稻田-沟塘系统水氮动态模拟与灌排调控模型构建

梁 浩，胡宗荟，杨士红，徐俊增，顾 哲，胡克林

•农业水土工程•

稻田-沟塘系统水氮动态模拟与灌排调控模型构建

梁 浩1，胡宗荟1，杨士红1，徐俊增1，顾 哲1，胡克林2

（1. 河海大学农业科学与工程学院，南京 210098；2. 中国农业大学土地科学与技术学院，北京 100193）

沟塘系统对农田排水具有较好的拦蓄能力，是降低中国南方稻区农业面源污染风险的有效措施，定量化评价稻田-沟塘系统水氮过程是合理制定水氮管理措施的关键。该研究以稻田-作物模型WHCNS_Rice为基础，通过添加沟塘水氮平衡和灌排调控过程，构建了稻田-沟塘系统水氮调控模型。并采用太湖流域2 a不同灌排和施肥处理的田间试验数据校准和验证模型，分析不同灌排和施肥处理下稻田-沟塘系统的调控策略。研究结果显示，模型能够模拟不同灌排和施肥处理下稻田土壤含水量、稻田田面水深、径流量、氮素径流损失量、氨挥发量、作物吸氮量和作物产量，模拟的相对均方根误差、一致性指数和模型模拟效率的范围分别为4.6%～29.7%、0.758～0.996和0.073～0.983，均在可接受的范围内。模拟结果显示，与传统处理相比，控制灌溉结合优化施肥，减少了稻田32.1%～36.2%的灌溉水用量和36.7%～67.3%的氮素径流损失，同时平均降低了55.1%沟塘硝态氮浓度，从而降低了沟塘地表氮素径流损失风险。Morris敏感度分析结果显示，稻田土壤水力学参数和沟塘渗漏速率对沟塘水深的模拟影响较大，而作物参数的敏感度相对较低。沟塘硝态氮浓度对稻田水力学参数、沟塘氮素消纳系数和氨挥发一阶动力学系数较敏感。同时，构建的模型能反映不同水氮管理措施和沟塘/稻田面积比下稻田-沟塘系统水分消耗、氮素去向和作物生长过程。该模型可为优化稻田-沟塘系统水氮管理方案、防控农业面源污染提供有力工具。

灌溉；排水；稻田；沟塘；水氮调控；过程模拟；敏感度分析

0 引 言

中国是水稻生产和消费大国，2020年水稻种植面积达到3 000万hm2，稻谷产量达到2.12亿t，居世界第一[1]。水稻种植也是农业用水第一大户，约占中国农业用水总量的70%，目前水稻种植以传统淹水灌溉为主，导致水稻种植过程中排水量大，地表径流损失严重，成为稻田水分损失的主要途径之一[2]。加之过量的化肥氮素使用，导致大量氮素随径流流失，这是农业面源污染形成的主要原因之一[3]。

近年来，生态沟塘系统作为一种有效拦蓄稻田排水和控制农业面源污染的有效措施，可以消纳大多数稻田排水中的氮素，受到了越来越多的关注[4-7]。有研究表明[6]，沟塘系统在减少近55.9%的稻田排水的同时，可降低总氮负荷59.7%。彭世彰等[4]在太湖地区的研究结果表明，利用水生植物群，沟塘系统可分别消纳稻田排水中16.8%、14.4%和50.9%的总氮、硝态氮和铵态氮径流，从而显著降低氮素流失风险。王晓玲等[7]在太湖流域的研究也发现，生态塘对稻田径流中氮磷有很好的拦截效果，对总氮去除率可达到50.4%。在湖北省漳河灌区的研究表明[8-9]，沟渠和塘堰对总氮、硝态氮和铵态氮的去除率达到59.8%、25.5%和67.5%。刘方平等[10]在江西赣抚平原灌区的研究也发现，排水沟塘经生态改造后，可提高灌溉水生产率18.6%，减少总氮排放25.4%。对于稻田-沟塘系统，目前研究大多基于田间试验结果，而相关的定量化模拟研究较少。量化稻田-沟塘系统水氮过程是合理评价该系统生态环境效应及制定合理灌排措施的基础。

定量化稻田-沟塘系统水氮去向及作物生长过程需将稻田生态系统模型与沟塘水氮过程进行耦合。可用于稻田土壤水氮迁移转化和作物生长的模型包括CERES-Rice、Oryza、APSIM-Oryza、WHCNS_Rice等[11-14]。其中，梁浩等[14]在整合Hydrus、DAISY、RZWQM、PS123等不同模型优势特点基础上，构建了WHCNS（soil Water Heat Carbon Nitrogen Simulator）模型，该模型很好地适应中国高度集约化的农田生产模式。稻田生态系统模型（WHCNS_Rice）在此模型基础上发展，该模型中包含有完整的稻田田面水水氮平衡动态模拟模块，可用于模拟不同农田管理措施下（灌溉、施肥、秸秆还田、覆膜等）稻田水分消耗、氮素去向和作物生长过程，已在中国南方稻区多个试验点得到了较好的验证与应用[15-18]。本文通过改进WHCNS_Rice模型，使其能够用于模拟稻田-沟塘系统水氮去向和作物生长过程，并采用实测的田间数据对改进后的模型进行验证，以期为优化沟塘水氮调控提供理论工具。

