施用生物炭對菜地土壤氮素損失影響的模擬

李雙建，李 虎，李 潔，李桂花，薛冬梅，張貴龍

（1.天津師范大學 天津市水資源與水環境重點實驗室，天津 300387；2.天津師范大學 地理與環境科學學院，天津 300387；3.中國農業科學院農業資源與農業區劃研究所，北京 100081；4.農業農村部環境保護科研監測所，天津 300191）

蔬菜種植過程中普遍存在過量施肥現象.多次過量施肥會導致肥料中的氮、磷養分不能完全被蔬菜吸收，殘留在土壤中，并隨降水、灌溉等過程產生徑流進入地表水或以淋溶的方式進入深層土壤，進而增加了氮、磷養分進入地下水的風險[1].長期施肥也會造成土壤板結、通氣性變差等問題[2].為減緩菜地土壤的劣化進程，在減少施肥量的同時需對已被破壞的土壤進行修復，此外還要兼顧作物產量及經濟效益.生物炭是近幾年來較為常用的土壤改良劑，較高的含碳率、較大的比表面積、多微孔結構及特殊的分子組成使其具有較強的吸附能力和抗氧化能力[3]，這些特點是生物炭改善土壤理化性質、固持土壤養分、減少氮損失的重要基礎.

目前針對農業面源污染區氮損失的研究較多，為提高研究精度并降低工作量，不同用途的氮損失模擬模型作為科學工具應運而生，常用的包括Root Zone Water Quality Model（RZWQM）、水和氮質量平衡模型、DeNitrification-DeComposition（DNDC）模型等.DNDC模型是運用農業系統中一系列控制碳和氮遷移轉化的生物化學及地球化學反應機制的計算機模擬模型[4]，在農田氮損失研究中得到了廣泛應用[5-7].本研究將施用生物炭后土壤的理化性質變化輸入模型進行菜地氮損失情況模擬，驗證施用生物炭對菜地氮損失的影響.

本研究借助DNDC模型：①確定影響作物產量及氮損失的重要因素；②定量生物炭與不同施肥量處理的綜合氮損失；③驗證施用生物炭降低氮肥施用量的效率以及對氮損失的削減效率.

1 材料與方法

1.1 研究區概況

研究區為位于黃淮海平原地區的山東省濟寧市金鄉縣雞黍鎮大蒜/辣椒套作菜地（34.96°N，116.23°E）.該地區屬暖溫帶季風氣候，具有明顯的冬夏季風特點，年平均氣溫為13.3～14.1℃，平均無霜期為199 d，年平均降水量在700 mm左右，其中夏季降水量占全年降水量的65%左右[8].研究區土壤類型為潮土，土壤黏粒質量分數約為37.8%～40.5%，砂礫質量分數約為7.3%～8.8%.供試土壤理化性質如表1所示.

表1 供試土壤理化性質Tab.1 Physical and chemical properties of tested soil

1.2 實驗處理

研究區內大蒜種植周期一般為當年10月至次年5月；辣椒種植周期為當年2月至9月，其中2月至4月為育苗期，4月移栽套種.實驗共設置常規種植（CK）、生物炭+推薦施肥（B-N）2種處理，每種處理3次重復，共6個實驗小區，每個小區面積為44.65 m2.CK處理的種植管理措施與當地同年常規種植平均水平保持一致；B-N處理的種植管理措施為：播種前按100 g/m2的量添加生物炭作為土壤改良劑，并按推薦施肥量施肥，其他管理措施與CK處理相同.不同處理種植過程的施肥情況如表2所示.

表2 不同處理施肥措施Tab.2 Fertilization measures of different treatments

CK處理的施肥方案：大蒜種植季一次施入復合肥（尿素、P2O5、K2O），大蒜收獲后在辣椒生長期內再適量追肥；B-N處理的施肥方案：在大蒜種植季將CK處理的單次施肥量按原施肥量的2/3和1/5分2次施用，并在大蒜種植前按100 g/m2的用量施用生物炭.

