碳氮比与温度调控下谷物覆盖作物残茬氮矿化动态预测模型构建与应用

《Nutrient Cycling in Agroecosystems》：Predicting soil nitrogen dynamics after incorporating cereal cover crop residues

为解决加州中部海岸蔬菜种植系统中因覆盖作物还田后土壤氮动态不明导致的施肥决策难题，研究人员开展了关于谷物覆盖作物残茬氮周转的预测研究。通过微宇宙实验，明确了残茬碳氮比(C:N)与温度对净氮矿化的关键影响，并基于CERES-N模型构建了仅需生物量与C:N比即可可靠模拟氮释放的简易框架，为优化施肥、减少氮淋失提供了重要工具。

　　

在可持续农业的实践中，冬季覆盖作物扮演着越来越重要的角色。它们如同给农田穿上了一件“绿色外套”，不仅能改善土壤健康、减少病虫害，还能有效“捕获”土壤中残留的氮素，防止其随着冬季雨水渗入地下，污染宝贵的水资源。美国加州中部海岸地区是重要的蔬菜产区，近年来当地水资源管理委员会出台新规，鼓励农户种植非豆科冬季覆盖作物，并给予氮素清除信用额度。然而，这件“绿色外套”在完成任务后被翻压还田时，却给农民带来了新的烦恼：这些作物残体在土壤中分解后，其中的氮素何时才能释放出来供下茬蔬菜吸收？如果释放太晚或太少，可能会影响蔬菜产量；但如果释放过程伴随着对土壤中现有氮素的“抢夺”（即微生物固持作用），则可能在作物生长初期造成氮素短缺。这个问题的核心在于覆盖作物残茬的碳氮比(C:N ratio)。随着作物生长，生物量增加，其C:N比通常会变宽（即比值升高）。较宽的C:N比（如大于25）往往意味着残茬分解初期会引发土壤氮素的净固定，暂时降低作物可利用氮水平。因此，准确预测不同C:N比的谷物覆盖作物残茬在还田后的氮素周转动态，对于指导后续作物的精准施肥、平衡高产与环境保护至关重要。为此，发表在《Nutrient Cycling in Agroecosystems》上的研究，旨在开发一个简单可靠的工具来预测谷物覆盖作物残茬掺入土壤后的氮动态。

为了回答上述问题，研究人员主要运用了以下几项关键技术方法：首先，设计并实施了为期数月的室内微宇宙培养实验，使用来自加州中部海岸商业蔬菜田的两种常见谷物覆盖作物（‘Merced’黑麦和‘Pacheco’小黑麦）的茎秆残茬，其C:N比范围经过精心选择（9.1至42.9）。其次，通过化学分析测定残茬的总碳、总氮、木质素、纤维素和半纤维素含量，以及土壤的铵态氮(NH₄⁺-N)和硝态氮(NO₃^--N)含量。第三，在控制温度（5℃, 15℃, 25℃）和水分（保持为田间持水量的特定百分比）的条件下进行培养，定期监测净氮矿化/固定情况。第四，在第三个实验中，采用¹⁵N同位素标记稀释法测定总氮矿化率和固定率。最后，基于经典的CERES-N模型进行修改和参数化，利用培养实验数据对模型进行校准和验证，以模拟氮周转过程。

微宇宙实验一：覆盖作物C:N比对氮周转的影响

研究人员首先探讨了不同C:N比的覆盖作物残茬在25℃下的氮周转规律。结果表明，残茬的C:N比与氮矿化呈强烈的负相关。C:N比小于20的残茬在整个18周的培养期内均表现为净氮矿化；而C:N比在20-30（中间范围）和大于30（较宽范围）的残茬，在培养初期（1至6周）均出现了不同程度的净氮固定现象，最高时固定的氮量可达残茬自身总氮量的33%。之后，净固定转为净矿化，但完全抵消初始固定量所需的时间随C:N比升高而延长，可达12周。至培养结束时，净矿化氮量占残茬总氮的比例在13.6%至46.3%之间，且随C:N比升高而降低。黑麦与小黑麦的变化趋势基本一致。相比之下，残茬的细胞壁组分（木质素、纤维素、半纤维素）与累积氮矿化量的相关性较弱。这一结果凸显了C:N比在预测残茬氮释放中的主导作用。

