Академический Документы
Профессиональный Документы
Культура Документы
2. Métodos
2.1. Ampliación del modelo N14CP para ecosistemas agrícolas
El modelo N14CP, implementado dentro de MATLAB, desarrollado originalmente por (Davies et al.,
2016a; Tipping et al., 2012) integra C, N y
P ciclismo en ambientes seminaturales. El modelo sigue las pistas C, N y P
piscinas en la biomasa de vegetación total, la capa superior del suelo (15 cm superiores del suelo) y
las capas del subsuelo en un intervalo de tiempo trimestral (3 mensual). Previamente ha sido
aplicado en sistemas semi-naturales templados (de hoja ancha y coníferas)
bosques, pastizales ásperos y brezales) a escala del sitio (Davies et al.,
2016a), y a escala nacional para investigar los efectos a largo plazo de la deposición atmosférica de N
en el sistema seminatural sobre el almacenamiento de C y
NPP (Tipping et al., 2017, 2019), y a un sitio no fertilizado en pastoreo
(Davies et al., 2016b). Se proporciona una descripción general del modelo en la figura 1.
La vegetación está representada en el modelo por dos piscinas de multa y
biomasa gruesa Se supone que el material grueso tiene un alto contenido de lignina
y descomponerse en la superficie, por lo tanto, no contribuye directamente a
la materia orgánica del suelo se acumula. Se definen biomasa gruesa y fina.
por relaciones C: N: P obtenidas para cada tipo funcional de planta (PFT) a partir de los valores de la
literatura. La relación C: N de tejidos finos varía (dentro de la literatura
valores) para representar el enriquecimiento de N, en función de la disponibilidad de N.
Aquí, hemos introducido cuatro nuevos PFT arables para representar a los principales
grupos de plantas cultivables cultivadas en sistemas agrícolas templados; cereales
(por ejemplo, trigo, cebada), cultivos de raíces (por ejemplo, papas), legumbres (por ejemplo,
guisantes y
frijoles) y semillas oleaginosas (por ejemplo, colza, girasol). Valores literarios de
relaciones de raíz a brote (para biomasa aérea y subterránea) y C: N: P
la estequiometría se usó para parametrizar estas PFT (ver tablas de información suplementaria S1,
(Bhattacharya et al., 1990; Hocking y
Meyer, 1991; Barnes y Pfirrmann, 1992; Chu y col., 1992; DemotesMainard y Pellerin, 1992; López-
Castañeda y Richards, 1994;
Janssen, 1996; Bolinder et al., 1997; Kang y col., 1998; Mollier y
Pellerin, 1999; Lambin et al., 2001; Li y col., 2001; Bolinder et al., 2002;
Baodong et al., 2005; Pietola y Alakukku, 2005; Kerkhoff y col.
2006; Sadras, 2006; Hernández et al., 2007; Kriauciuniene et al., 2008;
Mushagalusa et al., 2008; Bessler et al., 2009; Ort et al., 2013; USDA
Servicio de Conservación de Recursos Naturales, 2013; Patel et al., 2015;
Butterly et al., 2015; Girondé et al., 2015; Grupo de Biodinámica de Oregon,
2018; Zheng et al., 2018).
Para cultivos herbáceos, el modelo separa los nutrientes asimilados a través de la central nuclear.
en aquellos disponibles para su eliminación mediante cultivo (biomasa aérea, o
toda la biomasa para los cultivos de raíces) y los que quedan en el sistema del suelo (como basura)
poscosecha Para garantizar el equilibrio de masa de nutrientes dentro del modelo,
el rendimiento se estima como:
Donde CRemoved es el C total eliminado a través de la cosecha.
