未来气候条件下秸秆还田和氮肥种类对夏玉米产量及土壤氨挥发的影响

赵政鑫，王晓云，田雅洁，王锐，彭青，蔡焕杰

未来气候条件下秸秆还田和氮肥种类对夏玉米产量及土壤氨挥发的影响

赵政鑫1,2，王晓云1,2，田雅洁1,2，王锐1,2，彭青1,2，蔡焕杰1,2*

1西北农林科技大学水利与建筑工程学院，陕西杨凌 712100；2西北农林科技大学中国旱区农业节水研究院，陕西杨凌 712100

【】秸秆还田配施氮肥可以提高作物生产力，但在气候变化条件下，不同管理措施对夏玉米农田氮素利用存在很大的不确定性。明确在未来气候条件下秸秆还田与氮肥种类对夏玉米产量和土壤氨挥发的影响，以应对气候变化。【】利用DNDC模型预测未来不同情景下，秸秆还田和不同氮肥种类对关中地区夏玉米产量和土壤氨挥发的影响。通过田间土壤温度、水分、产量和土壤氨挥发累积量试验数据的验证，DNDC模型可以很好地模拟未来气候条件下不同处理的作物产量和土壤氨挥发累积量。【】模拟和实测结果均表明，在当前气候条件下秸秆还田会提高作物产量并促进土壤氨挥发，稳定性氮肥与普通尿素相比对产量无显著影响但会显著减少土壤氨挥发累积量。敏感性分析表明，作物产量与土壤氨挥发累积量均对施氮量最敏感。在RCP4.5排放情景下，单施稳定性氮肥（NF1）和单施尿素（NF2）分别在2050s—2090s和2070s—2090s产量显著降低，秸秆配施稳定性氮肥（SF1）和秸秆配施尿素（SF2）均在2050s—2090s产量显著升高；在RCP8.5排放情景下，单施稳定性氮肥（NF1）在2070s—2090s产量显著降低，单施尿素（NF2）产量无显著变化，秸秆配施稳定性氮肥（SF1）和秸秆配施尿素（SF2）均在2050s—2090s产量显著升高。单施稳定性氮肥（NF1）在RCP4.5排放情景下的2050s—2090s和在RCP8.5排放情景下2030s—2090s土壤氨挥发累积量与当前气候条件相比显著提高，其余各处理在不同排放情景下未来各时期土壤氨挥发累积量与当前气候条件相比均显著降低。【】DNDC预测结果表明，在关中地区未来气温和CO2浓度升高以及降水变化的气候条件下，秸秆还田配施稳定性氮肥会显著提高夏玉米产量并降低土壤氨挥发累积量，是最佳的高产减排农田管理方案，可为应对气候变化及合理使用秸秆和氮肥提供理论基础。

