黃土高原四種作物生產的溫室氣體排放比較

摘要：為探究糧食作物和飼草作物生產在溫室氣體排放方面的差異，識別潛在的減排熱點，本研究基于2018—2021年在甘肅和寧夏獲得的738份有效農戶問卷調查數據，以小麥、玉米、苜蓿和飼用玉米四種作物為研究對象，使用生命周期評價的方法評估溫室氣體（CO2當量）排放量。結果表明，研究區域每公頃的小麥、玉米、苜蓿、飼用玉米干物質產出分別為：6.45，16.81，6.28，17.05 t；蛋白質產出分別為：0.52，1.08，0.79，1.22 t。四種作物的溫室氣體排放量分別為：3.89，5.14，1.12，4.34 t·hm-2；但在每噸干物質和蛋白質產出基準下，苜蓿與飼用玉米均顯示較低的排放強度，其中苜蓿的優勢更為顯著。敏感度分析表明，化肥和農機使用對排放結果的敏感度平均達到75.29%和11.51%。因此，建議研究區域使用優質飼草作物替代糧食作物支撐草食畜牧業，同時加強作物的田間施肥管理和提高機械使用效率，能有效地減少草食畜牧業在飼料生產端的溫室氣體排放量。

關鍵詞：飼料作物；溫室氣體；生命周期評價；糧改飼

中圖分類號：F062.2 文獻標識碼：A 文章編號：1007-0435（2023）08-2425-11

Comparison of Greenhouse Gas Emissions of Four Type of Crops on the Loess Plateau

LUO Yu-ting， XU Gang*， REN Ji-zhou， CHANG Sheng-hua， YU Chun-xiao

（College of Pastoral Agriculture Science and Technology， Lanzhou University; State Key Laboratory of Herbage Improvement and

Grassland Agro-ecosystems; Key Laboratory of Grassland Livestock Industry Innovation Ministry of Agriculture and Rural Affairs，

Lanzhou， Gansu Province 730020， China）

Abstract：This study aims to delineate the disparities in greenhouse gas （GHG） emissions from the cultivation of food and forage crops，and to pinpoint significant emission sources. Drawing on 738 valid household questionnaire surveys executed in Gansu and Ningxia from 2018 to 2021，the GHG emissions from four principal crops （wheat，maize，alfalfa，and forage maize） were assessed using the Life Cycle Assessment method. The research revealed that the per-hectare dry matter yields of wheat，maize，alfalfa，and forage maize were 6.45，16.81，6.28，and 17.05 tons，respectively;while the per-hectare crude protein yields were 0.52，1.08，0.79，and 1.22 tons，respectively. Besides，the GHG emissions per hectare of wheat，maize，alfalfa，and forage maize were 3.89，5.14，1.12，and 4.34 tons of CO2 equivalent，respectively. With dry matter and crude protein as functional units，forage crops，especially alfalfa，demonstrated lower emissions. Sensitivity analysis revealed that fertilizers and agricultural machinery were the primary contributors to GHG emissions，collectively representing an average of 75.29% and 11.51%，respectively. Hence，we propose substituting food crops with forage crops to facilitate herbivorous animal husbandry in the study area. Implementing improved crop fertilization management and increasing mechanical efficiency can significantly contribute to GHG mitigation in herbivorous animal husbandry.

Key words：Forage crop;Greenhouse gases;Life cycle assessment;Cereal shift to forage production

氣候變化對生態環境和社會經濟產生了巨大影響，這與人類活動造成的溫室氣體排放密切相關［1］。2020年，中國提出爭取2060年前實現碳中和，這使得碳減排任務更為緊迫［2］。據聯合國糧農組織（FAO）報告顯示，2020年全球農業系統的溫室氣體排放為160億噸（CO2-eq），自2000年以來增加了9%，約占人為排放總量的三分之一。不同作物種植系統在農資投入和生產管理等方面具有較大差異，導致不同種植系統的溫室氣體排放量狀況不同。在相同土地面積情況下選擇不同的種植結構，其土地利用變化會影響農業系統溫室氣體排放的整體變化［3-4］。因此農業部門應當重視作物種植結構，如果在相同的產出下具有不同的溫室氣體排放，應當將作物結構調整作為減排的措施之一。

當前我國草食畜牧業生產正在向專業化轉型，2020年國務院辦公廳提出要推進飼用玉米、苜蓿等緊缺飼草種植，同時調整優化飼料配方結構，促進玉米、豆粕減量替代［5］。“糧改飼”政策的實施意味著更多的土地將被用于飼草種植，這會帶來潛在的環境影響變化［6-7］。然而國內目前的研究大多集中于單一糧食作物的溫室氣體排放量核算［8-10］和不同種植模式的溫室氣體排放對比［11-12］，對于飼草作物和糧食作物生產的溫室氣體排放差異的研究還較少［13-14］，特別是不同種類作物生產的溫室氣體排放狀況如何？在相同的產出基準下飼草作物相對于糧食作物有無減排潛力？這是目前種植業結構調整需要關注的科學問題。

