摘要：為探討淡水養(yǎng)殖CO2通量的多時(shí)間尺度變化特征及其影響因子，本研究以我國長江三角洲區(qū)域典型淡水養(yǎng)殖池塘為研究對(duì)象，基于渦度相關(guān)法（Eddy covariance，EC）測定的2016-2021年高頻連續(xù)CO2通量數(shù)據(jù)，對(duì)CO2通量的多時(shí)間尺度變化特征及其環(huán)境、人為影響要素進(jìn)行分析。結(jié)果表明：養(yǎng)殖池塘CO2通量（以C計(jì)）存在明顯的日變化、季節(jié)變化和年際變化特征，其年尺度交換量的變化范圍為-671～1 005 kg·hm-2·a-1，年均值為（-74±688）kg·hm-2·a-1，表現(xiàn)為CO2的弱匯。CO2通量在不同時(shí)間尺度的主控因子存在明顯差異，其中在0.5 h尺度上，太陽輻射和氣溫分別是白天和夜晚CO2通量的主要影響因子；日尺度和月尺度的CO2通量則分別受太陽輻射和歸一化植被指數(shù)（NDVI）調(diào)控，且CO2通量與上述要素均呈顯著負(fù)相關(guān)；年際尺度上，養(yǎng)殖池塘CO2通量受飼料投入量與NDVI的共同作用，二者建立的回歸方程可以解釋64％的CO2年總通量變化，其中CO2排放量隨飼料投入量的增加呈線性增加（R2=0.55，Plt;0.05）。根據(jù)本研究結(jié)果，建議在未來可將提高飼料利用率作為控制養(yǎng)殖水體溫室氣體排放、改善水體生態(tài)環(huán)境、實(shí)現(xiàn)水產(chǎn)養(yǎng)殖業(yè)可持續(xù)發(fā)展的重要途徑。

關(guān)鍵詞：淡水養(yǎng)殖池塘；渦度相關(guān)法；CO2通量；多時(shí)間尺度；影響因子

中圖分類號(hào)：X714；X16 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1672-2043（2024）01-0190-12 doi：10.11654/jaes.2023-0229

大氣溫室氣體濃度增加引發(fā)的全球變暖是當(dāng)前全球面臨的重大生態(tài)環(huán)境問題之一。淡水養(yǎng)殖作為世界人口食物蛋白質(zhì)的主要來源，貢獻(xiàn)了約77％的全球養(yǎng)殖水產(chǎn)品，同時(shí)其在全球碳循環(huán)中也發(fā)揮著重要作用。池塘養(yǎng)殖是淡水養(yǎng)殖的主要生產(chǎn)方式，其較小的面積、較淺的水深以及大量外源飼料和肥料的輸入，為CO2的產(chǎn)生和傳輸創(chuàng)造了有利條件，特別是底泥累積的殘余飼料和肥料可顯著提升CO2生成速率，使養(yǎng)殖池塘可能成為CO2排放的熱點(diǎn)區(qū)域。近年來，為滿足人口對(duì)蛋白質(zhì)日益增長的需求，全球淡水養(yǎng)殖面積及其飼料投入量以高速率不斷增加，從而可能會(huì)使淡水養(yǎng)殖的CO2釋放量進(jìn)一步增強(qiáng)。我國是世界上淡水養(yǎng)殖產(chǎn)量最高的國家，為全球提供了約60％的淡水養(yǎng)殖水產(chǎn)品。因此，準(zhǔn)確評(píng)估養(yǎng)殖池塘CO2交換量，明確其控制要素，已成為區(qū)域碳收支核算以及制定減排戰(zhàn)略等相關(guān)研究的焦點(diǎn)問題之一。

當(dāng)前研究中淡水養(yǎng)殖池塘CO2年交換量（以C計(jì)）估算仍存在較大不確定性，變化范圍為-2 263-112 kg·hm-2·a-1，最高相差約20倍，其中高頻連續(xù)碳通量觀測數(shù)據(jù)的缺失是引起上述差異的主要原因之一。受多種環(huán)境因子和人為管理措施的疊加影響，養(yǎng)殖池塘CO2通量存在較強(qiáng)的時(shí)間變化。目前已有研究中約90％采用靜態(tài)箱法和傳輸系數(shù)法對(duì)池塘CO2通量進(jìn)行測定。這些方法雖原理簡單、操作方便，但考慮到人力物力，較難實(shí)現(xiàn)時(shí)間上的高頻連續(xù)測定，采樣頻率多為每月2-3次，且主要集中在白天進(jìn)行觀測，這樣無法準(zhǔn)確捕捉CO2通量的時(shí)間動(dòng)態(tài)信息，進(jìn)而將其觀測誤差傳遞到年總量的估算中。例如，若僅采用秋季湖泊混合期間觀測值代表瑞典富營養(yǎng)化小型湖泊CO2年平均速率，則年總量將被低估約86％。渦度相關(guān)法（Eddy covariance，EC）具有觀測頻率高、時(shí)間連續(xù)、穩(wěn)定性好且對(duì)觀測環(huán)境無干擾等優(yōu)勢，同時(shí)其觀測結(jié)果可代表研究區(qū)域內(nèi)的平均通量，并且該方法在小型水體碳通量觀測中的適用性也已得到驗(yàn)證，可為獲取多年高頻連續(xù)準(zhǔn)確碳通量觀測數(shù)據(jù)提供重要技術(shù)支撐。但目前EC法在養(yǎng)殖池塘等小型水體CO2通量觀測中的應(yīng)用還相對(duì)有限，特別是多年（gt;3 a）連續(xù)觀測還未見報(bào)道。

