吉林省农田温室气体N2O减排潜力预测

赵玉岩,于千晴,汤肖丹,宋美彤,李 兵

吉林大学地球探测科学与技术学院,长春 130026

0 引言

温室气体是大气中可以吸收和释放红外辐射的气态成分,主要包括二氧化碳(CO2)、氧化亚氮(N2O)、氟利昂、甲烷(CH4)等,其中非CO2温室气体占温室气体总量的10%～20%[1]。这些气体能强烈吸收地面辐射中的红外线,导致地球温度上升,即温室效应。温室效应的不断积累会造成全球气候变暖、降水量重新分配、冰川和冻土消融、海平面上升等,从而破坏生态平衡,影响人类健康,甚至威胁人类的生存。

农业是温室气体的重要排放来源之一[2],主要会产生非CO2温室气体,如CH4、N2O等,农田非CO2温室气体排放量占全球人为排放总量的10%～12%[1]。N2O是硝化和反硝化作用过程的中间产物,是一种重要的温室气体,其增温效应是CO2的150～200倍[3],农田是其最大释放源[4]。土壤中氮肥和有机肥的投入会提高硝化和反硝化率,从而导致N2O排放量的增加[1],施肥引起的N2O排放量约占全球土地排放量的30%[5]。张广斌等[6]分析了中国农田非CO2温室气体的减排现状,指出了近30 a来我国农田非CO2温室气体减排的实质是CH4和N2O的综合减排。降低农田温室气体排放量能有效减缓全球气候变暖,目前的主要方法有秸秆还田、水稻间歇灌溉、提高肥效、提高农业废弃物利用率等。那伟等[7]发现吉林省农业温室气体一直以N2O的排放为主体,并据此给出了相应的减排建议。因此,合理控制农田温室气体N2O的排放对于缓解温室效应和实现“双碳”目标具有重大意义。

1992年,美国New Hampshire大学创建了脱氮-分解作用(DNDC)模型[8],它是模拟和追踪农业生态系统中碳氮生物地球化学循环过程的模型。该模型广泛应用于农田、森林等多种类型的生态系统,为准确模拟CH4、N2O等温室气体排放提供了技术支持。Xu等[9]利用DNDC模型估算了1995年贵州省县域农业用地N2O排放总量及其空间分布,并评价了耕作方式对N2O排放的影响,发现N2O受施氮量影响最明显,作物种植、肥料改良剂、氮肥施用和耕作等农业实践对N2O排放的影响是一个有机组合。Abdalla等[10]对河北省不同氮肥施用量条件下夏玉米-冬小麦两熟系统中N2O排放与作物生产力的DNDC模型进行了校正和评价,从而有效地估算了夏玉米-冬小麦两熟系统的累积N2O通量和粮食产量。张开[11]利用DNDC模型对沈阳市不同气候背景条件下种植马铃薯田的增产减排进行了研究,找出了不同降雨年型下马铃薯田的最优施肥量以及适宜的施肥深度和施肥比例。吕凤莲[12]以田间试验和DNDC模型模拟相结合的方法,研究有机肥和无机肥配施对小麦和玉米产量、氮肥利用效率以及含氮气体排放等的影响。与陆地生态系统生物地球化学循环(CENTURY)模型、卡内基-埃姆斯斯坦福方法(CASA)模型、土壤侵蚀/生产力影响(EPIC)模型、生物群落生物地球化学循环(BiomeBGC)模型、洛桑碳(RothC)模型等相比[13],DNDC模型对于农业生态系统的适用性更强,能够考虑较为详细的参数,并可同时长期模拟多种温室气体的排放过程,从而得出更加精准的模拟结果[13],更好地模拟温室气体排放并对节能减排进行优化分析[14]。因此,本文选择DNDC模型进行温室气体排放模拟。

吉林省是我国重要的粮食产地,主要粮食作物为玉米和水稻[15],农田温室气体N2O的排放量较大,降低其排放量成为迫切需要解决的问题。本文利用DNDC模型模拟了1991—2020年吉林省玉米种植条件下N2O的排放情况,同时进行了点位模拟和全省的区域模拟,并通过敏感度分析找出了影响N2O排放的最主要因素,探究了增产减排的最优方案, 为吉林省农业绿色转型和节能减排提供科学依据。

1 材料与方法

1.1 研究区概况

吉林省位于我国东北部,全省占地面积为18.74万km2,是我国重要的粮食基地,也是我国玉米的主要产地。吉林省处于中纬度地区,属于温带大陆性季风气候。夏季温暖多雨,冬季寒冷干燥。降雨时间常集中在6—9月。种植玉米通常开始于4月底到5月中旬,收获期通常为10—11月。

