半干旱区农田和草地与大气间二氧化碳和水热通量的模拟研究

集成生物圈模型（IBIS）是目前最复杂的基于动态植被模型的陆面生物物理模型之一.应用该模型对国际CEOP计划半干旱区基准站之一的吉林通榆观测站（44°25＇N , 122°52＇E）草地和农田生态系统2003年全年的CO2和水、热通量变化进行模拟,并将结果与涡度相关法测定的观测值进行了对比分析,以检验IBIS模型在半干旱区的模拟能力.对比结果表明：除CO2通量模拟结果不够理想外,IBIS模型较好地模拟了通榆观测站的感热通量和潜热通量.总体上看,该模型对农田生态系统模拟的偏差小于对退化草地的模拟.     

蝼土剖面CO2浓度的动态变化及其受环境因素的影响

CO2是土壤空气的重要组成，土壤空气CO2浓度一般高于大气几倍到数十倍，甚至上百倍。土壤空气中CO2主要来源于土壤呼吸，其浓度主要决定于生物因素(植物根系、土壤微生物活性等)和环境因素(土壤温度、含水量等)。土壤空气CO2浓度可以反映和影响土壤向大气释放CO2的通     

降水和冻融循环对大兴安岭沼泽湿地温室气体交换的影响

以大兴安岭北坡沼泽湿地为研究对象,通过采集原状土柱、实验室内模拟降水年际变化(R80和R130:80 mm和130 mm降水处理)和春季土壤冻融循环过程(培养温度:-15～5、-10～10℃和-5～15℃),评估降水和冻融对该沼泽湿地冻融期二氧化碳(CO_2)、甲烷(CH_4)和氧化亚氮(N2O)交换及温室气体净收支的影响。结果表明,相对于R80处理,R130处理减少CO_2排放(P0.05)、促进N2O(P0.05)和CH_4排放,冻融期生态系统总呼吸主导温室气体净收支,148 d培养期R80和R130处理温室气体净收支分别为2 955.8±258.9 kg CO_2-eq·hm~(-2)和1 951.1±317.3 kg CO_2-eq·hm~(-2),因此,丰沛降雨有利于减少冻融期该沼泽湿地对气候变化的正反馈效应。R80处理代表的常规降水条件下,冻融期CH_4和N2O交换对该沼泽湿地温室气体净收支的贡献可忽略不计;R130处理代表的丰沛降水条件下,土壤冻融会激发N2O排放,使该沼泽湿地在冻融期表现为强N2O排放特征。未来对沼泽湿地土壤冻融和综合温室效应评估应特别关注降水量年际变异的影响。     

青藏高原种植饲草农田一氧化氮周年排放特征

为了解农田土壤一氧化氮(NO)周年排放特征,对高原气候区青藏高原东缘种植饲草(燕麦)农田NO排放通量和主要环境因子进行了周年连续定量研究,施肥(F)和不施肥处理(UF)周年累积排放量分别为0.80±0.06 kg N·hm~(-2)?a-1和0.18±0.04 kg N·hm~(-2)?a-1,翻耕施肥期和冻融期NO排放显著贡献了全年累积排放量(F和UF分别为85%和65%)。土壤温度、湿度、无机氮和水浸提有机碳含量显著影响NO排放通量的季节变化,采用土壤湿度、铵态氮、硝态氮和水浸提有机碳含量作为指前因子的指数方程拟合这些土壤变量对NO通量的影响,决定系数高达92%,能够很好地表征碳氮底物有效性、微生物活性和氧气有效性(土壤温度和湿度)对NO排放的协同效应,由此得到NO排放通量对表层(5 cm)土壤温度的敏感性指数(Q10)值为2.4(F)和2.5(UF),这意味着全球增温对NO排放的促进效应将远低于施肥量增加对NO排放的促进作用。该燕麦农田NO直接排放因子为0.93%±0.10%,有别于其他区域、全国和全球的平均状况,因此不宜采用缺省排放因子计算高原气候区粗放管理方式下农田NO排放清单。考虑到青藏高原地区降水量存在巨大的年际变幅,未来应加强典型农田NO排放的多年际连续观测研究。     

