DRAINMOD-N II模擬冬季長期覆蓋黑麥對地下排水及NO3--N流失的影響

杜 璇，馮 浩，Matthew J. Helmers，齊志明

?

DRAINMOD-N II模擬冬季長期覆蓋黑麥對地下排水及NO3--N流失的影響

杜 璇1,2,3，馮 浩1,2,4※，Matthew J. Helmers3，齊志明5

（1. 西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，楊凌 712100；2. 西北農(nóng)林科技大學(xué)中國旱區(qū)節(jié)水農(nóng)業(yè)研究院，楊凌 712100；3. Department of Agricultural and Biosystems Engineering, Iowa State University, Ames IA 50011, USA；4. 中國科學(xué)院水利部水土保持研究所，楊凌 712100； 5. Department of Bioresource Engineering, McGill University, Ste-Anne-de-Bellevue, QC, H9X 3V9, Canada）

在玉米-大豆輪作系統(tǒng)中種植冬季覆蓋作物黑麥有助于減小地下排水量和硝態(tài)氮（NO3--N）的流失量。該研究利用美國愛荷華州的試驗數(shù)據(jù)校正和驗證了DRAINMOD-N II模型在美國寒冷地區(qū)的適用性，并模擬長期（20 a）種植冬季覆蓋作物黑麥對地下排水量和氮素運移的影響。結(jié)果表明，模型模擬地下排水量和NO3--N流失量時，Nash-Sutcliffe模型效率系數(shù)（Nash-Sutcliffe efficiency，NSE）>0.65、百分比偏差（percent bias，PBIAS）在±25%之間、均方根誤差與標(biāo)準(zhǔn)差比值（ratio of root mean square error to standard deviation，RSR）≤0.7均在誤差范圍內(nèi)；模擬地下排水中NO3--N濃度時，NSE>0.50、PBIAS在±15%之間、RSR≤0.5均在誤差范圍內(nèi)，說明模型模擬的效果好。長期種植冬季覆蓋作物黑麥可降低排水量8.1 %（2.5 cm），減小NO3--N流失量16.6 %（6 kg/hm2），NO3--N流量加權(quán)平均濃度下降了8.6 %（1 mg/L，以N計），增加蒸散值5.9 %，模型模擬值與實測值擬合效果好，表明模型具有良好的水文和氮素運移模擬功能，可以模擬不同農(nóng)田管理措施對地下水和氮素運移的長期影響，為優(yōu)化農(nóng)田管理措施提供參考。

氮；排水；蒸散；玉米-大豆輪作系統(tǒng)；DRAINMON-N II；冬季覆蓋作物黑麥

0 引 言

人工農(nóng)田排水系統(tǒng)是改善農(nóng)田土壤排水狀況、治理澇漬災(zāi)害的一種重要手段[1–2]，但在其排走農(nóng)田多余水分的同時，也導(dǎo)致土壤中氮素淋失[3]，降低了氮肥的利用率，造成水體污染。研究表明，70%的排水發(fā)生在尚未種植作物或作物處于出苗期的4—6月[4]，冬季種植覆蓋作物不僅可以減少地表水土流失，也是減小地下排水量及硝態(tài)氮（NO3–-N）流失量的潛在措施之一[5]。Qi等[6-7]在美國愛荷華州的研究結(jié)果表明冬季種植覆蓋作物黑麥可顯著減小地下排水量；還有研究表明[8-9]冬季覆蓋作物可以減小NO3–-N的流失量及濃度。利用計算機模型模擬不同管理措施以及氣候變化條件下的農(nóng)田水文和環(huán)境過程，可節(jié)約勞動力、縮減資金和研究時間。國際上已經(jīng)有多種農(nóng)業(yè)系統(tǒng)模型被用于研究模擬不同環(huán)境條件和農(nóng)田管理措施對水文循環(huán)和氮素動態(tài)變化的影響。常見的模型包括RZWQM（The Root Zone Water Quality Model）[10]、DNDC（Denitrification-Decomposition）[11]、CERES（Crop Environment Resource Synthesis）[12]、APSIM（Agricultural Production Systems Simulator）[13]等。這些模型均可較好地模擬作物生長、水文與環(huán)境等過程、有助于水資源管理及施肥的高效管理等。經(jīng)Skaggs等[14-16]開發(fā)的與改進的DRAINMOD-N II模型是基于過程的田間尺度的模型，可用于模擬不同田間管理措施和不同環(huán)境及土壤條件下氮素的動態(tài)變化及在土壤-水-作物系統(tǒng)中的轉(zhuǎn)化運移過程。該模型基于簡單的水量平衡原理和完整的氮素運移過程，參數(shù)輸入數(shù)量少且易獲取，易于理解和操作。目前，在中國應(yīng)用該模型多以預(yù)測地下排水量、地下水位及作物產(chǎn)量等為主，關(guān)于應(yīng)用模型模擬冬季覆蓋作物對水循環(huán)和氮素運移過程影響的研究尚不多見。本研究以美國愛荷華州北部農(nóng)業(yè)排水管理研究示范點的數(shù)據(jù)為依據(jù)，主要目的是校正和驗證模型在美國愛荷華州北部的適用性，并模擬冬季種植覆蓋作物對水循環(huán)和氮素運移的長期影響，為中國相同環(huán)境條件、種植系統(tǒng)和管理措施的地區(qū)提供參考。

1 材料與方法

1.1 試驗地及試驗處理

本試驗點為農(nóng)業(yè)排水管理研究示范點（Agricultural Drainage Water Quality-Research and Demonstration Site，ADWQ-RDS）坐落于愛荷華州Pocahontas縣Gilmore城附近（42°45￠N，94°30￠W），該試驗田總面積約為7.3 hm2，平均坡度為0.5%～1.5%，海拔373 m。該區(qū)多年平均降水量784 mm，平均氣溫8 ℃，平均最高氣溫13.6 ℃，平均最低氣溫2.4 ℃。該區(qū)主要的土壤種類包括4種[17]：，細壤土，混合土質(zhì)，濕潤的薄層土壤；，細壤土，混合土質(zhì)，石灰質(zhì)，濕潤的薄層土壤；，細壤土，混合土質(zhì)，石灰質(zhì)，濕潤的薄層土壤；，細質(zhì)土，含蒙脫石，塿土。試驗期間，為減小不同土質(zhì)對試驗結(jié)果的影響，所有處理隨機排列。試驗結(jié)束時采集土深15 cm處土樣，分析結(jié)果顯示土壤磷測試Bray P1值為31 mg/kg，pH值為7.7，說明有機質(zhì)含量非常高[18]，這是導(dǎo)致土壤均排水不暢的主要原因。

