DOI: 10.12357/cjea.20230041
赵晓莹, 王诺婷, 崔斌, 尹实磊, 杨轩, 孟凡乔. 华北地区夏玉米生产中农田氮淋失的定量预测[J]. 中国生态农业学报 (中
英文), 2023, 31(9): 1439?1448
ZHAO X Y, WANG N T, CUI B, YIN S L, YANG X, MENG F Q. Prediction of nitrogen leaching loss from summer maize produc-
tion in North China[J]. Chinese Journal of Eco-Agriculture, 2023, 31(9): 1439?1448
华北地区夏玉米生产中农田氮淋失的定量预测
赵晓莹, 王诺婷, 崔 斌, 尹实磊, 杨 轩, 孟凡乔
(中国农业大学资源与环境学院/农田土壤污染防控与修复北京市重点实验室 北京 100193)
摘 要: 华北地区是我国冬小麦和夏玉米主产区, 过去40多年间, 随着大水漫灌和过量施肥等现象发生, 该地区农
田氮淋失呈现加重趋势, 已经对地下水水质产生了严重影响。为探明华北地区面源污染的成因, 进而提出相应阻控
措施, 本研究收集了1980—2021年国内外发表的华北地区夏玉米氮淋失研究文献, 选取环境条件和农田管理措施
作为自变量, 基于线性模型、指数模型、多项式模型和多元回归模型等对氮淋失量进行模拟预测。结果表明, 氮淋
失与水分和肥料氮之间存在较大关联性, 与土壤全氮、有机质含量和黏粒含量呈正相关关系, 与秸秆还田、土层深
度、土壤pH、砂粒含量呈现负相关关系。在单变量预测模型中, 氮淋失量与施氮量呈指数关系, 说明在华北地区夏
玉米生产中应特别注重优化肥料用量。本研究所获得的多元逐步回归模型(Y总氮淋失量=?23.07+1.14X有机质含量+0.34X黏粒含量?
0.13X砂粒含量+0.06X总施氮量+0.18X水分渗漏量, 拟合优度R2=0.414)优于指数模型、线性模型和多项式模型, 具有较好的定量
预测效果。考虑到水分渗漏测定过程复杂及方程的可应用性低, 可以采用水分投入量替换水分渗漏量, 但预测精度
会受到影响。改善土壤物理条件(如质地)、秸秆还田和优化氮肥和灌溉, 是今后华北地区夏玉米生产中降低氮淋
失的关键措施。
关键词: 整合分析; 氮淋失; 施氮量; 水分渗漏量; 回归模型; 秸秆还田
中图分类号: S153开放科学码(资源服务)标识码(OSID):
Prediction of nitrogen leaching loss from summer maize production in North
China
ZHAO Xiaoying, WANG Nuoting, CUI Bin, YIN Shilei, YANG Xuan, MENG Fanqiao
(College of Resources and Environmental Sciences, China Agricultural University / Beijing Key Laboratory of Prevention, Control and
Restoration of Farmland Soil Pollution, Beijing 100193, China)
Abstract: North China has seen intensive flood irrigation and excessive nitrogen (N) fertilization over the past four decades as a main
cereal crop-producing region in China. N leaching from farmland in this region has rapidly increased with agricultural intensification,
and the non-point source pollution has become increasingly prominent. It is necessary to quantify the amount of N leaching during
crop production systematically. Literature on N leaching loss from summer maize production in North China published from
1980–2021 was screened, and soil properties and agricultural management practices were chosen as independent variables to predict
N leaching loss based on linear, exponential, polynomial, and multiple regression models. Soil properties included soil organic matter,
total N, clay content, sand content, pH, and depth, and agricultural management practices included straw incorporation, N application,
and soil water. The results showed that soil water and N fertilizer input significantly influenced N leaching loss. Soil organic matter,
soil total N, and clay content positively correlated with the total N leaching amount, whereas straw incorporation, soil depth, pH, and
国家重点研发计划项目(2022YFD1900304)资助
通信作者: 孟凡乔, 主要研究方向为面源污染与农业物质循环。E-mail: mengfq@cau.edu.cn
赵晓莹, 主要研究方向为有机农业。E-mail: 2986567083@qq.com
收稿日期: 2023-01-26 接受日期: 2023-05-06
This study was funded by the National Key Research and Development Project of China (2022YFD1900304).
Corresponding author, E-mail: mengfq@cau.edu.cn
Received Jan. 26, 2023; accepted May 6, 2023
中国生态农业学报 (中英文) ?2023年9月 ?第?31?卷 ?第?9?期
Chinese?Journal?of?Eco-Agriculture,?Sep.?2023,?31(9):?1439?1448
http://www.ecoagri.ac.cn
sand content negatively correlated with the total N leaching amount. For the single-factor simulation model, the exponential equation
was more appropriate for quantifying total N leaching loss with fertilizer N input than the linear equation, indicating the importance of
optimizing fertilizer N in summer maize production in North China. It also indicated that the risk of excess N leaching from summer
maize production in North China was relatively high after a certain threshold of fertilizer N input, and optimization of N fertilization
should be adopted as an important practice. Unlike many previous studies that directly selected fertilizer N input for predicting N
leaching loss, this study combined N (total N rate, N surplus) and water (water input, water balance, water percolation) in various
combinations to obtain an optimal prediction combination. The combination of the total N rate and water percolation had the highest
R2 (0.3413). The stepwise regression equation of Ytotal N leaching loss=?23.07+1.14Xsoil organic matter+0.34Xclay content?0.13Xsand content+0.06Xtotal N rate+
0.18Xwater percolation (R2=0.414) was better than the prediction effects of exponential, linear, and polynomial models. The standardized re-
gression coefficients of the predictive variables were 0.18, 0.11, 0.07, 0.23, and 0.31 for soil organic matter, clay content, sand con-
tent, total N rate, and water percolation, respectively, which showed that water percolation was the most important, followed by total
N rate and soil organic matter. Considering the complexity of the water percolation calculation process, the water input can be used to
replace water percolation in the equation, that is, Ytotal N leaching loss=?18.60+0.64Xsoil organic matter?10.27Xstraw incorporation?0.30Xsand content+0.13Xtotal N rate+
0.04Xwater input; however, the prediction accuracy of the regression equation was affected. Future research on predicting N leaching loss
in North China should focus on accurately quantifying water percolation. The quantitative model obtained in this study provides tech-
nical support for precise N management and effective pollution prevention in North China.
