《Applied Soil Ecology》：DNDC-RF framework based regional soil organic carbon modeling and carbon sequestration potential prediction under climate and farm management scenarios
编辑推荐：
精准农田土壤有机碳建模与未来固碳潜力预测，通过整合过程模型DNDC与机器学习随机森林算法，构建DNDC-RF框架，利用1980-2024年多源数据验证时空动态预测能力，并评估2025-2100年不同气候情景（RCP4.5/8.5）和耕作管理（NT/RT/DT/SR/MF/CF）下的碳固存潜力。结果表明MF+CF+SR组合固碳速率达1386-4999 kg C ha?1 yr?1，为气候适应性农业管理提供科学依据。
张月|贾增辉
吉林农业大学资源与环境学院，中国长春130118
摘要
背景
在空间和时间上准确模拟农田土壤有机碳（SOC），并预测其未来的碳封存潜力，有助于改善土壤质量、提高粮食产量，并制定应对气候变化的农田管理策略。
研究问题
基于过程的模型可以在站点尺度上模拟土壤碳，而广泛应用的基于机器学习（ML）的数字土壤制图（DSM）技术无法纳入地表碳循环过程。因此，对农业土壤中时空SOC储存的可靠监测仍然受到限制。
方法
在这项研究中，我们从1980年至2004年间在中国吉林省中部发表的35篇文章中收集了249组不同农田管理下的SOC观测数据，以评估DeNitrification-DeComposition（DNDC）模型的模拟结果。此外，我们还在2005年、2010年、2015年、2020年和2024年收集了共计1947个农田SOC数据（0–20厘米深度）。选择了包括地形、气候、土壤、母质、植被和农田管理在内的21个环境变量作为随机森林（RF）模型的协变量。然后，通过将年度DNDC输出（如SOC和CO?）整合到RF模型中，建立了DNDC-RF框架，将站点尺度的模拟扩展到2005–2024年期间农田SOC的时空动态。基于DNDC-RF的结果，预测了2025年至2100年两种未来气候情景（RCP 4.5和RCP 8.5）和不同农田管理下的SOC封存潜力。为这些未来的SOC预测设计了四种管理类别，包括免耕（NT）、减少耕作（RT）和深耕（DT）、秸秆还田（SR）、粪肥施用（MF）和化学肥料施用（CF）。
结果与结论
DNDC-RF框架在时空SOC预测中表现出良好的准确性，对于2005年、2010年、2015年、2020年和2024年的验证数据集，其R2值相对较高（分别为0.78、0.75、0.80、0.85和0.79），均方根误差（RMSE）较低（分别为1.15、1.21、1.09、0.99和1.09克/千克）。在不同管理方式下，MF及其相关措施在2025年至2100年的未来气候情景下显示出最高的SOC增加率。其中，MF + CF + SR的SOC增加率最高，短期（<3年）、中期（3–10年）和长期（>10年）分别为1386–4999、640–2099和494–1622千克碳/公顷/年。
意义
我们的混合框架在物理机制和空间扩展方面改进了时空土壤碳制图方法。这些发现强调了选择最佳管理策略以增强土壤碳封存、支持未来气候缓解目标的重要性。
引言
全球农田每年可以储存33亿至68亿吨碳（C），土壤有机碳（SOC）在农业土壤的碳封存中起着重要作用（Smith等人，2020年；Xia等人，2023年）。农田SOC的特点是碳封存周期短、储存能力高且活性强，这对全球碳循环和粮食安全具有重要意义（Wang等人，2020年；Oldfield等人，2022年）。SOC储量容易受到人类活动的影响，如耕作方式、肥料施用和作物残渣覆盖（Wiesmeier等人，2019年；Petito等人，2024年）。目前认为，农田管理策略可以提供一种环保的方法来促进土壤碳封存并减少温室气体排放（Chen等人，2024年；Xie等人，2024年）。因此，更好地评估当前农业土壤中的SOC储量及其未来的碳封存潜力非常重要。这种评估将有助于提高农田土壤质量、可持续增加作物产量，并制定气候变化策略。
考虑到气候、地形、植被、母质和农田管理的影响，农田中的SOC储量具有高度的空间异质性和时间动态性。此外，在区域尺度上估算和预测农业土壤中的SOC储量具有挑战性（Long等人，2024年；Lin等人，2025年）。近年来，许多研究在不同空间尺度上估算了SOC储量，如点尺度、田块尺度、流域尺度和国家尺度（Tziolas等人，2020年；Zhou等人，2023年；dos Anjos Bartsch等人，2025年）。基于碳循环机制的描述，过程模型是一种知识驱动的模型，被认为是估算SOC最有效的方法之一（Paramesh等人，2022年；Hyun和Yoo，2024年）。国际上广泛使用的碳循环模型包括DeNitrification-DeComposition（DNDC）、RothC、CENTURY、CASA、Agro-C和EPIC。DNDC模型提供了描述碳和氮（N）循环过程的科学工具，具有长期模拟能力、详细的参数设置和很强的适用性。它可以准确估算SOC，并评估管理措施和气候变化对农业土壤的影响（Woodcroft等人，2018年；Peng等人，2020年）。然而，基于过程的模型总是需要许多参数进行模型校准，并且在时间和空间上离散地模拟土壤碳，这限制了对大尺度SOC储存时空特性的探索（Singh和Benbi，2020年；Wang等人，2022年）。
