在典型施肥情景下,由施肥驱动的全球及区域磷分布动态变化
《Journal of Environmental Management》:Fertilization-driven global and regional dynamics of phosphorus patterns under a representative fertilization scenario
【字体:
大
中
小
】
时间:2026年07月05日
来源:Journal of Environmental Management 9.2
编辑推荐:
齐冲冲|赵鹏欣|李科超|柴立源中国湖南长沙,中南大学资源安全工程学院,邮编410083摘要磷是陆地生物地球化学循环和植物生化功能所必需的元素,对农业生产和生态系统稳定起着重要作用。然而,全球土壤磷失衡现象威胁着粮食安全,增加环境污染风险,因此需要基于科学的施肥指导与磷管理策略。制
齐冲冲|赵鹏欣|李科超|柴立源
中国湖南长沙,中南大学资源安全工程学院,邮编410083
摘要
磷是陆地生物地球化学循环和植物生化功能所必需的元素,对农业生产和生态系统稳定起着重要作用。然而,全球土壤磷失衡现象威胁着粮食安全,增加环境污染风险,因此需要基于科学的施肥指导与磷管理策略。制定这些策略的前提是对施肥条件下土壤磷,尤其是无机磷和有机磷的动态变化有全面了解。本研究利用机器学习技术构建了一个全球范围内的预测分析框架,用于研究施肥后土壤无机磷和有机磷的浓度变化。模型识别出宏观环境因素和施肥方式是影响这两种磷浓度变化的关键因素,并预测在假设的施肥情景下,全球无机磷浓度将下降2.5毫克/千克,而有机磷浓度将上升5.5毫克/千克。研究还确定了跨大陆的无机磷上升带和高纬度地区的无机磷积累区作为重点关注区域,其中五大湖流域的有机磷浓度则出现显著下降。此外,不同生态系统对施肥的反应存在差异,湿地地区的变化最为明显,无机磷浓度下降了15.6%,有机磷浓度上升了9.5%。这些研究结果为深入理解磷循环提供了科学依据,有助于未来开展精准施肥、降低富营养化风险以及实现可持续磷管理。
引言
磷是一种不可再生且分布不均的资源(Guo等人,2022),在调节地球系统中地质圈与生物圈之间的过程方面起着关键作用(Walton等人,2023)。它有助于实现联合国可持续发展目标,尤其是粮食安全目标(SDG2)和陆地生态系统保护目标(SDG15)(Langhans等人,2022);在行星边界框架中 también具有重要意义(Rockstr?m等人,2023)。在土壤中,磷对植物的生理代谢过程以及维持养分循环和生态系统稳定至关重要(Peng等人,2018)。然而,大多数土壤都存在磷缺乏问题(Alewell等人,2020),这导致耕地作物产量减少约30–40%(Din等人,2021),在撒哈拉以南非洲和南亚等发展中国家里,磷对农业生产的影响更为显著(Magnone等人,2022;Pathak等人,2024)。随着全球人口预计在2050年达到约97亿(Gu等人,2021),不断增长的粮食需求、磷资源短缺以及土壤磷供应不足之间的矛盾日益突出。
施肥对于解决土壤磷缺乏问题、提升全球农业生产力至关重要(Yahaya等人,2023)。然而,化肥的广泛使用打破了自然的磷循环(Demay等人,2023),导致全球磷储量出现严重的空间失衡(Elser和Bennett,2011)。虽然有些地区存在施肥不足的问题,但一些集约化农业区却使用了过量的化肥,从而导致土壤中磷积累,进而引发淡水及沿海生态系统的富营养化、环境污染以及宝贵磷资源的浪费(Tian等人,2021)。因此,精准施肥管理已成为维持土壤磷平衡、降低环境风险的重要策略(Nath,2024)。
土壤磷平衡与其两种主要形式——无机磷和有机磷密切相关(Dai等人,2020)。可溶性的无机磷可直接被植物吸收,而大部分有机磷则作为长期磷储存库,必须经过微生物矿化作用才能被植物利用(Zhang等人,2024a)。研究施肥如何影响无机磷和有机磷的动态变化,有助于优化磷的利用效率,为制定可持续的磷管理策略提供科学依据。
