冯国禄， 杨 斌， 鲁栋梁， 田义超

(钦州学院，广西钦州 535011)

我国湖泊富营养化的水体已占63.6%，农业主产区中的太湖、巢湖、滇池等地的水质总氮、总磷含量与20世纪80年代相比大幅增加。农田地表径流所流失的氮磷，成为我国南方地区农业面源污染和河湖水质富营养物质污染的主要来源[1]。

氮肥、磷肥施入土壤后，由于施肥、排灌水方式不当等原因，被作物吸收利用的肥料量分别占其总施肥量的30%～35%、15%～25%[2]。目前水稻田的养分流失现象相当普遍，已经对水体环境质量产生了巨大的威胁。陆地生态系统氮、磷的大量输入是最终导致湖泊富营养化的重要因素，而降水地表径流及地下排水径流是农业非点源污染的主要排放形式。随着社会的持续发展，粮食需求量巨增，水体富营养化具有进一步恶化的趋势，水体富营养化易导致生态系统崩溃和物种灭绝，已成为构建和谐社会、建设生态良好型社会过程中亟待解决的核心水污染问题[3-4]。地表径流氮主要包括颗粒氮和溶解性氮，其中溶解性氮以铵态氮(NH4+-N)、硝态氮(NO3--N)为主。

控制排水是降低稻田地表径流损失的重要方式，主要措施包括3个方面，(1)控制排水时间，若降水量大且持续时间长，则应延缓降水期间稻田直接向田沟排水的时间，这有利于增加稻田田面水深度，降低因降水击溅侵蚀和化学侵蚀而进入地表水中的土壤颗粒和可溶性氮、磷数量[5]，对于刚施肥的稻田效果尤其明显。(2)增加降水后涝水在排水沟中的滞留时间，这有利于发挥排水沟湿地功能，促使水中悬移物质或颗粒态的氮、磷沉淀下渗，降低氮、磷的排放浓度，减轻氮、磷对附近水体的污染[6]。(3)采取零排放水分管理模式，即在水稻的整个生育期内只灌水不排水的稻田水分管理技术[7]。张志剑等采用零排放水分管理模式进行试验发现，一季水稻田的溶解态磷(dissolved phosphorus，简称DP)的净排放负荷降为负值，稻田由输出磷素的“源”转为截流磷素的“汇”[8]。零排放水分管理模式为减少稻田氮、磷流失提供了新的思路。Takeda等通过研究得出，在流域系统中，氮、磷的排放负荷随着年降水量的增多呈近似线性增加趋势，但随着滞水时间的延长而减少，且在前几天急剧下降，之后逐渐趋于定值甚至随着时间的延长成为负值，即流域成为氮、磷的“汇”[9]。

鉴于稻田环境系统自身的复杂性、高维性以及各因素之间的非线性关系，将对复杂系统非线性特征具有很强捕捉能力的后向传播(back propagation，简称BP)神经网络[10]应用于氮、磷等养分流失潜力拟合预测模型的构建。BP神经网络是一种通过模拟人脑神经元结构和功能而设计的信息系统[8]，与传统方法相比，具有模糊的数据、须要决定的模式特征不明确、数据本身非线性、随机数据或数据中含有较多的噪声等优势[10-12]。其中，BP神经网络因解决了多层前馈网络的学习问题而成为目前最流行的神经网络系统。

国内外关于农田土壤氮、磷形态与转化过程的研究较多，而在水分管理方面的研究报道却相对较少，因此，研究施肥及水分管理对稻田氮、磷养分流失潜力的影响，对控制氮、磷流失、保护环境具有较好的科学意义。为尽量减轻试验立地条件受外界较大随机性春季降水过程的影响，本研究采用滞水时间控制与单排单灌水分管理系统相结合的关键技术，设计以春插面肥种类和蓄水深度为试验因素(2因素3水平)的小区模拟试验，对田面水中氮、磷养分流失潜力的动态进行分析。另外，以3层BP神经网络为工具，选取春插面肥种类、蓄水深度、动态时间等3个指标作为输入结点，以非点源污染物(氮、磷等养分)流失潜力作为输出指标，应用Matlab R2014a®软件对采集的样本进行训练和验证，获得氮、磷等养分流失潜力拟合预测模型，并对该模型进行误差检验。本研究旨在为我国南方稻田的有效水分管理提供科学的基础数据。

