大堡礁流域肥料使用趋势与效率

《Journal of Environmental Management》：Trends in fertiliser use and efficiency in the Great Barrier Reef catchment area

　　

摘要

河流流域年度化肥施用量的时间序列数据为作物管理实践和环境变化提供了基础记录。本研究建立了澳大利亚东北部大堡礁（Great Barrier Reef, GBR）流域1910年至2024年的合成氮（N）和磷（P）化肥施用年度时间序列。研究人员利用流域尺度上各类作物的土地利用统计数据，结合已知的施用率来构建该时间序列，并充分考虑了作物面积和施用率两者的不确定性。数据汇编表明，在过去一至二十年间，六个自然资源管理（Natural Resource Management, NRM）区域中有四个区域的N和P施用量有所下降，然而流域尺度上存在相当大的变异性，尤其在化肥施用高峰出现的时间方面。这种变异性反映了土地利用的变化，包括作物类型和/或作物面积的变化，以及化肥施用率的降低。研究还表明，施用至甘蔗作物的蔗糖厂滤泥/灰渣可为作物提供额外的有效N和P，这些养分应纳入农场尺度养分预算中。最后，研究人员评估了GBR流域内主要作物——甘蔗的氮肥利用效率长期趋势，揭示该产业在过去一至二十年间在保持稳定产量的同时实现了显著改善。这些数据为评估水质长期趋势提供了一条重要证据链，并为认识GBR流域内农田环境足迹的变化提供了见解。

**大堡礁流域肥料施用趋势与效率研究解读**

**1. 研究背景与问题**

20世纪农业革命以合成氮（N）肥的大规模制造、农药的发明、田间机械的改进以及高产抗逆作物品种的培育为主要标志，使农民得以在不大幅扩大农业用地面积的情况下养活不断增长的人口。其中，用于生产氨和尿素肥料的哈伯-博世（Haber-Bosch）工艺在保障充足、安全和经济的氮供应方面发挥了基础性作用。然而，N和磷（P）肥用量的增加也导致养分向环境的流失加剧，造成受纳水体污染和广泛的环境损害。这些影响对农业部门提出了提高N和P利用效率、减少农田养分流失的挑战。

澳大利亚东北部的大堡礁（Great Barrier Reef, GBR）流域（GBRCA）受到特别关注，因为自约1850年欧洲人定居以来，35个河流流域中许多河流的N和P负荷增加了数倍。河流养分负荷的增加与近岸GBR沿海和海洋生态系统的负面效应密切相关。为此，各级政府着力鼓励农民采用改进的管理措施以减少N和P的田间流失，并对特定作物的N施用率进行了监管。这些干预措施构成了2003年启动的"珊瑚礁水质保护计划"（现称"珊瑚礁2050水质改善计划"）的一部分。

尽管对肥料管理以减少GBR养分负荷的关注度很高，但关于流域尺度上N和P施用总量如何随时间变化、施用率是否已降低、以及改善管理措施下养分利用效率是否提高等方面的认识仍然有限。此前唯一针对GBR河流流域合成N和P化肥施用数据的汇编由Jim Pulsford完成，覆盖1910至1990年。过去35年来，尚缺乏新的合成N和P化肥施用汇编数据。因此，构建流域尺度的年度N和P化肥施用时间序列，可为评估GBRCA养分管理是否得到改善提供一条重要的补充证据链。

**2. 研究内容与技术方法**

本研究旨在建立GBRCA河流流域尺度N和P肥料使用的奠基性时间序列，揭示过去肥料施用和管理实践的关键见解，并为未来管理提供指导。研究人员在GBRCA各河流流域内汇编了七种作物类别（甘蔗、水果和坚果、香蕉、蔬菜、大田作物、棉花和乳业牧场）1990年至2024年的特定土地利用统计局（ABS）区域数据，并汇编了这些作物类别的可用N和P肥料施用率，结合相应土地利用面积数据，计算了1991年至2024年间各GBR流域内每种作物类别的N和P施用量。研究对作物面积和N、P施用率均采用变异系数（coefficient of variation, CV）表示的不确定性估计，通过蒙特卡洛（Monte Carlo）模拟框架（10,000次迭代）推导中心估计值和95%不确定性区间。该研究将Pulsford（1996）时间序列更新至1910至2024年的完整时期。此外，研究人员还开展了案例研究，考察了流域内蔗糖厂滤泥/灰渣和动物粪肥循环利用所提供的有效N和P量，并利用主导作物甘蔗的N时间序列数据和年度甘蔗产量数据，考察了该产业的产量与N利用效率。

