文章信息
- 杨欢, 乔远, 王兴邦, 陈新平, 张务帅
- YANG Huan, QIAO Yuan, WANG Xingbang, CHEN Xinping, ZHANG Wushuai
- 黄淮海玉米生产能源利用效率和净生态系统碳平衡时空特征
- Spatio-temporal characteristics of energy use efficiency and net ecosystem carbon budget of maize production in Huang-Huai-Hai region
- 生态学报. 2022, 42(15): 6184-6195
- Acta Ecologica Sinica. 2022, 42(15): 6184-6195
- http://dx.doi.org/10.5846/stxb202106081522
-
文章历史
- 收稿日期: 2021-06-08
- 网络出版日期: 2022-04-07
2. 西南大学长江经济带农业绿色发展研究中心, 重庆 400715
2. Interdisciplinary Research Center for Agriculture Green Development in Yangtze River Basin, Southwest University, Chongqing 400715, China
玉米作为我国第一大粮食作物, 在国家的粮食安全、经济发展和社会稳定中占据重要的地位。玉米总产和种植面积在2018年分别达到2.57亿t和42.1×106hm2, 占国内谷物总产的37%和农作物总种植面积的25.4%, 其总产和总种植面积较2004年分别增长97.4%和65.6%[1]。黄淮海地区是我国主要的玉米产区之一, 玉米种植面积为600多万hm2, 总产量超过2300万t, 约占全国玉米总产量的39%[2]。当前黄淮海地区玉米生产存在资源利用率不高, 土壤退化等问题[3]。因此, 定量化评价黄淮海地区玉米生产的能源利用效率和净生态系统碳平衡对保障我国粮食安全和玉米可持续生产尤为重要。
前期研究表明我国粮食生产存在肥料、农药和柴油等资源投入过量的问题[4]。农业发展对生态环境的胁迫效应总体十分剧烈, 短期内中国仍然面临农业快速发展与生态环境保护之间的矛盾[5]。实施既能养活人类又能保护环境的可持续农业对于实现若干可持续发展目标至关重要。因此, 对农业生产活动的能源分析可以帮助确定支持可持续农业的措施。于伟咏等[6]研究中测算中国31个省份的农业能源利用效率, 指出碳排放强度低的地区农业能源利用效率较高。王梦媛等[7]研究发现尽管作物生产主要投入和产出要素相同, 但同一作物不同地点产出能值和能源利用效率均存在显著差异。综上所述, 我国农业能源利用效率主要从全国尺度出发开展研究, 但尚未针对黄淮海地区玉米生产的时空变化进行定量化评价。
农业生产资料特别是氮肥的投入可以增加地上植物生物量, 进而通过增强根系分泌物增加地下碳输入。Ni[8]等人进行的整合分析表明, 化肥显著增加了20%的土壤碳输入, 主要是由于净初级生产力的增加。农田土壤过多的化肥施用会导致土壤的酸化和盐碱化, 这可能会影响作物生长, 从而降低有机碳固存潜力[9]。然而, 氮肥投入同时也会增加土壤呼吸相关微生物的活性, 甚至可以抵消对净初级生产力的促进作用。Chen等[10]通过大量的田间试验发现过量的氮肥和传统的农业管理会造成大量的活性氮损失和温室气体排放。在中国东北地区, 与不施氮的玉米农田土壤相比施氮增加土壤碳输入0.08 Mg C/hm2, 但同时刺激土壤CO2排放增加0.09 Mg C/hm2, 从而导致土壤有机碳储量减少[11]。由于直接测量土壤有机碳储量变化存在一定局限, 净生态系统碳平衡被开发为估算土壤碳平衡的工具, 但与之相关的黄淮海地区玉米生产净生态系统碳平衡的研究尚缺乏。
基于全生命周期的定量化黄淮海地区玉米生产资源投入的能源利用效率和环境效益的时空变化研究较为缺乏, 制约着我国对黄淮海地区玉米生产生态环境效益的评价和减排措施的提出。本文以2004—2018年黄淮海玉米生产为研究对象, 基于国家统计数据, 采用生命周期评价(Life Cycle Assessment, LCA)、能值分析、碳平衡分析等方法, 定量化该地区玉米生产能源利用效率和净生态系统碳平衡及其时空变化, 探究关键影响因素, 提出优化措施, 为实现玉米绿色生产提供依据。
1 材料和方法 1.1 研究区域与供试作物研究区域主要围绕黄淮海地区的河北、河南、山东、安徽和江苏五个省。该地区人口产业密集, 农资投入量大, 不同省份的资源投入和产量水平等存在较大差异。研究对象为黄淮海地区主要种植的夏玉米。
1.2 数据来源与收集根据中国国家统计局(http://www.stats.gov.cn/)[1]、《中国农村统计年鉴》[12]以及《全国农产品成本收益资料汇编》[13]收集整理黄淮海地区2004—2018年来玉米生产的产量、种植面积、化肥用量、农药、柴油、地膜、种子和人工等相关数据。
1.3 生命周期评价(LCA)生命周期评价(LCA)是用于评估给定产品的潜在环境影响以支持生产和消费决策的最广泛使用的工具之一[14]。研究中使用LCA定量化评估黄淮海地区玉米从农资的生产加工运输到玉米收获的整个生命周期的环境效应[15]。
