2008–2013年川中丘陵区典型农田生态系统大气氮沉降数据集 中华文库
2008–2013年川中丘陵区典型农田生态系统大气氮沉降数据集 作者:高美荣 况福虹 朱波 2019年12月25日 |
|
摘要&关键词
摘要:大气氮沉降主要以干湿(降雨、气体和颗粒物)沉降将有机和无机氮带入陆地生态系统,是氮生物地球化学循环过程的重要环节之一。对典型区域或生态系统的大气氮沉降进行连续定位观测,是揭示大气氮沉降组分、时空变化及影响因素最直接有效的方法。盐亭站是中国生态系统研究网络(Chinese Ecosystem Research Network,CERN)和国家生态系统观测研究网络(National Ecosystem Research Network of China,CNERN)布局的以中亚热带四川盆地紫色土丘陵区为核心研究对象的基础性、公益性的农田生态系统试验与观测平台,该试验站大气氮沉降观测于2008年开始进行连续观测并持续至今。本文整理了盐亭站综合观测场内获取的2008–2013年大气氮湿沉降数据(不同形态氮的月平均浓度和月沉降量)和2011–2013年大气氮干沉降数据(不同形态氮的月平均沉降速率、月平均浓度及月沉降量),以期为计算该区域环境养分输入情况,评估该区域大气活性氮现状及环境效应提供科学数据支撑。
关键词:大气氮;干沉降;湿沉降;川中丘陵区
Abstract & Keywords
Abstract: As a crucial process of the nitrogen (N) biogeochemical cycle, atmospheric Ndeposition brings organic and inorganic nitrogen into the ecosystem in the form of dry and wet (rainfall, gas and particulate matter) depositions. A most straightforward and effective way to reveal components and spatiotemporal pattern of the atmospheric nitrogen deposition and its influencing factors is to monitor the depositions in a region or typical ecosystem. As part of CERN and CNERN, Yanting Station is a fundamental, public-welfare platform for agricultural ecosystem experimentation and observation oriented towards the subtropical purple soil area of Sichuan Basin. The station has started its observation of dry and wet atmospheric deposition since 2008. This dataset includes the monthly average concentration and volume of wet nitrogen deposition in 2008–2013, and the monthly average rate, concentration, volume and rate of dry nitrogen deposition in 2011–2013. This dataset not only helps understand air pollution by reactive nitrogen, but also provides statistical support for assessing local input of environmental nutrients by nitrogen deposition and its impact on ecological environment.
Keywords: atmospheric nitrogen; dry deposition; wet deposition; central Sichuan Basin
数据库(集)基本信息简介
数据库(集)名称 | 2008–2013年川中丘陵区典型农田生态系统大气干湿沉降数据集 |
数据作者 | 高美荣、况福虹、朱波 |
数据通信作者 | 况福虹(kuangfuh@imde.ac.cn) |
数据时间范围 | 2008–2013年 |
地理区域 | 四川省绵阳地区盐亭县林山乡(105º27′E,31º16′N),川中丘陵区典型农田生态系统。 |
