基于DNDC模型模拟的冬小麦田土壤有机碳和作物产量对地表覆盖的响应

颜学斌，王 俊，王科锋，白红英

(1.西北大学城市与环境学院，陕西 西安 710127；2.陕西省地表系统与环境承载力重点实验室，陕西 西安 710127；3.西北大学生命科学学院，陕西 西安 710069)

近几十年来，地表覆盖措施因良好的蓄水保墒和增产效果在我国旱作地区得到广泛应用，其中以秸秆和地膜覆盖措施最为普遍。秸秆或地膜覆盖可以有效地蓄水保墑，提高水分利用效率和作物产量[1-2]。由于有机碳影响着土壤肥力和质量，进而影响作物产量[3]。因此，研究不同地表覆盖措施对农田土壤有机碳的影响，对保持农田土壤肥力质量、保障作物生产具有重要意义。

田间监测是农田生态过程定量观测的主要手段之一，但难以反映长时间或者区域尺度的农田土壤有机碳和作物产量变化规律。随着研究技术手段的发展，一些陆地生态系统模型如DNDC(Denitrification-decomposition)逐渐被应用于长期定位试验观测数据的整合和预测中[4]。DNDC模型主要用于模拟农田生态系统中的碳和氮生物地球化学循环过程，已成为目前国际上最为成功的生物地球化学循环模型之一[4-7]。自上世纪九十年代开始，DNDC模型在国内逐渐得到应用[8]，并被用于估算农田生态系统中土壤有机碳及作物产量的动态变化[9-11]，是保持土壤有机碳库平衡、提高土壤肥力的重要工具之一。

本研究基于长期田间定位试验，在利用多年实测资料对DNDC模型进行验证的基础上，应用该模型模拟研究了秸秆和地膜覆盖条件下土壤有机碳和作物产量的长期变化规律，旨在为旱作农田土壤碳库可持续管理提供科学依据。

1 材料与方法

1.1 田间试验

冬小麦地表覆盖定位试验于2008年9月开始在中国科学院长武农业生态试验站(107°41′E，35°14′N)进行。该站地处渭北旱塬，海拔1 220 m，年平均降水量为584.2 mm，其中夏季休闲期(7—9月)平均降水323 mm，冬小麦生长期内平均降水为281 mm，年平均气温9.1℃，年日照时数2 230 h，无霜期171 d，是典型的旱作农业区。土壤质地为粘壤质黑垆土，表层土壤pH值为8.4，土壤有机碳(0～10 cm)含量为8.7 g·kg-1，肥力中等。

田间试验包括无覆盖处理(CK)、作物生育期全量秸秆覆盖(覆盖量9 000 kg·hm-2,HSM)、生育期半量秸秆覆盖(覆盖量4 500 kg·hm-2,LSM)、生育期地膜覆盖(PM)共4个处理，每处理3次重复，随机区组排列，每小区面积24 m2。供试冬小麦品种为长武-134，于每年9月下旬播种(播量为15.75 kg·hm-2)，翌年6月收获，收获后土壤休闲。播种前采用圆盘耙机耕松土，深度10 cm，并施入尿素(135 kg·hm-2)和过磷酸钙(90 kg·hm-2)作为基肥。HSM和LSM处理使用各小区收获后晒干的秸秆，在播种前将秸秆切割至长5～10 cm进行地表覆盖，并持续至次年播种翻耕前清除；PM处理在小麦播种翻耕前清除原有破碎地膜，翻耕后覆膜，并进行穴播。所有处理其他田间管理措施(耕地、除草等)保持完全一致。

田间试验观测指标主要包括土壤有机碳和作物产量。2009—2016年期间每年6月下旬小麦收获后采集表层(0～10 cm)土壤样品，使用“S”型采样法每小区采集5个样品，充分混合后风干，过0.2 mm筛，然后使用重铬酸钾氧化-外加热法[12]测定样品中有机碳含量。冬小麦收获后将小麦脱粒晒干，测定冬小麦产量。

1.2 DNDC模型

DNDC模型是一个用于模拟和追踪农业生态系统中碳氮生物地球化学循环的过程模型，可以用来模拟农业生态系统碳氮排放、农作物产量、土壤固碳作用以及硝酸盐淋失等过程[13]。模型由两部分组成：第一部分包括土壤气候、植物生长和有机质分解等3个子模型；第二部分包括硝化、反硝化和发酵等3个子模型。6个子模型均以小时或日为时间步长进行模拟，并互相传递信息，用于追踪不同气象、土地利用、土壤、管理条件下植物-土壤系统中碳氮元素的迁移和转化过程[11]。DNDC模型具有模拟功能强大、操作简便、软件界面简洁等优点，已在世界许多地区得到验证应用[7,14]，在我国旱作农业区，DNDC模型也被证明具有很好的模拟效果[15-16]。

