吴志坚|周振|杜海桥|万伟|朱金琪|梁汉|郑渤海
南昌大学基础设施工程学院，南昌330031，中国
**摘要**
磷（P）是作物和畜牧业生产中的关键限制性营养素。然而，由于过度施用和利用效率低下，磷已成为中国磷污染的主要来源。目前，关于城市规模作物-畜牧业系统中磷流失对超过安全磷行星边界（PPB）的贡献的系统研究不足，同时缺乏与水质目标相关的精确管理策略。我们通过改进NUFER（食物链、环境和资源利用中的营养流）模型，构建了一个全面的磷流动评估框架。该框架用于系统评估城市规模的磷流动特征，并研究城市磷流失对超过PPB的贡献。此外，我们还识别了磷流失热点地区，揭示了关键驱动因素，并评估了在本地化磷管理策略下的磷流失减缓潜力。对2000年至2022年间的时间趋势分析表明，磷流失量最初增加随后下降，在2005年达到峰值。超过宽松PPB阈值的磷流失比例从98.28%下降到42.59%。磷流失热点主要集中在黄淮海平原、长江中下游地区北部、四川盆地及周边地区、云贵高原中西部、黄土高原中部、东北平原中西部以及北方干旱半干旱地区中部和东部。验证结果证实，磷流失模拟结果的可靠性很高（P < 0.01，R² = 0.62）。牲畜单位（LU）是磷流失的主要驱动力，LU与长期平均降水量之间的相互作用影响最为显著。情景分析表明，包括作物施肥建议、提高农业资源回收效率以及调整畜牧业结构在内的综合管理措施，可将磷肥料投入量减少27.86%，磷流失量减少42.90%。在本地化磷管理策略下，中国作物-畜牧业系统中的磷流失量比宽松PPB低28.08%。本研究的结果为大规模差异化磷管理和水资源保护策略提供了科学依据。
**1. 引言**
磷（P）是作物和畜牧业生产中的核心营养素，在维护全球粮食安全方面发挥着关键作用（Liu等人，2024年）。因此，对粮食生产的增加需求可能导致农业系统中磷的投入增加（Zou等人，2022年）。然而，作物和畜牧业中低效的磷管理，如过度施肥和不当处理畜禽粪便，导致磷利用率低，并且大量磷流失到水道中，严重恶化了水质。这超出了所谓的“安全”磷行星边界（PPB），即生态阈值（Rockström等人，2023年；Steffen等人，2015年）。全球农业系统中的磷肥料投入量从1961年的5 Tg增加到2013年的18 Tg，远超过估计的6–12 Tg的行星边界，并预计到2050年将达到22–27 Tg（Mogollón等人，2018年；Springmann等人，2018年）。因此，在确保粮食安全的同时将农业系统中的磷流失量控制在安全PPB以下，成为全球农业可持续发展的关键挑战。
中国作为全球作物和畜牧业生产的典型代表，在这个问题上尤为突出。改革开放以来，中国人口持续增长，人均食品消费量增加，导致对粮食和畜产品的需求增加。这导致化肥施用量增加了475.00%，肉类总产量增加了384.00%（农村社会经济调查司，2023年），进一步加剧了作物-畜牧业系统中的磷流动（Zhou等人，2025年）。尽管中国仅使用了世界7.00%的耕地来养活近20.00%的世界人口，但它使用了全球大约37.50%的矿物磷肥（Gu等人，2015年；Li等人，2016年）。此外，中国是世界上最大的畜牧业生产国，占全球肉类产量的22.00%（Zhu等人，2022年）。然而，中国目前的化肥和畜禽粪便综合利用率仅为40.20%和75.00%（中华人民共和国农业农村部，2021a）。因此，中国的农业发展仍然严重依赖磷肥等生产要素的密集使用，其特征是“高投入低效率”。
根据2020年第二次全国污染物源普查公报，中国农业源总磷排放量的90.00%以上来自作物-畜牧业系统。作物生产和畜牧业已成为中国磷污染的主要来源。由于中国地域辽阔，不同地区的农业政策、经济发展水平和自然地理特征存在显著差异（He等人，2023年），因此在确保粮食生产的同时避免磷污染的挑战也各不相同（Wu等人，2025年）。明确中国不同地区作物-畜牧业系统的磷流动特征，揭示各地区和城市对超过安全PPB的磷排放的贡献至关重要。在此基础上，精确识别磷流失热点、关键驱动因素，并评估在不同管理策略下的磷流失减缓潜力，对于实现中国可持续农业发展至关重要。
尽管许多研究使用了物质流分析来探索作物、畜牧业和作物-畜牧业系统中的磷流动或流失，但大多数研究集中在国家或省级层面（Bai等人，2016a；Bai等人，2024年；Wang等人，2018a；Wang等人，2018b；Zhou等人，2025年）。然而，由于国家和省级层面的数据分辨率有限，各省内部城市之间的农业结构（如种植和畜牧业）和自然地理特征（如降水、地形和温度）存在显著差异。因此，国家和省级宏观层面的空间分析难以准确识别农业系统中的局部磷流动变化，这严重限制了本地化磷管理策略的发展（Liu等人，2022年）。同时，以往的研究显著提高了我们对作物-畜牧业系统流域尺度磷流动调节的认识，并揭示了关键的宏观循环模式（Liu等人，2024年）。然而，这些发现仍存在局限性，无法指导具体的实际管理实践。由于流域是由其自然地理特征定义的，其边界往往与行政管理边界（如城市边界）不匹配，这对基于流域方法实施综合管理策略的责任分配和跨区域协调构成重大挑战。此外，尽管县级数据提供了更高的空间分辨率，但其极度稀缺性使得大多数研究仅限于对少数特定年份（如1990年和2010年）的磷流动分析。数据的时间分辨率不足以识别二十年期间的动态变化（Wang等人，2018a；Wang等人，2018b）。因此，很少有研究在城市或县级层面考察长期磷流动/流失情况。因此，很少有研究量化作物-畜牧业系统对城市规模磷超过安全PPB的贡献，更少的研究系统评估了不同管理措施如何改善水质或帮助各个城市实现其特定的水质目标。然而，城市是实施中国农业环境政策的基本行政单位，例如从畜禽粪便中回收养分和降低化学肥料的使用效率。城市行政区域也是流域内的关键操作单位。进行长期的城市规模作物-畜牧业系统磷流动研究可以：首先，精确描述磷流动的演变轨迹，识别潜在的关键转折点和阶段特定特征；其次，有效符合城市规模环境评估的行政要求；第三，显著提高磷管理的空间精度。因此，确定不同城市的磷流失是否在安全阈值范围内，对于制定未来的本地化磷管理策略至关重要。
此外，目前构建作物-畜牧业系统磷流动评估框架的研究存在几个关键限制，这些限制了评估结果的准确性和实际指导意义。首先，研究往往忽视了畜牧业管理的差异性，采用统一的动物排泄因子，忽视了养殖实践的差异，导致粪便生产和环境损失的估计不准确（Zhou等人，2025年）。其次，使用固定的动物体重参数未能反映自然条件和饲养实践的地区差异，影响了对畜产品中磷含量的准确估计（Ma等人，2012年）。第三，缺乏系统的来源分配掩盖了各种作物和畜禽对区域磷流失的贡献，阻碍了针对性的缓解策略的发展（Jin等人，2021年）。具体而言，主要磷来源和关键形式尚不清楚。第四，重要的人为磷路径（如人类排泄物回收）经常被忽略，影响了磷通量计算的完整性和养分管理的有效性（Shen等人，2024年）。最后，对作物类型之间差异（如磷吸收和利用效率的差异）的重视不足，限制了污染缓解措施的目标性和适用性（Shen等人，2024年；Wang等人，2018a；Wang等人，2018b）。这些差距共同限制了中国空间定制磷管理策略的发展。
因此，基于数据可用性和模型评估准确性，我们的总体目标是揭示中国城市规模作物-畜牧业系统中磷流失的长期流动特征和时空演变，以及这些流失背后的驱动因素。我们还旨在探讨在本地化磷管理策略下，不同城市规模系统的磷流失是否低于安全PPB阈值。我们通过引入本地化畜禽参数和改进NUFER（食物链、环境和资源利用中的营养流）模型，构建了一个综合磷流动评估框架，系统量化了2000年至2022年中国城市规模作物-畜牧业系统的磷流动特征。该框架还量化了不同作物和动物的磷流失相对贡献，以及不同城市对超过安全PPB阈值的贡献。此外，我们使用地理检测器来探索磷流失的关键驱动因素及其相互作用。最后，我们评估了在不同未来情景下中国城市减少磷流失的潜力。通过设计定制的磷管理策略，我们评估了它们在保持区域磷损失在安全PPB范围内的有效性。这些结果为制定中国特定城市的磷管理政策提供了科学依据，并为优化全球作物-畜牧业系统的磷管理提供了见解。
