评估撒哈拉以南非洲地区的土壤碳模型：揭示亚热带和热带土壤生物地球化学领域的知识空白

《Journal of Geophysical Research: Biogeosciences》：Evaluating Soil Carbon Models for Sub-Saharan Africa: Revealing Knowledge Gaps in Subtropical and Tropical Soil Biogeochemistry

　　摘要

基于过程的土壤碳（C）模型越来越多地被用于预测区域和全球碳循环对气候变化的响应。然而，这些模型的开发和评估主要集中在北美洲和欧洲的温带地区。这种地理偏见引发了一个关键问题：这些模型是否捕捉到了可以应用于代表性不足的土壤学区域的通用机制，或者它们是否编码了特定于其发展背景的过程？我们评估了三种基于过程的模型——Century、Millennial和MIMICS——在撒哈拉以南非洲777个表层土壤样本上的表现，这些样本涵盖了气候和土壤学的多样性。尽管这些模型在机制细节上存在差异，但它们在预测土壤有机碳（SOC）储量方面的表现相似（调整后的R2 = 0.09–0.18）。使用基于观测和模拟的SOC数据训练的随机森林算法，我们发现了SOC驱动因素之间的差异。所有三种模型都过分强调了净初级生产力作为SOC的驱动因素，并且错误地描述了有机-矿物相互作用的作用。偏差分析显示，这三种基于过程的模型未能充分捕捉到可交换钙的作用，而可交换钙越来越被认为是控制SOC的重要因素。值得注意的是，增加机制复杂性并没有提高模型的可转移性。这些结果对区域碳预算和全球气候预测具有重要意义。它们强调了在（亚）热带地区的未来土壤碳模型中纳入特定区域生物地球化学过程的重要性，以提高气候预测的准确性。

通俗语言总结

土壤储存了大量的碳，了解这种碳如何应对气候变化需要准确的计算机模型。然而，大多数土壤碳模型都是在北美洲和欧洲开发和测试的，这就提出了一个问题：它们能否可靠地预测其他地区的土壤碳？我们使用来自撒哈拉以南非洲777个土壤样本的测量数据，测试了三种广泛使用的土壤碳模型。这三种模型的表现都较差且相似，仅解释了观测到的土壤碳储量变化的9%–18%。通过机器学习，我们比较了实际控制土壤碳的因素与模型认为的控制因素。我们发现，所有三种模型都高估了植物物质输入的重要性，并且未能捕捉到土壤矿物学的重要性。重要的是，更新、更复杂的模型并没有优于较简单的旧模型。这些发现表明，当前的土壤碳模型在应用于温带地区以外的地区时存在根本性的结构缺陷，这可能导致对撒哈拉以南非洲及全球类似热带地区的碳循环预测不可靠。

1 引言

基于过程的土壤碳（C）模型在全球范围内被越来越多地用于模拟陆地碳-气候反馈，但它们的开发和评估主要集中在温带的北美洲和欧洲（Garsia等人，2023年）。这提出了一个关键问题：这些模型是否捕捉到了可以跨地球土壤学多样性应用的通用机制，还是它们编码了特定于其发展背景的过程？这个问题的答案对全球碳循环预测和管理代表性不足地区土壤碳的工作具有深远的影响。较新的基于过程的模型明确模拟了诸如微生物分解、矿物-有机相互作用和环境控制等机制，而不是基于经验的相关性，理论上在新的条件下提供了更大的预测能力（Bosatta & Agren，1991年；Lehmann & Kleber，2015年）。然而，这种优势只有在机制表示能够准确反映不同土壤系统中运行的过程，并且有必要的数据来准确参数化模型时才成立。全球的土壤学多样性是土壤形成因素（如气候、母质、时间、生物和地形）相互作用的结果（Dokuchaev，1883年；Jenny，1941年）。这些土壤形成因素的不同组合产生了不同的生物地球化学环境，在这些环境中，控制土壤有机碳（SOC）持久性、周转率和环境敏感性的主导机制可能会有系统性的差异。例如，由母质和风化阶段决定的土壤矿物学影响有机-矿物结合机制和吸附动态（Rasmussen等人，2018年）。高度风化的土壤，以铁和铝氧化物以及低活性粘土为主，与含有2:1粘土的年轻土壤相比，表现出不同的稳定过程，具有更高的阳离子交换能力和更高的碱饱和度（Six等人，2002年；Torn等人，1997年；von Fromm等人，2021年，2023年）。气候制度同样影响分解速率、水分动态、氧化还原条件和微生物群落组成及活性。植物和微生物群落的影响通常与气候制度相关，但也可以对土壤生物地球化学产生独特的影响（Rocci等人，2025年）。这些机制差异对基于过程的模型开发具有重要意义。在一种土壤学背景下成功捕捉SOC动态的数学表示可能不直接适用于由不同主导机制控制的系统。这种可转移性的挑战对于热带和亚热带土壤尤为突出，因为这些土壤在风化阶段、矿物学、温度和水分制度方面与温带系统有系统性的差异（von Fromm，Jungkunst等人，2025年）。这些土壤学差异导致SOC持久性和周转率有显著的不同（Shi等人，2020年；von Fromm等人，2024年；Zhang等人，2025年）。虽然最近的土壤碳模型世代，如MIcrobial-MIneral Carbon Stabilization（MIMICS）和Millennial模型，比早期的Century模型（Abramoff等人，2018年，2022年；Parton等人，1987年；Wieder等人，2014年）包含了更明确的微生物代谢和矿物相互作用表示，但它们在热带和亚热带土壤中的表现基本上尚未经过测试。撒哈拉以南非洲是一个评估基于过程模型的特别关键背景。该地区高度风化的、富含氧化物的土壤与模型通常开发的温带条件有显著差异。此外，该地区正面临气候变化、土地利用强度增加和对粮食安全需求的前所未有的压力（Liu等人，2025年；Sakala & Santos，2025年）。因此，在撒哈拉以南非洲评估模型性能对于评估SOC预测的区域可靠性和测试机制模型是否能够成功转移到其开发过程中代表性不足的土壤学条件至关重要。在这里，我们通过使用该地区的广泛土壤化学数据集（Africa Soil Information Service；V?gen等人，2021年；von Fromm等人，2021年），测试了三种具有不同机制复杂性的基于过程的土壤碳模型（Century、MIMICS和Millennial）在撒哈拉以南非洲的表现。我们的目标是：(a) 量化模型在撒哈拉以南非洲土壤上的表现和系统偏差；(b) 识别当前模型结构良好或表现不佳的SOC关键驱动因素。通过比较三种基于过程的模型，我们提供了关于机制SOC预测的区域可靠性和机制复杂性变化是否改变模型对模型开发中代表性不足的土壤学条件转移能力的见解。本文的结构如下：首先，我们进行了全面的文献回顾，系统地评估了撒哈拉以南非洲的土壤碳建模工作，并将我们的评估置于现有知识基础上。然后，我们介绍了我们的方法论、模型评估结果以及对模型可转移性和区域SOC预测影响的讨论。

