DNDC模型耦合遥感技术的保护性耕作下土壤有机碳模拟

不同耕作措施会改变土壤有机碳储量,影响农田生态系统的碳收支。揭示自实行保护性耕作以来农田土壤有机碳的响应规律,对增加土壤碳库具有重要意义。该研究基于遥感反演技术耦合DNDC(denitrification-decomposition)模型,从县域和栅格尺度,精细刻画保护性耕作下2000-2020年吉林省土壤有机碳密度(soil organic carbon density,SOCD)的空间分布格局,并模拟不同秸秆还田情景下SOCD增长潜力。结果表明:1)20 a间土壤有机碳储量由6.08×10^(8)t增加到1.22×10^(9)t,增量主要与耕地面积扩大相关。县域尺度SOCD在4.46~98.09 t/hm^(2),栅格尺度SOCD在3.34~139.2 t/hm^(2),呈现中高北低的格局。2)保护性耕作对表层土的影响更大,0~10 cm土层的SOCD增长率最高达4.4%,>10~20 cm土层增长率最高为0.09%。3)吉林西南及中部具有巨大的SOCD增长潜力,达0.24~0.57 t/hm^(2)。研究结果可为保护性耕作政策制定提供科学参考。

基于DNDC模型分析氮添加对内蒙古草甸和荒漠草地碳动态的影响

[目的]确定内蒙古不同草地类型在氮沉降背景下植物生物量碳和土壤有机碳的变化,探究DNDC模型对该区域草地碳动态模拟的适用度,对减缓气候变化和实现“双碳”目标具有重要意义。[方法]通过调查内蒙古草甸和荒漠草地对氮沉降的响应,并利用DNDC模型进行模拟验证。设置不同氮添加梯度[0,5,10,15,20,25,30 gN/(m^(2)·a)],分析了氮添加对不同草地碳库的影响,评估了DNDC模型对其模拟的差异。[结果](1)与空白对照相比,氮添加对草甸草地和荒漠草地地上生物量碳具有促进作用,平均分别增加了72.68%和66.52%,草甸草地在N_(5)处理下地下生物量碳达到最大值(240.93 gC/kg),荒漠草地则在N_(4)处理下增幅最大(129.67 gC/kg);(2)相对于对照组,氮添加对两种草地地下生物量碳没有显著影响,与地上生物量碳的响应不同,但整体而言,地下碳量表现为草甸草原>荒漠草原;(3)氮添加对两种草地土壤有机碳含量的影响均不显著,且不同氮添加处理间也没有显著性差异,总体而言,草甸草地土壤有机碳含量高于荒漠草地;(4) DNDC模型能够较好地模拟研究区草甸草地和荒漠草地的地上、地下生物量碳和土壤有机碳,模型的模拟值与实测值基本一致,决定系数R^(2)分别为0.9426,0.756 8,0.825 7,0.523 8,0.909 9,0.955 2,0.861 0,0.732 4,模型效率系数E分别为0.834 5,0.674 8,0.799 4,0.428 8,0.873 1,0.926 5,0.716 8,0.538 1,点位模拟效果整体良好,但对于生物量碳的模拟吻合程度更好,且对荒漠草原的模拟优于草甸草地。[结论]氮添加促进了不同干旱类型草地的固碳能力,DNDC模型能较好反映氮沉降对内蒙古两种类型草地的影响,因此模型可用于模拟内蒙古草地生态系统的生物量碳和土壤有机碳。

基于DNDC模型青海西宁地区春小麦施氮量研究

为缓解农田盈余氮肥淋溶对地下水污染,保证小麦高产和氮肥农学效率条件下寻求适宜的施氮量。结合青海省西宁地区2年试验数据对DNDC模型校准与验证,用2020年的数据对模型进行校准,2021年的数据对模型进行验证,先评估小麦产量和硝酸盐淋溶量对灌水量、灌水次数、耕作深度、施氮量、施肥次数的敏感性,探索不同施氮量下小麦产量、农田硝酸盐淋溶量以及氮肥利用效率。结果表明:(1)DNDC模型可以较好地模拟小麦产量和硝态氮淋溶量,小麦产量和硝态氮淋溶量归一化均方根误差分别为0.16~0.28和0.18~0.26,均方根误差的标准偏差比分别为0.55~0.68和0.48~0.57,决定系数均大于0.80;(2)小麦产量和硝态氮的淋溶对施氮量最为敏感,敏感性指数(SI)分别为0.753和1.946,硝态氮淋溶对施肥次数与灌溉次数的敏感性较小,SI分别为-0.360和0.152。灌溉量(SI=-0.007,SI=0.085)和耕作深度(SI=0.013,SI=0.078)对小麦产量和硝态氮淋溶量几乎没有影响;(3)基于春小麦高产,氮肥农学效率以及地下水安全考虑,青海省西宁地区小麦最佳施氮量范围为160.73~176.83 kg/hm^(2)。以上结果为青海省高原农区绿色生产提供理论基础。

