2022, Vol. 52
2. 中国海洋大学海洋环境与生态教育部重点实验室，山东 青岛 266100;
3. 中国海洋大学海洋环境地质工程山东省重点实验室，山东 青岛 266100
地下水氮污染已成为一个目前普遍关注的、严重的环境问题[1]。我国北方环渤海七省(市)中约34.1%的地下水硝态氮超标，其中山东省约有1/3的地下水中硝态氮超过20 mg/L[2]。地下水氮污染很大程度上是由农业不合理施用氮肥造成的[3]。土壤中氮素转化与氮肥利用、积累和损失有着密切的关系，直接影响着作物对氮素吸收和非饱和带中氮素的迁移转化[4]，同时氮的有效利用对于优化作物产量、减少地下水氮损失至关重要[5]。
尿素作为最广泛使用的氮肥，占中国农业总氮的67%[6]，其施用后在土壤中的迁移转化过程以及淋溶损失, 国内外已进行了不少研究。高鹏程等[7]研究表明，温度和含水率与尿素水解速率呈正相关，并存在交互作用；Hartmann等[8]研究表明，增加施氮量可以促进尿素水解速率；Castaldelli等[9]研究表明，土壤类型和气候条件影响尿素转化动力学；Srivastava等[10]研究表明，不同灌溉施肥水平影响施用尿素后氮运移和淋溶变化。同时由于近几年技术手段的改进，有关深层尿素运移的研究也越来越多。降水、灌溉和施氮量是影响水氮运移到根区以下深层土壤的主要因素[11]。商放泽等[12]研究了不同水氮处理下尿素在0~450 cm深层土壤中迁移转化特性；Min等[13]比较了不同灌溉农业用地类型下施加尿素后深层硝酸盐储存和淋溶情况；Wang等[14]研究了长期施用尿素对深包气带土壤中硝态氮积累、淋溶和反硝化的影响。但是目前利用田间试验数据全面量化尿素转化过程和损失途径还有难度，而数值模型作为定量研究的常用工具，在模拟氮素迁移转化过程方面应用广泛，运用数值模型量化全剖面尿素迁移转化过程和氮损失途径对预测地下水氮污染十分有必要。
近几十年来，国内外开发了许多土壤氮素运移转化的数值模型，可用来模拟不同水氮条件下施加有机氮肥后的非饱和带氮素迁移转化过程，如EU-Rotate_N[15]、LEACHM[16]、RZWQM2[17]等。同时模型也可用来模拟不同土壤质地下氮素迁移转化过程。Salazar等[18]通过DAISY模型预测了粗质土壤施用尿素后的水氮动态；Magaia等[19]利用APSIM模型模拟砂质壤土施用氮肥后水氮变化。有些研究耦合模拟氮素迁移转化过程和作物的生长过程，以此来研究不同作物生长条件下氮素迁移转化过程，如PILOTE模型中添加作物氮素管理过程，建立PILOTE-N模型，可模拟作物产量和氮素迁移转化过程[20]。在众多非饱和带氮迁移转化模型中，HYDRUS以其操作简单、数据获取容易、应用广泛等特点得到了大量的应用。HYDRUS-1D作为常用的非饱和带水氮运移模型，对土壤中氮素运移已经进行了大量的模拟[21-23]，但对转化过程的不完整描述以及确定参数过程中仅考虑无机氮导致不能准确描述土壤尿素态氮迁移转化过程，所以准确量化尿素转化动力学，建立符合实际的非饱和带全剖面氮素迁移转化模型具有重要意义。
本研究在实验室土柱实验的基础上考虑灌溉、降水和蒸发等过程，建立大沽河地下水源地非饱和带全剖面尿素态氮迁移转化模型，描述灌溉农业条件下尿素态氮迁移转化规律以及损失途径，量化了它们对整体氮平衡的贡献。同时分析不同灌溉施肥模式下硝态氮深层淋溶和根系吸氮规律，从而定量评价不同施肥灌溉模式对地下水硝态氮污染的影响程度，为合理预测地下水氮污染提供科学依据。
1 材料与方法 1.1 研究区概况大沽河流域位于青岛市大沽河中下游。研究地点位于大沽河地下水源地中上游莱西市店埠镇东庄头村(北纬36°44′13″，东经120°21′04″)，地下水埋深为3 m左右。表 1列出了该场地土壤的物理和化学性质。
|
表 1 供试土壤剖面基本理化性质 Table 1 Basic physical and chemical properties of soil profile |
模拟淋溶装置采用PVC管，内径为6 cm，高为100 cm，底部用200目尼龙网筛封口，然后垫上5 cm薄层洁净石英砂粒。砂粒和土壤之间放上300目尼龙网。PVC管顶端放置进水管，用塑料膜封口固定，同时为尽量还原实际土壤环境，用针扎若干小孔以保证通气，然后进行室内培养。装置侧面20、40和60 cm设置三个开口，放置微型土壤溶液取样器，底部设置一个开口，以便收集剖面和底部渗滤液。实验装置图如1所示。
|
图 1 土柱装置图 Fig. 1 Soil column device diagram |
为了模拟实际施肥条件下施加尿素的氮素淋溶情况，在研究区进行玉米种植农户氮肥施用量调查，通过调查得到当地玉米氮肥用量大多在350~500 kg·hm-2的范围内变动，然后取平均约为400 kg·hm-2作为模拟的尿素施用量，折合成每个土柱的施氮量113.1 mg。
试验设N0、N1两个肥料处理，N0处理为不施肥对照，N1处理为常规施用尿素，每个处理设3次平行。
采集土壤运到实验室后，自然风干，去除杂质，过筛后，调节土壤含水量为田间持水量的60%，预培养7 d。按照实际土壤0~100、100~200和200~300 cm 3个剖面等比例依次填充到土柱0~30、30~60和60~80 cm。按土壤不同剖面容重进行等容重装土，每隔5 cm分层压实填入土柱，确保装填后土柱上下容重相同。
24 h后开始第一次淋洗，为避免多余干扰，使用超纯水进行淋洗，每次每个土柱用水量为375 mL，淋洗频率为每5天淋洗1次，共淋洗4次，淋溶水总量相当于当地夏玉米农田一季的灌溉量和降雨量的总和(530.8 mm)。试验时用蠕动泵从土柱顶端均匀稳定进水，进水速度为3.8 mL·min-1，确保土层表面不积水。第一次淋洗时将施加的尿素随淋洗液一次性注入，随后几次的淋洗只加去离子水。每次用量筒从取样口采集水样和收集溢水口出水，待不再有滤液流出时，用量筒量取淋溶液体积，将收集到的淋溶液用真空泵抽滤过0.45 μm滤膜后，并测定不同淋洗时期淋溶液中的酰胺态氮、氨氮和硝态氮等。
1.2.3 指标测定和数据处理淋溶液氨氮采用纳氏试剂光度法测定，硝态氮采用紫外分光光度法测定，酰胺态氮采用二乙酰一肟法测定。新鲜土样用2 mol·L-1氯化钾溶液(水土比为5∶1)浸提后分别采用靛酚蓝比色法、紫外分光光度法测定。同时，用烘干法测定土壤含水率。
