为揭示有机碳变化的关键影响因素并为北京地区实现固碳减排目标提供科学依据，利用北京怀柔区前桥梓村玉米田2016-2019年土壤有机碳（soil organic carbon,SOC）实测数据对反硝化-分解模型（denitrification-decomposition model,DNDC）进行验证，选取气候、土壤及秸秆还田等主要影响因子对验证后的DNDC模型进行敏感性分析，模拟了2种典型浓度路径（RCP8.5、RCP4.5）下该农田未来（至2100年）土壤有机碳变化情况。结果显示：经过校验后的DNDC模型可较好地模拟该玉米田SOC变化；初始有机碳含量及秸秆还田率是SOC变化的主要影响因素；RCP8.5及RCP4.5下SOC含量增加明显，土壤碳库在2100年达到平衡，2100年有机碳含量分别达到27.70、29.03 g/kg，分别较初始有机碳含量上升197.85%和212.15%。结果表明，DNDC模型可用于该研究区玉米田有机碳变化预测，该农田持续采用当前施肥和秸秆还田管理方式可实现土壤持续固碳。

对青海高原农田特有春小麦(Triticum aestivum)+豆科绿肥栽培模式,为揭示绿肥还田对于春小麦产量和土壤有机碳(SOC)的长期效应,本研究采用小区试验与模型相结合的方法探索适宜青海高原的绿肥还田方式。本研究采用裂区试验设计,主区为秋闲期复种绿肥翻压还田(G)和不种绿肥不还田(CK),副区为后茬春小麦化肥用量,设置100%常规施肥(F_(100),225 kg·hm~(-2)N、112.5 kg·hm~(-2)P_2O_5)、70%常规施肥(F_(70),157.5 kg·hm~(-2)N、78.75 kg·hm~(-2)P_2O_5)和不施化肥(F_0),共6个处理,基于2019-2022年的田间试验数据对反硝化-分解(DNDC)模型进行率定与验证,用验证过的模型对不同处理下土壤有机碳和小麦产量的长期变化规律进行模拟研究。结果表明:DNDC模型可以较好地模拟土壤有机碳和小麦产量,率定和验证过程中土壤有机碳模拟值和实测值的NRMSE值介于0.017-0.295,R~2介于0.763-0.924,小麦产量模拟值和实测值的NRSME值范围为0.160-0.280,R~2均大于0.75,表明模拟值和实测值具有一致性,可以用校准验证过的模型模拟0-50 cm土层土壤SOC和小麦产量;未来30年的模拟结果显示,绿肥翻压还田可以增加土壤SOC,具体表现为F_(70)+G>F_(100)+G>F_0+G>F_(100)> F_(70)> F_0;0-50 cm土层土壤SOC储量30年变化依次为172.82、136.91、65.21、-35.61、-46.70和-143.95kg·hm~(-2),产量趋势为F_(70)+G>F_(100)+>G>F_(100)>F_(70)>F_0+G>F_0,绿肥翻压还田配施化肥增产效果较好,F_0+G、F_(70)+G和F_(100)+G比无绿肥处理(F_0、F_(70)、F_(100))下小麦产量分别提高了85.7%、87.5%和20.0%;模拟的土壤有机碳含量和小麦产量具有一定的相关性。综合来看,长期复种绿肥翻压还田配施70%的化肥的固碳增产效果最佳。

假定施入土壤的有机物料由易分解与难分解两组分组成 ,这部分外源有机碳与土壤原有有机碳的分解遵循一级动力学反应 ,相应的一级动力学速率常数受土壤环境影响函数的修正 ,导出各组分有机碳分解模型的微分形式 :d Ci/ dt=Ki × f T× f W× f S× Ci ( i =1,2 ,S)。式中 Ci 为第 i种有机碳组分 t时刻的数量 ,i =1,2 ,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。f T、f W 及 f S分别为土壤温度、水分及质地对有机碳分解的影响函数 ,它们通过对不同有机物料在实验室控制条件下的培养测定结果得以确定。...

