本研究由北京大学碳中和研究院、中法地球系统科学研究院、城市与环境学院的李梓萌（Zimeng Li）与朴世龙（Shilong Piao）等人，联合北京大学深圳研究生院城市规划与设计学院的洪松柏（Songbai Hong，通讯作者）及其他合作者共同完成。研究成果发表于 Elsevier 旗下的学术期刊《Agriculture, Ecosystems and Environment》第388卷，于2025年3月31日在线发表。
氧化亚氮（Nitrous Oxide, N₂O）是一种强效温室气体和消耗平流层臭氧的物质，其百年尺度全球增温潜势为二氧化碳的273倍。农业土壤是最大的人为排放源，主要源于合成氮肥的大量施用。中国以占全球10%的耕地养活了18%的世界人口，年均合成氮肥消费量超过2100万吨，平均施氮强度达191 kg N ha⁻¹，约为全球平均水平的三倍，因此成为全球最大的农业N₂O排放国。然而，中国自21世纪以来实施的一系列以“化肥零增长”和优化种植结构为核心的农业政策，对N₂O排放的实际影响尚缺乏定量评估。现有排放估算存在较大不确定性，主要原因包括：覆盖作物类型有限（多集中于水稻、玉米、小麦三大主粮）、忽视有机肥氮的贡献以及排放因子（Emission Factor, EF）建模过于简化。本研究旨在通过构建更全面、时空分辨率更高的作物特异性排放因子数据集和机器学习模型，精确量化1980–2022年中国农田直接N₂O排放的动态变化，识别其时空演变规律、转折点及主导驱动因素，从而为农业减排政策评估提供实证支持。
研究流程主要包括四个关键步骤：数据集构建、随机森林模型预测排放因子、网格化驱动数据制备以及排放归因分析。
1. 排放因子数据集的构建 研究团队系统性地收集了1980年至2023年9月15日期间发表的中国农田N₂O排放田间观测文献，并依据严格标准筛选数据：仅纳入田间实测（排除室内培养、盆栽、土柱及模型模拟）；每次试验必须同时包含零氮对照和至少一个施氮处理；每个处理至少设三次重复；箱法测量间隔小于两周；观测至少持续一个完整生长季；仅考虑常规化肥或有机肥处理（排除缓控释肥、硝化抑制剂、秸秆还田和饼肥等）。最终数据集包含来自全国221个试验点的1705条N₂O排放观测记录和1163个EF值，覆盖水稻（354条）、玉米（329条）、小麦（395条）、棉花（83条）、水果（54条）、豆类（32条）、油料作物（63条）、茶叶（33条）、蔬菜（298条）及其他作物（64条）共10种作物类型。当文献未直接报告EF时，使用公式 EF = (E − E₀) / Napplied × 100% 计算，其中E为施氮处理土壤N₂O排放量，E₀为零氮对照排放量，Napplied为化学氮与有机肥氮的总施氮量。
2. 作物特异性随机森林模型 单因素方差分析显示不同作物类型的自然对数转换EF存在显著差异（p < 0.05），因此研究为每种作物分别构建随机森林（Random Forest, RF）模型。模型输入变量包括土壤属性（容重、黏粒含量、pH、有机碳、碳氮比）、生长季气候因子（气温、土壤温度、降水量、土壤湿度、水汽压差）和管理措施（施肥频率、施肥方式、施氮量、有机肥比例、耕作与灌溉方式）。模型使用 MATLAB R2022b 的 TreeBagger 函数实现，决策树数量设为300，叶节点最小观测数设为2。为控制过拟合，对每类作物随机选取70%样本训练、剩余30%测试，并生成30个模型（10种数据划分×3次重复）取平均预测值作为最终模拟EF。模型还评估了变量重要性并利用 partialDependence 函数探索各变量与预测EF的偏依赖关系。
3. 网格化输入数据 空间分辨率为5弧分（约10 km）。土壤属性来自 HWSD v1.2；1980–2022年的气温、降水和水汽压差来自 CRU TS 4.07，土壤温湿度来自 ERA5；水汽压差依据 Goff-Gratch 公式计算。水稻、玉米、小麦和棉花使用 SAGE 提供的生长季地图计算生长季气候变量，其余6种作物使用年值。作物面积由 EarthStat 作物比例数据、Yu et al. (2021) 的耕地面积数据及《中国统计年鉴》校准重建。化肥施用空间分布采用 Cui et al. (2021) 的作物特异性施肥量地图，茶叶施肥图基于 Ni et al. (2019) 的调研结果单独生成。全国氮肥总量时间序列整合了 Lu and Tian (2017) 的化学氮肥数据和 Gao et al. (2025) 的有机肥施用量数据，并用《全国农产品成本收益资料汇编》校准各作物时间变化。有机肥比例的空间分布基于 Zhang et al. (2023) 和 Ni et al. (2019)。施肥频率、方式、耕作和灌溉措施假设在研究期内保持不变。
