王維剛，史海濱，李仙岳，孫亞楠，張文聰，周 慧

(1：內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院，呼和浩特 010018) (2：高效節(jié)水技術(shù)裝備與水土環(huán)境效應(yīng)內(nèi)蒙古自治區(qū)工程研究中心，呼和浩特 010018)

烏梁素海是黃河流域代表性湖泊，其對(duì)于黃河流域生態(tài)保護(hù)和經(jīng)濟(jì)高質(zhì)量發(fā)展以及水利結(jié)構(gòu)與生態(tài)環(huán)境有著至關(guān)重要的作用. 處于烏梁素海流域腹地的內(nèi)蒙古河套灌區(qū)作為我國重要的糧食產(chǎn)區(qū)，其在農(nóng)業(yè)生產(chǎn)中為實(shí)現(xiàn)高產(chǎn)而大量施用化肥，且施肥量逐年增加[1]. 已有統(tǒng)計(jì)數(shù)據(jù)顯示，2019年烏梁素海流域化肥施用量達(dá)到127.07萬t[2]. 流域化肥利用率僅30%左右[3]，多數(shù)肥料隨水通過各排干溝匯入總排干溝排出，排退水最后注入烏梁素海. 烏梁素海長期接納流域內(nèi)各級(jí)排干溝的農(nóng)田退排水，農(nóng)業(yè)農(nóng)村面源污染負(fù)荷已逐步成為烏梁素海的主要污染源. 氮磷營養(yǎng)鹽的增加，導(dǎo)致湖泊水體呈富營養(yǎng)化，湖泊水質(zhì)下降[4]. 加之受干旱區(qū)強(qiáng)烈的蒸發(fā)濃縮作用的影響，烏梁素海水質(zhì)咸化，泥沙淤積嚴(yán)重，進(jìn)而造成植被退化，嚴(yán)重威脅湖泊及周邊地區(qū)的生態(tài)環(huán)境[5]. 據(jù)資料顯示，每年由總排干溝排入的水量占總補(bǔ)給水的85%，總排干溝的水質(zhì)狀況決定了烏梁素海水質(zhì)的狀態(tài)[6]. 研究顯示，2009-2017年期間，總排干溝非點(diǎn)源總氮污染負(fù)荷多年平均為1793.09 t，占污染物(點(diǎn)源與非點(diǎn)源)總負(fù)荷量的36.82%，且逐年持續(xù)上升，其主要誘導(dǎo)因素是大量的農(nóng)田排水[7]. 在2006-2014年間烏梁素?？偟?、總磷濃度均值分別達(dá)到2.66和0.20 mg/L[8]. 烏梁素海生態(tài)治理、修復(fù)是個(gè)長期而艱巨的過程，需要綜合施策、科學(xué)治理. 當(dāng)?shù)貓?jiān)持“湖內(nèi)的問題功夫下在湖外”的治理思路和途徑，由單純的“治湖泊”向系統(tǒng)的“治流域”轉(zhuǎn)變，走以生態(tài)優(yōu)先、綠色發(fā)展為導(dǎo)向的高質(zhì)量發(fā)展路子. 近年來，通過在流域內(nèi)開展控肥、控藥、控水和控膜等措施，減少了農(nóng)業(yè)面源污染，使得烏梁素海水體的富營養(yǎng)化程度逐漸減輕[9]. 因此，研究減少流域內(nèi)農(nóng)田排退水量或改善排退水水質(zhì)狀況對(duì)減少烏梁素海營養(yǎng)物入湖負(fù)荷具有重要研究意義.

不合理的灌溉、施肥和耕作是導(dǎo)致烏梁素海流域農(nóng)業(yè)面源污染的主要根源[10]. 烏梁素海流域年均農(nóng)業(yè)灌溉引水量在45億m3左右[11]，同時(shí)流域內(nèi)農(nóng)田灌溉方式長期以地面灌溉(畦灌)為主. 研究顯示，流域小麥-玉米間作平畦灌溉平均水分利用效率僅為1.18 kg/m3，水分利用效率低下[12-13]，增加了養(yǎng)分的淋洗效率. Yang等[14]的研究指出，在砂質(zhì)農(nóng)田地區(qū)，減少氮肥和灌溉水的投入以減輕硝酸鹽的積累和淋失具有很大的潛力. 常菲等[15]的研究表明，同一改良措施下氨揮發(fā)損失率滴灌比漫灌降低10.7%～31.0%. 張忠學(xué)等[16]的研究指出，氮素盈余量和表觀損失量隨灌水量的增加表現(xiàn)為先降低后增加. 另外，適宜的減量施肥可從源頭控制養(yǎng)分流失[17]，減少土壤養(yǎng)分盈余量[18]，避免因肥料過剩隨水流失，從而改善農(nóng)田水土環(huán)境. 張忠學(xué)等[16]的研究還表明，增加施氮量可以提高土壤無機(jī)氮?dú)埩袅亢偷赜?，而作物氮素吸收量隨著施氮量的增加呈先增后減的趨勢. 此外，流域常年在秋收后秋澆前時(shí)期采用鏵式犁翻耕土地的耕作方式，導(dǎo)致犁底層變硬，土壤保水保肥能力下降[19]. 有研究指出，不同的耕作方式對(duì)區(qū)域土壤水熱鹽及作物生長[20]、作物產(chǎn)量[21]和土壤養(yǎng)分的流失[22]均會(huì)產(chǎn)生不同的影響. 綜上，烏梁素海流域同時(shí)存在灌水量、施肥量和耕作方式不合理的問題，導(dǎo)致大量養(yǎng)分在土壤積累并滲漏到地下水，最終排入烏梁素海，導(dǎo)致湖泊水質(zhì)惡化. 然而，當(dāng)前農(nóng)田管理的研究主要側(cè)重于單個(gè)因素的田間試驗(yàn)[13-15,22]，多個(gè)農(nóng)田管理因素交互作用的研究較少. 另外，鮮有不同灌期削減灌水量因素對(duì)污染物負(fù)荷差異方面的研究.

作為對(duì)區(qū)域水文與營養(yǎng)物定量描述使用最多和最為有利的工具[23-24]，SWAT(soil and water assessment tool)分布式水文模型具有一定的物理基礎(chǔ)，充分考慮地域空間異質(zhì)性，是研究灌區(qū)水量平衡與養(yǎng)分流失及其轉(zhuǎn)化關(guān)系行之有效的手段[25-27]. 大量學(xué)者根據(jù)灌區(qū)自身特性對(duì)SWAT模型進(jìn)行了針對(duì)性的改進(jìn)，并對(duì)灌區(qū)的水文及污染物負(fù)荷進(jìn)行了模擬且得到了較好的模型性能[25-26,28]. Xiong等[28-29]介紹了用于模擬干旱地下水淺埋灌區(qū)的改進(jìn)SWAT-AG模型，提供了模擬土壤鹽分運(yùn)動(dòng)和鹽脅迫對(duì)作物生長影響的功能，但該改進(jìn)模型僅驗(yàn)證了徑流和鹽分模擬，未對(duì)水質(zhì)模擬進(jìn)行測試評(píng)價(jià)，且模擬驗(yàn)證時(shí)段較短，缺少長時(shí)間序列的模擬. 王維剛等[30]利用遙感訂正灌區(qū)作物種植結(jié)構(gòu)數(shù)據(jù)，有效提高了SWAT模型在灌區(qū)的模擬精度. SWAT模型通過設(shè)置灌水量、施肥量及耕作方式等能夠模擬不同農(nóng)田管理情景對(duì)區(qū)域營養(yǎng)物負(fù)荷和作物產(chǎn)量的影響[22,31-32]. 然而，以往學(xué)者多以農(nóng)田尺度為研究對(duì)象[13-15]，研究中存在較多限制，如單一作物研究、設(shè)置處理偏少、研究時(shí)段較短. 基于SWAT模型模擬綜合考慮了多種作物類別及區(qū)域空間異質(zhì)性因素. 此外，利用SWAT模型能夠定量計(jì)算出灌區(qū)內(nèi)排水溝營養(yǎng)物的流入量，可從源頭控制烏梁素海入湖污染物負(fù)荷量.

