吳晉波,張吳平,王國芳,卜玉山,賈若男,張 茜,張小紅

(1.山西農業(yè)大學資源環(huán)境學院,山西 晉中 030801;2.山西農業(yè)大學軟件學院,山西 晉中 030801)

近年來,農業(yè)的投入和消耗逐年增高,《中華人民共和國氣候變化第二次國家信息通報》指出農業(yè)活動產生的環(huán)境問題越發(fā)嚴重[1]。2017年中央一號文件提出深入推進農業(yè)供給側結構性改革,要求推行綠色生產方式,增強農業(yè)可持續(xù)發(fā)展能力[2]。

目前有關作物排放對環(huán)境影響評價的研究已有很多,其中生命周期評價(life cycle assessment,LCA)是應用于環(huán)境影響評價較為成功的一種方法[3],且應用廣泛。LCA是一種通過收集作物生長全過程的環(huán)境排放,按照國際標準及一定權重計算獲得結果的方法,可用于全面評價作物生長“從搖籃到墳墓”的環(huán)境影響[4]。評價前提是需要獲得足夠的排放數據,根據已有研究可總結為實地測量、系數計算和軟件模擬3類。實地測量指通過一系列工具測量作物在田間的排放量從而得出相應結果[5],但僅應用于少量點位測量,耗費時間長,投入人力物力大,不能準確測量每一天的環(huán)境排放,使評價準確性降低;系數法指根據已有研究中應用施肥量與相應的排放系數進行運算得出結果[6],而沒有考慮降水年型對作物生長和化肥施用后排放的影響,導致評價結果不確定性可能會增加;軟件模擬指輸入一系列參數使軟件參數能適合當地作物生長環(huán)境,從而模擬得出結果[7],但是在軟件模擬應用過程中必須使參數本地化并經過模擬結果驗證才能得到適合本地的生長環(huán)境和結果。

以山西省太谷縣旱作玉米為例,應用DNDC(denitrification-decomposition)軟件模型對作物生長過程進行模擬,收集作物的排放種類和排放量[8]。在生命周期評價中充分考慮降水量對作物長勢的影響,分析不同水分條件和環(huán)境排放的關系[9],使評價結果的可靠性提升,以期尋求在旱作條件下的合理施肥量,為達到環(huán)境和經濟效益雙豐收的平衡提供科學依據。

1 材料與方法

1.1 DNDC模型

1.1.1模型介紹

DNDC模型是一個描述農業(yè)生態(tài)系統(tǒng)中碳和氮生物地球化學過程的計算機模擬模型[10]。該模型主要由氣候、土壤、植被類型和農田管理模塊組成,通過研究不同作物在不同環(huán)境下發(fā)生的化學反應得到一系列產出排放等結果。該模型在國內已得到廣泛應用[11-12]。該模型主要描述了一系列的農作物生長與土壤環(huán)境發(fā)生的硝化-反硝化作用對環(huán)境的影響。DNDC模型由兩大部分組成。第1部分包括土壤氣候、農作物生長和土壤有機質分解3個子模型,利用生態(tài)驅動因子(氣候、土壤、植被和人類活動)模擬土壤環(huán)境條件(土壤溫度、水分、酸堿度、氧化還原電位以及相關化學底物濃度梯度)。第2部分包括硝化作用、反硝化作用和發(fā)酵作用3個子模型,模擬土壤環(huán)境條件對微生物活動的影響,計算植物-土壤系統(tǒng)中二氧化碳(CO2)、甲烷(CH4)、氨(NH3)、氧化亞氮(N2O)和一氧化氮(NO)排放。DNDC模型中所采用的函數來自物理學、化學和生物學的經典法則或實驗室研究所產生的經驗方程[13]。DNDC模型是一座架在基本生態(tài)驅動因子和碳氮生物地球化學循環(huán)之間的橋梁。

1.1.2模型數據來源

在同一年中設置不同的降水環(huán)境對作物生長排放進行測量,但是由于受條件所限,耗費人力物力較大。通過收集山西省太谷縣15 a的氣象數據,利用“以時間換空間”的方法,達到處理效果[14]。為了提高模擬的準確性,氣象數據包括日均降水量、日最高氣溫、日最低氣溫、平均風速和地面濕度5個指標。在模型中輸入所有必要條件并且模擬不同降水量條件下的作物生長。研究區(qū)屬于盆地地區(qū),土壤屬于黏性土壤(表1)。

