基于不同根系分布形式的鹽漬化農田向日葵根系吸水模擬

馬 韜，李 琦，楊麗清，曾文治，伍靖偉，黃介生(.武漢大學水資源與水電工程科學國家重點實驗室，武漢 43007；.內蒙古河套灌區義長灌域管理局，內蒙古 五原 0500)

土壤鹽漬化是干旱半干旱地區普遍存在的環境問題，威脅著這類地區的農業發展和糧食安全[1]。我國鹽漬土總面積高達3 600萬hm2，占全國可利用土地面積的4.88%[2]，廣泛分布在我國華北、西北等主要糧食產區。其中，河套灌區的土壤鹽漬化問題尤為嚴重，約有65%的實有耕地已經演化成鹽漬化土壤，制約著當地農業經濟的發展。

根系是作物對土壤鹽漬化危害最敏感的器官[3]。當根系遭受土壤環境中的鹽分脅迫時，通常以改變根系形態和分布的方式來適應脅迫[4,5]。根系分布的改變會在時間和空間上影響根系對水分和養分的吸收過程，并最終影響作物產量[6]。當前，對作物根系分布的研究大多集中于水稻[7]、小麥[8]、玉米[9]、棉花[10]等作物，還沒有學者針對向日葵這一河套灌區種植面積最大的經濟作物建立根系分布函數。此外，已有的對根系分布的研究大都是基于根長密度得到的分布函數，還沒有針對根系吸收面積這一與根系水分吸收速率緊密相關的指標[11]提出的分布函數。

本文參考Wu等建立歸一化根系分布函數的方法[12]，利用土柱試驗實測數據，分別建立了輕度和中度2種鹽分脅迫情況下基于向日葵根系總吸收面積和根長密度的2種分布函數。并且，運用HYDRUS-1D軟件，將其應用于微區試驗的根系吸水計算中，通過比較不同時刻土壤含水率的模擬效果來評價這2種根系分布函數的適用情況。

1 材料和方法

1.1 研究區概況

本實驗于2014年6-9月在內蒙古河套灌區義長試驗站永聯基地進行[圖1(a)]。河套灌區地處北緯40°19′～41°18′，東經106°20′～109°19′，年降水量為139～222 mm，且集中在6-8月，年蒸發量為2 200～2 400 mm，蒸降比在10以上。強烈的蒸發使得土壤水及地下水不斷地向上運移，最終導致土壤水分蒸發后所攜帶的鹽分在土壤表層聚集，從而造成了河套灌區嚴重的土壤鹽漬化問題。

圖1 研究區地理位置及土柱和微區試驗示意圖Fig.1 Location of study site and schematic diagram of experiment bucket

1.2 試驗材料與設計

試驗分為精細觀測的土柱種植試驗以及模擬大田情況的微區種植試驗。土柱試驗在高50 cm、內徑30 cm的鐵皮桶中進行，桶壁厚度4mm，外包2 cm厚的泡沫保溫層[圖1(b)]。土柱所裝填土壤均為取自附近農田的粉壤土，填土高度40 cm，填土密度1.3 g/cm3。該試驗的研究因素為土壤鹽分含量(S)、灌溉量(W)和施氮量(N)3種，采用三因素隨機區組設計，每個研究因素設置2個水平，共設置24個土柱。李琦等對該試驗的分析顯示[13]，施氮量對反映向日葵根系吸水特性的各項指標的影響均不顯著，故本文的研究中將忽略施氮量處理間的差異。為避免水分脅迫的影響，本文挑選出其中12個充分灌溉處理的土柱，只考慮其鹽分處理的差異。將這些土柱分為輕度鹽分脅迫處理S0(0.10%～0.25%)和中度鹽分脅迫處理S1(0.30%～0.45%)2個水平，其中鹽分以干土的百分含鹽量計，每個水平有6個重復。該試驗各研究因素的控制方法、根系指標的獲取方法及田間管理措施均可參考李琦等[13]的介紹。