4. 排放计算与归因分析 年排放量使用公式 E = Σ(EFᵢcrop × Nrateᵢcrop × Areaᵢcrop) 计算。转折点识别采用滑动平均法，使用3、4、5、6、8、10年窗口宽度计算平滑后的排放年增长率，增长率正负转换的年份即转折点年。归因分析使用对数平均迪氏指数法（Logarithmic Mean Divisia Index, LMDI），将排放变化分解为EF、施氮量和耕地面积三个因素的独立贡献。
1. 排放因子模拟与驱动因素 作物特异性RF模型对EF的模拟效果良好，R²在0.8至0.9之间。所有作物的平均预测EF为0.71%，显著低于IPCC Tier 1旱地默认值1%。不同类型作物EF差异显著：棉花、油料作物较低；豆类、蔬菜、水果和茶叶显著较高，其中茶叶平均EF达2.25%。高EF经济作物通常与高施肥量和高灌溉等集约化管理措施有关。EF的空间分布总体呈南高北低，但存在作物间差异。变量重要性分析表明，氮输入量和成分是多数作物EF空间变异的关键调控因子，EF随施氮量增加而升高，但在过高施氮量（如>200 kg N ha⁻¹）时趋于饱和；有机肥比例升高可显著降低蔬菜和水稻的EF。环境因子中，黏粒含量、有机碳、pH和气温等对EF有广泛影响。管理措施（如灌溉和施肥频率）对高施肥经济作物尤为重要。
2. 排放时空格局与作物间差异 1980–2022年中国农田长期年平均直接N₂O排放量为174.7 Gg N₂O-N yr⁻¹，从1980年的58.7 Gg N₂O-N yr⁻¹增加到2022年的215.3 Gg N₂O-N yr⁻¹，净增156.5 Gg N₂O-N yr⁻¹。三大排放热点区域为东北平原、黄淮海平原和四川盆地。三大主粮合计贡献46%（其中玉米占26%），三大经济作物（蔬菜、水果和茶叶）合计贡献44%（分别为21%、13%和10%）。1980–2022年的总排放增量中，蔬菜、玉米、水果和茶叶贡献最大，分别为36%、25%、16%和12%。尽管总耕地面积基本稳定，但高EF经济作物和玉米种植比例上升所反映的作物结构调整显著加剧了排放增长。
3. 2015年转折点 全国农田N₂O排放在1980–2015年持续增长，2015年达到峰值259.9 Gg N₂O-N yr⁻¹，随后持续下降，至2022年降至215.3 Gg N₂O-N yr⁻¹，较峰值下降17%。时间轨迹可分为两个阶段：1980–2015年平均增长率为5.5 Gg N₂O-N yr⁻¹，2015–2022年为−4.8 Gg N₂O-N yr⁻¹。空间上，超过四分之三的农田在2015年前显著增长、2015年后转为下降；约16%的农田（主要在华南）持续增长；不足7%的农田（主要在西北）持续下降。排放热点的增长率变化幅度显著大于非热点区域。
4. 归因分析 1980–2015年，施氮量增加是排放增长的最大贡献者（累计111.6 Gg N₂O-N），其次为EF变化（53.3 Gg N₂O-N），面积扩张贡献最小（36.3 Gg N₂O-N）。20世纪80、90和00年代，施氮量变化分别贡献了排放增量的77.9%、67.1%和47.6%，而EF变化的贡献从15.4%升至40.1%。2010–2015年，氮肥增速放缓部分抵消了EF上升的正贡献，排放增速明显减缓。2015–2022年，施氮量下降导致排放减少55.3 Gg N₂O-N，而面积扩张增加9.89 Gg N₂O-N，EF变化贡献甚微，最终净减少44.7 Gg N₂O-N。总体上，施氮量是驱动中国农田N₂O排放时间轨迹的主导因素，尤其在2015年后的下降阶段作用最为显著。
本研究基于迄今最全面的中国农田N₂O排放因子数据集和作物特异性随机森林模型，系统地刻画了1980–2022年中国农田直接N₂O排放的时空动态。研究发现，中国农田N₂O排放在2015年达到峰值后持续下降，这一转折主要由施氮量减少驱动，验证了“化肥使用量零增长行动”在环境效益上的显著成效。研究表明，在保障粮食产量的前提下，控制氮肥施用强度、优化区域作物结构、以有机肥部分替代化肥，是有效削减农田N₂O排放的关键策略。该研究不仅为精确评估中国农业政策的环境效应提供了量化依据，也为其他以农业为主导的新兴经济体制定N₂O减缓策略提供了重要借鉴，对于完善全球温室气体收支核算和实现气候减缓目标具有重要的科学价值与应用意义。
本研究具有以下重要亮点：第一，构建了迄今最全面的中国农田N₂O排放因子数据集（1705条观测记录，覆盖10种作物），显著拓展了对蔬菜、水果、茶叶等高排放经济作物的覆盖。第二，创新性地采用作物特异性随机森林模型预测排放因子，能够刻画多因子交互作用，优于传统的区域平均值或多元回归方法，大幅提高了排放估算精度。第三，在归因分析中同时纳入排放因子、施氮量和耕地面积三个因子，并明确了施氮量在排放时间轨迹中的主导地位。第四，首次在全国尺度上确认了2015年作为中国农田N₂O排放的转折点年，并量化了“化肥零增长”政策带来的减排效益。第五，通过网格化空间分析，识别出东北平原、黄淮海平原和四川盆地三大排放热点区域，为实施区域差异化的精准减排措施提供了科学支撑。