[41]。后續(xù)將進一步搜集試驗站長期通量和氣象觀測數據以及農田管理資料，定量區(qū)分研究時段內不同氣象年型的特征，進而基于SEM方法識別在不同氣象年型和不同農田管理方式下，影響農田ET和NEE變化的關鍵因素。此外，本研究僅將LAI作為連接農田ET或NEE與環(huán)境因素之間的中間變量。事實上，LAI并非是唯一既響應環(huán)境因素變化，又同時影響ET或NEE變化的生物因素[46]。后續(xù)應將更多包含不同信息的生物因素與LAI進行融合，以便進一步提高模型的模擬能力。

4 結論

(1)冬小麥-夏玉米農田ET表現出雙峰形的季節(jié)變化特征，通常每年第1個高峰的ET明顯高于第2個高峰。麥季和玉米季ET總量的多年平均值分別為398.63、256.59 mm，并且二者均呈波動增加的趨勢(P<0.05)，年增速分別為21.48、14.15 mm。

(2)冬小麥-夏玉米農田NEE表現出雙峰倒“U”形季節(jié)變化特征，每年麥季NEE的吸收高峰明顯低于玉米季。麥季和玉米季NEE總量的多年平均值分別為-272.57、-293.57 g/m2。與ET總量不同的是，麥季和玉米季NEE總量的年際變化趨勢不顯著(P>0.05)。

(3)Rn是影響冬小麥-夏玉米農田ET和NEE變化的重要因素，并主要體現在直接作用上。在間接作用方面，Rn和T通過LAI對麥季ET和NEE產生較大的間接影響；VPD則對玉米季ET和NEE的間接影響較大。其他環(huán)境因素，如SWC和WS，在不同生長季對ET和NEE的影響仍存在一定的差異。