基于以上問題，本文在Xiong等[28-29]改進(jìn)SWAT模型及王維剛等[30]訂正作物種植結(jié)構(gòu)數(shù)據(jù)的基礎(chǔ)上，以烏梁素海流域?yàn)檠芯繀^(qū)，利用紅圪卜揚(yáng)水站排水量、硝態(tài)氮和總磷排放實(shí)測值、地下水埋深及作物產(chǎn)量率定和驗(yàn)證改進(jìn)的SWAT模型，并在模型驗(yàn)證后模擬分析不同農(nóng)田管理情景(削減灌水量、施肥量、優(yōu)化耕作方式及3者組合方案)對(duì)3種作物(玉米、葵花和小麥)種植下的硝態(tài)氮和總磷負(fù)荷及產(chǎn)量的影響，以期確定基于經(jīng)濟(jì)與環(huán)境角度的最優(yōu)灌溉-施肥-耕作方案，從源頭減少烏梁素海流域面源污染及提升烏梁素海水質(zhì)狀況.

1 材料與方法

1.1 研究區(qū)概況

烏梁素海流域(40°15′～41°18′N，106°20′～109°19′E)位于內(nèi)蒙古西部黃河流域中間地帶(巴彥淖爾市境內(nèi))(圖1)，平均海拔為1024 m，屬于大陸性季風(fēng)氣候，年平均最低溫度與最高溫度分別為-10和23℃；年降雨量平均僅為145～216 mm，其中80%發(fā)生在6-8月，年內(nèi)潛在蒸發(fā)量達(dá)2200～2400 mm，是典型的干旱-半干旱地區(qū). 烏梁素海作為全球干旱地區(qū)極為少見的大型多功能草原湖泊，承擔(dān)著重要的水文和生態(tài)功能. 河套灌區(qū)處在烏梁素海流域腹地，灌區(qū)主要種植作物為玉米、葵花和小麥，插花種植結(jié)構(gòu)在農(nóng)田生態(tài)系統(tǒng)中普遍存在，作物分布較為破碎散亂. 灌區(qū)主要灌水方式為畦灌，分春灌(4月中旬)、夏灌(5-9月)和秋澆(10月中旬-11月中旬)3個(gè)灌水時(shí)期. 不同作物施肥模式主要是播種期施入底肥(磷酸二銨)，生育期追肥(尿素)；主要耕作方式采用在秋收后秋澆前階段利用鏵式犁翻耕. 研究區(qū)流域邊界由SWAT模型根據(jù)排水渠系及數(shù)字高程模型(digital elevation model，DEM)數(shù)據(jù)定義得出(表1)，主要包括解放閘灌域(西)、永濟(jì)灌域(中)及義長灌域(東)3個(gè)部分，流域內(nèi)的農(nóng)田退水總體經(jīng)1至7排干溝匯集于總排干溝最終從研究區(qū)總出口紅圪卜揚(yáng)水站排入烏梁素海. 流域近20年平均引水量和平均排水量分別為45.49億和3.44億m3. “灌溉-入滲-排水”已成為導(dǎo)致烏梁素海流域農(nóng)業(yè)面源污染及烏梁素海水環(huán)境惡化的主要驅(qū)動(dòng)力.

圖1 研究區(qū)子流域劃分(圖內(nèi)數(shù)字1～35為子流域編號(hào))Fig.1 Sub watershed diversion of study area

1.2 SWAT模型介紹及改進(jìn)SWAT模型簡述

SWAT模型通過建模模擬流域內(nèi)產(chǎn)水、產(chǎn)沙、營養(yǎng)物質(zhì)循環(huán)等物理過程的發(fā)生. 模型進(jìn)行水文、水質(zhì)模擬可劃分為2個(gè)階段：1)控制子流域水流、營養(yǎng)物等向主河道輸入的陸地階段；2)流域河網(wǎng)中水流、營養(yǎng)物等向出水口運(yùn)移的水文、營養(yǎng)物質(zhì)循環(huán)匯流階段. 本研究通過第2階段利用流域出口水量水質(zhì)排放實(shí)測值對(duì)SWAT模型進(jìn)行校準(zhǔn)和驗(yàn)證，通過第1階段對(duì)HRU向主河道輸入的營養(yǎng)物質(zhì)進(jìn)行了模擬.

改進(jìn)SWAT模型是為加強(qiáng)干旱地下水淺埋灌區(qū)水文建模而開發(fā)，最早由Xiong等[28-29]采用SWAT 2012原始版本，對(duì)土壤水平衡、溶質(zhì)平衡、地下水平衡和植物生長等模塊進(jìn)行了修改. 針對(duì)毛管上升水的模擬，在SWAT源程序中新添加一個(gè)subroutine capriw，該子程序用于計(jì)算每一層土壤的毛管上升水量；同時(shí)修改subroutine swbl，使得土壤水平衡模擬包含了毛管上升水部分. 針對(duì)地表覆蓋影響，修改subroutine etact，用于修正潛在土壤蒸發(fā)量. 針對(duì)土壤鹽分平衡模擬，在源程序中新添加一個(gè)subroutine solsr，該子程序用于計(jì)算每一層土壤的鹽分儲(chǔ)量. 針對(duì)鹽分脅迫模擬，在源程序中新添加一個(gè)subroutine sstr，該子程序用于估算作物鹽分脅迫系數(shù)；同時(shí)，修改subroutine grow，使得作物的生長考慮了鹽分脅迫. 針對(duì)地下水平衡模擬，在源程序中新添加一個(gè)subroutine gwbl，包含用于計(jì)算地下水儲(chǔ)量變化的各水平衡項(xiàng)；同時(shí)，在源程序中新添加一個(gè)subroutine chanleag和subroutine draingw，分別用于計(jì)算渠道向地下水的滲漏量和地下水向排水溝的排水量.

1)基于HRU尺度的土壤水平衡模塊增加了地下水向上毛管上升水，使得土壤水平衡方程按如下公式計(jì)算：

SWj+1=SWj+(1+P+CRtz-D-L-ET-R)·Δt

(1)

式中，SWj為第j天的土壤儲(chǔ)水量(mm)；I為灌溉量(mm/d)；P為降雨量(mm/d)；CRtz為來自非飽和帶的毛管上升水；D為深層滲漏量(mm/d)；L為側(cè)向流量(mm/d)；ET為實(shí)際蒸散發(fā)量(mm/d)；R為地表徑流量(mm/d)；Δt為時(shí)間步長(d).

2)增加了2種農(nóng)藝措施包括耕地田埂和地表覆蓋，用于限制農(nóng)田灌水進(jìn)行地表徑流和減少土壤蒸發(fā).

3)基于土壤水平衡，增加了一個(gè)多層土壤鹽平衡模塊，用于模擬土壤剖面中的鹽分運(yùn)動(dòng)并計(jì)算土壤儲(chǔ)鹽量. 各土壤層的鹽分平衡方程如下：

(2)

(3)

式中，下標(biāo)i表示第i層土壤，NL為土壤層總數(shù)；S為土壤鹽分儲(chǔ)量(g/m2)；CIR為灌溉水鹽分濃度(g/L)；C為土壤層鹽分濃度(i=NL時(shí)，Ci+1為過渡區(qū)鹽分濃度)(g/L).

過渡區(qū)的鹽分平衡公式如下：

TSj+1=TSj+(DNL·CNL-Dtz·Ctz+CRg·Cg-CRtz·Ctz)·Δt

(4)

式中，TS為過渡區(qū)的鹽分儲(chǔ)量(g/m2)；DNL為過渡區(qū)的深層滲漏量(mm/d)；Dtz為實(shí)際毛管上升水量(mm/d)；Cg為地下水鹽分濃度(g/L).

4)基于HRU尺度引入鹽分脅迫因子(Ks)結(jié)合水分脅迫(strssw)來限制作物蒸散量(Ets).

Ets=Et·Kw·Ks

(5)

式中，Ets為實(shí)際植物蒸騰量(mm/d)；Et為潛在植物蒸騰量(mm/d)；Kw為水分脅迫系數(shù).

5)針對(duì)相應(yīng)子流域的淺層含水層，增加了一個(gè)地下水平衡模塊，用于估算子流域尺度上的地下水儲(chǔ)量變化，并進(jìn)一步計(jì)算出HRU尺度上每日地下水埋深，用于計(jì)算地下水毛管上升水.