**2. 方法和材料**
**2.1. NUFER模型和系统边界**
NUFER模型是一个使用物质流方法开发的食品链营养流模型，它可以定量分析四个阶段的氮和磷平衡、环境成本、利用效率和流动模式：作物生产、畜牧业、食品加工和家庭消费（Ma等人，2010年）。该模型已被广泛用于评估中国作物-畜牧业系统的环境损失，并探索管理策略，从而证明了其在分析复杂农业系统方面的有效性（Wang等人，2018a；Wang等人，2018b；Wei等人，2023年；Zou等人，2023年）。
本研究基于NUFER模型的“农业生产-畜牧业生产”子模块，并创新引入了本地化畜禽参数以改进模型。改进后的模型应用于中国城市规模的作物-畜牧业系统，以磷流动和流失为主要研究对象。根据数据可用性，研究系统边界是中国366个城市（自治 prefectures、地区和 leagues）的地理边界，不包括香港、台湾和澳门。从地理上看，中国的366个城市被划分为九个主要农业区域：东北平原（NCP）、黄淮海平原（HHHP）、长江中下游地区（MLYRR）、黄土高原（LP）、北方干旱半干旱地区（NASR）、四川盆地及周边地区（SBSR）、云贵高原（YGP）、华南地区（SC）以及青藏高原（QTP；图1）。
**图1. 研究区域及其九个农业区域的位置。**注释：中国东北平原（NCP）、黄淮海平原（HHHP）、长江中下游地区（MLYRR）、黄土高原（LP）、北方干旱半干旱地区（NASR）、四川盆地及周边地区（SBSR）、云贵高原（YGP）、华南地区（SC）以及青藏高原（QTP）。作物系统中的养分输入主要包含矿物磷肥、归还田间的有机物和秸秆、磷沉积、归还田间的粪便、灌溉水以及种子。作物系统中的养分输出主要包括通过农产品移除的磷以及通过各种途径流失的磷。作物产品中移除的磷包括初级产品（如谷物）和副产品（如秸秆）中的磷，这些被人类或动物利用，代表了系统的有效输出。磷的损失包括通过径流、侵蚀和淋溶等途径进入环境的磷（Wang等人，2018a；Wang等人，2018b；图2）。主要作物有水稻、小麦、玉米、土豆、豆类、蔬菜、水果、花生、油菜籽、芝麻、向日葵、棉花和甘蔗。这13种作物占全国农作物产量的99%以上，因此具有很高的代表性。
下载：下载高分辨率图像（291KB）
下载：下载全尺寸图像
图2. 中国作物-畜牧业系统中的系统边界和磷流动路径。注释：磷输入（肥料、沉积、灌溉、种子、外部饲料）、内部循环（秸秆、粪便、本地饲料）、磷输出（农产品和动物产品）以及磷损失（径流、侵蚀、淋溶）。
在畜牧业系统中，养分输入主要由本地生产的饲料和秸秆以及进口饲料组成（图2）。该系统的主要输出包括动物产品、回田的粪便以及进入环境的磷损失。其中，动物产品（如肉类、鸡蛋和牛奶）和回田的粪便代表了系统内的有效养分循环。磷损失包括通过径流、侵蚀和淋溶等途径进入环境的磷（Bai等人，2016a）。畜牧业系统主要包括肉牛、奶牛、猪、羊、蛋鸡和肉鸡。奶牛被用作标准的畜牧业单位（LU），具体转换因子详见补充材料表S1.2.2。
数据来源和参数
NUFER模型用于城市尺度磷流动和损失计算的数据分为七类（表1）：(1) 城市尺度统计数据；(2) 土地利用数据；(3) 数字高程模型（DEM）数据；(4) 降水数据；(5) 温度数据；(6) 人口密度数据；(7) 模型参数。所有其他参数均采用NUFER模型的默认设置（Ma等人，2010）。所有数据均来自2000年、2005年、2010年、2015年、2020年和2022年。选择这些年份是为了反映中国农业生产从传统农场向大规模工业化农场转变的时期。我们考虑了数据的可获得性和模型评估的效率。与省级数据相比，城市尺度的数据提供了更大的样本量和更高的分辨率，并且与国家社会经济发展规划周期相一致。中国的五年经济社会发展计划被视为国家级最关键的战略蓝图，对农业、环境和管理实践产生了深远影响。此外，在少数未公开具体年度数据（如作物产量）的城市中，我们采用了数据插补策略以确保时间序列的连续性和完整性。鉴于社会经济和农业统计数据通常表现出较小的短期（1-2年）波动，我们的主要方法是使用相邻年份的数据进行插值（例如，前后年份之间的线性插值）。在相邻年份数据也无法获得的情况下，我们使用该城市的多年平均产量乘以已知播种面积来估算缺失年的数据。
表1. 2000-2022年中国作物-畜牧业系统中磷流动和损失的数据来源和参数。
数据类型 数据内容 数据来源
城市级统计数据 城市化率、国内生产总值、农业和畜牧业总产量 《中国城市统计年鉴》(https://www.stats.gov.cn/)
播种面积和粮食作物（水稻、小麦、玉米、豆类、土豆等）产量，经济作物（油菜籽、花生、芝麻、向日葵、其他油料作物、棉花、甘蔗、蔬菜和水果）播种面积和产量 《中国城市统计年鉴》(https://www.shujuku.org/tag/)
化肥中的纯磷含量；复合肥中的纯养分含量 《中国农资年鉴》(https://www.ndrc.gov.cn/)
有效灌溉面积 《中国农资年鉴》(https://www.shujuku.org/tag/)
不同类型牲畜数量（年饲养量和产犊量）及肉类产量（猪、肉牛、奶牛、羊、家禽肉）、鸡蛋产量和牛奶产量 《中国畜牧兽医年鉴》(https://www.shujuku.org/tag/)
各省不同类型养殖方式下的牲畜数量（传统农场、中型农场和大型工业化农场） 《中国畜牧兽医年鉴》(https://www.shujuku.org/tag/)
不同作物的化肥施用量 《全国农产品成本收益数据库》(https://www.ndrc.gov.cn/)
干式和冲水厕所的比例 《中国卫生统计年鉴》(https://www.stats.gov.cn/)
提取每个城市的稻田和高地面积 资源与环境科学数据平台(https://www.resdc.cn/)
数字高程模型数据 地理空间数据云(http://www.gscloud.cn/)
降水数据 《全国西藏高原/第三极环境数据中心》(https://data.tpdc.ac.cn/)
温度数据 《中国卫生统计年鉴》(https://www.stats.gov.cn/)
获得农村人口密度栅格数据 全球人口空间分布数据库(https://www.worldpop.org/)
模型参数
复合肥养分比例 Zheng等人，(2021)
磷沉积强度 Zhu等人，(2016)
不同养殖结构和不同牲畜的污染产生系数；农村生活的污染产生系数 《中国第一次和第二次全国污染普查结果汇编》(https://www.mee.gov.cn/)
不同途径下畜禽粪便磷流失系数 Bai等人，(2016a)
农作物主产品和秸秆中的磷含量 Li等人，(2016); Zhou等人，(2022)
归还田间的秸秆比例；不同作物的草料与粮食比例；秸秆可收集性因子 Liu和Li，(2017); Zhuang等人，(2020)
归还田间的粪便比例 Zhu等人，(2022)
作物系统中磷的损失系数（径流、侵蚀、淋溶） Ma等人，(2012)
灌溉水和种子养分输入参数 Yan等人，(2011); Han等人，(2014); Wang等人，(2014)
2.3. 计算方法
2.3.1. 作物系统中的磷流动计算
作物系统的总磷输入包括以下组成部分（公式1）：
(1)
IPcrop = IPfer + IPstraw + IPmanure + IPdep + IPhuman + IPirr + IPseed
其中，IPcrop表示作物系统的总磷输入量（单位：吨）；IPstraw和IPmanure表示归还田间的秸秆和粪便量（单位：吨）；IPdep表示磷沉积量（单位：吨）；IPhuman表示归还田间的粪便量（单位：吨）；IPirr表示灌溉水中的磷输入量（单位：吨）；IPseed表示种子中的磷输入量（单位：吨）；IPhuman在补充材料S.2中有详细计算方法。
作物系统中每个具体的磷输入组分使用公式2计算：
(2)
{
IPfer = (IPcompound,P × β) ÷ 2.29
IPstraw = OUTstraw × Ccollection × Rstraw
