高分辨率监测与建模：大豆田地下二氧化碳（CO?）动态变化

《Geoderma》：High-resolution monitoring and modeling of subsurface CO 2 dynamics in soybean field

土壤CO?动态及扩散模型性能评估研究。通过连续监测大豆田不同施肥处理（化学vs有机）下的土壤水分、温度及CO?浓度，结合实验室气体扩散系数测定，发现WLR模型较MQ模型更准确模拟CO?浓度分布，尤其在湿润条件下。敏感性分析表明气体扩散模型选择显著影响CO?预测精度，需结合土壤质地和水分条件优化参数。研究支持WLR模型在农业土壤中的适用性，强调高分辨率监测与模型校准的重要性。

　　土壤中的二氧化碳（CO?）动态在碳循环中扮演着关键角色，特别是在农业土壤中，管理实践对CO?动态有着显著影响。本研究在大豆田中对不同施肥处理（化学肥料与有机肥料）下的土壤CO?浓度和通量进行了量化分析，并评估了SOILCO?模型在不同气体扩散模型下的表现。通过整个生长季节对多深度土壤湿度、温度和CO?浓度的连续监测，研究结果表明，作物和有机质的存在增强了微生物和根系相关的CO?生成，微生物活动显著提高了CO?浓度，尤其是在降雨事件之后。气体扩散，作为CO?传输建模的关键因素，通过Millington–Quirk（MQ）和Water Linear Reduction（WLR）模型进行评估。与MQ模型相比，使用拟合参数的WLR模型更好地与测量的气体扩散和观测到的CO?剖面数据一致。敏感性分析表明，对气体扩散的准确表示对于模拟土壤CO?行为至关重要。本研究强调了高分辨率现场监测和模型校准在提高CO?传输预测中的重要性，并支持在不同土壤质地和湿度条件下使用WLR模型进行农业土壤CO?建模。

### 土壤CO?动态的复杂性

土壤CO?动态涉及多种生物和非生物过程，其中微生物分解和植物根系呼吸是主要的CO?来源。这些过程受到土壤湿度、温度以及农业管理实践的显著影响。例如，微生物活动在湿润条件下更加活跃，而在干旱或过湿的土壤中会受到抑制。根系呼吸则与植物的生长状况和土壤中水分含量密切相关，尤其是在作物生长的高峰期，根系的呼吸作用显著增强。因此，了解这些过程如何相互作用，并如何受到环境条件变化的影响，对于准确预测土壤与大气之间的碳交换至关重要。

此外，土壤中的CO?传输过程主要依赖于气体扩散，这一过程在土壤剖面中受到多种因素的调控。不同土壤质地和水分条件下的气体扩散模型对CO?浓度和通量的模拟效果存在差异。例如，MQ模型在沙质土壤中表现良好，但在黏土和粉质黏土中可能不够准确。相比之下，WLR模型在多种土壤类型中均表现出较高的适用性，尤其在土壤湿度变化较大的情况下，能够更准确地反映实际的CO?传输动态。因此，选择合适的气体扩散模型对于提高土壤CO?建模的准确性具有重要意义。

### 研究方法与现场监测

为了更全面地了解土壤CO?动态，本研究在实验田中对土壤湿度、温度和CO?浓度进行了连续监测。实验地点为日本福岛县的一个雨养大豆田，土壤类型为火山灰土。实验从2022年6月7日持续到10月25日，共监测了两个施肥处理：传统施肥（Tr）和有机肥（CM）。每个处理区域约24.5平方米，其中Tr处理区域施用了0.06公斤/平方米的传统N-P-K肥料，而CM处理区域则施用了2公斤/平方米的牛粪。为了研究微生物活动对CO?动态的影响，实验区域中还设立了无作物种植区，以便于区分根系和微生物来源的CO?生成。

土壤湿度和温度传感器被安装在2、10、18、25、33和40厘米的深度，以获取不同层次的土壤数据。CO?浓度传感器则安装在10、25和40厘米的深度，用于测量土壤中的CO?含量。这些传感器均通过嵌入式技术安装，以减少对土壤气体平衡的干扰，从而更准确地捕捉CO?的短期动态变化。此外，所有传感器数据均通过数据记录器每小时采集一次，确保了高分辨率和连续性的监测数据。

