北方泥炭地CO2通量驱动因素再探：水位-温度交互依赖性

《Nature Communications》：Drivers of northern peatland CO2 fluxes revisited: interacting water level-temperature dependency

　　

摘要翻译
泥炭地是最大的陆地有机碳库，但排水已使其成为CO₂的重要来源。虽然水位被广泛认为是泥炭地CO₂排放的主要控制因素，但有效的未来管理需要了解其在气候变暖背景下与升高的温度的相互作用。研究人员利用温带和北方泥炭地276个站点年的年CO₂通量观测，应用可解释机器学习来解析有效地下水位深度（WTD_e）和温度对生态系统CO₂交换在年尺度上的联合影响。在涵盖多种土地覆盖类型（包括自然富营养沼泽（fen）和贫营养泥炭沼泽（bog）、农田、草地和开采地）的泥炭地中，CO₂排放对有效地下水位深度呈现非线性响应。当地下水位提升到60-75厘米深度以上时，排放下降。最佳减缓要求地下水位达到20厘米或更高。研究人员发现深层地下水位与温度相互作用，在温带站点增加排放。在113个站点年的日CO₂通量数据子集上，研究人员表明在温暖温度下，较高的地下水位抑制温度驱动的泥炭地CO₂排放，而较深的地下水位则增强这种排放。研究人员证明水文过程调节泥炭地碳释放的温度敏感性，揭示了未来变暖下碳-气候反馈的关键控制因素。

论文解读文章

泥炭地是地球上最大的陆地有机碳库，储存约600 Gt C，仅占陆地面积的3%，其中约87%位于温带和北方地区。在原始积水状态下，缺氧限制了分解速率，使泥炭形成植被能够在数千年内积累并储存碳。然而，约10%的全球泥炭地因排水用于泥炭开采、林业或农业而退化，在中欧等人口密集区域，几乎全部泥炭地都受到扰动。排水使泥炭暴露于氧气，加速微生物分解并释放CO₂，估计占人为温室气体（GHG）排放总量的2%–5%。欧盟自然恢复法已设定到2030年在30%的排水泥炭地实施恢复措施的目标。通过再湿润将地下水位提升并稳定在接近地表，被广泛视为减少CO₂排放的最有效措施。然而，未来排放轨迹不仅取决于再湿润的程度与成效，还取决于其与气温升高和日益极端气候条件的相互作用。现有经验性和过程模型大多强调水文的主导作用，提出CO₂排放与有效地下水位深度（WTD_e）之间呈线性或非线性关系，但这种关系在较大尺度上仍未得到充分量化，尤其缺乏对水位与温度交互效应的系统评估。因此，研究人员开展了本研究，旨在量化WTD_e、空气温度（TA）及其交互作用对泥炭地CO₂通量的影响，并考虑土地覆盖类型、太阳辐射和叶面积等额外驱动因素。

研究人员汇编了1999—2023年间覆盖温带和北方泥炭地的114个站点、共276个站点年的年CO₂收支数据，土地覆盖类型包括自然沼泽和泥炭沼泽、开采地、农田和草地。其中177个站点年采用涡度协方差法测量，99个站点年采用（自动）箱法测量。对于每个站点，研究人员匹配了相应的WTD_e、TA、短波辐射（SWIN）和遥感叶面积指数（LAI）。应用可解释机器学习（XML）框架识别关键预测因子及其非线性效应。为了捕捉年尺度可能掩盖的过程，研究人员进一步分析了19个未管理泥炭地站点（113个站点年）的高频涡度协方差CO₂通量数据，进行日尺度分析。通过整合年尺度和日尺度视角，研究揭示了水文和热力条件如何共同调节泥炭地CO₂通量，并识别了变暖和变干共同加剧碳损失的阈值。该研究发表在《Nature Communications》上。

