简化氮素管理决策：对作物系统中战略氮素储存方法的计算机模拟分析

《Agricultural Systems》：Simplifying nitrogen management decisions: An in-silico analysis of strategic nitrogen banking in cropping systems

　　伊斯梅尔·I·加尔巴 | 海蒂·霍兰 | 詹姆斯·R·亨特 | 林赛·W·贝尔
CSIRO农业与食品部，306卡莫迪路，圣卢西亚，昆士兰4067，澳大利亚

**摘要**
在澳大利亚的广阔干旱地区作物系统中，氮（N）的管理面临着气候高度变异性带来的挑战，从而导致季节性结果难以预测。种植者难以预估作物的季节性氮需求，因此通常采取保守的施肥策略，即在有利季节增加氮肥用量以提升产量和利润空间，而在不利季节则减少氮肥使用以降低经济损失风险。战略性氮储备是一种策略，旨在在不同季节内稳定来自土壤和化肥的氮供应，并将其维持在环境适宜的目标水平。这种方法简化了季节性氮肥规划的复杂性，增强了作物对气候变化的抵御能力，并最大限度地提高了水资源受限条件下的产量和利润。然而，适合环境要求的氮储备目标可能因作物轮作、土壤类型以及澳大利亚干旱地区的气候条件而有所不同。

**研究目的**
本研究旨在：1）确定不同生产环境下的最佳氮储备目标；2）分析作物对氮储备响应的生物物理驱动因素；3）评估氮储备对种植者决策的影响。

**研究方法**
在涵盖澳大利亚谷物种植区的3750个具有代表性的土壤-气候-轮作组合中进行了长期APSIM模拟。基于生产力、盈利能力和环境净效益（考虑氮损失成本），估算了四个最佳氮储备目标。利用回归树和空间分析方法，研究了作物对氮储备响应的生物物理驱动因素。

**结果与讨论**
最佳氮储备目标存在较大差异，但总体上保持了较小的正氮平衡（约30–80公斤/公顷），在32年内最大化了总利润，同时使系统氮平衡接近中性。影子成本分析显示，保守的农民平均施肥方法会导致显著的机会损失（每公顷-500至-90美元），而精准定位的氮储备方法仅比最佳年氮供应量少亏损45美元。此外，环境和经济上的最佳氮储备目标大体一致，即在保证环境效益的同时，不会降低生产力，并能持续缓解净效益与环境结果之间的权衡。

**意义**
针对区域特点定制的氮储备目标提供了一种可扩展的、具有气候适应性的策略，有助于优化氮肥投入，减少环境风险，并支持长期作物生产力。

**1. 引言**
氮（N）被广泛认为是干旱地区作物系统中最关键的限制性养分，在世界许多地区，氮的不足是导致产量差距（即潜在产量与实际产量之间的差异）的主要因素（Hoffmann等人，2018；Hochman和Horan，2018；Smerald等人，2022；Savin等人，2022；Novelli等人，2023）。在澳大利亚的干旱地区作物系统中，氮不足占量化产量差距的49%以上（Hochman和Horan，2018）。氮供应不足的影响不仅限于单个作物，还会在多个生长季节累积，导致长期生产力下降。在高产量潜力环境下，这种问题更加严重，因为轮作做法会进一步扩大产量差距（Hochman等人，2020；Hochman等人，2021；Lawes等人，2021）。虽然解决这一问题的关键在于改善氮供应，但难点在于如何在降雨量高度变化的生产环境中确定并提供适量的氮，以实现水资源的有效利用（Angus和Grace，2017）。

氮管理中的一个关键挑战是平衡氮供应与作物需求。氮施用不足不仅会导致产量差距，还会加速土壤有机质（SOM）的流失，因为作物依赖土壤中的氮矿化来满足其营养需求（Farrell等人，2021；Janke等人，2025）。随着时间的推移，土壤有机质的减少会导致长期生产力下降（Ladha等人，2011；Zhang等人，2016；Ling等人，2025）。然而，过量施用氮并不总是可行的选择，因为过量氮会通过淋溶、挥发和氧化亚氮（N2O）的排放而造成浪费，而氧化亚氮是一种强效温室气体（Thorburn等人，2010；Barton等人，2022；Yang等人，2024）。对于未获得补贴的澳大利亚农民来说，高昂的氮肥成本进一步抑制了过量施用氮的行为，尤其是在季节条件不利于高产量的年份（Angus和Grace，2017；Hochman和Horan，2018；Monjardino等人，2019）。这些因素表明，需要更好地匹配氮肥投入与作物需求，以最大化经济效益，同时减少氮损失及其对环境的负面影响。

在澳大利亚高度多变的气候条件下，年际降雨量可相差五到七倍，氮肥施用通常采取战术性方法，即根据经验法则和氮预算方法来调整施肥量（Hochman和Horan，2018）。这些方法依赖于实时的农艺数据和播种前的精确测量（如土壤水分、土壤矿质氮含量等农艺参数）（Angus和Grace，2017）。然而，这些测量对于许多种植者来说既困难又耗时，且由于降雨量和作物反应的不可预测性，这些方法往往无法产生可靠的结果。因此，许多种植者选择采取保守的氮肥施用策略（Monjardino等人，2015；Flohr等人，2024）。虽然保守的氮肥策略能在不利季节降低经济损失风险，但在有利年份却限制了产量潜力和盈利能力（Van Rees等人，2014；Robertson等人，2016）。因此，需要更简单、更可靠的氮管理框架，以提高盈利能力并减少对不确定季节性预测的依赖。

一种有前景的替代方案是采用长期氮管理策略，将重点从短期或年度产量匹配转向多年氮投入的优化（Angus和Grace，2017）。氮储备策略包括根据土壤矿质氮和化肥投入设定一个固定的氮供应目标，从而无需进行精确的季节性调整（Smith等人，2019；Farrell等人，2021；Meier等人，2021；Pandey等人，2024）。这种策略不依赖于基于预期季节性需求的年度氮肥决策，而是利用氮在年份间的自然循环和回收，从而实现更稳定的长期生产力。由于所需信息较少，这种方法也简化了种植者的决策过程。澳大利亚少数地区的实验和模拟研究表明（Meier等人，2021；Flohr等人，2024；Lilley和Kirkegaard，2024），当氮储备目标与特定地点的水资源限制潜在产量相匹配时，该策略能够增强对气候变化的抵御能力。通过保持稳定的氮供应，氮储备在大多数季节内最大化了水资源受限条件下的产量和利润，同时减少了环境损失（Kirkby等人，2016）。

