中国AFOLU部门温室气体排放机制与轨迹的STIRPAT-RF框架分析

《Environmental Challenges》：A STIRPAT–RF Framework Analyzing GHG Emission Mechanisms and Trajectories in China’s AFOLU Sector

　　

农业、林业和其他土地利用（AFOLU）既是温室气体排放源，也是大气碳去除手段，然而这两项功能常被分别评估，且预测时缺乏一致的核算恒等式。研究人员为中国大陆构建了一个31省份的年度框架，涵盖2005-2023年历史时期及2024-2050年SSP1-2.6、SSP2-4.5和SSP3-7.0情景。作物排放、牲畜排放和森林去除量被分别估算，并通过五个预设系统状态进行组织。使用预设的2019-2023年时间测试块、滚动起源检验和留一区外验证，比较了六种STIRPAT、随机森林（RF）以及残差/堆叠候选模型。AFOLU总排放量从2005年的978.1 Mt CO₂e增加到2023年的1067.6 Mt CO₂e，而估算的森林去除量从352.2 Mt CO₂e增加到675.4 Mt CO₂e，使AFOLU净排放量从625.8 Mt CO₂e降至392.2 Mt CO₂e。牲畜在总排放中占比最大，2023年肠道发酵贡献约522.1 Mt CO₂e。没有单一模型在所有结果中占优：收缩残差STIRPAT-RF对总排放表现最佳，而独立RF对净排放和土地碳排放强度表现最佳。在联合核算、残差、模型权重和情景不确定性下，所有三条路径在2050年的中位数净余额均为负值，但其90%区间跨越零；国家净余额为负的概率范围为0.857至0.933。这些结果表明，AFOLU向净负排放的转变具有高概率但条件性，取决于持续的森林去除、有效的牲畜减排以及模型关系在历史域外持续有效。

**论文解读文章**

**研究背景、问题与意义**
气候变化主要由温室气体排放增加引起，是当前最严峻的环境挑战之一。农业、林业和其他土地利用（AFOLU）占全球人为温室气体排放的五分之一到四分之一，同时具有显著的碳去除潜力。与其它生产部门不同，AFOLU既是碳排放源也是碳汇，在实现气候和可持续发展目标中具有双重作用。这一双重性在中国尤为重要，因为食品需求变化和畜产品生产与大规模森林保护和恢复计划同时发生。以往研究分别记录了中国的畜产品转型、农业温室气体足迹和持久森林碳汇，但这些组成部分常在独立的核算系统中报告，缺乏一致的经验边界。作物和牲畜源来自不同的甲烷和氧化亚氮过程，而森林去除依赖于清查间隔、生物量转换参数和生态条件。因此，总排放、森林去除、净排放和土地碳排放强度（LCEI）需要通过物理核算恒等式连接。对未测量类别的透明处理同样重要，因为观测到的森林碳汇不能代表IPCC AFOLU框架涵盖的所有“其他土地利用”过程。为解决这些研究空白，本研究整合了STIRPAT模型与随机森林（RF）算法，旨在构建一个可解释的预测框架，评估中国AFOLU部门的历史演变和未来路径。该研究发表在《Environmental Challenges》上。

**主要关键技术方法**
研究人员采用以下关键技术方法：（1）物理核算：基于IPCC指南，分别估算31个省份的作物排放（水稻CH₄和管理土壤N₂O）、牲畜排放（肠道发酵CH₄、粪便管理CH₄和N₂O）以及森林去除（基于清查存量变化和年度NPP调制）；（2）系统状态构建：预设五个系统状态（生产规模、农业集约化、排放结构、生态系统容量、气候暴露），将预测变量先验组织；（3）STIRPAT-RF建模与验证：比较固定效应STIRPAT、趋势STIRPAT、独立RF、交叉拟合残差STIRPAT-RF、收缩残差STIRPAT-RF和堆叠STIRPAT-RF共六种候选模型，使用预设的2019-2023年时间测试块、滚动起源检验（2015-2023年逐年预测）和留一区外验证（东、中、西、东北四区）评估；（4）情景投影与不确定性传播：基于SSP1-2.6、SSP2-4.5和SSP3-7.0，纳入核算因子、未来残差、模型权重和情景结构四层不确定性，生成126种组合的联合分布。样本队列来源为中国大陆31个省级行政区，历史数据覆盖2005-2023年，来自统计年鉴、森林清查和遥感数据。

