干旱區(qū)不同水氮梯度滴灌冬小麥干物質(zhì)積累動(dòng)態(tài)特征及產(chǎn)量效應(yīng)

張 旭，李 莎，蔡 煜，馬 亮

(新疆農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，新疆 烏魯木齊 830052)

【研究意義】光合作用最終產(chǎn)物是干物質(zhì)，而干物質(zhì)的積累、分配和運(yùn)轉(zhuǎn)是生物產(chǎn)量形成的基礎(chǔ)[1]。水、肥是影響作物干物質(zhì)積累(DMA)的兩大關(guān)鍵因素[2]，由于水分虧缺造成小麥減產(chǎn)所導(dǎo)致的損失可能超過(guò)其它因素導(dǎo)致減產(chǎn)所造成的損失總和[3]。氮素主要通過(guò)影響群體葉面積指數(shù)(LAI)和光能轉(zhuǎn)運(yùn)效率來(lái)影響DMA過(guò)程[4]。同時(shí)，施氮又對(duì)小麥冠層形態(tài)結(jié)構(gòu)有顯著影響，尤其是產(chǎn)量較高的水平下。水肥協(xié)調(diào)供應(yīng)對(duì)DMA動(dòng)態(tài)積累過(guò)程和最終產(chǎn)量的提高意義重大?！厩叭搜芯窟M(jìn)展】用于作物DMA模型的研究前人在不斷探索和進(jìn)步的。Goudriaan等[5]提出的Expolianear模型，用來(lái)描述DMA積累動(dòng)態(tài)，但其只適用于作物生長(zhǎng)早期到開(kāi)花期，有一定局限性。Royo等[6]運(yùn)用不對(duì)稱的Logistic單峰曲線，擬合黑小麥DMA積累動(dòng)態(tài)，模型擬合效果較好。王信理[7]研究表明Logistic模型可以很好的模擬DMA的動(dòng)態(tài)過(guò)程，秦舒浩等[8]、肖強(qiáng)等[9]分別用Logistic模型模擬冬小麥、夏玉米DMA積累過(guò)程，得出一系列具有生物學(xué)意義的特征參數(shù)，并對(duì)其進(jìn)行定量分析。但有學(xué)者指出Logistic模型可塑性較差，且朱慶森等[10]研究發(fā)現(xiàn)Logistic模型參數(shù)的生物學(xué)解釋方面存在困難，認(rèn)為Richards模型最適應(yīng)作物的生長(zhǎng)分析。Yang等[11]]通過(guò)研究證明Richards模型擬合“S”型生長(zhǎng)曲線更為適合。李向嶺等[12]、李艷大等[13]分別用Richards模型描述了玉米、水稻的DMA的動(dòng)態(tài)過(guò)程，并對(duì)模型特征參數(shù)進(jìn)行了定量分析。但類似研究在冬小麥上卻鮮見(jiàn)應(yīng)用。冬小麥DMA呈慢-快-慢的“S”型變化，不同水、氮組合會(huì)影響“S”型曲線的方程參數(shù)。Richards模型在分析動(dòng)植物生長(zhǎng)發(fā)育過(guò)程中運(yùn)用極為廣泛，可以高精度擬合生物性狀生長(zhǎng)過(guò)程中隨時(shí)間(T)、積溫(GDDi)、相對(duì)積溫(RGDDi)的動(dòng)態(tài)變化，對(duì)DMA在不同生育期的生長(zhǎng)情況進(jìn)一步研究與分析，從而更全面的了解DMA在不同生育期的生長(zhǎng)差異。阿克蘇地處新疆南部，氣候干旱，水資源短缺，存在灌水技術(shù)落后，水氮利用效率低等問(wèn)題，運(yùn)用Richards模型擬合該地不同水氮梯度對(duì)冬小麥干物質(zhì)積累過(guò)程以及模型特征參數(shù)對(duì)產(chǎn)量的影響尚未見(jiàn)報(bào)道?！颈狙芯壳腥朦c(diǎn)】鑒于此，本研究通過(guò)在阿克蘇地區(qū)紅旗坡農(nóng)場(chǎng)27個(gè)無(wú)底測(cè)坑中進(jìn)行不同灌水、施氮水平的田間試驗(yàn)，根據(jù)作物蒸散量(ETC)進(jìn)行補(bǔ)充灌水，將冬小麥全生育期有效積溫進(jìn)行“歸一化[14]”處理，運(yùn)用Richards模型擬合DMA和相對(duì)積溫(RGDDi)的關(guān)系，并對(duì)DMA特征參數(shù)進(jìn)行定量分析，探究特征參數(shù)對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素的影響機(jī)制。【擬解決的關(guān)鍵問(wèn)題】以確定該研究區(qū)最優(yōu)灌水、施氮組合，為當(dāng)?shù)囟←溕L(zhǎng)預(yù)測(cè)和高產(chǎn)栽培提供科學(xué)依據(jù)。

