湖泊科学   2019, Vol. 31 Issue (5): 1479-1488.  DOI: 10.18307/2019.0510.
0

研究论文

引用本文 [复制中英文]

张斌, 李哲, 李翀, 陈永柏, 郭劲松, 水库温室气体净通量评估模型(G-res Tool)及在长江上游典型水库初步应用. 湖泊科学, 2019, 31(5): 1479-1488. DOI: 10.18307/2019.0510.
[复制中文]
ZHANG Bin, LI Zhe, LI Chong, CHEN Yongbo, GUO Jinsong. The net GHG flux assessment model of reservoir(G-res Tool) and its application in reservoirs in upper reaches of Yangtze River in China. Journal of Lake Sciences, 2019, 31(5): 1479-1488. DOI: 10.18307/2019.0510.
[复制英文]

基金项目

国家自然科学基金项目(51861125204,51679226)资助

作者简介

张斌(1991~), 男, 硕士研究生; E-mail:BinZhang0417@163.com

通信作者

李哲, E-mail:lizhe@cigit.ac.cn

文章历史

2018-11-19 收稿
2019-01-29 收修改稿

码上扫一扫

水库温室气体净通量评估模型(G-res Tool)及在长江上游典型水库初步应用
张斌1,2 , 李哲1 , 李翀3 , 陈永柏3 , 郭劲松4     
(1: 中国科学院重庆绿色智能技术研究院, 中国科学院水库水环境重点实验室, 重庆 400030)
(2: 中国科学院大学, 北京 100049)
(3: 中国长江三峡集团公司, 北京 100038)
(4: 重庆大学, 重庆 400044)
摘要:目前准确量化温室气体排放量已成为气候变化研究和政策制定的关键.在IPCC水库温室气体净通量的概念性框架下,国际水电协会汇总分析了全球223座水库的CO2和CH4研究成果,构建了G-res Tool,其可以用于评估已建或待建水库在长时间尺度下的温室气体净通量.本文介绍了G-res Tool模型的基本原理与模型框架,利用模型内置数据库中所涉及的中国长江上游12座典型水库数据进行初步应用分析,12座水库温室气体净通量平均值为88.17 g CO2e/(m2·a),在全球约7000座水库中所处水平为11.67%,处于低阈值范围.在水库温室气体净通量分析结果中,其他非相关人类活动产生的水库温室气体通量(UAS)在蓄水后总通量(Post)中所占比重远高于蓄水前温室气体通量(Pre).长江上游水库蓄水后的CH4和CO2通量对于温室效应的贡献量相当.通过将G-res Tool模型蓄水后的温室气体通量评估结果和所涉及到的12座水库中已发表的数据对比分析发现,G-res Tool具有简便、适用面广等特点.但G-res Tool毕竟仍为经验性模型,其基本原理和模块设计上的内在缺陷在很大程度上限制了其应用范围并造成了一定的不确定性.对个案水库而言,长期跟踪观测与机理研究仍是未来减少水库温室气体净通量不确定性的关键.
关键词水库    温室气体    净通量    模型    评估    长江上游    
The net GHG flux assessment model of reservoir(G-res Tool) and its application in reservoirs in upper reaches of Yangtze River in China
ZHANG Bin1,2 , LI Zhe1 , LI Chong3 , CHEN Yongbo3 , GUO Jinsong4     
(1: Key Laboratory of Reservoir Enviroment, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing 400030, P. R. China)
(2: University of Chinese Academy of Sciences, Beijing 100049, P. R. China)
(3: China Three Gorges Corporation, Beijing 100038, P. R. China)
(4: Chongqing University, Chongqing 400044, P. R. China)
Abstract: The identification and accurate quantification of greenhouse gas (GHG) have become a key challenge for scientists and policymakers working on climate change. Under the conceptual framework of the IPCC for the net GHG flux of reservoir, the International Hydropower Association analyzed the 223 reservoirs with CO2 and CH4 emissions data from the actual and past scientific literature to develop the G-res Tool, whether for an existing reservoir or planned reservoir project can provide an estimate of the net GHG flux. This paper introduces the basic principle and model framework of the G-res Tool model. We conducted the preliminary analysis of 12 typical reservoirs in the upper reaches of the Yangtze River in China, which were involved in the model built-in database. The average net flux of greenhouse gas in the reservoirs was 88.17 g CO2e/(m2·a), which ranked 11.67% and was in the low threshold range among about 7000 reservoirs globally. Comparing the evaluation results of each part in the model, the contribution of emissions from the reservoir due to Unrelated Anthropogenic Sources (UAS) in the post-impoundment GHG balance from the catchment (Post) was much higher than in the pre-impoundment GHG balance from the catchment after introduction of a reservoir (Pre). Based on the post-impoundment GHG balance from the reservoirs in the upper reaches of the Yangtze River in China, it was estimated that CH4 and CO2 fluxes contributed quite to the greenhouse effect. After analysis and comparison of the published GHG flux data of the 12 reservoirs involved, G-res Tool was easy to operate and showed a wider application range. However, G-res Tool, as an empirical model, still has few internal defects in its basic principles and model design parts, which may cause some uncertainties and limit its application range. For case reservoirs, long-term follow-up observation and mechanism study are still the main methods to reduce the uncertainty of the net GHG flux assessment in the future.
Keywords: Reservoir    greenhouse gas    net flux    model    estimation    upper reaches of Yangtze River    

