Параметризация модели DNDC для оценки компонентов биогеохимического цикла углерода на европейской территории России

Размещено на http://www.allbest.ru

Институт географии РАН,

Российская Федерация, 119017, Москва, Старомонетный пер., 29

Центр по проблемам экологии и продуктивности лесов,

Российская Федерация, 117997, Москва, ул. Профсоюзная, 84/32

Параметризация модели DNDC для оценки компонентов биогеохимического цикла углерода на европейской территории России

О.Э. Суховеева, Д. В. Карелин

Работа посвящена параметризации имитационной модели О№БС, позволяющей оценивать компоненты биогеохимического цикла углерода в пахотных почвах на европейской территории России (ЕТР). Параметризация базируется на данных официальной статистики, информации из литературных источников и результатах первичной апробации модели, полученных нами ранее. Обоснованы также принципы подготовки входной информации по природным (почвенно-климатические условия) и антропогенным (обработка почвы, внесение удобрений, урожайность) факторам. Скорректированы внутренние коэффициенты О№БС, в том числе характеристики почвенного покрова (глубина пахотного горизонта, отношение С : N и фракций органического вещества) и биологические особенности возделываемых культур (потребности в тепле и влаге, отношение С : N и фракций биомассы), разработано формализованное описание существующих технологий возделывания ключевых культур. Предложен метод комплексной оценки эффективности моделирования, состоящий из пяти компонентов: 1) коэффициента Нэша -- Сатклиффа, 2) коэффициента Тэйла, 3) корреляционного анализа, 4) однофакторного дисперсионного анализа, 5) двухвыборочного Б-теста дисперсий. Адаптированная к условиям России модель ОНБС верифицирована на примере двух полевых опытов по измерению эмиссии СО2 из почвы в Курской и Московской областях, а также по данным литературы на примерах эмиссии СО2 и баланса углерода в пахотных почвах Владимирской, Курской, Московской, Орловской и Самарской областей. На этапе верификации правильность полученных результатов подтверждена совокупностью значимых статистических критериев: между полевыми и смоделированными значениями эмиссии СО2 наблюдалась средняя прямая корреляционная связь, по результатам однофакторного дисперсионного анализа средние измеренные и расчетные значения эмиссии были равны, коэффициент Тэйла не превышал 0,3, положительные значения коэффициента Нэша -- Сатклиффа доказывали состоятельность внесенных в модель изменений. По результатам исследования была подтверждена эффективность применения разработанной методики для оценки составляющих биогеохимического цикла углерода на ЕТР.

Ключевые слова: биогеохимический цикл углерода, европейская территория России, модель DNDC, почвенный органический углерод, пахотные почвы, эмиссия диоксида углерода, СО2.

Parametrization of the model DNDC for evaluating components of carbon biogeochemical cycle in the European part of Russia

O. E. Sukhoveeva1, D. V. Karelin12

Institute of Geography, Russian Academy of Sciences,

29, Staromonetny per., Moscow, 119017, Russian Federation

Center for Problems of Ecology and Productivity of Forests,

Russian Academy of Sciences,

84/32, Profsoyuznaya ul., Moscow, 117997, Russian Federation

The aim of this research was to parameterize the simulation model DNDC (DeNitrificationDeComposition) to estimate components of the carbon biogeochemical cycle in arable soils of the European part of Russia. Methodological recommendations for DNDC use were developed on the basis of official statistical data, literature sources, as well as our results obtained earlier during initial approbation of the model. Principles of preparation of input information such as natural (climatic and soil conditions) and anthropogenic (tillage, fertilization, crops yield) factors were established. Internal parameters of the model including soil characteristics (depth of top soil, C : N ratio, and soil organic carbon fractions) and crops biology (heat and water demand, C : N ratio, and biomass fractions) were corrected; also a standardized description of the main cultivation technologies was developed in the model's format. A method for evaluation of modelling efficiency was offered; it is a complex consisting of five criteria: the Nash-Sutcliffe coefficient, the Theil coefficient, the Pearson correlation coefficient, ANOVA, and the F-test of equality of variance. For verification of the adapted model DNDC to Russian conditions, data of two field experiments aimed at measuring C02 emissions in Kursk and Moscow regions were used, as well as published information about C02 emission and carbon balance in arable soils in Kursk, Moscow, Orel, Samara, and Vladimir regions. At the step of verification, the accuracy of obtained results was confirmed by a set of relevant statistical criteria: there was medium correlation between experimental values of CO2 emission and modelled ones; as results of ANOVA showed, the average measured value of emission and the calculated one are similar; Theil coefficients less than 0.3 and positive Nash-Sutcliffe coefficients confirmed the correctness of changes inputted into the model. It was proved that the developed parametrization method is effective for estimating components of carbon biogeochemical cycle in the European part of Russia.

