李強(qiáng), 李建國(guó), , 張忠啟,

1. 江蘇師范大學(xué)地理測(cè)繪與城鄉(xiāng)規(guī)劃學(xué)院, 徐州 221116

2. 南京大學(xué)國(guó)土資源與旅游學(xué)系, 南京 210093

3. 中國(guó)科學(xué)院南京土壤研究所, 土壤與農(nóng)業(yè)可持續(xù)發(fā)展國(guó)家重點(diǎn)實(shí)驗(yàn)室, 南京 21008

1 前言

濱海鹽漬土的圍墾開發(fā)是目前我國(guó)后備土地資源開發(fā)的主要對(duì)象, 是緩解東部土地資源供需矛盾,糧食安全問題和經(jīng)濟(jì)發(fā)展壓力的重要舉措[1-2]。濱海灘涂開發(fā)方式多樣, 耕作、養(yǎng)殖、保護(hù)區(qū)、居民點(diǎn)、港口和工業(yè)園區(qū)等開發(fā)方式都存在。其中, 農(nóng)業(yè)耕作是較為常見的開發(fā)方式。以江蘇為例, 國(guó)務(wù)院2009年通過的《江蘇沿海灘涂開發(fā)規(guī)劃》明確規(guī)定農(nóng)業(yè)、工業(yè)和生態(tài)用地的比例嚴(yán)格限定為6：2：2[3-4]。沿海土壤中廣泛富集的鈉離子等鹽分離子可以引起植物生理性缺水, 抑制作物對(duì)其他養(yǎng)分的吸收, 導(dǎo)致作物發(fā)育不良進(jìn)而導(dǎo)致減產(chǎn)或死亡。大面積灘涂土地通過在灘地上圈筑圍堤墾殖, 經(jīng)引淡淋洗、蓄淡養(yǎng)清、種植耐鹽作物等措施, 加速土壤脫鹽, 使得有機(jī)碳積累, 將鹽漬土改良為具有良好土壤肥力的土地, 成為中國(guó)重要的耕地后備資源之一。濱海灘涂鹽漬土農(nóng)業(yè)改良的關(guān)鍵是在降低土壤鹽分的同時(shí),提升土壤的C、N含量, 促進(jìn)糧食產(chǎn)量的快速提升。總而言之, 要快速提升土壤的生產(chǎn)供給能力。而鹽漬土的生產(chǎn)供給能力受到氣候、鹽分、土壤養(yǎng)分、外源物質(zhì)等因素的影響。溫度與濕度為代表的氣候因子變化會(huì)引起土壤微生物生理活性與一系列物理、化學(xué)性狀(如：土壤容積、壓力、氧化還原電位、分子間力、擴(kuò)散力和表層張力)變化, 從而影響鹽漬土的碳氮循環(huán)及其生物量富集[5]; 土壤有機(jī)碳作為土壤質(zhì)量的重要組成部分, 是評(píng)價(jià)土壤質(zhì)量和影響作物產(chǎn)量的重要指標(biāo), 在土壤肥力、環(huán)境保護(hù)、農(nóng)業(yè)可持續(xù)發(fā)展等方面均起極為重要的作用[6]; 外源有機(jī)物來源于作物秸稈、綠肥、廄肥、凋落物等農(nóng)業(yè)耕作與管理行為, 不同的農(nóng)業(yè)管理行為與習(xí)慣導(dǎo)致土壤中的有機(jī)碳組分和土壤理化環(huán)境差異巨大,影響有機(jī)殘?bào)w在土壤中的分解轉(zhuǎn)化, 成為養(yǎng)分循環(huán)的重要組分[7]。探求濱海鹽漬土改良過程中碳氮的循環(huán)累積過程及其與作物產(chǎn)量之間的關(guān)系對(duì)于理解灘涂鹽漬土改良與熟化的過程, 揭示耕作行為與碳氮循環(huán)及生物量之間的關(guān)系具有重要的意義。

隨著陸地生態(tài)系統(tǒng)模型的發(fā)展, 運(yùn)用模型工具對(duì)土壤主要養(yǎng)分元素和生物量進(jìn)行模擬與刻畫是目前較為有效的方法, 目前已有10多個(gè)相關(guān)模型發(fā)表,較成熟的有 DNDC[8]、Century[9]、Biome-BGC[10]、RothC[11]和NCSOIL[12]等。生態(tài)系統(tǒng)模型均可成熟應(yīng)用于土壤長(zhǎng)期定位實(shí)驗(yàn)觀測(cè)數(shù)據(jù)的模擬與刻畫, 而這些模型中, DNDC模型是基于生物地球化學(xué)過程,以模擬輻射、溫度、濕度、pH、Eh以及濃度梯度等為主的環(huán)境因子來反映氣候、土壤、植被和人類活動(dòng) 4種基本的生態(tài)驅(qū)動(dòng)力[13], 具有多尺度, 高精度以及良好的適用性。在鹽漬土改良過程中, 傳統(tǒng)的水稻種植具有較好的脫鹽效果和有機(jī)碳累積速率,是灘涂墾區(qū)鹽漬土中廣泛種植的農(nóng)作物。本研究以江蘇省如東縣的灘涂墾區(qū)長(zhǎng)期觀測(cè)水稻田為例, 通過收集水稻田的施肥、灌溉、土壤理化屬性、區(qū)域氣候條件以及生物量等數(shù)據(jù), 借助DNDC模型刻畫與模擬研究區(qū)水稻田在一個(gè)完整生長(zhǎng)周期下土壤C、N及生物量變化過程。檢驗(yàn)DNDC模型在沿海鹽漬土生物地球化學(xué)循環(huán)的適用性, 并對(duì)其精度進(jìn)行評(píng)估。這對(duì)于研究濱海鹽漬土改良過程中土壤質(zhì)量提升的策略, 揭示土壤養(yǎng)分元素循環(huán)累積過程與規(guī)律具有重要意義。對(duì)于制定未來科學(xué)合理的鹽漬土改良方案提供重要參考依據(jù)。