筑坝蓄水改变了河流碳的生物地球化学循环[1],同时延长了河流水体停留时间,截留了大量来自水库上游的陆源物质,为微生物的降解活动提供了充足的物质来源;因蓄水后水体理化状况发生改变,淹没区有机质(土壤与植被)会在富氧环境中降解释放CO2,或在低氧环境中释放CH4,致使同成库前相比筑坝蓄水后的区域温室气体排放总量可能增加[2-6].自1990s以来,筑坝蓄水潜在的温室气体效应引起了国际社会的广泛关注[7].迄今为止全球范围内已有不少水库开展了水库温室气体源汇监测与研究工作,相比于原位监测对人员、设备和时间周期的限制要求,模型研究有助于指导水库规划与建设,是该领域值得拓展与深化的研究手段.但限于水库温室气体源汇变化受气候气象条件、淹没区条件、蓄水时间、水库调度运行方式、库区及上游区域人类活动强度与营养负荷等方面存在显著影响,目前水库温室气体通量评估分析研究仍十分有限.

近年来,基于生命周期的水库温室气体通量变化在水电能源碳足迹评估与碳交易中呈现越来越重要的作用.联合国教科文组织与国际水电协会(International Hydropower Association,IHA)于2012年开发了水库温室气体总通量模型(risk assessment tool)用于初步评估水库温室气体排放总量.该工具利用库龄、年均降雨量、年均温度和径流量四个水库主要参数评估其温室气体排放总量,但模型未涉及蓄水后的气泡通量和下游的消气通量评估,也未能对蓄水前的温室气体通量评估和水库温室气体净通量进行评估[8-10].政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)在2011年《可再生能源和减缓气候变化特别报告》中提出了关于衡量筑坝蓄水温室气体效应的科学框架,认为,水库温室气体净通量是准确衡量筑坝蓄水温室气体净效应的关键[11].水库温室气体净通量,是指蓄水后水库温室气体总通量同蓄水前温室气体通量的差异,并扣除其他非相关人类活动(如蓄水后流域内的人类活动导致的点、面源污染输入)产生的影响.在上述概念性框架下,IHA继续受联合国教科文组织国际水文计划和世界银行支持,于2014年12月启动了水库温室气体净通量模型开发项目.该项目以全球范围内即有水库温室气体研究案例为基础,构建经验性模型(G-res Tool;网址为:https://www.hydropower.org/gres-testing)以评估水库温室气体净通量强度,支撑在全球范围内筑坝蓄水温室气体效应的科学评估.

