通过农业集约化保护亚马逊森林，减少全球变暖

2019冠状病毒病大流行以及乌克兰战争带来了两个后果，可能对依赖商品作物作为主要收入来源的发展中国家产生巨大影响。其中之一是农作物大宗商品价格大幅上涨，与大流行前的水平相比几乎翻了一番¹．第二，各国政府强烈希望利用本国的比较优势，迅速从负面经济影响中恢复过来²．这些事件对于拥有大片适于耕种土地、目前被热带雨林和大草原等脆弱生态系统覆盖的发展中国家至关重要，因为它们可能在相对较短的时间内引发大规模土地转换，导致生物多样性丧失和全球变暖^{3.，4，5，6，7，8，9}．

巴西拥有世界上最大的生物多样性池之一，拥有516公顷的森林和大草原¹⁰．特别重要的是亚马逊盆地的广大热带雨林，总面积达330公顷。与此同时，巴西是主要的大豆出口国，2017-2019年占全球出口的40%左右¹¹．在20世纪90年代末和21世纪初，大豆生产导致了大规模的森林砍伐^12，13．在随后的几年中(2005-2015年)，巴西通过外国资助的暂停和激励计划，在降低森林砍伐率方面取得了切实进展^14，15．问题是，在粮食价格高企、政府寻求通过增加农业产出来实现经济增长的背景下，仅凭这些措施是否足以防止脆弱的生态系统发生转变。

在这里，我们调查了集约化(即提高现有农业地区的生产力)可以作为使巴西同时协调生产和环境目标的一种手段的程度。为了评估实现这两种结果的潜力，我们将作物建模和空间分析相结合，以调查集约化和土地利用变化的不同情景，以及对生产、土地转换和气候变化的相关影响。我们讨论了农业研究与开发(AR&D)计划对政策制定者和优先事项的影响，以促进农业集约化和保护脆弱的生态系统。

大豆种植区集中在四个地区:潘帕草原、大西洋森林、塞拉多和亚马逊河流域。1)．前两个地区在几十年前(20世纪70年代至90年代)经历了大规模的土地转换为农业的过程，现在只剩下一小部分原生植被。相比之下，塞拉多地区，尤其是亚马逊地区，仍保留着大片原始森林和大草原。在最近的2007-2019年期间，由于亚马逊和塞拉多地区有适合作物生产的土壤和有利的天气，大豆种植面积以每年140万公顷的速度增长，这使农民能够实现高而稳定的大豆产量，并在同一种植季节种植额外的玉米作物(以下称为第二作物玉米)(图2)。1，扩展数据图。1而且2，补充表1及补充组1)．在生物多样性和气候变化方面，值得特别关注的是亚马逊地区大豆种植面积的增加，2015年至2019年期间，亚马逊地区大豆种植面积占巴西大豆种植面积的三分之一，该地区大豆种植面积的一半是以牺牲热带雨林为代价的¹⁶．塞拉多和亚马逊地区的产量改善比其他地区要慢(图2)。1 b)．塞拉多和亚马逊地区的产量改善较慢可能是由于这些地区的大豆生产历史较短，大规模大豆生产始于21世纪初，而巴西南部的历史大豆产区在50年前就引进了大豆。

