EN中文

Wetland Science >

2025 , Vol. 23 >Issue 5: 1099 - 1110

DOI: https://doi.org/10.13248/j.cnki.wetlandsci.20250002

A review of CO2 fluxes from inland lake wetlands in China

  • Tian Ran , 1, 2 ,
  • Zhang Yuting 3, 4 ,
  • Yu Haiyang 5 ,
  • Wang Qiong 1, 2 ,
  • Wang Kai , 3, 4, * ,
  • Zheng Xunhua 6
Expand

Received date: 2025-01-03

  Revised date: 2025-04-24

  Online published: 2026-03-12

Copyright

Copyright ©2025 Wetland Science. All rights reserved.
Fold

Abstract

Lake wetlands serve as critical carbon reservoirs and sources/sinks within the terrestrial biosphere, playing a crucial role in the global carbon cycle. China is endowed with extensive lake wetland resources, and enhancing the capability to monitor and estimate their carbon source/sink dynamics is critical for achieving the national goals of carbon peak and carbon neutrality. However, considerable uncertainties remain due to limited research on carbon flux monitoring and mechanistic understanding of carbon cycling processes in these ecosystems. To improve the understanding of carbon dioxide (CO2) flux research in Chinese lake wetlands and enhance the accuracy of carbon source/sink assessments in terrestrial ecosystems, this review classifies inland lakes of China into five distinct regions, according to the geographical regionalization framework; they are Tibetan Plateau lakes, Eastern Plain lakes, Inner Mongolia-Xinjiang lakes, Yunnan-Guizhou Plateau lakes, and Northeast Plain and Mountain lakes. For each region, we synthesize the characteristic patterns of CO2 fluxes and identify key drivers influencing CO2 emissions, such as climate conditions, hydrological properties, sediment characteristics, vegetation coverage, and anthropogenic impacts. Also, we provide an overview of widely applied methodologies for monitoring and estimating CO2 fluxes, e.g. eddy covariance systems, floating chambers, and remote sensing-based models. Furthermore, this study outlines the major challenges in current research, including spatial and temporal data gaps, methodological inconsistencies, and scaling issues from site-level measurements to regional estimates. We propose future research directions aimed at strengthening long-term monitoring networks, integrating multi-source data, developing mechanistic models, and improving carbon sequestration strategies. This synthesis is expected to offer a scientific foundation for the conservation and sustainable management of lake wetlands, as well as the enhancement of their carbon sequestration potential in the context of climate change mitigation.

Cite this article

Tian Ran , Zhang Yuting , Yu Haiyang , Wang Qiong , Wang Kai , Zheng Xunhua . A review of CO2 fluxes from inland lake wetlands in China[J]. Wetland Science, 2025 , 23(5) : 1099 -1110 . DOI: 10.13248/j.cnki.wetlandsci.20250002

湖泊面积虽然仅占全球总面积的3.7%，却在全球碳循环和气候变化中发挥着重要作用[1]。据估算，全球湖泊的二氧化碳(CO2)年排放量[2-3]相当于抵消了全球陆地生态系统碳汇总量[4]的1/6左右。因此，陆地碳汇的精准估算必须考虑湖泊碳交换的贡献。中国拥有丰富的内陆湖泊湿地资源，总面积达859.38万ha，约占自然湿地总面积的18.4%[5]，提升湖泊湿地碳源/汇监测与核算能力已经成为实施“双碳”目标的重要环节。然而，中国内陆湖泊湿地CO2通量监测体系尚不完善，湖泊生态系统具有高度异质性且CO2通量相关生态过程十分复杂，因此对其碳循环过程规律与机理的认识仍存在明显不足。这导致中国内陆湖泊CO2通量的时空分布特征尚未明晰，关键驱动机制仍不明确，碳源/汇的估算存在较大不确定性[6-8]。因此，在此背景下，迫切需要对现有研究成果进行系统总结。本文旨在系统梳理和比较中国内陆主要湖区CO2通量的时空分异特征，剖析其关键驱动机制，评估与评述现行观测与估算方法的适用性与局限性，以期为准确评估中国内陆湖泊湿地碳收支、服务国家“双碳”目标、促进湖泊湿地保护与可持续利用、巩固和提升湖泊生态系统碳汇功能提供关键科学基础和决策支撑。

