“双碳”背景下我国稻田生态系统土壤固碳潜力分析

白龙龙 ,  盛雅琪 ,  徐丽丽 ,  高翔 ,  张涌新 ,  邓劲松

中国工程科学 ›› 2024, Vol. 26 ›› Issue (6) : 246 -256.

PDF (857KB)
中国工程科学 ›› 2024, Vol. 26 ›› Issue (6) : 246 -256. DOI: 10.15302/J-SSCAE-2024.06.023
工程前沿

“双碳”背景下我国稻田生态系统土壤固碳潜力分析

作者信息 +

Carbon Sequestration Potential of Paddy Soil in China under the Carbon Peaking and Carbon Neutrality Goals

Author information +
文章历史 +
PDF (877K)

摘要

稻田生态系统作为人为耕作条件下形成的土壤生态系统，具有较高的固碳能力和潜力，对我国农业领域实现“双碳”目标具有重要意义。本文基于遥感技术提取2021年的我国水稻种植区信息，构建了5995个图斑模拟单元，应用反硝化 ‒ 分解（DNDC）模型模拟了2021—2040年全国稻田表层土壤有机碳（SOC）密度的空间分布情况，预测了我国未来稻田SOC的变化趋势。结果表明，在现有种植条件下全国稻田土壤呈现碳汇状态，2021年的稻田表层土壤（0~20 cm）碳储量平均值为4.1 Pg C， 2030年、2040年的对应值分别为4.32 Pg C、4.49 Pg C，稻田土壤碳储量表现为逐年上升趋势；2021—2030年的稻田土壤的固碳潜力为22 Tg C/a，2030—2040年为17 Tg C/a，年均变化率趋缓，稻田土壤固碳潜力逐渐达到饱和状态。未来20年，我国绝大部分地区的稻田SOC密度将出现变化，增加面积明显高于下降面积，最高增长率为9.2%，最大下降率为8%。情景模拟表明，秸秆还田、化肥施用可显著提高稻田土壤的碳储量。相关结论在充分利用稻田土壤的碳汇功能、降低温室气体排放、推进农业领域“双碳”目标等方面具有科学意义和应用价值。

Abstract

The paddy ecosystem, as a unique soil ecosystem formed by artificial cultivation, holds great potentials for carbon sequestration, which is crucial for realizing the carbon peaking and carbon neutrality ("dual carbon") goals in the agricultural sector of China. This study constructs 5995 simulation units using the rice planting area information acquired through remote sensing in China in 2021. Subsequently, it uses a denitrification-decomposition (DNDC) model to simulate the spatial distribution of surface soil organic carbon (SOC) density in fields in China from 2021 to 2040, and predicts the future trend of the SOC. Results of the study indicate that the paddy soil in China exhibits a carbon sink under the current planting conditions. The average carbon storage of the surface paddy soil (0~20 cm) in China was 4.10 Pg C in 2021 and will be 4.32 Pg C in 2030 and 4.49 Pg C in 2040; the carbon storage will increase year by year. The carbon sequestration potential of paddy soil in China will be 22 Tg C‧a-1 during 2021—2030 and 17 Tg C‧a-1 during 2030—2040; the average annual growth rate will slow down, and the carbon sequestration potential of soil will gradually reach saturation. In the next two decades, the SOC density of paddy fields in most regions of China will change, and the increased areas will be significantly greater than the decreased areas, with a maximum growth rate of 9.2% and a maximum decrease rate of 8.0%. Scenario simulations indicate that straw returning and fertilizer application could significantly increase the carbon storage in paddy soils. These findings hold scientific significance and practical values in fully utilizing the carbon sink function of paddy soils, reducing greenhouse gas emissions, and advancing the "dual carbon" goals in the agricultural sector.

Graphical abstract

关键词

稻田生态系统 / 土壤碳储量 / 固碳潜力 / DNDC模型 / 情景模拟

Key words

paddy ecosystem / carbon storage in soil / carbon sequestration potential / DNDC model / scenario simulation

引用本文

引用格式 ▾
白龙龙,盛雅琪,徐丽丽,高翔,张涌新,邓劲松. “双碳”背景下我国稻田生态系统土壤固碳潜力分析[J]. 中国工程科学, 2024, 26(6): 246-256 DOI:10.15302/J-SSCAE-2024.06.023

登录浏览全文

4963

注册一个新账户 忘记密码

一、 前言

全球气候变化是当今社会面临的重大环境挑战之一，主要原因是人类活动向大气中排放了大量的CO2、CH4、N2O等温室气体，因而减少温室气体排放成为应对气候变化的主要举措。我国对应提出了碳达峰、碳中和（“双碳”）战略目标，正在稳步提高碳排放强度的削减幅度。农业是生态系统的重要组成部分，相应生产活动深刻影响着全球的碳、水、养分循环。联合国粮食及农业组织（FAO）的研究报告[1]认为，世界农业粮食系统的温室气体排放量占人为排放总量的1/3，其中农业生产排放量约占整个农业粮食系统的1/2。因此，推进农业生态系统固碳减排是应对气候变化的重要环节。

水稻是世界上最重要的粮食作物之一，种植历史悠久。我国是世界上水稻产量最大的国家，约占世界总产量的30%；我国水稻种植总面积约为3×107 hm2，播种面积和产量分别占全国粮食总量的30%、40%以上。水稻对保障我国粮食安全起着重要作用[2]。稻田在农业生态系统中兼具碳源、碳汇功能：前者体现在水稻是重要的农业温室气体排放源，直接释放的CH4含量约占世界人为CH4总排放量的12%~26%[3]；后者体现为水稻在生长过程中通过光合作用吸收CO2，再经根系分泌物促进土壤对秸秆、凋落物的碳固定。稻田生态系统中约有82.9%的碳存储在土壤表层中（0~100 cm）[4]，而作物固定的生物量碳大多在短时期内经分解又释放到大气中[5]；稻田生态系统中的土壤固碳量远高于作物固碳量，是应对气候变化的重点研究方向。

