基于DNDC模型多因子对马铃薯田N2O排放和产量的影响研究

王立为，郭康军, ，李鸣钰，徐庆喆，田景仁，张开，郭玉敏，高西宁*

1. 沈阳农业大学农学院，辽宁 沈阳 110866；2. 河南省气象科学研究所，河南 郑州 450000；

3. 鞍山市气象局，辽宁 鞍山 114004；4. 吉林农业大学资源与环境学院，吉林 长春 130012

大气中温室气体浓度不断增加是引起全球气候变暖的重要原因，IPCC第五次报告指出，人为造成的温室气体排放对全球气候变暖的影响无可置疑（IPCC，2013）。N2O是除CO2和CH4外的第三大温室气体，其百年增温潜势是CO2的298倍，对全球变暖的贡献率达到8%（Hu et al.，2016）。而农业土壤排放的 N2O占人为 N2O排放源的 59%以上（IPCC，2013），减少农业活动排放N2O迫在眉睫。

大量研究表明，农田N2O排放受多种因素的影响，如土壤温度、水分、施肥水平等（Barton et al.，2008；Elmi et al.，2009；吴小红等，2017）。Agehara et al.（2005）研究表明：在一定的土壤温度内，土壤 N2O的排放通量随温度的增加而增加，通常在25-35 ℃范围内土壤 N2O的排放通量达到最大值。姚志生等（2006）对稻麦轮作生态系统的冬小麦N2O排放进行了观测得出，N2O排放与土壤含水量的相关关系发生转换的土壤含水量约为 75%75%土壤充水孔隙度（WFPS），小于75% WFPS的一定土壤含水量范围内，N2O排放随土壤含水量的增加而增加，大于75% WFPS的一定土壤含水量范围内，N2O排放随土壤含水量的增加而减少。由于农田土壤 N2O排放在时间和空间具有高度变异性以及气候-土壤之间的复杂关系，田间观测很难准确地反映不同管理措施对农田土壤 N2O排放的影响（Shang et al.，2011），因此，有必要基于模型去评估农业 N2O气体的排放规律及其减排潜力（Robertson et al.，2004）。

DNDC模型是一个描述农业生态系统中碳和氮生物地球化学过程的计算机模拟模型，可以用来模拟农业生态系统的碳、氮等多种气体的排放、农作物产量、土壤固碳作用以及硝酸盐淋失等，是目前国际上较为成功的生物地球化学模型之一（新罕布什尔大学地球海洋与空间研究所，2010）。至今，DNDC模型的验证还在不断地进行中，许多研究者应用他们自己的数据对DNDC模型进行独立验证，表明DNDC在农业温室气体排放、作物产量等方面的模拟效果均很好（孙园园等，2011；Han et al.，2014；王光翔等，2016）。

前人对于农田N2O排放驱动因子的研究，多集中在利用模型探究小麦（Triticum aestivumL.）、玉米（Zea maysL.）等大粮食作物上（Tumer et al.，2015；李昊儒等，2018；郭树芳等，2016），而对于马铃薯的研究几乎没有。马铃薯（Solanum tuberosum）是继水稻（Oryza sativa）、小麦、玉米之后的第四大作物，是最有发展前景的高产作物之一，2015年初中国提出马铃薯主粮化（吴佩，2015；姚玉璧等，2017）。随着马铃薯种植面积不断增加，马铃薯田 N2O排放以及产量驱动因子的探究越来越重要。

本研究利用 DNDC模型研究影响马铃薯田N2O排放以及产量的驱动因子，为制定马铃薯田N2O减排以及增产措施提供科学依据。

1 材料与方法

1.1 试验点概况

试验于2017年4-7月、2018年4-7月在沈阳农业大学试验基地进行（41°49′N，123°33′E），基地属暖温带半湿润大陆性季风气候，年平均气温为8.0 ℃，年平均降水量为716.2 mm，主要集中在5-9月。试验期间，月平均气温和月降水量如图1所示。土壤类型为粉壤（粘粒15%，粉粒51%，砂粒34%），表层土壤（0-10 cm）有机质含量为21.52 g·kg-1，容重为 1.297 g·cm-3，pH 为 6.42。