1.4 能源利用效率、温室气体排放、净生态系统碳平衡和可持续性指数计算 1.4.1 能源利用效率为了阐明黄淮海地区玉米生产的能量平衡, 本研究根据能源输入(化肥、农药、柴油地膜)和输出(玉米籽粒所含能量)来计算玉米生产的净能量、能源生产力和能源利用效率。计算公式如下:
![]() |
(1) |
![]() |
(2) |
![]() |
(3) |
式中, NE、EP和EUE分别为净能量(能源产生和消耗量之间的差值)、能源生产力(单位能源消耗所生产的玉米籽粒产量)和能源利用率(单位能源消耗的能量产生量)。EO是玉米籽粒的能源产生, ED是能源消耗包含玉米生产期间消耗的可再生能源(即人工和种子)和不可再生能源(即柴油, 机械, 农药和化肥), 单位为GJ/hm2。YP为玉米籽粒的产量, 单位为kg。本研究将能量输入和输出乘以它们各自的能量当量参数, 以计算能源消耗量和能源产生量(表 1)[16—28]。
项目 Item |
单位 Unit |
温室气体排放 GHG emissions/ (kg CO2-eq) |
能量当量 Energy equivalent/MJ |
参考文献 Reference |
氮肥生产和运输 Production and transportation of nitrogen fertilizer |
kg N | 8.3 | 92.03 | [16, 21] |
磷肥生产和运输 Production and transportation of phosphorus fertilizer |
kg P2O5 | 0.79 | 20.96 | [17, 21] |
钾肥生产和运输 Production and transportation of potash fertilizer |
kg K2O | 0.55 | 13.13 | [17, 21] |
农药生产和运输 Production and transportation of pesticide |
kg | 19.1 | 240 | [18, 21] |
地膜生产和运输 Production and transportation of mulch |
kg | 2.8 | 32.3 | [19, 22] |
柴油Diesel | L | 3.75 | 35.83 | [20, 21] |
种子Seed | kg | 3.85 | 15.32 | [23—24] |
人工Labour | h | 0.036 | 1.96 | [25—26] |
机械Machine | h | 62.7 | [27] | |
电力Electricity | kW·h | 1.14 | [28] |
基于生命周期评价方法, 本研究计算了整个生命环节的温室气体排放量, 单位为kg CO2-eq/hm2。农业温室气体主要包括CO2, CH4和N2O[29]。计算公式如下:
![]() |
(4) |
![]() |
(5) |
![]() |
(6) |
![]() |
(7) |
![]() |
(8) |
![]() |
(9) |
![]() |
(10) |
式中, GHG为玉米生产整个生命过程中温室气体排放量, GHGm为农业投入品(包括肥料、农药、柴油等)生产运输过程中产生的温室气体, 单位为kg CO2 eq/hm2 [16—28]。Total N2O是指氮肥田间施用所产生的N2O排放, 44/28为N与N2O间的换算系数, 298为N2O相比于CO2的温室效应的当量系数, 2.5%和1%分别为硝态氮淋洗和氨挥发进入环境后通过一系列生物化学反应间接转化为N2O的转换因子[30]。N2O emission为N2O直接排放, NH3 volatilization为氨挥发, NO3 leaching为硝酸盐淋洗, Nsurplus为氮盈余, 单位为kg N/hm2;Nrate为施氮量, 单位为kg/hm2;0.86/0.845为国际标准产量换算数值;籽粒吸氮量在产量大于7.5 t/hm2时为18.1 kg N/t, 在产量小于7.5 t/hm2时为19.8 kg N/t [10]。
1.4.3 净生态系统碳平衡为了评估玉米中植物部分的碳分配, 假设玉米中所有植物部分的碳浓度为0.45g/g[31]。净生态系统碳平衡(Net Ecosystem Carbon Budget, NECB)被用来表示土壤有机碳含量的变化, 基于Xia等[32]计算公式如下:
![]() |
(11) |
式中, GPP为总初级生产力, NPP为净初级生产力, NPP/GPP的比率系数为0.58[33]。HR为收获后从土壤中移除的玉米籽粒碳含量, 计算方式为玉米产量与碳浓度相乘, 单位为kg C/hm2。GHG为玉米生产整个生命周期的温室气体排放量, 由公式4计算获得, 12/44指CO2和C之间的换算系数。FRW为收获后残留在田间的谷物和秸秆碳含量, 单位为kg C/hm2, 计算方式为作物碳含量乘以田间残留物系数, 山东、江苏、河南、河北、安徽五个省的田间残留物系数分别为0.82、0.86、0.93、0.91和0.86[34]。
净初级生产力通过下式计算, 单位为kg C/hm2:
![]() |
(12) |
NPPG、NPPS、NPPR和NPPER分别为作物籽粒、秸秆、根部和根际的碳含量, 为植物籽粒、秸秆、根部和根际的生物量与碳浓度相乘, 单位为kg C/hm2。NPPL为玉米生育期残留物的碳含量, 单位为kg C/hm2, 我们残留物生物量占地上生物量和根系干生物量的5%[35]。
