2018, Vol. 38文章信息
- 杜俊杉, 马英, 胡晓农, 童菊秀, 张宝忠, 孙宁霞, 高光耀.
- DU Junshan, MA Ying, HU Xiaonong, TONG Juxiu, ZHANG Baozhong, SUN Ningxia, GAO Guangyao.
- 基于双稳定同位素和MixSIAR模型的冬小麦根系吸水来源研究
- Applying dual stable isotopes and a MixSIAR model to determine root water uptake of winter wheat
- 生态学报. 2018, 38(18): 6611-6622
- Acta Ecologica Sinica. 2018, 38(18): 6611-6622
- http://dx.doi.org/10.5846/stxb201802250384
-
文章历史
- 收稿日期: 2018-02-22
- 修订日期: 2018-07-02
2. 中国科学院地理科学与资源研究所, 陆地水循环及地表过程院重点实验室, 北京 100101;
3. 中国水利水电科学研究院, 流域水循环模拟与调控国家重点实验室, 北京 100038;
4. 中国科学院生态环境研究中心, 城市与区域生态国家重点实验室, 北京 100085
2. Key Laboratory of Water Cycle and Related Land Surface Processes, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
3. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China;
4. State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China
灌溉和施肥措施对农田水文循环具有重要影响。根系吸水是联系植物蒸腾和土壤水分运动的关键过程[1]。定量识别不同灌溉施肥条件下植物根系吸水来源对农田水分高效利用具有重要意义。以往研究根系吸水多采用根系挖掘法, 但该方法容易破坏植物生境[2-3]。稳定同位素(D和18O)因其本身即为水分子组成部分, 且在根系吸水过程中不发生分馏, 是识别植物根系吸水来源的理想天然示踪剂[4-5]。
利用D和18O同位素进行植物水分溯源的方法主要包括：直接对比法[6], 两端元和三端元线性混合模型[7], IsoSource混合模型[8], 基于贝叶斯理论的MixSIR、SIAR和MixSIAR混合模型[9-11]等。直接对比法假设植物仅利用某一深度的土壤水, 而实际上植物水分通常是多个深度土壤水的混合[2, 12-13]。端元混合模型则局限于计算三种及以下水分来源对植物水的贡献比例[14-15]。IsoSource模型可估算多种水分来源对植物水的贡献比例范围[1, 2, 16], 但忽略了水源的不确定性且其贡献比例范围不能以单一概率表示。基于贝叶斯统计原理的混合模型则充分考虑了混合物(植物茎水)和贡献源(土壤水)同位素值的潜在不确定性以及贡献源过参数化导致的不确定性, 其中MixSIAR模型最新融合了MixSIR和SIAR模型的优势, 增加了贡献源的多元同位素原始数据源输入形式、随机效应分类变量和残差+过程误差等模块, 显著提升了植物水分来源及其贡献比例定量计算的准确性[11]。
伴随同位素测试技术的迅速发展, 基于D和18O同位素的植物水分溯源方法被广泛用于农业系统中[1-3, 17-23]。Zhang等[17]利用两端元线性混合模型和δD—δ18O关系图计算了不同生育阶段夏玉米的水分来源, 但该模型需要所有水分来源的δD和δ18O之间具有强线性相关关系。其中, 应用较为普遍的IsoSource混合模型被用于估算美国Iowa中部地区玉米、华北地下水浅埋区夏玉米和棉花和地下水深埋区充分灌溉条件下冬小麦、西北地区石羊河流域交替隔沟灌溉条件下玉米以及西北内陆干旱区(新疆)棉花的主要根系吸水深度[1-3, 18-20]。安江龙等[21]采用底部隔水的塑料管土柱在田间进行了冬小麦种植试验, 并应用耦合模型和IsoSource模型对比分析了不同生育阶段水源贡献率。相比之下, 贝叶斯混合模型利用统计分布方法刻画了作物水分溯源过程中的不确定性, 其计算结果更加准确可靠。Yang等[22]采用MixSIR模型确定了黑河流域中游地区玉米的吸水深度, 结果表明当地农业灌溉用水效率较低, 灌水深度远大于作物根系吸水深度; Ma和Song[23]基于MixSIAR模型对比分析了不同施肥条件下夏玉米根系吸水深度的变化规律。但利用D和18O同位素和MixSIAR模型定量识别灌溉和施肥耦合作用下作物吸水来源季节变化的研究尚未见报道。
为此, 本文基于北京市典型农田不同灌溉施肥条件下冬小麦水分运移试验, 采用D和18O双稳定同位素和MixSIAR模型量化不同深度土壤水分对作物水的贡献比例, 对比不同灌溉施肥条件下冬小麦根系吸水来源的季节分布差异, 探讨根系吸水深度与土壤水分变化的关系, 该研究可为农田水分高效利用提供科学指导。
