河源區(qū)土壤與河流二氧化碳濃度變化特征及相關(guān)性

李家琪,姜振蛟,戴 鑫,汪 釧,武麗文,謝月清*

河源區(qū)土壤與河流二氧化碳濃度變化特征及相關(guān)性

李家琪1,2,姜振蛟3,戴 鑫1,2,汪 釧1,2,武麗文4,謝月清1,2*

(1.南京大學(xué)地球科學(xué)與工程學(xué)院,江蘇 南京 210023；2.南京大學(xué)關(guān)鍵地球物質(zhì)循環(huán)前沿科學(xué)中心,江蘇 南京 210023；3.吉林大學(xué)新能源與環(huán)境學(xué)院,吉林 長春 130026；4.西交利物浦大學(xué)健康與環(huán)境科學(xué)系,江蘇 蘇州 215123)

以陜西省榆林市海流兔河流域上游區(qū)域?yàn)檠芯繉ο?通過結(jié)合河流與土壤CO2濃度高頻監(jiān)測技術(shù)與頻譜分析方法,剖析河流-土壤橫斷面CO2動態(tài)模式及其影響因素與演化過程.基于研究剖面上4個監(jiān)測點(diǎn)的CO2濃度時間序列,分離出周期為0.5與1d的強(qiáng)烈晝夜信號,推斷出河流內(nèi)部的晝夜生物代謝過程是控制CO2濃度變化的關(guān)鍵因素.流域內(nèi)降水等事件引起的水文條件變化會引起CO2逸散,對水體碳循環(huán)過程產(chǎn)生顯著影響.根據(jù)相關(guān)性分析,判斷河流與土壤CO2動態(tài)的主要影響因子為溫度與土壤含水量,并證實(shí)了土壤為河流CO2的主要來源,地下水是實(shí)現(xiàn)土壤與河流間的碳遷移過程的重要媒介.

頻譜分析；小波分析；河源區(qū)河流；相干性；碳循環(huán)；土壤；地下水；CO2

近年來,隨著全球變暖進(jìn)一步加劇,氣候變化成為全球關(guān)注的焦點(diǎn),與之緊密相關(guān)的碳循環(huán)問題也成為全球關(guān)心的重大科學(xué)問題.全球河流的CO2逸散量高達(dá)2.58Pg C/a,與化石能源燃燒引起的年均碳排放量處于同一量級,是陸地生態(tài)系統(tǒng)碳排放的重要窗口[1].其中,河源區(qū)生態(tài)系統(tǒng)與河流連通緊密,其碳排放量約占全球河流碳排放量的36%,是流域河流碳輸出的開端與碳排放的熱點(diǎn)區(qū)域[1-2].因此,研究河源區(qū)河流和陸地生態(tài)系統(tǒng)之間的碳交換過程及控制因素對理解區(qū)域和全球碳循環(huán)路徑意義重大.

目前有多項(xiàng)研究試圖探索河源區(qū)河流CO2的來源和驅(qū)動因素,并聚焦于河流與河岸土壤中碳過程的連通性.Campeau等[3]利用穩(wěn)定碳同位素,研究土壤中的無機(jī)碳輸送到河流的過程,捕捉到其中的CO2逸散與碳轉(zhuǎn)化現(xiàn)象.Aitkenhead等[4]利用蘇格蘭東北部河流DOC濃度與土壤有機(jī)碳庫進(jìn)行對比,發(fā)現(xiàn)土壤碳庫在不同尺度的流域中都表現(xiàn)為河流DOC濃度的良好預(yù)測因子,在小型流域中二者相關(guān)性尤其明顯.Hope等[5]基于英國泥炭地流域中泥炭與河岸土壤的CO2濃度數(shù)據(jù),識別到相似的季節(jié)性變化特征,驗(yàn)證了河流與土壤碳過程之間存在密切聯(lián)系.但以上研究大多基于低時間分辨率的采樣方法,對河流與土壤CO2高頻動態(tài)的關(guān)聯(lián)性分析仍不夠清晰,尤其是在缺少降水的干旱區(qū)河流河源區(qū).

近年來許多研究利用新型傳感器技術(shù),在湖泊[6]、水庫[7]和大河流[8],以及溪流中[9-10]高頻記錄水體CO2濃度.Bastvike等[11]與Johnson等[12]通過非分散紅外傳感法持續(xù)監(jiān)測CO2時空濃度動態(tài),實(shí)現(xiàn)了CO2濃度變化的高頻觀測,成為探索內(nèi)陸水域CO2源匯流的新途徑,為分析水中碳的潛在來源區(qū)與河流的聯(lián)系和對生物地球化學(xué)轉(zhuǎn)化的影響提供了重要的數(shù)據(jù)基礎(chǔ).Dinsmore等[13]基于加拿大東南部湖泊中高分辨率CO2濃度動態(tài)數(shù)據(jù),發(fā)現(xiàn)河流夏季CO2濃度與水生動植物的生物過程密切相關(guān).水生生態(tài)系統(tǒng)中的CO2動態(tài)受河流運(yùn)動與集水過程的共同影響,而空間分布的高分辨率數(shù)據(jù)可用于區(qū)分不同過程對濃度與通量模式的作用.然而這些研究僅側(cè)重于分析河流的CO2濃度變化特征,CO2濃度高頻觀測技術(shù)在河流與土壤碳過程連通性的研究上仍有很大的應(yīng)用潛力未被發(fā)掘.

