一種基于地區性耕地資源主要農作物碳匯能力測算的實操方法

摘要為了解決模型估算法系數缺乏特定地區適應性的問題，提出了一種基于地區性耕地資源主要農作物碳匯能力測算的實操方法，這種方法采用直接測量農作物完整植株來測算碳吸收量，以便更好地計算具體區域耕地資源的碳匯能力，也為耕地資源碳匯能力的評估提供更加適合當地特點的實測數值依據。將提出的實測法在安徽省進行應用，通過與估算法結果對比，驗證了其有效性。具體地區可以根據需要進一步優化制作符合當地耕地資源特點的碳匯手冊。

關鍵詞耕地資源；碳匯能力測算；地區性；實操方法；安徽省

中圖分類號F301"文獻標識碼A

文章編號0517-6611（2025）02-0001-06

doi：10.3969/j.issn.0517-6611.2025.02.001

開放科學（資源服務）標識碼（OSID）：

APracticalMethodforMeasuringtheCarbonSinkCapacityofMajorCropsBasedonRegionalCultivatedLandResources—TakingAnhuiProvinceasanExample

LIANG Jun PENG Xiao-xue ZHANG Hong-mei ² et al

（1.AnhuiProvincialInstituteofLandandSpacePlanningandResearch，Hefei，Anhui230601;2.KeyLaboratoryforConservationandEcologicalRestorationofCultivatedLandResourcesinJianghuai，MinistryofNaturalResources，Hefei，Anhui230601）

AbstractInordertosolvetheproblemthatthecoefficientsofthemodelestimationmethodlacktheadaptabilitytospecificregions，thisstudyproposedapracticalmethodbasedonthemeasurementofcarbonsinkcapacityofmajorcropsofregionalarablelandresources，whichuseddirectmeasurementsofintactcropplantstomeasurecarbonsinks.Thismethodcouldbettercalculatethecarbonsinkcapacityofarablelandresourcesinspecificregionsandprovideamoresuitablemeasurednumericalbasisfortheevaluationofcarbonsequestrationcapacityofcultivatedlandresourcesaccordingtolocalcharacteristics.ThepracticalmeasurementmethodproposedinthisstudywasappliedinAnhuiProvince，anditsvaliditywasverifiedbycomparingwiththeresultsoftheestimationmethod.Specificareascouldbefurtheroptimizedaccordingtotheneedtoproduceacarbonsinkmanualthatmetthecharacteristicsoflocalarablelandresources.

KeywordsCultivatedlandresource;Carbonsinkcapacitymeasurement;Regional;Practicalmethod;AnhuiProvince

耕地資源作為我國自然資源的重要組成部分，具有較強的碳匯能力。而耕地資源主要的碳匯能力由其空間上生長的農作物提供，對耕地農作物碳匯能力的定量分析至關重要。

耕地農作物碳匯能力的定量分析主要通過直接觀測和建模的方法進行，包括箱法、渦度相關法和模型計算法。

箱法是用一定體積的箱子覆蓋待測表面，計算地面和空氣中CO2的交換率，是一種直接測定碳通量的方法，也是目前小尺度研究中最流行的技術^［1-5］，因其價格低廉、操作簡便、靈敏度高而被廣泛用于溫室氣體測量^［6］。渦度相關法是通過計算湍流中垂直方向的風速脈動與相關物理量脈動的協方差，求解出物理量的湍流通量^［7-11］。渦度相關法可以大面積綜合測量微量氣體通量，具有不受環境干擾、可對樣地進行連續觀測等優點^［12-15］。以上2種方法通過儀器觀察，數據直觀，但其適合的尺度不夠靈活，且儀器布設復雜，適應性較窄^［16-19］。而模型計算法適用于不同的時間和空間尺度，可反映碳匯的時空變化，識別特定耕作方式和種植結構對碳匯的影響，為改變耕作管理方式以增加碳匯提供數據支持^［20-22］。目前，在大部分模型計算法的研究中，耕地農作物碳匯能力的計算是基于李克讓^［23］的研究，根據不同農作物產量、經濟系數和碳吸收率估算農作物生育期內的碳吸收量（估算法）^［24］。但是該方法所采用的系數并不適用于所有地區的農作物碳匯計算。估算法的準確度主要受計算系數的影響，如果系數不能準確反映當地的主要農作物特點，就會導致結果偏差。因此，該研究為了解決估算法系數缺乏特定地區適應性的問題，提出了一種基于地區性耕地資源主要農作物碳匯能力測算的實操方法（實操法），以更好地計算具體區域耕地資源的碳匯能力，并與估算法結果進行比較，為耕地資源碳匯能力的評估提供更加適合當地特點的實測數值依據。

