2017, Vol. 38
2. 南京信息工程大学大气环境中心, 气象灾害教育部重点实验室, 气候与环境变化国际合作联合实验室, 气象灾害预报预警与评估协同创新中心, 南京 210044
, ZHANG Mi2 , XIAO Wei2 , WANG Wei2 , WU Hong-yan1 , ZHANG Zhen2 , XIAO Qi-tao2 , HU Cheng2 , YU Zhou2 , CAO Zheng-da2 , XU Jing-zheng2 , LIU Shou-dong2 , LI Xu-hui2
2. Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Meteorological Disaster of Ministry of Education, Joint International Research Laboratory of Climate and Environment Change, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, China
小型池塘作为一类重要的内陆人工水体，其总面积只占全球水体分布总面积的8.6%[1]，但相比大型和中型水体，由于小型池塘具有较高的周长面积比和较浅的水深，能够积累更多的外来陆地有机碳作为有机质供池塘底泥微生物进行呼吸作用，因此有利于底泥CO2和CH4的产生[2~6]，同时小型池塘较浅的水深导致水体和大气之间能够快速混合交换，意味着CH4有更快的排放速度可以减小其在水体中被氧化的几率，有利于CH4的排放[7, 8]. 基于以上原因，小型池塘逐渐成为温室气体排放的研究热点[9]. 并且，根据Holgerson等[1]对现有水体温室气体通量研究统计的结果，小型池塘的CO2和CH4排放比例分别占内陆水体总CO2和CH4排放的15.1%和40.6%. 但在过去由于小型池塘面积较小，研究者在估算内陆水体温室气体排放量时通常将小型池塘忽略掉[10]，而只关注大型或中型水体，从而导致全球水体温室气体排放估算存在很大的不确定性，可能会产生低估的现象. 因此，研究小型池塘温室气体交换通量对准确估算全球温室气体交换通量具有重要贡献.
测定水-气界面温室气体通量的方法主要有箱式法、 水平衡法、 微气象学方法和遥感反演法等[11]. 在野外观测中最常用的方法为前3种. 箱式法和水平衡法，其装置简单、 易于操作，常被使用. 但是，箱式法代表区域小，无法进行高频的测量[12, 13]. 而利用水平衡法进行观测时，观测的甲烷会产生偏低的现象，因为该方法无法观测到甲烷冒泡的现象，但在水体中冒泡是甲烷的主要排放方式之一[6]. 相比这两种方法，涡度相关方法(eddy covariance,EC)和通量-梯度方法(flux gradient,FG)等微气象观测方法由于其测量的连续性和对测量环境的非干扰性已经得到广泛的关注并开始进行使用[14]. 当前，野外使用的EC方法常采用开路式红外气体分析仪对气体浓度进行测量，但该仪器测量精度容易受到大气水汽密度和气温波动的影响(主要影响测量光谱)，并且该仪器本身存在的自加热效应会影响或掩盖地-气交换中较小通量的信号[15, 16]. FG方法是利用大气气体浓度梯度和气体湍流扩散系数的乘积来确定地-气气体交换通量[17]. 根据Xiao等[14]的研究，使用高精度闭路式气体分析仪测量水-气界面温室气体交换通量的FG方法最主要的优点是其计算结果不需要进行密度校正，并且有足够的精度能够观测到甲烷的小梯度和通量信号. 但在实际应用中FG方法也有一定的局限性，FG方法中涉及到的重要参数：气体湍流扩散系数K，其会受到大气层结条件、 气流垂直切变等湍流外因参数的影响，特别是在大气稳定(ζ>0.5)和强不稳定(ζ<-1)时不容易确定[18].
长江三角洲地区水域辽阔，水系发达，是良好的水产养殖区域，其中淡水养殖面积为1.38×1010 m2，占全国淡水养殖面积的22.7%[19]，这类池塘水-气界面的温室气体交换通量对于大气中温室气体浓度的影响不容忽视，但对于此区域的小型池塘温室气体交换通量研究还尚不明确. 因此，本研究利用基于离轴积分输出腔光谱技术(off-axis integrated cavity output spectroscopy，OA-ICOS)的分析仪构成的通量-梯度系统于2015年7月15日(日序196 d)至24日(日序205 d)对南京浦浩生态园内的一处小型池塘的水-气界面CO2、 CH4以及H2O交换通量进行原位连续观测，以明确：①通量-梯度系统在观测小型水体温室气体通量的性能； ②定量估算夏季小型池塘水-气界面温室气体交换通量. 本研究结果可为准确观测及估算内陆水域温室气体交换通量研究提供方法基础及基本数据，同时也为制定渔业温室效应减排政策提供参考.
