基于DNDC模型评估湖北省不同稻作系统不同管理措施温室气体排放的周年变化*

2021-09-10 08:18吴梦琴李成芳冯珺珩胡权义陈淯琨周浩之刘天奇
中国生态农业学报(中英文) 2021年9期
关键词:稻作排放量氮肥

吴梦琴, 李成芳,2, 盛 锋, 冯珺珩, 胡权义, 陈淯琨, 周浩之, 刘天奇,2**

(1.农业部长江中游作物生理生态与耕作重点实验室/华中农业大学植物科学技术学院 武汉 430070; 2.长江大学/长江大学主要粮食作物产业化湖北省协同创新中心 荆州 434023; 3.省部共建生物催化与酶工程国家重点实验室/湖北大学生命科学学院/湖北大学中国农业碳减排碳交易研究中心 武汉 430062)

近几年, 全球变暖日益显著, 灾害性天气频发, 减少温室气体排放越来越受到世界各国的重视。CH4和N2O是除CO2外导致全球变暖最主要的温室气体。在百年尺度上, CH4和N2O的全球增温潜势分别是CO2的30倍和268倍[1]。农业排放的CH4和N2O分别占全球人为排放CH4和N2O总量的50%和43%以上[2]。在农业生产中, 温室气体的主要排放源之一便是水稻(Oryza sativa)生产[3]。中国种植水稻的面积占世界种植面积的18.7%[4]。水稻在湖北省粮食作物中占重要地位, 其播种面积和产量分别为236.807万hm2和1927.16万t, 占全省粮食总播种面积和总产量的49.6%和68.9%[5]。湖北主要的水旱轮作模式有水稻-小麦(Triticum aestivum)、水稻-油菜(Brassica campestris)、水稻-绿肥和水稻-休耕模式。鄂西北地区水稻-小麦(rice-wheat, RW)模式和再生稻(riceratoon rice, RO)模式的种植面积占水稻种植面积的84.6%和15.4%; 其主要稻米生产区是襄阳, RW模式是襄阳的主要稻作模式。鄂东南地区RO模式和水稻-油菜(rice-oilseed rape, RR)模式占水稻种植面积的75.4%和34.6%, 其主要稻米生产区是黄冈, RO模式是黄冈的主要稻作模式。江汉平原RW模式、RO模式和RR模式分别占水稻种植面积的50.1%、40.3%和9.6%[5], 江汉平原的潜江地区3种稻作系统均有种植, 且3种稻作系统的种植面积比较接近, 潜江的稻田生产模式对于江汉平原稻作管理具有一定代表性。

传统农业管理方式为获得高产投入高水肥, 其中大水淹灌以及漫灌等不当水分管理方式导致CH4释放增加[6], 肥料大量投入和氮肥利用率低下造成N2O大量排放[7], 因此研究合理的施肥方式及其配套栽培措施以减少稻田的温室气体排放十分有必要。前人的研究主要集中在单一的农田管理措施、作物类型和不同耕作制度对稻田温室气体的影响[8-10]。周文涛等[11]研究表明由于种植的作物不同, 因作物肥水利用不同和栽培措施差异, 会综合影响土壤CH4和N2O的产生和排放。邹凤亮等[12]研究表明, 水稻-小麦和水稻-油菜轮作CH4排放量显著高于水稻-冬闲模式, 而N2O的排放量表现为水稻-油菜轮作低于水稻-小麦轮作和水稻-冬闲模式。前人研究表明节水灌溉可以减少稻田CH4排放, 但会导致N2O大量释放[13-14]。刘天奇[15]、Fan等[16]研究发现氮肥深施能有效减少稻田CH4和N2O的排放量。胡发龙[17]通过研究氮肥后移对玉米(Zea mays)温室气体的减排影响, 发现氮肥后移可以减少N2O。针对集成技术模式对稻作系统温室气体排放的影响鲜有报道, 因此通过综合优化调控施肥、灌溉和秸秆还田等管理措施相对优化单一管理技术更加降低稻田温室气体排放还未可知。本研究基于DNDC模型, 探究了不同稻作系统下的优化管理栽培模式和农民常规栽培模式对温室气体排放的影响。

