受自然和人为因素的双重影响, CO₂、CH₄和N₂O等温室气体(GHG)排放快速增加进一步加剧了全球气候变暖的进程, 严重威胁经济社会的可持续发展^[1—3]。2020年9月, 习总书记向世界做出中国“双碳”目标的庄严承诺, 这不仅是我国对共商共筑人类命运共同体的责任担当, 而且也为推进我国经济高质量发展, 建设社会主义现代化强国, 提出了新的要求^[4]。在此背景下, 我国许多行业和政府部门积极筹划, 相继制定了实现“双碳”目标的行动指南。农业, 特别是种植业既是自然—社会高度耦合的复杂系统, 也是重要的GHG排放贡献者, 其排放量与增速备受国内外各界关注^[5—7]。因此, 科学理解我国种植业GHG排放的动态变化, 既是联合国2030年可持续发展目标中“建立可持续粮食生产体系”的重要研究内容之一^[8], 又与我国当前推进农业农村减排固碳、实施农业生态文明建设等重大任务密切相关^[9], 因而具有重要的现实意义。

种植业GHG排放量约占我国农业GHG排放量的65%以上, 并且种植业也是非CO₂类GHG排放的主要来源^[10]。据统计, 随着产量的不断增加, 更多的作物残留物将刺激稻田CH₄的产生和排放^[11—12]；施用的氮肥也会导致土壤N₂O排放增加^[13], 这其中CH₄和N₂O在百年时间尺度上的增温潜势分别是CO₂的28倍和265倍, 影响不容小觑^[14]。自1978年以来, 我国城镇化进程发展迅猛, 农村人口和农业劳动力持续减少, 对种植业结构及其碳减排带来了严峻的挑战^[10]。为确保粮食生产平稳、有序, 农业活动越来越依赖于化肥、农药和农业机械的投入。据国家统计局网站显示：截至2020年底, 我国农业机械总动力达10.56×10⁸ kW, 约是1978年的8.99倍；化肥、农药使用量也均在2017年前后达到历史峰值。因此, 农业种植领域亟需开展GHG排放评估工作, 以便摸清家底。虽然我国政府曾基于联合国政府间气候变化专门委员会(IPCC)《2006年国家温室气体清单指南》, 发布了1994年、2005年和2012年国家GHG排放清单, 但它主要从动物肠道发酵、动物粪便管理、水稻种植、农田土壤、农业废弃物焚烧和土地利用变化等方面进行测算^[15]；Zuo等^[16]计算了中国1987年、2000年和2010年多种作物、施肥、灌溉和稻田水分管理变化的GHG排放量；Liang等^[11]通过考虑与农作物种植相关的直接和间接排放过程, 从作物秸秆露天焚烧、水稻种植、耕地转移变化、农田排放、农业机械使用、氮肥生产和农药生产等方面, 测算了1978—2016年中国农作物种植的GHG排放量。显然上述研究成果由于选择了不同的农业活动进行测算, 因而难以进行横向比较；同时目前土地(耕地)利用数据存在一定的不确定性, 也导致由耕地变化引起的排放量计算结果可能存在偏差；加之研究时段不连续以及缺少必要的数据更新, 使这些结果还无法反映当前我国种植业GHG排放的客观情况, 也不利于未来设计更为有效的减排方案。

为此, 本研究在借鉴Liang等^[11]核算方法的基础上, 基于多源统计数据形成1978—2020年长时序中国种植业GHG排放量的测算结果, 进而定量分析1978—2020年国家和省域尺度上种植业GHG排放量的动态变化, 并阐明其空间分异格局, 以期为我国种植业“双碳”目标的政策制定提供科学依据。

1 材料与方法 1.1 种植业GHG排放量的核算方法

本研究主要关注农作物种植引起的GHG排放, 涉及直接排放和间接排放两类^{[11, 17]}。为此, 延续Liang等^[11]核算方法, 在直接排放中主要考虑作物秸秆露天焚烧、水稻种植和农田排放；而在间接排放中主要考虑农业机械使用以及在农作物种植中投入的氮肥和农药的生产所引起的排放。但与Liang等^[11]不同的是, 并未在直接排放中考虑由耕地变化引起的排放量。这主要是因为目前的土地利用数据不确定性较大, 因此暂未纳入该部分的核算^[18]。各部分的核算方法主要来源于IPCC推荐的参考方法和我国《省级温室气体清单编制指南(试行)》等, 具体如下：

(1) 对于作物秸秆露天焚烧而言, 该部分主要涉及CH₄和N₂O排放的核算。根据已有研究^[19], 具体计算公式如下：

(1)

