2025, Vol. 46
2. 河南农业大学国家小麦工程技术研究中心, 郑州 450046;
3. 河南省生态环境技术中心, 郑州 450000;
4. 深圳职业技术大学碳中和技术研究院, 深圳 518055
, YAO Jin-zhe1 , HAN Qing1 , LI Ge-zi2 , WANG Zhi-yong3 , ZHANG Cong-guang4 , LI Lan-tao1 , LIU Shi-liang1 , WANG Yi-lun1 , JIE Xiao-lei1 , LIU Hai-tao1
2. National Engineering Research Center for Wheat, Henan Agricultural University, Zhengzhou 450046, China;
3. Henan Provincial Ecological Environment Technology Center, Zhengzhou 450000, China;
4. Institute of Carbon-Neutral Technology, Shenzhen Polytechnic University, Shenzhen 518055, China
工业和农业的快速发展导致二氧化碳(CO2)、甲烷(CH4)和氧化亚氮(N2O)等温室气体排放量急剧增加, 加剧了全球变暖的趋势, 造成干旱和高温等极端气候事件频发[1 ~ 4]. IPCC评估报告显示, 因农业活动导致的温室气体排放总量占到了全球人类排放总量的24%[5]. 中国是农业生产大国, 也是温室气体排放大国[6], 农业碳排放量约占温室气体碳排放总量的13%[7]. 为应对全球变暖等气候问题, 党的“二十大”报告提出到2035年我国碳排放达峰后稳中有降. 根据2022年国家统计局公布的粮食产量数据, 河南粮食总产量位居全国第二, 其中, 小麦和玉米作为河南主要粮食作物, 分别占全国小麦和玉米总产量的27.8%和7.5%, 小麦产量稳居全国第一. 小麦玉米种植面积广, 生产过程中化肥和农药的不合理施用、农业机械快速推广等造成农业碳氮排放急剧增长, 加剧了温室气体的排放. 河南作为农业农村人口大省及国家重要的粮食生产核心区和农产品主产区[8], 明确小麦玉米农业生产过程中各环节造成的温室气体排放, 核算其碳氮足迹对于控制农业碳氮排放, 实现河南省及全国农业绿色发展具有重要意义.
碳足迹(carbon footprint)可用于定量评估某项活动造成的直接或间接温室气体排放总量[9], 目前已被广泛应用于农业生产领域评价农业生产各环节的温室气体排放及排放总量. 氮足迹研究起步较晚, 概念与碳足迹类似, 用于评估生产活动造成的直接或间接活性氮排放量[10]. 目前用于碳氮足迹的主要计算方法有生命周期评价法(life cycle assessment, LCA)、投入产出法(input output assessment, IOA)和混合生命周期评价法(hybrid LCA). LCA法考虑了生产过程中较多细节, 并以CO2当量形式评价对气候的影响, 分析结果具有较强的针对性, 被广泛用于评估农业碳氮足迹[11 ~ 13]. 当前, 利用生命周期评价法对农作物进行碳氮足迹分析已成为一种主流方法. 张鹏岩等[14]以单位耕地面积上河南省农田生态系统碳排放总量和所有农作物的碳吸收量比值作为碳足迹, 对2005~2014年河南省农田生态系统的碳排放、碳吸收和碳足迹的变化进行比较, 结果发现碳足迹呈不断增长的趋势, 其中化肥施用造成的碳排放占比最高. 李春喜等[15]基于田间试验对2018~2019年间河南省豫南、豫中、豫北和豫西这4个生态区冬小麦-夏玉米两熟制农田碳足迹构成进行分析, 发现碳足迹主要来源是灌溉电力和化肥投入；侯相成等[16]对2019年东北地区玉米种植系统碳氮足迹进行分析, 并探讨了碳氮足迹减排措施. 张海霞等[17]对邯郸市2010~2019年冬小麦生产氮足迹时空变化特征以及构成进行分析, 发现近10年氮足迹总体呈下降趋势；肖广敏等[18]基于2018年数据对河北省小麦玉米生产体系碳足迹进行估算, 结果显示, 节水灌溉和减量施肥是减少碳排放最直接的方法. Holka[19]对波兰15个不同土壤耕作条件下冬小麦生产的碳足迹和生命周期成本进行评估, 结果表明施肥是影响小麦生产碳足迹大小和生命周期成本的关键因素. Kashyap等[20]基于农田调研资料, 评估了印度5个农业气候区域的小麦生产过程中碳排放及相关农资投入的碳足迹, 研究发现秸秆燃烧和化肥使用是影响小麦碳足迹的主要因素. Xu等[21]基于农户调查数据, 采用生命周期评价法对中国小麦玉米生产过程的碳足迹和氮足迹进行分析, 发现氮肥施用是影响碳足迹的主要因素, 氨挥发是影响氮足迹的主要因素. Yan等[22]基于农户调查数据, 对中国小麦玉米的碳足迹进行计算, 结果表明, 氮肥施用是碳足迹的最大贡献者.
河南省作为粮食大省, 长期以来, 农药化肥等农资的不合理使用, 造成碳氮排放的增加. 农业部2015年提出确保到2020年实现“一控两减三基本”的目标. 因此, 本研究基于《河南省统计年鉴》《全国农产品成本收益资料汇编》等资料中的相关数据, 以2015年为时间节点, 对比分析该政策提出前后河南省小麦玉米生产碳氮排放特征, 采用已有的碳氮足迹计算方法和LMDI模型系统对2011~2020年河南省小麦玉米生产种植过程中碳氮足迹时间、空间和构成变化特征以及驱动因素进行分析. 本研究结果对河南省小麦玉米碳氮足迹研究进行补充, 弥补了河南省小麦玉米氮足迹研究的空缺, 以期为河南省绿色农业可持续发展提供理论支撑和科学指导, 并为河南省小麦玉米生产减少温室气体排放提供对策分析；同时也为我国农业生产实现碳达峰、碳中和提供重要参考依据.
