将土壤有机碳建模与农业决策支持系统相结合的碳农业工具:适应RothC模型以模拟地中海气候下DSS指导的农业实践

《Sustainability》:A Tool for Carbon Farming Combining Soil Organic Carbon Modelling and Agricultural Decision Support Systems: Adapting the RothC Model to Simulate DSS Informed Agricultural Practices in a Mediterranean Climate

【字体: 大 中 小 】 时间:2026年07月22日 来源:Sustainability 4.1

编辑推荐:

  决策支持系统(DSS)帮助农民和决策者寻找既能提高生产力又能减少化肥和灌溉用量的种植系统;然而,很少有DSS集成了土壤碳模型,尤其是在地中海气候下。在此,研究人员测试了RothC20_N(一种广泛使用的RothC模型针对地中海和干旱气候的版本)能否估算两种不同

  
决策支持系统(DSS)帮助农民和决策者寻找既能提高生产力又能减少化肥和灌溉用量的种植系统;然而,很少有DSS集成了土壤碳模型,尤其是在地中海气候下。在此,研究人员测试了RothC20_N(一种广泛使用的RothC模型针对地中海和干旱气候的版本)能否估算两种不同种植系统(一种传统种植系统,另一种由Horta Srl的DSS指导)中观测到的土壤含水量(SWC)、土壤有机碳(SOC)和土壤呼吸(Rs)。该模型根据意大利两个不同地区的两个长期(8年)田间试验进行了校准和测试。两个地点在夏季都表现出典型的干燥土壤;RothC20_N能够正确预测两个地点观测到的土壤含水量时间序列。RothC20_N能够以Nash–Sutcliff效率~0.3、归一化均方根误差~0.4和Kling–Gupta效率>0预测测量的SOC和异养呼吸时间序列。本研究表明,多目标校准的RothC20_N是纳入DSS的一个有希望的候选者,以扩展DSS的潜力,通过同时解决土壤碳动态来增加农业实践的可持续性,同时保持高农业生产力。
地中海气候区的土壤有机碳(SOC)含量普遍偏低,这为通过针对性农业实践实现土壤固碳提供了机遇。土壤既是CO2的汇也是源,农业实践可导致碳排放或碳吸收,取决于种植系统和管理条件。增加SOC的实践(如覆盖作物、减耕、绿肥等)对于实现碳中和至关重要。然而,现有决策支持系统(DSS)多侧重于提高灌溉和施肥效率,很少集成土壤碳动态模型,尤其在地中海气候下。RothC模型是广泛使用的土壤碳动态模型,但在地中海和半干旱条件下存在局限性,Farina等(2016)开发了改进版RothC20_N。此外,RothC模型存在过度参数化导致的等最终性(equifinality)问题,多目标校准可减少这一缺陷。因此,本研究假设RothC20_N能够成功估计地中海气候下由DSS指导的种植系统(ECS)与传统种植系统(CCS)之间的SOC动态差异。研究人员在意大利Ravenna(Inceptisol)和Foggia(Vertisol)两个地点设置了8年田间试验,比较CCS和由Horta Srl的DSS指导的ECS,使用多目标校准(以SOC、土壤含水量SWC和异养呼吸Rh为校准目标)对RothC20_N进行校准和验证。结果表明,ECS相比CCS增加了SOC,减少了33%的土壤CO2排放,同时减少肥料和水使用,产量相同或更高;校准后的RothC20_N能很好模拟SWC、Rh和SOC动态。该研究证明RothC20_N可作为DSS的碳动态模块,帮助农民和决策者在保持高生产力的同时兼顾土壤固碳。论文发表在《Sustainability》。

主要关键技术方法包括:(1)田间试验设计:在意大利Ravenna(7公顷,Inceptisol,Cfa气候)和Foggia(7.5公顷,Vertisol,BSk气候)分别设置8个地块,比较传统种植系统(CCS)和由DSS(Horta Srl)指导的高效种植系统(ECS),历时8年。(2)测量方法:连续监测气象(METOS传感器)、土壤含水量(SWC,水含量反射计,20–25 cm深度)、土壤温度、土壤呼吸(Rs,LI-COR LI-850气体分析仪,3年数据);手工采集作物生物量、根生物量(FAO方法估算)、SOC(Walkley-Black法,每年采样)。(3)土壤呼吸拆分:采用Kucera和Kirkham方法,基于根生物量和环境变量,通过多元线性回归将Rs拆分为异养呼吸(Rh)和自养呼吸。(4)模型:RothC20_N(Farina等修改版,改进土壤水平衡和水分配效应),使用多目标校准(GLUE方法),校准5个参数(Kdpm, Krpm, Kbio, Khum和惰性有机质库),以SOC、SWC和Rh为校准目标。(5)验证:用Ravenna其他地块(6个)和Foggia全部地块(8个)进行验证。

