淮河流域稻麦轮作系统CH4通量模拟及减排研究

虞晓兰，张方敏*，方砚秋，卢燕宇，张凯迪，倪婷

（1.南京信息工程大学应用气象学院气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室，南京 210044；2.安徽省气象局气象科学研究所/大气科学与卫星遥感安徽省重点实验室，合肥 230031；3.寿县国家气候观象台，中国气象局淮河流域典型农田生态气象野外科学试验基地，安徽 寿县 232200）

20 世纪中叶以来，全球气候变暖已经引起了人们的广泛关注，温室气体浓度增加是导致气候变暖的主要原因[1]。温室气体中CH4对全球气候变暖的贡献率仅次于CO2，但其增温潜能值是CO2的28 倍[2]。农田生态系统作为大气CH4源和汇的重要来源，对全球CH4通量变化有重要影响。据统计，由农业活动排放的CH4占全球人为排放量的52%[3]，我国作为农业大国，农田生态系统CH4通量研究已成为我国气候变化研究的重要内容与热点。

目前，区域农田CH4通量的研究已有许多，研究发现不同区域的农田CH4通量存在很大的空间差异。Zhang等[4]研究了我国稻田CH4排放的空间特征，发现温度高、有机质施用量大的华南、华中和华东地区CH4排放水平较高；吴梦琴等[5]以湖北省为例，发现汉江平原CH4排放量最高，鄂东南次之，鄂西北最低。同一地区不同时期的CH4排放量也存在很大差异，比如，在三江平原，随着水稻种植量的爆炸性增长，2000年代和2010 年代的CH4排放量均明显多于1990 年代[6]。此外，已有研究表明气候变化以及种植制度会影响农田CH4通量。田展等[7]发现气候变化导致我国水稻田1991—2010 年的平均CH4通量增加了0.25 kg·hm-2。研究认为稻麦轮作的CH4排放量高于水稻-冬闲（油菜、玉米、紫云英或蚕豆）轮作[8-12]。同时，稻麦轮作制度是我国典型的种植制度之一，占我国粮食生产面积的8.2%，是我国温室气体排放的重要来源，其中稻田产生的CH4占农田CH4排放量的31.5%[13]。因此，在未来气候变化情境下，探究区域稻麦轮作农田的CH4通量对我国温室气体减排和粮食安全保障措施实施有重要意义。

近年来，国家一直鼓励秸秆还田，但不同的秸秆还田模式或比例对农田CH4通量的影响有所不同[14]。研究表明，相比于秸秆不还田，全量还田和半量还田分别使CH4排放量增加39.56%和12.38%，且相较于全还田与不还田，秸秆半量还田可以获得较高的作物产量和较低温室气体排放量[15]。此外，张俊等[16]指出秸秆还田模式下，适当减少后期氮肥用量可使CH4减排31.7%～75.7%，但是，赵峥等[17]指出化肥减量25%＋秸秆还田会增加CH4排放量，却也增加土壤的碳储量。由此可见，在未来气候变化背景下，可以通过控制秸秆还田比例或选择合理的秸秆还田＋减肥方式，制定出最优减排措施，进而应对气候变化并保证粮食生产。

淮河流域作为我国重要的粮食生产基地，稻麦轮作是该流域主要耕作模式之一，该流域农田生态系统CH4通量的研究对我国区域农田CH4通量总量有重要影响。因此，本文以淮河流域作为研究对象，运用站点观测资料验证后的DNDC 模型，分析淮河流域历史时期（2000—2020 年）和未来（2020—2049 年）不同气候变化情景下稻麦轮作农田CH4通量的时空变化特征，并评估未来不同气候变化情景下的减排措施，以期为准确评估全球气候变化下的农田生态系统的CH4通量及制定相应的减排措施提供决策依据。

1 材料与方法

1.1 研究区概况

淮河流域的地理位置位于30.96°～36.31°N、111.94°～121.39°E（淮河水利委员会，2012），在省级区划上包括江苏、安徽、河南三省以及山东南部部分地区，流域总面积超过27 万平方公里。该流域整体上地势平坦开阔，以平原地貌为主，只有西部、南部和东北部的部分地区海拔较高。淮河流域的气候特征以淮河为分界，亚热带区主要在淮河以北，而淮河以南基本为暖温带区。流域内水资源充足，土地利用类型多样。根据资源环境科学与数据中心（http：//www.resdc.cn/DataSearch.aspx）2010 年的土地利用类型数据资料，流域中81.7%为耕地，西南山地和东北地区以草原和森林为主，占4.1%和7.2%，而水域、城乡用地和未利用地则分别占4.7%、2.2%和0.1%[18]。

