未來氣候條件下秸稈還田和氮肥種類對夏玉米產(chǎn)量及土壤氨揮發(fā)的影響

趙政鑫，王曉云，田雅潔，王銳，彭青，蔡煥杰

未來氣候條件下秸稈還田和氮肥種類對夏玉米產(chǎn)量及土壤氨揮發(fā)的影響

趙政鑫1,2，王曉云1,2，田雅潔1,2，王銳1,2，彭青1,2，蔡煥杰1,2*

1西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院，陜西楊凌 712100；2西北農(nóng)林科技大學(xué)中國旱區(qū)農(nóng)業(yè)節(jié)水研究院，陜西楊凌 712100

【】秸稈還田配施氮肥可以提高作物生產(chǎn)力，但在氣候變化條件下，不同管理措施對夏玉米農(nóng)田氮素利用存在很大的不確定性。明確在未來氣候條件下秸稈還田與氮肥種類對夏玉米產(chǎn)量和土壤氨揮發(fā)的影響，以應(yīng)對氣候變化。【】利用DNDC模型預(yù)測未來不同情景下，秸稈還田和不同氮肥種類對關(guān)中地區(qū)夏玉米產(chǎn)量和土壤氨揮發(fā)的影響。通過田間土壤溫度、水分、產(chǎn)量和土壤氨揮發(fā)累積量試驗數(shù)據(jù)的驗證，DNDC模型可以很好地模擬未來氣候條件下不同處理的作物產(chǎn)量和土壤氨揮發(fā)累積量?！尽磕M和實測結(jié)果均表明，在當前氣候條件下秸稈還田會提高作物產(chǎn)量并促進土壤氨揮發(fā)，穩(wěn)定性氮肥與普通尿素相比對產(chǎn)量無顯著影響但會顯著減少土壤氨揮發(fā)累積量。敏感性分析表明，作物產(chǎn)量與土壤氨揮發(fā)累積量均對施氮量最敏感。在RCP4.5排放情景下，單施穩(wěn)定性氮肥（NF1）和單施尿素（NF2）分別在2050s—2090s和2070s—2090s產(chǎn)量顯著降低，秸稈配施穩(wěn)定性氮肥（SF1）和秸稈配施尿素（SF2）均在2050s—2090s產(chǎn)量顯著升高；在RCP8.5排放情景下，單施穩(wěn)定性氮肥（NF1）在2070s—2090s產(chǎn)量顯著降低，單施尿素（NF2）產(chǎn)量無顯著變化，秸稈配施穩(wěn)定性氮肥（SF1）和秸稈配施尿素（SF2）均在2050s—2090s產(chǎn)量顯著升高。單施穩(wěn)定性氮肥（NF1）在RCP4.5排放情景下的2050s—2090s和在RCP8.5排放情景下2030s—2090s土壤氨揮發(fā)累積量與當前氣候條件相比顯著提高，其余各處理在不同排放情景下未來各時期土壤氨揮發(fā)累積量與當前氣候條件相比均顯著降低?！尽緿NDC預(yù)測結(jié)果表明，在關(guān)中地區(qū)未來氣溫和CO2濃度升高以及降水變化的氣候條件下，秸稈還田配施穩(wěn)定性氮肥會顯著提高夏玉米產(chǎn)量并降低土壤氨揮發(fā)累積量，是最佳的高產(chǎn)減排農(nóng)田管理方案，可為應(yīng)對氣候變化及合理使用秸稈和氮肥提供理論基礎(chǔ)。

秸稈還田；氮肥種類；氨揮發(fā)；夏玉米；產(chǎn)量；DNDC模型；氣候變化；陜西關(guān)中地區(qū)

0 引言

【研究意義】隨著全球科技的進步和社會的發(fā)展，氣候變化是人類面對的重大生態(tài)環(huán)境問題，極端天氣的風險日益嚴峻，氣候變化對農(nóng)業(yè)生態(tài)環(huán)境和資源、農(nóng)作物種植制度和結(jié)構(gòu)布局、農(nóng)業(yè)氣候災(zāi)害和農(nóng)作物產(chǎn)量都會產(chǎn)生嚴重影響[1]。近年來，如何應(yīng)對人為和自然因素引起的氣候變化問題是科學(xué)研究領(lǐng)域面對的重要課題[2]。因此，明確氣候變化對作物生產(chǎn)的具體影響，并尋找適應(yīng)未來氣候條件的合理的農(nóng)田管理措施，提高資源利用效率，實現(xiàn)高產(chǎn)減排的目標對農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義?！厩叭搜芯窟M展】農(nóng)業(yè)生產(chǎn)中，土壤氨揮發(fā)是氮素流失的主要途徑之一，據(jù)統(tǒng)計，平均有18%的氮肥因氨揮發(fā)而損失[3]。秸稈還田能夠提高土壤固碳能力及土壤肥力，是保護性農(nóng)業(yè)的核心措施之一[4]。有研究結(jié)果表明秸稈還田會促進養(yǎng)分向籽粒中轉(zhuǎn)運進而提高作物產(chǎn)量[5]，且秸稈還田配施氮肥可以促進土壤中的無機氮轉(zhuǎn)變成有機氮，秸稈中有機質(zhì)的分解會生成酸性物質(zhì)，從而降低了土壤pH，同時形成大量腐殖質(zhì)，增強土壤顆粒對NH4+的吸附作用進而抑制了土壤氨揮發(fā)[6]。有研究利用DNDC模型模擬旱田轉(zhuǎn)變?yōu)樗锖蟮腃O2、CH4和N2O三種溫室氣體的排放量，結(jié)果表明DNDC模型可以很好地模擬轉(zhuǎn)變前后的農(nóng)田不同季節(jié)溫室氣體排放動態(tài)變化和排放總量[7-8]?！颈狙芯壳腥朦c】這些研究得到的較為優(yōu)化的管理措施通?；诋斍皻夂驐l件，由于在未來氣候條件下溫度、空氣中CO2濃度等因素會發(fā)生變化，所以短期實驗無法體現(xiàn)未來氣候條件下不同管理措施對作物生長和土壤氨揮發(fā)的長期影響。因此，在氣候變化的背景下，適合關(guān)中地區(qū)的高產(chǎn)減排措施需進一步研究。前人研究中表明DNDC模型能夠準確模擬CO2、CH4和N2O等溫室氣體的排放，但對于模擬不同肥料種類尤其穩(wěn)定性氮肥的土壤氨揮發(fā)有待驗證?！緮M解決的關(guān)鍵問題】本研究以關(guān)中地區(qū)夏玉米為研究對象，利用試驗數(shù)據(jù)對DNDC模型進行校正與驗證，并利用校正后DNDC模型與未來不同排放情景下的氣象數(shù)據(jù)結(jié)合，模擬關(guān)中地區(qū)秸稈還田和氮肥種類及氣候變化對作物生產(chǎn)和土壤氨揮發(fā)的影響，篩選出適合未來氣候條件的最優(yōu)方案，為應(yīng)對氣候變化保證作物穩(wěn)產(chǎn)和控制農(nóng)田氨排放以減少環(huán)境污染提供理論基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

