Simulación biogeoquímica de nitrógeno y

fósforo de carbono a largo plazo

ciclismo en ambientes agrícolas
Comprender cómo las prácticas agrícolas alteran los ciclos biogeoquímicos es vital para mantener la
productividad de la tierra y los alimentos.
seguridad y otros servicios del ecosistema, como el secuestro de carbono. Sin embargo, estos son
complejos, altamente acoplados
procesos a largo plazo que son difíciles de observar o explorar solo a través de la ciencia empírica. Se
requieren modelos
que capturan las principales perturbaciones antropogénicas, mientras operan a través de regiones y
escalas de tiempo largas, simulando
Ambientes naturales y agrícolas, y cambios entre estos. Muchos modelos biogeoquímicos descuidan
la agricultura o las interacciones entre los ciclos de carbono y nutrientes, lo cual es sorprendente
dada la escala de intervención en los ciclos de nitrógeno y fósforo introducidos por la agricultura.
Esta brecha se aborda aquí, utilizando un modelo de planta-suelo que
simula los ciclos integrados de carbono, nitrógeno y fósforo (CNP) del suelo en entornos naturales,
seminaturales y agrícolas. El modelo se prueba rigurosamente tanto espacial como temporalmente
utilizando datos de experimentos agrícolas a largo plazo en entornos templados. El modelo
demostró ser capaz de reproducir la magnitud de y
tendencias en las reservas de nutrientes del suelo y respuestas de rendimiento a la adición de
nutrientes. El modelo tiene el potencial de simular los efectos antropogénicos en los ciclos
biogeoquímicos en el norte de Europa, durante largos períodos de tiempo (siglos) sin calibración
específica del sitio, utilizando datos de entrada fácilmente accesibles. Los resultados demuestran
que el P resistente a la intemperie del material original tiene un efecto considerable en las piscinas
modernas de suelo C y N, a pesar de la perturbación significativa del ciclo de nutrientes.
de las prácticas agrícolas, destacando la necesidad de integrar procesos geológicos y agrícolas para
comprender los efectos del cambio en el uso de la tierra en la seguridad alimentaria, el
almacenamiento de C y la sostenibilidad de los nutrientes. Los resultados sugieren que un
Actualmente falta un importante proceso o fuente de P en nuestra comprensión de los ciclos
biogeoquímicos agrícolas.
El modelo no pudo explicar cómo se mantuvieron los rendimientos en parcelas con baja adición de
fertilizante de P. Sugerimos que la agricultura ha sido un importante impulsor a largo plazo de
biogeoquímicos
cambio de ciclo A nivel mundial, se utiliza aproximadamente el 37% de la superficie terrestre.
para la agricultura, y gran parte de esta tierra ha sido cultivada por cientos de
años después del fuerte aumento de la demanda de alimentos junto con
industrialización en los siglos XVII y XVIII (FAO, 2017). Uso del suelo
cambio y la introducción de nuevos cultivos, rotaciones y mecanización
durante este tiempo tienen un impacto significativo en el ciclo del carbono, y
otros nutrientes Estas perturbaciones se han acelerado después de la
Revolución Verde en la década de 1950 y la introducción generalizada de fertilizantes de nitrógeno y
fósforo, y una mayor conversión de tierra a
agricultura (FAO, 2018).
Desarrollar nuestra comprensión de cómo la agricultura ha modificado los ciclos biogeoquímicos es
fundamental, ya que estas alteraciones tienen consecuencias para
productividad de las plantas y seguridad alimentaria, regulación climática y calidad y disponibilidad
del agua. Si vamos a gestionar y mitigar estas consecuencias, es necesario desarrollar un
entendimiento que:
i) Considera las interacciones entre los ciclos de nutrientes, particularmente carbono, nitrógeno y
fósforo (C, N y P), ya que los tres tienen
ha sido altamente modificado por el cambio antropogénico del uso del suelo y
prácticas de manejo de tierras
ii) Aborda los efectos a largo plazo y a gran escala, dada la naturaleza generalizada de la agricultura,
y que la mayoría de estas tierras
habrá estado experimentando disturbios durante décadas / siglos
iii) Abarca tanto el cambio de uso del suelo como las prácticas de gestión agrícola