2.2. Datos para la calibración y prueba del modelo.
Datos de observación para suelos orgánicos de C, piscinas totales de N y P, pH del suelo y
El rendimiento de los cultivos se recopiló a partir de varios experimentos de suelo agrícola a largo
plazo en el Reino Unido y el norte de Europa (Fig. 2 e información complementaria S3, tabla 8). Cada
sitio tiene múltiples parcelas con diferentes terrenos
gestión por ejemplo tasa de aplicación de fertilizantes. Los sitios experimentales se seleccionaron
para incluir un rango de temperatura y patrones de precipitación representativos de la región (ver
Fig. 2). Los sitios incluyen labranza cultivable y
tratamientos de pastizales no labrados. Aplicación promedio anual de fertilizantes
las tasas oscilaron entre 0–40.5 y 0–35.0 g m − 2 años − 1 de N y P respectivamente. Los tipos de
cultivos incluyen cereales (trigo, cebada, centeno, avena), raíces (papas, remolacha, nabo), semillas
oleaginosas (colza) y legumbres (guisantes,
trébol). En total, se simularon 62 parcelas de 11 sitios experimentales,
las parcelas seleccionadas tuvieron un mínimo de dos observaciones de la capa superior del suelo C,
Ny
rendimiento. Varias parcelas también habían observado la capa superior del suelo P, medida
utilizando
Método Olsen P (que representa P inorgánico y una porción de la orgánica
P), lo que significa que los datos disponibles de la capa superficial del suelo P de los sitios no eran
directamente comparables con los resultados modelados.
La temperatura media y los datos de precipitación total a intervalos trimestrales para cada sitio
desde 1901 hasta 2015 se calcularon utilizando CRU mensual
TS4.00 (Unidad de investigación climática Serie temporal versión 4.00) modelado
datos (Harris et al., 2014; Harris y Jones, 2017). La temperatura media anual (MAT) anterior a 1901
varió temporalmente utilizando una anomalía
basado en Davis et al., 2003 (de manera similar a Davies et al., 2016a), y
la precipitación anual media (MAP) se mantuvo constante en el promedio de 30 años para 1901-
1931. Los datos de deposición de N observados se usaron para sitios
donde estaba disponible, y para otros sitios esto se estimó a partir de
Deposición modelada EMEP (MET Noruega, 2016). Una secuencia de históricos
Se aplicó la variación de la media (similar a Schöpp et al., 2003) a
estimar el depósito pasado de N.
Historias de uso de la tierra para el período de simulación (10,000 BCE hasta el presente)
se determinaron para cada sitio utilizando la información del sitio disponible en la literatura. Cuando
las historias estaban incompletas, se suponía que la tala de bosques había ocurrido cuando el 50%
de la tierra utilizable seguía siendo boscosa,
según las estimaciones de Kaplan et al. (2009) basado en el tamaño de la población y
idoneidad de la tierra para la agricultura y el pastoreo.
La recolección, la labranza y la aplicación de fertilizantes en cada sitio también se establecieron
basado en la información de la literatura (ver tabla de información complementaria 8
para mas detalles). Para sitios donde el momento de las cosechas no era
registrado se supuso que la cosecha se produjo en el tercer trimestre de la
año, y que el 95% de la biomasa aérea (que representa el 5% restante como rastrojo) se eliminó a
menos que se indique lo contrario. Tres de los sitios experimentales (Askov, Darmstadt y Broadbalk)
eran cultivables antes
El comienzo de los experimentos a largo plazo, pero carece de información sobre la tasa de abono.
Se supuso que la tierra cultivable durante estos períodos
ha recibido fertilizante en forma de estiércol animal o humano, por lo que
Se aplicó una tasa constante de adición de N y P (0,72 y 0,44 g m − 2 años − 1 respectivamente) a
estos períodos de manera similar a Muhammed et al., 2018.
2.3. Modelo de parametrización y prueba
Valores de parámetros para procesos que se incluyeron en el original
N14CP no se modificó (Davies et al., 2016a). Parámetros para nuevo
PFT (incluidas las relaciones C: N: P, fracciones de biomasa por encima y por debajo del suelo
e índices de cosecha) se establecieron en función de los valores de la literatura (ver 2.1 arriba
y tabla de información complementaria 4).
Mientras que varios modelos de agroecosistemas simulan el impacto de la labranza en las
propiedades físicas del suelo, pocos modelos consideran cambios en las propiedades biogeoquímicas
(Maharjan et al., 2018). El KPlough
parámetro dentro de la representación agrícola se estableció en un valor
de 3.0 (es decir, las tasas de descomposición simulada en suelos labrados se triplicaron) según el
modelo DNDC (Li et al., 1994) que simula tasas de descomposición aumentadas de hasta 3 veces
donde arar ocurre.