1 材料與方法

1.1 試驗(yàn)區(qū)概況及試驗(yàn)設(shè)計(jì)

試驗(yàn)于2017年10月13日至2018年6月25日在新疆阿克蘇地區(qū)紅旗坡農(nóng)場(chǎng)新疆農(nóng)業(yè)大學(xué)特色林果實(shí)驗(yàn)基地進(jìn)行(80°14′E，41°16′N，海拔1133 m)。該試驗(yàn)地位于天山中段的托木爾峰南麓，塔里木盆地北緣，氣候類型為典型的溫帶大陸性氣候，多年平均太陽(yáng)總輻射量544.115～590.156 kJ/cm2，多年平均年日照時(shí)數(shù)2855～2967 h，無(wú)霜期達(dá)205～219 d，多年平均降水量42.4～94.4 mm，多年平均氣溫11.2 ℃，年有效積溫為3950 ℃，地下水埋深10 m以上，試驗(yàn)區(qū)土壤質(zhì)地為壤土，其性質(zhì)見(jiàn)表1。

供試冬小麥品種為新冬22號(hào)，采用人工點(diǎn)播的方式種植，行間距0.2 m，播量為300 kg/hm2。灌水方式為淺埋滴灌，滴灌帶埋深0.05 m，一管四行，滴頭流量為0.8 L/h，滴頭間距0.2 m。冬小麥種植在長(zhǎng)(2.2 m)×寬(3 m)×深(2 m)的無(wú)底測(cè)坑內(nèi)。試驗(yàn)設(shè)置3個(gè)灌水梯度和3個(gè)氮肥梯度處理，其中灌水處理于拔節(jié)期開(kāi)始采取定周期灌水，3個(gè)灌水梯度分別為80 %ETC、100 %ETC、120 %ETC，灌水周期均為7 d，于5月底停止灌水；3個(gè)施氮梯度分別為：N1不施氮，N2施純氮207 kg/hm2，N3施純氮276 kg/hm2。本試驗(yàn)不設(shè)低水高肥處理，即I1N3，其余處理為完全組合。按阿克蘇地區(qū)栽培模式，設(shè)置傳統(tǒng)管理(水氮情況)為對(duì)照組(CK)，即自拔節(jié)期開(kāi)始灌水定額分別為1050、975、900、600 m3/hm2，隔15 d灌1次，灌水方式為漫灌，施純氮207 kg/hm2。試驗(yàn)共9個(gè)處理，每個(gè)處理3次重復(fù)。所有處理氮肥基追比均為1∶1，基肥播種前一次性施入土壤，追肥在小麥返青期、拔節(jié)期和孕穗期按2∶2∶1的比例隨水滴施。其他肥料同當(dāng)?shù)馗弋a(chǎn)田，即五氧化二磷195 kg/hm2、硫酸鉀鎂肥105 kg/hm2作為基肥播種前和氮肥一起一次性施入，各處理相同。試驗(yàn)處理開(kāi)始前，冬小麥分別進(jìn)行了冬灌和春灌，灌水量均為900 m3/hm2。冬小麥全生育期防治病蟲(chóng)害、除草等農(nóng)藝措施均按當(dāng)?shù)馗弋a(chǎn)田進(jìn)行。

表1 試驗(yàn)地初始土壤性質(zhì)

圖1 2017-2018年冬小麥全生育期ET0和降雨Fig.1 ET0 and rainfall during the whole growth period of winter wheat in 2017-2018

ETC為冬小麥蒸發(fā)蒸騰量，每次灌水的ETC根據(jù)前一個(gè)周期的ET0來(lái)計(jì)算，計(jì)算公式為：

ETC=KC×ET0

(1)