式中, E_{i, j}^CROP是第i省在第j年作物秸秆露天焚烧的排放量；Prod_{i, j, s}是对应省份和年份第s类作物产量, 它包括13类作物, 如稻谷、小麦、玉米、谷子、高粱、其他谷物、豆类、薯类、棉花、油料作物、麻类、糖料和烟草等；e_s^ster是对应作物类型的秸秆与谷物比例；e_i^open是对应省份露天焚烧率；e^burn是燃烧效率；EF^CROP是CH₄和N₂O的排放因子。详细的计算说明及各参数取值详见文献^[11]。

(2) 对于水稻种植而言, 该部分主要涉及CH₄排放的核算^[20]。具体计算公式如下：

(2)

式中, E_{i, j}^RICE是第i省在第j年水稻种植的排放量；RA_{i, j, r}是对应省份和年份第r类不同水稻(如早稻、中稻和一季稻、晚稻)的种植面积；e_{i, r}^length是对应省份第r类水稻的生育期；EF_{i, r}^RICE是对应省份和水稻类型的排放因子。详细的计算说明及各参数取值详见文献^[11]。

(3) 对于氮肥、粪便和作物秸秆施用到农田后, 它们可以通过硝化和反硝化作用直接排放N₂O, 并通过挥发和淋溶作用间接导致N₂O排放。本研究采用区域氮循环模型(IAP-N)计算了农田N₂O的直接排放量, 并通过IPCC指南计算了农田N₂O的间接排放量^{[11, 21—22]}。

(3)

(4)

式中, E_{i, j}^CRLAd是第i省在第j年农田N₂O的直接排放量；NFert_{i, j}、Manu_{i, j}和NRC_{i, j}分别是对应省份和年份的氮肥、粪肥氮和秸秆还田氮施用量；EF_i^CRLAd是对应省份农田N₂O直接排放系数；E_{i, j}^CRLAind是第i省在第j年农田N₂O的间接排放量；Atmos_{i, j}是指经大气氮沉降引起的N₂O排放量；Leach_{i, j}是指氮淋溶径流损失引起的N₂O排放量。详细的计算说明及各参数取值详见文献^[11]。

(4) 在农作物种植过程中, 农业机械的使用会消耗柴油、汽油和电力等能源, 从而排放CO₂。根据联合国粮食及农业组织推荐的方法^[23], 该部分排放量的计算公式如下：

(5)

式中, E_{i, j}^ENER是第i省在第j年农业机械使用的排放量；EC_{i, j, e}^agri是对应省份和年份农林牧渔业第e类能源的消费量, 包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力；e_{i, j}^pGDP是对应省份和年份种植业GDP占农林牧渔业总GDP的比例；e_e^LCV是对应能源类型的平均低位热值；EF_{j, e}^ENER为对应能源类型的排放因子。详细的计算说明及各参数取值详见文献[11]。

(5) 对于农作物种植中投入的氮肥和农药的生产所引起的排放, 二者的计算公式如下：

(6)

(7)

式中, E_{i, j}^FERT是第i省在第j年氮肥生产的排放量；NFert_{i, j}是第i省在第j年氮肥施用量；EF^FERT是氮肥生产的排放因子。E_{i, j}^PEST是第i省在第j年农药生产的排放量；Pest_{i, j}是第i省在第j年农药施用量；e_j^plPest是农药中有效成分的比例；EF^PEST是农药生产的排放因子。详细的计算说明及各参数取值详见文献^[11]。

在各部分核算基础上, 将CH₄和N₂O的排放量通过IPCC规定的全球增温潜势值, 转化为CO₂当量的形式予以表示, 最终形成种植业GHG排放量。

1.2 评价指标与数据来源

本研究在测算种植业GHG排放量的基础上, 结合研究时段内粮食产量的变化, 采用种植业GHG排放量与粮食产量的比值衡量GHG排放强度。

本研究以1978—2020年为研究时段, 各省份作物产量、水稻播种面积、氮肥施用量、农药施用量、农村人口、牲畜人口、农林牧渔业产值等数据来源于国家统计局(http://www.stats.gov.cn/)和《新中国五十年农业统计资料》；能源消费量及其平均低位热值来源于《中国能源统计年鉴》。此外在种植业GHG排放量核算中, 各部分所需参数的取值均来源于公开发表文献^{[11, 24—30]}以及《生物质燃烧源大气污染物排放清单编制技术指南(试行)》《省级温室气体清单编制指南(试行)》等资料。

2 结果与分析 2.1 国家尺度种植业GHG排放的变化特征

自1978年以来, 我国种植业GHG排放量增加明显(P＜0.01), 已由最初的454.45 Mt CO₂-eq增加至2020年的592.90 Mt CO₂-eq(图 1), 增幅达4.92 Mt CO₂-eq/a。但这期间, 我国种植业GHG排放出现了两次较为明显的下降。具体如下：

