基于遥感识别与DNDC模型的不同稻作模式评价——以潜江市为例

阿依吐拉·买买提祖农 帅艳菊 魏浩东 何 真 肖沁茜 胡 琼 徐保东 游良志 曹凑贵凌 霖

（1.华中农业大学植物科学技术学院/宏观农业研究院，武汉 430070；2.华中农业大学植物科学技术学院/农业农村部长江中游作物生理生态与耕作重点实验室，武汉 430070；3.华中农业大学资源与环境学院/宏观农业研究院，武汉 430070；4.华中师范大学城市与环境科学学院/湖北省地理过程分析与模拟重点实验室，武汉 430079；5.国际食物政策研究所，美国华盛顿 20005；6.上海海关学院检验检疫技术交流部，上海 201204）

1 引言

温室气体引发的全球气候变化受到广泛的关注和讨论，例如全球变暖、极端天气事件多发，并对粮食生产和人类生存造成威胁[1,2]，因此需减少温室气体排放。在人为温室气体中CH4和N2O占据重要地位，其100 年尺度的增温潜势分别是CO2的34 倍和298倍[3]。Carlson[4]等研究表明，稻田排放的CH4和N2O占全球农业温室气体排放总量的48%，此外稻田因长期淹水，可积累更多有机碳[5]，因此稻田不仅是碳源，也是碳库。不同稻作模式温室气体排放具有差异性[6]，固定有机碳的效果也不同[7]。因此研究不同稻作模式温室气体排放特征及固碳潜力，对促进稻作模式的合理布局和农业绿色发展具有重要意义。

湖北省位于长江中游地区，稻作模式多样[8]。稻虾模式是湖北省重要种植制度之一，发展迅速，2019年面积达到45 万hm2，经济效益高，可实现每亩增收1500 元以上[9-10]，因此，稻虾模式具有很大的发展潜力。相关试验表明，稻虾模式可改善土壤结构，提高土壤肥力，减少稻田温室气体排放，同时减少化肥和农药投入，具有较高的生态效益[11-13]。目前针对稻虾模式固碳减排潜力的研究较少，且主要以点位实验为主，无法将地区空间差异考虑在内。本研究利用DNDC (Denitrification-Decomposition)模型进行升尺度区域模拟，以稻虾模式面积较大的潜江市为例[14,15]，量化各稻作模式的固碳减排潜力，探明稻虾模式较其他稻作模式相比是否具有绿色发展潜力。

DNDC 模型最早于20 世纪90 年代引入中国，广大学者根据我国土壤、气候和土地利用等特点对模型进行了大量适应性研究，使其更加适用于我国农业生态系统[16]。DNDC模型克服了点位试验投入大、耗时长、研究空间局限大等缺陷，已被广泛应用于区域农业温室气体排放、土壤有机碳变化等模拟应用。因缺乏作物空间分布数据，区域模拟通常以范围较大的行政区为研究单元，利用统计数据进行模拟，加上研究单元设置为统一环境条件，大大增加了模拟结果的不确定性。遥感技术可高效获取农作物空间分布基础数据，具有大范围、长时间和高精度的特点[17]，将其应用到DNDC 模型，可显著提高区域尺度估算准确度。

本研究以潜江市为例，利用点位数据校正和验证DNDC模型，模拟研究区域内不同稻作模式温室气体排放和土壤有机碳变化量。为提高模拟精度，利用遥感影像识别的方法构建2019 年稻作模式分布数据库，以1km×1km 区域为研究单位进行模拟，运用GIS（Geographic Information System）技术，直观呈现潜江市稻作模式温室气体排放及土壤有机碳固定情况。此外，探索潜江市稻虾模式相对于其他稻作模式的固碳减排潜力，有助于合理安排稻作布局，实现绿色发展目标。

2 材料与方法

2.1 研究区域

湖北省位于长江中游，属于亚热带季风气候区，光、热、水资源充足，具有优越的水稻生产条件，稻作模式丰富多样[18]。潜江市位于湖北中南部、江汉平原腹地，地下水位高，适合发展稻虾模式，从2005 年稻虾面积不断扩大，2017 年稻田养虾田面积约占了潜江市稻田总面积的80%，逐步形成了稻虾生态农业产业化发展模式[14,19]。