本研究运用DNDC模型9.5版本，按田间试验设计设置CK、PM、LSM、HSM 4个处理，研究不同覆盖方式对土壤有机碳含量和冬小麦产量的长期影响。有研究表明在秸秆还田的情景下，土壤有机碳库在50 a后变化已较小[17-18]，因此我们将DNDC模型运行时间设置为50 a。各管理情景的输入数据除了覆盖方式不一致外，其他条件(如气象、土壤)均保持一致。2016年气象数据在历年数据中资料较为完整，且与该地区多年平均气候状况较接近，利用2016年气象数据支持模型运行具有一定可行性，因此将2016年气象数据重复利用50 a以支持模型运行。在运行DNDC模型时，仅需要设置土壤表层(0～10 cm)有机碳含量，而对土壤更深层有机碳含量并无具体设置选项，这是模型本身缺陷之一。为了更好地模拟农田土壤有机碳含量变化的整体情况，我们选择模型模拟结果中更大范围的土壤有机碳含量(0～50 cm土层)进行整理分析。

模型验证能评估和减小模拟结果的不确定性，是开展模型模拟评价的重要前提[11]。本研究利用田间试验所获得的土壤有机碳含量和冬小麦产量来进行模型验证。模型输入数据包括：实测气象资料(逐日最高和最低气温、降水)、实测土壤参数(质地、容重、pH值、土壤有机碳含量等)和农田管理资料(播种和收获日期、翻耕、施肥管理、秸秆还田等)，其中气象数据从中国科学院长武农业生态试验站气象观测站获得，土壤因子参数及农田管理因子数据为田间试验实测数据。在输入的数据支撑下，DNDC共运行9 a(2008—2016年，第一年为播种年)。然后将模型模拟结果(有机碳含量、籽粒产量)与实际观测数据进行比较，计算相对均方根误差(RMSE)、标准化均方根误差(NRMSE)以及决定系数(R2)，评估模拟结果与观测结果的吻合度。计算公式：

式中,N为处理的个数，S为模拟值，O为实测值，Om为实测值的平均值。

1.3 数据分析

采用Microsoft Excel 2010处理数据，Origin 19作图，SPSS 20进行单因素方差分析,各处理之间差异显著性的多重比较采用最小显著差异(LSD0.05)法。

2 结果与分析

2.1 DNDC模型验证

2.1.1 土壤有机碳 不同覆盖处理下土壤有机碳含量模拟值与实测值比较如图1所示。随着种植年限增长，各处理土壤有机碳含量均呈增加趋势，其中HSM、LSM处理增加趋势大于CK和PM处理。DNDC模型模拟结果与实测值表现出较强的一致性，有机质含量变化趋势也基本相同。DNDC模型模拟值与实测值比较(表1)，各处理下决定系数(R2)均达到显著或极显著水平，模拟值与实测值的RMSE值在0.05～1.24 g·kg-1之间波动变化，而NRMSE值在0.36%～10.93%之间变化，表明利用DNDC模型进行土壤有机碳含量模拟具有可靠性。

注：PM-地膜覆盖，LSM-半量秸秆覆盖(4 500 kg·hm-2)，HSM-全量秸秆覆盖(9 000 kg·hm-2)，下同。Note:PM-plastic film mulching,LSM-half straw mulching (4 500 kg·hm-2),HSM-straw mulching (9 000 kg·hm-2)，the same bleow.图1 不同覆盖处理下土壤有机碳含量模拟值与实测值比较Fig.1 Comparison of simulated and measured soil organic carbon content under different mulching treatments

表1 DNDC模型模拟土壤有机碳(SOC)含量精度分析Table 1 Accuracy analysis of SOC content simulation using DNDC model

2.1.2 冬小麦产量 不同覆盖方式下冬小麦产量模拟值与实测值如图2所示。实测结果显示，作物产量在不同年份间存在较大差异，而不同处理间，秸秆覆盖和地膜覆盖处理年平均产量与CK相比无显著性差异。

图2 不同覆盖处理下作物产量模拟值与实测值比较Fig.2 Comparison of simulated and measured crop yields under different mulching treatments

通过各年份作物实际产量与模拟产量的对比发现，CK处理实际产量大部分年份高于模拟产量，只有2009、2010、2016年的实际产量结果略低于模拟产量。而在PM、HSM、LSM等处理下，大部分年份模拟产量高于实际产量。不同处理下决定系数均达到显著或极显著水平。不同处理下产量模拟值与实测值的RMSE值在51.57～1 462.7 kg·hm-2之间波动变化(表2)，而NRMSE值在0.83%～24.6%变化，所有值都在25%以下，说明DNDC模型能够较准确地模拟不同覆盖处理下冬小麦产量的变化。

