郑循华 李思琪 张伟 刘春岩 姚志生 韩圣慧 王睿 王凯 陈笑 李勇
1 中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室, 北京 100029
2 中国科学院大学地球与行星科学学院, 北京 100049
陆地生态系统约占地球表面积的三分之一，对维持地球生物圈、大气、海洋等圈层或系统的正常功能起着重要作用（Daba and Dejene, 2018; Lal et al., 2018）。陆地生态系统碳、氮、磷等元素的生物地球化学循环和水循环是相互作用、紧密耦合的复合体（Yu et al., 2010; 于贵瑞等, 2014）。通过构建动力学过程模型（process-oriented dynamical model），精细定量刻画陆地生态系统碳、氮、磷等生命元素生物地球化学循环及水循环的全耦合动态过程，这是深入认识它们之间的复杂相互作用规律及其响应和反馈影响气候、环境和人为活动的基础，也是定量评估人类对全球或区域气候、环境变化的减缓和适应成效的前提。
生态系统动力学过程模型的最初发展，可以追溯到20 世纪早期，当时由斯特里特（H Streeter）和费尔普斯（E Phelps）建立的河流水质模型，用以描述河水缺氧动态，还有同期数学家洛特卡（A J Lotka）和沃尔泰拉（V Volterra）建立的捕食者—猎物模型，用以描述互动的掠食者和猎物种群规模变化。在生态系统动力学过程模型的启发下，复杂生物地球化学过程模型从大约40 多年前开始发展，如今已有众多模型发展到相对成熟程度并在国际上得到广泛应用，其中较具代表性的有DayCent、Daisy、 DeComposition-DeNitrification（ DNDC）、LandscapeDNDC、Forest-BGC 或PnET-BGC 等（于贵 瑞 等, 2013; Maharjan et al., 2018; Zhang et al.,2018）。此外，近年来，大气科学领域发展起来的陆面过程模型或动态植被模型，也通过比较简化地耦合进生态系统碳循环或氮循环过程，使其具备部分生物地球化学模型的模拟功能。这些模型都属于一维模型，即只考虑水分的垂直运动，不考虑地形坡度引起的横向水流及其对物质横向迁移与其后进一步转化的影响。显然，在非平坦地形区域，忽略横向水流影响的一维模型提供的模拟结果，难免与客观事实之间存在显著偏差。
不同于一维的生物地球化学过程模型，三维的生态水文模型则以基于流域整体模拟的集总式或基于分散单元或栅格模拟的分布式方式同时进行纵向和横向水流及其对相关过程影响的定量刻画（石教智和陈晓宏, 2006; 杨大文等, 2018）。其中分布式生态水文模型能更客观地反映降水、地形起伏和下垫面不均性对流域径流的影响，因而能够更客观地模拟自然和人为因素影响下的流域水资源和水环境。这类生态水文模型以SHE、DHSVM 和SWAT 等为代表，已被广泛应用于陆地水循环、面源污染和水资源调控研究（邓鹏和李致家, 2013）。但是，生态水文模型对土壤—植物体系和水体内部的生命元素迁移转化过程却缺乏精细刻画，难以模拟水循环与单种或多种元素循环的复杂耦合作用。
尽管一维生物地球化学过程模型是依据物理、化学、生物的基本理论及其定理定律而构建，实现了对植被生理、土壤物理化学过程和元素迁移转化的定量刻画，但这些模型只能模拟土壤水分垂直运动引起的水溶性碳、氮、磷在土壤剖面中纵向迁移，而不考虑横向水流及其引起的水溶态与颗粒态碳、氮、磷横向迁移。因此，一维生物地球化学过程模型如此简化的表层系统水文过程不能真实地反映陆地生态系统的碳、氮、磷、水循环复杂耦合机制，在定量刻画陆地区域和流域生态系统碳、氮、磷、水循环相互作用时就遇到了瓶颈。这时，生物地球化学过程与三维水文过程全耦合的水文—生物地球化学过程模型就应当应运而生（彭辉等, 2010;Zhang et al., 2018）。然而，由于这类全耦合过程模型的研发工作本身存在高难度，国内外迄今都还缺乏成熟的陆地普适性高分辨率水文—生物地球化学过程三维模型。
国际上目前的主流水文—生物地球化学模型，大多是集总式或基于水文响应单元（hydrological response unit 或HRU）的准分布式水文模型与生物地球化学过程进行静态或动态耦合，有的是在生态水文模型中简化地耦合进生物地球化学过程。这类模型的代表有SWAT 系列（如SWAT-DayCent 和SWAT-N）、LASCAM、INCA、基于水文响应单元的DNDC 流域版等（Deng et al., 2011; 冯起等,2014; Ghimire et al., 2020）。Haas et al.（2013）通过外部耦合器实现分布式流域水文模型CMF 与一维生物地球化学模型LandscapeDNDC 的全耦合（双向动态），但可能是由于这种做法显得比较复杂而难以被大多数人熟练掌握，CNM-LandscapeDNDC耦合模型迄今还仅限于计算机上的虚拟小流域测试，尚未见在真实流域上的双向动态耦合模拟应用或测试报道，现有报道的研究采用的是单向静态耦合方式（如Schroeck et al., 2019）。因此，地球科学与资源环境领域众多学科的科学工作者们很期待全耦合的水文—生物地球化学过程三维模型能够早日研发成功并得到科研及相关业务领域的广泛应用。