数据量 | 34.2 KB |
数据格式 | *.xlsx |
数据服务系统网址 | http://www.sciencedb.cn/dataSet/handle/732 |
基金项目 | 中国科学院关键技术人才项目(2017),长江上游典型支流流域水质与水量数据整理与集成;国家自然科学基金(40901144),川中丘陵区局地大气氮沉降对农田生态系统氨挥发的响应。 |
数据库(集)组成 | 本数据集包括了两个部分:(1)2008–2013年大气氮湿沉降数据,指标有月降雨量,总氮、可溶性总氮、硝态氮、铵态氮和可溶性有机氮的沉降月平均浓度及月总量。(2)2011–2013年大气干沉降数据,指标有硝态氮、铵态氮、颗粒硝态氮、颗粒铵态氮、二氧化氮的月平均沉降速率、浓度及月总量。 |
Dataset Profile
Title | Atmospheric nitrogen deposition in a typical agricultural ecosystem of the central Sichuan Basin of China (2008–2013) |
Data corresponding author | Kuang Fuhong (kuangfuh@imde.ac.cn) |
Data authors | Gao Meirong; Kuang Fuhong; Zhu Bo |
Time range | 2008–2013 |
Geographical scope | A typical agricultural ecosystem in the central Sichuan Basin, Linshan township, Yanting county, Sichuan province, China (105º27’E, 31º16’N) |
Data volume | 34.2 KB |
Data format | .xlsx |
Data service system | <http://www.sciencedb.cn/dataSet/handle/732> |
Sources of funding | CAS Key Technology Talent Program (2017); Natural Sciences Foundation of China (No. 40901144) |
Dataset composition | This dataset is composed of two parts of data stored in two respective Excel files. They are: 1. Atmospheric nitrogen wet deposition (2008-2013); 2. Atmospheric nitrogen dry deposition (2011-2013). |
引 言
大气氮沉降是指活性氮通过干湿沉降(降雨、气体和颗粒物)的形式进入地表的过程,是氮生物地球化学循环中的重要过程之一。由于人类活动加剧,大气氮沉降已逐渐成为重要的环境养分不断输入陆地生态系统。由于主要排放源差异(种植业、养殖业、工业、交通等),区域大气氮沉降具有特定的区域特征,会直接影响区域生态系统的氮输入输出过程及生态系统响应[1]。因此,在一定区域范围内或典型生态系统,进行原位连续的大气氮干湿沉降的观测,是揭示大气氮干湿沉降组分、通量及其时空格局和影响因素最为直接有效且可靠的方法。
盐亭站是CERN和CNERN布局的以中亚热带四川盆地紫色土丘陵区为核心研究对象的唯一基础性、公益性的农田生态系统长期试验与观测平台,也是中国典型生态系统大气湿沉降观测网络(China Wet Deposition Observation Network,ChinaWD)观测站点之一,观测从2008年开始持续至今。本文重点整理了在盐亭站综合观测场获取的2008–2013年大气氮湿沉降和2011–2013年大气氮干沉降观测数据,填补区域观测空白,以期为该区域大气氮污染状况,氮沉降的环境养分输入以及氮沉降的生态环境效应评估提供科学数据支撑。
1 数据采集和处理方法
1.1 采样点介绍
