气候变化对松嫩平原西部土壤有机碳及作物产量的影响研究
周文强+孙丽+臧淑英
摘要：松嫩平原为我国高产粮区，但其西部由于沙化、盐碱化日趋加重而减产明显。本文以松嫩平原西部为研究区，运用DNDC模型对其进行了2015年表层土壤有机碳及作物产量的模拟，并对不同气候情景下研究区土壤有机碳储量变化和作物产量进行了模拟。研究表明：松嫩平原西部表层土壤中有机碳总约为储量7794.42万t，其变化均值为-225.18kgC·ha-1，研究区为“碳源”；研究区作物产量均值为3576.167kgC·ha-1，实际作物产量约为8.94t·ha-1，总产量约为3429.83t。研究区表层土壤有机碳储量和作物产量在空间分布上均表现为由西北向西南、东南递减的趋势。温度的升高、降水的增多，都会造成研究区内土壤有机碳储量减少；空气中CO2浓度升高，土壤有机碳储量则会增加。温度升高、降水增加、空气中CO2浓度升高，均会造成研究区作物减产。
关键词：松嫩平原西部；DNDC模型；土壤有机碳；作物产量
中图分类号：X16 文献标识码：A 文章编号：2095-672X（2017）02-0031-06
DOI：10.16647/j.cnki.cn15-1369/X.2017.02.005
引言
近年来，随着温室效应的加重，全球变暖、冰川融化、降水增多已成为不可逆转的趋势。而随着气候的变化，相应的对农田生态系统产生了极其深远的影响。土壤有机碳（Soil organic carbon，SOC）作为农田生态系统中重要的碳库和营养元素库，是土壤质量以及土壤功能的核心，不仅直接影响着土壤肥力和土地生产力，也影响着CO2的排放，与气候变化直接相关[1]。然而土壤有机碳的转变过程非常缓慢，但近年来受到了气候的影响。气候的变化正日益深化对土壤有机碳的影响[2]。
本文以松嫩平原西部地区为例，采用DNDC模型模拟其表层土壤有机碳储量及其变化，并估算该区域作物产量，为研究区土壤培肥和土壤碳循环研究提供依据。同时对该研究区进行不同气候情景模式下的模拟，以此来寻找气候变化对表层土壤有机碳储量及作物产量的影响。
1 材料和方法
1.1 DNDC模型介绍
DNDC模型（Denitrification-Decomposition model，脱氮-分解作用模型）是美国新罕布什尔大学陆地海洋空间研究中心李长生教授等开发研制并推广起来的。DNDC 模型由两个部分组成：第一部分包含土壤环境、植物生长、有机质分解三个子模型，其作用是根据输入的气象、土壤、植被、土地利用和农田耕作管理数据预测植物-土壤系统中诸环境因子的动态变化（土壤温度、土壤湿度、pH、氧化还原潜力Eh等）；第二部分包含硝化反应、脱氮反应、发酵反应三个子模型，这部分的作用是由土壤环境因子来预测微生物参与上述三个化学反应的速率。6个子模型以日为时间步长，互相传递信息，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。应用DNDC模型模拟任一点的生物地球化学过程时，只要根据当地种植耕作情况输入气象、土壤以及作物等数据，便可进行一年至多年的模拟[3]。
1.2 研究区概况
松嫩平原西部 （43° 59′～47° 52′ E、121° 38′～125° 45′ N），总面积6. 71×104 km2，属半干旱半湿润地区，年降水量350～400 mm之间，年均温2～5. 6℃。随着过度开垦和过度放牧，以及一些不合理的农田耕作措施，使得松嫩平原西部地区沙化、盐碱化日趋严重，土壤生产力也有所下降，因此，对该区域的生态恢复就显得尤为重要[4]。
1.3 试验设计
通过两次土壤采样，以及室内理化实验分析得到研究区内土壤的相关理化性质，进而进行DNDC模型模拟。相关的气象数据来源于中国气象数据共享网。
1.4 模型验证
模型精度验证方法选择均方根误差法RMSE（Root-mea-square Error）来验证模型的精度。RMSE是观测值与模拟值偏差的平方和观测次数比值的平方根，公式如下：
