源头溪流生态系统：大气中温室气体的重要来源

第190卷，2021年2月15日，116738

作者链接打开叠加面板

全球碳和氮循环的人为干扰导致大气温室气体（GHG）浓度迅速增加，尤其是二氧化碳（CO2）、甲烷（CH4）和一氧化二氮（N2O）；并引发了一系列环境问题，如全球变暖（Ciais和Sabine，2013年）。准确量化GHG的来源和汇被确定为当前识别减缓和管理全球变暖潜在途径的关键任务（Griscom等，2017年；Walsh等，2017年）。大多数传统调查认为全球河流生态系统是陆地碳（C）和氮（N）的重要汇，这些物质可能通过河流网络被输送到相邻的海洋中（Boyer等，2006年；Regnier等，2013年；Li等，2017年）。然而，越来越多的证据表明，尽管其表面积较其他生态系统（陆地和海洋生态系统）小，全球河流生态系统是GHG的重要来源（Cole等，2007年；Bastviken等，2011年；Quick等，2019年）。河流温室气体排放的规模和空间变化已成为当前研究的焦点之一，但不幸的是，仍然笼罩在不确定性中（Raymond等，2013年；Hu等，2016年；Stanley等，2016年）。

在过去的几十年里，许多现场调查和数据集编制旨在量化河流温室气体排放对全球温室气体预算的贡献，并探索不同温室气体成分的空间变化（Bastviken等，2011年；Raymond等，2013年；胡等，2016年；Stanley等，2016年）。例如，Raymond等（2013年）采用了新方法对全球河流的表面积、气体传输速度和CO2分压（_p_CO2）进行了个体模拟，并最终估计全球河流生态系统每年向大气排放约1.8 Pg C。另一项全球综合研究表明，大多数河流生态系统CH4过饱和，并每年向大气释放约26.8 Tg CH4（Stanley等，2016年）。对于N2O，最近的一项研究采用了IPCC方法，通过将人为N负荷乘以相应的排放因子来计算N2O排放速率，并估计全球河流的总N2O排放量为46.5-55.5 Gg N2O/年（胡等，2016年）。总的来说，这些研究系统评估了河流温室气体排放的规模和空间模式，并确立了河流系统对全球温室气体排放的重要贡献。然而，关于当前全球估算存在较大的不确定性，可能是由于方法偏差、数据稀缺以及对驱动全球尺度河流温室气体排放的环境因素了解不足所致。

全球河流温室气体估算面临的挑战之一是确定影响大规模河流温室气体排放的关键环境因素。每种温室气体（CO2、CH4和N2O）的生物、化学和物理过程各不相同，因此受到多样化的环境因素驱动。魁北克进行的超过八年的野外调查表明，陆地溶解有机碳（DOC）浓度与水体CO2排放之间存在强烈相关性（Lapierre等，2013年）。除了陆地碳输入外，其他环境因素如年降水量、流速和风速也可能是影响河流CO2排放的重要因素（Butman和Raymond，2011年；Raymond等，2013年；Li等，2019年）。先前的研究表明，河流CH4主要由产甲烷菌在厌氧沉积物中形成，并在释放到大气之前迅速被甲烷氧化菌氧化（Comer-Warner等，2018年；Borges等，2019年）。因此，沉积物碳储存和溶解氧（DO）浓度在河流CH4的产生和消耗中起着关键作用。此外，河流CH4排放可能受到其他因素的影响，例如水/沉积物温度、营养状态和风速（Guérin和Abril，2007年；Stanley等，2016年；Wang等，2018年）。与CO2和CH4相比，河流N2O排放与人为氮输入更相关，包括农业氮肥或工业富含氮废水（Yu等，2013年；Turner等，2015年）。同时，作为两种微生物过程的副产品，硝化（NH4+转化为NO3−）和反硝化（NO3−转化为N2O最终为N2）产生的河流N2O受到其他环境条件的影响，如DOC、pH和DO（Rosamond等，2012年；Mekonnen和Hoekstra，2015年）。控制河流温室气体排放的关键因素可能因研究区域或尺度而异。例如，Hotchkiss等人（2015年）发现，小河流的河流CO2排放主要受到陆地来源的CO2输入的影响，但随着河流规模增大，逐渐更多地受到水体内部代谢的影响。先前的研究也报告了河流CH4和N2O排放的类似发现（Marzadri等，2017年；Borges等，2019年）。全球控制河流温室气体排放的环境因素仍然复杂且不明确。