養(yǎng)殖池塘CO2通量多時(shí)間尺度變化特征的影響要素，特別是人為措施的影響目前還尚不明確。人為管理措施如曬塘，曝氣、飼料投入等可通過改變養(yǎng)殖水體和底泥中的生物、物理、化學(xué)過程等，進(jìn)而影響CO2交換。當(dāng)前研究已對(duì)部分措施如排水、曬塘和曝氣的影響研究較為明確，例如：研究發(fā)現(xiàn)，養(yǎng)殖池塘在排水期間會(huì)由CO2吸收匯[（-0.006+0.001）mg·m-2·s-1]轉(zhuǎn)變?yōu)镃O2排放源[（0.009+0.002）mg·m-2·s-1]；曝氣可通過增加水體中的溶解氧濃度，促進(jìn)CH4氧化進(jìn)而增加CO2的排放。然而，飼料投入作為淡水養(yǎng)殖池塘的重要措施，目前針對(duì)該措施的研究還較為薄弱。飼料和肥料的輸入一方面可以為底泥CO2有機(jī)分解提供充足底物，顯著提升CO2的產(chǎn)生速率；但過量飼料和肥料的輸入也會(huì)加劇水體富營養(yǎng)化，可能進(jìn)一步增強(qiáng)水體中浮游植物的光合固碳速率。在年尺度上，飼料投入量如何影響?zhàn)B殖池塘CO2交換量？影響程度有多大？以上問題還亟需基于多年觀測進(jìn)一步分析與探討。

長江三角洲地區(qū)水網(wǎng)密布，是我國重要的水產(chǎn)養(yǎng)殖基地，該地區(qū)淡水養(yǎng)殖池塘面積約為6.2x10 m2，占全國淡水養(yǎng)殖池塘總面積的24％，具有較好的代表性。因此，本研究選取我國長三角區(qū)域一處典型淡水養(yǎng)殖池塘為研究對(duì)象，采用EC法測定了2016-2021年6a的CO2通量數(shù)據(jù)，旨在明晰CO2通量的多時(shí)間尺度特別是年際變化特征，并結(jié)合環(huán)境要素及飼料投入量等數(shù)據(jù)，闡明CO2通量多時(shí)間尺度的影響要素。研究結(jié)果可為準(zhǔn)確評(píng)估區(qū)域碳排放量及制定減排政策等提供數(shù)據(jù)支撐和科學(xué)依據(jù)。

1材料與方法

1.1研究地概況

本研究觀測地點(diǎn)位于安徽省滁州市全椒縣官渡村（31°58′N，118°15′E，圖1）。研究區(qū)域養(yǎng)殖池塘平均面積約為7 000 m2，平均水深會(huì)根據(jù)養(yǎng)殖類型不同而變化。該區(qū)域?qū)儆趤啛釒Ъ撅L(fēng)氣候，年平均氣溫和降雨量分別為16.1℃和1 090 mm（數(shù)據(jù)來源：http：//data.cma.cn/）。

本研究的觀測時(shí)間為2016年1月至2021年12月。該研究區(qū)域主要包括兩種養(yǎng)殖模式，其中2016年的A塘、D塘以及2017年的B塘采用小龍蝦一四大家魚（青魚、草魚、鰱魚、鳙魚等）混養(yǎng)模式，其他時(shí)間段池塘均采取魚-蚌混養(yǎng)模式。關(guān)鍵養(yǎng)殖措施如下：對(duì)于小龍蝦-四大家魚混養(yǎng)池塘，1-5月池塘處于曬塘階段，其中4月初管理者開始在池塘中心種植黑麥草和稗子，種植面積約為池塘的30％，為小龍蝦提供食物和棲息地；隨后在5月初投入蝦苗，并且于每日8：00與18：00通過自動(dòng)投食機(jī)投放飼料，飼料包括大豆和人工配合飼料；在6月中旬小龍蝦全部捕獲之后，投入魚苗，飼料投放時(shí)間與之前相似，養(yǎng)殖期間平均水深約1.5 m。對(duì)于魚一河蚌混養(yǎng)池塘，養(yǎng)殖品種包括四大家魚和河蚌；飼料投入以人工飼料為主，投入時(shí)間分別為9：30、12：30和18：00；同時(shí)為促進(jìn)浮游植物生長，為河蚌提供養(yǎng)分，管理者會(huì)在每年2月和11月底投入雞糞。魚-河蚌混養(yǎng)池塘除捕撈期間處于曬塘階段（大概持續(xù)7 d），其他時(shí)間段均處于淹水階段，平均水深約1.8 m。

