基于APSIM的华北平原不同种植模式下主要温室气体排放效应评估*

谢鸿飞，赵俊芳**，艾金龙，彭慧文，黄睿茜

基于APSIM的华北平原不同种植模式下主要温室气体排放效应评估*

谢鸿飞1，赵俊芳1**，艾金龙2**，彭慧文1，黄睿茜1

（1. 中国气象科学研究院灾害天气国家重点实验室，北京 100081；2. 益阳职业技术学院现代农业学校，益阳 413049）

使用APSIM作物模型，模拟1981−2014年华北平原夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式下土壤有机碳（SOC）变化、土壤氧化亚氮（N2O）排放、土壤温室气体排放和产量的变化。结果表明：四种种植模式中，1981−2014年华北平原夏玉米种植模式下土壤N2O排放量最小（514.81kg·hm−2）、土壤主要温室气体平均排放量最少（0.30MgCO2-eq·hm−2）；冬小麦−夏玉米−早播玉米1（提前10d）种植模式下土壤有机碳平均变化量最少，为120.78kg·hm−2；冬小麦−夏玉米−早播玉米2（提前20d）种植模式的土壤主要温室气体平均排放量次之，为0.76MgCO2-eq·hm−2；四种种植模式中，冬小麦−夏玉米种植模式的平均产量最高，为23405.47kg·hm−2；夏玉米种植模式下土壤主要温室气体排放效应最好（GHG=0.02 MgCO2-eq·hm−2），冬小麦−夏玉米−早播玉米2（提前20d）种植模式次之（GHG=0.04 MgCO2-eq·hm−2）；在保证产量的前提下，考虑粮食安全、资源节约和环境友好各方面，冬小麦−夏玉米−早播玉米2（提前20d）两年三熟种植模式是华北平原较为理想的种植制度。

华北平原；APSIM模型；温室气体排放；产量；种植模式

农业生产是一个巨大的温室气体排放源，其排放量占全球温室气体排放总量的10%～12%，其中一氧化二氮（N2O）排放约占60%[1]。中国是最大的N2O排放国，占全球排放量的31%[2]。华北平原（NCP）是中国最密集的农业生产区域之一，提供了全国50%以上的小麦和33%的玉米产量[3]。该地区以冬小麦−夏玉米轮作的一年两熟制种植模式为主，在保证高产的同时由于大量的水肥投入，导致该地区出现一系列环境问题，如温室气体排放增加[4]、地下水污染[5]、大气高氮沉降[6]和作物病害增多[7]。面对华北平原日益严峻的环境状况，如何改变传统的种植模式，降低农业温室气体排放，减少对环境的不利影响，成为当前华北平原地区亟待解决的问题。

针对华北平原不同种植模式对环境的影响，不同学者做了大量研究[8−13]。姜雨林等[8]基于DNDC模型，分析了华北地区不同轮作模式对土壤耕层有机碳储量及温室气体排放的影响，结果表明冬小麦−夏玉米种植模式碳汇速率最高，有利于有机碳的长期积累，而春玉米连作种植模式温室气体排放量最低；王大鹏等[9]在华北高产粮区设置田间试验，研究了调整种植模式和水氮优化等措施下的节水效应，发现与冬小麦−夏玉米一年两熟制对比，两年三熟制可以降低作物耗水，但是产量也会随之下降；吉艳芝等[10]基于田间定位实验，研究了华北平原不同种植模式间的作物产量和氮素利用，结果表明，冬小麦−夏玉米−春玉米两年三熟制在稳产高产和提高氮素利用率上具有可持续的潜力。上述研究主要针对不同种植模式间的稳产高产、水分利用、碳氮平衡、氮素利用等方面，对各类种植模式温室气体排放的综合研究还不足。而对不同种植模式的温室气体排放效应评估，农业生产系统模型提供了一种有效的方法[11]。APSIM作物模型可以模拟不同气候和管理措施下的农田系统产量和环境（如土壤碳氮变、温室气体排放）的变化，并且已经成功应用到不同地区的相关研究之中。Li等用APSIM模型在华北平原地区探究了在保持产量的同时，可以通过优化施氮量和灌水量来降低温室气体排放的潜力[12]；Wang等用APSIM模型在黄淮海地区研究发现，通过降低氮肥的投入和提高秸秆留茬率，也可以在保持产量的同时减少温室气体排放[13]。上述研究表明，前人在产量和温室气体排放方面已经取得较好的研究进展，但是大多数学者更加关注于管理措施和温室气体排放及产量之间的协同效应，而对不同种植模式之间的温室气体排放效应对比研究甚少。

因此，本研究选择环境状况日益严峻的华北平原为研究区，设置夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式，采用APSIM作物模型模拟1981−2014年华北平原不同种植模式下的温室气体排放和产量变化，基于温室气体排放强度（GHG）定量评估温室气体排放效应，筛选出华北平原地区温室气体排放效应最优的种植模式，以期为中国碳中和目标的实现提供科学参考。

1 资料与方法

1.1 研究区域和站点选择

以华北平原（32°−40°N，114°−121°E）的农田为研究对象。研究区属于典型的温带季风气候，年降水量400～800mm，区内农业以旱作为主，农作物两年三熟或一年两熟；是中国三大平原之一，也是人口最多的平原。