1.3 研究方法

DNDC模型在初次運行前需要進行參數本地化設置，將樣地的實際監測參數輸入模型，并以此驅動模型運行，根據輸出結果與實際監測參數的誤差進一步確定模擬參數.利用模型中的敏感性分析模塊，借助獨立參數擾動法[9]，以生物量、作物產量以及氮損失等為目標，對輸入模型的參數進行敏感性分析，進而確定影響生物量、作物產量以及氮損失等的關鍵敏感性參數.根據敏感性分析結果，重點對影響目標結果的關鍵參數進行本地初始化設置并進行模型模擬，根據模擬結果確定部分參數，進而提高模擬精度.本研究分別采用常規種植和生物炭+推薦施肥兩種處理方式，通過DNDC模型模擬作物產量以及土壤表層無機氮含量變化等來驗證模型模擬精度，并推算此精度下不同種植方式過程中的氮損失情況.

將陰干土按水土質量比1∶2.5振蕩后靜置過濾，用便攜式水質參數分析儀（美國Thermo Scientific Orion）測定土壤pH值和鹽度.用2 mol/L的KCl溶液從鮮土中浸提NH4+-N和NO3--N，土壤與浸提液的質量比為1∶5，混合振蕩后靜置過濾，之后利用連續流動分析儀（Auto Seal 3，德國Seal公司）測定其含量.大蒜植株樣品的總碳（TC）和總氮（TN）含量使用元素分析儀（Vario EL III，德國Elementar公司）進行測定.

1.4 參數敏感性分析及模擬精度分析

參數的敏感性表示模型輸入參數的變化對于輸出結果影響的強弱.依據Walker等[10]提出的公式計算敏感性指數：

式中：S為相對敏感性指數；I1、I2分別為輸入參數的最小值和最大值；Iavg是I1和I2的平均值；O1、O2分別為對應于I1和I2的輸出值；Oavg為O1和O2的平均值.S的絕對值大小表明影響程度強弱，絕對值越大，輸入值對輸出值的影響就越大；S值為負，說明輸入值與輸出值呈負相關.

把菜地所在地的氣溫、降水量、土壤本底養分含量、播種與收獲日期、施肥量、灌溉量、耕地深度等田間監測數據輸入到DNDC模型中，并進行模型初始運行，將模擬結果與田間實測結果進行比較，進而確定模型模擬的準確性.根據Gjettermanna等[11]提出的歸一化均方根誤差（NRMSE）和Willmott等[12]提出的一致性指標d驗證模型模擬精度.這兩個評價指標的具體公式為：

式中：Pi、Oi、分別為模擬值、實測值、實測值平均值；n為實測次數.NRMSE＜10%時，模擬效果為優；10%≤NRMSE＜20%時，模擬效果為良；20%≤NEMSE＜30%時，模擬效果為中等；NRMSE≥30%時，模擬效果為差[11].d∈（-∞，1），越接近于1，表明模擬效果越好[12].

本研究中所需的土壤養分數據、施肥灌溉等種植管理數據以及作物植株C/N等數據均來自于研究區實地取樣監測與記錄；土壤的容重、作物生長積溫、最適生長溫度和作物需水量等數據均通過查閱相關文獻獲得.模擬所使用的模型為DNDC95，采用SPSS 25對數據進行處理與分析，采用Origin 2018繪制圖表.

2 結果與分析

2.1 模型參數確定

利用2018—2019年常規種植處理下大蒜/辣椒套作模式的實際監測數據進行模型的參數校正，用作物產量、土壤無機氮含量模擬值與實測值的擬合度來校正作物參數.由于模型作物數據庫中沒有大蒜數據，因此需在大蒜及辣椒收獲后取樣測定相關參數，并根據結果對模型內置辣椒相關參數進行調整.最終確定的作物相關參數如表3所示.其中,作物最大生物量根據當地歷史記錄數據確定，通過測定植株鮮重和干重計算植株含水率，將作物最大產量轉換為干重，使用模型推薦生物量轉換參數（0.6）將其轉換為最大生物量.

