长期零耕与秸秆还田提升印度恒河平原西部稻麦系统的产量、能源效率并减少温室气体排放

本综述通过15年田间试验，系统评估了保护性农业（CA）措施对稻麦轮作系统（RWCS）的综合性效益。研究表明，零耕直播水稻（ZTDSR）结合涡轮快乐播种机小麦（THSW+R）可显著降低总输入能量（14-21%），提升能源利用效率（EUE达13.6），并将全球变暖潜能（GWP）降低超过50%。该研究为印度恒河平原（IGP）及类似农业气候区实现气候智能型农业提供了关键数据支撑，凸显了CA在提升可持续性指标和减少环境足迹方面的重要价值。

　　

引言

印度恒河平原（IGP）的稻麦轮作系统（RWCS）是主导性的粮食生产模式，但其传统管理措施——水耙移栽水稻（PTR）和常规耕作小麦（CTW）——属于高能耗作业，导致温室气体（GHG）排放过量、能源利用效率（EUE）低下及土壤退化。农业活动贡献了约18%的温室气体排放，过度使用农业投入品和集约化作物管理措施加剧了环境污染、自然资源耗竭及能源消耗。RWCS覆盖约1350万公顷，其中920万公顷集中于印度，养活了全球约18%的人口。传统农业管理措施，包括焚烧或移除作物残留，导致自然资源退化、盈利能力下降、投入能量高、全球变暖潜能（GWP）增加及土壤健康与环境质量恶化。保护性农业（CA）作为技术选项，包含最少耕作、作物残留管理和作物多样化，旨在节约水和能源、改善土壤结构、降低耕种成本，并促进有益土壤微生物区系的发展。

材料与方法

长期（2006-07至2020-21）田间研究在ICAR-印度农作系统研究所（IIFSR）的实验农场进行，该农场位于印度恒河平原上游，海拔237米，属亚热带半干旱气候，夏季炎热，冬季寒冷。年降雨量865毫米，75-80%集中于7月至9月的西北季风期。试验土壤为典型Ustochrept（Sobhapur砂壤土），pH值8.2，有机碳含量5.4 g kg^-1。试验采用裂-裂区设计，三次重复。水稻作物建立方法（CEM）包括：零耕直播水稻（ZTDSR）、鼓式播种水稻（DSDSR）、机械移栽水稻（PMTR）和常规水耙移栽水稻（PTR）；小麦CEM包括：零耕钻播（ZTW）、涡轮快乐播种机加残留（THSW+R）、床播（BPW）、旋耕钻播（RTW）和常规耕作（CTW）。每块试验田尺寸为48×5米。水稻品种为“Saket-4”，小麦品种为“PBW-343”。能量预算计算包括总输入能量（TIE）、总输出能量（TOE）、净能量（NE）、能源利用效率（EUE）和特定能量（SE）。温室气体排放评估采用IPCC Tier 1方法，将CH₄和N₂O转换为CO₂当量，GWP计算中CO₂、CH₄和N₂O的权重分别为1、34和298。碳指数包括碳输入（C_input）、碳输出（C_output）、碳可持续指数（CSI）和碳效率比（CER）。

结果

产量属性

总秸秆产量始终超过总谷物产量，秸秆产量范围10,573至12,021 kg ha^-1，谷物产量10,382至11,456 kg ha^-1。在水稻管理系统中，PMTR实现了最高的谷物和秸秆产量，显示出其卓越的生产力，其次是PTR。直接播种方法如ZTDSR和DSDSR产量较低。在子主区，THSW+R和ZTW在所有管理系统中始终提供最高的谷物和秸秆产量。PMTR与THSW+R的组合报告了最高谷物产量（11,456 kg ha^-1）和秸秆产量（12,021 kg ha^-1），成为优化谷物和秸秆产量的最生产性系统。

