不同耕作措施下旱作春小麥農(nóng)田二氧化碳排放模擬及敏感性分析

姚 瑤，李 廣,,王 鈞，楊傳杰，張世康，劉帥楠

(1.甘肅農(nóng)業(yè)大學(xué)信息科學(xué)技術(shù)學(xué)院,甘肅 蘭州 730070; 2.甘肅農(nóng)業(yè)大學(xué)林學(xué)院,甘肅 蘭州 730070; 3.甘肅農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，甘肅 蘭州 730070)

氣候變暖是當(dāng)前國際社會普遍關(guān)注的全球性問題之一，而導(dǎo)致其產(chǎn)生的主要原因是溫室氣體的排放。CO2作為溫室氣體的重要組成部分，其對氣候變暖的增溫貢獻(xiàn)率達(dá)56%[1-2]。有研究表明，每年大氣中有5%～20%的CO2排放源來自農(nóng)業(yè)生產(chǎn)活動(dòng)[3-4]。近些年，有研究發(fā)現(xiàn)[4-6]耕作措施不僅會改變農(nóng)田土壤質(zhì)量，還會影響農(nóng)田溫室氣體排放。因此，關(guān)注不同耕作措施對旱作農(nóng)田CO2排放的影響具有重要意義。

目前，通過生物地球化學(xué)過程模型來模擬復(fù)雜生態(tài)系統(tǒng)是研究陸地生態(tài)系統(tǒng)碳、氮循環(huán)與全球變化的地球表層過程的重要方法，而DNDC模型作為國際生態(tài)學(xué)廣泛驗(yàn)證和推廣的生物地球化學(xué)過程模型之一，自1992年首次發(fā)表以來就被各國學(xué)者應(yīng)用于溫室氣體排放研究。Hwang等[7]采用DNDC模型對韓國稻田在RCP8.5氣候變化情景下1 km分辨率下的CO2和CH4排放量進(jìn)行估算，模型預(yù)測和現(xiàn)場測量均表明，大多數(shù)(>95%)溫室氣體排放發(fā)生在種植期，即4月至10月。Foltz等[8]評估了DNDC模型對不同田間管理措施下玉米田N2O排放通量的預(yù)測，發(fā)現(xiàn)DNDC模型準(zhǔn)確地識別了這些管理措施，但是在年尺度和日尺度上的N2O通量預(yù)測都比較差，而降水是影響觀測和模擬N2O排放和模型誤差的一個(gè)重要因素。陳勁豐等[5]在探究不同田間管理措施(不同施氮量)以及土壤侵蝕對農(nóng)田溫室氣體通量影響時(shí)，發(fā)現(xiàn)DNDC模型對農(nóng)田CO2和N2O氣體通量的模擬效果較好。田展等[3]通過模擬研究，發(fā)現(xiàn)在研究期間全國稻田CH4和N2O的平均排放量增加是由于稻季的氣候變化，這表明氣候變化對稻田溫室氣體排放機(jī)制有一定影響。陳粲等[9]運(yùn)用DNDC模型研究不同秸稈覆蓋填埋深度下農(nóng)田N2O排放情況，結(jié)果表明該模型對不同覆蓋情況下的N2O的排放速度和排放量以及變化趨勢的模擬效果均較好；對模型進(jìn)行敏感性分析則發(fā)現(xiàn)，年平均溫度、土壤pH、土壤有機(jī)碳含量等參數(shù)對模擬N2O排放比較敏感。趙苗苗等[1]對旱田轉(zhuǎn)水田的農(nóng)田、常年種植水稻的稻田的CH4、CO2和N2O排放通量進(jìn)行模擬，發(fā)現(xiàn)DNDC模型能夠較好地模擬兩種稻田溫室氣體排放通量的季節(jié)變化，但模擬效果卻是老稻田優(yōu)于新稻田。