(6)

(7)

(8)

式中，下標(biāo)k表示子流域中第k個(gè)HRU；ΔGW為HRU的地下水儲(chǔ)量變化(mm/d)；CS為渠系滲漏量(mm/d)；Qg為排水量(mm/d)；Qp為水井抽取的水量(mm/d)；δgw為地下水補(bǔ)給延遲時(shí)間；ΔGWsub為子流域的地下水儲(chǔ)量的變化(mm/d)；Ak為HRU的面積(m2)；GWD為地下水埋深(mm)；Sy為給水度(-).

詳細(xì)的模型改進(jìn)方法的介紹見文獻(xiàn)[28-29].

1.3 模型構(gòu)建與校正及驗(yàn)證

1.3.1 研究區(qū)數(shù)據(jù)及模型構(gòu)建 改進(jìn)SWAT模型需要輸入的數(shù)據(jù)包括空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫(表1). 為獲得流域真實(shí)水系及子流域劃分，研究采用結(jié)合Burn-in算法與預(yù)定義子流域的方法. 具體劃分方法按以下3步進(jìn)行：1)通過Burn-in功能添加由Google earth軟件繪制好的矢量水系，進(jìn)行子流域劃分；2)以劃分后的子流域邊界及數(shù)量為依據(jù)，與流域?qū)嶋H灌排渠系進(jìn)行對(duì)照，以此預(yù)定義符合流域?qū)嶋H的子流域邊界及位置；3)結(jié)合提取的河網(wǎng)屬性賦予流域?qū)嶋H子流域?qū)傩孕畔? 研究區(qū)劃分得到35個(gè)子流域(圖1). 采用Landsat 8 OLI(30 m×30 m)遙感數(shù)據(jù)對(duì)流域耕地部分作物進(jìn)行分類提取，并與無作物分類的原土地利用類型圖融合得到具有作物分類的土地利用類型圖，訂正了模型輸入的作物種植結(jié)構(gòu)數(shù)據(jù)[30]. 根據(jù)研究區(qū)訂正后土地利用分布圖(圖2a)和土壤類型分布圖(圖2b)離散化得到638個(gè)水文響應(yīng)單元. 其中土壤屬性數(shù)據(jù)利用SPAW 6.02.70軟件計(jì)算得到；研究區(qū)出口月實(shí)測排水?dāng)?shù)據(jù)、硝態(tài)氮和總磷排放數(shù)據(jù)、作物產(chǎn)量數(shù)據(jù)及月平均地下水埋深數(shù)據(jù)用于模型的率定和驗(yàn)證. 將畜禽養(yǎng)殖糞尿和農(nóng)村生活污水產(chǎn)生的污染概化后轉(zhuǎn)化為化肥以連續(xù)施肥的方式施用到相應(yīng)子流域的耕地中進(jìn)行模擬計(jì)算，將城鎮(zhèn)生活污水及工業(yè)排污產(chǎn)生的污染概化后以點(diǎn)源的形式輸入SWAT模型中. 研究核算的點(diǎn)源污染排放共包括7個(gè)污水處理廠(圖1)，各排污口多年平均點(diǎn)源總磷排放量共28839.5 kg，占紅圪卜揚(yáng)水站總排放量的4.3%(不包括烏拉特前旗排污口)；各排污口多年平均點(diǎn)源硝態(tài)氮排放量共514481.9 kg，占總排放量的16.2%. 輸入研究區(qū)氣象數(shù)據(jù)、灌水參數(shù)、施肥參數(shù)建立SWAT模型，其中農(nóng)田管理措施中的灌水參數(shù)與施肥參數(shù)數(shù)據(jù)基于本研究前期成果[30].

表1 模型構(gòu)建所需數(shù)據(jù)及數(shù)據(jù)來源

圖2 研究區(qū)土地利用類型及土壤類型空間分布Fig.2 Spatial distributions of land use type and soil type of study area

1.3.2 模型校正及驗(yàn)證 模型構(gòu)建后需要采用實(shí)測數(shù)據(jù)對(duì)其進(jìn)行校正及驗(yàn)證. 本文采用流域出口紅圪卜揚(yáng)水站實(shí)測月排水、硝態(tài)氮和總磷排放數(shù)據(jù)、月平均地下水埋深數(shù)據(jù)及研究區(qū)作物產(chǎn)量數(shù)據(jù)對(duì)模型進(jìn)行校正及驗(yàn)證. 采用SWAT-CUP軟件中的SUFI 2(Sequential Uncertainty Fitting version 2)算法[33]及反復(fù)試錯(cuò)法對(duì)模型參數(shù)進(jìn)行率定. 本研究依據(jù)前期研究成果[30]及烏梁素海流域已有研究[29]，以2008年作為模型預(yù)熱期，利用研究區(qū)出口2009-2014年徑流、硝態(tài)氮和總磷監(jiān)測數(shù)據(jù)對(duì)敏感參數(shù)進(jìn)行率定校正模擬過程，經(jīng)率定確定敏感參數(shù)取值后，利用2015-2018年監(jiān)測數(shù)據(jù)對(duì)模擬過程進(jìn)行驗(yàn)證. 以2009-2014年研究區(qū)實(shí)測月平均地下水埋深數(shù)據(jù)對(duì)模型進(jìn)行率定，利用2015-2017年數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證. 以2010-2014年3種作物實(shí)測產(chǎn)量數(shù)據(jù)對(duì)模型進(jìn)行率定，確定作物生長參數(shù)取值后，利用2015-2017年數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證. 模型在劃分流域邊界時(shí)主要包括杭錦后旗、臨河區(qū)和五原縣3個(gè)行政區(qū)，因此每一種作物的產(chǎn)量實(shí)測數(shù)據(jù)采用這3個(gè)區(qū)域的產(chǎn)量和對(duì)應(yīng)種植面積的加權(quán)平均值. 本文采用相對(duì)誤差(relative error，RE)、決定系數(shù)(R2)和Nash-Sutcliffe效率系數(shù)(Ens)來評(píng)估模擬效率[34].

1.4 農(nóng)田管理措施情景設(shè)計(jì)

1.4.1 灌溉管理措施情景 基于烏梁素海流域現(xiàn)有的灌溉模式和主要種植作物，選擇玉米、葵花和小麥3種作物. 流域主要灌水時(shí)期分為春灌期、夏灌期和秋澆期. 春灌期一般在4月中旬左右，主要灌溉玉米和小麥，而葵花在4月中旬一般不灌溉，第1次灌水在5月20日左右. 流域現(xiàn)狀灌水量主要通過對(duì)當(dāng)?shù)剞r(nóng)民常年灌水習(xí)慣實(shí)地調(diào)查綜合分析得到，調(diào)查年份為2016年(平水年). 根據(jù)屈忠義等[11]在2015年對(duì)不同水平年降雨量的分析成果可知，本研究連續(xù)模擬的10年中僅2012年為豐水年，平水年分別為2010、2014、2015、2016和2018年，枯水年分別為2009、2011、2013和2017年. 以烏梁素海流域推廣農(nóng)用節(jié)水并保證作物產(chǎn)量為目標(biāo)，通過削減不同灌期作物灌水量以減少營養(yǎng)物負(fù)荷. 研究對(duì)3種作物不同灌期分別減少作物年灌溉定額的5%、10%，折算到作物各個(gè)灌期設(shè)計(jì)灌水量處理中，每種作物各6個(gè)情景(I1～I(xiàn)6)，共18個(gè)灌水情景(表2).

表2 灌溉管理措施中不同灌期玉米、葵花和小麥的灌溉水平

1.4.2 施肥管理措施情景 基于烏梁素海流域現(xiàn)有的施肥水平，以保證3種作物產(chǎn)量為目標(biāo)，通過削減作物氮磷施肥量以減少營養(yǎng)物負(fù)荷，對(duì)3種作物分別設(shè)置4個(gè)施肥水平削減方案(分別較現(xiàn)狀氮磷施肥量削減10%、20%、25%和30%)，每種作物各4個(gè)情景(F1～F4)，共計(jì)12個(gè)施肥情景(表3).