El grupo inicial de P resistente a la intemperie, PWeath0, que es una condición inicial, se estableció
en un primer momento en el valor utilizado para los no podzoles y los no clasificadores
en Davies et al. (2016a) y Tipping et al. (2017) Dentro del modelo, P
ingresa al sistema planta-suelo desde este grupo meteorológico fijo inicial
(PWeath0) basado en un lanzamiento anual (ΔPWeath) que se determina
por una constante de velocidad de primer orden dependiente de la temperatura (kPWeath);
Donde FT es la fracción del año con una temperatura trimestral media superior a 0 (ver Davies et al.,
2016a para más detalles). ΔPWeath ingresa a la capa superficial del suelo y se extiende
uniformemente durante el trimestre
pasos, contribuyendo a la disponibilidad de agua del suelo P. En aplicaciones seminaturales
del modelo, Davies et al., 2016a demostraron que el contemporáneo
las existencias de C, N y P orgánicos del suelo están fuertemente condicionadas por PWeath0.
Para investigar si esto también se aplicaba a entornos agrícolas, se realizó una segunda
parametrización mediante la cual se permitió PWeath0
variar entre 50 y 1000 g m − 2 para cada sitio, para minimizar un costo
función que penaliza el error entre los resultados del modelo y las observaciones.
Dado que el parámetro PWeath0 representa P intemperie inicial cuando el
el suelo comienza a desarrollarse, en principio el valor debe ser similar para todas las parcelas en un
sitio determinado, por lo que este parámetro se calibró en función del sitio
en lugar de una trama base.
Comparamos el modelo con todos los datos del experimento a largo plazo.
descrito en 2.2, analizando los resultados del modelo dentro de MATLAB. Dónde
se utilizan los valores predeterminados de PWeath0, esto esencialmente forma un
prueba ciega del modelo ya que los parámetros no están calibrados para el sitio
datos. Donde PWeath0 es variado, esto no es una prueba a ciegas, sino una exploración del control
relativo que puede tener esta condición inicial
sobre múltiples salidas en ciclos C, N y P.
3. Resultados
El rendimiento del modelo se evaluó mediante la comparación con los datos de cada una de las 62
parcelas, de los 11 sitios experimentales. Aquí, presentamos los resultados de 3 maneras para
abordar Los objetivos del artículo. En primer lugar, comparación por variable de salida (en todas las
parcelas y puntos de tiempo) para evaluar la capacidad del modelo para considerar las interacciones
entre ciclos de nutrientes. En segundo lugar, por práctica de gestión de tierras, para evaluar el
desempeño de la modelo a través de una gama de tipos de gestión agrícola. Finalmente,
temporalmente, para evaluar el rendimiento del modelo simulando el suelo cambian con el tiempo.
3.1. Resultados del modelo para todos los sitios: condiciones iniciales de meteorización P
predeterminadas
La columna izquierda de la Fig. 3 muestra los valores observados y los valores simulados del modelo
para las variables de salida clave (capa superior orgánica C del suelo, N total, C: N
relación y rendimiento de materia seca) para todos los puntos de datos antes de la calibración
basada en el sitio del PWeath0. Los valores medios observados y simulados son de
las mismas magnitudes y los valores de R2 son significativos (p b 0.001) con
la excepción de las proporciones C: N. Los valores observados de Olsen P muestran una correlación
significativa con el suelo orgánico simulado P (R2 0.18 p b 0.001,
pero una correlación más fuerte con el suelo inorgánico simulado P (R2 0.45
p b 0 .001, información complementaria S5). Sin embargo, es importante
tenga en cuenta que no es posible comparar directamente estas salidas con valores
obtenido por Olsen P.
