2025, Vol. 46
2. 甘肃省太阳能与生物质互补多联供系统重点实验室, 兰州 730050;
3. 西北低碳城镇支撑技术省部共建协同创新中心, 兰州 730050
2. Key Laboratory of Multi-supply System with Solar Energy and Biomass, Gansu Province, Lanzhou 730050, China;
3. Collaborative Innovation Center for Supporting Technology of Northwest Low-Carbon Towns, Lanzhou 730050, China
全球气候变化正引起国际社会的广泛关注. 根据联合国粮食及农业组织（FAO）的数据, 农业用地每年贡献了全球人为温室气体排放总量的30%, 约为150亿t CO2[1]. 农业种植中化肥的施用对保障全球人口温饱问题发挥了不可或缺的作用, 但化肥施用给环境也造成了一系列负面影响[2, 3], 例如, 化学氮肥会刺激农田土壤排放更多的温室气体（CO2、CH4和N2O）[4]. 因此, 我国农业农村部于2022年颁布了《到2025年化肥减量化行动方案》, 明确“提高有机肥资源还田量”的目标, 进一步凸显了有机肥在化肥减施过程中的重要作用[5]. 有研究表明, 在全球范围内, 广泛使用有机肥料既能有效利用禽畜粪便和秸秆等资源, 避免了大量碳氮元素的无效排放, 又能减少化肥的使用, 从源头上降低碳排放. 此外, 有机肥料的施用还能改良土壤, 提升固碳能力, 相比于化肥降低温室气体的排放[6]. 研究有机肥料的施用对全球农业土壤的氮供应能力和温室气体排放的影响具有重要意义, 对于优化施肥管理、减轻气候变化并确保粮食生产的可持续发展至关重要.
有机肥料主要由植物残渣或动物排泄物等组成, 富含丰富的有机物质（氨基酸、有机酸和多肽等）, 也含有一定量的氮、磷、钾等无机养分[7]. 如农家肥、秸秆、商品有机肥和沼液等, 均是土壤有机质（SOM）的重要来源, 也是化肥的有效替代物[8]. 随着我国在农业生产化肥减量增效的持续推进, 有机肥在农业生产中的科学应用逐渐引起研究者的广泛关注. 相比于施用化肥, 单施有机肥或有机肥与化肥配施, 在改善土壤质量、增加农田土壤碳储存和减少温室气体排放等方面均能起到积极的作用[9]. 不同种类的有机肥料由于其成分存在差异, 施用后会对农田的温室气体排放产生不同的影响[10]. 王晓娇等 [11]研究表明, 相较于不施肥和施用无机肥, 有机肥施用显著增加了CO2排放量；卜容燕等[12]发现与不施肥相比, 有机肥配施化肥对稻田温室气体排放具有明显减缓作用；王文赞等[13]对果园区域的研究发现, 有机肥替代化肥氮能减少土壤N2O排放量及温室气体排放强度, 提高了CO2排放量. 因而, 有机肥施用针对不同的种植系统或不同类型的有机肥作用于相同土地中及不同土壤性质与温室气体排放量之间的关系等问题, 学者们均未形成一致意见, 气候条件和肥料管理措施是否会对温室气体排放量增长效应产生影响, 施用有机肥对温室气体排放量影响的显著性及差异性大小. 对于存在问题的探求通过已有独立试验研究难以量化有机肥施加对温室气体排放量的综合效应, 以及温室气体排放量增长效应与各因素之间的相关关系.
Meta分析是一种定量统计方法, 可针对多个同类研究结果进行整合分析[14]. 该方法已被应用于定量分析农田生态效应领域, 引起了生态学界的高度重视[15]. 先前已有研究运用Meta分析方法整合有机肥替代化肥氮或免耕等对温室气体排放的影响, 其亚组分析侧重于研究不同种植模式、作物类型和有机肥类型的影响或未将有机肥作为主要影响因素[16, 17], 对气候条件、土壤性质和肥料管理措施的影响研究还显不足. 同时, 已有的研究没有将气候条件、土壤性质、肥料管理措施和温室气体排放量变化率相结合, 也未深入剖析各因子直接或间接的因果结构关系. 结构方程模型（structural equation modeling, SEM）是基于变量的协方差矩阵来分析变量之间关系的一种重要统计方法, 可用于量化和确定因变量和自变量之间的因果关系, 并已应用于许多环境和农业领域的研究[18]. 基于此, 本研究搜集已发表的有机肥施用对全球土壤温室气体排放量影响的文献数据, 采用Meta分析方法定量评估有机肥施用对全球土壤温室气体排放量的直接和间接影响, 运用SEM量化和确定因变量和自变量之间的因果关系, 以探求主要影响因素, 解释有机肥施用对温室气体排放量影响的内在机制.
1 材料与方法 1.1 数据采集和纳入标准本研究使用的数据收集自中国知网（CNKI）、Web of Science和Google Scholar等国内外数据库（截至2023年9月）中已发表的同行评审论文, 以“有机肥（manure/organic fertilizer）”或“农家肥（farmyard manure）”、“商品有机肥（commercial organic fertilizer）”、“沼液（biogas slurry）”、“秸秆（straw）”、“温室气体排放（greenhouse gas emissions）”、“二氧化碳排放（CO2 emission）”、“甲烷生产（CH4 production）”和“氧化亚氮排放（N2O emission）”为主要关键词组合进行计算机文献检索, 并对检索到的文献进行手工筛选. 根据MetaWin 2.1软件数据整合分析的要求标准和本研究的目的, 文献筛选标准设定为：①试验区域位于全球范围内, 试验地点、时间及供试材料明确；②试验为大田试验和盆栽试验；③试验中处理组与对照组数据信息必须完整, 在保证其他田间条件一致的情况下, 至少包括1对有机肥（单施有机肥、有机无机配施）、无机肥（单施氮肥、氮磷钾配施、氮磷肥）和不施肥（CK）的处理组；④单篇文献集合有多个独立试验时, 将每个试验划分为一个独立研究；⑤试验中所设CK组和处理组的重复次数≥ 3次；⑥不同学术期刊发表有相同的试验数据时, 优先选择最近发表在影响因子较高期刊上的文献的试验数据；⑦均值、标准差（SD）或标准误（SE）、样本量可直接由论文或间接计算得到；⑧纳入的文献为试验类学术论文；⑨独立研究中试验的各处理组氮磷钾养分投入量相同；⑩各独立研究同时包含CO2、CH4和N2O的组合数量≥ 2.
基于以上标准, 共筛选出129篇有效文献, 从中分别获得1 228组配对试验数据. 其中, 关于CO2排放, 对照组为不施肥、施用无机肥的有效数据分别为170和207组；关于N2O排放, 对照组为不施肥、施用无机肥的有效数据分别为201和255组；关于CH4排放, 对照组为不施肥、施用无机肥的有效数据分别为178和217组. 此外, 若文献中没有提供作物生育期年均气温或年降水量, 则通过气象数据网（https://en.climatedata.org/）获取.
1.2 数据分类温室气体排放效应受多种因素的影响, 本文通过亚组分析提取筛选后文献中与试验研究相关的信息, 利用所界定的种植系统、气候条件、土壤性质和肥料管理措施进行分组处理. 种植系统分为：旱地（小麦、玉米和蔬菜）、水稻和草地；气候条件包含：①年均气温[mean annual temperature, MAT（℃）]分别为：< 10、10~20和 > 20；②年降水量[mean annual precipitation, MAP（mm）]分别为：< 800、800~1 200和 > 1 200；土壤性质包含：①土壤pH（soil pH, SpH）值分别为：< 6、6~8和 > 8；②土壤质地（soil texture, ST）分别为：粉土、壤土、黏土和砂土；③土壤有机碳[soil organic carbon, SOC（g·kg-1）]含量分别为：< 10、10~40和 > 40；④土壤全氮[total N, TN（g·kg-1）]含量分别为：< 0.5、0.5~1.0和 > 1.0；肥料管理措施包含：①施肥年限[application time, AT（a）]分别为：< 5、5~10和 > 10；②施氮量[nitrogen application rate, NAR（kg·hm-2）]分别为：< 150、150~300和 > 300；③施肥措施（fertilization measures, FM）分为：氮肥+ 有机肥（nitrogen fertilizer + organic fertilizer, N+O）、氮磷钾+有机肥（nitrogen, phosphorus and potassium+organic fertilizer, NPK+O）、单施有机肥（organic fertilizer, O）、氮磷+有机肥（nitrogen and phosphorus+organic fertilizer, NP+O）和氮磷钾+有机肥+缓释肥（nitrogen, phosphorus and potassium+organic fertilizer+slow-release fertilizer, NPK+O+SR）；④有机肥类型（organic fertilizer types, OFT）分为：农家肥、农作物秸秆、商品有机肥和沼液.