产量潜力是指一个适应良好的品种在没有营养限制和没有杂草、害虫和病原体等减产因素的情况下的产量(补充节)2)．在这里，我们使用经过充分验证的作物模拟模型和详细的天气、土壤和农艺数据估计了巴西大豆和第二作物玉米的产量潜力。2扩展数据图3.及补充表格2而且3.)．我们的评估显示平均产量潜力为5.5 Mg ha⁻¹但塞拉多和亚马逊的产量潜力比大西洋森林和潘帕草原的产量潜力更高、更稳定。由于气候限制，除潘帕草原和大西洋森林部分地区外，所有地区都种植第二作物玉米，其产量潜力为10.6毫克公顷⁻¹．问题是每个地区有多少空间可以通过集约化在现有农田上增加大豆和第二作物玉米的产量。实现农民农田的产量潜力是困难的，因为它需要大量的投入和高度的复杂性来消除产量减少因素，导致利润减少和对环境的巨大负面影响。相比之下，对于能够充分获得投入、市场和推广服务的农民来说，达到模拟产量潜力的80%(以下称为可达到的产量)被认为是消除产量差距的合理水平(补充节)2)．在这里，我们将可开发产量差估计为可获得产量与平均产量之间的差值，并发现巴西大豆的可开发产量差向北增加，分别从潘帕草原和大西洋森林的10%和25%增加到亚马逊和塞拉多森林的35%(图2)。2及补充表2)．就第二作物玉米而言，各地区可开发产量差距占可实现产量的32-44%(补充表)3.)．

我们首先探索了一个“一切如常”(BAU)情景，在该情景中，历史产量改善和土地利用变化模式预计将在未来15年内持续存在(图2)。3.而且4及补充表4)．作为一种替代途径，我们评估了这样一种情景:在未来15年里，历史产量继续提高，但由于限制将新区域转化为大豆生产，没有耕地扩张(NCE)，由于与畜牧业的竞争，没有牧场和草地扩张(图2)。3.而且4及补充表4)．最后，我们评估了集约化情景(INT)，以减少大豆生产土地转换对环境的负面影响，同时最大限度地减少负面经济影响(图2)。3.而且4及补充表4)．INT情景假设对AR&D进行大规模投资，从而使塞拉多和亚马逊地区的大豆可开发产量差距缩小一半。要消除这样的产量差距，需要将这两个地区的产量改进速度提高两到三倍，但与潘帕草原和大西洋森林的产量改进速度相当(图2)。1)．由于潘帕草原和大西洋森林目前的产量提高率已经很高，我们假设这两个地区的产量增加率将保持不变，这使得到2035年可开发的产量差距完全消失。就第二茬玉米而言，我们假设现有的产量差距完全消失，因为目前的产量已经很高了。我们的INT情景还假设，在气候条件允许双季种植的地区，现有的大豆种植区将进一步采用第二茬玉米。此外，我们假设在INT情景下，以牧场为基础的畜牧系统会并行集约化，以便在除亚马逊地区外的所有地区释放现有的部分牧场和草地用于大豆生产。我们估计，在当前以牧场为基础的畜牧系统中，约12%的载畜率将足以满足预期的牛肉需求，并腾出5.7 Mha的牧场和草地用于大豆生产(方法)．INT情景不允许以牺牲其他粮食作物面积为代价进行扩张，以避免间接的土地利用变化。

在BAU情景下，大豆面积从36 Mha扩大到59 Mha，而目前的产量从3.1 Mg ha增加到3.6 Mg ha⁻¹到2035年，全国大豆产量将达到2.12亿吨。3.而且4)．然而，BAU情景下的产量增加将以将5.7 Mha森林和稀树草原转化为大豆种植和相关的1,955亿吨co为代价₂E由于土地转换释放到大气中。相比之下，NCE情景避免了森林砍伐，降低了全球变暖潜能值(GWP)，但在经济产出方面产生了巨大的机会成本(在15年的研究期内为4470亿美元)，导致大豆产量到2029年低于预期¹⁷大豆和第二作物玉米产量较BAU情景降低40%。在INT情景下，大豆平均产量达到3.9 Mg ha⁻¹到2035年，二茬玉米平均产量达到8.6 Mg ha⁻¹．值得注意的是，INT情景在增加农业产出和减少负面环境影响之间实现了合理的平衡。到2035年，大豆产量将增加到1.62亿吨，减轻了与NCE情景相关的机会成本。实际上，在INT情景下，大豆和第二作物玉米的总总收入相当于BAU情景下的85%。由于没有森林砍伐，与BAU情景相比，INT情景下的全球变暖潜能值下降了58%，达到了与NCE情景下相当的全球变暖潜能值强度(即每单位总收入的全球变暖潜能值)。总体而言，由于节约土地而减少的全球变暖潜能值相当于巴西全国四年化石燃料温室气体(GHG)排放总量。