笔者所在研究小组在中国长江三峡集团公司支持下于2014年起积极介入了IHA水库温室气体净通量模型开发工作.本研究着重介绍了IHA水库温室气体净通量模型(G-res Tool)的基本原理、模型构架与使用方法等,以明晰水库温室气体净通量经验性模型的评估特征.以长江上游12座水库为案例进行了水库温室气体净通量评估,通过与已发表文献的原位监测数据和模型评估结果进行对比分析,述评G-res Tool模型在中国西南河道型水库的适用性.研究工作将为后续在国内开展水库温室气体净通量的评估工作提供借鉴与支持.

1 G-res Tool介绍 1.1 基本原理与模型框架

根据IPCC的概念性框架,G-res Tool认为水库温室气体净通量包含水库蓄水后温室气体通量(post-impoundment,以下简写为“Post”)、蓄水前温室气体通量(pre-impoundment,以下简写为“Pre”)和其他非相关人类活动产生的贡献量(unrelated anthropogenic sources,以下简写为“UAS”)3个部分(图 1).按照上述3个部分,分别构建经验模型,并进行差减计算以获得水库温室气体净通量评估结果.

图 1 水库温室气体净通量评估模型框架 Fig.1 The model framework of net GHG emissions

1) 蓄水后水库温室气体总通量(Post)

G-res Tool中,蓄水后水库温室气体总通量包括水—气界面扩散通量、气泡释放通量和过坝下泄消气释放通量3个不同途径[12-15].模型分别从CH4近岸气泡释放、CO2扩散通量、CH4扩散通量和CH4过坝下泄消气4部分独立建模评估.在水—气界面CH4、CO2扩散通量的模拟中,模型假设CH4扩散通量主要受库龄、年均温度和近岸带比例(小于3 m水深区域同水库面积的比值)的影响,而CO2主要受库龄、年均温度、P含量以及流域平均坡度的影响,故以指数降解方程为基础展现了水—气界面CH4、CO2扩散通量随库龄逐渐下降并最终趋稳的过程[16]. G-res Tool对水库过坝下泄消气释放和近岸气泡释放仅考虑了CH4的释放通量,并未考虑CO2.其中,在CH4过坝下泄消气释放的模拟中,模型认为过坝下泄的消气释放量为紧邻大坝上下游的CH4浓度差异,主要受水力停留时间、CH4扩散通量和温跃层/泄水口深度的影响.关于库岸带气泡释放现象,模型假设100年水库生命周期下的气泡释放通量具有对数方程的一般形式,同库龄、全球平均水平面辐射强度和近岸带比例等变量相关.

2) 蓄水前温室气体通量(Pre)

G-res Tool中,对蓄水前温室气体通量估算采用2种技术方案.对于未建或待建水库,模型直接沿用IPCC国家温室气体清单编制方法,对水库淹没区域内不同土地利用类型的温室气体源汇通量进行评估.对已建水库,因缺少历史遥感影像资料,模型采用“缓冲带”法,假定水库周边的缓冲带(同水库面积相等的圆形直径的25%)同蓄水前土地利用类型等背景信息具有高度相似性,故利用蓄水后“缓冲带”的土地利用情况,结合淹没区范围进行反演.

3) 其他非相关人类活动贡献估算(UAS)

在水库温室气体净通量的理论框架中,UAS表征了其他人类活动,如点、面源污染输入等,造成的水库温室气体通量的“增量”. UAS不可能通过直接监测活动或实验工作获得,故UAS通量本身是“虚拟”的.在G-res tool中,UAS部分仅考虑了CH4,借用湖泊系统中P含量增加同CH4释放通量之间的正相关关系[17-20].通过收集水库水体磷浓度、水库上游工业污染磷负荷、人口与土地利用类型等数据,构建了水库P浓度增加“潜势”同CH4释放通量之间的经验关系模型,并在此基础上对UAS通量进行估算.

