近17 a阿克蘇綠洲農(nóng)田凈碳匯功能的時空變化

李遠航， 郝興明， 張靜靜,4， 范 雪， 趙卓怡,4

（1.新疆師范大學生命科學學院，新疆 烏魯木齊 830054；2.中國科學院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國家重點實驗室，新疆 烏魯木齊 830011；3.新疆阿克蘇綠洲農(nóng)田生態(tài)系統(tǒng)國家野外科學觀測研究站，新疆 阿克蘇 843017；4.中國科學院大學，北京 100049）

隨著溫室效應(yīng)的不斷累積，全球氣候變暖問題愈發(fā)嚴重，在過去130多年間，全球氣溫平均上升了0.85 ℃［1］，其中，碳排放貢獻率約占50%以上［2］。在全球碳循環(huán)中，陸地生態(tài)系統(tǒng)是搭建全球碳收支平衡的橋梁。而農(nóng)田生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)的主體，具有重要的碳源與碳匯效應(yīng)。一方面，它可以通過植被光合作用吸收固定大氣中的CO2；另一方面，它能夠利用土壤呼吸及農(nóng)業(yè)生產(chǎn)活動向大氣進行碳排放，在全球碳排放中有12%左右來源于農(nóng)田生態(tài)系統(tǒng)［3］。在我國，農(nóng)業(yè)碳排放量占全國碳排放總量的17%［4］，且以每年5%的速度增長［5］，我國需大力發(fā)展低碳農(nóng)業(yè)并根據(jù)農(nóng)田生態(tài)系統(tǒng)的碳源/匯效應(yīng)來確定減排增匯的措施，因此準確估算農(nóng)田生態(tài)系統(tǒng)的碳源與碳匯就顯得尤為重要。

目前，國內(nèi)外學者對農(nóng)田生態(tài)系統(tǒng)碳源/匯的研究主要分為以下3 個方面：（1）估算不同區(qū)域尺度上碳源/匯現(xiàn)狀：早期估算農(nóng)田生態(tài)系統(tǒng)碳源/匯的研究主要集中在宏觀尺度上，但隨著研究不斷地深入與完善，微觀尺度的研究也在逐漸增加［6-9］；（2）分析影響碳源/匯的因素：已有研究分析了不同土地利用類型及不同耕作方式對碳吸收、碳排放的影響［10-11］，除此之外，有研究表明，通過堆肥、秸稈還田等方式可以提高農(nóng)田生態(tài)系統(tǒng)的固碳量［12-13］；（3）探究碳源/匯測算方法：目前測算碳源采用的主要方法是碳排放系數(shù)法與實測法，而測算碳匯的主要方法是遙感反演法和模型模擬法［7,14-15］。

上述研究在農(nóng)田生態(tài)系統(tǒng)碳源/匯方面作出了大量貢獻，但仍存在一些不足。在研究方法上，農(nóng)田生態(tài)系統(tǒng)凈碳匯量的研究大多是通過統(tǒng)計農(nóng)業(yè)生產(chǎn)過程中碳吸收量與碳排放量進行估算［7,16-17］，這類方法在計算碳吸收時只考慮了部分農(nóng)作物的固碳量，忽略了土壤呼吸碳排放，這會導致碳排放的嚴重低估［18-19］。對上述問題較好的解決方案之一，就是采用一些過程模型，通過遙感數(shù)據(jù)估算農(nóng)田凈生態(tài)系統(tǒng)生產(chǎn)力（Net Ecosystem Productivity，NEP），可有效避免農(nóng)作物種類統(tǒng)計不全及漏算土壤呼吸碳排放的缺點［20-22］。此外，目前有關(guān)農(nóng)田生態(tài)系統(tǒng)碳匯的研究多數(shù)集中于濕潤、半濕潤地區(qū)及半干旱地區(qū)［9,23-24］，對極端干旱區(qū)特別是完全依賴于灌溉的綠洲農(nóng)田生態(tài)系統(tǒng)的研究較少。因此，本研究以極端干旱區(qū)阿克蘇綠洲農(nóng)田為例，通過遙感數(shù)據(jù)和農(nóng)業(yè)生產(chǎn)投入數(shù)據(jù)，對2001—2017 年的碳排放與NEP 進行估算，系統(tǒng)分析綠洲農(nóng)田凈碳匯量時空變化特征，并在縣域尺度上開展綠洲農(nóng)田凈碳匯的評估工作，研究結(jié)果可為干旱區(qū)綠洲農(nóng)田生態(tài)系統(tǒng)制定差異化的減排政策提供科學依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