表3 施肥管理措施中玉米、葵花和小麥的氮、磷施肥水平*

表4 耕作管理措施中考慮的耕作 方案及其相關(guān)參數(shù)

1.4.3 耕作管理措施情景 基于烏梁素海流域常年耕作方式，采用免耕、少耕、常規(guī)春耕和模板犁4種耕作處理(T1～T4)，研究其對(duì)3種作物營養(yǎng)物負(fù)荷及作物產(chǎn)量的影響. 4種耕作處理對(duì)于營養(yǎng)物再分配所需的混合深度與混合效率見表4，均采用模型默認(rèn)值，表現(xiàn)出模板犁>常規(guī)春耕>少耕>免耕，混合效率指由混合深度指定的整個(gè)土壤深度范圍內(nèi)，均勻混合的土壤表面營養(yǎng)物、秸稈等所占分?jǐn)?shù)，剩余部分留在原處(土壤表面或土層).

1.5 HRU尺度營養(yǎng)物流失及作物產(chǎn)量分析和計(jì)算方法

使用驗(yàn)證后的改進(jìn)SWAT模型對(duì)2009-2018年現(xiàn)狀情景及對(duì)每種作物設(shè)置的6個(gè)灌溉情景、4個(gè)施肥情景與4個(gè)耕作情景進(jìn)行了模擬. 現(xiàn)狀情景模擬指利用驗(yàn)證后的SWAT模型在流域現(xiàn)狀農(nóng)藝措施條件下對(duì)研究區(qū)進(jìn)行的第1次模擬. 針對(duì)研究設(shè)置的每個(gè)管理情景，模型在同一時(shí)期(2009-2018年)運(yùn)行，以計(jì)算該管理措施實(shí)施后的硝態(tài)氮、總磷及作物產(chǎn)量的模擬值. 由于烏梁素海流域不同作物的灌溉、施肥存在差異，且流域的種植比例相差很大，僅僅計(jì)算不同作物營養(yǎng)物流失總量不足以說明問題，也不方便進(jìn)行對(duì)比分析. 因此，本文通過計(jì)算不同作物單位面積的營養(yǎng)物流失量來描述烏梁素海流域營養(yǎng)物流失情況，用流失強(qiáng)度L表示，單位為kg/hm2. 模擬結(jié)果可獲得流域內(nèi)各HRU尺度上某一土地覆蓋條件下營養(yǎng)物由陸面向排水溝的遷移量(即SWAT模型的陸地階段)或土地覆蓋作物產(chǎn)量，特定作物多年平均營養(yǎng)物流失量及產(chǎn)量按式(9)計(jì)算. 不同管理措施對(duì)營養(yǎng)物流失或作物產(chǎn)量的影響以相比于現(xiàn)狀情景下各營養(yǎng)物多年平均流失量或作物產(chǎn)量的百分比變化表示，如式(10)所示.

(9)

(10)

式中，LCN表示某一特定作物多年平均營養(yǎng)物流失量或作物產(chǎn)量，kg/hm2；Aci表示模擬期內(nèi)某年某月對(duì)應(yīng)特定作物所在HRU的面積，hm2；lni表示模擬期內(nèi)某年某月對(duì)應(yīng)特定作物所在HRU的營養(yǎng)物流失量或作物產(chǎn)量，kg/hm2；n表示特定作物所在HRU的數(shù)量；j表示年內(nèi)模擬月；k表示模擬年.R表示變化率(%)，正值表示與初始條件相比減少了輸出，負(fù)值表示與初始條件相比增加了輸出. preBMP表示現(xiàn)狀情景下年平均營養(yǎng)物流失量，kg/hm2；postBMP表示實(shí)施農(nóng)田管理措施后的年平均營養(yǎng)物流失量，kg/hm2.

1.6 HRU尺度硝態(tài)氮與總磷模擬值計(jì)算方法

改進(jìn)的SWAT模型經(jīng)校準(zhǔn)驗(yàn)證后需要根據(jù)設(shè)計(jì)好的農(nóng)田管理措施情景對(duì)HRU尺度不同營養(yǎng)物的輸出負(fù)荷進(jìn)行模擬，而在HRU尺度上沒有直接對(duì)應(yīng)的硝態(tài)氮和總磷輸出量，因此將模型輸出的各路徑硝態(tài)氮和各形態(tài)磷元素加和作為總負(fù)荷，其中模擬出的硝態(tài)氮負(fù)荷計(jì)算如下所示：

NO3=NSURQ+NLATQ+NO3GW

(11)

式中，NO3為硝態(tài)氮總負(fù)荷，kg/hm2；NSURQ為地表硝態(tài)氮負(fù)荷，kg/hm2；NLATQ為側(cè)向硝態(tài)氮負(fù)荷，kg/hm2；NO3GW為地下硝態(tài)氮負(fù)荷，kg/hm2.

磷元素包括有機(jī)磷、地表與地下可溶性磷總量，模擬出的總磷負(fù)荷計(jì)算如式(12)所示：

P=ORGP+SOLP+P_GW

(12)

式中，P為總磷負(fù)荷，kg/hm2；ORGP為有機(jī)磷負(fù)荷，kg/hm2；SOLP為地表可溶性磷負(fù)荷，kg/hm2；P_GW為地下可溶性磷負(fù)荷，kg/hm2.

2 結(jié)果與分析

2.1 模型敏感參數(shù)及取值

如表5所示，研究選取的與徑流及地下水相關(guān)的敏感參數(shù)參照了烏梁素海流域已有研究[29]及本研究前期成果[30]，其敏感參數(shù)取值與Xiong等[29]的研究結(jié)果有所不同，可能是由于本文用于參數(shù)率定的實(shí)測數(shù)據(jù)時(shí)間序列較長的緣故. 另外，為限制研究區(qū)耕地地表徑流，研究將耕地部分的地表徑流曲線數(shù)CN值設(shè)置為0.5. 硝態(tài)氮敏感參數(shù)依照前期研究成果選取后進(jìn)行率定，研究發(fā)現(xiàn)，本研究中的硝態(tài)氮敏感參數(shù)排序與前期研究成果相同，僅在取值上與前期研究稍有變動(dòng)，說明烏梁素海流域硝態(tài)氮敏感參數(shù)相對(duì)較穩(wěn)定. 研究最終選取了7個(gè)總磷敏感參數(shù)，敏感性排名前3的分別是磷滲流系數(shù)、磷土壤分配系數(shù)和磷可利用率指數(shù)，這表明了烏梁素海流域磷的遷移轉(zhuǎn)化主要是在土壤中(陸地區(qū)域)進(jìn)行的，而在河道內(nèi)各形態(tài)磷的循環(huán)轉(zhuǎn)化活躍性相對(duì)較差. 研究中關(guān)于作物生長的參數(shù)選取及取值參照了Xiong等[28-29]的研究結(jié)果，共選取6個(gè)作物生長敏感參數(shù). 模型中需要輸入的其他參數(shù)及取值均依照文獻(xiàn)[29].

2.2 SWAT模型模擬結(jié)果及效率評(píng)價(jià)

應(yīng)用改進(jìn)的SWAT模型經(jīng)過反復(fù)率定確定了各參數(shù)的最優(yōu)取值后，最終計(jì)算得到長時(shí)間序列的徑流、硝態(tài)氮、總磷、月平均地下水埋深和作物產(chǎn)量的模擬評(píng)價(jià)指標(biāo)(表6). 由表6可以看到，各變量在率定期和驗(yàn)證期的決定系數(shù)R2≥0.6，效率系數(shù)Ens≥0.5，相對(duì)誤差RE的絕對(duì)值均低于20%，滿足SWAT模型校準(zhǔn)評(píng)價(jià)標(biāo)準(zhǔn). 由此可知，通過合理地參數(shù)率定，改進(jìn)后的SWAT模型具有良好的模擬效果，能夠較好地反映烏梁素海流域排溝流量、硝態(tài)氮與總磷排放量、地下水埋深動(dòng)態(tài)及作物產(chǎn)量. 本研究顯示，改進(jìn)SWAT模型能夠較好地模擬硝態(tài)氮和總磷流失量，這是因?yàn)槭┓适菍?dǎo)致氮素和磷素流失的重要因素，灌水是氮磷流失的必要條件. 因此，成功地模擬灌區(qū)水循環(huán)為較好地模擬氮磷流失創(chuàng)造了有利條件[35].