Keywords: Meta analysis; Nitrogen leaching; Fertilizer nitrogen rate; Water percolation; Regression models; Straw incorporation
随着人口的不断增长, 2050年全球将面临满足
90亿人口粮食需求的巨大挑战[1], 集约化农业生产中
增加氮肥投入和提高农田灌溉覆盖率是粮食增产的
重要保障。改革开放以来, 中国农业集约化程度不
断加强, 作物产量不断提高。2020年, 中国玉米(Zea
mays)总产量为26 066.5万t, 氮肥施用量达1833.9
万t, 分别为1980年的4.16倍和1.96倍[2]。化肥和灌
溉水投入快速增长, 一方面可以保证作物高产稳产,
另一方面也引发了氮淋失等面源污染问题[3]。中国
玉米作物氮肥利用率仅为31.0%[4], 大量氮肥会通过
NH3挥发、N2O排放、硝酸盐和有机氮淋洗等途径
损失[5], 对空气、水体质量以及全球气候产生负面影
响。资料显示, 中国夏玉米生长季硝态氮平均淋失
量为27.6 kg(N)?hm?2, 占氮肥施用量的13.3%[6]。农田
氮流失或淋失到陆地水体中, 会导致地下水硝酸盐
含量升高, 对地下水及饮用水安全构成威胁[7]。殷乐
宜等[8]针对京津冀重点区域 ?密怀顺平原区地下
水的监测表明, 该区地下水硝酸盐含量为0.24~178.0
mg?L?1, 平均值为47.3 mg?L?1, 远超《地下水质量标
准GB/T 14848 ?2017》Ⅲ类标准, 其主要原因在于
该区域化肥长期高量施用。分析和量化华北地区农
田氮淋失及其影响因素, 有助于提高肥料利用率、
降低氮素损失, 对于中国农业绿色发展和生态文明
建设具有重要意义。
农田氮素淋失受多个环境条件和生产管理措施
的影响, 且不同因素对氮淋失的重要程度各异[9]。目
前, 大多数研究主要从氮肥和水分两个方面, 应用单
一模型进行氮淋失量定量模拟。Zhou等[10]对玉米-
小麦(Triticum aestivum)种植体系的硝态氮淋失进行
了Meta分析, 夏玉米季硝态氮淋失(Y)与施氮量(X)
的线性方程为Y=3.83+0.25X, 拟合优度为0.51, 即氮
淋失与施氮量之间存在着正相关关系。随着研究的
深入和增加, 近年来氮淋失的预测分析也尝试了其
他定量关系, 解释变量也增加了氮盈余量等指标。
Wang等[11]建立的夏玉米季总氮淋失量(Y)与氮盈余
量(X)之间的指数模型为Y=12.14e0.0061X, 拟合优度为
0.35; 而Cui等[12]构建的指数模型为Y=2.38e0.0041X, 拟
合优度为0.63。由于水投入直接影响水分渗漏量、
进而影响氮淋失量, 胡玉婷等[13]构建的旱地硝态氮
淋失量(Y)与灌溉水量(X)间的线性方程为Y=4.2936+
0.046X, 以及总氮淋失量(Y)与降水量(X)之间线性
方程Y=4.1463+0.0192X。随着近年来“双减”工作的
开展, “十三五”期间我国在冬小麦和夏玉米生产中开
展了大量的定量观测试验, 为区域尺度氮淋失定量
提供了数据支撑。需要指出的是, 氮肥施用和水分
渗漏对农田氮淋失的影响较大, 定量预测时应对这
两个因素重点予以考虑。除了施肥和水分, 其他自
然条件和农田管理措施也会对氮淋失有影响。过去
的研究大多局限于单一因素, 对不同环境条件和管
理措施的影响程度缺乏分析和比较, 在定量关系上
对于线性和非线性模型也认识各异。
本研究整合了1980 ?2021年底在我国华北地区
开展的夏玉米氮淋失试验, 选取自然条件、农田管
理措施等为自变量, 基于线性模型、指数模型、多
项式模型和多元回归模型进行定量估测与比较, 探
索不同氮淋失影响因子的重要程度和影响机制, 为
华北地区农业面源污染防治提供科学依据。
1440 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
1 材料与方法
1.1 研究区域
本文研究区域为华北地区。传统意义上华北地
区包括北京、天津、河北、山西、内蒙古[2], 由于气温、
降水、日照和栽培方式等因素和措施较相似, 将河
南、山东、陕西等省份的研究也列入本次研究范围。
1.2 数据来源
以“华北地区” “氮素平衡” “氮淋失” “夏玉米”等
以及相应英文为关键词, 在“中国知网”和“ISI-Web of
Science”等文献平台上进行检索, 从中选取满足本研
究 条 件 的 文 献 。 所 筛 选 的 文 献 应 满 足 以 下 条 件:
1)文献的试验年限应为1980 ?2021年。2)氮淋失
数据应从大田试验直接测定, 测定方法包括但不限
于淋溶盘法、渗漏池法、陶土头法等。3)文献中试
验研究应基于至少一个完整的夏玉米生长季。4)对
于在同一地点多个年度的试验和文献, 本研究选取
最后一个年度; 对于同一试验既出现在期刊论文又
出现在研究生论文, 本研究只选取其中一篇。5)研
究区域需设置在前文定义的华北地区, 即北京、天
津、河北、山东、陕西、内蒙古等地。
通过列表法、作图法与经验公式法等对文献中
的重要信息及数据进行提取, 获得土壤有机质、全
氮、全磷、全钾、质地(黏粒含量、砂粒含量), 农田
管理措施数据, 包括肥料(总施氮量、氮肥基追比、
氮盈余)、水分(水分投入量、水分渗漏量、水平
衡)和作物(作物秸秆和籽粒产量、地上部吸氮量),
以及淋失的总氮及无机氮量等数据。
本研究数据集共包含26篇期刊文献与硕士和博
士论文, 共计291条数据。土壤类型包括潮土、褐土、
土、潮褐土及棕壤。预测变量中的总施氮量为无
机氮肥和有机肥输入量, 氮盈余量等于总施氮量减
去地上部吸氮量。水分投入量为降雨量加灌溉量,
水平衡等于水分投入量减去水分蒸散量, 试验研究
中蒸散量主要通过水文学方法、微气象方法、植物
生理学方法测定。文中利用氮盈余和水平衡作为解
释变量预测氮淋失量时, 由于这两类变量部分数据
为负值, 本文采用统一的数学处理方法, 将全部数据
转为正值后进行模拟分析(氮盈余数值加150, 水平
衡数值加50)。
1.3 数据预处理
1.3.1 缺失值处理
对数据分析表明, 缺失值主要集中在土壤全磷、
全钾、铵态氮和硝态氮淋失等变量。土壤磷和钾含
量对土壤氮迁移转化影响较小[14-15], 且两类数据缺失
量较大, 本研究不考虑土壤全磷和全钾。本次定量
分析, 只对总氮淋失量进行分析。预处理后, 可用数
据为263条。考虑到旱地作物生产中淋失氮以硝态
氮为主[16], 对于仅有硝态氮淋失的研究, 按照硝态氮
占总氮比例的95%计算总氮淋失量。
总氮淋失量的数据分布直方图如图1所示。总
氮 淋 失 量 中 最 大 值 为173.7 kg(N)?hm?2, 最 小 值 为
0.11 kg(N)?hm?2, 中位值为12.4 kg(N)?hm?2, 平均值为
22.8 kg(N)?hm?2, 说 明 氮 淋 失 的 数 据 偏 向 于 低 淋 失
量端。
200
