王 楠，辜玉慧，馬孝義

（1. 西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西 楊凌 712100；2. 西北農(nóng)林科技大學(xué) 旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100）

0 引 言

農(nóng)業(yè)生產(chǎn)對(duì)全球碳排放的貢獻(xiàn)率約為19%～29%，在陸地碳循環(huán)中發(fā)揮著重要作用［1］。特別是中國(guó)，因?yàn)橹袊?guó)的耕地面積僅次于森林和草地［2］。然而全球變暖導(dǎo)致了干旱的擴(kuò)張，對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)有強(qiáng)烈的限制作用［3］，凈生態(tài)系統(tǒng)碳交換量（NEE）是表明一個(gè)生態(tài)系統(tǒng)是碳匯還是碳源的指標(biāo)，而研究表明干旱導(dǎo)致生態(tài)系統(tǒng)碳匯強(qiáng)度大幅下降［4，5］。因此，分析和理解干旱事件對(duì)農(nóng)田NEE的影響對(duì)了解區(qū)域碳循環(huán)和生態(tài)系統(tǒng)行為至關(guān)重要。

干旱是全球生態(tài)系統(tǒng)碳匯年際變化的主要原因，由于干旱會(huì)引起植物水分脅迫導(dǎo)致光合速率和葉面積降低［6，7］，因此會(huì)降低生產(chǎn)力和碳通量。KWON等［8］表明草地生態(tài)系統(tǒng)表現(xiàn)為碳源還是碳匯取決于不同的降水年型。2003 年歐洲的嚴(yán)重干旱使生態(tài)系統(tǒng)總生產(chǎn)力下降30%，嚴(yán)重影響碳固存［9］，其中干旱使法國(guó)草原碳匯減少了6%，匈牙利草原從碳匯轉(zhuǎn)變?yōu)樘荚矗?0，11］。2007 年美國(guó)夏季干旱顯著降低了大豆生態(tài)呼吸［12］。中國(guó)華北平原在2007 年和2009 年也遭受了嚴(yán)重的干旱，導(dǎo)致玉米碳吸收迅速減?。?3］。CIAIS 等［9］認(rèn)為干旱可能會(huì)改變大陸碳平衡，但農(nóng)田生態(tài)系統(tǒng)相較于其他生態(tài)系統(tǒng)受人類活動(dòng)的影響更大［14］。灌溉、排水、施肥等田間管理措施都會(huì)影響作物碳吸收［15，16］，這使得農(nóng)業(yè)生態(tài)系統(tǒng)在全球碳循環(huán)中處于更活躍的位置。到目前為止，對(duì)農(nóng)田的研究主要集中在不同作物碳通量的季節(jié)和年際變化［17，18］，其中一些研究揭示了管理實(shí)踐對(duì)農(nóng)田碳通量的重要性［19-21］。然而農(nóng)田生態(tài)系統(tǒng)NEE對(duì)干旱的響應(yīng)并沒有得到足夠的關(guān)注和充分的理解。

華北平原是中國(guó)主要的糧食生產(chǎn)基地，但經(jīng)常受到干旱的影響［22］。鑒于此，本文針對(duì)該地區(qū)評(píng)估了2001-2020 年農(nóng)業(yè)干旱的時(shí)空特征；農(nóng)業(yè)干旱對(duì)農(nóng)田生態(tài)系統(tǒng)NEE的季節(jié)性影響；不同農(nóng)業(yè)干旱強(qiáng)度下NEE的空間分布。

1 材料與方法

1.1 研究區(qū)概況

華北平原位于中國(guó)東部，占地面積約30 萬(wàn)km2，包括北京、天津、河北、山東、河南、江蘇和安徽部分地區(qū)［圖1（a）］，屬溫帶季風(fēng)氣候，四季變化明顯，年平均降水量由南向北下降。年平均溫度8～15 ℃，年平均降水量在500～1 000 mm。研究區(qū)冬小麥一般于9月下旬-10月上旬播種，第二年5月下旬-6月上旬收獲，夏玉米一般于6月中下旬播種，9月下旬-10月上旬收獲，其中冬小麥和夏玉米的播種時(shí)間在上一季作物收獲后的2～3 周內(nèi)，所以冬小麥和夏玉米收獲和播種的月份會(huì)出現(xiàn)重復(fù)（即6月和10月），本文統(tǒng)一冬小麥的生長(zhǎng)周期為11月至第二年5月，夏玉米為7月至9月。