尽管氮储备策略具有潜力，但它也存在挑战和风险，需要在更广泛的生产系统中进行评估。一个关键问题是确定最佳氮储备目标，即应在多个季节内调整的土壤矿质氮和化肥氮的总量，以平衡生产力、经济效益和环境影响之间的权衡。最佳氮储备目标可能因气候、土壤类型和作物系统的不同而有所差异，因此需要评估区域差异和系统适应性。设定最佳氮储备目标需要在有利季节最大化利润与干旱或低产量年份减少经济损失之间取得平衡。了解这些目标在不同生产环境中的变化对于开发更有效、更可扩展的长期氮管理框架至关重要。本研究旨在评估氮储备作为一种可行的长期氮管理策略，其在更广泛的气候、土壤类型和作物系统中的效果，包括：1）预测全国范围内不同生产环境和作物系统的最佳氮储备目标；2）分析这些目标的变化及其原因；3）评估氮储备对生产力、可持续性以及相关风险和收益的长期影响。

**2. 材料与方法**
2.1. 模拟地点特征
澳大利亚的谷物生产区（图1）涵盖了2560万公顷的亚湿润至半干旱气候区域。小麦、油菜和大麦是主要种植作物，但在许多地区，豆科作物（如鹰嘴豆、扁豆、蚕豆）也是轮作的重要组成部分。这些地区的气候和土壤类型差异显著，可分为三个主要子区域：南部——土壤肥力较低，气候温和，作物产量主要依赖于季节性降雨；西部——土壤肥力极低，属于地中海型气候，依赖冬季降雨，春季降雨量不稳定；北部——是一个机会主义作物种植区，夏季降雨为主，冬季降雨量变化大，土壤富含粘土（GRDC，2024）。大多数地区的冬季生长季节（4月至11月）受到水资源限制，但生长季节的干旱指数（以降水量与潜在蒸散量的比值计算）在不同地区差异很大（图1A）。所有地区的年降水量变化较大（变异系数>20%），其中北部地区的变化最为显著（图1B）。

为了获得全国范围内的代表性数据，本研究选择了50个具有不同土壤和气候特征的地点（图1A），这些地点能够反映澳大利亚谷物生产区的冬季作物生产的空间差异（Hochman和Horan，2018）。在每个地点，根据其地理位置确定了三种主要的冬季作物生长土壤类型。历史气候数据（包括每日太阳辐射、降雨量以及最高和最低气温）来自SILO澳大利亚气候数据库（Jeffrey等人，2001）。分析使用了代表9种“典型土壤类型”的通用土壤剖面，这些剖面用于澳大利亚产量差距分析（Hochman等人，2016）。这些土壤类型包括Calcarosol、Kandosol、Sodosol、Chromosol、Tenosol、Podosol、Dermosol、Ferrosol和Vertosol（Isbell，1996）。这些土壤在有效持水量（PAWC）及其他土壤水分过程方面存在差异。

2.2. 模型描述与规格
模拟使用APSIM Next Generation（APSIMX）农业系统建模框架进行（Holzworth等人，2018）。该模型已在该研究区域进行了广泛的评估和验证，主要作物在多种农艺条件和生产环境下的表现也得到了验证（APSIM验证文档，2026）。重要的是，APSIMX具备模拟各种土壤氮过程和功能的能力（Verburg等人，2025），包括硝化作用（Meier等人，2006；Smith等人，2020）、反硝化作用（Thorburn等人，2010；McDowell等人，2024）、淋溶作用（Stewart等人，2006；Cichota等人，2018；Vogeler等人，2023）、作物氮吸收（Chen等人，2016；Garba等人，2023）以及来自残余物和粪肥的氮矿化/固定作用（Li等人，2021；Alderkamp等人，2022；Lilley和Kirkegaard，2024）。

2.2.1. 模拟情景
在每个地点-土壤组合中，构建了五种作物轮作和五种初始土壤有机碳（SOC）状态的模拟，共得到25种组合。所有模拟均连续进行，不重置土壤水分、土壤矿质氮或有机碳的状态。在模拟开始时设置了五个不同的SOC含量水平（0.6%、0.9%、1.2%、1.5%和1.8%），以研究这些因素对氮储备目标的影响；所有情景中的土壤碳池（如新鲜有机物、腐殖质和微生物碳池）比例保持一致，但静态碳池（代表木炭）的储量保持不变。模拟了五种不同的作物轮作方案，这些方案在小麦（W）、油菜（Ca）和豆类（以鹰嘴豆为代表 – Ch）的种植频率上有所不同：(i) xW – 连续种植小麦；(ii) xWxWxWxCh – 25% 的豆类；(iii) xWxCh – 50% 的豆类；(iv) xWxWxWxCa - 25% 的油菜；(v) xWxCa – 50% 的油菜（补充表 S2）。所有轮作方案都包括一个无杂草的夏季休耕期（x），在此期间土壤水分不会被重新补充，因此播种前的土壤水分是累积的。所有作物序列都是完全同步的，即每个序列中的每种作物在每年都会被模拟。

在这些25种土壤有机碳状态和作物轮作组合中，模拟了13种氮管理方案。我们评估了11个氮库目标，范围从0到400公斤氮/公顷（0、30、60、90、120、150、200、250、300和400公斤氮/公顷），以及两个对照组或基准。氮库管理方案涉及设定作物氮供应的目标（播种前测量的0至1米深度的土壤矿物氮加上施用的氮肥），如果土壤矿物氮低于目标氮库水平，则通过施肥将其补充到目标值。两个对照基准分别是：“NFarmer”，代表该地区的平均氮肥施用量（补充表S1）；以及“N unlimited”，即施用足够的氮以满足水分限制下的产量潜力。“N unlimited”处理方式是在播种到开花/结果期间确保土壤表层60厘米内的矿物氮保持在45至50公斤/公顷之间，之后允许其逐渐减少直至收获。

