2024, Vol. 36 
(2: 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)
(3: 湖南省气候中心, 长沙 410118)
(2: Key Laboratory of Watershed Geographic Sciences, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, P.R. China)
(3: Hunan Climate Center, Changsha 410118, P.R. China)
水域生态系统(湖泊、水库、河流和小型池塘等)是大气CO2收支估算的重要组成部分，在调节区域甚至全球气候变化方面发挥着至关重要的作用[1-3]。据估算，全球内陆水体的CO2排放量为2.42 Pg C/a，与陆地生态系统或海洋水体碳汇量处于相同数量级[3-4]。其中，池塘等水体由于水浅面积小，单位面积受纳更多的生源要素，致使其生物地球化学循环过程异常活跃，是大气CO2的重要自然排放源[5-7]。统计数据表明，小型池塘的面积约占全球湖泊总面积的8.6%，却不成比例地贡献了湖泊CO2总排放量的15%[1]。因此，开展小型池塘CO2排放研究对准确评估内陆水体在全球CO2收支格局中的贡献具有重要意义。
小型池塘具有雨洪滞蓄与旱涝调节的功能，且能服务于农业生产和生活，因此农业流域中分布着大量池塘景观水体[8-9]。同时，随着全球农业用地扩张，大量小型池塘也随之产生[9-10]。然而，目前池塘等小型水体CO2排放研究主要集中在城市景观中[5, 11-12]，对于农业流域中的小型池塘鲜有涉及。同时，池塘水体可提供多种生态服务功能，农业流域池塘不仅能灌溉农业，也具备蓄洪抗旱、消纳污染、水产养殖等多种功能[9]。但是，农业流域不同功能池塘CO2排放及其动态变化是否存在差异还存在未知。因此，为减少水域生态系统CO2收支估算的不确定性，亟需开展农业流域池塘CO2排放及其关键影响因素研究。
我国小型池塘数量居多，广泛分布于耕地密集的东部和南部区域，且多池塘景观也是我国农业流域的一大鲜明特色[9, 13]。巢湖流域位于我国东部地区，流域内水系发达，分布着大量村落和农田，农作物种植比例高，且大量、广泛分布的池塘也是其最具特色的人文景观[14]。烔炀河流域是位于巢湖北岸一支入湖农业小流域，其地理景观和社会经济特征在巢湖农业流域中极具代表性。因此，研究选取烔炀河流域中4个用途不同的景观池塘(养殖塘、村塘、农塘和水塘)，基于为期一年的野外观测，以明确典型农业流域内小型池塘CO2排放特征及其主要影响因素，为准确估算池塘水体CO2排放提供理论依据和科学参考。
1 材料与方法 1.1 研究区域概况烔炀河是巢湖流域入湖的一条典型中小河流，全长约17 km，流域面积约为87 km2(图 1)，沿河两岸分布着大量村落、农田和小型池塘[15]。流域地处亚热带季风气候区，四季分明，水汽和热量条件较好，年平均气温约为22℃，年平均降雨量约为1120 mm[16]。随着烔炀河流域的发展，村落人口数量增加，生活污水排入池塘，农田开垦、水塘养殖等农业活动的持续进行，池塘水环境受到了严重的影响，且流域内农业面源污染源主要来自农村生活污水排放和种植业化肥流失等。本研究选取了4个用途不同的景观池塘(养殖塘、村塘、农塘和水塘，图 1)，其中，养殖塘(面积：3230 m2，水深：0.20 m)主要用于水产养殖，面积最小，水深最浅；村塘(面积：6590 m2，水深：0.35 m)位于村庄旁边，附近人口密度高，接收大量生活污水，主要功能是纳污；农塘(面积：3818 m2，水深：1.00 m)位于农田周边，附近种植大量农作物，受到农业灌溉、肥料施用等活动的影响，其主要功能是灌溉；水塘(面积：3578 m2，水深：0.60 m)周边以天然林地为主，主要功能是蓄水，受人为活动影响低。
|
图 1 烔炀河流域地理位置及采样池塘 Fig.1 Geographical location of the Tongyang River watershed and the sampling ponds |
本实验以长期野外观测为主，在烔炀河流域4个不同功能景观池塘(养殖塘、村塘、农塘和水塘)设置采样点，采样时间为2020年9月-2021年9月的每月下旬，对上述池塘进行水样采集，在每个池塘设置采样点位，每次采样位置均保持不变，采样频率为每月一次，每次采样在一天内完成，在每个点位采集水样，用于水体溶存CO2浓度分析。在野外采样时，为保证气密性，将每个顶空瓶用丁基胶塞密封瓶口，并用铝盖压接，每个样品均预置2 g氯化钾，预先抽至真空并注入5 mL高纯氮气(摩尔分数≥99.999%)顶空。水样采集时，保持水面无扰动，用20 mL针筒抽取表层15~20 cm处的水样，并注意避免气泡产生。针筒在采集水样前需用待采水样清洗2~3次，然后将16 mL水样注入预先处理的32 mL棕色顶空瓶内[17-18]，采集完成后立即用密封胶密封针孔。采样结束后，将装有水样、密闭良好的棕色瓶立即倒置放入冷藏箱中，运回实验室进行处理分析。
在实验室分析时，先将每个水样剧烈摇晃5 min后静置，待瓶中气、液相达到动态平衡后，用带有三通阀的针筒采集瓶内气样，用Agilent-7890B气相色谱仪分析气样CO2浓度，最后基于物料平衡原理和亨利定律等，根据气相色谱分析的气样CO2浓度([CO2]g)等计算水体溶存CO2浓度([CO2]w)，计算公式为[19]：
| $ {\left[\mathrm{CO}_2\right]_{\mathrm{w}}=\left[\mathrm{CO}_2\right]_{\mathrm{g}}\left(\frac{1}{k}+\beta\right)} $ | (1) |
| $ K=\frac{\left[\mathrm{CO}_2\right]_{\mathrm{g}}}{\left[\mathrm{CO}_2\right]_{\mathrm{L}}} $ | (2) |