3.2. Resultados del modelo para todos los sitios: condiciones iniciales de meteorización P específicas
del sitio
Después de calibrar el parámetro PWeath0 por sitio, el rendimiento del modelo a través de las
piscinas de nutrientes del suelo mejoró notablemente (Fig. 3 columna derecha). El rendimiento de
las variables de la capa superficial del suelo C y N mejora notablemente; R2
los valores aumentan de 0.23 a 0.66 y 0.67 a 0.81 respectivamente, RMSE
y las intercepciones de las correlaciones para estas variables también se redujeron,
ilustrando la reducción de error en los valores simulados. Actuación
de las variables C: N y rendimiento también muestran mejoría después de la calibración,
pero no tan significativo Se encontraron los valores de PWeath0 calibrados en el sitio
variar entre 50 y 1000 g m − 2 con un promedio de 255 g m − 2
.
3.3. Resultados del modelo por gestión de tierras
Los resultados del modelo desglosados por tipo de gestión de la tierra en la Tabla 1
y discutido a su vez aquí.
Más de la mitad de las parcelas fueron fertilizadas con N y P (n = 37). Como
el modelo se basa en la ley de Liebig, el NPP se simula en función del único
factor más limitante (de N, P, temperatura o precipitación). La mayoría
Se calculó que de las 37 parcelas fertilizadas con N y P eran limitadas
por N, con 7 que muestran limitaciones de temperatura / precipitación (a veces
fluctuando entre N / temperatura / precipitación limitada), y 3
mostrando limitación de P (o fluctuaciones entre P y N). tabla 1
muestra que el rendimiento de estas parcelas es mejor que el promedio que las fertilizadas con solo
N o P.
De las 62 parcelas, 10 no tenían adiciones de fertilizante N o P. El modelo indica que la NPP en estos
sitios no fertilizados estaba limitada por N o P. Para todos
las parcelas donde se agregó P sin N (n = 5) NPP también estaban limitadas por
N. Cuando se agrega N sin P (n = 10), la NPP simulada se convirtió en P limitada. El rendimiento del
modelo en estos 10 sitios está por debajo del promedio, particularmente para los rendimientos; los
rendimientos promedio en estas parcelas se subestiman en un 77%,
sin embargo, todas las otras parcelas se subestiman solo en un 15%.
3.4. Resultados temporales
Los datos recopilados del experimento agrícola a largo plazo.
sitios permite una evaluación del rendimiento del modelo a lo largo del tiempo. Evaluar el
rendimiento del modelo a largo plazo en todos los sitios al simular
tendencias en C y N, la primera y última observación de cada sitio
se utilizó para estimar un cambio en C y N durante el período de observación
(ΔC y ΔN). Los valores iniciales observados de C en todas las parcelas variaron desde
1746–9387 g C m − 2
, con cambio entre −3019 y + 3238 gC
m − 2 durante el período de observación (1–167 años). Los ΔC observados y simulados muestran una
relación positiva, sin embargo, esto no fue estadísticamente significativo (R2 b 0.01, p N 0.05).
Cuando ΔC se calcula como
porcentaje de suelo C la relación entre lo observado y lo simulado
el cambio es significativo (R2 = 0.08 p b 0.05, ver información suplementaria S6). Los valores iniciales
observados de N del suelo en todas las parcelas variaron desde
156–851 gN m − 2
, con cambio entre −258 y + 329 gN m − 2 durante el período de observación. La precisión del
modelo es mayor para N (ΔN
R2 0.01 p N 0.05, ΔN como porcentaje del suelo N R2 = 0.21 p b 0.01). Como
observado en la sección 3.1, los datos observacionales de Olsen P no fueron comparables
a valores simulados.
Para proporcionar un ejemplo de rendimiento de series temporales, la Fig. 4 muestra el
suelo simulado C, N y valores de rendimiento para parcelas del sitio de Askov
(Dinamarca) con diferentes aplicaciones de fertilizantes. Promedio observado
Los valores para cada sitio y los promedios de las salidas de simulación correspondientes a las
observaciones se muestran en la Tabla 2. El sitio de Askov es un cultivo
sitio con una rotación de cultivos de cereal, raíz, cereal, mezcla de hierba / trébol (las oscilaciones en
los rendimientos se deben a la rotación de cultivos). El cambio en el uso del suelo en 1795
desde el bosque de hoja ancha hasta el cultivo se puede observar en la "espiga" en el suelo C
y N causado por un aumento a corto plazo de la basura como resultado de la tala de bosques. El
modelo simula la magnitud del suelo C y N y las tendencias temporales con una precisión razonable.
