基于DNDC模型的崇明岛农田土壤有机碳变化模拟和预测

2017-06-04张翰林吕卫光李双喜张娟琴黄仁影郑宪清

上海农业学报 2017年5期

张翰林,吕卫光,施俭,李双喜,张娟琴,黄仁影,左狄,郑宪清∗

(1上海市农业科学院生态环境保护研究所,上海201403;2崇明区农业技术推广中心,上海202150;3安顺学院农学院,贵州561000)

据估计,全球农田的碳储量高达170 Pg,占全球陆地碳储量的10%以上[1],农田生态系统同时还具有巨大的固碳潜力,不同尺度的碳储存和固碳潜力可以作为评价一个区域的农业与环境质量的间接指标[2-3]。近年来,大区域农田生态系统碳循环越来越受到人们关注,研究与开发农田增加碳汇的有效措施也成为研究热点[4-5]。崇明岛地处长江入海口,是世界最大河口冲积岛,也是我国的第三大岛,研究其碳储存及有机碳库的变化趋势特征具有重要的意义。

农田碳循环的过程受到气象条件、农业管理措施、土壤肥力以及耕作方式等多重影响,采用模型模拟相比常规观测试验可综合考虑各项因素,简化试验过程,为区域情况摸底和技术推广提供可靠的方法和依据[6]。DNDC(DeNitrification-DeComposition)模型是目前国际上最成功的陆地生态系统生物地球化学循环模型之一,在世界各地不同生态系统中都得到了验证与应用。Tang等[7]利用DNDC模拟出我国粮田土壤碳储量大约为3 968 Tg C,估计我国每年粮田生态系统净排放118 Tg C;在我国、美国的稻田,DNDC所模拟的碳储存量和温室气体排放量与实测结果均高度一致[8-9]。李长生[10]则利用DNDC完成了对中国农田近20年土壤有机碳变化量的估算。

本研究以崇明岛14个乡镇监测点的3种农田类型(粮田、菜田和果园)为研究对象,以2003年数据为背景值,利用崇明岛2009年和2013年土壤普查数据对参数的适宜性进行了验证与校准,完成DNDC模型的崇明本地化,同时针对崇明岛现有有机肥施用和秸秆还田技术进行未来20年农田土壤有机碳含量变化预测,为DNDC模型进一步应用于崇明岛农用土壤有机碳含量演变研究提供参考,为提升崇明岛农田土壤碳储存提供科学依据。

1 材料与方法

1.1 崇明岛区域概况

崇明岛位于东经 121°09′30″—121°54′00″,北纬 31°27′00″—31°51′15″。全岛东西长约 76 km,南北宽13—18 km不等,总面积约1 411 km2。崇明地处北亚热带,具有显著的季风气候特征。四季分明,气候温和,日照充足,雨水充沛,年平均气温15.3℃,降水量1 003.7 mm,日照时数2 104 h,日照百分率47%,全年无霜期229 d。四面环水,境内河道纵横,全岛地势低平,90%以上的土地标高(以吴淞标高0 m为参照)在3.21—4.20 m。地下水位偏高,平均为85.7 cm。

1.2 样点设置

从2003年、2009年、2013年3次崇明土壤普查数据库中选取14个监测点,包含了崇明14个乡镇(每个乡镇1个样点),粮田(6个样点)、菜田(6个样点)和果园(2个样点)3种农田类型,根据不同乡镇的主要农作物面积进行种植类型的选取,收集样点的GIS点位、施肥时间与方式、施肥种类与数量、灌溉方式、秸秆还田数量等信息。具体监测点位信息见表1。

表1 各乡镇监测点位信息Table 1 Monitoring points information of townships

1.3 土壤测定方法

土壤总有机碳测定采用重铬酸钾氧化-分光光度法,pH采用电位法测定(水土比2.5∶1),土壤容重及含水量采用环刀法测定[11]。

1.4 模型属性参数设置

设置DNDC模型中与农业生产密切相关的参数模块[12-13],包括点位数据模块,土壤普查时采用GPS确定点位坐标;土壤初始数据模块,数据来源于2003年崇明土壤普查数据,包括有机碳含量、土壤容重、pH等指标;气象数据模块,数据来源于崇明气象局逐日气象数据,包括日最高最低气温和日降水量等;施肥数据模块,包括一年中各季作物的施肥时间、方式、化肥类型以及施肥量等,在土壤普查时收集获得;灌溉数据模块,包括灌溉方式、时间、次数、深度等,同样在土壤普查时收集获得。

