DRAINMOD-N II模拟冬季长期覆盖黑麦对地下排水及NO3--N流失的影响

杜 璇，冯 浩，Matthew J. Helmers，齐志明



DRAINMOD-N II模拟冬季长期覆盖黑麦对地下排水及NO3--N流失的影响

杜 璇1,2,3，冯 浩1,2,4※，Matthew J. Helmers3，齐志明5

（1. 西北农林科技大学水利与建筑工程学院，杨凌 712100；2. 西北农林科技大学中国旱区节水农业研究院，杨凌 712100；3. Department of Agricultural and Biosystems Engineering, Iowa State University, Ames IA 50011, USA；4. 中国科学院水利部水土保持研究所，杨凌 712100； 5. Department of Bioresource Engineering, McGill University, Ste-Anne-de-Bellevue, QC, H9X 3V9, Canada）

在玉米-大豆轮作系统中种植冬季覆盖作物黑麦有助于减小地下排水量和硝态氮（NO3--N）的流失量。该研究利用美国爱荷华州的试验数据校正和验证了DRAINMOD-N II模型在美国寒冷地区的适用性，并模拟长期（20 a）种植冬季覆盖作物黑麦对地下排水量和氮素运移的影响。结果表明，模型模拟地下排水量和NO3--N流失量时，Nash-Sutcliffe模型效率系数（Nash-Sutcliffe efficiency，NSE）>0.65、百分比偏差（percent bias，PBIAS）在±25%之间、均方根误差与标准差比值（ratio of root mean square error to standard deviation，RSR）≤0.7均在误差范围内；模拟地下排水中NO3--N浓度时，NSE>0.50、PBIAS在±15%之间、RSR≤0.5均在误差范围内，说明模型模拟的效果好。长期种植冬季覆盖作物黑麦可降低排水量8.1 %（2.5 cm），减小NO3--N流失量16.6 %（6 kg/hm2），NO3--N流量加权平均浓度下降了8.6 %（1 mg/L，以N计），增加蒸散值5.9 %，模型模拟值与实测值拟合效果好，表明模型具有良好的水文和氮素运移模拟功能，可以模拟不同农田管理措施对地下水和氮素运移的长期影响，为优化农田管理措施提供参考。

氮；排水；蒸散；玉米-大豆轮作系统；DRAINMON-N II；冬季覆盖作物黑麦

0 引 言

人工农田排水系统是改善农田土壤排水状况、治理涝渍灾害的一种重要手段[1–2]，但在其排走农田多余水分的同时，也导致土壤中氮素淋失[3]，降低了氮肥的利用率，造成水体污染。研究表明，70%的排水发生在尚未种植作物或作物处于出苗期的4—6月[4]，冬季种植覆盖作物不仅可以减少地表水土流失，也是减小地下排水量及硝态氮（NO3–-N）流失量的潜在措施之一[5]。Qi等[6-7]在美国爱荷华州的研究结果表明冬季种植覆盖作物黑麦可显著减小地下排水量；还有研究表明[8-9]冬季覆盖作物可以减小NO3–-N的流失量及浓度。利用计算机模型模拟不同管理措施以及气候变化条件下的农田水文和环境过程，可节约劳动力、缩减资金和研究时间。国际上已经有多种农业系统模型被用于研究模拟不同环境条件和农田管理措施对水文循环和氮素动态变化的影响。常见的模型包括RZWQM（The Root Zone Water Quality Model）[10]、DNDC（Denitrification-Decomposition）[11]、CERES（Crop Environment Resource Synthesis）[12]、APSIM（Agricultural Production Systems Simulator）[13]等。这些模型均可较好地模拟作物生长、水文与环境等过程、有助于水资源管理及施肥的高效管理等。经Skaggs等[14-16]开发的与改进的DRAINMOD-N II模型是基于过程的田间尺度的模型，可用于模拟不同田间管理措施和不同环境及土壤条件下氮素的动态变化及在土壤-水-作物系统中的转化运移过程。该模型基于简单的水量平衡原理和完整的氮素运移过程，参数输入数量少且易获取，易于理解和操作。目前，在中国应用该模型多以预测地下排水量、地下水位及作物产量等为主，关于应用模型模拟冬季覆盖作物对水循环和氮素运移过程影响的研究尚不多见。本研究以美国爱荷华州北部农业排水管理研究示范点的数据为依据，主要目的是校正和验证模型在美国爱荷华州北部的适用性，并模拟冬季种植覆盖作物对水循环和氮素运移的长期影响，为中国相同环境条件、种植系统和管理措施的地区提供参考。

1 材料与方法

1.1 试验地及试验处理

本试验点为农业排水管理研究示范点（Agricultural Drainage Water Quality-Research and Demonstration Site，ADWQ-RDS）坐落于爱荷华州Pocahontas县Gilmore城附近（42°45¢N，94°30¢W），该试验田总面积约为7.3 hm2，平均坡度为0.5%～1.5%，海拔373 m。该区多年平均降水量784 mm，平均气温8 ℃，平均最高气温13.6 ℃，平均最低气温2.4 ℃。该区主要的土壤种类包括4种[17]：，细壤土，混合土质，湿润的薄层土壤；，细壤土，混合土质，石灰质，湿润的薄层土壤；，细壤土，混合土质，石灰质，湿润的薄层土壤；，细质土，含蒙脱石，塿土。试验期间，为减小不同土质对试验结果的影响，所有处理随机排列。试验结束时采集土深15 cm处土样，分析结果显示土壤磷测试Bray P1值为31 mg/kg，pH值为7.7，说明有机质含量非常高[18]，这是导致土壤均排水不畅的主要原因。

