制圖尺度對CO2濃度升高情景下旱地土壤有機碳模擬的影響*

黃琳斌張黎明?龍 軍于東升史學正陳翰閱范協裕邢世和

（1 福建農林大學資源與環境學院，福州 350002）

（2 國家菌草工程技術研究中心（福建農林大學），福州 350002）

（3 土壤與農業可持續發展國家重點實驗室（中國科學院南京土壤研究所），南京 210008）

制圖尺度對CO2濃度升高情景下旱地土壤有機碳模擬的影響*

黃琳斌1，2張黎明1，2?龍 軍1于東升3史學正3陳翰閱1范協裕1邢世和1，2

（1 福建農林大學資源與環境學院，福州 350002）

（2 國家菌草工程技術研究中心（福建農林大學），福州 350002）

（3 土壤與農業可持續發展國家重點實驗室（中國科學院南京土壤研究所），南京 210008）

基于土壤數據庫的動態模型預測未來二氧化碳（CO2）濃度升高下農田有機碳變化是實施農業固碳的基礎，但目前基于不同制圖尺度土壤數據庫對旱地有機碳模擬結果的影響尚不清晰，一定程度上增加了農業管理措施制定的風險性。基于此，選擇江蘇北部（簡稱“蘇北地區”）3.90×106hm2旱地為例，運用生物地球化學過程模型（Denitrification and Decomposition，DNDC）模擬未來CO2濃度升高下該地區1∶5萬、1∶25萬、1∶50萬、1∶100萬、1∶400萬、和1∶1 000萬制圖尺度的土壤有機碳變化。結果表明：2010—2039年間CO2濃度在目前正常增加速率（1.9 ppm a-1）的基礎上提高0.5倍、1倍和2倍，蘇北旱地數據最詳細的1∶5萬尺度年均固碳速率分別為357 kg hm-2、360 kg hm-2和365 kg hm-2。但進一步從其他制圖尺度來看，由于使用的土壤數據庫不同導致有機碳模擬結果差異很大。以1∶5萬尺度年均固碳速率為基準，3種CO2濃度情景處理下1∶25萬～1∶1 000萬尺度的模擬誤差分別在0.89%～60.55%、0.81%～60.71%和0.15%～61.02%之間，這說明未來CO2濃度升高的大背景下我國旱地土壤有機碳模擬中選擇適宜的制圖尺度非常重要。

土壤有機碳；蘇北旱地；制圖尺度；DNDC模型

過去半個多世紀氣候變化引起的溫室效應已成為全人類均要面臨的嚴峻挑戰［1］。據估算，全球大氣中二氧化碳（CO2）濃度已從1750年的280 mg kg-1上升至2011年的391 mg kg-1，超出了工業化時代前的40%，且每年以約1.9 ppm的速率持續增加［2-3］。如何通過多種途徑減緩全球氣候變化影響目前已成為各國政府關注的熱點。很多研究表明，農田土壤有機碳庫受到強烈人為干擾并可在短時間內調節，它的固碳效應被認為是延緩全球氣候變化的重要舉措［4］。聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第四次報告中也指出，全球農業每年的減排潛力可達5 500～6 000 Mt CO2當量［2］。我國的旱地占農田土壤總面積的70%以上，其固碳潛力約為18 g kg-1，而目前大于18 g kg-1的耕地僅占12%［5］。因此，在未來CO2濃度升高的大背景下明確旱地土壤有機碳動態變化對于制定我國溫室氣體減排政策具有重要意義。

由于碳循環過程及各碳庫之間的碳通量和反饋機制復雜性，利用結合有土壤數據庫的動態模型被認為是研究大區域農田生態系統碳循環有效手段［6］。國外，Cerri等［7］應用集成Century、RothC、IPCC方法的GEFSOC模型和1∶500萬 SOTER土壤數據庫模擬了巴西亞馬遜流域2000年和2030年的土壤有機碳變化。Mondini等［8］利用1∶100萬土壤圖和RothC模型研究了意大利農業土壤2001—2100年的有機碳變化。Karunaratne等［9］利用 1∶25萬土壤-土地利用數據庫和RothC模型模擬了流域尺度的土壤有機碳組分。國內，Tang等［10］和Zhang等［11］利用中國1∶1 400萬土壤數據庫和DNDC模型，模擬了全國和黃土高原農田土壤有機碳變化及儲量。Yu等［12］應用1∶100萬土壤數據庫和Agro-C模型，模擬了中國農田2011—2050年不同農業管理措施下的碳匯潛力。Xu等［13］基于1∶100萬、1∶400萬和1∶1 400萬土壤數據庫和DNDC模型，評估了不同制圖尺度土壤數據庫對我國水稻土有機碳演變模擬的影響。Ma等［14］基于世界土壤數據庫（HWSD，中國境內為1∶100萬尺度）和EPIC模型評估了我國若爾蓋高原濕地1980—2010年的有機碳儲量變化。

