综述：对推进一氧化二氮排放建模的方法、挑战及未来方向的全面综述

《Ecological Modelling》：A comprehensive review of approaches, challenges, and future directions for advancing nitrous oxide emission modeling

氮氧化物排放模型综述：系统评估了73个过程模型和15个经验模型在模拟N?O排放中的策略，发现51个模型使用固定硝化参数（0.0003-0.2），16个模型采用反硝化固定参数（0.002-0.9）。提出需结合环境因子优化参数，未来需大样本元分析提升模型环境响应能力。

　　温室气体中，氧化亚氮（N?O）因其强大的温室效应而备受关注。作为农业生态系统中的关键排放源，N?O的模拟与预测对于全球气候变化的应对具有重要意义。近年来，大量模型被开发并广泛应用于大尺度上模拟长期N?O排放。然而，尽管这些模型在结构和方法上存在差异，它们在模拟N?O排放时往往采用相似的策略，这为模型的改进和优化提供了方向。本文旨在系统性地回顾当前N?O模拟模型的发展现状，分析其局限性，并探讨未来研究的可能方向。

农业是氧化亚氮的主要人为排放源之一，其排放量在过去几十年间显著增加。自1980年代以来，农业领域的N?O排放增长超过了45%，主要归因于氮肥和粪肥的使用增加。这些氮肥和粪肥的广泛应用不仅改变了土壤中的氮循环，还影响了氧化亚氮的生成路径。在农业生产过程中，氧化亚氮的排放主要通过硝化作用和反硝化作用两个途径发生。硝化作用是土壤中氨转化为硝酸盐的过程，而反硝化作用则是硝酸盐在缺氧条件下被还原为氮气的过程。在这两个过程中，氧化亚氮作为中间产物被释放到大气中，因此其排放量与土壤中的氮转化过程密切相关。

由于农业活动的多样性和复杂性，影响N?O排放的因素众多。这些因素包括环境变量和管理变量，其中环境变量如土壤微生物活性、土壤氮含量、有机碳含量、土壤水分、温度、质地和pH值，对N?O的生成具有重要影响。管理变量则包括施肥的时间、数量和种类，以及作物类型等。这些因素在空间和时间上的变化及其相互作用，使得在大尺度上准确估算N?O的长期排放变得困难。因此，建立能够综合考虑这些变量的模型成为研究的重点。

为应对这一挑战，政府间气候变化专门委员会（IPCC）提出了三种估算N?O排放的方法，即第一级、第二级和第三级方法。第一级方法基于默认的排放因子和管理数据，适用于数据有限的情况。第二级方法则在第一级的基础上增加了更详细的排放因子和活动数据，从而提高了估算的准确性。第三级方法则采用建模或测量手段，能够更全面地反映复杂的排放过程。然而，第三级方法通常需要更精确的数据支持，因此其应用范围相对受限。

为了更准确地模拟N?O的长期排放，科学家们开发了多种模型，这些模型可以应用于不同尺度，包括田间、流域、区域和全球范围。在这些模型中，有部分是基于经验的，也有部分是基于过程的。经验模型通常依赖于统计方法，通过已有的观测数据来预测N?O的排放量。而过程模型则试图模拟N?O生成的生物化学机制，以更好地理解其在不同环境条件下的变化规律。

目前，已有大量研究对N?O模拟模型进行了综述和评估。例如，Schils等人（2007）对多个农业领域的模型进行了回顾，包括DairySim、FarmGHG、SIMS_DAIRY和FarmSim等，这些模型主要用于模拟农场层面的N?O排放。Chen等人（2008）则对实验室、田间、区域和全球尺度的模型进行了总结，其中包括NGAS、DNDC、NLOSS、Ecosys、Expert-N、WNMM、FASSET和CERES-NOE等。Ehrhardt等人（2018）分析了24个过程模型在模拟生产力和N?O排放方面的不确定性，而Tian等人（2018）则详细探讨了10个过程模型中的氮循环过程及其对N?O排放的影响。Zhang和Niu（2019）对四个田间尺度的模型进行了回顾，指出未来研究需要在模型机制、参数化和区域模拟能力方面进行改进。Giltrap等人（2020）描述了三个过程模型，即APSIM、DAYCENT和DNDC。更近期的研究中，Gabbrielli等人（2024）对11个过程模型的算法进行了总结，包括APSIM、ARMOSA、CERES-EGC、CropSyst、CoupModel、DAYCENT、DNDC、DSSAT、EPIC、SPACSYS和STICS，这些模型用于模拟农业土壤在日尺度上的N?O排放。