模型模拟可以比较全面地描述和预测温室气体的排放状况, 但应用前需进行田间验证。Denitrification-Decomposition model (DNDC模型)是国际生态学界公认的模拟CO2、CH4和N2O排放最成功的生物地球化学模型之一[18]。由于DNDC模型采用的参数主要是来自于北美的观测数据, 对于世界各个地区的适应性受限, 因此我国研究者对此模型加以改进, 使DNDC模型更适于估算我国生态系统下的温室气体排放情况。DNDC模型进一步结合遥感(RS)和地理信息系统(ArcGIS)等技术, 可以更为精确地模拟区域性温室气体排放[19-20]。DNDC模型对稻田温室气体排放具有较好的模拟效果, 并且得到了广泛的验证[21-22], 其已经成为研究中国稻田温室气体排放的重要方法。目前, DNDC模型的研究对象多是单个区域, 缺少对湖北省地区区域尺度上的研究, 也没有关于DNDC模型模拟不同稻作系统下不同管理措施对稻田温室气体排放的影响研究。

本研究借助DNDC模型测算湖北省区域尺度温室气体排放, 评估湖北省3种主要稻作系统下优化管理对温室气体排放的影响, 研究结果对于研究区域温室气体排放具有重要意义, 也可为优化稻作系统和减少温室气体排放提供一些理论依据。

1 材料与方法

1.1 试验设计

本研究于2019年在湖北省三大稻作区——鄂西北、鄂东南和江汉平原的核心区枣阳市、武穴市和潜江市设置大田试验。各试验点的土壤理化性质如表1所示。

表1 湖北省不同稻作区试验点土壤肥力状况Table 1 Soil fertility status of the experimental sites in different rice planting regions in Hubei Province

鄂西北稻作区试验点位于襄阳枣阳市吴店镇肖湾村(31°84N, 112°88E), 气候属于典型的亚热带大陆性季风气候, 年降雨量为500~1000 mm, 年均日照时数约为2100 h, 年均温15.5 ℃, 全年无霜期232 d。土壤以砂质壤土为主。设置水稻-小麦(RW)与水稻-再生稻(RO)稻作系统, 2个稻作系统均设常规栽培管理模式和优化栽培管理模式, 每个模式的田块面积均为40 m×60 m, 进行3次重复, 水稻品种是‘黄华占’, 小麦品种是‘郑麦9023’。

鄂东南稻作区试验点位于黄冈武穴市现代农业示范中心的试验基地(30°01N, 115°74E), 气候湿润,属于典型的亚热带季风性湿润气候, 拥有丰富的水热资源。降雨主要集中4−8月, 年平均降雨量(1387±305) mm, 年平均气温为(17.7±0.5) ℃, 年均日照时数1900 h, 无霜期为260 d。土壤主要为潴育型水稻土, 土壤质地是砂质壤土。设置RO和水稻-油菜(RR)稻作系统。每个稻作系统均设常规栽培管理模式和优化栽培管理模式, 每个模式的田块面积均为40 m×60 m, 进行3次重复, 水稻品种同上, 油菜品种是‘华油杂7号’。

江汉平原稻作区试验点位于潜江市沙洋广华农工贸有限公司二分场(112°43E, 30°23N), 气候属于典型的亚热带季风气候, 年均气温为16.1 ℃, 年均降雨量为1100 mm, 年均日照时数为1945~1988 h,全年无霜期为249 d。土壤主要为潮土性水稻土, 是河流冲积物发育。设置RW、RO和RR稻作系统。每个稻作系统均设常规栽培管理模式和优化栽培管理模式, 每个模式的田块面积均为40 m×60 m, 进行3次重复, 水稻、小麦和油菜品种同上。

对于水稻-小麦系统: 1)常规模式。水稻季的肥料施用总量为180 kg(N)∙hm−2、90 kg(P2O5)∙hm−2和180 kg(K2O)∙hm−2, 氮肥使用含46%氮的尿素, 磷肥使用含12% P2O5的过磷酸钙, 钾肥使用含60% K2O的氯化钾。大田试验中磷肥和钾肥全部作为基肥, 采用一次性撒施, 氮肥按5∶2∶1.2∶1.8的比例在苗期、分蘖期、拔节期与齐穗期施用。稻田水分管理采用湿润灌溉, 每3~5 d进行1次灌水。立苗期田间有1~2 cm的浅水层; 分蘖期采取间歇灌溉。水稻在每年6月抛秧, 抛秧密度是20万穴∙hm−2, 10月收获。小麦在每年10月中下旬进行直播, 采用150 kg∙hm−2的播种量。麦季的总施肥量为180 kg(N)∙hm−2、90 kg(P2O5)∙hm−2和180 kg(K2O)∙hm−2。磷肥和钾肥全部作为基肥一次性施用; 而氮肥则按5∶3∶2的比例在苗期、拔节期与齐穗期施用。采用除草剂和手工去除田间杂草。2)优化模式。相比于常规模式, 采用秸秆粉碎覆盖还田和肥料深施等措施进行田间优化管理。水稻和小麦秸秆在联合收割机收割时同步粉碎, 并均匀覆盖在土壤表面。氮基肥深施, 使用半自动施肥器, 在大田水层落干后土壤含水量下降到25%~35%, 抛秧前的2~3 d开始氮肥深施, 穴施点间距控制在20~30 cm, 施肥深度为8~10 cm。