研究水體物質(zhì)遷移過程規(guī)律時,通常使用時域數(shù)據(jù)分析方法.Dornblaser等[14]采用傳統(tǒng)時域分析方法研究北極地區(qū)河流碳含量變化特征,觀測到DIC與DOC含量的年際變化規(guī)律.然而,CO2時間序列動態(tài)特征復(fù)雜,時域分析無法準(zhǔn)確體現(xiàn)CO2動態(tài)的的短期(每日)變異性.頻譜分析方法可以將問題轉(zhuǎn)化至頻域,分析時間模式并提供遷移速率的定量估計(jì)作為觀測動態(tài)固有時間尺度的函數(shù)[9,15-17].與時域分析相比,頻譜分析更適合處理高頻數(shù)據(jù),可精準(zhǔn)識別數(shù)據(jù)的短期時間變異性.Crawford等[9]在研究美國北部河源區(qū)河流時,基于高分辨率CO2濃度動態(tài)數(shù)據(jù),利用頻譜分析分離了不同周期的CO2濃度波動的幅度,以此來獲得控制CO2濃度動態(tài)過程的主要時間尺度.采用頻譜分析方法可有效利用空間分布的高分辨率數(shù)據(jù),通過對不同位置CO2動態(tài)時間序列及其影響因子的相干性分析,探究河流與土壤CO2過程關(guān)聯(lián)性,以提高對內(nèi)陸水域CO2濃度變化過程的認(rèn)識.

本次研究選擇陜西省榆林市的海流兔河流域,基于實(shí)測高分辨率CO2濃度動態(tài)數(shù)據(jù),利用頻譜分析方法明晰河流與土壤CO2濃度的變化特征,通過CO2動態(tài)與影響因子的相關(guān)性研究識別控制河流與土壤CO2動態(tài)的關(guān)鍵驅(qū)動因素和過程,為深入理解陸地生態(tài)系統(tǒng)與水生生態(tài)系統(tǒng)間的碳循環(huán)過程提供理論參考.

1 材料與方法

1.1 研究區(qū)概況

本次研究區(qū)位于海流兔河流域,地處中國西北半干旱地區(qū)的陜西省榆林市.流域面積約2500km2,為陜北黃土高原與毛烏素沙漠過渡地帶的洼地小流域[18-19].區(qū)內(nèi)地表水和地下水主要來源于大氣降水補(bǔ)給,流域內(nèi)多年平均降雨量370mm,降水年際和年內(nèi)變化大,降雨集中在7～9月,多年平均潛在蒸發(fā)量2000mm.海流兔河及其支流補(bǔ)浪河為該流域內(nèi)的兩條主要河流.

海流兔河流域內(nèi)主要包含兩個地下水含水巖組,在流域上均勻分布有第四系孔隙潛水含水巖組(Q3s),主要由粉細(xì)砂和黃土構(gòu)成,含水量分布較均勻,地下水埋深一般為0～50m;在部分地區(qū)的梁地出露的為白堊系碎屑巖類裂隙孔隙潛水半承壓水含水巖組(K1h),主要構(gòu)成為砂巖與粉砂巖,厚15～400m,且縱向變化明顯,構(gòu)成了流域內(nèi)主要富水層[20].

1.2 數(shù)據(jù)監(jiān)測

研究區(qū)選擇陜西省榆林市西部的海流兔河流域上游一集水區(qū),總匯水面積約2.81×105m2.目前已經(jīng)在研究區(qū)野外試驗(yàn)場地內(nèi)布設(shè)了氣象站,在研究區(qū)安裝了多處河流和地下水動態(tài)自動監(jiān)測儀,建立了自動化生態(tài)水文動態(tài)觀測網(wǎng)絡(luò).

本次土壤-地下水-河流水文與CO2聯(lián)合監(jiān)測選取在流域內(nèi)的補(bǔ)浪河,建有小型氣象站1個.如圖1所示,在與河流水平距離為1.5, 3.6和7.5m的位置各布設(shè)1個土壤含水率監(jiān)測點(diǎn)和1個CO2濃度監(jiān)測點(diǎn).含水率監(jiān)測點(diǎn)與CO2濃度監(jiān)測點(diǎn)皆布設(shè)于地面以下0.2m深度處,確保監(jiān)測點(diǎn)位于河流水位之上.此外,還對地下水位和河水位以及水體中的CO2濃度進(jìn)行動態(tài)監(jiān)測,然而地下水中CO2濃度監(jiān)測有著明顯的偏移現(xiàn)象,因此未用來分析.

