设施菜地WHCNS_Veg水氮管理模型.pdf

第36卷 第5期 农 业 工 程 学 报 Vol 36 No 5 96 2020年 3月 Transactions of the Chinese Society of Agricultural Engineering Mar 2020 设施菜地WHCNS Veg水氮管理模型 梁 浩1 2 胡克林2 孙 媛3 吕浩峰2 林 杉2 1 河海大学农业工程学院 南京 210098 2 中国农业大学土地科学与技术学院 农业部华北耕地保育重点实验室 北京 100193 3 中国农业科学院农业信息研究所 北京 100081 摘 要 与一般大田作物相比 设施菜地集约化程度高 水肥投入量大 加上蔬菜根系浅 土壤养分淋失严重 不仅浪 费资源 而且极易引起地下水污染等生态环境问题 定量研究设施蔬菜不同生长阶段的土壤水分动态和氮素去向是制定 合理水氮管理方案的基础 该研究在农田土壤水热碳氮模拟模型 soil water heat carbon nitrogen simulator WHCNS 的 土壤水分 碳氮循环模块的基础上 耦合了蔬菜生长发育过程模型 构建了适用于设施菜地水氮管理的机理模型 WHCNS Veg 分别利用山东寿光的设施黄瓜和天津武清的设施番茄田间观测数据 主要包括不同水氮管理措施下实测的 土壤水分 含水率和基质势 土壤氮素 硝态氮含量和淋失量 植株吸氮量和蔬菜可售卖鲜产量 对WHCNS Veg模 型进行了校准与验证 结果表明 作物生物学指标的模拟精度要高于土壤指标 模拟的黄瓜 番茄产量和植株吸氮量的 相对均方根误差不大于12 1 一致性指数不小于0 934和Nash Sutcliffe效率系数不小于0 829 土壤指标中 土壤含水 率的模拟效果也较好 相对均方根误差 一致性指数和Nash Sutcliffe效率系数的范围分别为6 2 9 1 0 851 0 960 和0 477 0 846 其次是土壤硝态氮含量和淋失量 相对均方根误差范围分别为22 2 40 1 和4 6 26 0 Nash Sutcliffe效率系数范围分别为 0 810 0 636和0 442 0 956 模型对土壤基质势动态模拟的精度相对较低 相对均 方根误差 一致性指数和Nash Sutcliffe效率系数范围分别为22 9 30 1 0 223 0 846和 6 344 0 113 主要是滴灌 条件下模拟效果较差导致的 说明需要进一步提高滴灌条件下土壤基质势的模拟精度 总体来看 WHCNS Veg模型较 好地模拟了不同水氮管理条件下土壤水氮动态和蔬菜生物学指标 该模型在设施菜地水氮管理方面具有较大的应用潜力 关键词 设施 蔬菜 水分 氮素 WHCNS Veg 模型评价 doi 10 11975 j issn 1002 6819 2020 05 011 中图分类号 S152 7 S626 文献标志码 A 文章编号 1002 6819 2020 05 0096 10 梁 浩 胡克林 孙 媛 吕浩峰 林 杉 设施菜地WHCNS Veg水氮管理模型 J 农业工程学报 2020 36 5 96 105 doi 10 11975 j issn 1002 6819 2020 05 011 http www tcsae org Liang Hao Hu Kelin Sun Yuan L Haofeng Lin Shan Integrated water and nitrogen management model of WHCNS Veg for greenhouse vegetable production system J Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE 2020 36 5 96 105 in Chinese with English abstract doi 10 11975 j issn 1002 6819 2020 05 011 http www tcsae org 0 引 言 中国是蔬菜第一生产大国 设施蔬菜产业在近30 a 得到了较快的发展 2019 年设施菜地面积已经达到 351 5万hm2 占全国蔬菜种植面积的17 6 1 蔬菜的 水肥投入量是大田作物的7倍左右 1 加上蔬菜的根系较 浅 水肥利用率低 造成菜地土壤养分淋失严重 导致 了一系列的生态环境问题如地下水污染 土壤酸化 盐 