中国农业源甲烷和氧化亚氮排放的影响因素

基于清单方法对中国的甲烷（CH₄）及氧化亚氮（N₂O）等农业源非二氧化碳（CO₂）温室气体（GHG）排放情况进行核算研究,通过引入Tapio弹性脱钩理论和对数平均迪氏指数（LMDI）方法研究了中国农业源CH₄和N₂O排放的影响因素.结果表明：①1980—2018年中国农业源CH₄和N₂O排放量由0.56×10⁹ t CO₂-eq上升至0.73×10⁹ t CO₂-eq;②1980—2018年中国农业源CH₄和N₂O排放随着农业总产值增长而缓慢增加,整体呈弱脱钩状态,但其脱钩状态稳定性较差;③从LMDI因素分解角度看,经济因素和人口规模因素对中国农业源CH₄和N₂O排放呈正效应,经济因素影响最大;效率因素和结构因素均对中国农业源CH₄和N₂O排放有减缓作用,其中,效率因素为主要抑制因素;④结构因素、效率因素和人口规模因素对脱钩努力的影响程度为效率因素>结构因素>人口规模因素.     

青海湖东北岸天然草地CO2 通量变化特征

采用涡度相关法对青海湖东北岸地区草甸化草原生态系统的CO₂ 通量进行了观测,结果表明： 在生长季节(5~9 月),就日变化,08:00~19:00 为CO₂ 净吸收,20:00~07:00 为CO₂ 净排放,CO₂ 通量 净吸收峰值一般出现在12:00 时,7 月份12:00 时CO₂ 净吸收峰值为1.41 g·(m2·h)^-1;就月变化,7 月 是生长季CO₂ 净吸收最高月份,月CO₂ 净吸收量达到162.70 g·m^-2,整个生长季CO₂ 净吸收的总量达 468.07 g·m^-2。非生长季节(1~4 月及10~12 月),CO₂ 通量日变化振幅极小,最大CO₂ 净排放通量出现 在3 月,为0.29 g·(m2·h)^-1,除12 月和1 月各时段CO₂ 通量接近于零,其余月份各时段CO₂ 净排放在 0.02~0.29 g·(m2·h)^-1;3 月是全年CO₂ 净排放的最高月份,全月CO₂ 净排放量为72.33 g·m^-2,整个非生 长季CO₂ 净排放为319.78 g·m^-2。结果表明,无放牧条件下青海湖东北岸地区草甸化草原,全年CO₂ 净吸收量达148.30 g·m^-2,是显著的CO₂ 汇。     

废弃物焚烧处理温室气体排放情景模拟与预测

为模拟废弃物焚烧处理过程中产生的温室气体排放,积极推动温室气体减排工作,早日实现碳达峰碳中和目标.基于系统动力学和IPCC温室气体排放计算方法,构建了以基准情景（BAU）为基础,从单一和综合技术类型减排情景出发的焚烧处理温室气体排放模型,并模拟预测了2010~2050年温室气体排放量（以CO_2e计,CO_2e为CO₂当量）的趋势变化、减排潜力以及空间分布.结果表明：①2010~2019年我国废弃物焚烧处理温室气体排放量呈增长趋势,于2016年后显著提升,年增速为18.61%.②2020~2050年,单一技术减排情景的中端改进情景（S2）和终端减排情景（S3）温室气体排放量分别于2043年和2036年达到峰值8410万t和6966万t.综合技术减排情景相较于单一技术减排情景较早达到排放峰值,综合技术减排情景中全过程减排情景（S7）采用多种减排技术协同控制温室气体排放,2050年累积排放量为205927万t,相对BAU情景减排了78.27%,排放达峰时间最早且减排潜力最大.③焚烧处理温室气体排放空间差异显著,排放量较多的省份主要分布在人口密集且经济发达的区域,江苏和广东省排放量最多,甘肃、吉林和宁夏等6个省份为排放低值区.     

