下载:
-
二氧化碳(CO2)等温室气体排放增加以及全球变暖日益加剧，如何减缓大气“温室效应”，是人类目前面临的重要问题之一。土壤被认为是陆地生态系统中最大的碳库[1]，其中土壤有机碳储量为1 500~2 000 Pg，无机碳储量为700~1 000 Pg[2]，是土壤CO2排放的主要来源[3]。土壤碳库在全球碳循环中起着重要的碳源、碳汇作用，具有巨大的碳汇潜力，其微小变化将可能对大气CO2产生显著影响，在全球碳循环过程中扮演着非常重要的角色[4]。农田是陆地生态系统重要的组成部分，约占全球陆地面积的10.62%[5]；农田土壤作为陆地生态系统最活跃的碳库，其CO2排放量约占全球人为温室气体排放总量的21%~25%[6]。由此可见，深入开展农田土壤呼吸作用及其影响因素研究，对准确评估陆地生态系统碳收支具有重要的理论和现实意义。
土壤干湿交替被认为是土壤呼吸的重要影响因素，通过激发或抑制土壤呼吸来改变陆地生态系统碳储量，进而影响土壤呼吸时空特征及碳通量[7−18]。研究表明：受降水量、土壤初始含水量、降水格局、生态系统类型、干旱持续事件及干湿交替频率和强度的影响[19]，土壤干湿交替引起的土壤碳排放呈现不同的变化规律。在全球气候变化大背景下，极端干旱/降水事件和人类活动会使土壤发生频繁的干湿交替过程[20−22]；未来随着气候变化及降水格局的改变，土壤干湿交替现象及其发生频率会进一步提高[23−25]。中国西南喀斯特区碳酸盐岩出露面积达51.36 万km2[26]，区内农田面积占比21.6%[27]，对于喀斯特地区碳循环具有举足轻重的作用。由碳酸盐岩发育的石灰性土壤是该区农田主要土壤类型之一，不同于其他农田土壤类型，具有明显的区域特色。一方面，喀斯特地区土壤干湿交替特征鲜明，干旱、半干旱地区土壤干湿交替主要由降水量少引起，喀斯特地区降水充沛，但土层浅薄，储水能力低，岩石渗漏性强，导致土壤干湿交替发生更加频繁[28]；另一方面，土壤无机碳对土壤CO2排放具有一定的贡献[29−33]，以往的研究较少的考虑这一贡献。现有的非喀斯特地区土壤碳循环过程对干湿交替的响应规律，可能并不适用于喀斯特地区。因此，开展喀斯特地区农田石灰性土壤CO2排放对干湿交替的响应研究，可提升喀斯特地区土壤CO2排放通量评估的准确性。
本研究以喀斯特农田土壤为研究对象，通过室内控制实验，分析喀斯特农田土壤呼吸对不同干湿交替的响应规律，为深入理解气候变化下喀斯特农田土壤碳固持和减少碳排放提供理论依据。
-
研究区位于贵州省贵阳市乌当区(26°38N，106°48′E)，属于亚热带季风气候，年平均气温为14.9 ℃，年均降水量为1 130.4 mm。该地区是喀斯特地貌发育区，碳酸盐类岩层分布广，地貌类型以山地、丘陵为主，岩石类型以石灰岩为主，土壤类型主要由黄壤、黄棕壤、石灰土组成。本研究区内土壤类型为石灰土， pH为7.21，有机碳质量分数为55.40 g·kg−1，速效氮为87.36 mg·kg−1，速效磷为1.87 mg·kg−1。该区土壤干湿交替主要由降水事件导致。
-
以研究区内石灰性农田作为研究对象，采取表层土(0~20 cm) 带回实验室，放在通风状况良好、阴凉的地方风干。风干后的土壤挑出石块和可见植物残体样品，研磨，过2 mm筛备用。
-
试验于2022年8—9月在贵州师范学院温室大棚进行。将处理好的风干土充分混合均匀，平铺到聚氯乙烯(PVC)管底部(PVC管底部密封，高15 cm，内径10 cm，土层厚度5 cm，上部留有10 cm的空间)。根据贵阳市多年降水特征(该区以小于10 mm的降水为主)模拟2个降水量处理，分别是10和25 mm降水量，试验持续30 d (720 h)。在每个降水量处理下设置3个以10 d为降水周期的干湿循环周期，每个处理设置6个重复，其中3个重复用于测量土壤CO2排放，另外3个重复用于同步测量土壤含水量。对用于测量土壤CO2排放通量的PVC管，整个实验期间，只对其进行CO2监测，不对其进行破坏性采样。采用喷壶喷洒的方式模拟降水，向土壤表面均匀喷洒蒸馏水，喷水当天记作第1 天，第11 天、第21 天分别采用相同方法向土壤表面喷洒蒸馏水。第1天喷水后至第10天喷水前记作第1个周期，第11天加水后至第20天加水前记作第2个周期，第21天加水后至第30天记作第3个周期。洒水后第1天，在不同的时间(喷水后1、2、4、6、8、12、24 h)测定土壤呼吸速率，再在第4天、第7天和第10天各测定土壤呼吸速率1次。每次测定土壤呼吸速率时，用密封盖对PVC管进行密封，形成采样气室，每次监测持续时间为15 min，分别监测罩箱内0、5、10和15 min时的CO2浓度。在每次土壤呼吸速率监测结束后，打开密封盖，保持PVC管处于自然通风状态。土壤CO2使用CO2测定仪器-红外传感器(Vaisala GMP252)测定。土壤体积含水量(5 cm)用土壤温湿度速测仪(JL-19-2)测定。
CO2排放通量利用式(1)计算：
$$ F = \frac{M}{{{V_0}}} \times \frac{P}{{{P_0}}} \times \frac{{{T_0}}}{T} \times H \times \frac{{{\rm{d}}c}}{{{\rm{d}}t}} 。 $$ (1) 式(1)中：F为CO2排放通量(mg·m−2·h−1)；M为标准状态下CO2的摩尔质量(44 g·mol−1)；H为采样箱高度 (m)；P为采样点大气压强 (kPa)；P0和T0分别是标准状态下的大气压强和空气绝对温度(101.325 kPa和273.15 K)；V0是标准状态下气体摩尔体积22.41 L·mol−1；T是采样时该点的温度 (K)；dc/dt是CO2浓度随时间变化的速率。干湿交替处理CO2累计排放量计算公式为：
$$ E = \sum_{i=1}^n {\left(\frac{{{F_i} + {F_{i - 1}}}}{2}\right)} \times ({t_i} - {t_{i - 1}}) 。 $$ (2) 式(2)中：E为CO2累计排放量(mg·m−2)；F为CO2排放通量(mg·m−2·h−1)；i为采样次数(i=1,2$, \cdots ,n $)；t为采样时间(h)。
-
数据前期处理、统计分析及绘图分别用Excel 2013、SPSS 18.0和Origin 9完成。采用单因素方差分析(one-way ANOVA) 分别对不同干湿交替强度下土壤呼吸速率与土壤累计CO2排放量的影响进行差异性检验，采用Pearson相关分析法分析土壤呼吸和土壤湿度的相关性。
-
2种干湿交替强度下，随着水分的施加，土壤CO2排放通量短时间内达到最大值，随后逐渐下降(图1)。其中，25 mm降水干湿交替强度下，土壤CO2排放通量达到最大值的时间要明显晚于10 mm降水干湿交替强度。土壤含水量变化基本与水分的施加同步，随周期性的水分施加土壤湿度呈现从大到小的趋势(图2)。
图 1 2 种干湿交替强度下土壤 CO2排放通量随时间的变化特征
Figure 1. Dynamics of soil CO2 emission flux under two different intensities of wet-dry alternation
图 2 2 种干湿交替强度下土壤含水量随时间的变化特征
Figure 2. Dynamics of soil moisture under two different intensities of wet-dry alternation
如图3所示：在第1个周期中，10和25 mm降水干湿交替强度下，平均土壤CO2排放通量分别是162.62、346.28 mg·m−2·h−1；第2个周期中2种干湿交替强度下，平均土壤CO2排放通量分别是139.15、 144.00 mg·m−2·h−1，比第1个周期分别降低了14.17%、58.42%；第3个周期的2种干湿交替强度下，平均土壤CO2排放通量分别是108.85、43.54 mg·m−2·h−1，比第1个周期分别降低了32.86%、87.43%。方差分析结果显示：10 mm降水干湿交替强度下，不同周期土壤CO2排放通量之间差异不显著；25 mm降水干湿交替强度下，不同循环周期间土壤CO2排放通量差异显著(P＜0.05)；第1个和第3个周期土壤CO2排放通量在不同干湿交替强度下显著不同(P＜0.05)，而第2个周期干湿交替强度对土壤CO2排放通量影响不显著(P＞0.05，图3)。
图 3 2种干湿交替强度下不同循环周期土壤CO2排放通量平均值
Figure 3. Average soil CO2 emission flux of three drying and rewetting cycles with two different intensities of wet-dry alternation
-
在整个干湿交替周期中，25 mm降水干湿交替强度的土壤CO2累计排放量比10 mm降水干湿交替强度更多。土壤CO2累计排放量在每个周期中都是在水分施加后先是快速增大，之后增大的趋势减缓(图4)。图5表明：在不同周期，25 mm降水干湿交替强度下，第1个周期土壤总CO2排放量和第2个循环周期差异不显著，第1个周期和第2个周期土壤总CO2排放量与第3个周期差异均显著(P＜0.05)。10 mm降水干湿交替强度下，不同周期土壤总CO2排放量之间差异不显著；不同的干湿交替强度下，各周期之间土壤总CO2排放量差异显著(P＜0.05)。
图 4 2 种干湿交替强度下土壤 CO2累计排放量随时间的变化特征
Figure 4. Dynamics of accumulated soil carbon release under two different intensities of wet-dry alternation
图 5 2 种干湿交替强度下不同循环周期土壤总 CO2排放量
Figure 5. Total CO2 release of three drying and rewetting cycles with two different intensities of wet-dry alternation
-
由表1可知：第1个和第2个干湿交替周期的土壤含水量和土壤CO2排放通量之间有极显著的相关关系(P＜0.001)，而第3个干湿交替周期土壤含水量和土壤CO2排放通量之间相关不显著。干湿交替多个周期作用下，土壤含水量和土壤CO2排放通量之间的相关程度不断降低。
表 1 土壤CO2排放通量与土壤湿度的相关关系
Table 1. Correlation between soil CO2 emission flux respiration and soil moisture
