2025, Vol. 46
2. 南京财经大学绿色经济发展研究院, 南京 210023;
3. 南京师范大学环境学院, 南京 210023
, SUN Xuan1 , HUANG Ya-li1 , PAN Zhi-yong1 , LU Ji-lai1,2 , WANG Guo-xiang3 , ZHANG Li-min1,2
2. Green Economy Development Institute, Nanjing University of Finance and Economics, Nanjing 210023, China;
3. School of Environment, Nanjing Normal University, Nanjing 210023, China
人类活动造成的温室气体（greenhouse gas, GHG）排放, 尤其是CO2排放引发的气候变化是当今国际社会普遍关注的全球性问题, 也是人类面临的最为严峻的环境问题[1~3]. 中国已成为全球最大的化石能源消费国和GHG排放国, 随着气候变化加剧、人口数量增加、水土资源约束趋紧等增加了GHG排放的不确定性[4, 5], 准确评估各系统CO2排放量对实现“双碳”目标和应对气候变化至关重要.
食品行业产生的GHG的排放约占全球GHG排放的25% ~ 42%, 并呈持续上升趋势, 到2050年, 如果不加以控制, 在饮食变化的推动下, 全球农业生产释放的GHG将增加约80%[6~10]. 因此, 减少食品系统碳排放, 推动食品行业可持续发展对于减缓气候变化至关重要. 中国作为食品的生产和消费大国, 拥有近1 700万家食品生产经营者, 有14亿的消费群体和每天近2 Mt的消费量[11]. 碳足迹（carbon footprint, CF）可以衡量人类活动中产生或释放的、用以评估国家、组织及个人的产品或服务的温室气体排放量, 并以二氧化碳当量（CO2eq）为单位[12~15]. 食品系统的碳足迹包括与食品生产、加工、分销、消费和处置相关的所有碳排放. 食品系统中的主要排放源包括农业、运输、包装以及食品加工和烹饪过程中的能源消耗. 评估方法和研究系统边界的不同增加了食品系统GHG排放的不确定性. Lin等[16]使用混合经济投入产出和生命周期评估（life cycle assessment, LCA）, 发现从1979 ~ 2009年, 中国食品生产的排放量[以二氧化碳当量（CO2eq）计, 下同]从517.1 Mt增长到1 092.8 Mt, 几乎翻了一倍. Li等[17]将系统边界进一步扩大为从农业生产开始到消费和废物处理结束的食物链, 发现1996 ~ 2010年中国食物系统中的GHG增加了23.7%, 达到了1 618 Mt. 然而, 通过食物消费调查数据发现与中国饮食相关的排放量从1992 ~ 2007年下降了20.8%, 从1997 ~ 2011年下降了45.8%[18]. 在“双碳”背景下, 由于食品生命周期生产和消费引发的碳足迹对整体食品行业GHG减排的影响还尚不明确, 量化城乡居民食品消费模式及其碳足迹是促进食品行业绿色、健康、低碳发展的关键路径, 可为实现食品系统城乡协同减排提供重要的理论和实际意义.
此外, 随着中国经济的快速发展, 城乡居民生活水平不断提高, 膳食结构和消费方式都发生了巨大改变. 食品选择的自由度提高, 食品消费方式呈现个性化特征, 改变了食品供给模式, 对食品碳足迹核算也提出了挑战. 收入被认为是影响食物消费的最重要的因素. 有学者使用改进的环境扩展投入产出模型计算了与各种食物消耗相关的家庭碳足迹, 发现每户碳排放与年均家庭收入正相关. 收入增长增加了外出就餐的可能性, 而外出就餐导致了更高的气候负担[19]. 由于获得健康和可持续食物选择的机会有限, 收入和社会经济地位较低的大家庭可能会有更高的CF. Li等[17]认为职业和收入是影响居民饮食的两个最重要的指标, 其次是城市化水平、文化程度和家庭规模, 性别影响最小. 对城市化阶层的分析结果表明, 外出就餐的发生率随着城市化而继续上升[20~23]. 此外, 还有一些经济指标, 如国内生产总值（GDP）、消费价格指数（CPI）和贫困风险率, 会影响食品消费, 从而影响CF. GDP可以通过影响人们的收入和购买力来影响食品消费. 当GDP增加时, 人民的收入和购买力也增加, 可能导致食品消费增加, 从而导致与食品生产和消费相关的CF增加. Esteve-Llorens等[24]对西班牙2008 ~ 2017年的家庭食物消费模式进行了监测, 发现西班牙家庭饮食模式的CF逐渐降低, 可能同时与失业率或CPI等社会经济参数的某些压力的影响有关. 因此, 解决食品消费模式、经济指标和环境可持续性之间的复杂相互作用对于实现食品系统可持续发展至关重要.
基于此, 本研究以生命周期评价为理论基础, 比较了近20 a中国城镇和农村居民食品消费结构的演化特征, 量化了由食品消费产生的碳足迹, 并从经济、文化和人口结构等不同视角剖析相关因素的影响机制, 进一步从食品消费结构转型和可持续消费的角度, 提出了缓解食品消费碳足迹的建议, 以期为中国城乡居民食品可持续消费以及食品行业实现碳中和提供有益参考.