1 湖泊湿地CO2循环过程

湖泊湿地CO2循环由碳固定与转化、碳迁移传输、界面交换3个方面构成，具体涵盖水生植物的光合固碳和有机物分解、流域径流碳输入和输出、湖泊水体内部的碳循环、沉积物–水体碳交换、水–气界面的碳交换等关键过程(图1)。湖泊湿地的碳输入主要包含生物固定、水文运输和大气扩散3个途径[9-10]：挺水植物和藻类通过光合作用将大气CO2转化为有机碳，构成碳固定的主体；流域径流输入的溶解性有机碳(DOC)和溶解性无机碳(DIC)经微生物群落分解后部分矿化为CO2，其他通过生物吸收或絮凝沉降进入底泥；大气CO2则通过气体扩散作用直接溶解于水体。湖泊湿地的碳输出涉及生物代谢、化学转化和物理释放等途径[9-10]：植物呼吸与微生物分解持续释放代谢性CO2，腐殖质经矿化分解会转化为活性炭形态，底泥有机碳通过厌氧发酵产生CO2和甲烷(CH4)气泡(冒泡效应)释放，这些碳形态最终通过水体扩散或气泡破裂回到大气中。本研究聚焦湖泊与大气界面的CO2交换过程，该过程是湖泊碳循环最为活跃的环节，也决定着湖泊生态系统碳源/汇的格局。
1 Lake carbon cycling and CO2 exchange at the air-water interface

湖泊碳循环与湖−气界面二氧化碳交换

2 湖泊湿地CO2通量的特征规律

中国内陆湖泊分布广泛，湖泊CO2通量特征因地理、气候及湖泊类型的不同而表现出显著的异质性[6,11]。湖泊分类方法众多，本文采用《中国湖泊志》[12]提出的地理分区划分方法，将中国的内陆湖泊划分为五大湖区，即青藏高原湖区、东部平原湖区、蒙新湖区、东北平原与山地湖区、云贵高原湖区，分别综述其CO2通量的特征规律。通过聚类分析该分类体系发现，中国内陆湖泊在纬度地带性、构造背景和水化学特征等方面呈现出显著的区域趋同性，比如青藏高原湖区大部分湖泊为构造湖，而东部平原湖区大部分的湖泊为河成湖[12-13]，因此其CO2通量特征也具有趋同性，该划分方法被广泛应用于中国内陆湖泊的碳通量研究中[6,14-15]。

2.1 青藏高原湖区

青藏高原是中国内陆湖泊分布最为广泛的区域之一，其湖泊面积占比超过全国的50%[16]。当地气候寒冷干燥、蒸发量大，湖泊多以高山冰雪融水为补给水源，湖中富含盐类而成为咸水湖或盐湖[16]。青藏高原湖泊的分布表现为西密东疏，小型湖泊较多，几个较大的湖泊分布在南部和东北部，如青海湖、纳木错湖等[13,16]。由于冰川融化和降水增加，过去30 a青藏高原湖泊面积扩张超过1万km2，到21世纪末，高原湖泊面积将扩张约50%[17]，其带来的“物理稀释”效应将降低CO2排放[6]，与此同时，径流增加给湖泊带来更多的外源有机质，使得高原湖泊CO2通量对气候变化的响应变得更为复杂。尽管现有不同研究的结果存在一定差异，但已有迹象表明，在全球气候背景下青藏高原湖泊正由碳源逐渐转变成碳汇。
Jia等[15]通过整合非冰冻期数据发现，青藏高原湖泊总体表现为CO2的源，年排放量从21世纪10年代的6.87 Tg/a下降到21世纪20年代的1.16 Tg/a。而当加入冬季冰冻期数据时，青藏高原湖泊将转变为碳汇，因为冬季水温降低导致可溶性无机碳离子浓度增加，增强了湖泊对CO2的吸收[18]；该研究[15]还指出青藏高原湖区的CO2通量存在显著的空间差异，西部和南部湖泊的通量较高，东部和北部较低。Li等[18]基于涡动相关多年连续高频通量观测发现，青海湖在全年尺度上已经是碳汇，2014—2016平均CO2通量为(−0.54±0.31) g/(m2·d)，相当于每年从大气中吸收(88±49) 万t的碳，约为青海省每年碳排放量的近10%；该研究还发现青海湖夏季为碳源，其他季节则为碳汇，尤其冬季碳吸收量最高，因此认为仅使用夏季或无冰期的观测数据估算青藏高原湖泊的CO2年通量将导致结果被高估。同样基于多年连续的涡动相关数据，Li等[19]定量评估了青藏高原纳木错流域2个不同面积盐湖的CO2碳汇强度，大湖的全年净碳吸收量为−122.5 g/(m2·a)，小湖则为−47.2 g/(m2·a)，该研究还发现了不同面积湖泊CO2通量的季节差异，大盐湖的碳吸收主要发生在秋季和冬季，而小盐湖没有显著的季节变化。

