城市生态系统二氧化碳(CO₂)的排放量是全球碳收支的一个重要组成部分^[1]。了解并掌握城市地气间CO₂交换量对于深刻理解城市生态系统在全球碳循环中的地位与作用,探讨城市群大气-生态-环境相互影响机理,研究特定城市气候对全球变化的影响与响应等方面都具有重要意义。

自20世纪90年代初,涡度相关系统逐渐应用于城市CO₂通量的观测研究中,观测地点集中于芝加哥^[2]、哥本哈根^[3]、东京^[4]、马赛^[5]、墨尔本^[6]、巴尔的摩^[7]、蒙特利尔^[8]、赫尔辛基^[9]、洛兹^[10]、伦敦^[11]等一些发达国家的城市。随着观测数据的积累,城市的气候背景、观测点所在功能区类型、各种地表覆盖物所占比例、居民日常生活和出行模式等各种人为或自然环境因素对城市生态系统CO₂收支影响的研究日益深入^{[7, 8, 9, 10, 11]}。国内目前已在多个城市开展了CO₂通量的长期观测,并且针对城市绿地^{[12, 13]}、高密度住宅区^{[14, 15]}以及城市冬季供暖前后的CO₂通量特征研究都已有报道^[16],但是与大量的森林、草原、湿地等陆地自然生态系统与大气间的碳交换研究相比较^[17],城市CO₂通量的直接观测和分析还是比较有限的。

作为我国的政治、经济、文化中心,北京的城市化进程近年来始终保持高速增长的态势,人口和机动车的快速增加,土地利用方式和覆盖物的变化^[18],势必会影响各种CO₂源、汇的排放或吸收。鉴于城市城郊结合区是对城市扩张所带来的一系列变化较为敏感的地区,本研究特利用在北京城郊区——顺义气象局开展的通量观测试验获取的湍流资料,对该区域2008年11月1日至2009年10月31日共365 d的CO₂通量数据进行了时空分布特征的分析,研究了交通、供暖、植被、土壤等人为和自然环境要素对CO₂收支的影响；并进一步通过与北京市内以及其它国家城市住宅区CO₂年总量的比较,探讨了气象背景条件、土地利用方式/覆盖类型和能源消耗方式对城市CO₂通量时空分布特征和排放量的影响,期望研究结果能为今后制定相关城市发展规划和政策以控制和减少温室气体的排放,减缓城市化进程对生态环境带来的不利影响,乃至对全球气候变化的影响等方面提供参考。

图中红色五角星代表观测铁塔,紫色和绿色矩形分别表示饭店和旅馆,蓝色轮廓线表示工厂观测地点位于北京市东北郊顺义气象观测站内(40°08′N,116°37′E,海拔28.6 m)。顺义气象站毗邻首都国际机场,具有较为开阔的环境,周边500m范围内的建筑物主要有办公楼、住宅小区、贸易市场、工厂、饭店、旅馆和汽车修理门店以及堆放家具、建材和回收物资等物品的仓库。高层建筑物不多,除观测点西北方向200m外的住宅小区的楼房高约20m外,其它建筑物高度多在6—11 m之间。气象塔周边主要交通道路包括北面100m远的府前西街,东面150m外的六环路以及西面约400m远的东支路,道路的车流量都较小。观测点西南方向的小麦/玉米轮作农田和六环路两侧的杨树人工防护林是附近面积较大的绿地(图 1)。

图 1 观测地点示意图(比例尺1∶ 500) Fig.1 Sketch map of the measurement site with the scale 1∶ 500

图选项

利用卫星影像资料得到的以顺义气象塔为中心2 km×2 km范围内的植被覆盖率为25.3%,建筑物和公路、人行道等人工建筑面积占52.4%,裸地面积22.2%,水体0.1%。参照Stewart and Oke对建筑物类型的划分标准^[19],本研究观测地点属于以住宅楼为主,混杂商业和工业建筑的低密度建成区。