1 材料与方法 1.1 研究区概况河南地处北纬31°23'~36°22', 东经110°21'~116°39'之间, 大部分属于暖温带, 南部跨亚热带, 属于大陆性季风气候, 2011~2020全省年均气温为12~16 ℃, 年均降水量为257~1 021 mm, 年均日照时数为1 768.0~2 023.4 h. 全省耕地752万hm2, 园地41.18万hm2, 林地436.69万hm2, 草地24.58万hm2, 湿地3.66万hm2；城镇村及工矿用地246.28万hm2, 交通运输用地21.53万hm2, 水域及水利设施用地86.39万hm2. 耕地面积占比大, 粮食播种面积为1 077.23万hm2, 主要种植的粮食作物为小麦和玉米, 其中, 小麦和玉米播种面积分别为569万hm2和386.58万hm2, 是我国重要粮食主产区, 受种植面积和种植方式的影响, 以该区域小麦玉米为研究对象分析其碳氮足迹特征具有重要意义, 该区域内的行政区边界如图 1所示.
|
图 1 研究区示意 Fig. 1 Study area schematic |
在本研究中, 以小麦和玉米这2种粮食作物从播种到收获整个生命周期为研究界限进行碳氮足迹分析. 碳足迹计算包括农资生产(化肥、种子、农药和灌溉等生产过程产生的碳排放)、作物种植、生产过程中产生的灌溉耗电、农机柴油消耗产生的碳排放以及农田直接温室气体排放；氮足迹计算主要包括各种农资投入和化肥施用造成的田间活性氮的损失量, 如NH3挥发、N2O排放、NO3-和NH4+淋失. 本研究边界如图 2所示.
|
图 2 小麦玉米生产系统研究边界 Fig. 2 Research boundaries of wheat and maize production systems |
小麦和玉米的播种面积及产量数据来源于2012~2021年《河南省统计年鉴》, 种子和化肥投入量等数据来源于2012~2021年《全国农产品成本收益资料汇编》, 农药用量、柴油用量和灌溉耗电量等数据通过2012~2021年《中国价格统计年鉴》及河南省物价局官网公示的投入总量及其农资单价计算投入量；氮肥用量根据单质氮肥用量和复合肥种类及用量进行计算；秸秆产量通过草谷比和作物产量计算得出[18].
本研究利用Microsoft Excel 2019和SPSS 26软件进行数据整理和统计分析；采用Origin 2022和ArcGIS 10.8绘制图表.
1.4 碳足迹计算方法 1.4.1 碳排放
|
(1) |
|
(2) |
|
(3) |
式中, GWPCO2为作物生产过程中总碳排放量(以CO2计, 下同), 单位为万t；CO2Input为种子和化肥等农资投入产生的碳排放量, 万t；N2OSoil为农田排放的N2O量, 万t；298为100 a尺度上N2O转化为CO2的相对全球增温潜势；TI和EFI分别为第I种农资投入的量(万t)及碳排放系数；FerN、EFN2O、EFNH3和EFNO3- 分别为氮肥投入量(万t)、N2O排放系数、氨挥发系数和氮淋溶系数；1%和2.5%分别为氨挥发和氮淋溶转换为N2O的转换系数[23].
1.4.2 碳固定
|
(4) |
|
(5) |
|
(6) |
式中, SOCSR、CSOC‑FerN和CSOC-straw分别为生产体系、施氮和秸秆还田引起的碳固定量, 万t(以CO2计)；SFFerN、Straw和SFstraw分别为施氮肥碳固定系数、秸秆还田量(万t)及秸秆还田碳固定系数[18].
|
(7) |
|
(8) |
|
(9) |
式中, NGWPCO2为碳足迹, 即净碳排放量(以CO2计, 下同), 万t；CFS和CFY分别为单位播种面积碳足迹(t·hm-2)和单位产量碳足迹(t·t-1)；CA和Y分别为播种面积(hm2)和作物产量(t)[18].
1.5 氮足迹计算方法
|
(10) |
式中, NFa和NFinputs分别为小麦或玉米生产单位面积氮足迹和农资生产过程中活性氮排放量(以N-eq计, 下同), 单位为kg·hm-2；NFN2O、NFNH3、NFNO3−和NFNH4+分别为田间N2O排放、NH3挥发、NO3-和NH4+淋失产生的氮足迹(以N-eq计, 下同), 单位为kg·hm-2. 其中, N2O排放、NH3挥发、NO3-和NH4+淋失采用《2006 IPCC国家温室气体清单指南》和ISO14044方法计算得到. 计算公式如下：
|
(11) |
|
(12) |
|
(13) |
|
(14) |
|
(15) |
|
(16) |
|
(17) |
式中, NFdN2O、NFAN2O和NFLN2O分别为N2O在田间的直接排放、肥料以NH3和NOx的形式挥发到大气中引起的间接N2O的排放、由化肥通过淋失和径流造成的氮损失引起的间接N2O排放, 单位为kg·hm-2；N为小麦和玉米生产过程中的施氮量, 包括氮肥与复合肥, 复合肥的主要成分按N∶P2O5∶K2O=15∶15∶15计算[24]；EF1、EF2和EF3分别为氮肥投入引起的直接N2O排放、氮沉降引起的间接N2O排放因子(取值为0.01)以及淋失和径流中的氮损失造成的间接N2O排放因子(取值为0.007 5)；FGASF和FLEACH分别为化肥以NH3和NOx形式挥发的比例(取值为0.1 kg·kg-1)以及土壤中淋失和径流损失的比例(取值为0.3 kg·kg-1)；α、β和δ分别为NH3挥发氮损失系数(取值为小麦0.275, 玉米0.226)[25, 26]、NO3-淋溶系数和NH4+淋溶系数, (取值为小麦1.043%, 玉米0.038%), 系数来自《肥料流失系数手册》. 44/28、17/14、62/14和18/14分别为N2O和N2O-N、NH3和NH3-N、NO3-和NO3--N以及NH4+和NH4+-N的相对分子质量之比[27]. 0.476、0.833、0.238和0.786分别为N2O、NH3、NO3-和NH4+的富营养化系数.
|
(18) |
式中, NFy和Y分别为小麦玉米单位产量氮足迹(以N-eq计, 下同, g·kg-1)和单位面积产量(kg·hm-2). 碳氮足迹排放系数见表 1.
|
表 1 碳和氮足迹模型系数 Table 1 Model coefficients of carbon and nitrogen footprints |
1.6 Kaya恒等式与LMDI模型
本研究提出可能影响小麦玉米生产碳氮足迹潜在驱动因素的Kaya常数方程, 采用此研究方法可以将碳氮排放量拆分为各个因素的贡献, 有利于深入分析碳氮排放的结构和变化, 有利于制定针对性的节能减排政策[30, 31]. 河南省小麦玉米碳氮排放总量可用以下公式表示：
|
(19) |
式中, C为小麦和玉米生产的碳氮排放总量；CGDP为小麦玉米的总产值；AGDP为农业GDP总产值；PGDP为第一产业的产值；P为在第一产业就业的人口[32].