2 材料與方法

2.1 田間實(shí)驗(yàn)

2.1.1 試驗(yàn)區(qū)概況

試驗(yàn)田位于江蘇省南通市如東縣四橋村(北緯32°22′15.46′, 東經(jīng) 121°22′26.64′), 氣候?qū)賮啛釒ШＱ笮约撅L(fēng)氣候, 受海洋的調(diào)節(jié)和季風(fēng)環(huán)流影響, 四季分明, 氣候溫和, 降水充沛, 光照充足。春季氣溫高, 夏季無酷暑, 秋季氣溫低, 冬季暖冬。年平均氣溫15 ℃, 平均日照時(shí)間超過2000 h, 無霜期達(dá)230天, 平均降雨量1042 mm, 降雨量年內(nèi)分配不均, 汛期為6—9月, 雨量相對(duì)集中。如東縣境內(nèi)地勢(shì)平坦,從西南略向東南傾斜, 西北部高程為 4—5 m, 東南部高程在3.2 m左右。試驗(yàn)田地理位置如圖1所示。

圖1 試驗(yàn)田區(qū)位Fig. 1 Location of experimental field

研究區(qū)鹽漬土廣布, 屬于潮鹽土亞類, 水稻—小麥輪作種植歷史超過100年, 土壤含鹽量在1 g·kg-1左右, 主要成分是NaCl。該地淺層地下水為咸水或微咸水, 礦化度高, 農(nóng)田灌溉一般采用當(dāng)?shù)匚⑾趟蛞車铀喔?。根?jù)田間實(shí)測(cè)結(jié)果, 研究區(qū)土壤理化性質(zhì)如表1所示。

2.1.2 試驗(yàn)與方法

試驗(yàn)于2016年6—11月水稻生長(zhǎng)期開展, 研究區(qū)試驗(yàn)田長(zhǎng)為 51 m, 寬為23.5 m, 共計(jì)約 1.76畝,種植的水稻品種為寧稻13。試驗(yàn)期間于6月10日、7月13日、8月11日、9月24日和10月30日采用九點(diǎn)法對(duì)田中土表0—10 cm土層采集土樣, 為確保每個(gè)土樣代表性良好, 采樣時(shí)在每個(gè)采樣點(diǎn)中心及東南西北4個(gè)方向上約30 cm處各采一個(gè)點(diǎn), 將五個(gè)點(diǎn)采集的土樣混合, 作為該樣點(diǎn)土樣[14], 待土樣自然風(fēng)干后, 除去石塊等雜物, 研磨后通過0.149 mm篩面過篩, 用四分法取約 10 g作為待測(cè)樣品, 使用碳氮儀測(cè)其有機(jī)碳與全氮含量, 測(cè)定方法見參考文獻(xiàn)[15]。水稻成熟后, 按照五點(diǎn)法在試驗(yàn)田內(nèi)均勻布置5個(gè)測(cè)產(chǎn)點(diǎn), 每個(gè)測(cè)產(chǎn)點(diǎn)使用1 m2測(cè)產(chǎn)框量1 m2水稻將其連根挖出作為一組樣品, 并量出該點(diǎn)的 11行行距、11株株距, 5個(gè)測(cè)產(chǎn)點(diǎn)的行距與株距取平均,得出平均行距與平均株距, 測(cè)算田中水稻總棵數(shù)[16]。將 5組水稻樣品收割后曬干, 測(cè)算根、莖、葉、果實(shí)水稻各個(gè)部分的生物量。采樣結(jié)果作為與模型結(jié)果比對(duì)依據(jù)。

2.1.3 模型輸入?yún)?shù)確定

表1 試驗(yàn)田土壤理化性質(zhì)Tab. 1 Soil physical and chemical properties of experimental field

DNDC模型輸入?yún)?shù)包括氣候數(shù)據(jù)、土壤數(shù)據(jù)、作物數(shù)據(jù)和管理數(shù)據(jù)。其中, 氣象數(shù)據(jù)來自南通市如東縣氣象站點(diǎn)數(shù)據(jù)。土壤參數(shù)包括土壤質(zhì)地、容重、pH、田間持水量等, 為田間實(shí)測(cè)數(shù)據(jù)(見表2)。如東縣土壤屬于東部濱海堆積平原沙壤鹽土, 對(duì)應(yīng)模型中粘粒比0.06的Loamy Sand土壤質(zhì)地值; 土壤容重使用環(huán)刀法進(jìn)行測(cè)定, 在水稻種植前測(cè)定耕作層容重, 測(cè)量值為 1.78 g·cm-3; 土壤酸堿度使用電位測(cè)定法測(cè)定, 測(cè)量值為 7.8; 田間持水量使用鐵框法進(jìn)行測(cè)定, 測(cè)定土壤自然含水量、飽和含水量和灌溉深度, 計(jì)算田間持水量為 27%; 土壤萎蔫點(diǎn)在水稻收割前測(cè)得, 作物萎蔫時(shí)土壤中尚存留的水分含量為 13%; 土表初始有機(jī)碳含量在水稻種植前采樣, 使用碳氮儀測(cè)得, 值為9.3 g·kg-1。作物數(shù)據(jù)使用模型定義的水稻數(shù)據(jù), 見表3, 包括最大生物量、生物量比、生物量碳氮比、生長(zhǎng)積溫等參數(shù)。管理數(shù)據(jù)為田間實(shí)測(cè)數(shù)據(jù), 試驗(yàn)期間共灌水 4次、施肥 4次(見表 4), 所施化肥種類為總氮大于 46.4%, 粒度范圍為0.85—2.80 mm的尿素, 施肥時(shí)間、化肥種類和用量詳見表4。

