陈强，潘英姿，蒋卫国* ，王文杰，刘孝富，

1.北京师范大学，环境演变与自然灾害教育部重点实验室，北京 100875

2.北京师范大学地理学与遥感科学学院，北京 100875

3.中国环境科学研究院，北京 100012

甲烷(CH4)是重要的温室气体之一，以20年(1990—2010)时间尺度计，其全球增温潜势(global warming potential)是二氧化碳的62倍。甲烷的主要排放源有自然湿地、人工湿地(以水稻田为主)、天然气渗出、垃圾填埋场、反刍动物等［1］，其中湿地(包括自然湿地和人工湿地)是甲烷的主要排放源。据估计，全球湿地每年约排放150 Tg的甲烷［2］，占所有天然甲烷排放量的70%［3］，占全球甲烷排放通量的20%左右［4］。甲烷单分子的增温潜势是二氧化碳的15～30倍［5］，而且甲烷与氟利昂等大气污染物发生反应，产生臭氧、二氧化碳等其他温室气体，因此甲烷被认为是仅次于二氧化碳的主要温室气体。据估计，甲烷浓度的升高对全球气候变暖的贡献为25%左右［6］。在过去的150多年里，大气中的甲烷浓度已从 0.75 ×10-6增长到 1.73 ×10-6［7］。为了进一步探究大气甲烷排放量日趋增加的原因，预测其未来变化趋势，需要定量研究大气甲烷各种排放源的排放量及其动态变化。

湿地生态系统是介于水域生态系统和陆地生态系统的一种过渡性生态系统，具有较强的氧化还原能力，丰富的生物多样性和重要的生态服务功能，甲烷排放作为湿地生态系统的一个重要的功能性过程，具有重要的研究意义。准确估算湿地甲烷排放量及其相关的影响因素，对于科学合理地管理湿地有着非常重要的辅助作用，同时可为控制和减少湿地甲烷排放提供有效的参考依据。

1 湿地甲烷排放量估算模型

研究湿地甲烷排放主要是为了准确估算湿地甲烷的排放量。气体的排放通量(Flux)是指单位时间内单位面积上该气体的排放量。已有文献［8］显示，水稻甲烷排放估算有如下几种方法:1)通过田间直接测定值与稻田面积估算;2)通过水稻的初级生产量估算;3)根据投入到土壤的有机碳量折算;4)通过建立各种模型计算。

目前，实地直接监测甲烷排放通量的方法大致分为涡度协方差-通量塔和静态箱-气相色谱仪法。一般甲烷排放通量计算公式［9］为:

式中，F为甲烷排放通量，mg/(m2·h);M为甲烷的分子量;V为标准状态下每摩尔甲烷的体积，L;d c/d t为甲烷浓度变化率，10-6/h;H为静态箱高度，m;T为静态箱内温度，℃。

由于无法在区域尺度上直接对甲烷的排放通量进行测定，因此要估算区域尺度甚至全球的甲烷排放，就需要构建各种估算模型。当前与湿地甲烷排放有关的模型大致分为三种:1)基于统计回归关系分析的经验推算模型;2)基于产生、输送和排放机理过程的模型;3)基于遥感数据的参数模型。其中，经验模型是通过控制甲烷排放通量的影响因素，如水位、土壤温度、植物初级生产力等发展起来的，但这些经验公式难以外推到其他地区;机理过程模型通过整合甲烷排放的各个过程来模拟甲烷排放，通用性强，易于推广;遥感参数模型结合机理过程和经验推算，以遥感数据为主要手段，通过大面积获取的生态参数作为模型输入项，结合尺度转换思路，用点尺度数据推算面尺度数据，估算区域甲烷排放量。

1.1 经验模型

湿地甲烷排放估算经验模型由早期的全经验推算模型逐渐发展至半经验估算模型，全经验推算模型一般是根据田间甲烷浓度测定结果和该值代表的稻田面积或者植被净初级生产力外推计算，得到试验区的甲烷排放量;而半经验估算模型一般是根据实际监测点的甲烷排放量，与某一个或几个影响因子建立统计相关性，通过统计回归分析估算试验区域的甲烷排放量。

根据诸多学者对甲烷排放影响因子的研究，总结出主要的影响因素包括:土壤类型、土壤水位及水分、土壤有机质、土壤温度、土壤pH和Eh值等土壤参数因子;植被类型，植被结构参数，地表或地下生物量等植被因子;气温，气压等气候因子;耕作制度和施肥方式等管理方式因子。在建立湿地甲烷排放量估算半经验估算模型时，根据实际情况会选择不同的影响因子建立甲烷排放量的关系，从而对湿地甲烷排放量进行准确估算。

