不同耕作模式下水稻產量與器官多要素響應的比較研究

馬黎華，萬琪慧，王振昌，蔣先軍※

（1. 西南大學資源環境學院，重慶 400715；2. 河海大學水利水電學院，南京 210098）

0 引 言

水稻作為最重要的糧食作物，在世界上超過95 個國家進行了種植[1]。中國水稻產量占糧食總產量的33.51%[2]，其穩產高產已經成為保證國家糧食安全的重要部分[3]。針對南方稻區冬水田的低產低效問題，土壤學家侯光炯等[4]提出稻田“自然免耕”技術，即平地起壟，制造高于田面平均高度的苗床用于耕作。作為一種常見的保育耕作方式，壟作具有提高土壤肥力和水分管理的優勢，同時可以提高生根深度以及改善害蟲管理等優點[5]。研究表明，壟作可影響土壤的生物和非生物過程[6-7]，壟作免耕的水稻耕種技術對增加土壤通氣性，改善土壤結構，增加土壤有機質溶解以及土壤微生物等方面具有顯著優勢[8-9]。

影響水稻產量的因素往往是多方面的，田間管理的差異往往能夠帶來水稻產量的差異；水稻品種的優選，配套栽培技術，水分和養分的田間管理是單產提高的關鍵[3]。從水分管理角度，采用節水灌溉和干濕交替灌溉等不同水分管理模式會影響作物產量，同時導致水稻水分利用效率的顯著差異[10]。植物干物質中碳同位素組成（carbon isotope composition，δ13C）值與光合作用關系密切，δ13C 包含了碳轉移固定過程中物理、化學和生物代謝等方面的大量信息[11]。由于葉片δ13C 值與作物水分利用效率存在顯著的相關關系[12]，δ13C 被廣泛應用于與水分轉化吸收利用方面的研究[13-14]；同時，在功能群、群落冠層、生態系統以及全球碳循環方面應用廣泛[15-16]。從養分管理角度，土壤中氮（N）、磷（P）、鉀（K）的豐缺程度直接影響水稻的生理特性和養分的吸收利用[17-18]，而不同耕作方式會影響水稻對營養元素的吸收[19]，肥力條件的差異導致水稻產量的差異可達3 000～4 000 kg/hm2[20]。從耕作方式角度，水稻免耕和壟作模式比傳統淹水種植方式具有明顯的產量優勢[21]。水稻根系在水分與養分吸收環節扮演重要角色[22]，高產水稻往往具有根系分布更廣、根系活力更強等特征[23]。水稻成熟期上位根的根干重密度、根長密度、根表面積密度和根活性表面積密度與有效穗數及籽粒產量之間呈顯著正相關[24]。

成熟期水稻是各種要素在植株內轉移的最終結果，水稻前期和中期干物質積累量與產量的關系不顯著，但后期與產量的相關達到顯著水平[25]。成熟期根、莖、葉、籽粒中N、P、K 和δ13C 的差異能夠反應不同耕作模式下水稻干物質積累規律的差異性，是水稻水分養分高效利用以及產量形成的重要判別因子。相關分析在作物產量與單個因素的響應關系分析中較為常見，多元線性回歸模型（Multiple Linear Regression，MLR）是最常見的產量模型之一。在產量的多元線性分析中，考慮的單個影響因素有葉片離子濃度[26]，環境因素，施肥管理和耕種模式等[27-29]。Chamekh 等[30]利用MLR 分析在篩選耐鹽型的硬質小麥時，發現籽粒中δ13C 含量和N 含量是產量模型中的主要影響因子。在分析和解決農業科學及環境科學中復雜多影響因素問題時，主成分分析（Principal Component Analysis，PCA）方法應用廣泛[31-33]。PCA 可以實現復雜多變量的線性合并，結合多元線性回歸分析可以更好明確產量與綜合要素的協同變化關系。研究表明水分與養分狀況與水稻產量存在復雜的響應關系；在植株器官元素尺度綜合考慮水分影響因素（如δ13C）與養分營養因素（如N、P、K）多要素與產量關系的研究還較為少見。本研究基于西南大學稻田自然免耕長期定位試驗站2 年田間小區試驗數據，選取冬水田、壟作免耕和常規水旱輪作3 種處理，從水分利用以及養分吸收的角度出發，選取成熟期水稻全株不同器官的δ13C 值，N、P、K 積累以及根系特征為研究對象；采用相關分析法分析了水稻產量與單個影響因素的響應關系，采用主成分分析與主成分多元線性回歸模型（即PCA-MLR 模型）法對水稻產量與綜合要素的協同響應關系進行比較研究與綜合分析，旨在分析不同耕作模式下水稻產量與影響要素響應關系的差異性，為深入理解稻田水肥高效利用和穩產增產機理提供科學依據。

