《Sustainability》:Ecological Assessment of Temperature’s Influence on CO2 Efflux from Lawn Soils in Case of Its Pronounced Dynamics
编辑推荐:
所开展的微域模型研究旨在识别再生草坪生态系统中土壤CO2排放量(CO2 efflux)的动态模式,这些模式取决于泥炭-沙基质上不同泥炭含量的局部水热状况(hydrothermal regime)。监测工作于2019年
所开展的微域模型研究旨在识别再生草坪生态系统中土壤CO2排放量(CO2 efflux)的动态模式,这些模式取决于泥炭-沙基质上不同泥炭含量的局部水热状况(hydrothermal regime)。监测工作于2019年4月21日至2019年10月30日每十天进行一次,包括每3小时测量一次土壤温度、空气温度、土壤湿度和CO2排放量。2019年莫斯科生长季的天气条件(气温接近年均值且降水增加)使得研究人员能够在无实际土壤水分亏缺的情况下,阐明温度对草坪土壤CO2排放影响的定量模式。为研究CO2排放量与土壤温度和空气温度之间的关系,研究人员使用了三种经验CO2排放模型(指数模型(Exponential)、Raich–Hashimoto模型和Lloyd–Taylor模型),并对其结果进行了比较评估。研究表明,泥炭含量、局部水热状况和植被类型均在排放调节中发挥重要作用,其中温度因子在季节尺度(影响72%)和日内尺度(影响51–94%)上均占主导地位。草坪基质因子在日内尺度上解释了高达10%的CO2排放变异。草坪植被覆盖(低多样性或高多样性)根据泥炭含量显著影响土壤水热状况(泥炭含量越低,因土壤pH差异导致影响更大)。更密集的植被通过降低土壤温度,提供更好的保护,同时通过蒸腾作用降低土壤湿度,从而对CO2排放产生联合降低效应(在较低pH土壤中,排放降低可达1 g CO2 m-2 day-1)。
**论文解读文章:温度驱动下草坪土壤CO
2排放的生态评估——基于莫斯科再生草坪系统的微域实验**
**研究背景与问题**
21世纪城市化进程加速,城市生态系统面临全球气候变化的双重压力:气温升高且季节内波动加剧,强降水频次与强度增加,导致城市土壤退化加速、有机质矿化失衡,进而削弱草坪等绿地生态系统的碳汇功能、微气候调节及生物生产力。草坪作为城市绿地的主体(占城市总面积50%–70%),其土壤的生态功能与有机碳储量直接相关,而土壤CO
2排放(CO
2 efflux)是碳循环的关键过程。然而,新建或再生的草坪生态系统,尤其是以泥炭-沙混合物为基质的城市草坪,其碳库稳定性较差:泥炭丰富基质通常偏酸性,泥炭贫乏基质则有机质矿化潜力低。当前,对于中纬度大型城市在强烈季节及日内温度波动下,草坪土壤CO
2排放如何受局部水热条件调控的定量认识尚不充分。为此,研究人员在莫斯科这一欧洲最大且快速增长的特大城市中,开展了针对再生草坪生态系统的微域实验,旨在揭示不同泥炭含量基质、不同草种组合下,温度与湿度对土壤CO
2排放的影响模式,为生态恢复与可持续管理提供理论依据。该研究成果发表于《Sustainability》。
**关键技术与方法**
本研究采用微域实验设计,于2017年在俄罗斯国立农业大学—莫斯科季米里亚捷夫农业科学院(RSAU-MTAA)实验站建立10个5 m × 2 m的矩形模型草坪生态系统。基质由泥炭、沙和壤土按不同重量比混合(泥炭含量从高到低设置T75、T60、T33三种处理),草种选用两种常见莫斯科草坪混合种(普通型OP与高多样性型TOPPE)。监测于2019年4月21日至10月30日每十天进行一次,每次在8:00、11:00、14:00、17:00、20:00、23:00、2:00、5:00共8个时间点测量土壤温度、空气温度(采用Checktemp温度计)、土壤湿度(采用Thetaprobe HH2土壤水分计)及CO
2排放(采用EGM-5气体分析仪)。气象数据取自1.5 km外的Mikhelson气象站。数据分析采用三种经验模型(指数模型(Exponential)、Raich–Hashimoto模型、Lloyd–Taylor模型)拟合温度-排放关系,并运用四因素方差分析(ANOVA Type II)评估各因子贡献。