| $ \beta=\frac{V_{\mathrm{g}}}{V_{\mathrm{L}}} $ | (3) |
| $ {\left[\mathrm{CO}_2\right]_{\mathrm{L}}=\left[\left(x \frac{V_{\mathrm{L}}}{18}\right) \times 10^9\right] /\left[(1-x) V_{\mathrm{L}}\right]} $ | (4) |
式中，[CO2]w是CO2在水中的原始浓度(μmol/L)；[CO2]g是气相色谱仪分析得到的密闭采样瓶气相中的CO2浓度(μmol/L)；[CO2]L是密闭采样瓶中液相中的CO2浓度(μmol/L)；Vg是水样中气相部分的体积(mL)；VL是水样中液相部分的体积(mL)；x是有亨利系数和CO2在气相中分压计算得出的CO2气体在水中的摩尔分率，无量纲。
本研究基于水-气界面扩散模型，计算池塘水-气界面CO2交换通量(Fc)，计算方程为：
| $ F_{\mathrm{c}}=k\left(C_{\mathrm{w}}-C_{\mathrm{eq}}\right) $ | (5) |
式中，Fc为水-气界面CO2扩散通量(mmol/(m2·d))，Fc＞0表示水体向大气释放CO2，Fc＜0表示水体吸收大气中的CO2；Cw是根据气相色谱仪分析出的气样CO2浓度等计算出的水体溶存CO2浓度(μmol/L)，即公式(1)计算出的值；Ceq是特定温度下水体表面的温室气体与大气中温室气体达到平衡时的CO2浓度(μmol/L)；k是水-气界面CO2气体交换系数(m/d)，计算方程为：
| $ k=k_{600}\left(S_{\mathrm{c}} / S_{\mathrm{c} 600}\right)^{-n} $ | (6) |
| $ k_{600}=2.07+0.215 U_{10}^{1.7} $ | (7) |
式中，Sc是CO2的施密特数，无量纲；Sc600是20℃时的施密特数600；k600是施密特数为600时对应的k值；n是与风速U10相关的函数，U10≤3.7 m/s时，n=1/2；U10＞3.7 m/s时，n=2/3；U10是10 m高度处的风速，通过观测高度的风速计算得到[19]。
1.3 环境变量获取在野外采样期间，采用多参数水质仪原位测量池塘水体的水温、溶解氧(DO)、pH值等。同时，采集水样用于营养盐和叶绿素a(Chl.a)分析。每次水样采集前，先用采样器采集表层水样，并将采样瓶冲洗两遍后，再用于水样的收集。收集完成的水样放入冷藏箱，运回实验室后立即进行各项指标的测定。气温、风速等气象数据通过当地自动气象观测站获取。当天采样完成后立即运回实验室进行过滤：水样经GF/F玻璃纤维膜过滤后采用流动分析仪测定氨氮(NH3-N)和硝态氮(NO3--N)浓度；水样经过GF/C膜过滤后，用丙酮溶液萃取，通过分光光度计测定Chl.a浓度。其余营养盐测定方法如下：总氮(TN)和总磷(TP)浓度按照国家标准方法(TN：GB/T11894—1989、TP：GB/T11893—1989)测定，溶解性总氮(DTN)浓度采用碱性过硫酸钾消解-紫外分光光度法，化学需氧量(COD)采用高锰酸钾作化学氧化剂测定得到，记为CODMn。
1.4 数据处理本研究数据的统计分析使用SPSS 22.0中的相关分析方法(Pearson correlations)分析数据之间的相关性；使用单因素方差分析方法(one-way ANOVA)分析数据之间的差异性；使用最小显著性差异法(LSD)检验差异是否显著。数据的绘图使用Origin 2021。
2 结果与分析 2.1 环境变量特征从2020年9月-2021年9月烔炀河流域小型景观池塘水温、Chl.a、DTN的逐月变化(图 2)可见，4个景观池塘水温均表现出明显的季节变化特征，且变化趋势一致，夏季水温显著(P＜0.05)高于其他3个季节。养殖塘、村塘、农塘和水塘Chl.a浓度的全年均值依次为(5.78±3.59)、(50.16±43.15)、(10.09±3.88)和(2.37±1.03) μg/L。养殖塘、农塘和水塘的Chl.a浓度无明显季节变化趋势。村塘全年平均Chl.a浓度显著高于其他池塘(P＜0.05)，并且2021年3月(81.80 mg/L)和2021年9月(144.85 mg/L)显著高于其余月份(P＜0.05)。此外，4个景观池塘营养盐浓度也呈现出巨大差异。以DTN为例，村塘的DTN浓度显著高于其他3个池塘(P＜0.05)，并在2020年11月(2.73 mg/L)和2021年6月(2.85 mg/L)出现极大值。
|
图 2 观测期间4个池塘水温、Chl.a和DTN浓度的逐月变化 Fig.2 Monthly variation of water temperature, Chl.a and DTN concentrations in the four ponds |
从表 1可以看出，4个景观池塘之间的水温没有显著差异，年均水温为22.19℃；农塘DO浓度最低，平均为(8.65±1.46) mg/L，水塘最高，为(9.63±2.88) mg/L；水塘pH值显著高于村塘和农塘(P＜0.05)；村塘NO3--N浓度最高，平均为(0.67±0.21) mg/L；村塘CODMn浓度显著高于养殖塘和水塘(P＜0.05)，养殖塘CODMn浓度显著高于水塘(P＜0.05)；村塘Chl.a、NH3-N、TN、DTN和TP浓度都显著高于其他池塘(P＜0.05)。综上，村塘的营养盐负荷最高，其次是养殖塘和农塘，水塘最低。
|
表 1 观测期间4个池塘水体的理化参数* Tab. 1 Basic physicochemical parameters of four ponds during the observation period |