1農作物碳匯實測方法

1.1總體思路

根據陳羅燁等^［25］的研究，耕地資源的碳匯能力主要指耕地中的農作物在生長周期內通過光合作用對大氣碳的固定，農作物碳吸收量反映了耕地碳匯能力的強弱。

實測法主要是在全省具有代表性的樣地中采集收獲時間內生長狀況良好且成熟的作物植株，在進行晾干、烘干、粉碎后，測量干重和含碳量。進一步通過測定植株種植密度，結合種植面積，得到主要作物的生物固碳量。農作物碳吸收總量的計算公式如下：

Ca=Cj=（Pj×Kj×CFj×ρj×Aj）

式中：Ca表示農作物碳吸收總量（t）；Cj表示第j種農作物的碳吸收量（t）；Pj表示第j種農作物的平均單株生物量（濕重），單位為g/株；Kj表示第j種農作物濕重與干重之間的轉換系數；CFj表示第j種農作物干重下的含碳比率；ρj表示第j種農作物的平均種植密度（株/m2）；Aj表示第j種農作物的播種面積（m2）。各地市主要作物播種面積來源于2011—2023年《安徽省統計年鑒》。

1.2安徽省耕地資源主要農作物選擇

為了研究特定地區如安徽省的耕地資源碳匯能力，需要確定安徽省耕地資源主要農作物種類。對各主要農作物進行采樣并測算農作物植株的碳吸收量，進而計算安徽省耕地資源主要農作物的碳吸收量。

安徽省耕地作物種類包括糧食作物、油料、棉花、麻類、糖料、煙葉、藥材類、蔬菜（含菜用瓜）、瓜果類（果用瓜）和其他作物。其中，糧食作物除包括稻谷、小麥、玉米、高粱、谷子及其他雜糧外，還包括薯類和豆類。全部油料作物包括花生、油菜籽、芝麻、葵花籽、胡麻籽（亞麻籽）和其他油料，不包括大豆、木本油料和野生油料。雖然作物種類較多，但大部分并非安徽耕地主要種植的作物。因此，該研究根據2011—2023年《安徽省統計年鑒》中的農業數據，對安徽省耕地種植結構占比情況進行統計，篩選主要作物種類。經統計，安徽省種植結構（播種面積）占比2010—2022年一直超過全省占比2%的農作物有水稻、小麥、玉米、大豆和油菜。故該研究選取全省種植面積較廣的典型農作物水稻、小麥、玉米、大豆和油菜開展耕地碳吸收計算。

1.3確定采樣代表縣（市、區）

在實測法中，代表性樣地的選取是根據統計年鑒中各縣（市、區）5種主要農作物產量，將每個地級市產量最高的縣（市、區）作為采樣縣（市、區）。表2為安徽省各主要農作物主要種植縣（市、區）。北方多小麥而少水稻，南方多水稻而少小麥，玉米、豆類、油菜各縣（市、區）均有種植，各縣（市、區）產量有所差異。

1.4實測結果

實測法在對應農作物收獲期內采集水稻、小麥、玉米、大豆和油菜樣本，剔除運輸過程中損壞、采集表填寫不規范、檢測數據異常等不合規樣本后，分別對不同農作物的剩余有效樣本提取均值，得到全省水稻、小麥、玉米、大豆和油菜的干重、種植密度和全碳含量（表3），進一步結合統計年鑒中的播種面積，計算得到各種農作物的碳吸收量。

2農作物碳吸收量估算方法

估算法通過農作物的產量和干物重估算2011—2023年安徽省耕地碳吸收量。由于在實測法中，對農作物固碳量的測算包含了植株和根系，因此選擇考慮根冠比的統計分析方法用于碳吸收的估算，便于與實測法開展對比。根據李明琦等^［26-28］的研究，結合農作物產量、經濟系數、根冠比、含碳量和水分系數等指標來計算不同農作物全生育期的碳吸收量，計算公式如下：

W=ni=1Wi=ni=1［Ci×Ki×（1-Vi）×（1+Ri）］/Hi

式中：W為耕地生態系統碳吸收量；i為第i種農作物類型；Wi為第i種農作物全生育期碳吸收總量；Ci表示第i種農作物含碳率；Ki為第i種農作物產量；Vi為第i種農作物水分系數；Ri為第i類農作物根冠比；Hi為第i類農作物經濟系數；n為農作物種類數。

