《Biochar》：Global evaluation of a new biochar model for supporting climate-smart agriculture
编辑推荐：
本文聚焦生物炭（biochar）作为气候智慧型农业（CSA）解决方案在全球不同环境中的有效性尚不明确的现实问题。研究人员开发了一个过程性生物炭模型（DLEM-Ag-Biochar），基于48个全球田间试验点的数据，系统评估了生物炭对作物产量、土壤有机碳（SOC）和温室气体（GHG）排放等关键CSA指标的影响。结果表明，该模型在玉米、小麦和大豆系统中的平均预测误差较低（R2= 0.78-0.91），其准确性受气候、土壤和施用量的显著影响。该模型为在不同土壤和气候条件下优化生物炭应用、推动农业可持续集约化和净零排放目标提供了有力的量化工具。
气候变化与农业可持续发展是全球面临的紧迫挑战。在这一背景下，生物炭（biochar，由生物质热解产生的富碳材料）作为一种潜在的气候智慧型农业（Climate-Smart Agriculture, CSA）实践，受到了广泛关注。它被认为能够通过固碳、改善土壤健康和减少温室气体（Greenhouse Gas, GHG）排放，在保障粮食安全的同时缓解气候变化对农业生态系统的不利影响。然而，生物炭的实际效果因环境而异，其在全球多样化土壤、气候和种植系统下的有效性尚未得到很好的量化。现有研究多为短期田间试验或实验室模拟，难以捕捉自然系统的异质性和长期动态，也缺乏能够综合评估其对产量、土壤碳和温室气体排放协同影响的强大建模工具。因此，开发一个能够模拟生物炭与土壤-植物-大气系统复杂交互作用的过程模型，并利用广泛的实地观测数据进行校准和验证，对于优化生物炭管理策略、最大化其环境与经济效益至关重要。
为了回答上述问题，一个国际研究团队在《Biochar》期刊上发表了一项研究。他们基于动态陆地生态系统模型-农业版（Dynamic Land Ecosystem Model-Agriculture, DLEM-Ag）开发了一个全新的生物炭子模块（DLEM-Ag-Biochar）。该模型是一个过程模型，能够以天为步长模拟作物生长以及碳、水、氮的动态。研究团队从全球已发表的田间实验中筛选出48个站点，这些站点覆盖了不同的气候带、土壤类型和生物炭施用量，并且种植系统仅限于玉米、小麦和大豆或其轮作，以确保数据一致性。他们收集了这些站点的作物产量、土壤有机碳（Soil Organic Carbon, SOC）和GHG（如CO2）排放的观测数据，以及详细的土壤属性、生物炭特性（如原料、热解温度、施用量）和管理措施。利用这些数据，研究人员对DLEM-Ag-Biochar模型进行了系统的校准和验证，评估了其在不同条件下的预测性能，并进行了参数敏感性分析，以探究生物炭施用量对各种环境和生物地球化学过程的影响。
研究人员开展本研究用到几个关键技术方法：首先是过程模型开发与集成，在已有的DLEM-Ag框架中构建了生物炭模块，该模块将生物炭分为易分解和难分解两个碳库，并模拟其分解、对土壤原生有机碳的激发效应、对氮矿化/固定、土壤阳离子交换量（CEC）、pH值、氨吸附以及土壤水分特性的影响。其次是多源数据驱动与模型校准，研究整合了来自48个全球田间试验站点的观测数据（包括产量、SOC、GHG、土壤性质、生物炭特性及管理措施）以及气候、地形、大气化学等驱动数据，对模型参数进行了精细校准。最后是模型性能评估与敏感性分析，采用决定系数（R2）、均方根误差（RMSE）和相对绝对误差（RAE）等指标全面评估模型在多种条件下的预测准确性，并采用“一次一个参数”的局部敏感性分析方法，量化了生物炭相关参数变化对关键输出变量的影响。
