基于DNDC 模型长期复种翻压绿肥对土壤有机碳和小麦产量的模拟

2024-03-28肖玉涛李正鹏宋明丹段豆豆

草业科学 2024年2期

肖玉涛，李正鹏，宋明丹，段豆豆，韩梅

（青海大学农林科学院, 青海西宁 810016）

在集约化栽培的背景下，当今如何满足日益增长的粮食供应需求面临着较大的挑战[1]。通常，增加粮食产量需要较高的化肥投入，有研究表明，我国每年的化肥用量远超土地承载力[2]。氮肥施入农田后，会发生一系列的反应，比如矿化反应[3]、水解反应[4]、氨挥发[5]、硝化和反硝化反应[6]。通过各种反应，氮素进一步被分解、吸收、利用。盈余的氮肥伴随降水淋溶到地下水中[7]以及通过反硝化作用返回大气中[8]，造成了资源浪费和环境污染。绿肥是一种清洁、高效的肥源，毛叶苕子(Vicia villosa)是一种豆科绿肥，其根系的生物固氮作用可以为农田供氮，并累积大量的生物量。该绿肥在西北旱地得到了广泛的应用[9-10]，绿肥通常与化肥配施，以提高土壤肥力和作物产量。杨学珍等[11]研究表明，复种毛叶苕子配施140 kg·hm-2氮肥是适合在陇东黄土旱塬的最佳栽培方式。魏全全等[12]研究表明在豆科绿肥还田的基础上，正常氮肥的80%(168 kg·hm-2)为贵州黄壤玉米(Zea mays)的最适施肥量；王鹏飞等[13]研究表明，豆科绿肥还田结合减量施氮10%和20%，可作为绿洲灌区玉米高产的施氮方式；刘立生等[14]通过30 年定位试验表明，长期种植豆科绿肥可以显著提高土壤的总有机碳(soil organic carbon, SOC)、粗粘粒SOC 和细粘粒SOC 含量。因此，研究豆科绿肥对作物高产、SOC 含量提升具有积极的意义。

田间试验是观测作物产量和土壤SOC 变化的主要方式，农田生态系统较为复杂，气候变化、外源物料投入、土壤生物和人类活动等因素都会对SOC 和作物产量变化产生影响[15]。仅通过田间试验难以监测长时间或者区域尺度上SOC 和作物产量的变化，为了描述和预测这一复杂的过程，应用模型研究逐渐成为一种被广泛认可的方法。目前，国际上已开发出许多能模拟作物生长、农田碳和氮变化的模型，如APSIM-Wheat[16]、Wheat-SM[17]、CENTURY[18]、RothC[19]和DNDC 模型等。其中DNDC 模型在模拟作物产量的同时也可以模拟SOC 的动态变化，成为各国科学家研究农田碳氮循环的主要模型之一，也在多个国家和地区得到矫正与改进[20-22]，是研究土壤肥力和碳库平衡的重要工具。

前人围绕绿肥培肥土壤、节肥减排进行了大量的研究，但大多都通过田间试验来说明问题，且对于绿肥还田长期效应研究较少。本研究基于青海高原小麦（Tnticum aestivum）→毛叶苕子→小麦轮作体系，在利用多年的气象数据、土壤参数、作物参数的基础上对DNDC 模型进行本地参数化，用2019－2022 年的田间试验数据对模型进行率定和验证，评价DNDC 模型对于春小麦0－50 cm 土层土壤SOC含量和作物产量的模拟效果。基于验证后的DNDC模型，模拟豆科绿肥还田的不同情境下30 年土壤SOC 含量和作物产量的变化规律，旨在探索青海高原农田长期绿肥翻压还田以及配施不同比例化肥对SOC 和作物产量影响，为作物可持续高产提供科学依据。

1 材料与方法

1.1 试验地概况

绿肥还田定位试验在青海省农林科学院试验田(101°45′ E，36°43′ N)进行，该地属高原大陆性半干旱气候，海拔为2 300 m，年平均降水量为440 mm[23]，年平均蒸发量为1 730 mm。物候期为220 d，年平均气温6.0 ℃，年平均气温日较差13 ℃。灌溉条件方便，土壤类型为栗钙土，有机质含量为17.4 g·kg-1，碱解氮含量为92 mg·kg-1，速效磷含量为12.6 mg·kg-1，速效钾含量为8.4 mg·kg-1。毛苕子初试含水率为84.23%，绿肥盛花期全氮、全磷和全钾含量分别为42.5、3.1 和29.6 g·kg-1。

