Un modello del carbonio del suolo prende la descrizione di un sistema (clima, suolo, gestione) e restituisce una traiettoria: come ci si aspetta che lo stock di carbonio evolva secondo quella descrizione. Quella traiettoria è ciò con cui le organizzazioni giustificano l'allocazione di capitale a programmi rigenerativi, prevedono emissioni e assorbimenti di Scope 3 secondo la GHG Protocol Land Sector and Removals Guidance e, quando la struttura del progetto lo giustifica, presentano rivendicazioni di crediti sui mercati volontari del carbonio.
La domanda «quale modello dovremmo usare?» non ha una risposta universale. La domanda giusta è più circoscritta: quale modello è adatto alla decisione, sul sistema in esame, dati i dati che il progetto può realisticamente ottenere? Rispondervi è il giudizio più importante di qualsiasi incarico di modellizzazione del carbonio del suolo.
Sotto gli acronimi, i modelli di uso corrente condividono un unico meccanismo: il carbonio del suolo suddiviso in compartimenti che si decompongono ciascuno al proprio ritmo, alimentati da un flusso di apporti freschi di materiale vegetale e di letame. Compreso quel meccanismo, la maggior parte delle domande pratiche trova risposta da sé, comprese le due che decidono silenziosamente una previsione decennale, ossia da dove si assume che partano i compartimenti e quanto sia ampia la risposta onesta. I tre strumenti di questo articolo eseguono una versione compatta di quel meccanismo, così che il comportamento diventi qualcosa che si può muovere e non soltanto leggere.
Che cosa offre davvero la modellizzazione, e che cosa no
Un modello del carbonio del suolo è un'ipotesi strutturata su come il carbonio si muove nel sistema. I suoi output sono condizionali: dati questi input, ecco la traiettoria attesa e la sua incertezza. Un modello non misura il suolo; lo prevede.
Questo conta perché gran parte del disaccordo tra sviluppatori di progetti e verificatori nasce dalla confusione tra le due cose1. Una traiettoria modellata che sostituisce i dati di campo nella rendicontazione annuale è un rischio di conformità. Una traiettoria modellata usata accanto ai dati di campo, con intervalli di incertezza espliciti, è prassi corrente secondo la GHG Protocol Land Sector and Removals Guidance e secondo la maggior parte delle metodologie dei mercati volontari.
Come funzionano davvero questi modelli
Il carbonio del suolo non è un'unica sostanza che si decompone a un'unica velocità. Una radice fresca e un complesso umico vecchio di secoli sono entrambi «carbonio organico del suolo», eppure l'uno si rinnova in pochi mesi e l'altro sopravvive a chi lo misura. Tutti i modelli di uso comune affrontano la questione allo stesso modo: suddividono il carbonio in una manciata di compartimenti, ciascuno con il proprio tempo di turnover, e li seguono separatamente2.
All'interno di ciascun compartimento, la decomposizione segue una cinetica del primo ordine: la quantità persa in un dato mese è proporzionale alla quantità presente, così che un compartimento lasciato a sé stesso decade lungo una curva esponenziale fissata da una costante di velocità k.
La costante di velocità k è una proprietà del compartimento: elevata per i residui freschi, bassa per la sostanza umificata, di fatto nulla per la frazione inerte. La funzione f scala k verso l'alto o verso il basso in base alle condizioni in cui il suolo si trova realmente. Il caldo accelera la decomposizione, lo stress idrico la rallenta, e una copertura vegetale viva la frena rispetto al suolo nudo. Per questo lo stesso apporto di residui accumula carbonio sotto una coltura di copertura in una stagione temperata fresca e lo perde in una stagione calda e secca.
