黄河流域旱地农田有机改良剂对温室气体排放与作物产量的协同调控：基于元分析与机器学习的证据

《Frontiers in Environmental Science》：Organic amendments for jointly managing greenhouse-gas emissions and crop productivity in dryland croplands of the yellow river basin: evidence from meta-analysis and machine learning

　　

用有机物料替代矿质氮（N）肥正日益得到推广，但其对黄河流域旱地农田温室气体减排与作物生产的影响尚未明确。研究人员通过元分析整合了62项田间研究，并运用增强回归树（BRT）模型评估了有机肥、生物炭和秸秆还田对CO₂、N₂O、CH₄排放以及玉米和小麦产量的影响。相对于单施矿质氮肥，有机肥使CO₂排放增加8.72%，但使N₂O和CH₄排放分别降低19.08%和13.78%。生物炭使CO₂和N₂O排放分别降低10.08%和16.57%，但使CH₄排放增加57.76%。秸秆还田使CO₂和N₂O排放分别升高22.58%和26.53%，其表观4.87%的CH₄减排效应并不稳健。所有改良剂均提高了作物产量：秸秆还田使玉米增产幅度最大（9.44%），而有机肥使小麦增产幅度最大（9.13%）。亚组响应随站点和管理条件而变化。BRT模型识别出有机改良剂源氮输入（OrN）和施用年限是主要的管理控制因素，其中降水和温度对作物特定结果尤为重要。在有机肥处理下，玉米在约120–170 kg·ha^?1 OrN、小麦在100–160 kg·ha^?1 OrN条件下预测产量相对较高。秸秆还田处理下，预测CO₂排放在前4年迅速上升，玉米产量在第4年左右达到峰值。生物炭在增产与CO₂、N₂O减排方面提供了最清晰的组合效应。有机肥最有利于小麦生产，而秸秆还田虽使玉米产量最大化，但造成了最大的CO₂和N₂O排放代价。这些发现支持针对改良剂类型、作物和区域特化的管理策略。

**黄河流域旱地农田有机改良剂替代的温室气体-产量协同效应解读**

**一、研究背景与问题**

农业土壤在全球陆地碳和养分循环中居于核心地位，但集约化作物生产显著加剧了农业源温室气体排放。施肥、耕作和灌溉等措施加速了土壤有机质向气态产物的转化。2020年农田排放约25亿吨CO₂当量，占人为净排放的4.2%，其中CO₂、N₂O和CH₄分别贡献35%、29%和36%。化肥尤其矿质氮肥的施用，通过硝化和反硝化作用产生大量N₂O，其增温潜势约为CO₂的298倍。面对2050年粮食需求较2010年增长35%–56%的预测，如何在维持产量的同时降低单位生产排放，成为农业管理的核心挑战。

黄河流域是中国重要的粮食产区，2024年其粮食作物播种面积占全国的35.62%，其中玉米和小麦播种面积分别占全国的41.48%和55.18%，化肥施用量从2000年的1.42×10⁷ t增至2024年的1.76×10⁷ t。有机肥、生物炭和秸秆还田作为矿质氮的部分替代方案，其温室气体效应存在较大不确定性，且已有研究多为单点或单一措施，难以支撑流域尺度的综合评估。为此，研究人员开展了一项结合元分析与机器学习的整合研究，旨在明确三种有机改良剂对黄河流域旱地农田温室气体排放和作物产量的综合影响及其环境调控机制。

**二、研究设计与主要结论**

研究人员通过系统检索Web of Science和中国知网数据库，筛选出62篇符合标准的田间原位试验文献，构建了涵盖CO₂、N₂O、CH₄排放及玉米和小麦产量的数据集。元分析以响应比的自然对数（lnRR）为效应量，以方差倒数加权计算总体响应。同时构建增强回归树模型，量化地理、气候、土壤和管理因子对排放和产量响应的非线性贡献。亚组分析依据海拔、年均温、年均降水量、初始土壤有机碳含量、全氮含量、pH、OrN和施用年限等因素进行分层。

研究发现：秸秆还田使CO₂排放增加22.58%，有机肥增加8.72%，生物炭降低10.08%；N₂O排放方面，有机肥降低19.08%，生物炭降低16.57%，秸秆还田则增加26.53%；CH₄排放方面，有机肥降低13.78%，生物炭增加57.76%，秸秆还田表观4.87%的降低因失安全数不足而不稳健。产量方面，秸秆还田使玉米增产9.44%为最大，有机肥使小麦增产9.13%为最大。