1 材料与方法 1.1 研究区域本实验的研究地点设在南京浦浩生态园内的一处‘L’型小型鱼类养殖池塘(32.24°N，118.69°E，如图 1)，占地面积为3 720 m2，平均水深为1.5 m； 在观测期间，其水体的pH和水温平均值分别为7.9和27.4℃. 鱼塘内每天15:00-16:00要施加1次饵料，1次施加量约为10-20 kg，施加饵料的成分主要有：蛋白质≥32.0%，粗纤维≤9.0%，粗脂肪≥3.5%，粗灰分≤18.0%，总磷≥1.0%，赖氨酸≥1.4%.
|
图 1 研究区域示意 Fig. 1 Location of the study area |
FG计算方法的基本假设是在近地层中物质的传输与其物理属性的梯度成正比，其比例系数即为湍流扩散系数K[20]，通量-梯度计算方法如公式(1)所示：
|
(1) |
式中，F代表的是气体通量值[CO2： mg·(m2·s)-1,CH4： μg·(m2·s)-1,H2O： g·(m2·s)-1]； r1和r2分别代表在z1和z2高度所测得0.5 h气体混合比[CO2： μmol·mol-1，CH4： nmol·mol-1，H2O： μmol·mol-1]. 测量仪器为便携式温室气体分析仪(型号：915-0011-CUSTOM，美国：Los Gatos Research公司)，其测量原理为离轴积分输出腔光谱技术，该仪器能够同时测量CO2、 CH4和H2O浓度值，测量频率为1 Hz，根据用户手册提供，分析仪测量3种气体(CO2、 CH4和H2O)的100 s测量精度分别为0.100 μmol·mol-1、 0.600 nmol·mol-1和0.060 mmol·mol-1. 本研究中将原始1 Hz数据按照上下进气口分类之后分别计算30 min算术平均值； ρa代表空气密度(kg·m-3)； c是不同气体的单位转换常数(CO2：44/29，CH4：16/29，H2O：18/29)； 湍流扩散系数K(m2·s-1)，根据空气动力学原理结合莫宁-奥布霍夫相似理论进行确定[14]，如公式(2)所示：
|
图 2 通量-梯度系统的设计 Fig. 2 Schematic design diagram of flux-gradient system |
|
(2) |
式中，k代表Von-Karma常数(≈0.4)； μ*代表摩擦风速(m·s-1)； zg为两个测量高度的几何平均高度[zg=(z1z2)1/2,m]； φh为关于稳定度参数的普适函数，对于普适函数的确定则使用奥布霍夫稳定方程进行确定，如公式(3)所示：
|
|
(3) |
式中，ζ为稳定度参数，利用zg/L进行确定，其中L为莫宁-奥布霍夫长度(m)，对于L值则使用公式(4)进行确定：
|
(4) |
式中，g是重力加速度(≈9.8 m·s-2)，θv是虚位温(K)，ω′θ′是动量显热通量(m·K·s-1)，对于μ*和ω′θ′可以从涡度相关观测数据计算获得. 对于湍流扩散系数K值，本研究通过将FG方法得到的结果与修正的波文比方法(modified bowen-ratio，MBR 方法)[21]计算得到的结果进行比较，验证计算得到K值的准确度.
根据FG计算原理设计的通量-梯度系统如图 2所示，放置在距离池塘边1.5 m处：两个进气口位于小型池塘内，距离水面的高度设置分别为0.35 m和1.05 m，利用外置泵(流速：1.5 L·min-1)对上下进气口两条管路同时进行抽气并进行气体分析. 气体在进入分析仪之前，首先通过7 μm的空气过滤器(型号：SS-4FW-7,美国：Swagelok 公司)进行过滤，之后通过4 L的混合瓶使其充分混合(可以保证在测量过程中不受空气湍流波动的影响)，最后利用电磁阀(型号：T3NCSS-078,美国：IQ Valves公司)对上下进气口的气体进行梯度切换，切换时间为60 s. 并且，为了降低切换对测量的影响，尽量缩短电磁阀和分析仪之间的距离(实际距离为： 0.1 m). 同时为了防止在夏季夜晚野外观测时通量-梯度系统管路出现凝露现象，致使仪器抽取水分损坏仪器，因此，在整个便携式通量-梯度系统内部加了一圈恒温加热系统，在实验期间设定其温度为30℃. 在实验观测期间，仪器大约需要25 s切换后能够达到稳定状态. 图 3是在实验观测期间节选的5 min气体原始浓度变化时间序列，在这5 min的测量过程中，3种气体(H2O、 CO2和CH4)的浓度梯度差分别为0.156 mmol·mol-1、 2.450 μmol·mol-1和15 nmol·mol-1，可以证明该通量-梯度系统能够观测到大气中气体的梯度变化. 为了保证通量-梯度系统具有足够的精度测量水-气界面温室气体交换通量，本研究通过零梯度测试定量验证通量-梯度系统及配套分析仪的测量偏差及精度.