1 模型构建

1.1 WHCNS-Rice模型

WHCNS-Rice模型以天为步长，以日气象数据、田间管理数据、作物生物学参数和土壤初值及边界条件驱动，在WHCNS模型基础上添加了稻田特有的田面水层模块[14-16]。该模型可用于模拟不同农田管理措施（灌溉、施肥、覆膜、秸秆还田等）下稻田水分消耗（蒸发、蒸腾、土壤水分运动和径流）、氮素迁移转化（净矿化、硝化、反硝化、氨挥发、作物吸收、淋失和径流损失）和作物生长过程，在荆州、十堰、苏州等地稻田得到了较好的验证与应用[15-18]。模型中分别使用Richards方程和Green-Ampt模型计算非饱和条件下的水分入渗和再分布过程，饱和条件下使用达西定律[14]。采用水量平衡方法[18]计算田面水水深和相应的氮素迁移转化过程，每天田面水深计算为

式中Pd和Pd-1分别代表第天和-1天的田面水深度，mm；Pre、Irr、ET、Inf和Rf分别表示第天的降雨量、灌溉量、蒸散量、水分入渗量和径流量，mm。ET和Inf的计算分别采用原模型中的Penman-Monteith[19]和Green-Ampt方法[20]。径流的计算与旱地不同，稻田通常有一定高度的田埂，将此高度作为最大田面水允许高度（Pdmax，mm）。在强降雨条件下，稻田需先将水池蓄满，超过田埂之后才会产生径流。径流量Rf采用以下方程计算：

无机氮是田面水中最活跃的氮素形态，也是环境污染风险评价的主要指标，因此模型仅考虑无机氮的迁移转化过程。田面水中无机氮浓度是由施肥量、氮沉降、排水和氨挥发等过程决定的，忽略了反硝化过程的影响，因为田面水层中硝化反硝化微生物较少，反硝化量很低，大多数研究仅考虑土壤反硝化过程[21]。为了简化模型，田面水层中的氮平衡由以下方程计算得到：

式中N,n和N,n-1分别代表第天和-1天的田面水中的无机氮量，kg/hm2；N,n和N,n分别表示第天的施肥和氮沉降带入的氮量，kg/hm2；N,n表示第天随水分入渗进入到土层中的氮，kg/hm2；N,n和N,n分别表示第天通过氨挥发和地表径流损失的氮，kg/hm2。N,n表示田面水层和表层土壤（1 cm）之间氮素吸附和解析的平衡值，kg/hm2，其正值和负值分别表示净吸附和净解析。其中氨挥发过程的模拟采用了Freney等[22]提出的如下估算方法：

式中pH代表土壤pH值；C,n是第天田面水中无机氮浓度，mg/L；()温度修正函数；K是氨挥发一阶动力学参数，1/d；T是第天的水温，℃。田面水层和表层土壤间的吸附解析过程采用以下等温吸附曲线模拟：

式中C,n是第天田面水中的无机氮浓度，mg/L；是单位换算系数（等于0.01）。

1.2 沟塘水氮平衡模块

稻田产生的地表径流会流入沟塘中，每天沟塘水深可用如下公式计算：

式中RPd和RPd-1分别代表第天和-1天的沟塘水深度，mm；RE、RD和WD分别表示沟塘第天的水面蒸发量、渗漏量和向稻田的回灌量，mm；为沟塘面积与稻田面积的比值。

随着稻田径流进入沟塘，改变了沟塘矿质氮素浓度，沟塘水氮素平衡可计算为

式中RN,n和RN,n-1分别代表第天和-1天的沟塘水中的无机氮量，kg/hm2；k为沟塘氮素消纳系数；RN,n、RN,n和RN,n分别表示第天的稻田径流氮素损失量、氮沉降带入的氮量和沟塘氮素淋失量，kg/hm2。

1.3 稻田-沟塘系统灌排调控

模型中设置的沟塘系统可通过合理的灌排调控有效提高稻田水分利用效率和阻控稻田养分流失。在该系统中，当稻田田面水位高于Pdmax时，产生径流流入沟塘，流入沟塘的活性氮可通过自然或生物消纳，从而降低环境污染风险；当稻田田面水位（或土壤含水率）低于阈值时，沟塘水可用于回灌稻田，从而提高水分利用效率。

2 田间试验及模型测试

2.1 研究区概况

田间试验在河海大学水文水资源国家重点实验室昆山野外灌排实验站（31°15′ N，120°57′ E）进行。研究区位于太湖流域隶属亚热带季风气候区，年均气温和降雨量分别为15.5℃和1 097.0 mm。年均潜在蒸发总量和日照时数累积量分别为1 365.9 mm和2 085.9 h。该区域典型的种植模式为稻-麦轮作，水稻和小麦平均产量分别约为9和5 t/hm2。试验田表层为潴育水稻土，有机质、全氮、全磷、全钾和pH值分别为21.88 g/kg、1.08 g/kg、1.35 g/kg、20.86 g/kg和7.43。

