陸地高分辨率水文—生物地球化學過程CNMM-DNDC 三維模型的研發及應用進展

鄭循華 李思琪 張偉 劉春巖 姚志生 韓圣慧 王睿 王凱 陳笑 李勇

1 中國科學院大氣物理研究所大氣邊界層物理和大氣化學國家重點實驗室, 北京 100029

2 中國科學院大學地球與行星科學學院, 北京 100049

1 引言

陸地生態系統約占地球表面積的三分之一，對維持地球生物圈、大氣、海洋等圈層或系統的正常功能起著重要作用（Daba and Dejene, 2018; Lal et al., 2018）。陸地生態系統碳、氮、磷等元素的生物地球化學循環和水循環是相互作用、緊密耦合的復合體（Yu et al., 2010; 于貴瑞等, 2014）。通過構建動力學過程模型（process-oriented dynamical model），精細定量刻畫陸地生態系統碳、氮、磷等生命元素生物地球化學循環及水循環的全耦合動態過程，這是深入認識它們之間的復雜相互作用規律及其響應和反饋影響氣候、環境和人為活動的基礎，也是定量評估人類對全球或區域氣候、環境變化的減緩和適應成效的前提。

生態系統動力學過程模型的最初發展，可以追溯到20 世紀早期，當時由斯特里特（H Streeter）和費爾普斯（E Phelps）建立的河流水質模型，用以描述河水缺氧動態，還有同期數學家洛特卡（A J Lotka）和沃爾泰拉（V Volterra）建立的捕食者—獵物模型，用以描述互動的掠食者和獵物種群規模變化。在生態系統動力學過程模型的啟發下，復雜生物地球化學過程模型從大約40 多年前開始發展，如今已有眾多模型發展到相對成熟程度并在國際上得到廣泛應用，其中較具代表性的有DayCent、Daisy、 DeComposition-DeNitrification（ DNDC）、LandscapeDNDC、Forest-BGC 或PnET-BGC 等（于貴 瑞 等, 2013; Maharjan et al., 2018; Zhang et al.,2018）。此外，近年來，大氣科學領域發展起來的陸面過程模型或動態植被模型，也通過比較簡化地耦合進生態系統碳循環或氮循環過程，使其具備部分生物地球化學模型的模擬功能。這些模型都屬于一維模型，即只考慮水分的垂直運動，不考慮地形坡度引起的橫向水流及其對物質橫向遷移與其后進一步轉化的影響。顯然，在非平坦地形區域，忽略橫向水流影響的一維模型提供的模擬結果，難免與客觀事實之間存在顯著偏差。

不同于一維的生物地球化學過程模型，三維的生態水文模型則以基于流域整體模擬的集總式或基于分散單元或柵格模擬的分布式方式同時進行縱向和橫向水流及其對相關過程影響的定量刻畫（石教智和陳曉宏, 2006; 楊大文等, 2018）。其中分布式生態水文模型能更客觀地反映降水、地形起伏和下墊面不均性對流域徑流的影響，因而能夠更客觀地模擬自然和人為因素影響下的流域水資源和水環境。這類生態水文模型以SHE、DHSVM 和SWAT 等為代表，已被廣泛應用于陸地水循環、面源污染和水資源調控研究（鄧鵬和李致家, 2013）。但是，生態水文模型對土壤—植物體系和水體內部的生命元素遷移轉化過程卻缺乏精細刻畫，難以模擬水循環與單種或多種元素循環的復雜耦合作用。

盡管一維生物地球化學過程模型是依據物理、化學、生物的基本理論及其定理定律而構建，實現了對植被生理、土壤物理化學過程和元素遷移轉化的定量刻畫，但這些模型只能模擬土壤水分垂直運動引起的水溶性碳、氮、磷在土壤剖面中縱向遷移，而不考慮橫向水流及其引起的水溶態與顆粒態碳、氮、磷橫向遷移。因此，一維生物地球化學過程模型如此簡化的表層系統水文過程不能真實地反映陸地生態系統的碳、氮、磷、水循環復雜耦合機制，在定量刻畫陸地區域和流域生態系統碳、氮、磷、水循環相互作用時就遇到了瓶頸。這時，生物地球化學過程與三維水文過程全耦合的水文—生物地球化學過程模型就應當應運而生（彭輝等, 2010;Zhang et al., 2018）。然而，由于這類全耦合過程模型的研發工作本身存在高難度，國內外迄今都還缺乏成熟的陸地普適性高分辨率水文—生物地球化學過程三維模型。

國際上目前的主流水文—生物地球化學模型，大多是集總式或基于水文響應單元（hydrological response unit 或HRU）的準分布式水文模型與生物地球化學過程進行靜態或動態耦合，有的是在生態水文模型中簡化地耦合進生物地球化學過程。這類模型的代表有SWAT 系列（如SWAT-DayCent 和SWAT-N）、LASCAM、INCA、基于水文響應單元的DNDC 流域版等（Deng et al., 2011; 馮起等,2014; Ghimire et al., 2020）。Haas et al.（2013）通過外部耦合器實現分布式流域水文模型CMF 與一維生物地球化學模型LandscapeDNDC 的全耦合（雙向動態），但可能是由于這種做法顯得比較復雜而難以被大多數人熟練掌握，CNM-LandscapeDNDC耦合模型迄今還僅限于計算機上的虛擬小流域測試，尚未見在真實流域上的雙向動態耦合模擬應用或測試報道，現有報道的研究采用的是單向靜態耦合方式（如Schroeck et al., 2019）。因此，地球科學與資源環境領域眾多學科的科學工作者們很期待全耦合的水文—生物地球化學過程三維模型能夠早日研發成功并得到科研及相關業務領域的廣泛應用。

經過20 多年的不斷探索，中國科學院大氣物理研究所成功構建了高分辨率水文—生物地球化學過程模型（CNMM-DNDC），實現了對流域碳、氮、磷、水循環過程全耦合的分布式三維模擬，使上述問題得到初步解決，有望為陸地生態系統碳、氮、磷、水綜合調控和落實減污降碳目標提供先進的虛擬科學實驗平臺和決策支持工具。以下將從建模理念、模型功能、初步應用和未來展望五個方面，綜述CNMM-DNDC 模型的自主研發及應用進展。