圖1 野外監(jiān)測點(diǎn)布設(shè)示意

監(jiān)測獲得了榆林剖面內(nèi)河流CO2濃度動態(tài)數(shù)據(jù)、河岸、中坡與上坡土壤CO2濃度動態(tài)數(shù)據(jù),以及地下水位動態(tài)數(shù)據(jù)與土壤含水量數(shù)據(jù),監(jiān)測頻率均為每10min記錄一次數(shù)據(jù).由于溫度顯著變化時的數(shù)據(jù)更具代表性,且考慮到部分時段的數(shù)據(jù)缺失,因此選擇數(shù)據(jù)較完整的2019-08-01—2020-01-31和2020-09-12—2021-01-11兩段時間的數(shù)據(jù)進(jìn)行分析.如圖2所示,河流CO2濃度在1000′10-6～4000′10-6范圍內(nèi)呈高頻小幅度波動;而土壤中的CO2濃度呈高頻大幅度波動,存在明顯峰值,中坡位置的CO2濃度明顯高于河岸與上坡CO2濃度,最高達(dá)到16000′10-6左右,最小濃度約500′10-6.2019～2020年時段內(nèi)監(jiān)測剖面的CO2濃度總體高于2020～2021年時段.從河流到上坡水位逐漸上升,地下水常年補(bǔ)給河流,水位在0.1～0.6m范圍內(nèi)頻繁波動.土壤體積含水率總體較低,在0.03～0.23范圍內(nèi)波動,中坡位置含水率最高.

圖2 2019～2020年與2020～2021年河流與土壤CO2濃度曲線圖(a,b)?水位動態(tài)圖(c,d)和含水量曲線圖(e,f)

通過研究區(qū)CO2濃度的時域分析,可觀察到河流與土壤CO2動態(tài)存在不同時間尺度的濃度波動,因此本研究使用頻譜分析方法將CO2時間序列中不同周期的濃度波動分離,以研究河流與土壤CO2濃度變化特征及其影響因子,并分析不同位置CO2動態(tài)的相干性,進(jìn)一步分析河流CO2主要來源與河流CO2動態(tài)的驅(qū)動因子.

1.3 研究方法

本次研究采用頻譜分析方法,將信號由時域轉(zhuǎn)化到頻域進(jìn)行處理.常見的頻譜分析方法是通過傅立葉變換,將信號分解為不同相位與頻率的諧波集合,其中的主要頻率可與重要的物理或生物地球化學(xué)過程的時間尺度相關(guān)聯(lián),用于分析變量的驅(qū)動因素.例如河流CO2濃度時間序列,利用信號的傅立葉變換()將數(shù)據(jù)由時域轉(zhuǎn)換到頻域,方程如下(式1):

式中:是信號的傅立葉表示,是時間, s;是用于定義周期= 2π/(s)的角頻率, rad/s.等式(1)表明所分析的時間序列是一組諧波函數(shù)疊加形成的結(jié)果.因此,時間序列中波動的幅度(即各個諧波函數(shù)的幅度)可根據(jù)頻率分解,并利用功率譜來進(jìn)行評估:

式(3)可以看作一個非歸一化累積分布函數(shù) (CDF),當(dāng)積分上限2達(dá)到時間序列中最長的可能周期max時,該函數(shù)值接近時間序列中的總方差.因此,可對總方差進(jìn)行歸一化獲得特定周期間隔的相對重要性,從而通過式(4)得出方差的CDF,即().

()的值隨著上積分的增加而增加,在2max時達(dá)到統(tǒng)一.

總的來說,傅立葉變換和相應(yīng)的 PSD(式2)和方差的 CDF(式4)是對原始時域信號的替代表示.這兩種表示方式揭示了不同的信息,時域表示可提供給定時刻的變量信息,而頻域表示則為各種頻率分量提供了顯著周期的有關(guān)信息以及每個周期相關(guān)的方差的相對重要性.

雖然傅立葉變換可將信號分解為一組諧波函數(shù)并提供與每個周期相關(guān)的方差的信息,但無法獲取不同頻率信號的出現(xiàn)時間,不適合處理非平穩(wěn)信號.由于現(xiàn)實(shí)中觀測獲得的時間序列基本都為非平穩(wěn)信號,因此在處理實(shí)際問題時,為了解時間序列中方差分布的時間可變性,主要采用兩種方法:(i)加窗傅立葉變換,和(ii)小波變換.前者是將時間序列分割為若干個等寬的時間窗口,在每個窗口內(nèi)分別進(jìn)行傅立葉變換與PSD評估,但由于其窗口長度固定,無法權(quán)衡時間與頻率的分析精度,存在一定局限性.本次研究選擇連續(xù)小波變換進(jìn)行分析,與傅立葉變換相比,它包含一個可及時移動變換的定位參數(shù),根據(jù)信號特征調(diào)整所截取時間序列的長度.函數(shù)的連續(xù)小波變換如下:

式中:為小波的中心頻率.基于連續(xù)小波變換(式6),兩個時間序列之間的相干性可以定義為平方的交叉譜W,根據(jù)單個頻譜歸一化為:

式中:是時間和尺度上的平滑算子.實(shí)值小波相干性R提供介于0和1之間的值,并測量局部交叉相關(guān)系數(shù)作為頻率和時間的函數(shù).