在估算法中，對農作物碳吸收的估算涉及農作物產量、經濟系數、根冠比、碳吸收率和含水量，其中各地市主要農產品產量來源于2011—2023年《安徽省統計年鑒》。經濟系數指作物的經濟產量與生物產量的比例，不同的農作物由于生長期、植株自身大小等的不同使得碳吸收量差異很大。李克讓^［23］測算了中國主要農作物的經濟系數和作物光合作用合成1 g干物質所吸收的碳量（即碳吸收率），該研究選用其測算的數值作為對應指標系數。根冠比指植物地下部分與地上部分的鮮重或干重的比值，其值反映了植物地下部分與地上部分的相關性，主要作物的根冠比參考苗果園等^［29］的結果。而作物經濟部分的含水量來源于韓召迎等^［30］的研究。綜上，該研究所選取的主要農作物經濟系數、根冠比、碳吸收率和含水量如表4所示。

3碳吸收量估算值與實測值對比分析

由于安徽省最新統計年鑒為2022年，故分別采用估算法和實測法計算不同農作物碳吸收量并進行對比，分析實測法的有效性。估算法根據不同農作物產量、根冠比、含水量、經濟系數和含碳率計算得到2022年安徽省耕地碳吸收量；實測法通過在全省開展小麥、油菜、玉米、大豆和水稻生物量采集，計算得到2022年安徽省主要農作物生物固碳量。

根據2022年全省水稻碳吸收量估算值與實測值對比結果（表5），估算的水稻碳吸收量為2053.07萬t，實測的碳吸收量為1981.81萬t，估算值高于實測值，二者的絕對差值為71.26萬t，相對差值為3.60%，相對差值在±5%以內，表明估算值與實測值總體較為接近。從各地市來看，除了亳州市、蚌埠市、阜陽市和池州市，其余地區估算值均高于實測值。大部分地市的相對差值都在±10%以內，其中池州市的水稻碳吸收量估算值與實測值最接近，相對差值僅為-0.14%，亳州市的相對差值絕對值最大，相對差值達-23.28%。

根據2022年全省小麥碳吸收量估算值與實測值對比結果（表6），估算的小麥碳吸收量為2555.92萬t，實測的碳吸收量為2399.76萬t，估算值高于實測值，二者的絕對差值為156.16萬t，相對差值為6.51%，相對差值在±10%以內，表明估算值與實測值總體相差不大。從各地市來看，除了皖北地區的淮北市、亳州市、宿州市、蚌埠市和阜陽市，其余地區估算值均低于實測值。16個地市的相對差值均在±35%以內，其中淮南市的小麥碳吸收量估算值與實測值最接近，相對差值僅為-1.27%，淮北市的相對差值絕對值最大，相對差值達32.62%，這是由于該地的小麥播種面積較小，碳吸收量較少，導致相對差值偏大。

根據2022年全省玉米碳吸收量估算值與實測值對比結果（表7），估算的玉米碳吸收量為788.15萬t，實測的碳吸收量為862.13萬t，估算值低于實測值，二者的絕對差值為-73.98萬t，相對差值為-8.58%，相對差值也在±10%以內，表明估算值與實測值總體相差不大。從各地市來看，除了亳州市、蕪湖市、宣城市、銅陵市、安慶市和黃山市，其余地市碳吸收量估算值均低于實測值。相對差值絕對值最小的為黃山市，相對差值僅為0.11%，相對差值絕對值最大的為馬鞍山市，相對差值達-21.21%。

根據2022年全省大豆碳吸收量估算值與實測值對比結果（表8），估算的大豆碳吸收量為126.32萬t，實測的碳吸收量為160.09萬t，估算值低于實測值，二者的絕對差值為-33.77萬t，相對差值為-21.09%。從各地市來看，除了池州市和黃山市，其余地市碳吸收量估算值均低于實測值。相對差值絕對值最小的為黃山市，相對差值僅為0.67%，亳州市的相對差值絕對值最大，相對差值達到-29.59%。

根據2022年全省油菜碳吸收量估算值與實測值對比結果（表9），估算的油菜碳吸收量為162.41萬t，實測的碳吸收量為153.65萬t，估算值高于實測值，二者的絕對差值為8.76萬t，相對差值為5.70%，相對差值也在±10%以內，表明估算值與實測值總體差距不大。從各地市來看，除了淮北市、宿州市、蚌埠市、六安市和黃山市，其余地市碳吸收量估算值均高于實測值。相對差值絕對值最小的為安慶市，相對差值僅為1.30%，黃山市的相對差值絕對值最大，相對差值達到-29.28%。

