王維剛，史海濱，李仙岳，孫亞楠，張文聰，周 慧

(1：內蒙古農業(yè)大學水利與土木建筑工程學院，呼和浩特 010018) (2：高效節(jié)水技術裝備與水土環(huán)境效應內蒙古自治區(qū)工程研究中心，呼和浩特 010018)

烏梁素海是黃河流域代表性湖泊，其對于黃河流域生態(tài)保護和經(jīng)濟高質量發(fā)展以及水利結構與生態(tài)環(huán)境有著至關重要的作用. 處于烏梁素海流域腹地的內蒙古河套灌區(qū)作為我國重要的糧食產區(qū)，其在農業(yè)生產中為實現(xiàn)高產而大量施用化肥，且施肥量逐年增加[1]. 已有統(tǒng)計數(shù)據(jù)顯示，2019年烏梁素海流域化肥施用量達到127.07萬t[2]. 流域化肥利用率僅30%左右[3]，多數(shù)肥料隨水通過各排干溝匯入總排干溝排出，排退水最后注入烏梁素海. 烏梁素海長期接納流域內各級排干溝的農田退排水，農業(yè)農村面源污染負荷已逐步成為烏梁素海的主要污染源. 氮磷營養(yǎng)鹽的增加，導致湖泊水體呈富營養(yǎng)化，湖泊水質下降[4]. 加之受干旱區(qū)強烈的蒸發(fā)濃縮作用的影響，烏梁素海水質咸化，泥沙淤積嚴重，進而造成植被退化，嚴重威脅湖泊及周邊地區(qū)的生態(tài)環(huán)境[5]. 據(jù)資料顯示，每年由總排干溝排入的水量占總補給水的85%，總排干溝的水質狀況決定了烏梁素海水質的狀態(tài)[6]. 研究顯示，2009-2017年期間，總排干溝非點源總氮污染負荷多年平均為1793.09 t，占污染物(點源與非點源)總負荷量的36.82%，且逐年持續(xù)上升，其主要誘導因素是大量的農田排水[7]. 在2006-2014年間烏梁素?？偟⒖偭诐舛染捣謩e達到2.66和0.20 mg/L[8]. 烏梁素海生態(tài)治理、修復是個長期而艱巨的過程，需要綜合施策、科學治理. 當?shù)貓猿帧昂鹊膯栴}功夫下在湖外”的治理思路和途徑，由單純的“治湖泊”向系統(tǒng)的“治流域”轉變，走以生態(tài)優(yōu)先、綠色發(fā)展為導向的高質量發(fā)展路子. 近年來，通過在流域內開展控肥、控藥、控水和控膜等措施，減少了農業(yè)面源污染，使得烏梁素海水體的富營養(yǎng)化程度逐漸減輕[9]. 因此，研究減少流域內農田排退水量或改善排退水水質狀況對減少烏梁素海營養(yǎng)物入湖負荷具有重要研究意義.

不合理的灌溉、施肥和耕作是導致烏梁素海流域農業(yè)面源污染的主要根源[10]. 烏梁素海流域年均農業(yè)灌溉引水量在45億m3左右[11]，同時流域內農田灌溉方式長期以地面灌溉(畦灌)為主. 研究顯示，流域小麥-玉米間作平畦灌溉平均水分利用效率僅為1.18 kg/m3，水分利用效率低下[12-13]，增加了養(yǎng)分的淋洗效率. Yang等[14]的研究指出，在砂質農田地區(qū)，減少氮肥和灌溉水的投入以減輕硝酸鹽的積累和淋失具有很大的潛力. 常菲等[15]的研究表明，同一改良措施下氨揮發(fā)損失率滴灌比漫灌降低10.7%～31.0%. 張忠學等[16]的研究指出，氮素盈余量和表觀損失量隨灌水量的增加表現(xiàn)為先降低后增加. 另外，適宜的減量施肥可從源頭控制養(yǎng)分流失[17]，減少土壤養(yǎng)分盈余量[18]，避免因肥料過剩隨水流失，從而改善農田水土環(huán)境. 張忠學等[16]的研究還表明，增加施氮量可以提高土壤無機氮殘留量和氮素盈余，而作物氮素吸收量隨著施氮量的增加呈先增后減的趨勢. 此外，流域常年在秋收后秋澆前時期采用鏵式犁翻耕土地的耕作方式，導致犁底層變硬，土壤保水保肥能力下降[19]. 有研究指出，不同的耕作方式對區(qū)域土壤水熱鹽及作物生長[20]、作物產量[21]和土壤養(yǎng)分的流失[22]均會產生不同的影響. 綜上，烏梁素海流域同時存在灌水量、施肥量和耕作方式不合理的問題，導致大量養(yǎng)分在土壤積累并滲漏到地下水，最終排入烏梁素海，導致湖泊水質惡化. 然而，當前農田管理的研究主要側重于單個因素的田間試驗[13-15,22]，多個農田管理因素交互作用的研究較少. 另外，鮮有不同灌期削減灌水量因素對污染物負荷差異方面的研究.

作為對區(qū)域水文與營養(yǎng)物定量描述使用最多和最為有利的工具[23-24]，SWAT(soil and water assessment tool)分布式水文模型具有一定的物理基礎，充分考慮地域空間異質性，是研究灌區(qū)水量平衡與養(yǎng)分流失及其轉化關系行之有效的手段[25-27]. 大量學者根據(jù)灌區(qū)自身特性對SWAT模型進行了針對性的改進，并對灌區(qū)的水文及污染物負荷進行了模擬且得到了較好的模型性能[25-26,28]. Xiong等[28-29]介紹了用于模擬干旱地下水淺埋灌區(qū)的改進SWAT-AG模型，提供了模擬土壤鹽分運動和鹽脅迫對作物生長影響的功能，但該改進模型僅驗證了徑流和鹽分模擬，未對水質模擬進行測試評價，且模擬驗證時段較短，缺少長時間序列的模擬. 王維剛等[30]利用遙感訂正灌區(qū)作物種植結構數(shù)據(jù)，有效提高了SWAT模型在灌區(qū)的模擬精度. SWAT模型通過設置灌水量、施肥量及耕作方式等能夠模擬不同農田管理情景對區(qū)域營養(yǎng)物負荷和作物產量的影響[22,31-32]. 然而，以往學者多以農田尺度為研究對象[13-15]，研究中存在較多限制，如單一作物研究、設置處理偏少、研究時段較短. 基于SWAT模型模擬綜合考慮了多種作物類別及區(qū)域空間異質性因素. 此外，利用SWAT模型能夠定量計算出灌區(qū)內排水溝營養(yǎng)物的流入量，可從源頭控制烏梁素海入湖污染物負荷量.