Keywords: arable soils, carbon biogeochemical cycle, carbon dioxide emission, European part of Russian, model DNDC.

Введение

В науках о Земле длительное время с успехом используются методы математического моделирования, заменяющие собой эксперименты (там, где последние невозможны) или прямые измерения (там, где их проведение затруднено). Значение имитационного моделирования особенно возрастает при современных быстрых климатических изменениях, поскольку они не позволяют использовать результаты предыдущих инструментальных измерений для экстраполяции данных при построении моделей других типов (Алферов и др., 2017).

Модель DNDC (DeNitrification-DeComposition) -- процессно-ориентированная имитационная модель, созданная для оценки динамики основных компонентов биогеохимических циклов углерода (С) и азота (N), в том числе биогенных парниковых газов, в почвах сельскохозяйственного назначения (Li et al., 1992).

Основными причинами, по которым была выбрана эта модель, стали ее международное признание, широкое и успешное применение в мире, комплексный учет циклов С и N в пахотных почвах, а также возможность настроить ее под конкретные условия региона. Так, DNDC рекомендуется1 Рамочной конвенцией ООН по изменению климата (РКИК ООН) в качестве альтернативы методикам Межгосударственной группы экспертов по изменению климата (МГЭИК). Продовольственная и сельскохозяйственная организация ООН (ФАО) также допускает использование этой модели для оценки эмиссии парниковых газов от сельского хозяйства.

DNDC была апробирована в различных географических регионах и для разных вариантов землепользования в 14 странах мира (Bolan et al., 2004), применялась в нескольких крупных международных проектах (Giltrap et al., 2010). Она показала хорошие результаты при моделировании потоков С и N в Азии (Frolking et al., 2004; Pathak et al., 2005; Li et al., 2005), США (Li, 2008), Канаде (Yadav and Wang, 2017; Guest et al., 2017) и Австралии (Chen et al., 2013). В последние годы были предприняты попытки использовать DNDC в России для анализа эмиссии закиси азота (N2O) из почвы, занятой овощными культурами (Balashov et al., 2014), но до настоящего времени она еще не была апробирована в нашей стране для оценки параметров цикла С.

Несмотря на сложность структуры и математического аппарата, интеграция циклов С и N в имитационных моделях обеспечивает наиболее полный, точный и сбалансированный учет потоков С, в том числе отражение его обратных связей с температурой, снижение интенсивности поглощения диоксида углерода (СО2) растительным покровом и изменение скорости разложения органического вещества почвы (Jain et al., 2009; Sokolov et al., 2008; Thornton et al., 2009).

Цель работы -- параметризовать модель DNDC для оценки компонентов биогеохимического цикла С в пахотных почвах европейской территории России (ЕТР). При этом в задачи исследования входило следующее:

1) составление рекомендаций по сбору и подготовке входных данных для использования их в модели;

2) корректировка внутренних параметров модели на основании литературных данных в соответствии с условиями целевого региона;

3) верификация адаптированной версии DNDC с помощью сравнения результатов моделирования с данными измерений в полевых опытах.

1. Материалы и методы

Решить ключевую проблему имитационного моделирования, связанную с зависимостью его точности от большого объема и высокого качества входных данных, можно с привлечением официальной статистической информации. Важно, что углеродный режим пахотных почв формируется под воздействием природных и антропогенных факторов, и, чтобы учесть их при моделировании, требуется комплексная методика сбора, обработки и подготовки входных данных.

Чтобы DNDC наиболее точно отражала биогеохимический цикл С в конкретном регионе, ее необходимо модифицировать или настроить в соответствии со специфическими географическими условиями местности (Cai et al., 2003), т. е. калибровать модель по месту. Для этого требуется параметрическая идентификация характеристик возделываемых культур и других входных параметров (Gilhespy et al., 2014). Чтобы адаптировать DNDC для применения в России, мы уточнили на основе данных литературных источников ее внутренние настроечные параметры и принимаемые по умолчанию коэффициенты.

