运用自适应深度学习框架提升中国水稻种植的经济与环境效益

《Field Crops Research》:Maximizing economic and environmental benefits in China's rice farming with an adaptive deep learning framework

【字体: 大 中 小 】 时间:2026年07月01日 来源:Field Crops Research 7.9

编辑推荐:

  何旭|赵行格|杨欣|刘子涵|车志轩|沈金荣|黄泽林|夏丹|夏永秋中国常州213200,河海大学信息科学与工程学院摘要研究背景为实现全球可持续农业发展,优化氮肥施用以提升水稻产量和生态系统净经济收益至关重要。然而,传统施肥方法往往依赖静态平均值,无法体现由土壤与气候动态相互作用导致

  
何旭|赵行格|杨欣|刘子涵|车志轩|沈金荣|黄泽林|夏丹|夏永秋
中国常州213200,河海大学信息科学与工程学院

摘要

研究背景

为实现全球可持续农业发展,优化氮肥施用以提升水稻产量和生态系统净经济收益至关重要。然而,传统施肥方法往往依赖静态平均值,无法体现由土壤与气候动态相互作用导致的复杂非线性氮损失。

研究目标

为弥补这一缺陷,本研究旨在构建一种自适应框架,将过程模型知识与田间数据相结合,精准预测氮损失与产量,从而确定最优氮肥施用策略。

研究方法

我们开发了一种自适应深度神经网络框架,将该模型与706组田间观测数据相结合。该框架可预测水稻产量以及四种氮损失类型:氨气挥发、一氧化二氮排放、淋溶总氮和径流总氮。通过将这些预测结果与动态经济环境评估模型相结合,我们制定了经济最优和生态最优的氮肥施用策略。

研究结果与结论

研究结果表明,采用生态最优策略可使生态系统净经济收益提高7.7%,同时氮肥施用量减少18.1%,总经济收益仅下降4.9%,环境成本则降低36.3%。区域分析显示,中国中部的氮肥减量潜力最大,可减少18.5%的氮肥施用量,而中国东北部的减量潜力为8.4%。

研究意义

这一具有空间差异性的管理框架从理论上表明,适度优化氮肥施用可在控制氮污染在可接受范围的同时,保障国家粮食安全与农民收入。

引言

随着全球人口突破80亿(联合国经济和社会事务部,2024年),保障粮食安全已成为国际社会的重大议题(Risoli等人,2025年)。水稻是全球超过一半人口的主要食物来源,为满足未来需求,水稻产量到2033年需增加10%(经合组织/粮农组织,2024年)。在中国,水稻无论是种植面积还是产量都是最大的谷物作物,为14亿人提供食物保障(郭等人,2020年)。氮肥施用对于维持高产至关重要,但过度施用带来了严重的经济与环境问题。在中国的水稻种植系统中,氮肥利用效率通常低于40%(辛,2022年),导致每年约有200万吨氮元素流失。这些流失会以一氧化二氮排放、大气中的氨气污染,以及通过氮素淋溶和径流造成的水体富营养化等形式表现出来(林等人,2021年;王等人,2023年;张等人,2018年;张等人,2024年)。
传统的施肥管理方法通常依赖静态的历史数据或简化的土壤检测,难以充分考虑氮素动态与多变气候条件之间的复杂非线性关系(Hailegnaw等人,2024年;郝等人,2025年)。要在提升产量与经济效益之间取得平衡,需要精准的决策,但预测的复杂性却阻碍了这一目标的实现。氮素损失并非与施用量呈线性关系,而是由土壤特性、天气状况和管理措施等多种因素共同作用的结果(游等人,2024年;张等人,2025年)。基于过程的生物地球化学模型DNDC已被广泛用于模拟水稻田中的碳氮循环及温室气体排放,但在区域尺度应用时仍存在参数设置复杂的难题(楚等人,2023年)。将DNDC模型与随机森林等机器学习模型结合,可通过有效处理复杂的参数关系来弥补这一缺陷(梁等人,2026年)。虽然深度神经网络具备强大的非线性建模能力,但其效果会受到高质量田间数据匮乏的限制(Choudhary等人,2025年;Sahin等人,2025年)。如何将有限的实证数据与基于过程的模拟模型有效结合,仍是提升预测精度的重要挑战。
另一个挑战在于动态的多维度评估。目前的决策框架往往依赖固定的历史价格,未能考虑受供应链和政策影响的化肥与水稻市场的波动性(李等人,2019年;孙等人,2025年)。此外,氮素损失会带来不同的环境影响:氨气挥发会导致酸雨,一氧化二氮排放会加剧温室效应,而氮素淋溶和径流则会引发水体富营养化。这些影响在形成机制和空间尺度上都有所不同。目前尚缺乏统一的估值标准,无法将这些不同的生态影响转化为统一的财务指标,这也成为在施肥决策中体现环境成本的重要障碍。
为解决这些问题,我们开发了一种集成型的自适应深度神经网络框架,将该模型与基于过程的DNDC模拟以及田间观测数据相结合,从而提升预测精度。通过引入动态经济环境评估模型,我们的方法能够将市场价格波动以及氮素相关外部性的经济成本纳入施肥决策之中。具体而言,本研究旨在:(1)构建高精度的深度神经网络,用于预测水稻产量及多种类型的氮素排放;(2)通过动态评估系统量化氮肥施用的经济与生态效益之间的权衡;(3)为中国主要水稻种植区制定具有空间针对性的氮肥管理策略,以实现生态系统净经济收益的最大化。这一框架为在保障粮食安全与推动水稻产业绿色转型之间找到平衡点提供了科学依据。

