本文旨在向您介绍一篇近期发表的重要研究论文，题为《全球草地氮循环的综合气候效应》。这是一篇类型a的原创性研究论文。以下是为您准备的详细学术报告。
关于全球草地氮循环对气候变化综合响应的重要研究
一、 研究概况
本研究由浙江大学环境与资源学院的郑淼、崔静兰、程璐茜、王思彤、王晓曦、徐欣、张秀明、王晨、任晨晨及谷保静*（通讯作者）等学者共同完成。研究团队还包括来自浙江大学中国农村发展研究院、德国波茨坦气候影响研究所、国际应用系统分析研究所以及美国卡内基科学研究所的科研人员。该成果以研究论文的形式，于2026年5月6日发表在学术期刊 《Science Advances》 上，论文编号为 Sci. Adv. 12, eaec5940 (2026)。
二、 学术背景与研究目标
本研究隶属于生物地球化学与全球变化生态学交叉领域，核心关注点是全球草地生态系统的氮循环。草地对全球生态系统服务至关重要，但在气候变化影响下，如何平衡其生产力提升、氮利用效率提高与活性氮损失减少，是当前面临的重大挑战。尽管已有大量研究探讨了单一气候因子（如升温、CO₂浓度升高、降水变化）对草地氮循环的影响，但对于多个气候因子综合作用的全面理解仍然有限。特别是，这些因子（温度、降水、CO₂）之间复杂的交互作用如何共同驱动全球尺度上草地氮收支（如氮收获、生物固氮、氮盈余）的变化，尚缺乏系统性的量化评估。
因此，本研究旨在填补这一知识空白。其核心科学目标是：量化1980至2020年间，气候变化（特别是大气CO₂浓度升高、气温上升和降水变化）对全球草地氮循环关键过程（氮收获、生物固氮、氮盈余）的综合影响，并预测未来情景下（至2050年）的变化趋势及其社会经济成本。 研究力图阐明不同气候因子的主导作用、驱动路径，并评估其带来的生态与健康风险，从而为制定可持续的草地管理策略提供科学依据。
三、 详细研究流程与方法
本研究采用了多模型融合、大数据分析和情景模拟相结合的综合性研究框架，工作流程严谨且系统。
第一步骤：数据收集与整合。 研究团队构建了一个覆盖1980年至2020年、超过150个国家的长期面板数据集。核心数据来源于“人与自然耦合系统”（Coupled Human and Nature System, CHANS）模型，该模型提供了国家尺度的草地氮收支历史数据，包括氮收获、氮盈余、生物固氮（BNF）、化肥和粪肥氮输入。这些数据综合了联合国粮农组织（FAOSTAT）的统计数据及大量同行评议文献。气候数据方面，月均温度和降水数据来自CRU TS 4.07数据集，月均CO₂浓度数据来自NASA和NOAA等机构。所有气候数据均根据国家边界或草地分布范围进行空间采样和年度平均处理，以匹配氮收支数据的尺度。此外，还收集了蒸散量、土壤碳氮比等辅助变量数据。
第二步骤：历史影响量化与路径解析。 此步骤是研究的核心分析部分，采用了两种互补的统计模型。 * 固定效应面板回归模型： 为了控制国家间不随时间变化的异质性和全球共同的时间趋势，研究采用固定效应面板回归模型，分析了1980-2020年间气候因子（CO₂、温度、降水及其二次项和交互项）对草地氮指标（氮收获、氮盈余、生物固氮等）的相对影响。模型纳入了草地面积、有机/无机肥比例等控制变量。通过计算标准化系数，比较了各气候因子的效应大小。更重要的是，研究利用“反事实分析”方法，对比了有气候变化和无气候变化（基于七个大气环流模型的“历史自然”和“历史”情景模拟数据）两种情景下的氮收支，从而分离并量化了温度、降水、CO₂各自及共同作用的历史贡献率。 * 结构方程模型： 为了揭示气候因子影响氮循环的直接和间接路径，研究构建了结构方程模型。该模型将CO₂、温度、降水、蒸散量设为外生驱动变量，土壤碳氮比和生物固氮设为潜在中介变量，氮收获和氮盈余设为内生变量。通过路径分析，量化了气候因子通过影响土壤条件（碳氮比）和生物过程（固氮）进而影响氮收获和盈余的间接效应，并与直接效应进行比较，从而更深入地理解了气候驱动的内在机制。
第三步骤：未来情景预测。 为了预估未来气候变化的影响，研究将CHANS模型与“农业生产及其环境影响模型”（Model of Agricultural Production and its Impact on the Environment, MAgPIE）进行耦合。MAgPIE是一个全球土地利用部分均衡模型，能提供更高空间分辨率（0.5°×0.5°）的未来社会经济与土地利用变化预测。研究设定了两种共享社会经济路径与代表性浓度路径组合的情景：SSP1-RCP2.6（可持续发展路径）和SSP2-RCP4.5（中等发展路径）。对于每种情景，都设置了包含气候变化因子（来自CMIP6的CanESM5模型预测）和不包含气候变化因子的基线情景。通过将历史回归分析得到的气候响应关系应用到未来气候预测数据上，并结合MAgPIE提供的未来草地面积变化，研究预测了2030-2050年全球草地氮输入、收获、盈余等关键指标的空间分布变化。
