根系自养呼吸模块的开发与实现：基于过程的作物系统模型中土壤CO2通量分区的创新研究

为解决农业土壤碳平衡评估中自养呼吸(Ra)与异养呼吸(Rh)难以区分的难题，意大利研究团队在ARMOSA模型中开发了根系自养呼吸模块，通过整合小麦和番茄的生长-维持呼吸机制，实现了土壤CO2通量(Rs)的精准分区。该模块在 Mediterranean 地区验证显示，Ra/Rs比率动态范围达9-90%，显著提升了土壤碳平衡评估精度，为农业温室气体减排策略提供了新工具。

　　

在应对气候变化的全球行动中，农业土壤作为关键的碳汇与碳源，其碳平衡评估存在巨大不确定性。传统测量方法难以区分土壤CO₂排放(R_s)中根系自养呼吸(R_a)与微生物异养呼吸(R_h)的贡献，而现有模型多将呼吸过程隐含处理，导致碳通量模拟偏差。特别是在集约化种植系统中，根系动态与土壤碳循环的耦合机制尚未被充分量化，这严重制约了精准农业和碳中和策略的制定。

针对这一科学瓶颈，意大利米兰大学等机构的研究团队在《Italian Journal of Agronomy》发表了创新性研究。他们以ARMOSA模型为框架，开发了首个显式模拟根系自养呼吸的模块，通过整合作物生长-维持呼吸理论、根系衰老动态和土壤分层扩散机制，实现了小麦(Triticum durum)和加工番茄(Lycopersicon esculentum)种植系统的CO₂通量精准分区。研究团队在意大利Ravenna（湿润气候）和Foggia（干旱气候）两个试验站，利用配备8个非稳态测量室的自动化监测系统，获取了连续3-4年的每日土壤CO₂通量数据。通过Morris敏感性分析、模块校准与验证的三阶段研究，揭示了根系呼吸对土壤碳平衡的关键调控机制。

关键技术方法包括：1) 基于生长-维持范式构建R_ag和R_am分层算法；2) 采用BBCH尺度量化根系衰老动态；3) 通过土壤有效扩散系数校正排放层深度；4) 利用190组参数组合进行全局敏感性分析；5) 基于LUP（土地利用周期）和DVS（发育阶段）分段的累积通量验证。

3.1 敏感性分析
模块参数敏感性呈现显著作物特异性：小麦R_ag对叶片生长效率参数(e_leaf)最敏感，而番茄则对茎干参数(e_stem)响应更强。维持呼吸系数(m_root)在所有场景中均居主导地位，其μ*值超其他参数3-5倍，证实根系维持代谢是碳损失的主要驱动力。

3.2 土壤呼吸的日动态与季节趋势
新模块成功捕捉到R_s的双峰曲线：在Ravenna站点，番茄生长季R_a/R_s比率因灌溉引发R_h激增而异常下降（图中圆圈标记），揭示土壤湿度对通量分区的非线性调控。小麦的R_a贡献率在抽穗期（BBCH 50）后锐减，符合其早衰特性。

3.3 累积排放模拟
校准数据集显示优异拟合（平均RRMSE=10.9%），但验证期因间作苜蓿存在出现偏差。值得注意的是，模块将传统版本V.1在收获后R_h的系统性高估降低了37%，这归功于渐进式根系衰老算法的引入。

3.4 模型版本对比
V.2版本随机误差占比提升至68%，显著优于V.1版本（系统误差占55%）。在干旱的Foggia地区，土壤水分（SWC）模拟精度提高使R_h预测R²提升0.21。

这项研究通过机理模型与连续监测数据的深度融合，首次量化了地中海农业系统中作物根系对土壤碳通量的动态调控。其创新性体现在三方面：1) 突破传统"黑箱"式呼吸计算，实现器官尺度呼吸通量的显式模拟；2) 揭示灌溉管理通过改变R_a/R_s平衡影响碳汇效率的机制；3) 为欧盟LIFE计划"AGRESTIC"项目提供核心算法支撑。未来若整合杂草生长模块和根系原位观测数据，将进一步提升模型在有机农业和间作系统中的应用价值。该成果为制定基于过程的农田碳认证标准奠定了方法论基础。