期刊：Science of The Total Environment
影響因子（2022）：9.8
中科院分區：環境科學與生態學一區Top
全文鏈接：https://pubmed.ncbi.nlm.nih.gov/37717752/
DOI:10.1016/j.scitotenv.2023.167107
1  導讀
在全球氣候變化的背景下，土壤有機碳儲量對於碳中和至關重要。在中國，耕地土壤有機碳儲量不僅對環境產生影響，而且對保障國家糧食安全也至關重要。然而，目前關於中國耕地土壤有機碳儲量的變化和時空分布模式的爭論仍在持續。土壤有機碳(SOC)是陸地生態係統有機碳庫中最大的組成部分，在全球碳循環中發揮著至關重要的作用，對氣候變化有著深遠的影響。據估計，耕地約占陸地總麵積(全球約15.6億公頃)的10.5%，且1961年至2010年貢獻的碳彙為0.42 Pg C yr−1，表明其巨大的碳固存潛力。農業發展是中國社會經濟穩定的關鍵，土壤肥力是保障農業生產的關鍵。在中國複雜的農業條件下，土壤有機碳水平作為土壤肥力的重要指標，對量化中國農田土壤碳動態具有獨特而深遠的意義。研究表明，目前中國耕地表層有機碳平均密度約為10-30 g kg−1，顯著低於歐美等發達國家(25-40 g kg−1)。這表明，中國的耕地在緩解氣候挑戰方麵仍有巨大潛力。因此，在現有種植製度下，準確識別土壤有機碳動態並估算其儲量，對於保障國家糧食安全和緩解全球氣候變化至關重要。
SOC變化的複雜過程和環境驅動條件的多樣性為準確預測SOC變化提出了挑戰。原位試驗可以提供土壤有機碳變化的準確證據，但由於現場觀測成本高、環境參數複雜，難以大規模應用於農業決策和生產。為了克服實地實驗的局限性，揭示曆史條件和未來情景下區域尺度的SOC動態，基於過程的模型可以作為一種有用的工具。一些基於過程的機製模型，包括DNDC，Roth C，CENTURY，APSIM和Agro-C，已被用於描述和預測區域尺度的土壤碳收支。同時已有研究表明，DNDC是估算中國SOC儲量變化的有效工具。然而，近幾十年來，中國農業係統在種植麵積、種植製度和管理實踐方麵發生了巨大變化，這可能極大地影響農田土壤的有機碳固存。例如，長期秸稈還田與施用礦質肥相結合顯著增加了華北地區小麥和玉米耕地的有機碳儲量；此外，中國自然條件的複雜性和空間異質性也導致了區域間SOC分布的不平等和時空動態的巨大差異。所有這些變化都可能對SOC產生巨大的變化，如果不及時進行研究，將阻礙中國實現雙碳目標，並阻礙實際的生產指導。因此，在當前糧食安全和氣候變化雙重挑戰下，利用可靠的生物地球化學模型重新評價中國農田土壤有機碳變化具有重要的現實意義。
本研究基於2020年中國的縣級設置和縣級邊界地圖，研究區域覆蓋了中國的2803個區縣（不包括台灣、香港、澳門和南海諸島），通過DNDC模型對中國耕地土壤有機碳儲量的變化進行了評估，發現中國耕地土壤有機碳儲量的空間分布具有顯著的異質性，仍有很大的碳彙潛力。這些發現為中國實現糧食安全和碳中和戰略提供了數據支持。此外，本研究還在方法上進行了改進，提高了估計的準確性。
為了研究表層土壤有機碳庫在空間上的差異特征，我們將整個研究區域劃分為六個區域，如下所示：東北地區（NE，包括遼寧、吉林和黑龍江省）、華北地區（NC，包括北京、天津、河北、山西和內蒙古自治區）、華東地區（ES，包括上海、江蘇、浙江、安徽、福建、江西、山東和台灣省市）、華中地區（MS，包括河南、湖北、湖南、廣東、廣西、海南省份和自治區，以及香港和澳門特別行政區）、西南地區（SW，包括重慶、四川、貴州、雲南、西藏省、自治區和直轄市）和西北地區（NW，包括陝西、甘肅、青海、寧夏、新疆省和自治區）。

