张 钊， 辛晓平

(中国农业科学院农业资源与农业区划研究所， 北京 100081)

碳循环是近年来生态系统生态学的研究热点，300多年的工业社会发展，极大的改变了人类的生活质量和生存方式，同时也极大的改变了人类和自然的相处模式。化石燃料的利用，矿产资源的开发，高效农业的普及成为现代社会的典型特征。在人类文明高速发展与进步的同时，地球生态系统也随之发生着改变。1958年夏威夷冒纳罗亚火山观测站最早记录的CO2浓度数据为316 ppm，随着工业社会的发展,到2014年已经出现持续超过一个月的400 ppm以上数据。近年来全球变化生态学家开始重视全球CO2浓度上升对地球生态系统的影响，尤其是温室效应和各种生态系统对气候变化的响应机理、机制。

学术界普遍认为提高生态系统碳固定能力和碳储存能力，是减缓大气CO2含量增长，抑制全球变暖的主要手段。因此，定量的测量、估计和预测生态系统碳储量与碳固定量是生态系统研究的热点和重点。由于生态系统具有高度的复杂性和不确定性，无论是人类活动、土地利用变化、气候变化还是生态系统自身的变化与演替都会改变生态系统中碳循环的路径和通量，仅根据点尺度，离散时间段的监测数据不能满足当前我们对生态系统碳循环在长时间尺度，大空间尺度上动态变化研究的需求。建立受气候、土壤、生物和人类活动综合影响的生态系统模型不仅有助于客观认识我国陆地生态系统碳循环的过去、现在和未来，而且可以通过碳循环模型与气候模式的双向耦合对未来气候变化做出更为客观的估计，以帮助人类制定适应气候变化的措施[1]。

生物地球化学模型是研究物质循环和追踪元素运动轨迹很实用的模型，生物地化模型可以模拟生态系统中碳、氮、水、热量在不同界面中的交换和变化过程。通过建立土壤、植被、大气等不同界面的元素与水热库，用生理和生态过程公式来表达不同库之间的动态模拟诸如：光合、呼吸、生长、凋落、降水、下渗、蒸发、固氮、分解和矿化等生物化学和地球化学过程。生物地球化学模型一般以日或者月为步进，对生态系统的所有过程参量进行全面模拟，然后对土壤有机碳、含水量、植物生物量、CO2浓度等状态量进行逐日积分得到长时间尺度的模拟结果。同时结合大面积高频采样数据可以在空间上对生态系统多指标模拟，通过积分得到区域尺度的生态系统状态估计。相比较其他生态系统模型，生物地球化学模型比统计模型可以考虑更多的生态学过程，生物地球化学循环模型要求输入气候变量(降水、气温等)，植被类型(或者以植被模型作为基础)，有的还需要输入遥感信息(如光合有效辐射等)，具有输出生态系统的碳收支动态的能力。生物地球化学模型重点考虑植被通过光合作用从大气中固定碳后，碳在植被-土壤中的传输过程，包括自养呼吸、异养呼吸、光合同化产物在各植物器官间的分配、植物死亡、凋落、凋落物分解呼吸、土壤有机物呼吸和氮矿化等，并模拟土壤有效氮、土壤水分和大气CO2浓度等对其的影响。因此是进行生态系统水平碳收支研究的比较适合的一类模型。

1 DNDC模型简介

全球目前有30多种不同的生物地球化学过程模型[2]。DNDC是目前开发历史较长、使用较多，扩展较为丰富，尤其是在我国大量验正并且广泛应用的一种生物地球化学过程模型。DNDC模型创建于1992年[3]，最初用于模拟美国农田生态系统，模型以降水为主要驱动力，主要模拟N2O、CO2、N2在农田中的释放。DNDC整合了土壤环境中碳氮元素的氧化还原过程，通过大量的实验数据和前人研究构建了碳氮元素与土壤气候环境的关系，模型主要追踪碳素和氮素在土壤中的生物地球化学过程。过去二十多年中DNDC模型被全球各地的生态学者广泛的应用，模型有了很大的改进和发展，加入了许多新的子模块和更加详实的生态过程参数，以适应不同生态系统和不同关注点的研究。

