基于DNDC模型的稻田生態(tài)系統(tǒng)碳動態(tài)模擬研究進展

錢海燕，于婷婷，周楊明，王娓，陳莎莎

1.東華理工大學(xué)地球科學(xué)學(xué)院，南昌 330013；2.江西師范大學(xué)地理與環(huán)境學(xué)院，南昌 330022；3.江西省工程咨詢中心有限公司，南昌 330036

稻田生態(tài)系統(tǒng)是在人為耕作條件下形成并長期處于淹水狀態(tài)的特殊土壤生態(tài)系統(tǒng)，具有較高的固碳能力，也是CO2、CH4和N2O 溫室氣體重要的源和匯[1］。稻田CO2和CH4排放分別約占農(nóng)業(yè)活動CO2和CH4排放量的16%和35%，其中稻田CH4排放是全球CH4排放主要排放源之一，大氣中10%~20%的CH4來源于水稻，而稻田N2O 在排放上與其他農(nóng)業(yè)活動相比不突出、來源一致，主要來自作物生長過程土壤N2O 排放及氮肥施用[2-4］。中國水稻土面積約為3 000 萬hm2，占全國農(nóng)業(yè)耕地總面積的25%[5-6］。研究表明，中國水稻土表層土壤有機碳庫約13 億t，固碳潛力可達30 億t，具有土壤有機碳（SOC）含量較高、固碳作用明顯、固碳潛力巨大且溫室氣體排放量大的特點[1，7-8］。因此，研究稻田生態(tài)系統(tǒng)碳動態(tài)變化不僅能為土壤培肥、作物增產(chǎn)提供科學(xué)依據(jù)，而且對制定國家減排戰(zhàn)略和應(yīng)對全球變化具有重要意義[9-10］。

稻田生態(tài)系統(tǒng)碳動態(tài)變化研究通常采用直接觀測法，該方法耗時耗力，觀測區(qū)域及時間極為有限，大范圍的區(qū)域排放情況代表性較差，而利用模型將有限的點位觀測案例擴展到較大的區(qū)域尺度，能夠彌補田間直接觀測的不足[6，11］。目前，世界上已經(jīng)研發(fā)出了許多用于描述碳氮循環(huán)的生物地球化學(xué)模型，比較著名的模型包括DNDC（denitrification-de?composition，反硝化-分解模型）、CENTURY、CASA（Carnegie-Ames-Stanford approach，卡內(nèi)基-埃姆斯-斯坦福方法模型）、EPIC（erosion/productivity im?pact calculator，土壤侵蝕/生產(chǎn)力影響模型）、Biome-BGC（biome biogeochemical cycles model，生物群落生物地球化學(xué)循環(huán)模型）、Roth C（Rothamsted car?bon model，洛桑碳模型）等[9-10，12］。其中，DNDC 模型經(jīng)過長期的發(fā)展和改進在農(nóng)田生態(tài)系統(tǒng)中得到了廣泛應(yīng)用，對于目前的稻田生態(tài)系統(tǒng)區(qū)域?qū)嶒炑芯坑兄匾闹笇?dǎo)作用。因此，本文基于DNDC 模型的構(gòu)成與功能及其在稻田生態(tài)系統(tǒng)中的模塊優(yōu)化，分析總結(jié)了模型在稻田生態(tài)系統(tǒng)土壤固碳、CO2和CH4溫室氣體排放模擬、稻田管理措施評估及敏感性分析等方面的研究進展，提出了模型在稻田生態(tài)系統(tǒng)模擬中的不足之處和優(yōu)化措施，旨在為稻田生態(tài)系統(tǒng)碳動態(tài)變化模擬研究提供方法參考，使模型能夠更好地在稻田減排、農(nóng)業(yè)管理、政策制定上發(fā)揮作用。

1 DNDC模型的構(gòu)成與功能

1.1 DNDC模型簡介

DNDC 是以模擬農(nóng)業(yè)生態(tài)系統(tǒng)中碳氮循環(huán)為目的，耦合生態(tài)環(huán)境驅(qū)動因子及其相應(yīng)的生物地球化學(xué)過程的模型。模型最初由新罕布什爾大學(xué)的李長生教授及其團隊研發(fā)，主要用計算機模擬表達硝化作用和分解作用，用于描述美國土壤碳氮循環(huán)和反應(yīng)機制[13］。模型由2大部分、6個子模型組成（圖1）。第一部分主要包括土壤氣候、農(nóng)作物生長和土壤有機質(zhì)分解3個子模型，通過氣候、土壤、植被和人類活動4 種生態(tài)驅(qū)動因子模擬出第二部分中的土壤環(huán)境條件（土壤溫度、濕度、pH、Eh 和相關(guān)化學(xué)底物濃度梯度）；第二部分包括硝化、反硝化以及發(fā)酵作用3個子模型，利用第一步模擬所得的5 種土壤環(huán)境條件，來模擬土壤環(huán)境條件變化對微生物活動帶來的影響，計算植物系統(tǒng)和土壤系統(tǒng)內(nèi)部CO2、CH4、N2O、NH3、NO 以及N2的排放情況。模型使用者只需要輸入待模擬地點的日氣象數(shù)據(jù)、土壤性質(zhì)、植被特征及管理措施，即可運轉(zhuǎn)DNDC 模擬該地的植物生長情況、土壤水分和碳氮動態(tài)、CO2及多種微量氣體的排放，具有多尺度、高精度以及良好的適用性[14］。

