中國水稻食物系統碳足跡結構組成和地區差異

王金明，秦曉波*，萬運帆，周盛，張志偉,2

1. 中國農業科學院農業環境與可持續發展研究所/農業部農業環境重點實驗室/中國農業科學院碳達峰碳中和研究中心，北京 100081；2. 南京信息工程大學，江蘇 南京 210044

受社會經濟發展等人類活動的影響，大氣中二氧化碳（CO2）、甲烷（CH4）和氧化亞氮（N2O）等溫室氣體濃度的顯著增加導致當前備受關注的全球氣候變化問題愈加嚴峻（IPCC，2013）。政府間氣候變化專門委員會（IPCC）第六次評估報告指出，全球溫室氣體排放量為 (58±6.1) Gt，中國則排放了14.0 Gt（Minx et al.，2021）。作為世界上高度負責任的大國，中國為應對氣候變化問題，提出了到2030 年實現“碳達峰”、2060 年實現“碳中和”的“雙碳”目標。中國國務院發布的“十四五”規劃綱要，旨在推動落實聯合國氣候變化框架公約及巴黎協定，為減少全球大氣中溫室氣體濃度做出重大貢獻（國務院，2021）。

糧食生產和消費已成為引起全球環境退化的決定因素之一（Cucurachi et al.，2019）。隨著人類社會的進步與發展，依賴于人力、畜力和手工工具進行生產的傳統農業已被更高效的集約化現代農業所取代，生產投入也發生了巨大改變（Cucurachi et al.，2019）。針對作物生育期各階段的肥料被廣泛銷售和施用，各種農藥和殺蟲劑被大量生產和使用，更優質的種質資源由育種公司生產提供，更多現代化的機械設備應用于農業生產中，這將導致大量資源被利用，同時帶來更多的碳排放。其次，人們對消費水平的更高要求使得精肉、精糧、精制糖、精制油等精制食物的需求量大大增加，以至于囊括了供應鏈和消費鏈的農業食物系統碳排放也隨之增加（張向陽等，2022）。據估計，全球農業食物系統產生的碳排放為17.9 Gt，占全球總碳排放的近1/3（Cucurachi et al.，2019）。中國作為世界糧食供應大國，向全球農業食物系統貢獻了11.5%的碳排放，中國由此成為農業食物系統碳排放量最多的國家之一（Tubiello et al.，2022）。據研究，中國糧食作物僅生產環節的碳足跡為 (450.2±97.0) Tg（Li et al.，2022），如果延長估算鏈將產后環節也包括在內的話，其碳足跡總量將更為驚人。因此，在確保中國乃至世界糧食安全和食物供應的前提下，通過技術革新、能源結構優化、消費鏈節能減損促進農業食物系統低碳轉型還面臨諸多挑戰。

碳足跡作為一種衡量人類活動中產生或釋放的，用以評估國家、組織及個人的產品或服務的，并以二氧化碳當量（CO2eq）為單位來衡量對氣候環境變化貢獻程度的溫室氣體排放量的方法（黃文秀，2012），正被全世界越來越多的組織機構和政府部門使用（Giurco et al.，2007；Brown et al.，2009）。中國是世界主要水稻生產國，稻田是中國重要的農業溫室氣體排放源，已有大量研究證實了水稻食物系統對中國農業食物系統碳足跡做出的驚人貢獻（Yan et al.，2015a；Zhang et al.，2017；Fan et al.，

2022；Li et al.，2022），因此，科學評估水稻食物系統碳足跡有利于國家溫室氣體清單的完善和雙碳戰略的制定。生命周期評估（LCA）是國際機構（如歐盟委員會和聯合國環境規劃署）推薦的碳足跡的分析方法，它是基于“從搖籃到墳墓”的概念，分析食物生命活動中相關的能源和物質需求，從而評估產品全生命周期溫室氣體排放的方法（韓薇薇，2017；Cucurachi et al.，2019）。目前，已有大量研究從食物系統角度來探討水稻碳足跡，但多數研究僅集中在“從搖籃到大門”階段（曹黎明等，2014；王興等，2017），其后的加工、包裝、倉儲、運輸、銷售、消費等環節的碳足跡鮮有報道，并且由于缺乏標準化的計算工具，既有研究也存在較大不確定性。

