呼伦贝尔农垦集团农场净碳汇量的时空变化分析

摘 要：主要基于呼伦贝尔农垦农场2001—2022年的遥感、气象数据以及农垦集团相关农业生产数据估算呼伦贝尔农垦集团农场的净碳汇量。结果表明：（1）2001—2022年呼伦贝尔农垦农场净生态系统生产力总体呈逐年上升趋势，空间分布呈现出由大兴安岭向两麓递减的分布方式，其中呈显著增加趋势的包括东方红、欧肯河、古里、甘河、宜里和巴彦农场，其余为极显著增加趋势；（2）呼伦贝尔农垦农场碳排放量基本趋于平稳状态，农垦农场碳排放量和单位播种面积碳排放量的区域差异不明显。其中，呼伦贝尔农垦农场农业生产投入碳排放量2017年为19.70万t，2022年为19.92万t；（3）近6年来，呼伦贝尔农垦农场的净碳汇量总体呈波动上升趋势。总体而言，呼伦贝尔农垦农场具有较强的净碳汇能力，可通过调整种植结构结合优化田间管理技术以及农业生产过程中减少碳排放等措施，提高呼伦贝尔农垦农场的净碳汇能力。

关键词：呼伦贝尔农垦；生态净初级生产力；碳排放；农场净碳汇量

中图分类号：S181 文献标志码：B 文章编号：2095–3305（2024）08–0-03

温室效应问题和陆地生态系统碳循环是国际变化研究核心计划的重点研究内容[1-2]。近年来，全球气候变化问题越来越严重，全球平均气温上升[3]。据统计，全球碳排放中农田生态系统的碳排放量占12%左右[4]。

近年来，中国政府将应对气候变化列为国家农业生产的重要任务，开展农田生态系统的净碳汇量评估，对发展绿色低碳农业具有重要意义。因此，对农田生态系统的碳源/汇进行准确评估是国家建设生态农业、保障生态农业健康发展的迫切需要[5]。随着遥感技术的发展，许多学者开展了农田生态系统碳源与碳汇的研究[6-8]。估算农田生态系统净碳汇量的传统方法是根据农业生产过程中碳吸收量与碳排放量计算的[9-10]，但这种计算方法忽略了土壤呼吸造成的碳排放，因而可能低估碳排放量[11-12]。通过遥感数据估算农田净生态系统生产力（Net Ecosystem Productivity，NEP），这种方法可以避免漏算土壤呼吸的碳排放[13-14]。

因此，以呼伦贝尔农垦农场为例，结合遥感数据和农业生产过程中的投入数据，分析2017—2022年呼伦贝尔农垦农场净碳汇量的时空变化特征，为呼伦贝尔农垦农场生态系统制定碳减排政策提供支撑。

1 资料与方法

1.1 研究区概况

呼伦贝尔农垦集团建于1954年，位于内蒙古自治区呼伦贝尔市大兴安岭与呼伦贝尔草原两大生态圈内，耕地规模居全国农垦第三，属国家直供垦区，拥有耕地40万hm2、草场66.67万hm2和林地2.67万hm2，田间农业综合机械化水平达99%，农业科技贡献率71%。呼伦贝尔农垦集团资源丰富、区位优越、生态良好、农牧业机械装备能力强，是全国仅有的规模化、集约化垦区之一，在中国东北农田生态系统中具有较强的代表性。呼伦贝尔农垦集团有24个现代化国有农牧场公司，分布在呼伦贝尔市10个旗市区境内，垦区常年种植双低油菜、大豆、小麦、玉米、马铃薯、大麦和甜菜等作物。

1.2 数据来源

计算NEP所使用的2001—2022 NPP数据选自基于美国国家航空航天局MODIS数据产品的提供MOD 17A3数据集，空间分辨率为500 m，时间分辨率为1年。气温和降水数据来自呼伦贝尔市16个国家气象观测站。将呼伦贝尔境内16个气象站的月气温和月降水数据插值成与NPP相同空间分辨率的气象数据，计算逐月RH。呼伦贝尔农场管理数据来自2017—2022年的《呼伦贝尔市统计年鉴》。

