寒区稻田控灌模式下温室气体排放特征及DNDC模型敏感性参数辨识

《Agricultural Water Management》：Greenhouse gas emission and its sensitivity parameters under controlled irrigation in cold-region paddy fields

本文针对寒区水稻田在控灌(CI)模式下温室气体(GHG)排放机制不清、模型预测精度不足的问题，通过两年田间试验结合DNDC模型，系统揭示了CI处理下CH4排放降低45.5%、N2O排放增加96.8%的权衡效应，首次明确了田间水位和晒田时长是寒区CI模式下影响模型模拟精度的关键敏感性参数(SIchange>0.1)，为寒区水稻节水增产与减排协同优化提供了理论依据和模型工具。

　　

在全球气候变化加剧的背景下，农业活动作为重要的温室气体排放源，其减排策略的制定尤为紧迫。水稻种植作为主要的粮食生产方式，其生产过程中产生的甲烷(CH₄)、氧化亚氮(N₂O)和二氧化碳(CO₂)等温室气体对全球变暖的贡献不容忽视。尤其是在中国东北寒稻区，如黑龙江省，作为中国重要的商品粮基地，其水稻种植面积广阔，灌溉用水需求量大。传统的淹水灌溉(Conventional Irrigation, CK)虽然保证了水稻的正常生长，但也导致了大量的CH₄排放和水资源浪费。控灌(Controlled Irrigation, CI)作为一种节水灌溉技术，在节约水资源和提高水稻产量方面显示出巨大潜力，但其对寒区稻田温室气体排放的综合影响，特别是对N₂O排放的潜在激发效应，尚不明确。此外，利用过程模型如反硝化-分解模型(Denitrification-Decomposition model, DNDC)来量化和管理稻田温室气体排放是一种高效的手段，但模型在寒区CI模式下的适用性及其关键敏感性参数仍有待系统评估。因此，厘清CI对寒区稻田温室气体排放的影响，并确定DNDC模型在CI模式下的敏感性参数，对于制定区域精准的减排措施和提升模型预测能力至关重要。

为回答上述问题，研究人员在黑龙江省友谊农场进行了为期两年(2022-2023年)的田间试验，设置了常规灌溉(CK)和控灌(CI)两种处理。研究团队系统监测了稻田CO₂、CH₄和N₂O的排放通量、田间水位、土壤温湿度以及水稻产量等指标。在此基础上，研究利用DNDC模型对观测数据进行校准和验证，并进一步通过敏感性分析，辨识了影响模型模拟结果的关键参数。主要技术方法包括：静态箱-气相色谱法温室气体通量监测、土壤理化性质分析（如土壤有机碳SOC、全氮TN等）、DNDC模型参数化与校准验证、以及基于敏感性指数(Sensitivity Index, SI)的参数敏感性分析。

3.1. 田间试验下的温室气体排放

通过对比两种灌溉模式下的气体排放通量，研究发现CI处理显著改变了寒区稻田的温室气体排放模式。具体而言，CI使CH₄排放量降低了45.5%，这主要归因于CI通过维持浅水层或无水层状态，破坏了产甲烷菌所需的严格厌氧环境。然而，CI处理也导致了N₂O排放量增加了96.8%，这是由于田间干湿交替创造了有利于硝化和反硝化作用的微环境。尽管CI下CO₂排放量也有所增加（平均增幅约16.3%），但由于CH₄减排量巨大（换算为CO₂当量后占CI下全球增温潜势GWP的15.6%），最终使得CI处理下的GWP比CK处理净降低了3.6%。更重要的是，CI处理同时使水稻产量提高了7.0%，从而导致温室气体排放强度GHGI（单位产量的GWP）显著降低了10.3%。这表明CI在寒区稻田实现了节水、增产和减排的协同效应。

3.2. 模型性能

研究对DNDC模型在寒区稻田的适用性进行了评估。校准和验证结果表明，模型对土壤体积含水量的模拟效果良好，决定系数R2在0.86-0.93之间，相对均方根误差RRMSE低于8.5%。对于温室气体，模型对CO₂和CH₄排放通量的模拟效果较好（R2 > 0.84, RRMSE < 25%），能够捕捉到其季节动态变化，例如在分蘖期出现的排放峰值。然而，模型对N₂O的模拟存在一定局限性，未能再现田间观测到的土壤吸收N₂O（负通量）的现象，导致N₂O模拟的RRMSE较高（>50%）。但鉴于N₂O对总GWP的贡献相对较小（约6%），DNDC模型总体上仍能可靠地用于评估寒区稻田CI模式下的温室气体排放。

3.3. DNDC模型的参数敏感性分析

敏感性分析是本研究的核心内容之一。研究人员比较了CK和CI两种模式下，DNDC模型模拟GHG排放对15个关键输入参数的敏感性。结果发现，在CI模式下，模型对田间水位和晒田时长的变化尤为敏感（敏感性指数变化SI_change > 0.1）。这是因为CI模式下，田间水位的微小波动（尤其在设定值接近0 mm时）会直接导致土壤由厌氧向好氧状态的频繁转换，从而显著影响以CH₄和N₂O为主的排放过程。此外，年均温度、降水量、大气CO₂浓度、土壤有机碳SOC含量和氮肥施用量也被识别为影响模型模拟结果的重要敏感参数（SI > 0.5）。研究还进一步模拟了CI下秸秆还田率和氮肥施用量的管理情景，发现增加秸秆还田率（如至0.9）虽能提高产量8%，但会促进CO₂和CH₄排放；而减少氮肥施用量（如降低20%）则可显著降低N₂O排放达47%，但可能牺牲产量。这提示需要综合考虑这些管理措施以实现最优的减排增产效果。

本研究通过田间试验与模型模拟相结合，明确了控灌(CI)在寒区稻田中具有减少CH₄排放、提高水稻产量、并降低全球增温潜势(GWP)和温室气体排放强度(GHGI)的多重效益，尽管其会增加N₂O排放。研究首次系统评估并证实了DNDC模型在模拟寒区CI稻田温室气体排放方面的适用性，并精准识别出在CI模式下，田间水位和晒田时长是影响模型模拟结果的最关键敏感性参数。这一发现对于提高DNDC模型在节水灌溉情景下的预测精度、减少对大量田间验证数据的依赖具有重要意义。此外，研究还指出，将CI与优化的秸秆还田和氮肥管理措施相结合，是未来进一步协同提升寒区水稻生产力和减少环境足迹的有效途径。该研究成果为寒区水稻生产的绿色低碳发展提供了重要的科学依据和技术支撑，对实现农业水资源高效利用与应对气候变化的双赢目标具有积极的推动作用。论文发表于水资源管理领域权威期刊《Agricultural Water Management》。