CO2通量在4个池塘之间差异明显，从高到低依次为：养殖塘＞村塘＞农塘＞水塘，且养殖塘CO2排放通量全年均值显著(P＜0.05)高于农塘和水塘(图 3)。总体上看，4个不同景观池塘CO2通量均值均为正值，表明该农业流域池塘是大气CO2的排放来源。此外，养殖塘和村塘是大气CO2的热点排放源，其CO2年均排放量(养殖塘：(80.37±100.39) mmol/(m2·d)，村塘：(48.69±65.89) mmol/(m2·d))分别是水塘排放量((4.52±23.26) mmol/(m2·d))的18和11倍；农塘CO2全年均排放量((13.50±15.81) mmol/(m2·d))是水塘的3倍。
|
图 3 不同功能池塘CO2通量的对比分析 (不同字母表示差异性显著，P＜0.05) Fig.3 Spatial variation of CO2 fluxes in the four ponds with different landscapes |
连续观测发现不同类型的景观池塘CO2通量均表现出显著的时间变化(图 4)，养殖塘和村塘季节变化显著，农塘和水塘无明显变化趋势。研究结果表明，养殖塘的CO2通量存在显著的季节变化特征，其中，夏季显著(P＜0.05)高于其他季节，CO2排放最大值出现在2021年7月，为296.81 mmol/(m2·d)，是CO2强源，最小值出现在2021年4月，表现为CO2吸收汇(-7.65 mmol/(m2·d))。村塘存在两个峰值，分别在2020年11月(158.86 mmol/(m2·d))和2021年5月(162.26 mmol/(m2·d))，但在2021年1月表现为CO2弱汇(-4.71 mmol/(m2·d))；农塘CO2通量随时间呈“降低-升高-降低”的趋势，变化幅度相对较小；水塘在冬季和春季表现为CO2汇，最大CO2吸收出现在2021年5月(-29.97 mmol/(m2·d))，夏季和秋季表现为CO2排放源，最大排放通量为54.90 mmol/(m2·d)，但仅为养殖塘最大值的1/5。
|
图 4 不同功能池塘CO2通量的时间变化(a.养殖塘；b.村塘；c.农塘；d.水塘) Fig.4 Time variation of CO2 fluxes in the four ponds with different landscapes (a. aquaculture pond; b. village pond; c. agricultural pond; d. storage pond) |
基于CO2与水环境指标的同步观测研究结果表明，DO浓度对水体CO2通量变化有较好的指示性。4个景观池塘逐月CO2通量与DO浓度的相关性分析结果(图 5)表明，养殖塘、村塘和水塘的CO2通量与DO浓度呈显著负相关，DO浓度分别影响其73%(R2=0.73，P＜0.01)、76%(R2=0.76，P＜0.01)和45%(R2=0.45，P＜0.05)的CO2通量变化，水体有机碳分解消耗氧气，降低了水体DO浓度，由此可见，DO浓度是CO2通量的重要影响因子。但农塘CO2通量与DO浓度无显著相关性(R2=0.33，P＞0.05)。
|
图 5 不同功能池塘CO2通量与DO的时间相关性(a.养殖塘；b.村塘；c.农塘；d.水塘) Fig.5 Temporal correlation between CO2 flux and DO in the four ponds with different landscapes (a. aquaculture pond; b. village pond; c. agricultural pond; d. storage pond) |
CO2通量也受到环境变量的影响。不同景观池塘CO2通量与DTN浓度的时间相关性结果(图 6)表明，养殖塘和村塘CO2通量与DTN浓度呈显著正相关，DTN浓度分别控制48%(R2=0.48，P＜0.05)和50%(R2=0.50，P＜0.05)CO2通量的变化。其余池塘CO2通量与DTN浓度均无显著相关关系(农塘：R2=0.27，P＞0.05；水塘：R2=0.01，P＞0.05)。此外，经过统计分析发现，CO2通量还与其他因子有关(表 2)。其中，养殖塘CO2通量与水温呈显著正相关(P＜0.05)，与pH值呈显著负相关(P＜0.05)，与TP浓度呈显著正相关(P＜0.05)；水塘CO2通量与pH值呈显著负相关(P＜0.05)；4个景观池塘CO2通量与Chl.a、TN、NO3--N、NH3-N和CODMn浓度均无显著相关性(P＞0.05)。
|
图 6 不同功能池塘CO2通量与DTN的时间相关性(a.养殖塘；b.村塘；c.农塘；d.水塘) Fig.6 Temporal correlation between CO2 flux and DTN in the four ponds with different landscapes (a. aquaculture pond; b. village pond; c. agricultural pond; d. storage pond) |
|
|
表 2 CO2通量与水体理化指标的时间相关性 Tab. 2 Temporal correlation between CO2 flux and water environmental factors |
本文中不同景观池塘平均CO2通量均为正值，是大气CO2排放源，这与之前对小型池塘以及湖泊水体的研究结果一致[1-2, 12, 20]。但是，本研究发现CO2排放通量在4个不同景观池塘呈现出显著的差异，其中养殖塘的CO2排放量最高(图 3)，达到(80.37±100.39) mmol/(m2·d)，是水塘CO2排放量的18倍。与本研究结果类似，之前相关研究也表明养殖水体是大气CO2等温室气体的重要排放源[21-22]。在水产养殖的过程中，由于饵料的投放导致外源碳氮营养物质输入增加，过量的外源负荷为水体CO2的产生和释放等提供了便利条件[23-24]。同时，养殖塘面积小，水深浅，饲料以及浮游生物粪便中的有机物易沉降到池塘底部，并逐渐与沉积物混合可显著刺激沉积物中CO2的生成和排放等[25]。值得注意的是，以往研究发现养殖塘CO2通量呈“排放-吸收”交替变化的特征[26-27]，本研究中发现采样期间农业流域养殖塘几乎一直是大气CO2排放源(图 4)，因此在水域生态系统CO2收支估算中需要重点关注农业流域养殖水体。
