点击上方湖泊遥感与智慧流域关注我们
为了进行季节比较，选择了旱季和雨季的118个样点进行数据分析。此外，为了比较不同的混合状态，将雨（暖）季的158个样点分为垂直混合（73个）和分层（85个）。进行Wilcoxon检验以比较CO2和CH4在四种水文情景下的差异。以嵌套站点为随机分量，采用广义加性混合模型（GAMM）分析了CO2和CH4浓度与湖泊混合状态的关系。此外，为了确定CO2和CH4排放的驱动机制，使用了统计检验的方法：一元线性回归、斯皮尔曼相关分析、方差分解分析（VPA）和偏最小二乘路径模型（PLS-PM）。
1.不同季节和混合状况下的CO2和CH4浓度与环境因子的关系
研究发现，雨季CO2和CH4的平均浓度显著高于旱季，垂直混合点位的CO2和CH4的平均浓度总体高于分层点位，且CO2和CH4浓度随混合程度的变化趋势有异（图2）。
图2 不同季节（a，b）和混合状态（c，d）下CO2（a，c）和CH4（b，d）浓度
VPA的结果（图3）表明，旱季的CO2和CH4浓度主要受系统生产力（12%）的影响，而在雨季，主要受湖泊形态（12%）和水体理化因子（15%）的影响。
CO2和CH4垂直混合样点的浓度主要受水体理化因子（10%）、湖泊形态（7%）和地理气候因素（7%）的影响，而分层样点主要受系统生产力（13%）及其与湖泊形态和水体理化因子的交互作用（12%）的影响。
图3 四种水文模式下四组环境因子对CO2和CH4浓度影响的占比
2.四种不同水文模式下环境因子对水体CO2和CH4浓度的驱动机制
在方差分解的基础上，通过构建偏最小二乘路径模型（PLS-PM）（图4）开展进一步分析，发现四种不同水文模式下环境因子对水体CO2和CH4浓度的驱动机制不同。
湖泊形态和地理气候因素对CO2和CH4浓度的影响主要受理化因子的影响，进而影响旱季系统的生产力，而雨季的浓度则直接受湖泊形态和地理气候因素的影响；在温暖的雨季，垂直混合样点的CO2和CH4浓度受湖泊形态和地理气候因素的直接影响，而分层样点的浓度受湖泊形态、地理气候因素和系统生产力的直接影响，湖泊形态也会通过改变理化因子和进一步提高系统生产力来间接影响浓度。
3.CO2和CH4浓度与混合程度的关系
GAMM分析表明，随着混合程度的增加，CO2浓度通常呈单峰趋势，而CH4浓度则呈线性升高（图5）。具体而言，在分层的样点CO2浓度与混合程度呈正相关（lg（EPI/WD）<0）；在垂直混合的样点（lg（EPI/WD）≥0），随着混合程度的提高，CO2浓度先上升，很快下降。
图5 基于GAMMs经Lg转换的CO2（a）和CH4（b）浓度随混合程度的变化
讨论
1.CO2和CH4浓度季节变化的驱动因素
旱季：地理气候因素和湖泊形态主要通过改变水体理化性质和系统生产力来影响CO₂和CH₄浓度(图4a)。研究发现叶绿素a（Chl-a）浓度和CO₂浓度呈负相关，这可能是由于浮游植物吸收更多CO₂进行光合作用导致水体pH升高。浮游植物生物量增加会促进沉积物中易生物降解有机物累积，为产CH₄细菌提供原料，从而提高CH₄浓度。营养物水平（尤其是总磷TP）上升通常会增加浮游植物生物量和溶解有机物（DOM）含量，这可能解释了观察到的CO₂浓度下降（浮游植物吸收）和CH₄浓度上升（沉积物中分解增加）的现象。
雨季：湖泊形态成为重要驱动因素，直接影响碳浓度(图4b)。这可能是由于雨季湖泊与流域的径流联系更强，补给系数对碳浓度的影响更大。降雨量增加后，补给系数高的湖泊会带来更多的有机碳，为微生物呼吸提供底物，导致CO₂和CH₄增加，这解释了雨季更高的CO₂和CH₄浓度。研究还发现，雨季湖泊面积和深度（即湖泊大小）增加，CO₂和CH₄浓度会下降。湖泊周长与面积之比较小以及浅水区比例较高，意味着它们能接收更多的陆源碳。本研究中，较小较浅的湖泊在雨季接收了更多的有机物，为微生物矿化提供了更多的底物。
2.不同混合状态下CO2和CH4浓变化的驱动因素
研究发现湖泊的混合程度会显著影响其CO₂和CH₄浓度(图5)。
当湖泊分层时，温跃层阻碍了上下层水体的混合，导致沉积物中有机物厌氧分解产生CH₄，并与好氧氧化产生的CO₂一起积累于底层。因此，湖泊分层时表层CO₂和CH₄浓度较低，随着混合程度增加（在一定范围内）而升高。
随着混合程度增加，湍流系数的增加会导致更多CH₄被氧化，CO₂浓度可能轻微上升。然而，系统生产力可能起到更大作用。混合程度增加时，代表系统生产力的四个指标含量均有所上升。但叶绿素a（Chl-a）与CO₂的正相关表明，CO₂浓度上升可能源于有机物增加和微生物矿化作用增强。
当浅水湖泊完全混合时（lg（EPI/WD）≥0），强烈的湍流会加速沉积物中CH₄的释放，留给CH₄氧化的时间有限。因此，湍流会像“捷径”一样，直接将溶解的CH₄从沉积物输送到大气中，这可能导致混合程度增加时，CH₄浓度也随之升高（图5b）。此外，混合程度增加时，还观察到水温和总氮含量显著降低，pH升高。这或许解释了CO₂浓度的下降，它可能影响微生物矿化和碳酸盐的动态平衡。
总结
这项研究确定了湖泊中CO2和CH4浓度的时空特征和潜在驱动因素，可能影响广泛地区的排放。将湖泊分为四组进行分析，湖泊碳浓度表现出与降水驱动的季节和混合状态之间的差异相关的时空异质性，这对于理解和模拟碳排放以尽量减少偏差至关重要。研究表明，在大空间尺度上估算湖泊碳排放时，考虑与降水相关的季节与湖泊混合状态的影响将有助于提高精度。
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。未经同意，禁止转载。
点击左下方 “阅读原文” 可下载论文原文。
湖泊遥感与智慧流域创新团队，主要围绕湖泊开展历史重构、现状观测和未来变化模拟等模型研制和应用实践工作，并在流域尺度开展大数据智慧管理平台研究，保障湖泊水质安全。团队拥有博士和硕士导师4人（段洪涛，罗菊花，刘东，谭振宇），可分别在中国科学院南京地理与湖泊研究所、西北大学以及南京信息工程大学（国科大南京学院联合培养）等招收博、硕士研究生，欢迎报考！同时，长期招收联合培养研究生，欢迎咨询！
联系人：段洪涛研究员，htduan@niglas.ac.cn。
科学前沿丨文献总结 | WR：近海区域微塑料季节性迁移变化模拟研究
团队成果 | RSE：黄河悬浮泥沙遥感研究取得进展
