秸秆还田对冬小麦-夏玉米农田土壤固碳、氧化亚氮排放和全球增温潜势的影响

发布时间：2022-02-10所属分类：农业论文浏览：1507次

摘 要： 摘要: 旱地农田温室气体净排放( 以全球增温潜势表示) 主要取决于土壤固碳速率和氧化亚氮( N2O) 排放量. 基于长期定位施肥试验，综合分析 2010 ～ 2017 年表层( 0 ～ 20 cm) 土壤有机碳含量和 2014 ～ 2017 年N2O排放通量的观测结果，定量评价秸秆还田对关中平原冬小麦-

　　摘要: 旱地农田温室气体净排放( 以全球增温潜势表示) 主要取决于土壤固碳速率和氧化亚氮( N2O) 排放量. 基于长期定位施肥试验，综合分析 2010 ～ 2017 年表层( 0 ～ 20 cm) 土壤有机碳含量和 2014 ～ 2017 年N2O排放通量的观测结果，定量评价秸秆还田对关中平原冬小麦-夏玉米农田土壤固碳速率、N2O年排放量和全球增温潜势的影响. 田间试验设置传统施肥( CF) 和传统施肥加玉米秸秆( CFS) 处理及不施肥对照( CK) . CF 和 CFS 处理施入等量尿素，冬小麦季和夏玉米季施氮量分别为 165 kg·hm - 2 和 188 kg·hm - 2 ; CF 处理在两季作物收获时均保留本小区地上约 10 cm 高根茬，CFS 处理在冬小麦收获时保留相同根茬，而在玉米收获时保留全部秸秆( 含氮量约 40 kg·hm - 2 ) . CK 全年不施化肥，秸秆管理方式与 CF 处理一致. 结果表明，CK 土壤有机碳含量变化小、N2O排放量低，其全球增温潜势变化范围为 0. 04 ～ 0. 11 t·( hm2 ·a) - 1 . CF 和 CFS 处理土壤有机碳含量均随施肥年限呈线性增长( P < 0. 001) ，其固碳速率分别为 0. 69 t·( hm2 ·a) - 1 和 0. 97 t·( hm2 ·a) - 1 ; 两处理N2O排放量分别在 1. 65 ～ 5. 36 kg·( hm2 ·a) - 1 和 3. 08 ～ 7. 73 kg·( hm2 ·a) - 1 之间，CFS 处理N2O年排放量较 CF 处理偏高 43% ～ 94% ，但仅在 2015 ～ 2016 年有显著性差异( P < 0. 05) . CF 和 CFS 处理全球增温潜势分别在 - 1. 95 ～ - 0. 28 t·( hm2 ·a) - 1 和 - 2. 59 ～ - 0. 35 t·( hm2 ·a) - 1 之间，CFS 处理 3 a 累计全球增温潜势较 CF 处理偏低 42% . 本研究的冬小麦-夏玉米农田在传统施肥管理方式下已是温室气体的汇; 尽管土壤固碳速率和N2O排放量存在消长关系，但全量玉米秸秆还田仍然更有利于温室气体减排.

　　关键词: 土壤固碳; 氧化亚氮( N2O) ; 全球增温潜势( GWP) ; 秸秆还田; 长期定位施肥; 关中平原

　　自工业化以来，大气二氧化碳( CO2 ) 、甲烷 ( CH4 ) 和氧化亚氮( N2O) 浓度已分别增加 48%、 160% 和 23% ，是气候变暖的主要原因[1]. 农业是重要的温室气体排放源，其 CO2、CH4 和N2O排放量分别占人为源总量的 24%、12% 和 60%[1]. 农业温室气体减排潜力巨大，通过优化田间管理，农田每年可减少 CO2 当量( CO2-eq) 排放量 5. 5 × 1012 t，约占全球温室气体年排放总量的 20%[2].

　　秸秆还田是保护性耕作措施之一，不仅能够有效利用农业废弃物、提高土壤肥力和防治土壤退化[3]，还能提高土壤有机碳含量[ω( SOC) ]，将 CO2 以有机碳的形式固持在土壤圈中[4]. 但全面评价秸秆还田对减缓气候变暖的作用，还必须考察 CH4 和 N2O排放的变化. 农田温室气体净排放通常以全球增温潜势( 以 CO2-eq 计) 表示，即土壤固碳速率、 CH4 净交换量和 N2O 排 放 量 的 百 年 增 温 潜 势 总和[5 ～ 7]. 旱地土壤是 CH4 微弱的汇[8]，其全球增温潜势主要取决于土壤固碳速率和N2O年排放量[6，9].