但是從以上研究也可以看出，由于受基礎土壤數據庫建立不易的限制，目前我國旱地土壤有機碳區域模擬中大多使用的是單一尺度土壤數據庫，而考慮不同制圖尺度土壤數據庫對模擬結果影響的研究較少。很多研究表明，地表信息在時間和空間上的分辨率均有很大的跨度，在某一尺度上觀察到的性質、總結出來的原理和規律，在另一尺度上可能仍然有效，可能有相似性，也可能需要修改，尺度問題是對地觀測首先遇到的挑戰［15-16］。未來CO2濃度升高下，選擇合適的制圖尺度進行大區域或全國農業管理措施制定是旱地土壤固碳減排的基礎，但不同學者在選擇制圖土壤數據庫時往往根據實際獲取數據的難易程度和工作量大小，而并未考慮同一個地區使用大、中、小不同制圖尺度土壤數據庫造成的模擬誤差，這有可能制定出并不符合當地實際情況的農業管理措施?；诖耍狙芯窟x擇屬于黃淮海平原一部分的江蘇北部（簡稱“蘇北地區”）390多萬hm2旱地作為研究區，運用模擬生物地球化學過程較為成熟的生物地球化學過程模型（Denitrification and Decomposition，DNDC）模型，模擬該地區2010—2039年間不同CO2濃度升高情境下1∶5萬、1∶25萬、1∶50萬、1∶100萬、1∶400萬和1∶1 000萬6種大、中、小系列制圖比例尺下的土壤有機碳變化，并基于目前區域尺度數據最詳細的1∶5萬數據庫模擬值定量化其他制圖尺度的模擬誤差，結果可為未來CO2濃度升高下我國旱地有機碳模擬中選擇適宜的制圖尺度和定量化各個制圖尺度模擬結果的不確定性提供理論依據。

1 材料與方法

1.1 研究區概況

圖1 江蘇省北部地理位置分布Fig. 1 Geographical location of the study area

研究區位于江蘇省北部（116°21′～120°54′E，32°43′～35°7′N），轄徐州、連云港、宿遷、淮安和鹽城5個地級市，總面積達5.23×104km2（圖1）。氣候類型為暖溫帶和亞熱帶的季風性氣候，全年平均日照時數2 000～2 600 h，年平均氣溫13～16℃，年降雨量800～1 200 mm，無霜期220 d左右。該地區地勢以平原為主，80%耕地的土地利用類型為旱地，面積達到3.90×106hm2［17］。土壤類型主要有潮土、鹽土、砂姜黑土、棕壤和褐土，分別占該地區旱地總面積的53%、24%、8.8%、7.9%和6.1%，與黃淮海平原主要土壤類型的比例基本一致［5］。成土母質為黃泛沖積物、河海相沉積物、湖相沉積物、下屬黃土和其他各河流沖積物。

1.2 DNDC模型簡介

DNDC模型是由美國New Hampshire大學李長生教授于1992年建立、以日為單位描述農業生態系統碳和氮生物地球化學過程的計算機模擬模型［18-19］。該模型分為兩個部分：① 包含土壤氣候、農作物生長、有機質分解3個子模型，其作用是根據輸入的氣象、土壤、植被、土地利用和管理等數據來預測植物—土壤系統的諸環境因子的動態變化；② 包含硝化、脫氮和發酵等3個子模型，這部分的作用是由土壤環境因子來預測微生物對碳和氮的各種轉化速率。目前，DNDC 模型在我國農業、草地和森林等多個領域用于計算土壤固碳效應和溫室氣體排放，尤其在農業上Xu等［20］利用全國不同地區12個長期監測點的野外實測數據進行了驗證，結果表明，該模型具有較高的可信度。

本研究中利用農業部在蘇北地區銅山縣設置的小麥和玉米輪作旱地監測點9 年實測數據對模型進行了驗證。該長期試驗點的土壤類型為蘇北地區廣泛分布的潮土，具有一定代表性。結果表明，研究區實測值與模擬值的誤差百分率為4.34%；平均絕對預測誤差（MAE）和均方根預測誤差（RMSE）分別為0.53 g kg-1和0.89 g kg-1，說明DNDC模型可以適用于蘇北旱地土壤有機碳的模擬。更多模型驗證的討論可參閱文獻［21］。

1.3 數據基礎

土壤數據包括蘇北旱地1∶5萬～1∶1 000萬6個數據庫，這些制圖尺度基本包含了我國目前在縣級、地級市、省級和國家級同類研究中使用的全部比例尺。其中，數據最詳細的1∶5萬尺度來自江蘇省鹽城、宿遷、連云港、徐州、淮安5個地級市29個縣（市）第二次土壤普查資料，其他5個尺度圖件分別來自各地級市、省級和全國的土壤圖。對所有圖件在地理信息系統軟件中使用雙標準緯線等積圓錐投影，經過數字化形成6個尺度土壤空間數據庫，各個制圖尺度的基本制圖單元均采用中國土壤發生分類系統（Genetic Soil Classification of China，GSCC）（表1），在1∶5萬尺度下共有11個土類、31個亞類、113個土屬和486個土種。土壤剖面屬性數據與6個制圖尺度空間圖斑的連接采用Shi等［22］提出的“PKB”（Pedological Knowledge Based method，PKB）法。每一圖斑均有土壤初始有機碳、黏粒、容重及 pH等理化性質。

模型所需的農業數據主要包括各個縣（市）作物產量、種植面積、播種期、收獲期等種植制度和輪作作物生理參數，以及氮肥、農家肥和農業人口數據，這部分數據來自于2009 年江蘇省出版的統計年鑒資料。氣象資料主要來自位于蘇北地區7個國家氣象站1980—2009 年的逐日最高和最低氣溫、日照時數和降水量數據。在模型模擬中，不同制圖尺度下每個縣除土壤屬性外，其他農業管理和氣象因子均保持不變。