圖1 研究區(qū)域、氣象站點(diǎn)和通量塔站點(diǎn)分布、冬小麥格網(wǎng)和夏玉米格網(wǎng)分布Fig.1 Study area， distribution of meteorological station and flux station， winter wheat grid and summer maize grid

1.2 數(shù)據(jù)來(lái)源

1.2.1 地面觀測(cè)數(shù)據(jù)及預(yù)處理

從中國(guó)氣象網(wǎng)（http：//data.cma.cn/）獲取了56 個(gè)站點(diǎn)［圖1（b）］從2000-01-01至2020-12-31的逐日最高氣溫、最低氣溫、空氣相對(duì)濕度、風(fēng)速和日照時(shí)數(shù)，用于計(jì)算逐日太陽(yáng)總輻射（SOL）［23］，并利用克里金進(jìn)行空間插值。從國(guó)家生態(tài)數(shù)據(jù)中心（http：//www.nesdc.org.cn）分別獲取了禹城（116°34′E，36°49′N）和欒城（114°41′E，37°53′N）通量站點(diǎn)［圖1（b）］逐日NEE 數(shù)據(jù)用于后續(xù)模型的優(yōu)化和校正，其中禹城通量站點(diǎn)的數(shù)據(jù)范圍為2003-2010 年，欒城通量站點(diǎn)的數(shù)據(jù)范圍為2007-2013 年。2001-2020年市級(jí)的冬小麥和夏玉米單位產(chǎn)量數(shù)據(jù)來(lái)源于中國(guó)統(tǒng)計(jì)局年鑒資料（http：//www.stats.gov.cn/）。

1.2.2 遙感數(shù)據(jù)及預(yù)處理

本文的遙感數(shù)據(jù)均從google earth engine 上獲得，其中2000-2020 年的遙感反射率數(shù)據(jù)來(lái)源于MOD09A1，空間分辨率為500 m，時(shí)間分辨率為8 天，本文所用的植被指數(shù)見式（1）～（3）， 并利用S-G濾波［24］對(duì)植被指數(shù)進(jìn)行去噪平滑［式（4）］。

式中：Y是平滑前的植被指數(shù)；Y*是平滑后的植被指數(shù)；Ci是平滑窗口內(nèi)第i個(gè)植被指數(shù)值的濾波系數(shù)；N是卷積的數(shù)目，等于滑動(dòng)數(shù)組的長(zhǎng)度（2m+1），m是滑動(dòng)窗口的寬度一半，由Madden［25］提出的公式計(jì)算得到。NIR、RED、BLUE和SWIR分別為近紅外、紅光、藍(lán)光和短波紅外反射率，NDVI為歸一化植被指數(shù)，EVI為增強(qiáng)型植被指數(shù)、LSWI為地表水分指數(shù)。

實(shí)際蒸散發(fā)和潛在蒸散發(fā)數(shù)據(jù)來(lái)源于MOD16A2.006 和MOD16A2 V105 數(shù) 據(jù)集。本文利 用NDVI 閾值法［26］在google earth engine平臺(tái)提取了冬小麥和夏玉米2000-2020年的種植分布。為了減少計(jì)算量，采用ArcGIS對(duì)研究區(qū)主要的種植區(qū)域進(jìn)行網(wǎng)格劃分（圖1c和d），其中網(wǎng)格的空間分辨率為0.25°×0.25°，假設(shè)在格網(wǎng)內(nèi)作物有均一的氣候條件和種植模式，每個(gè)格網(wǎng)的遙感和氣象數(shù)據(jù)為格網(wǎng)內(nèi)所有冬小麥/夏玉米像元的均值。