2 建模理念和核心過程

生命元素（碳、氮、磷、氫、氧等）的生物地球化學量（元素豐度或在介質中的濃度）、群（生命元素耦合/解耦）、流（生命元素循環）、場（驅動元素運動的基本力）概念（李長生, 2016）及相關的物理、化學和生物學理論（Zhang et al., 2018），是構建CNMM-DNDC 模型的理論基礎。在該理論指導下，CNMM-DNDC 的總體建模理念可以概括為四個建模基本步驟：首先，將模擬對象（區域、流域或生態系統）的宏觀生態環境條件與人類活動要素（即模型輸入變量或參數）轉化為多維生物地球化學場變量，包括太陽輻射、重力、溫度、濕度、酸堿度、氧化還原電位、反應物濃度梯度在內的七維變量場，作為表征自然界三種基本力——作為物質內稟屬性的熱力和作為物質間相互作用力的電磁力與引力的一組外化物理量，這些變量共同構成的七維力場，將驅動碳、氮、磷等元素和水在模擬區域或流域內按特定方向發生物理和化學定向運動；緊接著，將模擬對象中所關注生命元素（如碳、氮、磷等）的化學運行拆分成基本的化學耦合/解耦反應過程，包括溶解/脫溶、化合/分解、絡合/解絡、氧化/還原和同化/異化等，將其物理運動拆分成基本的物質相態變化或位移過程，包括熔融/結晶、融化/凍結、吸附/解析、機械運動（如擴散和流動）等；然后，建立聯立方程組，使生物地球化學場變量在刻畫元素物理、化學、生物運動的基本方程中扮演關鍵參數或自變量角色，從而驅動元素的化學轉化、相態變化和機械遷移；最后，根據所關注元素的每一次物理、化學變化，進行模擬對象各個部分的元素豐度更新，進而由元素豐度變化決定生態系統的結構和功能變化。將這四個步驟涉及的全部數學方程、參數、變量和數據轉化成可以在微機或服務器上運行的計算機語言程序軟件，使該軟件每運行一次，都能在計算機上生成一個用一系列數值來描繪的虛擬流域、區域或生態系統，這樣就建立起來了整個過程模型。在這種理念下建立起來的水文—生物地球化學過程模型，其建模過程不依賴于實測數據，而僅依賴于人類迄今的理論和知識積累以及模型研發者對這些既有理論和知識的科學邏輯整合與數學表達能力。但已建立起來的模型是否能夠較客觀地反映模擬對象的真實情況，則需要依賴于觀測數據進行模擬結果可靠性驗證，或對模型的少數內置參數進行率定。

CNMM-DNDC 模型最初版本（v1.0，windows運行環境）的構建，是首先將國際流行一維生物地球化學過程模型DNDC（Li et al., 1992）采用的土壤碳氮轉化過程（包括有機碳氮分解、硝化作用、反硝化作用、發酵作用）源代碼重新編寫入流域生源要素管理模型CNMM（李勇等, 2017）的DHSVM分布式水文框架（Wigmosta et al., 1994）中，然后在底層源代碼層面完成了一系列過程銜接、變量匹配和尺度變換等工作，從而實現了土壤碳氮轉化過程與三維水運動過程的無縫耦合。之后，在初級版本基礎上，又對該模型進行了多次過程機制改進、模擬功能擴充和版本升級，從而形成了如圖1 所示的當前版的CNMM-DNDC 模型。

圖1 當前版水文—生物地球化學過程模型（CNMM-DNDC）的基本構架。Fig.1 Basic scientific structure of the current hydro-biogeochemical process model (CNMM-DNDC).

在上述建模理念指引下，當前版CNMMDNDC 模型（圖1）刻畫碳氮磷等生命元素生物地球化學循環的主要過程包括：（1）土壤—水—空氣—植物和微生物復合體系統中碳氮磷元素物理、化學、生物反應過程，主要有粘土礦物吸附和解吸、水解、有機質分解、硝化、反硝化、植物氮磷吸收、根系分泌、酸堿平衡、氣體擴散、光合/呼吸等過程；（2）上述過程直接改變碳氮磷元素的不同儲庫大小和不同形態濃度，其中土壤有機碳氮磷庫分為極易分解、易分解和惰性凋落物庫，活體和死亡微生物庫，易分解和難分解活性腐殖質庫，惰性腐殖質庫，溶解性有機碳氮磷庫，不同無機碳氮磷形態包括銨鹽（NH4+）、硝酸鹽（NO3-）、亞硝酸鹽（NO2-）、一氧化氮（NO）、氧化亞氮（N2O）、氮氣（N2）、氨（NH3）、二氧化碳（CO2）、甲烷（CH4）、磷酸鹽（PO43-）等；（3）這些儲庫和形態變化的過程受氣象條件（氣溫、降水、風速、相對濕度和輻射）、土壤性質（土壤質地、pH、容重、有機質、水力學參數等）和地形等環境要素以及施肥（化肥類型和用量、有機肥類型和用量、施肥時間）、灌溉、耕作（耕作方式）、作物類型等人為管理要素驅動。當前版DNMM-DNDC 模型基于光合—呼吸機理模擬植物生長，基于一級動力學機制模擬有機質分解，基于能斯特方程、“厭氧氣球”假設、米氏動力學機制和Pirt 方程等模擬作為非均勻介質的土壤中同時發生的硝化、反硝化、發酵作用等，以及基于濃度梯度驅動的擴散過程等機制模擬土壤—水—植物體系中的氣體排放（Zhang et al., 2018, 2020, 2021a, b; Li et al., 2022, 2023）。

當前版CNMM-DNDC 模型模擬的水文相關過程包括土壤水分平衡、壤中流的水縱向和橫向運移、地表水運動和徑流、淺層地下水運動和補給、河網匯流以及水平和垂直水流驅動不同形態碳氮磷物質遷移的過程，其中采用Penman-Monteith 公式模擬生態系統蒸散發，基于運動波近似或擴散波近似理論模擬地表徑流和橫向壤中流，根據達西定律模擬土壤水分垂直運動，應用線性槽蓄法模擬河網匯流過程（Zhang et al., 2018; Li et al., 2023）。

