基于機器學習的液態(tài)糞污農田施用氨排放系數研究

摘要：為量化環(huán)境因子、施肥技術、糞污理化特性等因素對液態(tài)糞污還田利用后氨排放系數的影響，本研究采用Meta分析的方法，通過對52篇文獻、總計454組數據的分析，探究了土壤性質、液態(tài)糞污性質、農田管理措施等16個因素對土壤氨排放系數的影響，并利用MatLab機器學習器訓練和構建氨排放系數模型，對農田氨排放系數進行預測。結果表明：通過Meta分析發(fā)現糞污類型、糞污干物質含量、液態(tài)糞污施用方式、土壤pH是影響氨排放系數最重要的因素。在26個訓練模型中，高斯過程模型（指數GPR）的決定系數（0．64）和均方根誤差（0.067）均在所有模型中最優(yōu)，且氨排放系數預測值和真實值相關系數達到0.91，該模型不僅成功預測了糞污施用技術對氨排放系數的影響，同時還可系統(tǒng)對比液態(tài)糞污的前期處理方式及其干物質含量、pH等理化特性對還田后氨排放系數的影響，但對不同質地土壤的氨排放系數識別度較低。本研究構建的液態(tài)糞污氨排放系數預測模型，不僅可較好地反映施肥技術、環(huán)境因子等因素對氨排放的影響，同時系統(tǒng)揭示了養(yǎng)殖場液態(tài)糞污理化特性和管理方式對還田土壤的氨排放系數的影響。

關鍵詞：液態(tài)糞污；農田土壤；氨排放系數；Meta分析；機器學習

中圖分類號：X713;TP181 文獻標志碼：A 文章編號：1672-2043（2024）09-2145-10 doi：10.11654/jaes.2023-0895

液態(tài)糞污是規(guī)?；B(yǎng)殖場最重要的糞污類型之一，同時也是養(yǎng)殖業(yè)重要的污染物排放源。液態(tài)糞污富含氮、磷、鉀等營養(yǎng)元素，且容易被作物吸收，從而能夠顯著提高小麥、玉米、水稻等作物產量，且提高程度隨著糞水攜帶氮量的增加而增加。因此，農田利用是液態(tài)糞污最有效的資源化利用方式，其不僅能減少農業(yè)生態(tài)環(huán)境的壓力，緩解水資源緊缺和水體氨污染，又能為作物生長發(fā)育提供營養(yǎng)，大量減少化肥施用量。

然而，在糞污農田利用的過程中通常會引起氨揮發(fā)．其揮發(fā)量和糞污的理化性質、田間管理措施等因素密切相關。例如，吳華山等采用田間試驗方法研究了在春、夏兩季玉米上施用豬糞沼液對土壤氨揮發(fā)的影響，發(fā)現施用沼液處理的氨揮發(fā)量較單施化肥升高，且氨揮發(fā)損失量隨沼液施用量的增加而增加。此外，沼液、養(yǎng)殖肥水等液態(tài)糞污還田后的氨揮發(fā)不僅與試驗地氣溫存在正相關關系問，而且隨著土壤pH升高、NH+4向NH3的轉化加劇還會導致氨排放速率上升。由此可見，液態(tài)糞污還田是大氣氨的重要來源之一。

鑒于大氣氨濃度升高不僅會導致PM2.5的形成、降低空氣質量，有可能通過呼吸道和心血管疾病降低人類的預期壽命，還會因為氨沉降增加而導致土壤酸化、水體富營養(yǎng)化等現象，并引起一氧化氮和氧化亞氮的排放，危及生態(tài)系統(tǒng)功能。因此，探究農田土壤氨揮發(fā)減排策略對提高氮肥利用率、減少環(huán)境污染具有重要意義，是現代農業(yè)高效和生態(tài)綠色可持續(xù)發(fā)展面臨的必然選擇。由于液態(tài)糞污農田施用后的氨揮發(fā)受施肥方式、氣候類型、土壤質地等諸多因素影響，已有的氨排放研究無法覆蓋所有氣候條件、土壤類型、作物類型等條件下的氨排放系數，因此如何利用已有研究結果構建針對上述條件的氨排放系數數據庫已成為精準評估糞污還田氮素損失及其大氣環(huán)境影響的重大需求。