2.2 试验设计与数据测定

田间试验从2009年6月到2010年10月进行了2 a，每年种植一季水稻，水稻秧苗在6月下旬移栽，10月下旬收获。试验设置有2种灌溉方式（FI，传统淹水灌溉；CI，控制灌溉）和2种施肥方式（FP，农民习惯施肥；SP，优化施肥），共4个处理：1）FF，传统淹水灌溉+农民习惯施肥；2）FS，传统淹水灌溉+优化施肥；3）CF，控制灌溉+农民习惯施肥；4）CS，控制灌溉+优化施肥。试验采用随机区组设计，每个处理设置3个重复，每个小区大小为5 m × 7 m。淹水灌溉模式水稻全生育期（除晒田）保持2～5 cm水层，控制灌溉全生育期内不保持水层（表1）。农民习惯施肥处理施肥方案参考该地区农民习惯，优化施肥处理的施肥量由土壤氮素水平和作物需氮量决定，具体方法可见文献[23]。各处理磷肥（P2O5）和钾肥（K2O）的施用量均为43.5 kg/hm2。

表1 试验田不同处理水氮管理方案

注：DAT，移栽后天数，d；FI，传统淹水灌溉，保持20～50 mm淹水层；CI，控制灌溉；FP，农民习惯施肥；SP，优化施肥；s，根层饱和含水率，cm3·cm-3。下同。

Note: DAT, days after transplanting, d; FI, traditional flooding irrigation, maintaining 20 to 50 mm ponding water; CI, controlled irrigation; FP, farmer’s practice; SP, site-specific practice;s, saturated soil water content of root layer, cm3·cm-3. Same as below.

土壤基本理化性质测试方法参考文献[24]，其中有机质采用重铬酸钾容量法-外加热法测定，全氮采用凯氏定氮法测定，全磷全钾采用高氯酸-硫酸法测定，pH值采用1∶2.5土水比测定。每天的稻田田面水深通过设置在田间的刻度尺读取，土壤表层（0～20 cm）含水率采用时域反射仪（TDR；Trase system，美国）测定。稻田径流通过观测排水前后田面水位差计算，每次产生径流时收集径流溶液，测定硝态氮和铵态氮浓度。铵态氮和硝态氮分别采用纳氏试剂和酚二磺酸比色法测定。作物成熟时，各小区随机取8株植物（0.5 m2），105 ℃杀青30 min，75 ℃下烘干至恒质量，测定植物干物质质量，产量通过全区收获来计算。作物干物质含氮量通过H2SO4-H2O2消煮法测定。稻田氨挥发采用通气法测定，详细的测定方法可参见[23]。气象数据，包括日均气温、日最低和最高气温、降雨量、相对湿度、风速和日照时数通过安装在试验站的小型气象站获取。

2.3 敏感度分析及参数设置

本研究采用Morris[25]全局敏感度算法定量化分析模型输入参数对沟塘水位和硝态氮浓度的影响程度，该算法中各参数的敏感度可计算为

式中是参数个数索引；()是模型输出结果；=(1,…,x)是维参数输入向量；是介于1/(-1)到1-1/(-1)的数值，为参数水平。研究一般采用和分析参数敏感度，它们分别表示不同水平下值的平均值和方差，相对大的值说明参数的敏感度较大，而指示了参数之间的交互作用和模型的非线性反馈[25]。

模型主要的输入参数共20个，其中包括土壤水力学参数、作物参数、氮素转化参数和沟塘参数（表2）。研究通过“试错法”利用2009年数据校准模型，2010年数据验证模型。其中，土壤水力学参数采用实测数据，作物参数和氮素转化参数采用“试错法”进行调试，通过吻合实测和模拟的作物产量、作物吸氮量、氨挥发量和氮素径流损失量数据获得。敏感度计算中假定各参数取值服从均匀分布，对于土壤水力学参数，最高和最低的阈值分别设置为实测值上下浮动+10%和-10%。作物参数和沟塘参数假设偏差为±20%，由于土壤氮素转化极其复杂，氮素转化参数的偏差均设置为±50%，各参数取值范围如表2所示。

表2 WHCNS_Rice模型输入参数优化值与取值范围

2.4 模型评价

选择4种模型评价指数：均方根误差（Root Mean Squared Error，RMSE）、相对均方根误差（Relative Root Mean Squared Error，RRMSE）、一致性指数（Index of Agreement，IA）和模型模拟效率（Nash-Sutcliffe Efficiency，NSE）来评价模型模拟效果[14]。RRMSE值越小越好，IA值越接近1越好，一般认为当统计指数RRMSE≤15%和IA≥0.8时模拟效果很好，当RRMSE>30%和IA<0.7时模拟效果较差，位于两者这间（15%

3 结果与分析

3.1 稻田田面水深和土壤含水率

不同灌溉处理下稻田田面水深（Pd）显示出明显的差异（图1），除分蘖后期晒田外，传统灌溉条件下稻田长期处于淹水状态，Pd维持在20～70 mm之间。控制灌溉的Pd低于传统灌溉，除前期淹水和中后期的大雨外，控制灌溉条件下稻田一般不留水层，Pd为0。由于淹水条件下稻田土壤含水率维持饱和状态，因此试验仅测量了控制灌溉条件下土壤表层含水率动态变化，控制灌溉下稻田土壤含水率在0.29到0.45 cm3/cm3之间变化（图2）。

WHCNS_Rice模型模拟的Pd和土壤含水率与实测值均有较高的吻合度，较好地反映了不同灌溉条件下Pd和土壤含水率的动态变化规律（图1和2）。从统计指数上看，Pd模拟的RMSE、RRMSE、IA和NSE的范围分别为6.54～9.63 mm、19.0%～29.1%、0.758～0.959和0.073～0.837，土壤含水率模拟的RMSE<0.042，RRMSE<10.79%，IA>0.815，NSE>0.147，均在可接受的范围内（表3）。说明模型可用于模拟不同灌溉措施下稻田田面水位和土壤含水率动态变化过程。