试验数据采用Excel 2019软件处理和分析，通过Origin 9.1软件进行作图。
1.3 土柱模型建立使用有限元模型Hydrus-1D[24]建立实验室土柱一维尿素迁移转化模型，模拟一维水氮运移和转化。将模型域离散化为100个8 mm的节点，以形成80 cm的规则垂直网格。最小时间步长设置为1×10-5 d，最大时间步长设置为5 d。
1.3.1 土壤水分运移选择Van Genuchten参数函数[25]来求解饱和-非饱和水流的Richards方程。
初始条件为土壤剖面初始水头，即t=0时的土壤剖面压力水头：
| $ H=h_{i}(z)-Z \ll z \ll 0, t=0 。$ | (1) |
边界条件：
| $ -K\left(\frac{\partial h}{\partial z}+1\right)=E(t) z=0, t>0, $ | (2) |
| $ \frac{\partial h}{\partial z}=0 z=-Z, t>0 。$ | (3) |
式中：hi为土壤剖面初始水头，cm；E(t)为降雨、灌溉或蒸发速率，cm·d-1。
上边界采用变通量边界，下边界采用自由排水边界，水流的运动不受外界其他因素的影响。
1.3.2 土壤溶质运移结合对流弥散方程和一级反应动力学方程，土壤中氮素的链式反应的反应方程为：
| $ \frac{\partial \theta c_{w, 1}}{\partial t}=\frac{\partial}{\partial x}\left(\theta D_{1}^{w} \frac{\partial \theta c_{w, 1}}{\partial x}\right)-\frac{\partial q c_{w, 1}}{\partial x}-\mu^{\prime}{}_{w, 1} \theta c_{w, 1}, $ | (4) |
| $ \begin{aligned} &\ \ \ \ \ \ \ \ \frac{\partial \theta c_{w, 2}}{\partial t}+\frac{\partial \rho c_{s, 2}}{\partial t}=\frac{\partial}{\partial x}\left(\theta D_{2}^{w} \frac{\partial c_{w, 2}}{\partial x}\right)-\frac{\partial q c_{w, 2}}{\partial x}+ \\ &\mu^{\prime}{}_{w, 1} \theta c_{w, 1}-\left(\mu_{w, 2}+\mu^{\prime}{}_{w, 2}\right) \theta c_{w, 2}-\left(\mu_{s, 2}+\mu^{\prime}{}_{s, 2}\right) \rho c_{s, 2}+ \\ &\gamma_{w, 2} \theta+\gamma_{s, 2} \rho, \end{aligned} $ | (5) |
| $ \begin{aligned} &\frac{\partial \theta c_{w, 3}}{\partial t} =\frac{\partial}{\partial x}\left(\theta D_{3}^{w} \frac{\partial c_{w, 3}}{\partial x}\right)-\frac{\partial q c_{w, 3}}{\partial x}+\mu^{\prime}{}_{w, 2} \theta c_{w, 2}+\\ \mu^{\prime}{}_{s, 2} &\rho c_{s, 2} -\left(\mu_{w, 3}+\mu_{s, 3}\right) \theta c_{w, 3} 。\end{aligned} $ | (6) |
式中：下标1、2、3分别代表酰胺态氮、氨氮、硝态氮；C为土壤溶液中溶质浓度，mg·L-1；S为土壤吸附的溶质浓度，mg·g-1；g为土壤气相中溶质浓度，mg·L-1；θ为土壤体积含水率，cm3·cm-3；ρ为干容重，g·cm-3；q为体积通量密度，cm·d-1；γa为根系吸收，mg·L-1·d-1；Dw为液相中弥散系数，cm2·d-1；z为深度，cm；t为时间，d。
初始条件为土壤剖面初始氮素含量，即t=0时土壤溶液中尿素态氮、氨氮和硝态氮的浓度。
| $ C=C_{0}(z)-Z \ll z \ll 0, t=0 \text { 。} $ | (7) |
边界条件：
| $ -\theta \cdot D\left(\frac{\partial C}{\partial z}\right)+q \cdot C=q \cdot C_{0}(t) z=0, t>0, $ | (8) |
| $ \frac{\partial C}{\partial z}=0 z=-Z, t>0。$ | (9) |
上边界采用浓度通量边界，在逐日输入上边界的施肥和灌溉水中溶质的通量；下边界采用零浓度梯度边界。
1.3.3 模型参数输入Hydrus-1D用Van Genuchten方程[25]描述土壤水分特征曲线，使用各层土壤粒径分级(砂粒、粉砂粒和粘粒的百分含量)和土壤容重(见表 1)作为输入参数，通过神经网络预测得出Van Genuchten模型中的各层水力参数，每一层的土壤水分特征曲线拟合方程的参数值见表 2。
|
|
表 2 各层土壤水分特征曲线拟合方程参数表 Table 2 Parameters of soil water characteristic curve fitting equation of each layer |
对于溶质模型，酰胺态氮、氨氮和硝态氮在自由水中的分子扩散系数分别取1.56、1.52和1.64 cm2·d-1[26]，氨氮在土壤中的分配系数Kd，上层0~30 cm深度取经验值0.49 cm3·g-1，下层30~80 cm深度取经验值0.98 cm3·g-1[21]。本模型中氮素的反应参数初始值参考文献[26]，根据模拟值与实测值的拟合程度调整参数。调整后的参数见表 3。
|
|
表 3 溶质模型中的氮素迁移转化参数 Table 3 Transport and transformation parameters of nitrogen in solute model |