2 DNDC模型发展与国内学者在碳循环领域的应用

v7.0之前早期版本的DNDC模型包含3个基础模块：土壤气候/水热通量模块、土壤碳素分解模块以及土壤脱氮模块。模型并没有包含植物生长模块，硝化作用使用单一公式近似模拟。

1994年DNDC v7.1 版本加入了一个以经验公式为主的植物生长模块，这个模块包含了常见的土壤耕作模式和田间管理措施，从而使得DNDC模型可以用于农田土壤碳元素的生物地球化学过程模拟[4]。

2000年基于森林模拟的PnET-N-DNDC模型开发成功，这个模型的主要特色是包含一个光合-蒸散模块和一个硝化作用模块，后者可以用于精确的模拟硝化细菌的繁殖/死亡速率、亚硝化细菌的繁殖/死亡速率和整个硝化作用导致的NO、N2O排放量[5]。这些新的模块和特性后来被整合到了DNDC v8.0中，PnET-N-DNDC中的厌氧气球概念，将土壤环境区分为有氧环境和厌氧环境，加上土壤空隙度的引入，使得模型可以同时模拟硝化作用和反硝化作用。

2002年，加拿大遥感中心的Zhang等人开发出crop-DNDC，在DNDC v8.0的基础上加入了3个独立的植物生长相关模块，3个模块包括：土壤气候与水热通量模块、植物生理参数模块、分解与硝化模块。新的模块使得模型具有追踪植物生长过程中碳、氮和水分在系统中的循环和流动的能力[6]。从此模型可以模拟植物生理指数、叶面积指数、光合强度、呼吸强度、产物分配、根系生长和氮元素的吸收。随后Crop-DNDC的新模块都被合并入了DNDC v8.2版本，从此DNDC模型的功能性进入了一个新的领域：预测作物产量、固碳能力、温室气体排放和模拟气候变化对农业生产影响。在国内邱建军、唐华俊[7]最早引入了DNDCv8.2版本用于估算北方农牧交错带内蒙古自治区耕地土壤碳储量并研究其平衡状况，结果表明：该区耕地0～30 cm土层土壤有机碳储量约为46 622.6万吨，目前土壤有机碳库处于严重负平衡，年净损失有机碳1 335万吨。指出干旱半干旱农牧交错区应推行免耕、休耕等保护性耕作措施以助于土壤有机碳的积累。王立刚、邱建军[8]以高产粮区河北省曲周县为例，运用DNDC模型，在对实测田间试验数据进行模型验证的基础上，对该地区农业生态系统土壤碳氮平衡进行了模拟研究。结果表明：1998年曲周县47 821 hm2农业耕地土壤的总有机碳储量为742.94×106kg，平均每公顷耕地土壤有机碳储量为15 536.05 kg。1998年耕地土壤有机碳为正平衡，1990年为负平衡，2年土壤有机碳显著差异的主要原因在于秸秆还田比例的多少。

同年Zhang等人从PnET-DNDC模型继续开发了wet-land DNDC模块[9]，通过加入土壤水文参数、土壤温度参数、植物生长状态参数和土壤碳轨迹实现了对生态系统CH4和CO2排放的模拟。其中最重要的一个核心意义就是能斯特方程和米氏方程被加入了厌氧气球中。随着能斯特方程和米氏方程的加入，DNDC模型具有了对土壤氧化还原电位和底物酶促反应产物模拟的能力。

同年Brown等人经过5年的开发完成了UK-DNDC模型[10]。UK-DNDC模型加入了一个空间化的有机肥模块，可以支持耕作参数、家畜参数和采食参数输入模型。

2004年，DNDC模型更新到v8.5版本[11]，从wet-land DNDC中吸取了能斯特方程和米氏方程，改进了原有的厌氧模拟气球。张凡等[12]以陕西农业生态系统为对象，整合DNDC v8.5与陕西农业地理信息系统数据库，利用陕西地区气象和作物资料，对陕西省2000年作物生长发育和土壤碳循环进行了模型模拟，实例探讨了耕作管理对土壤碳储量的影响。分析模拟结果可以得出3点结论：①2000年陕西耕作土壤总有机碳储量约为103 Tg碳，是一个大气CO2源，向大气释放0.5 Tg碳；②提高作物秸秆还田率是提高陕西农田碳库储量有效可行的措施，将作物秸秆还田率从当前的15%提高到50%或90%会使陕西农田土壤从大气CO2源转变为汇，每年分别增加土壤有机碳库储量0.7 Tg碳或2.1 Tg碳；③施用有机农肥(500 kg·hm-2)也会增加土壤碳输入，从而提高土壤碳储量，使陕西农田系统转变为较弱的碳源，每年可多固定0.2 Tg碳。