基于前期文獻(xiàn)調(diào)研結(jié)果，本研究養(yǎng)殖管理模式與長三角其他地區(qū)養(yǎng)殖措施基本相同，均包括曬塘、曝氣、飼料投入等關(guān)鍵人工管理措施，且實(shí)施時(shí)間和方法較為一致，但飼料投入量的時(shí)間和總量依據(jù)不同區(qū)域的實(shí)際情況存在差異。綜上，本研究的淡水養(yǎng)殖池塘在長三角地區(qū)具有一定的代表性。

1.2觀測方法

1.2.1渦度相關(guān)觀測系統(tǒng)

本研究基于開路式渦度相關(guān)觀測系統(tǒng)對(duì)目標(biāo)池塘C02通量進(jìn)行高頻、原位、連續(xù)觀測。該系統(tǒng)安裝高度距離地面約為1.5 m，儀器組成及測量分量如下：開路式紅外CO2/H2O氣體分析儀（型號(hào)：EC150，Campbell Scientific Inc.）測量大氣中CO2和H2O密度，三維超聲風(fēng)速儀（型號(hào)：CSAT3A，Campbell Scientific Inc.）測量三維風(fēng)速和超聲虛溫，上述儀器采樣頻率均為10 Hz。通過數(shù)據(jù)采集器（型號(hào)：CR3000，Campbell Scientific Inc.）儲(chǔ)存原始10 Hz數(shù)據(jù)，用于后續(xù)離線通量計(jì)算。

1.2.2輔助觀測

本研究采用小氣候觀測系統(tǒng)獲取氣象要素觀測數(shù)據(jù)。具體包括：溫濕傳感器（型號(hào)：HMP155，Vaisala Inc.）測量大氣溫度和濕度；風(fēng)速風(fēng)向傳感器（型號(hào)：05103，R M Young Inc.）測量大氣風(fēng)速和風(fēng)向；自動(dòng)翻筒式雨量計(jì)（型號(hào)：TR-525M，Texas Electronics Inc.）測量降雨量。其中風(fēng)速風(fēng)向傳感器和自動(dòng)翻筒式雨量計(jì)架設(shè)高度為2.5 m，溫濕傳感器架設(shè)高度為1.5m。本研究同時(shí)采用四分量輻射計(jì)（型號(hào)：CNR4，Kipp＆Zonen B.V.）測定輻射四分量。以上觀測數(shù)據(jù)均由數(shù)據(jù)采集器采集（型號(hào)：CR3000，Campbell Scientific Inc.），在線計(jì)算為30 min數(shù)據(jù)并進(jìn)行存儲(chǔ)。

本研究利用歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）刻畫養(yǎng)殖池塘浮游植被的生長動(dòng)態(tài)。遙感數(shù)據(jù)源自Sentinel-2系列衛(wèi)星，該系列衛(wèi)星包含2A和2B兩顆衛(wèi)星，衛(wèi)星的重訪周期為10 d。衛(wèi)星搭載的多光譜成像儀（Multispectral Imager，MSI）覆蓋可見光到近紅外共13個(gè)波段，其中用于計(jì)算NDVI的近紅外（B8）和紅光（B4）波段的空間分辨率為10 m?；诠雀璧厍蛞妫℅oogle Earth Engine，GEE）云平臺(tái)，在線篩選云量低于20％的遙感數(shù)據(jù)，用于計(jì)算養(yǎng)殖池塘2016-2021年月尺度NDVI的時(shí)間序列。

1.3渦度相關(guān)數(shù)據(jù)處理方法

本研究采用EddyPro軟件（Version 6.2.1，LI-CORInc.）處理10 Hz數(shù)據(jù)，并計(jì)算30 min通量，主要步驟如下：首先，對(duì)原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)檢驗(yàn)剔除異常值，包括振幅分辨率、缺失值以及偏度和峰度等；其次，對(duì)數(shù)據(jù)進(jìn)行兩次坐標(biāo)旋轉(zhuǎn)，使平均側(cè)風(fēng)速度和平均垂直風(fēng)速度為0，以此消除由于儀器傾斜所造成的誤差；再次，采用空氣密度效應(yīng)校正（Webb-Pearman-Leuning correction，WPL校正）消除濕度和溫度波動(dòng)對(duì)儀器測量的影響；考慮到養(yǎng)殖池塘內(nèi)EC較低的觀測高度可能會(huì)引起頻譜損失，因此本研究同時(shí)開通Eddypro頻譜分析校正模塊，消除濾波效應(yīng)；最后，基于大氣平穩(wěn)性檢驗(yàn)和總體湍流特征檢驗(yàn)等質(zhì)量控制，軟件將通量數(shù)據(jù)劃分為3個(gè)等級(jí)，分別為0（質(zhì)量較好）、1（質(zhì)量中等）、2（質(zhì)量較差）。為保證觀測結(jié)果的準(zhǔn)確性，僅采用質(zhì)量等級(jí)為0和1的數(shù)據(jù)進(jìn)行后續(xù)分析。此外，本研究基于夜間摩擦風(fēng)速閾值，進(jìn)一步刪除了夜間大氣湍流交換不充分時(shí)段的CO2通量數(shù)據(jù)，其中摩擦風(fēng)速閾值根據(jù)REddyProC程序包獲取，變化范圍從0.078 m·s-1（2016年）到0.130 m·s-1（2021年）。

