日前，记者从天津大学获悉，该校地科院晏智锋副教授与联合西北太平洋国家实验室-马里兰大学联合全球气候变化研究所合作，在土壤异养呼吸过程模型构建与应用上取得新进展，首次建立了可精准监测土壤“碳排放”的过程模型系统，该系统能更加精准地预报土壤异养呼吸对大气环境的影响。相关研究成果在《自然通讯》杂志上在线发表。

土壤中的微生物、作物根系和土壤动物等呼吸，和人的呼吸一样，会释放出大量二氧化碳。据介绍，土壤有机碳（SOC）作为陆地生态系统最大碳库，其通过微生物降解（异养呼吸）每年产生的二氧化碳量是人类使用化石燃料年产生量的近5倍，因此准确监测土壤异养呼吸速率对预测未来全球气候变化至关重要。目前，各国学界普遍采用经验模型模拟土壤异养呼吸，空间可拓展性差，给预测区域或全球范围土壤二氧化碳排放带来了很大的不确定性。因此，亟需建立土壤异养呼吸的机理或过程模型，提高预测土壤二氧化碳排放及气候变化的准确性。

晏智锋团队根据土壤异养呼吸的主要控制过程，构建出了一种全新土壤呼吸速率响应土壤含水率变化的过程模型。该模型首次融入了土壤属性大数据，建立了新的模型参数和土壤属性之间的定量关系，可精确揭示土壤异养呼吸的微观机理和宏观规律之间的内在联系。与传统的经验模型比，这一全新过程模型普适性和可靠性都有了大幅提升。实验室和实地测试显示，新模型可明显提高土壤碳排放预测精度。这一新模型投入使用，有望提高地球系统模式中预测全球气候变化的准确性和前瞻性，也为提升气候环境预测准确性提供了新方法和研究思路。