生物地球化學模型DNDC的研究進展與碳動態模擬應用

張 釗， 辛曉平

(中國農業科學院農業資源與農業區劃研究所， 北京 100081)

碳循環是近年來生態系統生態學的研究熱點，300多年的工業社會發展，極大的改變了人類的生活質量和生存方式，同時也極大的改變了人類和自然的相處模式。化石燃料的利用，礦產資源的開發，高效農業的普及成為現代社會的典型特征。在人類文明高速發展與進步的同時，地球生態系統也隨之發生著改變。1958年夏威夷冒納羅亞火山觀測站最早記錄的CO2濃度數據為316 ppm，隨著工業社會的發展,到2014年已經出現持續超過一個月的400 ppm以上數據。近年來全球變化生態學家開始重視全球CO2濃度上升對地球生態系統的影響，尤其是溫室效應和各種生態系統對氣候變化的響應機理、機制。

學術界普遍認為提高生態系統碳固定能力和碳儲存能力，是減緩大氣CO2含量增長，抑制全球變暖的主要手段。因此，定量的測量、估計和預測生態系統碳儲量與碳固定量是生態系統研究的熱點和重點。由于生態系統具有高度的復雜性和不確定性，無論是人類活動、土地利用變化、氣候變化還是生態系統自身的變化與演替都會改變生態系統中碳循環的路徑和通量，僅根據點尺度，離散時間段的監測數據不能滿足當前我們對生態系統碳循環在長時間尺度，大空間尺度上動態變化研究的需求。建立受氣候、土壤、生物和人類活動綜合影響的生態系統模型不僅有助于客觀認識我國陸地生態系統碳循環的過去、現在和未來，而且可以通過碳循環模型與氣候模式的雙向耦合對未來氣候變化做出更為客觀的估計，以幫助人類制定適應氣候變化的措施[1]。

生物地球化學模型是研究物質循環和追蹤元素運動軌跡很實用的模型，生物地化模型可以模擬生態系統中碳、氮、水、熱量在不同界面中的交換和變化過程。通過建立土壤、植被、大氣等不同界面的元素與水熱庫，用生理和生態過程公式來表達不同庫之間的動態模擬諸如：光合、呼吸、生長、凋落、降水、下滲、蒸發、固氮、分解和礦化等生物化學和地球化學過程。生物地球化學模型一般以日或者月為步進，對生態系統的所有過程參量進行全面模擬，然后對土壤有機碳、含水量、植物生物量、CO2濃度等狀態量進行逐日積分得到長時間尺度的模擬結果。同時結合大面積高頻采樣數據可以在空間上對生態系統多指標模擬，通過積分得到區域尺度的生態系統狀態估計。相比較其他生態系統模型，生物地球化學模型比統計模型可以考慮更多的生態學過程，生物地球化學循環模型要求輸入氣候變量(降水、氣溫等)，植被類型(或者以植被模型作為基礎)，有的還需要輸入遙感信息(如光合有效輻射等)，具有輸出生態系統的碳收支動態的能力。生物地球化學模型重點考慮植被通過光合作用從大氣中固定碳后，碳在植被-土壤中的傳輸過程，包括自養呼吸、異養呼吸、光合同化產物在各植物器官間的分配、植物死亡、凋落、凋落物分解呼吸、土壤有機物呼吸和氮礦化等，并模擬土壤有效氮、土壤水分和大氣CO2濃度等對其的影響。因此是進行生態系統水平碳收支研究的比較適合的一類模型。

1 DNDC模型簡介

全球目前有30多種不同的生物地球化學過程模型[2]。DNDC是目前開發歷史較長、使用較多，擴展較為豐富，尤其是在我國大量驗正并且廣泛應用的一種生物地球化學過程模型。DNDC模型創建于1992年[3]，最初用于模擬美國農田生態系統，模型以降水為主要驅動力，主要模擬N2O、CO2、N2在農田中的釋放。DNDC整合了土壤環境中碳氮元素的氧化還原過程，通過大量的實驗數據和前人研究構建了碳氮元素與土壤氣候環境的關系，模型主要追蹤碳素和氮素在土壤中的生物地球化學過程。過去二十多年中DNDC模型被全球各地的生態學者廣泛的應用，模型有了很大的改進和發展，加入了許多新的子模塊和更加詳實的生態過程參數，以適應不同生態系統和不同關注點的研究。