圖1 DNDC 模型結(jié)構(gòu)[11，14］Fig.1 The structure of DNDC model[11，14］

1.2 DNDC模型與其他生物地球化學(xué)模型的比較

DNDC、CENTURY、CASA、EPIC、Biome-BGC、Roth C 是目前應(yīng)用較為廣泛的6 個生物地球化學(xué)模型。這6個模型起源存在差異，不同模型優(yōu)勢以及發(fā)展過程中經(jīng)驗積累不同，針對同一模擬評估對象所能達到的模擬精度也有層次之分（表1）。對于農(nóng)田（稻田）生態(tài)系統(tǒng)碳動態(tài)、溫室氣體排放等方面模擬而言，以模擬農(nóng)業(yè)土壤碳氮循環(huán)為目的的DNDC 模型最具優(yōu)勢且研究經(jīng)驗最為豐富，但存在輸入模型參數(shù)較多、模型校正困難等問 題[12，15］。CENTURY 模型始于草地生態(tài)系統(tǒng)，是以月為單位建立的主要用于模擬研究草原生產(chǎn)力和土壤有機質(zhì)含量的模型，也被用于研究農(nóng)田、森林生態(tài)系統(tǒng)SOC情況，其中該模型對于農(nóng)田SOC的變化特征模擬，在間作農(nóng)業(yè)模式下的模擬精度相較于單一農(nóng)業(yè)模式要高，但該模型默認區(qū)域物種之間無差別且不能很好地反應(yīng)土壤碳飽和增長情況[10，16-17］。Roth C 模型與CENTURY 模型在模擬思路上存在相同點，能夠很好地模擬不同區(qū)域草地、農(nóng)田以及森林等生態(tài)系統(tǒng)SOC 的趨勢，也比較適用于模擬估算旱地和水旱輪作以及不同施肥下SOC 的變化。但Roth C 模型同樣帶有CENTURY 模型缺陷，在模擬南方雙季稻農(nóng)田的SOC 變化趨勢時，該模型主要考慮非淹水狀態(tài)下表層SOC 周轉(zhuǎn)，雖后續(xù)可通過添加新參數(shù)來調(diào)節(jié)土壤淹水期和非淹水期碳庫的分解速率，但對一些長期淹水狀態(tài)下的土壤模擬效果不太理想，同時該模型僅考慮土壤過程而不計算地上生物量歸還到土壤中的碳[17-18］。CASA 模型是基于不同植物光能利用率差異結(jié)合環(huán)境脅迫因子（如水分）建立，目前主要用于模擬和估測草地、森林以及濕地NPP（凈初級生產(chǎn)力）和固碳潛力，在農(nóng)業(yè)尤其是農(nóng)田（稻田）生態(tài)系統(tǒng)中碳動態(tài)、溫室氣體排放方面的模擬應(yīng)用較少，且該模型參數(shù)未考慮人為活動帶來的影響，而稻田生態(tài)系統(tǒng)與人類活動關(guān)系密切[19］。EPIC 模型最初是為評估不同管理模式的選擇對土壤侵蝕和土地生產(chǎn)力帶來的影響而構(gòu)建的模型，在稻田生態(tài)系統(tǒng)中用于作物產(chǎn)量估算、養(yǎng)分利用和流失情況、評估水稻災(zāi)害（如春季旱災(zāi)）以及氣候變化對不同作物輪作系統(tǒng)（如玉米-小麥-水稻輪作系統(tǒng)）帶來的影響等，但該模型作為一個單點模型，定義的最大田間尺度只有約為1.012 km2且默認整個田間區(qū)域環(huán)境整體條件以及管理措施均一[20］。Biome-BGC 模型與CASA 模型類似，主要用于估算NPP、模擬森林、草地以及農(nóng)田等生態(tài)系統(tǒng)的碳水循環(huán)。但該模型具有普適性，基于物質(zhì)與能量守恒原理模擬植物生理生態(tài)過程，一般不考慮各種擾動帶來的影響，雖可以模擬很多植被類型但缺少對混合植被類型的生理生態(tài)參數(shù)描述，不適合稻田生態(tài)系統(tǒng)中多種套作模式模擬[21-23］。