2.2 东部平原湖区

东部平原湖泊包括长江中下游平原和黄淮海平原上的大小湖泊，总面积约占全国湖泊总面积的1/4[16]。该湖区内主要分布的是淡水湖，包括鄱阳湖、洞庭湖、太湖、洪泽湖等，其中，鄱阳湖、洞庭湖等是典型的浅水型吞吐湖泊，具有调节江、河洪枯的能力[16]。在年尺度上，该湖区大部分湖泊为碳源[20-22]，但是由于地理环境和水文条件的差异，不同湖泊的CO2通量特征也不同。
以鄱阳湖和洞庭湖为代表，其碳收支动态受流域水文情势的调控[23-24]，由于水位常出现季节性涨落(落差可达10 m)[25]，CO2通量也呈现周期性变化和源汇交替的情况[23,26-28]。Zhao[23]基于涡动相关法观测发现，流域季节性降水增强阶段，鄱阳湖处于高水位阶段，CO2排放速率达(1.06±0.1) g/(m2·d)；低水位期植被光合作用显著增强，CO2吸收速率达(0.93±0.08) g/(m2·d)。三峡大坝建成后，湖泊长期处于低水位，洲滩植被面积占比增加，湖区植被净初级生产力增大，使鄱阳湖整体向碳汇转变[23,29]。洞庭湖泛洪区观测数据表明[30]，洪水期(高水位阶段)芦苇(Phragmites australis)沼泽表现为碳源，非洪水期芦苇面积扩张使碳汇功能增强。此外，东部平原湖区人口聚集，经济发达，很多湖泊都是浅水型藻型湖泊(如太湖)，富营养化和水生植被分布对CO2通量的影响更为突出[20]。Xiao等[31]研究发现，通过流域管控和治理，近年来流入太湖的污染物减少，水质明显改善，显著降低了CO2排放，但在全球变暖背景下，藻类生物量持续增加，CO2通量变化受藻类固碳过程影响，使湖泊从碳源向碳汇转变。

2.3 蒙新湖区

蒙新湖区的湖泊多为构造运动、冰川活动或风蚀作用形成，由于地处内陆，气候干燥、降水稀少、蒸发强烈，多为咸水湖[32-33]。受气候、地理位置等自然因素和人为活动影响，该地区的湖泊大部分表现为碳源[33-35]。内蒙古自治区境内的湖泊多为富营养化的咸水湖[33-34]。对岱海的观测结果显示，其CO2排放通量约为0.20 g/(m2·d)，排放通量与富营养化程度极显著正相关[36]。乌梁素海的CO2通量约为0.43 g/(m2·d)，通量的季节变化显著，与岱海不同的是，富营养化总体上对碳吸收有促进作用[34]。Tao等[37]发现，呼伦湖近年来从碳源逐渐转变为碳汇，CO2通量从(0.44±0.09) g/(m2·d)变为(−0.25±0.04) g/(m2·d)，可能与气温上升以及水体富营养化提高了湖泊的初级生产力有关。上述研究结果的差异反映了内蒙古地区湖泊盐湖的富营养化存在固碳与排放的双向效应。新疆维吾尔自治区的咸水湖面积占全国湖泊总面积的13% [38]。Liao等[35]采用扩散系数法在博斯腾湖的研究显示，该盐湖的CO2排放量为(0.15±0.04) g/(m2·d)，显著低于全球盐湖的平均排放水平，湖泊的水动力特征和湖岸径流的淡水输入是导致排放空间差异的主要因素，并指出盐度对CO2通量具有显著的调控作用。未来需深化研究蒙新湖区高盐环境中微生物群落如何调控有机碳分解与无机碳沉淀对CO2通量的影响机制。