生命周期評價（Life cycle assessment，LCA）是目前用于溫室氣體核算的主流方法，它將一個產品從資源開采、制造、運輸、使用與廢棄全生命周期的溫室氣體排放進行匯總、加權，最終得到基于二氧化碳當量（CO2-eq）的結果值［15-16］。LCA被廣泛用于農作物的碳足跡研究，Bacenetti等［17］采用LCA方法比較了有灌溉和無灌溉兩種模式下苜蓿干草生產環境影響。王上等［18］定量評估了春綠豆-夏玉米模式與冬小麥-夏玉米模式的碳足跡，劉松等［19］探究了施肥與灌溉對甘肅省苜蓿碳足跡的影響。因此，本研究將采用LCA的方法，核算黃土高原地區關鍵飼料作物的全生命周期溫室氣體排放，識別潛在的溫室氣體排放熱點并尋求清潔生產的改進措施，從而為當地種植結構調整及我國飼料生產的低碳發展提供科學參考。

1 材料與方法

1.1 研究區域概況及數據來源

本文選取了小麥、玉米、苜蓿和飼用玉米4種作物為研究材料，在區域為甘肅和寧夏兩省（自治區）的黃土高原雨養農區開展調研（圖1）。研究區域為大陸季風氣候尾部，大多干旱少雨并且日照豐富，年降水量平均約為270～573 mm，年平均氣溫介于6.7℃～9.0℃，地形破碎，山、川、塬兼有，生態環境脆弱。草食畜牧業是該地區的特色優勢產業之一，飼料作物資源較為豐富［20-21］。此外，據國家統計數據顯示，2020年兩省的玉米和小麥種植總面積占兩省糧食作物種植總面積的39.90%和24.16%，苜蓿和飼用玉米種植總面積分別占兩省人工種草面積的52.23%和16.34%［22］。

為了保證問卷的數據質量并反映研究區農戶四種作物生產投入產出的實際狀況，研究采用訪問問卷調查的方式，進行非介入性研究，向農戶獲取產量、農資投入、農機使用和灌溉等情況。為了避免數據的年度波動，向農戶詢問2018—2021年的情況，最終取均值。由于作物生產的空間差異性較大，為了使調查樣本具有典型代表性，研究采用分層隨機抽樣的方法，并將市級地域作為分層的依據，末端結合隨機抽樣，向兩省八市的農戶進行問卷調查。由于農戶的種植結構不同，最終獲取的小麥、玉米、苜蓿和飼用玉米有效樣本分別為274，378，59和27份。而在研究對象的區分方面，由于目前研究區種植的玉米多為糧飼兼用型，在蠟熟期整株帶穗收獲與青貯，則被認定為飼用玉米，其他則為籽粒玉米。

1.2 溫室氣體排放量核算方法

本研究按照ISO對LCA的步驟定義，對小麥、玉米、苜蓿及飼用玉米四種作物生產過程中的溫室氣體排放進行評估。

1.2.1 系統邊界 系統邊界明確了需要被納入溫室氣體排放核算范圍的生產過程［23-24］。如圖2所示，本研究的系統邊界包括了從原料生產到農戶作物生產所涉及的相關過程，主要包括：原材料（種子、肥料、殺蟲劑、化石燃料、灌溉水、地膜和電力）的生產、包裝中的溫室氣體排放；生長季節內田間作業（耕作、播種、灌溉、施肥、病蟲害防治等）的溫室氣體排放；收獲環節的機械溫室氣體排放（收割、脫粒或割草、制作干草或青貯等）；副產物（秸稈等）處理。此外，還包括了各個階段運輸過程溫室氣體排放，如原材料從產地運輸到農戶及農產品的運輸。但如農房、農業機械、道路等基礎設施的制造和使用，以及勞動力投入等過程未包含在評價范圍內。

1.2.2 功能單位 由于農業活動主要圍繞土地展開，為確保統計結果的準確性，初始的功能單位設定為1 hm2。所有的投入產出、污染物排放清單均以1 hm2計。同時在調查問卷中統計了單位面積產出，以進行功能單位的換算，用于不同情景的結果展示。

由于相同質量的四種作物產品功能有較大差異，不具有可比性。而干物質、蛋白質和能量含量是評估農產品功能更為基礎的指標［25-27］，同時考慮到單位產品的能量含量因家畜種類的消化率不同而有異。為了進一步綜合比較產出與溫室氣體排放的關系，故選取單位干物質和粗蛋白作為具體功能單位，計算公式為：

EFDM=EFarea/DMi

EFCP=EFarea/CPi

式中：EFDM、EFCP分別為以干物質單位（t）和粗蛋白單位（t）表示的溫室氣體排放結果，EFarea表示相關產品以單位面積為功能單位的溫室氣體排放結果。DMi和CPi分別表示每公頃谷物、秸稈或飼草的干物質和粗蛋白產量。每單位作物的干物質和粗蛋白含量來自于中國飼料數據庫中甘肅寧夏平均數據。