當前版CNMM-DNDC 模型可以用于模擬區域或流域尺度的生態系統水分平衡、能量平衡、氮磷養分平衡和植物生長，實現對區域或流域尺度生態系統生產力、溫室氣體（GHG）凈排放、氮污染氣體排放、水土流失、地表水氮磷負荷等關鍵變量的高時空分辨率同步預測評估，為生態系統生產力可持續性、碳氮GHG 減排和碳中和、含氮大氣污染物減排、水體面源氮污染防控等重大可持續發展問題的解決提供高性能數值模型工具。

3 模型功能

3.1 模型特點

CNMM-DNDC 模型由中國科學院大氣物理研究所主導研發，其最初版本于2018 年在國際學術期刊上刊發（Zhang et al., 2018）。該模型在Windows操作系統下基于C 語言編寫模型源代碼，使用命令提示符cmd.exe 直接調用模型執行程序并運行。為滿足其實際應用中對大規模模擬運算能力和速率的要求，近期已基于當前版本開發了可在大型服務器Linux 操作系統下運行的CNMM-DNDC 模型版本，并在多個流域和不同項目中成功應用。

CNMM-DNDC 模型設計目標是普適于不同生物氣候帶陸地區域或流域，并以高時間、高空間和高過程分辨率，長期模擬生態系統（包括森林、農田、草地、濕地、內陸水體等）的碳氮磷水三維運移、水流驅動的溶解態和顆粒態碳氮磷流失、地氣碳氮氣體（CO2、CH4、N2O、NO、NH3等）交換通量和生態系統生產力（包括地上或地下凈初級生產力、產草量、木材蓄積量、作物產量等），且時間和空間分辨率均可自定義。其時間分辨率最高可到3 小時，空間分辨率最高可到米，過程分辨率精細到生態系統中碳氮磷元素和水的主要物理遷移、化學轉化反應、植物及微生物生長過程，模擬土層深度可達4 m，用戶可自定義土壤分層。當前版CNMM-DNDC 模型可輸出多時間尺度（3 小時、日、月、季節和年）各柵格的各土層不同儲庫和不同形態碳氮磷濃度動態、土壤溫濕度和酸堿度、土壤氧化還原電位和氧氣濃度、生態系統生產力、碳氮氣體地氣交換通量、水分和能量收支、氮磷養分收支和凈碳平衡、土壤侵蝕模數、溶解態和顆粒態碳氮磷流失通量以及流域出水口流量與水質要素等（Li et al., 2023）。

3.2 過程改進和功能升級

CNMM-DNDC 模型目前已經注冊了6 個國家軟件著作權版本：v1.0 版，對DNDC 模型（Li et al., 1992, 2002; 李長生, 2016）采用的土壤碳氮轉化過程模擬機制與CNMM 模型（李勇等, 2017）采用的分布式三維水文過程模擬機制建立了全耦合（Zhang et al., 2018）；v2.0 版，引入了凍融機制，并創建了山茶科植物鋁代謝過程影響茶園土壤酸堿度的動態模擬新機制，使該模型適用于季節性或多年凍土地帶（Zhang et al., 2021a），也能夠模擬植茶引起的土壤酸堿度舉例變化及其對土壤氮轉化和氣態氮排放的影響（Zhang et al., 2020）；v2.0s 版，對該模型的輸入數據制備過程進行了標準化；v3.0 版，構建了有地表水層生態系統（水田或濕地）的氨揮發模擬新機制，并通過考慮降雨影響下植被冠層截留土壤排放的氨等因素，改進了旱地氨揮發的仿一級動力學模擬機制（Li et al., 2022）；v4.0版，引入土壤侵蝕和顆粒態碳氮磷遷移模擬機制，使該模型具備了模擬橫向水流影響土壤碳氮磷庫和地表水顆粒態碳氮磷負荷的功能（Li et al., 2023）；Linux v1.0 版，將該模型的最新windows 版本（v1.0至v4.0 均是由window 操作系統運行的版本）源代碼改寫成了能在Linux 操作系統運行的源代碼版本，使該模型能在大型服務器上高效地進行高分辨率三維模擬的大規模運算。

3.2.1 引入凍融機制

考慮到全球陸地面積的16%分布著凍土，CNMM-DNDC 模型的設計目標之一是使其對多年凍土和季節性凍土地帶具備普適性。為此，Zhang et al.（2021a）將Zhang et al.（2003）構建北方生態 系 統 土 壤 溫 度 模 型（Northern Ecosystem Soil Temperature，簡稱NEST）時采用的凍融過程機制引入到CNMM-DNDC 模型中，使其擁有對中高緯或高海拔地帶表層土壤凍融過程的模擬能力。該凍融過程模擬機制的核心是土壤和雪層的熱傳導。不同土層、雪層或土雪過渡層之間的熱傳輸主要基于輻射能量平衡進行計算，其中在采用的一維熱傳導方程中，加入了土壤水凍結冰融化或雪層融化而引起的熱量變化項，土壤熱量下邊界由地熱能量平衡確定。凍融過程模擬涉及的主要方程如表1 中式1～5 所示。土壤凍融和雪層融化的臨界溫度為0°C。依據能量守恒定律，若熱傳導方程計算得到的溫度高于臨界溫度，則土壤冰或雪層融化，反之則土壤水凍結。

表1 CNMM-DNDC 模型模擬凍融過程的主要方程（Zhang et al., 2021a）Table 1 Key equations of freeze-thaw process in CNMMDNDC model (Zhang et al., 2021a)