微區試驗在邊長為1.8 m的正方形觀測微區中進行[圖1(c)]，四周距離地表0～1.5 m深度范圍內均用不透水塑料膜包裹，以防止水分的側向流動，底部可與地下水連通，內填原狀土壤。本試驗在4個微區中進行，僅設置2個不同的鹽分處理，且鹽分處理水平與土柱試驗保持一致，將播種前0～20 cm土壤含鹽量控制為S0(0.10%～0.25%)和S1(0.30%～0.45%)2個水平，每個水平兩個重復。其中，1號和2號微區為S0處理，3號和4號微區為S1處理。在生育期保證微區內向日葵不受水分脅迫，且根據曾文治等[14]提出的當地最優施氮量(135 kg/hm2)施加氮肥。

試驗微區和土柱于2014年6月5日同時播種品種為LD5009的食用向日葵，并于2014年9月17日-9月26日間收獲，兩者的種植方式和田間管理措施均保持一致。

1.3 根系吸水模型及根系分布函數

本文對根系吸水的計算采用Feddes模型[15]：

S(z,t)=α(h,z)β(z)Tp

(1)

式中：z為土壤深度，cm；S(z,t)為t時刻z深度處的根系吸水速率，d-1；α(h，z)為水鹽聯合脅迫反應函數，無量綱；Tp為作物潛在蒸騰速率，cm/d；β(z)為標準化的根系吸水分布函數，無量綱，可以表示為：

(2)

式中：Lrd(z)是相對根長密度分布函數；Lr是最大根深。

隨著根系的生長，在每個生育時段均不同，不利于統一計算，因此Wu[12]在前人的基礎上，提出了歸一化根長密度分布的概念，將根系深度轉化為0到1范圍內的標準化根深，可以用式(3)綜合考慮全生育期不同時刻的根長密度分布：

(4)

式中：Lnrd(zr)就是Wu提出的歸一化根長密度分布函數；zr是標準化根系深度，范圍為0～1。

1.4 HYDRUS-1D模型的構建

HYDRUS-1D是由美國鹽土實驗室開發的軟件，用于計算和模擬飽和-非飽和帶的一維溶質運移和水分運動。

(1)邊界條件和土壤剖面設置。土壤水分運動上邊界為變化的大氣邊界，輸入由氣象數據計算得到的每日變化的潛在蒸發量和蒸騰量；下邊界為變水頭邊界，輸入由監測的地下水位得到的變化的水頭數值；溶質運移的上下邊界均為零通量邊界。模擬深度為地表以下250 cm，將土層分成5層，分別為0～10、10～20、20～30、30～40以及40～250 cm。

(2)模型參數。由實測微區土壤粒徑，利用HYDRUS-1D模型自帶Rosetta程序計算得到5個van Genuchten模型中的土壤水力參數。Feddes根系吸水模型中水鹽脅迫因子的參數取值，結合Zuo[8]和Ning[10]的研究結果進行適當調整后，確定如下：水分脅迫參數p0=-15 cm，p0pt=-25 cm，p2h=-600 cm，p2l=-1 000 cm，p3=-16 000 cm；鹽分脅迫分段函數斜率為5.2，閾值為7.7。

(3)初始輸入數據和模擬時段。以播種前取樣獲得的實測土壤含水率和鹽分含量作為初始輸入數據，運行HYDRUS-1D模型。模型模擬運算時間單位為d，時間步長采用變化步長，最大步長為5 d，最小步長為10～5 d，模擬時段為全生育期(播種后第1～107 d)。

1.5 模型評價指標

采用決定系數(R2)、均方根誤差(RMSE)、納什系數(NSE) 3種指標對模型的模擬效果進行評價：

(7)

均方根誤差(RMSE)用來衡量模擬值同真值之間的偏差，結果越接近0，表示同真值的差異越小；納什系數(NSE)可用來衡量模型的模擬質量，NSE越接近1，表示模型模擬質量越好，可信度越高；決定系數(R2)可用來衡量相關密切程度，R2越接近1相關性越好。

2 結果與分析

2.1 兩種向日葵根長密度分布函數的建立

本文參照Wu[12]建立歸一化根長密度分布函數的方法，在土柱試驗所得根系指標中挑選出根長密度(RLD)和根系總吸收面積(RAA)這2個指標，并基于這兩種指標建立不同鹽分處理下的歸一化根系分布函數，結果見表1及圖2、圖3。

表1 不同鹽分處理下根長密度和根系總吸收面積的分布函數Tab.1 Root length density(RLD)and root absorption area(RAA)distribution function under different saline conditions

圖2 不同鹽分條件下根長密度分布函數Fig.2 Root length density(RLD)distribution function under different saline conditions