Заключительный этап работы с моделью и основной способ ее проверки -- верификация, т. е. сравнение расчетных данных с результатами полевых наблюдений (Blagodatsky et al., 1998; Scurlock et al., 1999). В настоящем исследовании разработанная методика верифицировалась на результатах двух полевых опытов, в которых камерным методом измерялась эмиссия СО2 из пахотных почв (дыхание почвы), расположенных на ЕТР в различных почвенно-климатических условиях:

1) на Курской биосферной станции Института географии РАН (КБС ИГ РАН): Курская обл., Медвенский р-н, с. Панино (51°54' с. ш., 36°10' в. д.), чернозем выщелоченный, озимая пшеница, ячмень, картофель, подсолнечник, период измерений -- с апреля по октябрь 2017 г., 1 раз в 10-15 сут., портативные инфракрасные газоанализаторы AZ 7752 (AZinstruments, Taiwan) и LI8100А (Li-Cor, Nebraska, USA);

2) на Полевой опытной станции Института физико-химических и биологических проблем почвоведения РАН (ИФХиБПП РАН): Московская обл., Серпуховской р-н, г. Пущино (54°49' с. ш., 37°34' в. д.), серая лесная обычная окультуренная почва, зернопаровой севооборот, круглогодичные измерения за 1997-2009 гг., 1 раз в 7-10 сут., газовые хроматографы Chrom-5, ЧССР, «Кристалл-2000» (Россия).

Данные опыта ИФХиБПП РАН опубликованы в работах (Курганова, 2010; Kurganova et al., 2011; Larionova et al., 2010). Мы использовали их ранее для первичной апробации модели DNDC (Суховеева и др., 2018).

Эффективность моделирования мы проверяли с помощью набора из пяти компонентов:

1. Коэффициент Нэша -- Сатклиффа (Em) -- статистическая мера, отражающая долю дисперсии наблюдаемых величин и обоснованная рассчитанными значениями (Сазонова и Китаев, 2013). Он рекомендуется Всемирной метеорологической организаций ООН (ВМО) как один из критериев для сравнительного анализа эффективности моделей (Shamseldin and O'Connor, 2001). Значения Em лежат в диапазоне (-?;1]. При Еm<0 модель несостоятельна, при Em>0 она эффективна. Соответственно, чем значение Еm ближе к 1, тем точнее воспроизводится реальный процесс (Nash and Sutcliffe, 1970). Коэффициент рассчитывается по формуле

где Хреал и Хмодел соответственно реальные и смоделированные значения; Хсред -- среднее реальное значение; N -- число пар значений.

2. Коэффициент Тэйла (Г) показывает степень схожести временных рядов и существенно зависит от их дисперсии. Значения коэффициента Г лежат в диапазоне [0; 1], и чем ближе он к нулю, тем точнее моделирование; при исследовании природных процессов порог его значимости составляет Г < 0,3 (Тэйл, 1977). Фактически он равен отношению среднеквадратической ошибки прогнозов к корню квадратному из среднего квадрата реализации (Пискунов, 2012) и рассчитывается по формуле

где Хреал и Хмодел соответственно реальные и смоделированные значения; N -- число пар значений.

1. Корреляционный анализ -- коэффициент корреляции Пирсона (Гр) дает возможность проверить наличие связи между измеренными и смоделированными значениями: при Гр = 0± 0,4 связь слабая, при ±0,4 < Гр < ±0,7 -- средняя, при ±0,7 < Гр < ±1 -- сильная. Уровень значимости Р < 0,05.

2. Однофакторный дисперсионный анализ позволяет оценить равенство средних значений выборок по совокупности двух критериев: средние расчетные и полевые значения равны (принимается нулевая гипотеза), если В < Ркрит и Р > 0,05.

3. Двухвыборочный Б-тест дисперсий помогает определить равенство дисперсий выборок по совокупности двух критериев: дисперсии измеренных и смоделированных значений равны (принимается нулевая гипотеза), если В < Вкрит и Р > 0,05 (Чертко и Карпиченко, 2008).

Второй подход к верификации БМБС заключался в сравнении ее выходных значений с данными измерений, опубликованными в литературе. При воспроизведении каждого случая мы прорабатывали несколько возможных сценариев с изменением особенностей технологии возделывания (в частности, с изменением сроков проведения агротехнических мероприятий), поскольку, в отличие от сведений о климатических и почвенных условиях, эти данные редко встречаются в литературных источниках. Так, при одном прогоне модели мы вводили сроки проведения агротехнических мероприятий наиболее ранние из всех возможных, а при другом -- наиболее поздние.