江苏省二氧化碳减排政策对空气质量改善增益

碳排放达峰和空气质量达标是当前大气环境研究的热点问题.利用排放因子法建立2010~2019年江苏省城市级温室气体排放清单,进一步结合温室气体-大气污染物协同关系分析和WRF-Chem空气质量模型模拟,量化不同碳减排情景下空气质量改善的协同增益.结果表明,2010~2019年江苏省CO₂年均排放量为701.74~897.47 Mt,其中苏州、徐州和南京排放量最高（91.19~182.12 Mt ·a^-1）,扬州、宿迁和连云港排放量最低（13.19~32.54 Mt ·a^-1）,大部分城市CO₂排放呈持续上升趋势.能源活动为CO₂排放的主要来源,贡献率占比近90%,工业生产过程贡献率约10%.依据减排侧重点的不同设计3类CO₂减排情景,分别为全部门协同减排、优先能源减排和优先工业减排,每类减排情景包含不同的CO₂减排力度（10%、20%和40%）.情景模拟结果指出,以2017为基准年,全部门协同、优先能源和优先工业减排中PM_2.5年均浓度下降幅度分别为6.7~21.1、3.1~12.0和3.4~14.3 μg ·m^-3.全部门协同减排对PM_2.5污染改善最为显著,在全部门减排情景为40%下,除徐州和宿迁外其它城市PM_2.5年均浓度值均能达到国家Ⅱ级标准（35 μg ·m^-3）.PM₁₀、SO₂、NO₂和CO的变化响应与PM_2.5类似,但O₃污染在优先能源和优先工业情景下呈现出不同程度的上升趋势.     

DNDC模型在长江三角洲农田生态系统的CH4和N2O排放量估算中的应用

长江三角洲是我国农业发达地区之一,其农业生产所排放的CH₄和N₂O,早已引起了研究者的重视.本研究在分析总结现有的野外观测结果的基础上,验证了估算区域痕量气体排放量的生物地球化学模型DNDC,估算出长江三角洲地区的CH₄和N₂O排放量分别为1.69(1.29～2.09)Tg·a^-1和0.019(0.014～0.024)Tg·a^-1,分别占全国农田CH₄和N₂O排放量的16.7%和6.1%.     

秸秆添加对长期施肥旱地红壤N2O和CO2排放的影响

秸秆还田作为农田土壤培肥的一种重要措施,显著影响N₂ O和CO₂ 等温室气体排放.为探明长期施肥土壤N₂ O和CO₂ 排放对秸秆添加的响应规律及关键影响因素,采集对照（CK,不施肥）、当地推荐化肥施用量（F）、200 %当地推荐化肥施用量（2F）、猪粪（M）和化肥配施猪粪（FM）这5种长期施肥（30 a）处理的旱地红壤,分别设置添加秸秆和不添加秸秆处理,在恒温恒湿条件下培养（65 %田间持水量,25 ℃）20 d.结果表明,施肥显著促进了N₂ O排放.相较不施肥处理[（22.05 ±2.09） μg·kg^-1,以N计,下同],施化肥处理N₂ O累计排放量显著增加了119 %~195 %[F和2F处理分别为（48.38 ±20.81） μg·kg^-1和（65.13 ±12.55） μg·kg^-1],施粪肥处理N₂ O累计排放量显著增加了275 %~399 %[M和FM处理分别为（82.72 ±12.73） μg·kg^-1和（1 101.99 ±425.71） μg·kg^-1].土壤硝态氮（NO₃ ^--N）、可溶性有机碳（DOC）和可溶性总氮（DTN）是影响不同施肥处理N₂ O排放的主要因素.相较未添加秸秆,添加秸秆对CK、F和FM处理的N₂ O累计排放无显著影响,显著增加了2F（345 %）和M处理（247 %）的N₂ O累计排放.秸秆添加通过增加DOC和消耗DTN从而影响N₂ O排放.施肥显著促进了CO₂ 排放.相较不施肥处理,施粪肥处理CO₂ 累计排放量显著增加了120 %~130 %[M和FM处理累计排放量（以C计,下同）,分别为（122.11 ±4.3） mg·kg^-1和（116.47 ±4.55） mg·kg^-1],2F处理CO₂ 累计排放量显著增加了28 %[（65.13 ±12.55） mg·kg^-1].微生物量碳（MBC）、DOC和DTN是影响不同施肥处理CO₂ 排放的主要因素.相较未添加秸秆,添加秸秆条件下CO₂ 累计排放量显著增加了660 %~1 132 %.秸秆添加后DOC和MBC含量显著提高,促进了CO₂ 排放.综上,秸秆添加通过增加土壤DTN消耗和DOC含量显著促进施肥处理的N₂ O和CO₂ 排放.在施用粪肥的旱地红壤中应合理考虑秸秆还田,以平衡肥力提升与温室气体排放的综合效益.     

