滴灌条件下水肥调控模式对九三大豆产量影响分析

赵育恒,郑 鑫,,林彦宇

(黑龙江八一农垦大学 a.工程学院;b.土木水利学院,黑龙江 大庆 163319)

0 引言

我国淡水资源总量占全球水资源的6%,但人均水资源占有量仅为世界人均水平的1/4[1]。目前,水资源短缺已成为制约经济社会持续发展的重要因素之一,大力加强科技创新与技术整合、推进农业结构调整、完善农业节水工程、推进体制与机制创新实现科技节水、结构节水、工程节水、制度节水势在必行。化肥来自自然界,养分浓度高,供应效能好,极大程度上降低了劳动强度,解放了劳动力,作为工业技术革命果实和现代化农业的物质支撑,在农业生产中起到了举足轻重的作用。然而,据世界联合国粮农组织统计,我国的耕作土地面积占比不到世界耕地面积占比的1/10,化肥使用量却已经接近全世界使用量的1/3[2]。现阶段,我国单位土地耕种面积平均化肥施入用量已经远远超过国际上认定的安全界限[3],且目前对水肥调控模型的研究方法集中在水肥与产量之间的效应方程上,主要方法是运用回归分析建立水肥与产量之间的模型并对其分析[4]。曹毅等人通过主成分分析方法和多元回归分析法对水肥施用量进行综合评价,为设施果树灌溉施肥制度提供了合理的参考与建议[5]。聂堂哲等人采用D-311最优饱和设计,研究灌水量、氮肥和磷肥三因素对玉米生长、产量及其构成因素、耗水规律和水分利用效率的影响,得出水和肥对玉米产量的影响顺序为氮肥>灌水量>磷肥[6]。

综上所述,以往研究的滴灌技术多应用于玉米紫花苜蓿番茄葡萄等瓜果蔬菜上,对大豆研究较少[7-8],且对滴灌技术与水肥调控技术两者相结合的研究较少。为此,于2020年5-10月在黑龙江省嫩江市九三管理局鹤山农场进行大田试验以及数据采集和处理,通过田间小区试验开展水肥耦合试验研究,并进行以农户为基础的水肥等数据调研,探讨分析滴灌条件下水、氮、磷、钾四因素对大豆生长发育指标、耗水量、水分利用效率、产量的影响及经济效益分析。研究旨在解决九三管理局生产中水肥管理盲目性大、在水分和养分管理方面还主要借鉴常规灌溉经验的问题,同时也为九三大豆生产提供调整决策,进一步促进垦区“三减”、农业节本增效、农民增收[9]。

1 材料与方法

1.1 试验区概况

试验设在黑龙江省黑河市九三管理局鹤山农场科技园(48°43′～49°03′N,124°56′～126°21′E)。试验地区年均温度≥10℃,年有效积温2000～2300℃,无霜期115～120天,属寒温带大陆性气候,雨季多集中在夏天。当地的土壤类型以黑土为主,耕地呈弱酸性,试验地0～20cm土层基本理化性质为土壤容重1.21g/cm3、碱解氮137.8mg/kg、速效磷20.35mg/kg、速效钾180.16mg/kg、有机质22.1g/kg、pH值6.26。

1.2 试验方案

1.2.1 试验区布置

试验区种植作物为大豆,所选供试品种为黑河43。供试肥料为尿素(含N=46%)、钾肥(含K2O=60%)、二胺(含P2O5=16%)。种植方式为“一垄单管双行”,垄高0.2m,垄宽0.4m,沟底宽0.4m,垄间距1m,垄上种植2行大豆,保苗株树36万株/hm2。滴灌带铺设在垄中间,滴头流量1.38L/h,滴头间距0.3m,每个试验小区面积为10m×10m=100m2。试验布置如图1所示。

图1 田间小区试验示意图Fig.1 Schematic diagram of field plot experiment

1.2.2 田间小区试验设计

根据当地农户调研获得各因素上下限并设立对照组,各因素上下限如表1所示。供试大豆品种、密度及施用农药等技术相同的条件下,试验分别设置300、350、400mm等3种不同滴灌量,同时设置不灌溉组作为对照,各生育阶段滴灌量比例为苗期:分枝期:开花期:鼓粒期=1.5:1.5:5:2;分别设置零施氮水平、常规施氮水平为90kg/hm2、氮减量10%水平为81kg/hm2、氮减量20%水平为72kg/hm2、氮减量30%水平为63kg/hm2等5种不同施氮量。施肥比例为基肥:追肥(在开花期和鼓粒期随水滴施)=2:1。钾肥100kg/hm2,磷肥75kg/hm2,均作为底肥一次性施入。采用全面试验设计方法,共计16个处理。每个处理3次重复,共计48个试验小区,随机排列[10]。试验设计如表2所示。