1.4 不同氣候因子的情景設置

在本研究中，以1980—2009年氣象數據和2009 年農田管理資料為基礎，分別設置1∶5萬～1∶1 000萬6個制圖尺度土壤數據庫2010—2039 年CO2在正常增加速率上分別提高0.5 倍、1倍和2倍等3個情景。根據IPCC 第四次報告，目前的CO2濃度已達到379 ppm，1995—2005 年的CO2年增長速率為1.9 ppm［2］。以此為依據，保證溫度和降水不變的情況下，本研究在DNDC模型中設置以上3個未來CO2濃度梯度變化情景。

1.5 統計方法及差異性分析

不同土壤類型、地級市及縣（市）面積加權年均有機碳積累速率（dSOC，kg hm-2a-1）和有機碳變化總量（TSOC，Tg C）的計算公式如下：

式中，APS為研究區旱地土壤總面積（hm2），APSi表示土壤數據庫中每個旱地圖斑面積，hm2；ASCf為每一圖斑年均土壤有機碳變化量（kg hm-2a-1）；AMSCi為每個圖斑年均土壤有機碳從2010—2039年總變化量（kg hm-2a-1）；n表示圖斑編號；h為2010—2039年模擬年份（h=1，2，3，…，30）。

表1 蘇北地區1∶5萬～1∶1 000萬6個制圖比例尺土壤圖基本特征Table 1 Characteristics of the soil maps different in scale from 1∶50 000～1∶10 000 000

為了更好地說明不同比例尺土壤數據庫對旱地土壤有機碳模擬的影響，本研究一方面對蘇北旱地年均固碳速率與初始輸入土壤屬性進行逐步回歸分析，另一方面用相對偏差（%）絕對值來表示不同制圖尺度（除1∶5萬尺度）模擬的固碳速率和固碳總量誤差大?。?3］：

式中，y為相對偏差（%）；xs為1∶25 萬、1∶50萬、1∶100 萬、1∶400 萬和 1∶1 000 萬尺度計算的固碳速率（kg hm-2a-1）和固碳總量（Tg）；x0為土壤數據最為詳盡的 1∶5 萬尺度計算的固碳速率（kg hm-2a-1）和固碳總量（Tg）。

2 結果與討論

2.1 CO2濃度升高情景下不同制圖尺度的固碳速

率和總量

蘇北地區在數據最詳細的1∶5萬尺度下的旱地統計面積為3.90×106hm2，約占全國旱地總面積的3.70%［21］。從圖2可以看出，2010—2039年該地區旱地土壤有機碳隨著CO2濃度的升高普遍呈增加趨勢。1∶5萬尺度下，CO2濃度在正常增加（1.9 ppm a-1）基礎上提高0.5倍、1倍、2倍的固碳速率分別為357、360和365 kg hm-2a-1，固碳總量（0～50 cm）分別為42.08、42.38和42.93 Tg。從面積統計來看，在3種CO2濃度處理下固碳速率小于0、0～100、100～200、200～300、300～400和大于400 kg hm-2a-1的分別占蘇北旱地總面積的0.06%、0.21%、1.71%、12.41%～16.87%、51.56%～53.07%和28.09%～30.60%，說明未來CO2濃度升高下有利于該地區固碳，這也與很多學者的研究結果相一致［24］。這一方面是因為CO2濃度升高可促進植物的光合作用，使碳水化合物被代謝吸收，植物根系活性增強，增強土壤固碳能力［24］；另一方面是由于當前農業管理措施下蘇北旱地年均氮肥和有機肥施用量分別達到492 kg hm-2和17.27 kg hm-2［5］。有研究表明，大量施用化肥和有機肥能提高植物的生產力和作物秸稈還田量，進而增加有機物質向土壤輸送［25］。

但是從圖2也可以看出，隨著制圖尺度的變化蘇北旱地土壤有機碳模擬結果差異很大。以數據最詳細的1∶5萬尺度模擬值為基準，CO2濃度在正常增加速率基礎上提高0.5倍、1倍和2倍下1∶25萬～1∶1 000萬尺度年均固碳速率模擬誤差分別在0.89%～60.54%、0.81%～60.71% 和0.15%～61.02%之間，固碳總量模擬誤差分別在0.60%～59.22%、0.37%～59.39%和0.02%～59.71%之間，這主要與各個制圖尺度下模型輸入的初始土壤屬性差異有關。有研究表明在區域特定的管理條件下，土壤屬性空間異質性是造成有機碳模擬不確定性的最主要來源［26］。從表2可以看出，不同制圖尺度下初始土壤有機碳和黏粒與年均固碳速率之間均存在極顯著相關，3種CO2濃度處理下前者對各個尺度年均固碳速率的變異解釋度分別在4.9%～50.2%、5.0%～48.8% 和3.8%～46.5%之間，后者在11.0%～30.0%、18.7%～29.4%和3.3%～28.3%之間；而容重和pH對不同尺度下的年均固碳速率變異解釋度相對較低且不穩定。一般認為，初始土壤有機碳值越高，經一系列農田管理措施后有機碳下降越快；反之，初始土壤有機碳值越低，則下降越慢［27］。此外，土壤黏粒也可通過黏粒膠體吸附及形成土壤有機無機復合體實現對有機碳的物理保護，質地越黏重，其有機碳的分解速率就越小［28］。據統計，蘇北旱地1∶5萬尺度具有相對較低的初始土壤有機碳（6.00 g kg-1）和較高的黏粒含量（28.0%），導致其2010—2039年間在3種CO2濃度情境處理下的多年平均固碳速率在357～365 kg hm-2之間。1∶100萬和1∶400萬尺度盡管初始土壤有機碳是所有尺度中最高的，分別達到6.85 g kg-1和6.91 g kg-1，但黏粒含量也是最高的，分別為32%和30%，導致這2種尺度在3種CO2濃度處理下的年均固碳速率也超過360 kg hm-2。1∶1 000萬尺度在3種CO2濃度處理下的年均固碳速率也較大，均超過350 kg hm-2，主要原因是該尺度盡管黏粒含量只有23.4%，但初始土壤有機碳也是所有制圖尺度中最低的，為4.64 g kg-1。從二者的平衡來看，蘇北地區1∶1 000萬尺度下初始土壤有機碳的“碳匯”效應遠大于黏粒含量的“碳源”效應。相對而言，1∶25萬和1∶50萬尺度下不同CO2濃度處理的年均固碳速率均較低，分別在232～244 kg hm-2和141～142 kg hm-2之間，這一方面是因為2種尺度的黏粒含量相對較低，分別為22.9%和25.3%，另一方面是由于他們的容重相對較高，分別達到1.32 g cm-3和1.30 g cm-3。有研究表明，土壤有機碳積累量與容重成反比，有機碳含量越大土壤容重則越?。?1］。

