摘要：為探討江蘇省農(nóng)田生態(tài)系統(tǒng)固碳時(shí)空分布特征及未來固碳趨勢(shì)，利用固碳速率法對(duì)江蘇省2005-2020年農(nóng)田固碳進(jìn)行估算，重點(diǎn)分析2005、2010、2015年和2020年時(shí)空分布特征，并運(yùn)用機(jī)器學(xué)習(xí)的方法對(duì)2021-2060年全省農(nóng)田生態(tài)系統(tǒng)固碳進(jìn)行預(yù)測(cè)。結(jié)果表明：在時(shí)間序列上，江蘇省近年農(nóng)田生態(tài)系統(tǒng)固碳量整體呈現(xiàn)升高的趨勢(shì)，2020年估算量為282.55萬t·a-1（以C計(jì)，下同），在全省陸地生態(tài)系統(tǒng)固碳總量中占比達(dá)20.17％；在空間分布上，固碳貢獻(xiàn)最大的是蘇北地區(qū)，無論是施用肥料還是秸稈還田貢獻(xiàn)的固碳量，蘇北地區(qū)均呈現(xiàn)高于蘇中、蘇南地區(qū)的態(tài)勢(shì)；根據(jù)機(jī)器學(xué)習(xí)的重要性分析，秸稈還田量是最為重要的影響因素；兩種模型中，BP神經(jīng)網(wǎng)絡(luò)相較于隨機(jī)森林具有更高的預(yù)測(cè)精度，該模型預(yù)測(cè)2021-2060年農(nóng)田生態(tài)系統(tǒng)固碳量仍會(huì)在短期內(nèi)持續(xù)升高，但隨后將進(jìn)入較穩(wěn)定的平臺(tái)期，其中2021-2026年間固碳量將持續(xù)升高并達(dá)峰值，為365.26萬t·a-1，而到2060年固碳量則為348.12萬t·a-1。研究表明，江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量已逐步提升，但未來增長(zhǎng)速率將趨于減緩，有必要進(jìn)一步強(qiáng)化固碳措施，重點(diǎn)是提升秸稈還田率及其固碳效率，同時(shí)現(xiàn)有研究方法也有待于進(jìn)一步優(yōu)化，未來應(yīng)將有機(jī)肥施用、綠肥還田、輪作等因素考慮在內(nèi)，從而實(shí)現(xiàn)對(duì)農(nóng)田生態(tài)系統(tǒng)固碳更為精準(zhǔn)、全面的估算。

關(guān)鍵詞：江蘇省；農(nóng)業(yè)碳中和；土壤固碳；農(nóng)田生態(tài)碳匯；機(jī)器學(xué)習(xí)預(yù)測(cè)

中圖分類號(hào)：X171.1 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1672-2043（2024）01-0226-11 doi：10.11654/jaes.2023-0110

在陸地生態(tài)系統(tǒng)中，農(nóng)田生態(tài)系統(tǒng)具有重要的碳匯功能，是碳循環(huán)過程最活躍的碳庫。與無作物種植的土壤系統(tǒng)相比，農(nóng)田生態(tài)系統(tǒng)在深層土壤中可以儲(chǔ)存更多的碳，具有更大的固碳潛力。研究表明，我國(guó)陸地生態(tài)系統(tǒng)碳匯近年已呈現(xiàn)上升趨勢(shì)，其中農(nóng)田生態(tài)系統(tǒng)碳匯（以C計(jì)）為（0.043±0.010）Pg·a-1。然而，農(nóng)田土壤N2O、CH4的大量排放導(dǎo)致目前農(nóng)田生態(tài)系統(tǒng)仍整體表現(xiàn)為碳源。因此，為推進(jìn)實(shí)現(xiàn)國(guó)家碳中和目標(biāo)，積極應(yīng)對(duì)和減緩全球氣候變化，農(nóng)田生態(tài)系統(tǒng)需要充分發(fā)揮其碳匯功能。

