基于DNDC模型的南方典型稻田氮素去向及其优化管理

2022-04-14周王子刘原草

节水灌溉 2022年4期

周王子，洪军，刘原草，董斌

（1.武汉大学水资源与水电工程科学国家重点实验室，武汉 430072；2.葛洲坝中固科技股份有限公司，武汉 430000）

0 引言

水稻是我国重要的粮食作物，超过65%的人口主食水稻[1]。氮素作为水稻的主要营养元素之一，因其对水稻产量的促进作用而受到广泛关注。稻田的氮素管理是水稻“两高一优”生产研究的重点。不合理的氮素管理不仅无法促进水稻氮素吸收和提高产量，而且还造成氮素资源的浪费[2]。未被利用的氮素以地表径流、深层渗漏与气态的形式从农田中损失，导致面源污染与大气环境恶化[3]。特别是对于氮素的反硝化气态损失，稻田长期淹水条件为该项损失所需的厌氧环境创造了条件，其所产生的N2O是重要的温室气体，加剧了全球气候变暖[4]。

稻田氮素去向的动态分析是实现氮素优化管理的基础[5]。由于监测工作量大、试验周期长、环境因素复杂等原因，全面涉及氮素各去向的田间试验研究往往难以开展。近年来，生物地球化学模型已成为研究农田养分元素迁移动态的重要工具[6]，其中由Li 等[7,8]开发的DNDC （Denitrification-Decomposition）模型因其对氮素生物化学过程的良好描述、清晰的子模块划分以及友好的操作界面，从而在世界各地得到广泛应用[9-11]。DNDC 模型最初用于农业生态系统中碳素与氮素气态损失的模拟[12]；随着模型中水文与营养模块的日益完善，该模型能够有效反映作物对养分的吸收量[13]与养分淋失量[14]，从而发展为综合的养分平衡模型。

DNDC 模型作为有效的养分平衡分析工具，其应用目前多局限于农田中养分单项损失的模拟与验证层面，缺乏对养分各去向特征的综合把握。因此，本研究以2017年湖北省孝昌县的田间试验为基础，在成功验证DNDC 模型可靠性的基础上，定量地分析了典型水稻氮素管理模式下氮素去向的动态特征，同时对不同的氮素管理模式进行情景模拟与评价。研究结果可为我国南方稻田的优化管理提供指导，以最终实现氮素高效利用与低氮污染。

1 材料与方法

1.1 研究区概况

研究区位于湖北省孝感市孝昌县高岗村，地理位置为北纬32°23′，东经114°07′，属亚热带季风气候。全年平均气温为15.2°C，降雨量达1 130 mm，多年平均无霜期为246 d。土壤以水稻土与潮土为主，水稻土以潴育型水稻土为主。水稻为一季中稻，于四月上旬育秧，五月中上旬移栽，九月中旬收割。

1.2 大田观测试验

选择研究区内三块水稻田（编号为S1、S2 与S3）作为试验观测田（图1），其主要施肥管理与土壤本底值如表1所示。三块田的施肥管理存在一定区别，但其均为当地典型的施肥策略，对其采取只观测不干预的原则。三块田的施氮量分别为90 kg/hm2、120 kg/hm2与150 kg/hm2（以S1 到S3 的顺序叙述，下同），按4∶3∶3 的结构分为基肥、分蘖肥与拔节肥施入稻田。磷肥与钾肥均一次基施，施肥量分别为54 kg/hm2（折算为P2O5当量）与90 kg/hm2（折算为K2O当量）。在水稻种植前取得土壤样品，根据标准方法[15]测定各项土壤本底值。

表1 试验田的施肥管理与土壤本底值Tab.1 Fertilization management and soil properties in experimental fields

图1 研究区内试验田的地理位置Fig.1 Location of experimental fields in the study area

于2017年5月31日（分蘖期）至9月14日（收获期）对涉及稻田氮素去向的数据进行观测。其中，氮素随地表水的流入（灌溉）与流出（径流和渗漏）负荷通过进出水流量与水质总氮浓度计算而得。进出水流量由旋桨式流速仪测定，水样总氮浓度采用碱性过硫酸钾紫外分光光度法（HJ 363-2012）分析，监测与取样频率均为4 h 一次（灌溉或排水时段内）。

