水库 截留了多少碳，只是水库碳循环问题的一部分。水库向下游输送的是什么有机质，以及这些有机质的归宿，是理解水库碳循环效应的另一个关键问题。有机质的分子组成和反应性，决定了其后续是继续输移，还是被微生物分解并转化为温室气体。
近期，我院2025级硕士研究生康斯博以第一作者在水库-河流连续体有机质迁移转化研究方面取得新进展，相关成果发表于Nature Index期刊《Water Research》。王凯副教授为论文通讯作者，合作者来自香港科技大学、清华大学、中国科学院水生生物研究所、中国石油大学（北京）等单位。研究得到教育部基础学科和交叉学科突破计划等项目的资助。
本研究沿三峡水库-长江中游连续体追踪沉积有机质，在傅里叶变换离子回旋共振质谱基础上引入可解释机器学习，揭示水库调控下有机质的分子组成变化及空间分异（图1）。研究发现，水库不仅发挥“颗粒拦截器”的作用，还可能充当“分子筛选器”：长江上游、消落带和自生源输入的部分有机质在库区快速沉降，而经历较充分微生物加工、反应性相对较低的有机质则更可能继续向下游输送。结合三峡水库至长江中游的温室气体排放数据，研究进一步发现，水库调控下的有机质动态与长江中下游CO₂和CH₄排放的下降密切相关，表明水库对下游河流系统温室气体排放具有重要影响。
本研究从分子尺度揭示了水库对河流有机质“沉降-加工-选择性输出”的潜在调控机制，表明水库碳循环效应不能仅通过碳截留量或库区温室气体排放进行评价，还应关注水库对输出有机质组成及反应性的改变。该研究为理解水库-河流连续体中的碳迁移转化及其潜在气候效应提供了新的分子尺度证据。
图1 傅里叶变换离子回旋共振质谱与机器学习的结合框架
论文信息：Kang, S., Huang, L., Wang, H., Cui, Y., Gao, W., He, C., Shi, Q., Zhao, C., He, D., Wang, K.* (2026). Machine learning reveals reservoir regulation of riverine sedimentary organic matter and its climatic implications. Water Research, 308, 126806.