在完成上述質(zhì)量控制和數(shù)據(jù)篩選后，2016-2021年基于0.5 h尺度的C02通量有效數(shù)據(jù)量各年分別為38.02％、52.69％、53.24％、44.47％、34.41％和39.09％。造成數(shù)據(jù)缺失的原因主要來源于電力及儀器故障、惡劣天氣狀況以及數(shù)據(jù)質(zhì)量控制等原因。本研究為進(jìn)一步準(zhǔn)確評(píng)估養(yǎng)殖池塘C02年尺度交換量，使用隨機(jī)森林（Random forest，RF）、人工神經(jīng)網(wǎng)絡(luò)（Artificial neural networks，ANN）、REddyProC程序包以及非線性回歸（Non-Linear Regression，NLR）4種方法對(duì)基于0.5 h尺度的CO2通量數(shù)據(jù)進(jìn)行了插補(bǔ)。

RF和ANN插補(bǔ)步驟如下：首先，將全年數(shù)據(jù)分為養(yǎng)殖期（4-10月）和非養(yǎng)殖期（11月至次年3月），并將不同期間數(shù)據(jù)根據(jù)太陽輻射（R）進(jìn)一步細(xì)分為白天（太陽輻射gt;0）和夜間（太陽輻射=0）；其次，基于前期環(huán)境要素與CO2通量之間相關(guān)關(guān)系研究結(jié)果，確定輸入變量組合，具體包括感熱通量、氣溫、太陽輻射、風(fēng)速、相對(duì)濕度、氣壓、水汽壓以及摩擦風(fēng)速；同時(shí)為避免塘內(nèi)如藻類等植物不同生長周期對(duì)模型的影響，在組合內(nèi)加入了日序和太陽高度角數(shù)據(jù)來反映日變化和季節(jié)變化信息。RF和ANN模型采用了相同的輸入變量組合；再次，本研究將輸入變量數(shù)據(jù)集隨機(jī)分為70％訓(xùn)練集（用于訓(xùn)練模型）與30％驗(yàn)證集（用于驗(yàn)證模型）；最后，通過多次訓(xùn)練與驗(yàn)證，從中挑選訓(xùn)練與驗(yàn)證效果均較優(yōu)的模型用于插補(bǔ)缺失數(shù)據(jù)，其中判斷最優(yōu)模型的方法參考邱吉麗等的研究。非線性回歸插補(bǔ)法是利用一定時(shí)間內(nèi)CO2通量與相關(guān)環(huán)境要素建立的非線性回歸經(jīng)驗(yàn)?zāi)Ｐ?，可?duì)CO2通量缺失數(shù)據(jù)進(jìn)行插補(bǔ)，本研究白天采用光合有效輻射與CO2通量建立的光響應(yīng)曲線（非直角雙曲線模型），夜晚模型為氣溫與CO2通量建立的呼吸指數(shù)模型。除上述插補(bǔ)方法，本研究同時(shí)采用了REddyProC程序包確定夜間摩擦風(fēng)速閾值并對(duì)CO2通量進(jìn)行插補(bǔ)，插補(bǔ)過程的輸入數(shù)據(jù)包括日序、CO2通量、潛熱通量、感熱通量、太陽輻射、氣溫、相對(duì)濕度、飽和水氣壓差和摩擦風(fēng)速；插補(bǔ)方法包括查表法、平均日變化法與邊際采樣法，具體插補(bǔ)流程可參考文獻(xiàn)。上述所有插補(bǔ)方法均基于0.5 h時(shí)間尺度。

1.4通量貢獻(xiàn)區(qū)計(jì)算

本研究采用Kljun等提出的二維通量足跡模型（Flux footprint prediction，F(xiàn)FP）量化年尺度EC氣候?qū)W源區(qū)的范圍，并計(jì)算目標(biāo)池塘對(duì)EC實(shí)測通量的貢獻(xiàn)。模型的輸入變量包括測量高度、粗糙度、摩擦風(fēng)速、奧布霍夫長度、側(cè)風(fēng)方向的標(biāo)準(zhǔn)差、風(fēng)向、平均風(fēng)速和邊界層高度。邊界層高度數(shù)據(jù)來自美國國家海洋和大氣管理局的全球數(shù)據(jù)同化系統(tǒng)，其他參數(shù)均由EC系統(tǒng)提供。

1.5數(shù)據(jù)分析與統(tǒng)計(jì)方法

研究采用Matlab （R2021b）軟件進(jìn)行數(shù)據(jù)后處理及繪圖。利用SPSS 26.0統(tǒng)計(jì)軟件中Duncan方差分析法檢驗(yàn)不同年份之間的環(huán)境要素差異性。CO2通量與各環(huán)境因子間的相關(guān)關(guān)系使用SPSS 26.0統(tǒng)計(jì)軟件中Pearson相關(guān)分析法進(jìn)行判斷（Plt;0.05：顯著相關(guān)；Plt;0.01：極顯著相關(guān)）；本研究同時(shí)采用多元逐步回歸模型對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)，進(jìn)一步選取對(duì)CO2通量變化貢獻(xiàn)最顯著的環(huán)境人為因子。

