1.2 国内外研究现状
土壤有机碳循环与土壤氮循环紧密相关：一方面，土壤有机碳的矿化伴随着有机氮的矿化；另一方面，土壤中的无机氮又为土壤微生物吸收和利用。土壤无机氮的净矿化量由生物固定的氮量与矿化释放氮量之差来确定。氮素是作物完成生命周期的必需元素。作物对氮素的吸收利用直接影响着作物的产量和有机物料的还田量，影响着土壤碳循环。碳氮循环对农业生产和全球气候稳定性而言，具有极其重要的意义。但碳氮循环又受到人类活动，特别是受集约化耕种和毁林的强烈影响。有机碳和无机碳之间的平衡是地球生态系统的一个重要标志。任何系统失衡都会给生物圈带来灾难性后果。在20世纪，对碳氮循环已经历了从认识碳氮过程到管理碳氮资源的转变。
由于碳氮过程的复杂性及其对环境条件的动态响应，从数量上综合这些知识已超出了人类大脑的能力。数学模拟可以帮助我们理解不同学科的多个方面，是系统研究中的关键要素。在农业科学中，直到20世纪60年代数学模型才开始盛行，数学模型在土壤学科中的应用大大推动了土壤学的发展。目前已经有许多有关水氮碳的模拟模型，其研究目标、复杂程度及与农业的紧密程度也各有差异。模型的应用，从数据的解释到技术的转化、决策的支持，不仅加深了人们对土壤过程复杂性的理解，而且为土壤水氮碳管理提供了理论依据。
土壤碳氮动力学过程直接影响到土壤质量和土地生产力，自土壤科学诞生以来就一直是研究的重点。随着试验方法的改进，土壤学家在碳氮动力学研究上已经积累了许多宝贵的经验，并提高了对土壤碳氮动力学的管理能力（Shaffer和Ma，2001；DeBusk等，2001）。与此同时，土壤过程模型也在逐步的发展之中（Molina和Smith，1998）。早期的研究集中在单个过程研究，缺乏足够知识和工具将复杂的土壤环境融为一个整体。但是，近年来，由于计算机技术、示踪、遥感、田间采样过程、室内分析方法的迅速发展，极大提高了人们对碳氮过程及其相互作用的认识（Shaffer和Ma，2001；DeBusk等，2001）。
1.2.1 农田土壤碳平衡
大气中温室气体浓度的升高及其引发的气候变化将对21世纪产生重大影响（Robert，2001）。农业土壤是陆地碳循环中最大的碳库，具有巨大的碳固持潜力（Lal，2004；Entry等，2002；Follett，2001）。因此，改善农业管理措施为减缓大气CO2浓度升高提供了可能途径。目前对土壤碳固持的估价主要从土壤有机碳动态（Rickman等，2001；2002）和土壤CO2通量监测两方面开展研究（Duiker和Lal，2000；Jenkinson和Rayner，1997）。
增加耕地土壤碳固持的管理方法有两种：增加有机肥投入，或者减少耕地土壤碳损失（Follett，2001）。土壤中有机物料降解，包括易矿化有机碳组分矿化、形成微生物副产物及难矿化组分进入土壤有机质。土壤中残体腐殖化过程与土壤有机碳矿化过程都伴随着CO2释放，投入的外源有机物料碳部分回到大气之中。因此，土壤碳固持由外源残体的矿化与土壤呼吸损失平衡决定。这一平衡又受环境条件（土壤温度和土壤含水量）、土壤条件（质地和pH值）和管理水平（有机物料还田量）的影响。
土壤有机质库是由周转时间差异较大的异质组分组成的混合物（van Veen等，1984；Parton等，1987；van Veen和Kuikman，1990）。不同组分所占的比例决定了土壤有机质的矿化速率和养分周转速率，这一比例又受物料还田量的影响。因此，即使是对同一地点、同一土壤而言，不同物料还田水平下，土壤有机质的矿化速率仍是一个变数。在土壤有机质平衡研究中，土壤原有有机质的分解速率、有机物料腐殖化系数是有机质平衡研究中十分重要的数值。但这两个数值因受土壤条件、气候条件和还田物料类型与数量的影响，其测定较为困难。通常，可通过休闲土壤有机质年际动态测定本底SOM的矿化速率（王文山等，1989a；张英利，1994），通过有机物料填埋试验测定有机物料的腐殖化系数（张英利，1994；王文山等，1989b；须湘成等，1993；刘世梁等，2001；Chen等，2003）。不同有机物料还田一年后其腐殖化残余物降解特性与土壤本底有机质的降解特性仍存在较大差异，这一差异限制了测定结果的直接应用（张英利，1994；王维敏等，1988；张丽娟等，2001）。
