《Agricultural Systems》：Quantifying the mitigation potential of greenhouse gas emissions from paddy fields under optimal irrigation and carbon management in the Lake Tai region
编辑推荐：
太湖流域水稻田水碳协同管理对温室气体减排的影响及适应性策略研究。摘要：基于DNDC-BC模型分析2000-2020年及未来80年气候变化情景下，太湖流域水稻田不同灌溉与碳管理组合的温室气体排放时空分布特征。结果显示生物炭（20t/ha）与控制灌溉协同可降低甲烷排放23.53%-57.44%，同时提升碳封存与水稻产量。建议优先推广该组合策略，但需权衡经济可行性。
姜泽伟|杨世宏|庞青青|穆罕默德·阿卜杜拉|王俊毅|格兰特·A·坎贝尔|皮特·史密斯
河海大学水土保持学院，中国南京
摘要
背景
水碳管理对区域稻田温室气体（GHG）减排的协同效应仍不明确。在评估气候智能实践下区域GHG减排、碳封存和农业产出之间的权衡方面存在关键的知识空白。
目标
研究目标如下：（1）量化中国太湖地区优化灌溉和碳管理（包括秸秆还田、施用粪肥和生物炭）的时空减排潜力；（2）分析历史（2000-2020年）和未来80年的气候情景；（3）提出适应气候变化的最佳水碳管理策略。
方法
采用脱氮分解生物炭控制灌溉（DNDC-BC）模型，并根据观测到的GHG排放、土壤有机碳（SOC）和水稻产量数据进行校准和验证。区域模拟结合了空间数据集（气象、地形、土壤和管理信息）以及CMIP6气候预测。此外，通过TOPSIS分析评估了系统的可持续性，综合考虑了GHG排放、水稻产量和SOC。
结果与结论
结果表明，DNDC-BC模型在识别GHG排放热点、准确预测SOC水平和水稻产量方面表现良好。过去二十年里，太湖地区稻田的累积甲烷（CH?）排放量为281.73 Gg。由于城市化进程和大气沉降作用，总CH?排放量有所下降，而总氮氧化物（N?O）排放量在5至6 Gg之间波动。在历史和未来气候变化条件下，施用生物炭（CB_20；20吨/公顷）结合控制灌溉（CI）具有最佳的减排潜力，CH?减排比例在23.53%–57.44%之间。
意义
总体而言，建议在区域范围内结合使用CI和生物炭改良方法，因其具有减少GHG排放、增强碳封存、降低灌溉用水量以及提高水稻产量的潜力。然而，在大规模推广这一策略时，应仔细考虑其经济可行性。
引言
气候变化加剧了农业面临的环境挑战，如土壤退化、氮（N）和磷（P）流失以及温室气体（GHG）排放（Yang等人，2024年）。具体而言，Griffis等人（2017年）发现温度和降水的增加有利于一氧化二氮（N?O）的产生，而van Groenigen等人（2013年）指出大气CO?浓度的升高促进了水稻根系的生长和根系分泌物的释放，从而增加了甲烷（CH?）的排放。农业部门在实现碳达峰和碳中和目标以及保障粮食供应方面发挥着重要作用（Laborde等人，2021年）。因此，在全球变暖的背景下，发展可持续农业至关重要（Muhie，2022年），因为高温通常会对作物产量产生负面影响。
水稻是最重要的主食之一，几乎养活了全球一半的人口（Jiang等人，2023b年）。然而，水稻也是温室气体的重要来源，占农业产生的CH?的22%和N?O的11%（Qian等人，2023年）。此外，水稻灌溉消耗大量水资源，约占全球灌溉总量的40%（Lampayan等人，2015年）。在全球变化背景下，极端天气事件（如干旱）频繁发生（Nam等人，2015年），因此迫切需要一种能够节水、提高产量并减少GHG排放的水稻田管理方法。过去二十年里，节水灌溉（WSI）技术得到了大力发展并得到广泛推广，包括交替湿润和干燥（AWD）以及控制灌溉（CI）（Jiang等人，2023a年）。然而，以往的研究主要集中在田间实验或场地规模的模型模拟上（Begum等人，2019年；Cheng等人，2022年），对于不同灌溉结构下稻田GHG排放的时空分布特征研究较少。
中国拥有全球最大的水稻种植面积，分别占世界总水稻种植面积和产量的18%和27%（FAO，2023年）。过去四十年里，城市化进程减少了农业用地（Hou等人，2021年），尤其是在上海、南京和苏州等高度发达的长江三角洲地区——该地区占中国人口的3%，贡献了10%的GDP（Liu等人，2013年）。因此，量化这一地区城市化过程中的稻田GHG排放量并预测未来气候条件下的变化至关重要。此外，碳管理措施（包括生物炭施用、秸秆还田和粪肥施用）对GHG排放、土壤有机碳（SOC）和水稻产量有显著影响（Wang等人，2022年；Wu等人，2019年；Zhang等人，2017年）。然而，在不同灌溉和碳管理方案下模拟GHG排放仍存在差异，区域尺度的估计数据较为匮乏。