IPmanure = ∑i=1n OUTi,manure − Mdischarge,P − OUTmanure,leaching
IPdep = Acul × Rdep,P
IPirr = Airr × Rirr,P
IPseed = Bsown × Rseed,P
}
其中，IP表示作物系统的总磷肥输入量（单位：吨）；IPcompound,P表示复合肥的输入量（单位：吨）；β表示复合肥中P2O5的比例（%）；2.29是将P2O5转换为P的转换因子；OUTstraw表示秸秆中的总磷量（单位：吨）；Ccollection表示秸秆收集系数（无量纲）；Rstraw表示归还田间的秸秆比例（%）；∑i=1n OUTi−manure表示产生的畜禽粪便总量（单位：吨）；Mdischarge,P表示畜禽粪便的直接排放量（单位：吨）；OUTmanure,leaching表示畜禽养殖过程中的总磷损失量（单位：吨）；Acul表示耕地和园地的总面积（公顷）；Rdep,P表示单位面积的年磷沉积量（千克·公顷⁻¹）；Airr表示灌溉面积（公顷）；Rirr,P表示单位灌溉水量中的磷含量（千克·公顷⁻¹）；Bsown表示粮食作物、油料作物、甘蔗和蔬菜的总播种面积（公顷）；Rseed,P表示种子中的磷含量（千克·公顷⁻¹）。区域β、Rstraw和Ccollection的值分别见补充材料表S2、S6和S8。
作物系统的总磷输出包括以下组成部分（公式3）：
(3)
OUTcrop = OUTgrain + OUTstraw + ∑i=1n OUTi
其中，OUTcrop表示作物系统的总磷输出量（单位：吨）；OUTgrain和OUTstraw分别表示主要产品和秸秆中的磷含量（单位：吨）；∑i=1n OUTi表示作物系统通过不同途径（径流、侵蚀和淋溶）的总磷损失量（单位：吨）；OUTsoil表示土壤中的磷积累量（单位：吨）。
作物系统中每个具体的磷输出组分使用公式4计算：
(4)
{
OUTgrain = PROgrain × Pgrain
OUTstraw = PROgrain × Rstraw/grain × Pstraw
OUTrunoff = IPcrop × Rrunoff,P
OUTerosion = IPcrop × Rerosion,P
OUTleaching = (IPcrop − OUTgrain − OUTstraw − OUTrunoff − OUTerosion) × Rleaching,P
∑i=1n OUTi = OUTrunoff + OUTerosion + OUTleaching
}
其中，PROgrain表示主要产品的产量（单位：吨）；Pgrain表示主要产品的磷含量（%）；Rstraw/grain表示不同作物的草料与粮食比例（无量纲）；Pstraw表示不同作物秸秆中的磷含量（%）；OUTrunoff表示作物系统的磷径流损失量（单位：吨）；OUTerosion表示作物系统的磷侵蚀损失量（单位：吨）；OUTleaching表示作物系统的磷淋溶损失量（单位：吨）；Rrunoff,P表示径流系数（%）；Rerosion,P表示侵蚀系数（%）；Rleaching,P表示淋溶系数（%）。Pgrain和Pstraw的值来自表S5；Rstraw/grain的值来自表S7；Rrunoff、Rerosion和Rleaching的值来自表S13。
2.3.2. 畜业系统中的磷流动计算
畜牧业系统的总磷输入包括以下组成部分（公式5）：
(5)
IPlivestock = IPfeed,grain + IPfeed,straw + IPimport
其中，IPlivestock表示畜牧业系统的总磷输入量（单位：吨）；IPfeed,grain表示植物主要产品的饲料输入量（单位：吨）；IPfeed,straw表示秸秆饲料的输入量（单位：吨）；IPimport表示外部输入饲料的输入量（单位：吨）。
畜牧业系统中每个具体的磷输入组分使用公式6计算：
(6)
{
IPfeed,grain = OUTgrain × Rfeed,grain
IPfeed,straw = OUTstraw × Rfeed,straw
IPimport = OUTlivestock − IPfeed,grain − IPfeed,straw
}
其中，Rfeed-grain表示植物主要产品的饲料比例（%）；Rfeed-straw表示秸秆饲料的比例（%）；OUTlivestock表示畜牧业系统的总养分输出量（单位：吨）。Rfeed,grain的具体信息详见Ma等人（2010）的研究；Rfeed,straw详见补充材料表S10。
畜牧业系统的总磷输出包括以下组成部分（公式7）：
(7)
OUTlivestock = OUTa,pro + OUTa,other + ∑i=1n OUTi,manure
其中，OUTlivestock表示畜牧业系统的总磷输出量（单位：吨）；OUTa,pro表示动物主要产品的磷含量（单位：吨）；OUTa,other表示动物副产品的磷含量（单位：吨）；∑i=1n OUTi−manure表示不同动物产生的总磷量（单位：吨）。
畜牧业系统中每个具体的磷输出组分使用公式8计算：
(8)
{
OUTa,pro = PROmeat × Pmeat
OUTa,other = PROother × Pother
∑i=1n OUTi,manure = OUTi,j-number × Ri,j-excretion
OUTmanure,leaching = ∑i=1n OUTi,manure × Ri,j-excretion
IPmanure = (∑i=1n OUTi,manure − OUTmanure,leaching) × Ri,manure
Mdischarge = (∑i=1n OUTi,manure − OUTmanure,leaching) × Ri,discharge
}
其中，PROmeat表示动物主要产品的产量（单位：吨）；Pmeat表示不同动物主要产品的磷含量（%）；PROother表示动物副产品的产量（单位：吨）；Pother表示不同动物副产品的磷含量（%）；OUTi,j-number表示不同养殖类型下的动物数量（头）；Ri,j-excretion表示不同养殖类型下动物的年排泄系数（头·千克·年）；OUTmanure,leaching表示不同动物在养殖、储存和堆肥过程中的总淋溶损失量（单位：吨）；Ri,leaching表示不同养殖类型下动物的淋溶系数（%）；Ri,manure表示归还田间的动物比例（%）；Ri,discharge表示不同动物直接排放的粪便比例（%）。PROmeat表示来自不同城市的肉类、家禽和奶制品的产量；Pmeat和PROother参考了Ma等人（2010）的研究；Ri,leaching详见补充材料表S3和S4；Ri,manure详见补充材料表S11和S12。不同养殖类型的动物数量来源于“中国第一次和第二次全国污染普查报告”及“中国畜牧兽医年鉴”。我们根据畜群规模将动物生产系统分为三种类型：传统农场、中型农场和大型工业化农场，并为每种养殖类型设定了具体阈值（表S14）。在此基础上，结合“中国畜牧兽医年鉴”中各地区不同养殖类型的动物数量，推算出每年和各地区三种养殖类型之间的比例关系，进而计算出中国各城市的不同养殖类型动物数量。
2.3.3. 磷流动评估指标
磷利用效率（PUE）是衡量农业和畜牧业生产中磷输入与输出转化效率的关键指标，反映了系统对磷资源的利用程度及其环境可持续性。本研究建立了PUEc和PUEa来评估中国作物-畜牧系统的生产效率。其中，PUEc定义为作物主要产品中的总磷含量除以投入到农田中的总磷量（包括矿物磷肥、肥料、返回田间的粪便、人类排泄物、磷沉积物、灌溉水和种子）。秸秆中的磷是一种不从农田中移除的营养物质，也不是收获的一部分，也不是外部输入到农田中的。因此，秸秆返还部分不计入PUE的计算中（Zhang等人，2015年）。详见公式9：
(9) PUEc = (OUTgrain / (IPcrop - IPstraw)) × 100
PUEa = (OUTa,pro / IPLivestock) × 100