基于以上問題，本文在Xiong等[28-29]改進SWAT模型及王維剛等[30]訂正作物種植結構數(shù)據(jù)的基礎上，以烏梁素海流域為研究區(qū)，利用紅圪卜揚水站排水量、硝態(tài)氮和總磷排放實測值、地下水埋深及作物產量率定和驗證改進的SWAT模型，并在模型驗證后模擬分析不同農田管理情景(削減灌水量、施肥量、優(yōu)化耕作方式及3者組合方案)對3種作物(玉米、葵花和小麥)種植下的硝態(tài)氮和總磷負荷及產量的影響，以期確定基于經(jīng)濟與環(huán)境角度的最優(yōu)灌溉-施肥-耕作方案，從源頭減少烏梁素海流域面源污染及提升烏梁素海水質狀況.

1 材料與方法

1.1 研究區(qū)概況

烏梁素海流域(40°15′～41°18′N，106°20′～109°19′E)位于內蒙古西部黃河流域中間地帶(巴彥淖爾市境內)(圖1)，平均海拔為1024 m，屬于大陸性季風氣候，年平均最低溫度與最高溫度分別為-10和23℃；年降雨量平均僅為145～216 mm，其中80%發(fā)生在6-8月，年內潛在蒸發(fā)量達2200～2400 mm，是典型的干旱-半干旱地區(qū). 烏梁素海作為全球干旱地區(qū)極為少見的大型多功能草原湖泊，承擔著重要的水文和生態(tài)功能. 河套灌區(qū)處在烏梁素海流域腹地，灌區(qū)主要種植作物為玉米、葵花和小麥，插花種植結構在農田生態(tài)系統(tǒng)中普遍存在，作物分布較為破碎散亂. 灌區(qū)主要灌水方式為畦灌，分春灌(4月中旬)、夏灌(5-9月)和秋澆(10月中旬-11月中旬)3個灌水時期. 不同作物施肥模式主要是播種期施入底肥(磷酸二銨)，生育期追肥(尿素)；主要耕作方式采用在秋收后秋澆前階段利用鏵式犁翻耕. 研究區(qū)流域邊界由SWAT模型根據(jù)排水渠系及數(shù)字高程模型(digital elevation model，DEM)數(shù)據(jù)定義得出(表1)，主要包括解放閘灌域(西)、永濟灌域(中)及義長灌域(東)3個部分，流域內的農田退水總體經(jīng)1至7排干溝匯集于總排干溝最終從研究區(qū)總出口紅圪卜揚水站排入烏梁素海. 流域近20年平均引水量和平均排水量分別為45.49億和3.44億m3. “灌溉-入滲-排水”已成為導致烏梁素海流域農業(yè)面源污染及烏梁素海水環(huán)境惡化的主要驅動力.

圖1 研究區(qū)子流域劃分(圖內數(shù)字1～35為子流域編號)Fig.1 Sub watershed diversion of study area

1.2 SWAT模型介紹及改進SWAT模型簡述

SWAT模型通過建模模擬流域內產水、產沙、營養(yǎng)物質循環(huán)等物理過程的發(fā)生. 模型進行水文、水質模擬可劃分為2個階段：1)控制子流域水流、營養(yǎng)物等向主河道輸入的陸地階段；2)流域河網(wǎng)中水流、營養(yǎng)物等向出水口運移的水文、營養(yǎng)物質循環(huán)匯流階段. 本研究通過第2階段利用流域出口水量水質排放實測值對SWAT模型進行校準和驗證，通過第1階段對HRU向主河道輸入的營養(yǎng)物質進行了模擬.

改進SWAT模型是為加強干旱地下水淺埋灌區(qū)水文建模而開發(fā)，最早由Xiong等[28-29]采用SWAT 2012原始版本，對土壤水平衡、溶質平衡、地下水平衡和植物生長等模塊進行了修改. 針對毛管上升水的模擬，在SWAT源程序中新添加一個subroutine capriw，該子程序用于計算每一層土壤的毛管上升水量；同時修改subroutine swbl，使得土壤水平衡模擬包含了毛管上升水部分. 針對地表覆蓋影響，修改subroutine etact，用于修正潛在土壤蒸發(fā)量. 針對土壤鹽分平衡模擬，在源程序中新添加一個subroutine solsr，該子程序用于計算每一層土壤的鹽分儲量. 針對鹽分脅迫模擬，在源程序中新添加一個subroutine sstr，該子程序用于估算作物鹽分脅迫系數(shù)；同時，修改subroutine grow，使得作物的生長考慮了鹽分脅迫. 針對地下水平衡模擬，在源程序中新添加一個subroutine gwbl，包含用于計算地下水儲量變化的各水平衡項；同時，在源程序中新添加一個subroutine chanleag和subroutine draingw，分別用于計算渠道向地下水的滲漏量和地下水向排水溝的排水量.

1)基于HRU尺度的土壤水平衡模塊增加了地下水向上毛管上升水，使得土壤水平衡方程按如下公式計算：

SWj+1=SWj+(1+P+CRtz-D-L-ET-R)·Δt

(1)

式中，SWj為第j天的土壤儲水量(mm)；I為灌溉量(mm/d)；P為降雨量(mm/d)；CRtz為來自非飽和帶的毛管上升水；D為深層滲漏量(mm/d)；L為側向流量(mm/d)；ET為實際蒸散發(fā)量(mm/d)；R為地表徑流量(mm/d)；Δt為時間步長(d).

2)增加了2種農藝措施包括耕地田埂和地表覆蓋，用于限制農田灌水進行地表徑流和減少土壤蒸發(fā).

3)基于土壤水平衡，增加了一個多層土壤鹽平衡模塊，用于模擬土壤剖面中的鹽分運動并計算土壤儲鹽量. 各土壤層的鹽分平衡方程如下：

(2)

(3)

式中，下標i表示第i層土壤，NL為土壤層總數(shù)；S為土壤鹽分儲量(g/m2)；CIR為灌溉水鹽分濃度(g/L)；C為土壤層鹽分濃度(i=NL時，Ci+1為過渡區(qū)鹽分濃度)(g/L).

過渡區(qū)的鹽分平衡公式如下：

TSj+1=TSj+(DNL·CNL-Dtz·Ctz+CRg·Cg-CRtz·Ctz)·Δt

(4)

式中，TS為過渡區(qū)的鹽分儲量(g/m2)；DNL為過渡區(qū)的深層滲漏量(mm/d)；Dtz為實際毛管上升水量(mm/d)；Cg為地下水鹽分濃度(g/L).

4)基于HRU尺度引入鹽分脅迫因子(Ks)結合水分脅迫(strssw)來限制作物蒸散量(Ets).

Ets=Et·Kw·Ks

(5)

式中，Ets為實際植物蒸騰量(mm/d)；Et為潛在植物蒸騰量(mm/d)；Kw為水分脅迫系數(shù).

