Nat. Clim. Chang.丨土壤质量既能提高作物产量，又能提高对气候变化的适应能力

论文内容

研究背景：

中国农业仅用世界7%的耕地和5%的水资源养活了全球约20%的人口，这显示了其全球重要性。土壤是基本生物物理因素之一，与气候一起决定全球农业用地的主要格局。人们日益认识到土壤质量改善是提高作物产量的基本机制，而持续的土壤退化可能会使粮食不安全变得更加严重。然而，人们对土壤和气候变化之间的相互作用如何影响农田在区域、国家和全球范围内生产充足粮食供应的能力知之甚少。在区域和全球范围内探索土壤和气候对农业生产的相互作用影响具有挑战性，因为两者具有高度异质性。迄今为止，农业产出对气候变率和变化的敏感性评估要么依赖于基于过程的作物模拟模型，要么依赖于作物与气候关系的经验和统计模型。然而，由于区域和/或全球土壤数据在测量土壤特性的准确性和范围方面的质量和可获取性，这两种方法常常忽略了土壤的异质性。对土壤质量以及与气候变化的相互作用考虑不足，阻碍了我们在快速变化的生物物理条件下理解粮食安全挑战，也阻碍了适当风险管理策略的实施。在发展中国家尤其如此，这些国家(1)农业占国内生产总值(GDP)的比重较大；(2)世界上大多数粮食不安全人口居住在低质量和/或严重退化的土壤中；(3)气候变率和变化对粮食系统的最坏影响预计。同样，中国的农业生产本质上是脆弱的，因为它也受到气候变化和土壤退化的威胁，而且中国是受气候变化影响最严重的国家之一。在这项研究中，我们使用独特的土壤数据集和12,115个地点年的相关产量观测数据，并辅以多个气候变量，重点了解气候和土壤质量对产量及其变异性的相互作用，涵盖主要产区的三种主要作物占中国谷物总产量的90%（图1）。我们使用基于机器学习算法的数据驱动方法来量化提高土壤质量对作物产量的潜在效益及其在当前和未来气候的最佳管理方法（YieldBMPs）下的变异性。

研究内容：

对于每个种植制度数据集，随机排除总田间试验的10%，作为独立的试验数据集。其余90%的试验用于建立GBRT模型。为了评估建模的稳健性，随机抽样测试数据集，运行模型50次，评估建模性能的汇总统计数据。GBRT模型是使用R软件58的' caret '和' gbm '包开发的。

产量变化和生物物理解释

在主要种植系统内和不同种植系统之间，YieldBMPs具有异质性，尽管与农民实际实践相比，BMPs平均可使产量提高10.6%。通过标准差(s.d.)和变异系数(CV, s.d./meanx100%)测量产量变异，前者称为绝对稳定性，后者称为相对稳定性。小麦、玉米和水稻的YieldBMPs的变异系数分别为18-22%、17-19%和13-16%，对应1.2-1.5 Mg ha−1，1.4-1.8 Mg ha−1和1.1 Mg ha−1的绝对值(s.d)。本研究的产量变异性程度高于之前的估计，其中中国小麦、玉米和水稻的平均年际产量变异性分别为0.7、0.9和0.7 Mg ha−1。这可能是因为，与文献中考虑的年际和气候引起的产量变异性相比，本研究中的YieldBMPs的变异性来自于气候和/或土壤条件的地理和十年尺度的时间变化。采用梯度增强回归树统计模型(GBRT)将生物物理因素与不同种植制度的产量差异进行关联。不同作物和地区的归一化均方根误差(nRMSE)平均值在10.5% - 15.6%之间(补充表2)，表明GBRT模型在模拟产量方面表现良好。为了预测准确性，GBRT还提供了每个变量的相对重要性，在除冬小麦(W-YZB)、单株水稻(SR-YZB)和东北玉米(M-NEC)以外的所有种植制度中，气候和土壤变量总是排在解释因子的前4 ~ 7位，为YieldBMPs的气候-土壤联合控制提供了证据。然而，影响最大的生物物理因素因种植制度而异。对于W-YZB、SR-YZB和M-NEC，施氮量仍然是决定产量的最重要因素，表明在氮肥管理方面有进一步改进的潜力。

优质土壤对气候变化的缓冲作用

为了评估优质土壤对气候变量的缓冲作用，我们进一步建立了一个数据子集，由使用相同的BMPs和相同的气候条件下种植的高质量和低质量土壤组成，根据解释作物和区域特定产量的两个最重要和最敏感的土壤因子及其部分地块，将优质土壤和劣质土壤进行了分类。根据不同的种植制度，土壤有机质(SOM)、土壤有效磷(Olsen-P)和/或土壤类型和土壤质地是解释产量变化的最重要因素。在所有种植系统中，优质土壤的平均YieldBMPs显著高于劣质土壤，平均高出0.69 Mg ha−1(表1)。与低质量土壤相比，优质土壤小麦、玉米和水稻的相对产量稳定性分别提高了8.8-51.0%、8.8-22.0%和2.2-12.9%(表1)。小麦和玉米种植系统中优质土壤产量稳定性较高表明，小麦和玉米产量更依赖于土壤条件。优质土壤通常会降低作物生产对气候的敏感性，降低气候驱动的产量变异份额。

