不同耕作措施下温度升高对旱作春小麦农田土壤N2O排放的影响
2022-07-28刘兴宇袁建钰徐万恒
刘兴宇,李 广,袁建钰,徐万恒,赵 萍
(1.甘肃农业大学信息科学技术学院,甘肃 兰州 730070; 2. 甘肃农业大学林学院,甘肃 兰州 730070)
关键字:APSIM模型;春小麦;N2O;温度升高;耕作措施
联合国政府间气候变化专门委员会IPCC指出,目前全球平均表面温度GMST上升速度高于工业化前的水平,并在未来依旧会持续升高[1]。氧化亚氮(N2O)是造成全球变暖的主要温室气体,其增温效应是CO2的298倍,在大气中滞留时间长,且会导致臭氧层损耗,自1750年以来,大气中N2O浓度增加了20%[2],其中农业活动是导致N2O浓度增加的主要原因之一[3]。甘肃省定西市位于黄土丘陵区域,属于半干旱大陆性气候,春小麦是该地区主要粮食作物,其生产对气候变化异常敏感。近年来,有研究表明[4-5]耕作措施不仅会改变农田土壤理化性质,还会影响农田温室气体排放。因此,了解气候变化对定西地区不同耕作措施下旱作春小麦农田土壤N2O排放的影响,对未来气候变化条件下该地区春小麦生产中选择合理的应对措施具有一定意义。
作物-土壤模拟模型可以跨越时间、季节、土壤类型和气候带,将土壤和作物在田间的测度用模型加以扩展描述,是研究农业生态系统碳、氮循环的重要方法。APSIM(Agricultural Production Systems sIMulator)模型作为国际广泛验证和推广的农业生产系统模型之一,已经被许多学者用来定量评估不同农作管理措施下作物生产和相应的环境足迹。Li等[6]检验了APSIM模型对华北平原农田在不同时间尺度上模拟农田N2O排放的能力,研究发现对消化系数(k2)进行校正后,模型能够较好地模拟不同时间尺度和不同施肥处理下小麦-玉米系统的土壤N2O排放,但是对于一些较高的峰值排放模拟效果欠佳。王良等[7]运用APSIM模型进行不同氮肥管理情景模拟,发现模型可以系统分析施氮量对作物生产和N2O排放等氮损失。李建政等[8]在华北地区冬小麦-夏玉米轮作系统中发现APSIM对N2O排放模拟的多数峰值出现在氮肥的施用、灌溉或降雨,与实测峰值不符合,但对于每季的N2O排放总量,该模型模拟效果较好。马晨光等[9]在探究不同水氮处理对农田温室气体通量影响时,发现APSIM模型对农田N2O气体通量的模拟效果较好。
纵观APSIM模型关于温室气体的研究,大多集中在水氮处理、时间尺度、管理措施、作物轮作系统对温室气体的影响等。对于温度升高对不同耕作措施下旱作农田N2O排放的研究较少。基于此,在本研究通过校准APSIM在模拟土壤水分、作物产量以及N2O排放性能,利用校准后的APSIM模型,针对未来可能出现的温度变化情形,对定西市安定区不同耕作措施旱地旱作麦田N2O排放进行模拟。为保障作物产量,实现农业温室气体减排提供理论支撑和科学依据。
1 材料与方法
1.1 试验区概况
试验地位于甘肃省定西市安定区安家坡村旱农综合试验站,该地区属于典型黄土丘陵沟壑区,土壤为黄绵土,土质绵软,养分含量低,抗侵蚀能力弱。土壤容重1.26 g·cm-3,土壤全氮0.96 g·kg-1、有机质含量12.01 g·kg-1;平均海拔2 000 m,无霜期约占全年1/3,年均降水量为385 mm,年均蒸发量1 537 mm,年日照时数2 476.6 h,年平均气温6.4℃,≥10℃的积温2 239.1℃,为典型的半干旱雨养农业区[10]。
1.2 田间试验设计
试验于2020—2021 年在甘肃省定西市安定区安家坡村进行,供试作物为春小麦甘春32号,3月中下旬播种,8月份进行收获。设置4种耕作措施: 传统耕作、传统耕作+秸秆覆盖、免耕、免耕+秸秆覆盖(表1)。每个处理设计3个重复小区,小区面积均为24 m2(4 m×6 m),每个小区内随机设置1个0.5 m×0.5 m的固定采样区,用来定期采集农田N2O气体。播种前每小区一次性施加折合纯氮105 kg·hm-2(尿素+二铵),过磷酸钙150 kg·hm-2。作物生长期间除了除草外无其他作业,无任何灌溉措施。