1.2 数据来源

本文气象数据均来源于中国科学院资源环境科学与数据中心,点位模拟中土壤数据、作物数据和农田管理数据均来源于吉林大学功能农业基地(珲春);区域模拟中土壤数据来自于中国土壤数据库;考虑到作物数据和农田管理数据在同省份内差别不大,因此区域模拟所用到的作物数据和农田管理数据仍采用吉林大学功能农业基地(珲春)提供的数据。

1.3 研究方法

以1991—2020年共30 a的气候为背景,利用表1和表2的土壤和田间管理数据进行点位模拟。

表1 用于点位模拟的吉林大学功能农业基地(珲春)土壤数据

表2 用于点位模拟的吉林大学功能农业基地(珲春)田间管理数据

根据IPCC 2006年国家温室气体清单指南 2019修订版[16]提出的估算方法以及现有数据,估算在玉米种植条件下N2O的排放量,并进行模型验证。采用归一化均方根误差(normalized root mean squared error, NRMSE)来评价模拟值和真实值的符合度:

式中:ε为归一化均方根误差;Ri为真实值;Mi为模拟值;n为样本容量。NRMSE越小,模拟值与真实值间的偏差越小,模拟结果越准确可靠[17]。NRMSE≤10%,表明模拟效果非常好;10%30%,表明模拟效果差。

本文中的真实值为种植玉米的年N2O排放总量:

Ri=Si·β+Qi·(γ1+γ2)。

式中:Si为第i年玉米的播种面积;β为单位面积玉米的年N2O排放量;Qi为第i年玉米的化肥施用总量;r1为玉米的氮肥N2O排放系数;r2为玉米的复合肥N2O排放系数[18]。本研究中,玉米的本底N2O排放量为2.532 kg/hm2[19],氮肥N2O排放系数为0.83%[20],复合肥N2O排放系数为0.11%[21]。

验证成功后,进行温室气体排放对气候和人为耕作管理的敏感度分析,即在一定范围内改变模型中一个影响因素的数值输入,同时保持其他影响因素不变,得到输出值的变化规律。本研究变更的影响因素包括氮肥施用量、有机肥施用量、秸秆还田比例、土壤有机碳质量分数、温度和降雨量,它们的变更情况见表3。通过敏感度分析,可得到各因素对温室气体排放的影响程度。

表3 敏感性分析中各影响因素的变更情况

为了进一步分析吉林省1991—2020年温室气体的空间变化特征,根据气象站点的位置,选取12个区域进行区域模拟,并利用地理信息系统软件ArcGIS绘制温室气体空间分布图,再根据结果对吉林省不同区域的温室气体排放差异及原因进行分析,最后通过调节各影响因素的数值,得出最优的田间管理方案。

2 结果与讨论

2.1 模型验证

利用玉米种植条件下吉林大学功能农业基地(珲春)的N2O年排放量,通过试错法不断对模型参数予以校正,验证结果(表4)表明,1991—2020年N2O年排放量模拟值的平均值为6.63 kg/hm2,真实值的平均值为6.85 kg/hm2,模型模拟值与真实值之间尽管存在一定的偏差,但二者的NRMSE为5.97%,在模拟效果非常好的范围内;表明DNDC模型可以很好地模拟预测吉林省玉米种植条件下温室气体N2O的变化趋势。

表4 1991—2020年吉林大学功能农业基地(珲春)N2O年排放量的真实值与模拟值

2.2 敏感度分析

利用验证过的DNDC模型进行敏感度分析,以评估不同输入参数对模拟结果的影响,进而确定影响农田N2O排放的关键因素。敏感度分析结果(图1)表明,对温室气体N2O排放量影响程度最大的为氮肥施用量,其次是有机肥施用量;土壤有机碳质量分数也会对N2O排放量有一定影响;而秸秆还田比例、温度以及降雨量对N2O排放量的影响较小。相对于气候因子的波动,主要的田间管理尤其是化肥施用以及土壤有机碳的变化对温室气体排放的影响更大。杨黎等[22]也利用DNDC模型研究不同施氮和秸秆还田措施对东北地区春玉米农田固碳和N2O排放的长期综合影响,发现在春玉米生长季,施氮量、不同施氮措施、秸秆还田和降雨等都对N2O排放有着一定程度的影响;王秀斌等[23]对河北省小麦和玉米季潮土N2O排放DNDC模拟敏感度的分析结果也表明,N2O排放量模拟值对氮肥用量和施肥次数的改变最为敏感。二者均与本文的敏感度分析结论基本一致。所以,在作为粮食基地的吉林省农田生态系统中,不同田间管理措施的改变,尤其是氮肥施用的合理规划是调节N2O排放和玉米产量的有效方法。

