南方科技大学最新Nature

农作物生产是大气氨(NH3)的一大来源，对空气质量、人类健康和生态系统构成风险。然而，由于数据的限制，对全球农田NH3排放量的估算存在不确定性，从而限制了对缓解备选方案和效果的准确确定。

2024年1月31日，南方科技大学郑一及香港科技大学 Jimmy C. H. Fung共同通讯在Nature 在线发表题为“Fertilizer management for global ammonia emission reduction”的研究论文，该研究发了一个机器学习模型，用于基于野外观测数据集生成全球特定作物和空间显式NH3排放因子(5-arcmin分辨率)。

研究发现，2018年全球水稻、小麦和玉米田的NH3排放量为4.3±1.0 Tg N yr- 1，低于之前未充分考虑肥料管理措施的估计。此外，在机器学习模型的指导下，空间优化肥料管理有可能在不改变肥料总氮投入的情况下减少约38%(1.6±0.4 Tg N yr -1)的NH3排放。具体而言，研究人员估计水稻、玉米和小麦的NH3减排潜力分别为47%(44-56%)、27%(24-28%)和26%(20-28%)。在未来气候变化情景下，估计到2030-2060年，在SSP1-2.6下，NH3排放量将增加4.0±2.7%，在SSP5-8.5下，NH3排放量将增加5.5±5.7%。然而，有针对性的肥料管理有可能缓解这些增长。

氨(NH3)排放对细颗粒物空气污染、土壤酸化、水体富营养化、生物多样性丧失和气候变化有显著贡献，影响生态系统和人类健康。农田NH3气体排放约占全球人为排放的51-60% (11-26 Tg N yr−1)。值得注意的是，三种主要作物(水稻、小麦和玉米)的生产消耗了种植系统总氮投入的约50% ，占全球农田NH3排放量的一半以上。为了满足不断增长的人口对粮食的需求，预计到2050年，农田的合成肥料和粪肥氮(N)投入将比2010年增加46%，这将进一步加剧NH3的排放。因此，在不影响作物生产力的情况下减少NH3排放至关重要，这与多个可持续发展目标(SDGs)有关。

农田NH3排放的减缓潜力取决于N投入和局部排放因子(EFs)，其定义为施氮与不施氮的NH3排放量之差除以施氮总量。一些研究使用不区分特定作物类型或使用时空不变EF值的自下而上方法估算了全球农业NH3排放量，而另一些研究则使用基于卫星观测的自上而下方法。此外，基于过程或经验的方法也被用于推导依赖于施氮率或肥料类型等管理条件的EFs。例如，全球多区域投入产出(MRIO)和温室气体与空气污染相互作用及协同效应(GAINS)模型已被用于评估国家和全球缓解潜力。然而，目前还缺乏考虑作物类型和当地环境农艺因素的精细分辨率全球NH3 EF地图。如果没有更有力和本地化的氨排放分析，准确确定全球农业氨排放减缓的基准仍然具有挑战性，限制了决策者制定适当战略的能力。相比之下，虽然良好的氮管理技术和实践已被证明可以减少NH3排放并提高作物产量，但其效益在空间上可能存在很大差异。

EFs以管理实践和重要性分析为条件（图源自Nature ）

在人工智能(AI)的帮助下，作者以5 arcmin(约10 km)的分辨率生成了针对作物管理的全球NH3 EFs数据集。利用全球收集的2775个站点年NH3排放率的实地观测数据来开发机器学习模型(方法)，以基于各种因素(如气候、土壤特征、作物类型、灌溉用水和施肥以及耕作方式)预测高分辨率EFs。利用这一新的EF数据集，获得了三种主要主要作物种植区的全球NH3排放量的最新估计，并通过优化肥料管理实践(方法)评估了当前和未来气候的减缓潜力。该研究强调了全球农业部门改善氮素管理的机会，这可以帮助决策者制定有效的农业和环境政策，以实现与“无贫困”、“零饥饿”和“气候行动”相关的可持续发展目标。

原文链接：

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

转自：“iNature”微信公众号

如有侵权，请联系本站删除！