研究站点选择石家庄市藁城区农业气象观测站（114°83′E，38°03′N），该地地处太行山东麓、黄淮海平原腹地，主要粮食作物小麦、玉米和大豆2019年种植面积分别为3.29、1.13和2万hm2 [14]，种植面积较大，土地利用稳定。主要耕作方式为冬小麦−夏玉米轮作，属于华北平原传统的种植方式。因此，该地可以较好地代表华北平原大部分地区的种植状况。

1.2 种植模式设置

设置夏玉米一年一熟（ME）、冬小麦−夏玉米一年两熟（W−E）、冬小麦−夏玉米−早播玉米1（提前10d）两年三熟（W−M−ME10）、冬小麦−夏玉米−早播玉米2（提前20d）（两年三熟W−M−ME20）四种种植模式。一年一熟制每年只种一季夏玉米，其余时间休耕；一年两熟制为传统的冬小麦−夏玉米轮作模式，即冬小麦收获后继续种植夏玉米；两年三熟制中，第一年的种植方式与一年两熟一致，第一年夏玉米收获后休耕至下一年种植早播玉米。冬小麦品种为科农1993，夏玉米和早播玉米品种为郑单958。根据石家庄市藁城区农业气象观测站长期物候数据观测资料，冬小麦在每年10月12−20日播种，翌年6月5−10日收获；夏玉米在每年6月9−14日播种，9月24日−10月2日收获；早播玉米1和早播玉米2模式根据夏玉米的播种日期，分别提前10d和20d播种，即于每年5月30日−6月4日和5月20−25日播种。根据前人在华北平原对冬小麦−夏玉米种植制度的氮肥利用效率研究[15−20]，在冬小麦播种前施氮肥170kg·hm−2，在夏玉米播种前施氮肥90kg·hm−2，在早播玉米播种前施氮肥110kg·hm−2。冬小麦播种深度为50mm，行距为350mm，播种密度为150万株·hm−2；夏玉米和早播玉米播种深度为30mm，行距为600mm，播种密度为8万株·hm−2。具体种植模式设置见表1。

1.3 农业生产系统APSIM模型简介

APSIM 模型（Agricultural Production System Simulator）是澳大利亚农业生产系统研究组研发的农业生产系统模型[21]，在模拟作物轮作、植物蒸腾、土壤水分和碳氮动态等方面具有强大的功能，被广泛应用于种植制度、区域水平衡和气候变化等领域[22]。

在APSIM模型中，土壤碳氮动态变化主要由APSIM-SoilN模块模拟[23]，该模块将土壤有机质集中划分为三个部分，即新鲜有机质部分（FOM）、生物质部分（BIOM）和腐殖质部分（HUM），通过三个部分间的交互计算，可以模拟土壤层中氮（N）和碳（C）在每日时间步长的动态变化。其中，土壤有机碳（SOC）含量主要由模型输出的新鲜有机质部分（FOM）和腐殖质部分（HUM）的碳含量进行计算。而土壤层中氮含量变化主要取决于模块中硝酸根离子浓度（NO3−）、铵根离子浓度（NH4+）、土壤水分（SW）和土壤温度（ST）的变化，APSIM-SoilN模块将氮的动态变化过程分解为硝化和反硝化过程；在模拟土壤N2O排放时，主要通过土壤有机碳（SOC）、硝酸根离子浓度（NO3−）、铵根离子浓度（NH4+）、土壤水分（SW）和土壤温度（ST）等APSIM模型输出的各变量数值，结合反硝化速率和反硝化过程中释放的N2/N2O的比例来预测反硝化过程中的N2O排放，并根据硝化N的比例来计算硝化产生的N2O[11−12]。

表1 种植模式设置

注：ME表示夏玉米单作，一年一熟；W-E表示冬小麦−夏玉米轮作，一年两熟；W-M-ME10表示冬小麦−夏玉米−早播玉米1（提前10d）轮作，两年三熟；W-M-ME20表示冬小麦−夏玉米−早播玉米2（提前20d）轮作，两年三熟。

Note：ME is summer maize, ripe once a year; W-E is winter wheat-summer maize, ripe twice a year; W-M-ME10 is winter wheat-summer maize -early maize 1 (10 days earlier), three ripe in two years; W-M-ME20 is winter wheat-summer maize -early maize 2 (20 days earlier), three ripe in two years.

（1）反硝化过程[24]

式中，Rdenit,i为反硝化速率（kgN·hm−2·d−1）；kdenit为反硝化系数，取0.0006；NO3,i为不同层土壤中硝酸根离子的浓度（kgN·hm−2），由模式模拟值提供； CA,i为土壤活性碳含量（kg·mg−1）；Fmoist,i为水分对反硝化作用的限制因子；Ftemp,i为温度对反硝化作用的限制因子。SOCppm,i为土壤有机碳含量；HUM_Cppm,i为有机质部分模拟出来的碳含量（kg·hm−2），由模式模拟；FOM_Cppm,i为腐殖质部分模拟出来的碳含量（kg·hm−2），由模式模拟；STi为不同层土壤温度（°C），由模式模拟；SWi为土壤含水率（m3·m−3），由模式模拟；SAT为饱和含水量；WFPS为孔隙度，无量纲；SWlim为反硝化停止时的含水量；X为经验常数，取X=1。

式中，k1取决于气体在田间土壤中的扩散率，取值25.1[22]；NO3ppm为干重基础上的硝酸盐浓度；CO2为土壤异养呼吸产生的排放量（μgC·g−1土·day−1）[25]。

