中国农业源非CO_(2)温室气体排放核算

中国作为传统的农业大国,高消耗、高投入、高需求的农业发展模式推动着中国农业非CO_(2)温室气体排放总量持续增长。农业源非CO_(2)气体以极具增温潜势的CH_(4)和N_(2)O为主,控制农业源非CO_(2)温室气体排放是我国实现农业绿色发展和“双碳”目标的重要环节。我国农业系统非CO_(2)温室气体核算尚处于不断探索完善的过程之中,在估算方法、模型参数等方面还未形成一套完整和公认的体系。研究参考IPCC分类法建立了适用于中国农业系统的,包括种植业、畜牧业和农业废弃物的农业非CO_(2)温室气体排放核算体系。以2020年为基准对中国农业温室气体排放情况进行了核算。结果显示,我国农业系统非CO_(2)温室气体排放总量为62801.68万t CO_(2)-e,CH_(4)是农业系统排放贡献最大的温室气体。我国农业系统温室气体排放类型具有明显的空间分异特征;西北、华北、西南以畜牧业温室气体为主导,华东、华南地区以种植业为主导,东北、华中地区较为特殊,主导类型相对复杂;农业废弃物排放主要分布在东北、华东地区。研究所构建的温室气体核算体系可充分体现我国农业温室气体排放现状,体现各省域农业温室气体排放结构,有利于各区域制定有针对性的农业规划政策,可为降低我国农业温室气体核算研究中的不确定性、为碳中和实现过程中明确农业系统的温室气体贡献提供方法支持与数据基础。

耕作措施对红壤坡耕地土壤CO_(2)排放的影响

[目的]探析红壤坡耕地不同耕作措施对土壤二氧化碳(CO_(2))排放的影响,为红壤坡耕地绿色低碳耕作模式构建与耕作措施优化提供理论依据。[方法]通过设置横坡垄作(RT)、顺坡垄作(DT)、覆膜耕作(PM)和传统耕作(CT)4种典型耕作措施试验小区,采用结构方程模型探究了土壤理化性状与土壤CO_(2)排放间的响应关系,并采用综合评价模型定量分析了不同耕作措施的降碳增产综合效益。[结果]RT的土壤有机碳和全氮含量总体较高,可显著增加土壤总孔隙度,降低土壤容重(p<0.05),DT则相反;PM的土壤温度及含水率显著高于其余耕作措施,RT和DT为代表的垄作措施显著高于CT。在作物生育期内,不同耕作措施的土壤CO_(2)排放通量在60.53~818.90 mg/(m^(2)·h),呈先升高后降低的波动趋势,耕作措施间土壤CO_(2)累计排放量大小关系为PM>DT>CT>RT,RT可显著减少3.4%~22.4%(p<0.05),而作物生育期间为花粒期>穗期>苗期。降雨侵蚀对红壤坡耕地土壤CO_(2)排放具有明显“Birch效应”,降雨侵蚀后耕作措施间土壤CO_(2)排放通量大小关系为DT>PM>CT>RT。红壤坡耕地主要通过调节土壤温度、土壤含水率、全氮和容重来影响土壤CO_(2)排放通量。[结论]RT对降低土壤CO_(2)排放及增加作物产量具有积极作用,可优先在南方红壤坡耕地进行推广。

