基于激光吸收光譜技術(shù)的太湖流域稻田氨揮發(fā)研究①

闕華禮，楊文亮，王書偉，丁世杰,2，邵玲玲，朱安寧*

基于激光吸收光譜技術(shù)的太湖流域稻田氨揮發(fā)研究①

闕華禮1,2,3，楊文亮1，王書偉1，丁世杰1,2，邵玲玲1，朱安寧1*

(1土壤與農(nóng)業(yè)可持續(xù)發(fā)展國家重點(diǎn)實(shí)驗(yàn)室/封丘農(nóng)業(yè)生態(tài)實(shí)驗(yàn)站(中國科學(xué)院南京土壤研究所)，南京 210008；2中國科學(xué)院大學(xué)，北京 100049；3銅陵市環(huán)境保護(hù)科學(xué)研究所，安徽銅陵 244000)

氨揮發(fā)是太湖流域農(nóng)田氮肥損失的重要途徑之一。本試驗(yàn)采用高時(shí)間分辨率的TDLAS-BLS技術(shù)研究太湖流域稻田追肥期氨揮發(fā)規(guī)律及其影響因素。結(jié)果表明：追肥后稻田上方空氣中氨濃度白天明顯大于夜間，而且瞬時(shí)波動(dòng)較大。稻田氨揮發(fā)速率呈現(xiàn)先上升后下降的趨勢，峰值出現(xiàn)在施肥后的2 ~ 3 d，且氨揮發(fā)僅持續(xù)1周左右。分蘗期氨揮發(fā)速率和損失率均大于抽穗期，兩個(gè)時(shí)期氨揮發(fā)損失率分別為36.6%、23.0%。氨揮發(fā)集中在較短時(shí)間內(nèi)，分蘗期、抽穗期施肥后前4 d的累積氨揮發(fā)量分別占總氨揮發(fā)損失的80%、84%。分蘗期風(fēng)速、光照、氣溫對稻田氨揮發(fā)均具有明顯的促進(jìn)作用，其中光照的作用更為顯著；抽穗期風(fēng)速和氣溫對氨揮發(fā)的影響較低。降雨對氨揮發(fā)具有強(qiáng)烈的抑制作用，降雨期間是影響氨揮發(fā)產(chǎn)生的主要因素。

激光吸收光譜；反向拉格朗日隨機(jī)擴(kuò)散模型；氨揮發(fā)；稻田；影響因素

氨揮發(fā)是農(nóng)田氮素的重要損失途徑，也是我國大氣中氨氣的主要來源。據(jù)估算，2010年我國農(nóng)田施肥引起的氨揮發(fā)損失達(dá)448萬t，約占全國氮肥使用總量的15%[1]。氨氣作為空氣中重要的活性氮組分，與SO2、NO等反應(yīng)生成各種大氣氣溶膠細(xì)粒子，這些氣溶膠粒子是構(gòu)成大氣環(huán)境中細(xì)顆粒污染物的主要組成部分。研究發(fā)現(xiàn)氨氣的排放量比SO2和NO的排放量與PM2.5濃度的時(shí)空變化具有更強(qiáng)的相關(guān)性[2]，對我國城市PM2.5年均濃度貢獻(xiàn)率高達(dá)29.8%[3]。

太湖流域是我國重要的糧食生產(chǎn)基地，流域內(nèi)水田面積約占總耕地面積的80% 以上[4]，糧食高產(chǎn)長期依賴于高化肥投入。王海等[5]調(diào)查發(fā)現(xiàn)該地區(qū)43.3% 的區(qū)域水稻季施氮量介于270 ~ 360 kg/hm2，遠(yuǎn)高于本地區(qū)維持水稻高產(chǎn)的氮肥適宜施肥量210kg/hm2。高氮肥投入勢必給農(nóng)業(yè)生產(chǎn)及生態(tài)環(huán)境帶來負(fù)面效應(yīng)。于飛和施衛(wèi)明[6]總結(jié)我國近10年來主要糧食作物氮肥利用率時(shí)發(fā)現(xiàn)過量施肥會(huì)導(dǎo)致水稻氮肥利用率下降。太湖流域也是我國農(nóng)田氨揮發(fā)損失最嚴(yán)重的區(qū)域之一。宋勇生等[7]研究發(fā)現(xiàn)太湖地區(qū)稻田氨揮發(fā)約占施肥量的29.9%。Zhang等[8]研究表明我國施肥引起的氨揮發(fā)主要集中在華北平原和太湖地區(qū)，其中江蘇省農(nóng)田氨揮發(fā)約占全國的8.5%。此外，2010年入湖污染物調(diào)查數(shù)據(jù)表明，該流域農(nóng)業(yè)面源污染對太湖污染物中銨氮貢獻(xiàn)高達(dá)46%[9]。