2 DNDC模型發展與國內學者在碳循環領域的應用

v7.0之前早期版本的DNDC模型包含3個基礎模塊：土壤氣候/水熱通量模塊、土壤碳素分解模塊以及土壤脫氮模塊。模型并沒有包含植物生長模塊，硝化作用使用單一公式近似模擬。

1994年DNDC v7.1 版本加入了一個以經驗公式為主的植物生長模塊，這個模塊包含了常見的土壤耕作模式和田間管理措施，從而使得DNDC模型可以用于農田土壤碳元素的生物地球化學過程模擬[4]。

2000年基于森林模擬的PnET-N-DNDC模型開發成功，這個模型的主要特色是包含一個光合-蒸散模塊和一個硝化作用模塊，后者可以用于精確的模擬硝化細菌的繁殖/死亡速率、亞硝化細菌的繁殖/死亡速率和整個硝化作用導致的NO、N2O排放量[5]。這些新的模塊和特性后來被整合到了DNDC v8.0中，PnET-N-DNDC中的厭氧氣球概念，將土壤環境區分為有氧環境和厭氧環境，加上土壤空隙度的引入，使得模型可以同時模擬硝化作用和反硝化作用。

2002年，加拿大遙感中心的Zhang等人開發出crop-DNDC，在DNDC v8.0的基礎上加入了3個獨立的植物生長相關模塊，3個模塊包括：土壤氣候與水熱通量模塊、植物生理參數模塊、分解與硝化模塊。新的模塊使得模型具有追蹤植物生長過程中碳、氮和水分在系統中的循環和流動的能力[6]。從此模型可以模擬植物生理指數、葉面積指數、光合強度、呼吸強度、產物分配、根系生長和氮元素的吸收。隨后Crop-DNDC的新模塊都被合并入了DNDC v8.2版本，從此DNDC模型的功能性進入了一個新的領域：預測作物產量、固碳能力、溫室氣體排放和模擬氣候變化對農業生產影響。在國內邱建軍、唐華俊[7]最早引入了DNDCv8.2版本用于估算北方農牧交錯帶內蒙古自治區耕地土壤碳儲量并研究其平衡狀況，結果表明：該區耕地0～30 cm土層土壤有機碳儲量約為46 622.6萬噸，目前土壤有機碳庫處于嚴重負平衡，年凈損失有機碳1 335萬噸。指出干旱半干旱農牧交錯區應推行免耕、休耕等保護性耕作措施以助于土壤有機碳的積累。王立剛、邱建軍[8]以高產糧區河北省曲周縣為例，運用DNDC模型，在對實測田間試驗數據進行模型驗證的基礎上，對該地區農業生態系統土壤碳氮平衡進行了模擬研究。結果表明：1998年曲周縣47 821 hm2農業耕地土壤的總有機碳儲量為742.94×106kg，平均每公頃耕地土壤有機碳儲量為15 536.05 kg。1998年耕地土壤有機碳為正平衡，1990年為負平衡，2年土壤有機碳顯著差異的主要原因在于秸稈還田比例的多少。

同年Zhang等人從PnET-DNDC模型繼續開發了wet-land DNDC模塊[9]，通過加入土壤水文參數、土壤溫度參數、植物生長狀態參數和土壤碳軌跡實現了對生態系統CH4和CO2排放的模擬。其中最重要的一個核心意義就是能斯特方程和米氏方程被加入了厭氧氣球中。隨著能斯特方程和米氏方程的加入，DNDC模型具有了對土壤氧化還原電位和底物酶促反應產物模擬的能力。

同年Brown等人經過5年的開發完成了UK-DNDC模型[10]。UK-DNDC模型加入了一個空間化的有機肥模塊，可以支持耕作參數、家畜參數和采食參數輸入模型。

2004年，DNDC模型更新到v8.5版本[11]，從wet-land DNDC中吸取了能斯特方程和米氏方程，改進了原有的厭氧模擬氣球。張凡等[12]以陜西農業生態系統為對象，整合DNDC v8.5與陜西農業地理信息系統數據庫，利用陜西地區氣象和作物資料，對陜西省2000年作物生長發育和土壤碳循環進行了模型模擬，實例探討了耕作管理對土壤碳儲量的影響。分析模擬結果可以得出3點結論：①2000年陜西耕作土壤總有機碳儲量約為103 Tg碳，是一個大氣CO2源，向大氣釋放0.5 Tg碳；②提高作物秸稈還田率是提高陜西農田碳庫儲量有效可行的措施，將作物秸稈還田率從當前的15%提高到50%或90%會使陜西農田土壤從大氣CO2源轉變為匯，每年分別增加土壤有機碳庫儲量0.7 Tg碳或2.1 Tg碳；③施用有機農肥(500 kg·hm-2)也會增加土壤碳輸入，從而提高土壤碳儲量，使陜西農田系統轉變為較弱的碳源，每年可多固定0.2 Tg碳。