1.2.3 试验指标观测

测量与考种:随机选取5点(对角线加中心点),每点连续取样5株大豆测其有效株数、单株荚数、单荚粒数、百粒质量、结实率,计算理论产量,同时实测每个处理实际产量。

1)有效株数:收割前数各处理的结实株数,取其平均值。

2)单株荚数:收割前数各处理的单株结荚数,取其平均值。

3)单荚粒数:收割前数各处理的单荚有效结粒数,取其平均值。

4)百粒质量:将大豆晾晒至脱水后将其充分混合均匀,随机取出100粒为1组,共取3组,分别称重,当每组质量相差小于3%时,取其平均质量;当每组质量相差大于3%时,重新取组至每组质量相差小于3%。

5)结实率:将大豆晾晒至脱水后将其充分混合均匀,统计出总粒数、实粒数和空瘪数。随机取出100粒为1组,共取3组,分别称重,当每组质量相差小于3%时,取其实粒数与总粒数的比值;当每组质量相差大于3%时,重新取组至每组质量相差小于3%。

6)理论产量:有效株数、单荚粒数、百粒质量和结实率的乘积即为其理论产量[10]。

表1 各因素上下限Table 1 The upper and lower limits of each factor

表2 试验处理表Table 2 Test processing table

续表2

2 结果与分析

2.1 回归分析

以实测产量Y为因变量,以X1(施氮量)、X2(施钾量)、X3(施磷量)、X4(灌水量)的编码值作为多项式回归分析的自变量,运用MatLab7.1软件通过回归分析得到大豆产量与施氮量、施钾量、施磷量、灌水量之间的回归方程为

Y=2426.49+252.1X1+42.62X2+49.62X3+

152.46X4+74.92X1X2+36.02X1X3-

91.46X1X4-29.6X2X3+87.56X2X4-

(1)

对于方程式(1)进行F检验,得出实际产量Y和预测产量y的复相关系数R2=0.9257,说明关系显著,拟合度较高,能够很好地进行产量与施氮量、施钾量、施磷量、灌水量四因素之间关系的预测。

将式(1)各回归项系数进行标准化处理,因在拟合方程的过程中已经对各项系数进行无量纲线性编码代换,各因子对产量的影响程度可以根据水、氮、磷、钾各自变量系数绝对值的大小来进行判断。公式(1)中各因子一次项系数均为正值,说明水、氮、磷、钾四因素对大豆增产均具有促进作用,且对大豆产量影响顺序为氮>水>钾>磷。交互项系数X1X2、X1X3、X2X4、为正值,说明氮与磷耦合、氮与钾耦合、磷与水耦合均有协同作用,对产量的提高具有促进作用;X1X4、X2、X3,X3X4为负值,说明钾、磷耦合对大豆产量的增加具有抑制作用;二次项系数为负值,图像为开口向下的抛物线,有最高点,即当各因子施入量超过最优值时,过量的水、肥调控并不会实现大豆增产。

2.2 主因素效应分析

通过分析该模型,主效应表现为:

1)由一次项系数可知,试验中四因子对大豆产量影响效应为X1>X4>X3>X2,即氮肥>灌水量>钾肥>磷肥。

2)各因素相互作用效应顺序为X1X3>X1X4>X3X4>X2X3>X2X4,即氮钾>氮水>钾水>磷钾>磷水。

3)二次项系数为负值,图像为开口向下的抛物线,有最高点,说明各因素施入量存在最优值且过量施入会使大豆产量降低。

2.3 单因素效应分析

对式(1)进行降维分析,得到四因素对产量影响的一元二次子方程,即

(2)

(3)

(4)

(5)

根据式(2)～式(5)可以分析出滴灌条件下大豆产量随各因素施入用量的变化,如图2所示。

图2 试验单因素效应图Fig.2 Trial One-Way Effects Plot

图2中,水、氮、磷、钾四因素的产量效应曲线,均为开口向下的抛物线,存在产量最高值,其点所对的编码值即为各单因素最佳施入量。在试验设计范围内,氮的最佳施入量编码值为2.00016,实际施入量为98.402kg/hm2,此时产量可达2678.61kg/h2;磷的最佳施入量编码值为0.118,实际施入量为80.25kg/hm2,此时产量可达2429.43kg/hm2;钾的最佳施入量编码值为0.12,实际施入量为107.122kg/hm2,此时产量可达2429.49kg/hm2;水的最佳施入量编码值为0.19,实际灌水量为267.39kg/hm2,此时产量可达2440.86kg/hm2。当施入量小于最佳施入量时,大豆产量随各因素施入量的增加而提高;当施入量大于最佳施入量时,大豆产量随各因素施入量的增加而降低。其中,增产负效应最为突出的因素是灌水量。

