基于DNDC模型的冬小麦-夏玉米农田滴灌施肥优化措施研究

2019-04-01王迎春王立刚吴永常韦文珊

植物营养与肥料学报 2019年2期

陈静，王迎春，李虎*，王立刚，吴永常，韦文珊

（1 中国农业科学院农业经济与发展研究所，北京 100081；2 中国农业科学院农业资源与农业区划研究所，北京 100081）

N2O在大气中的含量很低，但是其单分子全球增温潜势是CO2的298倍[1]，被列为排在二氧化碳、甲烷之后的第三大温室气体，农业土壤排放的N2O约占人类活动N2O排放总量的52%[2]。气象因素、土壤特征和农田管理措施均可能影响土壤中硝化和反硝化的过程，进而影响N2O排放，其中化学氮肥施用是影响N2O排放的主要因素[3]。最近几十年，我国由于施氮所产生的N2O排放已经占到全球排放量的25%～30%，对全球气候变暖产生了重大影响[4]。滴灌施肥是一种具有节水、节肥和减排效果的农田管理技术，与传统灌溉和施肥方式相比能显著提高14%～35%的水分利用效率[5-7]和30%左右的肥料利用效率[8-9]，同时能减少30%～75%的N2O排放[10-13]，但是也有研究结果显示由于滴灌施肥较高的灌溉频率[14-15]和增加了土壤中硝态氮的累积[16]反而会增加N2O排放。因此，科学地制定和实施滴灌施肥管理措施，在保障作物产量的同时减少温室气体排放，对于促进农业可持续发展具有重要意义。准确地估算不同滴灌施肥管理条件下的作物产量和温室气体排放是科学制定和实施管理方案的基础。模型作为田间观测方法的补充，能对作物系统复杂生物地球化学等过程进行定量评价，又具有现场监测所欠缺的预测功能，越来越被世界各地广泛应用[17]。其中DNDC (Denitrification-Decomposition) 模型由于在模拟作物生长与温室气体排放上的良好表现，是各国科学家重点关注的模型之一[18-22]，现已成为寻求控制和减少农田生态系统温室气体排放技术措施的有效工具[23]。

华北平原是我国重要的粮食产区，过量施肥所引发的农业面源污染问题正威胁区域生态安全[24-25]，在农民习惯种植条件下，华北平原冬小麦-夏玉米轮作系统年N2O排放量可达 N 4.1～7.6 kg/hm2[25-26]。滴灌施肥技术在我国大田作物上的应用示范面积正逐渐扩大，到2020年在华北地区应用滴灌施肥等水肥一体化技术的小麦、玉米农田将达到2000万亩[27]。因此通过优化华北地区小麦-玉米农田滴灌施肥管理措施，能有效减少华北平原冬小麦-夏玉米轮作系统N2O排放，进而减少对气候变暖的影响。

滴灌施肥管理在滴灌施肥频率和滴灌施肥量上都具有很大的灵活性，因此田间试验处理局限性可能对增产和减排效果的科学评估带来偏差，进而错过最优的增产减排方案。本研究针对田间观测的局限性，在利用田间观测数据对DNDC模型进行验证的基础上，应用DNDC模型评价不同滴灌施肥方案对华北典型冬小麦-夏玉米轮作系统作物产量和温室气体净排放的综合影响。综合考虑作物产量和N2O排放提出优化的冬小麦-夏玉米体系滴灌施肥制度，分析优化滴灌施肥措施下的N2O减排成效和经济效益，以期为滴灌施肥技术在华北平原的推广应用提供科学依据和方法参考。

1 材料与方法

1.1 试验地点概况

本试验于2012—2013年在山东省桓台县新城镇逯家村长期试验基地 (北纬 36°57ˊ30"，东经117°58ˊ15") 进行，属半干旱半湿润暖温带大陆性季风气候。试验区主要种植制度为冬小麦/夏玉米轮作，本试验在已连续多年实施免耕和秸秆还田管理的冬小麦-夏玉米轮作农田上进行。供试农田土壤质地为粉土壤，其他基础理化性质见表1。