1.5 模型验证

尽管DNDC模型在中国乃至世界多处已经有了成功应用的范例,但还没有针对崇明岛土壤有机碳的模拟,因此要对其模拟值与实测值进行精度验证,以确定DNDC模型在本地区的适应性。

模拟的精度通过每个模拟值与实测值的相关系数r、均差M和均方根误差RMSE(Root-mea-square error)来表示与验证,公式如下[14]:

式中,OBSi为实测值,SMi为模拟值为实测平均值,n为样本容量。

系统软件功能主要包括:智能拐杖终端软件和手机端监测软件。其中,在智能拐杖终端软件中,UM220模块获取时间、空间信息以及移动速度,体温传感器获取老人体温,心率传感器获取老人心率,移动状态判断模块判断老人移动状态,LCD1602显示数据,GSM无线数据传输。手机端监测软件“北斗手杖”接收终端发送的信息。该系统的智能拐杖终端软件流程如图7所示。

RMSEn＜10%,表明模拟值与实测值一致性非常好;介于10%—20%之间,说明模拟效果较好;若介于20%—30%之间表明模拟效果一般;RMSEn＞30%表明模拟效果差,模拟值与实测值偏差大。

1.6 数据处理

本研究中试验数据采用Excel 2007和SPSS 17.0软件进行统计分析,用Excel 2007作图。

2 结果与分析

2.1 不同监测点位土壤有机碳含量变化趋势

崇明岛14个监测点的2003年、2009年和2013年的土壤有机碳含量变化情况见图1。从2003年到2013年14个乡镇土壤有机碳含量均有一定程度提升,但增加速率差异较大,增长幅度范围在7.20%—120.39%。其中增长幅度在50%以上有6个乡镇,均为采用了秸秆还田或者是施用有机肥技术的乡镇,可见秸秆还田和施用有机肥可有效的增加土壤有机碳。港沿镇和中兴镇试验点增长幅度均低于10%,施肥种类为复合肥与BB肥,可知仅施用化肥、无其他有机添加物很难促进土壤有机碳的增长。

图1 崇明14个乡镇监测点位土壤有机碳含量变化趋势Fig.1 Variations of soil organic carbon in 14 monitoring points of Chongming

2.2 DNDC模型模拟及验证

不同乡镇监测点土壤有机碳的模型模拟检验结果如图2和图3所示。DNDC模拟土壤有机碳的变化趋势与实际观测数据趋势相关性较好,相关系数均达到了0.95以上,2009年和2013年监测与模拟数据的RMSE值均小于10%(表2)。这说明DNDC模拟值与实测值一致性较好,利用DNDC模型模拟崇明岛不同农田类型的土壤有机碳变化趋势是可行的。

图2 2013年崇明14个乡镇监测点位土壤有机碳实测值(2013O)和模拟值(2013S)Fig.2 Observed values(2013O)and simulated values(2013S)of soil organic carbon of 14 monitoring points in Chongming in 2013

图3 2009年崇明14个乡镇监测点位土壤有机碳实测值(2009O)和模拟值(2009S)Fig.3 Observed values(2009O)and simulated values(2009S)of soil organic carbon of 14 monitoring points in Chongming in 2009

表2 不同监测点位土壤有机碳含量模拟验证结果Table 2 Verification of soil organic carbon content simulation of different monitoring points

2.3 土壤有机碳未来变化趋势预测

本研究选取粮田、菜田和果园面积最大的乡镇(粮田:三星镇,菜田:中兴镇,果园:绿华镇)监测点为例,对不同农业措施(秸秆还田和有机肥施用)下不同农田类型土壤有机碳含量未来20年的变化趋势进行预测。选择2004—2013年的气象条件作为前10年的模拟条件,后10年重复该气象数据。保持原有施肥总量不变,调节秸秆还田量和有机肥施用量进行预测。

由于秸秆还田主要应用于粮田系统,因此主要选取粮田监测点进行秸秆还田数量对于土壤有机碳含量的影响预测。根据目前实际还田情况,施肥采用复合肥,保持施肥纯氮量不变的条件下,设置5个秸秆还田量(t∕hm2):0、3、6、9、12。由图4可知,在没有秸秆还田的情况下,表层土壤(0—20 cm)有机碳有缓步降低的趋势,增长率为-2.63%,当还田量为3、6、9、12时,有机碳增长率分别达到2.61%、6.49%、10.97%和15.29%,说明秸秆还田可以长期提高崇明地区粮田土壤有机碳含量,且提高数量与还田量正相关。