2.2.2. 模拟的农艺管理规则
当累积降雨量超过7天内的潜在土壤蒸发量，并且顶部30厘米内的植物可用水量（PAW）≥20毫米时，使用修改后的Unkovich播种规则（Unkovich, 2010）来播种作物。我们使用平均生长季节降雨量（4月1日至10月31日）将地点分为低降雨量（<250毫米）、中等降雨量（250毫米–325毫米）和高降雨量（>325毫米）三个组，并为不同小麦品种的物候类型定义了具体的品种和播种窗口，以优化每个地点的作物生命周期与季节长度的匹配（Celestina等人，2023年）（表1）。

表1. 模拟中使用的每种降雨环境下的作物农艺管理措施。降雨环境指的是每个地点4月1日至10月31日之间的作物内降雨量。

降雨环境 | 小麦 | 油菜 | 鹰嘴豆
----------------|-------|------|-------|
低降雨量 (<250毫米) | 快速冬季 | 4月1日–4月24日 | Hyola | 575_CL |
| | 4月20日–6月15日 | Amethyst | 5月7日–7月7日 |
中等降雨量 (250–325毫米) | 中春 | 4月25日–5月21日 | 快速春季 | 5月22日–7月1日 |
高降雨量 (>325毫米) | 缓慢冬季 | 3月10日–4月30日 | 缓慢春季 | 5月1日–5月21日 | 中春 | 5月22日–7月1日 |

2.3. 最优氮库目标的估算
我们汇总了50个地点×3种土壤×5种轮作×5种有机碳状态×11个氮库目标×32年的小麦主作物模拟产量（n = 1,361,250）。对于每个氮库目标的产量响应，我们拟合了四种描述性模型：二次平台模型、二次模型、线性-平台模型和线性模型，以估算最优氮库目标。平台模型被实现为分段（分段）回归，产量在达到一个临界点后保持不变。二次平台模型是最常被选为最佳拟合模型的类型，占响应曲面的76%。

由于氮库策略结合了土壤固有的氮储备和肥料投入，因此为四个不同的性能目标推导出了最优氮库目标：(1) 农艺最优氮库目标（AgroN），代表最大化产量的氮库目标；(2) 当相对产量（实际产量占水分限制潜在产量的比例）最大化时的氮库目标（RelYldN），即作物正在最大化其水分利用效率；(3) 经济最优氮库目标（EconN），旨在最大化部分毛利率（肥料成本相对于谷物产量的价值）；(4) 环境最优氮库目标（EnvirN），旨在通过毛利率来减轻氮向大气和地下水的损失对社会造成的成本（图2）。

下载：下载高分辨率图像（302KB）
下载：下载全尺寸图像

图2. 概念框架展示了四种不同的最优氮库目标。这些目标分别是：农艺最优氮库（AONBT，最小氮库以最大化谷物产量）；PYw最优氮库（RelYldN，最小氮库以最大化相对谷物产量）；经济最优氮库（EconN，最小氮库以最大化氮肥成本的毛利率）；以及环境最优氮库（EnvirN，最小氮库以最大化氮肥成本加上氮损失的社会成本）。（关于图例中颜色的解释，请参阅本文的网络版本。）

环境成本的计算使用了已发布的氮损失外部成本估计，这些估计包括N2O排放和NO3淋溶的潜在成本，以及富营养化影响、潜在的人类健康风险和大气排放（Baum等人，2025年）。APSIM预测的N2O排放量以N?O-N表示，并根据Sevenster等人（2022年）提供的分子量比44/28（1.57）转换为N2O。CO2当量使用100年的GWP为298，碳价为AUD $32 t?1 CO?-e，相当于N2O排放为$14.98 kg?1，NO3淋溶为$61.73 kg?1。

对于每个响应变量（谷物产量、相对产量、毛利率和净环境效益），最优氮库目标是根据最佳拟合模型得出的。对于二次模型，最优值对应于抛物线的顶点；对于二次平台模型和线性-平台模型，最优值是响应达到平台的拐点。对于线性模型，最优值取为评估的最大氮库水平。为了避免由于超出模拟范围而产生的极值，所有估算的最优氮库目标都被限制在最大氮库目标（即400公斤氮/公顷）以内。

2.4. 最优氮库目标的环境驱动因素分析
为了评估定义最优氮库目标的环境和管理因素，我们分析了几个关键的生物物理预测因子及其与EconN的关系，因为这是最相关的目标，因为它与最大化农场毛利率有关。考虑的生物物理因素包括土壤有机碳水平、年降雨量、生长季节降雨量、土壤PAWC、APSIM预测的生长季节光热商（PTQ）和轮作类型。这些预测因子的分布总结在表2中。使用了一种基于树的算法——非参数递归分割和回归树（RPART），因为它能够使用分类和连续预测因子构建预测规则，而不需要对正态性或与响应变量的关系形式做出假设（Probst等人，2019年）。随后，通过随机抽样以50%和85%的比例将数据集分为训练子和测试子集，以评估不同数据可用性下的模型稳定性。RPART模型分别对每个子集和整个数据集进行了独立拟合，使用ANOVA分割标准。指定了较低的复杂性参数（cp = 0.001）、20折交叉验证、最大树深度为20以及最小终端节点大小为10，以允许生长出足够详细的树结构，同时控制过拟合。每个拟合模型都产生了独特的树结构，反映了特定的数据组成和抽样方案，从而能够评估不同数据集之间分割规则和预测因子的重要性。然后使用cp值对树进行修剪，以最小化交叉验证误差，从而得到简洁且可解释的模型。使用定制的图表可视化修剪后的树，突出显示了来自不同数据分区的关键决策阈值和结构差异。模型性能使用多种互补指标进行评估，包括模型效率（ME）、一致性相关系数（CCC）、均方根误差（RMSE）和平均绝对误差（MAE）。从拟合的树模型中评估变量重要性，并可视化以识别EconN的关键预测因子。为了进一步验证模型的稳健性和时间转移性，实施了留一法年交叉验证（LOYO-CV），通过为年份分配合成年份标签并在年份分组的情况下拟合模型，以评估模型结构和预测性能的年际变化。使用小提琴图总结了跨年份的预测准确性。