耕作制度对川中丘陵区冬灌田CH4和N2O排放的影响

采用静态暗箱/气相色谱法连续2 a田间原位测定,研究川中丘陵区冬灌田CH₄和N₂O的排放特征和不同耕作制度对冬灌田CH₄和N₂O排放的影响.结果表明,1a只种1季中稻冬季灌水休闲的冬灌田(PF),在水稻生长期,CH₄平均排放通量为(21.44±1.77)mg·(m²·h)^-1,非水稻生长期为(3.77±0.99)mg·(m²·h)^-1,分别大大低于以前文献报道的在西南其它地方观测值;全年CH₄排放量以水稻生长期CH₄排放量为主,非水稻生长期CH₄排放量仅占全年总排放量的23.2%.冬灌田N₂O排放通量年均值为(0.051±0.008)mg·(m²·h)^-1,且主要集中在水稻生长季,非水稻生长期N₂O排放量仅占全年总排放量的8.1%.在采用水旱轮作制后,冬灌田CH₄排放量大大降低,稻-麦轮作(RW)和稻-油菜轮作(RR)全年CH₄排放量分别为PF的43.8%和40.6%.但冬灌田改为水旱轮作制后,N₂O排放量显著增大,RW和RR的N₂O年排放量分别是PF的3.7倍和4.5倍.综合考虑冬灌田在采用不同耕作制度后排放CH₄和N₂O的全球增温潜势(GWP),无论是短时间尺度还是长时间尺度,采用3种耕作制度全年所排放的CH₄和N₂O所产生的综合GWP都为:PF RW≈RR.在20a、100a和500a时间尺度上,PF分别约是RW和RR的2.6、2.1和1.7倍.冬灌田改为水旱轮作制度后能大大减少CH₄和N₂O所产生的综合GWP.     

大气14CO2的时空分异特征及其在化石源CO2示踪中的应用

大气CO₂中放射性碳同位素(¹⁴C)的水平可以反映化石源CO₂的影响程度,这对于评估我国目前化石源CO₂的排放状况和制定节能减排政策具有重要的指导意义。本文在概述大气¹⁴CO₂采样和分析方法的基础上,简要介绍了大气¹⁴CO₂观测的起源和主要的源汇过程,重点论述了大气¹⁴CO₂的时空分异特征及其驱动因素;阐述了化石源CO₂浓度的估算方法及¹⁴CO₂在国内外化石源CO₂示踪中的应用现状,并对大气¹⁴CO₂观测在我国化石源CO₂示踪中的应用前景进行了展望;旨在为我国正确地开展大气¹⁴CO₂的观测研究,深刻地理解特定区域大气¹⁴CO₂的时空分异特征和化石源CO₂的分布状况提供参考。     

鄂南4种典型土地利用方式红壤CO2排放及其影响因素

以湖北省咸宁地区分布的红壤为研究对象,采用静态箱法对4种典型土地利用方式（水稻-油菜轮作田,旱地,林地,果园）土壤CO₂的排放特征及其相关影响因子进行了观测研究.结果表明,4种利用方式土壤CO₂的年排放总量从高到低分别为水稻-油菜轮作田1 129 g/(m²·a),果园828 g/(m²·a),旱地632 g/(m²·a),林地533 g/(m²·a).土壤CO₂排放通量呈现明显的季节性变异,水田夏季淹水期排放低,而其它3种土壤都是夏季最高,春秋次之,冬季最低,并与对应的大气温度、土壤温度变化趋势基本一致.其中5 cm地温与4种土壤CO₂排放通量均成极显著的相关关系,且以林地的相关性最大.除水田外,其它土壤CO₂排放通量与大气温度均呈显著正相关关系.根据5 cm地温与CO₂排放通量的相关方程计算得出,4种利用方式红壤的Q₁₀分别为水田1.51,果园1.88,林地2.08,旱地2.7.土壤CO₂排放通量与土壤WFPS之间并没有明显的相关关系.土壤可溶性有机碳（DOC）含量与CO₂排放通量的变化趋势基本一致,且DOC在降水或淹水的情况下显著增大.     