2004年新西兰的Saggar等人根据新西兰的气候土壤情况对DNDC做了大量本地化适配，开发出NZ-DNDC模型[13]，NZ-DNDC模型根据新西兰的高有机碳、长期放牧草地生态环境对模型进行了机理的优化，使之更加符合新西兰的草地农业生态系统。

2005年，李长生等人开发了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等人开发的森林生理模块，实现了对森林生物量、森林碳动态、森林生态系统温室气体排放的模拟。模型中加入了大量的森林管理参数，并且可以模拟森林动态例如：森林采伐、造林、间伐、火烧、灌溉、湿地恢复、施肥等过程。

同年Kiese等人从PnET-DNDC中进一步开发了Forest-DNDC Tropica[15]，主要用于模拟热带雨林生态系统的N2O排放量。模型针对热带雨林的气候条件和土壤环境，优化了一些生态过程参数。在保留原有物质循环框架的基础上整合了BIOME-BGC模型的常绿阔叶林模块。

德国的Neufeldt等人将EFEM模型和DNDC模型进行了耦合[16]，为DNDC模型带来了一个以GIS为基础的区域模拟模块，他们用EFEM-DNDC模型对德国巴登-符腾堡州的作物和家畜温室气体排放进行了模拟，获得了很好的精度。这个模型和其他DNDC的区别在于加入了总效益、影子价格和成本控制等经济学参数。

2006年，比利时的Beheydt等人根据DNDC v8.3版继续开发了BE-DNDC模型[17]。BE-DNDC主要模拟大范围农田的N2O排放，其中区域化的草地农田N2O排放量预测来源于当地大量收集数据的回归公式。回归公式根据比利时不同地区的22个长期试验点数据进行了优化。BE-DNDC同时能根据结果不确定性来输出土壤有机碳含量最大最小值。