1 材料与方法 1.1 田间试验试验于2013—2015年在国家节水灌溉工程技术研究中心(北京)大兴试验研究基地(39°37′N, 116°26′E)进行。研究区属半湿润大陆性季风气候, 多年平均降水量540 mm, 但70%—80%的降雨集中在夏季, 年平均气温12.1℃[24]。试验基地0—200 cm土壤剖面的物理和化学特性参数见表 1。地下水位埋深约16 m。
| 深度 Depth/cm |
土壤颗粒组成 Particle size/% |
土壤质地 Soil texture |
干容重 Bulk density/ (g/cm3) |
饱和含水量 θs Saturated water content/ (cm3/cm3) |
饱和导水率 Ks Saturated hydraulic conductivity/ (cm/d) |
电导率 EC Electrical conductivity/ (μS/cm) |
pH | 铵态氮 NH4+-N/ (mg/kg) |
硝态氮 NO3--N/ (mg/kg) |
||
| 砂粒 Sand |
粉粒 Silt |
粘粒 Clay |
|||||||||
| 0—20 | 58.8 | 33.2 | 8.0 | 砂壤土 | 1.56 | 0.41 | 8.41 | 111.70 | 8.15 | 7.0 | 98.9 |
| 20—120 | 65.3 | 26.7 | 8.0 | 砂壤土 | 1.48 | 0.42 | 10.04 | 109.12 | 8.61 | 5.9 | 17.9 |
| 120—180 | 68.2 | 29.2 | 2.7 | 砂壤土 | 1.45 | 0.45 | 7.45 | 87.60 | 8.66 | 6.3 | 20.2 |
| 180—200 | 32.0 | 51.0 | 17.0 | 粉壤土 | 1.25 | 0.51 | 0.66 | 161.80 | 8.27 | 4.4 | 19.0 |
冬小麦供试品种为中麦175, 分别于2013年和2014年10月初播种, 次年6月初收获。试验共设计5个水肥耦合处理, 灌溉施肥方案见表 2, 其中T5处理参考当地常规灌溉施肥水平, 总灌溉量和施肥量分别为300 mm和315 kg/hm2 N。试验在小区内进行, 每个小区面积约6 m×5 m, 每个处理3组重复。两季小麦返青后的第二次灌水时间不同, 2014季在拔节-抽穗期, 2015季在抽穗-灌浆期。灌溉水源为当地地下水, 灌溉方式为地面灌溉。小麦返青后追施尿素, 施肥日期分别为2014年3月27日和2015年3月29日。
| 年份 Year |
处理 Treatment |
越冬-返青期 Winter dormancy-greening |
返青-拔节期 Greening-jointing |
拔节-抽穗期 Jointing-heading |
抽穗-灌浆期 Heading-filling |
灌浆-收获期 Filling-harvest |
总量 Total |
|||||||||||
| 灌溉 Irrigation/ mm |
施肥 Fertilization/ (kg/hm2 N) |
灌溉 Irrigation/ mm |
施肥 Fertilization/ (kg/hm2 N) |
灌溉 Irrigation/ mm |
施肥 Fertilization/ (kg/hm2 N) |
灌溉 Irrigation/ mm |
施肥 Fertilization/ (kg/hm2 N) |
灌溉 Irrigation/ mm |
施肥 Fertilization/ (kg/hm2 N) |
灌溉 Irrigation/ mm |
施肥 Fertilization/ (kg/hm2 N) |
|||||||
| 2014 | T1 | 60 | - | 20 | 105 | 80 | - | - | - | - | - | 160 | 105 | |||||
| T2 | 60 | - | 20 | 315 | 80 | - | - | - | - | - | 160 | 315 | ||||||
| T3 | 60 | - | 80 | 105 | - | - | - | - | 80 | - | 220 | 105 | ||||||
| T4 | 60 | - | 80 | 315 | - | - | - | - | 80 | - | 220 | 315 | ||||||
| T5 | 60 | - | 80 | 210 | 80 | - | - | - | 80 | - | 300 | 210 | ||||||
| 2015 | T1 | 60 | - | 20 | 105 | - | - | 80 | - | - | - | 160 | 105 | |||||
| T2 | 60 | - | 20 | 315 | - | - | 80 | - | - | - | 160 | 315 | ||||||
| T3 | 60 | - | 80 | 105 | - | - | - | - | 80 | - | 220 | 105 | ||||||
