有机改良剂对棉田土壤性质和作物产量的影响：一项元分析

《Industrial Crops and Products》：Organic amendment effects on soil properties and crop yield in cotton field: A meta-analysis

　　赵峰吴 | 尤龙斋 | 彭城李 | 盛磊潘 | 建王 | 国兰孙 | 姚鹏张 | 俊宏李 | 孟华斋 | 文奇赵 | 新李 | 正贵张 | 盛彪王
塔里木大学农业学院，阿拉尔，新疆843300，中国

**摘要**
中国是世界上最大的棉花生产国；然而，过度施用氮肥导致了严重的环境问题。用有机改良剂部分替代合成氮肥被认为是实现化学肥料使用零增长的同时保持或增加棉花产量的有效方法。在这项研究中，通过元分析评估了不同有机改良剂对棉花产量和土壤性质的影响。系统收集了2000年至2024年间在中国进行的56项同行评审研究，共得到412个配对观测数据用于定量综合分析。结果显示，有机改良剂平均使棉花产量、土壤有机质（SOM）、有效氮（AN）、有效磷（AP）和有效钾（AK）分别增加了25.47%、22.95%、31.96%和18.18%，而土壤pH值和容重（BD）分别减少了1.17%和5.66%。对于棉花产量，主要影响因素是氮肥施用量、土壤类型、有机改良剂类型和施用率、回归期、年平均降水量（MAP）和年平均温度（MAT），其贡献率分别为24.7%、24.4%、27.4%、25.5%、21.5%、27.0%和27.3%。物理化学性质也观察到了类似的模式。例如，当氮肥施用量低于100公斤/公顷时，SOM、AP和AK的反应不显著；而在土壤深度40-60厘米处，有机改良剂对土壤AN和AP没有显著影响。对于土壤pH值和BD，大多数影响因素都产生了显著的负面影响，其中土壤类型和有机改良剂类型是主要驱动因素。回归分析显示棉花产量、土壤AN和氮肥施用量之间存在显著的正相关关系，而棉花产量与MAP之间也存在显著的正相关关系。此外，随机森林分析确定氮肥施用量、MAP和MAT是中国棉花产量和土壤物理化学性质的最重要预测因子。总之，有机改良剂与无机肥料的合理结合代表了一种可行且有效的策略，可以提高中国的棉花生产力并改善土壤肥力。

**1. 引言**
氮（N）是作物生产的主要限制因素，施用氮基肥料是提高作物产量的主要策略。然而，最近的研究表明，过量或不适当的氮肥施用并不一定会导致产量的比例增加，反而可能带来严重的环境后果（Gao和Cabrera Serrenho，2023）。过量的化学肥料投入会加速土壤退化，并引发一系列环境问题，包括养分流失和生态系统不稳定（Zhou等人，2020）。在现代棉花生产系统中，集约化的氮肥施用通过淋溶和挥发进一步加剧了氮的损失，从而加剧了环境污染并降低了氮的利用效率（Wang等人，2021）。此外，长期和不当的化学肥料施用会导致土壤退化、土壤持水能力下降（WHC）、土壤侵蚀加剧、养分流失以及土壤微生物多样性不可预见的减少，最终导致土壤肥力恶化（Diacono和Montemurro，2010）。这些过程对全球农业用地的可持续性构成了重大挑战（Iqbal等人，2019；Tyagi等人，2022）。因此，在可持续农业生产和环境保护的背景下，寻找科学合理的策略来减少对化学肥料的依赖已成为一个关键的研究重点（Jin和Zhou，2018）。