5)針對相應子流域的淺層含水層，增加了一個地下水平衡模塊，用于估算子流域尺度上的地下水儲量變化，并進一步計算出HRU尺度上每日地下水埋深，用于計算地下水毛管上升水.

(6)

(7)

(8)

式中，下標k表示子流域中第k個HRU；ΔGW為HRU的地下水儲量變化(mm/d)；CS為渠系滲漏量(mm/d)；Qg為排水量(mm/d)；Qp為水井抽取的水量(mm/d)；δgw為地下水補給延遲時間；ΔGWsub為子流域的地下水儲量的變化(mm/d)；Ak為HRU的面積(m2)；GWD為地下水埋深(mm)；Sy為給水度(-).

詳細的模型改進方法的介紹見文獻[28-29].

1.3 模型構建與校正及驗證

1.3.1 研究區(qū)數(shù)據(jù)及模型構建 改進SWAT模型需要輸入的數(shù)據(jù)包括空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫(表1). 為獲得流域真實水系及子流域劃分，研究采用結合Burn-in算法與預定義子流域的方法. 具體劃分方法按以下3步進行：1)通過Burn-in功能添加由Google earth軟件繪制好的矢量水系，進行子流域劃分；2)以劃分后的子流域邊界及數(shù)量為依據(jù)，與流域實際灌排渠系進行對照，以此預定義符合流域實際的子流域邊界及位置；3)結合提取的河網(wǎng)屬性賦予流域實際子流域屬性信息. 研究區(qū)劃分得到35個子流域(圖1). 采用Landsat 8 OLI(30 m×30 m)遙感數(shù)據(jù)對流域耕地部分作物進行分類提取，并與無作物分類的原土地利用類型圖融合得到具有作物分類的土地利用類型圖，訂正了模型輸入的作物種植結構數(shù)據(jù)[30]. 根據(jù)研究區(qū)訂正后土地利用分布圖(圖2a)和土壤類型分布圖(圖2b)離散化得到638個水文響應單元. 其中土壤屬性數(shù)據(jù)利用SPAW 6.02.70軟件計算得到；研究區(qū)出口月實測排水數(shù)據(jù)、硝態(tài)氮和總磷排放數(shù)據(jù)、作物產量數(shù)據(jù)及月平均地下水埋深數(shù)據(jù)用于模型的率定和驗證. 將畜禽養(yǎng)殖糞尿和農村生活污水產生的污染概化后轉化為化肥以連續(xù)施肥的方式施用到相應子流域的耕地中進行模擬計算，將城鎮(zhèn)生活污水及工業(yè)排污產生的污染概化后以點源的形式輸入SWAT模型中. 研究核算的點源污染排放共包括7個污水處理廠(圖1)，各排污口多年平均點源總磷排放量共28839.5 kg，占紅圪卜揚水站總排放量的4.3%(不包括烏拉特前旗排污口)；各排污口多年平均點源硝態(tài)氮排放量共514481.9 kg，占總排放量的16.2%. 輸入研究區(qū)氣象數(shù)據(jù)、灌水參數(shù)、施肥參數(shù)建立SWAT模型，其中農田管理措施中的灌水參數(shù)與施肥參數(shù)數(shù)據(jù)基于本研究前期成果[30].

表1 模型構建所需數(shù)據(jù)及數(shù)據(jù)來源

圖2 研究區(qū)土地利用類型及土壤類型空間分布Fig.2 Spatial distributions of land use type and soil type of study area

1.3.2 模型校正及驗證 模型構建后需要采用實測數(shù)據(jù)對其進行校正及驗證. 本文采用流域出口紅圪卜揚水站實測月排水、硝態(tài)氮和總磷排放數(shù)據(jù)、月平均地下水埋深數(shù)據(jù)及研究區(qū)作物產量數(shù)據(jù)對模型進行校正及驗證. 采用SWAT-CUP軟件中的SUFI 2(Sequential Uncertainty Fitting version 2)算法[33]及反復試錯法對模型參數(shù)進行率定. 本研究依據(jù)前期研究成果[30]及烏梁素海流域已有研究[29]，以2008年作為模型預熱期，利用研究區(qū)出口2009-2014年徑流、硝態(tài)氮和總磷監(jiān)測數(shù)據(jù)對敏感參數(shù)進行率定校正模擬過程，經(jīng)率定確定敏感參數(shù)取值后，利用2015-2018年監(jiān)測數(shù)據(jù)對模擬過程進行驗證. 以2009-2014年研究區(qū)實測月平均地下水埋深數(shù)據(jù)對模型進行率定，利用2015-2017年數(shù)據(jù)對模型進行驗證. 以2010-2014年3種作物實測產量數(shù)據(jù)對模型進行率定，確定作物生長參數(shù)取值后，利用2015-2017年數(shù)據(jù)對模型進行驗證. 模型在劃分流域邊界時主要包括杭錦后旗、臨河區(qū)和五原縣3個行政區(qū)，因此每一種作物的產量實測數(shù)據(jù)采用這3個區(qū)域的產量和對應種植面積的加權平均值. 本文采用相對誤差(relative error，RE)、決定系數(shù)(R2)和Nash-Sutcliffe效率系數(shù)(Ens)來評估模擬效率[34].

1.4 農田管理措施情景設計

1.4.1 灌溉管理措施情景 基于烏梁素海流域現(xiàn)有的灌溉模式和主要種植作物，選擇玉米、葵花和小麥3種作物. 流域主要灌水時期分為春灌期、夏灌期和秋澆期. 春灌期一般在4月中旬左右，主要灌溉玉米和小麥，而葵花在4月中旬一般不灌溉，第1次灌水在5月20日左右. 流域現(xiàn)狀灌水量主要通過對當?shù)剞r民常年灌水習慣實地調查綜合分析得到，調查年份為2016年(平水年). 根據(jù)屈忠義等[11]在2015年對不同水平年降雨量的分析成果可知，本研究連續(xù)模擬的10年中僅2012年為豐水年，平水年分別為2010、2014、2015、2016和2018年，枯水年分別為2009、2011、2013和2017年. 以烏梁素海流域推廣農用節(jié)水并保證作物產量為目標，通過削減不同灌期作物灌水量以減少營養(yǎng)物負荷. 研究對3種作物不同灌期分別減少作物年灌溉定額的5%、10%，折算到作物各個灌期設計灌水量處理中，每種作物各6個情景(I1～I6)，共18個灌水情景(表2).

表2 灌溉管理措施中不同灌期玉米、葵花和小麥的灌溉水平

1.4.2 施肥管理措施情景 基于烏梁素海流域現(xiàn)有的施肥水平，以保證3種作物產量為目標，通過削減作物氮磷施肥量以減少營養(yǎng)物負荷，對3種作物分別設置4個施肥水平削減方案(分別較現(xiàn)狀氮磷施肥量削減10%、20%、25%和30%)，每種作物各4個情景(F1～F4)，共計12個施肥情景(表3).