| T4 | 60 | - | 80 | 315 | - | - | - | - | 80 | - | 220 | 315 | ||||||
| T5 | 60 | - | 80 | 210 | - | - | 80 | - | 80 | - | 300 | 210 | ||||||
| T1：处理1, T2：处理2;T3：处理3;T4：处理4;T5：处理5;T5代表当地常规施肥水平315 kg/hm2 N; “-”表示没有灌溉或施肥 | ||||||||||||||||||
土壤剖面含水量通过TRIME-IPH土壤水分仪(IMKO, 德国)测定, 测量间距20 cm, 每5—7天测量一次, 灌溉和降雨后加测。气象数据由站内的自动气象站(Monitor Sensors, Australia)监测, 主要监测指标包括日降水量、日最高和最低温度、风速、平均温度、平均相对湿度等。2014季冬小麦生长季内降水量、平均温度和平均相对湿度分别为85.9 mm, 7.3℃和53.1%;2015季则分别为87.9 mm, 7.5℃和48.7%。2014和2015季参考作物蒸散发量分别为435 mm和458 mm。
1.2 样品采集与同位素分析本研究于冬小麦返青至收获期间分别采集降水、灌溉水、土壤水和茎秆水并测定不同水体D和18O同位素组成。次降水结束后通过由聚乙烯瓶和漏斗组成的收集器采集降水样[2], 并在漏斗口放置乒乓球以防止水面蒸发, 收集的水样迅速转移到50 mL聚乙烯塑料瓶中并用封口膜密封。每次灌水时用聚乙烯塑料瓶采集灌溉水50 mL并密封保存。土壤水样通过土壤溶液提取器采集, 采集深度10, 20, 30, 50, 70, 90, 110, 150 cm和200 cm, 平均每周采集一次, 灌溉和降雨之后加采。当土壤含水量较低无法获取土壤水时, 采用土钻钻取土壤样品并迅速装入样品瓶中密封冷冻保存。
采集土壤水和土壤样的同时, 在其采样点周边选取代表性植株3个, 每个处理3组重复, 每个植株剪取土壤表面以上和第一个茎节以下的茎秆, 迅速去除表皮后放入棕色玻璃样品瓶中, 并用封口膜密封。所有的茎秆样品和土壤样品均在采集后立即置于-15℃到-20℃下冷冻保存。
土壤和茎秆中的水分采用低温真空蒸馏系统(LI-2000, LICA, 中国)提取。在中国科学院地理科学与资源研究所陆地水循环及地表过程院重点实验室采用LGR液态水同位素分析仪(Model DLT-100, Los Gatos Research, 美国)测量分析不同水体的氘氧稳定同位素比率[25]：
|
(1) |
式中, δ是样品中氘(或氧)的同位素组成, Rsample和Rstandard分别是样品和维也纳国际标准平均海水(VSMOW)氢(或氧)的重轻同位素丰度之比(2H/1H或18O/16O), 的比值, δD和δ18O的测量精度分别为±1‰和±0.1‰。
1.3 根系水分来源识别本文首先基于实测土壤水和茎秆水的δD和δ18O双稳定同位素信息, 采用直接对比法来初步判别冬小麦不同生育期的根系吸水深度, 即通过对比同一时期土壤水δD和δ18O同位素剖面及相应的作物茎秆水双稳定同位素值, 当土壤水和茎秆水的δD值与两种水体的δ18O值存在共同唯一交点时, 该点对应的深度即可判断为冬小麦的主要根系吸水深度[2, 12]; 当存在两个或多个共同交点时, 根系吸水深度不唯一; 若无共同交点, 则难以确定其主要吸水深度[2, 12]。
同时, 采用基于贝叶斯理论的MixSIAR模型来量化冬小麦水分来源及其贡献比例。由于研究区地下水位埋深(16 m)远大于华北平原地下水蒸发的极限水位埋深(4—8 m)[26-27], 因此本研究中植物水分来源不考虑地下水。小麦吸收利用的水分主要来自不同深度的土壤水, 是大气降水、灌溉水和早期土壤水的混合体。根据土壤剖面含水量、土壤水同位素组成和根系分布特征, 将2 m土体划分为0—20、20—70、70—150 cm和150—200 cm 4层进行水源分析。由于土壤水样采集深度为10, 20, 30, 50, 70, 90, 110, 150 cm和200 cm, 量化水分来源时4个土层对应的土壤水同位素值分别取该层范围内所有采样深度土壤水同位素值的平均值。MixSIAR模型的输入数据包括源(各层土壤水δD和δ18O双稳定同位素实测值)数据和混合物(茎秆水)数据, Markov Chain Monte Carlo(MCMC)运行步长为“very long”, 模型误差选取“process+residual ”, 由此估算得到的每个水源相应的中值(50%分位数)贡献比例即视为该水源对植物水的贡献率。
2 结果 2.1 不同水体同位素分布特征2014和2015年冬小麦返青至收获试验期间当地大气降水线(LMWL)分别为：δD=7.3 δ18O+3.6 (R2=0.97, P＜0.01)和δD=6.7 δ18O+1.8 (R2=0.97, P＜0.01)(图 1)。2015季降水过程中蒸发速率较快, 其LMWL斜率明显小于2014季LMWL的斜率。土壤水蒸发作用强烈, 其同位素值基本位于LMWL的右下方, δD—δ18O拟合线斜率显著低于LWML。2015季土壤水δD—δ18O拟合线的斜率(2.8)低于2014季(4.0), 土壤水蒸发强度更大。