表1 耕作措施描述Table 1 Description of tillage systems
1.3 气体采集方法
采用静态暗箱-气相色谱法对农田土壤N2O排放通量进行原位监测。采样箱由箱体和底座构成,箱体规格为50 cm×50 cm×50 cm,使用6 mm厚不透光聚苯乙烯保温材料,并在外围覆盖泡沫防止取样时箱内温度变化,箱内装有小风扇和温度传感器。耕种前将底座埋入小区,最大限度降低对作物和土壤内部的干扰。
田间监测在作物生长季(3—8月,每月5、15日和25日)的9∶00—11∶00进行取样,静态箱封闭后0、9、18、27、36 min使用带三通阀密封良好的塑料医用注射器,抽取箱内气体并注入E-Switch铝箔复合膜气体采样袋保存。3 d内使用气相色谱仪(仪盟A90,常州磐诺仪器有限公司) 测定N2O浓度,并利用公式(1)计算排放通量,利用内插法计算相邻两次检测间通量,后将每天的交换通量累加得到生育期气体交换总量[11]。
(1)
式中,F为气体通量(mg·m-2·h-1),dc/dt为采样时箱内目标气体浓度随时间变化的回归曲线斜率,M为被测气体摩尔质量(g·mol-1),V为标准状态下的气体摩尔体积(mL·mol-1) ,P0和T0为理想气体标准状态下的空气压力和气温,P和T为采样时箱内的实际气压和气温,H为采样箱内高度[12]。
1.4 数据来源及处理
研究所需的气象数据由试验点气象站自动测定,土壤数据和N2O排放量来源于试验实测数据,作物管理数据则根据试验地实际管理方式设置。采用Microsoft Excel 2016进行数据整合,通过SPSS 24.0对数据进行处理,用Origin 2018进行绘图。
1.5 APSIM模型
1.5.1 模型概述 APSIM是一个综合农业生态系统管理模型,用于研究受环境和人为变化影响的农业生态系统生产力和养分循环。APSIM模拟作物生长和土壤碳氮过程,在日时间尺度上响应气候(温度、降雨量和辐射)、土壤水分有效性和土壤养分状况,该模型通过模拟土壤硝化与反硝化过程来模拟土壤N2O 排放[13],其最大硝化速率遵循米氏动力学,硝化反应计算公式:
(2)
Nnit=K2×Rnit
(3)
式中,Nnit为硝化反应速率,K2为硝化反应产生的N2O与实际N硝化量的比值。
反硝化速率公式:
Rdenit=KdenitnCAf(W)f(T)
(4)
CA=0.0031(HUMC+FOMC)+24.5
(5)
式中,Rdenit为实际反硝化速率,Kdenit为反硝化常数,n为土壤硝酸根质量浓度,CA为土壤活性有机碳质量浓度,f(W)、f(T)分别为土壤水分、温度限制因子,HUMC和FOMC为来自腐殖质和新鲜有机质的有机碳。反硝化过程产生的N2O通过计算反硝化过程产生的N2和N2O 的比值估算,本文中N2与N2O比值定为10[14]。
1.5.2 APSIM模型参数调试与验证 本研究中模型使用试错法调整参数;用遮雨棚下春小麦生育期观测数据调整作物所需积温、春化指数和光周期系数等参数。验证后的参数调整结果:灌浆到成熟的积温取值580℃,春化系数取值1,光周期系数取值2,最大灌浆速率取值2.3,播种期地表蒸发系数(土壤)取值7.2,发芽期地表蒸发系数(土壤)取值6.2。用APSIM 模型分别模拟2020—2021年4种耕作措施下N2O排放量,通过模拟值与实测值验证实现模型参数本地化。用模拟值和实测值间的决定系数(R2)和国际上检验模型通用的均方根误差法,归一化均方根差(NRMSE)来度量模拟数据与实测数据的相对差异度。一般认为,NRMSE越小,模拟值与实测值的差异越小。决定系数(R2)反映模拟值与实测值之间的一致性,其数值越趋近于1表示模拟效果越好。