式中OBSi为观测值，SMi为模拟值，OBSi为观测平均值，n为样本容量。RMSEn的值越小，表明模拟值与实测值的一致性越好。模拟值与实测值之间的偏差越小，模型的模拟结果越准确可靠。一般研究中多采用如下参考：（1）RMSEn值小于10%，表明模拟值与预测值一致性非常好；（2）RMSEn介于10%～20%之间，说明模拟结果较好，若介于20%～30%之间表明模拟效果一般；（3）RMSEn大于30%表明模拟效果差，模拟值与实测值偏差大[5]。
1.5 敏感性分析
有機碳含量及其变化是外界气候条件和人为的耕作管理措施共同作用下的结果。但本文主要研究的是外界不同气候条件对土壤有机碳含量的影响，因此选取的变更因子，包括气温、日平均降水量以及空气中CO2的浓度。
各因子的变更系数均为相对于实际±10%。
2 结果与讨论
2.1 研究区SOC储量及其变化
本研究应用DNDC点位模式选取研究区24个样点按模型要输入所需数据后对土壤有机碳含量（单位：kgC/ha）进行了情景模拟，并根据第二次野外考察所得实测数据进行RMSEn的计算得=11.949%。按照上述标准，模拟结果较好，能够进行下一步的模拟分析。
基于DNDC模型的区域模拟主要应用Arcgis10.1中泰森多边形模块将研究区域分成48个单元，之后将各个区域中参数信息按要求输入后进行模拟。模型模拟完成后，将输出数据整理得出各个子单元中不同作物类型下单位面积表层土壤有机碳含量、土壤有机碳储量变化。经计算，研究区土壤中有机碳储量平均值为20317.41kgC·ha-1，总储量约为7794.42万吨C。在研究区广大的区域内，土壤中有机碳储量基本介于2638.31～88357.46kgC·ha-1之间，其在区域内最高值与最低值之比达到了33.5，可见研究区有机碳储量分布极不均匀。而研究区内表层土壤有机碳储量变化主要介于-535.86～350.75kgC·ha-1之间，其均值为-225.18kgC·ha-1，故研究区的农业生态系统是一个“碳源”。
在2015年，研究区内有机碳变化分布总体上呈现减少的趋势，仅有部分地区略有增加，表现为“碳源”。其中，在研究区西北部的龙江、齐齐哈尔以及中部的大安、乾安、前郭地区减少最为明显，均达到了-535.86～-254.2kgC·ha-1。龙江、齐齐哈尔以及周边地区，由于有机碳储量基数较大，经过一个作物生长季的消耗，而相应的补给较少，故有机碳含量大量减少；而大安、乾安和前郭地区这是研究区内沙化、盐碱化趋势加重的区域，故有机碳流失较大。而研究区西南部通榆、长岭地区虽然也是盐碱化较为严重的地区，但由于人为因素的补充，故有机碳变化不大，甚至略有盈余。
2.2 不同情景模式下土壤有机碳储量变化的模拟
利用DNDC模型蒙特卡洛测试方法来进行不同气候条件下土壤有机碳储量变化的模拟。在输入项目温度中键入误差值0.1（表示温度的误差在其已输入值的±10%），根据模拟结果做出图2，得出温度（Temp）与土壤有机碳储量变化减少趋势相同，即温度增高，SOC储量减少的越多；反之，温度降低，土壤中SOC储量减少的趋势在减缓。温度的变化直接影响着研究区土壤SOC的储量，但研究区土壤有机碳储量一直处于负增长，即始终是“碳源”。
在输入项目降水中键入误差值0.1（表示降水的误差在其已输入值的±10%），根据模拟结果做出图3，得出降水（Prec）与土壤有机碳储量变化减少趋势也相同，即降水越多，SOC储量减少的也越多；而随着降水的减少，土壤中SOC储量减少的趋势在减缓。
在输入项目CO2浓度中键入误差值0.1（表示空气中CO2浓度的误差在其已输入值的±10%），根据模拟结果做出图4，得出CO2浓度（ppm）与土壤有机碳储量变化减少的趋势相反，即空气中CO2含量增高，SOC储量减少的趋势在放缓，土壤中SOC储量会增高。