本次研究將所選時段內(nèi)的河流與土壤CO2與水位動態(tài)數(shù)據(jù)進(jìn)行小波分析,計(jì)算河流CO2時間序列的PSD(功率譜密度)與小波方差以獲取主要周期并分析河流與河岸帶CO2動態(tài)變化特征;在此基礎(chǔ)上,計(jì)算小波相干功率譜,分析CO2動態(tài)與影響因子的相關(guān)性,并進(jìn)一步研究河流CO2濃度與河岸?中坡?上坡土壤CO2濃度的相關(guān)性,推斷河流CO2來源與河流CO2動態(tài)的驅(qū)動因子,進(jìn)一步了解水體碳循環(huán)過程.

2 結(jié)果與討論

2.1 河流與土壤CO2動態(tài)變化特征

2.1.1 CO2時間序列小波方差分布 本次研究將所采集的2019～2020年及2020～2021年的CO2時間序列進(jìn)行小波分析,以揭示河流與河岸、中坡、上坡位置CO2時空模式.通過小波方差圖顯示的主周期時間尺度,查明對應(yīng)周期,以此獲得河流與土壤CO2濃度變化特征與控制CO2濃度動態(tài)過程的主要時間尺度.

圖3 2019～2020年CO2動態(tài)小波方差分布圖(a)與2019～2020年與2020～2021年CO2動態(tài)小波方差分布年際對比圖(b,c,d)

由不同時段的小波方差圖(圖3)可知,所有采樣位置的CO2濃度波動方差隨時間尺度增加.相較于短周期(<0.5d),中周期(0.5～3d)與中長周期段(3～20d)的方差值波動更為明顯,這種波動在河流中表現(xiàn)格外明顯,并在0.8d與1.6d時間尺度上波峰最為明顯(虛線標(biāo)注點(diǎn)).根據(jù)時間尺度查詢相應(yīng)的小波系數(shù)實(shí)部確認(rèn)對應(yīng)周期分別為0.5d與1d.由此可得:0.5d與1d為CO2濃度波動的主要周期,其中1d周期對應(yīng)的波峰最為突出(圖3),這種強(qiáng)烈的晝夜信號說明了每日CO2動態(tài)背后驅(qū)動過程的重要性.

根據(jù)2019～2020年CO2時間序列的小波方差圖(圖3a),河流CO2濃度相比于其他位置波動更為顯著.觀察各位置的年際對比圖(圖3b～d),2019～2020年時段CO2時間序列的方差在各位置皆大于2020～2021年時段,說明2019～2020年的CO2時間序列具有更高的可變性,推測與該時段更豐富的降水與更大幅度的氣溫變化有關(guān).同時,2020～2021年河流的方差分布圖主要周期的波峰更為突出(圖3b),而2019～ 2020年河岸方差分布圖上=0.5d對應(yīng)的波峰明顯強(qiáng)于2020～2021年時段(圖3c).在短周期(<0.5d)上,近河流土壤CO2濃度的方差皆存在一定阻尼(波動性減弱);而在中長周期(1d<<10d)上,所有位置普遍存在阻尼.

2.1.2 CO2濃度波動的時間定位 通過小波方差分布圖僅能了解所選時段內(nèi)CO2濃度波動的主要周期,無法具體定位不同周期CO2濃度在時間上的強(qiáng)度分布,因此對河流CO2時間序列進(jìn)行連續(xù)小波變換,并繪制小波功率譜(圖4)對CO2濃度波動的周期強(qiáng)度進(jìn)行時間定位,分析CO2動態(tài)變化特征在時間上的分布情況.