1.4.4 可持续性指数可持续性指数是为了量化玉米生产系统的生产力及碳分配情况, 计算公式如下[36]。
![]() |
(13) |
式中, CP指玉米生产的碳总量, CE是基于生命周期评价方法计算的温室气体排放量, CP和CE的单位都同为kg C/hm2。
研究中的CP包含玉米籽粒(CG)、秸秆(CS)、根系(CR)和根际(CEER)的碳含量, 根据Bolinder等人的研究结果, 按照下式计算[37]:
![]() |
(14) |
![]() |
(15) |
![]() |
(16) |
![]() |
(17) |
式中, YP是玉米地上部干物质产量, YS为玉米秸秆量, 单位为kg/hm2, HI是收获指数(籽粒的干物质产量/总地上干物质产量), 根据Zhao等[38]对中国玉米生长数据的研究, 将河北、河南、山东、安徽和江苏玉米生产的HI分别设置为0.49、0.50、0.51、0.51和0.51。S / R为冠/根比, YER为相对可恢复根系因子的额外根系碳(即根际沉积碳)。假设给定玉米的S / R和YER分别为5.60和0.65[37]。
2 结果 2.1 黄淮海地区不同年份生产投入与环境效益评价 2.1.1 资源投入、总种植面积和总产量年际变化及各省份种植面积和产量占比2004—2018年的15年间, 黄淮海地区玉米生产的肥料投入总体呈增加趋势, 氮肥、磷肥和钾肥的平均投入量分别为202、72.4和53.8 kg/hm2(表 2)。氮肥用量在不同年份间存在较大差异, 2004年投入量最高为219 kg/hm2, 自2015年后我国总体养分投入量有所下降, 2018年投入量最低为178 kg/hm2。磷肥和钾肥投入量在15年间保持逐年递增, 2018年分别较2004年增加了61.7和62.8 kg/hm2。种子投入在15年间呈下降的趋势, 2004年达到最高值43.3 kg/hm2, 2017年最低为30.4 kg/hm2。农药和柴油投入量在15年间的差异较大, 单位面积最高投入量相比于最低投入量增长133%和221%。地膜投入量15年间相对稳定, 总体变化范围为0.2—0.8 kg/hm2。
年份 Year |
投入Input | 产出Output | ||||||||
N/ (kg/hm2) | P2O5/ (kg/hm2) | K2O/ (kg/hm2) | 农药 Pesticide/ (kg/hm2) |
柴油 Diesel/ (L/hm2) |
地膜用量 Mulch/ (kg/hm2) |
种子 Seed/ (kg/hm2) |
人工 Labour/ (h/hm2) |
产量 Yield/ (t/hm2) |
||
2004 | 219 | 38.1 | 15.8 | 6.6 | 35.5 | 0.3 | 43.3 | 6.0 | 6.2 | |
2005 | 198 | 48.9 | 25.3 | 6.9 | 34.6 | 0.2 | 41.2 | 14.4 | 5.5 | |
2006 | 202 | 53.5 | 32.1 | 7.6 | 41.6 | 0.2 | 40.0 | 6.9 | 6.1 | |
2007 | 207 | 60.9 | 41.7 | 8.5 | 52.5 | 0.2 | 41.6 | 4.8 | 6.1 | |
2008 | 199 | 57.3 | 42.5 | 10.0 | 44.3 | 0.5 | 39.4 | 3.3 | 6.6 | |
2009 | 211 | 57.4 | 42.1 | 10.1 | 54.6 | 0.3 | 39.1 | 3.9 | 6.7 | |
2010 | 213 | 64.7 | 49.1 | 10.8 | 47.6 | 0.6 | 37.8 | 8.1 | 6.6 | |
2011 | 199 | 73.5 | 53.6 | 9.5 | 43.0 | 0.8 | 36.3 | 1.2 | 6.7 | |
2012 | 201 | 81.3 | 63.8 | 11.7 | 56.2 | 0.6 | 34.4 | 7.6 | 7.2 | |
2013 | 205 | 82.6 | 64.7 | 12.8 | 64.1 | 0.5 | 34.2 | 8.0 | 6.8 | |
2014 | 216 | 86.8 | 70.7 | 13.5 | 83.0 | 0.5 | 32.3 | 5.4 | 7.4 | |
2015 | 202 | 90.2 | 72.6 | 15.4 | 120 | 0.6 | 31.0 | 4.8 | 7.6 | |
2016 | 198 | 92.4 | 75.9 | 15.2 | 132 | 0.5 | 30.5 | 5.2 | 7.3 | |
2017 | 186 | 98.6 | 77.7 | 14.8 | 117 | 0.5 | 30.4 | 4.3 | 7.3 | |
2018 | 178 | 99.8 | 78.6 | 15.0 | 111 | 0.6 | 30.5 | 3.6 | 6.9 | |
平均 Average |
202 | 72.4 | 53.8 | 11.2 | 69.1 | 0.4 | 36.1 | 5.8 | 6.7 |