1.2 田间试验设计

该试验依托于自2009 年开始的绿肥长期定位试验，采用春小麦+绿肥的种植模式，绿肥盛花期翻压还田。采用裂区试验设计(图1)，主区为秋闲期复种绿肥翻压还田(G)和不种绿肥不还田，副区为后茬春小麦化肥用量，设置100%常规施肥(F100，225 kg·hm-2N，112.5 kg·hm-2P2O5)、70% 常规施肥(F70，157.5 kg·hm-2N、78.75 kg·hm-2P2O5)和不施化肥(F0)3 个梯度；共6 个处理，每个处理4 次重复，24 个小区。小区面积为20 m2(4 m × 5 m)。小麦品种为‘青春38’，绿肥为毛叶苕子，小麦于每年3 月中下旬条播。7 月底收获，8 月上旬播种绿肥，于10 月初盛花期翻压还田。绿肥盛花期鲜重还田量为30 000 kg·hm-2，鲜样含水量为85.6%。春小麦播种前用微耕机松土，并施80%氮肥作为基肥，待四叶期进行追肥。其余田间管理措施(灌溉、中耕除草等)均保持一致。

图1 田间试验设计简图Figure 1 Aerial photo of field experiment design

1.3 测定指标与方式

1.3.1 土壤有机碳

于2019 年和2022 年小麦收获后采集0－10、10－20、20－30、30－40、40－50 cm 土层土壤样品，采用五点取样法在每个小区采集5 个样点，充分混合风干后过0.2 mm 筛。采用《土壤农化分析》(第三版)[24]中提及方法测定土壤SOC 含量。

1.3.2 小麦产量

2019－2022 年小麦收获期，每个小区单打单收。

1.4 DNDC 模型

1.4.1 参数的设定

DNDC 模型是农业生态系统中描述碳、氮生物化学循环过程的机理模型[25]。作物的生长对于土壤中的碳、氮和水循环有着非常重要的影响，该模型可以从点尺度和区域尺度上模拟农田生态系统的碳氮循环过程[26]，该模型由6 个模块组成[27]，第一部分根据生态驱动因子对土壤气候、作物生长和土壤有机质3 个模块进行运转和模拟，第二部分根据土壤环境条件对微生物的活动和碳氮循环进行模拟，主要包括硝化作用、反硝化作用和分解作用3 个模块。该模型的输入数据包括气象(逐日最高温、最低温、降水)、土壤和作物参数，气象数据来源于田间智墒，模型输入值主要根据长期定位试验实测值数据对系统默认值进行修正，具体值如表1 所列。

表1 DNDC 模型的输入参数Table 1 Input parameters of DNDC model

本研究运用DNDC 9.5 版本，研究不同处理对土壤SOC 和作物产量长期的影响，模型的边界条件与小麦生育期田间管理一致。因为短期内农田SOC 变化较小，用2019 年收获期不同处理的0－50 cm 土层的土壤SOC 含量、小麦产量为依据，通过试错法确定合适的参数，用2022 年SOC 实测值和2020－2022 年产量实测数据验证，施肥处理下的SOC 在30 年变化趋于稳定[28]，因此将模型运行30 年，输入参数对应试验处理，其他条件(气象、土壤、作物)均保持一致。2021 年气象数据与当地平均数据较为接近，因此用2021 年气象数据重复利用30 年以探究不同处理对农田SOC 和作物产量的影响。

1.4.2 模型的评价

使用均值偏差(mean bias error, MBE)[29]、决定系数(R2)和归一化均方根误差(normalized root mean square error, NRMSE)[30]这3 个统计指标来评价DNDC 模型的精度。

式中：Oi为实测值；Pi为模拟值；n为实测值的总数；i为当前实测值的数目。为一组数据中实测值的平均值，为模拟值的平均值。

NRMSE 用来衡量模拟值同实测值之间的一致性，值越小，说明模拟值和实测值之间的误差越小。MBE 能更好地反映模拟值误差的实际情况，值越小，模拟值与实测值之间的关联度就越大。NRMSE ≤ 0.1 时，认为模拟效果极好，0.1 < NRMSE ≤0.2 时，模拟效果较好，0.2 < NRMSE ≤ 0.3，模拟效果一般，NRMSE > 0.3 时，模拟效果较差。