|
图 3 H2O、 CO2和CH4混合比的5 min时间序列 Fig. 3 The 5 min time series of H2O,CO2,and CH4 mixing ratios |
本实验观测期间的风向玫瑰图如图 4(a)所示. 由于小型池塘附近下垫面类型较多，为保证信号来源全部来自小型池塘内部，因此对数据信号作风向筛选，所选择的风向范围为92°-106°和161°-182°，在这两个风向范围内可以保证信号来源不受其他下垫面类型的信号以及仪器支架的干扰，实际观测中161°-182°风向范围内的数据量较少，因此忽略不计. 根据FSAM模型[22]计算得到，在92°-106°风向范围内，大部分数据处于大气层结不稳定条件下，其通量贡献区中对观测通量贡献最大的点距离观测点的水平距离为3.94 m，当其通量贡献率(P)为80%时，通量-梯度方法测定的代表面积约为118 m2[图 4(b)]，同时结合鱼塘的边界范围，可以保证在92°-106°风向范围内的所有数据信号全部来自小型池塘内部.
|
图 4 实验观测期间风向玫瑰图及通量贡献区 Fig. 4 Wind rose and flux footprint during experimental observation period |
本研究中涡度相关观测系统距离通量-梯度系统水平距离为2 m，架设高度距离水面1.5 m，观测仪器主要包括两部分：三维超声风速仪(测量三维风速/超声虚温，型号:CSAT3A，美国：Campbell Scientific公司)和开路式红外气体分析仪(测量大气H2O和CO2密度，型号: EC150,美国：Campbell Scientific公司)，采样频率均为10 Hz，由数据采集器(型号：CR3000，美国：Campbell Scientific公司)在线计算30 min平均的动量、 感热、 潜热和CO2通量等数据. 对EC测量的通量数据后处理过程包括：①根据降水记录值进行剔除； ②对数据进行两次坐标旋转[23]； ③进行超声虚温订正和密度响应校正(WPL校正)[16, 23].
1.4 修正的波文比方法(modified bowen-ratio，MBR 方法)MBR方法主要用来估计痕量气体的交换速率[21]，其基本假设认为所有的气体传输系数(k)值相同，计算公式如公式(5)所示. 假设有两种不同的气体(1号和2号)，其气体浓度分别为c1和c2，其中Fc1为已知气体(1号)通量值，并且已知Δc1和Δc2，分别为1号和2号气体的浓度梯度差，根据MBR方法的假设，由于所有气体的传输系数k值相同，因此根据公式(5)即可求得2号气体通量Fc2(假设两种气体两个观测高度差相等，即Δz1=Δz2，其中Δz已经包括在k值的计算中).
|
(5) |
在本研究中，由于EC观测得到的潜热通量(latent flux,LE)和FG方法观测得到的潜热通量具有较好的一致性(图 5). 因此，利用EC观测得到的水汽通量值和FG观测到的H2O浓度差结合公式(5)计算气体交换系数k，再结合FG观测得到的CO2和CH4浓度梯度差，利用公式(5)计算CO2通量和CH4通量，将MBR方法计算结果和FG计算结果进行对比，验证FG方法中对于湍流扩散系数K值计算的准确度.
|
图 5 比较涡度相关和通量-梯度方法计算得到的潜热通量 Fig. 5 Comparison of latent flux(LE)calculated with the EC method and the FG method |
其他辅助观测包括风速风向传感器(型号：05103，美国：R M Young 公司)，架设高度距离水面3.5 m，测量频率为1 Hz，为了配合通量数据计算，将风速和风向数据计算为30 min矢量平均.
2 结果与讨论 2.1 FG方法稳定性测试 2.1.1 零梯度测试结果零梯度测试方法是将通量-梯度系统的两个进气口放置在同一高度上进行测量. 本套通量-梯度系统共进行了两次零梯度测试，分别是在实验室内和野外进行. 第一次测试时间从日序128 d的21:30到日序129 d的19:00，这段期间的数据主要用来分析通量-梯度系统测量0.5 h气体混合比差(混合比差等于下进气口气体浓度减去上进气口气体浓度)的偏差. 第二次测试时间从日序195 d的16:00到日序196 d的17:00，这段期间的数据主要用来分析通量-梯度系统测量气体通量的偏差.
