全 文 ：生物地球化学过程模型 DNDC的
研究进展及其应用*
郭佳伟1,2 摇 邹元春1 摇 霍莉莉1,2 摇 吕宪国1**
( 1中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室, 长春 130012; 2中国科学院大学, 北京 100049)
摘摇 要摇 脱氮鄄分解(denitrification鄄decomposition,DNDC)模型通过耦合土壤环境驱动的反硝
化和分解过程来估计土壤中二氧化碳(CO2)、甲烷(CH4)和氧化亚氮(N2O)等痕量气体的排
放量,是目前国际上最成功的模拟陆地生物地球化学循环的模型之一. 本文主要阐述了
DNDC模型的发展过程及其结构,以及模型的验证和敏感因子分析,并总结了当前 DNDC 模
型应用的热点领域.
关键词摇 DNDC模型摇 敏感因子分析摇 不确定性分析摇 模型应用
文章编号摇 1001-9332(2013)02-0571-10摇 中图分类号摇 X16摇 文献标识码摇 A
DNDC model, a model of biogeochemical processes: Research progress and applications.
GUO Jia鄄wei1,2, ZOU Yuan鄄chun1, HUO Li鄄li1,2, L譈 Xian鄄guo1 ( 1 Key Laboratory of Wetland
Ecology and Environment, Northeast Institute of Geography and Agricultural Ecology, Chinese Acad鄄
emy of Sciences, Changchun 130012, China; 2University of Chinese Academy of Sciences, Beijing
100049, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(2): 571-580.
Abstract: Denitrification鄄decomposition (DNDC) model can estimate the emission fluxes of soil
trace gases such as carbon dioxide (CO2), methane (CH4), and nitrous oxide (N2O) via the cou鄄
pling of the denitrification and decomposition processes driven by soil environmental factors. At
present, DNDC model is one of the most successful models in the world in simulating the terrestrial
biogeochemical cycles. This paper mainly reviewed the development process of the DNDC model,
its structure, model validation, and sensitive factor analysis, and summarized the hot fields in the
applications of the model.
Key words: DNDC model; sensitive factors analysis; uncertainty analysis; model application.
*国家重点基础研究发展计划项目(2010CB951301)、国家自然科学
基金重点项目 (40830535)和中国科学院战略性先导科技专项
(XDA05050508)资助.
**通讯作者. E鄄mail: luxg@ neigae. ac. cn
2012鄄05鄄15 收稿,2012鄄11鄄18 接受.
摇 摇 土壤是 N2O、CO2和 CH4这 3 种主要温室气体的
源和汇之一,这些温室气体在生物化学过程中产生
并逸出,受到很多环境因素和自身交互作用的影响.
理解土壤中温室气体产生和排放的机理,对于应对
气候变暖、减缓温室气体排放、保证生态平衡有至关
重要的作用.
土壤中温室气体的产生和排放主要是土壤微生
物活动的结果,排放情景有很高的时空异质性.通过
直接测量温室气体的排放量来估计土壤中温室气体
的库容有点不切实际,因为区域上的数据量会很大,
人力、物力、财力难以支撑,更不用说长时间序列的
监测.许多国家或地区采用 IPCC 提供的方法来计
算农业土壤的 N2O排放量,进而估算本国农业土壤
中温室气体的库容.该方法简单地假设 N2O 排放量
与土壤中可利用氮存在一个排放比例,这个比例系
数指由有限的实测数据反演出来的平均值,代表了
所有土壤类型、气候条件和农田管理措施等情况.由
于 N2O的排放量对这些因子均高度敏感,所以用固
定的排放系数所得出的排放量有很大的不确定性.
此外,IPCC提供的方法没有考虑施肥时间、施肥深
度、氮肥缓释剂等农业管理措施对 N2O 排放量的影
响.基于过程机理的脱氮鄄分解 ( denitrification鄄de鄄
composition,DNDC)模型能够很好地解决上述问题.
DNDC模型不仅能够模拟和预测温室气体排放
量,而且能够评估不同管理方式的减排效果,还可以
通过模拟土壤生物化学过程的交互作用,定量评估
应 用 生 态 学 报摇 2013 年 2 月摇 第 24 卷摇 第 2 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Feb. 2013,24(2): 571-580
一种温室气体的减排措施对其他温室气体排放量的
影响,并且验证该措施是否具有其他的不利影响,如
农作物是否减产等.
起初,DNDC 模型是为了模拟美国农业土壤
N2O的排放而研发[1],后来经过许多科研人员的使
用和不断修正,该模型被运用到不同国家和地区的
农业、草地、森林和湿地生态系统. 本文主要介绍
DNDC模型的结构、发展历程、敏感性分析、不确定
性分析和模型应用热点,以便于人们了解和使用
DNDC模型.
1摇 DNDC模型描述
自 DNDC模型诞生以来,经过学者们不断的修
正,该模型已能够模拟不同土壤类型、不同植被类型
和不同管理方式下植物土壤系统的生物地球化学过
程. DNDC模型主要包括两部分:第一部分包括土壤
和气候、植物生长和有机质分解 3 个子模型,其作用
是利用输入的气候、土壤、植被和人类活动数据预测
植物鄄土壤系统中环境因子的变化;第二部分包括反
硝化作用、硝化作用和发酵作用 3 个子模型,其作用
是模拟土壤环境的生物化学过程,估算土壤系统中
CO2、CH4、N2O的排放量.
Li等[2]详细描述了土壤气候过程子模型、有机
质分解过程子模型和反硝化作用子模型 3 个子模
型,并对植物生长过程子模型和土地管理利用方式
进行了详细解释[3] .之后,DNDC模型又增加了利用
土壤氧化还原电位模拟发酵过程的子模型[4];并通
过进一步修正 N2O、CH4和 NH3排放量的模拟,形成
了现在的 DNDC 模型[5] .图 1 展示了 DNDC 模型的
不同模块及其交互作用.
