盧欣晴，張秀英，汪 振，李升峰，郭文勇

(1.南京大學(xué) 國(guó)際地球系統(tǒng)科學(xué)研究所，江蘇 南京 210023；2.中山大學(xué) 大氣科學(xué)學(xué)院，廣東珠海 519000；3.江蘇地理信息資源開(kāi)發(fā)與應(yīng)用協(xié)同創(chuàng)新中心，江蘇 南京 210046；4.南京大學(xué)地理與海洋科學(xué)學(xué)院，江蘇 南京 210023；5.魯西化工集團(tuán)有限公司，山東 聊城 252000)

農(nóng)田是陸地生態(tài)系統(tǒng)的重要組成部分[1]，水稻田在農(nóng)田生態(tài)系統(tǒng)中占據(jù)十分重要的地位。中國(guó)水稻種植面積超過(guò)2.7×107hm2，其碳匯主要包括土壤有機(jī)碳(soil organic carbon，SOC)及植株生長(zhǎng)的碳吸收量。SOC 作為全球碳庫(kù)中最活躍的部分，是土壤肥力的重要表征，其微小的變化將導(dǎo)致大氣CO2濃度劇烈變化，甚至嚴(yán)重影響全球碳平衡[2]。水稻SOC 容易受到人為活動(dòng)的強(qiáng)烈干擾，同時(shí)在較短時(shí)間內(nèi)可對(duì)其進(jìn)行人為調(diào)節(jié)[3]。稻田生態(tài)系統(tǒng)是重要的碳匯資源，合理利用秸稈資源，增加外源有機(jī)肥投入，可提高農(nóng)田有機(jī)質(zhì)含量，增加農(nóng)田生態(tài)系統(tǒng)碳匯總量[3-4]。在當(dāng)前CO2排放增長(zhǎng)的環(huán)境背景下，利用農(nóng)田生態(tài)系統(tǒng)固定大氣CO2是應(yīng)對(duì)全球氣候變化的重要途徑，也是中國(guó)實(shí)現(xiàn)雙碳目標(biāo)的重要手段之一[4-6]。

目前，農(nóng)田生態(tài)系統(tǒng)碳收支核算方法主要包括生命周期[7-8]、遙感反演[9-10]、渦度相關(guān)通量觀(guān)測(cè)[11-13]和生態(tài)系統(tǒng)過(guò)程模型[14-15]等。作為獲取地表信息的有力手段，衛(wèi)星遙感能準(zhǔn)確、及時(shí)地獲取多時(shí)空尺度的凈初級(jí)生產(chǎn)力時(shí)空分布特征，彌補(bǔ)傳統(tǒng)地面觀(guān)測(cè)的不足[16]；但受衛(wèi)星觀(guān)測(cè)成像頻率的影響，數(shù)據(jù)時(shí)空分辨率不高，同時(shí)大多數(shù)生態(tài)參數(shù)反演模型缺乏明確的生理生態(tài)機(jī)制，難以清晰解釋區(qū)域碳平衡的變化機(jī)制[17]。渦度相關(guān)觀(guān)測(cè)雖然具有較高準(zhǔn)確性，但受制于有限的觀(guān)測(cè)點(diǎn)，往往局限于特定的生態(tài)系統(tǒng)或局部區(qū)域[18]。生命周期法的計(jì)算過(guò)程詳細(xì)而準(zhǔn)確，包含系統(tǒng)生命周期的各個(gè)環(huán)節(jié)，適用于微觀(guān)層面的碳足跡核算[19-20]，但在劃定系統(tǒng)邊界時(shí)可能具有主觀(guān)性，且需收集大量數(shù)據(jù)，易產(chǎn)生數(shù)據(jù)遺漏現(xiàn)象[21]，在核算區(qū)域尺度農(nóng)田碳源匯過(guò)程中，估算作物固碳量主要根據(jù)經(jīng)濟(jì)系數(shù)、碳吸收率和產(chǎn)量，衡量固碳措施通常只采用同一系數(shù)來(lái)估算碳匯提升的能力。稻田生態(tài)系統(tǒng)的碳循環(huán)過(guò)程比較復(fù)雜，除受作物類(lèi)型影響外，還與作物生長(zhǎng)固定的SOC、作物生長(zhǎng)吸收和排放的碳、氣溫和降水等氣象條件以及當(dāng)?shù)氐耐寥览砘再|(zhì)相關(guān)[22-23]。因此，利用單一的碳吸收率和產(chǎn)量數(shù)據(jù)核算農(nóng)田系統(tǒng)碳吸收量，存在較高的不確定性，核算過(guò)程中還需要考慮氣象條件和土壤理化性質(zhì)的時(shí)空異質(zhì)性對(duì)農(nóng)田生態(tài)系統(tǒng)碳收支時(shí)空分布格局的影響。

