趙曉瑩,王諾婷,崔 斌,尹實(shí)磊,楊 軒,孟凡喬

(中國農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院/農(nóng)田土壤污染防控與修復(fù)北京市重點(diǎn)實(shí)驗(yàn)室 北京 100193)

隨著人口的不斷增長,2050 年全球?qū)⒚媾R滿足90 億人口糧食需求的巨大挑戰(zhàn)[1],集約化農(nóng)業(yè)生產(chǎn)中增加氮肥投入和提高農(nóng)田灌溉覆蓋率是糧食增產(chǎn)的重要保障。改革開放以來,中國農(nóng)業(yè)集約化程度不斷加強(qiáng),作物產(chǎn)量不斷提高。2020 年,中國玉米(Zea mays)總產(chǎn)量為26 066.5 萬t,氮肥施用量達(dá)1833.9萬t,分別為1980 年的4.16 倍和1.96 倍[2]。化肥和灌溉水投入快速增長,一方面可以保證作物高產(chǎn)穩(wěn)產(chǎn),另一方面也引發(fā)了氮淋失等面源污染問題[3]。中國玉米作物氮肥利用率僅為31.0%[4],大量氮肥會(huì)通過NH3揮發(fā)、N2O 排放、硝酸鹽和有機(jī)氮淋洗等途徑損失[5],對(duì)空氣、水體質(zhì)量以及全球氣候產(chǎn)生負(fù)面影響。資料顯示,中國夏玉米生長季硝態(tài)氮平均淋失量為27.6 kg(N)·hm-2,占氮肥施用量的13.3%[6]。農(nóng)田氮流失或淋失到陸地水體中,會(huì)導(dǎo)致地下水硝酸鹽含量升高,對(duì)地下水及飲用水安全構(gòu)成威脅[7]。殷樂宜等[8]針對(duì)京津冀重點(diǎn)區(qū)域-密懷順平原區(qū)地下水的監(jiān)測(cè)表明,該區(qū)地下水硝酸鹽含量為0.24～178.0 mg·L-1,平均值為47.3 mg·L-1,遠(yuǎn)超《地下水質(zhì)量標(biāo)準(zhǔn)GB/T 14848-2017》Ⅲ類標(biāo)準(zhǔn),其主要原因在于該區(qū)域化肥長期高量施用。分析和量化華北地區(qū)農(nóng)田氮淋失及其影響因素,有助于提高肥料利用率、降低氮素?fù)p失,對(duì)于中國農(nóng)業(yè)綠色發(fā)展和生態(tài)文明建設(shè)具有重要意義。

農(nóng)田氮素淋失受多個(gè)環(huán)境條件和生產(chǎn)管理措施的影響,且不同因素對(duì)氮淋失的重要程度各異[9]。目前,大多數(shù)研究主要從氮肥和水分兩個(gè)方面,應(yīng)用單一模型進(jìn)行氮淋失量定量模擬。Zhou 等[10]對(duì)玉米-小麥(Triticum aestivum)種植體系的硝態(tài)氮淋失進(jìn)行了Meta 分析,夏玉米季硝態(tài)氮淋失(Y)與施氮量(X)的線性方程為Y=3.83+0.25X,擬合優(yōu)度為0.51,即氮淋失與施氮量之間存在著正相關(guān)關(guān)系。隨著研究的深入和增加,近年來氮淋失的預(yù)測(cè)分析也嘗試了其他定量關(guān)系,解釋變量也增加了氮盈余量等指標(biāo)。Wang 等[11]建立的夏玉米季總氮淋失量(Y)與氮盈余量(X)之間的指數(shù)模型為Y=12.14e0.0061X,擬合優(yōu)度為0.35;而Cui 等[12]構(gòu)建的指數(shù)模型為Y=2.38e0.0041X,擬合優(yōu)度為0.63。由于水投入直接影響水分滲漏量、進(jìn)而影響氮淋失量,胡玉婷等[13]構(gòu)建的旱地硝態(tài)氮淋失量(Y)與灌溉水量(X)間的線性方程為Y=4.2936+0.046X,以及總氮淋失量(Y)與降水量(X)之間線性方程Y=4.1463+0.0192X。隨著近年來“雙減”工作的開展,“十三五”期間我國在冬小麥和夏玉米生產(chǎn)中開展了大量的定量觀測(cè)試驗(yàn),為區(qū)域尺度氮淋失定量提供了數(shù)據(jù)支撐。需要指出的是,氮肥施用和水分滲漏對(duì)農(nóng)田氮淋失的影響較大,定量預(yù)測(cè)時(shí)應(yīng)對(duì)這兩個(gè)因素重點(diǎn)予以考慮。除了施肥和水分,其他自然條件和農(nóng)田管理措施也會(huì)對(duì)氮淋失有影響。過去的研究大多局限于單一因素,對(duì)不同環(huán)境條件和管理措施的影響程度缺乏分析和比較,在定量關(guān)系上對(duì)于線性和非線性模型也認(rèn)識(shí)各異。

