基于Daisy模型模拟覆盖作物对土壤碳氮动态的影响：模型校准与情景分析

本研究针对农业生态系统中覆盖作物(CC)对土壤碳(C)储量和氮(N)动态影响的量化需求，通过校准Daisy模型中的油萝卜(OR)、冬黑麦(WR)和毛苕子(HV)子模型，实现了对覆盖作物地上/地下生物量、碳氮分配的精准模拟。研究结合两年砂土校准数据和一年壤土验证数据，发现WR对土壤C储量提升效果最佳(年均减少C损失115 kg ha-1)，OR对减少N淋失最显著(降幅达45%)，为可持续农业中覆盖作物的选择提供了量化工具。

　　

在应对气候变化和农业面源污染的双重挑战下，覆盖作物(CC)因其兼具固碳减排和减少氮淋失的双重功效，已成为可持续农业的关键措施。然而，现有农业生态系统模型对覆盖作物地下碳输入（如根系沉积）的模拟存在显著不足，且缺乏针对不同覆盖作物物种的精准参数化，这严重制约了对覆盖作物长期环境效益的量化评估。

哥本哈根大学（University of Copenhagen）植物与环境科学系的研究团队在《Agricultural Systems》发表的研究，通过创新性地整合¹⁴C标记实验数据与机理模型，完成了Daisy模型中油萝卜(OR)、冬黑麦(WR)和毛苕子(HV)三大覆盖作物的参数校准。研究首次实现了对覆盖作物根系沉积碳(Phyllo-and rhizodeposition C)的动态模拟，揭示WR能通过增加地下碳输入使土壤有机碳(SOC)年损失减少0.12%，而OR凭借高效吸氮能力可使氮淋失降低45%，为覆盖作物的精准选用提供了科学依据。

关键技术方法包括：1) 基于两年田间试验（砂土）的覆盖作物生物量、碳氮含量及¹⁴C标记的根系沉积数据校准模型；2) 使用独立的一年壤土试验数据进行模型验证；3) 设置包含三种土壤类型（砂土、低/高黏粒含量壤土）和两种气候条件的30年轮作情景模拟；4) 通过根均方误差(RMSE)评估模型性能。

【模型校准与验证】

通过调整光合产物分配系数和根系死亡率等参数，使模拟的根系碳含量误差降低23-68%。特别在油萝卜模型中，新增的氮响应模块成功再现了150 kg N ha^-1处理下叶片氮浓度激增53%的现象。验证数据显示，校准后模型对毛苕子地上生物量的预测误差从28%降至9%。

【情景分析结果】

• 土壤类型效应：高黏粒壤土使冬黑麦生物量提升23%，因其持氮能力促进根系生长（R:S比达0.38）

• 气候适应性：西欧冷湿气候导致油萝卜早衰，使其在砂土中的碳输入量波动达3.7-5.4 Mg ha^-1

• 轮作优化：覆盖作物在冬大麦后种植时，早播10天使碳输入量提高41%

【环境效益量化】

长期模拟显示：

• 碳汇潜力：冬黑麦使砂土碳年损失减少92 kg C ha^-1，主要归因于其深层根系（>60cm）沉积的难分解碳

• 氮截留：油萝卜在砂土中减少N淋失22 kg ha^-1 yr^-1，效果优于豆科作物（仅9 kg）

该研究突破了传统模型忽视地下碳输入的局限，首次实现覆盖作物"全器官-全生育期"碳氮通量模拟。所建立的参数体系为评估覆盖作物对"双碳"目标的贡献提供了方法论基础，其中冬黑麦与油萝卜的协同种植方案，可望在减少氮淋失34%的同时提升土壤碳储量0.1%，为农业绿色转型提供了量化工具。研究揭示的覆盖作物生长窗口优化策略（如优先安排在前茬高氮作物后），可直接指导田间实践，助力欧盟"从农场到餐桌"战略的实施。