不同耕作措施下旱作春小麦农田二氧化碳排放模拟及敏感性分析

姚 瑶，李 广,,王 钧，杨传杰，张世康，刘帅楠

(1.甘肃农业大学信息科学技术学院,甘肃 兰州 730070; 2.甘肃农业大学林学院,甘肃 兰州 730070; 3.甘肃农业大学农学院，甘肃 兰州 730070)

气候变暖是当前国际社会普遍关注的全球性问题之一，而导致其产生的主要原因是温室气体的排放。CO2作为温室气体的重要组成部分，其对气候变暖的增温贡献率达56%[1-2]。有研究表明，每年大气中有5%～20%的CO2排放源来自农业生产活动[3-4]。近些年，有研究发现[4-6]耕作措施不仅会改变农田土壤质量，还会影响农田温室气体排放。因此，关注不同耕作措施对旱作农田CO2排放的影响具有重要意义。

目前，通过生物地球化学过程模型来模拟复杂生态系统是研究陆地生态系统碳、氮循环与全球变化的地球表层过程的重要方法，而DNDC模型作为国际生态学广泛验证和推广的生物地球化学过程模型之一，自1992年首次发表以来就被各国学者应用于温室气体排放研究。Hwang等[7]采用DNDC模型对韩国稻田在RCP8.5气候变化情景下1 km分辨率下的CO2和CH4排放量进行估算，模型预测和现场测量均表明，大多数(>95%)温室气体排放发生在种植期，即4月至10月。Foltz等[8]评估了DNDC模型对不同田间管理措施下玉米田N2O排放通量的预测，发现DNDC模型准确地识别了这些管理措施，但是在年尺度和日尺度上的N2O通量预测都比较差，而降水是影响观测和模拟N2O排放和模型误差的一个重要因素。陈劲丰等[5]在探究不同田间管理措施(不同施氮量)以及土壤侵蚀对农田温室气体通量影响时，发现DNDC模型对农田CO2和N2O气体通量的模拟效果较好。田展等[3]通过模拟研究，发现在研究期间全国稻田CH4和N2O的平均排放量增加是由于稻季的气候变化，这表明气候变化对稻田温室气体排放机制有一定影响。陈粲等[9]运用DNDC模型研究不同秸秆覆盖填埋深度下农田N2O排放情况，结果表明该模型对不同覆盖情况下的N2O的排放速度和排放量以及变化趋势的模拟效果均较好；对模型进行敏感性分析则发现，年平均温度、土壤pH、土壤有机碳含量等参数对模拟N2O排放比较敏感。赵苗苗等[1]对旱田转水田的农田、常年种植水稻的稻田的CH4、CO2和N2O排放通量进行模拟，发现DNDC模型能够较好地模拟两种稻田温室气体排放通量的季节变化，但模拟效果却是老稻田优于新稻田。

纵观DNDC模型关于温室气体排放的研究，大多集中在温室气体排放模拟、评估田间管理措施、作物轮作系统对温室气体的影响等。其中，田间管理措施主要集中在不同施肥量、不同灌溉量、不同秸秆覆盖深度等，对于不同耕作措施下旱作农田CO2排放以及敏感性分析的研究相对较少。基于此，本文利用DNDC模型来研究不同耕作措施下旱作春小麦农田CO2排放以及气候环境和作物管理措施对模拟CO2排放的调控效应，以期为旱作春小麦低碳耕作模式的制定提供科学依据。

1 材料与方法

1.1 研究区概况

研究区位于甘肃省定西市安定区凤翔镇安家坡村(104°23′24″E, 35°34′48″N)，处于温带干旱半干旱气候区，光照充足，昼夜温差大，年均日照时数在2 400 h以上，年均气温6.4℃，年均降水量385.00 mm，无霜期140 d，无灌溉条件。土壤类型以黄绵土为主，土质绵软均匀，土壤有机质含量为12.01 g·kg-1，全氮为0.61 g·kg-1，全磷为1.77 g·kg-1，耕层容重为1.27 g·cm-3，pH值为8.36。

1.2 田间试验设计

试验于2018—2019年在甘肃省定西市安定区凤翔镇安家坡村进行。供试作物为春小麦‘定西42号’，3月中下旬播种，8月份进行收获。设置4种耕作措施：传统耕作不覆盖、传统耕作+秸秆覆盖、免耕不覆盖、免耕+秸秆覆盖(表1)。作物生长期间除了除草外无其他作业，无任何灌溉措施。每个处理内设置1个4 m×6 m固定研究样地，每个固定样地内随机设置3个0.5 m×0.5 m的固定采样区，用来定期采集春小麦农田CO2气体。