此外,2017年10月后新版的G-res Tool增加了水库建设期间施工与材料损耗造成的温室气体排放模块,通过水库大坝修建期间的施工消耗参数(包括:岩土开挖量(m3)、混凝土用量(m3)、钢筋用量(t)3个方面)对水库建设期间的温室气体释放通量进行估算,以此尝试将对水库温室气体通量的估算逐步拓展到对水电全生命周期的评估分析.

值得注意的是,通常情况下,水库温室气体包括了CO2、CH4和N2O.尽管N2O的增温潜势显著高于CO2和CH4,但水库N2O的释放通量较低,监测方法上仍有一定不确定性,已收集的全球案例数据仍不充分.且根据IPCC国家温室气体清单设定,水库蓄水导致N2O的额外增加仍归因于流域人类活动导致的N污染负荷而非水库蓄水本身,故N2O并没有作为G-res Tool所关注的温室气体类型.因此,本文中所涉及的“温室气体”,具体指CO2和CH4.

1.2 G-res Tool参数录入与结果导出

G-res Tool在Excel基础上开发形成了网络版的模型运行平台. G-res Tool数据输入类型有3大类,分别为:流域基本信息(包括流域面积、平均径流量、人口密度、土地覆盖占比等)、水库信息(包括水库坐标、库区面积、最大深度、平均深度、气候特点、年平均温度等)和其他信息(包括水库服务功能划分等). G-res Tool运用了Google Earth Engine技术,在后台整合了GRanD与Global GIS Layer等数据库(表 1),可以获取全球范围内任意水库评估所需的参数.

表 1 G-res Tool录入信息来源 Tab. 1 List of information resources of G-res Tool database

G-res Tool的评估结果包括蓄水后、蓄水前、其他非相关人类活动和建设期温室气体通量4部分,基于以上4部分通量进行差减求得净通量.同时,鉴于水库提供的不同服务功能,对温室气体净通量进行分配.另外,G-res Tool基于所评估水库的结果分析,可提供其在世界范围内约7000座水库案例中温室气体排放所占分位数,网站输出结果截图见图 2.

图 2 G-res Tool界面与评估结果截图 Fig.2 Screenshot of G-res Tool window and its evaluation results
2 研究区域及数据来源

新中国成立后,“一五”期间一批重要水库相继兴建,掀起了中国水利建设高潮.到1980s,中国自力更生地建设一批中小型水库以及乌江渡等大型水库[26].而长江作为中国第一大江,具有水量充足,水能资源丰富的特点,尤其在水流落差大的长江上游流域.针对长江上游开发的水电能源占整个长江流域的近90%,且仍在不断开发当中.长江上游水电开发的碳足迹,需要通过水库温室气体净通量评估工作予以实现.

G-res Tool内置数据库中,水库信息来源于2008年统计的全球范围内库容超过0.1 km3的6862座水库[23].案例库中共涉及长江上游水库案例18座,部分水库蓄水时间可以追溯到1957年,时间跨度大.数据涵盖了不同规模的水库.考虑到部分默认水库信息不完善,G-res Tool无法进行评估,最终筛选出12座水库(图 3),其具体参数见表 2.在水库形态方面,所遴选的12座水库中,水库面积其平均值为24.5 km2,变化范围为2~66 km2,最小和最大值分别出现在麻栗树水库和宝珠寺水库. 12座水库的平均水深为39.64 m,平均水库岸线发育系数为7.4.因它们淹没区面积相对较小,故其水库近岸带比例平均为8.43%,变化范围为1.2% ~20.3%. 12座水库中除升钟水库水力停留时间较长外(30.5 a),其他水库平均为0.58 a.上述信息充分说明,长江上游水库典型的河道峡谷型特征,即普遍具有水库深度较大、淹没面积和近岸带较小、水体更新周期快、停留时间较短等特点.