2.4. 水质安全磷行星边界评估方法
本研究为中国定义了两个PPB阈值——宽松标准和严格标准——这些阈值是根据国家地表水质量标准得出的（Liu等人，2024年）。这些阈值对于评估不同时间范围内的水富营养化风险至关重要。宽松PPB等于国家三级水质标准中的总磷浓度（0.2 mg/L）。这代表了一个短期的、基本的水质安全目标，旨在防止富营养化。严格PPB等于二级水质标准（0.1 mg/L）。这代表了一个长期的、更雄心勃勃的水质安全目标，旨在保持良好的生态健康。为了将这些基于浓度的标准转化为城市规模的允许污染负荷，如公式（10）所示：
(10) PPB = Ci × Qi
其中PPB表示在不同水质安全阈值下的允许磷污染负荷，t；Ci表示每个城市的水质安全总磷浓度（三级水质为0.2 mg/L，二级水质为0.1 mg/L）；Qi表示每个城市的地表水资源量（10^8 m^3）。这是从每个城市的年度水资源公报中获得的。由于新疆省的一些城市缺乏地表水资源数据，因此中国的水质安全PPB评估区域包括356个城市。
为了进一步提高研究结果的可信度，我们对2022年中国各地地表水监测站监测到的总磷浓度进行了模型结果的验证。对于这次验证，我们选择了以农业生产为主的城市。根据城市规模作物-畜牧系统模拟的磷损失和可用的地表水资源，计算了模拟的磷浓度（公式11）。然后，将这些模拟浓度与监测站的数据进行比较，以验证模型输出的准确性。
(11) CP,sim = Ploss / Qi
其中CP,sim表示NUFER模型模拟的磷浓度（mg/L）；Ploss表示城市规模作物-畜牧系统的径流、侵蚀和粪便直接排放损失总量（t）；Qi表示每个城市的地表水资源量（10^8 m^3）。
2.5. 驱动因素分析
Geodetector是一种基于空间差异理论的统计方法。通过测量自变量对因变量空间分布的解释能力（q值），它可以有效地识别关键驱动因素并分析它们之间的相互作用（Tan等人，2025年）。该模型使用q值来评估各种因素对磷损失的影响（公式12）。
(12) q = (1 - (1/nσ^2)) × ∑(i=1)^Lniσi^2
其中i=1, …, L表示影响因子的子类，n和σ^2分别表示所有中国城市的样本数量和磷损失方差，ni和σi^2表示特定层i内的样本数量和磷损失方差。q值的范围是从0到1，较高的q值表示该因素对磷损失的影响较大。此外，交互作用检测器模型的定义见Zhou等人（2025年）。本研究使用Geodetector来量化不同驱动因素对作物-畜牧系统中磷损失的贡献及其相互作用。根据数据可用性和以往研究的结果，我们选择了与磷损失相关的农艺、社会经济和地形驱动因素（Wu等人，2025年；Zhou等人，2025年）。
（I）农艺驱动因素：耕地面积、矿物磷肥投入、果蔬种植面积、蔬菜产量、水果产量、土地利用类型（LU）和农业机械总功率；
（II）社会经济驱动因素：城市化率、人均GDP、人口密度以及人均农业和畜牧业产值；
（III）地形驱动因素：平均坡度、多年平均降水量和多年平均气温。此外，还使用Spearman等级相关系数来确定不同因素与磷损失之间的相关性强度。在此基础上，为了减轻潜在的内生性，我们采用基于多年面板数据构建的固定效应模型来评估各种因素对磷损失的影响。
2.6. 情景模拟分析
为了探索中国绿色农业转型政策在保障城市水环境安全方面的潜力，本研究建立了五条面向未来的磷管理路径。尽管本研究选择的作物-畜牧系统优化方法（例如农业资源循环利用和畜牧业结构优化）与该领域关于未来磷可持续性的研究共识（Liu等人，2024年）在类型上相似，但这种情景设计在目标、基础和规模上与类似研究有根本不同：
（1）政策评估方向：本研究不探讨技术潜力的理论上限，而是评估中国当前政策文件中已明确规定的可量化目标的实施效果；
（2）具体参数来源：所有情景参数直接来源于中国“十四五”规划和2030年可持续发展目标中的具体指标；
（3）精细化的管理尺度：分析单位是城市，旨在将宏观层面的政策目标转化为对当地水质标准的可量化影响，从而直接支持差异化的环境管理。具体情景设计如下：
（I）基准情景（BAU）：本研究2022年的磷流量评估作为基准。
（II）基于养分精准管理政策的肥料减少和效率提升情景（S1）：在作物系统中，根据作物特定的养分需求采用精准施肥技术，可以在不降低产量的情况下实现最多20.00%的磷投入减少（Ma等人，2013年；Wang等人，2018a年；Wang等人，2018b年）。因此，本研究将所有作物的矿物磷肥施用量减少了20.00%。所有城市和地区的矿物磷肥施用率参数均统一乘以0.8，其他参数保持不变。
（III）基于农业绿色转型政策的资源循环提升情景（S2）：本研究结合了中国在《关于加快推进农业综合绿色转型和促进农村生态振兴的指导意见》政策框架中提出的国家可持续发展目标（中华人民共和国农业农村部，2024年）。该情景实现了两个关键的2030年目标：（1）将作物秸秆的返还率提高到88.00%；（2）实现85.00%的畜牧业粪便综合利用率。模型参数调整如下：秸秆返还率设定为88.00%，粪便返还率设定为85.00%。相应地重新计算了秸秆和粪便带来的磷投入，并相应减少了矿物肥料的施用量。
（IV）基于高质量发展的畜牧业优化养殖结构情景（S3）：优化了畜牧业结构，大规模专业农场的比例增加了20.00%（中华人民共和国农业农村部，2021b年），100.00%的粪便被返还到田地里，粪便的直接排放量为0（Zhao等人，2019年；Zou等人，2023年）。模型参数设置如下：粪便直接排放量设为0，粪便返还率设为100.00%，传统农场的比例减少了20%，大规模专业农场的比例增加了20%。
（V）具有多重政策协同作用的综合管理情景（S4）：该情景整合了S1-S3中的措施，结合推荐的施肥方法、加强的资源循环利用和优化的畜牧业结构，以全面减少磷损失。模型参数根据S1-S3中定义的综合调整进行了修改。
3. 结果
3.1. 中国作物-畜牧系统中的磷投入、产出和利用效率
2000年至2022年间，中国的作物-畜牧系统在磷管理方面取得了显著进展：在确保主要作物产量持续增长的同时，大幅减少了磷损失并提高了系统的整体磷利用效率（PUE）。这一转变主要源于农业内部资源循环的加强和污染源结构的根本变化。值得注意的是，畜禽粪便的直接排放得到了有效控制，现在农田中的磷流失成为磷损失的主要途径（表2）。
表2. 2000–2022年中国作物-畜牧系统中的磷流量、损失和利用效率：投入、产出、损失和内部循环
| 年份 | 2000 | 2005 | 2010 | 2015 | 2020 | 2022 |
|--------------|------|------|------|------|------|------|
| 磷投入（Tg） | 4.78 | 5.62 | 6.84 | 7.44 | 6.74 | 6.59 |
| 返回田间的粪便 | 0.15 | 0.13 | 0.11 | 0.09 | 0.07 | 0.06 |
| 磷沉积 | 0.07 | 0.07 | 0.07 | 0.18 | 0.18 | 0.17 |
| 灌溉水 | 0.03 | 0.03 | 0.04 | 0.04 | 0.05 |
| 种子 | 0.01 | 0.01 | 0.01 | 0.01 | 0.01 |
| 外源性饲料投入 | 1.82 | 2.22 | 1.89 | 2.07 | 1.51 | 1.72 |
| 总投入 | 6.86 | 8.08 | 8.95 | 9.83 | 8.54 | 8.60 |
| 有机肥料内部循环 | 0.24 | 0.24 | 0.36 | 0.49 | 0.58 | 0.60 |
| 返回田间的秸秆 | 0.72 | 0.86 | 0.85 | 1.06 | 0.98 | 1.15 |
| 磷产出（Tg） | 1.71 | 1.92 | 2.33 | 2.34 | 2.42 |
| 动物主要产品 | 0.61 | 0.88 | 0.87 | 0.98 | 0.77 | 0.91 |
| 其他组成部分 | 0.37 | 0.43 | 0.46 | 0.47 | 0.39 | 0.40 |