观测铁塔高45m,在36m和42m高处建有观测平台。根据观测需要,塔上设置了开路涡度相关测量系统和5层常规气象观测系统,同步进行CO₂、水热通量和气象条件的观测。其中开路涡度相关系统是由一个三维超声风速仪(CSAT3,Campbell,USA)和一个快速响应的红外气体分析仪(LI-7500,LI-COR Inc.,USA)构成。考虑到该观测地点主导风向和铁塔结构的实际情况,超声风速仪和红外气体分析仪探头被固定于与正北夹角为22.5°的3m长铁臂支架上,安装在36m处,原始数据采样频率为10 Hz。用于进行向上、向下长、短波辐射和净辐射测定的传感器(CNR1,Kipp & Zonen,Netherland)同样设置在铁塔36m处。塔上同步进行了5层(42、36、18、9、4.5m)空气温、湿(HMP45C,VAISALA,Finland)和风速(AV-30WS,Avalon,USA)以及42 m风向(AV-30WD,Avalon,USA)的观测。

观测期间的气温、降水量、10m风速和风向以及地温(-10 cm)数据来自顺义气象站(站号：54398)。

顺义45 m气象塔上通量原始数据利用TK2软件(Turbulence Knight2)进行处理、质量评价和控制工作^{[20, 21]}。通量原始数据经过野点剔除、平面拟合坐标旋转^[22]、高频损失校正^[23]、虚温校正^[24]以及WPL校正^[25]后,随之进行了稳态检验和整体湍流特征检验^{[26, 27]},最后输出30min的通量平均值以及相应数据质量等级(表 1)。根据数据质量等级标示(1—9),将湍流通量资料相应分为优(1—3)、中(4—6)、劣(7—9)3个级别。优等级数据直接用于CO₂通量的时间变化规律和不同方位分布特征的分析；中等级别数据保留,而劣等数据需删除并随后进行插补,完成插补后与优、中等级数据一起组成一个从2008年11月1日至2009年10月31日总计365 d的CO₂通量数据集。由一天48个CO₂通量每 30min平均值乘以30min时长并求和即可得到CO₂的日总量值,进而可累加得到月、季节以及年的CO₂总量值。

缺失和删除的CO₂通量数据采用基于遗传算法优化的BP神经网络法进行插补^[14]。选择序日(day of the year)、时刻以及36 m处的气温、向下短波辐射、风向和风速数据作为输入变量,CO₂通量是输出变量。根据CO₂通量值的缺失与否将观测数据分为两个部分,输入变量和CO₂值完整的这部分数据用于BP神经网络模型的训练和和训练结果的检验；训练好的模型用来模拟并输出缺失的CO₂通量值。

向下短波辐射和风、温、湿等常规气象要素同样使用30min的平均值进行分析。仪器故障、系统误差以及数据存储和传输过程中的错误会造成向下短波辐射和常规气象要素值缺失或虚假,需相应进行插补。插补时,在连续缺失数据不超过4次情况下,利用缺失时段前后的数据,采用线性内插法进行插补；一旦缺失数据的时间长度超过4次但少于9次时,则通过求算缺失数据日期的前、后各4d与缺失数据相同时刻的观测数据的平均值插补；如果连续缺失数据超过8次,则利用该日所在月份的月日平均值进行相应缺失时段的插补。

利用Heish等人^[28]提供的模型计算获得90%贡献率的源区。从计算结果看,源区范围有很明显的日变化特征,其面积随白天大气层结不稳定(ζ＜-0.05)与夜间大气层结稳定(ζ＞0.05)之间的变化而相应收缩或扩张。白天大气不稳定状态时,源区在上风方向的175 m和3285 m之间变化,平均源区距离1240m；夜间大气稳定状态时,多介于上风向6000m到12000m之间。各方向上平均源区距离多在1610—5274 m之间波动,南到西向之间源区距离较小,北和东东北(ENE)方向伸展较远(图略)。