图 3 G-res Tool数据库默认的长江上游水库信息分布 Fig.3 Distribution of reservoirs in upper Yangtze River from G-res Tool database
表 2 G-res Tool数据库默认的长江上游水库评估输入主要参数 Tab. 2 Main input parameters of reservoirs in upper Yangtze River from G-res Tool database
3 结果与讨论

当前运行模型版本号为v1.12,各模块的评估结果见图 4,针对于后期增加的建设期温室气体评估模块其默认数据库尚未提供具体施工消耗参数,故不包含建设期间的碳足迹情况.

图 4 G-res Tool长江流域水库温室气体通量评估结果 Fig.4 G-res Tool assessment results of GHG emissions of reservoirs in Yangtze River

所遴选的12座水库温室气体净通量平均值为88.17 (g CO2e/(m2 ·a)),变化范围为37~127(g CO2e/(m2 ·a)),最小和最大值分别出现在碧口水库和宝珠寺水库.该12座大型水库在G-res Tool目前约7000座全球水库案例库中所处水平为11.67%,变化范围为1% ~29%,相对于全球水库温室气体净通量处于较低阈值范围(表 3).

表 3 G-res Tool长江上游水库评估结果 Tab. 3 G-res Tool assessment results of reservoirs in upper Yangtze River

综合对Post、Pre和UAS 3部分分析可以看出,UAS在蓄水后总通量Post中所占比重远高于蓄水前Pre.其中,二滩水库UAS在Post中所占比重最低,而即便是如此,也超过了该水库Pre在Post中所占比重的7.58%.进一步对Post、Pre、UAS 3部分中CO2、CH4通量所占比重进行分析,其中Pre和UAS两部分CO2通量均为0,即两模块的评估结果仅为CH4通量.蓄水前的CO2温室气体通量依据特定气候背景下不同土地覆盖类型对应的温室气体通量进行评估,评估结果偏低近似为0;与之相比UAS的评估方式是基于P浓度与CH4通量之间构建的评估模型,因而缺少对CO2通量的评估.蓄水后单位温室气体总通量平均值为156 (g CO2 e/(m2 ·a)),变化范围为71~245(g CO2 e/(m2 ·a)),最小和最大值分别出现在碧口水库和花溪水库.其中CH4通量占蓄水后单位总通量的占比平均值为44.39%,变化范围为26.19% ~67.12%,分别对应于普定水库和麻栗树水库(图 5).其蓄水后CH4和CO2通量对于温室效应的贡献量相当.

图 5 G-res Tool蓄水后温室气体通量评估结果 Fig.5 G-res Tool assessment results of post-impoundment GHG emissions

当前水库温室气体通量研究主要集中在蓄水后,本文进一步将G-res Tool模型蓄水后的温室气体通量评估结果和12座水库中所涉及到的已发表的文献数据进行对比,并且提供了G-res Tool评估结果与已发表数据的相对偏差(表 4).二滩水库利用G-res Tool评估CH4通量结果为1.21 g CH4/(m2 ·a)略高于静态箱法监测到的CH4通量结果1.02±0.22 g CH4/(m2 ·a),相对偏差为18.63%.百花水库利用G-res Tool评估的CO2通量结果为90 g CO2/(m2 ·a),明显低于薄边界层法计算的CO2通量结果385.44g CO2/(m2 ·a),相对偏差为-76.65%.而将G-res Tool与碳循环模型评估CO2通量的结果比较发现,普定水库和乌江渡水库的相对偏差波动较大,主要原因在于碳循环模型未探究温室气体排放机理,其评估结果缺乏可靠性[31].将G-res Tool与水库温室气体总通量模型GRAT的结果比较发现,G-res Tool的评估结果明显偏低,其中CH4通量的平均相对偏差为-82.81%,而CO2通量的平均相对偏差为-78.51%;从CH4通量结果可以发现,G-res Tool评估结果相比于GRAT评估结果更接近原位监测数据.而CO2通量评估结果明显偏低,主要原因在于G-res Tool模型以100年的水库生命周期为尺度,而表 4的原位监测结果来源于蓄水初期的高通量时期,由此考虑同样以100年的水库生命周期为尺度评估温室气体的GRAT模型较原位监测结果明显偏高;综上所述,G-res Tool模型对于水库温室通量评估更为准确,相比于另外两个评估模型有更为广泛的适用性,但限于当前原位监测数据量不足,尚不能充分验证G-res Tool的评估结果.