| 土壤积累 | 2.90 | 3.39 | 4.12 | 4.73 | 4.09 | 3.96 |
| 作物磷损失 | 0.05 | 0.06 | 0.07 | 0.08 | 0.07 | 0.07 |
| 侵蚀 | 0.28 | 0.32 | 0.36 | 0.41 | 0.37 | 0.37 |
| 渗漏 | 0.01 | 0.01 | 0.02 | 0.02 | 0.01 | 0.01 |
| 畜禽磷损失 | 0.21 | 0.23 | 0.19 | 0.19 | 0.14 | 0.16 |
| 粪便直接排放 | 0.72 | 0.86 | 0.72 | 0.62 | 0.35 | 0.30 |
| 总产出 | 6.86 | 8.08 | 8.95 | 9.83 | 8.54 | 8.60 |
| 饲料内部循环 | 0.31 | 0.41 | 0.55 | 0.63 | 0.62 | 0.65 |
| 本地粮食饲料 | 0.15 | 0.21 | 0.22 | 0.19 | 0.15 | 0.18 |
| PUEc (%) | 34.85 | 34.38 | 34.01 | 33.56 | 36.87 | 38.16 |
| PUEa (%) | 26.66 | 30.74 | 32.83 | 34.05 | 34.07 | 35.66 |
| PUEc-a (%) | 33.64 | 34.33 | 33.66 | 33.73 | 36.43 | 38.70 |
| 总磷损失（Tg） | 1.27 | 1.49 | 1.36 | 1.31 | 0.95 | 0.91 |
注：PUEc代表作物系统的磷利用效率；PUEa代表畜牧业系统的磷利用效率；PUEc-a代表作物-畜牧系统的磷利用效率。
具体来说，中国作物-畜牧系统的总磷投入先增加后减少，2015年达到峰值9.83 Tg。矿物磷肥和外源性进口饲料是中国作物-畜牧系统中磷的主要来源，占总磷投入的95.00%以上。同时，农业资源的内部循环呈现稳步上升的趋势，增加了80.00%以上（表2）。土壤中的磷积累是中国作物-畜牧系统中磷产出的最大贡献者。此外，作物和动物产品的产量快速增长，增加了44.33%，反映了作物-畜牧系统生产力的稳步提高（表2）。
值得注意的是，2005年（1.49 Tg）至2022年间，作物-畜牧系统的磷损失减少了38.84%。污染的主要来源从2000–2015年的粪便直接排放转变为2015–2022年的农田磷流失（表2）。同期，作物-畜牧系统内的PUE提高了15.04%。到2022年，作物系统的PUE达到38.16%，畜牧业系统的PUE达到35.66%（表2），表明作物-畜牧系统的整体资源转换性能持续提升。
3.2. 磷流量的时空分布特征
3.2.1. 磷过剩和磷利用效率的时空分布
中国作物系统中磷过剩的空间分布存在显著的区域差异，2015年后出现转折点，核心农业区域的过剩水平开始下降（图3a–c）。高过剩区域（> 3.06 × 10^4 t）主要分布在HHHP、东部SBSR、中部和东南部YGP、中部LP以及MLYRR（特别是江西省南部、湖南省南部和湖北省中部和西部）。2000年至2015年间，中国作物系统中的磷过剩明显增加，单位面积增加了52.26%（从15.48 kg·ha–1·yr–1增加到23.57 kg·ha–1·yr–1）。HHHP、MLYRR和YGP表现出明显的扩张趋势（图3a, b）。然而，2015年后，作物系统单位面积的磷过剩逐渐减少至20.24 kg·ha–1·yr–1（图3c）。高PUEa（> 40.00%）主要分布在南部沿海地区（SC）、南部盆地和三角洲地区（SBSR）的中部和东部、湄公河-澜沧江-红河流域（MLYRR）的东部以及北部沿海地区（NCP）。QTP和YPG是PUEa值较低的区域。从时间上看，QTP和SBSR的PUEa保持稳定，YPG和NASR的PUEa增长缓慢，而SC、MLYRR、NCP、HHHP和LP的PUEa则增长迅速（图3j–i）。3.2.2. 磷损失的时空分布 在2000年至2022年间，中国农作物-畜牧业系统中通过各种途径的磷损失总体上呈下降趋势，尤其是磷淋溶和粪便直接排放量显著减少。这反映了污染控制和粪便资源利用政策的积极效果（图4）。径流和侵蚀损失的主要区域位于SBSR、YPG和MLYRR的北部（图4a–f）。具体来说，2000年至2015年间，磷淋溶损失的主要区域位于HHHP的南部、SBSR的西部和中部以及YPG的中部（图4g, h）。粪便直接排放磷的主要区域分布在QTP、HHHP、MLYRR的南部、SBSR的西部和东部、YPG的中部以及NCP的中部（图4j, k）。2015年后，磷淋溶和粪便直接排放损失显著减少（图4i, 4l）。下载：下载高分辨率图片（1MB）下载：下载全尺寸图片 图4. 中国农作物-畜牧业系统中通过不同途径的磷损失的时空分布。a–c，2000年、2015年和2022年作物系统中磷径流损失的空间分布；d–f，2000年、2015年和2022年作物系统中磷侵蚀损失的空间分布；g–i，2000年、2015年和2022年农作物-畜牧业系统中磷淋溶损失的空间分布；j–l，2000年、2015年和2022年畜牧业系统中磷粪便直接排放的空间分布。3.3. 水质安全磷行星边界评估 研究显示，2000年，中国农作物-畜牧业系统的磷损失超过了地表水的宽松PPB阈值98.28%。在全国范围内，356个城市中有278个城市超过了宽松PPB，332个城市超过了严格PPB，表明磷污染普遍存在（图5a, b）。在省级层面，31个省中有27个省超过了宽松PPB，30个省超过了严格PPB（图6e）。最严重的超标情况发生在HHHP的山东（30倍）、河北（22倍）和河南（8倍） provinces。MLYRR也出现了严重的污染，江苏和安徽两省分别超过了其宽松PPB阈值10倍和6倍。相比之下，SBSR、YPG和SC内的省份由于水资源丰富，超标率较低（2.20%–63.85%）。尽管NCP的农田PUE相对较高，但由于水资源有限，磷损失仍超过了宽松PPB阈值4倍以上（图6e）。下载：下载高分辨率图片（1MB）下载：下载全尺寸图片 图5. 水质安全PPB评估结果。a–b，2000年的磷损失及其对应的宽松和严格PPB比率；c–d，2022年的磷损失及其对应的宽松和严格PPB比率；e–f，2030年综合管理情景下的磷损失及其对应的宽松和严格PPB比率。下载：下载高分辨率图片（1MB）下载：下载全尺寸图片 图6. 2000年和2022年中国不同作物和动物的磷损失，以及各省的水质安全PPB评估结果。a，2000年中国不同作物的磷损失；b，2022年中国不同作物的磷损失；c，2000年中国不同动物的磷损失；d，2022年中国不同动物的磷损失；e，2000年中国各省的水质安全PPB评估结果；f，2022年中国各省的水质安全PPB评估结果。2022年，中国的农作物-畜牧业系统的磷损失显著减少，但仍超过宽松PPB阈值42.59%（图6f）。在356个城市中，235个城市超过了宽松PPB（图5c），306个城市超过了严格PPB（图5d）。在省级层面，31个省中有22个省超过了宽松PPB，29个省超过了严格PPB（图6e）。超标率最高的六个省份是四川、河南、安徽、江苏、山东和云南。在HHHP内，山东、河北和河南的超标最为严重，分别超过了其宽松PPB阈值4倍、13倍和14倍。在MLYRR，江苏和安徽两省超过了其阈值13倍和5倍，而浙江和江西低于宽松PPB阈值。SBSR的超标率增加（超过阈值的104.95%）。在YPG，只有云南（71.21%）和贵州（67.09%）两省超过了宽松PPB。NCP的磷损失仍保持在其宽松PPB阈值的两倍水平（图6e）。总之，中国农作物-畜牧业系统中磷损失的热点区域主要集中在HHHP、中西部NCP、中部LP、北部MLYRR、中部SBSR、中西部YPG和中西部NASR（图5c）。2022年监测的总磷浓度空间分析显示，磷浓度升高的地区主要分布在HHHP的河南东部和山东南部、MLYRR的江苏和安徽北部、YPG的云南省，以及中部SBSR、中部LP、东部NASR和中西部NCP（图7a）。