DNDC模型研究进展与前沿分析——基于Citespace文献计量分析

为研究DNDC(Denitrification-Decomposition)模型的演进路径和应用现状,利用CiteSpace软件分析了Web of Science核心合集数据库中1996-2022年间关于“DNDC模型”的研究文献,从发文量分布、关键词、研究热点演进、科研力量等方面进行阐释,并绘制相关图谱。结果表明:DNDC模型研究与应用呈现热度稳步上升、研究主题波浪式减少等趋势;关键词共现分析找出了management、rainfall events、soil organic carbon、denitrification、greenhouse gas、process oriented model等核心关键词,关键词聚类分析识别出Crop model、Soil organic carbon、Denitrification、Life cycle assessment、Ipcc、Agricultural soils、Carbon dynamic、Blue carbon、Greenhouse gases emission、Nitrous oxide等11个聚类;研究力量以中国、美国、加拿大为主,分别占总发文量的41.68%、41.20%和16.16%,中国科研力量在国际合作中的影响力仍有提升空间。当前DNDC模型研究聚焦于作物产量预测、节水农业、土壤碳固存、氮浸出和温室气体等方面。未来DNDC模型可以向提升参数输入精度、减少区域尺度模拟的不确定性、扩大模型适用区域等方面改进。

基于DNDC模型的红壤旱坡花生地N_(2)O排放模拟研究

为探究DNDC模型在红壤旱坡地N_(2)O排放模拟的适用性,以赣北红壤旱坡花生地为研究对象,设置常规耕作和轻简化免耕2种处理,连续3年(2019—2021年)采用静态箱-气相色谱法开展N_(2)O排放的田间原位观测试验,研究不同耕作处理下N_(2)O排放特征及DNDC模型模拟效果。结果表明:DNDC模型对不同耕作处理下0~10 cm土壤温度(相关系数r为0.86~0.87)和作物产量(r为0.90)的模拟效果较好。该模型能较好地模拟花生季因施肥和降雨引起的N_(2)O排放波动变化,也能较好地模拟常规耕作下土壤N_(2)O排放峰,但会在一定程度上低估轻简化免耕的N_(2)O排放峰和排放总量,且模型对16 mm以下的降雨响应较小。土壤pH值、施肥量对红壤旱坡花生地N_(2)O排放的影响最大,降雨量、土壤有机碳含量和粘粒含量也是影响N_(2)O排放的重要因子。模型模拟2019年不同施肥量下N_(2)O排放总量与花生产量发现,氮肥施用量不能低于76.54 kg/hm^(2),也不宜超过106.78 kg/hm^(2)。研究结果可为红壤坡耕地作物种植优化、农业温室气体减排等提供理论依据。

基于DNDC的夏玉米农田控氨稳产氮肥和秸秆措施优化

为明确未来气候条件下关中地区夏玉米农田适宜的施肥-秸秆措施以控氨稳产及应对气候变化,基于2019—2020年大田试验,进行不同氮肥种类和不同秸秆还田模式对农田土壤氨挥发和作物产量的影响研究。根据田间实测数据对DNDC模型进行校正与验证,利用验证后模型模拟未来气候条件下不同施肥-秸秆措施对夏玉米产量及土壤氨挥发累积量的影响,综合考虑产量和生产单位产量玉米的土壤氨挥发累积量,最终提出未来气候条件下关中地区夏玉米农田的优化控氨稳产施肥-秸秆措施。结果表明:校正后的DNDC模型可以很好地模拟不同施肥-秸秆措施条件下夏玉米生长和农田土壤氨挥发累积量。在未来气候条件下,秸秆还田会显著提高夏玉米产量并降低生产单位产量玉米的土壤氨挥发累积量。在RCP4.5排放情景下,未来2030—2090年,秸秆全量还田配施180 kg/hm^(2)稳定性氮肥生产单位产量玉米的土壤氨挥发累积量较低且产量较高;在RCP8.5排放情景下,未来2030—2050年和2070—2090年,秸秆全量还田配施180 kg/hm^(2)稳定性氮肥和秸秆全量还田配施162 kg/hm^(2)稳定性氮肥生产单位产量玉米的土壤氨挥发累积量较低且产量较高。因此,在RCP4.5排放情景下,秸秆全量还田配施180 kg/hm^(2)稳定性氮肥为关中地区2030—2090年较为优化的控氨稳产施肥-秸秆措施;在RCP8.5排放情景下,秸秆全量还田配施180 kg/hm^(2)稳定性氮肥和秸秆全量还田配施162 kg/hm^(2)稳定性氮肥分别为关中地区2030—2050年和2070—2090年较为优化的控氨稳产施肥-秸秆措施。本研究可为关中地区实现农业可持续发展及稳产减排提供参考。

