在1750-2022年期间，一氧化二氮（N₂O）造成了温室气体所致总变暖的6.4%，仅次于二氧化碳（CO₂）和甲烷（CH4）1，并且是主要的平流层臭氧消耗物质 2。预计到2100年，即使在立即停止使用化石燃料的情景下，全球气温升幅也将超过1.5°C甚至2°C 3，这凸显了减缓N₂O排放的迫切性。大气中N₂O的浓度已从1850年的270 ppb增加到2024年的338.3 ppb，其平均增长率已从1980-2020年的0.82 ± 0.33 ppb yr−1 增加到2021-2024年的1.15 ± 0.12 ppb yr−1 4,5（图1）。人为因素是这一增长的关键驱动因素，其来源包括农业和工业的直接排放，以及来自内陆水域、微塑料或源于农业肥料的水生氮的间接排放。农业活动占全球人为N₂O排放量的一半以上 5,6，这迫切需要协调粮食安全与气候稳定。
陆地和淡水环境中N₂O的产生主要由两个微生物过程驱动：硝化作用和反硝化作用。硝化作用由自养微生物驱动并在有氧条件下发生，而反硝化作用由异养微生物驱动并在缺氧条件下发生。尽管这两个过程在非常不同的环境条件下进行，但在诸如排放因子法等方法中并未对它们进行区分，该法广泛用于编制N₂O排放清单 7。
N₂O排放表现出显著的时空异质性 5,6。这种变异性表现为空间上受限的异常高排放区，称为热点，以及短暂的高强度排放期，称为热瞬 8。热点发生在从微点位到区域尺度的范围 9,10。例如，施肥农田的N₂O释放速率可能比其他旱地生态系统高一到两个数量级。热瞬通常由环境条件触发 11,12。例如，干旱沙漠生态系统在干旱期间的N₂O排放可忽略不计，但在降雨事件后可能迅速增加。
迫切需要全面了解N₂O的来源和机制，以支持有效的减缓策略。政府间气候变化专门委员会（IPCC）Tire 1 方法中农田肥料统一的1%排放因子假设施用的含氮肥料中有 1% 以N₂O形式损失。然而，由于普遍存在的N₂O排放热点和热瞬，该排放因子无法准确解释局地和时间上的变异。基于过程的模型也难以处理这些脉冲式排放，因为对N₂O产生途径的表征不足，特别是缺乏对硝化菌硝化作用（NN）和硝化菌反硝化作用（ND）的分别控制 13。此外，微生物功能基因也可能在微塑料生物膜等新兴源中调节N₂O排放 14。很少有基于过程的模型整合了微生物相互作用，这可能导致源的错误归因，从而使减缓策略受到损害。
在本综述中，我们讨论了N₂O产生的来源和机制，并概述了可能的减缓策略。首先，我们考察了遍及土壤圈、水圈、大气圈、冰冻圈、岩石圈、塑料圈和工业的N₂O排放热点和热瞬。随后，我们研究了产生N₂O的非生物和生物过程，以及利用生物强化和生物地球工程技术来减缓农业土壤和陆地水体排放的可能性。最后，我们确定了未来工作的领域，以解决N₂O收支中的不确定性，包括开发全球N₂O数据库和应用人工智能（AI）技术进行N₂O源控制。
a, 基于大气监测数据的CO₂（灰色线，1980-2024年，数据来自参考文献 235）和N₂O（紫色线，1980-2022年，数据来自参考文献 236）年增长率。虚线及阴影区域分别表示N₂O增长率的平均值和标准差。b, 四个十年期间各类人为（左列）与自然（右列）因素对全球N₂O排放的年均贡献 5。从1980年至2024年，全球大气N₂O浓度及排放量持续上升，其主要驱动因素为人为源。
土壤圈是最大的N₂O排放源，农业和林业生态系统是主要的热点，其次是水圈和工业（图2）。时空格局给全球N₂O收支估算带来了巨大的不确定性。例如，冰冻圈的排放通常较低，但在冻融循环期间可能激增，而天然草原和沙漠系统中的干湿循环可能引发偶发性N₂O排放脉冲。此外，岩石圈和塑料圈的N₂O产生在全球N₂O收支中可能被忽视了。本节概述了这些生态系统对全球N₂O排放的贡献以及现有估算中的不确定性来源。
不确定性之
（1）尺度效应