1.2 试验设计与方法

试验马铃薯的品种为“尤金”，早熟品种，生育日数 80 d左右，目前在辽宁省已大面积推广。2017年试验播种和收获的日期分别为4月28日和7月24日，发芽日期为5月27日；2018年试验播种和收获日期分别为5月3日和7月26日，发芽日期为5月29日。

试验设计不施氮（0 kg·hm-2）、低氮（75 kg·hm-2）、中氮（150 kg·hm-2）、高氮（225 kg·hm-2）4个施肥水平和空白对照（裸地，0 kg·hm-2施氮），分别简写为N0、N1、N2、N3和CK。每个处理设计3个重复（小区为5 m×6 m），马铃薯种植行距0.5 m，株距0.4 m，种植密度为每公顷50000株。马铃薯为垄作种植，采用平地起垄法，垄宽0.5 m，垄高0.15 m，沟宽 0.5 m。磷肥（P2O5）225 kg·hm-2、钾肥（K2O）75 kg·hm-2，施肥方式：采用播种前一天一次性基肥；耕作方式：4月23日翻耕20 cm；灌溉：无人工灌溉，雨养条件；除草：定期人工除草。

图1 试验期间试验地月平均气温（tair）和月降水量（P）Fig. 1 Monthly average air temperature (tair) and monthly precipitation(P) in the experiment field during the experiment stage

采用静态箱-气相色谱法测定N2O气体通量（静态箱尺寸为60 cm×50 cm×45 cm），静态箱于基肥后、播种前随机安放于每个试验小区的中部，每种处理有3个重复，生长季节一周测量1次，施肥阶段连续集中测量 5 d，如有降雨，于降雨后第二天加测1次。每次采样时间段为09：00-11：30。取样时间分别为关箱后的0 min和40 min，每次用气泵抽取80-120 mL气体样品，利用两次取样时间N2O的浓度差计算N2O排放速率。在生长季节，测量气体排放通量的同时，同步记录田间小气候状况。采集的气体样品利用 Agilent 7890A型气相色谱仪（Agilent Technologies，USA）进行分析，从而得出N2O浓度值，经计算得出 N2O的排放通量（μg·m-2·h-1），公式如下：

式中，F 为 N2O 气体通量，μg·m-2·h-1；ρ为标准状态下被测气体浓度，μg·m-3；V为采样箱有效体积，m3；A为箱底面积，m2；dc/dt为单位时间内采样箱内被测气体浓度变化量，μg·h-1；θ为箱内温度，℃。气体通量为负值时表示被观测系统从大气中吸收该气体，正值时表示被观测系统向大气排放该气体（郭康军等，2018）。

收获后对马铃薯进行测产：每个小区去除两边边行，随机选取一垄测产量。

1.3 DNDC模型

DNDC模型是基于与碳、氮循环有关的生物地球化学因素和过程而发展起来的计算机模拟的机理模型，于1992年由美国New Hampshire大学Li et al.（1992；1996）创建。模型包括6个相互作用的子模块：气候土壤、作物生长、分解、硝化作用、反硝化作用以及发酵进程模块。在过去的 20多年里，随着更多的使用者加入到DNDC模型的模拟研究中，模型已经被充分地完善并成为能够模拟作物产量、土壤气候、土壤温室气体排放量等的农业生态系统模型（韩娟，2013）。