表2 DNDC模型模拟作物产量精度分析Table 2 Accuracy analysis of wheat yield simulation using DNDC model

2.2 基于DNDC模型土壤有机碳含量年变化量长期动态模拟

土壤有机碳含量年变化量的长期动态如图3 a所示。在50 a时间尺度上，土壤有机碳平均年变化量表现为HSM>LSM>CK>PM(P<0.05)。其中CK处理下土壤(0～50 cm土层)有机碳含量年变化在初期为正值，然后迅速降低，至第8年变为负值(-2.9 kg·hm-2)，后期缓慢减少，在第50年达到 -33 kg·hm-2，50 a平均年变化量为-11.3 kg·hm-2。PM处理下有机碳含量年变化趋势与CK处理相似，同样表现为有机碳含量增量在初期迅速降低的趋势，在第6年变为负值(-6.2 kg·hm-2)，在第50年达到-43.5 kg·hm-2,50 a平均年变化量为-25.2 kg·hm-2。HSM处理和LSM处理趋势相似，土壤有机碳含量呈现出明显增加趋势，具体表现为前期有机碳含量迅速增加，后期增量减小，直至变化量逐渐减小趋于稳定，达到土壤有机碳库平衡，50 a平均年变化量分别为256.9 kg·hm-2和116.3 kg·hm-2，秸秆全量覆盖处理下的土壤有机碳含量提升幅度大于秸秆半覆盖处理。

图3 不同覆盖处理下农田50年土壤有机碳变化(0～50 cm)及冬小麦产量动态Fig.3 Changes in soil organic carbon content (0～50 cm)and wheat yield dynamic in 50 years under different mulching treatments

2.3 基于DNDC模型冬小麦产量年变化量长期动态模拟

使用DNDC模型模拟的不同覆盖处理下50 a冬小麦的产量变化如图3b所示。CK处理下，冬小麦产量前期保持相对平稳状态，第38年出现显著降低之后逐年下降，最终较初始值降低了4.1%(P<0.05)。PM处理下，冬小麦产量一直保持在6 250 kg·hm-2左右，波动幅度较小，初始值与最终值相差不超过1%。LSM处理下冬小麦产量在前期出现明显波动，表现为先升高后降低再升高，随后在第9年趋于稳定并保持在6 730 kg·hm-2左右，较初始值提高约9.1%(P<0.05)。HSM处理下冬小麦的产量波动更为明显，波动轨迹与LSM处理相似并且初期波动幅度更大，之后在第10年达到平衡状态并稳定在7 000 kg·hm-2左右，较初始值提高约13.9%(P<0.05)。

对比不同覆盖处理下冬小麦的产量变化，具体表现为HSM>LSM>PM>CK。与CK相比，HSM、LSM和PM处理下冬小麦年平均产量分别提高了13.4%、9.8%和2.7%(P<0.05)，表明秸秆全覆盖措施更能显著提高作物产量。

2.4 冬小麦产量与土壤有机碳含量的相关性

在模型模拟的前十年中，不同覆盖方式下冬小麦产量均出现不同程度的波动。由于在模型运行中，不同处理间的基础参数均保持一致，推测这些波动与不同处理导致的有机碳含量变化相关。为了验证猜想，对50 a尺度上作物产量与土壤有机碳含量进行了相关性分析，结果表明不同覆盖处理下冬小麦产量均与土壤有机碳含量存在极显著相关性(图4)，其中覆盖处理的决定系数明显低于CK。尤其是在两个覆盖处理中，小麦产量前10 a的产量波动可能与初期土壤有机碳的快速下降有关，二者变化具有一定关联性。

图4 不同覆盖处理下冬小麦产量与有机碳含量的相关性Fig.4 Correlation between winter wheat yield and organic carbon content under different treatments

3 讨 论

秸秆和地膜覆盖作为重要的保水增产措施近年来在我国西北旱作农业区得到了广泛应用[19]。本文模拟结果表明，秸秆覆盖措施可以在确保农田有机碳储量保持稳步提升的同时实现冬小麦的增产，这与张彤勋等[20]、郑凤君等[21]的研究结果一致。在模型模拟中，秸秆覆盖下土壤有机碳含量始终呈增加的趋势，这是因为进行秸秆覆盖增加了额外有机物输入，作物秸秆分解促进土壤养分循环[22]，同时，秸秆覆盖的保水抑蒸作用改善土壤水分状况[23]。二者共同作用下能够促进作物生物量积累，提高了根系残留和凋落物输入。然而Six等[24]研究认为土壤碳储量不可能无限制地增加，SOC 存在饱和水平。Hutchinson等[25]认为土壤并不代表一个碳的永久“缓冲溶液”，当农田管理措施、气象条件等环境因素保持长期不变时，土壤有机碳将达到一个新的平衡。在本次DNDC模型模拟研究中，秸秆覆盖下土壤有机碳变化量表现为前期年增长率较高，后快速降低逐渐趋于平缓，在第40～50年土壤有机碳库逐渐趋于稳定，也证明了这一点。