試驗地共78個小區(qū)，每個小區(qū)面積為0.5 hm2（15 m× 38 m），在小區(qū)中心線布設(shè)地下排水管道，2條平行管道間距7.6 m，埋深1.06 m。每小區(qū)兩側(cè)平行鋪設(shè)管道以保護小區(qū)。每3個小區(qū)設(shè)1個觀測井，用于記錄和收集小區(qū)中心線排水管的排水量和水樣。小區(qū)共26個觀測井，每個觀測井直徑1.2 m，垂直埋在每3個小區(qū)的終點部位，觀測井中，每個獨立小區(qū)的中心管道分別連接1個集水坑，并放置1個M53潛水泵（肯塔基州路易斯維爾城Zoeller Pump有限公司），抽取地下排水，在集水坑上方連接管道并安裝流量計（亞拉巴馬州塔拉西海王星科技有限公司）記錄排水量，在管道上開小孔自動采集水樣（水樣收集瓶為20 L的玻璃瓶，水量約占總排水量的0.25%）。一般地，當(dāng)排水量為13 mm時，會收集到10 L的水樣。

本試驗設(shè)計2個處理，即無冬季覆蓋作物玉米-大豆輪作處理（NC）和冬季覆蓋作物黑麥-玉米-黑麥-大豆輪作系統(tǒng)處理（CC），在試驗地小區(qū)中隨機布置各處理。試驗歷時5 a（2005—2009年），CC處理從2004年10月開始，試驗期間每年冬季種植黑麥（）作為覆蓋作物，播種量為100 kg/hm2，次年在輪作作物種植前噴施草甘膦終止黑麥生長。春季玉米萌發(fā)后注射氮肥（28%的氨氮溶液）到試驗地土層10 cm處，施氮總量為140 kg/hm2（以N計，下同）。各小區(qū)在作物種植之前用大田耕作機耕地1次，耕地深度10 cm，耕作強度為0.25；收獲之后用雙列圓盤耙耕地1次，耕地深度10 cm，耕地強度為0.45。耕作強度由修正的土壤流失方程版本2計算（Revised Universal Soil Loss Equation, Version 2，RUSLE2）。

1.2 DRAINMOD-N II 簡介

DRAINMOD-N II[19]由DRAINMOD發(fā)展而來，優(yōu)化了DRAINMOD-N中氮素循環(huán)過程的不足，是基于過程的田間尺度的模型，用于模擬不同田間管理措施和不同環(huán)境及土壤條件下氮素的動態(tài)變化及在土壤—水—作物系統(tǒng)中的轉(zhuǎn)化運移過程。模型的水文模塊是以土壤剖面中的水量平衡為基礎(chǔ)，主要模擬的是單位地表面積與地下不滲透土層及2條平行排水管道之間土層的水量平衡，以小時或日為單位，在特定氣象條件、排水系統(tǒng)、土壤類型和耕種系統(tǒng)條件下，預(yù)測地下排水、地表徑流、蒸散、地下水位和深層滲漏等水平衡參數(shù)，模型描述的水文過程示意圖詳見文獻[19]。

在Δ時段內(nèi)單位土層內(nèi)水量平衡公式為[14,19]：

ΔV=D+ETLS（1）

式中ΔV為土體內(nèi)水量變化量，cm；為單位體積土壤排水量（或地下灌溉量），cm；ET為蒸散量，cm；LS為深層滲漏和側(cè)向滲漏，cm；為入滲量，cm。

當(dāng)?shù)乇硇纬煞e水或徑流時，Δ時段內(nèi)單位土層內(nèi)水量平衡公式為[14,19]：

ΔRO（2）

式中為降雨量，cm；Δ為地表蓄積水的體積變化量，cm；RO為徑流量，cm。

模型中氮素運移模塊的氮循環(huán)子模塊包含了硝態(tài)氮（NO3–-N）、還原性氮化物（NHx-N）、有機氮（organic N，ON）3個氮庫，并加入了1個簡單的碳循環(huán)可以模擬有機碳（organic C，OC）的動態(tài)變化。同時，模型中引入了1個施肥子模塊，包含了尿素、無水氨肥及緩釋肥等肥料的反應(yīng)原理，使得模型模擬更為精準(zhǔn)。該模型利用多項一維對流彌散反應(yīng)方程（advection dispersion reaction，ADR）模擬氮素的運移，公式如下[16]：

式中C和C分別是某種氮形式在液態(tài)和氣態(tài)階段時的濃度，M/L3；C是某種氮形式在固態(tài)階段時的濃度，M/M；和分別為土壤液相和氣相體積分?jǐn)?shù)，L3/L3；是固態(tài)階段的干容重，M/L3；是液相的體積通量，L/T；D是水動力彌散系數(shù)，L2/T；d是分子擴散系數(shù)，L2/T；是源匯項，M/(L3·T）；是時間，T；為空間坐標(biāo)，L。

