肖玉濤，李正鵬，宋明丹，段豆豆，韓 梅

（青海大學農林科學院, 青海 西寧 810016）

在集約化栽培的背景下，當今如何滿足日益增長的糧食供應需求面臨著較大的挑戰(zhàn)[1]。通常，增加糧食產量需要較高的化肥投入，有研究表明，我國每年的化肥用量遠超土地承載力[2]。氮肥施入農田后，會發(fā)生一系列的反應，比如礦化反應[3]、水解反應[4]、氨揮發(fā)[5]、硝化和反硝化反應[6]。通過各種反應，氮素進一步被分解、吸收、利用。盈余的氮肥伴隨降水淋溶到地下水中[7]以及通過反硝化作用返回大氣中[8]，造成了資源浪費和環(huán)境污染。綠肥是一種清潔、高效的肥源，毛葉苕子(Vicia villosa)是一種豆科綠肥，其根系的生物固氮作用可以為農田供氮，并累積大量的生物量。該綠肥在西北旱地得到了廣泛的應用[9-10]，綠肥通常與化肥配施，以提高土壤肥力和作物產量。楊學珍等[11]研究表明，復種毛葉苕子配施140 kg·hm-2氮肥是適合在隴東黃土旱塬的最佳栽培方式。魏全全等[12]研究表明在豆科綠肥還田的基礎上，正常氮肥的80%(168 kg·hm-2)為貴州黃壤玉米(Zea mays)的最適施肥量；王鵬飛等[13]研究表明，豆科綠肥還田結合減量施氮10%和20%，可作為綠洲灌區(qū)玉米高產的施氮方式；劉立生等[14]通過30 年定位試驗表明，長期種植豆科綠肥可以顯著提高土壤的總有機碳(soil organic carbon, SOC)、粗粘粒SOC 和細粘粒SOC 含量。 因此，研究豆科綠肥對作物高產、SOC 含量提升具有積極的意義。

田間試驗是觀測作物產量和土壤SOC 變化的主要方式，農田生態(tài)系統(tǒng)較為復雜，氣候變化、外源物料投入、土壤生物和人類活動等因素都會對SOC 和作物產量變化產生影響[15]。僅通過田間試驗難以監(jiān)測長時間或者區(qū)域尺度上SOC 和作物產量的變化，為了描述和預測這一復雜的過程，應用模型研究逐漸成為一種被廣泛認可的方法。目前，國際上已開發(fā)出許多能模擬作物生長、農田碳和氮變化的模型，如APSIM-Wheat[16]、Wheat-SM[17]、CENTURY[18]、RothC[19]和DNDC 模型等。其中DNDC 模型在模擬作物產量的同時也可以模擬SOC 的動態(tài)變化，成為各國科學家研究農田碳氮循環(huán)的主要模型之一，也在多個國家和地區(qū)得到矯正與改進[20-22]，是研究土壤肥力和碳庫平衡的重要工具。

前人圍繞綠肥培肥土壤、節(jié)肥減排進行了大量的研究，但大多都通過田間試驗來說明問題，且對于綠肥還田長期效應研究較少。本研究基于青海高原小麥（Tnticum aestivum）→毛葉苕子→小麥輪作體系，在利用多年的氣象數據、土壤參數、作物參數的基礎上對DNDC 模型進行本地參數化，用2019－2022 年的田間試驗數據對模型進行率定和驗證，評價DNDC 模型對于春小麥0－50 cm 土層土壤SOC含量和作物產量的模擬效果?；隍炞C后的DNDC模型，模擬豆科綠肥還田的不同情境下30 年土壤SOC 含量和作物產量的變化規(guī)律，旨在探索青海高原農田長期綠肥翻壓還田以及配施不同比例化肥對SOC 和作物產量影響，為作物可持續(xù)高產提供科學依據。

1 材料與方法

1.1 試驗地概況

綠肥還田定位試驗在青海省農林科學院試驗田(101°45′ E，36°43′ N)進行，該地屬高原大陸性半干旱氣候，海拔為2 300 m，年平均降水量為440 mm[23]，年平均蒸發(fā)量為1 730 mm。物候期為220 d，年平均氣溫6.0 ℃，年平均氣溫日較差13 ℃。灌溉條件方便，土壤類型為栗鈣土，有機質含量為17.4 g·kg-1，堿解氮含量為92 mg·kg-1，速效磷含量為12.6 mg·kg-1，速效鉀含量為8.4 mg·kg-1。毛苕子初試含水率為84.23%，綠肥盛花期全氮、全磷和全鉀含量分別為42.5、3.1 和29.6 g·kg-1。