Non tutto il carbonio decomposto lascia il suolo. Una frazione viene respirata verso l'atmosfera come CO2; il resto si stabilizza in biomassa microbica e in composti umificati che rialimentano i compartimenti lenti. Il contenuto di argilla governa questa ripartizione, perché i suoli a tessitura più fine proteggono una quota maggiore del carbonio trasformato. Per questo la frazione argillosa è un input richiesto in ciascuno dei modelli descritti più avanti3.
Messi insieme questi elementi, un suolo sotto gestione costante tende verso uno stato stazionario, lo stock al quale gli apporti annui bilanciano esattamente le perdite annue. Si aumentino gli apporti e lo stato stazionario sale; si riscaldi il clima o si riduca l'argilla e scende. L'avvicinamento è lento, scandito dal tempo di turnover del compartimento attivo più lento, ed è per questo che gli incrementi credibili di carbonio del suolo si esprimono in decenni anziché in anni. Lo strumento qui sotto fa avanzare questo meccanismo. Modifichi l'apporto, l'argilla e la temperatura e osservi dove lo stock si assesta e quanto tempo impiega per arrivarci.
Due caratteristiche di quella curva contano per un progetto. La destinazione è fissata dagli apporti e dal sito, non dal punto da cui il suolo si trova a partire, così che due appezzamenti portati sotto la stessa gestione convergono verso lo stesso stato stazionario da direzioni diverse. E il percorso è lungo: anche un cambiamento importante richiede decenni per manifestarsi, e i primi anni procedono lentamente. Una traiettoria modellata che raggiunge un nuovo equilibrio in cinque anni descrive un artefatto della sua impostazione, non un suolo.
I quattro modelli candidati
Quattro schemi dominano la pratica. Ciascuno è stato concepito per una classe specifica di domande, e ciascuno porta l'impronta del sistema su cui è stato costruito. RothC è nato dagli esperimenti di lunga durata di Rothamsted sugli orizzonti superficiali arabili temperati2. AMG è nato come modello a tre compartimenti che i suoi autori dell'INRA hanno inizialmente testato su prove colturali nella pampa argentina, ed è stato ricostruito, nella sua forma attuale, su sessanta prove di campo francesi di lunga durata distribuite su venti siti45. Century è stato concepito per spiegare i livelli di sostanza organica nelle praterie delle Grandi Pianure, con l'azoto accoppiato al ciclo del carbonio6 (fosforo e zolfo sono seguiti in versioni successive), e DayCent è la sua controparte a passo temporale giornaliero, costruita per risolvere i flussi di gas in tracce che un modello mensile non può cogliere7. Usarne uno fuori dal suo dominio d'origine è possibile ma costoso in termini di credibilità. Su come verificare se un nuovo sito rientri davvero in quel dominio, si veda Rappresentativo di che cosa?
Concepito per
Orizzonte superficiale arabile temperato. Confronto di scenari tra modifiche di gestione.
Input richiesti
Clima mensile // frazione argillosa // apporti di residui // SOC iniziale
Compromesso
Nessun compartimento dell'azoto. Prestazioni inferiori in climi secchi o mediterranei senza calibrazione. Solo orizzonte superficiale.
Concepito per
Sistemi colturali europei. Più semplice di RothC; solida esperienza nei contesti agricoli francesi.
Input richiesti
Clima annuale // frazione argillosa // rapporto C/N degli apporti organici
Compromesso
Calibrazione ristretta. Meno difendibile fuori dal suo dominio, i sistemi colturali europei.
Concepito per
Domande su praterie e terreni coltivati che richiedono un accoppiamento C–N–P–S completo. La scelta quando conta la gestione dell'azoto.
Input richiesti
Clima mensile // tessitura del suolo // apporti di N // storia gestionale dettagliata
Compromesso
Fabbisogno di dati più elevato. Più parametri da verificare; lo sforzo di calibrazione è considerevole.
Concepito per
Passo temporale giornaliero; modellizzazione dei flussi di gas in tracce (N2O). La scelta standard quando il GHG Protocol richiede una rendicontazione completa dell'azoto nello Scope 3.