1.3.1 模型的校正

模型的校正是修改模型中不符合当地田间实际生长的部分参数，校正与之相关的模型参数，确定所应用地区的实际模型参数。利用2017年试验数据对DNDC模型进行校正，最终输入参数如下：经纬度（41°49′N、123°33′E）；日最高温度（℃）、日最低温度（℃）、日降水量（cm）、日平均风速（m·s-1）、相对湿度，为沈阳站资料（沈阳市气象局提供）；土壤质地（粉壤土）；pH值（6.42）；田间持水量（0.25 g·g-1）；容重（1.297 g·cm-3）；表层（0-10 cm）土壤有机碳含量（12.48 g·kg-1）；播种/收获时间（2017年：4月28日/7月24日，2018年：5月3日/7月26日）。根据当地实际生产状况，并结合相关文献资料（宋欢欢等，2014；贾小芳等，2017；杨文玺等，2015），调整模型如下参数：马铃薯最佳产量默认值为 74996.25 kg·hm-2，调整为 25000 kg·hm-2；马铃薯生长积温默认值为2100 ℃，调整为1300 ℃；马铃薯生物量分配比（籽粒∶叶∶茎∶根）默认值为0.70∶0.13∶0.13∶0.04，调整为 0.60∶0.20∶0.18∶0.02；需水量[生产 1 kg干生物量所需的水量(kg)]默认值为415 kg，调整为400 kg。此外，将模型默认的降水中 N 的平均质量浓度由 0 mg·L-1调整为3.26 mg·L-1，将模型默认大气中 CO2平均浓度由360 mg·m-3调整为 400 mg·m-3。农田管理因子未列出信息均为实际试验种植数据。

1.3.2 模型验证

本研究采用决定系数 R2、平均误差（E）以及模型效率指数（EF）来验证模拟值与实测值之间的拟合状况：

式中，Si表示模拟值；Mi表示实测值；n表示实际观测值的次数；为各实测值的平均值；为各模拟值的平均值。决定系数R2在0-1之间，越接近1表示模型拟合度越好。平均误差E表示实测值和模拟值之间误差的平均值，E的绝对值越大，误差的平均值越大；平均误差E＞0时，表示实测值小于模拟值，E＜0时，实测值大于模拟值。当模型效率指数EF为0-1时，值越大，实测值与模拟值之间的相关性越大；当EF＜0时，实测值与模拟值极度不相关（Yang et al.，2014；高小叶等，2016）。

1.3.3 敏感性分析

敏感性分析是在保持其他影响因子不变的情况下，在一定范围内变动其中一个影响因子的数值输入DNDC模型，模拟输出值的变化规律。以2017年为基准情景（表1），参考前人的研究成果并结合当地实际生产状况，设置了不同影响因子（高小叶等，2016；张远等，2011，张啸林等，2013；何文天，2017），模拟马铃薯田N2O排放和产量，并采用敏感度指数S（Walker et al.，2000）研究这些影响因子对马铃薯田N2O排放和产量的影响。S的计算公式如下：

表1 敏感性分析参数本底值和测试值Table 1 The background values and test values of the sensitivity test indexes

式中，S为敏感度指数；I2和I1为检验情景中输入参数的最大值和最小值；O2和O1为与输入参数最大值 I2和最小值 I1相对应的模型输出结果；Oavg为输出结果的平均值；Iavg是输入参数平均值。S绝对值越大，表示输入参数对模型输出结果影响越大，两者之间的相关关系越强；S＞0表示模型输出结果与所选择输入参数是正相关关系，S＜0表示模型输出结果与所选择输入参数是负相关关系。

1.4 数据分析

DNDC模型为9.5版本，运用相关软件进行进行绘图、回归分析及DNDC模型的检验统计分析，试验所需气象数据由沈阳市气象局提供。

2 结果与分析

2.1 不同施氮水平处理马铃薯田N2O排放情况

图2显示，处理N3的排放通量明显高于其他处理，裸地（CK）的排放最小。2017年各施氮水平（CK、N0、N1、N2、N3）N2O平均排放速率为4.75、9.97、21.99、45.83、77.05 μg·m-2·h-1；2018年各施氮水平（CK、N0、N1、N2、N3）N2O平均排放速率为 6.39、7.70、10.48、21.29、35.27 μg·m-2·h-1。随着施氮量的增加，土壤 N2O 排放通量有明显的增加趋势。但是各处理土壤N2O的排放趋势基本一致，说明施氮不会导致排放趋势的变化，只会影响土壤N2O排放通量的大小。

图2 2017-2018年不同施氮水平马铃薯田N2O排放情况Fig. 2 N2O emissions of potato field under different nitrogen application levels in 2017 and 2018