3.2.2 創建土壤酸堿度變化的鋁代謝模擬機制

茶葉種植園在全球陸地熱帶和亞熱帶區域廣泛分布，茶業也是這些地區的主要農業行業之一（http://www.fao.org/faostat/[2023-04-28]）。茶 樹屬于山茶科，是多年生木本植物，其植株生長過程中通過根系從較深層土壤中大量吸收鋁，冠層修剪枝葉和落葉在地表分解又將這部分枝葉中的鋁釋放到表層土壤中，鋁離子（Al3+）水解產生大量氫離子（H+），導致表層土壤酸度增加，pH 下降，改變茶園生態系統的碳氮磷循環過程，特別是植茶所致土壤低pH 觸發化學反硝化（Zhang et al., 2020），引起強烈的土壤N2O 和NO 排放（Yao et al., 2018;Wang et al., 2020）。為了模擬茶樹鋁代謝引起的土壤pH 變化，Zhang et al.（2020）基于鋁離子水解平衡和化學反應動力學原理創建了一個新的模擬機制，其核心方程用于模擬土壤中三價鋁離子水解引起的土壤H+濃度變化（表2 中的反應1 和式6），使CNMM-DNDC 模型能夠模擬植茶所致低pH 觸發的茶園土壤N2O 和NO 強排放。此外，Zhang et al.（2020）還基于有機酸電離平衡原理，為CNMMDNDC 模型新增了植物生長過程中根系分泌有機酸影響土壤pH 的模擬機制，以及土壤強酸度（低pH）通過改變植物光合能力而影響生長的過程（表2 中的反應2 和式7～8）。

表2 CNMM-DNDC 模型建立的土壤酸堿度變化新模擬機制（Zhang et al., 2020）Table 2 New mechanisms for simulating soil pH changes in CNMM-DNDC model (Zhang et al., 2020)

3.2.3 改進生態系統氨揮發模擬機制

改進前的CNMM-DNDC 模型對生態系統NH3揮發，無論有無地表水層，都采用了相同模擬機制。但地表有覆蓋水的生態系統NH3揮發機制實際上與無水層完全不同，采用相同算法顯然不合理。特別是，在有地表水層覆蓋的水田或濕地，會有水藻大量繁殖，水藻光合作用釋放氫氧根離子（OH-），使土壤pH 升高，促進NH4+向NH3轉化，同時也降低NH3在水中的溶解度，該水藻影響導致施氮肥的淹水稻田和旱地NH3揮發強度相當。但之前的CNMM-DNDC 模型或國內外其他模型，都沒有考慮藻類生長對濕地NH3揮發的影響。針對這個問題，Li et al.（2022）建立了適用于地表有水層生態系統（如淹水期間的水稻田和濕地等）的NH3揮發模擬機制，主要是創建了藻類生長調節地表水層pH 而影響NH3揮發的新模擬機制及其參數化方案（表3 中的式9～11），同時還引入了Jayaweera and Mikkelsen（1990）基于雙膜傳質理論創建的J-M 傳質機制（表3 中的反應3 和式12～14）。基于J-M 傳質機制模擬地表有水層生態系統的NH3揮發，需要定量刻畫兩個過程：一是水中NH4+與NH3的酸堿化學平衡，二是水中NH3的揮發過程，即氣態NH3通過水—氣界面擴散到大氣。酸堿平衡過程考慮了田面水的NH4+濃度、pH 值和水溫的影響，揮發過程依據雙模傳質理論，并考慮了水位和風速等因素的影響。

表3 CNMM-DNDC 模型采用的濕地（有水層）氨揮發模擬機制（Li et al., 2022）Table 3 Mechanisms of ammonia volatilization from wetlands (with surface water layer) in CNMM-DNDC model (Li et al.,2022)

對于旱地NH3揮發的模擬，改進前的CNMMDNDC 模型繼承了DNDC 的仿一級反應動力學模擬機制，其中考慮了風速、土壤溫度和土壤深度對NH3揮發速率常數的影響。在此基礎上，Li et al.（2022）進一步同時考慮了植被冠層、土壤質地（以粘粒含量表征）、土壤濕度和降雨（或噴灌）致植被冠層濕潤等因素對NH3揮發速率常數的影響。該模擬機制的算法中，每一個影響因素調節NH3揮發速率常數的作用都被定義為0～1 之間的無量綱分數，其取值通過多個站點的旱地農田NH3揮發通量觀測數據予以率定，當前版中對這些參數取值的率定，依據了中國和英國各7 個野外站點施肥事件發生后兩周左右的逐日NH3揮發通量觀測數據（Dubache et al., 2019; Li et al., 2019, 2022）。

3.2.4 引入土壤水力侵蝕機制

改進前的CNMM-DNDC 模型只能模擬地表徑流和壤中流引起的水溶性碳氮磷物質（包括銨鹽、硝酸鹽、水溶性磷酸鹽和水溶性有機物）的橫向和縱向遷移，但缺乏對地表水蝕產沙及其引起的顆粒態碳氮磷橫向遷移過程的模擬能力。為了解決該問題，李思琪等（2022）和Li et al.（2023）在該模型的水文框架中引入了Rose（1985）提出的并已得到廣泛應用的土壤水力侵蝕物理機制，使CNMM-DNDC 模型新增了水土流失模擬功能，為地表水碳氮磷面源污染的科學研究與防控治理提供了一個潛在的先進模型工具。無縫耦合Rose 機制（Rose, 1985）后，CNMM-DNDC 模型可以通過模擬降雨剝蝕、地表徑流夾帶和泥沙沉降三個連續發生的物理過程來估算水蝕產沙強度。地表徑流（Q）越大，泥沙顆粒也越大，式15（表4）等號右側第一項（降水剝蝕項）就比第二項（徑流夾帶項）越小。實際上，即使在相當弱的侵蝕事件中，忽略降水剝蝕項后仍然是一個較好的近似（式16），因為這樣近似模擬的精度通常會優于觀測數據的不確定度。如式17（表4）所示，由地表徑流引起的單位面積地表泥沙產量（S）根據地表徑流量（Q）、坡度（G）、植被覆蓋度（Cr）和地表徑流的泥沙攜帶效率（η）進行計算（Rose, 1985），進而采用富集系數法，由地表水蝕產沙量（S）、表層土壤碳氮磷含量（C）和地表徑流引起的顆粒態碳氮磷富集比（R），根據表4 所列式18～20計算地表水力侵蝕引起的顆粒態碳、氮、磷流失量（SCNP）（李思琪等, 2022; Li et al., 2023）。