为了解决这些挑战，将有机改良剂与综合养分管理框架结合使用已被广泛认为是维持土壤健康和作物生产力的可持续方法。有机改良剂主要包括畜禽粪便、作物秸秆、生物炭、农业生产废弃物和绿肥（Liu等人，2022）。有机改良剂的加入可以促进稳定土壤团聚体的形成，从而改善土壤结构、水分和养分保持能力以及通气性，同时刺激土壤微生物多样性和活性（Cania等人，2020）。然而，有机改良剂通常具有缓慢的养分释放速率和相对较低的养分浓度；因此，单独施用往往不足以满足作物在整个生长期间的养分需求（Silva等人，2023）。用有机改良剂部分替代合成氮肥可以有效满足作物的氮需求，同时减少初始的化学投入。作为一种关键的农艺管理实践，这种综合施肥策略已被证明可以显著提高氮的利用效率（NUE），改善土壤健康，并最终增加作物产量（Shi等人，2024）。合理实施有机改良剂的回归利用可以进一步优化土壤的物理化学性质，如改善土壤结构、调节土壤pH值，从而为作物生长创造有利的土壤环境（Cheng等人，2023）。然而，一些研究表明，秸秆的加入可能会对作物生长和产量产生负面影响，主要是由于分解过程中土壤微生物与作物之间的氮竞争（Al-Kaisi等人，2017；Islam等人，2022）。除了农艺效益外，有机改良剂的加入还可以缓解农业有机废弃物管理带来的压力。因此，越来越多的研究集中在通过部分有机替代来减少合成氮的投入，特别关注有机改良剂的类型及其最佳施用比例（Ren等人，2023）。Gao和Zhu（2015）证明，用有机材料部分替代无机氮肥可以减少合成氮的投入，同时提高玉米产量和土壤氮供应能力。类似地，Xie和Zhao（2016）发现，用有机改良剂替代50%的合成氮可以使玉米产量比全有机改良剂处理提高13.5%，比单独使用化学肥料提高12.5%。Tang等人（2018）进一步观察到，在中国江西省，水稻产量随着猪粪施用量的增加而增加，而Ma等人（2019）发现，添加猪粪的处理比添加秸秆的处理产生更高的水稻产量。

棉花是中国重要的经济作物和战略物资（Zhang等人，2026）。2024年，全国棉花产量达到616.4万吨，约占全球棉花产量的25%，使中国成为世界上最大的棉花生产国（Grundy等人，2021；Rochester，2012）。尽管许多研究表明，单位面积棉花产量的提高主要受水分和氮投入的影响，但仅依赖化学肥料只能在短期内增加棉花产量，无法可持续地维持土壤健康和生态系统功能（Zhan等人，2024）。因此，有机改良剂是改善土壤质量、增强养分循环和碳封存的有效方法，同时保持甚至增加棉花产量（Luo等人，2023）。例如，Cheng等人（2024）报告称，在灰漠土中用有机改良剂替代40%的化学肥料显著促进了土壤养分转化，优化了根系形态，并提高了植物养分吸收效率。此外，Feng等人（2012）发现，在常规施肥条件下，以18,000公斤/公顷的速率添加绿肥获得了最高的棉花产量。在为期三年的田间试验中，Lu和Tang（2021）施用了结合70%常规化学肥料和商业有机改良剂的施肥方案，与不施肥的对照组相比，显著提高了土壤肥力指数、棉花干物质积累、SPAD值（叶绿素含量）和叶面积指数（LAI）。

尽管过去二十年进行了大量研究，但关于有机改良剂施用对棉花产量和土壤及土壤养分动态的影响仍存在不一致性。这种变异性源于有机改良剂与农业生态系统响应之间的复杂相互作用，这些相互作用受到多种环境因素的强烈影响，包括土壤类型、气候条件、氮肥施用量、有机改良剂类型和施用方法（Fan等人，2021）。因此，需要进行全面的定量综合分析，以系统评估有机改良剂替代的总体效果，并在不同环境和管理条件下分离关键驱动因素的相对贡献。为了解决这一研究空白，本研究基于过去二十年在中国棉花生产系统中进行的已发表的田间试验进行了系统的元分析。具体来说，我们定量评估了有机改良剂替代对棉花田土壤物理化学性质的影响，并考察了它们对关键控制因素（包括土壤类型、气候条件、氮肥施用量、有机改良剂施用量和回归期）的响应。本研究旨在提供棉花生产系统中有机改良剂替代策略的综合评估，并为优化施肥管理和可持续农业发展提供科学依据。