目前太湖流域農(nóng)田氨揮發(fā)研究主要集中在不同農(nóng)藝措施下的農(nóng)田氨揮發(fā)研究。如He等[10]研究表明生物質(zhì)炭與脲酶抑制劑、硝化抑制劑同時(shí)施用可以減少稻田氨揮發(fā)損失19.8%。Zhao等[11]研究發(fā)現(xiàn)稻田氮肥比常規(guī)施肥量(N，300 kg/hm2)減施25% 時(shí)，可降低氨揮發(fā)損失65%。胡安永等[12]研究表明休閑–水稻輪作下氨揮發(fā)損失顯著高于稻麥輪作和紫云英–水稻輪作。但這些研究所涉及的監(jiān)測方法多以動(dòng)態(tài)箱式法為主，也有部分研究人員采用微氣象法和通氣法等其他方法研究該地區(qū)稻田氨揮發(fā)[7,13]。由于這些方法需要長時(shí)間連續(xù)采集田間氨氣進(jìn)行分析，難以獲取氨揮發(fā)日內(nèi)變化動(dòng)態(tài)。激光吸收光譜技術(shù)目前廣泛用于各種痕量氣體監(jiān)測，其中開放光程可調(diào)諧二極管激光吸收光譜技術(shù)(tunable diode laser absorption spectro-scopy，TDLAS)不需要采樣即可無干擾快速獲取田間空氣中氨濃度數(shù)據(jù)，再結(jié)合反向拉格朗日隨機(jī)擴(kuò)散模型(backward Lagrangian stochastic model，BLS)可準(zhǔn)確估算氨揮發(fā)通量，為精準(zhǔn)研究稻田氨揮發(fā)日內(nèi)變化規(guī)律、總氨揮發(fā)損失及氣象因素對氨揮發(fā)的影響提供了可靠的技術(shù)支撐。本研究擬采用TDLAS-BLS技術(shù)對太湖地區(qū)水稻不同追肥期農(nóng)田氨揮發(fā)進(jìn)行連續(xù)在線監(jiān)測，并同步測定氣溫、風(fēng)速、光照、降雨等氣象參數(shù)和田面水中的NH4+-N、NO– 3-N濃度，以分析稻田氨揮發(fā)日內(nèi)動(dòng)態(tài)變化及氣象因素和田面水性質(zhì)對其的影響。