表 4 已发表的数据与G-res Tool评估结果比较 Tab. 4 Comparison between reported results and G-res Tool assessment results of GHG flux
4 G-res Tool的适用性分析与展望

目前,G-res Tool已用于对全球约7000座水库的温室气体净通量进行评估,为全球水库温室气体净通量的定量分析提供了科学的框架.在G-res Tool平台上,用户可评估已建或待建水库在长时间尺度下的温室气体净通量,筛选出温室气体释放强度存在较低风险的水库,避免开展额外的原位监测研究[10].鉴于多数水库在发电同时还兼顾航运、灌溉、防洪等诸多功能,模型还对温室气体净通量进行分配,以明确不同服务功能所承担的温室气体净通量[32].该模型对于指导未来水电碳排放评估、衡量水电碳交易具有重要的作用.目前G-res Tool已在国际水电行业得到越来越多的重视和关注.尽管如此,G-res模型仍存在一些明显不足,主要包括以下几个方面:

1) G-res Tool模型边界为水库及其上游流域,但对梯级水库并未进行模型验证.梯级水库之间对碳循环的累积影响,亦未能涉及.关于水库坝下受影响河段的时空范围,限于缺乏更多的研究和数据支持,故该部分温室气体通量水平仍不明确.

2) 模型为经验性模型,强调对各部分通量的评估,利用差减法推算净通量,并未实现严格的物料守恒,易导致模型内部出现矛盾.

3) 一些模块或过程开发因缺乏数据或机理研究的支持而不够完善.例如,蓄水前缺乏对河滩地温室气体通量的评估;过坝下泄过程仍缺乏更丰富的数据,且仅有经过水轮机组的相关案例而缺乏水库泄洪的案例等.仅考虑了水库近岸带CH4释放,但G-res Tool并未能对水库季节性调蓄导致近岸带的温室气体源、汇变化进行估算.

4) 国际上相当大一部分水库蓄水前开展清库工作以减少温室气体排放,例如我国三峡水库、金沙江梯级水库等,但模型并未能对此进行评估.

5) UAS模块的基本原理是湖泊生态系统P和CH4释放之间的关系,但对于不同水库而言,P与CH4释放之间的关系同上述湖泊生态系统存在显著差别,故UAS的估算仍需要更丰富的案例支持.

6) 因G-res Tool为经验模型,且受到案例数量的影响,G-res Tool缺乏对输入变量的敏感性分析和不确定性分析.

作为目前国际水电协会力推的水库温室气体净通量评估工具,G-res Tool为全球水库温室气体净通量的评估提供了一个较全面的模型框架以及标准化的设计思路.我国具有世界上最多的水库,G-res Tool模型无疑对我国未来水利工程建设、管理与生态修复具有重要的指导意义.尽管G-res Tool仍在不断改进中,但其毕竟仍为经验性模型,模型基本原理和模块设计上存在内在缺陷在很大程度上限制了其应用范围并存在一定不确定性.对个案水库而言,长期跟踪观测与机理研究仍是未来减少水库温室气体净通量不确定性的关键.