试验地共78个小区，每个小区面积为0.5 hm2（15 m× 38 m），在小区中心线布设地下排水管道，2条平行管道间距7.6 m，埋深1.06 m。每小区两侧平行铺设管道以保护小区。每3个小区设1个观测井，用于记录和收集小区中心线排水管的排水量和水样。小区共26个观测井，每个观测井直径1.2 m，垂直埋在每3个小区的终点部位，观测井中，每个独立小区的中心管道分别连接1个集水坑，并放置1个M53潜水泵（肯塔基州路易斯维尔城Zoeller Pump有限公司），抽取地下排水，在集水坑上方连接管道并安装流量计（亚拉巴马州塔拉西海王星科技有限公司）记录排水量，在管道上开小孔自动采集水样（水样收集瓶为20 L的玻璃瓶，水量约占总排水量的0.25%）。一般地，当排水量为13 mm时，会收集到10 L的水样。

本试验设计2个处理，即无冬季覆盖作物玉米-大豆轮作处理（NC）和冬季覆盖作物黑麦-玉米-黑麦-大豆轮作系统处理（CC），在试验地小区中随机布置各处理。试验历时5 a（2005—2009年），CC处理从2004年10月开始，试验期间每年冬季种植黑麦（）作为覆盖作物，播种量为100 kg/hm2，次年在轮作作物种植前喷施草甘膦终止黑麦生长。春季玉米萌发后注射氮肥（28%的氨氮溶液）到试验地土层10 cm处，施氮总量为140 kg/hm2（以N计，下同）。各小区在作物种植之前用大田耕作机耕地1次，耕地深度10 cm，耕作强度为0.25；收获之后用双列圆盘耙耕地1次，耕地深度10 cm，耕地强度为0.45。耕作强度由修正的土壤流失方程版本2计算（Revised Universal Soil Loss Equation, Version 2，RUSLE2）。

1.2 DRAINMOD-N II 简介

DRAINMOD-N II[19]由DRAINMOD发展而来，优化了DRAINMOD-N中氮素循环过程的不足，是基于过程的田间尺度的模型，用于模拟不同田间管理措施和不同环境及土壤条件下氮素的动态变化及在土壤—水—作物系统中的转化运移过程。模型的水文模块是以土壤剖面中的水量平衡为基础，主要模拟的是单位地表面积与地下不渗透土层及2条平行排水管道之间土层的水量平衡，以小时或日为单位，在特定气象条件、排水系统、土壤类型和耕种系统条件下，预测地下排水、地表径流、蒸散、地下水位和深层渗漏等水平衡参数，模型描述的水文过程示意图详见文献[19]。

在Δ时段内单位土层内水量平衡公式为[14,19]：

ΔV=D+ETLS（1）

式中ΔV为土体内水量变化量，cm；为单位体积土壤排水量（或地下灌溉量），cm；ET为蒸散量，cm；LS为深层渗漏和侧向渗漏，cm；为入渗量，cm。

当地表形成积水或径流时，Δ时段内单位土层内水量平衡公式为[14,19]：

ΔRO（2）

式中为降雨量，cm；Δ为地表蓄积水的体积变化量，cm；RO为径流量，cm。

模型中氮素运移模块的氮循环子模块包含了硝态氮（NO3–-N）、还原性氮化物（NHx-N）、有机氮（organic N，ON）3个氮库，并加入了1个简单的碳循环可以模拟有机碳（organic C，OC）的动态变化。同时，模型中引入了1个施肥子模块，包含了尿素、无水氨肥及缓释肥等肥料的反应原理，使得模型模拟更为精准。该模型利用多项一维对流弥散反应方程（advection dispersion reaction，ADR）模拟氮素的运移，公式如下[16]：

式中C和C分别是某种氮形式在液态和气态阶段时的浓度，M/L3；C是某种氮形式在固态阶段时的浓度，M/M；和分别为土壤液相和气相体积分数，L3/L3；是固态阶段的干容重，M/L3；是液相的体积通量，L/T；D是水动力弥散系数，L2/T；d是分子扩散系数，L2/T；是源汇项，M/(L3·T）；是时间，T；为空间坐标，L。

1.3 数据收集和模型参数化

1.3.1 气象及土壤资料

试验地设有小型自动气象站（犹他州洛根Campbell Scientific有限公司），实时记录试验区的气温和降雨等数据，由于设备原因缺失的个别数据从试验地东部15 km处的Humboldt气象站获得，该站是由美国国家气象中心（National Climatic Data Center，NCDC）下设的站点（COOP ID133985），由于该地冬季降雪多，故需将降雪转换为降水数据，一般地，降雪深度与水量之比一般为10∶1[6]。风速、太阳辐射、相对湿度等数据由距试验地东北部50 km的Kanawha气象站获得。根据逐日气温数据、日或小时降雨数据，按照DRAINMOD-N II模型要求的格式建立气象数据文件，利用模型自带气象数据处理模块自动生成模型所需的气象文件。