表1 试验地土壤理化性质Table 1 Soil physical-chemical proprieties of the experimental plots

1.2 试验设计

本研究共设计2组试验，分别为测熵补灌试验和生育期滴灌施肥试验。其中测熵补灌试验中施肥量固定，生育期滴灌施肥试验中灌溉方案固定。2个试验共同设置1个常规地面灌溉+肥料撒施处理 (CWF)和常规地面灌溉不施肥 (CK) 作为对照，CWF处理灌溉、施肥量和时间与当地农民习惯一致，冬小麦季施氮270 kg/hm2(底施N 120 kg/hm2，拔节期追施N 150 kg/hm2)，夏玉米季施氮330 kg/hm2(底施N 120 kg/hm2，大喇叭口期追施N 210 kg/hm2)，底肥为NPK复合肥料，追肥为尿素。灌水定额为每次90 mm，冬小麦季灌3次水，夏玉米季灌1次水。

1.2.1 测熵补灌试验 (第1组试验) 综合计划湿润深度、湿润区比例、灌溉系统效率等影响测墒补灌量的不确定因素，以灌溉系数为计量，设置了5个灌溉处理，分别为W1 (灌溉系数0.5)、W2 (灌溉系数0.75)、W3 (灌溉系数1)、W4 (灌溉系数1.5) 和W5 (灌溉系数 2)。灌水量 (mm) 由公式Q= 10a×H×(θfc-θ0) 计算得出[28]。式中：a为灌溉系数；H为土壤计划湿润层的深度 (cm)，本试验计划湿润深度为40 cm；θfc为田间持水量 (体积含水量)；θ0为灌溉前计划湿润深度土壤体积含水量，灌溉下限为85%田间持水量。根据上述公式计算得出不同灌溉系数处理的灌溉量。每个小区灌水量由单独的水表计量，不同时期具体灌水量如表2。施肥方案选择试验2中的N2处理 (表2)。

1.2.2 生育期滴灌施肥试验 (第2组试验) 设置3个施氮量梯度处理即N1 (35% 农民常规施氮量)、N2 (70%农民常规施氮量) 和N3 (100%农民常规施氮量)，滴灌量与第1组试验的W3处理相同。施肥比例为冬小麦季分蘖期占15%，拔节期占20%，孕穗期占25%，扬花期占25%，灌浆期占15%；夏玉米季拔节期占15%，小喇叭口期占15%，大喇叭口期占20%，抽雄期占20%，灌浆期占20%，蜡熟期占10%。各施氮处理中磷、钾肥用量相同，折纯P2O5和K2O的具体用量分别为冬小麦84.7 kg/hm2和118.3 kg/hm2，夏玉米分别189 kg/hm2和84.7 kg/hm2。氮、钾肥全部滴施，磷肥20%作为底肥一次施入，80%滴施。滴施氮肥中三个施氮量处理中均有13 kg氮来自磷酸一铵，其余来自于尿素。具体的灌溉施肥时间和灌溉施肥量见表2和表3。

试验采用随机区组设计，每处理重复3次，试验小区面积50 m2(5 m × 10 m)。滴灌系统采用滴灌线，滴头间距30 cm，每行小麦布设1条毛管。灌溉井在试验区东南角，试验区四周均有宽2.5 m的保护行。每个小区配备一个压差式施肥罐和一个水表，以保证每个小区单独灌水和施肥的要求，灌溉总压力为0.3 Mpa，平均滴头流速为0.15 L/h。供试小麦品种为当地主栽品种‘鲁原502’，玉米品种为‘郑单958’。

