上海农业学报2019,35(1):109-117 http://www.nyxb.shen Acta Agriculturae Shanghai DOl:10.15955/isn1000-3924.2019.01.21 张鲜鲜,周胜,孙会峰,等.DNDC模型在稻田生态系统中的研究进展及应用[J]·上海农业学报,2019,35(1):109-17 DNDC模型在稻田生态系统中的研究进展及应用 张鲜鲜,周胜,孙会峰,张继宁 上海市农业科学院生态环境保护研究所/上海低碳农业工程技术硏究中心,上海201403) 摘要:DNDC模型( DeNitrification- DeComposition model,反硝化-分解模型)是以模拟陆地生态系统中碳氮 循环为目的,耦合生态环境驱动因子及其相应的生物地球化学过程的模型,在稻田生态系统中有较好的应用 以稻田生态系统中DNDC模型应用为研究对象,通过调研与查阅文献,针对模型中稻田作物参数、温室气体排放 以及氮素流失等模块的优化改进情况进行了总结和分析。目前,模型虽然已经能较好地模拟稻田生态系统中作 物生长、甲烷排放以及氮素流失等,但仍然存在着诸如水稻类型匮乏、管理措施输入参数较少、氧化亚氮再现性 较弱等问题。在今后发展中,模型应丰富水稻类型、改进农田管理相应参数及优化氧化亚氮的模拟机理,为在稻 田减排降污方向推广模型应用、建立可靠的评估方法提供理论支撑。 关键词:DNDC模型;稻田生态系统;温室气体排放;氮素流失 中图分类号:S511;X171.1文献标识码:A文章编号:1000-3924(2019)01-109-09 Advance and application of dNdc model in paddy ecosystem ZHANG Xian-xian, ZHOU Sheng", SUN Hui-feng. ZHANG Ji-ning Institute of Eco-environmental Protection Research and Shanghai Engineering Research Center of Low-carbon Agricultural, Shanghai Academy of Agricultural Sciences, Shanghai 201403, China) bstract: DNDC model( DeNitrification-DeComposition model)is a process-oriented model that predicts carbon and nitrogen dynamics via coupling of biogeochemistry processes to ecologic environmental factors, which also has a well prediction of greenhouse gas emissions from rice paddy. Advance and application of DNDC model in paddy ecosystem were reviewed, including crop growth, greenhouse gases emissions and nitrogen loss from paddy field. The results showed that modeled results of crop growth, methane emissions, and nitrogen loss fitted observed values well after years of improvement. However, DNDC model still has its disadvantages in rice varieties, management techniques, and nitrous oxide reproducibility. These findings have implication for model mprovement on the variety of rice type, input data of agricultural management, and the mechanism of nitrous oxide emissions to provide theoretical support in greenhouse gases emissions mitigation and establish a reliable evaluation method on paddy ecosystem Key words: DNDC model; Paddy ecosystem; Greenhouse gases emissions; Nitrogen loss 农业生态系统是碳氮循环的重要载体,是甲烷、氧化亚氮和二氧化碳(CH4、N2O和CO2)的重要源汇 也是氮素流失导致水体富营养化的重要源头。农业系统中碳氮循环受诸多因素影响,如土壤、气候、作物 以及农田管理措施等。正确认知农业生态系统中的碳氮循环,定量温室气体排放与氮素流失情况,对于 研究农田减排降污、减少农田生态系统的环境负效应具有重要意义。 据世界粮农组织统计数据显示,2016年农业源温室气体可占人类活动产生温室气体排放总量的 10%-12%口),其中CH4排放量为3.22×10°GgCO2-eq,N2O排放量599×10°CgCO2-eq。稻田是我国 农田生态系统的重要组成部分,其面积占总耕地面积的24.7%口。水稻种植过程中长期淹水,土壤长期 收稿日期:2018-10-11 基金项目:上海市科技兴农项目(G2016060301,20130101和20170122);国家科技支撑项目(2013BADB02 作者简介:张鲜鲜(1987—),女,博士,主要从事稻田碳氮循环研究。E-mail: xixia0l090@163 *通信作者,E-mal:house@263.net
收稿日期：２０１８１０１１ 基金项目：上海市科技兴农项目（Ｇ２０１６０６０３０１，Ｔ２０１３０１０１和 ２０１７０１２２）；国家科技支撑项目（２０１３ＢＡＤ１１Ｂ０２） 作者简介：张鲜鲜（１９８７—），女，博士，主要从事稻田碳氮循环研究。Ｅｍａｉｌ：ｘｉｘｉｚｉ０１０９０＠１６３．ｃｏｍ 通信作者，Ｅｍａｉｌ：ｚｈｏｕｓ＠２６３．ｎｅｔ 上海农业学报 ２０１９，３５（１）：１０９１１７ ｈｔｔｐ：／／ｗｗｗ．ｎｙｘｂ．ｓｈ．ｃｎ ＡｃｔａＡｇｒｉｃｕｌｔｕｒａｅＳｈａｎｇｈａｉ ＤＯＩ：１０．１５９５５?ｊ．ｉｓｓｎ１０００３９２４．２０１９．０１．２１ 张鲜鲜，周胜，孙会峰，等．ＤＮＤＣ模型在稻田生态系统中的研究进展及应用［Ｊ］．上海农业学报，２０１９，３５（１）：１０９１１７ ＤＮＤＣ模型在稻田生态系统中的研究进展及应用 张鲜鲜，周 胜，孙会峰，张继宁 （上海市农业科学院生态环境保护研究所?上海低碳农业工程技术研究中心，上海 ２０１４０３） 摘 要：ＤＮＤＣ模型（ＤｅＮｉｔｒｉｆｉｃａｔｉｏｎＤｅＣｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌ，反硝化分解模型）是以模拟陆地生态系统中碳氮 循环为目的，耦合生态环境驱动因子及其相应的生物地球化学过程的模型，在稻田生态系统中有较好的应用。 以稻田生态系统中 ＤＮＤＣ模型应用为研究对象，通过调研与查阅文献，针对模型中稻田作物参数、温室气体排放 以及氮素流失等模块的优化改进情况进行了总结和分析。目前，模型虽然已经能较好地模拟稻田生态系统中作 物生长、甲烷排放以及氮素流失等，但仍然存在着诸如水稻类型匮乏、管理措施输入参数较少、氧化亚氮再现性 较弱等问题。在今后发展中，模型应丰富水稻类型、改进农田管理相应参数及优化氧化亚氮的模拟机理，为在稻 田减排降污方向推广模型应用、建立可靠的评估方法提供理论支撑。 关键词：ＤＮＤＣ模型；稻田生态系统；温室气体排放；氮素流失 中图分类号：Ｓ５１１；Ｘ１７１．１ 文献标识码：Ａ 文章编号：１０００３９２４（２０１９）０１１０９０９ ＡｄｖａｎｃｅａｎｄａｐｐｌｉｃａｔｉｏｎｏｆＤＮＤＣｍｏｄｅｌｉｎｐａｄｄｙｅｃｏｓｙｓｔｅｍ ＺＨＡＮＧＸｉａｎｘｉａｎ，ＺＨＯＵＳｈｅｎｇ，ＳＵＮＨｕｉｆｅｎｇ，ＺＨＡＮＧＪｉｎｉｎｇ （ＩｎｓｔｉｔｕｔｅｏｆＥｃｏｅｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎＲｅｓｅａｒｃｈａｎｄＳｈａｎｇｈａｉＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＬｏｗｃａｒｂｏｎ Ａｇｒｉｃｕｌｔｕｒａｌ，ＳｈａｎｇｈａｉＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ，Ｓｈａｎｇｈａｉ２０１４０３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＤＮＤＣｍｏｄｅｌ（ＤｅＮｉｔｒｉｆｉｃａｔｉｏｎＤｅＣｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌ）ｉｓａｐｒｏｃｅｓｓｏｒｉｅｎｔｅｄｍｏｄｅｌｔｈａｔｐｒｅｄｉｃｔｓ ｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｄｙｎａｍｉｃｓｖｉａｃｏｕｐｌｉｎｇｏｆｂｉｏｇｅｏｃｈｅｍｉｓｔｒｙｐｒｏｃｅｓｓｅｓｔｏｅｃｏｌｏｇｉｃｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓ，ｗｈｉｃｈ ａｌｓｏｈａｓａｗｅｌｌｐｒｅｄｉｃｔｉｏｎｏｆｇｒｅｅｎｈｏｕｓｅｇａｓｅｍｉｓｓｉｏｎｓｆｒｏｍｒｉｃｅｐａｄｄｙ．ＡｄｖａｎｃｅａｎｄａｐｐｌｉｃａｔｉｏｎｏｆＤＮＤＣｍｏｄｅｌ ｉｎｐａｄｄｙｅｃｏｓｙｓｔｅｍ ｗｅｒｅｒｅｖｉｅｗｅｄ，ｉｎｃｌｕｄｉｎｇｃｒｏｐｇｒｏｗｔｈ，ｇｒｅｅｎｈｏｕｓｅｇａｓｅｓｅｍｉｓｓｉｏｎｓａｎｄｎｉｔｒｏｇｅｎｌｏｓｓｆｒｏｍ ｐａｄｄｙｆｉｅｌｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｍｏｄｅｌｅｄｒｅｓｕｌｔｓｏｆｃｒｏｐｇｒｏｗｔｈ，ｍｅｔｈａｎｅｅｍｉｓｓｉｏｎｓ，ａｎｄｎｉｔｒｏｇｅｎｌｏｓｓｆｉｔｔｅｄ ｏｂｓｅｒｖｅｄｖａｌｕｅｓｗｅｌｌａｆｔｅｒｙｅａｒｓｏｆｉｍｐｒｏｖｅｍｅｎｔ．Ｈｏｗｅｖｅｒ，ＤＮＤＣ ｍｏｄｅｌｓｔｉｌｌｈａｓｉｔｓｄｉｓａｄｖａｎｔａｇｅｓｉｎｒｉｃｅ ｖａｒｉｅｔｉｅｓ，ｍａｎａｇｅｍｅｎｔｔｅｃｈｎｉｑｕｅｓ，ａｎｄｎｉｔｒｏｕｓｏｘｉｄｅｒｅｐｒｏｄｕｃｉｂｉｌｉｔｙ．Ｔｈｅｓｅｆｉｎｄｉｎｇｓｈａｖｅｉｍｐｌｉｃａｔｉｏｎｆｏｒｍｏｄｅｌ ｉｍｐｒｏｖｅｍｅｎｔｏｎｔｈｅｖａｒｉｅｔｙｏｆｒｉｃｅｔｙｐｅ，ｉｎｐｕｔｄａｔａｏｆａｇｒｉｃｕｌｔｕｒａｌｍａｎａｇｅｍｅｎｔ，ａｎｄｔｈｅｍｅｃｈａｎｉｓｍ ｏｆｎｉｔｒｏｕｓ ｏｘｉｄｅｅｍｉｓｓｉｏｎｓｔｏｐｒｏｖｉｄｅｔｈｅｏｒｅｔｉｃａｌｓｕｐｐｏｒｔｉｎｇｒｅｅｎｈｏｕｓｅｇａｓｅｓｅｍｉｓｓｉｏｎｓｍｉｔｉｇａｔｉｏｎａｎｄｅｓｔａｂｌｉｓｈａｒｅｌｉａｂｌｅ ｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｏｎｐａｄｄｙｅｃｏｓｙｓｔｅｍ． Ｋｅｙｗｏｒｄｓ：ＤＮＤＣｍｏｄｅｌ；Ｐａｄｄｙｅｃｏｓｙｓｔｅｍ；Ｇｒｅｅｎｈｏｕｓｅｇａｓｅｓｅｍｉｓｓｉｏｎｓ；Ｎｉｔｒｏｇｅｎｌｏｓｓ 农业生态系统是碳氮循环的重要载体，是甲烷、氧化亚氮和二氧化碳（ＣＨ４、Ｎ２Ｏ和 ＣＯ２）的重要源汇， 也是氮素流失导致水体富营养化的重要源头。农业系统中碳氮循环受诸多因素影响，如土壤、气候、作物 以及农田管理措施等。正确认知农业生态系统中的碳氮循环，定量温室气体排放与氮素流失情况，对于 研究农田减排降污、减少农田生态系统的环境负效应具有重要意义。 据世界粮农组织统计数据显示，２０１６年农业源温室气体可占人类活动产生温室气体排放总量的 １０％—１２％［１］ ，其中 ＣＨ４排放量为 ３．２２×１０６ＧｇＣＯ２ｅｑ，Ｎ２Ｏ排放量 ５．９９×１０６ＧｇＣＯ２ｅｑ。稻田是我国 农田生态系统的重要组成部分，其面积占总耕地面积的 ２４．７％［２］ 。水稻种植过程中长期淹水，土壤长期