2 撒哈拉以南非洲的基于过程的土壤碳建模：现状和知识空白

撒哈拉以南非洲的土壤代表了全球SOC动态的一个重要但研究不足的组成部分（FAO，2022年）。现有的SOC数据表明，撒哈拉以南非洲表层五厘米土壤中储存了大约24 Pg的碳（Pg C），这超过了当前全球每年化石CO2排放量（约10 Pg C；Friedlingstein等人，2025年）的两倍。尽管基于过程的模型的开发和全球应用不断增加，但在撒哈拉以南非洲使用这些模型评估SOC动态的工作仍然不足。我们在Web of Science上进行了系统搜索，搜索语法为：TS=((“土壤有机碳” OR “土壤有机质”) AND model* AND (“撒哈拉以南非洲” OR “撒哈拉以南的非洲” OR subsahar* OR “西非” OR “东非” OR “南部非洲” OR Sahel OR “非洲之角”) AND (biogeochem* OR “基于过程的” OR 机制的” OR “地球系统” OR “地表” OR CENTURY OR RothC OR DNDC OR DayCent OR Yasso* OR ECOSSE OR MIMICS OR (millenni* NEAR/3 (model OR soil OR carbon))）。记录经过两个阶段的筛选（标题和摘要，然后是全文），根据以下纳入标准：(a) 明确使用基于过程/生物地球化学模型来模拟SOC/土壤有机质（SOM）动态；(b) 专注于撒哈拉以南非洲（研究地点或情景在撒哈拉以南非洲内）；(c) 报告模型设置和评估（例如，校准/验证、敏感性/不确定性或性能指标）。排除的包括评论、仅概念性的研究或没有SOC过程表示的遥感研究、没有撒哈拉以南非洲细分数据的全球分析以及纯粹的经验/统计模型。搜索产生了24篇出版物，其中15项研究（1991–2026年）符合纳入标准。保留的研究在地理上有所聚集，肯尼亚（n = 7）和加纳（n = 3）的研究最多。单个研究包括来自津巴布韦、布基纳法索、塞内加尔和南非的研究，以及一项使用撒哈拉以南非洲协调地点的多国研究。最常应用的模型家族包括第一代C模型，如RothC和Century/DayCent（例如，Cou?del等人，2026年；Kamoni等人，2007年；Ojima等人，1993年；Tan等人，2010年）。这些模型通常用于研究SOC周转的管理或气候敏感性。例如，一项研究使用逐步优化和评估方法校准和验证了肯尼亚综合土壤肥力管理试验中的基于过程的模型（Cou?del等人，2026年）。同样，加纳北部的生物地球化学模拟量化了草原衍生农田对变暖-干燥和氮肥施用情景的敏感性（Tan等人，2010年）。这一有限且空间分布不均的工作强调了撒哈拉以南非洲多样化土壤和管理背景下基于过程表示SOC动态的明显空白。最近对撒哈拉以南非洲SOC模型的评估显示了进展和持续的局限性。例如，RothC在热带条件下的应用捕捉到了总体趋势，但未能再现与残余物质量和土壤质地相关的变异性，这反映了模型固定的分解常数没有考虑到撒哈拉以南非洲管理系统中多样的凋落物输入（Geremew等人，2024年）。然而，方法上的进步显示出希望：Laub等人（2024年）将贝叶斯校准应用于肯尼亚玉米农业生态系统中的DayCent，并证明当使用局部受限的先验时，参数不确定性显著降低。结合Nyawira等人（2021年）和Ma等人（2022年）的发现，这些研究表明，源自温带的模型需要针对特定地区重新参数化和局部验证，才能在撒哈拉以南非洲实现可信的性能。传统土壤碳模型在撒哈拉以南非洲的有限表现可能反映了它们在结构设计上的缺陷。例如RothC和Century模型使用一阶动力学，其中分解速率取决于温度、湿度和底物质量，但隐含地处理了微生物生理、死亡质量形成和矿物结合，或者完全忽略了它们（Bradford等人，2016年）。这对于撒哈拉以南非洲高度风化的土壤尤其成问题，在这些土壤中，Fe和Al氧化物以及低活性粘土通过吸附作用和共沉淀过程对SOC持久性有很强的控制作用（Rasmussen等人，2018年；von Fromm等人，2021年，von Fromm，Jungkunst等人，2025年）。Doetterl等人（2015年）证明，在年轻土壤中，SOC持久性的主要控制因素从气候因素转变为高度风化系统中的地球化学驱动因素（Fe/Al氧化物、粘土含量）；这正是传统温带参数化模型可能系统性地错误表示控制过程的条件。最近的模型世代，如MIMICS和Millennial，明确表示了微生物代谢和矿物-有机相互作用（Abramoff等人，2018年，2022年；Wieder等人，2014年），但它们在热带和亚热带土壤中的表现基本上尚未经过测试。撒哈拉以南非洲是一个评估基于过程模型的特别关键背景。该地区高度风化的、富含氧化物的土壤与模型通常开发的温带条件有显著差异。此外，该地区正面临气候变化、土地利用强度增加和对粮食安全需求的前所未有的压力（Liu等人，2025年；Sakala & Santos，2025年）。因此，在撒哈拉以南非洲评估模型性能对于评估SOC预测的区域可靠性和测试机制模型是否能够成功转移到其开发过程中代表性不足的土壤学条件至关重要。在这里，我们通过使用该地区的广泛土壤化学数据集（Africa Soil Information Service；V?gen等人，2021年；von Fromm等人，2021年），测试了三种具有不同机制复杂性的基于过程的土壤碳模型（Century、MIMICS和Millennial）在撒哈拉以南非洲的表现。我们的目标是：(a) 量化模型在撒哈拉以南非洲土壤上的表现和系统偏差；(b) 识别当前模型结构良好或表现不佳的SOC关键驱动因素。通过比较三种基于过程的模型，我们提供了关于机制SOC预测的区域可靠性和机制复杂性变化是否改变模型对模型开发中代表性不足的土壤学条件转移能力的见解。本文的结构如下：首先，我们进行了全面的文献回顾，系统地评估了撒哈拉以南非洲的土壤碳建模工作，并将我们的评估置于现有知识基础上。然后，我们介绍了我们的方法论、模型评估结果以及对模型可转移性和区域SOC预测影响的讨论。