2.4 东北平原与山区湖区

东北平原与山区湖区的湖泊面积约占全国湖泊总面积的8.5%[16]，平原区湖泊大都是河成湖或因冻融后地表塌陷导致积水成湖，如查干湖等[39]；山区湖泊形成与构造活动和火山活动有关，如镜泊湖等为火山堰塞湖，兴凯湖等为构造陷落湖[12,40]。在此湖区开展的CO2通量观测研究较少，Wen等[41]在2013—2014年对该湖区95个湖泊的分析结果显示，无冰期湖区整体表现为碳源，CO2平均通量为0.8 g/(m2·d)，且湖泊面积越小，CO2排放量越高。这一湖区的湖泊DOC丰富，其化学降解过程主导了碳排放，持续减少的入湖负荷可能导致其排放量逐渐降低[6]，未来需关注冻土退化和人类活动对湖泊CO2通量的长期影响。

2.5 云贵高原湖区

云贵高原湖区的面积仅占全国湖泊面积的1.5%，主要集中在滇中和滇西地区[16]，主要湖泊类型是断裂陷落性湖泊和碳酸盐岩溶蚀作用形成的喀斯特湖，主要特征为海拔高、面积小、湖水深，冬季无冰冻、含盐量低[12]。王仕禄等[42]对该湖区13个面积大于10 km2的湖泊开展研究，CO2排放通量范围为−0.21~0.40 g/(m2·d)，夏季光合作用消耗CO2，表现为碳汇，冬季由于光合作用减弱，表层湖水CO2分压升高，表现为碳源。李頔[43]对洱海的水体进行采样，并估算CO2通量，发现洱海在雨季表现为CO2的汇，在干季则为CO2的源。刘辉志等[44]在洱海开展的观测结果显示，除夏季有弱的CO2吸收，其他季节都表现为弱的排放[45]，这种源汇变化与浮游生物的季节性的光合作用有关[46-47]。在全年尺度上，洱海表现为碳源[45-48]，其年通量范围为117.5~161.7 g/(m2·a)[46]，与洱海湖水全年无冰、水温较高有关[46-47]。最近有研究指出，喀斯特湖碳酸盐岩风化可以捕获大气CO2产生的DIC，DIC能通过水生光合作用或沉淀作用生成有机碳得以封存[49-51]。
综合上述，现有研究表明中国内陆湖泊总体为CO2的源，但是近20 a有向碳汇转变的趋势。从地理分布看，随着纬度的升高，中国内陆湖泊CO2通量有增强趋势，排放高值主要集中在蒙新湖区和东北湖区，显著高于青藏高原湖区和东部平原湖区，云贵高原湖区最低[8]。

3 湖泊湿地CO2通量的影响因素

中国内陆湖泊CO2通量主要受气象条件、湖泊内部因素和人类活动的影响[52-54]。其中气象条件包括气温、降水、太阳辐射、风速等因素[11,55-56]。湖泊内部因素包括湖水养分特征(如DOC含量)、湖水的生化因子(如溶解氧、pH)、湖泊面积、水生植物等[11,22,55,57-58]。人类活动影响容易导致湖泊内部环境发生变化，如富营养化，或改变了湖泊的水文过程，如水库建设、河流改道等[52,59]。

3.1 气象条件

气象条件是影响湖泊湿地CO2通量的重要因素，主要通过调节水生植物光合作用与呼吸作用的平衡关系、湖泊微生物的活动强度以及大气与水体接触面积等方式，影响湖–气界面的CO2通量[46,60-62]。气温升高会增加湖泊微生物的活性，促进有机质的分解，从而促进水体CO2排放[60]。同时，气温升高还会降低气体溶解度，一方面直接促进CO2的排放[63]；另一方面导致溶解氧含量降低，促使厌氧过程的发生，从而释放酸性物质改变pH，进而影响湖泊中CO2的溶解度，促进CO2排放[8]。气温上升还会导致水生植物光合作用增强，促进植被型湖泊的CO2吸收[46,61-62]。青藏高原湖区的CO2通量主要受气温影响，当气温降低时，湖泊冰封期长，可溶性无机碳离子浓度增加[64]，增强了湖泊对CO2的吸收[65]。降水可以与气温共同影响水生植物的光合，如东部平原湖区的洞庭湖[62]，气温和降水是初级生产总值的主要影响因素。极端降水事件还会改变湖泊水位、湖泊面积、水体有机质含量、溶解氧和外源碳输入，从而影响CO2通量[62]。太阳辐射与水草、藻类等水生植物的光合作用密切相关，辐射增强，植物吸收更多的CO2，从而减少湖泊的CO2排放，使湖泊在夏季趋于碳汇，冬季则趋于碳源[42]，这种影响在云贵高原湖泊较常见。风速对CO2通量的影响主要表现在扰动水面、增大水体与气体的接触面积，促进CO2扩散[66-67]。风速通常对东部平原的浅水湖泊影响较大，对太湖的观测结果显示，风速增大有利于CO2排放[68]。