表3 施肥管理措施中玉米、葵花和小麥的氮、磷施肥水平*

表4 耕作管理措施中考慮的耕作 方案及其相關參數(shù)

1.4.3 耕作管理措施情景 基于烏梁素海流域常年耕作方式，采用免耕、少耕、常規(guī)春耕和模板犁4種耕作處理(T1～T4)，研究其對3種作物營養(yǎng)物負荷及作物產量的影響. 4種耕作處理對于營養(yǎng)物再分配所需的混合深度與混合效率見表4，均采用模型默認值，表現(xiàn)出模板犁>常規(guī)春耕>少耕>免耕，混合效率指由混合深度指定的整個土壤深度范圍內，均勻混合的土壤表面營養(yǎng)物、秸稈等所占分數(shù)，剩余部分留在原處(土壤表面或土層).

1.5 HRU尺度營養(yǎng)物流失及作物產量分析和計算方法

使用驗證后的改進SWAT模型對2009-2018年現(xiàn)狀情景及對每種作物設置的6個灌溉情景、4個施肥情景與4個耕作情景進行了模擬. 現(xiàn)狀情景模擬指利用驗證后的SWAT模型在流域現(xiàn)狀農藝措施條件下對研究區(qū)進行的第1次模擬. 針對研究設置的每個管理情景，模型在同一時期(2009-2018年)運行，以計算該管理措施實施后的硝態(tài)氮、總磷及作物產量的模擬值. 由于烏梁素海流域不同作物的灌溉、施肥存在差異，且流域的種植比例相差很大，僅僅計算不同作物營養(yǎng)物流失總量不足以說明問題，也不方便進行對比分析. 因此，本文通過計算不同作物單位面積的營養(yǎng)物流失量來描述烏梁素海流域營養(yǎng)物流失情況，用流失強度L表示，單位為kg/hm2. 模擬結果可獲得流域內各HRU尺度上某一土地覆蓋條件下營養(yǎng)物由陸面向排水溝的遷移量(即SWAT模型的陸地階段)或土地覆蓋作物產量，特定作物多年平均營養(yǎng)物流失量及產量按式(9)計算. 不同管理措施對營養(yǎng)物流失或作物產量的影響以相比于現(xiàn)狀情景下各營養(yǎng)物多年平均流失量或作物產量的百分比變化表示，如式(10)所示.

(9)

(10)

式中，LCN表示某一特定作物多年平均營養(yǎng)物流失量或作物產量，kg/hm2；Aci表示模擬期內某年某月對應特定作物所在HRU的面積，hm2；lni表示模擬期內某年某月對應特定作物所在HRU的營養(yǎng)物流失量或作物產量，kg/hm2；n表示特定作物所在HRU的數(shù)量；j表示年內模擬月；k表示模擬年.R表示變化率(%)，正值表示與初始條件相比減少了輸出，負值表示與初始條件相比增加了輸出. preBMP表示現(xiàn)狀情景下年平均營養(yǎng)物流失量，kg/hm2；postBMP表示實施農田管理措施后的年平均營養(yǎng)物流失量，kg/hm2.

1.6 HRU尺度硝態(tài)氮與總磷模擬值計算方法

改進的SWAT模型經(jīng)校準驗證后需要根據(jù)設計好的農田管理措施情景對HRU尺度不同營養(yǎng)物的輸出負荷進行模擬，而在HRU尺度上沒有直接對應的硝態(tài)氮和總磷輸出量，因此將模型輸出的各路徑硝態(tài)氮和各形態(tài)磷元素加和作為總負荷，其中模擬出的硝態(tài)氮負荷計算如下所示：

NO3=NSURQ+NLATQ+NO3GW

(11)

式中，NO3為硝態(tài)氮總負荷，kg/hm2；NSURQ為地表硝態(tài)氮負荷，kg/hm2；NLATQ為側向硝態(tài)氮負荷，kg/hm2；NO3GW為地下硝態(tài)氮負荷，kg/hm2.

磷元素包括有機磷、地表與地下可溶性磷總量，模擬出的總磷負荷計算如式(12)所示：

P=ORGP+SOLP+P_GW

(12)

式中，P為總磷負荷，kg/hm2；ORGP為有機磷負荷，kg/hm2；SOLP為地表可溶性磷負荷，kg/hm2；P_GW為地下可溶性磷負荷，kg/hm2.

2 結果與分析

2.1 模型敏感參數(shù)及取值

如表5所示，研究選取的與徑流及地下水相關的敏感參數(shù)參照了烏梁素海流域已有研究[29]及本研究前期成果[30]，其敏感參數(shù)取值與Xiong等[29]的研究結果有所不同，可能是由于本文用于參數(shù)率定的實測數(shù)據(jù)時間序列較長的緣故. 另外，為限制研究區(qū)耕地地表徑流，研究將耕地部分的地表徑流曲線數(shù)CN值設置為0.5. 硝態(tài)氮敏感參數(shù)依照前期研究成果選取后進行率定，研究發(fā)現(xiàn)，本研究中的硝態(tài)氮敏感參數(shù)排序與前期研究成果相同，僅在取值上與前期研究稍有變動，說明烏梁素海流域硝態(tài)氮敏感參數(shù)相對較穩(wěn)定. 研究最終選取了7個總磷敏感參數(shù)，敏感性排名前3的分別是磷滲流系數(shù)、磷土壤分配系數(shù)和磷可利用率指數(shù)，這表明了烏梁素海流域磷的遷移轉化主要是在土壤中(陸地區(qū)域)進行的，而在河道內各形態(tài)磷的循環(huán)轉化活躍性相對較差. 研究中關于作物生長的參數(shù)選取及取值參照了Xiong等[28-29]的研究結果，共選取6個作物生長敏感參數(shù). 模型中需要輸入的其他參數(shù)及取值均依照文獻[29].

2.2 SWAT模型模擬結果及效率評價

應用改進的SWAT模型經(jīng)過反復率定確定了各參數(shù)的最優(yōu)取值后，最終計算得到長時間序列的徑流、硝態(tài)氮、總磷、月平均地下水埋深和作物產量的模擬評價指標(表6). 由表6可以看到，各變量在率定期和驗證期的決定系數(shù)R2≥0.6，效率系數(shù)Ens≥0.5，相對誤差RE的絕對值均低于20%，滿足SWAT模型校準評價標準. 由此可知，通過合理地參數(shù)率定，改進后的SWAT模型具有良好的模擬效果，能夠較好地反映烏梁素海流域排溝流量、硝態(tài)氮與總磷排放量、地下水埋深動態(tài)及作物產量. 本研究顯示，改進SWAT模型能夠較好地模擬硝態(tài)氮和總磷流失量，這是因為施肥是導致氮素和磷素流失的重要因素，灌水是氮磷流失的必要條件. 因此，成功地模擬灌區(qū)水循環(huán)為較好地模擬氮磷流失創(chuàng)造了有利條件[35].

