陳勁豐 岳遙

田間管理措施及土壤侵蝕對(duì)農(nóng)田溫室氣體通量的影響

陳勁豐1岳遙2,3,?

1.北京大學(xué)深圳研究生院環(huán)境與能源學(xué)院, 深圳 518055; 2.武漢大學(xué)水利水電學(xué)院, 武漢 430072; 3.水資源與水電工程國(guó)家重點(diǎn)實(shí)驗(yàn)室, 武漢 430072; ?通信作者, E-mail: yueyao@whu.edu.cn

針不同田間管理措施及土壤侵蝕對(duì)農(nóng)田溫室氣體通量的影響, 應(yīng)用反硝化分解模型(DNDC 模型), 選取中國(guó)科學(xué)院禹城綜合試驗(yàn)站作為研究區(qū)域, 結(jié)合該區(qū)域的氣象、土壤和田間管理措施等數(shù)據(jù), 模擬在不同施氮量、施肥深度以及土壤侵蝕條件下的 CO2和 N2O 氣體通量。結(jié)果表明: DNDC 模型對(duì)農(nóng)田 CO2和 N2O 氣體通量的模擬效果較好; 施氮量從實(shí)際施氮量的 0.5 倍升高到 1.5 倍的過(guò)程中, N2O 排放通量從 1.06mg/(m2·d)線性地增加至 2.88mg/(m2·d), C 的凈固定量亦從 1.38g/(m2·d)逐漸增加至 2.07g/(m2·d), 但增加趨勢(shì)逐漸變緩; 在施肥深度從 5cm變化到20 cm的過(guò)程中, N2O 排放通量從 2.88 mg/(m2·d)降低至 0.68mg/(m2·d); 當(dāng)施肥深度從 0.2cm 升高到 20cm 時(shí), C的凈固定量從 1.79g/(m2·d)逐漸升高至 2.32g/(m2·d), 但增加趨勢(shì)逐漸變緩; 在土壤侵蝕的影響下, C 的凈固定量和 N2O 的排放量分別升高 11%和 4%。研究結(jié)果可為國(guó)家溫室氣體通量清單的編制及相關(guān)管理政策的制定提供參考依據(jù)。

DNDC模型; 溫室氣體; 土壤侵蝕; 田間管理措施; 農(nóng)田

溫室氣體排放引發(fā)的全球氣候變化是人類面臨的最嚴(yán)峻挑戰(zhàn)之一。政府間氣候變化專門委員會(huì)(IPCC)工作組發(fā)布的第五次評(píng)估報(bào)告表明, 人類對(duì)氣候系統(tǒng)的影響是明確的; 20 世紀(jì) 50 年代以來(lái), 世界各大洲都已觀測(cè)到種種影響, 包括極端降雨和干旱、增加洪澇風(fēng)險(xiǎn)以及威脅生物生存環(huán)境等。這些變化在幾百乃至上千年時(shí)間里都未曾出現(xiàn); 如任其發(fā)展, 氣候變化對(duì)人類和生態(tài)系統(tǒng)造成嚴(yán)重、普遍和不可逆轉(zhuǎn)影響的可能性將會(huì)增加[1]。大氣中不斷增多的溫室氣體是導(dǎo)致全球變暖的主要原因[2], 其中 CO2對(duì)全球變暖的貢獻(xiàn)率為溫室氣體總效應(yīng)的56%; CH4的輻射增溫效應(yīng)是 CO2的 21~23 倍, 對(duì)溫室效應(yīng)的貢獻(xiàn)率約為 15%; N2O 的溫室效應(yīng)是 CO2的 296~310 倍, 對(duì)全球增溫的貢獻(xiàn)率為 7%[3]。溫室氣體排放的主要途徑既包括土壤中的硝化–反硝化、有機(jī)質(zhì)礦化和動(dòng)植物呼吸等自然過(guò)程, 也包括化石燃料燃燒、廢棄物處理和土地利用變化等人為過(guò)程, 后者被認(rèn)為是導(dǎo)致氣候變化的主要原因。

農(nóng)田不僅供給人類生存發(fā)展所需養(yǎng)分, 而且是各類生物生存棲息的生境。與此同時(shí), 農(nóng)田還在全球溫室氣體收支平衡中扮演重要角色: 一方面, 農(nóng)田中的農(nóng)作物通過(guò)光合作用固定 CO2, 轉(zhuǎn)化為自身的有機(jī)質(zhì); 另一方面, 農(nóng)田中過(guò)量施用的氮肥無(wú)法被作物完全吸收, 部分會(huì)通過(guò)硝化–反硝化作用轉(zhuǎn)化為 N2O[4]。研究表明, 農(nóng)田生態(tài)系統(tǒng)的固碳潛力為 0.4~0.8Pg·C/a; 同時(shí)農(nóng)業(yè)也是 N2O 產(chǎn)生的最大來(lái)源, 有近90%的N2O排放來(lái)源于農(nóng)業(yè)活動(dòng)[5]。

