影响范围的规模：不同驱动因素如何在活动、日常和季节层面上决定二氧化碳的排放量

《Frontiers in Water》：The scale of influence: how different drivers determine CO2 production at event, daily, and seasonal scales

土壤二氧化碳动态受植被、温度、土壤湿度等环境因子影响，研究通过高分辨率监测发现：NDVI在日尺度上比温度更有效预测土壤CO2浓度；雨事件初期因雨水稀释导致CO2浓度骤降，随后因微生物活动增强和碳溶解平衡恢复而回升；草原土壤CO2生产率显著高于农业土壤，可能与植物多样性及根系分泌物有关；数据分辨率影响环境因子与CO2的相关性，高频监测能捕捉更精细的响应机制。

　　土壤碳是碳循环中最大的活跃碳库，它在未来的气候变化中可能产生重要的反馈效应。理解植被、温度和土壤水分等多因素如何影响不同环境下的土壤二氧化碳（CO?）产生，对于准确预测气候变化对碳循环的影响至关重要。本文通过高分辨率的土壤CO?浓度监测和土壤呼吸通量估算，对农业和草原土壤中的CO?生成机制进行了定量分析。研究发现，在每日时间尺度上，植被指数（NDVI）比土壤温度更能有效预测土壤CO?浓度和生成。在降雨事件的时间尺度上，降雨通常会导致CO?浓度迅速下降，随后又出现持续的CO?生成增加，这种模式只有在高分辨率的土壤CO?数据中才能被观察到。此外，研究还发现，在相同的气候驱动因素下，草原土壤的CO?生成速率高于农业土壤，这可能与草原土壤中植物种类的多样性有关。最后，研究探讨了土壤CO?数据的时间分辨率如何影响环境变量的相关性。这些发现强调了季节性的环境和植被条件对土壤CO?响应的显著影响。

在碳循环中，土壤不仅是碳的主要储存地，还对碳的释放和再吸收起着关键作用。全球土壤碳储量估计在2500至3300皮克（Pg）之间，远高于大气中的碳储量。土壤中的有机碳在不同的环境下具有不同的停留时间，从几天到数千年不等。然而，随着气候变暖，这些停留时间可能缩短，从而影响土壤碳的稳定性和释放速率。土壤呼吸是土壤碳释放的主要途径，包括微生物呼吸和植物根系呼吸。虽然微生物呼吸被认为是土壤CO?生成的主要驱动力，但植物根系呼吸以及通过根系分泌物促进的微生物呼吸也对土壤呼吸有重要贡献。这种植物介导的呼吸作用在农业和草原土壤中可以达到总土壤呼吸的四分之一。因此，理解土壤呼吸对环境条件的敏感性对于研究气候和土地利用变化可能引发的反馈机制至关重要。

传统的土壤培养实验常用于研究温度、湿度等环境变量对微生物呼吸的影响。这些实验往往发现温度、湿度或养分与土壤有机碳转化为CO?之间的强相关性，从而建立了基于这些因素的数学模型。然而，实验室条件下的结果可能无法完全反映真实环境中的复杂性。例如，许多因素如土壤碳保护机制、碳输入、矿物风化以及地表的扩散或对流过程都可能影响土壤CO?的生成。因此，基于现场观测的研究显得尤为重要。本文采用了现场监测技术，在美国中西部的四个农业和草原土壤站点中，对CO?浓度和生成进行了高频监测，以探究其与环境变量之间的关系。

研究地点选在伊利诺伊州和内布拉斯加州，这些地区的土壤类型和管理方式各不相同。伊利诺伊州的两个站点分别是农业用地（ILAG）和恢复草原（ILPR），而内布拉斯加州的两个站点则包括农业用地（NEAG）和恢复草原（NEPR）。这些站点的土壤类型和母质各不相同，其中农业土壤通常为硅质壤土，而草原土壤则为黏质壤土。研究期间，各站点的年平均气温和降水量也有所差异，但均受到2022年和2023年干旱的影响。土壤传感器的安装方式旨在最小化土壤扰动，通过在不同深度（20、60、110和180厘米）中设置CO?、O?和水分含量（VWC）传感器，并使用高分辨率数据记录，以捕捉土壤CO?的动态变化。