国内外对土壤CO2通量的监测也开展了大量研究（崔玉亭等，1997；黄斌，2004；Swinnen等，1995；Kuzyakov和Domanski，2002）。土壤CO2通量是根系呼吸与微生物呼吸量的综合体现。土壤呼吸速率受许多因素及其交互作用影响，其中土壤温度和水分是控制CO2排放的最重要因素（Raich和Potter，1995；Davidson等，1998），根系氮浓度、土壤质地、底物数量也是影响CO2排放通量的重要因素（Grant等，1994；Randerson等，1996；Boone等，1998；Jacinthe等，2002）。由于自养呼吸和异养呼吸对环境条件反应的差异性，有必要深入研究这两部分的构成（Boone等，1998；Kirschbaum，1995）。但是，田间条件下根系呼吸和微生物呼吸的区分仍很困难（Kuzyakov，2002），且所测得的两种呼吸的比例受空间位置影响较大，从1：9到9：1（Hanson等，2000），使得测定结果难以直接外推与应用。
1.2.2 土壤碳模拟模型
1.2.2.1 模型构建原理
过去25年来建立和发展的主要的土壤碳氮转化模型包括：ROTHC，由Jenkinson及其合作者在洛桑试验站建立的C循环模型（Jenkinson和Rayner，1977）；CENTURY，由Parton及其合作者建立的预测长期变化的周转模型（Parton，1996）；DAISY，由Jensen及其合作者建立的C/N周转模型（Hansen等，1991）；VVV，根据van Veen及其合作者在20世纪80年代初建立的C/N周转模型发展而来（Gunnewiek，1996）；DNDC，由李长生及其合作者建立的C/N周转模型，重点在于预测气态氮的释放（Li，1996）；ECOSYS，包括C、N转化子模块的生态模型，主要由Grant建立（Grant等，1993）。尽管土壤有机质组成及矿化过程呈连续性变化，但是大多数动态模拟模型都是机理和经验关系混合的分室模型。大多数有机碳周转模型具有类似的基本结构，即：将有机碳区分为植物残体和土壤有机碳组分，这一基本结构最初由Jenkinson和Rayer在1977年提出。根据转化速率（如快速、慢速、极难分解）不同，有机质组分可进一步细分。温度和水分是控制作物生长和/或残体降解的主要因素，土壤物理特性、土壤扰动可显著影响有机质稳定性。作物残体的数量和质量也是影响新形成土壤有机质的重要因素。因此，有限的驱动因素，包括温度、降雨、土壤物理特性（如质地、矿物、CEC）和管理体制（如作物类型、耕作、施肥），这些都是生态系统/有机质模型运行的必需输入信息。
1.2.2.2 地表残体和土壤有机碳库的划分
地表残体和土壤有机碳在物理和化学组成上各异。因此，在模型模拟时有必要区分成不同的有机碳组分库。大多数土壤有机碳模型可以描述为一个库结构（每一个库对应于土壤有机碳的一个组分），或者一个连续的库（Bosatta和Ågren，1985；Ågren和Bosatta，1987）。连续的库结构能更为近似地表征土壤有机质连续体的降解过程，而库结构易于描述土壤有机碳组分之间的相互转化性。
描述土壤有机碳动态的模型很多，从单组分模型（Jenny，1941）到双组分模型（Henin和Dupuis，1945），到多组分模型（Jenkinson和Rayner，1977；van Veen等，1984；Parton等，1987；Hansen等，1991）。一般土壤有机碳矿化由快周转库流向慢周转库（Parton等，1987；Hansen等，1991）。