摇 摇 DNDC模型模拟的土壤深度约为 50 cm,将土壤
剖面视为相互联系而又独立的水平层,每层的土壤
属性视为均匀.土壤参数分为两类,一类视为各土层
均相等,如容积密度、孔隙度、水文参数等土壤参数;
一类为不同土层的差异很大,如湿度、温度、pH 值、
碳和氮含量等土壤参数,模型通过运算得出这些土
壤参数的数值.将这些参数输入到植物生长子模型
中,结合有关植物生理和物候参数,模拟植物生长.
当作物收割或植物枯萎后,DNDC 模型将残留物输
入到有机质子模型中,逐级模拟碳氮化合物的降解
过程.降解所产生的可降解有机碳、氮被输入到反硝
化作用、硝化作用和发酵作用子模型中,继而模拟有
关微生物的活动和代谢产物. 这一过程使植物与土
壤结合成一个相互反馈的生物地球化学系统.
DNDC模型利用作物的生长曲线和植物的碳氮比来
计算植物每天生长所需要的氮量,同时,植物的实际
图 1摇 DNDC模型结构图[4]
Fig. 1摇 Schematic diagram of DNDC model structure[4] .
275 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
氮吸收量受限于根际土壤库中的可溶性硝态氮和铵
态氮的供给能力. Zhang 等[6]开发了一个更全面的
植物生理生态模型来描述作物的生长情况,但需要
更多、更详尽的植物生长参数,如果能获得这些数
据,该植物生长模型是个不错的替代选择.
DNDC模型开始并没有考虑到土壤冻融作用对
土壤 N2O 排放的影响. 在模型 PnET鄄N鄄DNDC 的开
发过程中,Li 等[5]对模型原有常规算法进行改进,
并且利用一个森林站观测的土壤冻融数据来验证模
型预测 N2O 排放量的准确性. Xu 等[7]在蒙古高原
的半干旱草原上验证了 Li 等[5]改进的模拟结果更
准确.这次改进主要针对硝化作用子模型,表现为:
冻融过程影响了氮的分解速率,同时影响到土壤中
有效氮的含量;当土壤温度低于-1 益时,N2O 停止
排放,同时当地表积雪融化时,空气中的热量停止向
地表传输;当土壤被积雪覆盖或土壤表层上冻时,假
定约占产生量 3%的 N2O 释放到大气中. 此外,Li
等[8]还将排水过程和氮吸收过程对硝态氮淋溶过
程的影响整合进模型.
Li等[9]对模型中的硝化、反硝化作用进行了进
一步改进:模型中使用“厌氧气球冶的概念来模拟氧
化还原反应在一个土壤中同时发生的动态过程;根
据模拟土壤的氧气含量和其他氧化物含量来计算土
壤的氧化还原电位,然后根据氧化还原电位将土壤
划分为相对好氧和相对厌氧两部分,好氧部分发生
硝化作用,厌氧部分发生反硝化作用.氧化还原电位
的变化类似“厌氧气球冶的膨胀和收缩,每层土壤中
的有机碳、铵态氮和硝态氮等根据氧化还原电位的
比例分配,使硝化作用和反硝化作用可以同时进行.
DNDC模型中土壤参数、植物生长的生理参数
及物候参数的默认值均为北美地区观测值,其他国
家或地区需要对这些参数进行检验或修正,以使
DNDC 模型能较准确地模拟当地的植物生长情况.
有时,需要修改模型中的程式,以更好地模拟实际情
况.许多学者通过对 DNDC 模型的优化和修正,演
化出针对不同生态系统的模型,如 PnET鄄N鄄DNDC、
Wetland鄄DNDC、 Forest鄄DNDC、 NZ鄄DNDC、 UK鄄DNDC
等,下面简要介绍一下森林湿地模型和牧场模型.
1郾 1摇 森林湿地模型
Aber和 Federer[10]将 PnET 模型和 DNDC 模型
融合而成 PnET鄄N鄄DNDC 模型,用来模拟估算森林
生态系统和湿地生态系统的温室气体排放.
DNDC模型是基于温带农业生态系统而开发,
所以模拟森林和湿地生态系统就需要对模型的参数
和程式进行修改. Kiesk 等[11]修改了植物的生理生
态参数使模型中的植物能够全年生长,引入了常绿
林树叶更新的日平衡方程,整合了符合热带雨林的
土壤参数和生物固氮过程,同时把反硝化作用系数
(土壤湿润情况下,该系数逐渐上升,土壤干燥则下
降)引入模型中,最终成功地把 DNDC 模型应用到
热带雨林.
Zhang等[6]和 Li 等[9]在 PnET鄄N鄄DNDC 模型的
基础上,引入水位的动态变化,同时修改土壤属性和
气候条件,使模型能够模拟湿地碳循环动态过程和
估算温室气体的排放量,从而将 DNDC 模型拓展到
湿地领域,即 Wetland鄄DNDC 模型.进一步完善后的
Wetland鄄DNDC模型,通过参数设置和定义厌氧环境
下的生物地球化学过程就可以用来模拟森林生态系
统.将 Wetland鄄DNDC模型和 PnET鄄N鄄DNDC 模型整
合后的模型称为 Forest鄄DNDC[9,12-14] .
1郾 2摇 牧场模型
Saggar等[15-17]为了模拟新西兰牧场轮回放牧
方式下土壤的生物地球化学过程,对 DNDC 模型进
行修改,推出了 NZ鄄DNDC模型. NZ鄄DNDC模型主要
改动包括以下几方面:1)由于 DNDC 模型中的植物
类型均为一年生作物,NZ鄄DNDC模型改为多年生牧
草生长模型;2)量化了食草动物粪便排泄带来的氮
输入;3)放弃原模型中使用 Thorthwaite 公式计算土
壤湿度,改用 Priestley鄄Taylor 公式计算土壤潜在蒸
散量,以更准确地估计土壤湿度;4)改变土壤水分
下渗和侧流的次序,使降水事件后土壤含水量能长
期保持大于土壤最大持水量. 放牧活动的踩踏导致
土壤结实,减少了水分流失,这一现象与加拿大土壤
中含有冻层导致水流减少的情况类似,利用加拿大
常用的积水层函数来模拟土壤中的水流. Saggar
等[15]利用新西兰同一地区不同土壤类型牧场和农
场 N2O 的实测值,与 NZ鄄DNDC 模型的模拟值比较
验证,结果表明,该模型能够有效地模拟牧场 N2O
的排放模式.
