中国三大粮食作物耕地生态系统碳足迹分析

1.北京林业大学水土保持学院, 北京 100083; 2.北京林业大学云南建水荒漠生态系统国家定位观测研究站, 建水 654399; †通信作者, E-mail: wuxq@bjfu.edu.cn

摘要基于 2006—2019 年全国 NPP、三大粮食作物分布和农业生产投入等统计数据, 对中国三大粮食作物的碳汇量、农业碳排放量和碳足迹进行估算, 并分析三大粮食作物碳汇量的时空格局。结果表明, 1)2006—2019年全国三大粮食作物总固碳量持续增加, 其中水稻、玉米和小麦的固碳量分别占 41.92%, 38.62%和 19.46%; 三大粮食作物的固碳量远超出农田生产要素引起的碳排放量, 两者之比为 5.37:1, 表明全国农田生态系统具有较强的固碳能力; 2)全国农业碳排放总量持续增加但增速下降, 化肥和柴油是主要碳源; 3)三大粮食作物耕地生态系统表现出较大的碳生态盈余, 2019 年碳足迹为 17.55×106hm2, 占耕地比例为 18.62%, 即三大粮食作物耕地系统生产排放的 CO2降低至需要全国不到 1/5 的三大粮食作物耕地来消纳。研究结果有助于明晰耕地生态系统在碳循环中的地位, 对促进农业碳减排, 全国 2030 年实现“碳达峰”, 2060 年实现“碳中和”的战略提供科学依据。

作为陆地三大生态系统之一, 农田生态系统既是重要的碳汇, 也是重要的碳源。一方面, 农田生态系统碳储量约占全球碳储量的 10%, 为 170Pg (1 Pg=109t)[1]; 另一方面, 农业生产活动是第二大温室气体排放源, 排放量约占全球人为总排放量的23%[2]。计算和分析耕地生态系统碳源碳汇, 有助于明晰耕地生态系统在陆地碳循环中的地位, 对促进耕地生态系统固碳减排, 推动农业资源的科学管理和合理利用具有重要作用, 并为全国 2030 年实现“碳达峰”, 2060 年实现“碳中和”的战略目标提供科学依据。目前, 作物的碳汇大多通过农作物全育期固定的干物质量乘以其碳吸收效率系数来计算, 得到相应的固碳量[3–4]; 耕地的碳排放多聚焦于耕地的生产过程, 主要根据农用能源的消费和农用物资的投入对耕地碳排放量进行计算[5–7]。由于受耕作收获期、作物收获量和农业生产要素投入统计结果准确性等的限制, 较难实现对全国宏观碳汇和碳排放的快速估算。

农业碳足迹指消纳农业生产活动引起的碳排放所需要的生产性的土地面积[8]。国内外研究主要关注建立碳足迹的数学模型以及对碳足迹的计算和评价, 进而提出减少的方法和建议[9]。王钰乔等[10]基于 ISO14067 产品, 计算华北平原的小麦和玉米等粮食作物的碳足迹。叶文伟等[11]和尚杰等[12]基于农田生态系统投入与产出, 分别对海南省和山东省潍坊市的农田生态系统碳足迹进行分析和评价。Liu 等[13]从碳足迹的区域变化, 发现农田流转解决了碎片化土地问题, 提高了低生产力农民土地利用和农业生产效率, 降低了农业碳足迹。

虽然农业碳汇、碳排放量、碳足迹及其影响因素等方面已积累了大量研究成果, 但现有研究更多地从农业碳汇及碳排放总量方面进行测算, 鲜有对全国三大粮食作物的固碳量、种植空间变化及碳循环进行深入研究, 随着粮食生产的聚集效应及大规模单一作物种植的变化, 碳效应可能出现新的特征。此外, 目前耕地碳足迹的研究多局限于某单一省份, 很少对大区域宏观碳足迹的变化特征进行分析。

本研究基于 MODIS-NPP(净初级生产力)产品和农业投入生产要素统计数据, 对 2006—2019 年中国三大粮食作物碳汇与碳排放量进行计算, 分析不同阶段碳汇和碳排放的规律与特征, 并分析三大粮食作物耕地生态系统的碳足迹情况, 以期为促进全国三大粮食作物耕地生态系统固碳减排、农业产业结构调整以及农业的可持续发展提供科学依据。

