基于DNDC–NSGA-III–TOPSIS框架的气候韧性水稻水肥优化：维持产量并降低灌溉与CH4和N2O排放

《Food and Energy Security》：Climate-Resilient Rice Management Reduces Irrigation and Greenhouse-Gas Emissions While Maintaining Yield

　　

气候变化增加了水稻生产的不确定性，并使高产、节水、土壤碳固存与温室气体（GHGE，combined CH₄ and N₂O emissions expressed as CO₂-equivalents，以CO₂当量表示的CH₄和N₂O排放总和）减排之间的平衡更加困难。为应对这些挑战，研究人员开发了DNDC–NSGA-III–TOPSIS框架以优化水稻管理。基于田间试验设计和DNDC敏感性分析，选择精准水肥管理变量作为决策变量，以优化产量、土壤有机碳（SOC）、GHGE和灌溉。进一步在2030至2050年不同未来气候情景下评估TOPSIS选择的管理策略，以评估其稳健性。模型再现了观测模式，但各指标表现存在差异；日尺度CH₄排放的R²为0.58至0.61，N₂O排放为0.74至0.91，而年尺度nRMSE在评估指标中为1.4%至10.3%。与当前实践相比，最优策略结合了氮肥施用减少12.7%、有机肥替代10.4%以及在分蘖期和抽穗期延长水层维持，使产量最高增加6.2%、SOC增加6.86%，同时GHGE排放减少29.66%、灌溉减少57.09%。在SSP1-2.6至SSP5-8.5情景下，优化管理降低了各目标的年际变异性，平均变异系数（CV）维持在约20%，可持续产量指数（SYI）高于80%，表明产量稳定性和对气候影响的韧性提高。总体而言，所开发的优化框架可提供精准灌溉计划和分阶段施肥策略。它进一步预测不同未来气候情景下的田间管理表现，并评估优化农作实践的稳定性以缓解气候不确定性，从而为可持续水稻生产提供可靠决策支持。

全球气候变化正在重塑作物生长环境，增加农业系统不确定性、主粮作物生产风险和水资源压力。水稻是全球最重要的主粮作物之一，中国是世界上最大的水稻生产国和消费国，分别约占全球水稻产量的28%和消费量的30%。中国水稻栽培仍以传统淹灌为主，灌溉制度识别与监测已成为评估稻田用水和温室气体排放的重要前提。传统灌溉管理往往缺乏依据不同生育期作物需水的精准调控，导致灌溉制度与实际需水不匹配。这种不匹配不仅增加耗水、限制产量形成，还可能增强CH₄和N₂O排放。精准灌溉以作物动态需水为指导，具有优化水分分配、更好匹配不同生育期需水、降低用水并提高生产可持续性的潜力；日尺度精准灌溉可更好捕捉作物需水的时间变化。氮也是水稻生长和产量形成的关键因素，施氮量直接影响作物生产力并强烈调控稻田碳氮循环。精准施肥管理，包括优化肥料施用率和有机肥利用，是提高养分利用效率并平衡生产力与环境性能的关键。长期密集化学氮肥投入在维持水稻高产中发挥重要作用，但过量输入易导致养分失衡、SOC下降等生态问题。与单施化肥相比，有机肥因有机质含量高且含多种养分，可增加SOC投入、改善土壤理化性质，并在一定条件下维持甚至提高作物产量。已有研究表明，适度以有机肥替代化肥可在减少化学氮输入的同时维持或提高产量，但效果随替代比例、气候和土壤条件而显著变化。因此，需要在系统层面评价肥料用量与有机肥的综合效应，以支持水稻生产与环境性能协同提升。田间试验虽能提供单项管理措施效果证据，但受时空特异性和处理容量限制，难以全面评估不同管理组合在产量及其他农学与环境结果间的协同和权衡。当同时优化精准水肥管理时，该局限更明显，因为田间试验难以覆盖多决策变量和多目标形成的巨大组合空间，从而限制集成最优管理策略识别。为克服这些限制，DNDC（Denitrification–Decomposition，反硝化–分解模型）等过程模型被广泛用于模拟农业系统非CO₂温室气体排放、SOC动态和作物产量响应。然而，单一过程模型通常不足以同时优化多目标，因此需要NSGA-III（non-dominated sorting genetic algorithm III，非支配排序遗传算法III）等先进多目标优化工具。NSGA-III可处理三个及以上目标，在竞争目标间实现有效权衡，并生成分布良好的解集。因此，将DNDC与NSGA-III耦合，为多目标下优化精准水肥管理提供了有效途径，也为识别提高产量、节约灌溉水、提升SOC并减排温室气体的集成管理路径提供了有前景的框架。研究人员整合DNDC过程模拟、NSGA-III和TOPSIS（technique for order preference by similarity to ideal solution，逼近理想解排序法），联合优化灌溉制度、分阶段尿素施用率和有机肥。研究首先利用田间观测校准DNDC并评价其在不同处理下的表现，然后将DNDC模拟的产量、SOC、GHGE以及由水量平衡计算的季节灌溉作为NSGA-III目标值，生成Pareto最优解集；随后用TOPSIS从解集中选择平衡管理策略；2025基线条件下选择的策略进一步在2030至2050年CMIP6 SSP情景下评估潜在稳定性和气候韧性。研究旨在回答两个关键问题：该框架能否识别平衡产量、SOC、灌溉和GHGE的Pareto最优水肥方案；这些方案在2030至2050年SSP情景下是否保持稳定和可持续。