在过去的50年里，巴西在促进农业生产方面取得了显著进展，成为大豆、玉米和牛肉的主要出口国。然而，农业产量的增加主要来自耕地的扩张，而不是耕地的生产力(图2)。1)．我们的分析基于巴西目前可用的土地利用空间数据¹⁶显示巴西最近大豆扩张的近三分之一发生在亚马逊地区(图2)。2)，这与碳平衡的变化是一致的(从净CO₂下沉到一个来源)和创纪录的森林砍伐率报告在该地区^7，8．我们的研究评估了国家层面作物集约化和土地利用变化不同轨迹的总体经济和环境影响，包括评估第二作物玉米集约化的潜力，以及允许大豆扩展到以牧场为基础的牧区(图2)。3.而且4)．一方面，目前大豆面积扩张趋势的延续(BAU情景)将导致对亚马逊雨林的大规模侵蚀，生物多样性的丧失和全球变暖的加剧。另一方面，对扩大大豆种植面积施加限制，而没有明确努力加快历史产量增长率和加强以牧场为基础的畜牧业(NCE情景)，将由于国家作物产量下降而导致重大的负面经济影响。然而，还有另一种途径可以平衡环境和经济目标。我们在这里表明，巴西可以通过作物和牲畜系统的双重集约化，再加上土地使用规划(INT情景)，扭转目前的大豆扩张模式，而不会在作物生产和经济利润之间产生重大权衡。然而，要想有效地实施集约化，就需要适当的政策和执法，以确保作物产量提高所节省的土地能够保护自然。

我们承认我们的研究存在一些不确定性。例如，由于天气、土壤和管理数据库以及排放因素的不准确，我们的产量差距和全球变暖潜能值估计可能存在偏差。在可能的范围内，我们依赖现有的最佳数据来源，优先考虑空间分辨率最高的测量数据和巴西公布的最新当地排放因子。我们的情景评估可能也有局限性。例如，由于巴西灌溉面积的潜在扩大而导致的产量潜力变化、基因改良和气候变化在我们的评估中没有被考虑在内。鉴于我们情景评估的时间框架相对较短(15年)，我们预计这些因素不会对潜在产量产生重大影响。同样，先前的研究表明，气候变化对巴西农作物产量的影响从负面到正面不等，而且影响相对较小^{18，19，20.}，并可透过管理措施减轻潜在的负面影响^21，22，23．我们还假设，用于大豆生产的新土地具有与现有农田相同的产量潜力。如果新土地具有较低的产量潜力，正如在许多情况下所显示的那样²⁴，它将进一步强调加强现有耕地生产的必要性。最后，我们的INT情景假设以牧场为基础的畜牧业的生产力提高，不仅可以在不需要扩大畜牧业面积的情况下满足预期的牛肉需求，而且还可以腾出土地用于大豆生产。由于很难分析出与每个组成部分相关的温室气体排放的部分，在我们的INT情景中，与畜牧业集约化相关的排放没有包括在全球变暖潜能值的计算中，导致了一些低估。然而，我们注意到，与BAU情景中土地转换产生的温室气体排放量相比，集约化产生的温室气体排放量可能相对较小。因此，我们认为我们的研究结果是稳健的，与我们的方法相关的不确定性和局限性不会改变我们研究的总体结论。

