微生物介导的硝化作用提高了模型中温带森林对氮沉降减少的响应能力

《Applied Soil Ecology》：Microbially mediated nitrification improves modeled temperate forest responses to declining nitrogen deposition

土壤碳与氮循环模型改进及氮沉降下降情景模拟。研究通过整合微生物硝化过程至FUN-CORPSE模型，揭示氮肥处理后土壤碳积累（恢复缓慢）与硝酸盐流失（恢复较快）的耦合机制，验证模型对东海岸温带森林生态系统响应氮沉积变化的预测能力提升显著（R2从0.01增至0.57）。

　　### 温室气体排放减少与森林碳汇能力的不确定性

随着人类活动对氮沉积的影响逐渐减小，美国境内的氮沉积水平正在下降。这一变化引发了对温带森林是否仍能持续固碳的不确定性。氮沉积的变化不仅影响土壤碳的储存，还与氮损失密切相关，而这些过程在生态系统模型中往往未能准确反映。当前的模型通常采用简单的速率常数来模拟氮的转化过程，如硝化作用和反硝化作用，而这些过程实际上由微生物驱动，因此模型的准确性受到限制。为了改善这一状况，研究者们通过利用三十年的流域氮施肥实验数据，将微生物驱动的硝化作用纳入到FUN-CORPSE模型中，以更好地模拟氮沉积变化对生态系统碳和氮循环的影响。

### 模型与生态系统响应的关联

FUN-CORPSE模型通过结合植物碳分配模型FUN和土壤有机质分解模型CORPSE，能够更精确地模拟关键的植物-微生物相互作用。这种模型在表示土壤碳保留和氮转化方面表现出色，被认为是模拟生态系统生物地球化学循环的新“黄金标准”。然而，目前许多模型并未包含氮的转化过程，而那些同时模拟碳和氮循环的模型通常仅通过化学计量控制来表示有机氮的转化，如植物残体的矿化。相比之下，一些模型将无机氮的转化过程（如硝化作用和反硝化作用）视为简单的速率过程，未能充分考虑微生物在这些过程中的作用。因此，研究团队在FUN-CORPSE模型中引入了微生物驱动的硝化作用，以提高对氮沉积变化的模拟精度。

### 模型的改进与验证

为了实现这一目标，研究团队利用了Fernow实验森林三十年的碳和氮循环数据，对模型进行了校准和验证。这些数据包括树木的地上净初级生产力、落叶输入、细根生物量和周转率、以及大气和施加的氮沉积量。通过将这些数据输入模型，研究者们能够更准确地模拟氮沉积对土壤碳和氮循环的影响。模型中的微生物硝化作用部分被设计为一个独立的反应过程，与异养分解微生物分开，从而更好地捕捉季节性氮淋失的动态变化。

### 实验数据与模型表现

在Fernow实验森林中，长期的氮施肥实验显示，氮沉积增加了树木对氮的吸收，但同时减少了地下碳分配，进而抑制了微生物的分解潜力和土壤有机质的矿化速率。这种现象在Fernow的土壤碳池和氮池中得到了验证。模型在没有微生物硝化作用的情况下，模拟出的氮淋失速率与实际观测值存在显著差异，而在引入微生物硝化作用后，模型的预测能力得到了显著提升。例如，模型预测的土壤氮池和氮淋失量与实际数据相比，模拟的氮淋失量在引入微生物硝化作用后，其R2值从0.01提升至0.57，表明模型对氮淋失的预测能力得到了增强。

### 模型预测与未来展望

研究团队还利用模型预测了氮沉积减少后，森林生态系统如何恢复。结果表明，氮淋失的恢复速度比土壤碳池的恢复要快得多，氮沉积减少后，氮淋失在30年内即可恢复到施氮前的水平，而土壤碳池的恢复则需要更长的时间。这表明，虽然氮沉积促进了碳的固定，但这种碳固定可能在未来的几十年内受到氮沉积减少的影响。此外，模型预测的土壤碳池在氮沉积减少后仍保持较高水平，表明森林生态系统在氮沉积减少后可能仍然保持一定的碳储存能力，但这一能力可能受到其他环境变化的影响。

### 模型的局限性与未来方向

尽管FUN-CORPSE模型在模拟氮沉积对生态系统的影响方面取得了进展，但仍存在一些局限性。例如，模型未能完全捕捉到氮沉积对微生物群落组成和功能的影响，以及对其他氮转化过程如固氮和反硝化作用的模拟仍需进一步完善。此外，模型的参数校准和验证数据仍有限，尤其是在硝化作用的速率常数和半饱和常数方面，这些参数的不确定性可能影响模型的广泛适用性。研究团队指出，未来的工作应集中在扩展该模型，以更好地模拟不同生态系统中的氮循环过程，尤其是在那些气体氮损失更为显著的生态系统中，如湿润的亚热带森林和农田生态系统。

### 生态系统服务与全球变化

研究团队强调，微生物驱动的氮循环过程对于准确预测生态系统服务和全球变化反馈具有重要意义。氮沉积减少后，氮淋失的恢复速度较快，而土壤碳的恢复则较为缓慢。这表明，虽然氮沉积在短期内促进了碳的固定，但这种碳固定可能在长期中受到氮沉积减少的影响。因此，未来的研究需要进一步探索氮沉积减少对土壤碳池的长期影响，以及这些影响如何与其他环境变化相互作用，从而影响全球碳循环和气候变化。

### 结论

通过将微生物驱动的硝化作用纳入FUN-CORPSE模型，研究团队成功提高了模型对氮沉积变化下生态系统碳和氮循环的预测能力。模型不仅能够更准确地模拟氮淋失的季节性和年际变化，还揭示了氮沉积减少后土壤碳池的恢复过程。这些发现对于理解温带森林在氮沉积减少后的生态响应以及预测其对未来气候变化的影响具有重要意义。未来的研究应继续完善模型，以更好地模拟其他氮转化过程，并扩展其应用范围，以涵盖更多生态系统类型。