3.1 土壤测量:通过连续监测和手工采样,发现两个地点SWC在ECS和CCS之间差异很小,但Foggia夏季更干燥(最低SWC 0.03 vs Ravenna 0.15)。土壤呼吸(Rs)在Ravenna高于Foggia,且ECS在Ravenna比CCS低33%(0.30 vs 0.45 tC ha-1 month-1),而在Foggia则相反(ECS略高)。SOC测量显示ECS的SOC有增加趋势,但统计上不显著(R2 < 0.1),这符合预期(需要5–10年才能检测到显著趋势)。

3.2 土壤呼吸拆分:通过多元线性回归模型拟合无作物时期的Rs,得到冬季和夏季的基呼吸模型,进而估算Rh。结果显示,在Ravenna,Rh与太阳辐射的Pearson相关系数达0.90和0.86(p<0.05),在Foggia为0.63和0.41(p<0.01)。Rh估算值合理,表明拆分方法有效,但部分时段存在高估或低估。

3.3 RothC20_N模拟:经多目标校准后,RothC20_N能很好模拟SWC(归一化RMSE 0.45和0.31)、Rh(归一化RMSE 0.89和0.73)和SOC(归一化RMSE 0.08和0.05)。校准参数与原值接近,仅Khum微调(0.019 vs 0.02 yr-1)。模型在Ravenna和Foggia均能模拟SOC趋势,ECS的SOC稳定或增加,CCS减少,但统计上不显著。在Ravenna,模拟SOC与观测吻合良好(平均归一化RMSE 0.10和0.06);在Foggia,模型略微低估CCS的SOC(平均归一化RMSE 0.08和0.03),但偏差不显著。

讨论部分总结:尽管两个地点土壤和气候条件不同,但影响SOC的土壤温度和SWC差异很小。RothC20_N能正确模拟土壤水分动态,但对土壤呼吸峰值的模拟不足,因模型采用月时间尺度和整体土壤模型,无法捕捉日或小时尺度的过程。ECS相比CCS减少33% CO2排放,减少肥料和水使用,产量相同或更好,因此具有环境可持续性。研究局限包括:土壤裂缝(Foggia Vertisol)可能影响气体测量,模型对过程模拟的简化等。多目标校准方法有潜力,但本研究中校准效果有限,因模型参数已接近最优。研究结论部分翻译如下:
本研究显示:根据8年的SOC数据,由DSS指导的种植系统(ECS)相比传统种植系统(CCS)导致更高的SOC浓度。ECS种植系统相比CCS减少了33%的土壤CO2排放,同时提高了农业产量。经过多目标校准后,RothC20_N能够正确拟合Ravenna站点校准地块的土壤含水量条件、土壤异养呼吸和SOC。校准后的RothC20_N还能够估算Foggia站点ECS和CCS验证地块的SOC。本研究显示,田间传感器与农业DSS模型通信可以产生环境可持续的农业实践。在本研究中,研究人员能够证明土壤碳排放减少,化肥和田间用水减少,而对产量没有负面影响(某些情况下甚至增加)。从大气中固碳对于平衡人为排放和帮助实现碳中和至关重要;未来,碳市场或某种碳核算可能会增加碳农业在农业中的可取性。Farina等人(2016)针对地中海条件开发的RothC20_N在实验田中对土壤含水量的预测表现非常好,因为它能够正确再现长时间无降水期间的土壤条件。这在气候变化背景下尤其重要,预计欧洲大陆大部分地区将出现更强烈的降水事件和更长的干旱期。RothC20_N被证明是纳入DSS的候选碳动态模型,旨在帮助农民和决策者在保持高农业生产力水平的同时考虑土壤固碳。然而,为了实现SOC模型与DSS的集成,必须修改SOC模型以自动包含DSS中的所有输入和其他土壤建模模块,具体包括农业实践、DSS对作物特性和每日生长的表示、灌溉管理和土壤水平衡模块(含淋溶估算)以及农业活动中的其他温室气体排放。这些修改和集成策略将在后续文章“A tool for Carbon Farming Combining Soil Organic Carbon Modelling and Agricultural Decision Support Systems: Part 2”中讨论。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号