3.2 稻田径流

径流规律年际间的差异较大，与2010年相比，2009年降雨量较大，发生径流的次数和径流量均较多。控制灌溉与传统灌溉相比，排水次数相对较多，因此提高了径流总量，2009（2010）年传统灌溉和控制灌溉处理径流量分别为228（44）mm和268（59）mm（表4）。稻田地表径流主要在有较大降雨时产生，观测的径流峰值与降雨峰值有较好的匹配性（图3和图4）。同时，WHCNS_Rice模型模拟的径流峰值与实测值有较好的吻合度，反映了不同年际下不同灌溉处理径流变化规律，模型模拟径流量的RMSE<11.82 mm，RRMSE<29.7%，IA>0.947，NSE>0.735，均在可接受范围内，表明模型可用于模拟不同灌溉模式下稻田径流产生过程。

表3 田面水深、土壤含水率和径流模拟效果

注：09FI和10FI分别表示2009和2010年的传统淹水灌溉处理，09CI和10CI分别表示2009和2010年的控制灌溉处理。下同。

Note: 09FI and 10FI represent the traditional flooding irrigation treatment in 2009 and 2010, respectively; 09CI and 10CI represent the controlled irrigation treatment in 2009 and 2010, respectively. Same as below.

表4 2009和2010年不同灌溉模式下实测的稻田降雨量、灌溉和径流总量

3.3 氮素去向和水稻产量

与水分管理相比，施肥模式对氮素损失的影响较大，FF和CF处理的氮素径流损失和氨挥发量显著高于FS和CS处理（表5，<0.05）。农民习惯施肥和优化施肥模式下氮素径流损失（氨挥发量）的范围分别为2.8～11.3 kg/hm2（54.2～71.7 kg/hm2）和1.9～3.8 kg/hm2（30.7～48.0 kg/hm2），说明优化施肥可明显降低氮素损失（表 5）。但优化施肥显著降低了水稻吸氮量，农民习惯施肥和优化施肥模式下作物吸氮量范围分别为170.9～179.2 kg/hm2和139.6～147.1 kg/hm2。不同水分管理和施肥模式下作物产量均没有显著差异，说明控制灌溉和优化施肥均较好地满足了作物生长需求。控制灌溉结合优化施肥可在确保作物产量情况下，有效降低水分投入和氮素损失。

表5 2009和2010年不同处理实测和模拟的稻田径流氮损失量、氨挥发量、作物吸氮量和作物产量

注：FF，传统淹水灌溉+农民习惯施肥；FS，传统淹水灌溉+优化施肥；CF，控制灌溉+农民习惯施肥；CS，控制灌溉+优化施肥；a、b和c代表不同处理间显著性（<0.05）；括弧内数据为模拟值。RRMSE，相对均方根误差；IA，一致性指数；NSE，模型模拟效率。

Note: FF, traditional flooding irrigation+ farmer’s N management; FS, traditional flooding irrigation+ site-specific N management; CF, controlled irrigation+ farmer’s N management; CS, controlled irrigation+ site-specific N management; a, b, and c represent the significant difference in different treatments at<0.05 level; values in bracket are the simulated yield. RRMSE, relative root mean squared error; IA, index of agreement; NSE, Nash-Sutcliffe efficiency.

模型模拟的氮素损失量、氨挥发量、作物吸氮量和作物产量与实测值有较好的一致性，评价指数RRMSE、IA和NSE的范围分别为4.6%～21.3%、0.879～0.996和0.372～0.983（表5）。WHCNS_Rice模型对氮素去向和水稻产量模拟效果较好，能用来定量化分析不同水分管理和施肥模式下稻田氮素去向和水稻产量。

3.4 沟塘水位与氮素浓度

图5显示了模拟的不同灌溉处理和沟塘/稻田面积比（）下沟塘水深动态变化过程，稻田排水和灌溉会引起沟塘水位的升高和降低。传统灌溉与控制灌溉相比，耗水量（稻田灌溉量）相对较大，因此模拟的沟塘水位下降速度较快。水稻生长后期，传统模式下沟塘水位接近零，而控制灌溉模式下沟塘仍能保持一定水位。同时，对沟塘水深的影响较大，值越小，沟塘的最大水深相对越高，说明当值较小时，需要开挖较深的沟塘来降低地表径流，提高水分利用效率。图6显示了不同施肥处理和值下沟塘硝态氮浓度动态变化过程。沟塘硝态氮浓度与稻田排水中硝态氮浓度直接相关，传统施肥模式下稻田排水中硝态氮浓度比优化施肥模式高。控制灌溉下，优化施肥平均降低了55.1%沟塘硝态氮浓度（图6）。因此，模拟的传统施肥模式下沟塘的硝态氮浓度明显高于优化模式，这也说明优化模式降低了沟塘氮素流失风险（表 5）。同时沟塘硝态氮浓度随着值的降低而升高，说明沟塘配置率提高有利于降低氮素流失风险，但也会提高建设和用地成本。WHCNS_Rice能够模拟不同水氮管理措施和不同沟塘配置比下沟塘水深和氮素浓度的影响，对于稻田-沟塘系统生态环境效应评价和优化配置提供了理论工具。