表4 CNMM-DNDC 模型采用的土壤水力侵蝕機制（Li et al., 2023）Table 4 Mechanisms of water-induced erosion in CNMM-DNDC model (Li et al., 2023)

3.3 模型輸入和輸出

3.3.1 輸入數據

模型的輸入數據包括土地利用及農田管理信息、氣象信息、地表陰影信息、土壤信息、河流信息和地形信息，分別存放在land、met、shade、soil、stream 和topo 目錄下。x64Debug 目錄下還有一個名為***.cnmm 的項目文檔，用于存放區域或流域模擬相關輸入數據路徑、模擬時段和土壤分層等信息。

氣象輸入數據包括氣象數據文件（***.dat）和站點信息文件（Station.dat）。站點信息文件存儲氣象站名稱、坐標、海拔和氣象數據文件存儲路徑信息。每個氣象數據文件分別存儲模擬區域的各氣象站點每3 h 的短波輻射、長波輻射量和降水總量，以及氣溫、風速、相對濕度平均值。

土壤輸入包括土壤理化性質、初始條件和分層（nodes.dat）等數據文件。土壤理化性質輸入文件是ACSII 柵格文件，包括不同土壤分層（依據***.cnmm 項目文檔中定義的土壤分層信息，各個屬性文件的數字編號代表土壤層次）的pH、黏粒含量、陽離子交換量、有機質含量、總氮、總磷、速效磷含量、反照率、容重、飽和含水量、田間持水量、萎蔫系數、縱向飽和導水率、表層橫向飽和導水率等。土壤初始條件主要包括硝態氮和銨態氮含量、溫濕度、秸稈殘留量等。土壤分層文件為模型運轉過程中土壤分層狀況描述，不同于項目文檔中的土壤分層信息。

地形輸入數據包括3 個ACSII 柵格文件，分別存儲著流域數字高程、河流流向和流域邊界。

河流輸入數據包括河流分布、初始河道信息、河流分級、河流網絡、河流初始水質和地表匯流等信息。河流分布是基于數字高程圖獲取的流域河流分布ACSII 柵格文件。河流分級包括各個級別河道的寬度、深度和水分下滲速率等參數。河流分級是每段河網的級別，即具體是第幾級河道。河流信息和河流網絡也是基于數字高程圖獲取的河段柵格位置、長度、切深、坡向、坡度等信息。河流初始水質可由用戶根據實際情況自定義和修改。地表匯流信息是模型自查運行中生成的驅動文件。

陰影輸入數據包括逐日陰影文件和仰視角文件，均是模型自查運行中生成的驅動文件。

植被信息和管理輸入數據包括農作物等植被的參數、土地利用和管理措施。植被參數信息包括不同植物的生物學參數，如最佳/最低生長溫度、植株高度、植株根深、植物不同生長期不同部位的碳氮磷含量和生長積溫等。土地利用是區域或流域土地利用類型分布信息，為ACSII 柵格文件。管理措施包括農作物播種（時間和作物類型）、農作物收獲或草地割草（時間、農作物類型和秸稈還田比例、林地伐木時間和方式等）、施肥（施肥量、肥料種類、施肥方法和氮磷含量等）、灌溉（灌溉水量、灌溉方法和時間）、翻耕（時間和深度）等信息，各種管理措施信息按管理實施前后順序編號存儲于ACSII 柵格文件中。

3.3.2 模型輸出

模型運行輸出結果包括網格輸出、指定格點詳細結果和流域出水口結果。網格輸出包括蒸散量，作物產量，土壤有機碳（SOC）變化，CH4累積通量，含氮氣體（NH3、N2O、NO、N2）累積通量，硝態氮淋溶和地表徑流等空間分布特征；模型允許用戶通過經緯度指定多個柵格點輸出其詳細的模擬結果，包括土壤分層環境變量（如溫度、濕度、pH、厭氧氣球大小、SOC 及其各組分）、土壤分層溶質（如硝態氮、銨態氮、尿素和速效磷含量）、地上生物量、作物產量、葉面積指數、植株氮磷含量、CH4通量、含氮氣體（NH3、N2O、NO、N2）通量，硝態氮淋溶和地表徑流等變量的時間動態；流域出水口結果包括流域出水口的水量平衡、流量和水質（如氨氮、硝氮、總氮、總磷、磷酸鹽、可溶性有機碳氮磷、泥沙和顆粒態碳氮磷）濃度時間動態。

4 模型驗證和應用

4.1 模型驗證

當前版CNMM-DNDC 模型對土壤環境要素、生態系統生產力、蒸散發、水土和氮磷流失、碳氮GHG 和含氮污染氣體排放以及流域出水口流量和水質要素等變量的模擬結果可靠性，已經通過同步綜合觀測數據驗證。參與驗證的多個野外觀測站點分布在從熱帶到寒溫帶（多年凍土地帶）的不同區域（圖2），這表明，該模型已具備先進的綜合模擬性能。

圖2 CNMM-DNDC 模型已通過觀測驗證的站點或流域及其驗證變量。綠色三角形指示11 個農田氨（NH3）揮發通量觀測驗證站點的位置，深紅色圓形指示其他觀測驗證變量站點或流域的位置，NO3-為硝酸鹽，NH4+為銨鹽，COD 為化學需氧量，AGB 為地上生物量，SOC 為土壤有機碳，PN 為顆粒態氮，TN 為總氮，TP 為總磷，PP 為顆粒態磷，GLAI 為綠葉葉面積指數，GPP 為光合作用二氧化碳（CO2）吸收通量（亦即總初級生產力），Re 為生態系統總呼吸CO2 排放通量，NEE（=Re-GPP）為生態系統—大氣CO2 凈交換通量。Fig.2 Sites (or catchments) and variables validated by CNMM-DNDC model.The green triangles indicate the locations of 11 observation sites used for the validation of ammonia (NH3) volatilization from croplands, while the dark red circles indicate the locations of the other validated sites or catchments.NO3-, NH4+, COD, AGB, SOC, PN, TN, TP, PP, GLAI, GPP, and Re are referred to nitrate, ammonium, chemical oxygen demand, aboveground biomass, soil organic carbon, particulate nitrogen, total nitrogen, total phosphorus, particulate phosphorus, green leaf area index, carbon dioxide(CO2) uptake flux by photosynthesis (i.e., total primary productivity), and CO2 emission flux by total ecosystem respiration, respectively.NEE(=Re-GPP) is referred to net ecosystem-atmosphere exchange flux of CO2.