|
| 图 1 不同水体δD-δ18O关系和当地大气降水线(LMWL) Fig. 1 The relationship between δD and δ18O in different waters and the local meteorological water line (LMWL) in the 2014 and 2015 growing seasons |
由图 1可知, 不同深度土壤水同位素值差异显著, 表层0—20 cm土壤水同位素最为富集, 且变化幅度最大, 表明0—20 cm土壤水发生强蒸发作用, 同时受降雨灌溉补给影响。土壤水同位素值变化幅度随土壤深度的增加而逐渐减小。试验期间150—200 cm深度土壤水同位素值接近灌溉水的同位素值且无显著变化。作物茎水的同位素基本位于土壤水δD—δ18O同位素拟合线附近, 2014季总体落在0—150 cm深度土壤水同位素值范围内, 而2015季则比较富集且主要落在浅层0—70 cm土壤水同位素值区间内, 由此可推测2014和2015季冬小麦分别吸收利用0—150 cm和0—70 cm深度的土壤水。
2.2 冬小麦不同生育期根系吸水深度由直接对比法分析可知, 2014季冬小麦返青-拔节、拔节-抽穗、抽穗-灌浆和灌浆-收获期根系吸水深度分别为0—20、20—70、70—150 cm和70—150 cm(图 2), 而2015季各生育期的吸水深度则为0—20、20—70、0—20 cm和20—70 cm(图 3)。不同处理的根系吸水深度季节变化差异显著。2014季返青-拔节期T1和T5处理的根系吸水深度为0—20 cm, T2为0—20 cm和20—70 cm, T3和T4均为20—70 cm; 拔节-抽穗期T1和T5处理的根系吸水深度为20—70 cm, T3处理为0—20 cm和20—70 cm, 而T4处理则深达70—150 cm; 抽穗-灌浆期T2和T5处理的根系吸水深度深达70—150 cm, T3和T4处理冬小麦则吸收20—70 cm土壤水；灌浆-收获期除T1处理吸水深度回到浅层土壤(0—20 cm和20—70 cm)外，其余处理的吸水深度仍位于70—150 cm。2015季不同处理间冬小麦吸水深度的差异主要体现在拔节-抽穗期，其中T1、T2和T3吸水深度位于深层土壤(70—200 cm)，而T4和T5处理则位于浅层(0—70 cm)。2014季拔节-抽穗期T2处理土壤水和茎秆水δD值的交叉点(70—150 cm和150—200 cm)与土壤水和茎秆水δ18O值的交叉点(0—20 cm和20—70 cm)存在明显差异, T1处理由δD和δ18O同位素推断的抽穗-灌浆期根系吸水深度(分别为20—70 cm和70—150 cm)亦不同, 而灌浆-收获期T1、T3和T4处理又同时存在两个吸水深度, 此时, 利用直接对比法难以准确判定作物的主要吸水深度。
|
| 图 2 2014季冬小麦各生育阶段土壤水和茎秆水氘氧同位素分布和根系吸水深度 Fig. 2 δD and δ18O in soil water and stem water and the root water uptake depth at each growth stage of winter wheat in the 2014 season for treatments T1：处理1;T2：处理2;T3：处理3;T4：处理4;T5：处理5 |
|
| 图 3 2015季冬小麦各生育阶段土壤水和茎秆水氘氧同位素分布和根系吸水深度 Fig. 3 δD and δ18O in soil water and stem water and the root water uptake depth at each growth stage of winter wheat in the 2015 season for treatments |
利用MixSIAR贝叶斯同位素混合模型定量计算2014和2015季冬小麦返青-收获期间不同处理各深度的土壤水对作物水的贡献比例, 并确定各生育阶段冬小麦的主要根系吸水深度。结果表明, 0—20、20—70、70—150 cm和150—200 cm深度的土壤水对作物水平均贡献比例分别为35.6%、27.6%、23.1%和13.7%。但两个生长季冬小麦水分来源差异显著。2014季冬小麦的主要根系吸水深度随作物的生长发育而逐渐增加, 返青-拔节、拔节-抽穗、抽穗-灌浆和灌浆-收获期的主要吸水深度及其土壤水贡献比例分别为0—20 cm(63.6%)、20—70 cm(67.9%)、70—150 cm(54.4%)和70—150 cm(39.8%)(图 4)。
|
| 图 4 2014和2015季冬小麦各生育期土壤水贡献比例(平均值±标准差) Fig. 4 Proportions of soil water contributions to winter wheat at each growth stage in 2014 and 2015 seasons (mean ± SD) |