秸秆还田；氮肥种类；氨挥发；夏玉米；产量；DNDC模型；气候变化；陕西关中地区

0 引言

【研究意义】随着全球科技的进步和社会的发展，气候变化是人类面对的重大生态环境问题，极端天气的风险日益严峻，气候变化对农业生态环境和资源、农作物种植制度和结构布局、农业气候灾害和农作物产量都会产生严重影响[1]。近年来，如何应对人为和自然因素引起的气候变化问题是科学研究领域面对的重要课题[2]。因此，明确气候变化对作物生产的具体影响，并寻找适应未来气候条件的合理的农田管理措施，提高资源利用效率，实现高产减排的目标对农业可持续发展具有重要意义。【前人研究进展】农业生产中，土壤氨挥发是氮素流失的主要途径之一，据统计，平均有18%的氮肥因氨挥发而损失[3]。秸秆还田能够提高土壤固碳能力及土壤肥力，是保护性农业的核心措施之一[4]。有研究结果表明秸秆还田会促进养分向籽粒中转运进而提高作物产量[5]，且秸秆还田配施氮肥可以促进土壤中的无机氮转变成有机氮，秸秆中有机质的分解会生成酸性物质，从而降低了土壤pH，同时形成大量腐殖质，增强土壤颗粒对NH4+的吸附作用进而抑制了土壤氨挥发[6]。有研究利用DNDC模型模拟旱田转变为水田后的CO2、CH4和N2O三种温室气体的排放量，结果表明DNDC模型可以很好地模拟转变前后的农田不同季节温室气体排放动态变化和排放总量[7-8]。【本研究切入点】这些研究得到的较为优化的管理措施通常基于当前气候条件，由于在未来气候条件下温度、空气中CO2浓度等因素会发生变化，所以短期实验无法体现未来气候条件下不同管理措施对作物生长和土壤氨挥发的长期影响。因此，在气候变化的背景下，适合关中地区的高产减排措施需进一步研究。前人研究中表明DNDC模型能够准确模拟CO2、CH4和N2O等温室气体的排放，但对于模拟不同肥料种类尤其稳定性氮肥的土壤氨挥发有待验证。【拟解决的关键问题】本研究以关中地区夏玉米为研究对象，利用试验数据对DNDC模型进行校正与验证，并利用校正后DNDC模型与未来不同排放情景下的气象数据结合，模拟关中地区秸秆还田和氮肥种类及气候变化对作物生产和土壤氨挥发的影响，筛选出适合未来气候条件的最优方案，为应对气候变化保证作物稳产和控制农田氨排放以减少环境污染提供理论基础。

1 材料与方法

1.1 研究区概况

试验于2019年6—10月和2020年6—10月在西北农林科技大学教育部旱区农业水土工程重点实验室节水灌溉试验站进行（108°04′ E，34°17′ N，海拔521 m）。该区属典型的暖温带半湿润季风气候，年均无霜期 210 d，日照时数 2 164 h，年平均气温12.9℃，多年平均降水量550 mm。供试土壤类型为土（土垫旱耕人为土，Eum-Orthic Anthrosols），pH 7.8，0—20 cm耕层有机质含量14.48 g·kg-1，容重1.40 g·cm-3，有效磷13.67 mg·kg-1，有效钾183.20 mg·kg-1。

1.2 试验设计

试验采用完全随机组合设计，试验因素为氮肥种类和秸秆还田模式。氮肥种类包括施用稳定性氮肥（F1，180 kg·hm-2）、尿素（F2，180 kg·hm-2），其中，稳定性氮肥含有硝化抑制剂和脲酶抑制剂；秸秆还田模式设置两个水平，包括秸秆不还田（N）和秸秆全量还田（S）。其中，F2尿素施氮量参考前人研究中推荐施氮量[9]；F1稳定性氮肥施氮量与F2一致。稳定性氮肥在作物播种前一次性施入，尿素在播种前以基肥形式施入总施氮量的60%（施肥方式为均匀撒播后进行人工翻耕），以追肥形式在玉米抽雄期施入余下的40%。试验共4个处理，重复3次，共12小区，小区面积为12 m2。秸秆还田方式为小麦秸秆（C/N=72）粉碎覆盖还田，还田量为8 000 kg·hm-2。试验作物为玉米，品种为郑单958，种植密度为6万株/hm2。2019年播种时间为6月15日，追肥时间为7月30日，收获时间为10月2日；2020年年播种时间为6月19日，追肥时间为7月26日，收获时间为9月30日。夏玉米全生育期病虫防治、田间除草管理与当地农户相同。

1.3 测定项目与方法

1.3.1 土壤NH3挥发测定 土壤NH3挥发采用通气法进行测定[10]，测定频率为施肥后第1周每天取样1次，之后视测量结果的大小每3 d取样1次，后期可延长到1周取样1次直至挥发量很低停止取样。取样结束后把收集的海绵立即放入装有300 mL浓度为1 mol·L-1的氯化钾溶液的塑料瓶（瓶容量为500 mL）内进行振荡提取，浸提液用AA3（Seal，Germany）流动分析仪测定溶液中的铵态氮含量。

氨挥发累积量的计算公式为：

式中，为氨挥发累积量（kg·hm-2），为单个装置平均每次收集的氨量（NH3-N，mg），为收集装置的横截面积（0.0177 m2），为收集次数，0.01为转换系数，0.99 为捕获装置的回收率。