同年，DNDC模型更新到v9.0版[18]，模型内部详细细化了自由氨基的动态流程、硝化和亚硝化作用。使得模型对氮循环的模拟精度大幅提高。李虎等[19]以黄淮海平原河北省范围内的农田土壤为研究对象，通过与田间实际观测数据进行比较发现，DNDC 9.0能够较好地反映农田土壤温室气体CO2和N2O的排放通量，可以用来模拟估算农田土壤CO2和N2O的排放通量.根据模型估算，2003年河北省111个县市农业土壤CO2排放量约3.758×106t碳，各县市总的N2O排放量40.345×106kg氮.全省释放的CO2和N2O中有40%左右来自冬小麦/夏玉米地。邱建军等[20]将DNDCv9.0与GIS数据库进行结合，估测了全国六大农业区域土壤有机碳含量变化对农作物产量的影响。研究认为初始土壤有机碳每增加1 g碳每千克，东北地区的玉米每公顷产量将增加176 kg，北方地区的玉米小麦轮作田每公顷产量将增加454 kg，西北地区的玉米每公顷产量增加328 kg，中南地区的单播水稻每公顷将增产185 kg，东部地区的两季稻每公顷将增产266 kg，西南地区的麦稻轮作田每公顷将增产229 kg。王淑芳等[21]运用DNDCv9.0对密云水库上游地区农田土壤有机碳储量及其变化进行模拟研究，结果表明：2006年密云水库上游地区214 920 hm2农田土壤(0～25 cm)的总有机碳储量为7 646×106kg，其中位于河北省境内的该地区 63.1%的农田储存了全区 68.1%的 SOC；平均每公顷农田SOC储量为 35 576.1 kg，低于全国平均水平；由于化肥和有机肥投入的增加，经一年耕种后，2006年该地区农田土壤有机碳储量增加 142.5×106kg，整个地区及各区县农田土壤碳收支均为正，是大气 CO2的一个汇。马玉芳等[22]利用甘肃农业大学定西旱农综合试验站的2001-2008年长期定位试验数据对DNDC9.0模型进行了验证，结果表明：秸秆还田或覆盖可提高作物秸秆与根系残留的外源碳携入量，也能提高土壤异氧呼吸对内源碳的消耗。该区域2008年表层农田土壤有机碳总储量为2.8×109kg，平均土壤有机碳密度为2.33 kg·m-2。预测2008-2037年土壤有机碳储量，得出增加有机肥能够显著增加土壤有机碳的积累，其次为免耕同时增加秸秆还田率50%，而单独实施这两种措施，土壤有机碳的积累速度较慢。陈晨等[23]在利用中科院安塞水土保持综合实验站长期定位数据，应用DNDC9.0模型研究黄土丘陵沟壑区坡耕地农田土壤碳库储量动态变化及碳循环特征，结果表明：施肥可提高作物残体与根系分泌物的外源碳携入量，也能提高土壤异氧呼吸对内源碳的消耗，且施用有机肥后提高效果显著。总体上，单施有机肥、有机肥配施氮肥40年后各处理土壤有机碳分别比初始值提高了90.29%，86.46%。不施肥和单施氮肥 40年后各处理土壤有机碳分别比初始值降低了3.52%，0.38%。王立刚等[24]利用DNDC9.0，选择6个典型的种植模式点，考察改变田间管理措施(秸秆还田、增施有机肥、改变化肥施用等)对土壤有机碳含量影响的长期效应，研究结果表明：增加秸秆还田比例的固碳效应在众多的农田管理措施中体现最突出，以基本管理措施20年后有机碳含量为对照，当秸秆还田率增加到80%时，齐齐哈尔、平凉和芷江地区增加的土壤有机碳含量都在3 000 kgC·hm-2以上，北京郊区、江宁和盐亭地区每公顷可以增加碳10 000 kg以上。化肥施用量为本底值的50%配合秸秆还田率50%和化肥施用量为本底值的50%增施有机肥1 000 kgC·hm-2的两项措施，在各个地区都表现出比基本管理措施能存储更多的碳素，因此，在我国现在的管理措施下，减少化肥的同时增加秸秆还田比例和增施有机肥是既增加土壤有机碳含量又减少化肥污染的“双赢”措施。陈长青[25]等为探讨长期不同施肥条件下土壤有机碳的变化规律及DNDC模型的应用，利用封丘石灰性潮土不同施肥措施下的长期定位试验数据，选取CK、NPK、1/2NPK+ 1/2OM、OM 4个处理，分析了15年来作物产量及土壤有机碳的变化特征，并用DNDC模型预测了试验地近100年(2000～2099)的土壤有机碳变化趋势，结果表明：有机肥和化肥配施能获得较高的作物产量，并能在百年尺度上有效地增加土壤有机碳含量，从而提高土壤的可持续利用能力。

DNDC-Europe模型开发于2008年[26]，主要用途是模拟农业生产、农业经济效益与温室气体排放之间的关系。在整合了农业经济模型CAPRI之后，Leip等人用DNDC-Europe模型进行农业市场、环境政策、交易模式、农户、经销商、消费者行为和农业生产及农业生态系统变化的细微关系，并且提供了一个全球尺度政策对市场分配影响的预测。

DNDC模型对温室气体的模拟最早源于水稻田相关研究，2008年Fumoto等人基于李长生等在2004年的工作进一步发展出了DNDC-Rice模型[27]，主要用于模拟不同气候、土壤和管理措施条件下水稻田CO2、无机碳和甲烷的排放， 这个模型在2010年进一步改进支持模拟水田不同水淹制度下的水稻田甲烷排放。

2009年，Grote等人将DNDC模型连接到MoBiLE (Modular Biosphere Simulation Environment)模型研究框架中，MoBiLE框架可以在研究生态系统某一参数或者某一方面时为模型提供高效的参数选择、初始化和校正验证，并且DNDC在框架内将被视为一个更大模型的子模块，从而可以和更多的模型连接进行多种不同用途的模拟[28]。2011年Grote等人在MoBiLE框架内将PSIM模型连接入DNDC，细化了DNDC模型的植物生长模块，对森林生态系统碳通量和碳库的细节进行了详细的研究[29]。Wolf等人将PnEF-N-DNDC连接入MoBiLE框架用于模拟温带生态系统融雪期的N2O排放，并且制作了最大雪深和生长季末生物量之间的数学关系[30]。