水位变化对湿地土壤CO_(2)排放速率的影响研究

为研究水位变化幅度和周期对土壤CO_(2)排放速率的影响,采集黄河小北干流区原状土样进行为期1161 h的室内水位控制监测试验,分高水位波动(a)、低水位波动(b)、干旱胁迫(c)和参照组(d)4组进行对比,分析5个阶段的CO_(2)排放速率、DOC(可溶性有机碳)和DOC/DON(可溶性有机氮)数据。在监测全过程中CO_(2)排放速率平均值分别为0.23、0.22、0.16、0.22μmol/(cm2·h),水位变化整体造成0.35倍、-0.18倍、-0.11倍、-0.24倍的改变。相较于监测过程的平均值,水位变化造成a、b、c、d 4组-0.72~2.48倍、-0.86~1.18倍、-0.97~1.44倍、-0.85~0.70倍的过程性波动,CO_(2)排放速率表现出“上升—衰弱—恢复”的特征。相较于前一阶段平均值数据,水位下降后(阶段Ⅰ)a、b、c 3组发生2.48、1.18、1.44倍的上升,持续时间91.5 h后又发生0.18、0.43和0.27倍的下降(阶段Ⅰf);监测279.9 h时的水位上升造成a、b、c 3组较前一阶段明显上升(阶段Ⅱ),48.5 h后a、b、c 3组排放速率下降(阶段Ⅱf);664 h时的水位上升(阶段Ⅲ、Ⅲf)造成的影响类似于前一阶段,在监测最后的240 h内(阶段Ⅳ),4组较Ⅲf阶段都有不同程度的回升。0~5 cm和5~10 cm土壤DOC含量和DOC/DON值受水位变化影响明显,出现初期上升和后期下降的趋势。水位变化对湿地土壤CO_(2)排放表现出大幅度、长时间的影响,水位变化对湿地土壤CO_(2)排放速率影响显著且具有阶段性特征。

云南省建筑业CO_(2)排放峰值及达峰时间预测

建筑业减碳是助力我国实现碳达峰、碳中和目标的重要抓手。运用决策试行与评价实验室(DEMATEL)方法从直接碳排放、间接碳排放、运行碳排放和环境代价四个维度对云南省建筑业CO_(2)排放影响因素予以了系统分析。在此基础上采用系统动力学构建出云南省建筑业CO_(2)排放系统仿真模型,从而揭示预测出不同情境下云南省建筑业CO_(2)排放的预期峰值和时间。模拟结果表明:在高碳情景下,云南省建筑业将于2038年实现碳达峰,峰值为1091.33百万吨;而在低碳情景和基准情景下,云南省建筑业将于2035年实现碳达峰,其峰值分别为455.91百万吨、942.04百万吨。最后,给出促进云南省建筑业低碳发展的对策建议。

秸秆还田配施氮肥对黑土玉米田土壤CO_(2)排放与碳平衡的影响

为探寻不同秸秆还田方式配施氮肥对黑土玉米田土壤CO_(2)排放与碳平衡的影响,于2023年开展大田试验,设置秸秆离田(S0,对照)、秸秆覆盖还田(S1)、秸秆旋耕还田(S2)3种秸秆还田方式,同时设置常规施加氮肥(N,250kg/hm^(2))与不施加氮肥(W,0kg/hm^(2),对照)2种施氮模式,共计6个处理。测定不同处理下玉米生育期土壤CO_(2)排放通量以及玉米收获后土壤有机碳(SOC)、可溶性有机碳(DOC)、微生物量碳(MBC)含量,探究土壤CO_(2)累积排放量与SOC、DOC、MBC含量的关系,并分析黑土玉米田生态系统碳平衡状况。结果表明:各处理中土壤CO_(2)累积排放量从大到小依次为S2N、S1N、S0N、S2W、S1W、S0W,其中S2N处理土壤CO_(2)累积排放量较S0W处理显著增加70.31%(P<0.05)。在相同施氮模式下,秸秆还田能够有效增加SOC、DOC、MBC含量,且土壤CO_(2)累积排放量与SOC、DOC、MBC含量呈正相关关系。不同秸秆还田方式配施氮肥下,S1N处理玉米产量最高,为13534.4kg/hm^(2),作物碳排放速率最低,为0.122kg/kg。不同秸秆还田方式配施氮肥下黑土玉米田生态系统碳平衡值均为正值,表现为较强的碳“汇”,其中S1N处理碳平衡值和土壤固碳潜力最大,较其他处理分别增加13.12%~94.05%、3.49%~25.32%。综上所述,在本试验条件下,秸秆覆盖还田+常规施氮(S1N处理)可以实现黑土玉米田土壤固碳减排和作物增产目的。

基于能源平衡表的CO_2排放核算研究

碳排放核算是低碳经济研究中重要的基础性研究。该研究以中国经济发达且面临低碳转型的上海市为例,探讨利用能源平衡表核算CO2排放的方法及排放部门特征分析时应注意的问题,特别是针对与能源平衡表部门分类不一致的交通领域和建筑领域,研究了其排放核算方法和特征分析。研究表明,电力作为一种二次能源,生产地与消费地可能不在同一地区,其CO2排放核算对终端部门排放特征影响很大,此外,交通领域和建筑领域的CO2排放作为快速增长的排放源,CO2排放核算对两个部门的排放特征分析和低碳发展路线制定至关重要。