**2. 材料与方法**
**2.1. 数据收集**
数据来自Web of Science（https://www.webofscience.com）、ScienceDirect（https://www.sciencedirect.com/）和中国国家知识基础设施（CNKI）数据库（http://www.cnki.net/）。进行了系统搜索，以识别2000年至2024年间发表的同行评审期刊文章和相关出版物。本研究的范围限于评估氮肥减少与有机改良剂替代在棉花田生产中的应用效果，特别关注其在田间条件下的对棉花产量和土壤物理化学性质的影响。地理范围限于中国，所有实验必须在田间进行。搜索词包括：“棉花”、“产量”、“有机替代”、“有机改良剂”、“土壤”、“氮减少”。数据检索的筛选标准如下：（1）实验数据必须来自棉花种植系统的田间试验，并且必须包括至少一个完整的生长季节；（2）对照组必须包括未将有机改良剂返回田间的处理；（3）处理组必须包括施用有机改良剂的处理；（4）对照组（CK）和处理组的重复次数不得少于三次。提取的信息包括出版物详情（期刊、作者、年份、标题）、土壤类型、气候条件[年平均降水量（MAP）、年平均温度（MAT）、氮肥施用量、有机改良剂用量、有机改良剂类型以及回归期。此外，还收集了不同土壤深度的土壤物理化学性质[土壤有机质（SOM）、有效氮（AN）、有效磷（AP）、有效钾（AK）、土壤容重（BD）和土壤pH值，以及棉花产量数据。所有相关的实验信息都被汇总，并进行了相应的子组分析（表1）。

**表1. 数据分组情况**
| 项目 | 单位 | 组别 | 参考文献 |
| --- | --- | --- | --- |
| 有机改良剂类型/生物炭；粪便；秸秆；微生物；绿肥 | Chen等人，（2024）；Fan等人，（2021） |
| 土壤类型/灰漠土；壤土；潮土；沙壤土 | Fan等人，（2021） |
| 氮肥施用量 | 公斤/公顷 | <100；100–300；>300 | Ren等人，（2023） |
| 年平均温度 | °C | <10；10–20；>20 | Wang等人，（2024） |
| 年平均降水量 | 毫米 | ≤800；>800 | Xin等人，（2024） |
| 实验持续时间 | 年 | <3；3–6；>6 | Zhang等人，（2019） |
| 有机改良剂用量 | 公斤/公顷 | <5；5–10；>10 | Zhang等人，（2019）；Ren等人，（2023） |
| 土壤层深度 | 厘米 | 20；40；60 | Xin等人，（2024） |

文献搜索共获得了56项基于田间研究的数据集，其中412个数据集符合PRISMA（系统评价和元分析的优先报告项目）指南（图S1）。本研究纳入的实验地点的空间分布如图1所示。
**图1. 研究中分析的田间地点分布。红色代表西北内陆棉花区，绿色代表黄河流域棉花区，蓝色代表长江流域棉花区。**

