一种区域农业种植系统净温室气体排放综合估算方法及系统

摘要

本发明公开了一种区域农业种植系统净温室气体排放综合估算方法及系统，所述方法包括S1：获取研究区域内农业种植系统相关信息，对农业系统模型进行本地化；S2：在本地化之后，利用生命周期法来评估农业管理造成的CO2排放量ECO2，S3:采用基于过程的机理模型CH4MOD或DNDC模型来模拟以水稻为基础的农业种植系统的甲烷排放量ECH4；S4：计算各个农业种植系统在研究区域的氧化亚氮排放总量；S5:采用基于过程的RothC或DAYCENT模型来模拟有机碳在土壤表层(0‑30cm)的年变化量△SOC，并得到有机碳投入量的固碳量；以及S6：综合固碳和温室气体排放量，得到区域净温室气体排放量。

说明书

技术领域

本发明涉及农业信息技术领域，更具体涉及一种区域农业种植系统净温室气体排放综合估算方法及系统。

背景技术

2020年我国郑重承诺，CO

农业生产消耗大量的化肥、农药和水资源等，是重要的温室气体(GHG)排放源。农业GHG排放约占全球GHG排放总量的10-12％。同时，农业在固碳方面起着重要的作用。因此，加强农业生产系统固碳减排，发展绿色低碳农业，是实现“双碳”目标的要求。为实现上述目标，综合农业生产系统固碳和温室气体排放的净温室气体排放估算是确定固碳减排优先地区、农业种植系统和农业管理措施的基础和关键。但是，目前针对农业生产系统固碳，在站点尺度上，目前农业生产系统的固碳主要采用土壤样品测。该方法需要长时间序列的土壤样本才能够测定出土壤固碳的年变化量。在区域尺度上，主要是采用固碳模型进行模拟耕地的固碳，而没有区分出不同的农业生产系统。针对，温室气体排放评估主要采用排放因子方法，过于简化，存在较大的不确定性。并且农业生产系统固碳和温室气体排放评估通常是分别进行评估，二者并没有结合起来，难以全面客观地评估农业生产系统的碳排放。

因此，需要新技术方法，来至少部分解决现有技术中上述局限性。

发明内容

针对现有技术的不足，本发明首次综合多种先进的模型、方法和数据，发展了一种先进的区域农业种植系统综合固碳和温室气体排放的净温室气体排放估算方法和系统，科学地确定一个地区不同农业种植系统温室气体的净排放。该发明可用于确定固碳减排优先地区、农业种植系统和农业管理措施，为农业生产系统固碳减排，发展绿色低碳农业，实现“双碳”目标提供重要的方法技术支撑。

根据本发明一方面，提供了一种区域农业种植系统净温室气体排放综合估算方法，包括如下步骤：

S1：获取研究区域内农业种植系统相关信息，包括农业管理、遥感、土壤以及气候信息，并根据研究区内各作物实验观测资料，对农业系统模型进行参数优化和验证，实现模型的本地化；

S2：在本地化之后，利用生命周期法来评估农业管理造成的CO

S3:采用基于过程的机理模型CH

S4：耦合全球作物用水模型以及空间参考非线性模型(SRNM)或DNDC(De-Nitrification&De-Composition)模型来计算各个农业种植系统在该地区的氧化亚氮(N

S5:采用基于过程的RothC(Rothamsted Carbon Model)或DAYCENT(DailyCentury Model)模型来模拟有机碳在土壤表层(0-30cm)的年变化量△SOC，并得到有机碳投入量的固碳量；以及

S6：综合固碳和温室气体排放量，根据如下公式来计算各个农业种植系统的净温室气体排放量NGE：

NGE＝GHG-ΔSOC*44/12

其中，GHG是温室气体排放量，

根据本发明的实施方案，S1中，农业管理信息包括该地区可以种植的农业种植系统、各种农业种植系统的种植面积、灌溉比例、折纯氮肥、磷肥和钾肥量、产量、农家肥投入、秸秆直接还田和秸秆燃烧还田比例；气候信息包括气候驱动数据；土壤信息包括各个农业种植系统的土壤性质。

根据本发明的实施方案，S3中，CH

根据本发明的实施方案，S4包括：采用作物用水模型来模拟出地区各个农业种植系统在灌溉情景下的灌溉量；将各个农业种植系统的生长季内的降水、温度，灌溉量和土壤性质输入到SRNM或DNDC中，以得出各个农业种植系统在灌溉情景和非灌溉情景下的N

根据本发明的实施方案，S5中，模型输入数据包括土壤沙粒比例、日气温、季前作物产量、当季水稻产量、水稻物候、水分管理制度以及农家肥使用量。

根据本发明的实施方案，S6中，各个农业生产系统的有机碳投入量包括秸秆还田有机碳投入，根系有机碳投入和农家肥的有机碳投入量。

根据本发明的实施方案，所述农业种植系统包括小麦、玉米、大豆、水稻种植系统。

根据本发明的另一方面，还提供一种区域农业种植系统净温室气体排放综合估算系统，包括：一个或多个处理器；以及存储器，所述存储器存储有可由所述一个或多个处理器执行的指令，所述指令使得所述系统执行根据本发明所述的方法。