3. Результаты

Сбор и подготовка входных данных. Входные численные значения модели делятся на два типа:

1) данные открытого типа -- вакантные пустые ячейки, куда пользователь вносит свои сведения;

2) коэффициенты, принимающиеся по умолчанию -- заложены в модель, но пользователь может их скорректировать.

Для данных первого типа требуются официальные сведения. В табл. 1 приведены апробированные на конечных результатах рекомендуемые методики получения и подготовки входных данных этого типа с указанием источника информации и способов ее обработки.

Корректировка внутренних параметров. Чтобы определить необходимость корректировки данных второго типа, ранее мы оценили чувствительность модели (Суховеева, 2018), которая показала, что на региональные циклы С и N и на эмиссию парниковых газов ключевое влияние оказывают антропогенные факторы, а среди них наиболее велико воздействие вносимых удобрений. В той же работе было отмечено, что складывающиеся погодные условия, гранулометрический состав почвы и содержание в ней органического углерода являются важнейшими факторами, определяющими изменение его содержания. Эмиссия СО2 чувствительна к биологическим особенностям культур и интенсивности почвообрабатывающих мероприятий в технологиях их возделывания.

Именно поэтому при настройке модели мы прежде всего уточняли характеристики почвенного покрова и особенности биологии возделываемых культур. Среди характеристик почвы мы скорректировали соотношение фракций органического вещества, отношение С : N в нем и мощность верхнего слоя в соответствии особенностями почвенного покрова, характерными для ЕТР. В табл. 2 приведена корректировка параметров для тех типов почв, которые мы использовали при верификации модели.

Таблица 1

Таблица 2 Корректировка принятых в DNDC по умолчанию параметров почвенного покрова для условий России

Наиболее значительные изменения коснулись блока сельскохозяйственных растений. Так, для ключевых культур Нечерноземья были уточнены их потребности в тепле и влаге (табл. 3) в соответствии с особенностями возделываемых в регионе сортов, соотношение фракций биомассы (зерно : стебли : листья : корни) на базе уравнений, применяемых для оценки пожнивных и корневых остатков в России, а также отношение С : N в биомассе (табл. 4).

Таблица 3. Корректировка принятых в DNDC по умолчанию потребностей сельскохозяйственных культур в тепле и влаге для условий России

1 По данным (Посыпанов и др., 2007; Шевченко, 2002).

Таблица 4 Корректировка принятых в 1Ж1)С по умолчанию характеристик биомассы сельскохозяйственных культур для условий России

На основе собранных и систематизированных данных было разработано формализованное описание нормативных технологий возделывания ключевых товарных культур района -- озимой пшеницы и картофеля -- в используемом моделью формате (табл. 5). Временной подход, примененный в таблицах, позволяет смещать даты проведения почвообрабатывающих мероприятий, в частности, посева/посадки и (относительно указанных дат) других технологических приемов в зависимости от климатических условий рассматриваемого региона, погодных условий конкретного года и особенностей возделываемых сортов. Выражение количества удобрений в относительных величинах по различным срокам внесения позволяет учесть его ежегодные изменения.

Верификация параметризованной модели. При оценке работы исходной версии модели лишь небольшая часть показателей эффективности свидетельствовала о соответствии измеренных и расчетных значений эмиссии СО2 в полевых опытах (табл. 6), что и послужило стимулом для того, чтобы начать исследования, представленные в настоящей статье, и скорректировать внутренние параметры и настройки БМБС.

Оценка эффективности моделирования с помощью разработанного метода пяти компонентов после параметризации БМБС для условий ЕТР показала, что адаптированная модель точнее и качественнее исходной рассчитывает потоки СО2 в агроландшафтах, что подтверждается высокими корреляциями между наблюдаемыми и расчетными значениями и равенством их средних показателей.

Для обоих полевых опытов положительные значения коэффициентов Нэша -- Сатклиффа свидетельствовали о состоятельности разработанной методики. В опыте ИФХиБПП РАН эмиссия СО2 на парующей почве, представленная только микробным дыханием, отражалась имитационной моделью с высокой точностью. Немного хуже было значение критерия для дыхания почвы под картофелем (табл. 6).