阿克蘇地區(qū)位于78°03′～84°07′E，39°30′～42°41′N，地處天山中段、塔里木盆地的東北面，屬暖溫帶干旱性氣候地區(qū)，地形走勢為北高南低。綠洲農(nóng)田的土壤類型主要有潮土、灌淤土、棕漠土、草甸土和棕鈣土等［25］。綠洲農(nóng)田總面積為147.39×104hm2，占阿克蘇地區(qū)總面積的11.2%。綠洲農(nóng)田的主要經(jīng)濟作物是棉花，其播種面積占農(nóng)田播種總面積的54.5%，其次是玉米、小麥等。

1.2 數(shù)據(jù)來源與處理

所使用的2001—2017 年阿克蘇地區(qū)的光合有效輻射部分的4 d網(wǎng)格數(shù)據(jù)由MODIS的數(shù)據(jù)產(chǎn)品提供（MOD15A3H, https://lpdaacsvc.cr.usgs.gov/appeears/task/area），空間分辨率500 m；歸一化植被指數(shù)（Normalized Difference Vegetation Index, NDVI）數(shù)據(jù)來源于MOD13A1，空間分辨率為500 m，時間分辨率為16 d；溫度和降水數(shù)據(jù)均來自https://search.earthdata.nasa.gov/search 中GLDAS 的數(shù)據(jù)產(chǎn)品，空間分辨率為0.25°，時間分辨率為月；土地利用數(shù)據(jù)來源于https://lpdaacsvc.cr.usgs.gov/appeears/task/area，空間分辨率為500 m；DEM 數(shù)據(jù)來源于https://www.usgs.gov，空間分辨率為1 km。首先，利用Arc-GIS 10.2 對上述不同分辨率的數(shù)據(jù)進行重采樣，使其在同一基準面上；同時使用ArcGIS 10.2提取DEM的最大值與最小值，得到地形起伏度，將30 m 作為平原的劃分界限，起伏度大于200 m劃分為山地［26］，將起伏度小于200 m的區(qū)域依據(jù)土地利用類型劃分成綠洲與荒漠，阿克蘇地區(qū)的山地、荒漠及綠洲分布如圖1 所示。此外，阿克蘇地區(qū)各縣市農(nóng)田管理數(shù)據(jù)如農(nóng)田播種面積、農(nóng)作物產(chǎn)量及灌溉面積等數(shù)據(jù)均來自2002—2018年的《新疆統(tǒng)計年鑒》和《阿克蘇統(tǒng)計年鑒》。

圖1 研究區(qū)概況Fig.1 Study area overview

1.3 研究方法

1.3.1 NEP的計算方法 NEP是估算植被碳源、碳匯的重要指標，常作為碳匯大小的度量［27-28］，計算公式為：

式中：NPP（Net Primary Production）表示植被凈初級生產(chǎn)力；Rh表示土壤微生物呼吸量［29］。

NPP 的估算采用修正的CASA（Carnegie-Ames-Stanford Approach）模型通過光合有效輻射（APAR）和實際光能利用率（ε）來表示，計算公式為：

式中：z為像元；t為月份；APAR（z，t）為像元z在t月吸收的光合有效輻射；ε（z，t）為像元z在t月的實際光能利用率。

在Rh的估算中，溫度與降雨是影響Rh的主要因素。本文采用的是經(jīng)驗?zāi)Ｐ?，通過建立氣溫、降水與碳排放的回歸模型來估算Rh［29-30］，計算公式為：

式中：Slope為趨勢線的斜率；n表示研究時間跨度；i表示年份變量。Slope＞0，表明NEP 有增加趨勢，反之則有減少趨勢。

1.3.2 碳排放估算方法 農(nóng)田生態(tài)系統(tǒng)碳排放的主要來源是化肥、農(nóng)藥、農(nóng)膜、農(nóng)業(yè)機械、農(nóng)業(yè)灌溉、柴油和農(nóng)田耕作等，其估算公式為：

式中：Gi、Gp、Gm、Ae、We、Li、Gs、Si分別代表各個農(nóng)業(yè)生產(chǎn)投入中的具體使用量，Ai、B、C、D、F、G、J、H分別代表農(nóng)業(yè)生產(chǎn)投入中各類碳排放系數(shù)（表1）。

表1 碳排放途徑中各類碳排放系數(shù)Tab.1 Carbon emission factors for each type of carbon emission pathway

1.3.3 凈碳匯的估算方法 通過計算綠洲農(nóng)田近17 a NEP 與農(nóng)業(yè)生產(chǎn)投入造成的碳排放的差值，建立估算綠洲農(nóng)田凈碳匯量的數(shù)學模型。

