• ISSN 1008-505X
  • CN 11-3996/S

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于不同监测与估算方法的设施菜田N2O排放量比较

王琛 尹兴 陈盟 韩建 张杰 郭艳杰 张丽娟

引用本文:
Citation:

基于不同监测与估算方法的设施菜田N2O排放量比较

    作者简介: 王琛 E-mail:wchen_0@163.com;
    通讯作者: 郭艳杰, E-mail:guoyanjie928@126.com ; 张丽娟, E-mail:lj_zh2001@163.com
  • 基金项目: 河北省现代农业产业技术体系蔬菜产业创新团队项目(HBCT2018030206);河北省高等学校青年拔尖人才计划项目(BJ2017025)。

Comparison of different monitoring and estimation methods for N2O emissions from greenhouse vegetables production

    Corresponding author: GUO Yan-jie, E-mail:guoyanjie928@126.com ;ZHANG Li-juan, E-mail:lj_zh2001@163.com
  • 摘要:   【目的】  为了分析微气象学方法中反演式气体扩散模型在设施菜田N2O排放测定分析中的应用效果及精确度,本研究结合静态箱/气相色谱法同步观测结果,比较了两种观测值之间的差异及其形成的各因素,以验证该方法在测定温室气体排放中的可行性。  【方法】  在设施蔬菜大棚中,设置了施肥区和非施肥区,通过箱式法和微气象学方法分别对设施菜田种植区进行72 h的高频监测和全生长季监测,构建N2O浓度特征曲线和排放通量特征曲线。  【结果】  田闲期棚区上方3.5 m处N2O浓度明显低于种植期,但田闲期夜间浓度较高,种植期白天浓度较高。棚室内N2O浓度随高度增加呈下降趋势,且差异明显,而且都高于棚室外背景浓度。静态箱/气相色谱法和反演式气体扩散模型测得棚区N2O日排放特征具有较好的一致性,但前者测定结果普遍高于后者,静态箱/气相色谱法测得平均排放通量为252.51 μg/(m2·h),反演式气体扩散模型测得平均排放通量为192.21 μg/(m2·h),前者比后者高26.75%;在设施番茄全生长季观测中,两种方法测定的N2O排放通量特征曲线趋势一致,静态箱/气相色谱法测得土壤净排放通量为1817.49 g/hm2,排放系数为0.45%;反演式气体扩散模型测得土壤净排放通量为1250.95 g/hm2,排放系数为0.32%,较静态箱/气相色谱法测得结果降低了29%。  【结论】  反演式气体扩散模型、静态箱/气相色谱法对设施菜田种植区N2O排放通量的测定结果,趋势上一致性较好,但反演式气体扩散模型观测结果明显低于静态箱/气相色谱法,不过反演式气体扩散模型自动化程度高,可以高密监测设施菜田N2O排放全过程,且适用于较大区域的观测,为建立多元化的N2O排放监测体系提供了新的研究方法和思路。
  • 图 1  棚区布局和测定仪器安放示意图

    Figure 1.  The layout of greenhouse and the arrangement of instruments

    图 2  测定期间棚区地表3.5 m处氧化亚氮浓度分布曲线

    Figure 2.  Distribution curve of nitrous oxide concentration at 3.5 m surface area of shelter area during measuring period

    图 3  棚室内不同高度处N2O浓度分布特征

    Figure 3.  Characteristics of distribution of N2O concentration at different heights in greenhouse

    图 4  棚区N2O的日排放特征

    Figure 4.  Characteristics of daily N2O emission in greenhouse

    图 5  棚室番茄全生长季N2O排放特征

    Figure 5.  Characteristics of N2O emission in greenhouse during whole growing season of tomato

    图 6  不同施肥期的N2O累计排放量

    Figure 6.  Accumulated N2O emission at different fertilization stages in greenhouse vegetable system

    表 1  反演式气体扩散模型计算N2O排放的数据筛选标准

    Table 1.  Criteria used to filter data for the calculation of N2O emission

    项目Item指标Index
    地面摩擦风速 Ground friction wind speed ( u*, m/s) < 0.15
    大气稳定度 Atmospheric stability (L, m) < |10|
    地面粗糙度Terrain roughness (z0, m) > 0.15
    下载: 导出CSV

