孙增慧 韩霁昌 毛忠安 王欢元 胡 雅
(1.陕西省土地工程建设集团有限责任公司,西安 710075; 2.陕西省土地整治重点实验室,西安 710064;3.国土资源部退化及未利用土地整治工程重点实验室,西安 710075)
毛乌素沙地位于鄂尔多斯高原东南部和陕北黄土高原以北,总面积3.98万km2,是我国四大沙地之一[1]。不合理的农业活动和过度放牧导致毛乌素地区草地严重退化、土地沙化及生产力低下等问题频发。砒砂岩是毛乌素沙地一种重要的伴生岩,总面积约1.67万km2,其岩层结构松散,是由古生代二叠纪、中生代三叠纪、侏罗纪和白垩纪的厚层砂岩、砂页岩和泥质砂岩混合组成。砒砂岩岩层厚度小、压力低,成岩程度低、沙粒间胶结程度及结构强度差,易受侵蚀和发生水土流失,被称为“环境癌症”[2-5]。探索和开发适用于毛乌素沙地砒砂岩和沙土地的整理模式,是该地区社会和环境发展的迫切需求。
很多学者研究表明,砒砂岩与沙复配可以形成新土壤[6-8]。主要是在毛乌素沙地就地取材,将砒砂岩与沙这两种“危害”变为资源。风沙土通体无结构,干湿状况下均有较大的透水性,其保水性能差;砒砂岩因含有大量的蒙脱石,在遇水时迅速膨胀,有较好的持水和保水性能,可作为一种天然的保水剂[9]。将砒砂岩与沙按不同比例混合,可得到具有保水透气的混合土壤,满足农业生产[10]。然而,目前关于砒砂岩与沙混合成土的研究多集中在复配土的物理性状,对作物产量的影响研究较少。此外,大田作物产量研究试验周期长、难度大,系统研究长期条件下砒砂岩改良风沙土对作物产量的影响耗费人力物力,不利于研究的进一步开展,而模型模拟则提供了一种新方法。
农业系统模型整合了土壤-作物-大气连续系统中的土壤水分运移、养分循环、热量传递等复杂机理过程,是评价和扩展试验结果的重要手段[11]。美国农业部开发的RZWQM2(Root zone water quality model 2)模型,整合了作物根区所有影响作物生长的物理、化学和生物过程[12-16]。在模拟农田水分、养分循环和作物生长发育方面具有明显的优势,已成为评价农业生产和生态环境的重要工具[17-19]。通过对模型参数的率定,模型能够较准确预测不同土壤、气候以及施肥灌溉处理下作物产量差异及土壤含水量状况等[20-22]。该模型在我国华北和东北地区已经进行了一些应用尝试,如WANG等[23]利用RZWQM2模型优化污水灌溉条件下冬小麦-夏玉米的施肥措施;文献[24-26]模拟了不同灌溉制度下作物产量及水分利用效率;丁晋利等[21]利用RZWQM2模型模拟了耕作方式转变对土壤蓄水保墒的影响,SUN等[27]和LI等[28]研究了东北地区不同土壤质地类型以及灌溉制度对作物产量的影响。已有的研究多侧重于灌溉和施肥量的利用效率,应用模型评估风沙土改良模式对作物产量影响的研究还鲜有报道。因此,本文利用2年田间试验数据率定和验证RZWQM2模型,并利用率定和验证后的模型模拟多年砒砂岩改良风沙土对作物产量的影响,分析砒砂岩与沙不同配比后土壤水分的动态变化和作物产量的变化特征,探索砒砂岩改良风沙土不同配比对作物产量影响的规律,提出增产效果较优的砒砂岩改良风沙土的复配模式,以期为毛乌素沙地砒砂岩改良风沙土提供科学依据。
试验田位于陕西省榆林市榆阳区小纪汗乡(109°29′28″E,38°28′23″N,海拔1 210 m)。该地区位于陕西北部,毛乌素沙漠南端。年均气温8.1℃,大于等于10℃的积温3 307.5℃,年均无霜期154 d,年均降水量413.9 mm,65%的降水集中在7—9月(图1)。年均日照时间2 879 h。属于典型中温带半干旱大陆性季风气候。试验所用的砒砂岩与风沙土均取自当地,供试土壤理化性状见表1。
图1 试验区每月降水量和累积降水量Fig.1 Monthly precipitation and accumulation in 2012 and 2013 at Yulin Experimental Station