Meta-analysis（整合分析）是一種對若干獨立研究結果進行統(tǒng)計分析的方法。該方法主要通過對某一研究內容的多個相似研究結果進行合并，從而解決某個獨立研究無法解釋的問題，是從定量的角度對此研究內容進行再分析。Meta分析在全球的溫室氣體排放特征及其影響因素研究方面應用廣泛。機器學習可以處理預測因子和目標變量之間的復雜關系，具有預測性能高、異構性好、計算時間短、使用簡單等特點，也常被用于預測土壤溫室氣體排放。在農業(yè)生產上，前人多通過Meta分析綜合分析化肥或堆肥施用對作物產量及農田溫室氣體排放的影響，而較少涉及到液態(tài)糞污施用對土壤氨揮發(fā)的影響。

因此，本文基于2023年12月前全球農田液態(tài)糞污施用的研究數據，以施用液態(tài)糞污對氨揮發(fā)的影響進行了綜合Meta分析，并通過機器學習構建模型，基于統(tǒng)計資料和再分析資料，進一步揭示了不同自然條件及農田管理措施下，施用液態(tài)糞污對農田土壤氨排放系數的影響，以期為液態(tài)糞污高效還田以及農田氨減排措施的篩選、制定和推廣提供科學依據。

1 材料與方法

1.1 文獻檢索

本研究以沼液、液態(tài)糞污、養(yǎng)殖廢水、豬糞、牛糞、氨揮發(fā)等為中文關鍵詞，以slurry、liquid manure、digestate、biogas fluid、ammonia、NH3、emission等為英文關鍵詞，在中國知網、Web of Science數據庫中檢索了從1995年至2023年公開發(fā)表的有關農田氨排放的文獻，篩選標準為：①所選文獻必須有明確液態(tài)糞污施用以及氨排放相關數據的統(tǒng)計；②本研究中所需相關數據能夠直接從圖、表或文中進行提取，或者可以從文獻中計算獲得；③不包括評價類、綜述類、模擬數據類文獻；④相同數據出現在不同文獻中選擇信息更為全面的文獻數據?；谝陨虾Y選標準，獲得52篇有效文獻，采集了454組數據。

1.2 數據分類

將采集的數據進行統(tǒng)計及分類，按照自然因素以及農田管理措施的不同將數據分為兩大類。自然因素中，共包含6種氣候類型以及5種土壤質地；農田管理措施方面，共劃分為4種糞污類型、3種糞污原料以及5種施肥方式。針對數據中的具體數值，土壤pH值從4.5到9.0呈正態(tài)分布，其中pH值6.0-7.5的樣品占總體的62.5%；糞污pH值同樣呈正態(tài)分布，其中pH值7.5-8.0的樣品占總體的60.7%。糞污干物質含量、氨態(tài)氮含量呈核平滑分布（Kernal smooth），其中干物質含量集中于4%-6%，氨態(tài)氮含量以0-2 g·kg-1居多。具體各數據分布情況及數據量統(tǒng)計見表1和圖1。

1.3 氨排放系數的主要影響因素檢驗

本研究旨在構建可反映不同環(huán)境和管理條件下液態(tài)糞污的氨排放系數模型與方法，首先，通過公式（1）計算了不同研究中液態(tài)糞污單獨施用條件下的氨排放系數（EF）：

EF=EL-ECK/Ninput（1）

式中：EL表示液態(tài)糞污處理的氨排放量，kg·hm-2（以N計）；ECK為對照不施氮處理的氨排放量，kg·hm-2（以N計）；Ninput為液態(tài)糞污處理施氮量，kg·hm-2（以N計）。將排放系數與相應的管理方式（施肥方式）、土壤理化特性、液態(tài)糞污理化特性等關鍵指標共同形成數據庫，其中土壤、氣候等環(huán)境變量3個，液態(tài)糞肥理化特性變量4個，液態(tài)糞肥施用技術類變量8個，氨排放監(jiān)測方法變量1個。