对于水稻-再生稻系统: 1)常规模式。肥料施用总量为180 kg(N)∙hm−2、90 kg(P2O5)∙hm−2和180 kg(K2O)∙hm−2, 头季稻的氮肥使用按照基肥∶分蘖肥为6∶4的比例, 磷、钾肥作为基肥一次性施用。再生稻季氮肥的使用量为120 kg(N)∙hm−2, 氮肥在头季稻齐穗15 d后及头季稻收割留桩7 d后施催芽肥和促苗肥, 施肥比例为7.5∶2.5。头季稻留桩收割7 d后, 再生季的促苗肥配合灌溉一次性施用, 采用人工撒施的施肥方式。使用收割机对头季稻以及再生季稻进行收割, 在头季稻收割时保留20 cm的稻桩, 将两季收获的水稻秸秆在稻桩的行间均匀覆盖。收获再生稻后, 稻田进入冬闲期。分蘖盛期与收获前2周进行排水晒干, 头季和再生季其他时期稻田均保持3~5 cm的水层。2)优化模式: 与常规模式比较,对氮肥运筹、田间水分管理以及秸秆管理等方面进行优化。头季稻采用与常规管理模式相同的施肥方式; 再生季的促苗肥深施, 具体施肥操作见水稻-小麦模式优化管理。成熟的头季稻使用再生稻专用收割机[23]收割, 并且在收割时保留35 cm稻桩, 水稻秸秆采用粉碎覆盖的方式还田。移植水稻4~6 d后, 在田间每隔10 m的位置用开沟机开一条排水沟, 沟的深度为15~20 cm, 宽度为20~25 cm; 头季稻采用间歇灌溉进行田间水分管理, 即从播种到3叶1心期, 田间保持沟中满水, 并且厢面水层维持在1~2 cm。3叶1心期后, 再进行1次灌水直至厢沟满水, 厢沟中没水而厢面湿润时再次灌水至厢沟满水, 反复交替。水稻收获前约15~20 d灌水停止。再生稻季田间保持3~5 cm水层。采用撒播的方式在收割再生稻前7 d套种油菜, 15 kg∙hm−2的播种量, 翌年4月油菜就地进行粉碎, 作绿肥还田。

对于水稻-油菜系统: 1)常规模式: 稻季管理同水稻-小麦常规模式。油菜季肥料施用总量为180 kg(N)∙hm−2、90 kg(P2O5)∙hm−2和180 kg(K2O)∙hm−2。磷、钾肥全部作为基肥一次性施用; 氮肥按照5∶3∶2的比例在苗期、蕾薹期和初花期施用。油菜在每年10月中下旬直播, 采用6 kg∙hm−2的播种量,翌年5月收获。2)优化模式: 相比常规模式, 将氮肥施用比例和水分管理等措施进行优化, 其中氮肥后移技术为稻季调整氮肥施用比例为4∶2∶2∶2 (苗期∶分蘖期∶拔节期∶齐穗期)。水分管理为从播种到3叶1心期, 田间保持沟中满水, 而厢面维持有1~2 cm水层。3叶1心期后, 再进行1次灌水直至厢沟满水, 厢沟中没水而厢面湿润时再次灌水至厢沟满水, 进行反复交替。水稻收获前约15~20 d灌水停止。

1.2 样品采集和测定

CH4和N2O排放通量的测定采取静态暗箱-气象色谱法。在稻季水稻移栽后每7 d收集1次CH4和N2O, 非稻季移栽后每10 d收集1次CH4和N2O。在收集气体时, 使用20 mL注射器在0 min、10 min、20 min和30 min将采样箱内的气体抽进真空瓶中,并记录对应时间箱子内部的温度。采集的气体通过Shimadzu GC-14B型气象色谱仪进行测定。CH4和N2O通量按照如下公式计算:

式中:F指CH4或N2O的排放通量(mg∙m−2∙h−1),ρ指CH4或N2O标准条件下的密度(mg∙m−3),h指采样箱的有效高度(m),dc/dt指CH4或N2O的浓度变化率,T指在采样时采样箱内部的平均温度(℃)。

CH4和N2O的累积排放量计算公式为:

式中:CE指CH4或N2O累积排放量(kg∙hm‒2),Fi和Fi+1是指相邻的两个采样时期的气体排放通量(mg∙m−2∙h−1),d是相邻两个采样时期间隔的天数。

CH4和N2O的增温潜势在100年时间尺度内是CO2的30倍和268倍, 全球增温潜势GWP [t(CO2eq)∙hm−2]按照如下计算公式:

式中: CH4和N2O分别代表CH4和N2O的排放总量(kg∙hm−2)。

在试验地翻耕播种水稻、油菜以及小麦之前,采集试验地土壤样品, 测量土壤有机质和黏粒含量、pH以及容重等指标。在作物成熟期, 采用五点取样法在每小区选取大田穗数相似的植株, 去除根部, 将茎、叶、穗分开, 分别在105 ℃杀青30 min, 在80 ℃烘干至恒重, 测定植株地上部分干物质重。当水稻、小麦和油菜成熟后, 在各小区选取生长均匀的5 m2样方植株, 经晾晒、烘干和脱粒后, 测量籽粒含水率, 计算产量。DNDC模型所需要的最高生物产量[kg(C)∙hm−2]为作物产量除以0.4[24]。

1.3 DNDC模型验证

根据Gjettermann等[25]提出的归一化均方根误差(NRMSE), 当NRMSE<25%时说明该模型的拟合效果比较好, NRMSE=25%~30%是可以接受的。所以本文将NRMSE作为定量化判断模拟结果和实测值间一致性的主要依据。采用均方根误差(RMSE)和平均相对误差(MRE)来评估二者之间的吻合度。上述指标根据以下公式计算:

式中:pi指第i个模拟值,oi指第i个实测值,om指实测值的平均值,pm指模拟值的平均值,n指观测值个数。

1.4 DNDC模型区域数据的收集

DNDC模型利用核心试验点实测数据验证达到模拟准确度要求后, 利用DNDC模型通过模拟测算获取2019年鄂西北、鄂东南和江汉平原区域温室气体排放数据。从湖北省气象局中获取DNDC模型需要的气象数据, 其中包括湖北省1987−2019年各气象站点每天的统计资料。使用FORTRAN将DNDC模型模拟所需的日最高温度、日最低温度和日降水量处理成DNDC模型要求的数据格式, 并构建一个气象数据库, 通过地理位置进行就近分配。

1.5 土壤数据

从全球土壤数据库(HWAD, http://westdc.westgis.ac.cn)获取所需的土壤数据, 数据分辨率为0.0083×0.0083, 约为1 km×1 km。在试验中, 使用ArcGIS提取湖北省各地土壤0~30 cm耕作层中有机质、黏粒含量、pH以及容重等数据, 以构建DNDC模型土壤数据库。市域土壤数据库的单位格点属性是此市域行政区划内的土壤数据平均值。每个水稻格点的土壤属性均取自ArcGIS提取的网格土壤数据库。

1.6 作物数据

湖北省各市域的作物数据从2019年《湖北省农村统计年鉴》中获取, 构建以湖北省各市为单位的DNDC作物数据库。

2 结果与分析

2.1 稻田CH4和N2O排放的周年变化

在枣阳和潜江试验点实测数据表明, RW常规模式CH4排放通量周年变化范围为6.0~38.6 mg∙m−2∙h−1,RW优化模式的变化范围为5.0~33.8 mg∙m−2∙h−1。对于枣阳、黄冈和潜江试验点, RO常规模式CH4周年排放通量范围为7.8~42.4 mg∙m−2∙h−1, RO优化模式的变化范围为6.3~40.2 mg∙m−2∙h−1。对于黄冈和潜江试验点, RR常规模式的CH4周年排放范围为6.2~32.5 mg∙m−2∙h−1; RR常规模式变化范围为4.1~28.3 mg∙m−2∙h−1。

