农田土壤有机碳变化的模型模拟研究综述

农田土壤有机碳变化的模型模拟研究综述农田生态系统是陆地碳循环中最活跃的部分，土壤有机碳（SOC）不仅是维持土壤肥力、保障作物产量的核心物质基础，也是全球碳汇功能的重要组成部分。据IPCC第六次评估报告显示，全球农田土壤有机碳储量约为140-170PgC，其微小幅度的变化都会对大气CO₂浓度产生显著影响。在农业绿色转型与“双碳”目标的双重背景下，准确量化农田SOC的时空动态特征、识别其关键驱动因子，成为土壤碳循环研究与农业碳汇管理的核心议题。模型模拟作为SOC动态研究的核心技术手段，相较于传统的长期定位观测，具有成本低、时空尺度扩展性强、多情景预测能力突出等优势，已在区域碳储量估算、耕作措施优化、碳汇潜力评估等领域得到广泛应用。一、农田土壤有机碳模型的主要类型与核心原理经过半个多世纪的发展，农田SOC模型已形成从经验统计到过程机理、从单点模拟到区域耦合的完整技术体系，不同类型模型的适用场景与核心差异主要体现在对SOC分解过程的表征方式与驱动因子的选择上。经验统计模型是最早发展的SOC模拟工具，其核心是基于长期定位试验数据构建SOC储量与环境因子、管理措施之间的统计回归关系。这类模型结构简单、参数需求少，适用于基础数据匮乏的区域开展快速估算。典型代表包括基于温度和降水驱动的CENTURY经验模块、以及国内学者针对东北黑土区开发的SOC动态回归模型。例如，有研究利用全国36个长期定位试验站数据，构建了SOC变化量与秸秆还田量、施肥水平、年均温的线性回归模型，在东北、华北农区的模拟精度达到75%以上。但经验模型的局限性也十分突出：其参数受区域气候、土壤类型限制，迁移性差，无法解释SOC变化的内在机理，难以适应极端气候事件频发背景下的动态预测需求。过程机理模型是当前SOC模拟研究的主流工具，其核心是将SOC分解为活性、缓性、惰性等不同周转速率的碳库，通过量化微生物活性、有机质分解、碳输入输出等物理化学过程，实现对SOC动态的机理性表征。国际上应用最广泛的过程模型包括CENTURY模型、DNDC模型、ROTHC模型与DAYCENT模型等。其中ROTHC模型结构最为精简，仅包含5个碳库，参数易获取，在温带农田生态系统的模拟中表现出极高的稳定性；DNDC模型则重点耦合了氮循环与碳循环过程，能够模拟不同施肥、灌溉措施下的SOC与温室气体排放协同变化，在我国南方稻作区的应用精度可达80%以上。国内学者也针对本土农田特点开发了一系列模型，例如中国农业科学院开发的SCNC模型，针对我国复种指数高、秸秆还田量大的特点优化了碳输入模块，在黄淮海平原的冬小麦-夏玉米轮作系统模拟中，误差较传统DNDC模型降低了12%-18%。过程模型的优势在于能够揭示SOC变化的内在机制，可开展不同气候情景、管理措施下的情景模拟，但大量的参数需求也成为其区域尺度应用的主要限制因子，尤其是土壤剖面属性、微生物参数的空间异质性，往往导致模拟结果存在较大不确定性。近年来，机器学习模型与过程模型的耦合成为SOC模拟的新兴方向。这类混合模型利用机器学习算法（如随机森林、卷积神经网络、Transformer模型）处理多源异构数据的优势，对过程模型的参数进行优化、对模拟误差进行校正，同时保留了过程模型的机理解释能力。例如，有研究将DNDC模型与长短期记忆网络（LSTM）结合，利用MODIS遥感叶面积指数数据校正作物碳输入参数，在江苏省稻田SOC模拟中，决定系数R²从单独使用DNDC的0.62提升至0.87，均方根误差降低了31%。还有学者利用地理加权回归（GWR）与CENTURY模型耦合，解决了区域模拟中土壤参数空间异质性的问题，在全国尺度SOC储量估算中，精度较传统空间插值方法提高了23%。