周期 样本数/个 拟合方程 相关系数 P 1 60 y =0.001 9x2+5.998 2x−41.743 0.75 0.000 2 60 y =−0.054 1x2+8.147 1x−124.87 0.64 0.000 3 60 y =−0.049 2x2+6.103 0x−76.911 0.18 0.170 说明：y为土壤CO2排放通量，x为土壤体积含水量。 -
1958年，BIRCH[34]最早观测到降水导致的土壤水分变化能够激发土壤呼吸，该现象被称为“Birch效应”。干旱土壤再湿润过程引起的CO2脉冲可持续20 d以上[35]，且土壤呼吸速率可提高5倍以上(与恒湿土壤相比)[36]，因此，干湿交替被认为是影响土壤呼吸的重要因素[37]。研究表明：受降水量、土壤初始含水量、降水格局、生态系统类型、干旱持续事件和干湿交替频率和强度的影响[19]，土壤干湿交替引起的土壤碳排放可能呈现不同的变化规律。本研究结果表明：干湿交替强度显著影响土壤呼吸。2种干湿交替强度下，随着水分的施加，土壤CO2排放通量均从较低水平逐渐达到最大值，然后再逐渐降低。这是因为随着水分的施加，土壤水分达到饱和或者积水状态，较高的土壤水分使土壤透气性变差，微生物呼吸的氧气利用受到限制[38]。而后，随着时间的推移，土壤水分降低，土壤透气性得到改善，氧气的利用率提高，土壤CO2排放通量迅速提高[39]。其原因，一方面可能是干湿交替引起的空气压迫以及土壤的膨胀-收缩过程，导致土壤团聚体发生物理破坏并促使有机质暴露于微生物，最终通过加速微生物对有机质的分解而排放大量CO2[40−41]。另一方面在极端干旱环境下，微生物通过休眠或者细胞脱水等方式存活[42−43]，当土壤水分增加时，微生物得到水分补给，其活性增强[44−45]，且总量和丰度升高[46]。
此外，2种不同强度干湿交替下不同周期土壤CO2排放通量也具有一定的差异。在不同的周期内，25 mm降水干湿交替强度每个周期土壤CO2排放通量差异显著，而10 mm降水干湿交替强度下的不同周期土壤CO2排放通量差异不显著。有研究表明：土壤呼吸短时间内升高后逐渐下降的原因可能是由于经过多次的干湿交替过程中，土壤可利用有机质被消耗减少[47]，从而影响了土壤的生物活性，使土壤呼吸下降。在没有外源有机碳输入的情况下，土壤经过反复的干湿交替后，土壤团聚体稳定性得到提高，释放有机质的能力减弱，土壤有机质释放量减少[48]。25 mm降水干湿交替强度下，第1个周期土壤可利用有机质得到充分释放利用，而在第2个和第3个周期这种可利用有机质被消耗后不断减少，因此，该干湿交替强度下，从第1个周期到第3个周期，土壤CO2排放通量下降趋势明显。10 mm降水干湿交替强度下，3个周期的土壤CO2排放通量差异不显著。这有2个原因：一方面，土壤可利用有机质可能并未得到充分释放，反复的干湿交替作用下，土壤仍能释放出可利用有机质被微生物利用；另一方面，本研究所涉及的土壤类型为喀斯特地区的石灰性土壤，在10 mm降水干湿交替强度下，土壤碳酸盐溶解/沉淀过程排放的土壤CO2占比可能较大，从而导致喀斯特地区石灰性土壤对干湿交替的响应与其他土壤类型存在一定差异，如赵蓉等[11]研究了固沙植被区土壤呼吸对反复干湿交替的响应，表明5、10和20 mm降水3个干湿交替强度下，不同循环周期土壤CO2排放通量均呈下降之势。
-
干湿交替强度显著影响土壤CO2累计排放量。25 mm降水干湿交替强度的土壤CO2累计排放量明显比10 mm降水干湿交替强度大。土壤从干旱状态到湿润后，土壤团聚体等结构被破坏，增加了土壤中有机质，土壤微生物消耗更多氧气，排放出更多的CO2[49]。这种增加的可利用有机质和干湿交替强度有关。在较强的干湿交替强度下，土壤释放的可利用有机质可能更多。同时，施加较少的水分时，不能使水分渗入到土壤内部，土壤水分很容易被蒸发，下层土壤并没有水分渗入，土壤环境变化较小，大部分土壤微生物依然处于休眠状态，使得土壤CO2累计排放量较小；水分施加量增大时，可以使下层土壤有更多的水分渗入，土壤环境发生较大变化，打破了土壤微生物的休眠状态，使得微生物更加活跃[50]。另外，本研究的土壤类型为喀斯特地区的石灰性土壤。近年的研究结果表明：土壤无机碳对土壤CO2排放具有一定的贡献[28−32]，增加土壤湿度通常会导致碳酸盐排放的CO2增加[51−53]。这种现象可以通过2个主要途径解释：首先，增加土壤湿度会促进有机碳的矿化并减少CO2的扩散[54−55]，从而导致土壤中CO2浓度的增加，可能进一步促使碳酸盐系统的溶解/沉淀过程发生[53, 56]。其次，土壤湿度本身会推动碳酸盐与CO2之间的平衡反应[52−53, 56]。
-
土壤含水量是影响土壤呼吸的另一个重要非生物因子，对土壤呼吸影响相当复杂。土壤含水量既可以直接影响根和微生物呼吸，也可以通过影响土壤物理特性等其他环境因子间接影响土壤呼吸速率。关于土壤呼吸和土壤湿度的关系，不同的研究者在自己特定的条件下得出完全不同的结论。有研究发现：土壤呼吸和土壤含水量有着显著的相关关系[57−59]，但也有研究指出：土壤呼吸和土壤湿度相关关系不显著[60−62]。本研究中，第1个和第2个干湿交替周期的土壤含水量和土壤CO2排放通量的相关关系显著，第3个周期，土壤含水量和土壤呼吸之间的相关关系不显著，整体上表现出随干湿交替过程的发生，土壤含水量和土壤呼吸之间的相关关系减弱。原因可能是，第1个周期，土壤从最开始的干旱状态变湿润，短期之内土壤团聚体遭受破坏，土壤中与土壤水分条件密切相关的可利用有机质增加[40−41]。同时，水分条件也可以对微生物的代谢活动产生影响，如水分的变化迅速改变了微生物生长速率[63]。随着多次干湿交替的进行，土壤团聚体的稳定性不断增强，土壤微生物活性降低[64]，从而减弱了土壤含水量变化对土壤呼吸的影响，致使土壤呼吸和土壤湿度的相关性不断变弱。
-
①干湿交替强度显著影响土壤呼吸。2种干湿交替强度下，随着水分的施加，土壤CO2排放通量较短时间内达到最大值，然后再逐渐降低。在不同周期内，10 mm降水干湿交替强度下，不同周期土壤CO2排放通量之间差异不显著；25 mm降水干湿交替强度下，不同周期土壤CO2排放通量之间差异显著。第1个和第3个周期土壤CO2排放通量在不同干湿交替强度下显著不同，而第2个周期表现出干湿交替强度对土壤CO2排放通量影响不显著。②2种干湿交替强度对土壤CO2累计排放量影响显著 。在整个干湿交替循环过程中，25 mm降水干湿交替强度的土壤CO2累计排放量比10 mm降水干湿交替强度多。在不同周期，25 mm降水干湿交替强度下，第1个周期土壤总CO2排放量和第2个周期差异不显著，与第3个周期土壤总CO2排放量差异显著，10 mm降水干湿交替强度下不同周期土壤总CO2排放量之间差异不显著。不同的干湿交替强度下，各周期之间土壤总CO2排放量差异显著。③干湿交替多个周期作用下，土壤含水量和土壤CO2排放通量之间的相关程度不断降低。
Response of soil respiration to dry-wet alternation in karst farmland
-
摘要:
目的 探究中国西南喀斯特地区农田石灰性土壤二氧化碳(CO2)排放通量对该区频繁发生的干湿交替的响应规律。 方法 以喀斯特农田石灰性土壤为研究对象，设计2种干湿交替强度(模拟降水量为10和25 mm)，以干湿交替循环周期10 d为1个循环过程，研究喀斯特农田土壤呼吸对干湿交替的响应。 结果 干湿交替强度显著影响土壤呼吸速率和土壤总CO2排放量(P＜0.05)。在2种干湿交替强度下，随着水分施加，土壤CO2排放通量会在短时间内达到最大值，然后逐渐下降。对于10 mm降水干湿交替强度，不同循环周期下的土壤CO2排放通量和土壤总CO2排放量之间的差异并不显著。然而，对于25 mm降水干湿交替强度，大多数循环周期下的土壤CO2排放通量和土壤总CO2排放量之间的差异显著(P＜0.05)。相关分析表明：干湿交替多重周期作用下，土壤含水量和土壤CO2排放通量之间的相关关系不断降低。 结论 干湿交替强度和干湿交替过程是影响喀斯特农田土壤呼吸排放的重要因素。图5表1参64 Abstract:Objective The objective of this study is to explore the response of soil CO2 emission flux from calcareous soil to frequent dry-wet alternation in farmland of karst areas in southwest China. Method Taking calcareous soil in karst farmland as the research object, two dry-wet alternation intensities (simulated precipitation of 10 and 25 mm) were designed, with a dry-wet alternation cycle of 10 days as one cycle process, to investigate the response of soil respiration to dry-wet alternation in karst farmland. Result The intensity of dry-wet alternation significantly affected soil CO2 emission flux and total soil CO2 emissions (P＜0.05). Under two different dry-wet alternation intensities, soil CO2 emission flux reached its maximum shortly after water was applied, and then gradually decreased. For the 10 mm dry-wet alternation intensity, there was no significant difference between soil CO2 emission flux and total soil CO2 emissions under different cycles. However, for the 25 mm dry-wet alternation intensity, the difference between soil CO2 emission flux and total soil CO2 emissions under most cycles was significant (P＜ 0.05). Correlation analysis revealed that the correlation between soil water content and soil CO2 emission flux decreased continuously under the multiple cycles of dry-wet alternation. Conclusion The intensity and process of dry-wet alternation are important factors affecting soil respiration release in karst farmland. [Ch, 5 fig. 1 tab. 64 ref.] -
