CN115186519A - 一种基于可变系统边界情景的农业碳足迹计量方法及装置 - Google Patents
一种基于可变系统边界情景的农业碳足迹计量方法及装置 Download PDFInfo
- Publication number
- CN115186519A CN115186519A CN202211104609.4A CN202211104609A CN115186519A CN 115186519 A CN115186519 A CN 115186519A CN 202211104609 A CN202211104609 A CN 202211104609A CN 115186519 A CN115186519 A CN 115186519A
- Authority
- CN
- China
- Prior art keywords
- agricultural
- carbon footprint
- carbon
- metering
- system boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 279
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 271
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000000694 effects Effects 0.000 claims abstract description 71
- 238000012271 agricultural production Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims description 53
- 239000005431 greenhouse gas Substances 0.000 claims description 50
- 239000002689 soil Substances 0.000 claims description 36
- 239000002994 raw material Substances 0.000 claims description 27
- 235000007164 Oryza sativa Nutrition 0.000 claims description 26
- 235000009566 rice Nutrition 0.000 claims description 26
- 239000002154 agricultural waste Substances 0.000 claims description 17
- 239000002028 Biomass Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 10
- 239000010902 straw Substances 0.000 claims description 10
- CKUAXEQHGKSLHN-UHFFFAOYSA-N [C].[N] Chemical compound [C].[N] CKUAXEQHGKSLHN-UHFFFAOYSA-N 0.000 claims description 9
- 239000003337 fertilizer Substances 0.000 claims description 9
- 238000004172 nitrogen cycle Methods 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 239000003502 gasoline Substances 0.000 claims description 8
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 7
- 239000011707 mineral Substances 0.000 claims description 7
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 7
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 6
- 239000004202 carbamide Substances 0.000 claims description 6
- 239000003245 coal Substances 0.000 claims description 6
- 229910052757 nitrogen Inorganic materials 0.000 claims description 6
- 239000000575 pesticide Substances 0.000 claims description 6
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims description 5
- 235000011941 Tilia x europaea Nutrition 0.000 claims description 5
- 238000011065 in-situ storage Methods 0.000 claims description 5
- 239000004571 lime Substances 0.000 claims description 5
- 239000002985 plastic film Substances 0.000 claims description 5
- 229920006255 plastic film Polymers 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- -1 diesel Substances 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 238000002386 leaching Methods 0.000 claims description 4
- 239000003895 organic fertilizer Substances 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 58
- 239000000047 product Substances 0.000 description 33
- 229910002092 carbon dioxide Inorganic materials 0.000 description 29
- 239000001569 carbon dioxide Substances 0.000 description 29
- 241000209094 Oryza Species 0.000 description 25
- 241000209140 Triticum Species 0.000 description 21
- 240000008042 Zea mays Species 0.000 description 21
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 21
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 21
- 235000005822 corn Nutrition 0.000 description 21
- 241000220225 Malus Species 0.000 description 20
- 235000021307 Triticum Nutrition 0.000 description 20
- 235000011430 Malus pumila Nutrition 0.000 description 15