黄淮海地区15年间玉米总产量和种植面积整体呈上升趋势, 总产量提高85.7%, 种植面积增加53.5%(图 1)。单产在15年间总体呈先上升后下降的趋势, 平均值为6.7 t/hm2(表 2)。山东、河南和河北为黄淮海地区玉米主产地, 各省的总产量分别占区域总量的34%、29%和27%。安徽和江苏的产量分别占区域总量的6%和4%, 种植面积分别占8%和4%(图 1)。
![]() |
图 1 黄淮海地区不同年份及不同省份玉米生产的总产量、种植面积、产量占比和种植面积占比 Fig. 1 Total maize production, total planting area, proportion of production, and proportion of planting area in different years and provinces in Huang-Huai-Hai region |
黄淮海地区2004—2018年15年间玉米生产能源消耗量和能源产生量的平均值分别为26.6 GJ/hm2和103 GJ/hm2(表 3)。玉米生产的净能量随时间呈上升的趋势, 变化范围为60.7—86.4 GJ/hm2, 平均值为76.5 GJ/hm2。作为评价玉米生产能源利用情况的指标, 2004到2018年间均呈现先上升后下降的趋势。2005和2007年玉米生产的能源生产力和能源利用效率相同, 都分别为0.24 t/GJ和3.7。
年份 Year |
能源消耗量 Energy depletion/ (GJ/hm2) |
能源产生量 Output/ (GJ/hm2) |
净能量 Net energy/ (GJ/hm2) |
能源生产力 Energy productivity/ (t/GJ) |
能源利用效率 Energy use efficiency/ (×100%) |
2004 | 24.6 | 95.7 | 71.0 | 0.25 | 3.9 |
2005 | 23.1 | 83.8 | 60.7 | 0.24 | 3.7 |
2006 | 24.1 | 92.9 | 68.9 | 0.26 | 3.9 |
2007 | 25.5 | 93.5 | 68.0 | 0.24 | 3.7 |
2008 | 24.7 | 101 | 76.0 | 0.27 | 4.1 |
2009 | 26.1 | 102 | 76.0 | 0.26 | 3.9 |
2010 | 26.5 | 101 | 74.4 | 0.25 | 3.8 |
2011 | 24.9 | 102 | 77.2 | 0.28 | 4.2 |
2012 | 26.4 | 111 | 84.2 | 0.28 | 4.3 |
2013 | 27.4 | 104 | 76.7 | 0.25 | 3.9 |
2014 | 29.3 | 114 | 84.7 | 0.26 | 3.9 |
2015 | 29.9 | 116 | 86.4 | 0.26 | 3.9 |
2016 | 30.0 | 111 | 81.1 | 0.24 | 3.8 |
2017 | 28.4 | 113 | 84.2 | 0.26 | 4.0 |
2018 | 27.5 | 105 | 77.8 | 0.25 | 3.9 |
平均Averge | 26.6 | 103 | 76.5 | 0.26 | 3.9 |
15年间, 黄淮海地区温室气体排放呈现先增加后减少的趋势, 变化范围为3.6—4.1 t CO2-eq/hm2, 平均排放量为3.8 t CO2-eq/hm2(图 2)。其中肥料生产运输过程和田间施用的温室气体排放在总排放量中占比最高, 达到81.7%。农药生产运输和农机耗油的温室气体排放占总排放量的5.7%和6.9%, 其它过程的贡献率之和低于6%。各环节温室气体排放贡献率大小排序为:肥料生产运输>肥料田间施用>农机耗油>农药生产运输>种子>灌溉耗电>地膜>人工。
![]() |
图 2 黄淮海地区不同年份玉米生产温室气体排放量、净生态系统碳平衡和可持续性指数 Fig. 2 Greenhouse gas emissions, net ecosystem carbon budget and sustainability index of maize production in Huang-Huai-Hai region in different years |
黄淮海15年玉米生产碳输入高于碳输出, 净生态系统碳平衡为正值。黄淮海地区玉米生产的净生态系统碳平衡在2005年最低, 为10.1 t C/hm2, 自2015年(14.2 t C/hm2)后呈逐渐下降的趋势。2015—2018年平均净生态系统碳平衡为13.6 t C/hm2, 比2004—2014年高11.9%。净生态系统碳平衡中总初级生产力和作物残留物量分别占总碳输入的84.1%和15.9%;碳输出中收获移除和以温室气体排放形式的碳损失分别占总碳输出的74.6%和25.4%(图 2)。碳输入和碳输出均在2015年达到最高, 分别为18.8 t C/hm2和4.5 t C/hm2, 在2005年最低, 分别为13.5 t C/hm2和3.5 t C/hm2。可持续性指数同净生态系统碳平衡和温室气体排放的变化规律相近, 均为先增加后降低, 2005年最低为5.7, 2012年最高为7.7(图 2), 2012年玉米生产的可持续指数较2004年增加了20.6%。
