畜牧业系统中的需求驱动型环境责任：整合贸易关联土地利用变化与消费侧核算

《Journal of Cleaner Production》：Demand-driven environmental responsibility in livestock systems: Integrating trade-linked land-use change and consumption-based accounting

　　

畜牧业系统对温室气体排放、土地利用变化及生物多样性压力贡献显著，然而这些影响的责任往往因碎片化的核算框架及全球分散的供应链而被模糊化。领土清单常将环境压力与驱动跨区域生产的需求模式分离。本研究开发了一个统一的聚焦于畜牧业的核算框架，结合了贸易关联的土地利用变化归因与消费侧环境扩展的多区域投入产出（Environmentally Extended Multi-Regional Input-Output, EEXIO）核算。研究人员利用Singh等人的混合贸易流数据库及FAOSTAT饲料用量份额量化了2018–2022年畜牧业相关的土地利用变化（Land-Use Change, LUC）排放，同时利用EXIOBASE 3.9.6 MRIO表及世界银行人口统计数据量化了2020–2022年消费侧的陆生动物产品供应链排放。结果表明，畜牧业相关的LUC排放主要由牧场关联的反刍动物系统主导，巴西是最大的生产者区位热点。消费侧归因进一步显示，生产国经济体内的国内需求与国际贸易需求均对畜牧业相关LUC责任有实质性贡献。消费侧陆生动物产品排放揭示了强烈的区域不平等：全球北方（Global North）经济体维持着显著更高的人均排放，而中国由于人口规模及对动物源食品需求的上升，占据了最大的国家总量排放。这些发现表明，畜牧业相关的环境责任由生产者区位热点、国际贸易、人口规模及消费强度共同塑造。因此，责任的解释在很大程度上取决于全球互联供应链内的核算边界及生产者-消费者关系。通过整合生产者区位与消费侧视角，该框架为理解畜牧业相关环境压力及为清洁生产、需求侧减缓及食物系统治理策略提供信息奠定了更全面的基础。

研究背景与意义

畜牧业系统对温室气体（Greenhouse Gas, GHG）排放、土地利用变化（Land-Use Change, LUC）、生物多样性压力及更广泛的食品系统环境风险贡献显著，特别是在考虑供应链和贸易介导影响时。全球评估估计畜牧业系统贡献约14%–20%的人为GHG排放，并占用约75%–80%的全球农业用地。畜牧业相关的牧场扩张和饲料作物种植是土地系统变化、热带森林砍伐及栖息地转换的主要驱动因素。然而，评估畜牧业系统的环境责任具有挑战性，因为相关影响通常在分离的学科和核算框架内使用不同的系统边界和责任归因方法进行考察，领土核算常将环境压力与驱动生产的消费模式分离，且国际贸易通过饲料作物、肉类及畜产品的贸易重新分配了环境负担。现有研究虽广泛探讨了畜牧业环境影响、贸易关联的森林砍伐及消费侧环境足迹，但这些维度通常在分离的框架内被考察，缺乏在单一框架内联合整合贸易关联畜牧业LUC归因与消费侧畜牧业排放核算以评估全球互联供应链中环境责任的研究。因此，研究人员开展此项研究，旨在解决国际贸如何重新分配畜牧业LUC排放责任，以及消费侧核算如何重塑相对于领土清单的陆生动物产品GHG排放区域责任这两个问题，具有重要的环境与政策意义。该论文发表在《Journal of Cleaner Production》。

关键技术方法

研究人员开发了统一的核算框架，结合贸易关联LUC归因与消费侧GHG核算，非构建单一排放清单而是检验替代边界的影响。第一部分利用Singh等人DeDuCE v2.0混合贸易流数据库的双侧商品级LUC排放数据，结合FAOSTAT供应利用账户（Supply Utilization Accounts, SUA）衍生的畜牧业饲料归因，量化2018–2022年贸易关联畜牧业LUC排放（含直接牧场扩张与间接饲料生产，间接部分按FAOSTAT饲料份额分配，油籽按FAO技术转换因子折算）。第二部分利用EXIOBASE 3.9.6环境扩展多区域投入产出（Environmentally Extended Multi-Regional Input-Output, EEXIO）表及世界银行人口统计，通过Leontief需求模型计算2020–2022年消费侧陆生动物产品（肉、奶、蛋）GHG排放并做人口标准化。两国别名称与区域分类在各组件内分别协调，进行鲁棒性检查以确保可重复性。

研究结果

3.1. Trade-linked livestock-related land-use-change emissions

研究人员报告了2018至2022年间年度及累积的贸易关联畜牧业LUC排放。估计值包含与畜牧业商品供应链关联的牧场扩张及饲料生产排放，并在Singh等人贸易流框架内于生产国与消费国间分配。年度排放维持在约1396至1585 Mt CO₂ yr^?1，2020年达峰，累积至2022年达约7543 Mt CO₂。商品层面结果显示反刍动物系统占累积LUC排放约87.5%，饲料相关以玉米和大豆为主，表明牧场扩张仍是主导驱动，饲料作物扩张贡献较小但可测。

3.2. Producer hotspots and international consumption of livestock-related land-use change

LUC排放强烈集中于热带及边疆生产区，巴西占2018–2022年数据集内约58.4%，远超他国，其他热点含玻利维亚、哥伦比亚等。贸易关联归因显示，除巴西国内消费外，中国是巴西关联畜牧业LUC排放最大外部消费者（约7.2%），其次中东（4.0%）、美洲其他地区（2.8%）等。生产者区位核算识别物理发生地，贸易关联归因显示需求在外部消费经济体分布，巴西国内需求仍占重要成分。

3.3. Consumption-based terrestrial animal-product emissions

利用EXIOBASE分析捕获最终需求隐含的更广泛供应链GHG排放（含上游生产、能源、运输等）。陆生动物产品排放反映人口规模与消费强度共同作用：2022年中国总量最大（628.5 Mt CO₂e，占31.6%），受人口与需求驱动；美国（325.4 Mt，16.4%）、巴西（223.6 Mt，11.3%）次之。全球北方（Global North）人均排放显著更高（约0.68–0.71 t CO₂e/人），中国居中，不含中国的全球南方更低。表明总量与人均视角下责任解释不同。

讨论与结论翻译

本研究开发了一个统一的聚焦畜牧业的的环境核算框架，结合贸易关联LUC归因与消费侧排放核算，以检验全球互联供应链中的畜牧业相关环境责任。结果显示，畜牧业相关LUC排放在少数生产区（特别是主要畜产品出口经济体）高度集中，而这些排放的责任通过贸易及最终消费在生产国与消费国间重新分配。消费侧陆生动物产品排放进一步揭示显著区域不平等，总量受人口规模影响，人均反映消费强度差异。总之，这些发现强调了生产者区位热点、国际贸易及最终需求共同塑造畜牧业相关环境责任。更广泛而言，研究表明核算边界强烈影响畜牧业系统中环境责任的解释。生产者区位核算识别环境压力物理发生地，而消费侧及贸易关联方法揭示责任如何通过全球供应链及最终需求分布。这些视角应被视为互补而非竞争的理解畜牧业相关环境压力的方法。通过在单一畜牧业聚焦框架内整合这些视角，本研究为环境核算、清洁生产及食物系统可持续性研究做出贡献。研究结果表明，有效且公平的气候减缓、土地利用治理及可持续性转型策略可能受益于承认环境影响发生地及最终驱动它们的消费模式的核算方法，跨越全球互联的食物系统。