2 撒哈拉以南非洲的基于过程的土壤碳建模：现状和知识空白

撒哈拉以南非洲的土壤代表了全球SOC动态的一个重要但研究不足的组成部分（FAO，2022年）。现有的SOC数据表明，撒哈拉以南非洲表层五厘米土壤中储存了大约24 Pg的碳（Pg C），这超过了当前全球每年化石CO2排放量（约10 Pg C；Friedlingstein等人，2025年）。尽管基于过程的模型的开发和全球应用不断增加，但在撒哈拉以南非洲使用这些模型评估SOC动态的工作仍然不足。我们在Web of Science上进行了系统搜索，搜索语法为：TS=((“土壤有机碳” OR “土壤有机质”) AND model* AND (“撒哈拉以南非洲” OR “撒哈拉以南的非洲” OR subsahar* OR “西非” OR “东非” OR “南部非洲” OR Sahel OR “非洲之角”) AND (biogeochem* OR “基于过程的” OR 机制的” OR “地球系统” OR “地表” OR CENTURY OR RothC OR DNDC OR DayCent OR Yasso* OR ECOSSE OR MIMICS OR (millenni* NEAR/3 (model OR soil OR carbon))）。记录经过两个阶段的筛选（标题和摘要，然后是全文），根据以下纳入标准：(a) 明确使用基于过程/生物地球化学模型来模拟SOC/土壤有机质（SOM）动态；(b) 专注于撒哈拉以南非洲（研究地点或情景在撒哈拉以南非洲内）；(c) 报告模型设置和评估（例如，校准/验证、敏感性/不确定性或性能指标）。排除的包括评论、仅概念性的研究或没有SOC过程表示的遥感研究、没有撒哈拉以南非洲细分的全球分析以及纯粹的经验/统计模型。搜索产生了24篇出版物，其中15项研究（1991–2026年）符合纳入标准。保留的研究在地理上有所聚集，肯尼亚（n = 7）和加纳（n = 3）的研究最多。单个研究包括来自津巴布韦、布基纳法索、塞内加尔和南非的研究，以及一项使用撒哈拉以南非洲协调地点的多国研究。最常应用的模型家族包括第一代C模型，如RothC和Century/DayCent（例如，Cou?del等人，2026年；Kamoni等人，2007年；Ojima等人，1993年；Tan等人，2010年）。这些模型通常用于研究SOC周转的管理或气候敏感性。例如，一项研究使用逐步优化和评估方法校准和验证了肯尼亚综合土壤肥力管理试验中的基于过程模型（Cou?del等人，2026年）。同样，加纳北部的生物地球化学模拟量化了热带草原衍生农田对变暖-干燥和氮肥施用情景的敏感性（Tan等人，2010年）。这一有限且空间分布不均的工作强调了撒哈拉以南非洲多样化土壤和管理背景下基于过程表示SOC动态的明显空白。最近对撒哈拉以南非洲SOC模型的评估显示了进展和持续的局限性。例如，RothC在热带条件下的应用捕捉到了总体趋势，但未能再现与残余物质量和土壤质地相关的变异性，这反映了模型固定的分解常数没有考虑到撒哈拉以南非洲管理系统中多样的凋落物输入（Geremew等人，2024年）。然而，方法上的进步显示出希望：Laub等人（2024年）将贝叶斯校准应用于肯尼亚玉米农业生态系统中的DayCent，并证明当使用局部受限的先验时，参数不确定性显著降低。结合Nyawira等人（2021年）和Ma等人（2022年）的发现，这些研究表明，源自温带的模型需要针对特定地区重新参数化和局部验证，才能在撒哈拉以南非洲实现可信的性能。传统土壤碳模型在撒哈拉以南非洲的有限表现可能反映了它们在结构设计上的缺陷。例如RothC和Century模型使用一阶动力学，其中分解速率取决于温度、湿度和底物质量，但隐含地处理了微生物生理、死亡质量形成和矿物结合，或者完全忽略了它们（Bradford等人，2016年）。这对于撒哈拉以南非洲高度风化的土壤尤其成问题，在这些土壤中，Fe和Al氧化物以及低活性粘土通过吸附作用和共沉淀过程对SOC持久性有很强的控制作用（Rasmussen等人，2018年；von Fromm等人，2021年，von Fromm，Jungkunst等人，2025年）。Doetterl等人（2015年）证明，在年轻土壤中，SOC持久性的主要控制因素从气候因素转变为高度风化系统中的地球化学驱动因素（Fe/Al氧化物、粘土含量）；这正是传统温带参数化模型可能系统性地错误表示控制过程的条件。最近的模型世代，如MIMICS和Millennial，明确表示了微生物代谢和矿物-有机相互作用（Abramoff等人，2018年，2022年；Wieder等人，2014年），但它们在热带和亚热带土壤中的表现基本上尚未经过测试。这一综合揭示了我们对撒哈拉以南非洲基于过程SOC模型性能理解的重大空白。首先，现有研究在地理上有所聚集（主要是肯尼亚和加纳），并且主要集中在农业系统上，对撒哈拉以南非洲的土壤学和土地利用多样性下的模型可转移性提供了有限的见解。其次，测试的模型主要是第一代框架（RothC、Century/DayCent）。尽管新的微生物明确模型在捕捉高度风化土壤中的矿物-微生物相互作用方面具有理论优势，但它们尚未得到评估。第三，缺乏跨机制复杂性水平的系统比较，限制了我们评估增加的机制细节是否提高（亚）热带系统预测可靠性的能力。这项研究提供了对撒哈拉以南非洲土壤学多样性下机制模型可转移性的首次系统评估，直接测试了增加的复杂性是否提高了高度风化（亚）热带土壤系统的预测可靠性。

3 材料与方法

我们使用来自撒哈拉以南非洲的广泛土壤数据集，评估了三种基于过程的土壤碳模型（Century、Millennial和MIMICS）。我们通过比较777个表层土壤样本的模拟和观测SOC储量来评估模型的表现。为了确定模型是否捕捉到了SOC的主要环境控制因素，我们使用了使用观测数据和模拟数据训练的随机森林算法。这使我们能够将数据中的经验关系与基于过程的模型中嵌入的机制响应进行比较。最后，我们量化了模型预测中相对于控制高度风化土壤中有机碳（SOC）动态的关键土壤属性的系统性偏差。

3.1 研究区域和数据集

本研究使用的土壤数据是之前作为非洲土壤信息服务（AfSIS）的一部分收集和分析的。在2010年至2012年间，从60个地点（100平方公里）收集了总共18,257个土壤样本，这些样本来自两个深度区间（0-20厘米和20-50厘米），遵循了成熟的土地退化监测框架（V?gen等人，2016年，2021年）。这些地点涵盖了撒哈拉以南非洲所有主要的Koeppen-Geiger气候区。在每个监测点内，有10个1,000平方米的样地，这些样地在16个空间分层的1,000平方米的簇中随机分布。在每个采样位置，将四个100平方米的子样地的样本合并成一个样本，用于表层土壤（0-20厘米）和底层土壤（20-50厘米）。这种分层采样设计允许识别过程，同时不失去理解和量化局部异质性的能力（von Fromm等人，2021年，2023年）。AfSIS数据集的一个子集（n = 2,002）之前已经分析了湿化学成分，包括SOC、草酸可提取铝（Alox）和铁（Feox）、交换性钙（Caex）以及土壤pH值（V?gen等人，2021年）。使用激光衍射法量化了粘土含量（<2微米）和粘土+粉砂含量（<63微米），并使用X射线粉末衍射法量化了粘土矿物学（1:1和2:1粘土矿物）（von Fromm等人，2023年）。这里呈现的分析基于AfSIS湿化学数据集的一个子集。由于本研究中使用的基于过程的模型的版本都没有深度分辨率，因此分析仅关注表层土壤（0-20厘米）。我们筛选了样本，只包括那些具有完整观测数据的样本。总共使用了来自撒哈拉以南非洲不同采样位置的777个表层土壤样本，这些样本涵盖了广泛的土壤-气候条件（支持信息S1中的图S1和S2）。选定的样本包括14%的森林、26%的耕地、15%的草地和44%的其他类型（主要是林地、灌木丛和灌木地，但也包括被归类为其他类型的样本）。土地覆盖数据是在最初采集AfSIS数据时在现场收集的。作为基于过程模型的输入变量，我们提取了净初级生产力（NPP）、土壤温度和湿度，以及估计的木质素含量和“木质素与氮”的比例。我们使用MODIS NPP数据（MOD17A3HGF V6.1）作为给定采样位置的碳输入的代理（Gottschalk等人，2012年；Smith等人，2007年）。年NPP是根据覆盖采样期间（2010-2012年）的所有8天净光合作用（PSN）产品（MOD17A2H）的总和计算得出的，分辨率为500米像素（Running & Zhao，2021年）。对于土壤湿度和温度，我们使用了ERA5-Land，这是一个由欧洲中期天气预报中心（ECMWF）综合预报系统的陆地组分在离线模式下重新运行的全球每小时再分析数据集（Hersbach等人，2020年；Mu?oz-Sabater等人，2021年）。ERA5-Land数据集通过Copernicus气候数据存储应用程序编程接口使用R包“ecmwfr”访问（Hufkens等人，2019年）。下载了2012-2025年期间非洲大陆的每小时数据集。为了得到一个代表性的表层土壤层，将上层两个深度区间（0-7厘米和7-28厘米）垂直合并成一个0-20厘米的土壤深度区间复合体，使用每个变量的深度特定加权平均值。这里应用了基于梯形规则的数值积分，以保持土壤剖面的垂直结构，遵循GlobalSoilMap的规范（Arrouays等人，2014年）。随后，每年将0-20厘米的复合层聚合，用于土壤湿度和土壤温度。从非洲的iSDA土壤地图中提取了30米分辨率的容重数据（Hengl等人，2021年），以根据AfSIS数据集中测量的SOC含量计算SOC储量。为了确定凋落物中的木质素含量和与氮的比率（木质素:N），我们从TRY数据库中提取了关于凋落物木质素和氮以及植物生长的全球数据（Kattge等人，2020年）。然后根据植物生长形式确定了平均凋落物木质素和氮含量，然后根据记录的植被结构确定了每个地点的加权平均木质素和木质素:N值。