田间试验在2012年和2013年进行。将采集的砒砂岩与沙按照体积比1∶1(T1)、1∶2(T2)和1∶5(T3)充分混合,待用。在2012年玉米种植前,将每个试验小区0~30 cm的土壤全部替换为按比例充分混合的复配土壤。每个试验小区面积为50 m2(5 m×10 m),设3个重复,采用完全随机区组排列。小区种植玉米品种为“先玉335”,播种密度为60 000株/hm2,行距60 cm。每年播种时间为5月中旬,9月下旬进行收获。播种前施入基肥(磷酸二铵300 kg/hm2、尿素150 kg/hm2)。所有小区均采用当地农民传统的水肥管理措施。
表1 试验区风沙土和砒砂岩物理性状Tab.1 Primary physical properties of aeolian sandy soil and Pisha sandstone in study site
1.2.1土壤含水量
土壤体积含水量采用时域反射仪TDR (Trime-IPH,IMKO)测定,探头长度20 cm。测定管为长200 cm、直径8 cm的PVC管,使用配套安装工具垂直埋于测定位置。测定点位于玉米行间,所测定土层深度分别为0~20 cm、20~40 cm、40~60 cm、60~80 cm、80~100 cm和100~120 cm。所有小区每7 d测定一次土壤体积含水量,降雨后加测。
1.2.2玉米生长与产量
试验过程中,按生育期测定玉米叶面积及地上部生物量,成熟期测定产量。叶面积采用测量尺直接量取叶长和最大叶宽,通过叶长、最大叶宽和0.75的乘积计算得到。叶面积指数为单位土地面积上植物叶片总面积占土地面积的倍数,即叶面积指数等于叶片总面积除以土地面积。地上部生物量测定是在各生育期每小区选取1 m2内的植株,将地上部取回实验室,105℃下杀青1 h,之后在75℃下干燥48 h后称干质量,测定生物量。产量测定是在玉米成熟期,每个小区取20 m2样方,全部收获测定其产量。最后产量换算为含水率为14%的标准值。
1.2.3土壤贮水量
土壤贮水量客观地反映了土壤水分的真实值,可以系统地研究不同时段各试验处理的土壤水分情况。1.2 m深土层贮水量计算公式为
(1)
式中W——土壤贮水量,mm
Wi——第i层土壤体积含水量,cm3/cm3
Hi——第i层土层厚度,cm
n——1.2 m深土层含水量测定层数
1.3.1模型概述
RZWQM2模型是由美国农业部农业系统研究所开发的一个农业综合性模型。它包括的生物、物理、化学过程可以用来预测水力及化学响应并评价农业管理对作物产量及土壤水质的影响。模型由6个子模块组成,包括物理运移模块、化学反应模块、养分循环模块、杀虫剂反应模块、作物生长和管理操作模块,各模块间相互影响。模型中的物理模块用Green-Ampt方程描述土壤水分入渗过程;V-G模型描述土壤水分特征曲线;Richards方程描述分层土壤间水分再分布情况。选择DSSAT 4.0模型中的CERES-Maize模型来模拟玉米生长情况。模型同时以2个时间尺度进行模拟:①以日为时间步长,计算养分、有机肥以及灌溉和耕作方式对农业生产系统的影响,同时计算土壤蒸发和作物蒸腾以及潜在蒸散。②以小时为时间步长,模拟土壤水分运移过程,主要包括土壤水分的再分布、化学物质入渗、传输和径流以及杀虫剂的淋失、热量传输和植物氮素吸收。
1.3.2模型输入参数
RZWQM2模型需要输入农田管理、气象数据、作物相关参数及土壤数据。农田管理包括播种与收获日期、密度、水肥管理等。1990—2013年的逐日气象数据从榆林气象站获取,包括最高气温、最低气温、风速、相对湿度、日照时数和降水数据。作物参数首先采用模型中与实验区玉米最相近的作物品种参数缺省值,其他参数采用模型默认值。土壤质地、饱和导水率、水分特征曲线为实测数据。