1.3 研究方法

1.3.1 農(nóng)業(yè)干旱指標(biāo)

本文采用MU 等［27］提出的干旱嚴(yán)重程度指數(shù)（DSI）作為評(píng)價(jià)農(nóng)業(yè)干旱的指標(biāo)，該指數(shù)考慮了作物的蒸散發(fā)和自身的生長(zhǎng)狀況［式（5）～（7）］。本文計(jì)算的DSI的時(shí)間分辨率為一個(gè)月，空間分辨率為0.25°。

式中：RT為ET與PET的比值，可以反映土壤的干濕狀況；ET為實(shí)際蒸散發(fā)，PET為潛在蒸散發(fā)；分別為冬小麥/夏玉米生育期間RT和NDVI長(zhǎng)期的月均值；σRT和σNDVI分別為冬小麥/夏玉米生育期間RT和NDVI長(zhǎng)期的月標(biāo)準(zhǔn)差；和σZ分別為Z的均值和標(biāo)準(zhǔn)差。DSI對(duì)應(yīng)的農(nóng)業(yè)干旱強(qiáng)度分類標(biāo)準(zhǔn)見表1。

表1 DSI和SRSNEE的分類標(biāo)準(zhǔn)Tab.1 DSI and SRSNEE categories

1.3.2 碳通量計(jì)算

植被光合呼吸模型（Vegetation Photosynthesis and Respiration Model， VPRM）［28］是在VPM 模型的基礎(chǔ)上發(fā)展起來(lái)的［式（8）～（10）］，該模型支持連續(xù)長(zhǎng)時(shí)間序列的CO2通量模擬，且已被證實(shí)可以較好的估算農(nóng)田生態(tài)系統(tǒng)的碳通量［29］，PATHMATHEVAN［28］認(rèn)為VPRM 模型計(jì)算月尺度NEE的結(jié)果是可接受的，因此，本文計(jì)算NEE的時(shí)間步長(zhǎng)取一個(gè)月，其中NEE為負(fù)值時(shí)代表碳匯，NEE為正值時(shí)代表碳源。NEE越小代表碳匯能力越強(qiáng)，NEE越大代表向大氣釋放碳的能力越強(qiáng)。

式中：GPP為總初級(jí)生產(chǎn)力；Reco為生態(tài)系統(tǒng)呼吸量；Tscale，Pscale和Wscale分別為溫度、物候、水分對(duì)植被光合作用的脅迫；PAR為光合有效輻射，近似于SOL×0.5；T為空氣溫度；λ，PAR0，α和β為模型參數(shù)，本文利用禹城站2003-2008 年和欒城站2007-2011年的實(shí)測(cè)NEE對(duì)VPRM 的參數(shù)進(jìn)行優(yōu)化率定，并利用禹城站2009-2010 年和欒城站2012-2013 年的實(shí)測(cè)NEE對(duì)模型進(jìn)行驗(yàn)證（圖2），結(jié)果表明模擬精度較高，可用于后續(xù)分析。

圖2 VPRM模型冬小麥和夏玉米參數(shù)優(yōu)化驗(yàn)證Fig.2 VPRM model parameter optimization verification of winter wheat and summer maize

1.3.3 空間分析

地理探測(cè)器可以通過(guò)空間異質(zhì)性來(lái)探測(cè)因變量和自變量之間空間分布格局的一致性，據(jù)此度量自變量對(duì)因變量的解釋力［30］，其中解釋力用q表示［式（11）］。

式中：h為自變量X的分區(qū)；Nh和N分別為層h和全區(qū)的單元數(shù)；和σ2分別是層h和全區(qū)因變量Y值的方差，SSW和SST分別為層內(nèi)方差之和和全區(qū)總方差。q的取值范圍是0～1，q值越大，表示自變量對(duì)因變量的解釋力越強(qiáng)。