2摇 模型验证
模型验证是利用实测数据与模型预测结果进行
对比分析,以明确模拟结果是否符合实际,是模型使
用过程的基本组成部分之一. 如果试验观测数据与
模型预测数据吻合地很好,可以认为模型较好地模
拟了现实中的过程和机理;反之,则认为该模型对机
理过程的模拟存在偏差甚至是错误.
评估模型预测结果的优劣不是一件易事.学者
3752 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 郭佳伟等: 生物地球化学过程模型 DNDC的研究进展及其应用摇 摇 摇 摇 摇
们用许多方法检测预测结果的拟合度,其中,最常见
的两种方法是均方根误差 ( RMSE)和决定系数
(R2),其公式如下:
RMSE =
移
n
i = 1
(P i - Oi) 2
n
R2 =
移
n
i = 1
(Oi - 軍O)(P i - 軈P)
移
n
i = 1
(Oi - 軍O) 2移
n
i = 1
(P i - 軈P) 2
式中:Oi 为第 i 个观测值;P i 为第 i 个模拟值;軍Oi 为
所有观测值的平均值;軈P 为所有模拟值的平均值;n
为观测或模拟的次数.
张远等[18]对我国东北地区水稻田的 CH4排放
通量进行估算,通过对比验证点的 24 个模拟与观测
值发现,模拟结果与观测结果具有较好的一致性
(图 2),说明 DNDC 模型能够有效地追踪或捕获稻
田在整个生长期内的甲烷排放模式.
摇 摇 DNDC 模型已被应用于不同区域的不同生态系
统,且模拟数据与实测数据的拟合度较高(表 1).
摇 摇 用上述方法来评估 N2O 日排放的预测结果拟
合度时,需特别注意:N2O的日排放量在统计学上不
是相互独立,比较不同模型的预测结果时,不能得到
模型预测结果的绝对误差;这种方法只能评估特定
图 2摇 验证田块的甲烷排放通量观测与模拟结果对比[18]
Fig. 2 摇 Comparison of measured and simulated CH4 fluxes in
validated sites[18] 郾
某天预测结果的好坏,而大多数研究者更关心长时
间 N2O的排放量和总排放量对环境变化的响应.例
如,假设模型可准确预测出 N2O 峰值,但预测值提
前或滞后于实际观测值几天,在这种情况下,用
RMSE和 R2来评估模型优劣就很不准确,但模型依
旧可以预测出可信度很高的长期排放量.
DNDC模型可以模拟和预测土壤中 N2O、CH4和
CO2的排放量、植物的生长过程和生物量的分配、土
壤有机碳含量、以及土壤中铵态氮、硝态氮的含量和
分布特征.但迄今为止,还没有试验将所有这些模拟
结果同时验证.
Beheydt等[34]利用比利时 22 个长期野外观测
站点的 N2O检测数据来验证 DNDC 模型,农田生态
系统 N2O 排放量的拟合度较高(P = 1郾 08O+7郾 4,
R2 =0郾 85,式中,O 为实测值,P 为模拟值),但草地
生态系统的模拟效果很差 (P = 0郾 42O + 7郾 2,R2 =
0郾 16).
由于 DNDC模型对所涉及的气象因子、土壤属
性因子、植物生理生态参数均很敏感,在一些预测
中,错误的模拟结果可能由于输入参数不是在模拟
点获取、或者获取的数据质量控制不好等原因造成.
3摇 敏感性分析
敏感性分析指用不同参数数值的输入来观察模
型模拟结果的变率. 通过敏感性分析可以找出显著
影响模拟结果的参数,也可以验证不同管理方式或
目标情景下温室气体排放量的差异. 通过识别出的
敏感性参数进一步定量分析,可以减少模型中由于
参数输入值的不确定性导致模拟结果的不确定性.
与模型检验不同,敏感性分析不需要用模拟结果与
试验数据进行比较.
3郾 1摇 土壤因子的敏感性分析
硝化作用和反硝化作用的过程中都能产生
N2O.虽然硝化作用需要有氧环境而反硝化作用需
要厌氧环境,但这两个过程可以同时发生,因为土壤
中同时存在好氧和厌氧的微生境.
