期刊：Science of The Total Environment
影响因子（2022）：9.8
中科院分区：环境科学与生态学一区Top
全文链接：https://pubmed.ncbi.nlm.nih.gov/37717752/
DOI:10.1016/j.scitotenv.2023.167107
1  导读
在全球气候变化的背景下，土壤有机碳储量对于碳中和至关重要。在中国，耕地土壤有机碳储量不仅对环境产生影响，而且对保障国家粮食安全也至关重要。然而，目前关于中国耕地土壤有机碳储量的变化和时空分布模式的争论仍在持续。土壤有机碳(SOC)是陆地生态系统有机碳库中最大的组成部分，在全球碳循环中发挥着至关重要的作用，对气候变化有着深远的影响。据估计，耕地约占陆地总面积(全球约15.6亿公顷)的10.5%，且1961年至2010年贡献的碳汇为0.42 Pg C yr−1，表明其巨大的碳固存潜力。农业发展是中国社会经济稳定的关键，土壤肥力是保障农业生产的关键。在中国复杂的农业条件下，土壤有机碳水平作为土壤肥力的重要指标，对量化中国农田土壤碳动态具有独特而深远的意义。研究表明，目前中国耕地表层有机碳平均密度约为10-30 g kg−1，显著低于欧美等发达国家(25-40 g kg−1)。这表明，中国的耕地在缓解气候挑战方面仍有巨大潜力。因此，在现有种植制度下，准确识别土壤有机碳动态并估算其储量，对于保障国家粮食安全和缓解全球气候变化至关重要。
SOC变化的复杂过程和环境驱动条件的多样性为准确预测SOC变化提出了挑战。原位试验可以提供土壤有机碳变化的准确证据，但由于现场观测成本高、环境参数复杂，难以大规模应用于农业决策和生产。为了克服实地实验的局限性，揭示历史条件和未来情景下区域尺度的SOC动态，基于过程的模型可以作为一种有用的工具。一些基于过程的机制模型，包括DNDC，Roth C，CENTURY，APSIM和Agro-C，已被用于描述和预测区域尺度的土壤碳收支。同时已有研究表明，DNDC是估算中国SOC储量变化的有效工具。然而，近几十年来，中国农业系统在种植面积、种植制度和管理实践方面发生了巨大变化，这可能极大地影响农田土壤的有机碳固存。例如，长期秸秆还田与施用矿质肥相结合显著增加了华北地区小麦和玉米耕地的有机碳储量；此外，中国自然条件的复杂性和空间异质性也导致了区域间SOC分布的不平等和时空动态的巨大差异。所有这些变化都可能对SOC产生巨大的变化，如果不及时进行研究，将阻碍中国实现双碳目标，并阻碍实际的生产指导。因此，在当前粮食安全和气候变化双重挑战下，利用可靠的生物地球化学模型重新评价中国农田土壤有机碳变化具有重要的现实意义。
本研究基于2020年中国的县级设置和县级边界地图，研究区域覆盖了中国的2803个区县（不包括台湾、香港、澳门和南海诸岛），通过DNDC模型对中国耕地土壤有机碳储量的变化进行了评估，发现中国耕地土壤有机碳储量的空间分布具有显著的异质性，仍有很大的碳汇潜力。这些发现为中国实现粮食安全和碳中和战略提供了数据支持。此外，本研究还在方法上进行了改进，提高了估计的准确性。
为了研究表层土壤有机碳库在空间上的差异特征，我们将整个研究区域划分为六个区域，如下所示：东北地区（NE，包括辽宁、吉林和黑龙江省）、华北地区（NC，包括北京、天津、河北、山西和内蒙古自治区）、华东地区（ES，包括上海、江苏、浙江、安徽、福建、江西、山东和台湾省市）、华中地区（MS，包括河南、湖北、湖南、广东、广西、海南省份和自治区，以及香港和澳门特别行政区）、西南地区（SW，包括重庆、四川、贵州、云南、西藏省、自治区和直辖市）和西北地区（NW，包括陕西、甘肃、青海、宁夏、新疆省和自治区）。