对于N2O排放通量, RW常规模式在枣阳和潜江试验点的周年变化范围为51.2~455.3 μg∙m−2∙h−1, RW优化模式的变化范围为50.4~386.6 μg∙m−2∙h−1。对于枣阳、黄冈和潜江试验点, RO常规模式N2O周年排放通量为55.0~495.2 μg∙m−2∙h−1, RO优化模式的变化范围为48.3~444.3 μg∙m−2∙h−1。在黄冈和潜江试验点, RR常规模式N2O周年排放通量为61.6~489.4 μg∙m−2∙h−1,RR优化模式的变化范围为51.7~398.9 μg∙m−2∙h−1(原始数据扫文章首页OSID码获取)。

2.2 DNDC模型的验证

由表2和表3可知, 稻作管理模式下DNDC模型对RW、RO和RR模式的稻田温室气体排放模拟结果表明: DNDC模型对RW常规模式、RO常规模式和RR常规模式的CH4和N2O排放模拟的NRMSE值范围为19.4%~24.4%, DNDC模型对RW优化模式、RO优化模式和RR优化模式的CH4和N2O排放模拟的NRMSE值范围为19.1%~23.2%, 均小于25.0%。这一验证结果可以说明: DNDC模型对湖北省不同稻作系统下稻田温室气体CH4和N2O的排放具有良好的模拟效果。

表2 湖北省不同稻作区不同稻作管理模式CH4和N2O排放通量的DNDC模型拟合度(NRMSE)检测Table 2 Fit check of CH4 and N2O fluxes under different rice cultivation modes based on DNDC model fit test(NRMSE) in different rice planting regions of Hubei Province %

表3 2019年湖北省不同稻作区不同管理模式下不同稻作系统周年CH4和N2O排放总量Table 3 Annual CH4 and N2O emissions of different rice-based cropping systems under different cultivation modes in different rice planting regions in Hubei Province in 2019

2.3 不同稻作区不同稻作系统下的稻田CH4、N2O周年排放量和增温潜势

如表3和表4结果所示, 湖北省不同稻作系统的CH4和N2O年平均单位面积排放量的趋势总体呈现RW>RO>RR。不同稻作系统的GWP总体呈现RW>RO>RR的趋势。RW、RO和RR稻作系统的CH4、N2O排放通量和GWP均表现为江汉平原>鄂东南>鄂西北。不同地区CH4和N2O的GWP顺序,RW优化模式为随州>孝感>襄阳>荆州>荆门>神农架>天门>仙桃>潜江>十堰, RO优化模式为黄冈>咸宁>随州>黄石>鄂州>荆门>孝感>荆州>天门>襄阳>仙桃>十堰>潜江>神农架>武汉, RR优化模式为孝感>荆门>鄂州>仙桃>天门>荆州>咸宁>黄冈>潜江>武汉>黄石。

表4 2019年湖北省不同稻作区不同管理模式下不同稻作系统周年增温潜势Table 4 Annual global warming potential of different rice-based cropping systems under different management modes in different rice planting regions in Hubei Province in 2019 t (CO2 eq)∙hm−2

从表3和表4可以看出, 湖北省不同稻作系统下优化模式与常规模式相比显著降低单位面积CH4排放量、单位面积N2O排放量和GWP。RW优化模式比常规模式减少9.5%~18.0%的单位面积CH4排放量、4.2%~14.2%的单位面积N2O排放量和10.2%~16.0%的GWP。与RO常规模式相比, RO优化模式减少单位面积CH4排放量、单位面积N2O排放量和GWP分别为7.3%~18.4%、6.9%~24.7%和10.0%~16.0%。与RR常规模式相比, RR优化模式能减少18.2%~22.4%、8.8%~18.1%和11.9%~18.9%单位面积CH4排放量、单位面积N2O排放量和GWP。

2.4 不同稻作区不同稻作系统稻田温室气体周年排放量

由表5可知, 湖北省不同稻作区3种稻作系统下优化模式与常规模式相比明显降低了CH4和N2O年平均排放量。不同稻作区RW常规模式和优化模式的CH4和N2O年平均排放量为江汉平原>鄂西北。不同稻作区RO常规模式和优化模式的CH4和N2O年平均排放量为江汉平原>鄂西北>鄂东南。不同稻作区RR常规模式和优化模式的CH4和N2O年平均排放量为江汉平原>鄂东南, RR模式在鄂西北的种植面积很少, 忽略不计。

表5 2019年湖北省不同稻作区不同管理模式下不同稻作系统温室气体周年排放总量Table 5 Cumulative greenhouse gas emissions from different rice-based cropping systems under different cultivation modes in different rice planting regions in Hubei Province in 2019