Además, el modelo captura
Los impactos de los tratamientos de fertilizantes en las piscinas de suelo C y N.
Como también se indica en las estadísticas generales que se muestran en la Fig. 3, el modelo
normalmente subestima los rendimientos, pero el grado en que lo hace varía
con disponibilidad de nutrientes (el rendimiento del rendimiento es mejor en sistemas fertilizados,
como los resultados en la sección 3.3 describen). El observado interanual
la variabilidad de los rendimientos de los cultivos no está bien captada por el modelo debido en gran
medida
al uso de datos climáticos promediados, lo que resulta en la omisión de la temperatura y la
variabilidad de la precipitación. Factores adicionales como plagas y
las enfermedades que resultan en la variabilidad interanual de los rendimientos observados son
Tampoco se considera en el modelo. Por estas razones, las correlaciones entre los rendimientos de
cultivos observados y simulados fueron bajos. Sin embargo, como se muestra en la Fig. 4 y la Tabla 1,
la variación en el rendimiento entre parcelas como resultado de las aplicaciones de fertilizantes es
capturada razonablemente bien por el modelo.
Para proporcionar un ejemplo de pastizales, la Fig. 5 muestra las series de tiempo para Park
Grass (Reino Unido). Las magnitudes del suelo C y N son comparables a las observadas. El modelo
predice los rendimientos de hierba (materia seca de heno cortado)
con un menor grado de precisión que el rendimiento de los cultivos herbáceos. En el control
gráfico y el gráfico de alta adición de N, NPP simulado estaba limitado por P debido
hasta el agotamiento de P disponible (ver información complementaria S7. Esto
es similar a todos los otros sitios donde se agregó N sin P, como se describe
en la sección 3.3). Los cambios abruptos en las simulaciones reflejan cambios en los regímenes de
cosecha o fertilización (por ejemplo, los rendimientos de la parcela de adición de N y P
aumento en 2013 debido al cambio de adición de N de 0 a 14.4 g m − 2 año − 1).
4. Discusión
4.1. Rendimiento global
El modelo N14CP-Agri desarrollado y probado aquí simula valores observados de C, N y rendimiento
para una variedad de sitios en el norte
Europa a largo plazo. Los resultados indican la capacidad de la
modelo para simular tendencias espaciales y temporales. Incluso antes de la calibración del
parámetro PWeath0, las estadísticas de rendimiento del modelo
mostrado en la Fig. 3 indicó relaciones estadísticamente significativas entre el suelo simulado y
observado C, N, C: N, pH y rendimientos de cultivos. Esto es notable
dado el pequeño número de parámetros del modelo, que se configuran en universal
valores en todas las parcelas y sitios, sin calibración específica del sitio, lo que hace
El modelo ampliamente aplicable. Después de ajustar la cantidad inicial de
P resistente a la intemperie presente a nivel de sitio (pero no a nivel de parcela), el
el rendimiento del modelo en múltiples variables de salida podría mejorarse
importantemente.
En general, en comparación con los resultados a escala de sitio del modelo N14CP para
sitios de hoja ancha, pastizales ásperos, matorrales y coníferas en todo el norte
Europa (Davies et al., 2016a), el rendimiento del modelo (determinado
a través de R2 y RMSE entre valores observados y simulados) es mejor
para sitios agrícolas que para sitios seminaturales. Esto puede ser atribuible
al hecho de que el suelo C-N-P en sitios agrícolas está condicionado por humanos
insumos de fertilizantes, labranza y cosecha, los tiempos y magnitudes
de los cuales están bien caracterizados por registros experimentales. Para sitios seminaturales,
procesos como la deposición atmosférica y la meteorización.
de los nutrientes son relativamente más importantes para determinar la biogeoquímica del suelo, y
estos flujos y procesos son más difíciles de cuantificar.
Además, uno esperaría que la estequiometría vegetal de los sitios monoculturales (agrícolas) se
caracterice mejor por los parámetros PFT y, por lo tanto, se represente mejor dentro del modelo.