1 材料与方法 1.1 数据来源本研究以中国31个省级行政区为对象（除中国港澳台地区）, 研究时间为2000 ~ 2021年. 住户调查以省为总体, 采用多阶段、分层的概率抽样法, 随机抽选调查住宅, 确定调查户. 全国共抽选1 800个县（市区）的1.6万个调查小区, 对抽中小区中的160多万户进行全面摸查调查, 在此基础上随机等距抽选出约16万住户参加调查. 城乡居民人均收入和食品消耗总量等数据来自研究年份的国家统计局《中国住户调查年鉴》《中国统计年鉴》.
1.2 系统边界本研究采用LCA方法估算我国城乡居民食品消费碳足迹. 系统边界定义为从摇篮到餐盘, 涵盖4个过程：农业生产、原材料加工、运输和消费（图 1）. 功能单位（以CO2eq计, 下同）为每人每日食品消费量[g·（人·d）-1].
|
图 1 本研究系统边界 Fig. 1 System boundary of this study |
以2000 ~ 2021年中国城乡居民食品消费碳足迹状况为研究对象, 对象范围内涉及城镇居民和农村居民消费的所有植物类和动物类食品. 按照《中国住户调查年鉴》原始数据, 将所有食品类别分为11类, 分别为粮食、食用油、蔬菜、鲜瓜果、猪肉、牛肉、羊肉、禽类、水产品、蛋类和奶类. 食品消费碳足迹计算公式如下：
|
(1) |
式中, i表示食物类别；Fi表示某种食物的碳排放系数（以CO2eq计, 下同）, kg·kg-1；Ei表示某种食物消费量, kg.
本研究基于文献中生命周期食品碳足迹参数, 建立各类食品消费量及相应碳足迹参数的关联（表 1）. 食品消费生命周期过程中部分差异, 如烹饪或采购方式等忽略不计, 未纳入考虑. 为避免不同研究系统边界的差异性, 不确定分析将依据文献资料中不同类别食品碳足迹参数的最小值、最大值及均值, 并运用蒙特卡洛模拟方法来量化食品碳足迹参数不确定性.
|
表 1 不同类别食品碳足迹参数/kg·kg-1 Table 1 Carbon footprint parameters of various types of food/kg·kg-1 |
1.4 数据分析
食品消费量及相应碳足迹统计分析用SPSS 19.0完成, 设置显著性检验水平为α = 0.05. 其中, 城镇居民和农村居民每年人均食品消费结构及其碳足迹均采用t检验进行分析；利用皮尔逊相关分析解析食品消费碳足迹对经济、人口因素的响应特征；城镇居民与农村居民人均可支配收入、人口结构等因素与食品消费碳足迹之间的定量关系主要采用多元线性回归进行分析. 各项变量见表 2.
|
|
表 2 变量设定 Table 2 Components of variables |
2 结果与讨论 2.1 中国城乡居民食品消费模式与食品消费碳足迹 2.1.1 城乡居民的食品消费结构分析
现阶段, 全国人均食品消费总量呈波动上升的趋势, 从2000年的369.9 kg·（人·a）-1增加到2021年的392.7 kg·（人·a）-1（图 2）. 总体而言, 食品消费仍以植物源食品为主, 并逐渐向动物源和植物源食品并重的模式转变, 2000 ~ 2021年动物源食品占比从10.4%上升至21.5%. 值得注意是, 城镇居民食品消费结构逐渐变得稳定, 而农村居民的食物消费结构变化幅度大并趋于平缓, 城乡居民在动物源和植物源食物消费量上的差距在减少（图 2）. 城镇居民人均植物源食品消费量呈缓慢上升趋势, 农村居民则表现出波动下降趋势, 2000年农村居民比城镇居民人均植物源食品消费量高120.8 kg·（人·a）-1, 至2021年差距缩小至22.4 kg·（人·a）-1. 与此同时, 农村居民人均动物源食品消费量由2000年的27.0 kg·（人·a）-1增加到2021年的73.7 kg·（人·a）-1, 翻了近3倍, 与城镇居民人均动物源食品消费量的差距也在逐渐减少.
|
图 2 2000 ~ 2021年中国城乡居民动植物食品人均消费量 Fig. 2 Per capita consumption of animal and plant food for residents in China |
具体而言, 中国农村居民和城镇居民的饮食结构仍呈现显著差异（图 3）. 以2021年为例, 城镇居民粮食人均消费量仅为124.8 kg, 而农村居民却高达170.8 kg, 是城镇居民平均水平的1.37倍. 而城镇居民蔬菜、肉类、蛋类、奶类和鲜瓜果类的人均消费量均高于农村居民（P < 0.05）. 城镇居民牛羊肉、奶类和水产品的人均消费量是农村年人均消费量的2 ~ 3倍. 从2000 ~ 2021年, 城乡居民人均蔬菜和粮食消费量占比均呈现下降趋势, 占比分别从2000年的61.4%和86.8%下降到2021年的58.1%和66.6%, 城镇居民占比降幅远低于农村居民. 鲜奶、水果和蛋类消费占比增长较快, 城乡居民消费占比分别从2000年的30.7%和9.4%增加到2021年的32.3%和23.7%. 由此可见, 随着经济发展, 城乡居民的饮食结构和食品消费能力的差距在逐渐变小, 食品消费结构的改变为应对气候变化影响的挑战提供了机遇[25, 26].