如圖3所示，模型模擬的研究區(qū)出口月徑流過程、月硝態(tài)氮與月總磷排放過程和月平均地下水埋深同實(shí)測結(jié)果具有較好的一致性，但徑流模擬的峰值總體上要略高于實(shí)測的峰值，說明模型的地表產(chǎn)流調(diào)蓄模擬方面要高于實(shí)際情況. 本研究基于HRU尺度模擬結(jié)果獲取了地下水埋深空間分布(圖4)，以2016年為例，改進(jìn)SWAT模型模擬的地下水埋深空間分布與實(shí)測地下水埋深空間Kriging插值圖總體上具有較好的一致性，能夠較好地反映灌區(qū)地下水埋深的空間特征. 如圖5所示，研究區(qū)8年作物產(chǎn)量模擬值與實(shí)測值基本分布在1∶1線附近，作物產(chǎn)量較其他指標(biāo)具有更好的模擬性能，這是由于研究中利用遙感技術(shù)精準(zhǔn)的提取灌區(qū)作物種植結(jié)構(gòu)數(shù)據(jù)，從而優(yōu)化了作物參數(shù)的模擬. 模擬過程中發(fā)現(xiàn)，除硝態(tài)氮外，其余變量的驗(yàn)證期精度均略高于率定期，由于烏梁素海流域水文水質(zhì)及作物指標(biāo)模擬受灌水量、施肥量及作物種植結(jié)構(gòu)數(shù)據(jù)等因素影響很大，考慮到3方面因素使得驗(yàn)證期精度高于率定期精度. 一方面，驗(yàn)證期的灌水量、施肥量參數(shù)及作物種植結(jié)構(gòu)數(shù)據(jù)模型輸入值較率定期更接近于灌區(qū)的實(shí)際數(shù)據(jù)，從而模擬精度更高；另一方面，驗(yàn)證期模擬時(shí)段長度小于率定期，用于率定期的數(shù)據(jù)量多于驗(yàn)證期的數(shù)據(jù)量，在一定程度上降低了率定期模擬精度；最后，因所選土地利用(包括種植結(jié)構(gòu)數(shù)據(jù))為2018年，與驗(yàn)證期更為接近，在一定程度上提高了驗(yàn)證期模擬精度. 總的來說，改進(jìn)SWAT模型能夠有效地模擬烏梁素海流域的徑流、氮磷營養(yǎng)物負(fù)荷、地下水埋深動(dòng)態(tài)及作物產(chǎn)量.

表5 徑流、地下水埋深、硝態(tài)氮、總磷及作物生長敏感參數(shù)及取值*

表6 徑流、地下水埋深、硝態(tài)氮、總磷和作物產(chǎn)量模擬校驗(yàn)效率評(píng)價(jià)

圖3 研究區(qū)出口徑流量(a)、硝態(tài)氮排放量(b)和總磷排放量(c) 及地下水埋深(d)模擬值與實(shí)測值的月際動(dòng)態(tài)Fig.3 The monthly dynamics of the simulated and measured values of the outlet runoff (a), nitrate nitrogen emissions (b) and total phosphorus emissions (c) and groundwater depth (d) in the study area

圖4 研究區(qū)2016年地下水埋深空間Kriging插值(a)與模型模擬(b)的空間分布Fig.4 Spatial Kriging interpolation (a) and model simulation (b) spatial distribution of groundwater depth in the study area in 2016

2.3 削減灌水量對(duì)不同作物營養(yǎng)物負(fù)荷及產(chǎn)量的影響

利用驗(yàn)證后的改進(jìn)SWAT模型對(duì)不同種植作物現(xiàn)狀灌溉情景及設(shè)置的6種灌溉削減情景進(jìn)行模擬并計(jì)算分析，得到了不同灌期灌水量削減情景下的硝態(tài)氮、總磷和作物產(chǎn)量結(jié)果(圖6). 總體上看，不同作物各營養(yǎng)物負(fù)荷指標(biāo)和產(chǎn)量對(duì)削減灌水量管理的響應(yīng)規(guī)律存在差異. 玉米種植條件下(圖6a)，削減不同灌期灌水量可顯著(除了I1處理不顯著)降低硝態(tài)氮負(fù)荷量8.2%～17.4%(P<0.05)，其中削減10%秋澆水量(I6)降低幅度最大. 削減不同灌期灌水量可降低玉米地總磷負(fù)荷量4.7%～9.3%，但差異并不顯著(P=0.295). 削減不同灌期灌水量對(duì)玉米產(chǎn)量的影響存在差異，其中削減5%夏灌水量(I2)可顯著增加玉米產(chǎn)量10.32%(P<0.05)，而削減10%夏灌水量(I5)則顯著降低玉米產(chǎn)量15.16%(P<0.05)，其余處理不顯著(P>0.05).

葵花種植條件下(圖6b)，削減不同灌期灌水量可顯著(除了I1、I4處理不顯著)降低硝態(tài)氮負(fù)荷量8.8%～20.8%(P<0.05)，其中I6處理降低幅度最大. 削減不同灌期灌水量僅I5和I6處理顯著降低總磷負(fù)荷量13.2%和14.1%(P<0.05)，其余處理不顯著. 削減5%夏灌水量(I2處理)可使葵花產(chǎn)量增加最多達(dá)4.3%，而I5處理則使葵花產(chǎn)量減少最多達(dá)8.2%，但差異均不顯著(P>0.05).

小麥種植條件下(圖6c)，削減不同灌期灌水量可顯著(除了I2處理不顯著)降低硝態(tài)氮負(fù)荷量8.1%～11.2%，其中I6處理降低幅度最大. 削減不同灌期灌水量可降低小麥地總磷負(fù)荷量5.4%～10.1%，但差異并不顯著(P=0.202). 削減不同灌期灌水量對(duì)小麥產(chǎn)量的影響存在差異，其中I2處理可顯著增加小麥產(chǎn)量8.41%(P<0.05)，I5處理可顯著降低小麥產(chǎn)量16.85%(P<0.05)，其余處理不顯著(P>0.05). 綜上可知，不同作物削減10%秋澆水量(I6處理)均最大幅度降低硝態(tài)氮、總磷負(fù)荷量，表明了秋澆作為年內(nèi)短時(shí)間灌水量最大的一次灌水，其對(duì)農(nóng)業(yè)面源污染的影響也是最嚴(yán)重的[6,36]. 此外，對(duì)比作物灌水量削減比例(5%和10%)可以發(fā)現(xiàn)，適當(dāng)?shù)販p少作物灌水量可以提高作物產(chǎn)量.

2.4 削減施肥比例對(duì)作物營養(yǎng)物負(fù)荷及產(chǎn)量的影響

削減不同氮磷施肥比例對(duì)玉米、葵花和小麥營養(yǎng)物流失量及產(chǎn)量動(dòng)態(tài)變化如圖7所示. 整體來看，不同作物氮磷營養(yǎng)物負(fù)荷指標(biāo)和作物產(chǎn)量對(duì)削減不同比例施肥量的響應(yīng)規(guī)律相似. 各作物營養(yǎng)物負(fù)荷量均隨著氮磷施肥削減比例的增大呈現(xiàn)逐漸降低的趨勢，且下降曲線具體表現(xiàn)為由陡變緩. 各作物產(chǎn)量均隨著氮磷施肥削減比例的增大呈現(xiàn)先增后減的趨勢. 玉米種植條件下，削減20%～30%氮磷施肥比例可顯著降低硝態(tài)氮負(fù)荷量11.3%～15.2%(P<0.05)，削減不同比例施肥量可降低總磷負(fù)荷量4.3%～9.2%，但差異并不顯著(P=0.114). 削減20%氮磷施肥量(F2)可顯著增加8%玉米產(chǎn)量，削減30%氮磷施肥比例(F4)顯著減少了10.46%玉米產(chǎn)量(P<0.05).