在推进“双碳”战略目标的背景下，我国发布了《农业农村减排固碳实施方案》（2022年），旨在全面提升农业综合生产能力，降低温室气体排放强度，提高农田土壤的固碳能力。农田的土壤有机碳（SOC）是土壤肥力的关键因素、陆地生态系统中最大的碳库之一，对全球碳循环具有显著影响。稻田生态系统作为人为耕作条件下形成的土壤生态系统，具有较高的固碳能力和潜力。全球稻田土壤（0~100 cm）的SOC储量为18 Pg C，分别占全球土壤SOC总量的1.2%、全球农田SOC总量的14.2%[6]。我国稻田表层土壤固碳潜力可达3×109 t CO2，将对减缓大气CO2浓度升高起着不可忽视的作用[7]。

国内外关于水稻土壤固碳的研究着重关注南亚、东亚的典型稻作区，涵盖从土壤碳循环机制到农业管理措施等多个方面。在农业管理措施层面，多关注水分管理、秸秆还田、氮肥施用等种植管理措施对土壤固碳和碳排放的影响，也识别了稻田生态系统固碳减排的关键影响因素[3,6,8]。适宜的农业管理措施将增加土壤中的碳投入、减少SOC损失，从而提高SOC储量并产生积极的环境效益[9]；不合理的农业管理措施则造成SOC损失、土壤肥力下降等问题，进而对环境产生负面影响[10]。因此，探索适宜的农业管理实践，充分发挥稻田生态系统的碳汇功能，减少水稻生长过程中的温室气体排放，改善稻田土壤的固碳效应，维持稻田土壤的质量和生态功能，有助于实现农业“双碳”目标、促进农业可持续发展[3]。

土壤固碳研究方法主要有基于长期定位试验的外推估算、经验公式估算、基于过程的生态系统模型等。鉴于监测方法的多样性、气候条件与管理措施的空间异质性、时间尺度与数据来源的差异性，固碳潜力的评估结果往往存在较大的差异，数据的可比性也不佳[5,11]。在固碳潜力模型[7]中，反硝化 ‒ 分解（DNDC）模型被推荐为研究亚太地区碳循环的主要工具，在农业土壤的碳氮循环模拟方面具有独特优势；通过了与野外试验数据集的比较验证[12]，应用于青海高原长期复种绿肥翻压还田的固碳效果[13]、气候变量和农业管理措施对太湖地区稻田固碳潜力的影响[14]、2003—2020年我国农田的SOC密度和储量变化[15]、2005—2050年我国稻田在不同农田管理措施下的SOC动态变化[16]等研究。

本文主要基于水稻分布数据、土壤理化性质数据、气象数据、作物参数及管理模式等资料，在提取的我国水稻种植区构建5995个图斑模拟单元，应用DNDC模型模拟2021—2040年全国稻田表层SOC密度的空间分布情况，预测未来稻田土壤碳储量的变化趋势；从秸秆还田率、化肥施用量维度构建水稻种植过程的农田管理措施情景，提出发挥稻田生态系统固碳潜力、推进农业生态系统绿色低碳发展路径，为农业领域“双碳”目标实现提供参考和启示。

二、 研究对象与方法

（一） 全国水稻种植情况

研究区域为2021年全国范围内的水稻种植分布区。采用多源遥感数据自动化提取技术，获得了全国省级行政区的水稻种植面积及分布情况（见图1）。2021年，全国水稻总种植面积为2.992×107 hm2，湖南省最多，面积为3.971×106 hm2，黑龙江省、江西省次之，面积均超过3×106 hm2；种植面积较少的省份为北京市、甘肃省、山西省、西藏自治区等，面积均不足5000 hm2；青海省未提取到水稻的分布数据。整体上，我国水稻种植区集中在东南部地区和黑龙江省；西北地区仅有新疆维吾尔自治区进行少量水稻种植，这是因为当地降水稀少，干旱的生态环境不利于水稻种植。

（二） 模拟土壤碳氮循环过程的DNDC模型

1. DNDC模型概述

DNDC模型是典型的生物地球化学模型，适用于土壤碳氮循环模拟[17]，可用于研究不同的土地利用方式、管理措施对土壤碳氮循环和温室气体排放的影响[18]；在不断完善和拓展后，应用范围逐渐扩展到农田、森林、草地、湿地等生态系统[19,20]。在模拟精度方面，DNDC模型引入了如气候变化、植被类型、人为管理措施等因子，更好适应不同的环境和土壤特性[21]。

DNDC模型包括土壤条件模拟、痕量气体模拟两个主要模块：前者将生态驱动因子与土壤环境变量联系起来，含有土壤气候、农作物生长、有机质分解3个子模型，通过气候、土壤、植被、人类活动4种生态驱动因子，模拟后者采用的土壤环境条件（温度、湿度、pH、氧化还原点位、相关化学底物浓度梯度）；后者是将土壤环境因子与痕量气体联系起来，含有反硝化、硝化、发酵3个子模型，利用前者得到的5种土壤环境条件来模拟土壤环境条件变化对土壤中微生物活动带来的影响，进而计算农田生态系统的氮（涉及NH3、N2O、NO、N2）、碳（涉及CO2、CH4）元素的排放情况[17,21,22]。