经过20 多年的不断探索，中国科学院大气物理研究所成功构建了高分辨率水文—生物地球化学过程模型（CNMM-DNDC），实现了对流域碳、氮、磷、水循环过程全耦合的分布式三维模拟，使上述问题得到初步解决，有望为陆地生态系统碳、氮、磷、水综合调控和落实减污降碳目标提供先进的虚拟科学实验平台和决策支持工具。以下将从建模理念、模型功能、初步应用和未来展望五个方面，综述CNMM-DNDC 模型的自主研发及应用进展。
生命元素（碳、氮、磷、氢、氧等）的生物地球化学量（元素丰度或在介质中的浓度）、群（生命元素耦合/解耦）、流（生命元素循环）、场（驱动元素运动的基本力）概念（李长生, 2016）及相关的物理、化学和生物学理论（Zhang et al., 2018），是构建CNMM-DNDC 模型的理论基础。在该理论指导下，CNMM-DNDC 的总体建模理念可以概括为四个建模基本步骤：首先，将模拟对象（区域、流域或生态系统）的宏观生态环境条件与人类活动要素（即模型输入变量或参数）转化为多维生物地球化学场变量，包括太阳辐射、重力、温度、湿度、酸碱度、氧化还原电位、反应物浓度梯度在内的七维变量场，作为表征自然界三种基本力——作为物质内禀属性的热力和作为物质间相互作用力的电磁力与引力的一组外化物理量，这些变量共同构成的七维力场，将驱动碳、氮、磷等元素和水在模拟区域或流域内按特定方向发生物理和化学定向运动；
紧接着，将模拟对象中所关注生命元素（如碳、氮、磷等）的化学运行拆分成基本的化学耦合/解耦反应过程，包括溶解/脱溶、化合/分解、络合/解络、氧化/还原和同化/异化等，将其物理运动拆分成基本的物质相态变化或位移过程，包括熔融/结晶、融化/冻结、吸附/解析、机械运动（如扩散和流动）等；
然后，建立联立方程组，使生物地球化学场变量在刻画元素物理、化学、生物运动的基本方程中扮演关键参数或自变量角色，从而驱动元素的化学转化、相态变化和机械迁移；
最后，根据所关注元素的每一次物理、化学变化，进行模拟对象各个部分的元素丰度更新，进而由元素丰度变化决定生态系统的结构和功能变化。将这四个步骤涉及的全部数学方程、参数、变量和数据转化成可以在微机或服务器上运行的计算机语言程序软件，使该软件每运行一次，都能在计算机上生成一个用一系列数值来描绘的虚拟流域、区域或生态系统，这样就建立起来了整个过程模型。在这种理念下建立起来的水文—生物地球化学过程模型，其建模过程不依赖于实测数据，而仅依赖于人类迄今的理论和知识积累以及模型研发者对这些既有理论和知识的科学逻辑整合与数学表达能力。但已建立起来的模型是否能够较客观地反映模拟对象的真实情况，则需要依赖于观测数据进行模拟结果可靠性验证，或对模型的少数内置参数进行率定。
CNMM-DNDC 模型最初版本（v1.0，windows运行环境）的构建，是首先将国际流行一维生物地球化学过程模型DNDC（Li et al., 1992）采用的土壤碳氮转化过程（包括有机碳氮分解、硝化作用、反硝化作用、发酵作用）源代码重新编写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，然后在底层源代码层面完成了一系列过程衔接、变量匹配和尺度变换等工作，从而实现了土壤碳氮转化过程与三维水运动过程的无缝耦合。之后，在初级版本基础上，又对该模型进行了多次过程机制改进、模拟功能扩充和版本升级，从而形成了如图1 所示的当前版的CNMM-DNDC 模型。
图1 当前版水文—生物地球化学过程模型（CNMM-DNDC）的基本构架。Fig.1 Basic scientific structure of the current hydro-biogeochemical process model (CNMM-DNDC).
在上述建模理念指引下，当前版CNMMDNDC 模型（图1）刻画碳氮磷等生命元素生物地球化学循环的主要过程包括：（1）土壤—水—空气—植物和微生物复合体系统中碳氮磷元素物理、化学、生物反应过程，主要有粘土矿物吸附和解吸、水解、有机质分解、硝化、反硝化、植物氮磷吸收、根系分泌、酸碱平衡、气体扩散、光合/呼吸等过程；
（2）上述过程直接改变碳氮磷元素的不同储库大小和不同形态浓度，其中土壤有机碳氮磷库分为极易分解、易分解和惰性凋落物库，活体和死亡微生物库，易分解和难分解活性腐殖质库，惰性腐殖质库，溶解性有机碳氮磷库，不同无机碳氮磷形态包括铵盐（NH4+）、硝酸盐（NO3-）、亚硝酸盐（NO2-）、一氧化氮（NO）、氧化亚氮（N2O）、氮气（N2）、氨（NH3）、二氧化碳（CO2）、甲烷（CH4）、磷酸盐（PO43-）等；
（3）这些储库和形态变化的过程受气象条件（气温、降水、风速、相对湿度和辐射）、土壤性质（土壤质地、pH、容重、有机质、水力学参数等）和地形等环境要素以及施肥（化肥类型和用量、有机肥类型和用量、施肥时间）、灌溉、耕作（耕作方式）、作物类型等人为管理要素驱动。当前版DNMM-DNDC 模型基于光合—呼吸机理模拟植物生长，基于一级动力学机制模拟有机质分解，基于能斯特方程、“厌氧气球”假设、米氏动力学机制和Pirt 方程等模拟作为非均匀介质的土壤中同时发生的硝化、反硝化、发酵作用等，以及基于浓度梯度驱动的扩散过程等机制模拟土壤—水—植物体系中的气体排放（Zhang et al., 2018, 2020, 2021a, b; Li et al., 2022, 2023）。