NDVI作为植被状态的指标，通过Planet Lab的数据进行计算，其时间分辨率为每天。NDVI的峰值出现在夏季（6月至8月），并且在农业和草原站点中表现出不同的模式。农业站点的NDVI峰值在2023年更高，而草原站点则在2022年更显著。NDVI与CO?浓度和生成之间存在显著的正相关，尤其是在内布拉斯加州的NEPR站点。这表明，植被状态对土壤CO?生成具有重要影响，尤其是在生长季节。

土壤CO?的生成和浓度在不同时间尺度上表现出不同的特征。例如，夏季的每日波动最为显著，CO?浓度在白天达到最低点，夜晚达到最高点。这种日变化模式与太阳辐射和NDVI的变化一致，但与土壤温度的变化并不完全同步。这表明，虽然温度对微生物活动有影响，但植物介导的呼吸可能是土壤CO?生成的主要驱动因素。此外，降雨事件对土壤CO?浓度和生成的影响也值得关注。降雨会导致CO?浓度迅速下降，随后又出现持续的升高，这种现象在草原土壤中更为明显。这可能与草原土壤中植物种类的多样性有关，因为这种多样性可能促进了更活跃的微生物活动和根系呼吸。

研究还发现，土壤水分含量（VWC）对CO?浓度和生成的影响并不显著，尤其是在干旱季节。这可能是因为在这些条件下，植物相关的碳输入成为主要限制因素，而非水分。此外，土壤CO?浓度和生成与VWC之间的关系在不同深度和季节表现出不同的模式，这提示我们需要考虑不同的环境条件和土壤特性，以更准确地预测CO?的动态变化。

研究还探讨了不同时间分辨率对土壤CO?数据的影响。高分辨率数据能够捕捉到短时间尺度（如降雨事件）的动态变化，而低分辨率数据可能会忽略这些重要的变化，导致对土壤碳循环的误解。例如，降雨事件引发的CO?浓度迅速下降和随后的升高，只有在高分辨率数据中才能被识别。这提示我们在进行土壤碳研究时，应采用高时间分辨率的监测方法，以更好地理解土壤碳的动态变化。

研究还指出，草原土壤由于植物种类的多样性，其CO?生成速率高于农业土壤。这可能与草原土壤中更丰富的植物群落及其对微生物活动的促进有关。相比之下，农业土壤由于单一作物种植和缺乏植物根系的持续输入，其CO?生成速率较低。此外，草原土壤在生长季节的CO?生成速率更高，这可能与草原植物的根系活动和微生物代谢更为活跃有关。

研究结果还强调了植物介导的呼吸在土壤碳循环中的重要性。在生长季节，植物的根系活动和分泌物可能对土壤CO?生成起到主导作用。因此，未来的研究应关注植物介导的呼吸机制，以更准确地理解土壤碳的动态变化。同时，还需要考虑土壤碳输入的质量和数量，以揭示不同植物群落对土壤碳循环的影响。

总之，本文通过高分辨率的现场监测，揭示了土壤CO?生成与植被状态、温度和水分之间的复杂关系。研究结果表明，在生长季节，植物介导的呼吸对土壤CO?生成的影响远大于温度的影响。此外，草原土壤由于其植物群落的多样性，其CO?生成速率高于农业土壤。这些发现为理解土壤碳循环和气候变化的反馈机制提供了重要的科学依据，并强调了在气候模型中整合土壤-植物相互作用的必要性。未来的研究应进一步探索植物介导的呼吸机制，以及不同时间分辨率对土壤碳循环预测的影响，以更好地应对气候变化带来的挑战。