方法上涉及几个关键技术环节：一是土地利用数据的汇编与分配，利用昆士兰土地利用测绘计划（Queensland Land Use Mapping Program, QLUMP）的作物面积空间数据结合ABS统计区域边界，确定各统计区域中各作物群在每条河流流域内的分配比例，并采用线性插值和比例均值赋值法填补缺失年份的数据；二是肥料施用率数据的整合，以1990年Pulsford数据结合相应施肥面积计算各流域各作物的基准施用率，并综合行业调查、推荐实践指南、田间试验和Paddock to Reef计划记录等来源获取各时期的施用率；三是采用对数正态分布假设和蒙特卡洛模拟框架对总施用量进行不确定性传播分析，参数的对数尺度标准差由公式σ=√ln(1+CV2) 计算，以确保输出分布的中位数对应点估计值；四是甘蔗产量和N利用效率的计算，基于ABS生产统计数据中的"压榨砍收面积"和总收获吨数计算单位面积产量（吨/公顷）和N利用效率（每吨甘蔗施用的N公斤数，即kg N·t^-1）。

**3. 主要研究结果**

**3.1 流域尺度N和P时间序列**

时间序列数据显示，除Cape York、Styx（仅N）和Fitzroy（仅N）外，GBR各河流流域的合成N和P化肥施用在过去一至二十年间出现下降或相对稳定。各流域的N施用峰值时间存在显著差异：Proserpine、O'Connell、Plane和Burnett流域在1990年代达到峰值，Johnstone、Herbert和Mary流域在2000年代初达到峰值，而Barron、Tully、Haughton和Burdekin流域直到2010年代中期才达到峰值。将峰值施用期前后的五年平均值与最近五年的平均值比较，几乎所有流域均观察到显著下降（>20%），其中Russell Mulgrave、Johnstone、Herbert、Haughton、Pioneer、O'Connell和Plane流域的合成N施用峰值下降量最大（>2000吨）。蒙特卡洛模拟生成的95%不确定性区间宽度（即97.5%与2.5%分位数之差占中位数的百分比）在多数流域约为±36%至52%，但施用量较低的流域或混合土地利用较多的流域（如Cape York、Black、Don、Kolan等）不确定性较大，可达±55%至256%。

**3.2 NRM区域尺度N和P时间序列**

NRM尺度数据表明，Wet Tropics、Burdekin、Mackay Whitsunday和Burnett Mary区域的合成N施用量自1960年代和1970年代起急剧上升。Wet Tropics的N施用量于2001年达到峰值32,000（29,100–35,500）吨，Mackay Whitsunday于1999年达到峰值25,300（22,500–28,300）吨，Burnett Mary于1991年达到峰值16,700（15,000–18,900）吨，而Burdekin的峰值22,300（19,100–26,300）吨出现在2016年。从各自N施用峰值到2024年最新水平，Wet Tropics下降31%，Burdekin下降37%，Mackay Whitsunday下降49%，Burnett Mary下降25%。合成P肥方面，Wet Tropics在1980年达到峰值7,000吨后至2024年下降57%，Mackay Whitsunday较2009年峰值3,000吨下降55%，Burnett Mary较1991年峰值4,200吨下降39%。

**3.3 1990至2024年流域和NRM养分构成变化**

对各流域1990年和2024年各作物类别N和P施用比例的比较揭示了流域内合成N和P施用结构的变化。例如，Barron流域中甘蔗、水果和坚果及香蕉作物的N和P施用量增加，而蔬菜、大田作物和乳业牧场的贡献相应减少；Russell Mulgrave和Johnstone流域中香蕉的影响力增强，甘蔗贡献减少，且两流域总施用量均下降；Kolan、Burnett和Burrum流域中甘蔗N和P施用吨位下降，与水果和坚果（主要为夏威夷果）、蔬菜（Kolan）和棉花（Burnett）贡献增加同时发生。在NRM尺度上，Wet Tropics、Mackay Whitsunday和Burnett Mary区域的施用量下降，而Burdekin区域因1987年Burdekin Falls大坝建成后的农业扩张，甘蔗和蔬菜种植面积增加；Fitzroy区域在此期间棉花面积大幅增加。

**3.4 非合成肥料添加物**

基于ABS 2010年（2008/09年度）统计数据的分析表明，在甘蔗面积较大（>10,000公顷）的流域中，蔗糖厂滤泥/灰渣施用可提供比合成肥料输入多1%至11%的额外有效N，以及多18%至150%的额外有效P。流域尺度上，滤泥/灰渣施用使甘蔗平均有效N施用率增加约2至15 kg·ha^-1，有效P施用率增加约3至20 kg·ha^-1。动物粪肥对N和P的贡献则低得多，但Burnett流域除外——其动物粪肥施用量较大，可能施用于邻近牧场的谷物或牧草作物上。

