冬小麥-夏玉米農(nóng)田蒸散與CO2凈交換特征及影響因素

李 成 王讓會(huì) 李兆哲 徐 揚(yáng)

(1.揚(yáng)州大學(xué)園藝與植物保護(hù)學(xué)院， 揚(yáng)州 225009； 2.南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室， 南京 210044；3.揚(yáng)州大學(xué)農(nóng)學(xué)院， 揚(yáng)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(guān)聯(lián)的“水問題”和“碳問題”，備受人們關(guān)注[1-3]。農(nóng)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(dòng)影響強(qiáng)烈，其中的水分、能量與碳交換過程是農(nóng)田重要的生態(tài)水文過程[4-6]。因此，理解農(nóng)田水碳交換過程對(duì)農(nóng)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(rèn)為是農(nóng)田水碳交換過程的關(guān)鍵變量[9-10]。與傳統(tǒng)的箱式法相比，基于渦度相關(guān)技術(shù)能連續(xù)測定農(nóng)田ET和NEE的變化狀況，且具有較高的精度[11-13]。觀測結(jié)果表明，在單一種植模式下，作物生育期內(nèi)ET的日變化表現(xiàn)出單峰倒“U”形特征，NEE則表現(xiàn)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(shí)段、作物類型等而有所差異[18]。目前基于渦度相關(guān)法的農(nóng)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(duì)作物生長以及農(nóng)田ET和NEE的變化有重要影響，并通過相關(guān)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(fēng)速(WS)、土壤含水率(SWC)等對(duì)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(guān)關(guān)系，它們共同影響著農(nóng)田ET和NEE的變化，這使得一些量化研究的結(jié)果往往存在一定的不確定性[24]。此外，外界環(huán)境因素也會(huì)通過株高、葉面積指數(shù)(LAI)等的變化，間接影響農(nóng)田ET和NEE的變化[25-26]。因此，定量解析環(huán)境因素對(duì)農(nóng)田ET或NEE變化的直接和間接影響是農(nóng)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(nóng)田為例，基于長達(dá)7年的逐日通量和氣象觀測數(shù)據(jù)，利用結(jié)構(gòu)方程模型(SEM)，分析農(nóng)田ET和NEE的特征及多因素協(xié)同影響，以期為區(qū)域農(nóng)田生產(chǎn)力提升以及資源環(huán)境可持續(xù)發(fā)展等提供科學(xué)依據(jù)。

1 材料與方法

1.1 站點(diǎn)概況

試驗(yàn)站點(diǎn)位于中國科學(xué)院禹城綜合試驗(yàn)站內(nèi)(36.83°N，116.56°E，海拔28 m)，屬暖溫帶半濕潤季風(fēng)氣候區(qū)，多年平均氣溫13.1℃，年降雨量610 mm，日照時(shí)數(shù)2 640 h，無霜期約200 d，土壤母質(zhì)為黃河沖積物，以潮土和鹽化潮土為主，耕層土壤有機(jī)質(zhì)質(zhì)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(fù)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(nóng)田生態(tài)系統(tǒng)觀測網(wǎng)絡(luò)的重要站點(diǎn)之一，該站點(diǎn)所處的自然地理環(huán)境與農(nóng)業(yè)生產(chǎn)水平在黃淮海平原旱作農(nóng)田中具有一定的代表性和典型性。

在禹城綜合試驗(yàn)站內(nèi)，安裝一套開路式渦度相關(guān)觀測系統(tǒng)(36.57°N，116.38°E，海拔23.4 m)，設(shè)立在下墊面為冬小麥-夏玉米輪作的農(nóng)田中，由CSAT3型三維超聲風(fēng)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(nóng)田生態(tài)系統(tǒng)CO2通量與能量交換特征，并由高速數(shù)據(jù)采集器(CR5000型，Campbell Scientific Inc.，美國)自動(dòng)采集數(shù)據(jù)[29]。試驗(yàn)地與周圍大片冬小麥-夏玉米輪作農(nóng)田(約13.33 hm2)相連，構(gòu)成大范圍均一的下墊面，盛行風(fēng)向的風(fēng)浪區(qū)長度達(dá)5 km，滿足渦度相關(guān)觀測系統(tǒng)要求的下墊面均一標(biāo)準(zhǔn)[30]。