3.5 模型参数敏感度

本研究仅分析模型参数对沟塘水深和沟塘硝态氮模拟的敏感度，WHCNS_Rice模型参数对稻田水分平衡、氮素去向和作物生长的敏感度分析可参见文献[23]。敏感度值的大小反映了参数对模拟指标影响程度的大小。如图7a所示，稻田土壤水力学参数、作物参数和沟塘参数均对沟塘水深有一定的敏感度，其中饱和含水率（Q）、田间持水量（FC）和沟塘渗漏速率（k）的敏感度最高，其次是作物前中期系数（ini和mid）、饱和导水率（K）、萎蔫点（WP）、最大比叶重（SLAmax）和积温（sum）。水力学参数和作物参数的平均值分别为37.8、6.3 cm，而其他参数的值小于4 cm。对于沟塘硝态氮模拟，Q和沟塘氮素消纳系数（RD）的敏感度最高，其次是FC、、氨挥发一阶动力学系数（K）、饱和导水率（K）和最大同化率（AMAX），其他参数的敏感度均低于0.1 mg/L（图7b）。

4 讨 论

本研究以WHCNS_Rice模型为基础，添加了沟塘水氮平衡模拟模块，实现了不同水氮管理措施下稻田-沟塘系统水氮动态模拟与调控。改进的稻田-沟塘系统模型可以反映不同灌排和施肥管理模式下稻田和沟塘系统中水氮动态变化规律和水稻生长过程。对稻田土壤含水率、作物吸氮量和作物产量的模拟的评价指数RRMSE和IA的范围分别为4.6%～10.79%和0.815～0.996，说明模型对这些指标的模拟效果很好；而对稻田田面水深、径流量、氮素径流损失量和氨挥发的模拟效果相对较差，RRMSE和IA范围分别为19.0%～29.7%和0.758～0.974。一方面可能是由于径流过程和土壤氮素转化过程的相对复杂，另一方面也可能是现有模型无法考虑田块内空间异质性导致的[14]。对于NSE指数，土壤指标和作物指标模拟可允许的最低阈值分别为-1.0和0[29]，本研究模拟的各项指标均在可接受的范围内，说明模型可用于模拟和分析不同水氮情景下稻田-沟塘系统水分消耗、氮素去向和作物生长过程。

敏感度值越大，说明参数对模拟结果影响程度越大。Morris分析结果显示，模型模拟的沟塘水深对稻田土壤水力学参数（Q、FC、K和WP）和沟塘渗漏速率（k）的敏感度最大（值范围为12.1～54.1 cm），这是由于该参数对稻田径流量和沟塘渗漏量的模拟影响最大[18]，从而直接影响了沟塘水深。除水力学参数外，作物系数（ini和mid）和SLAmax对沟塘水深模拟影响较大（值范围为2.41～21.7 cm），模型中通过作物系数将参考蒸散转化为稻田的潜在蒸散量，ini和mid参数决定了稻田前中期潜在蒸腾量[19]，SLAmax参数主要影响水稻叶面积指数的模拟[14]，作物参数主要通过影响稻田水分蒸腾，对沟塘水深的模拟产生间接的影响。对于沟塘硝态氮浓度的模拟，稻田水力学参数中Q的值最大（2.5 mg/L），它通过控制稻田排水从而影响沟塘硝态氮浓度；其次是沟塘消纳能力RD（2.1 mg/L），它反应了沟塘生物消纳氮素的能力，对沟塘氮素浓度有直接影响。除此之外，参数FC和K的敏感度也较大，均大于0.5 mg/L。FC通过控制稻田水力学特征影响排水和氮素径流损失，而氨挥发是稻田氮素损失的主要途径之一[30-31]，氨挥发量的变化会直接影响稻田田面水氮素浓度，从而对稻田氮素径流和沟塘氮素浓度产生影响。

不同水氮管理方式也是影响沟塘水深和沟塘氮素浓度的重要因素。有研究表明，通过合适的水氮协同调控，可显著提高稻田-沟塘系统水氮利用效率，降低氮素流失风险[4,6,9,16]。稻田控制灌溉与传统灌溉相比，显著降低了稻田-沟塘系统排水量，并显著降低13.51%的氮素径流损失[4]；优化（减量）施肥模式下稻田田面水氮素浓度较低，氮素径流损失量较少，与传统施肥模式相比，可减少22.1%～34.2%的氮素径流损失[32]；优化灌溉和施肥模式可将稻田-沟塘系统从对水体的氮源向氮汇转化[17]。课题组2020年在江苏昆山灌排试验基地的研究结果显示，与传统水肥管理相比，控制灌溉结合优化施肥下水稻产量增加16.4%，同时有效较低了15.2%～50.7%的土壤硝态氮流失[33]。本研究发现，与传统处理相比，控制灌溉结合优化施肥，减少了稻田32.1%～36.2%的灌溉水用量和36.7%～67.3%的氮素径流损失，同时平均降低了55.1%沟塘硝态氮浓度，从而降低了沟塘地表氮素径流损失风险。控制灌溉结合优化施肥不仅提高了水分利用效率，维持了作物产量，也明显降低了氮素流失风险。同时，充分利用生态沟塘的拦蓄效果，可以较大程度降低稻区农业面源污染风险。