在划分地表残体、土壤有机碳库，确定各组分库降解速率时，常见的处理方法是，事先假定组分库的数目和初始库容，并不断修正这些库的大小，如DAISY和NCSOIL模型。尽管有些模型对库容的划分给出了指导或参考值（如CENTURY模型），但总的来说，很难准确划分。土壤微生物量的动态模拟更是如此。ROTHC模型是第一个采用多库结构来表述土壤有机质降解的模型，分为难降解性植物残体、可降解的植物残体、微生物量和腐殖质。van Veen和Paul（1981）将外源有机碳分为快降解库、慢降解库和木质素库，将土壤有机碳划分为易降解库、非保护性慢降解库、保护性慢降解库、惰性库和土壤微生物库。土壤微生物库根据残体库及土壤有机碳库的比例又可划分为几个不同的组成部分。CENTURY模型将地表残体区分为结构性库（慢）和代谢性库（快），代谢性碳库又可进一步划分为木质素和纤维素部分。土壤有机碳区分为活性、慢性和惰性库。DAISY模型结合了此前模型的特点，将有机碳划分三个库：外源有机物、微生物和本底有机碳。每一个碳库进一步划分为慢周转与快周转库。微生物的两子库中，一个较为稳定，一个较为活跃。后期发展的模型基本上沿袭了以上模型的基本框架，只是处理的复杂程度各有差异（Henriksen和Breland，1999）。
1.2.2.3 有机碳矿化过程描述
土壤中许多反应都是由特定的酶催化进行的生物学过程，土壤微生物特性和动态变化对理解土壤有机质的周转过程极其重要。众多模型对土壤微生物生物量的处理差异较大。一类模型仅仅考虑了实际的转化，物理上代谢产物并不经过微生物生物量库（Jenkinson和Rayner，1977；Parton，1996）；另一类模型强调，在物料分配进入其他SOM库前需要经过微生物生物量库（van Veen等，1984）。前类模型易于理解和描述，后类模型表征转化更为复杂和过程化。
在对C、N伴随流的处理上，大多数模型假设体系的不同组成部分C/N保持不变（Parton，1996），另一类模型根据C转化过程中N的矿化-固持特征，以一种动态的方式计算C/N（van Veen等，1984）。因为净矿化-固持是新形成产物的函数，所以，新形成产物及其他部分可变的C/N使得模型更具灵活性。不同土壤有机碳组分C/N观测值与计算值之间的差异是由于模型的概念所致。
基于以上库结构的划分，每个模型库都有明确的矿化速率。有机碳矿化过程描述最为复杂的是采用Monod动力学方程（Hansen等，1995）：
式中：ri为矿化速率；Ci为i库的C含量；B为催化i库矿化的微生物数量；μm为最大矿化速率；kS为半饱和常数。
当矿化过程不考虑微生物作用时，μm和B结合就成为米氏方程。
米氏方程又可进一步简化为一级动力学方程：
或者零级动力学方程：
式中：k1和k0分别为一级动力学系数和零级动力学系数，它可由温度、水分、土壤质地等影响因子校正。
有机碳降解进入其他碳库时，要么以CO2释放，要么为微生物吸收利用。降解碳的一部分以CO2形式存在，它是微生物维持和生长的最终结果。以CO2中C损失的部分依赖于微生物的合成效率（Frissel和van Veen，1981）。矿化过程中释放的氮根据降解底物的C/N来推算（Verberne等，1990）。
CENTURY模型中所有库的降解速率为一级矿化速率（Parton等，1994），每个库都有一个特定的降解速率。DAISY模型中所有的矿化过程都遵循一级动力学方程，分解的部分由源库按照一定的分配比例进入目标库。每个微生物子库，其速率系数为维持呼吸系数与死亡速率系数之和。所有的矿化速率系数都由水分与温度影响因子校正。两个本底有机质库以及慢周转微生物子库进行了黏粒含量修正，以表征有机质在降解时受黏粒的物理和化学保护作用。
尽管多数模型的转化速率系数都采用一级矿化速率计算，但有研究发现，米氏方程在研究转化动力学时更为接近实际（Frissel和van Veen，1981；van Veen等，1984）。VVV模型假设土壤微生物都参与土壤有机质的降解，其转化遵循一级动力学。
为处理各环境因子对矿化的影响及其组合仍存在一定的不确定性（Antonopoulos，1999），通常，环境影响因子被引入矿化速率之中，采用一个特定的温度和水分因子（常表述为一个0～1之间的相对矿化速率）对矿化速率进行校正，模型中土壤温度和水分的影响通过将所有的转化速率乘以校正因子（fT，M）来实现：
1.2.2.4 模拟模型中其他组成部分
土壤碳氮过程与一般农业生态系统的其他过程相耦合。这些过程包括土壤水分运动、氮素的转化与迁移、植物生长和农业管理。根据模型研究目的不同，众多模型在碳氮过程处理上存在一定差异，而且对农业生态系统的上述过程描述差异也很大。因此很难对不同模型的碳氮过程进行评估比较，因为碳氮过程模拟与农业生态系统的上述过程紧密相关。