根据以上对研究区3种不同气候条件下的情景模拟，我们可以看出气候对土壤中SOC储量的变化产生着直接的影响。在当代全球气候变暖的大环境下，研究区土壤中SOC储量减少的趋势在加重，而随着SOC储量的减少，研究区土壤沙化、盐碱化的趋势也会随之加重。
2.3 研究区作物产量的模拟与验证
按要求将DNDC模型所需参数数据输入输入模型后，经模拟得出48个单元格点中单位面积作物纯碳的产量，研究区单位面积作物纯碳产量基本在2500～4500kgC·ha-1之间，经计算其平均值为3576.167kgC·ha-1。由于DNDC模型默认作物实际产量与作物碳产量之间换算系数为0.4，则研究区实际作物产量约为8.94t·ha-1，总产量约为3429.83t。
2.4 不同情景模式下研究区作物产量的模拟
研究区作物产量的模拟同样利用DNDC模型的蒙特卡洛测试方法来完成。不同气候条件可能對研究区内的作物产量产生不同的影响。在输入项目温度中键入误差值0.1，其他条件保持不变，根据模拟结果做出图5，得到温度（Temp）对作物产量变化的影响。我们发现，温度变化与作物产量变化是成反比的。温度升高，作物产量减少；相反，温度降低，作物产量增加。经计算，温度每升高1℃，研究区内作物大约减产12.69 kgC·ha-1。
在其他条件保持不变的情况下，分别在输入项目降水和CO2中键入误差值0.1，根据模拟结果做出图6、图7，分别得到降水（Prec）以及CO2浓度（ppm）对作物产量变化的影响。我们发现，降水和空气中CO2浓度的变化与作物产量变化是成反比的，并且影响特别大。降水增多10%，减产大约583.24kgC·ha-1；而空气中CO2浓度增多10%，减产大约407.23kgC·ha-1。当降水减少或者空气中CO2浓度降低时，研究区作物产量会得到一定程度上的提升。
温度以及降水的变化，对研究区表层土壤SOC储量变化和作物产量变化的影响是一致的，都呈反比。特别需要指出的是空气中CO2浓度，其与研究区表层土壤SOC储量变化呈正比，但与研究区作物产量变化呈相比。究其原因，可能是空气中CO2浓度对作物本身的影响要明显高于对土壤的影响。
2.5 作物产量、土壤有机碳储量及其变化相关分析
经过SPSS19.0软件分析后，对研究区作物产量、土壤有机碳储量及其变化进行了相关性分析，得到表1。
结果表明研究区作物产量与土壤有机碳储量在0.1水平上呈显著正相关，与其有机碳储量变化在0.1水平上呈显著负相关。虽然上表对作物产量与土壤有机碳储量及其储量变化间相关性进行表述，但上表未体现出土壤有机碳储量与其储量变化间在0.1水平上呈显著负相关，相关系数-0.88。
3 结论
（1）通过DNDC模型点位模拟，将得到的模拟值与实测值进行了精度验证，其RMSEn值为11.949%，表明在松嫩平原西部进行DNDC模拟结果较好，DNDC模型可用于该区域的模拟。
（2）松嫩平原西部表层土壤中有机碳储量基本介于2638.31～88357.46kgC·ha-1之间，总储量约为7794.42万t。而表层土壤有机碳储量变化介于-535.86～350.75kgC·ha-1之间，均值为-225.18kgC·ha-1，研究区的农业生态系统是一个“碳源”。
（3）松嫩平原西部单位面积作物纯碳产量基本在2500～4500kgC·ha-1之间，均产3576.167kgC·ha-1，研究区实际作物产量约为8.94t·ha-1，总产量约为3429.83t。
（4）经过不同气候情景下的模拟，温度的升高、降水的增多，都会造成研究区内土壤有机碳储量减少；空气中CO2浓度升高，土壤有机碳储量则会增加。温度、降水以及CO2浓度与研究区作物产量均呈反比，即温度升高、降水增加、空气中CO2浓度升高，均会造成研究区作物减产。
参考文献
[1]陈海心，孙本华，冯浩，赵英，张延.应用DNDC模型模拟关中地区农田长期施肥条件下土壤碳含量及作物产量[J].农业环境科学学报，2014，09：1782-1790.