采样地点为中国科学院盐亭紫色土农业生态试验站(国家野外科学观测研究站成员站、中国生态系统研究网络成员站)综合观测场内(105º27′E,31º16′N),位于四川省绵阳市盐亭县林山乡截流村小流域,距离盐亭县城14公里,地处嘉陵江和涪江的分水岭上,海拔365–576.5 m之间。区内地形为中深丘,由于水平砂泥岩互层形成多级梯地,山顶为园丘、长岗状。沟谷切割较深,冲沟发育,相对高差10–200 m,谷地宽50–1500 m,两侧山坡较陡,平均坡比1:3–1:10。全区受东南季风控制,年平均温度为17.3℃,极端最高气温40℃,极端最低气温−5.1℃,大于10℃的积温5000–6000℃。多年平均降雨量826mm,2008年后降雨总量有上升趋势,降雨季节分布不均,春季占5.9%,夏季占65.5%,秋季占19.7%,冬季占8.9%,汛期暴涨暴落,无霜期294 d,具有四川盆地典型亚热带湿润季风气候特征。该区植被为人工桤木(Alder cremastogyne)、柏木(Cypresses funebris)混交林,土壤为钙质紫色土,质地为中壤,主要农作物有水稻、玉米、小麦、甘薯、油菜等,土地利用方式以农用地为主。
1.2 样品采集与分析方法
1.2.1 大气湿沉降样品的采集及分析
对氮沉降的监测使用原位定点连续监测法,使用德国Eigenbrodt(UNS130/E)湿沉降采集系统采集降雨(图1)。当次降雨事件发生时,雨水通过湿沉降采集系统的集水漏斗进入采集器,由PE管导入塑料瓶储存,次降雨事件结束后两小时内,取出样品收集瓶,将雨水转移至样品瓶,并用蒸溜水清洗漏斗、PE管和样品收集瓶,以备下次采样使用[2]。降雨事件结束后,降雨盖受传感器控制,会自动遮蔽湿沉降采集系统的雨水收集口,避免降尘进入雨水收集口[3]。
图1 英国生态水文中心Delta干沉降采集系统(左)和德国Eigenbrodt湿沉降采集系统(右)
1.2.2 大气干沉降的采集及分析
使用英国生态水文中心开发的DELTA(Denuder for Long-term Atmospheric sampling)系统采集直径<10 μm的颗粒物和气体沉降物[2],采样高度为1.6 m。该采样器为主动吸收,利用空气泵和添加过吸附剂及滤膜的采样链连接采样,通过采集气体的扩散管和收集颗粒物的滤膜容器及特氟龙管龙管连接组成[3]。采集氨气的扩散管长10 cm,以5%柠檬酸甲醇作为吸附溶剂,采集硝酸的扩散管长15 cm,以1%KOH+1%甘油甲醇溶液作为吸附剂。采样滤膜组上层吸收颗粒物pNO3− ,添加5%KOH+10%甘油甲醇作为吸附剂,下层滤膜吸收PNH4+ ,以13%柠檬酸甲醇作为吸附溶剂。NO2的采样是使用被动采样器—采集扩散管(英国环境监测网研发)采集[4],采样高度为2 m。
1.2.3 样品分析指标及分析方法
将收集到的湿沉降样品带回实验室,充分摇匀后取未过滤样品测定总量,其余样品使用孔径0.45 μm微孔滤膜后均保存在4℃冰箱里,并在48小时内分析完毕。样品分析指标及方法见表1。
表1 分析指标及方法
分析项目 | 分析方法 |
TN,TDN | 碱性过硫酸钾消解紫外分光光度法 |
NH4+ -N, NO3− -N | AA3连续流动分析仪测定 |
NH3, HNO3, pNO3− , pNH4+ | AA3连续流动分析仪测定 |
NO2 | 磺胺、磷酸、NEDA混合溶液比色法 |
1.3 数据处理的一些计算公式
1.3.1 月平均湿沉降浓度和量的计算
大气氮沉降的某组分月平均浓度和月沉降量的计算方法如下:
\({C}_{r}=\sum {C}_{i}×{H}_{i}/\sum {H}_{i}\) (1)
\({F}_{w}={C}_{r}×{R}_{r}/100\) (2)
式中,Cr 是氮的某组分的月平均浓度(mg N L-1);Ci 是指第i次雨水样品中氮的某组分的浓度(mg N L-1);Hi 是第i次雨水样品中的降雨量(mm);Fw 是某组分氮的月湿沉降量(kg ha-1);Rr 是月降雨量(mm)。
1.3.2 月平均干沉降速率和月沉降量计算
(1)根据大叶阻力模型,干沉降速率被定义为三种不同沉降阻力之和的倒数[5],监测点实测气象数据和大叶阻力模型计算研究区域内不同形态干沉降氮的沉降速率Vd :
Vd =(Ra +Rb +Rc )-1 (3)
式中,Ra 为空气动力阻力,Rb 为层流边界阻力,Rc 为下垫面冠层阻力。
其中,Ra 参数化详见Erisman和Draaijers的文献[6]。
(4)
z为采样器设置高度,k为卡曼常数(0.41),u* 为摩擦速度,d为零点移动高度,z0 为粗糙度长度,ψh 为积分稳定函数,L为莫奥长度。
Rb 参数化详见Erisman和Draaijers的文献[6]。
\({\mathrm{R}}_{\mathrm{b}}={\left(2/\mathrm{k}{\mathrm{u}}_{\mathrm{*}}\right)\left({\mathrm{S}}_{\mathrm{c}}/{\mathrm{P}}_{\mathrm{r}}\right)}^{2/3}\) (5)
k 为卡曼常数(0.41),u* 为摩擦速度,Pr 为普朗特常数,Sc 为施密特常数。
Rc 参数化详见Wesely的文献[7]。
\({R}_{c}={\left[\frac{1}{{R}_{s}+{R}_{m}}+\frac{1}{{R}_{lu}}+\frac{1}{{R}_{dc}+{R}_{cl}}+\frac{1}{{R}_{ac}+{R}_{gs}}\right]}^{-1}\) (6)