本研究整合了1980-2021 年底在我國華北地區(qū)開展的夏玉米氮淋失試驗(yàn),選取自然條件、農(nóng)田管理措施等為自變量,基于線性模型、指數(shù)模型、多項(xiàng)式模型和多元回歸模型進(jìn)行定量估測(cè)與比較,探索不同氮淋失影響因子的重要程度和影響機(jī)制,為華北地區(qū)農(nóng)業(yè)面源污染防治提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)域

本文研究區(qū)域?yàn)槿A北地區(qū)。傳統(tǒng)意義上華北地區(qū)包括北京、天津、河北、山西、內(nèi)蒙古[2],由于氣溫、降水、日照和栽培方式等因素和措施較相似,將河南、山東、陜西等省份的研究也列入本次研究范圍。

1.2 數(shù)據(jù)來源

以“華北地區(qū)” “氮素平衡” “氮淋失” “夏玉米”等以及相應(yīng)英文為關(guān)鍵詞,在“中國知網(wǎng)”和“ISI-Web of Science”等文獻(xiàn)平臺(tái)上進(jìn)行檢索,從中選取滿足本研究條件的文獻(xiàn)。所篩選的文獻(xiàn)應(yīng)滿足以下條件:1)文獻(xiàn)的試驗(yàn)?zāi)晗迲?yīng)為1980-2021 年。2)氮淋失數(shù)據(jù)應(yīng)從大田試驗(yàn)直接測(cè)定,測(cè)定方法包括但不限于淋溶盤法、滲漏池法、陶土頭法等。3)文獻(xiàn)中試驗(yàn)研究應(yīng)基于至少一個(gè)完整的夏玉米生長季。4)對(duì)于在同一地點(diǎn)多個(gè)年度的試驗(yàn)和文獻(xiàn),本研究選取最后一個(gè)年度;對(duì)于同一試驗(yàn)既出現(xiàn)在期刊論文又出現(xiàn)在研究生論文,本研究只選取其中一篇。5)研究區(qū)域需設(shè)置在前文定義的華北地區(qū),即北京、天津、河北、山東、陜西、內(nèi)蒙古等地。

通過列表法、作圖法與經(jīng)驗(yàn)公式法等對(duì)文獻(xiàn)中的重要信息及數(shù)據(jù)進(jìn)行提取,獲得土壤有機(jī)質(zhì)、全氮、全磷、全鉀、質(zhì)地(黏粒含量、砂粒含量),農(nóng)田管理措施數(shù)據(jù),包括肥料(總施氮量、氮肥基追比、氮盈余)、水分(水分投入量、水分滲漏量、水平衡)和作物(作物秸稈和籽粒產(chǎn)量、地上部吸氮量),以及淋失的總氮及無機(jī)氮量等數(shù)據(jù)。

