《Agricultural Systems》：Optimizing agricultural intensification and cropping structures in China to reduce nitrogen surplus
姜佳艺|宋长青|张蕾娜|高培超|叶思静|库扎科夫·雅科夫
北京师范大学地理科学学院，中国北京100875
摘要
背景
减少农田中的氮（N）过剩是实现可持续农业集约化的关键目标，对于缓解和适应气候变化策略也至关重要。以往的研究往往侧重于主粮作物的种植，缺乏对作物氮吸收驱动机制与调整种植结构之间关系的探讨。
目的
本研究重点对中国2004年至2020年间八种主要作物（水稻、玉米、小麦、大豆、花生、油菜、棉花和马铃薯）的氮流动和氮利用效率（NUE）进行了空间明确的量化与建模。同时提出了在确保粮食安全和农业利润的前提下减少氮过剩的策略。
方法
采用结构方程模型和随机森林模型分析了自然和社会经济因素以及农业投入对作物氮吸收的多重影响。通过优化氮肥施用量和调整种植结构，在多种情景下模拟了减少氮过剩的潜力，同时考虑了种植计划、保持农业利润稳定以及限制灌溉用水的需求。
结果与结论
八种主要作物的氮利用效率从2004年到2020年有所提高。然而，单位面积的高产量并不总能转化为高总产量，这反映了播种面积分配的限制、未实现的产量潜力以及氮过剩风险。机械化程度的提高、土地碎片化的减少、适当的氮肥施用和灌溉措施可以增加作物对氮的吸收，而过度使用农药和不良的土壤或气候条件则可能限制这一过程。农业投入对作物氮吸收的影响通常会达到饱和状态。例如，对于小麦和大豆，氮肥施用量在200公斤/公顷/年时效果达到饱和。在各种优化情景下，氮过剩减少了9.2%-19%，整体氮利用效率提高了2.3%-6.2%。通过转移支付协调全国范围内的作物收益并优化氮肥施用，可以提高氮利用效率并减少氮过剩，从而带来大约两倍的效益。调整种植结构还可以将灌溉用水量减少5.8%-9.3%，尤其是在北部干旱和半干旱地区。
意义
本研究为优化农业投入和种植结构提供了针对不同地区的建议，旨在减少环境中的氮损失，同时保持粮食安全和农民收入。
引言
氮（N）是作物栽培中最有限的养分之一，因为它能促进作物的生长和发育（Oenema等人，2003年）。为了应对全球人口增长和饮食模式变化导致的粮食需求增加，自20世纪80年代以来氮肥施用的强度逐渐增加（Gao等人，2025年；Ju等人，2004年；Lv等人，2025年；Rosegrant和Cline，2003年；Tian等人，2019年）。然而，由于栽培条件（包括地形特征、土壤性质、栽培规模和农田基础设施）的限制，全球平均氮利用效率目前仅约为40%（Govindasamy等人，2023年）。大量的氮被排放到环境中，导致了一系列环境问题，如温室气体排放增加（N?O）、水生生态系统富营养化、土壤酸化以及生物多样性丧失（Guillaume等人，2015年；Poore和Nemecek，2018年；Springmann等人，2018年；Zamanian等人，2021年）。为了实现农业的可持续集约化，最重要的任务之一是探索针对不同地区的提高氮利用效率的途径，以在满足作物生长需求的同时尽量减少氮过剩带来的环境问题（Domingo等人，2021年；Du等人，2024年；Ren等人，2022年；Zamanian和Kuzyakov，2019年）。
对于中国来说，仅拥有全球9%的耕地却要养活近20%的世界人口是一个重大挑战，尤其是由于其农业系统主要由小农户主导（Han等人，2026年；Kanter等人，2019年；Liu等人，2023a；Ye等人，2020年）。当前小农户农业系统的一个主要缺点是农民受教育水平较低，耕地面积较小，且缺乏资金和机械，这使得他们难以实施高效的氮管理措施，从而导致过量施用化肥以维持高产量（Cui等人，2018年；Deng等人，2024年；Wu等人，2018年）。
2020年，中国的农业氮消耗量占全球总量的22%，使其成为世界上最大的氮消费国（FAO，2024年）。中国耕地的平均氮利用效率（30%-55%）与其他主要农业地区（52%-70%）之间存在差距（Zhang等人，2015年）。中国不同种植区域和作物类型之间的氮利用效率也存在显著的空间差异（Chen等人，2018年；Jiang等人，2024b）。中国政府已采取多种措施提高氮利用效率，如实施土壤检测和配方施肥、“双高农业”（即从单纯追求高产量转向同时追求高产量和高资源利用效率）以及“到2020年化学肥料使用零增长”（Yin等人，2019年；Zhang等人，2016年）。迫切需要基于对耕地氮流动的空间明确评估和建模的区域性作物特定优化策略，以便更好地实施这些全国性措施。
