基于DNDC 模型的稻田氨挥发模拟及减排模式

2023-09-07毕文通纪仁婧和玉璞

灌溉排水学报 2023年8期

毕文通，纪仁婧，和玉璞*，付静，尚明

（1.南京水利科学研究院，南京 210029；2.江苏省江都水利工程管理处，江苏扬州 225200）

0 引言1

【研究意义】我国稻田氮肥消耗量约占世界氮肥总消费量的7%[1]。我国稻田氮肥利用效率仅为35%左右，低于发达国家平均水平[2-4]。稻田较低的肥料利用率意味着大量氮素通过不同的途径流失到周边环境，在提高农业生产成本的同时，引发了较为严重的面源污染问题[5-6]。氨挥发是稻田氮素的损失途径之一，在全球农作物种植体系中，通过氨挥发损失的氮素占总施氮量的平均比例为18%，最高可达64%[7]。科学减少我国稻田氨挥发排放，并制定有效的减排措施是目前研究热点。

【研究进展】生物炭添加已被证明具备提高土壤固碳吸附能力、保持水分能力以及减少农田温室气体排放等效果[8-12]。生物炭对土壤中的氮素具有很强吸附能力，能够有效抑制氨挥发。适量生物炭被施入稻田可以有效降低稻田氨挥发[8,12]，控制灌溉、间歇灌溉等水稻节水灌溉模式可以有效减少稻田氨挥发损失量[13-14]。灌水量及生物炭添加量显著影响氨挥发，灌水会加剧氨挥发，延长氨挥发时间，同一灌水量下，氨挥发会随生物炭量的增加呈先降低后增加的趋势[15]。由于田间试验的工作量大、周期长、环境因素复杂等原因，有关水炭联合调控稻田氨挥发的试验研究开展较少，稻田水炭调控模式的氨挥发减排效果及作用机制尚不明确。近年来，DNDC 模型在稻田温室气体排放、土壤有机碳量以及氮素淋失模拟等方面应用较多，取得了较理想的模拟结果，成了研究稻田氮素迁移过程及效应的重要工具[16]。【切入点】目前，利用DNDC模型开展稻田氨挥发的模拟研究多聚焦于水氮调控情景[17-20]，基于DNDC 模型开展水炭调控稻田氨挥发的研究还鲜有报道。【拟解决的关键问题】本研究通过原位观测试验得到稻田氨挥发的实测数据，对DNDC 模型进行参数的率定和验证，运用DNDC 模型模拟水炭联合调控对稻田氨挥发的影响及作用机制，探寻减少氨挥发损失最优方案，以期为加强稻田氮素的管控、减少稻田氨挥发损失提供指导。

1 材料与方法

1.1 试验区概况

模拟试验依据的是2018—2019 年在南京市高淳区桠溪镇尚义村（东经119°9'40"，北纬31°24'42"）开展的田间原位观测试验。研究区位于北亚热带和中亚热带过渡地区，受季风环流影响，区域性气候明显，常年四季分明，多年平均气温16 ℃，多年平均降水量1 190.8 mm。当地习惯稻麦轮作，土壤为渗育水稻土，耕层土壤为黏壤土，土壤有机质量为34.2 g/kg，全氮量为2.01 g/kg，全磷量为0.46 g/kg，全钾量为12.87 g/kg，土壤pH 值为7.2。0～20、0～30、0～40 cm 土层土壤饱和体积含水率分别为52.0%、50.1%、47.9%。

1.2 研究方法

1.2.1 试验设计

试验中稻田灌溉处理为控制灌溉[21]（简记为C），小麦秸秆生物炭添加量设置4 个水平：0 t/hm2（K）、10 t/hm2（L）、20 t/hm2（M）和40 t/hm2（H），共4个处理（CK、CL、CM、CH），每个处理3 个重复。

试验采用南京勤丰秸秆科技有限公司生产的小麦秸秆生物炭，生物炭平均孔径为15.745 nm，平均孔容为0.049 cm3/g，平均比表面积40.483 m2/g。在组成成分方面，C、H、N 组成比例分别为38.523%、2.370%、1.320%。水稻品种为南粳5505，各处理的植保、耕作等措施保持一致。各处理稻田均参考农民习惯施肥，氮素施肥过程如表1 所示，2 a 的水稻生长情况有所差异，故施肥量略有不同。各处理稻田均施加45.0 kg/hm2磷肥（P2O5）和63.5 kg/hm2钾肥（K2O），磷肥、钾肥作基肥同时施入稻田。