如圖3所示，模型模擬的研究區(qū)出口月徑流過程、月硝態(tài)氮與月總磷排放過程和月平均地下水埋深同實測結果具有較好的一致性，但徑流模擬的峰值總體上要略高于實測的峰值，說明模型的地表產流調蓄模擬方面要高于實際情況. 本研究基于HRU尺度模擬結果獲取了地下水埋深空間分布(圖4)，以2016年為例，改進SWAT模型模擬的地下水埋深空間分布與實測地下水埋深空間Kriging插值圖總體上具有較好的一致性，能夠較好地反映灌區(qū)地下水埋深的空間特征. 如圖5所示，研究區(qū)8年作物產量模擬值與實測值基本分布在1∶1線附近，作物產量較其他指標具有更好的模擬性能，這是由于研究中利用遙感技術精準的提取灌區(qū)作物種植結構數(shù)據(jù)，從而優(yōu)化了作物參數(shù)的模擬. 模擬過程中發(fā)現(xiàn)，除硝態(tài)氮外，其余變量的驗證期精度均略高于率定期，由于烏梁素海流域水文水質及作物指標模擬受灌水量、施肥量及作物種植結構數(shù)據(jù)等因素影響很大，考慮到3方面因素使得驗證期精度高于率定期精度. 一方面，驗證期的灌水量、施肥量參數(shù)及作物種植結構數(shù)據(jù)模型輸入值較率定期更接近于灌區(qū)的實際數(shù)據(jù)，從而模擬精度更高；另一方面，驗證期模擬時段長度小于率定期，用于率定期的數(shù)據(jù)量多于驗證期的數(shù)據(jù)量，在一定程度上降低了率定期模擬精度；最后，因所選土地利用(包括種植結構數(shù)據(jù))為2018年，與驗證期更為接近，在一定程度上提高了驗證期模擬精度. 總的來說，改進SWAT模型能夠有效地模擬烏梁素海流域的徑流、氮磷營養(yǎng)物負荷、地下水埋深動態(tài)及作物產量.

表5 徑流、地下水埋深、硝態(tài)氮、總磷及作物生長敏感參數(shù)及取值*

表6 徑流、地下水埋深、硝態(tài)氮、總磷和作物產量模擬校驗效率評價

圖3 研究區(qū)出口徑流量(a)、硝態(tài)氮排放量(b)和總磷排放量(c) 及地下水埋深(d)模擬值與實測值的月際動態(tài)Fig.3 The monthly dynamics of the simulated and measured values of the outlet runoff (a), nitrate nitrogen emissions (b) and total phosphorus emissions (c) and groundwater depth (d) in the study area

圖4 研究區(qū)2016年地下水埋深空間Kriging插值(a)與模型模擬(b)的空間分布Fig.4 Spatial Kriging interpolation (a) and model simulation (b) spatial distribution of groundwater depth in the study area in 2016

2.3 削減灌水量對不同作物營養(yǎng)物負荷及產量的影響

利用驗證后的改進SWAT模型對不同種植作物現(xiàn)狀灌溉情景及設置的6種灌溉削減情景進行模擬并計算分析，得到了不同灌期灌水量削減情景下的硝態(tài)氮、總磷和作物產量結果(圖6). 總體上看，不同作物各營養(yǎng)物負荷指標和產量對削減灌水量管理的響應規(guī)律存在差異. 玉米種植條件下(圖6a)，削減不同灌期灌水量可顯著(除了I1處理不顯著)降低硝態(tài)氮負荷量8.2%～17.4%(P<0.05)，其中削減10%秋澆水量(I6)降低幅度最大. 削減不同灌期灌水量可降低玉米地總磷負荷量4.7%～9.3%，但差異并不顯著(P=0.295). 削減不同灌期灌水量對玉米產量的影響存在差異，其中削減5%夏灌水量(I2)可顯著增加玉米產量10.32%(P<0.05)，而削減10%夏灌水量(I5)則顯著降低玉米產量15.16%(P<0.05)，其余處理不顯著(P>0.05).

葵花種植條件下(圖6b)，削減不同灌期灌水量可顯著(除了I1、I4處理不顯著)降低硝態(tài)氮負荷量8.8%～20.8%(P<0.05)，其中I6處理降低幅度最大. 削減不同灌期灌水量僅I5和I6處理顯著降低總磷負荷量13.2%和14.1%(P<0.05)，其余處理不顯著. 削減5%夏灌水量(I2處理)可使葵花產量增加最多達4.3%，而I5處理則使葵花產量減少最多達8.2%，但差異均不顯著(P>0.05).

小麥種植條件下(圖6c)，削減不同灌期灌水量可顯著(除了I2處理不顯著)降低硝態(tài)氮負荷量8.1%～11.2%，其中I6處理降低幅度最大. 削減不同灌期灌水量可降低小麥地總磷負荷量5.4%～10.1%，但差異并不顯著(P=0.202). 削減不同灌期灌水量對小麥產量的影響存在差異，其中I2處理可顯著增加小麥產量8.41%(P<0.05)，I5處理可顯著降低小麥產量16.85%(P<0.05)，其余處理不顯著(P>0.05). 綜上可知，不同作物削減10%秋澆水量(I6處理)均最大幅度降低硝態(tài)氮、總磷負荷量，表明了秋澆作為年內短時間灌水量最大的一次灌水，其對農業(yè)面源污染的影響也是最嚴重的[6,36]. 此外，對比作物灌水量削減比例(5%和10%)可以發(fā)現(xiàn)，適當?shù)販p少作物灌水量可以提高作物產量.

2.4 削減施肥比例對作物營養(yǎng)物負荷及產量的影響

削減不同氮磷施肥比例對玉米、葵花和小麥營養(yǎng)物流失量及產量動態(tài)變化如圖7所示. 整體來看，不同作物氮磷營養(yǎng)物負荷指標和作物產量對削減不同比例施肥量的響應規(guī)律相似. 各作物營養(yǎng)物負荷量均隨著氮磷施肥削減比例的增大呈現(xiàn)逐漸降低的趨勢，且下降曲線具體表現(xiàn)為由陡變緩. 各作物產量均隨著氮磷施肥削減比例的增大呈現(xiàn)先增后減的趨勢. 玉米種植條件下，削減20%～30%氮磷施肥比例可顯著降低硝態(tài)氮負荷量11.3%～15.2%(P<0.05)，削減不同比例施肥量可降低總磷負荷量4.3%～9.2%，但差異并不顯著(P=0.114). 削減20%氮磷施肥量(F2)可顯著增加8%玉米產量，削減30%氮磷施肥比例(F4)顯著減少了10.46%玉米產量(P<0.05).