模型校正过程中首先对模型的土壤水分模块进行校正,然后校正作物参数模块。利用2012年的试验数据进行模型参数校正,用2013年的试验数据进行模型参数验证。首先将实测的土壤饱和导水率、田间持水量、萎蔫点以及土壤水分特征曲线等水力学参数作为初始条件输入模型,通过比较土壤分层含水量模拟效果,采用试错法手动调整土壤剖面水力参数的取值,从而保证模型校正结果在允许的误差范围内(表2)。
表2 砒砂岩与沙不同比例混合后土壤性状及水力学参数Tab.2 Primary physical properties of three compound soils in study site
作物品种参数采用RZWQM2自带的PEST参数调试程序调试玉米参数P1、P2、P5、G2、G3和PHINT(表3),优化玉米生育期、作物产量和生物量的模拟结果。在模型验证过程中利用3个评价指标来评价模型的模拟结果:模拟和实测结果的均方根误差(RMSE)、决定系数(R2)和模型有效系数(ME),当ME值为1时模型模拟效果最优。相关计算公式为
(2)
(3)
(4)
式中Pi——第i个模拟值
Oi——第i个观测值
Oavg——观测平均值
Pavg——模拟平均值
N——观测值或者模拟值的个数
表3 玉米作物品种遗传参数Tab.3 Genetic parameters of corn
以2012年的试验实测数据作为初始条件,应用1990—2013年逐日气象数据模拟24 a砒砂岩改良风沙土不同复配比例的作物生长情况和耗水规律。模拟试验中不考虑养分对玉米的胁迫,假设每年玉米播种、收获的日期都相同,分别在5月上旬和9月下旬。通过在RZWQM2模型中设定雨养(无灌溉)和充分灌溉2种方式,分析砒砂岩改良风沙土不同复配比例处理下的玉米产量潜力规律和增产潜力。
对2012年试验数据进行率定,RZWQM2模型对T1、T2和T3处理土壤剖面分层土壤水分(0~120 cm)的模拟值与田间实测值相近,其中RMSE分别为0.011~0.021 cm3/cm3、0.017~0.042 cm3/cm3和0.014~0.032 cm3/cm3,模型有效系数ME分别介于0.444~0.801、0.462~0.787和0.394~0.883之间(表4)。各处理模拟的土壤贮水量(0~120 cm)结果与观测值呈相似的变化趋势(图2),T1、T2和T3处理的RMSE分别为4.6、4.8、7.5 mm;R2分别为0.89、0.96和0.90;ME分别为0.86、0.92和0.78。
图2 砒砂岩改良风沙土不同配比下土壤贮水量(0~120 cm)实测值与模拟值对比Fig.2 Comparison of measured and simulated soil water storages (0~120 cm depth) in three treatments
土壤水分模拟校正后,对作物参数进行校正,结果表明,T1、T2和T3处理作物产量的模拟值与观测值相似,其RMSE分别为249、98、84 kg/hm2。T1、T2和T3处理叶面积指数的模拟值与实测值相近(图3),其中RMSE分别为0.15、0.14和0.10,R2分别为0.97、0.97和1,ME分别为0.96、0.97和0.99。T1、T2和T3处理作物生物量的模拟值与实测值相近(图3),其中RMSE分别为643、512、1 245 kg/hm2,R2均为0.99,ME分别为0.98、0.99和0.91。
图3 砒砂岩改良风沙土不同配比下叶面积指数、地上生物量实测值与模拟值对比Fig.3 Comparison of measured and simulated leaf area index and above-ground biomass in three treatments