本研究數(shù)據(jù)集共包含26 篇期刊文獻(xiàn)與碩士和博士論文,共計(jì)291 條數(shù)據(jù)。土壤類型包括潮土、褐土、土、潮褐土及棕壤。預(yù)測(cè)變量中的總施氮量為無機(jī)氮肥和有機(jī)肥輸入量,氮盈余量等于總施氮量減去地上部吸氮量。水分投入量為降雨量加灌溉量,水平衡等于水分投入量減去水分蒸散量,試驗(yàn)研究中蒸散量主要通過水文學(xué)方法、微氣象方法、植物生理學(xué)方法測(cè)定。文中利用氮盈余和水平衡作為解釋變量預(yù)測(cè)氮淋失量時(shí),由于這兩類變量部分?jǐn)?shù)據(jù)為負(fù)值,本文采用統(tǒng)一的數(shù)學(xué)處理方法,將全部數(shù)據(jù)轉(zhuǎn)為正值后進(jìn)行模擬分析(氮盈余數(shù)值加150,水平衡數(shù)值加50)。

1.3 數(shù)據(jù)預(yù)處理

1.3.1 缺失值處理

對(duì)數(shù)據(jù)分析表明,缺失值主要集中在土壤全磷、全鉀、銨態(tài)氮和硝態(tài)氮淋失等變量。土壤磷和鉀含量對(duì)土壤氮遷移轉(zhuǎn)化影響較小[14-15],且兩類數(shù)據(jù)缺失量較大,本研究不考慮土壤全磷和全鉀。本次定量分析,只對(duì)總氮淋失量進(jìn)行分析。預(yù)處理后,可用數(shù)據(jù)為263 條?？紤]到旱地作物生產(chǎn)中淋失氮以硝態(tài)氮為主[16],對(duì)于僅有硝態(tài)氮淋失的研究,按照硝態(tài)氮占總氮比例的95%計(jì)算總氮淋失量。

總氮淋失量的數(shù)據(jù)分布直方圖如圖1 所示?？偟苁Я恐凶畲笾禐?73.7 kg(N)·hm-2,最小值為0.11 kg(N)·hm-2,中位值為12.4 kg(N)·hm-2,平均值為22.8 kg(N)·hm-2,說明氮淋失的數(shù)據(jù)偏向于低淋失量端。

圖1 夏玉米農(nóng)田總氮淋失量數(shù)據(jù)分布直方圖Fig.1 Data distribution of total N leaching loss in summer maize fields

1.3.2 離散變量編碼

1.4 研究方法

本研究采用Origin (OriginLab Origin 2018)和Microsoft Excel (2019)軟件進(jìn)行線性模擬、指數(shù)模擬及多項(xiàng)式模擬,獲得擬合方程。采用R 語言(R version 4.1.1)中的lm 函數(shù),進(jìn)行氮淋失量與兩預(yù)測(cè)變量或多預(yù)測(cè)變量間的多元回歸分析,從擬合優(yōu)度(R2)和顯著性水平(P-value)兩方面進(jìn)行評(píng)估。

2 結(jié)果與分析

2.1 總氮淋失量與預(yù)測(cè)變量間的相關(guān)性分析

本研究數(shù)據(jù)集中預(yù)測(cè)變量較多,直接進(jìn)行模型建立存在一定的主觀性和盲目性。因此,首先采用Pearson 相關(guān)系數(shù)來衡量各變量間的相關(guān)性,相關(guān)系數(shù)的絕對(duì)值越接近1,代表相關(guān)性越強(qiáng)。

從相關(guān)性的強(qiáng)弱來看(圖2),總氮淋失量與水分滲漏量、總施氮量、氮盈余、土壤全氮有較強(qiáng)的相關(guān)性,與有機(jī)質(zhì)含量、水分投入量、水平衡等的相關(guān)性次之,與土壤pH 和秸稈是否還田相關(guān)性較弱。從相關(guān)性的方向來看,總氮淋失量與氮肥、水分等為正相關(guān),與土層深度、秸稈還田等為負(fù)相關(guān)。

圖2 夏玉米農(nóng)田總氮淋失量與預(yù)測(cè)變量的相關(guān)關(guān)系Fig.2 Correlation between total N leaching loss and predictive variables in summer maize fields

