預報式灌溉決策支持系統下棉田土壤氮磷的淋失與利用

靳思佳，齊志明，桂東偉，李向義，曾凡江，陳小平

預報式灌溉決策支持系統下棉田土壤氮磷的淋失與利用

靳思佳1,2,4，齊志明1,2,3*，桂東偉1,2，李向義1,2，曾凡江1,2，陳小平1,2,4

（1.中國科學院 新疆生態與地理研究所荒漠與綠洲生態國家重點實驗室，烏魯木齊 830011；2.新疆策勒荒漠草地生態系統國家野外科學觀測研究站，新疆 策勒 848300；3.加拿大麥吉爾大學生物資源工程系，加拿大魁北克省圣安妮德貝勒維H9X 3V9；4.中國科學院大學，北京 100049）

【】探究預報式灌溉決策支持系統對減少新疆典型綠洲棉田土壤氮磷損失的影響。采用雙因素完全隨機試驗，設置3種灌溉決策方式（預報式灌溉（DSSIS）、墑情灌溉（SMS）、經驗灌溉（E））和2個灌溉量水平（100%（FI）與75%（DI）），研究了不同灌溉決策和灌水量對土壤氮磷分布、棉花生物量、氮磷吸收和產量的影響。①經驗灌溉存在硝態氮淋失問題，預報式灌溉的硝態氮淋失風險大于墑情灌溉，但灌溉決策的改變不會引起速效磷在各土層的差異分布。②與E和SMS處理相比，DSSIS處理顯著提高了28.5%和40.0%的棉花地上部全氮量。③DSSIS處理可最大提高33.7%的籽棉產量，80.7%的水分生產力，25.2%的氮肥偏生產力和25.6%的磷肥偏生產力。預報式灌溉決策具有降低硝態氮淋失風險，促進棉花氮吸收，提高籽棉產量，提高水分生產力和氮磷肥偏生產力的綜合優勢。

灌溉；硝態氮；速效磷；模型；土壤

0 引言

【研究意義】氮、磷是作物生長所需的重要營養元素，土壤中氮、磷養分的豐缺狀況直接影響著農作物的生長。旱地農田土壤中，氮、磷的遷移受灌溉的影響較大，其中淋溶作用是導致養分損失的主要原因，灌溉水是農田養分淋溶的重要驅動力[1]。土壤對磷的固定作用比較強烈，磷被淋溶下移的程度很小。但是，磷肥或有機肥的大量長期施用會顯著增加土壤磷的吸附飽和度，從而降低土壤磷的吸附能力，增加磷的遷移損失率[2-3]。不合理的灌水管理不僅會造成肥料的大量損失，降低氮、磷養分利用率，還會增加農業成本，而且嚴重污染了生態環境[4-6]。因此，合理的灌溉決策制度對促進作物生長以及保護生態環境有著重要意義。

【研究進展】氮肥施入土壤后有高達20%～50%的部分以硝態氮的形式淋溶到深層土壤[7]。硝態氮的淋溶主要受灌溉方式和灌水量的影響。相對于漫灌、溝灌等粗放型灌溉方式，滴灌和噴灌可顯著降低硝態氮的淋溶風險[8]。隨著灌水量的增加，淺層土壤硝態氮逐漸減少，深層土壤硝態氮逐漸增加[9-10]。調虧灌溉可有效降低土壤硝態氮的下移深度，同時供給作物充足的氮素[11]。灌溉決策也會影響土壤硝態氮的分布，少量多次灌溉比多量少次灌溉更能減少硝態氮的下移深度[12]。磷的當季利用率只有10%～15%，其余大部分被固定于土壤中，也有部分可溶性和顆粒態磷被淋溶損失[13]。當土壤速效磷超過60 mg/kg時，磷的淋溶就會線性增加[14-15]，適當調虧灌溉有益于提高0～40 cm土層的速效磷分布量[16]。

根區水質模型（RZWQM）是由美國農業部于1992年推出的農業系統作物和環境管理模型。該模型能較好模擬不同環境下作物水分脅迫及與產量之間的響應關系，可用于指導灌溉，并在多個地方得到了較好的驗證[17-20]。Gu等[21]基于該模型開發了IrrSch灌溉決策系統軟件，并應用于美國科羅拉多州的干旱區玉米和密西西比州的濕潤區大豆的灌溉模擬。Chen等[22-23]在此基礎之上，建成了一套結合IrrSch灌溉決策軟件和灌溉控制硬件的新型預報式灌溉決策支持系統（DSSIS），能夠在節約灌溉用水的基礎上維持作物產量，提高水分利用效率。此外，該灌溉軟件指導灌水有益于保持1 m土層較高的土壤含水率和儲水量[24]。【切入點】該預報式灌溉系統對于灌水時間和灌溉量的精準控制是實現節水增產的關鍵，而灌水時間和灌溉量的變化勢必會影響土壤中氮磷養分的分布變化，作物養分吸收也會因此而發生變化。但是，目前該預報式灌溉系統正處于初建期，對于土壤氮磷養分的分布和利用情況尚不明確。【擬解決的關鍵問題】探究該新型預報式灌溉決策支持系統控制下棉田土壤硝態氮和速效磷的分布情況，以及棉花養分吸收情況，并與基于土壤水分傳感器的墑情灌溉和基于傳統經驗的灌溉決策方式進行比較，為田間灌溉管理提供參考。

