基于涡度相关和遥感数据的祁连山碳交换信号

《iScience》：Signal of carbon exchange in Qilian mountain based on eddy covariance and remote sensing data

　　

气候变暖威胁着青藏高原（Qinghai-Tibet Plateau, QTP）的碳汇功能，尤其是其东北边缘的祁连山（Qilian mountains, QLMs）。研究人员将2011-2022年间来自5个海拔3000-4200米站点的涡度相关（eddy covariance, EC）观测数据与遥感（remote sensing, RS）数据相结合，以评估碳汇动态。涡度相关数据得出的平均净生态系统生产力（net ecosystem productivity, NEP）为311.2 g C m^-2 year^-1，而遥感数据为185.3 g C m^-2 year^-1。NEP趋势随海拔变化。在约3700米以上，NEP可能增加，而较低海拔则呈现混合信号。总体而言，总初级生产力（gross primary productivity, GPP）的增长速度快于生态系统呼吸（ecosystem respiration, Re），导致净NEP增加8.6 ± 4.3 g C m^-2 year^-2。尺度上推的塔站估算表明区域碳吸收为6.25 × 10¹⁰ kg C year^-1，而遥感估算为3.72 × 10¹⁰ kg C year^-1。这一巨大的碳汇可以显著降低实现碳中和的成本。

**论文解读**

**研究背景与问题**
青藏高原（Qinghai-Tibet Plateau, QTP）被称为“第三极”，是重要的陆地碳汇，储存约160 Pg C的碳，占北半球总碳储量的8.7%。然而，该区域正以每十年0.12°C的速度变暖，是全球平均速度的两倍，这可能导致永冻土退化，加速碳释放，危及碳汇功能。祁连山（Qilian Mountains, QLMs）位于青藏高原东北边缘，是典型的植被-沙漠过渡带，受西风带、高原季风和东亚季风共同影响，永冻土退化更为显著。当前研究尚不清楚该区域碳源汇的平衡状态，特别是碳吸收（如植被变绿和生长季延长）与碳释放（如永冻土融化、呼吸温度敏感性）之间的权衡。因此，开展这项研究以量化祁连山碳汇能力的变化趋势、海拔依赖性及其环境驱动因素，并评估地面观测与遥感数据的一致性，为理解气候变化下高寒碳汇的脆弱性和稳定性提供新见解。该论文发表在《iScience》。

**主要技术方法**
研究人员利用2011-2022年祁连山5个站点的开路涡度相关（open-path eddy covariance, OPEC）系统（包含三维超声风速仪CSAT3和开路红外气体分析仪Li-7500）获取30分钟通量数据，经过异常值剔除、时间延迟校正、双坐标旋转、频率响应补偿以及WPL（Webb-Pearman-Leuning）校正等预处理。采用光响应曲线（矩形双曲线）和指数关系将净生态系统碳交换（NEE）分割为总初级生产力（GPP）和生态系统呼吸（Re），并定义净生态系统生产力（NEP）=-NEE。遥感数据使用MODIS GPP产品（MOD17A2H/MYD17A2H，8天累积）和基于随机森林的Re数据集（ReRSM），以及MODIS NDVI产品（MOD13A2）。环境因子（气温、土壤温度、降水、土壤水分、光合有效辐射、相对湿度）来自同步监测。统计方法包括季节性趋势分解（STL）、斯皮尔曼秩相关、结构方程模型（SEM）和普通最小二乘线性回归。样本来源：祁连山5个站点（AR、HBM、YK、DSL、HS，涵盖草甸、沼泽草甸和灌木），数据来自国家青藏高原科学数据中心和黑河综合观测网络。

**研究结果**

**观测期间净生态系统生产力趋势特征**
通过涡度相关数据，研究人员发现所有站点在研究期间均表现为净碳汇，年平均NEP为311.2 ± 127.9 g C m^-2 year^-1。其中，沼泽草甸（DSL）的NEP最高（351.1 ± 54.3 g C m^-2 year^-1），其次是草甸（273.1 ± 80.7 g C m^-2 year^-1）和灌木（238.6 ± 61.3 g C m^-2 year^-1）。NEP年均增长率为8.6 ± 6.7 g C m^-2 year^-2（p < 0.05），其中HS增长最快（14.7 g C m^-2 year^-2），HBM最慢（5.6 g C m^-2 year^-2）。生态系统呼吸（Re）也呈增加趋势，平均增长率为7.5 g C m^-2 year^-2。在月尺度上，DSL全年NEP最高，春季NEP对年贡献显著，夏季NEP增长率为1.6 ± 0.51 g C m^-2 month^-1 year^-1。秋季NEP趋势因站点而异，DSL和YK显著上升，其他站点下降。冬季NEP总体稳定，HS碳排放最高，DSL仍为弱碳汇。