1.2 数据与情景设置

本研究采用被广泛应用的过程模型－DNDC（DeNitrification-DeComposition）模型模拟农田生态系统中碳氮循环。模型由两大模块组成：一是土壤和气候、植物生长和有机质分解模块，其作用是预测植物-土壤系统中环境因子的变化；二是反硝化作用、硝化作用和发酵作用模块，其作用是模拟土壤环境的生物化学过程，估算土壤系统中温室气体如CO2、CH4、N2O 的通量和总量。研究通过收集气候、土壤、植被以及人类活动等生态因子并建立数据库，对淮河流域稻麦轮作农田CH4通量进行探究。

DNDC 模型模拟所需的数据包括气象数据、土壤数据、植被管理措施及土地利用数据。气象数据包括从国家气象中心获得的历史时期（2000—2020 年）淮河流域38 个气象站点的逐日气象数据和从CMIP5 中的北京气候中心气候系统模型1.1数据库中获取的未来（2021—2049 年）两种气候情景（RCP4.5，RCP8.5）下的气象数据。采用DNDC 模型需要的降雨量、日最高气温和日最低气温，并按照所需格式进行处理构建气象数据库。土壤数据从HWSD（Harmonized World Soil Database version 1.1）中选取，包括土壤有机碳含量、酸碱度、黏土含量和容重。植被管理措施来自淮河流域各县市2000—2020 年统计年鉴，植被数据包括农作物类型、播种时间、收获时间、作物最大生物量、根系、茎叶和果实的碳氮比等，管理数据包括耕作方式和时间、施肥种类、耕作时间和深度、秸秆还田方式和秸秆施用量、灌溉时间和灌溉量等。2010 年的土地利用类型数据资料来自于资源环境科学与数据中心网站（http：//www.resdc.cn/DataSearch.aspx）。

研究以2000—2020 年为历史情景，比较2021—2049 年未来两种不同气候情景（RCP4.5，RCP8.5）对CH4通量的影响。同时，为确定淮河流域最优的减排管理措施，对未来两种气候情景采取不同施肥和秸秆还田措施，模拟淮河流域农田CH4通量。以历史情景的管理措施（S0F0）为基础措施，设置传统施肥、减量10%和减量20%三种施肥水平，并与无秸秆还田、50%秸秆还田和100%秸秆还田进行组合，共设置9种管理措施情景（表1）。

表1 CH4通量减排措施情景设置Table 1 Scenario settings of CH4 flux emission reduction measures

1.3 模型验证与统计方法

模型验证是模型模拟的前提，本研究基于寿县国家气候观象台CH4通量观测资料（2019—2021 年）进行模型验证，同时将有关淮河流域的其他相关研究中的CH4通量点位观测数据和本研究区域模拟数据进行比较，从而验证模型。采用均方根误差（RMSE）[19]和决定系数（R2）[20]反映评估模型拟合程度。RMSE值越接近0，表明模型拟合程度越好。R2的取值范围介于0 到1，当其值越接近1，模拟值与实测值的相关性就越好。通过对模型进行参数调整，可以不断降低RMSE和提高R2的值，从而提高模型预测和模拟的准确度。

基于时间的线性趋势分析可以反映指标随时间变化的特征，已经在很多领域的时间序列分析研究中得到了广泛的应用[21]。因此，以年份为自变量，CH4通量为因变量，采用最小二乘法计算时间序列的趋势线斜率即为淮河流域CH4通量的线性倾向率，线性倾向率的绝对值越大，表明变化速率越快，当该值大于0时，表示CH4通量值增加，反之则减少。另外，利用变化率（S）表示不同气候情景、不同措施对CH4通量的影响程度：

其中L为不同气候情景（不同措施）下的CH4通量值，kg·hm-2；L0为历史情景（基础措施）下的CH4通量值，kg·hm-2。当S＞0时，为增长率。

2 结果与分析

2.1 DNDC模型率定与验证

本研究利用寿县国家气候观象台CH4通量观测资料（2019—2021 年），对模型进行参数率定，如图1所示，模拟值与实测值R2=0.72，RMSE=0.03 kg·hm-2，模拟效果较好，并且能较好地模拟出该站点CH4通量变化特征，表明经参数率定后的模型在该站点适用。