- 235000015103 Malus silvestris Nutrition 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 235000021016 apples Nutrition 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 3
- 239000002283 diesel fuel Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 101001092910 Homo sapiens Serum amyloid P-component Proteins 0.000 description 2
- 102100036202 Serum amyloid P-component Human genes 0.000 description 2
- 238000004177 carbon cycle Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000618 nitrogen fertilizer Substances 0.000 description 2
- 239000001272 nitrous oxide Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000010792 warming Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Animal Husbandry (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Marine Sciences & Fisheries (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于可变系统边界情景的农业碳足迹计量方法,包括如下步骤:A1、建立农业碳足迹计量模型,其中采用可变系统边界框架,设定结构化的农业碳足迹计量程序,明确不同情景下农业生产的系统边界;A2、建立碳计量数据库,农业碳足迹计量数据包括农业活动数据、活动因子和模型参数;A3、得到农业碳足迹计量清单,其中执行结构化的农业碳足迹计量程序,测算得到农业生产各个子系统或流程中相应的碳足迹值,完成清单分析和确定关键类别。本发明提出的基于可变系统边界情景的农业碳足迹计量方法,通过拓展碳足迹计量模型,采用可变系统边界框架,从而降低农业碳足迹计量的不确定性,同时提高碳足迹核算结果的准确性。
Description
技术领域
本发明涉及农业生产和生态环境技术领域,特别是涉及一种基于可变系统边界情景的农业碳足迹计量方法及装置。
背景技术
在介绍背景技术之前,先对背景技术中涉及的英文缩写解释如下:
IPCC:Intergovernmental Panel on Climate Change,联合国政府间气候变化专门委员会。
IPCC-2006:2006 IPCC guidelines for National Greenhouse Gasinventories,2006年IPCC国家温室气体清单指南。
PAS 2050:Publicly Available Specifications-2050:Specification for theassessment of the life cycle greenhouse gas emissions of goods and services,商品和服务在生命周期内的温室气体排放评价规范。
碳足迹之所以备受各行业的青睐,主要原因在于其可以量化温室气体排放,以CO2为首的温室气体本身并没有危害,且在适宜浓度下的温室气体对全球气候起到一定的良性调节作用,CO2增加也有利于植物光合作用而直接提高有机物产量,只不过在人类单纯追求经济增长的发展方式下,化石燃料焚烧、过度砍伐森林等生产行为加剧了温室气体的排放程度,超出了生态系统的承载边界,而在此基础之上所形成的全球气候变暖,又引起了一系列的生态环境恶化问题,在此往复的恶性循环下,生态系统自身调节功能的紊乱不再仅仅威胁到人类的生存和发展,而是全球性的生态灾难。
精确测算碳足迹是促进气候治理行动进驻各个应用场景的基础工作,“自下而上”的过程分析和“自上而下”的环境投入产出分析是目前应用较为广泛的碳足迹测算方法。环境投入产出分析法通过编制投入产出表及建立相应的数学模型,反映经济系统各个部门(产业间)的关系,其可用于计算各部门为终端用户生产产品或提供服务在整个生产链上引起的温室气体排放量。过程分析法,即生命周期评价,主要分析一项产品在生产、使用、废弃及回收再利用等各阶段引起的温室气体排放,以捕获全生命周期的影响。明确的系统边界在这两种方法中都是必不可少的,主要是为了避免引起碳足迹的重复计算,以至于形成有偏估计。一般而言,投入产出分析以整个经济系统为边界,适用于大尺度的系统分析,但这种完整性以牺牲具体细节作为代价。与“自上而下”的投入产出核算方法相比,生命周期评价基于微观组织或产品层面,更能够准确把握产品在生产过程中各个环节的差异,有效降低碳足迹核算结果的不确定性。
基于生命周期的碳足迹评价法具有固定的结构化框架:温室气体的选择、系统边界的设置和温室气体排放数据的收集,由于在这些流程或步骤中总是出现认知和可变不确定性,故而难以完全消除核算结果的不确定性,这也使得在不同研究目的或研究方法下估算的碳足迹并不总是具有可比性。即使对于相同的研究对象,以中国小麦、玉米和水稻生产的碳足迹为例,Xu et al.(2017), Zhang et al.(2017)和Liu et al.(2018)基于构建的测算体系得出了碳源效应的估计结果,而与此相反She et al.(2017)通过农业碳计量,认为农业生产具有碳汇效应,尽管他们均采用了基于生命周期的碳足迹评价法,但结果之间差异依然相当显著。
此外,现有已公布的温室气体核算规范,其碳足迹系统边界也存在较大差异。例如,IPCC-2006指南中仅对多年生木本作物的农田生物量的碳储量变化进行了估计,并假定一年生作物生物量存量等于在同一年内收获和死亡造成的生物量损失,换言之,耕地生物量的经济比例需要从农业生态系统中剔除。相比之下,基于生命周期评价的温室气体核算方法并不局限于农田管理的耕地上,它包括了产品生命周期各个阶段,如原料、生产、运输、储存、运营、利用和处置等环节产生的温室气体总量。PAS 2050议定书将含有生物碳的粮食作物生物量和林业生物量排除在温室气体核算范围之外,认为含有生物碳的产品将会降解并再次释放二氧化碳到大气中。不同农业技术对土壤有机碳的影响存在相当大的不确定性,土壤碳储量变化造成的排放和封存也不在PAS 2050协议的考虑范围内。
系统边界的差异造成了农业碳足迹计量存在较高的不确定性。碳计量作为低碳农业实践的工作基础,测算结果高程度的不确定性,使其难以辨识实践工作中的优先级,进一步加剧了政策机制的系统性成本和风险。同时,碳足迹指标的另一个优势在于其可以用于广泛的经济学模型分析中,然而由于不确定性的干扰,制约着模型评价和预测结果的可信度。因此,农业碳足迹计量不确定性的传导,十分不利于农业领域快速实现绿色低碳发展。
发明内容
本发明的目的在于解决农业碳足迹计量存在较高的不确定性的技术问题,提供一种基于可变系统边界情景的农业碳足迹计量方法及装置。
本发明的技术问题通过以下的技术方案予以解决:
一种基于可变系统边界情景的农业碳足迹计量方法,包括如下步骤:
A1、建立农业碳足迹计量模型,其中采用可变系统边界框架,设定结构化的农业碳足迹计量程序,明确不同情景下农业生产的系统边界;
A2、建立农业碳足迹计量数据库,农业碳足迹计量数据包括农业活动数据、活动因子和模型参数;
A3、得到农业碳足迹计量清单,其中执行结构化的农业碳足迹计量程序,测算得到农业生产各个子系统或流程中相应的碳足迹值,完成清单分析和确定关键类别。
在一些实施例中,还包括如下技术特征:
步骤A1包括如下步骤:
A11、统一碳计量功能单位;
A12、设定可变系统边界情景;
A13、构建碳足迹核算体系。
进一步地,
步骤A11具体包括:采用三个功能单位标准化碳计量过程,一是以吨碳当量度量的净碳汇表示农业活动的碳足迹,二是以吨碳当量/公顷表示农场碳足迹,三是以作物产量表示的农产品碳足迹,功能单位用吨碳当量/吨表示。
步骤A12中,绘制农业生产系统流程图,并根据不同温室气体核算规范和基本理论设置多种系统边界情景,用于量化农业生产系统中的碳足迹;所述多种系统边界情景能够进行灵活的边界调整。
检查可变系统边界是否符合理论或标准规范,所述多种系统边界情景包括如下中的至少一者:
情景S1:参照IPCC-2006指南所设定的系统边界,其中温室气体排放仅限定于人为管理的农田;
情景S2:参照PAS 2050协议设定的系统边界,其中温室气体排放不限定于人为管理的农田;
情景S3:基于农业生态系统碳氮循环理论设定的系统边界;
情景S4:基于农产品全生命周期理论设定的系统边界。
步骤A13中,所述构建碳足迹核算体系具体包括:根据设定的可变系统边界情景,建立碳足迹的数学公式如下:
其中,是i种系统边界情景下第j个生产主体的农业活动碳足迹,如果设定了四种系统边界情景,则i=1,2,3,4,是来自管理土壤的直接NE,包括化肥施用中的N元素转化为N2O排放、有机肥施用中的N2O-NE、秸秆还田、残留根茬和作物损失中的N2O-NE; 是来自管理土壤的间接NE,包括来自大气氮沉降的NE,以及来自淋溶或径流损失的NE; 是水稻栽培的ME,即的子集,是农田的ME;和 是与石灰和尿素应用于管理土壤相关的CE;为秸秆就地焚烧的ME和NE; 和分别为多年生木本作物和作物生物量的碳库变化,前者是后者的一个子集;和是死有机质和矿质土壤中的碳库变化;、和是原材料生产、运输和利用过程中的温室气体排放,包括整个生命周期的CO2、CH4和N2O排放来自所有化肥、农药、塑料薄膜、柴油、汽油、煤炭、电力、劳动力、机械、设备和基础设施,根据其使用寿命将计算的碳足迹分摊到每年;是来自农业废弃物处置的GE,和分别是它的一个子集,是来自直接处理农业废弃物导致的GE;是来自土壤异养呼吸的CE。
各种系统边界情景下的耕地面积FCF和作物产量PCF用以下公式进行估算:
步骤A2具体包括:采用整合分析和文献调查方法,从本土区域的实验测定到周边区域的数据选择,再到国家整体的数据整合,采用自下而上的方法,从近到远依次选取活动因子和模型参数数据;对于农业活动数据,使用官方统计数据作为活动数据,或进行问卷调查,从而获取原始活动数据。
步骤A3中,所述清单分析和确定关键类别包括:判断农业碳足迹是源还是汇,并确定源和汇的关键类别,从而根据关键类别确定低碳农业工作的优先级;所述关键类别是指碳足迹核算清单中优先考虑的类别。
本发明还采用如下技术方案:
一种基于可变系统边界情景的农业碳足迹计量装置,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序可被所述处理器处理以执行如上所述的方法。
本发明与现有技术对比的有益效果包括:
本发明提出的基于可变系统边界情景的农业碳足迹计量方法,通过拓展碳足迹计量模型,采用可变系统边界框架,设定结构化的农业碳足迹计量程序,消除了系统边界的模糊性及其认知不确定性对农业碳计量结果所形成的扰动,从而降低农业碳足迹计量的不确定性。结构化的农业碳足迹计量框架不仅可以检索系统边界设定的漏洞,还可以检查其设定的理论规范性,通过比较分析进行查缺补漏并消除重复计算,进而提高农业碳足迹核算结果的准确性。
在一些实施例中,本发明将碳氮循环和生命周期评价理论结合到农业碳足迹计量中,有效降低了碳足迹计量结果的不确定性。
在一些实施例中,本发明通过确定农业碳足迹的关键类别,明确了农业碳达峰与碳中和工作程序的优先级。
本发明实施例中的其他有益效果将在下文中进一步述及。
附图说明
图1是本发明实施例中一种农业碳足迹计量简化作业方法流程图。
图2是本发明实施例中一种农业活动碳足迹核算的可变系统边界示意图。
图3a至图3h是本发明实施例中小麦、玉米、水稻和苹果生产在情景S1至S4中农户之间的FCF和PCF分布结构图。
具体实施方式
在介绍具体实施方式之前,先对实施例中涉及的英文缩写解释如下:
ACF:Activity Carbon Footprint,农业活动的碳足迹。
AE:Agro-ecosystems,农业生态系统。
APCS:Agricultural Products Consumption Market System,农产品以半成品、产成品等形式最终进入市场的消费系统。
APPS:Agricultural Products Processing, Packaging and Storage Systems,农产品加工、包装、贮藏系统。
APS:Agricultural Production Systems,农业生产系统。
APTS:Agricultural Products Transportation System,农产品运输系统。
AWDD:Direct Disposal of Agricultural Waste,直接处理农业废弃物。
AWDS:Agricultural Waste Disposal System,农业废弃物处理系统。
CE:Carbon Dioxide Emissions,CO2排放。
DOM:Dead Organic Matter,死有机质。
FCF:Farm Carbon Footprint,农场碳足迹。
LCA:Life Cycle Analysis,生命周期评估。
ME:Methane Emission,CH4排放。
NE:Nitrous Oxide Emissions,N2O排放。
PCF:Product Carbon Footprint,农产品碳足迹。
RMPS:Raw Material Production System,原料生产系统。
RMTS:Raw Material Transportation System,原料运输系统。
SRH:Soil Heterotrophic Respiration,土壤的异养呼吸。
VSB:Variable system boundary,可变系统边界框架。
接下来对本发明的思路介绍如下:
采用不一致的系统边界是影响碳足迹核算结果的重要不确定性之一,系统边界是围绕生产活动、产品或组织绘制的一条假想边界线,界限内的关键碳足迹类别取决于研究目的和研究对象的具体特征。解决碳足迹计量不确定性的关键技术在于明确系统边界,本发明通过拓展碳足迹计量模型,采用可变系统边界框架(Variable system boundary,VSB),明确不同情景下农业生产的系统边界,以此控制农业碳计量的不确定性,在此基础上进一步讨论并判断农业碳足迹究竟是源还是汇。
下面对照附图并结合优选的实施方式对本发明作进一步说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
此外,在本发明实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本发明实施例提供一种基于可变系统边界情景的农业碳足迹计量方法,如图1所示,包括如下三个步骤:
步骤1、建立农业碳足迹计量模型,其中采用可变系统边界框架,设定结构化的农业碳足迹计量程序,明确不同情景下农业生产的系统边界。其中,“设定结构化的农业碳足迹计量程序”是指采用“可变系统边界框架”来“建立农业碳足迹计量模型”,建立模型的过程即为设定结构化的程序。以下对步骤1进行详细说明:
一、统一碳足迹计量功能单位
采用三个功能单位标准化碳计量过程,一是以吨碳当量(t C-eq)度量的净碳汇表示农业活动的碳足迹,二是以吨碳当量/公顷(t C-eq ha-1)表示农场碳足迹,三是以作物产量表示的农产品碳足迹,功能单位用吨碳当量/吨(t C-eq t-1)表示。
二、设定可变系统边界情景