1.1.1 全经验推算模型

早期的湿地甲烷排放估算模型大都是全经验推算性质的，以实地监测数据为基础，通过对地区各观测点在不同生长周期内水稻甲烷的平均排放率与稻田面积乘积来估算某地区水稻田排放总量［10］，是对一定空间区域内典型水稻甲烷排放的直接观测。

由于这种全经验推算模型受地域的限制而且误差较大，所以这种模型是早期研究的过渡模型，国内外学者对于该类模型的研究也较少。Wang等［11］根据实地观测的水稻甲烷平均排放通量，依据不同的水稻类型面积进行外推，估算出1987年全国水稻甲烷排放量为13.8 ～22.8 Tg/a。Wassmann等［12］根据浙江杭州地区水稻甲烷的排放通量，通过计算水稻面积与通量的乘积推算出全国水稻甲烷的排放量。Yan等［13］分析采样点数据后，认为有机肥的施用、水分情况、水稻生长季和水稻生长区域是影响中国水稻甲烷排放的主要因素，根据水稻种植面积以及相应的水稻甲烷排放量观测值，按照下式进行全国范围的水稻田甲烷排放总量估算:

式中，E 为甲烷排放总量，kg;i，j，k，m 分别为水稻生长区域、水稻生长季、水分情况和有机肥的施用情况;EF为甲烷排放系数;A为水稻种植面积，km2;D为水稻生育周期，d。

由于水稻甲烷排放易受诸如施肥量、灌溉方式及气温等因素的影响，有学者［14］开始考虑这些影响因素的作用，并根据物质平衡原理和试验数据建立了甲烷排放量(E)估算的经验模型:

式中，Os为土壤原有机质的平均量;Fs为土壤原有机质的甲烷转化率;R为该地区水稻复种指数;Omi为i种有机肥平均施肥量;Fi为i种有机肥的甲烷转化率，系数7/9为对Fi，Fs及D的综合校正值。

1.1.2 半经验估算模型

随着人们对湿地甲烷排放机理过程的进一步认识，在选择影响因素方面更注重甲烷产生、排放过程的环境生化因素，与此同时，湿地甲烷排放估算模型也逐渐转为以建立某一个或几个影响因子与甲烷排放通量关系的半经验估算模型。由于不同因子的作用在不同时间和地点存在着差异，所以不同地区的试验选择的影响因子也不尽相同，这将制约着模型的推广应用。

国内外利用半经验估算模型进行湿地甲烷排放通量估算的研究较多，Wickland等［15］根据甲烷年平均排放通量与深5 cm土壤的每小时温度变化，建立了通量-温度关系模型，并利用土壤温度模型估算甲烷排放通量。

式中，x为5 cm表层土壤温度，℃。此外，这些学者通过对高原湿地甲烷排放通量的研究，认为甲烷排放通量与5 cm深度的土壤温度显著相关，在冬季甲烷排放通量与土壤温度呈线性相关关系，在植物生长季与土壤温度呈指数相关关系，并且认为不同时期二者关系式的不同是由呼吸作用引起的，从全年数据角度看甲烷排放通量与温度呈显著正相关关系。

Potter［16］基于生态系统循环模型的基础上，根据二氧化碳到甲烷微生物产生率的变化进行模拟，以水位深度为主要影响因子，通过建立水位深度与微生物产生率变化关系，对甲烷的产生和排放进行模拟估算。

刘泽雄等［17］针对闽江河口咸草湿地，基于实地监测数据，建立了冬季甲烷排放通量与土壤Eh值和pH的回归关系，并利用这种关系对河口湿地甲烷排放量进行估算，认为冬季咸草湿地甲烷排放通量与土壤Eh值呈一阶线性正相关关系:

而与土壤pH呈一阶线性负相关关系:

Huang等［18］基于对美国德克萨斯州水稻甲烷排放的长期监测，认为影响该地区水稻甲烷排放的主要因素是土壤性质和地表生物量，根据长期的试验数据建立了甲烷排放量与这两个因素的回归关系:

式中，SI为土壤性质指数;VI为无量纲的变化系数;GY为水稻地表生物量。另外，还建立了甲烷排放与水稻植被净初级生产力(NPP)的关系:

1.2 机理过程模型

湿地甲烷排放由三个基本过程组成:甲烷产生，甲烷氧化传输和甲烷排放。湿地甲烷排放估算机理过程模型的建立基于甲烷三个基本过程，在建立过程中需综合考虑甲烷排放过程和影响甲烷排放的相关因素。目前湿地甲烷排放模型一般是模拟甲烷在土壤中的产生过程，以及甲烷从土壤、植物和水体进入大气中的迁移过程。模型涉及不同深度的土壤温度、水位和净初级生产力，模型计算结果为土壤剖面甲烷浓度及甲烷每天的排放量。

在建立湿地甲烷排放量估算机理过程模型时，根据实际情况会选择不同的影响因子或建立生态物化机理模型来模拟甲烷排放过程，对湿地甲烷排放量进行准确估算。因此，这类机理过程模型基本可以分为以下两个阶段。

1.2.1 各影响因子相关的初级过程模型

在综合考虑不同甲烷排放过程中各影响因子的关系基础上，通过建立初级的基于过程的甲烷排放估算模型来进行应用。

Bachelet等［19］通过碳、氮和温度对甲烷排放的线性回归技术，引用美国农业部(United States Department of Agriculture，USDA)提供的水稻收获面积，得到中国水稻甲烷排放量为10.5 Tg/a。Cao等［20］通过模拟土壤中碳的变化情况，得到甲烷产生率、有机碳分解总量、水位和温度间的函数关系，并利用模型计算甲烷的排放率。Water［21］建立的基于过程基础的湿地甲烷排放气候敏感性模型，主要考虑的影响因子为水位、土壤剖面温度以及总初级生产力，通过建立土壤温度、NPP和甲烷通量的关系，利用Michaelis-Menten方程计算甲烷产生率、甲烷氧化率，以此估算甲烷排放。丁爱菊等［22］建立了一个区域尺度水稻甲烷排放的初级模型，模型主要包括了三个部分:水稻生长，土壤有机质的分解以及甲烷产生、传输、排放过程。模型体现了水稻甲烷产生、传输与排放的机理，提供了一个区域尺度上基于气候、土壤条件估计甲烷总排放率的有效方法。

式中，P为甲烷产生率;Q1为甲烷的提取率;Q2为甲烷的氧化率;K为植物的排放率系数。

Cao等［23］建立了一个半经验甲烷排放模式。该模式考虑了水稻植株以及土壤有机质两个方面的产甲烷基质，同时也利用半经验公式考虑了土壤Eh值和pH，淹水及施肥等因素产生的影响率。

1.2.2 湿地生态模型

国内外不少学者曾利用成型的湿地生态模型进行湿地甲烷排放的估算应用，比较典型的模型有DNDC，MERES和CH4MOD三种。

Wetland-DNDC(denitrification and decomposition)模型是一种基于过程的湿地生态系统模型［24］，注重于厌氧环境下水位动态、土壤热量动态、植物生长以及土壤生物地球化学过程的定量化，通过输入水文、气候、植被、土壤和管理信息来模拟森林湿地生态系统中甲烷的排放。DNDC是针对农业土壤痕量气体(二氧化碳、氧化亚氮和甲烷)排放估算而开发的［25-26］，对于模拟水稻田温室气体排放的研究，DNDC模型具有独特的优势［27-28］。该模型已成功运用在世界十多个国家和地区，并且能够很好地模拟不同农业土壤中温室气体的排放状况［29］。刘建栋等［30］利用DNDC模型，有机结合了作物生长、气象要素、地下水运动等要素，建立的甲烷排放数值模型，主要包括气象要素模型、作物模型和排放模型三个部分，揭示了气象因子对甲烷排放的影响。王效科等［31］利用DNDC模型，通过模拟甲烷的产生、传输和排放过程，选取土壤中氧浓度和农耕措施(土地利用类型、作物面积、作物播种期和收获期、无机肥和有机肥使用量)作为主要影响因子，对长江三角洲地区的农业生态系统进行甲烷和氧化亚氮排放量的估算。

MERES(methane emission in rice eco-systems)模型是以CERESR水稻作物模型为基础，模拟土壤有机质分解预测甲烷细菌可利用的基质数量，考虑了植株根在厌氧条件下的有机质分解、土壤中可供选择的电子受体、甲烷氧化和通量的机理描述以及作物实践管理的影响。Matthews等［32］运用MERES模型检验了菲律宾和中国杭州的试验数据，证实模型模拟值与水稻地表生物量、根重、产量以及甲烷季节排放的观测值有较好的一致性。