1.3 數(shù)據(jù)收集和模型參數(shù)化

1.3.1 氣象及土壤資料

試驗地設(shè)有小型自動氣象站（猶他州洛根Campbell Scientific有限公司），實時記錄試驗區(qū)的氣溫和降雨等數(shù)據(jù)，由于設(shè)備原因缺失的個別數(shù)據(jù)從試驗地東部15 km處的Humboldt氣象站獲得，該站是由美國國家氣象中心（National Climatic Data Center，NCDC）下設(shè)的站點（COOP ID133985），由于該地冬季降雪多，故需將降雪轉(zhuǎn)換為降水?dāng)?shù)據(jù)，一般地，降雪深度與水量之比一般為10∶1[6]。風(fēng)速、太陽輻射、相對濕度等數(shù)據(jù)由距試驗地東北部50 km的Kanawha氣象站獲得。根據(jù)逐日氣溫數(shù)據(jù)、日或小時降雨數(shù)據(jù)，按照DRAINMOD-N II模型要求的格式建立氣象數(shù)據(jù)文件，利用模型自帶氣象數(shù)據(jù)處理模塊自動生成模型所需的氣象文件。

通過氣象站可獲得風(fēng)速、太陽輻射、相對濕度、最高氣溫及最低氣溫等數(shù)據(jù)，據(jù)FAO56中式（40）計算得到凈輻射量[20]，計算得到潛在蒸散量（potential evapotranspiration，PET0）。根據(jù)Luo等[21]的研究利用作物系數(shù)得到實際潛在蒸散量PETcrop。Penman-Monteith公式計算日PET輸入模型模擬結(jié)果會更為精確，參考作物的蒸散量可根據(jù)不同作物調(diào)整計算作物蒸散量（PETcrop），作物系數(shù)（K）主要參考FAO56推薦的系數(shù)值[20]，見式（4）。試驗地主要輪作系統(tǒng)為玉米-大豆輪作系統(tǒng)，冬季覆蓋作物為黑麥，作物生長期間的根系深度及作物系數(shù)見表1。

PETcrop= K·PET0（4）

實測獲得土壤容重、飽和導(dǎo)水率、土壤在基質(zhì)勢（10、33和1 500 kPa）的含水率以及土壤顆粒分布等值，通過ROSETTA模型計算便可獲得DRAINMOD-N II模型需要的參數(shù)值，如飽和含水率、剩余含水率、飽和導(dǎo)水率及曲線形狀參數(shù)值等。ROSETTA模型所需的輸入值與模型輸出值見表2。

表1 研究期間輪作系統(tǒng)生長季根系深度及作物系數(shù)

注：FAO56根據(jù)作物生長特點將其生育期分為4個階段，即生長初期、生長發(fā)育期、生長中期及生長后期。見FAO56圖24[20]。

Note: Crop growth period is divided into 4 stages according to characteristics of crop growth based on FAO56. They are initial stage, crop development stage, mid-season stage and late season stage. Shown in Fig.24 of FAO56[20].

表2 實測土壤水力學(xué)參數(shù)值及ROSETTA模型計算值

注：為基質(zhì)勢；為剩余含水率；為飽和含水率；和為曲線形狀參數(shù)；為水分飽和時的匹配點；為曲折度或連通性參數(shù)；sat為飽和導(dǎo)水率。θθ及K為ROSETTA模型輸出值，其他為實測值。

Note:is matric potential;is residual water content;is saturated water content;andare curve shape parameters;is the matching point at saturation (cm/day);is an empirical pore tortuosity or connectivity parameter;satis saturated hydraulic conductivity.θθandsatare output from ROSETTA, others are observations.

1.3.2 地下排水量、NO3–-N流失量及模型參數(shù)化

模型水力設(shè)計參數(shù)輸入主要取決于當(dāng)?shù)嘏潘到y(tǒng)的設(shè)置，該研究區(qū)域的排水管埋深為1.05 m，間距7.6 m，半徑1.5 cm，排水系數(shù)為3.5 cm/d，不透水層深度為390 m，初始地下水位為2 m，地表最大蓄積量為3.1 cm。其他參數(shù)輸入值詳見Du等[22]論文中表II。與排水量息息相關(guān)的土壤參數(shù)，包括地下水位、排水量及地下水上升通量之間的關(guān)系，計算土壤入滲時Green-Ampt公式中的和系數(shù)與地下水位之間的關(guān)系，均由模型自帶的土壤文件生成器計算。

每個小區(qū)在觀測井中均有相應(yīng)的流量計，用來記錄地下排水量，根據(jù)降雨量每周或每2周人工采集1次數(shù)據(jù)。在管道上開小孔自動采集水樣（水樣收集瓶為20 L的玻璃瓶，水量約占總排水量的0.25%），并保存在4 ℃的冷庫里，利用二階導(dǎo)數(shù)光譜技術(shù)測得NO3–-N的濃度（在愛荷華州立大學(xué)濕地研究實驗室進行）[6]。NO3–-N流失量等于由實驗室測得的NO3–-N的濃度值乘以相應(yīng)的排水量。

模型中碳氮循環(huán)參數(shù)包括施肥參數(shù)（施肥量、肥料溶解速率等）、作物參數(shù)（潛在產(chǎn)量、收獲指數(shù)、根莖比及根莖籽粒中碳氮含量）以及碳氮運移過程參數(shù)等。Wang等[23]對比LH-OAT和VARIANCE-BASED 2種敏感性分析方法分析DRAINMOD-N II模型的參數(shù)敏感性，得出對氮素流失模擬值最重要的8個參數(shù)，即反硝化作用最適溫度、溫度曲線形狀經(jīng)驗系數(shù)值、土壤水分方程中的經(jīng)驗系數(shù)值、土壤孔隙含水率（Water-filled pore space，WFPS）臨界值、Michaelis-Menten公式最大反應(yīng)速率以及有機碳腐解作用最適溫度和活性土壤有機質(zhì)庫腐解速率，詳見Du等[22]的論文。利用非線性參數(shù)檢驗?zāi)Ｐ停╪on- linear parameter estimation，PEST）對這些參數(shù)進行校正，得到合適的參數(shù)值，提高模型模擬精度。

1.4 模型校正、驗證及適用性評價

模型校正的主要目的是確定最符合研究區(qū)域種植環(huán)境的水力學(xué)參數(shù)、作物參數(shù)及氮素循環(huán)參數(shù)的參數(shù)值，提高模型模擬精度。本文利用無覆蓋作物處理的玉米-大豆輪作系統(tǒng)5 a（2005—2009年）的數(shù)據(jù)，結(jié)合PEST模型校正模型的各項參數(shù)，用覆蓋作物處理的黑麥-玉米-黑麥-大豆輪作系統(tǒng)的實測數(shù)據(jù)驗證校正后的模型。

