近日，实验室田禹教授团队在环境领域著名学术期刊Water Research上发表了题为“Estimating Yangtze River basin’s riverine N2O emissions through hybrid modeling of land-river-atmosphere nitrogen flows”的论文。这项研究开发了一个复合模型链，将基于机理的建模与机器学习相结合，以了解N2O在陆地、河流和大气中的转移模式。
文章简介
研究结果显示，长江流域的N2O排放量从2000年的4.7 Gg yr-1减少到 2019 年的 2.8 Gg yr-1，其中河流排放占陆地人为氮排放的 0.28%。这一出乎意料的减少主要归因于人为控氮改善了水质，而自然因素则导致排放量增加了 0.23 Gg yr-1。值得注意的是，城市河流表现出更快速的N2O排放(FN2O)，其上游水平比农村地区高出近3.1倍。还观察到FN2O随氮排放强度的非线性增加，与农村地区相比，城市地区表现出渐进式和更宽的增加范围，而农村地区则表现出更急剧但更窄的增加范围。这些非线性意味着，城市地区的氮控制措施能稳定地减少N2O的排放，而农村地区则需要创新的氮源管理解决方案才能获得更大的效益。评估为解释河流N2O排放和推动地区差异化减排的潜力提供了新的见解。
图1 复合模型链的模型框架和数据来源及相关性。
研究目的
探讨了河流N2O排放的时空模式和驱动因素，揭示了减少城市和农村地区N2O排放所需的差异化策略。
研究结果
图2 2000年至2019年长江河段人为氮排放和河流 DIN浓度。(a) 2000年至2019年人为氮排放量的变化。(b) DIN浓度三个时间序列的流域级趋势。颜色表示数据点的密度。Q1、Q2和Q3分别代表所有子流域每月模拟值的第一四分位数、中位数和第三四分位数。
图3 2000至2019年长三角地区河流N2O排放的时间模式。(a) 2000年至2019年长三角地区河流N2O排放量。(b) 2000年至2019年单位面积河流N2O排放量的变化。红色区域代表与2000年相比 2019年N2O排放量的增加。(c) 2000至2019年十个地区河流N2O排放量的年际变化。
图4 长江河道N2O排放的季节特征及相关参数。(a) 河流N2O排放量、N2O排放通量（FN2O）和水面面积，分别对应于青色、橙色和灰色。(b) 人为氮排放。(c) DIN 浓度。(d) N2O浓度梯度。(e) 温度。(f) N2O理论平衡浓度。(g) N2O转移速度。绿色代表月度值，红色和蓝色分别代表旱季和雨季的平均值。
图5 长江流域河网N2O排放相关参数在Shreve阶地和城市/农村地区的空间分布。(a)N2O释放通量速率。(b)N2O气体交换率。(c) 河流 DIN 浓度。(d) 氮排放强度。
图6 人为和自然因素的归因分析。(a) 河流的N2O排放量。(b)N2O浓度梯度。
图7 a-c，模拟的 FN2O 对 DIN 和 T（a）、Q 和 T（b）、DIN 和 Q（c）变化的敏感性。D-e，城市地区（d）和农村地区（e）FN2O对 N 排放量和 T 变化的模拟灵敏度。区域河流DIN浓度对 N 排放的模拟响应（f）。
研究结论
本研究提出了一种利用混合模型估算河流N2O排放量的方法，可考虑氮在陆地、河流和大气生态系统之间的转移。主要发现如下：
1. 在研究期间，长江流域的河流N2O排放量从2000年的4.7 Gg yr-1减少到2019年的2.8 Gg yr-1。人为因素导致排放量减少2.16 Gg yr-1，而自然因素导致排放量略微增加0.23 Gg yr-1。
2. 雨季的排放量占全年总排放量的71.5 ± 1.1%。温度对旱季和雨季之间的差异影响更大。
3. 城市地区的河流N2O排放通量是农村地区的 3.1 倍，显示出与水文顺序有关的明显特征。
4. 从河流N2O排放量来看，城市和农村地区对人为氮排放表现出不同的响应机制。研究发现，降低农村地区的氮排放强度能产生更大的N2O减排效益。总之，这些研究结果有助于更好地理解河流N2O的排放，并强调了在不同地区制定有效的N2O减排策略时考虑人为和自然因素的重要性。