绘制农业生产系统流程图,并根据不同的温室气体核算规范和基本理论设置多种系统边界情景,用于量化农业生产系统中的碳足迹;所述多种系统边界情景能够进行灵活的边界调整。检查可变系统边界是否符合理论或标准规范,所述多种系统边界情景可包括如下中的至少一者:
情景S1:参照IPCC-2006指南所设定的系统边界,其中温室气体排放仅限定于人为管理的农田;情景S2:参照PAS 2050协议设定的系统边界,其中温室气体排放不限定于人为管理的农田;情景S3:基于农业生态系统碳氮循环理论设定的系统边界;情景S4:基于农产品全生命周期理论设定的系统边界。
三、构建碳足迹核算体系
根据设定的可变系统边界情景,建立碳足迹的数学公式如下:
其中,是i种系统边界情景下第j个生产主体的农业活动碳足迹,如果设定了四种系统边界情景,则i=1,2,3,4,是来自管理土壤的直接NE,包括化肥施用中的N元素转化为N2O排放、有机肥施用中的N2O-NE、秸秆还田、残留根茬和作物损失中的N2O-NE; 是来自管理土壤的间接NE,包括来自大气氮沉降的NE,以及来自淋溶或径流损失的NE; 是水稻栽培的ME,即的子集,是农田的ME;和 是与石灰和尿素应用于管理土壤相关的CE;为秸秆就地焚烧的ME和NE; 和分别为多年生木本作物和作物生物量的碳库变化,前者是后者的一个子集;和是死有机质和矿质土壤中的碳库变化;、和是原材料生产、运输和利用过程中的温室气体排放,包括整个生命周期的CO2、CH4和N2O排放来自所有化肥、农药、塑料薄膜、柴油、汽油、煤炭、电力、劳动力、机械、设备和基础设施,根据其使用寿命将计算的碳足迹分摊到每年;是来自农业废弃物处置的GE,和分别是它的一个子集,是来自直接处理农业废弃物导致的GE;是来自土壤异养呼吸的CE。各种系统边界情景下的耕地面积FCF和作物产量PCF用以下公式进行估算:
步骤2、建立农业碳足迹计量数据库,其中包括农业活动数据、活动因子和模型参数,采用不同统计方法针对性获取高质量数据,录入计算机数据库管理系统。其中,活动因子包括排放和固碳因子、数量因子。模型参数指建模中所需要的相关系数。
步骤2中,采用整合分析和文献调查方法,从本土区域的实验测定到周边区域的数据选择,再到国家整体的数据整合,采用自下而上的方法,从近到远依次选取活动因子和模型参数数据;对于农业活动数据,使用官方统计数据作为活动数据,或进行问卷调查,从而获取原始活动数据。
步骤3、得到农业碳足迹计量清单,其中严格执行结构化的农业碳足迹计量程序,测算得到农业生产各个子系统或流程中相应的碳足迹值,完成清单分析和确定关键类别。具体说明如下:
判断农业碳足迹是源还是汇,并确定源和汇的关键类别,从而根据关键类别确定低碳农业工作的优先级;所述关键类别是指碳足迹核算清单中优先考虑的类别。
本发明实施例还提供一种基于可变系统边界情景的农业碳足迹计量装置,包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序可被所述处理器处理以执行如上所述的方法。
实施例1
本实施例提供一种农业碳足迹计量模型,包括统一功能单位、设定系统边界、建立碳足迹核算体系和活动数据收集四个结构化步骤:
统一功能单位
对于不同核算规范的碳足迹估计结果,采用一致的功能单位有助于增加碳足迹之间的可比性,总碳、碳密度、碳强度等指标通常作为功能单元分配给不同的研究对象,例如在国际实践中,碳足迹的功能单位通常被定义为二氧化碳当量(CO2-eq),其他类型的温室气体,如甲烷(CH4)和一氧化二氮(N2O),通常根据自身的全球变暖潜力转化成二氧化碳(CO2),1 kg CH4 相当于 25 kg CO2 或 6.818 2 kg C,1 kg N2O 相当于 298 kg CO2 或81.272 7 kg C,1 kg CO2 相当于0.272 7 kg C,统一的功能单位以确保不同地区和行业间温室气体核算工作的可操作和可比性。
然而,由于企业或组织产出的多样性(例如,两个农场生产不同的农产品以增强自身的竞争优势),组织或企业层面碳足迹的功能单位通常确定为碳密度指数,即单位面积CO2-eq,从而以增强组织之间碳足迹的可比性。同时,也有将碳强度指数,即单位产出的CO2-eq作为功能单位应用于产品层面的碳足迹核算。本发明采用三个功能单位来标准化碳计量过程,一是以t C-eq度量的净碳汇表示的农业活动的碳足迹(Activity CarbonFootprint,ACF),二是以t C-eq ha-1表示农场碳足迹(Farm Carbon Footprint,FCF),三是以作物产量表示的农产品碳足迹(Product Carbon Footprint,PCF),功能单位用t C-eqt-1表示。
设定系统边界
本发明实施例根据不同的温室气体核算规范和基本理论设置了四种系统边界情景,并借此量化农业生产系统中的碳足迹:
(1)情景1 (S1)是参照IPCC-2006指南所设定的系统边界,其中温室气体排放仅限定于人为管理的农田。根据IPCC-2006指南和方法第4卷对温室气体排放和汇清除进行了估计,包括农田管理土壤的N2O排放(Nitrous Oxide Emissions,NE)(直接和间接NE)、水稻种植的CH4排放(Methane Emission,ME)、管理农田土壤施用石灰和尿素有关的CO2排放(Carbon Dioxide Emissions,CE)、作物生物量碳储量变化引起的CO2排放和清除(仅对多年生木本作物进行估算)、死有机质(Dead Organic Matter,DOM)和矿质土壤的碳储量变化,以及管理土地焚烧(秸秆就地焚烧)引起的非CO2排放。
(2)情景2(S2)是参照PAS 2050协议设定的系统边界,温室气体排放不限定于人为管理的农田,其遵循从摇篮到农场大门的系统边界范围,包括从原料生产系统(RawMaterial Production System,RMPS)、原料运输系统(Raw Material TransportationSystem,RMTS)、农业生产系统(Agricultural Production Systems,APS)和农业废弃物处理系统(Agricultural Waste Disposal System,AWDS)(参见图2)排放的CO2、CH4和N2O(直接和间接),根据PAS 2050议定书的要求,不考虑作物生物量、死有机质和矿质土壤碳储量变化中CO2的汇清除。
(3)情景3(S3)是基于农业生态系统(Agro-ecosystems,AE)碳氮循环理论设定的系统边界。温室气体(CO2、CH4和N2O)和碳库(植被碳库和土壤碳库)中的碳氮循环是农田与大气之间的交换过程,这些都发生在农业生态系统中。循环流通的范围包括从原材料使用导致的温室气体直接排放(限定于农田),N2O排放(直接和间接NE)和土壤管理的CH4排放,管理土地上直接处理农业废弃物导致的温室排放(Direct Disposal of AgriculturalWaste,AWDD)(包括秸秆和其他农业废物就地燃烧)和作物生物量、死有机质和矿质土壤碳储量变化,此外,系统边界还考虑了土壤的异养呼吸(Soil Heterotrophic Respiration,SRH)。
(4)情景4(S4)是基于农产品全生命周期理论设定的系统边界。它实际上是全生命周期过程的一部分,即从摇篮到农场大门,包括原料生产系统、原料运输系统、农业生态系统和农业废弃物处理系统。S4实则集成了S1、S2、S3的系统边界,并消除了重复计算的范围。
图2为本发明实施例提供的一种农业活动碳足迹核算的可变系统边界(VSB)的示意图。图中A部分表示农业活动所需原料的生产系统(RMPS),包括化肥、农药、塑料薄膜、柴油、汽油、煤炭、电能等农业生产要素;图中B部分表示农业生产原料的运输系统(RMTS),这些机械、设备和基础设施同样需要柴油、汽油、煤炭、电能等能源投入;图中C部分表示农业生产系统(APS),原料通过运输进入到农业生态系统,并与土地等其它生产要素共同生产产品的过程;图中D、E部分分别表示农产品运输系统(APTS,Agricultural ProductsTransportation System)和农产品加工、包装、贮藏系统(APPS,Agricultural ProductsProcessing, Packaging and Storage Systems),该系统同样需要大量能源投入,且由于认知不确定性简化了APPS;图中F部分表示农产品以半成品、产成品等形式最终进入市场的消费系统(APCS,Agricultural Products Consumption Market System),与D、E部分均有直接或间接联系;图中G部分表示农业废弃物处理系统(AWDS)。白色箭头表示农业活动的基本生产流程,黑线箭头表示子系统之间直接或间接的交叉联系,G部分与其它子系统均建立了基本联系。上述设定的四种系统边界情景均可以在图中勾勒出原型,并进行灵活的边界调整。