1.3.4 去趨勢(shì)分析

模擬得到的NEE主要由趨勢(shì)值、氣候值和隨機(jī)值組成，趨勢(shì)值反映了生產(chǎn)力的發(fā)展對(duì)農(nóng)作生長(zhǎng)的影響，包括品種的更新，管理技術(shù)的優(yōu)化，水肥的高效利用等。本文利用二次函數(shù)去除趨勢(shì)值，然后使用去趨勢(shì)的殘差序列進(jìn)行分析，為比較不同均值和標(biāo)準(zhǔn)差之間的NEE變異性，采用Z-score 變化對(duì)非趨勢(shì)時(shí)間序列的NEE進(jìn)行標(biāo)準(zhǔn)化［式（12）］。

式中：yNEE、μN(yùn)EE和σNEE分別為NEE的殘差、殘差的均值和殘差的標(biāo)準(zhǔn)差：SRSNEE為NEE的標(biāo)準(zhǔn)化殘差序列，本文用來(lái)表示碳匯損失的大小，其分類標(biāo)準(zhǔn)見表1。

2 結(jié) 果

2.1 農(nóng)業(yè)干旱的時(shí)空分布

冬小麥生長(zhǎng)早期（11月），華北平原南部主要以輕度干旱為主，北部主要發(fā)生初級(jí)干旱，隨著冬小麥發(fā)育，農(nóng)業(yè)干旱逐漸向北轉(zhuǎn)移（圖3）。返青期-拔節(jié)期南部冬小麥極少發(fā)生農(nóng)業(yè)干旱，北部的農(nóng)業(yè)干旱也在減弱。隨著冬小麥進(jìn)入抽穗期，南部變得濕潤(rùn)，北部趨于正常，隨后灌漿期北部開始變得濕潤(rùn)，南部基本不發(fā)生農(nóng)業(yè)干旱現(xiàn)象。夏玉米生育期間，華北平原進(jìn)入雨季，充足的雨水供應(yīng)使得土壤濕潤(rùn)，其中8 月整個(gè)華北平原最為濕潤(rùn)，進(jìn)入9 月，河南和安徽趨于正常，其余地方依然保持輕度濕潤(rùn)。

圖3 2000-2020年冬小麥和夏玉米生育期間農(nóng)業(yè)干旱平均分布Fig.3 Average agricultural drought distribution from 2000 to 2020 during winter wheat and summer maize growth period

2.2 農(nóng)業(yè)干旱對(duì)碳通量的季節(jié)性影響

2.2.1 農(nóng)業(yè)干旱對(duì)碳通量的解釋強(qiáng)度

如果只考慮將一個(gè)月的DSI作為自變量，發(fā)現(xiàn)當(dāng)前月份的DSI對(duì)本月的NEE解釋力最大，對(duì)以后月份NEE的解釋力在遞減［圖4（a）］。然而，當(dāng)前月份的DSI對(duì)本月NEE的q值在冬小麥越冬期略有減小，其中在1 月達(dá)到最小值（q=0.183），進(jìn)入返青期（2月）突然增大，并在拔節(jié)期（3月）進(jìn)一步增大達(dá)到最大值（q=0.681），隨后在抽穗期和灌漿期又略微下降，但下降趨勢(shì)并不明顯。如果將當(dāng)前月份（包括當(dāng)前月份）之前的所有DSI作為自變量，發(fā)現(xiàn)DSI對(duì)冬小麥NEE解釋力大于單變量的q值［圖4（b）］，且隨冬小麥發(fā)育在增強(qiáng)，在2 月和3 月的增強(qiáng)幅度較大，并在5月達(dá)到最大值（q=0.981）。

圖4 冬小麥單變量DSI對(duì)NEE的解釋和多變量DSI對(duì)NEE的解釋力Fig.4 Explanatory power of univariate DSI for NEE and multivariate DSI for NEE