表3 作物相關參數Tab.3 Crop related parameters

2.2 DNDC模型模擬效果驗證

2.2.1 作物產量驗證

借助DNDC模型的作物生長子模型模擬生長過程，將產量的模擬結果與田間實測結果進行對比，用以驗證模型對作物生長過程的模擬精度.將不同處理的大蒜和辣椒的模型模擬產量分別與實測產量進行比較，檢驗模型對種植作物的產量模擬是否準確，結果如表4所示.

表4 各處理中作物產量的模擬結果Tab.4 Simulation results of crop yield of each treatment

由表4模擬結果可以看出，CK處理的菜地中大蒜產量模擬值比實測值低1.84%，辣椒產量模擬值比實測值高16.85%.B-N處理的菜地中大蒜產量模擬值比實測值高1.55%，辣椒產量模擬值比實測值高13.91%.按作物種類來看，模型對大蒜產量模擬的誤差相對較小，在2%以內；對辣椒產量模擬的誤差相對較大，但總體誤差控制在17%以內.對模擬效果進行評估，結果顯示，大蒜產量模擬結果的NRMSE為3.18%，d為0.97；辣椒產量模擬結果的NRMSE為14.32%，d為0.93，模擬效果均較好.綜合來看，模型對CK處理和B-N處理的作物產量模擬結果充分證明了模型對大蒜/辣椒套作模式的產量具有一定的模擬精度，為進一步模擬2種處理的氮損失情況提供了可靠的支撐.

2.2.2 土壤無機氮含量驗證

向DNDC模型輸入土壤理化性質本底參數，模擬作物生長的同時模擬土壤0～40 cm深度部分10 cm分層的無機氮含量（以N計）隨施肥、灌溉及作物生長等變化的逐日變化.在作物生長周期內采集不同小區內土壤樣品并測定其無機氮含量，從而驗證模型對土壤無機氮的模擬精度.由于所采樣品為20 cm分層，而模型模擬結果為10 cm分層，故使用0～10 cm及10～20 cm土壤無機氮模擬結果的平均值替代0～20 cm的數據，20～30 cm和30～40 cm土壤無機氮模擬結果的平均值替代20～40 cm的數據，結果如圖1和圖2所示.

圖1 土壤NH4+-N含量模擬結果Fig.1 Simulation results of NH4+-N content in soil

圖2 土壤NO3-N含量模擬結果Fig.2 Simulation results of NO3-N content in soil

由圖1和圖2可以看出，模型對2個處理組無機氮含量模擬效果均是0～20 cm土層深度的較好，20～40 cm土層深度的較差.進一步驗證模擬精度發現，模型對CK處理0～20 cm土壤中NH4+-N含量模擬結果的NRMSE為21.23%，一致性指標d為0.67；對NO3--N含量模擬結果的NRMSE為10.86%，一致性指標d為0.91.對B-N處理0～20 cm土壤中NH4+-N含量模擬結果的NRMSE為20.65%，一致性指標d為0.63；對NO3--N含量模擬結果的NRMSE為25.53%，一致性指標d為0.35.模型對CK處理20～40 cm土壤中NH4+-N含量模擬結果的NRMSE為27.40%，一致性指標d為0.56；對NO3--N含量模擬結果的NRMSE為32.65%，一致性指標d為0.17.對B-N處理20～40 cm土壤中NH4+-N含量模擬結果的NRMSE為24.81%，一致性指標d為0.47；對NO3--N含量模擬結果的NRMSE為32.68%，一致性指標d為0.37.綜合來看，模擬結果的誤差表現為中等，誤差總體在可允許范圍內.總的來看，模型對土壤0～20 cm深度無機氮含量的模擬效果較為理想，但對20～40 cm深度無機氮的模擬效果相對較差.由于0～20 cm深度為作物根系的主要活動區域，因此可以認為模型對作物生長過程的氮收支過程具有較好的模擬效果.