因此，本研究以食物系統視角，基于LCA 法對中國2018 年22 個省級行政區的早秈稻、中秈稻、晚秈稻、粳稻食物系統“從搖籃到銷售”階段的碳足跡進行評估，并利用標準化工具——水稻碳足跡計 算 器 CF-Rice （ International Rice Research Institute，2022）進行估算，旨在（1）利用國家統計數據量化全國4 類水稻食物系統碳足跡；（2)明確各類水稻食物系統碳足跡的結構組成，揭示碳排放的重點環節；（3）比較全國各省水稻食物系統碳足跡的地區差異和溫室氣體結構，為中國制定水稻主產區行之有效的降碳減排措施提供科學支撐。

1 材料與方法

1.1 研究區域與數據來源

本研究將水稻種植類型分為早秈稻、中秈稻、晚秈稻和粳稻四類，就全國分布來看，具體包括9個早秈稻種植區（浙江、安徽、福建、江西、湖北、湖南、廣東、廣西、海南），11 個中秈稻種植區（江蘇、安徽、福建、河南、湖北、湖南、重慶、四川、貴州、云南、陜西），9 個晚秈稻種植區（浙江、安徽、福建、江西、湖北、湖南、廣東、廣西、海南），以及12 個粳稻種植區（河北、內蒙古、遼寧、吉林、黑龍江、江蘇、安徽、山東、河南、湖北、云南、浙江）。本研究區域覆蓋了中國2018 年99.0%的稻谷播種面積，稻谷總產量為2.10 億噸（圖1）。

圖1 2018 年全國各省稻谷種植面積和產量Figure 1 China’s rice planting area and grain yield in 2018

本研究所需的各省水稻播種面積和產量數據來自《中國統計年鑒—2019》（國家統計局，2019），各類水稻單產和農資投入數據，包括種子、化肥及農家肥用量均來自《全國農產品成本收益資料匯編2019》（國家發展和改革委員會價格司，2019），稻米價格采用國家發改委發布的最低稻谷收購價格，水稻生育期（楊仕華等，2003；張艷梅等，2012；吳修等，2013；耿雷躍等，2018；蔣聰等，2020；殷敏等，2020；劉海靜等，2021）、秸稈還田量（劉翠萍等，2021）及稻田甲烷（CH4）排放系數（Li et al.，2022）由文獻獲得（表1），其他排放系數選擇CF-Rice 推薦值和文獻數據（表2）。

表1 稻田CH4排放系數Table 1 CH4 emission factort of rice field

表2 其他排放源碳排放系數Table 2 Carbon emission factors of other sources

1.2 系統邊界和功能單位

系統邊界為“從搖籃到銷售”，即從化肥、農藥和種子的農資生產環節至產品運輸到超市貨架的銷售過程（圖2）。我們將估算鏈劃分為九個環節進行計算。各類水稻產前環節碳排放包括種子、農藥生產的耗能排放和泡田產生的碳排放；稻田CH4是基于稻田CH4排放因子、生育期、水管理、秸稈還田和施用有機肥的綜合影響計算的碳排放；施肥環節主要是生產和施用氮肥產生的碳排放；機械作業產生的碳排放是由灌溉、除收獲外的其他機械作業引起的能源消耗；收獲、倉儲、加工、包裝、運輸環節產生的碳排放均是由能源消耗產生。需要注意的是，晾曬方式我們選擇了太陽光晾曬，因此該環節沒有產生碳排放。本文采用單位產量碳足跡（kg·kg-1）和單位面積碳足跡（kg·hm-2）作為功能單位進行計量。

圖2 水稻食物系統生命周期圖Figure 2 Life cycle diagram of rice food system

1.3 碳足跡的計算

CF-Rice 是國際水稻研究所（IRRI）開發的基于Microsoft?Excel 的計算工具，用于計算水稻在整個產業鏈上的溫室氣體排放量和最終產品的碳足跡（Wassmann et al.，2021）。該工具為IRRI 發布的系列碳排放監測、報告與核查（MRV）體系工具之一，在中國已有相關應用（張志偉等，2022）。CF-Rice遵循LCA 法的分析原理（Van Hung et al.，2020），計算覆蓋了水稻食物系統“從搖籃到銷售”的生命周期范圍，計算過程不僅考慮了生產管理方式，如：產前泡田、水分管理方式、稻田通氣方式、秸稈還田、有機肥施用對碳足跡計算帶來的綜合影響，還考慮了在水稻收獲、曬干、倉儲、加工過程中糧食損失產生的碳足跡。

單位面積碳足跡（EA，kg·hm-2）的計算公式為：

式（1）中：

EPre——產前環節碳足跡；

ECH4——稻田CH4排放碳足跡；

EFer——施肥環節碳足跡；

EMO——機械作業碳足跡；

EHar——收獲環節碳足跡；

ESto——倉儲環節碳足跡；

EPro——加工環節碳足跡；

EPk——包裝環節碳足跡；

ETr——運輸環節碳足跡。

單位產量碳足跡（EY，kg·kg-1）的計算公式為：

式（2）中：

Y——水稻單產（kg·hm-2）.