将式（1）的反硝化速率与反硝化过程中N2/N2O排放比相结合，模拟出相关变量，可以计算出反硝化过程中一氧化二氮（N2Odenit）的排放量[25]。

（2）硝化过程

1.4 APSIM模型初始数据输入

1.4.1 气象要素

APSIM模型运行所需的气象要素主要包括逐日最高气温、逐日最低气温、逐日太阳总辐射量和逐日降水量。1981−2014年逐日气象数据来源于中国气象科学数据共享服务网（http://data.cma.cn/）。其中气象资料中的逐日最高气温、逐日最低气温、逐日降水量由石家庄藁城站逐日气象观测资料获得，太阳总辐射量由该气象站点观测的日照时数计算得到[28]，计算分别为

式中，Rns是每天的太阳总辐射量（MJ·m−2·d−1）；Ra是晴空太阳总福射量（MJ·m−2·d−1）；n是每天日照时数（h）；N是最大天文日照时数（h）；dr是日地相对距离的倒数；J是日序；δ是太阳偏振角（Rad）；Ws是日落的角度（Rad）；φ是当地纬度，为38°03′。

1.4.2 土壤参数

APSIM模型所需的土壤参数主要包括土壤容重（BD）、田间持水量（DUL）、饱和含水量（SAT）、风干系数（AirDry）和凋萎系数（LL15）等。该部分APSIM模型土壤参数输入参考陈宗培等[29]于2014−2015年在石家庄市藁城区进行的土壤参数测定实验，部分缺失数据依据中国土壤科学数据库（http://www.soil.csdb.cn/）获得。具体土壤输入参数见表2。

表2 APSIM模型中土壤参数

1.4.3 作物参数

APSIM模型里面的品种控制参数主要包括控制作物生长发育的参数和控制作物产量形成的参数，模型中对小麦生育期各阶段长度的控制，除播种−发芽的长度受土壤水分控制外，其它各生育阶段的长度都由积温、春化系数和光周期控制。对玉米生育期各阶段的控制，主要由不同时段的积温和光周期控制，小麦和玉米产量均基于模型内部的分配系数进行模拟[30]。根据所选冬小麦（科农1993）、夏玉米（郑单958）、早播玉米（郑单958）的品种，列出了经APSIM模型调参后播种−收获期间控制和影响其生长发育的主要参数，具体数值见表3。

1.4.4 管理数据

APSIM输入的管理参数主要包括播种日期、播种深度、播种密度、播种间距、施肥日期和施肥量以及灌溉日期和灌溉量等。模型的管理数据输入与相应种植模式设置保持一致。其中，灌溉量采用模型中的自动灌溉。

1.5 APSIM模型参数率定与验证

通过地球系统科学数据共享平台（Data Sharing Infrastructure of Earth System Science）和石家庄市藁城区农业气象观测站观测资料，收集2005−2011年石家庄市藁城区单季种植的冬小麦和夏玉米生育期数据及产量数据，生育期数据主要获取冬小麦和夏玉米出苗、开花、乳熟、成熟的生育期时间，用于APSIM模型后续的验证。结合作物模型的初始输入数据，用2005−2006年数据对APSIM模型进行参数率定，用2007−2011年数据对APSIM模型进行验证。

采用“试错法”对石家庄市藁城区冬小麦和夏玉米品种参数进行率定，将模型输出结果与对应收集到的观测数据结果进行对照，调试模型直至模拟输出的冬小麦生育时期（出苗、乳熟和成熟）和夏玉米生育时期（出苗、开花和成熟）及产量数值与观测数据相符[31]。采用模拟值与实测值之间的均方根误差（RMSE）、相对均方根误差（NRMSE）、一致性D指标、平均绝对误差（MAE）等统计指标验证模型。具体计算式为

式中，Ysim为模拟值；Yobs为观测值；N为样本数；RMSE为模拟值与实测值之间的均方根误差，数值越小，表明模拟值与实际观测值的偏差越小；NRMSE为模拟值与实测值之间的相对均方根误差，控制在10%以内说明模型的模拟有较高精度。

1.6 土壤主要温室气体排放计算

夏玉米一年一熟种植模式和冬小麦−夏玉米一年两熟种植模式的单个种植时间为一年，而冬小麦−夏玉米−早播玉米两年三熟种植模式的单个种植时长为两年，为了便于产量和温室气体排放量的统一计算，以1980年冬小麦播种时间为开始，取两年间隔作为一个计算节点。参考Li等[11]对华北平原地区温室气体排放强度的计算方法，利用N2O相对于CO2的100a全球变暖潜势值298[12]，以二氧化碳排放当量（kgCO2-eq·hm−2·a−1）为单位来计算土壤温室气体排放量；华北平原地区以旱作农业为主[32]，土壤温室气体主要为N2O和CO2；根据APSIM模型模拟输出的产量和土壤有机碳等数值，结合对土壤N2O的相关计算，用土壤温室气体排放量和产量的比值作为温室气体排放强度判断排放效应，计算式为[11−12]