【目的】为进一步了解秸秆还田对土壤有机碳（ＳＯＣ）的提升效果，探究作物残体（根系与秸秆）对潮土区ＳＯＣ的贡献，为华北冬小麦－夏玉米区ＳＯＣ提升提供理论依据。【方法】基于腐解试验的有机物料碳残留率数据，获得４种有机物料在ＲＯｔｈＣ－２６．３模型最优时对应的ＤＰＭ／ＲＰＭ参数值（易分解植物残体和难分解植物残体的比值）。利用修订的ＤＰＭ／ＲＰＭ参数，获得了改进的ＲＯｔｈＣ－２６．３模型，并用郑州潮土区短期腐解试验（２０１２年１１月至２０１３年１１月）和长期定位试验数据（１９９０—２００８年）进行验证，模拟出郑州潮土区冬小麦－夏玉米轮作系统中小麦、玉米残体在３种不同施肥处理下（不施肥ＣＫ，平衡施肥ＮＰ．．．

草地生态系统作为黄土高原半干旱区重要的陆地生态系统，降水格局改变对该区域的碳循环过程产生影响。通过在自然恢复草地(NR)和白羊草(Bothriochloa ischaemum)栽培恢复草地(BI)进行原位降水梯度试验，设置了减少自然降水量的80%、60%、40%、20%，自然降水和增加自然降水量的20%、40%、60%、80%(即P–80、P–60、P–40、P–20、CK、P+20、P+40、P+60、P+80)的9种降水梯度，并运用DNDC (denitrification-decomposition)模型进行模拟验证，分析降水改变对土壤有机碳(SOC)、地上和地下生物量的影响。结果表明：1)与自然降水相比，增减降水80%时自然恢复草地的SOC含量增幅最大(21.4%和21.5%)，但不同处理间无显著差异(P> 0.05)；白羊草地SOC含量在减少降水20%时达到“峰”值(13.41 g·kg~(-1))，整体上白羊草地SOC含量高于自然恢复草地。2)两种草地恢复类型的生物量都随降水量变化而波动起伏，自然恢复草地减少降水20%地下生物量和增加降水40%地上生物量增幅分别为53.6%和52.4%，白羊草地在增加降水20%和减少降水40%时地下、地上生物量各达到最大值；且自然恢复草地地上生物量明显高于白羊草地，地下生物量则相反。3) DNDC模型模拟结果显示自然恢复草地和白羊草地的SOC含量、地上和地下生物量模拟值的变化趋势与实测结果基本一致：均方根误差RMSE%分别为10.0、7.5、6.7和11.7、1.3、1.0，决定系数R2分别为0.578、0.989、0.989和0.776、0.998、0.999，点位模拟效果整体良好；但模型对生物量的模拟吻合程度更高，且在白羊草地的模拟更具优势；因此运用模型模拟黄土丘陵区草地生态系统的土壤有机碳和草地生物量是可行的。

以国家灰漠土肥力与肥料效益观测试验站22年长期定位试验监测数据为基础,利用DNDC模型对9个不同施肥处理的耕层(0~20cm)土壤有机碳(SOC)演变进行模拟和验证,并预测了未来30年(2010-2040)SOC的变化趋势;同时也对CO2的释放量和变化速率进行了模拟,结果表明:①DNDC模型能较好地模拟不同施肥条件下土壤有机碳动态变化规律,模拟结果与实测结果显著相关(P<0.01);②模型模拟结果显示,持续施用氮磷钾肥(NPK)不能使SOC含量提高;而氮磷钾肥配施有机肥(NPKM)或秸秆(NPKS)可使SOC含量比2010年分别增加37.1%和8.81%;③虽然土壤有机碳升高越快CO2-C的排...