1.3.2 产量测定 夏玉米成熟期时，在各处理小区采用随机选取 10 株玉米穗，自然风干后，测定其行粒数和穗行数，然后进行人工脱粒和称重，测定其百粒重，同时测定其中含水率，并折算每公顷产量（14%含水率）。

1.3.3 土壤水分的测定 自种植开始，每7 d测定一次土壤含水量，若出现降雨，适当提前或延后。使用土钻取0—10 cm土层土样，装入铝盒放入烘箱105℃烘至恒重，3次重复，计算土壤质量含水量并折算为土壤孔隙含水量（Water-Filled Porespace，WFPS）。

1.3.4 土壤温度的测定 自播种开始，每次测土壤水分同时对土壤温度进行测定，利用地温计测定5 cm土层土壤温度，每个小区重复3次。

1.4 DNDC模型

DNDC模型（Denitrification-Decomposition）是基于生物化学和地球化学反应机制的描述农田生态系统中碳氮循环的计算机模拟表达[11]。DNDC由两部分组成，第一部分包含土壤、作物和有机质分解3个模块，通过输入气候、土壤、作物和人类活动模拟土壤温度、水分、NO3--N和NH4+-N等土壤理化性质的变化；第二部分包含硝化作用、反硝化作用和发酵作用3个模块，模拟微生物活动和计算CO2、CH4、N2O等温室气体和NH3等气体的排放[12]。DNDC模型运行需要气象参数、土壤参数、作物参数及田间管理措施相关参数。气象参数通过杨凌气象站获得，田间管理措施相关参数根据实际获得，土壤参数通过实测获得，作物参数通过试验实测和校正获得。虽然DNDC模型提供不同作物默认的作物参数，如根、茎、叶、果生物量占比、最适生长温度、作物需水量等，但这些默认参数与实际不一定相符，因此，本研究中根、茎、叶、果生物量占比利用2019年试验实测值，其余作物参数以前人研究得到的值为基础，利用2019年试验数据进行参数校正，以作物产量、土壤水分、温度和土壤氨挥发累积量模拟值与实测值的拟合度较高为目标确定玉米参数，并利用所得作物参数对2020年夏玉米季进行模拟，将模拟值与实测的土壤水分、温度、作物产量及土壤氨挥发累积量对比进行模型验证，通过（式1）和2（式2）评价模拟准确度，土壤和校正后作物参数具体数值如表1，其中稳定性氮肥中硝化抑制剂效率为0.06，有效天数为90 d，脲酶抑制剂效率为0.25，有效天数为90 d。

式中，O和P分别表示观测值和模拟值，O和`分别表示观测值和模拟值的平均值，为数据个数。2接近1表示实测数据与模拟数据一致性较好，当＜25%时表示模拟效果良好，当25%＜＜50%时，表示模拟效果一般。

利用IPCC第5次报告给出的RCP4.5（到2100年大气中CO2浓度达到1.3 mg·L-1）和RCP8.5（到2100年大气中CO2浓度达到2.7 mg·L-1）排放情景[13]，选用全部33种大气环流模式（GCM），利用天气发生器LARS-WG生成日尺度气象数据，将其与校正后的DNDC模型结合，模拟未来气候条件下不同施肥和秸秆还田措施对夏玉米产量及土壤氨挥发的变化情况并寻求适合未来气候变化的最优施肥和秸秆措施。

表1 土壤和作物参数

1.5 敏感性分析

为了分析影响作物产量及土壤氨挥发的最关键影响因素，利用DNDC模型的Sensitivity Test模块进行敏感性分析。选取2020年不同秸秆还田及施氮情景作为基准，选取参数包括生育期均温、生育期降雨量、土壤黏粒含量、土壤SOC含量、施氮量和秸秆还田量（只对于SF1和SF2处理），改变各参数变化范围为-30%—30%，且保持其余参数不变，DNDC模型模拟出各变化情景的作物产量及土壤氨挥发累积量，并将所得结果与基准进行比较，利用式4计算敏感度指数（），量化各参数对作物产量及土壤氨挥发的影响。