要促进巴西农业的集约化，就需要对作物和牲畜部门的AR&D项目进行战略投资。我们详细的产量差距分析确定了产量差距最大的地区，为AR&D项目提供了方向路线图。例如，我们的研究表明，在横跨塞拉多和亚马逊的相对较新的大豆产区，产量差距比巴西南部传统的大豆产区更大(图2)。2)．鉴于有利的土壤和气候禀赋，以及农民获得市场、投入和推广服务的充足渠道，我们对通过对AR&D项目的有针对性投资，在相对较短的时间内在这些新地区达到预期的作物集约化水平感到乐观。为消除目前的产量差距，需要采取的具体干预措施包括明智地选择播种日期和品种、施用营养肥料、更好地保护作物、改善土壤和水管理以及使用覆盖作物^{25，26，27，28}．我们注意到，所需的措施对生物多样性的影响微不足道(例如，改变播期、改善植物营养和综合病虫害管理)。也许更重要的是，它们的影响远远小于将森林和大草原转化为大豆生产所带来的影响。集约化也将受益于种植系统的视角，而不是专注于单个作物，以优化整个作物序列的生产力。例如，使用早熟大豆品种可能会降低大豆产量，但可以使玉米播种更早，产量更高，从而提高整个种植系统的年生产力和利润。关于以牧场为基础的畜牧系统，先前的研究表明，考虑到目前的生产力仅占潜力的20-30%，集约化存在足够的空间^{29，30.，31，32，33，34，35}．因此，我们假设存贮率适度增加12%，从而节省土地用于大豆生产，同时满足预期的牛肉需求，这是合理和可行的，可以在相对较短的时间内实现。

在当前粮食价格高企和粮食供应中断的背景下，我们认为，主要农作物生产国迫切需要重新评估其在现有耕地上提高产量的潜力。我们对巴西的国家评估超越了以往在地方层面量化产量差距的努力^36，37，表明集约化可以帮助在作物生产和保护脆弱的生态系统之间实现合理的平衡。我们了解保护自然生态系统的其他方法。例如，以前在巴西进行的研究表明，暂停、认证和激励计划有助于保护脆弱的生态系统不被转化^15，38．然而，巴西和其他国家最近的例子表明，在严重依赖农作物商品出口的国家，这些方案在保护森林方面做得不够，特别是在社会经济和政策背景有利于将自然生态系统转变为农业生产的情况下(例如，农作物价格高、森林砍伐行动执行不力和非法侵占公共土地的正规化)。^{7，39，40，41}．集约化可以补充这些保护脆弱生态系统的其他方法，提供一种协调经济和环境目标的手段。例如，集约化可以通过促进现有农田的更高产量，减轻与防止土地转作农业的规划有关的通常很大的机会成本。我们的研究传递出的一个关键信息是，如果不强调在现有农业地区加强作物生产，同时不制定强有力的制度和政策，防止在前沿农业地区砍伐森林，就很难在保护地球上最后的森林和生物多样性堡垒的同时，对各国的经济发展愿望保持敏感。

研究区域和最近的土地利用变化趋势

我们的分析集中在四个生物群落(在本文其余部分被称为区域)，它们几乎占了巴西所有的大豆种植区域:潘帕草原、大西洋森林、塞拉多和亚马逊(补充部分)1)．潘塔纳尔和卡廷加的大豆产量可以忽略不计，所以这两个地区被排除在我们的分析之外。我们重点研究了巴西以大豆为基础的系统，其中包括每年一次作物(单一大豆)或包括第二次作物玉米的系统。在后一种系统中，大豆在9月至10月播种，玉米在1月下旬至2月大豆收获后播种。单一大豆在潘帕草原很常见，那里干燥的气候不允许双种。相比之下，较高的降水使亚马逊、塞拉多和大部分大西洋森林(补充部分)可以双作2)．