【目的】研究与探索不同农作管理措施对东北农业土壤有机碳的影响,为东北地区高产高效低碳农业及可持续发展提供科学依据。【方法】不同农作管理措施能够影响土壤有机碳(soil organic carbon,SOC)的未来变化,该研究基于东北地区4个长期定位试验站点(黑龙江省哈尔滨站点、吉林省公主岭站点、吉林省德惠站点、辽宁省沈阳站点)的试验数据,用站点的实测作物产量和SOC双标准对DAYCENT模型进行校验。DAYCENT模型调整的相关参数包括作物参数、耕作方式参数、施肥参数、收获参数和有机肥参数等,在对所选试验站点的长期定位试验结果校验后,利用已校验的各项参数,对模型模拟情况进行验证,发现模型模拟值...

【目的】探求土壤有机碳含量对作物产量的影响,以期为保障国家粮食安全和耕地持续利用与管理提供决策依据。【方法】利用农田生态系统生物地球化学模型DNDC,针对中国东北、华北、西北、中南、华东和西南6个典型农业区域,每个区域选择各自典型的种植模式和现行的农田管理措施,在各自特定的土壤和气候条件下,输入并运行模型,模拟考察在其它投入条件不变的情况下,改变土壤有机碳本底值对作物产量的影响。【结果】当土壤有机碳含量(SOC)增加1g C.kg-1,东北地区玉米产量可增加176kg·hm-2;华北地区夏玉米与冬小麦轮作,产量可增加约454kg·hm-2;西北地区春玉米产量约可增加328kg·hm-2;中南地...

分别用作者建立的土壤有机碳计算机模拟模型 (简称SCNC模型 )和英国洛桑模型 (ROTHC 2 6 .3)对长江中游 (湖南桃江和南县 )稻田土壤有机碳变化进行了模拟比较研究。结果表明 ,用SCNC模型模拟平衡时土壤有机碳含量与实际监测值较接近 ,相差分别为 0 .1和 0 .4 5t/hm2 ,误差分别为 0 .2 4 %和 0 .98% ;对稻田土壤有机碳变化的模拟 ,SCNC模型的拟合结果较好 ,利用相对标准误差法计算的误差为 4 .84 %～ 11.0 9% ,其中 6个处理有 5个处理的误差小于 10 %。对模拟结果进行误差概率统计 ,

【目的】检验和比较4个夏玉米农田土壤水分预测模型的预测精度。【方法】根据农田土壤水分平衡原理,建立北方夏玉米农田土壤水分预测模型,其中潜在蒸散量子模型分别用国内彭曼修正式(简称国内法)和FAOPenman-Monteith(简称FAO法)方法,作物发育期子模型分别用多年平均发育期法和积温法。用2002年6~9月中国气象局农业气象试验基地的21个不同水分处理小区的夏玉米全生育期观测资料(包括土壤湿度、作物发育期、气象和灌溉等资料),对模型进行检验和比较。【结果】在土壤湿度中等和较低的情况下,土壤水分预测模型中潜在蒸散量子模型采用国内法对不同预测时效下夏玉米农田土壤水分的平均预测精度高于FAO法,...

利用中国农业大学曲周实验站的氮磷化肥配施长期定位试验和翻免耕长期定位试验数据验证DNDC(脱氮—分解 )模型 ,说明其模型模拟值与实测值之间吻合程度较好 ,证明DNDC模型可以用来模拟当地土壤有机碳(SOC)含量的动态变化。对 2个试验长期 (10 0a)的模拟结果表明 :对于氮磷化肥配施试验 ,对照、单施氮肥和单施磷肥的处理SOC含量呈现下降趋势 ,氮肥与磷肥配合施用的处理土壤有机碳含量均呈上升的趋势 ,每年施用氮肥(纯N) 2 70kg·hm-2 配合施用磷肥 (P2 O5) 135kg·hm-2 的处理SOC含量与初始值相比增加了 31%。对于翻免耕试验 ,免耕并施用 112 5kg·...