本文基于2005—2009年ADWQ-RDS試驗基地的實測值，對比模型模擬值進行模型在該地的適用性評價。采用3種統(tǒng)計參數(shù)驗證模型模擬效果[24]：Nash- Sutcliffe模型效率系數(shù)（Nash-Sutcliffe efficiency，NSE）；百分比偏差（percent bias，PBIAS）；均方根誤差與標(biāo)準(zhǔn)差比值（ratio of root mean square error to standard deviation，RSR）。

（6）

（7）

式中O為觀測值；P為預(yù)測值，是所有觀測值的平均值，是總數(shù)。模型模擬地下排水量及硝態(tài)氮流失量時，當(dāng)NSE>0.65、PBIAS在±25%之間及RSR≤0.7時，表明誤差在范圍內(nèi)，模擬效果好；模型模擬地下排水中硝態(tài)氮濃度時，當(dāng)NSE > 0.5、PBIAS在±15%之間及RSR≤0.5時，表明誤差在范圍內(nèi)，模擬效果好[24]。

2 結(jié)果與分析

2.1 模型參數(shù)校正

基于PEST模型對氮素運移參數(shù)進行校正，校正結(jié)果見表3。

表3 DRAINMOD-N II模型氮素循環(huán)過程中參數(shù)校正值

2.2 模型驗證及適用性評價

2.2.1 地下排水量

試驗研究期間（2005—2009年），5 a平均年降水量為82.6 cm，其中生長季（5月—9月）為47.5 cm，排水季（3月—11月）為73.1 cm，這與多年（1971—2000年）年平均降水量82.1 cm、生長季降水量51.4 cm及排水季降水量75.3 cm較為接近。表4中顯示5 a期間試驗地在2種不同的耕作系統(tǒng)下地下排水量的觀測值及模型模擬值。校正小區(qū)NC處理模擬結(jié)果顯示5 a平均地下排水量為31.7 cm，與觀測值相比較，PBIAS、NSE及RSR的誤差分別為2.03%、0.91及0.29，均在誤差范圍內(nèi)。驗證小區(qū)CC處理模擬結(jié)果顯示5 a平均地下排水量為27.7 cm，PBIAS顯示模擬值比觀測值28.3 cm小2.28%，NSE及RSR分別為0.98及0.15，均在誤差范圍內(nèi)，表明模型模擬地下排水量的效果很好。試驗期間，觀測地下排水量在11.6 cm（2006年）和54.5 cm（2007年）之間波動，模擬地下排水量在10.6 cm（2006年）和51.6 cm（2007年）范圍內(nèi)變化，5 a間最小降水量為2006年的62.7 cm，最大降雨量為2007年105 cm，這個現(xiàn)象說明排水量受降水量影響較大，與降水量基本呈正相關(guān)，這與前人研究結(jié)果一致[25]。DRAINMOD-N II模型可捕捉到排水量隨降雨量變化的規(guī)律，極大地提高模擬效果。

表4 2005—2009年不同小區(qū)地下排水量的觀測值及模擬值

注：PBIAS是百分比偏差；NSE是Nash-Sutcliffe效率系數(shù)；RSR是均方根誤差與標(biāo)準(zhǔn)差比值。NC為冬季無覆蓋小區(qū)，CC為冬季覆蓋小區(qū)，下同。

Note：PBIAS is percent bias, NSE is Nash-Sutcliffe efficiency, RSR is ratio of root mean square error to standard deviation. NC and CC are plots without and with rye, respectively. Same as below.

圖1a為NC和CC處理下5 a月平均地下排水量及累積量。由圖可知，DRAINMOD-N II模型模擬5 a排水季的月平均地下排水量與觀測值除個別月份出現(xiàn)較大差異外，其他月份模擬值與觀測值基本符合，月地下排水累積量曲線走勢基本相同，模型模擬效果較好。DRAINMOD-N II模型經(jīng)Luo等[21]改進后，提高了在寒冷地區(qū)的模擬精度，但在溫度長期處于0℃以下時，受風(fēng)漂移等環(huán)境因素影響，模擬效果仍會受到影響[26]。與NC相比，排水季CC出現(xiàn)較大模擬差異的月份為3月。這個月份的氣溫偏低，3月月均最高氣溫為5.8 ℃，最低氣溫為–4.1 ℃，單日最低氣溫可達–15.1 ℃，在低氣溫下排水管道受凍后無排水量或排水量較小造成了模擬偏差。冬季降雪量可受當(dāng)?shù)仫L(fēng)速的影響，試驗地冬季風(fēng)速平均為4 m/s，個別日風(fēng)速可達8 m/s，研究表明由風(fēng)可帶走20%的雪量[26]，因此導(dǎo)致觀測值小而模擬值偏高。

圖1 2005—2009年NC和CC處理地下排水量和地下排水中硝態(tài)氮流失量的觀測值及模型模擬值Fig.1 Observations and simulations of subsurface drainage and NO3–-N loss in drainage for NC and CC plots during 2005-2009

2.2.2 氮素運移

DRAINMOD-N II模型對NC和CC 2種不同的耕作系統(tǒng)下地下排水中NO3–-N流失量的模擬效果很好（表5）。校正小區(qū)NC處理模型模擬5 a平均值為44.7 kg/hm2，比觀測值高8.1%，NSE和RSR分別為0.89和0.33，均在誤差范圍內(nèi)。驗證小區(qū)CC處理模型模擬5 a平均值和觀測值分別為34.2和34.4 kg/hm2，PBIAS、NSE及RSR分別為–0.5%、0.96及0.21，均在誤差范圍內(nèi)。NO3–-N的流失量與降水量及排水量基本呈顯著的正相關(guān)，以NC為例，2006年降水最少為62.6 cm對應(yīng)NO3–-N流失量觀測值和模擬值分別為18.6和22.4 kg/hm2，2007年降水最多為105 cm對應(yīng)NO3–-N流失量觀測值和模擬值分別為65.8和77.9 kg/hm2。DRAINMOD-N II模型可以反映NO3–-N流失量隨降雨量變化的規(guī)律，模擬值隨降水量增大而增大。