基于DNDC模型分析降水变化对黄土丘陵区草地生物量和土壤有机碳的影响

草地生态系统作为黄土高原半干旱区重要的陆地生态系统,降水格局改变对该区域的碳循环过程产生影响。通过在自然恢复草地(NR)和白羊草(Bothriochloa ischaemum)栽培恢复草地(BI)进行原位降水梯度试验,设置了减少自然降水量的80%、60%、40%、20%,自然降水和增加自然降水量的20%、40%、60%、80%(即P–80、P–60、P–40、P–20、CK、P+20、P+40、P+60、P+80)的9种降水梯度,并运用DNDC (denitrification-decomposition)模型进行模拟验证,分析降水改变对土壤有机碳(SOC)、地上和地下生物量的影响。结果表明:1)与自然降水相比,增减降水80%时自然恢复草地的SOC含量增幅最大(21.4%和21.5%),但不同处理间无显著差异(P> 0.05);白羊草地SOC含量在减少降水20%时达到“峰”值(13.41 g·kg^(-1)),整体上白羊草地SOC含量高于自然恢复草地。2)两种草地恢复类型的生物量都随降水量变化而波动起伏,自然恢复草地减少降水20%地下生物量和增加降水40%地上生物量增幅分别为53.6%和52.4%,白羊草地在增加降水20%和减少降水40%时地下、地上生物量各达到最大值;且自然恢复草地地上生物量明显高于白羊草地,地下生物量则相反。3) DNDC模型模拟结果显示自然恢复草地和白羊草地的SOC含量、地上和地下生物量模拟值的变化趋势与实测结果基本一致:均方根误差RMSE%分别为10.0、7.5、6.7和11.7、1.3、1.0,决定系数R2分别为0.578、0.989、0.989和0.776、0.998、0.999,点位模拟效果整体良好;但模型对生物量的模拟吻合程度更高,且在白羊草地的模拟更具优势;因此运用模型模拟黄土丘陵区草地生态系统的土壤有机碳和草地生物量是可行的。

基于DNDC模型的稻田氨挥发模拟及减排模式

【目的】优化稻田氨挥发减排的水炭调控模式。【方法】基于田间实测数据,利用DNDC模型构建并验证了水炭调控稻田氨挥发过程模拟模型,分析不同灌溉模式及生物炭添加水平对稻田氨挥发损失量的影响特征,最终优选出稻田氨挥发减排的水炭调控模式。【结果】基于DNDC模型构建的水炭调控稻田氨挥发过程模拟模型在稻田分蘖肥后1周、穗肥后1周、整个稻季的氨挥发量模拟值和实测值的相对误差均在±8%以内,能够较好地模拟控制灌溉稻田不同生物炭添加量后土壤氨挥发损失特征。随着生物炭添加量的增加,相同灌溉处理稻田氨挥发损失量呈小幅递减趋势;相同生物炭添加水平下,稻田氨挥发损失量随灌水下限的降低出现小幅下降。灌水和添加生物炭均显著影响稻田氨挥发损失量,灌水处理是主要影响因素,对稻田氨挥发的作用明显强于添加生物炭。【结论】I3B11处理为稻田水炭调控最优模式,在降低稻田灌溉下限的基础上适当增施生物炭可以有效降低稻田氨挥发量。