圖2 不同CO2濃度升高情景下6個制圖尺度的土壤有機碳年度變化Fig. 2 Predicted average annual carbon sequestration rate relative to scale of the map used and scenario

圖3 不同CO2濃度增加情景下6個制圖尺度的土壤有機碳年變化空間分布Fig. 3 Spatial distribution of average annual carbon sequestration rate of the upland soil relative to scale of the map used and scenario

表2 CO2濃度升高情景下不同制圖尺度蘇北旱地初始土壤屬性與年均固碳速率的逐步回歸分析Table 2 Initial soil properties of the uplands in North Jiangsu and stepwise regression analysis of average annual SOC sequestration rate relative to scale of the map used and scenario

總體而言，蘇北旱地有機碳研究中所選擇的土壤圖比例尺差異能夠導致未來CO2濃度升高背景下有機碳模擬結果的極大不確定性，因為大比例尺土壤圖中分布面積大、范圍廣的土壤類型可能是小比例尺土壤圖制圖單元中的主要組分，而分布面積小的土壤類型在制圖尺度降低的圖斑概化過程中則可能被刪除或歸并到其他土壤類型［29］。很多研究表明，隨著土壤圖比例尺減小而導致的圖斑概化會對整個區域估算的有機碳、黏粒和容重等生物地球化學模型比較敏感的土壤屬性產生影響，進而造成不同制圖尺度下同一地區的有機碳模擬結果差異很大［23］。

2.2 CO2濃度升高情景下不同制圖尺度各土類的固碳速率和總量

潮土為蘇北地區最主要的旱地土壤類型，在數據最詳細的1∶5萬制圖尺度下達到206.8×104hm2，占整個地區旱地總面積的52.67%。從表3可以看出，未來不同CO2濃度處理下潮土在各個尺度的年均固碳速率差異也比較大。1∶5萬尺度下，CO2在正常增加速率上提高0.5倍、1倍、2倍的固碳速率分別為375、378和383 kg hm-2a-1，固碳總量分別為23.27、23.44和23.74 Tg，均占整個地區固碳總量的55%左右。1∶25萬尺度下，3種CO2處理的相應年均固碳速率明顯低于1∶5萬，其值介于224～236 kg hm-2a-1之間，主要原因是該尺度下的黏粒含量為19.8%，是所有尺度中最小的，而容重為1.32 g cm-3，二者皆不利于土壤固碳。1∶50萬尺度3種CO2濃度處理下潮土的年均固碳速率是所有制圖尺度中最小的，介于144～145 kg hm-2a-1之間，這主要與該尺度下較高的初始有機碳（6.90 g kg-1）和較低的黏粒含量（27.85 g kg-1）有關。其他3個尺度在不同CO2濃度處理下的年均固碳速率與1∶5萬尺度相差不大，一般在352～385 kg hm-2a-1之間。

鹽土、砂姜黑土、棕壤、褐土和紫色土在1∶5萬尺度下分別占蘇北旱地總面積的24.31%、8.13%、7.31%、5.64%和0.27%，在該尺度下這4種土類的年均固碳速率差異不大，介于326～379 kg hm-2a-1之間。但隨著制圖尺度的變化，褐土、紫色土和砂姜黑土受影響比較大，以1∶5萬尺度年均固碳速率為基準，這3個土類的相對誤差分別在14.2%～61.4%、47.7%～78.4%和8.6%～88.7%之間。褐土1∶50萬～1∶100萬尺度下年均固碳速率明顯小于1∶5萬尺度，主要是因為這3個尺度下容重和初始有機碳分別高于1.50 g cm-3和6.70 g kg-1，較高的初始有機碳和容重均不利于農田固碳。紫色土在1∶25萬和1∶50萬尺度下的年均固碳速率明顯小于1∶5萬尺度，主要是由于前兩者的初始有機碳明顯高于后者。據統計，該土類在1∶5萬尺度下的初始有機碳為4.25 g kg-1，而在1∶25萬和1∶50萬尺度下分別為6.50 g cm-3和7.93 g kg-1。