150
100
50
0
频数
Frequency
0 40 80 120 160
总氮淋失量
Total N leaching amount (kg?hm?2 )
图 1 夏玉米农田总氮淋失量数据分布直方图
Fig. 1 Data distribution of total N leaching loss in summer
maize fields
1.3.2 离散变量编码
本研究中, 共有潮土、褐土、土、潮褐土和棕
壤5种土壤类型, 秸秆分为还田和不还田两类, 均为
离散型变量, 其他变量为连续型变量。本研究对秸
秆是否还田进行编码, 0代表秸秆未还田, 1代表秸
秆还田。土壤类型包含多个特征属性, 考虑到土壤
类型变量编码后在多元线性回归时权重会发生变化,
且北方土壤性质差异较小, 故多元线性回归分析中
未考虑土壤类型变量。
1.4 研究方法
本 研 究 采 用 Origin (OriginLab Origin 2018)和
Microsoft Excel (2019)软件进行线性模拟、指数模拟
及多项式模拟, 获得拟合方程。采用R语言(R ver-
sion 4.1.1)中的lm函数, 进行氮淋失量与两预测变量
或多预测变量间的多元回归分析, 从拟合优度(R2)
和显著性水平(P-value)两方面进行评估。
2 结果与分析
2.1 总氮淋失量与预测变量间的相关性分析
本研究数据集中预测变量较多, 直接进行模型
建立存在一定的主观性和盲目性。因此, 首先采用
第 9 期 赵晓莹等 : 华北地区夏玉米生产中农田氮淋失的定量预测 1441
http://www.ecoagri.ac.cn
Pearson相关系数来衡量各变量间的相关性, 相关系
数的绝对值越接近1, 代表相关性越强。
从相关性的强弱来看(图2), 总氮淋失量与水分
渗漏量、总施氮量、氮盈余、土壤全氮有较强的相
关性, 与有机质含量、水分投入量、水平衡等的相
关性次之, 与土壤pH和秸秆是否还田相关性较弱。
从相关性的方向来看, 总氮淋失量与氮肥、水分等
为正相关, 与土层深度、秸秆还田等为负相关。
有机质含量 Soil organic matter
土壤全氮 Soil total N
黏粒含量 Clay content
砂粒含量 Sand content
土壤 pH Soil pH
土层深度 Soil depth
秸秆是否还田 Straw incorporation or not
总施氮量 Total N rate
水分投入量 Water input
水平衡 Water balance
水分渗漏量 Water percolation
氮盈余 N surplus
总氮淋失量 Total N leaching loss
有机质含量
Soil or
ganic matter
土壤全氮
Soil total N
黏粒含量
Clay content
砂粒含量
Sand content
土壤
pH Soil pH
土层深度
Soil depth
秸秆是否还田
Straw incorporation or not
总施氮量
Total N rate
水分投入量
W
ater
input
水平衡
W
ater
balance
水分渗漏量
W
ater
percolation
氮盈余
N surplus
总氮淋失量
Total N leaching loss
1.0
0.8
0.6
0.4
0.2
0
?0.2
?0.4
?0.6
?0.8
?1.0
图 2 夏玉米农田总氮淋失量与预测变量的相关关系
Fig. 2 Correlation between total N leaching loss and predictive variables in summer maize fields
2.2 总氮淋失量与预测变量间的回归分析
2.2.1 线性回归、指数回归及多项式回归
基于对各变量进行的相关性分析可知, 在影响
总氮淋失量的因素中氮和水所占权重较大, 故对总
氮淋失量与总施氮量、氮盈余、水分投入量、水平
衡、水分渗漏量分别进行模拟预测, 探索氮淋失量
与相应影响因素间的定量关系。
夏玉米生产中总施氮量范围为0~573 kg?hm?2, 中
位数为186.3 kg?hm?2, 平均值为185.5 kg?hm?2。研究
发现(图3), 随着氮投入量的增加, 由氮淋失造成的
肥料氮损失量也呈快速增加态势。采用总施氮量预
测氮淋失量时, 指数模型(Y=8.88e0.0044X)、线性模型
(Y=0.13X?1.07)和多项式模型(Y=0.000 24X2+0.028X+
6.35)对因变量总氮淋失的解释程度均不超过30%,
但指数模型呈现出优于其他两种模型的预测趋势。
采用氮盈余预测氮淋失量时, 指数模型、线性模型
和多项式模型拟合优度相差不大。
总氮淋失量与水分渗漏量表现为正相关关系,
氮淋失会随水分渗漏量的增加而增加(图4)。总体
上 线 性 方 程 (Y=0.1935X+4.6084)、 指 数 方 程 (Y=
4.2982e0.0109X)及 多 项 式 方 程 (Y=0.0005X2+0.0868X+
7.7906)的拟合优度在同一水平, 其中拟合度最高的
为指数模型, 为0.2937, 最低的为线性模型, 为0.2648。
总氮淋失量与水分投入量、水平衡量间的线性
拟合、指数拟合及多项式拟合的决定系数(R2)分别
介于0.0128~0.0206和0.0037~0.0278, 回归关系较差
(图5)。 二 次 函 数(Y=–0.000 17X2+0.1989X–30.228,
Y=–0.000 34X2+0.1647X+8.498)表明, 随水分投入量
或水平衡量的增加, 总氮淋失量呈现先增加后降低
的趋势。
2.2.2 多元回归分析
首先, 建立总氮淋失量与总施氮量、氮盈余、
水分投入量、水平衡、水分渗漏量等预测变量间的
多元回归模型, 各模型的决定系数(R2)及回归方程
1442 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
如表1所示。
对比不同预测变量组合发现, 决定系数R2最高
的组合为总施氮量+水分渗漏量(0.3413), 最低为氮
盈余+水平衡(0.2188)。不管是总施氮量与3个水分
间的组合还是氮盈余与3个水分间的组合, 均是以
水分渗漏量获得的拟合优度最高。用总施氮量和水
分渗漏量两个因素预测总氮淋失量时所得回归方程
为Y总氮淋失量=?5.46+0.06X总施氮量+0.19X水分渗漏量。
对总氮淋失量与土壤条件(有机质、全氮、黏
粒、砂粒、pH、深度)以及农田管理措施(秸秆还田、
施氮及水分等)建立多预测变量的多元回归模型
(表2)。
多元回归模型的修正拟合优度(R2=0.4150)高于
线性模型、指数模型、多项式模型及两预测变量间
的回归模型。估算方程为Y总氮淋失量=?18.13+0.67X有机质含量+
13.83X土 壤 全 氮+0.40X黏 粒 含 量?0.14X砂 粒 含 量?0.61X土 壤 pH?
