陜西省關中地區農田生態系統碳源／匯估算

位賀杰，張艷芳，朱 妮，栗新巧

（陜西師范大學 旅游與環境學院，陜西 西安710062）

溫室氣體的增加，引發了一系列的全球變化，對地球生態系統產生長期的影響［1］。陸地生態系統作為解釋碳“失匯”之謎的關鍵，其碳源匯或碳平衡問題成為碳循環領域的研究熱點［2－5］。農田生態系統是由人工建立的生態系統，它是陸地生態系統的重要組成部分，受自然因素和人類活動影響較大，同時也是重要的碳源和碳匯。以往對農田生態系統碳吸收的測算研究，多集中于運用農作物產量數據、經濟系數結合 含 碳 率 進 行 估 算［2，5，6－10］，CASA （carnegie ames stanford biosphere）模型是一個主要表征陸地生態系統中水分、碳素和氮素通量隨時間變化的生態系統過程模型，它主要應用陸地衛星觀測資料和氣候驅動因子來估測陸地生態系統生物地球化學循環［3］，該模型已被廣泛利用估測區域NPP（植被凈初級生產力）［3，11－14］，對其 稍 作 改 進 可 用 來 估 算 農 田 作 物 碳 吸收；以往對農田生態系統碳源匯綜合估算，多以省域、市域為單元進行［7－10］，而站在地理學視角，對小尺度（縣域）農田碳狀況估算，研究其空間差異，則可以為制定更具有針對性和可操作性的相關政策提供依據。

本文選取陜西“糧倉”關中地區，運用改進的CASA模型，測算關中地區農田縣域碳吸收量；基于化肥、農膜、農地翻耕、農機運用4類主要碳排放源，測算該地區農田縣域碳排放量；同時對該地區農田生態系統的碳吸收、碳排放、凈碳匯空間格局及空間差異狀況進行探討。

1 研究區概況

關中地區地處陜西省中部（附圖2），地勢平坦，農田面積廣闊，土壤肥沃，屬大陸性氣候，年均溫6～13℃，年降水量500～800mm，其中6—9月約占60%，降水多為短時暴雨，冬春季降水較少，春旱、伏旱頻繁，是全國重要的麥、棉產區。研究范圍包括西安、寶雞、渭南、咸陽和銅川的各縣（市）區，測算對象包括各類農田，含旱地、水田、菜地以及臨時性耕地等。

2 研究方法與數據來源

2.1 研究方法

（1）碳吸收計算。農作物碳匯系數的大小，學術界一直有爭議，本研究利用改進CASA模型來估算農田作物各個階段碳吸收量，原模型是測算NPP的，本研究對其稍作改進用于測算農田作物碳吸收。主要公式如下［13－14］：

式中：x——農田類像元；t——月份；C（x，t）——像元x在t月份的碳吸收量（g／m2）；NPP（x，t）——像元x在t月份的農田作物凈初級生產力。下同。

式中：APAR（x，t）——像元x 在t 月份吸收的光和 有效輻射（MJ／m2）；ε（x，t）——像元x在t月份的實際光能利用率（g／MJ）。

APAR的確定：

式中：SOL（x，t）——t月份像元x 處的太陽 總 輻 射量（MJ／m2）；FPAR（x，t）——農田作物對入射光合有效輻射（PAR）的吸收比例；常數0.5——作物所能利用的太陽有效輻射占太陽總輻射的比例；FPAR（x，t）NDVI和 FPAR（x，t）SR——由 歸 一 化 植 被 指 數（NDVI）和比值植被指數（SR）計算而得的植被層對入射光合有效輻射的吸收比例［13］。

ε的確定：

式中：f1（x，t）——低溫脅迫 系 數；f2（x，t）——高 溫 脅 迫系數；w（x，t）——水分脅迫系數；εmax——理想條件下的農田作物最大光能轉化率（g／MJ），取0.542［14］；Topt（x）——研究區內一年之中農田NDVI值達到最高時當月的平均氣溫，取8月份；T（x，t）——t月平均氣溫；EP（x，t），E（x，t）——x 像元t 月份潛在蒸散量和實際蒸散量（mm），兩者比值本研究采取NDVI與Ts（地表溫度）比值歸一化后的值［15－16］。