有趣的是，一些最近的研究报告指出，河流温室气体排放的数量可能与河流级别相关。Butman & Raymond（2014）根据美国地质调查局（USGS）的4,138个水文站的现场测量数据库，确定了河流_p_CO2和河流级别之间相同的反向依赖关系。根据2010年至2017年的长期现场调查，Marescaux等人（2018）发现塞纳河不同河流级别之间的温室气体（CO2、CH4和N2O）排放存在显著变化。类似地，GHG通量和河流级别之间的依赖关系也观察到在美国玉米带和刚果河网络的河流中（Turner等人，2015；Borges等人，2019）。然而，全球范围内随着河流级别增加而变化的河流温室气体排放情况仍然未知。这些研究可能提供一些理论见解，从而基于可能在全球范围内识别河流温室气体排放与河流级别之间的负面或正面相关性，实现全球河流温室气体排放的同时量化。

在这项研究中，我们旨在量化全球河流温室气体排放的规模和空间变化，并讨论其中的基本机制。我们建立了一个全球数据库，记录了来自642条河流的温室气体测量数据，并探讨了全球河流温室气体排放的空间模式及其与环境因素（如溶解氧、DOC等）的关系。我们还旨在提供全球河流温室气体排放的新估算。

Section snippets

我们通过搜索包括‘CO2’、‘CH4’、‘N2O’和‘river’或‘stream’等关键词，从1974年至2019年发表的研究中，整理了全球河流生态系统（即小溪、河流）的温室气体排放观测数据（包括浓度、分压和通量），使用了谷歌学术、科学引文索引和中国知网数据库（中国国家知识基础设施，http://www.cnki.net/）。因此，这一全球数据库包括208篇发表的文章中，595条河流的5948个生态系统温室气体测量数据。

全球河流温室气体（CO2、CH4和N2O）通量表现出很高的变异性（图1）。全球平均河流CO2、CH4和N2O通量分别为441.1±36.3毫克CO2/m2小时、5.6±0.4毫克CH4/m2小时和0.2±0.02毫克N2O/m2小时。在不同类型的生物群落中，苔原地区的CO2通量最高（1538.3±398.0毫克CO2/m2小时）。热带地区的河流CH4和N2O通量最高（分别为10.3±1.3毫克CH4/m2小时和0.2±0.02毫克N2O/m2小时）。平均

本研究报告了源头溪流生态系统作为全球温室气体排放的重要组成部分。高浓度营养物质（DOC、DIC和NO3−）的输入以及低溶解氧水平共同刺激了源头溪流的温室气体排放。此外，全球河流生态系统的温室气体排放可能具有抵消陆地碳（或海洋）汇的气候效益的潜力，这一可能性尚未充分纳入地球系统模型中。未来

作者声明他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作。

本工作得到第二次青藏高原科学考察研究项目（2019QZKK060602）、国家重点研发计划（2017YFA0604803）和中国自然科学基金（31988102）的支持。我们要感谢 Editage（www.editage.cn）提供的英文语言编辑。编制的全球数据库可在附录B中找到，其中包含河流温室气体测量和相关环境信息（例如溶解氧、溶解有机碳、溶解无机碳等）。任何支持本研究的额外数据'

H.M. Baulch 等
J.J. Beaulieu 等
J.J. Beaulieu 等
A. Borges 等
E.W. Boyer 等
D. Butman 等
Ciais, P. & Sabine, C. in Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth...
J.J. Cole 等
S.A. Comer-Warner 等
J.T. Crawford 等
B.R. Deemer 等
L. Esters 等
B.W. Griscom 等
F. Guérin 等
S.E. Hinshaw 等
E. Hood 等
E.R. Hotchkiss 等
M. Hu 等
B. Jähne 等