水稻產前環節碳足跡（EPre，kg·hm-2）的計算公式為：

式（3）中：

CWet——泡田期稻田CH4排放系數（kg·hm-2）；

CSeed——種子生產的排放系數（kg·kg-1）；

QSeed——種子用量（kg·hm-2）；

CPest——農藥生產的排放系數（kg·hm-2）。

稻田CH4排放的碳足跡（ECH4，kg·hm-2）計算公式為：

式（4）中：

FCH4——該環節稻田CH4排放量（kg·hm-2·d-1）；

D——水稻生育期（d）；

CW——灌排方式修正系數；

CP——通氣方式修正系數；

QStraw——秸稈處理量（t·hm-2）；

CStraw——秸稈移除方式的修正系數；

QOrg——農家肥施用量（t·hm-2）；

COrg——農家肥的修正系數。

施肥環節碳足跡（EFer，kg·hm-2）的計算公式為：

式（5）中：

CN-N2O——間歇排水情況下 N2O 排放系數（kg·kg-1N）；

CCO2-N——氮肥生產的排放系數（kg·kg-1N）；

QN——氮肥（以N 計）施用量（kg·hm-2）。

機械作業碳足跡（EMO，kg·hm-2）的計算公式為：

式（6）中：

CMO——機械作業排放系數（kg·hm-2）。

收獲環節碳足跡（EHar，kg·hm-2）的計算公式為：

式（7）中：

CHar——收獲作業排放系數（kg·hm-2）。

倉儲環節碳足跡（ESto，kg·hm-2）的計算公式為：

式（8）中：

CSto——倉儲過程的排放系數（kg·t-1rice）；

QDry——供倉儲(曬干后)的水稻單位面積質量（t·hm-2）。加工環節碳足跡（EPro，kg·hm-2）的計算公式為：

式（9）中：

CMill——加工的排放系數（kg·t-1rice）；

QSto——倉儲后的產品單位面積質量（t·hm-2）。

包裝環節碳足跡（EPk，kg·hm-2）的計算公式為：

式（10）中：

CPk——精制過程的排放系數（kg·t-1rice）；

QProd——產品單位面積質量（t·hm-2）。

運輸環節碳足跡（ETr，kg·hm-2）的計算公式為：

式（11）中：

CTract——使用拖拉機運輸的排放系數（kg·t-1rice）；

STract——運輸距離（km）；

QProd——商品單位面積質量（t·hm-2）。

CF-Rice 其他項目設置情況如表3 所示。

表3 CF-Rice 數據設置Table 3 CF-Rice data Settings

1.4 敏感性分析

敏感性分析是在一定范圍內改變輸入數據的值來檢查最后結果變化量的方法（Ardente et al.，2005）。它可以通過探討輸入參數對輸出結果的影響，探討結果的穩健性，篩選出碳足跡評價中的主要數據。本研究采用單因素敏感性分析法，在僅有一個因素變化的情況下以敏感度系數來反映相關因素對核算結果的影響程度。計算公式如下：