不同的田間管理方式(如施氮量和施肥深度)不僅影響農(nóng)作物的光合固碳過(guò)程, 也影響土壤中的硝化–反硝化過(guò)程, 進(jìn)而影響農(nóng)田 CO2和 N2O 等溫室氣體通量。目前, 對(duì)農(nóng)田溫室氣體的研究集中在排放量估算以及土地利用方式、土壤環(huán)境和氣候條件等因素的改變對(duì)溫室氣體通量影響方面[6–8], 對(duì)不同施肥方式的影響研究較少。另一方面, 土壤侵蝕及其引發(fā)的水土流失問(wèn)題是人類面臨的最嚴(yán)重的全球性環(huán)境問(wèn)題之一, 除造成土地退化和環(huán)境污染外, 還可能對(duì)全球溫室氣體收支平衡產(chǎn)生影響[9–10]。目前, 土壤侵蝕對(duì)溫室氣體通量影響的研究集中在CO2通量上[9,11], 對(duì) N2O 通量的研究較少。隨著建設(shè)生態(tài)文明這一目標(biāo)的提出, 研究農(nóng)田管理措施和土壤侵蝕速率等因子對(duì)區(qū)域小氣候的調(diào)節(jié)作用以及對(duì)全球溫室氣體收支平衡的影響等問(wèn)題勢(shì)在必行。

目前, 運(yùn)用機(jī)理性模型對(duì)農(nóng)田溫室氣體進(jìn)行估算已有較多研究。其中, 反硝化分解(DeNitrifica-tion and DeComposition, DNDC)模型由Li等[12]提出以來(lái), 已被許多科研工作者應(yīng)用于土壤 C、N 變化以及農(nóng)田溫室氣體排放研究中。基于 DNDC 模型, 鄒鳳亮等[13]模擬江漢平原稻田不同種植模式條件下溫室氣體排放, 田展等[14]模擬氣候變化影響下的中國(guó)水稻田溫室氣體排放, 陳海心等[15]模擬關(guān)中地區(qū)農(nóng)田長(zhǎng)期施肥條件下土壤碳含量及作物產(chǎn)量, Li等[16]模擬日本北海道不同二氧化碳濃度條件下水稻生長(zhǎng), Zhang 等[17]模擬美國(guó)德克薩斯水稻田溫室氣體的排放, 等等。本文以 DNDC 模型為基礎(chǔ), 通過(guò)收集典型站點(diǎn)的氣象、土壤、植被和田間管理措施等數(shù)據(jù)來(lái)模擬不同情景下的 N2O 和 CO2通量, 進(jìn)而分析不同田間管理方式對(duì) N2O 及 CO2通量的作用。此外, 本文通過(guò) DNDC 模型模擬土壤侵蝕對(duì)N2O 及 CO2通量的影響。

1 方法與數(shù)據(jù)

1.1 CO2和N2O通量模擬方法

DNDC 模型是一個(gè)面向過(guò)程的計(jì)算機(jī)模型, 整合與碳、氮循環(huán)有關(guān)的生物地球化學(xué)過(guò)程及影響因素, 可用來(lái)預(yù)測(cè)全球氣候變化、人類活動(dòng)和陸地生態(tài)系統(tǒng)間的相互影響[18]。該模型受到廣泛的認(rèn)可[19–20], 大量運(yùn)用于世界各地土壤碳庫(kù)氮庫(kù)動(dòng)態(tài)變化的模擬及土壤 CO2和 N2O 氣體通量的研究中[21], 被視為最為成功的機(jī)理模型之一[22]。

DNDC 模型主要由兩個(gè)部分組成: 第一部分包含土壤氣候、植物生長(zhǎng)和有機(jī)質(zhì)分解等 3 個(gè)子模型, 作用是預(yù)測(cè)土壤–植物系統(tǒng)中環(huán)境因子的動(dòng)態(tài)變化; 第二部分包含硝化、脫氮和發(fā)酵等 3 個(gè)子模型, 作用是由土壤環(huán)境因子進(jìn)一步預(yù)測(cè)硝化、脫氮和發(fā)酵等 3 個(gè)微生物參與的化學(xué)反應(yīng)速率, 并估算硝化和反硝化過(guò)程中產(chǎn)生的 N2O 以及有機(jī)質(zhì)分解和根呼吸所產(chǎn)生的 CO2, 同時(shí)模擬土壤碳庫(kù)和氮庫(kù)的動(dòng)態(tài)行為。DNDC 模型既可模擬某一點(diǎn)位的狀況, 也可與GIS 結(jié)合模擬區(qū)域情況。當(dāng)模擬某一點(diǎn)位的生物地球化學(xué)過(guò)程時(shí), 需要輸入該點(diǎn)位的氣象、土壤、植被和田間管理措施等參數(shù)(表 1), 這些參數(shù)代表著驅(qū)動(dòng)該點(diǎn)位生態(tài)系統(tǒng)運(yùn)動(dòng)的基本要素。

DNDC 模型集成了 MUSLE 和 SCS-CN 模型來(lái)求取土壤侵蝕量。用徑流因子代替USLE模型中的降雨因子, 得到改進(jìn)的通用土壤流失方程(MUSLE), 表達(dá)式[23]如下:

表1 DNDC模型所需要的輸入?yún)?shù)

=11.8(p)0.56, (1)

式中:為單次降雨的產(chǎn)沙量(t);為徑流量(m3);p為峰值流量(m3/s);為土壤可蝕性因子(Mg/ (MJ·mm));和為地形因子, 其中為坡長(zhǎng)因子,為坡度因子;為植被覆蓋與管理因子;為水土保持措施因子。

采用美國(guó)土壤保持局開發(fā)的 SCS-CN 模型計(jì)算給定降雨條件下流域的地表徑流, 表達(dá)式[23]如下:

式中:為降雨量(mm);為流域最大蓄水能力(mm);I是出損量(mm), 當(dāng)<I時(shí), 不產(chǎn)流,= 0;由CN值確定:

式中, CN 為徑流曲線數(shù), 是一個(gè)反映降雨前流域下墊面特征的綜合參數(shù), 由流域水文土壤類型、土地利用、水文條件和前期土壤濕度等因素共同確定, 其值介于 0~100 之間, 可查表確定, 在中等前期土壤濕度條件下的旱地 CN 值為 65。流域的洪峰流量由下面的公式計(jì)算:

式中,為流域的面積(hm2),T為徑流在流域中的滯留時(shí)間(h)。土壤可蝕性因子反映土壤抵抗侵蝕的能力, 通過(guò)標(biāo)準(zhǔn)小區(qū)上單位降雨量侵蝕引起的土壤流失量確定。土壤侵蝕因子主要與土壤質(zhì)地有關(guān), 與土壤的理化性質(zhì)關(guān)系很大[24]。地形因子由坡長(zhǎng)因子和坡度因子組成, 反映地形對(duì)土壤侵蝕的影響程度, 一般坡度越陡, 坡長(zhǎng)越大, 一場(chǎng)降雨引起的土壤侵蝕量越大。具體表達(dá)式如下:

=/(1+), (6)

=(sin/0.0896)/[3(sin)0.8+0.56], (7)

其中,為坡度,為坡長(zhǎng),為坡長(zhǎng)指數(shù)。

土壤侵蝕程度受植被覆蓋管理和水土保持措施的影響。研究表明, 當(dāng)覆蓋高低相間的作物時(shí), 可實(shí)現(xiàn)對(duì)雨滴的多次消能, 從而達(dá)到較好的降低土壤侵蝕效果。當(dāng)采取免耕或少耕等水土保持措施時(shí), 也可以顯著地降低土壤侵蝕強(qiáng)度?？赏ㄟ^(guò)采用經(jīng)驗(yàn)公式計(jì)算以及查表方法獲取值和值。

由于求取土壤侵蝕量所需部分的參數(shù)已輸入土壤、氣候、作物和管理等數(shù)據(jù)庫(kù)中, 若要考慮土壤侵蝕的影響, 只需在模型中額外輸入 SCS 曲線數(shù)值(CN)、曼寧公式糙率和土地管理對(duì)土壤侵蝕的影響因子(0~1), 即可通過(guò) DNDC 模型模擬土壤侵蝕影響下農(nóng)田吸收或排放 CO2和 N2O 的變化情況。

為了定量分析 DNDC 模型的模擬結(jié)果與實(shí)測(cè)值間的關(guān)系, 本文采用相關(guān)系數(shù)(2)和均方根誤差(RMSE)作為評(píng)價(jià)指標(biāo), 兩個(gè)指標(biāo)的表達(dá)式為

1.2 區(qū)域概況及數(shù)據(jù)來(lái)源

1.2.1研究區(qū)域概況

選取中國(guó)科學(xué)院禹城綜合試驗(yàn)站(116°38′E, 36°57′N, 平均海拔 22m)為研究站點(diǎn)。禹城站是中國(guó)生態(tài)研究網(wǎng)絡(luò)(CERN)的觀測(cè)站之一, 位于山東省禹城市南北莊。該區(qū)域?qū)偃A北平原, 地貌類型為黃河下游沖積平原, 農(nóng)業(yè)生產(chǎn)以冬小麥–夏玉米為主, 一年兩熟, 是中國(guó)旱作物的主產(chǎn)區(qū)之一。禹城站所在地區(qū)的自然條件和種植制度在華北平原旱作農(nóng)業(yè)生態(tài)類型中具有典型性和代表性。禹城站處于暖溫帶半濕潤(rùn)季風(fēng)性氣候區(qū), 多年平均氣溫為13.1°C, 年平均日照小時(shí)數(shù)為 2640, 年平均降雨量為 528mm, 約 70%的降雨集中于夏季( 6—8 月)。土壤類型以潮土和鹽化潮土為主, 0~20cm 土層土壤有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)為 10~14g/kg, 全氮質(zhì)量分?jǐn)?shù)為 0.5~ 1.5g/kg, 全磷質(zhì)量分?jǐn)?shù)為 0.41g/kg, 全鉀質(zhì)量分?jǐn)?shù)為 12.4g/kg, pH 值為 8.0~8.5。試驗(yàn)于 2004 年 10 月13 日至 2005 年 10 月 15 日進(jìn)行, 時(shí)長(zhǎng)為 368 天, 橫跨一個(gè)完整的冬小麥–夏玉米輪作期。

1.2.2研究數(shù)據(jù)

土壤物理參數(shù)(表 2)從范蘭等[25]的論文和禹城試驗(yàn)站公開資料[26]中獲得。作物和田間管理數(shù)據(jù)(表 3 和 4)來(lái)源于孫艷麗等[27]的論文。

CO2通量資料來(lái)源于中國(guó)陸地生態(tài)系統(tǒng)通量研究網(wǎng)絡(luò)共享數(shù)據(jù)[26], CO2通量的監(jiān)測(cè)采用渦度相關(guān)法[28]。N2O 通量資料來(lái)自于孫艷麗等[27]的論文, N2O通量的監(jiān)測(cè)采用密閉暗箱法[29]。根據(jù)實(shí)際情況, 考慮各種因素影響, 在使用 DNDC 模型模擬土壤侵蝕對(duì)溫室氣體吸收–排放效應(yīng)影響時(shí), 輸入的 3 個(gè)參數(shù)取值如下: CN值取 65, 糙率取 0.13, 土地管理影響因子取 0.2。

表2 禹城站土壤物理參數(shù)

表3 禹城站2004—2005年冬小麥農(nóng)田管理數(shù)據(jù)

表4 禹城站2005年夏玉米農(nóng)田管理數(shù)據(jù)