1.2.3 清單分析 本研究LCA使用的數據分為實景數據與背景數據。實景數據來源于問卷調研，主要包括產量、各項農資投入、運輸距離、廢棄物處置方式等，具體數據見表1。苜蓿為多年生作物，農資投入集中在生產初期，第一年投入和產出與維持年份有很大差異，因此多年平均數據是根據當地環境條件的苜蓿平均預期壽命（6～8年）計算得出的。苜蓿投入數據計算公式如下：

式中IO表示單個農戶或企業平均每年一公頃苜蓿的平均投入和產出；IOf是每個農場第一年的苜蓿總投入和產出；IOm是每個農場在維持年份的苜蓿總投入和產出；m是其預期生產的年數；a為各抽樣農場的苜蓿種植面積。

為了更準確地反映國內農資生產的實際情況，肥料（氮、磷、鉀、復合肥、有機肥）、燃油、農藥、電力等大宗原材料、能源、化學品，以及其上游資源開采、制造、運輸和廢棄物處置等背景數據，來自中國生命周期參考數據庫［28］，部分重要過程的排放系數來自于文獻（表2）。

1.2.4 溫室氣體當量核算 最終溫室氣體排放量用如下公式計算：

其中，EFarea表示每公頃作物生產過程中的溫室氣體排放總量，EFinput表示每公頃作物生產過程中各種農資生產和使用產生的二氧化碳排放量；EFN2O和EFCH4分別為每公頃化肥施用后產生的N2O和CH4的二氧化碳排放當量。其中EFinput的計算公式如下：

式中：Si為種子投入量（kg），efS為1 kg種子生產的二氧化碳排放系數；Feij是第j種肥料的施用量（包括氮、磷、鉀、復合肥和有機肥，kg），efFe為1 kg肥料生產與田間施用的二氧化碳排放系數；Pi是農藥的使用量（kg），efP是1 kg農藥生產的二氧化碳排放系數；Fii是農用薄膜的用量（kg）；efFi為1 kg農膜生產的二氧化碳排放系數；Ei是用于灌溉的電力或水消耗量（kWh或t），efE為1 kWh灌溉用電量或1 t灌溉用水生產的二氧化碳排放系數；M和T分別是農用機械和運輸機械在生產和使用過程中的柴油消耗量，efM和efT是每kg燃油生產和在使用中的二氧化碳排放系數。

研究采用IPCC 2013的100年全球變暖潛勢換算系數，以CO2當量（CO2-eq）來表示溫室氣體排放總量。N2O和CH4是因使用化肥而產生的重要溫室氣體，其計算使用如下公式：

EN2O為N2O的排放量；ECH4為CH4的排放量；298和25分別是全球變暖潛勢中N2O和CH4的二氧化碳當量。

1.2.5 主副產品的溫室氣體分配 目前對農作物的籽粒與秸稈等主、副產品溫室氣體排放量多使用質量或經濟價值原則進行分配。經濟價值分配法更能體現農業生產活動的目的，本研究采用經濟價值分配原則。玉米和小麥的分配系數計算公式為：

式中，Wg為谷物顆粒的分配系數，WS為谷物秸稈的分配系數；Pg為谷物顆粒價格，Yg為谷物顆粒產量；Ps為谷物秸稈價格，Ys為谷物秸稈產量。根據調研結果，小麥和玉米草谷比分別為1.2∶1和1.1∶1，小麥、小麥秸稈、玉米、玉米秸稈的每千克價格來自2018—2021年調研平均數據，分別為2.4，0.75，2.6和0.55元。計算得到的分配系數分別為：0.74與0.26，0.80與0.20。

1.2.6 溫室氣體排放結果的敏感度分析和不確定度分析 敏感度分析和不確定度分析是生命周期結果的重要維度［35-36］，有助于增加溫室氣體排放結果的應用性并為降低未來研究結果的不確定性提供參考。

（1）敏感度分析

敏感度分析清單數據I對溫室氣體排放總量Y的靈敏度，即清單數據單位變化率引起的指標變化率。使用如下公式計算：

Sn=ΔY/Y/ΔIn/In

Y為溫室氣體排放總量，In為第n種過程清單數據值（或原始數據值）。當In變化時，Y也相應地變化，Sn為In對Y的敏感度。

（2）不確定度分析

研究使用黃娜等［37］為eFootprint在線系統開發的溫室氣體排放結果不確定性分析方法。第一步是從數據可靠性、樣本代表性、技術代表性、時間代表性與地理代表性五個方面，用譜系矩陣方法評價單元過程的數據質量。使用如下公式計算：

其中Sf是每個單元過程中清單數據的不確定度，Si是I單元過程數據五個維度的不確定度，Sb是單元過程中清單數據的基本不確定度。

在對各單元過程的清單數據質量進行評估后，進一步采用Heijungs［38］提出的泰勒級數展開法分析不確定度在溫室氣體排放量結果中的傳播。最終的結果不確定度由下式計算。

式中，V（…）表示括號內變量的方差，a為技術向量，b為全球變暖潛勢基準流向量，g為清單分析結果，h為特征化結果，q為特征化向量，i表示第i個經濟流，j表示第j個過程。