式中：

Gi——因素Ki的敏感性系數；

ΔHi——碳足跡核算結果相應的變化率；

ΔKi——因素Ki的變化率。G的絕對值越大為碳足跡的核算結果對該因素變化的敏感性越強，最終結果受該因素的影響越大。

1.5 數據分析及制圖方法

所有數據通過微軟Excel 初步整理，用Origin Pro 2021 繪制碳足跡結構圖，用ArcMap 10.8 繪制空間分布圖。

2 結果與分析

2.1 全國水稻碳足跡及其結構組成

2018 年全國不同類型水稻平均碳足跡之間略有差異（圖3）。就單位產量碳足跡而言，晚秈稻碳足跡最高（2.31 kg·kg-1），中秈稻次之（1.32 kg·kg-1），早秈稻（1.08 kg·kg-1）與粳稻（1.13 kg·kg-1）碳足跡差異較小。以單位面積碳足跡進行比較，其順序與單位產量碳足跡一致，晚秈稻碳足跡仍最高（9.15×103kg·hm-2），其次為中秈稻（6.34×103kg·hm-2），粳稻碳足跡為5.56×103kg·hm-2，早秈稻碳足跡最低（4.16×103kg·hm-2）。晚秈稻碳足跡較高的原因可能與其具有較高的CH4排放因子有關，晚秈稻CH4排放因子遠高于其他類型水稻（表1）。中秈稻的CH4排放因子和氮肥用量均處于較高水平，這可能是導致其碳足跡高于粳稻和早秈稻的原因之一。粳稻雖然CH4排放因子低，但其生產中的氮肥投入量卻在4 類水稻中最大。其次，根據各類水稻秸稈還田后與稻田淹水之間時間間隔的不同，我們在各類水稻碳足跡計算過程中進行了區分（表3），這也會導致各類水稻碳足跡產生差異。

圖3 全國各類水稻碳足跡Figure 3 Carbon footprint of all kinds of rice in China

水稻食物系統“從搖籃到銷售”的各環節均產生碳排放，各環節單位面積碳足跡在4 類水稻中的占比順序基本一致，平均占比最大的是稻田CH4，該環節在晚秈稻碳足跡中占比最高（71.5%），分別占中秈稻和粳稻碳足跡的57.8%和44.4%，在早秈稻碳足跡中占比最小（36.2%）。平均占比居第二位的是施肥，主要源于氮肥的生產和投入產生的碳排放，該環節在粳稻碳足跡中占比最高，為20.0%，占早秈稻碳足跡的19.2%，占中秈稻碳足跡的13.2%，僅占晚秈稻碳足跡的8.69%。收獲環節占比在早秈稻碳足跡中最高，為18.5%，在晚秈稻碳足跡中占比最低，為8.41%，在中秈稻和粳稻碳足跡中占比分別為12.1%和13.9%。產前環節（4.97%－12.1%）、機械作業（3.62%－7.97%）、倉儲（≤1.63%）、加工（≤3.14%）、包裝（≤0.169%）和運輸（≤1.09%）環節在各類水稻碳足跡中雖占比較小，但也是水稻食物系統減排過程不容忽視的排放源（圖4）。這表明，水稻食物系統減排措施應從控制稻田CH4排放，合理施肥和節約能源方面入手進行制定。

圖4 全國各類水稻碳足跡結構組成Figure 4 Carbon footprint structure of different kinds of rice in China

2.2 全國水稻碳足跡地區差異

從4 類水稻碳足跡的空間分布看，各類水稻單位產量碳足跡的空間分布格局并不一致（圖5）。早秈稻、中秈稻和晚秈稻主產區主要集中在南方，這三類水稻沒有表現出明顯的空間分布規律，而粳稻主產區的空間跨度大，呈現出自北向南碳足跡增加的趨勢，具體表現為：除山東外，東北地區（黑龍江、吉林、遼寧）和華北地區（內蒙古、河北）的粳稻碳足跡低于華東地區（安徽、江蘇、浙江）、華中地區（河南、湖北）和西南地區（云南）。從全國范圍看，不同省份早秈稻、中秈稻、晚秈稻和粳稻的單位產量碳足跡分別為0.985－1.43、1.10－2.17、2.12－3.32 和0.633－1.78 kg·kg-1（圖6），變異系數分別為12.0%、22.3%、14.9%和33.4%，其中，粳稻的空間變異性最大，其次是中秈稻，早秈稻和晚秈稻各省間的差異較小。在早秈稻中，由于浙江、安徽和福建的CH4排放因子大且氮肥投入量多，因此這幾個省的碳足跡高于其他省份，而江西、湖南和海南的碳足跡低于全國平均水平。在中秈稻中，福建的碳足跡明顯高于其他省份，云南最低，這依舊歸因于福建較高的CH4排放因子，其值是云南CH4排放因子的4－5 倍，江蘇、河南、湖北和云南的碳足跡低于全國平均水平。在晚秈稻種植區，海南省晚秈稻CH4排放因子最低，而氮肥投入量卻最大，同時由于該省晚秈稻產量也較低，綜合導致海南晚秈稻碳足跡在該類水稻中最高，其次為福建，江西和湖南的單位產量碳足跡低于全國平均水平。粳稻碳足跡的地區差異顯著，波動范圍較大，同樣由于較高的CH4排放因子使得浙江、湖北和安徽的碳足跡明顯高于其他省份，江蘇、浙江、安徽、河南和湖北的單位產量碳足跡均高于全國平均水平（圖6）。