1 材料与方法

1.1 供试材料

试验在广西壮族自治区钦州市农业科学研究所进行，地处20°53′～22°42′ N，107°27′～109°56′ E之间，年平均气温为22 ℃，年平均降水量为1 600 mm。供试土壤为水稻土，其基本理化性状：有机质含量为18.5 g/kg，总氮(total nitrogen，简称TN)含量为0.95 g/kg，总磷(total phosphorus，简称TP)含量为0.87 g/kg，总钾(total kalium，简称TK)含量为0.34%，水解性氮(N)含量为195 mg/kg，有效磷(P)含量为50.1 mg/kg，速效钾(K)含量为97 mg/kg，pH值为6.34。供试肥料为固体复合肥、液体复合肥以及单质混合肥(由尿素、过磷酸钙、氯化钾等混合而成)，其施肥量均为750 kg/hm2。

1.2 试验设计

于2015年4月中旬进行春耕试验。以春插面肥种类为试验因素之一，将春插面肥种类的3个水平分别设为固体复合肥、液体复合肥、单质混合肥，分别表示为F1(N ∶P2O5∶K2O=21 ∶6 ∶13)、F2(N ∶P ∶K=3 ∶1 ∶1)、F3(尿素 17.1%、过磷酸钙12.0%、氯化钾60.0%)。以蓄水深度为另一试验因素，设蓄水深度为3、6、9 cm 3个水平，分别表示为H3、H6、H9。

应用SPSS软件对以春插面肥种类和蓄水深度为试验因素的春耕试验进行L9(32)正交试验设计。各试验小区面积为 18 m2，小区田埂筑高0.4 m，并用塑料薄膜包被(入土 0.45 m)，以减少侧渗和串流。在试验大田中建立1个独立的单排单灌水分管理系统，春耕用水由当地的农田灌溉系统提供。

本研究的正交试验设计中有9个试验组合，每个组合设3次重复，共计27个试验小区，随机区组排列(图1、图2)。

1.3 样品采集

模拟春耕时将肥料施入大田与土壤耕作层混合均匀以提高肥效的方法， 于施肥处理完成0、1、3、5、7、9 d后，分别从模拟小区稻田中采水样带回实验室并立即测定各项指标的含量。

1.4 数据分析与处理

水样各指标测定方法[13]：总氮含量采用硫酸钾氧化-紫外分光光度法进行测定；铵态氮(NH4+-N)含量的测定参照GB/T 7479—1987《水质 铵的测定 纳氏试剂比色法》；硝态氮(NO3--N)含量的参照GB/T 7480—1987《水质 硝酸盐氮的测定 酚二磺分光酸光度法》；总磷含量的测定参照GB/T 11893—1989《水质 总磷的测定 钼酸铵分光光度法》。

采用瞬时养分绝对流失量法进行数据处理，具体公式为

ΔQi=A×Ci×Xi。

式中：A为稻田小区面积；Ci为各采样时间(D)各指标的浓度；Xi为蓄水高度。由于各小区面积一致，而H6、H9处理的蓄水深度又分别是H3处理的2、3倍，假定在各采样时间点小区稻田田面水中短时内迅速全部排干，H3处理的养分相对流失量为&Qai=Ci×Xi，则H6处理的相对流失量为&Qbi=2Ci×Xi，H9处理的相对流失量为&Qci=3Ci×Xi，以此来分析田面水中各指标的相对流失潜力。各指标的相对流失量为3次重复数据的平均值。

2 结果与分析

2.1 NO3--N、NH4+-N相对流失量分析

由图3可知，施用F1后，H3F1、H6F1、H9F1处理中的NO3--N相对流失量在施肥1 d后达到较大值，分别为69.15、119.10、36.16 mg，且3个处理从施肥后1 d至5 d均保持较高的NO3--N相对流失量水平，施肥5 d后田面水中的 NO3--N 相对流失量呈下降趋势，但总体上表现为H6处理>H3处理>H9处理。其他处理在整个试验过程中 NO3--N 的相对流失量均处于较低的水平。说明施用F1后，固体复合肥中的氮元素容易在土壤中微生物的硝化作用下迅速释放出来。而施用F2和F3，则由于土壤微生物对其硝化作用相对较弱，致使释放至田面水中的NO3--N处于较低的水平。因此，从减少田面水中NO3--N的流失潜力看，施用F2和F3比施用F1的减排效果更佳。