Key words:
- karst farmland /
- soil respiration /
- dry-wet alternation /
- response
-
在城市化快速发展的背景下，城镇建设用地的扩张导致生态空间衰减、系统结构失衡、生态功能下降等问题凸显[1]，生态环境面临多重压力和干扰，引起的景观生态风险值得关注。绿色空间是城镇地域范围内对于改善区域生态环境、维持生态系统物质能量循环具有重要作用的生态空间，是由耕地、林地、草地、水域等不同土地单元镶嵌而成的复合生态系统[2−4]。当前，国内外学者对绿色空间的研究主要集中在绿色空间结构与功能[5]、景观格局动态演化[6−7]及生态环境效益[8−9]等方面。景观生态风险评价用于评估自然或人为因素干扰对生态系统及其组分产生不利影响的可能性及损失[10]，基于景观格局指数构建景观生态风险评价模型能够定量揭示生态环境健康程度及风险压力的时空分布特征[11]。现有研究主要集中于景观生态风险的静态分析，对时空动态分析视角下景观生态风险演变特征的分析相对薄弱，且研究尺度集中在城市[12−13]、城市群[14−15]、流域[16−17]等典型地区，对具有特殊地域特征的苏南水网地区的研究相对较少。
苏南水网地区位于经济发达、人口密集的长江三角洲，河流、湖荡众多，水系纵横交错，形成了独特的地域生态空间特征。随着城镇建设用地的迅速扩张，苏南水网地区绿色空间日趋破碎化，生态系统稳定性下降。本研究以苏南水网地区江苏省昆山市为研究对象，利用2000、2010、2020年土地利用数据，定量测度其绿色空间景观格局变化引起的景观生态风险，并探究景观生态风险时空演变特征，依据风险等级转移变化特征划定绿色空间管控分区，提出分区调控策略，为优化水网地区空间景观布局，保护地区生态安全，合理开发绿色空间资源提供理论依据，也为地区景观生态风险管理提供决策支持。
1. 研究区概况与数据来源
1.1 研究区概况
昆山市位于长江三角洲地区江苏省苏州市东部，31°06′~31°32′N，120°48′~121°09′E，全市下辖周庄镇、锦溪镇、淀山湖镇等10个镇，总面积为931 km2。根据《昆山市统计年鉴》，2000—2020年昆山市户籍总人数增加47.3万人，城镇化率由57.31%提升至78.95%，国内生产总值(GDP)增长4 075.96亿元，经济建设水平居于全国经济百强县首位。昆山市境内地势平坦，属北亚热带季风性湿润气候，四季分明，雨量充沛。境内河港纵横交错，湖荡星罗棋布，水域面积占16.4%，包含白莲湖、傀儡湖、明镜荡等湖荡，水网地区风貌特征明显。
1.2 数据来源及处理
采用2000、2010、2020年3期 Landsat TM/OLI 遥感影像，数据集来源于地理空间数据云平台(
http://www.gscloud.cn/ )，空间分辨率为30 m×30 m。利用ENVI 5.3软件对各期遥感影像数据进行校准、图像拼接裁剪等处理。参考中国科学院土地利用/土地覆盖分类系统及GB/T 21010—2017《土地利用现状分类》相关标准，结合苏南水网地区地域特点，将研究区划分为耕地、林地、草地、水域、建设用地和未利用地等6类土地利用类型，其中耕地、林地、草地和水域为绿色空间，建设用地和未利用地为非绿色空间。对解译后的土地利用类型数据进行精度验证，Kappa系数均＞0.85，符合解译精度要求。2. 研究方法
2.1 风险小区的划分
为了便于景观生态风险指数的空间化表达，本研究基于ArcGIS的渔网分析功能划分景观生态风险小区。依据研究区面积大小及数据精度，采用等间距采样的方法将研究区划分为1.5 km×1.5 km正方形格网，共划分景观生态风险样本小区489个(图1)，利用 Fragstats 4.2软件计算各个样本小区内的生态风险指数，作为每个风险小区中心点的景观生态风险值。
2.2 景观生态风险评价模型
景观格局指数是反映景观结构组成和空间配置特征的定量指标[18]。基于景观格局指数的生态风险评价方法能够有效评估生态系统受到外部干扰的强弱和内部抵抗力的大小[19]。根据相关研究成果[20−21]，依据景观格局与生态风险之间的关联，选取景观干扰度指数($ {E}_{i} $)、景观脆弱度指数($ {V}_{i} $)和景观损失度指数($ {R}_{i} $)来构建景观生态风险评价模型。
各景观格局指数计算方法及生态学含义详见表1。
表 1 景观格局指数及计算方法Table 1 Landscape pattern index and their calculation methods指数名称 计算方法 生态学含义 土地利用生态风险指数
(IERk)${I_{{\text{ER}}k}} = \displaystyle \sum \limits_{i = 1}^N \dfrac{{{A_{ki}}}}{{{A_k}}} \times {R_i} $ Aki为第k个风险小区内土地利用类型i的面积；Ak为第k个风险小区的面积；Ri为第i类景观的景观损失度指数 景观损失度指数(Ri) Ri=Ei×Vi Ei为景观干扰度指数，Vi为景观脆弱度指数 景观干扰度指数($ {E}_{i} $) $ {E}_{i}={aC}_{i}+{bN}_{i}+{cD}_{i} $ 表示不同类型景观生态系统所受外界干扰的程度，主要与人类的开发活动有关。其中：$ a、b、c $分别为$ {C}_{i} $、$ {N}_{i}{\mathrm{、}D}_{i} $的权重，且$ a+b+c= $1，参考前人研究[11, 22]，将$ a、b、c $分别赋值为0.5、0.3和0.2 景观破碎度指数($ {C}_{i} $) $ {C}_{i}=\dfrac{{n}_{i}}{{A}_{i}} $ 表示景观被分割的破碎化程度，值越大表明景观破碎程度越高 景观分离度指数($ {N}_{i} $) $ {N}_{i}=\dfrac{A}{2{A}_{i}}\sqrt{\dfrac{{n}_{i}}{A}} $ 表示某一景观类型中不同斑块间的分离程度，值越大表明景观空间分布越离散，景观结构稳定性越低。$ {n}_{i} $为景观类型$ i $的斑块个数；$ {A}_{i} $为景观类型$ i $的面积；$ A $为景观总面积 景观优势度指数($ {D}_{i} $) $ {D}_{i}=\dfrac{\left(\dfrac{{n}_{i}}{N}+\dfrac{{q}_{i}}{Q}\right)}{4}+\dfrac{{A}_{i}}{2A} $ 表示斑块在景观中的地位，值越大代表斑块对景观格局演变影响越大。$ {q}_{i} $为景观类型$ i $斑块出现的样方数；$ Q $为样方总数；$ N $为斑块总数 景观脆弱度指数($ {V}_{i} $) $ {V}_{i}={I}_{{\mathrm{LS}}}\times \left(1-{I}_{{\mathrm{LA}}}\right) $ 表示不同景观类型抵抗外界干扰的敏感程度。其中：ILS为景观敏感度指数，可通过景观干扰度指数和景观易损度指数相乘而得，景观易损度指数根据前人研究成果[23−24]，结合研究区实际情况赋以权重：未利用地为6，水域为5，耕地为4，草地为3，林地为2，建设用地为1；ILA为景观适应度指数，由斑块丰富密度指数、香农多样性指数、香农均匀度指数相乘而得。3种指数均由Fragstats软件计算而得 3. 结果与分析
3.1 昆山市绿色空间演变特征分析
3.1.1 绿色空间面积组成对比分析
通过ArcGIS软件对遥感影像图进行分类处理，得到昆山市2000、2010和2020年3个时期土地利用类型图(图2)，并统计得到各土地利用类型面积与占比(表2)。从分析结果来看：2000—2020年昆山市各绿色空间类型面积发生了较大变化，其中耕地面积下降明显，减少20 203.11 hm2，占比下降21.70%；水域面积在2000—2010年小幅增加，占比上升2.24%，2010—2020年水域面积明显下降，减少了
5905.17 hm2，占比下降6.34%；林地面积共减少72.90 hm2，而草地面积则增加了143.64 hm2，两者在绿色空间中占比很小。总体而言，研究期间昆山市绿色空间总面积明显减少，反映了建设用地扩张不断侵占市域内的绿色空间，以耕地面积的缩减最为突出。
图 2 2000—2020年昆山市土地利用类型示意图Figure 2 Land use type map of Kunshan City from 2000 to 2020表 2 2000—2020年昆山市各用地类型面积变化Table 2 Changes in the area of various land types in Kunshan City from 2000 to 2020土地利用类型 2000年 2010年 2020年 面积/hm2 百分比/% 面积/hm2 百分比/% 面积/hm2 百分比/% 绿色空间 耕地 68 884.11 73.98 51 240.51 55.03 48 681.00 52.28 林地 122.85 0.13 112.59 0.12 49.95 0.05 草地 36.36 0.04 78.66 0.08 180.00 0.19 水域 15 156.36 16.28 17 247.87 18.52 11342.70 12.18 合计 84 199.68 90.43 68 679.63 73.75 60253.65 64.70 非绿色空间 建设用地 8 833.95 9.49 24 386.49 26.19 32828.04 35.26 未利用地 81.36 0.09 48.96 0.05 33.39 0.05 合计 8 915.31 9.58 24 435.45 26.24 32861.43 35.31 3.1.2 绿色空间面积转移矩阵分析
