《Journal of Geophysical Research: Biogeosciences》：Spruce Budworm Defoliation Influences Greenhouse Gas Concentrations in Streams
编辑推荐：
作为本期亮点论文，本文首次揭示了森林昆虫（云杉蚜虫，SBW）食叶扰动通过增加流域氮输入与改变水文条件，显著提升源头溪流中甲烷（CH4）与氧化亚氮（N2O）浓度的间接机制，而二氧化碳（CO2）浓度主要受溪流坡度调控。研究强调了气候变暖背景下昆虫爆发的生态连锁效应，为森林管理与温室气体核算提供了新视角。
1 引言
自然扰动如火灾、昆虫爆发和干旱每年影响加拿大数百万公顷森林。在气候变化的背景下，这些扰动的频率、范围和严重程度均在加剧。其中，昆虫爆发是北美森林最常见的自然扰动，而东部云杉蚜虫（Spruce Budworm， SBW）是北美东部最具破坏性的昆虫之一。SBW幼虫主要以香脂冷杉、黑云杉和白云杉的新针叶为食，其爆发呈周期性（通常每30-40年一次），持续5-15年，累积食叶4-8年后可导致树木死亡。因此，昆虫扰动对流域动态的影响可持续数十年。
昆虫食叶可引发森林及相邻水体的多种生态变化。尽管大多数研究集中于食叶对陆地生态系统的影响，但低阶溪流（斯特拉勒等级<4）通过径流和地下水输入与森林流域紧密相连，通常对景观扰动反应迅速，因为它们从周围土壤获得大量养分和有机质输入。昆虫扰动可能影响流域的水分平衡和光状况。例如，流域内受影响树木的蒸散损失和冠层覆盖减少已被证明会增加径流和到达溪流的光照。此外，昆虫扰动增加了营养丰富的虫粪、“绿落物”和枯落物向森林土壤的输入，这已被证明会影响溪流中的氮和碳浓度，并诱导溪流微生物组及其他生物群的变化，表明溪流内部过程发生了改变。
然而，食叶对溪流的影响在很大程度上仍未得到充分研究，且并非总是直接的，溪流生物地球化学过程尤其鲜为人知。尽管许多研究报告了上述变化，但其他研究发现反应有限或延迟，溪流中氮和碳浓度的增加仅在扰动数年后出现，或未显示出明显的显著影响。溪流反应的这种差异可能受多种因素影响，包括森林结构和物种组成，并可能因不同昆虫取食损害的具体性质而异。此外，未受影响的树种、林下植被或河岸带可通过吸收土壤中过量的养分和水来缓解这些影响。部分变异也可能与昆虫食叶的普遍程度或严重程度、流域受影响区域与溪流的接近程度以及可能需数年才显现的滞后效应（如树木死亡的发生）有关。
尽管昆虫食叶对流域和低阶溪流生物地球化学具有潜在影响，但据我们所知，尚无研究专门探讨食叶对溪流温室气体（Greenhouse Gas， GHG）浓度的影响。这一知识空白令人惊讶，因为源头溪流分别占全球河流二氧化碳（CO2）、甲烷（CH4）和氧化亚氮（N2O）排放量的72.3%、75.5%和77.2%，且易受昆虫食叶影响的北方地区森林源头溪流已知是温室气体逸出的热点。森林溪流中的CO2和CH4浓度既是溪流内部过程的结果，也来自周围流域土壤的侧向输入。CO2主要通过异养微生物呼吸和土壤及溪流中有机物的降解产生，并可被初级生产者通过光合作用消耗（取决于光照和养分可用性）。CH4主要在缺氧条件下通过产甲烷作用产生，并可在有氧条件下被甲烷氧化菌氧化。N2O是有氧硝化第一步的副产物，也是不完全缺氧反硝化的中间产物，通常与溪流中较高的氮输入相关。然而，已显示其在一些pH值较低的北方溪流中相对较高，目前尚不清楚N2O是否从流域侧向进入。由于CH4和N2O均可在缺氧沉积物中产生，低流量条件往往由于更长的水滞留时间导致沉积物接触率增加，从而提高这些气体在溪流中的浓度。鉴于昆虫食叶有可能改变流域养分和碳的生物地球化学以及水文学，它可能会影响溪流中的温室气体浓度，尽管这种变化的强度可能受到其他已知影响气体交换的物理特征（如与坡度相关的湍流）的调节。