通过对小麦玉米生产过程的分析, 将其碳氮排放因子分解为：
|
(20) |
|
(21) |
|
(22) |
|
(23) |
|
(24) |
|
(25) |
式中, 效率系数(ΔCI)为小麦玉米单位面积温室气体排放量以及氮排放量和小麦玉米总产量的变化；生产因子(ΔPI)为小麦玉米总产量在农业总产量中所占份额的变化；结构因子(ΔSI)为农业总产出在第一部门产出中所占份额的变化；经济因素(ΔEI)为单位劳动力投入在第一部门经济产出中所占份额的变化, 劳动力因素(ΔAL)为劳动力投入的变化. 小麦和玉米在基期和T期的碳氮排放量分别设定为C0和Ct, ΔCtot为小麦玉米从基期到T期碳氮排放量的变化.
2 结果与分析 2.1 小麦玉米产量与播种面积2011~2020年河南省小麦和玉米播种面积及产量如图 3所示. 小麦播种面积在此期间保持平稳, 平均为5.5×106 hm2；玉米播种面积呈现先上升再下降的趋势. 小麦单位面积产量呈上升趋势, 10年间上升了11.84%, 平均单产达到6.23 t‧hm-2；玉米单位面积产量呈现先下降再上升的趋势, 平均单位产量为5.69 t‧hm-2. 小麦玉米的总产量随着种植面积的变化波动明显；2020年, 小麦总产量达到37.53×106 t, 占粮食总产量55%；玉米总产量达到23.42×106 t, 占粮食总产量34%.
|
数据来源：《河南省统计年鉴》(2012~2021年) 图 3 小麦玉米产量、播种面积及单位产量 Fig. 3 Wheat and corn yield, sowing area, and unit yield |
根据小麦玉米机械、农药、种子和肥料的统计数据计算农资投入的成本(图 4), 由《全国农产品成本收益资料汇编》可知, 河南省小麦玉米生产过程中较少使用农膜, 因此本研究不考虑农膜投入的成本；机械成本包括机械作业费及排灌费. 2011~2020年, 小麦和玉米农资投入成本均值分别为6 302.04元·hm-2和5 091.44元·hm-2. 机械费和肥料费在农资投入成本中占比较高, 分别占小麦生产总成本的35.53%和43.27%, 玉米生产总成本的35.89%和43.53%；小麦和玉米10 a间平均机械费分别为2 238.56元·hm-2和1 854.14元·hm-2, 种子费分别为944.12元‧hm-2和727.73元‧hm-2, 农药费分别为381.60元·hm-2和310.43元·hm-2, 肥料费分别为2 722.34元‧hm-2和2 199.15元‧hm-2. 小麦的机械费、种子费、农药费和肥料费投入均高于玉米, 分别比玉米高20.73%、29.73%、22.93%和23.79%.
|
数据来源：《全国农产品成本收益资料汇编》《河南省统计年鉴》(2012~2021年)《中国价格统计年鉴》(2012~2021年) 图 4 小麦玉米生产体系生产成本 Fig. 4 Production cost of wheat and maize production system |
河南省小麦10 a间生产体系单位面积碳足迹均值(以CO2⁃eq计, 下同)为1.98 t‧hm-2, 最大值与最小值分别为2.52 t‧hm-2和1.61 t‧hm-2[图 5(a)]；单位产量碳足迹由2011年的0.32 t‧t-1下降至2020年的0.30 t‧t-1, 下降0.02 t‧t-1, 降幅为6.25%[图 5(b)]. 玉米生产体系单位面积碳足迹均值为1.76 t‧hm-2, 最大值与最小值分别为2.63 t‧hm-2和1.49 t‧hm-2[图 6(a)]；单位产量碳足迹均值为0.31 t‧t-1, 由2011年的0.26 t‧t-1下降至2020年的0.24 t‧t-1, 下降了0.02 t‧t-1, 降幅为7.69%[图 6(b)]. 2011~2020年河南省小麦、玉米生产体系单位面积氮足迹(以N-eq计, 下同)变化范围分别为41.49~52.94 kg‧hm-2和20.92~36.61 kg‧hm-2, 最高值和最低值分别出现在2011年和2020年[图 5(c)和图 6(c)]. 河南省小麦、玉米生产体系10 a间单位面积氮足迹整体呈现下降趋势, 2016年下降最为明显；单位产量氮足迹呈逐年下降趋势, 小麦单位产量氮足迹由2011年最高值8.96 g‧kg-1下降到2020年最低值6.27 g‧kg-1[图 5(d)], 10 a间下降30.02%；玉米由2014年最高值6.6 g‧kg-1下降到2020年最低值3.41 g‧kg-1[图 6(d)], 10 a间下降48.33%, 其中2016年下降最为明显. 小麦玉米碳氮足迹整体呈现下降的趋势, 表明碳氮足迹得到有效控制.
|
图 5 2011~2020年河南省小麦生产单位面积和单位产量碳足迹和氮足迹 Fig. 5 Carbon and nitrogen footprints per unit area and unit yield of wheat production in Henan Province from 2011 to 2020 |
|
图 6 2011~2020年河南省玉米生产单位面积和单位产量碳足迹和氮足迹 Fig. 6 Carbon and nitrogen footprints per unit area and unit yield of maize production in Henan Province from 2011 to 2020 |
本研究基于ArcGIS 10.8以2011年、2015年和2020年为代表年对河南省各地级市小麦玉米碳、氮足迹总量进行空间分析, 如图7~9所示. 颜色越深表示碳、氮足迹越大, 2011~2020年间河南省碳、氮足迹呈现东南高、西北低的空间分布格局. 具体来看：由图 7可知, 在2011年南阳市、驻马店市和周口市是河南省小麦碳、氮足迹的高值区, 碳足迹总量分别为127.41×104 t、126.43×104 t和123.20×104t, 氮足迹总量分别为3.53×104 t、3.50×104 t和3.41×104 t, 占总碳、氮足迹的12.6%、12.5%和12.2%；驻马店市、周口市和南阳市是河南省玉米碳、氮足迹的高值区, 碳足迹总量分别为68.38×104 t、57.21×104 t和46.24×104 t, 氮足迹总量分别为1.83×104 t、1.53×104 t和1.24×104 t. 由图 8可知, 与2011年相比小麦碳氮足迹无明显变化, 南阳市和商丘市玉米碳氮足迹相对增加. 由图 9可知, 与2015年相比商丘市小麦碳氮足迹增加, 玉米碳氮足迹无明显变化. 上述小麦玉米碳氮足迹高值区, 小麦玉米种植面积大, 农资投入量相对也大, 因此, 碳氮足迹值高于其他地区.