渍化等 2 4 Zhu等 2 对山东省设施菜地种植区94口地下 水井的水质监测发现 50 以上的地下水硝酸盐含量超 过了世界卫生组织规定的饮用水标准10 mg L 以N 计 北京主要蔬菜种植区的地下水硝酸盐的平均浓度 达13 8 mg L 是大田作物的2 8倍 4 因此 优化设施 收稿日期 2019 10 08 修订日期 2020 02 10 基金项目 国家自然科学基金项目资助 41807009 国家重点研发计划项 目资助 2016YFD0201202 作者简介 梁 浩 副教授 博士 主要从事土壤 作物系统过程模拟研究 Email haoliang 通信作者 胡克林 教授 博士 主要从事土壤空间变异及溶质运移的研 究 Email hukel 菜地的水肥管理 减少其对环境的负面影响是当前迫切 需要解决的问题 土壤 作物系统模型能够预测模拟土壤水分动态 氮 素去向和作物生长发育过程 因而被广泛用于大田作物 的水肥优化管理及环境影响评价等的研究 5 9 但是有关 蔬菜水肥管理的模型还比较少见 N Expert 模型和 N ABLE模型是最早应用于蔬菜水肥管理的2个模型 基于N ABLE 模型 在欧洲开发了一系列模型 如 WELL N模型 10 NPK模型 11 SMCR N模型 12 和 EU Rotate N模型 8 其中EU Rotate N模型在露地和设 施菜地都得到了较好的验证和应用 13 15 并建立了20多种 蔬菜的作物生物学参数数据库 便于模型直接调用 6 8 近 年来 Guo等 13 用EU Rotate N模型模拟分析了山东设 施菜地的氮素损失 Sun 等 14 15 使用该模型模拟了设施 黄瓜和番茄不同水氮管理下的氮素去向 并优化了水氮 管理方案 发现滴灌和秸秆还田措施能够有效地降低氮 素淋失并维持蔬菜产量 EU Rotate N模型采用简单的 平衡计算方法对土壤水氮运移进行模拟 这大大限制了 该模型在复杂环境条件下的应用 Yang等 16 提出用动力 第5期 梁 浩等 设施菜地WHCNS Veg水氮管理模型 97 学方法来替代原有的水分运移模块 但该方法没能很好 地嵌入到现有的EU Rotate N模型中 8 另外 该模型 只能输出气体损失总量 无法区分反硝化和氨挥发过 程 在模拟氨挥发和氧化亚氮排放方面存在一定的局限 性 这些都大大限制了该模型在中国的实际应用 此 外 中国的设施菜地具有集约化程度高 水肥投入量大 的特点 EU Rotate N模型在模拟中国菜地氮素淋失时 误差较大 而且大大低估了氮素矿化量 13 因此 研发 适用于中国高度集约化管理条件下的蔬菜水氮管理模型 十分必要 土壤水热碳氮模拟模型 soil water heat carbon nitrogen simulator WHCNS 模型是一款针对中国气候环境条件开 发的 适用于大田作物的水氮管理模型 17 20 模型中的作 物生长模块是基于PS123作物模型研发的 可模拟大田 作物的生长过程 由于蔬菜的生长过程与传统大田作物 有较大区别 特别是蔬菜产量具有多次收获的特点 7 WHCNS 模型中原有的作物模块无法模拟蔬菜生长过 程 而EU Rotate N模型中的蔬菜生长发育模块可很好 地解决该问题 并构建有20 多种蔬菜的作物参数数据 库 因此 本研究拟借鉴EU Rotate N模型中蔬菜生长 发育过程模块 将其与WHCNS模型中土壤水热运动及 碳氮循环过程模块相耦合 构建适合于中国气候环境条 件下的设施菜地水氮管理模型 以期为中国设施菜地水 氮管理提供理论依据与科学工具 1 模型构建 1 1 WHCNS模型 WHCNS模型以天为时间步长 由气象数据 土壤参 数 作物生物学参数和田间管理数据驱动 17 在模型 中 采用Penman Monteith公式 21 估算参考作物蒸散量 土壤水分入渗和再分布过程分别采用Green Ampt模型 22 和Richards方程进行模拟 根系吸水采用HYDRUS1D模 型中的方法 并引入了补偿性吸水机制 23 土壤热运动 采用对流 传导方程来描述 土壤无机氮的运移采用对流 弥散方程 源汇项中考虑了碳氮循环各过程 有机质矿 化 生物固持 尿素水解 氨挥发 硝化和反硝化等 和 作物吸收 土壤有机质周转动态直接来源于DAISY模型 5 作物生长发育进程 干物质生产 叶面积指数 作物 产量等的模拟使用PS123作物模型 通过水氮胁迫校准因 子来实现水氮限制下作物产量的模拟 