选取粮田、菜田和果园监测点进行有机肥施用量对于土壤有机碳含量的影响预测。根据目前粮田实际施肥情况,施肥采用复合肥与有机肥,保持各处理施肥纯氮量一致,设置5个有机肥施用量(t∕hm2):0、3、6、9、12。由图5可知,在仅施用化肥的情况下,表层土壤(0—20 cm)有机碳呈现降低的趋势,增长率为-2.63%,当有机肥施用量为3、6、9、12时,有机碳增长率分别达到3.40%、10.97%、17.31%和24.84%。有机肥施用可以长期提高崇明地区粮田土壤有机碳含量,且提高数量与有机肥施用量正相关。

图4 不同秸秆还田数量对粮田土壤有机碳含量影响的模拟Fig.4 Simulation of effect of straw manuring quantity on soil organic carbon in grain field

图5 不同有机肥施用量对粮田土壤有机碳含量影响的模拟Fig.5 Simulation of effect of organic fertilizer rate on soil organic carbon in grain field

根据目前果园实际施肥情况,施肥采用复合肥与有机肥,保持各处理施肥纯氮量一致,设置4个有机肥施用量(t∕hm2):0、7.5、15.0、22.5。由图7可知,在仅施用化肥的情况下,表层土壤(0—20 cm)有机碳呈现降低的趋势,增长率为-6.30%,当有机肥施用量为7.5、15.0、22.5时,有机碳增长率分别达到19.12%、39.57%和59.86%。有机肥施用可以长期提高崇明果园土壤有机碳含量,提高数量与有机肥施用量正相关。

图6 不同有机肥施用量对菜田土壤有机碳含量影响的模拟Fig.6 Simulation of effect of organic fertilizer rate on soil organic carbon in vegetable field

图7 不同有机肥施用量对果园土壤有机碳含量影响的模拟Fig.7 Simulation of effect of organic fertilizer rate on soil organic carbon in orchard

3 讨论

应用DNDC模型进行大区域土壤有机碳模拟与预测早有先例,解宪丽等[15]以江西省余江县为例,利用DNDC模型模拟研究了典型红壤丘陵区土壤有机碳储量及其变化,模拟结果与实测结果基本相符;韩东亮等[16]利用DNDC模型较准确地模拟了不同施肥方式对土壤有机碳的影响,对新疆干旱绿洲农田土壤有机碳演变趋势进行了预测。因此,采用DNDC模型对区域农田土壤有机碳含量变化进行模拟与预测是可行的。

前人利用DNDC模型在崇明岛也已开展了一些研究。黄丽华等[17]在崇明东滩园区开展了肥水管理对田间N2O排放的影响研究,结果表明DNDC模型能较好地模拟该地区N2O的排放情况。侯玉兰[18]利用静态箱-GC法在崇明岛监测了农田CO2、CH4和N2O的日排放通量,并以此验证了DNDC模型,DNDC模型在温室气体排放方面的模拟已经在崇明地区得到了广泛的验证。本研究利用DNDC在模拟崇明农田土壤有机碳方面进行了验证,结果显示该模型模拟数值的RMSE值小于10%,能够用于崇明岛不同种植类型农田土壤有机碳的模拟研究。

本研究在经过验证后,应用DNDC模型对崇明现有农田管理措施中的秸秆还田和有机肥施用措施进行模拟与预测。秸秆还田是提高资源利用率、节本增效、提高耕地基础地力和发展可持续农业不可替代的有效途径,在粮食作物生产中具有重要地位。前人研究发现[19-20],粮田秸秆还田对改善土壤的理化性状有明显效果,能显著增加土壤有机质积累,提高土壤养分,增强土壤蓄水能力和田间水的利用效率,显著提高粮食作物经济产量。本研究无论是实测数据还是模拟数据都证实了秸秆还田对土壤有机碳提升的作用,目前崇明岛正在积极推广粮田秸秆还田技术,还田量大多在3—12 t∕hm2,根据模拟数据可知,现行秸秆还田方式可以显著提升土壤碳储存量,应继续保持并扩大推广面积。

施用有机肥是另一种有效的生态农业技术,前人研究表明[21-22]单施有机肥或有机肥配施化肥为土壤微生物提供碳源,加速土壤生物活动,因而能够明显提高土壤有机碳氮贮量及轻组有机质碳氮含量及其比例,效果显著优于化肥单施。本研究的实测和模拟结果也验证了这一点,针对目前粮田、菜田和果园中有机肥的应用情况进行了模拟,结果显示在粮田中应该加大有机肥施用量,少量使用对于有机碳积累并不明显;菜田施用有机肥后有机碳提升明显,但高于11.25 t∕hm2后提升效果有所降低;果园土壤有机碳对于有机肥的施用反应显著,提高数量与有机肥施用量成正比。