1.3 数据处理与分析 1.3.1 归一化处理（1）温室气体排放量归一化处理所收集的文献中, 如果研究提供了CO2、CH4和N2O的季节性模拟累计排放量, 则数据可直接用于研究中的Meta分析. 若未提供, 则通过使用相对分子质量作为转换因子（CO2为44/12, CH4为16/12, N2O为44/28）, 将收集的研究中样本为CO2-C、CH4-C和N2O-N的排放量转换为CO2、CH4和N2O排放量. 同时, 考虑已有研究将CH4和N2O排放量表示为CO2当量（以CO2-eq计算, kg·hm-2）, 在本研究中, 该类数据分别除以提供的CH4和N2O的全球变暖潜势系数. 如果研究中没有指定全球变暖潜势系数, 则CH4的数据分别除以28, N2O的数据分别除以265[16].
（2）SOC归一化处理提取筛选后文献的数据时, 若文献提供的试验数据为土壤有机质含量（soil organic matter, SOM）, 则采用式（1）统一换算为土壤有机碳含量（SOC）[19].
|
(1) |
（3）标准误归一化处理CO2、CH4和N2O累积排放量的标准差是Meta分析方法的重要指标之一, 若文献中提供的数据为标准误（standard error, SE）, 则利用式（2）统一换算为标准差（standard deviation, SD）.
|
(2) |
式中, m为重复次数. 对于SD值缺失的CO2、CH4和N2O累计排放量数据, 本研究以55%、19%及26%乘以SD值缺失的CO2、CH4和N2O累计排放量平均值作为估算的SD值[20].
1.3.2 效应值计算利用各研究中有机肥施用组和未施用对照组平均累计温室气体排放量、其对应的标准差和重复次数, 采用生态学中常用的对数响应比lnR作为效应值[21], 若纳入的研究结果存在异质性, 即P < 0.1和I2 > 50%时, 选用随机效应模型, 反之选用固定效应模型[22]：
|
(3) |
式中, Xt为处理组试验观测的平均值；Xc为对照组试验观测的平均值. lnR的方差（v）为：
|
(4) |
式中, Sc和St分别为对照和有机肥处理的标准差；mc和mt分别为对照和有机肥处理的重复数量. 每个观测的效应量的加权因子（w）为其方差的倒数：
|
(5) |
通过添加不同研究数据对的权重来获得处理组的总体平均效应量lnR为：
|
(6) |
式中, Ri和wi分别为第i次观测的R和w的值.
为反映效应值的变异情况, 本研究利用加权平均效应值lnR的95%CI来表示：
|
(7) |
其中, 加权平均效应值lnR的标准差SlnR为：
|
(8) |
为更直观地反映施用有机肥对温室气体（CO2、CH4和N2O）排放的效应, 将效应量转化为增加率Z：
|
(9) |
对于样本量较少的数据, 采用MetaWin 2.1软件的自举法（Bootstrap）, 通过增加迭代次数至4 999提高精度. 本研究采取随机效应模型进行Meta分析时, 利用95%置信区间（95%CI）判断研究结果的显著性. 如果某一指标的平均效应值95%CI不与“0”重叠, 表示有机肥对该指标有显著影响, 即认为有机肥对该指标的影响具有统计学意义, 如果效应值小于0时表示有机肥对指标产生负效应, 相反则表示产生正效应；如果95%CI包含了“0”, 说明Meta分析结果不显著.
发表偏倚是小样本效应的一种常见现象, 为Meta分析中影响分析结果有效性的主要因素之一. 本研究采用漏斗图和Rosenthal's失安全系数（fail-safe number, Nfs）实现Meta分析偏倚性检验. 运用漏斗图对整个数据库中显著性分析结果的发表偏倚进行评估时, 若偏倚性检验值PB > 0.05, 说明漏斗图对称性良好, 不存在发表性偏倚, 否则表示存在发表性偏倚；利用Rosenthal's失安全系数对整个数据库的发表偏倚进行检验时, 若Nfs > 5n + 10（n为样本量）, 则表示Meta分析结果具有可信性[23].
1.3.3 结构方程模型（SEM）SEM估计方法中以极大似然法为主, 通常必须有理论或经验法则支持, 在理论引导下构建假设模型图. 卡方自由度比（CMIN/DF）、适配度指数（GFI）、比较拟合指数（CFI）、赋范拟合指数（NFI）和渐进残差均方和平方根（RMSEA）用于评估模型的拟合程度. RMSEA值愈小愈优, RMSEA数值高于0.1表示模型的适配度欠佳, RMSEA数值小于0.05表示模型的适配度非常好. 良好的配合也表示为CMIN/DF值小于3, 其他指数的值接近1[24, 25].
1.4 数据处理本研究利用Microsoft Excel 2016软件建立数据库, GetData Graph Digitizer 2.26软件提取检索文献中以图片形式展示的部分数据, MetaWin 2.1软件实现Meta分析, Sigma Plot 14.0绘制图表和数值化, IBM SPSS Amos 28 Graphics软件进行结构方程模型分析.
2 结果与分析 2.1 温室气体排放的综合效应和发表偏倚性检验有机肥对温室气体排放量影响的异质性和偏倚性进行分析（表 1）, 结果表明, 异质性分析达到显著水平（P < 0.05和I2 > 75%）, 因此本文采用随机效应模型, 进一步说明需要引入解释变量. 发表偏倚性检验表明, 偏倚性检验值PB > 0.05, 则漏斗图对称性良好, 不存在发表性偏倚；失安全系数法（Nfs > 5n + 10）, 不存在文献偏倚, 即Meta分析结果具有可信性.
|
表 1 有机肥对温室气体排放量影响的异质性分析及文献偏倚检1） Table 1 Heterogeneity analysis of the effect of organic fertilizer on greenhouse gas emissions and literature bias test |
总体上看, 相比不施肥和施用无机肥, 有机肥施用下温室气体（CO2、CH4）排放量综合效应值的95%CI与“0”不重叠, N2O排放量在施用有机肥与不施肥相比下, 综合效应值的95%CI与“0”不重叠, 说明综合效应值均显著, 而N2O排放量在施用有机肥与无机肥相比下, 综合效应值的95%CI与“0”相重叠, 说明综合效应值不显著. 与不施肥和施用无机肥相比, 施用有机肥对农业土壤CO2排放量有非常显著提升效果（P < 0.01）, CO2平均增长率分别为70.73%（lnR：0.53, 95%CI：0.45~0.62）和19.24%（lnR：0.18, 95%CI：0.13~0.22）；施用有机肥相比不施肥能极显著提高农业土壤N2O排放量（P < 0.0001）, N2O平均增长率为208.14%（lnR：1.13, 95%CI：1.04~1.21）, 施用有机肥相比无机肥能极显著降低农业土壤N2O排放量（P < 0.0001）, N2O平均增长率为-3.66%（lnR：-0.04, 95%CI：-0.11~0.04）；与不施肥和施用无机肥相比, 施用有机肥对农业土壤CH4排放量有显著提升效果（P < 0.05）, CH4平均增长率分别为52.58%（lnR：0.42, 95%CI：0.26~0.59）和27.72%（lnR：0.24, 95%CI：0.15~0.34）.