1 材料與方法

1.1 試驗(yàn)地概況

試驗(yàn)地位于江蘇省常熟市辛莊鎮(zhèn)中國科學(xué)院常熟農(nóng)業(yè)實(shí)驗(yàn)站(31°32′ N，120°41′ E)附近，屬于太湖流域(隸屬長江中下游平原)，為北亞熱帶溫潤季風(fēng)氣候，年平均降水量為1 038 mm，年平均氣溫為15.5 ℃，≥10℃的天數(shù)約為267 d，≥10℃有效積溫在4 933.7 ℃以上，無霜期約為242 d，年均日照時(shí)間為1 800.7 h，年均日照總輻射量4 704.6 MJ/m2。冬小麥–夏水稻一年兩熟制是該地區(qū)主要的作物種植模式。土壤為湖積物上發(fā)育的潛育型水稻土(烏柵土，普通潛育型水耕人為土)，耕作層(0 ~ 20 cm)土壤基本理化性質(zhì)為：黏粒含量330 g/kg，粉粒含量450 g/kg，砂粒含量220 g/kg，有機(jī)質(zhì)含量34.7 g/kg，全氮含量2.03 g/kg，全磷含量0.88 g/kg，全鉀含量18.4 g/kg，堿解氮含量166 mg/kg，有效磷含量9.1 mg/kg，速效鉀含量148 mg/kg，pH(H2O)7.4，陽離子代換量20.2 cmol/kg。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2017年7—8月在實(shí)驗(yàn)站附近水稻田中進(jìn)行。試驗(yàn)地地勢平坦，周圍無明顯干擾風(fēng)場的障礙物。設(shè)置東西長120 m、南北寬40 m的水稻田作為試驗(yàn)施肥區(qū)。水稻生長季氮肥施用量N 270 kg/hm2，按基肥、分蘗肥、穗肥(35%∶40%∶25%)施用，基肥采用復(fù)合肥(15–15–15)，追肥均采用尿素(含N 464 g/kg)。為避免周圍農(nóng)田追肥對本次試驗(yàn)監(jiān)測結(jié)果的影響，試驗(yàn)區(qū)追肥時(shí)間與周圍農(nóng)田相隔15 d左右。分蘗肥、穗肥分別在7月13日和8月21日16:00—18:00均勻撒施，隨后使用TDLAS光譜儀連續(xù)在線監(jiān)測稻田氨揮發(fā)，直至揮發(fā)煙羽氨濃度與背景氨濃度相近為止。分蘗期水稻植株高度在30 ~ 35 cm，抽穗期水稻植株高度在80 ~ 85 cm。由于夏季稻田水蒸發(fā)量較大，定于每天5:00左右開始向試驗(yàn)地灌水至水深8 cm。

1.3 TDLAS-BLS法測定稻田追肥期氨揮發(fā)

TDLAS-BLS法測定氨揮發(fā)原理是由BLS模型模擬氨氣粒子運(yùn)動(dòng)軌跡估算監(jiān)測點(diǎn)處氨濃度增值(即監(jiān)測點(diǎn)氨濃度與背景氨濃度差值)與氨揮發(fā)速率的比值，再結(jié)合TDLAS法測定的揮發(fā)源上、下風(fēng)向的氨氣線濃度數(shù)據(jù)估算氨揮發(fā)速率：

式中：為氨揮發(fā)速率；L是試驗(yàn)區(qū)下風(fēng)向揮發(fā)煙羽處氨氣濃度；b是試驗(yàn)區(qū)上風(fēng)向背景氨氣濃度。

BLS模型基于MOST(Monin-Obukhov similarity theory)理論，該理論認(rèn)為短時(shí)間內(nèi)(15 ~ 60 min內(nèi))近地面氣流特性可由摩擦風(fēng)速*(m/s)、大氣穩(wěn)定度(m)、表面粗糙度0(m)與風(fēng)向表征，然后通過軟件WindTrax2.0(Thunder Beach Scientific, Halifax, Nova Scotia, Canada)輸入風(fēng)速、風(fēng)向、氣溫等數(shù)據(jù)計(jì)算氣流特性參數(shù)即可反向模擬氨氣粒子運(yùn)動(dòng)軌跡。并由該軟件統(tǒng)計(jì)氣體粒子逆風(fēng)軌跡的觸地點(diǎn)和受垂向風(fēng)速影響的垂向觸地速度0，則揮發(fā)源內(nèi)觸地點(diǎn)總數(shù)與觸地速率0的加權(quán)值，除以點(diǎn)釋放的粒子總數(shù)，為點(diǎn)氣體濃度增值(–b)與揮發(fā)速率的比值()sim[14]。但由于本試驗(yàn)中測定的氨濃度為線平均濃度，模型假設(shè)監(jiān)測線存在個(gè)監(jiān)測點(diǎn)，公式即為：