通過對比分析各個模型的優(yōu)點和缺點（表1），發(fā)現(xiàn)模型模塊越完備，其考慮的因子越多越詳細，模擬結(jié)果與實際值越接近。其中，DNDC 模型在農(nóng)業(yè)領(lǐng)域土壤碳氮循環(huán)模擬中具有獨特優(yōu)勢，不僅能夠同時模擬CO2、CH4等溫室氣體的排放過程，而且能夠定量評價作物產(chǎn)量等綜合調(diào)控機制[12］，被廣泛應(yīng)用于觀察、分析和預(yù)測農(nóng)田生態(tài)系統(tǒng)產(chǎn)量、土壤固碳和溫室效應(yīng)[2，6，14］。因此，DNDC 模型被認為是當前世界上較為完善的6 個模型之一[24］，被指定為亞太地區(qū)首選推廣的生物地球化學(xué)模型[25］。

表1 6個生物地球化學(xué)模型的優(yōu)點和缺點Table 1 Advantages and disadvantages of six biogeochemical models

1.3 DNDC 模型在稻田生態(tài)系統(tǒng)中的模塊功能優(yōu)化

自DNDC 模型研發(fā)以來，世界各地科研人員為模型的發(fā)展做出了重要貢獻，不僅豐富了模型的研究過程方法、優(yōu)化了模型的參數(shù)設(shè)置、拓展模型的應(yīng)用領(lǐng)域，而且還推動了模型功能的研發(fā)。隨著DNDC 模型在國內(nèi)的應(yīng)用，一些研究者逐步對模型進行了改進，使DNDC 模型更適用于中國農(nóng)業(yè)生態(tài)系統(tǒng)[31］。起初為研究農(nóng)田土壤碳的生物地球化學(xué)循環(huán)，研究人員利用當時的土壤C 和N 動力學(xué)模型輔以植物生長子模型和種植實踐程序（施肥、灌溉、耕作、輪作和肥料改良）來開展研究[32］。其后陸續(xù)有更多的研究者加入到優(yōu)化和豐富DNDC 模型模塊的行列當中（表2）。經(jīng)過30 多年的開發(fā)和在世界各地的應(yīng)用，DNDC 模型能夠準確模擬不同農(nóng)業(yè)生產(chǎn)環(huán)境和不同管理方式下的土壤固碳能力及溫室氣體排放規(guī)律，可以作為農(nóng)業(yè)固碳和溫室氣體減排計量的一個便捷工具。

表2 DNDC模型的模塊添加和改進Table 2 Module addition and improvement of DNDC model

2 DNDC 模型在稻田生態(tài)系統(tǒng)碳動態(tài)模擬中的應(yīng)用

2.1 稻田土壤固碳模擬

DNDC 模型能夠準確模擬田塊和區(qū)域尺度SOC儲量和固碳速率，有助于明確土壤固碳潛力、制定固碳減排措施，對維護生態(tài)系統(tǒng)穩(wěn)定性和農(nóng)業(yè)生產(chǎn)力具有重要意義[40-41］。劉清等[40］基于GIS和DNDC模型，采用中國科學(xué)院紅壤生態(tài)實驗站的長期實驗數(shù)據(jù)模擬預(yù)測出江西省余江縣面積3.6 億m2的水稻土表層（0~20 cm）中SOC 儲量為2.9×109kg，其中潴育性水稻土的SOC 儲量水平較高，淹育性和潛育性水稻土較低。徐勝祥等[42］基于1∶100 萬土壤數(shù)據(jù)庫，以土壤圖斑為基本模擬單元模擬2009?2050 年間江蘇省稻田在少耕、免耕和少耕+秸稈還田3種耕作制度下的土壤固碳潛力，結(jié)果發(fā)現(xiàn)免耕和少耕+秸稈還田條件下稻田固碳速率優(yōu)于少耕。

受研究區(qū)域大小不同的影響，研究者在進行土壤碳庫模擬研究中采用的比例尺度有很大不同。國家尺度模擬中DNDC 模型所采用的土壤屬性數(shù)據(jù)大多來自于1∶1 400 萬土壤圖和《中國土種志》，區(qū)域尺度模擬中一般也是土壤信息相對比較粗糙的省級土種志資料[18］。如：Xu 等[43-44］結(jié)合1∶100 萬土壤數(shù)據(jù)庫和DNDC 模型模擬發(fā)現(xiàn)中國水稻土在1980?2050年間固碳總量達到2.920×107~8.477×108t；Zhang等[45］結(jié)合1∶1 400 萬 土壤 數(shù) 據(jù)庫縣 級 單元 法 和DNDC 模型模擬研究發(fā)現(xiàn)太湖地區(qū)水稻土在1982?2000 年間共釋放碳1.538×107t；Xu 等[9］基于1∶100萬和1∶1 400 萬2 種比例尺土壤數(shù)據(jù)庫和DNDC 模型模擬江蘇省水稻土1980年和2008年SOC儲量，模擬結(jié)果顯示基于1∶1 400 萬土壤數(shù)據(jù)庫模擬SOC 儲量分別為1.310億~3.206億t和1.703億~3.051億t，基于1∶100 萬土壤數(shù)據(jù)庫模擬SOC 儲量分別為2.016億、2.162億t。上述結(jié)果也表明，由于缺乏詳細的土壤數(shù)據(jù)及建立該類數(shù)據(jù)庫不易，大區(qū)域尺度上的DNDC 模型有機碳研究多集中在中、小比例尺土壤數(shù)據(jù)庫，而粗糙的土壤數(shù)據(jù)將在一定程度上降低模擬精度，從而增加“固碳減排”管理措施制定的不確定性。吳世蓉等[41］基于目前區(qū)域尺度最為詳細的1∶5萬土壤數(shù)據(jù)庫下福建省閩侯、浦城、同安、武平和永定5 個縣1980?2009 年和2010?2039 年有機碳動態(tài)變化的模擬結(jié)果，運用尺度上推的方法估算出福建省耕地土壤1980?2009 年的固碳總量為7.37×106t，2010?2039年的固碳潛力為7.04×106t，2個時段的年均固碳速率分別為190、176 kg/hm2，認為目前的農(nóng)田管理措施有利于研究區(qū)長期固碳。其中，水稻土和鹽漬水稻土分別在土類和亞類級別中固碳速率最大，每年不同時段均大于175 kg/hm2，2 個時段水稻土的固碳總量均占全省耕地固碳總量的92%以上，是今后制定固碳減排措施的重點。