2.2 總氮淋失量與預(yù)測(cè)變量間的回歸分析

2.2.1 線性回歸、指數(shù)回歸及多項(xiàng)式回歸

基于對(duì)各變量進(jìn)行的相關(guān)性分析可知,在影響總氮淋失量的因素中氮和水所占權(quán)重較大,故對(duì)總氮淋失量與總施氮量、氮盈余、水分投入量、水平衡、水分滲漏量分別進(jìn)行模擬預(yù)測(cè),探索氮淋失量與相應(yīng)影響因素間的定量關(guān)系。

夏玉米生產(chǎn)中總施氮量范圍為0～573 kg·hm-2,中位數(shù)為186.3 kg·hm-2,平均值為185.5 kg·hm-2。研究發(fā)現(xiàn)(圖3),隨著氮投入量的增加,由氮淋失造成的肥料氮損失量也呈快速增加態(tài)勢(shì)。采用總施氮量預(yù)測(cè)氮淋失量時(shí),指數(shù)模型(Y=8.88e0.0044X)、線性模型(Y=0.13X-1.07)和多項(xiàng)式模型(Y=0.000 24X2+0.028X+6.35)對(duì)因變量總氮淋失的解釋程度均不超過30%,但指數(shù)模型呈現(xiàn)出優(yōu)于其他兩種模型的預(yù)測(cè)趨勢(shì)。采用氮盈余預(yù)測(cè)氮淋失量時(shí),指數(shù)模型、線性模型和多項(xiàng)式模型擬合優(yōu)度相差不大。

圖3 夏玉米農(nóng)田總氮淋失量與總施氮量、氮盈余間的回歸模擬Fig.3 Regression simulation of total N leaching loss with total N rate and N surplus in summer maize fields

總氮淋失量與水分滲漏量表現(xiàn)為正相關(guān)關(guān)系,氮淋失會(huì)隨水分滲漏量的增加而增加(圖4)?？傮w上線性方程(Y=0.1935X+4.6084)、指數(shù)方程(Y=4.2982e0.0109X)及多項(xiàng)式方程(Y=0.0005X2+0.0868X+7.7906)的擬合優(yōu)度在同一水平,其中擬合度最高的為指數(shù)模型,為0.2937,最低的為線性模型,為0.2648。

圖4 夏玉米農(nóng)田總氮淋失量與水分滲漏量間的回歸模擬Fig.4 Regression simulation of total N leaching loss with water percolation in summer maize fields

總氮淋失量與水分投入量、水平衡量間的線性擬合、指數(shù)擬合及多項(xiàng)式擬合的決定系數(shù)(R2)分別介于0.0128～0.0206 和0.0037～0.0278,回歸關(guān)系較差(圖5)。二次函數(shù)(Y=-0.000 17X2+0.1989X-30.228,Y=-0.000 34X2+0.1647X+8.498)表明,隨水分投入量或水平衡量的增加,總氮淋失量呈現(xiàn)先增加后降低的趨勢(shì)。

圖5 夏玉米農(nóng)田總氮淋失量與水分投入量、水平衡間的回歸模擬Fig.5 Regression simulation of total N leaching loss with water input and water balance in summer maize fields

2.2.2 多元回歸分析

首先,建立總氮淋失量與總施氮量、氮盈余、水分投入量、水平衡、水分滲漏量等預(yù)測(cè)變量間的多元回歸模型,各模型的決定系數(shù)(R2)及回歸方程如表1 所示。

表1 夏玉米農(nóng)田總氮淋失量與氮水兩預(yù)測(cè)變量間的多元回歸模擬Table 1 Multiple regression simulation between total N leaching loss and pairwise indexes of N and water in summer maize fields

對(duì)比不同預(yù)測(cè)變量組合發(fā)現(xiàn),決定系數(shù)R2最高的組合為總施氮量+水分滲漏量(0.3413),最低為氮盈余+水平衡(0.2188)。不管是總施氮量與3 個(gè)水分間的組合還是氮盈余與3 個(gè)水分間的組合,均是以水分滲漏量獲得的擬合優(yōu)度最高。用總施氮量和水分滲漏量兩個(gè)因素預(yù)測(cè)總氮淋失量時(shí)所得回歸方程為Y總氮淋失量=-5.46+0.06X總施氮量+0.19X水分滲漏量。

