基于濕度分布特征的小尺度土壤碳通量空間采樣策略

江雨佳, 王國(guó)英, 莫路鋒,*

1 浙江農(nóng)林大學(xué)信息工程學(xué)院, 臨安 311300 2 紹興市市政工程管理處, 紹興 312000 3 西安交通大學(xué)電子與信息工程學(xué)院, 西安 710049

?

基于濕度分布特征的小尺度土壤碳通量空間采樣策略

江雨佳1,2, 王國(guó)英1,3, 莫路鋒1,3,*

1 浙江農(nóng)林大學(xué)信息工程學(xué)院, 臨安 311300 2 紹興市市政工程管理處, 紹興 312000 3 西安交通大學(xué)電子與信息工程學(xué)院, 西安 710049

由于土壤碳通量的空間異質(zhì)性很強(qiáng),傳統(tǒng)的隨機(jī)抽樣方法無(wú)法對(duì)區(qū)域土壤碳通量進(jìn)行準(zhǔn)確估算,而多點(diǎn)采樣需耗費(fèi)大量的人力及設(shè)備成本,因此確定適當(dāng)?shù)牟蓸狱c(diǎn)數(shù)量及分布策略對(duì)于區(qū)域土壤碳通量的測(cè)算非常重要。提出一種基于濕度空間分布特征的小尺度土壤碳通量空間采樣策略：首先利用無(wú)線傳感網(wǎng)密集測(cè)量區(qū)域的土壤濕度,根據(jù)濕度數(shù)據(jù)的空間分布特征劃分監(jiān)測(cè)區(qū)域,通過(guò)Hammond McCullagh方程計(jì)算各子區(qū)域內(nèi)的最優(yōu)采樣點(diǎn)數(shù)量,最終確定整個(gè)監(jiān)測(cè)區(qū)域的空間采樣點(diǎn)部署策略。提出的方法考慮了各子區(qū)域間土壤碳通量空間分布的差異,使得采樣點(diǎn)的部署位置與土壤碳通量的分布具有較好的相關(guān)性。研究結(jié)果證明:土壤碳通量部署策略能夠獲得比均勻部署策略、隨機(jī)部署策略更高的區(qū)域土壤碳通量估算準(zhǔn)確度。

土壤呼吸；采樣策略；碳通量；土壤濕度

隨著傳感器技術(shù)與氣體動(dòng)力學(xué)的發(fā)展,單點(diǎn)的土壤呼吸測(cè)量水平已經(jīng)達(dá)到令人基本滿(mǎn)意的程度,但到目前為止,區(qū)域土壤呼吸的準(zhǔn)確估算仍是難題。區(qū)域測(cè)量通常采用實(shí)測(cè)和遙感兩類(lèi)方法,現(xiàn)階段遙感和模型相結(jié)合是研究區(qū)域碳收支的重要手段[1-3]。遙感模型的推算結(jié)果與模型算法的精確性、衛(wèi)星觀測(cè)成像頻率等有關(guān),估算碳通量的不確定性大[4]。通過(guò)直接測(cè)定土壤碳通量的方法能夠保證區(qū)域土壤碳通量估算的精確性,但植被、土壤基質(zhì)等影響土壤碳通量的因素存在空間異質(zhì)性[5],同時(shí)在具有空間異質(zhì)性的土壤溫度、濕度的共同作用下,因此土壤碳通量表現(xiàn)出極其強(qiáng)烈的空間異質(zhì)性[6- 8]。這種空間異質(zhì)性導(dǎo)致距離相近的采樣點(diǎn)的呼吸速率可能相差很大。為了準(zhǔn)確估算區(qū)域的土壤碳通量,采樣點(diǎn)的部署策略至關(guān)重要。

目前國(guó)內(nèi)外估算區(qū)域碳通量的采樣策略存在精確度較低的缺點(diǎn),主要是運(yùn)用規(guī)則網(wǎng)格或隨機(jī)采樣等方法布設(shè)采樣點(diǎn),通過(guò)簡(jiǎn)單的統(tǒng)計(jì)方法,直接計(jì)算出區(qū)域碳通量[9]。劉源月等[10]在研究亞熱帶典型森林生態(tài)系統(tǒng)的土壤碳通量中,使用簡(jiǎn)單隨機(jī)采樣方法,將測(cè)量數(shù)據(jù)的均值作為區(qū)域的土壤碳通量。該方法忽略了土壤碳通量的空間異質(zhì)性,少量采樣點(diǎn)的碳通量均值不能代表整個(gè)區(qū)域的土壤碳通量。通過(guò)這類(lèi)方法獲得的區(qū)域土壤通量的估算結(jié)果誤差較大[11-13]。