能源消耗

RWCS中源 wise 能量输入在ZTDSR-THSW+R中最低（47,110 MJ ha^-1），在PTR-CTW中最高（65,830 MJ ha^-1）。TIE顺序为：PTR-CTW > PMTR-CTW > PTR-RTW > PMTR-RTW > PTR-BPW > PTR-ZTW > PMTR-BPW > PTR-THSW+R > PMTR-ZTW > DSDSR-CTW > PMTR-THSW+R > ZTDSR-CTW > DSDSR-RTW > DSDSR-BPW > DSDSR-ZTW > DSDSR-THSW+R > ZTDSR-RTW > ZTDSR-BPW > ZTDSR-ZTW > ZTDSR-THSW+R。在投入中，肥料分享TIE的最大部分（27-37%），其次是电力（22-28.5%）、灌溉水（21-25%）和柴油（5-11.2%）。基于不同操作的能源使用模式显示，灌溉应用占主要份额（45-53%），其次是肥料（27-37%）、土地准备（8-13%）和播种（5.5-6.5%）。非可再生能源（直接和间接）源占TIE的93-94%，而可再生能源仅构成TIE的5-7%。直接和间接能源源分别消耗TIE的34-40%和60-66%。ZTDSR-ZTW和ZTDSR-THSW+R以及DSDSR-ZTW和DSDSR-THSW+R记录了比农民实践（PTR-CTW）更低的直接能源消耗。

在主区处理中，水稻的TIE有显著影响。在主区，ZTDSR（49,563 MJ ha^-1）消耗显著较低的TIE，其次是DSDSR（52,944 MJ ha^-1）、PMTR（59,942 MJ ha^-1）和PTR（60,825 MJ ha^-1）。然而，PTR的TIE与PMTR相当。在小麦作物的子主区处理中，THSW+R消耗显著较低的能量，其次是ZTW、BPW、RTW和CTW。BPW的TIE与RTW和CTW在统计上无显著差异（p > 0.05）。与THSW+R、ZTW、BPW和RTW相比，CTW下的TIE高出约13-16%、12-14%、11-14%和7-9%。在RWCS中，所选处理的交互效应对TIE不显著。然而，在DSR和CTW下，ZTDSR-CTW（54,567 MJ ha^-1）和DSDSR-CTW（57,949 MJ ha^-1）的TIE比PMTR-CTW（64,947 MJ ha^-1）和PTR-CTW（65,830 MJ ha^-1）低14-21%。

输出和净回报能量

在主区，PMTR的TOE_g显著较高，比PTR、ZTDSR和DSDSR分别高出1.4%、7%和7%。类似地，PMTR的TOE_t比PMR、ZTDSR和DSDSR分别高出2.8%、7.0%和8.1%。在子主区，小麦在THSW+R下的TOE_g显著较高（162,352 MJ ha^-1），其次是ZTW（161,934 MJ ha^-1）、BPW（160,782 MJ ha^-1）、RTW（160,364 MJ ha^-1）和CTW（160,521 MJ ha^-1）。相比之下，TOE_t在THSW+R下（311,921 MJ ha^-1）显著高于ZTW（311,002 MJ ha^-1）、CTW（305,714 MJ ha^-1）和BPW（305,522 MJ ha^-1），而RTW和CTW彼此相当。

在主区和子主区下，NE_g的顺序分别为ZTDSR > PMTR > PTR > DSDSR和THSW+R > BPW > ZTW > RTW > CTW，而在NE_t的情况下，主区和子主区的顺序分别为PMTR > PTR > ZTDSR > DSDSR（水稻）和THSW+R > ZTW > RTW ≥ BPW > CTW（小麦）。作物建立方法对RWCS的交互效应对TIE、TOE_g、TOE_t和NE_t在5%显著性水平上无显著影响。然而，在ZTDSR-ZT（12%和4%）和ZTDSR-THSW+R（13%和5%）中观察到更高的净谷物（NE_g）和总（谷物+生物量）能量（NE_t），比传统水耙水稻和小麦（PTR-CTW）更高。

能源利用效率

在主区下，ZTDSR的EUE_g和EUE_t显著较高（6.57和12.54），其次是DSDSR（6.27和11.91）、PMTR（6.17和11.83）和PTR（6.06和11.51）。在子主区处理中，EUE_g和EUE_t在THSW+R下较高（6.77和13.03），其次是ZTW（6.59和12.67）、BPW（6.50和12.20）、RTW（6.04和11.49）和CTW（5.43和10.34）。主区和子主区处理的交互效应显示，作物建立方法对EUE_g和EUE_t无显著影响。然而，在ZTDSR-THSW+R（7.08）和ZTDSR-ZTW（13.63）下观察到更高的EUE_g和EUE_t值，而在PTR-CTW（5.22和9.90）下值较低。