雨水丰沛有利于土壤缺氧环境的形成,所以土
壤湿度对 N2O 的产生有重要影响. Li 等[35]通过监
测反硝化作用的产物(N2O和 N2等)发现,年降水量
对反硝化作用有极显著影响,其次是土壤 pH 值.年
降水量的增加只能略微减少 N2O 的排放,因为很大
一部分反硝化作用的产物继续发生化学反应,最终
以氮气的形式释放. Saggar 等[15]发现,由于 NO3 -能
够随水分淋失,导致净N2O排放随着降雨量的增加
475 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
表 1摇 DNDC模型模拟值与实测值的对比验证
Table 1摇 Validation studies comparing DNDC prediction against experimental measurement
生态系统
Ecosystem
模型类型
Model type
模拟参数
Simulation parameter
决定系数
R2
区域
Region
冬小麦、玉米、水稻 Winter wheat,
maize and rice
DNDC NO, N2O, CH4, NH3 N / A 中国,美国 USA[4]
森林沼泽 Forested wetland PnET鄄N鄄DNDC N2O, NO 0郾 68(N2O),0郾 78(NO) 欧洲[11]
森林沼泽 Forested wetland Wetland鄄DNDC +
MIKE SHE
CH4 0郾 862(NEC) 美国[12]
牧场 Pasture NZ鄄DNDC N2O, CH4 N / A 新西兰[16]
水稻 Rice DNDC 作物产量,CH4 0郾 90(CH4) 印度[19]
玉米、水稻 Maize, rice DNDC 作物产量 0郾 818(水稻产量)
0郾 468(玉米产量)
欧洲[20]
牧场 Pasture DNDC N2O、生物量 N / A 爱尔兰[21]
农田 Cropland DNDC SOC, N2O 0郾 82(N2O) 全球[22]
森林 Forest Forest鄄DNDC 地上生物量 0郾 73(地上生物量) 澳大利亚[23]
农牧场 Cropland and pasture EFEM鄄DNDC GHGs 0郾 734(N2O) 德国[24]
森林 Forest PnET鄄N鄄DNDC NO, N2O 0郾 35(N2O) 美国[25]
湿地 Wetland Wetland鄄DNDC CH4 N / A 中国[26]
水稻 Rice DNDC SOC N / A 中国江苏[27]
冬小麦、玉米、水稻 Winter wheat,
maize and rice
Crop鄄DNDC 土壤水分、叶面积指数、地
上生物量等
0郾 876(LAI),0郾 909(地上生
物量)
中国, 美国[28]
亚热带森林 Subtropical forest DNDC CO2 N / A 中国[29]
旱地 Dry land DNDC SOC N / A 中国甘肃[30]
温带草原 Temperate steppe Mobile鄄DNDC N2O、土壤湿度、生物量等 N / A 中国内蒙古[31]
桉林 Eucalyptus Forest鄄DNDC 地上生物量 0郾 924(地上生物量) 澳大利亚[32]
农田 Cropland DNDC SOC 0郾 44(SOC) 中国邯郸[33]
而减少.而 Stange 等[25]在森林生态系统中用 PnET鄄
N鄄DNDC模型的模拟结果表明,N2O 随着降雨量的
增加而增大. Brown 等[36] 发现,当年降水量大于
600 mm时,不管降水量再增加或减少,N2O 排放量
均上升. N2O排放量与环境因子间的这种复杂关系
可以通过模型中 N2O 产生的机理过程的敏感性分
析来解释. DNDC模型中,N2O的产生和消耗直接受
3 个因子调控:土壤的氧化还原电位、可溶性有机碳
浓度和可利用氮(铵态氮和硝态氮)浓度.当气候条
件或管理措施发生改变时,这 3 个驱动因子总是同
时发生变化,其中任何一个因子受限,N2O产生量就
会下降.
土壤粘粒含量和土壤容重都影响 N2O 排放量.
Li等[2]发现,N2O 排放量随着粘粒含量的上升而下
降,却随着土壤容重的上升而上升.土壤容重在某种
程度上代表土壤中的 SOC含量.土壤中 SOC含量的
增加可以直接导致土壤 N2O 排放量增加.土壤粘粒
含量对 N2O 排放量的影响主要是因为粘粒能够影
响到土壤的水文属性. Rochette 等[37]研究表明,N2O
排放量与土壤粘粒含量呈正比,原因在于高粘粒土
壤的湿度较高.较早版本的 DNDC 模型不能准确模
拟饱和土壤的水文情况,因为高粘粒土壤的渗透系
数低,模型中默认最大含水量为田间持水量.近来的
研究对土壤湿度这部分进行了改进,在 NZ鄄DNDC
模型中,将土壤水分流失和水分下渗过程的次序对
调一下,使土壤含水量能够超过田间持水量[17] .
3郾 2摇 管理措施的敏感性分析
DNDC模型也可以模拟和预测不同管理和利用
方式下温室气体的排放量. 尽管土壤温室气体排放
主要取决于土壤属性和气候因子,但土地的管理和
利用方式也能显著影响温室气体排放量,如施肥量
的增加能增加 N2O排放量,施肥深度的增加能减少
N2O 排放[17,36] .在美国衣阿华州玉米田的试验结果
表明,使用动物粪便的堆肥可以显著增加 N2O 排放
量,而免耕措施能减少 N2O 排放量. Brown 等[36]发
现,不同施肥类型对 N2O 排放量的影响显著,但其
主要受土壤基质的影响. 稻田温室气体排放情形也
可以用 DNDC 模型来验证[9,19,38-40] . 稻田生长中期
排水能明显减少 CH4的排放,但显著增加了 N2O 排
放量.化肥施用量在 180 kg N·hm-2以下,N2O的排
放没有显著变化,可能是因为稻田的淹水环境能有
效抑制硝化速率,使施用的化肥长期以铵态氮形态
存在;而用等量于 60 kg·hm-2尿素的腐熟农家肥能
显著提高温室气体排放量,因为农家肥含有大量的
有机碳[39] .
通过对 DNDC模拟的敏感性监测,可以为不同
5752 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 郭佳伟等: 生物地球化学过程模型 DNDC的研究进展及其应用摇 摇 摇 摇 摇
气候区域、不同土壤类型和不同环境科学技术的区
域提供多种不同的农田管理方式,以减少温室气体
的排放[14,41-43] .
4摇 模型不确定性分析
模型的模拟结果带有不确定性,不确定性的来
源可能是模型的科学结构不完善,也可能是输入参
数的不准确.一个模型由于科学基础或算法缺陷所
致的不确定性,可通过比较不同模型的模拟结果与
实测数据来发现.如 Frolking 等[44]利用 3 个国家的
5 个温带农业站点的 N2 O 通量监测数据,验证了
DNDC模型与其他 3 个基于过程的模型的拟合优劣
度,由于农业生态系统中相同的土壤氮动态模式,4
个模型的结果基本相同.
即使对一个经过充分验证的模型,模拟结果仍
会出现不确定性,这在一定程度上与输入信息的不
完善有关.不确定性是不可避免的,但有必要知道模
拟结果不确定性的范围有多大. 以经典的蒙特卡洛
分析方法为基础,DNDC 模型提供了一个模拟结果
不确定性的分析工具.
DNDC模型中整合的蒙特卡罗法,利用在特定
范围内随机生成的大量可能情景,来核对每个输入
参数;然后可以用这套预测数据进行统计分析,最终
明确当输入参数在一定范围内变化时模型预测值的
范围和分布情况.