其次，分別按照土壤質地、施肥方式、液態(tài)糞污來源與管理等主要指標進行分類，評估數據集中氨排放系數分布特征，并對分類后各組氨排放系數進行Q檢驗（P＞0．1）以及組間異質性（P）占比的計算，以確定數據合并時的效應模型（公式2和公式3）：

式中：wi為第i組數據權重；n為各組的樣本量；Esi為某組中第i個研究的氨排放系數；Es為所有研究的氨排放系數的均值。

最后，計算各分類數據集的平均值及其置信區(qū)間（95%），利用F方差分析檢驗不同分類方式下氨排放系數的差異顯著性（α=0．05），初步確定液態(tài)糞污農田施用后主要的影響因素。

1.4 氨排放系數回歸模型訓練與校驗

經過數據匯總，本研究以環(huán)境變量、液態(tài)糞肥理化特性變量、液態(tài)糞肥施用技術類變量、氨排放監(jiān)測方法變量為預測變量（x），氨排放系數為因變量（y），利用MatLab 2023a中的回歸機器學習（RegressionLeamer），訓練復雜條件下液態(tài)糞污施用后的氨排放系數預測模型。該軟件有線性回歸、回歸樹、支持向量機、高斯過程回歸、集成樹、核逼近回歸、神經系統(tǒng)回歸模型等7大類，共可產生26個亞類的回歸模型。

在模型訓練過程中，本研究首先將16個因素全部作為預測變量，以均方根誤差（RSME）和決定系數（R2）作為判別指標，針對訓練所得的26個回歸模型進行比較，篩選出最優(yōu)的訓練模型。在此基礎上，利用該軟件中針對預測變量基于F檢驗的重要性指數作為評判依據，逐步剔除對模型準確性影響極小的預測變量，建立液態(tài)糞污農田施用氨排放系數預測模型。通過預測不同施肥方式、土壤類型、液態(tài)糞污理化特性與管理方式等組合條件下的氨排放系數，通過已有研究結果的交叉印證，核實檢驗模型預測結果的真實性和可信性。

1.5 數據處理

本研究采用SPSS 2021軟件分析不同分類條件下氨排放系數的異質性，利用MatLab 2023a中的回歸學習器訓練液態(tài)糞污施入農田后的氨排放系數預測模型。數據顯著性檢驗均為α=0.05。

2 結果與分析

2.1 環(huán)境條件、糞污特性與施用技術對氨排放系數的影響

本研究將建立的液態(tài)糞污氨排放系數數據集分別按照環(huán)境因子（氣候和土壤）、施肥技術（施肥方式、有機無機配施比例、用量等）、糞污特性（糞污來源、干物質含量、pH等）等因素進行分類，初步明確上述因素對氨排放系數的概略影響。

2.1.1 氣候、土壤等環(huán)境條件對氨排放系數的影響

由圖2可知，相較而言，施用液態(tài)糞污后黏土的氨排放系數最低，且顯著低于黏壤土、壤土和砂壤土，其排放系數約占其他土壤質地下的18.0%-26.7%。在砂土、砂壤土、壤土、黏壤土之間，施用液態(tài)糞肥后氨排放系數無顯著差異。土壤pH對氨排放系數也有一定的影響，其中土壤pH≤8時，不同pH范圍的氨排放系數無顯著差異，但土壤pH＞8時，其氨排放系數較pH≤8的土壤低25.5%-45.3%，且差異達顯著水平。在氣候類型方面，溫帶海洋氣候下的氨排放系數顯著高于除溫帶季風氣候之外的其他氣候類型，而亞熱帶季風氣候區(qū)、溫帶季風氣候、溫帶大陸氣候和地中海氣候區(qū)之間無顯著差異，熱帶氣候明顯低于其他氣候類型下的氨排放系數。綜上可知，土壤質地、pH以及氣候等環(huán)境因子均對液態(tài)糞肥氨排放系數具有較大的影響。