式中，max、min、`分别为输入参数的最大值、最小值和均值，max、min、为对应结果，＞0表示模拟值与参数正相关，反之表示负相关。

1.6 数据统计分析

采用Microsoft Excel 2010进行数据整理和误差计算，使用SPSS22.0对各指标进行单因素方差分析（ANOVA）和多重比较，多重比较采用最小显著性差异法（LSD）在＜0.05的显著性水平上进行比较，使用Origin2018作图。

2 结果

2.1 DNDC模型验证

2.1.1 夏玉米产量 图1显示了2019年和2020年各处理夏玉米产量的实测值和模拟值。2019年和2020年夏玉米产量各处理实测结果均表现为SF1＞SF2＞NF1＞NF2，两年产量都表现出秸秆还田有提高产量的作用，校正后的DNDC模型能很好模拟出该结果，同时2019年和2020年的产量模拟值与实测值的值分别为3.09%和4.29%，说明校正后DNDC模型能较好地模拟夏玉米产量。

2.1.2 土壤温度及水分 图2和图3显示了2019年和2020年各处理0—5 cm土层土壤温度的实测值和模拟值。2019年实测值表明，秸秆还田各处理0—5 cm土层土壤温度低于无秸秆还田各处理的0.42%—2.67%，模拟值显示秸秆还田各处理0—5 cm土层土壤温度低于无秸秆还田各处理的0.57%；2020年实测值表明，秸秆还田各处理0—5 cm土壤温度低于无秸秆还田各处理的1.18%—1.64%，模拟值显示秸秆还田各处理0—5 cm土层土壤温度低于无秸秆还田各处理的1.25%，说明校正后DNDC模型能很好地模拟秸秆还田在高温条件下隔热的效果。2019年各处理的实测值与模拟值的值为9.88%—10.56%，2为0.97—0.98，说明校正后DNDC模型能较好地模拟土壤温度。

图4和图5显示了2019年和2020年各处理0—10 cm土层土壤水分的实测值和模拟值。2019年0—10 cm土层土壤水分实测值表明，有秸秆还田的各处理高于无秸秆还田各处理的0.40%—5.51%，模拟值表明，有秸秆还田的各处理高于无秸秆还田各处理的3.11% —3.31%，各处理的2为0.51—0.68，为5.57% —9.32%；2020年0—10 cm土层土壤水分实测值表明，有秸秆还田的处理高于无秸秆还田处理的10.50%—14.15%。模拟值表明，有秸秆还田的处理高于无秸秆还田处理的4.83%—8.85%，各处理的为10.70%—13.82%，2为0.60—0.75。以上结果说明校正后DNDC模型能较好地模拟土壤水分。

图1 产量验证

图2 2019年0—5 cm土层土壤温度验证

图3 2020年0—5 cm土层土壤温度验证

图4 2019年0—10 cm土层土壤水分验证

2.1.3 土壤氨挥发累积量 图6和图7显示了2019年夏玉米追肥后和2020年全生育期的土壤氨挥发累积量实测值和模拟值。实测结果表明，2019年追肥后施用稳定性氮肥的NF1和SF1处理土壤氨挥发累积量显著低于施用尿素的NF2和SF2处理，SF1和SF2处理土壤氨挥发累积量分别高于NF1和NF2处理9.82%和6.77%；2020年全生育期土壤氨挥发累积量NF1和SF1处理分别低于NF2和SF2处理45.68%和46.60%，SF1和SF2处理土壤氨挥发累积量分别高于NF1和NF2处理21.65%和22.98%。模型模拟的各处理土壤氨挥发累积量也表现出相似的结果，2019年各处理的为7.0%—30.7%，2为0.773—0.988，2020年各处理的为21.3%—24.4%，2为0.854—0.926，说明校正后DNDC模型能较好地模拟土壤氨挥发累积量。