2015季冬小麦主要利用浅层(0—70 cm)土壤水分, 各生育期内主要吸水深度及其土壤水贡献比例分别为0—20 cm(70.4%)、70—150 cm(32.2%)、0—20 cm(63.4%)和20—70 cm(54.9%)(图 4)。其中, 2015季0—20 cm深度土壤水的贡献比例明显高于2014季(13.9%), 但拔节-抽穗期受干旱气候(降水比2014年减少了26.9 mm)影响, 70—150 cm和150—200 cm深层土壤水的贡献比例(32.2%和23.5%)显著提升。
不同灌溉施肥条件下冬小麦拔节-抽穗期根系吸水来源年季变化差异显著。受气候干旱影响, 低施肥(150 kg/hm2 N)处理T3 2015季主要根系吸水深度大于2014季, 150—200 cm土壤水的贡献比例增至38.9%。T1和T2处理2015季比2014季减少灌水(80 mm)一次, 导致水分亏缺加剧, 且作物迅速生长、耗水速率增大, 促使T1处理150—200 cm(47.3%)和T2处理70—150 cm(66.6%)的土壤水贡献比例最大。当返青-拔节期灌水充足(80 mm)且施肥量≥当地施肥量210 kg/hm2 N时, 2015季拔节-抽穗期气候干旱反而促使T4和T5处理表层0—20 cm根系吸水比例分别增加51.8%和63.6%。2015季抽穗-灌浆期复水后, T1、T2和T5处理灌浆-收获期主要根系吸水深度(20—70 cm)明显小于2014季(70—150 cm)。
3 讨论 3.1 直接对比法和MixSIAR模型比较采用直接对比法和MixSIAR模型识别的不同生育阶段冬小麦根系吸水深度结果基本一致。但直接对比法仅限于推测单一吸水深度, 忽略了多种水源组合对冬小麦水分利用的影响, 其判别结果具有不确定性; 且当茎秆水与土壤水的δD和δ18O同位素剖面无共同交点或者存在多个交点时, 无法准确判定其主要吸水深度。
MixSIAR模型则基于贝叶斯统计理论, 结合双稳定同位素剖面分布特征, 考虑多水源混合作用, 提高了不同深度土壤水对作物水贡献比例计算的准确性。例如, 本文采用MixSIAR模型确定的冬小麦返青-拔节和拔节-抽穗期主要吸水深度0—20 cm和20—70 cm, 与前人研究中王鹏[2](分别为0—20 cm和40—70 cm)和安江龙等[21](分别为0—20 cm和0—40 cm)的结果基本吻合。但后期由于受降雨、灌溉和施肥等因素影响, 研究结果存在一定差异。苑晶晶等[15]研究表明冬小麦返青期内作物根系主要分布在表层, 表层土壤水的贡献比例最高, 此后受降雨和灌溉分布影响, 不同处理间根系吸水深度差异明显, 与本文不同灌溉施肥处理根系吸水深度年季变化差异相一致, 从而进一步验证了MixSIAR模型计算结果的可靠性。
3.2 根系吸水与土壤水分变化关系冬小麦返青至收获期间0—200 cm剖面土壤储水量平均减少了127.9 mm, 其中, 0—150 cm深度的土壤水消耗量约占92%。由图 5可知, 150—200 cm深度土壤含水量变化不大, 与主要根系吸水深度在150 cm以内(贡献比例86.3%)一致。2015季冬小麦根系吸水深度为0—70 cm, 其0—70 cm土壤水消耗量显著高于2014季(平均多39 mm)(图 5)。2015季拔节-抽穗期气候干旱加之未补充灌溉, 导致该时期土壤储水减少量最大(98.1 mm), 约占全生育期土壤储水总消耗量的67.4%。不同处理间土壤水变化差异显著, T4处理土壤储水消耗量最多, 2014和2015季分别达151.8 mm和174.5 mm。常规灌溉施肥处理T5在2014生长季内土壤水消耗量最少(80.3 mm), 但2015季土壤水消耗量显著增加, 总耗水量达143.4 mm。
|
| 图 5 2014和2015年冬小麦返青后降水、灌溉和土壤含水量分布 Fig. 5 Precipitation, irrigation, and soil water content distribution of winter wheat after greening in the 2014 and 2015 growing seasons for treatments |
冬小麦试验期间土壤水的主要补充水源为降水和灌溉水, 降水分布和不同处理间灌溉制度的差异直接影响了土壤水分分布的季节变化。此外, 不同施肥量导致作物养分吸收和生长动态不同, 对作物水分利用过程产生了重要影响。在华北平原, 冬小麦最大根深可达2 m, 根系主要分布在80 cm以内, 其中0—40 cm土层根量和根长密度最大[28]。灌水次数越多表层根量越大[28], 干旱环境下增施氮肥会刺激表层根系生长[29], 且土壤水贡献比例与根长密度占比显著线性相关[23], 因此, 2015季T4和T5处理拔节-抽穗期冬小麦主要利用表层(0—20 cm)土壤水分。低氮处理则促进深层根系发育, T1和T3处理深层土壤(150—200 cm)贡水比例显著增加43.1%。而干旱环境下表层土壤水分严重亏缺时作物深层根系较发达且侧生根增多[30], 80 cm以下深层土壤水分消耗比例较大[28], 从而证明了2015季灌水量较少的T1和T2处理平均约85%的作物水来源于深层土壤(70—200 cm)水。干旱后复水灌溉使得冬小麦对表层土壤水分利用非常明显[15], 2015季抽穗-灌浆期根系吸水深度回到表层0—20 cm。在今后的研究中, 将补充测定不同时期作物根系分布和根系水的同位素组成, 从而进一步验证本研究结果。
