文章信息
- 陈旭, 陈效民, 张聪聪, 虞凯浩, 张勇, 潘根兴, 张旭辉. 2015.
- CHEN Xu, CHEN Xiaomin, ZHANG Congcong, YU Kaihao, ZHANG Yong, PAN Genxing, ZHANG Xuhui. 2015.
- 太湖地区小麦生育期麦田土壤铵态氮和硝态氮含量的模拟与预测
- Modeling and forecasting of farmland NO3--N and NH4+-N content in wheat growth period in Tai Lake area
- 南京农业大学学报, 38(1): 93-100
- Journal of Nanjing Agricultural University, 38(1): 93-100.
- http://dx.doi.org/10.7685/j.issn.1000-2030.2015.01.014
-
文章历史
- 收稿日期：2014-04-29
2. 中国科学院南京土壤研究所土壤与农业可持续发展国家重点实验室, 江苏 南京 210008
2. State Key Laboratory of Soil and Sustainable Agriculture, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China
全球气候变化是当今世界最大的环境问题之一[1]。温度、CO2含量、降水量和风速等气候条件的变化,对农业生产产生极大的影响[2]。Giorgi等[3]分析了美国本土CO2含量和温度变化后认为,温室效应会导致年降水量增加1%,年均温度增加2 ℃。我国科学家对全球气候变化也进行了多方面的研究[4]。CO2含量升高、温度升高和降雨量变化对农业生产的负面影响最大[5]。而在CO2含量和温度升高的研究过程中,大多数研究为单因子水平研究[6, 7],即单独升高CO2含量或单独升高温度。这种单一处理的研究不能较好地代表未来田间气象因子变化的实际情景,双因素的T-FACE(temperature-free air carbon dioxide enrichment)研究还较少。
DNDC(Denitrification-Decomposition)模型被广泛应用于不同的土壤环境和气候条件下土壤中温室气体排放的模拟[8, 9]。但目前大多数国家采用DNDC模型来计算土壤固碳作用和温室气体排放[10]。该模型及其改进版本最早应用于美国、德国等国家的农业管理措施对农田土壤中C和N动态变化的影响预测[11]以及N2O等温室气体的排放研究,而对土壤中无机氮素存在形态的相关研究报道较少。本研究基于T-FACE系统平台,采用DNDC模型模拟稻麦轮作体系中农田土壤氮素的存在形态及随时间的变化规律,对小麦生长季农田土壤中硝态氮和铵态氮含量的变化进行了研究。以田间实测数据进行了模型校正,阐明在未来气候变化的状况下,研究区土壤中养分的变化及其有效性,为研究区的农田水分和养分管理提供科学依据。
1 材料与方法 1.1 试验区概况及采样
本研究于2011—2013年在江苏省常熟市白茆镇(31°30′N,120°33′E)进行,该地区位于太湖流域,属 于典型的亚热带季风气候。年均降水量1 100~1 200 mm,年平均气温16 ℃,年平均日照时间超过2 000 h,无霜期达230 d。主要种植方式为小麦-水稻轮作。每年11月上旬种植小麦,次年6月上旬收割小麦,7—10月为水稻季。T-FACE平台全年运行,小麦季和水稻季均进行了CO2含量和温度升高处理。土壤类型为乌栅土,该土壤主要由湖积物和长江冲积母质发育而成,土质黏重,上部为壤质黏土,下部为黏壤土。在小麦生长季的5个生育期内进行了7次采样。采样时按照自然发生的剖面分层采样:耕作层(0~14 cm)、犁底层(14~33 cm)、潴育层(33~59 cm)、潜育层(59~90 cm)。耕作层土壤的基本理化性质如下:土壤黏粒含量为340 g · kg-1,容重1.19 g · cm-3,耕作层的土壤饱和导水率为0.025 3 m · h-1(常水头法测定),pH值为7.2,土壤有机碳含量(SOC)为19.01 g · kg-1。使用直径5 cm土钻在每个采样点的中心及东西南北4个方向约30 cm处各采1个点,将5个点混合均匀作为1个土样,样品自然风干后,去除石块和残根等杂物,磨碎,然后全部过1和0.25 mm的筛孔,用四分法取约300 g作为待测样品。
1.2 试验设计及农事操作
试验平台为T-FACE系统平台,于2010年7月开始建设,2011年7月开始运行。根据联合国政府间气候变化专门委员会(IPCC)确定的未来气候变化情景,大气CO2含量设2个水平:常规CO2含量(375 μL · L-1)和升高CO2含量(500 μL · L-1);温度设常规温度和高于常规2 ℃两个水平。共4个处理:CK(常规CO2含量和温度)、C(升高CO2含量和常规温度)、CT(升高CO2含量和升高温度)和T(常规CO2含量和升高温度)。每个处理设置3次重复,处理随机排列,其他条件完全一致。平台共设12个处理圈,每个处理圈设计为正八边形,有效面积约为45 m2。最外侧保护行宽度与处理圈之间的间隔距离均约为17 m。试验地长138.8 m,宽104 m,总面积14 435.2 m2。