2.2 黄淮海地区不同省份生产投入与环境效益评价 2.2.1 不同省份玉米生产资源投入和产量变化黄淮海玉米生产资源投入和产量在空间上存在差异(表 4)。江苏省氮肥投入量最高, 为257 kg/hm2, 比氮肥投入量最低的河南省高出55.8%;山东省磷肥、钾肥和农药的投入量最高, 分别高于区域平均34.1%、31.6%和9.7%, 河北省的农药投入量显著低于其他4个省份。河北省柴油和种子投入量占比最高, 分别占区域总投入量的24.1%和21.6%。山东省机械化程度较高, 人工投入量最低。黄淮海地区各省份单产由高到低分别为:山东>河北>河南>安徽>江苏。
年份 Year |
投入Input | 产出Output | ||||||||
N/ (kg/hm2) | P2O5/ (kg/hm2) | K2O/ (kg/hm2) | 农药 Pesticide/ (kg/hm2) |
柴油 Diesel/ (L/hm2) |
地膜用量 Mulch/ (kg/hm2) |
种子 Seed/ (kg/hm2) |
人工 Labour/ (h/hm2) |
产量 Yield/ (t/hm2) |
||
河北 | 168 | 76.8 | 40.6 | 9.6 | 83.3 | 0.6 | 39.0 | 6.6 | 6.9 | |
河南 | 165 | 64.1 | 59.0 | 11.3 | 71.6 | 0.5 | 36.8 | 7.6 | 6.7 | |
山东 | 207 | 97.1 | 70.7 | 12.3 | 78.8 | 37.9 | 3.1 | 7.3 | ||
安徽 | 215 | 55.8 | 48.0 | 11.3 | 56.6 | 0.5 | 33.6 | 7.8 | 6.4 | |
江苏 | 257 | 68.2 | 50.3 | 11.6 | 55.1 | 0.2 | 33.5 | 3.9 | 6.3 |
2004—2018年江苏省玉米生产平均能源消耗量最高, 为31.0 GJ/hm2, 净能量、能源生产力和能源利用效率最低, 分别为66.2 GJ/hm2、0.20 t/GJ和3.1(表 5)。河南省平均能源消耗量为区域最低, 为23.5 GJ/hm2。河北省玉米生产净能量、能源生产力和能源利用率最高, 分别为83.0 GJ/hm2、0.30 t/GJ和4.5。山东省能源产生量最高, 为111 GJ/hm2。河北省和河南省能源利用效率比区域平均分别高15.4%和12.8%, 而山东省、安徽省和江苏省比区域平均分别低0.4%、8.3%和25.8%。
省份 Province |
能源消耗量 Energy depletion/ (GJ/hm2) |
能源产生量 Output/ (GJ/hm2) |
净能量 Net energy/ (GJ/hm2) |
能源生产力 Energy productivity/ (t/GJ) |
能源利用效率 Energy use efficiency/ (×100%) |
河北 | 23.5 | 106 | 83.0 | 0.30 | 4.5 |
河南 | 23.1 | 103 | 79.4 | 0.29 | 4.4 |
山东 | 28.3 | 111 | 82.9 | 0.26 | 3.9 |
安徽 | 26.8 | 97.7 | 70.9 | 0.24 | 3.6 |
江苏 | 31.0 | 97.2 | 66.2 | 0.20 | 3.1 |
黄淮海玉米生产温室气体排放由低到高的顺序为河南<河北<山东<安徽<江苏(图 3)。江苏省玉米生产温室气体排放最高, 达4.8 t CO2-eq/hm2, 是河南省的1.5倍。山东省和安徽省玉米生产温室气体排放均为3.9 t CO2-eq/hm2。河北、河南、山东、安徽和江苏肥料生产运输和施用环节温室气体排放分别占区域温室气体总排放的13.0%、12.9%、16.0%、16.4%和22.1%。
![]() |
图 3 黄淮海地区不同省份玉米生产温室气体排放量、净生态系统碳平衡和可持续性指数 Fig. 3 Greenhouse gas emissions, net ecosystem carbon budget and sustainability index of maize production in different provinces in Huang-Huai-Hai region |
黄淮海地区各省份玉米生产平均碳输入和碳输出分别为16.6、4.1 t C/hm2, 净生态系统碳平衡为12.6 t C/hm2(图 3)。河北省玉米生产的净生态系统碳平衡最高, 为13.8 t C/hm2, 江苏省玉米生产净生态系统碳平衡最低, 为11.3 t C/hm2。碳输入中总初级生产力占比80%以上, 碳输出中收获移除占比70%以上。作物残留物量范围在2.5—2.8 t C/hm2之间, 河北省最高, 江苏省最低。黄淮海地区各省份玉米生产能源利用效率和可持续性指数由高到低的顺序为:河北>河南>山东>安徽>江苏(图 3)。
2.2.4 不同省份玉米生产的综合生态环境效益分析黄淮海地区各省份玉米生产的资源投入和环境效益间存在较大差异。通过颜色等级得分方格图(图 4), 可以清晰比较各省份不同指标的得分情况, 得分越高, 代表该省份玉米生产的综合生态环境效益越高。各省份间玉米生产能源利用效率、作物残留物和可持续性指数的得分分布情况相似, 河北省最高, 江苏省最低。山东省产量得分最高, 净生态系统碳平衡得分位居第二。安徽省在各个指标上的得分仅高于江苏省。河北、河南和山东三个省份综合得分均为正值, 安徽和江苏两个省份综合得分均为负值。