石灰土和石質土在1∶5萬尺度下分別占蘇北旱地總面積的1.48%和0.18%。隨著制圖尺度的變化，這2個土類的年均固碳速率與1∶5萬尺度相差比較大，各個尺度下的相對誤差分別在3.95%～326.86%和4.27%～87.20%之間。石質土在1∶25萬尺度下年均固碳速率遠小于1∶5萬尺度是因為前者的初始有機碳為9.16 g kg-1，黏粒含量為38.1%，而后者這兩個土壤屬性值分別為11.66 g kg-1和18.6%。有研究表明，初始有機碳含量越低，則越有利于后期土壤有機碳的積累；而黏粒含量越高，則越有利于保護土壤團聚體和提高土壤固碳速率［27-28］。在1∶100萬～1∶400萬3個尺度下石質土的年均固碳速率高于1∶5萬，主要與這3個尺度下較低的初始有機碳（7.37 g kg-1）和較高的黏粒（46.3%）均有利于土壤固碳有關［27-28］。

總之，不同制圖尺度下蘇北旱地各土類的年均固碳速率差異主要取決于圖斑概化后的土壤屬性（如初始有機碳、黏粒含量和容重等），而該固碳總量則受到年均固碳速率和概化前后面積的雙重影響（表3）［23，29］。一般而言，隨著制圖尺度的降低，部分高級別（如1∶5萬）尺度的土類面積將發生概化現象，轉化為相鄰土類，這一方面會導致各個土類的面積發生變化，以及圖斑數的增加或減少；另一方面也會使每個圖斑中所包含的土壤屬性值發生變化，從而造成有機碳模擬的很大不確定性。從本研究來看，年均固碳速率受制圖尺度影響最大的是石灰土、石質土、紫色土和砂漿黑土，這4種土類在不同尺度下的相對誤差分別介于3.95%～326.86%、4.27%～87.20%、47.7%～78.4%和8.6%～88.7%之間；而固碳總量受制圖尺度影響最大的是石灰土、石質土和紫色土，這3種土類在各個尺度的相對誤差分別介于6.22%～316.76%、0～99.72%、48.41%～87.21%之間。因此，今后在蘇北旱地土壤有機碳研究中一方面定量化不同制圖尺度對各個土壤類型造成的模擬誤差大小，另一方面對于不同土壤類型選擇適宜的模擬尺度是十分重要的。

表3 CO2濃度升高情景下不同制圖尺度各土壤類型的固碳速率和固碳總量Table 3 Average annual carbon sequestration rate（kg hm-2a-1）and total carbon sequestration（Tg）relative to soil type，scale of the map used and scenario

2.3 CO2濃度升高情景下不同制圖尺度各行政區的年均固碳速率和總量

從表4可以看出，不同CO2濃度變化情景下蘇北地區各地級市固碳速率和總量差異很大。在1∶5萬尺度下，地處西北部的徐州固碳速率和總量最大，3種CO2處理下的固碳速率介于397～407 kg hm-2a-1之間，固碳總量介于12.78～13.10 Tg 之間，占整個地區固碳總量的30%左右；而中南部淮安的固碳速率和總量則最小，3種CO2處理下的年均固碳速率介于321～325 kg hm-2a-1之間，固碳總量介于4.95～5.01 Tg 之間，占整個地區固碳總量的12%左右。連云港、宿遷和鹽城3個地級市在不同CO2濃度處理下的年均固碳速率分別介于371～375、346～352和334～342 kg hm-2a-1之間，而固碳總量分別在6.81～6.89 Tg、7.99～8.12 Tg 和9.56～9.80 Tg之間。

表4 CO2濃度升高情境下不同制圖尺度各行政區的固碳速率和固碳總量Table 4 Average annual carbon sequestration rate（kg hm-2a-1）and total carbon sequestration（Tg）relative to region，scale of the map used and scenario

徐州的固碳速率明顯高于淮安，一方面是因為該地區的初始有機碳含量較低，僅為5.5 g kg-1，而氮肥和有機肥投入量卻較高，分別達到615和17.44 kg hm-2a-1；而淮安的初始有機碳含量雖然也較低，為5.7 g kg-1，但氮肥和有機肥投入量分別僅為365和15.44 kg hm-2a-1。此外，徐州處于暖溫帶半濕潤季風氣候區，降雨較少，多年平均為903 mm；而淮安處于暖溫帶向亞熱帶的過渡性氣候區，降雨較多，多年平均達到1 052 mm［5］。有研究表明，高的降雨量會使土壤中氮淋失至水體或者更深土層，造成作物減產和生物量降低，進而減少有機物質向土壤碳庫的輸入［30］。

隨著制圖尺度的變化，DNDC模型模擬的蘇北地區各地級市固碳速率和總量差異也很大。 受制圖尺度影響最大的是連云港，以1∶5萬尺度模擬值為基準，CO2濃度在正常增加速率基礎上提高0.5倍、1倍和2倍3種情景處理下1∶25萬～1∶1 000萬尺度年均固碳速率的模擬誤差分別在1.89%～71.70%、1.61%～71.50% 和1.87%～71.60%之間，固碳總量的模擬誤差分別在0.73%～70.48%、1.02%～70.61% 和1.31%～70.54%之間。相對而言，受制圖尺度影響最小的是淮安，3種CO2處理下1∶25萬～1∶1000萬尺度年均固碳速率的模擬誤差分別在4.05%～51.09%、4.66%～51.24%和6.25%～47.92%之間，固碳總量的模擬誤差分別在0.81%～51.92%、0.80%～51.91%和0.60～51.90%之間。其他3個地級市在不同CO2處理下各個制圖尺度固碳速率的模擬誤差一般在0.7%～68%之間，而固碳總量的模擬誤差在1.2%～67%之間。