表1 研究區(qū)土壤剖面的物理特性Table 1 Basic physical properties of soil profile in experimental area

農田管理數據主要來源于對村民耕作方式的問卷調查,調查結果中玉米采用一年一熟制。耕作時間是每年4月28日前后,收獲時間是10月3日前后。在耕作前需要定量施肥,采用的肥料是玉米專用復合肥,施用量一般為1 050 kg·hm-2,其中w(N)為18%,w(P2O5)為10%,w(K2O)為12%,牛糞投入量為75 t·hm-2,所有肥料均在播種前一次性施入。

根據以上調查數據以及DNDC模型中的作物發(fā)育數據,模擬不同水分條件下的玉米生長,模擬過程中不受其他環(huán)境因素影響,每年的施肥量和耕作方式相同,并收集模擬結果,主要包括產量和排放等數據。

1.2 生命周期評價(LCA)

自20世紀90年代以來,LCA被逐漸應用于農業(yè)[15]。LCA在農業(yè)上主要評價的是作物從肥料原料開采到作物收獲全部過程對環(huán)境的消耗。該方法評價從作物原料開采到作物生長最終處理全過程所進行的跟蹤和定量分析[16],已經被納入國際ISO 14040體系標準。目前評價過程包括目標定義與確定范圍、清單分析、環(huán)境影響評價和改進評價[17]。

1.2.1目標定義與確定范圍

以太谷縣生產1 t玉米為評價單元,將玉米生產所需肥料生產到作物收獲全過程對環(huán)境產生的消耗作為評價對象,以評價玉米生長對環(huán)境的影響。

1.2.2清單分析

LCA的清單分析主要包括兩個階段,即肥料生產環(huán)節(jié)產生環(huán)境消耗的階段和作物生長環(huán)節(jié)的能耗排放階段。太谷縣位于黃土高原地區(qū),玉米種植方式為一年一熟制,在評價玉米生產每公頃的環(huán)境排放時對全年農作物環(huán)境影響進行核算。

在原料開采階段主要評價內容是肥料礦石開采和制肥過程中產生的電力消耗和能源消耗。排放系數主要來源于相關研究[18](表2)。

表2 不同農業(yè)生產環(huán)節(jié)折算標準Table 2 Conversion criteria of different agricultural production processes

作物生長階段的環(huán)境排放數據主要來自DNDC模型模擬結果。產生的環(huán)境影響主要為耕種、灌溉、施肥等管理措施所引起的各項污染物排放。

1.2.3環(huán)境影響評價

生命周期環(huán)境影響評價主要是對識別出的環(huán)境影響進行定性或定量的表征評價,分為特征化、標準化和加權評估3個步驟[19]。

(1)特征化。特征化是對資源消耗和環(huán)境排放清單進行分類并計算環(huán)境影響潛力的過程。該研究僅考慮農產品生命周期的能源消耗、溫室氣體排放、環(huán)境酸化和富營養(yǎng)化4種環(huán)境影響類型。以生產1 t玉米為評價單元,采用當量系數對排放進行折算。溫室氣體排放以CO2為當量標準,CH4、N2O 和 CO當量系數分別為21、310和2;富營養(yǎng)化以PO43-為當量標準,N、NOx和NH3當量系數分別為0.42、0.13和0.35;環(huán)境酸化以SOx和SO2為當量標準,NH3當量系數為1.88,NOx當量系數為0.7[20]。

(2)標準化。標準化過程指建立標準化基準,在標準化過程中主要將環(huán)境排放分為環(huán)境酸化、溫室效應、能源消耗和富營養(yǎng)化4類,并為其提供可比較的標準。擬采用2000年世界人均環(huán)境影響潛力作為環(huán)境影響基準進行標準化處理,處理方法為

Rx=EP(x)/S2000。

(1)

式(1)中,Rx為第x種潛在環(huán)境影響標準化結果;EP(x)為系統(tǒng)對第x種環(huán)境影響因子的潛值即特征化結果;S2000為選定的2000年基準值[21]。

(3)加權。通過綜合各類環(huán)境影響指數得到一個可比較的評價結果,這需要確定各種環(huán)境影響類型的權重。根據王明新等[21]、梁龍等[22]設置的權重系數并進行調整,基準值和權重值見表3。

