基于水分管理的稻田養分流失潛力分析及其擬合預測模型

馮國祿， 楊 斌， 魯棟梁， 田義超

(欽州學院，廣西欽州 535011)

我國湖泊富營養化的水體已占63.6%，農業主產區中的太湖、巢湖、滇池等地的水質總氮、總磷含量與20世紀80年代相比大幅增加。農田地表徑流所流失的氮磷，成為我國南方地區農業面源污染和河湖水質富營養物質污染的主要來源[1]。

氮肥、磷肥施入土壤后，由于施肥、排灌水方式不當等原因，被作物吸收利用的肥料量分別占其總施肥量的30%～35%、15%～25%[2]。目前水稻田的養分流失現象相當普遍，已經對水體環境質量產生了巨大的威脅。陸地生態系統氮、磷的大量輸入是最終導致湖泊富營養化的重要因素，而降水地表徑流及地下排水徑流是農業非點源污染的主要排放形式。隨著社會的持續發展，糧食需求量巨增，水體富營養化具有進一步惡化的趨勢，水體富營養化易導致生態系統崩潰和物種滅絕，已成為構建和諧社會、建設生態良好型社會過程中亟待解決的核心水污染問題[3-4]。地表徑流氮主要包括顆粒氮和溶解性氮，其中溶解性氮以銨態氮(NH4+-N)、硝態氮(NO3--N)為主。

控制排水是降低稻田地表徑流損失的重要方式，主要措施包括3個方面，(1)控制排水時間，若降水量大且持續時間長，則應延緩降水期間稻田直接向田溝排水的時間，這有利于增加稻田田面水深度，降低因降水擊濺侵蝕和化學侵蝕而進入地表水中的土壤顆粒和可溶性氮、磷數量[5]，對于剛施肥的稻田效果尤其明顯。(2)增加降水后澇水在排水溝中的滯留時間，這有利于發揮排水溝濕地功能，促使水中懸移物質或顆粒態的氮、磷沉淀下滲，降低氮、磷的排放濃度，減輕氮、磷對附近水體的污染[6]。(3)采取零排放水分管理模式，即在水稻的整個生育期內只灌水不排水的稻田水分管理技術[7]。張志劍等采用零排放水分管理模式進行試驗發現，一季水稻田的溶解態磷(dissolved phosphorus，簡稱DP)的凈排放負荷降為負值，稻田由輸出磷素的“源”轉為截流磷素的“匯”[8]。零排放水分管理模式為減少稻田氮、磷流失提供了新的思路。Takeda等通過研究得出，在流域系統中，氮、磷的排放負荷隨著年降水量的增多呈近似線性增加趨勢，但隨著滯水時間的延長而減少，且在前幾天急劇下降，之后逐漸趨于定值甚至隨著時間的延長成為負值，即流域成為氮、磷的“匯”[9]。

鑒于稻田環境系統自身的復雜性、高維性以及各因素之間的非線性關系，將對復雜系統非線性特征具有很強捕捉能力的后向傳播(back propagation，簡稱BP)神經網絡[10]應用于氮、磷等養分流失潛力擬合預測模型的構建。BP神經網絡是一種通過模擬人腦神經元結構和功能而設計的信息系統[8]，與傳統方法相比，具有模糊的數據、須要決定的模式特征不明確、數據本身非線性、隨機數據或數據中含有較多的噪聲等優勢[10-12]。其中，BP神經網絡因解決了多層前饋網絡的學習問題而成為目前最流行的神經網絡系統。

國內外關于農田土壤氮、磷形態與轉化過程的研究較多，而在水分管理方面的研究報道卻相對較少，因此，研究施肥及水分管理對稻田氮、磷養分流失潛力的影響，對控制氮、磷流失、保護環境具有較好的科學意義。為盡量減輕試驗立地條件受外界較大隨機性春季降水過程的影響，本研究采用滯水時間控制與單排單灌水分管理系統相結合的關鍵技術，設計以春插面肥種類和蓄水深度為試驗因素(2因素3水平)的小區模擬試驗，對田面水中氮、磷養分流失潛力的動態進行分析。另外，以3層BP神經網絡為工具，選取春插面肥種類、蓄水深度、動態時間等3個指標作為輸入結點，以非點源污染物(氮、磷等養分)流失潛力作為輸出指標，應用Matlab R2014a?軟件對采集的樣本進行訓練和驗證，獲得氮、磷等養分流失潛力擬合預測模型，并對該模型進行誤差檢驗。本研究旨在為我國南方稻田的有效水分管理提供科學的基礎數據。

