人类活动净氮输入（NANI）模型能够可靠地评估区域内人类活动对氮素输入的影响，该方法基于常规统计数据，具有操作简便、公式清晰、参数易获取等优点。然而目前大量学者在采用NANI模型对全球各个流域或地区进行评估的研究中，NANI原始数据基本来自于统计年鉴，可靠性较强，但是模型参数的选取则主要来源于研究者对已有文献的总结，受研究者主观性影响较大。实际上研究区可能横跨不同的气候带，即使相近的区域也会由于经济水平和生活条件的差异造成氮消费量不同，这便会导致模拟结果在参数取值影响下产生较大的不确定性，尚未有研究开展NANI模型参数敏感性与不确定性的定量化分析。本研究以中国西北宁夏地区为例，应用NANI模型在县级尺度识别宁夏氮素输入高风险地区，采用蒙特卡洛方法和灵敏度指数法量化NANI模拟过程中参数的不确定性和敏感性，为后续NANI研究在参数的应用和选择方面提供参考。
整体上看，研究期间宁夏地区NANI年均值为5.15×106 t，单位面积强度为7752 kg N km-2·yr-1；输入构成上看，化肥施用量（Nfer）是造成宁夏地区NANI变化的决定性因子，占比50.9%-59.8%（图1）。
图1 宁夏NANI及其各输入组分空间分布与蒙特卡罗模拟结果（MAX和MIN分别为置信区间的上下限，AVE为各研究单位的蒙特卡罗模拟平均值，OPT为文献参数下的计算结果）
蒙特卡洛模拟结果显示，与常规文献中参数的计算结果相比较，NANI在参数不确定性的影响下存在-6.4%~27.4%的变化；食品/饲料净氮输入量（Nim）变化范围-20.7%~77%；化肥施用量变化范围-14.4%~35.7%；作物固氮量（Ncro）变化范围-14.8%~21.9%。各输入组分受参数影响的不确定性与该组分计算方法复杂程度以及指标数量具有关，计算方法越复杂、指标越多且参数范围越大，该组分受参数影响的不确定性就越强。后续的NANI研究中，对于食品/饲料净氮输入量的计算应尽可能根据研究区域的实际情况选取本地化参数，从而减小该组分的不确定性。
表1 参数敏感性指数
参数敏感性研究结果表明，在NANI模型中占比越高组分的参数越敏感。如化肥施用量中的参数敏感性远高于其他组分（表1）。在开展NANI研究之前，首要工作是为每个研究单元收集原始数据，原始数据基数越大会造成其所在组分在模型中占比越高，因此在后续的NANI研究中，如果在原始数据收集过程中发现某个研究单元的某指标基数较大，那么该指标相应参数的敏感性就会越强，该单元中相应组分的参数就更应谨慎选择和使用，从而提高模拟结果准确性。
该研究成果以“Spatio-temporal variation of net anthropogenic nitrogen inputs (NANI) from 1991 to 2019 and its impacts analysis from parameters in Northwest China”为题，近期在线发表在国际学术期刊《Journal of Environmental Management》（IF 8.910），中国农业科学院农业资源与农业区划研究所硕士研究生裴玮为第一作者，雷秋良研究员和杜新忠研究员为共同通讯作者。本研究得到国家自然科学基金项目（U20A20114）资助。
【引文方式及原文链接】
Wei Pei, Tiezhu Yan, Qiuliang Lei *, Tianpeng Zhang, Bingqian Fan, Xinzhong Du **, Jiafa Luo, Stuart Lindsey, Hongbin Liu. Spatio-temporal variation of net anthropogenic nitrogen inputs (NANI) from 1991 to 2019 and its impacts analysis from parameters in Northwest China. Journal of Environmental Management, 2022, 321: 115996.
https://doi.org/10.1016/j.jenvman.2022.115996