Input richiesti
Clima giornaliero // tessitura del suolo // eventi gestionali dettagliati
Compromesso
Fabbisogno di input considerevole. Richiede una calibrazione specialistica; non appropriato quando l'N2O non rientra nel perimetro.
Tutti e quattro sono stati confrontati con dati sperimentali di lunga durata su decine di siti. Il confronto classico ha messo alla prova nove modelli della sostanza organica del suolo su sette serie di dati di lunga durata senza trovare un vincitore unico: le prestazioni dipendevano dal sito e dalla domanda8. Lavori di modellizzazione d'insieme più recenti giungono allo stesso verdetto e aggiungono un avvertimento: la dispersione tra modelli è essa stessa una fonte di incertezza che una proiezione basata su un singolo modello nasconde11. RothC e Century vantano la più lunga esperienza internazionale; AMG è l'opzione più solida per i sistemi colturali francesi e degli altri Paesi europei; DayCent è lo strumento specialistico quando le emissioni di N2O rientrano nel perimetro.
Scegliere il modello giusto per la domanda
Quattro domande pratiche determinano la scelta.
Filtro 1
L'azoto rientra nel perimetro?
RothC non ha un compartimento dell'azoto. Se contano il N₂O, l'efficienza dei fertilizzanti o l'interazione N–C, è strutturalmente lo strumento sbagliato.
Filtro 2
Il sistema è limitato dall'acqua?
Il modificatore di umidità predefinito di RothC ha prestazioni inferiori nei climi aridi e mediterranei.
Filtro 3
È necessaria una risoluzione temporale giornaliera?
La risoluzione mensile è adeguata per traiettorie decennali su 20 anni. Il passo giornaliero è necessario per le domande sui flussi rapidi (gas in tracce dopo l'applicazione di fertilizzanti).
Filtro 4
Il progetto può fornire gli input richiesti?
Un modello che gira su ipotesi perché gli input non sono disponibili non è più accurato di un modello più semplice con meno lacune.
L'azoto rientra nel perimetro?
Se la decisione dipende dalle emissioni di N2O, dall'efficienza d'uso dei fertilizzanti o dall'interazione tra la gestione dell'azoto e la dinamica del carbonio, RothC è strutturalmente la scelta sbagliata; non ha un compartimento dell'azoto. Century o DayCent sono le risposte oneste. Se la decisione riguarda esclusivamente il carbonio del suolo sotto una gestione stabile dell'azoto, RothC è difendibile e più semplice.
Il sistema è limitato dall'acqua?
Il modificatore idrico predefinito di RothC ha prestazioni inferiori nei sistemi aridi e mediterranei, dove l'attività biologica è limitata dall'umidità per gran parte dell'anno9. Esiste una calibrazione modificata di RothC (Farina et al.), che è la scelta pratica in quei contesti. Century e DayCent gestiscono nativamente la limitazione idrica attraverso i loro sottomodelli.
Quale risoluzione temporale è necessaria?
Il passo mensile è sufficiente per una traiettoria decennale su 20 anni. Il passo giornaliero è richiesto quando il risultato di interesse è un flusso rapido: le emissioni di gas in tracce dopo un'applicazione di fertilizzante, per esempio. RothC, AMG e Century operano a passo mensile; DayCent opera a passo giornaliero.
Quali dati può realisticamente produrre il progetto?
Un modello che ha bisogno di input che il progetto non può fornire è un modello che girerà su ipotesi. Se i dati meteorologici giornalieri non sono disponibili, DayCent opererà su un downscaling, il che è difendibile se il downscaling viene dichiarato. Se gli apporti di residui e la storia gestionale sono sconosciuti, tutti i modelli si trovano nella stessa posizione: l'incertezza dovuta agli input mancanti domina quella dovuta al modello.
