由于田间氮素状况在作物生长优化、面源污染防治等方面的重要影响，许多学者开展了室内及田间土壤的氮素分析与研究。费良军等利用室内试验分析了土壤氮素肥液的入渗特性（费良军等，2006），Shi等研究了作物根系吸水和氮素运移过程（Shi等，2009），Huang等对特定土壤条件下盐分含量对氮素硝化过程的影响进行了分析（Huang等，2009），Li等研究了滴灌条件下分层土壤的水氮分布规律及影响因素（Li等，2011），Yang等开发了有效的氮素模拟模型（NPTTM模型）并在多种条件下取得了很好的验证（Yang等，2008）。传统田间氮素运移转化过程及模拟模型的研究，为设施土壤氮素分析提供了良好的理论基础。

由于设施土壤特性和设施环境的影响，设施田间土壤氮素运移转化过程及其影响因素表现出不同的规律。在传统田间土壤氮素过程中，灌溉、排水、施肥等田间措施对其运移转化过程有重要的影响，但这些因素在设施土壤特性和设施环境下的影响作用机理并不清晰。灌溉排水措施对设施田间的土壤水分含量有直接影响，而土壤含水量是影响田间氮素过程的重要因素。田间调控下的土壤含水量被认为可能影响土壤通气性和氧化还原状况，从而对田间氮素分布和N2O排放产生影响（徐文彬等，2002）。在设施田间土壤频繁水管理条件下，土壤孔隙内氧气含量和土壤含水量会发生急剧变化，由此造成的土壤硝化-反硝化作用将大不同于传统田间土壤过程（丁洪等，2004；Peng等，2011）。设施田间的灌溉排水措施还可能会引起土壤温度的变化，从而对氮素运移转化过程的速率有极大的影响（郑循华等，1997；Sanger等，2011；武其甫等，2011）。由于设施种植中的大量施肥，设施土壤酸化（pH值下降）、盐分增加和有机质含量显著变化等特性，也可能对土壤氮素运移转化过程产生影响（如土壤含氮气体排放通量随土壤pH值下降而呈递增趋势（Ruz-Jerez等，1994），高盐分对土壤硝化的抑制率能够超过60%，有机质添加对土壤的N2O排放产生一定影响）。因此，分析和合理认识设施土壤氮素运移转化过程是研究设施田间氮素状况的核心问题，在多种因素的复杂影响下，如何分析氮素不同运移转化过程间的相互作用及对其进行定量描述是解决问题的关键。

现有研究针对影响氮素状况的相关因素，采用土柱、田间和建立模型等多种方法对土壤氮素运移转化过程进行了详细的研究。氮素淋洗渗漏过程及特定土壤截面的氮素通量能够利用土柱和蒸渗仪方法进行有效估算，但在田间应用中尚需考虑土壤分布对水分及溶质运移的影响（Adviento-Borbe等，2006）。根据田间资料，针对土壤的矿质氮含量、土壤水分含量和土壤温度建立的经验模型能够用来估算农业土壤的N2O排放量（Conen等，2000），依赖土壤环境因子变化的函数可以实现对硝化-反硝化速率的模拟（Kiese等，2008；Stange等，2009），但在设施土壤环境内对经验模型的应用依赖于可靠的实际田间监测数据的获取。研究者建立的众多经验模型和考虑物理机制的过程模型，很好地减少了对实测数据的需求并正确模拟了农田土壤氮素过程（王少丽，2010）。基于土壤氮素运移转化过程的物理机制模型，因具有土壤氮素转化、运移速率及控制因子间的定量关系而能提供更多的分析结果，被认为具有更广泛的应用前景。在一系列研究中，建立的DNDC、NASA-Ames CASA model、Century-NGAS、WNMM等适用于大区域的模型和DAYCENT、RZWQM、APSIM等适用于田间的模型都需要选择适合的田间参数来取得良好的分析效果，因此相关模型在设施田间土壤氮素模拟上的应用还需要进一步的验证。孙怀卫等结合连续2年的设施田间监测数据，利用Root Zone Water Quality Model（RZWQM）模型成功进行了对控制排水措施下设施土壤水氮变化的模拟分析，但由于缺乏设施田间N2O排放的实测过程验证而未能对氮素过程进行全面分析，限制了研究结果的应用（孙怀卫等，2011）。

