研究标题： 微生物生长速率是比碳利用效率更强的土壤有机碳预测指标
主要作者与机构： 本研究的主要作者包括 Xianjin He 和 Gaëlle Marmasse（并列第一作者）、Junxi Hu（通讯作者）等。作者团队来自多个国际知名研究机构，包括法国的气候与环境科学实验室、中国的四川农业大学、瑞典斯德哥尔摩大学、澳大利亚联邦科学与工业研究组织、德国柏林自由大学、美国缅因大学、中山大学等。
发表信息： 本研究以 Analysis 文章形式发表在 《Nature Ecology & Evolution》 期刊上，发表于2026年2月，卷10，页码372-381。
一、 研究背景
本研究属于土壤生态学和生物地球化学领域，核心是探究控制土壤有机碳动态的微生物机制。土壤有机碳是全球最大的陆地碳库，其微小的变化就会对大气二氧化碳浓度和气候变化产生重要影响。因此，理解土壤有机碳稳定和积累的驱动因素至关重要。
长期以来，微生物被认为是土壤碳循环的核心引擎。微生物碳利用效率（Carbon Use Efficiency, CUE），即微生物将同化的碳分配给生长的比例，被广泛用作连接微生物活动与土壤有机碳储量的一个关键参数。许多模型研究表明，CUE 的变异对全球土壤有机碳储量有巨大影响。然而，这一观点存在争议。CUE 本质上是一个比例指标，它描述了碳在生长和呼吸之间的分配，但并未捕获微生物碳通量的绝对大小。因此，高 CUE 不一定导致高土壤有机碳积累，反之亦然。这种不确定性促使研究者寻找更直接、更具机制性的指标。
微生物生长速率（Microbial Growth Rate）量化了生物量生产的绝对速率，直接反映了微生物残体（necromass，土壤稳定有机碳的关键前体）的形成过程，因此可能在机制上更紧密地与土壤有机碳积累相关联。然而，生长速率与土壤有机碳的关系，及其相对于 CUE 的预测能力，尚缺乏在全球尺度上的系统验证。此外，土壤有机碳的稳定不仅受生物过程（微生物泵）控制，也受非生物过程（矿物泵，如粘土矿物吸附）调控，需要全面评估这两类驱动因素的相对重要性。
基于此，本研究旨在通过整合全球观测数据与多种陆地表面模型，检验以下核心假设：微生物绝对生长速率是比 CUE 更强的土壤有机碳空间变异预测指标。 同时，研究也致力于评估微生物与非生物（气候、土壤质地）因素在控制土壤有机碳中的相对重要性，并利用生长速率这一指标作为桥梁，评估和改进现有模型对土壤碳循环过程的表征。
二、 详细研究流程
本研究是一个整合了全球观测数据分析和多模型模拟的综合性研究，主要流程如下：
流程一：全球观测数据集的构建与分析。 1. 研究对象与数据来源： 研究团队使用了一个由 Hu 等人汇编的全球观测数据集。该数据集包含 268 对 来自不同生态系统的配对观测值，这些数据均采用 ¹⁸O–H₂O 标记法 获得。这是一种被广泛认可且稳健的方法，用于量化土壤中的微生物生长速率和 CUE。方法原理是追踪 ¹⁸O 向微生物 DNA 中的掺入，以此计算总生物量生产（即绝对生长速率），同时测量总的 CO₂ 释放量（呼吸速率），从而计算出 CUE。 2. 数据处理与分析： 除了微生物参数，数据集还包含了每个站点的土壤有机碳含量、微生物生物量碳、年平均温度、年平均降水量、土壤粘土含量和 pH 值等信息。此外，利用 MODIS 卫星数据估算了每个站点的净初级生产力。研究首先进行了双变量线性回归分析，评估了土壤有机碳与微生物绝对生长速率、绝对呼吸速率、微生物生物量、CUE、微生物比生长速率（特定生长速率）以及净初级生产力之间的统计关系。 3. 进阶统计分析： 为了同时考虑多个预测变量的影响并处理其间的复杂关系，研究采用了随机森林回归模型。该模型用于评估微生物生长速率、CUE、气候因子（温度、降水）和土壤性质（粘土含量、pH）对于解释土壤有机碳空间变异以及“土壤有机碳/净初级生产力”比值（代表土壤保留植物碳输入的能力，即碳停留时间）的相对重要性。所有数据分析均使用 R 语言完成。