表1 稻田施肥时间与施肥量Table 1 Fertilizer application time and amount in paddy field

试验在配套有独立灌排设备的田间小区进行，每个小区面积为60 m2（12 m×5 m），每个小区灌溉系统独立布设且安装有机械水表用于计量灌水量。每个小区之间使用砖砌田埂进行分割，田埂高度为100 cm，田面以上20 cm、田面以下80 cm，沿田埂两侧布设同样埋深的防水农膜，以减少小区之间的侧向渗漏。

本研究在2018 年6—10 月进行预试验，6 月16日插秧，10 月20 日收割。2019 年6—10 月进行田间试验，6 月5 日插秧，10 月12 日收割。采用通气法进行稻田氨挥发通量的原位观测[20,22]。取样时间为：每次施肥后，以第1 天为起始点开始每天采样，取样3 次，然后每2 天采样1 次，共计采样2 次，然后每隔4 d 取样，取2 次以后取样间隔延长到7 d，随后的间隔逐渐延长到5～10 d 采样1 次，直到下一次施肥或挥发速率稳定为止。采样后，将通气法装置中下层的海绵分别装入500 mL 的玻璃瓶中，加450 mL的1.0 mol/L 的KCL 溶液，使海绵完全浸于其中，密封后振荡1 h，用纳氏试剂比色法[23]测定浸取液中的铵态氮。氨挥发通量计算式为：

式中：VNH3-N为单位时间内单位面积上的氨挥发量（kg/（hm2·d））；M为通气法单个装置平均每次测得的铵态氮量（mg）；A为捕获装置的横截面积（m2）；D为单次连续捕获所用时间（d）。

1.2.2 DNDC 模型

DNDC 模型是农业生态系统中控制碳和氮迁移转化的生物化学及地球化学反应机制的计算机模拟表达[24]。利用2019 年各处理稻田田间实测数据和模拟数据进行模型检验和验证。模型输入参数包括：实测气象资料（逐日最高气温、最低气温、降水量）、实测土壤参数（土壤质地、土壤体积质量、pH 值、黏土量、土壤有机质量、初始硝态氮质量浓度、初始铵态氮质量浓度等）和农田管理资料（播种和收获日期、翻耕、施肥管理等）。模型所需数据在田间观测试验中获取。根据本次试验的实测数据，将土壤有机质量、初始硝态氮质量浓度、初始铵态氮质量浓度与生物炭添加量进行拟合，拟合结果如图1 所示。由图1 可知，土壤有机质量与生物炭添加量成正比，二者之间呈二次曲线关系且拟合精度为0.99；初始硝态氮质量浓度、初始铵态氮质量浓度与生物炭添加量成反比，二者与生物炭添加量之间皆呈二次曲线关系且拟合精度为0.99。因此，本研究在模型中通过调整土壤有机质量、初始硝态氮质量浓度和初始铵态氮质量浓度间接实现生物炭添加影响的模拟。

图1 土壤有机质量、初始硝态氮质量浓度、初始铵态氮质量浓度与生物炭添加量的关系拟合Fig.1 Fitting of relationship between soil organic matter, initial nitrate nitrogen mass concentration,initial ammonium nitrogen mass concentration and biochar addition amount

1.2.3 稻田水炭调控情景设置

设计了3 种灌水处理，以灌溉临界指标下限作为控制指标，其中灌水处理1（I1）的灌溉临界指标下限为0 mm，灌水处理2（I2）的灌溉临界指标下限为饱和含水率的80%，灌水处理3（I3）的灌溉临界指标下限为饱和含水率的50%，各灌水处理的灌溉临界指标上限均为30 mm。针对设计的I1、I2、I3 灌水处理分别推求稻田灌溉过程，对应设置了3 个气象资料文本作为DNDC 模型模拟输入参数。

设计了12 种生物炭添加水平，分别为4 t/hm2（B1）、8 t/hm2（B2）、12 t/hm2（B3）、16 t/hm2（B4）、20 t/hm2（B5）、24 t/hm2（B6）、28 t/hm2（B7）、32 t/hm2（B8）、36 t/hm2（B9）、40 t/hm2（B10）、44 t/hm2（B11）、48 t/hm2（B12）。计算不同生物炭添加量下土壤有机质量、初始硝态氮质量浓度和初始铵态氮质量浓度，确定DNDC 模型对应输入参数，从而在DNDC 模型中模拟不同生物炭添加量处理稻田氨挥发损失过程。

将灌水处理、生物炭添加量处理进行组合，设置了36 组水炭调控情景，通过DNDC 模型模拟得到不同水炭调控稻田氨挥发损失量的变化过程，探求稻田氨挥发损失的最优水炭调控模式。

1.3 数据处理与分析

采用Microsoft Excel 2016、Origin 8.5 处理数据，采用SPSS24.0 进行F检验（差异显著性水平为p=0.05）。2018 年预试验观测数据不具备连续性，本研究只对2019 年试验观测数据进行分析。