2010年DNDC模型更新到v9.3版，改进了土壤蒸发的计算方式和精度。马玉芳等[31]应用DNDC9.3对甘肃农业大学定西旱农综合试验站的2001—2008年长期定位试验的4个处理的长期(100 年)模拟表明：免耕覆盖秸秆(NTS)和传统耕作+秸秆还田(TS)能够较大幅度地提高土壤有机碳含量。而传统耕作不覆盖(T)处理下土壤有机碳呈下降趋势。土壤有机碳含量对土壤性状以及耕作管理措施变化的响应模拟研究表明，秸秆还田和施用有机肥是最有效的提高土壤有机碳含量的耕作措施，而土壤性状，尤其是初始有机碳含量是影响土壤有机碳变化的最主要敏感因素。孙园园等[32]利用DNDC9.3模型模拟川中丘陵区不同轮作制度下稻田CO2排放情况，结果表明：PF、RR和RW 3种轮作制度下RW和RR处理CO2排放量均显著高于PF，但3种轮作制度下单季作物CO2排放量差异不大，RR处理的单季作物的CO2排放量最小，其年总作物产量居中，RW处理产量最高。根际呼吸是土壤呼吸的主要部分，整个生长期PF，RR，RW的根呼吸贡献率平均为59.14%～62.96%。徐胜祥等[33]以江苏省稻田为对象，整合DNDC9.3模型和100∶1土壤数据库，定量估算少耕、免耕以及综合措施少耕+桔秆还田下江苏省稻田土壤的固碳潜力，模拟结果表明相对于传统耕作，采用少耕、免耕和少耕+秸秆还田均可明显地增加稻田的积累，长期模拟结果表明：免耕和少耕+秸秆还田下固碳能力是单纯少耕的2倍左右。张明圆等[34]研究在DNDC9.3模型调整的基础上选取了土壤有机碳(SOC)、土壤碳密度(SCD)、土壤呼吸(SR)以及生物量碳(BC)4个指标对模型在华北麦-玉两熟农田的适用性进行验证，并用该模型模拟当地土壤碳储量(SCS)动态变化以及温室气体排放特征，结果表明：2001-2010年SOC和SCS逐年递增；对未来100年模拟发现，15 年旋耕(RT)和翻耕(CT)处理SOC增长迅速，而免耕(NT)SOC的剧烈增长趋势要持续近40 年；对比各处理100年碳储量变化可知，前20 年CT处理SCS最大，20年后NT处理SCS最大；各处理土壤全球变暖潜势(GWP)大小为CT>RT>NT。Kang等[35]运用DNDC9.3模拟分析了羊草生态系统2004-2005年净CO2通量(NEE)及其组分(GPP、Re)的动态变化过程。通过与涡相关实测数据对比发现羊草草原由2004年生长季(湿润年)的碳汇转变为2005年(极端干早年)碳源的过程。2005年的极端干旱气候严重影响草原生产力，进而减少了土壤的凋落物输入量，最终导致生态系统碳的净损失。进一步的28年围封和放牧情景模拟发现：与围栏封育相比，中度放牧一方面提高了植物的光合作用速率，显著增加了系统的固碳能力，与2006-2007年放牧样地实测结果一致；另一方面主要影响土壤异养呼吸，对植物自养呼吸影响不大。气候变化和放牧管理措施将对内蒙古羊草草原碳收支产生显著的影响。王德营等[36]探讨黑土有机碳的长期变化规律及DNDC模型在土壤有机碳预测方面的适用性，结果表明：有机肥的施用对土壤有机碳含量的影响最显著，且这种影响具有持久性。模拟4种施肥情境下未来100年的土壤有机碳变化情况表明：不施肥处理土壤有机碳含量略有下降;单施化肥处理(NPK)土壤有机碳含量较为稳定，并未出现土壤有机碳含量下降;配施有机肥(NPKM)和增施有机肥(M2+NPK)处理土壤有机碳含量增加明显。

