使用EPIC-IIASA元模型预测空间时空土壤有机碳对管理的反应

科学领域:

• 农业科学 农业科学
• 环境科学 环境科学
• 气候科学 气候科学

背景情况:

• 土壤有机碳 (SOC) 管理对于减缓气候变化和全球粮食安全至关重要.
• 农业实践历来减少了全球的SOC,需要改进管理策略.
• 机械作物模型用于识别有效的SOC管理,但计算密集且数据有限.

研究的目的:

• 开发复杂作物模型的统计元模型,以简化SOC响应预测.
• 探索SOC动态的生物物理驱动因素及其在欧洲的空间变异性.
• 提供一个具有成本效益和可扩展的工具来评估SOC对农业管理的反应.

主要方法:

• 开发了使用EPIC-IIASA GAM的5600个模拟的多项式回归集合元模型.
• 根据气候和土壤集群的分层模型,跨越86,000个欧洲模拟单元.
• 与区域和地方SOC动态相对应的验证的元模型预测.

主要成果:

• 生物物理显式元模型准确地代表了完整的机械模型 (R2 = 0.97).
• 超模型有效地预测广泛的SOC动态,比如对残留物应用的线性反应.
• 根据气候和土壤的模型分层提高了预测准确度.

结论:

• 统计元模型为SOC管理评估提供了机械模型的计算有效替代方案.
• 这些元模型可以应用于各种规模,从区域到现场研究.
• 该框架有助于理解空间上不同的SOC对管理的反应,为未来的农业战略提供信息.