式中，ET0為根據(jù)試驗(yàn)地氣象站測(cè)得的氣象數(shù)據(jù)經(jīng)由FAOPenman-Monteith公式計(jì)算得出，Kc值通過(guò)查詢FAO-56推薦的冬小麥單作物系數(shù)Kc表和《冬小麥、夏玉米蒸發(fā)蒸騰及作物系數(shù)的研究》[15]一文(取98～10年13年平均數(shù)據(jù))，采用返青～拔節(jié)Kc為0.85，拔節(jié)～抽穗Kc為1.02，抽穗～灌漿Kc為1.16，灌漿～收獲Kc為0.74。冬小麥全生育期ET0和降雨見(jiàn)圖1。

1.2 測(cè)定項(xiàng)目和方法

在冬小麥返青期、拔節(jié)期、孕穗期、抽穗揚(yáng)花期、灌漿期、成熟期，每個(gè)測(cè)坑取0.1 m2冬小麥測(cè)定地上部生物量，在105 ℃下殺青30 min，80 ℃下烘干至恒重。

在完熟期每個(gè)測(cè)坑隨機(jī)選取1 m2冬小麥數(shù)其有效穗數(shù)，并選20株有代表性的小麥脫粒，數(shù)籽粒數(shù)。每個(gè)測(cè)坑隨機(jī)選1000粒小麥稱重測(cè)其千粒重。

試驗(yàn)地設(shè)有HOBO自動(dòng)監(jiān)測(cè)氣象站，可測(cè)得冬小麥全生育期內(nèi)的溫度、太陽(yáng)輻射、降雨、相對(duì)濕度、風(fēng)向、風(fēng)速、降雨、大氣壓強(qiáng)等氣象因子，氣象數(shù)據(jù)均是實(shí)時(shí)記錄，記錄時(shí)間間隔設(shè)置為30 min。

根據(jù)試驗(yàn)地自動(dòng)氣象站測(cè)得的逐日氣象數(shù)據(jù)計(jì)算每次采樣時(shí)的有效積溫，公式如下：

(2)

式中：i為冬小麥播種后的天數(shù)；Tmaxk和Tmink分別為日最高氣溫和日最低氣溫；Tb為允許冬小麥生長(zhǎng)的最低溫度。Porter和Gawith[16]在研究中指出允許作物生長(zhǎng)的最低溫度在0～5 ℃之間變化，本試驗(yàn)根據(jù)Wang等[17]和Johnen等[18]研究成果將Tb設(shè)為0 ℃。

將有效積溫(GDDi)進(jìn)行歸一化處理得到相對(duì)有效積溫(RGDDi)，公式如下：

(3)

式中：RGDDi為第i天的相對(duì)有效積溫；GDDi為第i天的有效積溫；GDDm為收獲時(shí)的有效積溫；RGDDi取值范圍為0～1。

1.3 Richards模型及有效性檢驗(yàn)

1.3.1 Richards模型及特征參數(shù) Richards模型是一個(gè)非線性方程，包含A、b、c、N4個(gè)參數(shù)，為一系列S型曲線。本研究以DMA為因變量，RGDDi為自變量，方程如下：

(4)

式中，A為DMA上限，b為初值參數(shù)，c為生長(zhǎng)速率參數(shù)N為形狀參數(shù)(當(dāng)N為1時(shí)為L(zhǎng)ogistic模型)，對(duì)方程(4)求一階導(dǎo)數(shù)得DMA積累速率(即單位時(shí)間生長(zhǎng)量)，求導(dǎo)如下：

(5)

對(duì)(4)求二階導(dǎo)數(shù)，可得VDMA隨相對(duì)積溫x變化而變化的速率方程，令Y的二階導(dǎo)數(shù)等于零可求得DMA最大速率時(shí)的xmax：

(6)

式中：xmax是方程(4)拐點(diǎn)的橫坐標(biāo)值，將(6)式帶入(5)式可求得DMA的最大速率：

(7)

將(6)式帶入(4)式可得生長(zhǎng)速率(V)最大時(shí)的干物質(zhì)積累量YVmax，及YVmax所占DMA終值A(chǔ)的百分比I：

(8)

(9)

對(duì)公式(5)在0到A上積分再平均即可得到DMA的平均生長(zhǎng)速率Vavg：

(10)