DNDC模型具有多尺度、高精度，适用性良好，在农业生态系统模拟中得到广泛应用[23]。DNDC模型中的全面作物参数都针对我国主要作物品种进行了重新校准[24]，已在中国、美国、日本的大量CH4通量数据集上进行了验证，模拟结果与观测结果具有良好的一致性[25]。

2. DNDC模型数据库构建

应用DNDC模型，需要建立包含地理空间模拟单元的气象数据库、土壤属性数据库、作物参数数据库、农艺管理数据库。本研究基于遥感提取技术、土壤属性、水稻种植数据，在全国水稻种植区共构建了5995个图斑模拟单元，对每个模拟单元建立模型输入数据库并模拟相应的SOC。

气象数据库为模拟过程提供了年内每日的气象参数，是估算生态系统生产力和碳氮循环速率的基础，主要数据指标有每日的最高气温、最低气温、降水量。输入DNDC模型的2021年气象数据主要来自中国气象局（https://data.cma.cn/）1517个地面站点的每日观测结果，无气象站点的地区则采用相近气象站的数据。

土壤属性数据库事关模拟土壤中碳和氮的动态吸收、释放、转换过程，包含土壤的初始有机碳含量（kg C/kg）、土壤黏土含量、土壤容重（g/cm3）、pH等参数。数据来自空间分辨率为1 km的世界土壤协调数据库，在Arcgis软件中与现有的水稻种植区域进行空间叠加，得到全国水稻种植区的土壤特性[26]并分配到每个模拟单元。

作物参数数据库主要包含作物的最大产量（kg C/hm2）、积温需求（℃）、需水量（kg水/kg干物质）等参数。DNDC模型内置了约50种主要农作物（如水稻、小麦、玉米）的生理参数默认值。本研究基于先前研究以及相关文献分析[24]，修正了我国水稻的相关参数值（见表1）。

农艺管理数据库主要包含播种收获日期、肥料施用情况、灌溉淹水情况、秸秆还田情况、耕作方式等，相关数据来源于各县（区）的农业统计年鉴、农业局统计资料、相关文献分析等。例如，化肥施用数据在当地统计资料的基础上参考了相关研究结果[27]进行修正，水稻物候期（含移栽日期、淹水期、收获日期等）数据参考了相关研究结果[28]，稻田的秸秆还田情况参考了相关的模型设定值[16]。

3. DNDC模型运行

DNDC模型的应用流程如图2所示。本研究以2021年为基准年，假定未来全国各地的水稻种植条件在时间维度上保持不变，即未来年份的气候、土壤、水稻种植数据等与2021年相同。将收集的气象数据、土壤数据、作物参数、农艺管理数据等（其余参数采用DNDC模型的默认参数）转换为DNDC模型要求的文本文件格式，分别存储在相应的数据库中；逐一读取和调用各个文件，对全国水稻种植区的土壤碳储量现状、土壤固碳潜力变化情况进行了模拟与预测。

为了尽量减少各种植区土壤参数的空间变化以及模型本身的局限性，对每个区域的稻田种植系统分别运行了4次DNDC模拟（灌溉、非灌溉选项，最敏感土壤因子的最大值、最小值，两类因素交叉而得4种情景，通常涵盖SOC模拟过程的主要不确定性来源[29]）。对4次模拟结果取平均值，根据模拟的SOC密度、各地稻田系统的种植面积计算SOC储量（0~20 cm）。将我国所有稻田种植区的SOC储量相加，得出全国SOC储量。值得一提的是，DNDC模型中未考虑水稻自然生长以外的外部因素对土壤表层SOC的影响，相应模拟结果可能与实际情况存在一定的误差。

（三） 情景分析

稻田SOC的动态变化与化肥施用量、秸秆还田率、耕作方式等田间管理措施密切相关。施用化肥（尤其是氮肥），既影响水稻的长势，进而影响水稻秸秆还田向土壤环境的碳投入，也改变土壤微生物对有机质的分解速率，造成SOC含量的不断变化。水稻秸秆还田直接向土壤输入有机碳，且自身的有机碳含量远大于SOC。还田后的水稻秸秆在土壤微生物的作用下逐渐分解成腐殖质，释放大量的矿质营养元素，从而提高SOC的含量；不仅改善土壤质量，形成适宜水稻生长的良好环境，促进水稻根系的生长发育，而且减少地表径流的物理侵蚀，促进可矿化碳的增加。我国秸秆资源约为1×109 t/a，占世界秸秆产量的近25%，2016年以来的秸秆还田率超过50%，但低于发达国家（68%~75%）水平[30]。

为了进一步研究化肥施用量、秸秆还田率对稻田SOC的影响，本研究设置了数个应用情景现有的常规管理条件（即2021年各地区的种植情况），秸秆还田率分别变化为当前的25%、50%，化肥施用量分别变化为当前的25%、50%，通过DNDC模型分别模拟相应情景的土壤碳储量变化情况。

三、 我国水稻土壤碳储量的模拟预测及情景分析

（一） 我国水稻土壤碳储量现状及预测结果

本研究基于DNDC模型完成了全国范围内土壤表层有机碳的区域模拟，在假定未来各地区水稻种植面积不变的情况下，获得了共计20年（2021—2040年）的全国稻田SOC数据。整合处理相关数据，计算出各稻田斑块表层（0~20 cm）SOC的平均含量。在常规种植条件下，DNDC模拟的未来20年全国稻田土壤碳储量的变化情况如图3所示。2021年，我国稻田表层土壤（0~20 cm）单位面积的碳储量为137.08 t C/hm2，总的碳储量为4.1 Pg C。未来，全国稻田土壤碳储量呈现逐年上升趋势：2030年，稻田土壤的单位面积碳储量将为144.48 t C/hm2，总的碳储量将为4.32 Pg C；2040年，稻田土壤的单位面积碳储量将为149.97 t C/hm2，总的碳储量将为4.49 Pg C（累计上升率为9.51%）。