縱觀DNDC模型關(guān)于溫室氣體排放的研究，大多集中在溫室氣體排放模擬、評估田間管理措施、作物輪作系統(tǒng)對溫室氣體的影響等。其中，田間管理措施主要集中在不同施肥量、不同灌溉量、不同秸稈覆蓋深度等，對于不同耕作措施下旱作農(nóng)田CO2排放以及敏感性分析的研究相對較少?；诖耍疚睦肈NDC模型來研究不同耕作措施下旱作春小麥農(nóng)田CO2排放以及氣候環(huán)境和作物管理措施對模擬CO2排放的調(diào)控效應(yīng)，以期為旱作春小麥低碳耕作模式的制定提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于甘肅省定西市安定區(qū)鳳翔鎮(zhèn)安家坡村(104°23′24″E, 35°34′48″N)，處于溫帶干旱半干旱氣候區(qū)，光照充足，晝夜溫差大，年均日照時(shí)數(shù)在2 400 h以上，年均氣溫6.4℃，年均降水量385.00 mm，無霜期140 d，無灌溉條件。土壤類型以黃綿土為主，土質(zhì)綿軟均勻，土壤有機(jī)質(zhì)含量為12.01 g·kg-1，全氮為0.61 g·kg-1，全磷為1.77 g·kg-1，耕層容重為1.27 g·cm-3，pH值為8.36。

1.2 田間試驗(yàn)設(shè)計(jì)

試驗(yàn)于2018—2019年在甘肅省定西市安定區(qū)鳳翔鎮(zhèn)安家坡村進(jìn)行。供試作物為春小麥‘定西42號’，3月中下旬播種，8月份進(jìn)行收獲。設(shè)置4種耕作措施：傳統(tǒng)耕作不覆蓋、傳統(tǒng)耕作+秸稈覆蓋、免耕不覆蓋、免耕+秸稈覆蓋(表1)。作物生長期間除了除草外無其他作業(yè)，無任何灌溉措施。每個(gè)處理內(nèi)設(shè)置1個(gè)4 m×6 m固定研究樣地，每個(gè)固定樣地內(nèi)隨機(jī)設(shè)置3個(gè)0.5 m×0.5 m的固定采樣區(qū)，用來定期采集春小麥農(nóng)田CO2氣體。

表1 耕作措施描述

1.3 氣體采集方法

采用靜態(tài)暗箱-氣相色譜法監(jiān)測春小麥農(nóng)田CO2的排放通量。使用的采樣箱由箱體(50 cm×50 cm×50 cm)和外圍覆蓋聚苯乙烯保溫材料兩部分組成，箱外用泡沫包裹以確保箱內(nèi)溫度變化不大，箱內(nèi)裝有小風(fēng)扇和溫度傳感器。取樣前48 h將底座插入土中10 cm，之后在整個(gè)采樣過程中底座固定在試驗(yàn)樣地保持不動(dòng)，最大限度降低對作物和土壤內(nèi)部的干擾。采集氣體樣品時(shí)，采樣箱和底座之間由FP2300型密封帶和帶有彈簧的直角夾密封。

田間監(jiān)測于2018年1月開始，在作物生長季(3—8月，每月1日和15日)和非生長季(1—2月、9—12月，每月一次)的9∶00—11∶00內(nèi)進(jìn)行取樣。在靜態(tài)箱封閉后0、9、18、27、36 min用100 ml帶有三通閥的密封良好的塑料醫(yī)用注射器抽取箱內(nèi)氣體并注射入0.1L的E-Switch鋁箔復(fù)合膜氣體采樣袋(上海申源科學(xué)儀器有限公司生產(chǎn))保存，一周內(nèi)使用氣相色譜儀(儀盟A90，常州磐諾儀器有限公司)測定CO2排放濃度，并利用公式(1)計(jì)算排放通量。采集氣體的同時(shí)，用便攜式測溫表測定土壤下5 cm溫度、地表溫度和采樣箱內(nèi)空氣溫度。

(1)

式中，F(xiàn)為氣體通量(mg·m-2·h-1)，dc/dt為采樣時(shí)箱內(nèi)目標(biāo)氣體濃度隨時(shí)間變化的回歸曲線斜率，M為被測氣體摩爾質(zhì)量(g·mol-1)，V為標(biāo)準(zhǔn)狀態(tài)下的氣體摩爾體積(mL·mol-1)，P0和T0為理想氣體標(biāo)準(zhǔn)狀態(tài)下的空氣壓力和氣溫，P和T為采樣時(shí)箱內(nèi)的實(shí)際氣壓和氣溫，H為正方體采樣箱內(nèi)氣室高度[10]。