（2）碳排放計算。對農田生態系統碳排放，研究主要估算了以下4類：農用化肥導致的直接或間接碳排放；農用薄膜或地膜導致的直接或間接碳排放；農地翻耕導致的土壤有機碳流失；農機運用消耗能源導致的碳排放。研究未對土壤呼吸碳排放進行估算，農藥利用產生的碳排放由于量少且分縣數據難得，故未進行估算，而對農地灌溉消耗能源產生的碳排放，為防止重復計算，將其合并到農機運用產生碳排放中。主要公式如下［2，9，17］：

式中：Et，Eh，Em，Ef，Ej——農田生態系統總的、化肥利用的、農膜利用的、翻耕以及農機利用的碳排放量（kg）；h，m，f——化肥、農膜、翻耕碳排放系數，分別取0.895 6，5.18（kg／kg），312.6（kg／km2）；Th，Tm——化肥、農膜使用量（kg）；Tf——農作物翻耕面積（km2）。

式中：Am——農作物播種面積（km2）；Wm——農機總動力（kW）；B，C——農機利用碳排放系數，分別取16.47kg／hm2，0.18kg／kW。

2.2 數據來源

遙感數據主要有NDVI數據，Ts（地表溫度）數據以及土地分類數據，NDVI與Ts采用2010年的MODIS數據共72景，數據格式分別為MOD13Q1，MOD11A1，CASA模型中NPP估算以月為步長，而MOD13Q1以16d為步長，采用最大值法獲取最終NDVI數據，土地分類采用2009年歐空局全球陸地覆蓋數據（ESA GlobCover），為300m分辨率，使用之前結合MCD12Q1格式的土地覆蓋數據進行了重分類處理，并將其中的農田類像元提取出來，所用全部遙感數據統一在ArcGIS 9.3平臺下，利用關中地區矢量圖裁切出來，轉為300m分辨率，空間參考系為 WGS－1984－Albers。

氣象數據主要為2010年各月的平均氣溫（陜西周邊98個氣溫降水站點）以及月總輻射（陜西周邊18個太陽輻射站點），獲取自氣象數據共享網。將各月氣溫數據和月總輻射數據使用克里金法插值為300m分辨率柵格圖，后利用關中地區矢量圖裁切出來。

化肥施用量、農膜使用量、農業機械總動力以及農作物播種面積等數據均源自2011年《陜西統計年鑒》，為研究方便，對部分區、縣（市）進行了合并（附圖2）。

3 結果與分析

3.1 關中地區農田生態系統碳吸收測算與分析

利用改進CASA模型對關中農田生態系統碳吸收量進行逐月估算，后利用ArcGIS 9.3下的統計分析功能，統計各月碳吸收總量。從圖1中可以看出2010年各月碳吸收總量變化情況：碳吸收總量值以6，7，8月相對較高，這3個月為關中地區農田作物生長旺季，且這3個月，太陽輻射與降水量相對較好，7月碳吸收總量達到1.24×106t，為各月最高值；12，1，2，3月碳吸收總量相對較低，此段時期產生碳匯的主要為越冬農作物，加之受太陽輻射、降水、氣溫影響，碳吸收貢獻量為一年中最低時期，其中12月份碳吸收總量達到最低，僅為1.48×105t。

圖1 關中地區農田生態系統分月碳吸收量

對逐月碳吸收量進行求和，使用ArcGIS 9.3下的分區統計功能得到2010年關中地區各地市和各縣（區或市）的農田碳吸收總量（圖1）。2010年，咸陽市碳吸收總量為各地市最高，達到1.76×106t，而后是渭南市1.75×106t，寶雞市1.62×106t，西安市8.02×105t，最低的為銅川市5.10×105t。

農田碳吸收總量大于2.00×105t的區縣（市）按大小排序為：陳倉、隴縣、蒲城、彬縣、渭南（臨渭區）、麟游、富平、乾縣、大荔和鳳翔，其碳吸收量約占關中地區農田總碳吸收量的37%，這些地區農田面積較為廣闊，土壤肥沃，適合農作物生長，碳匯潛力巨大。其中屬于寶雞的有陳倉、隴縣、鳳翔和麟游，分布在寶雞北部地區；屬于咸陽的有乾縣、彬縣，分布在咸陽西部地區；屬于銅川的僅有耀州區，在銅川西部；屬于渭南的有臨渭區（渭南）、富平、大荔，分布在渭南中部和西南部地區。農田碳吸收總量小于5.0×104t的區縣（市）有潼關、高陵、寶雞（渭濱區和金臺區）、西安（主城區）、太白，這些地區由于農田面積少或主要為市區，農業并非發展重點，故碳吸收量較少，其主要分布區域在行政中心或關中地區南部邊緣處。