2.2 DNDC模型的验证

利用2017年数据进行DNDC模型的调参，2018年数据进行 DNDC模型的验证。表 2显示，2017年各施氮水平（N0、N1、N2、N3）处理模型效率指数EF分别为0.45、0.55、0.76、0.70，R2分别为0.45、0.89、0.85、0.80，显著性检验为极显著（P值分别为 0.002、0.000、0.000和 0.000）。2018年各施氮水平（N0、N1、N2、N3）处理模型效率指数 EF 分别为 0.41、0.53、0.60、0.73，R2分别为 0.50、0.71、0.69、0.81，显著性检验为极显著（P值分别为0.001、0.000、0.000和0.000），DNDC模型对于各处理马铃薯田N2O排放均具有较好的模拟效果。另外，DNDC模型对于马铃薯产量也具有较好的模拟效果，2017年：EF=0.91，R2=0.97，P=0.017；2018年：EF=0.85，R2=0.95，P=0.027。

表2 DNDC模型对于马铃薯田N2O排放和产量的拟合度指标Table 2 Fitting indexes of N2O emission and yield of DNDC model

2.3 马铃薯田N2O排放和产量的驱动因子敏感性分析

对表1中不同驱动因子的不同变化情况进行敏感性检测（表3），结果表明：

2.3.1 气象因子

随着年降雨量增加，马铃薯田生育期N2O累积排放、产量均呈现增加趋势，每增加10%的年降雨量，马铃薯田生育期N2O累积排放和产量平均增加25.1%和12.7%，敏感性指数分别为2.171、1.154，均十分敏感。随着年均温度的增加，马铃薯田生育期 N2O累积排放呈增加趋势，年均气温每增加1 ℃，马铃薯田生育期 N2O累积排放平均增加7.0%，敏感度指数为 0.645。而在本地区马铃薯田管理方式下，随年均气温增加，马铃薯产量呈现减少趋势，年均气温每增加1 ℃，马铃薯产量平均减少10.6%，敏感度指数为-1.058。大气中CO2质量浓度在360-440 mg·m-3范围内变化，马铃薯田生育期N2O累积排放几乎没有变化，敏感度指数仅为-0.092。而随着大气中CO2浓度的增加，马铃薯产量呈增加趋势，大气中CO2浓度每增加20 mg·m-3，马铃薯产量平均增加约4.0%，敏感度指数为0.774。氮沉降量在2.608-3.912 mg·L-1（以N计）范围内增加，马铃薯田生育期N2O累积排放有增加趋势，但是增加趋势不明显，每增加10%的氮沉降，马铃薯田生育期N2O累积排放平均仅增加1.0%，敏感度指数仅 0.096。氮沉降量在 2.608-3.912 mg·L-1（以N计）范围内增加，马铃薯产量几乎没有变化，敏感性指数仅为0.025。

表3 DNDC模型敏感性分析结果Table 3 Results of sensitivity analysis by DNDC model

2.3.2 土壤因子

随着土壤中有机碳（SOC）含量的逐步增加，马铃薯田生育期N2O累积排放呈明显增加趋势，每增加10%土壤有机碳含量，马铃薯田生育期N2O累积排放平均增加15.2%，敏感度指数为1.390。土壤中有机碳含量在 0.00998-0.01498 g·g-1之间逐步增加，马铃薯产量几乎没有变化，敏感度仅为-0.031。土壤 pH 值由酸至碱（5.136-7.704），马铃薯田生育期 N2O累积排放呈先增加后减少的趋势，pH值为7.062时，生育期N2O累积排放达到最大值，敏感度指数为 0.902。随着土壤 pH值在5.136-7.704之间变化，马铃薯产量几乎没有变化，敏感度指数仅为-0.004。土壤容重与马铃薯田生育期N2O累积排放具有明显的正相关关系，土壤容重值每增加10%，马铃薯田生育期N2O累积量排放平均增加14.6%，敏感度指数为1.337。土壤容重值在1.038-1.556 g·cm-3之间变化，马铃薯产量几乎没有变化，敏感度指数仅为-0.008。