4.1.1 亞熱帶農林復合小流域綜合觀測驗證

Zhang et al.（2018）采用我國西南川中丘陵區一個典型亞熱帶紫色土農林復合小流域（四川鹽亭截留小流域）內眾多變量的綜合觀測數據，對剛建成的CNMM-DNDC 模型v1.0 版本進行了模擬結果可靠性驗證，已經通過了多個連續周年動態觀測數據驗證的模型輸出變量包括：小流域內不同生態系統（谷底平地的稻油輪作、稻麥輪作和單季稻冬水田，坡耕地的玉米—小麥輪作）的作物產量、旱地土壤溫濕度、地表徑流、NO3-流失、NH3揮發通量和其他碳氮氣體（CH4、N2O 和NO）排放通量，以及小流域出水口水流量和河道NO3-流出量動態。

近期，李思琪等（2022）和Li et al.（2023）繼續采用該小流域的坡耕地徑流小區多年連續觀測數據開展驗證，結果證實了最新版CNMM-DNDC模型能夠同時有效模擬水力過程泥沙侵蝕量以及總氮和總磷流失通量。此外，本文作者最近又采用另外兩個亞熱帶農林復合小流域（分別是四川成都天府新區興隆湖流域的典型農業流域——賈家溝小流域和四川內江石板河流域）的觀測數據，進一步驗證了最新版CNMM-DNDC 模型對地表水面源污染要素的模擬性能，參與觀測驗證的流域出水口模型輸出變量包括河道水流量和NO3-、NH4+、化學需氧量（COD）、總磷（TP）輸出量。驗證結果顯示，該模型對這些變量表現出較好的綜合模擬預測能力。

國內外的水文—生物地球化學過程模型發展都還未達到成熟階段，隨著納入同步觀測驗證的變量個數增加，這類模型同時通過多個變量長期同步觀測驗證的難度也隨之增大。由于這個原因，國內外的陸地水文—地球化學過程模型通過同步觀測驗證的輸出變量數大多不超過5 個（如Ferrant et al.,2011）。盡管如此，在四川鹽亭截留小流域，CNMMDNDC 模型最新版已通過了15 個模擬輸出變量的長期同步綜合觀測驗證（Zhang et al., 2018; 李思琪等, 2022; Li et al., 2023）。

4.1.2 亞熱帶茶園生態系統N2O 和NO 排放通量同步觀測驗證

采用Yao et al.（2018）對我國華中地區亞熱帶茶園對不同茶齡茶園的無氮肥對照、單施尿素和單施有機肥（油菜籽餅）處理的N2O 和NO 排放通量及表層土壤溫濕度的兩年原位同步觀測數據，Zhang et al.（2020）對新增了茶樹鋁代謝和根分泌有機酸共同影響土壤酸堿度及低pH 影響植物生長模擬機制的CNMM-DNDC 模型版本開展了驗證。結果顯示，模型模擬的NO 和N2O 排放日通量動態和年累積量均與觀測值具有統計顯著一致性。對用于觀測驗證的茶園，Zhang et al.（2020）基于CNMM-DNDC 模型模擬的虛擬試驗研究發現，其N2O 和NO 年直接排放因子（即肥料氮當年通過施用地N2O 或NO 排放所致損失率）都在單施尿素時隨肥料氮投入量增加而線性增大，但在單施油菜籽餅肥時卻隨有機氮投入量增加而呈對數型非線性增長。直接排放因子是采用排放因子—活動水平乘積法編制N2O 和NO 排放清單的必要參數（IPCC,2006, 2019）。但由于直接觀測難度大、人財物力成本高，實際上很難通過觀測獲得各種田間條件的直接排放因子，實際觀測數據對排放發生條件的代表性極其有限。因此，結合可靠過程模型開展虛擬科學試驗來獲取不同田間條件下的排放因子數據，是對實際觀測缺陷的有效補充。Zhang et al.（2020）的初步研究表明，當前版CNMM-DNDC 模型是用于開展虛擬科學試驗而獲取不同條件下茶園等生態系統的N2O 和NO 直接排放因子的潛在有效工具。

4.1.3 凍土生態系統的碳氮氣體通量和硝酸鹽流失觀測驗證

Zhang et al.（2021a）采用青藏高原東部季節性凍土區三種典型高寒生態系統的CH4和N2O 通量及土壤溫濕度周年連續觀測數據，開展了CNMM-DNDC 模型驗證。結果表明，對于季節性凍土地帶的高寒濕地、高寒草甸和高寒森林生態系統，引入凍融過程模擬機制后的CNMM-DNDC 模型版本能夠有效模擬其土壤剖面溫度、表層土壤濕度和CH4與N2O 通量及其周年動態變化特征，日尺度模擬值和觀測值均達到統計顯著一致性，且一致性指數值為0.91～1.00（溫度）、0.49～0.83（濕度）、0.57～0.88（CH4通量）和0.26～0.47（N2O通量）。

采用Yue et al.（2022）在位于黑龍江省漠河縣的多年凍土濕地土壤溫濕度、活動層深度和CH4、N2O 通量觀測數據，張偉和劉春巖正在對當前版CNMM-DNDC 模型進行驗證，其初步結果也顯示出日尺度模擬值與觀測值具有統計顯著一致性（根據劉春巖和張偉提供的未發表數據）。

Zhang et al.（2021b）采用位于季節性凍土帶的吉林省梨樹地區種植玉米的農田溫度、濕度和NO3-濃度土壤剖面垂直分布觀測數據，進行了當前版CNMM-DNDC 模型的驗證。結果顯示，該模型對土壤剖面溫度、濕度和NO3-濃度的模擬值與觀測值均達到統計顯著一致性，三個變量模擬值對觀測值的統計顯著零截距回歸方程斜率分別為1.04、1.04 和0.86，決定系數分別為0.97、0.56 和0.28。