葵花種植條件下，削減不同氮磷施肥比例對硝態(tài)氮和總磷負荷量均無顯著性影響(P>0.05). 削減25%氮磷施肥比例(F3)可顯著增加10.26%葵花產量，當施肥比例削減達30%時，葵花產量減少了6.19%，但差異不顯著(P>0.05). 小麥種植條件下，削減20%～30%氮磷施肥比例可顯著降低硝態(tài)氮負荷量10.3%～14.4%(P<0.05)，削減不同比例施肥量可降低總磷負荷量3.8%～8.1%，但均無顯著性差異(P=0.198). 削減20%氮磷施肥比例最多可增加7.35%小麥產量，但差異不顯著(P>0.05)，隨后產量開始下降，當?shù)资┓时壤鳒p達30%時，小麥產量減少最多達12.13%，且呈顯著性差異(P<0.05). 綜上可知，各作物削減不同施肥比例對總磷負荷量均無顯著影響. 對于硝態(tài)氮負荷與作物產量方面，玉米和小麥表現(xiàn)出相似的規(guī)律(增產節(jié)點均為F2)，而葵花的增產節(jié)點為F3.

2.5 改變耕作方式對營養(yǎng)物負荷及作物產量的影響

改變耕作方式對玉米、葵花和小麥營養(yǎng)物流失量及產量動態(tài)變化如圖8所示. 整體來看，不同耕作方式對各作物營養(yǎng)物負荷和產量的影響存在規(guī)律性差異. 免耕(T1)和少耕(T2)增加了各作物硝態(tài)氮和總磷負荷量，并減少了玉米和葵花產量；常規(guī)春耕(T3)和模板犁耕作(T4)可以降低各作物硝態(tài)氮和總磷負荷，并可增加玉米和葵花產量，對于小麥產量則表現(xiàn)出受耕作方式影響同玉米和葵花相反的規(guī)律. 玉米種植條件下，T1顯著增加了14.8%的硝態(tài)氮負荷量和13.4%的總磷負荷量，同時顯著降低了12.7%的產量(P<0.05). T4顯著降低了16.7%的硝態(tài)氮負荷量和11.9%的總磷負荷量，同時顯著增加了13.5%的產量(P<0.05).

圖6 削減灌水量下不同作物營養(yǎng)物流失量及 產量動態(tài)變化(不同小寫字母表示處理間差異 顯著，誤差線為標準誤差，下同)Fig.6 Nutrient loss and yield dynamic changes of different crops under reduced irrigation

圖7 削減施肥量下不同作物營養(yǎng) 物流失量及產量動態(tài)變化Fig.7 Nutrient loss and yield dynamic changes of different crops under reduced fertilization

葵花地營養(yǎng)物流失與產量受耕作方式的影響規(guī)律與玉米相似，T1顯著增加了16.9%的硝態(tài)氮負荷和15.2%的總磷負荷，同時顯著降低了9.3%的葵花產量(P<0.05). T4顯著降低了20.4%的硝態(tài)氮負荷和13.6%的總磷負荷，同時顯著增加了10.4%的葵花產量(P<0.05). 小麥種植條件下，T1顯著增加了18.8%的硝態(tài)氮負荷和16.1%的總磷負荷，同時顯著增加了10.9%的產量(P<0.05). T4顯著降低了15.2%的硝態(tài)氮負荷和10.1%的總磷負荷，同時顯著降低了11.8%的產量(P<0.05). 綜上可知，玉米和葵花的營養(yǎng)物負荷隨耕作混合深度與混合效率參數(shù)的增大逐漸減小，而二者產量則隨之逐漸增大. 對于小麥，無論是營養(yǎng)物負荷還是產量均隨著耕作混合深度與混合效率參數(shù)的增大呈減小趨勢.

2.6 灌溉-施肥-耕作綜合管理措施優(yōu)選

盡管削減不同時期灌水量、減少施肥量或改變耕作方式均會對營養(yǎng)物流失及作物產量產生影響，但單一管理措施改變在實際生產過程中很難達到經(jīng)濟與環(huán)境效益雙贏的目標. 因此，本研究中，針對灌溉-施肥-耕作選擇出最優(yōu)綜合管理措施，優(yōu)選原則為將每一種作物各因素管理措施中以保證增產減污雙達標進行選擇，以差異顯著性分析為判別手段，最終優(yōu)選出綜合管理措施(表7). 不同作物初選灌溉-施肥-耕作綜合管理措施模擬的營養(yǎng)物負荷和產量動態(tài)變化如圖9所示. 玉米種植條件下，I2F2T4與I6F2T4組合措施較現(xiàn)狀組合措施均顯著減少了硝態(tài)氮和總磷負荷(P<0.05). 但在產量增幅方面二者有所差異，其中I2F2T4組合玉米產量較現(xiàn)狀組合顯著高36.5%，I6F2T4組合玉米產量較現(xiàn)狀組合顯著高20.3%. 因此，綜合考慮經(jīng)濟與環(huán)境效益，最終選擇I2F2T4組合對玉米種植效益最好. 葵花種植條件下，I2F3T4、I3F3T4與I6F3T4組合較現(xiàn)狀組合均顯著減少了硝態(tài)氮和總磷負荷(P<0.05)，且三者產量均顯著高出現(xiàn)狀組合. 需要注意的是，三者之間在總磷負荷和產量方面無顯著差異，而I6F3T4組合較I2F3T4組合硝態(tài)氮負荷顯著減少了13.2%. 因此，綜合考慮經(jīng)濟與環(huán)境效益，最終選擇I6F3T4組合對葵花種植效益最好. 小麥種植條件下，I2F2T3和I3F2T3組合較現(xiàn)狀組合均顯著減少了硝態(tài)氮和總磷負荷(P<0.05)，但對產量無顯著性影響. I2F2T1和I3F2T1組合較現(xiàn)狀組合均顯著增加了小麥產量(P<0.05)，但對硝態(tài)氮和總磷負荷均無顯著性影響. 模型模擬得到2009-2018年流域HRU對排水溝總產水量為88.19 mm，根據(jù)《地表水環(huán)境質量標準》(GB 3838-

圖8 改變耕作方式下不同作物營養(yǎng) 物流失量及產量動態(tài)變化Fig.8 Nutrient loss and yield dynamic changes of different crops under changed farming methods

圖9 綜合管理措施下不同作物營養(yǎng) 物流失量及產量動態(tài)變化Fig.9 Nutrient loss and yield dynamic changes of different crops under comprehensive management measures

2002)限制,第Ⅴ類水的硝態(tài)氮濃度應不大于2.0 mg/L，總磷濃度應不大于0.4 mg/L. 為達到此標準，硝態(tài)氮負荷量應該小于1.7638 kg/hm2，總磷負荷量應該小于0.3528 kg/hm2. 因此，各綜合措施實施后營養(yǎng)物負荷均未達到限制標準，但總體上，I2F2T1組合小麥產量增幅最多顯著增加了29.1%，I3F2T3組合減污幅度最大顯著減少了27.2%的硝態(tài)氮負荷和18.5%的總磷負荷.