2.1.2 施肥技術與監(jiān)測技術對氨排放系數的影響

由圖3可知，表施和牽引式軟管施用的氨排放系數（0.138和0.112）顯著高于混施（0.037）、注射（0.069）、灌溉（0.054）等施肥方式，表明相較于液態(tài)糞肥表施，深施或施肥后灌水可使氨排放系數降低38.7%-73.2%。盡管土壤氨排放系數隨施氮量增加呈降低的趨勢，但不同施用量間差異不顯著。不同肥料類型之間，施用液態(tài)糞污的氨排放系數（0.098）略高于尿素（0.080）或復合肥（0.062）等化肥，但顯著低于固體有機肥（0.201）。相較于有機無機肥配施，100%有機肥替代會在一定程度上增加土壤氨排放系數，平均漲幅約49.5%。此外，在施用液態(tài)糞污土壤中添加生物炭、脲酶抑制劑和硝化抑制劑對氨排放系數無顯著影響。

本研究還發(fā)現，液態(tài)糞肥施用后氨排放系數還受氨揮發(fā)測定方法的影響，例如靜態(tài)室法的排放系數（0.071）明顯低于微氣象學法（0.111）和流動室法（0.087），盡管3種不同測定方法的處理間差異不顯著。此外，相對于作物全生育期的氨揮發(fā)測定來說，非全生育期或未種植作物下測定的氨排放系數顯著高于前者，升高幅度達75.0%。上述結果表明，液態(tài)糞肥施肥技術和氨排放監(jiān)測技術均是影響氨排放系數的重要因素。

2.1.3 液態(tài)糞肥特性對氨排放系數的影響

由圖4可知，液態(tài)糞肥前期處理方式對氨排放系數影響較大。其中未發(fā)酵糞液的氨排放系數達到0.106，顯著高于沼液氨排放系數（0.076），固液分離的液態(tài)組分及其厭氧發(fā)酵產物的氨排放系數分別為0.046和0.024，顯著低于前兩者。養(yǎng)殖糞水經固液分離后可使得液態(tài)糞肥或沼液氨排放系數降低57.0%-68.4%。此外，液態(tài)糞肥氨排放系數隨干物質含量下降而逐漸減低，且干物質含量≤4%時，其氨排放系數顯著低于＞4%的糞污。本研究發(fā)現，源于豬糞、牛糞的液態(tài)糞污占總數據量的87.4%，其余12.6%的糞污主要源于羊糞、雞糞、生活污水等，但豬糞（0.095）、牛糞（0.080）和其他糞污類型（0.102）之間的氨排放系數無顯著差異。此外，液態(tài)糞肥氨排放系數也不同程度受到糞污pH和銨態(tài)氮含量的影響，其中糞污pH＞8（0.073）或6＜pH≤7（0.070）條件下的氨排放系數相當，且均低于7＜pH≤8的氨排放系數（0．097）；且pH≤6的糞污氨排放系數顯著低于pH＞6的處理。同時，土壤氨排放系數還與液態(tài)糞污中銨態(tài)氮含量呈正相關關系，有隨氨氮含量增加而逐漸增加的趨勢。上述分析表明，液態(tài)糞污處理技術以及其相應的理化特性均為影響其氨排放系數的重要因素。

2.2 液態(tài)糞污農田施用下氨排放系數的機器學習模型特性解析

本研究利用MatLab 2023a軟件中的回歸學習器訓練氨排放系數對不同管理方式和環(huán)境變量的回歸模型。訓練的模型包括了該軟件中所有的模型（共26個模型），經過初步篩選，發(fā)現高斯過程模型（指數GPR）的R2和RSME均為所有模型中最優(yōu)（圖5），且氨排放系數預測值和真實值相關系數達到0.91。本研究以該模型為最優(yōu)模型，逐步探討不同管理因子（16個因素）對液態(tài)糞污施入土壤后的氨排放系數敏感性和相對貢獻（圖6a）。如圖6b所示，基于F檢驗的預測變量重要性指數以及模型預測值的R2對預測變量的響應均表明，糞污施用方式、糞污干物質含量、試驗地點所處氣候帶、糞污類型、測定時間（是否全生育期）以及土壤pH是影響氨排放系數最重要的因素。