大气CO_(2)浓度升高背景下优化施氮对淹水稻田CH4排放的影响

为探讨未来气候变化条件下,合理管理氮肥以充分协调水稻产量与温室气体排放量之间的矛盾,实现低碳排放并保持水稻产量,本研究探讨了大气CO_(2)浓度升高120μmol·mol^(-1)与氮肥减施40%对淹水稻田水稻生产及CH4排放的影响及机理。利用开顶式气室(OTC)组成的CO_(2)浓度自动调控平台设置4个处理,即环境CO_(2)浓度+施氮250 kg·hm^(-2)(CK)、大气CO_(2)浓度升高120μmol·mol^(-1)+施氮250 kg·hm^(-2)(C+)、环境CO_(2)浓度+施氮150 kg·hm^(-2)(N-)、大气CO_(2)浓度升高120μmol·mol^(-1)+施氮150 kg·hm^(-2)(C+N-),分析了稻田CH4累积排放量(CAC)、水稻生物量及产量、土壤理化性质及酶活性等指标。结果表明:与CK处理相比,C+处理使CAC/产量显著提高了16.93%,N-处理使CAC/产量显著降低了13.33%,C+N-处理使CAC/产量降低了7.89%,但不显著;N-处理在一定程度上削弱了C+处理对CAC、CAC/产量、水稻生物量、土壤可溶性有机碳含量的促进作用;逐步回归分析表明,基于可溶性有机碳和硝态氮含量及土壤脲酶活性的线性模型,可解释稻田CH4累积排放64%的变异。综上,在大气CO_(2)浓度升高条件下,氮肥减施可通过影响土壤碳、氮基质及土壤脲酶活性来调节稻田CH4排放。

城市产业部门CO_2排放三层次核算研究

城市是人类生产和生活的中心,超过75%的温室气体从城市产生,其中又以城市产业部门能源消费和工业过程非能源产生的CO2为主。本文基于投入产出模型,评价城市产业部门3个不同层次的CO2排放。以重庆为案例,核算其2002-2008年产业部门三个层次的CO2排放,包括能源消费直接排放、购买电力间接排放和全生命周期排放,并进行多层次对比。结果显示传统能源消耗和购买电力为对象的核算方法低估了产业部门CO2排放水平。2002-2008年,重庆各产业部门排放量逐年增加,碳排放强度整体呈现下降趋势。煤炭开采和洗选业、非金属矿采选业、非金属矿物制品业、电力、热力的生产和供应业,化学工业、金属冶炼及压延加工业、交通运输、仓储及邮电通讯业部门共7大行业是重庆碳排放的重点行业。部门交通设备制造业是重庆的优势产业,排放总量大,但是排放强度却相对较小,因此应大力发展该产业以促进重庆市低碳经济的发展。

中国钢铁行业CO_(2)排放特征和减排路径研究——基于ARIMA-LEAP模型

为了消除对于未来粗钢、钢材以及生铁产量预测主观性,基于时间序列中的ARIMA模型,对未来相关产量进行客观预测,构建了中国钢铁行业ARIMA-LEAP模型,并以2020年为基准年,每5a为时间节点,研究了2020~2030年中国钢铁行业不同情景下全流程及各工序的CO_(2)排放情况.在技术进步中考虑了氢还原炼铁技术,在能源结构调整中考虑了发电方式调整,在此基础上分别设置了4种单一情景和4种组合情景来研究其减排潜力.结果表明,4种组合情景下的含有规模减排的3种组合情景CO_(2)减排潜力均高于单一情景.其中SUR+TER､SUR+STR和综合减排情景可以在2030年实现达峰,达峰年均为2021年,达峰时CO_(2)排放量分别为13.225亿t､13.359亿t和13.289亿t.单一情景中相较于基准情景CO_(2)减排量由高到低依次为:规模减排情景(SUR)、结构减排情景(STR)、技术减排情景(TAR),在2030年相对于基准情景的减排量分别为493.1Mt、247.8Mt以及105.1Mt.借助LEAP模型的能源核算以及CO_(2)排放核算功能,研究了综合减排情景下2020~2030年不同工序,不同能源的CO_(2)排量,其中CO_(2)排放较多的3个工序为炼铁､轧钢以及烧结工序,产生CO_(2)较多的4种能源为洗精煤、喷煤粉、电力以及焦炭,其中洗精煤CO_(2)排放量更是达到10Bt级,而其余3种能源也达到Bt级.确定了中国钢铁行业CO_(2)排放特征.对技术减排以及结构减排成本进行简单比较,制定中国钢铁行业CO_(2)减排路径.