土壤濕度作為土壤呼吸的關(guān)鍵影響因子,其空間異質(zhì)性與土壤碳通量的空間異質(zhì)性密切相關(guān)。Forti等[14]在黃土草原生態(tài)系統(tǒng)的研究中發(fā)現(xiàn)水分含量較低時(shí),土壤呼吸的空間模型主要依賴(lài)于土壤濕度。Balogh等[15]發(fā)現(xiàn)在干旱草地環(huán)境中,土壤呼吸的非生物影響因子,如土壤濕度,對(duì)其變化起到了近80%的作用。Chen等[16]在中國(guó)北部溫帶草原生態(tài)系統(tǒng)的研究中發(fā)現(xiàn)土壤濕度等非生物因子比植物生長(zhǎng)等生物因子對(duì)土壤呼吸空間異質(zhì)性的作用更突出。Maestre等[17]研究發(fā)現(xiàn),土壤濕度可以說(shuō)明西班牙半干旱草原土壤CO2釋放小尺度上的空間變異情況。Conant等[18]發(fā)現(xiàn)影響亞利桑那州3種半干旱生態(tài)系統(tǒng)土壤碳通量最重要的因素是土壤濕度。土壤濕度一方面通過(guò)影響微生物和植物根系的生理學(xué)過(guò)程對(duì)土壤呼吸直接產(chǎn)生作用,另一方面通過(guò)影響底物和氧氣擴(kuò)散間接產(chǎn)生作用[19]。土壤濕度對(duì)土壤呼吸的影響非常重要,在干旱或半干旱地區(qū),土壤濕度作為脅迫因子轉(zhuǎn)變?yōu)橥寥篮粑闹骺刈兞縖20]。土壤濕度參數(shù)過(guò)高時(shí),土壤間隙縮小,氧氣和CO2的流通受阻,異養(yǎng)呼吸的吸收與排放受限[21],導(dǎo)致土壤碳通量驟減。土壤濕度參數(shù)過(guò)低時(shí),根系呼吸與微生物呼吸受到抑制,排放的CO2減少,引起土壤碳通量銳減。在小尺度范圍內(nèi),土壤濕度相對(duì)其他土壤呼吸的影響因素,對(duì)土壤碳通量的作用尤為顯著。因此可考慮采用土壤濕度的空間異質(zhì)性來(lái)表征碳通量的空間異質(zhì)性,作為土壤碳通量空間采樣策略的依據(jù)。

本文提出一種基于濕度空間分布特征的小尺度土壤碳通量空間采樣策略(Spatial sampling strategy for fine-scale regional soil carbon flux estimation based on the moisture distribution characteristic,SMTC)。首先利用傳感網(wǎng)密集測(cè)量區(qū)域的土壤濕度,根據(jù)濕度數(shù)據(jù)的空間異質(zhì)性劃分子區(qū)域。計(jì)算各子區(qū)域土壤濕度的變異系數(shù),用變異系數(shù)表示土壤濕度的空間異質(zhì)性。利用土壤碳通量與土壤濕度之間的相關(guān)性,將土壤濕度的變異系數(shù)作為設(shè)置采樣點(diǎn)數(shù)量的依據(jù),通過(guò)Hammond McCullagh方程計(jì)算各子區(qū)域內(nèi)的最優(yōu)采樣點(diǎn)數(shù)量,確定整個(gè)研究區(qū)域的空間采樣策略。

本文的其余部分組織如下：第一節(jié)具體描述了土壤碳通量空間采樣策略的實(shí)現(xiàn)方法；第二節(jié)設(shè)計(jì)了實(shí)驗(yàn)方案；第三節(jié)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析；第四節(jié)從多個(gè)方面討論并評(píng)估了該方法的性能。

1 基于濕度分布特征的土壤碳通量空間采樣策略(SMTC)

SMTC根據(jù)土壤濕度的空間分布特征,將研究區(qū)域劃分為若干個(gè)子區(qū)域,計(jì)算各子區(qū)域內(nèi)土壤濕度的變異系數(shù)。利用土壤濕度的變異系數(shù)表征土壤碳通量的空間異質(zhì)性,應(yīng)用Hammond McCullagh方程計(jì)算各子區(qū)域的最優(yōu)采樣點(diǎn)數(shù)量,確定研究區(qū)域的采樣策略。

土壤碳通量是一種典型的土壤性質(zhì),它是一個(gè)復(fù)雜、變化不均一的連續(xù)體[22],其空間分布一般呈現(xiàn)出區(qū)域分布的特征,表現(xiàn)為整體區(qū)域的空間異質(zhì)性較大,而其中的局部區(qū)域的異質(zhì)性卻大大降低。該局部區(qū)域土壤碳通量的異質(zhì)性較小時(shí),說(shuō)明該區(qū)域的土壤碳通量具有高度一致性,因此局部區(qū)域只需要少量的采樣點(diǎn)；異質(zhì)性較大時(shí),該區(qū)域需要大量的采樣點(diǎn)。