2.3.3 农田管理因子

施氮水平与马铃薯田生育期N2O累积排放呈正相关关系，每增加 60 kg·hm-2施氮量，马铃薯田生育期N2O累计排放平均增加53.1%，敏感度指数为0.494，施氮显著促进旱地农田N2O排放（王旭燕等，2015）。施氮水平与马铃薯产量呈抛物线趋势，在一定的施氮水平下，产量随着施氮量增加而增加，而过量的氮肥施用，不仅没有增产，还出现减产趋势，敏感度指数为0.133。利用DNDC模型，以15 kg·hm-2施氮量为间隔，模拟马铃薯产量随施氮量变化情况，发现2017年、2018年随施氮量增加，产量均呈抛物线趋势变化（2017年：R2=0.52，P=0.012；2018年：R2=0.60，P=0.006），2017 年极值点为 94.14 kg·hm-2，2018 年为 94.74 kg·hm-2。

综上所述，可以看出年降雨量（水分）、施氮量对于马铃薯生育期 N2O累积排放和马铃薯产量的影响都较为明显，且在农田管理中是可控的影响因子。结合本课题组以前的研究结果，马铃薯田增产兼顾减排的最优施氮量为90-105 kg·hm-2（郭康军等，2018），得出结论：随施氮量增加，马铃薯产量均呈抛物线趋势变化，2017年极值点为94.14 kg·hm-2，2018 年为 94.74 kg·hm-2，取中间值 94.5 kg·hm-2施氮量为最优施氮量。以 94.5 kg·hm-2施氮量和当地农户常规灌溉时间（播种后45 d左右）为基础，设置不同单位面积上的灌溉量，模拟马铃薯田N2O排放和产量变化情况（表4），由表4可知：单位面积灌溉量小于15 mm时，随单位面积灌溉量增加，产量增加迅速，较0 mm单位面积灌溉量处理各单位面积灌溉量（5、10和15 mm）处理产量分别增加 9.7%、19.3%、28.2%，当单位面积灌溉量大于15 mm，再增加单位面积灌溉量，产量增加却十分缓慢，较15 mm单位面积灌溉量处理各单位面积灌溉量（20、25、30、35、40、45和50 mm）处理产量仅分别增加-0.6%、1.0%、2.1%、-1.1%、2.0%、-1.4%和-1.4%，而生育期 N2O累积排放却依然在快速增加，较15 mm单位面积灌溉量处理各单位面积灌溉量处理生育期 N2O累积排放分别增加 11.1%、19.3%、28.1%、37.9%、44.9%、54.7%和62.7%。从单产N2O累积排放来看，单位面积灌溉量小于15 mm时，随单位面积灌溉量增加，单产N2O累积排放没有明显变化，较0 mm单位面积灌溉量处理各单位面积灌溉量处理单产 N2O累积排放分别增加-3.6%、-7.1%和-3.6%，单位面积灌溉量大于15 mm，再增加单位面积灌溉量，单产N2O累积排放将快速增加，较15 mm单位面积灌溉量处理各单位面积灌溉量处理单产 N2O累积排放分别增加11.1%、18.5%、25.9%、40.7%、40.7%、55.6%和66.7%，15 mm单位面积灌溉量是保产前提下单产N2O累积排放最少的单位面积灌溉量。故而，综合单位面积灌溉量（水分）和施氮量，在农户常规耕作制度下，我们认为94.5 kg·hm-2施氮量和15 mm单位面积灌溉量为保产前提下减少马铃薯田 N2O排放的最佳搭配方式。

表4 最优施氮量（94.5 kg·hm-2）下不同单位面积灌溉量马铃薯田N2O排放和产量情况Table 4 N2O emissions and potato yield under different irrigation volumes per unit area with the optimum nitrogen application level(94.5 kg·hm-2) in the potato field