图1 站点CH4排放通量模拟Figure 1 CH4 emission flux simulation

为了验证模型在流域尺度上的适用性，我们比较了淮河流域其他相关研究中的CH4通量点位观测数据和本研究区域模拟数据。如表2 所示，淮河流域实测的CH4通量排放强度在55～523 kg·hm-2之间，而本研究模拟CH4通量结果与实测值R2=0.84，RMSE=38.25 kg·hm-2，两者吻合较好。结果表明，参数率定后的DNDC 模型对淮河地区的CH4通量具有较高的模拟精度，可以用于模拟淮河流域农田CH4通量。

表2 淮河流域农田CH4实测值与模拟值比较Table 2 Comparison of measured and simulated values of CH4 fluxes in the Huai River Basin

2.2 气候变化情景下CH4通量的变化特征

2.2.1 CH4时间变化特征

从年际变化来看（图2），历史情景下，2000—2020 年间淮河流域CH4平均排放强度为125.3 kg·hm-2，总体呈显著上升趋势（P＜0.01），线性倾向率为1.06 kg·hm-2·a-1，CH4排放强度最高值出现在2018年，为147.6 kg·hm-2，最低值出现在2003 年，为85.6 kg·hm-2。

图2 淮河流域CH4通量年际变化Figure 2 Interannual variation of CH4 flux in the Huai River Basin

未来RCP4.5 和RCP8.5 两种情景下，2021—2049年间淮河流域CH4平均排放强度分别为140.5 kg·hm-2和150.5 kg·hm-2，CH4排放强度总体均呈显著上升趋势（P＜0.01）。相较而言，由线性倾向率可知RCP4.5 情景下上升幅度更为明显，但RCP8.5 情景下的区域CH4排放强度较RCP4.5 增加了7%。RCP4.5情景下，CH4排放强度最高值出现在2047 年，最低值出现在2024 年；RCP8.5 情景下，最高值出现在2046年，最低值出现在2041 年。两种气候变化情景下区域CH4排放强度最高值仅相差8.5 kg·hm-2，但最低值相差25.0 kg·hm-2。

相较于历史情景下平均区域CH4排放强度，未来RCP4.5、RCP8.5 情景下2021—2049 年间平均区域CH4排放强度分别增加了12%、20%，其中RCP4.5 情景下2020年代、2030年代、2040年代分别增加了5%、12%、19%，RCP8.5 情景下三个年代分别增加了14%、19%、26%（图3）。

图3 未来气候情景下CH4通量及其对应的增长率Figure 3 CH4 fluxes and the corresponding growth rates under future climate scenarios

2.2.2 CH4空间变化特征

历史情景下年均淮河流域CH4通量的空间分布如图4a 所示，淮河流域内CH4通量基本处在80～160 kg·hm-2，高值大多位于南部，其次是西北部和东南部，其中滁州市、六安市南部和东部、信阳市中部CH4通量大于160 kg·hm-2，而低值区位于日照市、枣庄市、阜阳市、驻马店市中部，这些区域的CH4通量低于80 kg·hm-2。

RCP4.5 和RCP8.5 气候变化背景下淮河流域CH4通量的空间分布如图4b 和图4c 所示，两种气候变化背景下CH4通量空间分布特征相似，均呈现南部和西北部地区CH4通量高，东北部和中西部地区CH4通量低的特征。平均而言，淮河流域内CH4通量大多处在80～160 kg·hm-2，其中CH4通量为100～140 kg·hm-2的区域占大多数。RCP4.5情景下，淮河流域CH4通量高值大多位于南部，其中滁州市、六安市（除中部）、信阳市南部、扬州市南部、开封市中部、商丘市CH4通量大于160 kg·hm-2；淮河流域CH4通量低值区位于日照市、枣庄市、阜阳市、连云港市与临沂市交界处、驻马店市中部、平顶山市南部，这些区域的CH4通量低于80 kg·hm-2。与RCP4.5 相比，RCP8.5 情景下CH4通量大于180 kg·hm-2的区域大幅增加，主要集中在信阳市南部、六安市西南部、宿州市中部、商丘市中部、开封市中部；同时CH4通量处于80～120 kg·hm-2间的区域大幅减少，主要集中在驻马店市、阜阳市、临沂市、枣庄市北部和济宁市东部。