与其他自下而上的方法（如IPCC Tier-1和Tier-2排放因子（EFs）（Wang等人，2020a年）相比，生物地球化学模型提供了更精确、更精细且基于机制的方法。尽管EFs在国家清单中得到广泛应用，但在地方尺度上难以精细化，从而增加了不确定性（Berdanier和Conant，2012年）。在基于过程的模型中，脱氮分解（DNDC）模型因其能够追踪GHG排放动态而在全球得到广泛应用（Giltrap等人，2020年；de Klein等人，2020年）。我们最近对其进行了改进，并在之前的研究中开发了生物炭控制灌溉（DNDC-BC）版本，用于模拟生物炭和CI条件下的稻田GHG排放（Jiang等人，2023b年）。在这里，我们应用该模型来估算太湖地区稻田在历史和未来气候条件下的总排放量，并分析GHG排放的时空分布。
稻田的GHG排放受水稻品种、土壤类型、气候因素和田间管理的影响，导致较强的时间和空间异质性（Shi等人，2021年）。使用EFs进行外推存在较大不确定性（Tian等人，2019年），而基于过程的模型（现被认定为IPCC Tier 3方法）可以解决这一问题。DNDC参数化采用了来自中国和北美的作物数据，广泛用于模拟作物生长和GHG排放，但原始版本无法模拟CI或生物炭情景。因此，基于改进的DNDC-BC模型，本研究旨在：（1）量化太湖盆地稻田在最佳灌溉和碳管理下的减排潜力和GHG的时空分布；（2）利用CMIP6数据评估气候变化对GHG排放的影响；（3）为太湖盆地和中国提出最佳的水碳管理策略和适应措施。
研究区域
本研究以位于中国东部的太湖地区（30°05′-32°08′N，119°08′-121°55′E）作为典型水稻种植区。湖泊面积为2427平方公里，整个流域面积约为36,900平方公里（图1）。太湖盆地是中国发展最发达的地区之一，人口密度高，工业和农业生产水平先进。该地区具有亚热带季风气候，年平均气温为15.5°C。
DNDC-BC模型的校准与验证
在场地尺度上对模型进行校准和验证是优化稻田碳管理和灌溉模式组合的前提。首先，使用2020年和2021年昆山的数据对DNDC-BC模型进行了校准和验证。如图4所示，模拟的SOC值基本位于1:1线附近，预测产量与观测值接近。
R2大于0.88，
nRMSE低于10%，表明模型拟合度良好。
城市化过程中的稻田GHG排放
过去二十年里，中国的快速城市化和经济发展给农业用地带来了诸多挑战。研究表明，CH?的累计排放量总体呈下降趋势。这一趋势可能归因于水稻种植面积的显著减少（图5c），从2000年的1155.45×103公顷减少到2020年的541.80×103公顷，相应地CH?排放量也从321.10 Gg降至183.66 Gg。
结论
DNDC-BC模型在模拟太湖盆地各种水碳管理策略下的温室气体（GHG）排放、土壤有机碳（SOC）动态和水稻产量响应方面表现出色。主要研究结果如下：
-
- 1.GHG趋势：过去二十年里，稻田的CH?排放量减少了约20%（基准值为281.73 Gg），主要是由于城市化导致的耕地损失和氮沉降增加。
CRediT作者贡献声明
姜泽伟：撰写——初稿撰写、可视化、软件使用、资源协调、方法论设计、数据整理、概念构建。
杨世宏：撰写——审稿与编辑、监督、资源协调、项目管理、方法论设计、资金争取。
庞青青：撰写——审稿与编辑、验证、数据整理。
穆罕默德·阿卜杜拉：撰写——审稿与编辑、可视化、监督、软件使用、方法论设计、数据整理。
王俊毅：撰写——审稿与编辑、软件使用、方法论设计、数据整理。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
本研究得到了江苏省自然科学基金（BK20251474）、国家自然科学基金（52379038、52400053）、中国博士后科学基金（2025M782463）、常州市科技计划（资助编号CJ20250100）、中央高校基本科研业务费（B250201073）、SuperG（编号774124，由欧盟地平线2020计划资助）、江西省水利科学技术项目（202527ZKDT09、202426ZDKT15）的支持。