零梯度测试期间3种气体(H2O、 CO2、 CH4)0.5 h的混合比差的平均值和标准差及频数分布图分别如表 1和图 6所示，0.5 h H2O混合比差的标准差为0.006 mmol·mol-1，约小于零梯度测试期间大气中H2O浓度(19.776 mmol·mol-1)3个量级； 同样地，CO2和CH4的0.5 h混合比差的标准差分别为0.110 μmol·mol-1和0.104 nmol·mol-1，小于零梯度测试期间大气浓度值(CO2：461.830 μmol·mol-1，CH4：2 072 nmol·mol-1)的3个量级. 同时根据图 6中3种气体0.5 h混合比差的频数分布图可以看出，H2O、 CO2、 CH4混合比差的变化区间分别为-0.010-0.012 mmol·mol-1、 -0.400-0.100 μmol·mol-1、 -0.300-0.200 nmol·mol-1. 该结果表明通量-梯度系统测量气体浓度梯度的偏差较小，并且偏差范围分布较为集中.
|
图 6 零梯度测试期间H2O、 CO2、 CH4的混合比差频数分布 Fig. 6 Frequency distribution of the H2O,CO2,and CH4 mixing ratio differences during the zero-gradient test |
|
表 1 零梯度测试期间0.5 h的H2O、 CO2、 CH4的混合比差的平均值和标准差 Table 1 Mean value and standard deviation of half-hour H2O,CO2, and CH4 mixing ratio differences during the zero-gradient test |
当上下进气口在同一高度进行零梯度测试时，潜热通量(LE)、 CO2通量(Fc)以及CH4通量(Fm)的理想值应为0. 本研究零梯度测试的LE、 Fc、 Fm的平均值及标准差和频数分布图分别如表 2和图 7所示，零梯度测试期间LE、 Fc、 Fm的平均值(±标准差)分别为-7.443(±7.525)W·m-2、 -0.004(±0.022)mg·(m2·s)-1和-0.077(±0.054)μg·(m2·s)-1，其量级都较小. 同时由图 7频数分布可知，对于LE和Fc，其中80%的数据所在的范围是-11.347-2.712 W·m-2和-0.030-0.030 mg·(m2·s)-1，90%的Fm数据落在-0.150--0.040 μg·(m2·s)-1范围. 在零梯度测试期间，湍流扩散系数K的平均值和标准差分别为0.045 m2·s-1和0.014 m2·s-1，K值的变化范围为0.022-0.075 m2·s-1. 该结果表明通量-梯度系统测量气体通量值具有较低的测量偏差，并且测量偏差分布范围较为集中.
|
|
表 2 零梯度测试期间0.5 h的H2O、 CO2、 CH4的通量和湍流扩散系数K的平均值和标准差 Table 2 Mean value and standard deviation of half-hour H2O,CO2,and CH4 flux and eddy diffusivity during the zero-gradient test |
|
图 7 零梯度测试期间H2O、 CO2、 CH4的通量频数分布 Fig. 7 Frequency distribution of the H2O,CO2,and CH4 fluxes during the zero-gradient test |
零梯度测试期间所测得的气体混合比差及通量值的标准差可以作为此套通量-梯度系统及分析仪的测量精度值[14]. 与其他公开发表文献的零梯度测试结果进行比较，比较结果如表 3和表 4所示：①本套通量-梯度系统观测到的H2O和CO2混合比差较太湖[14]、 Lake Gårdsjön研究结果[21]偏高一些，CH4偏差则较小，总体上处于合理范围之内； ②与文献调研得到的CH4通量测试结果比较，本研究的零梯度测试通量结果处于中上等位置. 综合以上结果可以证明本套通量-梯度系统的零梯度测试结果具有较低的测量偏差，可以保证本套通量-梯度系统具有足够的精度测量气体交换通量.
|
|
表 3 本研究与不同文献中零梯度测试得到气体混合比差的结果 Table 3 Gas mixing ratio difference during zero-gradient test in this study and in other literature researches |
|
|
表 4 本研究与不同文献中零梯度测试得到气体通量的结果 Table 4 Gas flux during zero-gradient test in this study and in other literature researches |
|
图 8 比较由MBR方法和FG方法计算的Fc和Fm通量值 Fig. 8 Comparison of CO2 flux(Fc)and CH4 flux(Fm)measured by the FG method with that calculated by the MBR method |
FG方法和MBR方法所计算得到的CO2和CH4通量比较结果如图 8所示. 对于Fc，两种计算方法得到结果的平均误差(mean error，ME,FG-MBR)、 均方根误差(root mean squares error，RMSE)以及一致性指数(index of agreement,IOA)[26]分别为-0.010 mg·(m2·s)-1、 0.028 mg·(m2·s)-1和0.948. 对于Fm，两者的ME、 RMSE以及IOA分别为-0.147 μg·(m2·s)-1、 0.180 μg·(m2·s)-1和0.968. 以上的比较分析结果表明，MBR方法和FG方法计算的CO2和CH4通量之间具有较小的误差和较高的一致性，因此可以判断FG方法中对于K值的计算是准确的. 并且，在实验观测期间大气稳定度ζ所处范围-0.2-0.2，有利于K值的计算. 通过以上对零梯度测试结果以及FG方法和MBR方法计算结果的比较，可以证明本套通量-梯度系统具有较高测量精度，并且可以用于水-气界面气体交换通量的观测.