通过气象站可获得风速、太阳辐射、相对湿度、最高气温及最低气温等数据，据FAO56中式（40）计算得到净辐射量[20]，计算得到潜在蒸散量（potential evapotranspiration，PET0）。根据Luo等[21]的研究利用作物系数得到实际潜在蒸散量PETcrop。Penman-Monteith公式计算日PET输入模型模拟结果会更为精确，参考作物的蒸散量可根据不同作物调整计算作物蒸散量（PETcrop），作物系数（K）主要参考FAO56推荐的系数值[20]，见式（4）。试验地主要轮作系统为玉米-大豆轮作系统，冬季覆盖作物为黑麦，作物生长期间的根系深度及作物系数见表1。

PETcrop= K·PET0（4）

实测获得土壤容重、饱和导水率、土壤在基质势（10、33和1 500 kPa）的含水率以及土壤颗粒分布等值，通过ROSETTA模型计算便可获得DRAINMOD-N II模型需要的参数值，如饱和含水率、剩余含水率、饱和导水率及曲线形状参数值等。ROSETTA模型所需的输入值与模型输出值见表2。

表1 研究期间轮作系统生长季根系深度及作物系数

注：FAO56根据作物生长特点将其生育期分为4个阶段，即生长初期、生长发育期、生长中期及生长后期。见FAO56图24[20]。

Note: Crop growth period is divided into 4 stages according to characteristics of crop growth based on FAO56. They are initial stage, crop development stage, mid-season stage and late season stage. Shown in Fig.24 of FAO56[20].

表2 实测土壤水力学参数值及ROSETTA模型计算值

注：为基质势；为剩余含水率；为饱和含水率；和为曲线形状参数；为水分饱和时的匹配点；为曲折度或连通性参数；sat为饱和导水率。θθ及K为ROSETTA模型输出值，其他为实测值。

Note:is matric potential;is residual water content;is saturated water content;andare curve shape parameters;is the matching point at saturation (cm/day);is an empirical pore tortuosity or connectivity parameter;satis saturated hydraulic conductivity.θθandsatare output from ROSETTA, others are observations.

1.3.2 地下排水量、NO3–-N流失量及模型参数化

模型水力设计参数输入主要取决于当地排水系统的设置，该研究区域的排水管埋深为1.05 m，间距7.6 m，半径1.5 cm，排水系数为3.5 cm/d，不透水层深度为390 m，初始地下水位为2 m，地表最大蓄积量为3.1 cm。其他参数输入值详见Du等[22]论文中表II。与排水量息息相关的土壤参数，包括地下水位、排水量及地下水上升通量之间的关系，计算土壤入渗时Green-Ampt公式中的和系数与地下水位之间的关系，均由模型自带的土壤文件生成器计算。

每个小区在观测井中均有相应的流量计，用来记录地下排水量，根据降雨量每周或每2周人工采集1次数据。在管道上开小孔自动采集水样（水样收集瓶为20 L的玻璃瓶，水量约占总排水量的0.25%），并保存在4 ℃的冷库里，利用二阶导数光谱技术测得NO3–-N的浓度（在爱荷华州立大学湿地研究实验室进行）[6]。NO3–-N流失量等于由实验室测得的NO3–-N的浓度值乘以相应的排水量。

模型中碳氮循环参数包括施肥参数（施肥量、肥料溶解速率等）、作物参数（潜在产量、收获指数、根茎比及根茎籽粒中碳氮含量）以及碳氮运移过程参数等。Wang等[23]对比LH-OAT和VARIANCE-BASED 2种敏感性分析方法分析DRAINMOD-N II模型的参数敏感性，得出对氮素流失模拟值最重要的8个参数，即反硝化作用最适温度、温度曲线形状经验系数值、土壤水分方程中的经验系数值、土壤孔隙含水率（Water-filled pore space，WFPS）临界值、Michaelis-Menten公式最大反应速率以及有机碳腐解作用最适温度和活性土壤有机质库腐解速率，详见Du等[22]的论文。利用非线性参数检验模型（non- linear parameter estimation，PEST）对这些参数进行校正，得到合适的参数值，提高模型模拟精度。

1.4 模型校正、验证及适用性评价

模型校正的主要目的是确定最符合研究区域种植环境的水力学参数、作物参数及氮素循环参数的参数值，提高模型模拟精度。本文利用无覆盖作物处理的玉米-大豆轮作系统5 a（2005—2009年）的数据，结合PEST模型校正模型的各项参数，用覆盖作物处理的黑麦-玉米-黑麦-大豆轮作系统的实测数据验证校正后的模型。

本文基于2005—2009年ADWQ-RDS试验基地的实测值，对比模型模拟值进行模型在该地的适用性评价。采用3种统计参数验证模型模拟效果[24]：Nash- Sutcliffe模型效率系数（Nash-Sutcliffe efficiency，NSE）；百分比偏差（percent bias，PBIAS）；均方根误差与标准差比值（ratio of root mean square error to standard deviation，RSR）。

（6）

（7）

式中O为观测值；P为预测值，是所有观测值的平均值，是总数。模型模拟地下排水量及硝态氮流失量时，当NSE>0.65、PBIAS在±25%之间及RSR≤0.7时，表明误差在范围内，模拟效果好；模型模拟地下排水中硝态氮浓度时，当NSE > 0.5、PBIAS在±15%之间及RSR≤0.5时，表明误差在范围内，模拟效果好[24]。