1 材料和方法

1.1 試驗地概況

試驗在重慶市北碚區西南大學稻田免耕長期定位試驗站（30°26′N，106°26′E）開展，本研究依托稻田免耕長期定位試驗始于1990 年，共設8 個處理，4 個重復。試驗站海拔230 m，年均溫18.3 ℃，年日照時數1 277 h，年均降水量1 105 mm，無霜期約為334 d。土壤類型為中生代侏羅系沙溪廟組，灰棕紫色沙泥巖母質上發育的中性紫色水稻土。水稻品種為炳優6 號（炳優6028），屬早秈三系雜交稻品種，2016 年全生育期127 d（4 月15號移栽至8 月20 號收獲），2017 年全生育期132 d（4月4 號移栽至8 月14 號收獲）。

1.2 試驗設計

本研究選取長期定位試驗中的3 個處理分別是：1）冬水田（Flooded Paddy Field，FPF），稻田常年處于淹水狀態，保持水層深度為5 cm 左右。水稻收獲后將稻茬和雜草翻入土中，春季翻耕種植中稻，耕作深度為25～30 cm。2）壟作免耕（Combining Ridge with No-Tillage，RNT），每小區5 壟，一壟一溝，壟頂寬25 cm，溝寬30 cm，溝深35 cm。水稻移栽到苗期期間處于淹水狀態，水層深度為高出壟頂3 cm 左右；其他生長季水位保持低于壟頂5～10 cm 直到收獲。水稻收獲后種植油菜，油菜收獲后將殘茬埋在溝底，灌水，水面與壟頂齊平，種植水稻。3）水旱輪作（Conventional Paddy-Upland Rotation Tillage，CT），水稻與油菜輪作。 淹水平作種植水稻，保持水層深度為5 cm 左右。水稻收獲后，四邊開溝排干稻田積水，翻耕將稻茬翻入土中，種油菜。油菜生長期間，盡可能地保持四邊溝內無積水。油菜收獲后，翻耕將油菜殘茬翻入土中，淹水，種水稻。

每個小區面積為20 m2（5 m ×4 m），區組排列。各小區施肥量相同，氯化鉀150.1 kg/hm2，尿素273.1 kg/hm2；過磷酸鈣500.3 kg/hm2。折算成純養分：N 為125.63 kg/hm2、P2O5為50.03 kg/hm2、K2O 為90.06 kg/hm2。過磷酸鈣作底肥一次施用；尿素用量的2/3 作底肥，1/3 作為追肥；氯化鉀底肥和追肥各半。3 種耕作模式的播種、移栽、施肥管理一致，收獲期土壤耕層基礎養分狀況見表1。

表1 2016 年和2017 年不同耕作模式下耕層的基礎養分狀況 Table 1 Topsoil nutrient status under different tillage modes in 2016 and 2017

1.3 指標測定

分別于2016 年8 月20 日和2017 年8 月14 日（水稻成熟期）進行水稻全株采樣，根、莖、葉和籽粒器官分離，分別測量其天然碳同位素含量和氮（N）、磷（P）、鉀（K）含量；并對水稻根系進行掃描，獲取成熟期水稻根系特征值。

1.3.1 碳同位素組成δ13C 的測量

每個小區采集3 穴長勢均勻的水稻，用自來水沖洗掉根莖葉上的灰塵和污物，再用去離子水反復沖洗，將植株分為根、莖、葉和穗4 部分。所有樣品在105 ℃下殺青30 min，而后在70 ℃下烘干至恒重，稱量后用美的不銹鋼磨樣機進行粉碎備用；籽粒用JLGJ45 型糙米機出糙，并用MM301 型瑪瑙磨樣機粉碎備用。在分析元素含量之前，樣品在70 ℃下再烘干1 次，烘干后保存在干燥器中，等待稱樣分析。

采集水稻樣品后，過80 目篩的樣品送至河海大學水文水資源與水利工程科學國家重點實驗室，用元素分析儀和同位素質譜儀（MAT253 型，Thermo Fisher Scientific，USA）聯用的方法測定葉片氮素含量和碳素含量以及δ13C。其中碳同位素組成δ13C 值的計算如式（1）所示