對(duì)總氮淋失量與土壤條件(有機(jī)質(zhì)、全氮、黏粒、砂粒、pH、深度)以及農(nóng)田管理措施(秸稈還田、施氮及水分等)建立多預(yù)測(cè)變量的多元回歸模型(表2)。

表2 夏玉米農(nóng)田總氮淋失量的多元回歸模型參數(shù)Table 2 Parameters of multiple regression model for total N leaching loss in summer maize fields

多元回歸模型的修正擬合優(yōu)度(R2=0.4150)高于線性模型、指數(shù)模型、多項(xiàng)式模型及兩預(yù)測(cè)變量間的回歸模型。估算方程為Y總氮淋失量=-18.13+0.67X有機(jī)質(zhì)含量+13.83X土壤全氮+0.40X黏粒含量-0.14X砂粒含量-0.61X土壤pH-0.03X土層深度-4.45X秸稈還田+0.06X總施氮量+0.16X水分滲漏量,表明總氮淋失量與總施氮量、水分滲漏量、有機(jī)質(zhì)含量、土壤全氮和黏粒含量呈正相關(guān),與土層深度、砂粒含量、土壤pH、秸稈還田呈負(fù)相關(guān)?；貧w方程建成后,需要通過線性關(guān)系和回歸系數(shù)的顯著性檢驗(yàn)才可用于預(yù)測(cè)估算。經(jīng)檢驗(yàn),多元回歸方程F統(tǒng)計(jì)量的P值＜0.01,達(dá)極顯著水平,表明總氮淋失量與預(yù)測(cè)變量之間存在極顯著的線性關(guān)系。總施氮量、水分滲漏量、砂粒含量和黏粒含量回歸系數(shù)的P值小于0.05,回歸系數(shù)通過了顯著性檢驗(yàn),具有統(tǒng)計(jì)學(xué)意義。實(shí)際工作中,水分投入量(灌溉+降雨)的獲取比較容易,我們采用水分投入替換水分滲漏后多元回歸方程為Y總氮淋失量=-28.56+0.45X有機(jī)質(zhì)含量+5.58X土壤全氮-0.14X黏粒含量-0.31X砂粒含量+2.02X土壤pH-0.03X土層深度-10.22X秸稈還田+0.13X總施氮量+0.04X水分投入量。

由于每個(gè)預(yù)測(cè)變量對(duì)總氮淋失量的影響程度不同,選擇全部變量構(gòu)造方程,效果并不好,表3 采用逐步回歸選擇合適的變量以建立“最優(yōu)”的回歸方程。

表3 夏玉米農(nóng)田總氮淋失量的逐步回歸模型參數(shù)Table 3 Parameters of stepwise regression model for total N leaching loss in summer maize fields

逐步回歸后保留的預(yù)測(cè)變量為總施氮量、水分滲漏量、砂粒含量、黏粒含量和有機(jī)質(zhì)含量,模型的修正擬合優(yōu)度幾乎不變(R2=0.4140),但各項(xiàng)系數(shù)的顯著性均有提升。多元逐步回歸方程為Y總氮淋失量=-23.07+1.14X有機(jī)質(zhì)含量+0.34X黏粒含量-0.13X砂粒含量+0.06X總施氮量+0.18X水分滲漏量。經(jīng)檢驗(yàn),回歸方程F統(tǒng)計(jì)量的P＜0.01,達(dá)極顯著水平,各預(yù)測(cè)變量的回歸系數(shù)均達(dá)到顯著水平(P＜0.05),通過了線性關(guān)系顯著性檢驗(yàn)和回歸系數(shù)顯著性檢驗(yàn)?；陬A(yù)測(cè)變量的標(biāo)準(zhǔn)化回歸系數(shù)判斷其對(duì)總氮淋失量影響程度的大小,有機(jī)質(zhì)含量、黏粒含量、砂粒含量、總施氮量和水分滲漏量的標(biāo)準(zhǔn)化回歸系數(shù)分別為0.18、0.11、0.07、0.23、0.31,可以發(fā)現(xiàn)水分滲漏量的影響作用最重要,總施氮量和有機(jī)質(zhì)含量次之。將水分滲漏量替換為水分投入后,逐步回歸方程為Y總氮淋失量=-18.60+0.64X有機(jī)質(zhì)含量-10.27X秸稈還田-0.30X砂粒含量+0.13X總施氮量+0.04X水分投入量。