1.3 數據處理

本研究使用Excel 2019和SPSS 26.0進行數據整理與分析。由于數據間未通過方差齊性檢驗，所以采用Welch’s Anova探究四種作物之間的溫室氣體排放和營養物質產出差異，并使用Games-Howell test來對各處理進行兩兩間比較（顯著性水平P=0.05）。圖形使用的是Rstudio的ggplot2包進行繪制。圖表中數據為平均值±標準差。

2 結果與分析

2.1 溫室氣體排放結果

2.1.1 每單位面積的溫室氣體排放量對比 本研究對調研所得單個農戶數據分別進行建模，共建立了738個LCA模型。以1 hm2土地面積為功能單位，四種作物生產的平均溫室氣體排放量（kg·hm-2 CO2-eq）差異顯著（Plt;0.05，圖3）。從大到小依次為：玉米5 142.96、飼用玉米4 342.09、小麥3 891.22和苜蓿1 118.86。飼用玉米和玉米的種植模式非常相似，但飼用玉米收割期提前、生產投入更低，因此飼用玉米的排放量略低于玉米。苜蓿為多年生飼草且兼具生物固氮功能，生產過程中氮肥的節省和現場作業的減少大大降低溫室氣體排放，其溫室氣體排放量顯著低于其他三種作物，僅為玉米的五分之一左右。

除了作物類別之間的差異，同一種作物不同農戶之間的溫室氣體排放量也存在不同。單個農戶生產的溫室氣體排放情況如圖4所示，小麥、苜蓿和飼用玉米的溫室氣體排放結果分布較為集中，顯示農戶間的結果差異小。而玉米的溫室氣體排放結果較為分散且異常值多，表明農戶之間生產投入差異大。

2.1.2 每單位產出的溫室氣體排放量對比 研究發現飼料作物普遍具有更高的產出性能，而且可以全株利用。相同的土地面積下（1 hm2）四種作物的產出情況差異顯著（Plt;0.05），如表3所示。飼用玉米的平均干物質產量為17.05 t，顯著高于其他作物（Plt;0.05）；玉米籽粒和苜蓿的產量相近，均在6～8 t之間；小麥籽粒的產量最低，僅為3 t左右。主產品單位面積的蛋白質產出從大到小依次為：飼用玉米、苜蓿、玉米籽粒、小麥籽粒，其中飼用玉米和苜蓿蛋白質產出分別為小麥籽粒的3.01和1.93倍。

飼草作物與糧食作物主產品相比，在相同產出功能單位時具有更低的溫室氣體排放，單位產出溫室氣體排放情況如圖5所示。當以1 t干物質為功能單位時，四種飼料作物的主產品EFDM（kg·t-1 CO2-eq）從高到低分別為：小麥1 161.08、玉米617.85、飼用玉米295.45和苜蓿210.01。當以1t粗蛋白為功能單位時，主產品的EFCP（kg·t-1 CO2-eq）從高到低分別為：小麥8 549.91、玉米7 318.80、飼用玉米4 115.93和苜蓿1676.03。

2.2 敏感度分析結果

本研究使用所有農戶投入產出的平均值進行敏感度分析，結果如圖6所示。對于四種作物而言，各種化學肥料的生產及使用在清單敏感度貢獻中均顯示最大，小麥、玉米、苜蓿和飼用玉米的貢獻率分別達到80.33%，74.15%，77.90%和68.77%。化學肥料中又以氮肥和復合肥的占比最大，平均占總排放量的66.28%，與已有研究結果較為一致［39］。一方面主要是農戶對這兩種肥料的用量普遍較高，另一方面是生產單位質量磷肥和鉀肥的溫室氣體排放量遠低于氮肥和復合肥，且氮肥田間排放的N2O溫室效應為CO2的265倍［19］。

農機使用造成的燃油消耗在小麥、苜蓿和飼用玉米生產中為第二大排放熱點，在清單敏感度中分別占比9.03%，14.20%，15.26%；在玉米生產中敏感度貢獻率為7.57%，為第三大排放熱點。調研區域內苜蓿均為雨養種植，部分農戶在其余三種作物生長期內會根據種植地水源條件進行灌溉。灌溉水電為玉米生產溫室氣體排放的第二大排放源，占總排放的9.98%；在小麥和飼用玉米生產的貢獻率分別為4.39%和5.26%。此外，為了提高產量，農戶在玉米和飼用玉米生產過程中會使用農膜，在兩種作物生產中排放貢獻率高達6.93%和8.38%。

2.3 不確定度分析結果

小麥、玉米、苜蓿和飼用玉米四種作物的溫室氣體排放結果不確定度如表4所示，分別為6.97%，6.91%，12.44%，6.42%。評估結果表明不確定度較低，這主要得益于清單數據在數據可靠性、樣本代表性、技術代表性、時間代表性與地理代表性五個維度上的良好表現。如表5所示，溫室氣體排放結果不確定度貢獻率大于1%的來源較為集中。貢獻主要來自于復合肥和氮肥生產的背景數據，同時由于N2O的排放量主要由文獻調查獲得而不是實驗測量，這也增加了最終結果的不確定度。因此，后續可以通過基于研究區實驗的方法獲得溫室氣體排放因子，進一步減少溫室氣體排放結果的不確定性。