1.5 数据分析

采用Excel 2016 进行产量数据和SOC数据的整理， SPSS 26 进行相土壤SOC 和产量数据相关性分析，Origin 2021 做图。

2 结果与分析

2.1 土壤有机碳与作物产量

2.1.1 土壤有机碳

绿肥翻压还田以及单施化肥SOC 含量模拟值与实测值(表2)显示，在0－50 cm 土层内，随着土层深度的增加，SOC 含量呈下降趋势，在不种绿肥处理中，随着化肥量的减少，SOC 含量呈现出F0

表2 2019 年不同处理 0－50 cm 土层土壤SOC 模拟值与实测值Table 2 Simulated and measured values of soil SOC in 0－50 cm soil layers under different treatments in 2019 g·kg-1

表3 DNDC 模型2022 年不同处理0－50 cm 土壤有机碳模拟效果评价Table 3 Evaluation of the simulation effect of DNDC model on soil organic carbon under different treatments in 2022

图2 2022 年不同处理0－50 cm 土层土壤有机碳含量模拟值与实测值Figure 2 Simulated and measured values of organic carbon content in 0－50 cm layer under different treatments in 2022

2.1.2 作物产量

2019－2022 年春小麦作物产量的模拟值和实测值(图3)显示，各处理实测值均表现为F70+ G > F100+G > F100> F70> F0+ G > F0，表明绿肥翻压还田可以提高小麦的产量。与单施化肥相比，绿肥翻压还田平均小麦产量提高了4.9%～47.8%，相同化肥用量下，绿肥翻压产量提高了2.60%～8.40%。 DNDC 模型较好地模拟出了各处理产量的趋势，率定和验证过程中模拟值和实测值的MBE 为152.15～536.40 kg·hm-2，NRMSE 为0.162～0.280，R2均大于0.75，表明率定后的模型可以较好地模拟春小麦的产量。

图3 2019－2022 年绿肥还田以及单施化肥春小麦产量实测值与模拟值Figure 3 Measured and simulated values of spring wheat yield from 2019 to 2022 when green manure is returned to the field and chemical fertilizer is applied alone

2.2 长期绿肥翻压还田配施化肥对土壤有机碳和作物产量的影响

2.2.1 长期绿肥翻压还田对于土壤有机碳含量的影响

在30 年的尺度上，SOC 平均年变化量表现为F70+ G > F100+ G > F0+ G > F100> F70> F0。其中F0的SOC 年变化量为负值，0－50 cm 土层土壤SOC 累积量30 年的变化范围为45 897.9～50 145.13 kg·hm-2，F70、F100、F0+ G 处理下年变化量在初期为正值，然后随着时间的增加，逐渐变为负值，F70和F100在第5 年变为负值，分别为-19.61 和-8.96 kg·hm-2，30 年平均变化分别为-46.7 和-35.6 kg·hm-2。F0+G 在第16 年变为负值(-1.9 kg·hm-2)，在第30 年趋于平衡。F70+ G 和F100+ G 的30 年SOC 的年变化量呈现出增加趋势，变化范围分别为59 827.62～63 714.22 和56 703.82～60 297.65 kg·hm-2。30 年平均变化量分别为172.8 和136.9 kg·hm-2前期增加量比较高，然后逐渐减小，最后趋于稳定。0－50 cm 土层SOC 累积量也是如此，30 年模拟结果显示，F0、F70和F100的SOC 累积量随着时间的增长逐渐减少，施肥量越低，减少的越快，绿肥翻压还田SOC 累积量呈增加的趋势，其中F70+ G > F100+ G >F0+ G，绿肥翻压还田配施70%化肥的SOC 含量提升程度大于配施100%化肥(图4)。

图4 不同施肥处理0－50 cm 土层土壤有机碳年增量(a)和总累积量(b)的动态变化Figure 4 Dynamic changes in annual increment (a) and total accumulation (b) of soil organic carbon in 0－50 cm soil layers under different fertilization treatments