式中，GHG为温室气体排放强度；GHGsoil为每公顷两年土壤温室气体累计排放（kgCO2-eq·hm−2·a−1）；YA为不同种植模式每公顷每两年的总产量（kg·hm−2·a−1）；N2Od为土壤硝化和反硝化过程中N2O的直接排放（kg·hm−2·a−1），采用APSIM模拟；N2Oi是土壤间接排放的N2O（kg·hm−2·a−1），本研究只考虑土壤施氮量的影响；N为每公顷每两年的土壤总施氮量（kg·hm−2·a−1）；0.0032为中国旱地氮肥间接排放因子[11,32]；298是N2O与CO2相比的100a全球变暖潜势；dSOC是0−30cm土层每公顷每两年土壤有机碳变化差值（kg·hm−2·a−1），用冬小麦播种日时间节点的土壤有机碳含量值减去上一个时间节点的土壤有机碳含量值；44/12是碳转换为CO2的质量系数。

2 结果与分析

2.1 APSIM模型中藁城冬小麦和夏玉米品种参数调试与验证

2.1.1 品种参数调试结果

采用“试错法”对石家庄市藁城区的冬小麦和夏玉米进行参数率定，率定后的作物参数及具体数值见表3和表4。

2.1.2 生育期和产量模拟验证

用调试后的APSIM模型对石家庄市藁城站进行适用性验证。将模拟后的生育期数据（播种、出苗、开花、乳熟和成熟）和产量数据进行统计分析，将模型输出的模拟值和实测值进行统计运算，验证结果见图1和图2。由图可知，冬小麦播种−乳熟天数和播种−成熟天数的决定系数R2为0.87和0.63，均方根误差（RMSE）为3.85和3.16；相较冬小麦的生育期，模拟误差在接受范围内，冬小麦产量的决定系数R2为0.60，均方根误差（RMSE）为344.7，可能受观测值的波动影响。对于夏玉米，播种−开花天数和播种−成熟天数的决定系数R2为0.76和0.66，均方根误差（RMSE）为2.14和1.78，模拟状况较为良好；夏玉米产量的决定系数R2为0.66，均方根误差（RMSE）为1116.38。整体来看，APSIM模型对冬小麦生育期、冬小麦产量和夏玉米的生育期模拟结果较好，各点基本分布在1:1线两侧，对夏玉米产量模拟效果不太理想，但是产量误差在可接受范围内。因此，优化后的APSIM模型适用于华北平原冬小麦和夏玉米相关特征的模拟。

表3 夏玉米作物参数

表4 冬小麦作物参数

图1 冬小麦生育期和产量验证结果

图2 夏玉米生育期和产量验证结果

2.2 不同种植模式土壤有机碳含量及温室气体排放量变化

2.2.1 土壤有机碳（SOC）含量

由图3可知，夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式在1980−2014年的土壤有机碳平均变化量依次为158.08、169.94、120.78和169.19kg·hm−2，各模式间土壤有机碳平均变化量差距不大，在50.75kg·hm−2之内；1980−2014年土壤有机碳含量逐两年变化趋势显示，四种种植模式均呈波动状变化，无线性递增或递减趋势；其中，冬小麦−夏玉米种植模式的土壤有机碳含量波动较大，在−400.56～824.10kg·hm−2范围内变化；冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）两种植模式变化趋势相似。整体来看，四种种植模式中，冬小麦−夏玉米−早播玉米1（提前10d）种植模式的土壤有机碳平均变化量最少。

2.2.2 土壤N2O排放量

用APSIM模型模拟N2O排放量相关变量，计算不同施肥梯度下各种植模式的N2O排放量年际变化和平均变化。由图4可见，夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式下，1980−2014年土壤N2O平均排放量依次为514.81、1805.81、862.82和879.47kg·hm−2；冬小麦−夏玉米种植模式的土壤N2O平均排放量明显高于其余三种种植模式，可能与其施肥量较高有关。由1980−2014年土壤N2O排放量逐两年变化趋势可知，冬小麦−夏玉米种植模式的土壤N2O排放量整体呈递增变化趋势，且高于其余三种种植模式；冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）两种种植模式变动趋势相似，土壤N2O排放量波动范围较小；夏玉米种植模式土壤N2O排放量逐两年变化趋势平缓，基本无波动变化。

2.2.3 土壤主要温室气体排放量

图5反映了不同种植模式下土壤温室气体排放总量的年际和平均变化趋势。由图可见，夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式在1980−2014年作物生长季土壤主要温室气体平均排放量分别为0.30、2.21、0.91和0.76MgCO2-eq·hm−2；冬小麦−夏玉米种植模式的土壤主要温室气体平均排放量显著高于其余三种种植模式。由1980−2014年土壤主要温室气体排放量逐两年变化趋势可知，冬小麦−夏玉米种植模式的土壤主要温室气体排放量波动幅度较大，在0.30～4.20MgCO2-eq·hm−2内变化，其余三种种植模式变化趋势较为平缓，逐两年间土壤主要温室气体排放量差值在2.10MgCO2-eq·hm−2之内。整体来看，四种种植模式中，夏玉米种植模式的土壤主要温室气体平均排放量最少，冬小麦−夏玉米−早播玉米2（提前20d）次之。

图3 不同种植模式土壤有机碳SOC含量年际变化(a)和多年平均值(b)

图4 不同种植模式土壤N2O含量年际变化(a)和多年平均值(b)

图5 不同种植模式温室气体排放量年际变化(a)和多年平均值(b)