1.2 田間試驗設計

該試驗依托于自2009 年開始的綠肥長期定位試驗，采用春小麥+綠肥的種植模式，綠肥盛花期翻壓還田。采用裂區(qū)試驗設計(圖1)，主區(qū)為秋閑期復種綠肥翻壓還田(G)和不種綠肥不還田，副區(qū)為后茬春小麥化肥用量，設置100%常規(guī)施肥(F100，225 kg·hm-2N，112.5 kg·hm-2P2O5)、70% 常規(guī)施肥(F70，157.5 kg·hm-2N、78.75 kg·hm-2P2O5)和不施化肥(F0)3 個梯度；共6 個處理，每個處理4 次重復，24 個小區(qū)。小區(qū)面積為20 m2(4 m × 5 m)。小麥品種為‘青春38’，綠肥為毛葉苕子，小麥于每年3 月中下旬條播。7 月底收獲，8 月上旬播種綠肥，于10 月初盛花期翻壓還田。綠肥盛花期鮮重還田量為30 000 kg·hm-2，鮮樣含水量為85.6%。春小麥播種前用微耕機松土，并施80%氮肥作為基肥，待四葉期進行追肥。其余田間管理措施(灌溉、中耕除草等)均保持一致。

圖1 田間試驗設計簡圖Figure 1 Aerial photo of field experiment design

1.3 測定指標與方式

1.3.1 土壤有機碳

于2019 年和2022 年小麥收獲后采集0－10、10－20、20－30、30－40、40－50 cm 土層土壤樣品，采用五點取樣法在每個小區(qū)采集5 個樣點，充分混合風干后過0.2 mm 篩。采用《土壤農化分析》(第三版)[24]中提及方法測定土壤SOC 含量。

1.3.2 小麥產量

2019－2022 年小麥收獲期，每個小區(qū)單打單收。

1.4 DNDC 模型

1.4.1 參數的設定

DNDC 模型是農業(yè)生態(tài)系統(tǒng)中描述碳、氮生物化學循環(huán)過程的機理模型[25]。作物的生長對于土壤中的碳、氮和水循環(huán)有著非常重要的影響，該模型可以從點尺度和區(qū)域尺度上模擬農田生態(tài)系統(tǒng)的碳氮循環(huán)過程[26]，該模型由6 個模塊組成[27]，第一部分根據生態(tài)驅動因子對土壤氣候、作物生長和土壤有機質3 個模塊進行運轉和模擬，第二部分根據土壤環(huán)境條件對微生物的活動和碳氮循環(huán)進行模擬，主要包括硝化作用、反硝化作用和分解作用3 個模塊。該模型的輸入數據包括氣象(逐日最高溫、最低溫、降水)、土壤和作物參數，氣象數據來源于田間智墑，模型輸入值主要根據長期定位試驗實測值數據對系統(tǒng)默認值進行修正，具體值如表1 所列。

表1 DNDC 模型的輸入參數Table 1 Input parameters of DNDC model

本研究運用DNDC 9.5 版本，研究不同處理對土壤SOC 和作物產量長期的影響，模型的邊界條件與小麥生育期田間管理一致。因為短期內農田SOC 變化較小，用2019 年收獲期不同處理的0－50 cm 土層的土壤SOC 含量、小麥產量為依據，通過試錯法確定合適的參數，用2022 年SOC 實測值和2020－2022 年產量實測數據驗證，施肥處理下的SOC 在30 年變化趨于穩(wěn)定[28]，因此將模型運行30 年，輸入參數對應試驗處理，其他條件(氣象、土壤、作物)均保持一致。2021 年氣象數據與當地平均數據較為接近，因此用2021 年氣象數據重復利用30 年以探究不同處理對農田SOC 和作物產量的影響。

1.4.2 模型的評價

使用均值偏差(mean bias error, MBE)[29]、決定系數(R2)和歸一化均方根誤差(normalized root mean square error, NRMSE)[30]這3 個統(tǒng)計指標來評價DNDC 模型的精度。

式中：Oi為實測值；Pi為模擬值；n為實測值的總數；i為當前實測值的數目。為一組數據中實測值的平均值，為模擬值的平均值。

NRMSE 用來衡量模擬值同實測值之間的一致性，值越小，說明模擬值和實測值之間的誤差越小。MBE 能更好地反映模擬值誤差的實際情況，值越小，模擬值與實測值之間的關聯(lián)度就越大。NRMSE ≤ 0.1 時，認為模擬效果極好，0.1 < NRMSE ≤0.2 時，模擬效果較好，0.2 < NRMSE ≤ 0.3，模擬效果一般，NRMSE > 0.3 時，模擬效果較差。