**研究结果**
**3.1 季节尺度上的天气与土壤条件变化**
通过连续观测发现,日平均气温与土壤温度高度相关(相关系数0.984,p < 0.001),土壤湿度与温度呈显著负相关(土壤温度 vs. 湿度:-0.65;气温 vs. 湿度:-0.58),而CO
2排放与温度正相关(相关系数0.95),与湿度负相关(-0.75)。不同基质位点间的土壤温度差异被季节变化掩盖,但湿度差异相对更明显。
**3.2 季节尺度CO
2排放对温度、湿度、季节及土壤类型的响应**
日平均CO
2排放在27–28 °C时达最大值15 g CO
2 m
-2 day
-1,0 °C时降至约1 g CO
2 m
-2 day
-1。春季排放比秋季低20%–30%,这与有机残体可利用性有关。线性模型在日平均尺度下R
2达0.9–0.91,但在日内尺度仅0.82–0.84,表明需要非线性模型。湿度对排放的影响呈季节依赖性:夏季低湿时排放最高,高湿(>29%)时排放下降,但秋季霜冻时排放降至最低。不同基质间排放差异占总体变异的约10%,泥炭含量越高,排放越大(T33 < T60 < T75)。三种经验模型中,Lloyd–Taylor模型拟合最优(最高R
2,最低RMSE和MBE),其Q
10温度系数随基质类型变化:从T75到T33,温度敏感性增加。
**3.3 日内尺度CO
2排放对温度、湿度及土壤类型的响应**
日内测量显示,CO
2排放与土壤温度呈显著正相关,尤其在高温时段(晚春至夏末昼夜温差可达10 °C以上)。泥炭含量高的T75基质排放最强,T33最弱。湿度的影响分两种情况:干旱日(W
soil < 23%)排放随湿度增加而增加;多雨日(W
soil > 29%)排放随湿度增加而减少。中等湿度条件下则无规律,表明温度仍占主导。
**3.4 不同基质与草坪生态系统类型的生态含义**
对干旱日和降雨日的差异分析表明:干旱日,土壤温度随基质泥炭含量降低而降低,这与植被密度增加有关(泥炭含量低pH高,促进植被生长)。TOPPE高多样性植被在春季降雨日对温度降低作用更明显。不同基质间CO
2排放顺序为T75 > T60 > T33,且高多样性TOPPE植被下的排放略低于普通OP植被,说明植被可通过降低土壤温度和蒸腾减少排放(最大降低约1 g CO
2 m
-2 day
-1)。
**讨论与结论**
讨论部分指出,日内Q
10温度系数并非恒定,低温时接近Lloyd–Taylor和Raich–Hashimoto模型估算值,高温时接近指数模型,这与两种模型对基础排放R
0的差异化估算有关。四因素ANOVA分析确认:季节尺度上,温度因子贡献72%,湿度因子13%,两者交互作用占3%;日内尺度上,温度贡献51%–94%(干旱日更高),基质因子贡献1%–9%,湿度在多雨日贡献显著(6%)。建议优化监测频率:一日两次(晨间8:00–11:00与晚间20:00–23:00)联合测量可使日平均排放估算精度提高3–5倍。
**结论(翻译)**
季节性已被证明对CO
2排放波动具有显著影响,占观测变异的约20%–30%。温度因子的影响范围为51%–94%(日内,干旱日更高)至72%(季节),而湿度因子的影响范围为0.1%–6%(日内,多雨日更高)至13%(季节)。交互作用占各自主要因子影响的不到10%。土壤基质和草坪植被因子的影响也显著,季节尺度上导致约1%的CO
2排放变化;日内尺度上,基质影响显著更高,可达9%。基质泥炭含量解释了站点间CO
2排放变异的约10%–20%,泥炭丰富土壤排放最高,泥炭贫乏土壤排放最低。具有更高生物多样性的TOPPE草坪植被表现出增强的土壤保护能力,特征为土壤温度降低和雨水截留增加。利用日内数据确定的Q
10温度系数表明,这些系数随温度和基质类型均存在变异性:高温下,系数接近指数模型得到的典型值;低温下,系数增加并接近Lloyd–Taylor和Raich–Hashimoto模型得到的值,表明CO
2排放随温度变化更为陡峭。这一发现与Lloyd–Taylor和Raich–Hashimoto模型得到的零度基础排放R
0较低值一致。本研究表明,采用更频繁的测量(至少每日晨间8–11时和晚间20–23时各一次)可使日排放估算精度比单次每日测量提高3–5倍。这一方法学信息对于设计当地环境监测计划(特别是当地自然气候项目的验证)具有实用价值。