生長(zhǎng)速率方程V有2個(gè)拐點(diǎn)可劃分DMA累積過(guò)程的前、中、后期，對(duì)方程(4)求三階導(dǎo)數(shù)并令其等于零，可得兩個(gè)拐點(diǎn)在橫坐標(biāo)上的坐標(biāo)值x1、x2：

(11)

(12)

DMA在(0，x1)為漸增期，在[x1，x2]為快增期，在(x2，1)為緩增期。

1.3.2 模型有效性檢驗(yàn) 試驗(yàn)測(cè)得的DMA和RGDD采用Richards模型進(jìn)行擬合，采用相關(guān)系數(shù)(r)、均方根誤差(root mean squared error，RMSE)和標(biāo)準(zhǔn)化的均方根誤差(normalized root mean squared error，nRMSE)檢驗(yàn)?zāi)Ｐ偷挠行?，公式如下?/p>

(13)

(14)

(15)

式中：OBSi為觀測(cè)值，SMi為模型模擬值，n為樣本容量。

相關(guān)系數(shù)越接近于1，RMSE越小，方程擬合效果越好。參考Bannayan等[19]模型的評(píng)估標(biāo)準(zhǔn)為：nRMSE<10 %，模型表現(xiàn)極好，10 %30 %模型表現(xiàn)很差。

1.4 數(shù)據(jù)統(tǒng)計(jì)分析

本研究采用Curve Expert1.4軟件對(duì)DMA和RGDD的關(guān)系進(jìn)行擬合，采用matlab7.0軟件對(duì)Richards模型的特征參數(shù)求解，應(yīng)用多元方差分析(multivariate analysis of variance，MANOVA)方法分析灌水、施氮和灌水×施氮對(duì)DMA動(dòng)態(tài)積累和產(chǎn)量及產(chǎn)量構(gòu)成要素的影響，多重比較應(yīng)用LSD(least significant difference)法，統(tǒng)計(jì)分析過(guò)程采用SPSS20.0軟件完成。

2 結(jié)果與分析

2.1 Richards模型擬合效果評(píng)估

利用Richards模型擬合不同水氮梯度耦合條件下的DMA動(dòng)態(tài)積累過(guò)程，方程各參數(shù)及決定系數(shù)R2見(jiàn)表2。方程決定系數(shù)在0.996～0.999范圍內(nèi)變化，說(shuō)明Richards模型可以很好的表達(dá)冬小麥DMA隨相對(duì)有效積溫的動(dòng)態(tài)變化。由多元方差分析可以看出灌水、施氮以及灌水×施氮對(duì)Richards曲線參數(shù)A、b、c、N均有顯著影響(P<0.01)。

表2 冬小麥DMA動(dòng)態(tài)變化過(guò)程的Richards模型曲線參數(shù)

圖2 冬小麥DMA動(dòng)態(tài)積累的實(shí)測(cè)值與模擬值Fig.2 Observed and simulated values of dry matter accumulation dynamic process of winter wheat

表3 冬小麥DMA動(dòng)態(tài)變化過(guò)程的Richards模型參數(shù)

對(duì)DMA的Richards模型模擬值與實(shí)測(cè)值進(jìn)行了檢驗(yàn)，以處理I1N2、I2N2、I3N1為例說(shuō)明。由圖2可以看出，冬小麥DMA的模擬值與實(shí)測(cè)值非常接近，相關(guān)系數(shù)均在0.99以上，標(biāo)準(zhǔn)化的均方根誤差(nRMSE)分別為8.2 %、7.94 %、7.96 %，模型表現(xiàn)效果極好，說(shuō)明Richards模型可以很好地模擬DMA動(dòng)態(tài)積累過(guò)程，由Richards模型推導(dǎo)出來(lái)的一系列具有生物學(xué)意義的特征參數(shù)可以進(jìn)一步分析不同水氮梯度對(duì)冬小麥DMA動(dòng)態(tài)積累的影響。