为了研究昆虫扰动如何影响溪流中的温室气体浓度，我们的研究调查了加拿大魁北克省加斯佩半岛12个森林流域沿食叶梯度分布的溪流中的CO2、N2O和CH4浓度，该地区正在发生的云杉蚜虫爆发始于7年前。采样在连续两年的5月底或6月初至10月底期间每两周进行一次。采用比较方法，我们的主要目标是阐明食叶和树木死亡与其他物理化学和气候变量相比，在解释溪流间温室气体浓度变化方面的相对重要性。我们假设流域食叶比例越大，会增加相邻溪流中所有三种气体的浓度。较高的溪流气体浓度将是流域土壤和溪流本身通过昆虫损害增加的养分和碳输入，导致微生物过程增强的结果。我们还预测，较高的季节性温度和较低的流量时刻将增加这一空间梯度上的气体浓度。本研究旨在为昆虫扰动如何影响森林溪流温室气体浓度提供新的见解和理解。
2 材料与方法
2.1 研究地点和一般流域特征
本研究在加拿大魁北克省加斯佩半岛中部进行，该地区是阿巴拉契亚山脉内的一个多山区域，主要由砂岩和石灰岩构成，云杉蚜虫爆发始于2016年。该地区森林茂密，溪流和河流众多但湖泊相对较少，并且有森林自然扰动（包括火灾、采伐和昆虫爆发）的悠久历史。根据以下标准选择了12条低阶溪流（斯特拉勒等级2和3）进行采样：流域面积在6至10平方公里之间，至少90%的森林覆盖率且云杉和冷杉比例最低为65%，过去15年内采伐面积少于15%，出流口距离道路300米以内，溪流通达性一般，以及可比的溪流底质（主要是卵石和岩石）。自2018年以来，所有12个流域的木材采伐活动均已暂停，大多数溪流变量的监测始于2019年。这些流域根据主要与海拔和沿海距离相关的环境差异分为三个地理集群——上游（U）、中部（C）和下游（L），但它们都具有北方森林生态区的特征。这些集群在海拔、年平均温度和生长季长度上存在差异。该地区年平均降水量为1,161毫米。自2020年以来，其中6个研究流域每年通过航空喷洒接受苏云金芽孢杆菌库尔斯塔克亚种（Btk）杀虫剂处理。没有一个流域作为对照，因为该地区所有流域都受到某种程度的自然扰动或林业管理活动的影响。因此，使用跨多个流域和年份的食叶强度梯度来评估溪流生物地球化学对云杉蚜虫食叶及所致树木死亡的反应。
2.2 食叶指数
每年7月，通过重点航空调查对所有流域进行年度食叶测绘。在这些调查中，一名经过省级培训的观察员从直升机上根据寄主树木（冷杉和云杉）受损叶片的红度目视估计云杉蚜虫食叶强度，并为具有不同食叶强度的森林多边形分配0到3的分数。流域的食叶指数是通过将每个多边形的食叶分数按其代表面积的比例加权并求和以获得面积加权平均值来得出的。在我们的分析中，我们使用了累积食叶指数（流域食叶值随时间累积的总和），因为它反映了年度食叶估计值未捕捉到的重复食叶对森林冠层的多年影响。此外，溪流反应可能表现出时间滞后；因此，即使在食叶低的年份，先前流域食叶对溪流的影响也可能持续。例如，在相似大小的流域但在不同气候区域的其他森林类型中进行的一些研究报告了扰动后1-4年氮的增加。这些延迟可能是森林结构、物种组成和多年昆虫袭击影响的作用。确实，多年的重复食叶可导致森林生长显著下降和树木死亡，改变森林养分需求。尽管研究区域部分地区的食叶始于2016年，但本研究中使用的累积指数是从2020年而非2016年开始估算的（如McCaig等人，2024），这是由于食叶调查方法的变化以及航空喷洒的开始。因此，为了计算每个流域在2023年和2024年的平均累积加权食叶，我们分别对2020年至2023年以及2020年至2024年的年度指数值求和。累积加权食叶指数为0表示整个研究期间未受影响的流域，而指数为12和15表示反复遭受严重年度食叶的流域。
直升机调查还通过绘制死亡冷杉和云杉普遍率高于环境水平的森林多边形来记录高累积食叶导致的树木死亡区域。尽管在2023年观察到一些死亡，但在2024年死亡在研究流域中变得更加广泛，从而允许更精细的评分。死亡多边形被分配0-3的分数，反映一个区域中死亡树木的比例。与食叶一样，所有死亡估计值均按水文和云杉-冷杉组成进行加权。
