氮添加对中国农田土壤碳汇与养分循环的增强效应：基于机器学习与全国尺度分析

本研究针对中国农田系统中氮(N)添加对土壤有机碳(SOC)和养分循环影响的区域异质性难题，通过整合全国479个农田站点数据并应用机器学习模型，揭示了氮输入对SOC、总氮(TN)、硝态氮(NO3--N)、铵态氮(NH4+-N)及有效磷(AP)的促进作用。研究发现有机肥与长期施肥(>10年)显著提升碳汇功能，并构建了5公里分辨率全国预测数据集，为精准农业和碳中和目标提供科学依据。

　　

研究背景与意义
在全球粮食安全压力下，中国作为氮肥消费大国，长期集约化农业导致土壤碳氮平衡与养分循环机制不清。尽管已有研究证实氮添加能促进土壤有机碳(SOC)积累，但其空间异质性及气候-管理因子的调控作用仍存争议。传统统计方法难以解析非线性关系，而机器学习(ML)为预测全国尺度土壤响应提供了新工具。

研究设计与方法
新疆林业和草原管理局资助的研究团队整合了Elrys等发布的全球数据集，筛选中国479个农田站点数据，采用响应比(lnRR)量化氮添加效应。通过随机森林(RF)模型融合气候、土壤属性等20余项环境因子，构建了5公里分辨率预测图谱。关键技术包括：(1)文献数据提取与标准化处理；(2)环境协变量整合（WorldClim温度降水、SoilGrids土壤属性）；(3)机器学习建模（SOC预测R²=0.71）。

研究结果

1. 氮添加的整体效应
   氮输入使SOC、TN、NO₃^--N、NH₄⁺-N和AP分别显著增加30.25%、22.62%、41.61%、87.91%和651.81%，但碳氮比(C/N)无变化。

2. 环境因子的调控作用
   干旱区SOC增幅高于湿润区（+35% vs +25%），而TN和NH₄⁺-N在湿润区更显著。有机肥对SOC提升效果优于化肥（+40% vs +20%），长期施肥(>10年)使AP积累量达对照的6.5倍。

1. 机器学习预测
   RF模型显示pH变化(pH_RR)是SOC和TN的核心预测因子，而NO₃^--N受施氮量和气候驱动。生成的全国图谱揭示华北平原与东北黑土区为碳汇热点。

结论与讨论
该研究首次通过机器学习量化了中国农田氮添加的碳汇潜力，证实有机-无机配施与长期管理是关键策略。尽管SOC积累显著，但需警惕AP过量积累（+652%）引发的富营养化风险。研究为《碳中和背景下农业管理指南》提供了数据支撑，未来需整合N₂O排放评估以完善碳平衡核算。Yu Li和Yuan Li团队的工作发表于《Carbon Balance and Management》，为全球农田可持续管理提供了中国案例。