大气CO2摩尔分数升高对高、低应答水稻稻田N2O排放的影响

依托稻田大气CO₂摩尔分数（x［CO₂］）升高平台FACE （free-air CO₂ enrichment）,采用静态透明箱-气相色谱法研究x［CO₂］升高（正常x［CO₂］+200 μmol·mol^-1）对高、低应答水稻（产量对x［CO₂］升高的响应分别为>30%和10%~15%）稻田N₂O排放的影响.本试验设置4个处理：A-W （正常x［CO₂］+低应答水稻）、F-W （x［CO₂］升高+低应答水稻）、A-S （正常x［CO₂］+高应答水稻）和F-S （x［CO₂］升高+高应答水稻）.结果表明,对比正常x［CO₂］处理（A-S和A-W）,x［CO₂］升高条件下高、低应答水稻（F-S和F-W）稻田N₂O排放分别降低52.54%（P<0.05）和38.40%（P<0.05）,水稻产量分别增加22.96%（P<0.05）和12.11%（P>0.05）,稻田N₂O排放强度分别降低61.68%（P<0.05）和45.13%（P<0.05）.另外,高、低应答水稻稻田N₂O排放与稻田土壤NH₄⁺-N含量呈显著相关关系,而与NO₂^--N含量无显著相关.x［CO₂］升高条件下,土壤温度是影响高应答水稻稻田N₂O排放的重要因素.综合考虑,未来x［CO₂］升高条件下,高应答水稻品种的"增产减排"效果最佳.     

2010年中国机动车CH4和N2O排放清单

中国大部分机动车温室气体排放研究都集中于CO₂排放,对于CH₄和N₂O等排放的研究鲜见. 以中国机动车污染防治年报(2011年)、中国汽车工业年鉴(2011年)、中国统计年鉴(2011年)以及交通运输部发布的相关信息和数据(2011年)等为基础,结合文献调研和2008─2010年对北京、广州等国内10余座典型城市的实地调查结果,获得2010年我国机动车活动水平及排放特征. 基于上述基础信息,解析得到按不同车型、燃料和车龄分布的机动车保有量、年均行驶里程及排放因子,建立2010年中国机动车CH₄和N₂O排放清单. 结果表明:2010年中国机动车CH₄和N₂O排放量分别为23.90×104和6.01×104t,折算成CO₂分别为501.99×104和1862.51×104t. 不确定性分析则显示,中国CH₄排放量在18.21×104～27.52×104t之间,N₂O排放量在4.32×104～7.62×104t之间. 在机动车中,汽车CH₄和N₂O排放量最大,分担率(某车型污染物排放量占机动车排放总量的比例)分别为77.99%和94.22%,而摩托车和农用车排放分担率较小. 在各类汽车中,CH₄排放主要来源于轻型汽油车和天然气出租车,二者的排放分担率分别为47.98%和23.42%;N₂O排放则主要源于轻型汽油车,其分担率为73.09%. 因此,轻型汽油车是削减机动车CH₄和N₂O排放的重点车型,同时天然气出租车也应作为控制CH₄排放的主要车型.      

长江经济带农业源非二氧化碳温室气体排放的时空特征

利用清单方法核算了1980~2016年长江经济带农业源非二氧化碳（CO₂）温室气体的排放总量和排放强度,分析了不同经济发展情景和农业-环境脱钩状态下长江经济带2030年和2050年的排放情景.研究表明：时间维度上,1980~2016年长江经济带农业源非CO₂温室气体排放总量呈上升趋势,从0.26Gt CO₂-eq上升到0.32Gt CO₂-eq;2030年和2050年在高情景和中情景2种情景下,长江经济带农业源非CO₂温室气体排放量不会达峰,江苏、湖南、重庆、云南、湖北和安徽等六省（市）的单位农地面积排放强度将增加;3种情景下,四川始终为单位农地面积排放强度较低的地区.     

基于LMDI中国省域氮氧化物减排与实现路径研究

首先基于Kaya恒等式,利用对数平均Divisia指数分解模型(LMDI法)将氮氧化物排放分解为排放因子、能源强度、经济结构、能源结构和经济发展5个因素;其次通过模型得出的脱钩系数运用构建四象限法评价"十二五"期间中国30个省市脱钩空间差异,研究各省市氮氧化物减排表现、分析减排潜力和减排影响因素,为国家"十三五"制定差异化的区域氮氧化物减排目标和寻找多元化的氮氧化物减排途径提供有益参考.研究结果表明:经济增长是促进氮氧化物排放量增加的决定因素,能源强度降低是抑制氮氧化物增排的决定因素,经济结构优化和能源结构调整具有较大促进氮氧化物减排潜力;中国氮氧化物排放与经济增长脱钩空间分异明显,大部分省市经济发展与氮氧化物排放处于脱钩状态,部分省市弱脱钩状态.同时,中国氮氧化物排放与经济增长脱钩系数呈现逐年上升趋势,2010—2015年中国各省市氮氧化物排放脱钩空间分布由较弱、中脱钩为主至中、较强脱钩为主再到较强脱钩为主,呈现区域间"异质化"和区域内"均质化"的趋势.国家氮氧化物后续减排任务应多分解在中脱钩或弱脱钩(减排潜力大)省市,对相邻的省份制定协同减排计划,且主要通过提高能源利用效率、同时优化经济结构和能源消费结构实现其最优减排.     