当前版CNMM-DNDC 模型模拟的水文相关过程包括土壤水分平衡、壤中流的水纵向和横向运移、地表水运动和径流、浅层地下水运动和补给、河网汇流以及水平和垂直水流驱动不同形态碳氮磷物质迁移的过程，其中采用Penman-Monteith 公式模拟生态系统蒸散发，基于运动波近似或扩散波近似理论模拟地表径流和横向壤中流，根据达西定律模拟土壤水分垂直运动，应用线性槽蓄法模拟河网汇流过程（Zhang et al., 2018; Li et al., 2023）。
当前版CNMM-DNDC 模型可以用于模拟区域或流域尺度的生态系统水分平衡、能量平衡、氮磷养分平衡和植物生长，实现对区域或流域尺度生态系统生产力、温室气体（GHG）净排放、氮污染气体排放、水土流失、地表水氮磷负荷等关键变量的高时空分辨率同步预测评估，为生态系统生产力可持续性、碳氮GHG 减排和碳中和、含氮大气污染物减排、水体面源氮污染防控等重大可持续发展问题的解决提供高性能数值模型工具。
3.1 模型特点
CNMM-DNDC 模型由中国科学院大气物理研究所主导研发，其最初版本于2018 年在国际学术期刊上刊发（Zhang et al., 2018）。该模型在Windows操作系统下基于C 语言编写模型源代码，使用命令提示符cmd.exe 直接调用模型执行程序并运行。为满足其实际应用中对大规模模拟运算能力和速率的要求，近期已基于当前版本开发了可在大型服务器Linux 操作系统下运行的CNMM-DNDC 模型版本，并在多个流域和不同项目中成功应用。
CNMM-DNDC 模型设计目标是普适于不同生物气候带陆地区域或流域，并以高时间、高空间和高过程分辨率，长期模拟生态系统（包括森林、农田、草地、湿地、内陆水体等）的碳氮磷水三维运移、水流驱动的溶解态和颗粒态碳氮磷流失、地气碳氮气体（CO2、CH4、N2O、NO、NH3等）交换通量和生态系统生产力（包括地上或地下净初级生产力、产草量、木材蓄积量、作物产量等），且时间和空间分辨率均可自定义。其时间分辨率最高可到3 小时，空间分辨率最高可到米，过程分辨率精细到生态系统中碳氮磷元素和水的主要物理迁移、化学转化反应、植物及微生物生长过程，模拟土层深度可达4 m，用户可自定义土壤分层。当前版CNMM-DNDC 模型可输出多时间尺度（3 小时、日、月、季节和年）各栅格的各土层不同储库和不同形态碳氮磷浓度动态、土壤温湿度和酸碱度、土壤氧化还原电位和氧气浓度、生态系统生产力、碳氮气体地气交换通量、水分和能量收支、氮磷养分收支和净碳平衡、土壤侵蚀模数、溶解态和颗粒态碳氮磷流失通量以及流域出水口流量与水质要素等（Li et al., 2023）。
3.2 过程改进和功能升级
CNMM-DNDC 模型目前已经注册了6 个国家软件著作权版本：v1.0 版，对DNDC 模型（Li et al., 1992, 2002; 李长生, 2016）采用的土壤碳氮转化过程模拟机制与CNMM 模型（李勇等, 2017）采用的分布式三维水文过程模拟机制建立了全耦合（Zhang et al., 2018）；
v2.0 版，引入了冻融机制，并创建了山茶科植物铝代谢过程影响茶园土壤酸碱度的动态模拟新机制，使该模型适用于季节性或多年冻土地带（Zhang et al., 2021a），也能够模拟植茶引起的土壤酸碱度举例变化及其对土壤氮转化和气态氮排放的影响（Zhang et al., 2020）；
v2.0s 版，对该模型的输入数据制备过程进行了标准化；
v3.0 版，构建了有地表水层生态系统（水田或湿地）的氨挥发模拟新机制，并通过考虑降雨影响下植被冠层截留土壤排放的氨等因素，改进了旱地氨挥发的仿一级动力学模拟机制（Li et al., 2022）；
v4.0版，引入土壤侵蚀和颗粒态碳氮磷迁移模拟机制，使该模型具备了模拟横向水流影响土壤碳氮磷库和地表水颗粒态碳氮磷负荷的功能（Li et al., 2023）；
Linux v1.0 版，将该模型的最新windows 版本（v1.0至v4.0 均是由window 操作系统运行的版本）源代码改写成了能在Linux 操作系统运行的源代码版本，使该模型能在大型服务器上高效地进行高分辨率三维模拟的大规模运算。
3.2.1 引入冻融机制
考虑到全球陆地面积的16%分布着冻土，CNMM-DNDC 模型的设计目标之一是使其对多年冻土和季节性冻土地带具备普适性。为此，Zhang et al.（2021a）将Zhang et al.（2003）构建北方生态 系 统 土 壤 温 度 模 型（Northern Ecosystem Soil Temperature，简称NEST）时采用的冻融过程机制引入到CNMM-DNDC 模型中，使其拥有对中高纬或高海拔地带表层土壤冻融过程的模拟能力。该冻融过程模拟机制的核心是土壤和雪层的热传导。不同土层、雪层或土雪过渡层之间的热传输主要基于辐射能量平衡进行计算，其中在采用的一维热传导方程中，加入了土壤水冻结冰融化或雪层融化而引起的热量变化项，土壤热量下边界由地热能量平衡确定。冻融过程模拟涉及的主要方程如表1 中式1～5 所示。土壤冻融和雪层融化的临界温度为0°C。依据能量守恒定律，若热传导方程计算得到的温度高于临界温度，则土壤冰或雪层融化，反之则土壤水冻结。