本研究在軟件WindTrax 2.0運(yùn)行中設(shè)置粒子數(shù)為50 000，監(jiān)測點(diǎn)為50。

田間氨濃度監(jiān)測如圖1所示，在試驗(yàn)地施肥區(qū)中間橫向布置一套開路式TDLAS氨氣監(jiān)測系統(tǒng)(中國科學(xué)院安徽光學(xué)精密機(jī)械研究所研制)，用來監(jiān)測揮發(fā)煙羽氨氣濃度。測線距離100 m，分蘗期和抽穗期光路高度分別為1.2、1.5 m。同時(shí)在試驗(yàn)區(qū)的正西方向70 m處，相同高度處布置另一套氨氣監(jiān)測系統(tǒng)監(jiān)測背景氨濃度。系統(tǒng)設(shè)置為2 s記錄一次氨濃度數(shù)據(jù)。分蘗期從7月13日18:30開始至7月20日18:30連續(xù)監(jiān)測168 h，抽穗期從8月21日18:30開始至8月28日18:30連續(xù)監(jiān)測168 h，直至揮發(fā)煙羽空氣氨濃度與背景值接近為止。BLS模型模擬氨揮發(fā)所需的*、、0與由三維超聲風(fēng)速儀(CSAT3, Campbell Scientific, Inc., Logan, Utah)測定的風(fēng)速、風(fēng)向、氣溫等氣象數(shù)據(jù)計(jì)算得到。三維超聲風(fēng)速儀安裝在試驗(yàn)地附近距地面1.8 m高度處，數(shù)據(jù)采集頻率為10 Hz，并由數(shù)據(jù)采集器中軟件處理為30 min平均值。光照和降雨數(shù)據(jù)取自常熟實(shí)驗(yàn)站氣象觀測場。

圖1 田間監(jiān)測的試驗(yàn)設(shè)計(jì)

1.4 田面水樣采集分析

為明確田面水理化性質(zhì)對稻田氨揮發(fā)的影響，氨揮發(fā)監(jiān)測期間定于每天6:30在田間多點(diǎn)采集灌溉水和試驗(yàn)區(qū)田面水，帶回實(shí)驗(yàn)室過濾后，分別使用靛酚藍(lán)比色法、雙波長比色法測定水樣中NH4+-N、NO– 3-N濃度。

1.5 數(shù)據(jù)處理

采用Office 2016進(jìn)行數(shù)據(jù)整理及繪圖，SPSS 19.0進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。

2 結(jié)果與討論

2.1 不同追肥期氨濃度日內(nèi)變化

傳統(tǒng)的酸吸收法采樣時(shí)間長，尤其在氨濃度非常低的情況下，完成一次氨濃度測定需要數(shù)小時(shí)之久，不便于研究農(nóng)田氨濃度日內(nèi)動(dòng)態(tài)變化規(guī)律。而本研究采用的激光吸收光譜技術(shù)測定氨濃度數(shù)據(jù)僅需2 s，因此基于TDLAS技術(shù)連續(xù)長時(shí)間測定獲得的高時(shí)間分辨率氨濃度數(shù)據(jù)，可以準(zhǔn)確研究施肥后農(nóng)田上方空氣中的氨濃度變化。本文選取氨濃度最高的一天分析其日內(nèi)動(dòng)態(tài)變化規(guī)律。圖2A和圖2B分別表示本試驗(yàn)水稻分蘗期2017年7月15日和抽穗期8月22日的氨濃度動(dòng)態(tài)。從圖2A和圖2B中可以看出，氨濃度呈先上升后下降的趨勢，峰值出現(xiàn)在中午12:00左右，且日內(nèi)波動(dòng)較大。這是因?yàn)殡S著光照增強(qiáng)、氣溫升高，NH4+向NH3的轉(zhuǎn)化速率加快，導(dǎo)致空氣中氨濃度升高，而風(fēng)速的變化是導(dǎo)致氨濃度瞬時(shí)波動(dòng)較大的主要原因。此外，白天(6:00—18:00)由于溫度高、光照強(qiáng)等因素影響，導(dǎo)致該時(shí)段的氨濃度值明顯大于夜間。由于抽穗期施肥量減少及水稻生長情況不同，該時(shí)期空氣中氨濃度明顯低于分蘗期。

圖2 水稻分蘗期(A)和抽穗期(B)的氨濃度日內(nèi)動(dòng)態(tài)