1.5 數據分析

采用Excel 2016 進行產量數據和SOC數據的整理， SPSS 26 進行相土壤SOC 和產量數據相關性分析，Origin 2021 做圖。

2 結果與分析

2.1 土壤有機碳與作物產量

2.1.1 土壤有機碳

綠肥翻壓還田以及單施化肥SOC 含量模擬值與實測值(表2)顯示，在0－50 cm 土層內，隨著土層深度的增加，SOC 含量呈下降趨勢，在不種綠肥處理中，隨著化肥量的減少，SOC 含量呈現(xiàn)出F0

表2 2019 年不同處理 0－50 cm 土層土壤SOC 模擬值與實測值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 年不同處理0－50 cm 土壤有機碳模擬效果評價Table 3 Evaluation of the simulation effect of DNDC model on soil organic carbon under different treatments in 2022

圖2 2022 年不同處理0－50 cm 土層土壤有機碳含量模擬值與實測值Figure 2 Simulated and measured values of organic carbon content in 0－50 cm layer under different treatments in 2022

2.1.2 作物產量

2019－2022 年春小麥作物產量的模擬值和實測值(圖3)顯示，各處理實測值均表現(xiàn)為F70+ G > F100+G > F100> F70> F0+ G > F0，表明綠肥翻壓還田可以提高小麥的產量。與單施化肥相比，綠肥翻壓還田平均小麥產量提高了4.9%～47.8%，相同化肥用量下，綠肥翻壓產量提高了2.60%～8.40%。 DNDC 模型較好地模擬出了各處理產量的趨勢，率定和驗證過程中模擬值和實測值的MBE 為152.15～536.40 kg·hm-2，NRMSE 為0.162～0.280，R2均大于0.75，表明率定后的模型可以較好地模擬春小麥的產量。

圖3 2019－2022 年綠肥還田以及單施化肥春小麥產量實測值與模擬值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 長期綠肥翻壓還田配施化肥對土壤有機碳和作物產量的影響

2.2.1 長期綠肥翻壓還田對于土壤有機碳含量的影響

在30 年的尺度上，SOC 平均年變化量表現(xiàn)為F70+ G > F100+ G > F0+ G > F100> F70> F0。其中F0的SOC 年變化量為負值，0－50 cm 土層土壤SOC 累積量30 年的變化范圍為45 897.9～50 145.13 kg·hm-2，F(xiàn)70、F100、F0+ G 處理下年變化量在初期為正值，然后隨著時間的增加，逐漸變?yōu)樨撝?，F(xiàn)70和F100在第5 年變?yōu)樨撝担謩e為-19.61 和-8.96 kg·hm-2，30 年平均變化分別為-46.7 和-35.6 kg·hm-2。F0+G 在第16 年變?yōu)樨撝?-1.9 kg·hm-2)，在第30 年趨于平衡。F70+ G 和F100+ G 的30 年SOC 的年變化量呈現(xiàn)出增加趨勢，變化范圍分別為59 827.62～63 714.22 和56 703.82～60 297.65 kg·hm-2。30 年平均變化量分別為172.8 和136.9 kg·hm-2前期增加量比較高，然后逐漸減小，最后趨于穩(wěn)定。0－50 cm 土層SOC 累積量也是如此，30 年模擬結果顯示，F(xiàn)0、F70和F100的SOC 累積量隨著時間的增長逐漸減少，施肥量越低，減少的越快，綠肥翻壓還田SOC 累積量呈增加的趨勢，其中F70+ G > F100+ G >F0+ G，綠肥翻壓還田配施70%化肥的SOC 含量提升程度大于配施100%化肥(圖4)。

圖4 不同施肥處理0－50 cm 土層土壤有機碳年增量(a)和總累積量(b)的動態(tài)變化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 長期綠肥翻壓還田小麥產量動態(tài)變化

基于DNDC 模型模擬的綠肥翻壓還田以及單施化肥的結果(圖5)顯示，長期單施化肥會降低小麥產量，綠肥翻壓還田且配施等量化肥可以提高小麥產量。對30 年小麥產量隨年份變化趨勢進行擬合，結果表明在單施化肥情況下，隨著年份增加，施肥量越低，產量減少越快，F(xiàn)100、F70、F0的斜率分別為-0.036、-0.062 和-5.202。F100和F70幾乎保持穩(wěn)定，而F0產量隨著年份逐漸下降，綠肥翻壓還田配施化肥情況下，F(xiàn)0+ G、F70+ G、F100+ G 的斜率分別為-4.136、2.637 和1.793，F(xiàn)0+ G 產量隨著年份增長先增加后逐漸降低，翻壓還田不配施化肥也會降低小麥產量，但與不施肥不種綠肥處理相比，產量降低程度會減慢；F70+ G 和F100+ G 產量隨著年份增加而增加，表明翻壓綠肥配施一定量化肥增產效果最好，且配施70%化肥增產效果要優(yōu)于配施100%化肥。