本研究將空間異質(zhì)性納入采樣的考慮范圍,提出基于濕度分布特征的土壤碳通量采樣策略,將整個(gè)區(qū)域劃分為若干個(gè)異質(zhì)性小的子區(qū)域,大幅減少冗余采樣,降低采樣的成本。首先獲取研究區(qū)域的土壤濕度分布數(shù)據(jù),繪制土壤濕度空間分布圖,利用土壤濕度的變異系數(shù)表征碳通量的空間異質(zhì)性。將研究空間劃分為若干子區(qū)域,計(jì)算子區(qū)域所需的最優(yōu)采樣點(diǎn)數(shù)量,確定研究區(qū)域的土壤碳通量空間采樣部署策略。該方法的工作流程如圖1所示,下文依次介紹圖中的幾個(gè)重要環(huán)節(jié)：(1)土壤濕度變異性分布；(2)劃分子區(qū)域；(3)確定土壤碳通量采樣部署策略。

圖1 土壤碳通量空間采樣策略的流程示意圖Fig.1 Flow diagram of soil carbon flux spatial sampling strategy. N stands for number of samples

1.1 土壤濕度的空間分布

目前土壤濕度數(shù)據(jù)可通過(guò)快速反應(yīng)的傳感器獲取。本文將土壤濕度數(shù)據(jù)進(jìn)行處理,發(fā)現(xiàn)土壤濕度在空間分布上具有連續(xù)性和異質(zhì)性特征,并且具有較大的斑塊,格局明顯。

1.2 子區(qū)域的劃分

整體區(qū)域的劃分采用結(jié)合空間位置的K均值聚類(lèi)算法(K-means算法)。該算法的核心思想是找出k個(gè)聚類(lèi)中心c1,c2,...,ck,使每一個(gè)數(shù)據(jù)點(diǎn)xi與其最近的聚類(lèi)中心cv的平方距離和最小化(該平方距離和稱(chēng)為偏差D)。具體步驟如下：

(1) 初始化：隨機(jī)指定k個(gè)聚類(lèi)中心；

(2) 分配xi：找到距離每一個(gè)樣本最近的聚類(lèi)中心cv,并將其分配到cv所標(biāo)明的類(lèi)；

(3) 修正cw：將每一個(gè)cw移動(dòng)到相對(duì)應(yīng)的類(lèi)的中心；

(4) 計(jì)算偏差：當(dāng)前聚類(lèi)狀態(tài)的偏差按公式(1)進(jìn)行計(jì)算,

(1)

式中,xi為土壤濕度采樣點(diǎn)；cr為第r個(gè)聚類(lèi)中心；min：取最小值函數(shù)；d為采樣點(diǎn)到聚類(lèi)中心的距離。

(5) 檢驗(yàn)收斂性：如果D值收斂,則返回(c1,c2,...,ck),終止算法,完成劃分。否則返回第(2)步。

1.3 土壤碳通量空間采樣策略

完成分區(qū)后,設(shè)置每一個(gè)子區(qū)域的采樣點(diǎn)數(shù)量和采樣部署策略。引用Hammond等[23]的方法計(jì)算子區(qū)域內(nèi)土壤碳通量的采樣點(diǎn)數(shù)量,即Hammond McCullagh方程(公式(2))。假設(shè)整個(gè)區(qū)域?yàn)棣?子區(qū)域?yàn)棣(i=1,2,3,…,n),計(jì)算各子區(qū)域土壤濕度的變異系數(shù)CVi,優(yōu)化的采樣點(diǎn)數(shù)量Ni的計(jì)算公式如下：

(2)

式中,tα為t檢驗(yàn)對(duì)應(yīng)置信水平的值；D為置信區(qū)間；CVi為第i個(gè)子區(qū)域的變異系數(shù)。

置信區(qū)間取0.9時(shí),將Ni作為采樣點(diǎn)數(shù)量,真值落在該區(qū)間的可能性為90%,也可根據(jù)所需的精確度計(jì)算相應(yīng)的Ni。整個(gè)研究區(qū)域所需的采樣點(diǎn)數(shù)量等于子區(qū)域優(yōu)化采樣點(diǎn)數(shù)量之和。

2 材料與方法

2.1 研究區(qū)概況

選取浙江省臨安市浙江農(nóng)林大學(xué)的森林生態(tài)監(jiān)測(cè)智能空間實(shí)驗(yàn)基地(119°43′15″—119°43′21″E,30°15′24″—30°15′33″N)作為研究區(qū)域。該區(qū)域氣候特征為中亞熱帶季風(fēng)氣候,年平均降水量達(dá)1613.9 mm,平均氣溫為16.4℃,年日照達(dá)1847.3 h,森林覆蓋率達(dá)76.5%,其中分布最廣的為紅壤土。

2.2 實(shí)驗(yàn)設(shè)計(jì)

通常土壤碳通量的自相關(guān)距離為3 m左右,以此為依據(jù)確定研究區(qū)域的分辨率為5 m×5 m。采用網(wǎng)格法在研究區(qū)域中以5 m×5 m的間隔確定64(8×8)個(gè)采樣點(diǎn)。利用8臺(tái)設(shè)備同時(shí)測(cè)量,單個(gè)樣點(diǎn)測(cè)量時(shí)間為5 min(預(yù)熱與準(zhǔn)備2 min,實(shí)測(cè)3 min),整個(gè)測(cè)量耗時(shí)約1 h,基本滿(mǎn)足同時(shí)測(cè)量的要求。連續(xù)測(cè)量樣地3d,測(cè)量時(shí)間為中午12:00,土壤呼吸的峰值一般出現(xiàn)在10:00到14:00之間[25],選擇12:00作為測(cè)量時(shí)間相對(duì)具有代表性,取3次測(cè)量數(shù)據(jù)的平均值。