2 结果与分析

2.1 模型参数校正

基于PEST模型对氮素运移参数进行校正，校正结果见表3。

表3 DRAINMOD-N II模型氮素循环过程中参数校正值

2.2 模型验证及适用性评价

2.2.1 地下排水量

试验研究期间（2005—2009年），5 a平均年降水量为82.6 cm，其中生长季（5月—9月）为47.5 cm，排水季（3月—11月）为73.1 cm，这与多年（1971—2000年）年平均降水量82.1 cm、生长季降水量51.4 cm及排水季降水量75.3 cm较为接近。表4中显示5 a期间试验地在2种不同的耕作系统下地下排水量的观测值及模型模拟值。校正小区NC处理模拟结果显示5 a平均地下排水量为31.7 cm，与观测值相比较，PBIAS、NSE及RSR的误差分别为2.03%、0.91及0.29，均在误差范围内。验证小区CC处理模拟结果显示5 a平均地下排水量为27.7 cm，PBIAS显示模拟值比观测值28.3 cm小2.28%，NSE及RSR分别为0.98及0.15，均在误差范围内，表明模型模拟地下排水量的效果很好。试验期间，观测地下排水量在11.6 cm（2006年）和54.5 cm（2007年）之间波动，模拟地下排水量在10.6 cm（2006年）和51.6 cm（2007年）范围内变化，5 a间最小降水量为2006年的62.7 cm，最大降雨量为2007年105 cm，这个现象说明排水量受降水量影响较大，与降水量基本呈正相关，这与前人研究结果一致[25]。DRAINMOD-N II模型可捕捉到排水量随降雨量变化的规律，极大地提高模拟效果。

表4 2005—2009年不同小区地下排水量的观测值及模拟值

注：PBIAS是百分比偏差；NSE是Nash-Sutcliffe效率系数；RSR是均方根误差与标准差比值。NC为冬季无覆盖小区，CC为冬季覆盖小区，下同。

Note：PBIAS is percent bias, NSE is Nash-Sutcliffe efficiency, RSR is ratio of root mean square error to standard deviation. NC and CC are plots without and with rye, respectively. Same as below.

图1a为NC和CC处理下5 a月平均地下排水量及累积量。由图可知，DRAINMOD-N II模型模拟5 a排水季的月平均地下排水量与观测值除个别月份出现较大差异外，其他月份模拟值与观测值基本符合，月地下排水累积量曲线走势基本相同，模型模拟效果较好。DRAINMOD-N II模型经Luo等[21]改进后，提高了在寒冷地区的模拟精度，但在温度长期处于0℃以下时，受风漂移等环境因素影响，模拟效果仍会受到影响[26]。与NC相比，排水季CC出现较大模拟差异的月份为3月。这个月份的气温偏低，3月月均最高气温为5.8 ℃，最低气温为–4.1 ℃，单日最低气温可达–15.1 ℃，在低气温下排水管道受冻后无排水量或排水量较小造成了模拟偏差。冬季降雪量可受当地风速的影响，试验地冬季风速平均为4 m/s，个别日风速可达8 m/s，研究表明由风可带走20%的雪量[26]，因此导致观测值小而模拟值偏高。

图1 2005—2009年NC和CC处理地下排水量和地下排水中硝态氮流失量的观测值及模型模拟值Fig.1 Observations and simulations of subsurface drainage and NO3–-N loss in drainage for NC and CC plots during 2005-2009

2.2.2 氮素运移

DRAINMOD-N II模型对NC和CC 2种不同的耕作系统下地下排水中NO3–-N流失量的模拟效果很好（表5）。校正小区NC处理模型模拟5 a平均值为44.7 kg/hm2，比观测值高8.1%，NSE和RSR分别为0.89和0.33，均在误差范围内。验证小区CC处理模型模拟5 a平均值和观测值分别为34.2和34.4 kg/hm2，PBIAS、NSE及RSR分别为–0.5%、0.96及0.21，均在误差范围内。NO3–-N的流失量与降水量及排水量基本呈显著的正相关，以NC为例，2006年降水最少为62.6 cm对应NO3–-N流失量观测值和模拟值分别为18.6和22.4 kg/hm2，2007年降水最多为105 cm对应NO3–-N流失量观测值和模拟值分别为65.8和77.9 kg/hm2。DRAINMOD-N II模型可以反映NO3–-N流失量随降雨量变化的规律，模拟值随降水量增大而增大。

表5显示DRAINMOD-N II模型在NC和CC处理下对地下排水中NO3–-N浓度的模拟效果好。校正小区NC处理观测值流量加权平均在12.6～15.6 mg/L之间，模拟值流量加权平均在13.0～15.1 mg/L之间，5 a观测平均值为14.0 mg/L，比模拟值高1.3 %，NSE和RSR分别为1.00和0.06，均在误差范围内。验证小区CC处理观测值在11.4～13.7 mg/L之间，模拟值在11.4～12.9 mg/L之间，5 a平均模拟值和观测值分别为12.3和12.4 mg/L，PBIAS、NSE及RSR分别为–0.6 %、1.00及0.06，均在误差范围内，表明模拟效果好。