[2]刘力，阮荣平. 气候变暖对粮食安全的影响综述[J]. 江苏农业科学，：1-5.
[3]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，2001，02：89-99.
[4]刘殿伟，宋开山，王丹丹，张树清. 近50年来松嫩平原西部土地利用变化及驱动力分析[J]. 地理科学，2006，03：277-283.
[5]王德营，姚艳敏，司海青，唐鹏钦. 黑土有机碳变化的DNDC模拟预测[J]. 中国生态农业学报，2014，03：277-283.
[6]杨黎，王立刚，李虎，邱建军，刘慧颖. 基于DNDC模型的东北地区春玉米农田固碳减排措施研究[J]. 植物营养与肥料学报，2014，01：75-86.
[7]张明园，魏燕华，孔凡磊，陈阜，张海林. 耕作方式对华北农田土壤有机碳储量及温室气体排放的影响[J]. 农业工程学报，2012，06：203-209.
[8]李悦，郭李萍，谢立勇，黄树青，徐玉秀，赵迅. 不同农作管理措施对东北地区农田土壤有机碳未来变化的模拟研究[J]. 中国农业科学，2015，03：501-513.
摘要：松嫩平原为我国高产粮区，但其西部由于沙化、盐碱化日趋加重而减产明显。本文以松嫩平原西部为研究区，运用DNDC模型对其进行了2015年表层土壤有机碳及作物产量的模拟，并对不同气候情景下研究区土壤有机碳储量变化和作物产量进行了模拟。研究表明：松嫩平原西部表层土壤中有机碳总约为储量7794.42万t，其变化均值为-225.18kgC·ha-1，研究区为“碳源”；研究区作物产量均值为3576.167kgC·ha-1，实际作物产量约为8.94t·ha-1，总产量约为3429.83t。研究区表层土壤有机碳储量和作物产量在空间分布上均表现为由西北向西南、东南递减的趋势。温度的升高、降水的增多，都会造成研究区内土壤有机碳储量减少；空气中CO2浓度升高，土壤有机碳储量则会增加。温度升高、降水增加、空气中CO2浓度升高，均会造成研究区作物减产。
关键词：松嫩平原西部；DNDC模型；土壤有机碳；作物产量
中图分类号：X16 文献标识码：A 文章编号：2095-672X（2017）02-0031-06
DOI：10.16647/j.cnki.cn15-1369/X.2017.02.005
引言
近年来，随着温室效应的加重，全球变暖、冰川融化、降水增多已成为不可逆转的趋势。而随着气候的变化，相应的对农田生态系统产生了极其深远的影响。土壤有机碳（Soil organic carbon，SOC）作为农田生态系统中重要的碳库和营养元素库，是土壤质量以及土壤功能的核心，不仅直接影响着土壤肥力和土地生产力，也影响着CO2的排放，与气候变化直接相关[1]。然而土壤有机碳的转变过程非常缓慢，但近年来受到了气候的影响。气候的变化正日益深化对土壤有机碳的影响[2]。
本文以松嫩平原西部地区为例，采用DNDC模型模拟其表层土壤有机碳储量及其变化，并估算该区域作物产量，为研究区土壤培肥和土壤碳循环研究提供依据。同时对该研究区进行不同气候情景模式下的模拟，以此来寻找气候变化对表层土壤有机碳储量及作物产量的影响。
1 材料和方法
1.1 DNDC模型介绍