大豆和第二作物玉米的产量、面积和产量的近期趋势来自2007-2019年期间的官方统计数据¹⁶．我们拟合线性模型，分别为每个地区获得大豆和玉米的年产量改良率和收获面积(图2)。1和扩展数据图。1)．利用MapBiomas项目(v.5.0)的数据估算大豆扩张引起的土地利用变化¹⁰(补充表1)．我们对土地利用变化的估计考虑了土地转换和大豆生产开始之间的时间差，这可能包括过渡阶段，如旱稻种植或短期以牧场为基础的牲畜系统⁴²．为此，我们研究了2008-2019年期间用于大豆生产的新土地，并分析了2000年这些土地中有多少属于不同的土地利用类型(森林、草原、草地、牧场或其他作物)(扩展数据图)。2)．

产量潜力和产量差距的估计

我们使用了通过全球产量差距地图集项目得出的巴西潜在产量结果⁴³使用经过充分验证的基于过程的作物模型和最好的天气、土壤和管理数据来源。简单地说，我们选择了32个地点来描绘国内大豆收获面积的分布，遵循确保代表性和合理覆盖全国作物面积的协议⁴⁴．这32个地点加起来占了巴西大豆收获面积的一半。这些地点位于占全国大豆产量86%的农业气候带内，占每个地区大豆面积的72-92%。遵循优先考虑高水平空间和时间分辨率的测量数据的协议⁴⁵，我们收集了每个地点的天气、土壤、管理和大豆作物产量的数据库，并在那些实行双作的地点收集了第二茬玉米的数据库(补充表)2而且3.及补充组3.)．

利用DSSAT v.4.5中嵌入的CROPGRO大豆模型，模拟了各地区广泛种植品种的产量潜力⁴⁶以及杂交玉米模型⁴⁷．这两个模型都以每日的时间步长来模拟作物的生长和发育。增长率是通过模拟两个CO来确定的₂同化和呼吸，根据发育阶段不同器官的分配系数。对模型物候系数进行校准，以描绘巴西每个地区最优势品种的作物周期。我们使用通用默认系数来计算与生长相关的模型内部参数，如光合作用、呼吸作用、叶面积扩张、截光、生物量分配和籽粒灌浆。在所有情况下，产量潜力的模拟都假设没有虫害、杂草和疾病，并且没有营养限制。在模拟产量潜力时，这两个模型都考虑了太阳辐射、光周期、温度、降雨的时间和数量以及影响作物水分平衡的土壤特性。

我们首先在四个地区的40个管理良好的实验中评估了CROPGRO和杂交玉米模型再现测量物候和产量的能力。模型在再现测量值时表现出令人满意的性能(扩展数据图。3.)．然后，我们模拟了每个地点(通常是两三个)主要农业土壤的大豆产量潜力，这些潜力由Radambrasil项目生成的土壤图确定⁴⁸．这些模拟是基于从巴西气象研究所检索的长期(1999年至2018年)测量的每日天气数据⁴⁹．模拟了时间序列中每年的大豆产量潜力。我们还模拟了那些实行两茬玉米的地区的二次玉米产量潜力。为此，我们使用了使大豆-玉米系统的整体生产力最大化的播种日期和品种成熟度;这些播种日期和品种成熟度在各地区目前的范围内^21，28．为了估计每个地点的平均产量潜力，我们在每个地点用土壤面积分数对每种土壤类型的模拟值进行加权。在所有情况下，模拟都假设作物生长不会因营养缺乏或杂草、害虫和病原体等生物胁迫而受到限制。根据van Bussel等人的研究，研究结果从站点到区域，再到国家。⁴⁴．简单地说，每个区域的平均产量潜力是通过平均每个区域内各地点的模拟产量来估计的，根据各地点在每个区域内大豆面积的份额来衡量。采用了类似的方法，从区域到国家层面提高了产量潜力。关于作物模型、数据来源和升级的详细信息在补充部分提供3.．

大豆和二茬玉米的农民平均产量是根据2012-2017年与每个站点重叠的城市报告的平均产量分别计算的，并根据每个站点内大豆或玉米面积的份额对各城市进行加权¹⁶．由于巴西的技术产量趋势，将2012年之前的年份计算在内会导致对平均实际产量的估计有偏差。在区域和国家一级，采用与潜在产量相同的上调方法估算农民平均产量。最后，利用可采产量差计算可采产量与农民平均产量之差。可获得的产量计算为模拟产量潜力的80%，这被认为是农民获得足够投入、市场和技术信息的合理产量(补充节)2)．