表2. 用于预测经济最优氮库目标的解释变量。这些因素用于定义设定长期氮库目标的环境。因此，它们描述了该环境中的土壤、气候和农业系统。

变量 | 单位 | 范围 | 描述 |
----------------|---------------|------------------|--------------------------------------------|
土壤有机碳 | % | 0.6–1.8 | 土壤表层0–30厘米内的有机碳含量 |
土壤植物可用水容量 | mm | 121–202 | 整个剖面的土壤植物可用水容量，特定于土壤类型 |
年降雨量 | mm | 250–1131 | 长期平均年降雨量 |
生长季节干旱度 | 0.1–0.9 | 长期平均降水量与生长季节潜在蒸发的比率 |
平均站点PTQ | MJ m–2°C?1 | 2.3–3.5 | 作物发育阶段的太阳辐射与平均温度的比率 |
轮作类型 | xW, xWxCh, xWxWxWxCh, xWxCa, WxWxWxCa | 四年逐步淘汰的轮作方案 |

2.5. 环境和生产力绩效指标的估算
使用APSIM预测的输出，我们推导出几个系统级别的环境和生产力指标。首先，我们计算了30年期间每个模拟组合的系统氮平衡，通过系统氮输入（包括豆类固氮和施用的肥料）与氮输出（包括通过谷物输出的氮、预测的反硝化作用以及作物根区以下的硝酸盐NO??淋溶）之间的差异。作物生长阶段的土壤氮净变化（包括矿化和固定）未被包括在内。其次，我们计算了相对产量作为特定地点水分限制产量潜力的衡量标准。对于每种作物、轮作类型、土壤有机碳水平和年份，相对产量被确定为该年度模拟的所有氮策略中达到的最大产量的比例。因此，每种策略下实现的潜在产量比例被用作其通过改善氮供应来缩小产量差距的能力的指标。此外，我们估算了各种氮管理和氮库目标的影子成本。影子成本定义为在每个模拟年份可实现的最有利氮管理选项与同一年份给定氮情景下获得的回报之间的经济回报差异。因此，它代表了未选择经济最优氮决策的机会成本。在本研究中，影子成本（公式1）是逐年计算的，提供了负面经济风险的定量衡量：接近零的值表明该策略在该季节接近经济最优，而较大的负值表示经济效率降低和相对于最佳可实现结果的更大利润损失。

(1) 影子成本 = ∏ymax ? ∏ystrategy
其中：Πymax表示年份y可实现的最大毛利率；Πystrategy表示在评估的氮管理策略下获得的毛利率。

3. 结果
3.1. 系统对氮目标的响应变异性
由于气候、土壤和管理因素的差异，不同轮作和地点的产量受到水分限制的影响（图S1）。预测的小麦产量范围从0到13吨/公顷，其中包含50%豆类（xWxCh）的轮作方案产量较高（中位数=2.0吨/公顷），相比之下，连续种植小麦（1.7吨/公顷）和与油菜相关的轮作方案（1.8吨/公顷）的产量较低。无论轮作类型如何，小麦产量随着有机碳水平的提高而增加（图S1A）。油菜产量范围从0到8.4吨/公顷（中位数=1.3吨/公顷），也随着有机碳水平的提高而增加，尽管不同轮作之间的差异很小（图S1B）。鹰嘴豆产量与油菜相当，中位数为2.2吨/公顷，但随轮作或土壤有机碳水平的改变变化很小（图）。S1C). 在所有地点，氮肥目标与小麦产量之间存在正相关关系，这种关系不受轮作方式、土壤类型和初始土壤有机碳状态的影响（图3）。在所有作物轮作和土壤有机碳情景下，这种关系最好用二次平台模型来描述（图3）。所有响应曲线，即产量、相对产量、毛利润和净收益，在氮肥目标达到某个阈值之前都会显著增加，超过该阈值后，增长会趋于平稳或缓慢下降（图3）。在氮肥供应量较低的情况下，小麦产量增长迅速（图3A），但在超过约200–250公斤氮肥/公顷后，产量增长趋于平稳，表明对额外氮肥供应的响应减弱。作物轮作选择和土壤有机碳水平会改变产量响应。将土壤有机碳含量从0.6%增加到1.8%可以提高土壤的氮素供应，从而提高产量潜力和盈利能力，尤其是在多样化轮作中。然而，不同最佳氮肥目标之间的相对差异在各种土壤有机碳水平下是一致的，这表明土壤有机碳主要影响产量响应曲线的幅度而非形状。不同最佳氮肥目标的自助法分布显示出中等程度的变异性，95%置信区间围绕中位数±100公斤氮肥/公顷。这些结果表明，在不同土壤有机碳水平下，最佳氮肥目标的估计是稳健且一致的（图S2）。

下载：下载高分辨率图片（701KB）
下载：下载全尺寸图片

图3. 小麦系统对氮肥目标的响应，涵盖了不同土壤有机碳水平、轮作方式、生长季节干旱等级和模拟时期（1990–2023年）。（A）产量（吨/公顷），（B）潜在产量的比例（PYw，%），（C）毛利润（美元/公顷/年），以及（D）净收益（美元/公顷/年）作为氮肥目标（0–400公斤氮肥/公顷）的函数。曲线分别代表有机碳含量为0.6%、0.9%、1.2%、1.5%和1.8%时的模拟结果。xW = 连续种植小麦，xWxCh = 每四年种植两次鹰嘴豆，xWxWxCh = 每四年种植一次鹰嘴豆，xWxCa = 每四年种植两次油菜，xWxWxCa = 每四年种植一次鹰嘴豆。