河流在河网中增加温室气体（GHG）排放中起着不成比例的重要作用。在全球城市化背景下，越来越多的河流受到城市化的影响，这被认为会刺激河流系统的水-空气GHG排放。本研究调查了正在经历城市化的源头河流九乡河的GHG（N2O、CH4和CO2）浓度的季节性和纵向特征，并利用边界层方法估算了其GHG扩散通量和全球变暖潜势（GWPs）。结果显示，九乡河中的N2O、CH4和CO2浓度分别为0.45-7.19 μg L−1、0.31-586.85 μg L−1和0.16-11.60 mg L−1。九乡河中的N2O、CH4和CO2浓度分别从上游到下游增加了4.55倍、23.70倍和7.68倍，与流域内的森林-城市过渡相对应。多元线性回归表明，NO3−-N、NH4+-N和DOC:NO3−-N准确预测了N2O和CO2浓度，表明N营养物质是驱动因素。九乡河是大气GHG的来源，平均每天的GWP为7.31 g CO2-eq m−2 d−1，并且与子流域中建设用地和森林比例显著正相关。本研究突出了城市化在放大河流GHG排放中的关键作用，从而增进了我们对河流网络GHG排放的理解。随着全球城市化的增长，经历城市化的河流未来预计将对河流GHG预算产生前所未有的重要贡献。

河流和水库生态系统被认为是温室气体（GHG）排放的热点，而它们特定的水文和生物地球化学过程影响着GHG浓度；然而，很少有研究整合河流-水库系统以确定与这些系统相关的GHG浓度和通量变化的主导驱动因素。在本研究中，我们考察了塞纳流域三个河流-水库系统表层水体中GHG浓度的季节变化。GHG浓度的水平和季节变化在水库、上游和下游河流之间呈现出明显的模式。水库中CH4（甲烷）的浓度明显高于上游和下游河流中观察到的浓度，并且在夏季和秋季显示出较高的值，这与CO2（二氧化碳）浓度形成对比，而N2O（一氧化二氮）浓度没有明显的季节模式。这些水库中发现了较高的CH4/CO2摩尔比，值为0.03，比上游和下游河流中的摩尔比分别高出30倍和10倍。在研究期间，这三个河流-水库系统GHG过饱和，水库、上游和下游河流的平均扩散通量（以CO2eq：CO2当量表示）分别为810 ± 1098 mg CO2eq m−2 d−1、9920 ± 2413 mg CO2eq m−2 d−1和7065 ± 2704 mg CO2eq m−2 d−1。CO2和CH4-CO2分别是河流和水库部分GHG扩散通量的主要贡献者，而N2O在这三个河流-水库系统中对GHG扩散通量的贡献微不足道。我们的结果表明，GHG浓度和气体传输系数在驱动河流-水库系统不同部分的GHG扩散通量中具有不同的重要性。此外，我们的结果还显示了水库和上游河流对下游河流的水质变量和水文特征的综合影响，突出了未来需要进一步调查河流-水库系统中GHG过程的必要性。

半干旱和干旱地区的间歇性河流占世界河流总数的一半以上，交替影响生物圈、水圈和大气层之间的碳循环。对河流流量持续时间和河水表面积的不充分量化，以及忽视干涸河床的CO2排放，导致全球碳循环评估中存在显著的不准确性。利用高分辨率遥感图像结合密集的野外测量和水文模型，估算和提取了黄浮川的流量持续时间、河水表面积和干涸河床面积，该河流流域是中国西北半干旱地区黄河的一条重要支流。在流域内实地测量了2018年水和空气中的CO2排放速率和分压。2018年，黄浮川的流量持续时间从一级支流的不到5天增加到六级主流的150天。通过遥感提取和水动力模型模拟估算的河水表面积在5%至95%的流量频率下变化从3.9到88.6平方公里。2018年水-空气界面和干涸河床的CO2排放估计分别为582.3 × 103和355.2 × 103吨。估计的年总排放量（937.5 × 103吨）与仅使用DEM河长和水力几何方法计算的水-空气界面排放范围（67.3 × 103至1377.2 × 103吨）基本一致。这种相似性可以归因于流量持续时间和流速的高估，以及河水表面积和坡度的高估或低估。本研究提出的新方法在估算位于山区的数据匮乏的间歇性河流的CO2排放方面具有很大潜力，并提供了一种标准化的解决方案。这项研究的结果揭示了间歇性河流系统中CO2排放的时空分布，并突出了干涸河床在碳循环中的重要作用。