精準(zhǔn)評(píng)估農(nóng)田固碳變化對(duì)于促進(jìn)我國(guó)農(nóng)業(yè)固碳減排具有積極意義。在以往的研究中，農(nóng)作物經(jīng)濟(jì)產(chǎn)量法是應(yīng)用于農(nóng)田生態(tài)系統(tǒng)碳匯估算的一類常見方法。然而需要指出的是，農(nóng)田生態(tài)系統(tǒng)主要依靠土壤固碳，絕大部分作物碳在短期內(nèi)經(jīng)食物鏈等重新以CO2形式返回大氣，并不能實(shí)現(xiàn)長(zhǎng)效穩(wěn)定固碳。因此，該方法實(shí)際上已不適用于對(duì)當(dāng)前農(nóng)田生態(tài)系統(tǒng)碳匯的估算。現(xiàn)有的農(nóng)田土壤固碳估算更多關(guān)注的是固碳潛力，即土壤有機(jī)碳飽和狀態(tài)下的碳密度或是相較于歷史時(shí)期的增長(zhǎng)潛力。固碳潛力估算方法主要包括長(zhǎng)期試驗(yàn)外推、經(jīng)驗(yàn)公式估算和過程模型模擬三類，但由于土壤有機(jī)質(zhì)形成機(jī)理和周轉(zhuǎn)過程認(rèn)識(shí)、觀測(cè)數(shù)據(jù)誤差、時(shí)空分辨率及可獲取性等因素限制，這些方法均存在不確定性。農(nóng)田土壤固碳速率（即一定時(shí)間內(nèi)一定面積的土壤固碳量）也是估算的對(duì)象之一，目前主要通過Meta分析、土壤調(diào)查數(shù)據(jù)差減和過程模型模擬估算。前兩種方法無法分析固碳速率逐年動(dòng)態(tài)變化和預(yù)測(cè)未來，而過程模型則有賴于實(shí)測(cè)數(shù)據(jù)，在數(shù)據(jù)難以獲取、參數(shù)不充分的情況下難以直接估算。固碳速率法是近年用于估算農(nóng)田生態(tài)系統(tǒng)土壤固碳功能的方法之一，具有數(shù)據(jù)易獲取、計(jì)算方法簡(jiǎn)便以及可分析動(dòng)態(tài)變化的優(yōu)勢(shì)。譚美秋等已用該方法對(duì)河南省農(nóng)田生態(tài)系統(tǒng)碳匯進(jìn)行核算，發(fā)現(xiàn)其結(jié)果與凈碳匯法的結(jié)果呈現(xiàn)出相似規(guī)律。過程模型是用于預(yù)測(cè)農(nóng)田土壤固碳的主流方法，但如前所述仍具有局限性。

近年來，機(jī)器學(xué)習(xí)已廣泛應(yīng)用于各研究領(lǐng)域，但尚未在農(nóng)田系統(tǒng)固碳估算與預(yù)測(cè)方面得到充分應(yīng)用。在眾多機(jī)器學(xué)習(xí)方法中，隨機(jī)森林（Random forest）和神經(jīng)網(wǎng)絡(luò)（Neural network）是當(dāng)前比較經(jīng)典的機(jī)器學(xué)習(xí)方法。隨機(jī)森林是分類和回歸樹的集合，使用預(yù)測(cè)變量的二元分割來確定結(jié)果預(yù)測(cè)的模型，與單一決策樹模型相比，隨機(jī)森林提供了更高的預(yù)測(cè)精度。而在神經(jīng)網(wǎng)絡(luò)中，BP神經(jīng)網(wǎng)絡(luò)作為一種被廣泛使用的網(wǎng)絡(luò)模型，具有較強(qiáng)的非線性映射能力、泛化能力和容錯(cuò)能力，同時(shí)也具有較強(qiáng)的預(yù)測(cè)能力。鑒于此，將機(jī)器學(xué)習(xí)應(yīng)用于農(nóng)田生態(tài)系統(tǒng)固碳估算，可以極大豐富該領(lǐng)域的研究手段。

目前，由于農(nóng)田土壤固碳量實(shí)測(cè)數(shù)據(jù)在獲取方面仍然匱乏，對(duì)區(qū)域尺度的農(nóng)田生態(tài)系統(tǒng)固碳動(dòng)態(tài)變化及預(yù)測(cè)的國(guó)內(nèi)研究仍相對(duì)較少。江蘇省是農(nóng)業(yè)資源約束型省份，全省耕地土壤有機(jī)質(zhì)平均含量為23.81g·kg-1，中低等耕地約占68.45％，區(qū)域普遍存在各類障礙因子，地力提升與固碳減排受到嚴(yán)重制約。此前的研究表明，江蘇省農(nóng)業(yè)碳排放仍處在較高水平，強(qiáng)化農(nóng)田固碳已是刻不容緩。因此，本文以江蘇省為研究對(duì)象，采用固碳速率法主要對(duì)其2005、2010、2015、2020年農(nóng)田固碳量的時(shí)空分布特征進(jìn)行分析，同時(shí)基于2005-2020年估算結(jié)果，通過隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)兩種機(jī)器學(xué)習(xí)的建模方法對(duì)可能的影響因素進(jìn)行重要性分析，并通過調(diào)參比較兩種模型的精度，擇優(yōu)預(yù)測(cè)江蘇省2021-2060年基于當(dāng)前農(nóng)業(yè)發(fā)展趨勢(shì)的農(nóng)田生態(tài)系統(tǒng)固碳量，以期為江蘇省農(nóng)業(yè)固碳提供量化參考，并為農(nóng)田生態(tài)系統(tǒng)固碳估算提供更為簡(jiǎn)便、可行的新方法。

