机器学习指导全球农田氨减排

氨是主要大气污染物之一，对于雾霾的形成起重要作用。农田排放是氨的首要人为源，且主要来自水稻、小麦、玉米三大粮食作物种植。在粮食需求不断增加的压力下削减农田氨排放是全球可持续发展面临的难题之一。受自然与人为因素的综合影响，农田氨排放的强度存在显著的空间差异，尚缺乏全球范围的高分辨率数据，导致全球农田氨排放总量不清、减排潜力不明，阻碍了世界各国的减排工作。本研究收集整理了全球2775个站点年(site-year)的氨排放率田间观测数据，成功训练和验证了随机森林机器学习模型，完成历史基准(2018年)与气候变化情景下的全球高分辨率模拟，产出5弧分(约10 km)网格尺度的全球农田氨排放数据集。研究表明，2018年，全球水稻、小麦和玉米种植的氨排放总量为4.3 Tg N，三大作物分别贡献41%、30%和29%。这一新估计显著低于以往，主要原因是之前研究未全面、细致考虑肥料管理措施对排放因子的影响。高效肥选用、深施等肥料管理措施具有显著的减排效应，但也受当地气候、土壤、水文、作物类型等多方面因素的复杂影响，凸显因地制宜进行农田肥料管理的重要性。在基准情景下，通过优化农田肥料管理，全球三大作物最高可实现1.6 Tg N的减排量(减排38%)，小麦、玉米和水稻分别贡献 26%、27%和47%的减排量。由于气候变暖，未来农田氨排放将进一步加剧。机器学习模型预测，在SSP1-2.6和SSP5-8.5排放情景下，2030-2060年间全球农田氨排放总量将分别增加4.0%和5.5%。不过，优化农田肥料管理的减氨潜力仅需兑现15%即可抵消这部分增量。