保护亚马逊森林，通过农业集约化减少全球变暖

2019冠状病毒病大流行以及乌克兰战争带来了两个后果，可能对依赖大宗商品作物作为主要收入来源的发展中国家产生巨大影响。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，迅速从不利的经济影响中恢复过来²．这些事件对发展中国家至关重要，因为它们可以在相对较短的时间内引发大规模的土地转换，导致生物多样性丧失和全球变暖，而这些国家拥有大片适合耕种的土地，目前却被热带雨林和热带大草原等脆弱的生态系统覆盖^{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．特别值得注意的是位于亚马逊盆地的大片热带雨林，面积达330公顷。与此同时，巴西是大豆的主要出口国，在2017-2019年占全球出口的约40%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，在减少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、各国政府寻求通过增加农业产量实现经济增长的背景下，单靠这些措施是否足以防止脆弱的生态系统发生转变。

在这里，我们调查了在何种程度上集约化(即提高现有农业地区的生产力)可以作为一种使巴西同时协调生产和环境目标的手段。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结合起来，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。我们讨论了促进农业集约化和保护脆弱生态系统的农业研发(AR&D)计划对政策制定者和优先事项的影响。

大豆种植区集中在四个区域:潘帕草原、大西洋森林、塞拉多和亚马逊(图4)。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改作农业的过程，现在只剩下一小部分原生植被。相比之下，塞拉多地区，特别是亚马逊地区仍保留着大片原始森林和稀树草原。在最近的2007-2019年期间，受亚马逊和塞拉多地区适宜作物生产的土壤和有利天气的推动，大豆种植面积以每年1.4万公顷的速度增长，这使农民能够获得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1)。1，扩展数据图。1而且2补充表1和补充部分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，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．与其他地区相比，塞拉多和亚马逊地区的产量提高速度较慢。1 b)．塞拉多和亚马逊地区的产量提高较慢可能是由于这些地区的大豆生产历史较短。与50年前引入大豆的巴西南部历史大豆产区相比，这些地区的大规模大豆生产始于21世纪初。

产量潜力是指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，一个适应性良好的品种的产量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，估算了巴西大豆和第二作物玉米的产量潜力。2，扩展数据图。3.和补充表2而且3.)．我们的评估显示，平均产量潜力为5.5毫克公顷⁻¹但与大西洋森林和潘帕草原相比，塞拉多和亚马逊地区的大豆产量潜力更高更稳定。以第二茬玉米为例，由于气候限制，除了潘帕草原和部分大西洋森林外，其他所有地区都种植玉米，其产量潜力为10.6毫克公顷⁻¹．问题是每个地区通过集约化增加现有农田大豆和第二作物玉米产量的空间有多大。在农民田间达到产量潜力是困难的，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，导致利润减少和巨大的负面环境影响。相比之下，达到模拟产量潜力的80%(以下称为可达到的产量)被认为是对有足够机会获得投入、市场和推广服务的农民人口来说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距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距向北增加，分别从潘帕森林和大西洋森林的10%和25%，到亚马逊和塞拉多森林的35%(图1)。2和补充表2)．就第二作物玉米而言，可开发产量差距占各地区可实现产量的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年持续存在(图5)。3.而且4和补充表4)．作为一种替代途径，我们评估了一种情景，即历史产量在未来15年持续提高，但由于限制将新的大豆生产区域转化为耕地，没有耕地扩张(NCE)，由于与牲畜生产的竞争，没有扩张为牧场和草地(图5)。3.而且4和补充表4)．最后，我们评估了一个集约化情景(INT)，以减少土地转换为大豆生产的负面环境影响，同时最小化负面经济影响(图5)。3.而且4和补充表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，就需要增产的速度比这两个地区的历史增长率高出两到三倍，但要与潘帕和大西洋森林的增产速度相当。1)．由于潘帕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提高率将保持不变，这使得到2035年可开发的产量差距完全弥合。就第二茬玉米而言，我们假设现有的产量差距完全消除，因为目前的产量差距已经很高了。我们的INT情景还假设，在气候允许双季种植的地区，在现有的大豆地区进一步采用第二茬玉米。此外，我们还假设在INT情景下，以牧场为基础的畜牧系统将并行强化，以便在除亚马逊地区以外的所有地区，将现有的部分牧场和草原释放出来用于大豆生产。我们估计，在目前以牧场为基础的牲畜系统中，约12%的放养率将足以满足预计的牛肉需求，并腾出5.7 Mha的牧场和草地用于大豆生产(方法)．在INT设想中，不允许以牺牲其他粮食作物面积为代价进行扩张，以避免间接改变土地利用。