3.2 基于过程的土壤模型

Century是一个第一代基于过程的土壤碳模型，它使用一级动力学模拟有机物的分解，其中固定的分解速率常数可以由温度、湿度、土壤质地和基质质量修改（Parton等人，1987年）。该模型将碳分为离散的池（结构凋落物、代谢凋落物、活跃池、慢速池和被动池）。后三个池代表土壤有机质（SOM），并由它们的相对分解速率定义。尽管其数学结构相对简单，Century已在全球范围内广泛用于模拟各种土地管理和气候情景下的长期碳动态，包括撒哈拉以南非洲（Dintwe & Okin，2018年；Kamoni等人，2007年；Ojima等人，1993年）。一个关键的限制是Century隐式地处理了微生物生理学，并没有明确表示矿物-有机相互作用。Millennial Version 2（以下简称“Millennial”）是一个在机制上更先进的土壤碳模型，它明确表示了微生物代谢、碳利用效率（CUE）以及作为独立碳池的微生物死亡质量的形成（Abramoff等人，2018年，2022年）。该模型通过Arrhenius动力学纳入了温度依赖的生理过程，土壤湿度调节多个过程中的分解和转化速率。重要的是，Millennial通过吸附机制明确表示了矿物-有机相互作用，这些机制进一步受到土壤质地和pH值的修改。该模型将土壤碳分为可测量的池：颗粒有机质（POM）、低分子量碳（LMWC）、聚集碳（MAOM）和微生物生物量。通过将微生物死亡质量的形成和矿物介导的碳稳定视为明确的过程，Millennial旨在更好地捕捉与Century等一级动力学模型相比，土壤碳如何免受分解的机制。Microbial-Mineral Carbon Stabilization是一个专门设计用于整合微生物生理和矿物对土壤碳动态控制的基于过程的土壤碳模型（Wieder等人，2014年，2015年）。MIMICS旨在在Century的简单性和表示更多新型土壤生物地球化学机制之间取得平衡。与Millennial一样，MIMICS也结合了温度敏感的Michaelis-Menten动力学来控制分解速率，但通过微生物功能类型和凋落物化学质量来参数化这些动力学。与Century类似，MIMICS根据凋落物质量将凋落物分为代谢凋落物池和结构凋落物池。然后，这些凋落物池分别由富营养型和寡营养型微生物群优先分解，这些微生物群在生长策略和基质使用模式上有所不同。微生物周转随后将碳贡献给物理保护和化学保护的SOM池（分别相当于MAOM和POM），以及可用的SOM池，微生物也可以从中吸收碳。通过同时表示微生物群落多样性、生长效率和矿物介导的稳定作用，MIMICS旨在更好地捕捉与传统一级动力学模型相比，矿物土壤中土壤碳持久性的控制机制，同时也改善了对环境变化下土壤碳响应的预测。我们选择了这三个模型来代表土壤碳建模中不同的机制复杂性和理论发展水平（支持信息S1中的表S1）。Century作为一个基础基准，许多新模型都是根据它进行评估的。同时，Millennial和MIMICS试图整合对微生物生理学和矿物稳定的新兴理解。这种选择使我们能够测试增加的机制复杂性是否提高了主要在温带地区开发的模型在不同土壤-气候区域的适用性。

3.3 基于过程的模型优化和参数化

我们使用针对模型结构和可用校准方法定制的方法优化了每个模型的参数。这种方法考虑到每个模型都有不同的参数化要求和已建立的校准工作流程。我们的目标是为每个模型产生最佳拟合，而不是比较模型校准。为了评估参数优化的效果，所有模型都使用了默认参数值和拟合参数值进行了运行，并报告了两次运行的性能指标。对于Century，我们使用Pierson等人（2022年）描述的马尔可夫链蒙特卡洛（MCMC）方法拟合了21个参数中的10个。参数的选择基于Community Land Model（CLM；Kennedy等人，2025年）中具有可比参数的敏感性分析，以及对分解的预期重要性（例如，土壤温度和湿度变量）。简而言之，MCMC方法从每个参数的先验范围内抽样，并逐步缩小模型改进的参数空间。模型先验由CLM中具有可比参数的参数范围决定（Kennedy等人，2025年），模型改进定义为均方根误差（RMSE）的减少和观测与模型土壤碳储量的相关性增加。Abramoff等人（2022年）的表A2提供了剩余参数的默认参数值。对于Millennial，我们遵循Abramoff等人（2022年）描述的拟合程序，但对参数选择进行了修改。我们没有通过正式的敏感性分析来识别拟合参数，而是选择了24个参数中预计对分解速率有最大直接影响的3个参数：POM分解到LMWC的最大速率的活化能和前指数常数，以及控制温度依赖性CUE变化的参考温度。Abramoff等人（2022年）的表A1提供了剩余参数的默认参数值。由于Abramoff等人（2022年）证明，在Millennial中扩展优化参数的数量只会由于参数等终性和参数之间的相关性而产生边际改进，因此没有继续拟合其他参数。对于MIMICS，我们使用与Century相同的方法拟合了22个参数中的8个。MIMICS的参数和先验直接由Pierson等人（2022年）提供，他们优化了MIMICS参数范围以预测土壤碳。Rocci等人（2025年）的表1提供了剩余参数的默认参数值。尽管模型之间的参数拟合和校准工作流程不同，但对于所有模型，我们将80%的数据分为训练集和20%的测试集。所有模型评估指标都是基于模型与测试集的比较得出的。此外，支持信息S1中的表S2提供了所有优化参数及其最优值的完整列表。