模型校准与参数优化

研究团队基于CERES-N模型的结构，将添加的有机质分为快速、慢速和顽固三个库(FOM1, FOM2, FOM3)，每个库有相应的分解速率常数。通过对第一个实验14个处理的数据进行拟合优化，发现仅将残茬的C:N比作为输入参数，通过特定的数学关系式来定义FOM2和FOM3库的大小，即可很好地模拟不同C:N比残茬的氮周转动态。优化后的模型参数包括：临界碳氮比(CNCRIT)为14.5（原模型为25），微生物碳利用效率(CUE)为0.534（原模型为0.4），以及调整后的各库分解速率常数和土壤有机质矿化速率常数(SOMDR)。模型模拟结果与观测值高度吻合，模型效率(EF)达到0.93。

值得注意的是，模拟得出的三个有机质库的大小与实测的生化组分（非细胞壁组分、纤维素、木质素）虽存在显著相关性，但数值上差异较大，特别是模拟的顽固库(FOM3)与实测木质素含量呈负相关。这表明，用于成功模拟净氮周转的模型库更多是数学上的功能分区，而非严格对应其名称所暗示的生化实体。

微宇宙实验二：温度对氮周转的影响

第二个实验考察了温度（5℃, 15℃, 25℃）对三种不同C:N比黑麦残茬氮周转的影响。结果表明，温度与氮矿化呈正相关。在25℃下，C:N比为37的残茬在6周后即由净固定转为净矿化；而在15℃下，这一转变延迟到12周；在5℃下，整个18周培养期内均未观察到净矿化发生。然而，在5℃和15℃下，具有中间C:N比的残茬在培养初期出现了净氮矿化，这可能与低温下微生物对氮的固定作用受到更强抑制有关。使用从第一个实验校准得到的模型参数，并引入温度校正因子(TFAC)，其Q₁₀值（温度每升高10℃反应速率增加的倍数）拟合为2.83，模型对整个实验二的模拟效率(EF)为0.73，表现良好。

微宇宙实验三：总氮周转速率

第三个实验利用¹⁵N同位素稀释技术测定了特定C:N比残茬在不同温度下的总氮矿化率和固定率。两者均在培养初期（第7天）最高，随后随时间推移而下降（除5℃下的总矿化率外）。总固定率在21天和42天时，25℃下显著高于5℃。使用前两个实验确定的模型参数进行模拟，模拟的总矿化率和固定率与实测值之间存在显著正相关（R2分别为0.59和0.85），但模拟值系统地高于实测值约两倍。这表明模型能捕捉到总氮周转的趋势，但在量化绝对值方面存在偏差，这可能是由于模型简化了复杂的微生物过程所致。

模型验证

研究人员进一步利用已发表的15项研究中的34组数据对模型进行了验证。这些数据涵盖了不同的禾本科/谷物作物种类、更宽的温度范围（2-30℃）、培养时长（36-210天）和残茬C:N比（10.6-66）。 across the board validation resulted in a model efficiency (EF) of 0.61，考虑到数据来源的多样性，这个结果被认为是令人满意的，进一步证实了C:N比是预测禾本科覆盖作物残茬氮周转的关键因子。

研究结论与意义

本研究通过系统的微宇宙实验和模型模拟，明确揭示了谷物覆盖作物残茬的碳氮比(C:N ratio)和土壤温度是调控其还田后氮素周转（矿化与固定）的关键因素。相较于残茬的生化组分（如木质素、纤维素含量），C:N比是预测净氮矿化动态更简单且更有效的指标。基于此，研究成功校准并验证了一个简化模型，该模型仅需输入残茬的生物量、C:N比以及环境温度，即可可靠地模拟氮释放动态。

这项研究的重要意义在于它为农业实践提供了实用的决策支持工具。例如，论文中模拟的场景显示，在加州中部海岸的蔬菜系统中，秋季终止且C:N比较宽（如35）的黑麦覆盖作物，在翻压后能显著固定土壤氮素，有效降低冬季硝酸盐淋失风险；而越冬后终止的同类覆盖作物，其残茬的氮释放模式将直接影响后续生菜种植的氮肥管理策略。种植者可以利用此类工具，结合土壤氮测试，更准确地判断下茬作物种植前的土壤氮素状况和残茬的供氮潜力，从而制定更精准的施肥方案，在保障作物产量的同时，最大限度地减少氮素对环境的负面影响。虽然本研究聚焦于加州中部海岸的集约化蔬菜生产系统，但其揭示的规律和开发的模型框架，对于其他种植制度中使用谷物覆盖作物的地区同样具有重要的参考价值，为推广覆盖作物这一有益实践、促进农业可持续发展提供了科学依据。