2004年新西蘭的Saggar等人根據新西蘭的氣候土壤情況對DNDC做了大量本地化適配，開發出NZ-DNDC模型[13]，NZ-DNDC模型根據新西蘭的高有機碳、長期放牧草地生態環境對模型進行了機理的優化，使之更加符合新西蘭的草地農業生態系統。

2005年，李長生等人開發了Forest-DNDC模型[14]，Forest-DNDC模型整合了PnET-DNDC模型和wet-land DNDC模型，加入了Aber等人開發的森林生理模塊，實現了對森林生物量、森林碳動態、森林生態系統溫室氣體排放的模擬。模型中加入了大量的森林管理參數，并且可以模擬森林動態例如：森林采伐、造林、間伐、火燒、灌溉、濕地恢復、施肥等過程。

同年Kiese等人從PnET-DNDC中進一步開發了Forest-DNDC Tropica[15]，主要用于模擬熱帶雨林生態系統的N2O排放量。模型針對熱帶雨林的氣候條件和土壤環境，優化了一些生態過程參數。在保留原有物質循環框架的基礎上整合了BIOME-BGC模型的常綠闊葉林模塊。

德國的Neufeldt等人將EFEM模型和DNDC模型進行了耦合[16]，為DNDC模型帶來了一個以GIS為基礎的區域模擬模塊，他們用EFEM-DNDC模型對德國巴登-符騰堡州的作物和家畜溫室氣體排放進行了模擬，獲得了很好的精度。這個模型和其他DNDC的區別在于加入了總效益、影子價格和成本控制等經濟學參數。

2006年，比利時的Beheydt等人根據DNDC v8.3版繼續開發了BE-DNDC模型[17]。BE-DNDC主要模擬大范圍農田的N2O排放，其中區域化的草地農田N2O排放量預測來源于當地大量收集數據的回歸公式?；貧w公式根據比利時不同地區的22個長期試驗點數據進行了優化。BE-DNDC同時能根據結果不確定性來輸出土壤有機碳含量最大最小值。

