行星边界约束下中国膳食结构转变的多维度环境影响评估

《Sustainable Production and Consumption》：Multi-dimensional environmental impact assessment of China's dietary shift within planetary boundaries

　　

摘要
日益增长的粮食需求正在对全球资源施加压力，并损害环境可持续性。行星边界（PBs）框架通过量化关键地球系统过程的极限，为人类定义了“安全运行空间”，从而有助于指导可持续粮食系统的开发。在本研究中，我们通过构建高分辨率部门的多区域投入产出模型，量化了中国不同饮食策略的环境足迹。我们进一步开发了一个综合框架，将食品消费的环境足迹与省级行星边界联系起来，以评估中国各省份的边界逾越情况。我们使用环境基尼系数来识别不同食品类别对不均匀环境足迹的贡献。此外，我们考察了不同饮食转变情景下各省份的 PB 逾越情况。我们的发现表明，沿海和发达地区通过省际贸易将其环境负担转移给主要农业省份，导致资源消费与效益之间的空间错配。仅专注于环境足迹量化而忽略边界阈值，无法表征 PB 压力的系统性复杂性。例如，中国西北部的足迹是中西部的 62%，但其水资源边界压力却高出 1.84 倍。我们的结果表明，转向 EAT-柳叶刀饮食模式有效地减少了大多数省份的环境足迹，其中温室气体排放的减少（-35%）相对于基线最为显著，使所有省份都进入了 PBs 范围内。然而，没有任何一个省份能够仅依靠消费者的饮食调整就实现所有五项环境足迹同时恢复到“安全运行空间”。本研究阐明了区域在可持续发展中的责任，并为在中国及全球实现可持续粮食系统提供了理论基础。

引言
粮食系统涉及生产、生计和生态，在全球可持续发展中处于核心地位（Guo et al., 2022; Springmann et al., 2018）。全球不稳定、气候变化、地缘政治冲突和贸易模式直接影响粮食供应链，加剧了现有的不平衡和粮食系统的脆弱性（Willett et al., 2019），并严重阻碍可持续发展目标（SDGs）的实现。Rockstr?m 等人（2009）提出了全球行星边界（PBs）框架，该框架指明了地球生态压力的上限，以指导在不引发不可逆转的环境变化的情况下实现可持续发展的过程。目前，已确定的九个全球 PBs 中有六个已被逾越（Richardson et al., 2023），任何一条边界的逾越都会引发复杂的级联效应，损害地球生态系统的稳定性并威胁人类福祉。粮食系统是导致 PBs 逾越的主要驱动因素之一。在一切照旧的情景下，预计到 2050 年，全球粮食生产和消费将超过多个行星边界（Springmann et al., 2018）。人们普遍认为，全球粮食系统的转型对于避免超过这些环境极限至关重要（Hadjikakou et al., 2025）。因此，将饮食结构向健康和可持续方向转变，对于将粮食系统重新对齐到“安全运行空间”至关重要。

人类世被特征化为人类活动成为影响地球系统主导力量的时期。在当前的人类世时期（Aydo?du and Gezmen Karada?, 2025），粮食系统已成为 PB 逾越的主要驱动因素。因此，粮食系统的转型和向健康、可持续饮食的转变对于实现 SDGs 至关重要（Wang et al., 2025a, Wang et al., 2025b）。在 2024 年由联合国主持的粮食系统解决方案对话期间，“加速农业食品系统转型的气候行动”被确定为六大主题支柱之一。在中国每年的中央农村工作会议上，强调了采用“大食物观”方法的重要性（MARA, 2022），这涉及粮食系统向支持健康和营养的绿色、低碳轨迹进行系统性过渡。中国是全球农产品生产、消费和贸易的主要中心（Nie et al., 2020），在城市化和家庭收入增长的背景下，显示出饮食结构逐渐向加工食品和肉类食品转变的迹象（Zhang et al., 2025）。鉴于耕地总面积有限，肉类消费的增加推动了饲料作物耕地的扩张，这些耕地原本用于种植供人类消费的主粮作物，从而限制了国家粮食自给的战略目标（Wang et al., 2025a, Wang et al., 2025b）。同时，饮食变化导致了对水供应的压力日益增大，以及温室气体（GHG）排放的增加（Wang et al., 2026）。这种情况引发了应对气候变化和粮食系统内资源可持续利用的双重挑战。因此，饮食模式的可持续转型对于保障中国的粮食安全、社会公平和系统韧性至关重要。