試驗于2019年6—10月和2020年6—10月在西北農(nóng)林科技大學(xué)教育部旱區(qū)農(nóng)業(yè)水土工程重點實驗室節(jié)水灌溉試驗站進行（108°04′ E，34°17′ N，海拔521 m）。該區(qū)屬典型的暖溫帶半濕潤季風氣候，年均無霜期 210 d，日照時數(shù) 2 164 h，年平均氣溫12.9℃，多年平均降水量550 mm。供試土壤類型為土（土墊旱耕人為土，Eum-Orthic Anthrosols），pH 7.8，0—20 cm耕層有機質(zhì)含量14.48 g·kg-1，容重1.40 g·cm-3，有效磷13.67 mg·kg-1，有效鉀183.20 mg·kg-1。

1.2 試驗設(shè)計

試驗采用完全隨機組合設(shè)計，試驗因素為氮肥種類和秸稈還田模式。氮肥種類包括施用穩(wěn)定性氮肥（F1，180 kg·hm-2）、尿素（F2，180 kg·hm-2），其中，穩(wěn)定性氮肥含有硝化抑制劑和脲酶抑制劑；秸稈還田模式設(shè)置兩個水平，包括秸稈不還田（N）和秸稈全量還田（S）。其中，F(xiàn)2尿素施氮量參考前人研究中推薦施氮量[9]；F1穩(wěn)定性氮肥施氮量與F2一致。穩(wěn)定性氮肥在作物播種前一次性施入，尿素在播種前以基肥形式施入總施氮量的60%（施肥方式為均勻撒播后進行人工翻耕），以追肥形式在玉米抽雄期施入余下的40%。試驗共4個處理，重復(fù)3次，共12小區(qū)，小區(qū)面積為12 m2。秸稈還田方式為小麥秸稈（C/N=72）粉碎覆蓋還田，還田量為8 000 kg·hm-2。試驗作物為玉米，品種為鄭單958，種植密度為6萬株/hm2。2019年播種時間為6月15日，追肥時間為7月30日，收獲時間為10月2日；2020年年播種時間為6月19日，追肥時間為7月26日，收獲時間為9月30日。夏玉米全生育期病蟲防治、田間除草管理與當?shù)剞r(nóng)戶相同。

1.3 測定項目與方法

1.3.1 土壤NH3揮發(fā)測定 土壤NH3揮發(fā)采用通氣法進行測定[10]，測定頻率為施肥后第1周每天取樣1次，之后視測量結(jié)果的大小每3 d取樣1次，后期可延長到1周取樣1次直至揮發(fā)量很低停止取樣。取樣結(jié)束后把收集的海綿立即放入裝有300 mL濃度為1 mol·L-1的氯化鉀溶液的塑料瓶（瓶容量為500 mL）內(nèi)進行振蕩提取，浸提液用AA3（Seal，Germany）流動分析儀測定溶液中的銨態(tài)氮含量。

氨揮發(fā)累積量的計算公式為：

式中，為氨揮發(fā)累積量（kg·hm-2），為單個裝置平均每次收集的氨量（NH3-N，mg），為收集裝置的橫截面積（0.0177 m2），為收集次數(shù)，0.01為轉(zhuǎn)換系數(shù)，0.99 為捕獲裝置的回收率。

1.3.2 產(chǎn)量測定 夏玉米成熟期時，在各處理小區(qū)采用隨機選取 10 株玉米穗，自然風干后，測定其行粒數(shù)和穗行數(shù)，然后進行人工脫粒和稱重，測定其百粒重，同時測定其中含水率，并折算每公頃產(chǎn)量（14%含水率）。

1.3.3 土壤水分的測定 自種植開始，每7 d測定一次土壤含水量，若出現(xiàn)降雨，適當提前或延后。使用土鉆取0—10 cm土層土樣，裝入鋁盒放入烘箱105℃烘至恒重，3次重復(fù)，計算土壤質(zhì)量含水量并折算為土壤孔隙含水量（Water-Filled Porespace，WFPS）。

1.3.4 土壤溫度的測定 自播種開始，每次測土壤水分同時對土壤溫度進行測定，利用地溫計測定5 cm土層土壤溫度，每個小區(qū)重復(fù)3次。

1.4 DNDC模型

DNDC模型（Denitrification-Decomposition）是基于生物化學(xué)和地球化學(xué)反應(yīng)機制的描述農(nóng)田生態(tài)系統(tǒng)中碳氮循環(huán)的計算機模擬表達[11]。DNDC由兩部分組成，第一部分包含土壤、作物和有機質(zhì)分解3個模塊，通過輸入氣候、土壤、作物和人類活動模擬土壤溫度、水分、NO3--N和NH4+-N等土壤理化性質(zhì)的變化；第二部分包含硝化作用、反硝化作用和發(fā)酵作用3個模塊，模擬微生物活動和計算CO2、CH4、N2O等溫室氣體和NH3等氣體的排放[12]。DNDC模型運行需要氣象參數(shù)、土壤參數(shù)、作物參數(shù)及田間管理措施相關(guān)參數(shù)。氣象參數(shù)通過楊凌氣象站獲得，田間管理措施相關(guān)參數(shù)根據(jù)實際獲得，土壤參數(shù)通過實測獲得，作物參數(shù)通過試驗實測和校正獲得。雖然DNDC模型提供不同作物默認的作物參數(shù)，如根、莖、葉、果生物量占比、最適生長溫度、作物需水量等，但這些默認參數(shù)與實際不一定相符，因此，本研究中根、莖、葉、果生物量占比利用2019年試驗實測值，其余作物參數(shù)以前人研究得到的值為基礎(chǔ)，利用2019年試驗數(shù)據(jù)進行參數(shù)校正，以作物產(chǎn)量、土壤水分、溫度和土壤氨揮發(fā)累積量模擬值與實測值的擬合度較高為目標確定玉米參數(shù)，并利用所得作物參數(shù)對2020年夏玉米季進行模擬，將模擬值與實測的土壤水分、溫度、作物產(chǎn)量及土壤氨揮發(fā)累積量對比進行模型驗證，通過（式1）和2（式2）評價模擬準確度，土壤和校正后作物參數(shù)具體數(shù)值如表1，其中穩(wěn)定性氮肥中硝化抑制劑效率為0.06，有效天數(shù)為90 d，脲酶抑制劑效率為0.25，有效天數(shù)為90 d。

式中，O和P分別表示觀測值和模擬值，O和`分別表示觀測值和模擬值的平均值，為數(shù)據(jù)個數(shù)。2接近1表示實測數(shù)據(jù)與模擬數(shù)據(jù)一致性較好，當＜25%時表示模擬效果良好，當25%＜＜50%時，表示模擬效果一般。