本文獲取的是0—5 cm表層土壤的土壤濕度,通過(guò)數(shù)字溫濕度傳感器SLHT5- 1采集土壤濕度數(shù)據(jù),傳感器數(shù)據(jù)均經(jīng)過(guò)線性模型校準(zhǔn)。將傳感器插入土壤中,待測(cè)量數(shù)據(jù)穩(wěn)定后,連續(xù)測(cè)量30 s,每1 s獲取一個(gè)數(shù)據(jù),30 s內(nèi)采集的數(shù)據(jù)的平均值為采樣點(diǎn)的土壤濕度。遇到石塊等障礙無(wú)法測(cè)量時(shí),在鄰近范圍內(nèi)選取替代點(diǎn)。

圖2 土壤濕度的空間分布圖Fig.2 Spatial distribution of soil moisture

土壤碳通量的測(cè)量方法為開(kāi)路式的通量測(cè)定。本研究采用徐林等[26]研制的土壤碳通量監(jiān)測(cè)儀Lr100GE- 6400,相對(duì)誤差小于5%。在相同位置同時(shí)采集土壤碳通量數(shù)據(jù)和土壤濕度數(shù)據(jù)。測(cè)量時(shí)調(diào)整草地表面、落葉層等防止氣室泄漏,每次采樣前1.5 h剪掉表面的綠色植物,以排除植物呼吸對(duì)土壤呼吸產(chǎn)生的影響[14,27-28]。

3 結(jié)果與分析

3.1 實(shí)測(cè)數(shù)據(jù)

本文以matlab 2010為平臺(tái),分析土壤濕度的原始數(shù)據(jù)。利用Excel建立采樣點(diǎn)基本屬性數(shù)據(jù)庫(kù),導(dǎo)入數(shù)據(jù)后銜接各采樣點(diǎn)的空間數(shù)據(jù)與屬性數(shù)據(jù),得到土壤濕度的空間分布圖。圖2為實(shí)測(cè)的土壤濕度的空間分布圖,表1為土壤濕度與碳通量的統(tǒng)計(jì)特征表。

表1 土壤濕度與碳通量的統(tǒng)計(jì)特征

3.2 SMTC采樣實(shí)驗(yàn)結(jié)果

根據(jù)本文的SMTC方法,將研究區(qū)域分成5個(gè)子區(qū)域,計(jì)算各子區(qū)域的采樣點(diǎn)數(shù)量,設(shè)置采樣點(diǎn)的位置。采樣部署的劃分區(qū)域和樣點(diǎn)部署位置如圖3所示。對(duì)各子區(qū)域進(jìn)行統(tǒng)計(jì)分析,各子區(qū)域內(nèi)的統(tǒng)計(jì)信息見(jiàn)表2。

圖3 基于SMTC的區(qū)域碳通量的采樣部署圖Fig.3 Sampling deployment diagram of regional carbon flux monitoring

子區(qū)域Sub-area實(shí)際的采樣數(shù)量Actualsamplenumber面積比/%Arearatio平均值/(m3/m3)Averagevalue極值/(m3/m3)Extremum標(biāo)準(zhǔn)差Standarddeviation變異系數(shù)Coefficientofvariation優(yōu)化的采樣數(shù)量Optimizedsamplenumber11625.0033.5626.694.8814.55721726.5637.4438.144.1811.1743812.5031.7923.304.7014.80841218.7533.6633.361.845.47151117.1935.5735.942.948.263

由表1可以看出,研究區(qū)域的平均土壤濕度為34.73 m3/m3,整體區(qū)域內(nèi)部濕度變化較大,變異系數(shù)高達(dá)12.31%,具有較強(qiáng)的空間異質(zhì)性。根據(jù)異質(zhì)性劃分各子區(qū)域,利用基于空間分布的聚類(lèi)方法,展現(xiàn)子區(qū)域的變化特征,將內(nèi)部差異性小的子區(qū)域與差異性大的子區(qū)域劃分開(kāi)來(lái)。如表2所示5個(gè)子區(qū)域的變異系數(shù)分別為14.55%,11.17%,14.80%,5.47%,8.26%,分別計(jì)算得到優(yōu)化的采樣點(diǎn)數(shù)量為7,4,8,1,3。由實(shí)驗(yàn)結(jié)果可知,變異系數(shù)越小,優(yōu)化的采樣點(diǎn)數(shù)量越少。