2.2 小型池塘温室气体排放通量正常观测期间CO2和CH4通量的时间序列如图 9所示，其分别表示了来自陆地与池塘的通量信号. 为更加清晰了解池塘的温室气体通量排放强度及变化范围，只挑选来源于池塘信号温室气体通量数据进行分析. 实验观测期间，池塘水-气界面CO2通量有80%的数据高于零梯度测试精度[CO2: 0.022 mg·(m2·s)-1]，其平均排放量为0.038(±0.060) mg·(m2·s)-1，变化范围为-0.066-0.207 mg·(m2·s)-1，在整个测量时间段出现吸收峰值和排放峰值的时间分别为日序197 d的09:00和日序203 d的02:00. 观测的CH4通量有94%的数据高于零梯度测试精度[CH4：0.054 μg·(m2·s)-1]，其平均排放量为0.889(±1.051)μg·(m2·s)-1，变化范围为0.040-5.239 μg·(m2·s)-1，在整个测量时间段出现最低值和最高值的时间分别为日序200 d的11:00和日序199 d的03:30.
|
图中红色点代表风向来源于池塘方向的信号,蓝色点代表风向来源于陆地的信号 图 9 CO2和CH4通量的时间序列 Fig. 9 Time series of CO2 and CH4 flux |
为清晰了解池塘温室气体交换的日变化特征，对温室气体通量按照不同的时间段进行统计分析. 将一天分为4个时间段，不同时间段对应的气体通量值如表 5所示，对于CO2通量，池塘白天水-气界面CO2通量总体为净排放，其平均值为0.006 mg·(m2·s)-1，排放量值较小，主要是在06:30-12:00这段期间出现了CO2的净吸收现象，而在夜晚全部为净排放，其排放量平均值为0.070 mg·(m2·s)-1，远高于白天排放值. 决定水体是CO2的源还是汇主要取决于水体新陈代谢的结果[4]，当水体中的水生植物进行光合作用的强度高于水体中植物及微生物呼吸作用强度时，池塘作为CO2的汇，反之呼吸作用占主导因子时，池塘作为CO2的源. 白天池塘中的水生植物进行光合作用吸收固定二氧化碳，当光合作用大于呼吸作用时，可能会产生部分CO2吸收现象，而在夜晚由于没有太阳辐射，植物以及底泥的微生物只进行呼吸作用，释放CO2，因此池塘呈现CO2排放源. 总体来说该小型池塘在夏季表现为CO2的排放源. 对于CH4通量，在夏季小型池塘为排放源，并且在夜晚排放的平均值[1.439 μg·(m2·s)-1]高于白天排放的平均值[0.339 μg·(m2·s)-1]. 甲烷主要是底泥中甲烷细菌在厌氧条件下分解有机质而产生的[27]. 本研究中CH4的排放值夜晚高于白天，一方面由于夜晚池塘植物及微生物进行呼吸作用时会消耗大量氧气，产生厌氧环境，这有利于甲烷的产生； 另一方面，由于池塘水深较浅，白天强烈的太阳辐射会导致池塘出现上层水温高于下层水温的稳定热力层结情况，不利用甲烷的扩散，而在夜晚水体辐射冷却出现下层水温高于上层水温的不稳定热力层结，水层容易混合，因此更有利于甲烷的传输[28].
|
|
表 5 不同时间段的CO2及CH4通量值 Table 5 CO2 and CH4 fluxes in different time periods |
为了明确该小型池塘夏季温室气体排放量值在不同区域、 不同气候条件下小型水体排放量值中所处的水平，同时也为了解在不同地区、 不同气候条件及不同季节的条件下，造成小型池塘温室气体排放差别的可能原因，将本研究结果与已有研究结果进行对比，其中杨平等[29]在2011年10月20-21日使用箱式法测量闽江口养虾塘(面积：330 m2； 平均水深：0.8 m)和鱼虾混养塘(面积：650 m2； 平均水深：1.0 m)水-气界面温室气体交换通量，观测结果显示在秋季2个养殖塘全天整体上表现为CO2的汇和CH4的源，其中养虾塘CO2和CH4通量的平均值分别为-0.014 mg·(m2·s)-1和0.280 μg·(m2·s)-1，鱼虾混养塘CO2和CH4通量的平均值分别为-0.029 mg·(m2·s)-1和1.590 μg·(m2·s)-1，与本研究结果小型池塘在夏季为大气CO2的源不同，闽江口的两个养殖塘在秋季都表现为大气CO2的汇，产生差异的原因主要是由于两者水体中水温和初级生产力水平不同有关. 其中本研究观测在夏季，观测期间水温的变化范围为26.1-30.5℃，平均值为27.4℃，一方面当水温较高时会加快水中微生物分解作用，另一方面本研究池塘的有机质浓度主要来源于底泥残余有机饲料、 腐败水草等，池塘内的水生植物较少，因此当在整体光合强度较弱的条件下，呼吸强度占主导因素，小型池塘表现为CO2的排放源. 而闽江口池塘观测研究在秋季，其池塘的水温变化范围为19.5-20.6℃，平均值为20.5℃，其水温相对本研究较低，并且闽江口研究的两个养殖塘其水体有机质主要来源于水体中较多的水生浮游植物，其含有较多能够反映光合作用水平的叶绿素a[30]，因此整体光合作用强度高于呼吸作用强度，最终池塘表现为CO2的汇.