Таблица 5

Таблица 6 Верификация модели DNDC на ЕТР по опубликованным результатам полевых измерений

Таблица 7

В опыте КБС для всех четырех культур коэффициенты Тэйла были ниже 0,3, что доказывало высокую точность воспроизведения моделью дыхания почвы. Во всех примерах были отмечены значимые средние прямые корреляции между измеренными и расчетными показателями эмиссии. По результатам однофакторного дисперсионного анализа в большинстве случаев принималась нулевая гипотеза о равенстве средних значений, полученных на основе полевых измерений и путем моделирования. Двухвыборочный тест дисперсий полевых и модельных данных показал их равенство для подсолнечника и ячменя в опыте КБС.

При дальнейшей верификации модели по данным литературных источников мы рассмотрели несколько примеров оценки баланса С, эмиссии СО2 и соотношения различных потоков СО2 в агроценозах на различных типах почв в Московской, Владимирской, Орловской и Самарской областях, которые подтвердили, что БМБС демонстрирует высокую эффективность при работе с данными, полученными на ЕТР. Практически во всех примерах расчетные показатели соответствовали наблюдаемым, средние полевые значения входили в диапазон возможных значений, полученных по модели (табл. 7). Хотя в некоторых случаях смоделированные показатели оказались занижены: например, баланс С в варианте опыта с картофелем без удобрений во Владимирской области и пик эмиссии СО2 в летнее время под овсом в Московской области. Пропорции между потоками СО2, смоделированными в настоящем исследовании и полученными ранее другими исследователями, совпадали (табл. 8).

Таблица 8 Верификация модели DNDC путем расчета соотношения потоков СО2 на примере озимой пшеницы

4. Обсуждение

В ходе исследования на примере полевых опытов в различных почвенно-климатических условиях на ЕТР мы доказали эффективность применения разработанной методики параметризации модели DNDC для анализа компонентов цикла С. Сопоставимость расчетных и полевых потоков СО2 подтверждена совокупностью значимых статистических критериев. Хотя при сравнении смоделированных значений с измеренными важно помнить, что количественные характеристики последних сильно зависят от внешних условий и метода определения, что было доказано на примере дыхания почвы (Larionova et al., 2006).

Среди погрешностей моделирования выявлено недостаточно корректное воспроизведение моделью DNDC дыхания почвы под картофелем. Наиболее вероятная причина этого, по нашему мнению, -- специфические биологические особенности данной культуры, связанные с преимущественным ростом подземной биомассы при формировании урожая основной продукции, тогда как модель в основном создавалась на примерах зерновых культур, у которых преобладает надземная часть, в том числе фракция зерна (Li et al., 1992).

Другим недостатком моделирования стало отмеченное выше несовпадение дисперсий для рассчитанных моделью и измеренных в опытах показателей дыхания почвы. Подобное явление было также отмечено разработчиками DNDC при верификации ее углеродного блока (Li et al., 1997). При оценке равновесного содержания органического углерода в почве на примере восьми участков пашни и трех сенокосов, расположенных в Европе и Австралии, превышение вариабельности полевых данных над дисперсией смоделированных значений объяснялось изменчивостью урожайности культур, наличием сорняков, особенностями управления растительными остатками, а также различной долей чистого пара в севооборотах.

Как мы отмечали при использовании данных литературных источников для верификации модели (табл. 7), в некоторых случаях она занижает баланс С и летнюю эмиссию СО2. Аналогичная ошибка имела место при оценке DNDC почвенного дыхания на орошаемых посевах хлопка в Китае, когда модель недооценивала общую эмиссию СО2 на 15 %, а гетеротрофное дыхание -- на 59 %, хотя расчетные и измеренные значения отличались высокими корреляциями (Yu and Zhao, 2015).

В нашей предыдущей работе (Суховеева и др., 2018) показано, что основная причина выявленного занижения показателей эмиссии СО2 из почвы -- уменьшение интенсивности дыхания корней летом. Это связано со встроенной в модель функцией снижения роста растений в случае превышения оптимального температурного порога, пересыхания пахотного слоя почвы или недостаточного содержания в нем N. Такой подход можно считать оправданным, поскольку температурный, водный и азотный стресс действительно способствуют снижению дыхания (Luo and Zhou, 2006).

Разработанную методику можно использовать для оптимизации принципов инвентаризации потоков парниковых газов на территории России, а также в качестве базы для планирования и организации деятельности, направленной на снижение эмиссии СО2 в результате землепользования. Кроме того, представленные нами исследования создают методологическую основу для оценки влияния климатических изменений на различные компоненты сельскохозяйственного производства.