2.2 种植系统对温室气体排放量效应分析不同种植系统对有机肥施用下温室气体排放量效应影响显著. 以不施肥（no fertilizer, NF）为对照的处理中[图 1（a）、1（c）和1（e）], 旱地系统对CO2和N2O排放量效应均影响最大, 平均增长率分别达72.56%（lnR：0.55, 95%CI：0.44~0.65）和261.47%（lnR：1.29, 95%CI：1.17~1.40）, 水稻系统的CO2平均增长率达71.05%（lnR：0.54, 95%CI：0.32~0.76）, 草地系统的CO2增长效果不显著, 而N2O排放量效应在水稻和草地系统中均表现显著, 平均增长率分别为74.51%（lnR：0.56, 95%CI：0.34~0.78）和147.32%（lnR：0.91, 95%CI：0.38~1.43）. 以无机肥（inorganic fertilizer, IF）为对照的处理中[图 1（b）、1（d）和1（f）], 旱地系统对CO2排放量效应影响最大, 平均增长率达19.04%（lnR：0.17, 95%CI：0.09~0.26）, 其次是水稻系统的CO2平均增长率11.15%（lnR：0.11, 95%CI：0.01~0.20）, CO2增长效果在草地系统的波动幅度较大；水稻系统对CH4排放量效应影响最显著, 平均增长率达43.78%（lnR：0.36, 95%CI：0.24~0.49）, 而旱地和草地系统的CH4增长效果不显著；此外, 旱地、水稻和草地系统的N2O平均增长率分别为-0.56%（lnR：-0.01, 95%CI：-0.10~0.09）、-12.59%（lnR：-0.13, 95%CI：-0.30~0.03）和-5.27%（lnR：-0.05, 95%CI：-0.51~0.40）, 95%CI与“0”相重叠, 呈现出不显著的增长效应.
|
（a）CO2-有机肥vs. CO2-不施肥, （b）CO2-有机肥vs. CO2-无机肥, （c）N2O-有机肥vs. N2O-不施肥, （d）N2O-有机肥vs. N2O-无机肥, （e）CH4-有机肥vs. CH4-不施肥, （f）CH4-有机肥vs. CH4-无机肥；虚线表示效应值lnR = 0；误差线上方数字表示样本数, 下同 图 1 不同种植系统下有机肥施用对温室气体排放量的影响 Fig. 1 Effect of organic fertilizer application on greenhouse gas emissions under different cropping systems |
施用有机肥在不同土壤性质之间的温室气体排放效应存在显著差异（P < 0.05）. 从土壤质地来看, 以NF为对照的处理中[图 2（a）、2（c）和2（e）], CO2和N2O排放量效应受砂土、黏土、壤土和粉土影响的95%CI均与“0”不相重叠, 呈现出显著的增长效应, 其中粉土的CO2平均增长率最高, 可达168.32%（lnR：0.99, 95%CI：0.83~1.15）, 壤土次之, 黏土和砂土对CO2排放量效应影响相近, 平均增长率分别为42.89%（lnR：0.36, 95%CI：0.21~0.51）和37.05%（lnR：0.32, 95%CI：0.12~0.51）；砂土的N2O平均增长率最高, 可达337.63%（lnR：1.48, 95%CI：1.27~1.68）, 粉土次之, 壤土和黏土对N2O排放量效应影响相差不大, 平均增长率分别为159.79%（lnR：0.95, 95%CI：0.81~1.10）和183.83%（lnR：1.04, 95%CI：0.82~1.27）；粉土对CH4排放量效应影响最大, 平均增长率达106.49%（lnR：0.73, 95%CI：0.27~1.18）, 壤土和黏土的CH4平均增长率分别为30.37%（lnR：0.27, 95%CI：0.04~0.49）和59.20%（lnR：0.47, 95%CI：0.22~0.71）, 而砂土的CH4平均增长率为86.94%（lnR：0.63, 95%CI：-0.03~1.28）, 95%CI与“0”相重叠, 呈现出不显著的增长效应. 以IF为对照的处理中[图 2（b）、2（d）和2（f）], 有机肥施入粉土中CO2平均增长率为63.90%（lnR：0.49, 95%CI：0.38~0.61）, 其比砂土和壤土的CO2平均增长率分别高47.08%和50.55%, 而施入黏土后, CO2增长效果不显著；有机肥施入粉土中, N2O平均增长率为59.33%（lnR：0.47, 95%CI：0.24~0.69）, 壤土和黏土对N2O排放量产生负效应, 平均增长率分别为-16.17%（lnR：-0.18, 95%CI：-0.28~-0.07）和-19.45%（lnR：-0.22, 95%CI：-0.36~-0.07）, 而施入砂土后, N2O增长效果不显著；有机肥施入砂土中CH4平均增长率最高, 可达54.64%（lnR：0.44, 95%CI：0.11~0.76）, 其比壤土和黏土的CH4平均增长率分别高30.14%和26.44%, 而施入粉土后, CH4增长效果并不显著.
|
图 2 不同土壤质地下有机肥施用对温室气体排放量的影响 Fig. 2 Effects of organic fertilizer application on greenhouse gas emissions under different soil textures |
不同肥料管理措施对有机肥施用下温室气体排放量有显著影响. CO2排放量效应在以NF和IF为对照的处理中影响效果趋于一致[图 3（a）和3（b）], 从有机肥类型来看, 秸秆施入下CO2平均增长率最高, 可分别达128.33%（lnR：0.83, 95%CI：0.52~1.13）和72.48%（lnR：0.55, 95%CI：0.36~0.73）, 农家肥次之, 施入商品有机肥, CO2平均增长率分别为53.20%（lnR：0.43, 95%CI：0.29~0.57）和7.94%（lnR：0.08, 95%CI：0.01~0.15）, 而沼液施入下CO2排放量呈现出不显著的增长效应；从施肥措施来看, CO2平均增长率在N + O、O和NPK + O处理下逐渐降低, 分别为162.58%（lnR：0.97, 95%CI：0.76~1.17）、92.38%（lnR：0.65, 95%CI：0.47~0.84）、48.62%（InR：0.40, 95%CI：0.27~0.52）和49.98%（lnR：0.41, 95%CI：0.28~0.53）、32.90%（lnR：0.28, 95%CI：0.19~0.38）及10.09%（lnR：0.10, 95%CI：0.02~0.17）, NP + O处理下, 以NF为对照的处理中对CO2排放量产生正效应, 而以IF为对照的处理中CO2增长效果并不显著, 同时NPK + O + SR处理下CO2排放量表现出不显著的增长效应.
|
图 3 不同肥料管理措施下有机肥施用对温室气体排放量的影响 Fig. 3 Effects of organic fertilizer application on greenhouse gas emissions under different fertilizer management practices |
在以NF为对照的处理中[图 3（c）], 从有机肥类型来看, 秸秆施入下N2O平均增长率最高, 可达287.33%（lnR：1.35, 95%CI：0.83~1.88）, 依次大小顺序为施入商品有机肥 > 农家肥 > 沼液, N2O平均增长率分别为209.07%（lnR：1.13, 95%CI：0.94~1.31）、205.51%（lnR：1.12, 95%CI：0.98~1.25）和91.55%（lnR：0.65, 95%CI：0.29~1.01）；从施肥措施来看, 除NPK + O + SR处理下N2O排放量增长效果并不显著外, 其余处理的N2O排放量效应均呈现出显著的增长效应, NPK + O处理下N2O平均增长率最高, 可达237.13%（lnR：1.22, 95%CI：1.10~1.33）, 依次大小顺序为NP + O > N + O > O处理, N2O平均增长率分别为230.19%（lnR：1.19, 95%CI：0.96~1.43）、184.20%（lnR：1.04, 95%CI：0.77~1.32）和132.91%（lnR：0.85, 95%CI：0.66~1.03）, 而NPK + O + SR处理, N2O排放量增长效果并不显著. 以IF为对照的处理中[图 3（d）], 从有机肥类型来看, 秸秆施入对N2O排放量产生正效应, 平均增长率为81.41%（lnR：0.60, 95%CI：0.31~0.88）, 而商品有机肥施入对N2O排放量产生负效应, 平均增长率为-22.46%（lnR：-0.25, 95%CI：-0.37~-0.14）, 同时农家肥和沼液施入下N2O排放量增长效果并不显著；从施肥措施来看, 仅N + O处理下N2O排放量产生正效应, 平均增长率为42.52%（lnR：0.35, 95%CI：0.13~0.58）, 而O和NP + O处理对N2O排放量产生负效应, 平均增长率分别为-18.49%（lnR：-0.20, 95%CI：-0.36~-0.05）和-20.20%（lnR：-0.23, 95%CI：-0.41~-0.04）, 另外, NPK + O + SR和NPK + O处理下N2O平均增长率分别为-4.52%（lnR：-0.05, 95%CI：-0.36~0.27）和0.63%（lnR：0.01, 95%CI：-0.03~0.04）, 95%CI与“0”相重叠, 呈现出不显著的增长效应.