1材料與方法

1.1陸地生態(tài)系統(tǒng)固碳量估算方法

本文依據(jù)生態(tài)環(huán)境部環(huán)境規(guī)劃院、中國(guó)科學(xué)院生態(tài)環(huán)境研究中心編制的《陸地生態(tài)系統(tǒng)生產(chǎn)總值（GEP）核算技術(shù)指南》（以下簡(jiǎn)稱《指南》），采用固碳速率法對(duì)江蘇省陸地生態(tài)系統(tǒng)、江蘇省13個(gè)地級(jí)市農(nóng)田生態(tài)系統(tǒng)2005、2010、2015、2020年的固碳量進(jìn)行核算。其中，陸地生態(tài)系統(tǒng)估算模型如下：

Qt=FCS+GSCS+WCS+CSCS （1）

式中：Qt為陸地生態(tài)系統(tǒng)總固碳量（以C計(jì)，下同），t·a-1；FCS為森林（及灌叢）固碳量，t·a-1；GSCS為草地固碳量，t·a-1；WCS為濕地固碳量，t·a-1；CSCS為農(nóng)田固碳量，t·a-1。本文中森林、濕地和草地固碳速率法核算公式具體詳見《指南》，農(nóng)田生態(tài)系統(tǒng)固碳估算模型如下：

CSCS=（BSS+SCSRN+PR×SCSRs）xSC （2）

式中：CSCS為農(nóng)田土壤固碳量，t·a-1；BSS為無固碳措施條件下的農(nóng)田土壤固碳速率，t·hm-2·a-1；SCSRN為施用化學(xué)氮肥和復(fù)合肥的農(nóng)田土壤固碳速率，t·hm-2·a-1：SCSRs為秸稈全部還田的農(nóng)田土壤固碳速率，t·hm-2·a-1；PR為農(nóng)田秸稈還田推廣施行率，％；SC為農(nóng)田面積，hm2。PR的取值具體見表1。

其中，無固碳措施條件下的農(nóng)田土壤固碳速率：

BSS=NSC×BD×H×0.1 （3）

式中：NSC為無化學(xué)肥料和有機(jī)肥料施用的情況下，我國(guó)農(nóng)田土壤有機(jī)碳的變化，g·kg-1·a-1；BD為土壤容重，g·cm-3；H為土壤厚度，cm。江蘇省NSC取值為-0.06，BD取值為1.253 g·cm-3，H取值為20 cm。

施用化學(xué)氮肥、復(fù)合肥和秸稈還田的土壤固碳速率（南方農(nóng)區(qū)）：

SCSRN=1.533 9×TNF-266.7 （4）

式中：TNF為單位面積耕地化學(xué)氮肥、復(fù)合肥總施用量，kg·hm-2·a-1（以N計(jì)）：

TNF=（NF+CFx0.3）/SP （5）

式中：NF和CF為化學(xué)氮肥和復(fù)合肥施用量，t；SP為耕地面積，hm2。

秸稈還田的固碳速率（南方農(nóng)區(qū)）：

SCSRs=43.548×S+375.1 （6）

式中：S為單位耕地面積秸稈還田量，t·hm-2·a-1。

1.2農(nóng)田生態(tài)系統(tǒng)固碳量預(yù)測(cè)模型

1.2.1 Holt平滑指數(shù)法構(gòu)建2021-2060年數(shù)據(jù)集

選取農(nóng)作物播種面積、有效灌溉面積、化肥施用量、秸稈總量、秸稈還田量（秸稈總量和還田量采用固碳速率法計(jì)算）、糧食總產(chǎn)量、糧食單位面積產(chǎn)量7個(gè)指標(biāo)作為解釋變量（輸入變量）構(gòu)建機(jī)器學(xué)習(xí)預(yù)測(cè)模型，各解釋變量采用Holt平滑指數(shù)法對(duì)2021-2060年時(shí)間序列進(jìn)行預(yù)測(cè)，構(gòu)建預(yù)測(cè)數(shù)據(jù)集。Holt平滑指數(shù)法在簡(jiǎn)單指數(shù)平滑系數(shù)a的基礎(chǔ)上增加了一個(gè)趨勢(shì)的平滑系數(shù)B，因此可以較好地預(yù)測(cè)未來變化趨勢(shì)。本研究Holt平滑指數(shù)法在Rstudio（v 2022.07.1+554）中采用R（v 4.2.2）提供的函數(shù)HoltWinters和forecast包（v 8.21）構(gòu)建，具體建模步驟為：（1）讀入2005-2020年時(shí)間序列；（2）通過HoltWinters進(jìn)行兩參數(shù)指數(shù)平滑擬合；（3）利用forecast包預(yù)測(cè)2021-2060年時(shí)間序列。