1 研究方法与数据来源

1.1 研究方法

1.1.1三大粮食作物固碳量计算方法

根据绿色植物光合作用方程式(6CO2+6H2O width=47,height=15.85

C6H12O6+6O2)和糖类的脱水缩合反应原理, 可知植物生产 162kg 干物质可吸收固定 264kg CO2, 即作物每吸收 1.63kg 的 CO2, 可以产生 1.00kg 的干物质, 其中 1.00kg 的 CO2 中包含 0.27kg 碳[14]。NPP 是植被光合作用产生干物质量的 2.2 倍[15], 因此, 三大粮食作物固碳量可通过 NPP 计算得到:

其中,

表示单位面积植被固定的 CO2 量(g/m2), WC表示单位面积植被固碳量(g/m2),

表示单位面积植被 NPP (g/m2)。

1.1.2耕地碳排放测算方法

农业碳排放主要来源于人类种植生产活动产生的温室气体碳排放[16]。结合中国农业生产要素投入的情况, 种植业碳排放主要来自化肥、农药和农膜等物质的投入引发的碳排放, 农用机械耗费柴油的碳排放, 以及翻耕导致的有机碳流失。本文借鉴田云等[17]采用的IPCC碳排放系数法进行测算:

其中, C 表示农业碳排放总量, Ci 表示第 i 种碳源的农业碳排放量, Ni 表示第 i 种碳源投入量, Ki 为第 i种碳源的碳排放系数。具体来源与数值见表 1。

1.1.3粮食作物耕地生态系统碳足迹估算方法

碳排放的生态足迹 CEP 为消纳碳排放所需要的生产性的土地面积, 计算公式[21]为

其中, CEP 为耕地生态系统碳足迹(hm2), Et 为耕地投入碳排放总量(t), NEP 为耕地生态系统单位面积的碳吸收能力(t/hm2), Ct 为耕地生态系统中粮食作物全碳吸收总量(t), S 为耕地面积(hm2)。

粮食作物耕地生态系统碳足迹如果超过其生态承载力(耕地面积), 就出现碳生态赤字, 反之为碳生态盈。

其中, CED 为碳生态赤字, CER 为碳生态盈余, CEC 为生态承载力(即耕地面积)。

1.2 数据来源

MODIS-NPP 数据为 NASA 提供的 MOD17A3 数据产品(https://modis.gsfc.nasa.gov/data/), 空间分辨率为 1km。本研究通过对 MODIS-NPP 数据进行投影转换、重采样、数据格式转换、影响裁剪与拼接等预处理, 得到全国 MODIS-NPP 年数据。

中国三大粮食作物种植分布数据来自国家生态科学数据中心(http://www.nesdc.org.cn), 空间分辨率为 1km; 翻耕播种面积用中国玉米、小麦和水稻的种植空间分布面积表示。

化肥折纯量、农药用量、农膜用量、柴油用量和有效灌溉面积等数据均来自 2006—2019 年《中国农村统计年鉴》和《中国统计年鉴》。

2 结果与分析

2.1 三大粮食作物碳汇时空动态

2.1.1三大粮食作物固碳量变化趋势

2006—2019 年期间, 全国三大粮食作物年均总固碳量为 38626.70 万 t/a, 从 2006 年的 35855.93 万t/a 上升到 2019 年的 42790.46 万 t/a(图 1), 增速为1.46%; 2012 年之后增速加快, 增速为 8.78%。其中, 水稻、玉米和小麦的年均固碳量分别为 15851.03, 13373.59 和 9402.07 万 t/a, 占全国三大粮食作物总固碳量的 41.03%, 34.62%和 24.34%; 水稻和玉米固碳量呈现上升趋势, 增速为 1.31%和 3.61%, 小麦固碳量呈现下降趋势, 增速为‒0.92% (图 2 和表 2)。