Выводы

биогеохимический цикл углерод россия

На базе сведений официальной статистики и информации литературных источников была разработана методика применения модели DNDC в России, в том числе скорректированы ее внутренние параметры и обоснованы принципы подготовки входной информации.

Верификация разработанного подхода доказала его эффективность при оценке составляющих биогеохимического цикла С на европейской территории страны.

Литература

1. Алферов, А. М., Блинов, В. Г., Гитарский, М. Л., Грабар, В. А., Замолодчиков, Д. Г., Зинченко, А. В., Иванова, Н. П., Ивахов, В. М., Карабань, Р Т., Карелин, Д. В., Калюжный, И. Л., Кашин, Ф. В., Конюшков, Д. Е., Коротков, В. Н., Кровотынцев, В. А., Лавров, С. А., Марунич, А. С., Парамонова, Н. Н., Романовская, А. А., Трунов, А. А., Шилкин, А. В., Юзбеков, А. К., 2017. Мониторинг потоков парниковых газов в природных экосистемах. Амирит, Саратов.

2. Алябина, И. О., Андроханов, В. А., Вершинин, В. В., Волков, С. Н., Ганжара, Н. Ф., Добровольский, Г. В., Иванов, А. В., Иванов, А. Л., Иванова, Е. А., Ильин, Л. И., Карпачевский, М. Л., Каштанов, А. Н., Кирюшин, В. И., Колесникова, В. М., Колесникова, Л. Г., Лойко, П. Ф., Манылов, И. Е., Маречек, М. С., Махинова, А. Ф., Молчанов, Э. Н., Прохоров, А. Н., Пягай, Э. Т., Рожков, В. А., Рыбальский, Н. Н., Савин, И. Ю., Самойлова, Н. С., Сапожников, П. М., Сизов, В. В., Столбовой, В. С., Суханов, П. А., Урусевская, И. С., Чочаев, А. Х., Шеремет, Б. В., Шоба, С. А., Яковлев, А. С., 2014. Единый государственный реестр почвенных ресурсов России. Версия 1.0. Почвенный институт им. В. В. Докучаева Россельхозакадемии, Москва.

3. Внесение удобрений под урожай 1990-2014 гг. и проведение работ по химической мелиорации земель, 1991-2015. Росстат, ГМЦ, Москва.

4. Гончарова, О. Ю., Телеснина, В. М., 2010. Биологическая активность постагрогенных почв (на примере Московской области). Вестник Московского ун-та. Серия 17. Почвоведение 4, 24-31.

5. Грачев, В. А., 1980. Типовые технологические карты для планирования и организации производства зерна, кормов, картофеля и льна-долгунца в хозяйствах Центрального района Нечерноземной зоны РСФСР. ВНИИ организации производства, труда и управления в сельском хозяйстве, Москва.

6. Евстропов, А. С., 2011. Компьютеризированная система мониторинга и анализа результативности применения инновационных технологий производства картофеля. Всероссийский научно-исследовательский институт механизации агрохимического обслуживания сельского хозяйства, Рязань.

7. Зинченко, С. И., Григорьев, А. А., Антонов, С. М., Климова, Т. В., Безменко, А. А., 2012. Регистр технологий возделывания зерновых культур для условий опольной зоны Владимирской области. Владимирский НИИ сельского хозяйства, Владимир.

8. Коледа, К. В., Дудук, А. А., Брукиш, Д. А., Бояр, Д. М., Витковский, Г. В., Емельянова, В. Н., Золотарь, А. К., 2010. Современные технологии возделывания сельскохозяйственных культур: рекомендации. ГГАУ, Гродно.

9. Курганова, И. Н., 2010. Эмиссия и баланс диоксида углерода в наземных экосистемах России. иЯЬ: http://www.sevin.ru/fundecology/msu_council/KurganovaIN-2010.pdf (дата обращения: 07.05.2019).

10. Левин, Ф. И., 1977. Количество растительных остатков в посевах полевых культур и его определение по урожаю основной продукции. Агрохимия 8, 36-42.

11. Лукин, С. М., 2015. Эмиссия углекислого газа в агроценозах картофеля на дерново-подзолистой супесчаной почве. Владимирский земледелец 3-4 (74), 22-23.