碳足迹核算体系
根据上述设定的四种系统边界情景,以净碳汇表示的农业生产活动的碳足迹,设定数学公式如下:
其中,是i种系统边界情景下第j个生产主体的农业活动碳足迹,i=1,2,3,4,是来自管理土壤的直接NE,包括化肥施用中的N元素转化为N2O排放、有机肥施用中的N2O-NE、秸秆还田、残留根茬和作物损失中的N2O-NE; 是来自管理土壤的间接NE,包括来自大气氮沉降的NE,以及来自淋溶或径流损失的NE; 是水稻栽培的ME,即的子集,是农田的ME;和 是与石灰和尿素应用于管理土壤相关的CE;为秸秆就地焚烧的ME和NE; 和分别为多年生木本作物和作物生物量的碳库变化,前者是后者的一个子集;和是死有机质和矿质土壤中的碳库变化;、和 是原材料生产、运输和利用过程中的温室气体排放,包括整个生命周期的CO2、CH4和N2O排放来自所有化肥、农药、塑料薄膜、柴油、汽油、煤炭、电力、劳动力、机械、设备和基础设施,根据其使用寿命将计算的碳足迹分摊到每年;是来自农业废弃物处置的GE,和分别是它的一个子集,是来自直接处理农业废弃物导致的GE;是来自土壤异养呼吸的CE。各种系统边界情景下的耕地面积FCF和作物产量PCF用以下公式进行估算:
活动数据收集
通过明细生命周期阶段并选择高质量的数据,可以降低碳足迹核算值的不确定性。然而,由于资金、时间等因素限制,现有技术往往借鉴经同行评议的公开文献来确定排放因子以及其它估算参数,这种做法已得到IPCC-2006支持。利用准确反映国家或地区关键源和汇的相关研究结果是控制碳足迹不确定性的最佳途径,否则可考虑IPCC defaultfactor(IPCC默认因子)、Emission Factor Database(排放因子数据库)、InternationalReference Life Cycle Data System(国际参考生命周期数据系统)、EU LCA basicdatabase(欧盟 LCA( Life Cycle Analysis,生命周期评估)基础数据库)或Chinese CoreLife Cycle Database(中国核心生命周期数据库)等因子数据库来源。尽管如此,不同文献中相同系数的差异仍然是显著的,如Wang et al.(2017)和Yan et al.(2015)估算碳足迹所采用的农药排放因子分别为12.44 kg CO2-eq kg-1和18 t CO2-eq t-1(后者是前者的1.45倍)。为了克服这一障碍,通常采用数据的整合分析方法,本发明从本土区域的实验测定到周边区域的数据选择,再到中国整体的数据整合,采用自下而上的方法,从近到远依次选取因子数据。在因子系数的引用中,特别应注意CO2当量和C当量单位的差异。对于农业活动数据,原则上应使用来自权威机构或出版物的官方统计数据作为活动数据。为了提高碳足迹核算的准确性,也可以根据研究目的进行问卷调查,从而获取原始活动数据。
本发明实施例方法遵循农业碳足迹计量作业方法流程如图1所示,首先,确定碳计量的基本对象,即温室气体种类;其次,统一碳计量功能单位或绘制农业生产系统流程图,二者并无优先级差异;再次,设定可变系统边界情景,针对每个系统边界情景均需要做出基本理论解释,反复检查VSB是否符合理论或标准规范;然后,判断功能单位是否统一,若无则重复以上流程修正,统一功能单位后继续构建碳足迹核算体系,针对每个核算子模块均需要详细解释说明;最后,判断是否可以获取基本活动数据,否则将回退重新设定系统边界或修正核算体系,碳计量数据库建立后,继而完成清单分析、确定关键类别。依据作业流程严格实施本发明建立的农业碳足迹计量模型中的四个结构化步骤,可以提高碳足迹核算的准确性和真实性,从而合理判断农业对气候变化的影响,也有助于提出符合地区实际情况的低碳措施。
实施例2
通过遴选一个农产品生产的实际案例实施本发明,以期详细阐述对本发明的理解和应用。为了提高碳足迹核算的准确性,本发明应用场景选择基于问卷调查获取的原始活动数据。案例源于对2018年中国陕西省种植小麦、玉米、水稻、苹果农户的农业生产情况进行了问卷调查,包括农业原材料的投入情况、采取的农田管理措施、种植规模和作物产量等。同时,为了保证陕西省样本数据的代表性,根据农业产业结构的比例选取了样本地点,在市、县、村三级层面因地制宜地开展系统抽样,通过预调研以消除不具有代表性的样本位置,最终共获得小麦种植户225个、玉米种植户273个、水稻种植户96个、苹果种植户211个相关的生产活动数据,总种植规模为367.75公顷。此外,依据本发明对活动因子和模型参数收集的具体要求,对采用结果汇总情况如表1所示。其中,活动因子和模型参数穿插引入到每个子系统。优选地,活动因子和模型参数的分类方法为:表1中含C或N符号的为活动因子,表1中不含C或N符号的为模型参数。
表1
基于获取的数据代入本发明实施例构建的农业碳计量体系中,可以得到较为精确的农业碳足迹结果。农业生产系统中作物的ACF,FCF和PCF如表2所示,农业生产系统中小麦、玉米、水稻和苹果的农业活动碳足迹、农场碳足迹和农产品碳足迹在四种系统边界情景下均表现出显著差异,甚至相互矛盾的结果,而同一类型足迹在不同作物品种上却表现出相似的特征。具体而言,在农业生产系统中小麦的碳足迹水平在S1和S3均表现出碳的盈余,且前者(S1)比后者(S3)在农业活动碳足迹上多出260.426 t C,在农场碳足迹水平上高出2.628 t C ha-1,在农产品碳足迹水平上高出0.477 t C t-1。然而,小麦的碳足迹水平在S2、S4中与S1、S3截然相反,呈现出碳的赤字,前者(S2)比后者(S4)在农业活动碳足迹上多排放153.009 t C,在农场碳足迹上多排放1.554 t C ha-1,在农产品碳足迹上多排放0.28t C t-1。相似地,同样具有碳盈余的为种植玉米、水稻和苹果的S1, S3和S4系统边界情景,农业生产系统碳足迹水平值最高出现在S1中,最低为S4。总体而言,如果采用S1和S3系统边界,农业生产系统为碳汇效应,同时,不同作物在农业活动碳足迹、农场碳足迹和农产品碳足迹中呈现的碳汇效应的顺序并不总是一致的,但可以肯定的是多年生木本作物十分有利于碳固定。如果采用S2系统边界,农业生产系统为碳源效应,其中苹果生产的碳足迹水平贡献最大。此外,如果采用S4系统边界,碳源或碳库效应还取决于农户生产的作物类型,其中玉米、水稻和苹果获得碳汇效应,而小麦则相反。
表2
小麦、玉米、水稻和苹果的农业活动碳足迹在原料生产系统、原料运输系统、农业生产系统或农业生态系统、农业废弃物处理系统的分布结构如表3所示,显示了S1至S4情景下农业活动碳足迹子系统分布情况(t C),这与不同温室气体核算规范设置的系统边界要求保持一致。作物在S1和S3情景下APS或AE系统的农业活动碳足迹表现为碳汇效应,这是因为其系统边界是根据IPCC-2006和碳氮循环理论设定为管理的农田土地。类似地,在S2和S4情景下,依据生命周期评价理论作物的农业活动碳足迹分布在各个子系统中。S2情景下的农业活动碳足迹在RMPS系统中所占比例最大,不同作物的范围为59.03% ~ 68.08%,其次为APS和AE系统,占比范围为19.63% ~ 36.22%。不同作物农业活动碳足迹在子系统中的分布结构基本一致,依次为RMPS、APS或AE、RMTS和AWDS。作物在S4情景下APS或AE系统的农业活动碳足迹表现为碳汇效应,其余则表现为碳排放效应。其中,原料生产系统贡献了最大比例的温室气体排放,占比范围为80.74% ~ 95.27%,其次是原料运输系统,占比范围为4.73% ~16.65%,农业生产系统或农业生态系统抵消大量的温室气体,玉米、水稻和苹果生产过程碳固定比碳排放高出2.379、1.607和1.553倍。