110 张鲜鲜,等:DNDC模型在稻田生态系统中的研究进展及应用 处于厌氧还原条件,为CH4产生提供了有利条件,稻田CH4排放量占农业源CH4排放量的31.5%03。另 外,稻田中过量施肥导致大量的氮随着氨(NH3)挥发、淋溶径流过程运移至大气或水体中,研究显示我国 203年稻田NH3年挥发量为1.7TgN,氮淋溶为(194±61)GgN15,1990年稻田氮年径流量为 (0.46±0.08)TgN,至2012年增加了46%±11%6 目前,主要采用直接观测、排放因子法及过程模型等方法,定量研究农业生态系统中的温室气体排放 动态。直接观测需要耗费大量的人力、物力、财力,观测区域及时间极为有限,大尺度大范围的区域排放 情况代表性较差。IPCC主要推荐排放因子法,即收集前人研究反演出排放系薮,利用排放系数估算农业 系统中温室气体排放量。由于排放系数较为单一,并不能准确反映不同土壤类型、气候、作物生长及田间 管理情况等,所以该方法估算结果不确定性较高。过程模型以生物地球化学过程为基础,汇集农业生态 系统中的关键过程及其控制因子,将有限的点位观测案例扩展到较大的区域尺度,为定量计量农业系统 的碳氮循环提供了切实可行的方法。过程模型的出现弥补了田间直接观测的不足,在借助田间观测数据 验证的基础上,可以用来评估农业管理措施及环境因子的改变对温室气体排放量的影响。 各国建立的过程模型已有多个,较常使用的模拟农业生产过程中温室气体排放的模型主要有 Expert(、 RothC及DNDC等模型。其中,DNDC模型是基于生物地球化学过程。在过去二三十年 间,众多学者共同参与开发利用DNDC模型,并且加入了新的子模块和生物地球化学过程公式及参数,模 型的功能得到不断拓展。 目前,DNDC模型系列已被不同国家不同地区用于模拟农业、湿地、森林和草地等生态系统中的碳氮 循环。在稻田生态系统,DNC模型主要被用来评估土壤有机碳动态以及CH,排放,经过多年发展, DNDC模型已经能较好地实现模拟工作,并得到了广大研究者的认可。本研究主要从稻田生态系统出发 介绍υNDC模型在稻田生态系统中的发展历程与应用情况,期望模型能够在稻田减排降污硏究方向更好 地发挥作用。 1DNDC模型简介 DNDC模型主要通过模拟陆地生态系统中一系列的生物地球化学过程,将系统中生态驱动因子、环境 因子与其相应的物理化学过程结合起来,达到研究陆地生态系统中碳氮循环的目的。模型主要包含两个 部分:第一部分由土壤气候、有机质分解和植物生长3个子模型组成,依据外界环境中驱动因子(气象、土 壤、植物、农田管理等)的输入数据,初始化模型参数,预测环境因子的变化;第二部分包含硝化作用、反硝 化作用和发酵作用3个子模型,对土壤环境条件影响微生物活动和代谢的过程进行模拟,估算系统中碳 氮及水分动态,预测温室气体变化格局。李长生详细阐述了模型的子模块及机理过程,讨论了支撑模 型的科学基础和计算过程。模型发展至今,增加了许多功能与过程,形成了多个版本,广泛应用于农田 湿地、种养结合、森林和草地等生态系统,可对碳氮动态、温室气体排放、面源污染、温室气体-经济效益等 进行评估 模型主要由输入界面、生物地球化学场和核心过程交互而成。输入界面输入目标生态系统的环境驱 动因子(包括气象数据、土壤参数、作物参数和农田管理措施);利用目标环境特征,构建生物地球化学场, 并将驱动因子转化为驱动化学元素运动的营力;核心过程决定了各生物地球化学反应,最终完成对生态 系统的碳、氮和水分的计算模拟工作。 2DNDC模型在稻田生态系统中的改进 2.1作物生长 作物生长与陆地生态系统中碳氮水分动态密切相关,是保证DNDC模型能够正确模拟土壤-作物大 气循环过程中碳氮动态的基本条件。为准确模拟作物生长,模型建立了作物子模块,融合优化了相关作 物生长模型,如简单的经验方程、PnET( Photosynthesis- Evapotranspiration)、EFEM( Economic Farm Emission Model)、NEsT( Northern Ecosystem Soil Temperature)和通用作物模型 MACROS( Modules of an Annual CROp Simulator)等4。优化后的模型可以模拟作物的日生长量、作物对土壤水分和氮元素的吸取、作物潜在 生产力、水分限制和养分限制条件下的作物生长、植物根系分泌作用向土壤输送的反应底物DOC量,可以
张鲜鲜，等：ＤＮＤＣ模型在稻田生态系统中的研究进展及应用 处于厌氧还原条件，为 ＣＨ４产生提供了有利条件，稻田 ＣＨ４排放量占农业源 ＣＨ４排放量的 ３１．５％［３］ 。另 外，稻田中过量施肥导致大量的氮随着氨（ＮＨ３）挥发、淋溶径流过程运移至大气或水体中，研究显示我国 ２０１３年稻田 ＮＨ３ 年挥发量为 １．７ＴｇＮ［４］ ，氮淋溶为（１９４±６１）ＧｇＮ［５］ ，１９９０年稻田氮年径流量为 （０．４６±０．０８）ＴｇＮ，至 ２０１２年增加了 ４６％ ±１１％［６］ 。 目前，主要采用直接观测、排放因子法及过程模型等方法，定量研究农业生态系统中的温室气体排放 动态。直接观测需要耗费大量的人力、物力、财力，观测区域及时间极为有限，大尺度大范围的区域排放 情况代表性较差。ＩＰＣＣ主要推荐排放因子法，即收集前人研究反演出排放系数，利用排放系数估算农业 系统中温室气体排放量。由于排放系数较为单一，并不能准确反映不同土壤类型、气候、作物生长及田间 管理情况等，所以该方法估算结果不确定性较高。过程模型以生物地球化学过程为基础，汇集农业生态 系统中的关键过程及其控制因子，将有限的点位观测案例扩展到较大的区域尺度，为定量计量农业系统 的碳氮循环提供了切实可行的方法。过程模型的出现弥补了田间直接观测的不足，在借助田间观测数据 验证的基础上，可以用来评估农业管理措施及环境因子的改变对温室气体排放量的影响。 各国建立的过程模型已有多个，较常使用的模拟农业生产过程中温室气体排放的模型主要有 ＥｘｐｅｒｔＮ［７］ 、ＲｏｔｈＣ［８］ 及 ＤＮＤＣ等模型。其中，ＤＮＤＣ模型是基于生物地球化学过程［９］ 。在过去二三十年 间，众多学者共同参与开发利用 ＤＮＤＣ模型，并且加入了新的子模块和生物地球化学过程公式及参数，模 型的功能得到不断拓展。 目前，ＤＮＤＣ模型系列已被不同国家不同地区用于模拟农业、湿地、森林和草地等生态系统中的碳氮 循环。在稻田生态系统，ＤＮＤＣ模型主要被用来评估土壤有机碳动态以及 ＣＨ４ 排放，经过多年发展， ＤＮＤＣ模型已经能较好地实现模拟工作，并得到了广大研究者的认可。本研究主要从稻田生态系统出发， 介绍 ＤＮＤＣ模型在稻田生态系统中的发展历程与应用情况，期望模型能够在稻田减排降污研究方向更好 地发挥作用。 １ ＤＮＤＣ模型简介 ＤＮＤＣ模型主要通过模拟陆地生态系统中一系列的生物地球化学过程，将系统中生态驱动因子、环境 因子与其相应的物理化学过程结合起来，达到研究陆地生态系统中碳氮循环的目的。模型主要包含两个 部分：第一部分由土壤气候、有机质分解和植物生长 ３个子模型组成，依据外界环境中驱动因子（气象、土 壤、植物、农田管理等）的输入数据，初始化模型参数，预测环境因子的变化；第二部分包含硝化作用、反硝 化作用和发酵作用 ３个子模型，对土壤环境条件影响微生物活动和代谢的过程进行模拟，估算系统中碳 氮及水分动态，预测温室气体变化格局。李长生［１０］ 详细阐述了模型的子模块及机理过程，讨论了支撑模 型的科学基础和计算过程。模型发展至今，增加了许多功能与过程，形成了多个版本，广泛应用于农田、 湿地、种养结合、森林和草地等生态系统，可对碳氮动态、温室气体排放、面源污染、温室气体经济效益等 进行评估［１１］ 。 模型主要由输入界面、生物地球化学场和核心过程交互而成。输入界面输入目标生态系统的环境驱 动因子（包括气象数据、土壤参数、作物参数和农田管理措施）；利用目标环境特征，构建生物地球化学场， 并将驱动因子转化为驱动化学元素运动的营力；核心过程决定了各生物地球化学反应，最终完成对生态 系统的碳、氮和水分的计算模拟工作。 ２ ＤＮＤＣ模型在稻田生态系统中的改进 ２．１ 作物生长 作物生长与陆地生态系统中碳氮水分动态密切相关，是保证 ＤＮＤＣ模型能够正确模拟土壤作物大 气循环过程中碳氮动态的基本条件。为准确模拟作物生长，模型建立了作物子模块，融合优化了相关作 物生长模型，如简单的经验方程、ＰｎＥＴ（ＰｈｏｔｏｓｙｎｔｈｅｓｉｓＥｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ）、ＥＦＥＭ（ＥｃｏｎｏｍｉｃＦａｒｍＥｍｉｓｓｉｏｎ Ｍｏｄｅｌ）、ＮＥＳＴ（ＮｏｒｔｈｅｒｎＥｃｏｓｙｓｔｅｍＳｏｉｌＴｅｍｐｅｒａｔｕｒｅ）和通用作物模型 ＭＡＣＲＯＳ（ＭｏｄｕｌｅｓｏｆａｎＡｎｎｕａｌＣＲＯｐ Ｓｉｍｕｌａｔｏｒ）等［１２１４］ 。优化后的模型可以模拟作物的日生长量、作物对土壤水分和氮元素的吸取、作物潜在 生产力、水分限制和养分限制条件下的作物生长、植物根系分泌作用向土壤输送的反应底物 ＤＯＣ量，可以 １１０
上海农业学报 111 追踪植物生长过程中碳、氮和水分在生态系统中的循环流动。 模型采用8种生理物候参数定义每种作物,即:作物最大产量、生物量在籽粒、茎叶和根间的配比、籽 粒、茎叶和根的碳/氮比值、作物生长积温、作物需水量、最佳生长温度、生物固氮系数以及维管结构。根据 北美和中国的观测结果,已在v9.5版本中定义了四种水稻类型(表1)。另外,为方便用户自定义作物新 品种,模型加入了作物创造器( Crop creator)模块,用户可根据所模拟作物实际情况定义各参数。 表1DNDC9.5中四种水稻参数{10 Table 1 Four rice crop parameters in DNDC 19.5 名称(kgc:m 籽粒川叶/ 籽粒川/茎 作物需水量 最佳生长生长固氮茎秆 茎/根比值 根碳氮比值[kg水·(kg干物质)“]温度/积温/℃系数通气度 20水稻 8238 0.410.270.270.05455/85/85 2000 24旱稻 0.45.240.24.073555/55/0 5555 20001.00 0 30深水稻 0.350.280.28.12940/4072 46雨养水稻8238 0.410.270.270.054558585 DNDC模型中大部分作物参数源于北美和中国实测值,其他地区使用时需对其进行检验和校正,以保证 模拟作物生长的准确性。为使模型能够应用于印度, Pathak等结合印度实际实测值修改优化了水稻参 数,分别将生长积温优化为2250°C,将生殖生长和营养生长阶段的每日生长速率常数修改为0.015和 0.04,修正后的模型能够较好的模拟水稻产量、总生物量及作物氮吸收,偏差分别为θ.2%、1.6%及1.6% 2.2温室气体排放 DNDC模型创建后最初用于美国农田生态系统,主要对旱地N2O排放情况进行模拟。经过优化改进 后,模型已经能够较好的应用于稻田生态系统碳氮动态的模拟,Li等{61利用改进后的模型对稻田生态 系统中的温室气体排放情况进行了模拟。改进后的模型吸收了 Wetland-DNDC模型中的两个重要方 程,改进了“厌氧气球”( Anaerobic conditions) 土壤中CO2、CH4和N2O的产生消耗来自于不同的氧化还原反应(分解作用、硝化/反硝化作用以及 甲烷产生),氧化还原电位(h)状态决定了反应是否可以发生。模型利用能斯特方程( Nernst equation)计 算系统中的Eh,并利用Eh判断哪种氧化还原反应可以发生,利用米氏方程( Michaelis-Menten equations) 定量了反应物底物浓度对反应速率的动力学影响,实现了对温室气体产生的氧化还原反应的热力学和动 力学的共轭计算(图1)。厌氧气球将土壤巸h和湿地中温室气体结合起来,通过土壤Eh值控制气球大 小。模型定义气球内部为相对还原的土壤微区,气球外部为相对氧化的土壤微区,并将反应底物(如 DOC、NH4、NO3和O2等)按比例分配至气球内外,分别发生还原或氧化反应。DNDC模型通过计算 主要氧化物Eh/mV 化学方程式 氧气(O,) i O,+C=cO, 硝酸根(NO3) rt NH4 亚硝酸根(NO,) NO NO 氧化氮(NO) 氧化三氮(No)NONO+→NO+N2 锰离子(Mn4) 铁离子(Fe3) Fe+e=Fe2 硫酸根(S042)9 SO.2++10H+8e 氢气(H2) H +C CH 注:模型在湿地中通过计算Eh和反应物底物浓度追踪CO2、CH4和N2O产生的过程;通过联立能斯特方程和米氏方程计算土壤Eh值和 主要电子受体浓度 图1DNDC模型中CO2、CH4和N2O产生过程 Fig 1 DNDC tracks CO,, CH, and N,O dynamics
上 海 农 业 学 报 追踪植物生长过程中碳、氮和水分在生态系统中的循环流动。 模型采用 ８种生理?物候参数定义每种作物，即：作物最大产量、生物量在籽粒、茎叶和根间的配比、籽 粒、茎叶和根的碳?氮比值、作物生长积温、作物需水量、最佳生长温度、生物固氮系数以及维管结构。根据 北美和中国的观测结果，已在 ｖ９．５版本中定义了四种水稻类型（表 １）。另外，为方便用户自定义作物新 品种，模型加入了作物创造器（Ｃｒｏｐｃｒｅａｔｏｒ）模块，用户可根据所模拟作物实际情况定义各参数。 表 １ ＤＮＤＣｖ９．５中四种水稻参数［１０］ Ｔａｂｌｅ１ ＦｏｕｒｒｉｃｅｃｒｏｐｐａｒａｍｅｔｅｒｓｉｎＤＮＤＣｖ９．５ 名称 最大生物量 ?（ｋｇＣ·ｈｍ－２） 籽粒?叶? 茎?根比值 籽粒?叶?茎? 根碳?氮比值 作物需水量 ?［ｋｇ水·（ｋｇ干物质）－１］ 最佳生长 温度?℃ 生长 积温?℃ 固氮 系数 茎秆 通气度 ２０水稻 ８２３８ ０．４１?０．２７?０．２７?０．０５ ４５?８５?８５?８５ ５０８ ２５ ２０００ １．０５ １ ２４旱稻 ４４４４ ０．４５?０．２４?０．２４?０．０７ ３５?５５?５５?４０ ４００ ２５ ２０００ １．００ ０ ３０深水稻 ３４２９ ０．３５?０．２８?０．２８?０．１ ２９?４０?４０?７２ ４５５ ２５ ２０００ １．００ １ ４６雨养水稻 ８２３８ ０．４１?０．２７?０．２７?０．０５ ４５?８５?８５?８５ ５０８ ２５ ２０００ １．０５ １ ＤＮＤＣ模型中大部分作物参数源于北美和中国实测值，其他地区使用时需对其进行检验和校正，以保证 模拟作物生长的准确性。为使模型能够应用于印度，Ｐａｔｈａｋ等［１５］ 结合印度实际实测值修改优化了水稻参 数，分别将生长积温优化为 ２２５０°Ｃ，将生殖生长和营养生长阶段的每日生长速率常数修改为 ０．０１５和 ００４４，修正后的模型能够较好的模拟水稻产量、总生物量及作物氮吸收，偏差分别为 ０．２％、１．６％及 １．６％。 ２．２ 温室气体排放 ＤＮＤＣ模型创建后最初用于美国农田生态系统，主要对旱地 Ｎ２Ｏ排放情况进行模拟。经过优化改进 后，模型已经能够较好的应用于稻田生态系统碳氮动态的模拟，Ｌｉ等［１２，１６］ 利用改进后的模型对稻田生态 系统中的温室气体排放情况进行了模拟。改进后的模型吸收了 ＷｅｔｌａｎｄＤＮＤＣ模型［１７］ 中的两个重要方 程，改进了“厌氧气球”（Ａｎａｅｒｏｂｉｃｃｏｎｄｉｔｉｏｎｓ）。 !"#$% !"# $ %&'() $&'() *+, #*+"-, -./+!"# $, 0-./+!"- $, 1#$2+!", 1#$32+!-", 456+./01, 756+23#1, 8./+4"0 -1, 9*+5-, $#+, $6+, , 6,, -,, +,, "-1787"- !" !-" !50 1 !"# $ !"- $ !-" !- ./011-38./-1 23#113823-1 4"0 -116,519385-4105-" 7"- 750 5-17 750 注：模型在湿地中通过计算 Ｅｈ和反应物底物浓度追踪 ＣＯ２、ＣＨ４和 Ｎ２Ｏ产生的过程；通过联立能斯特方程和米氏方程计算土壤 Ｅｈ值和 主要电子受体浓度［１２］ 图 １ ＤＮＤＣ模型中 ＣＯ２、ＣＨ４和 Ｎ２Ｏ产生过程 Ｆｉｇ．１ ＤＮＤＣｔｒａｃｋｓＣＯ２，ＣＨ４ａｎｄＮ２Ｏｄｙｎａｍｉｃｓ 土壤中 ＣＯ２、ＣＨ４和 Ｎ２Ｏ的产生消耗来自于不同的氧化还原反应（分解作用、硝化?反硝化作用以及 甲烷产生），氧化还原电位（Ｅｈ）状态决定了反应是否可以发生。模型利用能斯特方程（Ｎｅｒｎｓｔｅｑｕａｔｉｏｎ）计 算系统中的 Ｅｈ，并利用 Ｅｈ判断哪种氧化还原反应可以发生，利用米氏方程（ＭｉｃｈａｅｌｉｓＭｅｎｔｅｎｅｑｕａｔｉｏｎｓ） 定量了反应物底物浓度对反应速率的动力学影响，实现了对温室气体产生的氧化还原反应的热力学和动 力学的共轭计算（图 １）。厌氧气球将土壤 Ｅｈ和湿地中温室气体结合起来，通过土壤 Ｅｈ值控制气球大 小。模型定义气球内部为相对还原的土壤微区，气球外部为相对氧化的土壤微区，并将反应底物（如 ＤＯＣ、ＮＨ４ ＋、ＮＯ３ －和 Ｏ２等）按比例分配至气球内外，分别发生还原或氧化反应。ＤＮＤＣ模型通过计算 １１１