Global warming contributions from wheat,sheep meat and wool production in Victoria,Australia – a life cycle assessment

This paper compares the life cycle global warming potential of three of Australia’s important agricultural production activities – the production of wheat, meat and wool in grazed subterranean clover (sub-clover) dominant pasture and mixed pasture (perennial ryegrass/phalaris/sub-clover/grass and cape weed) systems. Two major stages are presented in this life cycle assessment (LCA) analysis: pre-farm, and on-farm. The pre-farm stage includes greenhouse gas (GHG) emissions from agricultural machinery, fertilizer, and pesticide production and the emissions from the transportation of these inputs to paddock. The on-farm stage includes GHG emissions due to diesel use in on-farm transport and processing (e.g. seeding, spraying, harvesting, topdressing, sheep shearing), and non-CO₂ (nitrous oxide (N₂O), and methane (CH₄)) emissions from pastures and crop grazing of lambs.The functional unit of this life cycle analysis is the GHG emissions (carbon dioxide equivalents – CO₂ -e) from 1 kg of wheat, sheep meat and wool produced from sub-clover, wheat and mixed pasture plots. The GHG emissions (e.g. CO₂, N₂O and CH₄ emission) from the production, transportation and use of inputs (e.g. fertilizer, pesticide, farm machinery operation) during pre-farm and on-farm stages are also included. The life cycle GHG emissions of 1 kg of wool is significantly higher than that of wheat and sheep meat. The LCA analysis identified that the on-farm stage contributed the most significant portion of total GHG emissions from the production of wheat, sheep meat and wool. This LCA analysis also identified that CH₄ emissions from enteric methane production and from the decomposition of manure accounted for a significant portion of the total emissions from sub-clover and mixed pasture production, whilst N₂O emissions from the soil have been found to be the major source of GHG emissions from wheat production.     

应用DNDC模型估算区域农业土壤N2O释放通量和释放量——以贵州省为例

根据ＤＮＤＣ模型能较好地拟合贵州省玉米－油菜轮作田、大豆－冬小麦轮作田和休耕地的N₂O释放通量及其影响因子的季节变化模式,采用ＤＮＤＣ模型估算了以县为空间分辨尺度的贵州省农业土壤１９９５ 年N₂O释放通量和释放量;定量评估了施肥和耕作农业活动对该地区N₂O释放量的贡献． 本工作将为准确估算我国农业土壤的N₂O释放量和提出科学的减排措施提供研究基础和方法参考．     

山西省CO2排放影响因素研究及情景分析

山西作为我国的能源大省,其碳排放强度更是持续位于全国最高水平,分析山西省CO₂排放影响因素,探究其发展模式,对于山西省的低碳发展意义重大.基于STIRPAT模型,将山西省能源CO₂排放的影响因素确定为人口、城镇化率、人均GDP、第二产业占GDP比重、能源强度.在岭回归拟合分析的基础上,利用灰色GM（1,1）模型对山西省CO₂排放驱动因素值进行预测,以提高能源CO₂排放预测的准确性,并结合情景分析方法,为山西省的CO₂减排设计了10种不同的发展情景.结果表明:①人口对山西省CO₂排放影响最大,其次是城镇化率和第二产业占GDP比重.②在当前经济发展阶段,能源强度和人均GDP等因素对山西省的CO₂排放影响不大,但能源强度对CO₂排放的抑制作用不可忽略.③山西省CO₂减排最佳的情景方案为适当控制人口数量和城镇化进程、加快产业结构的转型和技术的革新、降低第二产业占GDP比重和能源强度,并且大力推广新能源和清洁可再生能源的开发使用以优化能源消费结构.在该情景下,山西省2020年的CO₂排放量可以控制在5.16×108 t.      