同年，DNDC模型更新到v9.0版[18]，模型內部詳細細化了自由氨基的動態流程、硝化和亞硝化作用。使得模型對氮循環的模擬精度大幅提高。李虎等[19]以黃淮海平原河北省范圍內的農田土壤為研究對象，通過與田間實際觀測數據進行比較發現，DNDC 9.0能夠較好地反映農田土壤溫室氣體CO2和N2O的排放通量，可以用來模擬估算農田土壤CO2和N2O的排放通量.根據模型估算，2003年河北省111個縣市農業土壤CO2排放量約3.758×106t碳，各縣市總的N2O排放量40.345×106kg氮.全省釋放的CO2和N2O中有40%左右來自冬小麥/夏玉米地。邱建軍等[20]將DNDCv9.0與GIS數據庫進行結合，估測了全國六大農業區域土壤有機碳含量變化對農作物產量的影響。研究認為初始土壤有機碳每增加1 g碳每千克，東北地區的玉米每公頃產量將增加176 kg，北方地區的玉米小麥輪作田每公頃產量將增加454 kg，西北地區的玉米每公頃產量增加328 kg，中南地區的單播水稻每公頃將增產185 kg，東部地區的兩季稻每公頃將增產266 kg，西南地區的麥稻輪作田每公頃將增產229 kg。王淑芳等[21]運用DNDCv9.0對密云水庫上游地區農田土壤有機碳儲量及其變化進行模擬研究，結果表明：2006年密云水庫上游地區214 920 hm2農田土壤(0～25 cm)的總有機碳儲量為7 646×106kg，其中位于河北省境內的該地區 63.1%的農田儲存了全區 68.1%的 SOC；平均每公頃農田SOC儲量為 35 576.1 kg，低于全國平均水平；由于化肥和有機肥投入的增加，經一年耕種后，2006年該地區農田土壤有機碳儲量增加 142.5×106kg，整個地區及各區縣農田土壤碳收支均為正，是大氣 CO2的一個匯。馬玉芳等[22]利用甘肅農業大學定西旱農綜合試驗站的2001-2008年長期定位試驗數據對DNDC9.0模型進行了驗證，結果表明：秸稈還田或覆蓋可提高作物秸稈與根系殘留的外源碳攜入量，也能提高土壤異氧呼吸對內源碳的消耗。該區域2008年表層農田土壤有機碳總儲量為2.8×109kg，平均土壤有機碳密度為2.33 kg·m-2。預測2008-2037年土壤有機碳儲量，得出增加有機肥能夠顯著增加土壤有機碳的積累，其次為免耕同時增加秸稈還田率50%，而單獨實施這兩種措施，土壤有機碳的積累速度較慢。陳晨等[23]在利用中科院安塞水土保持綜合實驗站長期定位數據，應用DNDC9.0模型研究黃土丘陵溝壑區坡耕地農田土壤碳庫儲量動態變化及碳循環特征，結果表明：施肥可提高作物殘體與根系分泌物的外源碳攜入量，也能提高土壤異氧呼吸對內源碳的消耗，且施用有機肥后提高效果顯著。總體上，單施有機肥、有機肥配施氮肥40年后各處理土壤有機碳分別比初始值提高了90.29%，86.46%。不施肥和單施氮肥 40年后各處理土壤有機碳分別比初始值降低了3.52%，0.38%。王立剛等[24]利用DNDC9.0，選擇6個典型的種植模式點，考察改變田間管理措施(秸稈還田、增施有機肥、改變化肥施用等)對土壤有機碳含量影響的長期效應，研究結果表明：增加秸稈還田比例的固碳效應在眾多的農田管理措施中體現最突出，以基本管理措施20年后有機碳含量為對照，當秸稈還田率增加到80%時，齊齊哈爾、平涼和芷江地區增加的土壤有機碳含量都在3 000 kgC·hm-2以上，北京郊區、江寧和鹽亭地區每公頃可以增加碳10 000 kg以上?；适┯昧繛楸镜字档?0%配合秸稈還田率50%和化肥施用量為本底值的50%增施有機肥1 000 kgC·hm-2的兩項措施，在各個地區都表現出比基本管理措施能存儲更多的碳素，因此，在我國現在的管理措施下，減少化肥的同時增加秸稈還田比例和增施有機肥是既增加土壤有機碳含量又減少化肥污染的“雙贏”措施。陳長青[25]等為探討長期不同施肥條件下土壤有機碳的變化規律及DNDC模型的應用，利用封丘石灰性潮土不同施肥措施下的長期定位試驗數據，選取CK、NPK、1/2NPK+ 1/2OM、OM 4個處理，分析了15年來作物產量及土壤有機碳的變化特征，并用DNDC模型預測了試驗地近100年(2000～2099)的土壤有機碳變化趨勢，結果表明：有機肥和化肥配施能獲得較高的作物產量，并能在百年尺度上有效地增加土壤有機碳含量，從而提高土壤的可持續利用能力。

DNDC-Europe模型開發于2008年[26]，主要用途是模擬農業生產、農業經濟效益與溫室氣體排放之間的關系。在整合了農業經濟模型CAPRI之后，Leip等人用DNDC-Europe模型進行農業市場、環境政策、交易模式、農戶、經銷商、消費者行為和農業生產及農業生態系統變化的細微關系，并且提供了一個全球尺度政策對市場分配影響的預測。

DNDC模型對溫室氣體的模擬最早源于水稻田相關研究，2008年Fumoto等人基于李長生等在2004年的工作進一步發展出了DNDC-Rice模型[27]，主要用于模擬不同氣候、土壤和管理措施條件下水稻田CO2、無機碳和甲烷的排放， 這個模型在2010年進一步改進支持模擬水田不同水淹制度下的水稻田甲烷排放。

2009年，Grote等人將DNDC模型連接到MoBiLE (Modular Biosphere Simulation Environment)模型研究框架中，MoBiLE框架可以在研究生態系統某一參數或者某一方面時為模型提供高效的參數選擇、初始化和校正驗證，并且DNDC在框架內將被視為一個更大模型的子模塊，從而可以和更多的模型連接進行多種不同用途的模擬[28]。2011年Grote等人在MoBiLE框架內將PSIM模型連接入DNDC，細化了DNDC模型的植物生長模塊，對森林生態系統碳通量和碳庫的細節進行了詳細的研究[29]。Wolf等人將PnEF-N-DNDC連接入MoBiLE框架用于模擬溫帶生態系統融雪期的N2O排放，并且制作了最大雪深和生長季末生物量之間的數學關系[30]。