采用柵格單元模擬不同比例尺矢量圖斑單元及其轉(zhuǎn)換生成的不同分辨率的柵格單元，能夠?qū)^(qū)域尺度土壤碳庫模擬精度產(chǎn)生影響。倪元龍等[46］結(jié)合DNDC 模型模擬太湖地區(qū)2000 年水稻土表層（0~20 cm）SOC，對比分析了1∶5 萬、1∶100 萬、1∶1 400 萬3 種比例尺土壤矢量圖斑單元以及由矢量圖斑單元轉(zhuǎn)換生成的不同分辨率的柵格單元與3 種比例尺矢量圖斑單元的水稻土類型數(shù)量、面積、碳儲量以及碳密度的變化特征，認為1∶5 萬、1∶100 萬和1∶1 400 萬3 種比例尺的最佳柵格模擬單元分辨率分別為0. 2 km×0.2 km、2 km×2 km、17 km×17 km，既能保證模型模擬過程中的精度要求，又可以避免數(shù)據(jù)冗余，提高模擬效率。

2.2 稻田生態(tài)系統(tǒng)CH4和CO2排放模擬

研究表明，將充分考慮基于過程的DNDC 模型模擬結(jié)果與通過實地儀器測量結(jié)果進行對比，經(jīng)過模塊優(yōu)化和參數(shù)本地化的DNDC 模型不僅能夠有效地追蹤或捕獲稻田在整個生長期內(nèi)的CH4和CO2排放模式，而且還能應(yīng)用于區(qū)域尺度[11，47-50］。Wang等[51］模擬估算中國稻田CH4的年排放量約為8.20×106t，中國東南部、中部和西南地區(qū)CH4排放量占全國總排放量的92%。高小葉等[5］研究表明，本地化改進的DNDC 模型能夠準確模擬長江中下游地區(qū)施用紫花苜蓿綠肥情景下水稻生長和溫室氣體排放規(guī)律。趙苗苗等[49］基于氣象、土壤和管理措施等數(shù)據(jù)，模擬發(fā)現(xiàn)常年種植水稻的稻田CH4等溫室氣體通量模擬效果優(yōu)于新轉(zhuǎn)水田。王利華等[52］模擬估算了寧波市大嵩江流域稻田生態(tài)系統(tǒng)不同種植模式CH4平均排放速率是7~400 kg/hm2。賀冬冬[53］模擬結(jié)果表明當冬水田轉(zhuǎn)為稻麥輪作后稻田生態(tài)系統(tǒng)年CO2固定量顯著增加，即稻田輪作固碳能力優(yōu)于單一水稻種植。鄒鳳亮等[54］模擬表明稻-油菜、稻-冬閑相比稻-小麥模式更能有效減少溫室氣體CH4的排放。

許多學(xué)者結(jié)合地面數(shù)據(jù)和遙感數(shù)據(jù)，利用遙感圖像解譯和實地驗證，促進DNDC 模型點位尺度外推。帥艷菊[11］結(jié)合遙感技術(shù)模擬估算了2006—2015年湖北省主要稻作模式CH4排放量為5.60×105t/a。阿依吐拉·買買提祖農(nóng)等[55］通過隨機森林對遙感影像進行分類獲得潛江市各稻作模式分布數(shù)據(jù)，結(jié)合氣象、土壤、作物管理數(shù)據(jù)庫，區(qū)域模擬結(jié)果表明2019 年潛江市主要稻作模式CH4及全年SOC 變化量分別為0.40~64 043.34 kg/km2和0.18~35 835.27 kg/km2。孫園園等[56-57］結(jié)合遙感手段提取的川中丘陵區(qū)稻田時空變化信息模擬結(jié)果表明不同耕作制度下水稻田生長期CH4排放通量平均值為冬水田-水稻田>小麥-水稻田>油菜-小麥田。張遠等[48］利用遙感信息提取技術(shù)獲得研究區(qū)水稻田的空間分布信息，對三江平原稻田CH4的季節(jié)排放進行了區(qū)域模擬和估算，認為稻田是三江平原農(nóng)業(yè)生態(tài)系統(tǒng)中的一個較大的“CH4源”，DNDC模型在模擬北方寒地稻田CH4釋放方面具有很好的應(yīng)用潛力。這些研究表明，集成遙感信息技術(shù)和DNDC 模型模擬方法，對研究區(qū)水稻田時空變化信息進行精確提取，進而對水稻田溫室氣體排放通量進行模擬和定量估算，概括農(nóng)田氣體排放的時空變化模式極具應(yīng)用價值，可為編制稻田溫室氣體排放清單和制定減排策略提供可靠的技術(shù)支撐[47-48］。