(1) 1997—2003年我国种植业GHG排放从628.27 Mt CO₂-eq下降至582.80 Mt CO₂-eq, 这主要是受粮食播种面积调减以及自然灾害等因素的影响, 使我国粮食产量减少了12.85%(图 1), 同时也使作物秸秆露天焚烧和水稻种植引起的排放量分别降低了13.05%和12.99%(表 1), 造成我国种植业GHG排放量在1997—2003年间有所下降。

(2) 在2012—2020年间, 我国种植业GHG排放从673.90 Mt CO₂-eq下降至592.90 Mt CO₂-eq, 这主要与2012年以来习总书记提出的生态文明建设理念密不可分, 它在很大程度上推动了我国农业绿色低碳发展。伴随我国实施化肥农药减量增效行动以来, 对于农作物种植中投入的氮肥和农药的生产所引起的排放量分别降低了23.43%和23.18%(表 1), 使我国种植业GHG排放量在2012—2020年间降幅明显。

进一步, 基于Pearson相关分析方法计算了我国种植业GHG排放量与各分量之间的相关系数及其显著性, 如表 2所示。在1978—2020年间, 我国种植业GHG排放量与各分量之间存在较好的相关关系(P＜0.05)。除水稻种植引起的排放量外, 其他分量与种植业GHG排放量的相关系数均在0.78以上。在1997—2003年间, 我国种植业GHG排放量与作物秸秆露天焚烧和水稻种植引起的排放量之间存在较好的相关关系(P＜0.05), 相关系数分别为0.97和0.96, 反映了作物秸秆露天焚烧和水稻种植引起的排放量降低是这一时段我国种植业GHG排放量变化的重要原因。在2012—2020年间, 我国种植业GHG排放量与水稻种植、农田排放、氮肥生产和农药生产引起的排放量之间存在较好的相关关系(P＜0.05), 相关系数均在0.92以上, 表明除直接排放外, 间接排放也是这一时段我国种植业GHG排放量降低的重要原因。

结合研究时段内粮食产量的变化情况, 绘制了种植业GHG排放强度的变化曲线, 如图 2所示。我国粮食产量自1978年以来整体呈显著增加趋势(P＜0.01), 变化范围在30476.5×10⁴—66949.1×10⁴ t之间, 增幅达802.59×10⁴ t/a。在此背景下, 种植业GHG排放强度表现出下降趋势(P＜0.01)。与1978年相比, 2020年我国种植业GHG排放强度已降低了40.64%。与此同时, 它也表现出一定的阶段性变化差异(图 2)。例如, 种植业GHG排放强度在1997—2003年间出现了小幅增加, 变化幅度为6.43%；但它在2012—2020年间出现了快速下降, 降幅接近20%。

2.2 省域尺度种植业GHG排放的变化特征

1978—2020年省域尺度上种植业GHG排放量与粮食产量多年均值的空间分布存在较好的对应关系(图 3), 二者之间的相关系数为0.75(P＜0.01), 反映出粮食产量较高(低)的地区, 一般种植业GHG排放量也相对较高(低)。如图 3所示, 种植业GHG排放量多年均值整体介于0.49—52.32 Mt CO₂-eq, 表现出“南高北低、东高西低”的地域性差异。其中, 中南、华东和西南地区的种植业GHG排放量多年均值相对较高, 普遍在20 Mt CO₂-eq以上, 而华北和西北地区多年均值则在10 Mt CO₂-eq以下(表 3)。

以典型时段2012—2020年为例, 该时段全国大部分地区粮食产量都表现出增加态势, 但与之相比, 全国大部分地区种植业GHG排放强度却表现出下降(图 4), 特别是我国东北、华北、华东、中南和西南地区出现了集中连片的下降特征, 呈现出“产量增、GHG排放强度减”的权衡关系, 并且华北和华东地区GHG排放强度的降幅均在20%以上(表 4)。虽然南方部分省份粮食产量出现了小幅波动(降幅不足10%), 但这些地区GHG排放强度的降幅普遍超过了15%。如图 4所示, 约有1/5的地区粮食产量与GHG排放强度的变化率在2012—2020年间均为正值, 特别是西部地区(如西藏、新疆、青海和宁夏)GHG排放强度的增幅在15%以上, 明显高于相应的粮食产量增幅。

3 讨论

本研究发现我国种植业GHG排放在1978—2020年间表现出显著的增加趋势, 但这期间出现了两次较为明显的下降, 分别为1997—2003年和2012—2020年。为进一步验证该结果的可靠性, 基于全球大气研究排放数据库(EDGAR)对我国农业GHG排放量进行了统计^[31]。如图 1所示, 基于EDGAR数据的我国农业GHG排放量变化与本研究的种植业GHG排放量结果之间存在较好的一致性, 二者的相关系数为0.89(P＜0.01)。特别是, 基于EDGAR数据的我国农业GHG排放量也在1997—2003年和2012—2020年出现了下降, 从而间接验证了本研究结果的合理性(图 1)。但是由于两套数据核算的侧重点不同, 如EDGAR数据主要包括动物肠道发酵、粪便管理、农业废弃物焚烧、农田土壤排放(含N₂O间接排放)等方面, 而本研究则考虑了与农作物种植相关的直接和间接排放过程, 因而还不能从数值上直接进行对比。