系统特定能量

在RWCS中，在主区下，PTR的SSE_g和SSE_t显著较高（11.45和5.59 MJ kg^-1），其次是PMTR（11.07和5.29 MJ kg^-1）、DSDSR（10.09和5.23 MJ kg^-1）和ZTDSR（9.93和4.77 MJ kg^-1），而在子主区下，CTW显著较高（11.41和5.66 MJ kg^-1），其次是RTW（10.65和5.30 MJ kg^-1）、BPW（10.60和5.14 MJ kg^-1）、THSW+R（10.18和4.97 MJ kg^-1）和ZTW（10.35和5.04 MJ kg^-1）。基于CA的生产系统需要更少的输入能量并产生更高或相当的输出能量，使其成为更能源高效的系统。主区和子主区处理的交互在5%水平上对SSE_g和SSE_t无显著影响。然而，ZTDSR-ZTW和ZTDSR-THSW+R通过减少耕作实践成为最能源高效的做法，具有最大EUE_g（12.3和13.6）和最低SSE_g（9.5 MJ kg^-1），超过传统耕作实践（PTR-CTW）。

全球变暖潜能

不同处理的年GWP从5,354 kg CO₂ eq. ha^-1（ZTDSR-ZTW）到11,688 kg CO₂ eq. ha^-1（PTR-CTW）不等。在主区处理中，ZTDSR（5,487 kg CO₂ eq. ha^-1年^-1）和DSDSR（5,773 kg CO₂ eq. ha^-1年^-1）下的GWP显著较低，比PMTR（11,387 kg CO₂ eq. ha^-1年^-1）和PTR（11,420 kg CO₂ eq. ha^-1年^-1）低。ZTDSR和DSDSR彼此相当。在子主区中，CTW下的GWP显著较高，其次是RTW、BPW、THSW+R和ZTW。碳输入模式与GWP相似。对于主区下的C_input，PMTR和PTR下的C_input统计上较高，比ZTDSR和DSDSR高。在不同主区下，PMTR下的平均C_output显著较高（9,184 kg C ha^-1），其次是PTR（8,919 kg C ha^-1）、ZTDSR（8,543 kg C ha^-1）和DSDSR（8,434 kg C ha^-1）。在子主区中，ZTW和THSW+R下的C_output显著大于BPW、RTW和CTW，这些与主区处理相当。

碳指数

在主区中，ZTDSR下的CSI和CER显著较高（11.7, 13.68），其次是DSDSR（11.3, 13.3）、PMTR（9.6, 11.6）和PTR（9.54, 11.5）。然而，在子主区中，ZTW下的CSI和CER显著大于THSW+R，其次是BPW、RTW和CTW。在主区中，PTR下观察到最高的kg CO₂ Equation kg^-1谷物（2.15），其次是PMTR（2.09）、DSDSR（1.18）和ZTDSR（1.11），而在子主区中，ZTW和THSW+R下的kg CO₂ eq. kg^-1谷物低4.35%。与ZTDSR-ZTW和ZTDSR-THSW+R以及DSDSR-ZTW和DSDSR-THSW+R相比，PTR和CTW下的kg CO₂ eq. kg^-1谷物高48-51%。ZTDSR-ZTW（1.08）和ZTDSR-THSW+R（1.09）下的kg CO₂ eq. kg^-1谷物显著低于ZTDSR-BPW（1.12）、ZTDSR-CTW（1.15）和ZTDSR-RTW（1.16）。还观察到PTR-CTW报告了最高的kg CO₂ eq. kg^-1谷物（2.20），其次是PTR-RTW（2.17）、PTR-BPW（2.14）、PTR-THSW+R（2.13）和PTR-ZTW（2.13）。

评估中的不确定性

CH₄是PTR排放的主要成分，而N₂O在DSR和ZTW中。CH₄排放是水耙和DSR水稻在淹没条件下种植的特征，使用湿法和干法，这些通过印度条件定义的排放因子进行评估。实验中的自然变异性、测量覆盖不足和空间聚合可能是EF的主要不确定性。在RWCS中，N₂O的主要排放来自无机肥料的消耗和广泛的耕作操作。这种排放受诸如每作物使用的肥料量和地点的特定环境特征（包括温度和土壤类型）等因素的影响。排放的主要变化由土壤湿度、降水和温度等因素驱动。IPCC（Tier 1方法）使用1.25%的默认EF用于土壤直接排放，基于N输入。然而，这种方法未考虑土壤pH、温度、气候条件等变化。印度特定排放因子比IPCC默认排放因子低44%。Jain等人（2016）建议在印度条件下EF为0.53，范围从0.14%到12.8%。因此，这种方法无法解释未来气候和土地利用变化的潜在影响。此外，田间操作的N₂O排放也可能引入不确定性。无机肥料和农药消耗的排放被考虑，如Shang等人（2011）报告，因为印度条件下无特定EF可用。在当前调查中，通过CO₂、N₂O和CH₄总排放测量的GWP在各种耕作实践下评估，涵盖亚热带气候灌溉条件下RWCS的土地和所有田间农艺活动的GHG排放。创新管理实践，如带作物残留的ZT，被观察到增强土壤碳固存和减轻GHG排放。此外，在各种水稻作物生长系统和零耕小麦作物中量化了能源和碳指数。DSR和ZTW，无论有否作物残留（即ZTDSR-ZTW和ZTDSR-THSW+R；DSDSR-ZTW和DSDSR-THSW+R），表现出相当的产量、更低的能量输入和每公斤增益产量的减少GHG排放，与传统耕作农民实践（PTR-CTW）相比。