氮肥施用量、有机肥施用量和土壤有机碳质量分数均是在原基础上进行改变。

2.3 N2O排放时空分布特征分析

2.3.1 空间分布特征

通过1991—2020年吉林省各区域N2O排放量(表5)可以发现,西部区域排放量最大,中部区域排放量居中,东部区域排放量最小。西部的白城、乾安、长岭的N2O排放均较多,年均排放量在60 kg/hm2以上;其次是中部的长春等城市,年均N2O排放量仅次于西部地区;而东部地区如延吉、东岗等城市的N2O排放均较少,年均排放量在20～30 kg/hm2之间。

表5 1991—2020年吉林省各区域N2O排放量

由敏感度分析已知降雨量对N2O排放的影响较小,但降雨与农作物生长密切相关。分析东中西部代表城市(延吉、长春、白城)近30 a的月平均降雨量(图2)发现,全省降雨在每年的1—3月份非常低,之后随着月份的逐渐增长,降雨量也逐渐增加,至7月份达到最高值,随后逐渐降低,10月份之后又非常低。因此,在吉林省降雨期为每年的4—10月,玉米大概在5月份播种、10月份收割,充足的雨水可以为玉米生长带来积极的影响。

图2 白城、长春和延吉的月平均降雨量

2.3.2 时间分布特征

基于N2O排放量的空间分布,将吉林省划分为东中西部3个研究区域,选择延吉、长春、白城分别作为东、中、西区域的代表城市进行N2O排放的时间分布特征研究。对比3个城市1991—2020年的N2O排放量(图3)可以发现,N2O排放量的波动程度较大。从最近10 a的变化趋势来看,白城有4年(2012、2014、2018和2019年)高于平均值(72.18 kg/hm2),长春有3年(2015、2018和2019年)高于平均值(42.47 kg/hm2),延吉也有3年(2015、2018和2019年)略高于平均值(21.08 kg/hm2)。3个地区在2018和2019年的N2O排放量都较高,而2020年都明显降低;这是因为2020年我国提出碳中和碳达峰目标后,吉林省也从农业上降低了N2O的排放量。与农业生产活动相关的温室气体排放多来源于粮食生产过程,如水稻种植引起的CH4排放和氮肥施用引起的N2O排放[24-26]。为了更好地实现节能减排,吉林省农业生产活动仍需继续由传统的高投入、高消耗、高产出方式向资源节约、利用效率不断提升的生态农业与循环农业方式转变[9]。在今后的农业生产活动中,也应该在保证产量的前提下尽可能减少温室气体排放,逐渐提高农业现代化水平。

图3 白城、长春和延吉年均N2O排放时间分布图

2.4 N2O增产减排优化分析

2.4.1 施氮量

为了探究吉林省不同区域、不同施氮梯度对玉米产量和N2O排放的影响,基于研究区域近30 a的平均气象数据情况,以30 kg/hm2施氮量变化梯度为前提,采用DNDC模型模拟施氮量与玉米产量、N2O排放量的关系,结果如图4所示。从图4可以看出,3个区域在不施用肥料时的玉米产量和N2O排放量均最低,其中以白城为代表的西部地区玉米产量最低,以长春为代表的中部地区玉米产量居中,以延吉为代表的东部地区玉米产量最高。当施肥量开始增加时,玉米产量有一定程度的增加。对于任一区域,随着施氮量的增加,玉米产量均出现先增加后趋于稳定的趋势,不同区域均有不同的最优施氮量,但N2O排放量都呈现一直上升的趋势。