每年水稻播种前和收割后耕作2次,深度为15 cm。水稻季从2012年6月20日至10月20日,长期淹水10 cm,期间配合烤田,灌溉10次;小麦季不灌水。氮肥施用7次,2012年1月9日施用复合肥337 kg · hm-2(尿磷铵钾,N、P和K的质量分数均为15%),3月5日施用尿素70 kg · hm-2,6月28日施用尿素87.5 kg · hm-2,7月5日施用尿素87.5 kg · hm-2,7月13日施用尿素70 kg · hm-2,8月4日追施复合肥300 kg · hm-2(尿磷铵钾,N、P、K的质量分数均为15%),12月11日施用碳铵63.75 kg · hm-2。
1.3 DNDC模型及输入参数
DNDC模型(http://www.dndc.sr.unh.edu/)主要包括2个部分,涵盖了6个子模型,分别模拟输入的气候和土壤性质,植物生长,有机质分解,硝化、反硝化和发酵过程。本研究中模型所输入的基本数据(包括气象数据、土壤性质和农事操作信息等)均采用实地测定或观测数据。耕作制度为小麦-水稻轮作。气象资料采用试验当年逐日最高、最低气温,降水量以及风速。大气NH3和CO2含量、土壤持水层深度、土壤有机质碳库及腐殖化系数等均采用模型默认值。土壤水分和氮素运动的模拟采用模型的默认算法[12]。
1.4 DNDC模型的敏感性分析
敏感性分析可反映模型对于每一个输入参数产生的输出响应强弱,以减少模型中由于参数输入值的不确定性导致的误差。其计算公式[13]如下:
本研究中主要考虑温度和CO2含量2个气象因子,土壤pH值和SOC等土壤因子以及农艺管理措施对土壤中硝态氮和铵态氮含量的影响。本底值根据试验地的实际情况设置。测试值是在其他参数不变的情况下,分别改变这几种参数(表 1)进行模拟,通过比较模拟结果,从而获得土壤中铵态氮和硝态氮含量状况对各输入参数的响应强弱。
| 参数 Parameters | 本底值 Base values | 测试值 Alternatives | |
| 气象因子Climate factors | 年均温度/℃ Annual temperature | 15.4 | 13.4、17.4 |
| 年降水量/mm Precipitation | 1 054 | 804、1 304 | |
| 二氧化碳含量/(μL·L-1) CO2 concentration | 375 | 200、500 | |
| 土壤因子Soil factors | 土壤有机碳含量/(g·kg-1) Soil organic carbon content | 19 | 15.2、17.1、20.9 |
| 土壤pH值 Soil pH value | 7.2 | 6.7、7.7、8.2 | |
| 土壤饱和导水率/(m·h-1) Soil saturated hydrolic conductivity | 0.025 3 | 0.008 0、0.025 3、0.124 8 | |
| 农艺管理措施 Agricultural managements | 耕作深度/cm Tillage depth | 10 | 0、5、20 |
| 氮肥用量/(kg·hm-2) N application rate | 458.75 | 230、330、530 |
本研究以决定系数R2、均方根误差RMSE(root mean squared error)、平均绝对误差MAE(mean absolute error)和平均误差AE(average error)4个指标来验证模型的拟合度[15]。通过对田间CK处理(即当前的气候条件)的模拟验证模型,进而对田间C、T和CT处理(即IPCC预测的未来气候条件)进行模拟。
1.6 数据处理
采用Microsoft Excel 2003和SPSS 20.0对数据进行处理和绘图,取实测值的3个平行数据的平均值与模型输出的模拟值进行比较。
2 结果与分析
2.1 模型敏感性分析
DNDC模型对土壤中硝态氮含量的估算受年降水量、土壤pH值、氮肥施用量、黏粒含量和容重的影响较大。由表 2可知:降水量增加,pH值升高均可导致耕层土壤中硝态氮含量减少。降水量由804 mm增加到1 304 mm,硝态氮含量由30.10 mg · kg-1减少至3.15 mg · kg-1。随着pH值从6.7上升到8.2,硝态氮含量由30.03 mg · kg-1减少到28.39 mg · kg-1。而氮肥用量增加,则导致耕层土壤中硝态氮含量增加。随着氮肥施用量由230 kg · hm-2增加到530 kg · hm-2,硝态氮含量由21.87 mg · kg-1增加到30.91 mg · kg-1,增加了41.3%。土壤铵态氮的估算主要受年降水量和氮肥用量的影响,其次受年平均温度、土壤pH值、CO2含量和耕作深度的影响。其中,降水量增加、年平均温度升高、土壤pH值升高和耕作深度的增加均会导致土壤中铵态氮含量的减少。氮肥施用量增加,会导致耕层土壤内铵态氮含量增加。最低降水量和最高降水量对应的铵态氮含量的模拟输出值相差3倍。在上述氮肥施用量区间内,铵态氮含量由4.51 mg · kg-1增加到7.89 mg · kg-1,增加了75%。其他参数对输出值的影响较小。