2 結(jié)果與分析

2.1 模型有效性分析

通過(guò)優(yōu)化參數(shù)反復(fù)調(diào)試模型后, 按照實(shí)驗(yàn)樣地當(dāng)時(shí)的氣候、植被、土壤和管理措施情景, 對(duì)禹城 2004—2005 年冬小麥–夏玉米輪作期 CO2和 N2O通量進(jìn)行模擬。

2.1.1模型模擬CO2通量有效性分析

利用 DNDC 模型模擬 2004—2005 冬小麥–夏玉米輪作期農(nóng)田 CO2氣體通量(圖 1), 模擬效果較好, 凈生態(tài)系統(tǒng)碳交換量(NEE)模擬值與實(shí)測(cè)值之間的2=0.43 (=368), RMSE=3.77。冬小麥 NEE 峰值模擬值略高于實(shí)測(cè)值, 夏玉米 NEE 峰值模擬值略低于觀測(cè)值?？偝跫?jí)生產(chǎn)力(GPP)模擬值與實(shí)測(cè)值之間的2=0.46 (=368),RMSE=4.53。冬小麥 GPP 模擬值峰值略高于實(shí)測(cè)值, 夏玉米 GPP 模擬值峰值略低于觀測(cè)值。在冬小麥–夏玉米輪作間歇期, 模型模擬的 GPP 值為 0, 而實(shí)測(cè) GPP 值大于 0, 可能是模型沒有模擬雜草的原因。冬小麥–夏玉米輪作期NEE總量模擬值為?657gC/m2, 實(shí)測(cè)值為?461gC/m2, 模擬值略高于實(shí)測(cè)值, GPP 總量模擬值為 1515gC/m2, 實(shí)測(cè)值為 1882gC/m2, 模擬值略低于實(shí)測(cè)值。

模型模擬的逐日 NEE 和 GPP 值與實(shí)測(cè)值在整體趨勢(shì)上高度一致, 冬小麥–夏玉米輪作期的 GPP和 NEE 總量模擬值與實(shí)測(cè)值相差不大, 表明 DNDC模型在日尺度上能夠較準(zhǔn)確地模擬 NEE 和 GPP 及其季節(jié)變化規(guī)律, 能夠捕捉到 NEE 和 GPP 的峰值與低谷。

2.1.2模型模擬N2O通量有效性分析

利用 DNDC 模型模擬 2004—2005 冬小麥–夏玉米輪作期農(nóng)田 N2O 氣體通量(圖 2), 模擬效果較好, N2O 氣體通量模擬值與實(shí)測(cè)值之間的2=0.53 (= 28), RMSE=0.22。冬小麥和夏玉米 N2O 氣體通量峰值模擬值略高于實(shí)測(cè)值。冬小麥–夏玉米輪作期N2O 排放總量模擬值為 7.2kg/hm2, 實(shí)測(cè)值為 6.9 kg/hm2, 模擬值略高于實(shí)測(cè)值。模型模擬的 N2O 氣體通量與實(shí)測(cè)值在整體趨勢(shì)上高度一致, 冬小麥–夏玉米輪作期的 N2O 排放總量模擬值與實(shí)測(cè)值相差不大, 表明 DNDC 模型在日尺度上能夠較準(zhǔn)確地模擬 N2O 氣體通量及其季節(jié)變化規(guī)律, 能夠捕捉到 N2O 氣體通量的峰值與低谷。

2.1.3 模型模擬誤差分析

DNDC 模型模擬誤差主要源于以下幾方面。一是 DNDC 模型主要結(jié)合美國(guó)農(nóng)業(yè)耕作狀況開發(fā), 直接用來(lái)模擬中國(guó)農(nóng)田溫室氣體排放狀況可能帶來(lái)誤差, 可以考慮改進(jìn)模型以減少誤差。二是模型需要輸入大量氣象、土壤、農(nóng)作物和田間管理等參數(shù), 由于數(shù)據(jù)來(lái)源受限, 無(wú)法準(zhǔn)確獲得全部輸入?yún)?shù)值, 對(duì)于部分非關(guān)鍵影響因素, 直接使用模型的默認(rèn)值作為輸入值會(huì)帶來(lái)一定的誤差。此外, 實(shí)測(cè)輸入?yún)?shù)在測(cè)量時(shí)不準(zhǔn)確也會(huì)帶來(lái)誤差。

2.2 模型不確定性分析

模擬結(jié)果的不確定性可能來(lái)源于模型自身結(jié)構(gòu)的不完善, 也可能源于輸入數(shù)據(jù)的不準(zhǔn)確。對(duì)于理論基礎(chǔ)或算法缺陷帶來(lái)的不確定性, 可以通過(guò)比較模擬結(jié)果和實(shí)測(cè)(或?qū)嶒?yàn))數(shù)據(jù)進(jìn)行率定。然而, 即使對(duì)模型經(jīng)過(guò)充分的驗(yàn)證, 仍會(huì)出現(xiàn)不確定性, 這主要與輸入信息不完善有關(guān)。

本文采用經(jīng)典的蒙特卡羅分析方法對(duì)輸入信息不完善帶來(lái)的模型不確定性進(jìn)行量化分析。選取對(duì)DNDC 模型輸出結(jié)果影響最大的 4 個(gè)參數(shù)(SOC 含量、土壤容重、pH 值和黏粒含量)[30], 在模型真實(shí)輸入值±20%區(qū)間內(nèi)均勻隨機(jī)抽樣, 重復(fù)抽樣 1000次, 得到 1000 個(gè)輸入?yún)?shù)集, 對(duì) 1000 個(gè)模型輸出結(jié)果進(jìn)行統(tǒng)計(jì)分析, 得到模型模擬 NEE 和 N2O 通量的變化范圍。一個(gè)輪作期 NEE 總量變化范圍為?558.46 ~ ?790.42 gC/m2, NO 排放量變化范圍為3.02~12.64kg/hm2?？梢钥闯? 模型模擬 N2O 排放通量的不確定性較大。