Huang 等［33-34］建立的 CH4MODwetland模型是典型的机理过程模型，联合国政府间气候变化专门委员会(Intergovernmental Panelon Climate Change，IPCC)2000年的报告［35］中对这个模型的模拟结果给予充分肯定。其以湿地水稻甲烷的传输和排放过程为基础，选择土壤有机质、土壤温度和水位等影响因子，通过建立各因素之间的函数关系，估算甲烷排放量。模型假设产甲烷基质来自水稻植株和外源有机物两个部分，甲烷产生率取决于甲烷菌基质的可利用性，并考虑到气候、土壤、农耕措施等因素的影响。模型输入参数少且易获取，有利于模型区域化应用。

式中，APR为与水稻植株相联系的甲烷日平均产生率;APOM为与添加的有机质分解相联系的甲烷日平均产生率;0.35为考虑了土壤Eh值对甲烷产生的影响以及甲烷氧化量而估算出来的，可看作甲烷总产生量的平均排放系数［36］。模型仅对持续淹水稻田有效，未考虑甲烷的气泡传输，参数是通过试验建立的，在应用上有一定限制。张稳等［37］在这个模型的基础上，进行多次修正、改进和验证，并考虑了甲烷通过气泡方式从稻田土壤中的排放过程，得出:

式中，EP为甲烷通过水稻通气组织排放量;Ebl为甲烷通过气泡向大气的排放量。

通过以上各学者的研究成果可知，制约湿地甲烷机理过程排放估算模型的因素主要有模型输入参数的获取难度以及影响参数的正确选择，而评价模型优劣的标准为根据模型的估算精度以及输入参数的可获取性。

1.3 遥感参数模型

20世纪90年代后期，湿地甲烷排放估算经验推算模型开始转向遥感参数估算模型。在区域尺度甲烷排放估算研究中，利用遥感数据在时空尺度上对甲烷主要排放源进行识别与面积估算，通过遥感反演手段获取大面积生态参数，并结合地面观测点位获得平均甲烷通量数据，再与面积进行乘积来实现点尺度到面尺度的尺度转换。

遥感参数模型结合了过程模型和经验模型，既可以应用在小尺度区域，也可以应用在大尺度区域。目前，利用遥感进行甲烷排放估算的研究主要参考的遥感数据分为三类:1)高时间分辨率大幅宽的气象卫星数据，主要代表是NOAA-AVHRR数据;2)高空间分辨率小幅宽的遥感影像数据，主要代表是SPOT-HRV，LandSat-TM数据;3)利用全天候全天时的微波雷达遥感影像数据，主要代表是ALOS-PALSAR数据。

Takeuchi等［38］综合考虑了 NOAA-AVHRR 数据大尺度可覆盖大范围的优点和SPOT-HRV数据高分辨率可监测土地类型变化的优点，对同一时期同一地区的NOAA-AVHRR和SPOT-HRV数据进行混合光谱分析，基于不同尺度对试验区的四种湿地类型进行甲烷排放估算;张远［39］利用微波遥感数据ALOS-PALSAR提取水稻的种植面积，利用改进的DNDC模型模拟和估算水稻甲烷的排放量，进而提出具体的减排耕作措施。

闫敏华等［40］基于长期实地水稻甲烷排放监测数据和TM影像数据，通过灰色关联方法分析了水稻甲烷排放的六个主要影响因子(水稻植被指数、水稻植株高度、气温、5 cm深土温、10 cm深土温和水温)，最终选择水稻植被指数作为主要影响因子，建立实测甲烷排放通量与水稻植被指数的回归关系，对长春地区的水稻甲烷排放量进行估算。先建立水稻甲烷排放通量(y)和水稻植被指数(x)的关系:

y=-21.7766+239.0742x(n=16，R=0.8781)再由水稻甲烷排放通量(y)和水稻种植面积(A)求算整个水稻生长季的区域水稻甲烷排放量(Y):

式中，t为时间，d。充分考虑水稻归一化植被指数的特点、水稻甲烷排放季节变化规律和水稻各生育期水稻甲烷排放量占总排放量的比例等因素，得到水稻甲烷排放量的估算模型:

式中，x(t)为水稻植被指数随时间变化函数。

刘志明等［41］通过利用NOAA-AVHRR遥感数据进行水稻甲烷排放通量监测的尝试发现，从水稻的返青期到孕穗期归一化植被指数(x)与甲烷排放通量(y)具有很强的相关性:

光能利用效率模型(LUE)也是遥感用于地面碳通量估算的经典模型，光能利用效率是光能利用效率模型中最关键的部分，其含义为通过光合作用植被吸收单位光合有效辐射所固定的碳通量。LUE模型是CASA(carnegie-ames-stanford approach)模型中的一个子模型，用以估算NPP。LUE模型通过建立光能利用效率与水分胁迫指数、温度胁迫指数关系来估算碳通量(ε):