2結(jié)果與分析

2.1EC觀測結(jié)果的空間代表性評(píng)價(jià)

本研究為驗(yàn)證EC觀測信號(hào)的空間代表性，采用FFP模型模擬了觀測期間年尺度的EC氣候?qū)W源區(qū)范圍，并計(jì)算了EC觀測系統(tǒng)周圍池塘對(duì)EC觀測信號(hào)的貢獻(xiàn)率。結(jié)果顯示（圖2），不同年份之間的源區(qū)范圍較為一致，其中EC觀測塔周圍的4個(gè)池塘為主要的信號(hào)貢獻(xiàn)源，6a的貢獻(xiàn)率平均值為73％。該結(jié)果表明EC觀測數(shù)據(jù)可以作為養(yǎng)殖區(qū)域碳通量交換信號(hào)的代表。此外，由于EC觀測通量信號(hào)代表的是通量源區(qū)內(nèi)不同位置地表源強(qiáng)度的加權(quán)平均，因此為獲取與CO2通量信號(hào)匹配的飼料輸入量大小，本研究基于不同池塘的通量貢獻(xiàn)權(quán)重和每個(gè)池塘總飼料輸入量，計(jì)算了2016-2020年在氣候?qū)W源區(qū)范圍內(nèi)的飼料投入年總量，分別為4 200、7 300、8 570、9 940、7 870 kg·hm-2和5 400 kg·hm-2（以C計(jì)）。

2.2CO2通量的多時(shí)間尺度變化特征

觀測期間各季節(jié)CO2通量的日變化特征如圖3所示。CO2通量在各季節(jié)均表現(xiàn)出相似的日變化趨勢，即白天為大氣CO2的匯，吸收峰值出現(xiàn)在正午12：00至午后14：00期間；夜晚為大氣CO2的源，排放峰值在3：00或21：00左右。CO2日變化幅度（吸收峰值與排放峰值之差）在不同季節(jié)間存在差異，其中春季和夏季CO2通量日變化幅度相對(duì)較高，分別為4.11 umol·m-2·s-1（-2.41-1.70 umol·m-2·s-1）和5.11umol·m-2·s-1（-2.53-2.58 umol·m-2·s-1），顯著高于秋季日變化幅度1.4-2.0倍（Plt;0.05）；冬季吸收與排放信號(hào)均最弱，CO2通量的日變化幅度僅為0.96 umol·m-2·s-1（-0.75-0.21 umol·m-2·s-1）。

圖4展示了觀測期間養(yǎng)殖池塘CO2通量的季節(jié)變化特征。養(yǎng)殖期內(nèi)（4-10月）CO2的吸收與排放信號(hào)均較強(qiáng)，非養(yǎng)殖期（11月至次年3月）CO2的吸收與排放信號(hào)均較弱（圖4a）。觀測期內(nèi)日尺度上CO2通量的吸收與排放峰值均出現(xiàn)在夏季（6-8月：-2.96-3.77 umol·m-2·s-1），并且與日變化特征類似，冬季（12月至次年2月：-1.79-1.56 umol·m-2·s-1）的吸收與排放信號(hào)相對(duì)較弱。從季節(jié)平均的角度，各年份CO2通量季節(jié)變化趨勢差異較大（圖4b），其中CO2吸收量和排放量的峰值分別出現(xiàn)在2016年和2019年的夏季。

為進(jìn)一步明確年尺度養(yǎng)殖池塘CO2的源匯特征及變化趨勢，本研究首先采用4種方法對(duì)0.5 h尺度CO2通量進(jìn)行了插補(bǔ)，以此獲取CO2通量完整的時(shí)間序列并計(jì)算CO2交換總量。觀測期間各方法插補(bǔ)的年總量結(jié)果如表1所示。結(jié)果表明：多數(shù)年份不同方法之間的插補(bǔ)結(jié)果都較為接近，且不存在顯著差異（P=0.81）。本研究為進(jìn)一步降低年尺度CO2總量估算的不確定性，采用4種方法插補(bǔ)結(jié)果的平均值和標(biāo)準(zhǔn)差分別代表各年份的CO2交換總量及其不確定性（表1）。由表1可知，養(yǎng)殖池塘CO2通量（以C計(jì)）存在顯著的年際變化特征（Plt;0.01），整體變化范圍為-671-1 005 kg·hm-2·a-1，2018年和2019年表現(xiàn)為CO2排放源，其他年份均為CO2匯，多年均值為（-74±688）kg·hm-2·a-1，呈現(xiàn)為弱碳匯。