改进的模型可以反映不同的沟塘/稻田面积比（值）对沟塘水深和沟塘氮素浓度的影响，这对于稻田沟塘建设和合理配置具有一定指导意义。基于田间试验，李笑天等[34]研究了不同值下沟塘对稻田排水中氮素的消纳效果，研究表明，值越大，沟塘氮素浓度越低，消纳效果越好。本研究的模拟结果也显示，沟塘的水深和硝态氮浓度均随着值的增加而逐渐减小，这与前人的试验结果吻合。说明当沟塘配置率较低时，需建设较深的沟塘来存蓄稻田径流水，从而提高水分利用率，降低氮素流失风险。合理的沟塘配置可高效发挥沟塘水氮调蓄能力，同时减少沟塘配置率和施工成本。该模型可为合理配置沟塘、降低稻田面源污染提供参考。

5 结 论

本研究构建了稻田-沟塘系统水氮调控模型，在采用稻田实测数据对构建的模型进行校准和验证的基础上，分析和评价了不同灌溉模式和施肥方式下稻田-沟塘系统水分消耗和氮素损失，研究结果可为稻田-沟塘系统水氮调控提供科学工具与参考。

模型验证结果显示，该模型对稻田土壤含水率、作物吸氮量和作物产量的模拟结果很好，相对均方根误差和一致性指数的范围分别为4.6%～10.79%和0.815～0.996；对稻田田面水深、径流量、氮素径流损失量和氨挥发模拟的效果较好，RRMSE和IA范围分别为19.0%～29.7%和0.758～0.974。控制灌溉结合优化施肥，减少了稻田灌溉水用量和氮素径流损失，同时平均降低了55.1%沟塘硝态氮浓度，显著降低了沟塘地表氮素径流损失风险。敏感度分析结果显示，沟塘水深的模拟对稻田和沟塘土壤水力学参数最敏感，对作物参数的敏感度相对较低，而对氮素转化参数不敏感，水力学参数和作物参数的平均值分别为37.8、6.3 cm。沟塘硝态氮浓度除对稻田水力学参数Q和沟塘氮素消纳系数RD敏感度最大，值分别为2.5、2.1 mg/L，其他参数的敏感度值均小于1.0 mg/L，相对较低。同时，构建的模型能反映不同水氮管理措施和沟塘/稻田面积比对稻田-沟塘系统水分消耗、氮素去向和作物生长的影响，该模型对稻田-沟塘系统水氮调控有一定的指导意义。

[1] 国家统计局. 中华人民共和国2020年国民经济和社会发展统计公报[M]. 中国统计出版社，2021.

[2] 罗文兵，孟小军，李亚龙，等. 南方地区水稻节水灌溉的综合效应研究进展[J]. 资源与水工程学报，2020，31(4)：145-151.

Luo Wenbing, Meng Xiaojun, Li Yalong, et al. Research progress in comprehensive effects of rice field water-saving irrigation in southern China[J]. Journal of Water Resources and Water Engineering, 2020, 31(4): 145-151. (in Chinese with English abstract)

[3] Fu J, Jian Y W, Wu Y L, et al. Nationwide estimates of nitrogen and phosphorus losses via runoff from rice paddies using data-constrained model simulations[J]. Journal of Cleaner Production, 2021, 279: 123642.

[4] 彭世彰，张正良，罗玉峰，等. 灌排调控的稻田排水中氮素浓度变化规律[J]. 农业工程学报，2009，25(9)：21-26.

Peng Shizhang, Zhang Zhengliang, Luo Yufeng, et al. Variation of nitrogen concentration in drainage water from paddy fields under controlled irrigation and drainage[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(9): 21-26. (in Chinese with English abstract)

[5] Yang S H, Xu J Z, Zhang J G, et al. Reduction of non-point source pollution from paddy fields through controlled drainage in an aquatic vegetable wetland-ecological ditch system[J]. Irrigation and Drainage, 2016, 65: 734-740.

[6] 朱成立，郭相平，刘敏昊，等. 水稻沟田协同控制灌排模式的节水减污效应[J]. 农业工程学报，2016，32(3)：86-91.

Zhu Chengli, Guo Xiangping, Liu Minhao, et al. Reduction of nitrogen, phosphorous and runoff by coordination controlled drainage with basin and ditch in paddy field[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(3): 86-91. (in Chinese with English abstract)

[7] 王晓玲，李建生，李松敏，等. 生态塘对稻田降雨径流中氮磷的拦截效应研究[J]. 水利学报，2017，48(3)：291-298.

Wang Xiaoling, Li Jiansheng, Li Songmin, et al. Study on the interception effects of ecological pond on Nitrogen and Phosphorus in the rainfall runoff of rice field[J]. Journal of Hydraulic Engineering, 2017, 48(3): 291-298. (in Chinese with English abstract)

[8] 何军，崔远来，吕露，等. 沟渠及塘堰湿地系统对稻田氮磷污染的去除试验[J]. 农业环境科学学报，2011，30(9)：1872-1879.

He Jun, Cui Yuanlai, Lyu lu, et al. Experiments on removal effects of ditch-pond wetland system on N and P pollutants from paddy field[J]. Journal of Agro-Environment Science, 2011, 30(9): 1872-1879. (in Chinese with English abstract)

[9] Hua L L, Zhai L M, Liu J, et al. Characteristics of nitrogen losses from a paddy irrigation-drainage unit system[J]. Agriculture, Ecosystems and Environment, 2019, 285: 106629.

[10] 刘方平，向爱农，才硕，等. 南方稻田灌排系统生态整治效应分析[J]. 灌溉排水学报，2019，38(4)：116-121.

