基于LCA的改进水分管理与变量速率施肥缓解水稻种植环境影响的研究

《Cleaner Environmental Systems》：Mitigating the environmental impacts of rice cultivation through improved water management and variable rate fertilization

　　

通过改进水分管理和变量速率施肥缓解水稻种植的环境影响
•生命周期评估（LCA）评估了商业化水稻农场的改进水分和氮管理
•优化水分管理可减少水稻系统高达20%的温室气体（GHG）排放
•变量速率氮肥施用减少了与氮损失相关的影响
•曝气与变量速率施肥的组合带来了不稳定的效益
•产量强烈影响LCA结果，支持进行多年试验的必要性

**一、研究背景与问题提出**

水稻是全球最重要的口粮作物之一，2023年全球食用消费量达4.283亿吨，约占全球谷物消费总量的36%（FAO, 2023）。意大利是欧洲最大的水稻生产国，种植面积约21万公顷，主要集中在西北部波河流域的韦尔切利、帕维亚、诺瓦拉和米兰等省份。水稻生产的独特性在于其淹水栽培模式，淹水条件导致土壤有机质在厌氧条件下分解，产生大量甲烷（CH₄）排放，使水稻种植成为对气候变化影响最显著的农业活动之一。甲烷排放占水稻种植气候变化影响的40%–55%。此外，生产1公斤水稻约需2500升水，加剧了水资源消耗问题。氮肥施用同样是水稻生产环境负担的重要来源，氮肥使用导致氨挥发、硝酸盐淋溶和氮氧化物排放，引发富营养化、酸化和颗粒物形成等环境问题。

尽管已有大量研究采用生命周期评估（Life Cycle Assessment, LCA）方法评价水稻生产的环境影响，但已有研究多集中于单一措施（如水分管理或施肥优化）的环境绩效评估，同时将变量速率氮肥施用（Variable-Rate Nitrogen fertilization, VRN）与额外曝气措施相结合，并在商业化农场尺度上开展系统评估的研究尚属空白。现有研究缺口在于：缺乏对VRN施肥和额外曝气单独及组合实施时，在多影响类别和商业农场条件下的综合环境影响的量化分析。为此，研究人员在意大利北部五个商业化水稻农场开展了田间试验，设计四种栽培情景，结合LCA方法系统评估不同水分管理与VRN施肥策略的环境绩效，旨在识别环境热点、量化各替代情景相对基线情景的环境影响变化，并评估组合策略的潜在协同或权衡效应。

**二、研究结论与意义**

研究结果表明，水分管理和氮肥管理是改善水稻生产环境绩效的关键杠杆。额外曝气（AS2）是减缓气候变化最有效的单一措施，甲烷排放及温室气体影响最高可较基线情景减少44%；变量速率氮肥施用（AS1）在酸化、水体富营养化和颗粒物形成等与氮损失相关的影响类别上实现超过15%的平均降幅；但两者组合（AS3）的环境效益在农场间表现出较大变异性，未呈现一致的累积改善效果。研究强调，产量水平是影响LCA结果的关键因素，效益与产量变化密切相关，这凸显了开展多年田间试验的必要性。该研究为欧洲水稻产业向低碳可持续生产转型提供了科学依据，有助于农业技术人员、农场主和政策制定者制定更具针对性的减排方案。

**三、主要技术方法**

研究人员采用生命周期评估方法，符合ISO 14040和ISO 14044标准框架，功能单位（Functional Unit, FU）设定为1吨含水量14%的商业含水率稻谷，系统边界为“从摇篮到农场大门”。研究区域位于意大利波河流域（44°–46°N，7°–12°E），试验于2024年在五个商业化水稻农场进行，每个农场设置基线情景（BS）和三个替代情景：AS1（变量速率氮肥施用）、AS2（中期茎伸长阶段额外曝气7–10天）、AS3（VRN与额外曝气组合）。排放估算方面，甲烷排放采用IPCC（2019）排放因子并结合水分状况缩放因子进行模拟；氮相关排放分别依据Bouwman et al. (2002)、EMEP/CORINAIR (EEA, 2019)和IPCC (2019)方法估算硝酸盐淋溶、氨挥发和氧化亚氮排放；磷排放参照Prasuhn (2006)方法；农药排放依据EPD International (2024)产品类别规则分配至土壤、空气和水体。背景数据取自Ecoinvent数据库v3.9，特征化方法采用Environmental Footprint 3.1。此外，采用蒙特卡洛模拟（1000次迭代，95%置信区间）对背景清单不确定性进行了分析。

**四、研究结果**

**4.1 绝对环境结果**

研究比较了五个农场四种栽培情景的环境影响。总体而言，替代情景（AS1、AS2、AS3）在绝大多数影响类别上较基线情景（BS）有所降低，但改善幅度和一致性因影响类别和农场而异。AS1在13个影响类别（共14个）上实现了平均降幅超过5%的效果；AS2在9个影响类别上达到该降幅，其中气候变化影响降幅最大，平均达30%；AS3仅在3个影响类别上平均降幅超过5%，且部分农场出现影响升高的现象。产量变异性对各情景环境绩效有显著影响，例如农场5的AS3情景因产量下降导致气候变化影响较BS增加3%。

**4.2 贡献分析**

贡献分析揭示了各影响类别的主要贡献来源。甲烷排放是气候变化影响的首要贡献者，占比30%–65%，在实施额外曝气的情景中相对贡献显著降低；氮化合物排放（主要为氨挥发和硝酸盐淋溶）在酸化、颗粒物形成、陆生和水生富营养化影响类别中占比超过85%；磷酸盐排放是淡水富营养化的主要热点；机械化在致癌性人类毒性和光化学臭氧形成中贡献较大，主要源于燃料燃烧排放；干燥环节对化石资源消耗和累计能源需求贡献显著；矿物氮肥的生产是多种影响类别的重要上游贡献来源。

**4.3 背景清单不确定性分析**

蒙特卡洛分析结果表明，与毒性相关的影响类别（人类毒性致癌效应、人类毒性非致癌效应和淡水生态毒性）的背景清单不确定性最高，其余影响类别的不确定性较低。各情景间未观察到背景清单不确定性的显著差异。需强调的是，该分析仅传播了背景数据库中具有概率分布参数的清单流，未涵盖产量、甲烷排放等前景参数的不确定性，因此结果仅反映背景清单不确定性的影响。

**五、讨论与结论**

讨论部分指出，额外曝气主要通过减少淹水厌氧条件下的甲烷排放来降低气候变化影响，其减排幅度与基线情景中的曝气次数相关；VRN施肥通过提高氮素利用效率，减少氮相关排放及肥料生产的上游负担，进而改善酸化、富营养化和颗粒物形成等影响类别。然而，当两种措施组合实施时，环境结果在农场间呈现较大变异性，受田间变异性、产量差异和潜在管理交互作用的共同影响。现有实验设计无法统计分离各因素的独立贡献，需通过多因素重复田间试验进一步量化交互效应。研究结论强调，额外曝气是所测策略中最稳定的减排措施，VRN施肥同样带来环境效益，而组合策略的绩效需基于多年、多点的数据加以验证。未来研究应扩展至多年尺度，纳入土壤有机碳变化评估和全要素不确定性分析，以更全面地量化长期权衡，巩固智能适应性管理作为欧洲水稻低环境影响生产关键路径的作用。