    表 2  棚区整个生长季N2O排放通量估算

    Table 2.  Estimation of N2O emission flux in greenhouse vegetable system

    监测方法
    Monitoring method
    累计排放量 (g/hm2)
    Cumulative emission flux
    空白排放量 (g/hm2)
    Emission in control
    土壤净排放量 (g/hm2)
    Net emission from soil
    N2O排放系数 (%)
    N2O emission coefficient
    静态箱法Static box method2083.72266.231817.490.45
    微气象学方法Micrometeorological method1371.4497.561250.950.32
    下载: 导出CSV
  • [1] 孙光, 李果, 罗遵兰, 等. 旱地土壤N<sub>2</sub>O排放特征及影响因素分析[J]. 土壤通报, 2018, 49(5): 1220–1224. Sun G, Li G, Luo Z L, <italic>et al</italic>. Analysis of N<sub>2</sub>O emission characteristics and influencing factors in dryland soils[J]. Chinese Journal of Soil Science, 2018, 49(5): 1220–1224.
    [2] World Meteorological Organization. WMO greenhouse gas bulletin (GHG Bulletin): The state of greenhouse gases in the atmosphere based on global observations through 2017[R]. Geneva, Switzerland: World Meteorological Organization (WMO), Global Atmosphere Watch (GAW), 2018.
    [3] Srocker T F, Qin D H, Planttner G K, et al. Climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
    [4] 张真和, 马兆红. 我国设施蔬菜产业概况与“十三五”发展重点一中国蔬菜协会副会长张真和访谈录[J]. 中国蔬菜, 2017, (5): 1–5. Zhang Z H, Ma Z H. China's facility vegetable industry overview and "13th Five-Year" development focus - Interview with Zhang Zhenhe, vice president of China Vegetable Association[J]. Chinese vegetables, 2017, (5): 1–5.
    [5] Fan Z B, Lin S, Zhang X M, <italic>et al</italic>. Conventional flooding irrigation causes an overuse of nitrogen fertilizer and low nitrogen use efficiency in intensively used solar greenhouse vegetable production[J]. Agricultural Water Management, 2014, 144(2): 11–19.
    [6] Zhou J, Gu B, Schlesinger W H, <italic>et al</italic>. Significant accumulation of nitrate in Chinese semi-humid croplands[J]. Scientific Reports, 2016, 6: 25088. doi:  10.1038/srep25088
    [7] Zhu J H, Li X L, Christie P, <italic>et al</italic>. Environmental implications of low nitrogen use efficiency in excessively fertilized hot pepper (<italic>Capsicum frutescens</italic> L.) cropping systems[J]. Agriculture Ecosystems and Environment, 2005, 111(1): 70–80.
    [8] Song H, Guo J, Ren T, <italic>et al</italic>. Increase of soil pH in a solar greenhouse vegetable production system[J]. Soil Science Society of America Journal, 2012, 76(6): 2074. doi:  10.2136/sssaj2011.0445
    [9] Ren T, Christie P, Wang J G, <italic>et al</italic>. Root zone soil nitrogen management to maintain high tomato yields and minimum nitrogen losses to the environment[J]. Scientia Horticulturae, 2010, 125(1): 25–33. doi:  10.1016/j.scienta.2010.02.014
    [10] Harper L A, Flesch T K, Powell J M, <italic>et al</italic>. Ammonia emissions from dairy production in Wisconsin[J]. Journal of Dairy Science, 2009, 92: 2326–2337. doi:  10.3168/jds.2008-1753
    [11] 袁慧军, 高志岭, 马文奇, 等. 应用反演式气体扩散技术测定奶牛场甲烷的排放特征[J]. 农业环境科学学报, 2011, 30(4): 746–752. Yuan H J, Gao Z L, Ma W Q, <italic>et al</italic>. Determination of methane emissions from a dairy feedlot using an inverse dispersion technique[J]. Journal of Agro-Environment Science, 2011, 30(4): 746–752.
    [12] 杨园园, 王雪君, 刘春敬, 等. 应用反演式气体扩散模型测定奶牛养殖场氨排放特征研究[J]. 河北农业大学学报, 2016, 125(4): 4–6. Yang Y Y, Wang X J, Liu C J, <italic>et al</italic>. Determination of ammonia emissions from dairy feedlot using an inverse dispersion technique[J]. Journal of Agricultural University of Hebei, 2016, 125(4): 4–6.
    [13] Bai M, Helen S, Shu K L, <italic>et al</italic>. Use of open-path FTIR and inverse dispersion technique to quantify gaseous nitrogen loss from an intensive vegetable production site[J]. Agricultural and Forest Meteorology, 2018, 258(8): 50–55.
    [14] Shu K L, Helen S, Rohan D, <italic>et al</italic>. Measurement and mitigation of nitrous oxide emissions from a high nitrogen input vegetable system[J]. Scientific Reports, 2015, 92: 2326–2337.
    [15] Flesch T K, Wilson J D, Yee E. Backward-time lagrangian stochastic dispersion models and their applications to estimate gaseous emissions[J]. Journal of Applied and Applied Meteorology, 1995, 34: 1320–1332. doi:  10.1175/1520-0450(1995)034<1320:BTLSDM>2.0.CO;2
    [16] IPCC. Intergovernmental panel on climate change guidelines for national greenhouse gas inventories[M]. Paris: OECD, 1996.196−239.
    [17] 王艳丽. 京郊设施菜地水肥一体化条件下土壤N2O排放的研究[D]. 北京: 中国农业科学院硕士论文, 2015.