基于過(guò)程的模型已成為國(guó)內(nèi)外學(xué)者研究農(nóng)田生態(tài)系統(tǒng)碳循環(huán)的重要工具，過(guò)程模型可以定量模擬植物在一定氣象條件和土壤環(huán)境下的生長(zhǎng)過(guò)程[24]，并在區(qū)域乃至全球尺度上準(zhǔn)確模擬農(nóng)田生態(tài)系統(tǒng)碳遷移過(guò)程及碳收支情況[25-27]。生物地球化學(xué)脫氮—分解作用 (denitrification-decomposition，DNDC)模型能夠準(zhǔn)確模擬作物生長(zhǎng)情況及產(chǎn)量、SOC 及其動(dòng)態(tài)變化以及溫室氣體排放等[28-31]，已在世界范圍內(nèi)得到驗(yàn)證并開(kāi)展了廣泛的應(yīng)用[32-39]。DNDC 模型由利用生態(tài)驅(qū)動(dòng)因子模擬土壤環(huán)境動(dòng)態(tài)變化的土壤氣候、農(nóng)作物生長(zhǎng)和土壤有機(jī)質(zhì)分解模型以及用于計(jì)算溫室氣體和痕量氣體排放情況的硝化作用、反硝化作用和發(fā)酵作用模型共同構(gòu)建[35,37,40-42]。隨著模型的發(fā)展及參數(shù)優(yōu)化，DNDC 模型已被廣泛應(yīng)用于濕地、草原和森林等生態(tài)系統(tǒng)[26,43-44]，其碳循環(huán)過(guò)程考慮了來(lái)自大氣、土壤母質(zhì)、施肥以及有機(jī)肥中的碳和氮，根據(jù)氣溫計(jì)算植物的水分脅迫情況以及受溫度、水分和土壤碳氮供給量影響的植物實(shí)際生長(zhǎng)量，并將植物實(shí)際生長(zhǎng)量分配至根、莖、葉和籽粒中，最終輸出作物生長(zhǎng)吸收的碳、土壤中淋失和殘留的碳以及排放到大氣中的碳[14]。

稻田生態(tài)系統(tǒng)的碳匯主要來(lái)自水稻生長(zhǎng)期間的植株固碳和土壤固碳[45]。水稻的植株固碳是指水稻通過(guò)光合作用吸收CO2，合成有機(jī)物并將碳固定在作物內(nèi)的過(guò)程。該過(guò)程中水稻的自身固碳僅限于水稻從播種到收獲的生長(zhǎng)期，局限在稻田生態(tài)系統(tǒng)內(nèi)，而不包括水稻收獲后作為副產(chǎn)品處理或快速分解和燃燒的問(wèn)題。土壤碳庫(kù)作為陸地生態(tài)系統(tǒng)中最大、最活躍的碳庫(kù)之一，在全球碳循環(huán)過(guò)程中扮演著重要的角色[46]。土壤碳主要包括兩類(lèi)，一類(lèi)是不斷與地球大氣進(jìn)行碳交換且相對(duì)不穩(wěn)定的有機(jī)碳，另一類(lèi)是相對(duì)穩(wěn)定的無(wú)機(jī)碳[47]，土壤固碳以及土壤碳庫(kù)的研究主要集中在前者。土壤碳固存是指土壤從大氣中捕獲碳并穩(wěn)定貯存于碳庫(kù)中[45,48]。