混合模型兼顾了机理表达与数据驱动的优势，能够有效融合站点观测、遥感反演、土壤普查等多源数据，是未来大尺度SOC模拟的重要发展方向。二、模型模拟在农田SOC研究中的核心应用场景当前SOC模型的应用已覆盖从单点过程解析到国家尺度碳汇评估的多个层面，为农业碳汇管理政策的制定提供了关键技术支撑。在单点尺度的过程机制研究中，模型是识别SOC驱动因子、量化不同过程贡献度的核心工具。长期定位试验往往只能观测到SOC的最终变化量，无法区分温度、降水、施肥、耕作等不同因子的相对贡献。通过模型控制变量法，可逐一解析不同驱动因子的作用效应。例如，基于东北黑土区30年长期定位试验数据，利用ROTHC模型模拟发现，秸秆还田对SOC增加的贡献度为58%，增施有机肥贡献度为27%，而温度升高导致的SOC分解加速抵消了约15%的碳汇效应。还有研究利用DNDC模型解析了华北平原农田SOC的稳态特征，发现当前黄淮海区域农田SOC平均饱和阈值约为21g/kg，现有SOC水平距阈值尚有35%-42%的提升空间，为区域碳汇潜力估算提供了关键参数。在区域尺度的SOC时空格局模拟中，模型与遥感、地理信息系统（GIS）技术的耦合，实现了从站点观测到区域面域的尺度扩展。传统的区域SOC估算主要依赖土壤普查样点插值，无法反映不同农田管理措施的空间差异对SOC的影响。通过将作物模型与遥感数据同化，可获取高时空分辨率的作物秸秆产量、根茬碳输入等参数，结合土壤类型、气候栅格数据，实现区域SOC动态的精细化模拟。例如，我国第二次与第三次土壤普查期间，科研人员利用改进的CENTURY模型完成了全国农田SOC储量的估算，结果显示1980-2020年全国农田SOC平均密度从28.3t/hm²提升至33.7t/hm²，累计固碳约3.4PgC，其中东北黑土区、长江中下游稻区是碳汇贡献最大的两个区域，占全国总碳汇量的62%。欧盟也利用DNDC模型完成了全欧农田碳汇清单的编制，其模拟结果被纳入欧盟共同农业政策（CAP）的碳补贴核算体系。在农业管理措施优化与碳汇潜力评估中，模型的多情景模拟能力为不同措施的固碳效应量化提供了可能。政府间气候变化专门委员会（IPCC）推荐的国家温室气体清单编制方法中，明确将模型模拟作为农业碳汇计量的核心方法之一。我国学者通过情景模拟发现，若在全国范围内推行秸秆全量还田，每年可增加农田碳汇约0.18PgC，相当于抵消我国农业领域碳排放的22%；若结合免耕、覆盖耕作等保护性耕作措施，每年固碳潜力可提升至0.25PgC。还有研究针对东北黑土区的模拟显示，推行“秸秆还田+有机肥施用+轮作”的综合管理模式，10年内可使黑土表层SOC提升12%-18%，同时使作物产量提高8%-10%，实现固碳与增产的协同增益。模型模拟结果为我国农业碳汇项目方法学的开发提供了关键参数，目前农业农村部已发布的12个农业碳汇项目方法学中，有7个将模型模拟作为碳汇量计量的核心技术手段。三、当前模型模拟存在的主要问题与不确定性来源尽管SOC模型已得到广泛应用，但模拟结果的不确定性仍然是制约其在政策层面大规模应用的主要瓶颈，其不确定性主要来源于参数、输入数据、模型结构三个层面。参数的不确定性是过程模型应用中最突出的问题。一个典型的过程机理模型包含20-50个参数，其中微生物碳利用效率、碳库分解速率、惰性碳比例等关键参数具有极强的空间异质性，不同土壤类型、气候区的参数值可能相差2-5倍。当前多数模型模拟采用默认参数或者单点试验校准的参数，直接推广到区域尺度时往往产生较大误差。有研究通过全球127个长期定位试验站点的多模型比对发现，相同输入条件下，不同参数化方案的SOC模拟结果差异可达40%-60%，其中微生物参数的贡献占总不确定性的35%以上。