土壤水氮耦合运移模拟研究综述

土壤水氮耦合运移模拟研究综述土壤水氮耦合运移过程是农田生态系统水文循环与养分循环的核心环节，其模拟研究不仅是揭示农田氮素损失机制、优化水肥管理措施的关键基础，也为农业面源污染防控、地下水环境保护及粮食安全保障提供重要理论支撑。随着农业集约化程度不断提升，化肥过量施用导致的氮素淋失、地表水富营养化、地下水硝态氮超标等问题日益突出，水氮耦合运移过程的复杂性、时空异质性及多尺度耦合特征对传统试验研究方法提出严峻挑战，数值模拟技术凭借其低成本、可重复性强、多情景预测等优势，逐渐成为该领域的主流研究手段。一、土壤水氮耦合运移模拟的核心理论基础土壤水氮耦合运移模拟的理论框架建立在土壤物理学、水文学、化学动力学与植物生理学的交叉融合之上，其核心是对水分运动与氮素转化过程的定量描述。水分运动模拟通常以Richards方程为核心控制方程，该方程综合考虑了土壤基质势、重力势对非饱和土壤水分运动的驱动作用，表达式为：$$\frac{\partial\theta}{\partialt}=\nabla\cdot[K(\theta)\nabla(\psi+z)]-S$$其中$\theta$为土壤体积含水量，$K(\theta)$为非饱和导水率，$\psi$为土壤基质势，$z$为垂直坐标（向上为正），$S$为作物根系吸水项。实际应用中需根据研究区域土壤质地、结构特征选择适宜的水分特征曲线模型，如VanGenuchten模型、Brooks-Corey模型，以准确描述含水量与基质势、导水率之间的非线性关系。针对冻融区、盐碱地等特殊场景，还需引入温度梯度对水分运动的驱动项、盐分对土壤水分物理性质的影响因子，对传统Richards方程进行修正。氮素运移模拟则以**对流-弥散方程（CDE）**为基础，综合考虑氮素的物理迁移、化学转化与生物吸收过程，其通用形式为：$$\frac{\partial(\thetac)}{\partialt}=\nabla\cdot(\thetaD\nablac)-\nabla\cdot(qc)+S_n+R_n$$其中$c$为土壤溶液中氮素浓度，$D$为水动力弥散系数，$q$为土壤水分通量，$S_n$为作物氮素吸收项，$R_n$为氮素转化源汇项。氮素转化过程是耦合模拟的核心难点，通常涉及7个关键过程的定量描述：有机氮矿化：采用一级动力学方程描述，矿化速率与土壤温度、含水量、有机碳含量呈正相关，常用修正的Stanford-Smith模型计算；铵态氮吸附：采用Freundlich或Langmuir吸附等温线，反映土壤胶体对铵态氮的吸附解吸动态，吸附系数与土壤黏粒含量、阳离子交换量（CEC）显著相关；硝化作用：分两步进行，铵态氮先由亚硝化细菌转化为亚硝态氮，再由硝化细菌转化为硝态氮，均采用一级动力学方程，最适温度范围为25~35℃，最适土壤含水量为田间持水量的60%~80%；反硝化作用：厌氧条件下硝态氮还原为气态氮（N₂O、N₂）的过程，速率与土壤有机碳含量、硝态氮浓度、温度及厌氧程度相关，常用Denitrification-Decomposition（DNDC）模型中的反硝化模块计算；铵态氮挥发：土壤pH>7时尤为显著，挥发速率与土壤温度、风速、铵态氮浓度及表层土壤含水率相关；作物氮素吸收：分为主动吸收与被动吸收，通常根据作物生育期氮素需求规律，结合根系分布特征、土壤氮素有效性进行动态计算；干湿沉降与灌溉输入：外源氮素输入项，需结合气象监测数据、灌溉水氮浓度进行量化。水氮过程的耦合机制体现在三个层面：一是水分运动是氮素对流、弥散迁移的载体，水分通量直接决定氮素迁移的速率与方向；二是土壤含水量通过调控微生物活性、氧气含量、底物扩散速率影响氮素转化过程的速率与方向；三是氮素含量及形态会改变土壤溶液渗透压，进而影响作物根系吸水与土壤水分运动参数。早期模拟研究常将水氮过程进行单向耦合，即仅考虑水分对氮素过程的驱动作用，忽略氮素对水分过程的反馈，随着研究深入，双向耦合机制逐渐被纳入模型，显著提升了模拟精度，尤其是在高氮素投入的设施农田、盐碱改良区等场景下。二、主流模拟模型的发展与应用特征经过半个多世纪的发展，土壤水氮耦合运移模型已形成从单点尺度到流域尺度、从过程机理到经验统计的完整模型体系，根据模型结构与适用场景可分为三类：（一）机理型过程模型这类模型基于严格的物理、化学与生物学过程方程，对水氮运移转化的每个环节进行机理性描述，参数物理意义明确，通用性强，但需要较多的基础数据支撑参数校准。