农田碳汇估算模型与应用研究述评邓祥征1‚2‚赵永宏1‚3‚战金艳4‚韩建智1‚3（1．中国科学院地理科学与资源研究所‚北京100101；2．中国科学院农业政策研究中心‚北京100101；3．中国科学院研究生院‚北京100049；4．北京师范大学环境学院水环境模拟国家重点实验室‚北京100875）摘要随着全球变化研究的不断深入‚农田碳汇管理日益受到学术界与决策界的关注。农田作为陆地生态系统的重要组成部分‚其固碳能力的发挥关系到能否降低大气ＣＯ2浓度和抑制全球变暖趋势。回顾近10多年来国内外农田碳汇估算模型与应用研究的主要进展‚概述了4种代表性农田碳汇估算模型的原理、结构、参数及制备、应用案例和模型检验等技术环节‚为区域、国家乃至全球尺度农田碳汇估算筛选了模型与方法。关键词农田碳汇；碳汇；ＣＥＮＴＵＲＹ模型；ＲｏｔｈＣ模型；ＤＮＤＣ模型中图分类号Ｘ37文献标识码Ａ文章编号0517－6611（2009）35－17649－04ＲｅｓｅａｒｃｈＲｅｖｉｅｗｏｎｔｈｅＥｓｔｉｍａｔｉｏｎＭｏｄｅｌｓａｎｄｔｈｅＡｐｐｌｉｃａｔｉｏｎｓｏｆＣｒｏｐｌａｎｄＣａｒｂｏｎＳｅｑｕｅｓｔｒａｔｉｏｎＤＥＮＧＸｉａｎｇ-ｚｈｅｎｇｅｔａｌ（ＩｎｓｔｉｔｕｔｅｏｆＧｅｏｇｒａｐｈｉｃＳｃｉｅｎｃｅｓａｎｄＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ‚ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ‚Ｂｅｉｊｉｎｇ100101）ＡｂｓｔｒａｃｔＡｌｏｎｇｗｉｔｈｔｈｅｄｅｐｔｈｏｆｇｌｏｂａｌｃｈａｎｇｅｒｅｓｅａｒｃｈ‚ｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎｏｆｃｒｏｐｌａｎｄｈａｓｂｅｅｎｇｉｖｅｎｍｏｒｅａｎｄｍｏｒｅｃｏｎｃｅｒｎｓｂｙｔｈｅａｃａｄｅｍｉｃｃｏｍｍｕｎｉｔｙａｎｄｄｅｃｉｓｉｏｎ-ｍａｋｉｎｇｃｉｒｃｌｅｓ．Ａｓｏｎｅｏｆｔｈｅｍａｊｏｒｆｏｒｍｏｆｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｓ‚ｃｒｏｐｌａｎｄｐｌａｙｓｇｒｅａｔｒｏｌｅｓｉｎａｔｍｏｓｐｈｅｒｉｃｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｎｄｉｎｈｉｂｉｔｓｔｈｅｇｌｏｂａｌｗａｒｍｉｎｇｔｒｅｎｄ．Ｔｈｅｍａｉｎｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓｅｓｏｎｔｈｅｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｓａｎｄｔｈｅｒｅｌｅｖａｎｔａｐｐｌｉｃａｔｉｏｎｏｆｃｒｏｐｌａｎｄｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎｗｅｒｅｒｅｖｉｅｗｅｄ．Ｔｈｅｐｒｉｎｃｉｐｌｅ‚ｓｔｒｕｃｔｕｒｅ‚ｐａｒａｍｅｔｅｒａｎｄｐｒｅｐａｒａｔｉｏｎ‚ａｐｐｌｉｃａｔｉｏｎｃａｓｅｖａｌｉｄａｔｉｏｎｓｏｆｆｏｕｒｒｅｐ-ｒｅｓｅｎｔａｔｉｖｅｅｓｔｉｍａｔｅｄｍｏｄｅｌｓｏｆｃｒｏｐｌａｎｄｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎｗｅｒｅｓｕｍｍａｒｉｚｅｄ‚ｗｈｉｃｈｐｒｏｖｉｄｅｄｍｏｄｅｌｓａｎｄｍｅｔｈｏｄｓｆｏｒｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｃｒｏｐ-ｌａｎｄｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｔｒｅｇｉｏｎａｌ‚ｎａｔｉｏｎａｌａｎｄｇｌｏｂａｌｅｘｔｅｎｔｓ．ＫｅｙｗｏｒｄｓＣｒｏｐｌａｎｄｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎ；Ｃａｒｂｏｎｓｉｎｋ；ＣＥＮＴＵＲＹｍｏｄｅｌ；ＲｏｔｈＣｍｏｄｅｌ；ＤＮＤＣｍｏｄｅｌ基金项目国家自然科学基金（70873118）；中国科学院知识创新工程项目（ＫＺＣＸ2-ＹＷ-305-2）；国家科技支撑项目（2006ＢＡＣ08Ｂ03、2006ＢＡＣ08Ｂ06、2008ＢＡＣ43Ｂ01）。