土壤數(shù)據(jù)的詳細程度是保證地球生物化學(xué)模型模擬精度的重要因子，在利用柵格數(shù)據(jù)進行計算機模擬估算農(nóng)田溫室氣體排放中，選擇適宜的模擬單元非常重要[9，58-59］。張黎明等[58］研究了3 種不同土壤數(shù)據(jù)單元法對太湖地區(qū)水稻土CH4排放模擬的影響，發(fā)現(xiàn)1∶5萬圖斑單元法大多數(shù)縣的CH4排放量都在1∶5萬“縣級”單元法最大與最小值范圍之間，但整個地區(qū)總排放量相差達到1.68×106t；而1∶1 400 萬“縣級”單元法CH4排放量與1∶5萬圖斑單元法相比，盡管整個地區(qū)總排放量只相差1.8×105t，但各“縣級”單元之間的估算差異卻很大，驗證了DNDC 模型以“縣”作為最小模擬單元，并用排放量范圍來表達區(qū)域CH4氣體排放的合理性。孫欣等[59］估算了由太湖地區(qū)1∶5 萬土壤數(shù)據(jù)庫轉(zhuǎn)換集成的七種柵格粒度下1982—2000 年共19 a 的稻田CH4排放總量，發(fā)現(xiàn)大于16 km 柵格粒度的柵格單元會引起面積誤差，導(dǎo)致模擬結(jié)果迅速增大，綜合考慮空間數(shù)據(jù)量和模型運算周期，以1∶5 萬土壤數(shù)據(jù)庫為前提，認為16 km柵格粒度是最適宜于太湖地區(qū)區(qū)域尺度溫室氣體排放的DNDC模型模擬粒度。

2.3 稻田管理模式評估

DNDC 模型不僅可以用來評估稻田水肥管理、土地利用方式及土壤特性對稻田生態(tài)系統(tǒng)碳動態(tài)變化的影響，而且有助于判斷在何時何地實施新措施會獲得最佳效果，在預(yù)測生態(tài)系統(tǒng)變動方面具有可實施性[14］。自20世紀80年代初起，中國水稻農(nóng)業(yè)的水管理措施發(fā)生改變，全國水稻田由傳統(tǒng)的持續(xù)淹灌轉(zhuǎn)變成曬田間灌。以1990年農(nóng)業(yè)和氣象數(shù)據(jù)為基礎(chǔ)，構(gòu)建氣象、土壤、作物輪作、農(nóng)田管理等農(nóng)業(yè)數(shù)據(jù)庫，利用DNDC 計算1990 年在曬田間灌和持續(xù)淹灌兩種管理模式中國稻田CH4年排放量分別為2.3×106~10.5×106t 和8.6×106~1.6×107t，表明曬田措施能夠很好的減少中國稻田CH4排放量[7］。DNDC模擬也發(fā)現(xiàn)，受到作物輪作、氣候和土壤質(zhì)地的影響，曬田措施減少CH4排放的效果各地不同，四川、海南、湖北、廣東等省效益最好（CH4排放減少量為200~290 kg/hm2），而河北、天津、寧夏、甘肅諸省最差（CH4排放減少量<25 kg/hm2）[14］。研究表明，淹水和施用秸稈狀態(tài)下會增加稻田CH4排放通量和周轉(zhuǎn)速率，CO2生產(chǎn)期主要在高溫的作物生長期[60］。稻田CH4排放量和稻田淹水深度關(guān)系密切[52］，持續(xù)的淹水灌溉制度能夠?qū)е碌咎锞哂休^高排放通量[48］，在干旱區(qū)DNDC 模型對小于15 cm 積水灌溉實驗地模擬效果較好，相對誤差均在20%以內(nèi)[61］。

孫園園等[56-57］等通過模型模擬研究認為，不同耕作方式土壤CH4排放量差異主要是由于不同耕作制度導(dǎo)致的土壤氧化還原電位差異所致。吳夢琴等[50］研究表明，鄂西北、鄂東南地區(qū)和江漢平原采用優(yōu)化管理栽培模式能夠有效減少稻作系統(tǒng)產(chǎn)生的CH4。優(yōu)化稻作管理模式，如改變稻田淹水天數(shù)、選取高產(chǎn)低排稻種、節(jié)水灌溉和秸稈粉碎覆蓋還田技術(shù)集成，可以在保持水稻產(chǎn)量的同時實現(xiàn)CH4減排[50，52］。