本研究表明村塘和农塘也是大气CO2的重要排放源。村塘和农塘CO2排放量仅次于养殖塘(图 3)，其均值排放量分别为(48.69±65.89)和(13.50±15.81) mmol/(m2·d)，是水塘CO2排放量的11和3倍。村塘因承载居民生活污水，有着最高的营养盐负荷(表 1)。一方面，大量来自污水的营养物质汇入池塘，较高的氮、磷负荷刺激了水体微生物原位呼吸进而促进水体CO2的产生[28-29]；另一方面，污水的输入直接增加了外源CO2的输入，提高水体CO2的溶存浓度和排放潜力[12, 30-31]。农塘受农业活动的影响，农田灌溉排水、淋溶径流和土壤侵蚀导致大量外源负荷进入农塘中，同时农业化肥的施用也会使农塘营养盐负荷增加，直接引起水体理化状况(如水体DO、氮磷浓度等)的变化，进而影响水体CO2排放[24, 28, 32-33]。同时，DO浓度及其分布对水体生源要素的循环有重要影响，决定水体中有机物降解途径及产物。外源负荷输入促进水体代谢，增加了氧气消耗和CO2的产生；NH3-N等营养盐增加可加强水体呼吸作用，促进水体CO2的产生和排放。值得注意的是，尽管农塘和村塘均受人为活动影响，但农塘CO2排放低于村塘，其可能原因可能是农塘的污染负荷低于村塘，同时，农田大量灌溉排水可能对其CO2产生了稀释作用，减少了水体CO2排放[34-35]。
水塘具有最低的CO2排放通量，全年均值为(4.52±23.26) mmol/(m2·d)。水塘远离村庄，受人类活动影响最小，其周边以天然林地为主，林地具有固定吸收养分、拦截地表径流的作用，减少了流入水塘的养分和有机质[36]。由于水塘营养盐负荷等明显偏低(表 1)，本研究水塘CO2排放明显低于其他景观池塘。值得注意的是，水塘pH显著高于其他水体(养殖塘、村塘和农塘，表 1)，且水塘CO2通量与pH表现为显著负相关关系(表 2)，这与之前在低营养盐负荷水体的研究结果相一致[24, 37-38]。同时，尽管目前多数研究表明小型池塘是大气CO2的排放源[10, 12, 39]，但本研究发现不同功能用途的池塘CO2排放差异巨大。因此，在评估小型池塘CO2排放时，要尤其关注其周边土地利用类型和景观格局等[40-41]。
3.2 CO2排放变化的控制因素不同池塘CO2排放的差异可能与其水环境特征紧密相关。本研究发现DO浓度对CO2通量具有较好指示性，养殖塘、村塘和水塘CO2通量与DO浓度呈显著负相关，分别控制73%、76%和45%的CO2通量的变化(图 5)。水体中的营养物质的分解、浮游生物的呼吸作用、底栖生物的有氧呼吸等均会消耗氧气，从而降低DO浓度，释放出CO2[42]。已有研究表明，随着水体富营养化程度增加，DO浓度与CO2通量之间的负相关将越来越显著[43]。黄婷等的研究表明，DO浓度与CO2通量的显著负相关关系证明调控CO2通量的关键过程是景观水体代谢[12]。本研究中养殖塘和村塘接收大量外源负荷，CO2排放很高，但其DO浓度却相对较低(表 1)，表明外源污染物增加促进了水体代谢，增加了氧气的消耗和CO2的产生。值得注意的是，水塘营养盐负荷较低，但其DO浓度与CO2通量呈显著负相关，考虑到水塘有较高的DO浓度(表 1)，其可能源于水体光合作用产生DO而消耗CO2[12, 24]。综上，DO浓度是农业流域池塘水体重要的环境指标，可表征和指示水体CO2的变化。
本研究发现营养盐是CO2通量的重要影响因素，但在不同功能景观池塘的表现不同。研究结果表明，养殖塘和村塘DTN浓度与CO2通量呈显著正相关(图 6)，养殖塘TP浓度与CO2通量呈显著正相关(表 2)，但在农塘和水塘中营养盐对CO2变化的影响不显著。在水产养殖的过程中，养殖塘接纳高强度的外源(饲料投放)碳氮供给，营养盐和有机质负荷高，强烈影响水体的碳氮循环[15, 44]。村塘接收大量生活排污，营养盐负荷较高，DTN浓度显著高于其他池塘(表 1)，水体中氮的增加刺激了原位微生物的异养代谢，驱动了CO2的产生和排放[12]，因此养殖塘和村塘DTN浓度与CO2通量呈显著正相关。值得注意的是，养殖塘TP浓度相对偏低(表 1)，但却是CO2通量变化的重要驱动因子，可能是因为受到养殖活动影响，水体有机质丰富，磷素可能是控制水体有机质降解及其CO2产生的限制性因子[20, 45]。农塘受到灌溉和施肥等农业活动影响，因此其CO2排放模式受到多因子的综合调控，进而可能“掩盖”了营养盐对其CO2排放的影响[15, 32, 46-47]。
许多研究结果表明水温是水体CO2通量的重要驱动因子[12, 28, 48]。但本研究结果显示，水温对不同景观池塘CO2通量的影响程度不同。水温是养殖塘CO2排放的关键驱动因子，控制养殖塘45%的CO2通量变化(R2=0.45，P＜0.05)。Xiao等研究表明，在高养分负荷的水体中，CO2通量和水温的相关性更加显著[28]。养殖塘营养丰富，水温升高促进了塘内微生物和藻类植物呼吸和有机物分解，并提高了原位CO2的生成速率[28, 36]。但在村塘、农塘和水塘中，水温与CO2通量无显著相关关系。村塘和农塘由于接收大量生活污水和农田用水，大量外源负荷改变了水体理化状况，营养物质的供应可能超过了水温对微生物代谢的控制，最终导致水温与CO2通量无显著相关性[49]。因此，温度可能不是人类活动强干扰水体CO2排放的直接驱动因子，在评估全球升温对水体CO2排放影响时需要考虑人为活动的调控效应。
3.3 农业流域池塘CO2排放综合分析烔炀河流域不同池塘CO2通量全年均值均为正值，是大气CO2的源，向大气中排放CO2。流域池塘水-气界面CO2排放通量的均值为(37.31±67.47) mmol/(m2·d)，是该流域内湖泊水体CO2排放通量(5.61 mmol/(m2·d))的近7倍[31]。全球统计数据表明小型池塘是大气CO2的重要排放源，本研究中池塘水体CO2排放通量是同等大小全球池塘水体CO2平均排放通量(21.21 mmol/(m2·d))的近2倍[1]。前期研究发现高营养盐负荷水体是CO2的显著排放源，然而不及本研究中农业流域池塘水体CO2排放通量的1/2[19, 50]。考虑农业流域池塘数量多，分布多，且随着全球农业用地扩张，产生大量小型池塘[9-10]。因此，在评估内陆水体在全球CO2收支的贡献时，农业流域池塘水体的作用不容忽视。