|
图 3 中国城乡居民人均主要食品消费量 Fig. 3 Consumption of major food products per capita in China |
21世纪以来, 中国居民食品消费碳足迹总量（以CO2eq计, 下同）在600 ~ 1 000 Mt, 除个别年份略有降低, 总体呈上升趋势. 中国居民食品消费碳足迹总量以2.0%的年均增速从2000年的651.6 Mt增长到了2021年的965.8 Mt, 增长了48.2%. 其中自2012年起增速明显上升, 食物消费碳足迹的年均增速从2000 ~ 2012年间的0.7%增加到2012 ~ 2021年间的4.0%. 由于中国经济的快速发展和居民生活水平的显著提高, 人们对食品的需求和消费模式发生了显著变化, 对肉类和乳制品等高蛋白食品的消费量逐渐增加. 以上食品的生产往往需要更多的资源和能源, 如饲料、水资源和土地等, 从而增加了碳足迹[27~30]. 加之电商和物流行业的快速发展, 食品的远程运输和过度包装现象日益普遍, 增加了能源消耗和碳排放[31].
中国居民食品消费人均碳足迹与食品消费碳足迹总量变化趋势一致, 从2000 ~ 2021年整体呈增长趋势, 年均增速为1.4%, 2021年高达678.7 kg·人-1（图 4）. 其中从2000 ~ 2012年, 农村人均食品消费碳足迹逐年降低, 2013年突然升高, 达513.1 kg·人-1, 之后逐年增加, 总体呈先降后升趋势. 究其原因, 农村人均食品消费碳足迹变化主要受植物源食品消费量的影响, 由图 2可知, 2000 ~ 2012年农村人均植物源食品消费量从375.3 kg·人-1下降至271.8 kg·人-1, 而食品消费量的下降则受城乡人口迁移影响. 有研究表明, 2000 ~ 2010年中国省际人口迁移规模从3 804万人激增到5 756万人, 随后逐渐趋于稳定[32], 这与中国城乡食品消费碳足迹的变化趋势较为吻合. 此外, 城乡居民食品消费碳足迹差异明显, 城镇居民人均碳足迹增速明显高于农村居民（P < 0.05）. 近20 a, 城镇居民和农村居民人均碳足迹分别增加了38.5%和25.9%.
|
图 4 2000 ~ 2021年中国居民人均食品消费CF及年变化率 Fig. 4 Carbon footprint of food consumption per capita in China from 2000 to 2021 |
目前, 欧美等发达国家人均食品消费碳足迹介于704.4 ~ 784.8 kg·人-1[33], 值得注意的是, 尽管中国城乡居民人均食品消费碳足迹呈上升趋势, 低于欧美等国家人均食品消费碳足迹, 但与欧美国家人均碳足迹的差距在逐渐减小, 应将饮食模式转向更环保的可持续饮食模式. 例如, 通过增加植物性产品的消费来促进减少肉类和奶制品的消费, 食用鸡肉和猪肉等白肉来减少红肉的摄入量, 以及促进当地和季节性产品的消费, 以减少运输活动和管理碳排放, 以促进环境可持续的饮食模式[34, 35].
2.1.3 食品消费碳足迹城乡差异分析现阶段, 中国城乡居民在食品消费碳足迹结构同样存在显著差异. 城镇居民食品消费人均碳足迹及碳足迹总量明显高于农村居民（P < 0.05）, 并呈持续升高趋势. 2000 ~ 2021年, 中国城镇居民饮食消费的碳足迹总量以5.2%的年均增速从232.0 Mt增加到640.1 Mt；与此同时, 农村居民饮食消费的碳足迹总量以1.3%的年均降速从419.6 Mt减少到325.8 Mt. 究其原因, 城镇和农村居民饮食消费碳足迹增速的差异主要来自于中国快速的城镇化过程. 2000 ~ 2021年, 中国的城镇化率从36.2%上升到64.7%, 城镇人口由2000年的4.59亿增加到2021年的9.14亿, 农村人口却由8.08亿降低到4.98亿[32].
此外, 2000 ~ 2021年, 中国城镇居民的食品消费人均碳足迹从505.4 kg·人-1增加到700.1 kg·人-1, 人均饮食消费碳足迹增长了38.5%, 年均增速1.6%；中国农村居民的食品消费人均碳足迹从519.1 kg·人-1增加到653.7 kg·人-1, 人均饮食消费碳足迹增长了25.9%, 年均增速1.2%. 其中2017 ~ 2021年, 农村居民饮食消费人均碳足迹的增速均高于城镇居民（P < 0.05）, 且城镇居民与农村居民食品消费碳足迹的差距由小逐渐变大（图 5）. 近20 a间, 中国农村居民植物源食品消费碳足迹增速显著低于动物源类别食品消费增速（P < 0.05）, 但无论城镇居民还是农村居民, 人均食品消费碳足迹主要贡献均源自于动物源类别食品消费. 城镇居民食品消费碳足迹约60%来源于动物源食品消费的碳排放, 而农村居民动物性和植物性食物的温室气体排放特征与城镇居民表现相反, 主要以植物源食品消费碳足迹为主（图 6）.