圖 1 選擇的長期定位試驗在中國六大分區的位置分布（NE，東北；NC，華北；ES，東南；MS，中南；SW，西南；NW，西北）

2  DNDC 模型
DNDC（Denitrification-Decomposition）是一個基於過程的生物地球化學模型，可以模擬農業生態係統中碳和氮的轉化過程。該模型最初被用於模擬美國農田土壤中的N2O、CO2和N2排放，後被許多科學家發展並成功應用於不同國家的多種作物係統。DNDC模型的核心過程包含2個部分，共6個子模塊。第一部分包括土壤氣候、植被生長和分解3個子模塊，主要用於模擬土壤溫度、水分、pH、氧化還原電位（Eh）、底物濃度等受生態因子影響的環境變量。第二部分包括硝化、反硝化和發酵3個子模塊，主要模擬CO2、CH4、NH3、NO、N2O的產生、消耗和排放以及土壤硝態氮淋溶，該部分的模擬會受上述第一部分輸出參數的影響。近年來，DNDC模型被成功用於我國主要作物係統的產量、土壤理化性質、土壤碳氮動態、溫室氣體通量以及硝態氮淋溶等方麵的模擬。
3  數據輸入
在將生態係統模型應用於區域尺度時，收集足夠的數據集以初始化和運行模型是一個主要挑戰。在進行本研究的模擬時，DNDC模擬的基本單元被設置為縣，並假定每個縣的氣象和土壤條件是均一的。2020年區域尺度模擬所需的DNDC輸入數據包括：1）氣象參數，包括每天的最高溫度、最低溫度和降水量，這些數據收集自研究區域內地麵上的2268個氣象站（http://data.cma.cn/en）。對於沒有氣象站的縣，使用最近氣象站的數據。2）土壤性質，包括土壤容重、黏粒比例、土壤有機碳含量、pH等產量，數據來自第二次全國土壤普查所建立的數據庫。3）作物係統類型及相應的種植麵積，主要來自中國農業科學院農業信息研究所國家農業科學數據中心。4）農田管理措施，相關參數包括作物播種日期、收獲日期、施肥時間、灌溉和耕作方式等。這些參數主要參考農業部門統計數據、文獻報告或田間調查。5）作物生理參數，主要包括作物最大產量、籽粒、莖和根之間生物量的分配及碳氮比、需水量和固氮常數。6）氮肥施用數據。收集自不同地區典型農業種植係統的田間研究成果。此外，DNDC模型還考慮了大氣氮沉降、土壤氮礦化、作物秸稈還田等過程的氮輸入。這些數據僅包括中國2000多個區縣，不包括台灣、香港、澳門和南海諸島。
4  模型運行
DNDC模型 (version 9.5) 被用來模擬每個縣每個作物種植係統的SOC儲存及其變異性。為了最小化縣內土壤參數的空間變異性和模型本身的局限性，DNDC模型在2020年的區域模擬中每個縣的每個種植係統運行了四次：即，灌溉和非灌溉選項與最敏感土壤因素（初始SOC含量、土壤粘土分數、土壤pH值、土壤容重）的最大值和最小值分別結合。這四種情景通常涵蓋了與最小模擬單元相關的不確定性，包括灌溉和土壤屬性，這些也是SOC模擬的主要不確定性來源。從四次模擬中得出了SOC儲存和年SOC密度變化範圍，SOC變化的真實值（0-30cm）包含在這個範圍內的可能性很高。本研究報告了平均結果（即，四次模擬的平均值）。基於模擬的SOC密度和每個縣每個種植係統的種植麵積計算縣級SOC（0-30cm）。通過彙總所有縣的SOC儲量計算得出全國SOC儲量。由於DNDC模型不涉及由物理侵蝕引起的SOC損失，模擬結果僅代表SOC變化的保守估計。
5  結果
5.1  DNDC模型模擬區域SOC的適用性
在過去三十年中，DNDC模型已在許多國家獨立測試和應用，是研究土壤C和N的流行工具。從已發表的文獻中，選擇了30個長期田間觀測試驗來驗證DNDC模型在中國典型農業種植係統中的應用（圖2）。這些實驗地點主要分布在中國的六個主要農藝區域。通過比較觀測和模擬結果，很明顯DNDC模型在模擬和捕捉SOC動態方麵表現良好（R2均>0.8）（圖2a-f）。DNDC模型在站點級別的可靠模擬為其在區域尺度的應用提供了很好的基礎，表明DNDC可以量化中國農業生態係統中的SOC。