1.2.2隨機(jī)森林模型構(gòu)建

本研究應(yīng)用隨機(jī)森林算法對(duì)2005-2020年的固碳速率法估算結(jié)果（2005、2010、2015、2020年除外的其他年份用1.1節(jié)方法計(jì)算固碳量，其中秸稈還田率取2005、2010、2015、2020年相鄰年份之間的平均值，下同）進(jìn)行機(jī)器學(xué)習(xí)。選取農(nóng)作物播種面積、有效灌溉面積、化肥施用量、秸稈總量、秸稈還田量、糧食總產(chǎn)量、糧食單位面積產(chǎn)量7個(gè)指標(biāo)作為輸入變量，以2005-2014年的變量數(shù)據(jù)作為訓(xùn)練集，并以2015-2020年的變量數(shù)據(jù)作為測(cè)試集，對(duì)江蘇省2021-2060年農(nóng)田生態(tài)系統(tǒng)的固碳趨勢(shì)進(jìn)行預(yù)測(cè)。本研究中隨機(jī)森林模型在Rstudio（v 2022.07.1+554）中采用R語言randomForest包（v 4.7-1.1）構(gòu)建。模型預(yù)測(cè)性能如圖1所示，決策樹的數(shù)量（ntree）在400以后的誤差已基本趨于穩(wěn)定（圖la），而mtry值（節(jié)點(diǎn)中用于二叉樹的變量數(shù)）為2時(shí)誤差相對(duì)較低（圖1b），同時(shí)交叉驗(yàn)證的結(jié)果表明，選取7個(gè)解釋變量數(shù)的誤差低于選取變量數(shù)小于7的模型（圖1c）。因此，本研究最終選擇上述7個(gè)指標(biāo)并以ntree=500、mtry=2的參數(shù)構(gòu)建隨機(jī)森林模型。

1.2.3 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

本研究應(yīng)用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)2005-2020年的固碳速率法估算結(jié)果進(jìn)行深度學(xué)習(xí)。同樣選取農(nóng)作物播種面積、有效灌溉面積、化肥施用量、秸稈總量、秸稈還田量、糧食總產(chǎn)量、糧食單位面積產(chǎn)量7個(gè)指標(biāo)作為輸入變量，以農(nóng)田生態(tài)系統(tǒng)固碳量為輸出變量，并以2005-2014年的變量數(shù)據(jù)作為訓(xùn)練集，以2015-2020年的變量數(shù)據(jù)作為測(cè)試集。該神經(jīng)網(wǎng)絡(luò)有1個(gè)隱含層，神經(jīng)元個(gè)數(shù)為13個(gè)，輸出層為1個(gè)，用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)江蘇省2021-2060年農(nóng)田生態(tài)系統(tǒng)的固碳潛力。本研究中BP神經(jīng)網(wǎng)絡(luò)模型在Rstudio（v 2022.07.1+554）中采用R語言neu-ralnet包（v 1.44.2）構(gòu)建。模型設(shè)置當(dāng)損失函數(shù)值小于0.001時(shí)迭代終止，輸出節(jié)點(diǎn)的激活函數(shù)為線性函數(shù)，采用權(quán)重回溯的rprop+算法。同時(shí)，通過repeat循環(huán)優(yōu)化模型，控制模型測(cè)試的平均誤差平方和（MSE）≤20，以此進(jìn)一步提高模型預(yù)測(cè)精度。

1.2.4模型精度評(píng)價(jià)

為了評(píng)價(jià)模型的擬合及預(yù)測(cè)能力，本研究根據(jù)平均誤差平方和（MSE）、平均絕對(duì)誤差（MAE）、均方根誤差（RMSE）、相關(guān)系數(shù)（COR）和相對(duì)分析誤差（RPD）5種指標(biāo)做出評(píng)價(jià)。5種指標(biāo)的計(jì)算公式如下：

