摘要為了解決模型估算法系數(shù)缺乏特定地區(qū)適應性的問題，提出了一種基于地區(qū)性耕地資源主要農(nóng)作物碳匯能力測算的實操方法，這種方法采用直接測量農(nóng)作物完整植株來測算碳吸收量，以便更好地計算具體區(qū)域耕地資源的碳匯能力，也為耕地資源碳匯能力的評估提供更加適合當?shù)靥攸c的實測數(shù)值依據(jù)。將提出的實測法在安徽省進行應用，通過與估算法結(jié)果對比，驗證了其有效性。具體地區(qū)可以根據(jù)需要進一步優(yōu)化制作符合當?shù)馗刭Y源特點的碳匯手冊。

關(guān)鍵詞耕地資源；碳匯能力測算；地區(qū)性；實操方法；安徽省

中圖分類號F301"文獻標識碼A

文章編號0517-6611（2025）02-0001-06

doi：10.3969/j.issn.0517-6611.2025.02.001

開放科學（資源服務(wù)）標識碼（OSID）：

APracticalMethodforMeasuringtheCarbonSinkCapacityofMajorCropsBasedonRegionalCultivatedLandResources—TakingAnhuiProvinceasanExample

LIANG Jun PENG Xiao-xue ZHANG Hong-mei ² et al

（1.AnhuiProvincialInstituteofLandandSpacePlanningandResearch，Hefei，Anhui230601;2.KeyLaboratoryforConservationandEcologicalRestorationofCultivatedLandResourcesinJianghuai，MinistryofNaturalResources，Hefei，Anhui230601）

AbstractInordertosolvetheproblemthatthecoefficientsofthemodelestimationmethodlacktheadaptabilitytospecificregions，thisstudyproposedapracticalmethodbasedonthemeasurementofcarbonsinkcapacityofmajorcropsofregionalarablelandresources，whichuseddirectmeasurementsofintactcropplantstomeasurecarbonsinks.Thismethodcouldbettercalculatethecarbonsinkcapacityofarablelandresourcesinspecificregionsandprovideamoresuitablemeasurednumericalbasisfortheevaluationofcarbonsequestrationcapacityofcultivatedlandresourcesaccordingtolocalcharacteristics.ThepracticalmeasurementmethodproposedinthisstudywasappliedinAnhuiProvince，anditsvaliditywasverifiedbycomparingwiththeresultsoftheestimationmethod.Specificareascouldbefurtheroptimizedaccordingtotheneedtoproduceacarbonsinkmanualthatmetthecharacteristicsoflocalarablelandresources.

KeywordsCultivatedlandresource;Carbonsinkcapacitymeasurement;Regional;Practicalmethod;AnhuiProvince

耕地資源作為我國自然資源的重要組成部分，具有較強的碳匯能力。而耕地資源主要的碳匯能力由其空間上生長的農(nóng)作物提供，對耕地農(nóng)作物碳匯能力的定量分析至關(guān)重要。

耕地農(nóng)作物碳匯能力的定量分析主要通過直接觀測和建模的方法進行，包括箱法、渦度相關(guān)法和模型計算法。

箱法是用一定體積的箱子覆蓋待測表面，計算地面和空氣中CO2的交換率，是一種直接測定碳通量的方法，也是目前小尺度研究中最流行的技術(shù)^［1-5］，因其價格低廉、操作簡便、靈敏度高而被廣泛用于溫室氣體測量^［6］。渦度相關(guān)法是通過計算湍流中垂直方向的風速脈動與相關(guān)物理量脈動的協(xié)方差，求解出物理量的湍流通量^［7-11］。渦度相關(guān)法可以大面積綜合測量微量氣體通量，具有不受環(huán)境干擾、可對樣地進行連續(xù)觀測等優(yōu)點^［12-15］。以上2種方法通過儀器觀察，數(shù)據(jù)直觀，但其適合的尺度不夠靈活，且儀器布設(shè)復雜，適應性較窄^［16-19］。而模型計算法適用于不同的時間和空間尺度，可反映碳匯的時空變化，識別特定耕作方式和種植結(jié)構(gòu)對碳匯的影響，為改變耕作管理方式以增加碳匯提供數(shù)據(jù)支持^［20-22］。目前，在大部分模型計算法的研究中，耕地農(nóng)作物碳匯能力的計算是基于李克讓^［23］的研究，根據(jù)不同農(nóng)作物產(chǎn)量、經(jīng)濟系數(shù)和碳吸收率估算農(nóng)作物生育期內(nèi)的碳吸收量（估算法）^［24］。但是該方法所采用的系數(shù)并不適用于所有地區(qū)的農(nóng)作物碳匯計算。估算法的準確度主要受計算系數(shù)的影響，如果系數(shù)不能準確反映當?shù)氐闹饕r(nóng)作物特點，就會導致結(jié)果偏差。因此，該研究為了解決估算法系數(shù)缺乏特定地區(qū)適應性的問題，提出了一種基于地區(qū)性耕地資源主要農(nóng)作物碳匯能力測算的實操方法（實操法），以更好地計算具體區(qū)域耕地資源的碳匯能力，并與估算法結(jié)果進行比較，為耕地資源碳匯能力的評估提供更加適合當?shù)靥攸c的實測數(shù)值依據(jù)。