尽管已有许多模型被开发和应用，但目前仍缺乏一项全面的研究来总结这些模型的发展现状。一些研究指出，某些模型可能采用了独特的算法，而另一些模型则可能共享了某些核心策略。因此，明确这些模型之间的异同，对于识别模型改进的机会至关重要。如果模型之间存在共性，那么对这些共性算法的优化可能会带来更广泛的影响，而不仅仅是针对特定模型。相反，如果每个模型都采用独立的算法，那么改进措施可能需要根据具体模型进行调整。

在对模型进行系统性总结的过程中，研究人员发现，目前的N?O模拟模型在结构和方法上存在显著差异。然而，这些模型在模拟N?O排放时，往往采用相似的策略。例如，许多模型通过设定固定参数或常数值来区分N?O的来源，如硝化作用和反硝化作用。这些参数的范围通常较窄，可能无法准确反映不同环境条件下的N?O排放特征。因此，未来的研究需要进一步量化这些参数的范围，并根据气候条件、土壤属性和作物类型对参数进行分类。

此外，模型的性能也存在较大差异。一些研究表明，基于经验的模型在模拟N?O排放时可能会产生较大的误差，而基于过程的模型则在一定程度上能够更好地反映复杂的排放机制。例如，Henryson等人（2020）对七个经验模型进行了评估，发现它们在模拟N?O排放时的估算结果可能相差五倍。而Tesfaye等人（2021）则比较了四个经验模型在模拟全球范围内玉米和小麦田N?O排放时的表现，发现某些模型如CCAFS-MOT可能低估了N?O的排放量，而IPCC第一级和第二级方法以及Tropical-N?O模型则表现较为良好。在过程模型方面，一些研究指出，Crop-DNDC、DNDC和WNMM模型在模拟N?O排放时与观测数据的吻合度较高，而DAYCENT模型则可能在某些情况下表现较差。然而，Zimmermann等人（2018）的研究表明，DAYCENT模型在模拟N?O排放时的总误差和相对误差可能较低，这可能与特定的土壤和管理条件有关。

为了进一步提高模型的准确性，一些研究尝试通过改进模型的算法来优化N?O的模拟结果。例如，Zhang和Yu（2021）发现，同一模型的不同版本（如DNDC9.3和DNDC9.5）在模拟N?O排放时可能没有显著差异。而Fang等人（2015）则通过将多个模型的N?O计算算法耦合在一起，使用RZWQM模型对N?O排放进行了模拟。他们发现，当硝化作用产生的N?O释放比例由水饱和度（WFPS）决定时，模拟结果与实际观测数据的吻合度较高，而反硝化作用产生的N?O释放比例则采用DAYCENT模型的方法。这些研究结果支持了Zhang等人（2020）的观点，即NOE模型能够较好地捕捉铵（NH??）添加对N?O排放的影响，而DAYCENT模型则在模拟硝酸盐（NO??）添加对N?O排放的影响方面表现良好。

总体而言，当前的N?O模拟模型在结构和方法上存在较大差异，但它们在模拟N?O排放时往往采用相似的策略。因此，对这些模型的系统性回顾和评估有助于识别模型改进的机会，并为未来研究提供方向。此外，随着对N?O生成机制的深入理解，模型的参数化和算法设计也需要不断优化，以提高其在不同环境条件下的适用性和准确性。未来的研究应更加关注模型的区域适应性和长期模拟能力，同时加强对模型参数的量化和分类，以更好地反映N?O排放的复杂性。