2.2 模擬計(jì)算

2.2.1 DNDC模型簡(jiǎn)介

DNDC(denitrification—decomposition “脫氮—分解”)模型, 是目前國(guó)際上最成功的生物地球化學(xué)模型之一[17], 用于模擬農(nóng)業(yè)生態(tài)系統(tǒng)中碳和氮的生物地球化學(xué)循環(huán)。DNDC模型包括 6個(gè)子模型, 分別用于模擬土壤氣候、農(nóng)作物生長(zhǎng)、有機(jī)質(zhì)分解、硝化作用、反硝化作用和發(fā)酵過程[18]。該模型是對(duì)土壤碳、氮循環(huán)過程進(jìn)行全面描述的機(jī)理模型, 適用于點(diǎn)位和區(qū)域尺度的任何氣候帶的農(nóng)業(yè)生態(tài)系統(tǒng)的模擬[19]。目前, 世界上已經(jīng)有很多國(guó)家的科學(xué)家使用DNDC模型進(jìn)行應(yīng)用研究, 如在美國(guó)愛荷華州馬斯凱丁縣對(duì)玉米生長(zhǎng)過程的模擬[20]、在美國(guó)夏威夷對(duì)甘蔗的生長(zhǎng)模擬[21]、中國(guó)東北遼寧對(duì)玉米產(chǎn)量進(jìn)行模擬和分析[22]、英國(guó)帝國(guó)大學(xué)和農(nóng)業(yè)研究所利用DNDC模型對(duì)英國(guó)種植的楊樹進(jìn)行了7年的模擬研究[23]。2000年結(jié)束的亞太地區(qū)全球變化國(guó)際研討會(huì)上, DNDC模型被指定為在亞太地區(qū)進(jìn)行推廣的首選生物地球化學(xué)模型[24]。

表2 輸入土壤參數(shù)Tab. 2 Soil parameters of model input

表3 輸入水稻參數(shù)Tab. 3 Rice parameters of model input

表4 水稻生育期灌溉與施肥措施Tab. 4 Irrigation and Fertilization quota during rice growing period

2.2.2 模型驗(yàn)證與誤差評(píng)價(jià)

使用DNDC模型模擬2016年試驗(yàn)田水稻生長(zhǎng)期內(nèi)碳、氮以及生物量動(dòng)態(tài)變化。輸入?yún)?shù)包括逐日氣象數(shù)據(jù)、試驗(yàn)田土壤理化性質(zhì)數(shù)據(jù)、灌溉資料、施肥資料、作物參數(shù)等初始條件。輸出結(jié)果包括不同土層的有機(jī)碳和氮含量、水稻各部分生物量、作物水需求與水脅迫、氮需求與氮脅迫和溫室氣體排放等。對(duì)模型精度采用均方根誤差(RMSE)和相對(duì)誤差(RE)進(jìn)行評(píng)價(jià)：

式中,Pi為第i個(gè)模擬值;Oi為第i個(gè)實(shí)測(cè)值;N為實(shí)測(cè)值個(gè)數(shù)。

3 結(jié)果與分析

3.1 土壤剖面有機(jī)碳模擬

利用DNDC模型模擬0—50 cm土壤有機(jī)碳分層狀況。如圖2所示, 在水稻種植期間, 0—50 cm各土層的土壤有機(jī)碳含量都隨著水稻種植時(shí)間的推移而減少。從播種到收獲, 試驗(yàn)田0—10 cm有機(jī)碳減少 0.154 g·kg-1; 10—20 cm 減少 0.088 g·kg-1; 20—30 cm 減少 0.049 g·kg-1; 30—40 cm 減少 0.025 g·kg-1;40—50 cm減少0.012 g·kg-1。根據(jù)實(shí)測(cè)的驗(yàn)證數(shù)據(jù),試驗(yàn)田在0—10 cm在整個(gè)模擬期SOC的RMSE為0.069?？梢钥闯? 水稻生育期SOC下降程度由表層到深層遞減。水稻生育期0—50 cm各土層土壤有機(jī)碳平均含量都表現(xiàn)為由表層到深層遞減的規(guī)律,0—10 cm有機(jī)碳含量平均為9.165 g·kg-1; 10—20 cm為 9.234 g·kg-1; 20—30 cm 為 5.57 g·kg-1; 30—40 cm為 2.968 g·kg-1; 40—50 cm 為 1.58 g·kg-1。但模擬結(jié)果表明 0—10 cm平均 SOC要比 10—20 cm的低0.068 g·kg-1, 這主要是由于水稻田表層長(zhǎng)時(shí)間處于浸水狀態(tài)而缺氧, 加之根系與微生物活動(dòng)容易形成有機(jī)物質(zhì)的富集層, 而長(zhǎng)期灌水后 Eh迅速下降至100—200 mV, 土表經(jīng)水的淋洗產(chǎn)生淋溶層, 有機(jī)質(zhì)等養(yǎng)分經(jīng)淋溶作用淋洗下移在犁底層以上土層聚集,造成10—20 cm土層SOC較0—10 cm土層稍高, 這與大量的水稻田實(shí)測(cè)結(jié)果相一致[25-28]。