112 张鲜鲜,等:DNDC模型在稻田生态系统中的研究进展及应用 DOC、O2NO3、NO2、NO、N2O、Mn4‘、Fe3、SO42和H2在各类反应中的消耗和浓度变化,追踪反应中 CO2、CH4和N2O的变化{2。 由于稻田特殊的水分管理模式,其土壤水分频繁在饱和-不饱和状态波动,氧化还原电位(Eh)变化范 围可达+650—-350mV。由图1可知,CH4和N2O只能在特定Eh条件下产生(CH4-300—-150mV N2O200—500mV)。模型加入了O2、NO3、Mn4、Fe3和SO42-作为电子受体,以H2和DOC作为电子供 体,以便更好地追踪土壤Eh变化,确定各氧化/还原反应反应速率,计算CH4和N2O的产生和消耗1 在稻田生态系统中,将土壤水分动态与温室气体排放相结合是准确模拟CH4和N2O排放的关键。DNDC iice模型通过增加模拟土壤渗漏和蒸散作用,以小时为步长计算逐层土壤含水量,以灌水时间及持续时 间为参数改变土壤含水量,同时定义了水分渗漏速率(以 I mm/d的速率向50cm深的土层渗漏),实现了 持续淹灌和干湿交替处理中的水分动态模拟。 Pathak等为准确模拟印度稻田温室气体排放情况,增加了一些反应底物在土壤中的泄漏率,如可 溶性有机碳(υoC)、硝酸盐会与水一样具有较高的损失量,优化后的模型模拟结果大大降低了高泄漏点 位的CH4排放量,对低或中等泄漏点位的CH4排放量基本无影响。据美国和中国观测数据,微生物生物 量在土壤有机碳占比和微生物活性常数默认值为0.02和1.0,Babu等利用印度稻田CH4和N2O观 测薮据对DNDC模型进行验证,结果表明,微生物活性常薮设置为0.2时实测值与模拟值的拟合度较高. 2.3氮素流失 DNDC模型除能模拟作物产量和温室气体排放外,还可以模拟稻田中的氮素流失,如氨气(NH3)挥发 和氮素淋溶径流等。I等为使模型能够模拟50cm内土层氮素和水分的垂直迁移,在模型中加入了一 个虚拟水库来控制排水流,并采用朗格缪尔等温方程( Langmuir ecμ uation)模拟土壤黏粒对NH4在离子态 和吸附态的吸附和解吸过程,改进优化后的模型可以较好地模拟玉米-大豆生态系统中NO3N的淋 溶。为使模型能够模拟水平方向的径流,Deng等2加入了地表径流曲线( Soil conservation service curve)和优化后的土壤流失方程( Modified universal soil loss equation functions),并利用改进后的模型对四 川盐亭冬小麦-夏玉米生态系统氮径流情况进行了模拟,结果表明,氮径流和氮淋溶的模拟值与实测值拟 合度较高(R2=0.91—1.0,P<0.01),敏感性分析显示降雨是影响氮损失的关键因子。 李虎等利用模型对山东地区冬小麦季的水分和氮素淋溶量进行估算,并用田间实测值进行校验和 敏感性分析,发现氮素淋溶量模拟值与实测值存在一定偏差,敏感性表明土壤属性和气候因素等都对模 拟结果产生较大影响;利用试错法优化参数DF(解吸系数)、dDVD(土壤孔隙水运移幂函数系数)和FSF (氨挥发对硝酸根淋溶影响的幂函数系数)后,模型能够较好地模拟土壤水和氮淋溶流失。为准确模 拟稻田中氮素流失,赵峥等[21利用观测数据对稻田氮素流失相关参数进行了修正,如修正了稻田田埂高 度(10cm)、施肥后氮素在田面水与土壤中的配比(15%的氮分配到田面水中)和稻田土壤渗漏水下渗速 率(1.2mm/d),增加了灌溉水中的氮浓度(5mg/L)。利用修正优化后的模型对上海地区稻田氮径流情况 进行模拟,模拟数据显示氮素径流平均相对标准偏差为17.29%,渗漏流失的平均相对标准偏差为 31.16%,模型已经能够较好的模拟稻田生态系统径流渗漏中的氮素流失(。 土壤中NH3来自于土壤液相中的化学反应,DNDC模型以土壤中NH4和OHˉ的浓度为参数计算液 相NH3浓度,土壤气相NH3浓度直接受控于液相NH3浓度和土壤温度,同时模型认为NH3日排放量与土 壤中影响NH2扩散的因子有关,如土壤空气孔隙度和黏粒含量等∞)。敏感性分析表明NH3挥发对模型 输入参数中的大气温度、降雨、SOC、田间持水量、pH、肥料施入时间及深度较为敏感。为了评估猪粪浆 施入农田后NH3挥发量, DNDC V.CAN新加入了一个子模块,输入参数主要有粪浆的施入时间、pH、干物 重、总氮及其占比,模拟结果表明,改进后模型的NH3挥发模拟值与实测值拟合度较高(r=0.95,P≤ 0.05),pH和黏粒对NH4的吸收能力与NH3挥发之间的相关性显著3 3DNDC模型在稻田生态系统中的应用 3.1稻田点位/区域尺度模拟 模型在模拟水稻-旱作作物轮作系统中,能够较好地模拟CH4排放峰值的动态变化,亐田间观测结果
张鲜鲜，等：ＤＮＤＣ模型在稻田生态系统中的研究进展及应用 ＤＯＣ、Ｏ２、ＮＯ３ －、ＮＯ２ －、ＮＯ、Ｎ２Ｏ、Ｍｎ４ ＋、Ｆｅ３ ＋、ＳＯ４ ２－和 Ｈ２ 在各类反应中的消耗和浓度变化，追踪反应中 ＣＯ２、ＣＨ４和 Ｎ２Ｏ的变化［１２］ 。 由于稻田特殊的水分管理模式，其土壤水分频繁在饱和不饱和状态波动，氧化还原电位（Ｅｈ）变化范 围可达 ＋６５０— －３５０ｍＶ。由图 １可知，ＣＨ４和 Ｎ２Ｏ只能在特定 Ｅｈ条件下产生（ＣＨ４ －３００— －１５０ｍＶ， Ｎ２Ｏ２００—５００ｍＶ）。模型加入了 Ｏ２、ＮＯ３ －、Ｍｎ４ ＋、Ｆｅ３ ＋和 ＳＯ４ ２－作为电子受体，以 Ｈ２和 ＤＯＣ作为电子供 体，以便更好地追踪土壤 Ｅｈ变化，确定各氧化?还原反应反应速率，计算 ＣＨ４ 和 Ｎ２Ｏ的产生和消耗［１８１９］ 。 在稻田生态系统中，将土壤水分动态与温室气体排放相结合是准确模拟 ＣＨ４和 Ｎ２Ｏ排放的关键。ＤＮＤＣ Ｒｉｃｅ模型通过增加模拟土壤渗漏和蒸散作用，以小时为步长计算逐层土壤含水量，以灌水时间及持续时 间为参数改变土壤含水量，同时定义了水分渗漏速率（以 １ｍｍ?ｄ的速率向 ５０ｃｍ深的土层渗漏），实现了 持续淹灌和干湿交替处理中的水分动态模拟［１９］ 。 Ｐａｔｈａｋ等［１５］ 为准确模拟印度稻田温室气体排放情况，增加了一些反应底物在土壤中的泄漏率，如可 溶性有机碳（ＤＯＣ）、硝酸盐会与水一样具有较高的损失量，优化后的模型模拟结果大大降低了高泄漏点 位的 ＣＨ４排放量，对低或中等泄漏点位的 ＣＨ４排放量基本无影响。据美国和中国观测数据，微生物生物 量在土壤有机碳占比和微生物活性常数默认值为 ０．０２和 １．０，Ｂａｂｕ等［２０２１］ 利用印度稻田 ＣＨ４ 和 Ｎ２Ｏ观 测数据对 ＤＮＤＣ模型进行验证，结果表明，微生物活性常数设置为 ０．２时实测值与模拟值的拟合度较高。 ２．３ 氮素流失 ＤＮＤＣ模型除能模拟作物产量和温室气体排放外，还可以模拟稻田中的氮素流失，如氨气（ＮＨ３）挥发 和氮素淋溶径流等。Ｌｉ等［２２］ 为使模型能够模拟 ５０ｃｍ内土层氮素和水分的垂直迁移，在模型中加入了一 个虚拟水库来控制排水流，并采用朗格缪尔等温方程（Ｌａｎｇｍｕｉｒｅｑｕａｔｉｏｎ）模拟土壤黏粒对 ＮＨ４ ＋在离子态 和吸附态的吸附和解吸过程，改进优化后的模型可以较好地模拟玉米大豆生态系统中 ＮＯ３ －Ｎ的淋 溶［２３］ 。为使模型能够模拟水平方向的径流，Ｄｅｎｇ等［２４］加入了地表径流曲线（Ｓｏｉｌｃｏｎｓｅｒｖａｔｉｏｎｓｅｒｖｉｃｅ ｃｕｒｖｅ）和优化后的土壤流失方程（Ｍｏｄｉｆｉｅｄｕｎｉｖｅｒｓａｌｓｏｉｌｌｏｓｓｅｑｕａｔｉｏｎｆｕｎｃｔｉｏｎｓ），并利用改进后的模型对四 川盐亭冬小麦夏玉米生态系统氮径流情况进行了模拟，结果表明，氮径流和氮淋溶的模拟值与实测值拟 合度较高（Ｒ２＝０．９１—１．０，Ｐ＜０．０１），敏感性分析显示降雨是影响氮损失的关键因子。 李虎等［２５］ 利用模型对山东地区冬小麦季的水分和氮素淋溶量进行估算，并用田间实测值进行校验和 敏感性分析，发现氮素淋溶量模拟值与实测值存在一定偏差，敏感性表明土壤属性和气候因素等都对模 拟结果产生较大影响；利用试错法优化参数 ＤＦ（解吸系数）、ｄＤＶＤ（土壤孔隙水运移幂函数系数）和 ＦＳＦ （氨挥发对硝酸根淋溶影响的幂函数系数）后，模型能够较好地模拟土壤水和氮淋溶流失［２６］ 。为准确模 拟稻田中氮素流失，赵峥等［２７］ 利用观测数据对稻田氮素流失相关参数进行了修正，如修正了稻田田埂高 度（１０ｃｍ）、施肥后氮素在田面水与土壤中的配比（１５％的氮分配到田面水中）和稻田土壤渗漏水下渗速 率（１．２ｍｍ?ｄ），增加了灌溉水中的氮浓度（５ｍｇ?Ｌ）。利用修正优化后的模型对上海地区稻田氮径流情况 进行模拟，模拟数据显示氮素径流平均相对标准偏差为 １７．２９％，渗漏流失的平均相对标准偏差为 ３１１６％，模型已经能够较好的模拟稻田生态系统径流渗漏中的氮素流失［２７２８］ 。 土壤中 ＮＨ３来自于土壤液相中的化学反应，ＤＮＤＣ模型以土壤中 ＮＨ４ ＋和 ＯＨ－的浓度为参数计算液 相 ＮＨ３浓度，土壤气相 ＮＨ３浓度直接受控于液相 ＮＨ３浓度和土壤温度，同时模型认为 ＮＨ３日排放量与土 壤中影响 ＮＨ３扩散的因子有关，如土壤空气孔隙度和黏粒含量等［２９］ 。敏感性分析表明 ＮＨ３挥发对模型 输入参数中的大气温度、降雨、ＳＯＣ、田间持水量、ｐＨ、肥料施入时间及深度较为敏感［３０］ 。为了评估猪粪浆 施入农田后 ＮＨ３挥发量，ＤＮＤＣｖ．ＣＡＮ新加入了一个子模块，输入参数主要有粪浆的施入时间、ｐＨ、干物 重、总氮及其占比，模拟结果表明，改进后模型的 ＮＨ３ 挥发模拟值与实测值拟合度较高（ｒ＝０．９５，Ｐ≤ ００５），ｐＨ和黏粒对 ＮＨ４ ＋的吸收能力与 ＮＨ３挥发之间的相关性显著［３１３２］ 。 ３ ＤＮＤＣ模型在稻田生态系统中的应用 ３．１ 稻田点位?区域尺度模拟 模型在模拟水稻旱作作物轮作系统中，能够较好地模拟 ＣＨ４排放峰值的动态变化，与田间观测结果 １１２
上海农业学报 113 基本一致,作物产量、氮吸收和氮损失的田间实测值与模拟值拟合度较好。 Katavanagi等利用 日本地区水稻作物参数对DNDC-rice模型中氮平衡进行了验证,结果显示根、茎和籽粒干物重的实测值和 模拟值较为一致(均方根误差分别为13%、16%和7%),高估了叶面积指数(LAI)、叶片干重和叶片氮含 量(均方根误差分别为125%、60%和37%),主要是由于高估了水稻氮素吸收量和叶片氮同化水平。 李小礼等对上海东滩农业园区中稻-麦轮作系统的模拟结果表明,作物产量模拟值与实测值基本 致;较好地反映了作物产量与氮肥施用量之间的关系,当氮肥施用量达到常规用量的60%后,增施氮肥 未促进作物产量显著增加,而综合温室效应较常规降低了43%。DNDC模型可以用来分析不同节水灌 溉、施肥、控排条件下稻田氮素平衡状况及氮肥利用效率,在节水灌溉且施氮量每公顷不大于180kgN 时,稻田土壤氮库亏损每公顷为54.7-127.6kgN;除浅灌深蓄中氮和浅灌深蓄高氮处理外,控排水处理 土壤氮素亏损量均大于常规排水;浅灌深蓄、施中氮和控制排水的组合是最佳的水肥处理模式{。施入 生物炭后,由于模型中还没有建立专门针对生物炭特性的输入参数,模型并不能准确表达生物炭处理后 对CH4和N2O的影响。 Zhang等结合土壤数据库估算了1982-2000年太湖地区23Mhm2稻田中稻-麦轮作生态系统的 CH4排放量为5.67TgC,每公顷年排放量约为114-138kgC,N2O排放量为0.84TgN,每公顷年排放量 约为5-20kgN。张远等根据遥感信息技术提取了三江平原的稻田空间分布信息,结合DNDC模型估 算了CH4的季节排放量,结果表明:2006年三江平原水稻田每季CH4排放量为0.4240.513TgC,且空 间差异较大。张庆国等结合统计年鉴数据对皖中沿江平原温室气体排放情况进行了估算,2008年长 丰县水稻田CH4和N2O年排放量分别为182×10-2TgC和3.03×10TgN,每公顷年排放通量分别为 55-523kgC和2.2-13.5kgN。 havano等利用日本气候、土壤、作物和管理GS数据对1990年CH4 排放情况进行模拟,CH4排放量为216GgC,东部区域CH4排放量高于西部地区,主要是由于不同的气候 条件和水分管理措施造成的 另外,随着信息网络技术的爆炸性发展,DNDC模型已有从单机版向网络版发展的趋势,ang等 开发了 CHINA- DNDC online mode,借助大数据和互联网络等技术将单机版的DNDC模型拓展成网络版, 将 online模型应用在传统单机模型上,对模型进一步扩展;同时对稻田田间案例进行模拟分析,结果表明 online模型能够较好地模拟水稻产量和温室气体排放情况。 3.2稻田减排情景模拟 农田管理措施对农业生态系统温室气体排放和面源污染具有重要影响。DNDC模型耦合了作物生 长、水分管理、肥料管理和耕作措施等农田管理措施,输入农田管理措施后通过改变模型中生物地球化学 场影响系统中碳氮循环。 Simmonds等参数化两种水稻品种‘M206’(高产半矮化品种)和 Koshihikari’(传统品种)后,研究 了在水直播和旱直播条件下,不同氮负荷和水分管理模式下水稻的产量、CH4和N2O排放情况,结果表明 模型能够较好地区别两品种的水稻产量,再现各管理情景下淹水期CH排放动态。 L等口2利用DNDC模型对我国稻田减排潜力进行了评估,结果表明:我国稻田的水分管理从淹水 条件转为中期晒田模式时,CH4年排放量可降低4.2-4.7TgC,而N2O排放量将会增加0.13-0.20TgN; 稻田温室气体减排较为有效的措施为旱稻>浅灌>以硫酸铵替代尿素或碳酸氢铵>中期晒田>非水稻 季秸秆还田>施用缓释肥>持续淹灌{。Tian等{4将DNDC模型与 DSSAT模型(Agro- technology Transfer model)和AEZ模型(Agro- Ecological zone model)耦合,评估我国水稻种植条件下的温室气体排放 和水稻产量的平衡关系,模拟结果表明:在中期晒田和平衡施肥双重管理措施下能够在保证产量的同时 降低CH4和N2O的排放。减少我国15.7%的氮肥施用量后水稻产量并不会降低;浅灌与适量施肥相结 合在水稻产量增加(1.7%)的同时,可以降低34.3%温室气体的排放量,减少2.8%的氮损失(包括NH3 挥发、氮淋溶和反硝化作用引起的氮损失)。Sone等在斯里兰卡模拟结果表明:持续淹灌和每公顷 施氮肥225kgN的条件下,水稻高产且氮损失(N2O排放和氮淋溶)较低;另外,江西余江县模拟结果表 明:增施氮肥后N2O排放和氮淋溶增加,而施加秸秆可以降低氮淋溶量1。上海地区在常规施肥模式 (每公顷施氮肥300kgN)下,氮流失量为(1142±276)kg,当施肥模式转变为每公顷尿素150kgN+有 机肥100kgN时,氮流失量可降低至(714±151)kg
