编辑推荐：
为精确评估和监测大尺度农业系统土壤有机碳（SOC）动态，本研究针对碳输入数据不确定的难题，利用RothC模型，以25 m高分辨率模拟了荷兰农业矿质土壤1986–2022年的SOC储量。研究表明，不同土地利用下SOC变化趋势差异显著，模型在点尺度验证中表现出良好性能，为国家级SOC评估和碳中和政策制定提供了有力的过程模型工具。
土壤是陆地生态系统中最大的碳库，土壤有机碳（SOC）对于维持土壤质量、功能健康及生态系统服务至关重要。然而，由于不可持续的土壤管理、农业扩张和泥炭地排水等原因，包括欧洲在内的全球许多地区的SOC储量正在下降或面临耗竭风险。这削弱了土壤履行关键生态系统功能的能力，也加剧了气候变化。这一问题在荷兰这样的低地国家尤为突出，其特点是农业活动密集、泥炭地广布。对SOC变化趋势进行高时空分辨率的准确量化，是理解其动态、识别气候变化减缓机遇和支持土壤健康政策的关键。然而，传统的基于重复采样或统计模型的方法，要么空间分辨率不足，要么难以有效捕捉SOC储量动态。因此，开发和应用能够兼顾高分辨率和过程机理的模拟方法，成为当前的研究热点和迫切需求。
在此背景下，一篇题为“基于RothC的荷兰农业土壤有机碳储量时空分析（1986–2022）”的研究论文发表于国际土壤科学著名期刊《Geoderma》。该研究巧妙地运用了被广泛验证的Rothamsted碳模型（RothC），旨在填补上述知识空白。研究团队设定了四个明确目标：首先，以25 m × 25 m的精细空间分辨率，模拟1986至2022年间荷兰农业矿质土壤表层（0–30 cm）SOC储量的时空分布；其次，利用独立观测数据评估RothC模型的模拟性能；再次，深入解析土地利用（变化）和粪肥输入对SOC储量及其不同碳库变化的贡献；最后，分析不同SOC碳库的时空变异，以评估其对碳封存潜力的意义。
为达成这些目标，研究人员整合了多源、长时序的时空数据集，并进行了定制化的模型开发与验证。其技术方法的核心在于对经典RothC-26.3模型的全国尺度、高分辨率应用与改进。首先，模型初始化与参数本地化：研究基于1986年高分辨率SOC储量图和粘土含量图，为每个25 m网格单元计算了惰性有机质（IOM）库，并根据稳态假设和初始碳输入比例，分配了四个活性碳库（可分解植物材料DPM、难分解植物材料RPM、微生物生物量BIO、腐殖化有机质HUM）的初始碳储量。其次，高时空分辨率驱动数据制备：研究团队构建了覆盖1986–2022年的月度气候数据集（温度、降水、潜在蒸散）、逐年土地利用/作物类型图（基于荷兰农业地块基础登记BRP数据）、以及逐月植被覆盖（基于Landsat的NDVI）数据。尤为关键的是，他们利用INITIATOR模型输出的粪肥有效有机碳（EOC）数据，并结合作物类型特定的腐殖化系数（hc）和DPM/RPM比例（rdpm/rpm），生成了时空明确的碳输入（包括作物残茬和粪肥）序列。最后，大规模并行模拟与多层次验证：研究开发了定制的R实现，以支持全国范围（约14530 km2）内所有网格单元的逐月模拟。模型性能通过三个独立的时空数据集进行了验证：点尺度的田间实测数据、区域尺度的空间化SOC图、以及重复采样监测数据，并计算了模型效率系数（MEC）等指标进行量化评估。
研究结果揭示了荷兰农业土壤SOC储量的清晰时空格局、变化趋势及其内在驱动机制。
1. SOC储量的时空动态：
模拟结果显示，在1986至2022年间，荷兰农业矿质土壤的SOC储量变化存在显著的空间异质性和土地利用依赖性。在表层土壤（0–30 cm）中，永久草地的SOC储量平均增加了13.2%，这主要归因于持续且较高的粪肥输入，以及碳在稳定碳库（如HUM）中的累积。相反，永久耕地的SOC储量平均下降了10.4%，这与其较低的粪肥输入和更集约化的管理措施有关，导致了活性碳库（如DPM、RPM）的减少。在土地利用发生变化的混合区域，SOC储量平均下降了3.9%。
2. 模型性能评估：
利用三个独立数据集进行的验证表明，RothC模型在再现点尺度田间实测SOC值方面表现最佳，1986年和2022年的模型效率系数（MEC）分别为0.32和0.37。然而，模型在捕捉SOC随时间变化趋势方面的能力相对有限，在所有数据集上的MEC均接近0。尽管如此，模拟所揭示的SOC时空变化模式与先前的观测研究结果是一致的，表明模型能够合理反映大尺度的空间格局和相对变化方向。
3. 土地利用与粪肥输入的影响机制：
深入分析表明，土地利用和粪肥管理是驱动SOC变化的关键因素。草地的碳增益与系统性地更高粪肥输入以及碳在稳定碳库（HUM和IOM）中的净积累密切相关。而耕地的碳损失则与较低的粪肥输入和集约化管理（导致土壤扰动增加）相关联，这加速了活性碳库（DPM和RPM）的分解与流失。研究清晰地量化了不同管理措施下各碳库的贡献，为针对性的土壤碳管理提供了理论依据。
4. 不同碳库的贡献与碳封存潜力：
对RothC模型中五个碳库（DPM, RPM, BIO, HUM, IOM）的分析显示，SOC储量的变化主要发生在活性碳库。在碳增加的草地，增长主要体现于周转较慢的HUM和BIO库；而在碳损失的耕地，减少则集中于周转较快的DPM和RPM库。这提示，通过管理措施促进碳向稳定库（HUM和IOM）转移，是提升土壤长期碳封存潜力的关键。
结论与讨论部分对本研究的重要发现和意义进行了总结与展望。该研究成功地将RothC模型应用于国家尺度的高分辨率SOC时空模拟，生成了覆盖荷兰农业矿质土壤长达37年、精度达25米的SOC储量动态数据集。这不仅首次在如此高的时空分辨率上量化了该国农业土壤的SOC变化趋势，还深入揭示了土地利用和粪肥输入对不同碳库的动态调控机制。研究表明，RothC模型在国家尺度SOC储量评估与监测方面具有巨大潜力，其过程机理框架能够有效捕捉SOC动态，而这正是纯经验性统计模型难以实现的。
同时，研究也指出了当前面临的挑战与未来方向。获取准确的高时空分辨率碳输入数据仍是提升模型精度的主要瓶颈。尽管本研究利用国家数据库和模型估算改善了数据状况，但不确定性依然存在。此外，模型在模拟SOC随时间变化趋势方面的性能有待提高，突显了对更高质量的时间序列验证数据的迫切需求。研究最后建议，未来的工作可以探索将RothC与机器学习相结合的混合建模方法，以期更好地捕捉当前模型未能解释的变异性，从而进一步提升模拟性能。这项研究不仅为荷兰的土壤碳管理和气候变化政策提供了科学依据，其技术路线和发现也为全球类似区域开展高精度SOC监测与模拟提供了有价值的参考范例。