3 討論

3.1 改進SWAT模型對烏梁素海流域水文水質模擬的不確定性分析

盡管改進的SWAT模型基于地下水淺埋灌區(qū)自身因素，從模型機理出發(fā)，在一定程度上提高了烏梁素海流域模型模擬精度，但仍存在不足之處，在今后的研究中有待加以改進. 首先，研究中改進SWAT模型考慮了渠道滲漏，但由于烏梁素海流域干支斗農毛渠系分布錯亂復雜，完整地計算出各級渠系滲漏量難以實現(xiàn). 因此，本研究在計算地下水平衡方程中的渠系滲漏參數(shù)時僅考慮了總干渠和各干渠渠系滲漏量，這會對地下水埋深的計算產生偏差(偏大)，而地下水埋深是計算毛管上升水的關鍵參數(shù)，最終對流域水量模擬精度產生不確定性影響. 其次，烏梁素海流域排水溝分布同樣錯綜復雜，因此，本研究在地下水平衡方程中的排水量僅考慮了各大排干溝的地下水排出量，這在一定程度上減小了地下水埋深的模擬值，從而對流域水量模擬精度產生不確定性影響. 但考慮到烏梁素海流域在灌溉期內多數(shù)小型排水溝幾乎沒有排水量，這在一定程度上減少了模擬精度的不確定性影響. 此外，烏梁素海流域為井渠結合流域，經(jīng)野外調研得知，在解放閘灌域的東北部(8號子流域)、西北部(24號和30號子流域)、中南部(34號子流域)、東部(28號子流域)和永濟灌域南部(29號子流域南側)及義長灌域西北部(6號子流域)分布著一定數(shù)量的機井灌溉，這決定著地下水埋深計算的準確性，盡管獲取了機井抽水量的統(tǒng)計數(shù)據(jù)，但能夠準確地定位到具體的HRU上仍有些難度，這也會對流域水量模擬精度產生不確定性影響. 今后可以應用SWAT-MODFLOW耦合模型，SWAT代碼中的地下水模塊被MODFLOW取代，有效地解決了SWAT模型對地下水模擬的不足. Bailey等[37]利用SWAT模型在進行水文響應單元HRU劃分的時候將每一塊農田設計成一個獨立的HRU，成功地耦合了MODFLOW模型. 此外，Aliyari等[38]已經(jīng)開發(fā)了改進的SWAT-MODFLOW模型，聯(lián)合了地下水和地表水灌溉程序，改進后的SWAT-MODFLOW模型適用于半干旱地區(qū)的大型農業(yè)城市河流流域.

表7 灌溉-施肥-耕作綜合管理措施優(yōu)選

3.2 削減灌水量對作物營養(yǎng)物負荷及產量的影響

根據(jù)烏梁素海流域近年的引黃水量政策的實施，計劃引黃水量將由現(xiàn)狀減少到40億m3，并進一步減少到36.4億m3[39]. 本文研究表明，不同作物削減10%秋澆水量均明顯地減少硝態(tài)氮和總磷負荷量，這與曾阿妍等[6]、杜軍等[36]的研究結果一致. 這是因為秋澆單次灌水量大且沒有作物吸收利用，能夠快速攜帶大量土壤剩余營養(yǎng)鹽滲漏到地下水中，而作物生育期對水肥的吸收利用效率高，且單次灌水量較少，因此對營養(yǎng)物流失的影響較小[6,36]. 本研究顯示，削減5%夏灌灌水量可明顯增加作物產量，而削減10%夏灌灌水量則明顯降低作物產量. 這是因為在供水較差的條件下，水分會限制養(yǎng)分的發(fā)揮從而造成減產，而在供水過剩的條件下會加速養(yǎng)分流失使得作物供養(yǎng)減少[40]. 這表明了適當削減作物生育期灌溉水量可顯著增加作物產量，體現(xiàn)了生育期灌水量對作物生長是極其重要的. 戴嘉璐等[41]研究發(fā)現(xiàn)，玉米生育期高水(2700 m3/hm2)處理較中水與低水顯著增加產量，這與本研究結果相似. 需要注意的是，削減不同時期不同比例灌水量對葵花產量均無顯著影響，說明當灌水量在一定范圍變化時，葵花的產量指標對灌水量因子并不敏感.

3.3 削減施肥比例對作物營養(yǎng)物負荷及產量的影響

本文研究表明，不同作物營養(yǎng)物負荷量均隨著氮磷施肥削減比例的增大呈現(xiàn)逐漸降低的趨勢，且下降曲線具體表現(xiàn)為由陡變緩(隨著施肥量削減比例的增加，營養(yǎng)物負荷量會趨于穩(wěn)定). 這是由于作物在生長發(fā)育過程中需要吸收利用養(yǎng)分，期間則會抑制營養(yǎng)鹽的流失，當施肥量達到某個定值后，再繼續(xù)削減施肥量，實際上是在削減保證作物正常生長發(fā)育所需的肥料，此時就會造成作物養(yǎng)分虧缺. 郭富強等[42]利用HYDRUS-1D模型模擬不同施氮量下作物種植土壤中通過下邊界200 cm處的硝態(tài)氮通量研究發(fā)現(xiàn)，當施氮量小于180 kg/hm2時，下邊界200 cm處的氮素較小，而施氮量大于180 kg/hm2時，下邊界200 cm處通過的氮素隨施氮量的增加而顯著增大，這與本研究結果規(guī)律一致. 本研究還表明，不同作物產量隨著施肥量的減少呈先增加后減少的趨勢. 這是因為適宜的施肥量會提高水分利用率，而過量施肥則會造成作物徒長，不利于作物產量[40]. 張忠學等[16]的研究也表明，作物氮素吸收量隨著施氮量的增加呈先增后減的趨勢. 郭富強等[42]的研究還表明，河套灌區(qū)在當?shù)爻Ｒ?guī)灌水施肥基礎上節(jié)水節(jié)氮各20%后可提高小麥和葵花產量，這與本研究結果相似. 根據(jù)圖7b可以看出，削減施肥量對葵花營養(yǎng)物負荷無顯著影響，但可顯著增加其產量. 這說明葵花在施肥這一環(huán)節(jié)對區(qū)域營養(yǎng)物負荷的貢獻很小，肥料進入土壤經(jīng)形態(tài)轉化后一部分被作物吸收利用，其余部分存于土壤內部，影響著作物的生長發(fā)育.