RS 为气孔阻力,\({R}_{m}\)为叶片叶肉阻力,\({R}_{lu}\)为植物上部冠层阻力,\({R}_{dc}\)为气象转移阻力受上升对流影响系数,\({R}_{cl}\)为低冠层表层阻力,\({R}_{ac}\)为受冠层高度和密度影响的转移阻力,\({R}_{gs}\)为下垫面影响因子。
(2)实测不同形态干沉降氮的浓度,各组分干沉降量计算公式为:
\({F}_{d}={C}_{z}×{V}_{d}\) (7)
式中,Fd 为大气氮干沉降月沉降量,Cz 为特定高度下大气氮干沉降不同形态氮组分的浓度(μg N m-3),Vd 为一定采样时段沉降物质的沉降速率。
2 数据样本描述
大气氮干湿沉降数据集中包括不同氮组分的月平均沉降速率、月平均浓度和月沉降量字段。具体的内容及各字段涵义如表2和表3。
表2 大气湿沉降数据表字段涵义
字段代码 | 数据类型及小数位数 | 量纲 | 字段说明 |
Year | 整数型 | 观测年份 | |
Year | 整数型 | 观测年份 | |
Month | 整数型 | 观测月 | |
R | 浮点型,2 | mm | 对应的降雨量 |
C-WTN | 浮点型,2 | mg N L-1 | 湿沉降中总氮月平均浓度 |
F-WTN | 浮点型,2 | kg ha-1 | 湿沉降中总氮月沉降量 |
C-WTDN | 浮点型,2 | mg N L-1 | 湿沉降中可溶性总氮月平均浓度 |
F-WTDN | 浮点型,2 | kg ha-1 | 湿沉降中可溶性总氮月沉降量 |
C-WNN | 浮点型,2 | mg N L-1 | 湿沉降中硝态氮月平均浓度 |
F-WNN | 浮点型,2 | kg ha-1 | 湿沉降中硝态氮月沉降量 |
C-WAN | 浮点型,2 | mg N L-1 | 湿沉降中铵态氮月平均浓度 |
F-WAN | 浮点型,2 | kg ha-1 | 湿沉降中铵态氮月沉降量 |
C-WDON | 浮点型,2 | mg N L-1 | 湿沉降中可溶性有机氮月平均浓度 |
F-WDON | 浮点型,2 | kg ha-1 | 湿沉降中可溶性有机氮月沉降量 |
表3 大气干沉降数据表字段涵义
字段代码 | 数据类型及小数位数 | 量纲 | 说明 |
Year | 整数型 | 观测年份 | |
Month | 整数型 | 观测月 | |
Vd-NH3 | 浮点型,2 | cm s-1 | 干沉降中氨氮月平均沉降速率 |
C-NH3 | 浮点型,2 | μg N m-3 | 干沉降中氨氮月平均浓度 |
F-NH3 | 浮点型,2 | kg ha-1 | 干沉降中氨氮月沉降量 |
Vd-HNO3 | 浮点型,2 | cm s-1 | 干沉降中硝酸月平均沉降速率 |
C- HNO3 | 浮点型,2 | μg N m-3 | 干沉降中硝酸月平均浓度 |
F- HNO3 | 浮点型,2 | kg ha-1 | 干沉降中硝酸月沉降量 |
Vd-pNH4+ | 浮点型,2 | cm s-1 | 干沉降中颗粒态铵月平均沉降速率 |
C-pNH4+ | 浮点型,2 | μg N m-3 | 干沉降中颗粒态铵态氮月平均浓度 |
F-pNH4+ | 浮点型,2 | kg ha-1 | 干沉降中颗粒态铵态氮月沉降量 |
Vd-pNO3- | 浮点型,2 | cm s-1 | 干沉降中颗粒态硝沉降速率 |
C-pNO3- | 浮点型,2 | μg N m-3 | 干沉降中颗粒态硝月平均浓度 |
F-pNO3- | 浮点型,2 | kg ha-1 | 干沉降中颗粒态硝月沉降量 |
Vd-NO2 | 浮点型,2 | cm s-1 | 干沉降中二氧化氮月平均沉降速率 |
C- NO2 | 浮点型,2 | μg N m-3 | 干沉降中二氧化氮月平均浓度 |
F- NO2 | 浮点型,2 | kg ha-1 | 干沉降中二氧化氮月沉降量 |
3 数据质量控制和评估
从观测到样品分析均严格控制数据质量,观测数据从前期采样、样品保存、室内分析到后期数据检查和录入,均经过台站专业科研人员和实验室分析人员进行质控体系和流程检验[2]。
采样主要依靠经验丰富的固定监测人员完成,采用统一定制的样品编号标记,所采集样品及时冷藏以保证样品质量。室内分析时,所用仪器均定期校准,并由操作经验丰富的实验室分析人员按照标准操作规程进行分析,使用液体标准物质和空白样品进行质控。样品测试使用的方法首选国家标准方法,以氮为例,采用的是紫外分光光度法(GB 11894-89)。氮沉降中湿沉降分析方法参考水样分析方法[8],干沉降各项指标分析方法参考英国生态水文中心推荐方法[4][3]。
此外,在数据整理过程中,对超过3倍标准偏差的异常数据进行单独分析,以保证数据集的可靠性。