目前稻田生態(tài)系統(tǒng)碳匯的研究尺度主要以區(qū)域尺度為主[49-51]，而全國(guó)尺度稻田生態(tài)系統(tǒng)碳匯估測(cè)及固碳量計(jì)算的相關(guān)報(bào)道仍較少[52]。本研究基于3 年的水稻田受控試驗(yàn)數(shù)據(jù)，對(duì)DNDC 模型參數(shù)進(jìn)行校驗(yàn)，利用DNDC 模型估算2018—2020年中國(guó)稻田生態(tài)系統(tǒng)的固碳量，并分析其時(shí)空分布格局，以期為區(qū)域稻田生態(tài)系統(tǒng)固碳減排提供重要決策依據(jù)。

1 材料與方法

1.1 稻田受控試驗(yàn)

受控試驗(yàn)于2015 年7 月—2018 年7 月在江蘇省句容市淮源農(nóng)場(chǎng)(31°48′N(xiāo)，119°13′E)進(jìn)行。研究區(qū)屬于典型的亞熱帶氣候，試驗(yàn)期間平均年降雨量1 609.5 mm，日平均最低氣溫20.7 ℃，最高氣溫27.9 ℃。根據(jù)聯(lián)合國(guó)糧農(nóng)組織土壤分類(lèi)[53]，該水稻田土壤為水耕人為土。試驗(yàn)田土壤(0～20 cm)的理化性質(zhì)為：pH 值5.8，土壤容重1.25 g/cm3，總碳含量9.12 g/kg，總氮含量0.96 g/kg，黏粒占14.63%，粉粒占78.62%，砂粒占6.74%。

稻田受控試驗(yàn)期間，水稻秧齡達(dá)30 d 后移栽至試驗(yàn)田。水分管理采用中期排水曬田措施[54]：淹灌—曬田—復(fù)淹—干濕交替。在水稻移栽前7 d 進(jìn)行翻地和淹水，并維持淹水狀態(tài)1 個(gè)月；季中排水的時(shí)間通常為7～14 d；復(fù)淹后，采用干濕交替灌溉直至水稻收獲前 7 d。作物管理按照當(dāng)?shù)厮尽←溳喿髦贫确N植。水稻移栽和收獲時(shí)間見(jiàn)表1。每年水稻成熟時(shí)收割，收割時(shí)盡可能保證水稻根系的完整性，并將根系清洗干凈。水稻晾干水分后將其分為根、莖、葉和穗4 個(gè)部分，測(cè)定每個(gè)部分的干質(zhì)量。

1.2 DNDC 模型參數(shù)輸入及驗(yàn)證

1.2.1 DNDC 模型模擬的參數(shù)輸入

DNDC 模型模擬包括點(diǎn)位模擬和區(qū)域模擬，模擬的前提是輸入對(duì)應(yīng)的氣象數(shù)據(jù)、土壤屬性、耕作參數(shù)等[54]。區(qū)域模擬前，首先對(duì)DNDC 模型進(jìn)行參數(shù)優(yōu)化和驗(yàn)證，從而確保該模型適用于模擬研究區(qū)域的生物地球化學(xué)過(guò)程，詳細(xì)的參數(shù)優(yōu)化方案及點(diǎn)位驗(yàn)證結(jié)果見(jiàn)文獻(xiàn)[55-56]。本研究運(yùn)用DNDC 模型(9.5 版本)對(duì)中國(guó)稻田固碳量進(jìn)行區(qū)域模擬，研究設(shè)定的模擬單元為1 km×1 km的規(guī)則網(wǎng)格。