| 测试因子 Tested factors | 硝态氮含量/(mg·kg-1) NO3--N content | 铵态氮含量/(mg·kg-1) NH4+-N content |
| 年平均温度(13.4~17.4 ℃) Mean annual temperature | 30.10~31.11 | 8.92~8.53 |
| 年降水量(804~1 304 mm) Annual precipitation | 30.10~3.15 | 8.92~2.65 |
| CO2含量(200~500 μL·L-1) CO2 concentration | 30.10~28.39 | 8.92~8.58 |
| 土壤有机碳含量(15.2~20.9 g·kg-1) Soil organic carbon content | 31.10~29.80 | 8.94~8.92 |
| 土壤pH值(6.7~8.2) Soil pH value | 30.03~28.39 | 9.06~8.66 |
| 耕作深度(0~20 cm) Tillage depth | 27.57~28.22 | 8.63~8.16 |
| 土壤饱和导水率(0.008 0~0.124 8 m·h-1) Soil saturated hydrolic conductivity | 18.06~38.36 | 8.71~8.39 |
| 氮肥施用量(230~530 kg·hm-2) N application amount | 21.87~30.91 | 4.51~7.89 |
| 注:括号内数值为测试区间。Bracketed values are the test data range. The same as follows. | ||
由敏感性指数的计算结果(表 3)可以看出,对于土壤中硝态氮含量,年降水量、氮肥施用量、土壤饱和导水率和土壤pH值的敏感性指数较高,分别为-3.417、0.433、-0.544和-0.279;其次是土壤有机碳含量和年平均温度,分别为-0.135和0.127,而CO2含量和耕作深度影响较小,敏感性指数分别为-0.068和0.011。对于土壤中铵态氮含量,年降水量和氮肥施用量的敏感性指数较高,分别达-2.282和0.692;其次是土壤pH值和年平均温度,分别为-0.235和-0.173。CO2含量、耕作深度、土壤饱和导水率和土壤有机碳含量敏感指数较低,分别为-0.046、-0.028、0.017和-0.008。
| 参数 Parameters | 敏感性指数Sensitivity index | |
| 硝态氮NO3--N | 铵态氮NH4+-N | |
| 年平均温度(13.7~17.4 ℃) Mean annual temperature | 0.127 | -0.173 |
| 年降水量(804~1 304 mm) Annual precipitation | -3.417 | -2.282 |
| CO2含量(200~500 μL·L-1) CO2 concentration | -0.068 | -0.046 |
| 土壤有机碳含量(15.2~20.9 g·kg-1) Soil organic carbon content | -0.135 | -0.008 |
| 土壤pH值(6.7~8.2) Soil pH value | -0.279 | -0.235 |
| 耕作深度(0~20 cm) Tillage depth | 0.011 | -0.028 |
| 土壤饱和导水率(0.008 0~0.124 8 m·h-1) Soil saturated hydrolic conductivity | -0.544 | 0.017 |
| 氮肥施用量(230~530 kg·hm-2) N application amount | 0.433 | 0.692 |
图 1为CK处理小麦生育期间逐日平均气温及降水量的变化,日平均气温为10.7 ℃,期间累计降水量为555.6 mm。2012年上半年降雨量比同期偏少,造成的干旱可能对小麦生长有一定的影响。从小麦整个生育期内硝态氮含量的实测值和模拟值的对比(图 2)可以看出:耕作层土壤内的硝态氮含量先增加后降低,在越冬期达到最高,为34.52 mg · kg-1;在成熟期含量最低,为6.08 mg · kg-1。对于硝态氮含量的变化趋势,DNDC模型模拟的输出值与实测值相一致,尤其是小麦生长季的后期,其拟合程度更高。从图 2可知:耕作层土壤中铵态氮含量的模拟值略偏低,但是还能比较准确的确定其含量的峰值和变化趋势,并在数值上与实测结果相近,基本符合田间情况。