高浓度CO2处理后土壤N2O排放特征

土壤被认为是大气氧化亚氮(N2O)的重要生物排放源.随着大气CO2浓度升高,土壤N2O排放规律可能发生改变.无锡FACE(Free-air CO2 Enrichment)基地至2003年已运行2年,分别采集Ambient(背景大气CO2浓度处理)和FACE(背景大气CO2浓度 200 mmol·mol-1处理)农田土壤,调节含水量至40%WFPS,在25℃室内有氧预培养7 d后,按250 μgN·-1添加NH4NO3,将含水量调节至80%WFPS,在25℃进行有氧培养7 d.在此培养期间,定期测定施肥后土壤N2O和CO2排放速率,探讨来自田间Ambient和FACE土壤N,2O排放差异及其可能的影响因素.结果表明,所有土壤N2O和CO,2排放速率均随培养时间延长而迅速递减,来自Ambient处理的土壤N,2O和CO,2排放速率均高于来自FACE处理的土壤相应排放量,且土壤N,2O与CO,2排放速率存在显著正相关.通过比较培养前后土壤交换态NH,4 和NO,3-含量的变化,显示培养过程中可能存在相当量的微生物氮固持,有必要加强相关研究.     

湿地垦殖对土壤有机碳影响的模拟研究

以现有的农田土壤有机碳动态模拟模型(Soil-C)为基础,针对湿地垦殖的特点及土壤有机碳的物理属性,将原模型中土壤有机碳单一分室改进为轻组和重组两分室进行模拟,并利用较大时空差异的土壤有机碳测定数据对模型进行了验证.结果表明,改进后的模型能较好地模拟湿地垦殖对土壤有机碳的影响,模拟值与观测值具有良好的一致性,原模型对垦殖湿地土壤有机碳变化的模拟能力较弱.     

辣椒地土壤氮素反硝化损失与N2O排放研究

在种植辣椒的菜地土壤原位条件下,应用原状土柱培养-乙炔抑制法测定辣椒地土壤氮素反硝化损失与N2O排放量。试验结果表明,辣椒地土壤具有较高的硝化与反硝化活性,而且随着施氮量的增加,氮素反硝化损失量显著提高。辣椒生长季节不施肥、常规施氮和高氮施肥条件下辣椒地土壤反硝化损失和N2O排放量分别为3.62kg/hm2、6.68kg/hm2、16.13kg/hm2和1.09kg/hm2、7.06kg/hm2、25.06kg/hm2,其中常规施氮处理的土壤反硝化损失和N2O排放量分别占施肥量的1.36%和2.65%,高氮施肥处理分别占施氮量2.78%和5.33%。辣椒地土壤氮肥经反硝化途径损失的比例不高,但产生较高的N2O排放对大气环境造成较大影响。     

内蒙古典型草原土壤N2、N2O、NO和CO2排放的研究

为了进一步了解内蒙古典型草原生长季内主要温室气体氧化亚氮（N2O）、一氧化氮（NO）和二氧化碳（CO2）及反硝化终产物N2的排放,本研究采用氦环境培养--气体同步直接测定法,在不同土壤温度（5°C和20°C）和不同土壤含氧量（10%和20%）条件下,关注不同放牧处理土壤N2、N2O、NO和CO2排放。结果显示,不同放牧处理土壤N2、N2O、NO和CO2排放速率分别为0.3~2.0 [μgN/(h?kg)]、0.02~0.4 [μgN/(h?kg)]、0.08~0.7 [μgN/(h?kg)]和0.01~1.9 [mg C/(h?kg)],N2排放为N2O的8~17倍。由于较大的空间变异性,并未观测到不同放牧处理对土壤N2、N2O、NO和CO2排放的影响。土壤温度升高和湿度增加能促进N2、N2O、NO和CO2的排放,而土壤O2含量对其排放的影响不显著。     

机器学习在氮循环领域的应用研究进展

氮循环是地球圈层中水-土-气-生多介质、多界面的复杂过程，与土壤健康、粮食安全、全球变暖、空气污染、水体质量等环境问题密切相关。近年来，得益于计算机技术的快速发展和海量、多源数据的产生，机器学习迅速成为研究氮素循环强有力的工具。本文系统梳理了机器学习的功能性概念，包括典型开发流程和学习应用场景等；总结了机器学习的典型应用算法，包括经典机器学习（如随机森林、支持向量机等）和深度学习（如卷积神经网络、长短期记忆网络等）；并综述了机器学习在氮循环研究领域的应用研究进展，包括大气、水体、土壤和植物/作物等介质的氮素代谢机制、模拟氮素循环过程及管理氮素流动等。未来基于大数据和机器学习技术的特征工程和模型融合的研究，将会给氮循环领域的数据分析与建模带来巨大变革。同时，将机器学习与基于物理过程的模型相结合解决氮循环过程中的复杂问题，可为服务国家“双碳”战略以及控制全球变暖、空气污染等环境问题提供重要支撑。