    Wang Y L. N2O emissions from a vegetable field with fertigation management under greenhouse conditions in Beijing suburbs[M]. Beijing: MS Thesis of Chinese Academy of Agricultural Sciences, 2015.
    [18] 张婧, 李虎, 王立刚, 等. 京郊典型设施蔬菜地土壤N<sub>2</sub>O排放特征[J]. 生态学报, 2014, 34(14): 4088–4098. Zhang J, Li H, Wang L G, <italic>et al</italic>. N<sub>2</sub>O emission characteristics of typical protected vegetable fields in Beijing suburb[J]. Acta Ecologica Sinca, 2014, 34(14): 4088–4098.
    [19] Flesch T K, Wilson J D, Harper L A, <italic>et al</italic>. Deducing ground-to-air emissions from observed trace gas concentrations: A field trial[J]. Journal of Applied and Applied Meteorology, 2004, 43: 487–502. doi:  10.1175/1520-0450(2004)043<0487:DGEFOT>2.0.CO;2
    [20] Garratt J R, Dessler A J, Houghton J D, <italic>et al</italic>. The atmospheric boundary layer[J]. Earth-Science Reviwes, 1994, 37: 89–134. doi:  10.1016/0012-8252(94)90026-4
    [21] Flesch T K, Wilson J D, Harper L A, <italic>et al</italic>. Determining ammonia emissions from a cattle feedlot with an inverse dispersion technique[J]. Agricultural and Forest Meteorology, 2007, 144: 139–155. doi:  10.1016/j.agrformet.2007.02.006
    [22] Van Haarlem R P, Desjardins R L, Gao Z, <italic>et al</italic>. Methane and ammonia emissions from a beef feedlot in western Canada for a twelve-day period in the fall[J]. Canadian Journal of Animal Science, 2008, 88: 641–649. doi:  10.4141/CJAS08034
    [23] Röver M, Heinemeyer O, Munch J C, <italic>et al</italic>. Spatial heterogeneity within the plough layer: high variability of N<sub>2</sub>O emission rates[J]. Soil Biology & Biochemistry, 1999, 31: 167–173. doi:  10.1016/S0038-0717(97)00271-X
    [24] IPCC. 2006 IPCC guidelines for national greenhouse gas inventories volume 4: Agriculture, forestry, and other land use[M]. Paris: OECD, 2006.475−505.
    [25] Turner D A, Chen D, Galbally I E, <italic>et al</italic>. Spatial variability of nitrous oxide emissions from an Australian irrigated dairy pasture[J]. Plant and Soil, 2008, 309: 77–88. doi:  10.1007/s11104-008-9639-8
    [26] Castellano M J, Schmidt J P, Kaye J P, <italic>et al</italic>. Hydrological and biogeochemical controls on the timing and magnitude of nitrous oxide flux across an agricultural landscape[J]. Global Change Biology, 2007, 13(1): 1–17. doi:  10.1111/j.1365-2486.2006.01280.x
    [27] 姚志生, 郑循华, 周再兴, 等. 太湖地区冬小麦田与蔬菜地N<sub>2</sub>O排放对比观测研究[J]. 气候与环境研究, 2006, 11(6): 691–701. Yao Z S, Zheng X H, Zhou Z X, <italic>et al</italic>. Nitrous oxide emission from winter wheat and vegetable fields in the Taihu region: A comparison case study[J]. Climatic and Environmental Research, 2006, 11(6): 691–701. doi:  10.3969/j.issn.1006-9585.2006.06.003
    [28] Chen H Y, Li H, Wang L G, Qiu J J. Characteristics and influencing factors on nitrous oxide emissions from typical greenhouse vegetable fields in Beijing suburbs[J]. Soil and Fertilizer Sciences in China, 2012, (5): 5–10.
    [29] 谢军飞, 李玉娥. 土壤温度对北京旱地农田N<sub>2</sub>O排放的影响[J]. 中国农业气象, 2005, 26(1): 7–10. Xie J F, Li Y E. Effect of soil temperature on N<sub>2</sub>O emission from farmland in Beijing dryland[J]. Chinese Journal of Agrometeorology, 2005, 26(1): 7–10. doi:  10.3969/j.issn.1000-6362.2005.01.002
    [30] 郑泽梅, 于贵瑞, 孙晓敏, 等. 涡度相关法和静态箱/气相色谱法在生态系统呼吸观测中的比较[J]. 应用生态学报, 2008, 19(2): 290–298. Zheng Z M, Yu G R, Sun X M, <italic>et al</italic>. Comparison of eddy covariance and static chamber/gas chromatogram methods in measuring ecosystem respiration[J]. Chinese Journal of Applied Ecology, 2008, 19(2): 290–298.
    [31] Mcginn S M, Flesch T K, Crenna B P, <italic>et al</italic>. Quantifying ammonia emissions from a cattle feedlot using a dispersion model[J]. Journal of Environmental Quality, 2007, 36(6): 1585–1590. doi:  10.2134/jeq2007.0167
    [32] Shepherd A, Yan X Y, Nayak D, <italic>et al</italic>. Disaggregated N<sub>2</sub>O emission factors in China based on cropping parameters create a robust approach to the IPCC tier 2 methodology[J]. Atmospheric Environment, 2015, 122: 272–281. doi:  10.1016/j.atmosenv.2015.09.054
    [33] 张强, 巨晓棠, 张福锁. 应用修正的IPCC2006方法对中国农田N<sub>2</sub>O排放量重新估算[J]. 中国生态农业学报, 2010, 18(1): 7–13. Zhang Q, Ju X T, Zhang F S. Re-estimation of direct nitrous oxide emission from agricultural soils of China via revised IPCC2006 guideline method[J]. Chinese Journal of Eco-Agriculture, 2010, 18(1): 7–13. doi:  10.3724/SP.J.1011.2010.00007
  • [1] 邢志强左继超付庆灵胡红青朱俊 . 水钠锰矿提高红壤性水稻土N2O释放速率和氨氧化细菌amoA基因丰度. 植物营养与肥料学报, 2020, 26(6): 1156-1164. doi: 10.11674/zwyf.20002
    [2] 任宏飞高伟黄绍文张国刚唐继伟李明悦栾好安 . 设施蔬菜有机肥/秸秆替代化肥模式对土壤线虫群落的影响. 植物营养与肥料学报, 2020, 26(7): 1303-1317. doi: 10.11674/zwyf.20016
    [3] 曹文超宋贺王娅静覃伟郭景恒陈清王敬国 . 农田土壤N2O排放的关键过程及影响因素. 植物营养与肥料学报, 2019, 25(10): 1781-1798. doi: 10.11674/zwyf.18441
    [4] 李燕青温延臣林治安赵秉强 . 不同有机肥与化肥配施对作物产量及农田氮肥气态损失的影响. 植物营养与肥料学报, 2019, 25(11): 1835-1846. doi: 10.11674/zwyf.18494
    [5] 荣勤雷李若楠黄绍文周春火唐继伟王丽英张彦才 . 不同施肥模式下设施菜田土壤团聚体养分和微生物量特征. 植物营养与肥料学报, 2019, 25(7): 1084-1096. doi: 10.11674/zwyf.18472
    [6] 王树会张旭博孙楠李忠芳徐明岗 . 2050年农田土壤温室气体排放及碳氮储量变化SPACSYS模型预测. 植物营养与肥料学报, 2018, 24(6): 1550-1565. doi: 10.11674/zwyf.18216
    [7] 万伟帆李斐红梅常菲高海燕 . 氮肥用量和脲酶抑制剂对滴灌马铃薯田氧化亚氮排放和氨挥发的影响. 植物营养与肥料学报, 2018, 24(3): 693-702. doi: 10.11674/zwyf.17197
    [8] 曹文超郭景恒宋贺刘骕陈吉吉王敬国 . 设施菜田土壤pH和初始C/NO3 对反硝化产物比的影响. 植物营养与肥料学报, 2017, 23(5): 1249-1257. doi: 10.11674/zwyf.17065
    [9] 叶桂香史永晖王良陈玉洁辛延斌刘文茹陈国庆 . 秸秆还田的小麦–玉米农田 N2O 周年排放的量化分析. 植物营养与肥料学报, 2017, 23(3): 589-596. doi: 10.11674/zwyf.16324
    [10] 王良徐旭叶桂香陈国庆 . 夏玉米农田N2O排放影响因素的模拟分析. 植物营养与肥料学报, 2016, 22(2): 346-352. doi: 10.11674/zwyf.14559
    [11] 王文锋李春花黄绍文高伟唐继伟 . 不同施肥模式对设施秋冬茬芹菜生育期间土壤酶活性的影响. 植物营养与肥料学报, 2016, 22(3): 676-686. doi: 10.11674/zwyf.15223
    [12] 吴得峰姜继韶高兵刘燕王蕊王志齐党廷辉郭胜利巨晓棠 . 添加DCD对雨养区春玉米产量、 氧化亚氮排放及硝态氮残留的影响. 植物营养与肥料学报, 2016, 22(1): 30-39. doi: 10.11674/zwyf.14556
    [13] 王文锋李春花黄绍文高伟唐继伟 . 不同施肥模式对设施菜田土壤微生物量碳、氮的影响. 植物营养与肥料学报, 2016, 22(5): 1286-1297. doi: 10.11674/zwyf.15057
    [14] 李露周自强潘晓健李博熊正琴 . 氮肥与生物炭施用对稻麦轮作系统甲烷和氧化亚氮排放的影响. 植物营养与肥料学报, 2015, 21(5): 1095-1103. doi: 10.11674/zwyf.2015.0501
    [15] 张志强1李春花黄绍文高伟唐继伟 . 土壤及畜禽粪肥中四环素类抗生素固相萃取-高效液相色谱法的优化与初步应用. 植物营养与肥料学报, 2013, 19(3): 713-726. doi: 10.11674/zwyf.2013.0323
    [16] 郝小雨高伟王玉军金继运黄绍文唐继伟张志强 . 有机无机肥料配合施用对设施菜田土壤N2O排放的影响. 植物营养与肥料学报, 2012, 18(5): 1075-1088. doi: 10.11674/zwyf.2012.12038
    [17] 宋贺徐新超王敬国陈清郭景恒王进闯 . 设施菜田土壤剖面中的反硝化特征. 植物营养与肥料学报, 2012, 18(4): 860-868. doi: 10.11674/zwyf.2012.11408
    [18] 王秀斌梁国庆周卫孙静文裴雪霞夏文建 , . 优化施肥下华北冬小麦/夏玉米轮作体系农田反硝化损失与N2O排放特征 . 植物营养与肥料学报, 2009, 15(1): 48-54. doi: 10.11674/zwyf.2009.0107
    [19] 雷宝坤陈清范明生张福锁甘延东 . 寿光设施菜田碳、氮演变及其对土壤性质的影响. 植物营养与肥料学报, 2008, 14(5): 914-922. doi: 10.11674/zwyf.2008.0515
    [20] 张光亚陈美慈闵航柴卫国 . 设施栽培土壤氧化亚氮释放及硝化、反硝化细菌数量的研究. 植物营养与肥料学报, 2002, 8(2): 239-243. doi: 10.11674/zwyf.2002.0221
  • 加载中
图(6)表(2)
计量
  • 文章访问数:  241
  • HTML全文浏览量:  160
  • PDF下载量:  43
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-04
  • 网络出版日期:  2020-09-23
  • 刊出日期:  2020-08-31