本研究利用2008年11月1日—2009年10月31日的观测资料进行分析,共365 d。采用候温法进行季节的划分,以连续5d日平均气温≥10℃和＞22℃的第1天,作为春季和夏季的起始日；连续5d日平均气温≤22℃和＜10℃的首日,作为秋季和冬季的起始日。观测期间春、夏、秋、冬4个季节分别有49、126、67和123 d,其中2008年11月12日—2009年3月14日是冬季,夏季是2009年5月3日—9月5日,冬季和夏季之间间隔春、秋两季。春、夏、秋季是当地植物的生长季,而冬季基本与市政集中供暖时段一致。

由气温和地温日均值以及月总降水量的年变化图可见(图 2),观测期间日平均气温在-9.8 ℃到31.0 ℃之间变化,年平均气温是13.2 ℃,冬、夏季节的日平均气温分别是-0.1 ℃和24.9 ℃。地温的变化趋势与气温相似,其年和冬、夏季节的日平均值都稍高于气温,分别为14.3℃、0.1 ℃和26.8 ℃。年降雨量是387.8 mm,降水季节分配很不均匀,全年降水的71%集中在夏季6—8月期间。观测站全年风速平均值是1.9 m/s,盛行风向为北风、东北风和东南风,其中北风和东北风占全年风向的 29.9%,东南风占 20.8%,尽管西北风出现频率仅为14.2%,但该风向平均风速最大,为3.2 m/s,且常有超过5 m/s的风出现(图 3)。

图 2 观测期间日平均气温、地温以及日总降水量变化 Fig.2 Daily air temperature,soil temperature and daily total precipitation during the measurement period

图选项

从图 4可见,观测站点各季节CO₂通量呈现出了不同的日变化特征。一般情况下城郊住宅区的CO₂主要来自汽车尾气排放以及居民日常生活和冬季取暖所消耗的天然气、煤的燃烧排放；并且受交通因素的影响,CO₂通量日间通常会出现与车流量高峰时段一致的早、晚峰值现象；而顺义观测地点除秋季白天的早、晚时段以及冬季傍晚外,春、夏季节日间CO₂通量早、晚峰值现象不明显(图 4),这有别于以往发达国家城郊住宅区域CO₂通量的观测结果^{[6, 7, 8]},与同一时期北京市内高密度住宅区观测到的各季节CO₂通量均有明显早、晚峰值的特征也不相同^{[14, 15]}。此外,顺义各季节CO₂通量日变化也没有明显的“周末效应”(图略),工作日与周末/节假日的CO₂日变化特征相似,且CO₂日平均值的差异很小,近于相等,与蒙特利尔、巴尔的摩和北京市内观测到的“周末/节假日期间白天CO₂通量的峰值出现时间滞后于工作日,且日平均值小于工作日”的现象不同^{[7, 8, 14, 15]}。分析交通因素对于本研究地点CO₂通量影响相对较小的原因,应该在于观测站点地处北京城郊区,人口密度较小(897居民/km²)^[18],并且当地居民的家和工作单位之间的距离通常比较近,出行不依赖于汽车,相对于发达国家城郊区和北京市内而言,观测地点周边早晨和傍晚集中出行所引发的车流量较小,因此多数时间没有出现明显的CO₂通量“交通”峰值。

图 3 顺义气象站观测期间风频分布 Fig.3 The wind frequency distribution of Shunyi Meteorology Bureau during the measurement period

图选项

图 4 不同季节CO2通量日变化 Fig.4 Seasonal mean daily variation of CO2 flux,and smoothed by a three-element running average during the measurement period