1農(nóng)作物碳匯實測方法

1.1總體思路

根據(jù)陳羅燁等^［25］的研究，耕地資源的碳匯能力主要指耕地中的農(nóng)作物在生長周期內(nèi)通過光合作用對大氣碳的固定，農(nóng)作物碳吸收量反映了耕地碳匯能力的強弱。

實測法主要是在全省具有代表性的樣地中采集收獲時間內(nèi)生長狀況良好且成熟的作物植株，在進行晾干、烘干、粉碎后，測量干重和含碳量。進一步通過測定植株種植密度，結(jié)合種植面積，得到主要作物的生物固碳量。農(nóng)作物碳吸收總量的計算公式如下：

Ca=Cj=（Pj×Kj×CFj×ρj×Aj）

式中：Ca表示農(nóng)作物碳吸收總量（t）；Cj表示第j種農(nóng)作物的碳吸收量（t）；Pj表示第j種農(nóng)作物的平均單株生物量（濕重），單位為g/株；Kj表示第j種農(nóng)作物濕重與干重之間的轉(zhuǎn)換系數(shù)；CFj表示第j種農(nóng)作物干重下的含碳比率；ρj表示第j種農(nóng)作物的平均種植密度（株/m2）；Aj表示第j種農(nóng)作物的播種面積（m2）。各地市主要作物播種面積來源于2011—2023年《安徽省統(tǒng)計年鑒》。

1.2安徽省耕地資源主要農(nóng)作物選擇

為了研究特定地區(qū)如安徽省的耕地資源碳匯能力，需要確定安徽省耕地資源主要農(nóng)作物種類。對各主要農(nóng)作物進行采樣并測算農(nóng)作物植株的碳吸收量，進而計算安徽省耕地資源主要農(nóng)作物的碳吸收量。

安徽省耕地作物種類包括糧食作物、油料、棉花、麻類、糖料、煙葉、藥材類、蔬菜（含菜用瓜）、瓜果類（果用瓜）和其他作物。其中，糧食作物除包括稻谷、小麥、玉米、高粱、谷子及其他雜糧外，還包括薯類和豆類。全部油料作物包括花生、油菜籽、芝麻、葵花籽、胡麻籽（亞麻籽）和其他油料，不包括大豆、木本油料和野生油料。雖然作物種類較多，但大部分并非安徽耕地主要種植的作物。因此，該研究根據(jù)2011—2023年《安徽省統(tǒng)計年鑒》中的農(nóng)業(yè)數(shù)據(jù)，對安徽省耕地種植結(jié)構(gòu)占比情況進行統(tǒng)計，篩選主要作物種類。經(jīng)統(tǒng)計，安徽省種植結(jié)構(gòu)（播種面積）占比2010—2022年一直超過全省占比2%的農(nóng)作物有水稻、小麥、玉米、大豆和油菜。故該研究選取全省種植面積較廣的典型農(nóng)作物水稻、小麥、玉米、大豆和油菜開展耕地碳吸收計算。