2.2 不同水氮梯度對(duì)DMA動(dòng)態(tài)過(guò)程的影響

關(guān)于Richards模型動(dòng)態(tài)特征的MANOVA分析和多重比較結(jié)果見(jiàn)表3。由MANOVA分析結(jié)果可以看出灌水、施氮以及水氮交互作用對(duì)Richards模型的各特征參數(shù)均有顯著影響，表明灌水、施氮以及水氮互作通過(guò)影響冬小麥DMA的最大速率、全生育期的平均速率、達(dá)到最大速率的RGDD及快增期來(lái)影響DMA的動(dòng)態(tài)過(guò)程。

2.2.1 不同灌水水平對(duì)DMA動(dòng)態(tài)影響 不同灌水水平的DMA動(dòng)態(tài)積累過(guò)程見(jiàn)圖3-a，特征參數(shù)見(jiàn)表3。在4個(gè)灌水水平下I2比I1顯著提高了DMA的最大速率和平均速率，隨著滴灌灌水量的增加DMA的最大速率和平均速率受到了抑制，且I1、I2、I3之間差異顯著，表明適當(dāng)?shù)脑黾拥喂喙嗨繒?huì)提高DMA的最大速率和平均速率，當(dāng)灌水量達(dá)到100 %ETC時(shí)繼續(xù)增加滴灌灌水量會(huì)抑制DMA的最大速率和平均速率，I3與CK無(wú)顯著差異表明當(dāng)灌水量達(dá)到120 %ETC時(shí)繼續(xù)增加灌水量對(duì)DMA的最大速率和平均速率影響不顯著。達(dá)到DMA最大速率時(shí)的RGDD隨著滴灌灌水量的增加先減小后增加，I2水平下最低，因此當(dāng)灌水量為100 %ETC時(shí)冬小麥最先達(dá)到DMA的最大速率，生育期較其它灌水水平提前，表明通過(guò)灌水量來(lái)調(diào)節(jié)DMA的最大速率、平均速率和達(dá)到最大速率的相對(duì)積溫進(jìn)而影響DMA動(dòng)態(tài)過(guò)程。

圖3 不同灌水、施氮水平下DMA的生長(zhǎng)變化曲線Fig.3 Growth curve of DMA under different irrigation and nitrogen application levels

在不同的灌水水平下I2的x1、x2值最小分別為0.452、0.681，說(shuō)明快增期的起、止時(shí)間最早，其余各灌水水平都不同程度的推遲快增期的起、止時(shí)間，因此適度增加灌水量可使快增期的起、止時(shí)間提前，過(guò)度灌水會(huì)對(duì)其起到延遲的作用?！鱴為x2與x1的差值，表示快增期所持續(xù)的RGDD，△x越大表明快增期所需有效積溫越大，持續(xù)時(shí)間越長(zhǎng)。由表3知隨著灌水量逐漸增加快增期持續(xù)時(shí)間延長(zhǎng)，DMA量增加，在I2水平持續(xù)時(shí)間最長(zhǎng)為27 d，比I1、I3、CK分別多8、4、6 d，繼續(xù)增加灌水量會(huì)縮短其持續(xù)時(shí)間。

2.2.2 不同施氮水平對(duì)DMA動(dòng)態(tài)影響 不同施氮水平下DMA的動(dòng)態(tài)過(guò)程見(jiàn)圖3-b，各特征參數(shù)見(jiàn)表3。在3個(gè)施氮水平下，N2比N1顯著提高了DMA的最大速率和平均速率，隨著施氮量繼續(xù)增加DMA的最大速率、平均速率顯著降低，因此適當(dāng)增加氮肥有利于增加DMA的最大速率和平均速率，過(guò)度施氮對(duì)其產(chǎn)生抑制作用，且不同施氮水平對(duì)DMA的最大速率和平均速率影響顯著。由達(dá)到DMA最大速率時(shí)RGDD可以看出當(dāng)施氮量從0～207 kg/hm2時(shí)xmax在逐漸減小，有效積溫由1339.50 ℃到1163.09 ℃，隨著施氮量的增加達(dá)到DMA的最大速率的時(shí)間越早；施氮量從207～276 kg/hm2時(shí)xmax在逐漸增加，有效積溫由1163.09 ℃增加到1292.32 ℃，隨著施氮量的增加將會(huì)出現(xiàn)DMA最大速率時(shí)間延遲的現(xiàn)象。