圖5 全國水稻單位產量碳足跡空間分布圖Figure 5 Spatial distribution map of rice carbon footprint (per unit rice yield) in China

圖6 各省水稻單位產量碳足跡Figure 6 Carbon footprint per unit yield of rice in each province

就溫室氣體排放結構而言（圖7），各省溫室氣體排放均以N2O 排放占比最少，CH4和CO2排放占比大小順序在各省間略有不同。其中，早秈稻除浙江和福建以CH4排放為主外，其他各省均以CO2排放為主，CH4在各省早秈稻碳足跡中占比為25.1%－50.8%。對于中秈稻，除云南外，其他各省CH4排放占比最高，范圍為36.3%－75.4%。另外，各省晚秈稻碳足跡中溫室氣體排放構成較一致，均以CH4占比最高（67.1%－76.5%），其次為CO2。浙江、安徽和湖北的粳稻以CH4排放為主，其余各省CO2排放量最大，占35.8%－72.3%。從總體貢獻率來看，CH4對水稻食物系統碳足跡的貢獻率最高，達到20.1%－76.5%，其次為CO2，貢獻率為21.1%－72.3%，N2O 的貢獻率最低，僅有1.72%－10.7%。這表明，不同類型水稻碳減排的側重點不同，未來減少水稻食物系統碳排放應縱觀整個產業鏈，減少能源消耗對實現早秈稻和粳稻碳減排將更有效果，中秈稻和晚秈稻的減排措施應集中于減少稻田CH4排放，而更具體的減排措施的制定還需要依據各省溫室氣體排放結構進行調整。

圖7 各省碳足跡溫室氣體排放結構Figure 7 Provincial greenhouse gas emission structure

2.3 敏感性分析

由于各變量（產量、生育期、種子用量、稻田CH4排放量、農家肥用量、氮肥用量、運輸距離和稻米價格）對水稻食物系統碳足跡的結果均有影響，因此對各因素在±5%的變化率下進行敏感性分析（表4）。結果表明，各類水稻碳足跡對水稻產量的敏感度最高，均在-0.900 左右，對生育期和稻田CH4排放量的敏感度均大于0.300，并以晚秈稻的敏感度最為顯著，其敏感度大于0.700，這可能由于水稻產量直接影響水稻單位產量碳足跡水平，而稻田CH4排放是水稻食物系統最主要的排放源，生育期直接影響稻田CH4排放時間。各類水稻碳足跡對氮肥用量的敏感度在0.087－0.200 之間；種子用量、農家肥用量、運輸距離和稻米價格對各類水稻碳足跡的影響較小，敏感度均小于0.1。

表4 水稻碳足跡對食物系統不同參數的敏感性Table 4 Sensitivity of rice carbon footprint to different steps in the food system

3 討論和結論

3.1 中國水稻食物系統碳足跡

農業食物系統是包括食物生產土地占用、原材料加工儲運、食物生產過程、產后加工儲運和終端消費等環節的復雜系統，該系統碳足跡的評估應涉及盡可能多的排放環節。本研究利用國際權威機構發布的核算工具，基于LCA 法，立足水稻生產過程和產前生產資料準備環節，延長估算鏈到收獲后的倉儲、加工、包裝和運輸環節，綜合考慮了水稻食物系統的生產和供應屬性。我們的研究結果將有效彌補中國農業食物系統碳足跡數據的缺失，也為進一步探討減少水稻食物系統碳排放在保障糧食安全、提高資源利用、減少糧食浪費和降低環境負擔方面所起的作用提供良好的數據基礎。