2010年DNDC模型更新到v9.3版，改進了土壤蒸發的計算方式和精度。馬玉芳等[31]應用DNDC9.3對甘肅農業大學定西旱農綜合試驗站的2001—2008年長期定位試驗的4個處理的長期(100 年)模擬表明：免耕覆蓋秸稈(NTS)和傳統耕作+秸稈還田(TS)能夠較大幅度地提高土壤有機碳含量。而傳統耕作不覆蓋(T)處理下土壤有機碳呈下降趨勢。土壤有機碳含量對土壤性狀以及耕作管理措施變化的響應模擬研究表明，秸稈還田和施用有機肥是最有效的提高土壤有機碳含量的耕作措施，而土壤性狀，尤其是初始有機碳含量是影響土壤有機碳變化的最主要敏感因素。孫園園等[32]利用DNDC9.3模型模擬川中丘陵區不同輪作制度下稻田CO2排放情況，結果表明：PF、RR和RW 3種輪作制度下RW和RR處理CO2排放量均顯著高于PF，但3種輪作制度下單季作物CO2排放量差異不大，RR處理的單季作物的CO2排放量最小，其年總作物產量居中，RW處理產量最高。根際呼吸是土壤呼吸的主要部分，整個生長期PF，RR，RW的根呼吸貢獻率平均為59.14%～62.96%。徐勝祥等[33]以江蘇省稻田為對象，整合DNDC9.3模型和100∶1土壤數據庫，定量估算少耕、免耕以及綜合措施少耕+桔稈還田下江蘇省稻田土壤的固碳潛力，模擬結果表明相對于傳統耕作，采用少耕、免耕和少耕+秸稈還田均可明顯地增加稻田的積累，長期模擬結果表明：免耕和少耕+秸稈還田下固碳能力是單純少耕的2倍左右。張明圓等[34]研究在DNDC9.3模型調整的基礎上選取了土壤有機碳(SOC)、土壤碳密度(SCD)、土壤呼吸(SR)以及生物量碳(BC)4個指標對模型在華北麥-玉兩熟農田的適用性進行驗證，并用該模型模擬當地土壤碳儲量(SCS)動態變化以及溫室氣體排放特征，結果表明：2001-2010年SOC和SCS逐年遞增；對未來100年模擬發現，15 年旋耕(RT)和翻耕(CT)處理SOC增長迅速，而免耕(NT)SOC的劇烈增長趨勢要持續近40 年；對比各處理100年碳儲量變化可知，前20 年CT處理SCS最大，20年后NT處理SCS最大；各處理土壤全球變暖潛勢(GWP)大小為CT>RT>NT。Kang等[35]運用DNDC9.3模擬分析了羊草生態系統2004-2005年凈CO2通量(NEE)及其組分(GPP、Re)的動態變化過程。通過與渦相關實測數據對比發現羊草草原由2004年生長季(濕潤年)的碳匯轉變為2005年(極端干早年)碳源的過程。2005年的極端干旱氣候嚴重影響草原生產力，進而減少了土壤的凋落物輸入量，最終導致生態系統碳的凈損失。進一步的28年圍封和放牧情景模擬發現：與圍欄封育相比，中度放牧一方面提高了植物的光合作用速率，顯著增加了系統的固碳能力，與2006-2007年放牧樣地實測結果一致；另一方面主要影響土壤異養呼吸，對植物自養呼吸影響不大。氣候變化和放牧管理措施將對內蒙古羊草草原碳收支產生顯著的影響。王德營等[36]探討黑土有機碳的長期變化規律及DNDC模型在土壤有機碳預測方面的適用性，結果表明：有機肥的施用對土壤有機碳含量的影響最顯著，且這種影響具有持久性。模擬4種施肥情境下未來100年的土壤有機碳變化情況表明：不施肥處理土壤有機碳含量略有下降;單施化肥處理(NPK)土壤有機碳含量較為穩定，并未出現土壤有機碳含量下降;配施有機肥(NPKM)和增施有機肥(M2+NPK)處理土壤有機碳含量增加明顯。