虽然我国种植业GHG排放在1997—2003年和2012—2020年出现了下降, 但背后的影响因素并不相同(表 1和表 2)。特别是2012—2020年种植业GHG排放量的减少, 也得益于我国近年来在农业领域大力推进的化肥农药减量增效行动有关(表 2)。如图 5所示, 2012—2020年全国大部分地区氮肥和农药施用量均出现了不同程度的下降, 降幅普遍在20%以上(表 4), 特别是东北、华北、华东、中南和西南等地区粮食产量的增加未受到氮肥和农药施用量减少的影响, 但这却促使GHG排放量强度的降幅在9.86%—27.11%之间(表 4)。同期全国仍有约1/5的地区种植业GHG排放强度出现了增加, 主要位于西部地区, 如西藏、新疆、青海和宁夏(图 4)。这些地区大多以粗放型农业为主, 区域生态环境本底条件较为一般, 使得在农作物种植生产过程中对农业机械使用和部分农资投入的依赖性较大^[32], 加之这些地区粮食产量增幅有限, 因而造成其GHG排放强度相对较高。同时在国家尺度上, 由农业机械使用引起的GHG排放量也在2012—2020年间增长最大, 达19.31%(表 1)。因此, 如何有效降低该部分的排放量也是今后种植业碳减排任务亟待解决的重要问题。

自我国“双碳”发展战略提出以来, 政府有关部门相继在农业领域制定了一揽子的政策和行动指南。虽然生态文明建设下粮食安全与双碳目标之间仍然存在一些冲突, 即如何权衡增产与减排、固碳与减排以及增产与固碳之间的关系^[33], 但在气候变化、重大灾害、地区冲突、国际关系复杂等时代背景下, 粮食安全已成为国家安全的根本, 而“双碳”目标也已上升成为国家中长期发展战略, 并与生态文明建设和中国式现代化发展一脉相承。因此, 种植业碳减排不应牺牲粮食产量作为代价。近年来, 随着“藏粮于地、藏粮于技”以及“气候智慧型农业”的提出, 为粮食安全背景下实现种植业“双碳”目标提供了新思路, 任务虽然艰巨, 但前途光明。同时, 也应注意到种植业GHG排放来源很多, 不同地区GHG排放存在明显的空间差异, 这背后的原因较为复杂, 除了与不同省份的种植模式、农业生产方式、农业政策等有关外, 还与自然地理条件、社会经济状况以及不同地区实施政策的能力等密切相关^[34]。因此, 亟需分区、分级、分类地制定相应的减排措施^[35], 从而更好地落实粮食安全背景下种植业“双碳”发展目标。

然而受限于数据质量等问题, 本研究目前主要围绕与农作物种植相关的直接和间接排放过程进行了核算, 缺少耕地变化引起的排放量, 下一阶段将对不同土地利用数据的遥感产品进行比较, 选用较为合适的土地利用数据对由耕地变化所引起的排放量进行估算。此外, 本研究所采用的各参数取值均来源于公开发表的文献资料, 但考虑到部分参数可能具有一定的时空异质性, 未来仍需要进一步优化参数的取值, 并纳入畜牧业GHG排放量和农田生态系统碳收支的核算结果, 建立长时间序列的农业GHG排放数据库, 为“双碳”目标下农业碳减排政策的制定提供科学依据。

4 结论

(1) 1978—2020年我国种植业GHG排放量呈显著增加趋势(P＜0.01), 但它在1997—2003年和2012—2020年间出现了两次明显的下降。前者是受粮食播种面积调减以及自然灾害等因素的影响, 而后者则与生态文明建设以来的农业绿色低碳发展密不可分。自1978年以来我国种植业GHG排放强度表现出下降趋势(P＜0.01), 特别是2012—2020年间种植业GHG排放强度的降幅接近20%。

(2) 1978—2020年省域尺度上种植业GHG排放量多年均值表现出“南高北低、东高西低”的地域性差异, 并且它与粮食产量的均值分布存在较好的对应关系, 即粮食产量较高(低)的地区, 一般种植业GHG排放量也相对较高(低)。2012—2020年全国大部分地区种植业GHG排放强度都出现了不同程度的下降, 特别是东北、华北、华东、中南和西南等地区GHG排放强度的降幅普遍较大, 但这些地区的粮食增产并未受到影响。生态文明建设的政策实施有望确保粮食产量、保护自然环境与实现碳中和目标的“三赢”局面。