GCB Meta分析 | 土壤水分-大气反馈主导全球陆地N2O硝化的排放和反硝化的减少

本文主要是介绍GCB Meta分析 | 土壤水分-大气反馈主导全球陆地N2O硝化的排放和反硝化的减少,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

图片

Soil moisture–atmosphere feedback dominates land N2O nitrification emissions and denitrification reduction

土壤水分-大气反馈主导着陆地N2O硝化的排放和反硝化的减少

期刊Global Change Biology 

通讯作者:卢胜

通讯作者单位:湖南省水土保持与荒漠化防治重点实验室,中南林业科技大学林学院

文章链接:https://doi.org/10.1111/gcb.16365

一氧化二氮(N2O)是导致全球变暖和平流层臭氧层损耗的最显著的温室气体之一。微生物在N2O的产生和消耗当中依赖于土壤理化性质和气候条件。全球N2O通量可能对全球气候变化做出快速响应(比如二氧化碳和温度的增加以及水的可获得性的改变),因此了解其对气候变化的反馈至关重要。这种情况可能会削弱全球N2O通量的预测能力,而这对地球系统模型(ESMs)至关重。

土壤湿度(SM)是气候系统中的一个关键变量,影响着生物地球化学循环。N2O排放量与SM呈正相关或负相关,因为孔隙含水量(WFPS)取决于水状况,其中大约50%-80%的WFPS的中间水平似乎是产生N2O的最佳水平。与此同时,室内和野外试验研究表明,不同陆地生态系统的温度和N2O排放之间存在强烈的正相关关系。然而,仅研究温度不能解释全球范围内的N2O通量,必须考虑其他驱动因素,尤其是SM。气温升高会增加平均土壤温度。温度除了直接影响土壤小气候外,还会通过增加表层土壤蒸发散(ET)从而增加表层土壤的干燥程度而与SM相互作用。然而,将SM和温度联系起来解释全球范围内N2O通量的变化较为罕见。

陆地-大气温度反馈可以改变SM的可用性。随着气候变暖,来自蒸汽压差(VPD,一种依赖于空气温度和湿度的大气干燥度测量方法)的大气需水量显著增加。作为反馈,高VPD增加了大气蒸发需求,正向驱动陆地土壤蒸发散,进一步加速SM的消耗。研究表明,土壤湿度-大气反馈在预测未来土壤水分有效性方面具有重要意义。此外,最近的研究发现,土壤水分-大气反馈在土壤碳吸收和碳通量的变化中起主导作用。然而,迄今为止,还没有研究聚焦在全球尺度上不同生态系统的土壤水分-大气反馈对土壤氮通量的影响。

作者对不同陆地生态系统的N2O通量和环境因子进行了标准化的全球原位调查,并结合网格化和遥感数据分析,研究了温度、VPD、ET和SM对全球N2O通量的协同效应。作者假设:(a)温度升高导致N2O通量排放增加;(b)大气需水量随温度增加而减少土壤湿度;(c)土壤水分的减少增加了N2O产生的硝化细菌(含amoA AOB基因),减少了N2O消耗的反硝化细菌(含nosZ基因),从而增加了N2O排放。

为了验证此假设,作者在CNKI、Web of Science 和Google Scholar 上对已发表的同行评议文章进行数据收集。最终筛选出1993-2021年间的323篇文献,其中田间试验261篇,盆栽试验62篇(非田间试验,如温室和室内培养)。

研究结果:

1. 在不同的生态系统中,90.4%的耕地、95.2%的草地、80.7%的森林和84.6%的人工林位于中高纬度地区(图1b)。

图片

图1 野外研究站点。

2. N2O通量从低纬度到高纬度呈下降趋势(图2a)。低纬度地区(25°S-25°N范围)、中纬度地区(25°S-50°S和25°N-50°N范围)和高纬度地区(>50°N)的平均N2O通量分别为1719.9±148.1、261.5±9.1和147.4±9.6 μg·m2·h-1(图2a)。不同生态系统N2O平均排放量如图2b所示。农田N2O通量平均为(167.8±37.8 μg·m2·h-1,N=551);高于草地(131.7±16.1 μg·m2·h-1,N=233)、人工林(99.4±13.4 μg·m2·h-1,N=90)和森林(34.4±4.5 μg·m2·h-1,N=276)。N2O平均通量在低纬度农田最高(1337.6±702.9 μg·m2·h-1,N=27,图2c),中纬度(144.2±26.9 μg·m2·h-1,N=111)和高纬度(123.3±18.8 μg·m2·h-1,N=111)草地最高。农田(P<0.0001)、人工林(P<0.05)和森林(P<0.0001)N2O通量由低纬度向高纬度递减(图2d)。

