Modeling soil organic carbon evolution in long-term arable experiments with AMG model

Autor: Sabine Houot, Stéphanie Sagot, Annie Duparque, Hugues Clivot, Pascal Denoroy, Jean-Christophe Mouny, Françoise Vertès, Jean-Louis Dinh, Alain Bouthier, Robert Trochard, Bruno Mary
Přispěvatelé: Agroressources et Impacts environnementaux (AgroImpact), Institut National de la Recherche Agronomique (INRA), Agro-Transfert Ressources et Territoires, Interactions Sol Plante Atmosphère (UMR ISPA), Institut National de la Recherche Agronomique (INRA)-Ecole Nationale Supérieure des Sciences Agronomiques de Bordeaux-Aquitaine (Bordeaux Sciences Agro), Ecologie fonctionnelle et écotoxicologie des agroécosystèmes (ECOSYS), Institut National de la Recherche Agronomique (INRA)-AgroParisTech, Université Paris-Saclay, Sol Agro et hydrosystème Spatialisation (SAS), Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Station Expérimentale de La Jaillière, ARVALIS - Institut du végétal [Paris], Station du Magneraud, ARVALIS - Institut du Végétal, Pôle du Griffon, Laboratoire Départemental d'Analyses et de Recherche (LDAR), Laboratoire Agronomie et Environnement - Antenne Colmar (LAE-Colmar ), Laboratoire Agronomie et Environnement (LAE), Institut National de la Recherche Agronomique (INRA)-Université de Lorraine (UL)-Institut National de la Recherche Agronomique (INRA)-Université de Lorraine (UL), Interactions Sol Plante Atmosphère (ISPA), Unité d'Agronomie de Laon-Reims-Mons (AGRO-LRM), AGROCAMPUS OUEST-Institut National de la Recherche Agronomique (INRA)
Rok vydání: 2019
Předmět:
Zdroj: Environmental Modelling and Software
Environmental Modelling and Software, Elsevier, 2019, 118, pp.99-113. ⟨10.1016/j.envsoft.2019.04.004⟩
ISSN: 1364-8152
DOI: 10.1016/j.envsoft.2019.04.004
Popis: Reliable models predicting soil organic carbon (SOC) evolution are required to better manage cropping systems with the objectives of mitigating climate change and improving soil quality. In this study, data from 60 selected long-term field trials conducted in arable systems in France were used to evaluate a revised version of AMG model integrating a new mineralization submodel. The drivers of SOC evolution identified using Random Forest analysis were consistent with those considered in AMG. The model with its default parameterization simulated accurately the changes in SOC stocks over time, the relative model error (RRMSE = 5.3%) being comparable to the measurement error (CV = 4.3%). Model performance was little affected by the choice of plant C input estimation method, but was improved by a site specific optimization of SOC pool partitioning. AMG shows a good potential for predicting SOC evolution in scenarios varying in climate, soil properties and crop management.
Databáze: OpenAIRE