3 討論

3.1 施氮對(duì)夏玉米氮淋失的影響

氮淋失是指土壤和肥料中氮素隨灌溉或降水向下運(yùn)移至作物根系活動(dòng)層以下,不能被作物根系吸收所導(dǎo)致的損失[17]。土壤中氮含量過高時(shí)氮素會(huì)在土壤剖面累積,多余氮素便會(huì)向下運(yùn)移,造成氮淋失[18]。本研究中平均施氮量為185.5 kg(N)·hm-2,氮淋失平均為22.8 kg(N) ·hm-2,大約占施氮量的12.3%,與Ceccon 等[19]的研究結(jié)果類似。除施肥量外,施肥種類、施肥期、施肥方式均會(huì)影響氮素淋失特征,今后定量研究應(yīng)予以關(guān)注[9]。

本研究發(fā)現(xiàn)氮淋失與氮肥數(shù)量之間,指數(shù)模型的擬合優(yōu)度高于線性模型和多項(xiàng)式模型,表明氮肥超過一定閾值后,多余的氮淋失風(fēng)險(xiǎn)極高,這可以從近年來的田間試驗(yàn)中不斷得到支持[11,20],表明優(yōu)化氮肥數(shù)量是華北地區(qū)夏玉米生產(chǎn)應(yīng)主要關(guān)注的問題。本試驗(yàn)構(gòu)建的指數(shù)方程各項(xiàng)參數(shù),與我們團(tuán)隊(duì)前期研究整合獲得的參數(shù)范圍較為一致(系數(shù)變化范圍 為2.38～42.0,指 數(shù)變 化范圍為0.0041～0.0095)[3]。需要指出的是,近年研究獲得的氮淋失估測(cè)數(shù)量比早期估測(cè)數(shù)量低,主要表現(xiàn)在指數(shù)方程各參數(shù)數(shù)值減小,如本研究總施氮量與氮淋失量的指數(shù)方程Y=8.88e0.0044X的參數(shù)低于Wang 等[11]構(gòu)建的方程Y=25.87e0.0072X。

氮肥施用后,除了作物吸收氮外,理論剩余氮(即氮盈余,氮素輸入量與作物吸氮量差值)比施氮量更能準(zhǔn)確預(yù)測(cè)氮淋失[11,21]。本研究卻發(fā)現(xiàn)施氮量獲得的擬合效果優(yōu)于氮盈余,原因可能是在實(shí)際生產(chǎn)中對(duì)總施氮量定量較準(zhǔn)確,而氮盈余是由總施氮量減去地上部吸氮量(需要分別測(cè)定秸稈和籽粒生物量和含氮量)獲得,數(shù)據(jù)誤差較大。

3.2 水分對(duì)夏玉米氮淋失的影響

水分投入通過影響土壤水分狀況和運(yùn)動(dòng)特征對(duì)氮淋失產(chǎn)生作用[22],一般而言,氮淋失與降水量、灌溉量呈正相關(guān)?？祼哿值萚23]發(fā)現(xiàn)漫灌施肥處理導(dǎo)致無機(jī)氮在深層土壤累積,增加氮素淋溶風(fēng)險(xiǎn),滴灌施肥則有利于氮素在表層土壤積累,降低氮淋失。然而,綜合前期研究發(fā)現(xiàn),目前對(duì)于水分與氮淋失之間關(guān)系的定量研究遠(yuǎn)遠(yuǎn)少于與氮肥關(guān)系的研究。