RW优化模式和常规模式下各个地区CH4年平均排放量的具体表现为襄阳最大, 神农架最小, 其他地区排放值范围为10 000~66 000 t(C), 大小顺序为:荆州>荆门>孝感>随州>天门>十堰>潜江>仙桃。RW优化模式和常规模式的N2O年平均排放值范围均为2~3500 t(N), 与常规模式相比, 优化模式减少了N2O排放, 各个地区按大小排序为: 襄阳>荆州>荆门>孝感>随州>天门>十堰>黄冈>潜江>仙桃>武汉>黄石>鄂州>咸宁>神农架。RO优化模式相比常规模式, 降低了CH4和N2O的排放值, 两种模式下CH4的年平均排放量最大的是荆州, 最小的是神农架, 其他地区CH4排放范围为4000~64 000 t(C)。两种模式下荆州的N2O排放量最大, 神农架的最小, 其他各个地区N2O排放值范围为50~290 t(N)。与RR常规模式比, RR优化模式减少了15.4%~26.2%的CH4年均排放量和58.8%~83.2%的N2O年均排放量,两种模式下各个地区的CH4和N2O排放顺序均为:黄冈>荆州>荆门>咸宁>孝感>武汉>仙桃>天门>鄂州>黄石>潜江。

2.5 不同稻作区稻田CH4和N2O排放总量

2019年常规模式下湖北省稻田CH4年均排放总量为724 186 t(C), 优化模式与常规模式相比减少了107 665 t(C)的CH4年排放量。其中江汉平原降低CH4排放量最大, 为68 268 t(C), 减少幅度最小的是鄂东南, 为17 803 t(C) (图1a)。如图1b所示, 常规模式下鄂西北、鄂东南和江汉平原的N2O年均排放量分别为4058 t(C)、844 t(C)和6770 t(C)。与常规模式相比, 优化模式下鄂西北、鄂东南和江汉平原的N2O年均排放量分别减少3342 t(C)、654 t(C)和5622 t(C)。

图1 湖北省不同稻作区常规模式与优化模式下稻田CH4 (a)和N2O (b)周年排放总量Fig.1 Total cumulative CH4 (a) and N2O (b) emissions from different rice-based cropping systems under different cultivation modes in Hubei Province in 2019

3 讨论

3.1 不同稻作系统对温室气体排放的影响

本研究表明, 3种稻作系统中CH4和N2O的排放存在显著差异。在同一稻作区常规和优化模式下CH4和N2O的排放均表现为RW>RO>RR(表3)。RW的CH4和N2O排放高于RR, 与邹凤亮等[12]和张岳芳等[26]研究一致。有研究表明作物自身的植物组织可以作为传输途径, 将土壤中产生的CH4和N2O释放到大气中[27-28], 孙圆圆等[29]研究表明RW和RR模式稻季的根呼吸量相似, 但是油菜季的根呼吸量比小麦季的根呼吸量小, 根系呼吸是组成土壤呼吸的重要部分, 土壤呼吸与根系生物量之间表现显著正相关性[30], 作物根系会影响稻田土壤微环境进而影响土壤的生物化学过程, 成为驱动稻田土壤CH4和N2O排放的重要因子[31], 这可能导致两种模式下CH4和N2O排放差异。RR模式CH4和N2O排放低于RW和RO两种模式, 可能是因为油菜的根系是直根系,可以改善土壤结构, 进而改变土壤的有机碳和有机氮含量, 影响土壤微生物的组成、数量和活性[32-33],导致RR模式可以减少CH4和N2O排放。RW模式的CH4排放高于RO模式, 由于RO模式头季稻和RW模式稻季水肥管理等田间管理一致, 二者的CH4排放相似, 因此二者差异主要来源于再生稻和小麦季。虽然旱地的CH4排放低于稻田, 但是由于再生稻在水稻头季完成了基础营养生长, 相比RW模式小麦营养生长时间大大缩短, 因此RO模式的生育周期比RW模式短, 从而导致RO的CH4累积排放量比RW小。RO模式的N2O排放低于RW, 这可能是由于RW模式和RO模式水稻季氮肥施用量相同, 小麦季氮肥施用量高于再生稻季, N2O的排放量随着氮肥的增加而增加[34]。