評(píng)價(jià)指標(biāo)MSE、MAE、RMSE數(shù)值越小，COR、RPD數(shù)值越大則說明模型的預(yù)測(cè)值與固碳速率法的估算值之間差異越小，模型的預(yù)測(cè)能力越強(qiáng)。根據(jù)表3，無論是MSE、MAE還是RMSE，BP神經(jīng)網(wǎng)絡(luò)模型的數(shù)值均小于隨機(jī)森林模型，而BP神經(jīng)網(wǎng)絡(luò)模型的COR值不僅高于隨機(jī)森林模型，而且更是接近于1，同時(shí)RPD值也明顯高于隨機(jī)森林模型，由此表明BP神經(jīng)網(wǎng)絡(luò)模型具有相對(duì)更強(qiáng)的預(yù)測(cè)能力。

1.3數(shù)據(jù)來源

本文數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局國(guó)家數(shù)據(jù)網(wǎng)站、歷年《中國(guó)統(tǒng)計(jì)年鑒》《江蘇省統(tǒng)計(jì)年鑒》和江蘇省13個(gè)地級(jí)市統(tǒng)計(jì)年鑒。

2結(jié)果與分析

2.1江蘇省農(nóng)田生態(tài)系統(tǒng)固碳時(shí)空分布特征

2.1.1江蘇省農(nóng)田生態(tài)系統(tǒng)在陸地生態(tài)系統(tǒng)固碳中的貢獻(xiàn)

根據(jù)固碳速率法核算結(jié)果，全省陸地生態(tài)系統(tǒng)固碳量近年呈現(xiàn)升高趨勢(shì)，由2005年的201.08萬t·a-1升至2020年的1 400.73萬t·a-1（圖2）。其中，農(nóng)田生態(tài)系統(tǒng)的固碳量由2005年的98.42萬t·a-1增加至2020年的282.55萬t·a-1，2020年相較2005年增加了187.08％。2005年，農(nóng)田生態(tài)系統(tǒng)固碳量明顯高于全省森林生態(tài)系統(tǒng)固碳量，而此后的2010、2015年和2020年的農(nóng)田生態(tài)系統(tǒng)固碳量則遠(yuǎn)低于森林固碳量，但增長(zhǎng)率仍高于森林生態(tài)系統(tǒng)。此外，全省濕地生態(tài)系統(tǒng)固碳量相對(duì)較低，而草地生態(tài)系統(tǒng)固碳量則遠(yuǎn)低于其他生態(tài)系統(tǒng)，故基本可以忽略?？傮w來看，到2020年，江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量在全省陸地生態(tài)系統(tǒng)固碳量中的占比達(dá)20.17％，固碳貢獻(xiàn)僅次于森林生態(tài)系統(tǒng)。

2.1.2江蘇省農(nóng)田生態(tài)系統(tǒng)固碳在區(qū)域尺度上的時(shí)空分布

具體來看，在時(shí)間序列上，2005-2020年，江蘇省農(nóng)田施用化肥（化學(xué)氮肥+復(fù)合肥）貢獻(xiàn)的固碳量總體已呈下降態(tài)勢(shì)；在空間分布上，施用化肥的固碳量大小依次為蘇北gt;蘇中g(shù)t;蘇南，而在13個(gè)地級(jí)市中，徐州市施肥固碳量最大，鹽城市、連云港市相對(duì)較大，而蘇州市最少，到2020年這4個(gè)地級(jí)市的施用化肥固碳量分別為14.78萬、12.16萬、12.78萬t·a-1和-4.51萬t·a-1（圖3a和圖4）。2005-2020年，江蘇省秸稈還田固碳量總體也呈現(xiàn)上升趨勢(shì)，在空間分布上依然表現(xiàn)為蘇北gt;蘇中g(shù)t;蘇南，其中鹽城市固碳量最大，無錫市最小，到2020年分別為63.75萬t·a-1和4.65萬t·a-1（圖3b和圖4）。整體來看，在時(shí)間序列上，江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量已經(jīng)呈現(xiàn)出逐步提升的變化趨勢(shì)，2020年13市固碳量均較2015年有所提高（圖3c）；而在空間分布上，固碳貢獻(xiàn)最大的是蘇北地區(qū)，其中2020年蘇北地區(qū)固碳量為208.56萬t·a-1，分別是蘇中、蘇南地區(qū)的3.96倍和11.20倍（圖4），而在13個(gè)地級(jí)市中，2020年鹽城市固碳量最大，其次為徐州市，蘇州市最少，分別為55.03萬、53.06萬t·a-1和0.45萬t·a-1。