Aquí, presentamos un nuevo marco de modelado que aborda estos

tres aspectos, y aplicamos este modelo a una variedad de sitios a largo plazo
en todo el norte de Europa proporcionando una prueba del modelo y una exploración
de los efectos a largo plazo de la agricultura en los ciclos C, N y P.
Ha habido una gran cantidad de investigación centrada en los cambios del ciclo C
en sistemas agrícolas, impulsado por la importancia del carbono en el clima
regulación, y los vínculos entre el suelo C y la productividad del cultivo
(Lal, 2005). La necesidad de una mejor comprensión y cuantificación
de los ciclos de C en los sistemas agrícolas continúa creciendo con el aumento de iniciativas como "4
por mil" que tienen como objetivo aumentar las existencias de C en la agricultura
suelos para mitigar el cambio climático (Chambers et al., 2016; Van Groenigen
et al., 2017; Poulton et al., 2018). Sin embargo, dada la interacción entre los ciclos C, N y P, y la
magnitud de la perturbación de N y P
en sistemas agrícolas, entendiendo el control que estos nutrientes
tener más del ciclo C es importante.
Muchos estudios empíricos han observado reducciones significativas en el suelo C
como resultado de la conversión de la tierra a usos agrícolas (Lal, 2004; Smith
et al., 2016; Wei et al., 2014), pero existe una considerable variabilidad en
la respuesta del suelo C debido a las propiedades variables del suelo, el manejo de la tierra
prácticas y regímenes climáticos (Bruun et al., 2013; Wei et al., 2014;
Doetterl et al., 2015). Los experimentos a largo plazo pueden proporcionar información valiosa sobre
los efectos a largo plazo, pero hay relativamente pocos a largo plazo
conjuntos de datos y múltiples controladores en estos sitios a menudo están cambiando a la vez.
El modelado puede ayudar a comprender y desacoplar los controladores, proporcionar valiosos
información sobre los controles sobre el cambio a largo plazo para estos fines.
El modelado biogeoquímico de los sistemas agrícolas hasta la fecha se ha centrado principalmente
en el ciclo de C (RothC - Coleman y
Jenkinson, 1996) o integración de C y N (DAISY - Hansen et al.,
2012; DNDC - Li et al., 1992; SPACSYS - Wu et al., 2007). Los modelos que integran el ciclo C-N-P
proporcionan un medio más completo para estimar cambios futuros en la biogeoquímica del suelo, y
se requieren para comprender los procesos de retroalimentación y la respuesta del sistema al medio
ambiente.
cambio (Achat et al., 2016). Sin embargo, los modelos C-N-P existentes principalmente
centrarse en ecosistemas naturales y seminaturales (N14CP - Davies et al.,
2016a; CASACNP - Wang et al., 2010; ECOSSE - Smith et al., 2010;
JSBACH-CNP - Goll et al., 2012; CLM-CNP - Yang et al., 2014). Sin embargo, existen modelos
biogeoquímicos de agroecosistemas muy modificados.
La alta resolución temporal de estos modelos limita su aplicación
a simulaciones a largo plazo (de 100 s de años o más) debido a restricciones computacionales (Crop-
DNDC - diario, Zhang et al., 2002; EPIC - diario,
Causarano et al., 2008; DAISY - cada hora o más fino, Hansen et al., 2012)
haciéndolos inadecuados para evaluar los impactos de los cambios en el uso del suelo.
Las últimas versiones de modelos como CENTURY (Parton et al., 1998); un
modelo C-N-P integrado con una versión posterior que incluye representación agrícola (CENTURY.v4
- Metherell et al., 1993) y Roth-CNP
modelo (Muhammed et al., 2018) cumple con estos requisitos, pero hasta la fecha
Las aplicaciones de estos modelos no simulan el cambio del uso de la tierra del uso natural al
agrícola (Bortolon et al., 2011; Cong et al., 2014; Probert
et al., 1995).
La evaluación de modelos con datos de observación es de importancia clave para
Proporcionar confianza en los resultados del modelo. Varios estudios previos de suelo
la biogeoquímica prueba modelos espacialmente (Davies et al., 2016a) o
temporalmente (Davies et al., 2016b; Li et al., 2017; Zhang et al., 2016)
solamente. Pocos estudios combinan pruebas de modelos espaciales y temporales (los ejemplos
incluyen Cong et al., 2014), aunque a menudo se limitan a
pequeño número de sitios y escalas temporales cortas. Si el objetivo son las estimaciones a escala
regional del futuro cambio biogeoquímico, entonces la evaluación del modelo a través del espacio y
el tiempo es importante.
En este estudio, nuestro objetivo es abordar estas lagunas en nuestra capacidad para comprender y
predecir cambios a largo plazo y a gran escala en biogeoquímicos
ciclos resultantes del cambio y manejo del uso de la tierra agrícola
prácticas. Presentamos un modelo C-N-P integrado con la capacidad de simular usos y transiciones
tanto naturales como agrícolas de la tierra entre
estas. El nuevo modelo N14CP-Agri incluye representaciones de prácticas agrícolas y estimación de
rendimientos de cultivos. Evaluamos el desempeño
de este modelo mediante comparación ciega con rendimiento, carbono orgánico del suelo,
datos de nitrógeno y Olsen-P pertenecientes a 62 parcelas de 11 sitios de pastizales cultivables y
mejorados experimentales a largo plazo ubicados en el norte
Europa. Esto proporciona una prueba de la capacidad del modelo para simular nutrientes.
interacciones de ciclo, y su idoneidad para el uso a largo plazo y escalas espaciales regionales.
También brinda la oportunidad de probar formalmente
La capacidad de nuestra comprensión conceptual actual de los ciclos C-N-P para dar cuenta de las
observaciones de planta-suelo en una amplia gama de gestión,
condiciones e historias climáticas y del suelo, que abordamos en nuestra
discusión.