3.2 不同管理模式对稻田温室气体排放的影响

在本研究中, RW模式, 与常规模式相比, 其优化模式显著降低了稻田年均CH4和N2O排放总量(表3)。稻田CH4累积排放量的下降可能是由于优化模式中秸秆粉碎覆盖还田方式对CH4生成产生影响。这与李成芳等[35]研究结果一致, 但与Naser等[36]认为秸秆还田提高CH4排放相反, 可能是因为秸秆覆盖还田, 土壤透气性较好, 有利于好氧生物繁殖,不利于产甲烷菌通过还原过程生成CH4, 并促进CH4的氧化, 最终导致CH4排放减少。也有研究[37]表明秸秆覆盖相比秸秆翻施, 秸秆在土壤表面富集, 会降低土壤内部产CH4基质的供应能力, 减少了CH4的产生。还可能因为秸秆只覆盖在土壤表面, 没有扰动土壤, 使土壤中郁闭的气体难以释放, 从而减少了CH4和N2O的排放[38]。优化模式中氮肥深施技术也会对CH4和N2O排放产生影响, 氮肥深施增加深层土壤中铵态氮浓度, 刺激甲烷氧化菌引起CH4氧化,减少土壤CH4的排放[39]。另外, 氮肥深施增强了土壤还原性, 导致反硝化产物N2增多, 从而减少了N2O的排放[40]。还有可能是氮肥深施还会增加土壤的速效氮含量, 土壤速效氮含量的增加可以促进反硝化作用功能微生物的群落代谢作用, 促进nosZ型反硝化细菌对N2O的还原[15], 从而降低稻田N2O的排放。

在RO稻作系统下, 优化模式与常规模式相比,显著降低了CH4年均排放总量(表3)。这可能是因为秸秆还田和间歇灌溉对CH4的影响。影响土壤CH4排放的最重要因素之一就是土壤质地[41], 秸秆覆盖可以降低土壤容重, 有助于空气中的O2和CH4向土壤中扩散, 进而增强了CH4氧化菌群活动[40], 抑制产甲烷菌的活性。有研究发现土壤含水量与CH4排放量之间存在显著正相关关系[42], 而间歇灌溉会降低土壤含水量, 从而减少CH4的排放。优化模式与常规模式相比显著减少N2O排放(表3), 原因可能是在秸秆分解过程中需要利用土壤中的氮, 出现了与土壤微生物争氮现象, 降低土壤中的矿质态氮, 减少了产生N2O需要的氮基质, 导致N2O的排放减少[43-45]。与RO常规管理模式相比, RO优化管理模式可以减少N2O排放, 可能是间歇灌溉相比常规灌溉显著改善土壤通气条件, 使土壤溶解氧含量增加[46], 土壤溶氧量的升高会降低nirK和nirS型反硝化细菌丰度[47],进而抑制反硝化作用N2O生成限速环节亚硝酸盐还原过程[48], 从而减少了N2O的排放。

在RR稻作系统中, 与常规模式相比, 优化模式显著降低CH4年均排放总量和N2O年均排放总量(表3)。优化模式降低CH4的排放, 这可能的原因有:第一, 水分管理对CH4的产生、氧化及排放起至关重要的作用, 水分管理对土壤中水分状况产生影响,而土壤水分状况又是影响土壤中硝化与反硝化作用的关键因素[49]。Xu等[13]和彭世彰等[50]也发现间歇灌溉可以降低CH4排放, 水分落干有利于空气中的O2进入土壤中, 改善土壤通气状况, 土壤中氧化还原电位升高, 增强甲烷氧化菌的活性, 并且抑制产甲烷菌的活性, 从而CH4排放减少。第二, 秸秆还田会增加土壤中相关固氮微生物的丰度, 增强土壤微生物对氮的固定作用, 阻碍硝化和反硝化作用的发生, 从而减少N2O的产生[51]。牛东等[52]研究表明氮肥运筹比例对CH4影响不显著, 主要显著影响N2O的排放。优化模式减少N2O的排放, 一方面可能是由于本研究对氮肥施用比例进行了优化。有研究表明水稻发育前期根系生长缓慢, 氮素吸收能力低下, 积累量少[53], 在此时期过量施用氮肥氮素容易损失, 降低氮素利用效率。在生长后期, 水稻植株需要更多的氮素来满足其生长, 因此优化模式中氮肥管理将氮肥后移可以有效减少N通过NH3、N2O等形式损失[54]。另一方面可能是秸秆还田引起土壤中相关微生物对矿质氮的固定, 使进行硝化和反硝化作用所需要的底物减少, 进而降低N2O的产生。