CENTURY模型以月为时间步长，模拟过程相对简化。它采用一些不同的经验方程来计算水分平衡（Parton等，1993）。水分在层次之间的运移以田间持水量为上限进行水分计算。田间持水量可根据干土容重、土壤质地和土壤有机质含量来估算（Gupta和Larson，1979）。月最大微生物量根据温度、水分、植物遮荫系数来估算，同时为土壤氮、磷、硫匮缺因子所校正。此外，模型还可根据碳、磷比和碳、硫比来模拟磷、硫过程（Parton等，1988）。
DAISY模型以日为时间步长，水分过程模拟包括降雪的积累与消融、植物冠层对雨水的截获、植物表面及地表蒸发、水分的下渗与植物水分吸收，并用Richards方程来模拟土壤水分运动。土壤温度模块是包含霜冻与解冻的热动力学方程。土壤氮素的转化与运移过程包括氮素净矿化作用、硝化作用、反硝化作用、植物氮素吸收和根区氮素淋失。氮素矿化过程由有机碳的周转过程来控制。土壤温度、水分、溶液中氧气浓度都影响着硝化过程；反硝化过程受土壤温度和二氧化碳排放速率影响。氮素吸收模块由作物潜在吸氮能力及土壤供氮能力共同决定。作物模块由茎和根两部分组成。茎以干物重和叶面积指数为特征进行模拟；根以干物重、扎根深度和根长密度为特征进行模拟。作物模块根据作物出苗—收获过程中的热单元概念——积温来模拟。作物冠层特征，出苗前根据积温来模拟，出苗后根据积温和茎累积干物质量来模拟。作物干物重根据冠层日光合产物来计算，并在根、茎以及根茎呼吸之间进行分配。冠层光合产物总量根据光在冠层的分布用比尔定律来计算。根茎之间的分配根据积温函数来计算。植物呼吸由生长呼吸和维持呼吸构成。根系生长依赖于根系干物质的积累、土壤温度和土壤所能容许的实际扎根深度。植物光合作用受水分和氮素影响因子的制约。
1.2.2.5 模型参数化
C/N模型存在难以参数化的问题，尤其表现在多组分碳库引入之后。库容的大小以及相应的速率参数难以测定，经常需要模型预运行以自动参数化和初始化（Ma等，1998）。大量研究集中在实验室和田间试验方法以初始化土壤有机碳库。但迄今为止，这些努力仍未获得较为满意的结果（Parton等，1994；Knisel，1993；Williams，1995）。
C/N模型存在的另一个难题是对各个矿化过程的速率描述：可能是零级、一级、monod或米氏动力学系数（Hansen等，1995）。这些速率系数可能为常数，但经常被土壤温度、水分、pH值、氧气所修正，也可能随时间发生变化（Kolenbrander，1969；Janssen，1984；Yang和Janssen，2000）。多数模型常采用1个0～1之间的系数来描述环境影响因子，但更倾向于采用一种综合的反应曲线来表征（Shaffer等，2000；Ma等，2001；Grant，2001）。相关的速率常数可以参考有关文献进行取值或对取值数据进行校正（Shaffer等，2000）。模型参数的另外一个问题是如何确定试验点参数。对一个系统模型而言，大多通过反复试验来获取，而不是一种严格数学意义上的优化。有时，对某些简单的模型采用数学运算法则来解决（Priesack等，2001）。
系统模型组件，如水分运移、硝酸盐运移、植物生长和土壤热传导之间的相互关系也决定着模型参数化的难易程度。这些子过程的相互作用，同样对碳氮模拟起作用。这些组件的不精确参数化将会直接影响到控制C/N动力学参数的有效性和可传递性。另一个问题是尺度变换时参数校正。即使一个模型在一个地区所有土壤、气候和管理条件下都很成功，但是在其他尺度上（或大或小）有可能失败。模型参数或模拟结果的尺度变换对土壤管理也是必要的。缺乏足够准确（时间与空间）的田间测定对模型的发展、校正和有效化可能是一个重要的问题。
1.2.2.6 模型验证
不同模型对输入数据的需求差异很大。大多数模型需要日气象资料，有的模型需要月平均资料（如CENTURY模型）。碳氮模型驱动需要估算蒸散、作物水氮吸收、土壤水分含量、土壤温度以及不同模型所需的其他相关参数。