为了进一步揭示昆山市绿色空间用地类型的时空演变规律，本研究采用土地利用转移矩阵对昆山市各用地类型之间的转移方向和转换数量进行分析，结果如表3所示。2000—2020年昆山市各绿色空间类型转移存在明显差异：耕地净转出量最大，总量达33 918.84 hm2，主要流向建设用地，转出面积达26 327.86 hm2，转出贡献率为77.62%，反映出建设用地侵占耕地现象普遍；水域面积整体呈现先小幅增加后逐渐减少的趋势，其中2000—2010年水域面积小幅增加了2 091.51 hm2，主要由耕地转入，2010—2020年，水域面积持续减少，主要向耕地和建设用地转出，转出总面积为7 150.64 hm2。总体来看，2000—2020年昆山市绿色空间类型转移以耕地和水域的转出为主，均主要转向建设用地。这反映出昆山市在经济社会快速发展下人为开发建设活动对绿色空间侵占现象较为明显，耕地和水域等绿色空间面临较大生态压力。
表 3 2000—2020年昆山市地类转移矩阵Table 3 Land class transfer matrix in Kunshan City from 2000 to 2020时间段 土地利用类型 绿色空间/hm2 非绿色空间/hm2 转出合
计/hm2面积变化
合计/ hm2耕地 林地 草地 水域 建设用地 未利用地 2000—2010 绿色空间 耕地 46 613.56 41.62 71.57 6 168.10 15 825.59 6.48 68 726.91 −17 577.88 林地 46.23 41.28 0.07 29.54 5.62 0.00 122.74 −10.60 草地 14.15 0.00 0.16 15.64 6.29 0.11 36.36 42.30 水域 3 464.97 28.70 5.97 10 742.95 853.90 2.02 15 098.51 2 033.98 非绿色空间 建设用地 975.40 0.53 0.90 174.01 7 672.25 0.20 8 823.28 15 544.60 未利用地 34.72 0.00 0.00 2.25 4.23 40.15 81.36 −32.40 转入合计 51 149.03 112.14 78.66 17 132.48 24 367.89 48.96 92 889.16 − 时间段 土地利用类型 绿色空间/hm2 非绿色空间/hm2 转出合
计/ hm2面积变化
合计/ hm2耕地 林地 草地 水域 建设用地 未利用地 2010—2020 绿色空间 耕地 39 356.15 8.54 127.00 1 161.04 10 502.27 6.64 51 161.64 −2 650.12 林地 65.13 25.78 0.13 17.69 3.57 0.00 112.30 −62.47 草地 2.17 0.00 1.46 0.00 74.73 0.30 78.66 101.34 水域 6 482.98 14.97 37.18 9 906.54 667.66 6.89 17 116.24 −5 812.93 非绿色空间 建设用地 2 592.59 0.53 14.22 217.65 21 538.87 1.19 24 365.05 8 439.75 未利用地 12.50 0.00 0.00 0.38 17.71 18.37 48.96 −15.57 转入合计 48 511.52 49.82 180.00 11 303.31 32 804.80 33.39 92 882.85 − 说明：−表示无此项。 3.2 昆山市绿色空间景观生态风险时空演变分析
3.2.1 绿色空间景观格局指数时序变化
运用Fragstats软件计算得到昆山市2000、2010、2020年各绿色空间类型景观格局指数。统计结果表明：2000—2020年昆山市绿色空间景观格局发生了较大变化(表4)。①研究期间耕地破碎度和分离度指数显著上升，表明建设用地快速扩张，促使耕地空间分布趋于离散，破碎化程度加剧，景观优势度不断降低，受外界干扰程度增加。景观损失度逐年上升。②水域破碎度指数先下降后上升，总体呈上升趋势，景观优势度降低，且水域周边城镇较为密集，易受人为活动干扰，使景观脆弱程度不断增加，损失度上升。③林地破碎度、干扰度、脆弱度指数均先下降后上升，总体呈下降趋势，表明林地斑块分布逐渐聚集，景观结构稳定性提升。④草地破碎度指数先上升后下降，表明草地斑块在空间上趋于集聚与整合，抗外界干扰能力提高，景观脆弱度与损失度有所降低。
表 4 2000—2020年昆山市绿色空间景观格局指数变化Table 4 Change of green space landscape pattern index in Kunshan City from 2000 to 2020土地利用类型 年份 斑块数量 斑块面积/hm2 破碎度 分离度 优势度 干扰度 脆弱度 损失度 耕地 2000 1378 68 884.11 0.020 0.973 0.647 0.431 0.082 0.035 2010 4401 51 240.51 0.086 0.987 0.602 0.459 0.087 0.040 2020 4667 48 681.00 0.096 0.992 0.597 0.465 0.088 0.041 林地 2000 494 122.85 4.021 1.000 0.092 2.329 0.222 0.516 2010 355 112.59 3.153 1.000 0.076 1.892 0.180 0.340 2020 172 49.95 3.443 1.000 0.046 2.031 0.193 0.392 草地 2000 56 36.36 1.540 1.000 0.025 1.075 0.153 0.165 2010 195 78.66 2.479 1.000 0.017 1.551 0.221 0.343 2020 123 180.00 0.683 1.000 0.047 0.651 0.093 0.060 水域 2000 4128 15 156.36 0.272 1.000 0.417 0.520 0.124 0.064 2010 3566 17 247.87 0.207 1.000 0.399 0.483 0.115 0.056 2020 3770 11 342.70 0.332 1.000 0.365 0.539 0.128 0.069 3.2.2 绿色空间景观生态风险时空分布格局
基于景观生态风险评价指标计算结果，在ArcGIS 10.2中利用克里金插值法对昆山市生态风险值进行空间插值，得到昆山市绿色空间景观生态风险空间分布图，使用自然断点法将景观生态风险值(IERk)划分为5个等级：低生态风险(0＜IERk≤0.026)、较低生态风险(0.026＜IERk≤0.031)、中生态风险(0.031＜IERk≤0.037)、较高生态风险(0.037＜IERk≤0.041)和高生态风险(IERk＞0.041)，结果如图3，并统计得到不同景观生态风险等级的面积及占比(表5)。
图 3 2000—2020年昆山市绿色空间景观生态风险空间分布示意图Figure 3 Spatial distribution of ecological risks in green space landscape of Kunshan City from 2000 to 2020表 5 2000—2020年昆山市绿色空间景观生态风险等级面积及比例Table 5 Area and proportion of landscape ecological risk level of green space in Kunshan City from 2000 to 2020年份 低风险区 较低风险区 中等风险区 较高风险区 高风险区 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 2000 1 116.90 25.66 1 830.87 42.06 918.09 21.09 345.15 7.93 141.48 3.25 2010 642.78 19.94 1 210.41 37.55 745.56 23.13 409.32 12.70 215.82 6.69 2020 452.70 15.93 961.02 33.81 692.64 24.37 455.58 16.03 280.26 9.86 2000—2020年昆山市绿色空间景观生态风险整体呈上升趋势，呈现“南北高，中间低”的空间分布特征。高、较高风险区面积明显上升，面积占比分别增加8.10%、6.61%，主要分布于淀山湖、白莲湖等湖荡密集地区，且不断向湖荡周围辐射扩张。该区域绿色空间类型以水域为主，由于围网养殖等人为活动对水域干扰程度加大，景观损失度逐年增加，使区域风险等级不断升高。中风险区面积小幅上升，面积占比增加3.28%，集中分布于渡头村、双洋潭等地区，并逐步沿较高风险区外围向四周扩散，区域内耕地、水域交错分布，受人为活动干扰较大，生态稳定性下降。较低、低风险区面积明显缩减，占比分别减少8.25%和9.73%，主要分布于研究区中部白渔潭村、荣家厍及北部范潭村、横泾等地区，且分布逐渐变得零散破碎，人为开发建设活动频繁，绿色空间不断减少，抗干扰能力减弱，景观生态风险值有增强趋势。
3.2.3 绿色空间景观生态风险等级空间变化
借助景观生态风险等级变化分布(图4)分析2000—2020年期间研究区各风险等级的变化情况。①风险等级升高区域的面积为21 503.12 hm2，占绿色空间总面积的36.69%，其中较低风险区域上升为中风险的区域面积最大，为6 413.09 hm2，其次为中风险区域上升为较高风险区域。主要分布在白莲湖、明镜荡、汪洋荡等地区，区域内湖荡、耕地镶嵌分布，城镇建设用地的扩张使生态斑块破碎化程度加剧，生态结构和功能受到损害，生态系统稳定性和恢复力下降。②风险等级基本不变区域的面积为31 026.25 hm2，占绿色空间总面积的52.61%，其中较低风险区域面积最大，为13 102.74 hm2。主要分布在白渔潭村、荣家厍、范潭村片区等。该区域生态环境相对较好，生态系统结构和整体格局较为完整，对外界干扰具备一定的抵御能力，可维持基本的生态功能。③风险等级降低区域的面积为5 241.88 hm2，占绿色空间总面积的10.70%，其中中风险区域下降为较低风险区域面积最大，为2 925.90 hm2，其次为较低风险区域下降为低风险区域。在空间上集中在大渔新村、朱家湾村、黄家埭等地区。区域内具有较好的生态基底，生态斑块间连续性较强且受经济建设活动干扰较小，生态系统稳定性提高，能够提供较好的生态服务效益。