陆地生态系统土壤CO_(2)排放对模拟增温的响应特征及影响因素

全球变暖已经成为不争的事实,陆地生态系统碳循环的研究受到了各界广泛关注,是当前全球变化研究中的重点。土壤CO_(2)排放是陆地生态系统与大气间二氧化碳交换的最大通量之一,当前陆地生态系统中土壤CO_(2)排放如何响应全球气候变暖及其影响因素仍不清楚,限制了对土壤碳循环过程及影响机制的深入认识。旨在明确全球变暖背景下陆地生态系统中土壤CO_(2)排放格局及影响因素。基于Web of Science、PubMed和中国知网等中英文期刊数据库,充分收集全球范围内的相关野外试验文献81篇,提取出65个研究位置和213组相关研究数据,采用Meta分析方法探讨陆地生态系统土壤CO_(2)排放对增温的响应特征,分析其与海拔、气候、土壤含水量、容重(BD)、pH、全氮(TN)和土壤有机碳(SOC)的相关关系。结果表明:陆地生态系统中土壤CO_(2)排放对增温整体有显著的正向响应,在农、林、草生态系统中,增温使土壤CO_(2)排放分别显著增加13.1%、18.0%、5.9%(P<0.05),森林生态系统对增温响应的正效应最强烈;增温能在短时期内促进土壤呼吸,但随着增温持续时间增加,土壤呼吸对温度的敏感性会降低,对温度变化产生适应性,从而使其对增温的响应能力减弱;响应特征受到环境因子、土壤特性以及其他试验条件等的影响,绝大多数条件下对增温表现出显著的正响应特征,不同影响因子之间共同作用、相互影响。增温通常能够改变植物生物量、土壤养分含量及微生物数量和活性,从而影响到植被根际呼吸和土壤呼吸速率。相关分析表明,海拔对土壤CO_(2)排放有显著负向影响,而年均气温、年均降水量、土壤含水量和仪器嵌入土壤深度则对土壤CO_(2)排放产生显著正向影响。这些结果对于理解全球土壤CO_(2)排放的时空变化格局有重要意义,也为准确评价全球变暖背景下土壤碳汇功能及其持续性提供理论依据。

电力行业CO_(2)排放量预测及减排路径——以徐州市为例

基于1996—2022年《徐州统计年鉴》数据,分析徐州市电力行业CO_(2)排放特征,参考宾婵佳等的方法测算徐州市电力行业CO_(2)排放量,运用BP神经网络模型对2022—2030年徐州市电力行业CO_(2)排放量进行预测.结果表明:1995—2021年徐州市电力行业CO_(2)排放量为1002.684~4462.032万t;单位煤耗CO_(2)排放系数从1995年的1.027 t/MWh上升到1998年的1.043 t/MWh,再下降到2021年的0.820 t/MWh.不同情景下,徐州市电力行业CO_(2)排放量的预测值与实际值的独立样本t检验结果表明,运用BP神经网络模型预测电力行业CO_(2)排放量是可行的.预测结果显示,到2030年,徐州市电力行业CO_(2)排放量在基准情景下为5382.358万t,低碳情景下为4481.523万t,强化低碳情景下为4077.167万t.提出了徐州市电力行业可从发电端、电网端和消费端实施碳减排措施.

