绿肥通过增加土壤有机碳储量来减少全球农业的碳足迹：来自全球元分析和机器学习评估的证据

《Journal of Cleaner Production》：Green manure reduces global agricultural carbon footprint by enhancing soil organic carbon stocks: Evidence from global meta-analysis and machine learning assessment

绿色肥料通过提升土壤有机碳（9.59%）显著降低碳足迹（36.23%），同时增加甲烷（22.05%）和一氧化二氮（2.94%）排放，机器学习预测全球碳足迹可减少42.18%，存在作物特异性（小麦63.30% vs 水稻19.94%）和土壤肥力阈值效应。

　　

刘泽宇|黄华|冯敬辉|吴琦|王沁和|张远志|蔡铁|张鹏|高志强|徐月月|吴鹏

山西农业大学农业学院/山西省作物生态与高效水肥利用重点实验室，中国太原030031

摘要

绿肥在可持续农业和应对气候变化的背景下具有战略价值。然而，很少有研究使用元分析方法来分析绿肥通过土壤有机碳（SOC）和温室气体（GHG）的动态耦合对碳足迹（CF）的调节作用，也没有充分评估基于CF变化的全球排放潜力减少情况。因此，通过结合全球元分析和机器学习预测，我们发现虽然绿肥使CH₄和N₂O的排放分别增加了22.05%和2.94%，但它显著增加了SOC储量9.59%。这种SOC的增加有效抵消了温室气体排放的碳成本，使总碳排放减少了33.37%，碳足迹减少了36.23%。机器学习预测表明，绿肥可以将全球CF减少42.18%，但存在显著的作物特异性和空间异质性，其中小麦系统的响应最为明显（63.30%），水稻系统的响应较弱（19.94%），在高土壤肥力的地区可能会出现负反馈。这些发现为利用绿肥作为全球范例制定精确的碳管理策略提供了理论基础。

引言

气候变化和粮食安全是关键的全球挑战（Food insecurity, 2022）。为了提高作物产量而过度施用化肥导致了土壤退化以及温室气体（GHG）排放的增加，进一步加剧了粮食安全与气候变化之间的矛盾（Daily et al., 1998; Zhang et al., 2024a）。长期不合理的施肥不仅浪费资源，还对农田生态系统造成严重的生态和环境风险（Doyeni et al., 2021; Raheem et al., 2019; Sun et al., 2020）。特别是，农田既是碳源也是碳汇，因为它既是温室气体排放的重要来源，也具有巨大的碳封存和减排潜力，从而为缓解全球气候变化提供了重要途径（Singh and Kumar, 2021; Cui et al., 2022）。因此，在确保粮食安全的同时，协同实现农业系统中的碳封存和减少温室气体排放已成为绿色和可持续农业发展的核心挑战。

为了解决这一挑战，绿肥作为一种重要的农田管理措施，为同时调节农田碳汇和排放过程提供了有效的解决方案。绿肥通过光合作用固定大气中的CO₂，并将大量有机物输入土壤，将其转化为稳定的有机碳库，从而直接增强土壤碳封存（Hwang et al., 2017; Lei et al., 2022）。此外，绿肥的分解改变了土壤的物理化学性质和微生物活动水平，进而增加了土壤有机碳（SOC）储量（Zhou et al., 2025）。然而，SOC储量的变化受到多种因素的影响，包括气候、土壤本身的性质和管理措施（Carvalhais et al., 2014; Kama et al., 2025; Lal, 2004; Qiu et al., 2024; Wang et al., 2021a）。以往的研究往往只关注单一因素或有限的因素，从而阻碍了对绿肥碳增强效应的客观和全面评估。因此，对气候、土壤性质和管理措施进行综合的多地点和多年评估对于系统理解绿肥应用后土壤碳储量的动态变化至关重要。

随着绿肥的分解，养分释放到土壤中，土壤呼吸、微生物生长以及土壤物理化学性质的变化将影响CH₄和N₂O等温室气体的产生和排放（Raheem et al., 2019）。关于CH₄排放的先前研究表明，在厌氧土壤条件下，来自分解绿肥的有机物被甲烷生成细菌分解（Daba et al., 2025a, Daba et al., 2025b），从而增加了CH₄的排放。然而，其他研究表明，适当使用豆科绿肥可以改变甲烷生成菌的群落结构，从而减少CH₄的排放（Xu et al., 2024c）。土壤N₂O主要来源于硝化和反硝化过程（Zhang et al., 2024c）。研究表明，引入绿肥可以增加外源氮的输入，为N₂O的产生提供充足底物，导致排放增加（Lou et al., 2024）。相反，其他研究发现，在绿肥轮作系统中减少化学氮肥的输入可以降低N₂O的排放（Gao et al., 2023）。因此，优化绿肥管理对于减少CH₄和N₂O的排放具有潜力，尽管受到土壤温度、含水量、土壤性质和管理措施等因素的限制（Dong et al., 2024; He et al., 2025; Philippot et al., 2024; Wang et al., 2025a）。目前，绿肥对CH₄和N₂O排放的影响及其关键调节因素仍不清楚。因此，明确绿肥对CH₄和N₂O排放的影响，并确定关键调节因素，以促进农业温室气体排放的有针对性减排至关重要。