DNDC模型（Denitrification-Decomposition model，脱氮-分解作用模型）是美国新罕布什尔大学陆地海洋空间研究中心李长生教授等开发研制并推广起来的。DNDC 模型由两个部分组成：第一部分包含土壤环境、植物生长、有机质分解三个子模型，其作用是根据输入的气象、土壤、植被、土地利用和农田耕作管理数据预测植物-土壤系统中诸环境因子的动态变化（土壤温度、土壤湿度、pH、氧化还原潜力Eh等）；第二部分包含硝化反应、脱氮反应、发酵反应三个子模型，这部分的作用是由土壤环境因子来预测微生物参与上述三个化学反应的速率。6个子模型以日为时间步长，互相传递信息，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。应用DNDC模型模拟任一点的生物地球化学过程时，只要根据当地种植耕作情况输入气象、土壤以及作物等数据，便可进行一年至多年的模拟[3]。
1.2 研究区概况
松嫩平原西部 （43° 59′～47° 52′ E、121° 38′～125° 45′ N），总面积6. 71×104 km2，属半干旱半湿润地区，年降水量350～400 mm之间，年均温2～5. 6℃。随着过度开垦和过度放牧，以及一些不合理的农田耕作措施，使得松嫩平原西部地区沙化、盐碱化日趋严重，土壤生产力也有所下降，因此，对该区域的生态恢复就显得尤为重要[4]。
1.3 试验设计
通过两次土壤采样，以及室内理化实验分析得到研究区内土壤的相关理化性质，进而进行DNDC模型模拟。相关的气象数据来源于中国气象数据共享网。
1.4 模型验证
模型精度验证方法选择均方根误差法RMSE（Root-mea-square Error）来验证模型的精度。RMSE是观测值与模拟值偏差的平方和观测次数比值的平方根，公式如下：
式中OBSi为观测值，SMi为模拟值，OBSi为观测平均值，n为样本容量。RMSEn的值越小，表明模拟值与实测值的一致性越好。模拟值与实测值之间的偏差越小，模型的模拟结果越准确可靠。一般研究中多采用如下参考：（1）RMSEn值小于10%，表明模拟值与预测值一致性非常好；（2）RMSEn介于10%～20%之间，说明模拟结果较好，若介于20%～30%之间表明模拟效果一般；（3）RMSEn大于30%表明模拟效果差，模拟值与实测值偏差大[5]。
1.5 敏感性分析
有機碳含量及其变化是外界气候条件和人为的耕作管理措施共同作用下的结果。但本文主要研究的是外界不同气候条件对土壤有机碳含量的影响，因此选取的变更因子，包括气温、日平均降水量以及空气中CO2的浓度。
各因子的变更系数均为相对于实际±10%。
2 结果与讨论
2.1 研究区SOC储量及其变化
本研究应用DNDC点位模式选取研究区24个样点按模型要输入所需数据后对土壤有机碳含量（单位：kgC/ha）进行了情景模拟，并根据第二次野外考察所得实测数据进行RMSEn的计算得=11.949%。按照上述标准，模拟结果较好，能够进行下一步的模拟分析。
基于DNDC模型的区域模拟主要应用Arcgis10.1中泰森多边形模块将研究区域分成48个单元，之后将各个区域中参数信息按要求输入后进行模拟。模型模拟完成后，将输出数据整理得出各个子单元中不同作物类型下单位面积表层土壤有机碳含量、土壤有机碳储量变化。经计算，研究区土壤中有机碳储量平均值为20317.41kgC·ha-1，总储量约为7794.42万吨C。在研究区广大的区域内，土壤中有机碳储量基本介于2638.31～88357.46kgC·ha-1之间，其在区域内最高值与最低值之比达到了33.5，可见研究区有机碳储量分布极不均匀。而研究区内表层土壤有机碳储量变化主要介于-535.86～350.75kgC·ha-1之间，其均值为-225.18kgC·ha-1，故研究区的农业生态系统是一个“碳源”。