式中Rsample為所測樣品中 C13與 C12的豐度比，即C13/C12；Rstandard為國際標準樣品（V-PDB）中13C 與12C 的豐度比[34]。

1.3.2 N、P、K 含量的測定

將取得的植株樣本80 ℃烘干至恒重，將根、莖、葉、籽粒不同部位的樣品稱取50 mg 粉碎，過0.25 mm 篩后放入消解管，加入60%硝酸2 mL 過夜，然后在DigiPREP消解儀（SCP Science, Quebec, Canada）上消解3 h，之后加入0.5 mL 雙氧水進一步消解，至溶液變為透明并剩余0.2 mL 左右后室溫冷卻，最后用2%硝酸定容至15 mL，并用ICP-MS（ELAN, DRC-e; Perkin-Elmer, Waltham, MA, USA）測定氮、磷、鉀（N、P、K）各元素的含量[35]。

水稻收獲后，采集0～20 cm 土壤樣品基礎性質測定采用土壤理化分析常規方法[36]。水稻種植前與水稻收獲后，采集0～20 cm 土壤樣品用于土壤理化性質的測定，每個小區5 個土樣（0～20 cm），混合均勻后過2 mm 篩并室溫風干。取風干后土壤2.0 g，使用1 mol/L 的醋酸銨40 mL 浸提，并取上清液5 mL 于消解儀上進行消解，過程和植物消解過程一致，最后用2%硝酸定容至10 mL 并使用ICP-MS 測定N、P、K 各元素的含量[35]。供試土壤基礎性質測定采用土壤理化分析常規方法[36]。

1.3.3 根系形態指標測定

每個小區取3 穴成熟期稻株，以每穴水稻根為中心，挖取20 cm×20 cm×20 cm 的土塊，先用流水沖洗，然后用農用壓縮噴霧器將根沖洗干凈，先用根系掃描儀EPSON（PERFECTIONV700）進行圖像掃描，后采用Win RHIZOPRO 2012 軟件進行分析和計算，獲得總根長、總根表面積、總根體積、根系平均直徑等指標參數。

1.3.4 計產

在成熟期時，各小區選取小區中央5 m2作為測產面積。實收，晾曬、烘干、脫粒，測定含水率和雜質率。根據水雜率國家標準，實測畝產實際產量計算如式（2）所示

式中國家標準水雜率由秈稻按國標雜質率1%，含水率13.5%計算[24]；實測水雜率由實測含水率和雜質率計算，%；實測畝產，kg；單位面積鮮谷質量，kg/m2；畝產轉換為666.7 m2。

1.4 數據統計分析

采用One way ANOVA 分析耕作處理之間籽粒產量和根系特性、離子含量以及δ13C 含量的差異顯著性，并進行Duncan 多重比較。水稻產量與總根長、根表面積、根體積、根平均直徑、不同器官N、P、K 以及碳同位素組成δ13C 之間的相關性，采用Pearson 相關系數描述其相關程度。

數據進行標準化處理，消除變量間的量綱差異。數據標準化處理采用各變量值與其平均值之差除以該變量值的Z 標準化方法。對自變量組合進行主成分分析[32]，PCA 利用“降維”的思想把多個水稻成熟期植株的指標變量經線性變化后篩選出能代表絕大部分指標的幾個主成分，并經過方差極大旋轉后的主因子來識別多指標歸屬的少數類別。PCA-MLR 模型的目的是在PCA 識別主要類別Xi的基礎上，通過最小二乘法確定影響水稻產量Y 的主要類別因子及其貢獻率，類別因子的平均貢獻率為（βi，%），則PCA-MLR 公式如（3）所示

式中Y 是作物產量，Xi指第i 個PCA 類別因子，βi為其對應的回歸系數，β0為常數項。

Excel 2010 對數據進行標準化處理，相關分析，主成分分析以及多元線性回歸模型在統計分析軟件SPSS 18.0下完成，使用origin 9.0 軟件進行作圖。

2 結果與分析

2.1 不同耕作模式下的水稻產量

由圖1 可知，2017 年3 種耕作模式下的實際產量有顯著差異，壟作免耕產量最高，為8 750 kg/hm2，其次是冬水田8 375 kg/hm2和常規平作7 750 kg/hm2。2016 年3種不同耕作處理的實際產量差異不顯著，壟作免耕產量最高，其次是冬水田和常規平作。