圖5 綠肥及化肥處理下農田30 年小麥產量的動態(tài)變化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 小麥產量和土壤有機碳的相關性

本研究中，利用DNDC 模型模擬30 年的農田土壤SOC 含量前期表現(xiàn)出較大的波動，而產量波動不大。本模型輸入數據中，除了施肥處理不同之外，其余數據均保持一致。出現(xiàn)上述結果可能的原因是，小麥產量隨著SOC 的變化而變化，因模型具有局限性，模擬的30 年F100和F70處理下的小麥產量為恒定值，F(xiàn)100處理下0－50 cm 土層30 年SOC儲量變化幅度較小。對其他處理30 年尺度上小麥產量與土壤SOC 含量進行相關性分析，結果表明，小麥產量與0－50 cm 土層土SOC 含量極顯著相關(P< 0.01)，F(xiàn)0+ G、F70+ G 和F100+ G 的產量與SOC的相關性系數分別為0.842、0.833 和0.746。F70+ G的產量與SOC 的含量均高于F100+ G。30 年中小麥產量的提升可能與土壤SOC 含量的增加有關，二者存在一定的內在聯(lián)系(圖6)。

圖6 不同處理下0－50 cm 土層有機碳含量和產量的相關性Figure 6 Correlation between organic carbon content and yield in 0－50 cm soil layer under different treatments

3 討論

3.1 綠肥還田對農田有機碳和作物產量的影響

豆科綠肥還田作為重要減肥、增效措施，近年來在北方旱地栽培被廣泛應用[31]。本研究結果表明，豆科綠肥毛葉苕子翻壓還田配合70%常規(guī)氮肥用量可以在提高土壤碳庫的同時增加小麥的產量。崔恒等[32]研究表明，復種翻壓綠肥3 000 kg·hm-2基礎上減少常規(guī)施肥20%～30%。不僅可以維持小麥長期高產，還可以提升土壤地力；羅躍等[33]研究表明，綠肥根茬還田配施80%～90%的化肥是河西走廊玉米產量和環(huán)境效益俱佳的栽培方式；黃璐等[34]研究表明，在黃土高原冬小麥田種植夏綠肥具有較高的養(yǎng)分歸還效應，對土壤有機碳和氮庫的影響最為顯著。張磊等[35]研究表明，減氮20%情況下，種植翻壓紫云英不僅提高了稻谷氮素吸收，促進增產，也提高了土壤的供氮能力。以上結果與本研究結果一致。30 年模擬結果顯示，相較于單施化肥，綠肥翻壓還田配施化肥增加了SOC 的含量，但F0+G 處理土壤SOC 在第16 年呈現(xiàn)出負增長趨勢，這可能是由于該地連年種植小麥，外源物料投入過少，投入的養(yǎng)分小于產出的養(yǎng)分，導致土壤肥力下降。毛葉苕子是豆科綠肥，在秋閑期種植可以通過根瘤來固定空氣中的氮，也可以吸收土壤中的殘留的養(yǎng)分，其還田可以為后茬提供大量的有機養(yǎng)分。此外，綠肥根系分解的產物與土壤礦物相結合，根系或菌絲促進凝聚成大團聚體，阻礙微生物與SOC的結合，促進SOC 的物理保護作用[36]。還田后養(yǎng)分隨著時間的增加而逐步釋放，在6 周內碳累積釋放率可達41%[37]。因而該措施增加了土壤SOC 的含量。

3.2 作物產量與有機碳的關系

本研究表明，在一定施肥范圍內，土壤SOC 與作物產量極顯著(P< 0.01)相關。胡延斌等[38]認為，土壤SOC 含量在4～14 g·kg-1時，0－20 cm 土層土壤SOC 含量每增加1 g·kg-1，玉米產量提高0.8%～12%。 Muhammad[39]研究表明，土壤SOC 每增加1 kg·hm-2時，可以使玉米和小麥產量分別提高225和202 kg·hm-2。這與本研究結果一致。同時不同的土壤環(huán)境和耕作措施對作物產量的影響要大于對土壤SOC[40-42]，實測數據中各處理的產量的差異，可能是由于環(huán)境因素(氣候、土壤等)和人為因素導致的，但模型模擬可以排除其他因素對作物產量的影響。輸入數據除施肥量和施肥方案不同，其余條件均保持一致，30 年的模擬研究表明，綠肥翻壓還田可提高春小麥產量和增加土壤SOC 含量，同時土壤SOC 含量的變化也會影響春小麥產量的變化。