Kr?bel等[37]于2011年給DNDC模型外掛了一個CSW子模塊，用于高精度模擬加拿大春小麥生長和小麥農田生態系統氮固定。目前這一子模塊在國內尚無人引進。

Haas等人于2013年將DNDC和Forest-DNDC在MoBiLE框架中合并到一個綜合的土壤生物地化模型中，稱為Landscape DNDC[38]，主要用于模擬生態系統中的碳氮元素周轉以及不同土地利用方式和不同土地利用變化下土壤碳氮儲量的變化。Landscape DNDC主要加入了一個基于DNDC結構的植物生長生理模塊，允許土地的利用方式和作物、森林和草原在短時間內切換。該模塊基于物理和化學基本公式驅動，描述了土壤環境中土壤化學驅動下的微生物碳氮周轉過程和植被生長動態。模型可以同時支持三維區域尺度和點尺度的模擬。

為了研究永久凍土中的CH4排放，Zhang等人于2012年開發了NEST-DNDC模型[39]，模型模擬了植物群落尺度中的生物物理和生物化學過程，并且可以根據地域特征擴展到生態系統尺度。NEST-DNDC模型整合了永凍土模型Northern Ecosystem Soil Temperature，使得模型可以詳細模擬永凍土的水熱條件和生物地球化學過程。借助預設的多種土壤質地和砂石分層數據，模型也能模擬非永凍土生態系統例如森林、苔原等生境。

為了滿足對家畜生產中的溫室氣體和氨氣排放的模擬，李長生等[40]于2012年開發了Manure-DNDC模型。Manure-DNDC將一系列的生物地球化學過程整合到一個可計算框架中，來反映有機肥在農場中的周轉周期，以便預測家畜有機肥處理系統中的溫室氣體和氨氣釋放。鑒于有機肥中有機物的特性與土壤有機質類似，Manure-DNDC直接借鑒了DNDC中的土壤有機質動態模塊。環境因子和生物地化反應用于判斷生產中各環節的CO2、N2O、CH4和NH3釋放量。飼養場、堆肥場、污水池、厭氧消化池以及整個養殖場都直接和有機肥動態模塊關聯，每一個環節都可以獨立或者整體計算有機肥的存儲發酵以及氣體排放，正如DNDC模型可以模擬多種耕作土壤一樣，Manure-DNDC可以模擬多種不同架構的養殖場。

2012年，DNDC更新到v9.4版，將Manure-DNDC中的土壤銨根離子動態模塊整合入模型[40]。陳杰華等[41]分析了15年來土壤有機碳的變化特征，并用DNDC模型模擬了長期試驗點15年和100年有機碳變化趨勢，結果表明：經過15年的耕種，4種耕作制度的土壤有機碳含量都較原始有機碳含量有所上升。T2處理的土壤有機碳增幅最大，分別為CK，T1和T3處理的131%，142%，153%。T3處理的有機碳含量最低。100年尺度下四種耕作制度土壤有機碳含量都會上升。薛靜等[42]基于河北省曲周試驗站的試驗數據，對DNDC模型的參數進行詳盡的靈敏度分析和標定，經過詳細參數標定后的DNDC模型將為深入探討不同農田管理措施下，實現作物增產和農業減排雙贏局面提供科學有效的途徑。倪元龍等[43]在1982 年水稻田土壤有機碳庫的基礎上，利用 DNDC9.4模型結合3種比例尺矢量圖斑單元和不同分辨率的柵格單元模擬了2000年太湖地區水稻田表層土壤有機碳庫，對比分析了不同分辨率柵格單元與3種比例尺矢量圖斑單元的水稻土類型數量、面積、表層土壤有機碳儲量以及有機碳密度的變化特征，并以矢量圖斑單元獲得的這4個指標結果為基準，用相對變異百分數(VIV)來判別基于3種比例尺DNDC模型模擬的最佳柵格單元分辨率，結果表明：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，又可以避免數據冗余，提高模擬效率。建立的土壤碳庫模擬研究的比例尺與其最佳柵格單元分辨率對應轉換關系，對區域土壤碳模擬研究具有重要參考價值。