式中：Nc為綠洲農(nóng)田凈碳匯；NEP 為綠洲農(nóng)田凈生態(tài)系統(tǒng)生產(chǎn)力；Et為農(nóng)業(yè)生產(chǎn)投入的碳排放；Nu為單位播種面積凈碳匯量；Sa為農(nóng)作物播種面積［19］。

2 結(jié)果與分析

2.1 NEP的時空變異

2001—2017年阿克蘇的山地、荒漠及綠洲農(nóng)田的NEP年際變化均呈上升趨勢（圖2a）。其中山地、荒漠和綠洲農(nóng)田的NEP 年均增長率分別為3.04%、2.09%和7.43%，表明研究區(qū)植被的固碳能力在不斷增強。綠洲農(nóng)田NEP 月均值呈現(xiàn)出先升高后降低的波動變化趨勢，該趨勢與綠洲農(nóng)田作物的生長規(guī)律大致相同（圖2b）。1—2月氣溫開始回升，積雪消融，作物的固碳量大于土壤呼吸的碳排放，NEP 開始上升。3—5月，由于氣溫逐漸升高和農(nóng)田的翻耕處理，導致土壤呼吸產(chǎn)生的碳排放量增加，但此時作物的固碳能力仍大于土壤呼吸的碳排放量，即NEP＞0。5—10 月，氣溫大幅度上升，農(nóng)田開始持續(xù)地灌溉，達到作物生長的最佳時期，此時NEP 迅速升高。10—12 月，溫度逐漸降低，作物生長緩慢且大部分作物都已完成收割，土壤呼吸碳排放大于作物的固碳量，NEP降低。

圖2 研究區(qū)內(nèi)NEP的年際變化及綠洲的月均變化Fig.2 Interannual variation of NEP and monthly average variation of oasis in the study area

綠洲農(nóng)田近17 a 的年均NEP 空間分布上整體較為均勻，峰值主要集中在溫宿縣的南部、阿克蘇市的中部及新和、庫車、沙雅三縣的交匯處（圖3）。綠洲農(nóng)田的多年NEP 均值為143.47 g·m-2·a-1，整體呈碳匯狀態(tài)。NEP值在0～100 g·m-2·a-1、100～200 g·m-2·a-1和200 g·m-2·a-1以上的面積分別為3569.86 km2、9360.94 km2和1807.04 km2，分別占阿克蘇地區(qū)綠洲農(nóng)田總面積的24.22%、63.51%及12.26%。整體來看，綠洲農(nóng)田的NEP＞0，NEP范圍在100～200 g·m-2·a-1占綠洲總面積的比例最大，主要分布在各個縣市的綠洲區(qū)內(nèi)。

圖3 綠洲農(nóng)田年均NEP空間分布Fig.3 Spatial distribution of annual average NEP on oasis farmland

利用一元線性回歸法與T分布顯著性檢驗得到綠洲農(nóng)田2001—2017 年逐像元的變化趨勢。經(jīng)統(tǒng)計可知，NEP＞0 的面積為1.37×104km2，占綠洲農(nóng)田總面積的92.85%；NEP＜0 的面積的為1053.86 km2，占阿克蘇地區(qū)綠洲農(nóng)田總面積的7.15%（圖4a）。其中，綠洲農(nóng)田內(nèi)NEP 呈顯著增長趨勢的面積為1.44×104km2，占綠洲農(nóng)田總面積的97.7%，主要分布在各個縣市的綠洲區(qū)域內(nèi)；NEP 呈顯著降低趨勢的面積為339 km2，占綠洲農(nóng)田總面積的2.3%，主要分布在溫宿縣、阿瓦提縣、阿克蘇市與庫車縣的綠洲區(qū)內(nèi)（圖4b）。NEP 降低的原因可能是人口數(shù)量上漲導致城市用地面積增大，綠洲農(nóng)田面積減小。整體來看，綠洲農(nóng)田近17a作物的固碳能力在不斷提升，只有極少部分出現(xiàn)降低。