在土柱试验中，以前两次淋洗实测氮素浓度对模型进行校准，以后两次淋洗实测氮素浓度对模型进行验证。分别计算模拟值与实测值之间的平方根误差(RMSE)、标准平方根误差(NRMSE)和相关系数(R2)来判断参数的最佳取值。
| $ { RMSE }=\left\{1 / n\left[\sum\limits_{i=1}^{n}\left(X_{i}-Y_{i}\right)^{2}\right]\right\}^{0.5}, $ | (10) |
| $ { NRMSE }=\frac{\left\{1 / n\left[\sum\limits_{i=1}^{n}\left(X_{i}-Y_{i}\right)^{2}\right]\right\}^{0.5}}{O} 。$ | (11) |
式中：Xi为氮素的模拟值；Yi为氮素的实测值；Y为实测值的平均值；O为测量值的平均值。
RMSE和NRMSE越接近于0，R2越接近1，说明模型的模拟效果越好。一般当NRMSE＜0.5即视为拟合良好。
1.4.1 水分运移模型校准与验证土柱实验一共利用淋洗4次，共获得4次淋溶液体积数据，因此利用前两次淋洗后淋滤液体积进行水分运动校准，利用后两次淋洗后淋滤液体积进行水分运动验证。
图 2表示其相对误差为7.4%，说明模拟值与实测值能较好的拟合，模型可以较好地模拟该区域土壤水分的运移。
|
图 2 4次淋洗后淋滤液体积模拟值和实测值的校准(a)和验证(b)图 Fig. 2 Calibration (a) and verification (b) of the simulated and measured values of the leached filtrate volume after four rinses |
利用前两次淋洗数据进行氮素运移模型校准，土壤剖面氮素模拟值和实测值对比图如3(a)、(b)、(c)所示。氮素累积淋溶量模拟值和实测值对比如图 4(a)、(b)、(c)所示。
|
图 3 4次淋洗剖面浓度酰胺态氮校准(a)验证(d)，氨氮校准(b)验证(e)和硝态氮校准(c)验证(f)对比图 Fig. 3 Comparison diagram of amide nitrogen calibration (a) verification (d), ammonia nitrogen calibration (b) verification (e) and nitrate nitrogen calibration (c) verification (f) for the concentration of four leaching profiles |
利用后两次淋洗数据进行氮素运移模型验证，土壤剖面氮素模拟值和实测值对比图如图 4(d)、(e)、(f)所示。氮素累积淋溶量模拟值和实测值对比如图 4(d)、(e)、(f)所示。
|
图 4 4次淋洗累积淋溶量酰胺态氮校准(a)、验证(d)，氨氮校准(b)、验证(e)和硝态氮校准(c)、验证(f)对比图 Fig. 4 Comparison diagram of four leaching accumulations of leachate amide Nitrogen calibration (a) verification (d), ammonia nitrogen calibration (b) verification (e) and nitrate nitrogen calibration (c) verification (f) |
由图 3可知，酰胺态氮模拟值和实测值相差不大，拟合程度较好；氨氮浓度较小，模拟值和实测值拟合效果良好，其中20 cm处第一次淋洗模拟值和实测值差别较大，主要由于上层土壤为砂质粘壤土，土质较松散，同时水流由于重力作用向下渗透，导致上层淋溶液取样较困难，淋溶液收集量较少，测定过程需适量稀释，致使实测值数据可能存在误差；硝态氮模拟值和实测值变化趋势基本一致，与前两次淋洗数据相比，后两次淋洗模拟值和实测值差异较大，其中第三次淋洗40 cm处和第4次淋洗60 cm处模拟值和实测值差别较大，主要由于模型转化参数选用常数，而实际实验过程中氮转化过程持续受温度、水分等环境因素的影响，且随反应时间的增加，影响产生的差异越显著。
通过计算，土壤氮素浓度模拟值与实测值之间的平方根误差(RMSE)、标准平方根误差(NRMSE)和相关系数(R2)如表 4所示。
|
|
表 4 土壤氮素拟合参数 Table 4 Soil nitrogen fitting parameters |
从氮素模拟值和实测值对比图以及计算得出的拟合参数可以看出，模拟值与实测值能较好的拟合，模型可以较好地模拟该区域土壤溶质运移。
1.5 非饱和带全剖面尿素态氮迁移转化模型建立利用率定好的模型参数对研究区2015年夏玉米生长季节内水氮运移进行模型应用与分析。研究区地下水埋深在3 m左右，模型设置剖面深度为300 cm, 按照土壤质地概化为三层，其土壤基本理化性质见表 1。将模型域离散化为100个30 mm的节点，以形成300 cm的规则垂直网格。上边界条件设置为大气边界，输入降雨、灌溉和蒸发信息，并在模型中加入根系吸收模型，实际的根系水分吸收采用Feddes等提出的广义根系吸水模型[27]进行模拟。
使用修正的Penman-Monteith方程[28]和玉米适宜作物系数计算了玉米实际蒸散量ET：
| $ E T=k_{c} \cdot E T_{o} 。$ | (12) |
式中：kc为玉米作物系数，苗期取0.7，拔节-灌浆期取1.2，乳熟-成熟期取0.6[29]；ETo为参考作物蒸散发量。
夏玉米于2015年4月24号播种，8月20号收获，全生育期为120 d。氮肥施入方式为播前施入尿素，总施氮量为400 kg·hm-2。由于干旱少雨，根据作物需求进行人工灌水，灌溉6次，每次45 mm，降雨量按当年实际情况设置。
实际农业生产中，不同灌溉施肥措施影响氮淋溶量和作物吸氮量，不合理的灌溉施肥往往会导致氮素利用率低，加大地下水氮素污染程度。因此根据研究区农田实地调查，确定灌溉量270 mm、灌溉强度3.8 mL·min-1、施氮量400 kg·hm-2、灌施施肥为该地区种植夏玉米的常规灌溉施肥方式(W2)，在此基础上灌溉量和施肥量上下浮动30%，灌溉强度增设两种高强度情景，施肥方式增设表施和深施两种情况，考虑单因素影响，共设置12种情景，如表 5所示。
|
|