3 讨论

3.1 气象因子、土壤因子和农田管理因子对马铃薯田N2O累积排放和产量的影响

3.1.1 气象因子

降水能够显著影响土壤水分的动态变化，改变土壤含水量，进而影响农田 N2O排放量和作物产量。研究中我们发现马铃薯田N2O排放和产量对于土壤水分含量均十分敏感，这得到了诸多研究的验证（杨文玺，2015；孙光等，2018）。气温通过影响土壤温度进而影响土壤N2O排放和作物产量。在一定的土壤温度内，土壤微生物的活性、反硝化及硝化过程中 N2O排放速率会随着土壤温度的升高而增加，因而土壤N2O的排放通量与土壤温度呈正相关性（朱永官等，2014；Sahrawat，1982）。研究中我们发现本地区马铃薯产量与年均气温具有负相关关系，这与马铃薯为喜凉作物（邓振镛等，2010），而本地区马铃薯播种较晚有关，这也为我们探究本地区马铃薯提前播期提供了依据。大气中CO2质量浓度在一定范围内变化，马铃薯田生育期N2O累积排放几乎没有变化，高小叶等（2016）利用DNDC模型模拟CO2质量浓度变化对上海地区水稻田 N2O排放的影响研究，也发现了类似的现象。CO2作为光合作用的基本原料，大气中CO2浓度升高可在两个方面影响C3植物马铃薯的光合作用，即通过对Rubisco结合位点的竞争从而提高羧化速度和通过抑制光呼吸并提高光合作用反应底物，从而提高净光合速率，C3植物的光合能力随着CO2浓度升高可提高10%-15%（谢立勇等，2006；Kou et al.，2008）。大气中氮沉降的生态效应在近些年来逐渐引起大家的关注，在缺氮的生态系统中，通过大气沉降输入到生态系统的氮可以增加系统初级生产力以及生物量（Neff et al.，2000；Matson et al.，2002），而在氮饱和的生态系统中，外来输入的氮不再起到明显的营养作用（Magill et al.，2000）。本研究中基准情景对于马铃薯田生态系统是处于氮饱和状态的，而且随着氮沉降进入土壤的氮相对整个生态系统的氮量是少量的，故马铃薯田生育期N2O累积排放和产量随氮沉降变化并不明显。

3.1.2 土壤因子

含有较高有机碳的土壤中含有更多的可溶性有机碳（DOC），从而增加土壤硝化作用和反硝化作用的底物，使得硝化作用和反硝化作用增强，进而增加了土壤N2O排放（Li et al.，2010）。研究发现随着土壤有机碳含量增加，马铃薯产量几乎没有变化，其可能的原因是受到水分供给的胁迫所致。土壤pH通过影响硝化、反硝化微生物的活性进而影响硝化、反硝化作用，使得硝化和反硝化速率以及最终的产物比例发生变化。Stevens et al.（1998）在研究中发现，土壤pH为6.0和8.0左右时，土壤N2O产生较慢，而土壤pH为6.5时，土壤N2O产生较快，与本研究结果比较一致。马铃薯对于土壤pH值要求范围比较大，土壤pH值在5-7.5范围内马铃薯均能正常生长（谭宗九等，2010），本研究中pH值波动范围基本在此范围内，故pH值对于马铃薯产量并无明显影响。容重是土壤重要的物理性状，可以反映土壤的孔隙状况、松紧程度等（Logsdon et al.，2004）。土壤容重通过影响土壤的通透性和水分扩散速率来影响土壤N2O排放通量，在土壤质地相似的情况下，容重增加表明土壤紧实度高、通气孔隙较少；而在土壤水含量保持不变的情况下，土壤水分的扩散速率随土壤容重的增加而降低（李志洪等，2000；陈强等，2014）。土壤容重降低，提高了土壤通气性和氧气含量，减少厌氧细菌的数量，从而抑制反硝化作用，减少N2O的排放（程效义等，2016；Cavigelli et al.，2001）。

3.1.3 农田管理因子

氮肥的施用作为农田土壤最直接的氮源，对农田土壤 N2O排放的影响不言而喻。随着施氮量增加，土壤N2O排放迅速增加，也得到诸多研究者的观测验证（Zebarth et al.，2012；董玉红等，2005）。过量施用氮肥，不仅不会增产还有减产趋势，这在其他作物中也有所体现（汪新颖等，2014；赵亚南等，2017）。