表3
表4至表7展示了S1至S4的农业碳足迹清单结构。其中,表4为 S1情景下农业碳足迹清单(t C),表5为S2情景下农业碳足迹清单(t C) ,表6为S3情景下农业碳足迹清单(tC),表7为S4情景下农业碳足迹清单(t C)。S1中小麦、玉米和苹果的直接NE对总温室气体排放的贡献最大,分别占到60.46%、68.37%和87.41%,而水稻种植的ME占其总温室气体排放的比重最大为63.89%。土壤碳固定在S1中是小麦、玉米和水稻的主要碳抵消途径,但多年生木本作物生物量碳固定占比最大为82.55%。S2中原材料生产在农业生产系统中对总温室气体排放的贡献最大,小麦、玉米、水稻和苹果分别占比68.04%、63.35%、59.03%和64.88%,氮肥和柴油或汽油在原材料运输系统中温室气体排放占比最大,其中小麦、玉米、水稻和苹果在氮肥上占到45.52%、44.61%、43.26%和62.17%,柴油或汽油上占到42.37%、34.06%、53.38%和20.5%。此外,非灌溉农田甲烷处于吸收状态。土壤异养呼吸作物生产温室气体排放具有重要影响,S3中小麦、玉米、水稻和苹果生产分别占总GE的89.6%、83.63%、82.4%和87.44%,S4中占比为72.32%、57.32%、63.38%和58.5%。作物生物量和土壤碳储量变化对S3和S4碳固定的贡献最大,小麦、玉米、水稻和苹果分别占总碳汇的64.54%、62.74%、58.99% 和82.55%。因此,小麦(水稻)生产中的SRH、原料生产、原料利用和农田直接NE (ME)位列足迹清单前4位,玉米或苹果生产中的SRH、原料生产、原料运输和直接NE位列足迹清单前4位。
表4
表5
表6
表7
小麦、玉米、水稻和苹果生产在情景S1至S4中农户之间的FCF和PCF分布结构如图3a至图3h所示,其中图3a和图3b为小麦生产在S1至S4中农户之间的FCF和PCF分布结构,图3c和图3d为玉米生产在S1至S4中农户之间的FCF和PCF分布结构,图3e和图3f为水稻生产在S1至S4中农户之间的FCF和PCF分布结构,图3g和图3h为苹果生产在S1至S4中农户之间的FCF和PCF分布结构。在相同系统边界情景下FCF和PCF在农户间存在显著差异,而在四种不同情景下却具有相似特征。小麦FCF和PCF在S1至S4中呈现碳排放的农户占比为0.44%、100%、24.15% 和40.38%,类似地,玉米、水稻和苹果FCF和PCF在S1至S4中呈现碳排放的农户占比为1.1%、100%、3.663%和23.44%,0%、100%、15.625%和28.125%,以及0.47%、100%、23.7%和51.18%,相反也可以容易得到小麦、玉米、水稻和苹果生产在S1至S4中FCF和PCF呈现碳汇效应的农户占比。
农业生产是通过温室气体和碳固定嵌入在农业生态系统碳氮元素循环之中,这意味着追踪植被、土壤和大气间碳氮投入产出循环路径及相互转化,进一步拓展了碳足迹核算的纵向空间。土壤异养呼吸作为碳氮循环的输出路径,已被证明是农业生产过程的一个重要排放源,在S3和S4场景下分别占到农业生产系统总温室气体排放的89.6%、83.64%、82.4%和87.44%,以及72.32%、57.32%、63.38%和58.5%。基于农产品生命周期理论,通过设置系统边界,扩展了农业碳足迹核算的横向空间,包括农产品产前、产中和产后环节的整个供应链,而不限于只发生在管理土地上的人类对温室气体排放和汇清除的所有直接影响,其中产前环节在S2和S4场景下分别占到总温室气体排放的71.42%、74.38%、63.78%和78.27%,以及19.77%、31.74%、23.35%和32.48%。此外,通过对整个供应链的核查有助于消除重复计算的范围,例如,尿素制造过程中从大气中去除的CO2是在工业过程中进行估算的,因此根据生命周期评价理论在核算过程中去除了CO2排放。同样,如果采用基于“从摇篮到坟墓”系统边界的生命周期评价法,则在计算过程中应排除农产品经济比重的碳固定(通常指进入下一个子系统的植物果实)。
因此,本发明实施例将碳氮循环和生命周期评价理论结合到农业碳足迹的核算中,可以有效降低估计结果的不确定性,在VSB情景下的农业碳足迹计量体系表明,S4与其他系统边界场景相比,高估碳排放或碳汇效应的风险有所降低。同时,研究案例的农业碳足迹关键类别得以辨识,关键类别是指碳足迹核算清单中优先考虑的类别,其估计数值将对温室气体排放和汇清除具有重大影响。依据IPCC-2006指南定义,按照核算数值的大小排序,当按大小降序相加时,加起来为总水平的95%的来源即为核算的关键类别。在S4场景下,表8列出了在小麦、玉米、水稻和苹果生产中农业活动碳足迹的关键类别,按照此类别温室气体编制者可以确定核算工作的优先级,并改进碳足迹估计的不确定性。
表8
以上陈述是本发明采用的典型案例分析,对于本领域的技术人员,只要选定研究案例并获取到详尽的高质量数据,严格按照本发明提出的农业碳足迹计量的结构性框架,在不需创造性的劳动就可实现本发明。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,其还可以对这些已描述的实施方式作出若干替代或变型,而这些替代或变型方式都应当视为属于本发明的保护范围。在本说明书的描述中,参考术语“一种实施例”、“一些实施例”、“优选实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。尽管已经详细描述了本发明的实施例及其优点,但应当理解,在不脱离专利申请的保护范围的情况下,可以在本文中进行各种改变、替换和变更。
Claims (10)
1.一种基于可变系统边界情景的农业碳足迹计量方法,其特征在于,包括如下步骤:
A1、建立农业碳足迹计量模型,其中采用可变系统边界框架,设定结构化的农业碳足迹计量程序,明确不同情景下农业生产的系统边界;
A2、建立农业碳足迹计量数据库,农业碳足迹计量数据包括农业活动数据、活动因子和模型参数;
A3、得到农业碳足迹计量清单,其中执行结构化的农业碳足迹计量程序,测算得到农业生产各个子系统或流程中相应的碳足迹值,完成清单分析和确定关键类别。
2.如权利要求1所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,步骤A1包括如下步骤:
A11、统一碳计量功能单位;
A12、设定可变系统边界情景;
A13、构建碳足迹核算体系。
3.如权利要求2所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,步骤A11具体包括:采用三个功能单位标准化碳计量过程,一是以吨碳当量度量的净碳汇表示农业活动的碳足迹,二是以吨碳当量/公顷表示农场碳足迹,三是以作物产量表示的农产品碳足迹,功能单位用吨碳当量/吨表示。
4.如权利要求2所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,步骤A12中,绘制农业生产系统流程图,并根据不同温室气体核算规范和基本理论设置多种系统边界情景,用于量化农业生产系统中的碳足迹;所述多种系统边界情景能够进行灵活的边界调整。
5.如权利要求4所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,检查可变系统边界是否符合理论或标准规范,所述多种系统边界情景包括如下中的至少一者:
情景S1:参照IPCC-2006指南所设定的系统边界,其中温室气体排放仅限定于人为管理的农田;
情景S2:参照PAS 2050协议设定的系统边界,其中温室气体排放不限定于人为管理的农田;
情景S3:基于农业生态系统碳氮循环理论设定的系统边界;
情景S4:基于农产品全生命周期理论设定的系统边界。
