亚热带城市湖泊与河流CO2气体通量特征及其影响因素*

刘纪明,赵 优,肖启涛,屈 琦,胡又心,李郑杰,易心钰,卢伟志**

(1:中南林业科技大学生命科学与技术学院,长沙 410004)(2:中南林业科技大学南方林业生态应用技术国家工程实验室,长沙 410004)(3:中国科学院南京地理与湖泊研究所,中国科学院流域地理学重点实验室,南京 210008)(4:湖南省植物园,长沙 410000)(5:湖南长株潭城市群森林生态系统国家定位观测研究站,长沙 410116)

河湖等内陆水体的二氧化碳(CO2)排放与吸收是全球碳循环的重要过程[1],其向大气排放的CO2量可相当于全球海洋和陆地的汇[2],而现如今内陆水体CO2通量的研究对象多集中在湖泊、水库、河流及河口[3-6]等大型自然水域,城市水体研究较少。已有研究表明内陆水体CO2排放高达2.1 Pg C/a[7],是陆地生态系统温室效应的重要贡献者[8],超过90%来自湖泊与河流[1],其中,城市湖泊CO2排放高于非城市湖泊,城市河流的CO2排放是非城市河流的2倍[9-10],城市水库CO2排放量是非城市的3倍[11],可见城市水体CO2排放在区域和全球碳循环过程中至关重要。

相对于自然水体而言,城市水体多为缓流或静止水体、水深相对较浅,加上人类活动向城市水体输入大量营养盐和有机物导致其自净能力差[12-13]。一方面水体营养物质的大量输入会进一步刺激微生物活性和新陈代谢,导致水体中产生大量的CO2[14-16],所以城市水体常被认为是CO2的排放源;另一方面水体营养物质增加也有利于浮游植物的生长,通过光合作用,消耗和吸收CO2,减少了CO2排放[10, 17]。因此城市水体的碳源汇角色及其驱动机制需要更一步探究。

目前水-气界面CO2通量的测定包括扩散模型法、通量箱法、倒置漏斗法以及微气象法[18],其中通量箱法和扩散模型法由于价格低廉、操作简便、测定区域广阔,目前应用最广泛[17-19],且被认为估算结果更接近实际排放强度[20]。但扩散模型法受风速制约,研究结果通常变异较大且需进一步优化模型,而通量箱法每个点需要花费大量的时间采集气体,不便于进行大面积的温室气体监测,且受到许多因素的影响,例如箱体扰动、箱体内外温差、箱内气压变化、箱体大小以及箱内气体混合程度等[21-22]。已有对城市水体研究发现扩散模型法计算出来的CO2通量明显高于通量箱法[19,23],而也有研究得出不同的结果[24]。在此背景下,本研究对通量箱法进行技术改进,耦合光化学反馈-腔增强吸收光谱技术形成新的通量箱测定方法OF-CEAS,该方法相较于传统通量箱法具有便携、现场监测、测量速度快、测量频次高等优点,形成了与扩散模型法可比较的空间覆盖的特点。

长沙作为长江中游地区重要中心城市,是典型的亚热带季风区城市之一,据2022年长沙统计年鉴显示,2021年长沙市降雨量1390.8 mm,年平均气温18.9℃,具有降水充沛和雨热同期的特点。长沙市河湖水系完整,河网密布,市区水域面积占比高达18%,同时湘江长沙段和长沙市众多湖泊具有典型亚热带城市水体的特点,水体受到农业源、工业源、生活源等污染,对温室气体总量的估算影响不可小视。因此本研究以长沙城市水体为例,采用OF-CEAS法和扩散模型法对城市湖泊与河流CO2通量进行对比研究,探究不同季节和2种方法间CO2通量差异,揭示CO2通量的时空变化特征及其控制要素。研究结果可揭示亚热带城市水体湖泊与河流的CO2产生和城市水体CO2通量的时空变化特征及其与水环境间的相互关系。

