土壤是陆地最大的碳库，土壤有机碳（SOC）在维持土壤质量和相关生态系统服务方面发挥着关键作用。在大范围内以高空间和时间分辨率准确估算 SOC 库储量仍具挑战性，尤其是在农业系统中，碳输入往往不确定或不可用。本研究使用RothC 模型模拟了1986年至2022年荷兰农业矿质土壤中SOC库储量，空间分辨率为25米×25米，研究了总SOC库储量及其在RothC 碳库中的分布随时间和空间的变化，并揭示了牲畜粪便输入和土地利用如何影响观察到的趋势。在表层土壤（0 ~ 30 厘米）中，SOC 库储量在草地增加了 13.2%，在农田减少了10.4%，在土地利用变化的地区减少了 3.9%。草地中碳的增加与系统性较高的粪便输入以及在稳定碳库中的积累有关，而较低的粪便输入和更集约化的管理导致了易变 SOC 库储量的下降。对三个空间数据集进行的独立验证表明，基于点的田间数据模型性能最高（1986年模型效率系数MEC 为0.32，2022年为0.37）。在所有数据集中，随时间推移观测到的土壤有机碳（SOC）变化情况可能无法很好地重现（MEC ≈ 0），但模拟的时空模式与先前的观测研究结果一致。该研究展示了RothC在全国范围内评估和监测SOC库存方面的潜力，同时也强调了改进输入数据和时间验证数据的必要性。这种建模方法有效地捕捉了 SOC 库存动态，这对于纯经验统计模型来说仍是一个挑战。未来的研究可以从将 RothC 与机器学习相结合的混合建模方法中获益，从而增强捕捉当前未解释的变异性并提高模拟性能的能力。

图1.由1986-2022年期间矿物土壤上的三种农用土地利用制度划定。

图 2.用于SOC库存时空建模的RothC流程图。白框表示输入数据和参数，蓝框表示模型流程和绩效评估，绿色框表示模型输出。

图3. 1986年土壤初始有机碳储量(t C ha−1)和平衡碳输入(t C ha−1年−1)的空间分布(B)。

图4.不同碳库比例的初始碳储量的空间分布，DPM：可分解植物材料，RPM：抗性植物材料，BIO：微生物生物量，HUM：腐殖化有机质，IOM：惰性有机物。

图5.2022年土壤有机碳储量(tC ha−1)的空间分布(A)和1986年至2022年的平均土壤碳储量变化率(t C ha−1年−1)(B)。

图6.1986年至2022年不同土地利用类型的年平均有机碳储量(t C ha−1)及其第5和第95个百分位数的时间趋势。

图7.不同土地利用类型下平均RothC碳库的时间趋势：(A)可分解植物材料(DPM)，(B)抗性植物材料(RPM)，(C)微生物生物量(BIO)，(D)腐殖化有机质(HUM)，(E)惰性有机质(IOM)。

图8.(A)土壤有机碳(SOC)储量，(B)可分解植物材料(DPM)，(C)抗性植物材料(RPM)，(D)微生物生物量(BIO)，(E)腐殖化有机质(HUM)，(F)惰性有机物(IOM)。

图9.不同土地利用类型(A)土壤有机碳(SOC)储量、(B)可分解植物材料(−)、(C)抗性植物材料(RPM)、(D)微生物生物量(BIO)、(E)腐殖化有机质(HUM)、(F)惰性有机质(IOM)的时间动态变化。

图10.从Lucas(2018)、PFB(2022)和Naba(年底)观察到的SOC库存和变化率与RothC模拟的SOC库存和变化率进行比较：(A)Lucas SOC库存2018年，(B)Lucas SOC库存2022年，(C)Naba SOC库存年末，(D)Lucas SOC库存变化率，(E)PFB SOC库存变化率，以及(F)Naba SOC库存变化率。将结果与1：1线与三个精度指标(ME、RMSE、MEC)进行比较。

表3.RothC模拟的SOC存量和变化与来自Helfenstein等人的网格数据的比较。(2024a)(PCC=皮尔逊相关系数)。