3.2 土壤剖面銨態(tài)氮、硝態(tài)氮模擬

圖2 各土層SOC變化Fig. 2 SOC variation of soil layers

借助DNDC模型模擬濱海鹽漬土水稻種植期間土壤中尿素水平、銨態(tài)氮和硝態(tài)氮在水稻種植期間動(dòng)態(tài)變化。如圖3所示, 水稻生育期0—50 cm尿素水平、銨態(tài)氮、硝態(tài)氮總體呈先升后降的趨勢(shì), 但波動(dòng)較為劇烈。以0—10 cm為例, 第150—190天期間銨態(tài)氮增加較為緩慢; 第190—284天驟然增加且起伏波動(dòng)劇烈, 在第 194、205、232天分別出現(xiàn)三個(gè)明顯峰值; 第284—304天驟然降低。其余土層銨態(tài)氮變化趨勢(shì)與0—10 cm類似。這主要由于銨態(tài)氮含量變化受施肥控制的尿素水平影響較大。尿素是土壤氮重要的外源氮素, 常伴隨化肥的施用進(jìn)入土壤表層, 土壤中尿素水平常伴隨施肥事件而顯著增加, 曲線突變比較明顯, 在沒有施肥事件的天數(shù),土壤中尿素水平趨近于 0。土壤中尿素含量于第189、201、229天出現(xiàn)三個(gè)明顯的峰值, 這三天對(duì)應(yīng)著水稻生長(zhǎng)期間3次施肥事件的日期, 即2016年的7月9日、7月22日和8月17日。根據(jù)DNDC模型模擬結(jié)果, 三次施肥所施加氮肥數(shù)量轉(zhuǎn)化為土壤尿素的效率分別為69.68%、49.50%、43.05%。土壤0—10 cm銨態(tài)氮含量與尿素水平呈明顯的高度一致變化趨勢(shì)(圖3)。在模型模擬中, 通常當(dāng)尿素水平峰值出現(xiàn)2至4天后, 土壤中銨態(tài)氮含量會(huì)出現(xiàn)一個(gè)峰值, 且銨態(tài)氮峰值過后, 銨態(tài)氮含量相比上一次施肥后顯著增加。如在水稻種植期(第207—228天),土壤中銨態(tài)氮呈相對(duì)緩慢的增加趨勢(shì), 平均含量4.96 g·kg-1; 在 8 月 17 日(第 229 天)添加尿素后, 土壤尿素水平出現(xiàn)峰值(6.98 g·kg-1), 土壤銨態(tài)氮含量在此2天后(第 231)也出現(xiàn)峰值(10.28 g·kg-1); 峰值出現(xiàn)后, 土壤中銨態(tài)氮含量平均為5.89 g·kg-1, 比施肥前增加18.75%。

從土壤剖面情況來看, 隨土層深度的增加,銨態(tài)氮、硝態(tài)氮含量逐漸減少。0—10 cm銨態(tài)氮從平均 4.18 g·kg-1減少至 0.251 g·kg-1(40—50 cm);硝態(tài)氮從平均0.977 g·kg-1(0—10 cm)減少至0.004 g·kg-1(40—50 cm)。硝態(tài)氮隨深度增加減少量最為顯著, 因?yàn)闇\層土壤相比于深層土壤更容易接觸空氣, 加之硝化細(xì)菌與反硝化細(xì)菌多活動(dòng)于土表,故淺層土壤中硝化反應(yīng)與反硝化反應(yīng)速率比深層土壤大, 淺層硝態(tài)氮變化比深層更加顯著[29], 以致到 40—50 cm 土層僅含有微量硝態(tài)氮(平均0.004 g·kg-1)。同時(shí)可以看出, 土壤中硝態(tài)氮含量與土壤水含量變化有顯著負(fù)相關(guān)表現(xiàn), 相關(guān)系數(shù)達(dá)-0.881(圖4)。硝態(tài)氮在土壤中的含量出現(xiàn)了兩個(gè)峰值, 第一個(gè)峰值為第 217天(8月 5日), 硝態(tài)氮含量為5.12 g·kg-1; 第二個(gè)峰值為第299天(10月26日), 為3.92 g·kg-1。這兩次峰值出現(xiàn)依次對(duì)應(yīng)7月末至8月初烤田、10月末烤田(該次烤田于水稻成熟期晚期, 為方便收割, 田中不再灌水)。在烤田時(shí)段, 土壤水含量逐漸減少, 硝態(tài)氮含量增加。硝態(tài)氮和土壤水相關(guān)性顯著是由于硝態(tài)氮極易被水運(yùn)移, 且硝態(tài)氮水平運(yùn)移速率受土壤含水量的影響較大, 硝態(tài)氮水平運(yùn)移濃度與含水量具有明顯的相關(guān)性[30], 土壤含水量大, 更多的硝態(tài)氮被淋洗, 土壤中硝態(tài)氮的含量減少; 反之, 當(dāng)土壤水含量少時(shí), 沒有足夠的水淋洗硝態(tài)氮, 從而土壤中硝態(tài)氮含量增加。再者, 硝態(tài)氮相對(duì)銨態(tài)氮具有滯后性, 且含量上呈現(xiàn)此消彼長(zhǎng)的特點(diǎn)。如0—10 cm土層中(圖3), 銨態(tài)氮含量于第202—209天峰值過后, 硝態(tài)氮含量于第207—229天才出現(xiàn)峰值, 而在此期間銨態(tài)氮含量明顯減少; 又如種植期末期第284—304天, 硝態(tài)氮含量在銨態(tài)氮含量顯著減少后 1天增加, 此后銨態(tài)氮含量明顯降低。主要原因是由施肥進(jìn)入土壤的尿素先水解為銨態(tài)氮, 土壤 pH升高, 硝化效率增大[31], 但在好氧條件下, 外源碳的存在使得硝化反應(yīng)相對(duì)滯后,好氧環(huán)境下盡管硝態(tài)氮充足, 但反硝化所需氮源往往不足[32], 導(dǎo)致圖3中硝態(tài)氮含量增加的滯后性。