2.3 液態(tài)糞污農田施用下氨排放系數預測模型的有效性評估

為了檢驗訓練模型針對液態(tài)糞污類型、糞污理化特性、土壤質地以及糞污施用技術的敏感性，本研究分別在保持其他變量不變的情景下，首先預測了不同類型液態(tài)糞肥的氨排放系數隨其干物質含量和pH的響應。由圖7可知，未發(fā)酵糞水（圖7a）、液態(tài)分離組分（圖7b）、沼液（圖7c）和分離組分的發(fā)酵產物（圖7d）的氨排放系數對其pH和干物質含量響應的特征基本相同，但未發(fā)酵糞水的氨排放系數略高于其他3種類型；4種類型液態(tài)糞污的氨排放系數均隨干物質含量的增加而逐漸升高，但當干物質含量超過8%之后，增幅快速下降并趨近恒定（符合“直線+平臺”特征）；此外，4種液態(tài)糞污氨排放系數均隨其pH增大呈現拋物線分布，且在pH為7.0-7.5時達到最大值。結果表明本研究構建的氨排放系數預測模型能夠為養(yǎng)殖場液態(tài)糞污前期管理方式評估和農田施用后氨排放損失評估和減排提供技術指導。

另外，本研究還以未發(fā)酵糞水為例，預測了不同施肥方式和不同土壤質地條件下的氨排放系數。由圖8可知，砂壤土和黏壤土的氨排放系數略高于其他3種類型土壤，且黏土的氨排放系數最低。不同施肥方式之間，液態(tài)糞肥表施的氨排放系數最高，可達到0.169-0.202，其次為軟管拖施技術，為0.106-0.123，施肥后灌水、混施和注施方法的氨排放系數基本相同，為0.065-0.086。由此可見，本研究構建的模型能夠較好地為液態(tài)糞污農田施用技術選擇及其潛在環(huán)境影響提供幫助。

3 討論

3.1 回歸模型

隨著種養(yǎng)結合和循環(huán)農業(yè)的快速和深入發(fā)展，養(yǎng)殖場液態(tài)糞污的管理及其還田利用技術日趨規(guī)范。因此，如何量化液態(tài)糞污類型和農田施用后氨排放是精準評估糞肥施用技術、貫徹農業(yè)綠色發(fā)展的重要需求。本研究通過利用MatLab軟件中的回歸學習器訓練，發(fā)現高斯過程模型（指數GPR）的R2和RSME均為所有模型中最優(yōu)，且氨排放系數預測值和真實值相關系數高達0.91。與線性回歸模型等其他模型相比，該模型是一種基于核策略的非參數機器學習算法，參數少、易解讀，具有概率意義，但其弱點在于揭示和理解各類管理、環(huán)境因子等因素對氨排放系數的貢獻時相對比較困難。這主要是由于本研究中涉及的糞肥施用方式、氣候類型、糞污來源等均屬于分類變量，這也是線性回歸模型無法提供準確性高的預測模型的根本原因。

3.2 氨排放系數預測值的合理性

在檢驗預測模型的合理性時，本研究采用構建的模型預測了表施、軟管拖施和地下注射等主流糞肥施用方式對氨排放系數的影響，證實了采用灌溉、注入、混施的方法施肥相對于表施和牽引式軟管施用可以明顯降低氨排放系數，這些結果與前人結果基本吻合。例如，Sherman等、Webb等均發(fā)現通過注入方式施肥，或者糞肥施用于土壤后立即對土壤進行耕作，可大幅降低氨揮發(fā)，這是因為深施會使土壤膠體吸附更多的NH+4，從而降低了NH+4濃度和氨揮發(fā)。此外，施肥和灌溉相結合也可有效降低氨排放系數，這是由于灌溉水可將肥料帶人土壤深層，不僅增加了NH+4被土壤膠體吸附或作物吸收的機會，還增加了NH3到土壤表層的阻力。