圖4 2001—2017年綠洲農(nóng)田NEP變化趨勢Fig.4 Trends in NEP on oasis farmland,2001-2017

2.2 綠洲農(nóng)田的碳排放變化分析

綠洲農(nóng)田的碳排放具有明顯的時空變化。時間上，2001—2017年綠洲農(nóng)田碳排放量呈逐年上升的趨勢（圖5a）。碳排放總量從2001年的39.94×104t增長至2017 年的106.73×104t，年均增長率為25.14%，單位面積碳排放量從2001 年的1.09 t·hm-2增長至2017 年的1.21 t·hm-2，年均增長率為15.86%。增長的主要原因是相關(guān)農(nóng)資的投入和農(nóng)業(yè)機械使用的增加?？臻g上，各縣市綠洲農(nóng)田碳排放量呈現(xiàn)出西北低東南高的特點（圖5b）。碳排放量最大的是庫車縣（17.76×104t），最小的是柯坪縣（1.55×104t），差異為11.46 倍，庫車縣的農(nóng)作物播種面積為柯坪縣的14.7 倍。阿克蘇市（1.66×104t）單位播種面積碳排放量最大，庫車縣（0.97×104t）最小。二者之間差異巨大的原因是發(fā)展方向與水平上的差異。

圖5 綠洲農(nóng)田碳排放量的時空變化Fig.5 Spatial and temporal variation of carbon emissions from oasis farmland

近17 a間，在綠洲農(nóng)田主要的碳排放途徑中，化肥、農(nóng)機和農(nóng)膜產(chǎn)生的碳排放量所占比例最大，分別為28%、26%和19%，且呈逐年增長的趨勢（表2）。但2017年農(nóng)膜產(chǎn)生的碳排放量呈降低趨勢，占比僅0.15%，棉花種植面積比例由2016年的73.13%降低至2017 年的54.50%。產(chǎn)生上述現(xiàn)象的原因可能是2016 年棉花價格較低或2017 年農(nóng)膜價格較高，導致當?shù)剞r(nóng)戶不愿種植棉花，改種水稻等其他作物，減少了農(nóng)膜的使用量。

表2 2001—2017年綠洲農(nóng)田農(nóng)業(yè)生產(chǎn)投入中產(chǎn)生的碳排放Tab.2 Carbon emissions from agricultural production inputs in oasis farmlands,2001-2017 /104t

2.3 綠洲農(nóng)田凈碳匯量的變化分析

2001—2017年，綠洲農(nóng)田的凈碳匯量整體呈上升趨勢（圖6）。凈碳匯量從2001年-2.51×104t增長至2017 年的61.45×104t，年均增長率為78.16%；單位面積凈碳匯量由2001 年的-0.07 t·hm-2增長至2017 年的0.69 t·hm-2，年均增長率為49.24%。表明2001—2017年，綠洲農(nóng)田生產(chǎn)技術(shù)的提高與農(nóng)作物單產(chǎn)穩(wěn)定增長，綠洲農(nóng)田具有較高的凈碳匯能力。

圖6 綠洲農(nóng)田凈碳匯量的年際變化Fig.6 Interannual variation in net carbon sink of oasis farmland

2001—2017 年綠洲農(nóng)田凈碳匯量多年均值空間分異明顯，整體上呈西北向東南增加的特點（圖7）。Nc＞100主要分布在溫宿縣的西南部，阿克蘇市的西部、整個阿拉爾市及新和縣的東部；Nc＜0 主要集中在溫宿縣的南部、阿拉爾市的周邊及庫車縣的南部。其中，柯坪縣Nc最小（-0.03×104t），沙雅縣Nc最大（4.08×104t）。原因可能是各縣市的發(fā)展水平及生產(chǎn)條件具有差異?？傮w而言，各縣市內(nèi)綠洲農(nóng)田凈碳匯量差異明顯，阿瓦提縣、柯坪縣等地區(qū)應(yīng)通過優(yōu)化田間管理等措施提高農(nóng)田生態(tài)系統(tǒng)凈碳匯能力。

圖7 綠洲農(nóng)田年均凈碳匯量空間分布Fig.7 Spatial distribution of the annual average net carbon sink of oasis farmland