　　土壤释放的N2O主要由微生物硝化、反硝化过程产生，首要影响因素为氮底物浓度和氧化还原状态[10]. 当土壤气体扩散较慢时，N2O可被反硝化微生物还原成氮气[10]. 反硝化微生物大多为异养微生物，以土壤有机碳作为能量来源和电子供体，因此有机碳含量也是N2O排放的限制因素之一[10]. 关于秸秆还田对N2O排放的影响已有较多研究，有研究认为秸秆带入的碳底物促进了反硝化作用和N2O排放[11 ～ 13]，有研究表明秸秆还田减少N2O排放，主要是由于秸秆碳氮比高，分解时需要从土壤中吸附氮底物[14，15]，也有研究显示秸秆有利于保持土壤温度和湿度，还通过增加土壤孔隙改变氧化还原状态和气体扩散条件，从而促进或减少N2O排放[16 ～ 18]. 由此可见，秸秆可通过多种途径改变N2O的产生和消耗，导致秸秆还田条件下N2O年排放量极高的时空异质性. 针对特定农田N2O排放通量进行多年观测，是准确评价秸秆还田减排作用的关键.

　　关中平原位于黄土高原南缘，属半湿润易干旱气候区，土壤退化风险高[19，20]. 近年来，秸秆还田在该地区逐渐受到重视. 有研究显示秸秆还田提高了当地农田土壤有机碳含量和N2O年排放量[11，19，20]，表明土壤固碳速率和N2O年排放量存在消长关系. Gu 等[9]的研究对关中平原多种施肥制度( 包括秸秆还田) 下农田全球增温潜势进行了评估，但所使用的N2O年排放量为经验模型的估计值，其结果存在较大不确定性，仍需原位观测进行验证. 本研究基于长期定位施肥试验，综合分析 2010 ～ 2017 年土壤有机碳含量和 2014 ～ 2017 年N2O排放通量的观测结果，定量评价秸秆还田对土壤固碳速率、N2O年排放量和全球增温潜势的影响，以期为实现农业“碳中和”目标提供基础数据支持.

　　1 材料与方法

　　1. 1 试验地概况

　　本研究试验田位于陕西省杨凌区( 34°17'51″N， 108°00'48″E) ，由国家黄土肥力与肥料效益监测基地管理. 该地区位于关中平原中部，属暖温带大陆性季风气候，多年平均气温 13℃，年均降水量 550 mm，降水主要集中在 7 ～ 10 月.

　　长期定位施肥试验开始于 1990 年[11，20]，作物为冬小麦-夏玉米一年两熟. 土壤为土垫旱耕人为土，黄土母质，质地为黏壤土. 长期试验开始时表层土壤( 0 ～ 20 cm) ω( 有机碳) 、容重和 pH 分别为 7. 3 g·kg - 1 、1. 32 g·cm - 3 和 8. 6.

　　1. 2 试验设计

　　田间试验采用随机区组试验设计，每个小区面积为 14 m × 14 m. 选取传统施肥( CF) 和传统施肥加玉米秸秆( CFS) 处理及不施肥对照( CK) . CF 处理施化肥( 尿素、过磷酸钙和硫酸钾) ，冬小麦季 ( 每年 10 月至次年 6 月) 氮、磷和钾素施入量分别为 165、57 和 68 kg·hm - 2 ，播种前均匀撒施; 夏玉米季( 每年 6 月至 10 月) 氮、磷和钾素施入量分别为 188、25 和 78 kg·hm - 2 ，播种后 3 ～ 4 周穴施( 约 15 cm) ; 两季作物收获时均保留地上约 10 cm 高根茬，播种时翻入土中( 约 20 cm) . CFS 处理的化肥施入量、施肥方式与 CF 处理相同，在冬小麦收获时同样保留地上约 10 cm 高根茬，而在玉米收获时保留全部玉米秸秆[ω( C) 和 ω ( N) 分别为 42. 4% 和 0. 9% ，干重约为 4. 4 t·hm - 2 ]，破碎成约 3 cm 长小段平铺施入，播种时翻入土中( 约 20 cm) . CK 全年不施化肥，秸秆管理措施与 CF 处理一致. 试验田全年适时灌溉 2 ～ 3 次，灌溉水为地下水，方式为漫灌.