在所有轮作方式和生长季节干旱等级中，经济最优（EconN）和环境最优（EnvirN）的氮肥目标趋于一致，其最佳氮肥目标几乎相同（平均值分别为235公斤和233公斤氮肥/公顷），并且在不同干旱等级下的分布也有重叠（图4）。这表明，在模拟条件下，经济盈利性和环境风险最小化可以在相同的或非常相似的氮肥目标下实现，这两个目标之间没有明显的权衡。相比之下，农艺最优（AgroN）的氮肥目标平均略高（平均值=247公斤氮肥/公顷），反映了为了最大化绝对产量而非经济回报所需的额外氮肥量。RelYldN目标与EconN和EnvirN目标紧密相关（平均值=237公斤氮肥/公顷），表明在不超过经济或环境最优氮肥水平的情况下，可以实现接近最大限的水分限制产量。最佳氮肥目标对生长季节干旱程度有强烈的系统响应。较干燥的环境（干旱度<0.30）在所有轮作方式下都表现出较低且变化较小的最佳氮肥目标，而较湿润的环境（干旱度>0.51）则支持较高且变化较大的氮肥目标，无论轮作结构如何。这种模式在经济、农艺、环境和相对产量标准中都是一致的（图4）。

下载：下载高分辨率图片（420KB）
下载：下载全尺寸图片

图4. 作物轮作和生长季节干旱程度对不同环境和土壤类型下最佳氮肥目标的影响。AgroN - 最大化产量；RelYldN - 最大化潜在产量的比例（PYw）；EconN - 毛利润（美元/公顷/年）；EnvirN - 最大化净收益的氮肥目标。xW = 连续种植小麦，xWxCh = 每四年种植两次鹰嘴豆，xWxWxCh = 每四年种植一次鹰嘴豆，xWxCa = 每四年种植两次油菜，xWxWxCa = 每四年种植一次鹰嘴豆。蓝色点表示平均最佳氮肥目标。每个箱子显示了中位数和四分位数范围；封闭的圆圈表示超出四分位数范围1.5倍的异常值（位于第75百分位以上或第25百分位以下）。

最佳氮肥目标表现出明显的区域差异（图5；S3；S4；S5），这与生长季节干旱动态有关（图1A）。总体而言，北部地区（例如新南威尔士州北部和昆士兰州南部）的最佳氮肥目标较低，而澳大利亚南部地区（特别是南澳大利亚州、维多利亚州和西澳大利亚州南部）的最佳氮肥目标较高，这反映了广泛的气候和土壤差异对小麦产量和作物氮需求的影响（图5）。连续种植小麦的轮作方式在大多数地区的最佳氮肥目标适中，通常在124至300公斤氮肥/公顷之间，只有少数地区超过320公斤氮肥/公顷。相比之下，与豆科植物相关的轮作方式（xWxCh和xWxWxWxCh）需要较低的氮肥目标，特别是在北部和南部子区域，平均值低于260公斤氮肥/公顷。与油菜相关的轮作方式（xWxCa和xWxWxWxCa）在南部和西部子区域的最佳氮肥目标明显较高，经常超过320公斤氮肥/公顷。这些趋势在AgroN（图S4）、RelYldN（图S5）和EnvirN（图S6）中也有所体现。

下载：下载高分辨率图片（354KB）
下载：下载全尺寸图片

图5. 澳大利亚不同作物种植区及不同轮作方式下经济最优氮肥目标（EconN，公斤氮肥/公顷）的变化。最佳氮肥目标是根据二次平台作物-氮响应关系确定的，并在模拟时期（1990–2023年）进行了平均。

土壤类型对最佳氮肥目标的分布和变异性有显著影响（图S3）。有机质含量较高的土壤（例如Vertosols和Kandosols）表现出较高的平均氮肥目标和较大的变异性，而质地较轻的土壤（例如Chromosols和Sodosols）则表现出较低的氮肥目标和较窄的分布范围。然而，EconN和EnvirN的最佳目标之间有密切的对齐（通常相差<10–15公斤氮肥/公顷），这种一致性在所有土壤类型中都存在；农艺最优目标系统性地高出20–40公斤氮肥/公顷，并且变化更大。这些模式表明，最佳氮需求受到土壤的强烈空间控制，在不同的土壤环境中，经济和环境目标之间的权衡很小（图S3）。在所有土壤类型中，模拟结果显示，在湿润时期，较重的土壤上的反硝化损失会增加。然而，即使是在Vertosols和Ferrosols中，年平均反硝化损失相对于作物氮输出和肥料投入来说也很小（图S7）。这表明，在模拟期间，土壤矿物氮通过饱和完全流失的情况很少见，最佳氮肥储备反映了长期的风险加权平衡，而不是过量矿物氮的持续积累。

3.2. 最佳氮肥目标的关键驱动因素分析
EconN与环境或管理因素之间的关系表明，气候和氮循环过程是控制小麦氮需求的主要因素（图6）。在所有轮作方式中，EconN与生长季节干旱程度（r = 0.53–0.83）、作物氮输出（r = 0.58–0.88）、净氮矿化（r = 0.32–0.56）和总氮损失（r = 0.31–0.50）有很强的相关性，表明较高的氮需求伴随着更大的氮周转率和作物吸收能力。年度降雨量（r = 0.35–0.57）和光热商数（r = 0.39–0.52）也显示出中等程度的正相关，反映了水分可用性和辐射-温度平衡对作物产量的综合影响。相比之下，土壤植物可用水分能力（PAWC）与EconN的相关性非常弱（r < 0.2），表明年际气候变异性而非静态土壤属性是决定氮需求空间和时间变化的主要因素。土壤有机碳对最佳氮目标的影响也类似，但其直接影响较小。

基于这些双变量关系，递归分割模型（RPART）（图7）提供了一个综合的、层次化的框架，描述了环境和管理变量如何相互作用以确定最佳氮肥目标。该模型确定了生长干旱指数、降雨量和轮作类型为最具影响力的预测因子。根节点代表一个总体平均值278公斤氮肥/公顷，通过连续的分割来捕捉主要的环境阈值。

下载：下载高分辨率图片（466KB）
下载：下载全尺寸图片

图7. 递归分割模型描述了小麦经济最优氮肥目标（公斤氮肥/公顷）作为环境和管理变量的函数。灰色盒子的颜色从绿色逐渐变为红色，表示分割节点，最浅的灰色盒子表示终端节点。每个分割节点都标明了阈值、平均最佳氮肥目标、观测数量（n）和总观测值的百分比。驱动每次分割的因素显示在白色盒子中。