气候变化与土壤质量对产量的交互作用

在假设不适应气候变化的情况下，我们根据经过训练的GBRT模型，在未来气候条件下(2040-2059年和2080-2099年)，按照代表性的浓度路径RCP 2.6和RCP 8.5，推导出产量对气候变化的响应。利用5个地球系统模式0.5°× 0.5°水平分辨率的偏差校正全球网格气候数据对未来气候进行了预估。气候变化对中国产量的影响因地区和作物而异，从种植制度减少6.9%到增加8.6%不等。根据GBRT模型，一般而言，华北平原冬小麦(W-NCP)和南方晚稻(LR-SC)等种植制度受益于气候变化。即使在RCP 2.6的最积极情景下，长江流域冬小麦(W-YZB)和西北地区冬小麦(W-NWC)、华北平原玉米(M-NCP)、M-SWC和SR-YZB的产量也出现了下降。与其他RCP和周期组合相比，RCP 8.5可能导致2080-2099年期间产量下降。中国位于中纬度地区，跨越温带、亚热带和热带气候区，具有非常多样的可耕地生物物理条件(图1)。因此，气候变化对作物产量的混合影响超过了种植系统和区域的预测。除M-SWC和SR-YZB外，几乎所有不同时期和不同RCP组合的种植系统中，土壤质量对产量响应气候变化的交互作用都显著(图2)。在预计对气候变化的产量响应为负的地区，优质土壤导致的产量损失较小。而在产量对气候变化有积极响应的地区，气候引起的产量增量更大(图2)。在某些情况下，尤其是小麦，优质土壤可以将气候导致的低质量土壤产量下降转变为优质土壤产量增加(图2)。

气候-土壤相互作用引起的生产波动

在RCP 2.6下，由于小麦、玉米和水稻总产量之和较小，因此气候驱动的产量波动均较小(图3a、c)。然而，高气候强迫情景导致了更显著的产量波动，在2080-2099年期间，RCP 8.5以下的年气候驱动产量损失平均为11.4万吨，占全国总产量的3.3%(图3d)。这主要是由于气候变化导致的NWC小麦、YZB小麦和水稻以及所有玉米种植系统的产量损失超过了气候变化导致的其他种植系统的产量收益。此外，在所有土壤退化到低质量水平的情景下，气候变化导致的年生产损失平均为13.0万吨，其中小麦380万吨，玉米640万吨，水稻280万吨(图3d)，分别占全国小麦、玉米和水稻总产量的4.2%、5.4%和2.0%(图3)。这些年平均产量的变化与一些欧洲国家的小麦产量相似，但高于大多数非洲国家的玉米产量。鉴于1961-2009年期间中国谷物产量的年增长率为3.7%，同期全球为2%，这种损失的规模可能对维持满足中国需求所需的生产增长率构成重大威胁5。考虑年际变化时，气候变化导致的生产损失和短期粮食价格冲击风险可能更大(图3)。相比之下，如果在2080-2099年将所有土壤改良到优质水平，气候变化导致的年生产损失可减少到9.0万吨，其中小麦2.4万吨，玉米3.9万吨，水稻2.7万吨(图3d)。总体而言，在土壤退化情景下，气候和土壤相互作用占气候驱动生产损失的14%，在土壤改良情景下占21%。

研究结论：

土壤质量和气候变化之间的相互作用可能会影响农田生产足够粮食的能力。本文使用12,115个站点年的土壤、气候和相关产量观测数据来解决这个问题，这些站点年占中国谷物总产量的90%。在作物和环境条件下，我们发现优质土壤降低了作物产量对气候变化的敏感性，从而提高了作物平均产量（10.3±6.7％）和更高的产量稳定性（变化性降低了15.6±14.4％）。与低质量土壤相比，高质量土壤可将气候变化下的产量提高1.7% (0.5–4.0%)。到2080-2099年，按照代表性浓度路径RCP8.5，气候驱动的单产变化可能导致全国谷物产量每年减少11.4公吨。虽然由于土壤退化，产量减少了14%，但通过土壤改良可以减少21%。这项研究强调了气候变化下土壤质量对农业的重要作用。

期刊信息

期刊：Nat. Clim. Chang.

影响因子（2022）：30.7

中科院分区：地球科学期刊一区Top

转自：“农科学术圈”微信公众号

如有侵权，请联系本站删除！