图5 2020年0—10 cm土层土壤水分验证

图6 2019年追肥后土壤氨挥发累积量验证

2.2 敏感性分析

敏感性分析结果表明，夏玉米产量及土壤氨挥发累积量对不同因子有不同的敏感程度（表2）。各处理产量的值均表现为对施氮量最敏感，土壤黏粒含量其次，且均为正值，说明玉米产量与施氮量和土壤黏粒含量均呈正相关关系，各处理对施氮量的敏感程度为NF2（=0.91）＞NF1（=0.89）＞SF1（=0.673）＞SF2（=0.671），对土壤黏粒含量的敏感程度为SF1（=0.47）=NF1（=0.47）＞SF2（=0.44）＞NF2（=0.39）。各处理土壤氨挥发累积量的值均表现为对施氮量最敏感，土壤黏粒含量其次，各处理对施氮量的敏感程度为NF2（=2.53）＞SF2（=2.47）＞NF1（=1.38）＞SF1（=1.30），对土壤黏粒含量的敏感程度为SF2（=-1.14）＞NF2（=-1.08）＞SF1（=-0.87）＞NF1（=-0.68），说明土壤氨挥发累积量与施氮量呈正相关关系，与土壤黏粒含量呈负相关关系。

图7 2020年土壤氨挥发累积量验证

表2 敏感性分析结果

对于所有处理施氮量均为影响产量和土壤氨挥发累积量的最敏感因子。产量和土壤氨挥发累积量随施氮量的变化如图8所示，当施氮量变化率在-0.3—0.02范围内，所有处理产量模拟值均呈线性增长，NF1、NF2、SF1、SF2处理分别在施氮量变化率为0.12、0.14、0.02、0.04时产量停止增长；对于所有处理，土壤氨挥发累积量模拟值均与施氮量变化率呈正相关关系，且NF1和SF1处理增长较慢，NF2和SF2处理增长较快。

2.3 未来气候条件下秸秆还田和氮肥种类对玉米产量和土壤氨挥发累积量的影响

2.3.1 未来气候条件下温度和降水的变化 未来气候条件下不同排放情景的年均最高温度和最低温度如图9-a和9-b所示。在未来不同排放情境下，年均最高温和年均最低温度较当前气候条件都呈现逐渐上升的趋势，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，年均最高温和年均最低温度分别达到21.64℃、10.65℃和24.00℃、12.38℃。未来气候条件下年不同排放情景的降水量如图9-c。不同排放情境下年降水量均逐渐增加，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较当前提高84.94 mm，RCP8.5排放情景下年降水量较当前提高103.13 mm。

图8 产量和土壤氨挥发对施氮量变化率敏感度

每个柱状图包含33种GCM大气环流模式，框边界表示第25%和第75%值，误差棒表示第10%和第90%值，框中线和“╳”分别表示中位数和均值，虚线表示当前气候下的均值。下同

2.3.2 未来气候条件下秸秆还田和氮肥种类对夏玉米产量的影响 图10表示了当前气候条件和2030s、2050s、2070s和2090s未来气候条件下的作物产量模拟结果。NF1处理在RCP4.5情景下，2050s—2090s产量会显著降低，降低范围为2.36%—3.90%，其余各时期无显著性变化；在RCP8.5情景下，2070s—2090s产量会显著降低，降低范围为3.57%—5.48%。NF2处理在RCP4.5情景下，2070s—2090s产量会显著降低2.08%—2.51%；在RCP8.5情景下产量无显著性变化。SF1处理在两种排放情景下未来2050s—2090s产量均会显著升高，升高范围分别是10.85%—12.98%和7.69%—10.90%，但在RCP4.5情景下，玉米产量呈现逐渐升高的趋势，在RCP8.5情景下，夏玉米产量呈现先增大后减小的趋势，在2070s达到最大。SF2处理与SF1处理的产量呈现相似的变化规律，在两种排放情景下未来2050s—2090s产量均会显著升高13.72%—16.11%和10.37%—13.86%。