1.4 數(shù)據(jù)來源及處理

研究所需的氣象數(shù)據(jù)由試驗(yàn)點(diǎn)氣象站自動(dòng)測定，土壤部分?jǐn)?shù)據(jù)和CO2排放通量均來源于試驗(yàn)實(shí)測數(shù)據(jù)，作物管理數(shù)據(jù)則根據(jù)試驗(yàn)地實(shí)際管理方式設(shè)置。采用Microsoft Excel 2013對數(shù)據(jù)進(jìn)行整合，通過SPSS 24.0分析軟件對數(shù)據(jù)進(jìn)行處理，使用Origin 2018軟件進(jìn)行繪圖。

1.5 DNDC模型

1.5.1 模型概述 DNDC模型是一個(gè)模擬農(nóng)業(yè)生態(tài)系統(tǒng)中C、N循環(huán)的生物地球化學(xué)過程模型，主要由兩部分構(gòu)成：第一部分是土壤氣候、作物生長和土壤有機(jī)質(zhì)分解等三個(gè)子模型，利用生態(tài)驅(qū)動(dòng)因子模擬土壤環(huán)境條件[11]；第二部分則是硝化作用、反硝化作用和發(fā)酵作用三個(gè)子模型，用來模擬土壤環(huán)境條件對微生物活動(dòng)的影響，計(jì)算植物-土壤系統(tǒng)中CO2、CH4、N2O、NO以及N2的排放[12]。

1.5.2 模型參數(shù)校正 本研究所用的DNDC模型為9.5版本，需要輸入的數(shù)據(jù)包括地理和氣象數(shù)據(jù)(待模擬點(diǎn)位的地理位置、每日最高氣溫、每日最低氣溫等)、土壤數(shù)據(jù)(容重、pH值、表層SOC含量等)及作物管理數(shù)據(jù)(播種和收獲日期、生物量、化肥施用等)[13]。在DNDC模型使用前需要參數(shù)本地化，因此根據(jù)試驗(yàn)區(qū)氣候環(huán)境和作物管理措施對10余個(gè)參數(shù)進(jìn)行校正，校正后的參數(shù)如表2所示。

表2 DNDC模型校正參數(shù)

1.5.3 模型驗(yàn)證 利用DNDC模型分別模擬2018—2019年4種耕作措施下CO2氣體的排放，通過模擬值與實(shí)測值驗(yàn)證能夠?qū)崿F(xiàn)DNDC模型參數(shù)本地化，使得其適用于研究區(qū)的情況。本文采用SPSS 24.0對4種耕作措施下旱作春小麥CO2排放通量模擬值與實(shí)測值進(jìn)行相關(guān)性分析。另外，還將均方根誤差(RMSE)和模型效率指數(shù)(EF)[14]作為評價(jià)指標(biāo)，進(jìn)一步驗(yàn)證模型的模擬效果。

(2)

(3)

1.5.4 敏感性分析 為了研究DNDC模型中參數(shù)變化可能導(dǎo)致的CO2排放狀態(tài)變化，尋找眾多不確定因素中對CO2排放有著重要影響的敏感性因素[15]。本文將2018年1月至2018年12月的模擬結(jié)果作為基礎(chǔ)情景，使用模型進(jìn)行了一系列敏感性分析。選擇年平均溫度、年降水量、土壤質(zhì)地、表層SOC含量、氮肥施用量和秸稈覆蓋率這6個(gè)輸入?yún)?shù)作為敏感因子，對其設(shè)置了±20%和±40%的變化范圍，以覆蓋在局部研究現(xiàn)場選定的6個(gè)輸入?yún)?shù)中觀察到的全部或大部分變化。使用每個(gè)選擇的輸入?yún)?shù)的變化值運(yùn)行DNDC模型，并收集CO2排放的模擬結(jié)果進(jìn)行定量比較，使用敏感度指數(shù)(SI)量化CO2排放對所選輸入因子變化的敏感性[16]。