1 2 蔬菜生长模块 本研究以WHCNS模型的土壤模块为基础 通过耦 合欧洲EU Rotate N模型中蔬菜生长过程的模拟方法 改进了WHCNS模型原有的作物生长模块 从而构建了 设施菜地水氮管理的过程模型WHCNS Veg 具体的蔬 菜生长发育过程模拟主要包括干物质积累 根系吸水吸 氮 产量估算等计算过程 1 2 1 蔬菜干物质积累 模型中总干物质的模拟基于干物质目标产量值 与 其他光合作用驱动的模型不同 该方法输入参数很少 调试简单 容易建立不同蔬菜品种数据库 但是需要输 入目标产量 蔬菜生长发育进程由三基点温度和气象条 件控制 RDSi 1 RDSi RDSi 1 base base sum base crit crit sum crit 0 RDS i i i i i T T T T T T T T T T T T T 2 式中RDSi和RDSi 1分别为作物在播种或者移栽后第i和 i 1天的生长发育进程 该值为0代表播种和移栽日 1 代表作物停止生长 RDSi 为每天的蔬菜发育进程增 量 无量纲 Ti是第i天的平均气温 Tsum为蔬菜完 成生育期需要的总积温 Tbase为蔬菜生长发育所需 的最低温度 黄瓜和西红柿均为7 Tcrit为蔬菜生长发 育临界温度 设置为20 8 蔬菜每天的干物质累积量计算如下 TDMi 1 TDMi TDMi 3 2 1 1 1 RDS cf cf TDMTDM TDMi ii i K w N K 4 式中TDMi TDMi 1和TDMi 1分别是第i i 1和i 1天 蔬菜总干物质重 kg hm2 TDMi 是第i 天干物质的增 量 kg hm2 cf w 和cf N 分别为蔬菜生长的水分和氮 素胁迫系数 cf w 计算方法参见文献 17 cf N 计算 方法如式 8 所示 K1是经验参数 设置为1 可以 看出 当式中cf w 和cf N 均设置为1时 对式 4 积分的结果即为最高目标产量TDMmax 从而推导出 K2的计算公式 如下 1 max max 1 init init2 lnTDM TDM lnTDM TDM h p K KK J J 5 式中TDMinit是种植或播种时的植株干质量 kg hm2 Jh 和Jp分别为收获和播种 播种 时的日序 1 2 2 根系吸水吸氮模拟 根系吸水的计算采用HYDRUS1D模型的方法 23 根系吸氮的计算基于蔬菜临界氮浓度 即蔬菜维持最佳 生长速率时的氮浓度 临界氮浓度计算公式如下 Ncrit a 1 be 0 26TDM 6 式中Ncrit是蔬菜临界氮浓度 a和 b是与蔬菜品种 相关的参数 不同蔬菜的作物参数默认值参见文献 6 并根据田间实测值进行校正 当土壤的供氮量大于蔬菜的需氮量时 蔬菜会奢侈 吸收 导致实际的氮浓度高于临界氮浓度 蔬菜最大氮 含量由下式计算 Nmax Rlux Ncrit 7 式中Nmax为蔬菜最大的含氮量 Rlux为奢侈吸收系数 Rlux 1 Rahn等 8 推荐了不同蔬菜的Rlux值 实际使 用需根据实测的蔬菜吸氮量进行校正 蔬菜实际吸收的氮含量由蔬菜需氮量 土壤供氮能 力和Rlux决定 蔬菜生长发育的氮素胁迫系数cf N 则由 蔬菜的实际含氮量 Nact 和蔬菜临界含氮量 Ncrit 决 定 如下式 cf N min Nact Ncrit 1 0 8 农业工程学报 http www tcsae org 2020年 98 1 2 3 可售卖产量计算 与大田作物产量模拟不同 蔬菜一般含水分较多 品种不同可食用的部位也不同 果实过大或过小均会影 响其食用 所以常规的计算大田作物产量的方法不适用 于蔬菜产量的估算 当已知蔬菜总干物质质量时 Nendel 7 提出了基于概率分布估算蔬菜产量鲜质量的方 法 该方法成功模拟了欧洲不同蔬菜的产量 本文采用 了该方法计算蔬菜产量 由式 9 将总干物质转化得到产量的干物质质量 DMY TDM HI 9 式中DMY为蔬菜产量干质量 kg hm2 HI 为收获指 数 即可食用部分占总干物质质量的比例 令作物间距 为Ps 每公顷植株数和单个植株的平均产量为 Pn 10 000 Ps2 10 SPAFY DMY Pn cDM 11 式中Pn为每公顷植株数 Ps为行间距 m SPAFY是单 个植株平均的产量鲜质量 kg 株 cDM是蔬菜收获部分的 干物质浓度 Nendel 7 总结了不同蔬菜品种的cDM值 假设菜地植株收获器官质量服从正态分布 