4 数据价值和使用方法
中国科学院盐亭紫色土农业生态试验站是ChinaWD观测站点之一,其连续监测数据有助于分析我国西南丘陵区陆地生态系统大气氮沉降变化,增加监测方面的连续性。该数据可以作为川中丘陵区典型农田生态系统大气氮沉降监测可靠背景资料,为查明该区域大气活性氮现状及变化、环境氮输入及对生态环境影响提供科学数据支撑。
项目组基于本数据集已发表SCI论文2篇[9][2];基于该研究完成培养1名博士研究生的学位论文。现在经过整理将存储在Science Data Bank(http://www.sciencedb.cn/dataSet/handle/732)上,以期为类似领域研究提供区域数据。读者如需进一步了解本数据集观测数据的研究方法或研究结论,可与本文的通信作者联系。
本数据集为研究型数据,提供了时间为2008–2013年的月数据,数据所有者也有次降雨的数据,可为其他有需要的研究者提供参考和使用。有需要次降雨数据的可与数据作者联系。2013年之后该观测工作仍在继续,同时根据对大气污染过程认识的加深,逐步增加了其他相关监测指标。
致 谢
感谢野外监测人员在样品采集和分析时付出的辛勤和努力。
参考文献
- ↑ 刘学军, 张福锁. 环境养分及其在生态系统养分资源管理中的作用—以大气氮沉降为例[J].干旱区研究, 2009, 26(3): 306-311.
- ^ 2.0 2.1 2.2 2.3 KUANG F H, LIU X J, ZHU B, et al. Wet and dry nitrogen deposition in the central Sichuan Basin of China[J]. Atmospheric Environment, 2016, 143: 39-50.
- ^ 3.0 3.1 3.2 TANG Y, SIMMONS I, VAN D N, et al. European scale application of atmospheric reactive nitrogen measurements in alow-cost approach to infer dry deposition fluxes[J]. Agriculture, Ecosystems &Environment, 2009, 133: 183-195.
- ^ 4.0 4.1 LUO X S, LIU P, TANG A H, et al. An evaluation of atmospheric Nr pollution and deposition in North China after the Beijing Olympics[J]. Atmospheric Environment, 2013, 74: 209-216.
- ↑ WESELY M L, HICKS B B. Some factors that affect the deposition rates of sulfur dioxide and similar gases on vegetation[J]. Air Pollut. Control Assoc. 1977, 27: 1110e1116.
- ^ 6.0 6.1 ERISMAN J W, SUTTON M A, GALLOWAY J, et al. How a century of ammonia synthesis changed the world[J]. Nature Geoscience. 2008,1: 636-639.
- ↑ WESELY M L. Parameterization of surface resistances to gaseous dry deposition in regional scale numerical models[J]. Atmospheric Environment. 1989, 23: 1293-1304.
- ↑ 谢贤群.中国生态系统研究网络观测与分析标准方法-水环境要素观测与分析[M]. 北京: 中国标准出版社, 1998.
- ↑ SONG L, KUANG F H, SKIBA U, et al. Bulk deposition of organic and inorganic nitrogen in southwest China from 2008 to 2013[J]. Environmental Pollution, 2017, 227: 157-166.
数据引用格式
高美荣, 况福虹, 朱波. 2008–2013年川中丘陵区典型农田生态系统大气氮沉降数据集[DB/OL]. Science Data Bank, 2019. (2019-02-19). DOI: 10.11922/sciencedb.732.