圖1 不同耕作方式對水稻產量的影響 Fig.1 Effects of different tillage modes on yield of rice

2.2 不同耕作模式下的碳同位素組成δ13C、N、P、K 含量以及水稻根系

圖2 為不同耕作模式下成熟期水稻根、莖、葉、籽粒碳同位素組成δ13C 值，壟作免耕條件下，葉片中δ13C值穩定低于冬水田和常規平作，不同植株器官中的葉片的δ13C 值最低。2016 年和2017 年壟作免耕模式下的成熟期葉片的δ13C 值為?28.5‰和?29.4‰，低于常規平作δ13C 的值為?28.3‰和?29.2‰，低于冬水田δ13C 的值?28.3‰和?29.1‰。2016 年壟作免耕處理莖稈δ13C 值為?28.1‰，顯著低于冬水田的?27.8‰（P＜0.05）。2017年成熟期水稻在壟作免耕的耕作模式下的莖稈，葉片與籽粒中的δ13C 值均低于常規平作與冬季休閑模式。根器官中的δ13C 值2 年規律存在不一致。2017 年的δ13C 值略低于2016 年；與2016 年相比，2017 年莖稈和籽粒中的δ13C 值呈現CT＞FPF＞RNT 的結果。

圖2 不同耕作模式水稻根、莖、葉、籽粒碳同位素組成δ13C 含量 Fig.2 Effects of different tillage modes on carbon isotope composition δ13C of rice roots, stalks, leaves, tassels

圖3 為成熟期水稻植株各器官N、P、K 的含量。N、P、K 在水稻不同生育期存在遷移和轉化規律上的差異，在成熟期，K 主要積累在莖稈，N 主要積累在葉片和籽粒，P主要積累在籽粒和根[37]。由圖3 可知，2017 年壟作免耕N在各個器官的積累具有優勢，在根、莖、葉、籽粒中的全氮濃度分別比冬水田高了1.6%、9.8%、8.6%和16.3%，比常規平作高了18.0%、17.3%、14.7%和14.2%。2016 年的優勢不明顯，只有根系中K 濃度，壟作免耕分別比冬水田和常規平作高出10.8%和36.1%；其次是莖稈中的K 濃度，壟作免耕分別比冬水田和常規平作高出了5.0%和11.5%。

表2 為測得的根系特征指標值。在多個根系指標的比較中，RNT 在總根長，總根表面積，總根體積和根的平均直徑上均占優勢。在2016 和2017 年，RNT 根的平均直徑均顯著高于FPF 和CT。其中，2016 年水稻總根表面積RNT較FPF 和CT 分別增加了1.6%和7.0%；2017 年顯著增加了6.3%和12.1%。2016 年水稻總根體積RNT 較FPF 和CT 分別增加了1.0%和23.0%；2017 年顯著增加了7.0%和7.7%。

圖3 不同耕作模式下的水稻不同器官N、P、K 含量 Fig.3 N、P、K concentration of rice in different organs under different tillage modes

表2 不同耕作方式對水稻根長、根表面積、根體積與平均直徑的影響 Table 2 Effects of different tillage modes on the total length, surface area, volume and average diameter of roots

2.3 產量與各因素的相關分析

將2016—2017 年成熟期水稻根、莖、葉、籽粒中的δ13C 值、N、P、K 含量以及根系特征指標與水稻產量做Pearson 相關性分析，計算相關系數結果如表3 所示。由表3 可知，成熟期水稻根、莖、葉、籽粒中的δ13C 值均與水稻產量有極顯著（P＜0.01）的負相關關系，相關系數為?0.702、?0.734、?0.572 和?0.711。根系特征中的總根長（RL，cm）、根表面積（RS，cm2）、總根體積（RV，cm3）和平均直徑（RA，mm）與水稻產量呈極顯著的正相關關系，相關系數為0.538、0.624、0.450 和0.710。由于成熟期N、P、K 在植株內的轉移和籽粒中的積累作用，成熟期水稻籽粒中的N、P、K 含量與水稻產量呈顯著正相關，相關系數分別為0.411、0.432 和0.529。

表3 成熟期水稻產量與各因素多指標的Pearson 相關系數（R） Table 3 Pearson’s correlation coefficients (R) of rice yield and various parameters in maturing stage