(4)

2 結(jié)果與分析

2.1 不同耕作措施下旱地春小麥農(nóng)田CO2排放特征

根據(jù)試驗(yàn)設(shè)計(jì)對2018—2019年4種耕作措施下的春小麥農(nóng)田土壤CO2排放進(jìn)行采集分析。研究區(qū)域春小麥農(nóng)田為雨養(yǎng)旱地種植，觀測期間各處理下CO2排放通量為正值(圖1)，基本處于釋放CO2狀態(tài)，因此旱地春小麥農(nóng)田土壤為CO2排放源。

如圖1所示，4種耕作措施下農(nóng)田土壤CO2排放通量在相同時(shí)間段內(nèi)整體變化趨勢基本一致，且都表現(xiàn)為隨時(shí)間變化的單峰型曲線，排放高峰為每年6～7月，即春小麥生長季中后期。由此可知，春小麥農(nóng)田土壤CO2排放通量與作物生長有關(guān)，隨著春小麥生長各處理下CO2排放通量有明顯變化特征，而且生長旺盛期CO2排放通量高于生長季初期和末期。另外，2018—2019年4種耕作措施下旱作春小麥CO2排放通量之間無明顯差異，但各處理下CO2排放通量具有高度一致的季節(jié)變化特點(diǎn)，均表現(xiàn)為夏季最高，冬季最低。其中，2018年各處理夏季和冬季CO2年平均排放通量占全年比重的58.21%和4.28%；2019年則占全年比重的49.27%和6.16%。

如圖2所示，2018年4種耕作措施下農(nóng)田土壤CO2年均排放通量大小依次為：T>TS>NTS>NT；2019年農(nóng)田土壤CO2年均排放通量大小依次為：NTS>T>TS>NT。綜合來看，2018—2019年NT處理下旱作春小麥農(nóng)田土壤CO2排放通量小于其他4種處理，這與呂錦慧[4]等人的研究結(jié)果一致。

2.2 模型驗(yàn)證及誤差分析

2.2.1 模型驗(yàn)證 4種耕作措施(T、TS、NT、NTS)實(shí)測值與模擬值的相關(guān)系數(shù)(R)分別為0.836、0.791、0.758、0.843，在P<0.01水平下相關(guān)性均達(dá)到顯著水平；各處理(T、TS、NT、NTS)實(shí)測值與模擬值的均方根誤差(RMSE)分別為：8.64、9.75、9.61、8.14；模型效率指數(shù)(EF)分別為：0.65、0.61、0.56、0.71。上述指標(biāo)都表明DNDC模型能較好地模擬不同耕作措施下旱作春小麥農(nóng)田CO2排放。

2.2.2 模型誤差分析 由圖4可以看出，DNDC模型能夠較好地捕獲到不同耕作措施下旱作春小麥在生長季產(chǎn)生的CO2排放峰；夏季排放最多、冬季排放最少的季節(jié)排放特征也被很好地捕獲；實(shí)測值與模擬值的形成時(shí)間、持續(xù)時(shí)間以及排放峰產(chǎn)生時(shí)間也比較一致。由圖4還可以看出，模型雖然能夠捕獲到由春小麥生長季所引起的CO2排放峰，但是還無法精確地模擬出部分單個(gè)時(shí)間節(jié)點(diǎn)的CO2排放通量。而導(dǎo)致DNDC模型模擬存在誤差的原因可能有兩方面[5,18]：(1)DNDC模型雖然被大量驗(yàn)證是有效的，但是該模型對溫室氣體的產(chǎn)生及排放過程的模擬是基于假設(shè)的[19-20]，而且這些過程的復(fù)雜繁瑣在模型中存在一定程度的簡化，這可能導(dǎo)致模型存在一定誤差[18]。(2)模型輸入?yún)?shù)在實(shí)測過程中存在一定誤差[5]。