 | 图 1 小麦生育期逐日气温及降水量变化Fig. 1 Change in daily temperature and precipitation during wheat growing season |
 | 图 2 小麦季耕作层土壤中NO3--N和NH4+-N含量模拟结果与实测值对比Fig. 2 Observed versus simulated NO3--N content and NH4+-N content during wheat growing season |
采用均方根误差(RMSE)、平均绝对误差(MAE)、平均误差(AE)和线性回归方程进一步分析模型的拟合度。从表 4可以看出:NH4+-N和NO3--N含量的MAE和AE均很小。硝态氮的实测值和模拟值的线性拟合方程为y=0.916x-0.196(n=7;r=0.942 1* *),达极显著水平;铵态氮的实测值和模拟值的线性拟合方程为y=0.693x+3.423(n=7;r=0.763 6*),达显著性水平。土壤中NH4+-N和NO3--N含量的实测值和模拟值具有较好的一致性。因此,采用DNDC模型模拟气候变化条件下太湖地区稻麦轮作小麦生长季农田土壤中NH4+-N和NO3--N含量的变化规律是可行的。
| 决定系数 R2 | 均方根误差/(mg·kg-1) RMSE | 平均绝对误差/(mg·kg-1) MAE | 平均误差/(mg·kg-1) AE | |
| 铵态氮NH4+-N | 0.58 | 2.77 | 1.64 | -0.73 |
| 硝态氮NO3--N | 0.89 | 4.80 | 4.27 | 3.17 |
气候变化条件下,DNDC模型对小麦各个生育期内耕作层土壤的硝态氮和铵态氮含量的模拟值,基本反映了各生育期内其含量的变化趋势。模型输出的不同气候条件下处理间的差异也和实测值基本一致(图 3和图 4)。由图 3可知:在耕作层土壤中,越冬期NH4+-N含量低于其他生育期,越冬期后,对小麦施入追肥,显著增加了土壤中的NH4+-N含量。随着小麦的生长,土壤中NH4+-N含量逐渐降低,总体呈现先降低后增加再逐渐降低的趋势。模型模拟的结果也较好地呈现了这一趋势。从分蘖期到成熟期,升高温度的处理使得土壤中的NH4+-N含量均降低,模型的模拟结果也与田间实际变化一致。播种期、越冬期和分蘖期C处理的NH4+-N含量比CK高,而在抽穗期和成熟期时,NH4+-N含量低于CK的测定值。模型模拟结果中,除抽穗期C处理NH4+-N含量与实测值不符,其他生长期内均符合田间测定值的变化趋势。播种期和分蘖期CT处理的NH4+-N含量实测值高于模拟值,越冬期、抽穗期和成熟期的NH4+-N含量变化趋势均一致。
 | 图 3 气候变化下小麦季土壤铵态氮实测平均值(A)与模拟值(B)对比Fig. 3 Comparison of NH4+-N content(A)and simulated NH4+-N content(B)during wheat growing season under different climate treatments CK:常规CO2浓度和温度Ambient CO2 concentration and ambient temperature;C:升高CO2浓度和常规温度Elevated CO2 concentration and ambient temperature;CT:升高CO2浓度和温度Elevated CO2 concentration and elevated temperature;T:常规CO2浓度和升高温度Ambient CO2 concentration and elevated temperature.The same as follows. |
 | 图 4 气候变化下小麦季土壤硝态氮实测平均值(A)与模拟值(B)对比Fig. 4 Comparison of NO3--N content(A)and simulated NO3--N content(B)during wheat growing season under different climate treatments |
从图 4可知:在越冬期前施入基肥后,NO3--N含量模拟值明显高于田间实测值,其他时期NO3--N含量的变化趋势与田间实测值均一致。在小麦的抽穗期和成熟期,CT和C处理模拟值高于田间实测值。抽穗期T处理的NO3--N含量模拟值高于实测值,而T处理的NO3--N含量在播种期、越冬期、分蘖期和成熟期内,模拟值与实测值的变化趋势相一致。
3 讨论