2.3 模型的參數敏感性分析

本研究主要從氣象因素、土壤的理化性質參數、作物參數以及種植管理措施4個方面對種植作物的產量及種植過程的NH3揮發損失、N2O排放、NO3--N淋溶影響的強弱進行分析.氣象因素主要為溫度、降水量；土壤的理化性質參數為土壤pH值及土壤總有機碳（SOC）、NO3--N和NH4+-N含量；種植管理措施參數主要為耕地深度、施肥量、施肥深度.除土壤NO3--N含量參數變異范圍為±50%外，其他參數變異范圍均為±20%，模型運行次數默認為4 000次.不同參數對作物產量、N2O釋放、NH3揮發、NO3--N淋溶具有不同的敏感性，分析結果如圖3所示.

圖3 參數敏感性分析結果Fig.3 Results of parameter sensitivity analysis

從圖3可以看出，對作物產量影響較大的參數為施肥量、土壤本底SOC、降水量、土壤pH值等，敏感性指數值分別為0.62、0.15、0.13、0.11、0.09.綜合來看，施肥、灌溉等種植管理措施對作物產量影響最大.對土壤N2O釋放影響較大的參數分別為施肥量、土壤pH值、溫度、土壤本底SOC、土壤本底NO3--N等，其敏感性指數值分別為2.3、2.27、0.53、0.52、0.41.施肥量、土壤本底SOC、土壤pH值、耕地深度等參數對土壤NH3揮發具有較強的影響，敏感性指數值分別為1.11、0.87、0.29、0.22.氣象因素、土壤理化性質參數以及種植管理參數均對菜地NO3--N淋溶有較強的影響，其中影響較強的有施肥量、溫度、降水量，敏感性指數值分別為2.86、2.21、1.18.綜合來看，施肥量對作物產量及N2O釋放、NH3揮發、NO3--N淋溶等氮損失的影響均表現為最強.除施肥量外，不同途徑的氮損失主要影響因素存在差異，土壤pH值對N2O釋放具有重要影響，而NH3揮發主要受土壤本底SOC的影響，NO3--N淋溶則主要受溫度及降水量的影響.

2.4 施用生物炭效果的分析模擬

2.4.1 施用生物炭對作物產量的影響

作物收獲后的實際產量及氮、磷投入情況如表5所示.CK處理的大蒜產量比B-N處理的產量高2.2%，CK處理的辣椒產量比B-N處理的產量高2.6%，對不同處理間、不同作物間的產量進行差異統計學意義分析，結果顯示，相同作物不同處理間產量的差異不具有統計學意義（大蒜產量P=0.914，辣椒產量P=0.888）.從氮、磷投入量來看，B-N處理相較于CK處理，氮投入量減少了11.9%，磷投入量減少了12.7%，作物產量降低在3%以內，表明添加生物炭并改進施肥模式能在有效減少氮、磷投入的同時保證作物的產量，即在保證經濟效益的同時降低菜地土壤的氮、磷流失風險.施用生物炭能降低土壤容重，提高土壤孔隙度，使作物根系獲得更大的生長空間，進而增強生理功能，提高作物產量[14]，這也是生物炭能提高作物產量的原因之一.

表5 作物產量及氮磷投入量Tab.5 Crop yield and nitrogen and phosphorus input

由于本研究中生物炭和施肥方式2個變量同時存在，不能明確B-N處理中的作物減產情況與施肥量及生物炭間的關系，故需要補充驗證農戶常規種植+推薦施肥（CK-N）處理及使用生物炭+常規種植施肥（B）處理下的作物產量情況.DNDC模型不僅可以用于模擬氮損失，也可用于田間實驗的模擬研究[15-16].借助DNDC模型模擬CK-N及B兩種處理下的作物產量，模擬結果如圖4所示.