5 参考文献

[1]
St Louis VL, Kelly CA, Duchemin E et al. Reservoir surfaces as sources of greenhouse gases to the atmosphere: A global estimate. Bioscience, 2000, 50(9): 766-775. DOI:10.1641/0006-3568(2000)050[0766:RSASOG]2.0.CO;2
[2]
Kelly CA, Rudd JWM, Bodaly RA et al. Increases in fluxes of greenhouse gases and methyl mercury following flooding of an experimental reservoir. Environmental Science & Technology, 1997, 31(5): 1334-1344.
[3]
Abril G, Guerin F, Richard S et al. Carbon dioxide and methane emissions and the carbon budget of a 10-year old tropical reservoir (Petit Saut, French Guiana). Global Biogeochemical Cycles, 2005, 19(4): 16.
[4]
Guerin F, Abril G, De Junet A et al. Anaerobic decomposition of tropical soils and plant material: Implication for the CO2 and CH4 budget of the Petit Saut Reservoir. Applied Geochemistry, 2008, 23(8): 2272-2283. DOI:10.1016/j.apgeochem.2008.04.001
[5]
Tremblay A, Therrien J, Hamlin B et al. GHG emissions from boreal reservoirs and natural aquatic ecosystems. Greenhouse Gas Emissions - Fluxes and Processes, 2005, 209-232.
[6]
Song CH, Gardner KH, Klein SJW et al. Cradle-to-grave greenhouse gas emissions from dams in the United States of America. Renewable & Sustainable Energy Reviews, 2018, 90: 945-956.
[7]
Tremblay A, Lambert M, Gagnon L. Do hydroelectric reservoirs emit greenhouse gases?. Environmental Management, 2004, 33(1): S509-S517.
[8]
Kumar A, Sharma MP. A modeling approach to assess the greenhouse gas risk in Koteshwar Hydropower Reservoir, India. Human and Ecological Risk Assessment, 2016, 22(8): 1651-1664. DOI:10.1080/10807039.2016.1209077
[9]
Kumar A, Sharma MP. Assessment of risk of GHG emissions from Tehri Hydropower Reservoir, India. Human and Ecological Risk Assessment, 2016, 22(1): 71-85. DOI:10.1080/10807039.2015.1055708
[10]
Kumar A, Yang T, Sharma MP. Long-Term prediction of greenhouse gas risk to the Chinese Hydropower Reservoirs. Science of the Total Environment, 2019, 646: 300-308. DOI:10.1016/j.scitotenv.2018.07.314
[11]
O.Edenhofer R, Pichs-Madruga Y, Sokona K et al. IPCC 2011: IPCC Special Report on Renewable Energy Sources and Climate Change Mitigation. Prepared by Working Group Ⅲ of the Intergovernmental Panel on Climate Change. Cambridge University Press, 2011.
[12]
Barros N, Cole JJ, Tranvik LJ et al. Carbon emission from hydroelectric reservoirs linked to reservoir age and latitude. Nature Geosci, 2011, 4(9): 593-596. DOI:10.1038/ngeo1211
[13]
Demarty M, Bastien J. GHG emissions from hydroelectric reservoirs in tropical and equatorial regions: Review of 20 years of CH4 emission measurements. Energy Policy, 2011, 39(7): 4197-4206. DOI:10.1016/j.enpol.2011.04.033
[14]
Tortajada C, Altinbilek HD, Biswas AK. Impacts of Large Dams: A Global Assessment. 2012.
[15]
Delsontro T, Kunz MJ, Kempter T et al. Spatial Heterogeneity of Methane Ebullition in a Large Tropical Reservoir. Environmental Science & Technology, 2011, 45(23): 9866-9873.
[16]
Maeck A, Delsontro T, Mcginnis DF et al. Sediment Trapping by Dams Creates Methane Emission Hot Spots. Environmental Science & Technology, 2013, 47(15): 8130-8137.
[17]