2.3 不同施氮量及施肥深度下 CO2 和 N2O 氣體通量

不同施氮水平及施肥深度條件下, 農(nóng)田 CO2和N2O 通量會(huì)發(fā)生變化。一般來(lái)說(shuō), 增加施氮量會(huì)促進(jìn)作物生長(zhǎng), 提高光合作用強(qiáng)度, 從而加大 CO2的固定。但是, 增加氮肥的施用在一定程度上會(huì)加大氮素的流失, 造成農(nóng)業(yè)非點(diǎn)源污染, 增大N2O 排放, 加劇溫室效應(yīng)。目前, 有關(guān)不同施肥深度對(duì) CO2和N2O 通量影響的研究較少, 尚未發(fā)現(xiàn)確定性的規(guī)律。

2.3.1不同施氮量及施肥深度方案

通過(guò)改變 DNDC 模型輸入?yún)?shù)中的施肥量及施肥深度, 模擬 CO2和 N2O 的吸收與排放情況, 探究不同施氮量及施肥深度對(duì) CO2和 N2O 通量的影響。

設(shè)置 5 種不同的施氮量及 5 種不同施肥深度模擬情景: 1)施氮量情景為 0.5N, 0.75N, 1N, 1.25N和 1.5N, 分別記為N1, N2, N3, N4 和 N5, 其中實(shí)際施氮量為 1N, 0.5N 表示施氮量為現(xiàn)狀情景的 50%, 其他情況依此類推; 2)施肥深度情景為 0.2 (撒施), 5, 10, 15 和 20cm, 分別記為 D1, D2, D3, D4 和 D5, 其中實(shí)際施肥深度為 0.2cm, 5cm 表示施肥深度為地表以下 5 cm, 其他同理。

2.3.2不同施氮量下 CO2和 N2O 氣體通量

DNDC 模型對(duì)不同施氮量情景的模擬結(jié)果見表5。以不同施氮水平為自變量, 一個(gè)冬小麥–夏玉米輪作期的 NEE 和 N2O 總排放量為因變量進(jìn)行擬合, 尋求最佳擬合曲線, 分析不同施氮水平條件下 CO2和 N2O 吸收/排放量的變化趨勢(shì), 結(jié)果如圖 3 所示(其中 NEE 為負(fù)值, 圖中結(jié)果為 NEE 的絕對(duì)值)。

表5 不同施氮量下的CO2和N2O通量

施氮量從實(shí)際施用量的 0.5N 逐漸升高到 1.5N時(shí), 碳的凈固定量及 N2O 排放量均逐漸升高。隨著施氮量的提高, N2O 排放量近似地以線性方式增加, 凈生態(tài)系統(tǒng)碳交換量的增勢(shì)則逐漸變緩。

2.3.3不同施肥深度下 CO2和 N2O 氣體通量

以不同施肥深度作為自變量, 一個(gè)冬小麥–夏玉米輪作期的 NEE 和 N2O 總排放量為因變量進(jìn)行擬合, 尋求最佳擬合曲線, 分析不同施肥深度條件下 CO2和 N2O 吸收/排放量的變化趨勢(shì), 結(jié)果見圖 4 (其中 NEE 為負(fù)值, 圖中結(jié)果為 NEE 的絕對(duì)值)。

如表 6 所示, 隨著施肥深度從 0.2cm 加深到 20 cm, 碳的固定量逐漸增加, 從 1.79g/(m2·d) 升高到2.32g/(m2·d), 但增加趨勢(shì)逐漸變緩。N2O 的排放量在施肥深度為 5cm 時(shí)達(dá)到峰值 2.88mg/(m2·d)后又立刻下降, 直到 20cm 施肥深度時(shí), N2O的排放量達(dá)到最低, 此時(shí)排放通量為 0.68mg/(m2·d)。

2.3.4土壤侵蝕對(duì) CO2和 N2O 氣體通量的影響

通過(guò) DNNC 模型計(jì)算求得土壤侵蝕強(qiáng)度為1574t/(km2·a), 與已有研究結(jié)果[31–32]相符。通過(guò)DNDC模型模擬土壤侵蝕對(duì) CO2和 N2O 通量影響結(jié)果如表 7 所示, 在土壤侵蝕影響下, 農(nóng)田土壤對(duì) C的固定作用會(huì)增強(qiáng)約 11%; 在土壤侵蝕影響下, N2O 的排放量大約增加4%。

表6 不同施肥深度下的CO2與N2O通量及其作物輪作期內(nèi)總量

3 討論

朱龍飛等[33]發(fā)現(xiàn), 在不同施氮措施下, 旱地的N2O 累積通量為 1.80~3.24kg/(hm2·a)。姚凡云等[34]發(fā)現(xiàn), 東北平原旱地的 N2O 累積通量為 1.09~3.04 kg/(hm2·a), 與本文深施肥低施氮水平下 N2O 排放通量的模擬結(jié)果相近。Gregorich 等[35]的研究表明, N2O 排放量與施氮量之間呈線性關(guān)系, 氮肥中約有1.19%的 N 會(huì)轉(zhuǎn)化為 N2O, 低于 IPCC 給出的 N2O 排放因子(1.25%)。本研究發(fā)現(xiàn)同樣的規(guī)律, 即隨著施氮量由實(shí)際施氮水平的 0.5N 提高到 1.5N, N2O 排放量基本上是線性提高, 我們估算的 N2O 排放因子為0.49%, 低于 IPCC 給出的 N2O 排放因子。