3 討論

3.1 擴大飼草種植能減少畜牧業全生命周期的溫室氣體排放

隨著經濟快速增長，我國居民食物消費結構呈現動物類食物消費比重快速上升的趨勢，其中草食畜產品的消費量也不斷增長［40］。2022年我國牛羊肉和牛奶產量分別為718，525和3 932萬噸，相比于2010年增加近14.14%，29.30%和29.39%，由于草食畜產品在生產過程中溫室氣體排放強度相對較高［41］，畜牧業將面臨著巨大的減排壓力。據FAO報告顯示，反芻家畜養殖業的溫室氣體排放中飼料生產階段的溫室氣體排放占總排放的20%以上［42］，是繼腸道發酵的第二大排放源，飼料生產可以作為畜牧業溫室氣體未來的減排重點之一。

糧食作物和飼草作物作為重要的飼料來源，其產出效益和環境影響一直備受關注。多項研究表明，飼草種植系統具有低投入高產出的生產特點，使得其與糧食作物相比在多數環境影響方面具有良好表現［43-44］。例如苜蓿和飼用玉米在不同功能單位下，相較于小麥、玉米的溫室氣體排放強度更低［13-14，45-46］，這與本研究的結果一致。此外，玉米和小麥作為繼水稻之后我國農業溫室氣體排放總量貢獻最大的作物系統［47-48］，其秸稈副產品被露天焚燒、堆放自然腐解等會產生大量CH4和N2O等溫室氣體［49］。而飼草作物可以全株利用，能夠避免秸稈處理帶來的空氣污染問題，在產出、生物質資源利用和污染防控等方面都具有一定優勢。

反芻動物能夠將人類不可食用的生物質資源轉化為高質量的畜產品，雖然在飼養階段的轉化效率較低，但從系統的角度核算，發展草食畜牧業仍然具備溫室氣體減排的潛力。相關研究就表明，將全球12%的畜產品生產從單胃家畜轉向反芻家畜，由于土地利用變化和耕地需求減少，可以降低全球約2%的氮排放和5%的溫室氣體排放［50］。目前我國優質飼草等飼料供給不足而秸稈等資源供過于求，牛羊肉飼養過程采用傳統“精料＋秸稈”的飼料結構仍較普遍［51-52］。因此應當調整種植業結構，以優質飼草代替飼用的糧食作物，既能減輕對糧食安全的壓力、推動畜牧業高質量發展，也能從系統層面減少溫室氣體的排放。

3.2 研究區四種作物生產溫室氣體減排的改進熱點

3.2.1 加強田間施肥管理 依據敏感度分析結果，未來可將科學施肥作為減排的重點。西北雨養旱作區存在土壤有機質含量低、保水保肥能力差等問題，應當依據土壤肥力和墑情狀況確定肥料用量。農業農村部對相關作物施肥建議如下：小麥推薦復合肥用量約562.5 kg·hm-2，農家肥約為37 500 kg·hm-2，尿素60 kg·hm-2；玉米推薦復合肥用量約397.5 kg·hm-2，尿素210 kg·hm-2；飼用玉米復合肥用量約562.5 kg·hm-2，追施尿素262.5 kg·hm-2；建議苜蓿底肥施有機肥60 000 kg·hm-2，復合肥187.5 kg·hm-2，追施尿素337.5 kg·hm-2。本研究中小麥、玉米、飼用玉米的化肥用量平均高達1 023.14，1 216.23和970.00 kg·hm-2，有機肥使用量分別為7 869.58，10 664.06，39 547.22 kg·hm-2，超過了實際需要。

假設四種作物的產量和其他生產投入不發生變化，根據農業農村部的科學施肥指導意見建立均值模型。小麥、玉米、飼用玉米溫室氣體排放總量每公頃預計分別減少23.14%，33.57%和3.90%。研究區域中，農戶生產苜蓿的化肥、農家肥用量低于推薦標準，分別為294.92 kg·hm-2和3 559.32 kg·hm-2。苜蓿生產增施肥料的情景下每公頃溫室氣體排放量大約增加85.83%，但可能會帶來產量的提升，當以干物質和粗蛋白為功能單位來衡量溫室氣體排放時，可能會產生正的效益。盲目追求產量導致農業生產普遍存在過量施氮現象，2021年我國農用氮肥施用量高達1 745.32萬噸。然而氮肥作為重要的溫室氣體排放源，在施用時應當綜合考慮作物生產性能及N2O排放［53-54］。綜上所述，為了減少作物生產的溫室氣體排放，黃土高原地區應當對農戶生產進行科學施肥指導，避免農戶依靠經驗造成過量施肥。