12. Люри, Д. И., Горячкин, С. В., Караваева, Н. А., Денисенко, Е. А., Нефедова, Т. Г., 2010. Динамика сельскохозяйственных земель России в ХХ веке и постагрогенное восстановление растительности и почв. ГЕОС, Москва.

13. Мазиров, И. М., Боротов, Б. Н., Лакеев, П. С., Щепелева, А. С., Васенев, И. И., 2015. Почвенные потоки углекислого газа в агроэкосистемах в условиях Московского региона. Земледелие 8, 17-19.

14. Марковская, Г. К., Мельникова, Н. А., Нечаева, Е. Х., 2015. Биологическая активность чернозема обыкновенного при возделывании яровой пшеницы. Известия Самарской государственной сельскохозяйственной академии 4, 52-56.

15. Назаренко, О. Г., Пашковская, Т. Г., Продан, В. И., Чеботникова, Е. А., 2011. Использование соломы в качестве удобрения. Рассвет, Ростов-на-Дону.

16. Новиков, А. А., Кисаров, О. П., 2012. Обоснование роли корневых и пожнивных остатков в агроценозах. Научный журнал КубГАУ 78(04). иЯЬ: http://ej.kubagro.ru/2012/04/pdf/36.pdf (дата обращения: 08.05.2019).

17. Пискунов, Е. Ю., 2012. Модификация коэффициента Тэйла. иЯЬ: https://cyberleninka.ru/artide/n/ modifikatsiya-koeffitsienta-teyla (дата обращения: 05.05.2019).

18. Посыпанов, Г. С., Долгодворов, В. Е., Жеруков, Б. Х., 2007. Растениеводство. Колос, Москва.

19. Сазонова, Д. Г., Китаев, А. Б., 2013. Использование модели «Гидрограф ГГИ-2001» для оценки притока воды в Камское водохранилище. Географический вестник 1(24), 52-71.

20. Сапронов, Д. В., 2008. Многолетняя динамика эмиссии СО2 из серых лесных и дерново-подзолистых почв. URL: http://earthpapers.net/mnogoletnyaya-dinamika-emissii-co2-iz-seryh-lesnyh-i-dernovopodzolistyh-pochv (дата обращения: 08.05.2019).

21. Суховеева, О. Э., 2016. Изменения климатических условий и агроклиматических ресурсов в Центральном районе Нечерноземной зоны. Вестник Воронежского государственного университета. Серия: География. Геоэкология 4, 41-49.

22. Суховеева, О. Э., 2018. Приложение модели DNDC к оценке параметров углеродного и азотного обмена в пахотных почвах Нечерноземья. Известия Российской академии наук. Серия географическая 2, 74-85.

23. Суховеева, О. Э., Курганова, И. Н., Лопес де Гереню, В. О., Сапронов, Д. В., 2018. Оценка дыхания агросерой лесной почвы с использованием методов статистического и имитационного моделирования. Ученые записки Крымского федерального университета им. В. И. Вернадского. География. Геология 1, 151-158.

24. Типовые технологические карты возделывания и уборки колосовых культур / Столбушкин, Н. А., Жолобов, А. И., Дворцов, Е. Ф. (под ред.), 1984. Колос, Москва.

25. Тэйл, Г., 1977. Экономические прогнозы и принятие решений. Статистика, Москва.

26. Чертко, Н. К., Карпиченко, А. А., 2008. Математические методы в географии. БГУ Минск.

27. Чистотин, М. В., Сафонов, А. Ф., 2016. Динамика дыхания агродерново-подзолистой почвы в зависимости от содержания органического вещества и метеорологических факторов. Проблемы агрохимии и экологии 3, 52-58.

28. Шевченко, В. А., 2002. Технология производства продукции растениеводства. Агропромиздат, Москва.

29. Balashov, E., Buchkina, N., Rizhiya, E., Farkas, C. S., 2014. Field validation of DNDC and SWAP models for temperature and water content of loamy and sandy loam spodosols. International agrophysics 28(2), 133-142.

30. Blagodatsky, S. A., Yevdokimov, I. V., Larionova, A. A., Richter, J., 1998. Microbial growth in soil and nitrogen turnover: model calibration with laboratory data. Soil Biology and Biochemistry 30(13), 1757-1764.

31. Bolan, N. S., Saggar, S., Luo, J., Bhandral, R., Singh, J., 2004. Gaseos Emmissions of nitrogen from grazed pastures: processes, measurements and modeling, environmental implications, and mitigation, in: Sparks, D. L. Advances in agronomy. Elsevier, San Diego, 38-120.