评估集约化和土地利用变化的情景

我们探索了到2035年大豆和玉米产量和面积不同的三种情景，并从产量、土地利用变化和全球变暖潜能值方面评估了它们的结果(补充表)4)．未来15年的时间跨度足以促进长期政策、投资和技术的实施，以缩小可利用的产量差距和实施土地使用政策，但也足够短，可以最大限度地减少气候变化对作物产量和种植制度的长期影响。在BAU情景下，大豆和二茬玉米面积和产量的历史趋势(2007-2019年)(扩展数据图)1)在基准年(2019年)到最后一年(2035年)之间，所有地区的碳排放都保持不变。同样，大豆面积的扩张也遵循2008-2019年观察到的土地利用变化的相同模式(扩展数据图)。2)．

为了探索在现有生产区增加产量的可用机会，我们考虑了一个NCE情景，在该情景中，耕地没有物理扩张，而目前产量差距较小的地区(潘帕草原和大西洋森林)的可开发产量差距完全关闭，而目前产量差距较大的地区(亚马逊和塞拉多)的可开发产量差距关闭了50%(补充表)4)．这些增长率与潘帕草原和大西洋森林的历史产量增长相当。亚马逊和塞拉多完全关闭产量的设想是不现实的，因为这需要比历史产量提高三到四倍，远高于潘帕草原和大西洋森林的产量，远远超过大豆主要生产国报告的产量。就二次作物玉米而言，我们假设到2035年可开发产量差距完全消失，因为历史产量改善率足以达到这一产量水平。关于二茬玉米的种植面积，根据每个地区的限水程度，我们预计两茬玉米的比例将从目前的47%(亚马逊)、39%(塞拉多)和31%(大西洋森林)分别增加到100%、70%和50%(补充部分)4)．

最后，我们探讨了集约化+目标面积扩大(INT)的第三种情景，在这种情景中，假设与NCE情景相同的产量增加率和采用相当于NCE情景的双季种，但在低c生态系统(即牧场和草地)中允许大豆-玉米系统的物理扩张。在这种情况下，由于以牧场为基础的畜牧业同时集约化，从而腾出土地用于大豆生产，大豆的扩张被限制在潘帕草原、大西洋森林和塞拉多现有牧场和草地的5%(共5.7公顷)。后者将需要提高当前的存栏率，不仅要腾出5%的面积用于大豆种植，而且要满足研究期间(2020-2035年)预计的7%的牛肉产量增长。¹⁷．因此，在我们的15年时间框架内，放养率总共需要增加12%，这是一个合理的目标，正如之前的研究报告所述，并基于当前的放养率趋势^{16，29，32，33}．

另一种假设是，用于大豆生产的牧场和草地的产量潜力与每个地区现有大豆种植区的产量潜力相似。除了亚马逊地区，所有地区都允许将农田扩展为草地和牧场，以防止“渗漏”效应和道路发展对土地清理的影响^50，51．同样，为了避免间接土地利用变化的负面影响，不允许将粮食作物种植面积转换为大豆生产⁵²．

GWP和总收入的估计

我们估计了包括二氧化碳在内的温室气体排放₂)，甲烷(CH₄)和氧化亚氮(N₂O)，与土地转换(GHG_卢克)和作物生产(温室气体_刺激)的基线年(2019年)和2035年的三种情景(BAU、NCE和INT)。温室气体_卢克包括土地被转化为大豆生产时，与地上和地下生物量碳储量变化相关的排放(GHG_生物)，以及由土壤有机碳(GHG . C)变化产生的温室气体排放_SOC)．每种土地利用类型的年温室气体排放量_生物是根据转换为生产用途的土地用途类型的C储量之间的差异估算的(补充表5)以及根据情景和地区的不同，新种植制度的平均C存量^53，54，55：

