近日，南方科技大学环境科学与工程学院郑一教授团队采用机器学习方法预测农田氨排放因子并产出高分辨率全球排放数据，揭示了三大粮食作物（水稻、小麦和玉米）农田氨排放的驱动因素和全球格局，评估了因地制宜优化农田肥料管理的减氨潜力。成果以“Fertilizer management for global ammonia emission reduction”为题发表于Nature正刊。

氨（ammonia）是主要的大气污染物之一，是雾霾形成的重要推手。农田排放是氨的首要污染源，约占全球人为源氨排放总量的51-60%，而其中一半以上源自水稻、小麦和玉米种植。由于人口及其食物需求的持续增长，2050年全球农田施肥的总氮投入预计将比2010年增加46%。因此，在氮素投入不断增加的趋势下实现农田氨减排是全球可持续发展亟待解决的难题之一。农田氨排放取决于施氮量，也取决于氨排放因子（施用单位质量氮肥的排氨量）。受自然与人为因素的综合影响，氨排放因子的空间差异显著，尚缺乏全球范围的精准刻画，这阻碍了世界各国因地制宜地开展减排实践。

研究团队收集整理了全球2775个站点年（site-year）的氨排放率田间观测数据（图1），训练并交叉验证了随机森林机器学习模型。结果表明，以气候因子、土壤属性、作物类型、施肥特征、灌溉量、耕作方式等六大类变量为输入，可在全球范围准确预测氨排放因子（R²>0.80）。进一步利用全球土壤（HWSD v1.2和ISRIC-WISE）、气候（CRU v4.05）、灌溉（国家青藏高原科学数据中心）、施肥（HaNi dataset和EarthStat dataset）等大数据驱动随机森林模型，产出5弧分（约10km）网格精度的全球农田氨排放因子和排放强度数据集（图2），重新计算了全球农田氨排放总量：2018年，水稻、小麦和玉米种植的氨排放总量为4.3 TgN，三种作物分别贡献41.1%、30.2%和28.7%。这一估计显著低于以往，主要原因是之前研究在计算排放因子时未全面考虑农田肥料管理措施的作用。

图1. 全球范围收集整理的田间观测数据，用于机器学习模型训练与验证。圆圈大小代表试验点样本量。

图2. 2018年全球5弧分×5弧分格网尺度下水稻、小麦、玉米的农田氨排放因子（a，b，c）和排放强度（d，e，f）。

新模型、新数据为研究农田肥料管理对氨排放的影响提供了全球视角。全球平均而言，免耕条件下单次或多次表施尿素对应最高的氨排放因子，而传统耕作条件下单次深施高效肥对应最低的氨排放因子（图3）。由于自然条件的差异，各地通过农田肥料管理实现氨减排的优化路径不尽相同。以肥料类型为例，模型评估结果显示：全球83%的水稻种植网格可使用高效肥实现农田氨减排的优化，而适用有机肥和硝酸铵的水稻种植网格比例分别为6%和3%；对于小麦，适用高效肥和硝酸铵的网格比例分别为61%和37%；对于玉米，适用高效肥和硝酸铵的网格比例各为50%。

图3. 不同农田肥料管理措施组合的全球平均氨排放因子（外圈），以及氨排放因子影响因素的区域差异（内圈）。EEF：高效肥；U：尿素；AN：硝酸铵；SBC：表施；DPM：深施；Mix：混合施肥；NT：免耕；CT：传统耕作；Once：单次施肥；More：多次施肥；Water input：降水量和灌溉量加和；Tem：温度；SOC：土壤有机碳含量；TN：土壤总氮；BD：土壤密度；Clay：土壤粘粒含量；CEC：土壤阳离子交换量；Nrate：施氮率。

新模型、新数据为准确评估农田肥料管理的减氨潜力提供了科学支撑。模拟结果显示，在2018年基线情景下，全球优化农田肥料管理最高可实现三大作物种植氨排放总量减少1.6 TgN（减排38%），小麦、玉米和水稻分别贡献26%、27%和47%的减排量。由于气候变暖，未来农田氨排放将进一步加剧。机器学习模型预测，在SSP1-2.6和SSP5-8.5排放情景下，2030-2060年间全球农田氨排放总量将分别增加4.0%和5.5%。因此，优化农田肥料管理的减氨潜力（38%）仅需兑现15%即可抵消这部分增量。不过，气候变化对农田氨排放的影响存在显著区域差异（图4），中国、印度、美国、巴西等增加最显著的国家具有优化农田肥料管理的迫切性。

图4. 气候变化对全球农田氨排放总量的影响。a，b：机器学习模型估算的SSP1-2.6和SSP5-8.5情景下全球和各大洲农田氨排放总量变化率（相对于2018年）的箱线图（n=20）。水平线、箱线、须线分别代表中位数、25-75百分位数、5-95百分位数（须线）。紫色的点表示平均值。c-f：分别考虑中期（2030-2060）和长期（2061-2100），SSP1-2.6（c，e）和SSP5-8.5（d，f）情景下各国农田氨排放总量变化率。

这项研究给出了全球农田氨排放的高清图景，为世界各地实施差异化减排措施提供了指导性建议，并指出目前全球实施减排措施尚面临经济成本高、农业集约化程度不足等重要障碍。研究成果对于防治雾霾、保障粮食安全的政策制定与管理实践具有重要指导意义，也展示了大数据与人工智能支撑可持续发展目标（包括“零饥饿”、“良好健康和福祉”、“应对气候变化”等）达成的巨大潜能。

南方科技大学环境科学与工程学院研究助理教授徐鹏为第一作者，香港科技大学博士生李庚（曾任南方科技大学研究助理）为共同第一作者，郑一教授为第一通讯作者，香港科技大学讲座教授冯志雄为共同通讯作者，南科大是论文第一单位。合作者包括北京大学与南方科技大学双聘教授陶澍院士，美国康奈尔大学教授Benjamin Z. Houlton，北京大学教授胡敏，美国科罗拉多州立大学研究员陈安平，美国橡树岭国家实验室研究员毛嘉富，南方科技大学环境科学与工程学院讲席教授郑焰、副教授曾振中、副教授沈惠中、副教授冯炼、助理教授郭芷琳，香港科技大学讲座教授刘启汉，北京大学深圳研究生院助理教授陈怡琳，北京林业大学崔晓庆博士等。该成果得到了国家自然科学基金杰青、面上、创新群体等项目资助。

论文链接：https://www.nature.com/articles/s41586-024-07020-z

论文PDF下载：https://rdcu.be/dxrRF

供稿单位：环境科学与工程学院

通讯员：孟珍

主图：丘妍

编辑：周易霖