综述：农业土壤甲烷产生与释放机制建模的挑战：局限性与机遇展望

《Critical Reviews in Environmental Science and Technology》：Challenges in mechanistic modeling of methane production and release in agricultural soils: Perspective on limitations and opportunities

本综述系统评述了稻田甲烷(CH4)排放机制模型的研究进展，重点分析了现有模型在表征CH4生产、氧化、运输和释放等复杂相互作用时的局限性。文章从过程概念化、模型性能、关键挑战及改进机遇四个维度深入探讨，强调了整合微生物过程、土壤生物地球化学和植物-土壤相互作用等机制对于提升模型预测精度的重要性，为开发更先进的稻田CH4模拟工具提供了重要视角。

　　

引言

甲烷（CH₄）是仅次于二氧化碳（CO₂）的重要温室气体，其全球增温潜势在20年和100年尺度上分别可达CO₂的84-87倍和28-36倍。农业活动是CH₄排放的主要来源，其中水稻种植贡献显著，年排放量估计达24-31太克（Tg）。随着全球人口增长和水稻需求的增加，准确预测稻田CH₄排放对于制定有效的气候变化减缓策略至关重要。

理解甲烷排放机制：现有土壤-作物模型中的概念化

现有模型如DNDC、DayCent、DSSAT、CH4MOD、DLEM和MERES等，采用不同的方法模拟CH₄相关过程。这些模型主要涉及土壤有机质分解与底物生产、好氧-厌氧机制、甲烷生成、甲烷氧化、根系机制以及甲烷运输途径等关键过程。

模拟土壤有机质分解与底物生产

土壤中的碳源，如植物残体、根系分泌物、有机肥等，是甲烷菌产生CH₄的底物。模型通常将有机质划分为多个库（如易分解和难分解库），并采用一级反应动力学来描述其分解，分解速率受温度、水分、土壤质地等因素调节。然而，实际土壤中的底物质量和可分解性是一个连续谱，模型中的离散化分类和简化代理（如C/N比）难以准确捕捉这种复杂性，且往往忽略了微生物活动的非线性和空间异质性。

好氧-厌氧机制模拟

土壤淹水后，氧气耗尽，微生物依次利用硝酸盐（NO₃^-）、锰（Mn⁴⁺）、铁（Fe³⁺）、硫酸盐（SO₄^2-）等电子受体进行还原反应，最终在强还原条件下发生甲烷生成。氧化还原电位（Eh）是表征这一过程的关键指标。例如，DNDC模型使用能斯特方程计算Eh，并采用"厌氧气球"概念来模拟好氧/厌氧区域的动态变化。多数模型基于淹水持续时间等简化假设来估算Eh，难以捕捉根际等微尺度的氧化还原异质性和快速动态变化。

甲烷生成

甲烷生成是由古菌（甲烷菌）在严格厌氧条件下进行的。主要途径包括乙酸发酵型（acetoclastic）、氢营养型（hydrogenotrophic）和甲基营养型（methylotrophic）产甲烷，其中乙酸发酵型是稻田中的主要途径。模型模拟方法各异：DNDC使用米氏方程分别计算乙酸型和氢营养型产甲烷速率；DayCent和CH4MOD将CH₄产量表示为可用底物、Eh和温度的函数；MERES则通过模拟替代电子受体库的消耗来估算潜在产甲烷速率。当前模型的局限在于将甲烷菌视为同质群体，忽略了其功能多样性和对底物竞争的动态响应，且关键动力学参数多来自文献而非现场测定。

甲烷氧化

甲烷氧化是减少净排放的关键过程，主要由好氧甲烷氧化菌在根际等有氧界面将CH₄氧化为CO₂。水稻植株的通气组织（aerenchyma）将氧气输送至根部，部分释放到根际，为甲烷氧化创造条件。模型通常将CH₄氧化模拟为土壤CH₄浓度和Eh的函数，并假设随着水稻生长（生物量增加），通气组织发育，氧化能力增强，从而减少植株运输的CH₄排放。然而，模型大多只考虑好氧氧化，对厌氧氧化途径的模拟非常有限。