2014年，DNDC更新到v9.5版，增強了植物生長模塊和水文動態模塊，并且針對溫室氣體排放進行了相關參數的優化[44]。韓東亮等[45]選擇國家灰漠土長期肥力監測試驗中的5種處理(hNPKM，NPKM，NPKS、NPK、CK)，采用DNDC9.5模型對土壤表層土壤有機碳150年(2010-2160年)的長期變化趨勢進行預測，結果表明：化肥與有機肥配施土壤有機碳的固碳速率最高，化肥平衡施肥、化肥與秸稈配施也具有固碳效果，但固碳速率小于化肥有機肥配施，而不施肥土壤有機碳逐漸減少，因此合理施用有機肥和化肥能夠實現作物增產和土壤培肥的雙贏。韓東亮等[46]以國家灰漠土肥力與肥料效益觀測試驗站22年長期定位試驗監測數據為基礎，利用DNDC模型對9個不同施肥處理的耕層(0～20 cm)土壤有機碳(SOC)演變進行模擬和驗證，并預測了未來30年(2010-2040)SOC的變化趨勢；同時也對CO2的釋放量和變化速率進行了模擬，結果表明：持續施用氮磷鉀肥(NPK)不能使SOC含量提高；而氮磷鉀肥配施有機肥(NPKM)或秸稈(NPKS)可使SOC含量比2010年增加；雖然土壤有機碳升高越快，CO2的排放量也越多，但有機碳變化率超過25.1%時則表現為CO2的固定。楊黎等[47]在對DNDC模型進行驗證的基礎上，應用模型研究不同施氮和秸稈還田措施對東北地區春玉米農田固碳和氧化亞氮排放的長期綜合影響。陳海心等[48]利用DNDC9.5模型模擬了陜西楊凌地區不施肥(CK)、單施氮磷鉀無機肥(NPK)、無機肥配施秸稈(SNPK)、無機肥配施低量有機肥(M1NPK)及無機肥配施高量有機肥(M2NPK)5個處理的定位試驗對土壤有機碳變化的影響。從模型輸出20年來土壤碳含量的變化看，施肥能提高作物地上部、地下部生物量以及土壤異氧呼吸作用，即同時提高了外源碳攜入量和內源碳消耗量，但各施肥處理均在碳儲量上表現為盈余狀態。

3 結語

DNDC模型經過25年的發展，從最初的農田N2O排放模擬模型，逐步開發和發展到涵蓋森林、濕地、草原等多種生態系統類型模擬，并且可以模擬系統中碳氮元素運動變化軌跡等多種生態學過程，經過多點的驗證與校正，DNDC模型可以在多種生態系統中闡明物質循環的過程，同時可以模擬3種主要溫室氣體的排放量，可以很方便的進行溫室氣體效應的模擬和估算。在氮元素的追蹤和模擬方面有著大量成熟的模擬案例和溫室氣體估算，在碳元素動態的模擬和分析方面DNDC也出現越來越多的成果。

過去DNDC模型在碳循環模擬中應用的研究在數量和尺度上都不如在氮素模擬中廣泛，70%的DNDC相關文獻都是用于模擬氮素循環或者溫室氣體排放。這一方面是因為DNDC最早從農田溫室氣體排放模擬起源，因此有著大量的相關用戶和驗證經驗；另一方面，碳元素運動和變化在時間空間上的連續性較強，模型對碳循環過程模擬，對驗證數據的采樣頻率，采樣范圍，采樣精度要求較高。傳統的箱式法測土壤呼吸與生態系統呼吸，誤差較大而且時相頻率無法做到較高頻的連續監測。近年來，隨著Li-co 8150野外連續自動檢測儀的普及，渦度相關通量技術的廣泛應用甚至大孔徑閃爍儀的建立，長時間較大范圍的碳動態監測和高質量低誤差數據的獲取成為了現實。結合DNDC模型的幾大優勢：多指標全面的生態系統模擬，易于獲得的初始化狀態參數，大量根據多種生態類型驗證的預設參數，詳細精準的土壤氧化還原點電位反應機理，基于能斯特方程的土壤化學平衡，支持模擬多種農田管理方式對系統的影響，日尺度步進的模擬過程和方便實用的蒙特卡洛不確定性模擬，使得DNDC模型成為了未來進行生態系統碳循環模擬與研究又一個很好的工具。從模型輸出的生態系統各組分參數對環境變化的響應和反饋中，研究者可以更好地理解土壤化學過程的機理與環境因子的互作，還可以評估不同生態系統管理和不同土地利用方式下溫室氣體的排放，土壤有機碳的流失/積累。DNDC模型對研究生物地球化學循環和生態系統可持續發展具有積極的指導作用。