表1 CNMM-DNDC 模型模拟冻融过程的主要方程（Zhang et al., 2021a）Table 1 Key equations of freeze-thaw process in CNMMDNDC model (Zhang et al., 2021a)
3.2.2 创建土壤酸碱度变化的铝代谢模拟机制
茶叶种植园在全球陆地热带和亚热带区域广泛分布，茶业也是这些地区的主要农业行业之一（http://www.fao.org/faostat/[2023-04-28]）。茶 树属于山茶科，是多年生木本植物，其植株生长过程中通过根系从较深层土壤中大量吸收铝，冠层修剪枝叶和落叶在地表分解又将这部分枝叶中的铝释放到表层土壤中，铝离子（Al3+）水解产生大量氢离子（H+），导致表层土壤酸度增加，pH 下降，改变茶园生态系统的碳氮磷循环过程，特别是植茶所致土壤低pH 触发化学反硝化（Zhang et al., 2020），引起强烈的土壤N2O 和NO 排放（Yao et al., 2018;Wang et al., 2020）。为了模拟茶树铝代谢引起的土壤pH 变化，Zhang et al.（2020）基于铝离子水解平衡和化学反应动力学原理创建了一个新的模拟机制，其核心方程用于模拟土壤中三价铝离子水解引起的土壤H+浓度变化（表2 中的反应1 和式6），使CNMM-DNDC 模型能够模拟植茶所致低pH 触发的茶园土壤N2O 和NO 强排放。此外，Zhang et al.（2020）还基于有机酸电离平衡原理，为CNMMDNDC 模型新增了植物生长过程中根系分泌有机酸影响土壤pH 的模拟机制，以及土壤强酸度（低pH）通过改变植物光合能力而影响生长的过程（表2 中的反应2 和式7～8）。
表2 CNMM-DNDC 模型建立的土壤酸碱度变化新模拟机制（Zhang et al., 2020）Table 2 New mechanisms for simulating soil pH changes in CNMM-DNDC model (Zhang et al., 2020)
3.2.3 改进生态系统氨挥发模拟机制
改进前的CNMM-DNDC 模型对生态系统NH3挥发，无论有无地表水层，都采用了相同模拟机制。但地表有覆盖水的生态系统NH3挥发机制实际上与无水层完全不同，采用相同算法显然不合理。特别是，在有地表水层覆盖的水田或湿地，会有水藻大量繁殖，水藻光合作用释放氢氧根离子（OH-），使土壤pH 升高，促进NH4+向NH3转化，同时也降低NH3在水中的溶解度，该水藻影响导致施氮肥的淹水稻田和旱地NH3挥发强度相当。但之前的CNMM-DNDC 模型或国内外其他模型，都没有考虑藻类生长对湿地NH3挥发的影响。针对这个问题，Li et al.（2022）建立了适用于地表有水层生态系统（如淹水期间的水稻田和湿地等）的NH3挥发模拟机制，主要是创建了藻类生长调节地表水层pH 而影响NH3挥发的新模拟机制及其参数化方案（表3 中的式9～11），同时还引入了Jayaweera and Mikkelsen（1990）基于双膜传质理论创建的J-M 传质机制（表3 中的反应3 和式12～14）。基于J-M 传质机制模拟地表有水层生态系统的NH3挥发，需要定量刻画两个过程：一是水中NH4+与NH3的酸碱化学平衡，二是水中NH3的挥发过程，即气态NH3通过水—气界面扩散到大气。酸碱平衡过程考虑了田面水的NH4+浓度、pH 值和水温的影响，挥发过程依据双模传质理论，并考虑了水位和风速等因素的影响。
表3 CNMM-DNDC 模型采用的湿地（有水层）氨挥发模拟机制（Li et al., 2022）Table 3 Mechanisms of ammonia volatilization from wetlands (with surface water layer) in CNMM-DNDC model (Li et al.,2022)
对于旱地NH3挥发的模拟，改进前的CNMMDNDC 模型继承了DNDC 的仿一级反应动力学模拟机制，其中考虑了风速、土壤温度和土壤深度对NH3挥发速率常数的影响。在此基础上，Li et al.（2022）进一步同时考虑了植被冠层、土壤质地（以粘粒含量表征）、土壤湿度和降雨（或喷灌）致植被冠层湿润等因素对NH3挥发速率常数的影响。该模拟机制的算法中，每一个影响因素调节NH3挥发速率常数的作用都被定义为0～1 之间的无量纲分数，其取值通过多个站点的旱地农田NH3挥发通量观测数据予以率定，当前版中对这些参数取值的率定，依据了中国和英国各7 个野外站点施肥事件发生后两周左右的逐日NH3挥发通量观测数据（Dubache et al., 2019; Li et al., 2019, 2022）。
3.2.4 引入土壤水力侵蚀机制