　　本研究土壤有机碳含量的观测期为 2010 ～ 2017 年( CK 部分年份缺失) ，此期间冬小麦和夏玉米品种分别为小偃 22 和郑丹 958. N2O排放通量观测期为 2015 年 10 月 ～ 2017 年 10 月，主要农田管理措施列于表 1. 同一试验田 2014 年 10 月 ～ 2015 年 10 月N2O排放通量数据见文献[11].

　　1. 3 样品收集与分析

　　每年 10 月休闲期间，在每个小区内使用土钻 ( 内径 2. 5 cm) 随机采集表层土壤( 0 ～ 20 cm) 30 钻，每 10 钻充分混合为一个样品. 仔细挑出土样中秸秆、细根等残余物，过 2 mm 筛，使用重铬酸钾氧化法测定有机碳含量[9，20].

　　N2O排放通量观测采用静态箱法[9，11]. 采样装置由基座( 50 cm × 50 cm × 15 cm) 、中段箱( 50 cm × 50 cm × 50 cm) 和顶箱( 50 cm × 50 cm × 50 cm) 组成，均为不锈钢材质. 基座顶部有水槽，中段箱和顶箱包覆绝热反光膜. 顶箱上部预留 1 个直径为 2 cm 的圆孔以平衡气压，侧面打孔设置采样管，采样管连接三通接口. 中段箱仅在植株高度超过 50 cm 后使用. 每个处理随机设置 3 个基座，埋入土壤约 15 cm. 采样时向基座水槽注水并将顶箱小心放入，使用注射器采集箱内气体( 约 40 mL) 4 次，每次间隔时间为 8 ～ 10 min. 采样结束 10 h 内使用气相色谱仪( 7890B，Agilent Technologies Inc.，USA) 检测 N2O浓度. 采样均在 08: 00 ～ 11: 00 进行. 通常情况下，每周采样 1 次; 施肥或灌溉后每天采样 1 次，直至N2O排放通量降至背景值.

　　气体采集的同时测量土壤温度和湿度. 使用数字温度计( JM 624，天津今明仪器有限公司) 测量土壤温度( 0 ～ 10 cm) ，每个处理随机测量 9 次. 使用便携式 土 壤 水 分 速 测 仪 ( ML3，Delta-T Devices， UK) 测量土壤含水量体积分数( 0 ～ 5 cm) ，每个处理随机测量 9 次.

　　1. 5 统计分析

　　统计 分 析 使 用 R 软 件 包 ( 版 本 号 3. 6. 3， https: / /www. r-project. org /) 完成. 分别使用线性( lm 函数) 和逻辑斯蒂克( nls 函数) 回归模型拟合施肥处理土壤有机碳含量随施肥年限的变化规律，在默认输出的统计分析结果中，以赤池信息准则( AIC) 选择最优拟合模型，检验土壤有机碳含量的年变化率( 即线性拟合模型的斜率) 在处理间的差异( P < 0. 05) . 采用单因素方差分析检验N2O年排放量在处理间和年际间的差异( P < 0. 05) .

　　利用边界线法分析N2O排放通量对土壤温度和充水孔隙度的响应[21]. 首先，将土壤温度或充水孔隙度观测值设置为自变量( X) ，将N2O排放通量设置为应变量( Y) ，观测期内共有 444 组观测值.其次，将 X 按递增顺序划分为 8 个区间，每个区间内有 55 ～ 56 组观测值，计算第 i 个区间内 X 的平均值( Xi ) 和 Y 的 99% 百分位数( Yi ) ，并赋值给边界点( Xi，Yi ) ，共有 8 个边界点. 最后，使用线性 ( lm 函数) 或高斯( nls 函数) 回归模型拟合边界线 ( P < 0. 05) . 边界线表示当其他条件充分满足时， N2O排放通量对土壤温度或充水孔隙度的最大响应，在边界线以下则表明N2O排放通量受到多种因素的共同影响.

