湖泊甲烷和二氧化碳排放的全球分布模式、驱动因素及其对温度的敏感性

《Journal of Hydrology》：Global Patterns, drivers and temperature sensitivity of methane and carbon dioxide emissions from lakes

湖泊温室气体排放时空格局与驱动机制研究。基于1562个湖泊的甲烷和二氧化碳排放数据，结合机器学习模型，量化了全球湖泊年排放量（167.09 Tg CH?和0.66 Pg C），揭示 ebullition贡献约70%总甲烷排放，并发现温度依赖性（甲烷E?M=0.92 eV，二氧化碳Eco2=0.18 eV）和人类活动（如富营养化、水库建设）是主要驱动因素。研究证实中高纬度湖泊贡献最大，且未来气候变暖（SSP585情景）将使甲烷排放增加19%，凸显湖泊系统作为气候正反馈的关键作用。

　　

刘双|赵峰|薛宇|崔盼盼|童印东

教育部青藏高原生物多样性与环境重点实验室，西藏大学，拉萨850000，中国

摘要

湖泊是地球碳循环中重要的碳储存库，对温室气体（GHG）排放具有重要影响。然而，对湖泊中甲烷（CH₄）和二氧化碳（CO₂）排放的系统性量化研究仍然有限。本研究整合了1,562个湖泊的温室气体数据，并利用机器学习模型来评估全球甲烷和二氧化碳排放的时空分布及其驱动因素。结果显示，全球湖泊每年排放167.09 Tg·CH₄和0.66 Pg·C，其中沸腾作用占总甲烷排放量的约70%。湖泊排放呈现出明显的纬度分布特征，北半球的中高纬度湖泊贡献最大。通过随机森林模型和偏最小二乘路径模型分析，发现气候和人类活动是主要驱动因素。玻尔兹曼-阿伦尼乌斯方程和线性混合效应模型表明甲烷排放具有强烈的温度依赖性（E_TM = 0.76 eV），而沸腾通量的表观活化能（E_EM = 0.92 eV）显著高于扩散通量（E_DM = 0.66 eV）；二氧化碳的热响应则较弱（E_CO2 = 0.18 eV）。在SSP585（仅考虑温度的情景下），甲烷排放量可能增加19%。本研究提供了全球范围内湖泊温室气体排放的温度依赖性和多因素驱动机制的量化结果，强调了在气候变暖和人类活动加剧背景下湖泊系统作为“气候加速器”的潜在作用。这些结果为改进全球碳预算评估和温室气体预测模型提供了重要的数据支持和方法论框架。

引言

湖泊是陆地与大气之间最重要的碳储存库之一，在全球碳循环中既储存碳也释放碳（Raymond等人，2013；Regnier等人，2013）。尽管湖泊仅占地球表面积的2.2%（Pi等人，2022；Tranvik等人，2009），但它们却贡献了近12%的全球碳排放（Cole等人，2007），因此在维持全球碳汇与碳源平衡中起着关键作用。通过沉积作用，湖泊在长时间尺度上积累了大量有机碳；同时，微生物分解和气体交换不断将甲烷（CH₄）和二氧化碳（CO₂）释放到大气中（Bastviken等人，2011；Maberly等人，2013）。全球范围内，湖泊（包括水库和池塘）每年排放41–204 Tg的甲烷和0.07–0.74 Pg的二氧化碳（表1）。参考研究中使用的数据来源和估算方法汇总在表S1中，但这些估算结果存在数量级的不确定性，给陆地碳排放的量化带来了挑战。虽然甲烷通量低于二氧化碳通量，但其百年全球变暖潜能值（GWP₁₀₀）约为二氧化碳的28倍（IPCC 2023），且甲烷对总辐射强迫的贡献超过70%（Beaulieu等人，2019）。因此，湖泊温室气体排放在内陆水碳循环中起着关键作用，准确量化其排放量和组成对于评估全球碳预算和预测气候反馈过程至关重要。

湖泊甲烷和二氧化碳排放受多种因素调控，包括气候、湖泊特性和人类活动（Bowen等人，2024；Li等人，2020；Liu等人，2025；Yan等人，2017）。气候变暖通过提高湖水温度、缩短冰盖覆盖时间以及增强沉积物中的厌氧分解作用，促进了甲烷的产生和释放（Kuhn等人，2025；Yan等人，2025）。它还改变了水体的热分层和溶解氧（DO）条件，从而影响二氧化碳的产生和吸收（Woolway等人，2021）。在高纬度地区，温度升高刺激了有机物的输入和微生物代谢速率，导致甲烷和二氧化碳排放同步增加（Wang等人，2019）。而在热带和亚热带地区，强烈的降雨和水文波动使碳输入和排放过程更加短暂（Foley等人，2012）。此外，湖泊表面积（AREA）、平均深度（DEP）和湖水温度（WT）是甲烷通量的关键物理决定因素，而叶绿素a（Chl-a）浓度所反映的生产力则影响厌氧分解的强度和甲烷生成（Beaulieu等人，2019）。气候因素如气温（TMP）、降水量（PRE）和实际蒸散量（AET）通过改变水柱分层和沉积物有机质供应进一步调节排放强度（Zhang等人，2015）。人类活动如富营养化和农业径流增加了初级生产力及有机碳沉积，从而增加了沉积物中的甲烷生成，在某些情况下甚至将湖泊从净二氧化碳汇转变为碳源（Liu等人，2025）。此外，水库建设和流域开发改变了水动力和氧化还原条件，加剧了温室气体排放的空间异质性（Deemer等人，2016）。因此，湖泊甲烷和二氧化碳排放表现出明显的时空异质性，定量解析其驱动机制及其相互作用是理解气候反馈过程和精炼全球碳预算的基础。

