极端降雨下森林土壤 CO?排放的地下水介导分异：流域尺度的水文与微生物视角

《Journal of Hydrology》：Groundwater-mediated divergence in forest soil CO 2 emissions under extreme rainfall: hydrological and microbial perspectives at watershed scale

　　

• •
  地下水流动差异性地驱动森林土壤中的自养和异养呼吸速率。
• •
  极端降雨通过地表径流减少了森林土壤中微生物可利用的碳。
• •
  地下水流量减少可能会促进根系呼吸速率和活性碳的渗出。
• •
  河岸带恢复可能是温带森林碳封存的效策略。

引言

二氧化碳（CO₂）排放是全球变暖的主要驱动力，占观测到的地表温度上升的 60% 以上 (Tierney 等人，2020)。为了缓解这一问题，政府间气候变化专门委员会（IPCC）已将 2050 年实现碳中和设定为一个关键目标 (IPCC, 2021)。森林是这一努力中的关键驱动力，作为主要陆地碳汇，吸收了约 26% 的年度人为 CO₂排放量 (Xu 等人，2023)。为此，中国已启动大规模造林计划，目标是到 2030 年实现 25% 的全国森林覆盖率 (Yu 等人，2022)。然而，气候模型预测极端降雨事件的频率和强度将增加 (Fowler 等人，2021，Ombadi 等人，2023)。这可能会破坏巨大的森林土壤碳库的稳定性——这是陆地碳循环中的关键组成部分 (Peng 等人，2019)。此外，目前对森林土壤 CO₂通量的估计在现有研究和模型中存在高度变异性，这种差异可能会因与气候变化相关的不确定性而进一步加剧 (Jian 等人，2020，Sun 等人，2023)。

土壤 CO₂排放代表异养（主要是微生物分解）和自养（主要是根系呼吸）过程的综合通量 (Hanson 等人，2000)。根际微生物呼吸一直被划分到根系呼吸或微生物呼吸中 (Yi 等人，2007)。虽然温度、湿度等气候因素的影响已得到确立，但土壤有机碳（SOC）生物有效性在调节森林土壤 CO₂排放中的作用在很大程度上被忽视了 (Ni 等人，2019，Sun 等人，2023)。SOC 生物有效性的空间异质性受地形属性和降水模式的控制，这些因素改变了水文流动路径 (Creed 等人，2012，Wang 等人，2023)。这种异质性给评估带来了重大挑战。例如，SOC 的高光谱遥感受到植被冠层和地形变异性的限制 (Gomes 等人，2019，Zhang 等人，2019，Siewert, 2018)。此外，在极端降雨期间，森林树冠和枯枝落叶层的保护功能受损，导致 SOC 的大量分散损失 (Su 等人，2024)。具体而言，土壤水中总有机碳的变化与浅层地下水位的分布密切相关 (Lyon 等人，2011)。

作为森林土壤碳库的高度活性成分，溶解性有机碳（DOC）刺激微生物矿化，从而成为控制土壤 CO₂排放的关键因素 (Wu 等人，2014)。事实上，地下水枯竭可能成为一种重要的碳排放源 (Sun 等人，2026)。虽然水文建模的进展使得流域尺度模拟 DOC 输出的不确定性得以减少，但目前预测陆地碳损失的模型仍然有限 (Geza 等人，2009，Du 等人，2019)。一个主要缺点是它们主要依赖包含 SOC 含量和吸附容量等参数的土壤侵蚀方程。然而，这些模型严重忽略了来自枯枝落叶碳的贡献 (Li 等人，2019)。这种遗漏是重要的，因为森林径流输送着多种陆地有机化合物——从高分子量的腐殖酸和黄腐酸到低分子量（<300 Da）成分 (Franklin 等人，2020，Bai 等人，2023)。与前者高生物稳定性相比，后者可被特定的土壤微生物快速矿化 (Li 等人，2023)。值得注意的是，森林枯枝落叶分解是这些易生物利用的低分子量化合物的主要来源，其排除本质上限制了模型准确性 (Chen 等人，2020)。