图片

图2 N2O排放通量。

3. 回归分析显示,不同生态系统田间试验中N2O通量随nosZ/(amoA AOA+ amoAAOB)、nosZ/(nirS+nirK)和nosZ/(amoA AOA+ amoA AOB +nirS+nirK)的比值减小P<0.0001,图3a,b),在人工条件下也存在这种关系(图3c,d)。N2O通量与野外试验中amoA AOB/amoA AOA、amoA AOB/(nirS+nirK)呈正相关(P<0.05,图3a,b),室内试验中amoAAOB/(nirS + nirK)、amoA AOB/(amoAAOA + amoA AOB + nirS + nirK)与N2O通量呈显著相关(P<0.0001,图3c,d)。

图片

图3 N2O排放通量对硝化和反硝化基因的响应

4. N2O通量随着amoA AOB/nosZ的增加而增加,特别是在干旱区(R2=46,P<0.0001,图4)amoA AOB丰度随着WFPS的增加而降低(R2=0.60,P<0.0001,图4b),nosZ丰度随着WFPS的增加而增加(R2=0.44,P<0.001,图4c)。

图片

图4 利用对数变换数据研究全球尺度N2O通量、amoA AOB/nosZ与土壤WFPS之间的二元关系。

5. 气温升高增加了大气对水的需求,用ET(R2=0.21,P<0.0001)和VPD(R2=0.43,P<0.0001,图5a,b),回归分析表明,SW和WFPS随着ET的增加呈下降趋势(图5c,d)。

图片

图5 温度和水文气候。

6. 在全球尺度上,N2O通量随温度和SM显著增加P<0.05,图6)。

图片

图6 温度和土壤湿度对N2O通量排放的影响。

7. SEM结果表明MAT对土壤水分的直接影响不显著,与VPD、ET呈较强的正相关(图7a)。除温度和SM对N2O通量的直接影响外,间接影响也不容忽视。因为间接土壤水分-大气反馈导致nosZ的减少对N2O通量的影响最大(图7b)。大气需水量随温度增加而增加,从而减少土壤水分。结果影响了amoA AOB/nosZ的比值,控制了N2O的排放(图7c)。

图片

图7 土壤湿度-大气反馈如何影响N2O排放的概念图。

8. ET反馈到温度的差异受气候条件和纬度的影响(图8)。ET与VPD之间存在非线性关系,且受VPD和P/PET或纬度共同调控(图8b,c)。

图片

图8 研究地点的水文气候。

 Conclusion 

本研究提供了陆地-大气相互作用对N2O通量影响的全球结果,并证明土壤湿度-大气反馈比温度本身更能解释大部分陆地地区的N2O通量。结果表明,大气需水量随温度的增加而增加会降低土壤湿度。土壤水分较低时,硝化细菌(含amoA AOB基因)增加,而反硝化细菌(含nosZ基因)减少。我们的研究加深了对全球气候变化背景下生态系统氮循环的认识。为了改善未来模型对N2O排放的预测,显然需要对全球生态系统中土壤湿度和大气温度对N2O产生途径的反馈进行更多的实验研究。

这篇关于GCB Meta分析 | 土壤水分-大气反馈主导全球陆地N2O硝化的排放和反硝化的减少的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/894171

相关文章

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1

Olingo分析和实践之ODataImpl详细分析(重要方法详解)

《Olingo分析和实践之ODataImpl详细分析(重要方法详解)》ODataImpl.java是ApacheOlingoOData框架的核心工厂类,负责创建序列化器、反序列化器和处理器等组件,... 目录概述主要职责类结构与继承关系核心功能分析1. 序列化器管理2. 反序列化器管理3. 处理器管理重要方

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种

解决1093 - You can‘t specify target table报错问题及原因分析

《解决1093-Youcan‘tspecifytargettable报错问题及原因分析》MySQL1093错误因UPDATE/DELETE语句的FROM子句直接引用目标表或嵌套子查询导致,... 目录报js错原因分析具体原因解决办法方法一:使用临时表方法二:使用JOIN方法三:使用EXISTS示例总结报错原

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串