**三、关键技术方法**

研究采用元分析整合62项已发表田间试验数据，试验站点分布于黄河流域各典型旱作区。效应量采用自然对数响应比（lnRR）表示，以方差倒数加权计算加权平均效应量及其95%置信区间，并以失安全数检验发表偏倚。增强回归树模型用于识别关键调控因子和非线性阈值，以交叉验证误差选择最优超参数，以相对贡献率排序预测变量重要性，偏依赖图用于显示边际效应。

**四、研究结果**

**4.1 总体温室气体与作物产量响应**

元分析结果显示，生物炭在所有处理中提供了最优的CO₂与N₂O协同减排效果，而秸秆还田在增产同时付出最大的CO₂和N₂O排放代价。CH₄响应呈现最大的处理间分化，生物炭显著促进排放。

**4.2 不同环境条件下有机改良剂对温室气体排放的影响**

亚组分析表明，环境和管理条件显著调节排放响应。生物炭在MAP≤400 mm条件下CO₂和N₂O降幅最大，分别为21.24%和30.38%。有机肥在土壤TN>1 g·kg^?1时CO₂增幅最大（23.05%），在SOC>8 g·kg^?1时N₂O降幅最大（24.62%）。秸秆还田在pH≤8时N₂O增幅最大达37.15%。CH₄方面，有机肥和生物炭的响应趋势在多数亚组中保持稳定。

**4.3 不同环境条件下有机改良剂对作物产量的影响**

有机肥在OrN>100 kg·ha^?1和土壤TN>1 g·kg^?1条件下使玉米显著增产9.79%和7.81%；生物炭在MAT≤10°C和MAP≤400 mm条件下使玉米增产分别达9.47%和9.46%；秸秆还田在多种土壤条件下均显著增产玉米，最大增幅出现在土壤TN≤1 g·kg^?1时（11.34%）。小麦方面，有机肥在SOC>8 g·kg^?1时增产13.43%，生物炭在土壤TN>1 g·kg^?1时增产13.31%，秸秆还田在温暖湿润区域增产9.53%。

**4.4 BRT识别的关键影响因素**

OrN和施用年限是多数模型的主要控制因素。有机肥处理下，施用年限主导CO₂和CH₄模型，OrN主导N₂O模型。生物炭处理下，OrN在所有气体模型中均居首位。秸秆还田处理下，施用年限对全部气体均排第一。产量模型中，OrN主导有机肥处理下的玉米和小麦产量以及生物炭处理下的玉米产量，施用年限主导秸秆还田处理下两种作物产量。MAP和MAT对小麦产量的影响尤为突出。

**4.5 非线性响应与阈值特征**

偏依赖分析揭示各处理均存在非线性阈值。有机肥处理下，玉米产量在120–170 kg·ha^?1 OrN区间维持较高水平，小麦在100–160 kg·ha^?1 OrN最优，N₂O在200–230 kg·ha^?1出现排放峰值。生物炭处理下，CO₂减排潜力在OrN约100–120 kg·ha^?1时趋于饱和，玉米产量约在100 kg·ha^?1处达到峰值，小麦产量在MAP超过约615 mm后显著跃升。秸秆还田处理下，CO₂排放前4年迅速累积，玉米产量第4年达到峰值后下降。

**五、讨论总结与结论**

讨论部分从四个层面展开机制阐释。在排放机制上，有机肥和秸秆还田的大量活性碳刺激异养呼吸，而生物炭的芳香族稳定碳结构和吸附特性抑制了有机质矿化，解释了CO₂响应的方向性差异；N₂O变化归因于矿质氮供应节奏、碳氮比和微生物固持作用的综合调控；CH₄响应与铵态氮对甲烷单加氧酶的竞争性抑制及土壤通气性变化有关。在产量权衡上，生物炭以最清晰的组合优势实现增产与CO₂、N₂O减排，但其CH₄增排效应需以综合增温潜势和温室气体排放强度指标加以评估。在环境调控方面，初始土壤性质决定改良剂作用的生化背景，OrN和施用年限作为可调控的管理变量对响应方向具有决定性影响。基于管理阈值，研究建议生物炭优先用于冷凉干旱区，有机肥以中等替代比例用于小麦生产，秸秆还田需配合降低矿质氮投入、控制还田量或部分转化为生物炭以降低温室气体代价。

研究结论：三种有机改良剂在黄河流域旱地农田产生差异化的生产力-排放权衡。OrN和施用年限主导多数响应，MAP和MAT对作物特定结果尤为重要。生物炭提供最清晰的增产与CO₂、N₂O减排组合效应；有机肥最有利于小麦生产；秸秆还田最大化玉米产量但伴随最大的CO₂和N₂O排放代价。管理策略应依据作物、土壤、水热条件、改良剂性质及目标温室气体类型进行区域差异化调控。