作者简介邓祥征（1971－）‚男‚山东日照人‚博士‚副研究员‚从事土地系统变化与效应、区域环境变化研究。收稿日期2009-07-10随着全球变化研究的不断深入‚农田碳汇管理日益受到关注。农田生态系统中的碳库不仅是全球碳库的一个重要组成部分‚而且在保持农业土壤碳汇功能、提高土壤有机碳水平、缓解气候增暖趋势和保障粮食安全方面具有重要的意义。农田碳汇及与之密切联系的农田土壤有机质碳含量是衡量农业生态系统稳定性的重要指标。在人类耕种、施肥、灌溉等管理活动影响下‚农业土壤中碳库的质和量在不断发生变化。土壤有机碳的变化是陆地生态系统对于大气ＣＯ2的源汇效应的重要依据‚而土壤固碳是应对全球气候变化的重要途径。当前对土壤ＣＯ2排放的研究主要集中在森林和草原生态系统‚对农田生态系统碳含量变化和排放特点的研究较少［1］。农田碳汇估算模型是深入研究农田生态系统碳循环和全球气候变化相互作用的重要手段和工具［2］。这类模型用数学方法定量描述农田碳循环过程及其与全球变化之间的相互关系‚从而利用计算机模拟表层土有机碳的动态变化‚估计土壤和植被的碳存储现状并预测未来的固碳潜力［3］。近年来‚关于农田碳汇模型的研究越来越多‚笔者述评了过去10多年来常用的农田碳汇估算模型的原理、方法及其应用研究的主要进展。1土壤有机碳动态模型土壤有机碳含量是衡量农业生态系统质量的一个重要指标。提高土壤有机碳含量‚保持农田土壤碳收集能力‚对缓解全球气候变暖、保障粮食安全具有重要意义‚是农田碳汇研究的重要内容之一［4］。黄耀等提出了农田土壤有机碳动态模拟模型‚该模型可用来预测农田土壤有机碳含量变化‚所得结论为农田碳汇管理提供了科学决策依据［5］。1．1模型原理土壤有机碳动态模型假定外源有机物料分为分解与难分解2种成分‚并且土壤原有有机碳的分解遵循一级动力学反应原理‚相应的一级动力学速率常数Ｋ1、Ｋ2及ＫＳ受土壤环境影响。外源有机碳输入是维持和提高农田土壤有机碳含量的主要途径。一般认为‚施入土壤中的有机物料（作物残茬、秸秆、绿肥、厩肥等）可分为易分解与难分解两组分。易分解组分包括糖类、蛋白质、半纤维素等；难分解组分包括木质素等。易分解组分的半衰期为2～3个月‚难分解组分的半衰期为1．5～2年‚甚至更长‚此后部分极难分解的碳进入土壤碳库。这一部分碳及土壤原有有机碳的分解极其缓慢‚半衰期为几十年到几百年。1．2模型结构1．2．1微分模型。由基本假设及土壤有机碳动态模型概念性模型可以导出各有机碳组分分解的一级动力学模型：ｄＣｉ／ｄｔ＝Ｋｉ×ｆＴ×ｆＷ×ｆＳ×Ｃｉ式中‚Ｃｉ为第ｉ种有机碳组分在ｔ时刻的数量；ｉ＝1‚2‚…‚ｎ；Ｓ分别表示外源有机碳中易分解与难分解组分以及土壤原有有机碳组分；Ｋｉ为相应的一级动力学速率常数；ｆＴ、ｆＷ及ｆＳ分别为土壤温度、水分及质地对有机碳分解的影响函数。取时间步长为1ｄ‚则ｔｄ内第ｉ种有机碳组分的累积分解量Ｙｉｔ为：Ｙｉｔ＝∑（Ｋｉ×ｆＴ×ｆＷ×ｆＳ×Ｃｉ）（1）1．2．2积分模型。基于微分模型积分‚可以导出各有机碳组分分解的积分模型：Ｃｉｔ＝Ｃｉｏ×ＥＸＰ（Ｋｉ×ｆＴ×ｆＷ×ｆＳ×ｔ）（2）式中‚Ｃｉｔ、Ｃｉｏ分别为第ｉ种有机碳组分ｔ时刻的数量及初始数量。由式（2）可得ｔ时段内第ｉ种有机碳组分的累积分解量安徽农业科学‚ＪｏｕｒｎａｌｏｆＡｎｈｕｉＡｇｒｉ．Ｓｃｉ．2009‚37（35）：17649－17652‚17691责任编辑马卫鹏责任校对卢瑶DOI:10．13989／j．cnki．0517－6611．2009．35．048Ｙ′ｉｔ为：Ｙ′ｉｔ＝Ｃｉｏ－Ｃｉｔ＝Ｃｉｏ×［1－ＥＸＰ（Ｋｉ×ｆＴ×ｆＷ×ｆＳ×ｔ）］（3）假定外源有机物料初始数量为Ｃｏ‚易分解比例为Ｆ‚则易分解组分与难分解组分的初始量分别为：Ｃ10＝Ｆ×ＣｏＣ20＝（1－Ｆ）×Ｃｏ（4）1．3参数及制备1．3．1影响系数估算。根据不同有机物料在实验室控制条件下的培养测定结果‚确定土壤温度、水分及质地对有机碳分解的影响系数的计算方法。（1）温度影响系数。该系数的公式为：ｆＴ＝Ｑ10（ＴＳ－10）／10（5）式中‚ｆＴ为温度影响系数；ＴＳ为土壤温度（℃）；Ｑ10为供试物料有机碳分解的温度系数。其与培养时间ｔ（ｄ）的数量关系为：Ｑ10＝（3．36＋0．34ｔ）／（1＋0．29ｔ）（6）（2）水分影响系数。该系数的公式为：ｆＷ＝0．49ＥＸＰ（3．