我国地域辽阔，土壤类型从黑土、红壤到潮土、水稻土差异极大，缺乏系统性的模型参数区域化校准数据集，这也是国内模型模拟结果差异性较大的重要原因。输入数据的时空分辨率不足是区域模拟的另一大限制因子。SOC模拟需要的输入数据包括气象数据、土壤属性数据、农田管理数据三大类。当前我国气象站点密度约为每万平方公里1.2个，偏远农牧区站点更少，高空间分辨率的降水、温度栅格数据精度难以满足小流域尺度的模拟需求；土壤属性数据主要依赖每10年一次的土壤普查，采样密度约为每县1-2个剖面，无法反映田块尺度的土壤异质性；而农田管理数据（如施肥量、秸秆还田比例、耕作方式）缺乏官方统计的空间化数据集，多数研究依赖农户调研数据进行空间插值，误差普遍在30%以上。有研究在黄淮海平原的模拟试验显示，当输入数据的空间分辨率从1km降低到10km时，SOC模拟的平均误差从11%上升到29%，数据分辨率的限制直接影响了区域模拟的可靠性。模型结构的缺陷也导致对部分关键过程的表征不足。当前多数模型对SOC分解过程的表征仍基于“一级动力学”假设，对微生物介导的有机质分解过程的刻画较为简化，尤其是对干旱、洪涝等极端气候事件下的微生物响应机制、碳氮磷耦合循环对SOC分解的调控机制、微团聚体对有机碳的物理保护过程的模拟能力不足。例如，多数模型未考虑南方稻田厌氧环境下SOC分解的特殊机制，在南方双季稻区的模拟误差普遍比北方旱地高15%-20%；还有模型比对研究发现，在极端干旱年份，现有模型对SOC分解速率的模拟普遍偏低20%-30%，无法准确反映干旱导致的微生物活性下降对SOC积累的影响。近年来，针对这些缺陷，学者们开始在模型中引入微生物功能基因模块、土壤团聚体碳库模块，但这些新模块的参数化难度更大，尚未进入大规模应用阶段。四、未来研究方向与发展趋势针对当前存在的问题，农田SOC模型模拟研究未来将朝着多源数据融合、多模型耦合、多尺度嵌套的方向发展，进一步提升模拟精度与应用价值。首先，多源观测数据与模型的同化技术将成为提升模拟精度的核心路径。随着传感器技术的发展，近地传感、无人机遥感、物联网监测等技术能够获取田块尺度的高时间分辨率SOC、作物长势、土壤温湿度等数据，结合卫星遥感的大尺度观测优势，通过数据同化算法将多源观测数据融入模型动态校正过程，可有效降低参数与输入数据的不确定性。例如，近年来快速发展的四维变分同化、集合卡尔曼滤波等技术，能够实时利用观测数据更新模型状态变量与参数，在欧洲的农田SOC监测网络中，应用数据同化技术后，区域模拟误差平均降低了25%-35%。未来随着我国第三次土壤普查、农业农村大数据平台的建设，多源数据的获取成本将持续降低，数据同化技术的大规模应用将成为可能。其次，跨尺度模型嵌套技术将解决尺度扩展的难题。当前单点过程模型向区域扩展时，往往面临“过参数化”与“过程失真”的问题。未来将构建“微观-中观-宏观”的跨尺度模型嵌套体系：在微观尺度，利用分子生物学技术解析微生物分解有机质的过程机制，开发基于微生物性状的高精度模块；在田块尺度，整合农业机械监测、物联网传感数据，实现田块尺度的高精度模拟；在区域与国家尺度，简化微观过程参数，保留关键驱动因子的响应关系，构建适用于大尺度的简化过程模型。欧盟的“欧洲土壤碳监测系统”已率先开展了跨尺度模型嵌套的应用试点，其模拟结果的空间分辨率达到1km×1km，能够满足乡镇级别的碳汇计量需求。最后，模型的标准化与工具化开发将促进其在管理实践中的应用。当前SOC模型多为科研机构开发，操作复杂、参数调整难度大，难以被地方农业部门、碳汇项目业主直接使用。未来需要加强模型的标准化与可视化开发，构建集成数据输入、参数自动校准、结果可视化输出的一体化工