1.3 样品采集与模拟数据获取

采用静态箱法监测供试冬小麦-夏玉米农田土壤的N2O排放通量。静态箱置于作物畦上，一行小麦或玉米落在底座内。每次滴灌施肥后逐日采样7天；每次10 mm以上日降雨后，逐日采样5天；每次播种后连续取样3天；其他情况下，3 ～11月每周采样1次，12月、1月和2月份每2周采样一次。为了便于比较和减少日变化所导致的N2O排放通量差异，取样时间保持在当地时间的9: 00—11: 00之间进行。

采集每针气样时，同时测定该时期的气温、箱内温度和5 cm土壤温度，在取气样小区内随机取三点0—10 cm土壤充分混合，置于预先装有冰块的保温箱中，带回实验室后，一部分利用烘干法测定土壤含水量；另一部分立即过2 mm筛，称取鲜土24.00 g，装入500 mL 白色振荡瓶中，加入100 mL 1 mol /L的KCl 溶液浸提，振荡1 h，将滤液于-18℃冰柜中保存，测定前解冻，利用连续流动分析仪 (Autoanalyzer 3) 测定无机氮 (-N、-N) 含量。作物收获时，选小区长势均匀的区域取7.5 m2(3 m × 2.5 m) 进行测产，单独脱粒晒干 (含水率为12.5%) 后计产。

表2 灌溉试验区冬小麦和夏玉米灌溉施肥日期和用量Table 2 Irrigation and fertilization date and amount of winter wheat and summer maize in each plot

表3 DNDC模拟的灌溉方法表征参数Table 3 Indicted parameters for simulated irrigation method of DNDC

通过田间小型气象站获取逐日气象资料 (日降雨量、日最高和最低气温)；实时记录田间管理措施(施肥日期、施肥方式、施肥量、灌溉日期、灌溉水量、耕作时间、播种及收获日期等)。

1.4 N2O分析计算方法

本研究采用安捷伦7890A气相色谱分析仪 (安捷伦科技 (中国) 有限公司) 检测采集到的气体样品中N2O的浓度，测定N2O浓度所用检测器分别为氢火焰离子化检测器 (FID) 和电子捕获检测器 (ECD)，载气为高纯氮气。

N2O排放通量计算公式为：

式中：F为N2O排放通量 (N kg/hm2)；ρo为标准状态下待测气体密度；V为箱子体积 (m3)；A为罩箱面积(m2)；T和P分别为采样时的绝对温度 (℃) 和采样点的气压 (mm Hg)；T0和P0分别为标准状态下空气的绝对温度 (℃) 和气压 (mm Hg)；Ct为t时刻箱内N2O的体积混合比浓度；dCt/dt为箱内目标气体浓度随时间变化的回归直线斜率。各处理整个生长季或全年总的N2O排放量直接由观测通量值计算，用内插法计算相邻两次监测之间未观测日期的排放通量，然后将观测值和未观测日计算值逐日累加得到N2O季节排放总量。

根据施氮肥 (N1、N2、N3、C) 和对照处理 (CK)的N2O季节排放总量和氮肥施用量计算冬小麦和夏玉米生长季N2O直接排放系数 (指当年或当季施用的肥料氮素通过N2O排放损失的比率，EFd)，计算公式为：

式中：EF和EC分别为施氮肥和对照处理下冬小麦-夏玉米生长季N2O排放总量 (N kg/hm2)，N为当季施氮肥量 (N kg/hm2)。

排放强度是指形成单位经济产量的N2O排放量。计算公式为：

式中：I为排放强度 (N kg/t)；F为供试农田土壤N2O排放通量 (N kg/hm2)；Y为作物产量 (t/hm2)。

1.5 DNDC模型滴灌施肥模拟方法

对于旱地农业，DNDC模拟的基本灌溉方法包括漫灌 (furrow irrigation)、喷灌 (sprinkler irrigation)、地上滴灌 (surface drip irrigation) 和地下滴灌 (subsurface drip irrigation)。在DNDC中，这些灌溉方法通过灌水深度、灌溉强度和植根近水系数来表征。这些参数的数值列于表3中。