2.3 溪流坡度
溪流坡度使用空间分辨率为2米的激光雷达数字高程模型在ArcGIS Pro中计算。激光雷达数据从开源数据库Forêt Ouverte获取。对于大多数溪流，在采样点周围应用50米缓冲区，并使用空间分析工具“按掩膜提取”沿矢量线提取坡度值。当溪流位于汇合点50米内时，我们从包含采样点的100米溪流段（位于流域出口上游）提取坡度值。提取的坡度值的平均值用于进一步分析。
2.4 溪流采样
水化学抓取样品和气体样品（如下所述）在每条溪流20米河段内每2-3周收集一次，从6月到10月底或11月初，导致两年中每年11次采样事件。采样在道路变得可通行时开始，并随着雪或溪流冰盖的出现而结束。每次采样日期还使用流速计测量体积流量，并收集抓取样品和气体样品。水样在运送至位于安大略省苏圣玛丽的加拿大自然资源部流域生态团队实验室（GLFC-WET实验室）前冷藏并避光保存。水样经过0.45微米过滤，用于总溶解氮（TDN）、亚硝酸盐-硝酸盐（NO2––NO3–）、铵（NH4+）、溶解有机碳（DOC）、溶解无机碳（DIC）和溶解有机物（DOM）质量测量。使用配备TNM-L总氮模块的岛津总有机碳分析仪分析DOC和TDN。所有养分和DOC样品均使用标准方法进行分析。DOM质量指标，包括特定紫外吸光度（SUVA）和荧光指数（荧光指数（FI）、腐殖化指数（HIX）和生物指数（BIX）），在WET实验室中按照标准程序进行分析。对于每年，通过对每次采样日期的溪流TDN浓度与流量相乘，再除以流域面积，获得流域TDN输出的粗略面积加权估计。
2.5 气体采样与分析
使用顶空平衡技术收集N2O、CH4和CO2的气体样品。简要地说，用140毫升注射器缓慢吸取地表水，从中取出40毫升水并用储存在铝封袋中的超零空气替换。为了达到平衡，注射器剧烈摇动2分钟。摇动后立即将15毫升气体注入9毫升预抽空小瓶用于后续N2O和CO2分析，同时将30毫升气体注入12毫升预抽空小瓶用于CH4分析。样品一式两份收集，每个小瓶由单独的注射器注入以获得真正的重复样品。提取气体样品后，使用温度计在注射器内测量最终水温，并用于估算最终溶解气体浓度。还使用气压计记录大气压力。每种气体的环境空气样品也在每个地点收集于小瓶中，用于估算Δ值。
CO2和N2O的气体样品通过配备用于CO2的热导检测器（TCD）和用于N2O的电子捕获检测器（ECD）的气相色谱仪分析，使用Poropaq Q柱在蒙特利尔大学分离气体。CH4在魁北克大学蒙特利尔分校使用同位素分析仪分析。所有气体的检测限均<5%。使用三种浓度创建校准曲线：CO2（200、1,500、10,000 ppm）、N2O（0.3、1.002、2.99 ppm）和CH4（4、40、120 ppm）。在我们的结果中，我们将气体描述为Δ值，代表水中发现的气体浓度与大气中气体浓度的差值。这能够更好地理解饱和度的偏差，因为它校正了季节中水温、大气压力和大气浓度变化所带来的差异。
Δ气体计算为测量的水中溶解气体浓度与预期与大气平衡的浓度之差。正值表示水中气体浓度相对于与大气平衡过饱和，而负值表示不饱和。
2.6 气候信息
为了考虑可能影响陆地-水相互作用和溪流流量的季节和年际气候差异，从作为本项目一部分安装的点站组合并辅以区域气象站数据收集了区域降水信息。中部和上游集群流域的降雨使用雨量计和事件记录器记录，这些设备在每个采样季节开始时安装并在结束时移除。对于下游流域，由于多个记录器故障导致数据丢失，降水数据从魁北克省气象站获取。对于分析，降雨量在5天内（采样日及前4天）求和，以捕捉对降雨事件的任何潜在响应。我们还比较了每年的累积和平均降雨量。除了降雨数据外，还从气象站获取了下游集群的积雪测量数据，而上游集群我们选择了气象站的积雪数据。使用这些数据，我们能够评估累积积雪和年平均降雪量。还使用了这两个气象站的空气温度数据。