1.3確定采樣代表縣（市、區(qū)）

在實測法中，代表性樣地的選取是根據(jù)統(tǒng)計年鑒中各縣（市、區(qū)）5種主要農(nóng)作物產(chǎn)量，將每個地級市產(chǎn)量最高的縣（市、區(qū)）作為采樣縣（市、區(qū)）。表2為安徽省各主要農(nóng)作物主要種植縣（市、區(qū)）。北方多小麥而少水稻，南方多水稻而少小麥，玉米、豆類、油菜各縣（市、區(qū)）均有種植，各縣（市、區(qū)）產(chǎn)量有所差異。

1.4實測結(jié)果

實測法在對應農(nóng)作物收獲期內(nèi)采集水稻、小麥、玉米、大豆和油菜樣本，剔除運輸過程中損壞、采集表填寫不規(guī)范、檢測數(shù)據(jù)異常等不合規(guī)樣本后，分別對不同農(nóng)作物的剩余有效樣本提取均值，得到全省水稻、小麥、玉米、大豆和油菜的干重、種植密度和全碳含量（表3），進一步結(jié)合統(tǒng)計年鑒中的播種面積，計算得到各種農(nóng)作物的碳吸收量。

2農(nóng)作物碳吸收量估算方法

估算法通過農(nóng)作物的產(chǎn)量和干物重估算2011—2023年安徽省耕地碳吸收量。由于在實測法中，對農(nóng)作物固碳量的測算包含了植株和根系，因此選擇考慮根冠比的統(tǒng)計分析方法用于碳吸收的估算，便于與實測法開展對比。根據(jù)李明琦等^［26-28］的研究，結(jié)合農(nóng)作物產(chǎn)量、經(jīng)濟系數(shù)、根冠比、含碳量和水分系數(shù)等指標來計算不同農(nóng)作物全生育期的碳吸收量，計算公式如下：

W=ni=1Wi=ni=1［Ci×Ki×（1-Vi）×（1+Ri）］/Hi

式中：W為耕地生態(tài)系統(tǒng)碳吸收量；i為第i種農(nóng)作物類型；Wi為第i種農(nóng)作物全生育期碳吸收總量；Ci表示第i種農(nóng)作物含碳率；Ki為第i種農(nóng)作物產(chǎn)量；Vi為第i種農(nóng)作物水分系數(shù)；Ri為第i類農(nóng)作物根冠比；Hi為第i類農(nóng)作物經(jīng)濟系數(shù)；n為農(nóng)作物種類數(shù)。

在估算法中，對農(nóng)作物碳吸收的估算涉及農(nóng)作物產(chǎn)量、經(jīng)濟系數(shù)、根冠比、碳吸收率和含水量，其中各地市主要農(nóng)產(chǎn)品產(chǎn)量來源于2011—2023年《安徽省統(tǒng)計年鑒》。經(jīng)濟系數(shù)指作物的經(jīng)濟產(chǎn)量與生物產(chǎn)量的比例，不同的農(nóng)作物由于生長期、植株自身大小等的不同使得碳吸收量差異很大。李克讓^［23］測算了中國主要農(nóng)作物的經(jīng)濟系數(shù)和作物光合作用合成1 g干物質(zhì)所吸收的碳量（即碳吸收率），該研究選用其測算的數(shù)值作為對應指標系數(shù)。根冠比指植物地下部分與地上部分的鮮重或干重的比值，其值反映了植物地下部分與地上部分的相關(guān)性，主要作物的根冠比參考苗果園等^［29］的結(jié)果。而作物經(jīng)濟部分的含水量來源于韓召迎等^［30］的研究。綜上，該研究所選取的主要農(nóng)作物經(jīng)濟系數(shù)、根冠比、碳吸收率和含水量如表4所示。

3碳吸收量估算值與實測值對比分析

由于安徽省最新統(tǒng)計年鑒為2022年，故分別采用估算法和實測法計算不同農(nóng)作物碳吸收量并進行對比，分析實測法的有效性。估算法根據(jù)不同農(nóng)作物產(chǎn)量、根冠比、含水量、經(jīng)濟系數(shù)和含碳率計算得到2022年安徽省耕地碳吸收量；實測法通過在全省開展小麥、油菜、玉米、大豆和水稻生物量采集，計算得到2022年安徽省主要農(nóng)作物生物固碳量。