在BAU情景中，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，在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1955万吨可可豆为代价₂E由于土地转换而释放到大气中。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(15年研究期间为4470亿美元)，导致大豆产量到2029年低于预期¹⁷与BAU情景相比，大豆和第二作物玉米产量降低40%。在INT情景下，大豆平均产量达到3.9毫克公顷⁻¹到2035年，第二季玉米平均产量达到8.6毫克公顷⁻¹．值得注意的是，INT情景在增加农业产出和减少不利的环境影响之间取得了合理的平衡。到2035年，大豆产量将增加到1.62亿吨，减少与NCE情景相关的机会成本。实际上，INT方案从大豆和第二作物玉米获得的总收入占BAU方案的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(即单位毛收入的全球变暖潜能值)。总的来说，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。

过去50年来，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，农业产量的增加大多来自于农田的扩张，而不是农田的生产力(图1)。1)．我们的分析基于巴西土地利用的现有空间数据¹⁶巴西最近大豆种植的近三分之一发生在亚马逊地区。2)，这与碳平衡的变化是一致的(从净CO₂下沉到一个源头)和创纪录的森林砍伐率报告在该地区^7，8．我们的研究评估了在国家层面上作物集约化和土地利用变化的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畜区(图5)。3.而且4)．一方面，目前大豆面积扩张的趋势(BAU情景)的持续将导致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，对扩大大豆面积施加限制，而不明确努力加快历史产量增长速度和加强以牧场为基础的畜牧业(NCE情景)，将会由于全国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强化，加上土地利用规划(INT情景)，扭转目前大豆扩张的模式，而不会在作物生产和经济利润之间产生重大权衡。然而，要使集约化有效，就需要适当的政策和执行，以确保作物产量提高所节省的土地导致为自然保留土地。

我们承认我们的研究受到一些不确定因素的影响。例如，由于基础天气、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升温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发布的最新的巴西当地排放因子。我们的场景评估也可能有局限性。例如，在我们的评估中没有考虑到巴西灌溉面积的潜在扩大、遗传改良和气候变化带来的产量潜力的变化。鉴于我们的情景评估时间相对较短(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，以前的研究表明，气候变化对巴西作物产量的影响从消极到积极不等，而且相对较小^{18，19，20.}，潜在的负面影响可能会通过管理措施来减轻^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。如果新土地的产量潜力较低，正如许多例子所显示的那样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。由于很难解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升温潜能值的计算中，导致了一些低估。然而，我们注意到，在BAU情景下，集约化产生的温室气体排放可能相对较小。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修改我们研究的总体结论。

促进巴西农业的集约化将需要对作物和牲畜部门的AR&D方案进行战略投资。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规划提供了路线图。例如，我们的研究表明，在塞拉多和亚马逊相对较新的大豆产区，产量差距比巴西南部的传统大豆产区更大(图1)。2)．考虑到有利的土壤和天气禀赋以及农民充分进入市场、投入和推广服务的机会，我们对通过对AR&D规划的有针对性的投资，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持乐观态度。弥补目前产量差距所需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，所需的做法对生物多样性的影响可以忽略不计(例如，改变播种日期、改善植物营养和虫害综合治理)。也许更重要的是，它们的影响远远小于将森林和大草原转变为大豆生产所带来的影响。集约化也可以从作物系统的角度，而不是从专注于个别作物的角度，来优化整个作物序列的生产力。例如，使用早熟的大豆品种可能会减少大豆产量，但可以使玉米播种更早，产量更高，从而为整个种植系统带来更高的年生产力和利润。关于以牧场为基础的牲畜系统，先前的研究表明，考虑到目前的生产力只占潜力的20-30%，集约化存在充足的空间^{29，30.，31，32，33，34，35}．因此，我们的假设是，在满足预期牛肉需求的同时，库存率适度增加12%，从而节省土地用于大豆生产，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，主要作物生产国迫切需要重新评估它们在现有农田上生产更多粮食的潜力。我们对巴西的国家评估超越了以往量化地方产量差距的努力^36，37这表明集约化可以帮助实现作物生产和脆弱生态系统保护之间的合理平衡。我们知道保护自然生态系统的其他方法。例如，先前在巴西进行的研究表明，暂停、认证和奖励方案有助于保护脆弱的生态系统不被转化^15，38．然而，最近在巴西和其他国家的例子表明，在严重依赖作物商品出口的国家，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攫取公共土地的正规化)，这些方案未能保护好这些国家的森林。^{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提高现有农田的产量来减轻与防止土地转为农业的方案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区域内加强作物生产，同时不制定强有力的机构和政策，防止在前沿农业地区砍伐森林，就很难在对各国发展经济愿望敏感的同时，保护地球上最后的森林堡垒和生物多样性。