2.3 敏感性分析

由表3可知，DNDC模型敏感性分析的6個(gè)輸入?yún)?shù)對CO2排放的影響大小依次為：年平均溫度>表層SOC含量>秸稈覆蓋率>年降水量>土壤質(zhì)地>氮肥施用量。

表3 敏感度指數(shù)

2.3.1 氣候條件 氣候?qū)r(nóng)田CO2排放的影響主要體現(xiàn)在溫度和降水量這兩方面。溫度主要是通過影響土壤微生物的活性、微生物的能量供應(yīng)、土壤的通氣性以及作物根部生長從而影響CO2排放。在6個(gè)輸入?yún)?shù)中，年平均溫度對CO2排放的影響均大于其他參數(shù)，4種耕作措施下CO2排放的SI大小依次為：NTS>T>TS>NT。如圖5A所示，年平均溫度從基礎(chǔ)情景(7.99℃)變化±4℃，各處理的CO2排放均呈線性增加，且平均增加12.70%。降水則是通過影響土壤生物活動(dòng)和作物根部生長所需要的水、土壤含水量和土壤溫度來間接影響CO2排放。模擬結(jié)果顯示：以基礎(chǔ)情景(478.9 mm)為標(biāo)準(zhǔn)，年降水量變化±40%，各處理的CO2排放呈增加趨勢，但由圖5B可知增長幅度并不明顯。通過比較各處理SI(表3)可知，在氣候條件中對旱作春小麥農(nóng)田CO2排放通量最敏感的參數(shù)是年平均溫度，且兩者為正相關(guān)關(guān)系。

2.3.2 土壤性質(zhì) 土壤因子對農(nóng)田CO2排放的影響主要體現(xiàn)在土壤質(zhì)地和土壤表層SOC含量兩個(gè)方面。由圖6A可知，當(dāng)土壤質(zhì)地在壤砂土(0.06)～壤土(0.19)變化時(shí)，CO2排放通量由4 865.4 kg·hm-2·a-1增加到5 504.39 kg·hm-2·a-1，而當(dāng)土壤質(zhì)地為粘土(0.27)時(shí)，T處理下CO2排放通量出現(xiàn)回落趨勢，減少為5 455.73 kg·hm-2·a-1。其他3種處理下CO2排放的變化趨勢同T處理。由此可見，不同耕作措施下CO2排放會隨著土壤中粘粒含量的增加而增加，但是土壤粘粒含量增加到一定程度時(shí)，會對CO2排放產(chǎn)生抑制作用，導(dǎo)致CO2排放有所減少。表層SOC含量對CO2排放的影響也較大，各處理敏感指數(shù)大小依次為：T>TS>NTS>NT。由圖6B可知，當(dāng)表層SOC含量從基礎(chǔ)情景(0.019 kg·kg-1)調(diào)整±40%時(shí)，各處理的CO2排放呈增加趨勢，但增長幅度并不明顯，平均增長率僅0.02%。通過比較各處理SI(表3)可知，旱作春小麥農(nóng)田CO2排放通量最敏感的土壤性質(zhì)參數(shù)為表層SOC含量，且兩者為正相關(guān)關(guān)系。

2.3.3 作物管理措施 作物管理措施有很多，本文只考慮了氮肥施用量和秸稈覆蓋率這兩個(gè)方面。由模擬結(jié)果可知(圖7A)：當(dāng)?shù)适┯昧繛?80 kg·hm-2時(shí)，4種耕作措施下(T、TS、NT、NTS)CO2排放通量分別為5 390.52、5 949.70、4 830.09、5 199.07 kg·hm-2·a-1；當(dāng)?shù)适┯昧繛?20 kg·hm-2時(shí)，CO2排放通量分別為5 391.05、5 950.35、4 831.76、5 201.72 kg·hm-2·a-1，平均增加0.01%。由此可見，旱作春小麥CO2排放隨著氮肥施用量的增加而增加，但增長幅度并不大。秸稈覆蓋率對TS、NTS兩種處理下的CO2排放影響僅次于年平均溫度，由圖7B可見秸稈覆蓋率從基礎(chǔ)情景(30%)下調(diào)40%到上調(diào)40%，其對應(yīng)的CO2排放呈逐漸增加趨勢。從表3中可以看出，旱作春小麥農(nóng)田CO2排放通量最敏感的作物管理措施參數(shù)為秸稈覆蓋率，且兩者為正相關(guān)關(guān)系。