由于蒙特卡罗法的计算相当耗时,所以较简便
的最敏感因子法(MSF)常作为区域模拟的不确定性
检验方法[45] .最敏感因子法利用输入参数的极端值
(最大值和最小值)来模拟模型预测值的变异幅度,
敏感因子的选定取决于研究目的. Li 等[46]利用美国
7 个州的土壤参数的极端值和其他参数的均值来运
行 DNDC模型,发现了最敏感因子与其他因子导致
的模拟结果不确定性的关系,其中,土壤有机碳含量
的极端值预测的 N2 O 通量变化幅度 (约 34% ~
80% )大于任何其他单一参数极端值的预测值,而
且这个预测值的变化幅度远大于其他土壤参数的极
端值带来的 N2O排放量的变化.利用 DNDC 模型模
拟哥斯达黎加的森林和牧场的 N2O 排放量,在检测
的 11 个参数中,土壤粘粒含量、容积和初始土壤有
机碳含量都是 N2 O 排放的主要驱动因子[47] .
Butterbach鄄Bahl等[48]研究发现,农业土壤中有机碳
含量对 N2O 排放量非常敏感,同时,土壤结构显著
影响 NO排放量.
Kesik 等[11]利用 PnET鄄N鄄DNDC 模型模拟森林
生态系统中含氮痕量气体的排放情景,且利用最敏
感因子法和蒙特卡罗法进行比较,利用最敏感因子
检测了最大的排放情景,该情景包括最大的土壤有机
碳、最小的 pH、最小粒径和最大粘粒含量.结果表明:
利用最敏感因子预测的 NO 排放量是蒙特卡罗法预
测排放量的 79%;但对于 N2O排放量,最敏感因子预
测的最大排放量仅占蒙特卡罗法预测值的 50% .
与蒙特卡罗法相比,最敏感因子法更节约时间,
同时可以获得统计学上可以接受的结果,所以,该方
法已被 DNDC 用户广泛用来进行区域模拟的不确
定性分析.
5摇 模型应用
DNDC模型可以用来模拟区域温室气体排放情
景. DNDC 模型在区域上应用的原理与其他基于
GIS数据的模型类似,需将整个模拟区域划分为若
干小的“单元冶,“单元冶内的土壤属性和气候参数默
认相同;不同“单元冶的土壤属性和气候参数均取决
于已经定义好的 GIS 数据库,不同类型的农田系统
都可以自定义为独立的农田管理措施,但每个单元
的农田管理措施是唯一的.
Li 等[3]通过模拟发现,弗洛里达州 6 个区的
N2O排放量约占全州 N2O排放量的 50% ,选择较高
排放的地区作为减排工程实施的重点区域容易取得
理想的效果.区域上的模拟和预测分析相对于点位
上的模拟和预测分析更具有实际意义. 表 2 列举了
已公开发表的利用 DNDC 模型在区域上模拟温室
气体排放的文章.
当前,DNDC模型主要应用于两个热点领域:一
是极端气候事件和潜在的气候变化对温室气体排放
量的影响,二是评估不同温室气体减排措施的减排
潜力.
Hsieh 等[57]利用哈德勒模型模拟 2070—2100
年的气候变化数据,研究了爱尔兰的过度放牧和牧
场施肥措施在气候变化情景下 N2O 排放量的变化,
结果表明,年均温度增加 2郾 0 ~ 2郾 58 益,冬季日均降
水量增加 0郾 55 mm,在相同氮肥使用量的情景下,
N2O年排放量增加约 45% ,额外的排放量大多发生
在春秋季.欧盟环境委员会立法通过氮肥使用量不
得超过 170 kg·hm-2,这一措施将导致 N2O 预测的
排放量会比原来情景下降约 6% . 气候的年际变化
也将影响模型模拟和预测值的波动. Smith 等[58]发
现,1990—1999 年加拿大 N2 O 排放量的平均值为
46郾 7 Gg,受气候变化的影响,年排放量在29郾 6 ~
675 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
表 2摇 DNDC模型在区域上应用的研究
Table 2摇 Regional studies using the DNDC model
生态系统
Ecosystem
模型类型
Model type
模拟的参数
Simulation parameter
区域
Region
农田 Cropland DNDC N2O 美国 USA[3]
农田 Cropland DNDC N2O 美国 USA[46]
稻麦轮作 Rice鄄wheat rotation DNDC N2O 中国 China[38]
水稻田 Paddy DNDC N2O, CH4, CO2 中国 China[9]
水稻田 Paddy DNDC CH4, N2O, CO2 印度 India[49]
森林 Forest PnET鄄N鄄DNDC N2O, NO 欧洲 Europe[11]
农田 Cropland NZ鄄DNDC N2O 新西兰 New Zealand[50]
农田 Cropland DNDC SOC 中国 China[51]
农田 Cropland DNDC NO3 - 中国 China[52]
农田 Cropland DNDC N2O, CH4 中国川中丘陵地区 Central Sichuan hilly area of China[53]
水稻田 Paddy DNDC N2O, CH4 中国太湖地区 Taihu Lake region of China [54]
水稻田 Paddy DNDC SOC, CH4, N2O 中国吉林 Jilin, China[55]
水稻田 Paddy DNDC CH4 中国东北 Northeast China[56]
77郾 0 Gg.其他研究也发现,气候年际变化可以导致
含氮气体的排放量变率达 36% [48,50] .
DNDC模型不仅可以用于预测温室气体的排
放,还可以评估不同管理方式下温室气体减排的潜
力、以及预测作物产量和其他环境要素(如土壤碳
库和硝态氮的淋失)的变化.
Grant等[41]利用 DNDC 模型模拟了加拿大主要
土壤类型和农作物类型在 6 种不同管理措施下 N2O
和 CO2排放量的变化. 模拟结果表明,农田转为草
地、传统的耕作方式转为免耕、减少作物轮作时夏季
休耕时间 3 种管理方式能显著减少温室气体的排
放,而且这些措施的减排效果与土壤类型有很大关
系.
DNDC模型的一个优点是它允许同时模拟土壤
中 3 种主要温室气体的排放量,这就使减排措施能
够考虑到 3 种温室气体排放量的综合影响.
Li 等[59]研究发现,稻田生长中期稻田排干能显
著减少 CH4排放量,虽然减排效果因为 N2O 排放量
的增加而有所减弱,但依旧能够缓和全球变暖.通过
对我国水稻种植地区的模拟发现,中期排干的管理
措施与持续泡田的农田管理方式相比,CH4排放量
减少 1郾 7 ~ 7郾 9 Tg C·a-1,而 N2 O 排放量增加了
0郾 13 ~ 0郾 20 Tg N·a-1(消除了 CH4排放量带来的
65%全球变暖的潜力).