许多研究使用环境足迹来量化与食品消费相关的资源利用和环境排放。环境足迹评估已从最初的单一碳足迹概念演变为一个包含水和土地利用足迹及其他指标的多维度足迹评估系统（Wang et al., 2020; Sun et al., 2024; Hu et al., 2022）。然而，仅凭环境足迹无法表明这些压力是否保持在行星生态极限之内。因此，将环境足迹与 PBs 框架相结合已成为评估粮食系统可持续性的重要方向。尽管这些研究为粮食系统相关的环境影响提供了宝贵的见解，但仍存在几个研究缺口。首先，PBs 框架应用的降尺度对于进行区域可持续性评估变得至关重要（Wang and Shi, 2024）。然而，在行星边界框架下，在次国家级水平上分配食品消费的环境极限以及比较各省份的逾越程度以告知环境责任的公平分配，受到的关注有限。同时，传统的环境足迹生产型核算往往忽视了贸易中蕴含的资源和环境流动，导致“碳泄漏”和“污染避难所”等问题（Jakob, 2021）。特别是在粮食系统中，饮食转变经常对土地和水资源施加压力，并对生产端造成沉重的环境负担，导致区域间生态责任分配的不平衡（Zheng et al., 2025）。如何从资源和环境公平的角度确保人类的安全运行空间，是一个关键问题。最后，尽管以前的研究评估了饮食过渡与行星边界之间的关系，但使用高分辨率部门多区域投入产出模型来捕捉食品特定的环境影响并评估不同饮食策略在多大程度上可以缓解各省份边界逾越的系统性评估仍然有限，这限制了区域适应性饮食策略的发展（Wu et al., 2025）。特别是对于中国，其区域发展水平、资源条件和饮食模式表现出巨大的异质性，制定同时考虑生态安全、粮食安全和服务区域公平的差异化饮食转变策略仍然是紧迫的研究重点。

为了解决这些缺口，我们使用高分辨率部门多区域投入产出（HS-MRIO）模型追踪了食品生产通过供应链对最终消费者的环境影响。我们考虑了五项与食品消费密切相关且对应四项粮食系统行星边界（FPBs）的环境影响指标：蓝水利用、耕地利用、GHG 排放，以及氮（N）和磷（P）污染。然后，我们将全球 FPBs 降尺度到中国背景下的国家和省级尺度，以调查 FPBs 的区域逾越情况。因此，我们阐明了粮食系统资源和环境影响之间的复杂相互作用，并评估了各省在资源消费和 FPBs 逾越方面的责任分配。我们使用基尼系数评估不同食品类别的环境足迹不平等情况，这可以为设计差异化且高效的需求侧缓解策略提供信息。此外，我们考虑了当前主流的国际饮食情景以及极端饮食情景，以检查它们的环境足迹和 FPBs 逾越情况，作为制定区域特定策略的基础。本研究旨在评估不同饮食策略对省级尺度行星边界逾越的贡献。通过识别这些贡献的区域差异，我们希望为减少区域间的可持续性差距提供针对性策略，并为更公平的环境治理提供信息。

章节片段
文献综述
行星边界框架由 Rockstr?m 等人（2009）提出，该框架确定了地球系统能够承受的生态压力上限，并为在不引发不可逆转的环境变化的情况下实现可持续发展提供了科学依据。Tian 等人（2024）评估了全球消费群体在六个环境足迹方面的不平等，并量化了不同消费水平群体对超越关键…的贡献

研究框架
粮食系统是行星边界逾越的重要驱动因素。因此，根据 PBs 评估粮食系统的影响为评估食品消费的环境可持续性提供了有用的基础。为了系统评估中国饮食转变对粮食系统 PBs 的影响，本研究开发了一个整合行星边界和环境足迹的粮食系统可持续性评估框架（图 1）。首先，基于 HS-MRIO 模型，我们追踪了…

基于消费的环境足迹和省际虚拟资源净流量
我们分析了食品消费引发的环境足迹，这反映了与消费相关的资源需求以及伴随的环境压力（图 2）。总体而言，中国各省份的环境足迹表现出空间异质性。发现北京、天津和上海等较发达地区严重依赖从其他省份采购的农产品。这些省份通过进口虚拟资源来满足当地的消费需求…

讨论
中国目前正处于从传统农业向现代农业加速过渡的关键阶段，国际社会也越来越关注其可持续发展。在此背景下，中国粮食系统在 PBs 内的低碳转型不仅对全球气候治理意义重大，也是实现中国“双碳”目标和推进国家“美丽中国”战略的关键途径。传统的环境足迹分析…

结论
本研究在 PBs 框架内系统评估了省级食品消费的环境影响，使用基尼系数量化了不同食品类别之间的不平等，并评估了中国不同饮食情景下的省级 PBs 逾越情况。我们的发现表明，沿海和发达地区有效地通过供应链将其环境负担外包给主要农业省份，包括黑龙江省、新疆维吾尔自治区以及四川省，CRediT 作者贡献声明
Yiwei Wang：写作 – 审阅与编辑，写作 – 原稿，方法论，数据整理，概念构思。Yuping Bai：写作 – 审阅与编辑，资金获取，概念构思。Xiangzheng Deng：监督，资源。Yecui Hu：监督。Gaurav Sikka：监督。Mengqing Cui：方法论。

利益冲突声明
作者声明他们没有任何已知的竞争性经济利益或个人关系，这些利益或关系可能被认为影响了本文报告的工作。

致谢
本研究得到国家自然科学基金（批准号 72474200）、国家自然科学基金创新研究群体项目（批准号 72221002）、国家自然科学基金（批准号 72104223）以及国家自然科学基金区域创新发展联合基金（批准号 U23A2014）的支持。

Yiwei Wang | Yuping Bai | Xiangzheng Deng | Yecui Hu | Gaurav Sikka | Mengqing Cui