由不施氮水平到施氮276 kg/hm2時(shí)，x1、x2數(shù)值呈現(xiàn)先減小后增大的單峰變化趨勢(shì)，即快增期的起、止時(shí)間先提前后推遲，當(dāng)施氮量從N1到N2快增期的起、止時(shí)間提前，繼續(xù)增加到N3會(huì)延遲其起、止時(shí)間，當(dāng)施氮量為207 kg/hm2時(shí)冬小麥快增期起、止時(shí)間最早，此時(shí)冬小麥最早完成DMA和籽粒灌漿，生育期提前，有利于復(fù)播玉米搶時(shí)播種，對(duì)冬小麥復(fù)播玉米全年產(chǎn)量均有重要影響。而不施氮或過(guò)度施氮都不同程度的推遲了快增期的起、止時(shí)間，使得生育期延后，尤其是過(guò)度施氮使得冬小麥在成熟期出現(xiàn)貪青現(xiàn)象，對(duì)產(chǎn)量和復(fù)播玉米的物候期都有不利影響。△x變化見(jiàn)表3，在不施氮到施氮量為207 kg/hm2時(shí)快增期持續(xù)時(shí)間增長(zhǎng)約4 d，施氮量從207 kg/hm2增加到276 kg/hm2時(shí)快增期持續(xù)時(shí)間縮短約1 d，當(dāng)施氮量207 kg/hm2時(shí)快增期持續(xù)時(shí)間最長(zhǎng)為27 d，有利于最終DMA量增加。

2.3 不同灌水、施氮水平對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素的影響

不同灌水、施氮水平影響DMA的動(dòng)態(tài)過(guò)程，必然會(huì)對(duì)后期產(chǎn)量產(chǎn)生影響。灌水、施氮水平對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素的影響及MANOVA分析見(jiàn)表4。灌水對(duì)每穗粒數(shù)、有效穗數(shù)和產(chǎn)量有極顯著影響(P<0.01)，對(duì)千粒重有顯著影響(P<0.05)，施氮對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素都有極顯著影響(P<0.01)，水氮交互作用對(duì)有效穗數(shù)、千粒重、產(chǎn)量有極顯著影響(P<0.01)，但對(duì)每穗粒數(shù)無(wú)顯著影響(P>0.05)。在不同灌水水平下每穗粒數(shù)、千粒重和產(chǎn)量隨著灌水量的增加呈現(xiàn)先增大后減小的趨勢(shì)，在灌水量為100 %ETC時(shí)達(dá)到最大，此時(shí)產(chǎn)量為12.447 t/hm2，比當(dāng)?shù)毓喔饶Ｊ?大水漫灌)高出35.23 %，可以看出無(wú)論是水分虧缺還是過(guò)分盈余都不利于最終產(chǎn)量的形成。而產(chǎn)量的構(gòu)成要素之一有效穗數(shù)在滴灌情況下隨灌水量的增大而增大，在120 %ETC達(dá)到最大。滴灌條件下不同灌水水平對(duì)最終產(chǎn)量的影響差異顯著，而水分虧缺和大水漫灌差異不顯著，這是因?yàn)榈喂鄺l件下水分利用效率較高，不同灌水水平對(duì)最終產(chǎn)量產(chǎn)生顯著影響；大水漫灌周期較長(zhǎng)且當(dāng)?shù)卣舭l(fā)強(qiáng)烈，雖然全生育期充分灌溉但灌水間隔較長(zhǎng)，在灌水前易造成水分虧缺，與滴灌條件下I1水平對(duì)最終產(chǎn)量無(wú)顯著差異?？梢?jiàn)當(dāng)?shù)胤N植模式(大水漫灌)對(duì)于南疆極端干旱地區(qū)不僅造成水分無(wú)端浪費(fèi)而且產(chǎn)量低下，因此建議當(dāng)?shù)夭捎肐2水平的滴灌灌溉模式。

表4 不同水、氮水平對(duì)冬小麥產(chǎn)量及產(chǎn)量構(gòu)成要素的方差分析

表5 產(chǎn)量和Richards模型特征參數(shù)的Pearson相關(guān)