主要技术方法包括：研究人员构建了包含年CO₂收支、气候和遥感数据的多站点数据库；使用参数化回归模型（线性、Gompertz、LOESS）和线性混合效应模型评估WTD_e与净生物群系交换（NBE）的关系；采用XGBoost机器学习模型，以TA、WTD_e、SWIN、LAI和站点ID为预测因子，并利用SHAP（Shapley Additive Explanations）值解析各驱动因子的效应及交互作用。对于日尺度分析，研究人员从ICOS、AmeriFlux等开放网络和站点负责人处获取19个泥炭地点的涡度协方差数据，经过统一的质量过滤和XGBoost缺口填补后，应用相同的XML框架进行季节动态和交互效应分析。

研究结果分为三个部分。首先，在地下水位深度响应函数及其局限性方面，基于114个站点的年平均数据，非线性模型（Gompertz和LOESS）的拟合性能（R2=0.39）优于线性模型（R2=0.27），表明排放随WTD_e增加至40–80 cm深度时达到峰值，之后则略有下降。对于未收获站点，线性与非线性模型表现相近，但深排水样本仅四个，代表性不足。这一非线性响应挑战了线性模型对所有水文条件下CO₂通量的适用性，并强调需要更多针对特定条件的观测数据。

其次，在可解释机器学习量化水位与温度交互效应方面，XML模型在测试数据上的R2达0.71。WTD_e是首要预测因子，占标准化特征重要性的42%±2%，其次是TA（17%±1.7%）、SWIN（15%±1.4%）、LAI（14%±1.2%）和站点ID（13%±1.4%）。WTD_e的边际效应显示排放增加直至约70 cm深度，排放由减少转为增加的阈值位于25–30 cm深度。这意味着地下水位深于20–30 cm会导致排放持续升高，而只有高于60–70 cm才能产生减排效应。TA的效应在约7.9°C处出现明显转折：在较冷站点TA效应较小或为负，在较暖站点则转为正效应。TA-WTD_e交互效应表明，在温暖站点（TA>7.9°C）且WTD_e深于约45 cm时，交互项几乎持续为正，说明深水位与温暖条件联合作用会放大排放；而在寒冷站点（TA≤7.9°C），深于30 cm时交互效应主要为负，表明寒冷条件下水位驱动的排放响应可能被削弱。不过，北方深排水草地和农田站点仅7个站点年，数据不确定性较高。

第三，在保持高水位缓冲高温下的排放增加方面，基于19个未管理泥炭地113个站点年的日尺度涡度协方差数据，XML模型的R2为0.68。日尺度上SWIN和LAI是最强的环境预测因子，分别占35%和18%的标准化重要性，而站点ID占31%，凸显了植被覆盖和泥炭类型等站点属性对建模的重要性。季节动态分析显示，温度效应在春季和初夏减弱并促进碳吸收，而在夏末和秋季转为增强排放。水位在9月（通常水位最低）产生增强排放效应，并与温度的强排放增强效应叠加，共同放大CO₂释放。SHAP交互值分析进一步揭示，在温暖温度（约10°C以上）和浅水位（<20–30 cm）条件下，温度与水位深度交互为负效应，即高水位抑制排放；而在深水位条件下，交互转为正效应，即深水位与高温共同加剧排放。该交互效应在113个站点年的原位观测中一致存在，表明维持近地表水位不仅通过减少有氧泥炭体积直接降低排放，还可能缓冲气温升高对CO₂排放的影响。

在讨论部分，研究人员指出当前数据在北方深排水草地和农田站点方面存在明显空缺，仅有7个站点年满足TA<7.9°C且WTD_e>50 cm，导致深水位与低温交互效应估计的高不确定性。因此，应在地理和土地覆盖类型代表性不足的区域（如荷兰NOBV、英国GHG通量网络）建立更多观测站点。未来的温室气体观测系统应优先填补地理和生态系统层面的数据缺口，开展针对性采样，并扩展协同观测网络，以确保最具政策相关性和代表性不足的泥炭地状况得到系统监测。研究结论可归纳为：泥炭地CO₂排放对有效地下水位深度呈非线性响应，排放峰值出现于排水深度40–80 cm；地下水位需保持在20 cm以上才能有效减缓排放；水文条件调节泥炭地碳释放的温度敏感性，浅水位能够缓冲升温驱动的排放增加，而深水位则与高温协同加剧碳损失。这些发现为改进排放估算和指导气候变化背景下的再湿润与恢复策略提供了关键信息。