本发明集成多个农业系统模型，综合多源数据和信息，确定农业种植系统的净温室气体排放量。能够实现有益效果:

1)针对某一地区，系统的评估各个种植系统的净温室气体排放量。

2)识别净温室气体排放过程中的主要过程，从而针对该过程采取针对性措施达到减排目的。

3)推动我国整体或地区温室气体排放的下降，从而实现碳达峰和碳中和。

附图说明

附图中相同的附图标记标示了相同或类似的部件或部分。本发明的目标及特征考虑到如下结合附图的描述将更加明显，附图中：

图1是根据本发明实施方案的区域农业种植系统净温室气体排放综合估算方法的流程示意图。

图2是根据本发明实施方案的方法应用于某一研究区所模拟的农业管理相关的单位CO

图3是根据本发明实施方案的方法应用于某一研究区所模拟的农业管理相关的CO

图4是根据本发明实施方案的方法应用于某一研究区所模拟的单位甲烷排放量(左侧)和年甲烷排放总量(右侧)的变化趋势；

图5是根据本发明实施方案的方法应用于某一研究区所模拟的各农业系统氮肥投入造成的单位直接N

图6是根据本发明实施方案的方法应用于某一研究区所模拟的各农业系统单位间接N

图7是根据本发明实施方案的方法应用于某一研究区所模拟的各农业系统单位N

图8是根据本发明实施方案的方法应用于某一研究区所模拟的各农业系统固碳量年变化图；

图9是根据本发明实施方案的方法应用于某一研究区所模拟的各农业系统的净温室气体单位排放量变化趋势图；和

图10是根据本发明实施方案的方法应用于某一研究区所模拟的各农业系统的净温室气体年排放总量变化趋势图。

具体实施方式

为清楚的说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。以下的说明本质上仅仅是示例性的而并不是为了限制本公开的应用或用途。

应该理解的是，本发明所引用的各个农业系统模(作物模型)本身是已知的，例如模型的各个子模块、各种参数、运行机制、模拟过程例如本地化等等，因此本发明重点阐述如何综合多个作物模型和多源信息来量化研究区域内多个农业种植系统的净温室气体排放量的过程。

图1是根据本发明一个实施方案的区域农业种植系统净温室气体排放综合估算方法的流程示意图。如图1所示，实施方案的区域农业种植系统净温室气体排放综合估算方法可以包括以下步骤S1-S6：

S1:获取研究区域内农业种植系统相关信息，包括农业管理、遥感、土壤以及气候信息，并根据研究区内各作物实验观测资料，对农业系统模型进行参数优化和验证，实现模型的本地化。农业种植系统例如可以包括小麦、玉米、大豆、水稻种植系统等等。

更具体地，农业管理信息可以包括该地区可以种植的农业种植系统、各种农业种植系统的种植面积、灌溉比例、折纯氮肥、磷肥和钾肥量、产量、农家肥投入、秸秆直接还田和秸秆燃烧还田比例等；气候信息可以包括气候驱动数据等；土壤信息包括各个农业种植系统的土壤性质等。例如，可以根据一个地区(如省、市)多年的农业统计年鉴确定该地区可以种植的农业种植系统、各种农业种植系统的种植面积、灌溉比例、折纯氮肥、磷肥和钾肥量、产量、农家肥投入、秸秆直接还田和秸秆燃烧还田比例等，从公开的高质量数据集中收集气候驱动数据以及各个农业种植系统的土壤性质，从地区的农业观测站中收集各个农业系统的物候期。

在本发明中，系统模型(作物模型)可以采用生命周期法模型、CH

上述模型参数优化(本地化)以及模拟预测的过程以及原理为本领域技术人员所熟知，在此并不赘述。

S2：在本地化之后，利用生命周期法来评估农业管理造成的CO

S3:采用基于过程的机理模型CH

S4：耦合全球作物用水模型以及空间参考非线性模型(SRNM)或DNDC(De-Nitrification&De-Composition)模型来计算各个农业种植系统在该地区的氧化亚氮(N

更具体地，可以采用全球作物用水模型来模拟出地区各个农业种植系统在灌溉情景下的灌溉量；将各个农业种植系统的生长季内的降水、温度，灌溉量和土壤性质输入到SRNM或DNDC中，以得出各个农业种植系统在灌溉情景的N

