Spatial modelling approach and accounting method affects soil carbon estimates and derived farm-scale carbon payments.
Spatial modelling approach and accounting method affects soil carbon estimates and derived farm-scale carbon payments.
复制标题
空间建模方法和核算方法影响土壤碳估算和衍生的农场规模碳支付。
DOI：
10.1016/j.scitotenv.2022.154164
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Beka S
中科院分区：
文献类型：
--
作者：
Beka S
如果各国政府和农业企业要实现净零目标，改善土壤有机碳（SOC）的农场管理至关重要。农民有机会从碳交易中获得经济利益，但为农场每个部分建立SOC基线的实地测量可能过于昂贵。因此，具有分辨率、准确性和不确定性估计的空间建模方法在估计土壤中目前储存的碳水平方面具有潜在的作用。本研究使用三种空间建模方法来估计SOC储量，将其与10 cm深度的实测数据进行比较，然后用于确定碳支付。这三种方法使用精细（100 m × 100 m）或田间规模的输入土壤数据，在9个地理上分散的农场产生精细或田间规模的输出。每个空间模型都准确地预测了五个案例研究农场的SOC储量（范围：26.7-44.8 t ha−1），其中测量的SOC最低（范围：31.6-48.3 t ha−1）。然而，在具有最高测量SOC（范围：56.5-67.5 t ha−1）的四个案例研究农场中，两个模型都低估了SOC，粗输入模型预测的值（范围：39.8-48.2 t ha−1）低于使用精细输入的值（范围：43.5-59.2 t ha−1）。因此，使用空间模型来建立基线，从中获得额外的碳固存付款，有利于SOC水平已经很高的农场，使用粗输入数据的好处最大。为向农民支付SOC固存费制定一个国家办法是可能的，但对个体企业的经济影响将取决于该办法和会计方法。
Improved farm management of soil organic carbon (SOC) is critical if national governments and agricultural businesses are to achieve net-zero targets. There are opportunities for farmers to secure financial benefits from carbon trading, but field measurements to establish SOC baselines for each part of a farm can be prohibitively expensive. Hence there is a potential role for spatial modelling approaches that have the resolution, accuracy, and estimates to uncertainty to estimate the carbon levels currently stored in the soil. This study uses three spatial modelling approaches to estimate SOC stocks, which are compared with measured data to a 10 cm depth and then used to determine carbon payments. The three approaches used either fine- (100 m × 100 m) or field-scale input soil data to produce either fine- or field-scale outputs across nine geographically dispersed farms. Each spatial model accurately predicted SOC stocks (range: 26.7–44.8 t ha−1) for the five case study farms where the measured SOC was lowest (range: 31.6–48.3 t ha−1). However, across the four case study farms with the highest measured SOC (range: 56.5–67.5 t ha−1), both models underestimated the SOC with the coarse input model predicting lower values (range: 39.8–48.2 t ha−1) than those using fine inputs (range: 43.5–59.2 t ha−1). Hence the use of the spatial models to establish a baseline, from which to derive payments for additional carbon sequestration, favoured farms with already high SOC levels, with that benefit greatest with the use of the coarse input data. Developing a national approach for SOC sequestration payments to farmers is possible but the economic impacts on individual businesses will depend on the approach and the accounting method.
登录
查看更多内容
全球土壤再碳化——推荐管理实践技术手册
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
B. Troesch
通讯作者：
B. Troesch
酸度对有机土壤提取物、孔隙水和表面枯落物中溶解有机碳的影响。
DOI：
10.1016/j.scitotenv.2019.135585
发表时间：
2019
期刊：
The Science of the total environment
影响因子：
--
作者：
C. Pschenyckyj;Joanna M. Clark;L. Shaw;R. Griffiths;C. Evans
通讯作者：
C. Evans
土壤有机碳对长期污染场地微生物参数和金属浓度之间相互作用的影响。
DOI：
10.1016/j.scitotenv.2014.08.079
发表时间：
2015
期刊：
The Science of the total environment
影响因子：
--
作者：
G. Mühlbachová;M. Sagova;M. Omelka;J. Száková;P. Tlustoš
通讯作者：
P. Tlustoš
土地信息系统的发展：展示土地资源管理能力和选择的例子
影响因子：
3.8
作者：
Hallett S
通讯作者：
Hallett S
使用现场地理空间分析和 SSURGO 数据比较农场规模的冰川土壤中的土壤碳估算
影响因子：
6.1
作者：
E. Mikhailova;Abduljaleel Altememe;A. A. Bawazir;R. D. Chandler;M. Cope;C. Post;Roxanne Stiglitz;H. Zurqani;M. Schlautman
通讯作者：
M. Schlautman