两种气候情景（RCP4.5、RCP8.5）下淮河流域CH4年均通量相对于历史情景的变化率均在34°N 和32.5°N 附近处较大（图5）。RCP4.5 情景下，大部分区域CH4通量变化率都处于0～20%之间，只有极少部分区域变化率小于0，集中于淮河流域最北部，变化率大于30%的区域集中在徐州市东部、扬州市南部和淮安市与滁州市交界处。RCP8.5情景下，CH4通量变化率同样总体呈现中部高、南北低的分布，大部分区域变化率在10%～25%之间，只有淮河流域最北部和东南部区域变化率小于10%，变化率大于30%的区域主要集中在商丘市中部、宿州市西北部、徐州市东部和西部、扬州市西南部、滁州市和淮安市交界处、阜阳市南部以及驻马店市东南部。

2.3 不同管理措施对CH4通量影响

由图6 可知，两种气候变化情景下，秸秆还田均会导致农田CH4排放量明显增加，秸秆还田50%约为不还田的2.5 倍，秸秆全还田更是达到不还田的3 倍以上。相比之下，两种情景下减量施肥对农田CH4通量影响均较小，仅施肥减量10%，CH4排放量减少3.7%，仅施肥减量20%，CH4排放量减少7.8%。RCP4.5 和RCP8.5 两种情景下，100%秸秆还田+全量施肥的农田CH4排放量最高，较基础措施（S0F0）分别增加了236%和238%；而秸秆不还田+减量施肥20%的农田CH4排放量最低，较基础措施（S0F0）分别减少了7.86%和7.84%。两种情景较基础措施的CH4通量变化率相近，但RCP8.5情景变化率均略高于RCP4.5。同时，RCP8.5情景CH4通量均高于RCP4.5。

图6 未来气候情景下不同处理的CH4通量及对应的变化率Figure 6 CH4 fluxes and change rates with different treatments under future climate scenarios

仅考虑秸秆还田的影响（图7），相比于基础措施，50%秸秆还田使RCP4.5、RCP8.5 两种情景CH4排放量均增加了110～290 kg·hm-2；100%秸秆还田则使两种情景均减少了190～490 kg·hm-2。RCP4.5 情景和RCP8.5 情景下，50%秸秆还田与100%秸秆还田较基础措施CH4排放量增加较多的区域多位于淮河流域南部、西北部与中部地区，少量位于中东部；而增加较少的区域多位于东北部和中西部。两种情景相比而言，RCP8.5 情景下，50%秸秆还田措施下CH4排放量较基础措施增加少于250 kg·hm-2的区域显著多于RCP4.5 情景；而100%秸秆还田措施下CH4排放量增加少于430 kg·hm-2的区域显著多于RCP4.5情景。

图7 未来气候情景下不同秸秆还田措施的CH4通量较基础措施的距平Figure 7 CH4 flux anomalies of different straw returning measures under future climate scenarios compared with the basic measure

续图7 未来气候情景下不同秸秆还田措施的CH4通量较基础措施的距平Continued figure 7 CH4 flux anomalies of different straw returning measures under future climate scenarios compared with the basic measure

仅考虑施肥量影响（图8），相比于基础措施，减量施肥10%使RCP4.5、RCP8.5 两种情景CH4排放量均减少了1～8.5 kg·hm-2；减量20%则使两种情景均减少了3～18 kg·hm-2。RCP4.5情景下，减量施肥10%与20%较基础措施CH4排放量减少较多的区域均位于34°N附近，而与基础措施CH4排放量相近的区域多位于33°N附近及淮河流域东北部地区。RCP8.5情景则与RCP4.5 情景相似。两种情景相比之下，相同的施肥量RCP8.5 情景下的CH4排放通量均高于RCP4.5。此外，两种情景下的CH4通量均呈现排放量随施肥量减少而减少的现象。

图8 未来气候情景下不同减量施肥措施的CH4通量较基础措施的距平Figure 8 CH4 flux anomalies of different reduced fertilization measures under future climate scenarios compared with the basic measure

