中国农业温室气体排放的精细时空动态与针对性减排

《Journal of Environmental Sciences》：Fine-scale spatiotemporal dynamics and targeted mitigation of agricultural GHG emissions in China

　　

•开发了中国农业温室气体排放的高分辨率清单。
•温室气体排放稳定在 1100 Tg CO2-eq，其中甲烷贡献了 56.0 %?58.4 %。
•值得注意的是，10.6 % 的集约化耕地排放了 67.8 % 的总温室气体排放量。
•技术和劳动力的转变在很大程度上抵消了经济增长带来的排放压力。
•先进技术使 2060 年温室气体减排量达到 85.5 %。

引言
随着温室气体（GHG）排放持续推动全球变暖，世界气象组织数据揭示，2024 年全球平均气温暂时超过了《巴黎协定》的 1.5 °C 阈值（WMO, 2025）。全球变暖加剧了水文紊乱，从而增加了干旱、洪水和风暴等极端天气事件的发生频率和强度，这对全球农业系统、人类健康和生态系统稳定性构成了重大威胁（Bevacqa et al., 2024; Park et al., 2024; Xiong and Yang, 2024; Zhang et al., 2024）。农业是气候变化的重要贡献者，同时也是受其影响最脆弱的经济部门之一（Abdo et al., 2024; Laborde et al., 2021; Tubiello et al., 2022）。2022 年农业食品系统的总温室气体排放约占全球人为排放的 30%，其中近一半（48%）源自农田范围内的活动（FAO, 2024a）。与此同时，研究表明，全球平均气温每升高 1 °C，全球平均作物产量就会下降 3.6%，种植频率降低 1.8%，总热量生产量减少 5.7%，这共同对全球粮食安全构成了重大威胁（Rezaei et al., 2023; Yang et al., 2024a; Zhu et al., 2022a）。随着全球人口在未来几十年预计增加近 20 亿，日益增长的粮食需求将不可避免地推动温室气体排放增加，除非采取及时有效的缓解策略（UN, 2024）。因此，平衡粮食安全与气候缓解已成为农业和气候研究的关键前沿领域。

农业系统中的温室气体排放是由种植和畜牧子系统跨生物、化学和机械过程的复杂相互作用驱动的。在种植系统中，主要来源包括水稻种植、化肥施用、农业机械使用、间接 N2O 排放（氮的淋溶和径流）、秸秆还田和秸秆焚烧；而在畜牧系统中，主要贡献者是肠道发酵和粪便管理（Tubiello et al., 2021; Wang et al., 2024a）。总体而言，这些排放源在 2022 年全球共贡献了约 7.8 Gt CO2-eq（FAO, 2024b）。对于中国而言，作为一个支持全球约五分之一人口的主要农业国，高强度的农业生产活动在 2019 年导致了 1.2 Gt CO2-eq 的温室气体排放（Liu et al., 2023）。现有研究描绘了中国农业温室气体排放的历史轨迹。Fan 等人（2022）报告称，1980 年至 2020 年期间，中国农业系统的温室气体排放呈现波动上升趋势，总体上升近 46%。1980 年至 2010 年期间排放持续增加，此后转为负增长，对应前两个十年的年增长率为 1.43%，随后的十年为 1.34%。就农业非 CO2 温室气体而言，Gao 等人（2025）记录了从 1980 年到 1990 年代末的快速增长，到 2010 年代中期的逐渐放缓，以及近期的稳定。因此，在中国农业部门实施有效的缓解措施对于实现国家可持续发展目标和履行国际气候义务至关重要，特别是 2030 年碳达峰和 2060 年碳中和目标。

快速的技术进步和变化的社会需求重塑了农业系统，需要对其不断演变的环境足迹进行更精细的评估。有效的排放监测和管理需要在高空间和时间分辨率下量化农业温室气体输出（Shen et al., 2024a; Shi et al., 2024; Yin et al., 2023）。对于大规模排放清单，精确的空间归因尤为关键，这需要详细的地理空间数据来识别排放热点。然而，由于缺乏高分辨率活动数据，大多数现有研究受限于有限的空间分辨率，通常为省级、市级或县级。一些努力已经致力于填补这一空白。例如，Zheng 等人（2024）对中国 30 个省份的农业 CO2 排放进行了全面的核算和对比分析；Duan 等人（2023）基于活动数据和排放因子建立了中国 2010 年至 2020 年农业系统的 CH4 排放清单；Han 和 Ge（2023）建立了苏州的农业温室气体排放清单，并研究了其时空特征和因子分解；Liu 等人（2022）详细收集了农业活动数据，建立了中国县级的 wheat 和玉米温室气体排放，并分析了碳足迹。尽管这些研究提供了有价值的见解，但缺乏关于农业活动数据和排放因子的高分辨率、空间明确数据库仍然是一个主要限制（Gao et al., 2022; Wang et al., 2014）。因此，将中国农业温室气体排放清单从省级推进到栅格级别至关重要，以深化空间归因分析并支持制定区域特定的缓解策略。除了空间分辨率之外，覆盖范围仍然不完整：Xu 等人（2024）仅考察了耕地排放强度，而 Gao 等人（2025）涵盖了非 CO2 气体（CH4, N2O），但排除了秸秆焚烧等 CO2 来源和基于情景的预测。