3.2 湖泊内部因素

湖泊中的DOC是碳排放的底物，其主要来源是径流输入(如陆地植物残体、土壤有机物等)和内源释放(如湖泊内水生植物、藻类的生长和分解等)，这些DOC在湖泊中被微生物降解，降解过程中会产生CO2等温室气体[69-71]。蒙新湖区、东北平原与山区湖区以及东部平原湖区湖泊水体中的DOC含量通常与CO2排放通量呈正相关关系[6]，但是并非简单的线性关系，而是受到多种因素的共同调控。例如，在富营养化湖泊中，由于藻类和水生植物具有很高的初级生产力，CO2排放与DOC的内源释放有较大关系，而在贫营养湖泊中，外源输入的DOC占主导地位[6,71]。
溶解氧是水体生物代谢的指示参数，溶解氧充足可以促进水生植物的光合作用，吸收CO2，同时也使湖泊微生物通过有氧呼吸分解有机物并释放CO2。中国内陆湖泊的CO2通量与水体溶解氧呈显著负相关[6,21]。有研究显示，中国内陆湖泊等内陆水体的溶解氧含量出现升高趋势[72]，这与近几十年加强对水体污染的治理密不可分[73]，同时也表明中国内陆湖泊的源汇功能可能正在发生转变。pH是调节水体碳酸盐平衡的重要因子，当pH较高时，水中游离的CO2易形成碳酸盐，导致CO2浓度降低，从而减少CO2排放[8]。对北美中部湖区的研究显示，气候变暖导致春季冰层减少，进而降低了冰下CO2的积累，升高了春季和夏季的pH，使湖水从大气吸收CO2的能力得到加强，这一湖区已经从碳源逐渐转变为碳汇，并且其水体的年均pH逐渐上升[74]。
CO2通量还受湖泊面积影响。中国内陆湖泊CO2排放的高值集中在面积小于400 km2的湖泊中，极高值主要分布在面积小于10 km2的湖泊中[8]，这表明小型湖泊是CO2排放的热点。小型湖泊单位体积水量可以接触更多的陆地表面，接收更多径流输入的养分，为湖泊有机碳的代谢提供更多的底物，并且水深较浅，有机碳代谢速率更快，导致CO2排放通量更大[2]。
湖泊水生植物通过光合作用影响CO2通量的大小和特征，不同类型植物的影响也不同[68,75]。浮水植物直接吸收大气中的CO2，而沉水植物将水中溶解的无机碳吸收转化为有机碳，使水体CO2分压降低，促使大气中的CO2进入水体[76]。在云贵高原的北海湿地，沼泽植物飘浮在水面上形成“浮毯”，大量吸收大气中CO2[61]。在东部平原湖区的湖泊，有些沉水植物具有景天酸代谢途径植物的生理特性，因此观测到了夜间显著吸收CO2的现象[77]。在植被覆盖度较低的地区，水生植物的调节作用相对有限。