2.3 不同种植模式冬小麦和夏玉米产量变化

由图6可见，夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式在1980−2014年平均产量分别为11843.45、23405.47、17977.30和17862.15kg·hm−2；冬小麦−夏玉米种植模式的平均产量最高，高出夏玉米种植模式平均产量97.6%；高出冬小麦−夏玉米−早播玉米1（提前10d）和冬小麦−夏玉米−早播玉米2（提前20d）种植模式30.7%左右。由1980−2014年产量逐两年变化趋势可知，冬小麦−夏玉米种植模式的产量变化在1990年之前呈缓慢递增趋势，之后趋于平缓，且明显高于其余三种种植模式，产量最大值为25910.70kg·hm−2，最小值为17888.50kg·hm−2；冬小麦−夏玉米−早播玉米种植制度的产量逐两年变化趋势大致重合，变化趋势平缓，产量变在15817.10～201115.90kg·hm−2区间变化；夏玉米种植模式的逐两年产量变化范围在12875.50～11001.40kg·hm−2，整体变化量最小。

图6 不同种植模式产量年际变化(a)和多年平均值(b)

2.4 不同种植模式土壤温室气体排放强度变化

用温室气体排放强度（GHG）来衡量不同种植模式下的土壤主要温室气体排放效应，GHG数值小，表明土壤主要温室气体排放效应好；反之，则土壤主要温室气体排放效应差。由图7可见，夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式在1980−2014年土壤主要温室气体排放强度平均值分别为0.02、0.94、0.51和0.42MgCO2-eq·hm−2；以冬小麦−夏玉米种植模式的土壤主要温室气体排放强度值最高，结合该模式的平均产量值（23405.47kg·hm−2）和土壤主要温室气体平均排放量（2.21MgCO2-eq·hm−2）来看，冬小麦−夏玉米种植模式为高产量、高排放种植模式；冬小麦−夏玉米−早播玉米1（提前10d）和冬小麦−夏玉米−早播玉米2（提前20d）两种种植模式，其土壤主要温室气体排放强度平均值差值为0.09，结合二者平均产量（17977.30kg·hm−2和17862.15kg·hm−2）和土壤主要温室气体平均排放量（0.91MgCO2-eq·hm−2和0.76MgCO2-eq·hm−2），说明种植模式设置相似，则各类计算结果数值相近；夏玉米种植模式的土壤主要温室气体排放强度值最低，结合其平均产量值（11843.45kg·hm−2）和土壤主要温室气体平均排放量值（0.30MgCO2-eq·hm−2），说明夏玉米种植模式为低产量、低排放种植模式。由1980−2014年温室气体排放强度逐两年变化趋势可知，四种种植模式变化情况相当，均呈波动状变化。整体来看，四种种植模式中，夏玉米种植模式的温室气体排放强度最小，冬小麦−夏玉米−早播玉米2（提前20d）种植模式次之。

图7 不同种植模式温室气体排放强度年际变化(a)和多年平均值(b)

3 讨论与结论

3.1 讨论

农田生态系统是温室气体排放的重要来源之一[33]。华北平原地区主要以旱作农业为主，其主要温室气体排放为二氧化碳（CO2）和氧化亚氮（N2O）[32]。影响土壤N2O排放的因素众多，主要包括氮肥施用量、土壤有机碳（SOC）含量、土壤质地和作物种类等[34]；其中，土壤有机碳的变化受土壤质地、秸秆还田等人为因素影响较大[35]。在本研究中，冬小麦−夏玉米种植模式在1980−2014年土壤主要温室气体平均排放量高于夏玉米种植模式85.9%，高于冬小麦−夏玉米−早播玉米1（提前10d）和冬小麦−夏玉米−早播玉米2（提前20d）种植模式61.5%左右，这主要是由于在施肥处理时，冬小麦−夏玉米种植模式的施肥量要高于其余三种种植模式。当施氮量超过作物需求量时，土壤N2O排放量与施氮量呈显著正相关[10]；众多研究表明[9,36]，冬小麦−夏玉米−早播玉米两年三熟的种植模式土壤硝态氮残留较少，氮肥利用率高于冬小麦−夏玉米一年两熟的种植模式，同时，夏玉米和早播玉米在单季种植中，需氮量小于冬小麦−夏玉米两季种植的需氮量，这也是造成冬小麦−夏玉米种植模式土壤温室气体排放量高的原因之一。

调整种植制度，改善种植结构可以不同程度地影响作物产量[8]，吉艳芝等[10,37]发现，与冬小麦−夏玉米一年两熟种植制度相比，冬小麦−夏玉米−早播玉米两年三熟种植模式下产量下降 16%～23.7%，夏玉米一年一熟种植模式下降27%～51.2%。在本研究中，冬小麦−夏玉米种植制度在1980−2014年平均产量高于冬小麦−夏玉米−早播玉米种植制度23.5%，高于夏玉米种植制度49.4%，这与现有研究结果基本相符。

灌溉在保证产量的同时也是农田N2O排放的关键驱动因子，在一定变化范围内土壤水分与N2O排放有显著相关性[38]。本研究对灌溉设置采用APSIM模型中自动灌溉，对产量和N2O排放存在一定干扰，实际中可以根据当地具体的水肥量来调整管理措施。此外，本研究只选用了石家庄市藁城区这一个站点数据进行模拟，在温室气体排放计算时，只考虑了土壤温室气体排放，在后续工作中，可以选取更多的模拟站点，综合考虑农业生产和其它方面产生的温室气体，以得到更为科学精确的结果。