4 结论

(1)2003—2013年崇明14个乡镇监测点土壤有机碳含量增长幅度范围在7.20%—120.39%,增加速率差异较大。

(2)应用2003—2013年的土壤有机碳实测数据对DNDC模型进行本地化模拟与验证,结果显示模拟值与实测值的RMSE值均小于10%,该模型能够较好地模拟崇明岛不同种植类型农田土壤有机碳动态变化。

(3)对秸秆还田和有机肥施用下不同种植类型土壤有机碳含量进行模拟,结果显示崇明农田碳储量依然有很大的提高潜力,崇明现行的秸秆还田与施用有机肥技术均可显著提升土壤有机碳含量,应继续保持并扩大推广面积。

[1]LAL R.Agricultural activities and the global carbon cycle[J].Nutrient Cycling in Agroecosystems,2004,70(2):103-116.

[2]郑聚锋,程琨,潘根兴,等.关于中国土壤碳库及固碳潜力研究的若干问题[J].科学通报,2011,56(26):2162-2173.

[3]张凡,李长生.气候变化影响的黄土高原农业土壤有机碳与碳排放[J].第四纪研究,2010,30(3):566-572.

[4]王德营,姚艳敏,司海青,等.黑土有机碳变化的DNDC模拟预测[J].中国生态农业学报,2014,22(3):277-283.

[5]马玉芳,蔡立群,张仁陟.黄土高原丘陵沟壑区农业生态系统碳循环模拟研究[J].生态环境学报,2010,19(12):2875-2880.

[6]解宪丽,孙波,潘贤章.红壤丘陵区土壤有机碳储量模拟[J].中国人口·资源与环境,2010,20(9):146-152.

[7]TANG H,QIU J,VAN RANST E,et al.Estimations of soil organic carbon storage in cropland of China based on DNDC model[J].Geoderma,2006,134(1):200-206.

[8]WU H B,GUO Z L,GAO Q,et a1.Distribution of soil inorganic carbon storage and its changes due to agricultural land use activity in China[J].Agriculture,Ecosystems&Environment,2009,129:413-421.

[9]JOHNSON M F,REICOSKY D C,ALLMARAS R R,et al.Greenhouse gas contributions and mitigation potential of agriculture in the Central USA[J].Soil and Tillage Research,2005,83:73-94.

[10]李长生.土壤碳储量减少:中国农业之隐患:中美农业生态系统碳循环对比研究[J].第四纪研究,2000,20(4):345-350.

[11]中国科学院南京土壤研究所.土壤理化分析[M].上海:上海科学技术出版社,1981:62-142.

[12]巴特尔·巴克,彭镇华,张旭东,等.生物地球化学循环模型DNDC及其应用[J].土壤通报,2007,38(6):1208-1212.

[13]陈长青,胡清宇,孙波,等.长期施肥下石灰性潮土有机碳变化的DNDC模型预测[J].植物营养与肥料学报,2010,16(6):1410-1417.

[14]孙玉桃,廖育林,郑圣先,等.长期施肥对双季稻种植下土壤有机碳库和固碳量的影响[J].应用生态学报,2013,24(3):732-740.

[15]解宪丽,孙波,潘贤章.红壤丘陵区土壤有机碳储量模拟[J].中国人口·资源与环境,2010,20(9):146-152.

[16]韩东亮,贾宏涛,朱新萍,等.DNDC模型预测新疆灰漠土农田有机碳的动态变化[J].资源科学,2014,36(3):577-583.

[17]黄丽华,沈根祥,顾海蓉,等.肥水管理方式对蔬菜田N2O释放影响的模拟研究[J].农业环境科学学报,2009,28(6):1319-1324.

[18]侯玉兰.崇明岛稻麦轮作田温室气体排放规律及排放量估算研究[D].上海:华东师范大学,2013.

[19]陈尚洪,朱钟麟,刘定辉,等.秸秆还田和免耕对土壤养分及碳库管理指数的影响研究[J].植物营养与肥料学报,2008,14(4):806-809.

[20]马力,杨林章,肖和艾,等.长期施肥和秸秆还田对红壤水稻土氮素分布和矿化特性的影响[J].植物营养与肥料学报,2011,17(4):898-905.

[21]侯红乾,刘秀梅,刘光荣,等.有机无机肥配施比例对红壤稻田水稻产量和土壤肥力的影响[J].中国农业科学,2011,44(3):516-523.