基于DNDC模型研究春玉米长期秸秆还田的氮肥减施潜力

【目的】探索秸秆还田对玉米氮肥减施潜力的影响,为东北黑土区养分资源高效利用提供科学依据。【方法】田间定位试验在吉林省公主岭市开展,始于2017年,分别在秸秆还田和离田条件下,设置施氮0、70、140、210、280和350 kg/hm^(2),共12个处理。基于田间实测值校正和验证反硝化−分解模型(DNDC,Denitrification-Decomposition),并用校正后的模型模拟30年(1991—2020)秸秆还田对春玉米产量和氮素利用率的影响以及氮肥减施潜力。【结果】DNDC经参数校正后能够较好地模拟秸秆还田和离田条件下各施氮量处理春玉米产量、生物量、氮吸收和土壤无机氮含量,模拟值与实测值的标准平均相对误差(nARE)和标准均方根误差(nRMSE)范围平均分别为−5.7%~7.6%和10.0%~28.5%。依据长期模拟结果,秸秆还田条件下,最大产量施氮量下的春玉米产量、氮素回收率、农学效率和偏生产力比秸秆离田条件下可分别平均提高6.0%、5.5%、2.7 kg/kg和6.7 kg/kg,氮素表观盈余率平均下降36.3%。与秸秆离田条件相比,秸秆还田条件下达到秸秆离田条件下最大产量的施氮量平均减少35.5 kg/hm^(2),约为18.4%。最大产量氮肥减施比例随秸秆还田年限的延长而变化,秸秆还田7~15年时的氮肥减施比例最高,平均为23.6%,秸秆还田19~30年的减施比例平均为15.8%。此外,秸秆还田的氮肥减施比例在湿润年最高,平均为20.5%,其次是平水年,平均为18.7%,干旱年最低,平均为15.4%。【结论】相比于秸秆离田,长期秸秆还田可显著提高玉米产量和氮素利用率,减少获得相同产量所需的施氮量以及氮素盈余率。按照DNDC模型预测,我国东北春玉米生产在秸秆还田下的氮肥减施潜力依年降水变化,为10%~20%。

基于DNDC模型的红枣生长模拟参数敏感性和产量不确定性分析

【目的】研究红枣生长模型模拟输入参数的敏感性和产量预测不确定性,为红枣生长模拟模型的本地化和区域化参数调整优化提供依据,以提高模型模拟预测精度和效率。【方法】以新疆昆玉市现代农业示范区为研究区,应用可扩展傅里叶振幅敏感分析法(EFAST)和蒙特卡罗法分析基于DNDC模型系统新构建的红枣生长模型的输入参数敏感特性和产量预测不确定性。【结果】作物参数中全株生物量中果实比例(Gfra)、最大作物产量(MaxY)、生长积温(TDD)和需水量(WaterR)等指标敏感度最高,土壤参数中田间持水率(FC)和孔隙度(Por)等指标敏感度最高,田间管理参数中灌溉量(IrrAm)、施肥量(FerAm)和有机肥施肥量(ManAm)等指标敏感度最高;随着参数的波动范围由±5%增大到±10%,红枣预测产量正态分布的相关一致性系数增大,模型的平稳性增加。【结论】调整参数优化模型,并对2015~2019年各年份进行产量模拟测试验证,预测产量结果相对误差控制在±8%以内(最小误差为-1.99%),调整红枣产量预测模型参数,提高了模型预测产量的精度,优化趋于合理。

基于DNDC模型的玉米田土壤有机碳变化模拟预测

为揭示有机碳变化的关键影响因素并为北京地区实现固碳减排目标提供科学依据,利用北京怀柔区前桥梓村玉米田2016-2019年土壤有机碳(soil organic carbon,SOC)实测数据对反硝化-分解模型(denitrification-decomposition model,DNDC)进行验证,选取气候、土壤及秸秆还田等主要影响因子对验证后的DNDC模型进行敏感性分析,模拟了2种典型浓度路径(RCP8.5、RCP4.5)下该农田未来(至2100年)土壤有机碳变化情况。结果显示:经过校验后的DNDC模型可较好地模拟该玉米田SOC变化;初始有机碳含量及秸秆还田率是SOC变化的主要影响因素;RCP8.5及RCP4.5下SOC含量增加明显,土壤碳库在2100年达到平衡,2100年有机碳含量分别达到27.70、29.03 g/kg,分别较初始有机碳含量上升197.85%和212.15%。结果表明,DNDC模型可用于该研究区玉米田有机碳变化预测,该农田持续采用当前施肥和秸秆还田管理方式可实现土壤持续固碳。