2.3CO2通量多時(shí)間尺度影響因子分析

觀測期間CO2通量與環(huán)境要素在不同時(shí)間尺度的相關(guān)關(guān)系如表2所示。結(jié)果表明，CO2通量在不同時(shí)間尺度的影響要素存在明顯差異。在0.5 h尺度上，白天CO2的吸收速率主要受太陽輻射控制，相關(guān)系數(shù)為-0.24；夜間主要受溫度影響，并且3種測量溫度中，CO2通量對(duì)空氣溫度（R=0.19）的響應(yīng)高于對(duì)水溫（R=0.18）和底泥溫度（R=0.18）的影響。日尺度分析結(jié)果與0.5 h尺度類似，太陽輻射是CO2通量變化的主控因子，兩者之間呈現(xiàn)顯著的負(fù)相關(guān)，相關(guān)系數(shù)為-0.24。風(fēng)速雖在上述時(shí)間尺度均與CO2通量呈現(xiàn)顯著的相關(guān)性，但相關(guān)系數(shù)均較小。月尺度的CO2通量僅與NDVI呈現(xiàn)顯著的負(fù)相關(guān)（Plt;0.05），相關(guān)系數(shù)為-0.27。

在上述相關(guān)關(guān)系分析的基礎(chǔ)上，本研究進(jìn)一步探討了各時(shí)間尺度CO2通量與主控因子的響應(yīng)關(guān)系（圖5）。0.5 h尺度：白天CO2通量隨著太陽輻射的增強(qiáng)呈線性降低，并從弱源轉(zhuǎn)變?yōu)槿鯀R（圖Sa）；夜晚CO2排放量隨著空氣溫度的升高呈線性增加（圖Sb）；日尺度C02通量隨太陽輻射的變化趨勢與0.5 h尺度類似，但線性遞減速率（0.003）相對(duì)較高（圖5c）。月尺度上，基于NDVI與CO2通量的回歸方程，利用NDVI變異可以解釋68％的月尺度CO2通量變化（圖5d）。

養(yǎng)殖池塘不同于自然水體，其CO2交換量除受環(huán)境要素影響外，還受到人為干擾。本研究重點(diǎn)明確飼料投入量在年尺度對(duì)CO2總量的影響。前期研究結(jié)果顯示各氣象要素年均值在不同年份之間無顯著性差異?；谀瓿叨菴O2交換總量與氣候?qū)W源區(qū)范圍內(nèi)飼料投入量之間的相關(guān)分析結(jié)果，兩者為線性正相關(guān)，即CO2交換總量隨飼料投入量的增加呈顯著線性上升，相關(guān)系數(shù)為0.74（Plt;0.05，圖6）。此外，本研究采用多元逐步回歸方法，進(jìn)一步明晰各環(huán)境要素與飼料投入量對(duì)CO2年總量的協(xié)同影響，輸入因子包括各時(shí)間尺度的主要影響要素，如溫度、太陽輻射、NDVI與飼料投入量，其中僅NDVI（IN）與飼料投入量（F）保留在最終的模型中（年總量=0.26F-355.93IN-1 940.29），飼料投入量與建立的回歸方程可以解釋64％的CO2年總量的變化。

3討論

3.1養(yǎng)殖池塘CO2通量多時(shí)間尺度變化動(dòng)態(tài)及影響因子

眾多證據(jù)表明，養(yǎng)殖池塘CO2交換在人為措施和環(huán)境要素的雙重作用下，存在明顯的時(shí)間變異性，包括日變化、季節(jié)變化等。本研究基于6 aEC高頻連續(xù)觀測數(shù)據(jù)進(jìn)一步佐證并補(bǔ)充了上述研究結(jié)論。對(duì)于日變化特征：本研究結(jié)果與多數(shù)研究結(jié)果一致，觀測發(fā)現(xiàn)養(yǎng)殖池塘CO2通量具有明顯的日變化規(guī)律，且存在源匯轉(zhuǎn)換，即白天表現(xiàn)為CO2吸收匯，主控因子為太陽輻射，夜晚為CO2排放源，CO2通量受溫度驅(qū)動(dòng)，其中吸收峰值多出現(xiàn)在10：00-14：00；類似現(xiàn)象也出現(xiàn)在閩江口養(yǎng)殖池塘、瑞典的淺水池塘以及福建的貝藻類海水養(yǎng)殖池塘研究中。然而，也有研究觀測的結(jié)果呈現(xiàn)了與上述CO2日變化特征相反的現(xiàn)象，如山東省的魚塘翻和蝦塘、閩江口的蝦塘以及九龍江河口的貝藻類養(yǎng)殖池塘，這些研究均觀測到白天CO2較強(qiáng)的排放信號(hào)，且不同研究中CO2通量的日變化幅度存在明顯差異。引起上述研究結(jié)果差異的原因可能與觀測時(shí)間段選取、池塘內(nèi)浮游植物量、養(yǎng)殖類型和密度等要素有關(guān)。例如，對(duì)于觀測時(shí)間段選取造成的差異，基于EC觀測的貝藻類海水養(yǎng)殖池塘（縊蟶-蝦蟹季節(jié)輪養(yǎng)）CO2通量日變化特征，結(jié)果發(fā)現(xiàn)縊蟶養(yǎng)殖后半階段具有“白天匯-夜間通量近0”的通量特征，且變化幅度高于養(yǎng)殖前半階段16倍左右；本研究也有類似的現(xiàn)象，在夏、春季淡水養(yǎng)殖池塘CO2日變化幅度為冬季的4-5倍。上述分析表明，養(yǎng)殖池塘CO2通量存在明顯的時(shí)間變異性，以往基于白天非連續(xù)的采樣無法準(zhǔn)確代表CO2交換量的真實(shí)特征，進(jìn)而導(dǎo)致碳交換量的估算存在較大誤差。