4 结论1) 冬小麦返青后, 0—20、20—70、70—150 cm和150—200 cm深度的土壤水对作物水平均贡献比例分别为35.6%、27.6%、23.1%和13.7%。返青-拔节、拔节-抽穗、抽穗-灌浆和灌浆-收获期的主要根系吸水深度分别为0—20、20—70、0—20 cm和20—70 cm。
2) 受降水灌溉分布影响, 2014和2015年季间冬小麦主要根系吸水深度差异显著。2014季主要吸水深度从返青-拔节期的0—20 cm(63.6%)逐渐增加至抽穗-灌浆的70—150 cm(67.9%), 灌浆-收获期保持在70—150 cm(54.4%); 而2015季冬小麦则主要利用浅层(0—70 cm)土壤水分, 其中0—20 cm深度土壤水的贡献比例明显高于2014季(13.9%)。
3) 不同处理间根系吸水来源的差异主要发生在作物生长中期, 尤其在气候干旱和无补充灌溉条件下的2015季拔节-抽穗期, 返青-抽穗期仅灌水20 mm(T1和T2处理)或施肥105 kg/hm2 N(T3处理)条件下拔节-抽穗期深层(70—200 cm)土壤水分利用率平均增加29%, 但当前期充分灌水且大量施肥(≥当地施肥量210 kg/hm2 N)时根系吸水深度则位于土壤表层0—20 cm(T4和T5处理)。
4) 试验年份冬小麦生长期为枯水季(平均降水量86.9 mm), 作物水分来源与土壤水分分布密切相关, 0—150 cm深度内土壤水对作物水的贡献比例(86.3%)与该深度内土壤储水减少量占比(92%)基本一致。该研究表明, MixSIAR模型可简单有效的定量计算农田根系吸水来源, 为合理制定灌水深度和施肥量提供了新的方法。
| [1] | Asbjornsen H, Mora G, Helmers M J. Variation in water uptake dynamics among contrasting agricultural and native plant communities in the Midwestern U.S. Agriculture, Ecosystems & Environment, 2007, 121(4): 343–356. |
| [2] | 王鹏.基于氢氧稳定同位素的农田SPAC系统水分运移规律研究: 以山西省运城市董村农场为例[D].北京: 中国科学院研究生院, 2010. http://www.irgrid.ac.cn/handle/1471x/207405?mode=full&submit_simple=Show+full+item+record |
| [3] | Zhang Y C, Shen Y J, Sun H Y, Gates J B. Evapotranspiration and its partitioning in an irrigated winter wheat field:a combined isotopic and micrometeorologic approach. Journal of Hydrology, 2011, 408(3/4): 203–211. |
| [4] | Zimmermann U, Ehhalt D, Munnich K O. Soil water movement and evapotranspiration: changes in the isotopic composition of the water//Proceedings of IAEA Symposium on Isotopes in Hydrology. Vienna: IAEA, 1967: 567-584. |
| [5] | Sprenger M, Leistert H, Gimbel K, Weiler M. Illuminating hydrological processes at the soil-vegetation-atmosphere interface with water stable isotopes. Reviews of Geophysics, 2016, 54(3): 674–704. DOI:10.1002/2015RG000515 |
| [6] | Brunel J P, Walker G R, Kennett-Smith A K. Field validation of isotopic procedures for determining sources of water used by plants in a semi-arid environment. Journal of Hydrology, 1995, 167(1/4): 351–368. |