2.2.2 长期绿肥翻压还田小麦产量动态变化

基于DNDC 模型模拟的绿肥翻压还田以及单施化肥的结果(图5)显示，长期单施化肥会降低小麦产量，绿肥翻压还田且配施等量化肥可以提高小麦产量。对30 年小麦产量随年份变化趋势进行拟合，结果表明在单施化肥情况下，随着年份增加，施肥量越低，产量减少越快，F100、F70、F0的斜率分别为-0.036、-0.062 和-5.202。F100和F70几乎保持稳定，而F0产量随着年份逐渐下降，绿肥翻压还田配施化肥情况下，F0+ G、F70+ G、F100+ G 的斜率分别为-4.136、2.637 和1.793，F0+ G 产量随着年份增长先增加后逐渐降低，翻压还田不配施化肥也会降低小麦产量，但与不施肥不种绿肥处理相比，产量降低程度会减慢；F70+ G 和F100+ G 产量随着年份增加而增加，表明翻压绿肥配施一定量化肥增产效果最好，且配施70%化肥增产效果要优于配施100%化肥。

图5 绿肥及化肥处理下农田30 年小麦产量的动态变化Figure 5 Dynamic changes in wheat yield in farmland over the past 30 years under the treatment of green manure and chemical fertilizers

2.3 小麦产量和土壤有机碳的相关性

本研究中，利用DNDC 模型模拟30 年的农田土壤SOC 含量前期表现出较大的波动，而产量波动不大。本模型输入数据中，除了施肥处理不同之外，其余数据均保持一致。出现上述结果可能的原因是，小麦产量随着SOC 的变化而变化，因模型具有局限性，模拟的30 年F100和F70处理下的小麦产量为恒定值，F100处理下0－50 cm 土层30 年SOC储量变化幅度较小。对其他处理30 年尺度上小麦产量与土壤SOC 含量进行相关性分析，结果表明，小麦产量与0－50 cm 土层土SOC 含量极显著相关(P< 0.01)，F0+ G、F70+ G 和F100+ G 的产量与SOC的相关性系数分别为0.842、0.833 和0.746。F70+ G的产量与SOC 的含量均高于F100+ G。30 年中小麦产量的提升可能与土壤SOC 含量的增加有关，二者存在一定的内在联系(图6)。

图6 不同处理下0－50 cm 土层有机碳含量和产量的相关性Figure 6 Correlation between organic carbon content and yield in 0－50 cm soil layer under different treatments

3 讨论

3.1 绿肥还田对农田有机碳和作物产量的影响

豆科绿肥还田作为重要减肥、增效措施，近年来在北方旱地栽培被广泛应用[31]。本研究结果表明，豆科绿肥毛叶苕子翻压还田配合70%常规氮肥用量可以在提高土壤碳库的同时增加小麦的产量。崔恒等[32]研究表明，复种翻压绿肥3 000 kg·hm-2基础上减少常规施肥20%～30%。不仅可以维持小麦长期高产，还可以提升土壤地力；罗跃等[33]研究表明，绿肥根茬还田配施80%～90%的化肥是河西走廊玉米产量和环境效益俱佳的栽培方式；黄璐等[34]研究表明，在黄土高原冬小麦田种植夏绿肥具有较高的养分归还效应，对土壤有机碳和氮库的影响最为显著。张磊等[35]研究表明，减氮20%情况下，种植翻压紫云英不仅提高了稻谷氮素吸收，促进增产，也提高了土壤的供氮能力。以上结果与本研究结果一致。30 年模拟结果显示，相较于单施化肥，绿肥翻压还田配施化肥增加了SOC 的含量，但F0+G 处理土壤SOC 在第16 年呈现出负增长趋势，这可能是由于该地连年种植小麦，外源物料投入过少，投入的养分小于产出的养分，导致土壤肥力下降。毛叶苕子是豆科绿肥，在秋闲期种植可以通过根瘤来固定空气中的氮，也可以吸收土壤中的残留的养分，其还田可以为后茬提供大量的有机养分。此外，绿肥根系分解的产物与土壤矿物相结合，根系或菌丝促进凝聚成大团聚体，阻碍微生物与SOC的结合，促进SOC 的物理保护作用[36]。还田后养分随着时间的增加而逐步释放，在6 周内碳累积释放率可达41%[37]。因而该措施增加了土壤SOC 的含量。