1 材料与方法

1.1 采样点布设

于2022年4和10月选择晴天对长沙城市湖泊和湘江长沙段水体CO2通量进行测定,每次采样和测定持续时间为3～4 d,采样点设置见图1。通过权衡测定安全距离与样点的代表性,本研究所有采样点均离岸距离3 m以上。其中湖泊包括西湖(28°13′N, 112°56′E)、洋湖(28°08′N, 112°55′E)、月湖(28°14′N, 113°02′E)和松雅湖(28°16′N, 113°06′E),湘江长沙段(28°01′～28°18′N, 112°55′～112°57′E)穿长沙城而过,西湖和洋湖位于湘江西侧,月湖和松雅湖位于湘江东侧。本研究的湖泊面积范围在0.6～3 km2,水深在0.5～4 m之间,湖泊中有浮水、沉水、挺水和藻类等植物分布。每个湖泊各选择5个样点,湘江长沙段6个样点,共计26个采样点,每个样点采样3次作为重复,CO2通量测定与采样在9:00-16:00之间进行。

图1 长沙市湖泊和河流采样点分布Fig.1 Distribution of sampling sites of lakes and river in Changsha

1.2 CO2通量测定

CO2通量测定采用光化学反馈-腔增强吸收光谱法(OF-CEAS)和扩散模型法2种方法。在每个采样点现场通过OF-CEAS法进行直接测定获取水-气界面CO2通量(FCO2_OC)。同时使用采水器采集表层10 cm深度的湖水3 L,用60 mL注射器采取水样通过扩散模型法测定扩散通量(FCO2_DM)。

1.2.1 光化学反馈-腔增强吸收光谱法OF-CEAS 该方法是利用智能腔室连接CH4/CO2/H2O微量气体分析仪(美国/LI-COR,LI-7810),同时搭配漂浮板测量水体CO2通量FCO2_OC(附图Ia),智能腔室体积为4244.10 cm3,测量时内无漂浮植物。采用光化学反馈-腔增强吸收光谱技术来测量空气中CO2浓度的变化,智能测量室可以通过连接微量气体分析仪测量CO2气体通量,CO2通量计算公式如下:

(1)

1.2.2 扩散模型法 扩散模型法所测得的扩散通量FCO2_DM是通过表层水体和大气气体浓度差计算水-气界面交换速率而得到[25],每个采样点采集3个水体作为平行样品,水样用60 mL带有三通阀的医用注射器采集,每次采样前润洗3次注射器和采水器,在水中匀速缓慢抽取30 mL水样至注射器。本研究采用水-气界面CO2理论扩散模型计算扩散排放通量[25-27]:

F=k(Cw-Ceq)

(2)

式中,F为扩散排放通量FCO2_DM(μmol/(m2·s)),k为气体交换系数(cm/h),定义为风速和气体施密特数的函数[28],Ceq为大气中CO2浓度(μmol/L),Cw为CO2在表层水体中浓度(μmol/L),根据水-气平衡后采样管顶部CO2浓度和Bunsen系数计算。顶部CO2浓度通过水-气顶空平衡-气相色谱法测定,即向装有水样的注射器注入高纯氮气使注射器上方形成气室,在25℃条件下将注射器水平剧烈振荡20 min,然后静置2 h达到气-液两相平衡[29-30],将上层平衡气体注入密封真空瓶中(12 mL,英国),采用气相色谱仪(美国,安捷伦,Agilent 7890B)于24 h内测定完成。风速采用现场瞬时风速,Bunsen系数使用水温和盐度进行计算矫正,该方法测试示意图参照高洁[31]如附图Ib。

1.3 水环境参数测定

1.4 数据分析

实验数据计算、处理与统计通过Micorsoft Excel 2010和IBM SPSS Statistics 27进行,采用相关性分析方法(Pearson correlations)和单因素方差分析(One-way ANOVA)方法分析数据之间的相关性和差异显著性,且符合检验要求;采用Rstudio(R4.2.1)软件“ggplot2”等包进行CO2通量数据汇总、绘制相关图件;采用ArcGIS 10.4进行采样点位分布图绘制。