利用IPCC第5次報告給出的RCP4.5（到2100年大氣中CO2濃度達到1.3 mg·L-1）和RCP8.5（到2100年大氣中CO2濃度達到2.7 mg·L-1）排放情景[13]，選用全部33種大氣環(huán)流模式（GCM），利用天氣發(fā)生器LARS-WG生成日尺度氣象數(shù)據(jù)，將其與校正后的DNDC模型結(jié)合，模擬未來氣候條件下不同施肥和秸稈還田措施對夏玉米產(chǎn)量及土壤氨揮發(fā)的變化情況并尋求適合未來氣候變化的最優(yōu)施肥和秸稈措施。

表1 土壤和作物參數(shù)

1.5 敏感性分析

為了分析影響作物產(chǎn)量及土壤氨揮發(fā)的最關(guān)鍵影響因素，利用DNDC模型的Sensitivity Test模塊進行敏感性分析。選取2020年不同秸稈還田及施氮情景作為基準，選取參數(shù)包括生育期均溫、生育期降雨量、土壤黏粒含量、土壤SOC含量、施氮量和秸稈還田量（只對于SF1和SF2處理），改變各參數(shù)變化范圍為-30%—30%，且保持其余參數(shù)不變，DNDC模型模擬出各變化情景的作物產(chǎn)量及土壤氨揮發(fā)累積量，并將所得結(jié)果與基準進行比較，利用式4計算敏感度指數(shù)（），量化各參數(shù)對作物產(chǎn)量及土壤氨揮發(fā)的影響。

式中，max、min、`分別為輸入?yún)?shù)的最大值、最小值和均值，max、min、為對應(yīng)結(jié)果，＞0表示模擬值與參數(shù)正相關(guān)，反之表示負相關(guān)。

1.6 數(shù)據(jù)統(tǒng)計分析

采用Microsoft Excel 2010進行數(shù)據(jù)整理和誤差計算，使用SPSS22.0對各指標進行單因素方差分析（ANOVA）和多重比較，多重比較采用最小顯著性差異法（LSD）在＜0.05的顯著性水平上進行比較，使用Origin2018作圖。

2 結(jié)果

2.1 DNDC模型驗證

2.1.1 夏玉米產(chǎn)量 圖1顯示了2019年和2020年各處理夏玉米產(chǎn)量的實測值和模擬值。2019年和2020年夏玉米產(chǎn)量各處理實測結(jié)果均表現(xiàn)為SF1＞SF2＞NF1＞NF2，兩年產(chǎn)量都表現(xiàn)出秸稈還田有提高產(chǎn)量的作用，校正后的DNDC模型能很好模擬出該結(jié)果，同時2019年和2020年的產(chǎn)量模擬值與實測值的值分別為3.09%和4.29%，說明校正后DNDC模型能較好地模擬夏玉米產(chǎn)量。

2.1.2 土壤溫度及水分 圖2和圖3顯示了2019年和2020年各處理0—5 cm土層土壤溫度的實測值和模擬值。2019年實測值表明，秸稈還田各處理0—5 cm土層土壤溫度低于無秸稈還田各處理的0.42%—2.67%，模擬值顯示秸稈還田各處理0—5 cm土層土壤溫度低于無秸稈還田各處理的0.57%；2020年實測值表明，秸稈還田各處理0—5 cm土壤溫度低于無秸稈還田各處理的1.18%—1.64%，模擬值顯示秸稈還田各處理0—5 cm土層土壤溫度低于無秸稈還田各處理的1.25%，說明校正后DNDC模型能很好地模擬秸稈還田在高溫條件下隔熱的效果。2019年各處理的實測值與模擬值的值為9.88%—10.56%，2為0.97—0.98，說明校正后DNDC模型能較好地模擬土壤溫度。

圖4和圖5顯示了2019年和2020年各處理0—10 cm土層土壤水分的實測值和模擬值。2019年0—10 cm土層土壤水分實測值表明，有秸稈還田的各處理高于無秸稈還田各處理的0.40%—5.51%，模擬值表明，有秸稈還田的各處理高于無秸稈還田各處理的3.11% —3.31%，各處理的2為0.51—0.68，為5.57% —9.32%；2020年0—10 cm土層土壤水分實測值表明，有秸稈還田的處理高于無秸稈還田處理的10.50%—14.15%。模擬值表明，有秸稈還田的處理高于無秸稈還田處理的4.83%—8.85%，各處理的為10.70%—13.82%，2為0.60—0.75。以上結(jié)果說明校正后DNDC模型能較好地模擬土壤水分。

圖1 產(chǎn)量驗證

圖2 2019年0—5 cm土層土壤溫度驗證

圖3 2020年0—5 cm土層土壤溫度驗證

圖4 2019年0—10 cm土層土壤水分驗證

2.1.3 土壤氨揮發(fā)累積量 圖6和圖7顯示了2019年夏玉米追肥后和2020年全生育期的土壤氨揮發(fā)累積量實測值和模擬值。實測結(jié)果表明，2019年追肥后施用穩(wěn)定性氮肥的NF1和SF1處理土壤氨揮發(fā)累積量顯著低于施用尿素的NF2和SF2處理，SF1和SF2處理土壤氨揮發(fā)累積量分別高于NF1和NF2處理9.82%和6.77%；2020年全生育期土壤氨揮發(fā)累積量NF1和SF1處理分別低于NF2和SF2處理45.68%和46.60%，SF1和SF2處理土壤氨揮發(fā)累積量分別高于NF1和NF2處理21.65%和22.98%。模型模擬的各處理土壤氨揮發(fā)累積量也表現(xiàn)出相似的結(jié)果，2019年各處理的為7.0%—30.7%，2為0.773—0.988，2020年各處理的為21.3%—24.4%，2為0.854—0.926，說明校正后DNDC模型能較好地模擬土壤氨揮發(fā)累積量。

圖5 2020年0—10 cm土層土壤水分驗證

圖6 2019年追肥后土壤氨揮發(fā)累積量驗證

2.2 敏感性分析

敏感性分析結(jié)果表明，夏玉米產(chǎn)量及土壤氨揮發(fā)累積量對不同因子有不同的敏感程度（表2）。各處理產(chǎn)量的值均表現(xiàn)為對施氮量最敏感，土壤黏粒含量其次，且均為正值，說明玉米產(chǎn)量與施氮量和土壤黏粒含量均呈正相關(guān)關(guān)系，各處理對施氮量的敏感程度為NF2（=0.91）＞NF1（=0.89）＞SF1（=0.673）＞SF2（=0.671），對土壤黏粒含量的敏感程度為SF1（=0.47）=NF1（=0.47）＞SF2（=0.44）＞NF2（=0.39）。各處理土壤氨揮發(fā)累積量的值均表現(xiàn)為對施氮量最敏感，土壤黏粒含量其次，各處理對施氮量的敏感程度為NF2（=2.53）＞SF2（=2.47）＞NF1（=1.38）＞SF1（=1.30），對土壤黏粒含量的敏感程度為SF2（=-1.14）＞NF2（=-1.08）＞SF1（=-0.87）＞NF1（=-0.68），說明土壤氨揮發(fā)累積量與施氮量呈正相關(guān)關(guān)系，與土壤黏粒含量呈負相關(guān)關(guān)系。