本研究發(fā)現(xiàn),總氮淋失量與水分投入、水平衡量的回歸關(guān)系較差,模型解釋程度不足3%,我們猜測(cè)可能是由于農(nóng)業(yè)生產(chǎn)中水分淋失同時(shí)受到水分投入(灌溉、降水)以及水分損失(蒸發(fā)、作物蒸散)等因素的共同影響[24]。雖有研究提出直接采用降水量等可以取得較好預(yù)測(cè)效果[25-26],但從機(jī)理上分析,如果不考慮水分通過蒸騰和蒸發(fā)造成的水損失,就很難獲得準(zhǔn)確氮淋失數(shù)量,因此基于水分滲漏量預(yù)測(cè)農(nóng)田氮淋失效果更好(R2=0.2937)。水氮聯(lián)合模型(HYDRUS-1D)、脫氮分解模型(DNDC)和水熱碳氮模擬模型(WHCNS)等過程模型中雖然考慮了水分對(duì)氮淋失的影響,但其更多是通過對(duì)水分滲漏量累積進(jìn)行計(jì)算[27-29],其精度與過程模型模擬效果直接相關(guān)。對(duì)于水分滲漏的定量,除了直接測(cè)定,可以采用經(jīng)驗(yàn)公式[30-31]或田間水量平衡模型進(jìn)行計(jì)算[32],但這些方法要么缺乏嚴(yán)格物理意義,要么在實(shí)踐中需要花費(fèi)較長時(shí)間和精力,今后研究中需要重點(diǎn)關(guān)注。本研究中,考慮到水分滲漏量需要田間測(cè)定、操作復(fù)雜,還提供了用水分投入量(降雨+灌溉)替代水分滲漏量構(gòu)建逐步回歸方程,能夠提高方程的可用程度,當(dāng)然模擬精度會(huì)受到影響。

總體上水分滲漏量與氮肥投入一起決定了氮淋失量。因此,與以往諸多研究直接選取施肥量進(jìn)行預(yù)測(cè)不同,本文將氮(總施氮量、氮盈余)、水(水分投入、水平衡、水分滲漏量)兩兩組合以探究水氮的最優(yōu)預(yù)測(cè)組合,進(jìn)而用于多因素的多元回歸模型構(gòu)建。研究發(fā)現(xiàn),將總施氮量和水分滲漏量組合預(yù)測(cè)氮淋失的擬合優(yōu)度最高,優(yōu)于其他5 個(gè)預(yù)測(cè)變量的組合。

3.3 其他因素對(duì)氮淋失的影響

土層深度是定量氮淋失的關(guān)鍵因素。通常認(rèn)為作物根區(qū)氮素具有較好的生物有效性,而根區(qū)以外的氮素則很難被作物利用,氮淋失研究深度以根區(qū)下邊界為界較為合理(水分滲漏的研究深度與氮淋失深度一致)[33]。丁燕等[34]的研究將氮淋失測(cè)定深度定義在0～90 cm,林立等[35]將之定義在0～180 cm。也有學(xué)者將根際范圍定義為0～200 cm[36],劉學(xué)軍等[37]通過試驗(yàn)證明100～200 cm 土層的氮難以被作物吸收利用。本研究中,氮淋失研究深度最淺為50 cm,最深為200 cm,一方面可以認(rèn)為這個(gè)深度范圍的氮很難被作物吸收利用,可以認(rèn)為是“淋失”的氮,另一方面在模型計(jì)算中我們將深度作為變量參與預(yù)測(cè)氮淋失數(shù)量,因此獲得模擬方程能夠全面說明深度等因素對(duì)于氮淋失的影響。