利用箱式法对瑞典Linköping 大学附近的一处小型浅水池塘(面积：1 200 m2，平均水深：1.2 m，观测时间2010-06-21-2010-10-10)温室气体通量观测研究结果表明[31]，其小型池塘生长季节里的CH4和CO2平均排放量分别为1.480(±0.570)μg·(m2·s)-1和0.001(±0.004)mg·(m2·s)-1，总体为温室气体的排放源，与本研究结果类似，但是与本研究的量值存在差异. 本研究的小型池塘的CH4排放量偏小，主要是由于高纬度水体中存在更多的有机质，因此产生CH4的底物较为丰富，从而会出现较高的CH4排放量. 同时与该研究比，本研究的CO2的排放量偏高，产生此现象的原因除了与高纬度地区气温低于本研究亚热带区域，从而不利于呼吸作用之外，还与池塘的生产力有关，此研究的小型池塘含有大量的水生植物(包括芦苇、 宽叶香蒲和眼子菜等)，其光和作用强度相比本研究较高，因此，在高光合作用及较低的呼吸作用下，Linköping 大学附近的小型浅水池塘CO2排放量偏小. 根据Holgerson等[1]的调研统计结果，其中处于0.001-0.01 km2范围内的水体温室气体(CO2和CH4)排放通量分别为0.040(±0.010)mg·(m2·s)-1和0.160(±0.040)μg·(m2·s)-1，本研究中长江三角洲地区小型池塘的结果与其相比，CO2排放量相当，本研究的CH4排放量高于调研统计的CH4排放量，这主要是由于Holgerson等[1]在调研统计过程中对于CH4通量，只考虑了CH4以扩散方式排放的通量，并没有计算以冒泡形式排放的CH4通量，而相比扩散，在水体中以冒泡形式排放的甲烷所占比例约为50%[6]，特别是在浅水湖泊[31]、热溶喀斯特池塘[32]和水体边缘[27]等区域容易产生甲烷冒泡现象. 因此，忽略甲烷以冒泡形式排放的通量会产生严重低估现象，而本研究所使用的通量-梯度方法可以观测到CH4以所有方式排放的通量值，因此CH4排放量较Holgerson等[1]的调研结果偏高.
进一步了解池塘温室气体排放过程中CO2和CH4所占的比例. 本研究结果表明，CO2和CH4含碳比值为12.26，而百年尺度上甲烷的全球温室潜能是相同质量CO2的25倍[33]，将CH4转换为CO2当量之后，其含C通量比值(CO2/CH4)为1.35. 而Holgerson等[1]的统计结果表明处于0.001-0.01 km2范围内的水体的CO2和CH4排放碳通量的比值为3.57，并且随着水体面积范围的增大，其比值不断增加. 本研究与文献的调研结果都表明小型池塘在温室气体排放过程其CH4相比CO2占有更重要的角色. 本研究结果C通量比值更低的原因同样是因为，在通量估算过程中，文献统计结果只考虑了扩散，而没有对甲烷冒泡通量进行考虑，对甲烷的排放产生了低估.
3 结论(1) 零梯度测试结果表明本套通量-梯度系统具有较高的测量精度和较小的测量偏差，并且在正常实验观测期间通量观测数据(H2O、 CO2和CH4)分别有84%、 80%和94%的结果高于零梯度测试精度. 同时将本研究的零梯度测试结果与其他文献零梯度测试结果对比，本研究的测试结果处于中上等位置，再次表明本套通量-梯度系统有足够的测量精度满足温室气体交换通量的观测.
(2) FG方法测得的CO2与CH4通量和MBR方法计算结果具有较好的一致性，表明FG方法中对于K的计算准确.
(3) 基于通量-梯度观测本研究的小型池塘在夏季为CO2和CH4的排放源，观测期间其排放量分别为0.038(±0.060)mg·(m2·s)-1和0.889(±1.051)μg·(m2·s)-1，夜晚温室气体排放量高于白天排放值，并且小型池塘中CH4排放相比CO2排放占有更重要的角色.