|
图 7 2011年河南省小麦玉米碳足迹和氮足迹空间分布 Fig. 7 Spatial distribution of carbon and nitrogen footprints of wheat and maize in Henan Province in 2011 |
|
图 8 2015年河南省小麦玉米碳足迹和氮足迹空间分布 Fig. 8 Spatial distribution of carbon and nitrogen footprints of wheat and maize in Henan Province in 2015 |
|
图 9 2020年河南省小麦玉米碳足迹和氮足迹空间分布 Fig. 9 Spatial distribution of carbon and nitrogen footprints of wheat and maize in Henan Province in 2020 |
对比分析2011年和2020年河南省小麦和玉米碳氮足迹空间变化可知, 2020年, 新乡市、南阳市、周口市和驻马店市的小麦碳、氮足迹占比上升, 分别上升0.5%、0.2%、0.7%和1.4%；平顶山市、许昌市、商丘市和济源市占比保持稳定；其他地级市占比下降. 开封市、新乡市、濮阳市、南阳市、商丘市和周口市的玉米碳氮足迹占比上升, 分别上升0.8%、1.4%、0.7%、2.7%、2.2%和2.5%；仅有三门峡市碳氮足迹保持稳定；其他地级市占比下降.
2.5 小麦玉米生产碳、氮足迹的组成由图 10可知, 小麦和玉米碳足迹的碳排放量由正值表示, 碳固定量由负值表示, 农田排放是指N2O直接与间接排放之和. 小麦生产体系过程中灌溉和肥料产生的碳排放占比最大, 两者共占碳排放的57%；农田排放呈现逐年递减的趋势, 年均下降率为2.5%；柴油呈现逐年递增的趋势, 年均增长率为10%；肥料和种子基本保持稳定, 分别稳定在28.26%和4.84%. 玉米生产体系过程中灌溉占碳排放比例最大, 年均占比为35.28%；其次是肥料, 占年均总碳排放量的24.9%；农田排放是第三大排放源, 平均占比为21.82%；柴油占比呈现逐年递增的趋势, 由2011年的3.73%到2020年的14.9%；种子和农药的碳排放量占比均小于10%. 除碳排放外, 碳固定也是碳足迹的重要组成部分, 河南省碳固定能力呈现逐年递增的趋势, 小麦碳固定由2011年的138.17万t到2020年的150.04万t, 玉米碳固定量由2011年的76.32万t到2020年的91.32万t. 碳固定量主要由秸秆还田固碳和施肥固碳组成, 小麦和玉米秸秆还田固碳量大于施肥固碳量, 施肥固碳量为秸秆还田固碳量的12.57%, 且小麦总固碳量大于玉米总固碳量. 在河南省小麦和玉米生产氮足迹构成中, NH3占比最大, 小麦为82.8%~79.4%, 玉米为84.2%~80.8%, 两者均呈现下降趋势, 小麦年均下降率为0.45%, 玉米为0.46%；农业投入次之, 小麦为10.88%~14.47%, 玉米为7.96%~11.70%, 两者均呈现逐年递增的趋势；小麦和玉米N2O、NO3-和NH4+所带来的氮足迹不足10%, 且10 a间保持稳定, 小麦分别稳定在2.89%、3.22%和0.11%, 玉米分别稳定在3.58%、3.98%和0.14%.
|
图 10 2011~2020年河南省小麦玉米碳足迹和氮足迹占比 Fig. 10 Carbon and nitrogen footprints of wheat and maize in Henan Province from 2011 to 2020 |
以2011年为LMDI模型的基期, 从效率效应、生产效应、结构效应、经济效应和劳动效应这5个方面解析河南省小麦玉米碳氮排放量驱动因素. 各影响因素对河南省小麦玉米碳氮排放量的作用见图 11. 生产效率、生产结构和劳动力规模的总效应值为负数, 代表其对小麦碳排放增长起负作用, 且劳动力规模碳减排效应更大. 而结构因子和经济因素对小麦碳排放增长呈正向驱动, 二者对碳排放增长的驱动效应表现为经济因素 > 结构因子. 生产结构和劳动力规模的总效应值为负数, 代表其对玉米碳排放增长起负作用, 与小麦碳减排驱动因素效应一致, 表现为劳动力规模碳减排效应最大. 生产效率、结构因子和经济因素对玉米碳排放增长呈积极作用, 三者对碳排放增长的驱动效应表现为经济因素 > 生产效率 > 结构因子. 生产效率、生产结构和劳动力规模的总效应值为负数, 代表其对小麦氮排放增长起负作用, 三者对氮排放增长的驱动效应表现为：劳动力规模 > 生产效率 > 生产结构；结构因子和经济因素对小麦氮排放增长呈积极作用, 两者对氮排放增长的驱动效应表现为经济因素 > 结构因子. 生产效率、生产结构和劳动力规模的总效应值为负数, 代表其对玉米氮排放增长起负作用, 与小麦氮排放驱动因素效应一致, 表现为劳动力规模氮减排效应最大, 生产效率次之, 生产结构第三. 结构因子和经济因素对玉米氮排放增长呈积极作用, 两者对碳排放增长的驱动效应表现为经济因素 > 结构因子.