基于不同监测与估算方法的设施菜田N2O排放量比较

    作者简介:王琛 E-mail:wchen_0@163.com
    通讯作者: 郭艳杰, guoyanjie928@126.com
    通讯作者: 张丽娟, lj_zh2001@163.com
  • 1. 河北农业大学资源与环境科学学院/河北省农田生态环境重点实验室/河北农业大学邸洪杰土壤与环境实验室,河北保定 071000
  • 2. 河北经贸大学公共管理学院/河北经贸大学土地资源利用与评价研究所,河北石家庄 050061
  • 3. 煜环环境科技有限公司,河北石家庄 050051
  • 基金项目: 河北省现代农业产业技术体系蔬菜产业创新团队项目(HBCT2018030206);河北省高等学校青年拔尖人才计划项目(BJ2017025)。
  • 摘要:   【目的】  为了分析微气象学方法中反演式气体扩散模型在设施菜田N2O排放测定分析中的应用效果及精确度,本研究结合静态箱/气相色谱法同步观测结果,比较了两种观测值之间的差异及其形成的各因素,以验证该方法在测定温室气体排放中的可行性。  【方法】  在设施蔬菜大棚中,设置了施肥区和非施肥区,通过箱式法和微气象学方法分别对设施菜田种植区进行72 h的高频监测和全生长季监测,构建N2O浓度特征曲线和排放通量特征曲线。  【结果】  田闲期棚区上方3.5 m处N2O浓度明显低于种植期,但田闲期夜间浓度较高,种植期白天浓度较高。棚室内N2O浓度随高度增加呈下降趋势,且差异明显,而且都高于棚室外背景浓度。静态箱/气相色谱法和反演式气体扩散模型测得棚区N2O日排放特征具有较好的一致性,但前者测定结果普遍高于后者,静态箱/气相色谱法测得平均排放通量为252.51 μg/(m2·h),反演式气体扩散模型测得平均排放通量为192.21 μg/(m2·h),前者比后者高26.75%;在设施番茄全生长季观测中,两种方法测定的N2O排放通量特征曲线趋势一致,静态箱/气相色谱法测得土壤净排放通量为1817.49 g/hm2,排放系数为0.45%;反演式气体扩散模型测得土壤净排放通量为1250.95 g/hm2,排放系数为0.32%,较静态箱/气相色谱法测得结果降低了29%。  【结论】  反演式气体扩散模型、静态箱/气相色谱法对设施菜田种植区N2O排放通量的测定结果,趋势上一致性较好,但反演式气体扩散模型观测结果明显低于静态箱/气相色谱法,不过反演式气体扩散模型自动化程度高,可以高密监测设施菜田N2O排放全过程,且适用于较大区域的观测,为建立多元化的N2O排放监测体系提供了新的研究方法和思路。