章节要点

研究区域

中国的水稻种植遍布广阔地区,不同地区的气候特征和土壤类型差异较大。如图1所示,虽然传统分类法将中国划分为六个主要水稻种植区(梅等人,1988年),但本研究重点关注四个主要水稻种植区域——中国南方、中国中部、中国北方和中国东北部,这四个区域涵盖了中国绝大部分的水稻产量及氮肥管理问题。其中,第一子区域为西南地区

水稻产量与氮素损失的估算

预测得到的水稻产量及氮素损失类型在中国主要水稻种植区的空间分布存在明显差异(见图5)。中国中部和东北部是高产地区,但两地的环境特征存在显著差异。中国中部的氨气挥发和径流总氮损失最为严重,这一现象主要是由高强度的施肥措施,加上高温和高强度降雨共同作用导致的

在不同文献来源的站点群中的泛化能力

对于基于文献整理的观测数据库而言,一个重要问题是其预测能力是否真正反映了不同研究之间的可比性,而非仅仅是对特定研究场景的记忆。因此我们需要强调,我们所整理的观测数据并非随意汇总而来:所有数据都来自作物类型一致的田间水稻种植系统,而且所选取的文献大多报告的是包含多种处理方式的实验设计(包括对照施肥组

结论

本研究开发了一种自适应的深度神经网络-生态系统净经济收益框架,有效弥合了机制性过程模型与有限田间观测数据之间的差距。通过运用SMOGN算法和注意力机制,该模型克服了农业建模中“数据量不足”的难题,使产量预测误差降低了15.2%,同时还能高精度地估算多种类型的氮素相关外部性。这种方法论上的整合为评估复杂的生态系统问题提供了可靠的、以数据为驱动的工具

CRediT作者贡献说明

夏永秋:撰写——审阅与编辑,研究指导,资金获取,数据整理,概念构思。夏丹:撰写——审阅与编辑。杨欣:撰写——初稿撰写,方法研究。赵行格:撰写——初稿撰写。何旭:撰写——初稿撰写,方法研究,概念构思。黄泽林:方法研究。沈金荣:研究指导,资金获取。车志轩:模型验证。刘子涵:模型验证。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

本研究得到了中国国家自然科学基金(项目编号:42430706、42177401、62402162)、中央政府引导地方科技发展资金项目(项目编号:2025ZY01056)以及浙江省财政项目(项目编号:2025E10113)的资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号