本研究中养殖塘、村塘的CO2排放通量分别是水塘CO2排放通量的18、11倍，是大气CO2的热点排放区域。养殖塘的CO2排放通量高达(80.37±100.39) mmol/(m2·d)，是同样大小全球池塘CO2排放通量(21.21 mmol/(m2·d))的近4倍[1]，与城市高污染负荷小型景观水体CO2排放通量(78.6 mmol/(m2·d))相当[12]。养殖塘和村塘受到饲料投放、生活污水排入影响，其CO2通量要明显高于全球同样大小面积池塘CO2通量(21.21 mmol/(m2·d))[1]和全球湖库水体排放均值(24.4~41.4 mmol/(m2·d))[3]，是不容忽视的CO2排放源，需重点关注。此外，随着经济发展和人口增加，越来越多的池塘会受到人为活动的干扰[51]，同时，为满足日益增加的人口对鱼类蛋白质的需要，池塘养殖的规模和面积会逐渐增加[52]。因此，为准确估算内陆水体对大气CO2收支的影响，需要重点关注受人为活动扰动强烈的养殖塘和村塘CO2动态变化。
4 结论1) 经为期一年的现场实测，发现烔炀河流域池塘水体全年平均CO2排放量为(37.31±67.47) mmol/(m2·d)，与其他研究相比，烔炀河流域池塘水体具有较高的CO2排放通量，是大气CO2不容忽视的排放源，在未来水体CO2收支估算中需要予以关注。
2) 流域不同功能和用途的池塘水体CO2排放差异显著，CO2排放峰值出现在受农业活动(水产养殖等)和生活污水排放影响较大的池塘水体中，高营养负荷显著促进了流域池塘水体CO2排放，致使养殖塘、村塘和农塘的CO2排放通量分别为自然蓄水塘((4.52±23.26) mmol/(m2·d))的18、11和3倍，是不容忽视的CO2排放源。
3) 总体上溶解氧和营养盐可解释流域池塘水体CO2排放的动态变化，但不同景观池塘CO2变化的控制因素有所不同。因此，为减小农业流域水体CO2排放估算的不确定性，应综合考虑多因素的综合调控作用。
| [1] |
Holgerson MA, Raymond PA. Large contribution to inland water CO2 and CH4 emissions from very small ponds. Nature Geoscience, 2016, 9(3): 222-226. DOI:10.1038/ngeo2654 |
| [2] |
Li SY, Bush RT, Santos IR et al. Large greenhouse gases emissions from China's lakes and reservoirs. Water Research, 2018, 147: 13-24. DOI:10.1016/j.watres.2018.09.053 |
| [3] |
Raymond PA, Hartmann J, Lauerwald R et al. Global carbon dioxide emissions from inland waters. Nature, 2013, 503(7476): 355-359. DOI:10.1038/nature12760 |
| [4] |
Tranvik LJ, Downing JA, Cotner JB et al. Lakes and reservoirs as regulators of carbon cycling and climate. Limnology and Oceanography, 2009, 54(6): 2298-2314. DOI:10.4319/lo.2009.54.6_part_2.2298 |
| [5] |
Audet J, Carstensen MV, Hoffmann CC et al. Greenhouse gas emissions from urban ponds in Denmark. Inland Waters, 2020, 10(3): 373-385. DOI:10.1080/20442041.2020.1730680 |
| [6] |
Holgerson MA. Drivers of carbon dioxide and methane supersaturation in small, temporary ponds. Biogeochemistry, 2015, 124(1): 305-318. DOI:10.1007/s10533-015-0099-y |
| [7] |
Kankaala P, Huotari J, Tulonen T et al. Lake-size dependent physical forcing drives carbon dioxide and methane effluxes from lakes in a boreal landscape. Limnology and Oceanography, 2013, 58(6): 1915-1930. DOI:10.4319/lo.2013.58.6.1915 |
| [8] |
Vote C, Eberbach P, Inthavong T et al. Quantification of an overlooked water resource in the tropical rainfed lowlands using RapidEye satellite data: A case of farm ponds and the potential gross value for smallholder production in southern Laos. Agricultural Water Management, 2019, 212: 111-118. DOI:10.1016/j.agwat.2018.08.016 |