2 结果与分析
2.1 不同耕作措施下旱作春小麦农田N2O 排放特征
如图1所示,2020—2021年不同耕作措施下春小麦农田土壤N2O排放通量均为正值,处于释放N2O状态,因此旱地春小麦农田土壤为N2O排放源。不同耕作措施下农田土壤N2O排放通量在相同时间段内整体变化趋势基本一致,且都表现为随时间变化的双峰型曲线,主要的排放峰为每年5—6月,即春小麦生长季中期。由此可知,春小麦农田土壤N2O排放通量与作物生长有关,随着春小麦生长各处理N2O排放通量有明显变化特征,且生长旺盛期N2O排放通量高于生长季初期和末期。如图2所示,不同耕作措施下春小麦农田土壤N2O累积排放量存在显著差异,表现为T>NT>TS>NTS。
图1 不同耕作措施下旱作春小麦农田 N2O排放通量Fig.1 N2O emission flux from the dryland spring wheat farmland under different tillage measures
图2 不同耕作措施下旱作春小麦农田生长季 N2O累积排放量Fig.2 Cumulative emissions of N2O during the growth period of dry-fed spring wheat fields under different tillage measures
2.2 APSIM模型验证及模拟误差分析
由表2可知,不同耕作措施(T、TS、NT、NTS)实测值与模拟值的归一化均方根差(NRMSE)最大值为0.17,决定系数(R2)最小值为0.80,相关性均达到显著水平(P<0.05)。所以APSIM模型可以较好地模拟陇中地区旱作春小麦不同耕作措施下农田N2O气体排放。由图3可知,不同耕作措施下旱作麦田在生长季排放的N2O模拟值与实测值保持一致的规律均为T>NT>TS>NTS;但模拟值均低于实测值。APSIM模型虽然被国内外大量学者验证有效性,尤其在干旱地区模拟的温室气体排放适用性较高,但该模型对N2O的产生及排放过程是基于假设,这些复杂繁琐的过程在模型中被简化为硝化反应与反硝化反应产生的N2O之和,且无法较精确地模拟部分单个时间节点的N2O排放通量,这可能导致模拟结果存在一定误差。此外N2O的实测过程中也存在不可避免的人为误差。
图3 不同耕作措施下旱作麦田N2O累积排放量实测值与模拟值Fig.3 Measured and simulated N2O emissions from dryland wheat fields under different tillage measures
表2 N2O排放量实测值与模拟值拟合结果Table 2 Fitting results of measured and simulated N2O emissions
2.3 情景设计下结果分析
2.3.1 不同耕作措施下温度升高对旱作麦田土壤N2O排放的影响 按照模拟试验设计,基于验证后的APSIM模型,改变输入模块中逐日最高、最低温度的参数值,并以0.5℃为一个温度梯度,通过计算机模拟2018—2021年传统耕作(T)、传统耕作+秸秆还田(TS)、免耕(NT)和免耕+覆盖(NTS)4种耕作措施下温度升高对旱作麦田土壤N2O排放进行耦合模拟实验。由表3~6可见:当日最高温不变,日最低温每上升0.5℃,日最低温对N2O排放表现为正效应,呈增排趋势。当日最低温不变,日最高温上升时,日最高温对N2O排放表现为负效应,呈减排趋势。
表3 传统耕作下温度升高旱作麦田土壤 N2O排放的动态模拟/(kg·hm-2)Table 3 Dynamic simulation of soil N2O emission in dryland wheat field with increasing temperature under conventional tillage