Calibrazione, validazione, e capire quando un modello è adatto
Un modello che non è mai stato confrontato con carbonio misurato su un sistema comparabile è un'ipotesi, non una prova. La calibrazione regola i parametri di un modello per riprodurre una serie di dati nota; la validazione pone la domanda più difficile, cioè se il modello preveda poi dati che non ha mai visto. Le due cose vengono confuse di continuo, e un modello che si adatta splendidamente ai propri dati di calibrazione può comunque fallire su un sito indipendente.
Gli strumenti per questa verifica sono gli esperimenti di lunga durata, alcuni in corso da oltre un secolo, in cui il carbonio del suolo è stato monitorato sotto trattamenti fissi. La capacità predittiva di un modello si riporta rispetto a essi con statistiche familiari: la radice dell'errore quadratico medio per l'entità dello scarto, e l'efficienza del modello per stabilire se il modello fa meglio della semplice previsione della media. Il confronto tra nove modelli che ha fatto scuola in questo campo ha trovato accordo su alcuni siti e una netta divergenza su altri, senza alcuno schema dominante ovunque8. Un insieme di 26 modelli su suoli a maggese nudo è giunto a una conclusione ancora più netta: non esiste un modo difendibile per scegliere in anticipo il modello migliore, e occorre un insieme di circa dieci modelli perché la stima si stabilizzi11.
Ne derivano due regole pratiche. Validare su serie temporali provenienti dalla regione e dal sistema che si sta modellando, non sulla media globale, perché un modello calibrato su suoli arabili temperati non offre alcuna garanzia sull'agroforestazione tropicale. E trattare il dominio di applicabilità come un confine reale: un modello a cui si chiede di estrapolare oltre le condizioni su cui è stato testato restituisce un numero con una falsa sicurezza, che è il tema di Rappresentativo di che cosa? Quando un progetto ha bisogno di una contabilità basata su modelli al livello usato dagli inventari nazionali, l'IPCC lo chiama Tier 3 e richiede esattamente questa prova, un modello validato rispetto a misure rappresentative del sistema12. Le rassegne che seguono l'evoluzione del settore giungono alla stessa conclusione dal versante della ricerca10.
Questa sezione è un'introduzione a un tema che contiene più di quanto una sola sezione possa accogliere: la parola calibrazione ha quattro significati diversi, la capacità predittiva in-sample lusinga, e lo schema di validazione incrociata che si sceglie è di per sé un'affermazione sul compito di previsione. Una guida di campo alla calibrazione e alla validazione di un modello li affronta uno per uno.
L'inizializzazione: la fonte silenziosa di errore
Ogni modello del carbonio del suolo ripartisce lo stock in compartimenti con velocità di turnover diverse: rapido, lento e quasi inerte. La ripartizione iniziale tra i compartimenti è raramente misurabile e di solito viene stimata. Per RothC, l'equazione di Falloon stima il compartimento inerte a partire dal SOC totale13; è un'approssimazione statistica, e la frazione inerte assunta ha un effetto sostanziale sulle proiezioni a 30 anni, come mostra lo strumento qui sotto.
L'equazione qui sopra è un adattamento statistico, non una misura fisica. I suoi parametri portano un'incertezza che si amplifica nel corso delle proiezioni decennali. L'alternativa più difendibile è lo spin-up: far girare il modello fino all'equilibrio sotto un regime di gestione storico ricostruito, quindi usare la distribuzione dei compartimenti risultante come punto di partenza. La ricostruzione è la parte difficile, ed è anche il passaggio più spesso trascurato nella documentazione di progetto. Inizializzare da una retro-simulazione storica sotto una rotazione realistica, anziché dai compartimenti predefiniti, è il modo consolidato per rendere difendibile la ripartizione iniziale14.