3.4 统计建模

为了评估模拟和测量的SOC储量是否具有相同的环境驱动因素，我们为每个基于过程的模型（Century、Millennial、MIMICS）开发了两组互补的随机森林回归算法（Breiman，2001）。这种双管齐下的方法使我们能够区分哪些变量经验上预测SOC储量，以及基于过程的模型在机制上响应哪些变量。每个随机森林算法都使用特定于每个基于过程的模型的相同驱动变量进行训练，并使用10折空间交叉验证进行评估。在AfSIS数据集（n = 777）中观察到的SOC储量上训练的随机森林是基于观察到的SOC储量进行训练的。这些算法建立了环境驱动因素与测量SOC储量之间的经验关系，揭示了哪些变量控制了撒哈拉以南非洲土壤中的SOC变化。为了考虑空间自相关性，来自同一簇的样本被一起分配到训练集或测试集（空间分组）。将这些关系与基于过程的模型输出进行比较，可以确定模型是否捕捉到了SOC的主要控制因素。在AfSIS数据集（n = 777）的驱动下对模型SOC储量进行训练的随机森林是基于三个基于过程的模型的SOC预测进行训练的，应用了空间分组以保持训练集和测试集之间的独立性。通过比较在观察到的SOC储量上训练的随机森林模型与在模型SOC储量上训练的随机森林模型之间的变量重要性和功能关系，我们可以确定在生成基于过程的模型预测时哪些变量在机制上被强调。这两种随机森林方法之间的巨大差异表明，模型对输入变量的响应与经验数据所暗示的不同，揭示了模型在表示SOC控制因素方面的结构偏差。对于每个随机森林算法，都在测试数据集上进行了模型评估，包括计算R2、平均绝对误差和RMSE。为了评估每个独立变量对模型预测能力的重要性，我们计算了“排列特征重要性”。如果其值的重新排列增加了模型误差，则可以解释该解释变量是重要的，表明模型依赖于该解释变量进行预测（Molnar，2025年）。为了进一步解释随机森林模型的结果，我们使用了部分依赖图。部分依赖图显示了解释变量对随机森林模型预测结果的边际效应（Friedman，2001）。为了评估每个基于过程的模型及其驱动变量所特有的系统偏差，以及模型中未包含的重要土壤属性，我们计算了每个样本的偏差。偏差定义为基于过程模型预测的土壤有机碳（SOC）储量与AfSIS数据集中观测到的SOC储量之间的差异。所选的土壤属性，即土壤pH值、可交换钙（Caex）、可交换铝（Alox）、可交换铁（Feox）、1:1和2:1粘土矿物，已被证明在解释撒哈拉以南非洲地区SOC的变化中起着重要作用（von Fromm等人，2021年，2023年）。所有统计分析都是在R语言（版本4.4.1；R核心团队，2024年）中进行的。除了上述R包外，还使用了以下R包：“tidyverse”（Wickham等人，2019年）、“ggpubr”（Kassambara，2023年）、“mlr3”（Lang等人，2019年）、“iml”（Molnar等人，2018年）、“here”（Müller，2020年）、“future”（Bengtsson，2021年）、“gridExtra”（Auguie，2017年）和“FME”（Soetaert & Petzoldt，2010年）。R代码和所有用于重现分析的数据可以在（von Fromm等人，2026年）中找到。

4 结果
所有三个基于过程的模型在预测撒哈拉以南非洲地区的SOC储量方面表现相似（调整后的R2 = 0.09–0.18）。尽管它们在机制上存在差异，但这些模型在权衡SOC的环境驱动因素方面与实证关系有所不同。最显著的是，它们过分强调了净初级生产力（NPP），并错误地描述了土壤湿度和粘土含量的作用。模型预测中的系统偏差表明，它们都没有充分代表与可交换钙相关的SOC稳定机制。这些发现表明，当前的基于过程的模型忽略了控制高度风化土壤中SOC动态的关键地球化学过程，从而限制了它们在撒哈拉以南非洲土壤学背景下的适用性。

4.1 基于过程的模型性能
尽管三个拟合的基于过程的模型（Century、Millennial和MIMICS）在模型结构上存在差异（图1），但它们的模型性能相似。观测到的SOC储量与模型预测的SOC储量之间的调整后R2范围从0.09（MIMICS）到0.18（Millennial），均方根误差（RMSE）在4.01（Millennial）到4.73千克每平方米（Century）之间。图1展示了（a）Century、（b）Millennial和（c）MIMICS在默认模型和拟合模型运行下的观测土壤有机碳（SOC）储量比较。实线黑色线条代表1:1粘土矿物比例。Century在其默认模型（调整后R2 = 0.14，RMSE = 5.06千克每平方米）和拟合模型（调整后R2 = 0.16，RMSE = 4.73千克每平方米；图1a）之间的改进最小。这表明Century可能对新数据更具有鲁棒性，或者模型参数对模型性能的影响不如输入变量大（支持信息S1中的图S3；Abramoff等人，2022年；Georgiou等人，2017年）。拟合的分解速率常数与其默认值相比显示出细微的变化（支持信息S1中的表S2）：k_active减少了43%，而k_slow和k_passive分别增加了10%和21%。此外，凋落物转移参数将C的路径从直接的结构凋落物输入转移到活跃池（strlitter_to_active减少了37%）和缓慢池（strlitter_to_slow增加了16%）。Millennial在其默认模型（调整后R2 = 0.04，RMSE = 7.51千克每平方米）和拟合模型（调整后R2 = 0.18，RMSE = 4.01千克每平方米；图1b）之间的改进最大。这种改进主要受到高土壤温度值样本的影响（>30°C；支持信息S1中的图S4）。在三个优化参数中，最显著的变化是CUE温度控制的参考温度增加（tae_ref：15°C–19.6°C，增加了31%），同时最大POM分解率的预指数常数减少（alpha_pl：减少了43%），其活化能变化不大（eact_pl：增加了2%；支持信息S1中的表S2）。在默认的Millennial模型中，低参考温度导致在高土壤温度条件下SOC积累过多，而拟合参数纠正了这一问题（图1b）。MIMICS在其默认模型（调整后R2 = 0.12，RMSE = 9.94千克每平方米）和拟合模型（调整后R2 = 0.09，RMSE = 4.62千克每平方米；图1c）之间的模型性能有所提高。最显著的参数变化是微生物周转率增加了两倍多（tau，增加了229%），进入物理保护池的微生物死质量显著减少（fPHYS，减少了95%），以及保护性C重新释放到可用池（desorb，减少了79%；支持信息S1中的表S2）。这些相反的变化与土壤C预测的相对较小变化一致，但改变了MIMICS中的C循环，表明矿物保护是维持保护性C池的主要机制，而不是微生物输入。在三个基于过程的模型输出中，MIMICS在AfSIS数据集中的SOC储量预测最高，这受到高粘土含量地点的影响（支持信息S1中的图S5）。有趣的是，MIMICS在“未受保护”池中的SOC比例最高（在拟合模型中约为75%），而Century和Millennial在“未受保护”池中的SOC存储量不到10%（支持信息S1中的图S6）。所有三个基于过程的模型在撒哈拉以南非洲地区的性能相对较弱，但并不比这些模型的全球SOC预测差太多（Abramoff等人，2022年；Wang等人，2025年）。