|
图 5 2000 ~ 2021年中国城乡居民人均动植物食品消费CF Fig. 5 CF of food consumption per capita of Chinese residents from 2000 to 2021 |
|
图 6 中国城乡食品消费量相应碳足迹 Fig. 6 Food consumption embedded CF in China |
具体而言, 无论是城镇居民还是农村居民, 食品消费中粮食的消费量最多, 且粮食消费带来的碳足迹也最大, 分别占城镇和农村居民食品消费碳足迹总量的18.5%和42.7%（图 6）. 城镇居民食品消费碳足迹贡献前3分别是粮食（18.5%）、猪肉（16.9%）和鲜菜（16.1%）, 累计贡献率为51.5%, 而农村居民食品消费碳足迹贡献前3分别是粮食（42.7%）、鲜菜（16%）和猪肉（15.8%）, 累计贡献率达74.5%, 其差异主要是由粮食消费碳足迹差异导致, 究其原因可能是受城乡居民膳食结构差异影响. 相比之下, 水产品、蛋类和奶类的消费碳足迹所占食品消费碳足迹的比例较小, 其产生的碳足迹总贡献约占食品消费碳足迹的11.2% ~ 22.4%. 究其原因, 农田生产过程中蔬菜、瓜果及粮食作物相对于其他食品消耗的能源较多, 且以上食品类别的消费总量大, 相应的加工和熟制作业过程需要消耗大量的能源[36, 37], 故其在食品消费碳足迹贡献占比高.
2.2 中国城乡居民食品消费碳足迹影响因素解析 2.2.1 影响城乡居民食品消费碳足迹结构的相关性分析为了探究食品消费碳足迹对经济和人口因素的响应特征, 采用SPSS进行皮尔逊相关分析. 选取人均GDP和可支配收入表示经济发展水平和收入差异, 城镇化率、男性比例和中青年人口比例表示人口特征差异, 高等教育人口比例代表文化和教育水平差异, 恩格尔系数表示消费观念的影响.
结果表明, 城镇居民和农村居民恩格尔系数、人均GDP和人均可支配收入等参数与不同类别食品消费碳足迹均存在显著的相关性（图 7和图 8）. 人均GDP和可支配收入与城镇居民大多数食品（除蔬菜、食用油、奶类）消费碳足迹呈现显著正相关, 与蔬菜消费碳足迹呈显著负相关, 表明经济发展水平和收入的增加可能会导致更高的碳足迹, 且随着经济水平提高, 城镇居民可能更倾向于消费更多资源密集型的食品[38, 39]；城镇化率与城镇居民食品消费碳足迹（除蔬菜、蛋类、奶类和鲜瓜果）呈显著正相关, 而男性比例和中青年人口比例则与大多食品消费碳足迹呈现负相关, 揭示了城镇化对城镇居民食品消费碳足迹的影响较为复杂, 可能受到其他因素的共同影响, 同时, 男性比例和中青年人口比例的负相关可能表明以上人口特征在一定程度上与更低的食品消费碳足迹相关. 此外, 高等教育人口比例与城镇居民食品消费碳足迹（除奶类消费碳足迹）呈显著正相关, 这可能反映了教育水平较高的地区或人群更倾向于消费更多资源密集型的食品, 从而增加碳足迹[40]. 恩格尔系数与城镇居民食品消费碳足迹（除蛋类、奶类和鲜瓜果消费碳足迹）呈显著的负相关, 暗示了消费观念对碳足迹的影响. 更高的恩格尔系数意味着更高比例的家庭支出用于食品, 这部分人群可能更倾向于选择更环保和低碳的食品消费模式. 其中, 蔬菜的消费碳足迹与大多数食品的趋势不同. 城镇及高收入和高教育水平群体的蔬菜消费碳足迹显著低于农村及低收入和低教育水平群体.
|
1.DIu, 2.UR, 3.MR, 4.YAR, 5.HER, 6.ECu, 7.PGDP, 8.CFu, 9.粮食, 10.食用油, 11.蔬菜, 12.猪肉, 13.牛羊肉, 14.禽类, 15.水产品, 16.蛋类, 17.奶类, 18.鲜瓜果, 19.动物源食品, 20.植物源食品；*表示P < 0.05, **表示P < 0.01 图 7 城镇居民食品消费碳足迹相关因素分析 Fig. 7 Analysis of factors related to carbon footprint of food consumption in urban residents |
|
1.DIr, 2.UR, 3.MR, 4.YAR, 5.HER, 6.ECr, 7.PGDP, 8.CFr, 9.粮食, 10.食用油, 11.蔬菜, 12.猪肉, 13.牛羊肉, 14.禽类, 15.水产品, 16.蛋类, 17.奶类, 18.鲜瓜果, 19.动物源食品, 20.植物源食品；*表示P < 0.05, **表示P < 0.01 图 8 农村居民食品消费碳足迹相关因素分析 Fig. 8 Analysis of factors related to carbon footprint of food consumption in rural residents |
此外, 农村人均食品消费碳足迹与人均可支配收入、人均GDP、恩格尔系数和人口结构同样存在显著的相关性（图 8）. 高收入群体的植物类食品碳足迹及粮食、蔬菜消费碳足迹均显著低于低收入群体. 人均GDP和可支配收入与农村居民粮食、蔬菜消费碳足迹呈显著负相关, 与其余食品消费碳足迹呈现显著正相关, 暗示了经济发展水平和收入的增加可能会导致更高的动物源食品消费碳足迹与更低的植物源食品消费碳足迹. 这表明随着经济水平提高, 农村居民可能更倾向于消费更多动物源食品. 城镇化率与农村居民粮食和蔬菜消费碳足迹呈显著正相关, 与其余食品消费碳足迹呈显著负相关；男性比例与各类食品消费碳足迹呈显著负相关, 中青年人口比例与农村居民食品消费碳足迹呈现负相关. 高等教育人口比例与农村居民粮食和蔬菜消费碳足迹呈显著正相关, 与其余食品消费碳足迹呈显著负相关, 这可能反映了教育水平较高的地区或人群更倾向于消费更多动物源食品[21], 从而增加碳足迹. 此外, 恩格尔系数与农村居民食品消费碳足迹（除粮食、蔬菜消费碳足迹）呈显著的负相关, 表明恩格尔系数更高的人群可能更倾向于选择低碳的食品消费模式.