0.03X土层深度?4.45X秸秆还田+0.06X总施氮量+0.16X水分渗漏量, 表
明总氮淋失量与总施氮量、水分渗漏量、有机质含
量、土壤全氮和黏粒含量呈正相关, 与土层深度、
砂粒含量、土壤pH、秸秆还田呈负相关。回归方程
建成后, 需要通过线性关系和回归系数的显著性检
验才可用于预测估算。经检验, 多元回归方程F统
计量的P值<0.01, 达极显著水平, 表明总氮淋失量与
预测变量之间存在极显著的线性关系。总施氮量、
水分渗漏量、砂粒含量和黏粒含量回归系数的P值
小于0.05, 回归系数通过了显著性检验, 具有统计学
意义。实际工作中, 水分投入量(灌溉+降雨)的获取
比较容易, 我们采用水分投入替换水分渗漏后多元
回归方程为Y总氮淋失量=?28.56+0.45X有机质含量+5.58X土壤全氮?
0.14X黏 粒 含 量?0.31X砂 粒 含 量+2.02X土 壤 pH?0.03X土 层 深 度?
10.22X秸秆还田+0.13X总施氮量+0.04X水分投入量。
由于每个预测变量对总氮淋失量的影响程度不
同, 选择全部变量构造方程, 效果并不好, 表3采用逐
步回归选择合适的变量以建立“最优”的回归方程。
逐步回归后保留的预测变量为总施氮量、水分
渗漏量、砂粒含量、黏粒含量和有机质含量, 模型
的修正拟合优度几乎不变(R2=0.4140), 但各项系数
的显著性均有提升。多元逐步回归方程为Y总氮淋失量 =
?23.07+1.14X有机质含量+0.34X黏粒含量?0.13X砂粒含量+0.06X总施氮量+
0.18X水分渗漏量。经检验, 回归方程F统计量的P<0.01,
200
150
100
50
0
总氮淋失量
Total N leaching amount (kg?hm
?2
)
a
0 100 200 300 400 500 600 700
总施氮量 Total N rate (kg?hm?2 )
200
150
100
50
0
b
0 100 200 300 400 500 600 700 800
氮盈余 N surplus (kg?hm?2 )
Y=0.13X?1.07, R2=0.2192
Y=8.88e0.0044X, R2=0.2453
Y=0.000 24X2+0.028X+6.35, R2=0.2442
Y=0.13X?0.61, R2=0.2159
Y=11.11e0.0035X, R2=0.2182
Y=0.000 13X2+0.062X+5.62, R2=0.2233
线性拟合 Linear fitting指数拟合 Exponential fitting多项式拟合 Polynomial fitting
图 3 夏玉米农田总氮淋失量与总施氮量、氮盈余间的回归模拟
Fig. 3 Regression simulation of total N leaching loss with total N rate and N surplus in summer maize fields
Y=0.1935X+4.6084, R2=0.2648
Y=4.2982e0.0109X, R2=0.2937
Y=0.0005X2+0.0868X+7.7906, R2=0.2800
200
150
100
50
0
总氮淋失量
Total N lea
ching amount (kg?hm
?2
)
0 50 100 150 200 250 300
水分渗漏量 Water percolation (mm)
线性拟合 Linear fitting
指数拟合 Exponential fitting
多项式拟合 Polynomial fitting
图 4 夏玉米农田总氮淋失量与水分渗漏量间的回归模拟
Fig. 4 Regression simulation of total N leaching loss with wa-
ter percolation in summer maize fields
第 9 期 赵晓莹等 : 华北地区夏玉米生产中农田氮淋失的定量预测 1443
http://www.ecoagri.ac.cn
达极显著水平, 各预测变量的回归系数均达到显著
水平(P<0.05), 通过了线性关系显著性检验和回归系
数显著性检验。基于预测变量的标准化回归系数判
断其对总氮淋失量影响程度的大小, 有机质含量、
黏粒含量、砂粒含量、总施氮量和水分渗漏量的标
200
150
100
50
0
总氮淋失量
Total N leaching amount (kg?hm
?2
)
a
300 400 500 600 700 800
水分投入量 Water input (mm)
b200
150
100
50
0
0 100 200 300 400 500 600
水平衡 Water balance (mm)
Y=12.48e0.0013X, R2=0.0128
Y=?0.000 17 X2+0.1989X?30.228, R2=0.0206
Y=0.018X+19.49, R2=0.0047
Y=20.35e0.000 61X, R2=0.0037
Y=?0.000 34 X2+0.1647X+8.498, R2=0.0278
线性拟合 Linear fitting指数拟合 Exponential fitting多项式拟合 Polynomial fitting
Y=0.034 X +6.83, R 2 =0.0153
图 5 夏玉米农田总氮淋失量与水分投入量、水平衡间的回归模拟
Fig. 5 Regression simulation of total N leaching loss with water input and water balance in summer maize fields
表 1 夏玉米农田总氮淋失量与氮水两预测变量间的多元回归模拟
Table 1 Multiple regression simulation between total N leaching loss and pairwise indexes of N and water in summer maize fields
预测变量组合 Predictive variables combination 决定系数 R2 回归方程 Regression equation
总施氮量 +水分投入量 Total N rate+Water input 0.2435 YNL=?20.55+0.13XNR+0.04XWI
总施氮量 +水平衡 Total N rate+Water balance 0.2206 YNL=?3.33+0.13XNR+0.02XWB
总施氮量 +水分渗漏量 Total N rate+Water percolation 0.3413 YNL=?5.46+0.06XNR+0.19XWP
氮盈余 +水分投入量 N surplus+Water input 0.2450 YNL=?2.14+0.13XNS+0.04XWI
氮盈余 +水平衡 N surplus+Water balance 0.2188 YNL= 16.00+0.13XNS+0.02XWB
氮盈余 +水分渗漏量 N surplus+Water percolation 0.3001 YNL= 3.98+0.05XNS+0.19XWP
回归方程中, 总施氮量、氮盈余分别用NR、NS表示; 水分投入量、水平衡、水分渗漏量分别用WI、WB、WP表示; 总氮淋失量用NL表示。NR:
total N rate; NS: N surplus; WI: water input; WB: water balance; WP: water percolation; NL: total N leaching loss.