圖7 2020年土壤氨揮發(fā)累積量驗證

表2 敏感性分析結(jié)果

對于所有處理施氮量均為影響產(chǎn)量和土壤氨揮發(fā)累積量的最敏感因子。產(chǎn)量和土壤氨揮發(fā)累積量隨施氮量的變化如圖8所示，當施氮量變化率在-0.3—0.02范圍內(nèi)，所有處理產(chǎn)量模擬值均呈線性增長，NF1、NF2、SF1、SF2處理分別在施氮量變化率為0.12、0.14、0.02、0.04時產(chǎn)量停止增長；對于所有處理，土壤氨揮發(fā)累積量模擬值均與施氮量變化率呈正相關(guān)關(guān)系，且NF1和SF1處理增長較慢，NF2和SF2處理增長較快。

2.3 未來氣候條件下秸稈還田和氮肥種類對玉米產(chǎn)量和土壤氨揮發(fā)累積量的影響

2.3.1 未來氣候條件下溫度和降水的變化 未來氣候條件下不同排放情景的年均最高溫度和最低溫度如圖9-a和9-b所示。在未來不同排放情境下，年均最高溫和年均最低溫度較當前氣候條件都呈現(xiàn)逐漸上升的趨勢，且RCP8.5情境下上升幅度更大，到2090s，在RCP4.5和RCP8.5排放情景下，年均最高溫和年均最低溫度分別達到21.64℃、10.65℃和24.00℃、12.38℃。未來氣候條件下年不同排放情景的降水量如圖9-c。不同排放情境下年降水量均逐漸增加，且RCP8.5情境下增加幅度更大，到2100年，RCP4.5排放情景下年降水量較當前提高84.94 mm，RCP8.5排放情景下年降水量較當前提高103.13 mm。

圖8 產(chǎn)量和土壤氨揮發(fā)對施氮量變化率敏感度

每個柱狀圖包含33種GCM大氣環(huán)流模式，框邊界表示第25%和第75%值，誤差棒表示第10%和第90%值，框中線和“╳”分別表示中位數(shù)和均值，虛線表示當前氣候下的均值。下同

2.3.2 未來氣候條件下秸稈還田和氮肥種類對夏玉米產(chǎn)量的影響 圖10表示了當前氣候條件和2030s、2050s、2070s和2090s未來氣候條件下的作物產(chǎn)量模擬結(jié)果。NF1處理在RCP4.5情景下，2050s—2090s產(chǎn)量會顯著降低，降低范圍為2.36%—3.90%，其余各時期無顯著性變化；在RCP8.5情景下，2070s—2090s產(chǎn)量會顯著降低，降低范圍為3.57%—5.48%。NF2處理在RCP4.5情景下，2070s—2090s產(chǎn)量會顯著降低2.08%—2.51%；在RCP8.5情景下產(chǎn)量無顯著性變化。SF1處理在兩種排放情景下未來2050s—2090s產(chǎn)量均會顯著升高，升高范圍分別是10.85%—12.98%和7.69%—10.90%，但在RCP4.5情景下，玉米產(chǎn)量呈現(xiàn)逐漸升高的趨勢，在RCP8.5情景下，夏玉米產(chǎn)量呈現(xiàn)先增大后減小的趨勢，在2070s達到最大。SF2處理與SF1處理的產(chǎn)量呈現(xiàn)相似的變化規(guī)律，在兩種排放情景下未來2050s—2090s產(chǎn)量均會顯著升高13.72%—16.11%和10.37%—13.86%。

2.3.3 未來氣候條件下秸稈還田和氮肥種類對土壤氨揮發(fā)累積量的影響 圖11表示了當前氣候條件和2030s、2050s、2070s和2090s未來氣候條件下的土壤氨揮發(fā)累積量模擬結(jié)果。NF1處理在RCP4.5情景下，到2050s、2070s和2090s土壤氨揮發(fā)累積量分別顯著增加7.22%、7.77%和7.97%。NF2處理在兩種情景下均呈現(xiàn)顯著降低趨勢，分別降低7.33%—8.40%和4.65%—10.52%。SF1處理在RCP4.5情景下土壤氨揮發(fā)累積量較當前均顯著降低，且隨時間降幅更大，到2030s、2050s、2070s和2090s分別降低6.02%、6.20%、8.67%和10.42%；在RCP8.5情景下土壤氨揮發(fā)累積量較當前均顯著降低，在2070s達到最低，降低范圍為4.85%—6.06%。SF2處理在兩種情景下土壤氨揮發(fā)累積量均顯著降低，且隨時間變化均呈現(xiàn)遞減趨勢，到2030s、2050s、2070s和2090s分別降低10.66%、11.00%、13.07%、14.26%和9.07%、10.77%、13.13%、13.89%。

*表示與當前氣候條件下相比模擬值的顯著性。下同

圖11 未來不同時期RCP4.5和RCP8.5背景下土壤氨揮發(fā)累積量變化

3 討論

3.1 DNDC模型評價

DNDC模型對于不同作物采用通用的作物生長模塊以每日為時間步長模擬不同環(huán)境因素下的作物生長[14]。盡管DNDC模型對作物生長的模擬更加簡單，所需參數(shù)更少，但本研究中得到的2019年和2020年的產(chǎn)量模擬值與實測值的值分別為3.09%和4.29%，模擬值與實測值較為一致。同時，DNDC模型可以很好地捕捉到秸稈還田對玉米產(chǎn)量的提高，在兩年的模擬中，施肥種類相同的條件下，實測值與模擬值均體現(xiàn)出有秸稈還田處理的玉米產(chǎn)量高于無秸稈還田處理。DNDC模型通過參數(shù)化經(jīng)驗方程模擬秸稈還田條件下的土壤氣候條件，模擬值與實測值微弱的差異可能是由于模型的參數(shù)與試驗地實際環(huán)境存在差異[15]。

本研究中，DNDC模型對土壤水分和溫度的模擬與前人研究中模擬不同覆蓋條件下土壤氣候結(jié)果類似[16]，總體來看，DNDC模型可以較好地模擬不同肥料種類和秸稈還田模式條件下的土壤氣候，但是本研究中模擬值與觀察值之間仍然存在一些差異，這些差異可能是由于模型輸出與實際觀測時間的不一致造成的。DNDC模型以每日為時間步長輸出模擬值，而實際觀測土壤溫度與水分通常在上午9：00—12：00之間，所以部分實測值會高于模擬值（圖2和3）。在出現(xiàn)降雨時，由于DNDC模型輸出的是一天結(jié)束時的土壤水分值，所以會出現(xiàn)部分模擬值低于實測值。有研究表明[17]，DNDC模型模擬干旱條件下的土壤水分值會偏高，本研究在模擬較為干旱條件下的土壤WFPS時也出現(xiàn)同樣情況，可能是由于DNDC模型低估了植物生長和蒸騰作用[18]。