### 土壤物理性质与气体扩散实验

在研究过程中，还对土壤的物理性质进行了详细分析。例如，土壤的粒子密度、粒径分布、饱和水力导度以及干容重等参数均被测量。此外，为了评估气体扩散模型的适用性，研究人员通过实验室实验对土壤的气体扩散系数进行了测定。实验中，研究人员采用悬挂水柱法和压力板法，分别测量了不同基质势下的气体扩散系数。通过这些实验，研究人员能够更准确地确定不同土壤条件下气体扩散的特性，并将其应用于模型模拟中。

实验结果显示，不同深度的土壤具有不同的物理性质。例如，在10厘米深度的土壤中，土壤质地为壤土，而在25厘米和40厘米深度的土壤中则为黏壤土。这些差异对气体扩散系数的计算产生了重要影响。此外，实验还表明，土壤的水分含量对气体扩散系数有显著影响。在水分较多的土壤中，空气填充的孔隙减少，导致气体扩散效率下降。因此，在不同水分条件下，选择合适的气体扩散模型对于准确模拟CO?传输至关重要。

### 模型模拟与结果分析

为了评估SOILCO?模型在不同气体扩散模型下的表现，研究人员将MQ和WLR模型应用于模型模拟中。结果表明，WLR模型在大多数情况下均优于MQ模型，尤其是在水分含量较高的土壤层中。例如，在Tr_C（传统施肥且有作物的区域）和CM_C（有机肥且有作物的区域）中，WLR模型更准确地再现了观测到的CO?浓度剖面。相比之下，MQ模型在这些区域中表现较差，尤其是在水分含量较高的情况下，导致CO?浓度的高估或低估。

进一步的敏感性分析表明，气体扩散系数对土壤CO?浓度的预测具有显著影响。特别是在湿润条件下，MQ模型低估了气体扩散系数，从而导致CO?浓度的高估。而WLR模型则通过引入拟合参数，能够更准确地反映实际的气体扩散特性。此外，敏感性分析还表明，温度对CO?生成的调控作用在不同施肥处理中表现不同。例如，在有机肥处理的土壤中，温度对CO?生成的影响更为显著，尤其是在高温季节，CO?浓度的变化更加剧烈。

### 模型应用与未来展望

本研究的结果对农业土壤中的CO?建模具有重要的指导意义。首先，研究强调了在农业系统中使用高分辨率现场监测数据的重要性。通过结合现场监测和模型校准，可以显著提高CO?传输预测的准确性。其次，研究支持在农业土壤中采用WLR模型，因为该模型在不同土壤质地和水分条件下均表现出较高的适用性。此外，研究还表明，土壤CO?动态的模拟需要考虑多种因素，包括微生物活动、根系呼吸以及气体扩散特性。

在模型参数的选择方面，研究发现，仅通过拟合微生物活动参数即可在一定程度上再现土壤CO?动态，而无需同时拟合根系呼吸参数。这表明，土壤CO?动态的模拟可以通过将根系呼吸作为附加因素纳入模型中，从而更准确地反映实际的CO?生成和传输过程。然而，研究也指出，某些参数（如温度响应函数）仍需进一步优化，特别是在有机肥处理的土壤中，由于土壤条件的变化，模型可能需要更精确的参数设定。

### 对农业碳循环的启示

本研究的结果不仅对农业土壤中的CO?动态研究具有重要意义，还对理解农业系统对全球碳循环的影响提供了新的视角。农业活动，如施肥、耕作和排水，对土壤CO?动态有显著影响。因此，准确模拟这些过程对于评估农业碳足迹、优化碳管理策略以及预测气候变化对土壤碳库的影响至关重要。此外，研究还强调了在农业系统中，提高土壤CO?建模的精度可以为减少区域和全球碳预算的不确定性提供重要支持。

未来的研究应进一步探索不同农业管理实践对土壤CO?动态的影响，并开发更精确的模型参数。此外，应加强对不同气体扩散模型在农业土壤中的适用性研究，以确保模型能够准确反映实际的CO?传输过程。通过这些努力，可以更好地理解农业系统中的碳循环机制，并为可持续农业实践提供科学依据。