2.7 统计分析
在R中进行统计分析和可视化。识别并移除了每种气体四分位范围外的异常值。对于CO2，识别出五个异常值；对于N2O，识别出一个异常值（均来自2024年的L10站点），并将其从统计分析中排除。未识别出CH4的异常值。使用R中的corrplot包基于Spearman等级相关评估变量之间的相关性。使用rstatix包对气体数据进行单因素重复测量方差分析，以确定每年内采样活动之间是否存在显著变异性。使用Wilcoxon秩和检验和t检验评估年份间气体浓度和气候变量的差异。
我们进行了偏最小二乘回归，这是一种多元回归方法，用于确定两年中每次采样日期跨所有流域的温室气体浓度变化的关键环境驱动因素。选择偏最小二乘回归是因为其能够处理预测变量之间的多重共线性，并且与非正态数据分布相关的稳健性。在执行偏最小二乘回归之前，我们进行了变量重要性投影分析，以确定每种温室气体（ΔCO2、ΔCH4和ΔN2O）最相关的预测变量，这些响应变量被单独对待。此步骤有助于降低维度并消除弱预测变量，提高后续分析的稳健性。变量重要性投影分析在R中使用plsVarSel包进行，并包括两年所有地点的所有景观和环境变量。应用阈值1以保留仅最具影响力的变量用于进一步建模。
鉴于先前对这些流域的研究中观察到的强相关性，我们使用分层分区方法来隔离食叶与其他混杂因素的独特贡献。这些相关变量被保留，因为它们捕捉了研究流域间气候和地质的潜在差异。分层分区使用rdacca.hp R包进行，该包量化了预测变量在所有可能模型组合中解释的独特和共享方差。
3 结果
3.1 温室气体浓度的一般模式
两年间跨溪流的三种温室气体相对于大气浓度的范围都相当低。任何气体在2023年或2024年均未出现明显的季节模式。有一些站点存在系统性差异；例如，L10在2024年往往显示出更高的总体CO2浓度，并且N2O在同一年在该站点变化更大。另一个是L08，在海狸坝建立后观察到CH4的时间性显著增加。考虑到观察到的气体浓度范围，个别年份内一些溪流之间存在差异，但最明显的差异出现在年份之间：所有三种气体的浓度在2024年系统性高于2023年，特别是对于ΔCH4和ΔN2O。使用方差分析，年份间平均ΔCH4和ΔN2O浓度分别显著增加了4.6倍和3.7倍，每个单独溪流中均观察到显著增加。对于ΔCO2，浓度间的较高平均差异要小得多，尽管显著为1.3倍，其中一些溪流的浓度在年份间显著较高，而其他溪流则不显著。
3.2 食叶和死亡的差异
观察到两年间由于云杉蚜虫扰动导致的年度食叶和树木死亡评分存在显著差异。2023年，12个流域的年度食叶指数范围从0.55到1.68，而在2024年，流域食叶评分的范围更广，从0.76到2.38。2023年12个流域的食叶总和为10.94，而2024年高出60%，达到17.55；而2023年近乎可忽略的树木死亡（平均得分1.7）在2024年增加了四倍，达到7.62，半数流域在该年经历了某种程度的死亡。然而，为了评估食叶对溪流特征（包括温室气体）的影响，使用了累积食叶，因为对不同的变量可能存在潜在的滞后效应，同时捕捉了流域间和年份间的差异。这导致我们的研究地点在两年间累积食叶范围很大。累积食叶被发现与TDN、SUVA、附生藻类、流量、ΔCH4和ΔN2O呈显著正相关，并与DIC、DOC、水温、水位和ΔCO2呈不同程度的负相关。食叶和死亡彼此强烈正相关，并且与森林组成和海拔正相关，其中流域中云杉和冷杉的比例通常更高。所有三种气体彼此显著正相关，ΔCH4和ΔN2O之间的关联最强。
3.3 气体浓度变异的驱动因素：测试云杉蚜虫扰动的影响