1.3 研究方法

1.3.1 NEP计算方法

NEP为净生态系统生产力（g C·m-2·年-1），是估算区域生态系统碳源、碳汇的重要指标，其计算公式为：

NEP=NPP-RH（1）

式（1）中，NPP为植被净初级生产力（g C·m-2·年-1）；

RH为土壤呼吸速率（g C·m-2·年-1），由于土壤微生物呼吸主要受温度和降水影响，RH可根据相关人员建立的模型进行逐月估算。

RHi=0.22×[exp（0.0912Ti）+ln（0.3145Pi+1）×30×

46.5%]（2）

式（2）中，RHi为每年第i月的土壤呼吸速率；Ti为第i月的平均气温（℃）；Pi为第i月的降水量（mm）；全年12个月的RHi求和后即可得到当年的RH。

RH=RHi

1.3.2 农垦农场碳排放

农场生态系统碳排放的主要来源是化肥和农业机械等，计算公式如下：

Et=Ef+Ee（3）

式（3）中，Et为农场生态系统碳排放总量；Ef和Ee分别代表化肥和农业机械产生的碳排放量。

Ef=Gi×Ai（4）

Ee=We×F（5）

式（4）和（5）中，Gi、We分别代表各个农业生产投入中化肥的具体使用量和农业机械的耗损；Ai、F分别代表农业生产投入中各类碳排放系数[15]。

1.3.3 农垦农场生态系统净碳汇

通过计算农垦农场多年NEP与农场在农业生产中的投入造成的碳排放两者差值，计算公式为：

Nc=NEP-Et（6）

Nu=Nc/Sa（7）

式（6）和（7）中，Nc为农垦农场的净碳汇；NEP为农垦农场净生态系统生产力；Et为农垦农场生产投入的碳排放，Nu为单位播种面积净碳汇量，Sa为农作物播种面积。

2 结果与分析

2.1 呼伦贝尔农垦农场NEP的时空变化

利用Sen变化倾向率及M-K显著性检验得出呼伦贝尔农垦农场逐像元的变化趋势。呼伦贝尔农垦农场

NEP年均值以4.95 g C·m-2·年-1的速度增加，呈显著增加趋势的包括东方红、欧肯河、古里、甘河、宜里和巴彦农场，其余为极显著增加趋势，表明呼伦贝尔农垦农场生产过程中植被的固碳能力在不断提高。呼伦贝尔市农垦农场的NEP年际变化呈上升趋势，峰值主要集中分布在大兴安岭地区，整体呈现出由大兴安岭向两侧递减的分布方式。呼伦贝尔市农垦农场的年均NEP为221.1 g C·m-2·年-1，整体呈碳汇状态。NEP在0～100 g C·m-2·年-1、100～200 g C·m-2·年-1和200 g C·m-2·年-1以上的面积分别占呼伦贝尔农垦农场总面积的3.1%、44.7%和52.5%，其中，东方红农场NEP均值最高，数值为329.4 g C·m-2·年-1，格尼农场NEP均值最低，数值为139.4 g C·m-2·年-1。总体来看，呼伦贝尔农垦农场的NEP＞0，NEP范围超过200 g C·m-2·年-1的面积占呼伦贝尔农垦农场总面积的比例最大（图1）。

2.2 呼伦贝尔农垦农场的碳排放变化分析

农垦集团各农场的碳排放时空变化不明显。从时间上来看，2017—2022年农垦集团各农场碳排放量基本平稳（图2）。碳排放总量2017年为19.70万t，2022年为19.92万t，基本趋于平稳。其中，2018年碳排放量最大，为20.36万t；2020年碳排放量最小，为18.72万t。

单位面积碳排放量从2017年的1.73 t·hm-2下降至2022年的1.56 t·hm-2，年均减少率为0.10%。减少的主要原因是相关农资化肥的投入减少。从表1可以看出，在农垦集团各农场主要的碳排放途径中，农机产生的碳排放量所占比例最大，所占比例为77.2%，其次是氮肥产生的碳排放量，所占比例为20.2%。

2.3 呼伦贝尔农垦农场净碳汇量的变化分析

2017—2022年净碳汇量均值为68.80万t，呼伦贝尔农垦集团农场的净碳汇量整体呈上升趋势，单位播种面积净碳汇量总体也呈上升趋势（图3）。2017—2022年，农垦集团各农场生产技术提高与农作物单产稳定增长，农垦集团各农场具有较强的净碳汇能力。