將2022年全省碳吸收總量估算值與實測值進行對比，結果發現（表10），估算的全省碳吸收總量為5685.87萬t，實測的碳吸收總量為5557.44萬t，估算值略高于實測值，二者的絕對差值為128.43萬t，相對差值僅為2.31%，估算值與實測值極為接近。從各地市來看，淮北市、亳州市、阜陽市、淮南市、馬鞍山市和蕪湖市的碳吸收總量估算值高于實測值，

其余地市碳吸收總量估算值均低于實測值。16個地市的相對差值都在±20%以內，其中相對差值絕對值最小的為黃山市，相對差值僅為-0.07%，相對差值絕對值最大的是亳州市，相對差值達到16.61%。

將16個地市的水稻、小麥、玉米、大豆和油菜的碳吸收量估算值與實測值進行趨勢線擬合，結果如圖1所示。5種農作物的決定系數（R2）均超過0.9700，其中水稻的R2最高，接近于玉米、大豆和油菜的R2均在0.9800以上。總體決定系數（R2）為0.9846，表明擬合效果較好，估算值和實測值之間較為接近。

通過將采用實測法與估算法得到的安徽省主要農作物碳吸收量結果進行對比，發現實測法與估算法的結果相對差值總體位于±20%以內，證明了實測法具備有效性。但需要注意的是，實測法受到試驗過程的各種因素干擾較多，需要嚴格管控采樣流程，以保證結果有效。

4結論

該研究提出了一種基于地區性耕地資源主要農作物碳匯能力測算的實操方法，可以更好地計算具體區域耕地資源的碳匯能力，為耕地資源碳匯能力的評估提供更加適合當地特點的實測數值依據；與估算法結果進行比較后，發現其具備有效性。未來可以通過長時間、嚴格的試驗過程管理，進行數據積累，形成真實準確、符合當地特征的碳匯數據，制作區域性碳匯手冊，為本地化耕地資源碳匯監測和碳交易提供準確的數據支撐。

參考文獻

［1］MALJANENM，KOMULAINENVM，HYTNENJ，etal.Carbondioxide，nitrousoxideandmethanedynamicsinborealorganicagriculturalsoilswithdifferentsoilcharacteristics［J］.Soilbiologyamp;biochemistry，2004，36（11）：1801-1808.

［2］MELLINGL，HATANOR，GOHKJ.SoilCO2fluefromthreeecosystemsintropicalpeatlandofSarawak，Malaysia［J］.TellusB：Chemicalandphysicalmeteorology，2005，57（1）：1-11.

［3］GRANLIT.Theexperimentalbasis，nitrousoxidefromagriculture［J］.NorwegianJAgricSci，1994，12：22-29.

［4］KUSAK，SAWAMOTOT，HURG，etal.Comparisonoftheclosed-chamberandgasconcentrationgradientmethodsformeasurementofCO2andN2Ofluxesintwouplandfieldsoils［J］.Soilscienceandplantnutrition，2008，54（5）：777-785.

［5］WANGYY，LIXX，DONGWX，etal.Depth-dependentgreenhousegasproductionandconsumptioninanuplandcroppingsysteminnorthernChina［J］.Geoderma，2018，319：100-112.

［6］TANGXL，LIUSG，ZHOUGY，etal.Soil-atmosphericexchangeofCO2，CH4，andN2OinthreesubtropicalforestecosystemsinsouthernChina［J］.Globalchangebiology，2006，12（3）：546-560.

［7］BERNACCHICJ，HOLLINGERSE，MEYERST.Theconversionofthecorn/soybeanecosystemtono-tillagriculturemayresultinacarbonsink［J］.Globalchangebiology，2005，11（11）：1867-1872.

［8］WANGYY，HUCS，DONGWX，etal.Carbonbudgetofawinter-wheatandsummer-maizerotationcroplandintheNorthChinaPlain［J］.Agricultureecosystemsamp;environment，2015，206：33-45.

［9］劉曉曼，程雪玲，胡非.北京城區二氧化碳濃度和通量的梯度變化特征：I濃度與虛溫［J］.地球物理學報，2015，58（5）：1502-1512.