夏玉米一個(gè)月的DSI對(duì)NEE的解釋力趨勢(shì)與冬小麥類似（表2），均在當(dāng)前月份最大，對(duì)以后月份的解釋力在減弱。其中8月DSI對(duì)夏玉米NEE的解釋力最大。另外，單變量DSI對(duì)NEE的解釋力為夏玉米大于冬小麥，說(shuō)明夏玉米NEE對(duì)農(nóng)業(yè)干旱的敏感性要大于冬小麥NEE。

表2 夏玉米單變量DSI對(duì)NEE的解釋力，多變量DSI對(duì)NEE的解釋力Tab.2 Explanatory power of univariate DSI for NEE and multivariate DSI for NEE in summer maize

2.2.2 農(nóng)業(yè)干旱對(duì)碳通量的影響強(qiáng)度

本文分省統(tǒng)計(jì)了冬小麥/夏玉米2000-2020年月DSI均值對(duì)NEE的影響（圖5）。結(jié)果表明五省的DSI整體上在冬小麥苗期和越冬期間有略微的減小，返青之后迅速上升，在灌漿期又下降，而夏玉米生育期間整體上較為濕潤(rùn)。冬小麥生育期間，當(dāng)前月份的NEE隨著DSI的減小而減弱，且在冬小麥生育旺期（返青期-灌漿期）的減少幅度大于冬小麥的苗期和越冬期。隨著冬小麥發(fā)育，需要更多的水分才能保持NEE的增加或者維持正常水平（除了5 月），雖然整體上5 月DSI相比4 月有所減少，但輕度濕潤(rùn)依然使冬小麥NEE保持正常水平甚至增加。相比冬小麥，夏玉米對(duì)水分需求更大，在7月發(fā)生非常濕潤(rùn)甚至極端濕潤(rùn)事件才能保持NEE的正常或者增加，在8 月發(fā)生極端濕潤(rùn)才能維持NEE的正常，而在9 月只需輕度濕潤(rùn)即可使NEE有所增加。

圖5 五省2000-2020冬小麥和夏玉米生育期間DSI對(duì)碳通量的影響Fig.5 Effects of DSI on carbon fluxes during winter wheat and summer maize growth in five provinces from 2000 to 2020

冬小麥SRSNEE最小值在五省均分布在返青之后，且此時(shí)的DSI均大于-0.3，SRSNEE最大值的分布的月份不集中。但值得注意的是，如果分布在返青期之前，那么此時(shí)的DSI比分布在返青期之后的DSI小。而對(duì)于夏玉米而言，雖然8 月最濕潤(rùn)，但是SRSNEE最小值出現(xiàn)在7 月，且此時(shí)的DSI均大于1.2，SRSNEE最大值分布在7-9 月，但是分布在8 月對(duì)應(yīng)的DSI大于分布在7 月和9月的對(duì)應(yīng)的DSI。

2.3 碳匯/源的空間分布

農(nóng)田生態(tài)系統(tǒng)與其他生態(tài)系統(tǒng)最大的不同是農(nóng)田生態(tài)系統(tǒng)會(huì)產(chǎn)生籽粒并最終轉(zhuǎn)換成CO2，籽粒中的碳含量Cgr可以通過(guò)產(chǎn)量Y估算［18］為：

式中：Wgr為籽粒水分含量（小麥為0.140，玉米為0.155）；fc為籽粒含碳率（小麥為0.450，玉米為0.447）；NEE+被定義為NEE與Cgr的和。

如果不考慮籽粒中的碳含量，輕度濕潤(rùn)使華北平原麥田整體上呈強(qiáng)碳匯［圖6（a）］，而隨著農(nóng)業(yè)干旱強(qiáng)度的增加［正常和初級(jí)干旱，圖6（b）和（c）］，其北部和西部的麥田率先降為弱碳匯，而隨著農(nóng)業(yè)干旱強(qiáng)度的進(jìn)一步增加［輕度干旱，圖6（d）］，整個(gè)華北平原麥田都變?yōu)槿跆紖R。如果考慮籽粒中的碳含量，在輕度濕潤(rùn)條件下麥田整體上依然維持不錯(cuò)的碳匯能力［圖6（e）］，隨著農(nóng)業(yè)干旱強(qiáng)度的增加［正常和初級(jí)干旱條件，圖6（f）和（g）］，其北部、東部和西部的麥田變?yōu)槿跆荚?，南部則變?yōu)槿跆紖R，而更強(qiáng)的農(nóng)業(yè)干旱［輕度干旱，圖6（h）］使得華北平原麥田均變?yōu)樘荚础?/p>