利用克里格插值方法,分別將儀器測(cè)量的實(shí)測(cè)土壤碳通量、SMTC部署采樣模擬實(shí)驗(yàn)獲得的土壤碳通量,擬合得到研究區(qū)域的土壤碳通量,比較兩種方法的土壤碳通量結(jié)果。對(duì)比結(jié)果如圖4所示,大幅減少采樣點(diǎn)數(shù)量的情況下,SMTC部署采樣模擬實(shí)驗(yàn)獲得的土壤碳通量與實(shí)測(cè)土壤碳通量的趨勢(shì)一致。

3.3 同其他方法對(duì)比

本實(shí)驗(yàn)分別運(yùn)用SMTC方法、隨機(jī)采樣策略和均勻采樣策略設(shè)置測(cè)量點(diǎn),插值擬合監(jiān)測(cè)區(qū)域的碳通量。根據(jù)SMTC方法的部署方案,各子區(qū)域合計(jì)需要23個(gè)采樣點(diǎn)。在相同的實(shí)驗(yàn)條件下,隨機(jī)采樣取23個(gè)采樣點(diǎn),均勻采樣取25(5×5)個(gè)采樣點(diǎn),通過(guò)分析采樣點(diǎn)的碳通量數(shù)據(jù),擬合研究區(qū)域的土壤碳通量(圖5),比較3種方法的實(shí)驗(yàn)結(jié)果。與實(shí)測(cè)土壤碳通量(圖4)相比,SMTC部署采樣模擬實(shí)驗(yàn)獲得的土壤碳通量與實(shí)測(cè)土壤碳通量的趨勢(shì)一致性最好。

圖5 3種采樣方法的土壤碳通量估算結(jié)果Fig.5 Carbon flux estimate results of three sampling methods

本文將實(shí)測(cè)土壤碳通量數(shù)據(jù)的擬合結(jié)果(圖4)作為基準(zhǔn)值,得到SMTC布局與隨機(jī)布局、均勻布局這三種布局策略的估算誤差分布圖,比較3種采樣方法的估算準(zhǔn)確度。從圖6可以看出,在研究區(qū)域中,與另外兩種部署方法的估算誤差相比,SMTC方法的誤差最小。同時(shí)計(jì)算實(shí)驗(yàn)數(shù)據(jù)得出SMTC、隨機(jī)采樣策略和均勻采樣策略的誤差均方差分別為8.78%,13.32%,11.56%,SMTC方法的誤差均方差最小。因此,SMTC布局與隨機(jī)布局、均勻布局這3種布局策略中,SMTC布局的估算準(zhǔn)確度最高。

圖6 3種采樣方法的估算誤差分布Fig.6 Estimation error distribution of three sampling methods

通過(guò)分析以上實(shí)驗(yàn)結(jié)果,可以得到以下結(jié)論：

(1)采樣點(diǎn)數(shù)量相同時(shí),隨機(jī)布局策略、均勻布局策略的誤差和誤差均方差均比SMTC布局策略的大。SMTC布局策略明顯優(yōu)于隨機(jī)布局策略和均勻布局策略。

(2)區(qū)域內(nèi)部差異性較大時(shí),尤其是存在多個(gè)極值點(diǎn)的情況下,隨機(jī)布局策略和均勻布局策略估算的區(qū)域土壤碳通量的精確度較低。SMTC布局策略考慮子區(qū)域的異質(zhì)性,提高了估算土壤碳通量的精確度。

4 討論

4.1 不同k值對(duì)結(jié)果的影響

k值決定了整個(gè)區(qū)域的子區(qū)域數(shù)量,通過(guò)實(shí)驗(yàn)探討k值對(duì)SMTC布局策略的影響。分別設(shè)置k值為2,3,4,5,6,7,計(jì)算子區(qū)域的變異系數(shù),優(yōu)化采樣點(diǎn)數(shù)量,實(shí)驗(yàn)結(jié)果如表3所示。子區(qū)域數(shù)量小于6個(gè)時(shí),隨著子區(qū)域數(shù)量的增大,整個(gè)區(qū)域的采樣點(diǎn)數(shù)量呈現(xiàn)增大的趨勢(shì)；子區(qū)域數(shù)量大于6個(gè)時(shí),整個(gè)區(qū)域的采樣點(diǎn)數(shù)量無(wú)增大趨勢(shì)。

子區(qū)域數(shù)量增加時(shí),子區(qū)域內(nèi)部的變異系數(shù)減小,空間異質(zhì)性降低,因此采樣點(diǎn)數(shù)量總和不會(huì)大幅增加。在實(shí)際測(cè)量過(guò)程中,子區(qū)域數(shù)量增大會(huì)增加工作量,采樣點(diǎn)數(shù)量總和受設(shè)備成本的限制；子區(qū)域數(shù)量過(guò)少,計(jì)算得到的土壤碳通量異質(zhì)性較大,不能代表整個(gè)區(qū)域的土壤碳通量。綜合以上因素,本文設(shè)置子區(qū)域數(shù)量為5個(gè)是合理的。

