大气中的氨是一种重要环境污染物，影响全球生态系统和人类健康。大约有51-60%的人为氨排放可追溯至作物栽种，其中一半与3种主要作物有关：水稻、小麦和玉米。但以高分辨率量化与具体耕地有关的氨排放的潜在减少很困难，且取决于如氮输入和本地排放等因素的细节情况。

2024年2月1日，南方科技大学郑一教授、香港科技大学冯志雄教授等，在 Nature 期刊发表了题为：Fertilizer management for global ammonia emission reduction 的研究论文。

该研究报告了在机器学习帮助下生成的对水稻、小麦和玉米作物氨排放的详细评估。这一数据集使人们能对具体耕地评估减排潜力，在这些作物的生长中有效管理肥料，能让大气中耕作带来的氨排放至多降低38%。

该研究基于包括气候、土壤特征、作物类型、灌溉、耕作和施肥操作等变量，使用机器学习建模了全球水稻、小麦和玉米农业的氮排放。

为丰富模型信息，研究团队从对发表文献系统性回顾所得的2700项观察中开发出了一个氨排放数据集。研究团队用这一模型估计全球氨排放在2018年达到43亿公斤。

研究团队计算出，根据模型指导在空间上优化肥料管理，可以让这三种作物的氨排放减少38%。优化策略包括在生长季节采用常规的耕作法，将增效肥料施放在更深的土壤中。

该研究发现，在施肥管理场景下，水稻作物能带来47%的总体减排潜力，玉米和小麦分别是27%和26%。在没有任何管理策略的场景下，研究团队计算出到2100年氨排放将升高4.6%-15.8%，最终数字取决于未来温室气体排放水平。

论文链接：

https://www.nature.com/articles/s41586-024-07020-z

转自：“生物世界”微信公众号

如有侵权，请联系本站删除！