式中，Ts为温度胁迫系数;Ws为水分胁迫系数，反映了水分条件的影响;Ps为植被生长季节对光能利用效率的影响。

严燕儿［42］利用LUE模型针对河口湿地，通过建立微气象因子与光谱指数的关系，估算了崇明东滩湿地的碳通量。此外，Ashcroft等［43］尝试利用高光谱遥感技术进行甲烷排放源识别的研究，通过利用对流层污染测量装置获取的信号与甲烷柱之间的线性函数关系获取大气中垂直甲烷廓线，但由于信号容易受温度和水汽的间接影响，结果的精度受到限制;还有学者［44］利用单一可调激光及谐波探测遥感技术对甲烷进行现场探测，实现甲烷气体浓度估算。

综上分析可知，遥感参数模型结合了经验模型和机理过程模型的特点，以遥感数据和遥感反演手段为基础，通过建立光谱特征参数与影响因子的关系，实现点尺度和面尺度的转换，准确估算不同区域的甲烷排放通量。但由于受遥感数据和反演手段的影响，这种方法的应用还处在初级阶段，参数设置和模型构建方面还需要进一步优化。

1.4 模型比较分析

综上所述，湿地甲烷排放量估算模型经历了从经验模型到机理过程模型再到遥感参数模型的发展历程，各类模型具有不同的特点及适用范围。其中，经验模型是通过控制甲烷通量的影响因素，比如水位、土壤温度、植物初级生产力等发展起来的，因此这些经验公式难以外推到其他地区，只适用于特殊地物类型的小区域范围;机理过程模型通过整合甲烷排放的各个过程来模拟甲烷排放，通用性强，易于推广，但由于湿地甲烷排放机理过程复杂，模型参数繁琐，所以此类模型只适用于环境变化不明显的区域;遥感参数模型结合机理过程和经验推算，以遥感数据为主要手段，通过大面积获取的生态参数作为模型输入项，结合尺度转换思路，用点尺度数据推算面尺度数据，估算区域甲烷排放量，模型推广型强，但输入参数不易获取，而且模型构建难度关键在于遥感反演技术的难度，故此类模型适宜估算大范围、地物类型较为单一的区域。各模型的比较如表1所示。

表1 甲烷排放量估算模型的比较Table 1 Comparison of the models

2 甲烷排放估算不确定性分析

湿地甲烷排放估算受各方面的影响，因此针对湿地甲烷排放估算的不确定性分析主要集中在影响湿地甲烷排放的各方面，体现在湿地甲烷排放的时空差异、湿地甲烷排放监测的不确定性和湿地甲烷排放估算模型的不确定性。

2.1 湿地甲烷排放的时空差异

湿地甲烷排放在时间和空间上都存在着较大的差异性，而这些差异性会直接影响湿地甲烷排放量估算的准确性，所以正确分析湿地甲烷排放的时空特性，有助于更清楚的认识和分析湿地甲烷排放量估算模型和方法的适用性。

湿地甲烷排放的时间差异主要表现在日变化和季节变化两个方面。湿地甲烷排放有明显的日变化，曹云英［45］在其对水稻甲烷排放的综述中指出，水稻甲烷排放通量随着日出后温度逐渐升高而增大，下午达到排放高峰，然后快速下降，在夜间甲烷排放通量缓慢下降，并逐步趋于平稳，至日出前通量达到最低值。湿地甲烷排放的季节变化主要体现在植被的生长周期变化，以稻田湿地甲烷为例，主要体现在水稻生长周期的变化，水稻生长期甲烷排放有三个典型排放高峰，分别出现在水稻生长的返青期、分蘖期和成熟期［46］。Wang 等［47］指出，甲烷排放通量季节变化呈双峰型变化，春季随气温升高甲烷排放通量增加，4月出现次高值，6月出现最高值，与稻田温度各自的倒数成直线相关关系，而稻田温度8月达最大值。结合水稻生长期可知，甲烷排放的两个高峰一个出现在水稻的分蘖期，一个出现在花期至成熟期［48］。

湿地甲烷在产生、传输和排放之间存在着复杂的相互作用，并与当地气候和土壤环境密切相关，因此甲烷排放在生态系统内部以及生态系统之间都具有很大的差异［49］。即使气候、植被、地形相似的地区，其甲烷排放通量也存在着很大的差异［50-51］，在同一地区的同一类型湿地中不同区域间也存在着空间差异性。据相关研究表明，在以植物传输为主要排放途径的沼泽湿地，植物生物量和密度是导致同种植物生长的湿地甲烷排放产生空间变异的关键因素［52］，而区域间甲烷排放的空间差异主要是由土壤环境差异(有机碳含量、酶活性等)所引起的［53］。

