有机与矿质氮管理下北方豆科草地的温室气体交换模拟：DNDC模型在碳中性目标中的应用

针对芬兰畜牧业温室气体(GHG)减排需求，研究人员采用涡度协方差(EC)技术和HE-DNDC模型，对比分析了矿质肥(Nmin)与有机肥(Norg)处理下北方草地的CO2、N2O通量及净温室气体平衡(NGB)。结果表明模型能较好模拟碳通量(MAE 11.1–20.9 kg C ha?1)，但对有机肥处理的N2O排放低估33%，为 boreal 地区草地管理提供了量化工具。

　　

随着《巴黎协定》的推进，芬兰政府提出2035年实现碳中和目标，而农业作为该国第二大温室气体(GHG)排放源，贡献了13%的国家排放量。其中，以牧草为基础的奶牛肉牛产业占据核心地位，但北方草地系统的GHG减排策略仍不明确。尤其在北萨沃地区，60%耕地为3-4年轮作的混播草地（以梯牧草、红三叶草为主），其冻融循环、积雪动态及有机/矿质肥管理的交互作用对GHG通量影响机制尚未阐明。传统田间实验因草地系统的异质性和多年生特性面临高成本挑战，亟需通过模型模拟填补这一空白。

针对这一需求，芬兰Maaninka实验站的研究团队利用涡度协方差(EC)观测数据，首次对改良版DNDC模型——热交换DNDC(HE-DNDC)在北方草地的适用性进行了系统验证。该研究覆盖2017-2020年完整轮作周期（R1-R3），对比了矿质肥(Nmin)与沼气消化液有机肥(Norg)处理下的碳氮通量。论文发表在《Journal of Environmental Management》，为 boreal 农业系统提供了关键模型优化方向。

研究采用多技术联合作战：基于EC塔的CO₂/H₂O/N₂O通量连续监测（配备量子级联激光光谱仪）、土壤微气候传感器网络、以及整合冻融子模型的HE-DNDC模拟平台。模型通过17年气候数据spin-up初始化，采用Spearman秩相关和MAE/RMSE等指标验证性能。

土壤微气候模拟
HE-DNDC对5cm土壤温度模拟优异（R²>0.9），但冬季冻结期WFPS（充水孔隙度）在20cm深处偏差显著，反映模型对冻土水文耦合过程捕捉不足。积雪深度模拟精度达85cm RMSE，但2019-2020冬季因异常降雪出现高估。

碳通量动态
模型成功再现GPP（总初级生产力）季节趋势（ρ=0.8），但对R2早春物候响应延迟20天，导致NEE（净生态系统交换）低估4.1 T CO₂ ha^?1。有机肥处理的Reco（生态系统呼吸）模拟优于矿质肥（pBias -17.5% vs -24.7%），突显有机碳输入对微生物活动的促进作用。

生物量与N₂O排放
首茬生物量预测准确，但次茬平均高估64-164%，反映模型对混播草地（梯牧草+三叶草）再生能力的局限。N₂O累计排放模拟显示：矿质肥处理误差仅8.3%（实测7.5 vs 模拟6.9 kg N ha^?1），但有机肥处理低估33%，揭示模型对有机氮矿化-硝化耦合过程参数化不足。

净温室气体平衡(NGB)
实测数据显示R2期有机肥处理具碳汇功能（-2.2 T CO₂ ha^?1），但模型误判为碳源（+5.3 T CO₂ ha^?1）。重建期(R3)两者均转为碳源，与耕作扰动引发的SOC矿化增强一致。

讨论部分指出三大改进方向：① 引入混合群落生长算法以提升再生生物量预测；② 优化冻融期水分运移算法；③ 增强有机质分解与N₂O产生的微生物过程耦合。该研究不仅验证了HE-DNDC在 boreal 草地的适用性，更为芬兰畜牧业2050碳中和路径提供了量化工具——模型预测显示，优化有机肥管理可使草地系统年固碳量提升1.8 T CO₂ ha^?1。

这项研究的创新性在于首次将积雪-冻融物理过程与草地管理情景耦合建模，破解了传统DNDC在寒冷地区冬季通量模拟的瓶颈。正如通讯作者Narasinha Shurpali强调的："未来模型开发需聚焦植物功能型互作机制，这是准确评估轮作系统碳足迹的关键"。这些发现为IPCC国家温室气体清单编制提供了 boreal 草地特有的排放因子，对实现气候智能型农业具有里程碑意义。