2.2 不同追肥期氨揮發(fā)速率

由TDLAS技術(shù)測定的高時(shí)間分辨率氨濃度數(shù)據(jù)結(jié)合BLS模型計(jì)算的氨揮發(fā)速率(30 min均值)動(dòng)態(tài)如圖3所示。稻田追肥期氣溫較高，氨揮發(fā)速率高且持續(xù)時(shí)間短，僅持續(xù)1周左右，該結(jié)果與趙淼等[15]及敖玉琴等[16]研究結(jié)果相似。氨揮發(fā)速率在施肥后呈先上升后下降的趨勢，且日內(nèi)氨揮發(fā)速率波動(dòng)較大，白天氨揮發(fā)速率明顯大于夜間。此外分蘗期氨揮發(fā)速率明顯大于抽穗期。其中分蘗期由于施肥次日陰天導(dǎo)致光照較弱，氨揮發(fā)速率于追肥后第3天12:00—12:30達(dá)到峰值23.3 kg/(hm2·d)(以純N計(jì))，而抽穗期氨揮發(fā)速率因?yàn)槭┓食跗跍囟容^高和光照較強(qiáng)，于追肥后第2天12:00—12:30即達(dá)到峰值11.7 kg/(hm2·d)。氨揮發(fā)速率峰值出現(xiàn)的日內(nèi)時(shí)間與田玉華等[13]研究結(jié)果一致，這可能與該段時(shí)間內(nèi)高溫和強(qiáng)烈的光照有關(guān)。

圖3 水稻分蘗期和抽穗期的氨揮發(fā)速率

2.3 不同追肥期氨揮發(fā)損失量

受水稻生長情況、氣象條件、田間管理共同影響，不同時(shí)期的氨揮發(fā)損失有所不同。如圖4所示，分蘗期氨揮發(fā)損失量大于抽穗期，連續(xù)監(jiān)測168 h后，分蘗期、抽穗期的累積氨揮發(fā)量分別為39.5、15.5 kg/hm2(以純N計(jì))，分別占施肥量的36.6%、23.0%。該結(jié)果與宋勇生等[7]采用微氣象質(zhì)量平衡法測定的分蘗期(36.8%)與抽穗期(22.0%)稻田氨揮發(fā)損失率相似，同時(shí)與田玉華等[17]采用微氣象質(zhì)量平衡法測定分蘗期氨揮發(fā)損失率(33%)相近。研究發(fā)現(xiàn)隨著氮肥用量的增加，氨揮發(fā)損失率相應(yīng)增加[18]。抽穗期水稻生長茂盛，揮發(fā)的氨氣被水稻冠層更多吸收[19]，因此抽穗期測定的稻田氨揮發(fā)損失率比分蘗期偏低。此外，分蘗期、抽穗期的稻田氨揮發(fā)主要集中在施肥后的前4 d，分別占總損失的80%、84%，這是由于追肥期高溫下脲酶活性高，淹水條件下尿素快速水解，導(dǎo)致了追肥期氨揮發(fā)損失率高且集中發(fā)生在較短時(shí)間內(nèi)[20]。

圖4 水稻分蘗期和抽穗期的累積氨揮發(fā)量

2.4 氣象條件對氨揮發(fā)的影響

農(nóng)田氨揮發(fā)受土壤性質(zhì)、管理措施、氣象條件等多種因素共同作用[18,21]。本試驗(yàn)主要研究氣象條件、田面水性質(zhì)對稻田氨揮發(fā)的影響。圖5顯示了水稻不同追肥期氨揮發(fā)速率與風(fēng)速、光照、氣溫的變化動(dòng)態(tài)及相關(guān)分析結(jié)果。由于夜間和監(jiān)測后期氨揮發(fā)速率較低，研究氨揮發(fā)速率與各氣象因素之間的相關(guān)性意義不大。因此僅對水稻追肥后12 ~ 24、36 ~ 48、60 ~ 72、84 ~ 96 h的白天氨揮發(fā)速率與風(fēng)速、光照、氣溫進(jìn)行相關(guān)分析。從圖5可以看出，分蘗期氨揮發(fā)速率與風(fēng)速、光照、氣溫均具有一致的變化規(guī)律，相比風(fēng)速和氣溫，光照與氨揮發(fā)速率的相關(guān)系數(shù)更大且更顯著。說明風(fēng)速、光照、氣溫對氨揮發(fā)有不同的促進(jìn)作用，光照對氨揮發(fā)的影響最大。而抽穗期由于水稻植株高度較高，風(fēng)速、氣溫對氨揮發(fā)的影響降低，而光照仍然是影響該時(shí)期氨揮發(fā)的主要?dú)庀笠蛩亍?/p>