1.2 數(shù)據(jù)獲取與處理

冬小麥-夏玉米農(nóng)田逐日通量和氣象觀測數(shù)據(jù)來自于中國科學(xué)院禹城綜合試驗(yàn)站，時(shí)間跨度為2003年6月—2010年6月(共包括7個(gè)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(guān)觀測系統(tǒng)測得；同期Rn、T、VPD、WS及表層SWC等由配套的自動(dòng)微氣象觀測系統(tǒng)測得。通過中國生態(tài)系統(tǒng)研究網(wǎng)絡(luò)(China FLUX)技術(shù)體系對(duì)獲得的觀測數(shù)據(jù)進(jìn)行坐標(biāo)軸旋轉(zhuǎn)、WPL校正等質(zhì)量控制和數(shù)據(jù)處理后，生成逐日通量和氣象觀測數(shù)據(jù)。利用潛熱通量與汽化潛熱的比值，計(jì)算得到逐日ET[31]。作物生育期內(nèi)LAI數(shù)據(jù)來源于衛(wèi)星遙感數(shù)據(jù)(MCD15A3H)，時(shí)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(nèi)逐日LAI數(shù)據(jù)[22]。

1.3 結(jié)構(gòu)方程模型

SEM是一種多變量統(tǒng)計(jì)方法，用于探究多個(gè)因子之間的相互關(guān)系。與傳統(tǒng)方法相比，它不僅能夠判別各因子之間的關(guān)系強(qiáng)度，而且能對(duì)模型進(jìn)行擬合和判斷[32]，這為理解農(nóng)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(duì)ET(或NEE)的影響分離為直接影響和通過影響LAI產(chǎn)生的間接影響，即各自變量對(duì)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(jù)顯著性關(guān)系，依次消除非重要路徑，直到獲得最終模型。模型評(píng)價(jià)指標(biāo)包括卡方與自由度比值(CSFD，小于5.0)，調(diào)整擬合優(yōu)度指數(shù)(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(biāo)的定義及計(jì)算參照文獻(xiàn)[22]；最后，根據(jù)最優(yōu)模型的結(jié)果，獲得各因素對(duì)ET(或NEE)變化的直接影響、間接影響和總影響。

2 結(jié)果與分析

2.1 冬小麥-夏玉米農(nóng)田小氣候特征

冬小麥-夏玉米農(nóng)田T、Rn、VPD、WS和SWC的季節(jié)變化特征如圖1所示。T表現(xiàn)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(shí)段內(nèi)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(dòng)。與T類似，Rn也呈單峰型變化特征，但其波動(dòng)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(xiàn)的時(shí)間通常早于T出現(xiàn)的時(shí)間(圖1b)。受T和相對(duì)濕度的共同影響，VPD表現(xiàn)出雙峰型的變化特征(圖1c)，通常每年第1個(gè)高峰(6月)的VPD明顯高于第2個(gè)高峰(10月)，特別是在每年6月下旬期間，VPD會(huì)出現(xiàn)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(xiàn)風(fēng)速在3 m/s以上的次數(shù)普遍在45 d以上，明顯多于玉米季(圖1d)。試驗(yàn)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(duì)較高。

圖1 研究時(shí)段內(nèi)冬小麥-夏玉米農(nóng)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(nóng)田ET和NEE的變化特征

冬小麥-夏玉米農(nóng)田ET和NEE的季節(jié)變化特征如圖2所示。ET表現(xiàn)出雙峰型變化特征(圖2a)，2個(gè)峰值分別對(duì)應(yīng)于麥季和玉米季，通常每年第1個(gè)高峰(5月)的ET明顯高于第2個(gè)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(shí)段內(nèi)麥季ET總量在315.56～499.54 mm之間波動(dòng)，多年平均值為398.63 mm，并且呈波動(dòng)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(dòng)，多年平均值為256.59 mm，玉米季ET總量也呈現(xiàn)出波動(dòng)增加的趨勢(P<0.05)，每季增速約為14.15 mm(圖3a)。