根據(jù)2022年全省水稻碳吸收量估算值與實測值對比結(jié)果（表5），估算的水稻碳吸收量為2053.07萬t，實測的碳吸收量為1981.81萬t，估算值高于實測值，二者的絕對差值為71.26萬t，相對差值為3.60%，相對差值在±5%以內(nèi)，表明估算值與實測值總體較為接近。從各地市來看，除了亳州市、蚌埠市、阜陽市和池州市，其余地區(qū)估算值均高于實測值。大部分地市的相對差值都在±10%以內(nèi)，其中池州市的水稻碳吸收量估算值與實測值最接近，相對差值僅為-0.14%，亳州市的相對差值絕對值最大，相對差值達-23.28%。

根據(jù)2022年全省小麥碳吸收量估算值與實測值對比結(jié)果（表6），估算的小麥碳吸收量為2555.92萬t，實測的碳吸收量為2399.76萬t，估算值高于實測值，二者的絕對差值為156.16萬t，相對差值為6.51%，相對差值在±10%以內(nèi)，表明估算值與實測值總體相差不大。從各地市來看，除了皖北地區(qū)的淮北市、亳州市、宿州市、蚌埠市和阜陽市，其余地區(qū)估算值均低于實測值。16個地市的相對差值均在±35%以內(nèi)，其中淮南市的小麥碳吸收量估算值與實測值最接近，相對差值僅為-1.27%，淮北市的相對差值絕對值最大，相對差值達32.62%，這是由于該地的小麥播種面積較小，碳吸收量較少，導致相對差值偏大。

根據(jù)2022年全省玉米碳吸收量估算值與實測值對比結(jié)果（表7），估算的玉米碳吸收量為788.15萬t，實測的碳吸收量為862.13萬t，估算值低于實測值，二者的絕對差值為-73.98萬t，相對差值為-8.58%，相對差值也在±10%以內(nèi)，表明估算值與實測值總體相差不大。從各地市來看，除了亳州市、蕪湖市、宣城市、銅陵市、安慶市和黃山市，其余地市碳吸收量估算值均低于實測值。相對差值絕對值最小的為黃山市，相對差值僅為0.11%，相對差值絕對值最大的為馬鞍山市，相對差值達-21.21%。

根據(jù)2022年全省大豆碳吸收量估算值與實測值對比結(jié)果（表8），估算的大豆碳吸收量為126.32萬t，實測的碳吸收量為160.09萬t，估算值低于實測值，二者的絕對差值為-33.77萬t，相對差值為-21.09%。從各地市來看，除了池州市和黃山市，其余地市碳吸收量估算值均低于實測值。相對差值絕對值最小的為黃山市，相對差值僅為0.67%，亳州市的相對差值絕對值最大，相對差值達到-29.59%。

根據(jù)2022年全省油菜碳吸收量估算值與實測值對比結(jié)果（表9），估算的油菜碳吸收量為162.41萬t，實測的碳吸收量為153.65萬t，估算值高于實測值，二者的絕對差值為8.76萬t，相對差值為5.70%，相對差值也在±10%以內(nèi)，表明估算值與實測值總體差距不大。從各地市來看，除了淮北市、宿州市、蚌埠市、六安市和黃山市，其余地市碳吸收量估算值均高于實測值。相對差值絕對值最小的為安慶市，相對差值僅為1.30%，黃山市的相對差值絕對值最大，相對差值達到-29.28%。

將2022年全省碳吸收總量估算值與實測值進行對比，結(jié)果發(fā)現(xiàn)（表10），估算的全省碳吸收總量為5685.87萬t，實測的碳吸收總量為5557.44萬t，估算值略高于實測值，二者的絕對差值為128.43萬t，相對差值僅為2.31%，估算值與實測值極為接近。從各地市來看，淮北市、亳州市、阜陽市、淮南市、馬鞍山市和蕪湖市的碳吸收總量估算值高于實測值，

其余地市碳吸收總量估算值均低于實測值。16個地市的相對差值都在±20%以內(nèi)，其中相對差值絕對值最小的為黃山市，相對差值僅為-0.07%，相對差值絕對值最大的是亳州市，相對差值達到16.61%。

將16個地市的水稻、小麥、玉米、大豆和油菜的碳吸收量估算值與實測值進行趨勢線擬合，結(jié)果如圖1所示。5種農(nóng)作物的決定系數(shù)（R2）均超過0.9700，其中水稻的R2最高，接近于玉米、大豆和油菜的R2均在0.9800以上?？傮w決定系數(shù)（R2）為0.9846，表明擬合效果較好，估算值和實測值之間較為接近。

