水生代谢对低地混合土地利用集水区二氧化碳（CO2）排放的动态贡献

《Limnology and Oceanography》：Dynamic contribution by aquatic metabolism to carbon dioxide emissions from a low-land mixed land-use catchment

　　

河流的二氧化碳（CO₂）排放虽受限于其较小的面积，但在全球尺度上具有重要意义，其排放量可与陆地生态系统相当。农业用地占全球陆地面积的40%，然而，受农业影响的流域中河流CO₂排放的幅度与来源动态仍缺乏充分认识。研究人员在温带低地混合土地利用集水区（农业用地占21%）利用CO₂和溶解氧的高频测量数据，估算了河流CO₂排放量以及水体代谢的贡献。尽管CO₂浓度较高（中位数3520 μatm），但由于气体传输速率（k₆₀₀）持续偏低，排放量相对较低（中位数4.0 g C m^?2 day^?1）。水体代谢平均贡献了排放量的46%，这一比例高于三级河流的预期值。排放量在夏末达到峰值，尽管此时k₆₀₀较低，其主要受高CO₂浓度驱动，凸显了CO₂供给相对于物理驱动因素的重要性。研究表明，低海拔人类影响的河流表现出独特的排放动态，强调在评估此类景观的碳收支时需要纳入生物驱动因素。

**研究背景与科学问题**

全球河流和溪流虽然仅覆盖较小的地表面积，却向大气排放大量二氧化碳（CO₂），其排放量估计达0.7–2.0 Pg C yr^?1，与陆地生态系统碳通量相当。农业用地如今约占全球陆地面积的40%，但受农业影响的河流在碳收支评估中受到的关注相对不足，造成了显著的不确定性。农业影响流域通常具有较高的CO₂浓度，但排放量同时取决于CO₂供给与气-水界面物理条件（以气体传输速率k₆₀₀表征）。农业影响河流多位于平缓景观，低湍流和慢流速可能导致较低的气体交换速率，从而抑制排放。然而，高CO₂供给和低k₆₀₀之间的交互作用，以及这种交互如何影响低梯度人类影响集水区的排放速率，仍缺乏定量认识。此外，农业影响集水区CO₂排放的季节和时空动态也是已知的知识空白。本研究旨在：（1）识别受农业强烈影响的混合土地利用站点河流CO₂排放的驱动因素；（2）确定水体代谢对CO₂动态和排放的贡献；（3）检验生长季中，在变化的水文和水质条件下，水体代谢过程如何变化。

**研究内容与结论**

研究人员在瑞典中部乌普萨拉以西的温带H?ga?n流域（122 km²，59%森林、21%耕地）开展了研究。该流域平均坡度低（0.016 m m^?1），下游约三分之二的河道流经以耕地为主的平坦开阔景观。研究人员在2020年2月至10月期间利用eosGP传感器连续测量CO₂浓度，同时利用Aqua TROLL 600多参数传感器在2020–2023年连续测量溶解氧（O₂）、电导率和浊度。采用streamMetabolizer贝叶斯状态空间模型估算初级生产总值（GPP）、生态系统呼吸（ER）和气体传输速率（k₆₀₀）。CO₂排放量由CO₂浓度和k₆₀₀计算得出。研究结果显示：H?ga?n河水CO₂分压（pCO₂）中位数达3520 μatm，远高于全球（2150 μatm）和北温带（1540 μatm）河流平均值；但排放量中位数仅4.0 g C m^?2 day^?1，低于全球（7.1 g C m^?2 day^?1）和北温带（5.6 g C m^?2 day^?1）平均水平。这种“高浓度低排放”的矛盾源于极低的k₆₀₀（中位数1.5 m day^?1），仅为全球（9.4 m day^?1）和北温带（9.1 m day^?1）估值的一小部分。2020年，水体代谢（以负值的ER表示CO₂净贡献）平均贡献了总排放量的46%（中位数），这一比例显著高于同流量等级（0.1–1.0 m³ s^?1）三级河流预期的23%。排放量在夏末达到峰值，而春季节和秋季的排放较低，尽管春季k₆₀₀和流量较高。这一排放峰值主要由夏季高pCO₂驱动，而非物理气体交换增强。结果表明，在低坡度人类影响的河流中，CO₂供给的持续累积而非洪水事件主导了季节性排放动态。