| [9] |
Lv MQ, Wu SJ, Ma MH et al. Small water bodies in China: Spatial distribution and influencing factors. Science China Earth Sciences, 2022, 52(8): 1431-1448. [吕明权, 吴胜军, 马茂华等. 中国小型水体空间分布特征及影响因素. 中国科学: 地球科学, 2022, 52(8): 1443-1461. DOI:10.1007/s11430-021-9939-5] |
| [10] |
Ollivier QR, Maher DT, Pitfield C et al. Punching above their weight: Large release of greenhouse gases from small agricultural dams. Global Change Biology, 2019, 25(2): 721-732. DOI:10.1111/gcb.14477 |
| [11] |
Xiao QT, Duan HT, Qi TC et al. Environmental investments decreased partial pressure of CO2 in a small eutrophic urban lake: Evidence from long-term measurements. Environmental Pollution, 2020, 263: 114433. DOI:10.1016/j.envpol.2020.114433 |
| [12] |
Huang T, Wang XF, Liu TT et al. Spatiotemporal variations and influencing factors of CO2 and CH4 emissions from urban small landscape waters. Acta Ecologica Sinica, 2021, 41(15): 6024-6037. [黄婷, 王晓锋, 刘婷婷等. 城市小型景观水体CO2与CH4排放特征及影响因素. 生态学报, 2021, 41(15): 6024-6037. DOI:10.1016/j.envpol.2020.114276] |
| [13] |
Li YF, Liu HY, Gao PF et al. Agricultural multi-pond systems and their hydrological processes: A review. Acta Ecologica Sinica, 2016, 36(9): 2482-2489. [李玉凤, 刘红玉, 皋鹏飞等. 农村多水塘系统水环境过程研究进展. 生态学报, 2016, 36(9): 2482-2489.] |
| [14] |
Li YY, You LL, Chen YS et al. Spatial-temporal characteristics of multi-pond landscape change and their driving factors in the Chaohu Basin, China. Acta Ecologica Sinica, 2018, 38(17): 6280-6291. [李莹莹, 尤罗利, 陈永生等. 环巢湖地区多水塘景观时空格局演变特征及其驱动因素. 生态学报, 2018, 38(17): 6280-6291. DOI:10.5846/stxb201708281551] |
| [15] |
刘臻婧. 典型面源污染小流域水体甲烷溶存浓度及其扩散排放[学位论文]. 南京: 南京信息工程大学, 2022.
|
| [16] |
Zhang XY, Xiao QT, Liu ZJ et al. Dissolved methane concentration and diffusion emission characteristics of ponds in a typical agricultural catchment. Journal of Agro-Environment Science, 2023, 42(4): 931-942. [张欣悦, 肖启涛, 刘臻婧等. 典型农业流域池塘甲烷浓度及扩散排放特征. 农业环境科学学报, 2023, 42(4): 931-942. DOI:10.11654/jaes.2022-0887] |
| [17] |
Crawford JT, Dornblaser MM, Stanley EH et al. Source limitation of carbon gas emissions in high-elevation mountain streams and lakes. Journal of Geophysical Research: Biogeosciences, 2015, 120(5): 952-964. DOI:10.1002/2014jg002861 |
| [18] |
Striegl RG, Kortelainen P, Chanton JP et al. Carbon dioxide partial pressure and 13C content of north temperate and boreal lakes at spring ice melt. Limnology and Oceanography, 2001, 46(4): 941-945. DOI:10.4319/lo.2001.46.4.0941 |
| [19] |
肖启涛. 太湖水-气界面温室气体(CO2, CH4, N2O)通量研究[学位论文]. 南京: 南京信息工程大学, 2014.