就不同种植制度土壤主要温室气体排放效应而言，在本研究中，夏玉米种植模式的土壤主要温室气体排放强度最低，冬小麦−夏玉米种植模式的土壤主要温室气体排放强度最高。结合上述土壤主要温室气体排放和产量变化的讨论结果，夏玉米种植模式虽然温室气体排放量低，但是同时产量较低，难以保证华北平原地区粮食安全需要；冬小麦−夏玉米种植模式是华北平原地区传统的种植模式，可以保证高产的需要，但是同时也造成了土壤主要温室气体排放量过大。考虑到冬小麦−夏玉米种植模式对环境的不良作用和夏玉米种植模式产量偏低，冬小麦−夏玉米−早播玉米2（提前20d）种植模式将会是未来华北平原地区较好的种植模式。

3.2 结论

夏玉米、冬小麦−夏玉米、冬小麦−夏玉米−早播玉米1（提前10d）、冬小麦−夏玉米−早播玉米2（提前20d）四种种植模式中，冬小麦−夏玉米种植模式的总施肥量（260kg·hm−2）、平均产量（23405.47kg·hm−2）、土壤主要温室气体平均排放量（2.21 MgCO2-eqhm−2）最高，为高产量、高排放种植模式；冬小麦−夏玉米−早播玉米1（提前10d）与冬小麦−夏玉米−早播玉米2（提前20d）两种种植模式的总施肥量（370kg·hm−2）、平均产量（17977.30 kg·hm−2和17862.15kg·hm−2）和土壤主要温室气体平均排放量（0.91MgCO2-eq·hm−2和0.76MgCO2-eq·hm−2）较为接近，土壤主要温室气体排放强度平均值差值为0.09MgCO2-eq·hm−2，表明种植模式设置相似，其各类计算结果数值相近；夏玉米种植模式的总施肥量（90kg·hm−2）、平均产量（11843.45kg·hm−2）和土壤主要温室气体平均排放量（0.30MgCO2-eq·hm−2）最低，表明夏玉米种植模式为低产量、低排放种植模式。

APSIM模型能较为精确地模拟土壤温室气体的排放，在华北平原地区的适用性良好。夏玉米一年一熟、冬小麦−夏玉米一年两熟、冬小麦−夏玉米−早播玉米1（提前10d）和冬小麦−夏玉米−早播玉米2（提前20d）两年三熟四种种植模式中，夏玉米种植模式土壤主要温室气体排放效应最好，冬小麦−夏玉米−早播玉米2（提前20d）种植模式次之。在保证产量的前提下，考虑粮食安全、资源节约和环境友好各方面，冬小麦−夏玉米−早播玉米2（提前20d）两年三熟种植模式将会是华北平原较为理想的种植制度。

[1] Winiwarter W,Höglund-Isaksson L,Klimont Z,et al.Technical opportunities to reduce global anthropogenic emissions of nitrous oxide[J].Environmental Research Letters,2018,13:1748-9326.

[2] Gerber J S,Carlson K M,Makowski D,et al.Spatially explicit estimates of N2O emissions from croplands suggest climate mitigation opportunities from improved fertilizer management[J].Global Change Biology,2016,22:3383-3394.

[3] Liang W L,Carberry P,Wang G,et al.Quantifying the yield gap in wheat-maize cropping systems of the Hebei Plain,China[J].Field Crops Research,2011,124:180-185.

[4] Zhang Y,Liu J,Mu Y,et al.Nitrous oxide emissions from a maize field during two consecutive growing seasons in the North China Plain[J].Journal of Environmental Sciences,2012,24:160-168.

[5] Ju X T,Xing G X,Chen X P,et al.Reducing environmental risk by improving N management in intensive Chinese agricultural systems[J].Proceedings of the National Academy of Sciences of the United States of America,2009,106: 8077.

[6] Liu X,Zhang Y,Han W,et al.Enhanced nitrogen deposition over China[J].Nature,2013,494:459-462.

[7] Tian Y,Wang Q,Zhang W,et al.Reducing environmental risk of excessively fertilized soils and improving cucumber growth bycompost application in long-term continuous cropping systems[J]. Science of the Total Environment,2016,544: 251-261.

[8] 姜雨林,陈中督,遆晋松,等.华北平原不同轮作模式固碳减排模拟研究[J].中国农业大学学报,2018,23(1):19-26.

Jiang Y L,Chen Z D,Di J S,et al.Simulation of soil carbon storage and greenhouse gas emission under different cropping rotations in the North China Plain[J].Journal of China Agricultural University,2018,23(1):19-26.(in Chinese)

[9] 王大鹏,吴文良,顾松东,等.华北高产粮区基于种植制度调整和水氮优化的节水效应[J].农业工程学报,2013, 29(2):1-8.

Wang D P,Wu W L,Gu S D,et al.Water-saving effect under adjustment of cropping systems and optimization of water and nitrogen in high yield regions of North China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(2): 1-8.(in Chinese)

[10] 吉艳芝,徐明杰,巨晓棠,等.华北平原不同种植制度对粮食作物氮素利用和土壤氮库的影响[J].农业工程学报,2020, 36(19):86-96.