|
图 11 小麦玉米碳氮排放LMDI模型分析结果 Fig. 11 Analysis results of the LMDI model of carbon and nitrogen emissions from wheat and maize |
本研究发现, 河南省小麦玉米10 a间单位面积碳足迹均值分别为1.98 t‧hm-2和1.76 t‧hm-2, 低于张丹等[33]对中国粮食作物的研究结果(5.62 t‧hm-2和3.00 t‧hm-2), 高于史磊刚等[34]在华北平原的研究结果(1.10 t‧hm-2和0.64 t‧hm-2), 小麦玉米单位产量碳足迹均值分别为0.32 t‧t-1和0.31 t‧t-1, 低于张传红等[35]对江苏省粮食作物的研究结果(0.99 kg‧kg-1和0.81 kg‧kg-1)；小麦和玉米单位面积氮足迹均值分别为48.28 kg‧hm-2和28.37 kg‧hm-2, 低于武华[36]等对中国粮食作物的研究结果(100.04 kg‧hm-2和84.42 kg‧hm-2), 低于陈中督等的研究结果(80.9 kg‧hm-2), 单位产量氮足迹均值分别为7.78 g‧kg-1和5.02 g‧kg-1, 低于武华等的研究结果(18.25 g‧kg-1和13.81 g‧kg-1). 研究结果产生差异的主要原因是计算方法不同、研究区域不同以及采用的碳氮排放系数不同. 近10年来, 小麦玉米单位面积氮足迹整体呈现下降的趋势, 小麦年均下降2.6%, 玉米年均下降5.6%. 2011~2020年间, 小麦玉米的碳氮足迹呈现明显波动, 2014年之后, 碳氮足迹呈现波动下降的趋势, 原因可能在于农业部2015年提出确保到2020年实现“一控两减三基本”目标, 提出农业节水、化肥农药零增长、农业废弃物综合利用等措施, 该政策的提出对于控制农业温室气体排放具有重要意义.
河南省不同地级市的小麦玉米生产碳氮足迹差异明显, 呈现东南高、西北低的格局, 小麦玉米的碳氮足迹以东南方向的周口市和驻马店市最大, 西北方向的济源市和三门峡市最小. 本研究结果与前人的田间试验以及模型分析结果均一致：张鹏岩等[14]对河南省农田生态系统碳足迹进行分析, 结果表明碳足迹呈现东南多、西北少的空间分布；李春喜等[15]开展田间试验对河南省不同生态区小麦-玉米两熟制农田碳足迹进行分析, 结果显示豫北碳足迹最高, 豫南碳足迹最低. 这与各地区小麦玉米的播种面积有很大的关系, 河南省地势西高东低, 中东部以平原为主, 种植面积大, 碳氮足迹排放量也相对比较大. 2011~2020年, 河南省各个地级市仅有郑州市碳足迹呈现逐年下降的趋势, 其他地级市呈现波动上升和逐年上升的趋势, 其主要原因是河南省会郑州, 正在深入推进工业化和城市化进程, 耕地面积和播种面积逐年减少, 农资投入相对下降. 郑州市、洛阳市、安阳市和三门峡市的小麦播种面积与氮足迹呈正相关, 其它地级市播种面积与氮足迹呈现负相关.
本研究发现, 肥料和灌溉是河南省小麦玉米生产体系碳排放的主要来源, 分别占碳排放总量的28.26%和28.64%(小麦)、24.9%和35.28%(玉米), 且小麦的碳排放总量大于玉米, 与前人的研究结果一致[37]. 碳足迹构成中, 考虑到秸秆固碳和施肥固碳, 结果表明秸秆固碳占比大, 前人研究表明施氮固碳量仅为秸秆还田固碳量的17.98%[18]. 在氮足迹构成中, NH3挥发是小麦玉米生产氮足迹的主要来源, 这与前人的研究结果大致相同[25]. 此外, NH3挥发量随着氮肥施用量的减少而减少. 小麦玉米对比分析, 两种作物在生长周期、需肥量、种植方式等方面存在差异, 这些差异可能导致其碳氮足迹的构成有所不同. 例如, 小麦的种植周期较长, 需要更多的化肥和农药, 因此其碳氮足迹会相对较高. 而玉米生长周期较短, 在一定程度上降低了其碳氮足迹.
3.2 河南省小麦玉米碳氮排放影响因素分析以2011年为LMDI模型的基期, 对河南省小麦玉米碳排放的因子分解进行分析. 小麦玉米碳氮结构系数(ΔSI)呈现波动上升, 这表明农业总产出在第一部门产出中的份额越来越大, 对碳氮排放强度的影响也越来越大；小麦玉米经济系数(ΔEI)大幅增加, 表现为生产资料和人均农业生产的快速增长, 表明经济系数是推动小麦玉米种植碳氮排放增加的关键因素, 经济的增长将会导致小麦玉米种植碳氮排放的增加, 因此需要提高生产效率, 通过农业科技创新的手段不断降低碳氮排放[38]. 小麦效率系数(ΔCI)碳氮排放量整体呈现波动下降, 玉米效率系数(ΔCI)碳氮排放量整体呈现先上升再波动下降, 下降的主要原因是产值的下降. 小麦玉米劳动力因素(ΔAL)对碳排放量有抑制作用, 10 a间该因素作用下的碳排放量持续减少, 说明河南省从事农业劳动的人口数量不断下降, 这可能和河南省城镇化发展及土地流转有关, 从侧面也反映出生产效率的提高[34]；小麦玉米生产系数(ΔPI)碳氮排放分两个阶段先上升再波动下降, 表明小麦玉米总产量在农业总产量中所占份额的变化, 表现为近年来, 为增加农民收入、调整产业结构, 经济作物的种植比例在不断扩大[39]. 农业碳排放量在2014年后呈下降趋势, 说明发展农业低碳生产, 协同推进丰产增效与绿色低碳发展取得了新的积极进展. 总之, 在保证小麦玉米生产的同时, 科学调整小麦玉米产业结构, 采用先进技术和低碳种植, 可以保障小麦玉米产业的高质量和绿色发展.
3.3 河南省小麦玉米减碳减氮策略从本研究结果可以看出, 通过降低碳排放和增加碳固定来实现河南省小麦玉米生产碳足迹是可行的；氮足迹的减少可以通过降低氮肥投入来实现. 低碳和低氮生产应当采用节水灌溉技术提高灌溉设施的利用效率, 减少灌溉用水量, 从而进一步减少碳、氮排放[40, 41]；推进氮肥减量增效, 降低氧化亚氮排放[42], 研发推广适合河南省小麦玉米吸收的新型肥料产品, 推广水肥一体化等高效施肥技术, 提高肥料利用效率, 增加有机肥的投入, 替代部分化学肥料[43]；推广作物秸秆还田固碳技术和秸秆综合利用, 这样不仅可以增加土壤中的矿物质元素, 减少化肥施用量, 还可以保留土壤中的碳, 增加土壤有机质含量[44 ~ 47]；随着技术的发展, 农业机械的使用频率增加, 柴油的消耗和排放也增加, 推广和应用先进、低碳、节能的农业机械和设备, 降低化石能源消耗和二氧化碳排放, 推广新能源技术, 改善农业机械和设备的结构, 加快绿色、智能、双联和高效农机化技术装备的推广应用[48]. 多种举措齐头并进, 加快实现河南省农业绿色低碳生产.