表5 2005—2009年NC及CC小区NO3–-N在地下排水中的流失量及流量加权平均浓度的观测值及模拟值

图1c～图1d中为在排水季NC和CC处理下NO3–-N流失量的5 a月均值，与图1a～图1b排水量的规律相似，除3月与11月外，其他月份的模型模拟值与观测值无显著性差异。受气温、风漂移和雪蒸发的影响，3月的排水量较小导致NO3–-N流失量观测值较小，造成模型高估NO3–-N流失量的现象。NC处理比CC处理的NO3–-N流失量高17%，尤其是3—5月期间，NC处理比CC处理NO3–-N流失量高37%，但作物生长期间，NC和CC处理的NO3–-N流失量差别不大。研究表明DRAINMOD-N II在美国爱荷华州北部适用性良好，可以较精确地模拟地下排水量、地下排水中NO3–-N流失量及浓度，且可以对其长期影响进行模拟，进而对优化农业耕作措施，指导农业生产。

2.3 模型应用

本研究中校正过的DRAINMOD-N II模型在NC和CC 2种不同种植系统条件下对地下排水量、排水中NO3–-N流失量及浓度的模拟效果显著，可以对爱荷华州在进行特定耕作条件下的排水量、NO3–-N流失量及浓度等方面进行长期模拟，以期对当地耕作方式进行调整达到减少对水体污染的目的，并可为中国相似气候环境、种植系统及农田管理措施下的农田地下排水量及NO3–-N流失的研究提供理论参考。

2.3.1 对水文循环的长期影响

模拟期为20 a（1990—2009），20 a平均降水量为75.7 cm，比多年平均年降水量小7%，期间最低降水量为1997年的54.4 cm，最高降水量为2007年的105 cm。模拟结果显示，长期种植冬季覆盖作物黑麦可使地下排水量逐年减小，并且随着时间的推移减少量有缓慢增长的趋势（表6）。冬季覆盖黑麦处理CC的多年平均排水量28.5 cm 比NC处理的31.0 cm降低了8.1%，5 a动态平均排水量减少百分比在5%与14%之间（图2a），由最初的5%逐渐增大，后期除2008年的14%外基本在12%，这与Strock等[27]在南明尼苏达州玉米种植区的实测值和Qi等[6]在爱荷华州北部用RZWQM2模拟的结果11%相近，但不排除减少量继续增大的可能。CC和NC处理的DRAINM-N II 排水量模拟值长期变化趋势基本一致，5 a动态平均值曲线的走势也基本一致，最小值为2000年的13 cm（CC）和14.2 cm（NC），最大值为1993年的52.6 cm（CC）和56.9 cm（NC）。

表6 1990—2009年在不同轮作系统中 DRAINMOD-N II模型模拟水量平衡多年均值

注：ET是模型根据潜在作物蒸散量排除与作物和土壤有关因子的影响计算得到的；排水量（玉米）：种植玉米的年份排水量均值；排水量（大豆）：种植大豆的年份排水量均值。除降水外，其他均为模拟值。

Note: ET was calculated by model which eliminates effect of factors related to crop and soil based on potential crop evapotranspiration; Drainage (Corn) is average for corn year; Drainage (Soybean) is average for soybean year. All parameter values are simulations except precipitation.

冬季种植覆盖作物对ET影响较大，可提高ET值。冬季种植覆盖作物黑麦ET值为46.3 cm，较未种植黑麦处理的ET值43.7 cm增加了5.9%。在种大豆前种植黑麦，排水量降低了11.9%，ET提高了6.4%，在种玉米前种植黑麦，排水量降低了7.1%，ET提高1%。可知，在种大豆前种植黑麦比在种玉米前种植黑麦，对多年平均排水量和ET值的影响更大。冬季种植覆盖作物黑麦，模型模拟值显示对地下排水量和ET值均有较大影响，对入渗、径流及潜在ET等影响不大，这一结果与Qi等用RZWQM2模拟的结果一致[6]。

图2 1990—2009年NC和CC处理下对排水量和硝态氮流失量的长期影响

2.3.2 对氮素循环的长期影响

本研究中，NC和CC处理在研究期间模拟NO3–-N流失量的变化范围主要在21～53 kg/hm2和15～46 kg/hm2之间，5 a动态均值曲线的变化显示NC和CC处理下近20 a的年均排水量变化趋势基本一致，与地下排水量的5 a动态变化趋势相似（图2b）。冬季种植覆盖作物黑麦降低了排水中的NO3–-N流失量，CC处理的流失量模拟值比NC处理的流失量模拟值小16.6 %（表7），5 a动态NO3–-N流失量的变化幅度在4.1～7.3 kg/hm2之间，平均减小流失量为6.0 kg/hm2，这与Feyereisen等[28]在明尼苏达州西南部研究的模拟结果5.8 kg/hm2相近，比Malone等[29]用RZWQM2和APSIM模型模拟的长期减小量3.9和4.8 kg/hm2高。Qi等[6]在同一研究区相同处理设置条件下，用RZWQM2模拟冬季长期种植覆盖作物黑麦对NO3–-N流失量的长期影响，研究期内其减少量为11.8 kg/hm2。冬季长期种植覆盖作物黑麦CC处理的年均流量加权平均为10.6 mg/L，比NC处理降低了8.6%，接近美国环境保护署(USEPA)规定的最大污染物浓度值10 mg/L（以N计）[30]。比Qi等[6]的长期模拟浓度值减小量12%和Li等[31]的短期模拟浓度值减小量49%小。另外，RZWQM2模拟的种植冬季覆盖作物轮作系统下地下排水中NO3–-N的浓度要比DRAINMOD-N II模拟值高42%，根据统计学分析，RZWQM2模拟值NSE的负数值和RSR>0.7均显示该模型对地下排水中NO3–-N的浓度的模拟效果不佳。由此可见，不同模型在同一条件下的模拟结果存在差异，主要是在氮素运移中对部分参数模拟的差异造成的，比如净矿化量、固氮量及作物吸收量等。