    English Abstract

    • 氧化亚氮 (N2O) 是重要的温室气体之一,其增温效果是CO2的三百倍以上,同时还具有消耗平流层臭氧的作用。若全球N2O总量增加一倍,平流层臭氧就会随之减少10%[1]。2018年WMO温室气体公报显示,N2O摩尔分数达到了 (328.9 ± 0.1) μg/L,已达到工业革命前 (270 μg/L) 水平的122%[2]。农业活动是N2O人为排放源的重要组成部分,每年因化学肥料使用造成的N2O排放高达335万t,占人类活动总释放量的47%[3]。截止到2016年底,我国设施菜田总面积已经达到391.5万hm2,且依旧呈增长趋势[4]。以高产为目的的高水肥投入是目前设施蔬菜种植的普遍现象[5-6]。据统计,设施菜田的单季化肥使用量可达1200 g/hm2,是小麦等大田粮食作物的4~6倍[7-8];单季总灌溉量可达1000 mm左右,单次灌溉平均可达60~70 mm[9]。棚室内高温、高湿、密闭的小气候环境为土壤矿化作用、硝化作用和反硝化作用等土壤氮素转化过程创造了条件,加剧了设施菜田的N2O排放,因此精确测定设施菜田的N2O排放量,能为减肥减药等绿色农艺措施提供重要的参考依据,对农业可持续发展具有重要意义。

      当前监测设施菜田N2O排放的主要方法是静态箱/气相色谱法,具有使用灵活、操作简便、精度高等优点,但是其实测面积较小,在较大区域且排放存在一定空间变异性的环境下进行观测时易产生较大的误差。同时,设施栽培会形成对土壤排放气体有较强滞留作用的特殊小气候环境,仅以箱式法监测土壤N2O排放难以全面评估棚室内N2O排放的全过程。本试验引入了反演式气体扩散模型,该模型对于较大区域的精确测量具有优势。已往的研究表明,该方法在仪器放置合理、测定时间适宜的前提下,准确度可达 (100.0 ± 2.2)%[10]。反演式气体扩散模型曾主要应用于畜牧业的温室气体排放监测,同时还用来监测养殖场的氨排放[11]和甲烷排放[12]。国际上也有少量使用该方法对菜田N2O排放监测的研究,Bai等[13]应用该技术对密集化蔬菜种植场的N2O昼夜排放通量进行了研究;Shu等[14]在研究高氮投入的蔬菜种植系统氮的气态损失中也使用了该技术,但目前还没有使用此方法对设施菜田进行监测的研究[15]。本试验引入反演式气体扩散模型,结合反演式气体扩散模型和静态箱/气相色谱法对设施菜田种植区的N2O排放通量进行估算,量化结果差异,对比排放规律和特征,探究差异产生的原因,以期为设施菜田N2O排放通量提供新的测定和估算方法,建立多元化的N2O排放监测体系,为我国设施菜田的N2O减排、肥料减施增效等措施提供数据基础和科学依据。

      • 本试验设在河北省保定市博野县南小王乡的仟畝社农业种植园区 (北纬38°24′22″、东经115°30′58″),10个棚室规格相同,为长100 m × 宽8 m × 高1.8 m,棚室间距4.8 m,棚区周围无高大建筑物,试验装置安放如图1。供试作物为番茄,试验棚区采用推荐水肥管理,整地前施用基肥,施用量为25 t/hm2有机肥 (氮含量0.46%) 和600 kg/hm2复合肥 (16-16-16);追肥两次,每次施用600 kg/hm2复合肥 (16-16-16),基肥采用撒施和漫灌施肥灌水方式,追肥为浅沟和畦灌。

        图  1  棚区布局和测定仪器安放示意图

        Figure 1.  The layout of greenhouse and the arrangement of instruments

      • 选取由北向南第3、7、9棚室,每个棚室设置施肥区和非施肥区,非施肥区面积占棚室总面积的5%,用沟壑将施肥区与非施肥区隔开,以保证非施肥区不受施肥措施干扰。分别在施肥区和非施肥区各设置3组采样点,每组采样点包括分别位于浅沟和菜畦上的两组静态箱,最终以36组静态箱估算整个棚区N2O排放通量。静态箱由PVC材质制作而成,选用圆柱体结构,内径13.8 cm、高15.5 cm,箱体装有三通阀和瞬时温度计,通过水槽封闭气体,并用聚氯乙烯包裹箱体,整体静态箱规格符合IPCC的N2O测定标准[16]。安放时罩箱底座没入土壤中,对气体进行取样时将箱体扣于底座上,并加水密封。