图 4 2000—2020年昆山市绿色空间景观生态风险等级变化示意图Figure 4 Change of landscape ecological risk level of green space in Kunshan City from 2000 to 20203.3 基于景观生态风险评价的昆山市绿色空间分区调控策略
基于2000—2020年昆山市绿色空间景观生态风险等级变化特征，将风险等级升高、不变和降低的区域分别划定为重点修复区、协调缓冲区和优化利用区。依据《苏州市“十四五”生态环境保护规划》《昆山市生态环境保护“十四五”规划》《昆山市国土空间总体规划(2021—2035)》等规划政策，结合调控分区的景观生态风险水平，提出有针对性的空间分区调控策略。
3.3.1 重点修复区实施生态保育，降低绿色空间生态风险
重点修复区为景观生态风险等级升高的区域，主要表现为较低风险向中风险、中风险向较高风险转移。片区内绿色空间破碎度增加，生态系统稳定性下降，景观生态风险水平不断上升。应加强生态保育与生态修复，对淀山湖、白莲湖等主要核心水域开展生态治理与修复工程，提升水域生态涵养功能；系统梳理、串通河网水系，在河网沿线严格管控开发强度大的建设活动；对破碎的绿色空间斑块进行整合，特别是南部长白荡、明镜荡等水域密集地区，着力提升水网景观的连通性和抗干扰能力，维护绿色空间的完整性与稳定性。
3.3.2 协调缓冲区加强缓冲区建设，筑牢绿色空间生态安全屏障
协调缓冲区为景观生态风险等级基本不变的区域，片区内绿色空间生态稳定性较强，能够抵御一定程度的外界干扰，景观生态风险维持在稳定水平。这些区域可作为生态缓冲地，提升绿色空间抗风险能力。通过强化河流水系、滨水绿带等生态廊道结构连通性[25]，串联湖荡、农田大型生态斑块，构建水陆联动的网络化生态空间格局；加强傀儡湖、阳澄湖等生境敏感区的缓冲区建设，构建区域生态安全屏障，维护生态保护网络边界，增强区域景观生态风险缓冲能力。
3.3.3 优化利用区优化生态建设，发挥绿色空间生态效益
优化利用区为景观生态风险等级降低的区域，主要表现为中风险向较低风险、较低风险向低风险转换。片区内绿色空间生态系统结构较为完整，对外界干扰具有较强的适应能力，景观生态风险水平有所下降。应依托片区内良好的生态优势，适度优化建设，提升水网空间活力，维护生态系统的稳定性。首先明确生态保护红线边界，保护绿色空间健康稳定发展；其次对绿色空间进行分级分类管控，加强对城市生态森林公园、夏驾河湿地公园等核心生态资源的保护与管理，定期监测与评估生态用地的环境状况；同时在生态保护基础上优化建设，结合黄家埭等地区独特的水网空间优势开展科普教育、休闲游憩等服务，提升绿色空间的生态效益。
4. 讨论与结论
4.1 讨论
本研究表明：绿色空间用地类型转变与景观生态风险具有关联性。研究期间昆山市南部水域及周边地区由于城镇用地扩张，耕地、水域等绿色空间面积持续减少，生态系统结构稳定性下降，景观生态风险等级呈上升趋势。这与于淑会等[26]、陈斌等[27]的研究结论一致。水网地区以纵横交错的河流、湖荡为主体，水域面积较大，易受外界城镇建设用地扩张的干扰而破碎化，景观脆弱度高。本研究结果表明：水域范围内的景观生态风险指数普遍较高。这与何钊全等[28]对延安市的研究存在一定差异。延安市地处黄土丘陵区，林地和耕地是优势景观类型，受经济发展和建设用地扩张影响较大，林地、耕地破碎化程度加剧，抗干扰能力下降，景观损失度增加，使林地与耕地的景观生态风险值较高。
本研究在快速城镇化背景下，基于景观生态风险评价，加强绿色空间分区规划调控，对提升区域生态安全水平，优化国土空间结构，促进区域可持续发展具有一定理论指导意义。但研究仍存在一定局限性：①研究侧重从景观空间结构变化视角来评价绿色空间景观生态风险状况，对社会、经济等层面影响因素研究不足，还需进一步完善景观生态风险影响因素和驱动机制研究。②生态过程具有复杂性和抽象性，其具体演变过程很难做到定量表述。需要对生态风险展开多尺度分析，深入探讨景观格局生态风险和生态过程的耦合关系，为区域风险管理提供更加科学的依据。
4.2 结论
①2000—2020年昆山市绿色空间总面积持续减少，其中耕地面积缩减最多；水域面积先小幅增加后持续减少，总体呈减少趋势；林地、草地面积占比较小，维持相对平稳。研究区用地类型转换主要表现为耕地和水域转向建设用地。②2000—2020年昆山市绿色空间景观格局变化特征明显，耕地空间分布在建设用地扩张影响下趋于分散，破碎化程度加大，损失度增加；水域破碎度指数先下降后上升，总体破碎度呈增大趋势，景观受外界干扰增加；林地破碎度、干扰度和脆弱度呈下降趋势，斑块分布呈集聚态势；草地破碎度指数先上升后下降，总体破碎度呈下降趋势，空间分布趋于集聚，景观损失度降低。③2000—2020年昆山市绿色空间景观生态风险等级总体呈上升趋势，其中高风险区、较高风险区面积显著扩大，占比分别增加8.10%、6.61%，空间分布上主要集中在南部淀山湖、白莲湖等水域密集地区，并有进一步向外围蔓延发展的趋势；较低风险区、低风险区面积缩减明显，占比分别下降8.25%和9.73%；景观生态风险以低风险等级向更高一级转变为主，绿色空间受人工建设干扰生态风险不断增强。④依据景观生态风险等级变化特征将研究区划分为重点修复区、协调缓冲区和优化利用区。
-
图 1 2 种干湿交替强度下土壤 CO2排放通量随时间的变化特征
Figure 1 Dynamics of soil CO2 emission flux under two different intensities of wet-dry alternation
图 2 2 种干湿交替强度下土壤含水量随时间的变化特征
Figure 2 Dynamics of soil moisture under two different intensities of wet-dry alternation
图 3 2种干湿交替强度下不同循环周期土壤CO2排放通量平均值
Figure 3 Average soil CO2 emission flux of three drying and rewetting cycles with two different intensities of wet-dry alternation
图 4 2 种干湿交替强度下土壤 CO2累计排放量随时间的变化特征
Figure 4 Dynamics of accumulated soil carbon release under two different intensities of wet-dry alternation
图 5 2 种干湿交替强度下不同循环周期土壤总 CO2排放量
Figure 5 Total CO2 release of three drying and rewetting cycles with two different intensities of wet-dry alternation
表 1 土壤CO2排放通量与土壤湿度的相关关系
Table 1. Correlation between soil CO2 emission flux respiration and soil moisture
周期 样本数/个 拟合方程 相关系数 P 1 60 y =0.001 9x2+5.998 2x−41.743 0.75 0.000 2 60 y =−0.054 1x2+8.147 1x−124.87 0.64 0.000 3 60 y =−0.049 2x2+6.103 0x−76.911 0.18 0.170 说明：y为土壤CO2排放通量，x为土壤体积含水量。 
下载: 导出CSV
-
[1] AHIRWAL J, MAITI S K, SINGH A K, et al. Changes in ecosystem carbon pool and soil CO2 flux following post-mine reclamation in dry tropical environment, India [J]. Science of Total Environment, 2017, 583: 153 − 162. [2] DENG Lei, LIU Guobin, SHANGGUAN Zhouping. Land-use conversion and changing soil carbon stocks in China’s ‘Grain-for-Green’ Program: a synthesis [J]. Global Change Biology, 2014, 20(11): 3544 − 3556. [3] ZAMANIAN K, ZAREBANADKOUKI M, KUZYAKOVY Y. Nitrogen fertilization raises CO2 efflux from inorganic carbon: a global assessment [J]. Global Change Biology, 2018, 24(7): 2810 − 2817. [4] 田娜, 王义祥, 翁伯琦. 土壤碳储量估算研究进展[J]. 亚热带农业研究, 2010, 6(3): 193 − 198. TIAN Na, WANG Yixiang, WENG Boqi. Advances in estimating soil carbon storage [J]. Subtropical Agriculture Research, 2010, 6(3): 193 − 198. [5] 谢高地, 肖玉. 农田生态系统服务及其价值的研究进展[J]. 中国生态农业学报, 2013, 21(6): 645 − 651. XIE Gaodi, XIAO Yu. Review of agro-ecosystem services and their values [J]. Chinese Journal of Eco-Agriculture, 2013, 21(6): 645 − 651. [6] 林而达. 气候变化与农业可持续发展[M]. 