氮素渗漏损失通过田面水渗漏速率及其总氮浓度计算而得。渗漏速率由测渗筒测定[图2（a）]。测渗筒为直径16 cm，长度为70 cm 的圆柱形钢管，将其垂直打入土表以下40 cm 深度，以保证其完全穿透犁底层。筒内水层深度的变化即为渗漏量，监测频率为每天两次。渗漏水采用自制的装置采集[图2（b）]。该装置为L 形的聚乙烯管，其竖管高度70 cm，横管长度50 cm，两者内径均为11 cm。横管上部均匀布设直径2 cm 的滤水小孔，并用纱布缠绕。将横管埋入试验田面以下40 cm，埋入后对装置与土表的缝隙做防渗处理（铺设防渗膜），以防田面水直接进入横管内。采用隔膜泵从竖管将横管内的渗漏水抽取上来，分析其总氮浓度。渗漏水取样频率为1 d 一次（施肥后7 d内）或6 d一次（非施肥影响期）。

图2 测渗筒与渗漏水收集装置示意图Fig.2 Schematic diagrams of the permeameter and the leaching collection pipe

氮素的氨挥发损失采用通气法[16]原位监测，该方法基于简易的氨气吸收装置（图3）。装置由15 cm的聚氯乙烯圆管与两块等径的海绵组成，每块海绵充分吸收15 mL磷酸甘油，随后固定在圆管内。低处的海绵用于吸收稻田挥发氨气，顶部的海绵用于防止大气中的氨被下部海绵吸收。将该装置放置在试验田表面，并以每天一次（施肥后7 d 内）或每3 d 一次（非施肥影响期）的频率更换海绵。将被更换的低处海绵浸入200 mL 的氯化钾溶液并振荡1 h 时，采用纳什试剂比色法（HJ 535-2009）测定浸提液的铵态氮浓度。氨挥发的速率可按照参考文献[16]给出的公式计算而得。

图3 通气法测定氨挥发装置Fig.3 Device for measuring ammonia volatilization by venting method

水稻收获后对稻谷与稻草的吸氮量进行测定。在每个试验田内随机选择三块1 m2的区域，且在每块区域内随机割取三蔸水稻植株，将其带回实验室内进行考种与脱粒，随后分别对籽粒与稻草烘干并称重。采用过氧化氢消解-凯氏定氮法（NY/T 2017-2011）测定植物样全氮含量。

此外，还对研究区内试验田的田面水位、农田管理（耕作、施肥、灌溉方式与时间）以及气象数据进行监测，以完善DNDC 模型所需的输入数据。其中，田面水位由HOBO U20L-04 自记水位计自动监测，监测频率为每5 min 一次；逐小时气象数据（降水强度、气温、气压、风速、日照时间）由中国气象数据网（http://data.cma.cn/data/weatherBk.html）获取。

1.3 DNDC模型及其设置、验证与情景模拟

DNDC 模型是模拟农业生态系统中碳、氮循环的生物地球化学过程模型。该模型由6 个模块组成：土壤气候、植物生长、有机质分解、硝化、反硝化与发酵。前3个子模块根据气候、土壤、植被与人类活动的生态驱动因素计算土壤环境变量（土壤温度、水分、pH、氧化还原电位和基质浓度），后3个子模块使用计算所得的环境变量来模拟与气体相关的生化反应（氮气、氮氧化物以及甲烷的气体释放）。具体而言，土壤气候子模块通过整合气候信息和土壤热力与水力特性，得以计算土壤温度、湿度以及氧化还原电位。该模块还包含一个串联的箱式模型，用于模拟土壤剖面内的水分入渗。植物生长子模块根据积温、氮需求量以及水分胁迫情况，得以计算作物生物量累积及其在谷物、秸秆与根系中的分配情况。不同作物的生长曲线与生物量分配系数被储存在作物库文件中，可被随时调用。该作物库文件还包含作物固氮的经验系数，可实现对作物固氮的粗略估计。有机质分解子模块通过整合气候、土壤、植物与耕作等信息，得以计算土壤有机质向铵态氮、硝态氮与溶解性有机氮的转化率。硝化作用模块能够模拟硝化菌活性以及铵态氮被硝化的过程，而反硝化作用模块能够模拟硝态氮被还原成氮氧化物与氮气的过程。这两个模块同时运行，且两者通过“厌氧球”这一概念实现耦合。发酵模块量化了厌氧条件下甲烷的产生、氧化和运移。每个子模块具体实现详见Li等[7,8]的研究。