干旱指数是最佳氮肥目标的主要环境驱动因素，可以理解为季节性水分条件。较湿润的生长季节（干旱指数值>0.3）支持最高的平均氮肥目标，达到312公斤氮肥/公顷，反映了较高的产量潜力和更大的作物氮需求。相比之下，较干燥的季节（干旱指数<0.27）的氮肥需求显著较低，通常低于150公斤氮肥/公顷，这与产量形成受限和氮吸收减少一致。因此，较高的干旱指数值反映了氮需求高的环境，以及氮供应时机不当的成本较高，增加了较大土壤氮储备的价值。在这些气候层内，年平均降雨量和作物轮作进一步区分了氮需求。包含鹰嘴豆的轮作方式（xWxWxWxCh, xWxCh）所需的氮肥目标低于与油菜相关的轮作方式（xWxWxWxCa, xWxCa），这反映了轮作中豆科植物的残余氮效益和氮利用效率的提高。RPART模型表现出很强的预测性能（图S7；S8）。外部验证（OOB）和交叉验证表明，该模型与APSIM预测的氮目标高度一致（图S8；S9），一致性相关系数（CCC）约为0.90，模型效率（ME）约为0.85，预测误差相对较低（RMSE约为30公斤氮肥/公顷；MAE约为23公斤氮肥/公顷）。20折交叉验证的Violin图显示了各组之间的变异性较小，确认了模型的稳定性。留一法验证进一步证明了模型在季节性变化下的稳健性，年际性能指标也是一致的（图S9）。总体而言，相关性和分割分析都表明，小麦氮肥目标主要受气候驱动，轮作方式影响氮的效率和循环。

3.3. 氮肥储备方法的经济性和风险相对于全国农民平均水平
影子成本提供了一种经济风险的衡量标准，定义为当某种氮管理策略偏离某一年度最有利可图（事后）氮决策时所造成的机会损失。接近零的值表明该策略接近该季节的经济最优，而越来越负的值表明经济效率较低，损失的机会成本较大。因此，影子成本提供了与替代氮管理策略相关的下行风险的定量衡量。影子成本模式显示了不同作物轮作方式和生长季节干旱梯度下氮管理策略经济效率的显著差异（图8）。在高干旱条件下，保守农民策略（NFarmer）与经济最优氮肥目标（EconN）之间的差异最为明显，下行风险变得更加显著。

下载：下载高分辨率图片（369KB）
下载：下载全尺寸图片

图8. 不同生长季节干旱梯度和轮作方式下，替代氮决策的影子成本（美元/公顷/年）分布：相对于最佳可能结果的边际回报惩罚。每个箱子显示了中位数和四分位数范围；封闭的圆圈表示超出四分位数范围1.5倍的异常值（位于第75百分位以上或第25百分位以下）。xW = 连续种植小麦，xWxCh = 每四年种植两次鹰嘴豆，xWxWxCh = 每四年种植一次鹰嘴豆，xWxCa = 每四年种植两次油菜，xWxWxCa = 每四年种植一次鹰嘴豆。EconN = 为最大化毛利润而所需的最低氮肥量。

在所有轮作方式中，静态NFarmer方法始终造成最大的机会损失，平均影子成本范围从-510美元/公顷到-90美元/公顷不等，尤其是在连续种植小麦（xW）和小麦-油菜（xWxCa）系统中，最低值经常低于-1400美元/公顷。相比之下，旨在最大化净经济回报的EconN策略显著降低了这些损失，典型平均影子成本在-170美元到-45美元/公顷之间，表明经济效率提高，极端负面结果的风险降低。

在低干旱指数值（0.18–0.26）下，与EconN目标相关的影子成本相对适中，平均值和中间值通常在-20美元到-100美元/公顷之间，具体取决于轮作方式（图8）。在这些条件下，轮作方式的影响明显。基于鹰嘴豆的种植系统（xWxCh和xWxWxWxCh）始终表现出比基于油菜的系统（xWxCa和xWxWxWxCa）更低的负中位数影子成本，这表明其性能更好，经济惩罚也更小。这反映了包含豆科植物的轮作对氮肥的依赖性较低，而基于油菜的轮作由于氮需求较高和氮库目标较高，对氮供应不匹配的敏感性更大。因此，在不包含豆科植物的系统中，氮库的潜在经济收益最大，因为氮供应的限制更为严重。随着干旱程度增加到中等水平（0.26–0.51），所有策略和轮作的中位数影子成本逐渐变得更加负值，同时变异性也增加了。中位数影子成本与最低影子成本之间的差距扩大表明，即使在适度干旱的条件下，也面临更大的下行风险，轮作多样性缓冲氮相关惩罚的能力也在减弱。在最高干旱指数类别（干旱>0.51）中，影子成本在幅度和变异性上都急剧增加。所有轮作的中位数值都变得非常负，最低影子成本经常超过-600美元/公顷，在某些情况下，在EconN目标下甚至低于-1400美元/公顷。这些结果表明，尽管经济优化的氮库管理可以提高平均表现，但在极端干旱条件下，错误指定仍然可能导致严重的惩罚，突显了氮管理在极端环境中的固有风险。

尽管EconN目标相对于NFarmer始终降低了影子成本，但它们对系统氮平衡的长期影响在不同轮作和干旱梯度上与农民策略相比有所不同（图S10；S11）。EconN处理在所有OC水平上都实现了更高的毛利率（图S12），盈利能力在中等正氮平衡（30–80千克氮/公顷）时达到峰值。拟合关系显示出明显的抛物线响应，表明氮供应不足和过量都会降低盈利能力。相比之下，NFarmer策略的表现更加不稳定，经常导致氮平衡为负（导致氮限制产量）或氮平衡过高（反映不必要的投入成本）。

4. 讨论
在澳大利亚雨养作物中，氮管理的一个主要挑战是在高气候变异性下平衡氮供应与作物需求。季节条件的不确定性继续使澳大利亚雨养作物系统的传统战术性肥料决策复杂化（Angus和Grace，2017）。战略性氮库管理通过将决策从短期产量匹配转变为长期氮输入优化来提供另一种选择。通过依赖自然氮循环和回收，这种方法可以稳定生产力，减少环境损失，并简化在多变气候下的决策。在这里，我们量化了全国范围内的最佳氮库目标，确定了其驱动因素，并评估了它们对不同生产环境中种植者氮决策的影响。