中国稻田生态系统固碳效应模拟研究

【目的】研究稻田生态系统固碳量的动态变化,为制定与推广耕地固碳减排措施提供依据。【方法】基于3年稻田受控试验数据,校验生物地球化学脱氮—分解作用(denitrification-decomposition,DNDC)模型,并估算2018—2020年间中国稻田生态系统的固碳量;分析稻田生态系统土壤及作物固碳量的时空分布,评估农田生态系统在实现“碳中和”中的贡献。【结果】DNDC模型模拟的水稻产量及土壤有机碳含量与田间观测结果一致性较高(相关系数均大于等于0.77,平均绝对误差和归一化均方根误差均小于13%);2018—2020年中国水稻固碳总量为523.29 Tg,作物对总固碳量的贡献率达97%以上。江西、湖南、广东和广西的双季稻固碳能力较强,而云南、浙江和海南的相对较弱。单季稻固碳量分布呈现北高南低的空间分布特征,其中黑龙江、江苏和湖北的固碳量较高。湖南、福建、江西和广西的双季稻固碳量大于单季稻,双季稻固碳量占总固碳量的60%以上。【结论】DNDC模型可用于模拟稻田生态系统的碳收支,中国稻田生态系统是重要的碳汇,且呈现出较强的空间异质性。

应用Manure-DNDC模型模拟畜禽养殖氮素污染

畜禽养殖是重要的农业面源氮素污染源头,大量的畜禽粪便施入农田后,会加大农田氮素径流和淋溶损失强度。畜禽养殖废弃物氮素污染过程复杂,涉及到动物自身营养循环以及废弃物通过不同途径进入环境的过程,目前大多通过排放系数法估算畜禽养殖过程产生的氮素污染负荷。该文选用最新版Manure-DNDC模型,以山东小清河流域为例,模拟畜禽养殖及废弃物处理的生物地球化学过程,分析氮素在动物、畜禽粪便、农田之间的迁移转化,探讨该过程中氮素的主要损失途径以及污染物负荷的时空变化特征。模拟结果表明,小清河流域2008年畜禽养殖及粪便处理场所氮素径流损失4.66万t,粪便施入农田后的氮素径流和淋溶损失分别为0.1、0.51万t。

应用DNDC模型分析施肥与翻耕方式对土壤有机碳含量的长期影响

利用中国农业大学曲周实验站的氮磷化肥配施长期定位试验和翻免耕长期定位试验数据验证DNDC(脱氮—分解 )模型 ,说明其模型模拟值与实测值之间吻合程度较好 ,证明DNDC模型可以用来模拟当地土壤有机碳(SOC)含量的动态变化。对 2个试验长期 (10 0a)的模拟结果表明 :对于氮磷化肥配施试验 ,对照、单施氮肥和单施磷肥的处理SOC含量呈现下降趋势 ,氮肥与磷肥配合施用的处理土壤有机碳含量均呈上升的趋势 ,每年施用氮肥(纯N) 2 70kg·hm-2 配合施用磷肥 (P2 O5) 135kg·hm-2 的处理SOC含量与初始值相比增加了 31%。对于翻免耕试验 ,免耕并施用 112 5kg·hm-2 氮肥 (纯N)再配合每年秸秆还田 4 5 0 0kg·hm-2 的处理比初始值增加了 6 2 % ,翻耕并施用 187 5kg·hm-2 氮肥、15 0kg·hm-2 磷肥再配合每年秸秆还田 4 5 0 0kg·hm-2 的处理SOC含量比初始值增加了 5 6 %。从DNDC模型模拟得出 ,实行秸秆还田或增加作物生物产量还田及免耕等耕作措施将有效持续的增加SOC含量 ,提高土壤的可持续利用能力。