表5顯示DRAINMOD-N II模型在NC和CC處理下對地下排水中NO3–-N濃度的模擬效果好。校正小區(qū)NC處理觀測值流量加權(quán)平均在12.6～15.6 mg/L之間，模擬值流量加權(quán)平均在13.0～15.1 mg/L之間，5 a觀測平均值為14.0 mg/L，比模擬值高1.3 %，NSE和RSR分別為1.00和0.06，均在誤差范圍內(nèi)。驗證小區(qū)CC處理觀測值在11.4～13.7 mg/L之間，模擬值在11.4～12.9 mg/L之間，5 a平均模擬值和觀測值分別為12.3和12.4 mg/L，PBIAS、NSE及RSR分別為–0.6 %、1.00及0.06，均在誤差范圍內(nèi)，表明模擬效果好。

表5 2005—2009年NC及CC小區(qū)NO3–-N在地下排水中的流失量及流量加權(quán)平均濃度的觀測值及模擬值

圖1c～圖1d中為在排水季NC和CC處理下NO3–-N流失量的5 a月均值，與圖1a～圖1b排水量的規(guī)律相似，除3月與11月外，其他月份的模型模擬值與觀測值無顯著性差異。受氣溫、風(fēng)漂移和雪蒸發(fā)的影響，3月的排水量較小導(dǎo)致NO3–-N流失量觀測值較小，造成模型高估NO3–-N流失量的現(xiàn)象。NC處理比CC處理的NO3–-N流失量高17%，尤其是3—5月期間，NC處理比CC處理NO3–-N流失量高37%，但作物生長期間，NC和CC處理的NO3–-N流失量差別不大。研究表明DRAINMOD-N II在美國愛荷華州北部適用性良好，可以較精確地模擬地下排水量、地下排水中NO3–-N流失量及濃度，且可以對其長期影響進行模擬，進而對優(yōu)化農(nóng)業(yè)耕作措施，指導(dǎo)農(nóng)業(yè)生產(chǎn)。

2.3 模型應(yīng)用

本研究中校正過的DRAINMOD-N II模型在NC和CC 2種不同種植系統(tǒng)條件下對地下排水量、排水中NO3–-N流失量及濃度的模擬效果顯著，可以對愛荷華州在進行特定耕作條件下的排水量、NO3–-N流失量及濃度等方面進行長期模擬，以期對當(dāng)?shù)馗鞣绞竭M行調(diào)整達到減少對水體污染的目的，并可為中國相似氣候環(huán)境、種植系統(tǒng)及農(nóng)田管理措施下的農(nóng)田地下排水量及NO3–-N流失的研究提供理論參考。

2.3.1 對水文循環(huán)的長期影響

模擬期為20 a（1990—2009），20 a平均降水量為75.7 cm，比多年平均年降水量小7%，期間最低降水量為1997年的54.4 cm，最高降水量為2007年的105 cm。模擬結(jié)果顯示，長期種植冬季覆蓋作物黑麥可使地下排水量逐年減小，并且隨著時間的推移減少量有緩慢增長的趨勢（表6）。冬季覆蓋黑麥處理CC的多年平均排水量28.5 cm 比NC處理的31.0 cm降低了8.1%，5 a動態(tài)平均排水量減少百分比在5%與14%之間（圖2a），由最初的5%逐漸增大，后期除2008年的14%外基本在12%，這與Strock等[27]在南明尼蘇達州玉米種植區(qū)的實測值和Qi等[6]在愛荷華州北部用RZWQM2模擬的結(jié)果11%相近，但不排除減少量繼續(xù)增大的可能。CC和NC處理的DRAINM-N II 排水量模擬值長期變化趨勢基本一致，5 a動態(tài)平均值曲線的走勢也基本一致，最小值為2000年的13 cm（CC）和14.2 cm（NC），最大值為1993年的52.6 cm（CC）和56.9 cm（NC）。

表6 1990—2009年在不同輪作系統(tǒng)中 DRAINMOD-N II模型模擬水量平衡多年均值

注：ET是模型根據(jù)潛在作物蒸散量排除與作物和土壤有關(guān)因子的影響計算得到的；排水量（玉米）：種植玉米的年份排水量均值；排水量（大豆）：種植大豆的年份排水量均值。除降水外，其他均為模擬值。

Note: ET was calculated by model which eliminates effect of factors related to crop and soil based on potential crop evapotranspiration; Drainage (Corn) is average for corn year; Drainage (Soybean) is average for soybean year. All parameter values are simulations except precipitation.

冬季種植覆蓋作物對ET影響較大，可提高ET值。冬季種植覆蓋作物黑麥ET值為46.3 cm，較未種植黑麥處理的ET值43.7 cm增加了5.9%。在種大豆前種植黑麥，排水量降低了11.9%，ET提高了6.4%，在種玉米前種植黑麥，排水量降低了7.1%，ET提高1%?？芍?，在種大豆前種植黑麥比在種玉米前種植黑麥，對多年平均排水量和ET值的影響更大。冬季種植覆蓋作物黑麥，模型模擬值顯示對地下排水量和ET值均有較大影響，對入滲、徑流及潛在ET等影響不大，這一結(jié)果與Qi等用RZWQM2模擬的結(jié)果一致[6]。