2種根系分布函數采用2種不同的函數形式，RLD分布函數運用指數函數擬合，RAA分布函數運用多項式函數擬合。表1中的結果顯示，各形式的分布函數均能取得較好的擬合效果，除S0處理下的RAA分布函數外，相關系數均大于0.9。

2.2 基于4種不同根系分布函數的根系吸水模擬評價

Zuo[8]和Ning[10]參照Wu建立歸一化根系分布函數的思想，基于大量的實測數據分別建立了小麥和棉花的根長密度分布函數：

Zuo函數：Lnrd(zr)=3.85(1-zr)2.85

(8)

Ning函數：Lnrd(zr)=1.96(1-zr)0.96

(9)

這2種根系分布函數形式簡單，對于小麥和棉花有著較強的適用性，但是否適用其他作物還有待研究。因此，本文將以上提到的4種根系分布函數(RLD函數、RAA函數、Zuo函數和Ning函數)分布輸入到HYDRUS-1D軟件中，運用其模擬4個微區試驗中向日葵全生育期內的土壤含水率變化。將模擬得到的播種后第20、66和107 d土壤剖面上5、15、25、35、50和90 cm深度處的土壤體積含水率和實測值進行比較(見圖4)，通過計算1.5節中介紹的各項統計指標(見表2)，對不同根系分布函數應用于土壤水分運動模型后的模擬效果進行評價。

圖3 不同鹽分條件下根系總吸收面積分布函數Fig.3 Root absorption area(RAA)distribution function under different saline conditions

圖4 應用不同根系分布函數計算得到各微區土壤含水率的模擬值與實測值比較Fig.4 Comparison between simulated and observed soil water content based on different root distribution functions

由圖4可以發現，S0處理下(1號和2號微區)，與Zuo函數、Ning函數相比，應用RAA函數和RLD函數模擬得到的土壤含水率與實測值更加接近，能夠更好地集中在1∶1線附近。而對于S1處理的微區(3號和4號微區)，應用這4種分布函數模擬得到的結果差異較小。

表2 應用不同根系分布函數模擬土壤含水率結果統計指標分析Tab.2 Analysis of simulated results using statistics index(RMSE, NSE and R2)

注：括號中的百分比表示應用相應函數模擬所得結果的統計指標相比于應用RAA函數所得指標的增加或下降程度。

表2的結果顯示，在4個微區中，應用RAA函數的RMSE值均為最小。其中，在S0處理的微區中，應用Zuo函數和Ning函數得到的RMSE均遠大于RAA函數。對于納什系數(NSE)，在4個微區中，應用Zuo函數和Ning函數模擬所得結果的NSE最小，模擬質量最差；應用RLD函數模擬所得結果的NSE明顯優于前兩者，但仍小于RAA函數。同樣，對于決定系數(R2)，應用RAA函數得到的R2均為4種分布函數中最大的。因此，與3種基于根長密度建立的分布函數相比，基于根系總吸收面積建立的RAA函數在應用于HYDRUS-1D的土壤水分運動模擬時能夠取得更好的模擬效果，尤其在受輕度鹽分脅迫的情況下，模擬結果的準確性明顯優于其他3種分布函數。

2.3 應用RAA函數的根系吸水量計算

以上分析顯示，RAA函數能更好地模擬河套灌區鹽漬化農田中根系的吸水規律，因此本節繼續運用RAA函數及HYDRUS-1D模型，計算每日根系吸水速率和逐日累積根系吸水量，通過模擬的結果探討鹽分對根系吸水的影響。

將RAA函數輸入HYDRUS-1D模型計算得到全部4個微區全生育期內每日的根系吸水速率如圖5所示。從圖5中可以看出，各處理在時間上變化趨勢一致，在苗期根系吸水速率較小，進入蕾期后根系吸水速率迅速增大，至花期吸水速率達到最大，為根系吸水的鼎盛時期。在進入成熟期后，吸水速率逐漸減少。在整個生育期中，S1處理微區(3號和4號微區)的吸水速率均小于S0處理的微區(1號和2號微區)。以1號和3號微區為例，在苗期，3號微區(S1)的平均日吸水速率與1號微區(S0)相比減少37.26%，在蕾期時這個數值增加至69.29%，在花期時減小為54.41%，在成熟期進一步減小至36.04%。將2號和4號微區進行對比也可反映出相似的規律。這說明，受中度鹽分脅迫根系的耐鹽性在苗期和蕾期時較弱，其中蕾期時鹽分對根系吸水的抑制作用最為明顯。在進入花期之后，根系的耐鹽性逐漸增強，且根系吸水速率的逐漸減小，鹽分的抑制作用逐漸減弱。