2.2 湿地甲烷排放监测的不确定性

湿地甲烷监测结果会直接影响湿地甲烷估算模型估算的准确程度，尤其会影响湿地甲烷排放估算经验或半经验模型，通过实时监测获取湿地排放数据也会部分应用在湿地甲烷估算经验或半经验模型中。因此，湿地甲烷排放监测的不确定性也是湿地甲烷排放估算不确定性研究的主要方面。

湿地甲烷排放野外监测的不确定性主要体现在野外监测仪器、监测过程以及室内分析仪器、分析过程等。目前普遍采用的湿地甲烷排放监测方法是静态箱结合气相色谱法。以静态箱作为湿地甲烷排放的野外监测仪器，气相色谱仪作为室内气体分析仪器，通过密闭静态箱的采集和气相色谱仪对甲烷气体浓度的分析，来获取采样点的甲烷排放量。对该方法的不确定分析主要关注:1)仪器的不确定性，包括静态箱的密闭性、气袋的密封性以及气相色谱仪的性能;2)监测和分析过程的不确定性，包括气体采集过程、气体运输过程、气体导入过程和气体分析过程等。

2.3 湿地甲烷排放估算模型的不确定性

湿地甲烷排放估算模型的不确定性主要表现在模型参数和模型算法的不确定性上，评价模型的优劣和适用性同样参考的是模型参数的获取难度和模型算法的复杂程度。

针对模型参数，目前各类湿地甲烷排放估算模型所选取的参数主要包括气象环境参数、土壤环境参数、植株结构参数以及生态环境参数等;针对不同的研究区域和研究对象，各模型选取具有代表性和获取难度较低的参数作为其输入参数，所以模型参数的选取不确定性对于湿地甲烷排放估算模型的适用性和准确性会带来很大的影响。对于模型算法，由于模型参数选择的不确定，在建模过程，所使用的相关建模算法也有所不同，比如湿地甲烷排放估算经验和半经验模型，普遍使用的是自回归算法或分段回归算法。在变量选择过程中，还使用层次分析或者灰色关联分析来确定变量参数的权重。模型算法的不确定性会直接影响模型的计算复杂程度与建模难度，同样对估算的准确性也有较大的影响。

3 发展趋势

湿地甲烷估算模型及方法由最初的全经验推算模型逐渐发展至现阶段的遥感参数模型，区域推广性、模型精度以及模型输入参数设置方面都逐渐改善，但仍然存在诸如模型构建，参数选择方面的问题，而且遥感手段的不成熟和遥感数据的获取难度也是现阶段湿地甲烷遥感估算最主要的发展障碍，所以预计湿地甲烷估算模型将向着多元化和综合化的方向发展，随着遥感技术和甲烷排放机理过程研究的不断发展，湿地甲烷估算模型将会综合各模型的特点不断改进。

湿地甲烷排放过程研究虽然已经从多个方面进行探讨，但对于影响因子贡献率的定量研究鲜有报道，所以针对湿地甲烷排放影响因子的定量化研究仍然势在必行。

随着多角度遥感技术和高空间分辨率遥感技术的不断发展，多尺度递推遥感估算模型、高光谱遥感和激光遥感技术将逐渐应用在湿地甲烷排放估算的研究领域。

区域或全球湿地甲烷的排放直接或间接影响全球各方面的变化，如全球气候的变化，降水量的变化，土地利用覆盖的变化，土壤有机质的变化，生物多样性的变化，生态系统生产力的变化，生态系统稳定性的变化，农业、工业、生物地球化学循环的变化等。准确估算区域或全球湿地甲烷排放量，对于控制全球温室效应和碳循环都有非常重要的意义。

此外，湿地甲烷排放估算的模型研究将逐渐从理论层次向应用层次发展，向着模型实用性和市场业务化方向发展，基于湿地甲烷排放估算模型理论而开发的各类模型工具软件也将逐渐步入各类市场，面向各类应用单位。

［1］KEPPLER F，HAMILTON J T，BRASS M，et al.Methane emission from terrestrial plants under aerobic conditions［J］.Nature，2006，439:187-191.

［2］张涛，高大文.稻田CH4排放研究进展［J］.湿地科学，2008，6(2):130-134.

