基于DNDC 模型的稻田氨揮發模擬及減排模式

畢文通，紀仁婧，和玉璞*，付 靜，尚 明

（1.南京水利科學研究院，南京 210029；2.江蘇省江都水利工程管理處，江蘇 揚州 225200）

0 引 言1

【研究意義】我國稻田氮肥消耗量約占世界氮肥總消費量的7%[1]。我國稻田氮肥利用效率僅為35%左右，低于發達國家平均水平[2-4]。稻田較低的肥料利用率意味著大量氮素通過不同的途徑流失到周邊環境，在提高農業生產成本的同時，引發了較為嚴重的面源污染問題[5-6]。氨揮發是稻田氮素的損失途徑之一，在全球農作物種植體系中，通過氨揮發損失的氮素占總施氮量的平均比例為18%，最高可達64%[7]。科學減少我國稻田氨揮發排放，并制定有效的減排措施是目前研究熱點。

【研究進展】生物炭添加已被證明具備提高土壤固碳吸附能力、保持水分能力以及減少農田溫室氣體排放等效果[8-12]。生物炭對土壤中的氮素具有很強吸附能力，能夠有效抑制氨揮發。適量生物炭被施入稻田可以有效降低稻田氨揮發[8,12]，控制灌溉、間歇灌溉等水稻節水灌溉模式可以有效減少稻田氨揮發損失量[13-14]。灌水量及生物炭添加量顯著影響氨揮發，灌水會加劇氨揮發，延長氨揮發時間，同一灌水量下，氨揮發會隨生物炭量的增加呈先降低后增加的趨勢[15]。由于田間試驗的工作量大、周期長、環境因素復雜等原因，有關水炭聯合調控稻田氨揮發的試驗研究開展較少，稻田水炭調控模式的氨揮發減排效果及作用機制尚不明確。近年來，DNDC 模型在稻田溫室氣體排放、土壤有機碳量以及氮素淋失模擬等方面應用較多，取得了較理想的模擬結果，成了研究稻田氮素遷移過程及效應的重要工具[16]。【切入點】目前，利用DNDC模型開展稻田氨揮發的模擬研究多聚焦于水氮調控情景[17-20]，基于DNDC 模型開展水炭調控稻田氨揮發的研究還鮮有報道。【擬解決的關鍵問題】本研究通過原位觀測試驗得到稻田氨揮發的實測數據，對DNDC 模型進行參數的率定和驗證，運用DNDC 模型模擬水炭聯合調控對稻田氨揮發的影響及作用機制，探尋減少氨揮發損失最優方案，以期為加強稻田氮素的管控、減少稻田氨揮發損失提供指導。

1 材料與方法

1.1 試驗區概況

模擬試驗依據的是2018—2019 年在南京市高淳區椏溪鎮尚義村（東經119°9'40"，北緯31°24'42"）開展的田間原位觀測試驗。研究區位于北亞熱帶和中亞熱帶過渡地區，受季風環流影響，區域性氣候明顯，常年四季分明，多年平均氣溫16 ℃，多年平均降水量1 190.8 mm。當地習慣稻麥輪作，土壤為滲育水稻土，耕層土壤為黏壤土，土壤有機質量為34.2 g/kg，全氮量為2.01 g/kg，全磷量為0.46 g/kg，全鉀量為12.87 g/kg，土壤pH 值為7.2。0～20、0～30、0～40 cm 土層土壤飽和體積含水率分別為52.0%、50.1%、47.9%。

1.2 研究方法

1.2.1 試驗設計

試驗中稻田灌溉處理為控制灌溉[21]（簡記為C），小麥秸稈生物炭添加量設置4 個水平：0 t/hm2（K）、10 t/hm2（L）、20 t/hm2（M）和40 t/hm2（H），共4個處理（CK、CL、CM、CH），每個處理3 個重復。