上 海 农 业 学 报 基本一致［３３３４］ ，作物产量、氮吸收和氮损失的田间实测值与模拟值拟合度较好［３５］ 。Ｋａｔａｙａｎａｇｉ等［３６］ 利用 日本地区水稻作物参数对 ＤＮＤＣｒｉｃｅ模型中氮平衡进行了验证，结果显示根、茎和籽粒干物重的实测值和 模拟值较为一致（均方根误差分别为 １３％、１６％和 ７％），高估了叶面积指数（ＬＡＩ）、叶片干重和叶片氮含 量（均方根误差分别为 １２５％、６０％和 ３７％），主要是由于高估了水稻氮素吸收量和叶片氮同化水平。 李小礼等［３７］ 对上海东滩农业园区中稻麦轮作系统的模拟结果表明，作物产量模拟值与实测值基本 一致；较好地反映了作物产量与氮肥施用量之间的关系，当氮肥施用量达到常规用量的 ６０％后，增施氮肥 未促进作物产量显著增加，而综合温室效应较常规降低了 ４３％。ＤＮＤＣ模型可以用来分析不同节水灌 溉、施肥、控排条件下稻田氮素平衡状况及氮肥利用效率，在节水灌溉且施氮量每公顷不大于 １８０ｋｇＮ 时，稻田土壤氮库亏损每公顷为 ５４．７—１２７．６ｋｇＮ；除浅灌深蓄中氮和浅灌深蓄高氮处理外，控排水处理 土壤氮素亏损量均大于常规排水；浅灌深蓄、施中氮和控制排水的组合是最佳的水肥处理模式［３８］ 。施入 生物炭后，由于模型中还没有建立专门针对生物炭特性的输入参数，模型并不能准确表达生物炭处理后 对 ＣＨ４和 Ｎ２Ｏ的影响［３９］ 。 Ｚｈａｎｇ等［４０］ 结合土壤数据库估算了 １９８２—２０００年太湖地区 ２．３Ｍｈｍ２ 稻田中稻麦轮作生态系统的 ＣＨ４排放量为 ５．６７ＴｇＣ，每公顷年排放量约为 １１４—１３８ｋｇＣ，Ｎ２Ｏ排放量为 ０．８４ＴｇＮ，每公顷年排放量 约为 ５—２０ｋｇＮ。张远等［４１］ 根据遥感信息技术提取了三江平原的稻田空间分布信息，结合 ＤＮＤＣ模型估 算了 ＣＨ４的季节排放量，结果表明：２００６年三江平原水稻田每季 ＣＨ４ 排放量为 ０．４２４—０．５１３ＴｇＣ，且空 间差异较大。张庆国等［４２］ 结合统计年鉴数据对皖中沿江平原温室气体排放情况进行了估算，２００８年长 丰县水稻田 ＣＨ４和 Ｎ２Ｏ年排放量分别为 １．８２×１０－２ＴｇＣ和 ３．０３×１０－４ＴｇＮ，每公顷年排放通量分别为 ５５—５２３ｋｇＣ和 ２．２—１３．５ｋｇＮ。Ｈａｙａｎｏ等［４３］ 利用日本气候、土壤、作物和管理 ＧＩＳ数据对 １９９０年 ＣＨ４ 排放情况进行模拟，ＣＨ４排放量为 ２１６ＧｇＣ，东部区域 ＣＨ４排放量高于西部地区，主要是由于不同的气候 条件和水分管理措施造成的。 另外，随着信息网络技术的爆炸性发展，ＤＮＤＣ模型已有从单机版向网络版发展的趋势，Ｊｉａｎｇ等［４４］ 开发了 ＣＨＩＮＡＤＮＤＣｏｎｌｉｎｅｍｏｄｅ，借助大数据和互联网络等技术将单机版的 ＤＮＤＣ模型拓展成网络版， 将 ｏｎｌｉｎｅ模型应用在传统单机模型上，对模型进一步扩展；同时对稻田田间案例进行模拟分析，结果表明： ｏｎｌｉｎｅ模型能够较好地模拟水稻产量和温室气体排放情况。 ３．２ 稻田减排情景模拟 农田管理措施对农业生态系统温室气体排放和面源污染具有重要影响。ＤＮＤＣ模型耦合了作物生 长、水分管理、肥料管理和耕作措施等农田管理措施，输入农田管理措施后通过改变模型中生物地球化学 场影响系统中碳氮循环。 Ｓｉｍｍｏｎｄｓ等［４５］ 参数化两种水稻品种‘Ｍ２０６’（高产半矮化品种）和‘Ｋｏｓｈｉｈｉｋａｒｉ’（传统品种）后，研究 了在水直播和旱直播条件下，不同氮负荷和水分管理模式下水稻的产量、ＣＨ４和 Ｎ２Ｏ排放情况，结果表明 模型能够较好地区别两品种的水稻产量，再现各管理情景下淹水期 ＣＨ４排放动态。 Ｌｉ等［１２，４６］ 利用 ＤＮＤＣ模型对我国稻田减排潜力进行了评估，结果表明：我国稻田的水分管理从淹水 条件转为中期晒田模式时，ＣＨ４年排放量可降低 ４．２—４．７ＴｇＣ，而 Ｎ２Ｏ排放量将会增加 ０．１３—０．２０ＴｇＮ； 稻田温室气体减排较为有效的措施为旱稻 ＞浅灌 ＞以硫酸铵替代尿素或碳酸氢铵 ＞中期晒田 ＞非水稻 季秸秆还田 ＞施用缓释肥 ＞持续淹灌［４７］ 。Ｔｉａｎ等［４８］将 ＤＮＤＣ模型与 ＤＳＳＡＴ模型（Ａｇｒｏｔｅｃｈｎｏｌｏｇｙ Ｔｒａｎｓｆｅｒｍｏｄｅｌ）和 ＡＥＺ模型（ＡｇｒｏＥｃｏｌｏｇｉｃａｌＺｏｎｅｍｏｄｅｌ）耦合，评估我国水稻种植条件下的温室气体排放 和水稻产量的平衡关系，模拟结果表明：在中期晒田和平衡施肥双重管理措施下能够在保证产量的同时 降低 ＣＨ４和 Ｎ２Ｏ的排放。减少我国 １５．７％的氮肥施用量后水稻产量并不会降低；浅灌与适量施肥相结 合在水稻产量增加（１．７％）的同时，可以降低 ３４．３％温室气体的排放量，减少 ２．８％的氮损失（包括 ＮＨ３ 挥发、氮淋溶和反硝化作用引起的氮损失）［４９］ 。Ｓｔｏｎｅ等［５０］ 在斯里兰卡模拟结果表明：持续淹灌和每公顷 施氮肥 ２２５ｋｇＮ的条件下，水稻高产且氮损失（Ｎ２Ｏ排放和氮淋溶）较低；另外，江西余江县模拟结果表 明：增施氮肥后 Ｎ２Ｏ排放和氮淋溶增加，而施加秸秆可以降低氮淋溶量［５１］ 。上海地区在常规施肥模式 （每公顷施氮肥 ３００ｋｇＮ）下，氮流失量为（１１４２±２７６）ｋｇ，当施肥模式转变为每公顷尿素 １５０ｋｇＮ ＋有 机肥 １００ｋｇＮ时，氮流失量可降低至（７１４±１５１）ｋｇ［５２］ 。 １１３
114 张鲜鲜,等:DNDC模型在稻田生态系统中的研究进展及应用 4DNDC模型存在的不足之处 4.1稻田N2O的模拟 稻田生态系统是CH4的重要排放源,同时由于氮肥施入以及水分管理,N2O排放也不容忽略。N2O 排放主要由模型第二部分硝化和反硝化过程产生,模型通过计算土壤中h值,决定硝化或者反硝化作用 是否发生,通过米氏方程计算各级反应速率,hh、DOC和无机氮是影响N2O排放的主要因子,通常与灌 溉、降雨和氮肥施入相关。 与模型 APSIM( Agricultural Production Systems sIMulator)相比,APSM中硝化作用受温度影响较大, DNDC模型除了受温度影响外,对土壤有机碳的响应也较大; APSIM中反硝化作用受土壤水分含量驱动 DNDC模型中受降雨激发;DNDC模型模拟的N2O排放随着施氮量和降雨次数增加而增大倒。与 Daycent模型相比,DNDC模型高估了土壤有机碳对N2O排放的影响,对N2O的模拟结果显著高于观测结 果。稻田中N2O的排放主要来自于反硝化过程,受水分变化影响较大。DNDC模型认为N2O的排放 是不连续的,其过程受到施肥、降雨和灌溉的驱动,模拟结果为一系列N2O脉冲排放峰。在水分适宜、无 机氮充足的情况下,N2O排放会出现较大的峰值,贡献了大部分的N2O排放总量,如果在田间观测时未抓 住峰值岀现时间,或观测峰值与模拟峰值相差较大,将会导致模拟值与实测值拟合度较低。有硏究表明, DND℃模型能够较好地捕捉稻季NoO的剧烈释放过程,但对麦季控制灌溉处理下峰值的模拟较低,因此, 稻季模拟值与实测值极显著相关,但麦季模拟值低于实测值S。在直播稻田,NO排放量的模拟值与实 测值拟合性差,主要是由于模型中N2O排放对氮肥施用量和田间排水过度灵敏导致。模型N2O产生 与排放的相关模块需要进一步优化。稻田N2O排放较低,受施肥或水分动态变化影响较大,排水时易出 现峰值,在田间观测时较难准确把握时间,利用υNDC模型可以预测峰值岀现时间,指导田间试验,使得 实测值与模拟值更吻合,同时利用田间试验的观测数据改进模型相关机理,完成模型的优化工作。 4.2农田管理措施 DNDC模型将农田管理措施、气象条件和土壤条件相耦合,可以对不同的农田管理情景进行模拟分 析,随着研究人员及工作成果的增加,各类农田管理措施也有了很大进步。 在水稻品种方面,模型中已有4种水稻类型,但对一些新型具有减排潜力的水稻类型还未有定义,例 如节水抗旱稻。节水抗旱稻( Water-saving and drought-resistance rice,WDR)是上海市农业生物基因中心 开发、具有自主产权的系列品种,兼具了水稻和旱稻的特性,是一种具有水稻的高产优质特性、又具有旱 稻的节水抗旱特性的新型栽培稻5,可以在保证高产稳产的基础上达到节水和抗旱的双重目的5。研 究表明:节水抗旱稻在水分亏缺情况下具有较高的产量和较低的温室气体排放强度5。节水抗旱稻的 出现弥补了水稻需水多及旱稻产量低的缺点,其需水量、根系分泌物和根系泌氧能力等与常规水稻不同 导致了温室气体排放情况以及氮素流失等方面的特异性。如何更好地利用DNDC模型评估其在稻田减 排降污方面的潜力,是模型改进优化的方向之 为了提高稻田的固碳减排潜力,其他措施如覆膜栽培、生物炭施人以及硝化抑制剂的使用等均已有 研究。韩娟等在DNDC中加入了薄膜覆盖模块,对覆膜栽培模式下的土温、风速和湿度进行了修正,覆 膜可以使更多的水分保留在土壤中以供作物吸收利用,修正后的模型可以较好地模拟玉米地覆膜处理下 土壤水分动态和产量,但覆膜对温室气体的影响还未有阐述。蒋在获在CHNA- DNDC online模型中定 义了硝化抑制剂抑制效率为0.8;定义了生物炭的最大吸附量为(5gN)/(kgC),等温吸附常数K为 Ihm2/kg,孔隙度和酸碱度与初始土壤保持一致,模型能够较好地模拟N2O动态,硝化抑制剂的使用可以 在稳产的情况下降低氮肥施用量,生物炭对硝态氮的吸附可以减少氮素流失。进一步优化DNDC模型中 农田管理措施模块中关键生物地球化学过程,对其科学机理过程及参数进行广泛的校准与验证,实现对 温室气体和氮素流失等方面的准确模拟。 4.3模型模拟结果评估 模型点位模拟结果与田间观测结果较高的拟合度是应用模型的前提条件。DNC模型输岀模拟结果 后,与实测值之间的拟合需要借助一定的数学公式。目前,常用的方法有偏差分析、线性回归方程拟合和 配对t检验等。常用的偏差分析有标准误差( Mean error,E)、均方根误差( Root mean square error
张鲜鲜，等：ＤＮＤＣ模型在稻田生态系统中的研究进展及应用 ４ ＤＮＤＣ模型存在的不足之处 ４．１ 稻田 Ｎ２Ｏ的模拟 稻田生态系统是 ＣＨ４的重要排放源，同时由于氮肥施入以及水分管理，Ｎ２Ｏ排放也不容忽略。Ｎ２Ｏ 排放主要由模型第二部分硝化和反硝化过程产生，模型通过计算土壤中 Ｅｈ值，决定硝化或者反硝化作用 是否发生，通过米氏方程计算各级反应速率，Ｅｈ、ＤＯＣ和无机氮是影响 Ｎ２Ｏ排放的主要因子，通常与灌 溉、降雨和氮肥施入相关。 与模型 ＡＰＳＩＭ（ＡｇｒｉｃｕｌｔｕｒａｌＰｒｏｄｕｃｔｉｏｎＳｙｓｔｅｍｓｓＩＭｕｌａｔｏｒ）相比，ＡＰＳＩＭ中硝化作用受温度影响较大， ＤＮＤＣ模型除了受温度影响外，对土壤有机碳的响应也较大；ＡＰＳＩＭ中反硝化作用受土壤水分含量驱动， ＤＮＤＣ模型中受降雨激发；ＤＮＤＣ模型模拟的 Ｎ２Ｏ排放随着施氮量和降雨次数增加而增大［５３］ 。与 Ｄａｙｃｅｎｔ模型相比，ＤＮＤＣ模型高估了土壤有机碳对 Ｎ２Ｏ排放的影响，对 Ｎ２Ｏ的模拟结果显著高于观测结 果［５４］ 。稻田中 Ｎ２Ｏ的排放主要来自于反硝化过程，受水分变化影响较大。ＤＮＤＣ模型认为 Ｎ２Ｏ的排放 是不连续的，其过程受到施肥、降雨和灌溉的驱动，模拟结果为一系列 Ｎ２Ｏ脉冲排放峰。在水分适宜、无 机氮充足的情况下，Ｎ２Ｏ排放会出现较大的峰值，贡献了大部分的 Ｎ２Ｏ排放总量，如果在田间观测时未抓 住峰值出现时间，或观测峰值与模拟峰值相差较大，将会导致模拟值与实测值拟合度较低。有研究表明， ＤＮＤＣ模型能够较好地捕捉稻季 Ｎ２Ｏ的剧烈释放过程，但对麦季控制灌溉处理下峰值的模拟较低，因此， 稻季模拟值与实测值极显著相关，但麦季模拟值低于实测值［５５］ 。在直播稻田，Ｎ２Ｏ排放量的模拟值与实 测值拟合性差，主要是由于模型中 Ｎ２Ｏ排放对氮肥施用量和田间排水过度灵敏导致［４５］ 。模型 Ｎ２Ｏ产生 与排放的相关模块需要进一步优化。稻田 Ｎ２Ｏ排放较低，受施肥或水分动态变化影响较大，排水时易出 现峰值，在田间观测时较难准确把握时间，利用 ＤＮＤＣ模型可以预测峰值出现时间，指导田间试验，使得 实测值与模拟值更吻合，同时利用田间试验的观测数据改进模型相关机理，完成模型的优化工作。 ４．２ 农田管理措施 ＤＮＤＣ模型将农田管理措施、气象条件和土壤条件相耦合，可以对不同的农田管理情景进行模拟分 析，随着研究人员及工作成果的增加，各类农田管理措施也有了很大进步。 在水稻品种方面，模型中已有 ４种水稻类型，但对一些新型具有减排潜力的水稻类型还未有定义，例 如节水抗旱稻。