与秸秆覆盖不同，地膜覆盖处理的模拟结果显示土壤有机碳后期呈下降趋势，且降低幅度显著大于不覆盖(对照)处理。这可能是由于地膜覆盖加速了微生物对土壤有机质的分解矿化所致[26]。也有学者报道，长期的地膜覆盖能够通过改善土壤水热状况促进作物生长，进而补充土壤碳库[27-29]。这可能是由于不同地区的其他环境因素(降水、气温等)所引起，而模型是假定特定的气候与农田管理措施，客观反映土壤有机碳的演变规律。

本研究同时发现土壤有机碳的变化与冬小麦产量间显著相关。本研究中，地膜覆盖条件下土壤有机碳的流失大于不覆盖处理(对照)，但其作物产量高于对照，说明作物的生长发育是一个复杂的过程，作物产量的变化可能与土壤的环境因素(土壤温度、土壤水分、土壤养分)的改变有关[30]。地膜覆盖可以通过增加地表土壤含水量，降低昼夜温差的方式提高冬小麦的产量。刘宁等[31]运用DNDC模型模拟发现通过沟垄覆膜可以减少田间土壤蒸发面积，减少蒸发，提高地面接收太阳辐射的能力，进而提高作物产量。王晓峰等[32]、吕晓男等[33]研究发现由于秸秆覆盖为作物生长提供了良好的水分条件，秸秆覆盖处理的产量均高于不覆盖。Li等[34]研究发现地膜覆盖表现出良好的保温和保水效应，通过改善耕层土壤水热状况，活化土壤养分，为作物生长发育创造了一个相对适宜的农田小气候环境，从而提高了产量。多数研究和生产实践表明，环境因素尤其是气候因素对耕地产量的影响大于土壤有机碳对作物产量的影响[35]，所以在模型产量验证的实测数值中各处理间作物产量无显著性差异，原因可能是由于其他气候因素所造成。土壤有机碳依旧是土壤肥力的重要指标之一[36]，模型模拟研究可以排除其他因素对作物产量的影响。本文中50 a时间尺度的模拟结果表明，秸秆覆盖措施可以通过提升土壤有机碳含量，增强土壤肥力，进而提高了冬小麦产量。同时，土壤有机碳含量的变化会引起冬小麦产量出现波动。

本研究表明，DNDC模型对于旱作农田土壤有机碳含量及冬小麦产量具有较为准确的模拟效果，模拟值与实测值的变化趋势基本相同。模型对于不同处理下的有机碳含量模拟值普遍低于实测值，这可能是模型本身是通过控制碳和氮迁移转化的生物地球化学反应机制来模拟表达，无法捕捉其他意外自然因素。模型对于覆膜及秸秆覆盖处理下作物产量的模拟值偏高，这可能是由于模型覆盖板块只有时间与比例这两个参数定义覆盖条件下的作物产量，并没有覆盖厚度、覆盖材质等设置选项,定位试验中所设置的长5～10 cm秸秆用于覆盖无法在模型中进行体现。事实上，例如地膜厚度、材质等参数，对土壤理化性质、土壤温湿度、作物的生长发育都有显著影响[37-38]。所以DNDC模型在区域应用过程中还有进一步完善和改进的空间。

4 结 论

1)基于长期定位试验实测数据验证了DNDC模型在我国西北旱作农田的适用性。模型模拟的不同覆盖处理下土壤有机碳含量、冬小麦产量与田间观测结果较为一致，利用DNDC模型评估不同覆盖处理的固碳增产效果具有可靠性。

2)DNDC模型模拟结果显示，秸秆覆盖在50 a时间尺度上可以有效提高土壤有机碳含量，且土壤有机碳库在第40～50年逐渐趋于平衡。地膜覆盖能够提高作物产量，但是长期来看会导致土壤有机碳的消耗，不利于土壤肥力维持。而秸秆覆盖可以在保证冬小麦产量的同时持续增加土壤有机碳含量，其中秸秆全覆盖措施的效果更为显著，是该地区较为理想的栽培方式。