在哪里我为土地覆盖类型，TDM为总干物质(tC ha⁻¹)的土地覆盖类型我和在农田(作物)，和一个_我年面积是否由土地用途类型换算我(补充表4)．假设单一大豆系统和大豆-二茬玉米系统的碳储量分别为2和5 tC ha⁻¹分别^53，54，55．SOC存量的变化是根据政府间气候变化专门委员会2019年指南估算的⁵⁴，可用的国别排放因子⁵⁶以及每个区域估计的SOC值^57，58：

在SOC_裁判参考条件下，30 cm以上的矿质土壤有机碳存量(tC ha⁻¹）⁵⁷土地覆盖类型我(补充表5),F_陆是特定土地用途的SOC土地使用系统的存量变化因子(补充表4)．因为免耕是巴西主要的土壤管理策略⁵⁹，我们用F_陆自然植被转换为免耕年作物生产= 0.96F_陆牧场和草地转为免耕年作物生产= 1.16⁵⁶．因为我们想评估三种情景(BAU、NCE和INT)对全球变暖潜能值的全面影响，所以我们分配了所有的温室气体_生物和温室气体_SOC由土地转换后的第一年计算，并以CO表示₂通过将C存量的变化乘以3.67得到等值值。

大豆和第二作物玉米生产产生的年度温室气体排放(GHG_刺激)，其中包括农业投入物的制造、包装和运输、田间作业的化石燃料使用、土壤氮含量₂氮(N)肥的施用和国内粮食运输产生的O排放。在基准年(2019年)，根据各地区收集的作物管理数据，计算出各地区大豆和第二作物玉米当前平均投入率，计算出氮、磷(P)和钾(K)肥料和其他投入(石灰、农药和燃料)的年度温室气体排放量(补充表)6及补充组3.4)．为了计算与氮、磷、钾肥料和石灰的制造、包装和运输相关的温室气体排放，我们使用了南美洲特定的最新排放因子⁶⁰，选择了大豆和第二作物玉米生产中最常用的肥料来源:尿素(N)、磷酸一铵(P)和氯化钾(K)。我们的计算还包括了改造地区校正土壤酸度所需的额外石灰用量。种子生产、农药和柴油相关的排放因子。⁶¹．土壤N₂计算了施氮过程中产生的O排放₂O排放因子为施氮量的1%，以国别排放因子为基础⁶²．每个区域的国内粮食运输产生的排放是根据以前对每个区域的研究报告的每吨粮食温室气体估算的⁶³．我们假设在BAU情景中，除营养肥料外的其他投入相对于基线不会发生变化。在INT情景下，实际投入是根据报告的目前产量差较小的高产田的投入计算的。我们根据每种情景的预计产量，采用营养平衡方法估算了三种情景下的肥料养分率(补充表)6及补充组3.4)．

温室气体_刺激在基准年(2019年)和2035年的三种情景(BAU、NCE和INT)中，通过将单位面积排放量乘以年度大豆收获面积来估算每个区域的温室气体排放，并将它们相加以估算国家层面的温室气体排放。总的来说，100年全球变暖潜能值是温室气体的总和_卢克和温室气体_刺激，均表示为CO₂e，以解释CH较高的增温势₄和N₂O是CO的25倍和298倍₂分别以每质量为基础。每一种情况的总收入是用每年的作物产量乘以过去十年大豆和玉米谷物的平均价格(大豆和玉米分别为每吨453美元和184美元)来估算的¹)．最后，为了将环境影响和经济影响合并为一个指标，我们计算了全球变暖潜能值强度，即全球变暖潜能值与总收入之间的比率。

报告总结

有关研究设计的进一步资料，请参阅自然研究报告摘要链接到这篇文章。