隨著施氮量提高, 凈生態(tài)系統(tǒng)碳交換量呈對(duì)數(shù)性增加, CO2固定量的升高趨勢(shì)逐漸變緩。根據(jù)IPCC 第五次評(píng)估報(bào)告, N2O 的 100 年全球變暖潛力(GWP100)為 298[1], 即等量氣體的 N2O 對(duì)全球變暖的影響是 CO2的 298 倍, N2O 排放量增加會(huì)加劇全球氣候變暖。雖然加大施肥量會(huì)促進(jìn)植物對(duì) CO2的固定, 提高農(nóng)作物產(chǎn)量, 但過(guò)多的施用氮肥有可能加劇全球變暖效應(yīng), 部分氮素隨著水分的流失會(huì)造成嚴(yán)重的水環(huán)境問(wèn)題, 污染自然水體, 造成水體富營(yíng)養(yǎng)化。進(jìn)入水體的部分氮素有可能在水體微生物作用下發(fā)生硝化或反硝化反應(yīng), 產(chǎn)生 N2O 排放進(jìn)入大氣中[36–38]。自然水體中的 N2O 大多處于過(guò)飽和狀態(tài), 是大氣中 N2O 的重要來(lái)源。

隨著施肥深度的增加, 碳的凈固定量是逐漸增加的?？赡艿脑蚴? 當(dāng)施肥深度較淺時(shí), 大量氮肥會(huì)由于灌水的淋溶作用而流失, 降低氮肥的利用率。N2O 的排放量在 5cm 施肥深度達(dá)到峰值后又立刻下降, 在 20cm 施肥深度時(shí), N2O 的排放量達(dá)到最低。有研究表明, 土壤中硝化和反硝化作用強(qiáng)度均顯著時(shí), N2O 排放量會(huì)達(dá)到峰值, 原因之一是此時(shí)硝化作用為反硝化作用提供了必須的反應(yīng)物[39]。施肥深度為 5cm 時(shí), N2O 排放量達(dá)到最大值, 可能的原因是此時(shí)硝化和反硝化作用都十分強(qiáng)烈, 在二者的共同作用下, 產(chǎn)生 N2O 的最大排放量。在土壤中, 對(duì) N2O 產(chǎn)生起優(yōu)勢(shì)作用的是硝化反應(yīng), 當(dāng)氧氣濃度進(jìn)一步降低, 反硝化反應(yīng)的主要產(chǎn)物是 N2[40]。因此, 當(dāng)施肥深度進(jìn)一步增加時(shí), 由于 O2濃度的下降, 硝化作用急劇減弱, 而反硝化作用雖然增強(qiáng), 但 N2O 會(huì)在缺氧環(huán)境下進(jìn)一步被還原為 N2, 故隨著深度進(jìn)一步增加, N2O 的排放量急劇減少, 當(dāng)施肥深度為 20cm 時(shí), 排放量達(dá)到最小值。實(shí)際生產(chǎn)中采用深施肥(10~20cm)的方式有助于減少 N2O 的排放, 同時(shí)增加 CO2的固定, 此項(xiàng)措施不論是對(duì)產(chǎn)量提高還是溫室氣體減排都是有利的。

表7 土壤侵蝕對(duì)CO2及N2O通量影響

根據(jù) DNDC 模型模擬的結(jié)果可知, 在土壤侵蝕的影響下, 農(nóng)田土壤對(duì)碳的固定作用會(huì)增強(qiáng), 這與Van Oost 等[9]的研究結(jié)果一致。受土壤侵蝕的影響, 上層飽和土體被剝蝕, 下層不飽和土地得以暴露, 使得土壤與大氣間的 CO2濃度梯度變大, 因此, 更多的 C 會(huì)被固定, 從而產(chǎn)生額外的 CO2通量。在土壤侵蝕影響下, N2O 的排放量也是增加的, 其原因可能是由于剝蝕作用, 使得下層土體得以暴露, 從而有更多的氧氣進(jìn)入土體之中, 使得硝化作用得以增強(qiáng), 從而增加 N2O 的排放量。

4 結(jié)論

本文應(yīng)用反硝化分解模型(DNDC 模型)探究不同田間管理措施及土壤侵蝕對(duì)農(nóng)田溫室氣體通量的影響, 得到如下結(jié)論。

1)DNDC 模型對(duì)農(nóng)田 CO2和 N2O 氣體通量的模擬效果較好, 模型具有較好的適用性, 在實(shí)測(cè)通量數(shù)據(jù)缺乏的情況下, 可以考慮利用 DNDC 模型來(lái)估算農(nóng)田溫室氣體通量, 通過(guò)調(diào)節(jié)輸入?yún)?shù), 分析不同情景下溫室氣體通量的變化。

2)隨著施氮量的增加, N2O 排放量線性地增加, 碳的凈固定量也增加, 但其增速逐漸減小。過(guò)量施用氮肥對(duì)產(chǎn)量的提高已不明顯, 而 N2O 排放量卻線性地逐漸增加, 同時(shí)過(guò)量的氮肥會(huì)造成面源污染和水體富營(yíng)養(yǎng)化等生態(tài)環(huán)境問(wèn)題。因此, 應(yīng)在保證產(chǎn)量的前提下, 盡可能少施用氮肥。