Kröbel等[37]于2011年给DNDC模型外挂了一个CSW子模块，用于高精度模拟加拿大春小麦生长和小麦农田生态系统氮固定。目前这一子模块在国内尚无人引进。

Haas等人于2013年将DNDC和Forest-DNDC在MoBiLE框架中合并到一个综合的土壤生物地化模型中，称为Landscape DNDC[38]，主要用于模拟生态系统中的碳氮元素周转以及不同土地利用方式和不同土地利用变化下土壤碳氮储量的变化。Landscape DNDC主要加入了一个基于DNDC结构的植物生长生理模块，允许土地的利用方式和作物、森林和草原在短时间内切换。该模块基于物理和化学基本公式驱动，描述了土壤环境中土壤化学驱动下的微生物碳氮周转过程和植被生长动态。模型可以同时支持三维区域尺度和点尺度的模拟。

为了研究永久冻土中的CH4排放，Zhang等人于2012年开发了NEST-DNDC模型[39]，模型模拟了植物群落尺度中的生物物理和生物化学过程，并且可以根据地域特征扩展到生态系统尺度。NEST-DNDC模型整合了永冻土模型Northern Ecosystem Soil Temperature，使得模型可以详细模拟永冻土的水热条件和生物地球化学过程。借助预设的多种土壤质地和砂石分层数据，模型也能模拟非永冻土生态系统例如森林、苔原等生境。

为了满足对家畜生产中的温室气体和氨气排放的模拟，李长生等[40]于2012年开发了Manure-DNDC模型。Manure-DNDC将一系列的生物地球化学过程整合到一个可计算框架中，来反映有机肥在农场中的周转周期，以便预测家畜有机肥处理系统中的温室气体和氨气释放。鉴于有机肥中有机物的特性与土壤有机质类似，Manure-DNDC直接借鉴了DNDC中的土壤有机质动态模块。环境因子和生物地化反应用于判断生产中各环节的CO2、N2O、CH4和NH3释放量。饲养场、堆肥场、污水池、厌氧消化池以及整个养殖场都直接和有机肥动态模块关联，每一个环节都可以独立或者整体计算有机肥的存储发酵以及气体排放，正如DNDC模型可以模拟多种耕作土壤一样，Manure-DNDC可以模拟多种不同架构的养殖场。

2012年，DNDC更新到v9.4版，将Manure-DNDC中的土壤铵根离子动态模块整合入模型[40]。陈杰华等[41]分析了15年来土壤有机碳的变化特征，并用DNDC模型模拟了长期试验点15年和100年有机碳变化趋势，结果表明：经过15年的耕种，4种耕作制度的土壤有机碳含量都较原始有机碳含量有所上升。T2处理的土壤有机碳增幅最大，分别为CK，T1和T3处理的131%，142%，153%。T3处理的有机碳含量最低。100年尺度下四种耕作制度土壤有机碳含量都会上升。薛静等[42]基于河北省曲周试验站的试验数据，对DNDC模型的参数进行详尽的灵敏度分析和标定，经过详细参数标定后的DNDC模型将为深入探讨不同农田管理措施下，实现作物增产和农业减排双赢局面提供科学有效的途径。倪元龙等[43]在1982 年水稻田土壤有机碳库的基础上，利用 DNDC9.4模型结合3种比例尺矢量图斑单元和不同分辨率的栅格单元模拟了2000年太湖地区水稻田表层土壤有机碳库，对比分析了不同分辨率栅格单元与3种比例尺矢量图斑单元的水稻土类型数量、面积、表层土壤有机碳储量以及有机碳密度的变化特征，并以矢量图斑单元获得的这4个指标结果为基准，用相对变异百分数(VIV)来判别基于3种比例尺DNDC模型模拟的最佳栅格单元分辨率，结果表明：最佳栅格模拟单元分辨率分别为0.2 km×0.2 km，2 km×2 km，17 km×17 km，既能保证模型模拟过程中的精度要求，又可以避免数据冗余，提高模拟效率。建立的土壤碳库模拟研究的比例尺与其最佳栅格单元分辨率对应转换关系，对区域土壤碳模拟研究具有重要参考价值。