6.如权利要求2所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,步骤A13中,所述构建碳足迹核算体系具体包括:根据设定的可变系统边界情景,建立碳足迹的数学公式如下:
其中,是i种系统边界情景下第j个生产主体的农业活动碳足迹,如果设定了四种系统边界情景,则i=1,2,3,4,是来自管理土壤的直接NE,包括化肥施用中的N元素转化为N2O排放、有机肥施用中的N2O-NE、秸秆还田、残留根茬和作物损失中的N2O-NE; 是来自管理土壤的间接NE,包括来自大气氮沉降的NE,以及来自淋溶或径流损失的NE; 是水稻栽培的ME,即的子集,是农田的ME;和 是与石灰和尿素应用于管理土壤相关的CE;为秸秆就地焚烧的ME和NE; 和分别为多年生木本作物和作物生物量的碳库变化,前者是后者的一个子集;和是死有机质和矿质土壤中的碳库变化;、和是原材料生产、运输和利用过程中的温室气体排放,包括整个生命周期的CO2、CH4和N2O排放来自所有化肥、农药、塑料薄膜、柴油、汽油、煤炭、电力、劳动力、机械、设备和基础设施,根据其使用寿命将计算的碳足迹分摊到每年;是来自农业废弃物处置的GE,和分别是它的一个子集,是来自直接处理农业废弃物导致的GE;是来自土壤异养呼吸的CE。
8.如权利要求1所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,步骤A2具体包括:采用整合分析和文献调查方法,从本土区域的实验测定到周边区域的数据选择,再到国家整体的数据整合,采用自下而上的方法,从近到远依次选取活动因子和模型参数数据;对于农业活动数据,使用官方统计数据作为活动数据,或进行问卷调查,从而获取原始活动数据。
9.如权利要求1所述的基于可变系统边界情景的农业碳足迹计量方法,其特征在于,步骤A3中,所述清单分析和确定关键类别包括:判断农业碳足迹是源还是汇,并确定源和汇的关键类别,从而根据关键类别确定低碳农业工作的优先级;所述关键类别是指碳足迹核算清单中优先考虑的类别。
10.一种基于可变系统边界情景的农业碳足迹计量装置,包括处理器和存储器,所述存储器中存储有计算机程序,其特征在于,所述计算机程序可被所述处理器处理以执行如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104609.4A CN115186519A (zh) | 2022-09-09 | 2022-09-09 | 一种基于可变系统边界情景的农业碳足迹计量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104609.4A CN115186519A (zh) | 2022-09-09 | 2022-09-09 | 一种基于可变系统边界情景的农业碳足迹计量方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115186519A true CN115186519A (zh) | 2022-10-14 |
Family
ID=83524748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211104609.4A Pending CN115186519A (zh) | 2022-09-09 | 2022-09-09 | 一种基于可变系统边界情景的农业碳足迹计量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115186519A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619069A (zh) * | 2022-10-28 | 2023-01-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种茶叶全生命周期的碳足迹核算方法及系统 |
CN116090639A (zh) * | 2023-01-17 | 2023-05-09 | 中国科学院地理科学与资源研究所 | 一种农业土地系统全过程温室气体排放的预测方法及装置 |
CN116882637A (zh) * | 2023-09-05 | 2023-10-13 | 北京建工环境修复股份有限公司 | 一种农田碳排放分析方法及系统 |
CN117153291A (zh) * | 2023-10-31 | 2023-12-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
CN117371854A (zh) * | 2023-10-17 | 2024-01-09 | 中国科学院沈阳应用生态研究所 | 一种农区种植业碳氮足迹评价方法及系统 |
CN118014393A (zh) * | 2024-02-02 | 2024-05-10 | 中南林业科技大学 | 经济林良种繁育阶段的碳足迹核算方法及系统 |
CN118411278A (zh) * | 2024-04-12 | 2024-07-30 | 中国农业大学 | 一种柑橘园碳汇碳排放核算方法 |
-
2022
- 2022-09-09 CN CN202211104609.4A patent/CN115186519A/zh active Pending
Non-Patent Citations (3)
Title |
---|
RU CHEN等: "Is farmers’ agricultural production a carbon sink or source? – Variable system boundary and household survey data", 《JOURNAL OF CLEANER PRODUCTION》 * |
张丹等: "低碳农业与农作物碳足迹核算研究述评", 《资源科学》 * |
陈儒等: "农户低碳生产的技术效率及其影响因素", 《资源科学》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115619069A (zh) * | 2022-10-28 | 2023-01-17 | 中国农业科学院农业环境与可持续发展研究所 | 一种茶叶全生命周期的碳足迹核算方法及系统 |
CN115619069B (zh) * | 2022-10-28 | 2023-10-24 | 中国农业科学院农业环境与可持续发展研究所 | 一种茶叶全生命周期的碳足迹核算方法及系统 |
CN116090639A (zh) * | 2023-01-17 | 2023-05-09 | 中国科学院地理科学与资源研究所 | 一种农业土地系统全过程温室气体排放的预测方法及装置 |
CN116882637A (zh) * | 2023-09-05 | 2023-10-13 | 北京建工环境修复股份有限公司 | 一种农田碳排放分析方法及系统 |
CN116882637B (zh) * | 2023-09-05 | 2023-11-21 | 北京建工环境修复股份有限公司 | 一种农田碳排放分析方法及系统 |
CN117371854A (zh) * | 2023-10-17 | 2024-01-09 | 中国科学院沈阳应用生态研究所 | 一种农区种植业碳氮足迹评价方法及系统 |
CN117153291A (zh) * | 2023-10-31 | 2023-12-01 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
CN117153291B (zh) * | 2023-10-31 | 2024-01-02 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种灌区稻田碳汇价值计算方法及系统 |
CN118014393A (zh) * | 2024-02-02 | 2024-05-10 | 中南林业科技大学 | 经济林良种繁育阶段的碳足迹核算方法及系统 |