综上所述, 经济和人口因素对城乡食品消费碳足迹具有显著影响, 其中经济因素是主要影响因素. 随着人均GDP和可支配收入的增加, 农村居民有更多的经济能力去购买高能量和高营养的食品, 如肉类和奶制品等. 以上食品在生产过程中往往需要更多的资源和能源, 从而导致碳足迹的增加. 另一方面, 城镇居民的饮食结构也会因为收入的增加从以谷物和蔬菜为主转向更多元化的食品消费, 导致碳足迹的增加. 随着城镇化率的提高, 更多的农村人口迁移到城市, 城市生活的便利性和多样性使得居民更容易接触到并消费高碳排放的食品[21]. 此外, 城镇化也带来了食品供应链的变革, 如集中化生产和长途运输等, 以上都增加了碳足迹. 然而, 城镇化对食品消费碳足迹的影响是复杂的, 还可能受到居民生活方式、消费习惯和食品可获得性等多种因素的共同影响[41~44].
2.2.2 影响城乡居民食品消费碳足迹的多元线性回归分析为进一步定量化探究城乡居民食品消费碳足迹与城乡人口结构、人均可支配收入等经济因素之间的关系, 采用SPSS进行多元线性回归分析, 结果表明：城镇回归模型系数R2 = 0.9, 模型拟合度较好.
|
经济因素方面, 城镇可支配收入与城镇食品消费碳足迹在10%水平上显著负相关, 回归系数为-13.7, 说明城镇可支配收入越低, 城镇食品消费碳足迹越高（表 3）. 低收入群体可能更注重食品的量和价格, 而不是质量和可持续性. 城镇恩格尔系数与城镇食品消费碳足迹在5%水平上显著负相关, 回归系数为-13.0, 说明城镇恩格尔系数越低, 城镇食品消费碳足迹越高. 当恩格尔系数较低时, 虽然家庭有更多的可支配收入, 但他们可能更倾向于选择高品质或高营养价值但高碳排放的食品, 从而增加了食品消费碳足迹. 在人口因素方面, 中青年人口比例与城镇食品消费碳足迹在5%水平上显著负相关, 回归系数为-13.1, 说明中青年人口比例越低, 城镇食品消费碳足迹越高；当中青年人口比例较低时, 可能意味着老年人和儿童在家庭中的比例较高. 以上人群可能对食品的需求和选择有所不同, 例如老年人可能更注重健康营养饮食[45], 而儿童可能更偏好高能量食品[35], 以上因素都可能影响食品消费碳足迹. 高等教育人口比例与城镇食品消费碳足迹在1%水平上显著正相关, 回归系数为17.3, 说明高等教育人口比例越高, 城镇食品消费碳足迹越高. 高等教育的人群在食品消费上可能会更注重品质、口感和营养价值, 而以上因素往往与高碳排放的食品生产过程相关[40].
|
|
|
表 3 城镇居民食品消费碳足迹多元线性回归分析结果 Table 3 Multiple linear regression analysis of CF of food consumption of urban residents |
农村回归模型系数R2 = 0.9, 表明模型拟合度较好. 人口因素方面, 城镇化率与农村食品消费碳足迹在1%水平上显著负相关, 回归系数为-15.0, 说明城镇化率越低, 农村食品消费碳足迹越高（表 4）. 鉴于城镇化率较低的时期农村人口基数较大, 导致了较高的食品消费碳足迹. 男性人口比例与农村食品消费碳足迹在5%水平上显著正相关, 回归系数为147.0, 说明男性人口比例越高, 农村食品消费碳足迹越高. 究其原因, 农村地区男性通常承担更多的体力劳动和农业生产任务, 食品消费量可能更大[42, 43, 46]. 高等教育人口比例与农村食品消费碳足迹在5%水平上显著正相关, 回归系数为15.0, 说明高等教育人口比例越高, 食品消费碳足迹越高.
|
|
表 4 农村居民食品消费碳足迹多元线性回归分析结果 Table 4 Multiple linear regression analysis of CF of food consumption of rural residents |
3 结论
（1）2000 ~ 2021年, 中国食品消费总量快速增加的同时居民食品消费结构经历了以植物性食物为主向动植物性食物并重的食物消费模式与营养模式的转变. 城镇居民食品消费结构开始趋于稳定, 农村居民的食物消费结构发生了大幅度变化, 中国城乡居民在各类食物消费量上的差距在逐渐减少.