圖2 1990—2009年NC和CC處理下對排水量和硝態(tài)氮流失量的長期影響

2.3.2 對氮素循環(huán)的長期影響

本研究中，NC和CC處理在研究期間模擬NO3–-N流失量的變化范圍主要在21～53 kg/hm2和15～46 kg/hm2之間，5 a動態(tài)均值曲線的變化顯示NC和CC處理下近20 a的年均排水量變化趨勢基本一致，與地下排水量的5 a動態(tài)變化趨勢相似（圖2b）。冬季種植覆蓋作物黑麥降低了排水中的NO3–-N流失量，CC處理的流失量模擬值比NC處理的流失量模擬值小16.6 %（表7），5 a動態(tài)NO3–-N流失量的變化幅度在4.1～7.3 kg/hm2之間，平均減小流失量為6.0 kg/hm2，這與Feyereisen等[28]在明尼蘇達州西南部研究的模擬結(jié)果5.8 kg/hm2相近，比Malone等[29]用RZWQM2和APSIM模型模擬的長期減小量3.9和4.8 kg/hm2高。Qi等[6]在同一研究區(qū)相同處理設(shè)置條件下，用RZWQM2模擬冬季長期種植覆蓋作物黑麥對NO3–-N流失量的長期影響，研究期內(nèi)其減少量為11.8 kg/hm2。冬季長期種植覆蓋作物黑麥CC處理的年均流量加權(quán)平均為10.6 mg/L，比NC處理降低了8.6%，接近美國環(huán)境保護署(USEPA)規(guī)定的最大污染物濃度值10 mg/L（以N計）[30]。比Qi等[6]的長期模擬濃度值減小量12%和Li等[31]的短期模擬濃度值減小量49%小。另外，RZWQM2模擬的種植冬季覆蓋作物輪作系統(tǒng)下地下排水中NO3–-N的濃度要比DRAINMOD-N II模擬值高42%，根據(jù)統(tǒng)計學(xué)分析，RZWQM2模擬值NSE的負數(shù)值和RSR>0.7均顯示該模型對地下排水中NO3–-N的濃度的模擬效果不佳。由此可見，不同模型在同一條件下的模擬結(jié)果存在差異，主要是在氮素運移中對部分參數(shù)模擬的差異造成的，比如凈礦化量、固氮量及作物吸收量等。

本研究中NC處理長期模擬的凈礦化量為171 kg/hm2，與Carpenter-Boggs等[32]在南達科他州田間實測值 142 kg/hm2和Qi等[6]在愛荷華州北部用RZWQM2模擬的值168 kg/hm2相近。CC處理的凈礦化量較NC處理的低6.1%，與Parkin等[8]和Bremer等[33]研究的實測結(jié)果相似，Parkin[8]等表示種植冬季覆蓋作物會增加氮的固定量及減小凈礦化量。然而Li等[31]在愛荷華州中部布恩鎮(zhèn)2000—2005年間開展的研究結(jié)果顯示，冬季覆蓋作物種植條件下凈礦化量比未種植冬季覆蓋作物的高11%，Qi等[6]模擬結(jié)果為CC處理比NC處理的凈礦化量高34%。不過，有研究表明，RZWQM2在模擬冬季覆蓋作物種植系統(tǒng)條件下會高估凈礦化量[6,31]。這應(yīng)該與2種模型不同的碳氮循環(huán)模塊有關(guān)，DRAINMOD-N II模型引入了CENTURY模型[34]計算C:N動態(tài)變化過程，地上及地下作物殘余物均參與到養(yǎng)分循環(huán)中，而RZWQM2是基于OMNI[35]模塊來模擬C:N，只考慮地下殘余物的循環(huán)，地上殘余物量化處理。

表7 1990—2009年在NC和CC 2種不同輪作系統(tǒng)下DRAINMOD-N II模型模擬氮素變化參數(shù)多年均值

注：玉米種植年施肥量為140 kg×hm–2（以N計）。

Note: Fertilizer was applied at 140 kg·hm–2(based on N) to corn (every other year).

3 結(jié) 論

1）校正后的DRAINMOD-N II模型可以較好地模擬不同輪作系統(tǒng)下年均地下排水量、地下排水中NO3–-N的流失量及濃度。經(jīng)統(tǒng)計學(xué)分析， Nash-Sutcliffe模型效率系數(shù)、百分比偏差和均方根誤差與標(biāo)準(zhǔn)差比值均在誤差范圍內(nèi)。

2）排水季中除了3月和11月受低溫及風(fēng)速影響較大導(dǎo)致模型模擬高估外，其他月份模擬值與觀測值擬合較好，由累計曲線可知該模型基本可以反映月均地下排水量和地下排水中NO3–-N流失量的變化規(guī)律。DRAINMOD-N II模型在愛荷華州北部適用性良好，是模擬農(nóng)田尺度水利和氮素動態(tài)變化比較可靠的農(nóng)業(yè)模型之一，本研究也為與愛荷華州具有相似氣候環(huán)境和農(nóng)田耕作管理措施的地區(qū)，應(yīng)用DRAINMOD-N II模型提供了參考。

3）模型模擬不同輪作系統(tǒng)下（玉米-大豆，黑麥-玉米-黑麥-大豆）對地下排水量和地下排水中NO3–-N的流失量的長期影響過程，結(jié)果表明種植冬季覆蓋作物黑麥可以降低排水量8.1%（2.5 cm），減小NO3–-N的流失量16.6%（6 kg/hm2），增加ET值2.6 cm（5.9%），主要是在大豆前種植冬季覆蓋作物黑麥影響較大，ET值增加了6.4%（2.7 cm）。

4）長期種植冬季覆蓋作物可以降低地下排水中NO3–-N的濃度，年均流量加權(quán)平均濃度為10.6 mg/L，降低了8.6%（1 mg/L），同時，研究結(jié)果表明長期種植冬季覆蓋作物可降低凈礦化量和增加作物吸收量和固氮量。一些研究認為長期種植冬季覆蓋作物凈礦化量反而會增大，對模型模擬氮素運移過程仍存在爭議，今后需在此方面投入更深入的研究。

[1] Darzi-Naftchali A, Mirlatifi S M, Shahnazari A, et al. Effect of subsurface drainage on water balance and water table in poorly drained paddy fields[J]. Agricultural Water Management, Elsevier BV, 2013, 130: 61－68.