碳氮循环领域中，一个推荐的解决方法是采用独立的试验数据驱动模型，比较模型输出结果与观测值之间的吻合程度。实际上，每个模型都有自己的构成模块和组建方法，这些基本过程（如土壤水分运动和蒸发）的计算处理，与待验证模型的输出结果密切相关。进行模拟时应将碳氮模块建立于这些独立过程之上，并在这些独立过程上得以验证，只有基于这一层次的分析才是可靠的。为深入比较不同模型的优劣，需要采用分离的方法来考虑模型结构中的单个过程。这就迫切要求模型模块化设计，而且，不同方法的结果需要在广泛的条件下得到验证。
对复杂模型的过程进行检验、应用和进行情景分析时，何时才具有足够说服力？尽管短期内作物产量和硝酸盐淋洗及短期内SOM动态都可能模拟得很好，但对于短期内一些内部变量来说，还是显得不够。如土壤微生物情况、投入残体的降解情况与实际吻合程度不得而知。与传统的室内条件下模型参数提取相比，如果能在田间尺度上获得这些变量，那么，模型中这些变量的整体校正可能为模型提供更为可靠的参数。
对碳氮模型的长期动态而言，模型的运行结果常常只有通过测定土壤总碳量进行检验。因此，有必要采用广泛的土壤类型、农业管理和土地利用试验数据对土壤有机碳周转模型进行严格的验证（Bruun和Jensen，2002）。只有这样，才可以保证模型对SOM形成与矿化过程的准确模拟，而不仅仅是追踪这两个过程的平衡结果。业已证明，利用休闲试验验证有机质降解过程是评估模型模拟能力的有效手段（Bruun等，2003）。
为检验模型运行的效果，模型模拟值与观测值之间的比较显得非常有效。但是，由于缺乏试验初始土样、各重复土壤的有机质含量，使得这些测定值难以解释。这样，多数的统计检验无法应用。可用基于土壤有机碳含量的均方根误差RMSE来检验模型（Bruun等，2003）：
式中：yi为观测值；xi为模拟值；n为观测值的组数。
也可以采用模拟值与测定值之间的差距，根据二者之间的随机误差来比较。这一统计值计算如下：
式中：N为测定点的数目；nj为j次测定时的重复次数；yj为i次测定的平均值；yij为每次测定的平均值；xj为模型运行的相应结果。
简单而言，统计结果越小，模拟效果越好。
或者基于模拟值与测定值之间的简单回归系数或校准回归系数来比较拟合的效果（Yang，1996）：
式中：y为实测值；ymean为实测值的平均值；yesti.为模型模拟值；n为测定点的数目；p为模型中独立变量的个数。
实际上，模型的验证和测试仍然是一个挑战性的问题。目前，尽管土壤C/N模型难以得到绝对的验证（因为并非所有的情景都已验证），但是，需用现有的尽量多试验数据来检验多数的主要模型模块。仔细洞察模型拟合的精确性发现，模拟总的趋势是中间输出结果吻合得较好，而更细致的过程信息并不能完全重现。无论是机理性模型还是应用性模型都是如此。采用精细的过程模型能提高对给定条件下土壤碳氮动态模拟的准确程度，但是它们的预测能力仍然低于期望值，需要进一步完善。
1.2.3 土壤碳固持与碳管理
1.2.3.1 土壤碳固持的前景与局限性
土地利用方式由森林、草地转化为农业土壤，使得此前的植物碳和土壤有机质作为二氧化碳源向大气排放（Davidson和Ackerman，1993）。耕作导致土壤有机质含量降低的原因是多方面的，总的来说可以归结为两个方面：一方面是因为还田有机碳减少；另一方面是土壤本底有机质的降解加快（Sauerbeck，2001）。因此，实现农田土壤碳水平上升只有两种情形：要么提高有机碳的还田量，要么降低土壤本底有机质的降解速率。实际上，通过某些措施能实现农田土壤碳的增加（Paustian等，1997，1998）。
科学家们正在尝试将陆地生态系统碳固持潜力加以定量化（Smith等，2000）。可以根据长期定位试验研究，采用较为成熟的模拟模型外推到大尺度区域上进行预测估算（Molina和Smith，1998）。但是，不同研究者之间的研究结果差异很大，其中出现了一些惊人的差异。显然，这是根据极端的假设和简化后推测得出的。一个较为保守的方法是根据众多长期定位试验结果及现实可行的土壤改良。与无肥处理相比，一般土壤有机碳上升比例很难超过30%。假定欧洲陆地生态系统6.9亿hm2耕地在有限时间内（约50年）（Sauerbeck，1993），土壤有机碳绝对量可提高0.3%，那么这一碳截获总量约6Gt。虽然这只能应用于热带地区，但较IPCC报告所估算的20～30Gt更切合实际，因为热带耕地可截获更多碳的可能性很小（Batjes和Sombroek，1997；Batjes，1998）。Smith等（1998）更详细地发展了这一方法，根据不同处理长期定位试验表层土壤有机质含量与残体投入的关系，分析这一潜在的碳每年的截获量为0.16～0.21Gt，相当于50年共累积8～10Gt碳。但是，如果扣除耕地造林生物量的30%燃料消耗，那么这一估算值将会大大降低。经过更为精炼和现实可行的可用于改良的土地数据进行估算，研究者将这一估算值降为每年0.1Gt碳，这仍相当于欧洲年化石燃料排放二氧化碳数量的8%～9%，相当于1990年京都减排义务的总量（Smith等，2000）。