（2）中国居民食品消费人均碳足迹从2000 ~ 2021年整体呈增长趋势, 年均增速为1.4%, 2021年高达678.7 kg·人-1. 中国城镇居民饮食消费的平均碳足迹是700.1 kg·（人·a）-1, 农村居民饮食消费的平均碳足迹是653.7 kg·（人·a）-1. 食品消费中粮食的消费带来的碳排放量最大, 占总体的22.2%. 因此, 在保持饮食习惯的同时应尽量减少满足其营养需求的食品消费碳足迹, 提供一种营养充足、可接受、负担得起和可持续饮食模式.
（3）现阶段, 中国城乡居民在食品消费碳足迹结构上仍表现出较大的差异, 城镇居民食品消费碳足迹显著高于农村居民, 并呈持续升高趋势. 城乡居民饮食消费人均碳排放都主要来自于动物性食物消费. 城镇居民植物性食物消费的温室气体排放增速显著高于动物性食物消费, 农村居民动物性和植物性食物的温室气体排放特征与城镇居民相反.
（4）人均可支配收入、人均GDP、恩格尔系数和人口结构与各类食品消费碳足迹及人均食品消费碳足迹存在显著的相关关系. 人均GDP、可支配收入和高等教育人口比例与除蔬菜的大多数食品消费碳足迹呈显著正相关, 城镇及高收入和高教育水平群体的蔬菜消费碳足迹显著低于农村及低收入、低教育水平群体；男性比例、中青年人口比例和恩格尔系数与大多食品消费碳足迹呈负相关. 今后需进一步探索我国食品行业“绿色”、“健康”、“低碳”方向的可行之路.
| [1] |
王雅楠, 李冰迅, 张艺芯, 等. 中国减污降碳协同效应时空特征与影响因素[J]. 环境科学, 2024, 45(9): 4993-5002. Wang Y N, Li B X, Zhang Y X, et al. Spatiotemporal characteristics and influencing factors of the synergistic effect of pollution reduction and carbon reduction in China[J]. Environmental Science, 2024, 45(9): 4993-5002. |
| [2] |
漆信贤, 黄贤金, 宋娅娅, 等. 基于供需分离加剧的近30年来中国谷物碳排放转移时空演变[J]. 中国科学: 地球科学, 2023, 66(5): 1083-1101. Qi X X, Huang X J, Song Y Y, et al. Grain carbon emission transfer and its spatiotemporal shifts based on the increasing supply-demand separation in China over the past three decades[J]. Science China Earth Sciences, 2023, 66(5): 1087-1107. |
| [3] |
刘竹, 关大博, 魏伟. 中国二氧化碳排放数据核算[J]. 中国科学: 地球科学, 2018, 48(7): 878-887. Liu Z, Guan D B, Wei W. Carbon emission accounting in China[J]. Scientia Sinica Terrae, 2018, 48(7): 878-887. |
| [4] | He P, Cai B M, Baiocchi G, et al. Drivers of GHG emissions from dietary transition patterns in China: supply versus demand options[J]. Journal of Industrial Ecology, 2021, 25(3): 707-719. DOI:10.1111/jiec.13086 |
| [5] |
王灵恩, 侯鹏, 刘晓洁, 等. 中国食物可持续消费内涵及其实现路径[J]. 资源科学, 2018, 40(8): 1550-1559. Wang L E, Hou P, Liu X J, et al. The connotation and realization way of sustainable food consumption in China[J]. Resources Science, 2018, 40(8): 1550-1559. |
| [6] | Crippa M, Solazzo E, Guizzardi D, et al. Food systems are responsible for a third of global anthropogenic GHG emissions[J]. Nature Food, 2021, 2(3): 198-209. DOI:10.1038/s43016-021-00225-9 |
| [7] | van Zanten H H E, Simon W, van Selm B, et al. Circularity in Europe strengthens the sustainability of the global food system[J]. Nature Food, 2023, 4(4): 320-330. DOI:10.1038/s43016-023-00734-9 |
| [8] | Zhang H Y, Xu Y, Lahr M L. The greenhouse gas footprints of China's food production and consumption (1987-2017)[J]. Journal of Environmental Management, 2022, 301. DOI:10.1016/j.jenvman.2021.113934 |
| [9] | Yu Z Y, Jiang S J, Cheshmehzangi A, et al. Agricultural restructuring for reducing carbon emissions from residents' dietary consumption in China[J]. Journal of Cleaner Production, 2023, 387. DOI:10.1016/j.jclepro.2023.135948 |
| [10] |
惠博文, 刘锐, 李健, 等. 生命周期视角下食品碳足迹的评估及案例分析[J]. 食品科学, 2022, 43(7): 381-390. Hui B W, Liu R, Li J, et al. Assessment and case analysis of food carbon footprint from the perspective of life cycle[J]. Food Science, 2022, 43(7): 381-390. |
| [11] |
曲建升, 张志强, 曾静静, 等. 西北地区居民生活碳排放结构及其影响因素[J]. 科学通报, 2013, 58(3): 260-266. Qu J S, Zhang Z Q, Zeng J J, et al. Household carbon emission differences and their driving factors in Northwestern China[J]. Chinese Science Bulletin, 2013, 58(3): 260-266. |
| [12] | Meinilä J, Hartikainen H, Tuomisto H L, et al. Food purchase behaviour in a Finnish population: patterns, carbon footprints and expenditures[J]. Public Health Nutrition, 2022, 25(11): 3265-3277. DOI:10.1017/S1368980022001707 |
| [13] | Tilman D, Clark M. Global diets link environmental sustainability and human health[J]. Nature, 2014, 515(7528): 518-522. DOI:10.1038/nature13959 |
| [14] |
苏冰涛. 中国城乡居民食品消费碳足迹的变化趋势[J]. 中国人口·资源与环境, 2023, 33(3): 13-22. Su B T. Transition of the food consumption carbon footprint of China's urban and rural residents[J]. China Population, Resources and Environment, 2023, 33(3): 13-22. |
| [15] |
窦羽星, 刘秀丽. 居民食物消费变化引致的环境足迹测算[J]. 中国环境科学, 2023, 43(1): 446-455. Dou Y X, Liu X L. Measuring the environmental footprints caused by the changes of residents'food consumption[J]. China Environmental Science, 2023, 43(1): 446-455. |