圖4 菜地模擬實驗作物產量Fig.4 Crop yield of vegetable field of simulation experiment

從模擬實驗作物產量來看，無論何種處理對大蒜產量的影響都較小，其中CK、CK-N、B處理的大蒜產量一致，而B-N處理的作物產量與其他處理相比提高了0.03%，幾乎沒有差距.不同處理間辣椒產量具有較大差異，其中CK與B處理的辣椒產量相同，且為最高水平，這表明生物炭的使用并不會導致作物的減產；而CK-N處理及B-N處理相較于常規施肥模式下的CK處理與B處理均發生減產，其中CK-N處理減產44.85%，B-N處理減產4.99%，這表明本研究中的作物減產主要受施肥量的影響.添加了生物炭處理的減產程度低于常規種植的減產程度，間接證明了生物炭的增產效果.推測導致減產的原因為：使用推薦施肥方式后，投入的氮養分減少，導致土壤中累積的養分減少.5月份在大蒜收獲后，辣椒生長期長期高溫多雨的氣象條件導致土壤氮養分流失加劇，辣椒養分短缺；而在添加了生物炭的菜地，生物炭的吸附作用可將養分有效存儲在土壤中，并在后續的作物生長過程供作物吸收利用.

2.4.2 施用生物炭對土壤表層無機氮的影響

根據DNDC模型輸出的土壤無機氮含量變化（圖1、圖2）可以看出，施肥后CK與B-N處理的土壤表層（0～20 cm）中NH4+-N含量存在較大差異，而NO3--N的含量基本保持一致.受施肥量影響，土壤NH4+-N和NO3--N含量均表現出CK處理高于B-N處理，但在作物收獲后兩種處理方式的無機氮含量均降到較低且含量接近.CK處理的表層土壤NH4+-N含量在10月上旬因為灌溉的影響發生斷崖式下降，而同樣灌溉的B-N處理的表層土壤NH4+-N含量僅發生了較小的波動后便平緩下降，表明B-N處理中施用生物炭有效減緩了土壤表層NH4+-N向深層的運移.

2.4.3 施用生物炭對氮損失的影響

農田的氮損失主要以徑流、淋溶、氨揮發和硝化-反硝化4種方式進行.其中：徑流損失主要損失可溶性速效氮及吸附于泥沙等顆粒的固態無機態氮和有機態氮；淋溶損失主要以NO3--N淋失為主；氨揮發和硝化-反硝化的損失主要以NH3、NO、N2O、N2等氣態損失為主[17].DNDC模型內置的地表徑流模擬模塊為大尺度流域模擬，對小流域模擬數據要求高且參數校正困難[18]，模擬結果誤差可能偏大.因此，本研究氮損失（以N計）模擬主要以氣態氮損失（NO、N2O、N2和NH3）和淋溶氮損失（NO3--N）為主，模擬結果如表6所示.由表6可知，B-N處理的氮損失均低于常規種植CK處理，同種途徑的氮損失在不同處理間的差異具有統計學意義（P=0.002 76）.模型模擬出的5種氮損失途徑整體顯示出NH3＞NO3--N淋失＞N2O＞NO＞N2的特征，其中兩種處理的NH3揮發損失占總損失的比重均達到97%以上.CK處理和B-N處理的氮損失模擬結果顯示，B-N處理的N2O損失通量較CK處理減少0.29 kg/hm2，NO損失通量減少0.22 kg/hm2，NH3揮發損失通量減少39.59 kg/hm2，NO3--N淋溶損失通量減少0.39 kg/hm2，除N2之外的其余4種途徑的損失通量降低率均大于25%，部分甚至大于40%.CK處理中氮損失模擬結果占總體氮投入量的24.8%，B-N處理中該數值為18.0%.B-N處理的氮損失量占總體氮投入量比重小于CK處理，表明B-N處理下的氮肥損失更少，因此B-N處理的氮肥利用率也相對更高.