DNDC模拟滴灌施肥的方法是将上述灌溉方法与施肥相结合，即将化肥溶解在灌溉水中，然后将灌溉水输入农田。为实施这种模拟，用户需事先准备好一个水肥一体化灌溉情景文件，该文件提供每日输入农田的水量、化肥量和灌溉方法。DNDC根据读入的数据，来确定每日的灌溉水量、化肥量和灌溉方法。在本研究中，灌溉方法为地上滴灌。

1.6 经济效益分析方法

利用部分预算法[29]，将农田管理技术投入分为固定投入和变量投入两部分，固定投入为新技术与原技术相比没有变化的投入 (可视为一个常数)，重点计算变量投入的投资收益率来分析滴灌施肥优化方案的经济效益。具体计算公式如下：

基于部分预算法的新技术采用标准：1) 如净收益保持不变或降低，则不应采用新技术；2) 如净收益增加，变量投入保持不变或降低，则推荐采用新技术；3) 如果净收益和变量投入都增加，则根据收益率来确定是否采用新技术，只有当收益率至少超过100% 新技术才应该被采用[30]。

2 结果与分析

2.1 DNDC模型水肥一体化模块的验证

在试验地气候、土壤背景和土地利用条件下更全面的验证DNDC模型，是应用DNDC模型水肥一体化模块深入研究不可或缺的工作。模型的验证是通过实际观测参数来运转校正后的模型，以检验模型的模拟结果是否与田间试验观测结果一致。本文利用2012—2013年冬小麦-夏玉米季各滴灌施氮(N1、N2和N3) 措施下N2O排放和小麦、玉米产量以及不同滴灌 (W1、W2、W3、W4、W5) 措施下的作物产量对DNDC模型进行验证，考察模型水肥一体化模块的有效性。

2.1.1 DNDC模拟作物产量与田间观测结果比较准确地模拟作物产量是生物地球化学模型成功的关键。DNDC模型对作物产量的模拟主要由作物生长子模型来进行，根据作物种类、气温、土壤湿度、管理措施来计算光合作用、自养呼吸、光合产物分配、水分及氮吸收，从而预测作物的产量[2]。

冬小麦-夏玉米轮作不同滴灌量和施肥量处理的产量模拟对比结果(图1)表明，各施氮量处理下模型模拟值与观测值的相关系数R2值为0.77，说明DNDC模型能较好的模拟各施氮量处理下供试农田的作物产量。具体而言：模型再现了实测中冬小麦产量N2处理最高，N3处理反而有所下降，而夏玉米N2和N3处理产量差异较小的规律特征。只有夏玉米季N1处理产量模拟值和实测值差距较大，在这一处理中，夏玉米在施氮量仅为常规施氮量的35%的情况下实测产量下降不显著可能是由于试验地土壤基础硝态氮含量较高，而且在氮素严重不足的情况下生态因子补偿性发挥作用调节作物生长，致使实际产量对施肥量降低的敏感度低于模型，导致模型模拟值与实测值差异较大。各滴灌量处理下模拟值与观测值相关系数R2值为0.93，表明DNDC模型能够很好的模拟各滴灌量处理下供试农田的作物产量，再现了冬小麦季滴灌量最高的W5处理下作物产量开始有所下降，夏玉米季滴灌量对产量影响不明显的趋势。总体来看，DNDC模型具备了模拟滴灌施肥一体化管理措施下冬小麦和夏玉米产量的能力。

图1 作物产量模拟值与观测值比较Fig. 1 Comparison of crop yields between the simulated and observed ones