改进前的CNMM-DNDC 模型只能模拟地表径流和壤中流引起的水溶性碳氮磷物质（包括铵盐、硝酸盐、水溶性磷酸盐和水溶性有机物）的横向和纵向迁移，但缺乏对地表水蚀产沙及其引起的颗粒态碳氮磷横向迁移过程的模拟能力。为了解决该问题，李思琪等（2022）和Li et al.（2023）在该模型的水文框架中引入了Rose（1985）提出的并已得到广泛应用的土壤水力侵蚀物理机制，使CNMM-DNDC 模型新增了水土流失模拟功能，为地表水碳氮磷面源污染的科学研究与防控治理提供了一个潜在的先进模型工具。无缝耦合Rose 机制（Rose, 1985）后，CNMM-DNDC 模型可以通过模拟降雨剥蚀、地表径流夹带和泥沙沉降三个连续发生的物理过程来估算水蚀产沙强度。地表径流（Q）越大，泥沙颗粒也越大，式15（表4）等号右侧第一项（降水剥蚀项）就比第二项（径流夹带项）越小。实际上，即使在相当弱的侵蚀事件中，忽略降水剥蚀项后仍然是一个较好的近似（式16），因为这样近似模拟的精度通常会优于观测数据的不确定度。如式17（表4）所示，由地表径流引起的单位面积地表泥沙产量（S）根据地表径流量（Q）、坡度（G）、植被覆盖度（Cr）和地表径流的泥沙携带效率（η）进行计算（Rose, 1985），进而采用富集系数法，由地表水蚀产沙量（S）、表层土壤碳氮磷含量（C）和地表径流引起的颗粒态碳氮磷富集比（R），根据表4 所列式18～20计算地表水力侵蚀引起的颗粒态碳、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蚀机制（Li et al., 2023）Table 4 Mechanisms of water-induced erosion in CNMM-DNDC model (Li et al., 2023)
3.3 模型输入和输出
3.3.1 输入数据
模型的输入数据包括土地利用及农田管理信息、气象信息、地表阴影信息、土壤信息、河流信息和地形信息，分别存放在land、met、shade、soil、stream 和topo 目录下。x64Debug 目录下还有一个名为***.cnmm 的项目文档，用于存放区域或流域模拟相关输入数据路径、模拟时段和土壤分层等信息。
气象输入数据包括气象数据文件（***.dat）和站点信息文件（Station.dat）。站点信息文件存储气象站名称、坐标、海拔和气象数据文件存储路径信息。每个气象数据文件分别存储模拟区域的各气象站点每3 h 的短波辐射、长波辐射量和降水总量，以及气温、风速、相对湿度平均值。
土壤输入包括土壤理化性质、初始条件和分层（nodes.dat）等数据文件。土壤理化性质输入文件是ACSII 栅格文件，包括不同土壤分层（依据***.cnmm 项目文档中定义的土壤分层信息，各个属性文件的数字编号代表土壤层次）的pH、黏粒含量、阳离子交换量、有机质含量、总氮、总磷、速效磷含量、反照率、容重、饱和含水量、田间持水量、萎蔫系数、纵向饱和导水率、表层横向饱和导水率等。土壤初始条件主要包括硝态氮和铵态氮含量、温湿度、秸秆残留量等。土壤分层文件为模型运转过程中土壤分层状况描述，不同于项目文档中的土壤分层信息。
地形输入数据包括3 个ACSII 栅格文件，分别存储着流域数字高程、河流流向和流域边界。
河流输入数据包括河流分布、初始河道信息、河流分级、河流网络、河流初始水质和地表汇流等信息。河流分布是基于数字高程图获取的流域河流分布ACSII 栅格文件。河流分级包括各个级别河道的宽度、深度和水分下渗速率等参数。河流分级是每段河网的级别，即具体是第几级河道。河流信息和河流网络也是基于数字高程图获取的河段栅格位置、长度、切深、坡向、坡度等信息。河流初始水质可由用户根据实际情况自定义和修改。地表汇流信息是模型自查运行中生成的驱动文件。
阴影输入数据包括逐日阴影文件和仰视角文件，均是模型自查运行中生成的驱动文件。
植被信息和管理输入数据包括农作物等植被的参数、土地利用和管理措施。植被参数信息包括不同植物的生物学参数，如最佳/最低生长温度、植株高度、植株根深、植物不同生长期不同部位的碳氮磷含量和生长积温等。土地利用是区域或流域土地利用类型分布信息，为ACSII 栅格文件。管理措施包括农作物播种（时间和作物类型）、农作物收获或草地割草（时间、农作物类型和秸秆还田比例、林地伐木时间和方式等）、施肥（施肥量、肥料种类、施肥方法和氮磷含量等）、灌溉（灌溉水量、灌溉方法和时间）、翻耕（时间和深度）等信息，各种管理措施信息按管理实施前后顺序编号存储于ACSII 栅格文件中。
3.3.2 模型输出
模型运行输出结果包括网格输出、指定格点详细结果和流域出水口结果。网格输出包括蒸散量，作物产量，土壤有机碳（SOC）变化，CH4累积通量，含氮气体（NH3、N2O、NO、N2）累积通量，硝态氮淋溶和地表径流等空间分布特征；
模型允许用户通过经纬度指定多个栅格点输出其详细的模拟结果，包括土壤分层环境变量（如温度、湿度、pH、厌氧气球大小、SOC 及其各组分）、土壤分层溶质（如硝态氮、铵态氮、尿素和速效磷含量）、地上生物量、作物产量、叶面积指数、植株氮磷含量、CH4通量、含氮气体（NH3、N2O、NO、N2）通量，硝态氮淋溶和地表径流等变量的时间动态；
流域出水口结果包括流域出水口的水量平衡、流量和水质（如氨氮、硝氮、总氮、总磷、磷酸盐、可溶性有机碳氮磷、泥沙和颗粒态碳氮磷）浓度时间动态。
4.1 模型验证
当前版CNMM-DNDC 模型对土壤环境要素、生态系统生产力、蒸散发、水土和氮磷流失、碳氮GHG 和含氮污染气体排放以及流域出水口流量和水质要素等变量的模拟结果可靠性，已经通过同步综合观测数据验证。参与验证的多个野外观测站点分布在从热带到寒温带（多年冻土地带）的不同区域（图2），这表明，该模型已具备先进的综合模拟性能。