圖3 氮素變化曲線Fig. 3 Nitrogen change curve

圖4 土壤水和硝態(tài)氮對(duì)應(yīng)關(guān)系Fig. 4 Relationship between soil water and nitrate nitrogen

3.3 水稻各部分生物量模擬

經(jīng)測(cè)產(chǎn)實(shí)驗(yàn), 由式(1)、(2)計(jì)算得出(表5), 可以看出試驗(yàn)區(qū)水稻根、莖、葉、果實(shí)與總生物量實(shí)測(cè)分別為 2485.3、2824.9、2548.4、7215與 15073.5 kg·ha-1, 模擬的結(jié)果分別為 2036.9、2800.7、2800.7、7223.9與 14862.2 kg·ha-1, RMSE 分別為 337.27、207.28、464.30、447.36與397.92。經(jīng)測(cè)算每畝水稻田中總生物量模擬值與實(shí)測(cè)值誤差為-1056.33 kg·ha-1, 相對(duì)于總生物量每畝可達(dá)2000 kg的水稻田,每畝實(shí)際誤差為70.42 kg, 誤差很小。根、莖、葉、果實(shí)生物量相對(duì)誤差基本都分布在實(shí)測(cè)產(chǎn)量20%誤差范圍以內(nèi)。5組水稻樣本實(shí)際與模擬產(chǎn)量相對(duì)誤差結(jié)果如表6所示。五組樣本根生物量的相對(duì)誤差絕對(duì)值在 5.89%—19.97%之間; 莖生物量為 2.34%—8.23%; 葉生物量為 13.99%—26.4%; 果實(shí)為0.46%—8.23%。平均值分別為 13.57%、7.34%、18.59%、6.20%?？梢钥闯瞿Ｐ湍M對(duì)于水稻果實(shí)的模擬結(jié)果最好, 水稻莖次之, 根和葉的模擬結(jié)果誤差最大, 其中以根的模擬最甚。試驗(yàn)中根與葉的誤差較大可能是由于水稻生長(zhǎng)過程和試驗(yàn)采樣過程中, 一部分的根、葉會(huì)損壞或腐爛于泥土中,導(dǎo)致根、葉的實(shí)測(cè)值比模擬值偏低, 相對(duì)誤差較大,若將腐爛于地和采樣時(shí)損壞的根葉記入實(shí)際產(chǎn)量,根、葉的相對(duì)誤差會(huì)相對(duì)減小。

表5 試驗(yàn)田水稻田模擬精度Tab. 5 Simulation precision of text field

表6 水稻產(chǎn)量模擬值與實(shí)測(cè)值比較Tab. 6 Comparison of simulated and observed values for rice yield

4 討論

4.1 與其他研究區(qū)模擬結(jié)果比較

由模擬結(jié)果所知(表6), DNDC模型在模擬濱海水稻田土壤碳、硝態(tài)氮、銨態(tài)氮以及生物量的模擬均方根誤差均小于20%, 其中SOC、莖生物量、果實(shí)生物量與總生物量均方根誤差小于10%。對(duì)比該模型在我國(guó)各個(gè)地區(qū)不同作物下模擬結(jié)果(表 7)。DNDC模型在我國(guó)東北、華北、西南以及太湖地區(qū)都表現(xiàn)出較好的精度, RMSE皆小于20%。將模擬地區(qū)與同是鹽土的公主嶺、松嫩平原、曲周縣相比, 研究區(qū)和公主嶺SOC模擬精度小于10%, 模擬精度好,而作物產(chǎn)量模擬精度在10%—15%之間, 模擬較好。其中, 位于東北的公主嶺、松嫩平原土壤類型屬于鹽堿土, 華北曲周縣土壤類型屬次生鹽漬土, 而重慶市與太湖地區(qū)屬非鹽漬土地區(qū)?？梢娫邴}漬土地區(qū)模擬, SOC比作物產(chǎn)量模擬精度要高; 將試驗(yàn)區(qū)與非鹽漬土地區(qū)模擬結(jié)果進(jìn)行比較, 作物產(chǎn)量模擬精度皆在5%—6%, 模擬精度好。但試驗(yàn)區(qū)銨態(tài)氮模擬精度大于 15%, 相比太湖區(qū)域銨態(tài)氮 10%模擬精度較差, 硝態(tài)氮模擬精度與其持平, 鹽漬土區(qū)域模擬土壤銨態(tài)氮精度較差, 原因可能是試驗(yàn)田模擬區(qū)域尺度比太湖區(qū)域尺度小, 采樣點(diǎn)少, 造成數(shù)據(jù)的不確定性大, 導(dǎo)致模擬精度較低; 與種植作物同是水稻的松嫩平原相比, 試驗(yàn)田水稻產(chǎn)量模擬精度(5.06%)比松嫩平原豆—稻—玉米輪作的模擬(15.1%)精度要好, 在同是鹽漬土的地區(qū), 在水稻產(chǎn)量模擬中, 可能中緯度模擬精度要比高緯度模擬精度高;與種植小麥和玉米的模擬結(jié)果相比, 試驗(yàn)田水稻產(chǎn)量模擬精度(5.06%)、重慶市稻麥輪作產(chǎn)量模擬精度(6.77%)高于公主嶺玉米模擬精度(11.62%)和曲周縣小麥—玉米輪作(13.35%), 可見, DNDC模型對(duì)水稻或稻麥輪作作物產(chǎn)量模擬精度要優(yōu)于玉米作物產(chǎn)量的模擬。同時(shí), DNDC模型適用于我國(guó)多數(shù)地區(qū)大田作物模擬。模型不僅適用于像濱海地區(qū)1.76畝的試驗(yàn)田局地、小尺度模擬, 也能滿足如一個(gè)縣、一個(gè)市、一個(gè)平原大尺度模擬[19,33-35], 對(duì)區(qū)域土壤肥力變化與大田作物產(chǎn)量大到宏觀把握, 小到微觀調(diào)控皆具有決策指導(dǎo)的實(shí)際作用。