2 结果与分析

2.1 模型验证与评价

根据2019 年的田间实测数据，校正DNDC 模型参数，对CK、CL、CM、CH 处理稻田分蘖肥后1周氨挥发损失量进行模型适应性检验。分蘖肥后1 周稻田氨挥发损失量模拟值和实测值相对误差在±8%以内（表2），故应用DNDC 模型模拟水炭调控稻田氨挥发是可行的。稻田穗肥后1 周和整个稻季氨挥发损失量模拟值和实测值相对误差均在±6%以内（表2），故DNDC 模型模拟稻田氨挥发可行。

表2 不同水炭调控稻田氨挥发损失量模拟值与实测值Table 2 Comparison of simulated and measured values of total ammonia volatilization in paddy field under different water and biochar treatments

模拟结果表明，稻田氨挥发主要发生在施肥后1 周之内，且氨挥发通量峰值在施肥后的5 d 内出现。各处理稻田氨挥发通量模拟值的变化规律与实测值基本一致，2 次施肥后的模拟过程与实测过程较为契合，氨挥发通量模拟值的峰值出现时间与田间实测过程较接近（图2）。总体来看，DNDC 模型能够较好模拟稻田氨挥发损失动态过程。

图2 不同水炭处理下稻田氨挥发通量模拟值与实测值对比Fig.2 Comparison of simulated and measured ammonia volatile flux in paddy field under different water and biochar treatment

2.2 不同生物炭添加量处理下氨挥发损失量变化规律

相同灌溉处理下，分蘖肥后1 周内的稻田氨挥发损失量呈随生物炭添加量增加而小幅递减的趋势；穗肥后1 周内，稻田氨挥发损失量随生物炭添加量的增加持续走低，且趋势平缓，如图3 所示。各处理稻田穗肥后1 周的氨挥发损失量均大于分蘖肥后1 周，穗肥后1 周的氨挥发损失量约占整个稻季总量的1/2，这是由于穗肥施肥量较大，增加了氨挥发的氮源，而且穗肥后1 周气温较分蘖肥后1 周气温升高，土壤水分蒸发速率加快，土壤水汽携带作用[25]导致穗肥后氨挥发速率高于分蘖肥后氨挥发速率。

图3 I1、I2、I3 处理下不同生物炭添加量下稻田氨挥发损失量Fig.3 Ammonia volatilization loss in paddy fields with different biochar application rates under I1, I2 and I3 treatment

纵观整个稻季，稻田氨挥发损失量随生物炭添加量的增加持续降低，但不同生物炭添加量处理无显著差异。I1 灌水处理下，B10 处理氨挥发损失量最低，较B1 处理降低了1.84%；I2、I3 灌水处理下，B11 处理的氨挥发损失量最低，分别较B1 处理降低了1.53%和1.61%。特别地，生物炭添加量达到40 t/hm2以上后，分蘖肥后1 周、整个稻季的稻田氨挥发损失量随生物炭添加量增加而略微增加，但整体呈随生物炭添加量的增加而降低的趋势。

2.3 不同灌水处理下氨挥发损失量变化规律

相同生物炭添加量下，不同灌溉处理稻田分蘖肥后1 周、穗肥后1 周以及整个稻季的稻田氨挥发损失量随灌水量的减少呈下降趋势，详见图4。生物炭添加量相同时，I2 处理分蘖肥后1 周氨挥发损失量较I1处理降低了1.58%～2.66%，穗肥后1 周氨挥发损失量降低了1.80%～2.31%，整个稻季氨挥发损失量降低了2.12%～2.46%；I3 处理分蘖肥后1 周氨挥发损失量较I2 处理降低了6.65%～7.12%，穗肥后1 周氨挥发损失量升高了0.54%～1.06%，整个稻季氨挥发损失量降低了0.24%～0.45%。稻田氨挥发损失量随着灌水下限的降低小幅下降，减少灌水会在一定程度上减少稻田氨挥发损失。

图4 B1—B12 处理生物炭添加量下不同灌水处理的稻田氨挥发损失量Fig.4 Ammonia volatilization loss in different irrigated paddy fields under B1—B12 biochar application rates