均值为 SPAFY 标准差为 y 假定单个器官个体达到可食用 出售 的最小值 Llow 时才算为产量 不同蔬菜取值 可参考Nendel 7 根据上面的假设 可计算出每公顷菜 地总产量鲜质量 计算如下 221 SPAFY exp 22 yy xf x 12 low0FMY SPAFY 1 LnP f x 13 式中f x 是蔬菜收获器官质量的正态分布函数 x是植株 收获器官个体质量 kg FMY是每公顷菜地可食用蔬菜 产量鲜质量 即直接可以出售的产量 kg hm2 1 2 4 初值与边界条件 采用试验开始前实测的田间剖面土壤含水率 或土 壤基质势 和土壤无机氮浓度作为初值 求解土壤水分 运动方程的上边界 0phK h K h E h hz 14 式中h为土壤基质势 cm z是空间坐标 向上为正 cm K h 是非饱和导水率 cm d Ep是当前大气条件下 的潜在蒸发量 cm d h 为地表允许的最小基质势 cm 研究区地下水埋藏较深时 下边界设置为自由排水 边界 地下水较浅时 可设置为变动水头边界 需要输 入每日下边界含水率 氮素运移方程的上下边界条件由水分边界条件自动 判断 降雨和灌溉相应带入和带出的氮可由如下边界条 件计算 cDs c c tz 15 式中 为体积含水率 cm3 cm3 Ds 为水动力弥散系数 cm2 d 为土壤水流通量 cm d c 为土壤水中无机氮浓 度 mg cm3 为上边界 或下边界 水流通量 cm d t 为时间 d c t 为上下边界水流中无机氮浓度 mg cm3 2 田间试验及模型应用 2 1 研究区概况 试验地点分别在位于山东省寿光市 37 00 N 118 35 E 和天津市武清区 39 43 N 116 96 E 的设施 大棚内进行 寿光市是中国著名的蔬菜生产基地 地处 温带大陆性季风气候区 四季分明 年平均温度为 12 7 试验地设施大棚内年平均温度在21 左右 当 地农民每季蔬菜的灌溉量和施氮量分别约为1 000 mm和 600 kg hm2 以N计 14 天津市武清区也是中国蔬菜生 产的重点发展区域 该区域同属温带大陆性季风气候 区 年平均气温为12 5 设施大棚内的年平均气温为 22 2 当地农民每季蔬菜的灌溉量和施肥量分别约为 700 mm和200 kg hm2 以N计 20 2 2 试验设计 寿光试验点种植蔬菜为黄瓜 2009 2010年种植2 季 分别为秋冬季 AW季 2009年8月 2010年1月 和春夏季 SS季 2010年1月 2010年6月 黄瓜幼 苗分别在2009年8月28日和2010年1月16日移栽 武清试验点种植蔬菜为番茄 田间试验从2016年3月11 日 2018年2月10日 每年种植2季番茄 总共4季 其中春夏季从2月底到6月底 SS 秋冬季从8月底 到第2年的2月初 AW 3个田间试验均设置有4种 不同的水氮管理方案 1 传统农民习惯施肥 FP 2 优化施肥 OPT 3 FP 秸秆还田 FPR 4 滴灌 OPT施肥 秸秆还田 DOR FP和FPR处理为传统 畦灌 OPT和DOR处理为滴灌 其中 玉米秸秆粉碎后 随基肥混入土壤进行还田 各试验不同处理灌溉量和施 肥量如表1所示 表1 黄瓜和番茄试验各处理灌水和施肥管理措施 Table 1 Irrigation and fertilizer management practices for cucumber and tomato experiments 秋冬季Autumn winter season AW 春夏季Spring summer season SS 试验 Experiments 指标Index FP OPT FPR DOR FP OPT FPR DOR 灌溉定额 mm 824 824 824 376 1181 1181 1181 459 施氮量 kg hm 2 以N计 下同 500 376 500 278 673 660 673 660 寿光市黄瓜 Cucumber in Shouguang 秸秆施用量 t hm 2 0 0 10 5 10 5 0 0 10 5 10 5 灌溉定额 mm 660 382 660 382 616 366 616 366 施氮量 kg hm 2 720 196 720 196 704 204 704 204 天津市番茄 Tomato in Tianjin 秸秆施用量 t hm 2 0 0 13 3 13 3 0 0 13 