本研究結果顯示，2018 年中國水稻食物系統碳足跡（從搖籃到銷售）為 (1.46±0.50) kg·kg-1和(6 300±1 823) kg·hm-2，這明顯高于 Yan et al.（2015a）、Fan et al.（2022）和Tian et al.（2021）的估算結果（表5）。Yan et al.（2015a）和Fan et al.（2022）僅估算了水稻生產上游（從搖籃到大門）的碳足跡，而我們的研究將核算邊界擴展到了銷售端，這是造成研究結果產生差異的原因之一。Tian et al.（2021）的研究不僅考慮了水稻生產上游直接和間接的碳排放，還計算了由于缺乏固碳措施導致的土壤碳的流失量和由于施用氮肥導致的土壤碳的固定量，這也是導致結果產生差異的重要原因。而與有相似系統邊界的研究相比，平均單位面積碳足跡低于Xu et al.（2017）的研究結果，而平均單位產量碳足跡在Xia et al.（2016）和Xu et al.（2017）報告的范圍內，這也證明了本研究結果的可靠性。就不同類型的水稻碳足跡進行比較，盡管我們得到的早秈稻、中秈稻、晚秈稻和粳稻碳足跡與Li et al.（2022）的結果略有差異，但四類水稻碳足跡的大小順序是一致的，即晚秈稻碳足跡最高，其次是中秈稻，粳稻碳足跡居第三，早秈稻碳足跡最低，這表明晚秈稻較其他水稻具有更大的減排潛力，減少晚秈稻碳足跡對實現水稻食物系統碳減排將更有效果。

表5 不同國家水稻食物系統碳足跡Table 5 Carbon footprint of rice food systems in different countries

除此之外，我們還匯總了主要水稻生產國的相關研究（表5），對比發現，當僅核算水稻生產上游的碳足跡時，中國水稻單位產量碳足跡可能低于發達國家日本甚至低于發展中國家泰國和印度，而單位面積碳足跡卻可能高于泰國和印度。這反映了中國水稻單產較泰國和印度高的本質。若將核算邊界擴展到水稻生產的下游，即包括水稻收獲后的倉儲、加工、包裝或運輸環節的單位產量碳足跡顯著低于意大利。雖然已有研究表明中國水稻碳足跡要高于日本（Xia et al.，2016），但該結論并沒有考慮邊界差異，如果在同一系統邊界內進行比較，中國水稻食物系統碳足跡是否高于日本和美國等國家還需要做進一步研究和闡述。這也證明了中國實現水稻食物系統低碳轉型和綠色發展的目標是非常有希望的。

3.2 水稻食物系統碳足跡結構組成

水稻食物系統在中國食物供給和國家糧食安全中占有舉足輕重的地位，該系統碳排放也是中國農業溫室氣體排放的重要組成部分。英國牛津大學數據聚合平臺Our world in data（https://ourworldindata.org/）數據表明，2021 年全球食物系統碳排放達179 億噸CO2eq，貢獻了全球碳排放的26%，這一數值處在IPCC 第六次評估報告給出的范圍內（21%－37%）（IPCC，2013），其中農業生產過程排放71 億噸CO2eq（作物生產貢獻27%，畜禽和魚類生產貢獻31%，供應鏈和消費鏈分別貢獻18%和12%）。另據Tubiello et al.（2022）的研究，2019 年中國食物系統碳足跡達19 億噸CO2eq，占全球食物系統碳排放的11.5%，其中“從農場到大門”階段的碳足跡為8 億噸CO2eq，而產前和生產后環節貢獻11 億噸CO2eq。

在本研究中，稻田CH4排放對水稻食物系統碳足跡的貢獻最大，平均占比為52.5%，這一比例顯著低于發達國家水平，如：意大利（68%）（Blengini et al.，2009）、美國（69%）（Brodt et al.，2014）和日本（75%）（Hokazono et al.，2012），甚至低于發展中國家印度（60%）（Nayak et al.，2022）（表5）。但該環節在晚秈稻中占比為71.5%，這一比例明顯高于意大利、美國和印度。這表明了未來持續監測稻田CH4排放量的必要性。通過優化水分管理和耕作方式減少稻田CH4排放是減少水稻食物系統碳足跡的關鍵。已有研究表明，稻田CH4排放對灌溉措施尤為敏感，合理灌溉管理（如間歇灌溉、季中排水、間歇灌溉頻繁排水、無水層濕潤間歇灌溉等）均可減少稻田CH4排放（Hou et al.，2012）。此外，秸稈還田等耕作措施也會影響稻田CH4排放，Yan et al.（2009）研究了秸稈還田和灌溉管理的交互效應，發現水旱輪作系統如果在非稻季秸稈還田，中國稻田CH4排放量會減少12.8%；如果將淹水稻田排干一次，則會減少中國15.6%的稻田CH4排放；如果兩種方案并行，稻田CH4排放可減少26.4%。Qin et al.（2023）的研究結果表明秸稈施用的時機對控制CH4排放起著關鍵作用，與鮮秸稈相比，休耕期施用秸稈對降低淹水稻田CH4排放非常有效；除還田時間之外，秸稈不同還田形式及其與耕作措施的不同組合也會對稻田CH4產生顯著影響（秦曉波等，2012，2014，2015；Qin et al.，2016）。