總體上看，不同制圖比例尺土壤數據庫模擬的蘇北旱地各地級市固碳速率和總量差異很大，這主要與制圖尺度降低圖斑概化后的土壤屬性變化有關。因此，在今后蘇北旱地固碳減排政策制定中，一方面根據本研究中各個地級市的誤差大小，選擇合適的制圖尺度；另一方面為降低模擬結果的不確定性，今后整個區域建立更為精確的土壤數據庫也是非常必要的。

2.4 不確定性分析

在運用生物地球化學模型進行土壤有機碳模擬時無法避免的存在一定不確定性［31］。雖然本研究中運用了能充分體現土壤屬性空間異質性的“圖斑”作為最小模擬單元，改進了DNDC模型的執行，但是由于其他輸入資料可獲取的限制性，模擬結果依然存在一定的不確定性。第一，農田管理會對有機碳的變化產生很大影響，但是本研究中逐年氮肥施用量、灌溉、秸稈還田率、牲畜頭數和農業人口等農業資料均以目前使用最為廣泛的“縣”為最小控制單元，這一定程度上忽略了“縣內”的異質性。第二，氣象數據作為重要參數對模型具有驅動作用，而在本次研究中以1980—2009年氣象數據代替未來2010—2039 年進行有機碳的變化模擬，并未充分考慮將來氣候變化和極端氣候條件出現對于土壤有機碳的影響。第三，隨著蘇北地區經濟的發展，蘇北旱地未來30 a的土地利用方式會發生很大的變化，而這些改變無法在本次模擬中輸入。此外，本研究中主要考慮了冬小麥和玉米兩種農作物，然而研究區內還種植有其他小面積的作物。因此，在今后的研究中收集多期遙感數據，以獲取更詳細的土地利用現狀圖驅動模型非常重要。

3 結 論

旱地占我國農田總面積的70%以上，明確不同制圖尺度土壤數據庫對未來CO2濃度升高下該土地利用類型有機碳模擬的影響對于制定我國農田溫室氣體“固碳減排”政策具有重要意義。從本研究來看，2010—2039年間CO2濃度在正常增加速率（1.9 ppm a-1）的基礎上提高0.5倍、1倍、2倍下，屬于黃淮海平原一部分的蘇北旱地在目前區域尺度數據最詳細的1∶5萬下固碳速率分別為357、360和365 kg hm-2a-1，固碳總量分別為42.08、42.38和42.93 Tg。但進一步從其他制圖尺度結果來看，各個制圖尺度土壤數據庫圖斑概化后的面積和土壤屬性差異對同一地區有機碳模擬產生很大影響，未來CO2濃度升高下我國旱地有機碳模擬中選擇適宜的制圖尺度是非常重要的。目前，1∶100萬制圖尺度廣泛應用于全國碳儲量估算和碳平衡模擬，從本研究的結果來看，未來CO2濃度升高下該尺度在整個區域、各個土類和地級市的固碳速率模擬差異與數據最詳細的1∶5萬尺度模擬結果差異相對較小，這一方面證明了該尺度在中國土壤有機碳研究中使用的可靠性，另一方面也說明了蘇北地區在缺乏1∶5萬尺度的情況下，可用1∶100萬尺度模擬固碳速率和總量。

［1］ 張凡，李長生. 氣候變化影響的黃土高原農業土壤有機碳與碳排放. 第四紀研究，2010，30（3）：566—572

Zhang F，Li C S. The effect of climate on soil organic carbon and carbon emissions for agro-ecosystems of loess plateau（In Chinese）. Quaternary Sciences，2010，30（3）：566—572

［2］ Intergovernmental Panel on Climate Change. Climate change 2007：Synthesis report. Summary for policymakers. Cambridge，UK and New York：Cambridge University Press ，2007

［3］ Intergovernmental Panel on Climate Change. Climate change 2013：Synthesis report. Summary for policymakers. Cambridge，UK and New York：Cambridge University Press，2013

［4］ 潘根興，陸海飛，李戀卿，等. 土壤碳固定與生物活性：面向可持續土壤管理的新前沿. 地球科學進展，2015，30（8）：940—951

Pan G X，Lu H F，Li L Q，et al. Soil carbon sequestration with bioactivity：A new emerging frontier for sustainable soil management（In Chinese）. Advances in Earth Science，2015，30（8）：940—951

［5］ 王光翔，張黎明，李曉迪，等. 基于高精度土壤數據庫的蘇北旱地固碳速率和潛力研究. 生態環境學報，2016，25（3）：422—423

Wang G X，Zhang L M，Li X D，et al. Study of soil organic carbon sequestration rate and potential of upland in northern Jiangsu Province based on high-resolution soil database（In Chinese）. Ecology and EnvironmentSciences，2016，25（3）：422—423

［6］ 劉昱，陳敏鵬，陳吉寧. 農田生態系統碳循環模型研究進展和展望. 農業工程學報，2015，31（3）：1—9

Liu Y，Chen M P，Chen J N. Progress and perspectives in studies on agro-ecosystem carbon cycle model（In Chinese）. Transactions of the Chinese Society of Agricultural Engineering，2015，31（3）：1—9