表4 免耕下温度升高旱作麦田土壤N2O 排放的动态模拟/(kg·hm-2)Table 4 Dynamic simulation of soil N2O emission in dryland wheat field with increasing temperature under no-tillage
表5 传统耕作+覆盖下温度升高旱作麦田 土壤N2O排放的动态模拟/(kg·hm-2)Table 5 Dynamic simulation of soil N2O emission in dryland wheat field with increasing temperature under traditional tillage + mulch
表6 免耕+覆盖措施下温度升高旱作麦田 土壤N2O排放的动态模拟/(kg·hm-2)Table 6 Dynamic simulation of of soil N2O emission in dryland wheat field with increasing temperature under non-tillage + mulching measures
2.3.2 不同耕作措施下温度升高对旱作麦田土壤N2O排放的协同效应分析 通过对不同耕作措施下旱作麦田土壤N2O排放量进行双因素方差分析,得到T处理下日最高、最低温度两因素的F值为366.781、712.1(P<0.01),NT处理下日最高、最低温度两因素的F值为264.12、658.24(P<0.01),TS处理下日最高、最低温度两因素的F值为324.56、702.36(P<0.01),NTS处理下日最高、最低温度两因素的F值为90.34,163.24(P<0.01),4种不同耕作措施下日最高、最低温度的F值和P值均达到显著性差异,表明日最高、最低温两因子对旱作麦田土壤N2O排放均有显著影响。
以旱作麦田土壤N2O排放量为因变量(Y),日最高温(X1)和日最低温(X2)为自变量,用SPSS软件进行多项式回归分析。建立不同耕作措施下日最高、最低温升高对旱作麦田土壤N2O排放量影响的回归方程。
YT=2.480-0.011X1+0.015X2
YNT=2.321-0.009X1+0.014X2
YTS=2.048-0.008X1+0.012X2
YNTS=1.817-0.007X1+0.01X2
R越接近1,表明方程越显著。公式中,T、NT、TS、NTS耕作措施下相关系数(R)分别为0.958、0.942、0.961、0.956。表明不同耕作措施的回归方程达到了显著水平,能充分反映出旱作麦田土壤N2O排放与逐日最高温、最低温之间的关系。结果分析显示:不同耕作措施下逐日最高温度(X1)的偏回归系数分别为-0.011、-0.009、-0.008和-0.007,表现为负效应; 不同耕作措施下逐日最低温度(X2)的偏回归系数分别为0.015、0.014、0.012和0.01,表现为正效应。
以日最高温度(X1)、日最低温度(X2)为自变量,旱作麦田土壤N2O排放量(Y)为因变量,运用SPSS进行通径分析(图4)。4种耕作措施下X1→Y通径系数分别为-0.560、-0.515、-0.524、-0.386,X1X2→Y的通径系数分别为-0.128、0.028、-0.052、-0.261,表明日最高温升高对排放量呈减排效应。日最低温不变时,日最高温每增加0.5℃,排放量平均减排幅度分别为1.68%、1.52%、1.28%、1.14%。X2→Y的通径系数分别为0.830、0.840、0.852、0.974,表明日最低温升高对排放量呈增排效应,日最低温每增加0.5℃,排放量平均增排幅度分别为2.41%、2.36%、2.24%、1.92%。总体来看4种耕作措施下日最高、最低温存在负交互作用,且日最低温升高带来的增排效应占主导地位。