氣象數(shù)據(jù)來(lái)源于中國(guó)氣象局2018—2020 年699 個(gè)氣象站點(diǎn)的地面氣候資料日值數(shù)據(jù)集(https://data.cma.cn/)，包括氣壓、氣溫、相對(duì)濕度、降雨量等。根據(jù)最臨近原則將氣象數(shù)據(jù)分配至模擬單元，每個(gè)模擬單元的氣象數(shù)據(jù)包含氣象站代碼、經(jīng)緯度、日最高氣溫、日最低氣溫、平均氣溫、日降雨量等信息。在2018—2020 年間，全國(guó)氣溫為10.1～10.3 ℃，較常年偏高0.5～0.8 ℃；全國(guó)降水量為645.5～673.8 mm，比常年偏多3%～7%，其中，東北、西北、華南年降水量偏多，而華北和長(zhǎng)江中下游相對(duì)偏少，西南略偏少?？傮w而言，主要糧食產(chǎn)區(qū)光、溫、水匹配較好，主要糧食作物生產(chǎn)期間的氣候條件有利于農(nóng)業(yè)生產(chǎn)[57]。

土壤屬性數(shù)據(jù)來(lái)源于協(xié)調(diào)世界土壤數(shù)據(jù)庫(kù)(1.2 版本) (http://webarchive.iiasa.ac.at/Research/LUC/External-World-soil-database/)，空間分辨率為1 km×1 km。土地利用類(lèi)型數(shù)據(jù)基于Landsat 衛(wèi)星獲得的Landsat Thematic Mapper/Enhanced Thematic Mapper Plus (TM/ETM+)遙感影像(http://www.globallandcover.com)產(chǎn)生。水稻種植區(qū)內(nèi)各模擬單元的土壤屬性由土地利用類(lèi)型數(shù)據(jù)和土壤屬性數(shù)據(jù)疊加分析生成?？傮w而言，中國(guó)水稻田SOC含量相對(duì)較低，大多數(shù)SOC 含量低于15 g/kg，變化范圍介于3～51 g/kg，其中黑龍江省和吉林省SOC 含量最高；土壤黏粒含量變異較大，其范圍在4%～50%間；土壤容重的變化范圍介于1.2～1.4 g/cm3，廣西壯族自治區(qū)和貴州省的土壤容重相對(duì)較低。

水稻種植面積及產(chǎn)量數(shù)據(jù)來(lái)自各省統(tǒng)計(jì)年鑒。2018 年中國(guó)水稻種植總面積為3.019×107hm2，早稻、晚稻和單季稻分別為4.79×106、5.27×106和2.013×107hm2，占比分別為16%、17%和67%，平均產(chǎn)量分別為5.967、5.958 和7.559 t/hm2；2019年水稻種植總面積減少至2.969×107hm2，早稻、晚稻和單季稻的種植面積分別為4.45×106、4.97×106和2.027×107hm2，占比分別為15%、17%和68%，平均產(chǎn)量分別為5.902、6.049 和7.561 t/hm2。

單季稻、早稻和晚稻的平均施氮量分別為150.53、139.91 和138.98 kg/hm2[58]。尿素為中國(guó)水稻生產(chǎn)中最常用的氮肥類(lèi)型，故在DNDC 模型中以尿素作為輸入的氮肥。由于目前缺乏完整的關(guān)于中國(guó)不同地區(qū)水稻田糞肥施用情況的統(tǒng)計(jì)資料，故本研究沒(méi)有考慮糞肥的施用。在水稻收獲后，15%的秸稈施入稻田以實(shí)現(xiàn)土壤改良。本研究采用單季稻和雙季稻2 種常規(guī)的種植制度進(jìn)行模型模擬。早稻、晚稻和單季稻的平均生育期分別為87、94 和109 d[59-61]。