2.1.2全国不同农业种植区碳汇的空间分异

为研究全国三大粮食作物固碳量的空间分布, 本文对不同农业区的总固碳量和单位面积作物固碳量进行比较。如图 3 所示, 全国三大粮食作物固碳量集中在中国的东部地区, 2019 年长江中下游地区三大粮食作物固碳量最多(11704.57 万 t), 占全国三大粮食作物固碳量的 27.37%。青藏高原区最少(53.77万 t), 仅占 0.13%。云贵高原区三大粮食作物单位面积固碳量最多(8.16t/hm2)。北方干旱半干旱区最少, 为 3.26t/hm2。

2019 年, 水稻的固碳量在长江中下游地区、云贵高原区和华南地区位列前三, 占全国水稻固碳量的 79.74%; 玉米的固碳量在东北平原区、黄淮海平原区和云贵高原区位列前三, 占全国玉米固碳量的65.27%; 2019 年小麦的固碳量黄淮海平原区、长江中下游地区和北方干旱半干旱区位列前三, 占全国小麦固碳量的 86.86%。

2.2 农业生产碳排放的时空动态

2.2.1农业生产碳排放总量的时序变化

随着农业生产机械化水平的提高以及化肥等化学型农业生产要素的大量使用, 农业生产率大幅度提高, 农业总产值也得以持续增加, 但是农业碳排放总量也随之大量增加[16]。利用式(3)可以得到, 2006—2019 年中国农业碳排放量总体上呈先增加后减少的趋势(图 4)。1)2006—2015 年农业碳排放量从 7306.32 万 t 增至 8970.33 万 t, 增速为 2.31%, 其中 2015 年的 8970.33 万 t 为近 14 年间的峰值, 化肥、农药和农膜等农用物资大量投入使用是引起种植业碳排放不断上升的主要原因[16]; 2)2015—2019年农业碳排放量从 8970.33 万 t 减至 7967.69 万 t, 增速为‒2.91%, 这可能得益于中国重视农业绿色生产和生态可持续发展, 化肥、农药以及农膜等农用生产物资的使用量逐渐减少(图 5)。

2.2.2生产要素的碳排放占比

2019 年, 化肥导致的碳排放量为 4839.46 万 t, 占比为 60.74%, 其中 2015 年的碳排放量 5393.84 万t 为历史最高, 2016 年开始呈下降趋势; 农膜导致的碳排放量为 1247.34 万 t, 占比为 15.66%, 2006—2011 年增速总体上呈上升趋势, 2011 年同比增速最快, 为 5.61%, 但 2012 年后呈快速下降的趋势; 柴油导致的碳排放量为 1146.28 万 t, 占比为 14.39%; 农药导致的碳排放量为 686.83 万 t, 占比为 8.62%; 土地翻耕与农业灌溉引致的农业碳排放量分别为29.47 万 t 和 18.30 万 t, 占比为 0.37%和 0.23% (图 5)。

2.2.3全国不同农业种植区碳排放空间分布情况

2019 年, 碳排放总量最多的是长江中下游地区, 为 1958.32 万 t, 占比为 24.55% (图 6); 其次是黄淮海平原区, 为 1930.98 万 t; 青藏高原区最少, 为21.92 万 t, 占比仅为 0.27%。长江中下游地区与黄淮海平原区共占全国耕地碳排放总量的 48.76%, 主要原因是这两大农业区是三大粮食作物主产区, 农业生产要素投入与能源消耗量大。单位面积碳排放量最大的地区是华南区, 为 1.28t/hm2, 华南区的主要省份包括广东、福建和海南, 因此可以看出单位面积碳排放量在不同发达省市之间, 农业发展水平与发展方向上会有不同的差异。

2.3 全国三大粮食耕地生态系统碳足迹分析

2006—2019 年期间, 全国三大粮食耕地生态系统年均碳足迹为 18.69×106hm2, 从 2006 年的 15.8× 106hm2 增加到 2019 年的 17.55×106hm2, 呈现先上升后逐渐下降的趋势, 增速为 0.93%, 结果见表 3。碳足迹占同期三大粮食播种面积的比值同样呈现先增加后下降的趋势, 2011 年碳足迹占比最多, 为24.55%, 2019 年降至 18.62%, 即三大粮食耕地生态系统排放的 CO2 下降到只要全国不到 1/5 的三大粮食耕地来消纳。三大粮食耕地生态系统的碳足迹都小于同时期三大粮食播种的面积, 三大粮食耕地生态系统存在碳生态盈余, 且碳盈余呈现逐年增加的趋势, 由 2006 年 61.75×106hm2 增加到 2019 年的76.72×106hm2, 增速为 1.74%, 这对于补充由全国工业发展和产生生活的碳生态赤字起到积极的生态作用。