2 结果分析

2.1 城市湖泊与河流水环境参数特征分析

湖泊与河流水质特征如表1所示,4个城市湖泊和河流水体pH在7.6～8.9之间,均呈弱碱性。河湖中的DO浓度存在显著季节差异,且河流与除西湖外3个湖泊之间存在显著差异(P<0.05),洋湖的DO浓度在秋季显著大于其他3个湖泊与河流。春季洋湖、西湖和湘江TP浓度显著高于松雅湖和月湖,秋季各湖泊与河流之间TP浓度无显著差异。洋湖的TN浓度在春、秋两季都显著高于其他3个湖泊和河流(P<0.05)。所有湖泊的秋季TOC浓度均大于春季,其中西湖春秋两季之间存在显著差异(P<0.05),且均高于其他湖泊和河流,西湖TOC浓度在春季显著高于松雅湖、月湖和河流(P<0.05),在秋季,其浓度显著高于其他3个湖泊与河流(P<0.05);河流秋季TOC浓度小于春季。湖泊和河流的TIC浓度范围在4.0～25.1 mg/L,均为秋季低于春季,洋湖、西湖以及河流的TIC在春秋季间存在显著差异(P<0.05)。

表1 4个城市湖泊和河流部分水质参数*Tab.1 Water quality parameters of four urban lakes and river

图2 4个城市湖泊和河流水体秋季PC(a)、Chl.a(b)和浓度特征(不同小写字母表示方差分析具有显著性差异,P<0.05) Fig.2 Concentration characteristics of PC (a), Chl.a (b) and (c) in four urban lakes and river in autumn

2.2 城市湖泊与河流CO2通量特征

OF-CEAS法测定湖泊水体CO2通量春季均值为(0.10±0.48) μmol/(m2·s) (n=20),秋季为(-0.16±0.61) μmol/(m2·s) (n=20);河流水体CO2通量春季均值为(1.32±0.65) μmol/(m2·s) (n=5),秋季为(-0.23±0.10) μmol/(m2·s) (n=5)。湖泊的CO2通量表现为春季排放,秋季吸收;河流的CO2通量季节变化显著(P<0.01),春季排放,秋季吸收(图3a)。在春季,河湖之间CO2通量差异显著(P<0.05),洋湖为排放源,其他3个湖泊为汇,且洋湖CO2与其他3个湖泊之间存在显著差异(P<0.05),河流CO2通量与西湖、松雅湖、月湖之间存在显著差异(P<0.05)(图3b)。在秋季,河湖整体表现为吸收,无显著差异,但其中洋湖为排放源,其他3个湖泊为碳汇。洋湖CO2通量与西湖、月湖之间存在显著差异(P<0.05),松雅湖CO2通量与月湖之间存在显著差异(P<0.05)(图3c)。对于湖泊来说秋季CO2通量低于春季都呈现降低的趋势。从季节波动上来看,河流FCO2_OC波动大于湖泊。

图3 城市湖泊与河流CO2通量季节变化(*表示方差分析检验结果P<0.05, **表示P<0.01)Fig.3 Seasonal CO2 fluxes of urban lakes and river

扩散模型法监测到湖泊水体CO2通量春季为(0.02±0.04) μmol/(m2·s) (n=20),秋季为(0.01±0.03) μmol/(m2·s) (n=20);河流水体CO2通量春季为(0.08±0.04) μmol/(m2·s) (n=5),秋季为(-0.0003±0.004) μmol/(m2·s) (n=5)。湖泊的CO2通量季节变化不显著,春秋两季整体表现为弱排放;河流的CO2通量季节变化显著(P<0.05),春季弱排放,秋季弱吸收(图3d)。在春季,河湖之间CO2通量差异显著(P<0.05),洋湖CO2通量排放大于其它3个湖泊,湘江与西湖、松雅湖、月湖之间存在显著差异(P<0.05)(图3e)。在秋季,河湖之间CO2通量差异不显著,湖泊为弱源,河流为弱汇(图3f)。洋湖、松雅湖为碳源,西湖、月湖为碳汇,且洋湖与西湖和月湖之间存在显著差异(P<0.05)。对于4个湖泊来说秋季CO2通量都呈现降低的趋势。从季节波动上来看,河流FCO2_DM波动大于湖泊。