1.2.2 模型驗(yàn)證

本研究依據(jù)相關(guān)系數(shù)(r)、歸一化均方根誤差(normalized root mean square error，nRMSE)和平均絕對(duì)誤差(mean absolute error，MAE)評(píng)價(jià)DNDC 模型模擬結(jié)果的有效性[62-63]。為在全國(guó)范圍內(nèi)評(píng)估校準(zhǔn)后DNDC 模型的性能，本研究收集了各省統(tǒng)計(jì)年鑒中的水稻產(chǎn)量數(shù)據(jù)，并以“有機(jī)碳/有機(jī)質(zhì)”和“2010—2020”為關(guān)鍵詞在中國(guó)知網(wǎng)上收集了40 組土壤有機(jī)碳觀(guān)測(cè)數(shù)據(jù)(圖1)，用于驗(yàn)證區(qū)域尺度上水稻的產(chǎn)量及SOC。

圖1 氣象站點(diǎn)、試驗(yàn)點(diǎn)、水稻種植區(qū)和驗(yàn)證點(diǎn)位置圖Fig.1 Location map of meteorological stations,experimental sites,rice area and verification site

1.3 稻田生態(tài)系統(tǒng)固碳量計(jì)算

1.3.1 水稻固碳量

水稻固碳量是指水稻光合作用形成的凈初級(jí)生產(chǎn)量，即收獲的籽粒、莖葉和根系生物量中固碳量的總和。水稻單位面積固碳量計(jì)算公式為：

式中：C為區(qū)域水稻單位面積固碳量，kg/hm2；Cg為水稻籽粒固碳量，kg/hm2；Cs為水稻莖葉固碳量，kg/hm2；Cr為水稻根系固碳量，kg/hm2。

水稻固碳量的計(jì)算公式為：

式中：TC 為水稻固碳量，kg；Si為每個(gè)模擬單元的水稻田面積，hm2；Ci為每個(gè)模擬單元的水稻單位面積固碳量，kg/hm2；n為模擬單元數(shù)。

1.3.2 稻田土壤固碳總量

稻田土壤固碳總量是指一段時(shí)間內(nèi)稻田生態(tài)系統(tǒng)土壤碳儲(chǔ)量的變化量，反映了稻田生態(tài)系統(tǒng)土壤碳庫(kù)的變化，其計(jì)算公式為：

式中：TSOC 為稻田土壤固碳總量，kg；ΔSOCi為每個(gè)模擬單元的SOC 年變化量，kg/hm2。

2 結(jié)果與分析

2.1 DNDC 模型模擬結(jié)果驗(yàn)證

2.1.1 點(diǎn)位尺度上的驗(yàn)證

DNDC 模型模擬和基于受控試驗(yàn)實(shí)測(cè)的水稻根(n=15)、莖(n=17)、葉(n=17)、穗(n=25)和總生物量(n=17)的MAE 均低于8%，分別為7.3%、7.7%、7.3%、4.5%和4.7%。水稻根、莖、葉、穗和總生物量的模擬值與實(shí)測(cè)值的r值均大于0.8 (P＜0.01)，說(shuō)明DNDC 模型能夠很好地反映水稻各組分生物量的變化，并對(duì)其進(jìn)行模擬。

2.1.2 區(qū)域尺度上的驗(yàn)證

雙季稻(圖2a)和單季稻(圖2b)觀(guān)測(cè)和模擬的產(chǎn)量nRMSE 和MAE 較小，且r≥0.77 (P＜0.01)，表明 DNDC 模型在研究區(qū)具有較高的模擬精度，可用于模擬水稻產(chǎn)量的動(dòng)態(tài)變化。此外，SOC 的模擬結(jié)果與實(shí)測(cè)數(shù)據(jù)間的MAE 和nRMSE 均小于10%，說(shuō)明其在水稻SOC 動(dòng)態(tài)變化的模擬中具有較高的精度和較好的應(yīng)用前景(圖2c)。

圖2 區(qū)域尺度DNDC 模型模擬結(jié)果驗(yàn)證Fig.2 Accuracy assessment of the simulation results by DNDC model on regional scale