代表性模型包括：HYDRUS系列模型：由美国盐改实验室开发，是目前农田尺度水氮运移模拟应用最广泛的模型。最新版本HYDRUS-2D/3D可模拟二维、三维非饱和带水、热、溶质耦合运移过程，内置了完整的氮素转化模块，支持根系吸水、作物生长、边界条件动态设置等功能，适用于不同土壤类型、种植制度、水肥管理模式下的水氮运移模拟，尤其在畦灌、滴灌、喷灌等节水灌溉模式的水氮利用效率模拟中表现优异。其局限性在于对作物生长过程的描述相对简化，难以反映作物-土壤系统的长期动态互馈。SWAP模型（Soil-Water-Atmosphere-Plant）：由荷兰瓦赫宁根大学开发，重点关注土壤-作物-大气连续体（SPAC）中的水热溶质运移过程，耦合了详细的作物生长模块（如WOFOST作物模型），可模拟不同作物生育期的根系发育、光合作用、干物质分配及水氮吸收动态，适合长序列农田水氮循环模拟及灌溉制度优化研究。该模型在欧洲及我国黄淮海平原、东北黑土区的冬小麦-夏玉米轮作系统水氮利用模拟中得到广泛验证。DNDC模型（Denitrification-Decomposition）：由美国NewHampshire大学开发，核心聚焦于土壤碳氮循环过程，对氮素的矿化、硝化、反硝化及气态氮损失过程的模拟精度较高，尤其适用于农田温室气体（N₂O）排放估算、碳氮周转模拟。模型输入参数包括气象数据、土壤属性、作物参数、农田管理措施四大类，可模拟不同耕作、施肥、灌溉措施下的土壤碳氮动态，在全球农业温室气体排放清单编制中发挥重要作用，但其对水分运动的描述相对简化，在强降雨、大定额灌溉导致的优先流场景下模拟误差较大。RZWQM2模型（RootZoneWaterQualityModel）：由美国农业部开发，综合了水文过程、土壤侵蚀、养分循环、农药迁移、作物生长等模块，可定量模拟农田根区水、肥、农药的迁移转化及其对地下水、地表水的环境影响，适用于农业面源污染风险评估、最佳管理措施（BMPs）筛选。该模型在美国玉米带、我国太湖流域的面源污染模拟中均取得较好效果，但参数数量多，校准难度大，对数据要求较高。（二）流域尺度分布式模型随着研究尺度从农田扩展到流域，分布式水文模型与氮素迁移模块的耦合成为发展趋势，这类模型将流域划分为多个水文响应单元（HRU），考虑地形、土壤、土地利用、管理措施的空间异质性，可模拟流域尺度水氮迁移的时空分布特征。代表性模型包括：SWAT模型（SoilandWaterAssessmentTool）：是目前应用最广泛的流域分布式水氮模拟模型，基于ArcGIS平台开发，将流域划分为若干子流域和水文响应单元，每个单元单独计算水文过程、土壤侵蚀、养分流失，通过河道汇流模拟输出流域出口的径流、泥沙、氮磷负荷。模型内置了农田管理措施数据库，可模拟不同施肥、耕作、灌溉、退耕还林还草等措施对流域氮素流失的影响，在流域面源污染模拟、水源地保护规划中应用广泛。其局限性在于对土壤氮素内部转化过程的描述相对简化，对地下水硝态氮累积的长期模拟精度有待提升。MIKESHE模型：由丹麦DHI公司开发，是完全分布式的水文模型，可实现流域尺度饱和带-非饱和带水分运动、溶质运移的耦合模拟，对地下水运动、氮素在含水层中的迁移转化过程描述详细，适用于流域尺度地下水氮污染溯源、迁移路径模拟，但其计算量大，对数据分辨率与算力要求高，在中小流域应用较多。HSPF模型（HydrologicalSimulationProgram-Fortran）：由美国环保局开发，综合了水文、水力、泥沙、水质等模块，可模拟流域内陆地过程、河道过程的水氮动态，尤其适合长时间序列（几十年尺度）的流域水氮负荷模拟，在气候变化对流域氮素输出的影响评估中应用较多。（三）简化型与机器学习模型对于数据匮乏区域或大尺度模拟需求，简化型模型与机器学习模型逐渐得到应用。简化型模型如EPIC（EnvironmentalPolicyIntegratedClimate）模型，通过经验公式描述水氮过程，参数少，校准容易，适合区域尺度的氮素损失估算。近年来，随着大数据技术的发展，机器学习模型如随机森林、长短期记忆网络（LSTM）、卷积神经网络（CNN）等逐渐被用于水氮运移模拟，这类模型通过对大量监测数据的学习建立输入（气象、土壤、管理措施）与输出（土壤含水量、氮素浓度、淋失量）之间的非线性映射关系，无需复杂的机理过程描述，模拟速度快，在实时预测、大尺度模拟场景中具有优势。