2.3 城市湖泊与河流CO2通量控制要素

表2 秋季城市湖泊与河流CO2通量与部分水环境参数的Pearson相关性Tab.2 Pearson correlation between CO2 flux and water environmental parameters in urban lakes and river in autumn

图4 春秋两季湖泊(a)和河流(b)通量与环境参数相关关系(*表示方差分析检验结果P<0.05, **表示P<0.01, ***表示P<0.001)Fig.4 Correlation significance analysis of parameters and fluxes of lakes (a) and river (b) in spring and autumn

2.4 OF-CEAS法与扩散模型法测定结果比较

OF-CEAS法和扩散模型法测定结果对比表明,2种方法所得CO2通量差异性显著。春、秋两季湖泊的FCO2_OC和FCO2_DM相关性极显著(春季R2=0.48,P<0.001;秋季R2=0.77,P<0.001,图5a),且FCO2_OC大于FCO2_DM。河流的FCO2_OC和FCO2_DM两者之间的相关性不显著(P>0.05)(图5b),且FCO2_OC大于FCO2_DM。2种监测方法在CO2通量结果估算上存在较大差异,无论是春季还是秋季,湖泊与河流的FCO2_DM均小于FCO2_OC。研究结果表明尽管OF-CEAS法和扩散模型法测定结果存在量级上的差异,但2种方法在揭示湖泊与河流源汇问题上有较好的一致性。

图5 湖泊(a)与河流(b)OF-CEAS法和扩散模型法测定结果回归分析Fig.5 Regression analysis of CO2 emission for OF-CEAS and diffusion model observations lakes(a) and river(b)

3 讨论

3.1 城市湖泊与河流CO2通量时空动态与驱动要素

图6 DO、TIC、TN与FCO2_OC及FCO2_DM相关性分析Fig.6 Correlation analysis of DO, TIC, TN with FCO2_OC and FCO2_DM diffusion flux

研究还表明长沙湖泊与河流水体均呈碱性(表1),湖泊水体CO2通量与pH呈显著负相关,pH可通过改变水体中碳酸盐的动态平衡与形态直接影响CO2的排放,当pH值较高时,碳在水中主要以碳酸盐形式存在,水中CO2浓度减小,进而CO2排放减小。DO在一定程度上反映了水体光合作用和呼吸作用的强度,一方面水体中DO浓度越高,表明水体中水生和浮游植物的光合作用越强,溶存的CO2越少,CO2通量越小,当其通量为负值时表现为对CO2的吸收就越强;另一方面,随着DO浓度的升高,水生生物的呼吸作用加强,产生和排放的CO2就增加。本研究中,城市水体CO2通量与DO浓度呈显著正相关(图4和图6),除西湖外其他3个湖泊的DO浓度在秋季增加,且对CO2通量吸收增强,推测在长沙城市湖泊中水生和浮游植物的光合作用可能占主导。而河流春季排放CO2,秋季吸收CO2,且春季水温偏低,DO浓度大于秋季,推测在春季河流可能主要以水生生物呼吸作用占主导,秋季以水生植物光合作用占主导。

3.2 水体CO2通量测定方法对比分析

本研究改进传统的静态箱法,构建基于光化学反馈-腔增强吸收光谱静态箱法与扩散模型法共同监测CO2通量。OF-CEAS法在传统的通量箱基础上进行改进,主要包括:(1)风箱控制的闭合机制,保证气室的放置对每个测量样点的完整性;(2)气室通风口能保证在有风的环境下也能使腔室内外的压强保持平衡;(3)安装的水体环使得水面大小一致确保水体的可比较性。OF-CEAS法通过改进设计允许在多个地点进行快速测量,也可用于对特定应用或实验类型进行长期测量,实现单个现场的多次重复。研究中OF-CEAS法因其腔室设计测定的是水-气界面总通量,而扩散模型法仅估算气体扩散通量,未考虑其他因素,例如植物分布和传输的影响,故OF-CEAS法估算通量高于扩散模型法,这与之前研究结果相似[46-47]。Duchemin等[20]在加拿大魁北克北部2个水库的研究中发现,漂浮箱法测定的CO2通量比扩散模型法高1.6～4倍;Vachon等[47]认为箱法造成的通量高估会随着风速的增加而降低,当风速大于4 m/s时,两者估算结果趋于一致。本研究区位于城市,城市周边的建筑物导致风速大小有很大的不确定性,加之浮游植物快速繁殖导致水体碳酸盐平衡体系向着碱性方向转变[48],因此基于碳酸盐平衡体系和风速模型的扩散模型估算的结果偏低。