由图4可知，除H9F1、H3F3、H9F3处理外，其他处理小区的NH4+-N相对流失量在施肥1 d后均处于较高水平，其中H6F2处理的最高，达151.26 mg；H3F2处理的相对较低，为 48.24 mg；H9H1处理的最低，为15.27 mg。其中H3F1、H9F2、H3F2、H6F3、H3F3、H9F3等处理的NH4+-N相对流失量在施肥1 d后呈下降趋势，至施肥5 d后处于较低水平，而H6F2、H6F1处理在整个试验阶段均处于较高水平。因此，将H9F3、H3F3处理滞水至施肥5 d后排放，可有效减少田面水中NH4+-N的流失。

2.2 TP、TN相对流失量分析

由图5可见，在施肥1 d后，H9F2、H6F2、H6F1处理的TP相对流失量达到峰值，其中H9F2处理最高，达 118.29 mg，而H6F3、H3F2处理的TP相对流失量则于3 d后达到峰值。施肥5 d后，H3F2、H9F3处理的TP相对流失量逐渐下降至较低水平，分别为18.61、27.21 mg。因此，从减少TP流失潜力看，将H3F2、H9F3处理滞水至施肥5 d后排水是较为安全的措施。

由图6可见，各处理田面水中TN的相对流失量均于施肥1 d后达到峰值，其中H6F2处理的最高，为521.64 mg；施肥3 d后，田面水中TN的相对流失量迅速下降，其中H3F3、H9F3、H6F3处理的TN相对流失量较低，为15.90～50.90 mg。因此，将H3F3、H9F3、H6F3处理滞水至施肥3 d后排水，可有效减少田面水中TN的流失。

2.3 氮、磷等养分流失潜力拟合预测模型分析

本研究在进行BP神经网络计算时，以春插面肥种类、蓄水深度、动态时间等3个指标作为输入结点，以非点源污染物(氮、磷等养分)流失潜力作为输出指标，在数据的处理过程中，由于氮、磷等养分流失数据变化幅度较大，会对模型的模拟结果产生影响，为解决这一问题，将实测的数据进行归一化处理。归一化处理能够加快神经网络的收敛。因此，应用Matlab R2014a®软件对采集的样本进行训练和验证，并对该模型进行误差检验，以获得氮、磷等养分流失潜力拟合预测模型。

将标准化的数据作为训练材料，训练图7中建立的BP神经网络模型。将氮、磷等养分流失潜力作为输出指标，通过模型训练和模型验证，得到面肥种类、蓄水深度以及动态时间对稻田田面水中养分流失量的最优拟合方程为Output=0.57×Target+0.71，r2=0.569 91，其中Output表示输出值，Target表示目标值。

因此，若已知非点源污染物(氮、磷等养分)流失潜力实测数据，则可以通过构建神经网络模型，得出基于面肥种类、蓄水深度、动态时间的春耕稻田养分流失潜力的拟合预测模型。

3 结论与讨论

采用室外微区模拟稻田春耕施肥耕整试验，结果发现，3、6、9 cm等3个不同蓄水深度处理田面水中的氮、磷浓度变化与土壤中的氮、磷释放密切相关[14]。稻田春耕耕整后滞水缓排技术可以减少春耕稻田随排(退)水迁移流失的氮、磷污染物，有效减轻春季农业非点源污染[15]。基肥施入后8 d内田面水中的总氮、总磷含量明显衰减，并于施肥8 d后趋于稳定，且处于较低水平[16]。春耕稻田撒施固体复合肥，在蓄水 5～6 cm 的条件下，于第5天或第7天排水，减排降污效果显著；与第3天排水相比，第5天排水可减少排放的总氮21.22%～55.41%、总磷为67.67%～83.70%[14]。虽然提高排水堰高度田面水中的TN、TP浓度有所降低，但并不能降低其潜在流失量。控水滞排至施肥5～7 d后，田面水中的TN和TP流失量较少。从排水方式看，土壤耕整后先采取控水至9 cm或6 cm的深度，然后再排水至3 cm控水深度的排水方式模拟稻田田面水中的TN、TP流失量，总体上可分别减少33.33%～50.00%、34.48%～50.00%[17]。

综上所述，就本试验的春耕稻田TP和TN流失潜力而言，施用单质混合肥，进行蓄水9 cm处理，并滞水至施肥后 5 d 排干田面水是一种清洁的水分管理模式。同时，利用氮、磷等养分流失潜力的实测数据，构建BP神经网络模型，得出基于面肥种类、蓄水深度以及动态时间的春耕稻田养分流失潜力的拟合预测模型为Output=0.57×Target+0.71，r2=0.569 91。