在当前状况下，稻田吸收空气中的CO2并转化固定到土壤的速率高于土壤呼吸及微生物活动等消耗的土壤碳量，表明全国稻田土壤整体呈现碳汇状态。2021—2030年的我国稻田土壤的固碳潜力平均为22 Tg C/a，2031—2040年的我国稻田土壤的固碳潜力平均为17 Tg C/a，也表明平均年变化率趋缓、土壤固碳潜力逐渐达到饱和状态。在后续的水稻种植过程中，需要采取适宜的农业管理措施，加大对土壤环境的碳投入，以增加稻田土壤的碳储量并提高其固碳潜力。

（二） 我国水稻土壤碳储量的时空变化情况

为了进一步分析全国稻田SOC的变化情况，基于克里格空间插值方法研究了2021年、2030年全国稻田表层SOC密度的空间分布情况。2021年，我国稻田SOC密度为1.83~66.92 kg C/m2，具有明显的空间分布差异。SOC密度最大值分布在黑龙江省北部的稻田种植区，当地土壤肥沃，有机质含量高；SOC密度最小值分布在新疆维吾尔自治区的稻田种植区，当地土壤类型主要为风沙土、棕漠土、棕钙土、石质土、荒漠土、盐土等，肥力贫瘠，有机质含量低，盐化、碱化现象严重，不利于水稻生长及土壤中有机质的积累。黑龙江、江苏、安徽、河南等省份的稻田SOC密度较高；浙江、福建、新疆、内蒙古等省份的稻田SOC密度相对低，受到当地气候、土壤类型等条件的影响。整体上，我国大部分水稻种植区的SOC密度处于较低值，土壤固碳潜力仍有较大的提升空间。

2030年，我国稻田SOC密度为2.55~68.12 kg C/m2，相比2021年整体上呈现增长趋势，而空间分布趋势较为一致。SOC密度最大值主要分布在黑龙江省北部的水稻种植区，SOC密度最小值集中在新疆维吾尔自治区南部、内蒙古自治区、广东省北部的水稻种植区。此外，湖北、湖南、浙江、福建等省份的稻田SOC密度增长明显。

2021—2040年，我国绝大部分地区的稻田SOC密度均出现变化，增长区域明显多于下降区域，SOC密度最高增长率为9.2%，最高下降率为8%。稻田SOC密度降低的区域仅零星分布在北京市以北的局部区域，所占面积很小。稻田SOC密度增加的区域集中在东南部地区、东北部分地区，呈现块状分布。稻田SOC密度明显增长的地区集中在江苏、安徽、湖北、浙江、黑龙江、吉林等省份，增长率为3.2%~9.2%。整体的空间变化具有明显的区域性分布特征，这与各省份水稻种植区的土壤类型、气候条件、种植系统、管理条件、土地利用类型等存在差异性有关。

（三） 不同管理措施下我国水稻土壤碳储量情景分析

农田土壤是受人为管理措施影响最大的土壤模式，农业管理实践在气候与农田SOC之间的碳循环反馈系统中发挥着重要作用。在农业生产实践中，肥料管理是影响农田SOC水平的主要原因之一，改善施肥措施是提高农田SOC存储的重要举措[29]。当前，我国水稻生产中的施肥问题仍然突出，水稻生产消耗的氮肥占世界水稻氮肥总消耗量的37%[31]；化肥施用量较高、肥料利用率偏低，加剧了相关的环境污染问题。作物秸秆是SOC库的重要外部补充，秸秆还田处理是提升SOC含量的重要方式，近年来得到广泛关注和大面积的推广应用。基于农田试验站点数据和经验公式得到了在施氮肥、秸秆还田、免耕等农业管理措施下我国农田的固碳潜力，其中秸秆还田最有前景[32]。秸秆还田对我国农田SOC含量具有影响，可显著增加0~20 cm土层的SOC含量[33]。

本研究对农业管理实践中的秸秆还田、化肥施用进行了情景分析（见表2），发现在现有假设条件下各情景的稻田SOC储量均在逐年增加，即随年份变化的趋势具有一致性；秸秆还田、化肥施用均可以显著提高稻田土壤的碳储量。若秸秆还田率由25%增加至50%，稻田SOC储量有所降低，年下降率为15.21%；若秸秆还田率增长至100%，稻田SOC储量达到最大值，显著高于25%、50%秸秆还田率下的数值。若化肥施用量由25%逐渐增长至50%，稻田SOC储量呈现增长趋势，年均增长率为22.54%；若化肥施用量增长至100%，稻田SOC储量达到最大值，显著高于25%、50%化肥用量下的数值。

四、 我国稻田生态系统的碳源、碳汇功能与固碳潜力分析

（一） 我国稻田生态系统的碳源功能

稻田生态系统的碳源功能表现为水稻生长期间存在直接碳排放、间接碳排放：前者包括水稻生长、土壤呼吸、微生物活动等生态过程直接产生，以CO2、CH4、N2O等温室气体形式释放的碳，约占水稻生产碳排放总量的60%；后者指水稻种植期间人为活动（如耕作、灌溉、农膜覆盖、病虫害防治等措施）产生能耗、间接导致的温室气体排放，约占水稻生产碳排放总量的40%[34]。在稻田生态系统的综合温室效应中，CH4排放居主导地位，占全球人为CH4排放总量的10%~13%[35]。此外，水稻温室气体排放量约为小麦、玉米的2倍[36]，稻田生态系统成为重要的温室气体排放源。