应用DNDC模型分析东北黑土有机碳演变规律及其与作物产量之间的协同关系

【目的】探索长期不同施肥方式下土壤有机碳的动态变化及其与作物产量之间的耦合关系,以期为东北地区黑土耕地资源的持续利用与管理提供科学依据。【方法】基于黑土区国家土壤肥力与肥料效益监测网站公主岭监测基地的23年长期定位试验数据,选取不施肥(CK)、单施氮磷钾肥(NPK)、无机肥配施低量有机肥(NPKM1)、1.5倍的无机肥配施低量有机肥[1.5(NPK)M1]、无机肥配施高量有机肥(NPKM2)和无机肥配施秸秆(NPKS)6个处理进行土壤有机碳和产量的分析,将数据用于DNDC模型验证,并对6种施肥处理在未来气候下(40 a)黑土有机碳的演变进行模拟。【结果】试验监测结果表明:从1990~2012年的土壤有机碳数据分析得出,长期不施肥土壤有机碳从12.49 g/kg以年均0.69%的速率下降,有机无机配施可以提升土壤有机碳含量。DNDC验证结果如下:DNDC验证土壤有机碳时各处理的相对均方根误差(RMSE)为14.98%~37.91%,验证作物产量时各处理的RMSE为8.28%~11.19%,说明模型能够基本反映长期不同施肥下的作物产量和土壤有机碳的变化。未来气候下的模拟结果表明:CK和NPK处理土壤有机碳在未来40年里分别下降16.67%和11.21%。而3个化肥有机肥配施处理在未来40年呈稳定增长态势,NPKM1、1.5(NPK)M1和NPKM2处理的土壤有机碳将分别增加13.65%、15.74%和15.84%,以1.5(NPK)M1增势最为显著。NPKS处理的有机碳相对初始略有增加。当施氮量从160 kg/hm^2增至320 kg/hm^2时,土壤有机碳每增加1.00 g/kg,作物产量的增加量从44.48kg/hm^2下降至15.95 kg/hm^2。【结论】从长期实测数据的分析和DNDC模型模拟得出,实施秸秆还田和有机肥配施无机肥能有效持续增加SOC含量,并能获得较高的作物产量。在施氮量160~320 kg/hm^2水平下,作物产量随着土壤有机碳含量的增加而升高,且土壤有机碳含量对产量的提升幅度随着施氮量的升高而降低。

基于Morris和Sobol法的茶园地上部生物量与氮磷流失模拟敏感性分析

[目的]揭示土壤、地形和作物参数对DNDC模型模拟的茶园地上部生物量与氮磷流失量的影响程度,识别各模型输出的最敏感参数,为模型的率定提供指导方案。[方法]基于天目湖流域茶园径流小区数据和DNDC模型,应用定性的Morris法和定量的Sobol法对模拟的茶园地上部生物量、氮磷流失量(包括氮磷淋失量和含氮气体排放量)和水分渗漏量进行敏感性分析,评估了各个模型输出结果的敏感参数,并借助蒙特卡洛方法量化模型输出的不确定性。[结果]对地上部生物量产生最主要影响的参数为成熟作物中籽粒占总生物量之比;对氮淋失量产生最主要影响的参数为土壤黏粒含量;对磷淋失量产生最主要影响的参数为土壤容重;对水分渗漏量产生最主要影响的参数为坡度;对N_(2)O排放量产生最主要影响的参数为初始土壤有机碳含量;对NO排放量和对NH3排放量产生最主要影响的参数为土壤pH。各输出结果中,磷淋失量的不确定性最大,变异系数为43.84%;水分渗漏量的不确定性最小,变异系数为2.36%。Morris法和Sobol法相比,Morris法优在方便省时,Sobol法优在准确全面,两种方法得到的参数敏感度排序总相关性为0.86,具有一定可替代性。[结论]在率定模型之前,先应用Morris法确定敏感参数的范围,再应用Sobol法精确量化,从而快速准确地筛选出模型敏感参数。在此基础上,固定非敏感参数,先重点校正敏感作物参数,再校正敏感土壤参数。本研究可为DNDC模型参数的本地化提供科学支撑,提高该模型对天目湖流域茶园生态系统的模拟精度和效率。