太湖地区稻麦轮作系统中小麦季耕作层土壤中的铵态氮和硝态氮含量主要受田间水热条件和施肥量的影响[16],而且其含量随气象因子的改变存在明显的季节性差异。温度和降水量等环境因素能通过控制硝化细菌的生长从而对土壤硝化作用产生强烈的影响。其影响土壤有机质分解和氮素矿化过程的气象因子主要是温度和水分[17, 18],这与Frolking等[12]的研究结果一致。小麦越冬期土壤中铵态氮含量变化较小,次年小麦返青后,由于气温的升高和微生物活性的增强以及追肥的施入,导致铵态氮含量变化较大[19]。本研究中,整个生长季内,硝态氮含量的变化趋势与铵态氮虽有所不同,但在小麦生长后期,模拟值与田间实测值基本一致。在小麦的整个生育期内,土壤中NH4+-N含量逐渐降低,各处理从分蘖期到成熟期土壤中的NH4+-N含量均降低。这是因为温度升高有利于微生物的硝化作用,导致一部分NH4+-N转化为NO3--N。越冬期后,升高CO2含量的处理中NH4+-N含量显著降低,这可能是由于小麦在拔节期增加了对NH4+-N的吸收。而模型输出的结果中,控制CO2含量升高后,模拟生物量也有较大程度的增加,能较真实地反映田间的实际状况。由此可见,在生物量较高的小麦生长季后期,模拟结果与实测值较为接近。然而,低温时期施肥后在生物量较小的情况下存在着模拟结果偏高的情况。在提高CO2含量和提高温度处理条件下,模拟结果较实测值偏高。在越冬期前施入基肥后,NO3--N含量模拟值明显高于田间实测值,其他时期模拟的变化趋势与实测值均吻合。这与乔俊等[20]的研究结果基本一致。在小麦生长季后期,CT和C处理模拟值均高于田间实测值,这可能是由于植物地上部在高CO2含量下提高了光合强度,导致了生物量增加引起根系吸收强度增加,从而在土壤中吸收更多的NH4+-N。
DNDC模型敏感性分析显示,年降水量和氮肥施用量是影响硝态氮和铵态氮含量的2个关键因素。土壤中的水分状况决定了土壤中的氧化还原电位,在很大程度上影响土壤中硝化和反硝化作用,而氮肥施用量直接影响到土壤中氮素的输入总量。此外,硝态氮的含量受土壤pH值的影响也较大,其次是土壤有机质含量和年平均温度。而铵态氮含量也受到年平均温度的影响。pH值和年平均温度均可影响到土壤中微生物(如硝化细菌)的活性,通过微生物作用也会对土壤中铵态氮和硝态氮的组分与含量产生影响。
模型模拟过程中提高CO2含量输入参数,其输出值符合田间CO2含量升高处理的实测值变化。鉴于DNDC模型可以根据作物的碳氮比对作物的吸氮量进行逐日模拟,故可通过作物参数的调整,使其输出结果与田间情况达到较高的拟合度。而在小麦越冬期,由于基肥的施入和低温等条件以及田间生物量较小等条件的影响,模拟值高于田间实测值,该模型对施肥的敏感度偏高,可能导致其对土壤中硝态氮含量的模拟结果在小麦越冬期过高。
DNDC模型模拟CO2含量升高、年平均温度升高条件下的稻麦轮作体系中小麦季耕作层土壤内硝态氮和铵态氮含量输出值与T-FACE模拟气候变化条件下的田间实测值达到了较好的拟合效果[21]。通过输入参数的校正,模型能够进行逐日模拟,以计算田间养分含量,较好地预测了硝态氮和铵态氮的含量在作物不同生育期的变化趋势和季节变化规律。但是在温度参数升高条件下,输出结果高于田间实测值。对于在CO2含量升高、年均温度升高的条件下出现的偏差,可能是模型结构和数据采集两方面的原因。在模型结构方面,可能是由于模型现有的结构和算法并没有完全反映自然状况下的某些条件的变化对总体造成的影响;在数据采集方面,田间实测值测定时,可能存在难以避免的采样误差和试验误差。同时,由于模型输入参数的可获取性、数据质量以及模型参数本身的变异性等因素所导致的输入参数的不确定性也会随着模拟的过程加以传递,从而对模型的输出产生较大的影响[22]。模型可能过高地估计了温度对田间硝化作用的影响,从而导致温度升高后的模拟结果整体偏高。
| [1] | Kennedy D. Breakthrough of the year[J]. Science,2002,298:2283 |
| [2] | Chavas D R,Izaurralde R C,Thomson A M,et al. Long-term climate change impacts on agricultural productivity in eastern China[J]. Agricultural and Forest Meteorology,2009,149:1118-1128 |
| [3] | Giorgi F,Shields Brodeur C,Bates G T. Regional climate change scenarios over the United States produced with a nested regional climate model[J]. Journal of Climate,1994,7(3):375-399 |
| [4] | 程琨,潘根兴,邹建文,等. 1949—2006年间中国粮食生产的气候变化影响风险评价[J]. 南京农业大学学报,2011,34(3):83-88. doi:10.7685/j.issn.1000-2030.2011.03.015 [Cheng K,Pan G X,Zou J W,et al. Risk assessment of China's cereals production against climate change over 1949-2006[J]. Journal of Nanjing Agricultural University,2011,34(3):83-88(in Chinese with English abstract)] |