利用2013年的试验数据进行模型验证,RZWQM2模型对T1、T2和T3处理土壤剖面不同深度土壤水分的模拟值与田间实测值的RMSE分别为0.009~0.026 cm3/cm3、0.011~0.017 cm3/cm3和0.008~0.029 cm3/cm3,模型有效系数ME分别介于0.538~0.985、0.408~0.735和0.381~0.989之间(表4)。总体来看,各处理分层土壤含水量模拟效果均较好。但从不同土层比较,模拟效果最差的出现在表层0~20 cm,房全孝等[24]和SUN等[27]在模拟土壤水分随深度的变化时,也发现由于土壤表层属性变化会造成模拟时误差较大,且土壤含水量的模拟效果随着土壤深度的增加逐步改善,这与本研究结果一致,同样的结果在丁晋利等[21]和孙怀卫等[29]的研究结果中出现。T1、T2和T3处理土壤贮水量模拟结果与观测值的RMSE分别为6.4、5.2、8.3 mm;R2分别为0.54、0.88和0.83;ME分别为0.69、0.77和0.64。T1、T2和T3处理产量验证过程中模拟值与实测值间的RMSE分别为71、485、123 kg/hm2。不同处理叶面积指数模拟值与实测值的RMSE分别为0.12、0.12和0.10;R2分别为0.99、0.98和0.99,ME分别为0.98、0.98和0.99(图3)。不同处理地上生物量模拟值与实测值的RMSE分别为886、598、1 461 kg/hm2;R2分别为0.99、1和0.90,ME分别为0.97、0.99和0.86。在房全孝等[24]和HU等[30]研究中,作物产量模拟结果的RMSE在550~670 kg/hm2之间,生物量模拟结果的RMSE在1 370~1 880 kg/hm2之间,与本研究的结果相似。表明本研究模拟砒砂岩改良风沙土处理下土壤含水量、作物生长状况和产量的模拟效果均较优。
模拟结果表明,雨养条件下,T2处理24 a的平均产量显著高于(P<0.01)T1和T3处理(图4),T1与T3之间的产量差异不显著(P>0.05)。T1处理24 a的平均产量为2 551 kg/hm2,变化范围为650~5 561 kg/hm2,变异系数(CV)为52.4%;T2处理24 a的平均产量为3 527 kg/hm2,变化范围为880~7 206 kg/hm2,变异系数为52.0%;T3处理24 a的平均产量为2 924 kg/hm2,变化范围747~6 517 kg/hm2,变异系数为54.0%。试验区玉米生育期内(5—9月)年均降水量350.6 mm,变化范围为215.9~552.4 mm,变异系数为29.0%,属半干旱气候。该地区雨养条件下,作物产量主要受降水的影响,降水相对丰富的年份,作物产量相对较高[31],这与本研究模拟的结果一致。
图4 1990—2013年砒砂岩改良风沙土不同配比下玉米模拟产量Fig.4 Simulated potential yield of corn in three compound soils from 1990 to 2013
在充分灌溉条件下,T1、T2和T3处理之间模拟产量并无差异(图4)。这表明在水分充分满足的情况下,砒砂岩改良风沙土措施中,玉米产量不受砒砂岩与沙复配比例的影响。SUN等[27]和LIU等[32]研究也得出了在充分灌溉条件下,作物产量不受土壤质地类型的影响。模拟的1990—2013年间玉米平均产量8 623 kg/hm2,变化范围7 076~10 546 kg/hm2,变异系数为9.99%,表明该地区的光温条件较适宜玉米生长。T1处理产量差(充分灌溉产量与雨养产量差值)24 a平均值为6 071 kg/hm2,变化范围为3 078~8 181 kg/hm2,变异系数为21.9%;T2处理产量差平均值为5 096 kg/hm2,变化范围为1 433~8 069 kg/hm2,变异系数为36.1%;T3处理产量差平均值为5 689 kg/hm2,变化范围为2 122~8 202 kg/hm2,变异系数为27.7%。T1、T2和T3处理的雨养产量分别只达到充分灌溉条件下产量的30%、41%和34%。SUN等[27]在降雨较丰富的东北风沙土区模拟得到雨养产量达到充分灌溉条件下产量的67%。本研究中T1、T2和T3处理的产量差均较大,这是由于该地区降雨较少。但相比于T1和T3处理,T2的产量差最小,这说明T2处理相对于其他处理,有较好的增产效果。