根据FAO统计数据库中的农产品排放数据，选取世界主要地区分析了稻田排放强度和排放量（见图4）。排放强度定义为种植过程中每千克水稻产物产生的温室气体排放量。我国水稻排放强度实际上处于较低水平，欧洲、非洲地区的水稻排放强度处于较高水平。1960—2020年，我国水稻排放强度整体呈下降趋势，但在1990年以后下降趋势并不明显。值得指出的是，我国水稻温室气体排放总量很大，在全球水稻温室气体排放总量中占比较高；我国水稻排放总量整体呈上升趋势，但2015年以来趋于稳定。

水分管理、肥料施用是影响稻田温室气体排放的两个重要因素[37]。水稻是高耗水作物，水稻种植用水量占农业用水量的65%以上。控制灌溉可以影响与温室气体排放相关的微生物活性以及无机氮的含量，从而显著降低N2O、CH4的排放量[38]。施肥方式、肥料种类、硝化抑制剂施用等，对稻田N2O气体产生量有显著影响[39]。已有研究聚焦水肥因素对水稻产量、肥料利用效率的影响，而对温室气体排放、土壤理化性质的关注不足；综合性、长时间的水氮互作影响试验研究更显缺失。此外，稻田温室气体排放还受水稻呼吸速率、播种面积、土壤理化性质、耕作方式、人力投入、气候类型等因素的综合影响[37]。

（二） 我国稻田生态系统的碳汇功能

稻田生态系统是重要的碳汇，表现为通过水稻的光合作用吸收大气中的CO2，同时通过水稻的根系分泌物等促进土壤对秸秆、凋落物等的碳固定。自20世纪80年代中期以来，我国农业SOC含量逐渐增加[40]，但耕地平均SOC含量低于世界平均值30%以上、低于欧洲50%以上[41]。例如，1980年、2008年的我国水稻土壤（0~30 cm）的碳储量分别为2510 Tg C、2650 Tg C，平均固碳率均为5 Tg C/a[42]。这表明，尽管我国稻田碳储量有所增加，但仍存在较大的固碳潜力。

秸秆还田是提升稻田碳汇功能的有效途径。若在全国范围内推广水稻秸秆还田，稻田土壤固碳潜力约为48.2~56.2 Tg C/a，约占我国2013年因化石燃料燃烧、水泥生产等活动产生碳排放量的1.94%~2.26%[43,44]。这就进一步表明，稻田生态系统的碳汇功能潜力极大，尤其在我国面临粮食安全保障、生态系统服务、气候变化应对等挑战的背景下，发挥稻田的碳汇潜力具有重要意义。

然而，稻田的碳汇功能不仅与土壤有机碳含量、秸秆还田等农业管理措施密切相关，还受多种因素的影响。例如，土壤类型、耕作方式、水管理、气候变化等因素都在一定程度上决定了稻田土壤的固碳能力。不同类型土壤的碳储存能力存在差异，水稻生长过程中水位的管理、气候变化对水稻生长周期存在影响，都是影响稻田碳汇效能的关键因素。深入研究稻田生态系统的碳汇功能，准确评估不同管理措施对稻田土壤碳汇功能的影响，是实现我国农业固碳减排目标的关键。

（三） 我国稻田生态系统的固碳潜力

土壤固碳指通过土壤环境中的动植物、微生物的生物学反应，将大气中的CO2转化为有机碳并在土壤碳库中长期储存的过程，在减缓大气CO2浓度方面经济可行、环境友好[46]。土壤碳库约占陆地生态系统碳库的2/3，相当于植物碳库的3倍、大气碳库的2倍[45]。SOC是调节土壤质量和肥力、提高农业生产力、促进全球碳循环的关键组成部分。

稻田SOC的动态变化受气温、降水、植被类型等自然因素的影响，也受施肥、秸秆还田、耕作、灌溉等农业管理措施的调控。合理的农业管理可以显著提高稻田土壤中的有机和无机碳含量，增强土壤的固碳能力。特别是稻田淹水的厌氧条件，更有利于SOC的积累，使稻田的SOC储量和固碳效应显著高于旱地土壤[46]。此外，秸秆还田可以直接补充土壤中的碳源，而化肥施用则通过改变土壤中的碳氮比来间接影响SOC的含量。农田管理中的翻耕措施可能破坏土壤的团聚体结构，加速SOC的分解。

我国农田土壤在1982—2006年固碳的增量相当于2006年全国CO2总排放量的40%[46]，为我国的碳减排贡献了20%的份额。尽管耕作措施会导致土壤中部分有机碳的损失，但农田土壤仍是唯一能在较短时间内进行适度调节的碳库，且具有较大的有机碳储存空间，固碳潜力极大。我国农田土壤有74%的有机碳增加来自稻田土耕层的有机碳积累，这表明稻田在固碳方面具有显著的潜力[6]。总体而言，稻田生态系统具有显著的固碳潜力，优化管理措施，尤其是推广秸秆还田、科学施肥及水管理，将有效提升稻田固碳能力，进一步支持我国农业的可持续发展，对缓解全球气候变化作出积极贡献。