1 材料與方法

1.1 供試材料

試驗在廣西壯族自治區欽州市農業科學研究所進行，地處20°53′～22°42′ N，107°27′～109°56′ E之間，年平均氣溫為22 ℃，年平均降水量為1 600 mm。供試土壤為水稻土，其基本理化性狀：有機質含量為18.5 g/kg，總氮(total nitrogen，簡稱TN)含量為0.95 g/kg，總磷(total phosphorus，簡稱TP)含量為0.87 g/kg，總鉀(total kalium，簡稱TK)含量為0.34%，水解性氮(N)含量為195 mg/kg，有效磷(P)含量為50.1 mg/kg，速效鉀(K)含量為97 mg/kg，pH值為6.34。供試肥料為固體復合肥、液體復合肥以及單質混合肥(由尿素、過磷酸鈣、氯化鉀等混合而成)，其施肥量均為750 kg/hm2。

1.2 試驗設計

于2015年4月中旬進行春耕試驗。以春插面肥種類為試驗因素之一，將春插面肥種類的3個水平分別設為固體復合肥、液體復合肥、單質混合肥，分別表示為F1(N ∶P2O5∶K2O=21 ∶6 ∶13)、F2(N ∶P ∶K=3 ∶1 ∶1)、F3(尿素 17.1%、過磷酸鈣12.0%、氯化鉀60.0%)。以蓄水深度為另一試驗因素，設蓄水深度為3、6、9 cm 3個水平，分別表示為H3、H6、H9。

應用SPSS軟件對以春插面肥種類和蓄水深度為試驗因素的春耕試驗進行L9(32)正交試驗設計。各試驗小區面積為 18 m2，小區田埂筑高0.4 m，并用塑料薄膜包被(入土 0.45 m)，以減少側滲和串流。在試驗大田中建立1個獨立的單排單灌水分管理系統，春耕用水由當地的農田灌溉系統提供。

本研究的正交試驗設計中有9個試驗組合，每個組合設3次重復，共計27個試驗小區，隨機區組排列(圖1、圖2)。

1.3 樣品采集

模擬春耕時將肥料施入大田與土壤耕作層混合均勻以提高肥效的方法， 于施肥處理完成0、1、3、5、7、9 d后，分別從模擬小區稻田中采水樣帶回實驗室并立即測定各項指標的含量。

1.4 數據分析與處理

水樣各指標測定方法[13]：總氮含量采用硫酸鉀氧化-紫外分光光度法進行測定；銨態氮(NH4+-N)含量的測定參照GB/T 7479—1987《水質 銨的測定 納氏試劑比色法》；硝態氮(NO3--N)含量的參照GB/T 7480—1987《水質 硝酸鹽氮的測定 酚二磺分光酸光度法》；總磷含量的測定參照GB/T 11893—1989《水質 總磷的測定 鉬酸銨分光光度法》。

采用瞬時養分絕對流失量法進行數據處理，具體公式為

ΔQi=A×Ci×Xi。

式中：A為稻田小區面積；Ci為各采樣時間(D)各指標的濃度；Xi為蓄水高度。由于各小區面積一致，而H6、H9處理的蓄水深度又分別是H3處理的2、3倍，假定在各采樣時間點小區稻田田面水中短時內迅速全部排干，H3處理的養分相對流失量為&Qai=Ci×Xi，則H6處理的相對流失量為&Qbi=2Ci×Xi，H9處理的相對流失量為&Qci=3Ci×Xi，以此來分析田面水中各指標的相對流失潛力。各指標的相對流失量為3次重復數據的平均值。

2 結果與分析

2.1 NO3--N、NH4+-N相對流失量分析

由圖3可知，施用F1后，H3F1、H6F1、H9F1處理中的NO3--N相對流失量在施肥1 d后達到較大值，分別為69.15、119.10、36.16 mg，且3個處理從施肥后1 d至5 d均保持較高的NO3--N相對流失量水平，施肥5 d后田面水中的 NO3--N 相對流失量呈下降趨勢，但總體上表現為H6處理>H3處理>H9處理。其他處理在整個試驗過程中 NO3--N 的相對流失量均處于較低的水平。說明施用F1后，固體復合肥中的氮元素容易在土壤中微生物的硝化作用下迅速釋放出來。而施用F2和F3，則由于土壤微生物對其硝化作用相對較弱，致使釋放至田面水中的NO3--N處于較低的水平。因此，從減少田面水中NO3--N的流失潛力看，施用F2和F3比施用F1的減排效果更佳。