施肥是水稻食物系統碳足跡的第二大組份，平均占比為15.3%，這一水平高于意大利和日本，而低于美國和印度（表5）。就具體水稻類型來看，該組份在各類水稻中的占比為8.69%－20.0%，最大值與美國水平相當，而明顯低于印度。施肥在水稻食物系統碳足跡中占比較高主要源于中國較高的施氮量。有研究表明，在中國有三分之一的農戶在水稻種植中施氮量超過250 kg·hm-2（Huang et al.，2010）。水稻生產碳足跡和溫室氣體排放總量與施氮量呈正相關，增加施氮量可提高水稻產量，但施氮量超過225 kg·hm-2對水稻產量影響不大，甚至為負影響，225 kg·hm-2的施氮量被認為是實現水稻高產、減少溫室氣體排放和提高碳固存的最優施氮量（Jiang et al.，2019）。另有研究表示，如果減少20%化學氮肥的施用，全國水稻生產碳足跡可降低7.6%（Xia et al.，2016）。如果結合適當的作物品種、播期、種植密度和先進的養分管理技術，減少19%－25%的氮肥施用量，可使中國水稻、小麥和玉米產量提高13%－20%，并能減少37%－59%的碳足跡（Chen et al.，2014）。不過化肥施用對于稻田CH4排放的增減效果不一（Chen et al.，1993），具體的施肥方案還需要因地制宜。

產前、機械作業、收獲、倉儲、加工、包裝和運輸環節在水稻食物系統碳足跡中的占比也不容小覷，占比總和為19.8%－44.6%，其中產前、機械作業和收獲環節的占比較高。這也進一步證明了減少能源消耗，尤其是產前和產中的能源消耗，是減少水稻食物系統碳足跡的重要途經。Xia et al.（2016）研究也證明了這一結論，其結果顯示：中國水稻加工、運輸環節平均碳足跡為623 kg·hm-2，是田間生產過程碳足跡的8%，是農資生產過程的19%。因此，實現水稻食物系統碳減排應從產業鏈各環節減排、加快食品加工業低碳低耗發展、促進農業綠色發展、優化能源結構等方面入手，例如：在水稻生產中使用更節能的農用機械和更精確的施肥、灌溉措施，而在產后加大宣傳，提高消費者的環保意識，使用可降解包裝材料，避免過度包裝，使用清潔能源等。

此外，糧食損失和浪費造成的碳排放也是水稻食物系統碳足跡不容忽視的組成部分。糧食的損失主要與收獲、倉儲、加工、包裝過程的機械設備和農民行為有關，包裝袋的質量決定著商品在運輸和銷售過程的壽命，食物的浪費則主要是由人為因素造成的，尤其是在消費階段。據估計，全球糧食損失和浪費的碳足跡可高達33 億噸CO2eq，其中谷物貢獻了34%，其次是肉類和蔬菜（各21%）（FAO，2013）。中國為人類生產的食物總量中約有27%被損失和浪費掉（Xue et al.，2021），雖然這一比例低于美國（30%－40%）（US FDA，2019），但食物損失和浪費總量約占世界總量的四分之一（FAO，2011）。然而，目前中國對于該部分碳排放的研究往往被忽視，一方面是因為數據的缺失，另一方面是由于科學評估工具的缺乏，未來我們也將進一步完善該部分的研究。