在2015年，研究区内有机碳变化分布总体上呈现减少的趋势，仅有部分地区略有增加，表现为“碳源”。其中，在研究区西北部的龙江、齐齐哈尔以及中部的大安、乾安、前郭地区减少最为明显，均达到了-535.86～-254.2kgC·ha-1。龙江、齐齐哈尔以及周边地区，由于有机碳储量基数较大，经过一个作物生长季的消耗，而相应的补给较少，故有机碳含量大量减少；而大安、乾安和前郭地区这是研究区内沙化、盐碱化趋势加重的区域，故有机碳流失较大。而研究区西南部通榆、长岭地区虽然也是盐碱化较为严重的地区，但由于人为因素的补充，故有机碳变化不大，甚至略有盈余。
2.2 不同情景模式下土壤有机碳储量变化的模拟
利用DNDC模型蒙特卡洛测试方法来进行不同气候条件下土壤有机碳储量变化的模拟。在输入项目温度中键入误差值0.1（表示温度的误差在其已输入值的±10%），根据模拟结果做出图2，得出温度（Temp）与土壤有机碳储量变化减少趋势相同，即温度增高，SOC储量减少的越多；反之，温度降低，土壤中SOC储量减少的趋势在减缓。温度的变化直接影响着研究区土壤SOC的储量，但研究区土壤有机碳储量一直处于负增长，即始终是“碳源”。
在输入项目降水中键入误差值0.1（表示降水的误差在其已输入值的±10%），根据模拟结果做出图3，得出降水（Prec）与土壤有机碳储量变化减少趋势也相同，即降水越多，SOC储量减少的也越多；而随着降水的减少，土壤中SOC储量减少的趋势在减缓。
在输入项目CO2浓度中键入误差值0.1（表示空气中CO2浓度的误差在其已输入值的±10%），根据模拟结果做出图4，得出CO2浓度（ppm）与土壤有机碳储量变化减少的趋势相反，即空气中CO2含量增高，SOC储量减少的趋势在放缓，土壤中SOC储量会增高。
根据以上对研究区3种不同气候条件下的情景模拟，我们可以看出气候对土壤中SOC储量的变化产生着直接的影响。在当代全球气候变暖的大环境下，研究区土壤中SOC储量减少的趋势在加重，而随着SOC储量的减少，研究区土壤沙化、盐碱化的趋势也会随之加重。
2.3 研究区作物产量的模拟与验证
按要求将DNDC模型所需参数数据输入输入模型后，经模拟得出48个单元格点中单位面积作物纯碳的产量，研究区单位面积作物纯碳产量基本在2500～4500kgC·ha-1之间，经计算其平均值为3576.167kgC·ha-1。由于DNDC模型默认作物实际产量与作物碳产量之间换算系数为0.4，则研究区实际作物产量约为8.94t·ha-1，总产量约为3429.83t。
2.4 不同情景模式下研究区作物产量的模拟
研究区作物产量的模拟同样利用DNDC模型的蒙特卡洛测试方法来完成。不同气候条件可能對研究区内的作物产量产生不同的影响。在输入项目温度中键入误差值0.1，其他条件保持不变，根据模拟结果做出图5，得到温度（Temp）对作物产量变化的影响。我们发现，温度变化与作物产量变化是成反比的。温度升高，作物产量减少；相反，温度降低，作物产量增加。经计算，温度每升高1℃，研究区内作物大约减产12.69 kgC·ha-1。
在其他条件保持不变的情况下，分别在输入项目降水和CO2中键入误差值0.1，根据模拟结果做出图6、图7，分别得到降水（Prec）以及CO2浓度（ppm）对作物产量变化的影响。我们发现，降水和空气中CO2浓度的变化与作物产量变化是成反比的，并且影响特别大。降水增多10%，减产大约583.24kgC·ha-1；而空气中CO2浓度增多10%，减产大约407.23kgC·ha-1。当降水减少或者空气中CO2浓度降低时，研究区作物产量会得到一定程度上的提升。