3)隨著施肥深度增加, 碳的凈固定量逐漸增加, N2O 的排放量先升高, 在 5cm 施肥深度達(dá)到峰值后又立刻下降, 直到 20cm 施肥深度 N2O 的排放量達(dá)到最低。深施氮肥不僅有利于增加碳的固定量, 提高作物產(chǎn)量, 并且有利于減少 N2O 的排放。

4)在土壤侵蝕影響下, 農(nóng)田土壤對(duì)碳的固定作用會(huì)增強(qiáng), 同時(shí) N2O 的排放量也會(huì)增加。

[1] Oliver J E. Intergovernmental panel in climate change (IPCC). Encyclopedia of Energy Natural Resource & Environmental Economics, 2013, 26(2): 48–56

[2] 陳碧輝. 溫室氣體源匯及其對(duì)氣候影響的研究現(xiàn)狀. 氣象科學(xué), 2006, 26(5): 586–590

[3] 杜吳鵬, 繆啟龍. 溫室氣體對(duì)氣候環(huán)境的影響預(yù)測(cè)及其不確定性. 環(huán)境科學(xué)與技術(shù), 2006, 29(2): 72–74

[4] Xia L, Shu K L, Chen D, et al. Can knowledge-based N management produce more staple grain with lower greenhouse gas emission and reactive nitrogen pollu-tion? A meta-analysis. Global Change Biology, 2017, 23(5): 1917–1925

[5] Carlson K M, Gerber J S, Mueller N D, et al. Green-house gas emissions intensity of global croplands. Nature Climate Change, 2017, 7(1): 63–68

[6] Brown J R, Blankinship J C, Niboyet A, et al. Effects of multiple global change treatments on soil N2O fluxes. Biogeochemistry, 2012, 109(1/2/3): 85–100

[7] Towprayoon S, Smakgahn K, Poonkaew S. Mitigation of methane and nitrous oxide emissions from drained irrigated rice fields. Chemosphere, 2005, 59(11): 1547–1556

[8] 趙苗苗, 邵蕊, 楊吉林, 等. 基于 DNDC 模型的稻田溫室氣體排放通量模擬. 生態(tài)學(xué)雜志, 2019, 38 (4): 1057–1066

[9] Van Oost K, Quine T A, Govers G, et al. The impact of agricultural soil erosion on the global carbon cycle. Science, 2007, 318: 626–629

[10] Liu S, Bliss N, Sundquist E, et al. Modeling carbon dynamics in vegetation and soil under the impact of soil erosion and deposition. Global Biogeochemical Cycles, 2003, 17(2): 1074

[11] Ni J, Yao Y, Borthwick A G L, et al. Erosion-induced CO2flux of small watersheds. Global and Planetary Change, 2012, 94/95(3): 101–110

[12] Li C S, Frolking S, Frolking T A. A model of nitrous-oxide evolution from soil driven by rainfall events. 1. Model structure and sensitivity. Journal of Geophy-sical Research — Atmospheres, 1992, 97(D9): 9759–9776

[13] 鄒鳳亮, 曹湊貴, 馬建勇, 等. 基于 DNDC 模型模擬江漢平原稻田不同種植模式條件下溫室氣體排放. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2018, 26(9): 1291–1301

[14] 田展, 牛逸龍, 孫來(lái)祥, 等. 基于 DNDC 模型模擬氣候變化影響下的中國(guó)水稻田溫室氣體排放. 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26(3): 793–799

[15] 陳海心, 孫本華, 馮浩, 等. 應(yīng)用 DNDC 模型模擬關(guān)中地區(qū)農(nóng)田長(zhǎng)期施肥條件下土壤碳含量及作物產(chǎn)量. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2014, 33(9): 1782–1790

[16] Li C S, Frolking S, Frolking T A. A model of nitrous-oxide evolution from soil driven by rainfall events. 2. Model applications. Journal of Geophysical Research — Atmospheres, 1992, 97(D9): 9777–9783

[17] Zhang Y, Li C S, Zhou X J, et al. A simulation model linking crop growth and soil biogeochemistry for sustainable agriculture. Ecological Modelling, 2002, 151(1): 75–108

[18] Giltrap D L, Li C, Saggar S, et al. DNDC: A process-based model of greenhouse gas fluxes from agricul-tural soils. Agriculture Ecosystems, 2010, 136(3): 292– 300

[19] Cai Z, Sawamoto T, Li C, et al. Field validation of the DNDC model for greenhouse gas emissions in East Asian cropping systems. Global Biogeochem Cycles, 2003, 17(4): 1107

[20] Hu L, Wang L, Li J, et al. The development of China-DNDC and review of its applications for sustaining Chinese agriculture. Ecological Modelling, 2017, 348: 1–13

[21] Katayanagi N, Fumoto T, Hayano M, et al. Estimation of total CH4emission from Japanese rice paddies using a new estimation method based on the DNDC-Rice simulation model. Science of the Total Environ-ment, 2017, 601/602: 346–355

[22] Kr?bel R, Smith W N, Grant B B, et al. Development and evaluation of a new Canadian spring wheat sub-model for DNDC. Canadian Journal of Soil Science, 2017, 4(4): 503–520

[23] Sadeghi S H R, Mizuyama T. Applicability of the modified universal soil loss equation for prediction of sediment yield in Khanmirza watershed, Iran. Hydro-logical Sciences Journal, 2007, 52(5): 1068–1075

[24] 王盛萍, 張志強(qiáng), 唐寅, 等. MIKE-SHE 與 MUSLE耦合模擬小流域侵蝕產(chǎn)沙空間分布特征. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(3): 92–98