Ji Y Z,Xu M J,Ju X T,et al.Effects of different cropping systems on food crop nitrogen utilization and soil nitrogen pool in North China Plain[J].Transactions of the Chinese Society of Agricultural Engineering,2020,36(19): 86-96.(in Chinese)

[11] Li J,Luo Z,Wang Y,et al.Optimizing nitrogen and residue management to reduce GHG emissions while maintaining crop yield:a case study in a mono-cropping system of northeast China[J].Sustainability(Switzerland),2019, 11(18): 62-78.

[12] Li J,Wang E,Wang Y,et al.Reducing greenhouse gas emissions from a wheat-maize rotation system while still maintaining productivity[J].Agricultural Systems,2016,145: 90-98.

[13] Wang G,Luo Z,Wang E,et al.Reducing greenhouse gas emissions while maintaining yield in the croplands of Huang-Huai-Hai Plain,China[J].Agricultural and Forest Meteorology,2018(6):80-94.

[14] 石家庄市藁城区人民政府.藁城区农业农村基本情况[EB/OL].http://www.gc.gov.cn/col/1531385774455/2019/08/13/1565658595621.html.2019-08-13.

Shijiazhuang Gaocheng District People's Government. Gaocheng district agriculture and rural basic situation [EB/OL].http://www.gc.gov.cn/col/1531385774455/2019/08/13/1565658595621.html.2019-08-13.

[15] Thorburn P J,Biggs J S,Collins K,et al.Using the APSIM model to estimate nitrous oxide emissions from diverse Australian sugarcane production systems[J].Agriculture, Ecosystems and Environment,2010,136:343-350.

[16] 徐强,李周晶,胡克林,等.基于密切值法和水氮管理模型的华北平原农田水氮优化管理[J].农业工程学报,2017, 33(14):152-158.

Xu Q,Li Z J,Hu K L,et al.Optimal management of farmland water and nitrogen in North China Plain based on cosy value method and water and nitrogen management model[J].Transactions of the Chinese Society of Agricultural Engineering,2017,33(14):152-158. (in Chinese)

[17] Ma G,Liu W,Li S.Determining the optimal N input to improve grain yield and quality in winter wheat with reduced apparent N loss in the north China plain[J].Frontiers in Plant Science,2019,10(2):1-12.

[18] Khoshnevisan B,Rafiee S,Pan J,et al.A multi-criteria evolutionary-based algorithm as a regional scale decision support system to optimize nitrogen consumption rate:a case study in North China plain[J].Journal of Cleaner Production,2020(3):256.

[19] Xu X,Zhang M,Li J.Improving water use efficiency and grain yield of winter wheat by optimizing irrigations in the North China Plain[J].Field Crops Research,2018,221(10): 219-227.

[20] Hartmann T E,Yue S,Schulz R.Yield and N use efficiency of a maize-wheat cropping system as affected by different fertilizer management strategies in a farmer’s field of the North China Plain[J].Field Crops Research,2015,174:30- 39.

[21] Keating B A,Carberry P S,Hammer G L,et al.An overview of APSIM,a model designed for farming systems simulation[J].European Journal of Agronomy,2003,18(3-4): 267-288.

[22] Holzworth D P,Huth N I,de Voil P G,et al.APSIM- Evolution towards a new generation of agricultural systems simulation[J].Environmental Modelling and Software,2014, 62:327-350.

[23] Probert M E,Dimes J P,Keating B A,et al.APSIM’s water and nitrogen modules and simulation of the dynamics of water and nitrogen in fallow systems[J].Agricultural Systems, 1998,56:1-28.

[24] Mielenz H,Thorburn P J,Harris R H,et al.Mitigating N2O emissions from cropping systems after conversion from pasture:a modelling approach[J].European Journal of Agronomy,2017,82:254-267.

[25] Del Grosso,Ojima D S,Parton W J,et al.Global scale DAYCENT model analysis of greenhouse gas emissions and mitigation strategies for cropped soils[J].Global and Planetary Change,2019,67:44-50.

[26] Parton W J,Holland E A,Del Grosso,et al.Generalized model for NOxand N2O emissions from soils[J]. Journal of Geophysical Research Atmospheres,2001,106:17403-17419.

[27] Li Y,White R,Chen D,et al.A spatially referenced water and nitrogen management model(WNMM) for (irrigated) intensive cropping systems in the North China Plain[J]. Ecological Modelling,2007,203:395-423.

[28] Allen R G,Pereira L S,Raes D,et al.Crop evapotraspiration guidelines for computing crop water requirements[R]. Roma:FAO,1998.

[29] 陈宗培,王贵彦.河北平原小麦-玉米不同灌溉制度下产量和水分生产力潜力及差距研究[D].保定:河北农业大学,2020.

Chen Z P,Wang G Y.Potential and difference of yield and water productivity under different irrigation systems of wheat and maize in Hebei Plain[D].Baoding:Agricultural University of Hebei,2020.(in Chinese)

[30] 孙爽,杨晓光.中国不同区域冬小麦产量潜力及资源利用效率研究[D].北京:中国农业大学,2018.

Sun S,Yang X G.The potential yield and resource use efficiency for winter wheat in different regions in China[D]. Beijing:China Agricultural University,2018.(in Chinese)

[31] 赵俊芳,李宁,候英雨,等.基于APSIM 模型评估北方八省春玉米生产对气候变化的响应[J].中国农业气象,2018, 39(2):108-118.