2.1.2 DNDC模拟N2O排放与田间观测结果比较2012—2013年冬小麦-夏玉米生长季N2O排放总量的田间实测值和模拟值比较结果如图2所示。结果表明，N0、N1、N2和N3处理下N2O排放季节总量观测结果分别为N 0.53、1.14、1.56、1.73 kg/hm2；相应的DNDC模拟结果分别为N 0.62、1.10、1.42、2.28 kg/hm2。模拟结果与观测结果接近，R2值为0.83。模拟结果与观测结果的比较表明，经过参数调整后的DNDC能准确的模拟不同滴灌施氮措施对N2O排放总量的影响。

图2 N2O排放总量模拟值与实测值比较Fig. 2 Comparison of N2O emissions between the simulated and observed ones

图3 N2O排放季节动态实测值与模拟值比较Fig. 3 Comparison between the simulated and observed N2O emissions after model calibration

试验地4个滴灌施氮处理2012—2013年土壤N2O排放季节动态田间实测值和模拟值比较见图3。如前所述，滴灌施肥条件下，N2O排放峰值很低，主要是在滴灌施肥和强降雨后出现3～5天的排放波动，且夏玉米季N2O排放量高于冬小麦季，模型基本捕捉到了实测到的各处理在滴灌施肥和降雨后引发的N2O排放波动，同时反映了滴灌施肥条件下7月的雨季高峰期对农田土壤N2O排放的贡献最大的现象，模拟的N2O排放动态规律与实测值基本一致。但是这几个处理中模型都没有捕捉到耕作时所引起的实测很低的排放波动，可能是由于试验地采用夏玉米播种时免耕，冬小麦播种时少耕的模式，同时没有施入N肥底肥，模型认为这样土壤受到的扰动很少，不会产生相应的排放波动，而实际中虽然是免耕和少耕，播种时还是会对土壤有一定的扰动，加上需要对试验器材进行保护，收获和播种时人经常需要在农田中走动，因而造成了一定的N2O排放波动。总体来说，在滴灌施肥条件下，DNDC模型可以在排放动态方面较真实地模拟N2O排放通量，能较可靠地模拟滴灌施肥措施对冬小麦/夏玉米农田土壤N2O排放的影响。

2.2 华北平原滴灌施肥情景模拟与优化

滴灌施肥管理措施中施氮量、滴灌量、滴灌施肥时间、次数和措施都会影响该项技术的应用效果。大田试验具有耗时长、成本高、可控性差等问题，而模型模拟可以解决这一问题，因此本文通过校正并验证过的模型模拟筛选出适用于华北平原的最优的滴灌施肥一体化措施。首先通过设置不同的灌溉和施氮量情景筛选出最优的滴灌施肥量，之后在固定滴灌施肥量的基础上优化滴灌施肥管理时间和次数。

2.2.1 滴灌施氮量的优化以试验中筛选出的最佳管理N2和W3处理的施氮量和滴灌量作为基础值，在此基础上设置8个不同滴灌量和施氮量 (表4)，通过DNDC模型模拟不同情景下的冬小麦和夏玉米的产量及N2O排放总量，从增产和减排多目标的角度筛选华北平原最优的水肥一体化管理措施，具体如图4所示。通过对比可以看出，与试验结果一致，基础值滴灌量情景下冬小麦产量最高，灌溉量变化对N2O排放总量的影响不大。滴灌量变化对与夏玉米产量几乎没有影响，减灌80%的灌水量处理为最优，没有继续降低滴灌量是因为减灌80%后每次灌溉量仅为4.8 mm，已经接近能把肥料完全滴入农田土壤中的下限灌溉量。因此最优灌溉量冬小麦季为本底值 (130 mm)，夏玉米季为减灌80% (19 mm)。不同施氮量情景下，基础值之前作物产量逐渐增加，基础值之后继续增加氮肥投入对产量的促进作用不大，但N2O排放量急剧上升，因此基础值 (冬小麦N 189 kg/hm2、夏玉米N 231 kg/hm2) 的施氮量是产量和N2O排放综合最优的施氮量。