2.2 DNDC模型

DNDC 模型,即反硝化-分解作用，反硝化作用和分解作用是导致土壤氮和碳从土壤向大气转移的主要生物化学过程，该模型是农业生态系统中一系列控制碳、氮转化的地球化学循环反应机制的计算机模拟表达[20-21]。模型包括两个部分，第一部分由土壤气候过程、作物生长和有机质分解过程三个子模型组成，利用气候、土壤、植被和人类活动等生态驱动因子模拟包括土壤温度、土壤湿度、pH、Eh、相关化学底物浓度等土壤环境条件。第二部分由硝化作用、反硝化作用和发酵作用三个子模型组成，运用土壤环境条件模拟微生物活动情况，计算CO2，N2O 和CH4气体排放。模型可以实现区域模拟，区域需要被划分为许多较小的模拟单元，每个模拟单元各项参数被默认为均匀一致，不同模拟单元各项参数根据实际情况而有所差异[22]。本研究使用的是最新版本DNDC 9.5，下载网址为http://www.dndc.sr.unh.edu。

2.3 模型校准与验证

本文采用文献研究法，建立了DNDC 模型校准和验证数据集（表1），模型模拟使用的土壤、作物管理数据由文章获取，逐日气象数据由湖北省气象站获取，观测站点位置如图1。文章都进行定点采集，统一采用静态箱-气相色谱法测定CH4和N2O 气体排放通量。作物生长季每隔7～10 天采样一次，非生长季每隔10～20 天采样一次，特殊田间措施（施肥、晒田等）前后增加采样频率。采样时需事先将采样箱插入土壤5cm 深度，加水密封，采样时每间隔10min(0min—10min—20min—30min)用注射器抽取30ml 箱内气体装入真空玻璃瓶内。样品测定采用Shimadzu GG-14B 型气相色谱仪，分别使用氢火焰电离检测器(FID)和电子捕获检测器(ECD)检测CH4和N2O。检测时柱温为55℃，FID 和ECD 温度分别为200℃和330℃，检测持续时间为4.5 min。CH4和N2O 的排放通量根据两种气体半小时内随时间变化的线性关系来计算[23]，计算公式如下：

图1 研究区域与观测站点Fig.1 Study area and observation station

表1 不同稻作模式试验站点信息及数据来源Table 1 Site information of experiments and data sources for rice-based cropping systems

式中，F为CH4或N2O 气体的排放通量(mg·m-2·h-1)；ρ为标准状态下CH4或N2O 密度(mg·m-3)；h表示采样箱的有效高度(cm)；dc/dt表示CH4或N2O 浓度的变化率；T为采样过程中箱内平均温度(℃)。上式计算的气体排放通量为测定当日的平均通量，采用内插加权法计算累积排放[24]。

分别选用I-N2C2、Ⅱ-CTS、Ⅲ-CF、Ⅳ-SF、Ⅳ-S、Ⅴ-CK、Ⅵ-U+SWD、Ⅶ-RC+CN、Ⅶ-RF+CN 处理观测数据对模型进行试错法调参。利用其余试验处理的周年温室气体排放结果对DNDC 模型结果进行验证。利用决定系数（coefficient of determination，R2），模拟效率（Nash Sutcliffe index of model efficiency,NSME），均方根误差（root mean square error,RMSE）以及归一化均方根误差（normalized root mean square error,nRMSE）等验证指标来评价模拟值与观测值间的总差异[32]。计算公式如下：

上式中，Oi和Si分别表示第i个观测值和模拟值，Oˉ为观测值的平均值，Sˉ为模拟值平均值n 为样本数。NSME 的取值范围从负数到1，越接近0 则代表模型的模拟效率越高；RMSE 表示模拟的平均误差，数值越接近于0 则模拟越准确；当nRMSE ＜10%时，表明模拟效果非常好；当nRMSE 介于10%～20%，表明模拟效果较好；当nRMSE＞30%时，表明模拟效果不理想[33]。R2的取值范围为0 到1，越接近于1 则表示模拟值与实测值相关性越强。