3 討論

通過構(gòu)建農(nóng)田生態(tài)系統(tǒng)凈碳匯的數(shù)學模型，得出近17 a 阿克蘇地區(qū)的各縣市綠洲農(nóng)田的凈碳匯呈波動上升趨勢，表明綠洲農(nóng)田具有較高的固碳能力［7,30］。本研究在計算綠洲農(nóng)田碳排放時結(jié)合前人的研究方法［19-20］，綜合考慮了農(nóng)田翻耕、土壤呼吸以及農(nóng)業(yè)機械使用過程中所耗費柴油產(chǎn)生的碳排放。其中部分碳排放系數(shù)來自國外的研究，且這些經(jīng)驗系數(shù)在國內(nèi)引用的頻率較高［16,19,24］，但可能并不適用于阿克蘇地區(qū)。因此，需要通過實地觀測來估算當?shù)氐奶寂欧畔禂?shù)，為當?shù)氐奶寂欧沤y(tǒng)計提供更準確的數(shù)據(jù)。在計算Rh時，本研究采用的是裴志永等［29］的經(jīng)驗?zāi)Ｐ偷姆椒āhang等［34］與潘竟虎等［30］將此方法分別應(yīng)用于中亞干旱區(qū)及西北干旱區(qū)碳匯的估算，而本文的研究區(qū)在上述研究區(qū)的范圍內(nèi)，故采用同樣的方法來估算Rh。此外，凈碳匯的大小主要受到自然因素與人為因素的調(diào)控。自然因素是指溫度與降水，二者通過影響NPP與Rh的大小，間接地調(diào)控NEP 的數(shù)值，從而達到調(diào)控凈碳匯的目的，并且已有研究表明NPP對降水比溫度更敏感，而Rh和NEP對溫度比降水更敏感［35］。氣溫和降水對NEP 的年貢獻率分別為28.79%和23.23%［34］。人為因素主要指由人類生產(chǎn)活動對農(nóng)田生態(tài)系統(tǒng)造成的碳排放，如生產(chǎn)肥料、農(nóng)藥、農(nóng)膜等農(nóng)資過程中產(chǎn)生的碳排放及農(nóng)業(yè)機械使用過程中消耗的化石能源和電能產(chǎn)生的碳排放等，在此類碳排放途徑中，化肥產(chǎn)生的碳排放量所占比例最大。因此，在保證作物產(chǎn)量的前提下，應(yīng)按照作物需求決定施肥量或增加肥料中有機肥的占比，減少畜禽糞便的污染，實現(xiàn)資源的循環(huán)利用。在單位面積碳排放量較高的阿克蘇市與阿瓦提縣，應(yīng)減少農(nóng)業(yè)生產(chǎn)投入的消耗，提高農(nóng)資的利用效率；在單位面積凈碳匯量較低的溫宿縣、庫車縣與拜城縣，當?shù)卣畱?yīng)加大對低碳農(nóng)業(yè)的投入和政策支持，走可持續(xù)發(fā)展的農(nóng)業(yè)道路，提高阿克蘇地區(qū)各縣市綠洲農(nóng)田的固碳減排能力。

由于阿克蘇實驗站的通量站在2017 年后開始實施觀測，缺乏詳細的實際觀測數(shù)據(jù)。故本文引用了Zhang等［34］在中亞干旱區(qū)（包括整個新疆）對NPP與Rh的數(shù)據(jù)驗證結(jié)果。引文中在中亞干旱地區(qū)提取了5124個點，將CASA模擬的NPP與MOD17產(chǎn)品數(shù)據(jù)進行對比分析，結(jié)果表明：兩者具有良好的一致性，R2=0.74（P＜0.01），RMSE=112.18。此外，Li 等［36］研究表明，MODIS估算的NPP可用于干旱和半干旱地區(qū)，反映了植被的生長和分布。因此，CASA模型同樣也適用于新疆地區(qū)。本研究采用經(jīng)驗?zāi)Ｐ凸浪懔薘h，Zhang等［34］的研究表明，該方法估算的Rh與通量觀測數(shù)據(jù)具有很好的一致性，R2=0.53（P＜0.01），RMSE=13.12?？傮w來說，本研究在計算NPP與Rh時采用的方法與Zhang 等［34］保持一致，研究區(qū)也在引文的研究區(qū)內(nèi)。因此，本研究中對NPP和Rh的估算結(jié)果是相對合理的。

4 結(jié)論

本研究通過統(tǒng)計2001—2017 年阿克蘇地區(qū)綠洲農(nóng)田的NEP和農(nóng)業(yè)生產(chǎn)投入的碳排放量，估算出綠洲農(nóng)田的凈碳匯量，結(jié)果如下：

（1）綠洲農(nóng)田NEP 總體呈逐年上升趨勢，其中97.7%的面積為顯著增長的趨勢，分布在各縣的綠洲區(qū)內(nèi)；2.3%的面積出現(xiàn)顯著下降趨勢，主要分布在溫宿縣、阿瓦提縣、阿克蘇市與庫車縣內(nèi)。

（2）綠洲農(nóng)田碳排放呈逐漸增加的趨勢，各縣市綠洲農(nóng)田碳排放量和單位播種面積碳排放量的區(qū)域差異明顯。

（3）綠洲農(nóng)田的凈碳匯量波動較大，但總體上呈上升趨勢，各縣市綠洲農(nóng)田凈碳匯量差異明顯，均呈現(xiàn)出不同程度的碳生態(tài)盈余，表明綠洲農(nóng)田具有較高的凈碳匯能力。