DNDC 模型對不同灌溉模式和不同水文年條件下的稻田SOC 具有較好的模擬效果[62］，能正確反映SOC 在水稻生長過程中的變化規(guī)律[2］。不同水文年條件下稻田最優(yōu)的水碳管理模式是節(jié)水灌溉與秸稈還田耦合，在相同秸稈還田水平下，控灌稻田0~10 cm 層SOC 略低于淹灌處理，但水稻產(chǎn)量更高；平、枯、豐水年的推薦秸稈還田水平分別為6 000、6 000、7 500 kg/hm2，SOC 達到潛力的99.2%以上，水分生產(chǎn)率較相同秸稈還田量的淹灌處理高43.5%以上[62］。

耕作施肥制度和生態(tài)環(huán)境條件能夠影響SOC儲量，施用綠肥和化肥、少耕+30%秸稈還田均能增加SOC 儲量[40，42］。王季斐[63］通過對施用磷肥亞熱帶地區(qū)的典型缺磷的水稻土壤進行研究，發(fā)現(xiàn)亞熱帶地區(qū)磷缺乏影響土壤碳固定，而碳磷共施能夠促進有機質(zhì)腐殖化程度，促使土壤有機質(zhì)由簡單結(jié)構(gòu)轉(zhuǎn)化為復(fù)雜高分子化合物。該研究選取了2種土壤，分別為極缺磷土壤Olsen-P（采用碳酸氫鈉浸提的方法測定的有效磷含量）為0.74 mg/kg（Soil 1）、缺磷土壤Olsen-P 為3.41 mg/kg（Soil 2），以NaH2PO4為磷源（60 mg/kg），模擬根際分泌物為碳源（65%葡萄糖C+30%草酸C+5%丙氨酸C，添加量為土壤100%MBC（土壤微生物量碳）量），對2 種土壤進行3 種處理：不添加、添加外源碳（C 處理：Soil 1/Soil 2+C）、添加外源碳和磷（C+P 處理：Soil 1/Soil 2+C+P），模擬結(jié)果發(fā)現(xiàn)無論是Soil 1 還是Soil 2，方法上采取C+P 處理都比單一的C 處理效果要好得多。

DNDC 模型能夠根據(jù)稻田管理模式的改變，構(gòu)建出相應(yīng)的農(nóng)業(yè)數(shù)據(jù)庫用以模擬不同管理模式下CH4的排放情況，驗證其模式的實用價值和助推新管理模式的施行。而且，該模型能夠針對不同土地耕作制度、灌溉模式及施肥條件等，較好的模擬出SOC的變化規(guī)律，從而預(yù)測稻田生態(tài)系統(tǒng)SOC變動趨勢，有助于不同地區(qū)更好地選擇和設(shè)計適宜當?shù)厮巨r(nóng)業(yè)可持續(xù)發(fā)展的模式。

2.4 敏感性分析

敏感性分析可以確定影響模擬結(jié)果的關(guān)鍵模型參數(shù)，減少模型參數(shù)的不確定性，提升模型模擬精度[64］。朱相成等[65］研究表明，平均氣溫是影響東北單季稻區(qū)、長江中下游稻麥輪作區(qū)和南方雙季稻區(qū)CH4排放最大的因子，土壤容重、秸稈還田量、土壤黏粒含量、SOC 以及水稻生長中期曬田時間也對CH4排放有明顯影響，長江中下游稻麥輪作區(qū)秸稈還田的敏感性指數(shù)較高，而南方雙季稻區(qū)則表現(xiàn)為平均氣溫和土壤黏粒含量更高。帥艷菊[11］認為，不同稻作模式下各類型參數(shù)對溫室氣體排放的敏感程度不同，土壤參數(shù)中容重、黏粒含量、SOC 和pH 值對溫室氣體排放影響最為顯著；氣象參數(shù)中除稻蝦模式外，年均溫和大氣CO2濃度均為較敏感參數(shù)，在稻麥和稻油模式下降水量也為較敏感參數(shù)；管理參數(shù)中施氮量、曬田時間和秸稈還田量對各模式溫室氣體排放量影響最大。也有研究表明，稻田CH4排放對植物根系與總生物量比的變化高度敏感[66］。張遠等[48］研究表明，土壤因素是影響三江平原稻田CH4排放的主要因素，土壤黏粒和SOC 含量是最主要的敏感性因子；氣象因子中溫度的變化對稻田CH4影響大于降水；對于耕作措施而言，水稻生長季內(nèi)的田間排干可以明顯降低稻田CH4排放量?？梢?，不同地區(qū)氣候、土壤屬性和管理措施的差異不僅導(dǎo)致稻田CH4排放對相同因素的敏感性存在一定的差異，而且反映了輸入?yún)?shù)對稻田土壤CH4排放影響的復(fù)雜性，而DNDC 模型的準確性很大程度上取決于模型參數(shù)輸入的精確度。