這些驗證表明，對于季節性和多年凍土地帶森林、草地、濕地和農田生態系統的土壤水熱條件、硝酸鹽淋失和CH4、N2O 排放，當前版CNMMDNDC 模型已具有較好模擬能力。

4.1.4 森林生態系統的碳水通量觀測驗證

張偉等人最近又將Forest-BGC 模型的樹木生長模擬機制引進到CNMM-DNDC 模型，替代了其中的簡化樹木生長模擬機制，并正在采用中國陸地生態系統通量觀測研究網絡（ChinaFLUX）的吉林省長白山溫帶針闊混交林、江西省千煙洲亞熱帶常綠針葉人工林、廣東省鼎湖山亞熱帶常綠針闊混交林和云南省西雙版納熱帶常綠闊葉林的觀測數據，驗證修改后的CNMM-DNDC 模型對不同氣候帶森林生態系統碳水通量的模擬性能。初步驗證結果顯示，修改后的CNMM-DNDC 模型能夠較好地模擬從熱帶到溫帶的森林生態系統水汽蒸散發（ET）通量、光合作用CO2吸收（GPP）通量、生態系統總呼吸CO2排放（Re）通量和生態系統—大氣CO2凈交換（NEE）通量（根據張偉提供的未發表數據）。

4.1.5 農田生態系統綜合觀測驗證

除了上文提及的四川鹽亭亞熱帶水稻田和坡耕地玉米—小麥輪作田以及吉林梨樹溫帶玉米地的觀測驗證外，李思琪等人還采用位于華北地區的山西運城典型暖溫帶玉米—小麥輪作田和位于東部非洲肯尼亞西部基蘇木（Kisumu）的典型熱帶玉米觀測數據，對當前版CNMM-DNDC 模型的農田綜合模擬性能進行驗證。運城農田納入該驗證的觀測數據變量包括土壤溫濕度、作物產量、地上生物量、NEE 通量、CH4吸收通量和NH3、NO、N2O 排放通量（Liu et al., 2011, 2012, 2013, 2014, 2015; Wang et al., 2013a, 2013b; Cui et al., 2014），基蘇木農田納入該驗證觀測數據變量有土壤溫濕度、NO3-和NH4+濃度、SOC 含量、玉米產量、地上生物量、綠葉葉面積指數（LAI）、植株N 含量動態、CH4吸 收 通 量 和N2O 排 放 通 量（Sommer et al., 2016,2018; Nyawira et al., 2021）。根據李思琪提供的對這些變量的驗證結果（未發表數據），該模型的模擬值與觀測值都具有統計顯著一致性。

Li et al.（2022）從文獻中搜集了我國溫帶、亞熱帶共7 個小麥—玉米輪作農田站點的累計44 個施肥事件和5 個水稻田站點的累計19 個施肥事件逐日NH3揮發通量風洞法或微氣象學方法觀測數據（其他方法的觀測數據被排除在外，主要考慮到其NH3揮發通量可能難免較大系統誤差），對當前版CNMM-DNDC 模型模擬農田NH3揮發通量的可靠性進行了全面驗證。結果顯示，該模型能較好地模擬溫帶和亞熱帶區域不同管理措施下的農田氨揮發通量變化特征，施肥事件氨揮發累積量的模擬值與觀測值具有顯著一致性，其顯著零截距線性關系的斜率達到0.94～0.98，決定系數達到0.71～0.76（Li et al., 2022）。

這些驗證表明，當前版CNMM-DNDC 模型對從熱帶到溫帶地區典型農田生態系統的土壤水熱條件、植物生長、碳氮循環過程和碳氮氣體地氣交換等過程，均具有較好模擬性能。

4.2 模型應用實例

4.2.1 區域或流域應用

自從CNMM-DNDC 模型的v1.0 版刊發以來，該模型一直在邊發展邊進行區域或流域多個目標變量的高分辨率綜合模擬測試或實際應用之中，迄今已進行過測試或在環境保護管理實踐中得到應用的我國流域或區域已有17 個，分布在亞熱帶和溫帶等氣候帶（圖3）。其中，省級行政區域有江西省和廣西壯族自治區（面積分別約166900 km2和237600 km2）；地市級行政區域有山東省濟南市和福建省南平市（面積分別約10200 km2和26300 km2）；縣市級行政區域有湖南省南縣（面積約1320 km2）；大尺度流域有整個長江流域（面積約1800000 km2）；中尺度流域有橫跨北京市與河北省的潮白河流域（面積約16500 km2）；中小尺度流域有內蒙古東部嫩江西岸的歐肯河流域（面積約1600 km2）；小尺度流域有湖南省長沙縣澗山流域（面積約50 km2）、四川省內江市威遠縣境內的石板河流域（面積約35 km2）和成都市天府新區的興隆湖流域（面積約30 km2）；微尺度流域有四川省鹽亭縣境內的萬安小流域（面積約11.9 km2）與截留小流域（面積約0.35 km2）、遼寧省清原縣境內的渾河源頭小流域（面積約3 km2）和青藏高原東部四川省若爾蓋縣境內的白龍江源頭小流域（面積約1.89 km2），如圖4 所示。

圖3 全國應用CNMM-DNDC 模型的17 個流域或區域所在位置示意圖。區域或流域名稱詳見圖4 中對應編號子圖。Fig.3 Locations of 17 catchments or regions applying CNMM-DNDC model in China.The definitions of regions or catchments are referred to the corresponding number in Fig.4.