圖2 研究時(shí)段內(nèi)冬小麥-夏玉米農(nóng)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(shí)段內(nèi)冬小麥-夏玉米農(nóng)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(fù)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(xiàn)出雙峰倒“U”形變化特征，存在2個(gè)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(dá)-25.94 g/(m2·d)(2007年8月11日)。研究時(shí)段內(nèi)麥季NEE總量在-367.84～-149.93 g/m2之間波動(dòng)，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(dòng)，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(nóng)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(guān)分析或多元回歸分析方法，本研究利用SEM方法具有設(shè)置中間變量的優(yōu)勢，將LAI設(shè)為中間變量，從而將環(huán)境因素對(duì)ET或NEE的影響分離為直接影響和通過LAI而產(chǎn)生的間接影響。受樣本容量所限，目前僅對(duì)冬小麥-夏玉米農(nóng)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(diào)整后的SEM方法能解釋87%的麥季ET變化，各評(píng)價(jià)指標(biāo)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(shí)線和虛線分別代表正影響和負(fù)影響，隱去不顯著的路徑，下同)。從總影響系數(shù)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(duì)ET的顯著影響不僅源于其對(duì)ET的直接影響(0.52)，還包括其通過促進(jìn)LAI的增長而間接增加ET(0.22)。VPD和SWC對(duì)ET的作用也主要通過直接作用引起，二者通過LAI對(duì)ET產(chǎn)生的間接影響幾乎可以忽略。T對(duì)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(duì)ET的總影響相對(duì)較小(-0.13)。WS對(duì)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(nóng)田ET的SEM結(jié)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(duì)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(duì)ET的直接和間接影響相當(dāng)。在玉米季中T對(duì)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(duì)ET的總影響相對(duì)較小(-0.06)，這與麥季中T對(duì)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(duì)冬小麥-夏玉米農(nóng)田ET直接影響、間接影響和總影響的標(biāo)準(zhǔn)化系數(shù)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(nóng)田NEE變化的多因素影響結(jié)果如圖5a所示。對(duì)于麥季NEE而言，基于調(diào)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(shù)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(duì)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(duì)NEE產(chǎn)生間接影響，但二者對(duì)NEE的影響方向相反。雖然WS對(duì)NEE的影響也主要由直接作用引起，但其對(duì)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(nóng)田NEE的SEM結(jié)果Fig.5 SEM results of NEE in winter wheat-summer maize field

表2 各因素對(duì)冬小麥-夏玉米農(nóng)田NEE直接影響、間接影響和總影響的標(biāo)準(zhǔn)化系數(shù)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(shù)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(duì)NEE的影響幾乎可以忽略。Rn對(duì)NEE的顯著影響主要源于其對(duì)NEE的直接影響(-0.47)，它通過促進(jìn)LAI的增長而對(duì)NEE產(chǎn)生的間接影響較小(-0.09)。VPD和WS對(duì)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(duì)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(duì)NEE的總影響不顯著。總體而言，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(guān)農(nóng)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(shí)序通量觀測數(shù)據(jù)可以發(fā)現(xiàn)：麥季和玉米季農(nóng)田ET和NEE的變化表現(xiàn)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(jié)果相似[32-35]。麥季和玉米季農(nóng)田ET和NEE的變化差異除了因?yàn)樗鼈兯幍纳L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(guān)。C4植物(夏玉米)光合作用是由維管束鞘細(xì)胞和葉肉細(xì)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(dǎo)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(shí)段內(nèi)麥季和玉米季農(nóng)田ET均呈波動(dòng)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(shí)段內(nèi)外界環(huán)境條件相對(duì)穩(wěn)定，因而這可能與各年份種植作物的品種及農(nóng)田管理方式的不同有關(guān)，但受限于相關(guān)數(shù)據(jù)資料，目前對(duì)這一現(xiàn)象的歸因仍有待于深入探討。

前人研究結(jié)果證實(shí)，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(gè)結(jié)果還存在一定的爭議，一些研究表明T和VPD可能對(duì)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(guān)分析或多元回歸分析方法，而是利用SEM方法具有設(shè)置中間變量的優(yōu)勢，將LAI設(shè)為中間變量，從而將環(huán)境因素對(duì)ET或NEE的影響分離為直接影響和通過LAI而產(chǎn)生的間接影響。結(jié)果表明，Rn仍是影響冬小麥-夏玉米農(nóng)田ET和NEE季節(jié)變化的重要因素，并主要體現(xiàn)在直接作用上，這是因?yàn)檩椛淠芴岣呷~溫，使葉片內(nèi)外的水汽壓差增大，增強(qiáng)蒸騰速率，同時(shí)也能誘導(dǎo)氣孔開閉，進(jìn)而影響ET和NEE變化[6]。隨著時(shí)間尺度的增加，LAI對(duì)ET和NEE的影響也逐步顯現(xiàn)[38]，并具有僅次于Rn的較強(qiáng)影響力。進(jìn)一步分析發(fā)現(xiàn)：在麥季，Rn和T通過LAI對(duì)ET和NEE產(chǎn)生較大的間接影響；在玉米季，VPD和T通過LAI對(duì)ET和NEE的間接影響較大，這反映了作物生長對(duì)農(nóng)田ET和NEE的季節(jié)變化具有調(diào)節(jié)作用，相似的研究結(jié)果也在東北地區(qū)的玉米田中得到了證實(shí)[23]。除Rn和LAI外，其他因素對(duì)ET和NEE的影響存在較大差異。例如，VPD對(duì)ET和玉米季NEE具有較強(qiáng)的影響，但對(duì)麥季NEE的影響較小。VPD作為衡量大氣干旱的重要指標(biāo)，LIU等[39]基于模型-數(shù)據(jù)融合的方法，發(fā)現(xiàn)植被的蒸騰作用對(duì)于VPD較為敏感，而YUAN等[40]基于遙感數(shù)據(jù)發(fā)現(xiàn)，由于VPD的增加，陸地植被生長和固碳功能出現(xiàn)普遍下降，這與玉米季VPD對(duì)ET和NEE影響的分析結(jié)果相似，但與麥季NEE的結(jié)果存在一定的差異，反映了VPD增加對(duì)不同生長季作物NEE的影響較為復(fù)雜，存在一定的空間異質(zhì)性。SWC作為衡量土壤干旱的重要指標(biāo)，在以往基于回歸分析的研究中，由于其較低的相關(guān)性而被忽略。在本研究中，SWC對(duì)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(jié)果表明，SWC對(duì)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(dǎo)致總影響相對(duì)較弱，而WS對(duì)玉米季ET和NEE的影響強(qiáng)于麥季。綜上所述，雖然Rn和LAI是影響冬小麥-夏玉米農(nóng)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(duì)其他環(huán)境因素的響應(yīng)方式仍存在一定的差異。目前大多數(shù)陸地生態(tài)系統(tǒng)模型主要通過植物功能型進(jìn)行建模，但同一植物功能型中不同植物類型對(duì)水熱條件響應(yīng)的差異性，使得模擬結(jié)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(nóng)業(yè)子模型中，針對(duì)不同作物類型，建立相應(yīng)的機(jī)理表達(dá)和參數(shù)優(yōu)化，從而有效降低模擬結(jié)果的不確定性。