1 材料與方法

1.1 試驗概況

試驗樣地位于中科院新疆生態與地理研究所策勒沙漠研究站（37°01'N, 80°43'E）。該區屬于暖溫帶大陸性荒漠氣候，極端干旱，年均降水量僅35.1 mm，年均蒸發量高達2 595.3 mm，干燥度為20.8。光熱資源豐富，年均日照時間達2 697.5 h，年太陽總輻射能達604. 6 kJ/cm2，年均溫為11.9 ℃，無霜期長，有利于農作物的生長[25]。土壤以風沙土為主，田間持水率在19.63%～33.31%[26]。農田灌溉用水主要來自策勒河和地下水。每個試驗小區面積為60 m2，小區四周鋪設有隔水膜防止水分橫向運移。小區各土層土壤主要理化指標見表1。

表1 試驗地土壤主要理化指標

1.2 試驗設計

試驗設置2個控制因素，即灌溉決策方式和灌水量。其中灌溉決策方式有3種。

1）基于RZWQM2與IrrSch灌溉軟件相結合的預報式灌溉決策支持系統（Decision Support System for Irrigation Scheduling，簡稱DSSIS）。當RZWQM2預測發生水分脅迫時，由IrrSch灌溉軟件根據系統模擬的當前土壤水分狀況、根系深度、預測的未來4 d降雨量和田間持水率計算灌溉量，觸發1次灌溉，水量計算式為：

=（fc-）×-∑（+4）， （1）

式中：為建議的灌水量（cm）；fc為田間持水率（cm3/cm3）；為模擬的土壤體積含水率（cm3/cm3）；為模擬的根系長度（cm）；、4分別為當天和未來4 d預測的降雨量（cm）。

其中RZWQM2預測土壤水分時需要的參數主要有：土壤水力學參數（土壤的飽和導水率，基于Brooks-Corey公式的2個土壤水分特征曲線參數：進氣值和孔隙尺寸分布指數，以及田間持水率、凋萎系數）和作物參數（氣孔導度、放射率）。這些參數已經通過7 a田間試驗率定得到[27]。

2）基于土壤水分傳感器的墑情灌溉決策（Soil Moisture Sensor，簡稱SMS）。利用土壤水分傳感器（SMTS-II-485）實時監測土壤水分變化，當10 cm土層體積含水率低于0.06 cm3/cm3時觸發灌溉，至20 cm土層體積含水率達0.15 cm3/cm3時停止灌溉，其中灌溉閾值是參考Haley和Dukes的研究結果設置的[28]。

3）基于常規農民經驗的灌溉決策（Experience，簡稱E）。灌水量有2個水平，即100%的充分灌溉（Full Irrigation，簡稱FI）和75%虧缺灌溉（Deficit Irrigation，簡稱DI），100%灌水量為相應灌溉決策的建議灌水量，75%灌水量為相應灌溉決策建議灌水量的75%。

試驗于2019年進行，試驗供試棉花品種為新陸早136號，生育期在120 d左右，播種日期為2019年4月6日，播種密度約為27萬～30萬株/hm2。播種前施入羊糞15 383.3 kg/hm2，其中總氮量為128.3 kg/hm2，總磷量為44.5 kg/hm2。2019年灌溉時間與灌水量見表2。

表2 2019年不同灌溉決策下的灌溉時間與灌溉量

注 表中DSSIS-FI和DSSIS-DI分別為預報式的灌溉決策下的100%和75%灌溉。SMS-FI，SMS-DI分別為墑情灌溉決策下的100%和75%灌溉。E-FI和E-DI分別為常規農民經驗的灌溉決策下的100%和75%灌溉。

1.3 田間取樣與測定方法

1）氣象觀測：氣象數據由站內自動氣象站采集，包括最低氣溫、最高氣溫、風速、太陽輻射、相對濕度、降雨時間及降雨量等。未來氣象數據來源于Weather Application Program Interface（API）（http://api.openweathermap.org）。

2）土壤：按照隨機取樣法則，每個小區選擇3個樣點，用直徑3 cm的土鉆按0～15、15～30、30～45、45～65 cm和65～100 cm分層收集全部土樣。從2019年4月種植至10月收獲，每30 d采集1次，最后1次取樣深度加深至100～130、130～170、170～205 cm。土樣取回后逐個充分混勻，取部分立即用烘干法測定質量含水率。另取部分鮮土過2 mm篩，采用氯化鈣浸提-流動分析儀法測定硝態氮。剩余部分自然風干后過1 mm篩，采用碳酸氫鈉浸提-紫外分光光度計法測定速效磷。