88Ｗ－5．40Ｗ2）（7）式中‚ｆＷ为不同水分条件下有机碳的相对分解量‚定义其为水分影响系数；Ｗ为土壤水分含量；淹水条件下‚ｆＷ取值为0．65。（3）土壤质地影响系数。该系数的公式为：ｆＳ＝Ｙ／287＝1－0．26Ｃｌａｙ（8）式中‚ｆＳ为土壤质地影响系数；Ｃｌａｙ表示直径＜0．005ｍｍ的粘粒含量；Ｙ为有机碳分解量（ｍｇ）。其与粘粒含量的数量关系为：Ｙ＝287－73．7Ｃｌａｙ（9）当粘粒含量趋于100％‚即Ｃｌａｙ趋于1时‚ｆＳ＝0．74。1．3．2常数确定。上述土壤有机碳分解模型共有4个待定常数‚即一级动力学速率常数Ｋ1、Ｋ2、ＫＳ及外源有机物料的易分解比例Ｆ。Ｋ1、Ｋ2、ＫＳ值的基本意义是各相应有机碳组分在砂性土壤（＜0．005ｍｍ的粘粒含量趋于0‚ｆｓ＝1）、田间最大持水量（ｆｗ＝1）及土壤温度为10℃（ｆＴ＝1）时的日相对分解量。易分解比例Ｆ数值与物料的碳氮比及木质素含量有关。根据在不同温度及水分条件下对小麦秸秆、水稻秸秆和相应根系的实验室培养测定结果‚利用有机碳分解的积分模型‚运用非线性技术‚确定出各参数值（表1）。表1农田土壤有机碳分解模型参数Ｔａｂｌｅ1Ｍｏｄｅｌｐａｒａｍｅｔｅｒｏｆｏｒｇａｎｉｃｃａｒｂｏｎｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｃｒｏｐ-ｌａｎｄｓｏｉｌ参数Ｐａｒａｍｅｔｅｒ指标Ｉｎｄｅｘ数值Ｖａｌｕｅｓ一级动力学常数Ｋ10．025Ｋ20．080×10－2Ｋ30．065×10－3易分解比例小麦、秸秆0．500小麦、根系0．250水稻、秸秆0．400水稻、根系0．2001．4应用案例农田土壤有机碳动态模型的估算结果既可预测农田土壤有机碳储量的变化‚又可以指导农田土壤的改良。农田土壤有机碳动态模型的应用案例有很多‚如刘世梁等应用农田土壤有机碳动态模型对宜兴市万石镇农田土壤有机碳含量进行了模拟研究［6］。1．5模型检验在一些案例区上模拟与田间试验的对比‚可以验证土壤有机碳动态模型的模拟精度。刘世梁等利用不同有机物料的大田填埋试验数据和连续7年的土壤改良定位试验数据对农田土壤有机碳动态模型的合理性进行了检验［6］‚结果表明‚模拟值与测定值之间具有较好的一致性。2ＣＥＮＴＵＲＹ模型ＣＥＮＴＵＲＹ模型是应用比较广泛的表征土壤有机质动态的模型之一‚因其适用于各种尺度的生态系统‚是最全面的生态系统土壤有机碳估算模型之一。2．1模型原理ＣＥＮＴＵＲＹ模型采用将土壤有机质库划分为多个分室的建模思想‚将土壤有机质分为速效库、慢性库、惰性库3个库。速效库主要包括活的微生物和微生物产物‚即土壤碳、氮的活性部分‚其周转时间不超过5年；慢性库包括难分解的有机物质和土壤固定的微生物产物‚其周转时间为20～40年；惰性库中有机质极难分解‚相对稳定。基于木质素的含量‚作物凋落物被分为代谢性库与结构性库2个库［7］。由于植物残体地上部分和地下部分的木质素含量相差较大‚使结构库和代谢库具有各自的地上和地下分解速率。2．2模型结构ＣＥＮＴＵＲＹ模型提出‚植物残体木质素含量与Ｎ含量的比值决定了植物残体在代谢库与结构库之间的分配‚且全部木质素都进入结构库［8］。当木质素与Ｎ的比值升高时‚进入结构库的植物残体比例会增大。结构库的分解速率是木质素含量的函数‚而且结构库中的木质素全部进入慢性库中。在该模型中‚土壤质地作为土壤有机质分解的影响因子被提出‚土壤粉粒和粘粒的含量影响活性库的周转及活性库固定到慢性库的效率。2．3变量及制备ＣＥＮＴＵＲＹ模型功能强大‚只要将有效参数输入就能够顺利运行。然而‚在模拟农田生态系统中有机碳的动态变化时‚有些参数获得有很大难度‚从而影响模拟效果。因此‚正确而有效地确定参数是模型应用过程中的关键。就农田生态系统而言‚ＣＥＮＴＵＲＹ模型需要以下参数‚方能够正常运行［9－10］。①初始土壤参数。包括土壤质地、土层厚度、土壤容重、ｐＨ值等。②气象参数。ＣＥＮＴＵＲＹ模型气象输入参数以月为步长‚包括月平均最高和最低气温（℃）、月平均降水量（ｍｍ）以及标准差和偏度。③初始有机质参数。一般先让模型运行5000年‚模拟自然状态下土壤表层（0～20ｃｍ）ＳＯＣ从无积累到稳定平衡状态这一过程‚从而获得土壤初始有机质参数。④管理参数。主要包括种植作物种类、耕作方式、施用化肥种类及数量、收获作物方式、施用有机肥种类数量、种植作物时间、作物开始生长时间、作物结束生长时间等。