| [5] | Savabi R,Claudio M,Stockle O. Modeling the possible impact of increased CO2 and temperature on soil water halance,crop yield and soil erosion[J]. Environmental Modeling and Software,2001,16:631-640 |
| [6] | 林洁,陈效民,张勇,等. 基于BP神经网络的太湖典型农田土壤水分动态模拟[J]. 南京农业大学学报,2012,35(4):140-144. doi:10.7685/j.issn.1000-2030.2012.04.026 [Lin J,Chen X M,Zhang Y,et al. Simulation of soil moisture dynamics based on the BP neural network in the typical farmland of Tai Lake region[J]. Journal of Nanjing Agricultural University,2012,35(4):140-144(in Chinese with English abstract)] |
| [7] | 秦大河,丁一汇,王绍武,等. 中国西部环境演变及其影响研究[J]. 地学前缘,2002,9(2):321-328 [Qin D H,Ding Y H,Wang S W,et al. A study of environment change and its impacts in western China[J]. Earth Science Frontiers,2002,9(2):321-328(in Chinese with English abstract)] |
| [8] | Abdalla M,Jones M,Yeluripati J,et al. Testing DayCent and DNDC model simulations of N2O fluxes and assessing the impacts of climate change on the gas flux and biomass production from a humid pasture[J]. Atmospheric Environment,2010,44:2961-2970 |
| [9] | Smith W N,Grant B B,Desjardins R L,et al. A tool to link agricultural activity data with the DNDC model to estimate GHG emission factors in Canada[J]. Agriculture Ecosystems and Environment,2010,136:301-309 |
| [10] | 林葆,林继雄,李家康. 长期施肥的作物产量和土壤肥力变化[J]. 植物营养与肥料学报,1994,1(1):6-18 [Lin B,Lin J X,Li J K. The changes of crop yield and soil fertility with long-term fertilizer application[J]. Plant Nutrition and Fertilizing Science,1994,1(1):6-18(in Chinese with English abstract)] |
| [11] | Li C S,Narayanan V,Robert C H. Model estimates of nitrous oxide emissions from agricultural lands in the United States[J]. Global Biogeochemical Cycles,1996,10:297-306 |
| [12] | Frolking S E,Mosier A R,Ojima D S,et al. Comparison of N2O emissions from soils at three temperate agricultural sites:simulations of year-round measurements by four models[J]. Nutrient Cycling in Agroecosystems,1998,52:77-105 |
| [13] | Walker S E,Mitchell J K,Hirschi M C,et al. Sensitivity analysis of the root zone water quality model[J]. Transactions of the ASAE,2000,50(3):945-953 |