节水抗旱稻（ＷａｔｅｒｓａｖｉｎｇａｎｄＤｒｏｕｇｈｔｒｅｓｉｓｔａｎｃｅＲｉｃｅ，ＷＤＲ）是上海市农业生物基因中心 开发、具有自主产权的系列品种，兼具了水稻和旱稻的特性，是一种具有水稻的高产优质特性、又具有旱 稻的节水抗旱特性的新型栽培稻［５６］ ，可以在保证高产稳产的基础上达到节水和抗旱的双重目的［５７］ 。研 究表明：节水抗旱稻在水分亏缺情况下具有较高的产量和较低的温室气体排放强度［５８５９］ 。节水抗旱稻的 出现弥补了水稻需水多及旱稻产量低的缺点，其需水量、根系分泌物和根系泌氧能力等与常规水稻不同， 导致了温室气体排放情况以及氮素流失等方面的特异性。如何更好地利用 ＤＮＤＣ模型评估其在稻田减 排降污方面的潜力，是模型改进优化的方向之一。 为了提高稻田的固碳减排潜力，其他措施如覆膜栽培、生物炭施入以及硝化抑制剂的使用等均已有 研究。韩娟等［６０］ 在 ＤＮＤＣ中加入了薄膜覆盖模块，对覆膜栽培模式下的土温、风速和湿度进行了修正，覆 膜可以使更多的水分保留在土壤中以供作物吸收利用，修正后的模型可以较好地模拟玉米地覆膜处理下 土壤水分动态和产量，但覆膜对温室气体的影响还未有阐述。蒋在荻［６１］ 在 ＣＨＩＮＡＤＮＤＣｏｎｌｉｎｅ模型中定 义了硝化抑制剂抑制效率为 ０．８；定义了生物炭的最大吸附量为（５ｇＮ）?（ｋｇＣ），等温吸附常数 Ｋ为 １ｈｍ２ ?ｋｇ，孔隙度和酸碱度与初始土壤保持一致，模型能够较好地模拟 Ｎ２Ｏ动态，硝化抑制剂的使用可以 在稳产的情况下降低氮肥施用量，生物炭对硝态氮的吸附可以减少氮素流失。进一步优化 ＤＮＤＣ模型中 农田管理措施模块中关键生物地球化学过程，对其科学机理过程及参数进行广泛的校准与验证，实现对 温室气体和氮素流失等方面的准确模拟。 ４．３ 模型模拟结果评估 模型点位模拟结果与田间观测结果较高的拟合度是应用模型的前提条件。ＤＮＤＣ模型输出模拟结果 后，与实测值之间的拟合需要借助一定的数学公式。目前，常用的方法有偏差分析、线性回归方程拟合和 配对 ｔ检验等［６２］ 。常用的偏差分析有标准误差（Ｍｅａｎｅｒｒｏｒ，Ｅ）、均方根误差（Ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ， １１４
上海农业学报 115 RMSE)建模效率( Modeling efficiency,EF)和一致性系数( Index of agreement,d)。E可以用来检验模型是 否高估(E>0)或低估(E<0)了模拟值;RMSE通常与 nRMSE同时使用;EF取值范围是-∞到1,EF=1 时表示模拟值与实测值全部匹配,当EF≥0表示模型预测值较好;d取值范围为0—1,值接近于1说明 模拟值与实测值吻合度较好。模拟值与实测值之间的线性相关关系经常被用来表示它们之间的拟合度 相关系数R2接近于1,说明模拟值与实测值拟合度高,R2=0说明模拟值与实测值之间不存在线性相关 性。在配对t检验中,实测值和模拟值需要符合正态分布,主要对平均数与其各自所代表的总体进行差异 性分析。不同的方法侧重点不同,因此,方法的选择会影响到模拟结果的评价结果。 在各地稻田生态系统中,从水稻参数到田间管理方式,从土壤参数到气候条件存在较大的空间和时 间异质性。对于使用者而言,由于模型内部参数众多且参数间相关性紧密,有时很难准确找到并修正关 键参数,从一定程度上限制了模型的准确性。点位尺度上,用户可以使用 Monte carlo对各参数进行不确 定分析;在区域尺度上,模型采用最敏感因子( Most sensitive factor)去优化模型预测结果,利用各输出参数 的最敏感因子的最大值和最小值分别进行模拟,最终预测出一个范围,并假设该范围涵盖了真实值。 wang等结合了OAT(One- actor-at-a-time)和傅里叶灵敏度检测( Extended Fourier amplitude sensitivity test)对模型敏感性进行分析,结果表明土地利用类型与土壤性质对区域碳储量影响较大。不确定性或敏 感性分析的加入有助于选择合适的参数,提高模型区域模拟结果的可靠性。 5总结与展望 DNDC模型建立至今,世界各国的研究者用他们的田间数据对模型进行了验证校正,使得模型的可信 度不断增加,预测功能和使用范围不断扩展,模型逐步发展为可以在各个陆地生态系统中使用,预测作物 生长、土壤碳氮动态、温室气体排放及氮素流失等。随着环境问题的日益加剧,农田管理措施的不断改 进,对模型的预测功能的期望不断增加。另外,在信息时代的大背景下,DNDC模型已有从单机版向网络 版发展的趋势,大数据和互联网络等技术完全可以应用在传统单机模型上,进一步拓展模型功能。如何 更好地利用模型从点位尺度上到区域尺度上为水稻低碳生产服务,建立可信度较高的各农田管理措施和 情景下的预测评价系统,是模型在稻田应用方向发展的趋势。 参考文献 [1]foodandAgricultureOrganizationoftheUnitedNations.Statisticalyearbook2016:worldfoodandagricultureEb/oL].[2018-08-20].http:// [2]中华人民共和国农业农村部.2016年中国农业统计资料[M].北京:中国农业出版社,2017 [3]国家发展和改革委员会应对气候变化司中华人民共和国气候变化第二次国家信息通报[M].北京:中国经济出版社,2013 [4] WANG H, ZHANG D, ZHANG Y, et al. Ammonia emissions from paddy fields are underestimated in China[ J].Environmental Pollution, 2018 235:482488 [5]GAO S, XU P, ZHOU F, et al. Quantifying nitrogen leaching response to fertilizer additions in China's cropland J]. Environmental Pollution 016,211:241-251 [6]HOU X, ZHAN X, ZHOU F, et al. Detection and attribution of nitrogen runoff trend in China's croplands[J]. Environmental Pollution, 2018 234:270-278 [7]ENGEL T, PRIESACK E. Expert-N, a building block system of nitrogen models as resource for advice, research, water management and policy: Integrated Soil and Sediment Research: A Basis for Proper Protection[C]. Dordrecht: Springer, 1993 [8]COLEMAN K, JENKINSON D. RothC-26 3: a model for the turnover of carbon in soil: Evaluation of Soil Organic Matter Models[C]. Berlin [9]LI C. The DNDC mode: Evaluation of Soil Organic Matter Models[C]. Berlin: Springer, 1996 [10]李长生.生物地球化学:科学基础与模型方法[M].北京:清华大学出版社,2016 [11] GILHESPY S, ANTHONY S, CARDENAS L, et al. First 20 years of DNDC( DeNitrification DeComposition): model evolution[J]. Ecological Modelling,2014,292:51462 12]LI C, MOSIER A, WASSMANN R, et al. Modeling greenhouse gas emissions from rice-based production systems: sensitivity and upscaling[J] Global Biogeochemical Cycles, 2004, 18(1): GB1043 [13]ZHANG Y, NIU H. The development of the DNDC plant growth sub-model and the application of DNDC in agriculture: a review[J] culture Ecosystems Environment 2016.230: 271-282
上 海 农 业 学 报 ＲＭＳＥ）、建模效率（Ｍｏｄｅｌｉｎｇｅｆｆｉｃｉｅｎｃｙ，ＥＦ）和一致性系数（Ｉｎｄｅｘｏｆａｇｒｅｅｍｅｎｔ，ｄ）。Ｅ可以用来检验模型是 否高估（Ｅ＞０）或低估（Ｅ＜０）了模拟值；ＲＭＳＥ通常与 ｎＲＭＳＥ同时使用；ＥＦ取值范围是 －∞到 １，ＥＦ＝１ 时表示模拟值与实测值全部匹配，当 ＥＦ≥ ０表示模型预测值较好；ｄ取值范围为 ０—１，值接近于 １说明 模拟值与实测值吻合度较好。模拟值与实测值之间的线性相关关系经常被用来表示它们之间的拟合度， 相关系数 Ｒ２接近于 １，说明模拟值与实测值拟合度高，Ｒ２ ＝０说明模拟值与实测值之间不存在线性相关 性。在配对 ｔ检验中，实测值和模拟值需要符合正态分布，主要对平均数与其各自所代表的总体进行差异 性分析。不同的方法侧重点不同，因此，方法的选择会影响到模拟结果的评价结果。 在各地稻田生态系统中，从水稻参数到田间管理方式，从土壤参数到气候条件存在较大的空间和时 间异质性。对于使用者而言，由于模型内部参数众多且参数间相关性紧密，有时很难准确找到并修正关 键参数，从一定程度上限制了模型的准确性。点位尺度上，用户可以使用 ＭｏｎｔｅＣａｒｌｏ对各参数进行不确 定分析；在区域尺度上，模型采用最敏感因子（Ｍｏｓｔｓｅｎｓｉｔｉｖｅｆａｃｔｏｒ）去优化模型预测结果，利用各输出参数 的最敏感因子的最大值和最小值分别进行模拟，最终预测出一个范围，并假设该范围涵盖了真实值［１２］ 。 Ｗａｎｇ等［６３］ 结合了 ＯＡＴ（Ｏｎｅｆａｃｔｏｒａｔａｔｉｍｅ）和傅里叶灵敏度检测（ＥｘｔｅｎｄｅｄＦｏｕｒｉｅｒａｍｐｌｉｔｕｄｅｓｅｎｓｉｔｉｖｉｔｙ ｔｅｓｔ）对模型敏感性进行分析，结果表明土地利用类型与土壤性质对区域碳储量影响较大。不确定性或敏 感性分析的加入有助于选择合适的参数，提高模型区域模拟结果的可靠性。 ５ 总结与展望 ＤＮＤＣ模型建立至今，世界各国的研究者用他们的田间数据对模型进行了验证校正，使得模型的可信 度不断增加，预测功能和使用范围不断扩展，模型逐步发展为可以在各个陆地生态系统中使用，预测作物 生长、土壤碳氮动态、温室气体排放及氮素流失等。随着环境问题的日益加剧，农田管理措施的不断改 进，对模型的预测功能的期望不断增加。另外，在信息时代的大背景下，ＤＮＤＣ模型已有从单机版向网络 版发展的趋势，大数据和互联网络等技术完全可以应用在传统单机模型上，进一步拓展模型功能。如何 更好地利用模型从点位尺度上到区域尺度上为水稻低碳生产服务，建立可信度较高的各农田管理措施和 情景下的预测评价系统，是模型在稻田应用方向发展的趋势。 参 考 文 献 ［１］ＦｏｏｄａｎｄＡｇｒｉｃｕｌｔｕｒｅＯｒｇａｎｉｚａｔｉｏｎｏｆｔｈｅＵｎｉｔｅｄＮａｔｉｏｎｓ．Ｓｔａｔｉｓｔｉｃａｌｙｅａｒｂｏｏｋ２０１６：ｗｏｒｌｄｆｏｏｄａｎｄａｇｒｉｃｕｌｔｕｒｅ［ＥＢ?ＯＬ］．［２０１８０８２０］．ｈｔｔｐ：?? ｗｗｗ．ｆａｏ．ｏｒｇ?ｆａｏｓｔａｔ?ｅｎ?． ［２］中华人民共和国农业农村部．２０１６年中国农业统计资料［Ｍ］．北京：中国农业出版社，２０１７． ［３］国家发展和改革委员会应对气候变化司．中华人民共和国气候变化第二次国家信息通报［Ｍ］．北京：中国经济出版社，２０１３． ［４］ＷＡＮＧＨ，ＺＨＡＮＧＤ，ＺＨＡＮＧＹ，ｅｔａｌ．ＡｍｍｏｎｉａｅｍｉｓｓｉｏｎｓｆｒｏｍｐａｄｄｙｆｉｅｌｄｓａｒｅｕｎｄｅｒｅｓｔｉｍａｔｅｄｉｎＣｈｉｎａ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＰｏｌｌｕｔｉｏｎ，２０１８， ２３５：４８２４８８． ［５］ＧＡＯＳ，ＸＵＰ，ＺＨＯＵＦ，ｅｔａｌ．ＱｕａｎｔｉｆｙｉｎｇｎｉｔｒｏｇｅｎｌｅａｃｈｉｎｇｒｅｓｐｏｎｓｅｔｏｆｅｒｔｉｌｉｚｅｒａｄｄｉｔｉｏｎｓｉｎＣｈｉｎａｓｃｒｏｐｌａｎｄ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＰｏｌｌｕｔｉｏｎ， ２０１６，２１１：２４１２５１． ［６］ＨＯＵＸ，ＺＨＡＮＸ，ＺＨＯＵＦ，ｅｔａｌ．ＤｅｔｅｃｔｉｏｎａｎｄａｔｔｒｉｂｕｔｉｏｎｏｆｎｉｔｒｏｇｅｎｒｕｎｏｆｆｔｒｅｎｄｉｎＣｈｉｎａｓｃｒｏｐｌａｎｄｓ［Ｊ］．ＥｎｖｉｒｏｎｍｅｎｔａｌＰｏｌｌｕｔｉｏｎ，２０１８， ２３４：２７０２７８． ［７］ＥＮＧＥＬＴ，ＰＲＩＥＳＡＣＫＥ．ＥｘｐｅｒｔＮ，ａｂｕｉｌｄｉｎｇｂｌｏｃｋｓｙｓｔｅｍｏｆｎｉｔｒｏｇｅｎｍｏｄｅｌｓａｓｒｅｓｏｕｒｃｅｆｏｒａｄｖｉｃｅ，ｒｅｓｅａｒｃｈ，ｗａｔｅｒｍａｎａｇｅｍｅｎｔａｎｄｐｏｌｉｃｙ： ＩｎｔｅｇｒａｔｅｄＳｏｉｌａｎｄＳｅｄｉｍｅｎｔＲｅｓｅａｒｃｈ：ＡＢａｓｉｓｆｏｒＰｒｏｐｅｒＰｒｏｔｅｃｔｉｏｎ［Ｃ］．Ｄｏｒｄｒｅｃｈｔ：Ｓｐｒｉｎｇｅｒ，１９９３． ［８］ＣＯＬＥＭＡＮＫ，ＪＥＮＫＩＮＳＯＮＤ．ＲｏｔｈＣ２６．３：ａｍｏｄｅｌｆｏｒｔｈｅｔｕｒｎｏｖｅｒｏｆｃａｒｂｏｎｉｎｓｏｉｌ：ＥｖａｌｕａｔｉｏｎｏｆＳｏｉｌＯｒｇａｎｉｃＭａｔｔｅｒＭｏｄｅｌｓ［Ｃ］．Ｂｅｒｌｉｎ： Ｓｐｒｉｎｇｅｒ，１９９６． ［９］ＬＩＣ．ＴｈｅＤＮＤＣｍｏｄｅ：ＥｖａｌｕａｔｉｏｎｏｆＳｏｉｌＯｒｇａｎｉｃＭａｔｔｅｒＭｏｄｅｌｓ［Ｃ］．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ，１９９６． ［１０］李长生．生物地球化学：科学基础与模型方法［Ｍ］．北京：清华大学出版社，２０１６． ［１１］ＧＩＬＨＥＳＰＹＳ，ＡＮＴＨＯＮＹＳ，ＣＡＲＤＥＮＡＳＬ，ｅｔａｌ．Ｆｉｒｓｔ２０ｙｅａｒｓｏｆＤＮＤＣ（ＤｅＮｉｔｒｉｆｉｃａｔｉｏｎＤｅＣｏｍｐｏｓｉｔｉｏｎ）：ｍｏｄｅｌｅｖｏｌｕｔｉｏｎ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｍｏｄｅｌｌｉｎｇ，２０１４，２９２：５１６２． ［１２］ＬＩＣ，ＭＯＳＩＥＲＡ，ＷＡＳＳＭＡＮＮＲ，ｅｔａｌ．Ｍｏｄｅｌｉｎｇｇｒｅｅｎｈｏｕｓｅｇａｓｅｍｉｓｓｉｏｎｓｆｒｏｍｒｉｃｅｂａｓｅｄｐｒｏｄｕｃｔｉｏｎｓｙｓｔｅｍｓ：ｓｅｎｓｉｔｉｖｉｔｙａｎｄｕｐｓｃａｌｉｎｇ［Ｊ］． ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，２００４，１８（１）：ＧＢ１０４３． ［１３］ＺＨＡＮＧＹ，ＮＩＵ Ｈ．ＴｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅＤＮＤＣｐｌａｎｔｇｒｏｗｔｈｓｕｂｍｏｄｅｌａｎｄｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆＤＮＤＣｉｎａｇｒｉｃｕｌｔｕｒｅ：ａｒｅｖｉｅｗ［Ｊ］． Ａｇｒｉｃｕｌｔｕｒｅ，Ｅｃｏｓｙｓｔｅｍｓ＆Ｅｎｖｉｒｏｎｍｅｎｔ，２０１６，２３０：２７１２８２． １１５