表 5 灌溉和施肥模式 Table 5 Modes of irrigation and fertilization |
W2情景是通过对研究区灌溉施肥量调查所确定的农田常规灌溉施肥措施。图 5是常规施肥条件下氮素浓度示意图，由此情景分析尿素施加进土壤后迁移转化过程。尿素的主要成分为酰胺态氮，由图 5所示，施加尿素后，上层土壤50 cm处酰胺态氮浓度迅速增加，第2天达到峰值，随之下降，20 d左右基本减少到0。150和250 cm处酰胺态氮浓度基本接近0，浓度随时间变化不大。50 cm处氨氮浓度先升高后降低，在第6天左右达到最大值，第60天左右浓度基本减少到0，150和250 cm处氨氮浓度基本不变，始终趋近于0。而土壤硝态氮浓度始终高于酰胺态氮和氨氮，50 cm处浓度变化幅度较大，刚施尿素第1天出现下降趋势，随后上升至第17天达到峰值，之后浓度出现波动，但总体趋势逐渐下降，150 cm处浓度变化较平缓，250 cm处浓度在80 d内缓慢上升，随后达到峰值并逐渐降低。由此可知，尿素施加土壤后表层氮素浓度变化明显，深层氮素浓度显著低于表层。
|
图 5 W2情况下酰胺态氮(a)、氨氮(b)、硝态氮(c)浓度在50、150和250 cm处浓度随时间变化图 Fig. 5 In the case of W2, the concentration of amide nitrogen (a), ammonia nitrogen (b) and nitrate nitrogen (C) at 50, 150 and 250 cm varies with time |
图 6(a)、(b)、(c)分别显示了灌水量分别为189(W1)、270(W2)和351 mm(W3)时硝态氮浓度的时空变化。每次灌溉后，表层硝态氮浓度先下降再升高，30 d出现浓度峰值。三种灌水量的浓度峰值依次为0.461、0.509和0.519 mg·cm-3。同时，三种处理的土壤硝态氮向下运移速度表现为W3 > W2 > W1，即增加灌溉水量，相同时间内，土壤剖面硝态氮浓度峰下移的速度明显加快。
|
((a)(b)(c)分别表示W1，W2，W3情景，(d)(e)(f)分别表示I1，I2，I3情景，(g)(h)(i)分别表示N1，N2，N3情景，(j)(k)(l)分别表示F1，F2，F3情景。(a)(b)(c) respectively represent W1W2W3, (d)(e)(f) respectively represent I1I2I3, (g)(h)(I) respectively represent N1N2N3, (j)(k)(l) respectively represent F1F2F3.) 图 6 不同情景下下土壤剖面硝态氮浓度随时间变化图 Fig. 6 Change diagram of nitrate concentration with time in soil profile under different scenarios |
由图 7(a)可知，在玉米生育期内，土壤剖面对地下水硝态氮的累积补给量随着时间的延长而增加，40 d后随着硝化生成的硝态氮逐渐运移到底部，灌溉水量对于硝态氮淋失量的影响开始显现。同时，三种灌溉量条件下，硝态氮的累积淋失强度分别为91.22、93.05和103.55 kg·hm-2，淋失率分别为22.80%、23.26%和25.89%。
|
((a)(b)(c)(d)分别表示灌溉量、灌溉强度、施肥量和施肥方式。(a)(b)(c)(d) respectively indicate the irrigation amount, irrigation intensity, fertilization amount and fertilization method.) 图 7 不同情景下剖面硝态氮累积淋失强度随时间变化图 Fig. 7 Change diagram of nitrate cumulative leaching strength with time under different scenarios |
图 6(d)、(e)、(f)显示了灌水强度分别为3.8 (I1)，9.8 (I2)和15.8 mL·min-1(I3)时硝态氮浓度的时空变化。施加尿素后前10天土壤表层硝态氮浓度表现为I3 > I2 > I1，硝态氮浓度逐渐增加，30 d出现浓度峰值，三种灌溉强度的浓度峰值依次为0.495、0.436和0.399 mg·cm-3，说明灌溉强度越小，浓度增加越快，同时土壤剖面硝态氮浓度峰下移速度表现为I1 > I2 > I3，灌溉强度越大，淋溶至深层的硝态氮含量越少。
如图 7(b)所示，灌溉强度与硝态氮累积淋失量呈负相关，改变灌溉强度对土壤硝态氮的累积淋失量影响不明显。三种灌溉强度条件下，硝态氮的累积淋失强度分别为93.04、90.23和89.10 kg·hm-2，淋失率分别为23.26%、22.56%和22.27%。
2.2.2 施肥模式图 6(g)、(h)、(i)显示了施肥量分别为280(N1)、400(N2)和520 (N3)kg·hm-2时硝态氮浓度的时空变化。改变施肥量后，表层硝态氮浓度变化明显。随着施肥量的增加，随水流进入土壤的尿素含量升高，表层硝态氮浓度增加，剖面硝态氮浓度峰值下移的速度明显加快，土壤剖面的硝态氮含量随之增加，由此可知施肥量增加，淋溶至深层的硝态氮含量越多。
图 7(c)所示，地下水硝态氮的累积淋溶量随着时间的延长而增加，施肥量与硝态氮累积淋失量呈正相关，改变施肥量对土壤硝态氮的累积淋失量影响不显著。三种施肥条件下，土壤硝态氮累积淋失强度分别为90.50、93.04和95.60 kg·hm-2，淋失率分别为32.32%、23.26%和18.38%。
图 6(j)、(k)、(l)显示了灌施(F1)、表施(F2)、深施(F3)下硝态氮浓度的时空变化。表施处理下随水流进入土壤的硝态氮浓度最低，土层硝态氮浓度峰值向下运移的速度和土壤剖面硝态氮含量表现为灌施 > 深施 > 表施。三种处理下表层土壤硝态氮浓度在30 d达到峰值，分别为0.509、0.387和0.483 mg·cm-3，说明灌施处理更易促进硝态氮向下淋溶。
如图 7(d)所示，改变施肥方式对硝态氮累积淋失量的影响较小。三种施肥方式下，土壤硝态氮累积淋失强度分别为103.54、97.42和104 kg·hm-2，淋失率分别为25.89%、24.36%和26.00%。由此可知，三种施肥方式下硝态氮的淋失损失差别不大。