表4 DNDC模型模拟设置的滴灌量和施氮量情景模式Table 4 Scenarios of irrigation quantity and nitrogen amount for DNDC simulation

2.2.2 滴灌施氮时间和频率的模拟与优化玉米生长季中的7月份是试验区2012—2013年降雨量最大的时期，占全年降水总量的67.4%，历史年份中7月份均为降雨量最大的时期。同时在7月由于土壤水分含量很大，不宜采用滴灌施肥措施，而是采用条施追肥，从而进一步促进了N2O的排放。从田间监测数据和模拟数据都可以看出，7月份N2O排放峰值最高，总量也最高，N1、N2和N3处理7月份N2O排放总量平均占全年排放总量的比例实测结果为25%，模型模拟结果为28%。因此笔者考虑在玉米生长季优化滴灌施肥时间和次数，将玉米7月中下旬撒施的两次肥料分别调整到7月7日和8月10日分别通过滴灌施入，调整后整个玉米生育期共滴灌施肥4次，分别是7月7日施氮(N) 69.3 kg/hm2，8月10日施氮(N) 92.4 kg/hm2，8月24日施氮(N) 46.2 kg/hm2和9月15日施氮(N) 23.1 kg/hm2。DNDC模型在优化方案下的模拟的结果如图5所示，在作物产量方面，模拟的结果与田间试验筛选出的最佳处理相比，减少了2%的小麦产量，玉米产量没有显著差异，与常规对照 (CK) 处理相比，小麦和玉米总产量略有增加 (2.68%)，差异也不显著。在N2O排放方面，模拟优化筛选出的滴灌施肥最优方案由于减少了夏玉米生长季中雨季的施肥量，有效减少了当季N2O排放总量，比田间试验筛选出的最佳处理减少了16%的N2O排放。

图4 不同滴灌量和施氮量对冬小麦-夏玉米产量和N2O排放总量的影响Fig. 4 Effects of different drip irrigation and fertilization amounts on crop fields and N2O emission

图5 玉米滴灌施肥调优处理前后的产量和N2O排放总量比较Fig. 5 Comparisons of yield and N2O emission between before and after the optimized fertigation practices

由此可见，通过对玉米施肥时间、方式和次数的调优，与田间试验筛选出的最佳滴灌施肥处理相比，可以在不影响作物产量的基础上减少16%的N2O排放，具有明显的减少温室气体排放效果。减少施肥次数还可以减少人力和成本消耗，因此将玉米季雨季条施共6次施肥优化为分4次全部滴灌施肥。

2.3 优化滴灌施肥技术的节能减排效果和经济效益分析

2.3.1 节能减排效果分析在DNDC模型情景模拟筛选出的优化滴灌施肥方案下，整个冬小麦-夏玉米生长季共滴灌149 mm，施氮420 kg/hm2，与常规漫灌撒肥相比可以节水58.61%、节氮30.0%。小麦季和玉米季的N2O排放总量分别为N 0.27 kg/hm2和0.97 kg/hm2，常规灌溉施肥处理下分别为N 0.63 kg/hm2和1.85 kg/hm2，优化滴灌施肥管理在小麦季和玉米季分别比常规灌溉施肥管理N2O排放通量减少了N 0.36 kg/hm2和0.88 kg/hm2，全年共减少50%的N2O排放。

2.3.2 经济效益分析经济效益是影响滴灌施肥技术推广应用的主要因素之一，本文采用部分预算法分析由常规地面灌溉和肥料撒施措施改变为优化滴灌施肥措施后的经济效益变化。如表5所示，由常规灌溉施肥改变为优化滴灌施肥措施后总成本增加了580.20元/hm2，净收益增加了1336.41元/hm2。进而从收益率上看，增加投资部分的收益率为230.3%，远大于100%这一新技术采用标准，因此试验区冬小麦-夏玉米典型农田采用科学的滴灌施肥措施从经济效益来看是可行的。