當農(nóng)田施入基肥或者追肥時，土壤氨揮發(fā)累積量會在施肥后一周上升較快[19]，本研究中兩年的實際測量值和DNDC模擬值都體現(xiàn)了這一特點，且二者較為接近，說明DNDC模型可以很好捕捉氨排放峰。穩(wěn)定性氮肥各處理相對于普通尿素各處理氨揮發(fā)累積量上升速度較慢，DNDC模型對兩年穩(wěn)定性氮肥的各處理的和2分別為7.0%—30.7%和0.854—0.988，說明DNDC模型對于模擬施用穩(wěn)定性氮肥的土壤氨揮發(fā)累積量效果較好[20]。盡管模擬效果較好，但部分模擬結(jié)果較實測值偏高，這可能是由于一方面施肥的不均勻造成實測結(jié)果偏低，另一方面可能由于在施肥后期三天或一周取一次樣的時候出現(xiàn)降雨天氣造成日土壤氨揮發(fā)量較高[21]，但實際并未監(jiān)測到，導(dǎo)致全生育期內(nèi)土壤氨揮發(fā)累積量實測值低于模擬值。

3.2 氣候變化及其對夏玉米產(chǎn)量及土壤氨揮發(fā)累積量的影響

3.2.1 不同GCM模式對未來氣候變化預(yù)測的不確定性 在未來不同排放情景下年均最高溫度、最低溫度和降水量都呈現(xiàn)逐漸上升的趨勢，且RCP8.5排放情景下溫度和降水升高幅度更大。目前，大氣環(huán)流模式是預(yù)測未來氣候變化規(guī)律研究的主要途徑，但不同環(huán)流模式的模擬結(jié)果依然存在不確定性。如圖9所示，不同GCM模式的降水和部分時期溫度預(yù)測變化范圍很大，進而也引起對未來氣候條件下夏玉米產(chǎn)量部分模擬值變化較大（圖10），這可能是由于不同GCM模式的初始及邊界條件、觀測及情景數(shù)據(jù)、模型參數(shù)及結(jié)構(gòu)和本身的空間分辨率不同或降維統(tǒng)計方法不同造成的[22]。因此，本研究利用33個不同GCM模式的未來氣候數(shù)據(jù)對關(guān)中地區(qū)夏玉米產(chǎn)量和土壤氨揮發(fā)量模擬的均值探究氣候變化條件下秸稈還田和氮肥種類對關(guān)中地區(qū)夏玉米產(chǎn)量和土壤氨揮發(fā)的影響，以減少不同GCM模式的初始條件、參數(shù)和模型結(jié)構(gòu)的不確定性引起的未來氣候預(yù)測的不確定性。雖然不同GCM模式對未來氣候預(yù)測的變化范圍很大，但氣溫和降水的變化趨勢與前人研究一致[23]，即溫度和降水在不同RCP情景下均呈現(xiàn)隨時間逐漸上升的趨勢，且RCP8.5排放情景下增加幅度更大。

3.2.2 未來氣候?qū)ο挠衩桩a(chǎn)量的影響 在未來氣候條件下CO2濃度、溫度和降水量將會升高[2]，因此會對作物產(chǎn)量產(chǎn)生巨大影響。在未來氣候條件下，相關(guān)研究預(yù)測我國玉米等糧食作物產(chǎn)量均以減產(chǎn)為主，這是由于氣候變化導(dǎo)致作物生長過程中高溫熱害頻率增加[22]。有研究表明，在未來氣候RCP8.5排放情景下，我國黃淮海夏玉米區(qū)平均減產(chǎn)預(yù)期會達到16%—25%[24]，氣候變化導(dǎo)致我國東北地區(qū)春玉米減產(chǎn)率達22%—26%[25]。也有研究表明，在未來氣候情境下，有機肥配施無機肥較單施無機肥會顯著增加小麥、玉米的產(chǎn)量[26]。在CO2濃度不變時，施氮量增加50 kg·hm-2，春小麥產(chǎn)量會增加3.10%，CO2濃度每增加100 mol·mol-1，春小麥產(chǎn)量會增加13%[27]。本研究表明，在施用穩(wěn)定性氮肥條件下，秸稈還田使關(guān)中地區(qū)2050s—2090s玉米產(chǎn)量顯著提高7.69%—12.98%；在施用尿素條件下，秸稈還田使關(guān)中地區(qū)2050s—2090s玉米產(chǎn)量顯著提高10.37%—13.86%。這是因為，一方面秸稈還田能提高葉綠素含量導(dǎo)致光合速率提高[28]，另一方面在未來溫度和降雨量增加的條件下，秸稈更易分解[29]，秸稈還田會提高土壤孔隙度以及秸稈分解后會釋放養(yǎng)分，且秸稈還田對土壤溫度有高溫隔熱，低溫保溫的作用，因此在未來氣候條件下，秸稈還田會顯著提高夏玉米產(chǎn)量。

3.2.3 未來氣候?qū)ν寥腊睋]發(fā)累積量的影響 本研究結(jié)果表明，未來氣候變化條件下，土壤氨揮發(fā)累積量總體呈現(xiàn)顯著降低趨勢，且施用穩(wěn)定性氮肥的各處理土壤氨揮發(fā)累積量顯著低于施用常規(guī)尿素各處理。在施用穩(wěn)定性氮肥條件下，秸稈還田使關(guān)中地區(qū)2050s—2090s土壤氨揮發(fā)累積量顯著降低4.85%—10.42%；在施用尿素條件下，秸稈還田使關(guān)中地區(qū)2050s—2090s土壤氨揮發(fā)累積量顯著降低9.07%—14.26%。這可能是由于在未來氣候條件下降水量將會增加，降水通過下滲作用會將氮肥帶入深層土壤，使得土壤對NH4+的吸附量增大，同時也增大了氨排放到土壤表層的阻力，進而會減少氨揮發(fā)量[30-31]。前人研究表明[32]，秸稈還田對土壤溫度具有調(diào)節(jié)作用體現(xiàn)為高溫降溫，低溫保溫。當未來氣候溫度升高時，秸稈會有效降低土壤溫度以減小氨揮發(fā)潛力[33-34]，另外，在未來氣候條件下作物產(chǎn)量會顯著提高，對氮素的利用效率升高，進而會減少土壤氨揮發(fā)的底物[35]。因此，秸稈還田是未來氣候條件下很好的減排措施。