目前关于施肥对土壤无机磷和有机磷影响的研究结果并不一致,主要是因为大多数研究都是在局部地区进行的(Mahmood等人,2021):有些研究显示这两种磷的含量有显著上升(Chen等人,2018;Yang等人,2015),而另一些研究则仅观察到微小变化甚至下降(Wang等人,2022),这反映了磷动态变化的复杂性和不确定性。这种不一致性表明,施肥对无机磷和有机磷的影响受多种环境和管理因素的共同调控,因此亟需开展更系统的研究来填补这一知识空白。不过,现有研究缺乏全球视角,未能充分揭示施肥如何在不同生态系统和全球气候条件下改变表层土壤的磷浓度(Tang等人,2021)。这一研究缺口限制了全球磷资源管理的科学基础。因此,目前仍不清楚在全球范围内土壤无机磷和有机磷是如何响应施肥的,哪些环境和管理因素主要决定了它们空间分布的差异,以及这些响应在不同生态系统和气候梯度上有何不同。
随着地球大数据的日益丰富以及机器学习技术的不断发展,人们已经能够在全球范围内建立预测性的地球科学模型(Toetzke等人,2022)。与那些主要依赖本地观测数据的研究不同,本研究采用机器学习框架来评估全球范围内施肥对无机磷和有机磷动态的影响。据我们所知,这是最早尝试运用机器学习方法系统研究施肥对全球土壤无机磷和有机磷浓度影响的案例之一。通过整合来自全球715个野外试验点的数据,以及土壤性质、气候条件和施肥方式等信息,我们构建了高精度的机器学习模型,用于预测施肥后的土壤无机磷和有机磷浓度。这些模型旨在建立一个能够区分无机磷和有机磷的预测框架,重点分析施肥的影响,并通过情景映射方法,以5公里分辨率展示在典型施肥情景下全球土壤中这两种磷浓度变化的空间分布特征。我们还识别出了无机磷和有机磷的积累热点区域、可能面临磷污染的高风险区域,以及因磷含量下降而可能限制植物生长、降低作物产量的敏感区域。我们的研究结果还揭示了不同生态系统对施肥的特异性反应。这些发现为理解土壤磷的空间动态变化提供了有力的科学支持,有助于实现精准施肥,降低富营养化等环境风险,为全球可持续磷管理战略的制定提供依据。
章节要点
材料与方法
本研究包含四个部分(见图1):(i)收集已发表研究中的田间试验数据,随后进行数据预处理和特征相关性分析;(ii)构建机器学习模型来预测土壤无机磷和有机磷浓度,包括超参数优化和全面的性能评估;(iii)通过排列重要性分析和SHapley加性解释方法来解析关键驱动因素,从而揭示各输入特征之间的关系。
农业土壤中无机磷和有机磷动态的高精度全球预测
用于构建土壤无机磷和有机磷浓度预测模型的观测数据主要来自北美、欧洲和亚洲的热带及温带地区(见图2a)。采样点涵盖了森林、农田、草原和湿地四种主要的生态系统类型。通过对这些采样点的MAT和MAP数据进行统计分析,发现该数据集几乎涵盖了所有主要的生态群落类型,只有雨林和苔原除外(见图S4)。
讨论
在本研究中,我们利用机器学习技术预测了全球土壤无机磷和有机磷的浓度,发现了宏观环境特征、土壤性质以及施肥方式之间复杂的相互作用。这些模型展示了施肥条件下土壤磷动态的空间异质性,揭示出具有地域特征的分布模式以及不同生态系统特有的响应规律。这类空间预测有助于我们更好地理解人类活动带来的养分输入是如何影响地表生物地球化学梯度以及土壤系统的。
数据统计分析与可视化
所有的机器学习模型都是使用Python 3.11.7开发的、评估的并进行优化的。线性回归、决策树、支持向量回归、随机森林、GBDT、极端梯度提升和分类提升模型分别通过scikit-learn 1.6.1、XGBoost 1.7.6和CatBoost 1.2.3这几个库来实现。超参数优化则是借助bayesian-optimization 2.0.4库来完成的。排列重要性分析则是基于节点纯度来进行的。
资金支持
本研究得到了湖南省自然科学基金的资助(项目编号:2024JJ2074)。此外,本研究还部分得到了中南大学高性能计算中心的支持。
CRediT作者贡献说明
齐冲冲:概念构思、数据整理、资金获取、研究实施、方法设计、资源协调、监督指导、结果验证、论文撰写与修改。 赵鹏欣:数据整理、定量分析、资源协调、软件应用、监督指导、论文初稿撰写。 李科超:方法设计、监督指导、结果可视化。 柴立源:概念构思、研究实施、监督指导。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
生物通微信公众号
生物通新浪微博
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