采用DNDC（9.5 版）对三块试验田的氮素去向（水稻吸氮量、渗漏损失、氨挥发、反硝化）进行模拟。模拟所需的基本数据包括气象、土壤性状、作物性状与田间管理数据，这些数据大多已在田间观测试验中获取。模型中所需的大气CO2浓度被设置为390 mg/L，氮沉降指数为2.16 mg/L。作物生长参数（最高生物量、生物量比例）采用模型默认值而未被率定。由于本研究对作物吸氮量的关注主要是总量大小而非动态变化，故对总量进行验证已经能够满足要求。模型中有机肥施入（Manure Amendment）、地膜覆盖（Film mulch）以及放牧（Grazing）等与作物相关的模块均未被设置，因为试验田均未实施此类管理措施。

模型验证通过对比氮素的渗漏损失动态、氨挥发动态与水稻植株吸氮量的实测值与模拟值来实现。其中，水稻吸氮量的模拟效果通过其与实测值的相对误差反映，氮素损失动态的模拟效果由决定系数（R2）与纳什系数（NSE）来反映，两者计算公式为：

式中：Xobs(i)与Xsim(i)分别为第i个观测值与模拟值；与分别为所有观测值与模拟值的平均值；n为观测数据的个数。R2与NSE的范围分别为0～1 与-∞～1，两者数值越接近1，表明模拟值对实测值的匹配程度越好，其中NSE=0 通常被作为判断模型是否有效的阈值。

虽然氮素的径流损失在田间试验也得到了观测，但该流失动态不用于模型的验证。这是因为DNDC模型对径流的模拟基于各土层含水量和田间持水量之间的水势梯度，其与稻田径流产生的实际机理存在较大偏差（稻田径流的产生一般是由于田面水位高于田埂或排水口）；DNDC 标准模型也鲜有用于稻田氮素径流损失的模拟。后文将就模型对稻田径流损失考虑不足所可能造成的不利影响进行讨论。

DNDC 模型拥有明确物理意义的参数，参数不存在因模型输入数据的不同而发生变化[17]，因此模型对不同情景具有强大的预测能力。为了提供具体的氮素优化管理措施，需对不同施肥量与施氮方式下的氮素各去向负荷进行情景模拟。其中，施氮量在保持施肥结构不变的情况选从50 kg/hm2每次增加25 kg/hm2至200 kg/hm2；施氮方式则考虑尿素表施（试验田现有方式）、尿素深施（20 cm 施肥深度）、厩肥混施与秸秆还田（均占基施化肥的一半）。获得较高稻谷吸氮量（反映稻谷产量与品质）与较低氮素流失的氮素管理即为优化管理模式。

2 结果与分析

2.1 模型验证

DNDC 模型对氮素渗漏损失的模拟效果如图4所示。由图4可知，模型能够较为准确地模拟各试验田的氮素渗漏损失动态。各试验田内的渗漏损失模拟值与实测值拟合程度较为理想，R2与NSE均处于较高的水平（R2=0.860 2、0.695 5、0.649 3；NSE=0.786 2、0.621 4、0.513 5），其线性相关性均达到显著水平（P＜0.001），且高于判断模型有效的NSE=0 这一阈值。尽管S1田块在施分蘖肥时（移栽后37 d），其峰值渗漏损失的模拟值要低于实测值（模拟值为0.130 4 kg/(hm2·d)，实测值为0.175 4 kg/(hm2·d)，模拟低于实测25.66%），但考虑到试验测量误差等因素，这一峰值模拟差距并不会显著影响氮素去向总体特征分析。

图4 试验田氮素渗漏损失模拟值与实测值的比较Fig.4 Comparison between simulated and measured values of nitrogen leaching losses in experimental fields

模型对氨挥发的模拟效果如图5所示。由图5可知，模型能够较为准确地模拟氨挥发动态。模拟与实测的拟合度总体达理想水平（R2=0.766 9、0.725 5、0.783 9；NSE=0.590 1、0.673 5、0.755 9）。尽管各试验田在分蘖肥使用时（S1 田块为移栽后37 d，S2田块为移栽后19 d，S3田块为移栽后39 d）的模拟值与实测值均存在一定出入，但不会显著影响对氮素总体特征的分析。

图5 试验田氨挥发模拟值与实测值的比较Fig.5 Comparison between simulated and measured values of ammonia volatilization in experimental fields

模型对水稻植株吸氮量的模拟效果如表2所示。各试验田稻谷与稻草吸氮量的模拟值均较为接近实测值，实测值与模拟值的相对误差绝对值大多低于10%；仅S1 田块的稻草吸氮量模拟值高于实测值11.91%，但其相对误差也仅略高于10%，误差处在可接受的范围内。虽然未能对植株吸氮的动态变化进行验证，但考虑到模型内水稻生长参数具有很强的代表性，故认为模型对水稻植株吸氮量的模拟能够用于氮素总体去向特征的分析。