(4) 本研究的结果由于只进行了夏季的观测，因此无法清晰了解小型池塘温室气体通量的季节动态变化特征，为了准确定量估算内陆水体中小型池塘的温室气体排放量特别是CH4排放量，在未来的工作中需要进行长期连续的温室气体交换通量测量，在长期测量过程中，应配套使用稳定性更佳的分析仪，并且注意在平时加强仪器维护工作，以期得到更完善的测量结果，为准确估算区域水体温室气体交换通量提供科学依据.
| [1] | Holgerson M A, Raymond P A. Large contribution to inland water CO2 and CH4 emissions from very small ponds[J]. Nature Geoscience, 2016, 9(3) : 222–226. DOI: 10.1038/ngeo2654 |
| [2] | Hope D, Kratz T K, Riera J L. Relationship between pCO2 and dissolved organic carbon in northern Wisconsin lakes[J]. Journal of Environmental Quality, 1996, 25(6) : 1442–1445. |
| [3] | Kelly C A, Fee E, Ramlal P S, et al. Natural variability of carbon dioxide and net epilimnetic production in the surface waters of boreal lakes of different sizes[J]. Limnology and Oceanography, 2001, 46(5) : 1054–1064. DOI: 10.4319/lo.2001.46.5.1054 |
| [4] | Kortelainen P, Rantakari M, Huttunen J T, et al. Sediment respiration and lake trophic state are important predictors of large CO2 evasion from small boreal lakes[J]. Global Change Biology, 2006, 12(8) : 1554–1567. DOI: 10.1111/gcb.2006.12.issue-8 |
| [5] | 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[J]. Limnology and Oceanography, 2013, 58(6) : 1915–1930. DOI: 10.4319/lo.2013.58.6.1915 |
| [6] | Bastviken D, Cole J, Pace M, et al. Methane emissions from lakes:dependence of lake characteristics, two regional assessments, and a global estimate[J]. Global Biogeochemical Cycles, 2004, 18(4). DOI: 10.1029/2004GB002238 |
| [7] | Bastviken D, Tranvik L J, Downing J A, et al. Freshwater methane emissions offset the continental carbon sink[J]. Science, 2011, 331(6013) : 50. DOI: 10.1126/science.1196808 |
| [8] | Juutinen S, Rantakari M, Kortelainen P, et al. Methane dynamics in different boreal lake types[J]. Biogeosciences, 2009, 6(2) : 209–223. DOI: 10.5194/bg-6-209-2009 |
| [9] | Holgerson M A. Drivers of carbon dioxide and methane super-saturation in small, temporary ponds[J]. Biogeochemistry, 2015, 124(1-3) : 305–318. DOI: 10.1007/s10533-015-0099-y |
| [10] | Raymond P A, Hartmann J, Lauerwald R, et al. Global carbon dioxide emissions from inland waters[J]. Nature, 2013, 503(7476) : 355–359. DOI: 10.1038/nature12760 |
| [11] | 赵炎, 曾源, 吴炳方, 等. 水库水气界面温室气体通量监测方法综述[J]. 水科学进展, 2011, 22(1) : 135–146. Zhao Y, Zeng Y, Wu B F, et al. Review of methods for measuring greenhouse gas flux from the air-water interface of reservoirs[J]. Advances in Water Science, 2011, 22(1) : 135–146. |
| [12] | Duc N T, Silverstein S, Lundmark L, et al. Automated flux chamber for investigating gas flux at water-air interfaces[J]. Environmental Science & Technology, 2012, 47(2) : 968–975. |
| [13] | Podgrajsek E, Sahlée E, Bastviken D, et al. Comparison of floating chamber and eddy covariance measurements of lake greenhouse gas fluxes[J]. Biogeosciences, 2014, 11(15) : 4225–4233. DOI: 10.5194/bg-11-4225-2014 |
| [14] | Xiao W, Liu S D, Li H C, et al. A flux-gradient system for simultaneous measurement of the CH4, CO2, and H2O fluxes at a lake-air interface[J]. Environmental Science & Technology, 2014, 48(24) : 14490–14498. |
| [15] | Miller S D, Marandino C, Saltzman E S. Ship-based measurement of air-sea CO2 exchange by eddy covariance[J]. Journal of Geophysical Research-Atmospheres, 2010, 115(D2). DOI: 10.1029/2009JD012193 |
| [16] | Lee X, Massman W J. A perspective on thirty years of the Webb, Pearman and Leuning density corrections[J]. Boundary-Layer Meteorology, 2011, 139(1) : 37–59. DOI: 10.1007/s10546-010-9575-z |
| [17] | Baldocchi D D, Hincks B B, Meyers T P. Measuring biosphere-atmosphere exchanges of biologically related gases with micrometeorological methods[J]. Ecology, 1988, 69(5) : 1331–1340. DOI: 10.2307/1941631 |