        采样期选取每次施用基肥或追肥的前一天开始,至施肥后第7天结束,平时每10天采集样品一次。采样时间选取上午9点至11点,采样方式为每隔10 min使用注射器抽取罩箱内气体一次,每次40 mL,共取3次,并同步记录箱内温度。气体样品采用Agilent-7890型气相色谱仪测定N2O浓度。

      • 采样点布置、静态箱采样方式均与全生长季监测时相同,监测时间选取一次追肥后的72 h进行高频连续监测,采样期间同步以注射器采集静态箱上方30、100、170 cm高处气体,估算棚室不同高度N2O浓度分布规律,采样频率为3 h/次。气体样品采用Agilent-7890型气相色谱仪测定N2O浓度。

      • $ {{F}} = {\rho} \times {{H}} \times {T_0}\frac{{\left( {{c_2}/{T_2} - {c_1}/{T_1}} \right)}}{{\Delta t}} $

        式中:F为气体排放通量[mg/(m2·h)];ρ = m/22.414,为气体浓度 (g/L),m分子量;H为箱体高度 (m);T0 = 273 K;Δt = t2t1t1t2为取样时间 (h);c1c2t1t2时间箱内气体浓度 (μg/kg);T1T2t1t2时间箱内气体温度 (K)。

      • N2O排放系数的计算参照IPCC规定,为单纯化肥氮施用引起的N2O-N排放总量与总施氮量的比值,建议旱地化肥氮的N2O-N排放系数为1%。计算公式如下:

        $ {\rm{E}}{{\rm{F}}_{\rm{d}}} = ({{\rm{E}}_{\rm{F}}} - {{\rm{E}}_{\rm{C}}})/{\rm{N}} \times 100{\text \%} $

        式中,EFd是排放系数;EF和EC分别为施氮肥和不施氮对照处理下N2O排放总量;N为施氮肥量[17-18]

      • 反演式气体扩散模型是建立在下垫面均匀和风速廓线可以用莫宁-奥布霍夫相似理论 (Monin-Obukhov Similarity Theory) 重建[19]两个假设基础之上。因此,为了达到微气象学方法需要均匀的下垫面,从而保证监测点水平风场的均匀,本试验通过将采气高度提高到3.5 m高处 (约为棚室高度的2倍),使得风场的扰动可以得到处理,将棚区对风场的干扰降到最低[20],以致忽略棚室构造对风场和湍流的影响。

        反演式气体扩散模型观测时间的选取与静态箱/气相色谱法相同。采气期间使用自动采样装置收集棚区上方3.5 m处的气体样品。自动采样装置主要由采样管、气泵、混气箱、中央控制器、电磁阀及采气袋6部分组成。选用长100 m、内径4 mm的聚乙烯采样管,采样管每隔10 m设进气口一个,运转设备时以针型阀将每个进气口的流速调至2 L/min。气泵的进气口和出气口分别连接采样管和混气箱。混气箱为2 L容积的密闭PVC圆筒。混气箱连有进气管和出气管,其中进气管与采样管相连,出气管与控制气体进出的电磁阀相连。中央控制器主要由一个触控式显示屏和48个电磁阀构成,可通过显示屏设置每个通气阀的开闭时间。自动采样装置运行时,中控系统向48个电磁阀依次发送指令,每个电磁阀的开启时间为30 min,期间气体样品以30 mL/min的流速流入对应的采样袋中。每30 min完成一次样品收集,每天收集48组样品。气体样品采用Agilent-7890型气相色谱仪测定。

      • 风速、风向和湍流等气象信息采用三维超声风速仪 (Gill Instrument Ltd. Lymington,UK) 同步测定,风速仪安装在采气管一端,高度为3.5 m (与采气管高度相同),气象信息收集频率为10 Hz,测得数据实时保存在计算机的EdiSol软件上。气象数据采用MATLAB软件计算出每30 min的平均风速 (U)、风向 (β)、地面粗糙度 (z0)、大气稳定度 (L)、三维方向大气漩涡度 (σu,v,w)、地面摩擦风速 (u*) 和湍流 (σu,v,w/u*)。

      • 在测定工作开始前,使用自动采样装置于棚区上风处测定棚区田闲期的N2O背景浓度,构建N2O的背景浓度曲线,并于测定工作开始后每天以注射器采集棚区上风处气样,随时对N2O的背景浓度值进行调整。采集次数由当天大气稳定程度决定,采集次数随大气稳定程度下降而增加。

      • 以反演式气体扩散模型监测棚室田闲期N2O排放量作为棚区N2O排放的空白值;监测棚区田闲期灌溉后N2O排放量作为棚区灌溉时N2O排放的空白值。综合棚区田闲期土壤排放和灌溉排放,估算棚区无施肥状态下全季总排放量。排放系数计算公式与静态箱/气相色谱法相同[见公式 (2)]。

      • 将风速 (U)、风向 (β)、地面粗糙度 (z0)、地面摩擦风速 (u*)、大气稳定度 (L)、三维方向大气涡旋度 (σu,v,w) 等基本微气象信息及排放源与测定位点的空间几何关系等信息导入WindTrax软件中构建模型,通过模型计算测定位点气体浓度和排放源源强的比值[(CLCb)/Q]sim。计算公式如下:

        $ {\left[ {\left( {{C_{\rm{L}}} - {C_{\rm{b}}}} \right)/Q} \right]_{{\rm{sim}}}} = 1/p\sum\nolimits_{j = 1}^p {(1/n\sum {\left| {2/{W_0^{}}} \right|} } ) $