图4 施氮量与玉米产量、N2O排放量关系的DNDC模拟结果

不同类型土壤的养分供应能力和特征不同,其中促进植物生长和发育的碱解氮(主要营养元素之一)含量也存在差异,直接影响玉米对肥料中氮的吸收与利用,进而影响玉米产量[27]。随着施氮量的增加,N2O排放持续增加,使玉米产量增加后趋于稳定的点,对应最佳施肥量。根据施氮量与N2O排放量的DNDC模拟数据:吉林西部施氮量为400 kg/hm2时,玉米产量为4 219.40 kg/hm2,继续增大施氮量后产量稳定不变,因此得到西部最佳施氮量为400 kg/hm2;吉林中部施氮量为330 kg/hm2时,玉米产量为4 597.00 kg/hm2,继续增大施氮量后产量稳定不变,因此中部最佳施氮量为330 kg/hm2;吉林东部施氮量分别为360、390、480 kg/hm2时,玉米产量分别为4 754.23、4 754.41、4 754.76 kg/hm2,继续增大施氮量后产量稳定不变,因此东部最佳施氮量为480 kg/hm2。从整体上看,吉林省中部最佳施肥量最小,西部最佳施肥量次之,东部最佳施肥量最大。吉林省西部土壤为淡黑钙土和盐渍土[28],中部为黑土,东部为冲积土。中部地区(黑土)土壤的碱解氮量比东部地区(冲积土)和西部地区(淡黑钙土和盐渍土)土壤的都高。结合玉米产量可知,施用氮肥会使玉米在东部地区的冲积土和西部地区的淡黑钙土和盐渍土中的增产效果优于中部地区的黑土[27]。

传统的农业生产倾向于施用足够量的肥料来提高作物产量,然而通过吉林省东中西三区域施氮量与玉米产量、N2O排放量之间关系的模拟结果(图4)发现:适量施肥可以提高玉米产量;过量施肥不但会浪费肥料,对玉米生长没有促进作用,还会增加温室气体排放,破坏生态环境。

2.4.2 基追肥施用比例

在前文确定的最佳施氮量条件下,进一步模拟肥料基追施用比例与玉米产量、N2O排放量的关系,分别按照9∶1,7∶3,5∶5和3∶7的基追肥施用比例进行模拟。当玉米产量较高且N2O排放较小时即为最佳基追肥施用比例。从图5可以看出:以白城为代表的N2O排放量最高的西部淡黑钙土和盐渍土地区是需要追肥最多的,最佳基追肥施用比例为7∶3;以延吉为代表的东部冲积土地区和以长春为代表的中部黑土地区的最佳基追肥施用比例均为9∶1。不同区域按照不同的最佳基追肥施用比例进行施肥,可以在确保增产玉米的同时,降低N2O排放,减少环境污染。

图5 基追肥施用比例与玉米产量、N2O排放量关系的DNDC模拟结果

2.4.3 秸秆还田比例

在最佳施氮量和最佳基追肥施用比例条件下,当秸秆还田比例分别为10%,20%,30%,40%时,玉米产量和N2O排放量的DNDC模拟结果如表6所示。从表6可以看出,在最佳施氮量和最佳基追肥施用比例的基础上,是否进行秸秆还田对白城、长春和延吉的玉米产量和N2O排放量均没有明显影响。

表6 秸秆还田比例对玉米产量和N2O排放量的影响

2.4.4 土壤有机碳质量分数

在最佳施氮量和最佳基追肥施用比例条件下,土壤有机碳质量分数与玉米产量、N2O排放量关系的DNDC模拟结果如表7所示。由表7可以看出,在最佳施氮量和最佳基追肥施用比例的基础上,随着土壤有机碳质量分数的降低,白城、长春和延吉的玉米产量均无明显改变,但N2O排放量明显降低。作物产量是土壤中多种养份共同作用的结果,单一的土壤有机碳质量分数并不能作为决定作物产量的因素。由于模型的局限性,无法精准模拟土壤中复杂的养分情况。根据宋红梅等[29]的研究,合理的化肥施用可以提升土壤养分,达到为作物增产创造良好环境及固碳减排的目的。

表7 土壤有机碳质量分数变化对玉米产量和N2O排放量的影响

3 结论

1)DNDC模型验证得到的NRMSE为5.97%,说明N2O的模拟值和真实值一致性良好,该模型可用于吉林省温室气体N2O排放的模拟。

2)对吉林省农田N2O排放量影响最大的是氮肥施用量;其次是有机肥施用量、土壤有机碳质量分数;温度、降雨量、秸秆还田比例对N2O排放的影响较小。

3)1991—2020年,吉林省玉米种植条件下的N2O排放量呈现西部最大、中部居中、东部最小的空间分布特征。

4)综合考虑玉米产量和N2O排放量,吉林省西部的最佳施氮量和基追肥施用比例分别为400 kg/hm2和7∶3,中部的则为330 kg/hm2和9∶1,而东部的为480 kg/hm2和9∶1;在此基础上,对于全省秸秆还田的比例没有特别的要求,其对N2O排放影响不明显;由于模型的局限性,无法精准模拟土壤中复杂的养分情况,单一的土壤有机碳质量分数并不能作为决定作物产量的因素。合理的化肥施用可以提升土壤养分,为作物增产创造良好环境,并达到固碳减排的目的。