2.4 潜江市区域模拟数据获取

DNDC 所需的气象数据从潜江市气象站获取。土壤数据来源于世界土壤数据库（Harmonized World Soil Database,HWSD），利用ArcGIS 10.2 处理使土壤数据库分辨率缩小至1km×1km，提取土壤指标，由于栅格范围小，以平均值作为最大值和最小值输入。作物分布数据利用多时相Sentinel-2遥感影像进行随机森林分类提取（华中农业大学徐保东老师团队提供），具体见流程图（图2）。作物管理数据库通过文献查询、专家咨询和农户调研等方式获得。依据前人研究，将大气CO2浓度背景值由默认350 ppm 改为390 ppm，氮沉降指数设为2.16，其他参数采用DNDC 模型默认值[34]。

图2 遥感影像提取流程图Fig.2 Flowchart of remote sensing image

3 结果与分析

3.1 DNDC模型的率定和验证

利用试错法对模型的输入参数反复测试，对DNDC 模型中的作物参数进行了修正（表2）。原模型中每种作物仅有一组参数组合，而在校准过程中发现一季中稻、早稻和晚稻品种差异较大，为了达到最佳模拟效果分别采用了不同的参数组合，表2 中未列出的其他作物参数对模拟结果影响较小，采用模型默认值。

表2 作物参数率定结果Table 2 Calibration results of crop parameters in DNDC model

DNDC 模型验证结果如图3 所示。周年CH4、N2O 排放分别为433.48 kg·hm-2·yr-1、4.98 kg·hm-2·yr-1，模拟平均值分别为436.24 kg·hm-2·yr-1、5.14 kg·hm-2·yr-1。CH4和N2O 排放实测值与模拟值的相关系数分别为0.9795 和0.9732，NSME 值分别为0.9793 和0.9706，对应的RMSE 值分别为29.37 kg·hm-2·yr-1和0.99 kg·hm-2·yr-1。nRMSE 值分别 为 6.78% 和19.95%，分别小于10%和20%，这表明DNDC 模型对CH4排放的模拟效果非常好，对N2O 排放的模拟效果较好。

图3 CH4和N2O周年排放验证结果及相关性分析Fig.3 Verification results of CH4 and N2O annual emission

3.2 潜江市作物分布图

2019年潜江市不同稻作模式分布如下图4所示，通过验证，该分类结果总体分类精度OA 达到85%，Kappa 系数为0.69，可作为基础数据库用于后续温室气体排放和固碳情况的模拟。

图4 2019年湖北省潜江市不同稻作模式分布情况Fig.4 Distribution of rice-based cropping systems in Qianjiang City,Hubei Province in 2019

对潜江市2019 年稻作模式分布图进行重采样和分区统计处理，得到潜江市2019 年主要稻作模式1 km×1 km 面积分布图，如图5 所示。稻虾模式总面积为58395.64 hm2，基本在整个潜江市范围内均有分布，在潜江市的西南部地区分布最为密集，1 km2范围内的稻虾田面积可达到80 hm2～100 hm2，北部小范围地区分布较少，1 km2范围内面积小于20 hm2。稻闲模式在潜江市范围内分布广泛但分布并不密集，大部分区域内面积均小于20hm2·km-2，北部和东部地区稻闲模式相对较多，总面积为22313.36 hm2。稻麦模式则较为集中的分布在潜江市北部，中部和南部地区分布较少，发展总面积为25793.52 hm2。稻油模式发展总面积为10930.95 hm2，整体来说面积较小且分散，全市范围内面积分布基本小于20 hm2·km-2，只在极零散区域内达到20 hm2·km-2～40 hm2·km-2。

图5 2019年湖北省潜江市主要稻作面积分布情况（A：稻虾模式；B：稻闲模式；C：稻麦模式；D：稻油模式）Fig.5 Area distribution of main rice-based cropping systems in Qianjiang City,Hubei(A:Rice-crayfish system;B:Rice-fallow system;C:Rice-wheat system;D:Rice-rape system）