除了生物與環(huán)境因素對(duì)農(nóng)田ET和NEE的影響外，近年來相關(guān)研究也表明，灌溉、施肥等管理措施會(huì)影響農(nóng)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(shí)間內(nèi)迅速上升，并改變包括土壤熱通量在內(nèi)的農(nóng)田小氣候狀況，使得以氣孔為節(jié)點(diǎn)的葉片光合-蒸騰作用較灌溉前明顯增強(qiáng)，進(jìn)而使ET和NEE的絕對(duì)值明顯增加[42]。施肥會(huì)改變土壤理化性質(zhì)，在促進(jìn)作物根系生長、提升作物光合作用和產(chǎn)量的同時(shí)，對(duì)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(jìn)等[43]研究發(fā)現(xiàn)較高的化肥施用量是導(dǎo)致棉田總初級(jí)生產(chǎn)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(shù)，隨生長階段、環(huán)境條件及管理措施的不同而呈動(dòng)態(tài)變化，并具有表征作物物候的能力[44]。物候變化對(duì)生態(tài)系統(tǒng)水碳交換過程產(chǎn)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(xiàn)生長季起止期和生長季長度與農(nóng)田NEE年際變化之間沒有顯著的相關(guān)關(guān)系，這可能與農(nóng)田管理措施所帶來的擾動(dòng)有關(guān)。另一方面，生長季的變化也使總初級(jí)生產(chǎn)力和生態(tài)系統(tǒng)呼吸同時(shí)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(nóng)田水碳交換過程存在一定的不確定性[41]。后續(xù)將進(jìn)一步搜集試驗(yàn)站長期通量和氣象觀測數(shù)據(jù)以及農(nóng)田管理資料，定量區(qū)分研究時(shí)段內(nèi)不同氣象年型的特征，進(jìn)而基于SEM方法識(shí)別在不同氣象年型和不同農(nóng)田管理方式下，影響農(nóng)田ET和NEE變化的關(guān)鍵因素。此外，本研究僅將LAI作為連接農(nóng)田ET或NEE與環(huán)境因素之間的中間變量。事實(shí)上，LAI并非是唯一既響應(yīng)環(huán)境因素變化，又同時(shí)影響ET或NEE變化的生物因素[46]。后續(xù)應(yīng)將更多包含不同信息的生物因素與LAI進(jìn)行融合，以便進(jìn)一步提高模型的模擬能力。

4 結(jié)論

(1)冬小麥-夏玉米農(nóng)田ET表現(xiàn)出雙峰形的季節(jié)變化特征，通常每年第1個(gè)高峰的ET明顯高于第2個(gè)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(dòng)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(nóng)田NEE表現(xiàn)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(nóng)田ET和NEE變化的重要因素，并主要體現(xiàn)在直接作用上。在間接作用方面，Rn和T通過LAI對(duì)麥季ET和NEE產(chǎn)生較大的間接影響；VPD則對(duì)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(duì)ET和NEE的影響仍存在一定的差異。