1.2.3.2 碳固持的主要作用
土壤碳固持和土壤有机质含量提高将对土壤肥力和土壤质量的提高有着重要作用，对改善环境、提高土壤缓冲性能和促进农业持续发展产生积极影响。土壤有机质具有土壤所必需的生物学和物理化学功能。无论是对土壤的农业功能还是环境功能而言，土壤有机质含量一般被视为土壤肥力的主要标志。通过增加土壤有机质含量可改善土壤结构和持水作用、提高土壤质量和降低环境污染物的毒性。
1.2.3.3 耕地土壤碳储量的管理
作物生物量的提高增加了土壤有机物的投入，如通过引入新的作物品种和改善农业措施、优化养分管理（施用化肥，尤其是氮肥）和增加复种指数。固定1kg碳需要70～100kg氮素。由于气候变化引起的大气二氧化碳浓度升高对土壤碳吸收存在正面影响，这就是所谓的“二氧化碳施肥效应”（Bazzaz和Sombroek，1996）。水分管理（灌溉）条件下作物产量得到提高，促进了有机物投入的增加，这一点在干旱地区表现尤为明显。但是，发展灌溉还受到其他因素的制约，如水资源的可利用性、土壤盐渍化危害等。堆肥和厩肥是传统上用于农业的培肥措施，对土壤存在有益的影响。然而，许多国家正在逐渐减少这些物料的施用量（与畜牧业相关）。有机物料饲养牲畜和还田（包括土壤覆盖或遮盖作物）之间经常出现竞争。因此，应加强种植业和畜牧生产管理，重新引入粪肥和堆肥的新来源。
覆盖耕作和植被覆盖作为特殊的土地管理措施，既使土壤免受侵蚀，又提供生物量残体增加土壤有机质。这一措施与植被覆盖、覆盖耕作和保护耕作相结合将更为奏效。植物残体的质量也是一个重要的影响因素（Heal等，1997；Drinkwater等，1998）。土壤覆盖能成倍增加水流的入渗速率，阻止地表的水分蒸发，土壤水分增加。尤其是在干旱地区，土壤覆盖有着重要的节水作用。同样，土壤覆盖能降低土壤温度，因而降低土壤有机质的矿化速率。所有旨在增加农田土壤的碳截获措施都会使退化的土壤得以恢复或者防止侵蚀，这是一个双赢的效应——既能防止土壤侵蚀带走有机质，同时促进土壤有机质积累。
1.2.4 土壤氮素周转与作物生长模拟
1.2.4.1 土壤氮素的转化
土壤氮素转化主要包括矿化、固定、硝化与反硝化、
吸附、NH3 挥发等过程。土壤氮素矿化是微生物参与的生物化学过程，主要受土壤水分、土壤温度、土壤pH值和土壤氧气分压的影响。土壤氮素矿化与固持的净效应可根据土壤碳循环过程中碳、氮素质量守恒来计算。总的来看，国内外多数研究是就单个过程的机理研究的比较深入，而多因素研究和把各过程综合起来进行研究的少。室内研究的多，对于农田和区域尺度下的研究则较少。
1.2.4.2 土壤氮素运移模拟研究
不同尺度下的土壤氮素运移都属于土壤溶质运移范畴，其定量化研究的主要依据是土壤溶质运移的基本原理和模型。因此，可以根据土壤溶质运移模型的类别将土壤氮素运移模型进行划分。目前在土壤氮素运移模拟中，应用较多的是确定性模型、随机模型或二者以各种方式结合的混合模型。一般而言，研究区域问题应该选用输入参数较为简单的平衡模型，但若把土壤氮素的淋洗作为重要研究对象，则选用对流弥散模型更便于计算土壤下边界的上下通量。
1.2.4.3 作物生长模拟模型