水泥生产CO_2排放核算和监测

2011年国务院发布《“十二五”控制温室气体排放工作方案》，要求“到2015年全国单位国内生产总值二氧化碳排放比2010年下降17％”，同时提出要“加快建立温室气体排放统计核算体系”，“研究制定重点行业、企业温室气体排放核算指南”，“加强温室气体计量工作，做好排放因子测算和数据质量监测”，“实现重点企业直接报送能源和温室气体排放数据制度”。

动态省级电力CO_(2)排放因子对区域碳达峰路径的影响

电力CO_(2)排放因子是精准核算消费端间接排放的重要参数,也是准确量化消费端CO_(2)排放路径的核心指标。本文首次探究了2020—2035年省级电力CO_(2)排放因子的时空特征并与官方来源因子进行对比,全面整合了历史直接排放数据以及精准量化电力消费间接排放的重要性,详细预测了不同情景下2020—2035年省级电力消费间接排放及各省排放路径并量化不同时空精度电力CO_(2)排放因子对各省排放路径的影响。研究表明:(1)2020—2035年,各省电力CO_(2)排放因子呈现持续下降趋势,而现有公开的电力CO_(2)排放因子与本研究省级水平相比存在差异;(2)2010—2020年,电力净调入省份的电力消费间接排放及其占比逐渐增加,北京、上海、浙江等省份占比最高;(3)在情景1和情景3(全国、省级维度因子固定不变情景)下,各省的电力消费间接排放和总排放显著高于情景2和情景4(全国、省级维度因子动态变化情景)的估算结果;情景1和情景2(全国维度因子固定不变、动态变化情景)与情景3和情景4(省级维度因子固定不变、动态变化情景)中的估算结果差异较大;对于如北京、上海、广东等电力消费间接排放占比较大的省份,选取不同空间精度的电力CO_(2)排放因子对其排放总量影响较为明显,进一步导致相关达峰年的偏移。研究结论对支撑各省碳达峰路径规划、降低电力消费间接排放预测的不确定性具有参考价值。

温度对松木刨花CO_(2)气化过程NO_(x)和SO_(2)排放特性影响

CO_(2)气化技术是一种利用CO_(2)作为气化剂生产高品质可燃气体的新型技术,可以协同实现CO_(2)和农林固废的资源化利用,然而CO_(2)气化过程中NOx和SO_(2)的排放特性鲜有报道。针对松木刨花在固定床反应器上开展了CO_(2)气化实验,系统研究了温度的影响。结果表明:在700、800、900℃进行CO_(2)气化时,CO产率分别为0.24、0.52和0.95 m^(3)/kg,明显高于H2和CH4的产率,CO是气化产气的主要成分;碳转化率分别为18.36%、36.15%和66.09%;气化效率分别为13.04%、41.59%和92.99%,高温促进了松木刨花的热化学转化。在700~900℃时,NOx中NO的质量浓度峰值和对应时长分别为248、129、138 mg/m^(3)和140、195、320 s,NO_(2)的质量浓度峰值和对应时长分别为339、191、107 mg/m^(3)和115、150、265 s,SO_(2)的质量浓度峰值和对应时长分别为3299、3065、2882 mg/m^(3)和130、175、180 s。NOx和SO_(2)的质量浓度峰值均随温度升高而逐渐降低,对应时长均逐渐增加,表明增加温度有利于降低NOx和SO_(2)的生成速率。然而,NOx和SO_(2)转化率随温度升高而逐渐增大,在900℃分别为49.73%和68.87%,提高温度会强化原料氧和CO_(2)的氧化作用,进而提升NOx和SO_(2)转化率。随着温度升高,NO转化率增加而NO_(2)转化率下降,炉内以CO为主要成分的还原性氛围促使NO_(2)被还原为NO,提高松木刨花的CO_(2)气化温度有利于通过提高CO产率强化该还原作用。

