《Ecological Modelling》:me4soc: a multi-model ensemble interface for soil organic carbon predictions
编辑推荐:
模型预测对于理解气候与土地利用管理如何影响土壤有机碳(soil organic carbon,SOC)储量及温室气体(greenhouse gases,GHG)至关重要。然而,相关预测仍存在较大不确定性,而多模型集合(multi-model ensemble)
模型预测对于理解气候与土地利用管理如何影响土壤有机碳(soil organic carbon,SOC)储量及温室气体(greenhouse gases,GHG)至关重要。然而,相关预测仍存在较大不确定性,而多模型集合(multi-model ensemble)方法是量化模型结构相关不确定性的关键途径。研究人员提出了 me4soc(Multi-model Ensemble interface for Soil Organic Carbon predictions,面向土壤有机碳预测的多模型集合界面),即一款用于模拟不同气候、土地利用及管理情景下矿质土壤森林站点 SOC 储量与 GHG 通量的开源 Web 应用程序。该平台可集成运行六个 SOC 模型,既支持用户上传观测数据,也可调用预处理后的欧洲公开数据集。模拟过程还纳入地球系统模型(Earth System Models)对未来气候与土地利用轨迹的预估结果。me4soc 基于 Shiny(R)开发,能够刻画站点尺度 SOC 储量与 GHG 排放的时间动态,并量化由模型结构引起的不确定性。该工具面向研究人员与森林管理者,通过分析气候智慧型管理如何通过改变植物凋落物输入而影响森林土壤,以期为决策提供支持。
该研究发表于《Ecological Modelling》,围绕森林土壤碳动态预测的不确定性问题,开发并介绍了一款名为 me4soc 的交互式开源 Web 应用平台。
研究背景方面,土壤是陆地生态系统中最大的碳库,其储量超过植被与大气碳库之和;森林土壤尤其在全球碳循环中占据核心地位,约占全球前 2 米土壤有机碳储量的 75%。然而,森林健康正日益受到人类活动与气候变化的威胁:林地转换、干旱、病虫害、林火以及皆伐、收获剩余物移除等集约化人为干扰均可显著降低 SOC 储量并增加 GHG 排放。相对而言,气候智慧型森林管理实践具有提升 SOC 固存、减少 GHG 排放、增强森林韧性并保障木材生产的潜力。因此,准确预测气候、土地利用与森林管理对 SOC 储量和 GHG 通量的影响,对于制定可持续减排策略至关重要。尽管 SOC 模型已被广泛用于此类预测,但其模拟结果仍存在高度不确定性,且不同模型结构带来的系统性差异尤为突出。多模型集合方法被证明是量化模型结构不确定性的有效途径,但该方法通常需要大量技术资源与数据支撑,对森林管理者和政策制定者等非专业用户而言门槛较高。与此同时,自愿碳市场对可靠、易用的 SOC 变化监测工具的需求日益增长。为此,研究人员开发了 me4soc,旨在弥合先进 SOC 建模与决策需求之间的鸿沟。
在技术方法层面,me4soc 基于 Shiny(R)框架开发,部署于巴黎高等师范学院服务器,界面分为 “Description”“Data”“Outputs”“About” 四个模块。平台集合了六个 SOC 与 GHG 模型,包括 Century、Roth-C、ICBM、Yasso07、Yasso20 五个过程模型,以及用于估计 CO
2、CH
4 和 N
2O 通量的经验模型 SG。所有过程模型均基于线性非自治的多库室(compartment)分解框架,以矩阵形式表示为微分方程 dC(t)/dt = I(t) ? ξ(t)·A·K·C(t),其中 C(t) 为库室碳储量向量,I(t) 为碳输入向量,ξ(t) 为环境调控因子,A 为转移矩阵,K 为分解速率系数对角矩阵,C
0 为初始库室碳储量。CO
2 通量通过释放系数矩阵 R 与 C(t) 计算。模型常微分方程(ordinary differential equations,ODE)利用 R 包 deSolve 中的 lsoda 自适应积分器求解,绝对与相对误差容限均设为 10
?6,输出时间步长为 1/365 年。初始化采用 5000 年稳态旋回(spin-up),以模拟开始前 15 年的平均气候为强迫条件,待各库室相对变化连续 10 年低于 0.1% 后达到稳态,再按实测总 SOC 进行比例重缩放,以获得各库室的初始碳储量。
数据输入可由用户自行上传,也可通过欧洲地区预处理后的公开数据库自动提取,包括跨部门影响模型比较计划(Inter-Sectoral Impact Model Intercomparison Project,ISIMIP)提供的气候与植被数据、LUCAS 土壤数据库、TRY 植物性状数据库以及 GML 大气 CH