CH4排放量效应在以NF和IF为对照的处理中[图 3（e）和3（f）], 从有机肥类型来看, 农家肥施入对CH4排放量影响效果趋于一致, 且施入农家肥使CH4平均增长率达到最高, 分别为117.10%（lnR：0.78, 95%CI：0.53~1.02）和38.92%（lnR：0.33, 95%CI：0.14~0.52）, 秸秆施入下CH4平均增长率次之, 分别为56.10%（lnR：0.45, 95%CI：0.03~0.86）和23.18%（lnR：0.21, 95%CI：-0.02~0.44）, 但以IF为对照的处理95%CI与“0”相重叠, 则呈现出不显著的增长效应, 同时沼液施入下CH4增长效果不显著, 商品有机肥施入对IF为对照的处理中CH4排放量产生正效应, 平均增长率为17.92%（lnR：0.16, 95%CI：0.03~0.30）, 而以NF为对照的处理中CH4增长效果并不显著；从施肥措施来看, CH4排放量效应在以NF为对照的处理中[图 3（e）], N + O、NPK + O和O处理下CH4增长效果显著, 平均增长率分别为88.70%（InR：0.64, 95%CI：0.27~1.00）、51.30%（lnR：0.41, 95%CI：0.16~0.67）和45.92%（lnR：0.38, 95%CI：0.06~0.70）, 而NPK + O + SR和NP + O处理下CH4增长效果不显著, O处理对IF为对照的处理中CH4排放量平均增长率最高[图 3（f）], 可达64.07%（lnR：0.50, 95%CI：0.34~0.65）, NPK + O处理次之, 同时N + O、NPK + O + SR和NP + O处理下CH4排放量平均增长率分别为14.43%（lnR：0.13, 95%CI：-0.04~0.31）、-8.83%（lnR：-0.09, 95%CI：-0.57~0.38）和-13.58%（lnR：-0.15, 95%CI：-0.40~0.10）, 95%CI与“0”相重叠, 呈现出不显著的增长效应.
2.5 农业土壤温室气体排放量的SEM基于筛选后有效文献中关于数据分类标准汇总分析数据, 构建SEM表征气候条件、土壤性质、肥料管理措施和温室气体排放量变化率之间的关系（图 4）.
|
箭头宽度与有效标准化路径系数的强度成正比；黑色实线箭头表示正路径, 红色实线箭头表示负路径；虚线表示相关关系不显著；箭头上的数字表示标准化路径系数；*和**分别表示通过P < 0.05和P < 0.01水平的显著性检验 图 4 有机肥对温室气体排放量影响的结构方程模型 Fig. 4 Structural equation model of the effect of organic fertilizers on greenhouse gas emissions |
在以CO2-NF为对照的处理中[图 4（a）], MAT直接影响CO2排放量变化率, 直接效果为0.40, 并通过影响SOC、SpH和AT间接降低CO2排放量, 其间接效果为-0.06, 则MAT对CO2排放量的总影响为0.34, 说明MAT解释了34%的CO2排放量变化；MAP对CO2排放量有显著直接影响, 且为负影响（β为-0.14, P < 0.05）, 并通过NAR和SOC间接增加CO2排放量, 其间接效果仅为0.005, 故MAP对CO2排放量的总影响为-0.14, 说明MAP解释了14%的CO2排放量变化；因而, MAT是CO2排放量的最重要环境决定因子. NAR、SOC、SpH、AT和TN与CO2排放量之间具有显著的通径关系, 其β值分别为0.08、0.23、0.29、0.12和0.75, 且NAR对SOC有显著的负影响（β为-0.10）. 表明除MAT对CO2排放量明显限制外, 土壤性质（SOC、SpH和TN）和肥料管理措施（NAR和AT）与CO2排放量呈正相关关系.
在以CO2-IF为对照的处理中[图 4（b）], MAT直接影响CO2排放量变化率, 直接效果为0.42, 并通过影响SOC和SpH间接降低CO2排放量, 其间接效果为-0.14, 则MAT对CO2排放量的总影响为0.28, 说明MAT解释了28%的CO2排放量变化；MAP对CO2排放量有显著直接影响, 且为负影响（β为-0.16, P < 0.05）, 并通过NAR和SOC间接增加CO2排放量, 其间接效果仅为0.01, 故MAP对CO2排放量的总影响为-0.15, 说明MAP解释了15%的CO2排放量变化；因而, MAT对CO2排放量的影响更大, 这与以CO2-NF为对照的处理对CO2排放量的影响基本一致. NAR、SOC、SpH、AT和TN与CO2排放量之间具有显著的通径关系, 其β值分别为0.33、0.43、0.21、0.02和-0.68, 同时NAR对SOC有显著的负影响（β为-0.26）、对TN存在显著正效应（β为0.14）, 表明不同处理条件下气候条件、土壤性质和肥料管理措施对CO2排放量变化率的影响存在差异.
2.5.2 N2O排放量的SEM在以N2O-NF为对照的处理中[图 4（c）], MAT对N2O排放量有显著负影响（β为-0.35）, 并通过影响SOC、SpH和TN间接影响N2O排放量, 其间接效果为-0.28, 则MAT对N2O排放量的总影响为-0.63, 说明MAT解释了63%的N2O排放量变化；MAP直接影响N2O排放量变化率, 直接效果为0.31, 并通过SOC间接增加N2O排放量, 其间接效果为0.08, 故MAP对N2O排放量的总影响为0.39, 说明MAP解释了39%的N2O排放量变化；MAT是影响N2O排放量变化率的主要环境决定因子. NAR、SOC、SpH、AT和TN与N2O排放量之间具有显著的通径关系, 其β值分别为0.49、0.72、0.27、0.06和-0.80, 同时NAR对SOC有显著的正效应（β为0.28）、对TN有显著的负影响（β为-0.01）. 因此, 气候条件、土壤性质和肥料管理措施作为主导因素, 对N2O排放量产生很大影响.
在以N2O-IF为对照的处理中[图 4（d）], MAT对N2O排放量有显著负影响（β为-0.29）, 并通过影响SpH和AT间接影响N2O排放量, 其间接效果为-0.11, 则MAT对N2O排放量的总影响为-0.40, 说明MAT解释了40%的N2O排放量变化；MAP直接影响N2O排放量变化率, 直接效果为0.36, 并通过SOC间接增加N2O排放量, 其间接效果为0.03, 故MAP对N2O排放量的总影响为0.39, 说明MAP解释了39%的N2O排放量变化；即MAT和MAP对N2O排放量的影响效果基本相近. NAR、SOC、SpH和AT与N2O排放量之间具有显著的通径关系, 其β值分别为0.78、0.46、0.32和0.09, 同时NAR对SOC有显著的正效应（β为0.35）, 相反, MAT和MAP与NAR、MAT与SOC及TN与N2O排放量之间无显著通径关系.
2.5.3 CH4排放量的SEM旱地和草地系统在以CH4-NF为对照的处理中[图 4（e）], MAT和MAP对CH4排放量的直接影响一致, 均具有显著的正效应（β为0.34和0.50）, MAT并通过影响SOC间接增加CH4排放量, 其间接效果为0.13, MAT对CH4排放量的总影响为0.47, 说明MAT解释了47%的CH4排放量变化；MAP仅直接影响CH4排放量变化率, 则对CH4排放量的总影响为0.50, 说明MAP解释了50%的CH4排放量变化；因而, MAP是CH4排放量的最重要环境决定因子. NAR、SOC、AT和TN与CH4排放量之间具有显著的通径关系, 其β值分别为-0.36、-0.47、0.12和-0.29, 同时NAR对SOC和TN有显著的正效应（β为0.15和0.04）. 说明MAP极大限制了CH4排放量, SpH的增加对土壤呼吸强度的影响较小, 而SOC和TN的增加将降低CH4排放量、AT的增加将增加CH4排放量.