关键技术方法可概括为：2025年在黑龙江省哈尔滨市黑龙江水利科学研究院水利技术研究站开展田间试验，该站位于东北典型黑土区。试验采用裂区设计，三重复；主区氮水平为常规N1（110 kg N ha^?1）和减10% N2（99 kg N ha^?1），副区有机肥替代水平为不替代A、替代三分之一矿质氮B和替代三分之二矿质氮C，形成N1A、N1B、N1C、N2A、N2B、N2C六处理。采用静态暗箱–气相色谱法测定CH₄和N₂O通量，并测定产量、SOC、土壤温湿度、灌溉等。DNDC用N2A、N2B、N2C校准，用N1A、N1B、N1C进行交叉处理验证，并实施±20%单因素敏感性分析。将DNDC与NSGA-III、TOPSIS耦合，以产量、SOC、GHGE和灌溉为目标，在产量、灌溉、氮和非负约束下优化；再在CMIP6 SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5情景下预测2030至2050年表现。

结果部分如下。3.1 DNDC模型校准与跨处理验证：年尺度上，模型对N1A、N1B、N1C处理核心指标均值模拟良好，产量nRMSE为1.4%，N₂O、CH₄、ET和灌溉nRMSE分别为3.19%、5.18%、5.5%和9.06%，SOC nRMSE为10.3%。日尺度上，土壤温度R²为0.88至0.90、RMSE为7.12至7.16°C；土壤水分R²为0.82至0.85、RMSE为0.14至0.15 m³ m^?3；CH₄排放R²为0.58至0.61、RMSE为1.60至1.84 kg ha^?1；N₂O排放R²为0.74至0.91、RMSE为0.02至0.07 kg ha^?1。结论是模型能较可靠再现年均核心指标和日动态。3.2 DNDC模型参数敏感性分析：氮肥施用是N₂O排放和产量最敏感参数，SI分别为1.59和1.2；有机肥对SOC和CH₄排放最敏感，SI分别为1.2和1.09；晒田时长和气温对N₂O排放强正敏感，SI为0.87和0.39，并与CH₄排放分别呈负相关和正相关，绝对SI为0.22和0.23；大气CO₂浓度对CH₄排放和产量正敏感，SI为0.77和0.53；降水和pH对N₂O排放中等负敏感，SI约?0.3；土壤容重、需水量、孔隙度和黏粒含量对四个核心指标低敏感，|SI|<0.2。增加有机肥持续提高SOC，最大增幅16.3%；减施化肥使产量从10053.76降至8039.55 kg ha^?1，下降20.03%，CH₄和N₂O排放分别下降6.94%和8.17%，显示产量维持与减排之间存在权衡。3.3 基于DNDC–NSGA-III–TOPSIS模型的水稻水氮管理措施优化：Pareto解集显示产量与GHGE正相关，灌溉与产量呈非线性关系，中等灌溉更可能高产，额外灌溉未必增产。TOPSIS选择结果显示，优化方案平均水稻产量接近潜在最大值9674.51 kg ha^?1，GHGE减少29.66%，季节灌溉减少57.09%，SOC增加6.86%。