4.1. 不同谷物区域最佳氮目标的变异性
这项全国范围的分析揭示了最佳氮库目标的显著空间和管理驱动的变异性，反映了气候、土壤和作物轮作对小麦氮需求之间的复杂相互作用。最佳氮的空间梯度与生长季节的干旱程度、降雨模式和土壤肥力一致，表明气候是氮响应产量的主要决定因素。北部变异性较大的地区氮需求较低，反映了水分限制的生产力，而降雨量较大的南部地区则需要更大的氮储备，这与水和氮共同限制产量的原则一致（Sadras等人，2012）。土壤水分可用性调节了氮的响应性，PAWC较高的土壤和可靠的降雨模式支持对增加氮供应的更强产量响应（Sadras等人，2016；Hochman和Horan，2018）。这些发现强调了在设计氮管理策略时需要考虑水与氮的相互作用。

尽管重质土壤如Vertosols表现出更大的反硝化潜力，但反硝化损失是高度偶发的，而不是普遍的，需要土壤NO3可用性升高、长时间饱和以及易分解的土壤有机碳（OC）可用性的同时发生（Schwenke，2022；Barton等人，2022）。澳大利亚的同位素研究表明，虽然在湿润季节肥料氮的损失可能很大，但矿物质氮的完全损失并不常见，通常有20–40%的施用氮保留在土壤和作物残余物中（Rowlings等人，2022）。此外，在裂隙粘土土壤中，淋溶损失通常有限，允许储存的土壤水分和NO3在干旱期间仍然可供作物利用（Bell，2024）。这些动态在APSIM中得到了明确体现，该模型通过在湿润期间增加气体损失来惩罚过量的土壤NO3，从而限制了高风险季节的过度氮库管理。轮作效应进一步调节了氮需求。包含豆科植物的轮作通过生物固氮和增强土壤残余氮来持续降低氮需求，而基于油菜的轮作由于作物氮输出较高和几乎没有氮的累积效益而需要更高的氮输入。这加强了豆科植物在多样化种植系统中减少肥料依赖性的作用（Peoples等人，2009；Kirkegaard和Ryan，2014；Büchi等人，2015；Ghosh等人，2020）。基于油菜的轮作虽然提供了当前模型未捕捉到的病害和杂草管理效益，但表现出更大的产量变异性，并且在低OC条件下需要更高的氮库目标。这支持了先前的研究结果，即油菜的高氮需求和有限的土壤氮储备增加了其对外部输入的依赖性（Norton，2016；Seymour等人，2016；Riar等人，2020）。总的来说，这些结果表明，增强氮的响应性需要一种系统方法，将氮管理与土壤功能、水分可用性和轮作多样性结合起来。结合有利土壤特性和多样化轮作的系统可以同时提高生产力，降低环境风险，并减少对合成氮输入的依赖。

最佳氮库目标定义上对应于在大多数季节内最大化毛利率的可用氮水平，同时保持正的或接近中性的系统氮平衡。这种平衡对于防止本土土壤氮的开采和维持土壤有机质（SOM）至关重要，从而支持长期生产力和生态系统稳定性。发现产量和利润在中等正氮平衡（30–80千克氮/公顷）时达到峰值，这加强了氮供应不足和过量都会通过限制产量或浪费投入和增加环境损失而带来经济惩罚的观点。最近在澳大利亚南部进行的一项多年田间实验研究表明，氮库管理方法可以帮助种植者在面对不确定的降雨和土壤湿度条件时简化决策，从而有助于减少与氮缺乏相关的产量和利润差距（Pandey等人，2024）。此外，使用APSIM在澳大利亚谷物区域进行的最新模拟研究表明，氮库管理可以维持相似的作物产量和氮利用效率，并降低氮和碳的损失，优于诸如氮预算这样的战术性氮决策（Flohr等人，2024；Lilley和Kirkegaard，2024）。

4.2. 理解作物对氮库管理的响应驱动因素
最佳氮库目标的变异性可以从气候驱动的生产力潜力、土壤养分循环能力和生物氮输入的差异中机械地解释。相关性和递归分割分析（图9–11）确定干旱指数、降雨量和轮作是氮需求的主要预测因子，而静态土壤属性如PAWC的影响较弱。这表明，年际气候变异性而非固有的土壤储存能力主要决定了必须转移到土壤中的氮量以满足作物需求。较高的氮需求与更大的谷物氮输出、矿化和总氮损失相关，表明生产力较高的环境也维持了更大的氮需求。较湿润的地区需要高达312千克氮/公顷，而较干燥的地区则需要不到这个量的一半。在这些干旱梯度的气候层内，作物轮作调节了氮需求：包含豆科植物的轮作使最佳氮目标减少了40–100千克氮/公顷，相对于小麦-油菜系统。这些减少反映了生物固定氮的累积和更有效的内部氮循环，其中更大比例的作物氮需求通过豆科植物残余物引起的氮的时间再分配得到满足。这一过程增加了后续作物的矿物质氮可用性并减少了氮肥料需求。土壤有机碳（OC）通过增强可矿化的氮供应和水分保持来放大这些气候和轮作效应。随着OC从大约-160美元/公顷（0.6% OC）增加到-50美元/公顷（1.8% OC），影子成本的下降表明富碳土壤能够缓冲氮管理不佳的经济风险。高OC土壤的更可预测的响应表明，投资于建立土壤碳不仅提高了长期肥力，还减少了氮决策的精确度负担。重要的是，递归分割模型实现了高预测准确性（CCC > 0.90；RMSE < 30千克氮/公顷），证实了一组有限的环境和管理指标可以可靠地预测不同生产环境中的最佳氮目标。因此，这个框架可以支持区域定制的决策支持工具，为种植者提供动态的、基于机制的氮建议，整合了观察到的气候、土壤和管理数据，反映了气候风险和土壤肥力状况。