3 DNDC 模型在稻田生態(tài)系統(tǒng)碳動態(tài)模擬中的不足之處

3.1 模型點位/區(qū)域尺度模擬

模型點位模擬結(jié)果與實測數(shù)據(jù)具有較高的擬合度，這是判斷模型適用性的前提條件[6］。研究表明，DNDC 模型已經(jīng)能夠很好地模擬稻田生態(tài)系統(tǒng)土壤碳固定和CH4、CO2等溫室氣體排放規(guī)律，在其適宜的條件下均能達到較高的模擬精度。但也發(fā)現(xiàn)，DNDC 模型模擬所對比分析的點位實測數(shù)據(jù)一般只有1~2 a，氣象參數(shù)對模型產(chǎn)生的影響可能很大程度上被忽略，需結(jié)合長期有機碳和溫室氣體定位觀測基礎(chǔ)數(shù)據(jù)對DNDC 模型進行本土化和參數(shù)優(yōu)化[11］。也有研究認為DNDC模型可以估算某研究區(qū)多年溫室氣體的時間序列，但模型并沒有實現(xiàn)對時間序列分析的模塊，而溫室氣體多年變化的趨勢、周期以及自相似性等特征具有很重要的研究價值，需要將時間序列分析算法和DNDC模型有機結(jié)合[67］。

大部分DNDC 模型的應(yīng)用目前還是處于單方面的點位尺度模擬或區(qū)域尺度模擬，而從點位尺度驗證到區(qū)位尺度模擬研究，估算誤差較大。土壤屬性空間異質(zhì)性是SOC動態(tài)變化、碳儲量、溫室氣體估算不確定最主要的來源[58］。受區(qū)域異質(zhì)性大、輸入數(shù)據(jù)準確性的影響，如果模型以幾個點的模擬結(jié)果來概括描述整個研究區(qū)的特征，得到的結(jié)果準確性較差[64，68］。由于區(qū)域在氣候、水分、土壤性質(zhì)、管理措施等方面存在很大的差異，導(dǎo)致地區(qū)SOC 儲量和溫室氣體排放量差異性較大[54］，局部地區(qū)得到驗證的模型并不一定能夠適用于其他地區(qū)，尤其是當模型拓展到國家尺度容易出現(xiàn)不確定性。因此，在國家或區(qū)域尺度模擬中需要使用更詳細的土壤資料，并對土壤數(shù)據(jù)源造成的模擬誤差進行評估[34，58，69］。此外，基于DNDC 模型模擬的一些研究只是簡單描述了造成該結(jié)果的可能因素，并未對影響土壤固碳和CH4、CO2排放結(jié)果的干擾因素進行足夠分析，也未對模型存在的弊端進行分析解釋。

3.2 模型模塊功能優(yōu)化

雖然DNDC 模型能夠較好地用于中國稻田生態(tài)系統(tǒng)模擬，但由于DNDC 模型提供的作物生理及物候?qū)W參數(shù)主要來自北美的觀測，不能完全適應(yīng)中國土地的復(fù)雜性，模型在應(yīng)用時需進行驗證，確認DNDC 模型適用于模擬的區(qū)域。國內(nèi)外種植模式和耕作措施存在差異，DNDC 模型缺乏一些中國特有且復(fù)雜的農(nóng)業(yè)耕作特征。

DNDC 模型雖經(jīng)過不同領(lǐng)域的研究工作者數(shù)十年來的改進，能夠用于草地、森林、濕地等生態(tài)系統(tǒng)碳氮循環(huán)的模擬。但隨著農(nóng)業(yè)技術(shù)的革新，如水稻移栽、復(fù)雜多種作物系統(tǒng)以及農(nóng)田管理過程中不斷出現(xiàn)的新技術(shù)，使我國的農(nóng)田管理措施得到很大的改進，模型擁有的模塊很大程度上已經(jīng)不能滿足當前的實際情況，包括模型對中國主要農(nóng)業(yè)生產(chǎn)區(qū)溫室氣體的精細研究還有待進一步發(fā)展[37，54，70］。其次在水稻育種上，新品種的出現(xiàn)伴隨著新的栽培方式，如節(jié)水抗旱稻，其抗旱性得到增強，突破了傳統(tǒng)水稻依附水資源的局限，水田節(jié)水栽培或旱地種植都可以，擴大了水稻種植范圍，增加了稻田生態(tài)系統(tǒng)研究的復(fù)雜程度[71］。因此，為了使模型能夠更好地服務(wù)于稻田生態(tài)系統(tǒng)碳氮循環(huán)科學(xué)試驗達到研究目的，需要補充和完善DNDC 模型，使之適用于當前環(huán)境。而深入研究不同種植管理模式對碳循環(huán)的影響，需要增加其稻作模式評價和土地利用類型轉(zhuǎn)變中的適用性，更準確地模擬多樣的栽培模式，進行DNDC 模型模塊功能優(yōu)化[55］。稻田生態(tài)系統(tǒng)碳周轉(zhuǎn)和溫室氣體排放在不同灌溉、施肥和秸稈還田處理下變得較為復(fù)雜[62，72］，目前DNDC 模型模擬主要是淹水狀態(tài)下的參數(shù)輸入，缺乏對排水狀態(tài)的模擬，導(dǎo)致該模型只對某些積水灌溉范圍內(nèi)（如干旱區(qū)小于15 cm 積水灌溉實驗地）的模擬效果較好。因此，模型模塊功能有待進一步優(yōu)化，需要針對模型模擬的不確定性進行深入研究。