|
| [20] |
Xiao QT, Xu XF, Duan HT et al. Eutrophic Lake Taihu as a significant CO2 source during 2000-2015. Water Research, 2020, 170: 115331. DOI:10.1016/j.watres.2019.115331 |
| [21] |
Xiao K, Wilson AM, Li HL et al. Large CO2 release and tidal flushing in salt marsh crab burrows reduce the potential for blue carbon sequestration. Limnology and Oceanography, 2021, 66(1): 14-29. DOI:10.1002/lno.11582 |
| [22] |
Zhang YF, Tang KW, Yang P et al. Assessing carbon greenhouse gas emissions from aquaculture in China based on aquaculture system types, species, environmental conditions and management practices. Agriculture, Ecosystems & Environment, 2022, 338: 108110. DOI:10.1016/j.agee.2022.108110 |
| [23] |
Yang FY, Zhang SL, Wang SM et al. Dissolution and emission patterns and influencing factors of greenhouse gases in Panjiakou Reservoir. China Environmental Science, 2021, 41(11): 5303-5313. [杨凡艳, 张松林, 王少明等. 潘家口水库温室气体溶存、排放特征及影响因素. 中国环境科学, 2021, 41(11): 5303-5313.] |
| [24] |
Yang P, Tong C. Emission paths and measurement methods for greenhouse gas fluxes from freshwater ecosystems: A review. Acta Ecologica Sinica, 2015, 35(20): 6868-6880. [杨平, 仝川. 淡水水生生态系统温室气体排放的主要途径及影响因素研究进展. 生态学报, 2015, 35(20): 6868-6880. DOI:10.5846/stxb201406231298] |
| [25] |
Boyd CE, Wood CW, Chaney PL et al. Role of aquaculture pond sediments in sequestration of annual global carbon emissions. Environmental Pollution, 2010, 158(8): 2537-2540. DOI:10.1016/j.envpol.2010.04.025 |
| [26] |
Zhang YP, Guo XH, Zhu XD. Strong diurnal variability of carbon dioxide flux over algae-shellfish aquaculture ponds revealed by eddy covariance measurements. Agriculture, Ecosystems & Environment, 2023, 348: 108426. DOI:10.1016/j.agee.2023.108426 |
| [27] |
Zhao GH, Yang P, Tan LS et al. Temporal variation of carbon dioxide flux between farming and non-farming stages in the land-based shrimp pond in the Min River Estuary. Research of Environmental Sciences, 2020, 33(4): 949-957. [赵光辉, 杨平, 谭立山等. 闽江河口养虾塘养殖期和非养殖期CO2通量变化特征. 环境科学研究, 2020, 33(4): 949-957.] |
| [28] |
Xiao QT, Hu ZH, Hu C et al. A highly agricultural river network in Jurong Reservoir watershed as significant CO2 and CH4 sources. Science of the Total Environment, 2021, 769: 144558. DOI:10.1016/j.scitotenv.2020.144558 |
| [29] |
Wang XF, He YX, Yuan XZ et al. Greenhouse gases concentrations and fluxes from subtropical small reservoirs in relation with watershed urbanization. Atmospheric Environment, 2017, 154: 225-235. DOI:10.1016/j.atmosenv.2017.01.047 |
| [30] |
van Bergen TJ, Barros N, Mendonça R et al. Seasonal and diel variation in greenhouse gas emissions from an urban pond and its major drivers. Limnology and Oceanography, 2019, 64(5): 2129-2139. DOI:10.1002/lno.11173 |
| [31] |
Qi TC, Xiao QT, Miao YQ et al. Temporal and spatial variation of carbon dioxide concentration and its exchange fluxes in Lake Chaohu. J Lake Sci, 2019, 31(3): 766-778. [齐天赐, 肖启涛, 苗雨青等. 巢湖水体二氧化碳浓度时空分布特征及其水-气交换通量. 湖泊科学, 2019, 31(3): 766-778. DOI:10.18307/2019.0315] |
| [32] |
Borges AV, Darchambeau F, Lambert T et al. Effects of agricultural land use on fluvial carbon dioxide, methane and nitrous oxide concentrations in a large European River, the Meuse (Belgium). Science of the Total Environment, 2018, 610/611: 342-355. DOI:10.1016/j.scitotenv.2017.08.047 |
| [33] |
Tian XK, Wu ZL, Lin SJ et al. Observation and influencing factors of day-time variation of CO2 flux at water-air interface in a largest urban Lake Tangxun, Wuhan. Quaternary Sciences, 2023, 43(2): 625-636. [田小康, 吴忠立, 林斯静等. 武汉市汤逊湖水-气界面CO2通量昼间变化观测及其影响因素分析. 第四纪研究, 2023, 43(2): 625-636.] |
| [34] |
Li SY, Ni MF, Mao R et al. Riverine CO2 supersaturation and outgassing in a subtropical monsoonal mountainous area (Three Gorges Reservoir Region) of China. Journal of Hydrology, 2018, 558: 460-469. DOI:10.1016/j.jhydrol.2018.01.057 |
| [35] |
Xiao QT, Liu ZJ, Hu ZH et al. Notable changes of carbon dioxide in a eutrophic lake caused by water diversion. Journal of Hydrology, 2021, 603: 127064. DOI:10.1016/j.jhydrol.2021.127064 |