3.2.2 提高能源使用效率 農機使用是本研究溫室氣體減排的第二大熱點。我國是農業生產大國，為了提高生產效率和減輕勞動力短缺壓力，農業機械水平的正在快速提升［55-56］。由于柴油機動力性強、熱效率高且經濟性好，95%以上的農業機械使用柴油機作為主要動力源，但其固有的燃燒方式導致氮氧化物（NOX）、碳氫化合物（HC）和顆粒物（PM）排放顯著，造成了不可忽視的環境問題［56-58］。中國目前實施的農業機械排放標準已處于第四階段，但排放限值與美國和歐盟現行排放標準相比較為寬松，導致我國農機使用在作物生產過程中溫室氣體排放的貢獻率更高。

農業機械溫室氣體排放控制應從多方面落實。一方面，可以通過科學技術減少農機溫室氣體排放。例如推廣使用清潔能源替代傳統柴油燃料可以在田間作業中減少溫室氣體排放［59-61］。應用柴油添加劑可以促進柴油充分燃燒和提高發動機做功效率，能夠有效降低污染物排放并節約燃油使用［62］。此外，尾氣處理技術如DOC氧化型催化轉化器、NPAC低溫等離子體催化技術和SCR選擇性催化還原技術，可以將尾氣中的HC，CO和NOX等轉化成CO2，H2O和N2［63-65］。另一方面，農業機械使用普遍存在老舊機械失修導致油耗過大、土地分散使得大型農機轉場成本升高以及缺少熟練的農機操作人員等問題［58，66］。針對這些問題，要健全農機維修制度，做好農機日常維護；發展規模化、集約化農業以提高農機使用效率；對農民進行農機操作技能培訓、增強節能意識。最后，政府部門應當增加農機購置補貼資金，加強農業機械排氣污染狀況的檢測。

4 結論

黃土高原地區小麥、玉米、苜蓿、飼用玉米四種作物生產全生命周期的溫室氣體排放量存在顯著差異，且都來自于化肥的生產和機械的燃油消耗。同時在相同的產出下，飼用玉米和苜蓿的排放強度要小于玉米和小麥。因此，在研究區域內，四種作物生產的溫室氣體減排，應重視化肥的科學使用和能源使用效率的提高。在草食家畜的日糧結構中，也應使用飼草作物替代糧食作物。

參考文獻

［1］AL-GHUSSAIN L. Global warming：Review on driving forces and mitigation［J］. Environmental Progress and Sustainable Energy，2019，38（1）：13-21

［2］CHEN B Z，CHEN F H，CIAIS P，et al. Challenges to achieve carbon neutrality of China by 2060：status and perspectives［J］. Science Bulletin，2022，67（20）：2030-2035

［3］CRIPPA M，SOLAZZO E，GUIZZARDI D，et al. Food systems are responsible for a third of global anthropogenic GHG emissions［J］. Nature Food，2021，2（3）：198-209

［4］LIU Y，TANG H Y，MUHAMMAD A，et al. Emission mechanism and reduction countermeasures of agricultural greenhouse gases-A review［J］. Greenhouse Gases-Science and Technology，2019，9（2）：160-174

［5］國務院辦公廳關于促進畜牧業高質量發展的意見［J］. 畜牧產業，2020（11）：7-10

［6］KOELLNER T，DE-BAAN L，BECK T，et al. UNEP-SETAC guideline on global land use impact assessment on biodiversity and ecosystem services in LCA［J］. International Journal of Life Cycle Assessment，2013，18（6）：1188-1202

［7］NOCENTINI A，MONTI A. Land-use change from poplar to switchgrass and giant reed increases soil organic carbon［J］. Agronomy for Sustainable Development，2017（37）：23

［8］王興，趙鑫，王鈺喬，等. 中國水稻生產的碳足跡分析［J］. 資源科學，2017，39（4）：713-722

［9］薛建福，李慧，高志強，等. 基于生命周期法評價山西省2004—2013年小麥碳足跡動態及其構成解析［J］. 中國農業大學學報，2017，22（10）：15-25

［10］丁佳瑩，董黎明，劉巖峰，等. 生命周期評價在玉米種植及深加工產品中的應用［J］. 中國環境科學，2021，41（11）：5405-5415

［11］姜振輝，楊旭，劉益珍，等. 春玉米-晚稻與早稻-晚稻種植模式碳足跡比較［J］. 生態學報，2019，39（21）：8091-8099

［12］李如楠，李玉娥，王斌，等. 雙季稻減排增收的水氮優化管理模式篩選［J］. 農業工程學報，2020，36（21）：105-113

［13］劉松，王效琴，崔利利，等. 關中平原飼料作物生產的碳足跡及影響因素研究［J］. 環境科學學報，2017，37 （3）：1201-1208

［14］周舒怡，楊瀟，馮盼盼，等. 隴東黃土高原旱作主要糧食和飼草生產碳足跡核算［J］. 中國草地學報，2022，44（6）：11-17

［15］ROY P，NEI D，ORIKASA T，et al. A review of life cycle assessment （LCA） on some food products［J］. Journal of Food Engineering，2009，90（1）：1-10