[25] 范蘭, 呂昌河, 王學(xué)春, 等. EPIC 模型對(duì)華北平原冬小麥與夏玉米生長(zhǎng)和產(chǎn)量模擬的適用性評(píng)價(jià). 麥類作物學(xué)報(bào), 2014, 34(12): 1677–1684

[26] 于貴瑞, 孫曉敏, 等. 陸地生態(tài)系統(tǒng)通量觀測(cè)的原理與方法. 北京: 高等教育出版社, 2006

[27] 孫艷麗, 陸佩玲, 李俊, 等. 華北平原冬小麥/夏玉米輪作田土壤N2O通量特征及影響因素. 中國(guó)農(nóng)業(yè)氣象, 2008, 29(1): 1–5

[28] Fei X, Jin Y, Zhang Y, et al. Eddy covariance and biometric measurements show that a savanna ecosys-tem in Southwest China is a carbon sink. Science Report, 2017, 7(7): 41025

[29] 萬(wàn)運(yùn)帆, 李玉娥, 林而達(dá), 等. 靜態(tài)箱法測(cè)定旱地農(nóng)田溫室氣體時(shí)密閉時(shí)間的研究. 中國(guó)農(nóng)業(yè)氣象, 2006, 27(2): 122–124

[30] Li C S, Mosier A, Wassmann R, et al. Modeling greenhouse gas emissions from rice-based production systems: sensitivity and upscaling. Global Biogeoche-mical Cycles, 2004, 18(1): GB1043

[31] 楊新. 中國(guó)土壤侵蝕分區(qū)及土壤流失調(diào)查. 自然災(zāi)害學(xué)報(bào), 2011, 20(4): 131–136

[32] 尹民. 山東省水土流失現(xiàn)狀及其保護(hù)恢復(fù)研究[D]. 曲阜: 山東師范大學(xué), 2001

[33] 朱龍飛, 徐越, 張志勇, 等. 不同施氮措施對(duì)冬小麥農(nóng)田土壤溫室氣體通量的影響. 生態(tài)環(huán)境學(xué)報(bào), 2019, 28(1): 143–151

[34] 姚凡云, 王立春, 多馨曲, 等. 不同氮肥對(duì)東北春玉米農(nóng)田溫室氣體周年排放的影響. 應(yīng)用生態(tài)學(xué)報(bào), 2019, 30(4): 1303–1311

[35] Gregorich E G, Rochette P, Vandenbygaart A J, et al. Greenhouse gas contributions of agricultural soils and potential mitigation practices in Eastern Canada (vol 83, pg 53, 2005). Soil & Tillage Research, 2007, 94 (1): 262–263

[36] 譚永潔, 王東啟, 周立旻, 等. 河流氧化亞氮產(chǎn)生和排放研究綜述. 地球與環(huán)境, 2015, 43(1): 123–132

[37] 王佳寧, 晏維金, 陳能汪, 等. 我國(guó)河流 N2O 飽和度與釋放系數(shù)變化及其與河流氮水平的關(guān)系研究. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2012, 31(8): 1576–1585

[38] Beaulieu J J, Shuster W D, Rebholz J A. Nitrous oxide emissions from a large, impounded river: the Ohio River. Environmental Science & Technology, 2010, 44(19): 7527–7533

[39] 黃樹輝, 呂軍. 農(nóng)田土壤 N2O 排放研究進(jìn)展. 土壤通報(bào), 2004, 35(4): 516–522

[40] 玉米生長(zhǎng)期黃土區(qū)土壤氧化亞氮產(chǎn)生和排放及其影響因子研究. 西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007, 35(2): 131–137

Impacts of Field Management Measures and Soil Erosion on Greenhouse Gases Fluxes of the Farmland

CHEN Jinfeng1, YUE Yao2,3,?

1. School of Environment and Energy, Peking University Shenzhen Graduate School, Shenzhen 518055; 2. School of Water Resources and Hydropower Engineering, Wuhan University, Wuhan 430072; 3. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072; ?Corresponding author, E-mail: yueyao@whu.edu.cn

In order to explore the impact of field management measures and soil erosion on greenhouse gases (GHGs) fluxes, the Yucheng Experimental Station of the Chinese Academy of Sciences was selected as the research area. By collecting data of meteorology, soil and field management measures, we estimated CO2and N2O fluxes under different intensities of nitrogen application, fertilization depths, and soil erosion rate, using DNDC model. Compared with observed data, DNDC model performed well in simulating CO2and N2O fluxes. As the intensity of nitrogen application increased, the N2O flux also increased linearly from 1.06 mg/(m2·d) to 2.88 mg/(m2·d). The NEE also gradually increased from 1.38 g/(m2·d) to 2.07 g/(m2·d), but the increasing trend gradually slowed down. With the fertilization depth changing from 5 cm to 20 cm, the N2O flux decreased from 2.88 mg/(m2·d) to 0.68 mg/(m2·d). Moreover, when the fertilization depth increased from 0.2 cm to 20 cm, the NEE gradually increased from 1.79 g/(m2·d) to 2.32 g/(m2·d), but the increasing trend also slowed down. Under the impact of soil erosion, the NEE and the N2O flux increased by 11% and 4%, respectively. This study helps to complete the national inventories of GHGs emission, and provides basis for the policy-making of GHGs management in farmland.

DNDC model; GHGs; soil erosion; field management measures; farmland

10.13209/j.0479-8023.2020.023

國(guó)家自然科學(xué)基金(41601275)資助

2019–04–13;

2019–05–17