**3.5 甘蔗产量与N利用效率**

NRM尺度上，Wet Tropics、Burdekin、Mackay Whitsunday和Burnett Mary区域的甘蔗压榨总量从1945年至1990年代急剧上升，前三者在过去几十年趋于稳定，Burnett Mary区域则有所下降。单位面积产量方面，主要产蔗区从1940年代至1970年代总体增长，此后保持相对稳定。1980至2021年平均甘蔗产量以Burdekin最高（110±8.0 t·ha^-1），其次为Wet Tropics（78±9.2 t·ha^-1）、Burnett Mary（76±6.1 t·ha^-1）和Mackay Whitsunday（75±9.8 t·ha^-1）。流域平均甘蔗N施用率从1945年至1980年代中期总体上升，在1980年代和1990年代达到峰值后在过去二十年下降。对应的N利用效率（每吨甘蔗收获所需施用的N公斤数）在1980年代至2000年代初大致稳定，随后在过去二十年显著改善。以各流域N施用总量除以对应甘蔗收获总吨数估算的十年际N利用效率显示：1951-1960年为1.04 kg N·t^-1，1961-1970年为1.55 kg N·t^-1，1971-1980年为1.99 kg N·t^-1，1981-1990年为2.43 kg N·t^-1，1991-2000年为2.47 kg N·t^-1，2001-2010年为2.21 kg N·t^-1，2011-2020年为1.90 kg N·t^-1。结合甘蔗产量在过去50年保持稳定的独立证据，研究人员得出结论：甘蔗产业的N利用效率已处于50年来最优水平。

**4. 讨论**

流域和NRM尺度的时空序列汇编为评估随时间变化的趋势和指导决策提供了宝贵资源。N和P施用趋势与全球农业部门的发展历程基本一致，反映了自1960年代以来N肥的可获得性增加、 affordability提高和依赖增强。过去一至二十年间施肥的广泛下降是改善的农场管理实践、向农民推广知识、政府对施肥率的监管、土地利用/作物类型变化以及肥料成本上升等因素综合作用的结果。各流域的具体变化体现了精细尺度的土地利用和作物结构调整，如Russell Mulgrave流域因城市扩张导致甘蔗面积减少而使N施用量减半，Herbert、O'Connell和Plane流域则在甘蔗面积相对稳定的情况下通过降低施用率实现减量。

在肥料添加物方面，滤泥/灰渣的施用对土壤健康有益，但P的输入在农场尺度上是相当大的额外来源，可靠的年施用量数据对于制定农场尺度N和P预算至关重要。研究未考虑豆科绿肥作物在甘蔗休耕期提供的N贡献，但其在农场养分预算中仍属关键组分，且可能需要加以纳入。此外，城市和工业用途、污水处理厂排放、牲畜排泄物和大气沉降等其他自然和人为N和P来源也未纳入本汇编。

改善N施用率和休耕管理被认为是GBRCA中优化甘蔗生产和养分利用效率的最高优先事项。Burdekin NRM区域因充足的水分和光照条件而拥有最高的甘蔗产量和最高的N施用率。年度间的产量和N利用效率波动通常与降雨变化和主要气旋事件相关。数据揭示了农民在合成N和P肥料施用管理方面取得的重大进步，2016年甘蔗产业施用率已符合"六步法"土壤特异性养分管理指南要求。部分流域N（可能还有P）施用的大幅减少应能在长期水质监测数据中体现，若干河流的溶解无机氮（dissolved inorganic nitrogen, DIN）浓度在过去十年已呈下降趋势。然而，动态SedNet模型以静态土地利用和基准年条件模拟负荷，因此本研究中肥料施用的下降不能直接与该模型报告的负荷削减量进行简单比较。

研究人员指出，甘蔗产业的养分利用效率已达到50年来最佳水平，同时产量保持不变，这与产业来源和独立研究结果一致。这一改进归功于珊瑚礁计划（Reef Plan）项目和农民自身的努力，包括改善的农民教育培训、更好的施肥设备、增强的推广支持和监管，以及部分农民试验和采用改进管理措施的意愿。尽管仍有进一步改善的空间，如增强效率肥料、休耕期多物种覆盖作物和更好的农场养分预算核算等选项正在试验中，但数据已清楚表明管理努力正在带来可衡量的肥料利用效率改善。

**5. 研究结论**

本研究构建了大堡礁流域内各河流流域合成N和P化肥施用的奠基性记录，有助于评估水质趋势、评价养分管理和农业可持续性及区域规划。数据显示，GBRCA大多数河流流域在过去一至二十年间合成N和P化肥施用量显著减少，同时养分利用效率有所提高且作物产量得以保持。通过滤泥/灰渣、动物粪肥和休耕期豆科绿肥作物施入作物的N和P量数据相对有限，核算这些额外贡献对于建立作物系统N和P质量平衡以及构建流域尺度N和P预算至关重要。该汇编在NRM区域尺度以及由甘蔗、香蕉和棉花主导N和P投入的流域具有最高置信度。未来若能获得肥料销售数据、改进区域/当地肥料施用率知识并提高未来农业普查报告的清晰度，则有望进一步减少不确定性。本研究建立的方法可应用于国际范围，以构建类似的流域级肥料使用时间序列，用于评估管理实践变化、作物肥料利用效率、确定环境影响和评估生态压力。