在追施穗肥后的第5天(84 ~ 96 h)，氣溫與氨揮發(fā)速率呈現(xiàn)負(fù)相關(guān)關(guān)系，為對出現(xiàn)的異常值進(jìn)行解釋，本文進(jìn)一步分析了該段時(shí)間內(nèi)降雨和氨揮發(fā)動(dòng)態(tài)之間的關(guān)系。如圖6所示，在抽穗期施肥后84 ~ 96 h，由于降雨對空氣中氨氣的吸收及對田面水NH4+-N濃度的稀釋作用[16]，導(dǎo)致氨揮發(fā)速率急劇下降。降雨成為該段時(shí)間氨揮發(fā)的主導(dǎo)因素，風(fēng)速、光照和氣溫的作用減小，所以氨揮發(fā)速率與氣溫的相關(guān)分析結(jié)果出現(xiàn)異常。但降雨之后，氨揮發(fā)速率又迅速升高，降雨后光照、溫度和風(fēng)速不同程度的增加是導(dǎo)致氨揮發(fā)速率快速回升的主要原因。

(圖中數(shù)字為相關(guān)系數(shù)，*P<0.05,**P<0.01)

圖6 降雨對稻田氨揮發(fā)的影響

2.4 田面水性質(zhì)對氨揮發(fā)的影響

很多研究表明稻田氨揮發(fā)速率與田面水NH4+-N濃度相關(guān)[22-23]。圖7表明，分蘗期(A)和抽穗期(B)施肥后稻田日平均氨揮發(fā)速率與田面水中NH4+-N濃度呈極顯著正相關(guān)關(guān)系。這是因?yàn)樘锩嫠甆H4+-N濃度與氣相氨分壓維持動(dòng)態(tài)平衡，高的NH4+-N濃度會(huì)引起液面氣相氨分壓增大并促進(jìn)氨揮發(fā)，所以田面水NH4+-N濃度可能是影響稻田氨揮發(fā)的主要因素之一。本試驗(yàn)同時(shí)測定了田面水中的NO– 3-N濃度，然而NO– 3-N的濃度在整個(gè)監(jiān)測期間變化較小，且一直維持較低水平，這與稻田淹水條件下的缺氧環(huán)境不利于硝化反應(yīng)進(jìn)行有關(guān)[24]。持續(xù)淹水條件下，NH4+-N是田面水中氮素主要的形態(tài)且不易淋溶[25]，使田面水較長時(shí)間維持高NH4+-N濃度水平，這也是稻田氨揮發(fā)損失率較高的原因。

圖7 水稻分蘗期 (A)和抽穗期(B)氨揮發(fā)速率與NH4+-N的關(guān)系

3 結(jié)論

利用高時(shí)間分辨率、高靈敏度的TDLAS-BLS技術(shù)，對太湖流域稻田追肥期氨揮發(fā)進(jìn)行更加精準(zhǔn)測定和分析研究，發(fā)現(xiàn)追肥后稻田上方空氣中氨濃度受風(fēng)速影響，瞬時(shí)波動(dòng)較大。氨揮發(fā)速率于追肥后的2 ~ 3 d即達(dá)到峰值，氨揮發(fā)損失主要集中在施肥后的前4 d，分蘗期氨揮發(fā)速率和損失率均明顯大于抽穗期。風(fēng)速、光照、氣溫都促進(jìn)稻田氨揮發(fā)損失，其中光照的影響最大，降雨對氨揮發(fā)具有短時(shí)抑制作用。相比傳統(tǒng)箱式法的分時(shí)段采樣分析，TDLAS-BLS技術(shù)通過無干擾連續(xù)在線監(jiān)測可研究農(nóng)田氨揮發(fā)日內(nèi)動(dòng)態(tài)變化及影響因素，同時(shí)準(zhǔn)確定量氨揮發(fā)損失。

[1] Xu P, Zhang Y S, Gong W W, et al. An inventory of the emission of ammonia from agricultural fertilizer application in China for 2010 and its high-resolution spatial distribution[J]. Atmospheric Environment, 2015, 115: 141–148.