微观尺度的异质性影响不同景观内N₂O排放的热点和热瞬。土壤性质、小气候、微地形和底物可用性可触发突然且大规模的N₂O脉冲 25,98,99。土壤质地决定其热导率和水导率，从而调节硝化和反硝化能力。例如，砂质农业土壤具有高孔隙度和低持水能力的特点，促进土壤温度快速变化、排水和氧气扩散，这增强了硝化作用但限制了反硝化作用，导致N₂O排放的显著空间异质性 99。土壤氧气可用性也充当主要调节因子，反硝化作用在低氧区（如渍水土壤、富含粘土的环境或根际，其中氧气被根系和微生物呼吸消耗）占主导地位，而硝化作用在有氧微点位（例如排水良好的砂质土壤）占优势 100,101。微地形特征可通过改变小气候来创造排放热点68。例如，森林冠层空隙导致的太阳辐射增加提高了土壤温度，从而促进了微生物活动，导致N₂O产量增加。相反，凋落物输入减少破坏了碳氮耦合，并可能增加N₂O–N₂比率 102。小溪流和潜流带的水文连通性通过刺激耦合硝化-反硝化作用的干湿循环进一步放大了排放 56。
现有的机理模型未能可靠地纳入这些过程，因此无法有效捕捉排放脉冲。整合尺度自适应过程并开发高分辨率环境输入数据可以提高这些模型在微观尺度上捕捉偶发性N₂O排放的能力 55。
（2）人为排放
大多数生态系统N₂O排放的不确定性主要由人为干扰的偶发性驱动。其他不确定性来源包括不同地区测量所用技术方法的差异；由于人为干扰或频繁管理导致的通量排放的过度波动；以及许多地区或新排放源数据的缺乏（表1）。为了减少这种不确定性，有必要理解产生N₂O的过程及其潜在机制；过程动态如何影响不确定性以及现有工具捕捉热点、热瞬和动态通量的能力；以及是否可能测量库之间的N₂O通量，以及哪些限制阻碍了开发更好的模型。
a, 全球各大人为与自然排放热点（橙色箭头）的N₂O通量（括号内数值，单位为Tg N yr−1）及年均增长率（箭头上数值，%）：陆地氮沉降、畜牧业、溪流与小湖泊、水田与旱地、燃料燃烧与工业生产、废弃物与废水（通量基于2020年数据计算（参考文献5）；增长率根据表1计算1980–2020年均值）；森林砍伐（通量：2010–2019年（参考文献5）；增长率：1980–2020年来自表1）；热带雨林237,238（通量：1991–2000年；增长率：1995–2012年）；沿海植被239,240（通量：模型估算值；增长率：2014–2024年）；水产养殖（通量：2020年（参考文献241,242）；增长率：1980–2020年来自表1）；热带上升流系统（通量：模型估算值49；增长率：2003–2020年（参考文献243））；以及河口59,244（通量：模型估算值；增长率：1998–2022年）。表1中年均增长率为该时段内各年增长率的平均值。热带雨林、沿海植被、河口及热带上升流系统的增长率通过以下公式计算：增长率 = [（末期通量/初期通量）^（1/年数） – 1] × 100%。箭头粗细反映N₂O排放量级。紫色箭头指示在全球气候模型及N₂O收支中被忽略或存在不确定性的源：基岩风化87、微塑料及水位波动带。b, 同a，但针对草原（通量：2006年（参考文献44）；增长率：1980–2020年（参考文献245））、沙漠246,247（通量（单位为kg N ha−1 yr−1）及增长率：2014–2017年）、森林砍伐（通量：2010–2019年（参考文献5）；增长率：1980–2020年来自表1）、以及水田与旱地（通量：2020年（参考文献5）；增长率：1980–2020年来自表1）的热瞬排放。沙漠与草原的年增长率值直接取自参考文献。对于草原（降雨与季节性冻融循环所致）、冰冻圈、沙漠降雨、野火，以及旱地（施肥、灌溉、降雨与季节性冻融循环所致）的排放贡献存在不确定性或被忽略。各生态系统对全球N₂O排放的贡献各异，然而现有研究估算中许多排放源仍被忽略或存在不确定性。
dMeasured with closed chamber technique and eddy covariance. eMeasured with closed chamber technique. fMeasured with eddy covariance and floating chamber method.