［16］胥剛，羅丹琦，郭曉平，等. 生命周期評價在農業環境管理中的進展與挑戰［J］. 環境科學與管理，2021，46（6）：10-13

［17］BACENETTI J，LOVARELLI D，TEDESCO D，et al. Environmental impact assessment of alfalfa （Medicago sativa L.） hay production［J］. Science of the Total Environment，2018，635：551-558

［18］王上，李康利，聶江文，等. 華北平原春綠豆-夏玉米種植模式經濟效益和碳足跡評價［J］. 中國生態農業學報，2020，28（6）：910-919

［19］劉松，王效琴，胡繼平，等. 施肥與灌溉對甘肅省苜蓿碳足跡的影響［J］. 中國農業科學，2018，51（3）：556-565

［20］王貝貝，肖海峰. 中國畜牧業產業結構和競爭力的區域分析——基于偏離—份額分析空間模型［J］. 中國農業資源與區劃，2021，42（5）：142-148

［21］陳艷，馬愛玲，王建平. 甘肅省草食畜牧業可持續發展評［J］. 國土與自然資源研究，2022（6）：81-84

［22］農業農村部畜牧獸醫局全國畜牧總站. 中國草業統計［M］. 北京：中國農業出版社，2022：49-111

［23］BASSET-MENS C，RHINO B，NDEREYIMANA A，et al. Eco-efficiency of tomato from Rwamagana district in Rwanda：From field constraints to statistical significance［J］. Journal of Cleaner Production，2019，229：420-430

［24］LIANG L，WANG Y C，RIDOUTT B G，et al. Agricultural subsidies assessment of cropping system from environmental and economic perspectives in North China based on LCA［J］. Ecological Indicators，2019，96：351-360

［25］孟慶翔，周振明，吳浩，譯. 肉牛營養需要［M］.北京：科學出版社，2018：355-385

［26］FRANCES S S，WHITNEY E. Nutrition：Concepts and controversies 15th edition［M］. Boston：Cengage Learning，2019，ISBN：1337906379

［27］GUYADER J，JANZEN H H，KROEBEL R，et al. Forage use to improve environmental sustainability of ruminant production［J］. Journal of Animal Science，2016，94（8）：3147-3158

［28］劉夏璐，王洪濤，陳建，等. 中國生命周期參考數據庫的建立方法與基礎模型［J］. 環境科學學報，2010，30 （10）：2136-2144

［29］付明亮，丁焰，尹航，等. 實際作業工況下農用拖拉機的排放特性［J］. 農業工程學報，2013，29（6）：42-48

［30］葛蘊珊，劉紅坤，丁焰，等. 聯合收割機排放和油耗特性的試驗研究［J］. 農業工程學報，2013，29（19）：41-47

［31］IFA and FAO. Global estimates of Gaseous emissions of NH3，NO and N2O from agricultural land［R］. Italy：Rome，2001，ISBN：9251046891

［32］MA R Y，ZOU J W，HAN Z Q，et al. Global soil-derived ammonia emissions from agricultural nitrogen fertilizer application：a refinement based on regional and crop-specific emission factors［J］. Global Change Biology，2021，27（4）：855-867

［33］環境保護部. 生物質燃燒源大氣污染物排放清單編制技術指南（試行）［EB/OL］. https：//www.mee.gov.cn/gkml/hbb/bgth/201407/W020140708387895480083.pdf，2014-12-31/2023-07-06

［34］曹國良，張小曳，王亞強，等. 中國區域農田秸稈露天焚燒排放量的估算［J］. 科學通報，2007（15）：1826-1831

［35］蔣榕，徐強，李京詠，等. 稻蝦共作模式碳足跡評價的敏感性和不確定性分析［J］. 中國生態農業學報，2022，30（10）：1577-1587

［36］NOTARNICOLA B，SALA S，ANTON A，et al. The role of life cycle assessment in supporting sustainable agri-food systems：A review of the challenges［J］. Journal of Cleaner Production，2017，140：399-409

［37］黃娜，王洪濤，范辭冬，等. 基于不確定度和敏感度分析的LCA數據質量評估與控制方法［J］. 環境科學學報，2012，32（6）：1529-1536

［38］HEIJUNGS R. Sensitivity coefficients for matrix-based LCA［J］. International Journal of Life Cycle Assessment，2010，15（5）：511-520

［39］FANTIN V，RIGHI S，RONDINI I，et al. Environmental assessment of wheat and maize production in an Italian farmers′ cooperative［J］. Journal of Cleaner Production，2017，140：631-643

［40］周應恒，王善高，嚴斌劍. 中國食物系統的結構、演化與展望［J］. 農業經濟問題，2022，505（1）：100-113

［41］XU X M，LAN Y. A comparative study on carbon footprints between plant- and animal-based foods in China［J］. Journal of Cleaner Production，2016，112：2581-2592

［42］FAO. Five practical actions towards low-carbon livestock［R］. Italy：Rome，2019：23-25