使用变量重要性投影评分>1，我们确定了七个变量用于在偏最小二乘回归中测试ΔCO2、ΔCH4和ΔN2O。累积食叶、总溶解氮、云杉和冷杉比例、海拔和水位在所有三个模型中均被保留。使用预测均方误差作为成分数量的函数，我们发现三个偏最小二乘回归成分解释了ΔCO2变异的43.3%，而六个成分解释了ΔCH4变异的46.7%和ΔN2O变异的39.7%。对于ΔCH4和ΔN2O，点沿主要偏最小二乘回归轴在年份间强烈聚集。TDN、死亡和累积食叶也作为预测变量，对ΔCH4和ΔN2O沿主要轴正向出现，重要性分别排名第一至第三。相比之下，累积食叶对ΔCO2的作用较弱，呈负响应，仅排名第五。对于ΔCO2，溪流坡度是主要偏最小二乘回归轴上最具影响力的变量，其次是云杉-冷杉比例和海拔，表明该气体的溪流景观位置的重要性。反映流量减少条件的水文变量（无论是较低的流量还是水位）影响了ΔCH4（分别排名第四和第五）和ΔN2O（分别排名第六和第五），导致更高的气体浓度。
分层分区分析使我们能够确定哪些解释变量在解释溪流间气体浓度变异方面具有共享或独特作用。对于ΔCO2，分层分区模型解释了42%的变异，其中溪流坡度被确认为最重要的变量，解释了总变异的40%。溪流坡度大部分是独特的，而DIC、海拔、云杉-冷杉比例和水位大部分是共享的，因此与模型中的其他变量相互作用。TDN单独占ΔCO2总变异的18.5%，使得TDN在此分析中比在偏最小二乘回归中更重要。食叶也是共享的，在分层分区中作为第六项进入，描述了4.3%。分层分区模型的模式对于ΔCH4和ΔN2O相似，分别解释了45%和38%的变异。在这两种情况下，TDN是解释ΔCH4总变异29%和ΔN2O总变异43%的最重要且独特的项。流量在两种情况下也是独特的，但对ΔCH4更显著，描述了23%，对ΔN2O描述了12%。累积食叶在很大程度上是独特的，而死亡在两种情况下大多是共享的。累积食叶和死亡在两种情况下都强烈进入，合计解释了大约三分之一的总体变异（ΔCH4为34%，ΔN2O为32%）。
3.4 其他关键变量的年际差异
考虑到年份间食叶和树木死亡以及ΔCH4和ΔN2O的显著差异，我们希望更详细地检查其他变量的年际差异。在所有溪流中，平均TDN浓度在2024年与2023年相比总体在统计学上显著更高。溪流中的DOC浓度平均约为1.2 mg C L-1，在年份间保持不变；然而，与碳质量相关的一些指标在年份间存在差异，包括荧光指数，在比较所有溪流时，2024年的平均值总体略高。2024年的流量平均较低，特别是在7月和9月。虽然研究期间的平均降雨量在年份间相似，但2023年的积雪量是2024年的两倍多，这可能部分解释了观察到的水位和流量的年际差异。
由于更高的溪流TDN浓度可能与更高的流域输出或更低的流量有关，我们比较了年份间的流域氮输出以及作为总昆虫扰动函数的流量差异。年份间流域氮输出的差异支持了来自六个受扰动最严重流域的输出平均增加近30%，而那些昆虫扰动较少的溪流输出略有减少19%。这些组别流域的年份间流量差异也不同；受扰动最严重的地点平均减少了不到10%，而扰动较少的地点减少了约50%。这表明，2024年跨溪流的TDN浓度较高的总体差异可能有不同的原因：在受扰动最严重的流域是由于更高的流域输出，而在受扰动最少的流域则是由于流量较低导致的浓缩作用。
4 讨论
在本研究中，我们发现流域中云杉蚜虫的累积食叶和树木死亡的联合效应增加了相邻低阶溪流中的ΔCH4和ΔN2O浓度。相比之下，累积食叶对ΔCO2浓度的影响是负面的且相对较小，并且更强烈地受到溪流坡度物理特征的空间影响。这些模式的出现源于两年间云杉蚜虫食叶和树木死亡对比显著所导致的大空间梯度上的昆虫扰动。食叶在年份间的高度变异性是云杉蚜虫爆发的典型特征。总溶解氮作为所有三种气体观察到的浓度增加的关键驱动因素之一持续出现，并且与更高的食叶和树木死亡同时发生。流量和水位的降低也促进了观察到的更高CH4和N2O浓度，并且可能由年际降雪差异引起。
溪流氮浓度在累积食叶更大的年份显著增加，这与许多现有文献一致。多项研究