五、 结语

本文基于2021年我国水稻种植过程的土壤属性、气候、农业生产措施等条件，利用DNDC模型模拟了未来20年我国稻田SOC储量的变化情况，并针对影响效应突出的农业管理措施进行了情景分析。研究发现，2021—2040年我国水稻土壤碳储量呈现逐年上升的趋势，平均年增长率变缓，土壤固碳潜力逐渐达到饱和状态；稻田SOC的空间分布大致呈现出西南部至东北部逐渐增加的趋势，稻田SOC密度的变化表现为增长面积明显大于下降面积；秸秆还田、化肥施用可显著提高水稻土壤的碳储量。

结合我国水稻种植实情来看，适宜的农业管理实践对提高稻田SOC、充分发挥稻田生态系统的固碳潜力具有重要意义。水稻种植管理宜采取低碳稻作方式，以增加碳汇、减少碳排、降低能耗、促进循环为主要路径，从水稻品种、稻作模式、耕作方式、管理举措等方面协调水稻生产过程中的碳源和碳汇功能，构建高效率、低能耗、低碳排、高碳汇的综合稻作体系[47]，促进实现农业领域“双碳”目标。具体地，可实施多样化的种植和轮作模式，采用免耕、少耕等保护性耕作措施，减少稻田土壤中有机质的消耗损失；改进水肥管理、实施秸秆还田，增加水稻土壤碳库中SOC的输入；选育并种植高产、低碳排放的水稻品种，引入控水增氧、配套旱耕增氧减排、缩短淹水期等种植新技术，兼顾水稻产量提升、水稻长过程碳减排；通过间歇灌溉、生物耕作、一体化机械作业等，实现水稻种植节水节能，减少人力生产造成的碳排放。另外，积极发挥政策引导作用，将农业固碳减排目标纳入农业绿色发展政策体系[48]，拓展实施农业碳减排项目；开展农业碳交易市场试验示范，鼓励控排企业优先购买稻田相关碳交易项目产生的减排量[47]；利用碳交易权、碳税等形式，因地制宜设计碳减排政策，营造良好的生态农业发展环境等。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Food and Agriculture Organization of the United Nations. Greenhouse gas emissions from agrifood systems: Global, regional and country trends, 2000—2020 [EB/OL]. (2022-04-11)[2024-07-15]. https://openknowledge.fao.org/server/api/core/bitstreams/121cc613-3d0f-431c-b083-cc2031dd8826/content.
[2]

邸超, 李海波‍. 稻田碳减排措施研究进展 [J]. 现代农业科技, 2023 (14): 17‒20.
[3]

Di C, Li H B. Research progress on carbon emission reduction measures in paddy fields [J]. Modern Agricultural Science and Technology, 2023 (14): 17‒20.
[4]

刘天奇, 胡权义, 汤计超, 等‍. 长江中下游水稻生产固碳减排关键影响因素及技术体系 [J]. 中国生态农业学报(中英文), 2022, 30(4): 603‒615.
[5]

Liu T Q, Hu Q Y, Tang J C, et al. Key influencing factors and technical system of carbon sequestration and emission reduction in rice production in the middle and lower reaches of the Yangtze River [J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 603‒615.
[6]

Zomer R J, Bossio D A, Sommer R, et al. Global sequestration potential of increased organic carbon in cropland soils [J]. Scientific Reports, 2017, 7(1): 15554.
[7]

赵明月, 刘源鑫, 张雪艳‍. 农田生态系统碳汇研究进展 [J]. 生态学报, 2022, 42(23): 9405‒9416.
[8]

Zhao M Y, Liu Y X, Zhang X Y. A review of research advances on carbon sinks in farmland ecosystems [J]. Acta Ecologica Sinica, 2022, 42(23): 9405‒9416.
[9]

Liu Y L, Ge T D, van Groenigen K J, et al. Rice paddy soils are a quantitatively important carbon store according to a global synthesis [J]. Communications Earth & Environment, 2021, 2: 154.
[10]

钱海燕, 于婷婷, 周杨明, 等‍. 基于DNDC模型的稻田生态系统碳动态模拟研究进展 [J]. 华中农业大学学报, 2022, 41(6): 59‒70.
[11]

Qian H Y, Yu T T, Zhou Y M, et al. Progress on carbon dynamics simulation of paddy ecosystem based on DNDC model [J]. Journal of Huazhong Agricultural University, 2022, 41(6): 59‒70.
[12]

Jiang Z H, Zhong Y M, Yang J P, et al. Effect of nitrogen fertilizer rates on carbon footprint and ecosystem service of carbon sequestration in rice production [J]. Science of the Total Environment, 2019, 670: 210‒217.
[13]

Qin Z C, Huang Y, Zhuang Q L. Soil organic carbon sequestration potential of cropland in China [J]. Global Biogeochemical Cycles, 2013, 27(3): 711‒722.
[14]

Smith P, Soussana J F, Angers D, et al. How to measure, report and verify soil carbon change to realize the potential of soil carbon sequestration for atmospheric greenhouse gas removal [J]. Global Change Biology, 2020, 26(1): 219‒241.
[15]

郭然, 王效科, 逯非, 等‍. 中国草地土壤生态系统固碳现状和潜力 [J]. 生态学报, 2008, 28(2): 862‒867.
[16]

Guo R, Wang X K, Lu F, et al. Soil carbon sequestration and its potential by grassland ecosystems in China [J]. Acta Ecologica Sinica, 2008, 28(2): 862‒867.
[17]

张钊, 辛晓平‍. 生物地球化学模型DNDC的研究进展与碳动态模拟应用 [J]. 草地学报, 2017, 25(3): 445‒452.
[18]