116 张鲜鲜,等:DNDC模型在稻田生态系统中的研究进展及应用 [14] ZHANG Y, LI C, ZHOU X, et al. A simulation model linking crop growth and soil biogeochemistry for sustainable agriculture[J]. Ecological Modelling,2002,151(1):75-108 [15]PATHAK H, LI C, WASSMANN R Greenhouse gas emissions from Indian rice fields: calibration and upscaling using the DNDC model[J]] Biogeosciences, 2005, 2(2): 113-123 [16] LI C, QIU J, FROLKING S, et al. Reduced methane emissions from large-scale changes in water management of China's rice paddies during 1980-2000[J]. Geophysical Research Letters, 2002, 29(20): 1972 [17]ZHANG Y, LI C, TRETTIN C, et al. An integrated model of soil, hydrology, and vegetation for carbon dynamics in wetland ecosystems[JJ Global Biogeochemical Cycles, 2002, 16(4): 1061 18] FUMOTO T, KOBAY ASHI K, LI C, et al. Revising a process-based biogeochemistry model( DNDC)to simulate methane emission fron ddy fields under various residue management and fertilizer regimes[ J]. Global Change Biology, 2008, 14(2):382402 [19] KATAYANAGI N, FURUKAWA Y, FUMOTO T, et al. Validation of the DNDC- Rice model by using CH, and N, O flux data from rice cultivated in pots under altemate wetting and drying imigation management[J].Soil Science and Plant Nutrition, 2012, 58(3): 360-372. [20]BABU Y, LIC, FROLKING S, et al. Field validation of DNDC model for methane and nitrous oxide emissions from rice-based production systems of india[ J]. Nutrient Cycling in Agroecosystems, 2006, 74(2): 157-174. [21 BABU Y, L C, FROLKING S, et al. Modelling of methane emissions from rice-based production systems in India with the denitrification and decomposition model; field validation and sensitivity analysis[J]. Current Science, 2005, 89(11):1904-1912. [22]LI C, FARAHBAKHSHAZAD N, JAYNES D, et al. Modeling nitrate leaching with a biogeochemical model modified based on observations in a row-crop field in lowa[ J]. Ecological Modelling, 2006, 196(1): 116-130 [23]TONITTO C, DAVID M B, DRINKWATER L E, et al. Application of the DNDC model to tile-drained Illinois agroecosystems: model calibration validation, and uncertainty analysis[ J]. Nutrient Cycling in Agroecosystems, 2007, 78(1):51-63 [24DENG J, ZHU B, ZHOU Z, et al. Modeling nitrogen loadings from agricultural soils in southwest China with modified DNDC[J]. Journal of eophysical Research Biogeosciences, 2011, 116: G02020 [25] LI H, WANG L, QIU J, et al. Calibration of DNDC model for nitrate leaching from an intensively cultivated region of Northem China[J] Geoderma,2014,223-225:l08-118 [26]李虎,王立刚,邱建军.DNDC模型在农田氮素渗漏淋失估算中的应用[J]应用生态学报,2009,20(7)1591-1596 [27]ZHAO Z, ZHANG H, LI C, et al. Quantifying nitrogen loading from a paddy field in Shanghai, China with modified DNDC model[J] Agriculture, Ecosystems Environment, 2014, 197: 212-221 [28]赵峥.基于DNDC模型的稻田氮素流失及温室气体排放研究[D].上海:上海交通大学,2016 [29]LI C. Modeling trace gas emissions from agricultural ecosystems[J]. Nutrient Cycling in Agroecosystems, 2000,58: 259-276 [30]BALASUBRAMANIAN S, NELSON A, KOLOUTSOU-VAKAKIS S, et al. Evaluation of De Nitrification DeComposition model for estimating ammonia fluxes from chemical fertilizer application[J]. Agricultural and Forest Meteorology, 2017, 237/238: 123-134 [31 CONGREVES K, GRANT B, DUTTA B, et al. Predicting a volatilization after field application of swine slurry: DNDC model development [J]. Agriculture, Ecosystems& Environment, 2016, 219: 179-189 [32] DUTTA B, CONGREVES K, SMITH W, et al. Improving DNDC model to estimate ammonia loss from urea fertilizer application in temperate agroecosystems[J]. Nutrient Cycling in Agroecosystems, 2016, 106(3): 275-292 [33]张啸林不同稻田轮作体系下温室气体排放及温室气体强度研究[D].南京:南京农业大学,2013 [34CHUN J, SHIM K, MIN S, et al. Methane mitigation for flooded rice paddy systems in South Korea using a process-based model[J]. Paddy and nvironment, 2016. 14(1 [35] PATHAK H, LI C, WASSMANN R, et al. Simulation of nitrogen balance in rice-wheat systems of the Indo-Gangetic Plains[J].Soil Science Society of America Journal, 2006, 70(5 ): 1612-1622 [36]KATAYANAGI N, ONO K, FUMOTO T, et al. Validation of the DNDC-Rice model to discover problems in evaluating the nitrogen balance at a paddy-field scale for single-cropping of rice[J]. Nutrient Cycling in Agroecosystems, 2013, 95(2): 255-268 [37]李小礼平原海岛地区稻麦轮作农田生态系统减量施用氮肥的环境效应研究[D].上海:华东理工大学,2012 [38]刘欢欢,邵东国节灌控排条件下稻田氮平衡模拟及利用效率分析[]灌溉排水学报,2013,32(2):5256 [39]王欣欣.生物炭施用对稻田温室气体排放的影响研究[D]南京:南京农业大学,2013. [40]ZHANG L, YU D, SHI X, et al. Simulation of global warming potential (GWP)from rice fields in the Tai-Lake region, China by coupling I 0000 soil database with DNDC model[ J]. Atmospheric Environment, 2009,43(17): 2737-2746 [41]张远,李颖,王毅勇,等.三江平原稻田甲烷排放的模拟与估算[J]农业工程学报,2011,27(8):293-298 42]张庆国,李鹏飞,徐丽,等.皖中沿江平原水稻田CH4和N2O排放估算及其影响因素分析[J].土壤通报,2012,43(1):212218 [43 HAYANO M, FUMOTO T, YAGI K, et al. National-scale estimation of methane emission from paddy fields in Japan: Database construction and upscaling using a process-based biogeochemistry model[ J]- Soil Science and Plant Nutrition, 2013, 59(5): 812-823 [44] JIANG Z, YIN S, ZHANG X, et al. Research and Development of a DNDC Online Model for Farmland Carbon Sequestration and GHG Emissions Mitigation in China[J]. International Journal of Environmental Research and Public Health, 2017, 14: 1493