**2.2. 数据分类和处理**
使用WebplotDigitizer 4（https://automeris.io/WebPlotDigitizer/）从选定文献中提取以图形形式呈现的数值数据。该软件工具用于准确提取出版研究中以图形形式呈现的数值，从而确保数据的完整性和后续分析的可用性。具体来说，首先根据每个图形的水平和垂直刻度进行轴校准，然后以点提取模式手动选择目标数据点。对于条形图和折线图，捕获平均值及其对应的误差条端点的坐标，并自动转换为数值数据。每个图形数据集独立提取三次，计算三次提取的平均值以最小化数字化偏差。平均值和标准差（SD）直接从文献中获得或在必要时计算。对于未报告SD或标准误差（SE）的研究，使用完整案例得出的变异系数来估计SD值。当仅报告标准误差（SE）时，标准差（SD）使用以下公式（1）计算：(1) SD = SE * n。响应比（RR）是农业元分析中广泛使用的效应值指标，用于量化处理效应，因为它可以很容易地转换为百分比变化。响应比的自然对数（InRR）的计算方法如下：(2) lnRR = ln(Xt/Xc)，其中Xt表示施用有机改良剂并结合施肥的处理组的平均值，Xc表示未施用有机改良剂的相应对照组的平均值。每个指标（棉花产量、SOM、AN、AP、AK和BD）的总体效应大小（InRR*）通过以下方式对各项InRR值进行加权计算：(3) lnRR* = ∑(InRi × wi) / ∑wi，(4) wi = 1 / vi，vi表示方差，计算公式为：(5) vi = (st2 / ntxt2 + sc2 / nxc2)。对于每个属性，使用Q检验评估异质性，并进行正态性检验。如果异质性检验的P值<0.05（卡方检验），则采用随机效应模型来计算合并效应大小。处理组与对照组之间的相对百分比变化计算方法如下：(6) 变化率 (%) = (elnR ? 1) × 100%。RR*的95%置信区间（95% CI）使用以下公式计算：(7) 95% CI = lnRR* ± 1.96 / SRR*2。统计分析使用MetaWin 2.0软件进行随机效应模型效应大小计算和异质性检验。使用Q检验和I2统计量评估研究之间的异质性。结果表明，纳入的研究之间没有中度到高度的异质性（表S1）。因此，采用加权抽样方法结合随机效应模型来计算合并效应大小。使用GraphPad Prism 8软件生成显示不同亚组效应大小及其95%置信区间的森林图。使用失效安全指数方法评估发表偏倚。如果失效安全指数超过5k + 10（其中k表示观察次数，表S3），则认为元分析结果可靠（Xin等人，2024年）。还计算了Egger回归检验以进一步评估发表偏倚，结果显示没有显著偏倚（p > 0.05；表S2）。如果效应大小的95%置信区间不与0重叠，则认为效应显著为正或负；如果区间与0重叠，则认为效应不显著（Wang等人，2024年）。为了探索棉花产量（RRyield）的相对变化率与土壤理化性质、环境因素和管理变量之间的线性关系，使用Origin 2021构建了线性回归模型。通过决定系数（R2）评估模型性能，并在P < 0.05时确定统计显著性（图6）。这项分析旨在初步确定RRyield与关键影响因素之间的线性关联的方向和强度，补充了随机森林模型得出的探索性发现。此外，使用R 4.4.0（包：randomForest、rfPermute）实现了随机森林（RF）模型，以识别棉花产量和土壤理化性质（SOM、AN、AP、AK、pH和BD）的关键预测因子。预测变量包括连续因素（MAP、MAT、有机改良剂用量、氮肥施用量、土壤深度、回归年限）和分类因素（土壤类型和有机改良剂类型）。为了可重复性，模型训练参数进行了标准化：500棵决策树，每个叶节点至少五个样本，残差平方和（RSS）作为分割标准，固定随机种子，以及100次排列测试用于变量重要性评估。使用平均平方误差百分比增加（%IncMSE）和袋外（OOB）误差评估模型性能。应用五折交叉验证来评估模型稳定性。使用基于1000次重采样的OOB预测的标准差%IncMSE和自举得到的95%置信区间（CIs）来衡量不确定性。本研究涉及多个预测因子，这些因子通常与响应变量表现出复杂的非线性关系和交互作用。与假设变量之间线性和独立的线性模型不同，随机森林方法能够有效捕捉这种非线性模式和变量交互作用。这种能力对于阐明土壤、气候和管理措施对作物产量的综合影响至关重要。

3. 结果
3.1. 有机改良剂对土壤性质和棉花产量的整体影响
元分析显示，有机改良剂显著提高了土壤肥力参数和棉花产量。如图2所示，土壤pH值没有显著变化，而所有其他测量的土壤性质都表现出显著改善。AP的增加最为显著，增长了38.82%，其次是AN，增长了31.96%。相比之下，SOM和AK的增加相对适中，分别为22.95%和18.18%。BD减少了5.66%，而土壤pH值下降了1.17%。这些不同的反应可能与土壤气候条件、固有土壤类型、氮肥施用量、采样深度分层和有机改良剂类型的综合效应有关。

3.2. 有机改良剂及其对棉花产量影响的亚组分析
施用有机改良剂后，不同土壤类型、有机改良剂类型、MAT、MAP、氮肥施用量和回归年限下的棉花产量均表现出积极反应（图3）。在MAT < 10°C的地区，产量增加最为显著（37.55%）。相比之下，在MAT范围为10–20°C和>20°C时，产量增加分别为21.08%和23.28%。关于降水梯度，MAP ≤ 800 mm时的产量增加为24.99%，而MAP > 800 mm时为29.05%，表明降水组之间没有显著差异。

3.3. 有机改良剂及其对土壤性质影响的亚组分析
施用有机改良剂后，SOM和有效养分对土壤类型、有机改良剂类型、MAT、MAP、有机改良剂施用量和回归年限表现出显著的正面影响。相反，土壤pH值和BD与土壤类型、有机改良剂类型、MAT和MAP表现出显著的负面影响（图4）。

