这里是科研人的「方法急救站」！🚑

• • 欢迎加入我们的**"学术社群"**，每日更新热点论文复现指南！

我们通过小程序科研零时差追踪到: Global Change Biology近期发表题为“Large Potential for CH4 Mitigation and Yield Improvement in China's Paddies Through Locally Optimized N Management”的文章。第一单位为南京农业大学。
doi: 10.1111/gcb.70801
数据(代码)链接: https://doi.org/10.6084/m9.figshare.31440100; https://doi.org/10.6084/m9.figshare.29334104
作者邮箱：lifengbo@caas.cn, yujiang@njau.edu.cn
标签：#气候变化 #农业温室气体 #水稻物候 #机器学习 #Meta分析 #结构方程模型

本文内容速览：

1. 1. 提出科学问题
2. 2. 文章的主要结论
3. 3. 分析过程和方法
4. 4. 研究的局限性

1. 提出科学问题

1.1 研究领域现状

水稻种植是全球人为甲烷排放的重要来源。氮肥的施用在维持全球粮食产量中发挥着基础性作用，但过量施用会导致氮素利用率低下并引发一系列环境问题。尽管推迟施肥、减少氮肥用量和深施等优化氮肥管理策略已被证实能有效降低氮素损失并维持产量，但这些针对特定区域优化的管理方式对水稻田甲烷排放的影响尚未得到充分量化，并且当前的政府间气候变化专门委员会温室气体清单编制方法也未将其纳入考量。

1.2 本文要解决的关键科学问题

本研究通过跨空间尺度的实证与模拟相结合，旨在解答以下问题：

• • 问题 1: 局部优化的氮肥管理策略在多大程度上影响不同农业生态区水稻田的甲烷排放和水稻产量？
• • 问题 2: 改变氮肥管理策略影响水稻田甲烷排放的底层土壤生物地球化学和微生物机制是什么？
• • 问题 3: 若在全国范围内推广这种基于本地环境调整的氮肥策略，其对国家尺度的温室气体减排和粮食产能提升的宏观效应如何？

1.3 研究的理论/现实意义

该研究构建了一个将微观土壤微生物机制与宏观国家尺度预测相连接的分析框架。通过系统量化氮肥管理对温室气体排放的调节作用，本研究为改进不同农业管理制度下的甲烷排放估算模型提供了科学依据，同时也为制定兼顾农业生产力与气候变化减缓双重目标的农业政策提供了定量化支撑。

2. 文章的主要结论

本文通过多中心田间试验、文献荟萃分析与机器学习模型的综合应用，证实了局部优化的氮肥管理能够在不牺牲农业生产力的前提下，有效抑制水稻田的甲烷生成过程，实现了粮食增产与温室气体减排的双重收益。

• • 结论 1: 实施局部优化的氮肥管理策略（如推迟施肥、减量施用和深施），可使中国水稻田的甲烷排放量降低16%至21%，同时使水稻产量增加7%，氮肥利用率提高14%至25%。
• • 结论 2: 优化氮肥管理显著降低了土壤中有效氮和溶解性有机碳的浓度，从而限制了产甲烷菌的底物供应并降低了其丰度，这是实现甲烷减排的核心微生物学驱动机制。

3. 分析过程和方法

[更加详细的复现指南可加入学术社区获取!]

本文采用了由微观机制验证到宏观空间推演的递进式分析流程。研究整体上整合了多点田间试验、数据荟萃分析、全国性实地调查以及机器学习空间预测四个独立的模块，这种研究设计为生态学领域跨尺度效应评估提供了标准范式。

首先，作者开展了多区域的田间试验以探究底层机制。研究团队在中国10个不同的农业生态区设置了田间原位对照试验，对比了当地常规氮肥管理与局部优化氮肥管理的处理效果。在此步骤中，他们不仅利用静态暗箱法定期收集并计算了甲烷的面积比例和产量比例排放通量，还采集了关键排放期的土壤样本。

随后，为测试田间试验结果的普遍性，作者引入了荟萃分析方法。研究团队系统检索了现有文献，提取了包含局部优化氮肥管理措施的256个观测数据。通过计算自然对数响应比，并拟合混合效应模型，作者量化了氮肥管理对水稻产量和甲烷排放的整体效应规模。这一步骤通过大样本的数据综合，去除了单一田间试验可能存在的环境偶然性，增强了效应评估的统计学置信度。

在机制解析方面，作者分析了土壤溶解性有机碳、有效氮浓度以及通过定量聚合酶链式反应获取的产甲烷菌和甲烷氧化菌的功能基因丰度。作者使用了结构方程模型来展示这些变量间的因果路径。结构方程模型直观地呈现了优化氮肥管理是通过降低土壤有效氮和溶解性有机碳，进而抑制产甲烷菌丰度这一链条来减少甲烷排放的，而并非通过促进甲烷氧化过程，这种路径分析为理解农业干预措施的生态效应提供了机理层面的解释。

为了使宏观预测具备现实基础，作者开展了覆盖中国18个主要水稻主产省份、155个县的全国性问卷调查。调查同时收集了农户当前实际的施肥参数与农技专家推荐的优化方案。这种获取基线数据和优化目标数据的方式，避免了在预测模型中使用脱离实际生产的理想化假设。

最终，作者利用机器学习框架进行了全国尺度的影响评估。在算法筛选阶段，团队对比了9种不同的机器学习模型，最终选定随机森林预测水稻产量，利用极端梯度提升树预测甲烷排放。在将经过验证的模型应用于155个调查县的特征数据集后，研究团队基于最近邻空间插值法，将点位预测结果推演至全国水稻种植区。为了提高预测的严谨性，作者还结合了蒙特卡洛模拟与自助法重采样技术进行了10000次迭代，以此量化模型结构和输入变量带来的不确定性，并最终输出了带有95%置信区间的空间分布地图。地图可视化清晰地指出了华东、华北和华中地区是实施此类减排策略的优先干预区域。

4. 研究的局限性

本文明确指出了几项具有指导意义的研究局限性。首先，用于宏观评估的基线甲烷排放数据集源自现有的过程化模型，这会向最终的外推结果中引入固有的不确定性。其次，研究所涵盖的田间试验和荟萃分析数据大多基于短期观测，而长期的优化氮肥管理可能会对土壤有机碳固存和微生物群落产生时间累积效应。此外，机器学习预测框架未显式地模拟氮肥与水分管理之间的交互作用。最后，由于存在数据收集空白，荟萃分析未包含来自中国西北和西南部分地区的数据，且当前评估尚未将具有更高理论减排潜力的增强型增效肥料纳入考量。

如果你觉得这篇文章对你有帮助，欢迎点赞👍、收藏⭐️和分享🔗给更多的科研小伙伴们！

如果你有任何问题，欢迎加入我们的学术社群与大家讨论交流💬