表3 標準化加權影響值設置Table 3 Standardized weighted impact value settings

1.2.4改進評價

通過對環(huán)境影響進行標準化和加權處理,將環(huán)境影響量化為一個標準指數。該指數表示對環(huán)境影響的大小,對環(huán)境影響較大的情況可以在農產品整個生命周期內尋求減少能源消耗、原材料使用和污染物排放方式,提出改進措施并做進一步評價。

2 結果與分析

2.1 DNDC模型模擬結果

玉米產量和地表溫度的實測值與模擬值擬合結果見圖1。對2002—2016年太谷縣玉米生長進行模擬,可以得出作物在生長過程中的排放和最終產量,以調查產量為參考,模擬得到的年均產量為9 114.37 kg·hm-2,模擬產量結果與實際產量較相符。將模型模擬值與實際測得的土壤表層溫度進行對比分析的結果表明,在作物期內模擬溫度能夠較好地與實際溫度吻合,能夠用于描述降水前后地表溫度變化趨勢;但是兩者也存在一定差異,主要原因是在模擬過程中,沒有考慮作物莖葉對陽光的阻擋作用,導致實測值和模擬值存在部分差異。但總體擬合度較高,決定系數(R2)達到0.925 5,實現了模型參數的本地化(圖1)。

圖1 玉米產量和地表溫度的實測值與模擬值Fig.1 Relationships between the measured and simulated values of maize yield and surface temperature

2.2 清單分析

在作物生長前期主要的環(huán)境排放源是肥料投入,投入的肥料為玉米專用復合肥,根據表2中折算方式折算可知每公頃玉米種植對環(huán)境的NOx、CO、SO2和CO2排放量分別為2.020、0.808、4.039和134.652 kg·hm-2。由此可見,CO2排放量顯著高于其他幾類,對環(huán)境的影響大。

在作物生長階段根據降水年型對排放清單進行劃分。根據GB/T 50095—98《水文基本術語和符號標準》計算可知,2002—2016年期間2006、2008和2010年降水量低于380 mm,為枯水年;2007和2016年降水量在560 mm以上,為豐水年;其余年份降水量在380～560 mm之間,為平水年。玉米生長雨熱同期,因此可在很大程度上緩解作物需水量(表4)。

表4 基于DNDC模型不同降水年型玉米生長階段的環(huán)境排放均值Table 4 Average emissions under different precipitation types based on DNDC model

*表示差異顯著(P<0.05),**表示差異極顯著(P<0.01)。

由表4可知,在不同降水年型,玉米生長階段對環(huán)境產生的排放量也不相同。在玉米生長階段CO2排放量高于其他3類,枯水年CO2排放量低于平水年和豐水年,變化幅度為1%和1.2%,枯水年硝酸鹽淋洗量比豐水年低11.8%,枯水年NO2排放量比豐水年低12.3%,豐水年NH3揮發(fā)比枯水年低15.8%。降水量與NH3揮發(fā)呈反比關系。

2.3 環(huán)境影響評價

2.3.1標準化

利用LCA方法對環(huán)境影響進行標準化,并將其與作物期內降水量進行分析比較的結果表明,降水量大小影響環(huán)境排放。當降水量降低時,能源消耗、富營養(yǎng)化、溫室氣體排放和環(huán)境酸化的標準值都較高;當降水量增高時,其對環(huán)境的影響值則會降低。圖2顯示降水量分別與能源消耗、富營養(yǎng)化、環(huán)境酸化和溫室氣體排放呈反比關系。

環(huán)境酸化指氮氧化物和硫氧化物的排放,主要發(fā)生在化肥原材料開采和提取階段(R2=0.461 5);能源消耗指在肥料生產階段通過折算后得到的所消耗標準煤需要的能源消耗(R2=0.727 6);溫室效應指溫室氣體的排放,在降水量較高的平水年和豐水年,玉米產生的環(huán)境排放較低,其溫室氣體排放量較小(R2=0.617 8);富營養(yǎng)化指氮氧、氮氫物質的排放,受作物生長的排放影響,在降水較為充沛的年份,生產1 t 玉米所產生的排放量較小,在降水不足的年份生產1 t玉米排放量則較大,對環(huán)境的影響也較大(R2=0.628 5)。

圖2 不同年份降水量與環(huán)境評價指標潛力的關系Fig.2 Relationship between different annual precipitation and environmental assessment indicators potentiality