3.4 改變耕作方式對作物營養(yǎng)物負荷及產量的影響

研究表明，合理的耕作方式，有利于改善土壤結構、增加耕層厚度、促進土壤養(yǎng)分積累，是減少區(qū)域營養(yǎng)物流失的重要措施[43]. 本研究顯示，不同作物營養(yǎng)物負荷均隨著耕作方式混合深度與混合效率參數(shù)的增大呈降低趨勢. 這可能是由于通過耕作擾亂了土壤結構，破壞了土壤原有的毛細管分布[44]. 此外，混合深度與混合效率越大的耕作方式土壤毛細管破壞效果也越明顯，而不作任何耕作處理則會保持較好的毛細管分布，為土壤養(yǎng)分的流失提供有利條件. 劉棋等[45]研究表明，深翻、深松措施顯著提高山地耕層厚度、耕層土壤有效養(yǎng)分總庫容量，有效減少了土壤養(yǎng)分流失，這與本研究結果一致. 但是，耕作措施對不同作物產量變化規(guī)律影響差異顯著. 本研究中，玉米、葵花產量隨耕作混合深度與混合效率的增大而增加，小麥產量規(guī)律則與之相反. 這可能是由于小麥在播種時土壤仍處于凍融狀態(tài)，溫度偏低，耕作處理會使得小麥生長的土壤溫度更低，惡化小麥的生長環(huán)境. 玉米和葵花喜愛土層深厚、疏松通氣的土壤環(huán)境，通過耕作處理可以改善土壤結構，有利于增產. 根據(jù)前人研究可知，耕作方式對小麥產量的影響因區(qū)域的生態(tài)條件、耕作處理的時長等不同而得到不一致的結論. 有研究表明[46]，與傳統(tǒng)耕作方式相比，采用少免耕耕作技術可使小麥畝產量增加10.27%. 李福建等[47]研究也表明，針對小麥兩年度田間試驗均以免耕產量最高，比耕翻分別增產25.4% 和15.2%，這與本研究結果相似. 但閆秋艷等[48]的研究表明，深松和深翻比免耕均能提高小麥產量. 徐永剛等[49]的研究表明，深耕措施能顯著提高玉米籽實和秸稈產量. 胡樹平等[50]的研究表明，向日葵產量按照淺旋15 cm、深松30 cm、深松45 cm的順序呈現(xiàn)遞增的趨勢，這與本研究結果相似. 由于本研究各耕作處理采用同種耕作方式連續(xù)10年模擬，通常田間耕作試驗周期較短，致使模型模擬出的結果可能會與實際監(jiān)測試驗結果有所差別. 秦紅靈等[51]的研究表明，2年免耕后進行深松處理可平均增產18.29%，這表明常年使用同種耕作方式不利于作物生長. 因此，在今后的研究中，需對模型模擬的每一年結果進行具體對比分析，同時可對轉變耕作方式對養(yǎng)分與作物的影響進一步深入研究.

3.5 實施農業(yè)管理措施對烏梁素海污染物負荷影響的機制分析

本文研究中，通過對烏梁素海流域農田實施削減灌水量、減少施肥量和優(yōu)化耕作方式，有效減少了排水溝內農田排退水的硝態(tài)氮和總磷負荷量，一定程度降低了營養(yǎng)物向烏梁素海的入湖負荷量. 本研究通過改進了烏梁素海流域SWAT模型土壤水平衡和地下水平衡模塊，將流域內的農田土壤-地下水-排水溝-烏梁素海形成一個整體. 施入農田中的肥料隨灌入農田土壤中的水量經(jīng)土壤剖面滲濾到淺層地下水中，隨著地下水位的上升，高出各級排水溝最低點的地下水量流入排水溝，溶于淺層地下水中的營養(yǎng)鹽也隨之流入排水溝，導致灌區(qū)農業(yè)面源污染的加劇[1]. SWAT模型對流入排水溝中的營養(yǎng)物質進行模擬并演算通過排水溝流入烏梁素海的營養(yǎng)物總負荷. 烏梁素海水體富營養(yǎng)化的產生，反過來對調節(jié)區(qū)域氣候、水熱平衡及支撐區(qū)域經(jīng)濟發(fā)展產生嚴重的制約[52]. 因此，為維持并推動烏梁素海的水質狀況向良性發(fā)展，在流域內實施一系列有效的農業(yè)管理措施具有重要意義.

4 結論

1)本文利用改進的SWAT模型構建烏梁素海流域分布式水文模型，并利用流域總出水口實測徑流、硝態(tài)氮和總磷排放量、地下水埋深及作物產量校正及驗證模型，結果顯示，改進SWAT模型能夠有效模擬流域排水量、硝態(tài)氮和總磷負荷量、地下水埋深動態(tài)以及作物產量，可用于營養(yǎng)物負荷與作物產量的模擬.

2)探究了削減作物不同灌期5%和10%灌水量對營養(yǎng)物負荷和作物產量的影響. 不同作物削減10%秋澆水量均能夠最大幅度顯著降低硝態(tài)氮、總磷負荷量，且對產量無顯著影響. 不同作物削減5%夏灌水量可最大幅度增加作物產量，而削減10%夏灌水量則對作物產量影響較大，減產8.2%～16.85%.

3)探究了削減作物不同施肥比例對營養(yǎng)物負荷和作物產量的影響. 不同作物營養(yǎng)物負荷量均隨著氮磷施肥削減比例的增大呈現(xiàn)逐漸降低的趨勢，且下降曲線逐漸趨于平緩. 各作物產量均隨著氮磷施肥削減比例的增大呈現(xiàn)先增后減的趨勢. 其中，玉米和小麥減產的施肥削減比例節(jié)點為20%，葵花減產的施肥削減比例節(jié)點為25%.

4)改變作物耕作方式對營養(yǎng)物負荷和作物產量的影響顯示，不同作物營養(yǎng)物負荷均隨著耕作方式混合深度與混合效率參數(shù)的增大逐漸減小. 玉米、葵花產量隨耕作混合深度與混合效率參數(shù)的增大而增加，小麥產量隨耕作參數(shù)的增大而減小.

5)探究了經(jīng)濟與環(huán)境效益雙贏的最優(yōu)管理措施組合. 削減5%夏灌水量+削減20%氮磷施肥比例+模板犁耕作組合對玉米種植效益最好. 削減10%秋澆水量+削減25%氮磷施肥比例+模板犁耕作組合對葵花種植效益最好. 削減5%夏灌水量+削減20%氮磷施肥比例+免耕組合小麥產量增幅最大達29.1%；削減5%秋澆水量+削減20%氮磷施肥比例+常規(guī)春耕組合小麥減污幅度最大顯著減少了27.2%的硝態(tài)氮負荷和18.5%的總磷負荷.