[2] Wu Y Y, Gu B J, Erisman J W, et al. PM2.5pollution is substantially affected by ammonia emissions in China[J]. Environmental Pollution, 2016, 218: 86–94.

[3] 薛文博, 許艷玲, 唐曉龍, 等. 中國氨排放對PM2.5污染的影響[J]. 中國環(huán)境科學(xué), 2016, 36(12): 3531–3539.

[4] 席運(yùn)官, 王濤. 太湖流域發(fā)展有機(jī)農(nóng)業(yè)控制面源污染的可行性分析[J]. 農(nóng)業(yè)環(huán)境與發(fā)展, 2008, 25(5): 5–8.

[5] 王海, 席運(yùn)官, 陳瑞冰, 等. 太湖地區(qū)肥料、農(nóng)藥過量施用調(diào)查研究[J]. 農(nóng)業(yè)環(huán)境與發(fā)展, 2009, 26(3): 10–15.

[6] 于飛, 施衛(wèi)明. 近10年中國大陸主要糧食作物氮肥利用率分析[J]. 土壤學(xué)報(bào), 2015, 52(6): 1311–1324.

[7] 宋勇生, 范曉暉, 林德喜, 等. 太湖地區(qū)稻田氨揮發(fā)及影響因素的研究[J]. 土壤學(xué)報(bào), 2004, 41(2): 265–269.

[8] Zhang Y S, Luan S J, Chen L L, et al. Estimating the volatilization of ammonia from synthetic nitrogenous fertilizers used in China[J]. Journal of Environmental Management, 2011, 92(3):480–493.

[9] 洪燕婷, 仇蕾. 太湖流域農(nóng)業(yè)面源污染防控措施研究分析[J]. 環(huán)境科技, 2015, 28(3): 17–21, 26.

[10] He T H, Liu D Y, Yuan J J, et al. A two years study on the combined effects of biochar and inhibitors on ammonia volatilization in an intensively managed rice field[J]. Agriculture, Ecosystems & Environment, 2018, 264: 44–53.

[11] Zhao M, Tian Y H, Ma Y C, et al. Mitigating gaseous nitrogen emissions intensity from a Chinese rice cropping system through an improved management practice aimed to close the yield gap[J]. Agriculture, Ecosystems & Environment, 2015, 203: 36–45.

[12] 胡安永, 孫星, 劉勤, 等. 太湖地區(qū)不同輪作方式對稻田氨揮發(fā)和水稻產(chǎn)量的影響[J]. 水土保持學(xué)報(bào), 2013, 27(6): 275–279.

[13] 田玉華, 曾科, 姚元林, 等. 基于不同監(jiān)測方法的太湖地區(qū)水稻穗肥期氨排放研究[J]. 土壤學(xué)報(bào), 2019, 56(3): 693–702.

[14] 楊文亮. 基于開放光程TDLAS技術(shù)的農(nóng)田氨揮發(fā)實(shí)時(shí)監(jiān)測方法研究[D]. 南京: 南京農(nóng)業(yè)大學(xué), 2014.

[15] 趙淼, 田玉華, 張敏, 等. 改善農(nóng)學(xué)管理措施減少太湖稻麥輪作NH3和NO排放[J]. 土壤, 2015, 47(5): 836–841.

[16] 敖玉琴, 張維, 田玉華, 等. 脲胺氮肥對太湖地區(qū)稻田氨揮發(fā)及氮肥利用率的影響[J]. 土壤, 2016, 48(2): 248– 253.

[17] 田玉華, 曾科, 尹斌. 基于不同監(jiān)測方法的太湖地區(qū)稻田基蘗肥期氨排放研究[J]. 土壤學(xué)報(bào), 2019, 56(5): 1180–1189.

[18] Wang H Y, Zhang D, Zhang Y T, et al. Ammonia emissions from paddy fields are underestimated in China[J]. Environmental Pollution, 2018, 235:482–488.