La resolución temporal del modelo (trimestralmente) inevitablemente
limitar el grado en que se simula la variabilidad del rendimiento; la temperatura trimestral promedio
no capturará temperaturas extremas o variaciones diurnas, relevantes para el crecimiento y
rendimiento de los cultivos. Cultivos herbáceos como
el trigo es particularmente sensible al momento de las variaciones de temperatura
dentro de la temporada de crecimiento, con temperaturas durante ciertas plantas
etapas de crecimiento que influyen en el rendimiento de grano (Porter y Gawith, 1999).
Otros factores que afectan el rendimiento pero que no están incluidos en el modelo incluyen
plagas y enfermedades, y los efectos de la protección de cultivos y un mayor rendimiento
variedades (por ejemplo, Christensen et al., 2006). Sin embargo, el modelo está destinado
para simular y explorar los efectos a largo plazo y a gran escala de la agricultura
en el ciclo biogeoquímico y la productividad, y como tal no tiene como objetivo
para el nivel de precisión que se puede obtener con un cultivo detallado
modelo y datos de entrada temporal de resolución fina. Magnitudes de rendimiento, y
las respuestas de los rendimientos tanto herbáceos como de pastizales a la adición de
los fertilizantes (y, por lo tanto, la disponibilidad de nutrientes del suelo que cambia), se simularon
con una precisión razonable, y el conjunto limitado de parámetros
El modelo ampliamente aplicable.
4.2. P meteorización
La respuesta a las entradas de P a través de la meteorización demuestra que los sistemas agrícolas no
están completamente desacoplados de las condiciones naturales anteriores, a pesar de las enmiendas
significativas al ciclo de nutrientes a través de
adición de fertilizantes, en algunos casos durante muchas décadas. El parámetro
PWeath0 (que representa el grupo inicial de P resistente a la intemperie) tiene un efecto
sorprendentemente grande en los grupos contemporáneos de C, N y P a pesar de las grandes adiciones
y modificaciones de nutrientes a través del cultivo y la labranza (ver
información complementaria S8para detalles), que indica que la meteorización
de P es fundamental para el desarrollo de los ecosistemas agrícolas.
El valor promedio calibrado de PWeath0 para sitios agrícolas en este
el estudio fue 75% más alto que el aplicado para sitios seminaturales por
Davies et al., 2016a (255 y 145 g m − 2 respectivamente). Valores más altos
de este parámetro para sitios agrícolas puede esperarse debido a la posibilidad de que la labranza
influya en las tasas de meteorización mineral y la liberación de P
(Eriksson et al., 2016; Hartmann et al., 2013), o tal vez eso naturalmente
Es más probable que se hayan elegido sitios fértiles con ricos insumos minerales.
Para uso agrícola. Las simulaciones sugieren que a pesar de las altas adiciones de N
y P durante largos períodos de tiempo, los grupos contemporáneos modelados de C-NP siguen siendo
sensibles a las condiciones iniciales. Estudios previos han indicado
La importancia de la meteorización P para los ecosistemas seminaturales (Anderson,
1988; Davies et al., 2016a), pero este estudio es el primero en explorar esto en un
contexto agrícola Por lo tanto, entender cómo el cambio global
influir en los ecosistemas y el ciclo de C, N y P tanto en agricultura como
usos naturales de la tierra, debemos considerar la geología y la meteorización
procesos.
4.3. Desempeño por uso / manejo del suelo
La evaluación del modelo presentada en la Tabla 1 indica la precisión de
rendimiento del modelo en sistemas herbáceos y pastizales y en un
gama de prácticas de gestión, que muestran relaciones estadísticamente significativas en cada tipo de
gestión para las variables simuladas.