此外，还对测量的总磷浓度与模拟结果进行了定量分析，发现两者之间存在显著的正相关关系（P < 0.01），R2值为0.62（图7b），表明本研究的结果具有很高的可信度。下载：下载高分辨率图片（357KB）下载：下载全尺寸图片 图7. 中国地表水中总磷浓度的空间分布及其与作物-畜牧业系统模拟磷损失的验证。a，中国地表水中年平均总磷浓度的空间分布；b，作物-畜牧业系统模拟磷损失的验证。3.4. 中国不同作物和动物的磷损失 中国的农业磷损失结构发生了显著变化，主要表现为：农田损失主要由侵蚀引起，而畜牧业损失主要由粪便直接排放引起。此外，这些损失高度集中在关键来源区域，蔬菜、水稻和玉米是作物系统的主要贡献者，牛肉牛和养猪业是畜牧业系统的主要来源（图6）。不同作物系统的磷损失存在显著差异。按贡献程度排序，对中国农田磷损失影响最大的作物是蔬菜（25.49%）、水稻（16.73%）、玉米（16.54%）和水果（15.58%）；小麦（8.24%）（图6b）。蔬菜的磷损失最高，并且呈现明显的增长趋势，2022年的损失量是2000年的1.52倍。水稻的损失量有所增加（10.12%），而玉米的损失量大幅增长（76.72%），主要来自NCP、YPG和SBSR。水果的损失量增加了52%，主要贡献区域从MLYRR转移到YPG，SBSR的增长最快。小麦的磷损失量相对稳定，但存在空间再分布，关键来源区域从MLYRR和SBSR转移到MLYRR和HHHP（图6a, b）。2000年至2022年间，中国的畜牧业结构发生了显著变化。2000年，传统农场占主导地位，贡献了总磷损失的720.52 Gg（75.81%），而到2022年，传统农场的比例大幅减少，大规模工业化农场的比例增加。与2000年相比，2022年传统生产系统的磷损失减少了79.07%，而大规模工业化生产系统的磷损失增加了294.45%，中型农场的磷损失增加了20.28%（图6c, d）。地理空间分析确定HHHP、MLYRR和YPG是畜牧业磷损失的核心区域。不同类别的牲畜中，2022年的磷损失贡献顺序为：肉牛（39.11%）> 猪（23.56%）> 蛋鸡（19.58%）> 奶牛（8.03%）> 肉鸡（5.15%）> 绵羊（4.57%）。时间分析显示，2000年至2022年间，肉牛的磷损失减少了64.15%，主要来源区域为YPG、MLYRR和SBSR（合计贡献64.33%；图6d）。猪的磷损失主要来自HHHP和MLYRR（合计贡献50.10%），而蛋鸡的磷损失集中在HHHP、MLYRR和NCP（合计贡献79.19%）。奶牛的磷损失主要与北部山区（NSAR）有关（贡献39.90%）（图6c, d）。3.5. 磷损失驱动因素的分析 结果显示，除了城市化率和单位面积GDP外，所有调查的驱动因素都对磷损失有显著的增强作用。四个最具影响力的驱动因素是：牲畜单位（q = 0.707）、耕地面积（q = 0.464）、总农业机械动力（q = 0.433）和矿物磷肥投入（q = 0.423；P < 0.001）。蔬菜和水果种植面积、蔬菜产量、长期平均降水量以及人均农业和畜牧业产值对磷损失有中等程度的影响（表3）。同时，固定效应模型结果表明，LU、人均农业和畜牧业产值、蔬菜和水果种植面积以及矿物磷肥投入都对磷损失有显著的正面影响，R2值为0.658。这一发现进一步验证了本研究中驱动因素分析结果的稳健性（表S15）。相反，城市化率和单位面积GDP对中国农作物-畜牧业系统的磷损失有显著的缓解作用。表3. 中国农作物-畜牧业系统中磷损失的驱动因素。驱动因素代码q统计量（%）P值Spearman相关系数农艺驱动因素耕地面积ALA46.360< 0.0010.640矿物磷肥投入MPFI42.277< 0.0010.619水果和蔬菜种植面积FVA37.693< 0.0010.544蔬菜产量VP37.140< 0.0010.585水果产量FP15.701< 0.0010.367畜牧业单位LU70.658< 0.0010.819总农业机械动力TAMP43.261< 0.0010.651社会经济驱动因素城市化率UR12.236< 0.001–0.276人口密度PD7.161< 0.010.007人均GDPGDPPC7.505< 0.001–0.229人均农业和畜牧业产值PCALOV17.050< 0.0010.201地貌驱动因素平均坡度AS7.705< 0.010.070年平均降水量MAP22.426< 0.0010.068年平均气温MAT15.550< 0.0010.043注：驱动因素分为农艺、社会经济和地貌三类。q统计量表示每个因素对磷损失空间变异的解释能力；Spearman相关系数显示了关联的方向和强度。此外，我们还研究了不同驱动因素之间的交互作用（图8）。对角线上的q值代表单个因素的效应。我们的分析显示，任意两个因素的交互作用都超过了它们的单独效应（图8）。对磷损失解释力最强的是LU和长期平均降水量之间的交互作用（q = 0.839），其次是LU和平均坡度之间的交互作用（q = 0.838），表明农艺和地貌驱动因素之间的交互作用对磷损失的影响大于其他因素（图8）。另外，LU和矿物磷肥投入之间的交互作用也有显著贡献（q = 0.804）。下载：下载高分辨率图片（202KB）下载：下载全尺寸图片 图8. 中国农作物-畜牧业系统中磷损失驱动因素的交互作用。注：UR，城市化率；PD，人口密度；GDPPC，人均GDP；PCALOV，人均农业和畜牧业产值；MPFI，矿物磷肥投入；ALA，耕地面积；FVA，水果和蔬菜种植面积；VP，蔬菜产量；FP，水果产量；LU，畜牧业单位；TAMP，总农业机械动力；AS，平均坡度；MAP，年平均降水量；MAT，年平均气温。3.6. 作物-畜牧业系统中磷损失的情景模拟 综合管理情景（S4）是减少中国农作物-畜牧业系统中磷损失的最有效策略。它实现了磷肥使用量减少27.86%，磷损失减少42.90%，并将PUE提高到50.10%（图9a, b）。尽管这一措施使中国农作物-畜牧业系统的总磷损失减少了28.08%，但仍超过严格PPB阈值43.84%（图9c）。全国近一半的城市仍未达到严格的水质磷安全阈值（图5e），这突显了在关键区域实施更多针对性措施的紧迫性。下载：下载高分辨率图片（554KB）下载：下载全尺寸图片 图9.中国农作物-畜牧业系统的情景模拟结果。a. 不同情景下磷肥施用量减少比率；b. 不同情景下农作物-畜牧业系统中磷损失减少比率；c. 在综合管理情景（S4）下，中国各地区和省份的磷损失量以及宽松和严格的磷最佳实践（PPB）阈值；d. 中国各城市农作物-畜牧业系统中磷损失减少比率。我们的分析表明，情景S1（推荐的施肥方法）可有效减少20.00%的磷肥投入，同时将农作物-畜牧业系统中的磷损失减少7.61%（图9a、b）。预计该情景将使中国的农作物系统磷利用效率（PUE）提高7.48%，城市层面的改善幅度在0.01%到24.18%之间。情景S2（增强农业资源回收）可将磷肥施用量减少4.98%，并将磷损失减少8.37%（图9a、b）。情景S3可以使磷投入减少3.98%，同时实现磷损失减少35.29%（图9a、b）。尽管总体上有显著减少，但某些地区的磷摄入量仍超过宽松的PPB阈值，包括水资源匮乏的HHHP地区、密集耕作的中央SBSR地区、MLYRR地区的安徽和江苏省份，以及YGP地区的云南省（图5e、9c）。情景S4在减缓磷损失方面的潜力存在明显空间差异（图9d）。QTP显示最高的减少能力（60.00%–70.00%），其次是东部LP和南部NCP（50.00%–70.00%）。HHHP地区表现出适度的减少（50.00%–60.00%），而YGP、SBSR和东部MLYRR地区的改善幅度较为有限（20.00%–40.00%）。
4. 讨论
4.1. 与以往研究的比较