圖6 2000-2020年不同農(nóng)業(yè)干旱強(qiáng)度麥田平均碳匯/碳源分布，不考慮籽粒碳含量［（a）～（d）］，考慮籽粒碳含量［（e）～（h）］Fig.6 Average distribution of carbon sinks/sources in wheat fields with different agricultural drought intensities from 2000 to 2020，without considering grain carbon content［（a）～（d）］， with considering grain carbon content［（e）～（h）］

不考慮籽粒碳含量的情況下，隨著濕潤(rùn)強(qiáng)度降低，華北平原玉米田逐漸從強(qiáng)碳匯轉(zhuǎn)變?yōu)槿跆紖R［圖7（a）～（f）］。如果考慮籽粒的碳含量，極端濕潤(rùn)、非常濕潤(rùn)和中度濕潤(rùn)情況下，玉米田表現(xiàn)為弱碳匯和弱碳源相互交替，而隨著濕潤(rùn)強(qiáng)度的進(jìn)一步降低，玉米田轉(zhuǎn)變?yōu)樘荚矗蹐D7（g）～（l）］。

圖7 2000-2020年不同農(nóng)業(yè)干旱強(qiáng)度玉米田平均碳匯/碳源分布，不考慮籽粒碳含量［（a）～（f）］，考慮籽粒碳含量［（g）～（l）］Fig.7 Average distribution of carbon sink/carbon source in maize fields with different agricultural drought intensities from 2000 to 2020，without considering grain carbon content［（a）～（f）］， with considering grain carbon content［（g）～（l）］

3 討 論

冬小麥在越冬期由于低溫、低輻射等影響，作物生長(zhǎng)基本停滯，碳通量的波動(dòng)較?。?1］，雖然此時(shí)農(nóng)業(yè)干旱在空間上分布較為明顯，但是其對(duì)碳通量解釋力較低。返青期之后冬小麥生長(zhǎng)迅速，需水量逐漸加大，但由于降水的時(shí)空分布不均使得農(nóng)業(yè)干旱的空間變異性加大。LIU等［16］指出如果此時(shí)冬小麥沒有得到及時(shí)的水分供給將會(huì)顯著影響其生長(zhǎng)發(fā)育，這是因?yàn)檫@一時(shí)期的光熱條件都最好，其光合和呼吸都達(dá)到峰值，盡管水分對(duì)光和作用的影響是間接的，但水分虧缺會(huì)影響葉片水勢(shì)，進(jìn)而增加CO2氣孔傳導(dǎo)阻力和降低光合暗反應(yīng)酶的活性，使作物固碳效率明顯下降［32，33］。前文已經(jīng)提到碳通量對(duì)農(nóng)業(yè)干旱的敏感性在返青期-拔節(jié)期最大，而且這一時(shí)期農(nóng)業(yè)干旱對(duì)碳通量的影響能夠延續(xù)到下一月，所以輕微的土壤水分虧缺都會(huì)對(duì)冬小麥這一時(shí)期的碳通量造成顯著影響，因此，此階段的農(nóng)業(yè)干旱對(duì)NEE的解釋力達(dá)到最大，類似的結(jié)果也顯示出對(duì)NEE的影響更大的是降水時(shí)間而不是降水量［11，13，18］。