根據這些區域或流域的尺度大小，在CNMMDNDC 模型模擬中采用了不同的水平空間分辨率。長江流域面積大，其三維模擬應用實施得較早，當時只基于小型桌面服務器運行模擬測試，考慮到時間成本而采用了較粗的水平空間分辨率（20 km）。其余區域或流域的CNMM-DNDC 模型測試或應用則依模擬對象尺度大小而采用了不同的水平空間分辨率，其中兩個省級區域為1 km，中尺度到小尺度區域或流域為150 m 到300 m 不等，微尺度流域為10 m 到100 m 不等。所有不同尺度區域或流域的模擬，都采用了3 h 時間分辨率。

這些區域或流域的模擬目標變量，依當時測試或應用目的不同而有較大差異，有些目標變量比較單一，有些卻比較多。所有測試或實際應用中進行模擬預測的目標變量包括生態系統生產力、氮磷流失、GHG 和污染氣體排放、流域出水口的水流量和水質要素（NH4+、NO3-、TN、COD、TP 等）以及生態系統凈碳平衡等（圖4）。

4.2.2 其他應用

自CNMM-DNDC 模型刊發以來，除了上述區域或流域模擬測試和應用，該模型的其他應用還有：被地方政府構建的水生態決策支持體系平臺作為核心模擬計算中樞，被國家大科學裝置用于核心模擬計算中樞的分系統模型建設，被GHG 足跡定量評估系統用于GHG 排放和產量的模擬預測工具，被多個國家級研究項目作為核心支撐工具，以及被國際學術組織用作為核心工作模型。

在四川省成都市天府新區數字城市建設項目構建的興隆湖流域水生態實時在線仿真模擬預測平臺中，CNMM-DNDC 模型被作為核心模擬計算軟件直接調用運行，進行上游流域所有三個入湖口的水流量和水質要素（包括NH4+、TN、TP 和COD）通量的3 h 實時在線預測，其預測結果直接提供給平臺的湖泊動力學模型調用，以驅動湖水水質及其空間分布的未來3 d 模擬預測，同時提供給平臺的流域匯流調度模型，用作調控湖泊水質的流域調水依據，以實現湖水水質達標。

在2022 年10 月正式建成并投入運行的地球系統數值模擬國家大科學裝置——寰（EarthLab）中，CNMM-DNDC 模型被作為其核心數值模擬軟件——中國科學院地球系統模型（CAS-ESM 2.0）的陸地生物地球化學分系統模型。依托該大科學裝置提供的算力，CNMM-DNDC 模型已可以10 km、3 h 時空分辨率運行全球陸地生態系統CO2、CH4、N2O、NO 和NH3排放通量的模擬，但以該分辨率運行全球模擬的模型驅動數據的可靠性，尤其生態系統管理數據，還亟待提高。

根據Zheng and Han（2018）建立的定量方法框架，本文作者構建了農田生態系統溫室氣體足跡（GHGfp）核算系統。GHGfp是形成單位農產品或作物產量過程發生的GHG 排放總量，由全生命周期GHG 排放總量與農產品數量或作物產量之比給出。全生命周期GHG 排放總量是農田內直接排放量和間接排放量的總和，其中間接排放由種植業生產資料的生產、運輸和使用過程中產生的GHG 排放和發生在農田外的N2O 生物源間接排放構成。該GHGfp核算系統將CNMM-DNDC 模型作為模擬作物產量、土壤有機碳庫變化、CH4和N2O 通量的過程模型，并將其與基于排放因子—活動水平乘積法的間接GHG 排放核算方法進行耦合，從而實現全生命周期GHG 排放總量和GHGfp的核算。該核算系統已經在我國溫帶和亞熱帶以及東非熱帶的玉米種植系統進行了GHGfp核算測試。

CNMM-DNDC 模型已被四個國家重點研發專項項目作為主要工作模型（其中，兩個“十三·五”計劃項目已經結題，兩個“十四·五”計劃項目正在執行中），被多個國家自然科學基金項目作為核心工作模型，以及被全球農業溫室氣體研究聯盟（GRA）作為農業系統景觀管理研究網絡的核心工作模型。

5 總結與展望

高分辨率水文—生物地球化學過程模型（CNMM-DNDC）自其1.0 版本于2018 年刊發以來，通過多次科學過程和友好性改進，目前已升級到4.0 版本，對于土壤理化條件、生態系統生產力、蒸散、水土流失、水力氮磷流失、碳氮溫室氣體和污染氣體排放等模擬輸出變量，當前版已在不同生物氣候帶主要類型生態系統通過廣泛綜合觀測驗證，并在17 個區域或流域開展了多個可持續發展目標表征變量的模擬測試或實際應用。顯然，該模型的當前版本已經展現出對從熱帶到寒溫帶（多年凍土地帶）生態系統或流域模擬有較好普適性和可靠性，有望成為服務陸地生態系統碳氮磷水綜合調控，特別是支撐多尺度區域或流域減污降碳的虛擬科學實驗平臺和優化管理決策支持工具。

當然，CNMM-DNDC 模型作為一個基于過程的陸地高分辨率水文—生物地球化學過程模型，未來必須廣泛驗證并應用已有功能，并進一步豐富其科學過程和提升其模擬功能，使其能更好地服務于多尺度區域或流域的可持續發展。該模型擬從以下多個方面推薦其未來應用和發展：

首先擬開展其已有模擬功能的全球性廣泛驗證、優化和應用。具體包括（但不限于）：

（1）面向全球不同生物氣候帶主要生態系統類型、景觀和流域的廣泛驗證；（2）碳氮磷等物質、水文和能量收支與平衡的全面綜合驗證；（3）GHG 和大氣或水體面源污染物的高分辨率動態清單編制；（4）虛擬科學試驗，以揭示碳氮磷水相互作用過程機制，預估長期試驗和調控措施的動態結果，篩選區域或流域的環境友好型優化調控對策或方案研究。

同時擬致力于其模擬功能拓展與升級。具體包括（但不限于）：（1）完善磷元素循環過程，進一步全耦合其他元素（如硫和鐵等）循環；（2）完善地表水生物化學過程和水污染消減機制；（3）新增地下水水動力和水質過程，并實現與土壤水物質循環的耦合；（4）構建城鎮生物地球化學循環模擬模塊，并實現與現有碳氮磷水循環過程的全耦合；（5）構建與現有過程全耦合的廢棄物處理系統生物地球化學循環模塊；（6）新增土壤風蝕過程；（7）實現與大氣物理化學過程模型的全耦合。