2014年，DNDC更新到v9.5版，增强了植物生长模块和水文动态模块，并且针对温室气体排放进行了相关参数的优化[44]。韩东亮等[45]选择国家灰漠土长期肥力监测试验中的5种处理(hNPKM，NPKM，NPKS、NPK、CK)，采用DNDC9.5模型对土壤表层土壤有机碳150年(2010-2160年)的长期变化趋势进行预测，结果表明：化肥与有机肥配施土壤有机碳的固碳速率最高，化肥平衡施肥、化肥与秸秆配施也具有固碳效果，但固碳速率小于化肥有机肥配施，而不施肥土壤有机碳逐渐减少，因此合理施用有机肥和化肥能够实现作物增产和土壤培肥的双赢。韩东亮等[46]以国家灰漠土肥力与肥料效益观测试验站22年长期定位试验监测数据为基础，利用DNDC模型对9个不同施肥处理的耕层(0～20 cm)土壤有机碳(SOC)演变进行模拟和验证，并预测了未来30年(2010-2040)SOC的变化趋势；同时也对CO2的释放量和变化速率进行了模拟，结果表明：持续施用氮磷钾肥(NPK)不能使SOC含量提高；而氮磷钾肥配施有机肥(NPKM)或秸秆(NPKS)可使SOC含量比2010年增加；虽然土壤有机碳升高越快，CO2的排放量也越多，但有机碳变化率超过25.1%时则表现为CO2的固定。杨黎等[47]在对DNDC模型进行验证的基础上，应用模型研究不同施氮和秸秆还田措施对东北地区春玉米农田固碳和氧化亚氮排放的长期综合影响。陈海心等[48]利用DNDC9.5模型模拟了陕西杨凌地区不施肥(CK)、单施氮磷钾无机肥(NPK)、无机肥配施秸秆(SNPK)、无机肥配施低量有机肥(M1NPK)及无机肥配施高量有机肥(M2NPK)5个处理的定位试验对土壤有机碳变化的影响。从模型输出20年来土壤碳含量的变化看，施肥能提高作物地上部、地下部生物量以及土壤异氧呼吸作用，即同时提高了外源碳携入量和内源碳消耗量，但各施肥处理均在碳储量上表现为盈余状态。

3 结语

DNDC模型经过25年的发展，从最初的农田N2O排放模拟模型，逐步开发和发展到涵盖森林、湿地、草原等多种生态系统类型模拟，并且可以模拟系统中碳氮元素运动变化轨迹等多种生态学过程，经过多点的验证与校正，DNDC模型可以在多种生态系统中阐明物质循环的过程，同时可以模拟3种主要温室气体的排放量，可以很方便的进行温室气体效应的模拟和估算。在氮元素的追踪和模拟方面有着大量成熟的模拟案例和温室气体估算，在碳元素动态的模拟和分析方面DNDC也出现越来越多的成果。

过去DNDC模型在碳循环模拟中应用的研究在数量和尺度上都不如在氮素模拟中广泛，70%的DNDC相关文献都是用于模拟氮素循环或者温室气体排放。这一方面是因为DNDC最早从农田温室气体排放模拟起源，因此有着大量的相关用户和验证经验；另一方面，碳元素运动和变化在时间空间上的连续性较强，模型对碳循环过程模拟，对验证数据的采样频率，采样范围，采样精度要求较高。传统的箱式法测土壤呼吸与生态系统呼吸，误差较大而且时相频率无法做到较高频的连续监测。近年来，随着Li-co 8150野外连续自动检测仪的普及，涡度相关通量技术的广泛应用甚至大孔径闪烁仪的建立，长时间较大范围的碳动态监测和高质量低误差数据的获取成为了现实。结合DNDC模型的几大优势：多指标全面的生态系统模拟，易于获得的初始化状态参数，大量根据多种生态类型验证的预设参数，详细精准的土壤氧化还原点电位反应机理，基于能斯特方程的土壤化学平衡，支持模拟多种农田管理方式对系统的影响，日尺度步进的模拟过程和方便实用的蒙特卡洛不确定性模拟，使得DNDC模型成为了未来进行生态系统碳循环模拟与研究又一个很好的工具。从模型输出的生态系统各组分参数对环境变化的响应和反馈中，研究者可以更好地理解土壤化学过程的机理与环境因子的互作，还可以评估不同生态系统管理和不同土地利用方式下温室气体的排放，土壤有机碳的流失/积累。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。