流程二：陆地表面模型模拟与比较。 1. 模型选择与模拟设置： 研究使用了四个不同的陆地表面模型进行模拟：ORCHIDEE-CENTURY, ORCHIDEE-MIMICS, JULES-RothC, CABLE-CASA。这些模型代表了当前土壤碳模拟的主流框架。其中，ORCHIDEE-MIMICS 明确模拟了微生物过程，而其他三个模型则是在稳态假设下间接推导微生物属性。所有模型均按照 TRENDY 模型比较项目的指南，在工业革命前（1700年）的气候和大气 CO₂ 浓度条件下进行长期“spin-up”模拟，以达到土壤碳库的准平衡态。模型输出（包括土壤有机碳、净初级生产力、微生物生长速率和 CUE）取30年平均以减少年际波动。 2. “涌现的 CUE”计算： 对于不直接模拟微生物生物量的模型（CENTURY, CASA, RothC），研究采用了一种基于通量的方法来计算“涌现的 CUE”（emergent CUE）。即计算从一个上游碳库转移而来的碳，未以 CO₂ 形式释放而是进入下游碳库的比例。这代表了一种系统层面的碳利用效率，而非单个微生物的生理参数，使得不同结构模型的结果可以进行比较。 3. 模型内部关系分析： 对每个模型的模拟结果，重复了观测数据分析中的步骤：分析土壤有机碳与微生物生长速率、CUE 及净初级生产力之间的回归关系；使用随机森林分析确定各变量对模拟的土壤有机碳及其与净初级生产力比值的解释重要性。此外，还计算了不同模型间微生物生长速率、CUE 和土壤有机碳空间格局的斯皮尔曼相关系数，以评估模型间的一致性。
流程三：CO₂ 加富模拟实验。 1. 实验设计： 为了研究在环境变化（CO₂浓度升高）情景下微生物过程的作用，研究选择了两个模型（ORCHIDEE-Century 和 ORCHIDEE-MIMICS）进行了扰动实验。在达到平衡态后，将大气 CO₂ 浓度加倍，并继续模拟300年。 2. 数据分析： 计算了 CO₂ 加倍后土壤有机碳的变化量、微生物生长速率的变化量以及 CUE 的变化量。重点分析了 δSOC（土壤有机碳变化量）与 δGrowth（生长速率变化量）、δCUE（CUE变化量）的关系，以及 δSOC/δNPP（单位净初级生产力增加所导致的土壤有机碳增加量，代表新增碳输入的保留效率）与初始微生物性状的关系。这有助于理解在动态变化中，是微生物生长速率还是 CUE 主导了土壤碳对生产力增加的响应。
流程四：数据整合与模型-观测比较。 这是贯穿整个研究的核心。研究系统地比较了观测数据与模型模拟在以下关键关系上的异同： 1. 土壤有机碳与微生物生长速率及 CUE 的关系强弱。 2. 随机森林分析中，微生物因子与非生物因子对土壤有机碳解释重要性的相对排序。 3. 对“土壤有机碳/净初级生产力”比值起主导作用的因子。 通过这种比较，识别出现有模型在表征土壤碳循环机制方面与实证证据的系统性偏差。
三、 主要研究结果
结果一：观测数据显示，微生物绝对生长速率比 CUE 能更强地预测土壤有机碳，但非生物因素同等或更加重要。 基于268个站点的观测数据，双变量回归分析表明，土壤有机碳与微生物绝对生长速率（R² = 0.371, p < 0.001）、绝对呼吸速率（R² = 0.269）和微生物生物量（R² = 0.285）均呈显著正相关。相比之下，土壤有机碳与微生物CUE 的相关性极弱（R² = 0.015, p = 0.046），与微生物比生长速率或净初级生产力则无显著关系。这证实了绝对生长速率比 CUE 与土壤有机碳有更强的统计关联。