我国农业推广秸秆还田措施和使用传统的农家
肥来让农业土壤固定更多碳,但通过 DNDC 模型的
模拟结果发现,农家肥的使用导致 N2O 和 CH4排放
量轻微上升.土壤有机碳固定策略和减少农家肥的
使用量结合起来,才能有效减少温室气体的排放量.
将 DNDC的模拟结果从一个微型生态系统进
行尺度上推到区域水平,通过确定高排放量的区域
和高排放量的管理措施,探索不同土地利用方式和
管理方式对温室气体排放量的影响,可以因地制宜
地确定最佳的减排措施.
6摇 结摇 摇 语
基于过程的 DNDC 模型,可通过模拟土壤中发
生的生物地球化学过程来预测土壤中温室气体产生
的过程.模型开发初期,主要针对美国农田生态系统
来模拟 N2O 排放量,后来被推广到其他国家和地
区,并且被拓展应用于牧场、森林和湿地生态系统,
成为目前国际上最成功的模拟生物地球化学循环的
模型之一.
土壤中温室气体排放所涉及的生物地球化学过
程非常复杂,并且有许多的反馈机制. 因此,在不同
的土壤环境和管理方式下,整合出一个能精确预测
温室气体排放的可信模型是很困难的. 采用 DNDC
模型进行区域模拟时,土壤的属性数据通常从 GIS
数据中提取或来自于土壤普查数据,同时农田管理
措施也具有很大的不确定性. 模型中许多程式计算
出的中间变量与输入参数呈线性相关,因此,模拟的
温室气体排放量精度受限.
DNDC模型还存在以下几个问题:1)不同尺度
上起主导作用的生物化学过程不同;2)区域上参数
的可获得性以及数据的准确性受限;3)不同尺度上
模型的输入参数和输出结果的变化,如尺度转
换[60] . Xu等[61]按照土壤类型聚合,从面积为 1 km2
的单元逐步聚合为面积为 11856 km2的整个流域,
7752 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 郭佳伟等: 生物地球化学过程模型 DNDC的研究进展及其应用摇 摇 摇 摇 摇
在 1 km2尺度,模型模拟的 N2O 排放量介于实测值
的依11 %范围内,整个流域尺度的模拟值比实测值
高 64% .
近 20 年来,通过收集全球范围内不同使用者的
建议和评论,DNDC 模型得到持续不断的修正和提
高. DNDC 模型不仅能模拟农田管理方式的环境效
应和环境变化对其的反馈作用,提高了人们对于土
壤生物地球化学过程机理的理解,还可以评估不同
气候情景或管理方式下温室气体排放量的变化,检
验现行的温室气体减排措施是否有效并提出改进意
见. DNDC 模型对研究生物地球化学循环和生态系
统可持续发展具有积极的指导作用.
参考文献
[1]摇 United States EPA. Inventory of U. S. Greenhouse Gas
Emissions and Sinks: 1990-1994. EPA鄄230鄄R鄄96鄄006,
1995
[2]摇 Li CS, Frolking S, Frolking TA. A model of nitrous鄄
oxide evolution from soil driven by rainfall events. 玉.
Model structure and sensitivity. Journal of Geophysical
Research-Atmospheres, 1992, 97: 9759-9776
[3]摇 Li CS, Frolking SE, Harriss RC, et al. Modeling
nitrous oxide emissions from agriculture: A Florida case
study. Chemosphere, 1994, 28: 1401-1415
[4]摇 Li CS. Modeling trace gas emissions from agricultural
ecosystems. Nutrient Cycling in Agroecosystems, 2000,
58: 259-276
[5]摇 Li CS, Aber J, Stange F, et al. A process鄄oriented
model of N2O and NO emissions from forest soils. 玉.
Model development. Journal of Geophysical Research -
Atmospheres, 2000, 105: 4369-4384
[6]摇 Zhang Y, Li CS, Trettin CC, et al. An integrated model
of soil, hydrology, and vegetation for carbon dynamics in
wetland ecosystems. Global Biogeochemical Cycles,
2002, 16: 1-17
[7]摇 Xu R, Wang M, Wang Y. Using a modified DNDC
model to estimate N2O fluxes from semi鄄arid grassland in
China. Soil Biology & Biochemistry, 2003, 35: 615 -
620
[8]摇 Li CS, Farahbakhshazad N, Jaynes DB, et al. Modeling
nitrate leaching with a biogeochemical model modified
based on observations in a row鄄crop field in Iowa. Eco鄄
logical Modelling, 2006, 196: 116-130
[9]摇 Li CS, Cui JB, Sun G, et al. Modeling impacts of man鄄
agement on carbon sequestration and trace gas emissions
in forested wetland ecosystems. Environmental Manage鄄
ment, 2004, 33: 176-186
[10]摇 Aber JD, Federer CA. A generalized, lumped鄄parame鄄
ter model of photosynthesis, evaporation and net primary
production in temperate and boreal forest ecosystems.
Oecologia, 1992, 92: 463-474
[11]摇 Kesik M, Ambus P, Baritz R, et al. Inventories of N2O
and NO emissions from European forest soils. Biogeo鄄
sciences, 2005, 2: 353-375
[12]摇 Cui JB, Li CS, Sun G, et al. Linkage of MIKE SHE to
Wetland鄄DNDC for carbon budgeting and anaerobic bio鄄
geochemistry simulation. Biogeochemistry, 2005, 72:
147-167
[13]摇 Cui JB, Li CS, Trettin C. Modeling biogeochemistry
and forest management practices for assessing GHGs
mitigation strategies in forested wetlands. Environmental
Modeling & Assessment, 2005, 10: 43-53
[14]摇 Cui JB, Li CS, Trettin C. Analyzing the ecosystem
carbon and hydrologic characteristics of forested wetland
using a biogeochemical process model. Global Change
Biology, 2005, 11: 278-289
[15]摇 Saggar S, Hedley CB, Giltrap DL, et al. Measured and
modelled estimates of nitrous oxide emission and meth鄄
ane consumption from a sheep鄄grazed pasture. Agricul鄄
ture, Ecosystems & Environment, 2007, 122: 357-365
[16]摇 Saggar S, Giltrap DL, Li CS, et al. Modelling nitrous
oxide emissions from grazed grasslands in New Zealand.