3.3 模擬結(jié)果不確定性

試驗和利用DNDC模型對夏玉米產(chǎn)量、土壤性質(zhì)和土壤氨揮發(fā)累積量進行模擬均是點位尺度，因此存在一定誤差，對于結(jié)果會產(chǎn)生一定影響。由于受限于試驗的年限，對于秸稈還田后對作物產(chǎn)量和土壤氨揮發(fā)累積量的影響機理了解不夠深入，未能優(yōu)化模型模擬過程。另外模型本身參數(shù)存在一些不確定性，對于一些無法直接獲取的參數(shù)一般采用默認值或推導(dǎo)獲得，但與實際情況未必相符，且DNDC模型利用經(jīng)驗公式模擬作物的生長過程，這些都會影響模擬結(jié)果的精確程度，在以后的研究中應(yīng)系統(tǒng)分析秸稈還田與不同種類氮肥配施對土壤理化性質(zhì)、氣體排放和作物生長的影響，進而修正模型完善模擬過程，以提高模擬的精確度。

4 結(jié)論

DNDC模型可以很好地模擬氣候變化條件下關(guān)中地區(qū)不同氮肥種類和秸稈還田對玉米產(chǎn)量和土壤氨揮發(fā)累積量的影響。秸稈還田對玉米產(chǎn)量有積極影響，穩(wěn)定性氮肥較常規(guī)尿素有較好的減排效果。敏感性分析表明，玉米產(chǎn)量和土壤氨揮發(fā)累積量均對施氮量最敏感。在未來不同RCP情景下，秸稈還田會顯著提高夏玉米產(chǎn)量，秸稈配施穩(wěn)定性氮肥或尿素均降低土壤氨揮發(fā)累積量，但相比于普通尿素，施用穩(wěn)定性氮肥土壤氨揮發(fā)累積量更低。因此，秸稈還田與穩(wěn)定性氮肥配施是關(guān)中地區(qū)未來氣候條件下玉米高產(chǎn)減排的最佳措施。

[1] 宋敏, 王宏新, 郭慧捷, 肖嘉利. 農(nóng)業(yè)領(lǐng)域面對氣候變化的脆弱性與適應(yīng)性舉措. 肥料與健康, 2021, 48(4): 1-9. doi:10.3969/j.issn. 2096-7047.2021.04.001.

SONG M, WANG H X, GUO H J, XIAO J L. Vulnerability of agriculture to climate change and adaptive measures. Fertilizer & Health, 2021, 48(4): 1-9. doi:10.3969/j.issn.2096-7047.2021.04.001. (in Chinese)

[2] DING D Y, FENG H, ZHAO Y, LIU W Z, CHEN H X, HE J Q. Impact assessment of climate change and later-maturing cultivars on winter wheat growth and soil water deficit on the Loess Plateau of China. Climatic Change, 2016, 138(1/2): 157-171. doi:10.1007/ s10584-016-1714-1.

[3] PAN B B, LAM S K, MOSIER A, LUO Y Q, CHEN D L. Ammonia volatilization from synthetic fertilizers and its mitigation strategies: a global synthesis. Agriculture, Ecosystems & Environment, 2016, 232: 283-289. doi:10.1016/j.agee.2016.08.019.

[4] ZHANG H L, LAL R, ZHAO X, XUE J F, CHEN F. Opportunities and challenges of soil carbon sequestration by conservation agriculture in China. Advances in Agronomy. Amsterdam: Elsevier, 2014: 1-36. doi:10.1016/b978-0-12-800138-7.00001-2.

[5] 王麗波. 秸稈直接還田是農(nóng)業(yè)可持續(xù)發(fā)展的需要. 農(nóng)機使用與維修, 2018(4): 74. doi:10.14031/j.cnki.njwx.2018.04.055.

WANG L B. The direct return of straw to the field is the need of sustainable agricultural development. Agricultural Mechanization Using & Maintenance, 2018(4): 74. doi:10.14031/j.cnki.njwx.2018. 04.055. (in Chinese)

[6] LI M N, WANG Y L, ADELI A, YAN H J. Effects of application methods and urea rates on ammonia volatilization, yields and fine root biomass of alfalfa. Field Crops Research, 2018, 218: 115-125. doi:10.1016/j.fcr.2018.01.011.

[7] 趙苗苗, 邵蕊, 楊吉林, 趙芬, 徐明. 基于DNDC模型的稻田溫室氣體排放通量模擬. 生態(tài)學(xué)雜志, 2019, 38(4): 1057-1066. doi:10.13292/j.1000-4890.201904.030.

ZHAO M M, SHAO R, YANG J L, ZHAO F, XU M. Simulation of greenhouse gas fluxes in rice fields based on DNDC model. Chinese Journal of Ecology, 2019, 38(4): 1057-1066. doi:10.13292/j.1000- 4890.201904.030. (in Chinese)

[8] LI C S. Modeling trace gas emissions from agricultural ecosystems. Nutrient Cycling in Agroecosystems, 2000, 58(1/2/3): 259-276. doi:10.1023/A: 1009859006242.

[9] HU X K, SU F, JU X T, GAO B, OENEMA O, CHRISTIE P, HUANG B X, JIANG R F, ZHANG F S. Greenhouse gas emissions from a wheat-maize double cropping system with different nitrogen fertilization regimes. Environmental Pollution, 2013, 176: 198-207. doi:10.1016/j.envpol.2013.01.040.

[10] 王朝輝, 劉學(xué)軍, 巨曉棠, 張福鎖. 田間土壤氨揮發(fā)的原位測定: 通氣法. 植物營養(yǎng)與肥料學(xué)報, 2002, 8(2): 205-209. doi:10.3321/ j.issn: 1008-505X.2002.02.014.

WANG Z H, LIU X J, JU X T, ZHANG F S. Fielddetermination of ammo nia volatilization from soil: Venting method. Plant Nutrition and Fertilizer Science, 2002, 8(2): 205-209. doi:10. 3321/j.issn: 1008-505X.2002.02.014. (in Chinese)

[11] LI C S, FROLKING S, FROLKING T A. A model of nitrous oxide evolution from soil driven by rainfall events: 1. Model structure and sensitivity. Journal of Geophysical Research: Atmospheres, 1992, 97(D9): 9759-9776. doi:10.1029/92jd00509.

[12] 高小葉, 袁世力, 呂愛敏, 周鵬，安淵. DNDC模型評估苜蓿綠肥對水稻產(chǎn)量和溫室氣體排放的影響. 草業(yè)學(xué)報, 2016, 25(12): 14-26. doi:10.11686/cyxb2016038.

GAO X Y, YUAN S L, Lü A M, ZHOU P, AN Y. Effects of alfalfa green manure on rice production and greenhouse gas emissions based on a DNDC model simulation. Acta Prataculturae Sinica, 2016, 25(12): 14-26. doi:10.11686/cyxb2016038. (in Chinese)

[13] WANG B, DE LI LIU, ASSENG S, MACADAM I, YU Q. Impact of climate change on wheat flowering time in eastern Australia. Agricultural and Forest Meteorology, 2015, 209/210: 11-21. doi:10. 1016/j.agrformet.2015.04.028.