量化枯枝落叶碳输出具有挑战性，因为它依赖于高度可变因素，如枯枝落叶产量、分解速率和碳溶解度 (Liu 等人，2024，Walker 等人，2021)。这种不确定性阻碍了流域尺度 DOC 输出和土壤 CO₂排放的准确模拟。虽然广泛使用的模型如土壤和水评估工具（SWAT）可以有效模拟水文动态，但它们往往缺乏代表极端事件所需的机制细节 (Chen 等人，2023)。相比之下，受控降雨模拟实验旨在通过明确考虑土壤 - 枯枝落叶相互作用来表征此类极端条件下 DOC 损失动态。尽管两种方法都有优势，但很少有研究将流域尺度水文建模与极端降雨实验相结合来分析森林土壤 CO₂排放及其潜在的微生物机制。位于黄河重点生态区内的淇河流域（QRB）提供了一个理想的研究区域来解决这一知识空白。虽然历史上暴雨事件主要集中在华南地区，但北方地区现在正经历着破纪录极端降雨事件频率的上升，特别是在小时和日强度方面 (Yan 等人，2023)。QRB exemplifies 了这一趋势，在近几十年经历了更强烈的极端降雨事件 (He 等人，2018，Liu 等人，2023)。

为了填补这一空白，我们的研究整合了 QRB 的流域尺度水文建模、受控降雨模拟实验和实地调查。该研究旨在实现两个主要目标：(i) 表征森林土壤 CO₂排放动态并识别关键水文因素；以及 (ii) 阐明潜在的水文调节及相关微生物机制。这些发现预计将为通过阐明地下水文的关键作用来增强流域森林碳封存提供理论指导，并为改进当前地球系统模型中的水文 - 碳耦合提供科学依据。

章节摘要

研究区域描述

淇河发源于南太行山生态区，流经 176.3 公里后注入渤海（图 1(a)）。QRB（35.53°-36.25° N, 113.25°-114.38° E）位于黄河北部地区，横跨河南和山西的部分地区。其总面积为 2,227.6 km²，其中 86.2% 由丘陵和山地地形组成，海拔范围为 61 至 1870 米。QRB 被指定为中国国家的重点生态区

森林站点年均碳交换的年际趋势

三个森林站点总初级生产力（GPP）的平均年变化率为 36.55 g C m^?2 yr^?1 (P < 0.01，图 4(a))。相比之下，生态系统呼吸（ER）以显著较低的平均年增长率 19.72 g C m^?2 yr^?1 增加 (P < 0.01，图 4(b))。在 ER 的时间轨迹中也观察到了类似的上升趋势，其增长率为 4.33 g C m^?2 yr^?1 (P < 0.05，图 4(c))。R_auto 和 R_hete 表现出相反的趋势，其中前者以 32.21 g C m^?2 yr^?1 的平均速率增加，而

水文因素对森林土壤 CO₂排放的双重调节

我们的研究阐明了森林土壤 CO₂排放的关键动态，揭示了 R_auto 和 R_hete 不同的调节机制。观察到的 R_auto 年度增加（32.21 g C m^?2 yr^?1）与 R_hete 的减少（?12.49 g C m^?2 yr^?1）形成了鲜明对比，突显了它们不同的环境敏感性（图 4(d) 和 (e)）。虽然 R_hete 对土壤湿度和碳可用性表现出更大的敏感性，但 R_auto 与植物生产力和根系活动耦合更紧密（

结论

本研究使用水文建模、模拟降雨实验和现场采样全面调查了 QRB 森林土壤 CO₂排放动态及其潜在机制。结果揭示了地下水流动与 R_auto 和 R_hete 之间呈显著正相关，地下水流动解释了它们 46.6% 的变异性。多项式模型最好地捕捉了 R_microbe 和 R_root 对地下水流动的响应 (P < 0.01)。森林土壤 CO₂排放表现出

CRediT 作者贡献声明

Pengtao Wang: 写作 – 原稿，可视化，方法论，调查，概念化。Bairui He: 调查。Huihui Han: 调查。Jun Zhang: 方法论。Fei Yu: 概念化。Xin Wang: 监督。Yidi Wang: 可视化。Shaoqing Liu: 监督，方法论。

竞争利益声明

作者声明他们没有任何已知的竞争经济利益或个人关系，可能会影响本文中报告的工作。

致谢

本研究得到了 国家自然科学基金（批准号 42407615）和 河南省自然科学基金（批准号 32371609）和 河南省杰出青年基金（批准号 252300421248）和 山东省自然科学基金（批准号 ZR2023QD082），以及 滨州学院 科学研究基金（批准号 2023Y11）的资助。

Pengtao Wang|Bairui He|Huihui Han|Jun Zhang|Fei Yu|Xin Wang|Yidi Wang|Shaoqing Liu