葵花種植條件下，削減不同氮磷施肥比例對(duì)硝態(tài)氮和總磷負(fù)荷量均無顯著性影響(P>0.05). 削減25%氮磷施肥比例(F3)可顯著增加10.26%葵花產(chǎn)量，當(dāng)施肥比例削減達(dá)30%時(shí)，葵花產(chǎn)量減少了6.19%，但差異不顯著(P>0.05). 小麥種植條件下，削減20%～30%氮磷施肥比例可顯著降低硝態(tài)氮負(fù)荷量10.3%～14.4%(P<0.05)，削減不同比例施肥量可降低總磷負(fù)荷量3.8%～8.1%，但均無顯著性差異(P=0.198). 削減20%氮磷施肥比例最多可增加7.35%小麥產(chǎn)量，但差異不顯著(P>0.05)，隨后產(chǎn)量開始下降，當(dāng)?shù)资┓时壤鳒p達(dá)30%時(shí)，小麥產(chǎn)量減少最多達(dá)12.13%，且呈顯著性差異(P<0.05). 綜上可知，各作物削減不同施肥比例對(duì)總磷負(fù)荷量均無顯著影響. 對(duì)于硝態(tài)氮負(fù)荷與作物產(chǎn)量方面，玉米和小麥表現(xiàn)出相似的規(guī)律(增產(chǎn)節(jié)點(diǎn)均為F2)，而葵花的增產(chǎn)節(jié)點(diǎn)為F3.

2.5 改變耕作方式對(duì)營養(yǎng)物負(fù)荷及作物產(chǎn)量的影響

改變耕作方式對(duì)玉米、葵花和小麥營養(yǎng)物流失量及產(chǎn)量動(dòng)態(tài)變化如圖8所示. 整體來看，不同耕作方式對(duì)各作物營養(yǎng)物負(fù)荷和產(chǎn)量的影響存在規(guī)律性差異. 免耕(T1)和少耕(T2)增加了各作物硝態(tài)氮和總磷負(fù)荷量，并減少了玉米和葵花產(chǎn)量；常規(guī)春耕(T3)和模板犁耕作(T4)可以降低各作物硝態(tài)氮和總磷負(fù)荷，并可增加玉米和葵花產(chǎn)量，對(duì)于小麥產(chǎn)量則表現(xiàn)出受耕作方式影響同玉米和葵花相反的規(guī)律. 玉米種植條件下，T1顯著增加了14.8%的硝態(tài)氮負(fù)荷量和13.4%的總磷負(fù)荷量，同時(shí)顯著降低了12.7%的產(chǎn)量(P<0.05). T4顯著降低了16.7%的硝態(tài)氮負(fù)荷量和11.9%的總磷負(fù)荷量，同時(shí)顯著增加了13.5%的產(chǎn)量(P<0.05).

圖6 削減灌水量下不同作物營養(yǎng)物流失量及 產(chǎn)量動(dòng)態(tài)變化(不同小寫字母表示處理間差異 顯著，誤差線為標(biāo)準(zhǔn)誤差，下同)Fig.6 Nutrient loss and yield dynamic changes of different crops under reduced irrigation

圖7 削減施肥量下不同作物營養(yǎng) 物流失量及產(chǎn)量動(dòng)態(tài)變化Fig.7 Nutrient loss and yield dynamic changes of different crops under reduced fertilization

葵花地營養(yǎng)物流失與產(chǎn)量受耕作方式的影響規(guī)律與玉米相似，T1顯著增加了16.9%的硝態(tài)氮負(fù)荷和15.2%的總磷負(fù)荷，同時(shí)顯著降低了9.3%的葵花產(chǎn)量(P<0.05). T4顯著降低了20.4%的硝態(tài)氮負(fù)荷和13.6%的總磷負(fù)荷，同時(shí)顯著增加了10.4%的葵花產(chǎn)量(P<0.05). 小麥種植條件下，T1顯著增加了18.8%的硝態(tài)氮負(fù)荷和16.1%的總磷負(fù)荷，同時(shí)顯著增加了10.9%的產(chǎn)量(P<0.05). T4顯著降低了15.2%的硝態(tài)氮負(fù)荷和10.1%的總磷負(fù)荷，同時(shí)顯著降低了11.8%的產(chǎn)量(P<0.05). 綜上可知，玉米和葵花的營養(yǎng)物負(fù)荷隨耕作混合深度與混合效率參數(shù)的增大逐漸減小，而二者產(chǎn)量則隨之逐漸增大. 對(duì)于小麥，無論是營養(yǎng)物負(fù)荷還是產(chǎn)量均隨著耕作混合深度與混合效率參數(shù)的增大呈減小趨勢.

2.6 灌溉-施肥-耕作綜合管理措施優(yōu)選

盡管削減不同時(shí)期灌水量、減少施肥量或改變耕作方式均會(huì)對(duì)營養(yǎng)物流失及作物產(chǎn)量產(chǎn)生影響，但單一管理措施改變?cè)趯?shí)際生產(chǎn)過程中很難達(dá)到經(jīng)濟(jì)與環(huán)境效益雙贏的目標(biāo). 因此，本研究中，針對(duì)灌溉-施肥-耕作選擇出最優(yōu)綜合管理措施，優(yōu)選原則為將每一種作物各因素管理措施中以保證增產(chǎn)減污雙達(dá)標(biāo)進(jìn)行選擇，以差異顯著性分析為判別手段，最終優(yōu)選出綜合管理措施(表7). 不同作物初選灌溉-施肥-耕作綜合管理措施模擬的營養(yǎng)物負(fù)荷和產(chǎn)量動(dòng)態(tài)變化如圖9所示. 玉米種植條件下，I2F2T4與I6F2T4組合措施較現(xiàn)狀組合措施均顯著減少了硝態(tài)氮和總磷負(fù)荷(P<0.05). 但在產(chǎn)量增幅方面二者有所差異，其中I2F2T4組合玉米產(chǎn)量較現(xiàn)狀組合顯著高36.5%，I6F2T4組合玉米產(chǎn)量較現(xiàn)狀組合顯著高20.3%. 因此，綜合考慮經(jīng)濟(jì)與環(huán)境效益，最終選擇I2F2T4組合對(duì)玉米種植效益最好. 葵花種植條件下，I2F3T4、I3F3T4與I6F3T4組合較現(xiàn)狀組合均顯著減少了硝態(tài)氮和總磷負(fù)荷(P<0.05)，且三者產(chǎn)量均顯著高出現(xiàn)狀組合. 需要注意的是，三者之間在總磷負(fù)荷和產(chǎn)量方面無顯著差異，而I6F3T4組合較I2F3T4組合硝態(tài)氮負(fù)荷顯著減少了13.2%. 因此，綜合考慮經(jīng)濟(jì)與環(huán)境效益，最終選擇I6F3T4組合對(duì)葵花種植效益最好. 小麥種植條件下，I2F2T3和I3F2T3組合較現(xiàn)狀組合均顯著減少了硝態(tài)氮和總磷負(fù)荷(P<0.05)，但對(duì)產(chǎn)量無顯著性影響. I2F2T1和I3F2T1組合較現(xiàn)狀組合均顯著增加了小麥產(chǎn)量(P<0.05)，但對(duì)硝態(tài)氮和總磷負(fù)荷均無顯著性影響. 模型模擬得到2009-2018年流域HRU對(duì)排水溝總產(chǎn)水量為88.19 mm，根據(jù)《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》(GB 3838-

圖8 改變耕作方式下不同作物營養(yǎng) 物流失量及產(chǎn)量動(dòng)態(tài)變化Fig.8 Nutrient loss and yield dynamic changes of different crops under changed farming methods

圖9 綜合管理措施下不同作物營養(yǎng) 物流失量及產(chǎn)量動(dòng)態(tài)變化Fig.9 Nutrient loss and yield dynamic changes of different crops under comprehensive management measures

2002)限制,第Ⅴ類水的硝態(tài)氮濃度應(yīng)不大于2.0 mg/L，總磷濃度應(yīng)不大于0.4 mg/L. 為達(dá)到此標(biāo)準(zhǔn)，硝態(tài)氮負(fù)荷量應(yīng)該小于1.7638 kg/hm2，總磷負(fù)荷量應(yīng)該小于0.3528 kg/hm2. 因此，各綜合措施實(shí)施后營養(yǎng)物負(fù)荷均未達(dá)到限制標(biāo)準(zhǔn)，但總體上，I2F2T1組合小麥產(chǎn)量增幅最多顯著增加了29.1%，I3F2T3組合減污幅度最大顯著減少了27.2%的硝態(tài)氮負(fù)荷和18.5%的總磷負(fù)荷.