［3］KHALIL M A K.Atmospheric methane:its role in the global environment［M］.Berlin:Springer，2000:1-8.

［4］HOUGHON J H.Climate change 2001:the scientific basis:contributions of working groupⅠto the third assessment report of the intergovernmental panel on climate change［M］.Cambridge:Cambridge University Press，2001.

［5］RODHE H.A comparison of the contribution of various gases to the greenhouse effect［J］.Science，1990，248:1217-1219.

［6］TAKAI Y.The mechanism of methane fermentation in flooded paddy soil［J］.Soil Sci Plant Nutrition，1970，16:238-244.

［7］LELIEVELD J，CRUTZEN P J，DENTENER F J.Changing concentration，lifetime and climate forcing of atmospheric methane［J］.Tellus:B，1998，50:128-150.

［8］蔡祖聪.中国稻田甲烷排放研究进展［J］.土壤，1999(5):266-269.

［9］王德宣，丁维新，王毅勇.若尔盖高原与三江平原湿地CH4排放差异的主要环境影响因子［J］.湿地科学，2003，1(1):63-67.

［10］傅志强，黄磺.湿地稻田甲烷排放估算模型及减排模式研究进展［J］.作物研究，2006，32(3):266-271.

［11］WANG M X，DAIA G，SHEN R X，et al.CH4emission from a Chinese rice paddy field［J］.Act Meteorologica Sonica，1990，401:265-275.

［12］WASSMANN R，SCHTZ H，PEN H，et al.Quantification of methane emissions from Chinese rice fileds(Zhejiang Province)as influenced by fertilizer treatment［J］.Biogeochemistry，1993，20(2):83-101.

［13］YAN X Y，CAI Z C，OHARA T.etal.Methane emission from rice fields in mainland China:amount and seasonal spatial distribution［J］.J Geophysical Res，2003，108(D16):4505.

［14］吴海宝.稻田甲烷排放量的估算方法［J］.浙江农业大学学报，1992，18(1):69-72.

［15］WICKLAND K P，STRIEGL R G，MAST M A，et al.Carbon gas exchange at a southern Rocky Mountain wetland:1996-1998［J］.Global Biogeochemical Cycles，2001，15:321-335.

［16］POTTER C S.An ecosystem simulation model for methane production and emission from wetlands［J］. Global Biogeochemical Cycles，1997，11:495-506.

［17］刘泽雄，朱瑞琴，姚顺，等.闽江河口咸草湿地冬季甲烷和二氧化碳通量及影响因子分析［J］.湿地科学与管理，2010，6(3):46-49.

［18］HUANG Y，SASS R L，FISHER F M.Methane emission from Texas rice paddy soils:1.quantitative multi-year dependence of CH4emission on soil，cultivar and grain yield［J］.Global Change Biology，1997(3):479-499.

［19］BACHELET D，KERN J，MICHAEL T.Balancing the rice carbon budget in China using spatially distributed data［J］.Ecological Modeling，1995，79:167-177.

［20］CAO M，MARSHALL S，GRGEGSON K.Global carbon exchange and methane emissions from natural wetlands:application of a process-based model［J］.J Geophysical Res，1996，101(9):14399-14414.

［21］WALTER B P.A process-based:climate-sensitive model to derive methane emission from natural wetlands:application to five wetland sites:sensitivity to model parameters and climate［J］.Global Biogeochemical Cycles，2000，14:745-765.

［22］丁爱菊，王明星.稻田甲烷排放的初级模式［J］.大气科学，1995，19(6):733-740.

［23］CAO M，DENT J B，HEAL O W.Modeling methane emission from rice paddies［J］.Global Biogeochemical Cycles，1995(9):183-195.

［24］ZHANG Y，LI C S，TRETTIN C C，et al.An integrated model of soil，hydrology and vegetation for carbon dynamics in wetland ecosystems［J］.Global Biogeochemical Cycles，2002，16(4):1838-1846.

［25］LI C S，NARAYANAN V，HARRISS R C.Model estimates of nitrous oxide emissions from agricultural lands the United States［J］.Global Biogeochemical Cycles，1996，10:297-306.

［26］LI C S，FROLKING S，FROLKING T A.A model of nitrous oxide evolution from soil driven by rainfall events:1.model structure and sensitivity［J］.J Geophysical Res，1992，97:9759-9776.

［27］FROLKING S，LI C S，BRASWELL R，etal.Short-and long-term greenhouse gas and radioactive forcing impacts of changing water management in Asian rice paddies［J］.Global Change Biology，2004(10):1180-1196.