2.3.3 未来气候条件下秸秆还田和氮肥种类对土壤氨挥发累积量的影响 图11表示了当前气候条件和2030s、2050s、2070s和2090s未来气候条件下的土壤氨挥发累积量模拟结果。NF1处理在RCP4.5情景下，到2050s、2070s和2090s土壤氨挥发累积量分别显著增加7.22%、7.77%和7.97%。NF2处理在两种情景下均呈现显著降低趋势，分别降低7.33%—8.40%和4.65%—10.52%。SF1处理在RCP4.5情景下土壤氨挥发累积量较当前均显著降低，且随时间降幅更大，到2030s、2050s、2070s和2090s分别降低6.02%、6.20%、8.67%和10.42%；在RCP8.5情景下土壤氨挥发累积量较当前均显著降低，在2070s达到最低，降低范围为4.85%—6.06%。SF2处理在两种情景下土壤氨挥发累积量均显著降低，且随时间变化均呈现递减趋势，到2030s、2050s、2070s和2090s分别降低10.66%、11.00%、13.07%、14.26%和9.07%、10.77%、13.13%、13.89%。

*表示与当前气候条件下相比模拟值的显著性。下同

图11 未来不同时期RCP4.5和RCP8.5背景下土壤氨挥发累积量变化

3 讨论

3.1 DNDC模型评价

DNDC模型对于不同作物采用通用的作物生长模块以每日为时间步长模拟不同环境因素下的作物生长[14]。尽管DNDC模型对作物生长的模拟更加简单，所需参数更少，但本研究中得到的2019年和2020年的产量模拟值与实测值的值分别为3.09%和4.29%，模拟值与实测值较为一致。同时，DNDC模型可以很好地捕捉到秸秆还田对玉米产量的提高，在两年的模拟中，施肥种类相同的条件下，实测值与模拟值均体现出有秸秆还田处理的玉米产量高于无秸秆还田处理。DNDC模型通过参数化经验方程模拟秸秆还田条件下的土壤气候条件，模拟值与实测值微弱的差异可能是由于模型的参数与试验地实际环境存在差异[15]。

本研究中，DNDC模型对土壤水分和温度的模拟与前人研究中模拟不同覆盖条件下土壤气候结果类似[16]，总体来看，DNDC模型可以较好地模拟不同肥料种类和秸秆还田模式条件下的土壤气候，但是本研究中模拟值与观察值之间仍然存在一些差异，这些差异可能是由于模型输出与实际观测时间的不一致造成的。DNDC模型以每日为时间步长输出模拟值，而实际观测土壤温度与水分通常在上午9：00—12：00之间，所以部分实测值会高于模拟值（图2和3）。在出现降雨时，由于DNDC模型输出的是一天结束时的土壤水分值，所以会出现部分模拟值低于实测值。有研究表明[17]，DNDC模型模拟干旱条件下的土壤水分值会偏高，本研究在模拟较为干旱条件下的土壤WFPS时也出现同样情况，可能是由于DNDC模型低估了植物生长和蒸腾作用[18]。

当农田施入基肥或者追肥时，土壤氨挥发累积量会在施肥后一周上升较快[19]，本研究中两年的实际测量值和DNDC模拟值都体现了这一特点，且二者较为接近，说明DNDC模型可以很好捕捉氨排放峰。稳定性氮肥各处理相对于普通尿素各处理氨挥发累积量上升速度较慢，DNDC模型对两年稳定性氮肥的各处理的和2分别为7.0%—30.7%和0.854—0.988，说明DNDC模型对于模拟施用稳定性氮肥的土壤氨挥发累积量效果较好[20]。尽管模拟效果较好，但部分模拟结果较实测值偏高，这可能是由于一方面施肥的不均匀造成实测结果偏低，另一方面可能由于在施肥后期三天或一周取一次样的时候出现降雨天气造成日土壤氨挥发量较高[21]，但实际并未监测到，导致全生育期内土壤氨挥发累积量实测值低于模拟值。