試驗采用南京勤豐秸稈科技有限公司生產的小麥秸稈生物炭，生物炭平均孔徑為15.745 nm，平均孔容為0.049 cm3/g，平均比表面積40.483 m2/g。在組成成分方面，C、H、N 組成比例分別為38.523%、2.370%、1.320%。水稻品種為南粳5505，各處理的植保、耕作等措施保持一致。各處理稻田均參考農民習慣施肥，氮素施肥過程如表1 所示，2 a 的水稻生長情況有所差異，故施肥量略有不同。各處理稻田均施加45.0 kg/hm2磷肥（P2O5）和63.5 kg/hm2鉀肥（K2O），磷肥、鉀肥作基肥同時施入稻田。

表1 稻田施肥時間與施肥量Table 1 Fertilizer application time and amount in paddy field

試驗在配套有獨立灌排設備的田間小區進行，每個小區面積為60 m2（12 m×5 m），每個小區灌溉系統獨立布設且安裝有機械水表用于計量灌水量。每個小區之間使用磚砌田埂進行分割，田埂高度為100 cm，田面以上20 cm、田面以下80 cm，沿田埂兩側布設同樣埋深的防水農膜，以減少小區之間的側向滲漏。

本研究在2018 年6—10 月進行預試驗，6 月16日插秧，10 月20 日收割。2019 年6—10 月進行田間試驗，6 月5 日插秧，10 月12 日收割。采用通氣法進行稻田氨揮發通量的原位觀測[20,22]。取樣時間為：每次施肥后，以第1 天為起始點開始每天采樣，取樣3 次，然后每2 天采樣1 次，共計采樣2 次，然后每隔4 d 取樣，取2 次以后取樣間隔延長到7 d，隨后的間隔逐漸延長到5～10 d 采樣1 次，直到下一次施肥或揮發速率穩定為止。采樣后，將通氣法裝置中下層的海綿分別裝入500 mL 的玻璃瓶中，加450 mL的1.0 mol/L 的KCL 溶液，使海綿完全浸于其中，密封后振蕩1 h，用納氏試劑比色法[23]測定浸取液中的銨態氮。氨揮發通量計算式為：

式中：VNH3-N為單位時間內單位面積上的氨揮發量（kg/（hm2·d））；M為通氣法單個裝置平均每次測得的銨態氮量（mg）；A為捕獲裝置的橫截面積（m2）；D為單次連續捕獲所用時間（d）。

1.2.2 DNDC 模型

DNDC 模型是農業生態系統中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表達[24]。利用2019 年各處理稻田田間實測數據和模擬數據進行模型檢驗和驗證。模型輸入參數包括：實測氣象資料（逐日最高氣溫、最低氣溫、降水量）、實測土壤參數（土壤質地、土壤體積質量、pH 值、黏土量、土壤有機質量、初始硝態氮質量濃度、初始銨態氮質量濃度等）和農田管理資料（播種和收獲日期、翻耕、施肥管理等）。模型所需數據在田間觀測試驗中獲取。根據本次試驗的實測數據，將土壤有機質量、初始硝態氮質量濃度、初始銨態氮質量濃度與生物炭添加量進行擬合，擬合結果如圖1 所示。由圖1 可知，土壤有機質量與生物炭添加量成正比，二者之間呈二次曲線關系且擬合精度為0.99；初始硝態氮質量濃度、初始銨態氮質量濃度與生物炭添加量成反比，二者與生物炭添加量之間皆呈二次曲線關系且擬合精度為0.99。因此，本研究在模型中通過調整土壤有機質量、初始硝態氮質量濃度和初始銨態氮質量濃度間接實現生物炭添加影響的模擬。

圖1 土壤有機質量、初始硝態氮質量濃度、初始銨態氮質量濃度與生物炭添加量的關系擬合Fig.1 Fitting of relationship between soil organic matter, initial nitrate nitrogen mass concentration,initial ammonium nitrogen mass concentration and biochar addition amount