2.2 中國(guó)雙季稻固碳量的空間分布

作物固碳量和土壤固碳量存在顯著的區(qū)域差異(圖3a 和3b)。江西、湖南和廣東3 省的總固碳量排在前列，該3 省的作物固碳量占雙季稻作物總固碳量的67.65% (圖3c)、土壤固碳量占雙季稻土壤總固碳量的69.27% (圖3d)，主要原因是這3 省的播種面積占雙季稻播種面積的67.96%。云南、浙江和海南3 省的作物和土壤固碳能力均較弱，作物平均固碳量?jī)H為2.49 Tg，遠(yuǎn)低于全國(guó)平均值（15.29 Tg）；土壤固碳量均低于80 Gg，主要原因是這3 省的平均播種面積僅占全國(guó)雙季稻的5.49%。此外，作物固碳總量還受水稻單產(chǎn)的影響。海南省受地形影響，適宜播種水稻的面積較小，且同時(shí)存在產(chǎn)量較低的旱田或澇田，加之水稻管理措施粗放以及病蟲(chóng)害的影響，其水稻單產(chǎn)遠(yuǎn)低于全國(guó)平均水平。

圖3 中國(guó)雙季稻生態(tài)系統(tǒng)固碳量空間分布Fig.3 Spatial distribution of carbon sequestration in double cropping rice in China

雙季稻區(qū)的北部省份(湖北和安徽)及東部省份(浙江和福建)的土壤固碳量較低(圖3b)；湖南、江西和廣東的土壤固碳量較高；華南地區(qū)由于水稻土分布面積廣泛，在有機(jī)碳固定中的貢獻(xiàn)較大，土壤固碳量相對(duì)較高。江西、湖南、廣東和廣西的雙季稻固碳能力較強(qiáng)，江西和湖南的固碳量接近40 Tg，廣東和廣西的固碳量均大于25 Tg(圖3e)。另外，作物固碳量大于土壤固碳量，作物固碳量占雙季稻總固碳量的97.21%。

2.3 中國(guó)單季稻固碳量的空間分布

由圖4 可知：?jiǎn)渭镜咀魑锕烫剂亢屯寥拦烫剂靠傮w上呈現(xiàn)北高南低的特征。東北地區(qū)(黑龍江、吉林)作物和土壤固碳能力較強(qiáng)，主要原因?yàn)闁|北地區(qū)氣候濕潤(rùn)，降水充沛，適合作物生長(zhǎng)，凈初級(jí)生產(chǎn)力較高，作物固碳量較大，凋落物輸入量大；同時(shí)溫度較低導(dǎo)致凋落物分解速度較慢，利于積累有機(jī)物。北京、西藏和山西播種面積僅占單季稻播種面積的0.01%，故作物和土壤固碳量較低；此外，地處高原的西藏由于海拔高、氣溫低，氣候干燥加之自然災(zāi)害較多導(dǎo)致水稻單產(chǎn)較低，水稻作物固碳能力較弱。單季稻總固碳量為366.04 Tg，省份平均固碳量為13.07 Tg。黑龍江、江蘇、湖北、四川和安徽的固碳能力較強(qiáng)，平均固碳量為45.62 Tg，遠(yuǎn)高于全國(guó)平均水平。另外，作物固碳量大于土壤固碳量，作物固碳量占單季稻總固碳量的96.82%。

圖4 中國(guó)單季稻生態(tài)系統(tǒng)固碳量空間分布Fig.4 Spatial distribution of carbon sequestration in single cropping rice

2.4 中國(guó)稻田生態(tài)系統(tǒng)總固碳量的空間分布

水稻分布地域廣闊，自然條件復(fù)雜多樣，2018—2020 年中國(guó)水稻作物固碳量的空間分布高度異質(zhì)，總體呈現(xiàn)東北、華中地區(qū)高，東南、西南地區(qū)低的空間分布特點(diǎn)(圖5a)。土壤固碳量空間分布大體呈現(xiàn)北高南低的地域分異規(guī)律(圖5b)：北方地區(qū)(黑龍江)土壤固碳能力強(qiáng)，南方地區(qū)(江蘇、湖北和廣東)土壤固碳能力處于中等水平，而西南、華東及華北地區(qū)土壤固碳能力處于較低水平。水稻總固碳量為523.29 Tg，省份平均固碳量為17.44 Tg。從空間分布上看(圖5c)，固碳量較大的區(qū)域集中在黑龍江、河南南部、湖南、江西、安徽、江蘇等；而固碳量較小的區(qū)域位于浙江、寧夏北部、陜西南部等。