3 討論

3.1 改進(jìn)SWAT模型對(duì)烏梁素海流域水文水質(zhì)模擬的不確定性分析

盡管改進(jìn)的SWAT模型基于地下水淺埋灌區(qū)自身因素，從模型機(jī)理出發(fā)，在一定程度上提高了烏梁素海流域模型模擬精度，但仍存在不足之處，在今后的研究中有待加以改進(jìn). 首先，研究中改進(jìn)SWAT模型考慮了渠道滲漏，但由于烏梁素海流域干支斗農(nóng)毛渠系分布錯(cuò)亂復(fù)雜，完整地計(jì)算出各級(jí)渠系滲漏量難以實(shí)現(xiàn). 因此，本研究在計(jì)算地下水平衡方程中的渠系滲漏參數(shù)時(shí)僅考慮了總干渠和各干渠渠系滲漏量，這會(huì)對(duì)地下水埋深的計(jì)算產(chǎn)生偏差(偏大)，而地下水埋深是計(jì)算毛管上升水的關(guān)鍵參數(shù)，最終對(duì)流域水量模擬精度產(chǎn)生不確定性影響. 其次，烏梁素海流域排水溝分布同樣錯(cuò)綜復(fù)雜，因此，本研究在地下水平衡方程中的排水量僅考慮了各大排干溝的地下水排出量，這在一定程度上減小了地下水埋深的模擬值，從而對(duì)流域水量模擬精度產(chǎn)生不確定性影響. 但考慮到烏梁素海流域在灌溉期內(nèi)多數(shù)小型排水溝幾乎沒有排水量，這在一定程度上減少了模擬精度的不確定性影響. 此外，烏梁素海流域?yàn)榫Y(jié)合流域，經(jīng)野外調(diào)研得知，在解放閘灌域的東北部(8號(hào)子流域)、西北部(24號(hào)和30號(hào)子流域)、中南部(34號(hào)子流域)、東部(28號(hào)子流域)和永濟(jì)灌域南部(29號(hào)子流域南側(cè))及義長灌域西北部(6號(hào)子流域)分布著一定數(shù)量的機(jī)井灌溉，這決定著地下水埋深計(jì)算的準(zhǔn)確性，盡管獲取了機(jī)井抽水量的統(tǒng)計(jì)數(shù)據(jù)，但能夠準(zhǔn)確地定位到具體的HRU上仍有些難度，這也會(huì)對(duì)流域水量模擬精度產(chǎn)生不確定性影響. 今后可以應(yīng)用SWAT-MODFLOW耦合模型，SWAT代碼中的地下水模塊被MODFLOW取代，有效地解決了SWAT模型對(duì)地下水模擬的不足. Bailey等[37]利用SWAT模型在進(jìn)行水文響應(yīng)單元HRU劃分的時(shí)候?qū)⒚恳粔K農(nóng)田設(shè)計(jì)成一個(gè)獨(dú)立的HRU，成功地耦合了MODFLOW模型. 此外，Aliyari等[38]已經(jīng)開發(fā)了改進(jìn)的SWAT-MODFLOW模型，聯(lián)合了地下水和地表水灌溉程序，改進(jìn)后的SWAT-MODFLOW模型適用于半干旱地區(qū)的大型農(nóng)業(yè)城市河流流域.

表7 灌溉-施肥-耕作綜合管理措施優(yōu)選

3.2 削減灌水量對(duì)作物營養(yǎng)物負(fù)荷及產(chǎn)量的影響

根據(jù)烏梁素海流域近年的引黃水量政策的實(shí)施，計(jì)劃引黃水量將由現(xiàn)狀減少到40億m3，并進(jìn)一步減少到36.4億m3[39]. 本文研究表明，不同作物削減10%秋澆水量均明顯地減少硝態(tài)氮和總磷負(fù)荷量，這與曾阿妍等[6]、杜軍等[36]的研究結(jié)果一致. 這是因?yàn)榍餄矄未喂嗨看笄覜]有作物吸收利用，能夠快速攜帶大量土壤剩余營養(yǎng)鹽滲漏到地下水中，而作物生育期對(duì)水肥的吸收利用效率高，且單次灌水量較少，因此對(duì)營養(yǎng)物流失的影響較小[6,36]. 本研究顯示，削減5%夏灌灌水量可明顯增加作物產(chǎn)量，而削減10%夏灌灌水量則明顯降低作物產(chǎn)量. 這是因?yàn)樵诠┧^差的條件下，水分會(huì)限制養(yǎng)分的發(fā)揮從而造成減產(chǎn)，而在供水過剩的條件下會(huì)加速養(yǎng)分流失使得作物供養(yǎng)減少[40]. 這表明了適當(dāng)削減作物生育期灌溉水量可顯著增加作物產(chǎn)量，體現(xiàn)了生育期灌水量對(duì)作物生長是極其重要的. 戴嘉璐等[41]研究發(fā)現(xiàn)，玉米生育期高水(2700 m3/hm2)處理較中水與低水顯著增加產(chǎn)量，這與本研究結(jié)果相似. 需要注意的是，削減不同時(shí)期不同比例灌水量對(duì)葵花產(chǎn)量均無顯著影響，說明當(dāng)灌水量在一定范圍變化時(shí)，葵花的產(chǎn)量指標(biāo)對(duì)灌水量因子并不敏感.

3.3 削減施肥比例對(duì)作物營養(yǎng)物負(fù)荷及產(chǎn)量的影響

本文研究表明，不同作物營養(yǎng)物負(fù)荷量均隨著氮磷施肥削減比例的增大呈現(xiàn)逐漸降低的趨勢，且下降曲線具體表現(xiàn)為由陡變緩(隨著施肥量削減比例的增加，營養(yǎng)物負(fù)荷量會(huì)趨于穩(wěn)定). 這是由于作物在生長發(fā)育過程中需要吸收利用養(yǎng)分，期間則會(huì)抑制營養(yǎng)鹽的流失，當(dāng)施肥量達(dá)到某個(gè)定值后，再繼續(xù)削減施肥量，實(shí)際上是在削減保證作物正常生長發(fā)育所需的肥料，此時(shí)就會(huì)造成作物養(yǎng)分虧缺. 郭富強(qiáng)等[42]利用HYDRUS-1D模型模擬不同施氮量下作物種植土壤中通過下邊界200 cm處的硝態(tài)氮通量研究發(fā)現(xiàn)，當(dāng)施氮量小于180 kg/hm2時(shí)，下邊界200 cm處的氮素較小，而施氮量大于180 kg/hm2時(shí)，下邊界200 cm處通過的氮素隨施氮量的增加而顯著增大，這與本研究結(jié)果規(guī)律一致. 本研究還表明，不同作物產(chǎn)量隨著施肥量的減少呈先增加后減少的趨勢. 這是因?yàn)檫m宜的施肥量會(huì)提高水分利用率，而過量施肥則會(huì)造成作物徒長，不利于作物產(chǎn)量[40]. 張忠學(xué)等[16]的研究也表明，作物氮素吸收量隨著施氮量的增加呈先增后減的趨勢. 郭富強(qiáng)等[42]的研究還表明，河套灌區(qū)在當(dāng)?shù)爻Ｒ?guī)灌水施肥基礎(chǔ)上節(jié)水節(jié)氮各20%后可提高小麥和葵花產(chǎn)量，這與本研究結(jié)果相似. 根據(jù)圖7b可以看出，削減施肥量對(duì)葵花營養(yǎng)物負(fù)荷無顯著影響，但可顯著增加其產(chǎn)量. 這說明葵花在施肥這一環(huán)節(jié)對(duì)區(qū)域營養(yǎng)物負(fù)荷的貢獻(xiàn)很小，肥料進(jìn)入土壤經(jīng)形態(tài)轉(zhuǎn)化后一部分被作物吸收利用，其余部分存于土壤內(nèi)部，影響著作物的生長發(fā)育.