圖 2 土壤有機碳（SOC）模型模擬值和實測值。黑色虛線表示 y=x（1:1 線），紅線表示擬合函數

5.2  SOC空間分布特征
模擬結果表明，2020年農田SOC儲存在不同情景下變幅為2.52-9.53 Pg C，平均約為6.02 Pg C。其中東北地區貢獻最大，約占23%（1.37 Pg C）。其餘地區由高到低排列依次為華東地區、華北地區、華中地區、西南地區和西北地區。中國的平均SOC密度為49.65 t C ha-1。縣級的SOC密度在18.55-152.57 t C ha-1之間波動（圖3）。約40%的縣顯示出高於平均SOC密度。在不同的農藝區域中，東北地區（58.85 t C ha-1）和華北地區（38.74 t C ha-1）的平均SOC密度分別最高和最低。此外，東北地區的平均SOC密度比西南地區、西北地區、華東地區、華中地區和華北地區分別高出6.1%、14.7%、19.1%、22.1%和51.9%。

 圖 3 全國各縣農田SOC密度的分布情況

5.3 SOC時間變化特征
中國農田SOC儲量從2003年的4.95 Pg C增加到2020年的6.02 Pg C，增長了21.6%（圖3）。農田的SOC密度增加了18.2%（2020年為49.65 t C ha-1，而2003年為42 t C ha-1）。在區域尺度上（圖25），華東地區SOC密度的增長最大，為68.8%，其次是華北地區，為40.5%，可能是因為這兩個地區在2003年的SOC密度較低，因此效果最強。西北地區的SOC密度從2003年低於平均水平增加到2020年高於平均水平，增長了32.2%。華中地區和西南地區的增長相對較低，分別為18.7%和9.9%，原因是這兩個地區在2003年的SOC密度相對較高。盡管隻有東北地區，作為典型的黑土區域，顯示出與2003年相比SOC密度下降了19.3%，但它仍然顯示出最高的SOC密度。總的來說，過去17年來，不同農藝區域之間的SOC密度差異已經縮小。與東北地區的SOC密度相比，華東地區（2003年與2020年相比，59.8%與16.0%）和華北地區（2003年與2020年相比，62.2%與34.2%）的差距百分比一直在下降，這表明華北地區的SOC密度仍有較大的增長空間。
5.4 SOC年度變化量
在2020年一年種植後，各地區年SOC固存的變化顯示出明顯的差異（圖4）。華東地區和華北地區總體上顯示出年SOC固存增加。華中地區和西南地區的大多數縣顯示出年SOC固存的正變化，盡管這兩個地區的南部延伸區縣遭受了不同程度的SOC損失。在西北地區，SOC損失主要發生在新疆，其他地區觀察到SOC固存的輕微增加。在東北地區，SOC固存的增加主要集中在北部和南部縣，中部縣的SOC損失更多。總的來說，2020年中國農田顯示出年SOC固存增加0.31 t C ha-1，表明中國淨SOC變化呈上升趨勢。總的淨SOC儲存變化範圍為13.76-49.25 Tg C，平均為38.11 Tg C。

 圖 4 全國各縣農田SOC儲量年度變化

6. 結論
DNDC模型可以很好地應用於估計中國不同地區SOC的動態變化。2020 年，中國農田土壤（0-30 cm）SOC 密度的空間差異大，平均為 49.65 t C ha-1 ，SOC 儲量為 6.02 Pg（範圍為 2.52-9.53 Pg）。經過 2020 年一年的種植，全國耕地 SOC 總體淨增加，平均為 38.11 t C ha-1。與 2003 年相比，2020 年平均 SOC 密度和 SOC 儲量分別增加了 18.2% 和 21.6%。從不同分區看，隻有東北地區 SOC下降。總體而言，一年短期種植和2003-2020年17年長期變化都表明中國農田固碳能力呈上升趨勢，2020 年中國農田作為碳彙仍有巨大的固碳潛力。