3）作物：選擇棉花生長的幾個關鍵生育期（苗期、蕾期、花鈴期、收獲期），采集棉花植株地上部分，每小區隨機選取3～6株。棉花烘干后稱質量，測定地上部生物量。之后全部粉碎過0.5 mm篩，測定地上部全氮和全磷量。將籽棉產量作為最終收獲產量。由于田間試驗中無法精準控制每塊小區的實際棉花株數，實際的地上部生物量、地上部總氮總磷量和產量會因為株數差異而存在偏差，故選擇比較分析其理論值，具體計算方法見1.4。

1.4 計算公式

生物量、產量、生產力計算方法為：地上部生物量（kg/hm2）=生物量（kg/株）×理論株數（株/hm2）；地上部養分量（kg/hm2）=養分量（kg/株）×理論株數（株/hm2）；籽棉產量（kg/hm2）=實際產量（kg/60 m2）/實際株數（株/60 m2）×理論株數（株/hm2）；灌溉水分生產力（kg/m3）=籽棉產量（kg/hm2）/灌溉用水量（m3/hm2）；肥料偏生產力（kg/kg）=籽棉產量（kg/hm2）/肥料純養分的投入量（kg/hm2）。

1.5 數據分析

使用Microsoft Excel 2016統計整理數據，計算均值、誤差等。利用SPSS 21.0進行單因素方差分析（LSD，<0.05）。

2 結果與分析

2.1 不同灌溉處理下土壤質量含水率、硝態氮和速效磷的分布情況

表3是棉花生長季內不同灌溉處理下的平均土壤質量含水率情況。從表3可以看出，不同灌溉決策下平均土壤質量含水率有顯著性差異，而灌水量對于土壤質量含水率無顯著性影響。DSSIS和E處理的各土層土壤質量含水率顯著高于SMS處理（<0.05），DSSIS處理與E處理的各土層土壤質量含水率無顯著差異（>0.05）。FI處理與DI處理的各層土壤質量含水率無顯著性差異（>0.05）。DI處理的灌水量為FI處理的75%，但土壤質量含水率差異性不顯著，可能是因為取樣時土壤比較干旱。另外一個原因可能是25%的灌水差異，在較大的田間系統誤差下，不能顯現出統計學上的顯著差異。DI處理下的土壤質量含水率為0.07 g/g，比FI處理低12.5%，但是這個差異比灌水量差異（25%）要小，在統計檢測下也沒有顯著性差異。0～100 cm土層中，SMS處理的土壤質量含水率最低（0.04～0.10）g/g，E處理的土壤質量含水率最高（0.06～0.12）g/g，SMS處理的土壤質量含水率比E處理低17%～33%。

表3 不同灌溉處理下的平均土壤質量含水率

注 表中DSSIS、SMS和E分別為預報式灌溉決策、墑情灌溉決策和經驗灌溉決策。FI和DI分別為100%充分灌溉水平和75%虧缺灌溉水平。DSSIS-FI和DSSIS-DI分別為預報式的灌溉決策下的100%充分和75%虧缺灌溉。SMS-FI和SMS-DI分別為墑情灌溉決策下的100%充分和75%虧缺灌溉。E-FI和E-DI分別為經驗灌溉決策下的100%充分和75%虧缺灌溉。不同字母表示差異顯著，下同。

表4是棉花生長季內不同灌溉處理下的平均土壤硝態氮情況。由表4可知，DSSIS和SMS處理0～100 cm土層的硝態氮量顯著高于E處理（<0.05），DSSIS處理與SMS處理無顯著差異（>0.05）。FI處理與DI處理的硝態氮量無顯著差異（>0.05）。不同灌溉決策中，0～15 cm土層的硝態氮表現為DSSIS處理>SMS處理>E處理，其中DSSIS處理比E處理顯著高10.6%（<0.05）。45～65、65～100 cm土層的硝態氮量表現為SMS處理>DSSIS處理>E處理，其中SMS和DSSIS處理分別比E處理顯著高35.1%和19.4%、24.1%和14.2%（<0.05）。0～100 cm土層中，DSSIS和SMS處理的硝態氮量更多。FI與DI灌溉水平中，0～30 cm土層硝態氮表現為DI處理>FI處理，30～100 cm土層，FI處理>DI處理，但均無顯著差異（>0.05）。DI處理的硝態氮量在淺層土壤（0～30 cm）更多，深層土壤（30～100 cm）更少。此外，E處理中，E-DI處理各土層的硝態氮量始終高于E-FI處理。DSSIS和SMS處理中，DSSIS-DI和SMS-DI處理的淺層土壤（0～30 cm）硝態氮量分別大于DSSIS-FI和SMS-FI處理，深層土壤（30～100 cm）硝態氮量分別小于DSSIS-FI和SMS-FI處理。說明DSSIS和SMS處理中，DI處理比FI處理更有益于提高淺層土壤中的硝態氮量，而減少深層土壤中的硝態氮量。E處理中，DI水平有利于提高各土層的硝態氮量。