旱地和草地系统在以CH4-IF为对照的处理中[图 4（f）], MAT和MAP对CH4排放量的直接影响一致, 均具有显著的正效应（β为0.32和0.53）, MAT并通过影响SOC和NAR间接影响CH4排放量, 其间接效果为0.03, 故MAT对CH4排放量的总影响为0.35, 表明MAT解释了35%的CH4排放量变化；MAP直接影响CH4排放量变化率, 并通过NAR间接降低CH4排放量, 其间接效果为0.12, 即MAP对CH4排放量的总影响为0.41, 说明MAP解释了41%的CH4排放量变化；因而, MAP对CH4排放量的影响更大, 这与旱地和草地系统以CH4-NF为对照的处理对CH4排放量的影响基本一致. NAR、SOC、SpH和TN与CH4排放量之间具有显著的通径关系, 其β值分别为-0.51、-0.53、0.45和0.39, 而NAR与SOC和TN、MAT与SpH和TN及AT与CH4排放量之间不存在显著通径关系. 因此, 不同处理条件下气候条件、土壤性质和肥料管理措施对CH4排放量的影响有差别.
水稻系统在以CH4-NF为对照的处理中[图 4（g）], MAT和MAP对CH4排放量均具有显著的正效应（β为0.39和0.27）, MAT并通过影响SOC和SpH间接增加CH4排放量, 其间接效果为0.04, MAT对CH4排放量的总影响为0.43, 说明MAT解释了43%的CH4排放量变化；MAP仅直接影响CH4排放量变化率, 则对CH4排放量的总影响为0.27, 说明MAP解释了27%的CH4排放量变化；因而, MAT是CH4排放量的最重要环境决定因子. NAR、SOC和TN与CH4排放量之间具有显著的通径关系, 其β值分别为-0.40、-0.24和-0.26, 同时NAR对SOC和TN有显著的正效应（β为0.15和0.04）. 说明水稻系统中MAT对CH4排放量影响较大.
水稻系统在以CH4-IF为对照的处理中[图 4（h）], MAT和MAP对CH4排放量均具有显著的正效应（β为0.47和0.35）, MAT并通过影响NAR间接影响CH4排放量, 其间接效果为-0.10, 故MAT对CH4排放量的总影响为0.37, 表明MAT解释了37%的CH4排放量变化；MAP仅直接影响CH4排放量变化率, 则对CH4排放量的总影响为0.35, 说明MAP解释了35%的CH4排放量变化；因而, MAT对CH4排放量的影响更大, 这与水稻系统以CH4-NF为对照的处理对CH4排放量的影响基本一致. NAR、SpH和TN与CH4排放量之间具有显著的通径关系, 其β值分别为-0.49、0.42和0.38, 而NAR与SOC和TN、MAT与SpH和TN、MAP与SOC及AT与CH4排放量之间无显著通径关系.
3 讨论 3.1 种植系统对温室气体排放量增长效应的影响种植系统因素对温室气体排放量效应影响显著（P < 0.05）. 本研究表明, 温室气体排放量受种植系统各因素影响程度存在差异（图 1）. 总体来看, 草地系统影响下温室气体呈现出不显著的增长效应, 而旱地系统对CO2排放量效应影响最大, 这与Lu等[26]研究的结论基本一致, 这主要是因为旱地系统因土壤含水量在不同时空条件下差异较大, 且土壤透气性与CO2排放密切相关, 增加土壤的湿度会导致土壤透气性减弱, 从而对土壤中的CO2排放产生显著的抑制或促进作用[27]；有研究表明, 旱地是N2O排放的主要来源, 占据全球排放的25%左右[28], 这与本研究的结果一致, 可能是由于在土壤pH < 4.8时, 旱地土壤中主要由反硝化作用引起N2O的排放[29], 同时产CH4菌的产生和CH4氧化菌的消耗之间的相互作用决定土壤中CH4的平衡, 在旱地土壤中, CH4氧化菌具有较高活性, 导致CH4通量通常为负值, 这表明旱地土壤主要通过吸收CH4来维持平衡, 致使旱地系统CH4排放量相对较低[30]；水稻系统对CH4排放量效应影响最为明显, 这与Liu等[31]研究结果相同, 分析其原因是产CH4菌的生长和排放要求严格厌氧环境, 水田在水稻生育前期处于淹水状态, 为产CH4菌的生存营造出适宜的厌氧环境, 致使CH4排放量剧增, 同时, 淹水状态所形成的强还原条件促使反硝化反应更为充分进行, 因此中间产物N2O的排放量相对较少[32].
3.2 土壤性质对温室气体排放量增长效应的影响土壤质地因其通透性、气体扩散性质以及持水能力的差异而对温室气体排放产生不同的影响（图 2）. 土壤参数（容重和黏粒含量）直接反映土壤质地, 并影响土壤中O2的进入量及温室气体经土壤孔隙传输速率[33]. 本研究表明, 粉土的CO2平均增长率最高, 这与Fang等[34]的研究结论基本一致, 可能原因是粉壤土相对于壤砂土具有较高水溶性有机碳（WSOC）含量, 能够为微生物补充足量的养分和碳源, 作为呼吸的底物和基质, 有效提升微生物的繁殖速率, 进一步促进微生物呼吸释放CO2[35]；Gu等[36]研究发现土壤质地是施肥期间瓦片排水冬麦田N2O排放的主要控制因素, 与本研究结果相似, 可能是由于土壤反硝化的过程中, 高水平的氮氧化物（NOx）和较多的SOC会导致N2O排放量增加[37], 同时砂质土壤气体扩散较快, 对SOM有保护作用及氧化还原电位（Eh）缓冲作用较有限, 从而提高N2O的排放量；有研究表明在一定条件下, CH4产生和排放量与SOM呈正相关关系[38], 且与粉土、壤土和黏土相比, 砂质土壤含有更多的SOM, 进而佐证本研究发现有机肥施入砂土时CH4平均增长率最高的分析结果.
3.3 肥料管理措施对温室气体排放量增长效应的影响不同肥料管理措施对作物产量及土壤温室气体排放量的影响存在差异[39], 本研究中肥料管理措施包含施肥措施和有机肥类型（图 3）. 从有机肥类型来看, 秸秆施入下, CO2平均增长率最高, 这与前人研究的结论基本一致[40], 其原因可能是秸秆还田增加了土壤活性碳和氮的含量, 激发了微生物的活性, 导致CO2排放量增加[41]；有研究表明, 农作物秸秆施用与减少肥料氮量相结合, 能够提高农作物产量和土壤固碳, 但同时可能促进土壤N2O排放[42], 这与本研究的结果相同, 主要因为化肥配施秸秆对土壤反硝化速率有显著提升作用[43], 且秸秆添加量与反硝化速率呈正相关关系, 从而大量秸秆替代下N2O排放量剧增；本研究表明, CH4排放量在农家肥施入下, 表现出最高的平均增长率, 初步分析是由于有机肥（农家肥）中易被微生物分解的碳和腐殖酸有助于刺激土壤微生物活性, 促进产CH4菌的活性, 从而增加了土壤中CH4的排放量, 减少了CH4的吸收速率[44].
从施肥措施来看, CO2平均增长率在N + O处理下为最高, 这与前人研究的结果相似[40], 可能原因是长期施用有机肥（N + O）会提高SOC, 对土壤中的酶活性和有机质分解起到促进作用, 导致了CO2排放量的增加[45]；本研究还发现NPK + O处理在以NF为对照的处理中N2O排放量达最高、以IF为对照的处理中, N + O处理下N2O平均增长率最高, 一方面可能缘于化肥的施用（N和NPK）与N2O的排放呈正相关关系[46], 另一方面有机肥的添加促进了反硝化过程[47], 且反硝化作用是产生N2O的主要途径, 进而增加了土壤中N2O的排放量；CH4排放量效应在以NF和IF为对照的处理中, 达最高平均增长率的处理分别为N + O和O, 这可能是由于N对CH4的影响表现为NH4+-N或NH4+能抑制CH4的氧化, 因此会增加CH4的排放, 有机肥（N + O和N）的施用会为土壤创造更多的CH4前体, 进一步促进CH4的排放[48].