CN118411278A (zh) * | 2024-04-12 | 2024-07-30 | 中国农业大学 | 一种柑橘园碳汇碳排放核算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115186519A (zh) | 一种基于可变系统边界情景的农业碳足迹计量方法及装置 | |
Jones et al. | Toward a new generation of agricultural system data, models, and knowledge products: State of agricultural systems science | |
Nabavi-Pelesaraei et al. | Energy consumption enhancement and environmental life cycle assessment in paddy production using optimization techniques | |
Antle et al. | Next generation agricultural system data, models and knowledge products: Introduction | |
Godoy-Durán et al. | Assessing eco-efficiency and the determinants of horticultural family-farming in southeast Spain | |
Cesco et al. | Smart agriculture and digital twins: Applications and challenges in a vision of sustainability | |
Khoshnevisan et al. | Applying data envelopment analysis approach to improve energy efficiency and reduce GHG (greenhouse gas) emission of wheat production | |
Deytieux et al. | Assessing the sustainability of cropping systems in single-and multi-site studies. A review of methods | |
de Bie | Comparative performance analysis of agro-ecosystems | |
Houshyar et al. | Silage corn production in conventional and conservation tillage systems. Part I: Sustainability analysis using combination of GIS/AHP and multi-fuzzy modeling | |
Clavreul et al. | Intra-and inter-year variability of agricultural carbon footprints–A case study on field-grown tomatoes | |
Parra-Lopez et al. | A multi-criteria evaluation of the environmental performances of conventional, organic and integrated olive-growing systems in the south of Spain based on experts' knowledge | |
Bellarby et al. | Identifying secure and low carbon food production practices: A case study in Kenya and Ethiopia | |
Moretti et al. | Integrated assessment of agro-ecological systems: The case study of the “Alta Murgia” National park in Italy | |
Najafabadi et al. | Rice production energy efficiency evaluation in north of Iran; application of Robust Data Envelopment Analysis | |
Khoshnevisan et al. | Comparison of GHG emissions of efficient and inefficient potato producers based on Data Envelopment Analysis | |
Olander et al. | Using biogeochemical process models to quantify greenhouse gas mitigation from agricultural management projects | |
Cichota et al. | A nitrogen balance model for environmental accountability in cropping systems | |
Moore et al. | A framework to estimate climate mitigation potential for US cropland using publicly available data | |
Prasad et al. | Evaluation of nitrogen fertilization patterns using DSSAT for enhancing grain yield and nitrogen use efficiency in rice | |
RaheliNamin et al. | Optimizing cultivation of agricultural products using socio-economic and environmental scenarios | |
Chen et al. | Redefine carbon footprint performance with the total factor productivity: A case from a regional food production system | |
Kröbel et al. | A proposed approach to estimate and reduce the environmental impact from whole farms | |
Basset-Mens et al. | Eco-efficiency of tomato from Rwamagana district in Rwanda: From field constraints to statistical significance | |
Sarma et al. | Site specific nutrient management (SSNM): Principles, key features and its potential role in soil, crop ecosystem and climate resilience farming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |
|
RJ01 | Rejection of invention patent application after publication |