图选项

为定量评价居民日常生活排放CO₂量,本研究利用北京市内住宅区人均天然气使用量的小时、日、月监测数据^[29],得到人均每月用气量在全年所占比值和各小时用气量在全天所占比值；结合天然气燃烧的化学方程式、天然气密度和北京市居民2009年人均全年用气量等资料(计算方法见附录),可知在全年用气量最大的12月份,即使人口密度达到3000居民/km²时,在全天使用天然气的峰值时刻(18：00),由天然气燃烧生成的CO₂也仅为1.3 μmol m^-2 s^-1(图 5)。考虑到本研究观测区域人口密度较小的实际情况^[18],可以认为居民日常生活排放的CO₂量较少,并且在各季节之间的量值差异也比较小。需要注意的是,本研究地点的建筑物除居民住宅楼外,还混杂有工厂、饭店、旅馆等,它们生产、经营时也会排放出CO₂,只是本研究无法确定这部分CO₂量的大小及其在季节间的差异。

图 5 居民12月份使用天然气排放出的CO2通量日变化 Fig.5 Mean daily variation of CO2 flux from domestic natural gas use in December

图选项

除去汽车使用和居民日常生活产生CO₂,供暖也会产生大量的CO₂。受此影响,冬、秋季的CO₂通量值较春、夏季节高；特别是冬季,其全天CO₂通量值都高于春、夏季,除夜间0：00—1：00外,也都高于秋季(图 4)。国内外多个城市的研究结果均表明取暖是造成冬季CO₂通量显著高于其他季节的原因之一^{[3, 8, 9, 10]}。本研究对观测点2009年冬季3月份供暖(3月1—14日)和刚停止供暖(3月18—31日)期间CO₂值日变化的对比分析也证明了这一点。由图 6和表 2可见,供暖和刚停止供暖后的36 m高处风速平均值差异很小,且主导风向都是北风和东风,但是供暖期间CO₂值在全天多数时间都高过停止供暖后(图 6)；人工建筑面积较大的北和北西北(NWN)方向,供暖期间的CO₂通量日平均值更是停止供暖后的1.8倍,差异尤为显著(t-test,P＜0.001)(表 2)。

图 6 2009年3月供暖期间和停止供暖后CO2通量日变化 Fig.6 Mean daily variation of CO2 flux during heating and non-heating periods respectively in March 2009

图选项

植物光合作用对CO₂的吸收也是导致季节间CO₂通量存在显著差异的重要原因之一^{[7, 8]}。夏季是植物的主要生长季节,植物光合作用吸收CO₂的效果尤为明显,这使得夏季白天多数时间的CO₂通量值都明显低于其它季节,但夏季白天各时刻的平均值均大于零,在0.4—9.4μmol m^-2 s^-1 之间波动,说明光合作用所吸收的CO₂仍少于人为活动的排放量(图 4)。

夜间大气中的CO₂来自土壤呼吸释放和人为排放^[7]。土壤呼吸具有明显的季节变化规律,不受水分和养分条件的限制时,土壤温度是影响土壤呼吸的主要因子^[30]。就本研究地点而言,理想状况下,土壤呼吸释放出的CO₂应该是在夏季地温最高时最多,冬季最小,秋季和春季介于两者之间(表 3)；但是对比观测地点和农田生态系统夜间CO₂对地温的响应曲线可见(图 7),观测地点各季节夜间CO₂显然更多地来自人为活动的排放,并且天气越冷时,来自人为活动排放的CO₂越多,再次说明寒冷天气会因为取暖的需要增加了CO₂的排放量。生物和人为因素综合作用的结果使得夜间CO₂通量值在冬季最大,春季最小,秋季和夏季在两者之间(图 4,表 3)。

图 7 2008年11月1日—2009年10月31日期间夜间CO2通量对地温的响应 Fig.7 Nighttime carbon flux as a function of soil temperature during measurement period. Shaded area is the inter-quartile range; Polynomial curve (blue line) was fit to binned median values of CO2 (blue circle); Soil temperature is binned in 1 ℃ increments; The model of Yan et al[30] for a maize ecosystem,scaled by the vegetation fraction for Shunyi measurement site is shown (green dash line) 图中灰色阴影部分为四分位数间距；蓝色实线是CO2与地温的拟合曲线,红色虚线是华北农田玉米地CO2对地温的响应模型乘以本研究地点植被覆盖率后的得到的结果