表6 菜地氮損失量模擬結果Fig.6 Simulation results of nitrogen loss in vegetable field

3 討論

本研究首次使用DNDC模型模擬施用生物炭后菜地的大蒜和辣椒產量及種植過程的氮損失.結果表明,DNDC模型能較準確地模擬施用生物炭并降低施肥量后的作物產量，驗證了施用生物炭能促進作物對肥料養分利用的特點，這與張偉明等[14]研究的生物炭能提高作物氮肥利用率的結論一致.本研究對研究區作物產量進行模擬，大蒜產量誤差相對較小，辣椒產量誤差相對較大.可能是由于辣椒種植周期為4—9月，期間降水較多，地表養分隨地表徑流運移出菜地，導致總體可利用養分減少，進而使辣椒生長期內受到養分制約.DNDC模型能較好地模擬出氮素在垂直方向上的動態運移，卻不能模擬土壤水分在其他方向的運移情況，因此該模型忽略了表層養分隨徑流的流失，產生模擬作物產量高于實測的情況.李虎等[19]也曾在研究中指出過模型的這一缺點，并提出使用其他水文空間分布模型如SWAT、MIKESHE等輔助DNDC模型更準確地模擬氮素的運移及環境效應.

有關施用生物炭減少氮損失的研究在國內外均有報道.生物炭的獨特結構使其對NH4+具有較強的吸附能力[20]，降低了NH4+轉化為NH3的比例，一方面使得土壤中具有較高含量的NH4+供植物生長所需，另一方面也減少了土壤中NH3的含量，減弱了NH3在固-液-氣界面的遷移轉化[21]，進而降低了土壤的NH3揮發損失.此外生物炭對NH4+的吸附能力減緩了NH4+向NO3-的轉化，導致同樣土壤理化性質及施氮水平下，施用生物炭菜地的NO3-含量稍低于未施用生物炭菜地的含量.而前文提到淋溶主要以NO3-為主，因此NO3-含量相對較低的施用生物炭的菜地氮流失風險低于未施用生物炭的菜地，進而表明施用生物炭有效降低了土壤的NO3-淋溶損失，這與高德才等[22]的研究結果一致.由于生物炭具有多孔結構，添加至土壤后能有效降低土壤容重，提高土壤通氣性，改善土壤厭氧狀況[23]，進而降低了土壤中反硝化細菌將NO3-還原為NO、N3O、N3等氣體的排放通量.Zhang等[24]的研究中也曾得出施用生物炭減少反硝化過程含氮氣體排放的結論.Ding等[25]在使用竹炭對土柱中氮保留和淋失評估的研究中發現添加竹炭能有效阻止NH4+-N向下運移，在20 cm深度處的NH4+-N浸出損失減少了15.2%.Cox等[26]也在研究中發現生物炭對土壤中的NH4+-N和NH3有很強的吸附作用.由于作物的根系大多位于土壤的淺層，因此添加生物炭能將較多的NH4+-N吸附在土壤淺層，有利于作物對無機氮的吸收，進而提高了肥料的利用率[14].鐘雪梅等[27]和Magrinibair等[28]的研究中均指出生物炭能提高氮肥利用率，這也與本研究中施用生物炭、減少施肥量而作物產量沒有明顯降低的結果對應，這表明施用生物炭能有效固持土壤中易被作物吸收的無機氮，進而提高作物吸氮量，達到了一定的穩產效果.

4 結論

（1）DNDC模型能較準確地模擬出施用生物炭并減少施肥量后的作物產量，表明DNDC模型在模擬施用生物炭的方面具有一定的可行性，其中作物產量模擬誤差在17%以內.

（2）DNDC模型的敏感性分析結果顯示，施肥量、土壤本底SOC、土壤pH值等是影響作物產量和種植過程中氮損失的重要因素.

（3）施用生物炭并減少施肥量能在保證作物產量的前提下減少11.9%～12.7%的氮、磷投入，表明施用生物炭能有效減少施肥量并達到穩產效果，降低了氮、磷流失風險.

（4）施用生物炭并減少施肥量有效減少了菜地的氮損失，其中除N2損失方式降低率為1.14%以外，NO、N2O、NH3、NO3--N淋失4種氮損失方式降低率達26.37%～41.26%.