原文以Vegetation Types Shift Physiological and Phenological Controls on Carbon Sink Strength in a Coastal Zone為標題發表在Global Change Biology（IF=10.8）上
作者 | Siyu Wei等
2025年1月，中國科學院煙臺海岸帶研究所韓廣軒團隊聯合加州大學圣克魯斯分校海洋科學研究所的研究者在《Global Change Biology》期刊上發表了題為“Vegetation Types Shift Physiological and Phenological Controls on Carbon Sink Strength in a Coastal Zone”的研究論文。該研究依托中國科學院黃河三角洲濱海濕地生態試驗站，利用12年的渦度相關通量監測數據，分析了潮汐濕地、非潮汐濕地和農田三種典型陸海過渡區植被類型對海岸帶地區年際碳匯強度的影響及其機制。研究還結合全球這三種植被類型的數據庫，進一步驗證了生物調控機制在全球范圍內的普遍性。研究結果突出了植被類型在凈生態系統碳交換（NEE）中的關鍵作用，為準確預測不同沿海植被類型在氣候變化背景下的碳匯動態提供了重要依據。
自然沿海區域僅占全球陸地面積的不到10%，但其在全球碳循環中扮演著至關重要的角色，貢獻了約30%的碳埋藏，并將陸地與海洋的碳循環相互連接。沿海生態系統位于陸地與海洋的交界地帶，擁有多種植被類型，但受全球氣候變化和人類活動的影響，沿海植被正面臨嚴重威脅，可能導致這些地區從碳匯轉變為碳源。因此，深入理解沿海不同植被類型的碳匯能力及其對氣候變化的響應，具有重要的科學意義。沿海地區植被的空間分布格局受水文條件、鹽度和種間競爭等因素的影響，表現出顯著的差異。研究表明，植物生理變化和物候事件對碳匯強度有重要影響，特別是生態系統CO?吸收與釋放速率的峰值時機，這些生理活動的短期波動直接影響年度碳收支。生長季長度是與碳吸收密切相關的關鍵物候因素，生長季的長短直接決定了植被的年度生產力和碳匯規模。例如，美國東部森林的生長季延長（春季提前、秋季推遲）使凈碳吸收增加了約0.01±0.002 PgC【1PgC=10GtC】。盡管生物特性對碳匯的影響已被廣泛關注，但在沿海不同植被類型下，這些生物因素對碳收支的具體作用尚不明確。沿海植被對氣候干擾極為敏感。盡管已有研究探討了不同植被類型對氣候變化的生理和物候響應，但氣候變化如何影響沿海生態系統的CO?通量仍未得到充分解釋。例如，氣溫升高、降水模式變化、大氣CO?濃度升高和氮沉降增加，都會影響植被的生長高峰和物候期。此外，不同植被類型的生理與物候響應差異，進一步影響了碳固存過程。凈生態系統碳交換（NEE）是生態系統碳收支中最重要且變化的組成部分。然而，缺乏高質量的生態系統CO?通量長期觀測數據，加之對其變化機制的理解不足，導致對沿海不同植被類型的NEE估算存在較大不確定性，這也削弱了對這些碳匯在氣候變化背景下對未來碳固存能力的預測。
圖 1 三個研究站點日均 NEE 的時間動態。(a) 海岸帶渦度相關通量觀測站點照片；(b–d) 2011 至 2022 年期間潮汐濕地 (b)、非潮汐濕地 (c) 和農田 (d) 的日均凈生態系統碳交換 (NEE) 時間動態，點表示每日 NEE 值，線表示經過 Savitzky–Golay 平滑處理后的數據。
為填補這一研究空白，研究團隊在2011年至2022年間，采用渦度相關通量觀測技術，對三個典型沿海區域的生態系統CO?通量進行了長期觀測。這三個站點分別代表了潮汐濕地、非潮汐濕地和農田三種不同的植被類型。研究者們將年度NEE分解為生理和物候兩個組成部分，分析了氣候變量對年度NEE變化的影響。研究結果表明，三個研究站點均為穩定的碳匯系統，且其碳匯能力受特定生理和物候因子的調控。潮汐濕地、非潮汐濕地和農田的年度NEE主要受CO?吸收峰值、釋放峰值及CO?吸收持續時間的影響。此外，年度NEE變化對氣候變量高度敏感：春季平均氣溫的升高降低了潮汐濕地的碳匯能力；夏季單日最大降水量的增加削弱了非潮汐濕地的碳匯能力；而夏季平均總輻射的增加對農田的碳匯能力產生了抑制效應。研究者們還通過整合全球范圍內三類植被類型的碳通量數據庫數據，驗證了生物調控機制在全球尺度上的普遍性。研究強調了植被類型在影響凈生態系統交換（NEE）方面的重要作用，這為準確預測不同沿海植被類型在氣候變化背景下的碳匯動態提供了新的科學依據。