4.2 统计模型与基于过程模型的比较
三个基于过程的模型（Century、Millennial和MIMICS）在将环境和土壤变量作为SOC驱动因素的权重方面与实证关系存在差异（图2和图3，支持信息S1中的图S7–S9）。例如，所有三个模型都过分强调了NPP在预测SOC储量中的重要性（图2）。这种过度强调在Century和Millennial模型中最为明显，表明这些模型将过多的SOC变化归因于C输入。部分依赖图证实了这一模式：基于过程模型预测的SOC储量训练的随机森林在高NPP值下预测的SOC储量高于基于AfSIS数据集中观测到的SOC储量训练的随机森林（图3，底部行）。图2展示了（a）Century预测因子、（b）Millennial预测因子和（c）MIMICS预测因子的变量重要性图，这些预测因子根据基于AfSIS数据集中的观测土壤有机碳（SOC）储量训练的随机森林模型和基于过程模型预测的SOC储量训练的随机森林模型进行着色。图3展示了（a）Century、（b）Millennial和（c）MIMICS的粘土含量（顶部行）和净初级生产力（NPP；底部行）的部分依赖图，这些图也根据基于AfSIS数据集中的观测土壤有机碳（SOC）储量训练的随机森林模型和基于过程模型预测的SOC储量训练的随机森林模型进行着色。请注意，Century和Millennial的粘土含量定义为所有小于63微米的颗粒，而MIMICS的定义是所有小于2微米的颗粒。Century在基于AfSIS数据集中观测到的SOC储量训练的随机森林模型和基于过程模型预测的SOC储量训练的随机森林模型之间的变量重要性一致性最好，NPP除外（图2a）。然而，这种一致性可能反映了两种方法都忽略了类似的重要过程，而不是表明Century充分捕捉了主要控制因素。相比之下，Millennial和MIMICS都显示出额外的系统偏差。Millennial相对于观测数据低估了土壤湿度的重要性（图2b），表明模型对湿度依赖的生理过程的明确表示可能无法充分捕捉撒哈拉以南非洲地区土壤水分可用性对SOC动态的控制。MIMICS与实证得出的变量重要性偏差最大（图2c）。最显著的是，MIMICS在其预测中过分强调了粘土含量（<2微米）的重要性，同时低估了土壤温度和土壤湿度的重要性。部分依赖图揭示了这种偏差的严重性。基于模型预测的SOC储量训练的随机森林模型预测SOC储量与粘土含量呈非线性增加。然而，基于观测到的SOC储量训练的随机森林模型显示粘土含量与预测的SOC储量之间几乎没有关系（图3c，顶部行）。这种模式表明，MIMICS通过吸附机制表示的矿物-有机相互作用可能无法充分捕捉撒哈拉以南非洲地区土壤中矿物质保护C的具体机制。总体而言，这些发现表明，尽管这三个基于过程的模型在机制上存在差异，但它们对可用输入变量的响应方式与实证关系有所不同。基于AfSIS数据集中观测到的SOC储量训练的随机森林模型与基于过程模型预测的SOC储量训练的随机森林模型不同（支持信息S1中的图S10），表明所测试的基于过程的模型并未完全捕捉撒哈拉以南非洲地区土壤中SOC储量的环境控制因素。

4.3 基于拟合的基于过程模型的偏差估计
为了确定基于过程模型中可能缺失的机制，我们检查了它们预测与土壤地球化学属性之间的系统偏差，这些属性在模型输入中要么缺失，要么表示不足。所选的地球化学预测因子是根据它们在预测撒哈拉以南非洲地区SOC丰度和持久性方面的作用重要性选择的（von Fromm等人，2021年，2023年）。SOC储量的系统偏差与特定地球化学土壤参数相关，表明基于过程的模型未能充分捕捉该属性控制的机制。所有三个拟合的基于过程的模型（Century、Millennial和MIMICS）在重要地球化学SOC预测因子方面都显示出系统偏差（图4和支持信息S1中的图S11），以及在空间上（支持信息S1中的图S12）。图4展示了（a）土壤pH值、（b）可交换钙（Ca）和（c）粘土含量<2微米的情况下，基于拟合的基于过程模型（Century、Millennial、MIMICS）估计的土壤有机碳储量偏差（预测值-观测值）。在所选的地球化学土壤属性中，土壤pH值、可交换Ca和粘土含量（<2微米）解释了SOC储量偏差的最大变化（至少有一个基于过程的模型的调整后R2 ≥ 0.10；图4）。相比之下，草酸盐可提取的Al和Fe、粘土+细粉砂含量（<63微米）、1:1粘土矿物和2:1粘土矿物解释的SOC储量偏差变化较小（所有三个基于过程的模型的调整后R2 ≤ 0.10；支持信息S1中的图S11）。与Millennial和MIMICS相比，Century在土壤pH值下的SOC储量偏差最大，即Century在低土壤pH值下高估SOC，在高土壤pH值下低估SOC（图4a）。这表明Century在酸性土壤条件下分解SOC太慢，在碱性土壤条件下分解SOC太快。同样的SOC储量系统偏差也出现在可交换Ca的情况下，即在较高土壤pH值条件下，所有三个基于过程的模型都低估了SOC储量（图4b）。这表明所有三个基于过程的模型都缺乏与可交换Ca相关的重要SOC稳定机制。MIMICS在粘土含量方面的SOC储量偏差最大（图4c）。然而，Century和MIMICS在低粘土含量下都低估SOC储量，在高粘土含量下高估SOC储量，而Millennial在粘土含量方面没有系统偏差。这表明Century和MIMICS都在高粘土含量下过度保护SOC免于分解。总体而言，与特定地球化学土壤属性相关的SOC储量偏差相对较低（图4和支持信息S1中的图S11）。这表明SOC储量偏差中存在大量随机噪声，这些噪声不能归因于地球化学土壤属性控制的机制。

5 讨论
我们的评估揭示了基于过程的土壤C模型中SOC控制的机制表示与撒哈拉以南非洲地区土壤中SOC的主要驱动因素之间的根本不匹配。尽管在区域数据上拟合的机制复杂模型（Millennial和MIMICS）显示出潜力，但结构上的差距限制了它们的改进，这些差距仅通过参数化无法解决。这些发现对区域碳预算和全球气候预测有影响。我们的结果表明，将模型转移到热带和亚热带地区需要的不仅仅是更好的参数化；可能还需要对模型表示矿物-有机相互作用和水分-氧化还原耦合的方式进行根本性修改，以及改进输入变量和数据。