3.3 不同稻作区温室气体排放变化

在不同稻作区中, RW模式的CH4和N2O累积排放量一般为江汉平原>鄂西北(表5), RO模式CH4和N2O累积排放量总体表现为江汉平>鄂东南>鄂西北(表5), RR模式下鄂东南和江汉平原CH4和N2O的累积排放量差异不明显(表5)。这可能是由于各个地区各个稻作系统种植面积存在较大的差异所导致。还可能是因为不同地区的pH、土壤容重、温度、有机质、土壤质地和土壤氧化还原性存在差异, 导致不同稻作区的CH4和N2O排放差异显著。张庆国等[55]通过对稻田CH4和N2O排放因素分析, 发现CH4的排放与温度、土壤pH和有机质含量呈正相关关系, N2O的排放水平也与温度呈正相关关系, 对有机质和pH变化也比较敏感。稻田CH4排放通量与土壤有机质含量之间存在显著正相关关系[56],HWAD数据库显示鄂东南地区的有机质含量总体高于江汉平原地区, 江汉平原地区的有机质含量总体高于鄂西北地区, 这可能导致稻田CH4排放通量为鄂东南>江汉平原>鄂西北。另外, 还有可能是因为当土壤环境偏酸时, 对N2O还原的抑制强于对NO3−的抑制, 所以pH下降, N2O排放增加[57], 当pH在7~10范围内, 随着pH上升N2O排放呈递减趋势[27]。HWAD数据库显示江汉平原地区的pH一般高于鄂西北地区的pH, 这可能导致江汉平原的N2O排放量高于鄂西北地区。

同一稻作区优化管理模式相比常规管理模式,江汉平原降低CH4和N2O排量的幅度最大。江汉平原采用优化管理模式温室气体排放测算值大幅度下降的原因可能是: 第一, 闫翠萍等[38]认为秸秆还田方式对温室气体排放影响显著, 本文优化模式的秸秆还田采用秸秆粉碎覆盖的方式, 与一般的秸秆旋耕还田和翻耕还田相比, 秸秆覆盖在土壤表面, 不会扰动土壤, 使郁积在土壤中的气体很难释放, 可以有效降低温室气体排放。第二, 由于水分是影响CH4和N2O排放的关键因子[49], 优化模式也从水分管理进行优化, 优化模式采用了间歇灌溉, 殷欣等[58]研究表明水稻生产采用间歇灌溉, 与传统灌溉相比可减少10.1%的CH4排放总量, 王孟雪等[59]的研究也表明间歇灌溉可以减少N2O排放。第三, 由于江汉平原稻作区的面积是湖北省三大稻作区中最大的, 运用优化模式后, 其整个区的累积排放量降低效果更明显。

4 结论

本研究采用归一化均方根误差法对田间观测数据与DNDC模型模拟值进行比较, 证实DNDC模拟精确度高, 说明DNDC模型可以用于湖北省温室气体排放的模拟和评估。本研究表明氮肥深施、氮肥后移、节水灌溉和秸秆粉碎覆盖还田技术集成可以有效减少3种稻作系统产生的CH4和N2O排放, 各个稻作系统的常规模式与优化模式的CH4和N2O排放以及GWP存在明显的差异。与RW和RO稻作系统的优化管理模式相比, RR稻作系统优化管理模式的CH4排放量、N2O排放量和GWP更低。因此,对于减少温室气体排放, RR优化管理栽培模式具有明显的优势, 是减排的最佳模式。根据DNDC模型模拟的数据表明, 鄂西北地区采用优化管理栽培模式, 每年可以有效减少21 594 t(C) CH4和3342 t(N)N2O, 鄂东南采用优化管理栽培模式后每年可以有效减少17 803 t(C)的CH4和654 t(N)的N2O, 江汉平原使用优化管理栽培模式后, 每年能有效减少68 268 t(C)的CH4和5622 t(N)的N2O。

猜你喜欢
稻作排放量氮肥
氮肥市场月度分析
氮肥市场月度分析
预计今年氮肥消费或将增加
节水灌溉减施磷肥对黑土稻作产量及土壤磷利用与平衡的影响
预计2020年全球碳排放下降7%,跌幅创二战以来的纪录!
全力做好夏季氮肥生产供应工作
对于废水排放相关分析
基于历史与现实视域的中国稻作文化对外传播探索
50%,全球最富有的10%人口碳排放量占全球一半
主持人语