表1 耕作措施描述

1.3 气体采集方法

采用静态暗箱-气相色谱法监测春小麦农田CO2的排放通量。使用的采样箱由箱体(50 cm×50 cm×50 cm)和外围覆盖聚苯乙烯保温材料两部分组成，箱外用泡沫包裹以确保箱内温度变化不大，箱内装有小风扇和温度传感器。取样前48 h将底座插入土中10 cm，之后在整个采样过程中底座固定在试验样地保持不动，最大限度降低对作物和土壤内部的干扰。采集气体样品时，采样箱和底座之间由FP2300型密封带和带有弹簧的直角夹密封。

田间监测于2018年1月开始，在作物生长季(3—8月，每月1日和15日)和非生长季(1—2月、9—12月，每月一次)的9∶00—11∶00内进行取样。在静态箱封闭后0、9、18、27、36 min用100 ml带有三通阀的密封良好的塑料医用注射器抽取箱内气体并注射入0.1L的E-Switch铝箔复合膜气体采样袋(上海申源科学仪器有限公司生产)保存，一周内使用气相色谱仪(仪盟A90，常州磐诺仪器有限公司)测定CO2排放浓度，并利用公式(1)计算排放通量。采集气体的同时，用便携式测温表测定土壤下5 cm温度、地表温度和采样箱内空气温度。

(1)

式中，F为气体通量(mg·m-2·h-1)，dc/dt为采样时箱内目标气体浓度随时间变化的回归曲线斜率，M为被测气体摩尔质量(g·mol-1)，V为标准状态下的气体摩尔体积(mL·mol-1)，P0和T0为理想气体标准状态下的空气压力和气温，P和T为采样时箱内的实际气压和气温，H为正方体采样箱内气室高度[10]。

1.4 数据来源及处理

研究所需的气象数据由试验点气象站自动测定，土壤部分数据和CO2排放通量均来源于试验实测数据，作物管理数据则根据试验地实际管理方式设置。采用Microsoft Excel 2013对数据进行整合，通过SPSS 24.0分析软件对数据进行处理，使用Origin 2018软件进行绘图。

1.5 DNDC模型

1.5.1 模型概述 DNDC模型是一个模拟农业生态系统中C、N循环的生物地球化学过程模型，主要由两部分构成：第一部分是土壤气候、作物生长和土壤有机质分解等三个子模型，利用生态驱动因子模拟土壤环境条件[11]；第二部分则是硝化作用、反硝化作用和发酵作用三个子模型，用来模拟土壤环境条件对微生物活动的影响，计算植物-土壤系统中CO2、CH4、N2O、NO以及N2的排放[12]。

1.5.2 模型参数校正 本研究所用的DNDC模型为9.5版本，需要输入的数据包括地理和气象数据(待模拟点位的地理位置、每日最高气温、每日最低气温等)、土壤数据(容重、pH值、表层SOC含量等)及作物管理数据(播种和收获日期、生物量、化肥施用等)[13]。在DNDC模型使用前需要参数本地化，因此根据试验区气候环境和作物管理措施对10余个参数进行校正，校正后的参数如表2所示。

表2 DNDC模型校正参数

1.5.3 模型验证 利用DNDC模型分别模拟2018—2019年4种耕作措施下CO2气体的排放，通过模拟值与实测值验证能够实现DNDC模型参数本地化，使得其适用于研究区的情况。本文采用SPSS 24.0对4种耕作措施下旱作春小麦CO2排放通量模拟值与实测值进行相关性分析。另外，还将均方根误差(RMSE)和模型效率指数(EF)[14]作为评价指标，进一步验证模型的模拟效果。

(2)

(3)

1.5.4 敏感性分析 为了研究DNDC模型中参数变化可能导致的CO2排放状态变化，寻找众多不确定因素中对CO2排放有着重要影响的敏感性因素[15]。本文将2018年1月至2018年12月的模拟结果作为基础情景，使用模型进行了一系列敏感性分析。选择年平均温度、年降水量、土壤质地、表层SOC含量、氮肥施用量和秸秆覆盖率这6个输入参数作为敏感因子，对其设置了±20%和±40%的变化范围，以覆盖在局部研究现场选定的6个输入参数中观察到的全部或大部分变化。使用每个选择的输入参数的变化值运行DNDC模型，并收集CO2排放的模拟结果进行定量比较，使用敏感度指数(SI)量化CO2排放对所选输入因子变化的敏感性[16]。

(4)

2 结果与分析

2.1 不同耕作措施下旱地春小麦农田CO2排放特征

根据试验设计对2018—2019年4种耕作措施下的春小麦农田土壤CO2排放进行采集分析。研究区域春小麦农田为雨养旱地种植，观测期间各处理下CO2排放通量为正值(图1)，基本处于释放CO2状态，因此旱地春小麦农田土壤为CO2排放源。