分蘖肥后1 周，I1、I2 处理氨挥发损失量变化幅度随生物炭添加量增加呈减小趋势，在生物炭添加量达20 t/hm2后变化幅度趋于稳定，保持在1.5%左右。I2、I3 处理的氨挥发损失量变化幅度随生物炭添加量增加基本保持在6.5%～7.5%之间。穗肥后1 周，I1、I2 处理氨挥发损失量变化幅度和I2、I3 处理氨挥发损失量变化幅度在24 t/hm2的生物炭添加量下出现陡升，在其余生物炭添加量时分别保持在1.8%和0.5%左右。纵观整个稻季，I1、I2 处理的氨挥发损失量变化幅度随生物炭添加量增加呈略轻微减小趋势，I2、I3 处理的氨挥发损失量变化幅度基本保持在0.4%左右，如图5 所示。生物炭添加量的变化对I2、I3 处理的氨挥发损失量变化幅度影响较小，灌水是稻田氨挥发的主要影响因素。

图5 不同灌水处理各阶段稻田氨挥发损失量变化幅度Fig.5 Variation amplitude of ammonia volatilization loss in paddy fields under different irrigation treatments at different stages

2.4 水炭调控对稻田氨挥发减排的影响分析

生物炭添加量和灌水处理均显著影响分蘖肥后1周、穗肥后 1 周及整个稻季稻田氨挥发损失量（p<0.05），其中灌水处理是主要影响因素，生物炭添加量次之（表3）。当控制生物炭添加量不变时，I1、I2、I3 灌水处理下的稻田氨挥发损失量随灌水量减少而减少；同一灌溉处理下，不同生物炭添加量下的稻田氨挥发损失量随生物炭添加量增加而减少。应在控制灌溉的条件下增加生物炭添加量来调控稻田氨挥发。

表3 不同时期氨挥发影响因素F 检验Table 3 F-test on influencing factors of ammonia volatilization in different periods

3 讨论

本研究中相同灌水处理下稻田氨挥发损失量大体上呈随生物炭添加量增加而小幅递减趋势。添加生物炭可以减少土壤水分的散失，提高土壤含水率，增强土壤溶液对氨的溶解能力，减少土壤氨挥发[25]。另外，土壤氨挥发与土壤中的NH4+-N 量极显著正相关（p<0.01）[26]，武丽君[27]研究表明，生物炭可以促进碱性农田土壤的氨氧化作用，加速土壤NO3--N 的生成，降低NH4+-N 的生物有效性，随着生物炭添加量的增加，土壤中NH4+-N 质量浓度减小，从而减少稻田氨挥发。而且生物炭表面附着大量的离子电荷，施入土壤后生物炭表层的离子会与土壤中的离子发生交换，从而吸附大量的NH4+-N，使得大部分尿素分子和交换性NH4+-N 得以保存在耕作层中，进一步减少了稻田的氨挥发[28]。许云翔等[29]研究表明，生物炭可以通过物理、化学作用吸附土壤中的 NH3和NH4+-N，并且可以加速土壤硝化过程提高土壤对铵态氮的利用率，从而减少稻田氨挥发量。但不同生物炭添加量对稻田氨挥发的影响并不一致，添加过高用量的生物炭可能会促进土壤氨挥发，这可能是由于添加生物炭增加了土壤呼吸，加速了气体交换[30]。在同一灌溉条件下，稻田氨挥发可能随生物炭添加量的增加呈先降低后增加的趋势[15]。

本研究中灌水模式对稻田氨挥发影响显著，水分条件是影响稻田氨挥发的主要的因素之一[31]。总体来看，I1、I2、I3 灌水处理下稻田氨挥发损失量呈下降趋势。当土壤含水率较大时，土壤水汽携带作用不仅增强了氨挥发速率，也增大了氨挥发量[25]。当土壤含水率较小时，肥料的分解和氧化作用减弱，降低了土壤氨挥发速率[32]。而且灌溉临界指标下限较低时，稻田在由施肥时建立的薄水层变为无水层的过程中，肥料水解后产生大量的NH4+随水分向土壤下层迁移，减少了表层土壤溶液中的NH4+，从而降低了稻田氨挥发[13]。杨士红等[20]研究表明，控制灌溉既大幅度降低稻田氨挥发速率，又降低了稻田大部分无施肥时段的氨挥发损失，可以通过节水灌溉的方式减少稻田氨挥发损失。邬刚等[33]研究指出，水分管理措施影响稻田的氨挥发强度，控制灌溉能显著降低分蘖肥和穗肥氨挥发排放量，相同氮肥管理下控制灌溉稻田氨挥发积累总量低于常规灌溉。

本研究以减少稻田氨挥发损失为目标，基于DNDC 模型模拟了水炭调控对稻田氨挥发的影响过程，获得了较为可靠的结果。I3B11 处理为稻田水炭调控最优模式，稻田氨挥发损失量最小。灌水和生物炭添加量均显著影响稻田氨挥发损失，灌水处理是主要影响因素，在采用更为严格的节水灌溉技术下，适当增加生物炭添加量，可以最大程度减少稻田氨挥发损失。