Lo strumento qui sotto mostra perché non si tratta di un tecnicismo. Fissi uno stock misurato, fissi la gestione futura, e modifichi soltanto l'ipotesi sul compartimento inerte. La frazione inerte non guadagna né perde mai carbonio, quindi collocarvi una parte maggiore dello stock lascia meno carbonio in grado di reagire. La stessa misura, ripartita in due modi, può produrre un guadagno previsto con un'ipotesi e una perdita prevista con l'altra. È l'intera decisione, decisa da un numero che nessuno ha misurato.
Leggere gli output come inviluppi, non come linee
Una traiettoria del carbonio del suolo con uno stretto intervallo di confidenza al 95 per cento riflette o un sistema ben calibrato e ricco di dati, o una sottodichiarazione. La propagazione Monte Carlo dell'incertezza degli input (variabilità climatica, contenuto di argilla, apporti di residui, inizializzazione) produce un inviluppo di traiettoria di solito sostanzialmente più ampio della linea media. Quell'inviluppo è il risultato onesto. Se lo si elimina, il numero che resta è, nel migliore dei casi, una stima centrale plausibile.
Per il lavoro di confronto tra scenari (baseline contro intervento, per esempio), l'output utile è la differenza tra scenari, con la propria incertezza propagata. Gran parte del rumore degli input è condivisa tra gli scenari e si annulla nella differenza, che è spesso più stretta di ciascuna delle singole traiettorie. È l'impostazione corretta per quasi tutte le domande di fattibilità dei progetti di carbonio.
Lo strumento qui sotto lo rende concreto. Passi dalla visualizzazione dei due scenari separati, ciascuno con un inviluppo abbastanza ampio da inghiottire il segnale, alla visualizzazione della loro differenza, dove il rumore climatico e pedologico condiviso si annulla ed emerge un numero difendibile. Quanto più la baseline e l'intervento condividono le stesse condizioni, tanto più quella differenza si restringe. È la ragione statistica per cui gli schemi di MRV seri premiano i disegni appaiati e i siti di controllo anziché le rivendicazioni assolute del tipo prima-e-dopo15.
La frontiera: ciò che i modelli a compartimenti lasciano fuori
I quattro modelli di uso corrente discendono tutti dalla stessa idea, compartimenti concettuali definiti dalla velocità di turnover. È un'astrazione potente, ma i compartimenti non sono oggetti che si possano andare a misurare. Non si può setacciare un suolo per separarne le frazioni decomponibili e umificate; sono compartimenti contabili dedotti dal comportamento. Da vent'anni questo divario alimenta una seconda generazione di modelli costruiti su grandezze misurabili.
Lo spostamento della scienza sottostante va dalla chimica alla biologia e alla mineralogia. La persistenza, secondo la visione attuale, dipende meno dal fatto che una molecola sia intrinsecamente difficile da degradare e più dal fatto che i microrganismi possano raggiungerla e che le superfici minerali la trattengano18. I modelli a microbiologia esplicita come MIMICS e Millennial pongono al centro la biomassa microbica e il carbonio associato ai minerali, e sostituiscono i compartimenti dedotti con frazioni che possono, in linea di principio, essere misurate in laboratorio1617. Rispondono al riscaldamento in modo diverso dai modelli del primo ordine, e la differenza non è piccola.
Nulla di tutto ciò manda in pensione RothC o Century per il lavoro di progetto. I modelli più recenti sono più difficili da parametrizzare, meno confrontati con dati di campo di lunga durata, e non ancora inclusi negli standard di MRV. Ma indicano dove risiede realmente l'incertezza di una proiezione decennale, e il professionista che tratta la struttura a compartimenti come una verità fisica anziché come una finzione utile sarà colto in contropiede dal prossimo decennio di letteratura.