根系机制模拟

根系通过分泌有机物（为产甲烷提供底物）、输送氧气（促进甲烷氧化）以及其通气组织（作为CH₄排放的主要通道）在CH₄动态中扮演复杂角色。约90%的CH₄通过水稻植株排放。一些模型（如Segers和Leffelaar的模型）尝试用反应-扩散方程模拟单根周围的CH₄动态，区分根际的好氧氧化区和远离根系的厌氧产甲烷区。修订版DNDC将根系视为碳源和氧气供应者。但多数模型对根系形态、径向氧损失、根系分泌物动态及其与微生物活动的相互作用表征不足。

甲烷运输机制

CH₄从土壤排放到大气主要通过三种途径：扩散（通过土壤-水界面）、冒泡（ebullition，当溶解CH₄超饱和时形成气泡释放）和植物介导运输（通过植株通气组织）。植物介导运输是最主要的途径。DNDC模拟了这三种途径，其中冒泡被模拟为土壤温度、根系生物量等的函数。DayCent和CH4MOD也模拟了植株运输和冒泡过程，认为冒泡在生长早期更显著。DLEM则对三种途径均有模拟函数。许多模型对扩散过程的处理相对简单，且对冒泡的触发机制（如基于溶解度阈值或游离气相体积阈值）的表述仍需完善。

模型性能的定量分析

对20项相关研究的分析表明，现有模型在模拟季节性CH₄排放总量和比较不同管理措施（如连续淹水CF与干湿交替AWD）时通常表现良好（例如DNDC的R2可达0.7-0.9）。但在日尺度上，特别是在淹水-排水转换等关键时期，模拟性能下降（R2约为0.3-0.7）。模型在模拟AWD条件下的排放、对氮肥施用量的响应、以及在高CO₂浓度（如FACE实验）下的CH₄排放增强效应时存在较大偏差。常见的误差来源包括：水文-氧化还原动态的事件尺度表征不足、气体传输途径（如土壤开裂）简化、作物品种特性考虑不周以及管理措施参数化不准确等。有针对性的机制改进，例如CH4MOD模型通过改进Eh-水分 regime 耦合和增加CO₂响应途径，显著提升了在多排水季节和高CO₂条件下的模拟性能。

甲烷机制建模面临的挑战

甲烷机制建模的挑战主要源于过程的复杂性、简化表示、微生物动态、多尺度问题以及数据稀缺。

过程复杂性与简化表示

模型包含大量假设和近似，例如均一的土壤性质、简化的有机质分解动力学、经验性的氧化还原电位估算等。作物模型对水稻生长（尤其是根系动态）的模拟偏差会传导至CH₄通量估算。模型通常未充分考虑品种差异、冻融循环等特殊环境因素的影响。气体传输模型（尤其是冒泡）未能充分考虑所有相互作用因子。

复杂动态的微生物过程

传统模型通过底物利用效率等聚合参数隐含表示微生物过程，无法捕捉微生物群落结构、功能多样性和其动态响应。土壤中好氧/厌氧微域的同时存在以及"热点"（空间异质性）和"热点时刻"（瞬时活动爆发）的相互作用对CH₄产生和氧化至关重要，但大尺度模型往往难以表征。

交互过程的复杂性

CH₄的产生、运输和排放受到土壤特性、植物性状、大气条件等超过50个因素的复杂非线性调控。这些因素在时空上快速变化，且与微生物活动、Eh波动和植物相互作用动态耦合，增加了建模难度。气候变化因子（如CO₂浓度升高、极端天气）进一步加剧了这种复杂性。

时空尺度挑战

CH₄相关过程发生在微米尺度，具有高度的时空变异性。模型通常采用日或更粗的时间步长，难以捕捉降雨等事件引起的快速动态。CH₄从产生到排放可能存在时间滞后，但一些模型假设零滞后。将不同尺度的过程机制联系起来的概念框架仍然缺乏。

数据可用性不足

CH₄通量及其关键过程（如根系分泌物、不同运输途径贡献率）的测量存在技术、成本和人力限制。密闭箱法和涡度相关法等测量方法结果存在差异。对关键过程（如根际氧化、植株内部氧化）的隔离测量数据稀缺。数据收集与模型开发需求脱节，限制了模型参数的校准和验证。