3討 論

參數(shù)本地化后的DNDC模型模擬的不同耕作措施下旱作春小麥農(nóng)田CO2排放通量與實(shí)測結(jié)果較為一致，能夠較好地模擬出CO2排放季節(jié)變化動(dòng)態(tài)以及由春小麥生長季所引起的排放峰，但對于部分單個(gè)時(shí)間節(jié)點(diǎn)CO2排放通量的模擬存在偏差。DNDC模型對CO2排放的模擬主要取決于作物呼吸作用和土壤呼吸作用，而對作物呼吸的模擬則包含維持呼吸和生長呼吸。其中，維持呼吸是用溫度和作物有機(jī)質(zhì)含量進(jìn)行計(jì)算的，生長呼吸是由作物用于生長的呼吸利用量模擬的[21]。另外，模型是將作物籽粒、莖、葉和根的呼吸作用分開模擬的。因此，推測模型對本研究CO2排放通量模擬偏低的原因有：一是根系呼吸對土壤呼吸的貢獻(xiàn)率可達(dá)90%以上[22-23]，模型可能低估了作物根系呼吸；二是作物有機(jī)質(zhì)含量等參數(shù)的實(shí)測數(shù)據(jù)存在誤差。因此，DNDC模型的相關(guān)參數(shù)有待進(jìn)一步調(diào)整。

DNDC模型敏感性分析顯示：在氣候條件中，年平均溫度對不同耕作措施下旱作春小麥CO2排放的影響程度較大，當(dāng)溫度逐漸升高，CO2排放逐漸增強(qiáng)。因?yàn)闇囟壬邥?dǎo)致土壤微生物活性增強(qiáng)，從而增加有機(jī)質(zhì)分解，導(dǎo)致土壤呼吸作用增強(qiáng)，這與劉爽等[23]的研究結(jié)果相同；在土壤理化性質(zhì)中，土壤質(zhì)地和表層SOC含量均對CO2排放產(chǎn)生影響，其中表層SOC含量的影響較大。土壤質(zhì)地會影響土壤孔隙度，而土壤孔隙度決定著土壤的持水量和氣體的擴(kuò)散，最終影響土壤肥力。這些都會間接影響作物根部的生長，從而影響CO2排放。而表層SOC含量是呼吸作用的碳來源，對土壤CO2的產(chǎn)生和排放有直接的影響，因此SOC含量的增加勢必導(dǎo)致CO2排放的增加；在作物管理措施中，秸稈覆蓋率對CO2排放的影響較大。大部分研究發(fā)現(xiàn)[24-26]秸稈覆蓋率的增加會使得CO2排放增強(qiáng)。這是因?yàn)榻斩捀采w不僅會影響土壤微生物的數(shù)量，還會增加土壤孔隙度以及影響土壤碳的吸存量，這些環(huán)境因子共同作用在一定程度上影響了CO2排放。而氮肥施用不僅會促進(jìn)作物凋落物和有機(jī)質(zhì)中纖維素或其他易分解化合物的分解，也會抑制一些難以分解的化合物的分解，這些原因可能導(dǎo)致其對CO2排放的影響相對較小。

4 結(jié) 論

1)DNDC模型對不同耕作措施下旱作春小麥農(nóng)田CO2排放模擬效果較好，尤其是對免耕+秸稈覆蓋(NTS)處理下CO2排放的模擬，其相關(guān)系數(shù)、均方根誤差和模型效率指數(shù)分別為0.843、8.14和0.71；另外，與其他3種耕作措施相比，免耕處理下CO2排放通量較少；

2)年平均溫度、土壤表層SOC含量和秸稈覆蓋率是模型模擬不同耕作措施下旱作春小麥CO2排放最為敏感的三個(gè)因子，其中年平均溫度的影響程度最大，各處理的平均敏感性指數(shù)達(dá)0.46。