Zhao J F,Li N,Hou Y Y,et al.Evaluation of response of spring maize production to climate change in the eight provinces of northern China based on APSIM Model[J].Chinese Journal of Agrometeorology,2018,39(2): 108-118.(in Chinese)

[32] 孙丽惠,李中强.北方旱地农田主要温室气体排放研究进展[J].辽宁农业科学,2020(2):52-56.

Sun L H,Li Z Q.Research progress of greenhouse gas emissions from dryland farmland in Northern China[J].Liaoning Agricultural Sciences,2020(2):52-56.(in Chinese)

[33] 蔡育蓉,王立刚.北方典型农业生态系统的固碳减排路径及模式[J].中国生态农业学报,2022,30(4):641-650

Cai Y R,Wang L G.Carbon sequestration and greenhouse gas mitigation paths and modes in typical agroecosystem in northern China[J].Chinese Journal of Eco-Agriculture, 2022,30(4):641-650.(in Chinese)

[34] Shaaban M,Meng Q,Hu R,et al.Soil nitrous oxide and carbon dioxide emissions following incorporation of above-and below-ground biomass of green bean[J]. International Journal of Environmental Science and Technology,2016(13):179-186.

[35] 丁雪丽,韩晓增,乔云发,等.农田土壤有机碳固存的主要影响因子及其稳定机制[J].土壤通报,2012,43(3):3-8.

Ding X L,Han X Z,Qiao Y F,et al.Main influencing factors of soil organic carbon sequestration and its stabilizing mechanism in farmland [J].Chinese Journal of Soil Science,2012,43(3):3-8.(in Chinese)

[36] 刘明,陶洪斌,王璞,等.华北平原水氮优化条件下不同种植制度产量、水氮利用及经济效益分析[J].中国农业大学学报,2008,13(4):12-18.

Liu M,Tao H B,Wang P,et al.Analysis of different cropping systems using optimizing water-nitrogen management on yield,water and nitrogen utilization and economic benefits[J].Journal of China Agricultural University,2008,13(4):12-18.(in Chinese)

[37] 郑媛媛,陈宗培,王贵彦.海河平原小麦-玉米不同种植制度节水特性分析[J].干旱地区农业研究,2019,37(5):9-15.

Zheng Y Y,Chen Z P,Wang G Y.Analysis on the water-saving characteristics of winter wheat and summer maize cropping system on Haihe Plain[J].Agricultural Research in the Arid Areas,2019,37(5):9-15.(in Chinese)

[38] 马晨光,蔡焕杰,卢亚军.基于APSIM模型不同水氮处理下N2O的排放研究[J].灌溉排水学报,2020,39(11): 120-129.

Ma C G,Cai H J,Lu Y J.Modelling the impact of water and nitrogen application on N2O emission from farmland using the APSIM Model[J].Journal of Irrigation and Drainage, 2020,39(11):120-129.(in Chinese)

Assessment of Main Greenhouse Gas Emission Effects under Different Cropping Patterns in North China Plain Based on APSIM Crop Model

XIE Hong-fei1, ZHAO Jun-fang1, AI Jin-Long2,PENG Hui-wen1, HUANG Rui-xi1

(1. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China; 2. School of Modern Agriculture, Yiyang Vocational & Technical College, Yiyang 413049)

The APSIM crop model was used to simulate the changes of soil organic carbon (SOC), soil nitrous oxide (N2O) emissions, soil greenhouse gas emissions and yield in the North China Plain from 1981 to 2014 under summer maize, winter wheat-summer maize, winter wheat-summer maize-early maize 1 (10 days in advance), winter wheat-summer maize -early maize 2 (20 days in advance) four cropping patterns. The results showed that among the four cropping patterns, the soil N2O emission in summer maize planting mode was the lowest, which was 514.81kg·ha−1, the average greenhouse gas emission of soil was 0.30MgCO2-eq·ha−1.The average change of soil organic carbon in winter wheat-summer maize-early maize1 (10 days in advance) cropping pattern was the least, which was 120.78kg·ha−1. The average greenhouse gas emission of winter wheat-summer maize -early maize (20 days in advance) was 0.76MgCO2-eq·ha−1. Among the four planting patterns, the average yield of winter wheat-summer maize was the highest, which was 23405.47kg·ha−1,the summer maize planting pattern had the best effect on soil greenhouse gas emissions(GHG=0.02 MgCO2-eq·ha−1), followed by the winter wheat-summer maize -early maize 2 (20 days advance) planting pattern(GHG=0.04 MgCO2-eq·ha−1). On the premise of ensuring the yield, considering the aspects of food security, resource conservation and environmental friendliness, the planting pattern of winter wheat-summer maize-early maize 2 (20 days in advance) will be an ideal planting system in the North China Plain.

North China Plain; APSIM model; Greenhouse gas emission; Yield; Cropping pattern

10.3969/j.issn.1000-6362.2022.12.001

谢鸿飞,赵俊芳,艾金龙,等.基于APSIM的华北平原不同种植模式下主要温室气体排放效应评估[J].中国农业气象,2022,43(12):955-968

2022−01−03

国家重点研发计划项目（2017YFA0603004）；湖南省自然科学基金青年基金项目

赵俊芳，博士，研究员，主要从事全球变化与农业气象研究，E-mail: zhaojf@cma.gov.cn；艾金龙，博士，副教授，主要从事全球变化与农业气象研究，E-mail:aijinlong15@mails.ucas.ac.cn

谢鸿飞，E-mail:17752014737@163.com