2.4 因素組成的主成分提取及分析

采用主成分分析法（Principal Component Analysis，PCA）對根、莖、葉、籽粒的δ13C 值，N、P、K 含量，以及根系的總根長、總根表面積、總根體積、根平均直徑等20 個指標進行主成分提取。由表4 可知，提取了6個主成分的累計貢獻率超過80%。其中，第一主成分（PC1）的公因子貢獻率30.10%，由δ13CR、δ13CS、δ13CL、δ13CP、KP、PP和KL組成。在表4 的分析中，這些指標與產量的相關系數均達到了極顯著相關，可以認為PC1 主要由碳穩定同位素和籽粒P、K 的積累組成。第二主成分（PC2）的公因子貢獻率為12.18%，PC2 由NP、NL和NS組成，可以認為第二主成分主要由N 在水稻植株莖干和葉片中的積累的、組成。第三主成分（PC3）的公因子貢獻率為11.78%，由RL、RV和RS組成，可以認為第三主成分主要由根系特征指標組成。第四主成分（PC4）的公因子貢獻率為10.05%，PC4 由RA、PS和PL組成，可以認為第四主成分由根平均直徑和P 素在植株莖稈與葉片中的積累組成。第五和第六主成分的公因子貢獻率分別為9.05%和7.92%，PC5 由PR和KS組成；PC6 由NR和KR根中的N、K 組成。

表4 水稻根系、不同器官碳同位素組成δ13C 和N、P、K 含量的主成分分析（PCA）分析結果Table 4 Results of Principal Component Analysis (PCA) on the root system, δ13C and N, P, K concentrations of rice

2.5 水稻產量PCA-MLR 模型分析

以主成分（PC1～PC6）為自變量Xi，水稻產量為因變量Y 建立多元線性回歸模型。首先以全回歸法，即將自變量（PC1～PC6）因子全部保留的方法建立回歸方程。將其中t 檢驗不顯著的自變量剔除，僅保留對產量有顯著影響的3 個類別因子為最終的自變量項[32]，得到的回歸模型及其參數見表5。回歸模型預測的模擬值與觀測值關系如圖4 所示。在標準化預測產量和實測產量的對比圖中，可以看出PCA-MLR 模型可以實現對水稻產量的模擬。冬季休閑、壟作免耕與常規平作處理的產量實測值與預測值之間決定系數（coefficient of determination, R2）分別達到了0.67、0.73 和0.97，均方根誤差（Root Mean Square Error, RMSE）的值分別為0.55、0.65 和0.13。從表5 的結果可以看出，FPF 和RNT 保留的類別因子為PC1、PC4 和PC5；CT 保留的因子與FPF 和RNT 有所區別，為PC2、PC3 和PC6。與FPF、RNT 耕作模式處理下水稻產量關系最密切的是PC1 因子，貢獻率分別為57.5%和66.2%。與CT 耕作模式下水稻產量關系最密切的是PC2 因子，其次是PC3 和PC6，貢獻率分別為62.9%、35.0%和40.5%。

表5 不同耕作模式下水稻產量的主成分分析與主成分多元線性回歸（PCA-MLR）模型分析結果 Table 5 Results of PCA-MLR analysis on rice yield under different tillage modes

圖4 水稻產量實測值與預測值之間的對比 Fig. 4 Comparison between the measurement values and predication values of yield

3 討 論

壟作影響水分在土壤不同土層的分布，進而對作物水分、養分的吸收利用效率產生影響；這種影響可能是導致3 種耕作模式水稻產量差異的主要原因。壟埂的一部分出露于水層之上，壟埂土壤始終保持著穩定又不斷運動的水層，土壤毛管引力和吸水力對作物產量累積起到了積極作用[38-39]。研究表明，在控制灌溉干濕交替的條件下，水稻葉片碳同位素組成δ13C 與葉片瞬時水分利用效率的相關性比淹水灌溉更為顯著[40]。在干物質中天然穩定同位素碳δ13C 的差異由葉片光合速率與氣孔導度比值決定，較低的葉片δ13C 對應較高的水分利用效率[41-42]。本研究水稻成熟期的葉片δ13C 值，壟作免耕低于常規平作與冬季休田（圖1）；壟作免耕處理具有高水分利用效率的優勢。CO2隨氣孔進入，由光合作用碳同位素的分餾作用影響葉片的δ13C 值，而成熟期水稻根、莖、葉、籽粒的δ13C 值是碳穩定同位素在植株體內積累與轉移的最終結果。本研究中成熟期水稻植株根、莖、葉、籽粒的δ13C值均與水稻產量成極顯著負相關關系（P＜0.01）（表4）。同時，根、莖、葉、籽粒中的δ13C 會隨不同生長階段碳的富集作用以及環境的逆效應發生改變[43]。作物生長后期富含C 的糖類物質從葉片向莖桿和根系轉運，造成的根系和莖稈中δ13C 值更高[44-45]，本文成熟期根、莖、葉、籽粒中的δ13C 值由根到莖到葉片呈逐步減少趨勢，這與王振昌等[40]關于水稻器官δ13C 研究的規律一致。