全国三大粮食作物年均单位面积碳足迹为 0.22hm2/hm2, 其中 2011 年最多, 为 0.25hm2/hm2, 2019年下降为 0.19hm2/hm2, 呈现先增加后下降的趋势。2011 年前, 随着化肥、农药和农业柴油等的大量的利用, 耕地系统的碳库功能逐渐减小, 但 2012 年后, 随着农业种植技术的发展, 化肥、农药和农业柴油等的生产投入增速逐年降低, 耕地系统的碳库功能逐渐恢复提高的趋势。

从区域差异来看, 2019 年全国三大粮食作物耕地生态系统碳足迹最大的是黄淮海平原区的 5.76× 106 hm2, 最少的是青藏高原区的 0.06×106 hm2, 相差 96 倍。由于各农业区耕地面积和播种面积存在很大的差距, 因此分析单位面积碳足迹十分必要, 2019 年单位面积碳足迹前 3 名分别是黄淮海平原区、华南区和长江中下游地区, 分别为 0.25, 0.16 和0.15hm2/hm2; 单位面积碳足迹后 3 名分别是云贵高原区、青藏高原、四川盆地及周边地区, 分别为 0.058, 0.061 和 0.078hm2/hm2 (图 7)。

3 讨论

通过对全国三大粮食作物固碳量及其相应耕地生态系统的碳排放量的计算, 能够看出仅是三大粮食作物的固碳量就远超出耕地生态系统的碳排放量, 呈现较强的固碳能力, 证明农业生产利用过程是碳汇而非碳源, 这一结论在段华平等[21]、赵荣钦等[22]和周陶等[23]的研究中也得到证实。限于农作物空间分布数据的缺乏, 本研究仅计算了全国三大粮食作物的固碳量及碳足迹, 因此与前述研究结果在耕地碳足迹的年变化趋势也有所不同。但是, 利用NPP 计算三大粮食作物固碳量, 可以减少呼吸消耗计算的误差, 可以快速有效地计算固碳量, 实现对全国三大粮食作物固碳减排的连续宏观把控, 并基于像元, 从更精细的空间层面揭示三大粮食作物固碳量的规律。随着遥感数据源的不断丰富, 未来可以在局地尺度将更高精度的粮食作物分布数据与NPP 数据结合使用, 进一步提高对全国粮食作物固碳量估算的准确性。此外, 本文使用的碳排放系数是李波等[24]和智静等[25]将我国农业投入情况与国外碳排放测算系数结合而形成的碳排放系数体系, 计算结果可能与中国实际碳排放量存在差距。随着对碳排放系数的不断优化, 将构建出更适合中国的农业碳排放系数指标体系, 提高对我国碳排放量计算的准确性。

2019 年全国三大粮食作物净固碳量达 3.48 亿 t, 占中国陆地生态系统固碳量(11.1 亿 t)的 31.35%, 接近中国森林全口径固碳量的 4.34 亿 t[26], 表明中国三大粮食耕地生态系统同样具有重要的碳汇功能。化肥是种植业最大碳源, 2019 年中国化肥的施用强度为 513.34kg/hm2, 远超出发达国家公认的安全警戒线(225kg/hm2)[27], 如果中国化肥使用量达到安全警戒线, 则至少可以减少碳排放量 2121.17 万 t, 对降低碳足迹具有重要作用。因此, 在碳足迹较大的粮食主产区, 种植面积越大, 碳排放量越多。但是, 粮食主产区农业生产效率更高, 农业生产效率越高, 碳排放量越小[16]。在黄淮海平原区、长江中下游地区与东北平原区等粮食主产区, 减小其生态足迹, 就要推动化肥农药减量增效, 减少化石能源的消耗, 提高生产效率, 实现智慧农业的转型, 集中利用物联网技术, 实现农业生产的精细化管理和高效的现代农业生产模式, 减少碳排放[28]; 提高轮作或冬闲田的利用率, 增加三大粮食作物耕地固碳效率。在碳足迹较小的非粮食主产区, 化肥的施用方式仍是粗放式投入, 粮食作物化肥利用率不足 40%[27], 为了更好的实现碳中和的目标, 提高化肥的利用效率, 科学配施肥料可以抑制和阻止温室气体的排放[29]。在青藏高原区, 应重点提高化肥的利用率, 提高河谷地区粮食的产量, 实现固碳增汇; 在云贵高原区, 应提高化肥的利用率, 注重秸秆还田, 增加土壤固碳潜力, 提高土壤肥力, 实现固碳增汇。综上所述, 在保障我国粮食安全的同时, 提升我国三大粮食作物耕地的固碳能力, 更有利于“碳中和”目标的实现。