为了预测永冻土融化对高纬度河流二氧化碳排放的影响，需要进行跨越永冻土和气候/植被梯度的原位测量，同时评估可能的物理化学和景观控制因素。我们选择了位于西伯利亚西部低地（WSL）的永冻土和生物群落梯度中的34个流域，这些流域具有不同的河流级别（1至9级）和流域大小（1至>105 km2），从永冻土自由的南部针叶林到苔原的连续永冻土带。在南北走向的横断面上，最大的CO2排放量（2.2 ± 1.1 g C-CO2 m−2 d−1）来自于间歇/零星永冻土带的河流，即地理永冻土融化边界。在这个过渡区域，河流碳排放到下游输出的比率高达8.0，远远（x 10）超过了永冻土自由区和连续永冻土区的比率。在永冻土融化前沿的这种高逃逸可能源于多种环境因素的最佳组合：最大的活动层厚度、土壤中可观的碳储量，以及从分散的泥炭冰中释放的易耗有机养分的动员，这增强了水柱中DOC和POC的处理，可能是由于启动效应。通过一种以空间代替时间的方法，我们预见在连续和间歇永冻土带中CO2和CH4河流逃逸量的增加，这与苔原植被生物量的增加、河流水温升高以及流域上热融湖的形成密切相关。

河流CO2排放量占流域总碳排放量的53％，是全球和区域碳循环的重要组成部分。以往的CO2通量计算主要基于冰期采集的单个样本；然而，对于高山地区内陆河流的冻融周期对河流CO2通量（FCO2）的影响知之甚少。通过一年四季连续野外采样，我们利用薄边界层模型（TBL）和路径分析方法，在青海湖流域（QLB）的典型河流中量化了FCO2并确定了其驱动因素，研究了不同冻融期间的情况。研究结果表明：（1）典型河流中的平均FCO2为184.98 ± 329.12 mmol/m2/d，在不同冻融期间充当碳源，完全融化期（CTP，303.15 ± 376.56 mmol/m2/d）> 不稳定冻结期（UFP，189.44 ± 344.08 mmol/m2/d）> 不稳定融化期（UTP，62.35 ± 266.71 mmol/m2/d）呈递减趋势；（2）pH值、表层水温（Tw）和总碱度（TA）是不同冻融期间的主要控制因素。有趣的是，在完全冻结之前，它们对FCO2的影响更为显著，Tw和TA的作用从促进效果变为限制效果；（3）此外，溶解碳组分间接影响了FCO2，主要通过UTP中pH和Tw的间接影响；风速（U）在CTP中直接促进了FCO2；Ca2+和溶解无机碳（DIC）易受间接影响，分别在UFP中促进/限制FCO2的释放。我们的研究揭示了高山地区内陆河流在不同冻融期间FCO2的变化及影响因素，为高山地区碳排放相关研究提供了有价值的支持。

源头溪流运输营养物质、泥沙和富含矿物质的地下水。在喜马拉雅高山地区（HMA），源头溪流还将冰川和雪水融化的水输送到下游地区，以维持持续的供水。由于这些河道难以接近且比Landsat（30 m）和Sentinel-2（10 m）的分辨率更小，因此这些河道的地图绘制一直不够完善。在这项研究中，我们评估了3 m分辨率的PlanetScope图像检测HMA所有面积大于5 km2的高海拔冰川下游的冰前源头的能力。我们创建了3000个手动标记的图像瓦片，用于训练和评估计算机视觉（CV）与水文遥感文献中常见的技术，特别是归一化差异水指数（NDWI）阈值和随机森林（RF）。结果表明，CV最能够检测到源头溪流，F1分数>0.60，比RF高近0.20点，比阈值高0.45点。我们还评估了CV中的错误如何传播到派生的水文信息中，以流面积这一生物地球化学关键测量为例。我们发现，CV分类产生的表面积与手动标记的表面积相比，R2为0.98，MAE为0.01 km2，RMSE为0.02 km2。我们还观察到CV在春季表现最佳，比夏季和秋季的分类表现高出30%。我们的结果证明了PlanetScope图像准确且大规模地检测和绘制源头溪流的能力，而源自图像或CV方法的分类错误并不会严重影响我们量化对生物地球化学交换和水文学研究有意义的流面积的能力。

查看 Scopus 上所有引用的文章

查看完整文本