本研究中湖泊上CO2通量2种方法的相关性显著强于河流水体(图5)。对于湖泊来说,由于面积较小,水体属于静态水体受风浪影响较小,所以2种方法研究结果存在一致性,表明2种方法在城市湖泊CO2气体排放中具有较好的适用性;对于湘江这种具有通航功能的河流来说,水体属于缓流动态水体,加之受到风浪或航运的影响极大地改变了河道的水动力学,从而影响CO2通量结果,2种方法研究结果一致性不高,当然其他因素譬如水生植物分布等也是影响两者不一致的重要原因。

3.3 国内外湖泊与河流水-气界面CO2通量对比

通过对长沙城市湖泊与河流CO2通量的研究发现,城市水体不同湖泊与河流之间存在较大的空间变异性。由表3可知,不同的气候地区和不同的监测方法都会导致CO2通量估算值存在差异。2种方法测得的长沙城市湖泊与河流CO2通量比同为亚热带地区的巢湖流域的河流排放低[9],略小于属于热带草原气候的赞比西盆地的河流,高于寒带南极洲的湖泊。OF-CEAS法测得的CO2通量与亚热带上海淀浦河和苏州河相近,与温带的内蒙古,东北地区的湖泊相近。扩散模型法测得的CO2通量值与亚热带阿根廷中东部湖泊、武汉东湖、加拿大Wascana Lake、西班牙南部Guadalcacín Lake,以及温带长春的南湖、北湖、地理所内湖、美国威斯康星州Mendota Lake值相近。以往对不同类型的湖泊与河流水面CO2通量研究表明,植被覆盖、气候和人类活动对城市地区的CO2通量有显著的影响[49]。同时湖泊与河流的海拔、面积大小、水深、水表湍流和富营养化等影响也不容忽视,对东北地区95个湖泊的研究表明城市湖泊CO2通量高于非城市地区且CO2的平均排放量随着湖泊面积的增加而下降。在巢湖流域,城市河流CO2排放大于非城市地区的河流。由表3可知,整体来说富营养化程度越高会导致水体CO2排放增加,但同时也有富营养化水体对CO2表现出吸收的状态,这可能与水中水生生物类型和初级生产强度等水体环境差异有关。因此,对亚热带乃至全球内陆水体温室气体的评估不仅要考虑河湖等水体本身所处区域的不同以及面临的环境问题,还需要考虑监测方法的准确性、普适性、监测频次的统一以及更大更多区域尺度的研究。

表3 不同湖泊与河流水-气界面CO2通量值Tab.3 CO2 flux at the water air interface of different lakes and rivers

4 结论

对长沙市城市湖泊与河流水-气界面CO2通量研究表明,长沙城市湖泊与河流之间CO2通量春季差异显著(P<0.05),且城市河流的水-气界面CO2通量呈显著季节差异(P<0.05)。整体来说,河流与湖泊春季为排放源(FCO2_OC=(0.34±0.72) μmol/(m2·s))(n=25),秋季为吸收汇(FCO2_OC=(-0.17±0.55) μmol/(m2·s))(n=25)。CO2通量与水体溶解氧、水体总氮、总无机碳浓度等呈显著正相关(P<0.05)。2种方法的对比研究在湖泊具有显著相关(P<0.05),但在河流相关并不显著,表明未来需要开展不同观测方法的比较以及不确定性来源解析,研究结果对未来内陆水体的碳排放研究具有重要意义。

5 附录

附图Ⅰ见电子版(DOI: 10.18307/2024.0227)。