[2] 王少麗，王興奎，Prasher SO，等. 應(yīng)用DRAINM OD農(nóng)田排水模型對地下水位和排水量的模擬[J]. 農(nóng)業(yè)工程學(xué)報，2006，22(2)：54－59.Wang Shaoli, Wang Xingkui, Prasher SO, et al. Field application of DRAINMOD model to the simulation of w ater table, sur face runoff and subsurface drainage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(2): 54－59. (in Chinese with English abstract)

[3] BakerJ L, Campbell K L, Johnson HP, et al. NO3-N, phosphorus, and sulfate in subsurface drainage water[J]. J.Environ. Qual., 1975, 4(3): 406－412.

[4] Helmers M J, Lawlor P A, Baker J L, et al. Temporal Subsurface Flow Patterns from Fifteen Years in North-Central Iowa[C]. 2005 Tampa, FL July 17－20, 2005, St. Joseph, MI: American Society of Agricultural and Biological Engineers, 2005.

[5] DinnesD L, Karlen D L, Janynes D B, et al. Nitrogen management strategies to reduce nitrate leaching in tile-drained Midwestern soils[J]. Agron. J, 2002, 94(1): 153－171.

[6] Qi Z, Helmers M J, Malone R W, et al. Simulating long-term impacts of winter rye cover crop on hydrologic cycling and nitrogen dynamics for a corn-soybean crop system[J]. Transactions of the ASABE, 2011, 54(5): 1575－1588.

[7] Qi Z, Helmers M J. The conversion of permittivity as measured by a PR2 capacitance probe into soil moisture values for Des Moines lobe soils in Iowa[J]. Soil Use and Management, 2010, 26(1): 82－92.

[8] Parkin T B, Kaspar T C, Singer J W. Cover crop effects on the fate of N following soil application of swine manure[J]. Plant and Soil, 2006, 289(1/2): 141－152.

[9] Kaspar T C, Jaynes D B, Parkin T B, et al. Effectiveness of oat and rye cover crops in reducing nitrate losses in drainage water[J]. Agricultural Water Management, 2012, 110(3): 25－33.

[10] ThorpKR, Malone RW and Jayness D B. Simulating long-term effects of nitrogen fertilizer application rates on corn yield and nitrogen dynamics[J]. Trans ASABE, 2007, 50(4): 1287－1303.

[11] Li C, Frolking S, Frolking T A. A model of nitrous oxide evolution from soil driven by rainfall events. 1. Model structure and sensitivity[J]. Journal of Geophysical Research, 1992, 97(D9): 9776－9799.

[12] JonesCA, KiniryJ R. CERES-Maize:A Simulation Model of Maize Growth and Development.[M]. TX: Texas A&M University Press, 1986.

[13] MccownRL, HammerGL, Hargreaves J N. APSIM:An agricultural production system simulation model for operational research.[J]. Mathematics and Computers in Simulation, 1995, 39(10): 225－231.

[14] Skaggs R W. A water management model for shallow water table soils[M]. Raleigh: Water Resources Research Institute of the University of North Carolina, 1978.

[15] Brevé M A. Modeling the Movement and Fate of Nitrogen in Artificially Drained Soils[D]. Raleigh: North Carolina State University, 1994.

[16] Youssef M A, Skaggs R W. The Nitrogen Simulation Model , DRAINMOD-N II?: Field Testing and Model[C]//The American Society of Civil Engineers.World Environmental and Water Resources Congress.Reston:American Society of Civil Engineers, 2006:1－11.

[17] US Department of Agriculture. Soil survey of Pocahontas County, Iowa[M]. Washington, D.C: USDA Soil Conservation Service, 1985.

[18] Lawlor P A, Helmers M J, Baker J L, et al. Nitrogen application rate effect on nitrate-nitrogen concentration and loss in subsurface drainage for a corn-soybean rotation.[J]. Transactions of the ASABE, 2008, 51(1): 83－94.

[19] Skaggs R W, Youssef M A, Chescheir G M. DRAINMOD: Model use, calibration, and validation[J]. 2012, 55(4): 1509－1522.

[20] Allen R G, Pereira L S, Raes D, et al. FAO Irrigation and Drainage Paper no. 56: Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements[M]. Rome: FAO,1998.

[21] Luo W, Skaggs R W, Madani A, et al. Predicting field hydrology in cold conditions with DRAINMOD[J]. Transactions of the ASAE, 2001, 44(4): 825－834.

[22] Du X, Feng H, Helmers M J, et al. Comparing simulated nitrate-nitrogen concentration in subsurface drainage using Drainmod-N II and RZWQM2[J]. Irrigation and Drainage, 201766(2):238－251.

[23] Wang X, Youssef M A, Skaggs R W, et al. Sensitivity analyses of the nitrogen simulation model, DRAINMOD-N II[J]. 2005, 48(3): 2205－2212.

[24] Moriasi D N, Arnold J G, Van Liew M W, et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations[J]. Transactions of the ASABE, 2007, 50(3): 885–900

[25] Thorp K R, Youssef M A, Jaynes D B, et al. DRAINMOD-N II: Evaluated for an agricultural system in Iowa and compared to RZWQM-DSSAT[J]. Transactions of the ASABE, 2009, 52(5): 1557－1573.

[26] Randall G W, Mulla D J. Nitrate nitrogen in surface waters as influenced by climatic conditions and agricultural practices[J]. Journal of Environmental Quality, 2001, 30(2): 337－344.

[27] StrockJ S, Porter P M, andRusselle M P. Cover croppingto reduce nitrate loss through subsurface drainage in the northernU.S. Corn Belt[J]. Journal of Environmental Quality, 2004,33(3): 1010－1016.

[28] FeyereisenG W, Wilson B N, Sands G R, et al. Potential for a rye cover crop to reduce nitrateloss in southwestern Minnesota[J]. Agronomy Journal, 2006, 98(6): 1416－1426.

[29] Malone R W, Huth N, Carberry P S, et al. Evaluating and predicting agricultural management effects under tile drainage using modified APSIM[J]. Geoderma, 2007, 140(3): 310－322.

[30] United States Environmental Protection Agency (USEPA). Hypoxia in the Northern Gulf of Mexico: An Update by the EPA Science Advisory Board[M]. Washington, DC: USEPA, 2007.