　　2 结果与分析

　　2. 1 土壤固碳速率

　　CK 土壤有机碳含量在 2010 ～ 2017 年期间无明显变化趋势( 图 1) ，变异系数仅为 3% ，表明不施肥土壤固碳速率为0; CF 和 CFS 处理土壤有机碳含量均呈逐年增加趋势，表明两种施肥制度下土壤均有固碳作用. 线性和逻辑斯蒂克回归模型均能较好地拟合两施肥处理有机碳含量随施肥年限的变化规律 ( P < 0. 001) ，其中线性模型的赤池信息准则分别为- 21 和 - 15( 图 1) ，略低于逻辑斯蒂克模型的赤池信息准则( 分别为 - 20 和 - 14) . 因此，选择线性模型的拟合结果计算土壤固碳速率. CF 和 CFS 处理土 壤 有 机 碳 含 量 的 年 变 化 率 分 别 为 0. 23 g·( kg·a) - 1 和 0. 34 g·( kg·a) - 1 ( 图 1) ，均显著大于 0( P < 0. 01) 但两者之间差异不显著( P > 0. 05) . 两施肥处理土壤固碳速率分别为 0. 69 t·( hm2 ·a) - 1 和 0. 97 t·( hm2 ·a) - 1 ，后者较前者偏高 40% ，表明秸秆还田提高了土壤固碳速率.

　　2. 2 土壤温度、充水孔隙度和N2O排放通量

　　CK、CF 和 CFS 土壤温度和充水孔隙度在观测期内均具有相似的变化特征[图 2( a) 和 2( b) ]. 土壤温度在 0. 3 ～ 32. 5℃之间，2015 ～ 2016 年和 2016 ～ 2017 年平均值分别为 16. 6℃ 和 14. 9℃ . 充水孔隙度在 10% ～ 97% 之间，两个试验年平均值分别为 49% 和 53% .

　　CK 的N2O排放通量低[图 2 ( c) ]，观测期内平均值仅为 0. 7 g·( hm2 ·d) - 1 . CF 和 CFS 处理N2O排放通量的季节变化趋于一致，两个试验年中共出现 7 个较明显的排放高峰[峰值 > 22 g·( hm2 ·d) - 1 ]，大多出现在施肥和播种后[图 2 ( c) ]. 排放高峰通常持续 1 ～ 3 周，其余时间内排放通量与 CK 保持一致. 施肥处理N2O排放通量有明显的年际差异，两个试验年中 CF 和 CFS 处理最高峰值分别出现在夏玉米 季 [分 别 为 190 g·( hm2 ·d) - 1 和 638 g·( hm2 ·d) - 1 ] 和 冬 小 麦 季 [分 别 为 359 g·( hm2 ·d) - 1 和 598 g·( hm2 ·d) - 1 ].

　　边界线分析显示N2O排放通量与土壤温度和充水孔隙度的关系分别遵循高斯曲线和线性变化规律 ( 图 3) ，相关性均达到极显著水平( P < 0. 01) . 表明当其他条件充分满足时，N2O排放通量在土壤温度约为 19℃时达到最大值，或随着充水孔隙度的增加而提高.

　　2. 3 N2O年排放量和排放系数

　　3 个试验年中，CF 和 CFS 处理N2O年排放量均显著大于 CK( P < 0. 001，表 2) . CFS 处理N2O年排放量较 CF 处理偏高 43% ～94%，但仅在 2015 ～ 2016 试验年有显著性差异( P <0. 05) . CFS 处理 3 a 累计N2O排放量较 CF 处理偏高 48% ( P < 0. 05) ，表明秸秆还田促进了N2O排放. 两施肥处理N2O年排放量均有显著年际间差异，其中 2016 ～ 2017 试验年较其他年份偏高 148% ～286% ( P < 0. 05) . 两施肥处理排放系数变化范围为 0. 40% ～1. 90%，平均值为 1. 06% .

　　2. 4 全球增温潜势

　　2014 ～ 2017 年，CK 全球增温潜势变化范围为 0. 04 ～ 0. 11 t·( hm2 ·a) - 1 ，表明不施肥农田为温室气体微弱的源( 表 2) ; CF 和 CFS 处理全球增温潜势分别在 - 1. 95 ～ - 0. 28 t·( hm2 ·a) - 1 和 - 2. 59 ～- 0. 37 t·( hm2 ·a) - 1 之间，表明两处理农田均为温室气体的汇. 3 个试验年中，CFS 处理全球增温潜势较 CF 处理偏低 23% ～ 56% ; CFS 处理 3 a 累计全球增温潜势较 CF 处理偏低 42% ，表明秸秆还田更有利于温室气体减排.