张鲜鲜，等：ＤＮＤＣ模型在稻田生态系统中的研究进展及应用 ［１４］ＺＨＡＮＧＹ，ＬＩＣ，ＺＨＯＵＸ，ｅｔａｌ．Ａｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｌｉｎｋｉｎｇｃｒｏｐｇｒｏｗｔｈａｎｄｓｏｉｌｂｉｏｇｅｏｃｈｅｍｉｓｔｒｙｆｏｒｓｕｓｔａｉｎａｂｌｅａｇｒｉｃｕｌｔｕｒｅ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｍｏｄｅｌｌｉｎｇ，２００２，１５１（１）：７５１０８． ［１５］ＰＡＴＨＡＫＨ，ＬＩＣ，ＷＡＳＳＭＡＮＮＲ．ＧｒｅｅｎｈｏｕｓｅｇａｓｅｍｉｓｓｉｏｎｓｆｒｏｍＩｎｄｉａｎｒｉｃｅｆｉｅｌｄｓ：ｃａｌｉｂｒａｔｉｏｎａｎｄｕｐｓｃａｌｉｎｇｕｓｉｎｇｔｈｅＤＮＤＣｍｏｄｅｌ［Ｊ］． Ｂｉｏｇｅｏｓｃｉｅｎｃｅｓ，２００５，２（２）：１１３１２３． ［１６］ＬＩＣ，ＱＩＵＪ，ＦＲＯＬＫＩＮＧＳ，ｅｔａｌ．ＲｅｄｕｃｅｄｍｅｔｈａｎｅｅｍｉｓｓｉｏｎｓｆｒｏｍｌａｒｇｅｓｃａｌｅｃｈａｎｇｅｓｉｎｗａｔｅｒｍａｎａｇｅｍｅｎｔｏｆＣｈｉｎａｓｒｉｃｅｐａｄｄｉｅｓｄｕｒｉｎｇ １９８０２０００［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００２，２９（２０）：１９７２． ［１７］ＺＨＡＮＧＹ，ＬＩＣ，ＴＲＥＴＴＩＮＣ，ｅｔａｌ．Ａｎｉｎｔｅｇｒａｔｅｄｍｏｄｅｌｏｆｓｏｉｌ，ｈｙｄｒｏｌｏｇｙ，ａｎｄｖｅｇｅｔａｔｉｏｎｆｏｒｃａｒｂｏｎｄｙｎａｍｉｃｓｉｎｗｅｔｌａｎｄｅｃｏｓｙｓｔｅｍｓ［Ｊ］． ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，２００２，１６（４）：１０６１． ［１８］ＦＵＭＯＴＯＴ，ＫＯＢＡＹＡＳＨＩＫ，ＬＩＣ，ｅｔａｌ．Ｒｅｖｉｓｉｎｇａｐｒｏｃｅｓｓｂａｓｅｄｂｉｏｇｅｏｃｈｅｍｉｓｔｒｙｍｏｄｅｌ（ＤＮＤＣ）ｔｏｓｉｍｕｌａｔｅｍｅｔｈａｎｅｅｍｉｓｓｉｏｎｆｒｏｍｒｉｃｅ ｐａｄｄｙｆｉｅｌｄｓｕｎｄｅｒｖａｒｉｏｕｓｒｅｓｉｄｕｅｍａｎａｇｅｍｅｎｔａｎｄｆｅｒｔｉｌｉｚｅｒｒｅｇｉｍｅｓ［Ｊ］．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，２００８，１４（２）：３８２４０２． ［１９］ＫＡＴＡＹＡＮＡＧＩＮ，ＦＵＲＵＫＡＷＡＹ，ＦＵＭＯＴＯＴ，ｅｔａｌ．ＶａｌｉｄａｔｉｏｎｏｆｔｈｅＤＮＤＣＲｉｃｅｍｏｄｅｌｂｙｕｓｉｎｇＣＨ４ａｎｄＮ２Ｏｆｌｕｘｄａｔａｆｒｏｍｒｉｃｅｃｕｌｔｉｖａｔｅｄ ｉｎｐｏｔｓｕｎｄｅｒａｌｔｅｒｎａｔｅｗｅｔｔｉｎｇａｎｄｄｒｙｉｎｇｉｒｒｉｇａｔｉｏｎｍａｎａｇｅｍｅｎｔ［Ｊ］．ＳｏｉｌＳｃｉｅｎｃｅａｎｄＰｌａｎｔＮｕｔｒｉｔｉｏｎ，２０１２，５８（３）：３６０３７２． ［２０］ＢＡＢＵＹ，ＬＩＣ，ＦＲＯＬＫＩＮＧＳ，ｅｔａｌ．ＦｉｅｌｄｖａｌｉｄａｔｉｏｎｏｆＤＮＤＣｍｏｄｅｌｆｏｒｍｅｔｈａｎｅａｎｄｎｉｔｒｏｕｓｏｘｉｄｅｅｍｉｓｓｉｏｎｓｆｒｏｍｒｉｃｅｂａｓｅｄｐｒｏｄｕｃｔｉｏｎｓｙｓｔｅｍｓ ｏｆｉｎｄｉａ［Ｊ］．ＮｕｔｒｉｅｎｔＣｙｃｌｉｎｇｉｎＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，２００６，７４（２）：１５７１７４． ［２１］ＢＡＢＵＹ，ＬＩＣ，ＦＲＯＬＫＩＮＧＳ，ｅｔａｌ．ＭｏｄｅｌｌｉｎｇｏｆｍｅｔｈａｎｅｅｍｉｓｓｉｏｎｓｆｒｏｍｒｉｃｅｂａｓｅｄｐｒｏｄｕｃｔｉｏｎｓｙｓｔｅｍｓｉｎＩｎｄｉａｗｉｔｈｔｈｅｄｅｎｉｔｒｉｆｉｃａｔｉｏｎａｎｄ ｄｅｃｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌ：ｆｉｅｌｄｖａｌｉｄａｔｉｏｎａｎｄｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓ［Ｊ］．ＣｕｒｒｅｎｔＳｃｉｅｎｃｅ，２００５，８９（１１）：１９０４１９１２． ［２２］ＬＩＣ，ＦＡＲＡＨＢＡＫＨＳＨＡＺＡＤＮ，ＪＡＹＮＥＳＤ，ｅｔａｌ．Ｍｏｄｅｌｉｎｇｎｉｔｒａｔｅｌｅａｃｈｉｎｇｗｉｔｈａｂｉｏｇｅｏｃｈｅｍｉｃａｌｍｏｄｅｌｍｏｄｉｆｉｅｄｂａｓｅｄｏｎｏｂｓｅｒｖａｔｉｏｎｓｉｎａ ｒｏｗｃｒｏｐｆｉｅｌｄｉｎＩｏｗａ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｌｉｎｇ，２００６，１９６（１）：１１６１３０． ［２３］ＴＯＮＩＴＴＯＣ，ＤＡＶＩＤＭＢ，ＤＲＩＮＫＷＡＴＥＲＬＥ，ｅｔａｌ．ＡｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＤＮＤＣｍｏｄｅｌｔｏｔｉｌｅｄｒａｉｎｅｄＩｌｌｉｎｏｉｓａｇｒｏｅｃｏｓｙｓｔｅｍｓ：ｍｏｄｅｌｃａｌｉｂｒａｔｉｏｎ， ｖａｌｉｄａｔｉｏｎ，ａｎｄｕｎｃｅｒｔａｉｎｔｙａｎａｌｙｓｉｓ［Ｊ］．ＮｕｔｒｉｅｎｔＣｙｃｌｉｎｇｉｎＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，２００７，７８（１）：５１６３． ［２４］ＤＥＮＧＪ，ＺＨＵＢ，ＺＨＯＵＺ，ｅｔａｌ．ＭｏｄｅｌｉｎｇｎｉｔｒｏｇｅｎｌｏａｄｉｎｇｓｆｒｏｍａｇｒｉｃｕｌｔｕｒａｌｓｏｉｌｓｉｎｓｏｕｔｈｗｅｓｔＣｈｉｎａｗｉｔｈｍｏｄｉｆｉｅｄＤＮＤＣ［Ｊ］．Ｊｏｕｒｎａｌｏｆ ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＢｉｏｇｅｏｓｃｉｅｎｃｅｓ，２０１１，１１６：Ｇ０２０２０． ［２５］ＬＩＨ，ＷＡＮＧＬ，ＱＩＵＪ，ｅｔａｌ．ＣａｌｉｂｒａｔｉｏｎｏｆＤＮＤＣｍｏｄｅｌｆｏｒｎｉｔｒａｔｅｌｅａｃｈｉｎｇｆｒｏｍａｎｉｎｔｅｎｓｉｖｅｌｙｃｕｌｔｉｖａｔｅｄｒｅｇｉｏｎｏｆＮｏｒｔｈｅｒｎＣｈｉｎａ［Ｊ］． Ｇｅｏｄｅｒｍａ，２０１４，２２３２２５：１０８１１８． ［２６］李虎，王立刚，邱建军．ＤＮＤＣ模型在农田氮素渗漏淋失估算中的应用［Ｊ］．应用生态学报，２００９，２０（７）：１５９１１５９６． ［２７］ＺＨＡＯＺ，ＺＨＡＮＧ Ｈ，ＬＩＣ，ｅｔａｌ．Ｑｕａｎｔｉｆｙｉｎｇｎｉｔｒｏｇｅｎｌｏａｄｉｎｇｆｒｏｍ ａｐａｄｄｙｆｉｅｌｄｉｎＳｈａｎｇｈａｉ，ＣｈｉｎａｗｉｔｈｍｏｄｉｆｉｅｄＤＮＤＣｍｏｄｅｌ［Ｊ］． Ａｇｒｉｃｕｌｔｕｒｅ，Ｅｃｏｓｙｓｔｅｍｓ＆Ｅｎｖｉｒｏｎｍｅｎｔ，２０１４，１９７：２１２２２１． ［２８］赵峥．基于 ＤＮＤＣ模型的稻田氮素流失及温室气体排放研究［Ｄ］．上海：上海交通大学，２０１６． ［２９］ＬＩＣ．Ｍｏｄｅｌｉｎｇｔｒａｃｅｇａｓｅｍｉｓｓｉｏｎｓｆｒｏｍａｇｒｉｃｕｌｔｕｒａｌｅｃｏｓｙｓｔｅｍｓ［Ｊ］．ＮｕｔｒｉｅｎｔＣｙｃｌｉｎｇｉｎＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，２０００，５８：２５９２７６． ［３０］ＢＡＬＡＳＵＢＲＡＭＡＮＩＡＮＳ，ＮＥＬＳＯＮＡ，ＫＯＬＯＵＴＳＯＵＶＡＫＡＫＩＳＳ，ｅｔａｌ．ＥｖａｌｕａｔｉｏｎｏｆＤｅＮｉｔｒｉｆｉｃａｔｉｏｎＤｅＣｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌｆｏｒｅｓｔｉｍａｔｉｎｇ ａｍｍｏｎｉａｆｌｕｘｅｓｆｒｏｍｃｈｅｍｉｃａｌｆｅｒｔｉｌｉｚｅｒａｐｐｌｉｃａｔｉｏｎ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２０１７，２３７?２３８：１２３１３４． ［３１］ＣＯＮＧＲＥＶＥＳＫ，ＧＲＡＮＴＢ，ＤＵＴＴＡＢ，ｅｔａｌ．Ｐｒｅｄｉｃｔｉｎｇａｍｍｏｎｉａｖｏｌａｔｉｌｉｚａｔｉｏｎａｆｔｅｒｆｉｅｌｄａｐｐｌｉｃａｔｉｏｎｏｆｓｗｉｎｅｓｌｕｒｒｙ：ＤＮＤＣｍｏｄｅｌｄｅｖｅｌｏｐｍｅｎｔ ［Ｊ］．Ａｇｒｉｃｕｌｔｕｒｅ，Ｅｃｏｓｙｓｔｅｍｓ＆Ｅｎｖｉｒｏｎｍｅｎｔ，２０１６，２１９：１７９１８９． ［３２］ＤＵＴＴＡＢ，ＣＯＮＧＲＥＶＥＳＫ，ＳＭＩＴＨＷ，ｅｔａｌ．ＩｍｐｒｏｖｉｎｇＤＮＤＣｍｏｄｅｌｔｏｅｓｔｉｍａｔｅａｍｍｏｎｉａｌｏｓｓｆｒｏｍｕｒｅａｆｅｒｔｉｌｉｚｅｒａｐｐｌｉｃａｔｉｏｎｉｎｔｅｍｐｅｒａｔｅ ａｇｒｏｅｃｏｓｙｓｔｅｍｓ［Ｊ］．ＮｕｔｒｉｅｎｔＣｙｃｌｉｎｇｉｎＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，２０１６，１０６（３）：２７５２９２． ［３３］张啸林．不同稻田轮作体系下温室气体排放及温室气体强度研究［Ｄ］．南京：南京农业大学，２０１３． ［３４］ＣＨＵＮＪ，ＳＨＩＭＫ，ＭＩＮＳ，ｅｔａｌ．ＭｅｔｈａｎｅｍｉｔｉｇａｔｉｏｎｆｏｒｆｌｏｏｄｅｄｒｉｃｅｐａｄｄｙｓｙｓｔｅｍｓｉｎＳｏｕｔｈＫｏｒｅａｕｓｉｎｇａｐｒｏｃｅｓｓｂａｓｅｄｍｏｄｅｌ［Ｊ］．Ｐａｄｄｙａｎｄ ＷａｔｅｒＥｎｖｉｒｏｎｍｅｎｔ，２０１６，１４（１）：１２３１２９． ［３５］ＰＡＴＨＡＫＨ，ＬＩＣ，ＷＡＳＳＭＡＮＮＲ，ｅｔａｌ．ＳｉｍｕｌａｔｉｏｎｏｆｎｉｔｒｏｇｅｎｂａｌａｎｃｅｉｎｒｉｃｅｗｈｅａｔｓｙｓｔｅｍｓｏｆｔｈｅＩｎｄｏＧａｎｇｅｔｉｃＰｌａｉｎｓ［Ｊ］．ＳｏｉｌＳｃｉｅｎｃｅ ＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａＪｏｕｒｎａｌ，２００６，７０（５）：１６１２１６２２． ［３６］ＫＡＴＡＹＡＮＡＧＩＮ，ＯＮＯＫ，ＦＵＭＯＴＯＴ，ｅｔａｌ．ＶａｌｉｄａｔｉｏｎｏｆｔｈｅＤＮＤＣＲｉｃｅｍｏｄｅｌｔｏｄｉｓｃｏｖｅｒｐｒｏｂｌｅｍｓｉｎｅｖａｌｕａｔｉｎｇｔｈｅｎｉｔｒｏｇｅｎｂａｌａｎｃｅａｔａ ｐａｄｄｙｆｉｅｌｄｓｃａｌｅｆｏｒｓｉｎｇｌｅｃｒｏｐｐｉｎｇｏｆｒｉｃｅ［Ｊ］．ＮｕｔｒｉｅｎｔＣｙｃｌｉｎｇｉｎＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，２０１３，９５（２）：２５５２６８． ［３７］李小礼．平原海岛地区稻麦轮作农田生态系统减量施用氮肥的环境效应研究［Ｄ］．上海：华东理工大学，２０１２． ［３８］刘欢欢，邵东国．节灌控排条件下稻田氮平衡模拟及利用效率分析［Ｊ］．灌溉排水学报，２０１３，３２（２）：５２５６． ［３９］王欣欣．生物炭施用对稻田温室气体排放的影响研究［Ｄ］．南京：南京农业大学，２０１３． ［４０］ＺＨＡＮＧＬ，ＹＵＤ，ＳＨＩＸ，ｅｔａｌ．Ｓｉｍｕｌａｔｉｏｎｏｆｇｌｏｂａｌｗａｒｍｉｎｇｐｏｔｅｎｔｉａｌ（ＧＷＰ）ｆｒｏｍｒｉｃｅｆｉｅｌｄｓｉｎｔｈｅＴａｉＬａｋｅｒｅｇｉｏｎ，Ｃｈｉｎａｂｙｃｏｕｐｌｉｎｇ１∶ ５００００ｓｏｉｌｄａｔａｂａｓｅｗｉｔｈＤＮＤＣｍｏｄｅｌ［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，２００９，４３（１７）：２７３７２７４６． ［４１］张远，李颖，王毅勇，等．三江平原稻田甲烷排放的模拟与估算［Ｊ］．农业工程学报，２０１１，２７（８）：２９３２９８． ［４２］张庆国，李鹏飞，徐丽，等．皖中沿江平原水稻田 ＣＨ４和 Ｎ２Ｏ排放估算及其影响因素分析［Ｊ］．土壤通报，２０１２，４３（１）：２１２２１８． ［４３］ＨＡＹＡＮＯＭ，ＦＵＭＯＴＯＴ，ＹＡＧＩＫ，ｅｔａｌ．ＮａｔｉｏｎａｌｓｃａｌｅｅｓｔｉｍａｔｉｏｎｏｆｍｅｔｈａｎｅｅｍｉｓｓｉｏｎｆｒｏｍｐａｄｄｙｆｉｅｌｄｓｉｎＪａｐａｎ：Ｄａｔａｂａｓｅｃｏｎｓｔｒｕｃｔｉｏｎａｎｄ ｕｐｓｃａｌｉｎｇｕｓｉｎｇａｐｒｏｃｅｓｓｂａｓｅｄｂｉｏｇｅｏｃｈｅｍｉｓｔｒｙｍｏｄｅｌ［Ｊ］．ＳｏｉｌＳｃｉｅｎｃｅａｎｄＰｌａｎｔＮｕｔｒｉｔｉｏｎ，２０１３，５９（５）：８１２８２３． ［４４］ＪＩＡＮＧＺ，ＹＩＮＳ，ＺＨＡＮＧＸ，ｅｔａｌ．ＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔｏｆａＤＮＤＣＯｎｌｉｎｅＭｏｄｅｌｆｏｒＦａｒｍｌａｎｄＣａｒｂｏｎＳｅｑｕｅｓｔｒａｔｉｏｎａｎｄＧＨＧＥｍｉｓｓｉｏｎｓ ＭｉｔｉｇａｔｉｏｎｉｎＣｈｉｎａ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＲｅｓｅａｒｃｈａｎｄＰｕｂｌｉｃＨｅａｌｔｈ，２０１７，１４：１４９３． １１６