北京: 北京出版社, 2001. LIN Erda. Climate Change and Agricultural Sustainable Development [M]. Beijing: Beijing Publishing House, 2001. [7] AUSTIN A T, YAHDJIAN L, STARK J M, et al. Water pulses and biogeochemical cycles in arid and semiarid ecosystems [J]. Oecologia, 2004, 141: 221 − 235. [8] 牛百成, 赵成义, 冯广龙, 等. 干湿交替对新疆绿洲农田土壤CO2排放的影响[J]. 水土保持通报, 2016, 36(3): 74 − 80. NIU Baicheng, ZHAO Chengyi, FENG Guanglong, et al. Effects of alternate drying and wetting on soil CO2 emissions in oasis farmland of Xinjiang region [J]. Bulletin of Soil and Water Conservation, 2016, 36(3): 74 − 80. [9] CHEN Ruirui, SENBAYRAM M, BLAGODATSKY S, et al. Soil C and N availability determine the priming effect: microbial N mining and stoichiometric decomposition theories [J]. Global Change Biology, 2014, 20(7): 2356 − 2367. [10] 赵蓉, 李小军, 赵洋, 等. 固沙植被区两类结皮斑块土壤呼吸对不同频率干湿交替的响应[J]. 生态学杂志, 2015, 34(1): 138 − 144. ZHAO Rong, LI Xiaojun, ZHAO Yang, et al. CO2 efflux from two biologically-crusted soils in response to drying-rewetting cycles with different frequencies in the Tengger Desert [J]. Chinese Journal of Ecology, 2015, 34(1): 138 − 144. [11] 赵蓉, 李小军, 赵洋, 等. 固沙植被区土壤呼吸对反复干湿交替的响应[J]. 生态学报, 2015, 35(20): 6720 − 6727. ZHAO Rong, LI Xiaojun, ZHAO Yang, et al. Response of soil respiration to repeated cycles of drying and rewetting in soils of the sand-fixed region of the Tengger Desert [J]. Acta Ecologica Sinica, 2015, 35(20): 6720 − 6727. [12] 张传更, 高阳, 王广帅, 等. 干湿交替和外源氮对农田土壤CO2和N2O释放的影响[J]. 农业环境科学学报, 2018, 37(9): 2079 − 2090. ZHANG Chuangeng, GAO Yang, WANG Guangshuai, et al. Effects of drying-wetting and additional nitrogen on CO2 and N2O emissions from farmland soils [J]. Journal of Agro-Environment Science, 2018, 37(9): 2079 − 2090. [13] 包振宗, 侯艳艳, 朱新萍, 等. 干湿交替和模拟氮沉降对巴音布鲁克高寒湿地土壤CO2排放的影响[J]. 农业环境科学学报, 2018, 37(3): 598 − 604. BAO Zhenzong, HOU Yanyan, ZHU Xinping, et al. Effect of alternating wetting and drying and simulated nitrogen deposition on soil CO2 emission in alpine wetlands of Bayinbulak [J]. Journal of Agro-Environment Science, 2018, 37(3): 598 − 604. [14] 乐艺, 张晓雅, 高俊琴, 等. 模拟干湿交替对若尔盖高寒湿地土壤呼吸及可溶解性碳氮稳定性的影响[J]. 水土保持研究, 2020, 27(1): 81 − 87. YUE Yi, ZHANG Xiaoya, GAO Junqin, et al. Effect of simulated drying-rewetting cycles on soil respiration and dissolved organic carbon and nitrogen stability in Zoige Alpine Wetlands [J]. Research of Soil and Water Conservation, 2020, 27(1): 81 − 87. [15] 高雅晓玲, 苗淑杰, 乔云发, 等. 干湿循环促进风沙土土壤有机碳矿化[J]. 干旱区资源与环境, 2020, 34(1): 140 − 147. GAO Yaxiaoling, MIAO Shujie, QIAO Yunfa, et al. Dry-wet cycles promote soil organic carbon mineralization in aeolian sandy soil [J]. Journal of Arid Land Resources and Environment, 2020, 34(1): 140 − 147. [16] 黄石德, 叶功富, 林捷, 等. 干湿交替对武夷山不同海拔土壤碳矿化的影响[J]. 生态学杂志, 2018, 37(2): 312 − 321. HUANG Shide, YE Gongfu, LIN Jie, et al. Effects of drying-wetting cycles on soil organic carbon mineralization along an elevation gradient in Wuyi Mountain [J]. Chinese Journal of Ecology, 2018, 37(2): 312 − 321. [17] GAO Junqin, FENG Jin, ZHANG Xuewen, et al. Drying-rewetting cycles alter carbon and nitrogen mineralization in litter-amended alpine wetland soil [J]. Catena, 2016, 145: 285 − 290. [18] 李勇. 喀斯特地区土壤呼吸对干湿交替的响应规律及其微生物学机制研究[D]. 北京: 中国科学院大学, 2019. LI Yong. Response of Soil Respiration to Drying and Rewetting Alternations and Microbiological Mechanism in Karst Area [D]. Beijing: University of Chinese Academy of Sciences, 2019. [19] 王融融, 余海龙, 李诗瑶, 等. 干湿交替对土壤呼吸和土壤有机碳矿化的影响述评[J]. 水土保持研究, 2022, 29(1): 78 − 85. WANG Rongrong, YU Hailong, LI Shiyao, et al. Review on the effects of soil alternate drying-rewetting cycle on soil respiration and soil organic carbon mineralization [J]. Research of Soil and Water Conservation, 2022, 29(1): 78 − 85. [20] 李峰平, 章光新, 董李勤. 气候变化对水循环与水资源的影响研究综述[J]. 地理科学, 2013, 33(4): 457 − 464. LI Fengping, ZHANG Guangxin, DONG Liqin. Studies for impact of climate change on hydrology and water resources [J]. Scientia Geographica Sinica, 2013, 33(4): 457 − 464. [21] 张雪雯, 莫熠, 张博雅, 等. 干湿交替及凋落物对若尔盖泥炭土可溶性有机碳的影响[J]. 湿地科学, 2014, 12(2): 134 − 140. ZHANG Xuewen, MO Yi, ZHANG Boya, et al. Effect of wetting-drying cycle and litter on dissolved organic carbon in peat soil in Zoigê Plateau [J]. Wetland Science, 2014, 12(2): 134 − 140. [22] ZEPPEL M J B, WILKS J V, LEWIS J D. Impacts of extreme precipitation and seasonal changes in precipitation on plants [J]. Biogeosciences, 2014, 11(11): 3083 − 3093. [23] SENEVIRATNE S I, LÜTHI D, LITSCHI M, et al. Land-atmosphere coupling and climate change in Europe [J]. Nature, 2006, 443(7108): 205 − 209. [24] WU Zhuoting, DIJKSTRA P, KOCH G W, et al. Responses of terrestrial ecosystems to temperature and precipitation change: a meta-analysis of experimental manipulation [J]. Global Change Biology, 2011, 17(2): 927 − 942. [25] BLOIS J L, ZARNETSKE P L, FITZPATRICK M C, et al. Climate change and the past, present, and future of biotic interactions [J]. Science, 2013, 341(6145): 499 − 504. [26] 袁道先. 