氮肥對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素有重要影響，由不施氮到施氮207 kg/hm2產(chǎn)量有了顯著提高，但繼續(xù)增加施氮到276 kg/hm2產(chǎn)量顯著降低，可以看出適量增加施氮有著明顯的增產(chǎn)效用，但過(guò)度施氮對(duì)產(chǎn)量起到抑制作用。施氮在N1、N2、N3水平下對(duì)產(chǎn)量有顯著差異。每穗粒數(shù)、有效穗數(shù)和千粒重在N2、N3水平下無(wú)顯著差異，N1與N2、N3差異顯著，可以看出不施氮和施氮對(duì)產(chǎn)量構(gòu)成要素有顯著影響，N2、N3施氮水平下對(duì)產(chǎn)量構(gòu)成要素?zé)o顯著影響。因此施氮量為207 kg/hm2已經(jīng)達(dá)到高產(chǎn)高效的水平，繼續(xù)增施氮肥對(duì)產(chǎn)量構(gòu)成要素?zé)o顯著影響且對(duì)最終產(chǎn)量起到了抑制作用，因此最佳施氮水平為N2。

2.4 Richards模型特征參數(shù)和產(chǎn)量的關(guān)系

由表5可以看出，產(chǎn)量及產(chǎn)量構(gòu)成要素與DMA的平均速度、最大速度在0.01水平上呈顯著正相關(guān)，與進(jìn)入快增期的RGDD在0.01水平上呈顯著負(fù)相關(guān)，產(chǎn)量及產(chǎn)量構(gòu)成要素之間呈顯著相關(guān)關(guān)系，表明產(chǎn)量很大程度上取決于千粒重、有效穗數(shù)、每穗粒數(shù)。不同灌水、施氮水平通過(guò)影響DMA的平均速率、最大速率以及進(jìn)入快增期的RGDD來(lái)影響冬小麥的千粒重、有效穗數(shù)、每穗粒數(shù)從而影響最終產(chǎn)量。表明灌水和施氮均為該研究地區(qū)冬小麥產(chǎn)量提高的限制因素。

3 討 論

3.1 灌水對(duì)DMA動(dòng)態(tài)積累和產(chǎn)量的影響

DMA是冬小麥穩(wěn)產(chǎn)高產(chǎn)的基礎(chǔ)，灌水、施氮是限制DMA和產(chǎn)量的主要影響因子。大量研究表明灌水能緩解葉片衰老過(guò)程中質(zhì)膜的氧化作用，使葉片中的過(guò)氧化氫酶含量和超氧化物歧化酶增加[20]，延長(zhǎng)DMA快增期的時(shí)間，提高干物質(zhì)積累和分配的效率，改變DMA的動(dòng)態(tài)過(guò)程，最終增加產(chǎn)量[21]，本研究也證實(shí)了這一點(diǎn)。趙姣等[22]和Villegas等[23]研究認(rèn)為灌水能顯著縮短達(dá)到DMA最大速率和進(jìn)入快增期的時(shí)間，這與本研究結(jié)果一致。宋明丹等[24]認(rèn)為灌水對(duì)DMA的最大速率、平均速率以及達(dá)到最大速率和進(jìn)入快增期的時(shí)間影響不顯著，而本研究認(rèn)為灌水對(duì)其影響顯著，這主要是由于降雨量的差異造成的。Shimshi[25]研究表明當(dāng)降水量超過(guò)200 mm時(shí)，限制小麥生長(zhǎng)主要因素為氮素的供應(yīng)，宋明丹試驗(yàn)地在關(guān)中平原，且試驗(yàn)?zāi)攴萁邓^多，均屬豐水年型，因此抵消了灌水對(duì)冬小麥DMA的作用，而本研究試驗(yàn)地在極端干旱的南疆地區(qū)，多年平均年蒸發(fā)量高達(dá)1632 mm，年降水量?jī)H為63 mm，灌水是冬小麥生長(zhǎng)的首要制約因素，因此在本研究中灌水對(duì)DMA的動(dòng)態(tài)過(guò)程影響顯著。譚念童等[26]認(rèn)為限量灌溉對(duì)干旱區(qū)小麥產(chǎn)量及其構(gòu)成要素均有提高，對(duì)干旱區(qū)小麥進(jìn)行補(bǔ)充灌水，公頃穗數(shù)會(huì)隨灌水量的增加而顯著增加。這與本研究成果一致，本研究還認(rèn)為灌水不僅對(duì)有效穗數(shù)有顯著影響，對(duì)產(chǎn)量及其他構(gòu)成要素也影響顯著。