　　3 讨论

　　3. 1 旱地农田土壤固碳

　　土壤碳库变化是碳输入( 如粪肥、秸秆、根系及其分泌物等) 和输出( 如土壤异养呼吸和风力、水力侵蚀等) 的动态平衡过程[4]. Li 等[19]在泾阳( 同位于关中平原) 开展的试验结果显示，全化肥( 无秸秆还 田) 处 理 土 壤 固 碳 速 率 为 负 值 [- 0. 26 t·( hm2 ·a) - 1 ]，表明在缺少额外碳输入的情况下由耕作导致土壤有机碳损失. 本研究中 CK 土壤有机碳含量在过去 8 a 中变化小( 图 1) ，表明在不施肥但保留部分根茬的管理方式下，土壤碳库已能达到收支平衡; 而 CF 和 CFS 处理土壤固碳速率为正值[0. 69 ～ 0. 97 t·( hm2 ·a) - 1 ]，表明碳输入已超出维持土壤碳库平衡所需量. 其中 CFS 处理土壤固碳速率较泾阳[19]秸秆还田处理[0. 55 t·( hm2 ·a) - 1 ]偏高约 75% ，其原因可能有: 第一，土壤固碳速率与秸秆还田量呈正相关关系[22]. 本研究 CFS 处理为全量玉米秸秆还田，秸秆碳输入量高，但泾阳试验未提供相关数据[15]，无法进行比较. 第二，秸秆还田条件下土壤固碳速率与初始有机碳含量呈负相关关系[22].本研究中土壤初始有机碳含量低，因此固碳速率较高.

　　本研究 CFS 处理土壤固碳速率较 CF 处理偏高 0. 28 t·( hm2 ·a) - 1 ，占秸秆输入碳的 15. 1% ，略低于全 国 平 均 值 16. 1%[4]，但 高 于 东 北 黑 钙 土 ( 12. 9% ) [23]、南方红土( 8. 1% ～ 10. 6% ) [24，25] 和华北潮土( 8. 5% ～ 9. 1% ) [26，27]，这主要是由于土壤质地、气候因素、秸秆性质和施用方式等诸多因素造成土壤固碳效率的差异.

　　部分长期定位施肥试验结果显示，土壤有机碳含量随施肥年限的变化规律符合逻辑斯蒂克模型[5，9，28]，表明土壤有机碳含量存在上限，且同一农田在不同施肥制度下土壤有机碳含量上限也存在差异[5，9]. 同时也表明土壤固碳速率可能是时间的函数，随施肥年限的延长而逐渐降低[9，28]. 本研究中两施肥处理土壤有机碳含量均随施肥年限呈线性增长 ( 图 1) ，可能是由于初始土壤有机碳含量低、施肥年限短，尚无法评估土壤有机碳含量上限[9，28]. 本研究采用线性模型拟合土壤有机碳含量变化规律仅基于统计检验结果，其土壤固碳速率估计值仅在 2010 ～ 2017 年是可靠的.

　　3. 2 N2O排放和排放系数

　　本研究中两施肥处理N2O排放高峰通常与施肥和播种有关( 图 2) ，与大多数的田间观测结果一致[11 ～ 15]. 施 肥 处 理 N2O 年 排 放 量 在 1. 6 ～ 7. 7 kg·( hm2 ·a) - 1 之间( 表 2) ，基本位于我国旱地农田 N2O年排放变化范围内[29].

　　本研究中N2O排放通量与土壤温度和充水孔隙度均无显著相关性( 图 3) ，主要是由于N2O排放受到多种因素( 如温度、湿度、氮底物和碳底物等) 的共同影响[11 ～ 15]. 边界线为确定田间N2O排放通量与某单一因素的相关性提供了很好的分析方法[21，30]. 本研究中边界线分析结果显示N2O排放通量在土壤温度为 19℃时达到最大值，该最适土壤温度低于我国亚热带[21]及欧洲温带海洋气候[30]农田的研究结果 ( 23 ～ 25℃ ) ，可能与土壤微生物对气候的长期适应有关. 本研究中N2O排放通量随土壤充水孔隙度的增加而提高，表明N2O排放高峰主要由反硝化过程产生. 已有研究则显示N2O排放通量的最适充水孔隙度为 69% ～ 72%[21，30]，当充水孔隙度高于此阈值时反硝化过程的主要产物为氮气，因此N2O排放通量有所降低. 而本研究中充水孔隙度高于 80% 的观测值较少，尚无法确定N2O排放通量在高值区域的变化趋势.

　　本研究中秸秆还田促进了N2O排放( 表 2) . 首先，CFS 处理冬小麦季施氮量高，在尿素与 CF 处理相同的基础上引入了秸秆，提供了更多的氮底物[约 40 kg·( hm2 ·a) - 1 ]. 其次，秸秆引入了易分解有机质，促进了反硝化微生物活动. 这两点是冬小麦季 CFS 处理N2O排放高于 CF 处理的主要原因. 再次，长期秸秆还田提高了土壤有机碳含量( 图 1) ，有利于反硝化作用和N2O排放，这是夏玉米季 CFS 处理 N2O排放高的主要原因.

