本篇研究报告基于一篇原创性研究论文，该研究由中国农业大学的李东生（Dongsheng Li）、侯勇（Yong Hou）、王红亮（Hongliang Wang） 等学者，联合荷兰瓦赫宁根大学（Wageningen University & Research） 的研究人员共同完成。论文发表于国际学术期刊 Resources, Conservation & Recycling（2026年第235卷），文章编号为109098，并于2026年8月1日在线发表。该期刊是资源循环利用与可持续发展领域的权威学术刊物。
全球人口增长与动物源食品需求的快速上升，使饲料粮——尤其是玉米和大豆——的需求持续攀升。中国作为全球最大的玉米消费国和大豆进口国，其饲料粮供给高度依赖国际市场，粮食安全面临较大脆弱性。与此同时，饲料生产带来了沉重的环境代价：全球约68%的畜牧业相关活性氮（reactive nitrogen）排放与饲料生产有关，而其中66%发生在亚洲。在此背景下，如何在提高饲料自给率的同时降低氮素环境足迹，成为中国农业可持续发展面临的核心挑战之一。
多样化种植制度（diversified cropping systems，DCS）——包括间作（intercropping）、轮作（crop rotation）和覆盖作物（cover cropping）——被认为具有增产、改善土壤健康和减少氮损失的潜力。然而，已有研究表明，DCS的效益在不同区域间存在巨大差异，这种差异在很大程度上受到田间管理措施尤其是氮肥管理的影响。当前研究的局限在于：大多数研究基于点位试验或粗尺度分析，难以在全国尺度上揭示DCS表现的空间异质性；同时，DCS与养分管理之间的交互作用往往未被充分探讨。因此，本研究旨在回答一个关键问题：在优化氮管理的前提下，DCS能否在降低环境成本的同时，持续提升中国玉米和大豆的产量潜力？
研究团队构建了一个整合性高分辨率评估框架，将荟萃分析（meta-analysis）、可解释机器学习（interpretable machine learning）与1公里空间建模相结合，系统评估了DCS与因地制宜氮管理（site-specific nitrogen management）对中国玉米和大豆产量及氮盈余（nitrogen surplus）的影响。该框架包含三个互补的研究模块。
第一模块为荟萃分析。 研究团队系统检索了1990年1月至2025年1月期间发表于Web of Science和中国知网的同行评议文献，依据PRISMA指南进行文献筛选与数据提取。最终纳入506项田间试验，涵盖间作、轮作和覆盖作物三类DCS。对于每项试验，研究提取了处理组与对照组的均值、重复数和标准差，以对数响应比（log response ratio，lnRR）作为效应量，采用多水平随机效应模型进行综合分析。同时，研究还对DCS内部的管理措施进行了亚组比较，包括优化氮管理（调整施氮量或有机无机配施）、优化灌溉和耕作管理。
第二模块为机器学习模型开发与解释。 研究将506项试验数据划分为训练集（80%）和测试集（20%），分别针对玉米和大豆建立独立的极端梯度提升模型（XGBoost）。模型输入变量包括气候因子（年平均温度和降水）、土壤属性（pH、有机碳、全氮、容重、阳离子交换量等）以及管理措施（施肥量、耕作、灌溉）。为增强模型可解释性，研究采用SHAP（SHapley Additive exPlanations）方法量化各预测因子的贡献，并识别与产量优化相关的输入阈值区间。这些阈值响应被解释为边际贡献最优范围，为后续情景设计提供依据。
第三模块为空间预测与情景模拟。 训练后的作物特异性模型被应用于覆盖中国的1公里分辨率网格化数据，以预测不同管理情景下的产量响应。研究设计了五个情景（S0至S5）：S0为基线情景，代表单作与常规矿物氮施肥；S1为DCS但保留常规施氮量；S2在S1基础上依据SHAP阈值优化矿物氮投入；S3在S1基础上进行有机肥部分替代（保持总氮量不变）；S4为S3基础之上进一步联合优化总氮投入；S5为针对每个1公里网格单元自动选择S1至S4中表现最优的管理策略，形成因地制宜的最佳管理组合。氮盈余的计算考虑了肥料投入、大气氮沉降、生物固氮（biological nitrogen fixation，BNF）和作物氮吸收四个组分。