最优管理方案为总化肥86 kg N ha^?1，基肥、分蘖肥和穗肥分别为14、38和34 kg N ha^?1，有机肥10 kg N ha^?1，有机肥替代比例10.4%；优化灌溉为六个阶段，开始日期集中在每月9日、10日、22日、26日、27日和30日，晒田前维持浅水层，晒田后采用干湿交替，季节灌溉367.62 mm。相对2025基线当前实践，TOPSIS选择策略使产量增加6.2%、SOC增加6.86%，GHGE减少29.66%、灌溉减少57.09%。3.4 未来气候情景对作物灌溉的影响：与当前管理相比，优化管理在SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5下使多年平均灌溉分别减少28.87%、28.50%、26.23%和29.93%；所有未来情景中当前管理灌溉显著高于优化管理（p<0.05）。优化管理灌溉CV低于当前管理，但SSP3-7.0和SSP5-8.5下CV升高，年际稳定性下降。20年模拟显示各情景灌溉年际波动明显，高排放情景波动幅度和总体灌溉水平更高；SSP5-8.5年灌溉峰值为718.23 mm year^?1，较SSP1-2.6峰值817.25 mm year^?1降低12.12%，多年平均灌溉较SSP1-2.6降低3.2%。3.5 未来气候情景下水氮调控对SOC的影响：20年模拟期内各情景SOC持续近线性增加，趋势一致且无显著异常波动。与当前管理相比，优化管理使多年平均SOC在四个情景下分别增加9.49%、9.31%、8.96%和9.41%。SOC的CV在四个指标中最低，仅为17%至20%，管理模型和气候情景间无显著差异，表明SOC库对气候变化具有较强稳定性。3.6 未来气候情景下水氮调控对水稻产量的影响：各情景水稻产量随年份波动上升，年际变化一致且无极端减产。模拟初期平均产量为9154.5 kg ha^?1，结束时SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5分别为9264.19、9379.29、9636.29和9355.42 kg ha^?1；SSP3-7.0增产最高，SSP5-8.5未达最优。与当前管理相比，优化管理使多年平均产量分别增加5.79%、6.54%、5.07%和6.01%。产量CV略升但仍低于9%，优化管理下SYI在四个情景中均高于80%，SSP2-4.5最高为86%，高排放情景下略降。3.7 未来气候情景下水氮调控对GHGE的影响：GHGE年际波动与灌溉相似，高排放情景波动幅度更大；SSP5-8.5峰值最高，为18.95 t CO₂-e ha^?1，高于SSP1-2.6的17.81 t CO₂-e ha^?1。与当前管理相比，优化管理使多年平均GHGE分别减少47.64%、51.15%、58.18%和53.69%，所有情景中当前管理GHGE显著更高（p<0.05）。GHGE的CV在四个指标中最高，为21%至42%；SSP1-2.6约21%，约为其他高排放情景的一半。优化管理不仅大幅降低总GHGE，也缩小了不同情景间的年际变异。