［43］ZUCALI M，BACENETTI J，TAMBURINI A，et al. Environmental impact assessment of different cropping systems of home-grown feed for milk production［J］. Journal of Cleaner Production，2018，172：3734-3746

［44］FATHOLLAHI H，MOUSAVI-AVVAL S H，AKRAM A，et al. Comparative energy，economic and environmental analyses of forage production systems for dairy farming［J］. Journal of Cleaner Production，2018，182：852-862

［45］ADOM F，MAES A，WORKMAN C，et al. Regional carbon footprint analysis of dairy feeds for milk production in the USA［J］. International Journal of Life Cycle Assessment，2012，17（5）：520-534

［46］胥剛，王進賢，林慧龍，等. 基于生命周期評價的相同食物當量玉米與紫花苜蓿生產環境影響比較研究［J］.草業學報，2017，26（3）：33-43

［47］TIAN P P，LU H W，HEIJUNGS R，et al. Patterns of carbon footprints of main grains production in China：A comparison between main and non-main producing areas［J］. Environmental Science and Pollution Research，2022，29（16）：23595-23606

［48］CHEN X H，MA C C，ZHOU H M，et al. Identifying the main crops and key factors determining the carbon footprint of crop production in China，2001-2018［J］. Resources Conservation and Recycling，2021，172：105661

［49］楊傳文，邢帆，朱建春，等. 中國秸稈資源的時空分布、利用現狀與碳減排潛力［J］. 環境科學，2023，44（2）：1149-1162

［50］CHENG L X，ZHANG X M，REIS S，et al. A 12% switch from monogastric to ruminant livestock production can reduce emissions and boost crop production for 525 million people［J］. Nature Food，2023，3（12）：1040-1051

［51］任繼周，李發弟，曹建民，等. 我國牛羊肉產業的發展現狀、挑戰與出路［J］. 中國工程科學，2019，21（5）：67-73

［52］楊富裕. 樹立“飼草就是糧食”理念，大力發展飼草產業［J］. 草地學報，2023，31（2）：311-313

［53］李淵，張清平，王濤，等. 施肥對黃土高原紫花苜蓿草地N2O通量及生產性能的影響［J］. 草地學報，2022，30（6）：1584-1589

［54］邢佳慶，劉剛，孫宇，等. 不同施肥策略對陰山北麓旱作燕麥人工草地N2O排放的影響［J］. 草地學報，2023，31（3）：827-833

［55］SHI M，PAUDEL K P，CHEN F B. Mechanization and efficiency in rice production in China［J］. Journal of Integrative Agriculture，2021，20（7）：1996-2008

［56］龐凱莉，張凱山，王帆，等. 現實工況下農用拖拉機尾氣排放特征分析［J］. 中國農機化學報，2020，41（10）：158-167

［57］譚丕強，王德源，樓狄明，等. 農業機械污染排放控制技術的現狀與展望［J］. 農業工程學報，2018，34（7）：1-14

［58］孫俊華，陸桂良，劉勝吉. 江蘇省農機污染排放狀況的分析研究［J］. 中國農機化學報，2010（1）：25-27，31

［59］BISWAS W K，BARTON L，CARTER D. Global warming potential of wheat production in Western Australia：a life cycle assessment［J］. Water and Environment Journal，2008，22（3）：206-216

［60］LI N，MU H L，LI H N，et al. Diesel Consumption of Agriculture in China［J］. Energies，2012，5（12）：5126-5149

［61］雷基林，申立中，畢玉華，等. 乙醇-生物柴油-柴油混合燃料對柴油機性能和排放的影響［J］. 農業機械學報，2012，43（11）：21-25

［62］鄔齊敏，孫平，梅德清，等. 納米燃油添加劑CeO2提高柴油燃燒效率減少排放［J］. 農業工程學報，2013，29（9）：64-69

［63］張紀鵬，夏元東，孫志軍，等. 催化轉換器對排放物催化轉換的分析［J］. 農業機械學報，2004（2）：29-31，34

［64］樓狄明，張靜，孫瑜澤，等. DOC催化劑配方對輕型柴油機氣態物排放性能的影響［J］. 農業工程學報，2018，34（6）：74-79

［65］謝斌，武仲斌，毛恩榮. 農業拖拉機關鍵技術發展現狀與展望［J］. 農業機械學報，2018，49（8）：1-17

［66］吐爾遜·買買提，趙夢佳，等. 新疆縣域拖拉機排放清單及其時空格局［J］. 中國農機化學報，2022，43（1）：195-202

（責任編輯 彭露茜）

收稿日期：2023-03-07；修回日期：2023-05-16

基金項目：國家自然科學基金（31702174）；寧夏回族自治區林業和草原局重點研發計劃（2021 NXLCZDYF06）；南充市科技計劃項目（21YFZJ0029）資助

作者簡介：羅玉婷（1998-），女，漢族，四川巴中人，碩士研究生，主要從事草地畜牧業環境影響研究，E-mail：luoyt21@lzu.edu.cn；*通信作者Author for correspondence，E-mail：xug02@163.com