随机森林分析进一步揭示了更全面的图景：虽然微生物生长速率是比 CUE 更强的土壤有机碳预测因子，但土壤粘土含量和年平均温度等非生物因素解释了与之相当甚至更大的变异量。这表明，尽管微生物生长速率提供了更清晰的微生物学联系，但土壤有机碳的空间格局同样甚至更多地受到粘土矿物稳定作用和气候等非生物因素的控制。观测数据中，生长速率与土壤有机碳的正相关主要反映了微生物生物量受土壤有机碳有效性调控的现象。
结果二：模型模拟重现了生长速率优于 CUE 的模式，但高估了微生物控制，低估了非生物控制。 四个陆地表面模型的模拟结果一致显示，模型中涌现的微生物生长速率对土壤有机碳的预测能力（R² = 0.04–0.67）普遍强于涌现的 CUE（R² = 0.02–0.15）。随机森林分析也确认，在所有模型中，生长速率都是比 CUE 更重要的土壤有机碳预测因子。这支持了观测得出的核心结论。
然而，模型与观测之间存在关键差异：在随机森林分析中，所有模型都显示出微生物属性（生长速率和 CUE）的重要性超过了非生物预测因子（如粘土含量和温度）。这与观测结果（非生物因素同等或更重要）形成了鲜明对比。这表明，当前模型的公式化过程可能过度强调了微生物控制，而相对低估了物理驱动因素的作用。此外，模型模拟的 CUE 值在模型间和空间上变异性很大，且相关性较弱甚至为负；而生长速率在模型间则表现出高度一致的空间格局。
结果三：对于土壤碳保留效率（SOC/NPP），观测与模型的驱动因素截然不同。 为了排除碳输入量（NPP）差异的影响，研究考察了“土壤有机碳/净初级生产力”比值（SOC-to-NPP ratio）。在观测数据中，随机森林分析显示，微生物绝对生长速率和年平均温度是该比值最强的预测因子，而 CUE 的作用很小。这意味着在真实生态系统中，土壤保留碳的能力更多地与微生物活动的总体速率和环境温度相关，而非碳分配效率。
然而，在模型模拟中，模式完全相反：CUE 始终是 SOC/NPP 比值的主导预测因子，其重要性超过了生长速率和环境变量。这表明，在模型的结构中，CUE（即碳在呼吸和土壤碳库间分配的系数）被设计为决定新碳输入留存效率的关键开关。CO₂ 加富模拟实验强化了这一发现：虽然土壤有机碳的绝对变化量（δSOC）主要由生长速率的变化（δGrowth）解释，但单位 NPP 增加所转化的土壤有机碳量（δSOC/δNPP）却主要由 CUE 的变化（δCUE）决定。这凸显了当前模型的一个根本性结构特征：微生物生长很大程度上与 NPP 的空间和 temporal 变化同步，而 CUE 则是决定碳输入留存比例的关键参数，这种设定可能与现实生态系统不符。
结果四：生长速率作为模型-观测对比的诊断性指标。 研究发现，尽管模型结构各异，但模拟的微生物生长速率在空间上具有高度一致性，且与土壤有机碳的关系稳健。生长速率在模型中紧密耦合于 NPP，但同时也能反映像 ORCHIDEE-MIMICS 这类显式微生物模型中存在的微生物反馈和稳定化机制（这些机制部分解耦了碳输入与储量）。因此，微生物生长速率可以作为一个有效的诊断性指标，用于连接模型输出与实证观测，评估模型的现实性，并指导未来模型在微生物和矿物控制之间取得更平衡的表征。
四、 研究结论与意义
本研究通过整合全球¹⁸O–H₂O观测数据与多模型模拟，得出核心结论：微生物绝对生长速率是比碳利用效率更强、更稳健的土壤有机碳预测指标。 这一发现具有重要的科学价值：
五、 研究亮点
六、 其他有价值的发现
研究还发现，观测数据中微生物生长速率对培养温度仅表现出弱的依赖性，说明观测到的生长速率变异主要反映了真实的站点差异，而非实验方法的人为假象。此外，在 ORCHIDEE-MIMICS 这个显式微生物模型中，土壤有机碳与生长速率的关联强于与净初级生产力的关联，表明显式表征微生物过程和稳定化途径可以在一定程度上将碳储量与输入量解耦，这是向更真实模拟迈出的一步。这些细节进一步支撑了主要结论，并为未来研究提供了线索。