表 2 夏玉米农田总氮淋失量的多元回归模型参数
Table 2 Parameters of multiple regression model for total N
leaching loss in summer maize fields
系数预测值
Estimate
coefficient
标准差
Std. error
t值
t value
P值
P value
截距 Intercept ?18.13 20.36 ?0.89 0.375
有机质含量
Soil organic matter 0.67 0.49 1.37 0.172
土壤全氮
Soil total N 13.83 10.17 1.36 0.176
黏粒含量
Clay content 0.40 0.19 2.11 0.037
砂粒含量
Sand content ?0.14 0.07 ?2.02 0.045
土壤 pH
Soil pH ?0.61 2.38 ?0.26 0.798
土层深度
Soil depth ?0.03 0.03 ?1.11 0.268
秸秆还田
Straw
incorporation
?4.45 3.11 ?1.43 0.155
总施氮量
Total N rate 0.06 0.01 4.78 3.72×10
?6
水分渗漏量
Water percolation 0.16 0.02 7.03 4.38×10
?11
F值 F statistic: 15.74 P值 P value: 2.2×10?16
拟合优度 Multiple R2: 0.4432 修正拟合优度 Adjusted R2: 0.4150
表 3 夏玉米农田总氮淋失量的逐步回归模型参数
Table 3 Parameters of stepwise regression model for total N
leaching loss in summer maize fields
系数预测值
Estimated
coefficient
标准差
Std. error
t值
t value
P值
P value
截距 Intercept ?23.07 6.28 ?3.68 3.12×10?4
有机质含量
Soil organic
matter
1.14 0.23 4.96 1.61×10?6
黏粒含量
Clay content 0.34 0.15 2.20 0.029
砂粒含量
Sand content ?0.13 0.07 ?2.02 0.045
总施氮量
Total N rate 0.06 0.01 5.13 7.35×10
?7
水分渗漏量
Water percolation 0.18 0.02 8.42 1.11×10
?14
F值 F statistic: 27.36 P值 P value: 2.2×10?16
拟合优度 Multiple R2: 0.4291 修正拟合优度 Adjusted R2: 0.4140
1444 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
准化回归系数分别为0.18、0.11、0.07、0.23、0.31,
可以发现水分渗漏量的影响作用最重要, 总施氮量
和有机质含量次之。将水分渗漏量替换为水分投入
后, 逐步回归方程为Y总氮淋失量 =?18.60+0.64X有机质含量
?10.27X秸秆还田?0.30X砂粒含量+0.13X总施氮量+0.04X水分投入量。
3 讨论
3.1 施氮对夏玉米氮淋失的影响
氮淋失是指土壤和肥料中氮素随灌溉或降水向
下运移至作物根系活动层以下, 不能被作物根系吸
收所导致的损失[17]。土壤中氮含量过高时氮素会在
土壤剖面累积, 多余氮素便会向下运移, 造成氮淋
失[18]。本研究中平均施氮量为185.5 kg(N)?hm?2, 氮淋
失平均为22.8 kg(N) ?hm?2, 大约占施氮量的12.3%,
与Ceccon等[19]的研究结果类似。除施肥量外, 施肥
种类、施肥期、施肥方式均会影响氮素淋失特征,
今后定量研究应予以关注[9]。
本研究发现氮淋失与氮肥数量之间, 指数模型
的拟合优度高于线性模型和多项式模型, 表明氮肥
超过一定阈值后, 多余的氮淋失风险极高, 这可以从
近年来的田间试验中不断得到支持[11,20], 表明优化氮
肥数量是华北地区夏玉米生产应主要关注的问题。
本试验构建的指数方程各项参数, 与我们团队前期
研究整合获得的参数范围较为一致(系数变化范
围 为2.38~42.0, 指 数 变 化 范 围 为0.0041~0.0095)[3]。
需要指出的是, 近年研究获得的氮淋失估测数量比
早期估测数量低, 主要表现在指数方程各参数数值
减小, 如本研究总施氮量与氮淋失量的指数方程
Y=8.88e0.0044X的参数低于Wang等[11]构建的方程Y=
25.87e0.0072X。
氮肥施用后, 除了作物吸收氮外, 理论剩余氮
(即氮盈余, 氮素输入量与作物吸氮量差值)比施氮量
更能准确预测氮淋失[11,21]。本研究却发现施氮量获
得的拟合效果优于氮盈余, 原因可能是在实际生产
中对总施氮量定量较准确, 而氮盈余是由总施氮量
减去地上部吸氮量(需要分别测定秸秆和籽粒生物
量和含氮量)获得, 数据误差较大。
3.2 水分对夏玉米氮淋失的影响
水分投入通过影响土壤水分状况和运动特征对
氮淋失产生作用[22], 一般而言, 氮淋失与降水量、灌
溉量呈正相关。康爱林等[23]发现漫灌施肥处理导致
无机氮在深层土壤累积, 增加氮素淋溶风险, 滴灌施
肥则有利于氮素在表层土壤积累, 降低氮淋失。然
而, 综合前期研究发现, 目前对于水分与氮淋失之间
关系的定量研究远远少于与氮肥关系的研究。
本研究发现, 总氮淋失量与水分投入、水平衡
量的回归关系较差, 模型解释程度不足3%, 我们猜
测可能是由于农业生产中水分淋失同时受到水分投
入(灌溉、降水)以及水分损失(蒸发、作物蒸散)等
因素的共同影响[24]。虽有研究提出直接采用降水量
等可以取得较好预测效果[25-26], 但从机理上分析, 如
果不考虑水分通过蒸腾和蒸发造成的水损失, 就很
难获得准确氮淋失数量, 因此基于水分渗漏量预测
农 田 氮 淋 失 效 果 更 好(R2=0.2937)。 水 氮 联 合 模 型
(HYDRUS-1D)、脱氮分解模型(DNDC)和水热碳氮
模拟模型(WHCNS)等过程模型中虽然考虑了水分
对氮淋失的影响, 但其更多是通过对水分渗漏量累
积进行计算[27-29], 其精度与过程模型模拟效果直接相
关。对于水分渗漏的定量, 除了直接测定, 可以采用
经验公式[30-31]或田间水量平衡模型进行计算[32], 但这
些方法要么缺乏严格物理意义, 要么在实践中需要
花费较长时间和精力, 今后研究中需要重点关注。
本研究中, 考虑到水分渗漏量需要田间测定、操作
复杂, 还提供了用水分投入量(降雨+灌溉)替代水分
渗漏量构建逐步回归方程, 能够提高方程的可用程
度, 当然模拟精度会受到影响。
总体上水分渗漏量与氮肥投入一起决定了氮淋
失量。因此, 与以往诸多研究直接选取施肥量进行
预测不同, 本文将氮(总施氮量、氮盈余)、水(水分
投入、水平衡、水分渗漏量)两两组合以探究水氮
的最优预测组合, 进而用于多因素的多元回归模型