2.3 作物氮素吸收规律 2.3.1 灌溉模式如图 8所示，玉米生长前期迅速吸收氮素，中后期氮吸收稳定上升。改变灌溉量10 d左右吸氮量出现差异，70 d左右变化趋于稳定，氮吸收量与灌溉量增加呈正比。改变灌溉强度5 d左右吸氮量出现差异，70 d左右变化趋于稳定，氮吸收量与灌溉强度增加呈反比。三种灌水量处理的玉米累积吸氮量依次为135.40、156.96和177.13 kg·hm-2，氮利用率分别为30.81%、35.71%和40.30%。三种灌溉强度处理玉米累积吸氮量依次为156.96、122.05和90.71 kg·hm-2，氮利用率分别为35.72%、27.77%和20.64%。由此可见，土壤水分含量是作物吸收氮素的基础，因此合适的灌溉量和灌溉强度是保证作物吸收量和提高氮素利用量的前提。
|
图 8 不同灌溉量(a)、灌溉强度(b)下作物根系累积吸收矿质氮量随时间变化图 Fig. 8 Graph of mineral nitrogen accumulation absorbed by crop root system with time under different irrigation amount (a) and irrigation intensity (b) |
如图 9所示，在玉米生长期，施肥量的增加对根系吸收影响不大。改变施肥量的前10天内作物吸氮量变化不明显，10天之后氮吸收量与施肥量成正比，30天后吸收量变化稳定，并随时间逐渐增加。三种施肥量下，玉米累积吸氮量分别为152.28、156.96和160.99 kg·hm-2，氮利用率分别为47.66%、35.72%和28.77%。玉米在灌施和深施条件下根系吸收量相差不大，表施处理明显减少根系吸氮量，三种施肥方式下吸氮量灌施 > 深施 > 表施。玉米累积吸氮量分别为148.31、138.33和145.97 kg·hm-2，氮利用率分别为33.74%、31.47%和33.21%。因此在合适的施肥量基础上，灌施和深施能够有效提高氮素利用率。
|
图 9 不同施肥量(a)、施肥方式(b)下作物根系累积吸收矿质氮量随时间变化图 Fig. 9 Diagram of mineral nitrogen uptake by crop root accumulation with time under different fertilization rates (a) and fertilization methods (b) |
对于常规管理的土壤，氮的来源包括施加尿素用量和土壤残留矿质氮素量。本研究区土壤原生矿质氮含量为39.52 kg·hm-2，其中氨氮占3.15%，硝态氮占96.85%。施用尿素量占氮输入总量的91.01%。如图 10(a)所示，氮的去向主要是作物吸收、淋溶以及土壤溶液残留。在常规施肥条件下，氮淋溶率为21.21%，其中硝态氮淋溶量占总氮淋溶量的99.83%。玉米的氮素利用率仅为35.71%，其中对硝态氮的吸收占89.77%。土壤储氮量在氮输出中占39.84%，其中硝态氮残留占85.83%。气态氮的排放仅占氮总输出量的3.24%，其中NH3挥发和N2O、N2排放分别占0.51%和2.73%。
|
图 10 土壤总氮(a)、酰胺态氮(b)、氨氮(c)、硝态氮(d)来源和去向示意图 Fig. 10 Diagram of source and destination of total soil nitrogen (a), amide nitrogen (b), ammonia nitrogen (c) and nitrate nitrogen (d) |
图 10(b)、(c)、(d)列出了三种氮形态来源和去向。酰胺态氮来源全部为外源施加尿素，转化率高达97.09%，少数被土壤吸附，淋溶率仅为0.01%；氨氮绝大部分来自尿素水解，硝化率为91.88%，淋溶损失仅占0.04%；而硝态氮利用率较低，作物根系利用量仅占35.56%，23.49%的硝态氮随水淋溶至地下水，将近38%的硝态氮残留于土壤中。
3 讨论施加尿素后，上层土壤中酰胺态氮浓度迅速增加，随之发生转化，10天左右基本水解成氨氮，继而硝化生成硝态氮[30]。模拟结果表明酰胺态氮转化的同时淋溶也在发生，但由于转化速率快，酰胺态氮主要存在于上层土壤中，只有一小部分会随水流淋溶到底部，深层土壤中含量很少。施加尿素的前10天由于尿素大量水解导致上层土壤氨氮浓度升高，随后逐渐向下淋溶，由于氨氮易被土壤吸附，同时存在作物根系吸收以及硝化作用，其淋溶到深层的浓度下降，深层氨氮含量与表层相比迅速减少。表层土壤中硝态氮浓度变化显著，而深层浓度变化平缓，这说明灌溉、施氮和根系吸氮等过程主要影响表层硝态氮浓度，且由于硝态氮淋溶到深层需要一定时间，前期深层硝态氮主要来自土壤本身残留，之后随着灌溉水渗透和氨氮硝化，硝态氮逐渐向下运移，深层浓度先增加后减少，最后随水淋溶到地下水。这与郑文波等[31]运用RZWQM模型模拟低山丘陵区农田玉米季硝态氮淋溶规律所得出的研究结果一致。
在本研究中，灌溉模式改变显著影响硝态氮淋溶量和作物根系吸氮量。土壤对硝态氮的吸附能力弱，导致硝态氮极易随水流被作物吸收以及向下淋溶，Perego等[32]研究表明，硝态氮淋溶与水分运移基本呈正相关，Srivastava等[10]研究表明，玉米对氮素的利用依赖土壤水分运移，适度增加灌溉提高氮利用率，因此灌溉量增加，淋溶量、根系吸氮量随之增加。同时模拟结果显示灌溉强度与淋溶量、根系吸氮量呈反比。有研究结果表明，当灌溉强度过大时，进水速率超过土壤入渗速率，造成表层积水，径流损失导致淋溶水量减少，氨挥发作用导致最终进入土壤的氮素减少，从而使硝态氮淋溶量和作物吸氮量减少[33-34]。本研究选用大气边界条件，存在地表径流损失途径，当灌溉强度增大时易产生径流损失，从而导致进入土壤的氮素含量下降，因此灌溉强度增加，硝态氮淋溶量和作物吸氮量降低。由此可知增大灌溉量显著增加作物吸氮量，同时也增加了深层淋溶损失，而增大灌溉强度减少淋溶损失的同时也减少了作物吸氮量。田间灌溉在满足作物需求的情况下也要尽量控制水量，防止过度灌溉，减少淋失至地下水的硝态氮含量。自然降雨条件在确定灌溉量时也不应忽视，需尽量避免在夏季高强度大雨之前进行灌溉，在丰水年也应相应减少灌溉量，从而减少硝态氮淋失，减轻地下水氮污染[35]。此外针对不同土壤水分入渗速率选择合适的灌溉强度对减少氮挥发损失至关重要。