圖5 中國(guó)稻田固碳總量的空間分布Fig.5 Spatial distribution of total carbon sequestration in paddy fields in China

黑龍江、湖南、江西、湖北和江蘇的固碳能力較強(qiáng)，其作物固碳量占全國(guó)作物固碳量的一半以上(圖5d)，土壤固碳量占全國(guó)土壤總固碳量的62.96% (圖5e)，固碳總量達(dá)到285.02 Tg，固碳能力排在全國(guó)前列(圖5f)。湖南、福建、江西和廣西的雙季稻固碳量大于單季稻，雙季稻固碳量約占總固碳量的60.26%～92.19%。除廣西雙季稻播種面積大于單季稻外，湖南、福建和江西的雙季稻播種面積均小于單季稻。

3 討論

3.1 與其他研究的估算結(jié)果比較

水稻作物固碳量通常在0.115～0.917 Pg，占農(nóng)田作物固碳的40%～46%[64-65]，本研究估算的水稻作物固碳量處于該估算范圍內(nèi)，與王雅楠等[66]計(jì)算的結(jié)果相近。模型的選取以及輸入?yún)?shù)的差異會(huì)得到不同的計(jì)算結(jié)果。本研究計(jì)算得到的稻田土壤碳儲(chǔ)量為0.78 Pg，略低于PAN 等[67]計(jì)算得到的0.85 Pg，分析其可能原因包括以下2 個(gè)方面：(1) DNDC 模型計(jì)算的是土壤深度0～20 cm 的碳儲(chǔ)量，而PAN 等[67]估算的是基于實(shí)測(cè)土壤剖面資料所記錄的土壤深度；(2) PAN 等[67]估算的有機(jī)碳含量是將有機(jī)質(zhì)含量乘以0.58 轉(zhuǎn)化而得，而本研究是直接以碳(C)為計(jì)算單位，故兩者略有區(qū)別，但總體而言，本研究估算的結(jié)果與其他相關(guān)研究基本一致。

本研究對(duì)DNDC 模型進(jìn)行了參數(shù)優(yōu)化、校準(zhǔn)和驗(yàn)證，模擬值與實(shí)測(cè)值在點(diǎn)位模擬和區(qū)域模擬上均具有較好的一致性，表明DNDC 模型具有模擬稻田生態(tài)系統(tǒng)作物和土壤固碳量的能力。然而，利用DNDC 模型模擬全國(guó)水稻固碳量的時(shí)空分布格局也存在一定的不確定性[68]。首先，在區(qū)域尺度上，DNDC 模型模擬的不確定性主要來(lái)源于土壤屬性的空間異質(zhì)性，模型默認(rèn)每個(gè)模擬單元內(nèi)的土壤屬性是均一的，這與現(xiàn)實(shí)情況不符[68]，因此，在今后的研究中還需要大量田間試驗(yàn)數(shù)據(jù)來(lái)優(yōu)化模型內(nèi)部參數(shù)，減少系統(tǒng)誤差，從而更全面和準(zhǔn)確地提高模擬精度[69]。其次，長(zhǎng)期定位試驗(yàn)數(shù)據(jù)還比較欠缺，全國(guó)水稻分為單、雙季稻不夠精細(xì)等因素也會(huì)導(dǎo)致模型模擬的不確定性，因此，試驗(yàn)數(shù)據(jù)的逐步積累以及不斷增加對(duì)稻田生態(tài)系統(tǒng)固碳能力及其微生物—土壤—作物交互作用機(jī)制的認(rèn)知才能逐步減少估算的不確定性。