［10］"DEMYANMS，INGWERSENJ，FUNKUINYN，etal.Partitioningofecosystemrespirationinwinterwheatandsilagemaize-modelingseasonaltemperatureeffects［J］.Agriculture，ecosystemsamp;environment，2016，224：131-144.

［11］DIAZMB，ROBERTIDR，CARNEIROJV，etal.DynamicsofthesuperficialfluxesoverafloodedricepaddyinsouthernBrazil［J］.Agriculturalandforestmeteorology，2019，276/277：1-14.

［12］ZHANGYP，QINZC，LITT，etal.Carbondioxideuptakeoverridesmethaneemissionattheair-waterinterfaceofalgae-shellfishmaricultureponds：Evidencefromeddycovarianceobservations［J］.Scienceofthetotalenvironment，2022，815：1-11.

［13］樸世龍，何悅，王旭輝，等.中國陸地生態系統碳匯估算：方法、進展、展望［J］.中國科學：地球科學，2022，52（6）：1010-1020.

［14］祁亞輝，王小丹.陸地生態系統碳通量面臨的挑戰與機遇：基于渦度協方差測定［J］.生態學報，2023，43（8）：2979-2994.

［15］LAWBE，WILLIAMSM，ANTHONIPM，etal.MeasuringandmodellingseasonalvariationofcarbondioxideandwatervapourexchangeofaPinusponderosaforestsubjecttosoilwaterdeficit［J］.Globalchangebiology，2000，6（6）：613-630.

［16］LOESCHERHW，LAWBE，MAHRTL，etal.Uncertaintiesin，andinterpretationof，carbonfluxestimatesusingtheeddycovariancetechnique［J］.Journalofgeophysicalresearch：Atmospheres，2006，111（D21）：1-19.

［17］RICHARDSONAD，BRASWELLBH，HOLLINGERDY，etal.Comparingsimplerespirationmodelsforeddyfluxanddynamicchamberdata［J］.Agriculturalandforestmeteorology，2006，141（2/3/4）：219-234.

［18］蘇榮瑞，劉凱文，耿一風，等.江漢平原稻-油連作系統冠層CO2通量變化特征［J］.中國農業氣象，2012，33（3）：362-367.

［19］ZHENGXH，HANSH，HUANGY，etal.Re-quantifyingtheemissionfactorsbasedonfieldmeasurementsandestimatingthedirectN2OemissionfromChinesecroplands［J］.Globalbiogeochemicalcycles，2004，18（2）：1-19.

［20］SHEW，WUY，HUANGH，etal.IntegrativeanalysisofcarbonstructureandcarbonsinkfunctionformajorcropproductioninChina’stypicalagricultureregions［J］.Journalofcleanerproduction，2017，162：702-708.

［21］LIUZT，YINGH，CHENMY，etal.OptimizationofChina’smaizeandsoyproductioncanensurefeedsufficiencyatlowernitrogenandcarbonfootprints［J］.Naturefood，2022：426-433.

［22］CHENBZ，ZHANGHF，WANGT，etal.AnatmosphericperspectiveonthecarbonbudgetsofterrestrialecosystemsinChina：Progressandchallenges［J］.Sciencebulletin，20266（17）：1713-1718.

［23］李克讓．土地利用變化和溫室氣體凈排放與陸地生態系統碳循環［M］.北京：氣象出版社，2002：260－265．

［24］許萍萍，趙言文，陳顥明，等.江蘇省農田生態系統碳源/匯、碳足跡動態變化［J］.水土保持通報，2018，38（5）：238-243.

［25］陳羅燁，薛領，雪燕.中國農業凈碳匯時空演化特征分析［J］.自然資源學報，2016，31（4）：596-607.

［26］李明琦，劉世梁，武雪，等.云南省農田生態系統碳足跡時空變化及其影響因素［J］.生態學報，2018，38（24）：8822-8834.

［27］翁翎燕，朱振宇，韓許高，等.江蘇省農田植被凈碳匯時空格局分析［J］.農業工程學報，2018，34（6）：233-241.

［28］張鵬巖，何堅堅，龐博，等.農田生態系統碳足跡時空變化：以河南省為例［J］.應用生態學報，2017，28（9）：3050-3060.

［29］苗果園，尹鈞，張云亭，等.中國北方主要作物根系生長的研究［J］.作物學報，1998，24（1）：1-6.

［30］韓召迎，孟亞利，徐嬌，等.區域農田生態系統碳足跡時空差異分析：以江蘇省為案例［J］.農業環境科學學報，2012，31（5）：1034-1041.