表4 不同灌溉處理下的平均土壤硝態氮量

圖1是棉花收獲后土壤硝態氮在0～205 cm土層的殘留情況。由圖1可知，0～205 cm土層中硝態氮殘留量，DSSSIS和SMS處理高于E處理（<0.05），盡管FI處理的灌水量比DI處理高25%，但二者無顯著差異（>0.05），這表明大水漫灌的E處理下氮的流失量較大，因此氮的殘留量較低。不同灌溉決策中，0～100 cm土層的硝態氮殘留量表現為SMS處理>DSSIS處理>E處理，其中SMS處理比E處理提高53.6%（<0.05）。100～205 cm土層的硝態氮殘留量表現為DSSIS處理>SMS處理>E處理，其中DSSIS處理比E處理提高70.4%（<0.05）。DSSIS和SMS處理中，0～100 cm土層的硝態氮殘留量，DI處理高于FI處理（即DSSIS-DI處理>DSSIS-FI處理、SMS-DI處理>SMS-FI處理），100～205 cm土層的硝態氮殘留量，FI處理高于DI處理（即DSSIS-FI處理>DSSIS-DI處理、SMS-FI處理>SMS-DI處理）。E處理中，205 cm以上土壤各土層的硝態氮殘留量表現為E-DI處理>E-FI處理。說明DSSIS和SMS處理中的DI水平可以將更多的硝態氮存儲在0～100 cm土層，從而降低硝態氮在100～205 cm土層的殘留量。而E處理中，DI水平可以提高硝態氮在0～205 cm土層的殘留量。

表5是棉花生長季內不同灌溉處理下的平均土壤速效磷情況。由表5可知，不同灌溉決策和灌溉水平的平均土壤速效磷分布量，無顯著差異（>0.05）。與硝態氮不同，大水漫灌的E處理并沒有導致更多的磷的淋失。不同灌溉決策中，速效磷在0～100 cm土層的分布量表現為DSSIS處理>E處理>SMS處理，但無顯著差異（>0.05）。不同灌溉水平中，FI水平的速效磷分布量略高于DI水平，也無顯著差異（>0.05）。速效磷在0～15 cm土層分布最多（44.83～50.68）mg/kg，15～30 cm土層的速效磷分布量僅有0～15 cm土壤層的33.2%～40.5%，30～100 cm土層中速效磷量更低。

圖1 收獲后的土壤硝態氮殘留

表5 不同灌溉處理下的平均土壤速效磷量

2.2 不同灌溉處理下的棉花地上部生物量和全氮全磷量變化

表6是不同灌溉處理下棉花收獲期的地上部生物量、全氮量和全磷量。由表6可知，收獲期棉花地上部生物量表現為E處理>DSSIS處理>SMS處理，其中E處理與DSSIS處理無顯著差異（>0.05），E和DSSIS處理分別比SMS處理顯著提高了35.3%和26.6%（<0.05）。FI和DI不同灌溉水平中，FI處理的地上部生物量高于DI處理，但無顯著差異（>0.05）。6個灌溉處理中，E-FI處理的地上部生物量最高為10 491.26 kg/hm2，SMS-DI處理的地上部生物量最低為7 368.67 kg/hm2，E-FI處理比SMS-DI處理顯著提高了42.4%（<0.05）。生物量高的處理全氮全磷量也相應較高。收獲期棉花地上部全氮量表現為DSSIS處理>E處理>SMS處理，其中DSSIS處理分別比E和SMS處理顯著提高了29.1%和39.2%（<0.05）。6個灌溉處理中，DSSIS-DI處理的地上部全氮量最高為177.98 kg/hm2，SMS-DI處理的地上部全氮量最低為115.97 kg/hm2，DSSIS-DI處理比SMS-DI處理顯著提高了53.0%（<0.05）。收獲期棉花地上部全磷量表現為E處理>DSSIS處理>SMS處理，其中E處理比SMS處理顯著提高了68.8%（<0.05）。6個灌溉處理中，E-DI處理的地上部全磷量最高為30.85 kg/hm2，SMS-FI處理的地上部全磷量最低為17.12 kg/hm2，E-DI處理比SMS-FI處理顯著提高了80.1%（<0.05）。FI處理與DI處理之間的地上部全氮全磷量無顯著差異（>0.05）。