圖5 不同鹽分情況下向日葵逐日根系吸水速率Fig.5 Daily sunflower root water uptake rate under different saline conditions

3 結 論

(1)本文針對輕度和中度鹽分脅迫條件下的向日葵根系分布，基于土柱實驗結果，分別提出了基于根長密度和根系總吸收面積2種指標的分布函數(RLD函數和RAA函數)，實驗結果顯示該兩種模型能夠較好地反映相應鹽分條件下向日葵根系在一維土壤剖面上的分布。

(2)將RAA函數應用于HYDRUS-1D軟件后，模擬結果顯示其對輕度和中度鹽分脅迫條件下根系吸水和土壤水分運動的模擬精度優于其他3種基于根長密度的分布函數，特別是在輕度鹽分脅迫條件下，模擬精度提升明顯。

(3)通過HYDRUS-1D軟件計算得到逐日根系吸水量，反映出在向日葵全生育期內鹽分脅迫對根系吸水始終具有抑制作用，且這種抑制作用在蕾期最為明顯，在進入花期后隨著根系耐鹽性的提升而逐漸減弱。

[1] Paul D, Lade H. Plant-growth-promoting rhizobacteria to improve crop growth in saline soils: a review[J]. Agron Sustain Dev, 2014,34(4):737-52.

[2] 王佳麗, 黃賢金, 鐘太洋, 等. 鹽堿地可持續利用研究綜述[J]. 地理學報, 2011,66(5):673-684.

[3] Wang Y N, Li K X, Li X. Auxin redistribution modulates plastic development of root system architecture under salt stress in Arabidopsis thaliana[J]. Journal of Plant Physiology, 2009,166(15):1 637-1 645.

[4] Gregory P. Root growth of chickpea, faba bean, lentil, and pea and effects of water and salt stresses[C]∥ World crops: Cool season food legumes. Springer, 1988:857-867.

[5] Galvan-ampudia C S, Testerink C. Salt stress signals shape the plant root[J]. Current opinion in plant biology, 2011,14(3):296-302.

[6] 王法宏, 王旭清, 劉素英,等. 根系分布與作物產量的關系研究進展[J]. 山東農業科學, 1997,(4):47-50.

[7] 吳偉明, 宋祥甫, 孫宗修,等. 不同類型水稻的根系分布特征比較[J]. 中國水稻科學, 2001,(4):37-41.

[8] Zuo Q, Zhang R, Shi J. Characterization of the root length density distribution of wheat using a generalized function[C]∥ Timlin D, Ahuja L R. Enhancing Understanding and Quantification of Soil-Root Growth Interactions. American Society of Agronomy Publisher, 2013:93-117.

[9] 齊文增, 劉惠惠, 李 耕,等. 超高產夏玉米根系時空分布特性[J]. 植物營養與肥料學報, 2012,18(1):69-76.

[10] Ning S, Shi J, Zuo Q, et al. Generalization of the root length density distribution of cotton under film mulched drip irrigation[J]. Field Crops Research, 2015,177:125-136.

[11] 劉彬彬. 水分脅迫對玉米幼苗形態建成、生理代謝及根系吸水的影響[D]. 陜西楊凌：中國科學院研究生院(教育部水土保持與生態環境研究中心), 2008.

[12] Wu J Q, Zhang R D, Gui S X. Modeling soil water movement with water uptake by roots[J]. Plant and Soil, 1999,215(1):7-17.

[13] 李 琦, 馬 韜, 曾文治,等. 水、鹽和施氮量交互作用對向日葵水分利用的影響[J]. 中國農村水利水電, 2016,(3):27-30.

[14] 曾文治, 徐 馳, 黃介生,等. 土壤鹽分與施氮量交互作用對葵花生長的影響[J]. 農業工程學報, 2014,30(3):86-94.

[15] Feddes R A, Kowalik P J, Zaradny H X. Simulation of field water use and crop yield[M]. Centre for Agricultural Publishing and Documentation, 1978.