1.2.3 稻田水炭調控情景設置

設計了3 種灌水處理，以灌溉臨界指標下限作為控制指標，其中灌水處理1（I1）的灌溉臨界指標下限為0 mm，灌水處理2（I2）的灌溉臨界指標下限為飽和含水率的80%，灌水處理3（I3）的灌溉臨界指標下限為飽和含水率的50%，各灌水處理的灌溉臨界指標上限均為30 mm。針對設計的I1、I2、I3 灌水處理分別推求稻田灌溉過程，對應設置了3 個氣象資料文本作為DNDC 模型模擬輸入參數。

設計了12 種生物炭添加水平，分別為4 t/hm2（B1）、8 t/hm2（B2）、12 t/hm2（B3）、16 t/hm2（B4）、20 t/hm2（B5）、24 t/hm2（B6）、28 t/hm2（B7）、32 t/hm2（B8）、36 t/hm2（B9）、40 t/hm2（B10）、44 t/hm2（B11）、48 t/hm2（B12）。計算不同生物炭添加量下土壤有機質量、初始硝態氮質量濃度和初始銨態氮質量濃度，確定DNDC 模型對應輸入參數，從而在DNDC 模型中模擬不同生物炭添加量處理稻田氨揮發損失過程。

將灌水處理、生物炭添加量處理進行組合，設置了36 組水炭調控情景，通過DNDC 模型模擬得到不同水炭調控稻田氨揮發損失量的變化過程，探求稻田氨揮發損失的最優水炭調控模式。

1.3 數據處理與分析

采用Microsoft Excel 2016、Origin 8.5 處理數據，采用SPSS24.0 進行F檢驗（差異顯著性水平為p=0.05）。2018 年預試驗觀測數據不具備連續性，本研究只對2019 年試驗觀測數據進行分析。

2 結果與分析

2.1 模型驗證與評價

根據2019 年的田間實測數據，校正DNDC 模型參數，對CK、CL、CM、CH 處理稻田分蘗肥后1周氨揮發損失量進行模型適應性檢驗。分蘗肥后1 周稻田氨揮發損失量模擬值和實測值相對誤差在±8%以內（表2），故應用DNDC 模型模擬水炭調控稻田氨揮發是可行的。稻田穗肥后1 周和整個稻季氨揮發損失量模擬值和實測值相對誤差均在±6%以內（表2），故DNDC 模型模擬稻田氨揮發可行。

表2 不同水炭調控稻田氨揮發損失量模擬值與實測值Table 2 Comparison of simulated and measured values of total ammonia volatilization in paddy field under different water and biochar treatments

模擬結果表明，稻田氨揮發主要發生在施肥后1 周之內，且氨揮發通量峰值在施肥后的5 d 內出現。各處理稻田氨揮發通量模擬值的變化規律與實測值基本一致，2 次施肥后的模擬過程與實測過程較為契合，氨揮發通量模擬值的峰值出現時間與田間實測過程較接近（圖2）。總體來看，DNDC 模型能夠較好模擬稻田氨揮發損失動態過程。

圖2 不同水炭處理下稻田氨揮發通量模擬值與實測值對比Fig.2 Comparison of simulated and measured ammonia volatile flux in paddy field under different water and biochar treatment

2.2 不同生物炭添加量處理下氨揮發損失量變化規律

相同灌溉處理下，分蘗肥后1 周內的稻田氨揮發損失量呈隨生物炭添加量增加而小幅遞減的趨勢；穗肥后1 周內，稻田氨揮發損失量隨生物炭添加量的增加持續走低，且趨勢平緩，如圖3 所示。各處理稻田穗肥后1 周的氨揮發損失量均大于分蘗肥后1 周，穗肥后1 周的氨揮發損失量約占整個稻季總量的1/2，這是由于穗肥施肥量較大，增加了氨揮發的氮源，而且穗肥后1 周氣溫較分蘗肥后1 周氣溫升高，土壤水分蒸發速率加快，土壤水汽攜帶作用[25]導致穗肥后氨揮發速率高于分蘗肥后氨揮發速率。