3.2 马铃薯田适宜播期的探究

DNDC模型的敏感性分析中，有一个比较特殊的现象，马铃薯田产量与年均气温具有负相关关系，表明降低温度可以提高马铃薯产量，即试验中马铃薯播期可适当提前。以 2017年为例，以当地常规施氮水平（120 kg·hm-2）为基础进行模拟，单纯将播期提前，马铃薯产量并没有达到预想中的增加，而是呈下降趋势（图 3a），可能是播期提前，降雨量也随之减少，降雨量对马铃薯生长起到胁迫作用，播期提前（5、10、15、20、25和30 d）生育期降雨总量分别减少 18.2%、32.3%、39.4%、46.9%、50.9%。保持2017年马铃薯生育期降雨量（211.7 mm）不变的情况下，马铃薯产量随播期提前的变化情况如图3b，模拟结果显示随播期提前，产量呈现抛物线趋势变化，极值点为22.5 d，即2017年马铃薯播期应从4月28日，提前22.5 d，4月5日、4月6日播种，温度条件即可达到马铃薯生育要求。查看4月5日、4月6日左右几天的五日滑动平均温度，以 4月 2日的五日滑动平均温度10.54 ℃≥10 ℃为界限，4月 2日以后的五日滑动平均温度均高于10 ℃，而4月2日之前的五日滑动平均温度均低于10 ℃，即4月2日为2017年五日滑动平均气温稳定通过10 ℃的初日，4月5日、4月6日为五日滑动平均温度稳定通过10 ℃的第4日和第5日。

图3 2017年基于DNDC模型模拟马铃薯产量随播期提前的变化情况Fig. 3 Changes of projection of potato yield by DNDC as the sowing date set earlier in 2017

2018年与2017年具有相同的现象，即单纯将播期提前，马铃薯产量并未达到预期效果，而是呈下降趋势。保持2018年马铃薯生育期降雨量（189.2 mm）不变的情况下，马铃薯产量随播期提前的变化情况与 2017年类似，即马铃薯产量随播期提前呈现抛物线趋势变化（y=-4.4528x2+178.46x+17802；R2=0.862；P=0.000，y：马铃薯产量，x：播期提前天数），极值点为20.0 d，即马铃薯播期应从5月3日开始，提前20.0 d，4月13日播种，温度条件即可达到马铃薯生育要求。查看4月13日左右几天的五日滑动平均温度，同样，有一个明显的现象，以 4月 11日的五日滑动平均温度 10.76 ℃≥10 ℃为界限，4月11日以后的五日滑动平均温度均高于10 ℃，而4月11日之前（连续8 d）的五日滑动平均温度均低于10 ℃，即4月11日为2018年五日滑动平均温度稳定通过 10 ℃的初日，4月 13日为五日滑动平均温度稳定通过10 ℃的第3日。

本地区五日滑动平均温度稳定通过 10 ℃后，马铃薯即可播种（谭宗九等，2010；邢宝龙等，2018），但是结合产量模拟和实际生产问题，温度稳定通过10 ℃后的5 d内播种均可，这样也可以达到保产增产的目的。故而，我们认为：保持水分正常需求的前提下（如进行适当灌溉等），本地区五日滑动平均温度稳定通过10 ℃后的5 d内播种马铃薯均可达到保产增产的目的。马铃薯为喜凉作物（邓振镛等，2010），随着全球变暖，温度升高（IPCC，2013），对马铃薯播期的提前的研究，对于马铃薯产量的提高具有积极的意义。

3.3 DNDC模型的改进建议

研究中有一个现象，以2018年N1处理为例（图4），2018年7月7日和7月9日，实测土壤N2O排放出现小高峰，但DNDC模型模拟却并没有出现该现象。查看降雨量，2018年7月9日前3天有降雨7.3、2.5和5.7 mm，可能是模型对于连续多天、低降雨量响应不明显，下文试对这一现象进行讨论。

图4 2018年N1处理N2O排放模拟值、实测值与降雨量情况Fig. 4 Simulation of N2O emission, measured values and precipitation in N1 treatment in 2018