Agriculture, Ecosystems & Environment, 2007, 119:
205-216
[17]摇 Saggar S, Andrew RM, Tate KR, et al. Modelling
nitrous oxide emissions from dairy鄄grazed pastures. Nu鄄
trient Cycling in Agroecosystems, 2004, 68: 243-255
[18]摇 Zhang Y (张摇 远), Li Y (李摇 颖), Wang Y鄄Y (王
毅勇), et al. Simulation and estimation of methane
emissions from rice paddies in Sanjiang Plain of the
Northeast China. Transactions of the Chinese Society of
Agricultural Engineering(农业工程学报), 2011, 27
(8): 293-298(in chinese)
[19]摇 Babu YJ, Li CS, Frolking S, et al. Modelling of meth鄄
ane emissions from rice鄄based production systems in
India with the denitrification and decomposition model:
Field validation and sensitivity analysis. Current Sci鄄
ence, 2005, 89: 1904-1912
[20]摇 Leip A, Marchi G, Koeble R, et al. Linking an eco鄄
nomic model for European agriculture with a mechanistic
model to estimate nitrogen and carbon losses from arable
soils in Europe. Biogeosciences, 2008, 5: 73-94
[21]摇 Abdalla M, Kumar S, Jones M, et al. Testing DNDC
model for simulating soil respiration and assessing the
effects of climate change on the CO2 gas flux from Irish
agriculture. Global and Planetary Change, 2011, 78:
106-115
[22]摇 Smith WN, Grant BB, Desjardins RL, et al. A tool to
875 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
link agricultural activity data with the DNDC model to
estimate GHG emission factors in Canada. Agriculture,
Ecosystems & Environment, 2010, 136: 301-309
[23]摇 Miehle P, Livesley SJ, Li CS, et al. Quantifying uncer鄄
tainty from large鄄scale model predictions of forest carbon
dynamics. Global Change Biology, 2006, 12: 1421 -
1434
[24]摇 Neufeldt H, Sch覿fer M, Angenendt E, et al. Disag鄄
gregated greenhouse gas emission inventories from agri鄄
culture via a coupled economic鄄ecosystem model. Agri鄄
culture, Ecosystems & Environment, 2006, 112: 233 -
240
[25]摇 Stange F, Butterbach鄄Bahl K, Papen H, et al. A
process鄄oriented model of N2 O and NO emissions from
forest soils. 域. Sensitivity analysis and validation.
Journal of Geophysical Research - Atmospheres, 2000,
105: 4385-4398
[26]摇 Li TT, Huang Y, Zhang W, et al. CH4 MOD ( wet鄄
land): A biogeophysical model for simulating methane
emissions from natural wetlands. Ecological Modelling,
2010, 221: 666-680
[27]摇 Xu SX, Shi XZ, Zhao YC, et al. Modeling carbon
dynamics in paddy soils in Jiangsu Province of China
with soil databases differing in spatial resolution. Pedo鄄
sphere, 2011, 21: 696-705
[28] 摇 Zhang Y, Li CS, Zhou XJ, et al. A simulation model
linking crop growth and soil biogeochemistry for sustain鄄
able agriculture. Ecological Modelling, 2002, 151: 75-
108
[29]摇 Wang XG, Zhu B, Li CS, et al. Dissecting soil CO2
fluxes from a subtropical forest in China by integrating
field measurements with a modeling approach. Geoder鄄
ma, 2011, 161: 88-94
[30]摇 Ma Y鄄F (马玉芳), Cai L鄄Q (蔡立群), Zhang R鄄Z
(张仁芷), et al. Study on the simulation of soil organic
carbon content under different tillage modes. Journal of
Natural Resources (自然资源学报), 2011, 26 (9):
1546-1554 (in Chinese)
[31]摇 Wolf B, Kiese R, Chen W, et al. Modeling N2O emis鄄
sions from steppe in Inner Mongolia, China, with con鄄
sideration of spring thaw and grazing intensity. Plant
and Soil, 2012, 350: 297-310
[32]摇 Miehle P, Livesley SJ, Feikema PM, et al. Assessing
productivity and carbon sequestration capacity of Euca鄄
lyptus globulus plantations using the process model
Forest鄄 DNDC: Calibration and validation. Ecological
Modelling, 2006, 192: 83-94
[33]摇 Liu YH, Yu ZR, Chen J, et al. Changes of soil organic
carbon in an intensively cultivated agricultural region: A
denitrification鄄decomposition ( DNDC ) modelling ap鄄
proach. Science of The Total Environment, 2006, 372:
203-214
[34]摇 Beheydt D, Boeckx P, Sleutel S, et al. Validation of
DNDC for 22 long鄄term N2 O field emission measure鄄
ments. Atmospheric Environment, 2007, 41: 6196 -
6211
[35]摇 Li CS, Frolking S, Frolking TA. A model of nitrous鄄
oxide evolution from soil driven by rainfall events. 域.