4 浓度数据。情景设置包括代表性浓度路径(representative concentration pathways,RCP)RCP 2.6 与 RCP 6.0 两类气候变化情景,土地利用变化情景则包括固定 2005 年土地利用状态与基于共享社会经济路径(shared socio-economic pathways,SSP)SSP2 的变化情景,植被数据来自 ISIMIP 中 ipsl-cm5a-lr 和 miroc5 两个气候模式分别与 dlem、lpj-guess 两个陆面模式耦合的多模式平均结果。森林管理情景则区分对照(control)与干扰(disturbance)两种处理,用户可自定义死亡率(MR)与收获率(HR)来计算干扰年份的地上与地下碳输入变化。
研究结果部分,研究人员以法国曼松森林一处以挪威云杉为主的矿质土壤站点为例,开展了 10 年尺度的示例模拟。
在“高强度间伐降低 SOC 储量”部分,研究人员设定 2020 年发生 50% 死亡率且死亡地上生物量收获率为 100% 的高强度间伐情景。结果表明,干扰发生当年由于死亡根系向土壤输入大量碳,总碳输入出现短期峰值,但随后因地上剩余物被完全移除而显著下降。多模型平均显示,干扰情景下 SOC 储量低于对照情景,且 CO
2 通量也随之下降,这主要归因于较低的碳输入与 SOC 储量直接限制了模型中的呼吸释放速率。进一步比较不同收获强度(对照、间伐 MR25%、高强度间伐 MR50%、皆伐 MR100%,收获率均为 100%)发现,SOC 储量的降幅与处理强度呈正相关,皆伐情景下 10 年后 SOC 最低,且碳输入的下降幅度远大于 SOC 储量的下降幅度。
在“气候变化影响较小”部分,针对 10 年短期模拟,RCP 6.0 情景下的 SOC 储量略高于 RCP 2.6。这一差异主要由 RCP 6.0 情景下平均碳输入更高所驱动,而环境条件变化的直接作用较小:略湿润条件会轻微促进分解,温度变化则对分解有极微弱的抑制作用,两者相互抵消,净效应远小于碳输入增加带来的累积效应。由此可见,在短期尺度上,SOC 变化趋势主要由碳输入变化控制,温和的气候变化对分解动态的直接影响有限。
在“模型间差异显著”部分,尽管在 RCP 2.6 对照情景下多模型平均 SOC 储量 10 年间仅下降约 2%,但单个模型结果差异巨大,10 年变化幅度从增加 9% 到下降 22% 不等,最后一年 SOC 储量为 60.1 ± 7.6 Mg C ha
?1。这种差异与先前研究中报道的模型结构不确定性相一致。模型分歧来源于参数化、模型结构以及初始化方式等多方面因素。在本研究中,输入数据已进行标准化处理,可在一定程度上排除强迫数据差异造成的影响;然而,初始库室碳储量基于稳态假设并通过重缩放匹配实测总 SOC,若稳态值与实测值差异较大,可能使模型短期动态偏向稳态,从而引入偏差。在缺乏系统观测数据验证的情况下,多模型平均及其不确定性被认为是表征站点尺度 SOC 动态的最全面方式。
讨论部分指出,当前基于公开数据的数据输入功能主要用于演示工具能力,而非提供稳健站点特异性模拟。ISIMIP 和 LUCAS 等格点数据会平滑局地气候、土壤与土地利用异质性,可能带来数十个百分点量级的 SOC 估计偏差;ISIMIP 植被模型多代表潜在自然植被而非真实经营森林,因此自动提取数据应视为指示性结果,本地实测数据应优先使用。初始化与参数化仍是重要不确定性来源:默认参数可能无法跨环境迁移,稳态重缩放虽可使模拟从观测总 SOC 出发,但可能抑制短期瞬态动态。此外,当前版本为模拟平台而非经过校准的预测系统,未来需通过与 SOC 储量变化、凋落物袋实验等观测数据的系统对比来验证模型性能,并量化不确定性,以满足 IPCC 指南和欧洲碳清除与碳农业(CRCF)法规对碳汇核证的要求。在全球推广方面,me4soc 可进一步整合 SoilGrids 等全球土壤数据集并扩展到农田、草地等生态系统;同时还可引入更真实的管理情景、多物种混合系统以及更具机理性的生物地球化学模型,但需在过程复杂性与计算效率、用户友好性之间取得平衡。
研究结论部分指出:提升 SOC 预测的稳健性并量化其不确定性,对于理解土壤碳对气候变化的反馈以及通过气候智慧型土地管理实践制定减缓策略至关重要。me4soc 的主要创新之一在于,通过多建模方法提供基于站点、基于情景的 SOC 预测,并以直观且开源的 Web 界面实现。这是向提供先进 SOC 建模平台以满足决策需求迈出的第一步,从而支持气候变化背景下的循证森林管理。然而,正确解读输出结果时必须认识到当前工具存在的局限性,包括使用未经局地再校准的默认模型参数、仅依赖线性动力学模型,以及在未提供用户数据时使用分辨率较粗且可能不准确的公开输入数据。该研究开发的工具是一个模拟平台,而非经过校准的预测系统。未来发展方向包括:(1)通过与观测数据对比来评估模型性能,以增强预测应用的稳健性;(2)将适用范围扩展到全球尺度及其他生态系统;(3)在保持计算效率与广泛用户可用性的前提下,整合对生物地球化学过程具有更机理性表征的模型。