3.2 施氮對(duì)DMA和產(chǎn)量的影響

合理施氮會(huì)增產(chǎn)增效，減少環(huán)境危害。李國(guó)強(qiáng)等[27]研究表明適量施氮提高了DMA的平均速率、最大速率，縮短了到達(dá)最大速率的時(shí)間，過(guò)度施氮會(huì)對(duì)其產(chǎn)生抑制作用，這與本研究結(jié)果一致。趙姣等[22]研究認(rèn)為總施氮量對(duì)DMA速率、達(dá)到最大速率的時(shí)間和拐點(diǎn)坐標(biāo)相關(guān)性不大，究其原因可能是土壤初始肥力較高或施氮的水平設(shè)置較高導(dǎo)致，本研究中施氮對(duì)DMA的動(dòng)態(tài)過(guò)程有顯著影響，且對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素也有顯著影響。本研究結(jié)果顯示適量增加施氮量有利于提高產(chǎn)量，過(guò)度施氮對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素起到抑制作用，這與師日鵬等[28]、郭明明等[29]和陳金等[30]研究結(jié)果一致。

3.3 水氮交互作用對(duì)DMA和產(chǎn)量的影響

水肥互作已經(jīng)成為一個(gè)共識(shí)，灌水的效應(yīng)與農(nóng)田底墑和生育期降水有關(guān)，底墑足、降水量大，補(bǔ)充灌水的效應(yīng)就會(huì)減弱，施氮的效應(yīng)主要受土壤基礎(chǔ)地力的影響，土壤地力越強(qiáng)，施氮效應(yīng)越弱，水肥互作效應(yīng)是否顯著則受很多因素的影響。王丹等[31]采用因子項(xiàng)和互作項(xiàng)做逐步回歸分析，表明水氮交互作用在回歸模型中影響顯著。宋明丹等[24]采用多元方差分析表明水氮互作對(duì)DMA和產(chǎn)量及產(chǎn)量構(gòu)成要素沒(méi)有顯著影響，而本研究與其研究結(jié)果相反。分析原因：宋明丹等采用的灌水、施肥方案與本研究的試驗(yàn)方案差異較大，且試驗(yàn)?zāi)杲邓渥恪６狙芯砍斯嘣蕉?、返青水外從拔?jié)期開(kāi)始定周期補(bǔ)充灌水，灌水方式為滴灌，分多次追肥皆隨水滴施，實(shí)現(xiàn)水氮一體化，且試驗(yàn)地極端干旱。因此，隨水施肥有利于提高速效肥的利用率，對(duì)DMA動(dòng)態(tài)積累和最終產(chǎn)量有顯著影響。

4 結(jié) 論

本研究通過(guò)在極端干旱的南疆阿克蘇地區(qū)紅旗坡農(nóng)場(chǎng)冬小麥的水氮一體化試驗(yàn)探究了不同灌水、施氮水平對(duì)冬小麥DMA動(dòng)態(tài)積累過(guò)程和產(chǎn)量效應(yīng)。

(1)Richards模型可以較為準(zhǔn)確的模擬冬小麥DMA的動(dòng)態(tài)過(guò)程。

(2)當(dāng)灌水定額處于80 %ETC～100 %ETC，施氮量處于0～207 kg/hm2范圍時(shí)，DMA的平均速率、最大速率、快增期的持續(xù)時(shí)間、產(chǎn)量及其構(gòu)成要素均隨著灌水和施氮的增加而增大；當(dāng)灌水定額繼續(xù)增加至120 %ETC、施氮量繼續(xù)增加至276 kg/hm2時(shí)對(duì)Richards模型的特征參數(shù)起到抑制作用。灌水、施氮以及水氮交互作用對(duì)Richards模型的方程參數(shù)和特征參數(shù)影響顯著。得出該研究區(qū)最佳水氮組合為：灌水定額100 %ETC、施氮量為207 kg/hm2。

(3)DMA動(dòng)態(tài)過(guò)程中的平均速率、最大速率對(duì)產(chǎn)量及產(chǎn)量構(gòu)成要素呈顯著正相關(guān)，進(jìn)入快增期的RGDD與產(chǎn)量及產(chǎn)量構(gòu)成要素呈顯著負(fù)相關(guān)，表明灌水、施氮是該研究區(qū)冬小麥產(chǎn)量增加的限制因素。