4. 土壤性质、作物产量和有机改良剂之间的关系
回归分析表明，棉花产量的响应比（RR）与AN、AK、土壤pH值和氮肥施用量呈正相关，而与MAP呈负相关（图6、图7）。如绿肥和秸秆等有机改良剂的增产效果在灰漠土和壤土中相对稳定，而在沙土中的效果变化较大。采用随机森林模型来量化环境因素、有机改良剂特性（类型和施用量）、土壤类型、氮肥施用量、土壤深度以及返田年限对土壤物理化学性质（SOM、AN、AP、AK、pH、BD）和棉花产量（图8）的相对影响。MAT和MAP被确定为主要的预测驱动因素，对包括产量、SOM、AN、土壤pH和BD在内的多个响应变量产生了显著影响。对于棉花产量而言，最重要的预测因素是氮肥施用量、土壤类型和有机改良剂的用量。值得注意的是，有机改良剂的用量也是SOM、AK和土壤pH的关键预测驱动因素。土壤类型显著影响了AN、AP、AK、土壤pH和BD，表明其在调节土壤养分和物理特性方面起着基础性作用。相比之下，返田年限和有机改良剂类型仅对土壤pH具有重要的预测作用，对其他响应变量的影响有限。

下载：下载高分辨率图片（604KB）
下载：下载全尺寸图片

图6. 使用线性回归分析研究作物产量效应大小与关键土壤变量之间的关系。土壤变量包括MAT、MAP、pH、BD、AN、AP、AK、SOM、氮肥施用量、返田年限和有机改良剂施用量。

下载：下载高分辨率图片（176KB）
下载：下载全尺寸图片

图7. 不同有机改良剂类型（a）和土壤类型（b）对RR产量的影响。

下载：下载高分辨率图片（109KB）
下载：下载全尺寸图片

图8. 由于添加有机改良剂而影响土壤物理化学性质和产量的因素的相对重要性。效应大小旁边的星号数量表示影响程度（*，P<0.05；**，P<0.01）。

4. 讨论
4.1. 有机改良剂对棉花生产的积极影响
先前的研究表明，有机改良剂对棉花产量的影响与土壤物理结构、渗透性、土壤养分可用性和微生物活性密切相关（Zhang等人，2019年）。有机改良剂通过促进土壤团聚体的形成和稳定、增强土壤胶体凝聚力以及通过多价阳离子（如Ca2?、Mg2?）和有机结合剂促进颗粒结合来改善土壤结构。这些过程有助于保护土壤有机碳免受快速矿化和分解（Ding等人，2021年；Duan等人，2021年）。此外，施用有机材料的土壤通常表现出更高的孔隙度、更好的持水能力和增强的养分保持能力，从而为根系生长和养分吸收创造更适宜的物理环境（Abulaiti等人，2022年）。在我们的研究中，所有有机改良剂在提高产量方面都显示出优势，其中微生物肥料的应用带来了最大的产量增加（图3）。微生物肥料的优越性能归因于它们积极调节土壤微生物群的能力（Lazcano等人，2012年）。具体来说，微生物肥料显著增加了土壤微生物群落的丰度，从而增强了微生物肥力和生物活性，超出了单靠粪肥所能达到的效果（Li等人，2023年）。因此，微生物肥料的应用重塑了土壤微生物群落结构，特别是增加了Bacillales、Gaiellales和Pezizales等关键类群的丰度（Lin等人，2019年）。相比之下，高碳氮比（C/N）的有机改良剂（如秸秆）在分解过程中会与作物竞争氮素，可能在极端条件下导致作物缺氮（Amanullah和Hidayatullah，2016年）。相比之下，生物炭应用带来的产量增加相对较小。这可能是因为生物炭添加后土壤中难降解的芳香族和酚类官能团的富集，导致这些化合物在总土壤有机碳（SOC）中的比例增加（Yang等人，2017年）。或者，其效果可能更多地依赖于土壤物理结构的长期改善，而不是即时的养分供应（Haque等人，2021年）。因此，将微生物肥料应用于田间可能比其他类型的有机改良剂产生更显著的增产效果。同时，本研究还观察到，当氮肥施用量低于100 kg·ha?1时，有机改良剂并未表现出显著的增产效果。这种现象主要归因于低氮条件下土壤氮素的背景可用性较低（Xin等人，2019年）。此外，有机改良剂中的氮素矿化和释放速度滞后于作物生长期的需求，从而限制了作物生长（Alburquerque等人，2012年）。在本研究中，短期有机改良剂的应用导致了明显的产量提升，这可以归因于土壤质量的快速改善、微生物活性的增强以及养分供应的效率（Balestrini等人，2015年）。值得注意的是，长期有机改良剂的增产效果不如短期应用的效果明显。这种差异可能与纳入元分析的长期研究数量有限有关，这可能会降低评估的可靠性。因此，进一步的研究应更加重视评估有机改良剂的长期残留效应。这种不一致性强调了在选择此类产品时需要考虑有机土壤改良剂的作用方式与当地土壤条件和管理目标之间的兼容性（Preez等人，2025年）。气候条件也在调节棉花产量响应中发挥了重要作用。MAT和MAP影响土壤水热状况和微生物动态，从而影响有机改良剂的分解速率和氮素矿化过程（Biffi等人，2022年）。本研究表明，有机改良剂在所有MAT条件下都能持续提高土壤养分可用性。特别是在温带大陆性气候条件下，似乎为SOM积累和铵态氮的富集提供了有利的环境（Sarula等人，2022年）。在干旱气候条件下，较高的自养硝化速率促进了有机氮向硝态氮（NO3?-N）的有效转化，确保了棉花生长的充足氮素供应（Ren等人，2023年）。