3.4 研究局限性及展望本研究创新点：采用碳氮足迹的分析方法, 对河南省小麦玉米碳氮足迹进行时间、空间以及构成分析, 可以更加清晰了解小麦玉米发展现状；以河南省2011~2020年小麦玉米的相关数据为基础, 采用Kaya恒等式LMDI模型, 对小麦玉米两种粮食作物碳足迹及氮足迹的驱动因素进行分析, 为今后河南省农业绿色可持续发展提供理论依据和数据支撑. 同时, 研究过程中存在一定的局限性.
本研究采用生命周期评价法, 计算分析了河南省小麦玉米生产体系的碳氮足迹时间、空间变化特征以及构成和驱动因素. 然而, 本研究还存在一定的局限性和不确定性：首先, 本研究所采用的数据来自国家公布的统计数据, 并未在研究区域设立检测点开展试验, 进行数据的采集, 研究结果具有一定的不确定性. 针对此问题, 在今后的研究中, 增加原位监测试验, 以获得第一手的试验数据, 为计算结果增加可靠性. 其次, 采用生命周期评价法进行计算, 系统边界的界定具有一定的争议, 系统边界的界定不同, 得出的结果也会不同. 最后, 计算小麦玉米碳氮足迹所采用的碳排放及氮排放系数缺乏统一的标准, 排放系数不统一也会导致结果产生差异, 进而增加了碳氮足迹计算的不确定性.
4 结论(1) 2011~2020年河南省小麦的生产成本大于玉米, 机械费和肥料费是农资投入成本的主要部分, 可以通过降低机械和肥料费用进一步降低碳氮足迹.
(2) 2011~2020年河南省小麦玉米碳足迹呈现先上升再下降的趋势, 氮足迹整体呈现下降的趋势. 表明河南省绿色农业向好发展.
(3) 河南省各地级市碳、氮足迹差异明显, 整体呈现东南高、西北低的格局.
(4) 河南省小麦玉米碳足迹的构成中, 小麦生产肥料和灌溉所占比例最大, 且比例相当, 玉米生产灌溉占比最大；在氮足迹的构成中, 小麦玉米生产NH3挥发占比最大.
(5) LMDI分析结果表明, 经济因素是增加小麦玉米碳氮排放的重要因素, 而劳动力因素则减少了小麦玉米生产的碳氮排放.
(6) 综上所述, 提高小麦玉米生产过程中肥料利用率和机械化生产效率, 提高小麦玉米生产效率, 调整产业发展方式和规模以达到降低碳氮排放的目的.
| [1] |
郝瑞军, 魏伟, 刘春芳, 等. 中国能源消费碳排放的空间化与时空动态[J]. 环境科学, 2022, 43(11): 5305-5314. Hao R J, Wei W, Liu C F, et al. Spatialization and spatio-temporal dynamics of energy consumption carbon emissions in China[J]. Environmental Science, 2022, 43(11): 5305-5314. |
| [2] |
向书江, 杨春梅, 谢雨琦, 等. 近20年重庆市主城区碳排放的时空动态演进及其重心迁移[J]. 环境科学, 2023, 44(1): 560-571. Xiang S J, Yang C M, Xie Y Q, et al. Spatiotemporal dynamic evolution and gravity center migration of carbon emissions in the main urban area of Chongqing over the past 20 years[J]. Environmental Science, 2023, 44(1): 560-571. |
| [3] |
胡景心, 沙青娥, 刘慧琳, 等. 珠江三角洲二氧化碳源汇演变特征及驱动因素[J]. 环境科学, 2023, 44(12): 6643-6652. Hu J X, Sha Q E, Liu H L, et al. Evolution characteristics and driving forces of carbon dioxide emissions and sinks in the pearl river delta region, China[J]. Environmental Science, 2023, 44(12): 6643-6652. |
| [4] | 紫萱. 加强耕地管理减少农业温室气体排放[J]. 中国农业信息, 2012(9): 21. |
| [5] |
金书秦, 林煜, 牛坤玉. 以低碳带动农业绿色转型: 中国农业碳排放特征及其减排路径[J]. 改革, 2021(5): 29-37. Jin S Q, Lin Y, Niu K Y. Driving green transformation of agriculture with low carbon: characteristics of agricultural carbon emissions and its emission reduction path in China[J]. Reform, 2021(5): 29-37. |
| [6] |
伍国勇, 刘金丹, 陈莹. 中国农业碳排放强度空间特征及溢出效应分析[J]. 环境科学与技术, 2021, 44(11): 211-219. Wu G Y, Liu J D, Chen Y. Analysis of spatial characteristics and spillover effects of agricultural carbon emission intensity in China[J]. Environmental Science & Technology, 2021, 44(11): 211-219. |
| [7] |
张俊飚, 何可. "双碳"目标下的农业低碳发展研究: 现状、误区与前瞻[J]. 农业经济问题, 2022(9): 35-46. Zhang J B, He K. Current situation, misunderstandings and prospects of agricultural low-carbon development under the targets of carbon peak and carbon neutrality[J]. Issues in Agricultural Economy, 2022(9): 35-46. |
| [8] | 白雪, 范纪安. 河南多措并举提升农业固碳潜力[N]. 中国经济导报, 2022-08-04(005). |
| [9] |
韦沁, 曲建升, 白静, 等. 我国农业碳排放的影响因素和南北区域差异分析[J]. 生态与农村环境学报, 2018, 34(4): 318-325. Wei Q, Qu J S, Bai J, et al. Influencing factors of agricultural carbon emission and regional differences between south and north in China[J]. Journal of Ecology and Rural Environment, 2018, 34(4): 318-325. |
| [10] | Leach A M, Galloway J N, Bleeker A, et al. A nitrogen footprint model to help consumers understand their role in nitrogen losses to the environment[J]. Environmental Development, 2012, 1(1): 40-66. |
| [11] | Campiglia E, Gobbi L, Marucci A, et al. Hemp seed production: environmental impacts of Cannabis sativa L. Agronomic practices by life cycle assessment (LCA) and carbon footprint methodologies[J]. Sustainability, 2020, 12(16). DOI:10.3390/su12166570 |
| [12] | Gan Y T, Liang C, May W, et al. Carbon footprint of spring barley in relation to preceding oilseeds and N fertilization[J]. The International Journal of Life Cycle Assessment, 2012, 17(5): 635-645. |
| [13] | Shao G, Zhou J, Liu B, et al. Carbon footprint of maize-wheat cropping system after 40-year fertilization[J]. Science of the Total Environment, 2024, 926. DOI:10.1016/j.scitotenv.2024.172082 |
| [14] |
张鹏岩, 何坚坚, 庞博, 等. 农田生态系统碳足迹时空变化——以河南省为例[J]. 应用生态学报, 2017, 28(9): 3050-3060. Zhang P Y, He J J, Pang B, et al. Temporal and spatial differences in carbon footprint in farmland ecosystem: a case study of Henan Province, China[J]. Chinese Journal of Applied Ecology, 2017, 28(9): 3050-3060. |
| [15] |