表6 不同灌溉處理下棉花收獲期地上部生物量、全氮量和全磷量

2.3 不同灌溉處理下的棉花產量、水分和養分生產力

表7是各處理籽棉產量、水分和養分生產力的對比。由表7可知，3種灌溉決策中，DSSIS的籽棉產量、水分生產力和氮磷肥偏生產力都是最高的。FI處理和DI處理的籽棉產量、水分生產力和氮磷肥偏生產力無顯著差異（>0.05）。籽棉產量表現為DSSIS處理>E處理>SMS處理，DSSIS處理比SMS處理顯著提高了33.7%（<0.05），DSSIS處理比E處理提高了12.2%，但差異不顯著（>0.05）。水分生產力表現為DSSIS處理>SMS處理>E處理，其中DSSIS處理比E處理顯著提高了80.7%（<0.05）。氮肥偏生產力表現為DSSIS處理E處理>SMS處理，DSSIS處理比SMS處理顯著提高了25.2%（<0.05），DSSIS處理比E處理提高了12.2%，但差異不顯著（>0.05）。磷肥偏生產力表現為DSSIS處理>E處理>SMS處理，DSSIS處理比SMS處理顯著提高了25.6%（<0.05），DSSIS處理比E處理提高了12.3%，但差異不顯著（>0.05）。

表7 不同灌溉處理下棉花籽棉產量、水分和養分生產力

3 討論

本試驗研究發現0～200 cm土層的硝態氮量，預報式灌溉和墑情灌溉都顯著大于經驗灌溉。已有研究表明，除了殘留在作物根層的硝態氮可被吸收再利用，其他土層中的硝態氮都會以淋溶或揮發的形式損失，造成對深層土壤和大氣的污染[29]。棉花根系主要分布在0～65 cm土層，預報式灌溉和墑情灌溉處理下65 cm土層以下的硝態氮量與30～65 cm土層相當，甚至要高。由此可知，預報式灌溉和墑情灌溉的硝態氮深層淋溶損失風險極大。經驗灌溉的硝態氮量雖然在65 cm土層以下相對較低，但與預報式和墑情處理下的分布趨勢相同。而且在相同施氮水平下，經驗灌溉的棉花地上部全氮量顯著小于預報式灌溉和墑情灌溉。說明經驗灌溉下的較低的土壤硝態氮量并非棉花吸收氮素所致。因此，3種灌溉控制方式均存在硝態氮淋失風險。經驗灌溉下硝態氮發生淋失的原因，主要在于其灌水量大（灌水總量為79.34～102.51 cm），灌水次數頻繁（11次），灌溉水分的下滲對硝態氮進行了嚴重淋洗。該研究結果與王平等[30]的研究結果相似，其表明在常規施氮下灌溉66 cm就會引起硝態氮在150～200 cm土層中的大量累積。預報式灌溉的灌水時間（共灌水9次）和灌水量（灌水總量為45～56.12 cm）相對合理，因此將更多硝態氮儲存在了100～205 cm土層，但也構成了極大的淋失風險。墑情灌溉的總灌水量（29.05～48.23 cm）和灌溉次數（6次）雖然比預報式灌溉和經驗灌溉都要少，但墑情灌溉單次灌水量較大，可能是引起硝態氮在深層土壤殘留較多的重要原因。

預報式灌溉能夠促進棉花地上部生物量和全氮量的增加，提高籽棉產量、水分生產力和肥料偏生產力。此研究結果與Chen等[22]對預報式灌溉系統的初步測試中，預報式灌溉可最大節約50%灌水量，提高4%籽棉產量和80.6%水分生產力的結果相似。因為預報式灌溉的灌水時間和水量控制相對精準，使棉田土壤水分環境處于相對適宜的穩定狀態，能夠滿足棉花水分需求，保證正常的生長發育，促進籽棉產量的提高。適宜的土壤水分環境也有利于有機肥養分的分解釋放[31]，供給棉花充足的養分。此外，預報式灌溉下硝態氮在根層土壤的分布更多，氮素的供應更充足。墑情灌溉的土壤含水率長時間處于虧缺狀態，棉花水分吸收受限，有機肥養分分解緩慢，水分和養分供應不足，使墑情灌溉的棉花不能進行正常的生長發育，造成棉花矮小、枝葉稀疏、結鈴較少的現象[32-33]，最終影響了籽棉產量，也導致了較低的氮磷養分偏生產力。經驗灌溉的土壤水分供應過于充足，棉花營養生長過盛，影響了最終產量。此外，經驗灌溉下，根層土壤硝態氮量較低，影響了棉花對氮的吸收。因此，3種灌溉決策方式中，預報式灌溉決策對棉花生長，氮磷養分吸收和產量增加更具有優勢作用。

4 結論

1）經驗灌溉存在硝態氮淋失問題，預報式灌溉的硝態氮淋失風險大于墑情灌溉，但灌溉決策的改變不會引起速效磷在各土層的差異分布。

2）與經驗灌溉和墑情灌溉相比，預報式灌溉顯著提高了28.5%和40.0%的棉花地上部全氮量。

3）預報式灌溉可最大提高33.7%的籽棉產量，80.7%的水分生產力，25.2%的氮肥偏生產力和25.6%的磷肥偏生產力。

[1] ZHANG Zhijian, ZHU Yinmei, WANG Ke, et al. Phosphorus behavior in soil water system of paddy field and its environment al impact[J]. Chinese Journal of Applied Ecology, 2001, 12(2): 229-232.