5.1 当前模型结构中缺失的热带特定土壤过程
尽管在机制复杂性及池结构上存在显著差异（支持信息S1中的图S6），三个拟合的基于过程的模型（Century、Millennial和MIMICS）在撒哈拉以南非洲地区的土壤表现中表现出中等且惊人的相似性（调整后的R2 = 0.09–0.18；图1）。这种模型性能的相似性令人惊讶，因为它与最近模型开发的隐含假设相矛盾：即明确表示微生物生理和矿物-有机相互作用可以提高预测能力。我们的结果表明，机制复杂性并不一定导致更好的适用性。机械细节的价值从根本上取决于所选机制是否准确反映了目标区域内的过程，以及是否有足够的数据可用。矿物学控制和风化阶段：撒哈拉以南非洲的土壤主要经历了高度风化，其粘土矿物以1:1粘土（高岭石）和铁/铝氧化物为主（von Fromm等人，2021年，2023年）。这些矿物通过强烈的但动态的吸附作用和共沉淀过程控制着有机碳（SOC）的持久性（Doetterl等人，2015年；Rasmussen等人，2018年）。然而，这三个基于过程的模型都没有将粘土矿物学作为输入变量。相反，它们依赖于粘土含量或粘土+细粉砂含量作为矿物介导稳定性的代理指标。MIMICS对粘土含量的过度强调（图2和图3c）表明这种简化的表示方法未能充分捕捉该地区土壤的地球化学复杂性。尽管1:1和2:1粘土矿物以及草酸可提取的铝和铁的偏差较小（adj R2 ≤ 0.10；支持信息S1中的图S11），但总粘土含量的显著偏差（图4c）表明，粘土矿物学本身可能比单纯的含量更适合作为表征矿物介导的SOC稳定性的变量。然而，这一假设尚未得到直接验证。未来的工作应该评估将粘土矿物学作为模型输入是否可以减少偏差并提高性能。此外，还需要研究有效的方法来在基于过程的土壤碳模型中表示粘土矿物学。

pH介导的稳定性和可交换阳离子：所有三个模型在可交换钙（Ca）方面的系统偏差（图4b）表明，模型在高浓度可交换钙的情况下过快地分解了SOC，这揭示了一个与阳离子介导的吸附和有机-矿物相互作用相关的缺失机制。可交换钙影响矿物表面电荷和土壤pH值；这些因素调节SOC在矿物表面的吸附（Rasmussen等人，2018年）。Century模型在土壤pH值方面的最大偏差（图4a）表明，pH依赖的过程没有得到充分表示；该模型在低土壤pH值时高估了SOC，在高土壤pH值时低估了SOC。尽管Millennial在其矿物-有机相互作用的参数化中明确考虑了土壤pH值，但它仍然在可交换钙方面显示出显著偏差。这表明，尽管其机械表示在概念上可能更先进，但它未能捕捉到这些土壤中pH依赖的吸附动态的复杂性，可能是因为Millennial和其他土壤碳模型中对pH值的静态表示（Rocci等人，2024年；Zhang等人，2021年）。没有一个模型包括了可交换阳离子或其他特定离子对矿物-有机相互作用的控制。这对于撒哈拉以南非洲的土壤来说是一个重要的结构缺陷，因为这些相互作用已被证明非常重要（Asabere等人，2024年；von Fromm等人，2021年）。

水分动态和氧化还原波动：Millennial和MIMICS都低估了相对于观测到的经验关系的土壤湿度（图2b和图2c）。撒哈拉以南非洲的湿润和半湿润地区的土壤经历剧烈的干湿循环，这会导致反复的氧化还原振荡，并在高地土壤中产生短暂的缺氧微环境（Keiluweit等人，2017年；Lacroix等人，2023年）。这些动态改变了微生物分解途径，在缺氧条件下有利于发酵，并通过铁和锰的氧化还原状态的变化改变了矿物-有机关联（Keiluweit等人，2017年）。当前的模型，包括机械上更先进的Millennial和MIMICS，主要将土壤湿度视为分解速率的调节器，但它们没有明确表示有机物的氧化还原驱动转化或矿物表面。这种遗漏对于热带土壤来说尤其成问题，因为水分驱动的氧化还原循环可能与稳态湿度条件一样重要，决定了SOC的命运。其他过程：评估模型中缺失的几个额外过程可能限制了它们对撒哈拉以南非洲土壤的适用性，超出了这里讨论的地球化学机制。土壤动物，如白蚁、蚯蚓和蚂蚁，驱动生物扰动，创造了暴露保护性碳并重新埋藏新鲜凋落物的异质微环境（Filser等人，2016年；Jouquet等人，2016年）。同样，草原和稀树草原中的反复火灾会产生热解碳（PyC），这种碳可以持续存在数百年，并具有不同的分解动力学（Eckmeier等人，2007年；Saiz等人，2015年；Wei等人，2018年）；然而，没有一个模型将PyC作为一个独立的碳池来表示。最后，由于残渣移除、管理变化和快速的土地利用转变，撒哈拉以南非洲的土壤并不一定处于平衡状态（Valbuena等人，2015年；Vanlauwe等人，2015年）。然而，由于数据限制，我们将模型限制在稳态假设下。这些结构限制，如生物扰动、PyC和非平衡动态，并非亚热带土壤所独有，但在频繁受到干扰的地区尤其重要。

5.2 新模型是否解决了土壤碳控制的差距？答案是复杂的

MIMICS和Millennial在机械表示方面取得了显著进步，因为它们明确包括了微生物功能特征和矿物-有机相互作用，而这些在Century模型中是缺失的。然而，我们的结果显示，这些改进只解决了一些限制模型在撒哈拉以南非洲表现的结构差距。当Millennial和MIMICS根据AfSIS数据进行拟合时，它们的表现都有显著提高，其中Millennial的改进最为明显（图1b）。Millennial的改进主要是由于将温度依赖的CUE参考温度从15°C校正到19.6°C。这一发现表明，当为特定区域参数化微生物生理学时，明确的表示可以捕捉到重要的控制因素。尽管Millennial的机械复杂性更高，但它只需要三个参数进行拟合，而Century需要十个参数。这表明，模型的明确生理结构为区域适应提供了更好的基础。尽管有这些改进，Millennial和MIMICS在地球化学土壤属性方面仍然显示出系统偏差（图4）。MIMICS对粘土含量的过度强调尤其引人注目，因为它解释了超过30%的模拟SOC方差，而观测数据解释的不到10%（图2c）。这表明，尽管表示微生物群体和矿物相互作用的框架在概念上是合理的，但具体的吸附机制参数化并没有反映撒哈拉以南非洲土壤中矿物稳定碳的方式。问题不在于模型是否包括了矿物相互作用，而在于模型忽略了其他控制因素，如粘土矿物学、pH依赖的吸附动态和氧化还原介导的矿物性质变化。同样，Millennial和MIMICS也低估了土壤湿度的重要性，尽管在观测中这一点非常明显。这表明，尽管在概念上比Century更明确地表示了湿度依赖的过程，但它们并没有充分捕捉到热带地区湿度的影响。这可能是由于Millennial和其他土壤碳模型中对pH值的静态表示。

5.3 输入变量的不确定性作为模型约束

除了模型表示过程的结构性限制之外，输入变量本身也带有固有的不确定性，这些不确定性可能会增加模型误差。用于驱动模型的气候和净初级生产力（NPP）数据（ERA5-Land再分析和MODIS NPP）是由涉及空间插值和时间聚合的中间模型生成的。这在观测网络稀疏的地区（如撒哈拉以南非洲）引入了潜在的偏差。例如，NPP数据来自一个光利用效率模型，并将8天的复合值聚合为年度总量，这可能会掩盖C输入的实际时间变化。同样，ERA5-Land的土壤温度和湿度数据是离线地表模型的输出，而不是直接观测结果。此外，在站点层面量化实际进入土壤的碳量是具有挑战性的。在经历全球变化的系统中，假设有机物质输入和分解处于平衡状态在运行模型时是不太可能的（von Fromm, Olson等人，2025年）。我们测试模型中的稳态假设与撒哈拉以南非洲土壤的动态性质之间的差异可能导致模型预测的系统误差。解决这一限制需要长期观测撒哈拉以南非洲各地点的土壤碳动态和输入变量，以在动态模拟模式下约束模型（Le No?等人，2023年）。一个相关且被低估的约束是，只有当引入的额外参数能够通过观测得到充分约束时，增加的机械复杂性才能改善预测。在数据丰富的温带系统中，数十年的监测网络和长期实验站点支持了模型的校准和验证。撒哈拉以南非洲缺乏类似的基础设施，这意味着增加的复杂性可能会放大预测不确定性，而不是减少它。这创造了一个复合挑战：最需要改进表示的土壤正是那些约束数据最少的土壤，这表明必须在观测基础设施和模型开发方面同时进行投资。