Dalla traiettoria alla rivendicazione difendibile
Una traiettoria diventa un bene solo quando uno standard la accetta, e gli schemi che contano qui convergono su un'unica posizione: modellare per pianificare e per interpolare tra le misure, ma misurare per rivendicare. La GHG Protocol Land Sector and Removals Guidance considera gli assorbimenti modellati rendicontabili solo se fondati su dati primari e accompagnati da un programma di monitoraggio continuo, e richiede che l'incertezza sia valutata e dichiarata1. Gli inventari nazionali che ricorrono a una contabilità Tier 3 basata su modelli sono soggetti allo stesso requisito di validazione rispetto a dati rappresentativi12. L'articolo di riferimento sull'MRV del carbonio del suolo è esplicito: i modelli riducono il costo del campionamento ma non eliminano la necessità di misurare15.
Il risultato onesto di un incarico di modellizzazione è quindi raramente un numero unico. È una traiettoria con il suo inviluppo, una dichiarazione chiara di quale modello è stato usato e perché, un'inizializzazione documentata, e un piano delle misure che la confermeranno o la correggeranno. Studi su scala continentale modellano milioni di ettari esattamente secondo questa logica19, e lo stesso vale alla scala dell'appezzamento: il modello porta la proiezione tra i punti in cui il suolo viene effettivamente campionato.
Punti chiave
Sotto gli acronimi, i modelli di uso corrente condividono un unico meccanismo: carbonio suddiviso in compartimenti che decadono secondo una cinetica del primo ordine, alimentati da apporti freschi, che tendono verso uno stato stazionario fissato dagli apporti e dal sito.
La scelta del modello è una decisione di adeguatezza, non di quale modello sia «il migliore». Il perimetro dell'azoto, la limitazione idrica, la risoluzione temporale e la disponibilità dei dati sono i quattro filtri pratici.
RothC è l'opzione credibile più semplice per il lavoro di scenario sull'orizzonte superficiale temperato; Century e DayCent per le domande accoppiate all'azoto; AMG per i sistemi colturali europei con dati limitati.
Un modello costituisce una prova solo dopo la validazione su serie temporali indipendenti provenienti da un sistema comparabile. L'adattamento ai dati di calibrazione non è una prova, e il dominio di applicabilità è un confine reale.
L'inizializzazione domina l'errore sugli orizzonti lunghi. L'ipotesi sul compartimento inerte può da sola trasformare una proiezione a 30 anni da guadagno a perdita, quindi una retro-simulazione storica realistica è preferibile alle scorciatoie basate sui compartimenti predefiniti.
Gli output espressi come differenza tra scenari sono più stretti delle singole traiettorie, perché gran parte dell'incertezza degli input è condivisa e si annulla nella differenza.
Il risultato è un inviluppo, non una linea. Un intervallo di confidenza stretto su una traiettoria a 30 anni è quasi sempre un problema di rendicontazione, non un traguardo di precisione.
Riferimenti
- 1.GHG Protocol. (2026). Land Sector and Removals Guidance (Version 1.0). World Resources Institute and WBCSD. ghgprotocol.org
- 2.Coleman, K. & Jenkinson, D.S. (1996). RothC-26.3: a model for the turnover of carbon in soil. In: Powlson, D.S., Smith, P. & Smith, J.U. (eds), Evaluation of Soil Organic Matter Models Using Existing Long-Term Datasets. NATO ASI Series I, Vol. 38, 237–246. Springer. doi:10.1007/978-3-642-61094-3_17
- 3.Sierra, C.A., Müller, M. & Trumbore, S.E. (2012). Models of soil organic matter decomposition: the SoilR package, version 1.0. Geoscientific Model Development, 5(4), 1045–1060. doi:10.5194/gmd-5-1045-2012