2.2江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量的特征變量重要性分析

由圖5可知，無論是MSE增長(zhǎng)率或是節(jié)點(diǎn)純度增量，秸稈還田量均高居首位，說明其是江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量最為重要的影響因素，其MSE增長(zhǎng)率和節(jié)點(diǎn)純度增量分別為7.89％和872.05。其次是糧食產(chǎn)量的兩個(gè)指標(biāo)（糧食總產(chǎn)量、糧食單位面積產(chǎn)量）以及化肥施用量，糧食總產(chǎn)量、糧食單位面積產(chǎn)量的MSE增長(zhǎng)率分別為7.25％、7.86％，節(jié)點(diǎn)純度增量分別為836.79、830.21，而化肥施用量的MSE增率為6.53％，節(jié)點(diǎn)純度增量為707.45。秸稈總量的重要性僅次于化肥施用量，但明顯低于秸稈還田量，這也表明了提高秸稈還田率可能是進(jìn)一步提升農(nóng)田固碳的關(guān)鍵。其他變量中，播種面積也較重要，而有效灌溉面積的重要性則最低，MSE增長(zhǎng)率與節(jié)點(diǎn)純度增量?jī)H為-0.79％和97.04。

在神經(jīng)網(wǎng)絡(luò)中，廣義權(quán)重是用于測(cè)度解釋變量重要性的指標(biāo)。若輸入變量在所有觀測(cè)值處的廣義權(quán)重均趨近于0，則表明該變量取值的變化對(duì)輸出變量影響較小。如圖6所示（橫軸為標(biāo)準(zhǔn)化后的變量數(shù)值），在利用neuralnet包計(jì)算的7個(gè)解釋變量廣義權(quán)重中，秸稈還田量、化肥施用量在部分觀測(cè)值處具有相對(duì)于其他變量較高的廣義權(quán)重，說明二者，特別是秸稈還田量的變化對(duì)輸出變量（即農(nóng)田固碳量）的影響較大。此外，糧食總產(chǎn)量、糧食單位面積產(chǎn)量以及播種面積也被觀察到在較低或較高的觀測(cè)值處具有高于其他觀測(cè)值的廣義權(quán)重，該結(jié)果也表明這3種解釋變量對(duì)農(nóng)田固碳量具有一定程度的影響。

2.3江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量預(yù)測(cè)

根據(jù)1.2.4的結(jié)果，選擇預(yù)測(cè)精度相對(duì)更高的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)2021-2060年江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量進(jìn)行預(yù)測(cè)。結(jié)果表明（圖7），按照當(dāng)前江蘇省農(nóng)業(yè)發(fā)展趨勢(shì)，預(yù)計(jì)2021-2060年期間，江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量將表現(xiàn)為“快速升高一緩慢下降一緩慢回升”的變化趨勢(shì)，其中2021-2026年固碳量持續(xù)升高，在2026年達(dá)到峰值，預(yù)測(cè)為365.26萬t·a-1，此后呈現(xiàn)一定程度的下調(diào)，2047年以后逐步回升，到2060年全省農(nóng)田生態(tài)系統(tǒng)固碳量預(yù)計(jì)為348.12萬t·a-1。就整體而言，2026年以前為快速增長(zhǎng)期，2026年以后基本處在穩(wěn)定平臺(tái)期。在具體的年份上，2026年江蘇省農(nóng)田土壤固碳量分別相較2005、2020年估算值分別提高2 71.12％、29.27％，而2060年則分別較2005、2020年估算值提高253.71％、23.21％。

3討論

本文的估算結(jié)果顯示，到2020年，江蘇省農(nóng)田生態(tài)系統(tǒng)土壤全年的固碳量已較2005、2010、2015年有明顯提高，分別是2005、2010、2015年的2.87、2.11、1.39倍，表明江蘇省農(nóng)田土壤固碳近年來總體上已呈現(xiàn)出逐步提升的態(tài)勢(shì)，這與近年來江蘇省作物產(chǎn)量、秸稈還田率的提高密切相關(guān)。已有研究指出，農(nóng)田土壤固碳與農(nóng)田作物產(chǎn)量密切相關(guān)。羅玉葉等利用DNDC模型模擬了不同秸稈還田率下福建省水稻土未來的有機(jī)碳動(dòng)態(tài)變化，發(fā)現(xiàn)秸稈還田率越高，土壤年均固碳速率和固碳總量越高。此外，基于此前對(duì)江蘇省種植業(yè)碳排放的估算結(jié)果，筆者發(fā)現(xiàn)盡管目前江蘇省農(nóng)田整體上仍然表現(xiàn)為碳源，但也已有向碳匯轉(zhuǎn)變的趨勢(shì)。以往江蘇省農(nóng)田碳匯估算研究更多關(guān)注的是作物固碳，而忽視了土壤固碳，但也得到了類似的結(jié)果。例如，許萍萍等在僅估算作物固碳的基礎(chǔ)上，發(fā)現(xiàn)2001-2016年江蘇省農(nóng)田生態(tài)系統(tǒng)的碳吸收量總體呈現(xiàn)增加趨勢(shì)。在本研究中，江蘇省蘇北、蘇中、蘇南農(nóng)田生態(tài)系統(tǒng)固碳量近年均呈現(xiàn)升高趨勢(shì)，而蘇北的農(nóng)田生態(tài)系統(tǒng)固碳量明顯高于蘇中、蘇南地區(qū)，這與蘇北地區(qū)耕地面積相對(duì)大于蘇中、蘇南地區(qū)有關(guān)?？傮w上，江蘇省近年來實(shí)施化肥減施增效戰(zhàn)略已見成效，化肥貢獻(xiàn)的碳排放已逐步減少，雖然化肥施用增加的固碳也相應(yīng)減少，但秸稈還田等措施的推行則更多地提升了農(nóng)田土壤的固碳量，保障了全省農(nóng)田固碳量不斷升高。