3.4 农业土壤温室气体排放量增长效应的响应机制MAT和MAP对气候变化和生态系统起着重要的调节作用, 进一步对碳氮循环产生显著影响, 特别是其将对农业系统的温室气体排放产生重要影响[49]. 土壤CO2排放主要与土壤呼吸有关, 非生长季土壤微生物呼吸是CO2产生的主要来源[25]. 本研究结果表明, MAT是CO2排放量的最重要环境决定因子[图 4（a）和4（b）], 因在共生阶段, 生存环境气温较高, 土壤温度也相应升高[50], 这与Bezyk等[51]的研究结论具有一致性, 可能的原因为, 温度是影响土壤呼吸过程的重要因素, 在一定范围内升高温度会增加土壤中微生物的活性, 从而促进有机碳的分解, 导致CO2排放量的增加[11].
土壤N2O主要通过土壤微生物的硝化和反硝化作用形成[52]. Ottaiano等[53]研究发现, 土壤温度和土壤湿度是影响N2O排放的主要驱动因素, 土壤性质会影响根区的微气候条件, 进而调控N2O的生成, 因此对N2O排放产生影响, 与本研究的结果一致[图 4（c）和4（d）], 这可归因于升温导致微生物活性减弱, 致使N2O排放减少[54], 从而证实土壤N2O排放量与MAT存在负相关关系, 从另一个角度来看, 降雨与N2O释放峰间存在明显的驱动-响应关系, N2O释放通量与降雨量以及土壤湿度之间呈正相关[55], 在大规模降雨之后, 由于大量的雨水排出土壤中的气体, 使得土壤更容易形成厌氧环境, 从而加速了反硝化过程, 导致N2O排放量增加[56].
大气中CH4主要来自土壤微生物活动, 是严格厌氧条件下有机质氧化过程中产甲烷菌产生的[57], 土壤中氧扩散以及微生物活性受土壤水分、温度和有机、无机肥的影响间接控制CH4的产生和排放[58]. 土壤中CH4的产生随土壤含水量的升高逐渐增加, 较高的土壤含水率对CH4的排放有促进作用[59], 本研究中旱地和草地及水稻系统中CH4排放量的主要环境决定因子分别为MAP及MAT[图 4（e）~4（h）], 恰好能佐证此论点, 一方面源于土壤水分含量受大气降水、地下水和灌溉等因素的影响, 通过调控土壤内的氧气含量和氧化还原电位（Eh）, 进而影响温室气体的排放. 当水分含量达到一定程度时, 会在土壤中形成厌氧环境, 降低土壤的Eh值. 产生CH4需要产CH4菌在这种厌氧环境中活动, 而好氧环境则会促进CH4的氧化过程[60], 另一方面土壤水分通过限制CH4在水土界面的扩散, 增加有效水溶性碳基质等方式来影响CH4的排放[61]. 此外, 本研究表明CH4排放与SOC存在负相关关系, 这与Lee等[62]的研究结论CH4“汇”随着SOC含量的增加而增强相悖, 分析原因可能是研究对象不同, 即森林土壤与本研究种植系统土壤的生物多样性、根系关系和养分循环均存在差异, 从另一角度来看, SOC浓度通过产甲烷均匀度（优势）和有效磷（AP）的互补性间接影响CH4生产潜力, 当SOC处于低水平时, 增加SOC积累会改善AP释放并刺激CH4的产生, 而当SOC处于高水平时会降低均匀度并抑制CH4的产生[63].
4 结论（1）与不施肥和施用无机肥相比, 有机肥替代施用分别增加了70.73%和19.24%的CO2排放、52.58%和27.72%的CH4排放及208.14%和-3.66%的N2O排放.
（2）不同种植系统中, 有机肥施用后CO2和N2O排放量效应均受旱地系统影响最明显, 而水稻系统对CH4排放量效应影响最大；从土壤质地来看, 施用有机肥会使粉土的CO2平均增长率最高, 砂土的N2O平均增长率最高, 且粉土和砂土对CH4排放量效应影响较大. 从全球气候的角度考虑, 建议粉土及砂土质地的农业土壤中少施有机肥.
（3）从有机肥类型来看, 秸秆替代的CO2和N2O平均增长率最高, 农家肥替代对土壤CH4排放量有明显促进作用；从施肥措施来看, CO2平均增长率在N + O、O和NPK + O处理下呈降低趋势, O和NP + O处理对N2O排放量会产生负效应, 而O处理下CH4排放量平均增长率较高. 从生态环境的角度出发, 不建议将大量秸秆单独施入, 建议在全球农业土壤采用无机肥+ 有机肥配施技术.
（4）MAT是CO2和N2O排放量的最重要环境决定因子, 其中土壤CO2排放量与MAT呈显著正相关（P < 0.01）, 土壤N2O排放量与MAT存在负相关关系；旱地和草地及水稻系统中CH4排放量的主要环境决定因素分别为年降水量（MAP）及年均气温（MAT）.
| [1] |
魏一鸣, 余碧莹, 唐葆君, 等. 中国碳达峰碳中和路径优化方法[J]. 北京理工大学学报(社会科学版), 2022, 24(4): 3-12. Wei Y M, Yu B Y, Tang B J, et al. Optimization method for China's carbon peak and carbon neutrality roadmap[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2022, 24(4): 3-12. |
| [2] | Galloway J N, Townsend A R, Erisman J W, et al. Transformation of the nitrogen cycle: recent trends, questions, and potential solutions[J]. Science, 2008, 320(5878): 889-892. DOI:10.1126/science.1136674 |
| [3] | Gu B J, Ju X T, Chang J, et al. Integrated reactive nitrogen budgets and future trends in China[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(28): 8792-8797. |
| [4] | Shcherbak I, Millar N, Robertson G P. Global metaanalysis of the nonlinear response of soil nitrous oxide (N2O) emissions to fertilizer nitrogen[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(25): 9199-9204. |
| [5] |
农业农村部. 农业农村部关于印发《到2025年化肥减量化行动方案》和《到2025年化学农药减量化行动方案》的通知[J]. 中华人民共和国农业农村部公报, 2022(12): 11-19. Ministry of Agriculture and Rural Affairs. Circular of the ministry of agriculture and rural affairs on printing and distributing the action plan for chemical fertilizer use reduction by 2025 and the action plan for chemical pesticides use reduction by 2025[J]. Gazette of the Ministry of Agriculture and Rural Affairs of the People's Republic of China, 2022(12): 11-19. |
| [6] |
李华, 李秀英, 王磊, 等. "双碳"目标下肥料行业发展对策-基于2011-2020年碳减排与存在问题的分析[J]. 中国生态农业学报(中英文), 2023, 31(2): 206-213. Li H, Li X Y, Wang L, et al. Development measures of the fertilizer industry under the carbon peaking and carbon neutrality goals: analysis of carbon emission reduction and existing problems from 2011 to 2020[J]. Chinese Journal of Eco-Agriculture, 2023, 31(2): 206-213. |
| [7] |
王晨. 废农用塑料与硝酸共热解氧化制肥料的研究[D]. 北京: 北京化工大学, 2022. Wang C. Study on co-pyrolysis and oxidation of waste agracultural plastic and nitric acid to produce fertilizer[D]. Beijing: Beijing University of Chemical Technology, 2022. |
| [8] | Chen C, Zhang J N, Lu M, et al. Microbial communities of an arable soil treated for 8 years with organic and inorganic fertilizers[J]. Biology and Fertility of Soils, 2016, 52(4): 455-467. DOI:10.1007/s00374-016-1089-5 |
| [9] | Brar B S, Singh K, Dheri G S, et al. Carbon sequestration and soil carbon pools in a rice-wheat cropping system: effect of long-term use of inorganic fertilizers and organic manure[J]. Soil and Tillage Research, 2013, 128: 30-36. DOI:10.1016/j.still.2012.10.001 |
| [10] |
黄容, 高明, 黎嘉成, 等. 秸秆与化肥减量配施对菜地土壤温室气体排放的影响[J]. 环境科学, 2018, 39(10): 4694-4704. Huang R, Gao M, Li J C, et al. Effect of straw residues in combination with reduced fertilization rate on greenhouse gas emissions from a vegetable field[J]. Environmental Science, 2018, 39(10): 4694-4704. |
| [11] |
王晓娇, 张仁陟, 齐鹏, 等. Meta分析有机肥施用对中国北方农田土壤CO2排放的影响[J]. 农业工程学报, 2019, 35(10): 99-107. Wang X J, Zhang R Z, Qi P, et al. Meta-analysis on farmland soil CO2 emission in northern China affected by organic fertilizer[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(10): 99-107. DOI:10.11975/j.issn.1002-6819.2019.10.013 |
| [12] |
卜容燕, 李敏, 韩上, 等. 有机无机肥配施对双季稻轮作系统产量、温室气体排放和土壤养分的综合效应[J]. 应用生态学报, 2021, 32(1): 145-153. Bu R Y, Li M, Han S, et al. Comprehensive effects of combined application of organic and inorganic fertilizer on yield, greenhouse gas emissions, and soil nutrient in double-cropping rice systems[J]. Chinese Journal of Applied Ecology, 2021, 32(1): 145-153. |
| [13] |
王文赞, 韩建, 倪玉雪, 等. 有机肥替代化肥氮对苹果产量、品质及温室气体排放的影响[J]. 植物营养与肥料学报, 2023, 29(3): 437-448. Wang W Z, Han J, Ni Y X, et al. Effects of substituting chemical nitrogen fertilizer with organic fertilizer on apple yield, quality, and greenhouse gas emissions[J]. Journal of Plant Nutrition and Fertilizers, 2023, 29(3): 437-448. |
| [14] | Borenstein M, Hedges L V, Higgins J P T, et al. Introduction to meta-analysis[M]. Chichester: John Wiley & Sons, 2009. |
| [15] | Challinor A J, Watson J, Lobell D B, et al. A meta-analysis of crop yield under climate change and adaptation[J]. Nature Climate Change, 2014, 4(4): 287-291. |