3 13 3 注 黄瓜试验AW和SS季秸秆中氮质量分数分别为0 7 和0 9 番茄试验AW和SS季秸秆中氮质量分数均为0 6 FP 传统施肥 OPT 优化施肥 FPR FP 秸秆还田 DOR 滴灌 OPT施肥 秸秆还田 下同 Note The N contents of straw are 0 7 and 0 9 in AW and SS seasons for cucumber experiment respectively The N content of straw is 0 6 in both AW and SS seasons for tomato experiment FP traditional fertilization OPT optimal fertilization FPR FP plus straw return DOR drip irrigation plus OPT fertilization plus straw return Same as below 第5期 梁 浩等 设施菜地WHCNS Veg水氮管理模型 99 2 3 数据测定 试验前开挖土壤剖面 分层取样测定土壤基本理化 性质 2个试验点土壤剖面的基本理化性质如表2所示 对于寿光设施黄瓜试验 每5 d或灌溉后使用时域反射仪 time domain reflectometer TDR 分层监测0 1 20 m 土壤含水率 间隔深度 20 cm 每隔15 d采集0 30 30 60和 60 90 cm土壤 采用 2 mol L氯化钾浸提 土样 连续流动分析仪 AA3 SEAL 德国 测定浸提 液中硝态氮和铵态氮含量 每月采取植物样品 测定植 株干物质质量 产量和植物氮浓度 植株样品于105 杀青 70 烘干至恒质量 称质量 植株样品通过浓硫 酸 过氧化氢法消煮 凯氏定氮法测定全氮 表2 寿光市和天津市试验点土壤物理性质 Table 2 Soil physical properties in Shouguang and Tianjin experiment fields 机械组成Particle fraction 试验 Experiments 土层 Soil layer cm 土壤容重 Bulk density g cm 3 砂粒Sand 粉粒Silt 黏粒Clay 质地 Texture s cm3 cm 3 r cm3 cm 3 cm 1 n Ks cm d 1 0 20 1 37 20 40 40 壤土 0 47 0 09 0 012 0 1 411 3 3 20 40 1 56 20 48 32 壤土 0 40 0 08 0 009 4 1 454 4 3 40 90 1 39 28 52 20 粉粘壤土 0 40 0 06 0 006 2 1 617 2 5 寿光市黄瓜 Cucumber in Shouguang 90 120 1 39 24 52 24 粉壤土 0 42 0 07 0 006 6 1 593 9 9 0 30 1 34 30 62 8 粉壤土 0 43 0 00 0 006 9 1 047 1 56 30 60 1 37 19 69 12 粉壤土 0 53 0 05 0 013 9 1 050 1 32 天津市番茄 Tomato in Tianjin 60 90 1 41 27 65 8 粉壤土 0 36 0 08 0 008 5 1 043 1 02 注 s 饱和含水率 r 残余含水率 进气值的倒数 n 孔隙分布指数 Ks 土壤饱和导水率 Note s is saturated water content r is residual water content is inverse of air entry value n is pore size distribution index Ks is saturated hydraulic conductivity 在天津武清试验中 采用DLS2张力计每天测定FP 和DOR处理土深55和65 cm处基质势 在灌水3 5 d 内 各小区每天采用溶液提取器抽提60 cm深处土壤溶 液 用于硝态氮和铵态氮浓度的测定 土深60 cm处每 天的水流通量由达西定律计算得到 每天土深60 cm处 的无机氮淋失通量可由下式计算 qN cN qw 16 式中qw和qN分别是土深60 cm处每天的水流通量 cm d 和无机氮淋失通量 g