结合现有田间数据，如何准确获取田间土壤氮素模拟的相关参数，是田间氮素模型模拟和成功应用的关键。近年来，随着应用数学的发展，多种参数选择和对模型模拟效果影响的定量描述方法在环境领域得到了应用。Sun等采用并比较了Morris、Sobol和Regional SA等方法对环境模型参数的获取（Sun等，2012），并发现代表模型不同过程的参数间相互作用也对模型的预测结果产生了很大的影响。由于田间过程具有随时间变化的特点，即使简单模型的一些参数也可能表现出强烈的对时变水文气候条件的依赖（Herman等，2013）。针对参数的时变特性和演化规律，研究者探讨了用Pareto优化方法来进行参数反演和获取参数空间（Wohling等，2008），为此，Wagener等提出了动态参数辨识分析方法（DYNIA）并已经在一维土壤水分运动模拟中得到了成功的应用（Adam等，2013）。田间尺度下水分和溶质运移的尺度效应明显（Sun等，2007），田间土壤参数变化也与模型结构有关。采用调整模型不同过程的反演权重或采用基于滤波理论的同化方法，都能够减少模型的预测误差，从而改善模型模拟中的参数不确定性问题；类似的研究还有采用基于统计方法的回归和误差纠正来改善模型随时间变化的预测误差（Erdal等，2012），但这些方法都依赖于精确测量的田间数据和最小偏差的模型结构（Sujay等，2012）。因此，为建立准确估计田间氮素运移转化过程的田间氮素模型，必须考虑田间参数的时空变化特性及演化规律，同时也需要研究模型结构可能引起的模拟误差。(www.daowen.com)

较通用的田间氮素模型，由于涉及多个描述土壤氮素运移转化不同过程的子模块（例如土壤水循环，碳素循环，作物吸收，化学运移和氮素转化过程等），而具有较为复杂的模型结构（Gu等，2008）。一些学者从不同氮素过程的对田间模型氮素模拟效果影响的分析出发（Kimmins等，2008），探讨了模型复杂度与模拟效果之间的关系（El-Sadeka等，2012），并且发现，在考虑氮素复杂过程的情况下如何选择合适的田间模型是当前遇到的最大问题（Newsha等，2010）。实际上，依赖于单个模型进行的模拟和不确定性分析，大多难以获得最理想的模型模拟结果及可靠的预测值空间。近年来，多模型的集合模拟已成为气象、水文等相关领域的研究热点，其通过着眼于模型模拟分析中的实测数据、相关参数以及物理过程的不确定性，以提高数值模拟的预测精度（田向军等，2011）。贝叶斯模型平均（Bayesian Model Averaging，BMA）方法是最近提出的一种用于多模型集合预报的统计方法，能够对多个模型的过程模拟进行定量比较和采用基于预测概率的偏差纠正，从而提高模拟预测结果的准确可靠性。该方法在地表水文预测，地下水模拟，气象预测中都得到了广泛的应用，并显著提高了预测结果的可靠性并对模型集合中每个模型的结构误差进行了定量表达。虽然这些相关方向的研究提供了良好的理论基础，但对田间氮素模型模拟的应用和发展，仍需要考虑复杂田间条件下多个过程模拟的不确定性，以及如何结合不同的田间措施对BMA方法进行有效验证。同时，田间试验资料的获取耗费较大，在BMA方法分析中还需要考虑有限的田间实测数据及实现数据利用价值的最大化，以提高方法的可靠度和对不同田间条件下的适应性。

综上所述，传统田间氮素模型及相关研究为设施土壤氮素研究提供了良好的理论基础，但结合设施种植和设施环境特性，如何分析且实现对因素影响下的氮素运移转化过程的定量描述，是解决设施氮素问题的关键。虽然基于物理机制过程的田间氮素模型在设施土壤上的应用有过初步的研究尝试，但如何选择最合适的模型、获取设施环境内可靠的土壤参数以及能否有效提高田间氮素模型的模拟效果都是需要进一步研究的问题。