**关键技术方法**

研究人员使用的主要技术方法包括：（1）高频传感器连续监测：利用eosGP光学传感器和Aqua TROLL 600多参数探头，分别以30分钟和15分钟间隔记录河水CO₂浓度、O₂、温度、浊度和电导率；（2）基于过程的水体代谢估算：采用streamMetabolizer贝叶斯状态空间模型，结合O₂日变化反演GPP、ER和k₆₀₀，并通过分段流量-过程（P-Q）关系约束参数；（3）CO₂排放通量计算：利用连续CO₂浓度、温度校正的Schmidt数和k₆₀₀计算气-水界面通量，k₆₀₀通过Raymond等（2012）物理模型回归估算并与代谢模型输出交叉验证；（4）统计与多元分析：采用Davies检验识别过程-流量和浓度-流量关系中的断点，使用Kruskal–Wallis检验季节差异，并利用主成分分析（PCA）探讨代谢与水化学变量的关联。样本基于H?ga?n流域2020–2023年连续传感器数据及2016–2023年双月水化学监测数据。

**研究结果**

**连续河流数据**

2020–2023年，日流量中位数为0.44 m³ s^?1，春季融雪期流量最高，夏季最低。O₂中位数为10.8 mg L^?1，通常处于不饱和状态（饱和度为83%）。2020年pCO₂中位数3520 μatm，范围1330–22300 μatm，8月达到峰值。O₂与CO₂偏离平衡状态的比例关系表明存在与水体代谢脱钩的额外CO₂源。

**河流代谢**

ER（以O₂消耗通量表示）范围为?19.1至?0.12 g O₂ m^?2 d^?1，中位数?4.9 g O₂ m^?2 d^?1；GPP范围为0.013–3.0 g O₂ m^?2 d^?1，中位数仅0.12 g O₂ m^?2 d^?1。NEP几乎总为负（中位数?4.7 g O₂ m^?2 d^?1），表明该河流持续处于异养状态，是CO₂的净来源。k₆₀₀中位数为2.2 m d^?1（代谢模型估计），与流量关系较弱（R²=0.15）。

**CO₂排放估算**

日CO₂排放估算中位数为4.0 g C m^?2 d^?1，夏季排放（中位数8.1 g C m^?2 d^?1）远高于春季（中位数2.4 g C m^?2 d^?1）。2020年代谢对总排放的贡献中位数为46%（范围1–118%），在春季和秋季贡献较高，夏季贡献降低。由于CO₂数据仅覆盖2020年，全时段贡献无法直接估算，但2020年代谢速率与2021–2023年相似。

**统计分析**

断点分析显示，ER和GPP的流量断点接近中值流量（0.19和0.25 m³ s^?1），低于断点时两者随流量增加而下降，高于断点时则上升。浊度的断点（0.24 m³ s^?1）与ER相似，且在断点后随流量显著增加，表明高流量下有机质和微生物输入增强ER。pCO₂的断点较高（0.54 m³ s^?1），随流量先降后升。NO₃-N和TOC也呈现显著的流量断点关系。PCA分析中，PC1（41.5%方差）代表水文梯度，高流量与高浊度、O₂、养分相关；ER和GPP在PC2（20.4%）上独立于该梯度，表明代谢受多种交互驱动因子控制，而非仅流量。pCO₂与电导率对齐，而非与ER/GPP对齐，提示地下水输入主导夏季CO₂供给。

**讨论与结论**

研究表明，H?ga?n作为低地混合土地利用河流，其代谢贡献（46%）远高于同等级河流的预期值。尽管CO₂传感器相对于手动样品偏高（平均13%），但即使考虑这一偏差，代谢贡献的估计仍可能偏低，意味着水体呼吸在驱动排放中作用更大。夏季pCO₂峰值与代谢贡献下降并存，且pCO₂与电导率相关，表明夏季CO₂主要来自土壤/地下水输入而非水生代谢。ER的季节性峰值出现在冬季和夏季，分别由高流量有机质输入和高温呼吸驱动；GPP整体较低，中位数仅0.12 g O₂ m^?2 d^?1，低于典型农业河流，这与H?ga?n混合土地利用导致的较低养分浓度以及有限生长季相关。k₆₀₀与流量弱相关，反映了低坡度河网中即使在高流量时气体交换仍受抑制，使得CO₂在低流量期持续累积并维持排放。研究人员提出了一个概念框架：高流量期ER因养分和有机质输入而增强，但k₆₀₀增加有限，排放主要受限于物理交换；低流量期（夏季）气体交换极低，但高温和持续的地下水CO₂供给导致pCO₂累积，形成温和但持续的排放峰值。这一框架强调，农业影响河流的排放动态与地形和CO₂供给过程紧密耦合，而非单纯受洪水事件控制。研究结论指出，低海拔人类影响河流表现出独特的CO₂排放动态，在碳收支评估和模型构建中必须考虑生物驱动因素（如水体代谢）和物理驱动因素（如低k₆₀₀）之间的交互作用，以提高全球碳预算的准确性。