圖3 I1、I2、I3 處理下不同生物炭添加量下稻田氨揮發損失量Fig.3 Ammonia volatilization loss in paddy fields with different biochar application rates under I1, I2 and I3 treatment

縱觀整個稻季，稻田氨揮發損失量隨生物炭添加量的增加持續降低，但不同生物炭添加量處理無顯著差異。I1 灌水處理下，B10 處理氨揮發損失量最低，較B1 處理降低了1.84%；I2、I3 灌水處理下，B11 處理的氨揮發損失量最低，分別較B1 處理降低了1.53%和1.61%。特別地，生物炭添加量達到40 t/hm2以上后，分蘗肥后1 周、整個稻季的稻田氨揮發損失量隨生物炭添加量增加而略微增加，但整體呈隨生物炭添加量的增加而降低的趨勢。

2.3 不同灌水處理下氨揮發損失量變化規律

相同生物炭添加量下，不同灌溉處理稻田分蘗肥后1 周、穗肥后1 周以及整個稻季的稻田氨揮發損失量隨灌水量的減少呈下降趨勢，詳見圖4。生物炭添加量相同時，I2 處理分蘗肥后1 周氨揮發損失量較I1處理降低了1.58%～2.66%，穗肥后1 周氨揮發損失量降低了1.80%～2.31%，整個稻季氨揮發損失量降低了2.12%～2.46%；I3 處理分蘗肥后1 周氨揮發損失量較I2 處理降低了6.65%～7.12%，穗肥后1 周氨揮發損失量升高了0.54%～1.06%，整個稻季氨揮發損失量降低了0.24%～0.45%。稻田氨揮發損失量隨著灌水下限的降低小幅下降，減少灌水會在一定程度上減少稻田氨揮發損失。

圖4 B1—B12 處理生物炭添加量下不同灌水處理的稻田氨揮發損失量Fig.4 Ammonia volatilization loss in different irrigated paddy fields under B1—B12 biochar application rates

分蘗肥后1 周，I1、I2 處理氨揮發損失量變化幅度隨生物炭添加量增加呈減小趨勢，在生物炭添加量達20 t/hm2后變化幅度趨于穩定，保持在1.5%左右。I2、I3 處理的氨揮發損失量變化幅度隨生物炭添加量增加基本保持在6.5%～7.5%之間。穗肥后1 周，I1、I2 處理氨揮發損失量變化幅度和I2、I3 處理氨揮發損失量變化幅度在24 t/hm2的生物炭添加量下出現陡升，在其余生物炭添加量時分別保持在1.8%和0.5%左右。縱觀整個稻季，I1、I2 處理的氨揮發損失量變化幅度隨生物炭添加量增加呈略輕微減小趨勢，I2、I3 處理的氨揮發損失量變化幅度基本保持在0.4%左右，如圖5 所示。生物炭添加量的變化對I2、I3 處理的氨揮發損失量變化幅度影響較小，灌水是稻田氨揮發的主要影響因素。

圖5 不同灌水處理各階段稻田氨揮發損失量變化幅度Fig.5 Variation amplitude of ammonia volatilization loss in paddy fields under different irrigation treatments at different stages

2.4 水炭調控對稻田氨揮發減排的影響分析

生物炭添加量和灌水處理均顯著影響分蘗肥后1周、穗肥后 1 周及整個稻季稻田氨揮發損失量（p<0.05），其中灌水處理是主要影響因素，生物炭添加量次之（表3）。當控制生物炭添加量不變時，I1、I2、I3 灌水處理下的稻田氨揮發損失量隨灌水量減少而減少；同一灌溉處理下，不同生物炭添加量下的稻田氨揮發損失量隨生物炭添加量增加而減少。應在控制灌溉的條件下增加生物炭添加量來調控稻田氨揮發。

表3 不同時期氨揮發影響因素F 檢驗Table 3 F-test on influencing factors of ammonia volatilization in different periods