2.3.2加權

對各項指標標準化后進行加權。結果顯示,豐水年、平水年和枯水年玉米種植全過程的環(huán)境影響綜合指數分別為0.19～0.20、0.17～0.27和>0.3,不同降水年型玉米種植全過程對環(huán)境的影響由大到小依次為枯水年、平水年和豐水年。不同環(huán)境影響類型對環(huán)境造成的影響由大到小依次為富營養(yǎng)化、環(huán)境酸化、能源消耗和溫室氣體排放,其均值分別為0.031 9、0.011 9、0.010 4和0.003 8?？菟晟a1 t玉米產生的環(huán)境排放比其他降水年型高(圖3)。

2006、2008和2010年為枯水年，2007和2016年為豐水年,其他年份為平水年。圖3 不同降水年型整個玉米生命周期生態(tài)環(huán)境影響潛值的加權結果Fig.3 Weighted results of potential ecological environmental impact for maize under different precipitation types

枯水年能源消耗、富營養(yǎng)化、環(huán)境酸化和溫室氣體排放均值分別為0.015 5、0.046 3、0.017 4和0.005 6,平水年4種環(huán)境影響類型均值分別為0.009 0、0.029 2、0.010 6和0.003 4,豐水年均值分別為0.007 9、0.024 3、0.010 0和0.003 2。

2.4 改進情況及評價

由實際調查結果可知2008和2010年產量較低,并且在其他生育期降水量不變的前提下作物拔節(jié)期和抽雄期兩個階段降水量較小,影響了作物的最終產量。通過灌溉來彌補降水不足,并且在保證LCA綜合環(huán)境影響指數較小的前提下確定灌溉量。設置灌溉定額分別為400、600、800、1 000、1 200和1 400 t·hm-2的6個處理,于拔節(jié)期和抽雄期各灌溉1次,每次灌溉量均分別為各處理灌溉定額的50%。

在不灌溉的情況下利用LCA方法對DNDC模型的環(huán)境排放結果進行評價,結果顯示,降水量較低年份對環(huán)境的影響較大,降水量與污染排放量呈負相關。在改進措施中,由于有灌溉處理,所以LCA結果中增加淡水灌溉影響因素,灌溉水量越大,淡水灌溉的影響值就越高。由此可見,不同的灌溉水量對玉米產量的影響較大,當灌水量為400～800 t·hm-2時,玉米產量變化較大;當灌水量大于800 t·hm-2時,其對產量的影響則變小(圖4)。

圖4 2008和2010年不同灌水量條件下玉米產量和環(huán)境影響綜合指數Fig.4 Comprehensive index of maize yield and environmental impact under different irrigation amounts in 2008 and 2010

在不同灌溉量條件下環(huán)境影響綜合指數也隨產量變化而變化。當灌水量較低時,玉米產量較低,環(huán)境影響卻較高；當灌溉量為800～1 000 t·hm-2時環(huán)境影響降到最低;隨著灌溉量的持續(xù)增加,環(huán)境影響綜合指數不減反增,且當灌溉量大于1 000 t·hm-2時,作物產量變化幅度降低。綜合上述模擬和分析結果發(fā)現,當玉米生育期處于枯水年時,產量降低,可以用灌溉來彌補降水不足;當灌溉量大于1 000 t·hm-2時,如果持續(xù)對其進行灌溉,產量上升幅度減小,作物生產成本增加,同時對環(huán)境的負荷隨之上升。所以在改進措施中建議在枯水年型用灌溉來緩解降水不足,選取2008年(降水量為335.30 mm)和2010年(降水量為336.70 mm)作為模擬對象,以灌溉量為800～1 000 t·hm-2較為合適。

對于沒有灌溉條件的地區(qū),則適量減少肥料施用,并利用DNDC模型進行模擬。2008年太谷縣降水量低于多年平均降水量,屬于枯水年?？菟杲邓繉ψ魑锷a造成很大影響,不僅產量降低,且在同等施肥條件下其對環(huán)境的影響較大。依據上述研究結果將2008年作為模擬對象,設置施肥量為735、525、420、315、210 kg·hm-25個水平和1個對照(不施肥)。模擬結果表明:通過減少化肥使用量,其環(huán)境影響會逐漸降低,環(huán)境影響綜合指數從原施肥量處理的0.35降至0.25,當施肥量降到原施肥量的20%～30%時,環(huán)境排放降到最低,且產量降低180 kg·hm-2,產量較原施肥量處理降低3.15%,降低幅度不明顯(圖5)。