圖4 2019～2020年和2020～2021年河流CO2濃度與水位動態(tài)圖(a,b),河流CO2動態(tài)小波功率譜圖(c,d)及降水資料(e,f)

小波功率譜圖(c,d)的色帶說明周期性強(qiáng)度

觀察所選時段內(nèi)河流CO2濃度與河水水位動態(tài)圖(圖4a,b)發(fā)現(xiàn),河流CO2濃度與水位波動存在一定相關(guān)性,隨著河水位的增加,CO2呈現(xiàn)下降的趨勢,且每次水位波動略早于CO2含量波動,判斷二者存在因果關(guān)系.結(jié)合流域氣象條件,發(fā)現(xiàn)多數(shù)河流CO2波動和水位趨勢轉(zhuǎn)折點(diǎn)與流域內(nèi)降水時間相符(圖4e,f),例如在2019年9月初流域發(fā)生降雨,同時段河流水位從0.15m驟升至0.35m左右,隨后河流CO2濃度迅速從1700′10-6降至1200′10-6左右(圖4a,e).由此推測降水是河流水位呈上升趨勢的主要原因.由于降水后河流流量增加,流速增快,使CO2的氣體交換速率增大,河流中部分CO2逸散到大氣中,同時降雨后河流水位的上升一定程度阻礙了地下水向河流的碳遷移,因此導(dǎo)致河流CO2濃度的下降.相反,當(dāng)沒有降水時河流的流量較小,流速較慢,CO2的氣體交換率較為穩(wěn)定,河流的CO2逸散量較少,且地下水對河流的CO2輸送量較穩(wěn)定,使河流CO2濃度有所升高.觀察小波功率譜圖(圖4c,d)可知,2019- 08-01—2020-01-31和2020-09-12—2021-01-11兩個時段內(nèi)都出現(xiàn)了4天至幾個月的長周期的大幅度河流CO2濃度波動.從周期強(qiáng)度判斷,河流CO2動態(tài)的主要周期為0.5d與1d,與方差分布圖反映的主要周期相一致,表現(xiàn)出強(qiáng)烈的晝夜信號,推測為溫度與光照條件影響下光合作用與呼吸作用共同導(dǎo)致的結(jié)果.另外,結(jié)合周期強(qiáng)度的時間分布發(fā)現(xiàn),水位的波動會覆蓋河流CO2濃度的周期波動,使0.5d與1d的周期強(qiáng)度在功率譜圖上的對應(yīng)時刻存在突變,晝夜信號明顯減弱,且突變時刻與流域內(nèi)強(qiáng)降雨時刻相符,佐證了對于降水導(dǎo)致河流水位運(yùn)動趨勢改變的判斷,也反映了水文條件與CO2濃度波動之間的密切聯(lián)系.

2.2 河流CO2動態(tài)與影響因子相干性分析

為認(rèn)識環(huán)境對河流CO2濃度的影響機(jī)理,進(jìn)一步了解影響河流碳過程的驅(qū)動因子,使用小波相干譜對河流CO2動態(tài)和各影響因子進(jìn)行相干性分析,量化時頻平面上時間序列對之間的互相關(guān)性,研究時間模式的相似性[21].篩選出河流水位?氣溫?水溫與太陽輻射作為河流CO2動態(tài)的影響因子,選擇2019-08-01—2020-01-31時段的數(shù)據(jù)進(jìn)行相干性研究(圖5).

圖5 2019～2020時段河流CO2動態(tài)與水位(a),氣溫(b),水溫(c),太陽輻射(d)小波相干譜

小波相干譜的色帶說明相干性強(qiáng)弱,箭頭表示時間序列之間的相位差,→= 0,↑=/4,←=±/2,↓= -/4

通過相干性分析,觀察到河流CO2動態(tài)與溫度因子存在較為連續(xù)的高相干,主要集中在0.5～1d的晝夜尺度上(圖5b,c).由于溫度本身具有晝夜變化的周期性規(guī)律,因此推測溫度很大程度上影響著河流碳過程.溫度與CO2濃度變化呈明顯的正相關(guān)性(相位差接近0),這可能反映了溫度升高導(dǎo)致水生動植物呼吸作用與微生物分解作用加劇[22],造成CO2濃度升高.觀察高相干的時間分布發(fā)現(xiàn),秋冬季節(jié)的相干性明顯高于夏季(圖5b,c),推測是由于夏季溫度高且波動較小,缺少長期的變化趨勢,因此相干性主要集中在晝夜尺度;秋季開始出現(xiàn)持續(xù)性降溫,河流內(nèi)碳過程持續(xù)受到降溫影響,因此在較大范圍的時間尺度上存在高相干性.

另外,太陽輻射與河流CO2濃度的相干性表現(xiàn)與溫度相似,但總體相干性較溫度因素有所減弱,呈較弱的正相關(guān)性(圖5d).由于太陽輻射同時影響河流內(nèi)呼吸作用與光合作用,輻射強(qiáng)度與CO2的正相關(guān)性反映了太陽輻射引起溫度上升對呼吸作用的促進(jìn)作用大于其對光合作用的促進(jìn)作用.

與溫度和太陽輻射因素相比,河流水位與CO2濃度的相干性較低,主要表現(xiàn)為負(fù)相關(guān)(圖5a),推測是由于水位升高時流速增大導(dǎo)致河流向大氣逸散更多CO2,從而造成CO2濃度下降.雖然當(dāng)水位條件顯著變化時會擾動河流自身代謝規(guī)律造成CO2濃度波動,但在水文條件相對穩(wěn)定時,相干性分析表明水位的小幅波動并未對河流CO2動態(tài)起到?jīng)Q定性作用.綜上分析,溫度是河流CO2動態(tài)的主要驅(qū)動因子.