LI-7500開路式渦度相關通量觀測系統在本研究中的作用
本研究在各觀測站點均采用開路式渦度相關通量觀測系統對樣地的CO?和H?O通量進行測量。其中，潮汐濕地使用LI-7500A開路式CO?和H?O渦度相關通量觀測系統，非潮汐濕地和農田站點則配備LI-7500開路式CO?和H?O渦度相關通量觀測系統。所有站點的原始渦度相關（EC）數據均以10 Hz的頻率記錄，測量高度約為3.0 m（至少高出冠層1 m）。在研究期間，為保證數據準確性，LI-7500A和LI-7500分析儀的上下鏡面均定期進行人工清潔，并每年在實驗室進行一次校準。此外，生物氣象參數的測量與EC數據同步進行。潮汐濕地采用NR01凈輻射表，非潮汐濕地和農田站點則使用CNR4凈輻射表。同時，各站點還同步監測空氣溫濕度及降水量，以全面評估環境變量對通量變化的影響。本研究采用蒸散比（EF）作為土壤水分供給潛力的替代指標。EF的計算公式為LE/(LE + H)，其中LE表示潛熱通量，H表示顯熱通量。EF的取值范圍為0（干燥）至1（濕潤），當EF值增加時，表明蒸散過程中分配的能量增加，意味著較高的土壤水分供給潛力。
數據處理
研究采用EddyPro 軟件（版本7.0.9，LI-COR Inc.）對 10 Hz 的渦度相關（EC）原始數據進行處理，轉換為每 30 min的平均凈生態系統 CO? 交換量（NEE）。NEE 如為負值，表示生態系統對 CO? 的凈吸收，如為正值則表示凈排放。
數據預處理包括數據質量控制。首先，使用去野點法（Despiking）檢測并刪除垂直風速及氣體濃度數據中的異常值，并通過塊平均法（Block Averaging）去除趨勢。采用平面擬合法（Planar Fit Method）進行坐標旋轉校正，以確保平均垂直風速為零。此外，通過頻率響應損失校正補償高頻與低頻損失的通量，并利用Webb-Pearman-Leuning（WPL）方法修正因溫度和水汽波動導致的空氣密度變化。質量控制采用0-1-2 標記系統，其中 0 表示最高質量，而標記為 2 的數據在后續處理中被剔除。同時，使用 Tovi 軟件（版本 2.9.1，LI-COR Inc.）進行通量貢獻區（Footprint）分析，以確保數據來源于目標區域。所有站點均具備足夠大的風浪區（Fetch），潮汐濕地與非潮汐濕地站點的植被分布均勻，符合渦度相關測量假設。部分農田站點的通量數據因受到蘆葦群落的影響而被剔除。
為提高數據質量，剔除了以下條件下的數據：（i）降水事件發生期間的觀測數據；（ii）生物學上不合理的 NEE 值；（iii）系統維護期間的測量數據。摩擦速度（u*）過濾及數據缺失插補（Gap-Filling）采用 REddyProc 軟件包進行處理。首先，依據 Papale et al.（2006）方法，為每個站點設定年均低湍流條件閾值，低于 u* 閾值的數據被剔除。各站點多年平均u*閾值分別為：潮汐濕地 0.12 ± 0.05 m s?1、非潮汐濕地0.16 ± 0.02 m s?1、農田站點 0.12 ± 0.03 m s?1。在 u* 過濾后，采用邊際分布采樣法（MDS）進行 NEE 數據缺失插補，該方法利用通量與氣象變量的協變量關系及時間自相關性，通過查找表（Look-up tables）和平均日變化（Mean diurnal course）技術進行插補。最終，潮汐濕地、非潮汐濕地和農田站點分別是47%、44% 和 57% 的數據。通過上述數據處理，本研究共獲得2011 至 2022 年間 31 站點年（Site-years）的完整時間序列數據，為進一步探討不同生態系統的碳通量特征提供了可靠支撐。
手機版
化工儀器網手機版
化工儀器網小程序
官方微信
公眾號：chem17
掃碼關注視頻號
采購中心