温度以及降水的变化，对研究区表层土壤SOC储量变化和作物产量变化的影响是一致的，都呈反比。特别需要指出的是空气中CO2浓度，其与研究区表层土壤SOC储量变化呈正比，但与研究区作物产量变化呈相比。究其原因，可能是空气中CO2浓度对作物本身的影响要明显高于对土壤的影响。
2.5 作物产量、土壤有机碳储量及其变化相关分析
经过SPSS19.0软件分析后，对研究区作物产量、土壤有机碳储量及其变化进行了相关性分析，得到表1。
结果表明研究区作物产量与土壤有机碳储量在0.1水平上呈显著正相关，与其有机碳储量变化在0.1水平上呈显著负相关。虽然上表对作物产量与土壤有机碳储量及其储量变化间相关性进行表述，但上表未体现出土壤有机碳储量与其储量变化间在0.1水平上呈显著负相关，相关系数-0.88。
3 结论
（1）通过DNDC模型点位模拟，将得到的模拟值与实测值进行了精度验证，其RMSEn值为11.949%，表明在松嫩平原西部进行DNDC模拟结果较好，DNDC模型可用于该区域的模拟。
（2）松嫩平原西部表层土壤中有机碳储量基本介于2638.31～88357.46kgC·ha-1之间，总储量约为7794.42万t。而表层土壤有机碳储量变化介于-535.86～350.75kgC·ha-1之间，均值为-225.18kgC·ha-1，研究区的农业生态系统是一个“碳源”。
（3）松嫩平原西部单位面积作物纯碳产量基本在2500～4500kgC·ha-1之间，均产3576.167kgC·ha-1，研究区实际作物产量约为8.94t·ha-1，总产量约为3429.83t。
（4）经过不同气候情景下的模拟，温度的升高、降水的增多，都会造成研究区内土壤有机碳储量减少；空气中CO2浓度升高，土壤有机碳储量则会增加。温度、降水以及CO2浓度与研究区作物产量均呈反比，即温度升高、降水增加、空气中CO2浓度升高，均会造成研究区作物减产。
参考文献
[1]陈海心，孙本华，冯浩，赵英，张延.应用DNDC模型模拟关中地区农田长期施肥条件下土壤碳含量及作物产量[J].农业环境科学学报，2014，09：1782-1790.
[2]刘力，阮荣平. 气候变暖对粮食安全的影响综述[J]. 江苏农业科学，：1-5.
[3]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，2001，02：89-99.
[4]刘殿伟，宋开山，王丹丹，张树清. 近50年来松嫩平原西部土地利用变化及驱动力分析[J]. 地理科学，2006，03：277-283.
[5]王德营，姚艳敏，司海青，唐鹏钦. 黑土有机碳变化的DNDC模拟预测[J]. 中国生态农业学报，2014，03：277-283.
[6]杨黎，王立刚，李虎，邱建军，刘慧颖. 基于DNDC模型的东北地区春玉米农田固碳减排措施研究[J]. 植物营养与肥料学报，2014，01：75-86.
[7]张明园，魏燕华，孔凡磊，陈阜，张海林. 耕作方式对华北农田土壤有机碳储量及温室气体排放的影响[J]. 农业工程学报，2012，06：203-209.
[8]李悦，郭李萍，谢立勇，黄树青，徐玉秀，赵迅. 不同农作管理措施对东北地区农田土壤有机碳未来变化的模拟研究[J]. 中国农业科学，2015，03：501-513.