Zhang Z, Xin X P. Research progress of biogeochemistry model DNDC in carbon dynamic modeling [J]. Acta Agrestia Sinica, 2017, 25(3): 445‒452.
[19]

肖玉涛, 李正鹏, 宋明丹, 等‍. 基于DNDC模型长期复种翻压绿肥对土壤有机碳和小麦产量的模拟 [J]. 草业科学, 2024, 41(2): 332‒344.
[20]

Xiao Y T, Li Z P, Song M D, et al. Simulation of soil organic carbon and wheat yield by long-term multiple cropping and rolling green manure based on DNDC model [J]. Pratacultural Science, 2024, 41(2): 332‒344.
[21]

Zhang L M, Zhuang Q L, He Y J, et al. Toward optimal soil organic carbon sequestration with effects of agricultural management practices and climate change in Tai-Lake paddy soils of China [J]. Geoderma, 2016, 275: 28‒39.
[22]

Ding W H, Chang N J, Zhang G L, et al. Soil organic carbon changes in China's croplands: A newly estimation based on DNDC model [J]. Science of the Total Environment, 2023, 905: 167107.
[23]

Xu S X, Shi X Z, Zhao Y C, et al. Carbon sequestration potential of recommended management practices for paddy soils of China, 1980—2050 [J]. Geoderma, 2011, 166(1): 206‒213.
[24]

Yin S, Zhang X X, Lyu J Y, et al. Carbon sequestration and emissions mitigation in paddy fields based on the DNDC model: A review [J]. Artificial Intelligence in Agriculture, 2020, 4: 140‒149.
[25]

Li C S, Frolking S, Frolking T A. A model of nitrous oxide evolution from soil driven by rainfall events: 2 model applications [J]. Journal of Geophysical Research: Atmospheres, 1992, 97(9): 9777‒9783.
[26]

Li C S, Frolking S, Harriss R. Modeling carbon biogeochemistry in agricultural soils [J]. Global Biogeochemical Cycles, 1994, 8(3): 237‒254.
[27]

Li C S. Modeling trace gas emissions from agricultural ecosystems [J]. Nutrient Cycling in Agroecosystems, 2000, 58: 259‒276.
[28]

Gilhespy S L, Anthony S, Cardenas L, et al. First 20 years of DNDC (DeNitrification DeComposition): Model evolution [J]. Ecological Modelling, 2014, 292: 51‒62.
[29]

Wang Y C, Tao F L, Yin L C, et al. Spatiotemporal changes in greenhouse gas emissions and soil organic carbon sequestration for major cropping systems across China and their drivers over the past two decades [J]. Science of the Total Environment, 2022, 833: 155087.
[30]

Chen P F, Yang J P, Jiang Z H, et al. Prediction of future carbon footprint and ecosystem service value of carbon sequestration response to nitrogen fertilizer rates in rice production [J]. Science of the Total Environment, 2020, 735: 139506.
[31]

Li H, Wang L G, Li J Z, et al. The development of China-DNDC and review of its applications for sustaining Chinese agriculture [J]. Ecological Modelling, 2017, 348: 1‒13.
[32]

Wang Z, Zhang X Y, Liu L, et al. Inhibition of methane emissions from Chinese rice fields by nitrogen deposition based on the DNDC model [J]. Agricultural Systems, 2020, 184: 102919.
[33]

Wang Z, Zhang X Y, Liu L, et al. Estimates of methane emissions from Chinese rice fields using the DNDC model [J]. Agricultural and Forest Meteorology, 2021, 303: 108368.
[34]

吴良泉, 武良, 崔振岭, 等‍. 中国水稻区域氮磷钾肥推荐用量及肥料配方研究 [J]. 中国农业大学学报, 2016, 21(9): 1‒13.
[35]

Wu L Q, Wu L, Cui Z L, et al. Studies on recommended nitrogen, phosphorus and potassium application rates and special fertilizer formulae for different rice production regions in China [J]. Journal of China Agricultural University, 2016, 21(9): 1‒13.
[36]

丑洁明, 徐源, 徐洪‍. 气候变化背景下中国主要粮食作物生长期界定的研究综述 [J]. 北京师范大学学报(自然科学版), 2022, 58(6): 945‒949.
[37]

Chou J M, Xu Y, Xu H. Definition of growing period for major grain crops in China: A review [J]. Journal of Beijing Normal University (Natural Science), 2022, 58(6): 945‒949.
[38]

万佳静, 景元书, 吉梦宇, 等‍. DNDC模型在稻田水肥管理中的应用研究进展 [J]. 生态学杂志, 2024, 43(7): 2198‒2207.
[39]

Wan J J, Jing Y S, Ji M Y, et al. Research progress on application of DNDC model in water and fertilizer management of paddy field [J]. Chinese Journal of Ecology, 2024, 43(7): 2198‒2207.
[40]

陈云峰, 夏贤格, 杨利, 等‍. 秸秆还田是秸秆资源化利用的现实途径 [J]. 中国土壤与肥料, 2020 (6): 299‒307.
[41]

Chen Y F, Xia X G, Yang L, et al. Straw return is the realistic way of straw resource utilization [J]. Soil and Fertilizer Sciences in China, 2020 (6): 299‒307.
[42]

彭少兵, 黄见良, 钟旭华, 等‍. 提高中国稻田氮肥利用率的研究策略 [J]. 中国农业科学, 2002, 35(9): 1095‒1103.
[43]