讨论

传统集约耕作和田间作物残留焚烧导致土地退化和空气污染、土壤有机碳耗竭、碳固存减少、能源消耗增加、GHG排放更高和碳指数降低。由于RWCS在印度IGP是主要种植系统，其CT耕种是一种能源密集型实践。因此，进行了15年长期研究，使用裂-裂区设计评估不同作物建立方法，包括ZT和CT，对RWCS的产量、能量学、碳指数和GHG排放的影响。RWCS栽培实践下各种源的能源输入显示所有处理间显著差异，主要由于电力使用、灌溉水、柴油、劳动力和农用化学品的变异。在水耙条件下种植的水稻和在CT下种植的小麦表现出最高的能源输入，由于集约耕作实践。相反，ZTDSR用于水稻和THSW+R具有最低的TIE，强调直接播种水稻和保护性耕作基于的小麦提供可观的节能，使其更可持续。在评估组合RWCS处理时，PTR-CTW和PMTR-CTW需要最高的TIE，而ZTDSR-THSW+R是最能源高效的系统。这可能是因为保护性耕作减少初级和次级耕作实践，这有助于节省柴油消耗和减少灌溉需求。类似发现由Chaudhary等人（2024）报告，揭示消除耕作操作在播种下减少灌溉水量，无耕作和快乐播种机，分别比CT低21%和23%的能源输入。THSW+R中使用的总能量比无残留处理高1.20%。可能是表面残留覆盖保持土壤水分，减少了灌溉水量需求，从而降低了所需的总输入能量。其他研究人员强调，减少耕作水平完全影响输入能量。与CT相比，最小化耕作水平为多种作物允许显著减少能源输入，CT需要比减少耕作多29-59%的柴油。

RWCS下产量属性的比较跨四种水稻CEM（ZTDSR、DSDSR、PMTR和PTR）和五种小麦CEM（ZTW、THSW+R、BPW、RTW和CTW）揭示生产力的显著变异。PMTR成为最生产性的水稻耕作方法，实现最高的组合谷物和秸秆产量，紧随其后的是PTR。相比之下，ZTDSR和DSDSR持续产量低10-15%，突出它们在水稻中的产量限制，这一差距与文献报告DSR比PTR减产5-8%一致。在小麦情况下，ZTW和THSW+R表现优于BPW、RTW和CTW，主要由于改善的土壤结构、更好的水分保持和残留覆盖下减少蒸发。此外，这些系统被发现在热应力下增强韧性，特别是当小麦跟随非水耙水稻或直接播种水稻时。PMTR-THSW+R和ZTDSR-THSW+R系统的组合产生最高的谷物和秸秆产量。印度的多地点试验确认，基于CA的实践如ZTW有或无残留保留不仅维持或增强产量，而且提供超过传统实践的可观经济和环境效益。