8月是夏玉米碳吸收的頂峰，也是對(duì)水分需求最大的月份，所以此時(shí)的農(nóng)業(yè)干旱會(huì)嚴(yán)重影響夏玉米的光合作用和呼吸作用。另外，MANNS 和BERG［34］指出水分虧缺和過(guò)量脅迫都會(huì)影響生態(tài)系統(tǒng)的固碳能力，這與本文夏玉米碳通量的結(jié)果有所不同，7 月和8 月只有發(fā)生非常濕潤(rùn)或極端濕潤(rùn)才能使碳通量維持正常水平甚至增加，這主要是因?yàn)? 月和8 月是玉米莖粗增長(zhǎng)最快和耗水最大的時(shí)期，雖然此時(shí)降水量較大，但夏季高溫加快了土壤水分消耗。

普遍認(rèn)為農(nóng)田生態(tài)系統(tǒng)是強(qiáng)大的碳匯，但如果考慮籽粒中的碳含量，許多研究表明麥田變?yōu)槿跆紖R，而玉米田則轉(zhuǎn)變?yōu)槿跆荚矗?8，35，36］。這與本文的結(jié)果不太一樣。這主要是由于前人的研究是在點(diǎn)尺度進(jìn)行的，為了保證作物的正常生長(zhǎng)，沒有使其發(fā)生水分脅迫。而本文的研究結(jié)果表明即使不考慮籽粒的碳含量，麥田和玉米田也會(huì)隨著農(nóng)業(yè)干旱強(qiáng)度的增加逐步變?yōu)槿跆紖R，如果考慮籽粒中的碳含量，麥田和玉米田隨著農(nóng)業(yè)干旱強(qiáng)度的增加最終都會(huì)轉(zhuǎn)變?yōu)樘荚?。值得注意的是，不管是NEE還是NEE+，在冬小麥生育期間，灌溉面積較大的地區(qū)的碳匯能力比其余地區(qū)強(qiáng)［37］，而夏玉米生育期間并沒有類似的規(guī)律，有可能是因?yàn)榻邓饕l(fā)生在夏玉米生育期間，灌溉需求減少。但夏玉米NEE對(duì)農(nóng)業(yè)干旱的敏感性相比冬小麥更高，因?yàn)镃4植物比C3植物有更高的光利用效率，對(duì)土壤水分更敏感，所以如果發(fā)生水分脅迫，夏玉米會(huì)損失更多的碳［13，18，38］。因此，雖然夏玉米生長(zhǎng)在雨季，但依然要注意預(yù)防由于高溫引起的水分脅迫，尤其是在生長(zhǎng)中期。

4 結(jié) 論

本文基于蒸散發(fā)和歸一化植被指數(shù)計(jì)算了干旱嚴(yán)重程度指數(shù)（DSI）作為評(píng)價(jià)農(nóng)業(yè)干旱強(qiáng)度的指標(biāo)，并通過(guò)地理探測(cè)器和去趨勢(shì)分析評(píng)估了華北平原農(nóng)業(yè)生態(tài)系統(tǒng)NEE對(duì)農(nóng)業(yè)干旱的時(shí)空響應(yīng)，主要得出如下結(jié)論。

（1）空間上，冬小麥生育期間華北平原北部農(nóng)業(yè)干旱強(qiáng)度大于南部；時(shí)間上，隨著冬小麥發(fā)育，其農(nóng)業(yè)干旱強(qiáng)度逐漸降低。夏玉米生育期間，華北平原進(jìn)入雨季，整體較為濕潤(rùn)。

（2）冬小麥/夏玉米的碳吸收隨著農(nóng)業(yè)干旱強(qiáng)度的增大而減小，且對(duì)農(nóng)業(yè)干旱的敏感性在生育中期大于生育初期和末期。

（3）隨著農(nóng)業(yè)干旱程度的加重，如果不考慮籽粒碳含量，麥田和玉米田將從強(qiáng)碳匯變?yōu)槿跆紖R；如果考慮籽粒碳含量，麥田和玉米田最終會(huì)變?yōu)樘荚?。農(nóng)田生態(tài)系統(tǒng)的碳匯能力大小可能跟灌溉有關(guān)，需要以后進(jìn)一步研究。