| [16] | Fan X R, Chen X P, Chen T, et al. Effects of substituting synthetic nitrogen with organic amendments on crop yield, net greenhouse gas emissions and carbon footprint: a global meta-analysis[J]. Field Crops Research, 2023, 301. DOI:10.1016/j.fcr.2023.109035 |
| [17] | Li Z X, Zhang Q Y, Li Z, et al. Responses of soil greenhouse gas emissions to no-tillage: a global meta-analysis[J]. Sustainable Production and Consumption, 2023, 36: 479-492. |
| [18] | Jin Z W, Ping L F, Wong M. Systematic relationship between soil properties and organic carbon mineralization based on structural equation modeling analysis[J]. Journal of Cleaner Production, 2020, 277. DOI:10.1016/j.jclepro.2020.123338 |
| [19] |
郑健, 撒青林, 王燕. 中国施用生物炭对番茄产量和品质效应的Meta分析[J]. 农业工程学报, 2023, 39(22): 63-73. Zheng J, Sa Q L, Wang Y. Meta-analysis of the effect of biochar application on the yield and quality of tomatoes in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(22): 63-73. |
| [20] |
赵鑫. 基于Meta-analysis对我国保护性耕作农田土壤固碳减排效应及其潜力的研究[D]. 北京: 中国农业大学, 2017. Zhao X. Effects and potential of conservation tillage on soil carbon sequestration and greenhouse gases emission reduction in China based on meta- analysis[D]. Beijing: China Agricultural University, 2017. |
| [21] | Guo L L, Yu H W, Niu W Q, et al. Biochar promotes nitrogen transformation and tomato yield by regulating nitrogen-related microorganisms in tomato cultivation soil[J]. Agronomy, 2021, 11(2). DOI:10.3390/agronomy11020381 |
| [22] |
蔡岸冬, 张文菊, 杨品品, 等. 基于Meta-Analysis研究施肥对中国农田土壤有机碳及其组分的影响[J]. 中国农业科学, 2015, 48(15): 2995-3004. Cai A D, Zhang W J, Yang P P, et al. Effect degree of fertilization practices on soil organic carbon and fraction of croplands in China-based on meta-analysis[J]. Scientia Agricultura Sinica, 2015, 48(15): 2995-3004. |
| [23] |
于滨杭, 姬建梅, 王丽学, 等. 中国主粮作物生物炭产量效应的Meta分析[J]. 环境科学, 2023, 44(1): 520-530. Yu B H, Ji J M, Wang L X, et al. Meta analysis on yield effect of biochar for staple crops in China[J]. Environmental Science, 2023, 44(1): 520-530. |
| [24] | Gama-Rodrigues A C, Sales M V S, Silva P S D, et al. An exploratory analysis of phosphorus transformations in tropical soils using structural equation modeling[J]. Biogeochemistry, 2014, 118(1-3): 453-469. |
| [25] | Yang X C, Liu D P, Fu Q, et al. Characteristics of greenhouse gas emissions from farmland soils based on a structural equation model: regulation mechanism of biochar[J]. Environmental Research, 2022, 206. DOI:10.1016/j.envres.2021.112303 |
| [26] | Lu X F, Wang L X, McCabe M F. Elevated CO2 as a driver of global dryland greening[J]. Scientific Reports, 2016, 6. DOI:10.1038/srep20716 |
| [27] |
齐玉春, 郭树芳, 董云社, 等. 灌溉对农田温室效应贡献及土壤碳储量影响研究进展[J]. 中国农业科学, 2014, 47(9): 1764-1773. Qi Y C, Guo S F, Dong Y S, et al. Advances in research on the effects of irrigation on the greenhouse gases emission and soil carbon sequestration in agro-ecosystem[J]. Scientia Agricultura Sinica, 2014, 47(9): 1764-1773. |
| [28] | Syakila A, Kroeze C. The global nitrous oxide budget revisited[J]. Greenhouse Gas Measurement and Management, 2011, 1(1): 17-26. |
| [29] | Cheng Y, Zhang J B, Wang J, et al. Soil pH is a good predictor of the dominating N2O production processes under aerobic conditions[J]. Journal of Plant Nutrition and Soil Science, 2015, 178(3): 370-373. |
| [30] |
孙海妮, 岳善超, 王仕稳, 等. 有机肥及补充灌溉对旱地农田温室气体排放的影响[J]. 环境科学学报, 2018, 38(5): 2055-2065. Sun H N, Yue S C, Wang S W, et al. Effects of manure and supplementary irrigation on greenhouse gas emission in dryland fields[J]. Acta Scientiae Circumstantiae, 2018, 38(5): 2055-2065. |
| [31] | Liu X, Dai X Q, Yang F T, et al. CH4 emissions from a double-cropping rice field in subtropical China over seven years[J]. Agricultural and Forest Meteorology, 2023, 339. DOI:10.1016/j.agrformet.2023.109578 |
| [32] |
田伟, 伍延正, 汤水荣, 等. 不同施肥模式对热区晚稻水田CH4和N2O排放的影响[J]. 环境科学, 2019, 40(5): 2426-2434. Tian W, Wu Y Z, Tang S R, et al. Effects of different fertilization modes on greenhouse gas emission characteristics of paddy fields in hot areas[J]. Environmental Science, 2019, 40(5): 2426-2434. |
| [33] | Garnier P, Cambier C, Bousso M, et al. Modeling the influence of soil-plant residue contact on carbon mineralization: comparison of a compartmental approach and a 3D spatial approach[J]. Soil Biology and Biochemistry, 2008, 40(11): 2754-2761. |
| [34] | Fang M, Motavalli P P, Kremer R J, et al. Assessing changes in soil microbial communities and carbon mineralization in Bt and non-Bt corn residue-amended soils[J]. Applied Soil Ecology, 2007, 37(1-2): 150-160. |
| [35] | Chen L, Zhang J B, Zhao B Z, et al. Carbon mineralization and microbial attributes in straw-amended soils as affected by moisture levels[J]. Pedosphere, 2014, 24(2): 167-177. |
| [36] | Gu J X, Nicoullaud B, Rochette P, et al. A regional experiment suggests that soil texture is a major control of N2O emissions from tile-drained winter wheat fields during the fertilization period[J]. Soil Biology and Biochemistry, 2013, 60: 134-141. |
| [37] | Kool D M, Wrage N, Zechmeister-Boltenstern S, et al. Nitrifier denitrification can be a source of N2O from soil: a revised approach to the dual-isotope labelling method[J]. European Journal of Soil Science, 2010, 61(5): 759-772. |
| [38] | Xu J X, Lai D Y F, Neogi S. Effects of land use types on CH4 and CO2 production potentials in subtropical wetland soils[J]. Water, 2020, 12(7). DOI:10.3390/w12071856 |
| [39] | Gu X Y, Weng S M, Li Y E, et al. Effects of water and fertilizer management practices on methane emissions from paddy soils: synthesis and perspective[J]. International Journal of Environmental Research and Public Health, 2022, 19(12). DOI:10.3390/ijerph19127324 |
| [40] | Jiang C M, Yu W T. Maize production and field CO2 emission under different straw return rates in Northeast China[J]. Plant, Soil and Environment, 2019, 65(4): 198-204. |