![]() |
图 4 黄淮海地区不同省份玉米生产的综合生态环境效益 Fig. 4 Comprehensive ecological and environmental benefits of maize production in different provinces in Huang-Huai-Hai region |
黄淮海地区15年间(2004—2018年)玉米生产平均能源利用效率、温室气体排放、净生态系统碳平衡和可持续性指数分别为3.9、3.8 t CO2/hm2、12.6 t C/hm2和6.8(表 3、图 2)。氮肥和柴油是影响能源利用效率、温室气体排放、净生态系统碳平衡和可持续性指数的重要因素。15年间全国平均[13]氮肥和农药投入量为199和9.3 kg/hm2, 柴油使用量为34.2 L/hm2。黄淮海地区氮肥投入量与全国平均投入量相差不大, 但农药和柴油投入量比全国高21.3%和102%, 与此同时单产比全国低3.2%, 从而导致了黄淮海地区较高的温室气体排放。本研究的基础数据来自《全国农产品成本收益资料汇编》, 有机肥等在这个数据库中没有体现或数据不完整, 这可能对系统评价结果的准确度存在影响, 因此在本研究中我们限定了系统边界以确保结果的真实性与可比性。
本研究发现, 黄淮海玉米生产的能源利用效率和净生态系统碳平衡呈先增加后降低的趋势。基于此, 为满足不断增长的人口需求, 农业生产需不断增加资源投入来保证粮食产量, 这会造成各种环境问题。2004—2015年, 能源利用效率不断下降的原因是资源投入相关的能源消耗量的增长速率高于能源产生量的增长速率。2015年国家农业部实施“化肥农药零增长行动”后总体资源投入有所下降, 能源利用效率也有所回升。在2004—2015年间, 黄淮海玉米单产提高22.6%, 净生态系统碳平衡增加21.6%。净生态系统碳平衡是土壤中原有有机碳库分解与新添加的碳源、系统碳输入与同化等共同作用的结果[39]。净初级生产力在生态系统碳平衡中扮演着重要角色[40], 农资投入促进玉米固定大气中CO2能力的提高, 增加土壤中可获得的有机物料[41]。同时, 地上部生物量增加促进根际分泌物对土壤原有碳库的分解。由此可知, 增加作物产量, 应用秸秆还田、有机替代等技术, 增加地上和地下的碳同化和碳储量对提高净生态系统碳平衡具有重要意义[42]。
黄淮海地区玉米生产的能源利用效率和净生态系统碳平衡在空间上存在较大差异。黄淮海地区15年间玉米生产能源利用效率和净生态系统碳平衡最高的省份均为河北省(表 5、图 3)。能源利用效率、温室气体排放和可持续性指数随资源投入特别是肥料投入的变化而变化, 具有显著的正相关关系。净生态系统碳平衡中的碳输入计算均与单产相关, 河北省玉米单产位居区域第二, 总初级生产力及作物残留物最高, 所以其净生态系统碳平衡最高。江苏省农资投入最高, 尤其是氮肥投入, 因此江苏省温室气体排放、能源利用效率、净生态系统碳平衡和可持续性指数最低, 这与前人的研究结果相似[6]。在颜色等级得分方格图中河北省、河南省和山东省的得分均为正值, 生态环境效益相对较好, 黄淮海地区玉米生产布局应适当向这三个省份倾斜。
综上所述, 黄淮海地区玉米生产的能源利用效率和净生态系统碳平衡等总体生态环境效益有待提升, 为实现该地区玉米生产的可持续发展, 可采取以下措施:(1)平衡施肥:减少氮肥的投入, 优化磷肥和钾肥, 大力推广测土配方施肥技术。氮肥是温室气体排放的主要贡献因子, 通过优化氮肥施用, 可以提高作物产量、能源利用效率和增加土壤碳固持。到2013年, 我国实施测土配方施肥技术因氮肥田间施用减少导致的农田减排达1171.8万t CO2-eq[43]。(2)配施增效肥料:缓控释肥等已被广泛应用于农业生产, 可有效减少温室气体排放并提高氮肥利用效率和产量[44]。(3)应用秸秆还田技术:Lu[45]的整合分析结果表明, 秸秆还田能够显著提高我国表层土壤(0—20 cm)有机碳储量12%。(4)开展土壤-作物系统综合管理;综合技术的优化经过多种研究与大量实验证实对我国温室气体减排和提高产量有积极影响[10]。
4 结论黄淮海地区2004—2018年玉米生产平均能源利用效率、温室气体排放、净生态系统碳平衡和可持续性指数分别为3.9、3.8 t CO2/hm2、12.6 t C/hm2和6.8。肥料的生产和田间施用以及农机耗油是各种生态环境效应的主要影响因素。2004年到2018年, 黄淮海地区玉米生产的能源利用效率、温室气体排放、净生态系统碳平衡和可持续性指数总体呈现先增加后减少的趋势。空间尺度上, 玉米单位面积的生态环境效益得分排序由高到低为河北省>河南省>山东省>安徽省>江苏省, 其中河北省、河南省和山东省得分均为正值, 具有较好的玉米生产综合效益。玉米生产应根据不同地区的气候特征、土壤养分特性和种植规模等因素进行规范化、合理化布局。同时, 合理减少农业化学品投入量, 施用增效肥料, 应用秸秆还田技术等保护性耕作措施, 进行田间系统化的综合管理, 提高玉米生产的资源利用率和生态环境效益。
[1] |
国家统计局. 北京: 中国统计出版社, 2019. http://www.stats.gov.cn.