但机器学习模型的“黑箱”特性导致其可解释性差，难以揭示过程机理，且模拟精度高度依赖训练数据的质量与代表性，在气候、土壤条件发生显著变化的情景下预测误差较大。目前研究热点是将机理模型与机器学习模型耦合，利用机理模型生成的大量模拟数据扩展机器学习训练集，同时通过机器学习对机理模型的参数进行优化、对模拟误差进行校正，实现二者优势互补。三、模拟研究中的关键难点与技术进展尽管土壤水氮耦合运移模拟已取得长足进步，但实际应用中仍面临多个共性难点，相关技术突破成为近年研究热点：（一）土壤异质性的定量表征与尺度转换土壤质地、结构、孔隙分布、有机质含量的空间异质性是导致模拟误差的重要来源，尤其是优先流、大孔隙流等优势流现象，会导致氮素快速向下迁移，传统基于均质土壤假设的模拟方法往往严重低估氮素淋失量。目前解决方法主要包括：一是采用非侵入式观测技术，如X射线计算机断层扫描（CT）、地探雷达（GPR）、时域反射仪（TDR）阵列等，高精度获取土壤孔隙结构与水氮含量的三维空间分布；二是引入随机方法，如蒙特卡洛模拟、随机游走粒子追踪模型，考虑土壤参数的空间概率分布，定量评估异质性导致的模拟不确定性；三是发展多尺度模拟方法，建立从孔隙尺度-土柱尺度-农田尺度-流域尺度的参数转换关系，通过尺度上移（upscaling）方法将微观过程机理融入宏观模拟。例如，通过孔隙尺度的LatticeBoltzmann模拟揭示大孔隙对水氮运移的影响机制，将其结果参数化后融入农田尺度的HYDRUS模型，显著提升了有优先流发生时的模拟精度。（二）多过程耦合的动态参数化水氮转化过程的参数具有高度的时空动态性，例如硝化速率不仅受温度、含水量的影响，还随土壤微生物群落结构、底物有效性的变化而改变，传统模拟中通常将参数设置为常数，是导致模拟误差的另一重要原因。近年的技术进展包括：一是发展动态参数校准方法，结合数据同化技术，如集合卡尔曼滤波（EnKF）、粒子滤波，利用实时监测的土壤含水量、氮素浓度数据动态更新模型参数，提升模拟精度；二是将微生物过程参数化，引入微生物生物量、酶活性等状态变量，建立基于微生物特性的氮素转化动力学方程，如MICCS（MicrobialCarbonandCarbonNitrogenSimulation）模型，显著提升了氮素转化过程的模拟精度；三是开发参数全局敏感性分析方法，如Sobol法、EFAST法，识别对模拟结果影响最大的关键参数，优先进行实测与校准，降低参数不确定性的影响。（三）气候变化与人类活动的情景模拟全球气候变化导致的气温升高、降雨格局改变（极端降雨事件增加）、CO₂浓度升高等，会通过改变作物生长、土壤微生物活性、水分运动过程影响水氮耦合运移规律，而耕作制度调整、节水灌溉技术推广、有机肥替代化肥等人类活动也会显著改变水氮过程，多情景下的水氮动态预测是当前研究的迫切需求。目前主流方法是将气候模式输出（如CMIP6全球气候模式结果）作为水氮模型的气象输入，模拟不同共享社会经济路径（SSP）下的未来水氮动态，结合农田管理措施情景模拟，筛选适应气候变化的最优水肥管理模式。例如，黄淮海平原的模拟研究显示，未来气温升高2℃会导致冬小麦氮素矿化速率提升15%~20%，而极端降雨事件增加会使硝态氮淋失量提升30%以上，采用滴灌+分次施肥模式可使水氮利用效率提升25%，同时降低淋失风险40%。四、研究应用领域与实践价值土壤水氮耦合运移模拟已在多个领域得到广泛应用，产生了显著的经济、社会与环境效益：农田水肥管理优化：通过模拟不同灌溉制度、施肥方案下的作物产量、水氮利用效率、氮素损失量，可定量筛选最优水肥管理模式。例如，我国西北旱区的玉米田模拟研究表明，采用滴灌施肥技术，将施肥量减少20%、灌溉定额减少30%，仍可维持稳产，同时氮素淋失量降低55%，为节水减肥措施的推广提供了定量依据；农业面源污染防控：通过模拟氮素在农田-沟渠-河道-地下水系统中的迁移转化过程，识别面源污染的关键源区与关键流失时段，评估不同防控措施（如生态沟渠、缓冲带、优化施肥）的污染削减效果，为流域面源污染治理方案制定提供支撑。例如，太湖流域的SWAT模拟显示，在关键源区实施测土配方施肥+8米宽植被缓冲带，可使流域总氮入湖负荷降低28%；地下水污染防治：模拟农田氮素淋失对地下水硝态氮污染的贡献，识别污染高风险区，预测污染发展趋势，为地下水污染溯源、修复方案制定提供依据。华北平原的模拟研究显示，近30年集约化种植导致的氮素淋失是地下水硝态氮超标的主要来源，贡献率达60%以上，采用有机肥替代30%化肥可使地下水硝态氮浓度在2050年降低35