表2 稻谷与稻草吸氮量的模拟值与实测值的比较Tab.2 Comparison between simulated and measured values of nitrogen uptakes by rice and straw

由于缺乏实测数据，模型未能对氮素的反硝化损失进行验证。但是，模型中反硝化模拟与渗漏损失、氨挥发等氮素损失项模拟相互耦合，故上述验证已能确保模型对包括反硝化在内的氮素各去向模拟的可靠性。

2.2 氮素去向特征

DNDC 模拟的试验田氮素损失动态如图6所示。由图6可知，施肥是造成稻田氮素渗漏损失的重要诱因，各试验田的氮素渗漏损失均在施肥后迅速升高，随后5 d 内逐渐降至低水平。三块试验田在施肥后5 d 内的氮素渗漏损失占总渗漏损失的比例分别高达93.68%、81.72%与84.13%，可见该时间段是造成氮素渗漏的主要时期。

图6 试验田氮素渗漏损失、氨挥发与反硝化动态Fig.6 Dynamics of nitrogen leaching losses,ammonia volatilization and denitrification in experimental fields

氮素的气态损失（氨挥发与反硝化）虽然在施肥后出现一定程度的上升趋势，但其均对基肥施用的响应较弱。相比之下，两者对分蘖肥的响应非常剧烈，特别是氨挥发在施分蘖肥后上升至全生育期内的最高水平；此外，氮素反硝化损失在水稻落干黄熟时期（分别为移栽后第133 d、118 d 与128 d）出现急剧上升的现象，甚至在S2 与S3 田块中，该时期的峰值达到全生育期最高水平。由此可知施肥并不是造成氮素气态损失高峰的唯一因素，气候与水分均是影响氮素气态损失的潜在因素。

表3给出了由DNDC 模拟的试验田内氮素各去向负荷（除径流损失）。径流损失采用实测值，虽然观测时段未能涵盖返青期，但据调查这一时段并未发生暴雨与人为排水，故观测期内的径流损失基本涵盖了整个生育期的情况。由表3可知，稻谷在S1、S2 与S3 田块的吸氮量分别为49.51 kg/hm2、37.50 kg/hm2与46.98 kg/hm2；由于3个田块的施氮量随编号排序依次递增，可知提升施氮量并不能保证更大的稻谷吸氮量。

试验田的氮素气态损失量（氨挥发与反硝化损失之和分别为10.35 kg/hm2、28.28 kg/hm2与34.69 kg/hm2）均高于随水体流失量（径流与渗漏损失之和分别为1.99 kg/hm2、4.34 kg/hm2与6.07 kg/hm2）；前者占总损失量（12.35 kg/hm2、32.62 kg/hm2与40.76 kg/hm2）的比例分别高达83.86%、86.69% 与85.11%，而后者仅占16.14%、13.31%与14.89%。此外，施氮量较大的田块造成的各项氮素损失亦较大，特别是对于气态损失，其受施氮的促进效应远高于施氮对氮素随水流失的促进效应。

稻季后的土壤氮盈余量可根据氮素总输入量与总输出量计算而得，其结果也在表3给出。其中，氮素的总输入除包含施氮以及田间观测试验所获取的氮沉降与灌溉输入外，还包含DNDC模型所采用作物相关系数法计算的生物固氮量，其值（10.09 kg/hm2、8.78 kg/hm2与10.12 kg/hm2）处于前人研究的范围[18]，具有可靠性。由表3可知，S1田块的土壤氮含量在稻季后减少；S2 与S3 田块则存在土壤氮盈余现象，且对于施氮量更大的S3田块，其土壤氮盈余量也更大。

表3 试验田氮素各去向途径在水稻生育期内的总量 kg/hm2Tab.3 The amounts of different nitrogen outputs from experimental fields during a rice season

2.3 情景模拟

采用DNDC模型对不同氮素管理模式下的氮素各去向负荷（除径流损失）进行模拟。其中，针对施氮量逐渐增加的情景模拟结果如图7所示。由图7可知，在施氮量低于100 kg/hm2时，施氮量增加促进稻谷对氮素的吸收；而当施氮量高于100 kg/hm2时，稻谷吸氮量基本保持稳定。可见，100 kg/hm2为研究区施氮阈值，超过这一阈值会导致氮素利用的下降。氮素气态损失始终随施氮量增加而增加，特别是氨挥发随施氮量增加的斜率也在逐渐上升，这促使高水平施氮下的氨挥发损失达到极高水平，甚至可超过稻谷吸氮量。尽管施氮在一定程度上加剧氮素渗漏损失，但其值始终低于10 kg/hm2，维持在较低的水平。