由于农田N2O排放具有很大时空变化性，其原因与控制这种气体产生的 3个因素[土壤环境的氧化还原电位Eh、DOC和可给态氮（即铵态氮、硝态氮）]的交织作用有关，世界上各地的观测指出，大多数地方 N2O的年排放量是由为数不多的几个排放高峰集成的，基于此利用 DNDC模型对 N2O排放峰值进行模拟（李长生，2016）427。以 2018年N1施氮水平处理为例，2018年7月7日，DNDC模型模拟显示土壤10 cm处Eh为764.3 mV，而临近7月14日一次降雨，降雨量为27.3 mm，N2O排放峰模拟为 151.82 μg·m-2·h-1，DNDC 模型模拟其土壤10 cm处Eh为421.4 mV，Eh明显降低，N2O排放凸显。DNDC模型基于能斯特方程计算模拟目标土壤Eh的动态，当有降雨时，土壤的Eh下降，下降的程度与降雨持续时间有关，降雨持续时间越长，土壤Eh下降越多，最低可达100 mV左右，并且N2O排放的土壤Eh被赋予一定的阀值（如果土壤中初始硝态氮浓度为0.00357 mol·L-1，N2O气体开始产生时Eh为+460 mV）（李长生，2016）309-310。而降雨的持续时间是这样定义的：DNDC模型首先将降雨强度（Ip）定义为一个定值，即每小时0.5 cm（Ip=0.5 cm·h-1），然后根据气象数据提供的日降水总量（Wp，cm·d-1），将降雨时间（Tp，h）定义为：Tp=Wp/Ip（李长生，2016）290。

然而事实上，每次降雨的降雨强度是变化的，并不是一个定值，降雨持续时间也并不能简单的用Tp=Wp/Ip去计算。2018年7月6日、7月7日降雨量虽仅为7.3 mm和2.5 mm，按照Tp=Wp/Ip公式，DNDC模型模拟时认为这两日降雨仅持续1.46 h和0.5 h，事实上2018年7月6日、7月7日降雨量持续时间分别为3.5 h和0.75 h。将实际降雨持续时间按照Tp=Wp/Ip换算成降雨量，输入DNDC模型中，DNDC模型便能准确模拟出2018年7月7日降雨的N2O排放峰值（如图5）。这种把实际降雨持续时间按照模型中应用的公式折算成降雨量，输入模型中的做法，增加和改变了实际降雨量情况，只是一种简单的尝试，但是这种做法却取得了更准确的模拟效果，结果表明：DNDC模型应考虑增加每日降雨强度和降雨持续时间的可选输入项。

图5 2018年（7月3日-7月8日）N1处理N2O排放模拟值、实测值与降雨量情况Fig. 5 Simulation of N2O emission, measured values and precipitation in N1 treatment in 2018 (from July 3rd to July 8th)

综上所述，为了准确地模拟多天连续、低降雨量、高降雨持续时间的土壤N2O排放，认为DNDC模型应考虑增加每日降雨强度和降雨持续时间的可选输入项，以便准确模拟多天连续、低降雨量、高降雨持续时间的土壤N2O排放特征。

4 结论

（1）DNDC模型对于马铃薯田N2O排放和产量均具有较好的模拟效果。N2O排放模拟结果：2017-2018年模型效率指数EF在0.41-0.76之间，中氮（N2）、高氮（N3）处理模拟效果更佳；产量模拟结果：2017年和2018年的模型效率指数EF分别为0.91、0.85。

（2）年降雨量、土壤有机碳含量、土壤容重、土壤pH值对马铃薯生育期N2O累积排放的影响较为明显，敏感度指数分别为2.171、1.390、1.337和0.902。年降雨量、年均温度、CO2质量浓度、施氮水平对马铃薯产量的影响较为明显，敏感度指数分别为1.154、-1.058、0.774和0.133。

（3）基于DNDC模型模拟结果并结合实际生产情况，认为在保持水分正常供给的前提下（如进行适当灌溉等），本地区五日滑动平均温度稳定通过10 ℃后的5 d内播种马铃薯，即可保证马铃薯生长的温度需求，达到保产增产的目的。