5.4 对全球碳预算和气候预测的影响

撒哈拉以南非洲的土壤仅在表层5厘米内就储存了大约24Pg的碳（Hengl等人，2015年）。所有三个基于过程的模型的中等表现和系统偏差对大陆和全球碳循环的预测有重要影响。区域碳预算的不确定性：模型之间的调整后R2值范围从0.09到0.18，表明在区域尺度上有显著的预测不确定性。对于一个给定的站点，预测可能与观测值相差4-5公斤/平方米（一个RMSE）。考虑到撒哈拉以南非洲约13亿公顷的面积，这种不确定性代表了数十亿吨的碳。这种不确定性是一个问题，因为撒哈拉以南非洲是土壤碳封存计划和依赖基于过程模型预测的气候缓解策略的目标。如果没有改进模型性能，这些计划可能会高估碳收益或将资源错误分配到模型表现不佳的地区。气候变化预测中的系统偏差：这里识别的偏差，特别是对NPP的过度强调和对矿物学控制的低估，并不是在大规模上平均化的随机误差。相反，它们是方向性的偏差，将系统地影响气候预测。例如，过度强调C输入敏感性并低估矿物介导的稳定性的模型可能会在高干旱期间高估SOC损失，从而减少NPP，同时低估了改变土壤矿物性质或pH值的管理实践对SOC的响应。这些偏差可能导致对气候-碳反馈的错误预测，从而影响基于这些预测的气候变化评估和政策决策。此外，我们的分析仅限于表土（0-20厘米），这是最近植物输入直接影响的最上层土壤。然而，在这些高度风化的系统中，总碳储量的相当大且通常是主导的部分存在于底土中，其稳定性更多地受到我们研究中发现的矿物学和地球化学控制的支配，而这些在当前模型中表现不佳（von Fromm, Jungkunst等人，2025年）。因此，我们报告的结构偏差，特别是对NPP的过度强调和对氧化物和阳离子介导的稳定性的不足表示，在预测全层碳储量时可能会被放大。这表明，改进热带碳预算的模型不仅需要纳入特定区域的机制，还需要针对更深层次的土壤数据集进行应用和评估。

5.4 对全球碳预算和气候预测的影响

撒哈拉以南非洲的土壤仅在表层5厘米内就储存了大约24Pg的碳（Hengl等人，2015年）。所有三个基于过程的模型的中等表现和系统偏差对大陆和全球碳循环的预测有重要影响。区域碳预算的不确定性：模型之间的调整后R2值范围从0.09到0.18，表明在区域尺度上有显著的预测不确定性。对于一个给定的站点，预测可能与观测值相差4-5公斤/平方米（一个RMSE）。考虑到撒哈拉以南非洲约13亿公顷的面积，这种不确定性代表了数十亿吨的碳。这种不确定性是一个问题，因为撒哈拉以南非洲是土壤碳封存计划和依赖基于过程模型预测的气候缓解策略的目标。如果没有改进模型性能，这些计划可能会高估碳收益或将资源错误分配到模型表现不佳的地区。气候变化预测中的系统偏差：这里识别的偏差，特别是对NPP的过度强调和对矿物学控制的低估，并不是在大规模上平均化的随机误差。相反，它们是方向性的偏差，将系统地影响气候预测。例如，过度强调C输入敏感性并低估矿物介导的稳定性的模型可能会在高干旱期间高估SOC损失，从而减少NPP，同时低估了改变土壤矿物性质或pH值的管理实践对SOC的响应。这些偏差可能导致对气候-碳反馈的错误预测，从而影响基于这些预测的气候变化评估和政策决策。此外，我们的分析必然限于表土（0-20厘米），这是最近植物输入直接影响的最上层土壤。然而，在这些深度风化的系统中，总碳储量的相当大且通常是主导的部分存在于底土中，其稳定性更强烈地受到我们研究中发现的矿物学和地球化学控制的支配。因此，我们报告的结构偏差，特别是对NPP的过度强调和对氧化物和阳离子介导的稳定性的不足表示，在预测全层碳储量时可能会被放大。这表明，改进热带碳预算的模型不仅需要纳入特定区域的机制，还需要针对更深层次的土壤数据集进行应用和评估。

6 结论

本研究评估了三个基于过程的土壤碳模型（Century、Millennial和MIMICS），这些模型在撒哈拉以南非洲的土壤中具有不同程度的机械复杂性。尽管它们在复杂性上有显著差异，但所有三个模型的表现相似（adj. R2 = 0.09–0.18），并且偏差也相似。这表明，增加机械复杂性并不一定导致更好的可转移性。相反，模型性能从根本上取决于所选机制是否准确反映了目标区域内的过程。换句话说，只有当包含正确的机制时，机械复杂性才可能带来益处。我们发现了当前基于过程的模型与撒哈拉以南非洲土壤的成土过程和生物地球化学条件之间的差异。所测试的模型过分强调了碳（C）的输入，并未能充分反映由矿物质介导的稳定机制，这些机制包括粘土矿物学和pH值依赖的吸附动态。此外，这些模型还忽略了其他重要过程，如可交换阳离子的作用、氧化还原驱动的碳转化、生物扰动对碳循环的影响、有机碳（pyC）的持久性以及非平衡土壤状况的社会生态驱动因素。这些差距不仅仅是简单的参数化问题，而是反映了当前模型在概念化土壤碳循环方面的根本性结构局限。新一代模型，如Millennial和MIMICS，明确考虑了微生物生理学和矿物-有机相互作用，代表了概念上的进步，并且在用本地数据参数化后可能具有区域适应性。然而，我们的研究结果表明，只有当所选择的机制与目标系统相关并且参数化准确时，机械细节才具有价值。尽管MIMICS具有复杂的矿物相互作用框架，但它对粘土含量的过度强调恰恰说明了这一原则：如果一个更复杂的机制不能准确反映区域土壤的地球化学特性，那么它并不一定更优越。因此，要推进撒哈拉以南非洲及其他成土过程研究不足地区的土壤碳建模工作，需要开发针对区域重要土壤碳机制的模型，同时进行目标区域的野外采样和实验室分析，以确保有足够的数据来约束（额外的）模型参数。

致谢
本研究得到了达特茅斯学院举办的一个研讨会的支持，该研讨会由William H. Neukom 1964计算科学研究所、地理系、生物科学系以及科学分部副主任共同资助。

利益冲突
作者声明与本研究无关的任何利益冲突。

数据可用性声明
所有用于重现研究结果的数据和代码均可通过github（https://github.com/katierocci/SSA_soils_workshop_models）获取，并已发表在（von Fromm等人，2026年）的研究中。