cm2 d cN是土壤溶液中无机氮 浓度 g cm3 番茄季的土体水分渗漏量和氮素累积量 淋失可通过累加每天的qw和qN得到 该数据主要用来校 准和验证WHCNS Veg 模型 模型所需气象数据 气 温 相对湿度 太阳辐射和风速 来源于安装在设施大 棚内的小型气象站 2 4 模型参数设置 对于寿光试验点 利用FP处理田间实测的土壤含水 率 土壤硝态氮含量 蔬菜吸氮量和蔬菜产量来校准模 型 然后用OPT FPR和DOR处理的数据来验证模型 对于天津试验点 采用2016年FP处理田间实测的土壤 基质势 硝态氮淋失量 蔬菜吸氮量和蔬菜产量来校准 模型 然后用2016年其余3个处理和2017年所有处理 的实测数据来验证模型 2 个试验点土壤水力学参数均 采用实测值 表2 初始作物参数和氮素转化参数值均 分别来源于文献 5 8 然后采用试错法来调试作物参数 和氮素转化参数 最后使模拟与实测的土壤含水率 或 土壤基质势 土壤硝态氮含量 或硝态氮淋失量 植株吸氮量和蔬菜产量尽量吻合 寿光和天津试验点校 验后的作物参数和氮素转化参数见表3 2 5 模型评价 相对均方根误差 normalized root mean squared error nRMSE 一致性指数 index of agreement IA 模拟效率 Nash Sutcliffe efficiency NSE 用于评价模 型模拟效果 nRMSE指数显示模型模拟的相对误差 IA 指数取值范围为0 1 值越接近1 模拟效果越好 NSE指数取值范围为 到1 也是越接近1 模拟效果 越好 作物指标模拟 通常需要IA 0 75和NSE 0 对于土壤指标的模拟 通常需要满足IA 0 60和NSE 1 0 24 刘建刚等 25 建议 当IA 0 9和nRMSE 15 时 说明模拟效果很好 表3 寿光黄瓜和天津番茄试验WHCNS Veg模型作物参数和 氮素转化参数设置 Table 3 Crop and N transformation parameters used in WHCNS Veg model in cucumber experiment at Shouguang and tomato experiment at Tianjin 蔬菜Vegetables 类型 Types 参数 Parameter 描述 Description 黄瓜 Cucumber 番茄 Tomato Tbase 作物生长发育最低温 7 7 Tsum 积温 1 500 1 300 Kini 生长初期作物系数 0 58 0 65 Kmid 生长中期作物系数 0 82 0 90 Kend 生长后期作物系数 0 70 0 15 Rmax 最大根深 cm 50 50 DM 干物质累积经验参数 t hm 2 0 53 1 Ncrit 植物临界氮浓度 1 98 1 85 N 作物吸氮量经验参数 2 38 9 00 作物 Crop HI 收获指数 0 75 0 50 Vn 最大硝化速率 g m 3 d 1 26 0 80 Kn 硝化速率半饱和常数 g m 3 99 8 100 Kd 最大反硝化速率 g m 3 d 1 0 1 0 5 Ad 反硝化经验参数 0 10 0 06 氮素转化 N transformation Kv 氨挥发一阶动力学系数 d 1 0 03 0 02 3 结果与分析 3 1 土壤含水率和土壤基质势 图1是寿光设施黄瓜试验FP和DOR处理实测和模 拟的土壤含水率对比图 FP 处理的土壤含水率变化较 DOR处理剧烈 这可能是由于FP处理采用畦灌方式 每次灌水量大引起的 同时 土壤含水率也显示出表层 变异程度要高于底层的特点 这与表层土壤更易受灌 农业工程学报 http www tcsae org 2020年 100 水 气候等条件影响有关 模型较好地反映了不同灌水 方式对土壤剖面含水率的动态影响 模型模拟土壤含水 率时 校准过程得到的nRMSE IA和NSE指数分别为 9 0 0 898和0 672 模型验证过程得到的nRMSE IA 和NSE 的范围分别为6 2 9 1 0 851 0 960 和 0 477 0 846 表4 总体来看 模型模拟效果评价指 数均符合相应的要求 nRMSE0 85 NSE 0 47 26 28 因此 WHCNS Veg模型能够较好 地模拟寿光黄瓜试验地不同水氮管理条件下的土壤含 水率 图1 寿光市设施黄瓜试验FP和DOR处理不同土层模拟和实测的土壤含水率 