图选项

综上所述,供暖和植物生长季节的光合作用是导致季节间CO₂通量存在差异的主要原因。冬季的CO₂通量值在全天绝大多数时刻均高于其他季节,其日平均值为15.6 μmol m^-2 s^-1,显著高于春、夏、秋季的日平均值5.6、5.7和8.8 μmol m^-2 s^-1(t-test,P＜0.001)。此外,尽管因为光合作用吸收CO₂使得植物生长季节的白天有CO₂通量负值出现,但各季节的日平均值都为正值,说明本研究的观测地点是“碳源”。

多个城市研究结果表明,CO₂通量值的大小与其源区内土地利用方式以及覆盖物所占比例密切相关,CO₂通量值会随着源区内建筑面积的增加而增加,随植被覆盖率的增加而减小^{[6, 7, 8, 9]}。本研究观测地点冬、夏季节不同方向的风频和CO₂通量值所呈现出的结果证实上述结论。由图 8可见,尽管夏季主导风是北风和东南风,冬季是北风,但这两个季节白天和夜间CO₂通量的最大值都出现在了西北或西南方,正是饭店、工厂和住宅区集中分布的方向。冬季尤为明显,其CO₂通量白天最大值和昼、夜最大差值都出现在北西北(NWN)方向,该方向住宅区依靠市政集中供暖,因供暖造成的昼、夜CO₂排放量的差异会比较小,更多的是因为饭店和工厂白天的营业活动所导致。

图 8 夏、冬季节36m高处风频及白天和夜间各方位CO2通量平均值 Fig.8 Wind direction frequency,mean CO2 by wind direction during daytime and nighttime calculated at 22.5°intervals in summer and winter respectively

图选项

植被作用同样明显,光合作用的影响使得夏季白天各方位CO₂通量值都小于夜间,分布有大面积农田的西西南方向(WSW),其白天CO₂通量值为负数,呈现“碳汇”状态。而冬季植物处于休眠状态,除西南方位外,其他各方位白天的CO₂通量值始终高于夜间；冬季西南方位之所以夜间CO₂值更高,可归因于该方向的住宅和物资回收仓库是自供暖形式取暖,这一点与美国巴尔的摩观测结果类似,由于欧美国家的住宅区多采用分户自采暖形式,夜间在家时会消耗更多的能源取暖,所以住宅区集中分布的方向夜间CO₂的排放量高于白天^[7]。

受植物光合作用和供暖影响,CO₂通量有较明显的季节变化特征,其日均值在秋冬季节偏高,春夏季节较小,与气温之间存在显著的负相关关系(y=14.975-0.3945x,R=0.7165)(图 9)。观测站点在2008年11月—2009年1月期间CO₂通量值随气温的降低而升高的现象不明显,有两个原因可能导致了这一现象的出现,一方面分散供暖的家庭、商店、旅馆等在11月集中供暖开始前就已经自行燃煤取暖,会显著增加CO₂的排放量,这一点可以从北京城市居民11月人均用煤量远高于其它月份的统计数据得到证实(表 4)^[31]；另一方面源区计算的结果显示,相比于1月,11月和12月的CO₂更多地来自人工建筑面积所占比例较大的西北和西南方向,而11月与12月的源区进一步比较的结果则显示11月的CO₂通量更多地来自西南方向,该方向有较多建筑物采用自取暖方式供暖(图略)。顺义观测站点秋、冬季节气温较低时,因为取暖而导致CO₂排放量增加的现象,与Pawlak 等人^[10]和 Pataki 等人^[32]观测到的气温较低的月份会因供暖导致的化石燃料燃烧产生更多的CO₂排放量的结果相似。