3.4 改變耕作方式對(duì)作物營養(yǎng)物負(fù)荷及產(chǎn)量的影響

研究表明，合理的耕作方式，有利于改善土壤結(jié)構(gòu)、增加耕層厚度、促進(jìn)土壤養(yǎng)分積累，是減少區(qū)域營養(yǎng)物流失的重要措施[43]. 本研究顯示，不同作物營養(yǎng)物負(fù)荷均隨著耕作方式混合深度與混合效率參數(shù)的增大呈降低趨勢. 這可能是由于通過耕作擾亂了土壤結(jié)構(gòu)，破壞了土壤原有的毛細(xì)管分布[44]. 此外，混合深度與混合效率越大的耕作方式土壤毛細(xì)管破壞效果也越明顯，而不作任何耕作處理則會(huì)保持較好的毛細(xì)管分布，為土壤養(yǎng)分的流失提供有利條件. 劉棋等[45]研究表明，深翻、深松措施顯著提高山地耕層厚度、耕層土壤有效養(yǎng)分總庫容量，有效減少了土壤養(yǎng)分流失，這與本研究結(jié)果一致. 但是，耕作措施對(duì)不同作物產(chǎn)量變化規(guī)律影響差異顯著. 本研究中，玉米、葵花產(chǎn)量隨耕作混合深度與混合效率的增大而增加，小麥產(chǎn)量規(guī)律則與之相反. 這可能是由于小麥在播種時(shí)土壤仍處于凍融狀態(tài)，溫度偏低，耕作處理會(huì)使得小麥生長的土壤溫度更低，惡化小麥的生長環(huán)境. 玉米和葵花喜愛土層深厚、疏松通氣的土壤環(huán)境，通過耕作處理可以改善土壤結(jié)構(gòu)，有利于增產(chǎn). 根據(jù)前人研究可知，耕作方式對(duì)小麥產(chǎn)量的影響因區(qū)域的生態(tài)條件、耕作處理的時(shí)長等不同而得到不一致的結(jié)論. 有研究表明[46]，與傳統(tǒng)耕作方式相比，采用少免耕耕作技術(shù)可使小麥畝產(chǎn)量增加10.27%. 李福建等[47]研究也表明，針對(duì)小麥兩年度田間試驗(yàn)均以免耕產(chǎn)量最高，比耕翻分別增產(chǎn)25.4% 和15.2%，這與本研究結(jié)果相似. 但閆秋艷等[48]的研究表明，深松和深翻比免耕均能提高小麥產(chǎn)量. 徐永剛等[49]的研究表明，深耕措施能顯著提高玉米籽實(shí)和秸稈產(chǎn)量. 胡樹平等[50]的研究表明，向日葵產(chǎn)量按照淺旋15 cm、深松30 cm、深松45 cm的順序呈現(xiàn)遞增的趨勢，這與本研究結(jié)果相似. 由于本研究各耕作處理采用同種耕作方式連續(xù)10年模擬，通常田間耕作試驗(yàn)周期較短，致使模型模擬出的結(jié)果可能會(huì)與實(shí)際監(jiān)測試驗(yàn)結(jié)果有所差別. 秦紅靈等[51]的研究表明，2年免耕后進(jìn)行深松處理可平均增產(chǎn)18.29%，這表明常年使用同種耕作方式不利于作物生長. 因此，在今后的研究中，需對(duì)模型模擬的每一年結(jié)果進(jìn)行具體對(duì)比分析，同時(shí)可對(duì)轉(zhuǎn)變耕作方式對(duì)養(yǎng)分與作物的影響進(jìn)一步深入研究.

3.5 實(shí)施農(nóng)業(yè)管理措施對(duì)烏梁素海污染物負(fù)荷影響的機(jī)制分析

本文研究中，通過對(duì)烏梁素海流域農(nóng)田實(shí)施削減灌水量、減少施肥量和優(yōu)化耕作方式，有效減少了排水溝內(nèi)農(nóng)田排退水的硝態(tài)氮和總磷負(fù)荷量，一定程度降低了營養(yǎng)物向?yàn)趿核睾５娜牒?fù)荷量. 本研究通過改進(jìn)了烏梁素海流域SWAT模型土壤水平衡和地下水平衡模塊，將流域內(nèi)的農(nóng)田土壤-地下水-排水溝-烏梁素海形成一個(gè)整體. 施入農(nóng)田中的肥料隨灌入農(nóng)田土壤中的水量經(jīng)土壤剖面滲濾到淺層地下水中，隨著地下水位的上升，高出各級(jí)排水溝最低點(diǎn)的地下水量流入排水溝，溶于淺層地下水中的營養(yǎng)鹽也隨之流入排水溝，導(dǎo)致灌區(qū)農(nóng)業(yè)面源污染的加劇[1]. SWAT模型對(duì)流入排水溝中的營養(yǎng)物質(zhì)進(jìn)行模擬并演算通過排水溝流入烏梁素海的營養(yǎng)物總負(fù)荷. 烏梁素海水體富營養(yǎng)化的產(chǎn)生，反過來對(duì)調(diào)節(jié)區(qū)域氣候、水熱平衡及支撐區(qū)域經(jīng)濟(jì)發(fā)展產(chǎn)生嚴(yán)重的制約[52]. 因此，為維持并推動(dòng)烏梁素海的水質(zhì)狀況向良性發(fā)展，在流域內(nèi)實(shí)施一系列有效的農(nóng)業(yè)管理措施具有重要意義.

4 結(jié)論

1)本文利用改進(jìn)的SWAT模型構(gòu)建烏梁素海流域分布式水文模型，并利用流域總出水口實(shí)測徑流、硝態(tài)氮和總磷排放量、地下水埋深及作物產(chǎn)量校正及驗(yàn)證模型，結(jié)果顯示，改進(jìn)SWAT模型能夠有效模擬流域排水量、硝態(tài)氮和總磷負(fù)荷量、地下水埋深動(dòng)態(tài)以及作物產(chǎn)量，可用于營養(yǎng)物負(fù)荷與作物產(chǎn)量的模擬.

2)探究了削減作物不同灌期5%和10%灌水量對(duì)營養(yǎng)物負(fù)荷和作物產(chǎn)量的影響. 不同作物削減10%秋澆水量均能夠最大幅度顯著降低硝態(tài)氮、總磷負(fù)荷量，且對(duì)產(chǎn)量無顯著影響. 不同作物削減5%夏灌水量可最大幅度增加作物產(chǎn)量，而削減10%夏灌水量則對(duì)作物產(chǎn)量影響較大，減產(chǎn)8.2%～16.85%.

3)探究了削減作物不同施肥比例對(duì)營養(yǎng)物負(fù)荷和作物產(chǎn)量的影響. 不同作物營養(yǎng)物負(fù)荷量均隨著氮磷施肥削減比例的增大呈現(xiàn)逐漸降低的趨勢，且下降曲線逐漸趨于平緩. 各作物產(chǎn)量均隨著氮磷施肥削減比例的增大呈現(xiàn)先增后減的趨勢. 其中，玉米和小麥減產(chǎn)的施肥削減比例節(jié)點(diǎn)為20%，葵花減產(chǎn)的施肥削減比例節(jié)點(diǎn)為25%.

4)改變作物耕作方式對(duì)營養(yǎng)物負(fù)荷和作物產(chǎn)量的影響顯示，不同作物營養(yǎng)物負(fù)荷均隨著耕作方式混合深度與混合效率參數(shù)的增大逐漸減小. 玉米、葵花產(chǎn)量隨耕作混合深度與混合效率參數(shù)的增大而增加，小麥產(chǎn)量隨耕作參數(shù)的增大而減小.

5)探究了經(jīng)濟(jì)與環(huán)境效益雙贏的最優(yōu)管理措施組合. 削減5%夏灌水量+削減20%氮磷施肥比例+模板犁耕作組合對(duì)玉米種植效益最好. 削減10%秋澆水量+削減25%氮磷施肥比例+模板犁耕作組合對(duì)葵花種植效益最好. 削減5%夏灌水量+削減20%氮磷施肥比例+免耕組合小麥產(chǎn)量增幅最大達(dá)29.1%；削減5%秋澆水量+削減20%氮磷施肥比例+常規(guī)春耕組合小麥減污幅度最大顯著減少了27.2%的硝態(tài)氮負(fù)荷和18.5%的總磷負(fù)荷.