讨论部分表明，该框架通过耦合DNDC、NSGA-III和TOPSIS，可联合评价产量、SOC、灌溉和GHGE，并提供明确灌溉和施肥建议。不同于Liang等提出的区域尺度DNDC–随机森林框架主要基于产量、NH₃挥发和温室气体排放优化施肥，本研究的田间尺度框架同时考虑灌溉制度、分阶段尿素施用和有机肥，将优化从单一管理维度扩展到多管理措施协调优化。结果表明，过量灌溉不仅不增产，还加剧土壤GHGE排放，可能与长期高湿环境促进微生物反硝化和厌氧微生物活动有关。晒田时长对CH₄和N₂O排放高度敏感，并对产量略有正向促进作用，因此适当晒田可在稳产前提下减排。化肥氮是N₂O排放和产量的关键影响因子，优化总氮为50至109 kg N ha^?1，低于当地常规施氮；基肥、分蘖肥和穗肥分别主要分布在10至55、15至57和10至38 kg N ha^?1，说明氮肥在生育期内的分配是优化管理的重要组成部分。有机肥可改善土壤结构、提高土壤肥力并促进SOC积累；敏感性分析显示有机肥对SOC和CH₄排放影响最大，具有促进碳固存同时增加GHGE的双重效应。本研究中最优有机肥氮比例范围为9%至23%（10至25 kg N ha^?1），与以往研究不同，可能因当地黑土有机质含量较高。未来气候情景下，优化水氮管理较常规种植表现出更好的适应性和稳健性。高温可能抑制光合作用并增强呼吸消耗，导致SSP5-8.5下平均产量最低；SOC在各情景均持续增加，但辐射强迫增强时固碳增速减慢；SSP5-8.5下GHGE平均值最高，主要与温度升高刺激微生物活动、加速有机质分解、硝化、反硝化和呼吸有关。GHGE在所有指标和情景中CV最高，表明其对气候变化高度敏感。局限包括：未进行连续24 h和事件特异性气体监测，可能低估降雨、施肥或灌溉后的短时CH₄和N₂O排放脉冲；模型校准和跨处理评价基于单点单生长季，限制年际变异评估；2030至2050结果应解释为情景下相对管理性能预测，而非独立验证的未来观测；±20%单因素敏感性分析未提供完整概率不确定性评估或明确水氮交互系数；优化灌溉制度为模型情景，因为灌溉未在田间试验中变化。未来需结合连续事件监测、多年多点田间试验、概率不确定性分析和优化策略田间验证。

结论部分翻译如下：基于作物生理模型，模拟了水稻逐日生长过程。利用增产、节水和环境优化的优化决策模型，研究预测了2030至2050年不同情景下的优化方案，并在四种CMIP6气候情景下评估优化管理方案的稳健性和适应性。优化水氮管理策略预计在评估气候情景下保持稳定表现。2025田间条件下模型评价显示，DNDC再现了试验点主要作物、土壤和温室气体响应，R²为0.58至0.91。随后2030至2050模拟进一步表征了优化策略在对比未来气候条件下的潜在表现和稳定性。敏感性分析表明，氮肥施用对N₂O排放和水稻产量影响最大，有机肥主要影响SOC和CH₄排放，SI>1。通过优化田间措施，包括返青肥10至55 kg N ha^?1、分蘖肥15至57 kg N ha^?1、穗肥10至38 kg N ha^?1和有机肥10至25 kg N ha^?1，以及集中在每月9日、10日、22日、26日、27日和30日的最优灌溉制度，水稻产量可维持甚至提高至潜力水平9674.51 kg ha^?1。在整个Pareto解集中，SOC增加6.03%至7.70%，灌溉减少49.29%至64.88%，GHGE减少9.02%至50.30%；这些范围描述替代Pareto解，而非最终TOPSIS选择策略。TOPSIS选择的最优管理策略包括86 kg N ha^?1化肥，按基肥、分蘖肥和穗肥分别为14、38和34 kg N ha^?1施用，并基施10 kg N ha^?1有机肥氮，对应10.4%有机肥替代比例。优化灌溉策略由六个阶段灌溉期组成，中期晒田前采用浅水管理，之后采用干湿交替，季节灌溉量为367.62 mm。相对于2025基线当前栽培实践，TOPSIS选择策略使产量增加6.2%、SOC增加6.86%，同时使GHGE减少29.66%、灌溉减少57.09%。在2030至2050 SSP模拟中，相对于各气候情景下相应当前管理模拟，优化管理使多年平均灌溉减少26.23%至29.93%，GHGE减少47.64%至58.18%，SOC增加8.96%至9.49%，产量增加5.07%至6.54%。跨情景平均为灌溉低28.38%、GHGE低52.66%、SOC高9.29%、产量高5.85%。其中产量稳定性最强，CV最小；GHGE对气候变化最敏感，平均CV为35.5%。优化SYI值保持高于80%。除本研究所获具体管理值外，DNDC–NSGA-III–TOPSIS框架为多目标水肥优化提供了可适应的方法；经本地参数化和验证后，它具有应用于其他水稻种植环境并扩展至其他作物系统的潜力。