图 1 选择的长期定位试验在中国六大分区的位置分布（NE，东北；NC，华北；ES，东南；MS，中南；SW，西南；NW，西北）

2  DNDC 模型
DNDC（Denitrification-Decomposition）是一个基于过程的生物地球化学模型，可以模拟农业生态系统中碳和氮的转化过程。该模型最初被用于模拟美国农田土壤中的N2O、CO2和N2排放，后被许多科学家发展并成功应用于不同国家的多种作物系统。DNDC模型的核心过程包含2个部分，共6个子模块。第一部分包括土壤气候、植被生长和分解3个子模块，主要用于模拟土壤温度、水分、pH、氧化还原电位（Eh）、底物浓度等受生态因子影响的环境变量。第二部分包括硝化、反硝化和发酵3个子模块，主要模拟CO2、CH4、NH3、NO、N2O的产生、消耗和排放以及土壤硝态氮淋溶，该部分的模拟会受上述第一部分输出参数的影响。近年来，DNDC模型被成功用于我国主要作物系统的产量、土壤理化性质、土壤碳氮动态、温室气体通量以及硝态氮淋溶等方面的模拟。
3  数据输入
在将生态系统模型应用于区域尺度时，收集足够的数据集以初始化和运行模型是一个主要挑战。在进行本研究的模拟时，DNDC模拟的基本单元被设置为县，并假定每个县的气象和土壤条件是均一的。2020年区域尺度模拟所需的DNDC输入数据包括：1）气象参数，包括每天的最高温度、最低温度和降水量，这些数据收集自研究区域内地面上的2268个气象站（http://data.cma.cn/en）。对于没有气象站的县，使用最近气象站的数据。2）土壤性质，包括土壤容重、黏粒比例、土壤有机碳含量、pH等产量，数据来自第二次全国土壤普查所建立的数据库。3）作物系统类型及相应的种植面积，主要来自中国农业科学院农业信息研究所国家农业科学数据中心。4）农田管理措施，相关参数包括作物播种日期、收获日期、施肥时间、灌溉和耕作方式等。这些参数主要参考农业部门统计数据、文献报告或田间调查。5）作物生理参数，主要包括作物最大产量、籽粒、茎和根之间生物量的分配及碳氮比、需水量和固氮常数。6）氮肥施用数据。收集自不同地区典型农业种植系统的田间研究成果。此外，DNDC模型还考虑了大气氮沉降、土壤氮矿化、作物秸秆还田等过程的氮输入。这些数据仅包括中国2000多个区县，不包括台湾、香港、澳门和南海诸岛。
4  模型运行
DNDC模型 (version 9.5) 被用来模拟每个县每个作物种植系统的SOC储存及其变异性。为了最小化县内土壤参数的空间变异性和模型本身的局限性，DNDC模型在2020年的区域模拟中每个县的每个种植系统运行了四次：即，灌溉和非灌溉选项与最敏感土壤因素（初始SOC含量、土壤粘土分数、土壤pH值、土壤容重）的最大值和最小值分别结合。这四种情景通常涵盖了与最小模拟单元相关的不确定性，包括灌溉和土壤属性，这些也是SOC模拟的主要不确定性来源。从四次模拟中得出了SOC储存和年SOC密度变化范围，SOC变化的真实值（0-30cm）包含在这个范围内的可能性很高。本研究报告了平均结果（即，四次模拟的平均值）。基于模拟的SOC密度和每个县每个种植系统的种植面积计算县级SOC（0-30cm）。通过汇总所有县的SOC储量计算得出全国SOC储量。由于DNDC模型不涉及由物理侵蚀引起的SOC损失，模拟结果仅代表SOC变化的保守估计。
5  结果
5.1  DNDC模型模拟区域SOC的适用性
在过去三十年中，DNDC模型已在许多国家独立测试和应用，是研究土壤C和N的流行工具。从已发表的文献中，选择了30个长期田间观测试验来验证DNDC模型在中国典型农业种植系统中的应用（图2）。这些实验地点主要分布在中国的六个主要农艺区域。通过比较观测和模拟结果，很明显DNDC模型在模拟和捕捉SOC动态方面表现良好（R2均>0.8）（图2a-f）。DNDC模型在站点级别的可靠模拟为其在区域尺度的应用提供了很好的基础，表明DNDC可以量化中国农业生态系统中的SOC。