| [36] |
Gu SJ, Li SY, Santos IR. Anthropogenic land use substantially increases riverine CO2 emissions. Journal of Environmental Sciences: China, 2022, 118: 158-170. DOI:10.1016/j.jes.2021.12.040 |
| [37] |
Jiang T, Guo JS, Li Z et al. Air-water surface greenhouse gas flux in Pengxi River at different operational stages of the Three Gorges Reservoir. Environmental Science, 2012, 33(5): 1463-1470. [蒋滔, 郭劲松, 李哲等. 三峡水库不同运行状态下支流澎溪河水-气界面温室气体通量特征初探. 环境科学, 2012, 33(5): 1463-1470. DOI:10.13227/j.hjkx.2012.05.019] |
| [38] |
Schrier-Uijl AP, Veraart AJ, Leffelaar PA et al. Release of CO2 and CH4 from lakes and drainage ditches in temperate wetlands. Biogeochemistry, 2011, 102(1): 265-279. DOI:10.1007/s10533-010-9440-7 |
| [39] |
Peacock M, Audet J, Bastviken D et al. Small artificial waterbodies are widespread and persistent emitters of methane and carbon dioxide. Global Change Biology, 2021, 27(20): 5109-5123. DOI:10.1111/gcb.15762 |
| [40] |
Rocher-Ros G, Sponseller RA, Lidberg W et al. Landscape process domains drive patterns of CO2 evasion from river networks. Limnology and Oceanography Letters, 2019, 4(4): 87-95. DOI:10.1002/lol2.10108 |
| [41] |
Wells NS, Maher D, Huang PS et al. Land-use intensity alters both the source and fate of CO2 within eight sub-tropical estuaries. Geochimica et Cosmochimica Acta, 2020, 268: 107-122. DOI:10.1016/j.gca.2019.09.042 |
| [42] |
Zhu JY, Peng K, Li YY et al. Characteristics and influence factors of carbon dioxide efflux from Lake Hongze under different hydrological scenarios. J Lake Sci, 2022, 34(4): 1347-1358. [朱俊羽, 彭凯, 李宇阳等. 不同水文情景下洪泽湖二氧化碳排放通量特征及影响因素. 湖泊科学, 2022, 34(4): 1347-1358. DOI:10.18307/2022.0425] |
| [43] |
Laas A, Cremona F, Meinson P et al. Summer depth distribution profiles of dissolved CO2 and O2 in shallow temperate lakes reveal trophic state and lake type specific differences. Science of the Total Environment, 2016, 566/567: 63-75. DOI:10.1016/j.scitotenv.2016.05.038 |
| [44] |
张逸飞. 闽江河口养虾塘水体甲烷和二氧化碳溶存浓度与通量研究[学位论文]. 福州: 福建师范大学, 2019.
|
| [45] |
Mao R, Chen HM, Li SY. Phosphorus availability as a primary control of dissolved organic carbon biodegradation in the tributaries of the Yangtze River in the Three Gorges Reservoir Region. Science of the Total Environment, 2017, 574: 1472-1476. DOI:10.1016/j.scitotenv.2016.08.132 |
| [46] |
Abnizova A, Siemens J, Langer M et al. Small ponds with major impact: The relevance of ponds and lakes in permafrost landscapes to carbon dioxide emissions. Global Biogeochemical Cycles, 2012, 26(2): 1-9. DOI:10.1029/2011GB004237,2012 |
| [47] |
Tong C, Bastviken D, Tang KW et al. Annual CO2 and CH4 fluxes in coastal earthen ponds with Litopenaeus vannamei in southeastern China. Aquaculture, 2021, 545: 737229. DOI:10.1016/j.aquaculture.2021.737229 |
| [48] |
Rantakari M, Kortelainen P. Interannual variation and climatic regulation of the CO2 emission from large boreal lakes. Global Change Biology, 2005, 11(8): 1368-1380. DOI:10.1111/j.1365-2486.2005.00982.x |
| [49] |
Zhang WS, Li HP, Xiao QT et al. Urban rivers are hotspots of riverine greenhouse gas (N2O, CH4, CO2) emissions in the mixed-landscape Chaohu Lake basin. Water Research, 2021, 189: 116624. DOI:10.1016/j.watres.2020.116624 |
| [50] |
Wang FS, Wang YC, Zhang J et al. Human impact on the historical change of CO2 degassing flux in River Changjiang. Geochemical Transactions, 2007, 8: 7. DOI:10.1186/1467-4866-8-7 |
| [51] |
Teurlincx S, Kuiper JJ, Hoevenaar EC et al. Towards restoring urban waters: Understanding the main pressures. Current Opinion in Environmental Sustainability, 2019, 36: 49-58. DOI:10.1016/j.cosust.2018.10.011 |
| [52] |
Sheng JX, Tunnicliffe R, Ganesan AL et al. Sustained methane emissions from China after 2012 despite declining coal production and rice-cultivated area. Environmental Research Letters, 2021, 16(10): 104018. DOI:10.1088/1748-9326/ac24d1 |