《Environments》：Representing Grazing Disturbance–Recovery Processes Improves Simulation of Soil Carbon Dynamics in Grazed Systems
编辑推荐：
放牧管理强烈影响土壤有机碳（SOC）动态，然而广泛使用的DayCent模型的现有版本主要通过生物量移除和粪便归还来表征放牧效应，未明确模拟放牧后植被再生或践踏驱动的有机质再分配。为弥补这一局限，研究人员开发了DayCent-IGM（改进放牧模块），该模块纳入两
放牧管理强烈影响土壤有机碳（SOC）动态，然而广泛使用的DayCent模型的现有版本主要通过生物量移除和粪便归还来表征放牧效应，未明确模拟放牧后植被再生或践踏驱动的有机质再分配。为弥补这一局限，研究人员开发了DayCent-IGM（改进放牧模块），该模块纳入两个额外过程：受气候和剩余生物量约束的放牧后再生，以及践踏驱动的生物量和凋落物向土壤库的再分配。利用18个放牧试验样地的SOC储量和基于处理的SOC变化速率评估了模型性能。与原始DayCent相比，DayCent-IGM改善了对SOC储量和变化速率的模拟。对于SOC变化速率，均方根误差（RMSE）从0.688降至0.419 Mg C ha?1 yr?1，偏差从?0.081改善至?0.001 Mg C ha?1 yr?1，且模拟的平均SOC变化速率与观测值高度吻合（模拟值0.099 vs. 观测值0.100 Mg C ha?1 yr?1），而DayCent低估了平均速率（0.019 Mg C ha?1 yr?1）。这些结果表明，明确表征放牧干扰-恢复过程可改善对管理驱动的SOC响应的模拟。由于DayCent-IGM除标准DayCent数据外无需额外输入，它为放牧生态系统中的SOC建模提供了一个实用框架。
土壤是陆地生态系统中最大的有机碳库，其碳储量超过植被和大气之和。历史上农业土地利用，包括农田扩张和放牧，已导致全球范围内土壤有机碳（SOC）的大量损失。恢复耗竭的SOC储量被视为基于自然的气候变化减缓解决方案。由于SOC动态源于植被、土壤性质、气候和管理实践之间的复杂相互作用，过程模型被广泛用于评估SOC对土地管理的响应。放牧生态系统尤为重要，草地约占地球陆地表面40%，放牧管理强烈影响土壤碳动态。然而，广泛使用的DayCent模型在表征放牧效应时，主要通过生物量移除和粪便归还，未明确模拟放牧后植被再生和践踏驱动的有机质再分配。这些过程可能影响植物生产力、地下碳输入、凋落物掺入和SOC积累，构成模拟放牧管理影响的不确定来源。因此，研究人员开发了DayCent-IGM（改进放牧模块），旨在明确表征放牧干扰-恢复过程，以改善SOC动态模拟。
研究人员在DayCent中纳入了两个额外过程：受气候和剩余生物量约束的放牧后再生，以及践踏驱动的生物量和凋落物向土壤库的再分配。利用18个放牧试验样地的SOC储量和基于处理的SOC变化速率评估模型性能。与原始DayCent相比，DayCent-IGM改善了对SOC储量和变化速率的模拟，其中SOC变化速率的RMSE从0.688降至0.419 Mg C ha
?1 yr
?1，偏差从?0.081改善至?0.001 Mg C ha
?1 yr
?1，模拟的平均SOC变化速率与观测值高度接近。这些结果表明，明确表征放牧干扰-恢复过程改善了管理驱动SOC响应的模拟。由于DayCent-IGM不需要额外输入数据，它为放牧生态系统SOC建模提供了实用框架。该研究成果发表在《Environments》期刊上。
研究人员采用以下关键技术方法：从已发表文献中编译了18个放牧试验样地的重复SOC测量数据，样地覆盖美国、加拿大、澳大利亚、巴西、法国和中国，土壤黏粒含量10–66%，包含5个IPCC气候带和6种土壤类型；使用DayCent模型进行模拟，并开发了DayCent-IGM扩展模块，包括再生长算法和践踏效应；采用扩展傅里叶幅度敏感性检验（FAST）方法分析参数敏感性；使用SCE-UA算法和均方根误差（RMSE）作为目标函数进行参数校准；采用3折站点级交叉验证评估模型性能；使用R
2、NSE、RMSE和偏差评估模型性能。所有观测SOC数据统一至0–30 cm深度。
3.1 参数敏感性与模型响应模式：通过FAST敏感性分析，发现DayCent和DayCent-IGM的敏感性模式总体相似，FHP、TEFF(1)等参数影响最大。DayCent-IGM新增参数中，最大再生乘数A和践踏系数c2表现出可测量的敏感性，而c1、C、k敏感性较低。这表明新增模块影响了SOC动态，但主要控制仍来自原有碳循环参数。
3.2 校准参数：使用SCE-UA算法对6个共享碳循环参数进行3折交叉验证校准，得到各折的优化参数值。两种模型的参数值存在差异，反映出模型结构差异导致的校准解不同。
3.3 SOC储量验证：基于优化参数集，DayCent和DayCent-IGM均能较好再现观测SOC储量。DayCent-IGM的NSE从0.959提高到0.968，RMSE从424.8降至374.7 g m
?2，绝对偏差从98.6降至39.4 g m
?2。改进相对较小但一致。
3.4 SOC变化速率验证：两种模型在SOC变化速率上的差异更明显。DayCent-IGM将RMSE从0.688降至0.419 Mg C ha
?1 yr
?1，偏差从?0.081改善至?0.001 Mg C ha
?1 yr
?1，NSE从0.115提高到0.672，模拟平均变化速率0.099 vs 观测0.100，而DayCent仅为0.019。回归斜率从0.145提高到0.664。最大残差出现在澳大利亚Berridale站点，DayCent-IGM对cell grazing与no-grazing对比模拟良好，但低估tactical grazing对比。
讨论部分指出，DayCent-IGM作为一种定向扩展，保留了DayCent的SOC动态主要控制，同时通过新增路径改善了对管理驱动SOC变化的预测。评估设计确保了模型比较的公平性。局限性包括：数据集未直接验证各单独过程；SOC变化速率改进可能包含补偿误差；验证域偏向温带半干旱的牛羊放牧系统；天气输入来自多源数据。未来需扩展验证范围、直接测量再生和践踏过程，并改进地下碳输入和SOC稳定机制。
结论：本研究开发了DayCent-IGM，明确表征放牧后再生和践踏驱动的有机质再分配。在验证数据集中，DayCent-IGM保持了对SOC储量的良好模拟，并显著改善了对SOC变化速率的模拟，减少了预测误差和偏差。结果表明，仅准确预测SOC储量并不能保证准确模拟管理驱动的SOC变化。通过纳入干扰-恢复过程，DayCent-IGM提供了更强的过程基础来表征放牧管理对SOC动态的影响。该模型应视为定向过程扩展，而非完全牧草或微生物显式模型。未来需在更广泛的放牧系统中评估，并利用过程级测量直接检验再生和践踏组件。