3.3 DNDC 模型的擬合效果

本研究表明，DNDC 模型可以較好地模擬青海高原春小麥→綠肥輪作體系的小麥產量和0－50 cm土壤土層SOC 含量，模擬值和實測值具有一致性。但各處理的實測值均略微高于模擬值，可能是因為模型是通過輸入的氣象數據、土壤參數和作物參數，結合模型內嵌的熱力學和動力學公式進行計算[43]，但對于光照強度、風速和土壤生物等環(huán)境因素無法獲取，而作物產量和SOC 的變化是農田生態(tài)系統(tǒng)綜合作用的結果。另外，由于可能是剛開始作物生長和碳的固定受到氮的限制，所以施氮量越高，SOC變化量越大，隨著連年同樣的施肥的耕作，可能出現(xiàn)氮素飽和的現(xiàn)象。氮素的臨界值不同，氮飽和的臨界值也不同[44]，當農田SOC 含量低于土壤飽和碳庫時，固碳效應大于分解效應，因此，配施綠肥使得土壤SOC 含量增加。當土壤SOC 儲量達到一定值時，SOC 固定速率與分解速率趨于平衡[45]，由于小麥生長需要消耗一定的SOC。F0、F70和F100處理下30 年土壤SOC 為逐年降低的趨勢，且施肥量越低，SOC 降低越多。在 F100和F70處理下30 年的小麥產量模型輸出的模擬值變化幅度較小， F100處理0－50 cm 土層30 年SOC 儲量變化幅度較小。因此，模擬結果顯示F70和F100處理下小麥產量和SOC儲量的關系不明顯。

在DNDC 模型中，土壤碳主要分布在4 個主要碳庫中，即植物凋落物、微生物、活性腐殖質和惰性腐殖質[46]。每個庫都又包含兩到3 個亞庫，每個亞庫的分解速率是由該庫的庫容、土壤溫度、濕度以及黏土含量和氮含量所決定的，所以輸入的土壤參數會影響輸出的SOC 的含量，氣候的變化對SOC 影響也不可忽視。因2021 年氣象數據在歷年數據中資料較為完整，且與該地區(qū)多年平均氣候狀況較接近，利用2021 年氣象數據支持模型運行具有一定可行性。小麥的生長對于土壤中水、碳和氮有很大影響，從而控制土壤一系列生物地球化學過程，DNDC 模型對小麥產量的模擬是主要依據輸入的小麥生理參數及物候學參數， 其次根據輸入土壤水分、碳和氮參數進行模擬。精確的結果需要精確的數據，在實際操作過程中精確數據的缺乏可能會用系統(tǒng)的默認值與估計值來進行彌補，比如在小麥生育期降水、灌溉、耕作深度和耕作措施等。同時SOC 的取樣點的設計、取樣的方式也會存在人為的誤差，這些說明DNDC 模型存在一定的不確定性，相關參數有待進一步的校準測定。本研究結果雖然表明DNDC 模型可以較好地模擬不同處理下0－50 cm 土層土壤SOC 和小麥產量。但是輸入參數的局限性對模擬結果仍存在一定的偏差，未來可以進一步提高農田管理措施、土壤參數、氣象參數、人為因素、小麥生理參數和物候學參數等相關參數的可靠性，同時也可以結合CO2和N2O 排放來提高模型對農田生態(tài)系統(tǒng)碳氮循環(huán)模擬效果。

4 結論

1)模型較好地模擬了復種翻壓綠肥和不種綠肥情境下土壤SOC 和作物產量，利用DNDC 模型模擬麥后復種綠肥情境下0－50 cm 土層土壤SOC 和作物產量具有可靠性。

2)綠肥翻壓還田配施70% 的化肥可以保證小麥增產的同時增加土壤有機碳含量，是該地區(qū)最佳栽培模式。

3)復種翻壓綠肥情境下，小麥產量與0－50 cm土層土壤SOC 呈極顯著(P< 0.01)相關關系，F(xiàn)0+G、F70+ G 和F100+ G 的產量與SOC 相關性系數分別為0.842、0.833 和0.746。