[2] ANDREW Sharpley, HUBERT Tunney. Phosphorus Research Strategies to Meet Agricultural and Environmental Challenges of the 21st Century[J]. Journal of Environment Quality, 2000, 29(1): 176-182.

[3] 張作新, 廖文華, 劉建玲, 等. 過量施用磷肥和有機肥對土壤磷滲漏的影響[J]. 華北農學報, 2008, 23(6): 189-194.

ZHANG Zuoxin, LIAO Wenhua, LIU Jianling, et al. Effect of excessive application of phosphate fertilizer and organic fertilizer on soil phosphorus leakage[J]. Acta Agriculturae Boreali-Sinica, 2008, 23(6): 189-194.

[4] 張維理, 田哲旭, 張寧, 等. 我國北方農用氮肥造成地下水硝酸鹽污染的調查[J]. 植物營養與肥料學報, 1995, 1(2): 80-87.

ZHANG Weili, TIAN Zhexu, ZHANG Ning, et al. Investigation of groundwater nitrate pollution caused by agricultural nitrogen fertilizer in northern China[J]. Journal of Plant Nutrition and Fertilizers, 1995, 1(2): 80-87.

[5] RICHTER Jarg, ROELCKE Marco. The N-cycle as determined by intensive agriculture: examples from central Europe and China[J]. Nutrient Cycling in Agroecosystems, 2000, 57(1): 33-46.

[6] ZHU Zhaoliang, CHEN Delai. Nitrogen fertilizer use in China–Contributions to food production, impacts on the environment and best management strategies[J]. Nutrient Cycling in Agroecosystems, 2002, 63(3): 117-127.

[7] 劉光棟, 吳文良. 高產農田土壤硝態氮淋失與地下水污染動態研究[J]. 中國生態農業學報, 2003, 11(1): 91-93.

LIU Guangdong, WU Wenliang. The dynamics of soil nitrate nitrogen leaching and contamination of the groundwater in high-yield farmland[J]. Chinese Journal of Eco-Agriculture, 2003, 11(1): 91-93.

[8] 趙付江, 趙巍, 謝松青, 等. 不同灌溉方式對茄子生長水分利用和土壤硝態氮淋溶的影響[J]. 河北農業科學, 2018(3): 20-22, 41.

ZHAO Fujiang, ZHAO Wei, XIE Songqing, et al. Effects of different irrigation methods on eggplant growth water use and soil nitrate nitrogen leaching[J]. Journal of Hebei Agricultural Sciences, 2018(3): 20-22, 41.

[9] 曲繼松, 張麗娟, 馮海萍, 等. 節水控氮對黃河上游地區設施菜田氮素時空分布的影響[J]. 北方園藝, 2012(4): 37-40.

QU Jisong, ZHANG Lijuan, FENG Haiping, et al. Effect of water saving and nitrogen control on spatial and temporal distribution of nitrogen in protected vegetable fields in the upper Yellow River[J]. Northern Horticulture, 2012(4): 37-40.

[10] 楊夢嬌. 不同灌水量及施肥量條件下硝態氮在土壤中的分布規律[D].石河子: 石河子大學, 2013.

YANG Mengjiao. Distribution of nitrate nitrogen in soil under different irrigation and fertilization conditions[D]. Shihezi : Shihezi University, 2013.

[11] 萬文亮, 郭鵬飛, 胡語妍, 等. 調虧灌溉對新疆滴灌春小麥土壤水分、硝態氮分布及產量的影響[J]. 水土保持學報, 2018, 32(6): 168-176.

WANG Wenliang, GUO Pengfei, HU Yuyan, et al. Effects of regulated deficit irrigation on soil moisture, nitrate nitrogen distribution and yield of spring wheat under drip irrigation in Xinjiang[J]. Journal of Soil and Water Conservation, 2018, 32(6): 168-176.

[12] DI H J, CAMERON K C, MOORE S, et al. Nitrate leaching and pasture yields following the application of dairy shed effluent or ammonium fertilizer under spray or flood irrigation: Results of a lysimeter study[J]. Soil Use and Management, 2006, 14(4): 209-214.

[13] 黃達, 彭繼偉, 王凱. 農田土壤磷的遷移途徑及控制措施[J]. 河南農業, 2015, 12(11): 18.

HUANG Da, GUO Pengfei, HU Yuyan, et al. Farmland soil phosphorus migration and control measures[J]. Agriculture of Henan, 2015, 12(11): 18.