3.3 人类活动

人类活动通过改变湖泊内部因素从而影响湖泊CO2通量，其典型的途径是：污染导致水体富营养化，而富营养化会显著改变湖泊的碳循环过程。相对于深水湖，浅水湖水体中营养物质含量高，自清洁能力差，更容易发生水体富营养化和藻华现象，不仅消耗更多的溶解氧，还会影响湖水的光学性质，改变湖水的反照率和湖泊水体的热力结构，进而影响CO2通量[78]。这种情况主要发生在蒙新湖区和东部平原湖区的浅水型湖泊[8,79]。湖泊富营养化对CO2通量的影响具有2种相反的效果：一方面，富营养化增强了湖泊初级生产力，使CO2排放减少[6,8,80]；另一方面，富营养化大量消耗了溶解氧，导致水生植物和鱼类死亡等现象，提供了更多易分解的碳源，同时也会增强有机物的分解效率，并提高微生物的活性，导致大量CO2排放[21,79]。蒙新湖区不同湖泊的CO2排放对富营养化的响应存在差异，可能是上述两个效应综合结果的差异所致[34-36]。水库建设、河流改道等人类活动改变了湖泊的水文过程，例如水位变化影响湖泊水生植物的生长范围和生长周期，进而影响湖泊CO2通量，甚至会改变湖泊的碳汇功能，如2013年三峡大坝运行后，鄱阳湖水位下降，植被面积增加，生长期延长，使鄱阳湖更趋向于CO2的汇[23]。
综上所述，各影响因素存在复杂的交互作用，共同调节中国内陆湖泊CO2通量。中国内陆湖泊的主要影响因素是气象条件和湖泊内部因素。虽然人类活动因素对湖泊的影响逐渐增大，但是从本质上讲，其也是通过改变上述两者来间接影响湖泊CO2通量。不同湖泊在地理位置、水文条件、周边生态环境等方面存在巨大差异，湖区受影响因素也不同。青藏高原湖区因其特殊的高原气候和地形使湖水的生化过程相对较慢，湖泊内部因素如湖水养分特征和水生植物的调节能力有限，人类活动影响相对较小，气象条件的微小变化都会对湖泊CO2通量产生较大影响；蒙新湖区等内陆湖泊，虽然也受湖泊内部因素的影响，但气象条件变化带来的影响最大；云贵高原湖区和东部平原湖区主要是湖泊内部因素影响湖泊CO2通量，这些地区的大型湖泊具有更复杂的生态系统，湖水养分的分布和水生植物的种类和数量对CO2通量有着重要的调节作用，且人类活动往往影响湖泊内部因素，从而对CO2通量产生较大影响；东北平原与山区湖区湖泊水体富含DOC，这种湖泊内部因素会促进CO2的排放。

4 湖泊湿地CO2通量的观测和估算方法

湖泊湿地CO2通量的精确观测与估算是理解其碳循环规律的基础，也是支撑湖泊碳收支核算的核心环节。中国内陆湖泊类型多样，其碳源汇特征受水文条件、生态系统结构和人类活动的综合影响，这对观测方法的适用性和准确性提出了更高的要求。目前，不同观测和估算方法在时空覆盖、数据精度和应用场景上存在显著差异。本文梳理了目前主流估算方法的原理、优势与局限性，并探讨其未来的改进方向，为不同的研究场景提供科学参考，同时推动多方法协同应用，弥补单一技术的不足。

4.1 涡动相关法

涡动相关法是目前测量地气交换通量最可靠的方法，其通过高频(通常10 Hz)同步测量垂直风速和气体浓度的脉动，计算气体在某一高度水平面上的垂直净交换通量[81]。
涡动相关法可以实现CO2通量的非干扰、高时间分辨率长期连续观测，因此被广泛用于不同类型生态系统的碳循环研究，并以其为主要观测手段，在全球范围内形成了超过1000个观测站点的全球长期通量观测网络(FLUXNET)[82]。但是，该方法对下垫面均质性要求较高，遇到复杂地形易导致通量计算误差，且其仪器成本高昂，在观测湖泊时平台的搭建难度相较于陆地较大，限制了其空间覆盖能力[83-84]。未来可以通过研发小型化、低成本的涡动传感器，结合轻型浮动观测平台布设，增加湖泊通量监测网络的空间密度，将大幅提升对异质性水体CO2通量动态监测能力。

4.2 浮箱法

浮箱法通过在水面覆盖无底箱体，定时采集箱体内气体样本，基于密闭系统内气体浓度变化速率计算水−气界面的气体交换通量[85]。
浮箱法具有装置简易、单点观测成本低的优势，是水−气界面温室气体通量获取的常规手段[86-87]，但是其依赖人工采样，导致长期观测成本较高，且存在微环境扰动与空间代表性局限。另外，受限于空间异质性和低频采样，难以捕捉湖泊CO2通量的日动态变化和突发性释放事件[55]。尽管如此，浮箱法在湖泊湿地CO2通量观测中仍具有不可替代的技术适配性。在异质性低、水文稳定的浅水型湖泊中，浮箱法可作为低成本、高灵活性的基础观测手段，尤其在验证遥感或模型反演算法的地面校验环节发挥关键作用。未来可以通过设备自动化升级(如在线浓度监测系统)与空间布点方案优化，有效降低观测误差，提升单点数据的准确性。