上海农业学报 117 [45]SIMMONDS M, LI C, LEE J, et al. Modeling methane and nitrous oxide emissions from direct-seeded rice systems[J] Journal of Geophysical Research-Biogeosciences, 2015, 120(10): 2011-2035 [46]LI C, FROLKING S, XIAO X, et al. Modeling impacts of farming management alternatives on CO2, CH,, and N2O emissions: A case study for water management of rice agriculture of China[J]. Global Biogeochemical Cycles, 2005, 19: GB3010 [47]LI C, SALAS W, DEANGELO B, et al. Assessing alternatives for mitigating net greenhouse gas emissions and increasing yields from production in china over the next twenty years[J] Journal of Environmental Quality, 2006, 35(4): 1554-1565 [48]TIAN Z, NIU Y, FAN D, et al. Maintaining rice production while mitigating methane and nitrous oxide emissions from paddy fields in China Evaluating tradeoffs by using coupled agricultural systems models[J. Agricultural Systems, 2018, 159: 175-186 [49]CHEN H, YU C, LI C, et al. Modeling the impacts of water and fertilizer management on the ecosystem service of rice rotated cropping systems in China[j]. Agriculture Ecosystems& Environment, 2016, 219:49 [50]STONE E, HORNBERGER G. Impacts of management alternatives on rice yield and nitrogen losses to the environment: A udy in rural Sri Lanka[]. Science of the Total Emvironment, 2016, 542: 271-276 [51]ZHANG H, SUN B, XIE X, et al. Simulating the effects of chemical and non-chemical fertilization practices on carbon sequestration and nitrogen loss in subtropical paddy soils using the DNDC model[J]. Paddy and Water Environment, 2015, 13(4): 495-506 [52]ZHAO Z, SHA Z, LIU Y, et al. Modeling the impacts of alternative fertilization methods on nitrogen loading in rice production in Shanghai[J Science of the total Environment.2016.566. 1595-1603 [53] VOGELER I, GILTRAP D, CICHOTA R Comparison of APSIM and DNDC simulations of nitrogen transformations and N2 O emissions[J] Science of The Total Environment. 2013.465:147-155. [54]ABDALLA M,JONES M, YELURIPATI J, et al. Testing Day Cent and DNDC model simulations of N2 0 fluxes and assessing the impacts climate change on the gas flux and biomass production from a humid pasture[J]. Atmospheric Environment, 2010, 44(25): 2961-2970. [55]侯会静, ABUDU S,陈慧,等水稻控制灌溉下华东稻麦轮作农田N2O排放模拟[J].农业机械学报,2016,47(12):185-191 [56]中华人民共和国农业部种植业管理司.节水抗早稻术语:NY/2862-2015[S]北京:中华人民共和国农业部,2015 [57]陈洁罗利军:种下去才能造福社会[J.浦东开发,2014(7):5355 [58]孙会峰周胜,陈桂发,等.水稻品种对稻田CH4和N2O排放的影响[].农业环境科学学报,2015,34(8):15951602 [59]SUN H, ZHOU S, SONG X, et al. CH, Emission in Response to Water-Saving and Drought-Resistance Rice( WDR )and Common Rice Varieties under Different Irrigation Managements[ J].Water, Air, Soil Pollution, 2016, 227: 47 60]HAN J,JIA Z, WU W, et al. Modeling impacts of film mulching on rainfed crop yield in Northem China with DNDC[J]. Field Crops Research [61]蒋在荻.网络版 CHINA-DNDC模型的研发与应用[D].上海:上海交通大学,2018. [ 62]YANG J, YANG J, LIU S, et al. An evaluation of the statistical methods for testing the performance of crop models with observed data[J] Agricultural Systems, 2014, 127: 81-89 [63 WANG J, LI A, JIN H Sensitivity analysis of the DeNitrification and Decomposition model for simulating regional carbon budget at the wetland- grassland area on the Zoige Plateau, China[J]. Journal of Mountain Science, 2016, 13(7): 1200-1216. (责任编辑:张睿)
上 海 农 业 学 报 ［４５］ＳＩＭＭＯＮＤＳＭ，ＬＩＣ，ＬＥＥＪ，ｅｔａｌ．Ｍｏｄｅｌｉｎｇｍｅｔｈａｎｅａｎｄｎｉｔｒｏｕｓｏｘｉｄｅｅｍｉｓｓｉｏｎｓｆｒｏｍｄｉｒｅｃｔｓｅｅｄｅｄｒｉｃｅｓｙｓｔｅｍｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌ ＲｅｓｅａｒｃｈＢｉｏｇｅｏｓｃｉｅｎｃｅｓ，２０１５，１２０（１０）：２０１１２０３５． ［４６］ＬＩＣ，ＦＲＯＬＫＩＮＧＳ，ＸＩＡＯＸ，ｅｔａｌ．ＭｏｄｅｌｉｎｇｉｍｐａｃｔｓｏｆｆａｒｍｉｎｇｍａｎａｇｅｍｅｎｔａｌｔｅｒｎａｔｉｖｅｓｏｎＣＯ２，ＣＨ４，ａｎｄＮ２Ｏｅｍｉｓｓｉｏｎｓ：Ａｃａｓｅｓｔｕｄｙｆｏｒ ｗａｔｅｒｍａｎａｇｅｍｅｎｔｏｆｒｉｃｅａｇｒｉｃｕｌｔｕｒｅｏｆＣｈｉｎａ［Ｊ］．ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，２００５，１９：ＧＢ３０１０． ［４７］ＬＩＣ，ＳＡＬＡＳＷ，ＤＥＡＮＧＥＬＯＢ，ｅｔａｌ．Ａｓｓｅｓｓｉｎｇａｌｔｅｒｎａｔｉｖｅｓｆｏｒｍｉｔｉｇａｔｉｎｇｎｅｔｇｒｅｅｎｈｏｕｓｅｇａｓｅｍｉｓｓｉｏｎｓａｎｄｉｎｃｒｅａｓｉｎｇｙｉｅｌｄｓｆｒｏｍ ｒｉｃｅ ｐｒｏｄｕｃｔｉｏｎｉｎｃｈｉｎａｏｖｅｒｔｈｅｎｅｘｔｔｗｅｎｔｙｙｅａｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＱｕａｌｉｔｙ，２００６，３５（４）：１５５４１５６５． ［４８］ＴＩＡＮＺ，ＮＩＵＹ，ＦＡＮＤ，ｅｔａｌ．ＭａｉｎｔａｉｎｉｎｇｒｉｃｅｐｒｏｄｕｃｔｉｏｎｗｈｉｌｅｍｉｔｉｇａｔｉｎｇｍｅｔｈａｎｅａｎｄｎｉｔｒｏｕｓｏｘｉｄｅｅｍｉｓｓｉｏｎｓｆｒｏｍｐａｄｄｙｆｉｅｌｄｓｉｎＣｈｉｎａ： Ｅｖａｌｕａｔｉｎｇｔｒａｄｅｏｆｆｓｂｙｕｓｉｎｇｃｏｕｐｌｅｄａｇｒｉｃｕｌｔｕｒａｌｓｙｓｔｅｍｓｍｏｄｅｌｓ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌＳｙｓｔｅｍｓ，２０１８，１５９：１７５１８６． ［４９］ＣＨＥＮＨ，ＹＵＣ，ＬＩＣ，ｅｔａｌ．Ｍｏｄｅｌｉｎｇｔｈｅｉｍｐａｃｔｓｏｆｗａｔｅｒａｎｄｆｅｒｔｉｌｉｚｅｒｍａｎａｇｅｍｅｎｔｏｎｔｈｅｅｃｏｓｙｓｔｅｍｓｅｒｖｉｃｅｏｆｒｉｃｅｒｏｔａｔｅｄｃｒｏｐｐｉｎｇｓｙｓｔｅｍｓｉｎ Ｃｈｉｎａ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒｅＥｃｏｓｙｓｔｅｍｓ＆Ｅｎｖｉｒｏｎｍｅｎｔ，２０１６，２１９：４９５７． ［５０］ＳＴＯＮＥＥ，ＨＯＲＮＢＥＲＧＥＲＧ．Ｉｍｐａｃｔｓｏｆｍａｎａｇｅｍｅｎｔａｌｔｅｒｎａｔｉｖｅｓｏｎｒｉｃｅｙｉｅｌｄａｎｄｎｉｔｒｏｇｅｎｌｏｓｓｅｓｔｏｔｈｅｅｎｖｉｒｏｎｍｅｎｔ：ＡｃａｓｅｓｔｕｄｙｉｎｒｕｒａｌＳｒｉ Ｌａｎｋａ［Ｊ］．ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔ，２０１６，５４２：２７１２７６． ［５１］ＺＨＡＮＧＨ，ＳＵＮＢ，ＸＩＥＸ，ｅｔａｌ．Ｓｉｍｕｌａｔｉｎｇｔｈｅｅｆｆｅｃｔｓｏｆｃｈｅｍｉｃａｌａｎｄｎｏｎｃｈｅｍｉｃａｌｆｅｒｔｉｌｉｚａｔｉｏｎｐｒａｃｔｉｃｅｓｏｎｃａｒｂｏｎｓｅｑｕｅｓｔｒａｔｉｏｎａｎｄｎｉｔｒｏｇｅｎ ｌｏｓｓｉｎｓｕｂｔｒｏｐｉｃａｌｐａｄｄｙｓｏｉｌｓｕｓｉｎｇｔｈｅＤＮＤＣｍｏｄｅｌ［Ｊ］．ＰａｄｄｙａｎｄＷａｔｅｒＥｎｖｉｒｏｎｍｅｎｔ，２０１５，１３（４）：４９５５０６． ［５２］ＺＨＡＯＺ，ＳＨＡＺ，ＬＩＵＹ，ｅｔａｌ．ＭｏｄｅｌｉｎｇｔｈｅｉｍｐａｃｔｓｏｆａｌｔｅｒｎａｔｉｖｅｆｅｒｔｉｌｉｚａｔｉｏｎｍｅｔｈｏｄｓｏｎｎｉｔｒｏｇｅｎｌｏａｄｉｎｇｉｎｒｉｃｅｐｒｏｄｕｃｔｉｏｎｉｎＳｈａｎｇｈａｉ［Ｊ］． ＳｃｉｅｎｃｅｏｆｔｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔ，２０１６，５６６：１５９５１６０３． ［５３］ＶＯＧＥＬＥＲＩ，ＧＩＬＴＲＡＰＤ，ＣＩＣＨＯＴＡＲ．ＣｏｍｐａｒｉｓｏｎｏｆＡＰＳＩＭ ａｎｄＤＮＤＣｓｉｍｕｌａｔｉｏｎｓｏｆｎｉｔｒｏｇｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎｓａｎｄＮ２Ｏｅｍｉｓｓｉｏｎｓ［Ｊ］． ＳｃｉｅｎｃｅｏｆＴｈｅＴｏｔａｌＥｎｖｉｒｏｎｍｅｎｔ，２０１３，４６５：１４７１５５． ［５４］ＡＢＤＡＬＬＡＭ，ＪＯＮＥＳＭ，ＹＥＬＵＲＩＰＡＴＩＪ，ｅｔａｌ．ＴｅｓｔｉｎｇＤａｙＣｅｎｔａｎｄＤＮＤＣｍｏｄｅｌｓｉｍｕｌａｔｉｏｎｓｏｆＮ２Ｏｆｌｕｘｅｓａｎｄａｓｓｅｓｓｉｎｇｔｈｅｉｍｐａｃｔｓｏｆ ｃｌｉｍａｔｅｃｈａｎｇｅｏｎｔｈｅｇａｓｆｌｕｘａｎｄｂｉｏｍａｓｓｐｒｏｄｕｃｔｉｏｎｆｒｏｍａｈｕｍｉｄｐａｓｔｕｒｅ［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎｖｉｒｏｎｍｅｎｔ，２０１０，４４（２５）：２９６１２９７０． ［５５］侯会静，ＡＢＵＤＵＳ，陈慧，等．水稻控制灌溉下华东稻麦轮作农田 Ｎ２Ｏ排放模拟［Ｊ］．农业机械学报，２０１６，４７（１２）：１８５１９１． ［５６］中华人民共和国农业部种植业管理司．节水抗旱稻术语：ＮＹ?Ｔ２８６２—２０１５［Ｓ］．北京：中华人民共和国农业部，２０１５． ［５７］陈洁．罗利军：种下去才能造福社会［Ｊ］．浦东开发，２０１４（７）：５３５５． ［５８］孙会峰，周胜，陈桂发，等．水稻品种对稻田 ＣＨ４和 Ｎ２Ｏ排放的影响［Ｊ］．农业环境科学学报，２０１５，３４（８）：１５９５１６０２． ［５９］ＳＵＮＨ，ＺＨＯＵＳ，ＳＯＮＧＸ，ｅｔａｌ．ＣＨ４ＥｍｉｓｓｉｏｎｉｎＲｅｓｐｏｎｓｅｔｏＷａｔｅｒＳａｖｉｎｇａｎｄＤｒｏｕｇｈｔＲｅｓｉｓｔａｎｃｅＲｉｃｅ（ＷＤＲ）ａｎｄＣｏｍｍｏｎＲｉｃｅＶａｒｉｅｔｉｅｓ ｕｎｄｅｒＤｉｆｆｅｒｅｎｔＩｒｒｉｇａｔｉｏｎＭａｎａｇｅｍｅｎｔｓ［Ｊ］．Ｗａｔｅｒ，Ａｉｒ，＆ＳｏｉｌＰｏｌｌｕｔｉｏｎ，２０１６，２２７：４７． ［６０］ＨＡＮＪ，ＪＩＡＺ，ＷＵＷ，ｅｔａｌ．ＭｏｄｅｌｉｎｇｉｍｐａｃｔｓｏｆｆｉｌｍｍｕｌｃｈｉｎｇｏｎｒａｉｎｆｅｄｃｒｏｐｙｉｅｌｄｉｎＮｏｒｔｈｅｒｎＣｈｉｎａｗｉｔｈＤＮＤＣ［Ｊ］．ＦｉｅｌｄＣｒｏｐｓＲｅｓｅａｒｃｈ， ２０１４，１５５：２０２２１２． ［６１］蒋在荻．网络版 ＣＨＩＮＡＤＮＤＣ模型的研发与应用［Ｄ］．上海：上海交通大学，２０１８． ［６２］ＹＡＮＧＪ，ＹＡＮＧＪ，ＬＩＵＳ，ｅｔａｌ．Ａｎｅｖａｌｕａｔｉｏｎｏｆｔｈｅｓｔａｔｉｓｔｉｃａｌｍｅｔｈｏｄｓｆｏｒｔｅｓｔｉｎｇｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｃｒｏｐｍｏｄｅｌｓｗｉｔｈｏｂｓｅｒｖｅｄｄａｔａ［Ｊ］． ＡｇｒｉｃｕｌｔｕｒａｌＳｙｓｔｅｍｓ，２０１４，１２７：８１８９． ［６３］ＷＡＮＧＪ，ＬＩＡ，ＪＩＮＨ．ＳｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｏｆｔｈｅＤｅＮｉｔｒｉｆｉｃａｔｉｏｎａｎｄＤｅｃｏｍｐｏｓｉｔｉｏｎｍｏｄｅｌｆｏｒｓｉｍｕｌａｔｉｎｇｒｅｇｉｏｎａｌｃａｒｂｏｎｂｕｄｇｅｔａｔｔｈｅｗｅｔｌａｎｄ ｇｒａｓｓｌａｎｄａｒｅａｏｎｔｈｅＺｏｉｇｅＰｌａｔｅａｕ，Ｃｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｏｕｎｔａｉｎＳｃｉｅｎｃｅ，２０１６，１３（７）：１２００１２１６． （责任编辑：张睿） １１７