本研究的发现表明，中国农作物-畜牧业系统的总磷投入量呈现出先增加后减少的趋势，并在2015年达到峰值（表2），这与中国实施的农业政策（如“化肥使用零增长行动计划”和“畜禽废弃物综合利用”）密切相关。2015年是中国农业转型的关键转折点。2015年与2022年的对比显示，磷损失减少了30.00%以上（表2）。这一减少表明了所实施农业政策的有效性，这一结果与以往的研究结果一致（Li等人，2025年；Wu等人，2025年）。2000年至2022年间，磷利用效率（PUEc）呈波动上升趋势，2022年达到38.16%的峰值（表2），这与Zhou等人的研究结果一致（2025年）。与此同时，中国的农田磷盈余（20.24千克/公顷/年；图3c）显著高于全球平均水平（6千克/公顷/年），其磷利用效率远低于发达国家（如美国和法国）（Zou等人，2022年）。磷利用效率（PUEa）也呈现出上升趋势，2022年达到35.66%的峰值（表2），这与以往的研究结果一致（Ma等人，2013年；Wu等人，2015年）。因此，中国的农作物-畜牧业系统在提高磷利用效率方面仍有很大潜力。此外，特别是广东和福建的畜牧业系统的磷利用效率显著较高（图3i）。这种高效率源于集约化生产方式、有利的畜牧业结构以及强烈的政策推动下的养分回收。这些地区是中国集约化禽蛋和猪肉生产的中心，大规模的工业生产系统广泛采用了精准营养管理（Ma等人，2025年）。这使得饲料配方能够紧密满足不同生长阶段的磷需求，大大减少了饲料过剩和随后的磷排放。同时，该地区的畜牧业结构优势明显，以单胃动物（猪和家禽）为主。这些动物相对于反刍动物具有更高的磷吸收效率，而饲料中常规添加植酸酶进一步增强了消化率（Yuan等人，2019年）。这些技术和结构因素加上严格的环境法规及市场激励措施共同促进了先进的粪便管理。对畜禽排放的严格控制加速了增值技术的采用，如加速堆肥和集中处理，从而提高了粪便中磷的回收率和土地利用效率，增强了整个农作物-畜牧业系统的养分循环（广东省生态环境厅和广东省市场监督管理局，2024年）。此外，本研究还考察了不同作物系统的磷利用效率差异（图S1）。禾本科作物的磷利用效率显著高于经济作物（水稻、小麦和玉米的磷利用效率约为50.00%，而甘蔗、水果和蔬菜的磷利用效率低于20.00%，后者低于全球平均水平）。这些作物特定的磷利用效率差异可归因于社会经济因素、作物特性和农业管理方式的综合影响。首先，经济作物系统中较低的磷利用效率根本原因是其较高的经济利润。单位面积的经济作物（如蔬菜和水果）产生的收益远高于主食谷物（Yu等人，2023年），这促使农民加大产量投入，包括化学肥料和有机改良剂（Wang等人，2024年）。因此，这些系统的磷累积投入经常超过作物吸收量，导致磷利用效率较低。此外，高经济价值鼓励了多元种植，加速了土壤养分的耗竭，迫使农民在多个收获周期内施用更多肥料以维持产量和质量（Huai等人，2021年）。这些动态形成了高投入和高损失的自我循环，最终降低了经济作物的磷利用效率。其次，许多经济作物的根系较浅，限制了其对土壤磷的吸收，相比之下，深根谷物对肥料的依赖性更强（Thorup-Kristensen，2006年）。第三，这与农场规模密切相关。在NCP地区，以禾本科作物（如水稻、小麦和玉米）为主，农场倾向于大规模和高度集中，有利于机械化耕作。机械化耕作有效改善了土壤结构，提高了作物产量（Shen等人，2024年），从而提高了磷利用效率（图3e）。相比之下，LP、YGP和SC地区则以经济作物（如水果）为主，这些地区地形多山且起伏较大。这些地区的农场高度破碎化，主要由小农户经营。传统农场由于资金、知识和规模的限制，更依赖肥料来保证生产力。这些地区采用先进技术的比例较低，如滴灌、水肥结合、土壤测试施肥和绿色害虫控制。因此，这些地区的经济作物磷利用效率较低（图3e）。先前的研究表明，农场规模与磷利用效率之间存在显著的正相关关系（Zou等人，2022年）。因此，这一差异凸显了中国农业系统优化磷管理的紧迫性。这对于经济作物生产尤为重要，提高磷利用效率有助于减少资源浪费和环境污染。
4.2. 磷损失的主要驱动因素
畜牧业单位被认为是中国农作物-畜牧业系统中磷损失的主要驱动因素（表3），这与Wu等人的研究结果一致（2025年）。这也与发达国家的观察结果一致，在这些国家，畜牧业密度被认为是控制食物系统中磷损失的主要因素（Withers等人，2020年）。将畜牧业数量与土地承载能力相匹配可能是提高全球农业磷循环效率的关键策略（Rothwell等人，2020年）。值得注意的是，中国畜牧业系统的磷损失超过了农作物系统的磷损失（表2；图4），这反映了全球饮食结构向动物产品转变的趋势，促进了畜牧业的扩张和饲料需求的增加（Chen等人，2025a）。农作物和畜牧业生产中的过量磷投入，加上不完全的粪便管理，导致大量的磷流失到水生系统中，造成了水质严重恶化。因此，减轻畜牧业产生的磷损失是中国农业系统实现可持续磷管理的基本挑战。
其他显著增加磷损失的驱动因素包括耕地面积、农业机械总功率和矿物磷肥投入量（表3）。拥有广阔耕地的地区，如HHHP地区，通常采用集约化、现代化的农业技术。这些技术要求更高的机械化程度（Shen等人，2024年）和更多的矿物磷肥投入，导致大量的磷盈余（图3b）。蔬菜和水果的种植面积和生产水平也对磷损失产生了显著影响（表3）。这些经济作物的磷肥施用量通常是谷物作物（水稻、小麦和玉米）的2-3倍（Yan等人，2013年），但其磷利用效率显著较低（Zou等人，2022年），从而导致主要生产区域的土壤磷积累。在降水事件期间，这些积累的磷容易通过径流流失，使蔬菜和水果系统成为中国作物系统中磷损失的主要来源（图6a、b）。然而，一个潜在的驱动因素是城乡居民饮食结构的改变。收入的增加刺激了对蔬菜和水果的消费需求，市场信号又促使高价值经济作物的种植扩大，这无形中加剧了相关的磷肥投入和环境风险。我们的研究发现表明，磷损失不仅仅是生产方面的问题，还与消费方面的结构变化密切相关（Zuo等人，2025年）。磷损失与人均GDP和城市化率之间存在负相关关系。这一发现证实了环境库兹涅茨曲线的适用性。随着经济的发展和城市化进程的推进，区域经济结构从第一产业（农业）转向第二产业和服务业。这种转变减少了农业在经济和土地使用中的比重，从而降低了农作物-畜牧业系统的总磷负荷。同时，更发达的地区通常拥有更大的财政能力和技术优势，能够增加对环境治理的投资和高效农业技术的采用（Zou等人，2022年）。
此外，我们对驱动因素相互作用效应的分析显示，土地利用（LU）与长期平均降水量之间的相互作用对磷损失的解释力最强，其次是土地利用（LU）与平均坡度之间的相互作用（图8）。这些发现与已知的水文过程一致，即降水强度、地形特征和植被覆盖共同决定了污染物的传输路径。在降雨量大和坡度陡峭的条件下，磷通过地表径流和土壤侵蚀更容易迁移，从而转移到接收水体中（Wu等人，2025年）。这一机制性理解增强了我们结果的可靠性。
4.3. 对超出水质安全磷行星边界的磷损失的见解
2000年至2022年间，超出宽松磷最佳实践（ Loose PPB）的磷损失比例从98.28%下降到42.59%，表明水质有所改善，但仍存在重大挑战（图6e、f）。HHHP地区是最严重的污染热点，磷损失强度超过了宽松PPB的十倍（图4c）。这里的污染表现为多源复合模式，进一步增加了缓解的复杂性。家禽（27.31%）、猪（15.65%）和肉牛（12.30%）的直接粪便排放是畜牧业系统的主要污染源，而小麦（11.40%）、玉米（10.49%）和水果（7.27%）的侵蚀则是主要作物来源（图6b、d）。这种空间模式源于集约化农业生产与敏感自然环境的耦合。一方面，家禽和猪的大规模直接排放，加上较低的磷利用效率（图3j–l），以及小麦、玉米和经济作物中过量的肥料施用，导致了大量的土壤磷积累（图3a–c）。另一方面，该地区的水文特征是河流网络密集和降雨集中，这与整体水资源匮乏形成鲜明对比（Wu等人，2025年；Zhang等人，2014年）。这一悖论显著加速了污染物的传输和在水体中的富集，从而增加了治理的难度。在MLYRR地区，磷损失显示出明显的南北梯度，北部地区的损失强度超过了宽松PPB的五倍以上（图5c）。在MLYRR地区，磷污染主要来自水稻（17.38%）、猪（14.90%）和蔬菜（14.64%；图6b、d）。这种空间分布模式与以往关于北部子流域（如汉江、巢湖流域）的磷污染负荷高于南部子流域（如洞庭湖、鄱阳湖流域）的报告一致（Hu等人，2020年）。