        式中:C = CLCbCL (mg/m3) 表示测定位点N2O的浓度;Cb (mg/m3) 表示所测当地背景浓度值;Q (m3) 分别带入测定位点的N2O排放强度;p为测定光程平均位点数;n表示该随机模型重复计算的次数;W0表示排放源内触位点上垂直方向风速。

        考虑棚区3个棚室内存在非施肥区域,微气象学方法对设施番茄施肥期的监测结果需按照非施肥区域面积占比进行修正。

      • 反演式气体扩散模型的优点是对排放源面积和形状敏感性很低,但在风速较低、大气极度稳定或极度不稳定、地面植被较高或地面存在明显干扰气体扩散的障碍物等条件下准确度较低。这是由于在u* < 0.15 m/s、L < 10 m或z0 > 0.15 m时,莫宁–奥布霍夫相似理论准确性较低。为了控制数据质量,本试验根据Flesch等[21]、Van Haarlem[22]总结的数据剔除标准 (表1),对浓度数据和风以及湍流数据进行筛选,符合要求的数据则进行N2O排放量的计算。

        表 1  反演式气体扩散模型计算N2O排放的数据筛选标准

        Table 1.  Criteria used to filter data for the calculation of N2O emission

        项目Item指标Index
        地面摩擦风速 Ground friction wind speed ( u*, m/s) < 0.15
        大气稳定度 Atmospheric stability (L, m) < |10|
        地面粗糙度Terrain roughness (z0, m) > 0.15
      • 通过反演式气体扩散模型监测得到的棚区田闲期3.5 m高处的N2O浓度变化如图2A所示,此时期内棚区N2O浓度变化幅度较小,浓度变化范围为343.7~350.6 μg/L,稍高于2018 WMO温室气体公报给出的全球N2O背景浓度 (328.9 ± 0.1) μg/L。夜间平均浓度高于白天,原因为棚区白天风速较高,气体扩散速度快。

        图  2  测定期间棚区地表3.5 m处氧化亚氮浓度分布曲线

        Figure 2.  Distribution curve of nitrous oxide concentration at 3.5 m surface area of shelter area during measuring period

        棚区种植期3.5 m高处的N2O浓度变化如图2B所示,N2O浓度变化范围为354.0~364.6 μg/L,明显高于棚区N2O的背景浓度。棚区种植期白天N2O的平均浓度稍高于夜间,与田闲期相反。种植期棚区3.5 m高处的N2O浓度在上午的8:00—9:00达到最高峰值。

      • 通过静态箱收集测定到的N2O排放结果 (图3) 可以看出,棚室内N2O浓度随高度增加呈下降趋势,不同高度间N2O浓度差异明显,皆高于外界背景浓度。0.3、1、1.7 m高处的72 h平均浓度分别为380.4、373.3、363.7 μg/L。每天棚室内N2O的浓度峰值分别出现在上午9:00左右和傍晚18:00左右。5月31日期间棚室外风速较大,1.7 m高处采样点与棚室通气口距离较近,使其N2O浓度接近外界背景浓度。

        图  3  棚室内不同高度处N2O浓度分布特征

        Figure 3.  Characteristics of distribution of N2O concentration at different heights in greenhouse

      • 图4是两种方法测得的N2O日排放特征曲线,两条特征曲线大致趋势一致,但静态箱法测得结果普遍高于微气象学法测定结果。但是,两种方法测得N2O排放峰值分别出现在每天的15:00到18:00,静态箱法的N2O排放峰值通常较反演式气体扩散模型提前3 h左右。静态箱法测得的平均排放通量为252.51 µg/(m2∙h),高于反演式气体扩散模型测定结果192.21 µg/(m2∙h),高出26.75%。

        图  4  棚区N2O的日排放特征

        Figure 4.  Characteristics of daily N2O emission in greenhouse

        图4还可以发现,72 h高频监测中两个完整昼夜的N2O排放平均值分别为312.20和174.47 µg/(m2∙h),与各自方法当天9:00到12:00的排放通量一致,说明棚室种植方式可用9:00到12:00间的采样结果代表一天平均排放通量。

      • 从整个番茄生长季中,静态箱/气象色谱法测得的N2O排放结果普遍高于微气象学法,但是排放特征曲线大致相同 (图5)。施肥并翻耕土层会造成少量的N2O排放,进行灌溉后N2O排放呈爆发式增长。每次施肥+灌溉事件造成的排放峰持续7天左右,排放最大值通常出现在灌溉后第3天。两种方法测得的棚区N2O空白排放通量接近,远低于施肥后的排放量。对非施肥区进行灌溉会造成较小的N2O排放峰,排放峰值持续时间为2~3天。

        图  5  棚室番茄全生长季N2O排放特征

        Figure 5.  Characteristics of N2O emission in greenhouse during whole growing season of tomato

      • 分析棚室番茄全生长季3次施肥后棚区N2O的累计排放量 (图6),其中静态箱/气相色谱法测定排放系数范围为0.37%~0.56%,反演式气体扩散模型的测定排放系数范围为0.27%~0.40%。测定结果均与IPCC清单默认排放系数1%差距较大,在2倍左右,其中在基肥施用期内测定的结果差异最大。

        图  6  不同施肥期的N2O累计排放量

        Figure 6.  Accumulated N2O emission at different fertilization stages in greenhouse vegetable system

        表2可知,通过静态箱/气相色谱法、反演式气体扩散模型分别估测的N2O累计排放通量为2083.72、1371.44 g/hm2,土壤净排放量为1817.49、1250.95 g/hm2,测得的N2O排放系数分别为0.45%、0.32%。其中反演式气体扩散模型测得结果较静态箱法降低了29%,远低于IPCC清单默认排放系数。