作物生长模拟模型是以系统分析原理和计算机模拟技术来定量描述作物生长、发育、产量形成过程及其对环境的反应，从而模拟出给定环境下作物整个生育期的生长状况。作物生长模拟过程需要综合作物生理、生态、农业气象、土壤和农学等学科的成果，将作物与其生态因子作为一个整体进行动态的定量化分析，所建立的生长模型可以广泛地应用于理解、预测和调控作物生长与产量。1965年，荷兰的作物生长系统分析及模拟先驱de Wit首先在计算机上实现了对作物冠层光合作用的模拟，这是这一领域研究的划时代变革。目前，国外作物生长模拟模型研究的方向除了对作物各种生理过程进行更加精确合理的构建和解释外，主要是向模型的区域化、全球化以及使模型与其他软件的融合等方面综合发展，以期在区域作物生产管理，作物生产潜力、风险预测、土地定量化评价和气候变化等方面获得广泛应用。我国的作物模拟模型研究起步较晚，前期研究主要集中在对国外比较成熟的模型的引进吸收上，对这些模型进行参数校正，并在我国部分地区进行了检验。著名的CERES模型曾被我国许多单位在许多地方进行过校正（江敏等，1998）。在对国外模型消化吸收的基础上，我国科技工作者开发了自己的模型，这些模型主要集中在水稻、小麦、棉花、玉米等几种主要的作物上（高亮之等，1999，2000；冯利平等，1997；郝永萍等，1998）。中国农业大学潘学标等（1996）在吸收国内外经验的基础上，独立开发了棉花生长模拟模型——COTGROW。中国农业大学张银锁（2001）、毛振强（2003）研究小组与荷兰瓦赫宁根大学（Wageningen University）合作，继承和发展了PS123模型，并将本地化的PS123模型用于模拟黄淮海平原冬小麦-夏玉米的区域模拟预测。我国已成为继荷兰和美国之后，第三个能独立研制和开发大型作物生长模拟模型的国家。我国发展的作物生长模拟模型，一般都将机理模型和经验模型相结合，相互补充处理模型中的不确定因素，这是我国与国外模型的重要区别，也是我国模型的特色。
1.2.4.4 土壤水、氮与作物产量的关系研究
水、氮是作物生长发育的物质基础，土壤水、氮资源的供应量和利用效率则直接影响作物产量的形成过程。水分亏缺会对作物的解剖特征、形态和生理生化等多个方面产生影响，并最终导致减产（Davies，1991；胡小文和王彦荣，2004）。大量机理性研究表明，氮素亏缺会造成作物光合速率、光合量子效率和有关碳代谢酶类活性的降低，影响冠层的辐射利用效率，改变叶面积大小，从而影响作物的生长及产量（曹翠玲，1999）。除上述机理性研究以外，围绕氮素和作物产量的关系，为提高施肥的经济效益，多年来国内外学者进行了大量的田间试验，研究了不同作物的需肥规律及施肥技术（金继运，1996；Lewis，2003）。自20世纪90年代以来，对水肥交互效应的研究成为该领域的研究重点之一。水分和养分对作物生长的影响不是孤立的，而是存在着相互作用。合理调配水分和养分能够显著提高土壤水、氮的利用效率，起到以肥调水、以水促肥的增产效果（杜建军等，1999）。可见，围绕作物产量与土壤水、氮的关系，从不同角度已进行了大量的研究工作，但许多方面的研究侧重于定性的反映作物生长发育较为微观层次上的反应特性，而没有从土壤—作物系统对作物本身的状况，以及作物与土壤水、氮之间互作的动态关系加以充分研究。
1.2.4.5 作物对水、氮吸收的模拟
作物根系对土壤氮素的吸收有其自身的规律，但与土壤水分状况及根系吸水是密切相关的，所以对根系吸氮的研究多与根系吸水的研究一并进行。根系吸水模型多被分为理论模型、半经验半理论模型和经验模型三类（邵明安，1987）。作物吸氮模型大致有以下几种：一是将氮的吸收速率作为浓度的函数，应用米氏方程，求出吸收速率，再与根系生物量的垂直分布结合，算出吸氮量；二是以植物对氮的需求作为依据，输入作物需氮量的资料，或从作物生长速率计算不同器官所需的氮含量得到；三是利用对流和扩散引起的吸氮量之和计算，前者用蒸腾量与溶液中的氮浓度的乘积表示，后者用溶液与根表浓度梯度、扩散系数和根总表面积计算（Grant，1991；Plenet和Lemaire，1999）。基于以上研究成果，目前已开发出百余种综合性的作物生长模拟模型，其中应用比较广泛的有：①DSSAT模型，由禾本科作物组CERES模型、豆科作物组CROPGRO模型等17种不同作物模拟模型组成（Hoogenboom等，1999）；②SUCROS模型，由荷兰瓦赫宁根大学开发，注重模型的机理性、研究性、数学性，偏重于理论研究（Bouman，1996）；③APSIM模型，由澳大利亚农业产量系统研究组研制，侧重于应用（McCown，1996）；④EPIC模型（Williams，1997），常用于气候变化对农业影响研究方面。