Model applications. Journal of Geophysical Research -
Atmospheres, 1992, 97: 9777-9783
[36] 摇 Brown L, Syed B, Jarvis SC, et al. Development and
application of a mechanistic model to estimate emissions
of nitrous oxide from UK agriculture. Atmospheric Envi鄄
ronment, 2002, 36: 917-928
[37]摇 Rochette P, Angels DA, Chantigny MH, et al. Nitrous
oxide emissions respond differently to no鄄till in a loam
and a heavy clay soil. Soil Science Society of America
Journal, 2008, 72: 1363-1369
[38]摇 Li CS, Zhuang YH, Cao MQ, et al. Comparing a
process鄄based agro鄄ecosystem model to the IPCC meth鄄
odology for developing a national inventory of N2O emis鄄
sions from arable lands in China. Nutrient Cycling in
Agroecosystems, 2001, 60: 159-175
[39]摇 Pathak H, Li CS, Wassmann R. Greenhouse gas emis鄄
sions from Indian rice fields: Calibration and upscaling
using the DNDC model. Biogeosciences, 2005, 2: 113-
123
[40]摇 Babu YJ, Li CS, Frolking S, et al. Field validation of
DNDC model for methane and nitrous oxide emissions
from rice鄄based production systems of India. Nutrient
Cycling in Agroecosystems, 2006, 74: 157-174
[41]摇 Grant B, Smith WN, Desjardins R, et al. Estimated
N2O and CO2 emissions as influenced by agricultural
practices in Canada. Climatic Change, 2004, 65: 315-
332
[42]摇 Beheydt D, Boeckx P, Ahmed HP, et al. N2O emission
from conventional and minimum鄄tilled soils. Biology and
Fertility of Soils, 2008, 44: 863-873
[43]摇 Qiu JJ, Wang LG, Li H, et al. Modeling the impacts of
soil organic carbon content of croplands on crop yields in
China. Agricultural Sciences in China, 2009, 8: 464 -
471
[44]摇 Frolking SE, Mosier AR, Ojima DS, et al. Comparison
of N2O emissions from soils at three temperate agricul鄄
tural sites: Simulations of year鄄round measurements by
four models. Nutrient Cycling in Agroecosystems, 1998,
52: 77-105
[45]摇 Li H (李摇 虎), Wang L鄄G (王立刚), Qiu J鄄J (邱建
军). Estimation of CO2 and N2 O emissions from farm鄄
land soils in Hebei Province in Huang鄄Huai鄄Hai plain.
9752 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 郭佳伟等: 生物地球化学过程模型 DNDC的研究进展及其应用摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology (应用生态学报),
2007, 18(9): 1994-2000 (in Chinese)
[46]摇 Li CS, Narayanan V, Harriss RC. Model estimates of
nitrous oxide emissions from agricultural lands in the
United States. Global Biogeochemical Cycles, 1996, 10:
297-306
[47]摇 Plant RAJ. GIS鄄based extrapolation of land use鄄related
nitrous oxide flux in the Atlantic zone of Costa Rica.
Water, Air, and Soil Pollution, 1998, 105: 131-141
[48]摇 Butterbach鄄Bahl K, Kesik M, Miehle P, et al. Quantif鄄
ying the regional source strength of N鄄trace gases across
agricultural and forest ecosystems with process based
models. Plant and Soil, 2004, 206: 311-329
[49]摇 Pathak H, Li CS, Wassmann R, et al. Simulation of ni鄄
trogen balance in rice鄄wheat systems of the Indo鄄Ganget鄄
ic Plains. Soil Science Society of America Journal, 2006,
70: 1612-1622
[50]摇 Giltrap D, Saggar S, Li CS, et al. Using the NZ鄄DNDC
model to estimate agricultural N2O emissions in the
Manawatu鄄Wanganui region. Plant and Soil, 2008,
309: 191-209
[51]摇 Jin L (金摇 琳), Li Y鄄E (李玉娥), Gao Q鄄Z (高清
竹), et al. Analysis of the change of soil carbon under
cropland management in China between 1981 and 2000
by DNDC. Journal of Soil Science (土壤学报), 2010,
41(5): 1081-1085 (in Chinese)
[52]摇 Qiu JJ, Li H, Wang LG, et al. GIS鄄model based esti鄄
mation of nitrogen leaching from croplands of China.
Nutrient Cycling in Agroecosystems, 2011, 90: 243-252
[53]摇 Sun Y鄄Y (孙园园), Sun Y鄄J (孙永健), Wang R鄄T
(王瑞婷), et al. Research of tillage鄄cropping systems
on CH4 and N2O emission from permanently flooded rice
fields in a central Sichuan hilly area of southwest China.
Ecology and Environmental Sciences (生态环境学报),
2011, 20(6 / 7): 1003-1010 (in Chinese)
[54]摇 Yu DS, Yang H, Shi XZ, et al. Effects of soil spatial
resolution on quantifying CH4 and N2 O emissions from
rice fields in the Tai Lake region of China by DNDC
model. Global Biogeochemical Cycles, 2011, 25: doi:
10. 1029 / 2010GB003825
[55]摇 Xu XM, Tang J, Li ZY, et al. Global warming potential
of emissions from rice paddies in Northeastern China.
Mitigation and Adaptation Strategies for Global Change,
2011, 16: 721-731
[56]摇 Zhang Y, Wang YY, Su SL, et al. Quantifying methane
emissions from rice paddies in Northeast China by in鄄
tegrating remote sensing mapping with a biogeochemical
model. Biogeosciences, 2011, 8: 1225-1235
[57]摇 Hsieh CI, Leahy P, Kiely G, et al. The effect of future
climate perturbations on N2O emissions from a fertilized
humid grassland. Nutrient Cycling in Agroecosystems,
2005, 73: 15-23
[58]摇 Smith WN, Grant B, Desjardins RL, et al. Estimates of
the interannual variations of N2O emissions from agricul鄄
tural soils in Canada. Nutrient Cycling in Agroecosys鄄
tems, 2004, 68: 37-45
[59]摇 Li CS, Mosier A, Wassmann R, et al. Modeling green鄄
house gas emissions from rice鄄based production systems:
Sensitivity and upscaling. Global Biogeochemical Cycles,
2004, 18: 10. 1029 / 2003GB002045
[60]摇 Heuvelink GBM. Uncertainty analysis in environmental
modelling under a change of spatial scale. Nutrient
Cycling in Agroecosystems, 1998, 50: 155-264
[61]摇 Xu R, Niu HS, Li CS, et al. Uncertainties in up鄄scal鄄
ing N2O flux from field to 1 degrees伊1 degrees scale: A
case study for Inner Mongolian grasslands in China. Soil
Biology & Biochemistry, 2006, 38: 633-643
作者简介摇 郭佳伟,男,1987 年生,博士.主要从事湿地生态
过程研究. E鄄mail: guojiawei8@ 163. com
责任编辑摇 杨摇 弘
085 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