|
[2] |
张亚菲, 刘松涛, 曹雯梅, 郑贝贝. 黄淮海夏玉米品种主要性状遗传多样性研究. 种子, 2021, 40(4): 96-100. |
[3] |
许海涛, 王友华, 许波, 王成业, 张海申. 黄淮海区玉米生产发展现状、存在问题及对策. 玉米科学, 2007, 15(S1): 160-162. |
[4] |
Kazemi H, Kamkar B, Lakzaei S, Badsar M, Shahbyki M. Energy flow analysis for rice production in different geographical regions of Iran. Energy, 2015, 84: 390-396. DOI:10.1016/j.energy.2015.03.005 |
[5] |
李海鹏, 罗丽, 张雄, 张俊飚. 中国农业能源效率动态演变及其影响因素. 中国人口·资源与环境, 2020, 30(12): 105-115. |
[6] |
于伟咏, 漆雁斌, 李阳明. 碳排放约束下中国农业能源效率及其全要素生产率研究. 农村经济, 2015(8): 28-34. |
[7] |
王梦媛, 高小叶, 侯扶江. 黄土高原-青藏高原过渡带农户生产系统的能值分析——以通渭-渭源-夏河样带为例. 生态学报, 2019, 39(5): 1758-1771. |
[8] |
Ni X Y, Yang W Q, Qi Z M, Liao S, Xu Z F, Tan B, Wang B, Wu Q G, Fu C K, You C M, Wu F Z. Simple additive simulation overestimates real influence: altered nitrogen and rainfall modulate the effect of warming on soil carbon fluxes. Global Change Biology, 2017, 23(8): 3371-3381. DOI:10.1111/gcb.13588 |
[9] |
Zhang F S, Cui Z L, Chen X P, Ju X T, Shen J B, Chen Q, Liu X J, Zhang W F, Mi G H, Fan M S, Jiang R F. Integrated nutrient management for food security and environmental quality in China. Advances in Agronomy, 2012, 116: 1-40. |
[10] |
Chen X P, Cui Z L, Fan M S, Vitousek P, Zhao M, Ma W Q, Wang Z L, Zhang W J, Yan X Y, Yang J C, Deng X P, Gao Q, Zhang Q, Guo S W, Ren J, Li S Q, Ye Y L, Wang Z H, Huang J L, Tang Q Y, Sun Y X, Peng X L, Zhang J W, He M R, Zhu Y J, Xue J Q, Wang G L, Wu L, An N, Wu L Q, Ma L, Zhang W F, Zhang F S. Producing more grain with lower environmental costs. Nature, 2014, 514(7523): 486-489. DOI:10.1038/nature13609 |
[11] |
Chen Z M, Xu Y H, Fan J L, Yu H Y, Ding W X. Soil autotrophic and heterotrophic respiration in response to different N fertilization and environmental conditions from a cropland in Northeast China. Soil Biology and Biochemistry, 2017, 110: 103-115. DOI:10.1016/j.soilbio.2017.03.011 |
[12] |
中国农业年鉴编辑委员会. 中国农业年鉴. 北京: 中国农业出版社, 2019.
|
[13] |
国家发展和改革委员会价格司. 全国农产品成本收益资料汇编2019. 北京: 中国统计出版社, 2019.
|
[14] |
ISO14040 Environmental Management-Life Cycle Assessment-Principles and Framework. Genenva Switzerland: International Organization for Standardization, 2006.
|
[15] |
Hellweg S, Canals L M I. Emerging approaches, challenges and opportunities in life cycle assessment. Science, 2014, 344(6188): 1109-1113. DOI:10.1126/science.1248361 |
[16] |
Zhang W F, Dou Z X, He P, Ju X T, Powlson D, Chadwick D, Norse D, Lu Y L, Zhang Y, Wu L, Chen X P, Cassman K G, Zhang F S. New technologies reduce greenhouse gas emissions from nitrogenous fertilizer in China. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(21): 8375-8380. DOI:10.1073/pnas.1210447110 |
[17] |
Cui Z L, Yue S C, Wang G L, Zhang F S, Chen X P. In-season root-zone N management for mitigating greenhouse gas emission and reactive N losses in intensive wheat production. Environmental Science & Technology, 2013, 47(11): 6015-6022. |
[18] |
Clark S, Khoshnevisan B, Sefeedpari P. Energy efficiency and greenhouse gas emissions during transition to organic and reduced-input practices: student farm case study. Ecological Engineering, 2016, 88: 186-194. DOI:10.1016/j.ecoleng.2015.12.036 |
[19] |
中华人民共和国国家发展和改革委员会(NDRCC). 解振华副主任出席十一届全国人大三次会议记者招待会, 就节能减排和应对气候变化问题答记者问. (2010-03-10)-[2020-11-26]. https://www.ndrc.gov.cn/fggz/hjyzy/stwmjs/201003/t20100316_1160823.html?code=&state=123.
|
[20] |
Pishgar-Komleh S H, Omid M, Heidari M D. On the study of energy use and GHG (greenhouse gas) emissions in greenhouse cucumber production in Yazd province. Energy, 2013, 59: 63-71. DOI:10.1016/j.energy.2013.07.037 |
[21] |
梁龙. 基于LCA的循环农业环境影响评价方法探讨与实证研究[D]. 北京: 中国农业大学, 2009.