图 9 观测期间日平均气温和CO2日总量变化 Fig.9 Daily average air temperature and CO2 during the measurement period

图选项

本研究地点观测期间计算得到的CO₂年总排放量达到13.6 kg m^-2 a^-1,高于所有国外郊区住宅区的观测结果(表 5),原因在于,一方面本研究地点源区内植被覆盖率在所有的观测站点偏低,植物生长季节光合作用吸收CO₂的量相对少于其它地点；另一方面,尽管人工建筑面积所占比例并不高于其它观测地点(表 5),但是本研究地点的建筑物除居民住宅楼外,还有工厂、饭店、旅馆等,它们营业或生产时会排放比普通居民住宅楼更多的CO₂,这也说明源区内除了人工建筑和植被各自在下垫面中所占比例影响CO₂通量值外,建筑物的使用功能和使用性质也在很大程度上影响着CO₂的排放量。尽管顺义CO₂年总排放量较高,但是仍低于同期北京市内高密度住宅区的观测结果,后者的建筑面积和人口密度更高、植被覆盖率略小,且交通和供暖排放对CO₂量值影响显著。

(1)本研究地点CO₂受交通因素的影响相对较小,居民日常生活耗能排放的CO₂量也较少。供暖和植物生活季节的光合作用是导致季节间CO₂通量存在显著差异的主要原因,受此影响,冬季CO₂日平均值为15.6 μmol m^-2 s^-1,显著高于春、夏、秋季的日平均值5.6、5.7和8.8 μmol m^-2 s^-1(t-test,P＜0.001)。

(2)各方向CO₂通量值的大小与其源区内土地利用/覆盖方式以及建筑物的使用功能和使用性质密切相关,住宅楼、饭店、工厂、旅馆等人工建筑面积占比例越大,CO₂排放量越大；而植被覆盖比例较高的方向CO₂值较小。

(3)尽管植被会吸收一定量的CO₂,但不足以抵消CO₂的排放量,这使得北京顺义气象局附近区域是CO₂的排放源,且年平均排放量达到13.6 kg m^-2 a^-1,但低于同期北京市内高密度住宅区域的CO₂年排放量。

附录：北京市居民日常生活使用天然气排放CO₂量的计算方法

天然气的主要成分是甲烷(CH₄),其燃烧的化学方程式是：

点击浏览公式

根据质量守恒定律,1 kg的CH₄燃烧将生成2.7433 kg CO₂。

点击浏览公式

式中,CO_2NG表示天然气燃烧生成的CO₂量(kg km^-2 h^-1),NG_C是北京市居民2009年人均用气量54.3 m^{3 [18]},f_ngm和f_ngh分别指每个居民月用气量在全年所占比值以及小时用气量在全天所占比值^[29],即=1,=1(图 10),ρ_ng是天然气密度0.72 kg m^-3,ρ_P是观测地点周边的人口密度(居民/km²)。用公式(2)计算得到CO_2NG,根据1 μmol m^-2 s^-1 CO₂等于 44×10^-6 g m^-2 s^-1 CO₂,将CO_2NG的单位从kg km^-2 h^-1转化为μmol m^-2 s^-1即可。文中图 5展示了全年人均用气量最多的12月份的CO_2NG日变化特征(假定观测地点人口密度达到3000居民/km²)。

图 10 北京居民人均月用气量比值年变化(fngm)和12月的时用气量比值(fngh)日变化 Fig.10 Annual variation of ratio between monthly natural gas use to that of yearly and diurnal variation of ratio between hourly natural gas use to that of daily in December

图选项

致谢：感谢北京市气象局季崇萍博士、中国科学院大气物理研究所宋涛博士、清华大学雷慧闽博士在数据处理方面给予的帮助。感谢顺义气象局李连国科长、中国气象局北京城市气象研究所熊斌等在观测、资料等方面给与的帮助。