李春喜, 骆婷婷, 闫广轩, 等. 河南省不同生态区小麦-玉米两熟制农田碳足迹分析[J]. 生态环境学报, 2020, 29(5): 918-925. Li C X, Luo T T, Yan G X, et al. Carbon footprint analysis of wheat-maize double cropping system in different ecological regions of Henan province[J]. Ecology and Environmental Sciences, 2020, 29(5): 918-925. |
| [16] |
侯相成, 李涵, 董思奇, 等. 东北地区玉米种植系统碳足迹及氮足迹研究[J/OL]. 吉林农业大学学报. http://kns.cnki.net/kcms/detail/22.1100.S.20220913.1936.006.html, 2024-05-29. Hou X C, Li H, Dong S Q, et al. Study on carbon footprint and nitrogen footprint of maize planting system in Northeast China[J/OL]. Journal of Jilin Agricultural University. http://kns.cnki.net/kcms/detail/22.1100.S.20220913.1936.006.html, 2024-05-29. |
| [17] |
张海霞, 武晓琪, 蔡昂祖, 等. 近十年邯郸市冬小麦生产氮足迹时空变化特征分析[J]. 麦类作物学报, 2022, 42(4): 473-481. Zhang H X, Wu X Q, Cai A Z, et al. Analysis on the characteristics of temporal and spatial changes of nitrogen footprint of winter wheat production in Handan City in recent ten years[J]. Journal of Triticeae Crops, 2022, 42(4): 473-481. |
| [18] |
肖广敏, 茹淑华, 侯利敏, 等. 河北省小麦玉米生产体系碳足迹分析[J]. 生态与农村环境学报, 2022, 38(11): 1388-1395. Xiao G M, Ru S H, Hou L M, et al. Carbon footprint analysis of wheat-maize production system in Hebei Province[J]. Journal of Ecology and Rural Environment, 2022, 38(11): 1388-1395. |
| [19] | Holka M. Assessment of carbon footprint and life cycle costs of winter wheat (Triticum aestivum L.) production in different soil tillage systems[J]. Applied Ecology and Environmental Research, 2020, 18(4): 5841-5855. |
| [20] | Kashyap D, Agarwal T. Carbon footprint and water footprint of rice and wheat production in Punjab, India[J]. Agricultural Systems, 2021, 186. DOI:10.1016/j.agsy.2020.102959 |
| [21] | Xu C C, Chen Z D, Ji L, et al. Carbon and nitrogen footprints of major cereal crop production in China: a study based on farm management surveys[J]. Rice Science, 2022, 29(3): 288-298. |
| [22] | Yan M, Cheng K, Luo T, et al. Carbon footprint of grain crop production in China-based on farm survey data[J]. Journal of Cleaner Production, 2015, 104: 130-138. |
| [23] | Wang X L, Chen Y Q, Sui P, et al. Preliminary analysis on economic and environmental consequences of grain production on different farm sizes in North China Plain[J]. Agricultural Systems, 2017, 153: 181-189. |
| [24] |
郑秀兴, 王莹. 我国复合肥料产业发展现状与趋势[J]. 磷肥与复肥, 2020, 35(11): 1-4. Zheng X X, Wang Y. Development status and trend of compound fertilizer industry in China[J]. Phosphate & Compound Fertilizer, 2020, 35(11): 1-4. |
| [25] | Chen Z D, Xu C C, Ji L, et al. Effects of multi-cropping system on temporal and spatial distribution of carbon and nitrogen footprint of major crops in China[J]. Global Ecology and Conservation, 2020, 22. DOI:10.1016/j.gecco.2019.e00895 |
| [26] |
王磊, 董树亭, 刘鹏, 等. 水氮互作对冬小麦田氨挥发损失和产量的影响[J]. 应用生态学报, 2018, 29(6): 1919-1927. Wang L, Dong S T, Liu P, et al. The interactive effects of water and nitrogen addition on ammonia volatilization loss and yield of winter wheat[J]. Chinese Journal of Applied Ecology, 2018, 29(6): 1919-1927. |
| [27] |
陈中督, 徐春春, 纪龙, 等. 基于农户调查的长江流域双季稻生产碳、氮足迹分析——以江西和湖南为例[J]. 作物杂志, 2023, 39(2): 229-237. Chen Z D, Xu C C, Ji L, et al. Carbon and nitrogen footprints of double rice production in Yangtze River based on farm survey data——A case study of Jiangxi and Hunan[J]. Crops, 2023, 39(2): 229-237. |
| [28] | Cui Z L, Wang G L, Yue S C, et al. Closing the N-use efficiency gap to achieve food and environmental security[J]. Environmental Science & Technology, 2014, 48(10): 5780-5787. |
| [29] | Lu F, Wang X K, Han B, et al. Soil carbon sequestrations by nitrogen fertilizer application, straw return and no-tillage in China's cropland[J]. Global Change Biology, 2009, 15(2): 281-305. |
| [30] |
刘晓倩, 李玲, 孙小龙. 化肥面源污染排放的时空演进及驱动因素研究——基于中国13个粮食主产省2000~2020年数据[J]. 干旱区资源与环境, 2024, 38(5): 49-59. Liu X Q, Li L, Sun X L. Temporal and spatial evolution of non-point source pollution of chemical fertilizer in main grain producing areas of China[J]. Journal of Arid Land Resources and Environment, 2024, 38(5): 49-59. |
| [31] |
宁静, 李亚洁, 王震, 等. 中国粮食主产省区农业碳排放特征及影响因素[J]. 水土保持研究, 2024, 31(1): 450-459. Ning J, Li Y J, Wang Z, et al. Characteristics and influencing factors of agricultural carbon emissions in major grain producing provinces in China[J]. Research of Soil and Water Conservation, 2024, 31(1): 450-459. |