[14] ZHANG Y J, NIU H S. The development of the DNDC plant growth sub-model and the application of DNDC in agriculture: a review. Agriculture, Ecosystems & Environment, 2016, 230: 271-282. doi:10.1016/j.agee.2016.06.017.

[15] 李長生. 生物地球化學(xué): 科學(xué)基礎(chǔ)與模型方法. 北京: 清華大學(xué)出版社, 2016.

LI C S. Biogeochemistry: Scientific Fundamentals and Modeling Approach. Beijing: Tsinghua University Press, 2016. (in Chinese)

[16] ZHANG F, ZHANG W J, LI M, ZHANG Y, LI F M, LI C B. Is crop biomass and soil carbon storage sustainable with long-term application of full plastic film mulching under future climate change? Agricultural Systems, 2017, 150: 67-77. doi:10.1016/j.agsy.2016.10.011.

[17] YU Y X, TAO H, JIA H T, ZHAO C Y. Impact of plastic mulching on nitrous oxide emissions in China’s arid agricultural region under climate change conditions. Atmospheric Environment, 2017, 158: 76-84. doi:10.1016/j.atmosenv.2017.03.020.

[18] HAN J, JIA Z K, WU W, LI C S, HAN Q F, ZHANG J. Modeling impacts of film mulching on rainfed crop yield in Northern China with DNDC. Field Crops Research, 2014, 155: 202-212. doi:10.1016/j.fcr. 2013.09.004.

[19] 盧麗麗, 吳根義. 農(nóng)田氨排放影響因素研究進展. 中國農(nóng)業(yè)大學(xué)學(xué)報, 2019, 24(1): 149-162. doi:10.11841/j.issn.1007-4333.2019.01.19.

LU L L, WU G Y. Advances in affecting factors of ammonia emission in farmland. Journal of China Agricultural University, 2019, 24(1): 149-162. doi:10.11841/j.issn.1007-4333.2019.01.19. (in Chinese)

[20] 夏文建, 王淳, 張麗芳, 張文學(xué), 冀建華, 陳金, 劉增兵, 劉光榮. 基于DNDC模型的雙季稻體系氨揮發(fā)損失研究. 長江流域資源與環(huán)境, 2020, 29(9): 2035-2046. doi:10.11870/cjlyzyyhj202009014.

XIA W J, WANG C, ZHANG L F, ZHANG W X, JI J H, CHEN J, LIU Z B, LIU G R. Suitability of DNDC model to simulate ammonia volatilization for double rice cropping system. Resources and Environment in the Yangtze Basin, 2020, 29(9): 2035-2046. doi:10. 11870/cjlyzyyhj202009014. (in Chinese)

[21] 朱影, 莊國強, 吳尚華, 黃占斌, 莊緒亮. 農(nóng)田土壤氨揮發(fā)的過程和控制技術(shù)研究. 環(huán)境保護科學(xué), 2020, 46(6): 88-96. doi:10.16803/j.cnki.issn.1004-6216.2020.06.015.

ZHU Y, ZHUANG G Q, WU S H, HUANG Z B, ZHUANG X L. Ammonia volatilization process and control technology of farmland soil. Environmental Protection Science, 2020, 46(6): 88-96. doi:10. 16803/j.cnki.issn.1004-6216.2020.06.015. (in Chinese)

[22] TANG R S, ZHENG J C, JIN Z Q, ZHANG D D, HUANG Y H, CHEN L G. Possible correlation between high temperature-induced floret sterility and endogenous levels of IAA, GAs and ABA in rice (L.). Plant Growth Regulation, 2008, 54(1): 37-43. doi:10.1007/s10725-007-9225-8.

[23] XU C H, XU Y. The projection of temperature and precipitation over China under RCP scenarios using a CMIP5multi-model ensemble. Atmospheric and Oceanic Science Letters, 2012, 5(6): 527-533. doi:10.1080/16742834.2012.11447042.

[24] 謝瑞芝, 明博. 玉米生產(chǎn)系統(tǒng)對氣候變化的響應(yīng)與適應(yīng). 中國農(nóng)業(yè)科學(xué), 2021, 54(17): 3587-3591. doi:10.3864/j.issn.0578-1752.2021.17. 003.

XIE R Z, MING B. Response and adaptation of maize production system to climate change. Scientia Agricultura Sinica, 2021, 54(17): 3587-3591. doi:10.3864/j.issn.0578-1752.2021.17.003. (in Chinese)

[25] 李樹巖, 潘學(xué)標, 王靖. RCP情景下河南省夏玉米產(chǎn)量的變化及適應(yīng)措施. 西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版), 2020, 48(10): 24-37. doi:10.13207/j.cnki.jnwafu.2020.10.004.

LI S Y, PAN X B, WANG J. Variation of summer maize yield under RCP scenarios and adaptation measures in Henan. Journal of Northwest A & F University (Natural Science Edition), 2020, 48(10): 24-37. doi:10.13207/j.cnki.jnwafu.2020.10.004. (in Chinese)

[26] Lü F L, SONG J S, GILTRAP D, FENG Y T, YANG X Y, ZHANG S L. Crop yield and N2O emission affected by long-term organic manure substitution fertilizer under winter wheat-summer maize cropping system. Science of the Total Environment, 2020, 732: 139321. doi:10.1016/j.scitotenv.2020.139321.

[27] 高雪慧, 劉強, 王鈞. 基于APSIM模型的旱地春小麥產(chǎn)量對大氣CO2濃度和氮肥水平的響應(yīng). 作物研究, 2021, 35(5): 544-548, 552. doi:10.16848/j.cnki.issn.1001-5280.2021.05.31.

GAO X H, LIU Q, WANG J. Response of spring wheat yield in dryland to CO2concentration and nitrogen fertilizer level based on APSIM model. Crop Research, 2021, 35(5): 544-548, 552. doi:10. 16848/j.cnki.issn.1001-5280.2021.05.31. (in Chinese)

[28] 路文濤, 高飛, 賈志寬, 韓清芳, 楊寶平, 侯賢清. 秸稈不同還田量對寧南旱區(qū)土壤水分、玉米生長及光合特性的影響. 生態(tài)學(xué)報, 2011, 31(3): 777-783.

LU W T, GAO F, JIA Z K, HAN Q F, YANG B P, HOU X Q. Effects of different straw returning treatments on soil water, maize growth and photosynthetic characteristics in the semi-arid area of Southern Ningxia. Acta Ecologica Sinica, 2011, 31(3): 777-783. (in Chinese)

[29] 張學(xué)林, 周亞男, 李曉立, 侯小畔, 安婷婷, 王群. 氮肥對室內(nèi)和大田條件下作物秸稈分解和養(yǎng)分釋放的影響. 中國農(nóng)業(yè)科學(xué), 2019, 52(10): 1746-1760. doi:10.3864/j.issn.0578-1752.2019.10.008.