2.3 土壤CO2動態(tài)與影響因子相干性分析

除河流CO2濃度外,進(jìn)一步對土壤CO2動態(tài)的影響因子進(jìn)行相干性研究,以研究河流-土壤橫斷面CO2動態(tài)情況.針對土壤CO2動態(tài),選擇了水位、溫度、土壤含水量與太陽輻射作為可能的影響因子進(jìn)行相干性分析(圖6).在各土壤監(jiān)測點(diǎn)中,中坡位置的CO2濃度最高,動態(tài)特征較為明顯,因此選擇中坡的數(shù)據(jù)進(jìn)行分析研究.

與河流相比,土壤CO2動態(tài)與溫度的高相干并不明顯集中在晝夜尺度上(圖6b),在0.25～2d的范圍內(nèi)均分布有明顯高相干.CO2濃度與溫度信號存在一定相位差,總體呈正相關(guān),推測相位差是由于土壤碳過程對溫度響應(yīng)的滯后性造成的,溫度對土壤CO2濃度的影響機(jī)理與河流相似,即溫度升高促進(jìn)了土壤內(nèi)呼吸作用與微生物分解作用,使CO2濃度升高.除此之外,土壤CO2動態(tài)與太陽輻射和地下水位因子的相干性也與河流的表現(xiàn)相似,太陽輻射與CO2濃度在晝夜尺度上高相干,而地下水位與土壤CO2濃度呈負(fù)相關(guān)且相干性有所減弱(圖6a,d).

圖6 2019～2020時段中坡CO2動態(tài)與水位(a),溫度(b),土壤含水量(c),太陽輻射(d)小波相干譜

在土壤環(huán)境中,含水量也對CO2濃度有所影響,雖然相干性弱于溫度與太陽輻射因子,但其影響機(jī)理依據(jù)環(huán)境特征具有更為復(fù)雜的表現(xiàn).研究區(qū)土壤采樣位置的土壤含水量均較低,選擇中坡處CO2濃度與含水量進(jìn)行分析,發(fā)現(xiàn)強(qiáng)烈的正相關(guān)性(圖6c),即土壤含水量增加,CO2濃度隨之升高.由此推測在含水量不高的環(huán)境中,含水量的升高促進(jìn)了土壤呼吸,導(dǎo)致了CO2濃度升高;但當(dāng)含水量過高抑制土壤中的有氧呼吸時,可能造成CO2濃度的降低.對于土壤CO2動態(tài),除溫度因子之外還要將土壤含水量作為主要影響因子考慮在內(nèi).

圖7 2019～2020年河流與河岸(a,b),河流與中坡(c,d),河岸與中坡(e,f),中坡與上坡(g,h)之間的CO2時間序列及小波相干譜

2.4 河流-土壤橫斷面CO2時間模式相干性分析

基于對河流與土壤CO2動態(tài)的變化特征分析,認(rèn)為二者存在一定相關(guān)性,對河流與土壤多個監(jiān)測點(diǎn)的CO2動態(tài)分別進(jìn)行相干性分析.由圖7a,b可以看出,河流與河岸土壤層中CO2動態(tài)的相干性主要集中在晝夜尺度上,表現(xiàn)為正相關(guān)性.土壤內(nèi)部各位置的CO2動態(tài)相干性明顯升高,且在較大范圍的時間尺度內(nèi)(幾個小時至幾個月)都分布有高相干(圖7f,h),說明CO2在河流附近的土壤環(huán)境中具有相似的長期動態(tài)過程.土壤CO2動態(tài)的這種同步性表明有共同的碳過程(土壤呼吸作用)塑造了地下水中的CO2動態(tài),而高濃度的CO2隨著河流與土壤間的滲流過程(土壤水與淺層地下水)釋放到河流中.這些結(jié)果強(qiáng)調(diào)了流域內(nèi)土壤是河流CO2的重要來源,對河流碳循環(huán)過程有重要作用.

與先前分析一致的是,河流與土壤的CO2動態(tài)都在晝夜尺度上存在高相干,即二者都受溫度與太陽輻射影響,具有晝夜周期的濃度波動.值得注意的是,高相干性的周期波動并不連續(xù),在研究時段上存在中斷;而在同時段河流-河岸?河岸-中坡小波相干譜中(圖7b,d),中斷發(fā)生的時間相一致.對比流域內(nèi)降水資料(圖4e)可以發(fā)現(xiàn),許多中斷時刻與降水時間相符,推測CO2時間模式的不連續(xù)性與流域降水等條件的隨機(jī)變化有關(guān),反映了流域內(nèi)水文條件變化對CO2濃度周期波動的影響.