如图1所示，4种耕作措施下农田土壤CO2排放通量在相同时间段内整体变化趋势基本一致，且都表现为随时间变化的单峰型曲线，排放高峰为每年6～7月，即春小麦生长季中后期。由此可知，春小麦农田土壤CO2排放通量与作物生长有关，随着春小麦生长各处理下CO2排放通量有明显变化特征，而且生长旺盛期CO2排放通量高于生长季初期和末期。另外，2018—2019年4种耕作措施下旱作春小麦CO2排放通量之间无明显差异，但各处理下CO2排放通量具有高度一致的季节变化特点，均表现为夏季最高，冬季最低。其中，2018年各处理夏季和冬季CO2年平均排放通量占全年比重的58.21%和4.28%；2019年则占全年比重的49.27%和6.16%。

如图2所示，2018年4种耕作措施下农田土壤CO2年均排放通量大小依次为：T>TS>NTS>NT；2019年农田土壤CO2年均排放通量大小依次为：NTS>T>TS>NT。综合来看，2018—2019年NT处理下旱作春小麦农田土壤CO2排放通量小于其他4种处理，这与吕锦慧[4]等人的研究结果一致。

2.2 模型验证及误差分析

2.2.1 模型验证 4种耕作措施(T、TS、NT、NTS)实测值与模拟值的相关系数(R)分别为0.836、0.791、0.758、0.843，在P<0.01水平下相关性均达到显著水平；各处理(T、TS、NT、NTS)实测值与模拟值的均方根误差(RMSE)分别为：8.64、9.75、9.61、8.14；模型效率指数(EF)分别为：0.65、0.61、0.56、0.71。上述指标都表明DNDC模型能较好地模拟不同耕作措施下旱作春小麦农田CO2排放。

2.2.2 模型误差分析 由图4可以看出，DNDC模型能够较好地捕获到不同耕作措施下旱作春小麦在生长季产生的CO2排放峰；夏季排放最多、冬季排放最少的季节排放特征也被很好地捕获；实测值与模拟值的形成时间、持续时间以及排放峰产生时间也比较一致。由图4还可以看出，模型虽然能够捕获到由春小麦生长季所引起的CO2排放峰，但是还无法精确地模拟出部分单个时间节点的CO2排放通量。而导致DNDC模型模拟存在误差的原因可能有两方面[5,18]：(1)DNDC模型虽然被大量验证是有效的，但是该模型对温室气体的产生及排放过程的模拟是基于假设的[19-20]，而且这些过程的复杂繁琐在模型中存在一定程度的简化，这可能导致模型存在一定误差[18]。(2)模型输入参数在实测过程中存在一定误差[5]。

2.3 敏感性分析

由表3可知，DNDC模型敏感性分析的6个输入参数对CO2排放的影响大小依次为：年平均温度>表层SOC含量>秸秆覆盖率>年降水量>土壤质地>氮肥施用量。

表3 敏感度指数

2.3.1 气候条件 气候对农田CO2排放的影响主要体现在温度和降水量这两方面。温度主要是通过影响土壤微生物的活性、微生物的能量供应、土壤的通气性以及作物根部生长从而影响CO2排放。在6个输入参数中，年平均温度对CO2排放的影响均大于其他参数，4种耕作措施下CO2排放的SI大小依次为：NTS>T>TS>NT。如图5A所示，年平均温度从基础情景(7.99℃)变化±4℃，各处理的CO2排放均呈线性增加，且平均增加12.70%。降水则是通过影响土壤生物活动和作物根部生长所需要的水、土壤含水量和土壤温度来间接影响CO2排放。模拟结果显示：以基础情景(478.9 mm)为标准，年降水量变化±40%，各处理的CO2排放呈增加趋势，但由图5B可知增长幅度并不明显。通过比较各处理SI(表3)可知，在气候条件中对旱作春小麦农田CO2排放通量最敏感的参数是年平均温度，且两者为正相关关系。

2.3.2 土壤性质 土壤因子对农田CO2排放的影响主要体现在土壤质地和土壤表层SOC含量两个方面。由图6A可知，当土壤质地在壤砂土(0.06)～壤土(0.19)变化时，CO2排放通量由4 865.4 kg·hm-2·a-1增加到5 504.39 kg·hm-2·a-1，而当土壤质地为粘土(0.27)时，T处理下CO2排放通量出现回落趋势，减少为5 455.73 kg·hm-2·a-1。其他3种处理下CO2排放的变化趋势同T处理。由此可见，不同耕作措施下CO2排放会随着土壤中粘粒含量的增加而增加，但是土壤粘粒含量增加到一定程度时，会对CO2排放产生抑制作用，导致CO2排放有所减少。表层SOC含量对CO2排放的影响也较大，各处理敏感指数大小依次为：T>TS>NTS>NT。由图6B可知，当表层SOC含量从基础情景(0.019 kg·kg-1)调整±40%时，各处理的CO2排放呈增加趋势，但增长幅度并不明显，平均增长率仅0.02%。通过比较各处理SI(表3)可知，旱作春小麦农田CO2排放通量最敏感的土壤性质参数为表层SOC含量，且两者为正相关关系。