图2 CNMM-DNDC 模型已通过观测验证的站点或流域及其验证变量。绿色三角形指示11 个农田氨（NH3）挥发通量观测验证站点的位置，深红色圆形指示其他观测验证变量站点或流域的位置，NO3-为硝酸盐，NH4+为铵盐，COD 为化学需氧量，AGB 为地上生物量，SOC 为土壤有机碳，PN 为颗粒态氮，TN 为总氮，TP 为总磷，PP 为颗粒态磷，GLAI 为绿叶叶面积指数，GPP 为光合作用二氧化碳（CO2）吸收通量（亦即总初级生产力），Re 为生态系统总呼吸CO2 排放通量，NEE（=Re-GPP）为生态系统—大气CO2 净交换通量。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 亚热带农林复合小流域综合观测验证
Zhang et al.（2018）采用我国西南川中丘陵区一个典型亚热带紫色土农林复合小流域（四川盐亭截留小流域）内众多变量的综合观测数据，对刚建成的CNMM-DNDC 模型v1.0 版本进行了模拟结果可靠性验证，已经通过了多个连续周年动态观测数据验证的模型输出变量包括：小流域内不同生态系统（谷底平地的稻油轮作、稻麦轮作和单季稻冬水田，坡耕地的玉米—小麦轮作）的作物产量、旱地土壤温湿度、地表径流、NO3-流失、NH3挥发通量和其他碳氮气体（CH4、N2O 和NO）排放通量，以及小流域出水口水流量和河道NO3-流出量动态。
近期，李思琪等（2022）和Li et al.（2023）继续采用该小流域的坡耕地径流小区多年连续观测数据开展验证，结果证实了最新版CNMM-DNDC模型能够同时有效模拟水力过程泥沙侵蚀量以及总氮和总磷流失通量。此外，本文作者最近又采用另外两个亚热带农林复合小流域（分别是四川成都天府新区兴隆湖流域的典型农业流域——贾家沟小流域和四川内江石板河流域）的观测数据，进一步验证了最新版CNMM-DNDC 模型对地表水面源污染要素的模拟性能，参与观测验证的流域出水口模型输出变量包括河道水流量和NO3-、NH4+、化学需氧量（COD）、总磷（TP）输出量。验证结果显示，该模型对这些变量表现出较好的综合模拟预测能力。
国内外的水文—生物地球化学过程模型发展都还未达到成熟阶段，随着纳入同步观测验证的变量个数增加，这类模型同时通过多个变量长期同步观测验证的难度也随之增大。由于这个原因，国内外的陆地水文—地球化学过程模型通过同步观测验证的输出变量数大多不超过5 个（如Ferrant et al.,2011）。尽管如此，在四川盐亭截留小流域，CNMMDNDC 模型最新版已通过了15 个模拟输出变量的长期同步综合观测验证（Zhang et al., 2018; 李思琪等, 2022; Li et al., 2023）。
4.1.2 亚热带茶园生态系统N2O 和NO 排放通量同步观测验证
采用Yao et al.（2018）对我国华中地区亚热带茶园对不同茶龄茶园的无氮肥对照、单施尿素和单施有机肥（油菜籽饼）处理的N2O 和NO 排放通量及表层土壤温湿度的两年原位同步观测数据，Zhang et al.（2020）对新增了茶树铝代谢和根分泌有机酸共同影响土壤酸碱度及低pH 影响植物生长模拟机制的CNMM-DNDC 模型版本开展了验证。结果显示，模型模拟的NO 和N2O 排放日通量动态和年累积量均与观测值具有统计显著一致性。对用于观测验证的茶园，Zhang et al.（2020）基于CNMM-DNDC 模型模拟的虚拟试验研究发现，其N2O 和NO 年直接排放因子（即肥料氮当年通过施用地N2O 或NO 排放所致损失率）都在单施尿素时随肥料氮投入量增加而线性增大，但在单施油菜籽饼肥时却随有机氮投入量增加而呈对数型非线性增长。直接排放因子是采用排放因子—活动水平乘积法编制N2O 和NO 排放清单的必要参数（IPCC,2006, 2019）。但由于直接观测难度大、人财物力成本高，实际上很难通过观测获得各种田间条件的直接排放因子，实际观测数据对排放发生条件的代表性极其有限。因此，结合可靠过程模型开展虚拟科学试验来获取不同田间条件下的排放因子数据，是对实际观测缺陷的有效补充。Zhang et al.（2020）的初步研究表明，当前版CNMM-DNDC 模型是用于开展虚拟科学试验而获取不同条件下茶园等生态系统的N2O 和NO 直接排放因子的潜在有效工具。
4.1.3 冻土生态系统的碳氮气体通量和硝酸盐流失观测验证
Zhang et al.（2021a）采用青藏高原东部季节性冻土区三种典型高寒生态系统的CH4和N2O 通量及土壤温湿度周年连续观测数据，开展了CNMM-DNDC 模型验证。结果表明，对于季节性冻土地带的高寒湿地、高寒草甸和高寒森林生态系统，引入冻融过程模拟机制后的CNMM-DNDC 模型版本能够有效模拟其土壤剖面温度、表层土壤湿度和CH4与N2O 通量及其周年动态变化特征，日尺度模拟值和观测值均达到统计显著一致性，且一致性指数值为0.91～1.00（温度）、0.49～0.83（湿度）、0.57～0.88（CH4通量）和0.26～0.47（N2O通量）。