3.3 模型校準和驗證

任萬輝[73］基于DNDC 模型對廣州地區(qū)稻田CH4排放進行模擬研究，但由于模型對施肥敏感，對低水位不敏感，導(dǎo)致模型只考慮了輸入?yún)?shù)中的淹水條件，沒有提供對排水的稻田模擬結(jié)果，使本應(yīng)出現(xiàn)的排放峰值并沒有模擬出來。李東麗[61］利用DNDC模型對新疆烏魯木齊市米東區(qū)5 種水分控制條件下的稻田溫室氣體排放情況進行模擬，結(jié)果顯示當灌溉水超過15 cm，模型預(yù)測結(jié)果就會出現(xiàn)極大的誤差。這說明DNDC 模型存在一定的前提條件并受環(huán)境條件限制，利用模型對不同地區(qū)或不同管理條件下的稻田開展一些特定方面的研究時會出現(xiàn)模擬結(jié)果不準確的現(xiàn)象。

DNDC 模型需要大量的參數(shù)支撐，而且所使用的參數(shù)受氣候因子和環(huán)境整體條件影響較大，因此利用DNDC 模型對不同區(qū)域稻田生態(tài)系統(tǒng)開展研究時，需要根據(jù)區(qū)域條件對模型的參數(shù)進行修改。目前對于模型模擬結(jié)果進行矯正的方法有試錯法、貝葉斯推斷法2 種。但是，由于存在輸入?yún)?shù)較多，找準矯正參數(shù)困難和代碼不公開等問題，使得模型校正難度增加，限制了模型準確性[12］。模型驗證的統(tǒng)計檢驗方法主要包括RMSE（均方根誤差）、MAE（平均絕對誤差）、EF（模型效率）和相關(guān)系數(shù)（R）等來驗證模擬結(jié)果的精確度，一般來說RMSE 小于10%時模擬結(jié)果較為理想、10%~20%模擬效果一般、30%以上模擬效果不理想，MAE 值是反映模擬值與實測值之間的系統(tǒng)偏差，EF 反映模擬值對實測數(shù)據(jù)的趨勢描述效果[74］。因此，為了提高模型的模擬準確性，輸入?yún)?shù)時需要提高輸入?yún)?shù)精確度，并結(jié)合馬爾科夫蒙特卡洛方法與貝葉斯推斷法，完成輸入?yún)?shù)的自動矯正以及定量評價碳動態(tài)模擬結(jié)果的不確定性。

利用長期點位試驗的結(jié)果，對DNDC 模型當中的參數(shù)進行本土化校正，采用RMSE、MAE、相對誤差（E）和相關(guān)系數(shù)（R）這4 種統(tǒng)計學(xué)參數(shù)，能夠驗證DNDC 模型在稻田生態(tài)系統(tǒng)碳動態(tài)變化和溫室氣體估算的適用性。此外，區(qū)域尺度模擬將DNDC 區(qū)域模擬的最小單元劃分到鄉(xiāng)（鎮(zhèn)）的同一土壤類型，能夠減少空間異質(zhì)性[75-76］。

4 總結(jié)與展望

總之，DNDC 模型在模擬和估算稻田生態(tài)系統(tǒng)碳動態(tài)變化等方面，能夠達到非常滿意的精度和可靠性，適用于中國稻田生態(tài)系統(tǒng)模擬。但DNDC 模型也會由于地區(qū)環(huán)境條件差異、管理條件不同而導(dǎo)致模型模擬結(jié)果出現(xiàn)偏差。因此，DNDC 模型也在不斷的開發(fā)改進，如將模型從單機版推向網(wǎng)絡(luò)版，進一步拓展模型的模塊功能，使之更好地服務(wù)于研究活動[39］。而耦合3S 技術(shù)、互聯(lián)網(wǎng)大數(shù)據(jù)與有機碳模型，并結(jié)合氣候模型和植被生長等模型有效擴大研究區(qū)域，提高輸入?yún)?shù)的準確性和模型模擬精確度，增強DNDC 模型為水稻低碳生產(chǎn)服務(wù)能力以及不同稻田管理措施下模型預(yù)測評價系統(tǒng)的可信度，將會是模型在稻田生態(tài)系統(tǒng)應(yīng)用上的發(fā)展趨勢。