与改变水分条件相比，改变施肥条件对硝态氮淋溶量和作物根系吸氮量的影响较小。增加施肥量适当增加作物吸氮量，同时增加了硝态氮淋溶损失，但总体影响不显著。Xu等[36]研究表明，过度施肥并未显着提高作物利用率，说明作物生长需氮量固定，过度施肥只会降低氮利用率，增加深层淋溶风险。因此在保证作物产量的同时，要优化氮肥施用，减少氮素流失风险。此外模拟结果显示三种常规施肥方式的淋溶损失差别不大，但表施条件下作物氮利用率要低于灌施和深施条件。灌施处理导致溶液中的尿素直接随水流运移转化[37]，从而导致灌施比另外两种施肥方式更容易促使氮素运移。而表施条件下，在入渗初期，未溶解的尿素被土壤吸附，同时氨挥发作用比灌施和深施明显，氮利用率降低[38]。因此在满足作物氮需求的情况下，应选择灌施和深施肥料，以减少氨挥发损失。
本研究量化了非饱和带全剖面上尿素态氮施加后的氮损失，模拟结果表明，尿素态氮在常规灌溉施肥处理下淋溶率很低，绝大多数水解为氨氮，最终转化为硝态氮，因此硝态氮淋溶是土壤氮素流失的主要途径，外源施加氮素主要通过硝态氮形式损失。模拟结果可知不同管理策略下玉米氮素利用率为20%~50%，与其他研究结果相似[39]，这说明目前农业施肥策略氮肥施用过量，氮素利用率不高，极易造成氮损失。除了硝态氮淋溶损失外，土壤残留量不容忽视，大量氮素残留于土壤溶液中，不少氮素随水流淋溶至深层，有研究表明，由于缺乏碳源，在深包气带几乎不发生反硝化反应[14]，这意味着残留在深层土壤中的大量硝态氮无法自然降解，导致后续灌水降雨过程存在氮素淋溶潜在风险，增加地下水潜在污染威胁，因此在选择合适的水肥条件以减少硝态氮淋溶和提高作物吸收量的同时，如何尽量减少土壤储氮量成为接下来要考虑的问题。
对于其他氮素损失途径，结果表明，氮素的反硝化作用和挥发损失占夏玉米的氮素总输出量的比重较低。但土壤中较高比例的储氮量也会增加后续N2O排放量[40]，此外气候[41]，土壤条件[42]以及施肥方式[43]对气态氮损失的影响，在实际情况下仍不容忽视。因此，为了有效减少农作物生产中的氮损失，应在区域范围内考虑采取多种措施相结合的策略。
4 结论(1) 尿素施加之后超过97%的酰胺态氮在土壤上层水解成氨氮，但仍有淋溶到底部的可能，水解和吸附是影响尿素淋溶到底部的关键过程。
(2) 硝态氮淋失造成土壤主要的氮素流失，硝态氮淋溶量主要受土壤水分运动的影响，施肥模式改变作用不显著。
(3) 改变灌溉模式显著影响根系吸氮量，而改变施肥模式对根系吸氮量影响较小，作物的氮素利用率主要受水分变化影响。
(4) 常规施肥条件下氮去向主要是作物吸收和淋溶，还有部分残留于土壤中，存在潜在淋溶风险。未来应进行长期氮平衡模拟，以评估土壤氮储量的动态变化，更好的预测地下水氮淋溶风险。
(5) Hydrus-1D模型能够较准确的进行氮迁移转化模拟以及平衡分析。在后续研究中，应考虑模型参数不确定性对于结果的影响，考虑土壤温度、水分、pH、碳氮比等环境因素对速率常数变化的影响，同时将生物过程和氮转化过程相结合以进行更加准确的模拟。
| [1] |
Zhang Q, Wang H, Wang L. Tracing nitrate pollution sources and transformations in the over-exploited groundwater region of north China using stable isotopes[J]. Journal of Contaminant Hydrology, 2018, 218: 1-9. DOI:10.1016/j.jconhyd.2018.06.001
(  0) |
| [2] |
马洪斌, 李晓欣, 胡春胜. 中国地下水硝态氮污染现状研究[J]. 土壤通报, 2012, 43(6): 1532-1536. Ma H B, Li X X, Hu C S. Research on nitrate nitrogen pollution of groundwater in China[J]. Soil Science Bulletin, 2012, 43(6): 1532-1536. ( 0) |
| [3] |
Robert D S, Christopher M C, Jesse B, et al. Decadal shift in nitrogen inputs and fluxes across the contiguous United States: 2002—2012[J]. Journal of Geophysical Research Biogeosciences, 2019, 124(10): 2104-3124.
( 0) |
| [4] |
Zhao C, Hu C, Huang W, et al. A lysimeter study of nitrate leaching and optimum nitrogen application rates for intensively irrigated vegetable production systems in Central China[J]. Journal of Soils and Sediments, 2010, 10(1): 9-17. DOI:10.1007/s11368-009-0063-3
( 0) |
| [5] |
Lee J, Necpalova M, Calitri F, et al. Simulation of a regional soil nitrogen balance in Swiss croplands[J]. Nutrient Cycling in Agroecosystems, 2020, 118(1): 9-22. DOI:10.1007/s10705-020-10078-6
( 0) |
| [6] |
Zhang W F, Ma L, Huang G Q, et al. The development and contribution of nitrogenous fertilizer in China and challenges faced by the country[J]. Scientia Agricultura Sinica, 2013, 46(15): 3161-3171.