**净生态系统生产力时间序列特征**
通过STL分解，研究人员发现NEP长期趋势呈海拔梯度：高海拔站点（YK 4148 m，DSL 3739 m）NEP月值最高且增长最显著（DSL从26.6增至38.9 g C m^-2 month^-1），中海拔站点（HBM 3250 m，HS 3180 m）中等增长，低海拔站点（AR 3033 m）增长最缓。短期残差显示高海拔站点波动最大（YK：-8.5至+12.5 g C m^-2 month^-1；DSL：-17.3至+22.4 g C m^-2 month^-1），对环境变化敏感。环境驱动分析表明，归一化植被指数（NDVI）显著驱动NEP（R_st. = 0.46，p < 0.05），高海拔站点单调性增强。温度是关键限制因子，与NEP呈单调关系，且敏感性随海拔升高而增加。降水显著增强碳汇能力（p < 0.05），土壤水分在沼泽草甸和灌木站点显著相关。结构方程模型（SEM）证实水热因子（温度、降水、土壤水分）和植被协同促进NEP，温度是首要限制因子，高海拔站点NEP对环境变化更敏感。

**基于遥感数据的信号解读**
研究人员对比了遥感数据与涡度相关观测，发现Re遥感数据与塔站数据匹配最好（斜率0.8483，R²=0.73），GPP次之（斜率0.6502，R²=0.71），NEE低估（斜率-0.4759，R²=0.54）。2001-2020年遥感数据显示，GPP、Re、NEP均值分别为469.2 ± 40.1、284.8 ± 65.7、185.3 ± 44.3 g C m^-2 year^-1，均呈增加趋势，GPP增长率最快（3.49 g C m^-2 year^-2），且GPP增长显著快于Re，与涡度相关信号一致。在重叠期（2016-2020），涡度相关NEP增长率为1.49 g C m^-2 year^-2，遥感为1.03 g C m^-2 year^-2，两者趋势一致但数值差异源于空间代表性：涡度相关站点位于均质高生产力草甸，遥感像素包含大面积稀疏植被和荒漠，因此区域平均NEP较低。区域尺度上，碳汇从西北向东南递增，与NDVI显著相关。

**与其他生态系统比较**
与青藏高原其他类似生态系统对比，研究人员发现本研究草甸（AR、YK、HBM、DSL）的NEP显著高于高原腹地和西部草原（后者NEP为-31.1至-1.5 g C m^-2 year^-1），且高于东部和腹地草甸（约为本研究值的60%-80%）。青藏高原不同生态系统类型碳汇范围为50-600 g C m^-2 year^-1，湿地和湖泊生态系统NEP为258.3 ± 56.1 g C m^-2 year^-1，与本研究站点相近。

**讨论与结论**
讨论部分指出，高海拔站点NEP增强最显著，但短期变异性也最大，表明高海拔生态系统对气候变化高度敏感，未来暖湿化可能进一步促进碳汇，而干旱事件则可能削弱。降水与NEP的正单调关系证实湿润化有利于碳固定，机制包括抑制好氧呼吸和促进植被生长。海拔梯度上NEP增强的原因包括生长季延长和底物限制（高海拔土壤有机碳低，微生物分解受限）。灌木生态系统（HS）碳交换速率最高，因其生长快但周期短，碳储存时间短且易分解；草甸净碳吸收率更高，但排放率较低，归因于更长的生长周期。干旱胁迫会降低碳固定并增加呼吸，AR站点干旱季节的负偏差支持这一观点。

研究结论为：基于连续开路涡度相关观测数据，祁连山东北边缘是中等且显著的净碳汇，涡度相关NEP均值为311.2 ± 127.9 g C m^-2 year^-1，遥感估算为185.3 ± 44.3 g C m^-2 year^-1。区域总NEP分别为6.25 × 10¹⁰ ± 2.57 × 10¹⁰ kg C year^-1（涡度相关）和3.72 × 10¹⁰ ± 1.3 × 10¹⁰ kg C year^-1（遥感），差异源于空间代表性。这一巨大碳汇有助于实现碳中和，减少对昂贵工程碳移除技术的依赖，并降低生态系统退化带来的长期社会经济成本。