表3 k值對(duì)實(shí)驗(yàn)結(jié)果的影響

4.2 小尺度土壤碳通量的影響因子

土壤呼吸包括3個(gè)生物學(xué)過(guò)程[29](植物根系呼吸,微生物呼吸和異養(yǎng)土壤動(dòng)物呼吸)和1個(gè)非生物學(xué)過(guò)程(土壤有機(jī)物氧化生成CO2)。土壤碳通量除受到土壤濕度的影響外,也受到其他多種因素的交互影響。自然和人為的干擾經(jīng)常造成多個(gè)影響因素同時(shí)改變,對(duì)土壤呼吸產(chǎn)生復(fù)雜的作用[19]。土壤溫度、近地面大氣壓、群落生物量、土壤有機(jī)碳含量和CO2濃度等環(huán)境因子對(duì)土壤呼吸速率產(chǎn)生明顯的影響[30-32]。研究這些因素對(duì)土壤呼吸的影響時(shí),一般通過(guò)不同區(qū)域的樣地間的差異來(lái)實(shí)現(xiàn)。但是在小尺度范圍內(nèi),在影響土壤呼吸的各因素中,與土壤濕度相比,溫度、近地面大氣壓等其他因素的作用不顯著。因此,小尺度范圍內(nèi)土壤濕度的空間異質(zhì)性,對(duì)土壤碳通量的空間異質(zhì)性產(chǎn)生決定性的作用。

4.3 結(jié)論

在小尺度范圍內(nèi),針對(duì)區(qū)域土壤碳通量估算的采樣點(diǎn)布局問(wèn)題,本文提出了一種基于土壤濕度空間布局的采樣策略(SMTC)。按照SMTC策略布局采樣點(diǎn),驗(yàn)證了SMTC布局策略比均勻布局策略和隨機(jī)布局策略的估算精確度高。測(cè)量區(qū)域土壤碳通量時(shí),由于空間異質(zhì)性的存在,隨機(jī)采樣與均勻采樣方法顯得十分粗糙。SMTC方法更準(zhǔn)確的擬合了區(qū)域碳通量的分布。綜合比較3種布局方法,SMTC對(duì)整個(gè)區(qū)域中子區(qū)域的采樣點(diǎn)數(shù)量進(jìn)行了合理的分配,減小了整個(gè)研究區(qū)域的誤差。根據(jù)SMTC策略,在土壤碳通量異質(zhì)性較大的區(qū)域中布置較多數(shù)量的采樣點(diǎn),能夠合理地?cái)M合出該區(qū)域的土壤碳通量,較大程度的降低誤差；在土壤碳通量異質(zhì)性較小的區(qū)域中布置較少數(shù)量的采樣點(diǎn),對(duì)土壤碳通量的估算精確度幾乎無(wú)影響。由實(shí)驗(yàn)結(jié)果可知,設(shè)置較少數(shù)量的采樣點(diǎn),SMTC策略可以保證土壤碳通量的估算精確度,降低區(qū)域土壤碳通量測(cè)算的設(shè)備及人力成本。

[1] 張娜, 于貴瑞, 趙士洞, 于振良. 基于遙感和地面數(shù)據(jù)的景觀尺度生態(tài)系統(tǒng)生產(chǎn)力的模擬. 應(yīng)用生態(tài)學(xué)報(bào), 2003, 14(5): 643- 652.

[2] 林文鵬, 王臣立, 趙敏, 黃敬峰, 施潤(rùn)和, 柳云龍, 高峻. 基于森林清查和遙感的城市森林凈初級(jí)生產(chǎn)力估算. 生態(tài)環(huán)境, 2008, 17(2): 766- 770.

[3] 王臣立, 牛錚, 郭治興, 叢丕福. 基于植被指數(shù)和神經(jīng)網(wǎng)絡(luò)的熱帶人工林地上蓄積量遙感估測(cè). 生態(tài)環(huán)境學(xué)報(bào), 2009, 18(5): 1830- 1834.

[4] 鮑芳, 周廣勝. 中國(guó)草原土壤呼吸作用研究進(jìn)展. 植物生態(tài)學(xué)報(bào), 2010, 34(6): 713- 726.

[5] 劉世榮, 王暉, 欒軍偉. 中國(guó)森林土壤碳儲(chǔ)量與土壤碳過(guò)程研究進(jìn)展. 生態(tài)學(xué)報(bào), 2011, 31(19): 5437- 5448.

[6] Buchmann N. Biotic and abiotic factors controlling soil respiration rates inPiceaabiesstands. Soil Biology and Biochemistry, 2000, 32(11- 12): 1625- 1635.

[7] Tan W, Sun L, Hu H, Chen X. Effect of fire disturbances on soil respiration ofLarixgmeliniiRupr. forest in the Da Xing′an Mountain during growing season. African Journal of Biotechnology, 2014, 11(21): 4833- 4840.

[8] Tang J W, Baldocchi D D. Spatial-temporal variation in soil respiration in an oak-grass savanna ecosystem in California and its partitioning into autotrophic and heterotrophic components. Biogeochemistry, 2005, 73(1): 183- 207.