| [7] | Snyder K A, Williams D G. Water sources used by riparian trees varies among stream types on the San Pedro River, Arizona. Agricultural and Forest Meteorology, 2000, 105(1/3): 227–240. |
| [8] | Phillips D L, Gregg J W. Source partitioning using stable isotopes:coping with too many sources. Oecologia, 2003, 136(2): 261–269. DOI:10.1007/s00442-003-1218-3 |
| [9] | Moore J W, Semmens B X. Incorporating uncertainty and prior information into stable isotope mixing models. Ecology Letters, 2008, 11(5): 470–480. DOI:10.1111/j.1461-0248.2008.01163.x |
| [10] | Parnell A C, Inger R, Bearhop S, Jackson A L. Source partitioning using stable isotopes:coping with too much variation. PLoS One, 2010, 5(3): e9672. DOI:10.1371/journal.pone.0009672 |
| [11] | Stock B C, Semmens B X. MixSIAR GUI User Manual, version 1.0. http://conserver.iugo-cafe.org/user/brice.semmens/MixSIAR. |
| [12] | Yang B, Wen X F, Sun X M. Seasonal variations in depth of water uptake for a subtropical coniferous plantation subjected to drought in an East Asian monsoon region. Agricultural and Forest Meteorology, 2015, 201(2): 218–228. |
| [13] | 刘树宝, 陈亚宁, 陈亚鹏, 邓海军, 方功焕. 基于稳定同位素技术的黑河下游不同林龄胡杨的吸水深度研究. 生态学报, 2016, 36(3): 729–739. |
| [14] | McCole A A, Stern L A. Seasonal water use patterns of Juniperus ashei on the Edwards Plateau, Texas, based on stable isotopes in water. Journal of Hydrology, 2007, 342(3/4): 238–248. |
| [15] | 苑晶晶, 袁国富, 罗毅, 孙晓敏, 张娜. 利用δ18O信息分析冬小麦对浅埋深地下水的利用. 自然资源学报, 2009, 24(2): 360–368. DOI:10.3321/j.issn:1000-3037.2009.02.022 |
| [16] | 刘自强, 余新晓, 娄源海, 李瀚之, 贾国栋, 路伟伟. 北京山区侧柏水分利用策略. 生态学报, 2017, 37(11): 3697–3705. |
| [17] | Zhang C Z, Zhang J B, Zhao B Z, Zhu A N, Zhang H, Huang P, Li X P. Coupling a two-tip linear mixing model with a δD-δ18O plot to determine water sources consumed by maize during different growth stages. Field Crops Research, 2011, 123(3): 196–205. DOI:10.1016/j.fcr.2011.04.018 |
| [18] | Wu Y J, Du T S, Li F S, Li S E, Ding R S, Tong L. Quantification of maize water uptake from different layers and root zones under alternate furrow irrigation using stable oxygen isotope. Agricultural Water Management, 2016, 168: 35–44. DOI:10.1016/j.agwat.2016.01.013 |