| [16] | Lin B Q, Guan C X. Assessing consumption-based carbon footprint of China's food industry in global supply chain[J]. Sustainable Production and Consumption, 2023, 35: 365-375. DOI:10.1016/j.spc.2022.11.013 |
| [17] | Li H M, Wu T, Wang X, et al. The greenhouse gas footprint of China's food system: an analysis of recent trends and future scenarios[J]. Journal of Industrial Ecology, 2016, 20(4): 803-817. DOI:10.1111/jiec.12323 |
| [18] | Wang L, Gao B, Hu Y C, et al. Environmental effects of sustainability-oriented diet transition in China[J]. Resources, Conservation and Recycling, 2020, 158. DOI:10.1016/j.resconrec.2020.104802 |
| [19] | Li J J, Song G B, Semakula H M, et al. Climatic burden of eating at home against away-from-home: a novel Bayesian Belief Network model for the mechanism of eating-out in urban China[J]. Science of the Total Environment, 2019, 650: 224-232. DOI:10.1016/j.scitotenv.2018.09.015 |
| [20] | Bezerra I N, Verde S M M L, Almeida B D S, et al. Carbon footprint of away-from-home food consumption in Brazilian diet[J]. International Journal of Environmental Research and Public Health, 2022, 19(24). DOI:10.3390/ijerph192416708 |
| [21] | Xiong X, Zhang L X, Hao Y, et al. How urbanization and ecological conditions affect urban diet-linked GHG emissions: new evidence from China[J]. Resources, Conservation and Recycling, 2022, 176. DOI:10.1016/j.resconrec.2021.105903 |
| [22] |
尚梅, 徐紫瑞, 闫晓霞, 等. 中国居民家庭碳排放动态演进及驱动因素研究[J]. 生态经济, 2023, 39(3): 23-30. Shang M, Xu Z R, Yan X X, et al. Research on dynamic evolution and driving factors of household carbon emissions in China[J]. Ecological Economy, 2023, 39(3): 23-30. |
| [23] | Zhang M R, Feng J C, Sun L W, et al. Individual dietary structure changes promote greenhouse gas emission reduction[J]. Journal of Cleaner Production, 2022, 366. DOI:10.1016/j.jclepro.2022.132787 |
| [24] | Esteve-Llorens X, Moreira M T, Feijoo G, et al. Could the economic crisis explain the reduction in the carbon footprint of food? Evidence from Spain in the last decade[J]. Science of the Total Environment, 2021, 755. DOI:10.1016/j.scitotenv.2020.142680 |
| [25] |
苏萌, 夏琳琳. 中国农业温室气体排放时空异质性的影响机制解析[J]. 环境科学, 2024, 45(11): 6775-6782. Su M, Xia L L. Analysis of the influence mechanism of space-time heterogeneity of greenhouse gas emissions from agriculture in China[J]. Environmental Science, 2024, 45(11): 6775-6782. |
| [26] |
王智鹏, 李亚丽, 黄和平. 城镇居民食物消费碳排放分析——以长江中游省会城市为例[J]. 生态经济, 2022, 38(10): 38-44, 52. Wang Z P, Li Y L, Huang H P. Research on calculation carbon emission of urban residents' food consumption: the case of the provincial capitals in the middle reaches of Yangtze River[J]. Ecological Economy, 2022, 38(10): 38-44, 52. |
| [27] | Scarborough P, Clark M, Cobiac L, et al. Vegans, vegetarians, fish-eaters and meat-eaters in the UK show discrepant environmental impacts[J]. Nature Food, 2023, 4(7): 565-574. DOI:10.1038/s43016-023-00795-w |
| [28] | Auclair O, Burgos S A. Carbon footprint of Canadian self-selected diets: comparing intake of foods, nutrients, and diet quality between low- and high-greenhouse gas emission diets[J]. Journal of Cleaner Production, 2021, 316. DOI:10.1016/j.jclepro.2021.128245 |
| [29] | Cambeses-Franco C, González-García S, Calvo-Malvar M, et al. A clustering approach to analyse the environmental and energetic impacts of Atlantic recipes - A Galician gastronomy case study[J]. Journal of Cleaner Production, 2023, 383. DOI:10.1016/j.jclepro.2022.135360 |
| [30] |
刘舒乐, 严薇, 高庆先, 等. 双视角下中国畜牧业甲烷排放的温室效应[J]. 环境科学, 2023, 44(12): 6692-6699. Liu S L, Yan W, Gao Q X, et al. Dual-perspective analysis of the warming effect of the methane emissions from animal husbandry in China[J]. Environmental Science, 2023, 44(12): 6692-6699. |
| [31] | Zhu J Y, Luo Z Y, Sun T T, et al. Cradle-to-grave emissions from food loss and waste represent half of total greenhouse gas emissions from food systems[J]. Nature Food, 2023, 4(3): 247-256. DOI:10.1038/s43016-023-00710-3 |