目前对农田氮流动的评估是在多个尺度上进行的。主要评估指标包括氮投入、作物氮吸收量、氮过剩量（即氮投入量减去作物氮吸收量）以及氮利用效率（即作物氮吸收量除以氮投入量）。在全国范围内，中国的作物氮过剩量仍然很高，且氮肥投入量的估计值具有高度不确定性（Zhang等人，2015年；Zhang等人，2021b）。高分辨率的网格化研究能够捕捉空间细节，但面临数据不一致和社会经济因素整合不足的问题（Gu等人，2015年；Wang等人，2020年；Zhang等人，2021b）。由于数据可用性和管理政策的连贯性，省级或县级尺度更适合中国（Liu等人，2020a；Liu等人，2024年）。最近在该尺度上的研究分析了氮流动和氮利用效率的空间和时间模式，并探讨了各种氮来源的贡献，但大多数研究主要集中在主粮作物（水稻、玉米和小麦）上（He等人，2018年；Liu等人，2024年；Yan等人，2022年；Zhang等人，2021a）。主粮作物仅使用了54%的合成氮，这为油料和经济作物的研究留下了空白。本研究通过量化八种主要作物（包括水稻、玉米、小麦、大豆、花生、油菜、棉花和马铃薯）的省级氮利用效率，为制定全面的氮减排策略提供了依据。
优化农业管理措施和调整种植结构是减少氮损失的关键策略。前者主要涉及模拟各种措施对氮损失的影响，以开发更好的解决方案。特定地点的措施，如使用高效肥料、生物炭、轮作、免耕以及有机肥料与合成肥料的结合，可以有效减少氮损失并提高氮利用效率（You等人，2024年；Duan等人，2024年）。这些研究还表明，作物氮吸收量并不总是随氮肥投入量线性增加，超过某个阈值后额外施肥的效果会减弱（Cui等人，2018年）。针对特定作物（如小麦和水稻）的优化氮管理可以在不牺牲产量的情况下减少氮投入和损失（Cui等人，2011年；Cai等人，2023年）。通过线性优化调整种植结构是另一种关键方法。这些模型优化作物分配，以实现可持续性目标，如提高产量、降低温室气体排放和减少用水量，同时考虑自然和社会经济限制（Xie等人，2023年；Folberth等人，2020年）。将生产从低产量、高影响的地区转移到高产量、低影响的地区可以大幅减少二氧化碳排放和资源消耗，从而促进更加可持续的农业。然而，很少有研究将作物特定的农业投入优化与种植结构调整结合起来。本研究将这两种策略结合应用于中国的八种主要作物，以寻找在保持利润和限制灌溉用水的同时提高氮利用效率和减少氮过剩的途径。
本研究的核心目标是评估优化农业集约化和种植结构如何在中国省级尺度上提高作物氮吸收量并减少耕地氮过剩量。为此，评估了2004年至2020年间八种主要作物（水稻、玉米、小麦、大豆、花生、油菜、棉花和马铃薯）的省级氮利用效率。随后通过结构方程模型和随机森林模型分析了自然和社会经济因素（包括气候条件、社会经济条件、地形特征、土壤性质和耕地碎片化指标）以及农业投入对作物氮吸收的多重影响。最后，通过优化氮肥施用量和调整种植结构，在多种约束条件下（如保障粮食安全、稳定农业利润和限制灌溉用水）来提高氮利用效率。在讨论部分，讨论了适用于中国每种主要作物的区域农业投入和优化策略，以及根据优化情景农业利润和灌溉用水量的影响和权衡。本研究支持氮减排策略的设计，所使用的方法也可能为其他国家提供提高氮利用效率的参考。
章节摘录
数据
研究范围覆盖了中国大陆的全部地区。由于数据限制，台湾、香港和澳门未被纳入。使用了多个数据集来评估八种主要作物（水稻、玉米、小麦、大豆、花生、油菜、马铃薯和棉花）的氮利用情况，并分析其驱动过程。2020年，这八种主要作物的播种面积占中国大陆年度作物总播种面积的75%以上（根据中国的相关统计数据计算）
主要作物的氮利用效率和产量的空间和时间分布
2004年至2020年间，八种主要作物的氮利用效率有所提高（图2）。大豆和花生的氮利用效率最高（70%-90%），主粮作物和油菜的氮利用效率中等（40%-60%），而棉花和马铃薯的氮利用效率最低（分别为20%-30%和15%-20%）。从空间上看，中国东北部和四川盆地的氮利用效率最高（60%-80%），长江平原为中等水平（50%-60%），南部沿海地区的氮利用效率最低（约40%）。玉米的氮利用效率在中国东北部达到峰值优化主粮作物的农业投入
高氮利用效率并不一定意味着高作物氮吸收量；它可能对应于低产量和低氮肥施用量（Xiong等人，2022年）。单纯追求高氮利用效率可能无法满足作物的产量需求。本研究为中国探索更高效的种植系统提供了灵感，并为主要作物提供了优化的农业集约化策略。中国南部主要生产区的单位面积水稻产量较低，南部沿海地区的氮利用效率也低于
结论
为了探索中国区域范围内的适当农业集约化策略和种植结构，评估了2004年至2020年间八种主要作物（水稻、玉米、小麦、大豆、花生、油菜、棉花和马铃薯）的氮利用效率和单位面积产量的时空变化。使用结构方程建模和随机森林模型分析了自然和社会经济因素以及农业投入对作物氮吸收的多重影响。
作者贡献声明
姜佳艺：撰写——初稿、可视化、方法论、数据管理。宋长青：监督、项目管理、资金获取、正式分析、概念化。张蕾娜：资源协调、调查、数据管理。高培超：项目管理、方法论、正式分析。叶思静：撰写——审稿与编辑、撰写——初稿、方法论、正式分析、概念化。库扎科夫·雅科夫：撰写——审稿与编辑、方法论。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本研究得到了国家自然科学基金 [项目编号：42171250、42230106、42271418]的资助。我们感谢北京师范大学地理科学学院地理数据与分析中心以及中国人民大学战略学术领导计划提供的高性能计算支持。