先前的元分析提供了关于绿肥对SOC封存（Poeplau and Don, 2015）或N₂O排放（Basche et al., 2014; Muhammad et al., 2019）的具体影响的关键见解，但这些评估通常是孤立进行的，因此我们对全球变暖的净气候影响的理解仍有很大不足。因此，有必要在一个统一的系统边界内同时整合碳汇能力（SOC储量）和温室气体（CH₄和N₂O）的影响。碳足迹（CF）是一个可量化的环境指标，用于全面评估管理策略的净减排潜力（Saeed et al., 2022）。然而，在许多先前的研究中，CF的计算仅考虑了温室气体排放，而没有纳入碳储量的变化（Cheng et al., 2011; Xue et al., 2016），导致对系统实际碳平衡的理解不完整。将SOC动态纳入生命周期评估对于准确确定绿肥对碳循环的净效应以及为可持续农业管理提供科学依据至关重要（Yao et al., 2017）。因此，在本研究中，我们通过结合全球元分析和机器学习模型，系统地量化了绿肥对SOC储量和CH₄/N₂O排放的综合影响，以建立一个统一的CF评估框架，以解决这一关键知识缺口。

在本研究中，我们系统地回顾和总结了233篇已发表的文章，涵盖了22个国家的240个实验地点，以了解在不同气候、土壤性质和管理措施下绿肥应用对CH₄、N₂O和SOC储量的影响，并通过生命周期评估在全球范围内评估CF。我们的目标是提供对绿肥应用对碳封存和减排实际影响的更全面评估，为后续研究提供新的视角和理论基础。以往的元分析探讨了绿肥的各种效应，但本研究基于以下三个关键创新进一步加深了我们的理解。（1）统一的CF评估框架：结合全球SOC储量、CH₄和N₂O排放以及其他农业资源输入的元分析，基于生命周期评估构建了一个统一的CF模型，有效解决了以往研究中的方法学碎片化问题。（2）基于机器学习的空间预测：利用基于2068个观测数据的随机森林模型，高分辨率（1-km²）预测全球农田中绿肥引起的CF变化，揭示了作物的特异性效果。（3）SOC–GHG贡献分配：量化SOC储量在CF减少中的主导作用。这些进展使我们能够全面评估绿肥对净碳平衡及其全球减排潜力的影响。此外，我们的发现为促进全球农田中碳封存和减排措施的制定提供了新的见解。

数据收集

数据收集

使用“绿肥”、“覆盖作物”、“作物产量”、“土壤有机碳”、“有机碳储量”、“CH₄”、“N₂O”和“碳足迹”作为关键词，从CNKI、Google Scholar和Web of Science检索了截至2024年的同行评审出版物，包括研究生论文衍生的研究（必要时包含作者联系方式）。只有符合以下五个标准的出版物才被纳入我们的数据库：（1）实验是田间试验；（2）唯一的不同点在于

绿肥增加了土壤SOC储量

总体而言，绿肥显著增加了SOC储量9.59%（图1）。随机森林分析表明，纬度是影响绿肥调节SOC封存的最重要因素。在极端水热条件下（MAP <400 mm、MAP >1200 mm、MAT <10 °C和MAT >20 °C），以及纬度范围0–20°内，绿肥分别使SOC储量增加了13.66%、11.33%、10.85%、21.19%和19.48%。

lnR-SOC储量最初趋于增加

SOC的增强主要是绿肥减少CF的原因，但效率受环境阈值调节

我们的研究结果证实，通过植物残渣输入和环境调节，绿肥显著增加了SOC储量9.59%，这是减少CF的主要途径（图4），可能是由于以下关键机制。（1）SOC储量的增加并非线性增长，而是在初始SOC水平为20–40 g kg^?1和TN > 2 g kg^?1时达到峰值。SOC储量对SOC含量的非线性响应符合生态化学计量学原理，即碳积累

结论

我们的全球元分析和机器学习建模表明，绿肥应用有效减少了36.23%的作物系统CF，主要是通过显著的SOC储量增加（9.59%）的净碳封存效应，抵消了CH₄和N₂O排放的增加（22.05%和2.94%）。然而，这些好处并非普遍适用，它们受到初始土壤肥力的显著影响。

CRediT作者贡献声明

刘泽宇：方法论、写作——初稿。黄华：数据整理。冯敬辉：数据整理。吴琦：数据整理。王沁和：数据整理。张远志：数据整理。蔡铁：写作——审稿与编辑。张鹏：写作——审稿与编辑。高志强：写作——审稿与编辑。徐月月：写作——审稿与编辑。吴鹏：写作——审稿与编辑、写作——初稿、可视化、验证、监督、软件、资源、项目管理，

利益冲突声明

我们声明，我们没有可能代表利益冲突的商业或相关利益。

致谢

本研究得到了国家自然科学基金（32401970, 32572456, 32301963）、博士后科学基金（2025T181101, 2024M751915）、山西农业大学的青年领军人才培养计划（2025QNLJ204）、山西省高校青年教师科研创新能力支持项目（2025Q009）以及山西农业大学的本科生创新培训计划的支持