3.3 潜江市区域温室气体排放特征

图6 显示的是2019 年潜江市主要稻作模式CH4和N2O 排放量及全年土壤有机碳变化量（dSOC）总量。每个1 km2区域内4 种主要稻作模式的CH4排放总量区间较大，为0.40 kg～64043.34 kg，潜江市四周边缘地区CH4排放总量处于较高水平，而中部地区则可能由于城区建筑用地类型较多的缘故而使得主要稻作模式CH4排放总量处于较低水平。每1 km2范围内的N2O 排放量范围为0.002 kg～227.08 kg，分布规律与CH4排放类似。每1 km2范围内由4 种主要稻作模式引起的土壤有机碳变化范围为0.18 kg C～35835.27 kg C，并且表现为稻虾为主要稻作模式的西部和南部地区变化量较高，而东部和北部地区变化量较低，可能与该区主要为建筑用地和分布有固碳能力较低的稻闲模式和稻麦模式有关。

图6 2019年湖北省潜江市4种稻作模式CH4（A）、N2O（B）排放量及dSOC（C）总量Fig.6 Total emissions of CH4(A)and N2O(B)and dSOC(C)of four rice-based cropping systems in Qianjiang City,Hubei Province in 2019

2019 年潜江市主要稻作模式单位面积CH4排放量均值范围为176.28 kg·hm-2～684.28 kg·hm-2，主要集中在425 kg·hm-2～450 kg·hm-2，较高水平排放量主要集中在北部的稻麦模式主要分布区。N2O 排放量均值范围在0.63 kg·hm-2～3.84 kg·hm-2之间，排放量在1.14～1.64 kg·hm-2范围内的区域较多，且并未表现出明显局部规律，较高排放水平区域在全市内均有分布。单位面积土壤有机碳全年变化量，由于各模式均采取了秸秆还田的栽培措施，土壤有机碳含量变化均为正值，表示土壤有机碳含量的增加，其增长范围为77.52 kg C·hm-2～424.72 kg C·hm-2，而低于220 kg C·hm-2的较低变化量区域主要集中在潜江北部和东部地区，而稻虾模式分布较为密集的南部和西部地区单位面积土壤有机碳增量处于更高水平。

2019 年潜江市主要稻作模式中RC、RF、RW 和RR 面积分别占比49.73%、19.00%、21.96%和9.31%，对全年CH4排放总量的贡献率分别为46.98%、18.54%、24.76%和9.73%，对全年N2O 排放总量的贡献率分别为46.69%、18.10%、23.31%和11.90%，对全年dSOC 总量贡献率分别为55.38%、15.80%、19.94%和8.88%。对2019 年潜江市不同稻作模式温室气体排放量和dSOC 进行统计，单位面积CH4排放量表现为RC＜RF＜RR＜RW，与RC 相比，RF、RR 和RW 单位面积CH4排放量分别增加3.26%、19.29%和10.64%；而单位面积N2O 排放量则表现为RC＜RF＜RW＜RR，与RC 相比，RF、RR 和RW 单位面积N2O 排放量分别增加1.40%、13.29%和36.36%；单位面积dSOC 表现为RC＞RR＞RW＞RF，与RC 相比，RF、RR 和RW 单位面积dSOC分别减少25.28%、18.49%和14.24%。

表3 2019年潜江市不同稻作模式温室气体排放及dSOC情况Table 3 Greenhouse gas emissions and dSOC of different rice-based cropping systems in Qianjiang City in 2019

图7 2019年湖北省潜江市4种稻作模式单位面积CH4（A）、N2O（B）排放量及dSOC（C）均值Fig.7 Averages of CH4 and N2O emissions and dSOC per unit area of four rice-based cropping systems in Qianjiang City,Hubei Province in 2019

3.4 稻虾模式减排固碳效果

由于目前难以获取往年稻作模式分布数据，因此采用情景模拟的分析方法，分别假设目前的稻虾模式是由稻麦，稻闲和稻油模式等该区域主要的稻作模式变迁而来，模拟计算潜江市周年温室气体和dSOC 变化情况，结果如表4 所示。潜江市稻虾模式相较于其他稻作模式CH4和N2O排放量均处于较低水平，即发展稻虾模式本身就是一个减排过程。当潜江市稻虾模式转变为其他主要模式后，其周年CH4排放总量将增 加532.95t～2591.00 t，增加百 分比为2.31%～11.25%；周年N2O排放总量增加9.61t～56.11 t，增加百分比为11.49%～67.09%；周年dSOC 减少了1593.47t C～3653.25 t C，减少百分比为9.95%～22.81%。相比于其他常见稻作模式，稻虾模式具有明显的减排固碳效果。