| [32] |
古恒宇, 劳昕, 温锋华, 等. 2000—2020年中国省际人口迁移格局的演化特征及影响因素[J]. 地理学报, 2022, 77(12): 3041-3054. Gu H Y, Lao X, Wen F H, et al. Spatiotemporal patterns and determinants of interprovincial migration in China between 2000 and 2020[J]. Acta Geographica Sinica, 2022, 77(12): 3041-3054. DOI:10.11821/dlxb202212007 |
| [33] | Esteve-Llorens X, Darriba C, Moreira M T, et al. Towards an environmentally sustainable and healthy Atlantic dietary pattern: life cycle carbon footprint and nutritional quality[J]. Science of the Total Environment, 2019, 646: 704-715. DOI:10.1016/j.scitotenv.2018.07.264 |
| [34] | Tepper S, Kissinger M, Avital K, et al. The environmental footprint associated with the mediterranean diet, EAT-lancet diet, and the sustainable healthy diet index: a population-based study[J]. Frontiers in Nutrition, 2022, 9. DOI:10.3389/fnut.2022.870883 |
| [35] | Li X, Ouyang Z G, Zhang Q, et al. Evaluating food supply chain emissions from Japanese household consumption[J]. Applied Energy, 2022, 306. DOI:10.1016/j.apenergy.2021.118080 |
| [36] |
杨帆, 韩玉花, 隗潇, 等. "双碳"背景下北京市农业温室气体排放评估及"十四五"时期减排潜力预测[J]. 环境科学, 2023, 44(10): 5456-5463. Yang F, Han Y H, Wei X, et al. Estimation of agricultural greenhouse gas emissions and emission reduction potential of Beijing during the 14th five-year plan period under the background of "carbon peak and neutrality"[J]. Environmental Science, 2023, 44(10): 5456-5463. |
| [37] |
杨旺舟. 中国农村居民食品消费碳排放的时空格局及其影响因素[J]. 中国环境管理, 2022, 14(3): 112-117. Yang W Z. Spatio-temporal pattern and its driving forces on carbon emission of food consumption from rural households in China[J]. Chinese Journal of Environmental Management, 2022, 14(3): 112-117. |
| [38] | Franco C C, Rebolledo-Leiva R, González-García S, et al. Addressing the food, nutrition and environmental nexus: the role of socio-economic status in the nutritional and environmental sustainability dimensions of dietary patterns in Chile[J]. Journal of Cleaner Production, 2022, 379. DOI:10.1016/j.jclepro.2022.134723 |
| [39] | Han A X, Chai L, Liu P Y. How much environmental burden does the shifting to nutritional diet bring? Evidence of dietary transformation in rural China[J]. Environmental Science & Policy, 2023, 145: 129-138. |
| [40] | Wang L, Huang W, Zhao C, et al. Exploring the environment-nutrition-obesity effects associated with food consumption in different groups in China[J]. Journal of Environmental Management, 2022, 317. DOI:10.1016/j.jenvman.2022.115287 |
| [41] | Dou Y X, Liu X L. Reducing environmental footprints and promoting health: optimizing dietary structure in China[J]. Sustainable Production and Consumption, 2024, 45: 126-138. DOI:10.1016/j.spc.2023.12.012 |
| [42] | Gutiérrez S, Cortés S, Ruedlinger J, et al. Geographic variability in the Chilean dietary carbon footprint: major food contributors and associated factors[J]. Journal of Cleaner Production, 2023, 427. DOI:10.1016/j.jclepro.2023.139118 |
| [43] | Bassi C, Maysels R, Anex R. Declining greenhouse gas emissions in the US diet (2003-2018): drivers and demographic trends[J]. Journal of Cleaner Production, 2022, 351. DOI:10.1016/j.jclepro.2022.131465 |
| [44] | Sun M X, Xu X B, Hu Y C, et al. What differentiates food-related environmental footprints of rural Chinese households?[J]. Resources, Conservation and Recycling, 2021, 166. DOI:10.1016/j.resconrec.2020.105347 |
| [45] | Ma S Y, Sun M X, Xu X B, et al. Non-farm employment promotes nutritious diet without increasing carbon footprint: evidence from rural China[J]. Journal of Cleaner Production, 2022, 369. DOI:10.1016/j.jclepro.2022.133273 |
| [46] |
李涛, 牛雪寒, 韦艳, 等. 中国居民消费碳排放与家庭异质性的关系研究——基于中国家庭追踪调查数据[J]. 环境科学与管理, 2023, 48(7): 44-49. Li T, Niu X H, Wei Y, et al. Study on relationship between carbon emissions from household consumption and household heterogeneity——Based on data of China family panel studies[J]. Environmental Science and Management, 2023, 48(7): 44-49. DOI:10.3969/j.issn.1673-1212.2023.07.012 |