2．4输出变量一般先运行模型‚模拟自然状态下表层（0～20ｃｍ）ＳＯＣ从无积累到稳定平衡状态这一过程‚模拟得出的结果作为ＳＯＣ及其组分的初始含量的输入参数‚用于模拟研究区土壤的ＳＯＣ动态。模型输出包括土壤活性有机碳17650安徽农业科学2009年库、慢性有机碳库、惰性有机碳库、总土壤有机碳库等‚单位为ｇｍ－2［11］。2．5应用案例在国外‚ＣＥＮＴＵＲＹ模型已成功用于模拟不同环境下的长期定位试验中土壤有机碳的动态变化［7］‚目前在美国被广泛用于各种生态系统模拟。研究表明‚ＣＥＮ-ＴＵＲＹ模型用于农田和草地生态系统的效果优于森林生态系统［12－13］‚一般认为‚ＣＥＮＴＵＲＹ模型是对生态系统研究尤其是对土壤碳动态研究非常有用的工具。在我国‚ＣＥＮＴＵＲＹ模型的应用已10余年的历史。我国学者最初利用ＣＥＮＴＵＲＹ模型对内蒙古锡林河流域典型草原初级生产力和有机质的动态进行了模拟［14］。随后‚尝试利用ＣＥＮＴＵＲＹ模型对森林土壤碳演变进行预测［15］‚在南亚热带鹤山模拟人工林生态系统碳氮的演变［16］‚在东北黑土上预测厚层黑土有机碳的动态［9］‚以及模拟薄层黑土有机碳变化等［16］‚拟合效果皆较好。2．6模型检验目前‚国内外很多专家对ＣＥＮＴＵＲＹ模型的精度做了验证。Ｓｍｉｔｈ等利用世界上7个长期定位实验的数据对ＣＥＮＴＵＲＹ模型进行了检验‚发现ＣＥＮＴＵＲＹ模型可以模拟所有农业或林业生态系统土壤有机碳的变化［17］。国内‚高崇升等利用海伦市西郊中科院农业生态实验站的长期定位实验数据评价了ＣＥＮＴＵＲＹ模型模拟值与实测值的一致性［10］。结果表明‚模拟值与实测值之差均小于5％‚说明ＣＥＮＴＵＲＹ模型可以用于此种情景下土壤有机碳的预测。3ＲｏｔｈＣ模型ＲｏｔｈＣ模型是依据英国洛桑实验站大量长期田间试验数据‚由Ｊｅｎｋｉｎｓｏｎ等建立了土壤有机碳（ＳＯＣ）周转模型［18］。此模型仅与土壤过程有关‚不含植物生长的子模型‚不计算作物地上生物量归还到土壤中的有机碳数量。ＲｏｔｈＣ模型适用于排水良好的矿质土壤‚不宜用于有机土壤或长期积水的土壤［19－20］。3．1模型原理该模型包括5个分室：易分解植物残体（ＤＰＭ）、难分解植物残体（ＲＰＭ）、微生物量（ＢＩＯ）、物理稳定性有机质（ＰＯＭ）、化学稳定性有机质（ＣＯＭ）。Ｊｅｎｋｉｎｓｏｎ在后来的改进模型中以腐殖化有机质（ＨＵＭ）和惰性有机质（ＩＯＭ）代替了ＰＯＭ和ＣＯＭ。ＤＰＭ和ＲＰＭ为新输入的有机物质‚ＢＩＯ、ＨＵＭ、ＩＯＭ是土壤有机质库的3个组分［20］。3．2模型结构ＲｏｔｈＣ模型可进行2种模式运行。如果地下来源的作物有机碳输入量已知‚可运行“顺向”模式‚计算这些输入的碳在特定的气候和特定的土壤类型下分解转化的数量‚及其对土壤有机碳库产生的影响。但作物地下有机碳来源于植物根系残体、根系分泌物、微生物量的周转等‚一般情况下很难准确知道其输入数量。因此‚模型可通过运行“逆向”模式‚对ＳＯＣ含量处于相对平衡的土壤估算维持平衡所需的碳输入量。3．3变量及制备ＲｏｔｈＣ模型各项系数如下：①输入有机碳进入各分室的比例：ＰＤ＝0．83‚ＰＲ＝0．163‚ＰＢ＝0．076‚ＰＰ＝0．125‚ＰＣ＝0．0035；②各分室分解系数ｋ（ｙｒ－1）：ＤＰＭ＝10．0‚ＲＰＭ＝0．3‚ＢＩＯ＝0．66‚ＨＵＭ＝0．02；③各分室经过1年后的残留量占原来量的比例：ｄ＝0．015‚ｒ＝0．741‚ｂ＝0．664‚ｐ＝0．986‚ｃ＝0．99965；④各分室内有机碳的半减期（年）：ｔＤ＝0．165‚ｔＲ＝2．31‚ｔＢ＝1．69‚ｔＰ＝49．5‚ｔＣ＝1980［21］。3．4应用案例杨学明等利用ＲｏｔｈＣ模型模拟研究了东北地区黑土长期定位施肥试验中玉米连作制度下土壤有机碳（ＳＯＣ）含量的变化［19］‚结果表明‚模型预测值与实测值之间吻合较好‚说明ＲｏｔｈＣ模型可以很好的用来模拟东北温带气候区现有耕作管理条件下黑土ＳＯＣ的动态变化［22］。3．5模型检验ＲｏｔｈＣ模型的计算精度在一些区域得到了很好的验证‚但是如湿地、热带土壤地区等区域‚该模型并不适合。Ｊｅｎｋｉｎｓｏｎ等利用洛桑实验站长期定位试验‚对ＲｏｔｈＣ模型进行了检验［18］。其中‚“Ｂｒｏａｄｂａｌｋ”、“Ｆｏｓｔｅｒｓ”试验地的模拟结果较好‚但低估了“Ｈｉｇｈｆｉｅｌｄ”试验地的土壤有机碳含量的变化。