本研究基于機(jī)器學(xué)習(xí)構(gòu)建的兩種模型中，秸稈還田量均對(duì)農(nóng)田土壤固碳具有重要影響。研究表明，秸稈還田可以顯著提高我國(guó)農(nóng)田土壤有機(jī)碳含量，使土壤有機(jī)碳含量平均提高了13.97％，但秸稈還田的持續(xù)時(shí)間也不宜太長(zhǎng)，過長(zhǎng)時(shí)間可能導(dǎo)致土壤有機(jī)碳含量減少。在本文構(gòu)建的隨機(jī)森林模型中，秸稈還田對(duì)江蘇省農(nóng)田土壤固碳量的貢獻(xiàn)明顯大于化肥施用，而BP神經(jīng)網(wǎng)絡(luò)的重要性分析結(jié)果則表明，化肥施用量對(duì)農(nóng)田土壤固碳同樣具有不亞于秸稈還田的重要作用。兩種模型存在一定的差異，這與選擇的特征變量以及樣本量的大小有關(guān)。但不可否認(rèn)的是，化肥施用對(duì)于農(nóng)田土壤固碳確有積極作用。已有研究表明，施用化肥比僅施有機(jī)肥的土壤固碳效率更高。Han等采用Meta分析的方法發(fā)現(xiàn)全球表層土壤有機(jī)碳在化肥不平衡施用和化肥平衡施用的條件下分別增加了0.9 g·kg-1和1.7 g·kg-1。事實(shí)上，化肥對(duì)農(nóng)田土壤固碳發(fā)揮出的重要作用很可能在將其與秸稈或是有機(jī)肥等結(jié)合時(shí)更為充分地表現(xiàn)出來。例如：Zhang等發(fā)現(xiàn)將作物秸稈與施化肥相結(jié)合可以提高淮河流域黑土土壤活性有機(jī)質(zhì)含量、有機(jī)質(zhì)品質(zhì)，是實(shí)現(xiàn)可持續(xù)生產(chǎn)的有效途徑；Yang等發(fā)現(xiàn)耕地施用有機(jī)肥顯著提高了土壤碳氮積累率，但有機(jī)肥與化肥配施時(shí)影響更大，每年可累積碳2.01 t·hm-2。

由于大量的實(shí)測(cè)數(shù)據(jù)難以獲取，本文基于有限的估算值構(gòu)建模型，可能對(duì)農(nóng)田固碳量存在一定程度的低估。因?yàn)槌狙芯款A(yù)測(cè)模型所輸入的7個(gè)特征變量以外，仍存在諸多對(duì)農(nóng)田土壤固碳具有重要影響的因素，這些因素均可能導(dǎo)致模型存在不確定性。例如，已有研究表明，施用有機(jī)肥，耕作措施如免耕、深耕，以及土壤類型中如高初始碳含量的土壤等均對(duì)土壤固碳具有積極作用。此外，農(nóng)田土壤固碳還明顯受到自然因素（如氣候）、土壤屬性以及人為因素（如輪作制度）等因素的影響。其中，氣候影響土壤有機(jī)碳的積累和分解過程，土壤質(zhì)地、pH值、通氣性和土壤結(jié)構(gòu)等理化性質(zhì)則是影響土壤有機(jī)碳庫容量的重要因素，施肥、耕作、秸稈管理等農(nóng)業(yè)措施則影響土壤碳輸入和輸出。這些變量的影響需要在積累大量實(shí)測(cè)數(shù)據(jù)的基礎(chǔ)上使用，在以后的模型中應(yīng)予以充分考慮。在本文選擇的兩種機(jī)器學(xué)習(xí)預(yù)測(cè)模型中，盡管隨機(jī)森林可以減少獲得預(yù)測(cè)所需的變量數(shù)量，以減輕數(shù)據(jù)收集負(fù)擔(dān)并提高效率，但其并沒有表現(xiàn)出較好的預(yù)測(cè)精度，這可能與訓(xùn)練集樣本量較少有關(guān)，也可能與選擇的特征變量重要性不足有關(guān)。因此，可以認(rèn)為在樣本量相對(duì)較少的情況下，相較于隨機(jī)森林模型，采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)農(nóng)田生態(tài)系統(tǒng)土壤固碳進(jìn)行預(yù)測(cè)可能會(huì)具有更大的優(yōu)勢(shì)。本文基于BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果表明，在2021-2060年的40年間，江蘇省農(nóng)田年固碳量在短期內(nèi)將持續(xù)快速升高，但此后會(huì)增長(zhǎng)減緩進(jìn)入平臺(tái)期，這與耕地面積、作物產(chǎn)量、秸稈還田量等將在未來達(dá)到飽和有密切關(guān)系。由此可知，在未來如何從農(nóng)田固碳技術(shù)層面上進(jìn)一步實(shí)現(xiàn)突破，將會(huì)是推進(jìn)農(nóng)業(yè)減排增匯乃至最終達(dá)成碳中和目標(biāo)的關(guān)鍵所在。