受觀測手段的限制，當(dāng)前對(duì)養(yǎng)殖池塘CO2通量年際變化特征及其影響要素，特別是人為影響要素的研究較為薄弱。本研究發(fā)現(xiàn)6a觀測期內(nèi)養(yǎng)殖池塘CO2年總量存在顯著差異（Plt;0.05），從最初的CO2吸收匯（2016年和2017年）轉(zhuǎn)變?yōu)镃O2排放源（2018年和2019年），隨后轉(zhuǎn)為CO2弱吸收匯（2020年和2021年）。基于年尺度CO2交換量的影響要素分析表明，CO2通量主要受到飼料投入量和NDVI的共同調(diào)控（圖6）。然而，目前已有研究中針對(duì)上述因素特別是飼料投入量，對(duì)CP2交換的影響機(jī)制還存在較大的爭論。一方面，部分研究認(rèn)為養(yǎng)殖池塘內(nèi)飼料和肥料的投入過量，僅有4％-27％的飼料和肥料被養(yǎng)殖生物所利用，殘余飼料、肥料以及養(yǎng)殖動(dòng)物的糞便會(huì)沉積在底泥，其為CO2的產(chǎn)生提供了充足的有機(jī)質(zhì)，因此可能會(huì)進(jìn)一步促進(jìn)CO2產(chǎn)生及排放。本研究結(jié)果支持該觀點(diǎn)，養(yǎng)殖池塘CO2交換量隨飼料投入量增加呈線性增加（R2=0.55，Plt;0.05），其中2018年和2019年養(yǎng)殖池塘為CO2的強(qiáng)排放源，這可能與高飼料投入量有關(guān)，其飼料投入總量約為其他年份的1.4-1.6倍。但不同于上述觀點(diǎn)，也有部分研究表明飼料投入在增加底泥有機(jī)質(zhì)的同時(shí)，也會(huì)增加水體富營養(yǎng)化程度，因此可進(jìn)一步增強(qiáng)浮游植物的光合固碳速率。例如，基于海水蝦塘和海水蝦-海參混養(yǎng)塘水-氣界面CO2通量的對(duì)比結(jié)果發(fā)現(xiàn)，有飼料輸入的蝦塘為CO2的吸收匯（-5.69 g·m-2），而無飼料輸入的混養(yǎng)塘為CO2的排放源（11.23 g·m-2），產(chǎn)生該現(xiàn)象的原因是蝦塘中飼料的投入增加了水體的葉綠素以及總氮、總磷濃度，進(jìn)而提升了水體中浮游生物的初級(jí)生產(chǎn)力，加速了CO2的光合吸收，因此表現(xiàn)為CO2匯。

上述研究結(jié)果表明，飼料投入對(duì)CO2通量交換的影響與飼料類型、投入量以及養(yǎng)殖類型等多因素有關(guān)。在本研究中，當(dāng)過量飼料沒有被及時(shí)攝取，殘余的飼料可能更容易被分解成CO2，其CO2生成速率會(huì)高于由于水體富營養(yǎng)化引起的光合CO2吸收速率，因此養(yǎng)殖池塘為CO2的排放源；反之光合固碳占主導(dǎo)時(shí)養(yǎng)殖池塘則表現(xiàn)為CO2的匯。此外，本研究2018年和2019年養(yǎng)殖水體中飼養(yǎng)的河蚌以浮游植物為食，可減輕水體富營養(yǎng)化程度，從而降低水體浮游植物對(duì)CO2的光合吸收速率。綜上，為構(gòu)建環(huán)境友好型養(yǎng)殖模型，未來養(yǎng)殖研究應(yīng)著重于進(jìn)一步提升飼料利用效率，在增加水產(chǎn)養(yǎng)殖效益的基礎(chǔ)上，降低殘余飼料碳氮沉積對(duì)水體環(huán)境的負(fù)荷，以此實(shí)現(xiàn)水產(chǎn)養(yǎng)殖業(yè)的可持續(xù)發(fā)展。