4.2 濱海鹽漬土水稻種植管理優(yōu)化途徑

江蘇東部灘涂鹽漬土圍墾地區(qū)為江蘇省農(nóng)作物低產(chǎn)區(qū)。土壤含鹽量大、地下水礦化度高極大的抑制鹽漬土地區(qū)作物產(chǎn)量提升, 其水稻產(chǎn)量相較省內(nèi)其他地區(qū)明顯偏低。試驗(yàn)田實(shí)測(cè)產(chǎn)量為 7214.99 kg·ha-1, 比江蘇平均水稻產(chǎn)量低約 11.86%(8185.79 kg·ha-1), 且低于周邊城市淮安市約 7.98%(7840.8 kg·ha-1)[36]。尋求科學(xué)的施肥方法, 提升水稻產(chǎn)量, 是研究濱海鹽漬土碳、氮以及生物量變化的現(xiàn)實(shí)意義所在。借助DNDC模型模擬可以有效的揭示不同施肥管理方式對(duì)水稻產(chǎn)量的影響。

表7 我國(guó)各個(gè)區(qū)域DNDC模擬精度評(píng)價(jià)Tab. 7 Accuracy evaluation of DNDC simulation in different regions of China

不同施肥條件下, 水稻生物量、耕作層(0—10 cm)C、N變化也有所差異。DNDC模型對(duì)比分析試驗(yàn)田施尿素745.31 kg·ha-1的基準(zhǔn)施肥量和不施肥條件下生物量以及土壤 C、N變化(如圖5所示)。施用745.31 kg·ha-1尿素比不施用肥料生物產(chǎn)量增加3684.87 kg·ha-1。施用尿素時(shí), 土壤銨態(tài)氮、硝態(tài)氮含量變化影響顯著, 較不施肥條件下土壤銨態(tài)氮、硝態(tài)氮含量增加明顯。但肥料施用對(duì)土壤有機(jī)碳影響不顯著。故而, 合理施用氮肥能夠提高耕作層土壤氮含量, 促使土壤肥力提升, 從而提高水稻產(chǎn)量。以試驗(yàn)田中在水稻生長(zhǎng)期內(nèi)所施尿素745.31 kg·ha-1為基準(zhǔn), 依次增加或減少 10%的氮肥數(shù)量, 模擬水稻生物量(如圖6所示)。在減施肥料10%、20%、30%的試驗(yàn)可見, 種植期內(nèi)投放521.717—745.31 kg·ha-1時(shí), 水稻產(chǎn)量的增加呈直線型迅速增長(zhǎng), 增長(zhǎng)速率為14.77; 而當(dāng)肥料從基準(zhǔn)增施至10%后即氮肥投放至 745.31—819.84 kg·ha-1后, 化肥的增施對(duì)水稻產(chǎn)量的影響減緩, 速率為 3.40; 當(dāng)施肥量增至 20%、30%時(shí), 水稻達(dá)到最大生物量, 再增施肥料水稻的產(chǎn)量不會(huì)增加。由此可見, 在采用加施10%至20%氮肥時(shí), 濱海水稻田產(chǎn)量可達(dá)到最大值, 通過增施肥的方法起到增產(chǎn)的目的。但使田中作物產(chǎn)量達(dá)到最大值的施肥量, 是否具有經(jīng)濟(jì)效益, 還需進(jìn)一步探討。

圖5 基準(zhǔn)施肥量與不施肥條件下耕作層生物量、C、N對(duì)比Fig. 5 Comparison of biomass, C and N of tillage layer under reference fertilizer and non fertilization

圖6 不同施肥狀況下水稻產(chǎn)量Fig. 6 Rice yield under different fertilization conditions

圖7 不同土壤鹽漬化指標(biāo)下水稻總生物量Fig. 7 Total biomass of rice under different soil salinity indexes

4.3 DNDC模型中土壤鹽漬化系數(shù)的討論

自DNDC模型9.3版本始, 在定義土壤理化性質(zhì)的界面中出現(xiàn)了土壤鹽漬化系數(shù)(Soil Salinity Index)參數(shù)。該參數(shù)的出現(xiàn)引發(fā)鹽土研究人員的廣泛關(guān)注。在DNDC 9.5版本的操作手冊(cè)中對(duì)該參數(shù)如此定義：土壤鹽漬化系數(shù)取值范圍為 0—100, 如果參數(shù)大于 0, 土壤鹽分將影響作物生長(zhǎng)和土壤微生物活性。目前國(guó)際上廣泛使用的土壤鹽漬化分級(jí)標(biāo)準(zhǔn)為：依照土壤含鹽總量(干土重%), 將鹽土分為弱鹽漬土(0.3%—0.5%)、中鹽漬土(0.5%—1.0%)、強(qiáng)鹽漬土(＞1%)[37]?？梢? 模型定義的土鹽 0—100取值范圍與國(guó)際慣用標(biāo)準(zhǔn)相異, 而操作手冊(cè)上缺乏對(duì)該系數(shù)定義的具體說明。從中外文獻(xiàn)索引中使用 Soil Salinity Index關(guān)鍵字進(jìn)行索引, 相關(guān)文獻(xiàn)數(shù)量為0, 尚無學(xué)者對(duì)這個(gè)參數(shù)有詳細(xì)的研究。為研究定義該參數(shù)對(duì)模擬實(shí)驗(yàn)的響應(yīng), 試驗(yàn)中將該參數(shù)定義為0、50、100以觀察作物產(chǎn)量對(duì)此參數(shù)的影響。結(jié)果如圖7可知,改變土壤鹽漬化參數(shù), 對(duì)水稻總生物量沒有影響,即便將土壤鹽漬化系數(shù)定義為模型的上限 100, 水稻仍舊正常生長(zhǎng)?？梢? 作物生長(zhǎng)過程生物量變化對(duì)土鹽指標(biāo)無響應(yīng)。因此可以發(fā)現(xiàn), 該模型對(duì)于土壤鹽漬化水平對(duì)作物上生長(zhǎng)的影響機(jī)理刻畫還有待進(jìn)一步提高, 未來需要重點(diǎn)關(guān)注土壤鹽分與作物生長(zhǎng)的回饋耦合關(guān)系。這在提高模型在濱海鹽漬土生物地球化學(xué)循環(huán)模擬精度, 提升模型在鹽漬土農(nóng)業(yè)管理中的應(yīng)用價(jià)值具有更大的潛力。