采用Yue et al.（2022）在位于黑龙江省漠河县的多年冻土湿地土壤温湿度、活动层深度和CH4、N2O 通量观测数据，张伟和刘春岩正在对当前版CNMM-DNDC 模型进行验证，其初步结果也显示出日尺度模拟值与观测值具有统计显著一致性（根据刘春岩和张伟提供的未发表数据）。
Zhang et al.（2021b）采用位于季节性冻土带的吉林省梨树地区种植玉米的农田温度、湿度和NO3-浓度土壤剖面垂直分布观测数据，进行了当前版CNMM-DNDC 模型的验证。结果显示，该模型对土壤剖面温度、湿度和NO3-浓度的模拟值与观测值均达到统计显著一致性，三个变量模拟值对观测值的统计显著零截距回归方程斜率分别为1.04、1.04 和0.86，决定系数分别为0.97、0.56 和0.28。
这些验证表明，对于季节性和多年冻土地带森林、草地、湿地和农田生态系统的土壤水热条件、硝酸盐淋失和CH4、N2O 排放，当前版CNMMDNDC 模型已具有较好模拟能力。
4.1.4 森林生态系统的碳水通量观测验证
张伟等人最近又将Forest-BGC 模型的树木生长模拟机制引进到CNMM-DNDC 模型，替代了其中的简化树木生长模拟机制，并正在采用中国陆地生态系统通量观测研究网络（ChinaFLUX）的吉林省长白山温带针阔混交林、江西省千烟洲亚热带常绿针叶人工林、广东省鼎湖山亚热带常绿针阔混交林和云南省西双版纳热带常绿阔叶林的观测数据，验证修改后的CNMM-DNDC 模型对不同气候带森林生态系统碳水通量的模拟性能。初步验证结果显示，修改后的CNMM-DNDC 模型能够较好地模拟从热带到温带的森林生态系统水汽蒸散发（ET）通量、光合作用CO2吸收（GPP）通量、生态系统总呼吸CO2排放（Re）通量和生态系统—大气CO2净交换（NEE）通量（根据张伟提供的未发表数据）。
4.1.5 农田生态系统综合观测验证
除了上文提及的四川盐亭亚热带水稻田和坡耕地玉米—小麦轮作田以及吉林梨树温带玉米地的观测验证外，李思琪等人还采用位于华北地区的山西运城典型暖温带玉米—小麦轮作田和位于东部非洲肯尼亚西部基苏木（Kisumu）的典型热带玉米观测数据，对当前版CNMM-DNDC 模型的农田综合模拟性能进行验证。运城农田纳入该验证的观测数据变量包括土壤温湿度、作物产量、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），基苏木农田纳入该验证观测数据变量有土壤温湿度、NO3-和NH4+浓度、SOC 含量、玉米产量、地上生物量、绿叶叶面积指数（LAI）、植株N 含量动态、CH4吸 收 通 量 和N2O 排 放 通 量（Sommer et al., 2016,2018; Nyawira et al., 2021）。根据李思琪提供的对这些变量的验证结果（未发表数据），该模型的模拟值与观测值都具有统计显著一致性。
Li et al.（2022）从文献中搜集了我国温带、亚热带共7 个小麦—玉米轮作农田站点的累计44 个施肥事件和5 个水稻田站点的累计19 个施肥事件逐日NH3挥发通量风洞法或微气象学方法观测数据（其他方法的观测数据被排除在外，主要考虑到其NH3挥发通量可能难免较大系统误差），对当前版CNMM-DNDC 模型模拟农田NH3挥发通量的可靠性进行了全面验证。结果显示，该模型能较好地模拟温带和亚热带区域不同管理措施下的农田氨挥发通量变化特征，施肥事件氨挥发累积量的模拟值与观测值具有显著一致性，其显著零截距线性关系的斜率达到0.94～0.98，决定系数达到0.71～0.76（Li et al., 2022）。
这些验证表明，当前版CNMM-DNDC 模型对从热带到温带地区典型农田生态系统的土壤水热条件、植物生长、碳氮循环过程和碳氮气体地气交换等过程，均具有较好模拟性能。
4.2 模型应用实例
4.2.1 区域或流域应用
自从CNMM-DNDC 模型的v1.0 版刊发以来，该模型一直在边发展边进行区域或流域多个目标变量的高分辨率综合模拟测试或实际应用之中，迄今已进行过测试或在环境保护管理实践中得到应用的我国流域或区域已有17 个，分布在亚热带和温带等气候带（图3）。其中，省级行政区域有江西省和广西壮族自治区（面积分别约166900 km2和237600 km2）；
地市级行政区域有山东省济南市和福建省南平市（面积分别约10200 km2和26300 km2）；
县市级行政区域有湖南省南县（面积约1320 km2）；
大尺度流域有整个长江流域（面积约1800000 km2）；
中尺度流域有横跨北京市与河北省的潮白河流域（面积约16500 km2）；
中小尺度流域有内蒙古东部嫩江西岸的欧肯河流域（面积约1600 km2）；
小尺度流域有湖南省长沙县涧山流域（面积约50 km2）、四川省内江市威远县境内的石板河流域（面积约35 km2）和成都市天府新区的兴隆湖流域（面积约30 km2）；
微尺度流域有四川省盐亭县境内的万安小流域（面积约11.9 km2）与截留小流域（面积约0.35 km2）、辽宁省清原县境内的浑河源头小流域（面积约3 km2）和青藏高原东部四川省若尔盖县境内的白龙江源头小流域（面积约1.89 km2），如图4 所示。
图3 全国应用CNMM-DNDC 模型的17 个流域或区域所在位置示意图。区域或流域名称详见图4 中对应编号子图。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.