［7］ Cerri C E P，Easter M，Paustian K，et al. Predicted soil organic carbon stocks and changed in the Brazilian Amazon between 2000 and 2030. Agriculture，Ecosystems and Environment，2007，122：58—72

［8］ Mondini C，Coleman K，Whitmore A P，et al. Spatially explicit modeling of changes in soil organic C in agricultural soils in Italy，2001-2100：Potential for compost amendment. Agriculture，Ecosystems and Environment，2012，153：24—32

［9］ Karunaratne S B，Bishop T F A，Baldock J A，et al. Catchment scale mapping of measure able soil organic carbon fractions. Geoderma，2014，219/220：14—23

［10］ Tang H J，Qiu J J，Ranst E V，et al. Estimations of soil organic carbon storage in cropland of China based on DNDC model. Geoderma，2006，134：200—206

［11］ Zhang F，Li C S，Wang Z，et al. Modeling impacts of management on farmland soil carbon dynamics along a climate gradient in Northwest China during 1981-2000. Ecological Modelling，2015，312：1—10

［12］ Yu Y Q，Huang Y，Zhang W. Projected changes in soil organic carbon stocks of China’s croplands under different agricultural managements，2011-2050. Agriculture，Ecosystems and Environment，2013，178：109—120

［13］ Xu S X，Zhao Y C，Shi X Z，et al. Map scale effects of soil databases on modeling organic carbon dynamics for paddy soils of China. Catena，2013，104：67—76

［14］ Ma K，Liu J G，Balkovi? J，et al. Changes in soil organic carbon stocks of wetlands on China’s Zoige plateau from 1980 to 2010. Ecological Modelling，2016，327：18—28

［15］ 傅伯杰. 地理學綜合研究的途徑與方法：格局與過程耦合. 地理學報，2014，69（8）：1052—1059

Fu B J. The integrated studies of geography：Coupling of patterns and processes（In Chinese）. Acta Geographica Sinica，2014，69（8）：1052—1059

［16］ 趙明松，張甘霖，王德彩，等. 徐淮黃泛平原土壤有機質空間變異特征及主控因素分析. 土壤學報，2013，50（1）：1—11

Zhao M S，Zhang G L，Wang D C，et al. Spatial variability of soil organic matter and its dominating factors in Xu-Huai alluvial plain（In Chinese）. Acta Pedologica Sinica，2013，50（1）：1—11

［17］ 楊艷麗，史學正，王果，等.江蘇北部土壤屬性空間分異及其影響因素研究. 土壤通報，2009，40（3）：465—470

Yang Y L，Shi X Z，Wang G，et al. Spatial heterogeneity of soil properties and their affecting factors in the northern Jiangsu Province（In Chinese）. Chinese Journal of Soil Science，2009，40（3）：465—470

［18］ Li C S，Frolking S，Frolking T A. A model of nitrous oxide evolution from soil driven by rainfall events：I. Model structure and sensitivity. Journal of Geophysical Research，1992，97：9759—9776

［19］ Li C S，Frolking S，Frolking T A. A model of nitrous oxide evolution from soil driven by rainfall events：II. Model applications. Journal of Geophysical Research，1992，97：9777—9783

［20］ Xu S X，Shi X Z，Zhao Y C，et al. Spatially explicit simulation of soil organic carbon dynamics in China’s paddy soils. Catena，2012，92：113—121

［21］ Zhang L M，Zhuang Q L，Li X D，et al. Carbon sequestration in the uplands of Eastern China：An analysis with high-resolution model simulations. Soil and Tillage Research，2016，158：165—176

［22］ Shi X Z，Yu D S，Warner E D，et al. Cross-reference system for translating between genetic soil classification of China and Soil Taxonomy. Soil Science Society of America Journal，2006，70：78—83

［23］ Zhang L M，Zhuang Q L，Zhao Q Y，et al. Uncertainty of organic carbon dynamics in Tai-Lake paddy soils of China depends on the scale of soil maps. Agriculture，Ecosystems and Environment，2016，222：13—22

［24］ 陳春梅，謝祖彬，朱建國. 大氣CO2濃度升高對土壤碳庫的影響.中國生態農業學報，2008，16（1）：217—222

Chen C M，Xie Z B，Zhu J G. Effects of elevated atmospheric CO2concentration on soil carbon（In Chinese）. Chinese Journal of Eco-agriculture，2008，16（1）：217—222

［25］ Brar B S，Singh K，Dheri G S，et al. Carbon sequestration and soil carbon pools in a rice-wheat cropping system：Effect of long-term use of inorganic fertilizers and organic manure. Soil and Tillage Research，2013，128：30—36

［26］ Pathak H，Li C S，Wassmann H. Greenhouse gas emissions from Indian rice fields：Calibration and upscaling using the DNDC model. Biogeoscience，2005，2：113—123

［27］ Zhao G，Bryan B，King D，et al. Impact of agricultural management practices on soil organic carbon：Simulation of Australian wheat systems. Global ChangeBiology，2013，19：1585—1597

［28］ Six J，Conant R T，Paul E A，et al. Stabilization mechanisms for soil organic matter：Implications for C saturation of soils. Plant and Soil，2002，141：155—176

［29］ 李曉迪，王淑民，張黎明，等. 土壤數據源和制圖比例尺對旱地土壤有機碳儲量估算的影響. 土壤學報，2016，53（1）：58—71

Li X D，Wang S M，Zhang L M，et al. Impacts of source of soil data and scale of mapping on assessment of organic carbon storage in upland soil（In Chinese）. Acta Pedologica Sinica，2016，53（1）：58—71