[31] Li L, Malone R W, Ma L, et al. Winter cover crop effects on nitrate leaching in subsurface drainage as simulated by RZWQM-DSSAT[J]. Transactions of the ASABE, 2008, 51(5): 1575－1583.

[32] Carpenter-Boggs L, Pikul J L Jr, Vigil MF, et al.Soil nitrogen mineralization influenced by crop rotation and nitrogen fertilization[J]. Soil Sci Soc Am J, 2000, 64(6): 2038－2045.

[33] Bremer E, Kuikman P. Influence of competition for nitrogen in soil on net mineralization of nitrogen[J]. Plant and Soil, 1997, 190(1): 119－126.

[34] Parton W J, Schimel D S, Cole C V, et al. Analysis of factors controlling soil organic matter levels in Great Plains grasslands[J]. Soil Science Society of America Journal, 1987, 51(5): 1173－1179.

[35] ShafferM J, Rojas K W, Decoursey D G, et al. Root Zone Water Quality Model: Modeling Management Effects on Water Quality and Crop Production, Chapter 5: Nutrient chemistry processes[M]. Highlands Ranch: Water Resources Publications, LLC, 2000: 119－144.

Simulating effects of winter rye cover on subsurface drainage and NO3--N loss based on DRAINMOD-N II

Du Xuan1,2,3, Feng Hao1,2,4※, Matthew J. Helmers3, Qi Zhiming5

(1.712100,;2.712100,; 3.50011,; 4712100,; 5H9X 3V9,)

Planting winter rye cover crop can reduce subsurface drainage and NO3--N loss in corn-soybean rotation. Field data from Iowa was used to calibrate DRAINMON-N II and evaluate its applicability in cold regions in US. This study simulated the long-term (20 years) effects of winter rye cover crop on subsurface drainage and nitrogen dynamics using DRAINMOD-N II. Two treatments were set in Agricultural Drainage Water Quality-Research and Demonstration Site in Iowa. One treatment was with rye planting in winter (rye-maize-rye-soybean rotation) and the other was bare in winter (only maize-soybean). The experiments lasted for 5 years from 2005 to 2009. The drainage was collected and NO3--N content in the drainage was measured. The DRAINMON-N II model was used for simulation of change in the drainage and NO3--N content from 1990 to 2009. The results showed that the DRAINMON-N II model satisfactorily simulated subsurface drainage and NO3--N loss with Nash-Sutcliffe efficiency (NSE) larger than 0.65, percent bias (PBIAS) smaller than 25%, and ratio of root mean square error to standard deviation (RSR) not larger than 0.70. Flow-weighted average NO3--N concentration (FWANC) were simulated satisfactorily, with NSE larger than 0.50, PBIAS within 25%, and RSR not larger than 0.50. The errors between simulation and measurements of drainage and NO3--N loss mainly reflected in March when temperature was low (average monthly temperature was -4.1oC), which may partially cause by drainage delay. Also the larger wind speed (4 m/s) which can take away 20% of snow could affect our estimates. These results suggested that DRAINMOD-N II had good applicability in Iowa and could simulate the long-term effect of winter rye cover crop on subsurface drainage and NO3--N loss. Long-term simulations (1990-2009) indicated that adding winter rye cover crop could reduce drainage, NO3--N loss and FWANC by 8.1% (2.5 cm), 16.6% (6 kg/hm2, by N) and 8.6% (1 mg/L, by N), respectively. The amount of drainage was decreased year by year and the 5-yr dynamic decrement rates increased from 5% to 14%. The 5-yr dynamic NO3--N loss varied between 4.1 and 7.3 kg/hm2, with a mean of 6.0 kg/hm2. The winter rye as a cover crop could increase evapotranspiration (ET) by 5.9% (2.6 cm), and the time period to plant cover crop also affected ET increase. When planting cover crops before soybean ET increased by 6.4%. Meanwhile, adding winter rye cover crop could increase plant uptake of nitrogen by 7.3% (10.1 kg/hm2) and nitrate fixation by 11.9% (11.3 kg/hm2). Planting winter rye could reduce net mineralization by 6.1% (10.4 kg/hm2), but it was in disagreement with the existing experiments and simulations by the other researchers. These results indicated that there is still some debate about net mineralization response to adding winter rye cover crop. Further research is necessary to understand the simulated nitrogen transport and transformation mechanisms in soil. The field data is well matched with the calibrated model, showing that the DRAINMON-N II model could reliably simulate water and nitrogen movement in the soil. This model could simulate the effect of different cropland management practices on subsurface drainage and nitrogen dynamics to optimizing cropland management practice.

nitrogen; drainage; evapotranspiration; corn-soybean rotation; DRAINMON-N II; winter rye cover crop

10.11975/j.issn.1002-6819.2017.12.020

S626.2；S276；

A

1002-6819(2017)-12-0153-09

2016-12-20

2017-04-14

國家高技術(shù)研究發(fā)展計劃（863計劃）（2013AA102904）；高等學(xué)校學(xué)科創(chuàng)新引智計劃（111計劃）資助項目（B12007）；Iowa Department of Agriculture and Land Stewardship

杜 璇，陜西咸陽人，博士生，主要從事農(nóng)業(yè)水土工程研究。楊凌 西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，712100。 Email：lemon_19988@163.com

馮 浩，陜西楊凌人，教授，博士，主要從事水土資源高效利用以及節(jié)水灌溉新技術(shù)、新方法和新材料研究。楊凌 西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，712100。Email：nercwsi@vip.sina.com

杜 璇，馮 浩，Matthew J. Helmers，齊志明. DRAINMOD-N II模擬冬季長期覆蓋黑麥對地下排水及NO3--N流失的影響[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(12)：153－161. doi：10.11975/j.issn.1002-6819.2017.12.020 http://www.tcsae.org

Du Xuan, Feng Hao, Matthew J. Helmers, Qi Zhiming. Simulating effects of winter rye cover on subsurface drainage and NO3--N loss based on DRAINMOD-N II[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(12): 153－161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.12.020 http://www.tcsae.org