4 结论

本文首先使用全国NPP数据对全国三大粮食作物种植分布数据进行计算和分析, 再利用植物光合作用固碳机制, 计算得到全国三大粮食作物的固碳量, 同时利用统计数据计算和分析三大粮食作物的农业生产碳排放, 最后对全国三大粮食作物碳足迹情况进行分析, 得到以下结论。

1)2006—2019 年全国三大粮食作物总固碳量持续增加, 其中水稻、玉米和小麦的固碳量分别占粮食作物总固碳量的 41.92%, 38.62%和 19.46%。

2)农业生产碳排放量整体上总量增加, 但增速下降, 且化肥是三大粮食作物主要的碳源。

3)全国三大粮食作物碳汇和碳排集中在中国的东部地区, 且全国三大粮食作物具有较强的碳汇能力, 碳吸收量远高于碳排放量。

4)全国三大粮食耕地生态系统碳足迹呈现先上升后逐渐下降的趋势, 碳足迹小于生产性土地面积, 说明全国三大粮食耕地生态系统表现出较大的碳生态盈余。

[1] Paustian K, Andren O, Janzen H H, et al. Agricultural soils as a sink to mitigate CO2 emissions. Soil Use and Management. 1997, 13: 230–244

[2] 张学智, 王继岩, 张藤丽, 等. 中国农业系统甲烷排放量评估及低碳措施. 环境科学与技术, 2021, 44(3): 200–208

[3] 鲁春霞, 谢高地, 肖玉, 等. 我国农田生态系统碳蓄积及其变化特征研究. 中国生态农业学报, 2005, 13(3): 35–37

[4] 王梁, 赵杰, 陈守越. 山东省农田生态系统碳源、碳汇及其碳足迹变化分析. 中国农业大学学报, 2016, 21(7): 133–141

[5] Shen Y, Yu S. Analysis on measurement, decoupling effect and influencing factors of agricultural carbon emissions in major grain producing areas-taking henan province as an example. E3S Web of Conferences, 2021, 261: 04030

[6] 白义鑫, 王霖娇, 盛茂银. 黔中喀斯特地区农业生产碳排放实证研究. 中国农业资源与区划, 2021, 42(3): 150–157

[7] 韩召迎, 孟亚利, 徐娇, 等. 区域农田生态系统碳足迹时空差异分析——以江苏省为案例. 农业环境科学学报, 2012, 31(5): 1034–1041

[8] 刘巽浩, 徐文修, 李增嘉, 等. 农田生态系统碳足迹法: 误区、改进与应用——兼析中国集约农作碳效率. 中国农业资源与区划, 2013, 34(6): 1–11

[9] Sovacool B K, Brown M A. Twelve metropolitan car-bon footprints: a preliminary comparative global as-sessment. Energy Policy, 2010, 38(9): 4856–4869

[10] 王钰乔, 赵鑫, 李可嘉, 等. 华北平原小麦生产的碳足迹变化动态的研究. 中国人口·资源与环境, 2015, 25(S2): 258–261

[11] 叶文伟, 王城城, 赵从举, 等. 近20年海南岛热带农田生态系统碳足迹时空格局演变. 中国农业资源与区划, 2021, 42(10): 114–126

[12] 尚杰, 杨滨键. 区域农业碳足迹动态影响效应研究——以潍坊市种植业为例. 农村经济, 2020(5): 75–82

[13] Liu Zhen, Tian Jiali, Wang Kexin, et al. The impact of farmland circulation on the carbon footprint of agri-cultural cultivation in china. Economic Analysis and Policy, 2023, 78: 792–801

