基于机器学习的估计和减轻来自中国蔬菜田的氧化排放
Zhaoqiang Han1, Yi Leng2, Zhirong Sun2
1Key Laboratory of Green and Low-carbon Agriculture in Southeastern China, Ministry of Agriculture and Rural Affairs, College of Resources and Environmental Sciences, Nanjing Agricultural University, Nanjing, 210095, Jiangsu, China; Jiangsu Key Laboratory of Low Carbon Agriculture and GHGs Mitigation, Jiangsu Collaborative Innovation Center for Solid Organic Waste Resource Utilization, Nanjing, 210095, China.
来自中国蔬菜田的氧化 (NO) 排放量是使用数据驱动模型估计的. 生物炭和生物有机肥等气候智能实践可以有效地减少NO排放,同时提高作物产量.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 土壤科学 土壤科学
背景情况:
- 强化蔬菜种植导致高肥使用和大量的氧化 (NO) 排放.
- 关于中国蔬菜生产系统中NO排放的规模,分布和缓解存在不确定性.
研究的目的:
- 估计中国蔬菜田中的NOx排放量及其空间模式.
- 调查气候智能实践,以减轻氧化物排放和提高蔬菜生产.
主要方法:
- 开发了一个数据驱动的随机森林 (RF) 模型来估计NO排放.
- 在亚热带地区进行实地实验,以评估气候智能实践.
- 进行了元分析,综合了有关减缓策略的发现.
主要成果:
- 射频模型确定了的应用,土壤粘土含量和pH值是影响NO排放的关键因素.
- 2018年中国蔬菜田的NO总排放量估计为75.9 Gg NO-N.
- 气排放的缓解紧迫性在中国北部比南部更大.
结论:
- 生物炭修改和用生物有机肥代替化学肥料是有效的,可持续的做法.
- 这些气候智能化战略提供了减少氧化物排放和提高蔬菜产量的双重好处.
- 该研究为制定区域NO排放清单和农业土壤减缓战略提供了关键数据.
更多相关视频
10:29Calibrated Passive Sampling - Multi-plot Field Measurements of NH3 Emissions with a Combination of Dynamic Tube Method and Passive Samplers
Published on: March 21, 2016
07:14Automated, High-resolution Mobile Collection System for the Nitrogen Isotopic Analysis of NOx
Published on: December 20, 2016