| [41] | Kumawat K C, Razdan N, Saharan K. Rhizospheric microbiome: bio-based emerging strategies for sustainable agriculture development and future perspectives[J]. Microbiological Research, 2022, 254. DOI:10.1016/j.micres.2021.126901 |
| [42] | Wang R, Pan Z L, Liu Y, et al. Full straw incorporation into a calcareous soil increased N2O emission despite more N2O being reduced to N2 in the winter crop season[J]. Agriculture, 2022, 335. DOI:10.1016/j.agee.2022.108007 |
| [43] | Wang X Y, Li Y J, Ciampitti I A, et al. Response of soil denitrification potential and community composition of denitrifying bacterial to different rates of straw return in north-central China[J]. Applied Soil Ecology, 2022, 170. DOI:10.1016/j.apsoil.2021.104312 |
| [44] |
路丹, 何明菊, 区惠平, 等. 耕作方式对稻田土壤活性有机碳组分、有机碳矿化以及腐殖质特征的影响[J]. 土壤通报, 2014, 45(5): 1144-1150. Lu D, He M J, Ou H P, et al. Effects of tillage patterns on the labile organic carbon components, organic carbon mineralization and humus characteristics in paddy soil[J]. Chinese Journal of Soil Science, 2014, 45(5): 1144-1150. |
| [45] |
任立军, 赵文琪, 李金, 等. 不同施肥模式对设施土壤CO2排放特征及碳平衡的影响[J]. 土壤通报, 2022, 53(4): 874-881. Ren L J, Zhao W Q, Li J, et al. Characteristics of soil CO2 emission and carbon balance in greenhouse soil under different fertilization patterns[J]. Chinese Journal of Soil Science, 2022, 53(4): 874-881. |
| [46] |
李亚男. 长期施肥对黑土碳、氮循环的影响及微生物调控作用[D]. 长春: 吉林农业大学, 2023. Li Y N. Effects of long-term fertilization on carbon and nitrogen cycle and microbial regulation in black soil[D]. Changchun: Jilin Agricultural University, 2023. |
| [47] | Li Y J, Zheng Q, Yang R, et al. Evaluating microbial role in reducing N2O emission by dual isotopocule mapping following substitution of inorganic fertilizer for organic fertilizer[J]. Journal of Cleaner Production, 2021, 326. DOI:10.1016/j.jclepro.2021.129442 |
| [48] |
田光明, 何云峰, 李勇先. 水肥管理对稻田土壤甲烷和氧化亚氮排放的影响[J]. 土壤与环境, 2002, 11(3): 294-298. Tian G M, He Y F, Li Y X. Effect of water and fertilization management on emission of CH4 and N2O in paddy soil[J]. Ecology and Environmental Sciences, 2002, 11(3): 294-298. |
| [49] |
徐驰. 气候变化对华北农田粮食生产和净温室效应的影响及其适应技术[D]. 北京: 中国农业科学院, 2020. Xu C. The effects and adaptive technology of climate change on grain production and net greenhouse effect in North China[D]. Beijing: Chinese Academy of Agricultural Sciences, 2020. |
| [50] |
盛锋. 稻鸭共育对稻田环境的影响及效益评估[D]. 武汉: 华中农业大学, 2019. Sheng F. Effects of rice-duck farming on rice field environment and its benefit evaluation[D]. Wuhan: Huazhong Agricultural University, 2019. |
| [51] | Bezyk Y, Dorodnikov M, Górka M, et al. Temperature and soil moisture control CO2 flux and CH4 oxidation in urban ecosystems[J]. Geochemistry, 2023, 83(3). DOI:10.1016/j.chemer.2023.125989 |
| [52] | Opdyke M R, Ostrom N E, Ostrom P H. Evidence for the predominance of denitrification as a source of N2O in temperate agricultural soils based on isotopologue measurements[J]. Global Biogeochemical Cycles, 2009, 23(4). DOI:10.1029/2009GB003523 |
| [53] | Ottaiano L, Di Mola I, Di Tommasi P, et al. Effects of irrigation on N2O emissions in a maize crop grown on different soil types in two contrasting seasons[J]. Agriculture, 2020, 10(12). DOI:10.3390/agriculture10120623 |
| [54] |
王刚, 杨宪龙, 李渊, 等. 陇东旱塬苜蓿草地N2O排放特征及其对施氮的响应[J]. 应用与环境生物学报, 2018, 24(3): 450-456. Wang G, Yang X L, Li Y, et al. Characteristics of N2O emission from Medicago sativa stands and its response to nitrogen fertilizers in the Longdong dryland Plateau[J]. Chinese Journal of Applied and Environmental Biology, 2018, 24(3): 450-456. |
| [55] |
徐文彬, 刘广深, 刘维屏. 降雨和土壤湿度对贵州旱田土壤N2O释放的影响[J]. 应用生态学报, 2002, 13(1): 67-70. Xu W B, Liu G S, Liu W P. Effects of precipitation and soil moisture on N2O emissions from upland soils in Guizhou[J]. Chinese Journal of Applied Ecology, 2002, 13(1): 67-70. |
| [56] |
吴得峰, 姜继韶, 孙棋棋, 等. 减量施氮对雨养区春玉米产量和环境效应的影响[J]. 农业环境科学学报, 2016, 35(6): 1202-1209. Wu D F, Jiang J S, Sun Q Q, et al. Effect of reduced nitrogen fertilization on spring maize production and environmental impacts in rain-fed areas[J]. Journal of Agro-Environment Science, 2016, 35(6): 1202-1209. |
| [57] | Hou R J, Li T X, Fu Q, et al. Effects of biochar and straw on greenhouse gas emission and its response mechanism in seasonally frozen farmland ecosystems[J]. CATENA, 2020, 194. DOI:10.1016/j.catena.2020.104735 |
| [58] | Li C J, Xiong Y W, Huang Q Z, et al. Impact of irrigation and fertilization regimes on greenhouse gas emissions from soil of mulching cultivated maize (Zea mays L.) field in the upper reaches of Yellow River, China[J]. Journal of Cleaner Production, 2020, 259. DOI:10.1016/j.jclepro.2020.120873 |
| [59] |
蒋洪丽, 雷琪, 张彪, 等. 覆膜和有机无机配施对夏玉米农田温室气体排放及水氮利用的影响[J]. 环境科学, 2023, 44(6): 3426-3438. Jiang H L, Lei Q, Zhang B, et al. Effects of mulching and application of organic and chemical fertilizer on greenhouse gas emission and water and nitrogen use in summer maize farmland[J]. Environmental Science, 2023, 44(6): 3426-3438. |
| [60] |
帅艳菊. 湖北省主要稻作模式温室气体排放模拟研究[D]. 武汉: 华中农业大学, 2021. Shuai Y J. Simulation research on greenhouse gas emission of major rice-based cropping systems in Hubei Province[D]. Wuhan: Huazhong Agricultural University, 2021. |
| [61] | Borken W, Brumme R, Xu Y J. Effects of prolonged soil drought on CH4 oxidation in a temperate spruce forest[J]. Journal of Geophysical Research: Atmospheres, 2000, 105(D6): 7079-7088. |
| [62] | Lee J, Oh Y, Lee S T, et al. Soil organic carbon is a key determinant of CH4 sink in global forest soils[J]. Nature Communications, 2023, 14(1). DOI:10.1038/s41467-023-38905-8 |
| [63] | Kan Z R, Wang Z R, Chen W, et al. Soil organic carbon regulates CH4 production through methanogenic evenness and available phosphorus under different straw managements[J]. Journal of Environmental Management, 2023, 328. DOI:10.1016/j.jenvman.2022.116990 |