Peng S B, Huang J L, Zhong X H, et al. Research strategy in improving fertilizer-nitrogen use efficiency of irrigated rice in China [J]. Scientia Agricultura Sinica, 2002, 35(9): 1095‒1103.
[44]

Lu F, Wang X K, Han B, et al. Soil carbon sequestrations by nitrogen fertilizer application, straw return and no-tillage in China's cropland [J]. Global Change Biology, 2009, 15(2): 281‒305.
[45]

马子钰, 马文林‍. 秸秆还田对中国农田土壤固碳效应影响的研究 [J]. 土壤, 2023, 55(1): 205‒210.
[46]

Ma Z Y, Ma W L. Effects of straw returning on soil organic carbon in China's cropland—A meta-analysis [J]. Soils, 2023, 55(1): 205‒210.
[47]

Xia L L, Ti C P, Li B L, et al. Greenhouse gas emissions and reactive nitrogen releases during the life-cycles of staple food production in China and their mitigation potential [J]. Science of the Total Environment, 2016, 556: 116‒125.
[48]

唐志伟, 张俊, 邓艾兴, 等‍. 我国稻田甲烷排放的时空特征与减排途径 [J]. 中国生态农业学报(中英文), 2022, 30(4): 582‒591.
[49]

Tang Z W, Zhang J, Deng A X, et al. Spatiotemporal characteristics and reduction approaches of methane emissions from rice fields in China [J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 582‒591.
[50]

Tang J C, Liu T Q, Jiang Y, et al. Current status of carbon neutrality in Chinese rice fields (2002—2017) and strategies for its achievement [J]. Science of the Total Environment, 2022, 842: 156713.
[51]

陈松文, 刘天奇, 曹凑贵, 等‍. 水稻生产碳中和现状及低碳稻作技术策略 [J]. 华中农业大学学报, 2021, 40(3): 3‒12.
[52]

Chen S W, Liu T Q, Cao C G, et al. Situation of carbon neutrality in rice production and techniques for low-carbon rice farming [J]. Journal of Huazhong Agricultural University, 2021, 40(3): 3‒12.
[53]

曹开勋, 赵坤, 金王飞飞, 等‍. 水氮互作对稻田温室气体排放的影响 [J]. 土壤学报, 2022, 59(5): 1386‒1396.
[54]

Cao K X, Zhao K, Jin W F F, et al. Effects of water-nitrogen interaction on greenhouse gas emissions in a paddy soil [J]. Acta Pedologica Sinica, 2022, 59(5): 1386‒1396.
[55]

周胜, 宋祥甫, 颜晓元‍. 水稻低碳生产研究进展 [J]. 中国水稻科学, 2013, 27(2): 213‒222.
[56]

Zhou S, Song X F, Yan X Y. Progress in research on low-carbon rice production technology [J]. Chinese Journal of Rice Science, 2013, 27(2): 213‒222.
[57]

Zhang W J, Xu M G, Wang X J, et al. Effects of organic amendments on soil carbon sequestration in paddy fields of subtropical China [J]. Journal of Soils and Sediments, 2012, 12(4): 457‒470.
[58]

Zomer R J, Bossio D A, Sommer R, et al. Author correction: Global sequestration potential of increased organic carbon in cropland soils [J]. Scientific Reports, 2021, 11: 18720.
[59]

Tao F L, Palosuo T, Valkama E, et al. Cropland soils in China have a large potential for carbon sequestration based on literature survey [J]. Soil and Tillage Research, 2019, 186: 70‒78.
[60]

Lu F. How can straw incorporation management impact on soil carbon storage? A meta-analysis [J]. Mitigation and Adaptation Strategies for Global Change, 2015, 20(8): 1545‒1568.
[61]

Liu Z, Guan D B, Wei W, et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China [J]. Nature, 2015, 524(7565): 335‒338.
[62]

祝贞科, 肖谋良, 魏亮, 等‍. 稻田土壤固碳关键过程的生物地球化学机制及其碳中和对策 [J]. 中国生态农业学报(中英文), 2022, 30(4): 592‒602.
[63]

Zhu Z K, Xiao M L, Wei L, et al. Key biogeochemical processes of carbon sequestration in paddy soil and its countermeasures for carbon neutrality [J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 592‒602.
[64]

李宝珍, 周萍, 李宇虹, 等‍. 亚热带稻田土壤持续固碳机制研究进展 [J]. 华中农业大学学报, 2022, 41(6): 71‒78.
[65]

Li B Z, Zhou P, Li Y H, et al. Progress on the mechanism of sustainable carbon sequestration in subtropical paddy soils [J]. Journal of Huazhong Agricultural University, 2022, 41(6): 71‒78.
[66]

Tang H Y, Liu Y, Li X M, et al. Carbon sequestration of cropland and paddy soils in China: Potential, driving factors, and mechanisms [J]. Greenhouse Gases: Science and Technology, 2019, 9(5): 872‒885.
[67]

徐湘博, 李静, 薛颖昊, 等‍. 减排固碳目标纳入农业绿色发展政策的协同机制 [J]. 农业环境科学学报, 2022, 41(10): 2091‒2101.
[68]

Xu X B, Li J, Xue Y H, et al. Synergistic mechanism to incorporate the targets of greenhouse gas emission reduction and carbon sequestration into agricultural green development policies under a carbon-neutral background [J]. Journal of Agro-Environment Science, 2022, 41(10): 2091‒2101.

基金资助

中国工程院咨询项目“农田生态系统温室气体减排路径及对策”(2023-XY-23)

国家自然科学基金项目(22376179)

科技基础资源调查专项(2023FY100102)

AI Summary AI Mindmap
PDF (857KB)

6474

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