2.4 单因素边际效应分析

单因素边际效应可以反映各因素在不同水平时的产量增减速率。对式(2)～式(5)求一阶偏导并使dy/dx=0,求得各因素的边际效应方程为

氮肥量:dy/dx=252.1-126.04X1

(6)

磷肥量:dy/dx=42.62-359.3X2

(7)

钾肥量:dy/dx=49.62-411.18X3

(8)

灌水量:dy/dx=152.46-810.58X4

(9)

将不同水平值的各因素代入方程,即可求得边际效益值,如图3所示。

在试验设计范围内,随着水、氮、磷、钾四因素施入量的增加,其边际效益均呈递减趋势;随着施入量增加,边际效益随之减少,与X轴相交时为最佳施入量。

图3 试验单因素边际效应图Fig.3 Trial one-way marginal effects plot

2.5 各因素耦合效应分析

为了探究各因素之间的耦合效应,在大豆产量回归模型(1)中,固定磷、氮、钾、水为0编码值水平,则得到氮钾、氮磷、氮水、磷水、钾水、磷钾交互的回归子模型方程为

YNK=2426.49+252.1X1+49.62X3+36.02X1X3-

(10)

YNP=2426.49+252.1X1+42.62X2+74.92X1X2-

(11)

YNW=2426.49+252.1X1+152.46X4-91.46X1X4-

(12)

YPK=2426.49+42.62X2+49.62X3-29.6X2X3-

(13)

YPW=2426.49+42.62X2+152.46X4+87.56X2X4-

(14)

YKW=2426.49+49.62X3+152.46X4-8.32X3X4-

(15)

利用MatLab对式(10)～式(15)绘制氮与钾、氮与磷、氮与水、磷与钾、磷与水、钾与水对产量影响的二因素交互作用三维模型图,如图4～图9所示。

图4 氮肥用量与磷肥用量对大豆产量的影响Fig.4 Effects of nitrogen and potassium fertilizer amounts on soybean yield

图5 氮肥用量与钾肥用量对大豆产量的影响Fig.5 Effects of nitrogen and phosphorus fertilizer dosage on soybean yield

图6 氮肥用量与灌水量对大豆产量的影响Fig.6 Effects of nitrogen fertilizer amount and irrigation amount on soybean yield

图7 磷肥用量与钾肥用量对大豆产量的影响Fig.7 Effects of phosphate and potassium fertilizer amounts on soybean yield

图8 磷肥用量与灌水量对大豆产量的影响Fig.8 Effects of phosphate fertilizer amount and irrigation amount on soybean yield

图9 钾肥用量与灌水量对大豆产量的影响Fig.9 Effects of potassium fertilizer amount and irrigation amount on soybean yield

由图4～图9可以看出:两个因子之间的交互作用对大豆产量的影响均表现出先增大的趋势,超过一定阈值后产量随之降低。由图4可以看出,氮对产量的影响效果大于钾的影响效果;由图5可以看出,氮对产量的影响效果大于磷的影响效果;由图6可以看出,氮对产量的影响效果大于水的影响效果;由图7可以看出,钾对产量的影响效果大于磷的影响效果;由图8可以看出,水对产量的影响效果大于钾的影响效果;由图9可以看出,水对产量的影响效果大于磷的影响效果。

3 结论

1)滴灌条件下,氮肥、钾肥、磷肥与灌水量对大豆产量均有显著的影响,四因素对产量影响大小的顺序为氮>水>钾>磷。

2)通过对两因素之间的交互作用分析可知:大豆产量的变化均表现出先增大的趋势,超过一定阈值后减小。氮肥对产量的影响效果大于钾肥、磷肥、灌水量;灌水量对产量的影响效果大于钾肥、磷肥;钾肥对产量的影响效果大于磷肥。

3)各交互作用对产量影响的大小顺序为氮钾>氮水>钾水>氮磷>磷水>钾磷;氮与钾耦合、氮与磷耦合、氮与水耦合、钾与水耦合、磷与水耦合对产量的增加具有促进作用,钾磷耦合对大豆产量具有抑制作用。