4.3 扩散系数法

根据Fick定律，水−气界面的CO2扩散通量与其浓度差成正比，该方法采用水体与大气CO2分压差作为驱动参数，通量计算公式见文献[15,88-89]。
扩散系数法通过单点水样采集即可估算通量，具有操作便捷、计算高效的优势，但由于是离散点位的间歇观测，无法捕捉通量的日变化动态。且水体CO2分压受表层水体水温、pH、营养盐等多个因素影响，在应对高时空异质性湖泊时，可能因环境参数空间外推产生显著误差[90]。尽管如此，扩散系数法凭借其优势，仍是湖泊湿地CO2通量观测的基础手段。当前，该方法可以作为区域CO2通量普查的低成本技术选项，尤其适用于水文环境稳定的中小型湖泊短期通量估算，以及区域尺度CO2通量格局的研究[6-7,15,91-93]。未来，通过与涡动相关法高频监测数据协同，可以优化气体传输速率(k值)模型的参数化精度，降低估算通量的不确定性；在机器学习算法支持下，它可以与遥感反演技术进行耦合，实现CO2通量空间格局的动态模拟。

4.4 遥感反演法

遥感反演法的技术原理是通过构建遥感反演参数(如水体光学特性、叶绿素浓度等)与地面实测CO2通量的定量关系模型，实现湖泊CO2通量的空间化估算，该方法可用于湿地植被碳储量的估算[94-95]，也可用于水体CO2分压及水−气界面的CO2通量的估算[11,96-99]。遥感反演法的模型验证依赖地面观测数据准确性，湖泊水体光学特性复杂，浑浊水体的光谱信号干扰会导致CO2浓度反演误差[100]，但其长时序、广覆盖的技术优势有效突破了原位监测的时空限制，可在大区域尺度实现CO2通量的连续动态估算[101]。随着多源遥感数据时空分辨率提升(如高光谱水体参数反演)、反演算法与机器学习融合技术的迭代优化，该方法在区域碳源汇估算和CO2通量时空格局制图方面具有很大潜力，未来或将成为“空−地”协同碳监测体系的重要部分。

4.5 生态系统模型法

生态系统模型法通过构建数学模型，模拟湖泊湿地中大气、植被、土壤和水体之间的碳交换过程，其核心优势在于能够基于不同情景预测CO2通量的长期演变趋势，是评估气候−人类活动双重影响下湖泊碳源汇响应的不可替代的工具[102]。根据模型构建的原理和应用对象，可将其分为过程驱动型(如ALBM模型[103]、LAKE模型[104])和经验统计型(如动态质量平衡模型[105])；或按应用对象分为单一湖泊模型(如太湖碳循环模型[106])、类型化模型(如Vollenweider(VOL)模型[107])等。不过，该方法的应用面临显著挑战，国内现有模型多针对特定湖泊或类型开发，而中国内陆湖泊类型复杂多样，异质性强，导致单一模型参数依赖性强、跨区域外推误差大[9]，未来需围绕提升普适性和精度开展技术突破。
在对不同湖区或全国湖泊湿地CO2通量的估算过程中，误差主要来源于湖泊水−气界面CO2通量在时间和空间上的高变化性。中国内陆湖泊类型丰富，不同面积、深度、营养状态、盐碱度的湖泊水−气界面CO2通量差异显著[7]，同一湖泊在不同季节、干湿状态下，甚至在其不同位置观测到的CO2排放量也不同。目前常用的估算方法是将湖泊按气候带、营养状态、面积等类型划分，计算各类型湖泊的平均通量，再乘以湖泊面积得到排放总量[108]。这一方法的估算结果受原位观测数据、湖泊类型划分方法及湖泊面积的影响。例如Wang等[109]基于文献检索收集到的625个湖泊样点观测数据，采用上述方法估算，全国湖泊排放量为(6.8±8.8) Tg/a。Wen等[7]基于2017—2021年在不同季节对不同位置、不同类型湖泊原位监测数据，综合考虑季节变化、湖泊营养状态现状与以及湖泊的盐度，估算中国内陆湖泊水−气界面CO2排放量为8.1 Tg/a。为了解决原位观测数据空间及时间代表性的问题，Sun等[110]结合实时水质监测数据和机器学习模型，按区域和面积分类，逐日、逐区域计算水-气界面CO2排放量，估算得到2021—2022年中国内陆湖泊和水库年均CO2排放量为6.78 Tg/a。上述估算值虽然存在差异，但是在数量值上差别不大。

