天津大学地科院副教授晏智锋等联合美国西北太平洋国家实验室-马里兰大学联合全球气候变化研究所Ben Bond-Lamberty等在土壤异养呼吸过程模型构建与应用上取得进展。相关研究成果以论文“A moisture function of soil heterotrophic respiration that incorporates microscale processes”于2018年7月2日在线发表在Nature Communications（IF=12.353）。
土壤有机碳（SOC）作为陆地生态系统最大碳库，其通过微生物降解（异养呼吸）每年产生的CO2是人类使用化石燃料年产生量的近五倍，因此准确预测土壤异养呼吸速率对预测未来气候变化至关重要。然而，目前普遍采用经验模型模拟土壤异养呼吸，空间可拓展性差，给预测区域或全球尺度土壤CO2排放带来了很大的不确定性。因此，需要建立土壤异养呼吸的机理或过程模型，提高预测土壤CO2排放及气候变化的准确性。
图：基于土壤异养呼吸微观机理构建宏观过程模型
该研究根据土壤异养呼吸的主要控制过程构建了其呼吸速率响应土壤含水率变化的过程模型。该模型揭示了土壤异养呼吸的微观机理和宏观规律之间的内在联系，通过建立模型参数和土壤属性之间的定量关系，率先将土壤属性融入到过程模型中，有效提高了模型的普适性和可靠性。相比于现有经验模型，该过程模型明显提高了土壤CO2排放的预测精度，有望提高地球系统模式中预测全球气候变化的准确性。该研究推动了陆地生态系统的模型发展和预测，为将更多的生物地球化学控制过程融入到模型中，从而降低模型预测的不确定性提供了新方法和新思路。
文章信息: Yan, Zhifeng; Bond-Lamberty, Ben; Todd-Brown, Katherine; Bailey, Vanessa; Li, SiLiang; Liu, CongQiang; Liu, Chongxuan*. 2018. A moisture function of soil heterotrophic respiration that incorporates microscale processes. Nature Communications. 9: 2562-2571。全文链接：https://www.nature.com/articles/s41467-018-04971-6#Sec12。