续图8 未来气候情景下不同减量施肥措施的CH4通量较基础措施的距平Continued figure 8 CH4 flux anomalies of different reduced fertilization measures under future climate scenarios compared with the basic measure

3 讨论

历史情景下，2000—2020年淮河流域CH4通量呈波动上升趋势。一是因为2010 年代以来，气温的升高和降雨量的增加为水稻提供了更适宜的环境，从而有效地减少了积温不足对水稻生长的不利影响。二是由于近年来农田管理措施的优化，例如施肥种类和水稻品种的改良，促进了作物的生长，从而增加了农田CH4通量[28]。三是由于近年来温室气体排放增加导致全球变暖，进而使CH4排放增多[29]。1960—2015年黑龙江省[30]农田生态系统CH4变化趋势与本研究淮河流域历史时期的CH4变化趋势一致，但本研究的平均排放强度低于黑龙江省（125.3 kg·hm-2vs194.1 kg·hm-2），这可能与不同区域间的气候差异、田间管理措施、作物品种不同等有关。相较于历史情景，RCP4.5，RCP8.5 情景下2021—2049 年间平均区域CH4排放量均有所增加，且相比于RCP4.5，RCP8.5 情景下平均区域CH4排放量增加了更多，这与2021—2049 年两种气候变化情景的平均气温高于历史情景相关，RCP8.5 情景下的平均气温也比RCP4.5 情景下的平均气温高。温度升高将导致农田CH4排放量增加[29]，采取有效措施减少农田CH4排放量势在必行。

本研究发现未来气候变化情景下淮河流域CH4通量空间分布特征与历史时期相同，Nie 等[30]在黑龙江省和Zhang[31]在全国也得出一致结果。淮河流域CH4通量空间分布呈南部和西北部高，东北部和中西部低，这是由于不同地区的土壤属性具有空间差异[26]，而相关研究表明土壤有机质含量、黏粒含量、酸碱度、容重等均是影响农田CH4排放的重要因素，如农田CH4排放量与土壤有机质含量呈正相关[26]，与黏粒含量呈负相关[32]。

本研究结果表明，秸秆还田显著提高了淮河流域146%～238%的CH4通量，其原因可能在于秸秆这类有机物料为产甲烷菌提供了丰富的作用底物，且在稻田淹水的条件下，秸秆会快速分解，导致土壤氧化还原电位下降，为产甲烷菌提供足够的厌氧环境，从而促进CH4的生成[33]，说明减少秸秆还田量是降低CH4排放量的一种可行措施。另一方面，氮肥施用量对农田CH4排放量也存在一定影响，在减量施肥20%时，淮河流域农田CH4排放量最低。因为随着氮肥的减量，改变了农田土壤养分状况，一定程度上抑制了水稻和冬小麦的生长，减少了根系分泌物，从而减少了产CH4菌的反应底物[34]。因此，对于淮河流域而言，秸秆不还田和减量施肥20%是减少农田CH4排放量的有效措施。

目前，本研究在制定减排措施时仅考虑了CH4通量，如何能既保证温室气体的排放达到最低又能保证作物的产量，使得淮河流域农业可持续发展，值得在今后的研究中进一步探索。

4 结论

（1）历史时期（2000—2020年）区域CH4通量平均排放强度为125.3 kg·hm-2，总体呈显著上升趋势。RCP4.5（中等排放强度情景）和RCP8.5（高排放强度情景）两种情景下，2021—2049 年间淮河流域CH4排放强度总体同样均呈显著上升趋势，但RCP4.5 情景下上升幅度更为明显，两种情景下区域CH4平均排放强度较历史时期分别增加了12%和20%。

（2）空间上，两种气候情景（RCP4.5，RCP8.5）与历史情景区域CH4通量空间分布特征相似，均呈现南部和西北部地区CH4通量高，东北部和中西部地区CH4通量低的特征。此外，两种气候情景下流域CH4年均通量相对于历史情景年均通量的变化率均在34°N和32.5°N附近处较大。

（3）相较于基础措施，施肥量措施均减少了CH4排放，减量施肥20%时排放量最低；秸秆还田措施则显著提高了CH4排放水平。田间管理措施为秸秆不还田+减量施肥20%时，CH4排放最低，因此在仅考虑淮河流域CH4通量的情况下，该措施是未来气候变化情景下的最佳田间管理措施。