Agro-C模型的全球农田SOC验证和灵敏度分析
全球农田面积～1300Mha,分布范围极广,涵盖多种气候,土壤,种植制度,施肥,灌溉,耕作条件.农田生态系统碳循环因为受到人为管理措施(施肥,灌溉,耕作等)的影响而显著不同于森林,草地等自然生态系统,其固碳能力显著.农田SOC是衡量土壤肥力的重要指标,与粮食产量一般有正相关关系,健康、肥沃的土壤能够使粮食高产、稳产,对于保障粮食安全和农业可持续发展有重要意义.如果管理措施得当,全球农田土壤固碳潜力可以达到400-600Tg/yr,是巨大的碳汇,对于抵消人类活动排放的CO2,减缓气候变暖有积极意义.因此，农田SOC变化的研究尤为重要。但是，目前对农田SOC的研究方法各异，对同一对象的研究结果有些有较大差刚。而且在全球不同区域，研究的充分程度差异巨大，欧美等发达国家研究较充分，非洲，亚洲，南美洲等国家研究不充分。全球尺度的农田SOC变化研究鲜有捐道。模型是长时间、大尺度上估算碳收支的十分经济、有效的工具。为了估算全球农田SOC的变化情况，在以往研究的基础上，对Agro-C模型在全球重点农业域进行了校准和验证。搜集了全球16个重要农业国家,43个农田定位站的113个处理（包含各种施肥、耕作制度、种植制度）的监测数据。模型经过前期校准，对113个处理进行了模拟，模拟值与观测值的回归方程为：Ysimu=0.93Xobs+2.95(R2=0.96，n=1080，p<0.001)。从区域上看，模拟值与观测值的回归方程线性相关均达到极显著水平(p<0.001)。模型对中国(y=0.96x+2.14，R2=0.95，n=379)、欧洲各国(y=0.92x+2.78，R2=0.96，n=353)的模拟效果最好，对美国、加拿大(y=0.89x+4.32，R2=0.92，n=149)，巴西、澳大利亚(y=0.83x+6.42，R2=0.82，n=52)的模拟效果很好，对印度(y=0.84x+2.00，R2=0.61，n=33)的模拟效果相对差一些。这主要取决于输入数据的可获得性和数据质量。Agro-c模型能够有效地模拟点位尺度上全球农田的SOC变化。参数敏感性分析发现用参数变化±10％后的模拟结果SOCa，与参数变化之前的模拟结果SOCb进行比较，得到SI=(SOCa-SOCb)/SOCb*100%．SI主要集中在±10%范围内，少数站点可以达到±20%，最主要的敏感参数有易分解组分、难分解组分进入轻组例(FLL，FRL)，轻组进入重组比例(FLH)和轻重组分解速率常数(KLC，KHC)，各个参数在不同地点的敏感程度不同，总体趋势是进入下一组分比例的敏感性大干分解常数的敏感性。通过对有机肥C/N比的参数变化(15，25，35)，秸杆还田率的情景分析(30%，60%，90%)发现，提高有机肥C/N比和秸杆还田率，可以显著增加C投入量，进而影响SOC的变化。良好的人为管理方式（增加C投入量），可以增加农田土壤碳汇，减少C损失，从而保障粮食安全，减缓气候变暖。
农田生态 有机碳 肥力测定 Agro-C模型 灵敏度
韩鹏飞 黄耀 张稳 于永强 张晴
LAPC,中国科学院大气物理研究所,北京,100083;中国科学院大学,北京,100049 LVEC,中国科学院植物研究所,北京,100093 LAPC,中国科学院大气物理研究所,北京,100083
国内会议
北京
中文
1-2
2014-10-01（万方平台首次上网日期，不代表论文的发表时间）