图4 不同耕作措施下日最高、最低温对旱作麦田土壤N2O排放量通径分析Fig.4 A general analysis of the daily maximum and minimum temperature under different tillage measures on the N2O emission from the dry wheat field soil
3 讨 论
本研究发现,参数本地化后的APSIM模型对4种耕作措施下旱作麦田土壤N2O排放的模拟结果与实测值较为一致,归一化均方根差(NRMSE)最大值为0.17,决定系数(R2)最小值为0.80, 相关性均达到显著水平(P<0.05)。APSIM模型可以较好地捕捉不同耕作措施下旱作麦田在生长季排放的N2O,与实测值保持相似的规律均为T>NT>TS>NTS。主要原因为不同耕作措施下土壤理化性质和氮组分含量存在差异,免耕和秸秆覆盖显著增加了表层土壤容重、有机碳及土壤含水量[15]。一定程度上增加了微生物活动,有利于春小麦吸收养分,减少土壤硝、铵态氮的残留,从而降低了土壤N2O排放。但APSIM模型模拟值显著低于实测值,且对于部分单个时间节点N2O排放通量和排放峰值存在一定误差。
黄土丘陵地区主要气候变化特征表现为温度升高、降水时节分配不均。土壤N2O排放的主要来源是土壤微生物的硝化与反硝化作用,而温度升高不仅影响硝化反硝化微生物活性,还影响着 N2O 在土壤中的运输与扩散,是影响土壤 N2O形成的关键因素[16]。因此,在当地常用的4种耕作措施下分别探讨日最高温、最低温变化对旱作麦田土壤N2O排放的影响规律,能对当地春小麦生产与减排提供针对性的指导。在APSIM模型验证的基础上,运用模型对不同耕作措施下日最高、最低温度升高耦合条件的旱作麦田土壤N2O进行模拟,结果显示:日最高温度不变时,日最低温度升高会增加N2O排放。增排效果表现为T>NT>TS>NTS。日最低温度不变时,日最高温度升高会减少N2O排放,减排效果表现为T>TS>NT>NTS。由于日最低温度升高带来的增排效应大于高温升高带来的减排效应,日最高温、最低温升高对N2O排放存在正互作作用。从研究结果分析,T处理下旱作麦田土壤N2O排放量对温度升高比较敏感,不论是日最高温升高带来的减排效应还是日最低温度升高带来的增排效应都高于其他处理。主要是由于T处理土壤孔隙较大, 加速了土壤水分的蒸发, 温度升高更容易降低土壤含水量,促使土壤干湿交替变化加快,从而加速了N2O的产生与释放[17]; 此外, 由于土壤扰动力度大, 加强了土壤透气性,可能将土壤从厌氧状态改变为富氧状态,虽能加强土壤硝化反应但抑制了反硝化作用。NTS耕作措施相较于其他耕作措施增排效应较小,这主要是由于秸秆只是覆盖于土壤表面,土壤未经扰动,更利于土壤有机碳的固定,且土壤较为紧实,土壤容重大,湿度大[18]; 另一方面,秸秆覆盖降低了土壤蒸发,利于保持土壤水分和土壤的厌氧环境。这与闫翠萍等[19]的研究基本一致。
本文运用APSIM模型模拟旱作麦田土壤N2O排放时未考虑病虫害、田间管理等因素的影响,后续需要进一步研究。
4 结 论
APSIM模型可以较准确地模拟定西地区旱作春小麦不同耕作措施下土壤N2O气体排放,累积排放量实测值与模拟值的归一化均方根差(NRMSE)最大值为0.17,决定系数(R2)最小值为0.80, 相关性均达到显著水平(P<0.05);4种耕作措施下,日最低温升高对N2O排放呈正效应,日最高温不变,日最低温每升高0.5℃旱作麦田土壤N2O排放量在T、NT、TS和NTS处理下分别平均增排2.41%、2.36%、2.24%、1.92%;日最高温升高对N2O排放呈负效应,日最低温不变,日最高温每升高0.5℃旱作麦田土壤N2O排放量在T、NT、TS和NTS处理下分别平均减排1.68%、1.52%、1.28%、1.14%。日最低温升高带来的增排效应大于日最高温升高带来的减排效应。