甲烷建模的机制增强建议

提升CH₄模型需在保持可扩展性和实用性的前提下，增强对土壤、植物、微生物和水文过程的机制表征。

水稻植株与根系过程表征

需要将植物物候与根系介导的CH₄过程动态关联。应开发机制性的根系分泌物模块，并与能模拟碳分配动态的作物模型耦合。需明确模拟通气组织发育和植株介导的气体传输，将其参数化为根龄、直径和氧气胁迫的函数，并引入基于轴向和径向阻力的根内气体导度模型。结合模拟根际沉积物运输和降解的三维根-土模型（如Landl等人的模型），可更好地链接根系分泌物模式与局部氧化还原梯度。

品种特异性参数

需要建立不同水稻品种的关键性状（如通气组织结构、根系形态、物候、凋落物质量）与CH₄产生和运输之间的功能关系。可通过控制实验（如SPAR舱）获取数据，并借鉴将等位基因值与基因型特异性参数关联的框架（如Tardieu等人提出的方法），将品种特性整合进作物模型。

土壤过程

用基于有限元的土壤模拟器（如2DSOIL, HYDRUS-2D）替代经验性的一维方法，可以更精确地模拟水、溶质、热和气体的传输过程，从而更好地表征控制CH₄动态的关键土壤物理约束（如充水孔隙度、扩散性）。

底物表征

改进底物分类，包括聚合物级碳（如木质素、纤维素）、颗粒有机碳、溶解性有机质、根系来源的活性碳以及微生物代谢产物库等。可参考Millennial模型、MEMS 2.0等近期模型的概念。

生物地球化学与氧化还原

引入由吉布斯自由能变化驱动的完全耦合的反应网络，模拟不同氧化还原条件下微生物对底物和电子受体的竞争。采用灵活的化学计量模型和多底物动力学（如Monod动力学），使产甲烷群落能根据底物可用性在氢营养型和乙酸型途径间切换。集成PHREEQC等高级生物地球化学模型，与土壤过程模型进行状态交互，可提升模拟精度。

微生物动力学

除了在DNDC、DayCent等模型中已有的一定程度的微生物明确表征改进外，可借鉴DEMENT、MEND、MIMICS等微生物显式模型，通过表征微生物生理、功能群、酶促过程等来增强模拟。利用功能性微生物标记基因（如mcrA用于产甲烷菌，pmoA用于甲烷氧化菌）的丰度，以及元基因组学、元转录组学等高通量数据，可以为模型参数化提供生物学依据，表征微生物群落对环境变化的响应。

尺度问题

采用分层缩放方法，例如从动力学尺度→单根尺度→土层尺度→田块尺度逐步升级（Segers和Leffelaar的方法）。在田块或区域尺度，可通过识别具有相似CH₄过程动态的代表性单元（CH₄-RPUs）进行升尺度。引入随机性，模拟轨迹集合，有助于量化模型输出的不确定性。

数据

模型机制的增强需要更多高质量数据支持。应明确每次增强所需的最小输入和实用替代指标，以保持在数据有限情况下的适用性。加强数据科学家与模型开发者之间的沟通，针对模型开发需求进行系统数据收集至关重要。

模型需要多强的机制性？

模型复杂度的平衡取决于模型运行速度、数据需求和可用性以及参数可约束性。可采用分层设计：保留精简核心用于常规，在条件和数据允许时激活更丰富的物理过程，并可为大尺度应用使用代理模型或仿真器。新机制应能显著提升目标条件下的模拟技能、其参数可从实际可收集数据中估计、并且符合计算资源预算。

人工智能/机器学习方法

机器学习（ML）模型在利用大数据捕捉CH₄排放与输入变量间的复杂非线性关系方面表现出强大预测能力。但其"黑箱"特性限制了过程机理的理解。将ML应用于单个子过程（如利用MICROPHERRET预测微生物功能），然后以模块化方式串联（混合建模），是一个有前景的方向，但需要各过程的高质量数据且误差可能传递。若目标仅是精准预测，ML模型适用；若需科学解释和物理机制，过程模型更合适。

结论

甲烷的产生、氧化、运输和排放过程极其复杂。现有模型尽管尝试模拟详细的生物地球化学过程，但仍受限于概念理解、微尺度数据缺乏以及计算可行性所需的简化。随着对CH₄动态（尤其是微尺度）科学认识的不断深入，现有模型的许多假设和功能表述面临挑战。系统量化模型的概念化方式、性能及其误差驱动因素，并基于此识别改进机遇，将有力指导未来CH₄模型的发展，从而为开发更精准的稻田CH₄排放预测工具、支持有效的温室气体减排策略提供关键支撑。