采用微区模拟方法,研究了免耕条件下,玉米田土壤硝态氮、速效磷和速效钾含量的动态变化。结果表明:与常规耕作相比,玉米田免耕降低了土壤硝态氮、速效磷和速效钾三种养分含量。其中对土壤硝态氮含量影响最大,降低达显著水平;速效磷含量次之;对速效钾含量影响最小。0~20 cm土壤硝态氮含量免耕处理比翻耕处理低15.3%~51.2%。20~40 cm土壤硝态氮含量,免耕处理比翻耕处理低40.9%~46.7%。

利用农业生态系统生物地球化学模型(DNDC)方法,在GIS区域数据库支持下运行模型,研究了东北三省地区土壤有机碳储量状况,及其在现行农田管理措施下的变化特征。结果表明,以1998年为例,东北三省耕地土壤有机碳(SOC)储量(0-30cm土层)约为124 348万t,黑龙江、吉林和辽宁省分别占58.4％、25.5％和16.1％;在目前的农作制度下土壤有机碳库处于严重的负平衡,每年净丢失有机碳3122万t,黑龙江、吉林和辽宁省分别占59.3％、25.9％和14.8％;单位面积耕地SOC年减少量高达2.05 t·ha-1,黑龙江、吉林耕地SOC丢失最严重。增加秸秆还田比例,提倡免耕和人畜粪便还田,增...

为探究不同有机物料还田对土壤氮素转化与利用的影响，通过田间定位试验，在夏玉米季不同生育时期以无机肥（CF）为对照，测定秸秆（ST）、猪粪（PM）和沼渣（BR）3种有机物料等氮量还田处理的土壤全氮、硝态氮、铵态氮以及微生物量氮以及玉米产量等指标，并通过室内培养测定不同物料还田的土壤净氮矿化速率。结果表明：从对土壤总量影响来看，添加3种有机物料均能不同程度地增加土壤全氮含量，成熟期PM、BR和ST处理分别比CF提高16.62%、9.14%和8.60%。从氮素形态来看，PM处理可以提高土壤硝态氮含量，在玉米扬花期和成熟期分别提高37.05%和75.86%;BR处理可以提高土壤铵态氮含量，在整个玉米生育期土壤铵态氮提高16.83%。3种有机物料还田均可提高土壤微生物量氮，ST、PM和BR分别比CF高出15.76%、14.84%和17.85%。从不同有机物料还田的土壤氮矿化速率来看，PM和BR处理可显著提高土壤氮矿化速率，分别比CF高出33.53%和12.93%,ST处理的土壤氮矿化速率最低（0.03～1.06mg/（kg·d））。就产量与氮肥吸收而言，PM处理玉米产量比ST处理提高8.10%,PM和BR处理氮肥吸收效率均显著高于CF和ST处理。3种有机物料还田均可提高土壤全氮水平，但在土壤氮素形态和氮矿化速率上有差异。在3种有机物料处理中，沼渣处理最有利于增加土壤无机氮含量，猪粪处理对于促进土壤氮矿化效果最佳，秸秆则显著减弱了土壤中氮的矿化速率。综上，猪粪和沼渣还田在提高土壤供氮能力、促进氮矿化与促进氮肥吸收上均显著优于秸秆，猪粪还田有利于提高玉米产量。

为快速准确获取省域尺度下土壤有机质的空间分布状况。以江西省2012年测土配方施肥项目采集的16 582个耕地表层(0~20 cm)土壤样点数据,借助四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息作为辅助变量,构建基于地理坐标与辅助变量的BP神经网络模型和普通克里金法结合的方法(BPNN_OK)、基于地理坐标与辅助变量的RBF神经网络模型和普通克里金法结合的方法(RBFNN_OK)和普通克里金法(OK法)3种方法,模拟省域尺度下耕地表层(0~20 cm)土壤有机质的空间分布。对2 416个验证样点进行独立验证的研究结果显示:基于辅助变量的神经网络模型较普通克里金法有较大提升。BPNN_OK法对土壤有机质预测结果的均方根误差、平均绝对误差、平均相对误差较OK法分别降低了2.76 g/kg、2.34 g/kg、9.83%,RBFNN_OK法较OK法分别降低了2.70 g/kg、2.29 g/kg、9.61%。研究显示,基于辅助变量的神经网络模型与OK法结合的方法明显地提高了土壤有机质空间分布模拟精度,并且存在改进和提高的空间。