数字土壤制图（DSM）通过探索土壤性质与环境协变量之间的关系，提供了一种新的SOC估算方法，基于scorpan模型（McBratney等人，2003年）。机器学习（ML）模型因能够处理目标变量与各种预测因子之间的复杂和非线性关系而受到更多关注（Guo等人，2020年；Zeraatpisheh等人，2023年；Zhang等人，2024a）。基于ML的DSM是一种数据驱动的方法，可以预测土壤性质的空间变化，并通过使用过程模型将其估算结果从点扩展到区域尺度来提高SOC估算的准确性（Hu等人，2023年；Adeniyi等人，2024年）。然而，ML是一个“黑箱”模型，通常由于对地表机制过程理解不足而存在泛化能力和迁移能力较弱的问题（Hutson，2022年）。将知识驱动的过程模型与数据驱动的ML模型结合起来，可以推进长期SOC模拟和区域扩展，并获得更稳健的土壤碳储存动态（Zhang等人，2024b）。例如，Chang等人（2024）使用随机森林（RF）算法对输入变量和DNDC模拟结果进行回归分析，并开发了一个DNDC-RF框架，以高精度预测SOC、产量和N?O。Xie等人（2024）将RothC模型预测的SOC整合到空间-时间RF模型中，以获取1980–2015年期间农田SOC储量的时空动态及其未来趋势。然而，一些研究仅选择了有限的站点进行模型验证，最小模拟单位仍然在县级。由于SOC的空间异质性，这一级别的模拟结果可能导致较大的不确定性。一些研究没有纳入足够的环境变量，如土壤质地、土壤类型和农田管理，以改进SOC预测。迄今为止，一个结合基于过程模型和基于ML算法的可靠且可行的框架，用于当前和未来土壤C储存预测，仍然处于发展阶段。为了填补这一研究空白，本研究旨在提供一种新的解决方案，结合过程模型和ML算法，利用特定站点的时间序列数据提供时空SOC建模的像素级方法。
农田管理实践，如保护性耕作、作物残渣覆盖和粪肥施用，可以在短期内快速改变土壤碳封存（Liu等人，2023年；Ball等人，2025年）。通过在未来几十年内采用适当的管理措施，可以补偿0.1–27%的农业温室气体排放（Rodrigues等人，2021年）。但没有任何国家实现“每千公顷4吨”倡议的目标，这表明需要探索更多的农田管理措施及其组合，以帮助农业土壤中的碳封存。同时，农田管理实践也与气候变化有关，这对估算过去和未来的SOC储存提出了巨大挑战。农田管理和气候变化对SOC储存的交互效应受到的关注较少，需要紧急推荐能够应对未来气候变化的管理措施。
吉林省位于中国东北部的黑土地区，是中国商业粮食生产的基础。目前，黑土处于稳定利用期，土壤质量和碳封存的改善主要依赖于各种农田管理策略的规范化。本研究的主要目标是：（1）使用DNDC模型在站点尺度上模拟和验证1980–2004年SOC的时间动态；（2）建立DNDC-RF框架，将DNDC模拟扩展到2005–2024年的区域尺度，以估算土壤碳；（3）预测未来气候变化和农田管理情景下的碳封存潜力，并在2025–2020年推荐适当的管理措施。
研究区域和土壤采样
研究区域包括中国东北部的吉林省中部，位于东经123°44′至127°45′和北纬42°7′至45°32′之间（图1）。吉林省中部总面积为57,711平方公里。该地区的气候特征为温带大陆性季风气候，年平均气温为4.6°C，年平均降水量为685毫米。该地区的主要土壤类型包括Cambisols、Phaeozems和Leptosols。
敏感性分析
如表4所示，SOC的敏感性指数表明，最敏感的因素是初始SOC含量，其次是土壤容重和粘土含量。土壤性质是影响SOC的最重要因素，SI范围从0.14到2.31。此外，粪肥施用率、氮肥施用率和秸秆还田对SOC有显著影响，SI范围从?0.35到0.59。气候参数对SOC的影响相对较小。
DNDC性能
DNDC-RF框架的优势
在这项研究中，我们首先通过将DNDC模型的模拟结果与1980–2004年间吉林省中部发表文献中的观测数据进行比较，评估了DNDC模型在站点尺度上的模拟准确性。我们的结果表明，DNDC在不同管理措施下模拟SOC的能力很强。这一发现与以往的研究结果一致（Zhang等人，2017年；Ding等人，2023年）。例如，Zhang等人（2017年）验证了...
结论
在这项研究中，我们探索了2005–2024年区域SOC估算的DNDC-RF框架，并预测了2025–2100年未来气候（RCP 4.5和RCP 8.5）和农田管理情景下的土壤碳封存潜力。首先，我们发现DNDC通过结合文献数据收集的足够站点，能够很好地模拟不同管理下的历史SOC。其次，混合DNDC-RF框架可以通过扩展站点尺度来准确模拟SOC动态...
CRediT作者贡献声明
张月：数据整理、概念化。贾增辉：方法论、调查。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
本研究得到了国家自然科学基金（42301074）的支持。