3.2亞熱帶養(yǎng)殖池塘CO2通量的交換水平

表3展示了本研究與其他水體類型如湖泊、水庫以及其他地區(qū)養(yǎng)殖池塘CO2年交換量的對(duì)比結(jié)果。本研究6a觀測期內(nèi)養(yǎng)殖池塘CO2年總量存在顯著性差異，受飼料投入量及養(yǎng)殖品種的影響，各年份CO2通量（以C計(jì)）呈“匯-源-匯”的交錯(cuò)分布特征，整體變化范圍為-671-1 005 kg·hm-2·a-1，多年均值為（-74±688）kg·hm-2·a-1，呈現(xiàn)為弱碳匯。相比于其他地區(qū)研究結(jié)果，從表3可知，多數(shù)自然水體如湖泊、水庫等常表現(xiàn)為CO2排放源，而本研究養(yǎng)殖池塘在高飼料輸入條件下的CO2年排放量位于其中上范圍內(nèi)；對(duì)于不同區(qū)域的養(yǎng)殖系統(tǒng)，與自然水體相比，養(yǎng)殖池塘特有的人工管理措施和養(yǎng)殖模式，使CO2通量的源匯特征及交換水平存在較大的不確定性。

觀測時(shí)間、水質(zhì)環(huán)境以及養(yǎng)殖品種差異等可能是造成不同研究區(qū)域養(yǎng)殖池塘碳交換量差異的主要原因。首先對(duì)于觀測時(shí)間，以往多數(shù)研究采用白天CO2通量觀測結(jié)果代表日均值計(jì)算年總量?；诒狙芯坑^測結(jié)果，若僅采用白天觀測值計(jì)算年總量，不僅會(huì)改變源匯特征，同時(shí)其量值估算誤差不確定性可達(dá)591％，該結(jié)果說明完整的CO2通量時(shí)間動(dòng)態(tài)信息是未來碳交換量準(zhǔn)確估算的前提。其次，水質(zhì)要素如pH、鹽度、葉綠素含量等可通過影響CO2的產(chǎn)生和消耗速率進(jìn)而改變碳交換，例如基于九龍江河口和閩江河口養(yǎng)蝦塘CO2通量的對(duì)比結(jié)果，其中閩江河口養(yǎng)殖池塘CO2通量整體高于九龍江河口，這種差異主要是由于水體中的葉綠素含量差異導(dǎo)致的。最后，由于不同養(yǎng)殖品種的新陳代謝以及人工管理方式存在差異，水-氣界面的碳交換也會(huì)受到一定程度的影響，例如本研究在改變養(yǎng)殖模式后，CO2的源匯特征也隨之發(fā)生變化，養(yǎng)殖池塘由CO2的匯[蝦-魚混養(yǎng)塘，（-600+100）kg·hm-2·a-1（以C計(jì)）]轉(zhuǎn)變?yōu)镃O2的源[魚-河蚌混養(yǎng)塘，（507±66）kg·hm-2·a-1（以C計(jì)）]，其主要受蝦類養(yǎng)殖種植黑麥草和稗子等植物的影響；其他研究地區(qū)也有類似的現(xiàn)象，通過對(duì)比蝦-蟹混養(yǎng)塘和蝦-蟹-竹蟶混養(yǎng)塘水-氣界面CO2通量，結(jié)果發(fā)現(xiàn)加入竹蟶之后養(yǎng)殖池塘由CO2的匯[蝦-蟹混養(yǎng)塘，-113 g·m-2（以CO2計(jì)）]轉(zhuǎn)變?yōu)镃O2的源[蝦-蟹-竹蟶混養(yǎng)塘，154 g·m-2（以CO2計(jì)）]，這主要是由于竹蟶對(duì)浮游植物的濾食作用降低了光合固碳速率，同時(shí)竹蟶的呼吸也會(huì)增加水體中的CO2濃度，綜上，為準(zhǔn)確評(píng)估區(qū)域以及國家尺度養(yǎng)殖水體的碳收支，在未來還需在更多地區(qū)的不同類型養(yǎng)殖水體開展高頻連續(xù)碳通量觀測，以提供堅(jiān)實(shí)的數(shù)據(jù)支撐。

4結(jié)論

（1）養(yǎng)殖池塘CO2通量存在日變化、季節(jié)變化和年變化特征。日變化：白天表現(xiàn)為CO2吸收匯，夜晚為CO2排放源；季節(jié)變化：CO2的排放或吸收峰值均出現(xiàn)在夏季，冬季CO2通量交換均較弱；年變化：6 a觀測期內(nèi)各年份CO2通量（以C計(jì)）呈“匯-源-匯”的交錯(cuò)分布特征，年總排放量整體變化范圍為-671-1 005 kg·hm-2·a-1，整體而言，多年均值為（-74±688）kg·hm-2·a-1，養(yǎng)殖池塘呈現(xiàn)為弱碳匯。

（2）淡水養(yǎng)殖池塘CO2通量的環(huán)境主要影響因子隨時(shí)間尺度而發(fā)生改變：0.5 h尺度上，白天CO2通量受太陽輻射控制，兩者呈現(xiàn)顯著的負(fù)相關(guān)，夜間CO2排放量隨溫度升高呈線性增加（R=0.78，Plt;0.05）；月尺度上：歸一化植被指數(shù)是CO2交換量的主控因子，且兩者之間呈顯著負(fù)相關(guān)；年尺度上，飼料投入量和歸一化植被指數(shù)共同調(diào)控CO2年交換量，二者建立的回歸方程可以解釋64％的CO2年總量變化。