管理农业系统中的温室气体减排仍然是一项复杂且充满挑战的任务，这需要识别关键排放驱动因素并制定准确的预测，以支持有针对性的缓解策略（Hu et al., 2023）。目前，收入驱动因素在农业生产中的作用在 Kaya 模型中得到了明确反映，农民通过扩大生产规模和增加强度来追求收入增长，这往往以温室气体排放增加为代价（Trivino et al., 2024）。定量分析显示，经济因素在 1991 年至 2015 年间推动了农业系统温室气体排放增加了 637.3 Mt CO2-eq（Li et al., 2020）。相反，技术干预已显示出缓解农业温室气体排放的巨大潜力，尽管其总体影响仍然严重依赖于未来的采用率。田间试验和区域案例研究验证了精准施肥、减少耕作和多样化轮作等实践在减少温室气体排放方面的有效性（Yang et al., 2024b; Wang et al., 2025）。尽管相关研究已经确定了影响农业系统温室气体排放的因素，但关于减排技术和管理实践的大规模实施仍存在显著的不确定性。特别是，在不同推广情景下，它们对未来国家排放轨迹的累积影响仍然不清楚（Ji et al., 2024; Qin et al., 2024; Sui et al., 2024）。解决这一挑战需要一个综合框架，将三个问题联系起来：农业温室气体排放在哪里空间集中，哪些结构性和社会经济力量驱动它们在这些地点持续存在，以及在这种空间 - 驱动背景下，哪些缓解路径将最有效。

总之，当前的农业温室气体研究受限于三个关键局限：难以准确解耦排放驱动机制、不足以量化区域特定缓解技术的减排绩效，以及无法可靠预测不同社会经济发展路径下的长期减排潜力。为了应对这些交织的研究空白，本研究首先定义了完整且标准化的农业系统边界，并通过结合统计分析、文献综合、卫星遥感反演和数值模型模拟的综合技术框架，统一了多源农业活动统计和本地化排放因子。为了系统解决上述三个核心局限并回答预定义的研究问题，我们将 IPCC 排放因子核算方法与细粒度的地理空间农业数据集相结合，构建了覆盖 2012–2023 年的全国 0.05°×0.05°高分辨率栅格化农业温室气体排放清单。利用特定于物种和作物的高分辨率活动数据，将省级排放分配至栅格规模，包括水稻、小麦、玉米和大豆的专用分布图、卫星观测火密度以及特定物种的牲畜密度图。这种方法采用多种作物特定和牲畜特定的空间代理变量，而非单一的通用耕地或牲畜代理变量，使清单能够捕捉省内种植结构和牲畜组成的异质性。这一边界与 IPCC 国家清单框架不同，它将农业机械归类为农业而非能源，并将秸秆还田视为明确的来源。基于这一栅格化清单，我们对农业温室气体排放的直接或间接驱动力进行了综合分析，并进一步模拟了多种技术采用路径下的缓解情景。这一综合分析链提供了强有力的科学证据，以支持中国农业区域目标的低碳转型策略。

章节片段
农业系统边界
本研究遵循 IPCC 部门分类定义了中国农业系统的边界，涵盖种植和畜牧子系统。种植子系统包括水稻种植、化肥施用、农业机械、间接 N2O 排放、秸秆还田和秸秆焚烧产生的温室气体排放。畜牧子系统涵盖肠道发酵和粪便管理产生的排放。对于秸秆还田，报告的 CO2 排放量为总分解通量（Shi

历史排放趋势
从 2012 年到 2023 年，中国农业系统的总温室气体排放保持相对稳定，从 1117 到 1100 Tg CO2-eq 略有下降 1.5%（图 2）。其中，甲烷在整个期间一直是主要贡献者，占总排放量的 56.0 %–58.4 %，其次是 CO2（23.8 %–27.3 %）和 N2O（16.2 %–18.1 %）。值得注意的是，研究期间排放量在 2014 年达到最高水平，并持续下降至 2019 年。这种减少主要是

结论
作为中国农业温室气体排放的主要贡献者，中国仍然缺乏对制定有针对性缓解策略至关重要的高分辨率农业系统排放清单。本研究建立了中国农业系统的长期（2012–2023）和高分辨率（0.05°×0.05°）温室气体排放清单，支持对其空间动态、驱动力和技术缓解策略进行细粒度评估。在农业产出增长的同时，温室气体

利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文所述的工作。

CRediT 作者贡献声明
Bobo Wu：写作 - 审阅与编辑，写作 - 原始草稿，监督，资源，项目管理，方法论，资金获取，形式分析，概念化。Jixing Wang：写作 - 原始草稿，可视化，调查，形式分析，数据整理。Xiaoxuan Bai：监督，资源，调查，资金获取。Jiahan Li：写作 - 原始草稿，调查，形式分析，数据整理。Xuming Song：调查，数据整理。Zhiliang Yao：

利益冲突声明
作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文所述的工作。

致谢
这项工作得到了国家重点研发计划（编号：2022YFC3700605）、国家自然科学基金委员会（编号：42105112）和国家电网冀北电力有限公司科技项目（编号：KJC2024080）的支持。

Bobo Wu|Jixing Wang|Xiaoxuan Bai|Jiahan Li|Xuming Song|Zhiliang Yao|Xin Li