- 4.Andriulo, A., Mary, B. & Guerif, J. (1999). Modelling soil carbon dynamics with various cropping sequences on the rolling pampas. Agronomie, 19(5), 365–377. doi:10.1051/agro:19990504
- 5.Clivot, H., Mouny, J.-C., Duparque, A. et al. (2019). Modeling soil organic carbon evolution in long-term arable experiments with AMG model. Environmental Modelling & Software, 118, 99–113. doi:10.1016/j.envsoft.2019.04.004
- 6.Parton, W.J., Schimel, D.S., Cole, C.V. & Ojima, D.S. (1987). Analysis of factors controlling soil organic matter levels in Great Plains grasslands. Soil Science Society of America Journal, 51(5), 1173–1179. doi:10.2136/sssaj1987.03615995005100050015x
- 7.Parton, W.J., Hartman, M., Ojima, D. & Schimel, D. (1998). DAYCENT and its land surface submodel: description and testing. Global and Planetary Change, 19(1–4), 35–48. doi:10.1016/s0921-8181(98)00040-x
- 8.Smith, P., Smith, J.U., Powlson, D.S. et al. (1997). A comparison of the performance of nine soil organic matter models using datasets from seven long-term experiments. Geoderma, 81(1–2), 153–225. doi:10.1016/s0016-7061(97)00087-6
- 9.Farina, R., Coleman, K. & Whitmore, A.P. (2013). Modification of the RothC model for simulations of soil organic C dynamics in dryland regions. Geoderma, 200–201, 18–30. doi:10.1016/j.geoderma.2013.01.021
- 10.Campbell, E.E. & Paustian, K. (2015). Current developments in soil organic matter modeling and the expansion of model applications: a review. Environmental Research Letters, 10(12), 123004. doi:10.1088/1748-9326/10/12/123004
- 11.Farina, R., Sándor, R., Abdalla, M. et al. (2021). Ensemble modelling, uncertainty and robust predictions of organic carbon in long-term bare-fallow soils. Global Change Biology, 27(4), 904–928. doi:10.1111/gcb.15441
- 12.IPCC. (2019). 2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventories. Volume 4 (AFOLU), Chapter 2. IPCC, Switzerland. ipcc.ch
- 13.Falloon, P., Smith, P., Coleman, K. & Marshall, S. (1998). Estimating the size of the inert organic matter pool from total soil organic carbon content for use in the Rothamsted carbon model. Soil Biology and Biochemistry, 30(8–9), 1207–1211. doi:10.1016/s0038-0717(97)00256-3
- 14.Saffih-Hdadi, K. & Mary, B. (2008). Modeling consequences of straw residues export on soil organic carbon. Soil Biology and Biochemistry, 40(3), 594–607. doi:10.1016/j.soilbio.2007.08.022
- 15.Smith, P., Soussana, J.-F., Angers, D. et al. (2020). How to measure, report and verify soil carbon change to realize the potential of soil carbon sequestration for atmospheric greenhouse gas removal. Global Change Biology, 26(1), 219–241. doi:10.1111/gcb.14815
- 16.Wieder, W.R., Grandy, A.S., Kallenbach, C.M. & Bonan, G.B. (2014). Integrating microbial physiology and physio-chemical principles in soils with the MIcrobial-MIneral Carbon Stabilization (MIMICS) model. Biogeosciences, 11, 3899–3917. doi:10.5194/bg-11-3899-2014
- 17.Abramoff, R., Xu, X., Hartman, M. et al. (2018). The Millennial model: in search of measurable pools and transformations for modeling soil carbon in the new century. Biogeochemistry, 137, 51–71. doi:10.1007/s10533-017-0409-7
- 18.Cotrufo, M.F., Wallenstein, M.D., Boot, C.M., Denef, K. & Paul, E. (2013). The Microbial Efficiency-Matrix Stabilization (MEMS) framework integrates plant litter decomposition with soil organic matter stabilization: do labile plant inputs form stable soil organic matter?. Global Change Biology, 19(4), 988–995. doi:10.1111/gcb.12113
- 19.Lugato, E., Panagos, P., Bampa, F., Jones, A. & Montanarella, L. (2014). A new baseline of organic carbon stock in European agricultural soils using a modelling approach. Global Change Biology, 20(1), 313–326. doi:10.1111/gcb.12292