4結(jié)論與建議

4.1結(jié)論

（1）在時(shí)間序列上，江蘇省近年農(nóng)田生態(tài)系統(tǒng)固碳量整體呈現(xiàn)升高的趨勢(shì)，到2020年，估算量為282.55萬t·a-1，在陸地生態(tài)系統(tǒng)固碳總量中占比達(dá)20.17％。

（2）在空間分布上，固碳貢獻(xiàn)最大的是蘇北地區(qū)，無論是施用化肥還是秸稈還田貢獻(xiàn)的固碳量均呈現(xiàn)蘇北高于蘇中、蘇南地區(qū)的態(tài)勢(shì)。

（3）重要性分析結(jié)果表明，秸稈還田量對(duì)農(nóng)田固碳量的影響最大。在隨機(jī)森林模型中，糧食產(chǎn)量、化肥施用量的重要性僅次于秸稈還田量，重要性相對(duì)高于其他變量；而在BP神經(jīng)網(wǎng)絡(luò)模型中，化肥施用量對(duì)農(nóng)田固碳量也具有較大的影響。

（4）BP神經(jīng)網(wǎng)絡(luò)模型相較于隨機(jī)森林模型具有更高的預(yù)測(cè)精度。BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)2021-2060年江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量將表現(xiàn)為“快速升高-緩慢下降-緩慢回升”的趨勢(shì)，2021-2026年間固碳量持續(xù)升高并達(dá)到峰值（365.26萬t·a-1），到2060年固碳量為348.12萬t·a-1。因此，預(yù)計(jì)未來江蘇省農(nóng)田生態(tài)系統(tǒng)固碳量仍會(huì)在短期內(nèi)持續(xù)升高，但隨后將進(jìn)入相對(duì)穩(wěn)定的平臺(tái)期。

4.2建議

（1）鑒于秸稈還田對(duì)農(nóng)田生態(tài)系統(tǒng)固碳的重要貢獻(xiàn)，建議進(jìn)一步提高秸稈還田率及其固碳效率，推廣秸稈炭化還田等技術(shù)，并通過積極開展不同秸稈還田方式的田間試驗(yàn)，構(gòu)建新型秸稈還田技術(shù)，在實(shí)現(xiàn)秸稈還田長(zhǎng)效穩(wěn)定固碳的同時(shí)，持續(xù)提升農(nóng)田生態(tài)系統(tǒng)的固碳潛力。

（2）建議進(jìn)一步廣泛開展有機(jī)肥施用、綠肥種植還田、輪作等土壤固碳措施條件下農(nóng)田土壤固碳速率的觀測(cè)工作，同時(shí)將相應(yīng)措施的活動(dòng)水平數(shù)據(jù)納入統(tǒng)計(jì)范圍內(nèi)，未來可以基于大量實(shí)測(cè)數(shù)據(jù)，校正、完善現(xiàn)有的估算方法，提高估算方法的時(shí)空分辨率，同時(shí)還可以進(jìn)一步用于構(gòu)建并優(yōu)化基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型，尤其是在農(nóng)田固碳影響因素的解析和模型解釋變量的篩選方面進(jìn)行更深入系統(tǒng)地探索，從而實(shí)現(xiàn)對(duì)農(nóng)田生態(tài)系統(tǒng)固碳變化趨勢(shì)更為精準(zhǔn)、全面的估算。