研究土地利用变化的区域和近期趋势

我们的分析集中在四个生物群落(在本文其余部分称为区域)，它们几乎占据了巴西所有的大豆区: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几乎可以忽略不计，因此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，包括每年一种作物(单一大豆)或包括第二种作物玉米的系统。在后一种制度中，大豆在9月至10月播种，玉米在1月底至2月大豆收获后立即播种。单一大豆在潘帕草原很常见，那里的气候比较干燥，不允许双季种植。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)可以进行两季种植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，分别推导出每个地区大豆和第二作物玉米的年产量提高率和收获面积(图1)。1和扩展数据图。1)．利用MapBiomas项目(5.0版本)的数据估算了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用和大豆生产开始之间的时间差，这可能包括诸如旱稻种植或短期牧场畜牧系统等过渡阶段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是不同的土地使用类型(森林、稀树草原、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图集项目获得的关于巴西产量潜力的结果⁴³使用经过充分验证的基于过程的作物模型和最佳的天气、土壤和管理数据来源。简单地说，我们选择了32个地点来描述该国大豆收获面积的分布，遵循确保全国作物面积的代表性和合理覆盖的协议⁴⁴．这32个地点合计占巴西大豆收获面积的一半。这些地点位于农业气候带内，占全国大豆产量的86%，占每个地区大豆面积的72-92%。以下协议优先考虑高水平空间和时间分辨率的测量数据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，也收集了复种地点的第二作物玉米的数据库(补充表2而且3.和补充部分3.)．

利用DSSAT v.4.5中嵌入的CROPGRO大豆模型，模拟了各地区广泛应用的大豆品种的产量潜力⁴⁶以及杂交玉米模型⁴⁷．这两个模型都模拟了作物的生长和发育在每天的时间步长。增长率是通过模拟CO来确定的₂同化和呼吸，分配系数取决于不同的器官发育阶段。对模型物候系数进行了校准，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、光拦截、生物量分配和籽粒灌浆。在所有情况下，对产量潜力的模拟都假定没有病虫害、杂草和疾病以及没有营养限制。在模拟产量潜力时，两种模型都考虑了太阳辐射、光周期、温度、降雨时间和降雨量以及影响作物水分平衡的土壤性质。

我们首先通过位于四个地区的40个管理良好的实验，评估了CROPGRO和杂交玉米模型重现测量物候和产量的能力。模型在再现测量值方面表现出令人满意的性能(扩展数据图。3.)．然后，根据Radambrasil项目生成的土壤图，我们模拟了每个站点(通常是两个或三个)的主要农业土壤的大豆产量潜力⁴⁸．这些模拟是基于从巴西气象研究所检索的长期(1999-2018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二次种植的地区玉米的产量潜力。为此，我们使用了最大化大豆-玉米系统整体生产力的播种日期和品种成熟度;这些播种日期和品种成熟度在每个地区的当前范围内^21，28．为了估计每个站点的平均产量潜力，我们用每个站点的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，模拟都没有假设作物生长因营养缺乏或杂草、害虫和病原体等生物胁迫的发生而受到限制。根据van Bussel等人的研究，结果从地点到地区再到国家进行了放大。⁴⁴．简单地说，每个区域的平均产量潜力是通过每个区域内各站点模拟产量的平均值来估计的，并根据各站点在每个区域内大豆种植面积的份额进行权衡。同样的方法也被用于从地区到国家的产量潜力提升。作物模型、数据来源和缩放的详细资料载于补充部分3.．

大豆和第二作物玉米的农民平均产量是根据2012-2017年期间与每个站点重叠的城市报告的平均产量分别计算的，并根据各城市在每个站点内大豆或玉米面积的份额对其进行权衡¹⁶．由于巴西的技术产量趋势，包括2012年之前的更多年份将导致对平均实际产量的估计存在偏差。采用与估算产量潜力相同的上升方法，在区域和国家一级估算了农民平均产量。最后，将可开发产量差计算为可获得产量与农民平均产量之差。可获得的产量被计算为模拟产量潜力的80%，这被认为是对有足够的投入、市场和技术信息的农民的合理产量(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升温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实施长期政策、投资和技术，以弥补可开发的产量差距并执行土地使用政策，但也足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，大豆和第二作物玉米面积和产量的历史(2007-2019年)趋势(扩展数据图)。1)在基准年(2019年)至最后一年(2035年)期间，在所有区域保持不变。同样，大豆面积的扩大遵循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域增加产量的可用机会，我们考虑了一个NCE情景，即没有耕地的实际扩张，而可开发产量缺口完全关闭发生在当前产量缺口较小的地区(潘帕和大西洋森林)，而50%可开发产量缺口关闭发生在当前产量缺口较大的地区(亚马逊和塞拉多)(补充表)4)．这些增长率与潘帕森林和大西洋森林的历史产量增幅相当。亚马孙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，远远高于潘帕和大西洋森林的产量，远远超过主要大豆生产国报告的产量。以第二茬玉米为例，我们假设到2035年可开发产量差距完全消除，因为历史产量提高率足以达到这一产量水平。关于第二种玉米的种植面积，根据每个区域的水资源限制程度(补充部分)，我们预测两种作物的比例将分别从目前的47%(亚马逊)、39%(塞拉多)和31%(大西洋森林)增加到100%、70%和50%4)．