( 0) |
| [7] |
高鹏程, 张一平, 张海, 等. 水热耦合作用下尿素转化为铵态氮的动力学模型[J]. 植物营养与肥料学报, 2005, 11(1): 21-26. Gao P C, Zhang Y P, Zhang H, et al. Hydrodynamic model of urea conversion to ammonium Nitrogen under hydrothermal coupling[J]. Journal of Plant Nutrition and Fertilizer, 2005, 11(1): 21-26. DOI:10.3321/j.issn:1008-505X.2005.01.004 ( 0) |
| [8] |
Hartmann T E, Guzman-bustamante I, Ruser R, et al. Turnover of Urea in a soil from the North China Plain as affected by the urease inhibitor NBPT and wheat straw[J]. Agronomy, 2020, 10(6): 857. DOI:10.3390/agronomy10060857
( 0) |
| [9] |
Castaldelli G, Colombani N, Tamburini E, et al. Soil type and microclimatic conditions as drivers of urea transformation kinetics in maize plots[J]. Catena, 2018, 166: 200-208. DOI:10.1016/j.catena.2018.04.009
( 0) |
| [10] |
Srivastava R K, Panda R K, Chakraborty A. Quantification of nitrogen transformation and leaching response to agronomic management for maize crop under rainfed and irrigated condition[J]. Environmental Pollution, 2020, 265: 114866. DOI:10.1016/j.envpol.2020.114866
( 0) |
| [11] |
Turkeltaub T, Kurtzman D, Russak E E, et al. Impact of switching crop type on water and solute fluxes in deep vadose zone[J]. Water Resources Research, American Geophysical Union (AGU), 2015, 51(12): 9828-9842.
( 0) |
| [12] |
商放泽. 再生水灌溉对深层土壤盐分迁移累积及碳氮转化的影响[D]. 北京: 中国农业大学水利与土木工程学院, 2016. Shang F Z. Effect of Reclaimed Water Irrigation on Salt Transportation and C/N Transformation in Deep Soils[D]. Beijing: College of Water Conservancy and Civil Engineering, China Agricultural University, 2016. ( 0) |
| [13] |
Min L, Shen Y, Pei H, et al. Water move ment and solute transport in deep vadose zone under four irrigated agricultural land-use types in the North China Plain[J]. Journal of Hydrology, 2018, 559: 510-522. DOI:10.1016/j.jhydrol.2018.02.037
( 0) |
| [14] |
Wang S, Wei S, Liang H, et al. Nitrogen stock and leaching rates in a thick vadose zone below areas of long-term nitrogen fertilizer application in the North China Plain: A future groundwater quality threat[J]. Journal of Hydrology, 2019, 576: 28-40. DOI:10.1016/j.jhydrol.2019.06.012
( 0) |
| [15] |
Soto F, Thompson R B, Granados M R, et al. Simulation of agronomic and nitrate pollution related parameters in vegetable cropping sequences in Mediterranean greenhouses using the EU-Rotate_N model[J]. Agricultural Water Management, 2018, 199: 175-189. DOI:10.1016/j.agwat.2017.12.023
( 0) |
| [16] |
Lidon A, Ramos C, Ginestar D, et al. Assessment of LEACHN and a simple compartmental model to simulate nitrogen dynamics in citrus orchards[J]. Agricultural Water Management, 2013, 121: 42-53. DOI:10.1016/j.agwat.2013.01.008
( 0) |
| [17] |
Xu J, Wang X, Ding Y, et al. Effects of irrigation and nitrogen fertilization management on crop yields and long-term dynamic characteristics of water and nitrogen transport at deep soil depths[J]. Soil and Tillage Research, 2020, 198: 104536. DOI:10.1016/j.still.2019.104536
( 0) |
| [18] |
Salazar O, Najera F, Tapia W, et al. Evaluation of the DAISY model for predicting nitrogen leaching in coarse-textured soils cropped with maize in the Mediterranean zone of Chile[J]. Agricultural Water Management, 2017, 182: 77-86. DOI:10.1016/j.agwat.2016.12.005
( 0) |
| [19] |
Magaia E, Famba S, Wesstrom I, et al. Modelling maize yield response to plant density and water and nitrogen supply in a semi-arid region[J]. Field Crops Research, 2017, 205: 170-181. DOI:10.1016/j.fcr.2016.12.025
( 0) |
| [20] |
Mailhol J C, Albasha R, Cheviron B, et al. The PILOTE-N model for improving water and nitrogen management practices: Application in a Mediterranean context[J]. Agricultural Water Management, 2018, 204: 162-179. DOI:10.1016/j.agwat.2018.04.015
( 0) |
| [21] |
Tan X, Shao D, Gu W, et al. Field analysis of water and nitrogen fate in lowland paddy fields under different water managements using HYDRUS-1D[J]. Agricultural Water Management, 2015, 150: 67-80. DOI:10.1016/j.agwat.2014.12.005
( 0) |
| [22] |
王小丹, 凤蔚, 王文科, 等. 基于HYDRUS-1D模型模拟关中盆地氮在包气带中的迁移转化规律[J]. 地质调查与研究, 2015, 38(4): 291-298. Wang X D, Feng W, Wang W K, et al. Based on the Hydrus-1D model to simulate the nitrogen migration and transformation in the vadine zone of the Guanzhong Basin[J]. Geological Survey and Research, 2015, 38(4): 291-298. DOI:10.3969/j.issn.1672-4135.2015.04.008 ( 0) |
| [23] |
Tafteh A, Sepaskhah A R. Application of HYDRUS-1D model for simulating water and nitrate leaching from continuous and alternate furrow irrigated rapeseed and maize fields[J]. Agricultural Water Management, 2012, 113: 19-29. DOI:10.1016/j.agwat.2012.06.011
( 0) |
| [24] |
Šimunek J, Sejina T, Van G M, et al. The HYDRUS-1D Software Package for Simulating the One-Dimensional Movement of Water, Heat, and Multiple Solutes in Variably-Saturated Me-Dia[M]. California: School of Miners Publishers, 1998.
( 0) |
| [25] |
Van Genuchte M Th. A closed-form equation for predicting the hydraulic conductivity of unsaturated soils[J]. Soil Science Society of America Journal, 1980, 44(5): 892-898. DOI:10.2136/sssaj1980.03615995004400050002x
( 0) |
| [26] |
Li Y, Šimunek J, Zhang Z, et al. Evaluation of nitrogen balance in a direct-seeded-rice field experiment using Hydrus-1D[J]. Agricultural Water Management, 2015, 148: 213-222. DOI:10.1016/j.agwat.2014.10.010
( 0) |
| [27] |
Feddes R A, Kowalik P J, Zaradny H. Simulation of field water use and crop yield[J]. Soil Science, 1978, 129(3): 193.