[9] Loescher H, Ayres E, Duffy P, Luo H Y, Brunke M. Spatial variation in soil properties among North American ecosystems and guidelines for sampling designs. PLoS One, 2014, 9(1): e83216.

[10] 劉源月, 江洪, 邱忠平, 原煥英, 李雅紅. 亞熱帶典型森林生態(tài)系統(tǒng)土壤呼吸. 西南交通大學(xué)學(xué)報(bào), 2009, 44(4): 590- 594.

[11] Fang C, Moncrieff J B, Gholz H L, Clark K L. Soil CO2efflux and its spatial variation in a Florida slash pine plantation. Plant and Soil, 1998, 205(2): 135- 146.

[12] Johnson D W, Edwards N T. The effects of stem girdling on biogeochemical cycles within a mixed deciduous forest in eastern Tennessee. Oecologia, 1979, 40(3): 259- 271.

[13] Wiseman P E, Seiler J R. Soil CO2efflux across four age classes of plantation loblolly pine (PinustaedaL.) on the Virginia Piedmont. Forest Ecology and Management, 2004, 192(2/3): 297- 311.

[14] Fóti S, Balogh J, Nagy Z, Herbst M, Pintér K, Péli E, Koncz P, Bartha S. Soil moisture induced changes on fine-scale spatial pattern of soil respiration in a semi-arid sandy grassland. Geoderma, 2014, 213: 245- 254.

[15] Balogh J, Pintér K, Fóti S, Cserhalmi D, Papp M, Nagy Z. Dependence of soil respiration on soil moisture, clay content, soil organic matter, and CO2uptake in dry grasslands. Soil Biology and Biochemistry, 2011, 43(5): 1006- 1013.

[16] Chen Q S, Wang Q B, Han X G, Wan S Q, Li L H. Temporal and spatial variability and controls of soil respiration in a temperate steppe in northern China. Global Biogeochemical Cycles, 2010, 24(2), doi: 10.1029/2009GB003538.

[17] Maestre F T, Cortina J. Small-scale spatial variation in soil CO2efflux in a Mediterranean semiarid steppe. Applied Soil Ecology, 2003, 23(3): 199- 209.

[18] Conant R T, Klopatek J M, Klopatek C C. Environmental factors controlling soil respiration in three semiarid ecosystems. Soil Science Society of America Journal, 2000, 64(1): 383- 390.

[19] 張滕, 饒良懿, 呂坤瓏, 李會(huì)杰. 土壤呼吸影響因素研究進(jìn)展. 廣東農(nóng)業(yè)科學(xué), 2012, 39(8): 64- 67.

[20] Wang Y S, Hu Y Q, Ji B M, Liu G R, Xue M. An investigation on the relationship between emission/uptake of greenhouse gases and environmental factors in serniarid grassland. Advances in Atmospheric Sciences, 2003, 20(1): 119- 127.

[21] 張東秋, 石培禮, 張憲洲. 土壤呼吸主要影響因素的研究進(jìn)展. 地球科學(xué)進(jìn)展, 2005, 20(7): 778- 785.

[22] 高東, 魯紹偉, 饒良懿, 李佳, 張滕, 靳阿亮. 淮北平原四種土地利用類(lèi)型非生長(zhǎng)季土壤呼吸速率. 農(nóng)業(yè)工程學(xué)報(bào), 2011, 27(4): 94- 99.

[23] Hammond R, McCullagh P S. Quantitative Techniques in Geography: An Introduction. 2nd ed. Oxford: Clarendon Press, 1978.

[24] 侯建花, 周?chē)?guó)模, 王國(guó)英, 莫路鋒. 面向區(qū)域土壤碳通量估算的多向插值空間采樣策略. 生態(tài)學(xué)報(bào), 2015, (18). http://dx.doi.org/10.5846/stxb201401290209.

[25] 龔斌, 王風(fēng)玉, 張繼平, 沃笑, 劉偉玲, 齊月. 中亞熱帶森林土壤呼吸日變化及其與土壤溫濕度的關(guān)系. 生態(tài)環(huán)境學(xué)報(bào), 2013, 22(8): 1275- 1281.

[26] 徐林, 莫路鋒, 宣子蔚, 徐小軍, 王圣輝, 周?chē)?guó)模. 基于WSN的土壤碳通量測(cè)量系統(tǒng). 林業(yè)科學(xué), 2013, 49(2): 122- 126.

[27] Fóti S, Balogh J, Nagy Z, ürm?s Z, Bartha S, Tuba Z. Temporal and spatial variability and pattern of soil respiration in loess grassland. Community Ecology, 2008, 9(Supplement 1): 57- 64.

[28] Fóti S, Nagy Z, Balogh J, Bartha S, Acosta M, Czóbel S, Péli E R, Marek M, Tuba Z. Small scale spatial variability and pattern of soil respiration and water content in wet and a dry temperate grasslands and bare soil. Ekologia, 2009, 28(4): 389- 398.

[29] 王兵, 姜艷, 郭浩, 趙廣東, 白秀蘭. 土壤呼吸及其三個(gè)生物學(xué)過(guò)程研究. 土壤通報(bào), 2011, 42(2): 483- 490.