3.2 气候变化及其对夏玉米产量及土壤氨挥发累积量的影响

3.2.1 不同GCM模式对未来气候变化预测的不确定性 在未来不同排放情景下年均最高温度、最低温度和降水量都呈现逐渐上升的趋势，且RCP8.5排放情景下温度和降水升高幅度更大。目前，大气环流模式是预测未来气候变化规律研究的主要途径，但不同环流模式的模拟结果依然存在不确定性。如图9所示，不同GCM模式的降水和部分时期温度预测变化范围很大，进而也引起对未来气候条件下夏玉米产量部分模拟值变化较大（图10），这可能是由于不同GCM模式的初始及边界条件、观测及情景数据、模型参数及结构和本身的空间分辨率不同或降维统计方法不同造成的[22]。因此，本研究利用33个不同GCM模式的未来气候数据对关中地区夏玉米产量和土壤氨挥发量模拟的均值探究气候变化条件下秸秆还田和氮肥种类对关中地区夏玉米产量和土壤氨挥发的影响，以减少不同GCM模式的初始条件、参数和模型结构的不确定性引起的未来气候预测的不确定性。虽然不同GCM模式对未来气候预测的变化范围很大，但气温和降水的变化趋势与前人研究一致[23]，即温度和降水在不同RCP情景下均呈现随时间逐渐上升的趋势，且RCP8.5排放情景下增加幅度更大。

3.2.2 未来气候对夏玉米产量的影响 在未来气候条件下CO2浓度、温度和降水量将会升高[2]，因此会对作物产量产生巨大影响。在未来气候条件下，相关研究预测我国玉米等粮食作物产量均以减产为主，这是由于气候变化导致作物生长过程中高温热害频率增加[22]。有研究表明，在未来气候RCP8.5排放情景下，我国黄淮海夏玉米区平均减产预期会达到16%—25%[24]，气候变化导致我国东北地区春玉米减产率达22%—26%[25]。也有研究表明，在未来气候情境下，有机肥配施无机肥较单施无机肥会显著增加小麦、玉米的产量[26]。在CO2浓度不变时，施氮量增加50 kg·hm-2，春小麦产量会增加3.10%，CO2浓度每增加100 mol·mol-1，春小麦产量会增加13%[27]。本研究表明，在施用稳定性氮肥条件下，秸秆还田使关中地区2050s—2090s玉米产量显著提高7.69%—12.98%；在施用尿素条件下，秸秆还田使关中地区2050s—2090s玉米产量显著提高10.37%—13.86%。这是因为，一方面秸秆还田能提高叶绿素含量导致光合速率提高[28]，另一方面在未来温度和降雨量增加的条件下，秸秆更易分解[29]，秸秆还田会提高土壤孔隙度以及秸秆分解后会释放养分，且秸秆还田对土壤温度有高温隔热，低温保温的作用，因此在未来气候条件下，秸秆还田会显著提高夏玉米产量。

3.2.3 未来气候对土壤氨挥发累积量的影响 本研究结果表明，未来气候变化条件下，土壤氨挥发累积量总体呈现显著降低趋势，且施用稳定性氮肥的各处理土壤氨挥发累积量显著低于施用常规尿素各处理。在施用稳定性氮肥条件下，秸秆还田使关中地区2050s—2090s土壤氨挥发累积量显著降低4.85%—10.42%；在施用尿素条件下，秸秆还田使关中地区2050s—2090s土壤氨挥发累积量显著降低9.07%—14.26%。这可能是由于在未来气候条件下降水量将会增加，降水通过下渗作用会将氮肥带入深层土壤，使得土壤对NH4+的吸附量增大，同时也增大了氨排放到土壤表层的阻力，进而会减少氨挥发量[30-31]。前人研究表明[32]，秸秆还田对土壤温度具有调节作用体现为高温降温，低温保温。当未来气候温度升高时，秸秆会有效降低土壤温度以减小氨挥发潜力[33-34]，另外，在未来气候条件下作物产量会显著提高，对氮素的利用效率升高，进而会减少土壤氨挥发的底物[35]。因此，秸秆还田是未来气候条件下很好的减排措施。

3.3 模拟结果不确定性

试验和利用DNDC模型对夏玉米产量、土壤性质和土壤氨挥发累积量进行模拟均是点位尺度，因此存在一定误差，对于结果会产生一定影响。由于受限于试验的年限，对于秸秆还田后对作物产量和土壤氨挥发累积量的影响机理了解不够深入，未能优化模型模拟过程。另外模型本身参数存在一些不确定性，对于一些无法直接获取的参数一般采用默认值或推导获得，但与实际情况未必相符，且DNDC模型利用经验公式模拟作物的生长过程，这些都会影响模拟结果的精确程度，在以后的研究中应系统分析秸秆还田与不同种类氮肥配施对土壤理化性质、气体排放和作物生长的影响，进而修正模型完善模拟过程，以提高模拟的精确度。