基于VECTO软件的重型车CO_(2)排放敏感性分析

为了研究重型车特性参数对CO_(2)排放的影响,以中国厢式货车、不同运行工况下的欧洲C2级货车和欧洲城际客车为例,采用VECTO软件测算车辆的滚阻系数、风阻系数、轮胎动力学半径、附件最大总功率、主减速器和变速箱机械效率及转矩损失等参数对CO_(2)排放的影响,分析不同参数变化对CO_(2)排放测算结果变动的敏感性。结果表明,滚阻系数、风阻系数、附件总功率、主减速器和变速箱各挡位转矩损失参数变动幅度与车辆CO_(2)比排放变动幅度基本呈正线性相关,各参数20%的变动幅度最大将引起4.4%、7.2%、1.9%、1.2%和1.4%的CO_(2)比排放变动幅度;轮胎动力学半径变动幅度对CO_(2)的影响为非线性关系,负的轮胎动力学半径变动幅度引起的CO_(2)排放变动幅度要高于正的变动幅度,−20%的轮胎动力学半径变动幅度最大将引起7.1%左右的CO_(2)比排放变动幅度;主减速器和变速箱各挡位的机械效率变动幅度与CO_(2)比排放变动幅度呈负线性相关,−2.8%左右的机械效率偏差引起2.3%左右的CO_(2)比排放变动幅度。研究结果可为重型车节能降碳改进设计提供参考。

玉米秸秆集中深还田对旱地土壤CO_(2)排放特征的影响

为探究秸秆深还条件下不同还田量对土壤CO_(2)排放的影响,于田间微区试验设置3个处理,分别为CK(无秸秆还田)、T1(全量还田,10 500 kg/hm^(2))、T2(倍量还田,21 000 kg/hm^(2)),通过LI-8100A土壤碳通量自动测定仪测定土壤CO_(2)排放速率并探究其影响因素。结果表明:(1)秸秆还田提高了CO_(2)排放速率,其中倍量还田与全量还田的CO_(2)累积排放量明显大于无秸秆还田(P<0.01),分别增加了92.53%和61.95%;(2)各处理CO_(2)排放速率在土壤温度为30℃、24%含水量时达到最大,且土壤温度与水分的双因素拟合模型相较于单因素模型更好(R2为0.488~0.583),说明CO_(2)排放速率受土壤温度和水分共同调控;(3)还田100 d后秸秆干物质残留量为25.54%~28.21%,其腐解程度与CO_(2)累积排放量显著正相关,且秸秆腐解后,增加了土壤有机碳、微生物生物量碳、有效磷、速效钾含量,促进了CO_(2)排放。综上所述,土壤CO_(2)排放特征受土壤温度、含水量及其他土壤养分共同作用,且秸秆还田量的增加,能够提升土壤养分,增加CO_(2)排放,促进土壤呼吸。

大气CO_(2)浓度缓增、骤增和不同施氮水平对稻田CH4排放的影响

为探究大气CO_(2)浓度缓增、骤增和不同施氮水平对稻田CH_(4)排放的影响,基于CO_(2)浓度自动调控平台开展水稻试验,以“南粳9108”为试验品种,采用静态箱-气相色谱法测定CH_(4)通量。在背景大气CO_(2)浓度(CK)的基础上,设置CO_(2)浓度缓增(C_(1)处理,从2016年开始逐年增加40μmol·mol^(-1),至2018年增加120μmol·mol^(-1))和骤增(C_(2)处理,CO_(2)浓度每年均增加200μmol·mol^(-1))处理;在常规施氮量(N 1处理,25 g·m^(-2))的基础上设置氮肥减施处理(N_(2)处理,15 g·m^(-2))。结果表明,CO_(2)浓度缓增、骤增和不同施氮量均没有改变稻田CH_(4)通量的季节变化规律,总体上呈现先增加后减小的趋势。在整个生育期,CO_(2)浓度缓增、骤增对稻田单位产量CH_(4)排放量无显著影响。在C_(2)条件下,与N 1处理相比,N_(2)处理水稻产量显著降低45.2%(P=0.037),同时稻田单位产量CH_(4)排放量显著增加63.3%(P=0.008)。综上所述,随着CO_(2)浓度升高,氮肥减施至15 g·m^(-2)会减少水稻产量,同时增加稻田单位产量CH_(4)排放。