砒砂岩改良风沙土中,砒砂岩含量不同导致土壤容重、水力学参数有所差异,从而影响农田降水入渗和土壤水分蒸发条件,致使不同砒砂岩改良风沙土处理的蓄水保墒能力不同。有研究表明,随着砒砂岩含量的增加,砒砂岩改良风沙土的质地、有机质、饱和导水率等特性均有明显的改善[8]。随着砒砂岩比例的继续增大,改良的风沙土饱和导水率迅速降低,在砒砂岩风沙土混合比例为(1∶5)~(1∶2)范围时,饱和导水率降低的趋势迅速减缓。另外,随着砒砂岩含量的增加,改良土的毛管孔隙度也不断升高。毛管孔隙度的增加,增加了土壤保水和持水的能力,从而可为作物生长提供良好的水分条件[1]。但由于砒砂岩中含有大量的钙蒙脱石,其膨胀性会在一定程度上导致土壤排水孔隙受阻,导致土壤的导水能力下降、通透性变差,从而不利于作物生长[33]。
本文通过RZWQM2模拟1990—2013年不同砒砂岩改良风沙土处理的土壤水分状况,结果显现T2处理相对于T1和T3处理具有较高的相对土壤含水量(图5,图中VE-V7表示苗期,V8-V20表示拔节期,VT-R6表示抽穗期至成熟期)。这可能是T2处理玉米产量优于其他2个处理的原因之一。薛江[34]研究发现,添加砒砂岩可增加土壤的持水性,且添加比例越高,土壤持水性越强,但会导致土壤供水能力的下降,这与本研究模拟的相对土壤含水量结果一致。本研究中,随着砒砂岩含量的增加,土壤田间持水量增大(表2),但砒砂岩含量持续增加,土壤的相对含水量则降低(图5),反而制约作物的生长和降低作物产量。这与WANG等[35]和马文梅[36]的研究结果一致。
图5 1990—2013年砒砂岩改良风沙土不同配比下平均相对土壤含水量Fig.5 Simulated mean relative soil water content in root zone at different growth stages in T1, T2 and T3 treatments of 1990—2013
虽然本文利用RZWQM2模型实现了砒砂岩改良风沙土作物产量和土壤水分的多年动态变化,较好地模拟了不同砒砂岩改良风沙土措施的蓄水保墒效果,但由于未对氮素模块进行校验,对于RZWQM2模型的养分模块计算缺乏数据来反演参数,因此参数可能有待调整。另外,RZWQM2模型本身未考虑砒砂岩与风沙土之间可能发生的理化反应,因此,也有待进一步修正。建议的砒砂岩与沙复配比例可以达到增产的目的,但受试验处理数量的影响,无法确定该复配模式是否达到了最优,在后续的研究中需要增加水平梯度,使结果尽可能地接近最优。另外,建议在该地区农业生产中进行适当补充灌溉,使砒砂岩改良风沙土复配增产的效果更加显著。
(1)RZWQM2模型能够较好地模拟砒砂岩改良风沙土措施下土壤水分长期动态变化和作物的生长状况,可作为评价砒砂岩改良风沙土的一种有效方法。在模型校验过程中,T1、T2和T3处理土壤贮水量模拟结果与观测值的的RMSE分别为6.4、5.2、8.3 mm;产量模拟值与实测值间的RMSE为71、485、123 kg/hm2。
(2)利用校验后的RZWQM2模型对不同砒砂岩改良风沙土措施的多年的玉米产量模拟结果表明,T2处理24 a的平均产量比T1处理高976 kg/hm2,比T3处理高603 kg/hm2。多年模拟结果表明,T2处理在砒砂岩改良风沙土措施中玉米增产效果较优。