构建。研究发现, 将总施氮量和水分渗漏量组合预
测氮淋失的拟合优度最高, 优于其他5个预测变量
的组合。
3.3 其他因素对氮淋失的影响
土层深度是定量氮淋失的关键因素。通常认为
作物根区氮素具有较好的生物有效性, 而根区以外
的氮素则很难被作物利用, 氮淋失研究深度以根区
下边界为界较为合理(水分渗漏的研究深度与氮淋
失深度一致)[33]。丁燕等[34]的研究将氮淋失测定深度
定义在0~90 cm, 林立等[35]将之定义在0~180 cm。也
有学者将根际范围定义为0~200 cm[36], 刘学军等[37]
通过试验证明100~200 cm土层的氮难以被作物吸收
利用。本研究中, 氮淋失研究深度最浅为50 cm, 最
深为200 cm, 一方面可以认为这个深度范围的氮很
难被作物吸收利用, 可以认为是“淋失”的氮, 另一方
面在模型计算中我们将深度作为变量参与预测氮淋
失数量, 因此获得模拟方程能够全面说明深度等因
素对于氮淋失的影响。
第 9 期 赵晓莹等 : 华北地区夏玉米生产中农田氮淋失的定量预测 1445
http://www.ecoagri.ac.cn
农田氮素淋失同时受到各类因素的影响, 除施
肥和水分外, 土壤条件、秸秆还田、土层深度等也
会对氮淋失有影响。土壤有机质含量的高低直接影
响硝化作用的强弱[38], 硝化作用强容易造成硝态氮积
累增加淋溶风险[39]。砂粒含量多的土壤通气透水性
能良好, 容易发生氮淋失, 沙壤土中氮素淋溶损失量
可以达到施氮量的16.2%~30.4%[40]。研究发现, 将输
入变量替换后, 多元回归方程中黏粒含量和土壤pH
系数的正负(即增加或减少)发生了变化。对于黏粒
含量, 考虑到土壤质地由3种粒径组成, 粒径大小配
比合适的土壤孔隙率低, 氮淋溶发生风险较低, 但过
沙土壤疏松多孔、孔隙率很高, 黏重土壤则会产生
缝隙进而发生优先流, 都会加剧氮素的淋失。土壤
pH系数正负变化, 主要是由于本研究文献绝大多数
位于我国华北地区, 土壤偏中性或碱性, pH变化范围
较小(6.2~9.1), 变量替换后其方程计算导致系数正负
发生变化。
需要特别强调的是, 作物秸秆作为外源有机碳,
还田后可以改善土壤理化性质、对氮肥表现为固
持[41-42], 从而降低农田养分淋失, 与本研究结果一致,
即秸秆还田对氮淋失具有抑制效果。这与我们团队
在山东省桓台县秸秆还田的田间试验有较好的吻合:
与2010年相比, 连续4年作物秸秆还田可以显著降
低玉米季氮淋溶量[43]。因此, 在华北地区农业生产中
推广应用秸秆还田, 对于防治氮淋失具有重大意义。
田间试验测定氮淋失费时费力, 计算机模型是
解决该问题的一个重要途径[35]。目前, 农田氮素损失
主要以过程机理模型和经验统计模型为主, 前者包
括DNDC、氮素淋洗经济分析模型(NLEAP)、土壤
营养物淋失模型(LEACHM)和水氮管理模型(WN-
MM)等, 这些模型准确度高, 但是所需参数较多, 过
程复杂。经验统计模型方法包括回归分析、相关性
分析、线性混合分析等, 所需参数较少, 计算方法简
单[21]。本研究采用逐步回归优化模型, 选择赤池信息
准则(AIC)值最小的方程作为最优回归方程, 逐步回
归后模型不存在多重共线性, 方程和回归系数均通
过了显著性检验, 所获得的方程对于华北地区氮素
管理具有重要技术支撑。 近年来, 计算能力强、可
以考虑多因素复杂影响的机器学习优势凸显, 随机
森林算法作为一种机器学习方法, 具有准确率高、
防止过拟合能力强、能对变量进行筛选等特点[44], 可
以尝试探索应用。
4 结论与展望
华北地区夏玉米生产中农田氮淋失受多种环境
条件和管理措施的影响。在众多土壤条件和管理措
施中, 氮投入、水分对氮淋失影响较大, 其次为土壤
有机质和土壤质地, 秸秆还田能有效防止氮淋失。
指数模型比线性模型更适合分析氮淋失与氮肥、水
分间的定量关系, 总氮淋失量与水投入的回归关系
较差, 但与水分渗漏数量回归关系较好, 准确定量水
分渗漏是今后华北地区预测氮淋失工作中应重点关
注的参数。
参考文献 References
TILMAN D, BALZER C, HILL J, et al. Global food demand
and the sustainable intensification of agriculture[J]. Proceedings
of the National Academy of Sciences of the United States of
America, 2011, 108(50): 20260?20264
[1]
中华人民共和国国家统计局. 中国统计年鉴2021[EB/OL].
[2022-11-04]. http://www.stats.gov.cn/sj/ndsj/2021/indexch.htm
National Bureau of Statistics of China. China Statistical
Yearbook, 2021[EB/OL]. [2022-11-04]. http://www.stats.gov.cn
/sj/ndsj/2021/indexch.htm
[2]
孟凡乔, 王坤, 肖广敏, 等. 华北平原潮土区粮田氮淋失阻
控措施及效果分析[J]. 中国生态农业学报(中英文), 2021,
29(1): 141?153
MENG F Q, WANG K, XIAO G M, et al. Nitrogen leaching
mitigation in fluvo-aquic soil in the North China Plain[J].
Chinese Journal of Eco-Agriculture, 2021, 29(1): 141?153
[3]
闫湘, 金继运, 梁鸣早. 我国主要粮食作物化肥增产效应与
肥料利用效率[J]. 土壤, 2017, 49(6): 1067?1077
YAN X, JIN J Y, LIANG M Z. Fertilizer use efficiencies and
yield-increasing rates of grain crops in China[J]. Soils, 2017,
49(6): 1067?1077
[4]
宋涛, 尹俊慧, 胡兆平, 等. 脲酶/硝化抑制剂减少农田土
壤氮素损失的作用特征[J]. 农业资源与环境学报, 2021,
38(4): 585?597
SONG T, YIN J H, HU Z P, et al. Characteristics of
urease/nitrification inhibitors in reducing nitrogen losses in
farmland soils[J]. Journal of Agricultural Resources and
Environment, 2021, 38(4): 585?597
[5]
YING H, XUE Y F, YAN K, et al. Safeguarding food supply
and groundwater safety for maize production in China[J].