與持續淹水的耕作方式相比，交替濕潤與適度干旱方式可以增強根系生長[46]。壟作免耕耕作方式下根區在生育后期處于類似旱地的土壤環境，根的平均直徑，根表面積與根長密度均顯著高于冬水田與常規水旱輪作（表2），根系特征值RL、RS和RA與水稻產量呈顯著的正相關關系（表3）。籽粒的N、P、K 含量都與水稻產量有顯著的正相關關系。起壟的耕作方式使土體界面擴大熱傳導更快，土壤溫度增加，土壤水分養分活動更加活躍，影響了水稻N、P、K 的養分平衡及其在水稻植株的積累狀態[47]。研究表明，間歇灌水會降低土壤水分含量，使植物對磷的吸收效率下降[48]，同時降低水稻不同器官的磷濃度[49]。冬水田與壟作免耕水稻產量和代表水分利用效率水平的碳同位素組成δ13C（PC1）以及P 含量（PC4，PC5）關系更密切。與冬水田相比，壟作免耕與PC4 即P 含量因子的關系更密切（表5），相比較冬水田和常規水旱輪作水稻種植的淹水模式，RNT 在水稻生育后期壟上的根系處于相對干燥的環境的中，可能是導致RNT 水稻產量對于磷在莖稈與葉片的積累更加敏感的原因。冬水田一年中僅在水稻種植前進行翻耕，而常規平作的稻油輪作中一年進行翻耕兩次。冬水田和壟作免耕相對稻油輪作屬于少耕和免耕模式，翻耕對土壤結構和土壤養分影響很大；壟作免耕和冬水田耕作方式各粒級土壤團聚體總有機碳含量，均顯著高于常規耕作總有機碳[50]。少耕或免耕的耕作方式可能是導致冬水田與壟作免耕在產量構成要素上更為接近的主要原因。

本研究中不同年份產量以及N、P、K 積累規律的存在一定差異，可能是由于田間采樣的誤差所致；也可能與不同年份氣象因素與土壤養分狀況的差異性有關。有研究表明：相較于水旱平作，壟作免耕水稻根莖葉的P含量并沒有顯著變化，而P 累積量顯著增加[37]。在一些情況下，不同的耕作方式沒有帶來產量的差異，但是卻存在水分利用效率的顯著差異[51]。壟作與傳統的持續淹水的耕作方式相比，壟作免耕耕作方式下根區在生育后期處于類似旱地的土壤環境，從而導致水分與養分吸收轉化規律與傳統淹水方式不同。壟作免耕水稻其種植技術在理論上具有明顯優勢，同時具有保育土壤，減少水土流失和提高水分利用效率的生態效應。目前，壟作已具備機械化種植與田間管理的技術條件[52]，壟作免耕技術具有推廣和應用前景。

4 結 論

本研究分析了冬季休田，壟作免耕與水旱輪作不同耕作模式下水稻產量與成熟期水稻植株根、莖、葉、籽粒的碳同位素組成（carbon isotope composition，δ13C），氮（N）、磷（P）、鉀（K）與根系特征值之間的響應關系。結果表明，1）3 種不同耕作模式下壟作免耕的水稻產量最高，其次是冬水田和常規平作。水稻成熟期的根、莖、葉、籽粒中的δ13C、根系總根表面積與籽粒N、P、K 含量與產量值呈極顯著相關關系。2）采用主成分分析與主成分多元線性回歸模型（即PCA-MLR 模型）能夠解釋冬水田、壟作免耕和常規水旱輪作水稻產量67%、73%和97%的變異，回歸系數結果表明壟作免耕和冬季休閑耕作下水稻產量與器官δ13C 以及P 含量因子密切相關；常規平作下產量與根系特性以及N 含量因子密切相關。與常規平作相比，壟作免耕和冬季休閑耕作模式下，水稻產量與水分要素δ13C 的關系更密切。3）壟作免耕水稻種植技術可保育土壤，提高水分利用效率和水稻產量，在具備機械化種植與田間管理技術條件下具有推廣應用前景。