4 结论

DNDC模型可以很好地模拟气候变化条件下关中地区不同氮肥种类和秸秆还田对玉米产量和土壤氨挥发累积量的影响。秸秆还田对玉米产量有积极影响，稳定性氮肥较常规尿素有较好的减排效果。敏感性分析表明，玉米产量和土壤氨挥发累积量均对施氮量最敏感。在未来不同RCP情景下，秸秆还田会显著提高夏玉米产量，秸秆配施稳定性氮肥或尿素均降低土壤氨挥发累积量，但相比于普通尿素，施用稳定性氮肥土壤氨挥发累积量更低。因此，秸秆还田与稳定性氮肥配施是关中地区未来气候条件下玉米高产减排的最佳措施。

[1] 宋敏, 王宏新, 郭慧捷, 肖嘉利. 农业领域面对气候变化的脆弱性与适应性举措. 肥料与健康, 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] 王丽波. 秸秆直接还田是农业可持续发展的需要. 农机使用与维修, 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] 赵苗苗, 邵蕊, 杨吉林, 赵芬, 徐明. 基于DNDC模型的稻田温室气体排放通量模拟. 生态学杂志, 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] 王朝辉, 刘学军, 巨晓棠, 张福锁. 田间土壤氨挥发的原位测定: 通气法. 植物营养与肥料学报, 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] 高小叶, 袁世力, 吕爱敏, 周鹏，安渊. DNDC模型评估苜蓿绿肥对水稻产量和温室气体排放的影响. 草业学报, 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] 李长生. 生物地球化学: 科学基础与模型方法. 北京: 清华大学出版社, 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] 卢丽丽, 吴根义. 农田氨排放影响因素研究进展. 中国农业大学学报, 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, 张丽芳, 张文学, 冀建华, 陈金, 刘增兵, 刘光荣. 基于DNDC模型的双季稻体系氨挥发损失研究. 长江流域资源与环境, 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, 庄国强, 吴尚华, 黄占斌, 庄绪亮. 农田土壤氨挥发的过程和控制技术研究. 环境保护科学, 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] 谢瑞芝, 明博. 玉米生产系统对气候变化的响应与适应. 中国农业科学, 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] 李树岩, 潘学标, 王靖. RCP情景下河南省夏玉米产量的变化及适应措施. 西北农林科技大学学报(自然科学版), 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, 刘强, 王钧. 基于APSIM模型的旱地春小麦产量对大气CO2浓度和氮肥水平的响应. 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] 路文涛, 高飞, 贾志宽, 韩清芳, 杨宝平, 侯贤清. 秸秆不同还田量对宁南旱区土壤水分、玉米生长及光合特性的影响. 生态学报, 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] 张学林, 周亚男, 李晓立, 侯小畔, 安婷婷, 王群. 氮肥对室内和大田条件下作物秸秆分解和养分释放的影响. 中国农业科学, 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] 杨杉, 吴胜军, 王雨, 周文佐, 程辉, 叶飞, 黄培, 黄平. 三峡库区农田氨挥发及其消减措施研究进展. 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, 陈玉真, 吴志丹, 江福英, 翁伯琦, 尤志明. 酸性茶园土壤氨挥发及其影响因素研究. 农业环境科学学报, 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] 马晓燕, 王军玲, 郭秀锐, 韩玉花. 不同施氮情景下北京地区露地甘蓝土壤氨的排放. 北方园艺, 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] 王东, 于振文, 于文明, 石玉, 周忠新. 施氮水平对高产麦田土壤硝态氮时空变化及氨挥发的影响. 应用生态学报, 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

国家自然科学基金（51879223）、国家重点研发计划（2016YFC0400201）

赵政鑫，E-mail：15840121398@nwafu.edu.cn。通信作者蔡焕杰，E-mail：caihj@nwsuaf.edu.cn

（责任编辑 李云霞）