[14] 王敬國. 農用化學物質的利用與污染控制[M]. 北京: 北京出版社, 2001.

WANG Jingguo. Utilization of agricultural chemicals and pollution control[M]. Beijing: Beijing Publishing House, 2001.

[15] BLAKE L, HESKTH N, FORTUNE S, et al. Assessing phosphorus Change-Points and leaching potential by isotopic exchange and sequential fractionation[J]. Soil Use and Management, 2002, 18: 199-207.

[16] 張步翀. 綠洲春小麥調虧灌溉對土壤磷素養分的影響研究[J]. 中國生態農業學報, 2007, 15(5): 26-29.

ZHANG Buchong. Effects of regulated deficit irrigation on soil phosphorus nutrients in spring wheat field[J]. Chinese Journal of Eco-Agriculture, 2007, 15(5): 26-29.

[17] SASEENDRAN S A, AHUJA L R, MA L, et al. Enhancing the water stress factors for simulation of corn in RZWQM2[J]. Agronomy Journal, 2014, 106(1): 81-94.

[18] MA Liwang, TROUT Thomas J, AHUJA Lajpat R, et al. Calibrating RZWQM2 model for maize responses to deficit irrigation[J]. Agricultural Water Management, 2012, 103: 140-149.

[19] FANG Quanxiao, WANG Jianlin, YU Shunzhang. Water-saving potential and irrigation strategies for wheat-maize double cropping system in the North China Plain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(7): 37-44.

[20] QI Zhiming, MA Liwang, BAUSCH W C, et al. Simulating maize production, water and surface energy balance, canopy temperature, and water stress under full and deficit irrigation[J]. Transactions of the ASABE, 2016, 59(2): 623-633.

[21] GU Zhe, QI Zhiming, MA Liwang, et al. Development of an irrigation scheduling software based on model predicted crop water stress[J]. Computers and Electronics in Agriculture, 2017, 143: 208-221.

[22] CHEN Xiaoping, QI Zhiming, GUI Dongwei, et al. A Model-based real-time decision support system for irrigation scheduling to improve water productivity[J]. Agronomy, 2019, 9(11): 1-18.

[23] CHEN Xiaoping, QI Zhiming, GUI Dongwei, et al. Evaluation of a new irrigation decision support system in improving cotton yield andwater productivity in an arid climate[J]. Agricultural Water Management, 2020, 234: 136-139.

[24] 李文珍, 齊志明, 桂東偉, 等. 不同滴灌灌溉制度對綠洲棉田土壤水熱分布及產量的影響[J]. 灌溉排水學報, 2019, 38(4): 11-16.

LI Wenzhen, QI Zhiming, GUI Dongwei, et al. Response of water-thermal distribution and yield of cotton to different drip irrigation schedules in oasis field[J].Journal of Irrigation and Drainage, 2019, 38(4): 11-16.

[25] 曾凡江.策勒綠洲生態系統的可持續發展對策[J]. 干旱區研究, 1999(1): 29-34.

ZENG Fangjiang. Countermeasures for sustainable development of Celle Oasis Ecosystem[J]. Arid Zone Research, 1999(1): 29-34.

[26] SHAREEF Muhammad, GUI Dongwei, ZENG Fangjiang, et al. Water productivity, growth, and physiological assessment of deficit irrigated cotton on hyperarid desert-oases in northwest China[J]. Agricultural Water Management, 2018, 206: 1-10.

[27] LIU Che, QI Zhiming, GU Zhe, et al. Optimizing irrigation rates for cotton production in an extremely arid area using RZWQM2-simulated water stress[J]. Transactions of the ASABE, 2017, 60(6): 2 041-2 052.

[28] HALEY M B, DUKES M D. Validation of landscape irrigation reduction with soil moisture sensor irrigation controllers[J]. Journal of Irrigation and Drainage Engineering, 2011, 138(2): 135-144.

[29] 巨曉棠, 張福鎖. 中國北方土壤硝態氮的累積及其對環境的影響[J].生態環境, 2003, 12(1): 24-28.

JU Xiaotang, ZHANG Fusuo. Soil nitrate accumulated and environmental effect of north of China[J]. Ecology and Environment, 2003, 12(1): 24-28.

[30] 王平, 陳新平, 張福鎖, 等. 不同水氮處理對棉田氮素平衡及土壤硝態氮移動的影響[J]. 中國農業科學, 2011, 44(5): 946-955.

WANG Ping, CHEN Xinping, ZHANG Fusuo, et al. Effects of different water and nitrogen treatments on nitrogen balance in cotton fields and soil nitrate nitrogen movement[J]. Scientia Agricultura Sinica, 2011, 44(5): 946-955.

[31] 林明海, 黎娟冰, 熊國根. 紅壤旱地與水田條件下有機肥的轉化[J].土壤通報, 1985(5): 215-218.