Ahearn DS, Sheibley RW, Dahlgren RA et al. Land use and land cover influence on water quality in the last free-flowing river draining the western Sierra Nevada, California. Journal of Hydrology, 2005, 313(3/4): 234-247.
[18]
Brett MT, Arhonditsis GB, Mueller SE et al. Non-point-source impacts on stream nutrient concentrations along a forest to urban gradient. Environmental Management, 2005, 35(3): 330-342. DOI:10.1007/s00267-003-0311-z
[19]
Jarvie HP, Withers PJA, Bowes MJ et al. Streamwater phosphorus and nitrogen across a gradient in rural-agricultural land use intensity. Agriculture, Ecosystems & Environment, 2010, 135(4): 238-252.
[20]
Matson PA, Parton WJ, Power AG et al. Agricultural Intensification and Ecosystem Properties. Science, 1997, 277(5325): 504-509. DOI:10.1126/science.277.5325.504
[21]
Hijmans RJ, Cameron SE, Parra JL et al. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology, 2005, 25(15): 1965-1978. DOI:10.1002/joc.1276
[22]
Fetke BM. Global composite runoff fields based on observed river discharge and simulated water balances. Complex Systems Research Center, University of New Hampshire. UNH-GRDC Composite Runoff Fields v1.0, 2000.
[23]
Lehner B, Liermann CR, Revenga C et al. High resolution mapping of the world's reservoirs and dams for sustainable river flow management. Frontiers in Ecology and the Environment, 2011. DOI:10.1890/100125
[24]
Read JS, Hamilton DP, Jones ID et al. Derivation of lake mixing and stratification indices from high-resolution lake buoy data. Environmental Modelling & Software, 2011, 26(11): 1325-1336.
[25]
Wetzel R ed. Limnology lake and river ecosystems. Elsevier Academic Press, 2001.
[26]
Editorial board of China Electric Power Encyclopedia ed. China electric power encyclopedia: third edition, hydroelectric power volume. Beijing: China Electric Power Press, 2014. [《中国电力百科全书》编辑委员会. 中国电力百科全书:第三版, 水力发电卷. 北京: 中国电力出版社, 2014.]
[27]
Zheng H, Zhao XJ, Zhao TQ et al. Spatial-temporal variations of methane emissions from the ertan hydroelectric reservoir in southwest China. Hydrological Processes, 2011, 25(9): 1391-1396. DOI:10.1002/hyp.7903
[28]
Wang FS, Wang BL, Liu CQ et al. Carbon dioxide emission from surface water in cascade reservoirs-river system on the Maotiao River, southwest of China. Atmospheric Environment, 2011, 45(23): 3827-3834. DOI:10.1016/j.atmosenv.2011.04.014
[29]
Zhao DZ, Tan DB, Wang CH et al. Measurement and analysis of greenhouse gas fluxes from Shuibuya Reservoir in Qingjiang River Basin. Journal of Yangtze River Scientific Research Institute, 2011, 28(10): 197-204. [赵登忠, 谭德宝, 汪朝辉等. 清江流域水布垭水库温室气体交换通量监测与分析研究. 长江科学院院报, 2011, 28(10): 197-204. DOI:10.3969/j.issn.1001-5485.2011.10.035]
[30]
Kumar A, Yang T, Sharma MP. Long-term prediction of greenhouse gas risk to the Chinese hydropower reservoirs. Science of the Total Environment, 2019, 646: 300-308. DOI:10.1016/j.scitotenv.2018.07.314
[31]
Yan GA, Liu YD. Aquatic ecosystems: carbon cycle and as atmospheric CO2 sink. Acta Ecologica Sinica, 2001, 21(5): 827-833. [严国安, 刘永定. 水生生态系统的碳循环及对大气CO2的汇. 生态学报, 2001, 21(5): 827-833. DOI:10.3321/j.issn:1000-0933.2001.05.022]
[32]
Hidrovo AB, Uche J, Martinez-Gracia A. Accounting for GHG net reservoir emissions of hydropower in Ecuador. Renewable Energy, 2017, 112: 209-221. DOI:10.1016/j.renene.2017.05.047