3.3 水稻食物系統碳足跡地區和類型差異

中國4 類水稻主產區地理跨度大，覆蓋范圍廣，導致水稻食物系統碳足跡存在明顯的空間異質性（圖5）。由于早秈稻、中秈稻和晚秈稻主產區主要集中在南方，這三類水稻并沒有表現出明顯的空間分布規律，而粳稻主產區的空間跨度較大，表現出自北向南碳足跡增加的分布規律，這與王興等（2017）的研究結果相似，其研究得出：華中雙季稻稻作區（江蘇、湖南、浙江等）單位產量碳足跡均大于東北早熟單季稻稻作區（黑龍江、吉林、遼寧）。究其原因，這與南北方氣候和種植管理差異是分不開的。首先，氣候條件具有空間異質性（Tian et al.，2021），氣候條件、溫度模式和降水機制對土壤呼吸有直接影響，從而控制土壤溫室氣體排放（Zhang et al.，2014）。經度、緯度和土壤性質是影響水稻單位產量碳足跡變化的最重要因素（Tian et al.，2021），由于這些因素的影響，北方稻田CH4排放因子低于南方稻（Zhang et al.，2017）。此外，本研究的敏感性分析結果還顯示水稻食物系統碳足跡與水稻產量密切相關。Tian et al.（2021）的研究進一步說明了碳足跡與水稻產量之間的關系，其研究結果顯示：高單位產量碳足跡通常出現在作物產量低的地區，而低碳足跡則出現在集約生產地區。本研究也表現出了相似的分布規律，例如：黑龍江、湖南和江西是2018 年稻谷產量最高的3 個省份，這3 個省份在早秈稻、晚秈稻和粳稻中的碳足跡均低于全國平均水平，甚至低于其他各省，而產量低的浙江和福建在4 類水稻中均表現出高于全國平均水平或普遍高于其他各省的特點。還有研究分析得出，農場規模可能是導致水稻食物系統碳足跡產生地區差異的又一重要原因，例如：Tian et al.（2021）發現，集約化農業生產有助于減少溫室氣體排放，集約化農業意味著更完善的設施、新技術、充足的肥料和大規模的機械化生產，雖然投入多，但這些地區的水稻產量更高，以至于這些區域會得到較低的單位產量碳足跡。不過該結論并沒有得到一致的認可，Yan et al.（2015a）發現，小農場（＜0.5 hm2）的小麥和玉米碳足跡要高于大農場（≥0.5 hm2），但在水稻生產中并沒有觀察到差異。另一項研究表明，集約農場（≥3.33 hm2）的水稻碳足跡也高于家庭農場（＜3.33 hm2）（Yan et al.，2015b）。這可能是由于不同規模農場的氮肥利用效率和稻田CH4排放系數不同造成的。因此，相較于擴大水稻種植規模，根據當地的社會經濟和環境條件制定合理的農業管理措施才是水稻降碳減排的目標導向。

3.4 局限性和不確定性分析

數據的質量和部分數據的缺失是本研究最大的局限所在。本研究的數據來源主要是國家統計數據和文獻數據，雖然大部分數據反映了不同地區水稻的種植管理差異，但還有部分數據的地區代表性不強，尤其是在排放因子的選擇上，例如，我們只選擇了單一的種子、農藥和氮肥生產的排放因子，各機械設備耗電、耗能的排放因子僅能體現水稻生產各環節的差異，沒有準確體現地區差異，更詳細的排放因子無疑會降低估算的不確定性。其次，核算邊界的定義也可能會帶來不確定性，例如，本研究的系統邊界為“從搖籃到銷售”，由于后端消費數據的缺失和消費行為的復雜性，本研究暫未對其及之后的環節進行估算。此外，雖然本研究中使用的CF-Rice 估算工具已經在國際上特別是東南亞進行了推廣應用，估算過程也考慮了更多的環境與種植管理措施的影響，如：水分管理方式、稻田通氣方式、秸稈還田、有機肥施用和產后的糧食損失，但并未將土壤碳儲量的變化包含在內，未來還需要建立更完善的估算模型。

4 結論

2018 年中國水稻食物系統碳足跡（從搖籃到銷售）為 (1.46±0.50) kg·kg-1和 (6 300±1 823) kg·hm-2，并且晚秈稻碳足跡顯著大于其它類型水稻，但粳稻碳足跡空間變異性最大。水稻食物系統碳足跡的地區和類型差異主要與氣候條件、種植管理措施和排放因子有關。在各環節中，稻田CH4排放和施肥是水稻食物系統碳足跡的主要貢獻者，總計占各類水稻碳足跡的55.4%－80.2%。因此，減少水稻食物系統碳排放應從控制稻田CH4排放，優化水肥管理，減少能源消耗及糧食損失和浪費入手，統籌考慮不同地區的社會經濟和環境條件限制定適合的降碳減排措施，從而實現水稻食物系統的低碳轉型和綠色發展。