最后，我们探索了集约化+目标面积扩大(INT)的第三种情景，在该情景中，我们假设了与NCE情景相同的增产率和采用相当于NCE情景的双季作物，但允许在低碳生态系统(即牧场和草原)中进行大豆-玉米系统的物理扩张。在这种情况下，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原的5%(共5.7公顷)，这是由于以牧场为基础的畜牧业的并行强化，腾出了用于大豆生产的土地。后者需要提高目前的存贮率，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7%的牛肉产量增长。¹⁷．因此，在我们的15年时间框架内，总载畜率需要提高12%，这是一个合理的目标，正如之前的研究报告所述，并基于目前的载畜率趋势^{16，29，32，33}．

另一个假设是，用于大豆生产的牧场和草地的产量潜力与每个地区现有的大豆区相似。除了亚马逊地区，所有地区都允许将农田扩展为草原和牧场，以防止“渗漏”效应和道路开发对土地清理的影响^50，51．同样，为了避免间接土地利用变化带来的负面影响，也不允许将粮食作物种植面积转为大豆生产⁵²．

GWP和总收入的估算

我们估计了温室气体排放，包括二氧化碳(CO₂),甲烷(CH₄一氧化二氮(N₂O)，与土地转换有关(温室气体_卢克)和作物生产(GHG_刺激)和到2035年的三种情景(BAU、NCE和INT)。温室气体_卢克包括土地转化为大豆生产时，地面和地下生物量产生的碳储量变化(GHG_生物)，以及由土壤有机碳(GHG_SOC)．对于每种土地利用类型，每年的温室气体_生物，是根据转作生产用途的土地用途类别的C类储量的差异而估计的(补充表5)和根据情景和地区，新种植制度的平均C库存量^53，54，55：

在哪里我为土地覆被类型，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转换而来我(补充表4)．假设单一大豆和大豆-第二作物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，可用的国家特定排放因子⁵⁶以及每个区域的SOC值^57，58：

在SOC_裁判矿质土壤的有机碳存量是否在30厘米以上(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,我们使用F_陆自然植被转为免耕作物年生产= 0.96F_陆= 1.16的牧草和草地转为免耕年作物生产⁵⁶．因为我们想要评估三个情景(BAU、NCE和INT)对全球变暖潜能值的全面影响，我们分配了所有的温室气体_生物和温室气体_SOC由土地转产至土地转产后第一年，以CO表示₂C股的变化乘以3.67。

来自大豆和第二作物玉米生产的年温室气体排放(GHG_刺激)，包括农业投入的制造、包装和运输、田间作业使用化石燃料、土壤氮₂氮(N)肥的施用和国内粮食运输产生的O排放。对于基准年(2019年)，N、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是根据每个区域收集的作物管理数据计算的，即每个区域大豆和第二作物玉米的当前平均投入率(补充表)6和补充部分3.4)．为了计算与N、P、K化肥和石灰的生产、包装和运输相关的温室气体排放，我们使用了南美的具体更新排放因子⁶⁰我们选择了大豆和第二季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在改造后的地区为纠正土壤酸性而需要额外施用的石灰。与种子生产、农药和柴油相关的排放因子由参考文献推导。⁶¹．土壤N₂计算了施氮肥产生的O排放，假设N₂在国家特定排放因子的基础上，施氮肥1%的O排放因子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的温室气体估算的⁶³．我们假设在BAU情景中，除了营养肥料以外的投入相对于基线不会发生变化。在INT方案中，应用的投入是根据报告的目前产量差距很小的高产田的投入计算的。我们根据每种情况的预期产量，采用营养平衡方法估算了三种情况下的肥料营养率(补充表)6和补充部分3.4)．

温室气体_刺激在基线年(2019年)和2035年的三种情景(BAU、NCE和INT)中，通过将单位面积排放乘以年度大豆收获面积，对每个区域进行估计，并将其相加，以估计国家层面的温室气体排放。总的100年全球升温潜能值被估计为温室气体的总和_卢克和温室气体_刺激，均表示为CO₂e，以解释CH的高温势₄和N₂O分别是CO强度的25和298倍₂在每质量的基础上，分别。每一种情况的总收入是通过将作物年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，为了将环境和经济影响合并到一个指标中，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的比值。

报告总结

关于研究设计的进一步信息可在自然研究报告摘要链接到本文。