Ｗｕ等发现‚ＲｏｔｈＣ模型模拟土壤湿度和作物覆盖对有机质分解速度影响的方法不适合于热带土壤‚同时还发现‚“ＨＵＭ”分室不能准确地反映出未腐殖化有机质（微生物代谢产物）和结构稳定的腐殖质2种成分的变化［23］。4ＤＮＤＣ模型ＤＮＤＣ模型由美国ＮｅｗＨａｍｐｓｈｉｒｅ大学最早开发‚目标是模拟农业生态系统中碳和氮的生物地球化学循环‚时间步长以日为单位‚是目前国际上最为成功的模拟生物地球化学循环的模型之一。该模型以碳、氮和水在陆地生态系统的迁移转化为线索‚将陆地生态系统纳入一个可操作的数字化模型中。该模型还可用于模拟预测陆地生态系统最大生产潜力、土壤固碳作用‚可以对生长在不利环境中的植物生长进行预测等。另外‚该模型对研究生物地球化学循环和陆地生态系统可持续发展具有积极的指导意义［24］。4．1模型原理ＤＮＤＣ模型最初是以反硝化作用和分解作用为主要模拟过程。该模型以土壤性质、气候状况和农业生产措施为输入信息‚可模拟农田生态系统中Ｎ2Ｏ等气体的产生与排放‚还可以输出每日土壤及生物体中的Ｃ和Ｎ含量、土壤不同层次的温度与湿度数据以及排放到大气中的ＣＯ2、ＣＨ4、Ｎ2Ｏ及ＮＯ气体量等相关结果。ＤＮＤＣ模型模拟土壤气候、植物生长、有机质分解、硝化、反硝化和发酵过程中土壤有机质的产生、分解和转化‚最后给出土壤有机碳各组分动态含量及ＣＯ2、ＣＨ4、Ｎ2Ｏ、ＮＯ和Ｎ2等温室气体通量。植物生长子模型可具体化为各种农作物、森林或草地‚以适用于不同陆地生态系统。4．2模型结构ＤＮＤＣ模型由2个部分组成：第1部分用于根据输入的气象、土壤、植被、土地利用和管理等数据来预测植物－－－土壤系统的众多环境因子的动态变化‚模拟土壤气候、植物生长和土壤有机质分解‚其本身又包括土壤气候子模型、植物生长子模型与有机质分解子模型；第2部分的作用是由土壤环境因子来预测微生物对Ｃ和Ｎ的各类转化速率‚包含硝化、脱氮和发酵等3个子模型［24］。上述6个子模型以日或小时为时间步长‚互相传递信息‚可以模拟真实世界中环境条件－植物生长－土壤化学变化间的相互作用。ＤＮＤＣ模型考虑了植物残体（凋落物）、微生物生物量、易分解腐殖质、惰性腐殖质4种土壤有机碳库。每个库又包含具有不同分解速率的2个或3个子库。每个子库的日分解速率可根据子库大小、比分解速率、土壤粘土成分、Ｎ的有效性、土壤温湿度等估算。某一个子库的土壤有机碳分解后1765137卷35期邓祥征等农田碳汇估算模型与应用研究述评会分配到另一个子库‚并以ＣＯ2形式流失部分碳。溶解有机碳在分解过程中形成‚并可由土壤微生物直接分解。4．3变量及制备ＤＮＤＣ是一个点位模型‚当模拟任一地点（如1ｈｍ2农田）上的生物地球化学过程时‚需要该点位的气象和土壤等输入参数来支持‚这些参数代表着驱动此点生态系统运动的基本要素。具体输入参数内容如表2所示［25］。表2ＤＮＤＣ模型所需的输入参数Ｔａｂｌｅ2ＮｅｅｄｅｄｉｎｐｕｔｐａｒａｍｅｔｅｒｓｉｎＤＮＤＣｍｏｄｅｌ序号Ｎｏ．类别Ｋｉｎｄｓ输入参数Ｉｎｐｕｔｐａｒａｍｅｔｅｒｓ1气象日最高气温、日最低气温、日降水量、日照时数或太阳辐射量2土壤质地、容重、粘土含量百分比、酸碱度、总有机质含量3植被农作物类型、复种及轮作‚或草地类型或森林种类4管理犁地次数、时间及深度‚化肥施田次数、时间、深度、种类及数量‚有机肥施用次数、时间、深度、种类及数量‚灌溉次数、时间及水量‚水稻田淹水及晒田次数及时间‚除草次数及时间‚放牧牲畜种类、头数及放牧时间4．4输出变量ＤＮＤＣ模型是模拟输出有关微生物的活动及其代谢产物。ＤＮＤＣ首先计算土壤剖面的温度、湿度、氧化还原电位等物理条件及碳、氮等化学条件；然后将这些条件输入到植物生长子模型中‚结合有关植物生理及物候参数‚模拟植物生长；当作物收割或植物枯萎后‚ＤＮＤＣ将残留物输入有机质分解子模型‚追踪有机碳、氮的逐级降解；由降解作用产生的可给态碳、氮被输入硝化、脱氮及发酵子模型中‚ＤＮＤＣ进而模拟微生物的活动及其代谢产物。ＤＮＤＣ日复一日地运转‚并记录每日各项预测结果‚当一个模拟年结束时‚一个全年总结报告会自动生成。ＤＮＤＣ的模拟时间尺度可以根据研究需要而定‚少至几日‚多至几百年。每日或每年的输出项目包括土壤物理化学环境条件、植物生长状况、土壤碳及氮库、土壤－大气界面的碳及氮交换通量等。表3给出了输出项目的详细内容［25］。表3ＤＮＤＣ模型的输出参数Ｔａｂｌｅ3ＯｕｔｐｕｔｐａｒａｍｅｔｅｒｓｉｎＤＮＤＣｍｏｄｅｌ序号Ｎｏ．