[30] 馮朝陽(yáng), 呂世海, 高吉喜, 劉尚華, 林棟. 華北山地不同植被類(lèi)型土壤呼吸特征研究. 北京林業(yè)大學(xué)學(xué)報(bào), 2008, 30(2): 20- 26.

[31] 馮文婷, 鄒曉明, 沙麗清, 陳建會(huì), 馮志立, 李檢舟. 哀牢山中山濕性常綠闊葉林土壤呼吸季節(jié)和晝夜變化特征及影響因子比較. 植物生態(tài)學(xué)報(bào), 2008, 32(1): 31- 39.

[32] Kowalenko C G, Ivarson K C, Cameron D R. Effect of moisture content, temperature and nitrogen fertilization on carbon dioxide evolution from field soils. Soil Biology and Biochemistry, 1978, 10(5): 417- 423.

A sampling strategy for fine-scale regional soil carbon flux estimation based on spatial distribution of soil moisture

JIANG Yujia1,2, WANG Guoying1,3, MO Lufeng1,3,*

1SchoolofInformationEngineering,ZhejiangAgricultureandForestryUniversity,Lin′an311300,China2ShaoxingMunicipalEngineeringAdministrationDepartment,Shaoxing312000,China3SchoolofElectronicandInformationEngineering,Xi′anJiaotongUniversity,Xi′an710049,China

Soil respiration is a key ecological process during which CO2is emitted from the soil and released into the atmosphere. It includes processes such as soil microbial respiration, root respiration, and respiration of heterotrophic animals. The regional soil carbon flux cannot be accurately estimated using traditional random sampling methods, because of its strong spatial heterogeneity. Because multi-point sampling involves massive manpower and equipment costs, it is crucial to determine the appropriate number and the distribution of sampling positions to include in studies estimating regional soil carbon flux. As a complex ecological process, soil respiration is not only affected by environmental factors such as soil temperature and humidity but also by biological factors such as vegetation, microorganisms, and land usage. Because of the correlation between soil respiration and soil moisture, we propose a spatial sampling strategy based on soil moisture distribution characteristic (SMTC) for use in the estimation of fine-scale regional soil carbon flux. Regional soil moisture data are collected using densely deployed sensors nodes, and the monitored area is divided into several sub-regions according to the spatial distribution of the soil moisture data. Then, the optimal number of sampling positions in each sub-region is calculated using the Hammond McCullagh method. As a result, the optimal sampling strategy of the whole monitoring area is determined. We simultaneously applied the SMTC method, random sampling strategy, and uniform sampling strategy to estimate the regional soil carbon flux. In the experiment, we determined that 23 sampling points would be required to measure soil carbon flux in the monitored area, according to the SMTC method. In the same experimental environment, 23 sampling points were selected using a random sampling strategy, and 25 sampling points arranged in a 5 m × 5 m grid pattern were selected using a uniform sampling strategy. Regional soil carbon flux is determined via interpolation using the Kriging method based on the measurements taken at all sampling points by using each strategy described above. The experimental results show that SMTC performs better than the other two sampling strategies. The mean squared errors of SMTC, random sampling strategy, and uniform sampling strategy were 8.78%, 13.32%, and 11.56%, respectively. Furthermore, the SMTC method also produced the smallest mean squared error among these three strategies. The SMTC strategy takes the variation of the soil carbon flux among various sub-regions into account, which leads to a better correlation between sampling positions and the distribution of soil carbon flux. Using the SMTC strategy, more sampling points are selected in regions where the soil carbon flux is strongly heterogeneous, allowing the heterogeneity to be captured more fully, and allowing the estimation error to be reduced. In addition, it allows for the use of fewer sampling points in regions of weak heterogeneity. Thus, the SMTC sampling strategy can be used for fine-scale regional soil carbon flux estimation, needing comparatively fewer sampling points because of its strategy of setting each sampling point in a more optimal position than traditional methods.

soil respiration; sampling strategy; carbon flux; soil moisture

國(guó)家林業(yè)局948項(xiàng)目(2013- 4- 71)；國(guó)家自然科學(xué)基金項(xiàng)目(61303236)；浙江省科技計(jì)劃項(xiàng)目重大科技專(zhuān)項(xiàng)(2012C13011- 1)；浙江省新苗人才計(jì)劃項(xiàng)目(2013R412052)

2015- 01- 06;

日期:2016- 01- 15

10.5846/stxb201501060044

*通訊作者Corresponding author.E-mail: molufeng@gmail.com

江雨佳, 王國(guó)英, 莫路鋒.基于濕度分布特征的小尺度土壤碳通量空間采樣策略.生態(tài)學(xué)報(bào),2016,36(19):6246- 6255.

Jiang Y J, Wang G Y, Mo L F.A sampling strategy for fine-scale regional soil carbon flux estimation based on spatial distribution of soil moisture.Acta Ecologica Sinica,2016,36(19):6246- 6255.