2.3.3 作物管理措施 作物管理措施有很多，本文只考虑了氮肥施用量和秸秆覆盖率这两个方面。由模拟结果可知(图7A)：当氮肥施用量为180 kg·hm-2时，4种耕作措施下(T、TS、NT、NTS)CO2排放通量分别为5 390.52、5 949.70、4 830.09、5 199.07 kg·hm-2·a-1；当氮肥施用量为420 kg·hm-2时，CO2排放通量分别为5 391.05、5 950.35、4 831.76、5 201.72 kg·hm-2·a-1，平均增加0.01%。由此可见，旱作春小麦CO2排放随着氮肥施用量的增加而增加，但增长幅度并不大。秸秆覆盖率对TS、NTS两种处理下的CO2排放影响仅次于年平均温度，由图7B可见秸秆覆盖率从基础情景(30%)下调40%到上调40%，其对应的CO2排放呈逐渐增加趋势。从表3中可以看出，旱作春小麦农田CO2排放通量最敏感的作物管理措施参数为秸秆覆盖率，且两者为正相关关系。

3讨 论

参数本地化后的DNDC模型模拟的不同耕作措施下旱作春小麦农田CO2排放通量与实测结果较为一致，能够较好地模拟出CO2排放季节变化动态以及由春小麦生长季所引起的排放峰，但对于部分单个时间节点CO2排放通量的模拟存在偏差。DNDC模型对CO2排放的模拟主要取决于作物呼吸作用和土壤呼吸作用，而对作物呼吸的模拟则包含维持呼吸和生长呼吸。其中，维持呼吸是用温度和作物有机质含量进行计算的，生长呼吸是由作物用于生长的呼吸利用量模拟的[21]。另外，模型是将作物籽粒、茎、叶和根的呼吸作用分开模拟的。因此，推测模型对本研究CO2排放通量模拟偏低的原因有：一是根系呼吸对土壤呼吸的贡献率可达90%以上[22-23]，模型可能低估了作物根系呼吸；二是作物有机质含量等参数的实测数据存在误差。因此，DNDC模型的相关参数有待进一步调整。

DNDC模型敏感性分析显示：在气候条件中，年平均温度对不同耕作措施下旱作春小麦CO2排放的影响程度较大，当温度逐渐升高，CO2排放逐渐增强。因为温度升高会导致土壤微生物活性增强，从而增加有机质分解，导致土壤呼吸作用增强，这与刘爽等[23]的研究结果相同；在土壤理化性质中，土壤质地和表层SOC含量均对CO2排放产生影响，其中表层SOC含量的影响较大。土壤质地会影响土壤孔隙度，而土壤孔隙度决定着土壤的持水量和气体的扩散，最终影响土壤肥力。这些都会间接影响作物根部的生长，从而影响CO2排放。而表层SOC含量是呼吸作用的碳来源，对土壤CO2的产生和排放有直接的影响，因此SOC含量的增加势必导致CO2排放的增加；在作物管理措施中，秸秆覆盖率对CO2排放的影响较大。大部分研究发现[24-26]秸秆覆盖率的增加会使得CO2排放增强。这是因为秸秆覆盖不仅会影响土壤微生物的数量，还会增加土壤孔隙度以及影响土壤碳的吸存量，这些环境因子共同作用在一定程度上影响了CO2排放。而氮肥施用不仅会促进作物凋落物和有机质中纤维素或其他易分解化合物的分解，也会抑制一些难以分解的化合物的分解，这些原因可能导致其对CO2排放的影响相对较小。

4 结 论

1)DNDC模型对不同耕作措施下旱作春小麦农田CO2排放模拟效果较好，尤其是对免耕+秸秆覆盖(NTS)处理下CO2排放的模拟，其相关系数、均方根误差和模型效率指数分别为0.843、8.14和0.71；另外，与其他3种耕作措施相比，免耕处理下CO2排放通量较少；

2)年平均温度、土壤表层SOC含量和秸秆覆盖率是模型模拟不同耕作措施下旱作春小麦CO2排放最为敏感的三个因子，其中年平均温度的影响程度最大，各处理的平均敏感性指数达0.46。