[19] Katata G, Hayashi K, Ono K, et al. Coupling atmospheric ammonia exchange process over a rice paddy field with a multi-layer atmosphere-soil-vegetation model[J]. Agricul-tural and Forest Meteorology, 2013, 180: 1–21.

[20] 田昌, 周旋, 謝桂先, 等. 控釋尿素減施對雙季稻田氨揮發(fā)損失和氮肥利用率的影響[J]. 中國水稻科學(xué), 2018, 32(4): 387–397.

[21] Xu J Z, Peng S Z, Yang S H, et al. Ammonia volatilization losses from a rice paddy with different irrigation and nitrogen managements[J]. Agricultural Water Management, 2012, 104: 184–192.

[22] Sun L Y, Wu Z, Ma Y C, et al. Ammonia volatilization and atmospheric N deposition following straw and urea application from a rice-wheat rotation in southeastern China[J]. Atmospheric Environment, 2018, 181: 97–105.

[23] 趙蒙, 曾科, 姚元林, 等. 聚脲甲醛緩釋肥對太湖稻麥輪作體系氨揮發(fā)及產(chǎn)量的影響[J]. 植物營養(yǎng)與肥料學(xué)報(bào), 2019, 25(1): 55–63.

[24] Yang Y, Ni X Y, Liu B M, et al. Measuring field ammonia emissions and canopy ammonia fluxes in agriculture using portable ammonia detector method[J]. Journal of Cleaner Production, 2019, 216: 542–551.

[25] Froes de Borja Reis A, Estevam Munhoz de Almeida R, Cocco Lago B, et al. Aerobic rice system improves water productivity, nitrogen recovery and crop performance in Brazilian weathered lowland soil[J]. Field Crops Research, 2018, 218: 59–68.

Ammonia Emission from Paddy Field Measured by Laser Absorption Spectroscopy in Taihu Lake Region

QUE Huali1,2,3, YANG Wenliang1, WANG Shuwei1, DING Shijie1,2, SHAO Lingling1, ZHU Anning1*

(1 State Key Laboratory of Soil and Sustainable Agriculture / Fengqiu Agro-ecological Experimental Station, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China; 2 University of Chinese Academy of Sciences, Beijing 100049, China; 3 Tongling Institute of Environmental Sciences, Tongling, Anhui 244000, China)

Ammonia emission is one of the important pathways of nitrogen fertilizer loss from farmland in the Taihu Lake region. In order to study ammonia emission dynamics and influencing factors of paddy field in the Taihu Lake region, the TDLAS-BLS method with high-temporal resolution was used in this experiment. The results showed that, compared with the night time, the concentration and variability of ammonia above the rice canopy were significantly higher in daytime after fertilization. Ammonia emission increased rapidly, reached a maximum value in 2–3 days after fertilization, and then decreased rapidly.Ammonia emission loss in tillering stage (36.6%) were higher in panicle stage (23.0%), which was mainly concentrated in the initial four days after fertilization, and accounted for 80% and 84% of total ammonia losses for tillering and panicle stages, respectively. In tillering stage, wind speed, solar radiation and air temperature obviously promoted ammonia emission, and solar radiation influenced most. The effects of wind speed and temperature on ammonia emission in panicle stage were low. Precipitation significantly decreased ammonia emission rate, and was the main factor influencing ammonia emission during the rainfall.

Laser absorption spectroscopy; Backward Lagrangian stochastic diffusion model; Ammonia emission; Paddy field; Influencing factor

X511

A

10.13758/j.cnki.tr.2020.06.010

闕華禮, 楊文亮, 王書偉, 等. 基于激光吸收光譜技術(shù)的太湖流域稻田氨揮發(fā)研究. 土壤, 2020, 52(6): 1164–1169.

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFD0200304)、江蘇省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(BE2017343-1)、國家自然科學(xué)基金項(xiàng)目(41501327)和江蘇省自然科學(xué)基金青年項(xiàng)目(BK20151055)資助。

(anzhu@issas.ac.cn)

闕華禮(1993—)，男，河南信陽人，碩士研究生，主要從事農(nóng)田氮素循環(huán)及高效利用研究。E-mail: hlque@issas.ac.cn