5 結(jié)論

(1)DNDC模型能夠很好的模擬濱海鹽漬土水稻田0—50 cm各土層SOC、N與生物量的變化, 模擬的土壤碳和生物量 RMSE均小于 10%(7.05%、5.06%); 銨態(tài)氮和硝態(tài)氮RMSE小于20%(18.75%、15.04%); 在對(duì)水稻各個(gè)部分生物量的模擬中, 果實(shí)(6.2%)、莖(7.34%)模擬精度好, 而根(13.57%)、葉(18.59%)模擬精度相對(duì)較差, 模擬結(jié)果可信。

(2)DNDC模型模擬在鹽漬土區(qū)域 SOC的模擬精度表現(xiàn)最好, 作物產(chǎn)量其次, 銨態(tài)氮和硝態(tài)氮精度最差, 模型模擬水稻生物產(chǎn)量精度相對(duì)玉米較高。當(dāng)前DNDC 9.5版本定義的土壤鹽漬化系數(shù)對(duì)鹽漬土區(qū)域土壤鹽分含量與作物生長(zhǎng)之間的互饋耦合關(guān)系的表達(dá)較差, 對(duì)于目前廣泛種植的高產(chǎn)雜交水稻作物品種的考慮不夠, 還有很大的提升空間。

(3)借助DNDC模型模型, 在改良水稻田種植管理方式上, 根據(jù)試驗(yàn)區(qū)水稻種植管理的經(jīng)驗(yàn)提出適當(dāng)增加氮肥的投入促進(jìn)水稻增產(chǎn)的思路。結(jié)果表明,加施 10%—20%氮肥可使試驗(yàn)田水稻產(chǎn)量最大化,相比不施肥情況下, 試驗(yàn)田水稻最大可增產(chǎn)56.65%。

[1] SUN Zhigao, SUN Wenguang, TONG Chuan, et al. China’s coastal wetlands： Conservation history, implementation efforts, existing issues and strategies for future improvement [J]. Environment International, 2015, 79： 25-41.

[2] 李建國(guó), 濮勵(lì)杰, 朱明,等. 土壤鹽漬化研究現(xiàn)狀及未來研究熱點(diǎn)[J]. 地理學(xué)報(bào), 2012, 67(9)： 1233-1245.

[3] DUAN Huabo, ZHANG Hui, HUANG Qifei, et al.Characterization and environmental impact analysis of sea land reclamation activities in China [J]. Ocean & Coastal Management, 2016, 130： 128-137.

[4] 李建國(guó), 濮勵(lì)杰, 徐彩瑤, 等. 1977—2014年江蘇中部濱海濕地演化與圍墾空間演變趨勢(shì)[J]. 地理學(xué)報(bào), 2015,70(1)： 17-28.

[5] 劉立軍, 徐偉, 桑大志, 等. 實(shí)地氮肥管理提高水稻氮肥利用效率[J]. 作物學(xué)報(bào), 2006, 32(7)： 987-994.

[6] 李長(zhǎng)生. 土壤碳儲(chǔ)量減少：中國(guó)農(nóng)業(yè)之隱患——中美農(nóng)業(yè)生態(tài)系統(tǒng)碳循環(huán)對(duì)比研究[J]. 第四紀(jì)研究, 2000, 20(4)：345-350.

[7] 張黎明. 太湖地區(qū)水稻土有機(jī)碳演變模擬的尺度效應(yīng)研究[D].南京： 南京農(nóng)業(yè)大學(xué), 2009.

[8] 夏文建, 周衛(wèi), 梁國(guó)慶, 等. 稻麥輪作農(nóng)田氮素循環(huán)的dndc模型分析[J]. 植物營(yíng)養(yǎng)與肥料學(xué)報(bào), 2012(1)： 77-88.

[9] 高崇升, 楊國(guó)亭, 王建國(guó), 等. Century模型在農(nóng)田生態(tài)系統(tǒng)中的應(yīng)用及其參數(shù)確定[J]. 土壤與作物, 2006, 22(1)：50-52.

[10] 韓其飛, 羅格平, 李超凡, 等. 基于 biome-bgc模型的天山北坡森林生態(tài)系統(tǒng)碳動(dòng)態(tài)模擬[J]. 干旱區(qū)研究, 2014,31(3)： 375-382.

[11] 王金洲. Rothc模型模擬我國(guó)典型旱地土壤的有機(jī)碳動(dòng)態(tài)及平衡點(diǎn)[D]. 北京： 中國(guó)農(nóng)業(yè)科學(xué)院, 2011.

[12] NOIROT-COSSON P E, DHAOUADI K, ETIEVANT V, et al. Parameterisation of the ncsoil model to simulate c and n short-term mineralisation of exogenous organic matter in different soils[J]. Soil Biology & Biochemistry, 2017, 104：128-140.