表5 常规和调优灌溉施肥方案及收益预算Table 5 Partial budget analysis for conventional and optimized fertilization

3 讨论

3.1 DNDC模型模拟

机理模型 (比如DNDC模型) 是研究碳氮循环过程非常强大的工具，越来越多的被用来模拟管理措施和气候变化对农业的潜在影响[16]。China-DNDC能够较好地模拟我国小麦-玉米农田包括滴灌在内的不同管理措施下的作物产量和N2O排放变化规律[31]。本研究利用最新版本的DNDC 9.5模型模拟滴灌施肥管理措施下的农田生态系统。通过与实测数据的对比，对模型的内部参数进行了调整，模型能够较好的模拟滴灌施肥条件下作物产量和农田土壤N2O排放变化规律，为华北平原典型农田滴灌施肥研究提供了有效的模拟工具。但是DNDC模型为了方便应用简化了很多输入参数[31]，特别是其中的水肥一体化模块对N2O排放的模拟以经验参数为主，本研究校正了其与温度相关的经验参数，但是对施氮量过高情景的模拟效果还不够理想，有待进一步通过机理公式改进。此外，这些措施不可避免的受到气象条件和土壤物理特性变异等因素的影响，虽然从试验结果分析来看，基本反映出了滴灌施肥条件下增效和减排效应，但是关于滴灌施肥下不同年型产量的波动以及水氮耦合的生态效应年际差异还有待于更深入的研究。

3.2 N2O排放

本研究表明，优化后的滴灌施肥处理年累积排放总量为N 1.24 kg/(hm2·a)，全年比常规灌溉施肥处理减少50%的N2O排放总量。这一结果与Aguilera等[32]综述的在滴灌条件下平均周年N2O排放总量为N 1.2 kg/(hm2·a) 的研究结果相似。杨黎等[33]利用DNDC模型开展了优化施氮模拟，模拟筛选出的施用缓释肥或添加硝化抑制剂的优化施氮措施与当地农民习惯施肥相比，不会明显影响作物产量，能有效减少 N2O 排放，但净排放降低幅度有限 (8%～13%)。本研究的优化滴灌施肥措施N2O减排效果更佳的原因可能有如下三个方面：一方面施氮量的降低是减少N2O排放的重要原因[29]。另一方面滴灌措施的以下特点也可能是减排的主要原因：1)滴灌条件下不完全湿润的土壤湿润模式和持续稳定的土壤湿度状态[34]；2)直接施到作物根区的施肥位置[35]和水肥一体化的施肥方式[36]；3)较高的施肥频率[37]和每次较低的施肥量[38]；4)更高的作物吸N效率[39]。另外，滴灌施肥条件下，第一季作物收获后的第一个雨季是N2O排放的高峰期[13]，本研究优化措施中刻意避开了玉米生长期内雨季的氮肥施入，有效减少了N2O排放。

3.3 经济效益

大田滴灌技术应用的经济效益与应用的作物生产的农产品的市场价格息息相关，前人的研究显示，在棉花大田上应用膜下滴灌技术与常规沟灌或淹灌方式相比纯收益可增加20%左右[40-41]。但是在小麦等粮食作物上应用的经济效益相对更不明朗，Bakhsh等[42]在巴基斯坦的小麦田间试验结果显示，滴灌和传统漫灌的产投比分别是2.47和1.96，滴灌比漫灌提高了26%。Fang等[43]在我国东北平原的田间试验结果显示，滴灌与漫灌相比增加了30%的成本投入，当灌溉水有限时，滴灌措施能够提高作物产量，并提高经济效益，当灌溉水比较丰富时，滴灌措施不能提高作物产量，经济效益反而比漫灌条件下低。本研究的结果支持滴灌施肥措施具有积极经济效益的结论，优化后的滴灌施肥措施与常规灌溉施肥措施相比，净收益增加了1336.41 元/hm2，增加投资部分的收益率为230.3%(＞ 100%)。