3 結(jié)論

3.1 CO2動態(tài)具有高度時間變異性,各監(jiān)測位置上CO2濃度波動存在強(qiáng)烈晝夜周期性變化特征,且該特征在河流CO2濃度變化中尤為顯著.這反映了河流內(nèi)部光合作用與呼吸作用在溫度與光照條件影響下控制著CO2動態(tài).

3.2 流域內(nèi)降水過程對土壤與河流間碳遷移過程存在顯著影響.降水造成流量增加,河流流速增快,CO2氣體交換率增大,河流CO2逸散量增大,同時河流水位抬升使地下水向河流的CO2輸送量減少,由此導(dǎo)致河流CO2濃度降低,這進(jìn)一步證實(shí)了土壤中貯存的CO2為河流的主要碳源.

3.3 河流內(nèi)呼吸作用強(qiáng)度與溫度密切相關(guān),溫度為河流CO2主要驅(qū)動因子;對土壤CO2而言,除溫度外土壤含水量也是影響其濃度的主要驅(qū)動因子.

3.4 通過河流與土壤CO2動態(tài)間的相干性分析,識別到河流-土壤橫斷面中CO2長期動態(tài)過程的相似性與短期晝夜信號的一致性,展現(xiàn)了河流與土壤間緊密與穩(wěn)定的水力連通性,強(qiáng)調(diào)了地下水在土壤與河流碳遷移過程中起到了關(guān)鍵的運(yùn)輸作用.

[1] Marx A, Dusek J, Jankovec J, et al. A review of CO2and associated carbon dynamics in headwater streams: A global perspective [J]. Reviews of Geophysics, 2017,55:560–585.

[2] Raymond P A, Hartmann J, Lauerwald R, et al. Global carbon dioxide emissions from inland waters [J]. Nature, 2013,503(7476):355–359.

[3] Campeau A, Bishop K, Nilsson M B, et al. Stable carbonisotopes reveal soil-stream DIC linkagesin contrasting headwater catchments [J]. Journal of Geophysical Research: Biogeosciences, 2018,123:149–167.

[4] Aitkenhead J A, Hope D, Billett MF. The relationship between dissolved organic carbon in stream water and soil organic carbon pools at different spatial scales [J]. Hydrological Processes, 1999,13:1289–1302.

[5] Hope D, Billett M F, Milne R. Brown TAW Exports of organic carbon in British rivers [J]. Hydrological Processes, 1997,11:325–344.

[6] Denfeld B A, Wallin M B, Sahlée E, et al. Temporal and spatial carbon dioxide concentration patterns in a small boreal lake in relation to ice-cover dynamics [J]. Boreal Environmental Research, 2015,20: 679–692.

[7] Morales-Pineda M, Cózar A, Laiz I, et al. Daily, biweekly, and seasonal temporal scales of pCO2variability in two stratified Mediterranean reservoirs [J]. Journal of Geophysical Research: Biogeosciences, 2014,119:509–520.

[8] Lynch J K, Beatty C M, Seidel M P, et al. Controls of riverine CO2over an annual cycle determined using direct, high temporal resolutionCO2measurements [J]. Journal of Geophysical Research, 2010,115: G03016.

[9] Crawford J T, Stanley E H, Dornblaser M M, et al. CO2time series patterns in contrasting headwater streams of North America [J]. Aquatic Sciences, 2017,79(3):473–486.

[10] Leith, F I, Dinsmore K J, Wallin M B, et al. Carbon dioxide transport across the hillslope–riparian–stream continuum in a boreal headwater catchment [J]. Biogeosciences, 2015,12:1881–1892.

[11] Bastviken D, Sundgren I, Natchimuthu S, et al. Technical note: Cost-efficient approaches to measure carbon dioxide (CO2) fluxes and concentrations in terrestrial and aquatic environments using mini loggers [J]. Biogeosciences, 2015,12(12):3849–3859.

[12] Johnson M S, Billett M F, Dinsmore K J, et al. Direct and continuous measurement of dissolved carbon dioxide in freshwater aquatic systems—Method and applications [J]. Ecohydrology, 2010,3(1):68-78.

[13] Dinsmore K J, Billett M F, Moore R T. Transfer of carbon dioxide and methane through the soil–water–atmosphere system at Mer Bleue peatland [J]. Canada. Hydrological Processes, 2009,23:330–341.

[14] Dornblaser M, Striegl R. Switching predominance oforganic versus inorganic carbonexports from an intermediate-sizesubarctic watershed [J]. Geophysical Research Letters, 2015,42:386–394.

[15] Kirchner J W, Neal C. Universal fractal scaling in stream chemistry and its implications for solute transport and water quality trend detection [J]. Proceedings of the National Academy of Sciences, 2013, 110(30),12:213–12, 218.