ZHANG X L, ZHOU Y N, LI X L, HOU X P, AN T T, WANG Q. Effects of nitrogen fertilizer on crop residue decomposition and nutrient release under lab incubation and field conditions. Scientia Agricultura Sinica, 2019, 52(10): 1746-1760. doi:10.3864/j.issn.0578- 1752.2019.10.008. (in Chinese)

[30] 楊杉, 吳勝軍, 王雨, 周文佐, 程輝, 葉飛, 黃培, 黃平. 三峽庫區(qū)農(nóng)田氨揮發(fā)及其消減措施研究進展. 土壤, 2014, 46(5): 773-779. doi:10.13758/j.cnki.tr.2014.05.001.

YANG S, WU S J, WANG Y, ZHOU W Z, CHENG H, YE F, HUANG P, HUANG P. Ammonia volatilization and its reducing countermeasures in the agro-ecosystem of the Three Gorges area: a review. Soils, 2014, 46(5): 773-779. doi:10.13758/j.cnki.tr.2014.05.001. (in Chinese)

[31] NICHOLSON F A, BHOGAL A, CHADWICK D, GILL E, GOODAY R D, LORD E, MISSELBROOK T, ROLLETT A J, SAGOO E, SMITH K A, THORMAN R E, WILLIAMS J R, CHAMBERS B J. An enhanced software tool to support better use of manure nutrients: manner-NPK. Soil Use and Management, 2013, 29(4): 473-484. doi:10.1111/sum.12078.

[32] WANG W Y, AKHTAR K, REN G X, YANG G H, FENG Y Z, YUAN L Y. Impact of straw management on seasonal soil carbon dioxide emissions, soil water content, and temperature in a semi-arid region of China. Science of the Total Environment, 2019, 652: 471-482. doi:10.1016/j.scitotenv.2018.10.207.

[33] 王峰, 陳玉真, 吳志丹, 江福英, 翁伯琦, 尤志明. 酸性茶園土壤氨揮發(fā)及其影響因素研究. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報, 2016, 35(4): 808-816. doi:10.11654/jaes.2016.04.027.

WANG F, CHEN Y Z, WU Z D, JIANG F Y, WENG B Q, YOU Z M. Ammonia volatilization and its influencing factors in tea garden soils. Journal of Agro-Environment Science, 2016, 35(4): 808-816. doi:10.11654/jaes.2016.04.027. (in Chinese)

[34] 馬曉燕, 王軍玲, 郭秀銳, 韓玉花. 不同施氮情景下北京地區(qū)露地甘藍土壤氨的排放. 北方園藝, 2017(13): 140-147. doi:10.11937/ bfyy.20164671.

MA X Y, WANG J L, GUO X R, HAN Y H. Ammonia emission from outdoor cabbage soil in Beijing area based on different nitrogen application rate. Northern Horticulture, 2017(13): 140-147. doi:10. 11937/bfyy.20164671. (in Chinese)

[35] 王東, 于振文, 于文明, 石玉, 周忠新. 施氮水平對高產(chǎn)麥田土壤硝態(tài)氮時空變化及氨揮發(fā)的影響. 應(yīng)用生態(tài)學(xué)報, 2006, 17(9): 1593-1598.

WANG D, YU Z W, YU W M, SHI Y, ZHOU Z X. Effects of nitrogen application level on soil nitrate accumulation and ammonia volatilization in high-yielding wheat field. Chinese Journal of Applied Ecology, 2006, 17(9): 1593-1598. (in Chinese)

Effects of Straw Returning and Nitrogen Fertilizer Types on Summer Maize Yield and Soil Ammonia Volatilization Under Future Climate Change

ZHAO ZhengXin1,2, WANG XiaoYun1,2, TIAN YaJie1,2, WANG Rui1,2, PENG Qing1,2, CAI HuanJie1,2*

1College of Water Resources and Architectural Engineering, Northwest A&F University, Yangling 712100, Shaanxi;2Institute of Water Saving Agriculture in Arid Areas of China, Northwest A&F University, Yangling 712100, Shaanxi

【】Returning straw to the field and applying nitrogen fertilizer can increase crop productivity. However, under the conditions of climate change, the different management measures have great uncertainty in the nitrogen utilization of summer maize farmland. It is very important to clarify the impact of straw returning and nitrogen fertilizer types on summer maize yield and soil ammonia volatilization under future climate conditions. 【】This study used the DNDC model to predict the impact of returning straw to the field and different types of nitrogen fertilizers on summer maize yield and soil ammonia volatilization accumulation in Guanzhong area under different scenarios in the future.Through the verification of field soil temperature, moisture, yield and soil ammonia volatilization test data, the DNDC model could simulate crop yields and soil ammonia volatilization accumulations under different treatments under the future climate conditions well.【】Both simulation and actual measurement results showed that returning straw to the field increased summer maize yields and promoted soil ammonia volatilization under the current climate conditions. Compared with ordinary urea, slow-release fertilizers had no significant effect on summer maize yield but would significantly reduce soil ammonia volatilization accumulation.Sensitivity analysis showed that both crop yield and soil ammonia volatilization accumulation were the most sensitive to nitrogen application.Under the RCP4.5 emission scenario, the single application of stable nitrogen fertilizer (NF1) treatment and single application of urea (NF2) treatment significantly reduced the summer maize yield in 2050s-2090s and 2070s-2090s, respectively. Both the treatment of straw combined with stable nitrogen fertilizer (SF1) and the treatment of straw combined with urea (SF2) significant increased summer maize yield in 2050s-2090s; under the RCP8.5 emission scenario, NF1 significantly reduced the summer maize yield from 2070s to 2090s, and NF2 showed no significant change. The summer maize yields under SF1 and SF2 were increased significantly from 2050s to 2090s.For NF1 under the RCP4.5 emission scenario in 2050s-2090s and under the RCP8.5 emission scenario 2030s-2090s, the soil ammonia volatilization accumulation significantly increased compared with current climate conditions; for the remaining treatments, the cumulative amount of soil ammonia volatilization in future periods under different emission scenarios would be significantly reduce compared with current climatic conditions.【】The DNDC forecast results showed that under the climate conditions of rising temperature and CO2concentration and changing precipitation in the Guanzhong area in the future, the returning straw to the field and applying stable nitrogen fertilizer would significantly increase the summer maize yield and reduce the accumulation of ammonia volatilization in the soil, and it was the best high-yield and emission-reducing farmland management plan.This research provided a theoretical basis for coping with climate change and the rational use of straw and nitrogen fertilizer.

straw returning; N fertilizer type; ammonia volatilization; summer maize; yield; DNDC model; climate change; Guanzhong area of Shaanxi

2021-11-10；

2022-01-17

國家自然科學(xué)基金（51879223）、國家重點研發(fā)計劃（2016YFC0400201）

趙政鑫，E-mail：15840121398@nwafu.edu.cn。通信作者蔡煥杰，E-mail：caihj@nwsuaf.edu.cn

（責任編輯 李云霞）