[13] 李長(zhǎng)生. 生物地球化學(xué)的概念與方法──dndc模型的發(fā)展[J]. 第四紀(jì)研究, 2001, 21(2)： 89-99.

[14] 王相平, 楊勁松, 姚榮江, 等. 蘇北灘涂水稻微咸水灌溉模式及土壤鹽分動(dòng)態(tài)變化[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2014, 30(7)：54-63.

[15] 王巧環(huán), 任玉芬, 孟齡, 等. 元素分析儀同時(shí)測(cè)定土壤中全氮和有機(jī)碳[J]. 分析試驗(yàn)室, 2013, 10(10)： 41-45.

[16] 何瑞銀, 羅漢亞, 李玉同, 等. 水稻不同種植方式的比較試驗(yàn)與評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2008, 24(1)： 167-171.

[17] LI Changsheng, FROLKING S, HARRISS R. Modeling carbon biogeochemistry in agricultural soils [J]. Global Biogeochemical Cycles, 1994, 8(3)： 237-254.

[18] LI Changsheng, ZHUANG Y H, FROLKING S, et al.Modeling soil organic carbon change in croplands of China [J].Ecological Applications, 2003, 13(2)： 327-336.

[19] 邱建軍, 王立剛, 李虎, 等. 農(nóng)田土壤有機(jī)碳含量對(duì)作物產(chǎn)量影響的模擬研究[J]. 中國(guó)農(nóng)業(yè)科學(xué), 2009, 42(1)：154-161.

[20] LI Changsheng, FARAHBAKHSHAZAD N, DAN B J, et al.Modeling nitrate leaching with a biogeochemical model modified based on observations in a row-crop field in iowa [J].Ecological Modelling, 2006, 196(1/2)： 116-130.

[21] SHLOMO ORR, LI Jing. Modeling of virus transport in the subsurface, southern oahu, hawaii [D]. Water Resources Research Center University of Hawaii at Manoa, 1997.

[22] 喻朝慶, 李長(zhǎng)生, 張峰, 等. 大尺度農(nóng)業(yè)因旱減產(chǎn)動(dòng)態(tài)預(yù)報(bào)及不同空間尺度的災(zāi)情重現(xiàn)期變化評(píng)估：以遼寧省為例[C]. 北京： 中國(guó)氣象學(xué)會(huì)年會(huì), 2014： 1-17.

[23] GUO Miao, LITTLEWOOD J, JOYCE J, et al. The environmental profile of bioethanol produced from current and potential future poplar feedstocks in the eu [J]. Green Chemistry, 2014, 16(11)： 4680-4695.

[24] 陳海心, 孫本華, 馮浩, 等. 應(yīng)用 dndc模型模擬關(guān)中地區(qū)農(nóng)田長(zhǎng)期施肥條件下土壤碳含量及作物產(chǎn)量[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2014, 33(9)： 1782-1790.

[25] 高效江, 胡雪峰, 王少平, 等. 淹水稻田中氮素?fù)p失及其對(duì)水環(huán)境影響的試驗(yàn)研究[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2001,20(4)： 196-198.

[26] 李娟, 彭金靈, 康娟, 等. 減施氮肥對(duì)稻田土壤剖面養(yǎng)分分布特征的影響[J]. 熱帶作物學(xué)報(bào), 2012, 33(8)： 1378-1383.

[27] 李娟. 不同施肥模式對(duì)水稻生長(zhǎng)發(fā)育及稻田剖面養(yǎng)分分布的影響[D]. 北京： 中國(guó)農(nóng)業(yè)科學(xué)院, 2011.

[28] 趙言文, 劉輝, 胡正義, 等. 不同時(shí)期圍海造田水稻土肥力剖面分布特征[J]. 土壤通報(bào), 2009(1)： 56-59.

[29] 宋亞娜, 林智敏, 林艷. 氮肥對(duì)稻田土壤反硝化細(xì)菌群落結(jié)構(gòu)和豐度的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20(1)：7-12.

[30] 鄧建才, 陳效民, 柯用春, 等. 土壤水分對(duì)土壤中硝態(tài)氮水平運(yùn)移的影響[J]. 中國(guó)環(huán)境科學(xué), 2004, 24(3)： 280-284.

[31] 王艾榮, 羅漢金, 梁博, 等. 硝化細(xì)菌在3種沉積土壤中的變化規(guī)律研究：Ⅰ硝化細(xì)菌與土壤種類的關(guān)系[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2008, 27(2)： 665-669.

[32] 李晨光, 王暄. 碳源利用方式對(duì)好氧顆粒污泥同步硝化反硝化的影響[J]. 工業(yè)水處理, 2009, 29(12)： 66-69.

[33] 陳旭, 陳效民, 張聰聰, 等. 太湖地區(qū)小麥生育期麥田土壤銨態(tài)氮和硝態(tài)氮含量的模擬與預(yù)測(cè)[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào), 2015, 38(1)： 93-100.

[34] 王德營(yíng), 姚艷敏, 司海青, 等. 黑土有機(jī)碳變化的 dndc模擬預(yù)測(cè)[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2014, 22(3)： 277-283.

[35] 楊興. 基于dndc模型土壤有機(jī)碳變化和作物產(chǎn)量空間估算[D]. 哈爾濱： 哈爾濱師范大學(xué), 2015.

[36] 杜永林, 張巫軍, 吳曉然, 等. 江蘇省水稻產(chǎn)量時(shí)空變化特征[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào), 2014, 37(5)： 7-12.

[37] 劉賽. 北疆引水工程邊坡防護(hù)現(xiàn)狀調(diào)查與植物的適應(yīng)性[D].北京： 中國(guó)科學(xué)院大學(xué), 2015.