表4 潜江市稻虾模式转变为其他稻作模式周年温室气体与dSOC变化情况Table 4 Annual changes of GHG and dSOC from RC to other rice-based cropping systems in Qianjiang City

4 讨论与结论

单位面积CH4排放主要与不同稻作模式分布有关，如以稻麦模式为主要稻作模式的北部地区单位面积CH4排放高，单位面积的排放N2O没有表现出明显的聚集性。不同稻作模式温室气体排放CH4排放表现为RW＞RR＞RF＞RC，N2O 为RR＞RW＞RF＞RC。水旱轮作中，旱作季导致温室气体排放不同，油菜根系更有利于微生物活动，因此稻油模式排放应小于稻麦模式，但油菜种植季施肥量高于小麦季，稻油模式N2O 的排放大于稻麦模式[35-36]。稻闲模式和稻虾模式中作物生育期小于水旱轮作模式，而且稻虾模式下虾的活动，增加水中的溶氧量，提高土壤氧化还原电位，甲烷的产生较少[37]。设置情景时，稻虾模式转变为其他模式，两种气体排放均增加。Liu[38]等研究结果也发现，当稻麦轮作田转变为稻渔综合种养田时CH4和N2O 的排放量分别减少48%和56%，这可能是由于稻渔种养田在非稻季对稻田的排水和整田和水生动物的觅食活动减少微生物反应基质，及稻田水面深度较大，影响气体输送导致的[39,40]。

单位面积有机质积累量与稻作模式分布相关，有机碳积累在具有高的固碳效果的稻虾模式分布的西部与西南部地区较高。不同稻作模式有机碳积累量为RC＞RR＞RW＞RF。稻虾模式与稻闲模式比较，由于稻虾模式下稻田长期处于淹水状态，有机质分解缓慢，因此有机质积累较多，但是由于投料会改变土壤碳氮比，稻虾田对土壤有机质的影响结论不统一，仍需要进一步研究[41-43]。稻麦模式和稻油模式在旱作季成熟期叶片脱落和秸秆还田等原因，可增加一定量的土壤有机质。设置情景时，稻虾模式转变为其他模式，有机碳表现为减少趋势。稻虾模式本身积累能力强，转变为其他模式时，土壤水分状态发生变化，增加了水中含氧量，从而增加好氧微生物的活动，从而导致反应基质有机碳的减少。Xu[44]等研究表明，当稻麦模式转变为稻虾模式时，土壤有机质积累及养分固持能力与稻虾田的形状有关，环绕型养殖沟的稻虾田会降低土壤肥力，因此需要合理安排养殖沟面积，减少人为土壤侵蚀作用。

利用点位实测数据对DNDC 模式进行了作物参数校准和模拟验证，各项验证指标显示DNDC 模型对CH4和N2O模拟效果良好，说明DNDC模型适用于湖北省主要稻作模式温室气体排放的模拟。将来需要优化DNDC 模型，更准确的模拟多样的栽培模式对碳氮循环的影响，增加其稻作模式评价和土地利用类型转变中的适用性。研究中可知稻虾模式的CH4和N2O排放均低于其他模式，且有助于土壤对有机碳的固定，但是稻虾模式在潜江市发展面积远超过其他模式，其对潜江市温室气体排放总量贡献最大，因此需要进一步探索和调整管理措施来积极降低温室气体排放。除此之外，稻虾模式中小龙虾的扰动作用，养殖沟开挖和特殊农艺水分管理等因素，改变了稻田的水分利用方式，使稻虾田水文循环过程发生了变化，因此大面积的推广稻虾模式可能对区域的水文循环产生影响，后期可以进一步采用水文模型对这一过程进行定量描述。最大程度的实现绿色高效生产，合理安排稻作模式，需要进一步分析同一稻作模式温室气体排放和固碳能力表现空间差异性的原因，并结合其他评价指标，如生态效益、经济效益、资源利用效率等，从而全面综合评价不同稻作模式。