3 讨论

2020年我国提出到2030年达到“碳达峰”与2060年达到“碳中和”的目标。农场生态系统与人为因素紧密相关，固碳能力极强。人为因素主要指人类生产活动在农场生态系统生产过程中产生的碳排放，如生产过程中肥料、农药等产生的碳排放及耕作过程中农业机械使用所消耗的电能产生的碳排放等。在所有碳排放途径中，化肥中氮肥产生的碳排放量最大。因此，在保证作物产量的前提下，应按照作物需求决定施肥量，实现对资源的循环利用。有必要对农田生态系统碳源/汇开展评估，为发展低碳、绿色生态农业奠定基础。在计算呼伦贝尔农垦农场碳排放时，以前人研究方法为基础，碳排放系数引用国外学者的研究，在国内代表性较强，但对于呼伦贝尔地区的适用性有待研究[16]。通过研究得到2017—2022年呼伦贝尔农垦农场的净碳汇量年际变化总体呈波动上升趋势，这说明呼伦贝尔农垦农场固碳能力较强。根据需要，可通过实地观测估算当地的碳排放系数，为当地的碳排放统计提供更准确的数据。此外，自然因素也是影响净碳汇大小的主要因素。NPP与RH的大小均受气温和降水的影响，对计算得到的NEP进行间接调控，因此气温和降水对净碳汇均起到综合调控的目的。

4 结论

通过计算2001—2022年呼伦贝尔农垦农场的NEP和在农业生产过程中投入的碳排放量，估算呼伦贝尔农垦农场的净碳汇量，分析结果如下：

（1）近22年来，呼伦贝尔农垦农场净生态系统生产力总体呈逐年上升趋势，整体空间分布呈现出由大兴安岭向两麓递减的分布方式；其中，呈显著增加趋势的农场包括东方红、欧肯河、古里、甘河、宜里和巴彦，其余为极显著增加趋势。

（2）呼伦贝尔农垦农场碳排放量基本趋于平稳状态，农垦农场碳排放量和单位播种面积碳排放量的区域差异不明显。其中，呼伦贝尔农垦农场农业生产投入碳排放量2017年为19.70万t，2022年为19.92万t。

（3）近6年，呼伦贝尔农垦农场的净碳汇量呈波动上升的趋势，表明呼伦贝尔农垦农场净碳汇能力较强。

参考文献

[1] 戴尔阜，黄宇，吴卓，等.内蒙古草地生态系统碳源/汇时空格局及其与气候因子的关系[J].地理学报，2016，71（1）：21-34.

[2] 苏永中，赵哈林.土壤有机碳储量、影响因素及其环境效应的研究进展[J].中国沙漠，2002（3）：19-27.

[3] 张志强，曲建升，曾静静.温室气体排放评价指标及其定量分析[J].地理学报，2008（7）：693-702.

[4] 黄晓敏，陈长青，陈铭洲，等.2004—2013年东北三省主要粮食作物生产碳足迹[J].应用生态学报，2016，27（10）：3307-3315.

[5] 赵宁，周蕾，庄杰，等.中国陆地生态系统碳源/汇整合分析[J].生态学报，2021，41（19）：7648-7658.

[6] 陈罗烨，薛领，雪燕.中国农业净碳汇时空演化特征分析[J].自然资源学报，2016，31（4）：596-607.

[7] 吕斯涵，张小平.山东省农业净碳汇时空演化特征分析[J].水土保持学报，2019，33（2）：227-234.

[8] 马晓哲，王铮.土地利用变化对区域碳源汇的影响研究进展[J].生态学报，2015，35（17）：5898-5907.

[9] 朱燕茹，王梁.农田生态系统碳源/碳汇综述[J].天津农业科学，2019，25（3）：27-32.

[10] 张宝成，白艳芬，王加真，等.1990—2014年贵州农田生态系统碳汇变化[J].贵州农业科学，2018，46（4）：148-151.

[11] 王梁，赵杰，陈守越.山东省农田生态系统碳源、碳汇及其碳足迹变化分析[J].中国农业大学学报，2016，21（7）：133 -141.

[12] 段华平，张悦，赵建波，等.中国农田生态系统的碳足迹分析[J].水土保持学报，2011，25（5）：203-208.

[13] 张璐，王静，施润和.2000—2010年东北三省碳源汇时空动态遥感研究[J].华东师范大学学报（自然科学版），2015 （4）：164-173.

[14] 潘竟虎，文岩.中国西北干旱区植被碳汇估算及其时空格局[J].生态学报，2015，35（23）：7718-7728.

[15] 李远航，郝兴明，张静静，等.近17 a阿克苏绿洲农田净碳汇功能的时空变化[J].干旱区研究，2022，39（4）：1303-1311.

[16] 叶文伟，王城城，赵从举，等.近20年海南岛热带农田生态系统碳足迹时空格局演变[J].中国农业资源与区划， 2021，42（10）：114-126.