3.2 關中地區農田生態系統碳排放測算與分析

對2010年關中地區農田生態系統4類碳排放、總碳排放進行逐縣（區或市）測算（圖2—3）。分地市統計碳排放量，其中渭南總量最高，達到5.05×105t，咸陽為4.12×105t，西安為2.32×105t，寶雞為2.10×105t，最低的銅川為4.83×104t；研究區總碳排放超過6.00×104t的縣（區或市）有渭南的富平、大荔和蒲城，主要分布在渭南中部，以及咸陽的乾縣、禮泉分布在咸陽中部偏南地區，這些地區一般為農業大縣，化肥或農膜使用量大，農機利用率高，故碳排放量較高，而低于1.00×104t的有銅川（王益區和印臺區）、寶雞（渭濱區和金臺區）、鳳縣、太白、潼關、華陰，這些地區農田面積較少，農業相關物質消耗較少，相關農業設備使用率低，故碳排放量較低，大部分分布在行政中心或關中地區南部邊緣。

研究區總碳排放構成中，農用化肥為主要碳排放源，約占89%，農膜利用約占7.9%，最低的為農地翻耕產生碳排放，約占0.4%；農用化肥碳排放空間格局與總碳排放類似；農膜利用產生碳排放量以渭南北部的蒲城最為突出，高達約2.60×104t，這是由該地農業種植特征決定的，西安市農膜利用碳排放也較高，體現了都市農業高農膜利用率的特征；農機利用碳排放高值區，多分布在行政中心或農業大縣，如西安的2區（長安、臨潼）、3縣（藍田、周至和戶縣），寶雞的陳倉區和鳳翔縣，咸陽的乾縣以及渭南的臨渭區、蒲城和富平，這里應該有兩個原因，一是行政中心工商業發達，二是農業大縣規模化特征突出，農機利用率較高。

圖2 關中地區農田生態系統分縣碳測算量

圖3 關中地區農田生態系統分縣各類碳排量

3.3 關中地區農田生態系統凈碳匯測算與分析

農田生態系統凈碳匯指碳吸收總量與碳排放總量的差值，利用2010年碳吸收與排放數據對關中地區農田凈碳匯進行逐縣（區或市）測算（圖2）。分地市統計凈碳匯量，其中寶雞總量最高，達到1.41×106t，咸陽為1.35×106t，渭南為1.25×106t，接下來是西安、銅川各為5.70×105，4.62×105t，呈現這種空間格局，主要影響因素是各地市農田面積大小，其次為各地市的農田種植結構以及對農田的投入特征，如咸陽市雖然碳吸收量值最高，但因其對農田的粗放式投入比較嚴重。2010年其化肥使用量為關中化肥總使用量的30%，下屬縣（區或市）除旬邑、興平外，農田碳排放量均在2.20×104t以上，進而導致其凈碳匯值降低，位居寶雞之后。

關中地區各縣（區或市）凈碳匯量均為正值，其中凈碳匯總量超過2.00×105t的有寶雞的陳倉區、隴縣和麟游以及咸陽的彬縣，這些地區也是碳匯總量較大的地區，大多分布在關中地區西北部；凈碳匯總量的低值區分部在關中地區中部、南部，如西安（除臨潼、長安以外的5個區）、高陵、寶雞（渭濱區和金臺區）、太白和潼關等地，這些地區碳吸收量與碳排量均不高。

4 結論

（1）2010年關中地區農田生態系統碳吸收總量約為6.00×106t，其中6，7，8月為碳吸收高值月，以7月最高達1.24×105t，12，1，2，3月為碳吸收低值月，以12月份最低，僅為1.48×105t。