［28］谢艳兵，梁文举，王跃思，等.下辽河平原稻田非生长季碳排放观测研究［J］.生态学杂志，2004，23:11-14.

［29］CAI Z C，XU H，ZHANG H，et al.Estimate of methane emission from rice paddy fields in Taihu region，China［J］.Aerosphere，1994，4(4):297-306.

［30］刘建栋，周秀骥，王建林，等.稻田甲烷排放的农业气象数值模拟研究［J］.应用气象学报，2001，12(4):409-418.

［31］王效科，欧阳志云，苗鸿.DNDC模型在长江三角洲农田生态系统的CH4和N2O排放量的估算的应用［J］.环境科学，2001，22(3):15-19.

［32］MATTHEWS R B，WASSMANN R，ARAH J.Using a crop/soil simulation model and GIS techniques to assess methane emissions from rice fields in Asia:Ⅰ.model development［J］.Nutrient Cycling in Agroecosystems，2000，58(1/2/3):141-159.

［33］HUANG Y，ZHANG W，ZHENG X，et al.Modeling methane emission from rice paddies with various agricultural practices［J］.J Geophysics Res，2004，109:D08113.

［34］HUANG Y，SASS R I，FISHER F L.A semi-empirical model of methane emission from flooded rice paddy soils［J］.Global Change Biology，1998(4):247-268.

［35］Intergovernmental Panel on Climate Change.Good practice guidance and uncertainty management in national greenhouse gas inventories［R］.Geneva:IPCC Secretariat，2000.

［36］SASS R L，FISHER F M，HUANG Y.A process-based model for methane emissions from irrigated rice fields:experimental basis and assumptions［J］.Nutrient Cycling in Agroecosystems，2000，58:249-258.

［37］张稳，黄耀.稻田甲烷排放模型研究:模型及其修正［J］.生态学报，2004，24(11):2347-2352.

［38］TAKEUCHI W，TAMURA M，YASUOKA Y.Estimation of methane emission from West Siberian wetland by scaling technique between NOAA AVHRR and SPOT HRV［J］.Remote Sensing Environ，2003，85(1):21-29.

［39］张远.微波遥感水稻种植面积提取和生物量反演与稻田甲烷排放模拟［D］.杭州:浙江大学，2008.

［40］闫敏华，华润葵，王德宣，等.长春地区稻田甲烷排放量的估算研究［J］.地理科学，2000，20(4):386-390.

［41］刘志明，晏明，闫敏华，等.稻田甲烷排放的卫星遥感监测试验［J］.气象科技，2002，30(5):278-281.

［42］严燕儿.基于遥感模型与地面观测的河口湿地碳通量的研究［D］.上海:复旦大学，2009.

［43］ASHCROFT P，MOREL B.Limits of space-based remote sensing for methane source characterization［J］.IEEE Transactions on Geoscience and Remote Sensing，1995，33(5):1124-1134.

［44］尹王保，赵建明，马维光，等.单激光源谐波遥感探测甲烷研究［J］.中国激光，2003，30(10):928-932.

［45］曹云英.稻田甲烷排放研究进展［J］.安徽农业科学，2002，30(6):872-876.

［46］HOSONO T，NOUCHI I.The dependence of methane transport in rice plants on the root zone temperature［J］.Plant Soil，1997，191:233-240.

［47］WANG L，XIE D T，LIU H L.Study on the relation of rice paddy temperature and methane emission flux［J］.Chin J Eco-Agri，2003，11(4):29-31.

［48］马学慧，刘兴土，吕宪国.湿地甲烷排放研究简述［J］.地理研究，1995，15(2):163-168.

［49］上官行健，王明星，WASSMANN R.稻田土壤中甲烷产生率的实验研究［J］.大气科学，1993，17(5):603-610.

［50］黄国宏，李玉祥，陈冠雄，等.环境因素对芦苇湿地C排放的影响［J］.环境科学，2001，22(1):1-5.

［51］MACDONALD J A，FOWLER D，HARGREAVES K J，et al.Methane emission rates from a northern wetland:response to temperature water table and transport［J］.Atmos Environ，1998，32(19):3219-3227.

［52］DING W，CAI Z，TSURUTA H.Diel variation in methane emissions from the stands of Carex lasiocarpa and Deyeuxia angustifolia in a cool temperate freshwater marsh［J］.Atmos Environ，2004，38(2):181-188.

［53］GISELA W，SABINE F，KOMELIA Z.Variability of soil methane production on the micro-scale:spatial association with hot spots of organic material and arehaeal populations［J］.Biogeochemical，2000，32:1121-1130.○