S5:采用基于过程的RothC(Rothamsted Carbon Model)或DAYCENT(DailyCentury Model)模型来模拟有机碳在土壤表层(0-30cm)的年变化量△SOC，并得到有机碳投入量的固碳量。例如可以采用基于过程的RothC(Rothamsted Carbon Model)模型)来估算有机碳在土壤表层(0-30cm)的分解过程，从而可以得到有机碳投入量的固定量。各个农业生产系统的有机碳投入量主要包括了秸秆还田有机碳投入，根系有机碳投入和农家肥的有机碳投入量。模拟时，分别针对各个农业种植系统分开进行模拟。

之后，实施步骤S6，综合固碳和温室气体排放量，可以根据如下公式来计算各个农业种植系统的净温室气体排放量NGE(CO

NGE＝GHG-ΔSOC*44/12

其中，GHG是温室气体排放量(kgCO

实施例

以黑龙江省为例，利用本发明的技术方法对该研究区的1984-2018年多年的农业种植系统净温室气体排放综合估算进行了预测研究，其中利用了生命周期法、SRNM模型、CH4MOD模型和RothC模型，采用气候、土壤、站点历史多年实验观测数据资料。具体过程如下。

获取各相关信息数据，构建用于小麦、水稻、玉米和大豆的净温室气体排放模拟的数据库，涉及到的数据集具体如下表1所示：

表1

之后，采用IPCC2019温室气体排放清单推荐的生命周期法评估农业管理造成的CO2排放量，下式模型的物质输入为各个农业系统的单位面积上的氮肥、磷肥、钾肥、农药、农膜、农用柴油用量、灌溉比例、产量，涉及参数包括秸秆燃烧比例、收获指数、干燥系数以及各个物质的CO

E

M

式中EFi为氮肥、氮肥、磷肥、钾肥、农药、农膜、农用柴油用量的CO

TCO

式中TCO

采用CH4MOD模型来模拟黑龙江省各个水稻格点上的甲烷排放量。模型的输入包括了土壤沙粒比例、日气温、外源有机物、当季水稻产量、水稻物候(移栽时期、拔节期和成熟时期)、水分管理制度(晒田的次数和时间，这里设定为水稻拔节期后会排干水分4-8天，然后继续灌溉直到收获前的5-10天将稻田水排干进行收割)。其中外源有机物包括了秸秆还田的有机碳含量、前季作物根系的有机碳含量以及农家肥中的有机碳含量，相关数据均在S1数据库构建步骤中整理好。每个格点会模拟30种水分管理制度下的甲烷排放量，以这30个样本的均值作为最终的甲烷排放量。模拟完毕后以省为统计单元可求得省级平均水稻的CH4排放量。图4显示了黑龙江省1984-2018年甲烷排放总量和单位量的变化趋势。

采用全球作物用水模型GCWM来模拟黑龙江省四个农业生产系统在各个格点上的生长季灌溉量，主要的输入包括了日降水、日潜在蒸散发、作物相关参数(e.g.作物系数Kc、根系最大深度)、土壤水文性质、播种期和成熟期，其中日潜在蒸散发采用FAO56推荐的P-M公式进行计算。然后在每个格点上输入灌溉量、土壤性质、生长季平均温度、生长季降水和氮肥使用量到SRNM模型中可计算出每个格点在灌溉情景下的N

之后，再计算间接排放量，包括采用IPCC2019国家温室气体排放清单推荐的排放因子法计算氮肥使用造成的间接N

对直接N

耦合RothC模型和全球作物用水模型GCWM来模拟各个农业系统的固碳量。首先，采用全球作物用水模型来模拟黑龙江省农业生产系统在各个格点上的灌溉量，并按照月份进行统计每个月的灌溉量。然后将历史平均的月潜在蒸散发，月降水，月灌溉量，月温度，多年平均有机碳投入量,初始土壤有机碳和土层厚度输入到RothC模型中进行预热2000年，使得各个碳库达到平衡状态。然后采用1984-2018年的气候资料和有机碳投入量进行模拟得到2018年的土壤有机碳含量，减去初始的有机碳量并除以35年得到每年的土壤有机碳变化量。该变化量是在灌溉情景下的土壤有机碳变化量。接着不输入月灌溉量，对RothC进行预热和模拟得到雨养情景下的土壤有机碳变化量，然后以省为统计单元进行平均，最后应用灌溉比例进行加权平均得到该省的平均有机碳变化量。结果如图8所示。

最后，基于下文的公式，根据各个温室气体的增温潜势统一温室气体排放，并将温室气体排放和固碳进行综合计算净温室气体排放量，其单位净温室气体排放和净温室气体年排放总量的变化趋势如图9和图10所示：

NGE＝GHG-ΔSOC*44/12

其中，GHG是温室气体排放量(kgCO

另外，本发明实施方案还提供了一种区域农业种植系统净温室气体排放综合估算系统，该系统可以包括一个或多个处理器以及存储器，所述存储器存储有可由所述一个或多个处理器执行的指令，所述指令使得所述自动识别系统执行根据本发明所述的方法。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书具体实施方式内容不应理解为对本发明的限制。