为了减少不同生态系统N₂O排放的不确定性，阐明主要的N₂O产生过程并表征其对环境变化的动态响应非常重要。在本节中，我们概述了N₂O产生的生物地球化学机制以及这些机制中的不确定性。这些知识对于开发技术和确定关键控制参数以管理和减少N₂O排放至关重要。
生物N₂O产生
生物N₂O产生涉及复杂的生物地球化学过程，主要由微生物驱动。存在两种不同的微生物过程（图3）。首先，存在环境铵（NH4+）衍生的N₂O产生（以NH3为底物），通过三种机制发生：硝化菌硝化作用（NN）、硝化菌反硝化作用（ND）和硝化耦合反硝化作用（NCD）103。其次，存在环境NO3−衍生的N₂O产生（以NO3−为底物），这归因于反硝化菌反硝化作用（DD）。NN过程主要依赖氨单加氧酶（AMO, amoA/B/C）和羟胺脱氢酶（HAO, haoA/B）进行氨（NH3）氧化。相反，ND过程主要涉及含铜亚硝酸盐（NO2−）还原酶（Cu-NIR, nirK）和细胞色素c依赖性一氧化氮还原酶（cNOR, cnorB/C）分别用于NO2−还原和NO还原。NCD和DD过程共享关键酶，包括含cd1的NO2−还原酶（cd1-NIR, nirS）、Cu-NIR、cNOR和N₂O还原酶（NOS, nosZ）。这些过程的根本区别在于，在NCD机制中，NO3−底物来源于NH3氧化，而在DD中，NO3−直接来源于环境。还存在另一个独特的酶促途径，其中周质细胞色素（cyt）P460酶在缺氧条件下促进两分子羟胺（NH2OH）氧化成N₂O 104。此外，携带细胞色素P450nor NO还原酶的真菌可以产生N2O作为终端产物 105。
NO3−衍生的N₂O产生
反硝化作用在全球氮循环中起着关键作用，并驱动NO3−衍生的N₂O产生。在富含有机物的环境中，异养反硝化菌依次将NO3−还原为NO2−、NO、N₂O，并最终还原为N₂O（图3）。然而，贫营养系统栖息着使用无机电子供体（如元素硫、硫化物、硫代硫酸盐或H₂）将NO3−还原为N₂的反硝化菌 106,107。甲烷依赖性反硝化菌进一步扩展了这种代谢多样性，使用CH4作为电子供体进行NO3−和NO2−还原 108。细菌反硝化作用以模块化方式进行，最后一步，即N₂O还原为N2，通常不完全，导致N₂O积累 109。
NO3−衍生的N₂O产生受环境因素调节，如氧气可用性、pH、温度和微量金属（例如铜离子）。生理研究表明，高O₂浓度会降低微生物N₂O还原速率 110；然而，微宇宙实验表明，长时间的O₂暴露会诱导出具有加速N₂O还原的反硝化表型 111。更好地理解O₂对反硝化作用的影响对于预测O₂浓度波动的生境中的N₂O排放非常重要 111。土壤水分动态也施加强烈控制：永久冻土带 112、泥炭地 113和全球水稻系统（例如在印度次大陆 114、华北平原 115、孟加拉国 116和芬兰 117）的干湿交替循环导致N₂O排放比持续淹水土壤增加30–45倍。尽管变暖直接刺激反硝化作用，但尚不清楚它是放大净N₂O产生还是消耗 118,119。历史上，酸性pH被认为阻止了微生物将N₂O转化为N2；然而，耐酸N₂O还原微生物的发现，它们能够在低pH条件下有效还原N₂O，挑战了这一范式 120,121。
NH4+衍生的N₂O产生