Environmental Science & Technology, 2020, 54(16):
9939?9948
[6]
李晓欣, 张菲菲, 马洪斌, 等. 华北平原地区农田硝态盐淋
失研究进展[J]. 华北农学报, 2011, 26(S2): 131?139
LI X X, ZHANG F F, MA H B, et al. Nitrate leaching in North
China Plain: a review[J]. Acta Agriculturae Boreali-Sinica,
2011, 26(S2): 131?139
[7]
殷乐宜, 李璐, 陈坚, 等. 京津冀重点区域地下水硝酸盐污
染分区研究[J]. 环境保护科学, 2021, 47(5): 118?122
YIN L Y, LI L, CHEN J, et al. Study on nitrate pollution zoning
in groundwater of key area of Beijing-Tianjin-Hebei Region[J].
Environmental Protection Science, 2021, 47(5): 118?122
[8]
许莹, 孙良杰, 杜立宇, 等. 常规田间管理条件下旱田土壤[9]
1446 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
氮 素 淋 失 影 响 因 素 研 究 进 展[J]. 土 壤 通 报, 2020, 51(5):
1246?1254
XU Y, SUN L J, DU L Y, et al. Influencing factors on soil
nitrogen leaching under traditional management of dry
farmland[J]. Chinese Journal of Soil Science, 2020, 51(5):
1246?1254
ZHOU M H, BUTTERBACH-BAHL K. Assessment of nitrate
leaching loss on a yield-scaled basis from maize and wheat
cropping systems[J]. Plant and Soil, 2014, 374(1): 977?991
[10]
WANG G L, CHEN X P, CUI Z L, et al. Estimated reactive
nitrogen losses for intensive maize production in China[J].
Agriculture, Ecosystems & Environment, 2014, 197: 293?300
[11]
CUI Z L, ZHANG H Y, CHEN X P, et al. Pursuing sustainable
productivity with millions of smallholder farmers[J]. Nature,
2018, 555(7696): 363?366
[12]
胡玉婷, 廖千家骅, 王书伟, 等. 中国农田氮淋失相关因素分
析及总氮淋失量估算[J]. 土壤, 2011, 43(1): 19–25
HU Y T, LIAO Q J H, WANG S W, et al. Statistical analysis
and estimation of N leaching from agricultural fields in
China[J]. Soils, 2011, 43(1): 19–25
[13]
李利霞, 武桂芝, 于宗民, 等. 大沽河流域农田土壤磷有效
性及全磷淋失影响因素试验[J]. 水土保持学报, 2022, 36(2):
337?343
LI L X, WU G Z, YU Z M, et al. Experimental study on
influencing factors affecting phosphorus availability and total
phosphorus leaching in farmland soil in Dagu River Basin[J].
Journal of Soil and Water Conservation, 2022, 36(2): 337?343
[14]
叶英聪, 张丽君, 谢文, 等. 南方丘陵稻田土壤全钾和速效
钾 高 光 谱 特 征 与 反 演 模 型 研 究[J]. 广 东 农 业 科 学, 2015,
42(7): 37?42
YE Y C, ZHANG L J, XIE W, et al. Prediction on total
potassium and available potassium content of hilly paddy soil in
southern China based on hyper-spectral characteristics[J].
Guangdong Agricultural Sciences, 2015, 42(7): 37?42
[15]
刘健. 三种质地土壤氮素淋溶规律研究[D]. 北京: 北京林业大
学, 2010
LIU J. Study on nitrogen leaching regulations on three textures
of soil[D]. Beijing: Beijing Forestry University, 2010
[16]
CANNAVO P, HARMAND J M, ZELLER B, et al. Low
nitrogen use efficiency and high nitrate leaching in a highly
fertilized Coffea arabica-Inga densiflora agroforestry system: a
15N labeled fertilizer study[J]. Nutrient Cycling in
Agroecosystems, 2013, 95(3): 377?394
[17]
汪兆辉, 张友良, 冯绍元. 旱地硝态氮淋失阻控措施研究进
展[J]. 中国农村水利水电, 2021(12): 39?45
WANG Z H, ZHANG Y L, FENG S Y. Review of soil nitrate
leaching control measures in dry farmland[J]. China Rural
Water and Hydropower, 2021(12): 39?45
[18]
CECCON P, DALLA COSTA L, DELLE VEDOVE G, et al.
Nitrogen in drainage water as influenced by soil depth and
nitrogen fertilization: a study in lysimeters[J]. European Journal
of Agronomy, 1995, 4(3): 289?298
[19]
DELIN S, STENBERG M. Effect of nitrogen fertilization on
nitrate leaching in relation to grain yield response on loamy sand
in Sweden[J]. European Journal of Agronomy, 2014, 52:
[20]
291?296
王桂良. 中国三大粮食作物农田活性氮损失与氮肥利用率的
定量分析[D]. 北京: 中国农业大学, 2014
WANG G L. Quantitative analysis of reactive nitrogen losses
and nitrogen use efficiency of three major grain in China[D].
Beijing: China Agricultural University, 2014
[21]
王兴武, 于强, 张国梁, 等. 鲁西北平原夏玉米产量与土壤
硝态氮淋失[J]. 地理研究, 2005, 24(1): 140?150
WANG X W, YU Q, ZHANG G L, et al. The yield and
dynamics of soil nitrate for summer maize on the plain of
northwest Shandong Province[J]. Geographical Research, 2005,
24(1): 140?150
[22]
康爱林, 孟凡乔, 李虎, 等. 滴灌施肥对华北地区冬小麦-
夏玉米作物产量及水氮利用效率的影响[J]. 土壤通报, 2020,
51(4): 958?968
KANG A L, MENG F Q, LI H, et al. Effects of drip irrigation
fertilization on wheat and maize yields and water- and nitrogen-
use efficiency in northern China[J]. Chinese Journal of Soil
Science, 2020, 51(4): 958?968
[23]
胡春胜, 张玉铭, 秦树平, 等. 华北平原农田生态系统氮素
过 程 及 其 环 境 效 应 研 究[J]. 中 国 生 态 农 业 学 报, 2018,
26(10): 1501?1514
HU C S, ZHANG Y M, QIN S P, et al. Nitrogen processes and
related environmental effects on agro-ecosystem in the North
China Plain[J]. Chinese Journal of Eco-Agriculture, 2018,
26(10): 1501?1514
[24]
杨旺鑫. 我国农田氮磷损失影响因素及损失量初步估算[D].