( 0) |
| [28] |
王笑影, 梁文举, 闻大中. 北方稻田蒸散需水分析及其作物系数确定[J]. 应用生态学报, 2005, 16(1): 69-72. Wang X Y, Liang W J, Wen D Z. Analysis of evapotranspiration demand and determination of crop Coefficient in Northern Rice Fields[J]. Journal of Applied Ecology, 2005, 16(1): 69-72. ( 0) |
| [29] |
王振龙, 范月, 吕海深, 等. 基于气象-生理的夏玉米作物系数及蒸散估算[J]. 农业工程学报, 2020, 36(11): 141-148. Wang Z L, Fan Y, Lu H S, et al. Estimation of summer maize crop coefficient and evapotranspiration based on meteorology and physiology[J]. Journal of Agricultural Engineering, 2020, 36(11): 141-148. ( 0) |
| [30] |
Marsh K L, Sims G K, Mulvaney R L. Availability of urea to autotrophic ammonia-oxidizing bacteria as related to the fate of 14C-and 15N-labeled urea added to soil[J]. Biology and Fertility of Soils, 2005, 42(2): 137-145. DOI:10.1007/s00374-005-0004-2
( 0) |
| [31] |
郑文波, 王仕琴, 刘丙霞, 等. 基于RZWQM模型模拟太行山低山丘陵区农田土壤硝态氮迁移及淋溶规律[J]. 环境科学, 2019, 40(4): 1770-1778. Zheng W B, Wang S Q, Liu B X, et al. Simulation of nitrate nitrogen migration and leaching in farmland soil in the low hills and hills of Taihang Mountain based on RZWQM model[J]. Environmental Science, 2019, 40(4): 1770-1778. ( 0) |
| [32] |
Perego A, Basile A, Bonfante A, et al. Nitrate leaching under maize cropping systems in Po Valley (Italy)[J]. Agriculture, Ecosystems & Environment, 2012, 147: 57-65.
( 0) |
| [33] |
杨亚茹, 唐仲华. 土壤中硝态氮迁移转化的数值模拟研究[J]. 人民长江, 2019, 50(4): 53-57. Yang Y L, Tang Z H. Numerical simulation of nitrate nitrogen transfer and transformation in soil[J]. People's Yangtze River, 2019, 50(4): 53-57. ( 0) |
| [34] |
Liu J, Ouyang X, Shen J, et al. Nitrogen and phosphorus runoff losses were influenced by chemical fertilization but not by pesticide application in a double rice-cropping system in the subtropical hilly region of China[J]. Science of The Total Environment, 2020, 715: 136852. DOI:10.1016/j.scitotenv.2020.136852
( 0) |
| [35] |
Wang H, Ju X, Wei Y, et al. Simulation of bromide and nitrate leaching under heavy rainfall and high-intensity irrigation rates in North China Plain[J]. Agricultural Water Management, 2010, 97(10): 1646-1654. DOI:10.1016/j.agwat.2010.05.022
( 0) |
| [36] |
Xu J, Cai H, Wang X, et al. Exploring optimal irrigation and nitrogen fertilization in a winter wheat-summer maize rotation system for improving crop yield and reducing water and nitrogen leaching[J]. Agricultural Water Management, 2020, 228: 105904. DOI:10.1016/j.agwat.2019.105904
( 0) |
| [37] |
郝芳华, 孙雯, 曾阿妍, 等. HYDRUS-1D模型对河套灌区不同灌施情景下氮素迁移的模拟[J]. 环境科学学报, 2008, 28(5): 853-858. Hao F H, Sun W, Zeng A Y, et al. Simulation of nitrogen migration under different irrigation situations in Hetao Irrigated Area by HYDRUS-1D model[J]. Journal of Environmental Science, 2008, 28(5): 853-858. DOI:10.3321/j.issn:0253-2468.2008.05.006 ( 0) |
| [38] |
周平遥, 张震, 王华, 等. 不同深施肥方式对稻田氨挥发及水稻产量的影响[J]. 农业环境科学学报, 2020, 39(11): 2683-2691. Zhou P Y, Zhang Z, Wang H, et al. Effects of different deep fertilization methods on ammonia volatilization and rice yield in rice fields[J]. Journal of Agricultural and Environmental Science, 2020, 39(11): 2683-2691. DOI:10.11654/jaes.2020-0441 ( 0) |
| [39] |
Yang W, Feng G, Adeli A, et al. Simulated long-term effect of wheat cover crop on soil nitrogen losses from no-till corn-soybean rotation under different rainfall patterns[J]. Journal of Cleaner Production, 2021, 280: 124255.
( 0) |
| [40] |
Banger K, Wagner-riddle C, Grant B B, et al. Modifying fertilizer rate and application method reduces environmental nitrogen losses and increases corn yield in Ontario[J]. Science of The Total Environment, 2020, 722: 137851.
( 0) |
| [41] |
Yan L, Zhang Z, Chen Y. Effect of water and tempera-ture on ammonia volatilization of maize straw returning[J]. Toxicological and Environmental Chemistry, 2016, 98(5/6): 638-647.
( 0) |
| [42] |
陈海潇. 不同类型土壤氨挥发特性和硝态氮累积的研究[D]. 长春: 吉林农业大学资源与环境学院, 2015. Chen H X. Study on Ammonia Volatilization and Nitrate Accumulation in Different Soils[D]. Changchun: College of Resources and Environment, Jilin Agricultural University, 2015. ( 0) |
| [43] |
Lin D, Fan X, Hu F. Ammonia volatilization and nitro-gen utilization efficiency in response to urea application in rice fields of the taihu lake region. China[J]. Pedosphere, 2007(1): 639-645.
( 0) |
2. The Key Laboratory of Marine Environment and Ecology, Ministry of Education, Ocean University of China, Qingdao 266100, China;
3. Shandong Key Laboratory of Marine Environmental Geological Engineering, Ocean University of China, Qingdao 266100, China