4.2. 有机改良剂对土壤基本性质的积极影响
有机改良剂的应用显著促进了土壤碳的固存，同时增加了土壤养分储备，并提高了整体土壤肥力，这与先前的研究结果一致（Chen等人，2024年；Hui和Lu，2020年）。在本研究中，有机改良剂在不同程度上改善了土壤的物理化学性质和作物产量（图4，图5）。SOM、AN、AP和AK的含量分别增加了14.1%–34.94%、12.58%–54.41%、14.2%–58.55%和5.07%–57.34%，而土壤BD减少了1.53%–8.16%。此外，氮肥施用量也被确定为调节土壤养分状况和有机质动态的关键因素。适当的氮肥施用量可以刺激固氮活性，从而在整个生长季节内实现更稳定的氮素释放动态（Fu和He，2024年）。然而，过量的氮肥施用可能导致氮素过剩和C/N失衡，使微生物加速有机改良剂的分解以获取能量。这一过程会增加碳损失，最终降低SOM含量（Zhang等人，2023年）。如图4所示，尽管本数据集中的长期实验（>6年）相对较少，但现有结果表明，增加有机改良剂的施用年限显著提高了SOM、AN、AP和AK的含量。这些发现表明，有机改良剂的有益效果可能会随着时间的推移而变得更加明显。短期的产量增加主要源于快速提供的养分，这些养分改善了土壤条件，而长期效果则更可能源于土壤有机质库的持续积累、土壤结构稳定性的增强以及土壤微生物群落的逐步建立（Okur等人，2025年）。在不同土壤类型中，灰漠土棉田更易于积累SOM并降低土壤碱度，主要是因为干旱和碱性环境减缓了有机质的分解过程（Ahmad等人，2013年）。此外，灰漠土通常富含钙；在干旱气候条件下，钙离子倾向于与碳酸根离子结合形成碳酸钙（CaCO?）。这种化合物对灰漠土中SOM的周转特性具有显著的调节作用，因为它可以影响有机质的分解速率和有机碳组分的稳定化过程。作为这种特定土壤类型中控制SOM周转的核心因素，SOM是迄今为止相关研究中研究最广泛的组分（Peng等人，2015年）。碳酸钙与有机质之间的相互作用也为阐明灰漠土中SOM的周转过程提供了关键基础（Fernández-Ugalde等人，2014年；Rowley等人，2017年）。这种环境更有利于微生物的生长和活动，从而促进了有机改良剂的分解和养分的有效循环，最终提高了土壤肥力。有机改良剂的应用不仅增强了微生物的固氮作用，还使氮素在整个作物生长季节内更均匀地释放（Ren等人，2019年）。此外，当有机改良剂中的有机成分被土壤微生物分解时，会产生有机酸和二氧化碳。在这些产物中，有机酸可以与土壤中的矿物钾反应，释放钾离子，从而有效提高钾的可用性（Cao等人，2024年）。有机改良剂还提供了必需的微量元素和养分。随着有机成分的分解，这些养分逐渐释放，为棉花生长提供了持续的养分支持（Cheng等人，2024年）。为了进一步明确这些调节因素的相对贡献，我们使用随机森林模型进行了评估。根据模型输出，图8展示了从随机森林分析中得出的变量重要性排名。值得注意的是，这些排名反映了现有数据集中每个因素的潜在相对重要性，而不是它们在实际田间的确切贡献。本研究中应用的随机森林模型本质上是探索性的，存在一定的局限性。作为一种非参数学习方法，它在捕捉变量之间的非线性关系方面是有效的；然而，它无法确定识别出的关键因素与作物产量或土壤性质观察到的变化之间的明确因果关系。此外，模型性能受到收集文献中可用变量的限制，潜在的混杂因素可能没有得到充分考虑。因此，结果为后续的针对性研究提供了优先方向，而验证因果关系则需要长期田间定位实验的支持。

