气候-森林-土壤协同作用下凋落物碳库的深度依赖性代用指标构建与验证

这篇研究通过奥地利森林土壤调查数据(AFSI)，创新性地建立了基于凋落物深度(LDmeas)、森林参数（阔叶比例BL、林龄A）和土壤特性（pH、0-10cm土壤碳SC）的多元模型，揭示了LDmeas作为凋落物碳(LC)高效代用指标的潜力（NSE>0.64，偏差<1 tC/ha）。研究证实结合气候（温度T）和树种组成的双阶段建模（先预测碳密度LCDpred再乘以LDmeas）最优，为全球森林碳库监测提供了非破坏性解决方案。

　　

奥地利凋落物碳数据集特征

奥地利森林土壤调查(AFSI)的458个样地数据显示，凋落物碳(LC_meas)平均为18.6 tC/ha（经坡度校正），占活立木碳储量的21%。凋落物深度(LD_meas)范围0.5-25 cm，与腐殖质形态显著相关：从腐熟腐殖质（mull）到粗腐殖质（mor），LC_meas随LD_meas递增，但碳密度(LCD_meas)无显著差异。值得注意的是，针叶林主导样地的LC_meas(20.0±16.3 tC/ha)显著高于阔叶林(11.1±10.5 tC/ha)。

模型构建与变量选择

随机森林分析识别出六大关键变量：LD_meas、土壤pH、温度(T)、阔叶比例(BL)、土壤碳(SC)和林龄(A)。广义线性模型(GLM)显示：

1. 仅用LD_meas的简单模型（方程3）可解释63%变异，区分树种后解释力提升至73%（阔叶）和62%（针叶）；
2. 纯环境参数模型（方程6）表现最差（R²=0.28），因其无法捕捉LD_meas的动态；
3. 双阶段模型（方程7）先预测LCD_pred再结合LD_meas，偏差最低(+0.96 tC/ha)，且能反映奥地利森林LC_meas的增长趋势。

验证与跨区域适用性

使用Biosoil项目120个独立样本验证显示：

• 含LD_meas的模型NSE>0.64，RMSE<15 tC/ha；
• 德国/瑞典数据验证证实LC-LD关系的普适性，不同腐殖质形态的LC均值与模型预测高度吻合；
• 温度与pH的非线性效应显著：当pH<4.0时LC积累激增，这与土壤动物（如蚯蚓）活性阈值一致。

机制讨论与未解之谜

1. 气候驱动：温度通过影响凋落物分解速率主导LC动态，降水影响较弱；
2. 生物调控：低pH土壤中土壤动物群落崩溃导致有机质滞留，而阔叶凋落物的低木质素含量加速分解；
3. 历史遗留效应：1988-2006年间奥地利森林LC_meas年均增长0.6 tC/ha，可能与酸雨缓解、停止枯落物采集等历史管理变化相关，但具体机制仍需探究。

方法论启示

研究强调LD_meas作为"黄金指标"的不可替代性——国家森林调查中常规测量的LD数据可直接用于碳库制图，而仅依赖遥感或气候数据的模型会严重低估高LC区域（如mor腐殖质样地）。未来需整合土壤动物群落数据、凋落物化学性质（如酚类含量）以及更大尺度的验证网络，以破解剩余36%的未解释变异。