由圖4可知，除H9F1、H3F3、H9F3處理外，其他處理小區的NH4+-N相對流失量在施肥1 d后均處于較高水平，其中H6F2處理的最高，達151.26 mg；H3F2處理的相對較低，為 48.24 mg；H9H1處理的最低，為15.27 mg。其中H3F1、H9F2、H3F2、H6F3、H3F3、H9F3等處理的NH4+-N相對流失量在施肥1 d后呈下降趨勢，至施肥5 d后處于較低水平，而H6F2、H6F1處理在整個試驗階段均處于較高水平。因此，將H9F3、H3F3處理滯水至施肥5 d后排放，可有效減少田面水中NH4+-N的流失。

2.2 TP、TN相對流失量分析

由圖5可見，在施肥1 d后，H9F2、H6F2、H6F1處理的TP相對流失量達到峰值，其中H9F2處理最高，達 118.29 mg，而H6F3、H3F2處理的TP相對流失量則于3 d后達到峰值。施肥5 d后，H3F2、H9F3處理的TP相對流失量逐漸下降至較低水平，分別為18.61、27.21 mg。因此，從減少TP流失潛力看，將H3F2、H9F3處理滯水至施肥5 d后排水是較為安全的措施。

由圖6可見，各處理田面水中TN的相對流失量均于施肥1 d后達到峰值，其中H6F2處理的最高，為521.64 mg；施肥3 d后，田面水中TN的相對流失量迅速下降，其中H3F3、H9F3、H6F3處理的TN相對流失量較低，為15.90～50.90 mg。因此，將H3F3、H9F3、H6F3處理滯水至施肥3 d后排水，可有效減少田面水中TN的流失。

2.3 氮、磷等養分流失潛力擬合預測模型分析

本研究在進行BP神經網絡計算時，以春插面肥種類、蓄水深度、動態時間等3個指標作為輸入結點，以非點源污染物(氮、磷等養分)流失潛力作為輸出指標，在數據的處理過程中，由于氮、磷等養分流失數據變化幅度較大，會對模型的模擬結果產生影響，為解決這一問題，將實測的數據進行歸一化處理。歸一化處理能夠加快神經網絡的收斂。因此，應用Matlab R2014a?軟件對采集的樣本進行訓練和驗證，并對該模型進行誤差檢驗，以獲得氮、磷等養分流失潛力擬合預測模型。

將標準化的數據作為訓練材料，訓練圖7中建立的BP神經網絡模型。將氮、磷等養分流失潛力作為輸出指標，通過模型訓練和模型驗證，得到面肥種類、蓄水深度以及動態時間對稻田田面水中養分流失量的最優擬合方程為Output=0.57×Target+0.71，r2=0.569 91，其中Output表示輸出值，Target表示目標值。

因此，若已知非點源污染物(氮、磷等養分)流失潛力實測數據，則可以通過構建神經網絡模型，得出基于面肥種類、蓄水深度、動態時間的春耕稻田養分流失潛力的擬合預測模型。

3 結論與討論

采用室外微區模擬稻田春耕施肥耕整試驗，結果發現，3、6、9 cm等3個不同蓄水深度處理田面水中的氮、磷濃度變化與土壤中的氮、磷釋放密切相關[14]。稻田春耕耕整后滯水緩排技術可以減少春耕稻田隨排(退)水遷移流失的氮、磷污染物，有效減輕春季農業非點源污染[15]。基肥施入后8 d內田面水中的總氮、總磷含量明顯衰減，并于施肥8 d后趨于穩定，且處于較低水平[16]。春耕稻田撒施固體復合肥，在蓄水 5～6 cm 的條件下，于第5天或第7天排水，減排降污效果顯著；與第3天排水相比，第5天排水可減少排放的總氮21.22%～55.41%、總磷為67.67%～83.70%[14]。雖然提高排水堰高度田面水中的TN、TP濃度有所降低，但并不能降低其潛在流失量。控水滯排至施肥5～7 d后，田面水中的TN和TP流失量較少。從排水方式看，土壤耕整后先采取控水至9 cm或6 cm的深度，然后再排水至3 cm控水深度的排水方式模擬稻田田面水中的TN、TP流失量，總體上可分別減少33.33%～50.00%、34.48%～50.00%[17]。

綜上所述，就本試驗的春耕稻田TP和TN流失潛力而言，施用單質混合肥，進行蓄水9 cm處理，并滯水至施肥后 5 d 排干田面水是一種清潔的水分管理模式。同時，利用氮、磷等養分流失潛力的實測數據，構建BP神經網絡模型，得出基于面肥種類、蓄水深度以及動態時間的春耕稻田養分流失潛力的擬合預測模型為Output=0.57×Target+0.71，r2=0.569 91。