这突显了稻田磷流失在MLYRR水体富营养化过程中的关键作用（Liu等人，2018年；Liu等人，2022年）。相比之下，LP区域显示出“中心核心”模式的污染分布，中心区域的磷流失量超过了宽松PPB标准值十倍以上。这里的污染结构非常特殊，主要受特征性果园的影响（占18.28%；图6b，d），这些果园表现出高施肥量且磷利用效率（PUE）较低（图S1）。该地区的自然背景特征是严重的土壤侵蚀，特别是在其中心部分（Xiao等人，2022年；Wu等人，2025年）。在这种背景下，土壤中的磷容易被释放出来，形成了典型的磷流失模式，这是由于强烈的人为输入和自然过程的协同作用所致。YGP区域的磷流失存在显著的空间异质性，中西部地区的磷流失量尤其是超标严重（是宽松PPB标准的2-5倍）。整个地区的总磷流失量（155.28 Gg）主要来自肉牛（23.53%）、蔬菜（20.76%）和水果（12.28%）（图6b，d）。这种空间模式是农业实践与自然条件长期相互作用的结果。传统农场在该地区的畜牧业中占主导地位，由于粪便管理效率低下（图6d），导致了超过60%的磷流失。同时，经济作物的密集施肥（蔬菜和水果）显著增加了农田中的磷盈余。中西部地区的喀斯特地形特征是土壤浅薄、保水能力差且沙漠化严重，再加上强降雨，为土壤侵蚀和磷迁移创造了有利条件（Yao等人，2023年）。中部SBSR区域的磷流失也非常严重，超过宽松PPB标准值两倍以上。尽管这一地区的磷来源组成与YGP地区有相似之处（都以肉牛和蔬菜为主），但由于不同的地理特征，其背后的机制存在显著差异。该流域独特的地形和密集的农业活动导致了复杂的磷循环动态，对河流水质产生了重要影响（Wang等人，2025年）。凹地的地貌促进了水文汇聚，使得中部SBSR成为磷积累的重点区域，这与YGP地区以坡度驱动的磷流失情况形成对比。此外，由于SBSR是中国多熟制农业的重点区域（Huai等人，2021年），因此这里的磷肥料投入量较高。
4.4 未来的磷管理策略
牲畜养殖单位成为磷流失的主要驱动因素，矿物磷肥的投入也显示出显著影响（表3）。值得注意的是，土地利用类型（LU）与降水量之间的相互作用，以及磷肥投入与降水量之间的相互作用，共同解释了超过80.00%的磷流失变化（图8）。因此，结合我们的研究结果，我们提出中国农作物-畜牧业系统的可持续发展的三个关键举措：（1）优化磷肥使用和粪便回收率；（2）调整农业结构和灌溉方式；（3）提高磷在传输过程中的截留率，并加强对农民的培训。这些努力旨在减少对水生环境的磷压力。可以根据不同地区的实际情况制定个性化的磷管理策略，以最小化磷流失。
高风险区域被定义为磷流失量超过宽松PPB标准值十倍以上的地区。这些区域主要分布在中西部HHHP、中部SBSR、北部MLYRR、中西部NCP和东部NASR（图5c）。对于这些高风险区域，我们建议实施综合的农作物-畜牧业管理策略：（1）采用精准施肥技术（如数字遥感、土壤-作物养分诊断、智能变量施肥、控释肥料）来减少磷投入而不影响产量（Wang等人，2018a；Wang等人，2018b）；（2）调整畜牧业结构，优先发展单胃动物而非反刍动物，因为反刍动物的磷流失量更高且磷利用效率较低（Zhu等人，2022）；（3）加强粪便和秸秆的回收利用，以替代矿物磷肥并提高土壤肥力；（4）优化畜牧业的生产结构，增加大规模工业农场的比例。大规模工业农场具有较高的饲料利用效率，从而提高磷利用效率并减少磷流失（Liu等人，2024）；（5）推荐采用现代节水灌溉技术（如喷灌、滴灌和微灌）以提高水资源利用效率并减少磷流失（Wang等人，2023；Zheng等人，2025）。
中等风险区域的磷流失量超过宽松PPB标准值1-10倍。这些地区主要分布在中西部YGP、北部LP、东部SBSR、西部MLYRR和东部HHHP（图5c）。这些地区主要依赖于传统的肉牛生产和水果/蔬菜栽培（图6d），其农业基础设施不发达，现代农业技术的采用有限。因此，建议采取优化肥料施用、提高农业资源回收效率以及根据当前的社会经济条件调整畜牧业生产结构等措施（Zhou等人，2025）。同时，建议增加财政支持和农业补贴，并加强农民对新管理技术的认识和培训（Bai等人，2016b）。此外，还应为这些地区的坡地农田优先采取土壤和水资源保护措施，如梯田工程、等高线耕作和植物防护技术，以减少磷侵蚀损失（Wu等人，2024）。
低风险区域的磷流失量处于或低于宽松PPB标准值。这些地区主要集中在QTP、SC、东南部MLYRR、东部NCP和西部NASR（图5c）。从优化磷平衡的角度来看，建议在低风险地区实施畜牧生产的空间重新分配策略。例如，在水环境承载能力较高的低风险区域，可以适当增加牲畜数量；而在粪便产量超过农田承载能力的热点区域，则应减少牲畜数量以减少磷污染（Zhu等人，2022）。其次，建议建立跨市生态补偿机制。在环境安全的背景下，低风险区域应享受经济激励措施，这可以通过中央财政转移和下游地区的资金补偿来实现。建议利用这些资金支持绿色生态农业的发展和维护环境基础设施（Chen等人，2025b）。
4.5 局限性和展望
本研究的主要数据来源是中国统计数据，其估计不确定性为5.00%（Hou等人，2018）。部分城市的缺乏数据可能会对结果产生一定影响。为此，本研究通过插值相邻年份的数据来填补空白，这不应显著影响全国范围内的整体分析。虽然2000年至2022年间各地区的降水量和温度存在年际变化，但为了保持模型评估的准确性，采用了固定的磷流失系数，这与已建立的大规模长期宏观分析方法一致（Ma等人，2012；Wang等人，2018a；Wang等人，2018b）。尽管这种方法可能引入一定的不确定性，但先前的研究表明其对最终结果的影响有限。本研究采用特定年份的数据，可能无法捕捉高频波动和短期动态。为了提高未来研究的准确性，应逐步整合连续几年的数据。
此外，本研究通过使用本地化的排放因子和监测数据，并改进NUFER模型，提高了磷流评估的准确性。NUFER模型在两个方面得到了改进，以减少固定参数带来的不确定性：首先，根据全国污染普查数据为不同农业系统提供了差异化的排泄系数；其次，使用城市规模的肉类生产数据（而非全国平均值）来计算动物产品中的磷含量。研究结果验证了磷流失模拟结果的高度可靠性（P < 0.01，R2 = 0.62）。未来的研究应优先开发城市规模的动态磷流失系数数据库，以进一步提高评估准确性。同时，通过整合更高分辨率的遥感数据和进行区域性实验以获得特定地区的参数，可以进一步减少不确定性并细化评估结果。
5. 结论
在本研究中，我们通过引入针对牲畜的本地化参数，改进了NUFER模型，从而构建了一个全面的磷流评估框架。该框架用于系统评估2000年至2022年间中国城市的磷流特征，并探讨了城市磷流失对PPB标准值超标的贡献。此外，系统量化了不同作物和动物对磷流失的相对贡献。基于此，识别出了磷流失的热点区域及其主要污染源。最后，揭示了磷流失的关键驱动因素，并探讨了在不同磷管理策略下的减排潜力。研究发现，2000年至2022年间，磷流失量先增加后减少（2005年达到峰值），超过宽松PPB标准的比例从98.28%下降到42.59%。在中国农作物-畜牧业系统中，侵蚀和粪便的直接排放分别是磷流失的主要途径。验证结果确认了磷流失模拟结果的高可靠性（P < 0.01，R2 = 0.62）。牲畜养殖单位是磷流失的主要驱动因素，其中牲畜养殖单位与多年平均降水量之间的相互作用最为显著。情景分析表明，综合管理措施（包括推荐作物施肥、提高农业资源回收效率和调整畜牧业结构）可将磷肥投入减少27.86%，磷流失量几乎减少一半。在本地化的磷管理策略下，中国农作物-畜牧业系统的磷流失量比宽松PPB标准值低28.08%，但仍未达到严格的PPB标准。这项基于城市规模的研究为区域农业绿色转型提供了精细的管理决策支持，并为其他国家制定差异化的磷管理策略提供了重要的科学依据。
### 作者贡献声明
吴志坚：概念设计、方法论、软件开发、数据收集、正式分析、初稿撰写；
周振：监督；
杜海娇：软件开发；
万伟：软件开发；
朱金琦：监督；
梁涵（通讯作者）：资金获取、资源协调、监督、审稿与编辑；
郑博福（通讯作者）：资金获取、资源协调、监督、审稿与编辑。所有作者均参与了手稿的审阅。