通過將采用實測法與估算法得到的安徽省主要農(nóng)作物碳吸收量結(jié)果進行對比，發(fā)現(xiàn)實測法與估算法的結(jié)果相對差值總體位于±20%以內(nèi)，證明了實測法具備有效性。但需要注意的是，實測法受到試驗過程的各種因素干擾較多，需要嚴格管控采樣流程，以保證結(jié)果有效。

4結(jié)論

該研究提出了一種基于地區(qū)性耕地資源主要農(nóng)作物碳匯能力測算的實操方法，可以更好地計算具體區(qū)域耕地資源的碳匯能力，為耕地資源碳匯能力的評估提供更加適合當?shù)靥攸c的實測數(shù)值依據(jù)；與估算法結(jié)果進行比較后，發(fā)現(xiàn)其具備有效性。未來可以通過長時間、嚴格的試驗過程管理，進行數(shù)據(jù)積累，形成真實準確、符合當?shù)靥卣鞯奶紖R數(shù)據(jù)，制作區(qū)域性碳匯手冊，為本地化耕地資源碳匯監(jiān)測和碳交易提供準確的數(shù)據(jù)支撐。

參考文獻

［1］MALJANENM，KOMULAINENVM，HYTNENJ，etal.Carbondioxide，nitrousoxideandmethanedynamicsinborealorganicagriculturalsoilswithdifferentsoilcharacteristics［J］.Soilbiologyamp;biochemistry，2004，36（11）：1801-1808.

［2］MELLINGL，HATANOR，GOHKJ.SoilCO2fluefromthreeecosystemsintropicalpeatlandofSarawak，Malaysia［J］.TellusB：Chemicalandphysicalmeteorology，2005，57（1）：1-11.

［3］GRANLIT.Theexperimentalbasis，nitrousoxidefromagriculture［J］.NorwegianJAgricSci，1994，12：22-29.

［4］KUSAK，SAWAMOTOT，HURG，etal.Comparisonoftheclosed-chamberandgasconcentrationgradientmethodsformeasurementofCO2andN2Ofluxesintwouplandfieldsoils［J］.Soilscienceandplantnutrition，2008，54（5）：777-785.

［5］WANGYY，LIXX，DONGWX，etal.Depth-dependentgreenhousegasproductionandconsumptioninanuplandcroppingsysteminnorthernChina［J］.Geoderma，2018，319：100-112.

［6］TANGXL，LIUSG，ZHOUGY，etal.Soil-atmosphericexchangeofCO2，CH4，andN2OinthreesubtropicalforestecosystemsinsouthernChina［J］.Globalchangebiology，2006，12（3）：546-560.

［7］BERNACCHICJ，HOLLINGERSE，MEYERST.Theconversionofthecorn/soybeanecosystemtono-tillagriculturemayresultinacarbonsink［J］.Globalchangebiology，2005，11（11）：1867-1872.

［8］WANGYY，HUCS，DONGWX，etal.Carbonbudgetofawinter-wheatandsummer-maizerotationcroplandintheNorthChinaPlain［J］.Agricultureecosystemsamp;environment，2015，206：33-45.

［9］劉曉曼，程雪玲，胡非.北京城區(qū)二氧化碳濃度和通量的梯度變化特征：I濃度與虛溫［J］.地球物理學報，2015，58（5）：1502-1512.

［10］"DEMYANMS，INGWERSENJ，F(xiàn)UNKUINYN，etal.Partitioningofecosystemrespirationinwinterwheatandsilagemaize-modelingseasonaltemperatureeffects［J］.Agriculture，ecosystemsamp;environment，2016，224：131-144.

［11］DIAZMB，ROBERTIDR，CARNEIROJV，etal.DynamicsofthesuperficialfluxesoverafloodedricepaddyinsouthernBrazil［J］.Agriculturalandforestmeteorology，2019，276/277：1-14.

［12］ZHANGYP，QINZC，LITT，etal.Carbondioxideuptakeoverridesmethaneemissionattheair-waterinterfaceofalgae-shellfishmaricultureponds：Evidencefromeddycovarianceobservations［J］.Scienceofthetotalenvironment，2022，815：1-11.