La Tabla 1 también destaca que las variables simuladas son menos precisas para
las parcelas no fertilizadas, en particular, los rendimientos no se predicen en parcelas no fertilizadas
o en aquellas con muy poco P en comparación con las adiciones de N. En estos
gráficos, la disponibilidad de P se vuelve severamente baja después de una serie de
años de cultivo continuo o pastoreo sin aplicación de P, lo que resulta
en estimaciones de NPP muy bajas en el modelo (ver información complementaria
S7 para más detalles). Sin embargo, esta reducción en el rendimiento no se observa
en las observaciones El ajuste de PWeath0 no resuelve esto ya que
el valor se selecciona en función de minimizar la función de costo en varios
variables (relación C, N, C: N y rendimiento) en varias parcelas con y sin
Fertilizantes N y P. Es difícil entender si el bajo rendimiento en entornos agrícolas no fertilizados es
característico de este
modelo o una brecha en nuestra comprensión más amplia, como otros productos agrícolas
los modelos que incluyen ciclos de nutrientes no han sido probados bajo tales
condiciones No obstante, como el uso de fertilizantes inorgánicos u orgánicos.
es estándar en la mayoría de los entornos agrícolas, y el modelo funciona bien
En estas condiciones, podemos concluir que el modelo es adecuado para
La mayoría de los entornos agrícolas en el norte de Europa templada.
5. Conclusiones
El modelo N14CP-Agri presentado en este estudio proporciona una simulación a largo plazo del ciclo
integrado C-N-P en suelos templados para entornos agrícolas y permite transiciones entre agricultura
y usos naturales del suelo a simular. El modelo aborda la necesidad.
para simular los efectos a largo plazo del cambio en el uso de la tierra de los usos de la tierra
seminaturales a los agrícolas, y las prácticas de gestión posteriores en la biogeoquímica del suelo. Los
resultados presentados demuestran la
capacidad del modelo para reproducir tanto la variabilidad entre sitios como el cambio temporal y
producir resultados aplicables en una amplia gama de
ambientes agrícolas fertilizados templados. Estas simulaciones
También nos permite explorar la importancia relativa de los flujos de nutrientes naturales y
antropogénicos en la determinación del almacenamiento contemporáneo de C,
y el papel de los nutrientes en el mantenimiento de los cultivos.
La inclusión de la simulación del rendimiento de los cultivos dentro del modelo proporciona una
medios para estimar los impactos de la biogeoquímica del suelo en los alimentos
producción. El modelo captura la respuesta de los rendimientos de los cultivos como resultado de la
variación del clima y la ubicación, las prácticas de gestión de la tierra.
y biogeoquímica del suelo. El modelo resultante es aplicable a un
gama de escenarios para evaluar las implicaciones a largo plazo para el rendimiento, el
almacenamiento de C terrestre y los flujos gaseosos y disueltos de C, N y P, con
relevancia para la seguridad alimentaria, el cambio climático, la calidad del agua y
biodiversidad
El estudio ha resaltado que incluso en suelos agrícolas muy modificados, el P resistente a la intemperie
todavía influye fuertemente en el desarrollo
de suelos y almacenes contemporáneos de C, N y P en suelos agrícolas.
La precisión del modelo para el suelo C y N mejoró significativamente cuando se permitió que este
parámetro variara según el sitio. Este es un importante
hallazgo ya que demuestra que a pesar de las grandes modificaciones a los flujos de nutrientes por
parte de los humanos, el estado de los sistemas agrícolas y sus
los grupos de C y N no están completamente desacoplados de los anteriores
condiciones
Finalmente, la prueba del modelo también destacó una brecha en nuestro actual
comprensión del ciclo de nutrientes agrícolas y la sostenibilidad.
Rendimiento de rendimiento modelado relativamente pobre en parcelas con bajo P
las adiciones de fertilizantes sugieren que un proceso o fuente importante de P es
falta de nuestra comprensión de los entornos agrícolas. Se exploraron múltiples fuentes y procesos
potenciales, pero ninguno,
dados los niveles actuales de conocimiento, podría explicar el alto nivel
de P requerido para mantener rendimientos modelados en estas situaciones. Sugerimos que el acceso
de la planta a P orgánico y fosfatos "ocluidos" es clave
procesos inciertos que pueden ayudar a explicar cómo los rendimientos observados
son sostenidos en condiciones de baja P. Otros estudios empíricos y de modelado deberían centrarse
en abordar esta brecha de conocimiento, particularmente dado que es probable que se gestionen más
sistemas agrícolas
con bajos insumos de P en el futuro debido a preocupaciones de sostenibilidad y resiliencia en torno
al uso de fuentes de roca de fertilizante de P.