RWCS的能源预算证明基于CA的CEMs的节能优势。显著地，ZTDSR-THSW+R处理表现出最低的TIE在47,110 MJ ha^-1，而传统PTR-CTW处理消耗最多在65,830 MJ ha^-1。这一梯度反映了通过消除水稻建立期间的耙耕和保留小麦中的水稻残留，随后用涡轮快乐播种机播种，能源消耗的显著减少。肥料、电力、灌溉水和柴油分别构成TIE的27-37%、22-28.5%、21-25%和5-11.2%，灌溉应用占操作能源使用的45-53%。其他主要成分是土地准备（8-13%）和播种（5.5-6.5%）。这些发现与Nandan等人（2021）和Walia等人（2022）一致，他们报告在印度IGP的CA处理减少土地准备能源使用69-100%和灌溉23-27%，与传统系统相比。Kumar等人（2013）报告，在总能量投入中，约30%的能源用于耕作操作的柴油，可以在零耕中节省而不妥协产量。此外，非可再生能源贡献超过90%的TIE，间接能源代表60-66%，直接能源34-40%，强调现代农业投入的外部能源足迹。这些结果与先前发现一致，即现代农业严重依赖化石燃料衍生能源，特别是通过合成肥料、灌溉和机械化投入。类似地，Sawant等人（2023）也报告，移栽水稻中灌溉水量增加、更高电力使用和土地准备和耙耕操作中更多化石燃料消耗导致RWCS中直接能源和非可再生能源的使用升高。在水稻建立方法中，ZTDSR（49,563 MJ ha^-1）需要显著少于DSDSR、PMTR或PTR的能量，而THSW+R是最能源高效的小麦建立方法，其次是ZTW、BPW、RTW和CTW；CTW超过其他方法7-16%在TIE中。此外，结合DSR基于方法与CA基于小麦导致比CTW系统低14-21%的能源使用。这些结果强调集成CA实践，特别是那些配对ZT水稻与保留残留小麦，在促进资源高效和可持续RWCS中的可观节能潜力。

在主区中，TOE_g和TOE_t突出PMTR的卓越性能，超过PTR、ZTDSR和DSDSR达8.1%，突出机械化在能源回报中的效率。这些结果与Jat等人（2020）的发现一致，他们报告在水平田地上机械化移栽改善水稻基于种植系统的生产力和系统能源回报。同时，最高的TOE_g和TOE_t在子主区下在THSW+R下观察到。这可能归因于有利的土壤物理条件、通过残留保留增强的营养循环以及改善的根生长和分蘖。

水稻的NE_g和NE_t随CEM显著变化，其中ZTDSR记录最高的NE_g，其次是PMTR、PTR和DSDSR。类似地，在小麦建立方法中，THSW+R表现出卓越的NE_g和NE_t，表明基于CA的实践通过减少劳动力、柴油和灌溉水的投入成本同时保持高输出能量来增强能源盈利能力。显著地，尽管主区和子主区处理的交互效应在5%水平上统计不显著，集成CA系统，ZTDSR-THSW+R，胜过传统实践（PTR-CTW），显示高13%的NE_g和高5%的NE_t。

这项研究探索了与PTR-CTW中增加耕作和灌溉实践相关的更高能源输入，这导致实现更高产量的比较 benefit 但表现出显著较低的EUE比ZTDSR-ZTW、DSDSR-ZTW和DSDSR-THSW+R。基于CA的作物栽培实践（ZTDSR-ZTW和ZTDSR-THSW+R）具有更低的输入能量并提供相当的输出能量比传统实践，这增强了它们的EUE_t。

显著较高的SSE_g和SSE_t在PTR和CTW下在主区和子主区分别记录，指示更大的能源输入需求。相比之下，基于CA的实践（ZTDSR和ZTW）持续显示较低的SSE值，突出它们的节能潜力。显著地，ZTDSR-ZTW和ZTDSR-THSW+R组合证明最高的能源利用效率（EUE_g of 12.3和13.6）具有最低的SSE_g（9.5 MJ kg^-1），加强减少耕作系统的优势。尽管交互效应统计上不显著，这些组合出现为有前途的基于CA的策略用于能源高效RWCS，与Jat等人（2020）和Singh等人（2022）关于通过最小土壤干扰优化能量的发现一致。

超过52%的高GWP在PMTR和PTR下记录比DSR（ZTDSR和DSDSR），这可能由于传统水稻栽培方法下耕作操作中更多化石燃料使用和灌溉电力比零耕方法。在CTW处理下报告显著更大的GWP值由于更大能源使用和GHG排放，灌溉实践中更高的GWP，因为漫灌比无耕田需要更多灌溉水。类似地，44-47%和26-40%较低的GWP在基于CA的RWCS中报告比CT，无任何产量损失。这是因为，在RWCS情况下，采用CT导致水耙移栽水稻的更高GWP，由于停滞水中的甲烷排放和小麦耕作中的化石燃料燃烧。无耕作系统减少土壤干扰、作物生物量掺入和微生物活动，从而减少CO₂排放与农民实践相比。

采用DSR在干湿床中，连同ZT小麦在作物生物量覆盖下播种，有助于减少GHG排放，特别是来自水耙水稻的甲烷和