3.2 作物产量与有机碳的关系

本研究表明，在一定施肥范围内，土壤SOC 与作物产量极显著(P< 0.01)相关。胡延斌等[38]认为，土壤SOC 含量在4～14 g·kg-1时，0－20 cm 土层土壤SOC 含量每增加1 g·kg-1，玉米产量提高0.8%～12%。 Muhammad[39]研究表明，土壤SOC 每增加1 kg·hm-2时，可以使玉米和小麦产量分别提高225和202 kg·hm-2。这与本研究结果一致。同时不同的土壤环境和耕作措施对作物产量的影响要大于对土壤SOC[40-42]，实测数据中各处理的产量的差异，可能是由于环境因素(气候、土壤等)和人为因素导致的，但模型模拟可以排除其他因素对作物产量的影响。输入数据除施肥量和施肥方案不同，其余条件均保持一致，30 年的模拟研究表明，绿肥翻压还田可提高春小麦产量和增加土壤SOC 含量，同时土壤SOC 含量的变化也会影响春小麦产量的变化。

3.3 DNDC 模型的拟合效果

本研究表明，DNDC 模型可以较好地模拟青海高原春小麦→绿肥轮作体系的小麦产量和0－50 cm土壤土层SOC 含量，模拟值和实测值具有一致性。但各处理的实测值均略微高于模拟值，可能是因为模型是通过输入的气象数据、土壤参数和作物参数，结合模型内嵌的热力学和动力学公式进行计算[43]，但对于光照强度、风速和土壤生物等环境因素无法获取，而作物产量和SOC 的变化是农田生态系统综合作用的结果。另外，由于可能是刚开始作物生长和碳的固定受到氮的限制，所以施氮量越高，SOC变化量越大，随着连年同样的施肥的耕作，可能出现氮素饱和的现象。氮素的临界值不同，氮饱和的临界值也不同[44]，当农田SOC 含量低于土壤饱和碳库时，固碳效应大于分解效应，因此，配施绿肥使得土壤SOC 含量增加。当土壤SOC 储量达到一定值时，SOC 固定速率与分解速率趋于平衡[45]，由于小麦生长需要消耗一定的SOC。F0、F70和F100处理下30 年土壤SOC 为逐年降低的趋势，且施肥量越低，SOC 降低越多。在 F100和F70处理下30 年的小麦产量模型输出的模拟值变化幅度较小， F100处理0－50 cm 土层30 年SOC 储量变化幅度较小。因此，模拟结果显示F70和F100处理下小麦产量和SOC储量的关系不明显。

在DNDC 模型中，土壤碳主要分布在4 个主要碳库中，即植物凋落物、微生物、活性腐殖质和惰性腐殖质[46]。每个库都又包含两到3 个亚库，每个亚库的分解速率是由该库的库容、土壤温度、湿度以及黏土含量和氮含量所决定的，所以输入的土壤参数会影响输出的SOC 的含量，气候的变化对SOC 影响也不可忽视。因2021 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2021 年气象数据支持模型运行具有一定可行性。小麦的生长对于土壤中水、碳和氮有很大影响，从而控制土壤一系列生物地球化学过程，DNDC 模型对小麦产量的模拟是主要依据输入的小麦生理参数及物候学参数，其次根据输入土壤水分、碳和氮参数进行模拟。精确的结果需要精确的数据，在实际操作过程中精确数据的缺乏可能会用系统的默认值与估计值来进行弥补，比如在小麦生育期降水、灌溉、耕作深度和耕作措施等。同时SOC 的取样点的设计、取样的方式也会存在人为的误差，这些说明DNDC 模型存在一定的不确定性，相关参数有待进一步的校准测定。本研究结果虽然表明DNDC 模型可以较好地模拟不同处理下0－50 cm 土层土壤SOC 和小麦产量。但是输入参数的局限性对模拟结果仍存在一定的偏差，未来可以进一步提高农田管理措施、土壤参数、气象参数、人为因素、小麦生理参数和物候学参数等相关参数的可靠性，同时也可以结合CO2和N2O 排放来提高模型对农田生态系统碳氮循环模拟效果。