图7 试验田不同施氮量下氮素各去向负荷Fig.7 Nitrogen output loads under different nitrogen application rates in experimental fields

针对不同施氮方式的情景模拟结果如表4所示。由表4可知，施氮方式对稻谷吸氮的影响仅在S1 田块中有所体现，且秸秆还田方式下的吸氮量最高；S2 与S3 田块的稻谷吸氮在四种施氮方式下均保持一致。施氮方式对氮素渗漏损失的影响较小，其值在不同施氮方式下的差异分别仅为0.49 kg/hm2、0.29 kg/hm2与2.28 kg/hm2。然而，施氮方式对氮素气态损失的影响非常显著。尿素深施相比于表施方式能够略微减少氨挥发与反硝化的氮素损失负荷；农家肥基施虽然相比于尿素表施能够减少氨挥发，但是却加剧了反硝化的损失量；秸秆还田能够同时抑制氨挥发与反硝化，其对气态损失的控制最为显著。

表4 试验田不同施氮方式下氮素各去向负荷kg/hm2Tab.4 Nitrogen output loads under different nitrogen application methods in experimental fields

3 讨论

以往对DNDC模型的应用大多聚焦于养分的单项模拟，如夏文建等[19]仅考虑作物吸氮与氮素气态损失，赵峥[6]仅考虑径流与渗漏损失。本研究则全面考虑了氮素各去向的模拟，并且用原位观测数据对模拟成功验证。用于验证氮素渗漏损失的实测数据分别多达27、30 与28 个，氨挥发实测数据分别达41、44 与44 个，两项数据均满足验证数据量的要求。尽管模型未对氮素的径流损失进行模拟，但实测数据表明其损失量处于极低的水平（表3），故其并不影响对氮素各去向总体特征分析。

气态损失是氮素的主要损失途径，这一发现与以往的研究结论相符[20]。气态损失不仅造成氮素资源的浪费，还导致因氨挥发引起的大气酸化[3]以及因反硝化产生氮氧化物引起的气候变暖[4]，故对氮素气态损失的控制具有重要意义。分蘖肥导致氨挥发的显著增高，故该施肥时期是控制氨挥发的关键时期。另外，在水稻临近收获的黄熟期，稻田自然落干，有利于N2O 的产生[21]，因此三块试验田黄熟期的反硝化损失都出现了显著的增大（图6）。

稻田中氮素随水体的流失较少，出现这一现象的原因在于稻田的水管理与土壤条件。具体而言，稻田中常修筑田埂以适应水稻生产对水的高需求。除了在水稻中期为晒田而进行的排水外，其他主动排水与降雨导致的径流不多；此外，水稻耕作使得稻田土壤产生密实的犁底层，其显著抑制了土壤水分的深层渗漏。因此，稻田排水不应当是农田面源污染的主要来源，在某种程度上其可被视为净化水质的湿地[22,23]；而被重点关注的农田面源污染可能主要源于旱田而非稻田[24]。

根据情景模拟可提出本研究区内稻田的氮素优化管理模式，即控制施氮量为100 kg/hm2，并结合秸秆还田方式。氮肥施用量在高施氮水平下的进一步提升并不会促进稻谷吸氮量增加，相反其存在加剧氮素气态损失的风险。100 kg/hm2的施氮量是使得稻谷吸氮最大的施氮水平。研究区所习惯采用的90 kg/hm2施氮量为施氮不足，采用优化施氮水平可使稻谷吸氮量提升12.67%；研究区内120 kg/hm2与150 kg/hm2的施氮量为施氮过量，经优化后可在保证稻谷吸氮量不变的情况下分别减少33.74%与65.57%的氮素气态损失。虽然DNDC（9.5版）难以直接模拟稻谷的生物量（其仅能模拟植稻谷对碳素与氮素吸收），但是稻谷吸氮量一般与产量呈显著的正相关关系[25]，因此100 kg/hm2可被认为是使得产量最高的最优施氮水平。秸秆还田能够显著降低施氮量，且同时抑制氨挥发与反硝化损失。当还田氮素占基施氮素的一半时，其与未还田处理相比分别削减17.64%、34.28%与29.71%的氮素气态损失。