［30］ Peinetti H R，Menezes R S C，Tiessen H，et al. Simulating plant productivity under different organic fertilization practices in a maize/native pasture rotation system in semi-arid NE Brazil. Computers and Electronics in Agriculture，2008，62（2）：204—222

［31］ Li H，Qiu J J，Wang L G，et al. Advance in a terrestrial biogeochemical model—DNDC model. Acta Ecologica Sinica，2011，31（2）：91—96

Effects of Mapping Scale on Simulation of Soil Organic Carbon in Upland in the Scenario of Elevated CO2

HUANG Linbin1，2ZHANG Liming1，2?LONG Jun1YU Dongsheng3SHI Xuezheng3CHEN Hanyue1
FAN Xieyu1XING Shihe1，2
（1 College of Resources and Environment，Fujian Agriculture and Forestry University，Fuzhou 350002，China）
（2 National Engineering Reserch Center of Juncao（Fujian Agriculture and Favestry University），Fuzhou 350002，China）
（3 State Key Laboratory of Soil and Sustainable Agriculture（Institute of Soil Science，Chinese Academy of Sciences），Nanjing 210008，China）

【Objective】Agro-ecosystem models have been extensively used to predict changes in soil organic carbon（SOC）in farmland in the scenario of elevated CO2in future. However，currently most of the studies rely on maps of only one or certain one scale，and little has been done on influence of map scales on prediction of SOC dynamics in the scenario of elevated CO2. China has a total of 140 million hm2of farmlands，consisting of 110 M hm2of uplands and 30 M hm2of paddy fields. As upland soil is enormous in area and high in carbon storage，it plays an important role in sequestrating carbon and mitigating climate change. Owing to the complexity of carbon turnover processes and dynamic response of carbon to environmental conditions，recent years have seen progresses in using process-based models to simulate historic patterns and future trends of SOC variation in agricultural systems. The DeNitrification-DeComposition（DNDC）model based on human activity data，land use，soil parameters，daily temperatures，and precipitation is used to describe biogeochemical processes of C and N recycling in the terrestrial ecosystem. Currently it has been extensively used to explain mechanisms of carbon turnover as affected by the complex interactions among soil management，crops，and climate.【Method】Based on the uplands in North Jiangsu，China，the 1980—2009 meteorological data and 2009 farmland management data of the region，soil databases of six different mapping scales，i.e.，1∶50 000，1∶250 000，1∶500 000，1∶1 000 000，1∶4 000 000，and 1∶10 000 000，and 3 different scenarios set for the period of 2010-2039 with atmospheric CO2elevation rate being 1.5，2.0 and 3.0 times，respectively，the normal rate（1.9 ppm a-1），this study used the DNDC model to predict carbon sequestration rate and potential as affected by CO2elevation rate in the region with the data of the most detailed 1∶50 000 map and quantify the uncertainties of using the soil databases different in mapping scale to simulate SOC dynamics in the upland-crop ecosystem.【Result】Results show that based on the 1∶50 000 map and in the scenario of the atmospheric CO2concentration rising at a rate 1.5，2.0，and 3.0 times the normal rate，the average annual SOC sequestration rate in the topsoil（0～50 cm）layer of the upland of North Jiangsu during the period of 2011—2039 was predicted to be 357，360，and 365 kg hm-2a-1，respectively，and the total SOC sequestration was 42.08、42.38 and 42.93 Tg C，respectively. However，the prediction varied sharply with scale of the map used. When the average annual C sequestration rate predicted based on the 1∶50 000 map was used as baseline，the use of the other maps would generated deviations ranging from 0.89% to 58.09%，0.81% to 60.13% and 0.88% to 58.92%，in terms of average annual C sequestration rate and from 0.60 to 59.22%，0.37 to 59.39% and 0.02 to 59.71% in terms of total C sequestration，respectively，in the three scenarios.【Conclusion】It could be concluded that the effect of scale of the map used on prediction of SOC in the scenarios of elevated CO2is significant. In general，heterogeneity of soil properties in a region would often lead to variation of the prediction of SOC，which is mainly attributed to the disappearance of some soil types and spatial distortion when the map of small scales is polygonized. It is，therefore，essential for studies in future to use soil maps of large scales for data in quantifying regional SOC dynamics.

Soil organic carbon；Upland of North Jiangsu；Mapping scale；DNDC（Denitrification and Decomposition）model

S15

A

（責任編輯：檀滿枝）

* 福建省2011計劃（K80ND8002）、福建省自然科學基金項目（2015J01154）和福建省高校杰出青年科研人才計劃基金（JA13093） 共同資助 Supported by the Collaborative Innovation for Juncao Ecology Industry（No. K80ND8002），the National Science Foundation of Fujian Province，China（No.2015J01154），and the Distinguished Young Scholars Foundation of the Higher Education Institutions of Fujian Province，China（No.JA13093）

? 通訊作者 Corresponding author，E-mail：fjaulmzhang@163.com

黃琳斌（1991—），女，福建莆田人，碩士研究生，主要從事土壤碳循環與GIS研究。E-mail：barbie1327@ foxmail.com

2016-07-27；

2016-09-08 ；優先數字出版日期（www.cnki.net）：2016-09-20

10.11766/trxb201607270373