LING Minghai, LI Juanbing, XIONG Guogen. Transformation of organic fertilizer under red soil dry land and paddy field conditions[J].Chinese Journal of Soil Science, 1985(5): 215-218.

[32] 肖俊夫, 劉祖貴, 孫景生, 等. 不同生育期干旱對棉花生長發育及產量的影響[J]. 灌溉排水, 1999,(1): 24-28.

XIAO Junfu, LIU Zugui, SUN Jingsheng, et al. Influences of water stress at different growing stages on growth, development and yield in cotton [J]. Irrigation and Drainage, 1999(1): 24-28.

[33] 楊九剛, 何繼武, 馬英杰, 等. 灌水頻率和灌溉定額對膜下滴灌棉花生長及產量的影響[J].節水灌溉, 2011 (3): 29-32.

YANG Jiugang, HE Jiwu, MA Yingjie, et al. Effects of irrigation frequency and quota on cotton growth and yield with drip irrigation under plastic film[J]. Water Saving Irrigation, 2011(3): 29-32.

Using Decision-support Irrigation System to Reduce Nitrogen and Phosphorus Leaching and Improve Their Uptake by Cotton

JIN Sijia1,2,4, QI Zhiming1,2,3*, GUI Dongwei1,2, LI Xiangyi1,2, ZENG Fanjiang1,2, CHEN Xiaoping1,2,4

(1.State Key Laboratory of Desert and Oasis Ecology, Xinjiang Institute of Ecology Geography,Chinese Academy of Sciences, Urumqi 830011, China; 2. Cele National Station of Observation and Research for Desert-grassland Ecosystem in Xinjiang, Cele 848300, China; 3. Department of Bioresource Engineering, McGill University, Sainte-Anne-de-Bellevue, QC, H9X 3V9, Canada; 4. University of Chinese Academy of Sciences, Beijing 100049, China)

【】A new irrigation support system has been developed based on water stress predicted by the root zone water quality model (RZWQM2) to aid irrigation scheduling; it has been tested since 2016 for cotton fields in an oasis in Xinjiang.【】The purpose of this paper is to examine the efficacy of the system for predicting leaching and root uptake of nitrate and phosphorus (Olsen-P) against an experiment conducted in 2019 at a cotton field, in efforts to further test if the system can reduce nutrients leaching and improve their uptake by crop compared to traditional irrigation and fertigation methods.【】The experiment consisted of three decision-aid irrigation methods: irrigation based on the new system (DSSIS), irrigation based on soil moisture dynamics (SMS) and traditional irrigation method used by local farmers (E), and two irrigation levels: keeping soil moisture at 100% (FI) and 75% (DI) of the field capacity (DI) respectively. All treatments were organized in two-factor randomized blocks in the field. In each treatment, we measured NO3﹣-N and Olsen-P in the soil, cotton biomass, nitrogen and phosphorus in the cotton, as well as the cotton yield.【】① Traditional irrigation was more likely to result in NO3﹣-N leaching, and the risk of NO3﹣-N leaching in DSSSIS was higher than that in SMS. However, changing irrigation methods did not lead to a noticeable difference in Olsen-P distribution in the soil. ② Compared with E and SMS, DSSIS increased nitrogen content in the above-ground part of the cotton by 28.5% and 40.0% respectively. ③ DSSIS increased the yield of cotton seed by 33.7%, water productivity by 80.7%, partial productivity of nitrogen and phosphorus by 25.2% and 25.6% respectively.【】DSSIS not only reduced the risk of NO3﹣-N leaching and promoted root nitrogen uptake, it also improved seed yield, water productivity and partial productivity of both nitrogen and phosphorus fertilizers.

irrigation; NO3﹣-N; Olsen-P; model; soil

S513

A

10.13522/j.cnki.ggps.2020034

1672 - 3317（2021）03 - 0070 - 09

靳思佳, 齊志明, 桂東偉, 等. 預報式灌溉決策支持系統下棉田土壤氮磷的淋失與利用[J].灌溉排水學報, 2020, 40(3): 70-78.

JIN Sijia, QI Zhiming, GUI Dongwei, et al. Using Decision-support Irrigation System to Reduce Nitrogen and Phosphorus Leaching and Improve Their Uptake by Cotton[J]. Journal of Irrigation and Drainage, 2020, 40(3): 70-78.

2020-01-20

青年千人計劃新疆項目（Y672071001）；美麗中國生態文明建設科技工程專項資助項目（XDA23060302）；國家自然科學基金項目（U1603343，41471031）；中國科學院新疆分院扶貧課題（KFJ-FP-201903）

靳思佳（1994-），女，甘肅張掖人。碩士研究生，主要從事農田節水灌溉與養分淋溶研究。E-mail: jsj6023@163.com

齊志明（1978-），男，江西上饒人。副教授，主要從事排水與灌溉工程、水文與水質模擬等研究。E-mail: Zhiming.qi@mcgill.ca

責任編輯：韓 洋