本研究中NC处理长期模拟的净矿化量为171 kg/hm2，与Carpenter-Boggs等[32]在南达科他州田间实测值 142 kg/hm2和Qi等[6]在爱荷华州北部用RZWQM2模拟的值168 kg/hm2相近。CC处理的净矿化量较NC处理的低6.1%，与Parkin等[8]和Bremer等[33]研究的实测结果相似，Parkin[8]等表示种植冬季覆盖作物会增加氮的固定量及减小净矿化量。然而Li等[31]在爱荷华州中部布恩镇2000—2005年间开展的研究结果显示，冬季覆盖作物种植条件下净矿化量比未种植冬季覆盖作物的高11%，Qi等[6]模拟结果为CC处理比NC处理的净矿化量高34%。不过，有研究表明，RZWQM2在模拟冬季覆盖作物种植系统条件下会高估净矿化量[6,31]。这应该与2种模型不同的碳氮循环模块有关，DRAINMOD-N II模型引入了CENTURY模型[34]计算C:N动态变化过程，地上及地下作物残余物均参与到养分循环中，而RZWQM2是基于OMNI[35]模块来模拟C:N，只考虑地下残余物的循环，地上残余物量化处理。

表7 1990—2009年在NC和CC 2种不同轮作系统下DRAINMOD-N II模型模拟氮素变化参数多年均值

注：玉米种植年施肥量为140 kg×hm–2（以N计）。

Note: Fertilizer was applied at 140 kg·hm–2(based on N) to corn (every other year).

3 结 论

1）校正后的DRAINMOD-N II模型可以较好地模拟不同轮作系统下年均地下排水量、地下排水中NO3–-N的流失量及浓度。经统计学分析， Nash-Sutcliffe模型效率系数、百分比偏差和均方根误差与标准差比值均在误差范围内。

2）排水季中除了3月和11月受低温及风速影响较大导致模型模拟高估外，其他月份模拟值与观测值拟合较好，由累计曲线可知该模型基本可以反映月均地下排水量和地下排水中NO3–-N流失量的变化规律。DRAINMOD-N II模型在爱荷华州北部适用性良好，是模拟农田尺度水利和氮素动态变化比较可靠的农业模型之一，本研究也为与爱荷华州具有相似气候环境和农田耕作管理措施的地区，应用DRAINMOD-N II模型提供了参考。

3）模型模拟不同轮作系统下（玉米-大豆，黑麦-玉米-黑麦-大豆）对地下排水量和地下排水中NO3–-N的流失量的长期影响过程，结果表明种植冬季覆盖作物黑麦可以降低排水量8.1%（2.5 cm），减小NO3–-N的流失量16.6%（6 kg/hm2），增加ET值2.6 cm（5.9%），主要是在大豆前种植冬季覆盖作物黑麦影响较大，ET值增加了6.4%（2.7 cm）。

4）长期种植冬季覆盖作物可以降低地下排水中NO3–-N的浓度，年均流量加权平均浓度为10.6 mg/L，降低了8.6%（1 mg/L），同时，研究结果表明长期种植冬季覆盖作物可降低净矿化量和增加作物吸收量和固氮量。一些研究认为长期种植冬季覆盖作物净矿化量反而会增大，对模型模拟氮素运移过程仍存在争议，今后需在此方面投入更深入的研究。

[1] Darzi-Naftchali A, Mirlatifi S M, Shahnazari A, et al. Effect of subsurface drainage on water balance and water table in poorly drained paddy fields[J]. Agricultural Water Management, Elsevier BV, 2013, 130: 61－68.

[2] 王少丽，王兴奎，Prasher SO，等. 应用DRAINM OD农田排水模型对地下水位和排水量的模拟[J]. 农业工程学报，2006，22(2)：54－59.Wang Shaoli, Wang Xingkui, Prasher SO, et al. Field application of DRAINMOD model to the simulation of w ater table, sur face runoff and subsurface drainage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(2): 54－59. (in Chinese with English abstract)

[3] BakerJ L, Campbell K L, Johnson HP, et al. NO3-N, phosphorus, and sulfate in subsurface drainage water[J]. J.Environ. Qual., 1975, 4(3): 406－412.

[4] Helmers M J, Lawlor P A, Baker J L, et al. Temporal Subsurface Flow Patterns from Fifteen Years in North-Central Iowa[C]. 2005 Tampa, FL July 17－20, 2005, St. Joseph, MI: American Society of Agricultural and Biological Engineers, 2005.

[5] DinnesD L, Karlen D L, Janynes D B, et al. Nitrogen management strategies to reduce nitrate leaching in tile-drained Midwestern soils[J]. Agron. J, 2002, 94(1): 153－171.

[6] Qi Z, Helmers M J, Malone R W, et al. Simulating long-term impacts of winter rye cover crop on hydrologic cycling and nitrogen dynamics for a corn-soybean crop system[J]. Transactions of the ASABE, 2011, 54(5): 1575－1588.

[7] Qi Z, Helmers M J. The conversion of permittivity as measured by a PR2 capacitance probe into soil moisture values for Des Moines lobe soils in Iowa[J]. Soil Use and Management, 2010, 26(1): 82－92.