[14] 温宥越, 孙强, 燕玉超, 等. 粤港澳大湾区陆地生态系统演变对固碳释氧服务的影响. 生态学报, 2020, 40(23): 8482–8493

[15] 陈明辉, 陈颖彪, 郭冠华, 等. 快速城市化地区生态资产遥感定量评估——以广东省东莞市为例. 自然资源学报, 2012, 27(4): 601–613

[16] 胡永浩, 张昆扬, 胡南燕, 等. 中国农业碳排放测算研究综述. 中国生态农业学报(中英文), 2023, 31(2): 163–176

[17] 田云, 张俊飚, 李波. 中国农业碳排放研究: 测算、时空比较及脱钩效应. 资源科学, 2012, 34(11): 2097–2105

[18] 马涛. 上海农业碳源碳汇现状评估及增加碳汇潜力分析. 农业环境与发展, 2011, 28(5): 38–41

[19] 孙赫, 梁红梅, 常学礼, 等. 中国土地利用碳排放及其空间关联. 经济地理, 2015, 35(3): 154–162

[20] 李波, 张俊飚. 基于我国农地利用方式变化的碳效应特征与空间差异研究. 经济地理, 2012, 32(7): 135–140

[21] 段华平, 张悦, 赵建波, 等. 中国农田生态系统的碳足迹分析. 水土保持学报, 2011, 25(5): 203–208

[22] 赵荣钦, 黄贤金, 钟太洋, 等. 区域土地利用结构的碳效应评估及低碳优化. 农业工程学报, 2013, 29(17): 220–229

[23] 周陶, 高明, 谢德体, 等. 重庆市农田系统碳源/汇特征及碳足迹分析. 西南大学学报(自然科学版), 2014, 36(1): 96–102

[24] 李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解. 中国人口·资源与环境, 2011, 21(8): 80–86

[25] 智静, 高吉喜. 中国城乡居民食品消费碳排放对比分析. 地理科学进展, 2009, 28(3): 429–434

[26] 王兵, 牛香, 宋庆丰. 基于全口径碳汇监测的中国森林碳中和能力分析. 环境保护, 2021, 49(16): 30–34

[27] 刘钦普, 孙景荣, 濮励杰. 中国及欧美主要国家化肥施用强度与综合效率比较研究. 农业工程学报, 2020, 36(14): 9–16

[28] 兰红宇. 物联网技术在智能农业中的应用. 南方农业, 2021, 15(20): 231–232

[29] 周启星, 王琦, 郑泽其, 等. 农业粮食生产中的碳中和与生态修复. 农业环境科学学报, 2023, 42(1): 1–10

1. School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083; 2. Yunnan Jianshui Desert Ecosystem Research Station, Beijing Forestry University, Jianshui 654399; † Corresponding author, E-mail: wuxq@bjfu.edu.cn

Abstract Based on the China net primary productivity data of vegetation from 2006 to 2019, the distribution data of three staple crops, and agricultural production inputs, this article estimates the carbon sink, agricultural carbon emissions, and carbon footprint of China’s three staple crops, and analyze the spatial and temporal patterns of carbon sinks in the three staple crops. The results show that 1) from 2006 to 2019, the total carbon sequestration of the three staple crops in China continues to increase, with rice, maize, and wheat accounting for 41.92%, 38.62%, and 19.46%, respectively. The carbon sequestration capacity of three staple crops far exceeds the carbon emissions caused by agricultural production factors, with a ratio of 5.37:1, indicating that the China agricultural ecosystem has a strong carbon sequestration capacity. 2) The total agricultural carbon emissions in China have continued to increase, but the growth rate has decreased. Fertilizer and diesel are the main carbon sources. 3) The ecosystem of three staple crop farmlands shows a significant carbon ecological surplus. The carbon footprint in 2019 is 17.55×106 hm2, accounting for 18.62%, which means that the CO2 emissions from the production of the three staple crops farmland system are reduced to less than 1/5 of the China three staple farmland to absorb. The results can help clarify their position in the carbon cycle and provide important scientific basis for promoting agricultural carbon emission reduction, achieving “carbon peak” in 2030 and “carbon neutral” in 2060.