**研究结果**

**3.1 历史演变**
国家AFOLU总排放从2005年的978.1 Mt CO₂e增加到2023年的1067.6 Mt CO₂e（+9.2%），其中作物排放从333.6升至357.6 Mt CO₂e，牲畜排放从644.5升至710.0 Mt CO₂e。森林去除从352.2增至675.4 Mt CO₂e，净AFOLU排放从625.8降至392.2 Mt CO₂e（-37.3%）。森林抵消比在2013年后急剧上升，LCEI从约1.7降至1.0 t CO₂e ha^-1。

**3.2 部门组成与省份异质性**
水稻CH₄保持在250–270 Mt CO₂e，管理土壤N₂O从约80增至95 Mt CO₂e。牲畜排放由肠道发酵主导（2023年为522.1 Mt CO₂e），占牲畜总量的73.5%。森林去除在2013年清查转换附近急剧增加，2023年达675.4 Mt CO₂e。中部地区净AFOLU分布最高，东部接近零，区域内离散度大。

**3.3 样本外模型性能**
在预设的2019–2023年测试块中，收缩残差STIRPAT-RF对总AFOLU的R2=0.918，独立RF对净AFOLU的R2=0.883，对LCEI的R2=0.921。滚动起源R2在大多数年份保持较高，而留一区外R2显著较低且常为负值。

**3.4 系统状态关联与预测重要性**
固定效应STIRPAT估计显示，生产规模与总AFOLU（β=0.717，p=0.025）和作物排放（β=1.352，p<0.001）正相关；排放结构与总AFOLU（β=0.470，p=0.001）和LCEI（β=2.239，p=0.032）正相关；农业集约化与作物排放（β=-0.209，p=0.006）和净AFOLU（β=-13.827，p=0.001）负相关；生态系统容量与净AFOLU（β=-60.393，p=0.001）和LCEI（β=-3.836，p<0.001）负相关，与森林去除（β=0.865，p=0.041）正相关。RF重要性显示，管理面积和粮食产量对总AFOLU最重要；森林覆盖率和化肥强度对净AFOLU最重要；森林覆盖率、化肥强度和森林蓄积密度对LCEI最重要。

**3.5 情景驱动因素与局部敏感性**
2050年，三条路径的人口均温和下降，人均GDP和农业产量增加。森林蓄积密度在±10%扰动下对净AFOLU产生最大变化（33.8 Mt CO₂e），其次是牲畜结构（15.6 Mt）和人口（10.2 Mt）。

**3.6 未来AFOLU路径、不确定性与SDG相关证据**
2050年，中位数总AFOLU在SSP1-2.6下为591.3 Mt CO₂e，SSP2-4.5下为625.8 Mt，SSP3-7.0下为547.0 Mt；中位数净AFOLU分别为-320.6、-276.5和-378.7 Mt CO₂e。所有情景的90%区间均跨越零，净国家余额为负的概率为0.857–0.933。SDG相关指标显示，2050年食品生产力提升12%–26%，总减排增益46%–53%，净减排增益142%–166%，森林蓄积增益41%–69%，森林去除增益16%–18%。

**讨论与结论**
讨论部分指出，中国AFOLU净余额的历史改善主要来自森林去除增加，而非农业排放下降。牲畜排放中肠道发酵占主导，减排应优先考虑反刍动物甲烷、粪便管理、水稻甲烷和养分利用效率。模型比较显示，残差校正改善了总排放预测，独立RF对净排放和LCEI最优，STIRPAT和RF作为机制导向和预测证据的互补来源。情景分析表明，在联合不确定性下，2050年国家净AFOLU余额为负的概率较高，但仍有不确定性，源于模型权重、核算因子和未来残差。研究结论翻译如下：
中国可测量的AFOLU余额在2005年至2023年间有所改善，但这种改善并非源于农业排放下降。总作物和牲畜排放增加，牲畜仍是最大排放源，肠道发酵主导牲畜排放。净AFOLU排放的减少主要由估算的森林去除增强驱动。未来评估应分别报告总排放和森林去除，而非仅以净余额替代农业减排绩效。模型比较表明，没有单一STIRPAT-RF配置对所有结果最优；残差修正改善了总排放预测，而独立RF对净排放和LCEI表现最佳。在联合不确定性下，2050年国家AFOLU净余额为负在三条情景中均可能，但仍有不确定性，因为每个90%区间均跨越零。政策启示包括：农业减排应聚焦反刍动物甲烷、粪便管理、水稻甲烷和养分利用效率；保护和加强森林蓄积、生态质量与测量系统，但不应以去除替代源减排；情景政策应使用概率区间、模型权重敏感性和省份支持标志，并定期更新。