Fig 1 Simulated and measured water content at different soil layers for FP and DOR treatments in cucumber experiment at Shouguang 表4 寿光黄瓜试验土壤含水率和土壤硝态氮含量模拟结果评价 Table 4 Evaluation of simulated soil water content and nitrate in cucumber experiment at Shouguang 土壤含水率 Soil water content 土壤硝态氮 Soil nitrate concentration 处理 Treatments nRMSE IA NSE nRMSE IA NSE FP C 9 0 0 898 0 672 27 6 0 718 0 139 OPT V 7 2 0 851 0 477 40 1 0 626 0 810 FPR V 9 1 0 907 0 621 24 9 0 760 0 123 DOR V 6 2 0 960 0 846 22 2 0 940 0 636 注 C 模型校准 V 模型验证 nRMSE为相对均方根误差 IA为一致 性指数 NSE为模拟效率 下同 Note C calibration V validation nRMSE is normalized root mean squared error IA is index of agreement NSE is Nash Sutcliffe efficiency coefficient Same as below 除土壤含水率外 模型也可模拟土壤基质势 天津 设施番茄试验实测的和模拟的FP和OPT处理土壤基质 势如图2所示 相比FP处理 OPT处理灌溉频率高 维持了相对高 和稳定的土壤基质势 图2 同时 SS季的土壤基质 势的变异较AW大 说明SS季土壤水分消耗相对较快 WHCNS Veg模型模拟结果能客观地反映不同季不同灌 溉方式下土壤基质势的动态变化 模拟土壤基质势时 模型校准时的评价指数nRMSE IA和NSE值分别为 22 9 0 846和0 070 表5 说明模型校准的精度是 可以接受的 模型验证中 2017年FP处理的验证结果 较好 nRMSE IA和NSE值分别为25 9 0 827和 0 11 而OPT处理的nRMSE IA和NSE值范围分别为 28 8 30 1 0 223 0 401和 6 344 5 294 模型主 要低估了OPT处理SS季后期土壤基质势 图2c 图2d 图2g和图2h 导致模型精度偏低 说明需要进一步提 高滴灌条件下土壤基质势的模拟能力 第5期 梁 浩等 设施菜地WHCNS Veg水氮管理模型 101 图2 2 a天津设施番茄试验FP和OPT处理中实测和模拟的土壤基质势 Fig 2 Comparison of measured and simulated soil matrix potential for FP and OPT treatments in 2 years of greenhouse tomato experiments at Tianjin 表5 天津番茄试验土壤基质势和土壤硝态氮淋失模拟结果评价 Table 5 Evaluation of simulated soil matrix potential and nitrate leaching from soil in tomato experiments at Tianjin 土壤基质势 Soil matrix potential 土壤硝态氮淋失量 Nitrate leaching from soil 年份 Year 处理 Treatments nRMSE IA NSE nRMSE IA NSE FP C 22 9 0 846 0 070 12 8 0 989 0 956 OPT V 30 1 0 401 6 344 10 5 0 986 0 951 FPR V 13 6 0 987 0 947 2016 DOR V 26 0 0 908 0 763 FP V 25 9 0 827 0 113 5 0 0 988 0 952 OPT V 28 8 0 223 5 294 4 6 0 970 0 899 FPR V 7 0 0 975 0 