项目Ｉｔｅｍ输出参数Ｉｎｐｕｔｐａｒａｍｅｔｅｒｓ1土壤物理逐日变化的土壤温度剖面、湿度剖面、ｐＨ剖面及Ｅｈ剖面‚水分蒸发量2土壤化学每日土壤有机碳、氮库量、ＤＯＣ库量‚ＮＯ2－和ＮＨ4＋含量‚有机质矿化速率3植物生长日植物生长量‚生物量在根、茎、叶及籽粒的分配‚氮吸收量‚水分吸收量4气体排放ＣＯ2、ＣＨ4、Ｎ2Ｏ、ＮＯ、Ｎ2及ＮＨ3的日排放通量4．5模型应用ＤＮＤＣ系列模型在国内外得到广泛应用‚尤其是在农业、森林和草地研究领域‚并且大多采用ＤＮＤＣ计算土壤固碳作用和温室气体排放。该模型最早应用于对农田土壤Ｃ和Ｎ动态的影响预测。后来该系列模型开始应用于温度和降水对森林土壤Ｎ2Ｏ和ＮＯ排放的影响。改进后的ＤＮＤＣ模型在预测农田土壤痕量气体排放和温室气体排放研究方面得到了应用。另外‚ＤＮＤＣ模型与经济学模型相链接‚形成了经济－生态模型ＥＦＥＭ-ＤＮＤＣ‚用于模拟预测温室气体排放对作物和家畜生产及其经济效益的影响。4．6模型检验ＤＮＤＣ模型目前已在世界许多地区得到验证并开展了应用研究［24‚26］。ＤＮＤＣ的模拟结果基本再现了英国洛桑农业实验站农田的土壤有机质长期动态［18］。ＤＮＤＣ模型在我国也已有验证和相关方面的应用研究。王立刚等从模拟分析耕地土壤碳变化的角度出发‚利用实验站长期定位试验的实际测定结果验证ＤＮＤＣ模型‚发现ＤＮＤＣ模型模拟结果与实测值之间表现出较强的一致性［27］。5结论从总体上看‚土壤有机碳动态模型、ＣＥＮＴＵＲＹ模型、ＲｏｔｈＣ模型和ＤＮＤＣ模型都较好地模拟了土壤有机碳的动态变化过程‚为农田碳汇的估算提供了很好的方法。但目前研究我国农田碳汇的模型大多引自国外。由于我国农田土壤及其利用类型的多样性‚土地管理、经营干扰与国外情况差异性的存在‚因此‚这些模型并不能完全符合我国的国情‚我国应建立适合各区域具体情况的农田碳汇模型。另外‚由于不同土壤－气候－作物带下土壤有机碳转化动力学研究很少‚描述我国农业土壤有机碳循环的模型构建还很少。碳汇估计的方法学、资料的代表性与估计模型的建立都是目前农田土壤碳汇研究的热点问题。今后我国要加强这方面的研究工作‚以期为决策部门提供科学的指导和建议。参考文献［1］ＬＩＮＥＤ‚ＬＩＹＥ‚ＧＵＯＬＰ．Ｃａｒｂｏｎｅｍｉｓｓｉｏｎｓａｎｄｓｉｎｋｓｉｎａｇｒｏ-ｅｃｏ-ｓｙｓ-ｔｅｍｓｏｆＣｈｉｎａ［Ｊ］．ＳｃｉｅｎｃｅｉｎＣｈｉｎａ（ＳｅｒｉｅｓＣ）‚2002‚45（Ｓ1：30－39．［2］吴乐知‚蔡祖聪．基于长期试验资料对中国农田表土有机碳含量变化的估算［Ｊ］．生态环境‚2007‚16（6）：1768－1774．［3］黄耀‚杨兆芳‚于永强‚等．稻麦作物净初级生产力模型研究：模型的建立［Ｊ］．环境科学学报‚2005‚26（2）：11－15．［4］ＲＥＥＶＥＳＤＷ．Ｔｈｅｒｏｌｅｏｆｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｉｎｍａｉｎｔａｉｎｉｎｇｓｏｉｌｑｕａｌｉｔｙｉｎｃｏｎｔｉｎｕｏｕｓｃｒｏｐｐｉｎｇｓｙｓｔｅｍ［Ｊ］．ＳｏｉｌａｎｄＴｉｌｌａｇｅＲｅｓｅａｒｃｈ‚1997‚43：131－167．［5］黄耀‚刘世梁‚沈其荣‚等．农田土壤有机碳动态模拟模型的建立［Ｊ］．中国农业科学‚2001‚34（5）：465－468．［6］刘世梁‚黄耀‚沈其荣‚等．农田土壤有机碳动态模拟模型的检验与应用［Ｊ］．中国农业科学‚2001‚34（6）：644－648．［7］ＳＭＩＴＨＪＢ‚ＷＥＩＳＳＳＦ‚ＦＥＲＧＵＳＯＮＧＪ．Ａｈｙｐｅｒｔｅｘｔｗｒｉｔｉｎｇｅｎｖｉｒｏｎｍｅｎｔａｎｄｉｔｓｃｏｇｎｉｔｉｖｅｂａｓｉｓ‚ｐｒｏｃｅｅｄｉｎｇｓｏｆｈｙｐｅｒｔｅｘｔ’87［Ｍ］．ＮｅｗＹｏｒｋ：ＡＣＭＰｒｅｓｓ‚1987．［8］ＰＡＲＴＯＮＷＪ‚ＳＣＨＩＭＥＬＤＳ‚ＳＯＬＥＣＶ．Ａｎａｌｙｓｉｓｏｆｆａｃｔｏｒｓｃｏｎｔｒｏｌｌｉｎｇｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｌｅｖｅｌｓｉｎｇｒｅａｔｐｌａｉｎｓｇｒａｓｓｌａｎｄｓｉｎｓｅｍｉ-ａｒｉｄＲｅｇｉｏｎｓ［Ｍ］．Ｄｏｒｄｒｅｃｈｔ：ＫｌｕｗｅｒＡｃａｄｅｍｉｃＰｕｂｌｉｓｈｅｒｓ‚1987．［9］高鲁鹏‚梁文举‚姜勇．利用ＣＥＮＴＵＲＹ模型研究东北黑土有机碳的动态变化［Ｊ］．应用生态学报‚2004‚15（5）：772－776．［10］高崇升‚杨国亭‚王建国‚等．