CO_(2)浓度缓增和氮肥减施对冬小麦田N_(2)O排放的影响

为探明麦田氧化亚氮(N_(2)O)排放对二氧化碳(CO_(2))浓度缓增与氮肥减施的响应,选用扬麦22为试验材料,基于开顶式气室(OTC)构成的CO_(2)浓度自动控制平台开展田间试验.在环境大气CO_(2)浓度(AC,对照)的基础上设置CO_(2)浓度缓增处理(EC,自2016—2017年冬小麦生长季起在AC基础上逐年增加40μmol·mol^(-1),至2018—2019年生长季CO_(2)浓度比AC高120μmol·mol^(-1));在常规施氮量(N_(1),25 g·m^(-2))基础上设置氮肥减施处理(N_(2),15 g·m^(-2)).使用静态暗箱-气相色谱法进行冬小麦田N_(2)O的气样采集与通量测定.结果表明:冬小麦生育期内,不同CO_(2)浓度与氮肥水平下冬小麦田N_(2)O通量生长季变化较为一致,整体均呈现波动下降特征;AC处理下,与N_(1)处理相比,N_(2)处理使得N_(2)O累积排放量显著降低45.2%(P=0.004),EC处理下,不同氮肥水平对冬小麦田N_(2)O排放无显著影响;在冬小麦孕穗至乳熟期时,氮肥减施处理对麦田N_(2)O排放的影响较为明显;CO_(2)浓度缓增与氮肥减施共同作用时,施氮量是影响麦田N_(2)O排放量的主要因素.

基于卫星遥感的中国人为CO_(2)与大气污染物排放协同关系

基于多源卫星遥感数据和大气输送模型研究我国人为CO_(2)与大气污染物(NO_(2)和CO)排放协同关系以及新冠疫情管控期间污碳排放变化特征.结果表明:高人为CO_(2)排放对应高浓度的NO_(2)和CO排放,以省级行政区为单位的2018~2020年非生长季XCO_(2)异常与XNO_(2)的相关性(r=0.79)高于与XCO的相关性(r=0.61),且高人为CO_(2)排放地区燃烧排放效率更高;2020年2月(疫情管控期)我国XCO_(2)异常、XNO_(2)、XCO下降的区域范围为2019年2月(疫情同比期)面积的50%、70%和49%,2020年2月XCO_(2)异常与XNO_(2)的相关性(r=0.71,P<0.01)高于2019年2月(r=0.59,P<0.01),而XCO_(2)异常与XCO的相关性(r=0.44,P<0.01)低于2019年2月(r=0.68,P<0.01);受大气输送的影响,2020年2月京津冀受西南方向人为排放地区输送的影响高于2019年2月,而长三角受北部长距离输送的影响降低,珠三角受大气输送的影响最小.研究结果表明卫星遥感可有效用于区域污碳协同排放时空变化特征监测.

土壤CO_(2)排放对微咸水与淡水交替灌溉的响应

为揭示微咸水与淡水交替灌溉模式对土壤CO_(2)排放通量变化规律的影响,研究极端干旱区棉田3种灌溉水质(矿化度分别为2、3、5 g/L)和3种不同配比咸淡水交替[微咸水∶淡水=1∶1(W1);微咸水∶淡水=1∶4(W2);微咸水∶淡水=1∶0(W3)]灌溉对土壤CO_(2)排放通量的影响。结果表明:①以2 g/L为对照,3 g/L微咸水与淡水交替灌溉处理CO_(2)累积排放通量减少了6.03%~7.19%;5 g/L微咸水与淡水交替灌溉处理CO_(2)累积排放通量减少了9.83%~10.15%;②在相同矿化度条件下,土壤CO_(2)累积排放通量为W2处理>W1处理>W3处理,淡水灌水量多的处理CO_(2)排放通量较大。③以2 g/L为对照,3 g/L和5 g/L处理产量平均提高了1.25%和3.64%,W1处理产量相较于W2、W3处理平均提高了24.02%和14.12%。随着灌溉水矿化度的增大,土壤CO_(2)排放通量减小,所有不同配比下矿化度为5 g/L的处理CO_(2)排放量均小于2、3 g/L的处理;在微咸水与淡水交替灌溉条件下,矿化度为3 g/L且微咸水∶淡水=1∶1的灌水处理,土壤CO_(2)排放通量降低且棉花产量最大,能够为合理利用微咸水及保护干旱区灌区农田生态环境提供理论依据。