3.1 整体模型性能
DLEM-Ag-Biochar模型在模拟作物产量、SOC和CO2排放方面表现出色。与田间观测数据相比，作物产量模拟的R2为0.78，SOC模拟的R2为0.72，而CO2排放模拟的精度最高，R2达到0.91。这些结果证明了该模型能够稳健地捕捉生物炭对农业生态系统的综合影响。
3.2 作物产量的模型性能
模型性能因作物类型、土壤质地、气候区和生物炭施用量而异。在作物类型上，对小麦的模拟精度最高（R2= 0.79），大豆最低（R2= 0.58）。在土壤质地上，模型在中质地土壤上表现最佳（R2= 0.87），在粗质地土壤上较差。在气候区方面，热带（R2= 0.90）和温带（R2= 0.81）地区的预测精度高于干旱（R2= 0.55）和寒冷地区。在生物炭施用量上，中等施用量（5-20 t ha-1）下的产量预测最准确（R2= 0.83）。
3.3 土壤有机碳（SOC）的模型性能
对于SOC的模拟，模型在玉米和小麦系统中表现良好（R2分别为0.82和0.77），但在大豆系统中表现不佳（R2= 0.48）。在粗质地和细质地土壤上SOC预测精度很高，但在中质地土壤上较低。气候方面，在干旱和寒冷地区表现好，在热带地区预测能力很弱。模型在无生物炭和高施用量条件下预测SOC更准确，在低施用量下表现较差。
3.4 温室气体排放的模型性能
对于CO2排放的模拟，模型在小麦和玉米系统中表现优异（R2分别为0.96和0.74）。在细质地土壤和温带、寒冷气候区预测非常准确，但在热带和干旱地区表现下降。模型在无生物炭和高施用量条件下对CO2的预测精度最高。
3.5 生物炭施用量对环境变量的敏感性分析
敏感性分析显示，提高生物炭施用量（从2.5到50 t ha-1）会显著增加CO2和N2O排放，但略微降低CH4排放。同时，生物炭增加了硝化、反硝化速率和土壤铵态氮（NH4+）库。SOC随施用量增加而大幅提升，但土壤有机氮（SON）增加有限。净生态系统生产力（NEP）随施用量增加而下降。此外，生物炭增加了土壤水分入渗，略微降低了蒸发，并对作物产量有轻微的促进作用。
讨论与结论
本研究开发的DLEM-Ag-Biochar模型首次在全球范围内利用大量田间观测数据，对生物炭在主要作物系统（玉米、小麦、大豆）中对产量、SOC和GHG排放的协同影响进行了综合评估。模型整体表现出良好的预测能力，但其性能在不同环境条件下存在差异，这凸显了生物炭效应的情境依赖性。例如，模型在热带和温带、中质地土壤上对产量的预测更准，可能因为这些条件下生物炭改善土壤结构和养分有效性的正向反馈更为明显。而在干旱地区或粗质地土壤上，水分限制或其他胁迫因素可能削弱了生物炭效应，增加了模型模拟的难度。对于SOC和GHG，模型在某些条件下（如低施用量、热带地区）表现不佳，可能源于观测数据有限、激发效应等过程的复杂性，或模型参数化在不同生态系统中的普适性不足。
该研究的重要意义在于，它提供了一个强大的、经过验证的过程模型工具，能够帮助利益相关者（从农民到政策制定者）理解和预测生物炭在不同地方的具体效果。模型能够量化生物炭应用的权衡，例如，虽然高施用量能显著增加SOC固存，但也会增加CO2和N2O排放，并对NEP产生负面影响。这些见解对于制定因地制宜的生物炭管理策略、优化其作为气候减缓技术的应用至关重要。未来，需要更多的长期、多点的田间观测数据来进一步改进模型，特别是 underrepresented 的环境和作物系统。同时，将模型扩展到区域乃至全球尺度，评估生物炭大规模应用对粮食安全、碳平衡和气候变化减缓的潜在贡献，将是下一步有价值的研究方向。总之，这项研究通过推进对生物炭-农业生态系统相互作用的量化理解，为实现可持续集约化和净零排放的全球农业目标迈出了关键一步。