| [14] | 夏文建,周卫,梁国庆,等. 稻麦轮作农田氮素循环的DNDC模型分析[J]. 植物营养与肥料学报,2012,18(1):77-88 [Xia W J,Zhou W,Liang G Q,et al. Evaluating the validity and sensitivity of the DNDC model to estimate nitrogen cycling in rice-wheat rotation system[J]. Plant Nutrition and Fertilizer Science,2012,18(1):77-88(in Chinese with English abstract)] |
| [15] | Liu Z P,Shao M A,Wang Y Q. Large-scale spatital interpolation of soil pH across the Loess Plateau,China[J]. Environmental Earth Sciences,2013,69:2731-2741 |
| [16] | Sabey B R,Frederick L R,Bartholomew W V. The formation of nitrate from ammonium nitrogen in soils:Ⅲ. Influence of temperature and initial population of nitrifying organisms on the maximum rate and delay period[J]. Soil Science Society of America Journal,1959,23:462-465 |
| [17] | Flowers T H,O'Callaghan J R. Nitrification in soils incubated with pig slurry or ammonium sulphate[J]. Soil Biology and Biochemistry,1983,15(3):337-342 |
| [18] | Gilmour J T. The effect of soil properties on nitrification and nitrification inhibition[J]. Journal of Environmental Quality,1984,48:1262-1266 |
| [19] | Ainsworth E A,Long S P. What have we learned from 15 years of free-air CO2 enrichment(FACE)?A meta-analytic review of the response of photosynthesis,canopy properties and plant production to rising CO2[J]. New Phytologist,2005,165:351-372 |
| [20] | 乔俊,颜廷梅,薛峰,等. 太湖地区稻田不同轮作制度下的氮肥减量研究[J]. 中国生态农业学报,2011,19(1):24-31 [Qiao J,Yan T M,Xue F,et al. Reduction of nitrogen fertilizer application under different crop rotation systems in paddy fields of Taihu area[J]. Chinese Journal of Eco-Agriculture,2011,19(1):24-31(in Chinese with English abstract)] |
| [21] | 郭佳伟,邹元春,霍莉莉,等. 生物地球化学过程模型DNDC的研究进展及其应用[J]. 应用生态学报,2013,24(2):571-580 [Guo J W,Zou Y C,Huo L L,et al. DNDC model,a model of biogeochemical processes:research progress and applications[J]. Chinese Journal of Applied Ecology,2013,24(2):571-580(in Chinese with English abstract)] |
| [22] | 秦发侣,赵永存,史学正,等. 基于贝叶斯推断的DNDC模型参数校正与不确定性评价研究[J]. 土壤学报,2014,51(2):247-254 [Qin F L,Zhao Y C,Shi X Z,et al. Input parameters calibration and uncertainty estimation of the DNDC model based on Bayesian inference[J]. Acta Pedologica Sinica,2014,51(2):247-254(in Chinese with English abstract)] |