第四步骤：成本效益分析。 为了将生物物理变化转化为社会经济影响，研究对2050年SSP2-RCP4.5情景下气候变化导致的氮收支改变进行了货币化评估。分析涵盖了三个方面的成本/效益： 1. 生态系统成本： 由增加的活性氮损失（如硝酸盐淋失、氨挥发、氮氧化物排放）导致的富营养化、酸化、生物多样性丧失等损害，采用支付意愿法进行估值。 2. 人类健康成本： 由活性氮排放加剧导致的PM2.5污染相关的健康损害，采用“氮份额”法进行估值。 3. 气候影响效益/成本： 包括因氮收获变化带来的碳固存和氧气释放价值（效益），以及由N₂O（强效温室气体）排放增加和氮氧化物/氨气溶胶效应（具有冷却作用）带来的气候影响（净成本或效益）。 单位损害成本根据未来人均GDP和排放/人口密度进行了时空调整，最终汇总得到全球及各区域的净经济成本。
四、 主要研究结果
1. 历史时期（1980-2020）气候影响的主导因子与幅度： 固定效应模型分析表明，气候变暖是驱动全球草地氮收获、生物固氮和氮盈余增加的首要因素。与无气候变化情景相比，1980-2020年间，变暖导致这三项指标分别年均增加19.8%、8.8%和28.2%。降水变化进一步放大了这些增加效应，并表现出显著的空间异质性。相反，大气CO₂浓度升高通过增强植物氮吸收，对氮盈余产生了微弱的负向效应（-1.3%），起到了一定的缓解作用。气候因子间的交互作用复杂：温度和降水的交互作用通常为负，意味着干旱可能削弱增温的促进作用；而CO₂、温度、降水三者的交互作用则呈现正效应，表明CO₂升高通过提高水分利用效率，可能部分缓解高温和干旱胁迫。到2020年，全球约79%的草地同时经历了氮收获、固氮和盈余的增加。
2. 气候影响的驱动路径： 结构方程模型清晰地揭示了不同气候因子的作用途径。 * 对于氮收获，温度既通过直接延长生长季产生强正效应（标准化路径系数0.24），也通过显著促进生物固氮产生更强的间接正效应（0.33），其总净效应最大（0.54）。CO₂升高也通过直接的“施肥效应”促进氮收获（0.17）。 * 对于氮盈余，CO₂升高表现出强烈的直接负效应（-0.37），表明其增强了植物氮吸收，减少了土壤残留氮。尽管CO₂通过促进固氮有间接正效应，但其总净效应仍为负（-0.25），即有助于减缓氮损失。温度则主要通过促进生物固氮的强间接路径（0.32）对氮盈余产生正净效应（0.37），成为增加氮损失风险的关键驱动因子。
3. 未来情景（至2050年）预测： 在SSP2-RCP4.5（中等发展）情景下，与无气候变化的基线情景相比，预计到2050年，全球草地氮输入、氮收获和氮盈余将每年分别增加2230万吨、720万吨和1510万吨（相对于2020年观测值分别增加16.8%、7.9%和36.7%）。氮利用效率预计将从68.9%下降至63.8%。空间上，北美、拉丁美洲、非洲、澳大利亚北部及欧洲部分地区的氮盈余和损失将显著增加，成为“热点区域”。增加的氮损失将导致大气中NH₃、N₂O、NOx及N₂排放量上升，同时向水体的NO₃⁻流失也将加剧，可能引发更严重的水体富营养化问题。
4. 社会经济成本评估： 成本效益分析显示，在SSP2-RCP4.5情景下，到2050年，气候变化导致的全球草地氮循环改变将带来高达690亿美元的净经济成本。其中，生态系统成本（约480亿美元）和人类健康成本（约270亿美元）是主要构成部分，而因生产力提升带来的气候效益（约60亿美元）远不能抵消前两者的损失。区域分析表明，中国、其他OECD国家、拉丁美洲、巴西、美加地区及欧洲将承担最主要的成本。
五、 研究结论与价值
本研究系统性地揭示并量化了气候变化对全球草地氮循环的综合影响，明确了气候变暖是加剧全球草地氮通量增加和氮损失风险的主要驱动力，而CO₂浓度升高在一定程度上能缓解氮盈余。研究预测，若不采取有效干预，未来气候变化将继续推高全球草地的氮输入和损失，对生态系统健康和人类福祉构成严重威胁，并带来巨大的经济成本。
其科学价值在于：首次在全球尺度上，基于长期、多国数据，厘清了多个气候因子及其交互作用对草地氮循环各关键环节的独立与综合效应，并阐明了其背后的生物地球化学路径（如通过影响生物固氮）。这深化了对气候-氮循环耦合机制的理解。
其应用价值在于：研究结果为制定针对性的草地适应性管理策略提供了关键科学依据。研究指出，为了应对气候变化带来的负面效应，必须采取可持续的综合管理策略，包括提高氮利用效率、优化肥料和粪肥管理、改善饲料质量等。同时，研究强调了将氮循环过程更准确地纳入地球系统模型的重要性，以提升未来气候预测的可靠性。
六、 研究亮点
七、 其他有价值的内容
研究也坦诚地指出了其局限性，例如：数据分辨率为国家年尺度，可能掩盖了国家内部的异质性（如中国、美国、俄罗斯）和年内气候波动的影响；未明确区分人工管理草地和天然草地的响应差异；未深入探讨干旱/半干旱条件的水分协同限制作用以及极端天气事件的影响。这些为未来研究指明了方向，例如利用机器学习方法、提高数据分辨率、区分草地类型、纳入极端事件等。