[8] Parkin T B, Kaspar T C, Singer J W. Cover crop effects on the fate of N following soil application of swine manure[J]. Plant and Soil, 2006, 289(1/2): 141－152.

[9] Kaspar T C, Jaynes D B, Parkin T B, et al. Effectiveness of oat and rye cover crops in reducing nitrate losses in drainage water[J]. Agricultural Water Management, 2012, 110(3): 25－33.

[10] ThorpKR, Malone RW and Jayness D B. Simulating long-term effects of nitrogen fertilizer application rates on corn yield and nitrogen dynamics[J]. Trans ASABE, 2007, 50(4): 1287－1303.

[11] Li C, Frolking S, Frolking T A. A model of nitrous oxide evolution from soil driven by rainfall events. 1. Model structure and sensitivity[J]. Journal of Geophysical Research, 1992, 97(D9): 9776－9799.

[12] JonesCA, KiniryJ R. CERES-Maize:A Simulation Model of Maize Growth and Development.[M]. TX: Texas A&M University Press, 1986.

[13] MccownRL, HammerGL, Hargreaves J N. APSIM:An agricultural production system simulation model for operational research.[J]. Mathematics and Computers in Simulation, 1995, 39(10): 225－231.

[14] Skaggs R W. A water management model for shallow water table soils[M]. Raleigh: Water Resources Research Institute of the University of North Carolina, 1978.

[15] Brevé M A. Modeling the Movement and Fate of Nitrogen in Artificially Drained Soils[D]. Raleigh: North Carolina State University, 1994.

[16] Youssef M A, Skaggs R W. The Nitrogen Simulation Model , DRAINMOD-N II : Field Testing and Model[C]//The American Society of Civil Engineers.World Environmental and Water Resources Congress.Reston:American Society of Civil Engineers, 2006:1－11.

[17] US Department of Agriculture. Soil survey of Pocahontas County, Iowa[M]. Washington, D.C: USDA Soil Conservation Service, 1985.

[18] Lawlor P A, Helmers M J, Baker J L, et al. Nitrogen application rate effect on nitrate-nitrogen concentration and loss in subsurface drainage for a corn-soybean rotation.[J]. Transactions of the ASABE, 2008, 51(1): 83－94.

[19] Skaggs R W, Youssef M A, Chescheir G M. DRAINMOD: Model use, calibration, and validation[J]. 2012, 55(4): 1509－1522.

[20] Allen R G, Pereira L S, Raes D, et al. FAO Irrigation and Drainage Paper no. 56: Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements[M]. Rome: FAO,1998.

[21] Luo W, Skaggs R W, Madani A, et al. Predicting field hydrology in cold conditions with DRAINMOD[J]. Transactions of the ASAE, 2001, 44(4): 825－834.

[22] Du X, Feng H, Helmers M J, et al. Comparing simulated nitrate-nitrogen concentration in subsurface drainage using Drainmod-N II and RZWQM2[J]. Irrigation and Drainage, 201766(2):238－251.

[23] Wang X, Youssef M A, Skaggs R W, et al. Sensitivity analyses of the nitrogen simulation model, DRAINMOD-N II[J]. 2005, 48(3): 2205－2212.

[24] Moriasi D N, Arnold J G, Van Liew M W, et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J]. Transactions of the ASABE, 2007, 50(3): 885–900

[25] Thorp K R, Youssef M A, Jaynes D B, et al. DRAINMOD-N II: Evaluated for an agricultural system in Iowa and compared to RZWQM-DSSAT[J]. Transactions of the ASABE, 2009, 52(5): 1557－1573.

[26] Randall G W, Mulla D J. Nitrate nitrogen in surface waters as influenced by climatic conditions and agricultural practices[J]. Journal of Environmental Quality, 2001, 30(2): 337－344.

[27] StrockJ S, Porter P M, andRusselle M P. Cover croppingto reduce nitrate loss through subsurface drainage in the northernU.S. Corn Belt[J]. Journal of Environmental Quality, 2004,33(3): 1010－1016.

[28] FeyereisenG W, Wilson B N, Sands G R, et al. Potential for a rye cover crop to reduce nitrateloss in southwestern Minnesota[J]. Agronomy Journal, 2006, 98(6): 1416－1426.

[29] Malone R W, Huth N, Carberry P S, et al. Evaluating and predicting agricultural management effects under tile drainage using modified APSIM[J]. Geoderma, 2007, 140(3): 310－322.

[30] United States Environmental Protection Agency (USEPA). Hypoxia in the Northern Gulf of Mexico: An Update by the EPA Science Advisory Board[M]. Washington, DC: USEPA, 2007.

[31] Li L, Malone R W, Ma L, et al. Winter cover crop effects on nitrate leaching in subsurface drainage as simulated by RZWQM-DSSAT[J]. Transactions of the ASABE, 2008, 51(5): 1575－1583.

[32] Carpenter-Boggs L, Pikul J L Jr, Vigil MF, et al.Soil nitrogen mineralization influenced by crop rotation and nitrogen fertilization[J]. Soil Sci Soc Am J, 2000, 64(6): 2038－2045.

[33] Bremer E, Kuikman P. Influence of competition for nitrogen in soil on net mineralization of nitrogen[J]. Plant and Soil, 1997, 190(1): 119－126.