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).

El modelo simula la productividad primaria neta basada en la mayoría

factor limitante fuera de temperatura, precipitación, N disponible o disponible
P. La disponibilidad de nutrientes según la definición de Davies et al. (2016a), se modifica para tener
en cuenta el aumento de la fijación de nitrógeno en una serie de PFT agrícolas y adiciones de
fertilizantes.
Para cultivos de leguminosas, una representación de la fijación de N por nódulos de raíz fue
incluido. La fijación de N es un proceso complejo controlado por la temperatura del suelo, la
humedad y los nutrientes disponibles (Wu y Mcgechan, 1999;
Vitousek et al., 2002). La fijación de N en el suelo dentro de N14CP se determina actualmente en
función de la disponibilidad de P, y se regula negativamente por la deposición de N. Las tasas de
fijación de nitrógeno por legumbres se seleccionaron en función de
valores de la literatura (ver información complementaria S2, tablas 6 y 7, Cowling, 1982; Crush et al.,
1982; Archer, 1988; Bremer et al., 1988;
Peoples et al., 1995; Ledgard, 2001; Carlsson y Huss-Danell, 2003;
Crawley et al., 2005; Hauggaard-Nielsen et al., 2009; Jennings, 2010).
Como las praderas mejoradas contienen especies leguminosas, la representación de
La fijación de N dentro de este PFT también se ha introducido en este estudio
basado en los valores de la literatura (ver información complementaria S2).
Adición de fertilizantes, junto con otras prácticas de gestión de la tierra como
Como la labranza, el pastoreo y la cosecha se incorporaron al modelo en un
paso trimestral Los fertilizantes se agregaron directamente a los disponibles.
piscina (ver Fig. 1). Los efectos de la labranza en la descomposición de la materia orgánica.
estaban representados por el aumento de las constantes de velocidad de descomposición para
rápido,
piscinas lentas y pasivas por un factor KPlough. Se suponía que los animales de pastoreo consumían
el 60% de la biomasa aérea, con el 25% de C
regresando al suelo y el 75% de N y P regresaron (de manera similar a Ball y
Ryden, 1984; Tyson et al., 1990; Jarvis, 1993; Lemaire y Chapman,
1996; Haygarth et al., 1998; Soussana et al., 2010).
Para los cultivos que se cosechan, se supone que una proporción fija de la biomasa se elimina según
los índices de cosecha típicos (HI) para el cultivo,
que representan la proporción de biomasa aérea que se cosecha. Los valores de HI para cada grupo
de tipos funcionales de planta cultivable (Cereal, Raíz, Leguminosas y Oleaginosas) se estimaron
mediante la recopilación de índices de HI
de los valores de la literatura y el promedio a través del tipo de planta (suplementario
información S1 tabla 5, Bélanger et al., 2001; Donald y Hamblin
1976; Heno, 1995; Jefferies y Mackerron, 1993; Li et al., 2014; Lobell
et al., 2002; Osaki et al., 2012; Prince et al., 2001). El resto de
se supone que la planta muere después de la cosecha y se agrega a la hojarasca
piscina. Luego estimamos el rendimiento de la biomasa que se cosechó. Estudios anteriores han
estimado la productividad primaria neta (NPP) a partir del rendimiento
(Hicke et al., 2004; Jaafar y Ahmad, 2015; Li et al., 2014; Lobell et al.,
2002; Monfreda et al., 2008; Prince et al., 2001). El rendimiento puede ser estimado
de NPP (g C m − 2 año − 1) de la misma manera:

Donde el rendimiento está en g m − 2 año − 1 en masa seca, AGB es el suelo

Fracción de biomasa (o fracción de biomasa subterránea para cultivos de raíces), y
FC es el contenido de C de la materia seca. FC se estableció como 0,45 g C g − 1 materia seca
(Hicke et al., 2004; Jaafar y Ahmad, 2015; Monfreda et al., 2008).

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.

El modelo presentado aquí está desarrollado y probado aquí para simular

ciclo de nutrientes de plantas y suelos en ecosistemas templados en todo el norte
Europa. El desarrollo del suelo en el modelo se basa en el concepto de Walker Syers (Walker y Syers,
1976). Asumimos que el desarrollo del suelo comienza en
−10,000 años antes de Cristo al comienzo del Holoceno. Ampliación del modelo.
a otras regiones requeriría la conceptualización de las fuentes de P en las antiguas
suelos La aplicación global del modelo requeriría considerar el suelo
desarrollo en plazos mucho más largos (en la región de 106 años).
A medida que disminuye el grupo inicial de P resistente a la intemperie, la reposición de las fuentes
de P
a través de la elevación tectónica, y la erosión necesitaría ser incluida en estos
suelos Además, tipos funcionales de plantas (tanto naturales como agrícolas)
Son típicos de las regiones templadas. Sería necesario incluir nuevas PFT y sus proporciones
estequiométricas asociadas para extender el modelo a otros tipos de ecosistemas. El modelo actual
no se aplica a la turba ombrotrófica,
que difiere de otros suelos debido al anegamiento, el entierro de carbono
en el catotelm anóxico. Una versión modificada de N14CP para describir las turbas es
en la preparación de. El modelo presentado aquí es un modelo del sistema planta-suelo.
biogeoquímica e incluye la representación de pérdidas de nutrientes en lixiviados. Si bien
reconocemos que la escorrentía superficial y los procesos erosivos / deposición asociados
redistribuirán los sedimentos y los procesos asociados.
nutrientes, esto no está dentro del alcance de este estudio.

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.

Sin embargo, estas parcelas experimentales con extremadamente bajo (o cero)