[16] Schmidt S R, Lischeid G, Hintze T, et al. Disentangling limnological processes in the time-frequency domain [J]. Limnology and Oceanography, 2018,64(2):423–440.

[17] Godsey S E, Aas W, Clair T A, et al. Generality of fractal 1/f scaling in catchment tracer time series, and its implications for catchment travel time distributions [J]. Hydrological Processes, 2010,24(12):1660–1671.

[18] 周生輝,劉廷璽,段利民,等.毛烏素沙地海流兔河流域水文地質(zhì)特征[J]. 中國沙漠, 2021,41(5):103-110.

Zhou S H, Liu T X, Duan L M, et al. Hydrogeological characteristics of Hailiutu River basin in Maowusu desert [J]. Journal of Desert Research, 2021,41(5):103-110.

[19] 趙安周,劉憲鋒,朱秀芳,等.2000～2014年黃土高原植被覆蓋時空變化特征及其歸因[J]. 中國環(huán)境科學(xué), 2016,36(5):1568-1578.

Zhao A Z, Liu X F, Zhu X F, et al. Characteristics and attribution of spatiotemporal changes in vegetation cover on the Loess Plateau from 2000 to 2014 [J]. China Environmental Science, 2016,36(5):1568-1578.

[20] Wang C, Xie Y, Liu S, et al. Effects of diffuse groundwater discharge, internal metabolism and carbonate buffering on headwater stream CO2evasion [J]. Science of the Total Environment, 2021,777(1):146230.

[21] Riml J, Campeau A, Bishop K, et al. Spectral decomposition reveals new perspectives on CO2concentration patterns and soil‐stream linkages [J]. Journal of Geophysical Research: Biogeosciences, 2019, 124(10).

[22] 朱怡帆,田澤斌,王麗婧,等.東洞庭湖漲水期水域碳匯特征及其影響因素[J]. 中國環(huán)境科學(xué), 2023,43(2):843-853.

Zhu Y F, Tian Z B, Wang L J, et al. Characteristics and influencing factors of carbon sink in East Dongting Lake during flood period [J]. China Environmental Science, 2023,43(2):843-853.

Variation characteristics and correlation of soil and stream carbon dioxide concentrations in a headwater catchment.

LI Jia-qi1,2, JIANG Zhen-jiao3, DAI Xin1,2, WANG Chuan1,2, WU Li-wen4, XIE Yue-qing1,2*

(1.School of Earth Sciences and Engineering, Nanjing University, Nanjing 210023, China；2.Frontiers Science Center for Critical Earth Material Cycling, Nanjing University, Nanjing 210023, China；3.College of New Energy and Environment, Jilin University, Changchun 130026, China；4.The Department of Health and Environmental Sciences, Xi’an Jiaotong-Liverpool University, Suzhou 215123, China)., 2023,43(12)：6667～6676

With the objective to characterize CO2dynamics from soil to streams, and to identify relevant influential factors along with temporal evolution patterns, this study established a high-frequency CO2concentration monitoring transect with four measuring points in a stream and adjacent soil located in the upper reach of the Hailiutu River Basin in Yulin city, Shannxi province. With the spectrum and wavelet analysis, strong diurnal signals with periods of 0.5 and 1d frequencies are identified based on the CO2concentration time series, indicating that the diurnal stream metabolism plays a key role in regulating in-stream CO2dynamics. Additionally, variations in hydrological events, i.e. precipitation in the catchment, may lead to prominent changes in CO2evasion, which has a significant impact on the carbon cycling between stream and soil. Bivariate wavelet coherence analysis reveals that temperature and soil water content directly control stream and soil CO2dynamics, and confirms that soil-stored CO2is the main source of the stream CO2evasion. Further, the results indicate that groundwater is an important pathway for carbon transport from soil to streams.

spectrum analysis；wavelet analysis；headwater streams；coherence；carbon cycle；soil；groundwater；carbon dioxide

X16

A

1000-6923(2023)12-6667-10

李家琪,姜振蛟,戴 鑫,等.河源區(qū)土壤與河流二氧化碳濃度變化特征及相關(guān)性 [J]. 中國環(huán)境科學(xué), 2023,43(12):6667-6676.

Li J Q, Jiang Z J, Dai X, et al. Variation characteristics and correlation of soil and stream carbon dioxide concentrations in a headwater catchment [J]. China Environmental Science, 2023,43(12):6667-6676.

2023-05-15

國家自然科學(xué)基金資助項(xiàng)目(41972246,41807185),關(guān)鍵地球物質(zhì)循環(huán)前沿科學(xué)中心“科技人才團(tuán)隊(duì)”項(xiàng)目,中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(020614380135)

* 責(zé)任作者, 教授, yxie@nju.edu.cn

李家琪(2000-),女,浙江寧波人,南京大學(xué)碩士研究生,主要從事水文與水資源方向研究.lijiaqi@smail.nju.edu.cn.