NH4+衍生的N₂O产生受良好底物可用性、NO2−解毒以及缺乏N2O还原活性等因素促进。参与NN和ND途径的酶——AMO和HAO——定位于硝化菌的细胞质膜和周质中 122,123。这种空间组织使ND途径能够直接利用NN产生的NO2−，创造了一种协同关系，最大限度地减少了能量消耗并避免了与其他微生物的竞争124。此外，通过ND进行的NO2−还原减轻了NO2−毒性（一种生物解毒机制125），增加了NN途径的活性。硝化菌基因组缺乏N₂O还原酶基因同源物，阻止了N₂O在细胞内被酶促还原为N₂。因此，NN和ND产生的N₂O被释放，而不是在同一细胞内被代谢 126,127。
NH4+衍生的N₂O产生途径由三个微生物类群介导：氨氧化细菌（AOB）、氨氧化古菌（AOA）和完全氨氧化菌（comammox）（图3b，左）。AOB宿主 both a NOR酶（存在两种由norCBQD或norSY编码的遗传变体）和 cyt P460，使其能够通过ND和 cyt P460 介导的途径产生N₂O。相比之下，AOA缺乏典型的 nor 基因，但拥有一个推定的细胞色素P450nor NO还原酶基因，这可能促进酸性环境中ND驱动的N₂O产生 130。此外，已证明由AOA独有的多铜酶催化的N₂O产生 131，阐明了AOA介导的产生N₂O的生物过程。因此，AOA以混合模式（生物和非生物途径）产生N₂O 132。
Comammox细菌挑战了传统的理解，即NH4+氧化为NO2−和NO3−需要由不同微生物群介导的连续步骤 122。分子生物学分析证实了comammox细菌在多种环境中的广泛分布，包括土壤、河流、湖泊、潮滩、河口，以及工程系统如废水处理厂、饮用水系统和水产养殖设施 133。与典型的NH3氧化剂（AOA和AOB）相比，Comammox细菌对NH3具有高亲和力、低生长速率和高生长产量 134。它们的基因组缺乏 nor 同源物，并且尽管细胞色素 c′-β（由 cytS 编码）偶尔在硝化螺菌属（Nitrospira）物种中检测到，但其在N₂O产生中的功能作用仍未得到证实 135。然而，comammox细菌可以通过提供反应中间体NH2OH来间接贡献于非生物N₂O形成 135。在实际应用中使用comammox主导的NH3去除过程仍然有限，但随着其生态和工程潜力的进一步探索，此类应用可能会出现。
NH4+衍生的N₂O产生对气候变化的敏感性仍不清楚，因为硝化菌对环境变化以复杂的方式响应。单独升高温度会增强硝化菌活性，AOA比AOB更敏感 136,137。然而，增加的CO2浓度通常会抑制大多数硝化菌（AOB、AOA和NO2−氧化细菌，NOB），但comammox除外 138,139。为了准确评估气候变化对NH4+衍生的N₂O产生的影响，考虑特定生态系统类型和人为影响（如肥料使用）的影响非常重要 140。
追踪形成途径
不同N₂O产生途径的氮和氧来源差异很大 141。通过NN、ND和NCD产生的N₂O中的氮原子完全来源于NH4+，将这些归类为NH3驱动的途径，而反硝化菌反硝化作用（DD）的氮来源于NO3−，将其定义为NO3−驱动的过程。氧原子来源进一步区分这些途径：在NN中，氧原子完全来源于O2；在ND中，一半来源于O2，一半来源于水；在NCD中，三分之一来源于O2，三分之二来源于水；在DD中，所有氧原子来源于NO3−。