4.3. 对种植者氮管理决策的影响
氮库管理方法将氮管理重新定义为一种战略性的、前瞻性的过程，而不仅仅是一个反应性的、季节性的决策。通过基于季前土壤矿物质氮、预期降雨量和轮作背景来维持一个明确的氮储备，种植者可以更好地将肥料供应与潜在需求对齐，减少氮供应不足或过量的风险。这在澳大利亚的雨养小麦系统中尤其有利，因为不可预测的降雨经常使肥料施用时间与作物吸收脱节（Flohr等人，2024；Pandey等人，2024）。与保守的“农民平均”策略相比，基于EconN的氮库管理方法在保持接近中性的氮平衡的同时，显著提高了毛利率。这表明适应性、基于证据的氮策略可以同时提高盈利能力和保持土壤肥力。

盈利能力对氮平衡呈抛物线响应，氮缺乏和过量都会降低回报。维持中等正氮平衡（约50千克氮/公顷）似乎是经济和环境上最稳定的目标（Pandey等人，2024）。长期可持续性还取决于保持土壤有机碳（OC）和防止氮的开采。与先前的研究一致（例如Guo等人，2012；Farrell等人，2021；Meier等人，2021），高OC土壤显示出更高的产量稳定性和更低的肥料依赖性，特别是在包含豆科植物的轮作中。因此，轮作设计成为关键的管理杠杆。豆科植物阶段减少了外部氮需求，并增强了对季节性和市场波动的韧性，而以油菜为主的系统可能需要更高的季前氮目标来抵消有限的内部氮循环。最佳氮库的空间映射（图5）进一步提供了可操作的见解：南部土壤较深且降雨可靠的种植者可以设定更高的季前氮储备，而面临降雨不规律和土壤较浅的北部种植者应采用保守的目标以降低财务和环境风险。总体而言，氮库管理将土壤氮视为资本而非仅仅作为年度输入，使种植者能够平衡短期盈利能力和长期系统可持续性。将特定地点的气候、土壤OC和轮作数据整合到预测框架中，为可扩展的、气候适应性氮管理提供了实用途径。

4.4. 不确定性和局限性
尽管这项研究的范围很全面，但仍需承认几个局限性。首先，APSIM模拟的准确性取决于输入数据的质量和模型假设。虽然APSIM已经针对澳大利亚的种植系统进行了广泛验证，并且主要的氮损失途径如淋溶和反硝化已经得到了很好的参数化（Verburg等人，2025），但氨（NH3）挥发尚未包括在内，因为这一过程仍在模型开发中。在表面施用氮肥的情况下，这一途径可能很重要，应在未来的分析中加以考虑（Pan等人，2016；Barton等人，2022；Hearn等人，2023）。其次，田间内的空间变异性，如土壤深度、OC分布和微气候的差异，未能被这里使用的粗分辨率土壤和气候输入完全捕捉。虽然回归树确定了主要的区域尺度驱动因素，但它们可能缺乏进行田间决策所需的分辨率。需要改进的空间土壤制图和现场田间监测，以提高氮库建议在田间尺度上的实用性。第三，管理和经济假设引入了重要的不确定性来源。最佳氮库目标本质上对相对价格比率敏感，包括肥料和谷物加工以及环境成本的估值。在这项研究中，经济和环境最优值是在固定和透明的价格假设下评估的，以便在不同气候、土壤和轮作之间进行一致比较。尽管在不同的价格情景下，绝对最优的氮（N）银行值会发生变化，但各种策略的相对排名以及经济最优解与环境最优解之间的趋同性仍然保持稳定，尤其是它们与收益最大化最优解之间的系统性差异。因此，这些结果应被解读为揭示了结构性权衡，而不是规定一个不受价格影响的氮目标值。简化的管理假设（包括静态的作物种植顺序、播种窗口和品种选择）不一定能够完全反映种植者对气候、市场和劳动力限制的适应性反应。未来的研究如果能够纳入动态管理调整和明确的经济优化分析，将能够提供更为现实的长期氮管理策略评估。此外，虽然本研究确定了能够在高生产力与低肥料依赖性之间取得平衡的系统，但更广泛的经济和环境权衡（如新轮作制度所需的机械升级成本、温室气体排放（尤其是N2O）以及硝酸盐淋失）尚未被明确量化，这些因素应在后续研究中加以考虑。最后，气候变化增加了不确定性，因为降雨模式的变化、极端高温的增加以及二氧化碳的肥料效应可能会改变作物对氮的需求。尽管该模型在历史数据上的表现稳定，但持续使用更新的气候数据进行重新校准对于确保氮银行框架在未来的适用性至关重要。

5. 结论

这项全国范围的计算机模拟研究表明，氮银行是一种可行的长期策略，可用于管理大面积作物系统中的土壤氮资源。通过将氮目标与特定地点的水分限制下的产量潜力相匹配，氮银行可以缩小产量差距、提高氮利用效率，并在季节性气候变化下缓冲生产风险。尽管在不同气候、土壤和轮作制度下，最优氮银行目标值存在很大差异，但适量的氮盈余（约30-80公斤/公顷）能够持续最大化净利润，同时保持系统氮平衡接近中性。影子成本分析显示，氮管理策略的不一致性（尤其是过于保守的方法）会导致显著的机会损失（每公顷500至900美元），而精准的氮银行管理措施可以将这些损失减少一半以上。包含豆科植物的轮作制度通过降低外部氮需求和改善内部氮循环进一步提高了系统效率。总体而言，这些结果支持从被动施用化肥转向战略性管理土壤氮资源的做法。根据地区特点制定的氮银行目标，结合气候、土壤和轮作制度的信息，为构建具有气候适应性、经济稳健性和环境责任感的作物系统提供了可扩展的路径，并为在日益变化的气候和市场环境下指导长期氮管理提供了坚实的决策支持工具基础。

作者贡献声明：
Ismail I. Garba：撰写初稿、数据可视化、验证、软件开发、方法论设计、数据分析、概念化。
Heidi Horan：撰写修订稿、软件开发、资源管理、方法论设计、数据分析。
James R. Hunt：撰写修订稿、数据可视化、验证、资源管理、方法论设计、资金筹集、数据分析、概念化。
Lindsay W. Bell：撰写修订稿、数据可视化、验证、项目监督、软件开发、资源管理、方法论设计、资金筹集、数据分析、概念化。