南京: 南京农业大学, 2015
YANG W X. Influencing factors and estimation of nitrogen and
phosphorus losses from farmlands in China[D]. Nanjing:
Nanjing Agricultural University, 2015
[25]
朱波, 周明华, 况福虹, 等. 紫色土坡耕地氮素淋失通量的
实测与模拟[J]. 中国生态农业学报, 2013, 21(1): 102?109
ZHU B, ZHOU M H, KUANG F H, et al. Measurement and
simulation of nitrogen leaching loss in hillslope cropland of
purple soil[J]. Chinese Journal of Eco-Agriculture, 2013, 21(1):
102?109
[26]
赖晓明, 廖凯华, 朱青, 等. 基于Hydrus-1D模型的太湖流
域农田系统水分渗漏和氮磷淋失特征分析[J]. 长江流域资源
与环境, 2015, 24(9): 1491?1498
LAI X M, LIAO K H, ZHU Q, et al. Feature analysis of soil
water leakage and leaching of nitrogen and phosphorus in the
typical farmland of Taihu Lake basin based on Hydrus-1D
model[J]. Resources and Environment in the Yangtze Basin,
2015, 24(9): 1491?1498
[27]
李晓鹏, 张佳宝, 刘金涛, 等. 天然文岩渠流域土壤水分渗
漏和氮素淋失模拟[J]. 环境科学, 2009, 30(3): 864?869
LI X P, ZHANG J B, LIU J T, et al. Simulating soil water
drainage and nitrogen leaching in Tianranwenyanqu basin[J].
Environmental Science, 2009, 30(3): 864?869
[28]
杜艾芳. 运用WHCNS模型对农田氮素损失的验证及分析[J].
价值工程, 2022, 41(14): 142?144
DU A F. Verification and analysis of nitrogen loss in farmland
using WHCNS model[J]. Value Engineering, 2022, 41(14):
142?144
[29]
第 9 期 赵晓莹等 : 华北地区夏玉米生产中农田氮淋失的定量预测 1447
http://www.ecoagri.ac.cn
俞映倞, 薛利红, 杨林章. 不同氮肥管理模式对太湖流域稻
田土壤氮素渗漏的影响[J]. 土壤学报, 2011, 48(5): 988?995
YU Y L, XUE L H, YANG L Z. Effects of nitrogen
management on nitrogen leaching of paddy soil in Taihu Lake
Region[J]. Acta Pedologica Sinica, 2011, 48(5): 988?995
[30]
黄明蔚, 刘敏, 陆敏, 等. 稻麦轮作农田系统中氮素渗漏流
失的研究[J]. 环境科学学报, 2007, 27(4): 629?636
HUANG M W, LIU M, LU M, et al. Study on the nitrogen
leaching in the paddy-wheat rotation agroecosystem[J]. Acta
Scientiae Circumstantiae, 2007, 27(4): 629?636
[31]
张玉珍. 农田不同土地利用氮素渗漏量的研究[J]. 福州大学
学报(自然科学版), 2006, 34(4): 620?624
ZHANG Y Z. Assessment of nitrogen leaching amount on
various land use in field[J]. Journal of Fuzhou University
(Natural Science Edition), 2006, 34(4): 620?624
[32]
QIN S P, WANG Y Y, HU C S, et al. Yield-scaled N2O
emissions in a winter wheat summer corn double-cropping
system[J]. Atmospheric Environment, 2012, 55: 240?244
[33]
丁燕, 杨宪龙, 同延安, 等. 小麦-玉米轮作体系农田氮素
淋失特征及氮素表观平衡[J]. 环境科学学报, 2015, 35(6):
1914?1921
DING Y, YANG X L, TONG Y A, et al. Characteristics of N
leaching and apparent N budget in cultivated lands under a
winter wheat-summer maize rotation system[J]. Acta Scientiae
Circumstantiae, 2015, 35(6): 1914?1921
[34]
林立, 胡克林, 李光德, 等. 高产粮区不同施肥模式下玉米
季 农 田 氮 素 损 失 途 径 分 析 [J]. 环 境 科 学 , 2011, 32(9):
2617?2624
LIN L, HU K L, LI G D, et al. Evaluation of nitrogen loss way
in summer maize system under different fertilizer N
managements[J]. Environmental Science, 2011, 32(9):
2617?2624
[35]
王西娜, 王朝辉, 李生秀. 黄土高原旱地冬小麦/夏玉米轮
作 体 系 土 壤 的 氮 素 平 衡[J]. 植 物 营 养 与 肥 料 学 报, 2006,
12(6): 759?764
WANG X N, WANG Z H, LI S X. Soil nitrogen balance in
winter wheat and summer maize rotation system on dryland of
Loess Plateau[J]. Plant Nutrition and Fertilizer Science, 2006,
12(6): 759?764
[36]
刘学军, 巨晓棠, 张福锁. 减量施氮对冬小麦-夏玉米种植[37]
体系中氮利用与平衡的影响[J]. 应用生态学报, 2004, 15(3):
458?462
LIU X J, JU X T, ZHANG F S. Effect of reduced N application
on N utilization and balance in winter wheat-summer maize
cropping system[J]. Chinese Journal of Applied Ecology, 2004,
15(3): 458?462
黄学茹. 铁氧化物与有机质对酸性土壤硝化作用的影响[D].
重庆: 西南大学, 2016
HUANG X R. Effects of iron oxide and organic matter on acidic
soil nitrification[D]. Chongqing: Southwest University, 2016
[38]
王永生. 宁夏黄灌区农田有机质对土壤硝态氮淋失量的影响
研究[D]. 北京: 中国农业科学院, 2011
WANG Y S. Study on soil organic matter effect on soil nitrate
nitrogen leaching losses in Ningxia Yellow River Irrigation
Area[D]. Beijing: Chinese Academy of Agricultural Sciences,
2011
[39]
ZHOU J B, XI J G, CHEN Z J, et al. Leaching and
transformation of nitrogen fertilizers in soil after application of
N with irrigation: a soil column method[J]. Pedosphere, 2006,
16(2): 245?252
[40]
WANG M, PENDALL E, FANG C M, et al. A global
perspective on agroecosystem nitrogen cycles after returning
crop residue[J]. Agriculture, Ecosystems & Environment, 2018,
266: 49?54
[41]
CHENG Y, WANG J, WANG J Y, et al. The quality and
quantity of exogenous organic carbon input control microbial
NO3? immobilization: a meta-analysis[J]. Soil Biology and
Biochemistry, 2017, 115: 357?363
[42]
张鑫, 李菁园, 孟凡乔, 等. 桓台县冬小麦和夏玉米秸秆长
期 还 田 的 生 态 效 益 分 析 [J]. 生 态 学 报 , 2020, 40(12):
4157?4168
ZHANG X, LI J Y, MENG F Q, et al. Ecological impacts of
winter wheat and summer maize straw incorporation in Huantai
County, Shandong Province[J]. Acta Ecologica Sinica, 2020,
40(12): 4157?4168
[43]
方匡南, 吴见彬, 朱建平, 等. 随机森林方法研究综述[J].
统计与信息论坛, 2011, 26(3): 32?38
FANG K N, WU J B, ZHU J P, et al. A review of technologies
on random forests[J]. Statistics & Information Forum, 2011,
26(3): 32?38
[44]
1448 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
|
|