The analysis of greenhouse gas emissions/reductions in waste sector in Vietnam

The global waste sector produces, on average, 2–5 % of global anthropogenic greenhouse gas (GHG) emissions. The amount of GHG emissions has grown steadily and is predicted to increase considerable in the forthcoming decades because of the increases in population and gross domestic product (GDP). However, the GHG mitigation opportunities for the sector are still fully not exploited, in particularly in developing countries. A series of initiatives were highly successful and showed that large reductions in emissions are possible. This study aims to propose a holistic quantification model, which can be used for estimation of waste generation and evaluation of the potential reduction of GHG emissions in waste sector for developing countries with a particular application to Vietnam. The two scenarios set for the study were business as usual (BaU) which waste management is assumed to follow past and current trends and CounterMeasure (CM) which alternative waste treatment and management are assessed. Total emissions in the BaU scenario are projected to increase from 29.47 MtCO₂eq in 2010 to 85.60 MtCO₂eq by 2030 and 176.32 MtCO₂eq by 2050. The highest emissions are due to methane (CH₄) released by disposal sites, accounting for about 60 % of the GHG emissions from waste in Vietnam in 2030. This emission is projected to increase significantly (67 % in 2050), unless more of the methane is captured and used for energy generation. The CM scenario gives emission reductions from 25.7 % (2020), 40.5 % (2030) to 56.6 % (2050) compared to the BaU scenario. The highest GHG reduction is achieved through recycling, followed by methane recovery to optimize the co-benefit for climate change mitigation.     

Major challenges of integrating agriculture into climate change mitigation policy frameworks

Taking the European Union (EU) as a case study, we simulate the application of non-uniform national mitigation targets to achieve a sectoral reduction in agricultural non-carbon dioxide (CO₂) greenhouse gas (GHG) emissions. Scenario results show substantial impacts on EU agricultural production, in particular, the livestock sector. Significant increases in imports and decreases in exports result in rather moderate domestic consumption impacts but induce production increases in non-EU countries that are associated with considerable emission leakage effects. The results underline four major challenges for the general integration of agriculture into national and global climate change mitigation policy frameworks and strategies, as they strengthen requests for (1) a targeted but flexible implementation of mitigation obligations at national and global level and (2) the need for a wider consideration of technological mitigation options. The results also indicate that a globally effective reduction in agricultural emissions requires (3) multilateral commitments for agriculture to limit emission leakage and may have to (4) consider options that tackle the reduction in GHG emissions from the consumption side.     

中国西部人为源NO2污染的时空分布及影响因素研究

利用臭氧监测仪卫星遥感反演获得对流层NO_2柱浓度数据,分析了2005—2016年中国西部地区NO_2污染的时空演变特征及影响因素.首先,根据NO_2污染的季节特性,剔除了自然源NO_2后得到人为源NO_2柱浓度信息;然后,利用小波变换分解方法对西部地区NO_2柱浓度的长期趋势和季节特性进行提取,并对比了东西部的NO_2增长情况;最后,结合经济社会数据分析了西部各省NO_2污染的主要驱动因素.结果发现,西部地区的NO_2浓度在2005—2012年期间呈快速增长趋势,西北各省份的增速均超过了10%a~(-1).然而,2012年之后,西部各省的NO_2浓度开始下降.结合"十二五"计划中的各省氮氧化物减排目标,发现大多数西部省份都较好地完成了减排任务.此外,煤炭消费是西部各省NO_2污染的最主要因素.然而,对于云南和四川而言,虽然水电发展替代了部分火电,使得煤炭消费增速减缓,但交通排放成为这两个省份NO_2污染的最主要驱动因素.西部地区是国家"一带一路"新战略的重要区域,本研究结果将为政府制定有效的控制排放政策,以及促进西部区域可持续发展提供重要的科学参考.     

Nitrogen fertilizer management for nitrous oxide (N<Subscript>2</Subscript>O) mitigation in intensive corn (Maize) production: an emissions reduction protocol for US Midwest agriculture

Nitrous oxide (N₂O) is a major greenhouse gas (GHG) product of intensive agriculture. Fertilizer nitrogen (N) rate is the best single predictor of N₂O emissions in row-crop agriculture in the US Midwest. We use this relationship to propose a transparent, scientifically robust protocol that can be utilized by developers of agricultural offset projects for generating fungible GHG emission reduction credits for the emerging US carbon cap and trade market. By coupling predicted N₂O flux with the recently developed maximum return to N (MRTN) approach for determining economically profitable N input rates for optimized crop yield, we provide the basis for incentivizing N₂O reductions without affecting yields. The protocol, if widely adopted, could reduce N₂O from fertilized row-crop agriculture by more than 50%. Although other management and environmental factors can influence N₂O emissions, fertilizer N rate can be viewed as a single unambiguous proxy—a transparent, tangible, and readily manageable commodity. Our protocol addresses baseline establishment, additionality, permanence, variability, and leakage, and provides for producers and other stakeholders the economic and environmental incentives necessary for adoption of agricultural N₂O reduction offset projects.