尽管关于全球湖泊温室气体排放的研究日益增多，但对温度在湖泊碳循环中核心调节作用的理解仍缺乏系统性。作为控制湖泊生物地球化学过程的主要环境因素之一，温度不仅影响水柱分层稳定性、溶解氧条件及沉积物的厌氧环境，还直接决定有机物的微生物分解、甲烷生成和氧化过程（Bartosiewicz等人，2016；Morales-Williams等人，2021；Yan等人，2017）。大量研究表明，甲烷和二氧化碳排放通常表现出特征性的温度响应模式，包括玻尔兹曼-阿伦尼乌斯方程描述的指数升温效应以及由温度敏感系数（Q₁₀）表征的非线性响应模型（Yvon-Durocher等人，2014）。然而，现有的全球尺度研究主要依赖经验回归或平均通量外推方法，这些方法难以区分不同排放途径（如扩散与沸腾）的温度敏感性，也无法在受气候、湖泊特性和人类活动影响的多因素系统中明确温度的相对重要性。这种区分很重要，因为扩散和沸腾甲烷通量源自不同的释放机制，对环境因素的响应方式不同，且温度敏感性也不同。因此，目前尚缺乏一个全面的框架来量化全球范围内湖泊甲烷和二氧化碳排放的温度依赖性，并区分各种排放机制。鉴于全球变暖的持续加剧，阐明温度在湖泊温室气体排放变化中的关键作用不仅有助于深化我们对碳循环机制的理解，也对预测其未来气候反馈至关重要。

本研究旨在系统量化全球湖泊温室气体排放的时空分布和驱动机制，重点关注甲烷和二氧化碳。为此，我们整理并标准化了截至2025年的全球湖泊温室气体观测数据，同时综合考虑了湖泊特性、气候、人类活动、土壤和土地覆盖等多维环境因素。具体而言，本研究：（I）估算了全球范围内甲烷和二氧化碳的季节性总排放量，以揭示温室气体通量的时间动态；（II）区分并量化了甲烷的两种排放途径（扩散和沸腾），评估它们对全球湖泊甲烷总排放的相对贡献；（III）阐明了关键因素对湖泊温室气体排放的调控机制，并量化了它们的温度依赖性和敏感性；（IV）定量评估了气候变暖和人类活动对全球湖泊甲烷和二氧化碳排放的综合影响，从而明确了湖泊在全球碳循环和气候反馈过程中的作用。全面理解湖泊温室气体排放的驱动机制对于改进全球碳预算评估、减少排放估算的不确定性以及为气候变化下的内陆水碳循环研究提供科学支持至关重要。

数据收集

数据收集

对截至2025年发表的同行评审研究进行了系统的元分析，以编制全球湖泊甲烷和二氧化碳排放数据库。文献检索使用了以下关键词组合：“freshwater” OR “inland waters” OR “lakes” OR “reservoirs” OR “ponds” AND “methane” OR “CH₄” OR “carbon dioxide” OR “CO₂” OR “greenhouse gas” AND “flux” OR “emission” OR “release” OR “evasion”。所有符合条件的记录均来自主要学术数据库。

全球湖泊甲烷和二氧化碳通量的空间分布

全球湖泊甲烷和二氧化碳通量表现出显著的空间异质性（图1）。包含1,562个湖泊站点的数据库显示，大多数观测数据集中在北半球的温带地区，包括欧洲、北美和东亚，而热带非洲和南美的记录相对较少，南美洲和大洋洲的二氧化碳数据几乎缺失（图1a）。总体而言，甲烷总通量范围为0至300 mmol·m^?2·d^-1（平均值）。

全球湖泊甲烷和二氧化碳排放的机制

全球湖泊甲烷和二氧化碳排放表现出明显的纬度不对称性。这种空间结构反映了气候分区和湖泊地理分布的外部特征，以及湖泊形态、碳输入结构和区域人类活动强度的综合影响。基于1,562个湖泊的观测数据以及对140万个湖泊的季节性全球尺度放大分析，本研究表明高纬度和热带湖泊形成了两种不同的排放模式。

结论

通过整合全面的全球湖泊甲烷和二氧化碳原位观测数据库和可解释的机器学习模型，本研究实现了高分辨率、季节性明确的湖泊碳排放及其驱动机制的评估。结果显示，全球湖泊每年排放167.09 Tg·CH₄和0.66 Pg·C，其中沸腾作用占总甲烷排放量的约70%，这一比例高于之前的估计，表明这一途径已被系统性地考虑在内。

作者贡献声明

刘双：撰写初稿、可视化、验证、软件开发、方法论设计、数据分析、概念构建。 赵峰：监督工作。 薛宇：数据管理。 崔盼盼：监督工作、资源协调、项目管理、资金争取、概念构建。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究得到了中国国家自然科学基金（项目编号：U24A20640和42377399）和西藏自治区重点研发项目（项目编号：XZ202502JD0025和XZ202502ZY0019）的支持。此外，该研究还得到了西藏大学研究生创新与创业项目的资助（项目编号：2025-CX-B013）。我们感谢崔晓宇博士在学术监督和讨论方面提供的帮助。