| [19] | 张景文, 陈报章. 基于同位素分析研究山东禹城夏玉米水分来源. 水土保持学报, 2017, 31(4): 99–104. |
| [20] | 李惠, 梁杏, 刘延锋, 刘亚磊, 鲜阳. 基于氢氧稳定同位素识别干旱区棉花水分利用来源. 地球科学, 2017, 42(5): 843–852. |
| [21] | 安江龙, 马娟娟, 张亚雄, 李蕊, 孙西欢, 郭向红. 两种模型分析方法下冬小麦根系吸水深度的对比研究. 灌溉排水学报, 2017, 36(11): 25–28. |
| [22] | Yang B, Wen X F, Sun X M. Irrigation depth far exceeds water uptake depth in an oasis cropland in the middle reaches of Heihe River Basin. Scientific Reports, 2015, 5: 15206. DOI:10.1038/srep15206 |
| [23] | Ma Y, Song X F. Using stable isotopes to determine seasonal variations in water uptake of summer maize under different fertilization treatments. Science of the Total Environment, 2016, 550: 471–483. DOI:10.1016/j.scitotenv.2016.01.148 |
| [24] | Cai J B, Liu Y, Xu D, Paredes P, Pereira L S. Simulation of the soil water balance of wheat using daily weather forecast messages to estimate the reference evapotranspiration. Hydrology and Earth System Sciences, 2009, 13(7): 1045–1059. DOI:10.5194/hess-13-1045-2009 |
| [25] | West A G, Patrickson S J, Ehleringer J R. Water extraction times for plant and soil materials used in stable isotope analysis. Rapid Communications in Mass Spectrometry, 2006, 20(8): 1317–1321. DOI:10.1002/(ISSN)1097-0231 |
| [26] | 雷志栋, 杨诗秀, 倪广恒, 薛迎洲. 地下水位埋深类型与土壤水分动态特征. 水利学报, 1992(2): 1–6. DOI:10.3321/j.issn:0559-9350.1992.02.001 |
| [27] | Luo Y, Sophocleous M. Seasonal groundwater contribution to crop-water use assessed with lysimeter observations and model simulations. Journal of Hydrology, 2010, 389(3/4): 325–335. |
| [28] | Zhang X Y, Pei D, Chen S Y. Root growth and soil water utilization of winter wheat in the North China Plain. Hydrological Processes, 2004, 18(12): 2275–2287. DOI:10.1002/(ISSN)1099-1085 |
| [29] | Carvalho P, Foulkes M J. Roots and uptake of water and nutrients//Christou P, Savin R, Costa-Pierce B A, Misztal I, Whitelaw C B A, eds. Sustainable Food Production. New York: Springer, 2013: 1390-1404. |
| [30] | Jha S K, Gao Y, Liu H, Huang Z D, Wang G S, Liang Y P, Duan A W. Root development and water uptake in winter wheat under different irrigation methods and scheduling for North China. Agricultural Water Management, 2017, 182: 139–150. DOI:10.1016/j.agwat.2016.12.015 |