3.2 農(nóng)田作物碳儲(chǔ)量的碳源匯效應(yīng)

與森林和草地生態(tài)系統(tǒng)相比，農(nóng)田生態(tài)系統(tǒng)的碳匯較弱。方精云等[70]、趙寧等[71]和楊元合等[72]學(xué)者認(rèn)為：農(nóng)作物收獲期短，作物生物量的固碳作用不顯著，因此把農(nóng)作物生物量的碳匯設(shè)為零。然而，近年研究結(jié)果表明農(nóng)田作物生物量的碳匯為0.6～2.0 Pg[64-65,73]，且通過(guò)估算作物碳儲(chǔ)量動(dòng)態(tài)變化可知：隨著作物栽培技術(shù)的逐步優(yōu)化和農(nóng)業(yè)投入的快速增加，作物生產(chǎn)和固碳能力不斷增強(qiáng)[74]。農(nóng)作物自身的固碳能力在產(chǎn)量不斷增加的背景下迅速提升，作物生產(chǎn)系統(tǒng)正逐步成為一個(gè)龐大的碳庫(kù)，對(duì)于維持農(nóng)業(yè)土壤固碳、增加土壤有機(jī)碳儲(chǔ)量、確保糧食安全等至關(guān)重要[4]。

穩(wěn)定的土壤有機(jī)碳形成時(shí)間較長(zhǎng)，且農(nóng)作物大多為一年生[75]，因此在農(nóng)田生態(tài)系統(tǒng)中土壤碳儲(chǔ)量(密度)普遍大于作物植被碳儲(chǔ)量(密度)[74]，但在區(qū)域尺度上，作物具有顯著的碳匯功能，中國(guó)農(nóng)作物年均固碳量高達(dá)6×108t[76]。隨著農(nóng)業(yè)生產(chǎn)技術(shù)的提升，農(nóng)作物生產(chǎn)能力和農(nóng)作物碳蓄積量也在不斷提高，同時(shí)，作物的生產(chǎn)能力以及秸稈還田模式也會(huì)影響土壤碳庫(kù)水平[74]。因此，在農(nóng)田生態(tài)系統(tǒng)碳儲(chǔ)量及碳收支估算中應(yīng)充分重視作物碳儲(chǔ)量，并具體分析不同時(shí)空尺度的碳源匯效應(yīng)。

稻田生態(tài)系統(tǒng)在中國(guó)陸地生態(tài)系統(tǒng)碳循環(huán)中占據(jù)著重要地位，稻田的耕作制度和田間管理模式不斷優(yōu)化，尤其是土地利用變化和水稻新品種的推廣和運(yùn)用將影響稻田生態(tài)系統(tǒng)的固碳過(guò)程和固碳能力[77]。在今后的研究中，闡明各要素對(duì)稻田生態(tài)系統(tǒng)固碳功能的影響機(jī)制，提升核算與預(yù)測(cè)稻田碳中和的能力[78]，對(duì)于固碳減排和稻田可持續(xù)發(fā)展具有重要意義。

4 結(jié)論

本研究基于DNDC 模型估算中國(guó)稻田作物和土壤固碳潛力。受控試驗(yàn)和區(qū)域尺度大田觀(guān)測(cè)表明DNDC 模型能較高精度模擬作物、土壤固碳量的時(shí)空分布格局。2018—2020 年，中國(guó)稻田生態(tài)系統(tǒng)固碳量達(dá)523.29 Tg，其中單季稻固碳總量366.04 Tg，雙季稻固碳總量157.25 Tg；黑龍江、湖南和江西的固碳能力排在全國(guó)前列。作物固碳量對(duì)固碳總量貢獻(xiàn)較大，約占固碳總量的97%，而土壤固碳量?jī)H占3%。單季稻固碳量的分布呈現(xiàn)北高南低的特征，雙季稻固碳量的分布呈現(xiàn)北低南高的特征，雙季稻區(qū)北部及東部省份固碳量較小，南部省份固碳量大。