1.2.5 模型的应用与发展趋势
考虑到C/N模型的认知能力和可信程度，利用模型工具做时间或空间上进行外推时，对模型进行局部性校正显得十分必要。一旦做到了这一点，拥有充分信息的田间数据资料可以提高模型的预测能力。尽管C/N模型用于管理决策仍不成熟，多数模型还处在研究阶段，但我们还是要求模型用于分析实际问题，如不同尺度上有机无机肥料管理、地下水水质、空气质量、土壤质量、作物系统评价等方面。C/N子模型的应用有赖于整个模型体系的其他过程。模块化组件设计已成为模型发展的一种趋势。这样，模型制作者可以根据其特定的目的来创建自己所需的模型。模型的发展及其在养分预测管理中的应用将会对环境产生深刻的影响。模型的过程化发展为氮肥管理，如估算氮肥施用量、减少硝酸盐地下水淋失和含氮温室气体排放、提高氮肥利用效率、防止土壤过度酸化提供了有力的工具，为影响土壤碳动态的多因素整合提供手段，为预测管理措施、气候条件改变情况下土壤有机碳的动态提供决策支持。
随着C/N模型的发展，模型越来越注重与过程相关的内在生物、化学、物理机制的深入理解（Shaffer等，2000；Grant，2001）。从空间来看，越复杂的模型越倾向于点尺度，而大尺度的简化模型常被用作决策筛选工具。计算机处理能力的提高促使了模型与GIS相结合，从而改变了对研究与应用工具的定义。但是，研究性模型所需的驱动数据在大尺度上的获取仍然是一个难题（Garnier等，1998；Beinroth等，1998；Shaffer等，1996）。
从研究的角度来看，C/N模型将走向更为机理、更为过程化。20世纪70年代末至80年代初，多重土壤有机质组分库、土壤微生物库和植物残体库的出现体现了模型研究主流方向，这一改变大大提高了模型的复杂性。模型的复杂化朝着过程化发展，不仅模拟单个过程的速率、土壤微生物的作用，而且包括各个过程的相互作用（Ma和Shaffer，2001；McGechan和Wu，2001；Grant，2001）。
模型的应用并非追求复杂的界面和广泛的数据库，而是针对用户特定的环境和特定的目的专门设计。与GIS结合的过程模型将是第二代应用性模型，GIS和过程模型的结合方式可分为以下三种类型（Tim，1996；Corwin，1997；Li，2000）：松结合、紧结合和完全结合。随着网络技术的发展，将GIS与网络技术相融合而成的网络地理信息系统（WebGIS）成为重要的发展方向（Song等，1998）。C/N模型与实时遥感数据结合将会提高我们预测区域乃至全球C/N动态和植物生产力变化。随着作物产量监测器和GPS的应用，模型用于定点精确管理存在巨大的应用潜力。C/N模型作为一个常规的工具，在用于预测不同管理措施的环境效应（如硝酸盐淋失、碳固持、温室气体排放）方面存在广阔的应用前景。在这些领域中得以实践之前，模型的校正、验证和测试显得十分必要。模型验证的标准也逐步走向规范化。
1.2.6 小结
从目前国内外研究看，黄淮海平原的研究，主要是将个别点的研究结果来表征整个区域的情况（Yang，1996；王维敏等，1988），或者从区域的角度对有机物料还田与矿化输出进行平衡计算（李忠佩，2002），未能考虑具体的农田土壤水热条件、地质状况及实际有机无机肥料的投入情况，难以对碳平衡条件下的氮素污染进行综合评估，而这些目标是模型发展的必然要求。本书以黄淮海平原为研究区域，以过程模型为基础，研究不同水热条件下有机碳氮的矿化特征，并在此基础上与作物生长模块结合，预测不同管理水平下土壤有机碳的培肥目标和土壤碳截获潜力，指出进一步提高黄淮海平原土壤有机质储量的综合措施；将GIS与模拟模型结合，定量研究常规农业管理措施下作物的生长状况和土壤水氮的行为规律及其空间分布特征，以及不同自然条件和社会经济条件对土壤水、氮资源利用效率和氮素淋失量的影响及其空间分布规律，通过优化方法，进一步寻找在一定目标产量基础上，土壤水氮利用效率和氮淋失量达到相应目标值的最优水、氮组合。本项研究在农业生产和农业生态环境保护方面都有一定的理论价值，可为正确制定农田碳氮水管理措施提供科学依据，并为当地各级政府和农户提供建议和参考，对提高区域水氮利用效率、减少环境污染和实现区域农业可持续发展有重要的指导意义。