在土壤質地方面，前人多認為質地黏重的土壤中氨排放量小于質地粗松的土壤，因為土壤黏粒含量通過影響土壤的透氣性和對陽離子的吸附性來影響土壤氨排放，黏土具有較好的吸附性且通氣透水性較弱，導致了其對NH+4具有較強的吸附作用，可以有效降低土壤液相中的NH+4濃度，同時不利于生成的NH3由土壤向空氣中擴散。但本研究模型預測的5種不同質地的土壤氨排放系數比較接近，尚不能準確揭示該特征，未來仍需要對此開展更加深入的研究。

液態(tài)糞污來源迥異，其干物質含量、pH、養(yǎng)分含量等理化特性也存在巨大差異。通過本研究的模型預測，未發(fā)酵糞水的氨揮發(fā)系數明顯高于液態(tài)分離組分、沼液、糞水發(fā)酵等類型，推測其原因可能是前者由于有機顆粒含量較高，使得施入土壤后氨氮在土壤中下滲速率偏低，導致表層土壤NH+4較高、氨排放量大。而經過固液分離、厭氧發(fā)酵后的液態(tài)糞肥有機顆粒減少，有利于糞肥中氨氮隨水向土壤深層運移，增加了氨向土壤表層移動的阻力。

3.3 對液態(tài)糞污管理和農田施用的啟示

本研究發(fā)現，液態(tài)糞污氨排放系數隨pH增大呈現出拋物線分布特征，且在pH為7.0-7.5時存在最大值。這可能是糞污pH呈酸性時，氨氮主要以NH+4形式存在，這極大地抑制了糞肥施人土壤后的氨排放；而當液態(tài)糞污pH為堿性時，可能會因為糞污前期存儲過程中氨揮發(fā)偏高，而使得施入土壤后易揮發(fā)的NH+4濃度較低，最終導致氨排放系數偏低。上述模擬結果可充分表明，用硫酸等酸性物質降低液態(tài)糞污pH不僅可降低存儲階段氨排放，還可能降低還田后的氨排放。

養(yǎng)殖場液態(tài)糞污的含水量達90%以上，在施氮量相同的情況下，糞污本身氨氮含量越低，施肥時土壤獲得的水分越多，氨揮發(fā)量越低。本研究還發(fā)現液態(tài)糞污干物質含量也是影響氨排放系數的重要指標，這也為我國當前提倡和鼓勵針對未發(fā)酵糞水進行固液分離的科學性提供了佐證，即將其干物質含量控制在5%以下，這不僅有利于降低糞水中的化學需氧量，減輕環(huán)境排放壓力，同時也為降低糞水還田利用過程中氨排放及其環(huán)境影響提供了重要的理論依據。

4 結論

（1）本研究通過Meta分析發(fā)現糞污類型、液態(tài)糞污施用方式、糞污干物質含量及其pH均是影響液態(tài)糞污還田后氨排放系數的主要因素，其中經分離后的液態(tài)糞污（干物質含量低于4%）的氨排放系數顯著低于未分離的糞污，而混施、灌溉、注施等施肥方式的氨排放系數顯著低于表施和軟管牽引施肥。

（2）利用機器學習構建指數型高斯過程模型較好地重現了Meta分析的結果，計算得到液態(tài)糞肥表施的氨排放系數為0.169-0.202，軟管牽引施肥技術的為0.106-0.123，而施肥后灌水、混施和注施方法的氨排放系數基本相同，為0.065-0.086。因此，該模型可作為篩選液態(tài)糞污農田氨減排技術的參考工具。

（3）利用訓練模型明確了液態(tài)糞污的氨排放系數與其干物質含量呈現“直線+平臺”的特征（拐點約為8%），而與其pH呈現拋物線分布特征（7.0-7.5時達到最大值），表明控制液態(tài)糞污干物質含量和pH也是降低氨排放系數的有效措施。該訓練模型對規(guī)模化養(yǎng)殖場液態(tài)糞污前期處理技術的選擇具有較好的指導作用。

（責任編輯：李丹）

基金項目：國家自然科學基金面上項目（42375170）；河北省重點研發(fā)計劃項目（21327303D）