Liu Fangping, Xiang Ainong, Cai Shuo, et al. Improving contaminant attenuation by ecologically innovating irrigation and drainage system at paddy field in Southern China[J]. Journal of Irrigation and Drainage, 2019, 38(4): 116-121. (in Chinese with English abstract)

[11] Devkota K, Hoogenboom G, Boote K, et al. Simulating the impact of water saving irrigation and conservation agriculture practices for rice-wheat systems in the irrigated semi-arid drylands of Central Asia[J]. Agricultural and Forest Meteorology, 2015, 214-215: 266-280.

[12] Yuan S, Peng, S B, Li T. Evaluation and application of the ORYZA rice model under different crop managements with high-yielding rice cultivars in central China[J]. Field Crops Research, 2017, 212: 115-125.

[13] Amarasingha R P R K, Suriyagoda L D B, Marambe B, et al. Simulation of crop and water productivity for rice (L.) using APSIM under diverse agro-climatic conditions and water management techniques in Sri Lanka[J]. Agricultural Water Management, 2015, 160: 132-143.

[14] 梁浩，胡克林，李保国，等. 土壤-作物-大气系统水热碳氮过程耦合模型构建[J]. 农业工程学报，2014，30(24)：54-66.

Liang Hao, Hu Kelin, Li Baoguo, et al. Coupled simulation of soil water-heat-carbon-nitrogen process and crop growth at soil-plant-atmosphere continuum system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(24): 54-66. (in Chinese with English abstract)

[15] Liang H, Yang S H, Xu J Z, et al. Modeling water consumption, N fates, and rice yield for water-saving and conventional rice production systems[J]. Soil and Tillage Research, 2021, 209: 104944.

[16] Shi X R, Hu K L, William D B, et al. Exploring optimal nitrogen management strategies to mitigate nitrogen losses from paddy soil in the middle reaches of the Yangtze River[J]. Agricultural Water Management, 2020, 228: 105877.

[17] Jiang W J, Huang W C, Liang H, et al. Is rice field a nitrogen source or sink for the environment?[J]. Environmental Pollution, 2021, 283: 117122.

[18] 史鑫蕊，梁浩，周丰，等. 稻田土壤-作物系统模型参数敏感性分析与模型验证[J]. 农业机械学报，2020，51(5)：252-271.

Shi Xinrui, Liang Hao, Zhou Feng, et al. Sensitivity analysis and parameter estimation for soil-rice system model[J]. Transactions of the Chinese Society of Agricultural Machinery, 2020，51(5): 252-271. (in Chinese with English abstract)

[19] Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration guidelines for computing crop water requirements[R]. FAO Irrigation and drainage paper No. 56. Rome: FAO, 1998.

[20] Hachum A Y, Alfaro J F. Rain infiltration into layered soils: Prediction[J]. Journal of the Irrigation and Drainage Division, 1980, 106(4): 311-319.

[21] Zhou S, Sakiyama Y, Riya S, et al. Assessing nitrification and denitrification in a paddy soil with different water dynamics and applied liquid cattle waste using the 15N isotopic technique[J]. Science of The Total Environment, 2012, 430: 93-100.

[22] Freney J R, Leuning R, Simpson J R, et al. Estimating ammonia volatilization from flooded rice fields by simplified techniques[J]. Soil Science Society of America Journal, 1985, 49(4): 1049-1054.

[23] 杨士红，彭世彰，徐俊增，等. 不同水氮管理下稻田氨挥发损失特征及模拟[J]. 农业工程学报，2012，28(11)：99-104.

Yang Shihong, Peng Shizhang, Xu Junzeng, et al. Characteristics and simulation of ammonia volatilization from paddy fields under different water and nitrogen management[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(11): 99-104. (in Chinese with English abstract)

[24] 鲍士旦. 土壤农化分析[M]. 北京: 中国农业出版社, 2000.

[25] Morris M D. Factorial sampling plans for preliminary computational experiments[J]. Technometrics, 1991, 33(2): 161-174.

[26] 刘建刚，褚庆全，王光耀，等. 基于DSSAT 模型的氮肥管理下华北地区冬小麦产量差的模拟[J]. 农业工程学报，2013，29(23)：124-129.

Liu Jiangang, Chu Qingquan, Wang Guangyao, et al. Simulating yield gap of winter wheat in response to nitrogen management in North China Plain based on DSSAT model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(23): 124-129. (in Chinese with English abstract)

[27] Liu L J, Chen T T, Wang Z Q, et al. Combination of site-specific nitrogen management and alternate wetting and drying irrigation increases grain yield and nitrogen and water use efficiency in super rice[J]. Field Crops Research, 2013, 154: 226-235.

[28] He W T, Grant B B, Smith W N, et al. Assessing alfalfa production under historical and future climate in eastern Canada: DNDC model development and application[J]. Environmental Modelling & Software, 2019, 122, 104540.

[29] Yang J M, Yang J Y, Liu S, et al. An evaluation of the statistical methods for testing the performance of crop models with observed data[J]. Agricultural Systems, 2014, 127: 81-89.

[30] 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]. Agriculture Water Management, 2012, 104: 184-192.

[31] Wang C, Sun H F, Zhang J N, et al. Effects of different fertilization methods on ammonia volatilization from rice paddies[J]. Journal of Cleaner Production, 2021, 295: 126299.