DCS与管理措施的产量效应。 荟萃分析显示，相对于单作系统，DCS在常规管理下使玉米产量提高了15.0%（95%置信区间11.7–18.4%），但大豆产量未表现出显著提升（4.0%，置信区间−7.6–16.9%）。在DCS内部实施优化氮管理后，玉米产量额外提升29.5%，其中有机肥部分替代矿物氮的效果（34.5%）显著优于单纯优化矿物氮（27.7%）；大豆产量在优化氮管理下提升16.5%，但有机替代的效果不显著。优化灌溉与保护性耕作对玉米的增产幅度较小（5.7%和5.8%），对大豆则仅优化灌溉表现出显著正效应（12.1%）。
关键驱动因子的识别。 SHAP分析表明，氮肥施用量是玉米和大豆产量响应共同的主导管理因子，其相对重要性分别为18.9%和21.6%。对于玉米，土壤容重是最主要的环境限制因子，而年降水量在超过约634毫米时发挥明显的促进作用；氮肥施用量在达到约164 kg N ha⁻¹后增产效应显著增强。对于大豆，阳离子交换量（CEC）是核心环境制约因素，氮肥施用超过约39 kg N ha⁻¹即能显著促进产量，这一阈值与已知的生物固氮抑制范围相吻合，表明适度氮素供应对大豆早期生长具有“启动效应”，但过量矿物氮会抑制根瘤固氮。
情景模拟的空间格局。 从S1到S4，玉米全国平均产量潜力的增幅依次为14.2%、24.9%、27.9%和31.3%；大豆则为13.4%、14.1%、22.2%和23.9%。然而，空间响应存在显著异质性：玉米在S1情景下华北和东北部分地区出现产量下降，而S2和S4在这些区域转为广泛增产；大豆在S1和S2下有9.7–20.2%的网格出现减产，集中在东北平原、华北和黄土高原，而有机替代情景（S3与S4）显著缩减了减产区域面积。在环境指标方面，玉米的氮盈余在S2和S4下分别降低45和59 kg N ha⁻¹，肥料投入减少56和63 kg N ha⁻¹；大豆的氮盈余降幅较小，分别为7和11 kg N ha⁻¹，肥料投入变化不大，这与其依赖生物固氮的特性一致。
最优情景S5的总体效益。 S5情景通过网格级最优策略选择，使玉米产量潜力较基线提升34.7%，大豆提升27.7%，均超过任何单一情景的增幅。玉米的氮盈余和氮投入分别减少59和63 kg N ha⁻¹，大豆则减少24和3 kg N ha⁻¹。空间分配上，73%的玉米种植面积优先采用有机替代策略（S3和S4），主要分布在东北农牧交错带、华北平原和黄土高原；而在北方寒冷干燥区，优化矿物氮（S2）更为有效。大豆系统中69%的面积选择了有机替代策略，主要集中于东北平原和四川盆地。
全球溢出效应估算。 基于S5情景的产量提升，研究估算中国玉米和大豆进口减少可在全球范围内节约约840.1千吨氮肥，其中玉米贡献815.8千吨，大豆贡献24.3千吨。最大的氮肥节约发生在巴西（−567千吨）、乌克兰（−157千吨）和美国（−113千吨），表明中国国内生产优化可通过贸易链产生显著的跨境环境效益。
本研究揭示了一个核心结论：DCS的增产效益并非源自多样化本身，而是取决于氮管理的优化程度。DCS通过改善土壤结构、增加孔隙度和提高阳离子交换量等机制，构建了作物高产的物理与微生物基础；而优化氮管理则通过解除养分限制、同步氮素释放与作物需求，激活了这一基础的生产潜力。两者之间存在显著的非线性协同效应，且这种协同具有强烈的空间异质性和作物特异性。
研究的科学价值在于，它首次在全国尺度上将荟萃分析、机器学习与高分辨率空间建模相结合，系统揭示了DCS与氮管理交互作用的空间格局与驱动机制，为理解多样化种植制度的条件性效益提供了新的理论框架。应用价值方面，研究结果直接支持中国正在推进的“大面积单产提升行动”和主要粮油作物推荐施肥政策，为制定区域差异化的养分管理策略提供了定量依据。研究还表明，推广DCS不应采用“一刀切”的行政命令，而应结合当地土壤、气候和养分条件，发展因地制宜的综合管理方案。科技小院（Science and Technology Backyard，STB）模式被认为是一种有效推广此类知识密集型技术的参与式途径。
本研究的突出亮点包括：第一，采用506项田间试验的大规模数据整合，确保了结论的证据强度；第二，利用SHAP方法揭示了DCS与氮管理之间非线性的阈值响应关系，为情景设计提供了机制性依据；第三，构建了1公里分辨率的全国空间预测框架，实现了从点位试验到区域政策制定的尺度跨越；第四，将国内优化策略与国际氮肥节约相联系，揭示了局部管理改善的全球环境溢出效应。
同时，作者也指出了若干局限性：机器学习阈值来源于已有试验数据，其外推精度受限于试验覆盖范围；将三类DCS统一处理未能充分反映它们在经济与劳动力需求上的差异；有机肥替代情景未考虑畜禽养殖与农田之间的空间匹配约束；国际贸易影响估算亦未纳入市场均衡反馈机制。尽管如此，研究结果仍为优化中国及其他畜牧业密集型地区的多样化种植与氮管理提供了坚实的生物物理潜力评估和可操作的政策指引。