3 討 論

本研究中相同灌水處理下稻田氨揮發損失量大體上呈隨生物炭添加量增加而小幅遞減趨勢。添加生物炭可以減少土壤水分的散失，提高土壤含水率，增強土壤溶液對氨的溶解能力，減少土壤氨揮發[25]。另外，土壤氨揮發與土壤中的NH4+-N 量極顯著正相關（p<0.01）[26]，武麗君[27]研究表明，生物炭可以促進堿性農田土壤的氨氧化作用，加速土壤NO3--N 的生成，降低NH4+-N 的生物有效性，隨著生物炭添加量的增加，土壤中NH4+-N 質量濃度減小，從而減少稻田氨揮發。而且生物炭表面附著大量的離子電荷，施入土壤后生物炭表層的離子會與土壤中的離子發生交換，從而吸附大量的NH4+-N，使得大部分尿素分子和交換性NH4+-N 得以保存在耕作層中，進一步減少了稻田的氨揮發[28]。許云翔等[29]研究表明，生物炭可以通過物理、化學作用吸附土壤中的 NH3和NH4+-N，并且可以加速土壤硝化過程提高土壤對銨態氮的利用率，從而減少稻田氨揮發量。但不同生物炭添加量對稻田氨揮發的影響并不一致，添加過高用量的生物炭可能會促進土壤氨揮發，這可能是由于添加生物炭增加了土壤呼吸，加速了氣體交換[30]。在同一灌溉條件下，稻田氨揮發可能隨生物炭添加量的增加呈先降低后增加的趨勢[15]。

本研究中灌水模式對稻田氨揮發影響顯著，水分條件是影響稻田氨揮發的主要的因素之一[31]。總體來看，I1、I2、I3 灌水處理下稻田氨揮發損失量呈下降趨勢。當土壤含水率較大時，土壤水汽攜帶作用不僅增強了氨揮發速率，也增大了氨揮發量[25]。當土壤含水率較小時，肥料的分解和氧化作用減弱，降低了土壤氨揮發速率[32]。而且灌溉臨界指標下限較低時，稻田在由施肥時建立的薄水層變為無水層的過程中，肥料水解后產生大量的NH4+隨水分向土壤下層遷移，減少了表層土壤溶液中的NH4+，從而降低了稻田氨揮發[13]。楊士紅等[20]研究表明，控制灌溉既大幅度降低稻田氨揮發速率，又降低了稻田大部分無施肥時段的氨揮發損失，可以通過節水灌溉的方式減少稻田氨揮發損失。鄔剛等[33]研究指出，水分管理措施影響稻田的氨揮發強度，控制灌溉能顯著降低分蘗肥和穗肥氨揮發排放量，相同氮肥管理下控制灌溉稻田氨揮發積累總量低于常規灌溉。

本研究以減少稻田氨揮發損失為目標，基于DNDC 模型模擬了水炭調控對稻田氨揮發的影響過程，獲得了較為可靠的結果。I3B11 處理為稻田水炭調控最優模式，稻田氨揮發損失量最小。灌水和生物炭添加量均顯著影響稻田氨揮發損失，灌水處理是主要影響因素，在采用更為嚴格的節水灌溉技術下，適當增加生物炭添加量，可以最大程度減少稻田氨揮發損失。

4 結 論

1）基于DNDC 模型構建的水炭調控稻田氨揮發過程模擬模型，能夠較好的模擬節水灌溉稻田添加生物炭后的土壤氨揮發損失特征。

2）隨著生物炭添加量的增加，相同灌溉處理稻田氨揮發損失量呈小幅降低趨勢；相同生物炭添加水平下，稻田氨揮發損失量隨灌水下限的降低小幅下降。

3）灌水處理和添加生物炭均顯著影響稻田氨揮發損失，灌水處理是主要影響因素，對稻田氨揮發的作用明顯強于生物炭添加量，在控制灌水下限的基礎上適當增施生物炭可以有效降低稻田氨揮發量。

（作者聲明本文無實際或潛在的利益沖突）