[34] Parton W J, Schimel D S, Cole C V, et al. Analysis of factors controlling soil organic matter levels in Great Plains grasslands[J]. Soil Science Society of America Journal, 1987, 51(5): 1173－1179.

[35] ShafferM J, Rojas K W, Decoursey D G, et al. Root Zone Water Quality Model: Modeling Management Effects on Water Quality and Crop Production, Chapter 5: Nutrient chemistry processes[M]. Highlands Ranch: Water Resources Publications, LLC, 2000: 119－144.

Simulating effects of winter rye cover on subsurface drainage and NO3--N loss based on DRAINMOD-N II

Du Xuan1,2,3, Feng Hao1,2,4※, Matthew J. Helmers3, Qi Zhiming5

(1.712100,;2.712100,; 3.50011,; 4712100,; 5H9X 3V9,)

Planting winter rye cover crop can reduce subsurface drainage and NO3--N loss in corn-soybean rotation. Field data from Iowa was used to calibrate DRAINMON-N II and evaluate its applicability in cold regions in US. This study simulated the long-term (20 years) effects of winter rye cover crop on subsurface drainage and nitrogen dynamics using DRAINMOD-N II. Two treatments were set in Agricultural Drainage Water Quality-Research and Demonstration Site in Iowa. One treatment was with rye planting in winter (rye-maize-rye-soybean rotation) and the other was bare in winter (only maize-soybean). The experiments lasted for 5 years from 2005 to 2009. The drainage was collected and NO3--N content in the drainage was measured. The DRAINMON-N II model was used for simulation of change in the drainage and NO3--N content from 1990 to 2009. The results showed that the DRAINMON-N II model satisfactorily simulated subsurface drainage and NO3--N loss with Nash-Sutcliffe efficiency (NSE) larger than 0.65, percent bias (PBIAS) smaller than 25%, and ratio of root mean square error to standard deviation (RSR) not larger than 0.70. Flow-weighted average NO3--N concentration (FWANC) were simulated satisfactorily, with NSE larger than 0.50, PBIAS within 25%, and RSR not larger than 0.50. The errors between simulation and measurements of drainage and NO3--N loss mainly reflected in March when temperature was low (average monthly temperature was -4.1oC), which may partially cause by drainage delay. Also the larger wind speed (4 m/s) which can take away 20% of snow could affect our estimates. These results suggested that DRAINMOD-N II had good applicability in Iowa and could simulate the long-term effect of winter rye cover crop on subsurface drainage and NO3--N loss. Long-term simulations (1990-2009) indicated that adding winter rye cover crop could reduce drainage, NO3--N loss and FWANC by 8.1% (2.5 cm), 16.6% (6 kg/hm2, by N) and 8.6% (1 mg/L, by N), respectively. The amount of drainage was decreased year by year and the 5-yr dynamic decrement rates increased from 5% to 14%. The 5-yr dynamic NO3--N loss varied between 4.1 and 7.3 kg/hm2, with a mean of 6.0 kg/hm2. The winter rye as a cover crop could increase evapotranspiration (ET) by 5.9% (2.6 cm), and the time period to plant cover crop also affected ET increase. When planting cover crops before soybean ET increased by 6.4%. Meanwhile, adding winter rye cover crop could increase plant uptake of nitrogen by 7.3% (10.1 kg/hm2) and nitrate fixation by 11.9% (11.3 kg/hm2). Planting winter rye could reduce net mineralization by 6.1% (10.4 kg/hm2), but it was in disagreement with the existing experiments and simulations by the other researchers. These results indicated that there is still some debate about net mineralization response to adding winter rye cover crop. Further research is necessary to understand the simulated nitrogen transport and transformation mechanisms in soil. The field data is well matched with the calibrated model, showing that the DRAINMON-N II model could reliably simulate water and nitrogen movement in the soil. This model could simulate the effect of different cropland management practices on subsurface drainage and nitrogen dynamics to optimizing cropland management practice.

nitrogen; drainage; evapotranspiration; corn-soybean rotation; DRAINMON-N II; winter rye cover crop

10.11975/j.issn.1002-6819.2017.12.020

S626.2；S276；

A

1002-6819(2017)-12-0153-09

2016-12-20

2017-04-14

国家高技术研究发展计划（863计划）（2013AA102904）；高等学校学科创新引智计划（111计划）资助项目（B12007）；Iowa Department of Agriculture and Land Stewardship

杜 璇，陕西咸阳人，博士生，主要从事农业水土工程研究。杨凌 西北农林科技大学水利与建筑工程学院，712100。 Email：lemon_19988@163.com

冯 浩，陕西杨凌人，教授，博士，主要从事水土资源高效利用以及节水灌溉新技术、新方法和新材料研究。杨凌 西北农林科技大学水利与建筑工程学院，712100。Email：nercwsi@vip.sina.com

杜 璇，冯 浩，Matthew J. Helmers，齐志明. DRAINMOD-N II模拟冬季长期覆盖黑麦对地下排水及NO3--N流失的影响[J]. 农业工程学报，2017，33(12)：153－161. doi：10.11975/j.issn.1002-6819.2017.12.020 http://www.tcsae.org

Du Xuan, Feng Hao, Matthew J. Helmers, Qi Zhiming. Simulating effects of winter rye cover on subsurface drainage and NO3--N loss based on DRAINMOD-N II[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(12): 153－161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.12.020 http://www.tcsae.org