بررسی ساختاری و کاربردی مدل روتامستد در ارزیابی اثر تغییر اقلیم بر منابع کربن خاک

مطالعات زیادی افزایش درجه حرارت همراه با کاهش میزان بارش‏ها را برای دهه‏ های آتی در مناطق مختلف ایران پیش‏بینی نموده‏اند. اما تاکنون مطالعات اندکی به بررسی اثر تغییر اقلیم بر دینامیک منابع کربن آلی خاک پرداخته‏ اند. یکی از موانع موجود عدم شناخت مدل‏های کربن و نبود اطلاعات کافی در ارتباط با داده‏ های موردنیاز و نحوه تامین داده‏ ها می ‏باشد. هدف مطالعه حاضر بررسی ساختاری و کاربردی مدل روتامستد (rothamsted) در ارزیابی اثرات تغییر اقلیم بر منابع کربن خاک است. بدن منظور نحوه کارکرد مدل برای محاسبه کربن خاک و همچنین عوامل موثر در تجزیه کربن آلی خاک شامل ضریب تصحیح دما، ضریب تصحیح رطوبت و ضریب تصحیح پوشش گیاهی بررسی شد. سپس در بخش کاربردی مدل به داده‏ های مورد نیاز و نحوه تامین آنها در شرایط ایران و نهایتاً اعتبارسنجی و نحوه اجرای مدل برای شرایط اقلیمی آینده پرداخته شد. نتایج نشان داد که مدل روتامستد به دلیل سادگی و در دسترس بودن داده‏ های مورد نیاز برای اجرای آن در حال حاضر بهترین مدل کربن برای شرایط ایران می ‏باشد. مطالعه حاضر اطلاعات مفیدی که در اجرا و اعتبارسنجی مدل‏ روتامستد برای ایجاد شبیه ‏سازی و پیش‏بینی‏ اثرات تغییر اقلیم بر دینامیک منابع کربن خاک مورد نیاز است، را فراهم نمود.

The Structural and practical Investigation of the Rothamsted Model in Assessing the Effect of Climate Change on Soil Carbon Sources

Many studies have projected increasing the temperature with decreasing precipitation for future decades in different regions of Iran. But, few studies have evaluated the effect of climate change on the dynamics of soil organic carbon (SOC) sources. One of the obstacles is the lack of recognition of carbon models and the lack of sufficient information on the required data and how to supply the data. The purpose of present study was to investigate the structural and practical application of the RothC model as the most widely used model worldwide for assessing the effects of climate change on soil carbon sources. In this study, the model’s function for calculating SOC and the factors affecting SOC decomposition, including temperature correction coefficient, moisture correction coefficient, and vegetation correction coefficient were completely investigated. Then, in the application section of the model, the required data and how to provide them in the conditions of Iran, and finally validation and implementation of the model for future climate conditions were discussed. Results showed that the RothC model is now the best carbon model for Iran conditions due to the simplicity and availability of the required data to its implementation. Generally, the present study provides useful information needed in implementation and validating the RothC model to simulate and predict the effects of climate change on the dynamics of soil carbon sources.