图 2 土壤有机碳（SOC）模型模拟值和实测值。黑色虚线表示 y=x（1:1 线），红线表示拟合函数

5.2  SOC空间分布特征
模拟结果表明，2020年农田SOC储存在不同情景下变幅为2.52-9.53 Pg C，平均约为6.02 Pg C。其中东北地区贡献最大，约占23%（1.37 Pg C）。其余地区由高到低排列依次为华东地区、华北地区、华中地区、西南地区和西北地区。中国的平均SOC密度为49.65 t C ha-1。县级的SOC密度在18.55-152.57 t C ha-1之间波动（图3）。约40%的县显示出高于平均SOC密度。在不同的农艺区域中，东北地区（58.85 t C ha-1）和华北地区（38.74 t C ha-1）的平均SOC密度分别最高和最低。此外，东北地区的平均SOC密度比西南地区、西北地区、华东地区、华中地区和华北地区分别高出6.1%、14.7%、19.1%、22.1%和51.9%。

 图 3 全国各县农田SOC密度的分布情况

5.3 SOC时间变化特征
中国农田SOC储量从2003年的4.95 Pg C增加到2020年的6.02 Pg C，增长了21.6%（图3）。农田的SOC密度增加了18.2%（2020年为49.65 t C ha-1，而2003年为42 t C ha-1）。在区域尺度上（图25），华东地区SOC密度的增长最大，为68.8%，其次是华北地区，为40.5%，可能是因为这两个地区在2003年的SOC密度较低，因此效果最强。西北地区的SOC密度从2003年低于平均水平增加到2020年高于平均水平，增长了32.2%。华中地区和西南地区的增长相对较低，分别为18.7%和9.9%，原因是这两个地区在2003年的SOC密度相对较高。尽管只有东北地区，作为典型的黑土区域，显示出与2003年相比SOC密度下降了19.3%，但它仍然显示出最高的SOC密度。总的来说，过去17年来，不同农艺区域之间的SOC密度差异已经缩小。与东北地区的SOC密度相比，华东地区（2003年与2020年相比，59.8%与16.0%）和华北地区（2003年与2020年相比，62.2%与34.2%）的差距百分比一直在下降，这表明华北地区的SOC密度仍有较大的增长空间。
5.4 SOC年度变化量
在2020年一年种植后，各地区年SOC固存的变化显示出明显的差异（图4）。华东地区和华北地区总体上显示出年SOC固存增加。华中地区和西南地区的大多数县显示出年SOC固存的正变化，尽管这两个地区的南部延伸区县遭受了不同程度的SOC损失。在西北地区，SOC损失主要发生在新疆，其他地区观察到SOC固存的轻微增加。在东北地区，SOC固存的增加主要集中在北部和南部县，中部县的SOC损失更多。总的来说，2020年中国农田显示出年SOC固存增加0.31 t C ha-1，表明中国净SOC变化呈上升趋势。总的净SOC储存变化范围为13.76-49.25 Tg C，平均为38.11 Tg C。

 图 4 全国各县农田SOC储量年度变化

6. 结论
DNDC模型可以很好地应用于估计中国不同地区SOC的动态变化。2020 年，中国农田土壤（0-30 cm）SOC 密度的空间差异大，平均为 49.65 t C ha-1 ，SOC 储量为 6.02 Pg（范围为 2.52-9.53 Pg）。经过 2020 年一年的种植，全国耕地 SOC 总体净增加，平均为 38.11 t C ha-1。与 2003 年相比，2020 年平均 SOC 密度和 SOC 储量分别增加了 18.2% 和 21.6%。从不同分区看，只有东北地区 SOC下降。总体而言，一年短期种植和2003-2020年17年长期变化都表明中国农田固碳能力呈上升趋势，2020 年中国农田作为碳汇仍有巨大的固碳潜力。