粗碳酸盐碎屑(CCFs)对北美大平原北部土壤碳储量的贡献及其意义

《Geoderma》：Coarse carbonate fragments (CCFs) and their contribution to the soil carbon stocks in the northern Great Plains, USA

本研究针对土壤碳评估中常被忽视的粗碳酸盐碎屑(CCFs)问题，通过对比美国南达科他州冰碛景观下原生草地(NG)、农田(CF)和保护储备计划草地(CRP)三种土地利用方式，系统分析了包含与排除CCFs对土壤总碳(STC)、土壤无机碳(SIC)和土壤有机碳(SOC)储量的影响。结果表明，包含CCFs可使STC和SIC分别显著增加12.8%和16.4%，而对SOC影响甚微。研究强调了在干旱半干旱地区土壤碳采样和处理协议中纳入CCFs的重要性，为更准确评估全球碳汇提供了关键见解。

　　

在全球碳循环的宏大叙事中，土壤作为最大的陆地碳库，扮演着举足轻重的角色。然而，当我们谈论土壤碳时，目光往往聚焦于由动植物残体分解形成的土壤有机碳(SOC)，而另一个巨大的碳库——土壤无机碳(SIC)，却长期处于被忽视的“灰姑娘”状态。特别是在干旱半干旱地区，SIC以碳酸钙(CaCO₃)等形式存在，其储量甚至可以十倍于SOC，成为土壤总碳(STC)的绝对主导。但当前标准的土壤碳分析流程存在一个潜在漏洞：在样品研磨过筛（通常通过2毫米筛孔）过程中，那些肉眼可见的、富含碳酸盐的粗大碎屑——即粗碳酸盐碎屑(CCFs)——常常被有意或无意地剔除在外。这一操作是否会导致我们对土壤碳储量的严重低估？尤其是在评估不同土地利用方式对碳固存潜力的影响时，这种忽略可能带来怎样的偏差？

为了回答这些问题，来自北达科他州立大学的Maria Batool、Larry J. Cihacek和Rashad S. Alghamdi研究团队，在美国南达科他州埃德蒙兹县的一处典型冰碛景观上展开了一项精细的比较研究。该研究区域同时存在三种相邻的土地利用方式：未被扰动的原生草地(NG)、长期耕作农田(CF)以及已有20年历史的保护储备计划草地(CRP)。研究人员沿着从湿地边缘到最近景观最高点的样带，对每种土地利用方式按15厘米深度间隔采集了直至1米深度的土壤芯样。他们的研究方法的关键创新在于，没有按常规做法丢弃那些>2毫米的CCFs，而是将其手工分拣出来，并单独进行STC、SIC和SOC的分析，从而能够量化CCFs对土壤碳储量的真实贡献。所有碳含量分析均使用Skalar Primacs?固体碳分析仪通过高温燃烧法和酸解法进行。统计分析则采用线性混合效应模型和随机森林分析，以评估土地利用方式、土壤深度、坡位以及是否包含CCFs等因素对土壤碳储量的影响。

研究结果

3.1. 包含与排除CCFs的结果对比

3.1.1. 土壤总碳(STC)

数据分析显示，包含CCFs显著提高了STC的估算值。平均而言，CCFs的贡献在NG、CF和CRP中分别为每深度增量0.48、0.73和0.56 kg/m²。将CCFs的碳质量重新计入土壤碳库后，STC和SIC分别平均增加了1.44 kg/m²/深度和1.60 kg/m²/深度，增幅达到12.8%和16.4%，且这种增加具有高度统计学意义。在不同土地利用方式中，NG储存的STC最高，且受CCFs影响的变化最小。CF在加入CCFs后表现出最显著的STC增加，其次是CRP。这表明，忽略CCFs会对农田生态系统的碳储量，尤其是STC和SIC，造成最为严重的低估。

3.1.2. 土壤无机碳(SIC)

STC的增加主要驱动力来源于SIC。CCFs对SIC的贡献与对STC的贡献趋势一致，且增幅更大。随机森林分析表明，土壤深度是影响SIC变异的最重要因素，其次是CCFs的存在与否。SIC的积累在土壤剖面中呈现出与SOC相反的格局，其主要集中在30厘米以下的深层土壤（尤其在45-90厘米深度达到峰值），这反映了碳酸盐在剖面中的淋溶和再沉淀过程。研究还发现，在CF的下坡位（如 foot slope 和 backslope），包含CCFs导致的SIC增加尤为明显，可能与该位置的土壤水分运动和耕作引起的物质再分布有关。

3.1.3. 土壤有机碳(SOC)

与STC和SIC形成鲜明对比的是，CCFs的纳入对SOC的估算影响微乎其微，平均贡献率仅为3.2%，且无统计学意义。SOC主要富集在0-30厘米的表层土壤中，这与其来源于地表植被输入的属性相符。三种土地利用方式中，NG的SOC储量略高于CF和CRP，但差异不显著。这表明CCFs中几乎不含有机碳，常规分析中剔除CCFs不会对SOC的评估造成显著偏差。

3.2. 变异性分析

通过比较包含与排除CCFs的测量值发现，包含CCFs后，STC和SIC数据的变异性增大，R²值分别从0.40-0.60提升至0.65-0.99，说明CCFs的异质性（如结核、结壳的形态和分布不均）是导致SIC测量不确定性的一个重要来源。相比之下，SOC的测量在是否包含CCFs的情况下都保持了较高的一致性（R² ≈ 0.99）。随机森林模型进一步确认，对于STC和SIC，CCFs是仅次于土壤深度的第二重要预测变量，其重要性超过了土地利用方式和坡位。

结论与讨论

本研究有力地证实，在像北美大平原这样的半干旱冰碛景观区，标准土壤碳分析流程中排除粗碳酸盐碎屑(CCFs)会系统性地低估土壤碳储量，特别是土壤无机碳(SIC)。这种低估在农田(CF)生态系统中最为突出，其次是保护性草地(CRP)，而对原生草地(NG)的影响相对较小。这表明土地利用历史和管理实践（如耕作）可能通过影响土壤理化过程和碳酸盐的分布，进而放大因忽略CCFs而导致的评估误差。

研究的深刻意义在于它敲响了警钟：当前全球和区域的土壤碳库估算，尤其是针对SIC这一持久性碳汇的评估，可能存在一个未被充分认识的“盲区”。考虑到全球约40%的土壤碳以SIC形式存在，且干旱半干旱地区占地球陆地表面的30%，修正这一方法学偏差对于准确量化陆地碳汇、预测气候变化反馈以及制定科学合理的土地管理增汇策略至关重要。

该研究发表在土壤科学领域权威期刊《Geoderma》上，它不仅提供了确凿的实验证据，更重要的是为未来土壤碳研究提出了方法论上的改进方向。研究人员建议，在SIC是主要碳库的半干旱和干旱地区，修订土壤采样和处理协议，将CCFs的碳纳入考量。尽管这会增加样品处理的时间和人力成本，但对于追求数据的准确性和科学性而言，这项投入是必要且值得的。这项研究如同拼图中关键的一块，帮助科学家们更完整地描绘出全球碳循环的真实图景，为应对气候变化提供了更坚实的数据基础。