同位素追踪技术可以利用这些不同的氮和氧来源来阐明N2O的形成机制。传统的15N单同位素追踪方法无法解析氧来源；然而，已开发出双15N–18O同位素追踪来识别氮（NH3或NO3−）和氧（NO3−、水或O2）的来源。该技术可以通过分析N₂O中的同位素富集来分配各途径对N₂O产生的贡献 142,143。然而，不同NH3驱动过程（NN、ND、NCD）之间重叠的氧原子来源阻碍了对个体贡献的精确量化，将估算限制在最大和最小值的范围内 142,144。此外，异化NO3−还原为NH4+过程在同位素评估中常被忽视，它通过改变NH4+和NO3−库的同位素组成而引入复杂性，从而扭曲N₂O源计算。
15N的位点偏好（δ15Nsp）提供了一种替代方法来识别环境尺度上的N₂O源和汇 145。δ15Nsp的测量反映了不对称N₂O分子中15N的分子内分布 146。δ15Nsp的值与底物的同位素组成无关，并反映了生化生产机制和N2O还原过程中的同位素分馏 147。不同的酶促途径具有不同的δ15Nsp值。例如，真菌反硝化作用和NN导致δ15Nsp升高，这是由于氮原子顺序结合到铁中心，而近零的δ15Nsp源于DD和ND中两个氮原子同时结合到双铁中心 148,149。
总之，δ15Nbulk、δ18O和δ15Nsp的同位素体特征可以解析每条途径。仅δ15Nsp不足以完成此任务，因为不同过程之间的值存在重叠，并且多个N₂O产生和还原途径同时发生 150,151。基于同位素混合原理的同位素图谱使用双同位素体特征（δ18O/ δ15Nsp 或 δ15Nsp/ δ15Nbulk）来约束N₂O还原程度和主要N₂O产生途径 150。称为稳定同位素分馏和混合评估（FRAME）的贝叶斯混合模型整合了三个同位素体特征，通过马尔可夫链蒙特卡洛算法识别N₂O还原的最可能解以及各N₂O途径的混合比例 152,153。在更广的尺度上，同位素体数据可以与生物地球化学模型（如DAYCENT和DNDC）集成，以深入了解N₂O通量的区域和全球模式 154。
耦合的生物-非生物N2O产生
除了生物途径，N₂O也可以通过生物-非生物过程产生（图3）。这些过程主要受pH、氧气、温度、有机碳含量和金属离子等因素影响 155。耦合的生物-非生物N₂O产生已在天然和人工生境中广泛检测到，其贡献因不同生境而异 156,157。然而，大多数基于过程的模型并未将耦合的生物-非生物过程作为N₂O源考虑。在工业中，N₂O也可以通过非生物过程产生；然而，这些非生物过程的主要机制已很清楚，此处不再讨论 158,159,160,161。
在耦合的生物-非生物反应中，硝化过程中的中间体，如NH2OH、NO和NO2−，与氧化或还原物质发生化学反应形成N₂O（混合N₂O形成）。耦合的生物-非生物过程有两条主要途径：化学反硝化作用（也称为chemodenitrification）和NH2OH转化 156,157,162。在化学反硝化作用中，过渡金属元素，如铁和铜，进行电子转移反应并作为电子供体，在低氧条件下还原NO3−产生NO和N₂O 163。富含Fe(II)离子或NO3−的环境通过化学反硝化作用使N₂O产量增加高达28% 155。NH2OH转化通过两条途径产生N₂O。第一条是好氧混合N₂O形成，其中氮原子以1:1的比例来自NH2OH和NO2− 162。第二条是NH2OH被氧化剂（例如Fe3+和MnO2）直接氧化为N₂O 157。这两条途径对N₂O产生的贡献尚未被准确量化。
N₂O产生来源和过程的不确定性