[32] 李娟，李松昊，邬奇峰，等. 不同施肥处理对稻田氮素径流和渗漏损失的影响[J]. 水土保持学报，2016，30(5)：23-33.

Li Juan, Li Songhao, Wu Qifeng, et al. Effects of different fertilization treatments on runoff and leaching losses of nitrogen in paddy field[J]. Journal of Soil and Water Conservation, 2016, 30(5), 23-33. (in Chinese with English abstract)

[33] 李帅，卫琦，徐俊增，等. 水肥一体化条件下控灌稻田土壤氮素及水稻生长特性研究[J]. 灌溉排水学报，2021，40(10): 79-86.

Li Shuai, Wei Qi, Xu Junzeng, et al. Improving nitrogen use efficiency and growth of paddy rice using controlled fertigation[J]. Journal of Irrigation and Drainage, 2021, 40(10): 79-86. (in Chinese with English abstract)

[34] 李笑天，刘锦涛，王乙江，等. 不同湿地-稻田面积比下茭白-茨菇湿地系统对稻田排水中氮素去除效果的研究[J]. 中国农村水利水电，2016(11): 70-73.

Li Xiaotian, Liu Jintao, Wang Yijiang, et al. A study of the removal effect of water bamboo and arrowhead wetland system on nitrogen in paddy field drainage water under different wetland-paddy area ratio[J]. China Rural Water and Hydropower, 2016(11): 70-73. (in Chinese with English abstract)

Simulation of the water and nitrogen dynamics for paddy field-ditch pond system and model construction of irrigation and drainage regulation

Liang Hao1, Hu Zonghui1, Yang Shihong1, Xu Junzeng1, Gu Zhe1, Hu Kelin2

(1.,,210098,;2.,,100193,)

The runoff nitrogen (N) loss of paddy fields is one of the major sources for agricultural non-point pollution (AGNPS) in the rice areas of southern China. In an effective way to reduce the AGNPS risk, a ditch-pond system can be used to intercept farmland drainage in recent years. It is necessary to quantify the water and N processes of the system for appropriate management practices. In this study, a new regulation model of water and nitrogen was developed for the paddy field-ditch pond system. The water and nitrogen processes of the ditch system incorporated the regulation of irrigation and drainage into the soil-rice system model (soil water heat carbon-nitrogen simulator for rice, WHCNS_Rice). A global Morris sensitivity analysis was adopted to evaluate the output responses of the model to different input parameters. The model was verified to utilize the dataset from a two-years (2009-2010) field experiment with the combination of two irrigation regimes (FI, traditional flooding irrigation; CI, controlled irrigation) and two N management (FP, farmer’s N practice; SP, site-specific N practice) in the Taihu Lake Basin. The specific parameters included the ponding water depth, soil water content, runoff, N runoff loss, ammonia volatilization, crop N uptake, and crop yield. The results showed that the Relative Root Mean Square Error (RRMSE), Index of Agreement (IA), and Nash-Sutcliffe Efficiency (NSE) ranged from 4.6% to 29.7%, 0.758 to 0.996, and 0.073 to 0.983, respectively. The model performed well to simulate the water and N balances, as well as the rice growth for paddy field-ditch pond system under different irrigation regimes and N management practices. Morris sensitivity analysis showed that the soil hydraulic parameters of the paddy field and the leakage rate of the ditch (k) presented the greatest influence on the simulation of water depth in the ditch, while the sensitivity of crop parameters was relatively low. The nitrate concentration in the ditch was also more sensitive to the hydraulic parameters of the paddy field, the coefficient of N reduction (RD) in ditches, and the first-order kinetic coefficient of ammonia volatilization (K). At the same time, the improved model was utilized to clarify the effects of ditch pond/paddy field area (), irrigation regimes, and N management practices on water consumption, N fate, and crop growth in the paddy field-ditch pond system. Furthermore, the calibrated and validated model was selected to evaluate the effects of different water and N management on water and N balances of the paddy field-ditch pond system. It was found that the combination of controlled irrigation and site-specific N management significantly reduced irrigation water use and N runoff loss by 32.1%-36.2% and 36.7%-67.3%, respectively. Meanwhile, the nitrate concentration in the ditch pond was reduced by 55.1%, leading to a significant decrease in the N loss risk of the paddy field-ditch pond system. Consequently, the incorporated model can provide a powerful tool to regulate irrigation and drainage of paddy field-ditch pond system, and thereby to control agricultural non-point source pollution.

irrigation; drainage; paddy field; ditch-pond; water and nitrogen regulation; process-based simulation; sensitivity analysis

梁浩，胡宗荟，杨士红，等. 稻田-沟塘系统水氮动态模拟与灌排调控模型构建[J]. 农业工程学报，2021，37(22)：49-57.doi：10.11975/j.issn.1002-6819.2021.22.006 http://www.tcsae.org

Liang Hao, Hu Zonghui, Yang Shihong, et al. Simulation of the water and nitrogen dynamics for paddy field-ditch pond system and model construction of irrigation and drainage regulation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 49-57. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.22.006 http://www.tcsae.org

2020-07-02

2021-10-08

国家重点研发计划项目（2018YFC1508303）；中国博士后科学基金项目资助（2019T120159）

梁浩，博士，青年教授，研究方向为农业生态系统模型。Email：haoliang@hhu.edu.cn

10.11975/j.issn.1002-6819.2021.22.006

S274

A

1002-6819(2021)-22-0049-09