（2）分地市統計的碳吸收總量大小順序為：咸陽＞渭南＞寶雞＞西安＞銅川；碳吸收量高于2.00×105t的縣（區或市）分布在寶雞北部（陳倉、隴縣等），咸陽西部（乾縣、彬縣），渭南中部（富平、大荔）和西南部（臨渭區）。

（3）2010年關中地區農田生態系統碳排放總量約為1.41×106t，分地市統計碳排放總量大小排序為：渭南＞咸陽＞西安＞寶雞＞銅川；碳排放超過6.00×104t的縣（區或市）分布在渭南中部（富平、大荔等），咸陽中部偏南（乾縣、禮泉）；碳排放構成中，農用化肥為主要碳排放源，約占89%，其次農膜利用約占7.9%。

（4）2010年關中地區農田生態系統凈碳匯總量約為5.03×106t，分地市統計凈碳匯總量大小排序為：寶雞＞咸陽＞渭南＞西安＞銅川；各縣（區或市）凈碳匯量均為正值，凈碳匯總量超過2.00×105t的有寶雞的陳倉區、隴縣、麟游以及咸陽的彬縣，分布在關中地區西北部。

本文的主要不足包括：（1）對改進的CASA模型的測算結果還缺乏實測數據檢驗；（2）對農田類像元提取的精度有待提高；（3）研究中使用插值獲得的氣象數據而非使用格網數據，這些因素在一定程度上影響了研究的精度。

［1］ IPCC.IPCC Report of Climate Change in 2007 ［EB／OL］.（2008－07－20）［2013－01－20］.http：∥www.ipcc.ch.

［2］ 頡鵬，藺海明，黃高寶，等.河西綠洲農田生態系統碳源／匯的時空差異研究［J］.草業學報，2009，18（4）：224－229.

［3］ 裴志永，周才平，歐陽華.青藏高原高寒草原區域碳估測［J］.地理研究，2010，29（1）：102－110.

［4］ Al－mulali U，Binti Che Sab C N.The impact of energy consumption and CO2emission on the economic and financial development in 19selected countries［J］.Re－newable and Sustainable Energy Reviews，2012（16）：4365－4369.

［5］ 趙榮欽，秦明周.中國沿海地區農田生態系統部分碳源／匯時空差異［J］.生態與農村環境學報，2007，23（2）：1－6，11.

［6］ 祁興芳.基于低碳經濟的山東省德州市農田生態系統碳匯估算［J］.水土保持通報，2013，33（1）：157－161.

［7］ 王靜，馮永忠，楊改河.山西農田生態系統碳源／匯時空差異分析［J］.西北農林科技大學學報：自然科學版，2010，38（1）：195－200.

［8］ 袁再建，張京京，付亞男.河北省農田生態系統碳源／匯時空變化及其影響因素［J］.水土保持通報，2012，32（6）：206－210.

［9］ 段華平，張悅，趙建波.中國農田生態系統的碳足跡分析［J］.水土保持學報，2011，25（5）：203－208.

［10］ 錢曉雍.上海農田生態系統碳源匯時空格局及其影響因素分析［J］.農業環境科學學報，2011，30（7）：1460－1467.

［11］ 陳正華，麻清源，王建，等.利用CASA模型估算黑河流域凈第一性生產力［J］.自然資源學報，2008，23（2）：263－273.

［12］ 董丹，倪健.利用CASA模型模擬西南喀斯特植被凈第一性生產力［J］.生態學報，2011，31（7）：1855－1865.

［13］ 樸世龍，方精云，郭慶華.利用CASA模型估算我國植被凈第一性生產力［J］.植物生態學報，2001，25（5）：603－608.

［14］ 朱文泉，潘耀忠，張錦水.中國陸地植被凈初級生產力遙感估算［J］.植物生態學報.2007，31（3）：413－424.

［15］ 于勇，馮朝陽，陳艷梅，等.基于改進光能利用率模型呼倫貝爾植被凈初級生產力時空格局［J］.干旱區資源與環境，2013，27（3）：154－159.

［16］ 范遼生，姜紀紅，盛暉，等.利用溫度植被干旱指數（TVDI）方法反演杭州伏旱期土壤水分［J］.中國農業氣象，2009，30（2）：230－234.

［17］ 田云，張俊彪，李波.中國農業碳排放研究：測算、時空比較及脫鉤效應［J］.資源科學，2012，34（11）：2097－2105.