        表 2  棚区整个生长季N2O排放通量估算

        Table 2.  Estimation of N2O emission flux in greenhouse vegetable system

        监测方法
        Monitoring method
        累计排放量 (g/hm2)
        Cumulative emission flux
        空白排放量 (g/hm2)
        Emission in control
        土壤净排放量 (g/hm2)
        Net emission from soil
        N2O排放系数 (%)
        N2O emission coefficient
        静态箱法Static box method2083.72266.231817.490.45
        微气象学方法Micrometeorological method1371.4497.561250.950.32
      • 本研究尝试将反演式气体扩散模型引入设施菜田监测分析N2O排放,通过仪器的合理安放及准确的背景浓度测量,使测定结果与静态箱/气相色谱法结果达成了较高的一致,说明反演式气体扩散模型观测结果具有可信性,达到了试验预期。但两种方法对棚区N2O观测结果产生了29%的明显差异,分析原因可能有以下几点:1) 两种方法所测通量的空间代表性存在差异,静态箱/气相色谱法以3个棚室内的36个箱体作为信息源,虽然在一定程度上克服了土壤N2O排放的空间差异,但是实测面积仅为2.15 m2 (598 cm2 × 36个),与信息源可覆盖整个棚区的微气象学法相比较存在样品来源少、代表性不均匀等缺陷[23-24]。因此,静态箱/气相色谱法的采样点布置可能还不足以均衡整个棚区N2O排放的空间差异性。2) N2O排放通量在不同时间里的变化可以通过微气象学方法连续捕获测量,而静态箱法以较短时间的检测结果来估算全天排放通量可能不足以均衡棚区全天N2O排放在时间上的差异[25]。3) 棚室具有高浓度的N2O环境和湿润的小气候,高浓度N2O环境会抑制土壤N2O排放,湿润的小气候有利于N2O进一步向N2转化,因此可能发生N2O的负排放现象[26-28],棚室内气体与土壤必然存在N2O气体的交换,而静态箱/气相色谱法由于无法采用自动化监测,且采样频率低,因此无法对这一过程进行实时监测,导致实际测量结果偏高。4) 静态箱/气相色谱法受箱体温度影响较大。箱体受阳光照射后,即使存在绝缘层,仍然不可避免会导致箱体内温度的升高,使箱内土壤N2O排放速率提高,导致监测结果偏高[29]。5) 强对流气候和大气稳定程度较高的环境都会导致反演式气体扩散模型对N2O排放通量监测时出现较大误差[30],计算时需要将这部分数据剔除,并按照线性关系插补空白数据,此过程中可能低估了棚区N2O的排放。6) 棚室的密闭结构会对土壤排放的N2O气体造成一定滞留,造成在棚室内外完成监测的两种方法存在结果差异,使反演式气体扩散模型最终测定结果偏小。7) 由于反演式气体扩散模型测算的气体排放量是整个棚区覆盖面积的排放量[11, 13, 31],无法区分施肥和非施肥区,因此我们尝试以反演式气体扩散模型监测棚室空闲期N2O排放通量作为非施肥区空闲期排放通量;并在棚区空闲期对单个棚室进行灌溉处理,模拟对非施肥土壤灌溉后的N2O排放。综合棚区空闲期土壤排放和灌溉排放,估算棚区非施肥状态下全季总排放量。8) 在实际气体样品采集过程中,由于人员走动可能会对小部分非施肥区土壤产生影响,但因静态箱法监测面积有限,非施肥区整体排放与静态箱法测定结果可能存在部分差异,我们也尽量将此部分影响降到最小。

        反演式气体扩散模型和静态箱/气相色谱法对设施菜田的观测结果存在一定差异,主要是由于两种方法测定的信息源不同,导致反演式气体扩散模型测定结果低于静态箱/气相色谱法,但两种方法测定结果均反映出了N2O排放的规律,并具有一致性,这对探究设施蔬菜N2O排放规律起到一定的指导作用。本研究仅就短季番茄种植期初步探索了N2O排放监测与估算方法比较,尚需开展长期多季的监测对比分析;再者,应进一步分析确定具体的结果差异和误差来源,以确保在使用这两种方法观测设施菜田N2O排放通量时具有可比性和统一性。

      • 将反演式气体扩散模型与静态箱/气相色谱法的测定结果与IPCC清单N2O排放系数比较可以发现,在3个施肥期中,IPCC清单N2O排放系数是静态箱/气相色谱法观测结果的1.7~2.7倍,是反演式气体扩散模型的2.5~3.7倍,且IPCC法对混施有机肥和化肥的估算误差高于单施化肥,估算排放系数与实测排放系数存在较大差异。Anita Shepherd等研究表明IPCC旱地排放系数具有0.3%~3.0%的不确定性,水田排放系数具有0.6%的不确定性[32],排放系数本身变动区间较大,而以我国目前的排放系数监测数据链难以对排放系数进行准确估算,张强等[33]在研究中发现,目前我国不同地区排放系数监测频率差距较大,且存在观测频率低、田间处理单一、无年际重复、无不施氮处理等一系列问题,使得我国在以IPCC清单模型估算时存在较大误差。本试验首次在国内尝试引入反演式气体扩散模型进行设施菜田的N2O通量观测,为监测设施农田N2O排放提供了新的研究和实践思路,对建立健全我国氮排放清单具有重要的实践意义。

      • 反演式气体扩散模型与静态箱/气相色谱法对设施菜田种植区N2O排放通量的测定结果一致性较好,但反演式气体扩散模型观测结果明显低于静态箱/气相色谱法,不过反演式气体扩散模型自动化程度高,可以高密监测设施菜田N2O排放全过程,这为监测设施农业较大区域N2O排放提供了新的方法,为我国农业生产中减肥增效提质建立了一种新的方法与参考依据。

    参考文献 (33)

    目录

      /

      返回文章
      返回