4.3. 对棉花农民的实际指导和经济效益
在有机改良剂管理实践中，已经进行了大量关于作物产量和土壤条件的研究（Celestina等人，2019年；Sarker等人，2022年；Song等人，2024年）。但尽管有机改良剂对于实现碳中和政策和农民的热情非常重要（Cai等人，2018年），只有少数研究探讨了与其相关的经济效益。考虑经济效益提供了更全面的视角，因为它不仅考虑了棉花产量的提高，还结合了针对中国棉花农民的具体实际指导和经济可行性分析。对于不同的生产情景，建议选择不同的有机改良剂类型和应用策略。在新疆北部的棉花生产区，应优先考虑长期施用生物炭，以增强SOM的固存并稳定土壤结构，从而为可持续的产量提升奠定基础（Lin等人，2025年）。相比之下，在华北平原的低氮土壤中，微生物肥料更适合最大化产量增长，因为它们可以通过激活土壤氮库有效缓解氮素限制（Bamdad等人，2021年）。从中国棉花农民的经济效益角度来看，推荐的施用量为100–300 kg·ha?1，结合>5 t·ha?1的有机改良剂，适用于中国大多数棉花种植区。这一策略平衡了合成氮肥的即时产量需求与有机改良剂带来的长期土壤肥力提升（Amadou等人，2021年）。微生物肥料的购买成本约为400元·ha?1，而通过其应用实现的显著产量增加可以显著提高家庭净收入。对于新疆北部的规模化棉花生产，长期施用生物炭需要较高的初始投资，约为1500元·ha?1；然而，其持续的效果减少了后续的土壤改良剂和肥料投入，从而实现了中长期的成本效益（Sun等人，2025年）。此外，主要棉花生产省份政府对有机改良剂的补贴进一步减轻了农民的经济负担，显著提高了这些推荐做法的广泛采用的可行性（Gwenzi等人，2015年）。尽管本元分析中包含的所有数据集均来自在中国进行的研究，但所发现的模式普遍适用于全球的农业生产系统。通过将作物残渣纳入土壤中来实现有机改良的效果，在全球大多数陆地作物种植区域已经得到实践或技术上是可行的。这一结论与先前的全球范围研究结果一致（Bai等人，2023年；Li等人，2025年），进一步支持了将有机改良与减少氮肥施用相结合是一种可行的、可持续的现代农业策略的观点。

5. 结论

本研究采用元分析方法，调查了有机改良剂替代对中国棉花田产量和土壤物理化学性质的影响。短期施用微生物肥料显著提高了棉花产量，而在灰漠土中长期施用生物炭更有利于土壤有机质的积累。此外，研究表明，在每公顷施用100–300公斤合成氮肥的同时，结合每公顷少于5吨的有机改良剂，可以根据有机改良剂的类型有效促进土壤有效养分的积累，从而为田间施肥管理提供了基于实证的参考。然而，也应认识到一些局限性：纳入研究的区域覆盖范围有限，总体样本量相对较小，这可能会降低元分析结论的稳健性。总体而言，有机改良剂在作物系统中的应用已经显示出提高棉花产量和改善土壤物理化学性质的潜力。考虑到有机改良剂在气候变化条件下的长期生态效益，其应用具有广泛的推广潜力。因此，建立一个国家级支持系统对于促进其广泛采用至关重要。此外，有机改良剂的选择和应用策略应全面考虑当地环境因素、氮肥施用量、土壤类型和改良剂特性。根据特定地点的土壤和作物条件科学确定合适的有机改良剂类型和氮肥施用量，对于实施增产措施至关重要。

**作者贡献声明**

- 李欣：监督
- 吴兆峰：撰写——初稿、验证、方法论、数据管理
- 张正贵：撰写——审阅与编辑、调查、数据管理、概念化
- 赵云龙：监督
- 王占彪：撰写——审阅与编辑、监督、概念化
- 王健：监督
- 孙桂林：监督
- 李鹏程：监督
- 潘占雷：监督
- 赵梦华：监督
- 赵文琦：监督
- 张耀鹏：监督
- 李俊宏：监督