ＣＥＮＴＵＲＹ模型在农田生态系统中的应用及其参数确定［Ｊ］．农业系统科学与综合研究‚2006‚22（1）：50－52．［11］方华军‚杨学明‚张晓平‚等．耕作及水蚀影响下坡耕地土壤有机碳动态模拟［Ｊ］．土壤学报‚2006‚43（5）：730－735．［12］ＰＡＲＴＯＮＷＪ‚ＲＡＳＭＵＳＳＥＮＰＥ．Ｌｏｎｇ-ｔｅｒｍｅｆｆｅｃｔｓｏｆｃｒｏｐｍａｎａｇｅｍｅｎｔｉｎｗｈｅａｔ-ｆａｌｌｏｗ［Ｊ］．ＳｏｉｌＳｃｉｅｎｃｅＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ‚1994‚58：530－536．［13］ＫＥＬＬＹＲＨ‚ＰＡＴＯＮＷＪ‚ＣＲＯＣＫＥＲＧＪ‚ｅｔａｌ．Ｓｉｍｕｌａｔｉｎｇｔｒｅｎｄｓｉｎｓｏｉｌｏｒｇａｎｉｃｃａｒｂｏｎｉｎｌｏｎｇ-ｔｅｒｍｅｘｐｅｒｉｍｅｎｔｓｕｓｉｎｇｔｈｅＣＥＮＴＵＲＹｍｏｄｅｌ［Ｊ］．Ｇｅｏｄｅｒｍａ‚1997‚81（1／2）：75－90．［14］肖向明‚王义凤‚陈佐忠．内蒙古锡林河流域草原初级生产力和土壤有机质的动态及其对气候变化的反映［Ｊ］．植物学报‚1996‚38（1）：45－52．［15］黄忠良．运用Ｃｅｎｔｕｒｙ模型模拟管理对鼎湖山森林生产力的影响［Ｊ］．植物生态学报‚2000‚24（2）：175－179．［16］申卫军‚彭少麟‚邬建国‚等．南亚热带鹤山主要人工林生态系统Ｃ、Ｎ累积及分配格局的模拟研究［Ｊ］．植物生态学报‚2003‚27（5）：690－699．（下转第17691页）17652安徽农业科学2009年定‚易被分子热运动所破坏。但随着温度的降低体系的黏度增大‚分子的活动能力降低‚晶体生成的速度降低‚从而不利于抗性淀粉形成。2．5压热冷却循环对抗性淀粉形成的影响多次压热反应既为抗性淀粉进行了一次糊化、回生‚又进行了第二次糊化、回生‚如此类推则为多次冷热循环‚即为多次压热处理‚其目的是使淀粉糊化更充分‚回生时形成的晶体更多‚结晶区可抵抗酶解。从图6可以看出‚5次压热反应‚抗性淀粉的得率得到很大提高‚但是从第3次压热处理以后‚抗性淀粉的得率变化不明显。因此从综合方面考虑‚最经济合理的压热处理次数为3次。图6不同压热冷却循环对抗性淀粉形成的影响Ｆｉｇ．6Ｅｆｆｅｃｔｓｏｆｄｉｆｆｅｒｅｎｔａｕｔｏｃｌａｖｉｎｇｃｏｏｌｉｎｇｃｙｃｌｅｏｎｔｈｅｆｏｒ-ｍａｔｉｏｎｏｆｒｅｓｉｓｔａｎｔｓｔａｒｃｈ2．6抗性淀粉最佳工艺的正交优化结果由表2的极差分析结果可知‚影响抗性淀粉得率的因素主次顺序为：Ａ＞Ｂ＞Ｃ＞Ｄ‚即水分含量＞压热温度＞压热时间＞干燥温度‚且获得直链淀粉得率的最佳组合为Ａ2Ｂ3Ｃ1Ｄ2‚即最佳工艺条件为：水分含量70％‚压热温度135℃‚压热时间40ｍｉｎ‚储藏温度60℃‚在此条件下抗性淀粉得率为42．89％。3结论该研究结果表明‚淀粉乳浓度、压热温度、压热时间、储藏时间、储藏温度及压热冷却循环次数对抗性淀粉的形成有不同程度的影响。其中‚压热温度、水分含量、储藏温度及压热冷却循环次数对抗性淀粉得率影响较大。压热法制备抗性淀粉的最佳处理条件为：压热温度135℃‚压热时间40ｍｉｎ‚表2Ｌ9（34）正交试验结果Ｔａｂｌｅ2ＴｈｅｒｅｓｕｌｔｓｏｆＬ9（34）ｏｒｔｈｏｇｏｎａｌｅｘｐｅｒｉｍｅｎｔ试验号ＴｅｓｔＮｏ．ＡＢＣＤ抗性淀粉得率∥％Ｒｅｓｉｓｔａｎｔｓｔａｒｃｈｙｉｅｌｄ1111130．202122232．643133334．144212334．505223136．556231242．897313234．918321338．409332139．20Ｋ196．9899．61111．49105．95Ｋ2113．94107．59106．34110．44Ｋ3112．51116．23105．60107．04ｋ132．3333．2037．1635．32ｋ237．9835．8635．4536．81ｋ337．5038．7435．2035．68Ｒ5．655．541．961．49水分含量70％‚储藏温度4℃‚压热冷却循环3次‚此条件下抗性淀粉的得率达到42．89％。参考文献［1］闵伟红‚刘艳‚林小秋‚等．生物发酵对玉米淀粉中直链淀粉含量影响的研究［Ｊ］．中国粮油学报‚2007（5）：39－43．［2］ＥＮＧＬＹＳＴＨＮ‚ＡＮＤＥＲＳＥＮＶ‚ＣＵＭＭＩＮＧＳＪＨ．Ｓｔａｒｃｈａｎｄｎｏｎ-ｓｔａｒｃｈｐｏｌｙｓａｃｃｈａｒｉｄｅｓｉｎｓｏｍｅｃｅｒｅａｌｆｏｏｄｓ［Ｊ］．