886 2017 DOR V 17 5 0 860 0 442 3 2 土壤硝态氮含量和硝酸盐淋失 图3给出了寿光黄瓜试验FP和DOR处理模拟和实 测的土壤硝态氮含量对比图 与土壤含水率的模拟结果 相似 土壤硝态氮含量在土壤表层变化较大 而深层变 化较小 这与表层土壤频繁受到农田管理和变化的气象 条件等有关 另外 后期DOR处理土体硝态氮含量有累 积现象 而FP处理并不明显 说明传统畦灌有可能导致 了土壤氮素的大量淋失 而滴灌加秸秆还田较好地保存 了土壤硝态氮 降低了其环境淋失风险 表4显示了土 壤硝态氮含量校准和验证的统计指数 校准处理的 nRMSE IA和NSE分别为27 6 0 718和 0 139 对 于模型验证过程 nRMSE IA 和NSE 范围分别为 22 2 40 1 0 626 0 940 和 0 810 0 636 均在合 理范围之内 27 28 表明WHCNS Veg模型较好地模拟了 不同水氮管理方式下的土壤硝态氮含量动态变化规律 图3 寿光黄瓜试验FP和DOR处理不同土层实测和模拟的土壤硝态氮对比 Fig 3 Comparison of measured and simulated soil nitrate at different soil layers of FP and DOR treatments in cucumber experiment at Shouguang 农业工程学报 http www tcsae org 2020年 102 除土壤硝态氮动态模拟之外 研究进一步对比了硝 态氮淋失量的模拟效果 图4比较了天津番茄试验FP FPR OPT和DOR处理实测和模拟的累积硝态氮淋失 量 灌溉方式显著影响了硝态氮淋失量 畦灌处理 FP 和FPR 和滴灌处理 OPT和DOR 的每季硝态氮淋失 量分别为420和137 kg hm2 畦灌增加了硝态氮淋失 玉米秸秆还田减少了硝态氮淋失 秸秆还田处理 FPR 和DOR 每季平均硝态氮淋失量为259 kg hm2 低于秸 秆不还田处理 FP和OPT 的298 kg hm2 AW和SS 季2 个畦灌处理的硝态氮淋失量有明显差异 可能是 AW季相对较高的水分渗漏量 导致了其硝态氮淋失量 高于SS季 而2个滴灌处理的AW和SS季没有明显差 异 校准和验证的模型评价指数nRMSE IA和NSE的 范围分别为4 6 26 0 0 860 0 989和0 442 0 956 表5 可见 WHCNS Veg可用于模拟和评价不同水氮 管理方式下设施菜地剖面硝态氮淋失动态 图4 天津番茄试验实测和模拟的不同处理硝态氮淋失量 Fig 4 Simulated and measured nitrate leaching for different treatments in tomato experiment at Tianjin 3 3 可售卖鲜产量和植株吸氮量 黄瓜的可售卖鲜产量和植株吸氮量均要高于番茄 图5 对于可售卖鲜产量图5a 模拟值与实测值之间 的线性回归系数均接近1 黄瓜和番茄的相关系数 r 分别为0 995和0 996 说明模型对可售卖鲜产量的模拟 精度较高 表6 中模型评价指数nRMSE 6 0 IA 0 980 和NSE 0 925 可知模型模拟效果良好 黄 瓜和番茄植物吸氮量的模拟效果如图5 所示 其线性回 归系数也均接近1 相关系数 r 分别为0 741和0 943 说明实测的和模拟的植株吸氮量有较好的相关性 模型 评价指数nRMSE 12 1 IA 0 934和NSE 0 829 说 明WHCNS Veg模型对植株吸氮量的模拟效果良好 表 6 但是对作物产量的模拟效果要略好于植株吸氮量 注 Note P 0 05 图5 模拟和实测的黄瓜和番茄可售卖鲜产量和吸氮量 Fig 5 Simulated and measured values of marketable fresh yield and crop N uptake for cucumber and tomato 表6 黄瓜和番茄可售卖鲜产量和作物吸氮量模拟评价 Table 6 Simulation evaluation of marketable fresh yield and plant N uptake of cucumber and tomato 可售卖鲜产量 Marketable fresh yield 植株吸氮量 Plant N uptak