［13］樸世龍，何悅，王旭輝，等.中國陸地生態(tài)系統(tǒng)碳匯估算：方法、進展、展望［J］.中國科學：地球科學，2022，52（6）：1010-1020.

［14］祁亞輝，王小丹.陸地生態(tài)系統(tǒng)碳通量面臨的挑戰(zhàn)與機遇：基于渦度協(xié)方差測定［J］.生態(tài)學報，2023，43（8）：2979-2994.

［15］LAWBE，WILLIAMSM，ANTHONIPM，etal.MeasuringandmodellingseasonalvariationofcarbondioxideandwatervapourexchangeofaPinusponderosaforestsubjecttosoilwaterdeficit［J］.Globalchangebiology，2000，6（6）：613-630.

［16］LOESCHERHW，LAWBE，MAHRTL，etal.Uncertaintiesin，andinterpretationof，carbonfluxestimatesusingtheeddycovariancetechnique［J］.Journalofgeophysicalresearch：Atmospheres，2006，111（D21）：1-19.

［17］RICHARDSONAD，BRASWELLBH，HOLLINGERDY，etal.Comparingsimplerespirationmodelsforeddyfluxanddynamicchamberdata［J］.Agriculturalandforestmeteorology，2006，141（2/3/4）：219-234.

［18］蘇榮瑞，劉凱文，耿一風，等.江漢平原稻-油連作系統(tǒng)冠層CO2通量變化特征［J］.中國農(nóng)業(yè)氣象，2012，33（3）：362-367.

［19］ZHENGXH，HANSH，HUANGY，etal.Re-quantifyingtheemissionfactorsbasedonfieldmeasurementsandestimatingthedirectN2OemissionfromChinesecroplands［J］.Globalbiogeochemicalcycles，2004，18（2）：1-19.

［20］SHEW，WUY，HUANGH，etal.IntegrativeanalysisofcarbonstructureandcarbonsinkfunctionformajorcropproductioninChina’stypicalagricultureregions［J］.Journalofcleanerproduction，2017，162：702-708.

［21］LIUZT，YINGH，CHENMY，etal.OptimizationofChina’smaizeandsoyproductioncanensurefeedsufficiencyatlowernitrogenandcarbonfootprints［J］.Naturefood，2022：426-433.

［22］CHENBZ，ZHANGHF，WANGT，etal.AnatmosphericperspectiveonthecarbonbudgetsofterrestrialecosystemsinChina：Progressandchallenges［J］.Sciencebulletin，20266（17）：1713-1718.

［23］李克讓．土地利用變化和溫室氣體凈排放與陸地生態(tài)系統(tǒng)碳循環(huán)［M］.北京：氣象出版社，2002：260－265．

［24］許萍萍，趙言文，陳顥明，等.江蘇省農(nóng)田生態(tài)系統(tǒng)碳源/匯、碳足跡動態(tài)變化［J］.水土保持通報，2018，38（5）：238-243.

［25］陳羅燁，薛領(lǐng)，雪燕.中國農(nóng)業(yè)凈碳匯時空演化特征分析［J］.自然資源學報，2016，31（4）：596-607.

［26］李明琦，劉世梁，武雪，等.云南省農(nóng)田生態(tài)系統(tǒng)碳足跡時空變化及其影響因素［J］.生態(tài)學報，2018，38（24）：8822-8834.

［27］翁翎燕，朱振宇，韓許高，等.江蘇省農(nóng)田植被凈碳匯時空格局分析［J］.農(nóng)業(yè)工程學報，2018，34（6）：233-241.

［28］張鵬巖，何堅堅，龐博，等.農(nóng)田生態(tài)系統(tǒng)碳足跡時空變化：以河南省為例［J］.應用生態(tài)學報，2017，28（9）：3050-3060.

［29］苗果園，尹鈞，張云亭，等.中國北方主要作物根系生長的研究［J］.作物學報，1998，24（1）：1-6.

［30］韓召迎，孟亞利，徐嬌，等.區(qū)域農(nóng)田生態(tài)系統(tǒng)碳足跡時空差異分析：以江蘇省為案例［J］.農(nóng)業(yè)環(huán)境科學學報，2012，31（5）：1034-1041.