岩溶石漠化问题的全球视野和我国的治理对策与经验[J]. 草业科学, 2008, 25(9): 19 − 25. YUAN Daoxian. Global view on karst rock desertification and integrating control measures and experiences of China [J]. Pratacultural Science, 2008, 25(9): 19 − 25. [27] 吕妍, 张黎, 闫慧敏, 等. 中国西南喀斯特地区植被变化时空特征及其成因[J]. 生态学报, 2018, 38(24): 1 − 13. LÜ Yan, ZHANG Li, YAN Huimin, et al. Spatial and temporal patterns of changing vegetation and the influence of environmental factors in the karst region of southwest China [J]. Acta Ecologica Sinica, 2018, 38(24): 1 − 13. [28] 李周, 高凯敏, 刘锦春, 等. 西南喀斯特地区2种草本对干湿交替和N添加的生长响应[J]. 生态学报, 2016, 36(11): 3372 − 3380. LI Zhou, GAO Kaimin, LIU Jinchun, et al. Growth response of two annual herb species to alternating drying-wetting and nitrogen addition in the karst area of southwest China [J]. Acta Ecologica Sinica, 2016, 36(11): 3372 − 3380. [29] AHMAD W, SINGH B, DIJKSTRA F A, et al. Temperature sensitivity and carbon release in an acidic soil amended with lime and mulch [J]. Geoderma, 2014, 214/215: 168 − 176. [30] BERTRAND I, DELFOSSE O, MARY B. Carbon and nitrogen mineralization in acidic, limed and calcareous agricultural soils: apparent and actual effects [J]. Soil Biology and Biochemistry, 2007, 39(1): 276 − 272. [31] KUNGIKRISHNAN A, THANGARAJAN R, BOLAN N S, et al. Functional relationships of soil acidification, liming, and greenhouse gas flux [J]. Advances in Agronomy, 2016, 139: 1 − 71. [32] CARDINAEL R, CHEVALLIER T, GUENET B, et al. Organic carbon decomposition rates with depth and contribution of inorganic carbon to CO2 emissions under a Mediterranean agroforestry system [J]. European Journal of Soil Science, 2020, 71(5): 909 − 923. [33] RAMNARINE R, WAGNER-RIDDLE C, DUNFIELD K E, et al. Contributions of carbonates to soil CO2 emissions [J]. Canadian Journal of Soil Science, 2012, 92(4): 599 − 607. [34] BIRCH H F. The effect of soil drying on humus decomposition and nitrogen availability [J]. Plant and Soil, 1958, 10: 9 − 31. [35] CANARINI A, KIAER L P, DIJKSTRA F A. Soil carbon loss regulated by drought intensity and available substrate: a meta-analysis [J]. Soil Biology and Biochemistry, 2017, 112: 90 − 99. [36] FIERER N, SCHIMEL J P. A proposed mechanism for the pulse in carbon dioxide production commonly observed following the rapid rewetting of a dry soil [J]. Soil Science Society of America Journal, 2003, 67(3): 798 − 805. [37] LUO Yiqi, ZHOU Xuhui. Soil Respiration and the Environment [D]. San Diego: Academic Press, 2006. [38] LIU Yanchun, LIU Shirong, WANG Jingxin, et al. Variation in soil respiration under the tree canopy in a temperate mixed forest, central China, under different soil water conditions [J]. Ecological Research, 2014, 29(2): 133 − 142. [39] ZHANG Xiang, ZHANG Yiping, SHA Liqing, et al. Effects of continuous drought stress on soil respiration in a tropical rainforest in southwest China [J]. Plant and Soil, 2015, 394: 343 − 353. [40] DENEF K, ZOTARELLI L, BODDEY R M, et al. Microaggregate-associated carbon as a diagnostic fraction for management-induced change in soil organic carbon in two Oxisols [J]. Soil Biology and Biochemistry, 2007, 39(5): 1165 − 1172. [41] GORDON H, HAYGARTH P M, BARDGETT R D, et al. Drying and rewetting effects on soil microbial community composition and nutrient leaching [J]. Soil Biology and Biochemistry, 2008, 40(2): 302 − 311. [42] SCHJØNNING P, THOMSEN I K, MOLDRUP P, et al. Linking soil microbial activity to water-and air-phase contents and diffusivities [J]. Soil Science Society of America Journal, 2003, 67(1): 156 − 165. [43] STARK J M, FIRESTONE M K. Mechanisms for soil moisture effects on activity of nitrifying bacteria [J]. Applied and Environmental Microbiology, 1995, 61(1): 218 − 221. [44] DOUGHTY C E, METCALFE D B, GIRARDIN C A J, et al. Drought impact on forest carbon dynamics and fluxes in Amazonia [J]. Nature, 2015, 519: 78 − 82. [45] HINKO-NAJERA N, FEST B, LIVESLEY S Y, et al. Reduced throughfall decreases autotrophic respiration, but not heterotrophic respiration in a dry temperate broadleaved evergreen forest [J]. Agricultural and Forest Meteorology, 2015, 200: 66 − 77. [46] SHI Andong, MARSCHNER