ＪＳｃｉＦｏｏｄＡｇｒｉｃ‚1983‚34：1434－1440．［3］ＥＵＲＥＳＴＡ．Ｅｕｒｏｐｅａｎｆｌａｉｒ-ｃｏｎｃｅｒｔｅｄａｃｔｉｏｎｏｎｒｅｓｉｓｔａｎｔｓｔａｒｃｈ‚ＮｅｗｌｅｔｔｅｒＩＶ．Ｎｅｗｓｌｅｔｔｅｒ［Ｃ］．ＴｈｅＮｅｔｈｅｒｌａｎｄｓ：Ｓｅｐｔｅｍｂｅｒ‚ＨｕｍａｎＮｕｔｒｉｔｉｏｎＤｅｐａｒｔ-ｍｅｎｔ‚ＷａｇｅｎｉｎｇｇｅｎＡｇｒｉｃｕｌｔｕｒｅＵｎｉｖｅｒｓｉｔｙ‚Ｗａｇｅｎｉｎｇｅｎ‚1993．［4］ＢＲＹＮＥＳＳ‚ＤＥＮＹＥＲＧ‚ＢＲＡＤＭＪ．ＴｈｅｐｈｙｓｉｏｌｏｇｉｃａｌｒｏｌｅｏｆｒｅｓｉｓｔａｎｔｓｔａｒｃｈＰｒｏｃ［Ｊ］．ＮｕｔｒＳｏｃＡｕｓｔ‚2000‚18：117－125．［5］ＭＵＩＲＪＧ‚ＢＲＩＫＥＴＴＡ‚ＢＲＯＷＮＬ‚ｅｔａｌ．ＤｉｇｅｓｔｉｏｎｏｆｔｈｅｐｏｌｙｓａｃｃｈａｒｉｄｅｓｏｆｓｏｍｅＣｅｒｅａｌｆｏｏｄｓｉｎｔｈｅｈｕｍａｎｓｍａｌｌｉｎｔｅｓｔｉｎｅ［Ｊ］．ＡｍＪＣｌｉｎＮｕｔｒ‚2000‚15（6）：89－95．［6］王竹‚杨月欣‚周瑞华‚等．抗性淀粉的代谢及对血糖的调节作用［Ｊ］．营养学报‚2003‚25（2）：190－194．［7］ＧＯＮＩＩ‚ＧＡＲＣＩＡ-ＤＩＺＬ‚ＭＡＮＡＳＥ‚ｅｔａｌ．Ａｎａｌｙｓｉｓｏｆｒｅｓｉｓｔａｎｔｓｔａｒｃｈ：ａｍｅｔｈｏｄｆｏｒｆｏｏｄｓａｎｄｆｏｏｄｐｒｏｄｕｃｔｓ［Ｊ］．ＦｏｏｄＣｈｅｍｉｓｔｒｙ‚1996‚56（4）：445－449．［8］杨光‚丁霄霖．抗性淀粉定量测定方法的研究［Ｊ］．中国粮油学报‚2002（6）：59－62．［9］杨光‚丁霄霖．压热处理对抗性淀粉形成的影响［Ｊ］．中国粮油学报‚2001（6）：45－47．（上接第17652页）［17］ＳＭＩＴＨＰ‚ＳＭＩＴＨＪＵ‚ＰＯＷＬＳＯＮＤＳ‚ｅｔａｌ．Ａｃｏｍｐａｒｉｓｏｎｏｆｔｈｅｐｅｒ-ｆｏｒｍａｎｃｅｏｆｎｉｎｅｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｍｏｄｅｌｓｕｓｉｎｇｄａｔａｓｅｔｓｆｒｏｍｌｏｎｇ-ｔｅｒｍｅｘｐｅｒｉｍｅｎｔｓ［Ｊ］．Ｇｅｏｄｅｒｍａ‚1997‚81（1／2）：153－225．［18］ＪＥＮＫＩＮＳＯＮＤＳ．ＴｈｅＲｏｔｈａｍｓｔｅｄｌｏｎｇ-ｔｅｒｍｅｘｐｅｒｉｍｅｎｔｓ：Ａｒｅｔｈｅｙｓｔｉｌｌｏｆｕｓｅ［Ｊ］．ＡｇｒｏｎｏｍｙＪｏｕｒｎａｌ‚1991‚83：2－10．［19］邱建军‚秦小光．农业生态系统碳氮循环模拟模型研究［Ｊ］．世界农业‚2002（9）：39－41．［20］杨学明‚张晓平‚方华军‚等．用ＲｏｔｈＣ-26．3模型模拟玉米连作下长期施肥对黑土有机碳的影响［Ｊ］．中国农业科学‚2003‚36（11）：1318－1324．［21］高鲁鹏‚梁文举‚姜勇‚等．土壤有机质模型的比较分析［Ｊ］．应用生态学报‚2003‚14（10）：1804－1808．［22］方华军‚杨学明‚张晓平‚等．坡耕地黑土有机碳空间异质性和格局研究［Ｊ］．水土保持通报‚2005‚25（3）：20－24．［23］ＷＵＪ‚ＳＹＥＲＳＪＫ．Ｍｏｄｅｌｉｎｇｓｏｉｌｏｒｇａｎｉｃｍａｔｔｅｒｃｈａｎｇｅｓｉｎｌｅｙａｒａｂｅｒｏｔａ-ｔｉｏｎｓｉｎｓａｎｄｙｓｏｉｌｓｏｆＮｏｒｔｈｅａｓｔＴｈａｉｌａｎｄ［Ｊ］．ＥｕｒｏｐｅａｎＪｏｕｒｎａｌｏｆＳｏｉｌＳｃｉｅｎｃｅ‚1998‚49：463－470．［24］巴特尔·巴克‚彭镇华‚张旭东‚等．生物地球化学循环模型ＤＮＤＣ及其应用［Ｊ］．土壤通报‚2007‚38（6）：1208－1212．［25］李长生．生物地球化学的概念与方法－－－ＤＮＤＣ模型的发展［Ｊ］．第四纪研究‚2001‚21（2）：89－99．［26］ＴＡＮＧＨ‚ＱＩＵＪ‚ＶＡＮＲＡＮＳＴＥ‚ｅｔａｌ．ＥｓｔｉｍａｔｉｏｎｓｏｆｓｏｉｌｏｒｇａｎｉｃｃａｒｂｏｎｓｔｏｒａｇｅｉｎｃｒｏｐｌａｎｄｏｆＣｈｉｎａｂａｓｅｄｏｎＤＮＤＣｍｏｄｅｌ［Ｊ］．Ｇｅｏｄｅｒｍａ‚2006‚134（1／2）：200－206．［27］王立刚‚邱建军‚马永良‚等．应用ＤＮＤＣ模型分析施肥与翻耕方式对土壤有机碳含量的长期影响［Ｊ］．中国农业大学学报‚2004‚9（6）：15－19．1769137卷35期刘艳等高直链玉米抗性淀粉制备工艺的优化研究