32. Cai, Z. T., Sawamoto, T., Li, C., Kang, G. Boonjawat, J., Mosier, A., Wassman, R., Tsuruta, H., 2003. Field validation of the DNDC model for greenhouse gas emission in East Asia cropping system. Global Biochemistry Cycles 17(4), 1107

33. Chen, C., Chen, D., Pan, J., Lam, S. K., 2013. Application of the denitrification-decomposition model to predict carbon dioxide emissions under alternative straw retention methods. Scientific World Journal 25, 851-901.

34. Frolking, S., Li, C., Braswell, R., Fuglestvedt, J., 2004. Shortand long-term greenhouse gas and radiative forcing impacts of changing water management in Asian rice paddies. Global Change Biology 10(7), 1180-1196.

35. Gifford, R. M., 1995. Whole plant respiration and photosynthesis of wheat under increased CO2 concentration and temperature: long-term vs. short-term distinctions for modelling. Global Change Biology 1, 385-396.

36. Gilhespy, S. L., Anthony, S., Cardenas, L., Chadwick, D., del Prado, A., Li, C., Misselbrook, T., Rees, R. M., Salas, W., Sanz-Cobena, A., Smith, P., Tilston, E. L., Topp, C. F E., Vetter, S., Yeluripati, J. B., 2014. First 200 years of DNDC (De Nitrification De Composition): Model evolution. Ecological modelling 292, 51-62.

37. Giltrap, D. L., Li, C., Saggar S., 2010. DNDC: a process-based model of greenhouse gas fluxes from agricultural soils. Agriculture, Ecosystems & Environment 136(3-4), 292-300.

38. Guest, G., Krobel, R., Grant, B., Smith, W., Sansoulet, J., Pattey, E., Desjardins, R., Jego, G.,Tremblay, N., Tremblay, G., 2017. Model comparison of soil processes in eastern Canada using Day Cent, DNDC and STICS. Nutrient Cycling in Agroecosystems 109(3), 211-232.

39. Jain, A., Yang, X., Kheshgi, H., McGuire, A. D., Post, W., Kicklighter, D., 2009. Nitrogen attenuation of terrestrial carbon cycle response to global environmental factors. Global Biogeochemistry Cycles 23, GB4028.

40. Karelin D. V., Goryachkin S. V., Kudikov A. V., Lunin V. N., Dolgikh A. V., Lyuri D. I., Lopes de Gerenu V. O., 2017. Changes in carbon pool and CO2 emission in the course of postagrogenic succession on gray soils (Luvic Phaeozems) in European Russia. Eurasian Soil Science 50 (5), 559-572.

41. Kurganova, I. N., Lopes de Gerenyu, V. O., Myakshina, T. N., Sapronov, D. V., Kudeyarov, V. N., 2011. CO2 emission from soils of various ecosystems of the Southern Taiga Zone: Data analysis of continuous 12-year monitoring. Doklady Biological Sciences 436(1), 56-58.

42. Larionova, A. A., Kurganova, I. N., de Gerenyu, V. O. L., Zolotareva, B. N., Yevdokimov, I. V., Kudeyarov, V. N., 2010. Carbon dioxide emissions from agrogray soils under climate changes. Eurasian Soil Science 43(2), 168-176.

43. Larionova, A. A., Sapronov, D. V., Lopez de Gerenyu, V. O., Kuznetsova, L. G., Kudeyarov, V. N., 2006. Contribution of plant root respiration to the CO2 emission from soil. Eurasian Soil Science 39 (10), 11271135.

44. Larionova A. A., Zolotareva B. N., Yevdokimov I. V., Bykhovets S. S., Buegger F., 2011. Identification of labile and stable pools of organic matter in an agrogray soil. Eurasion Soil Science 44(6), 628-640.

45. Li, C., 2008. Modeling soil organic carbon sequestration potential with modeling approach. Simulation of Soil Organic Carbon Storage and Changes in Agricultural Cropland in China and Its Impact on Food Security. China Meteorological Press.

46. Li, C., Frolking, S., Crocker, G. J., Grace, P. R., Klir, J., Korchens, M., Poulton, P. R., 1997. Simulating trends in soil organic carbon in long-term experiments using the DNDC model. Geoderma 81, 45-60.

47. Li, C., Frolking, S., Frolk...