P. Soil respiration and microbial biomass in multiple drying and rewetting cycles: effect of glucose addition [J]. Geofisica Internacional, 2017, 305: 219 − 227. [47] CHOW A T, TANJI K K, GAO Suduan, et al. Temperature, water content and wet-dry cycle effects on DOC production and carbon mineralization in agricultural peat soils [J]. Soil Biology and Biochemistry, 2006, 38(3): 477 − 488. [48] DENEF K, SIX J, BOSSUYT H, et al. Influence of dry-wet cycles on the interrelationship between aggre-gate, particulate organic matter, and microbial community dynamics [J]. Soil Biology and Biochemistry, 2001, 33(12/13): 1599 − 1611. [49] RUSER R, FLESSA H, RUSSOW R, et al. Emission of N2O, N2 and CO2 from soil fertilized with nitrate: effect of compaction, soil moisture and rewetting [J]. Soil Biology and Biochemistry, 2006, 38(2): 263 − 274. [50] 吴亚华, 郭丽, 陈敏, 等. 干湿交替对城市绿地土壤CO2排放的影响[J]. 广东化工, 2018, 45(10): 70 − 72. WU Yahua, GUO Li, CHEN Min, et al. Effect of alternating drying-wetting on CO2 emission of urban green space soil [J]. Guangdong Chemical Industry, 2018, 45(10): 70 − 72. [51] STEVENSON B A, VERBURG P S J. Effluxed CO2-13C from sterilized and unsterilized treatments of a calcareous soil [J]. Soil Biology and Biochemistry, 2006, 38(7): 1727 − 1733. [52] DONG Yanjie, CAI Miao, ZHOU Jianbin. Effects of moisture and carbonate additions on CO2 emission from calcareous soil during closed-jar incubation [J]. Journal of Arid Land, 2014, 6(1): 37 − 43. [53] LARDNER T, GEORGE S, TIBBETT M. Interacting controls on innate sources of CO2 efflux from a calcareous arid zone soil under experimental acidification and wetting [J]. Journal of Arid Environments, 2015, 122: 117 − 123. [54] NOBEL P S, PALTA J A. Soil O2 and CO2 effects on root respiration of cacti [J]. Plant and Soil, 1989, 120: 263 − 271. [55] SERRANO-ORTIZ P, ROLAND M, SANCHEZ-MORAL S, et al. Hidden, abiotic CO2 flows and gaseous reservoirs in the terrestrial carbon cycle: review and perspectives [J]. Agricultural and Forest Meteorology, 2010, 150(3): 321 − 329. [56] INGLIMA I, ALBERTI G, BERTOLINI T, et al. Precipitation pulses enhance respiration of Mediterranean ecosystems: the balance between organic and inorganic components of increased soil CO2 efflux [J]. Global Change Biology, 2009, 15(5): 1289 − 1301. [57] 富利, 张勇勇, 赵文智. 荒漠-绿洲区生长季不同土地覆被类型土壤呼吸对水热因子的响应[J]. 草业科学, 2019, 36(1): 37 − 46. FU Li, ZHANG Yongyong, ZHAO Wenzhi. Response of soil respiration to hydrothermal factors under different land cover types in a desert-oasis ecotone, northwest China [J]. Pratacultural Science, 2019, 36(1): 37 − 46. [58] YANG Xiaodong, ALI A, XU Yilu, et al. Soil moisture and salinity as main drivers of soil respiration across natural xeromorphic vegetation and agricultural lands in an arid desert region [J]. Catena, 2019, 177: 126 − 133. [59] 竹万宽, 许宇星, 王志超, 等. 尾巨桉人工林土壤呼吸对林下植被管理措施的响应[J]. 浙江农林大学学报, 2023, 40(1): 164 − 175. ZHU Wankuan, XU Yuxing, WANG Zhichao, et al. Response of soil respiration to understory vegetation management in Eucalyptus urophylla × E. grandis plantation [J]. Journal of Zhejiang A&F University, 2023, 40(1): 164 − 175. [60] 刘鹏, 贾昕, 杨强, 等. 毛乌素沙地油蒿灌丛生态系统的土壤呼吸特征[J]. 林业科学, 2018, 54(5): 10 − 17. LIU Peng, JIA Xin, YANG Qiang, et al. Characterization of soil respiration in a shrubland ecosystem of Artemisia ordosica in Mu Us Desert [J]. Scientia Silvae Sinicae, 2018, 54(5): 10 − 17. [61] 刘宝, 吴文峰, 何盛强, 等. 不同林龄闽楠林土壤呼吸与碳储量研究[J]. 森林与环境学报, 2018, 38(4): 431 − 438. LIU Bao, WU Wenfeng, HE Shengqiang, et al. Study on the soil respiration and carbon reserve in different age stands of Phoebe bournei [J]. Journal of Forest and Environment, 2018, 38(4): 431 − 438. [62] 陈炎根, 胡艳静, 黄莎, 等. 不同间伐强度对杉木人工林土壤呼吸速率的短期影响[J]. 浙江农林大学学报, 2023, 40(5): 1054 − 1062. CHEN Yangen, HU Yanjing, HUANG Sha, et al. Short-term effects of different thinning intensities on soil respiration rate in the Cunninghamia lanceolata plantation [J]. Journal of Zhejiang A&F University, 2023, 40(5): 1054 − 1062. [63] CRUZ-PAREDES C, TÁJMEL D, ROUSK J. Can moisture affect temperature dependences of microbial growth and respiration? [J/OL]. Soil Biology and Biochemistry, 2021, 156: 108223[2023-09-21]. doi: 10.1016/j.soilbio.2021.108223. [64] MIKHA M M, RICE C W, MILLIKEN G A. Carbon and nitrogen mineralization as affected by drying and wetting cycles [J]. Soil Biology and Biochemistry, 2005, 37(2): 23 − 95. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20230522
点击查看大图
计量
- 文章访问数: 304
- HTML全文浏览量: 69
- PDF下载量: 12
- 被引次数: 0