5 总结与展望

中国内陆湖泊湿地总体表现为CO2净排放源，但近年来呈现出碳汇功能增强的趋势。已有研究估算的中国内陆湖泊CO2年排放量范围为−0.41~20.1 Tg/a，数值的巨大差异源于观测方法、时空覆盖以及湖泊分类体系的不统一。CO2通量具有显著的空间差异，高值区位于东北平原湖区和蒙新湖区，青藏高原湖区和东部平原湖区次之，云贵高原湖区最小。蒙新湖区和东北平原湖区由于高有机质输入和强烈的矿化作用成为排放热点，青藏高原湖区受冬季冰封期碳汇功能低估影响，碳收支估算存在较大不确定性。在将CO2通量原位观测结果外推估算区域范围湖泊CO2通量时，需要考虑时空分辨率不足引起的误差，应加强特定类型湖泊的观测，比如高原湖泊、咸水湖泊、小型湖泊的研究。自然要素与人类活动共同影响着中国内陆湖泊湿地的CO2通量格局，其中气温变化主导了高原湖泊的碳源汇转变过程，DOC降解驱动东北湖区的碳排放，富营养化在蒙新湖区存在固碳与排放的双向效应，而修建水利工程等人类干预则通过改变水文节律改变了东部平原湖区通江湖泊的CO2通量。
中国内陆湖泊湿地CO2通量研究在观测方法学方面面临多重挑战。当前的主流技术方法因时空分辨率差异和原理局限性，导致通量数据可比性不足。例如，浮箱法和扩散系数法无法捕捉湖泊CO2通量的日变化动态和突发性释放事件，涡动相关法湍流条件不足等因素导致通量低估或数据缺失，遥感反演法的估算精度受遥感影像质量的制约等。同时，不同方法对关键过程的表征偏差(如静态箱法忽略水平碳输运、扩散系数法模型过度简化、涡动相关法低估冰封期溶解态CO2通量)也会造成区域碳收支评估的不确定性。因此，未来应加强构建多方法联合同步观测体系：①推动建立覆盖不同气候区和湖泊类型的标准化CO2通量观测网络，制定统一的通量观测技术规范，加强长期连续监测站建设，积累更多典型湖泊的长时间序列CO2通量数据，深入揭示CO2通量的季节与年际动态；②通过不同方法的对比观测研究，系统评估误差来源和不确定性区间，并建立历史数据的误差校正方案；③大力发展遥感、生态系统模型等技术方法，借助其时空尺度上的优势，减小中国内陆湖泊碳收支估算的不确定性。
湖泊湿地碳源/汇监测与核算能力的不确定性主要源于数据覆盖不全和尺度转换偏差。现有研究大多聚焦于青藏高原和东部平原湖泊，而东北平原与山地湖区的湖沼湿地、云贵高原湖区的西南喀斯特湖泊等CO2通量数据缺失。此外，小型湖泊单位面积排放通量大，且数量众多，其数据遗漏会造成大的估算误差。因此，未来可以按成因、营养状态、人类干扰强度等对全国湖泊进行分类，开展分类别的CO2通量抽样观测，借助机器学习等技术，建立基于多源数据的升尺度模型，提高碳源/汇监测与核算能力的精度。另外，加强湖泊CH4生物地球化学循环的研究，湖泊湿地是CH4的重要排放源，当前中国内陆水体CH4排放通量数据库缺乏，排放估算值的不确定性远大于CO2，且缺乏对亚热带季风区浅水富营养湖泊这类高排放热点区域的系统研究，建议开展CO2和CH4通量的协同观测研究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
Options
Outlines

/

〈 〉