圖5 枯水年減量施肥后玉米產量和環(huán)境影響綜合指數Fig.5 Maize yield and environmental impact index in dry year after fertilizer reduction

在平水年,模擬減少施肥量,玉米產量變化不大,但環(huán)境影響綜合指數降低。當施肥量為原施肥量的80%～85%時,環(huán)境影響和產量達到最優(yōu)效果,此與WU等[23]研究結論一致,說明在平水年應該降低施肥量。在豐水年通過減少肥料施用發(fā)現環(huán)境影響綜合指數并沒有降低,反而有上升趨勢,表明在豐水年目前的施肥量比較合適。

3 討論

在排放量模擬結果中,降水量分別與CO2排放量、硝酸鹽淋洗和N2O排放量呈正相關,降水量與NH3排放量呈負相關。這與張保成[24]研究結果一致。這是因為土壤濕度直接影響土壤微生物活性和土壤通氣性,進而影響土壤硝化-反硝化作用以及 N2O 在土壤中的傳輸和向大氣的擴散。在一定范圍內,土壤含水量提高可增加礦化速率和養(yǎng)分有效性,微生物活性增強,耗氧量加大,易形成厭氧區(qū)域,從而抑制土壤硝化作用,促進土壤反硝化作用。因此,在枯水年CO2排放、硝酸鹽淋洗、N2O排放低于平水年和豐水年。當土表、田面水表面或植物外體空間氨分壓大于其上方空氣中氨分壓時,NH3揮發(fā)過程即可發(fā)生,但NH3又極易溶于水,當降水較多時,NH3因溶于水而減少揮發(fā)。

目前,對于農業(yè)環(huán)境方面的研究主要集中在農業(yè)肥料種類和用量與環(huán)境排放的關系上[25],通過設定不同條件收集模擬的環(huán)境排放數據,對農藝施肥做出具體指導。采用LCA方法評價作物生長全過程的環(huán)境影響,在不同水分條件下玉米種植過程對環(huán)境影響不同。當水分條件充足時,玉米種植的環(huán)境影響綜合指數為0.17～0.27。當水分缺少時，環(huán)境影響綜合指數會升高至0.3以上；這主要是因為在水分條件較差的年份,肥料利用率降低,肥料發(fā)生蒸發(fā),沒有作用于作物生長過程中,最終導致產量降低[26],在評價結果中單位產量的環(huán)境排放影響則會上升,對環(huán)境造成更大影響。當水分充足時,肥料隨水分下滲到土壤中,雖然在這一過程中會發(fā)生反硝化作用,但是更多地則是肥料被作物生長所吸收,單位產量環(huán)境影響降低。

研究結果表明在枯水年通過增加灌溉量能夠提高產量并且減輕環(huán)境影響。山西位于黃土高原地區(qū)東部,降水量少,75%的地區(qū)沒有灌溉條件,大部分地區(qū)灌溉條件難以滿足。在不增加灌溉的前提下枯水年減少施肥量,能夠提高肥料利用效率,降低成本且減少環(huán)境污染。如果增加天氣預報的準確性并且根據降水等大量數據來分析下一年的降水年型,可以指導農業(yè)調節(jié)施肥量,對降低農業(yè)生產成本和減輕環(huán)境負荷有重要意義。

農業(yè)種植過程對環(huán)境的影響不僅僅是水分條件的單一作用效果,農田污染排放受多種因素影響,肥料的過度使用對環(huán)境的影響會逐漸增高[27]。此外,在玉米種植過程中,株間距、犁地方式與深度、種植時間等都會對玉米產量產生不同影響[28]。因此,仍然需要多次、多條件的玉米種植模擬實驗。

4 結論

(1)LCA結果表明玉米產量與降水量呈正相關,玉米地污染排放與降水量呈負相關,即：降水量高,則玉米產量高,環(huán)境影響指數低；降水量低,則產量較低,環(huán)境影響指數高。

(2)通過改進措施進行模擬的結果表明:在平水年施肥量應減少至當前施肥量的80%～85%,在作物產量不會大幅降低的同時環(huán)境影響顯著降低;在枯水年當灌溉量達800～1 000 t·hm-2時可提高產量并降低對環(huán)境的影響；對于無灌溉條件的地區(qū),施肥量減至原來施肥量的20%～30%時,產量降低180 kg·hm-2,產量降低不明顯,而環(huán)境影響顯著降低。