|
[22] |
李蔓, 王震, 孙德智. 聚乙烯生产生命周期评价的研究. 环境科学与技术, 2009, 32(5): 191-195. DOI:10.3969/j.issn.1003-6504.2009.05.048 |
[23] |
Zhu Y C, Waqas M A, Li Y E, Zou X X, Jiang D F, Wilkes A, Qin X B, Gao Q Z, Wan Y F, Hasbagan G. Large-scale farming operations are win-win for grain production, soil carbon storage and mitigation of greenhouse gases. Journal of Cleaner Production, 2018, 172: 2143-2152. DOI:10.1016/j.jclepro.2017.11.205 |
[24] |
杨肖, 钟方雷, 郭爱君, 王琼. 干旱区绿洲制种玉米生命周期环境影响评价——以张掖市为例. 农业环境科学学报, 2017, 36(8): 1664-1671. |
[25] |
刘巽浩, 徐文修, 李增嘉, 褚庆全, 杨晓琳, 陈阜. 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(续). 中国农业资源与区划, 2014, 35(1): 1-7. |
[26] |
Mohammadi A, Omid M. Economical analysis and relation between energy inputs and yield of greenhouse cucumber production in Iran. Applied Energy, 2010, 87(1): 191-196. DOI:10.1016/j.apenergy.2009.07.021 |
[27] |
Ghorbani R, Mondani F, Amirmoradi S, Feizi H, Khorramdel S, Teimouri M, Sanjani S, Anvarkhah S, Aghel H. A case study of energy use and economical analysis of irrigated and dryland wheat production systems. Applied Energy, 2011, 88(1): 283-288. DOI:10.1016/j.apenergy.2010.04.028 |
[28] |
袁宝荣, 聂祚仁, 狄向华, 左铁镛. 中国化石能源生产的生命周期清单(Ⅱ)——生命周期清单的编制结果. 现代化工, 2006, 26(4): 59-61. DOI:10.3321/j.issn:0253-4320.2006.04.016 |
[29] |
Solomon S. Climate Change 2007: the Physical Science Basis. Contribution of Working Group Ⅰ to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, UK: Cambridge University Press, 2007.
|
[30] |
IP CC. Climate Change 2013: the Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel On Climate Change. Cambridge, UK: Cambridge University Press, 2013.
|
[31] |
Khorramdel S, Koocheki A, Mahallati M N, Khorasani R, Ghorbani R. Evaluation of carbon sequestration potential in corn fields with different management systems. Soil and Tillage Research, 2013, 133: 25-31. DOI:10.1016/j.still.2013.04.008 |
[32] |
Xia L L, Lam S K, Wang S W, Zhou W, Chen D L, Yan X Y. Optimizing nitrogen fertilization rate to enhance soil carbon storage and decrease nitrogen pollution in paddy ecosystems with simultaneous straw incorporation. Agriculture, Ecosystems & Environment, 2020, 298: 106968. |
[33] |
Zhang Y J, Xu M, Chen H, Adams J. Global pattern of NPP to GPP ratio derived from MODIS data: effects of ecosystem type, geographical location and climate. Global Ecology and Biogeography, 2009, 18(3): 280-290. DOI:10.1111/j.1466-8238.2008.00442.x |
[34] |
王晓玉, 薛帅, 谢光辉. 大田作物秸秆量评估中秸秆系数取值研究. 中国农业大学学报, 2012, 17(1): 1-8. |
[35] |
Kimura M, Murase J, Lu Y H. Carbon cycling in rice field ecosystems in the context of input, decomposition and translocation of organic materials and the fates of their end products (CO2 and CH4). Soil Biology and Biochemistry, 2004, 36(9): 1399-1416. DOI:10.1016/j.soilbio.2004.03.006 |
[36] |
Lal R. Carbon emission from farm operations. Environment International, 2004, 30(7): 981-990. DOI:10.1016/j.envint.2004.03.005 |
[37] |
Bolinder M A, Janzen H H, Gregorich E G, Angers D A, VandenBygaart A J. An approach for estimating net primary productivity and annual carbon inputs to soil for common agricultural crops in Canada. Agriculture, Ecosystems & Environment, 2007, 118(1/4): 29-42. |
[38] |
Zhao Y C, Wang M Y, Hu S J, Zhang X D, Ouyang Z, Zhang G L, Huang B, Zhao S W, Wu J S, Xie D T, Zhu B, Yu D S, Pan X Z, Xu S X, Shi X Z. Economics- and policy-driven organic carbon input enhancement dominates soil organic carbon accumulation in Chinese croplands. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(16): 4045-4050. DOI:10.1073/pnas.1700292114 |
[39] |
夏龙龙, 颜晓元, 蔡祖聪. 我国农田土壤温室气体减排和有机碳固定的研究进展及展望. 农业环境科学学报, 2020, 39(4): 834-841. |
[40] |
王轶虹, 王美艳, 史学正, 陈龙, 赵永存, 于东升. 2010年中国农作物净初级生产力及其空间分布格局. 生态学报, 2016, 36(19): 6318-6327. |
[41] |
穆少杰, 李建龙, 周伟, 杨红飞, 章超斌, 居为民. 2001—2010年内蒙古植被净初级生产力的时空格局及其与气候的关系. 生态学报, 2013, 33(12): 3752-3764. |
[42] |
陈睿山, 郭晓娜, 熊波, 王尧, 陈琼. 气候变化、土地退化和粮食安全问题: 关联机制与解决途径. 生态学报, 2021, 41(7): 2918-2929. |
[43] |
Zhang J B, Müller C, Cai Z C. Heterotrophic nitrification of organic N and its contribution to nitrous oxide emissions in soils. Soil Biology and Biochemistry, 2015, 84: 199-209. DOI:10.1016/j.soilbio.2015.02.028 |
[44] |
Zhang W S, Liang Z Y, He X M, Wang X Z, Shi X J, Zou C Q, Chen X P. The effects of controlled release urea on maize productivity and reactive nitrogen losses: a meta-analysis. Environmental Pollution, 2019, 246: 559-565. DOI:10.1016/j.envpol.2018.12.059 |
[45] |
Lu F. How can straw incorporation management impact on soil carbon storage? A meta-analysis. Mitigation and Adaptation Strategies for Global Change, 2015, 20(8): 1545-1568. DOI:10.1007/s11027-014-9564-5 |