DNDC模型评估苜蓿绿肥对水稻产量和温室气体排放的影响

DNDC(denitrifiction-decompostion)模型是以生物地球化学进程为基础模拟碳氮循环的模型,被广泛用来预测稻田温室气体的排放,但利用DNDC模型研究苜蓿绿肥对稻田生态系统的相关研究尚未见报道。因此,本研究结合两种绿肥在上海地区的使用,模拟了4个不同处理:对照(未施氮肥和绿肥)、氮肥(200kg/hm2)、紫花苜蓿绿肥(3000kg DM/hm2)+氮肥和蚕豆绿肥(3000kg DM/hm2)+氮肥,研究苜蓿绿肥对水稻产量和稻田温室气体排放的影响,同时,对DNDC模型进行本地化修正,建立适宜我国长江中下游地区绿肥-水稻轮作生态系统的DNDC模型,结果表明,与对照相比,苜蓿、蚕豆和氮肥处理下的水稻产量分别提高了41.85%,29.81%和25.36%;蚕豆绿肥处理下的CH4排放量高于苜蓿绿肥处理,温室气体的排放强度在苜蓿绿肥处理下未显著提高。通过对DNDC模型多个参数的调整和模拟,DNDC模型对水稻产量和CH4排放的模拟值与实测值十分接近,其中,水稻产量实测值和模拟值的决定系数R2为0.89,相对平均误差RMD为-0.8%。大气温度、大气CO2浓度、土壤有机碳和土壤粘粒对稻田CH4和N2O排放十分敏感,其中,大气温度、CO2浓度和土壤有机碳与CH4和N2O的排放强度呈显著的正相关关系,而土壤粘粒与CH4排放呈显著的负相关关系,本研究结果说明本地化改进的DNDC模型能够准确模拟紫花苜蓿绿肥对水稻产量和稻田温室气体排放的作用效果。

应用DNDC模型分析施肥和翻耕方式变化对旱田土壤N_2O释放的潜在影响

以贵州省玉米 油菜轮作田和大豆 冬小麦轮作田为N2 O释放通量测量对象 ,根据DNDC模型能较好地拟合田间N2 O释放通量季节变化及施肥和翻耕对释放的影响 ,采用DNDC模型定量探讨了上述作物生长季节有机肥施用量、N肥施用量及施肥日期、N肥类型和施肥深度、翻耕深度和翻耕日期等变化对亚热带旱田生态系统N2 O释放的潜在影响 .为今后通过改变施肥和耕作方式来控制农业土壤N2 O释放量提供研究基础和参考 .

基于DNDC模型的稻田氮素流失及其影响因素研究

稻田氮素流失是导致农业面源污染的主要原因之一。采用测坑定位实验获得的野外观测数据对DNDC模型模拟稻田氮素流失的可行性进行验证,同时重点采用模型的敏感性分析功能对影响稻田氮素流失的关键因素进行分析研究。结果表明:DNDC模型能够准确地模拟不同施肥条件下稻田的氮素流失和水稻产量,施肥和降雨是影响稻田氮素流失的主要因素,与稻田氮素流失呈正比。值得注意的是,在目前施肥水平下有机肥的施用对稻田氮素的渗漏流失无明显贡献。此外,稻田氮素的渗漏流失还与土壤硝态氮的含量呈正比,而与土壤有机碳含量和黏土比例呈反比。根据敏感性分析结果可知,在我国稻田目前的施肥水平下,降低施肥量、采用节水灌溉以及增施有机肥等措施均是减少稻田氮素流失的有效手段。

基于DNDC模型的东北地区春玉米农田固碳减排措施研究

春玉米是我国东北地区主要粮食作物，但由于连年耕作和氮肥的高投入，春玉米农田也可能成为重要的温室气体排放源。因此，通过优化田间管理措施在保证作物产量的同时实现固碳减排，对于春玉米种植系统的可持续发展具有重要意义。过程模型（DenitrificationDecomposition, DNDC）是评估固碳减排措施的有效工具，本研究在对DNDC模型进行验证的基础上，应用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氧化亚氮（N2O）排放的长期综合影响。模型验证结果表明，DNDC模拟的不同处理下土壤呼吸季节总量、 N2O排放季节总量和春玉米产量与田间观测结果较一致；同时模型也能较好地模拟不同处理下土壤呼吸和N2O排放季节变化动态。这表明DNDC模型能较理想地模拟不同施氮和秸秆还田措施对春玉米农田土壤呼吸、 N2O排放和作物产量的影响。利用模型综合分析不同管理情景对产量和土壤固碳减排的长期影响，结果表明： 1）与当地农民习惯施肥相比，优化施氮措施不会明显影响作物产量，能减少N2O排放，且对土壤固碳影响很小，因而能降低温室气体净排放，但净排放降低幅度有限（8%~13%）； 2）在优化施氮措施的同时秸秆还田能在保障供试农田春玉米产量的同时大幅度减少春玉米种植系统温室气体净排放，甚至可能将供试农田由温室气体排放源转变为温室气体吸收汇。本研究结果可为优化管理措施实现春玉米种植系统固碳减排提供科学依据。