| [32] | Huang W B, Wu F Q, Han W R, et al. Carbon footprint of cotton production in China: composition, spatiotemporal changes and driving factors[J]. Science of the Total Environment, 2022, 821. DOI:10.1016/j.scitotenv.2022.153407 |
| [33] |
张丹. 中国粮食作物碳足迹及减排对策分析[D]. 北京: 中国农业大学, 2017. Zhang D. Carbon footprint and low carbon strategy for grain production in China[D]. Beijing: China Agricultural University, 2017. |
| [34] |
史磊刚, 陈阜, 孔凡磊, 等. 华北平原冬小麦-夏玉米种植模式碳足迹研究[J]. 中国人口·资源与环境, 2011, 21(9): 93-98. Shi L G, Chen F, Kong F L, et al. The carbon footprint of winter wheat-summer maize cropping pattern on north China plain[J]. China Population, Resources and Environment, 2011, 21(9): 93-98. |
| [35] |
张传红, 韩露, 谢佳男, 等. 江苏省主要农作物碳足迹动态及其构成研究[J]. 南京信息工程大学学报(自然科学版), 2022, 14(1): 110-119. Zhang C H, Han L, Xie J N, et al. Carbon footprint dynamics and composition assessment of major crops production in Jiangsu province[J]. Journal of Nanjing University of Information Science & Technology (Natural Science Edition), 2022, 14(1): 110-119. |
| [36] |
武华. 中国主要粮食作物生产碳氮水足迹集成分析[D]. 南京: 南京农业大学, 2020. Wu H. Integrated analysis of carbon, nitrogen and water footprints for major grain crops in China[D]. Nanjing: Nanjing Agricultural University, 2020. |
| [37] | Zhang D, Shen J B, Zhang F S, et al. Carbon footprint of grain production in China[J]. Scientific Reports, 2017, 7(1). DOI:10.1038/s41598-017-04182-x |
| [38] | Tian Y, Zhang J B, He Y Y. Research on spatial-temporal characteristics and driving factor of agricultural carbon emissions in China[J]. Journal of Integrative Agriculture, 2014, 13(6): 1393-1403. |
| [39] | Xiong C H, Yang D G, Huo J W. Spatial-temporal characteristics and LMDI-based impact factor decomposition of agricultural carbon emissions in Hotan Prefecture, China[J]. Sustainability, 2016, 8(3). DOI:10.3390/su8030262 |
| [40] | Recio J, Montoya M, Ginés C, et al. Joint mitigation of NH3 and N2O emissions by using two synthetic inhibitors in an irrigated cropping soil[J]. Geoderma, 2020, 373. DOI:10.1016/j.geoderma.2020.114423 |
| [41] | Zhang Q S, Chu Y Y, Xue Y F, et al. Outlook of China's agriculture transforming from smallholder operation to sustainable production[J]. Global Food Security, 2020, 26. DOI:10.1016/j.gfs.2020.100444 |
| [42] |
田政云, 吴雄伟, 吴媛媛, 等. 中国旱作农田一氧化氮排放及减排: Meta分析[J]. 环境科学, 2022, 43(11): 5131-5139. Tian Z Y, Wu X W, Wu Y Y, et al. Nitric oxide emissions from Chinese upland cropping systems and mitigation strategies: a Meta-analysis[J]. Environmental Science, 2022, 43(11): 5131-5139. |
| [43] |
胡亮亮, 熊橙梁, 张庆富, 等. 水肥一体化技术研究现状及在我国的推广应用[J]. 现代农业科技, 2023(20): 104-109. Hu L L, Xiong C L, Zhang Q F, et al. Research status of fertigation technology and its promotion and application in our country[J]. Modern Agricultural Science and Technology, 2023(20): 104-109. |
| [44] | Zhang S Q, Huang S M, Li J W, et al. Long-term manure amendments and chemical fertilizers enhanced soil organic carbon sequestration in a wheat (Triticum aestivum L.)-maize (Zea mays L.) rotation system[J]. Journal of the Science of Food and Agriculture, 2017, 97(8): 2575-2581. |
| [45] | Li B, Bi Z C, Xiong Z Q. Dynamic responses of nitrous oxide emission and nitrogen use efficiency to nitrogen and biochar amendment in an intensified vegetable field in southeastern China[J]. GCB Bioenergy, 2017, 9(2): 400-413. |
| [46] |
汪洋, 杨殿林, 王丽丽, 等. 农田管理措施对土壤有机碳周转及微生物的影响[J]. 农业资源与环境学报, 2020, 37(3): 340-352. Wang Y, Yang D L, Wang L L, et al. Effects of farmland management measures on soil organic carbon turnover and microorganisms[J]. Journal of Agricultural Resources and Environment, 2020, 37(3): 340-352. |
| [47] |
万小楠, 赵珂悦, 吴雄伟, 等. 秸秆还田对冬小麦-夏玉米农田土壤固碳、氧化亚氮排放和全球增温潜势的影响[J]. 环境科学, 2022, 43(1): 569-576. Wan X N, Zhao K Y, Wu X W, et al. Effects of stalk incorporation on soil carbon sequestration, nitrous oxide emissions, and global warming potential of a winter wheat-summer maize field in Guanzhong Plain[J]. Environmental Science, 2022, 43(1): 569-576. |
| [48] |
杜岳峰, 傅生辉, 毛恩荣, 等. 农业机械智能化设计技术发展现状与展望[J]. 农业机械学报, 2019, 50(9): 1-17. Du Y F, Fu S H, Mao E R, et al. Development situation and prospects of intelligent design for agricultural machinery[J]. Transactions of the Chinese Society for Agricultural Machinery, 2019, 50(9): 1-17. |