農(nóng)田氮素淋失同時(shí)受到各類因素的影響,除施肥和水分外,土壤條件、秸稈還田、土層深度等也會(huì)對(duì)氮淋失有影響。土壤有機(jī)質(zhì)含量的高低直接影響硝化作用的強(qiáng)弱[38],硝化作用強(qiáng)容易造成硝態(tài)氮積累增加淋溶風(fēng)險(xiǎn)[39]。砂粒含量多的土壤通氣透水性能良好,容易發(fā)生氮淋失,沙壤土中氮素淋溶損失量可以達(dá)到施氮量的16.2%～30.4%[40]。研究發(fā)現(xiàn),將輸入變量替換后,多元回歸方程中黏粒含量和土壤pH系數(shù)的正負(fù)(即增加或減少)發(fā)生了變化。對(duì)于黏粒含量,考慮到土壤質(zhì)地由3 種粒徑組成,粒徑大小配比合適的土壤孔隙率低,氮淋溶發(fā)生風(fēng)險(xiǎn)較低,但過沙土壤疏松多孔、孔隙率很高,黏重土壤則會(huì)產(chǎn)生縫隙進(jìn)而發(fā)生優(yōu)先流,都會(huì)加劇氮素的淋失。土壤pH 系數(shù)正負(fù)變化,主要是由于本研究文獻(xiàn)絕大多數(shù)位于我國華北地區(qū),土壤偏中性或堿性,pH 變化范圍較小(6.2～9.1),變量替換后其方程計(jì)算導(dǎo)致系數(shù)正負(fù)發(fā)生變化。

需要特別強(qiáng)調(diào)的是,作物秸稈作為外源有機(jī)碳,還田后可以改善土壤理化性質(zhì)、對(duì)氮肥表現(xiàn)為固持[41-42],從而降低農(nóng)田養(yǎng)分淋失,與本研究結(jié)果一致,即秸稈還田對(duì)氮淋失具有抑制效果。這與我們團(tuán)隊(duì)在山東省桓臺(tái)縣秸稈還田的田間試驗(yàn)有較好的吻合:與2010 年相比,連續(xù)4 年作物秸稈還田可以顯著降低玉米季氮淋溶量[43]。因此,在華北地區(qū)農(nóng)業(yè)生產(chǎn)中推廣應(yīng)用秸稈還田,對(duì)于防治氮淋失具有重大意義。

田間試驗(yàn)測(cè)定氮淋失費(fèi)時(shí)費(fèi)力,計(jì)算機(jī)模型是解決該問題的一個(gè)重要途徑[35]。目前,農(nóng)田氮素?fù)p失主要以過程機(jī)理模型和經(jīng)驗(yàn)統(tǒng)計(jì)模型為主,前者包括DNDC、氮素淋洗經(jīng)濟(jì)分析模型(NLEAP)、土壤營養(yǎng)物淋失模型(LEACHM)和水氮管理模型(WNMM)等,這些模型準(zhǔn)確度高,但是所需參數(shù)較多,過程復(fù)雜。經(jīng)驗(yàn)統(tǒng)計(jì)模型方法包括回歸分析、相關(guān)性分析、線性混合分析等,所需參數(shù)較少,計(jì)算方法簡單[21]。本研究采用逐步回歸優(yōu)化模型,選擇赤池信息準(zhǔn)則(AIC)值最小的方程作為最優(yōu)回歸方程,逐步回歸后模型不存在多重共線性,方程和回歸系數(shù)均通過了顯著性檢驗(yàn),所獲得的方程對(duì)于華北地區(qū)氮素管理具有重要技術(shù)支撐。近年來,計(jì)算能力強(qiáng)、可以考慮多因素復(fù)雜影響的機(jī)器學(xué)習(xí)優(yōu)勢(shì)凸顯,隨機(jī)森林算法作為一種機(jī)器學(xué)習(xí)方法,具有準(zhǔn)確率高、防止過擬合能力強(qiáng)、能對(duì)變量進(jìn)行篩選等特點(diǎn)[44],可以嘗試探索應(yīng)用。

4 結(jié)論與展望

華北地區(qū)夏玉米生產(chǎn)中農(nóng)田氮淋失受多種環(huán)境條件和管理措施的影響。在眾多土壤條件和管理措施中,氮投入、水分對(duì)氮淋失影響較大,其次為土壤有機(jī)質(zhì)和土壤質(zhì)地,秸稈還田能有效防止氮淋失。指數(shù)模型比線性模型更適合分析氮淋失與氮肥、水分間的定量關(guān)系,總氮淋失量與水投入的回歸關(guān)系較差,但與水分滲漏數(shù)量回歸關(guān)系較好,準(zhǔn)確定量水分滲漏是今后華北地區(qū)預(yù)測(cè)氮淋失工作中應(yīng)重點(diǎn)關(guān)注的參數(shù)。