| [18] | Simpson I J, Thurtell G W, Kidd G E, et al. Tunable diode laser measurements of methane fluxes from an irrigated rice paddy field in the Philippines[J]. Journal of Geophysical Research:Atmospheres, 1995, 100(D4) : 7283–7290. DOI: 10.1029/94JD03326 |
| [19] | 农业部渔业渔政管理局. 中国渔业统计年鉴2015[M]. 北京: 中国农业出版社, 2015. |
| [20] | 于贵瑞, 孙晓敏. 陆地生态系统通量观测的原理与方法[M]. 北京: 高等教育出版社, 2006. |
| [21] | Meyers T P, Hall M E, Lindberg S E, et al. Use of the modified bowen-ratio technique to measure fluxes of trace gases[J]. Atmospheric Environment, 1996, 30(19) : 3321–3329. DOI: 10.1016/1352-2310(96)00082-9 |
| [22] | 赵晓松, 关德新, 吴家兵, 等. 长白山阔叶红松林通量观测的footprint及源区分布[J]. 北京林业大学学报, 2005, 27(3) : 17–23. Zhao X S, Guan D X, Wu J B, et al. Distribution of footprint and flux source area of the mixed forest of broad-leaved and Korean pine in Changbai Mountain[J]. Journal of Beijing Forestry University, 2005, 27(3) : 17–23. |
| [23] | Lee X, Finnigan J, Paw U K T. Coordinate systems and flux bias error[A]. In:Lee X, Massman W, Law B (Eds.). Handbook of Micrometeorology[M]. Netherlands:Springer, 2005. 33-66. http://cn.bing.com/academic/profile?id=67208708&encoded=0&v=paper_preview&mkt=zh-cn |
| [24] | Chan A S K, Prueger J H, Parkin T B. Comparison of closed-chamber and bowen-ratio methods for determining methane flux from peatland surfaces[J]. Journal of Environmental Quality, 1998, 27(1) : 232–239. |
| [25] | Kroon P S, Hensen A, Jonker H J J, et al. Uncertainties in eddy covariance flux measurements assessed from CH4 and N2O observations[J]. Agricultural and Forest Meteorology, 2010, 150(6) : 806–816. DOI: 10.1016/j.agrformet.2009.08.008 |
| [26] | Willmott C J. On the validation of models[J]. Physical Geography, 1981, 2(2) : 184–194. |
| [27] | Bastviken D, Cole J J, Pace M L, et al. Fates of methane from different lake habitats:Connecting whole-lake budgets and CH4 emissions[J]. Journal of Geophysical Research:Biogeosciences, 2008, 113(G2). DOI: 10.1029/2007JG000608 |
| [28] | Bartlett K B, Crill P M, Bonassi J A, et al. Methane flux from the Amazon river floodplain:emissions during rising water[J]. Journal of Geophysical Research:Atmospheres, 1990, 95(D10) : 16773–16788. DOI: 10.1029/JD095iD10p16773 |
| [29] | 杨平, 仝川, 何清华, 等. 闽江口养殖塘水-大气界面温室气体通量日进程特征[J]. 环境科学, 2012, 33(12) : 4194–4204. Yang P, Tong C, He Q H, et al. Diurnal variations of greenhouse gas fluxes at the water-air interface of aquaculture ponds in the Min River Estuary[J]. Environmental Science, 2012, 33(12) : 4194–4204. |
| [30] | 吕迎春, 刘丛强, 王仕禄, 等. 贵州喀斯特水库红枫湖、百花湖p (CO2)季节变化研究[J]. 环境科学, 2007, 28(12) : 2674–2681. Lv Y C, Liu C Q, Wang S L, et al. Seasonal variability of p (CO2) in the two karst reservoirs, Hongfeng and Baihua lakes in Guizhou Province, China[J]. Environmental Science, 2007, 28(12) : 2674–2681. |
| [31] | Natchimuthu S, Selvam B P, Bastviken D. Influence of weather variables on methane and carbon dioxide flux from a shallow pond[J]. Biogeochemistry, 2014, 119(1-3) : 403–413. DOI: 10.1007/s10533-014-9976-z |
| [32] | Sepulveda-Jauregui A, Walter Anthony K M, Martinez-Cruz K, et al. Methane and carbon dioxide emissions from 40 lakes along a north-south latitudinal transect in Alaska[J]. Biogeosciences, 2015, 12(11) : 3197–3223. DOI: 10.5194/bg-12-3197-2015 |
| [33] | Solomon S, Qin D, Manning M, et al. Climate change 2007-the physical science basis:Working group I contribution to the fourth assessment report of the IPCC[M]. Cambridge: Cambridge University Press, 2007: 337-383. |