Las adiciones de fertilizantes P proporcionan más que una mera curiosidad en términos de
administración. El colapso de los rendimientos en la simulación de estos entornos plantea una
pregunta interesante sobre cómo han sido los rendimientos
sostenido durante tanto tiempo en parcelas experimentales a largo plazo donde P es
no agregado, y donde P se exporta en material cosechado y no
¿reemplazado?
Para ayudarnos a comprender de dónde puede derivarse esta P (por ejemplo, de
una fuente resistente a la intemperie, deposición de P u otras fuentes accesibles para la planta)
y qué procesos o fuentes pueden faltar o estar subrepresentados en
En el modelo, estimamos la magnitud de P adicional necesaria en estas simulaciones para mantener
los rendimientos en estos casos. Encontramos que el P extra
requerido varió de 0.15–2.5 g m − 2 año − 1
. Esta es una gran cantidad de P,
similar a las tasas típicas de fertilizantes, que generalmente varían de
1.2–6gm − 2 años − 1 en los experimentos reunidos en este estudio.
Este P adicional excede varias fuentes naturales; El más bajo
El final de este rango excede las entradas a través de la meteorización observada a nivel mundial
tasas (Hartmann et al., 2013) que sugieren que la meteorización mejorada se debe
a la actividad agrícola o la actividad vegetal no es una fuente probable. Este rango
tampoco se alinea bien con las tasas probables de deposición de P; un metaanálisis de
Los datos observacionales de Tipping et al., informe de 2014 midieron P total en el
rango de ~ 0.001 a 0.1 g m − 2 año − 1
, con una media de 0.027 g m − 2 año − 1
. Nosotros
Experimentado con la adición tanto de deposición de P como de mejora / sostenimiento
mayores flujos de intemperismo en simulaciones, sin embargo, estas contribuciones
acumulativamente con el tiempo no fueron suficientes para prevenir el agotamiento de P
y colapso de los rendimientos en estas parcelas. Por lo tanto, sugerimos que la representación de estas
fuentes y procesos en el modelo no sea la principal
problema aquí.
Las estequiometrías flexibles de la planta son otro mecanismo potencial por
qué rendimientos pueden mantenerse en estas parcelas: las plantas pueden adaptar sus
C: relaciones de P para mantener el crecimiento en condiciones de bajo P Nosotros experimentamos
con establecer la relación C: P a los valores más altos observados de la literatura para probar si esto
permitiría mantener los rendimientos, sin éxito,
sugiriendo nuevamente que este mecanismo no es suficiente para explicar cómo
los rendimientos se mantienen en estas condiciones. Otros datos empíricos
sobre el contenido de nutrientes de los cultivos en estos sitios a largo plazo sería útil
aquí.
P de legado no contabilizado, no capturado por nuestra historia conocida de
La aplicación de fertilizantes es otra explicación potencial. Se ha demostrado que las adiciones previas
excesivas de fertilizante P se acumulan en los suelos y
mantener los rendimientos después de que se suspende la adición de P durante varios años
(Condron et al., 2013; Liu et al., 2014; Rowe et al., 2016; Zhu et al.,
2018) Las adiciones históricas de fertilizantes P antes del inicio del experimento pueden no haberse
registrado y, por lo tanto, no se representaron en el
modelo.
Otra explicación de dónde puede estar disponible esta P en el campo, como se mencionó
anteriormente, es a través del acceso de la planta a productos orgánicos.
formas de P en el suelo. Nuestra representación de acceso a plantas orgánicas
P como se discutió en Davies et al., 2016a es básico; fuentes de P para NPP
se usan preferentemente en el orden de P retenido dentro de la planta, P inorgánico fácilmente
disponible (igual a la suma de P por descomposición, podredumbre,
desorción y meteorización), seguido de productos orgánicos menos accesibles
formas Si bien se reconoce la importancia de las enzimas fosfatasa como mecanismo para la
asimilación de P en plantas privadas de P,
no se conoce la cuantificación de su contribución (Johnson et al.,
2003; Raghothama y Karthikeyan, 2005). Esta falta de empirismo
los datos sobre la tasa de acceso a la planta no nos permiten comentar
si este mecanismo, si está parametrizado de manera diferente o
conceptualizado, podría satisfacer la demanda adicional de P sugerida por un mantenimiento de los
rendimientos. Por lo tanto, este proceso sigue siendo una posibilidad y nuestro
La investigación destaca una brecha importante en nuestra comprensión del ciclo de nutrientes y la
sostenibilidad en los sistemas agrícolas. Se necesita más investigación empírica para proporcionar
información sobre las tasas de acceso de la planta a
fósforo orgánico del suelo, y combinarlos con modelos puede
Ayudar a probar con firmeza las hipótesis sobre el acceso a la planta P bajo fertilizantes en condiciones
de fertilización con bajo P.

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.

Declaración de intereses en competencia

Los autores declaran que no tienen competencia financiera conocida.
intereses o relaciones personales que podrían haber influido en el trabajo reportado en este
documento.
Agradecimientos
Por el suministro de datos, agradecemos a Rothamsted Research (Reino Unido), D.
Hopkins (The Royal Agricultural University, Reino Unido) y B. Christensen
(Universidad de Aarhus, Dinamarca). Este trabajo fue financiado por el Consejo de Investigación de
Ingeniería y Ciencias Físicas del Reino Unido, Programa Viviendo con Cambio Ambiental (EP / N030532
/ 1). Los datos asociados
presentado en esta investigación se puede acceder utilizando el siguiente DOI:
10.17635 / lancaster / researchdata / 330
Apéndice A. Datos suplementarios
Los datos complementarios de este artículo se pueden encontrar en línea en https: // doi.
org / 10.1016 / j.scitotenv.2020.136599.