　　本研究中施肥处理N2O排放量有显著的年际间差异，且均表现为 2016 ～ 2017 年最高( 表 2) ，这除了与该试验年土壤充水孔隙度较高( 图 2) 有关以外，还可能与施肥和灌溉等管理措施的配合有关. 如 2015 年[11]和 2016 年夏玉米季均在施肥一周后进行灌溉，较高的 N 底物浓度和土壤湿度有利于N2O产生和排放，CF 和 CFS 处理最高峰值分别达到 190. 1 ～ 280. 0 g·( hm2 ·d) - 1 和 382. 1 ～ 643. 0 g·( hm2 ·d) - 1 ; 而 2017 年夏玉米季在施肥前进行灌溉，两 处 理 N2O 排 放 最 高 峰 值 分 别 为 86. 1 g·( hm2 ·d) - 1 和 252. 7 g·( hm2 ·d) - 1 . 尽管 2017 年夏玉米季两处理N2O排放量均低于 2015 年和 2016 年，但由于 2016 ～ 2017 年冬小麦季N2O排放量高，在 N2O年排放量上表现为 2016 ～ 2017 年显著偏高( 表 2) . 由于N2O排放存在较大的年际间差异，准确评估秸秆还田对 N2O 排放的影 响 还 需 要 连 续 多 年 的观测.

　　3 个试验年中 CFS 处理排放系数均高于 CF 处理( 表 2) ，表明秸秆还田提高了排放系数. 两处理排放系数平均值分别为 0. 90% 和 1. 22% ，分别低于和高于 IPCC 缺省值 1%[31]. 因此，为准确估算区域农田N2O排放总量，对于传统施肥农田和秸秆还田农田应采用不同的排放系数. 由于排放系数具有较大的年际间差异( 表 2) ，准确评估排放系数也需要连续多年的观测.

　　3. 3 秸秆还田对温室气体净排放的影响

　　本研究中不施肥农田为温室气体微弱的源( 表 2) ，主要是由于土壤不具备固碳作用( 图 1) 且释放 N2O( 表 2) . 在实际生产中，关中平原几乎没有不施肥农田，该排放源可忽略不计. 在传统施肥管理方式下，所研究的农田已是温室气体的汇，主要是通过保留部分根茬的方式增加了碳输入. 虽然全量玉米秸秆还田在提高土壤固碳速率( 图 1) 的同时也提高了 N2O年排放量( 表 2) ，即土壤固碳速率和N2O年排放量存在消长关系，但整体更有利于温室气体的减排 ( 表 2) .

　　有两点仍需要注意. 第一，土壤固碳速率不能长期维持较高水平. 随着土壤有机碳含量接近其上限，土壤固碳速率逐渐降低，农田可能转变为温室气体的源[9]. 第二，N2O排放年际间差异大. 在N2O排放量高的年份( 如 2016 ～ 2017 年) ，农田的汇功能有所减弱( 表 2) 甚至可能转变为源. 因此，采取适当措施提高土壤有机碳含量上限和降低N2O排放量是非常必要的.

　　4 结论

　　( 1) 2010 ～ 2017 年，秸秆还田处理土壤固碳速率较传统施肥处理偏高约 40% ，秸秆还田提高了土壤固碳速率.

　　( 2) 2014 ～ 2017 年，秸秆还田处理N2O累计排放量较传统施肥处理偏高约 48% ，秸秆还田促进了 N2O排放.

　　( 3) 在传统施肥管理方式下，所研究农田已是温室气体的汇. 尽管秸秆还田条件下土壤固碳速率和N2O排放量存在消长关系，但仍然更有利于温室气体减排.——论文作者：万小楠1 ，赵珂悦1 ，吴雄伟1 ，白鹤1 ，杨学云1 ，顾江新1，2*

澹版槑:鈶犳枃鐚潵鑷煡缃戙€佺淮鏅€佷竾鏂圭瓑妫€绱㈡暟鎹簱锛岃鏄庢湰鏂囩尞宸茬粡鍙戣〃瑙佸垔锛屾伃鍠滀綔鑰�.鈶″鏋滄偍鏄綔鑰呬笖涓嶆兂鏈钩鍙板睍绀烘枃鐚俊鎭�,鍙仈绯�瀛︽湳椤鹃棶浜堜互鍒犻櫎.