根据这些区域或流域的尺度大小，在CNMMDNDC 模型模拟中采用了不同的水平空间分辨率。长江流域面积大，其三维模拟应用实施得较早，当时只基于小型桌面服务器运行模拟测试，考虑到时间成本而采用了较粗的水平空间分辨率（20 km）。其余区域或流域的CNMM-DNDC 模型测试或应用则依模拟对象尺度大小而采用了不同的水平空间分辨率，其中两个省级区域为1 km，中尺度到小尺度区域或流域为150 m 到300 m 不等，微尺度流域为10 m 到100 m 不等。所有不同尺度区域或流域的模拟，都采用了3 h 时间分辨率。
这些区域或流域的模拟目标变量，依当时测试或应用目的不同而有较大差异，有些目标变量比较单一，有些却比较多。所有测试或实际应用中进行模拟预测的目标变量包括生态系统生产力、氮磷流失、GHG 和污染气体排放、流域出水口的水流量和水质要素（NH4+、NO3-、TN、COD、TP 等）以及生态系统净碳平衡等（图4）。
4.2.2 其他应用
自CNMM-DNDC 模型刊发以来，除了上述区域或流域模拟测试和应用，该模型的其他应用还有：被地方政府构建的水生态决策支持体系平台作为核心模拟计算中枢，被国家大科学装置用于核心模拟计算中枢的分系统模型建设，被GHG 足迹定量评估系统用于GHG 排放和产量的模拟预测工具，被多个国家级研究项目作为核心支撑工具，以及被国际学术组织用作为核心工作模型。
在四川省成都市天府新区数字城市建设项目构建的兴隆湖流域水生态实时在线仿真模拟预测平台中，CNMM-DNDC 模型被作为核心模拟计算软件直接调用运行，进行上游流域所有三个入湖口的水流量和水质要素（包括NH4+、TN、TP 和COD）通量的3 h 实时在线预测，其预测结果直接提供给平台的湖泊动力学模型调用，以驱动湖水水质及其空间分布的未来3 d 模拟预测，同时提供给平台的流域汇流调度模型，用作调控湖泊水质的流域调水依据，以实现湖水水质达标。
在2022 年10 月正式建成并投入运行的地球系统数值模拟国家大科学装置——寰（EarthLab）中，CNMM-DNDC 模型被作为其核心数值模拟软件——中国科学院地球系统模型（CAS-ESM 2.0）的陆地生物地球化学分系统模型。依托该大科学装置提供的算力，CNMM-DNDC 模型已可以10 km、3 h 时空分辨率运行全球陆地生态系统CO2、CH4、N2O、NO 和NH3排放通量的模拟，但以该分辨率运行全球模拟的模型驱动数据的可靠性，尤其生态系统管理数据，还亟待提高。
根据Zheng and Han（2018）建立的定量方法框架，本文作者构建了农田生态系统温室气体足迹（GHGfp）核算系统。GHGfp是形成单位农产品或作物产量过程发生的GHG 排放总量，由全生命周期GHG 排放总量与农产品数量或作物产量之比给出。全生命周期GHG 排放总量是农田内直接排放量和间接排放量的总和，其中间接排放由种植业生产资料的生产、运输和使用过程中产生的GHG 排放和发生在农田外的N2O 生物源间接排放构成。该GHGfp核算系统将CNMM-DNDC 模型作为模拟作物产量、土壤有机碳库变化、CH4和N2O 通量的过程模型，并将其与基于排放因子—活动水平乘积法的间接GHG 排放核算方法进行耦合，从而实现全生命周期GHG 排放总量和GHGfp的核算。该核算系统已经在我国温带和亚热带以及东非热带的玉米种植系统进行了GHGfp核算测试。
CNMM-DNDC 模型已被四个国家重点研发专项项目作为主要工作模型（其中，两个“十三·五”计划项目已经结题，两个“十四·五”计划项目正在执行中），被多个国家自然科学基金项目作为核心工作模型，以及被全球农业温室气体研究联盟（GRA）作为农业系统景观管理研究网络的核心工作模型。
高分辨率水文—生物地球化学过程模型（CNMM-DNDC）自其1.0 版本于2018 年刊发以来，通过多次科学过程和友好性改进，目前已升级到4.0 版本，对于土壤理化条件、生态系统生产力、蒸散、水土流失、水力氮磷流失、碳氮温室气体和污染气体排放等模拟输出变量，当前版已在不同生物气候带主要类型生态系统通过广泛综合观测验证，并在17 个区域或流域开展了多个可持续发展目标表征变量的模拟测试或实际应用。显然，该模型的当前版本已经展现出对从热带到寒温带（多年冻土地带）生态系统或流域模拟有较好普适性和可靠性，有望成为服务陆地生态系统碳氮磷水综合调控，特别是支撑多尺度区域或流域减污降碳的虚拟科学实验平台和优化管理决策支持工具。
当然，CNMM-DNDC 模型作为一个基于过程的陆地高分辨率水文—生物地球化学过程模型，未来必须广泛验证并应用已有功能，并进一步丰富其科学过程和提升其模拟功能，使其能更好地服务于多尺度区域或流域的可持续发展。该模型拟从以下多个方面推荐其未来应用和发展：
首先拟开展其已有模拟功能的全球性广泛验证、优化和应用。具体包括（但不限于）：
（1）面向全球不同生物气候带主要生态系统类型、景观和流域的广泛验证；
（2）碳氮磷等物质、水文和能量收支与平衡的全面综合验证；
（3）GHG 和大气或水体面源污染物的高分辨率动态清单编制；
（4）虚拟科学试验，以揭示碳氮磷水相互作用过程机制，预估长期试验和调控措施的动态结果，筛选区域或流域的环境友好型优化调控对策或方案研究。
同时拟致力于其模拟功能拓展与升级。具体包括（但不限于）：（1）完善磷元素循环过程，进一步全耦合其他元素（如硫和铁等）循环；
（2）完善地表水生物化学过程和水污染消减机制；
（3）新增地下水水动力和水质过程，并实现与土壤水物质循环的耦合；
（4）构建城镇生物地球化学循环模拟模块，并实现与现有碳氮磷水循环过程的全耦合；
（5）构建与现有过程全耦合的废弃物处理系统生物地球化学循环模块；
（6）新增土壤风蚀过程；
（7）实现与大气物理化学过程模型的全耦合。