大气N₂O的增加与环境氮负荷有关；然而，N₂O产生途径的多样性使得预测排放变得困难。关于N₂O产生的机制和过程，有几个关键问题和不确定性来源需要考虑。
首先，了解非生物过程对N₂O产生的贡献有多大非常重要。森林、草原、沙漠和水生系统中非生物N₂O产生的贡献很少报道，而该过程似乎在农业土壤中报道得更频繁 162,164。非生物过程最高能够贡献稻田土壤总N₂O排放的28% 165,166。发现灭菌土壤（其中只能发生非生物N₂O产生）产生的N₂O占未经处理的农业土壤总N₂O产量的31–75% 167。然而，对灭菌土壤的测试有局限性；例如，灭菌可能改变土壤性质，或者可能不彻底，允许一些生物过程仍然发生 168,169。尽管调查数量有限，通常认为在农业土壤中生物过程主导于非生物贡献 135,170。化学反硝化作用的一个关键生物地球化学作用似乎是催化增强耦合的生物-非生物N₂O产生途径，它可以利用微生物衍生的NH2OH、NO、NO2−或NO3−171。
其次，关于NH4+衍生的N₂O产生还是NO3−衍生的N₂O产生对N₂O排放的贡献最大存在不确定性。反硝化作用是天然和工程生态系统中N₂O产生的关键途径 9,172。然而，NH4+驱动的N₂O产生已成为主要贡献者，在一些集约化施肥的农业土壤中占排放总量的可达60–90% 144,173。由于土壤和沉积物的强烈异质性以及研究方法的不一致，NH4+衍生和NO3−衍生的N₂O产生估算之间存在显著差异；需要进一步研究以在不同生态系统中将N₂O排放归因于不同过程。
第三，识别影响N₂O产生的关键参数至关重要。有各种因素影响N₂O产生，包括底物、pH、水分含量、氧水平和NH3水平。例如，通过NH3氧化途径的N₂O产生随着O₂浓度降低而增加，在土壤低O₂浓度（0.5–3%）下占产生的总N₂O的50%以上144。
总体而言，解决这些关于N₂O来源、过程及其对环境变化和人类活动响应的不确定性非常重要。双15N–18O同位素追踪对于区分硝化和反硝化产生的N₂O相对有效，因为仅靠分子生物学方法无法区分N₂O中氧原子的来源。然而，研究仅限于实验室调查，侧重于机制和潜在过程速率，而忽视了环境驱动因素对原位通量大小的影响。此外，在自然环境中，生物和非生物N₂O产生同时发生，它们的相对贡献受环境因素调节——特别是人为变暖。
N₂O减缓策略的实施受到经济和社会障碍的限制，例如缺乏激励措施、氮管理知识不足和政策缺陷 191。鼓励农民采用先进氮管理实践的一项有效政策是向农民提供国家补贴，这可以抵消必要的资金、时间和劳动力投资。此外，应促进将N₂O减缓纳入总量管制与交易系统（例如，碳市场和氮信用系统），并让农民从采用这些实践中受益 191,192。
一个厌氧氨氧化热点区域的示例——皱纹地球带（wrinkled Earth Belt），黄色箭头指示水流方向。这种生物地球工程方法增加了好氧-厌氧界面的数量，包括土壤-水界面（河岸带）、土壤-根系界面（根际）和土壤-地下水交错带。氧化态氮与还原态氮在这些界面共存，因此支持强效的、不产生N₂O的厌氧氨氧化过程（左上插图）。相反，未处理区域的氮循环则以产生N₂O的硝化和反硝化作用为主（右上插图）。中国的这些厌氧氨氧化热点生物地球工程区构成了一种基于自然的地球工程方法，其通过多重好氧-厌氧界面来减缓N₂O排放。
#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}