CN115293921A - 稻田生态种养系统碳足迹预测方法及电子设备 - Google Patents
稻田生态种养系统碳足迹预测方法及电子设备 Download PDFInfo
- Publication number
- CN115293921A CN115293921A CN202210773286.1A CN202210773286A CN115293921A CN 115293921 A CN115293921 A CN 115293921A CN 202210773286 A CN202210773286 A CN 202210773286A CN 115293921 A CN115293921 A CN 115293921A
- Authority
- CN
- China
- Prior art keywords
- carbon
- rice
- rice field
- coefficient
- animal
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 162
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 162
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 118
- 235000009566 rice Nutrition 0.000 title claims abstract description 118
- 238000009395 breeding Methods 0.000 title claims abstract description 53
- 230000001488 breeding effect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 32
- 240000007594 Oryza sativa Species 0.000 title claims abstract description 13
- 241000209094 Oryza Species 0.000 claims abstract description 117
- 241001465754 Metazoa Species 0.000 claims description 81
- 241000196324 Embryophyta Species 0.000 claims description 26
- 239000003895 organic fertilizer Substances 0.000 claims description 18
- 239000003337 fertilizer Substances 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 16
- 239000000575 pesticide Substances 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 7
- 210000003608 fece Anatomy 0.000 claims description 6
- 239000010828 animal waste Substances 0.000 claims description 5
- 239000010871 livestock manure Substances 0.000 claims description 5
- 241000272525 Anas platyrhynchos Species 0.000 claims description 4
- 241000238557 Decapoda Species 0.000 claims description 4
- 230000029553 photosynthesis Effects 0.000 claims description 4
- 238000010672 photosynthesis Methods 0.000 claims description 4
- 241000276569 Oryzias latipes Species 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000004584 weight gain Effects 0.000 claims description 3
- 235000019786 weight gain Nutrition 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 230000002550 fecal effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000011158 quantitative evaluation Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 23
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 13
- 241000607479 Yersinia pestis Species 0.000 description 8
- 230000000844 anti-bacterial effect Effects 0.000 description 5
- 239000003899 bactericide agent Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 239000002283 diesel fuel Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000005431 greenhouse gas Substances 0.000 description 4
- 239000004009 herbicide Substances 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 239000004677 Nylon Substances 0.000 description 3
- 229920001778 nylon Polymers 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241000269350 Anura Species 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000002363 herbicidal effect Effects 0.000 description 2
- 239000000618 nitrogen fertilizer Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002686 phosphate fertilizer Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000218523 Adrianichthyidae Species 0.000 description 1
- 241000143060 Americamysis bahia Species 0.000 description 1
- 241000272517 Anseriformes Species 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003501 co-culture Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000009372 pisciculture Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Agronomy & Crop Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Mining & Mineral Resources (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Cultivation Of Plants (AREA)
Abstract
本发明涉及一种稻田生态种养系统碳足迹预测方法及电子设备，包括以下步骤：获取一个生长季内普通稻田生态系统的历史排放数据；获取待测稻田生态种养系统一个生长季内的单位成本用量数据和单位产出数据；获取待测稻田生态种养系统中各影响对象的影响系数；基于所述历史排放数据、单位成本用量数据、单位产出数据和影响系数，采用碳足迹预测模型计算获得待测稻田生态种养系统在一个生长季内的碳足迹CF。与现有技术相比，本发明具有计算方便准确，实现定量评价等优点。
Description
技术领域
本发明涉及一种稻田生态种养系统，尤其是涉及一种稻田生态种养系统碳足迹预测方法及电子设备。
背景技术
水稻生产在农业发展中占有重要的战略地位，稻田由于其独特的干湿交替环境成为农业温室气体的主要排放源。为实现农业碳减排目标，迫切需要对现有稻田生态系统的碳足迹构成形成定量认知，进而对不同类型稻田生态系统的生态功能进行科学评价，为进一步优化稻田生态系统结构和功能提供思路。
目前利用碳足迹对稻田生态系统碳服务功能评价的方法中，大部分针对传统稻田，存在系统边界固定、囊括内容有限、计算细节模糊的问题，且多聚焦于数据获取或数据筛选的优化，不能很好地结合我国农业发展趋势从而体现其应用价值，如中国申请专利CN113537425A公开了一种利用物联网技术收集第一手农业原始活动数据的农业产品环境足迹评估方法，又如中国申请专利CN111611712A公开了一种利用粒子群算法筛选能够使得稻谷产量和碳足迹都最优的模型的计量优化方法。专利CN106780078A公开了一种基于粮食生产上游和中间环节净碳排放的测量方法，虽然立足于整个稻田系统且囊括了较为充实的碳排放和碳固定内容，但是其适用对象仅限于普通稻田生态系统。
近年来，稻田生态种养(稻鸭共作、稻鱼共作、稻虾共作等)模式作为一种贯彻生态位理论并充分利用资源的新型绿色生产技术，已经在我国水稻产区获得大面积推广，具有带动经济发展并改善生态环境的潜力。不同于传统模式，动物的存在对于种养系统中的碳足迹有不容忽视的影响，动物饲料和与动物生长繁殖相关的田间设施材料的生产会产生直接碳排放，动物在稻田中的取食、活动、排便等行为会间接改变稻田温室气体排放，同时，动物增重与粪便又具有碳固定效应，等等。因此，找到一种优化、全面的碳足迹计算方法来科学地评价种养模式下稻田生态系统的碳排放对于农业生态系统生态功能、减排效果和应用价值的评估至关重要。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种方便、准确、定量的稻田生态种养系统碳足迹预测方法及电子设备。
本发明的目的可以通过以下技术方案来实现：
一种稻田生态种养系统碳足迹预测方法，包括以下步骤：
获取一个生长季内普通稻田生态系统的历史排放数据；
获取待测稻田生态种养系统一个生长季内的单位成本用量数据和单位产出数据；
获取待测稻田生态种养系统中各影响对象的影响系数；
基于所述历史排放数据、单位成本用量数据、单位产出数据和影响系数，采用碳足迹预测模型计算获得待测稻田生态种养系统在一个生长季内的碳足迹CF，碳足迹预测模型的表达式为：
CF＝CE-CS
其中，CE为待测稻田生态种养系统在一个生长季内的碳排放总量，包括植物来源碳排放量和动物来源碳排放量，CS为待测稻田生态种养系统在一个生长季内的碳固定总量，包括植物来源碳固定量和动物来源碳固定量。
进一步地，所述历史排放数据包括CO2、CH4和N2O的排放数据ACO2、ACH4和AN2O。
进一步地，所述单位成本用量数据包括化肥用量、有机肥用量、农药用量、水稻种子用量、柴油用量、电力用量、汽油用量、人工用量和动物相关材料用量。
进一步地，所述动物相关材料包括动物饲料、饲料台和围网。
进一步地，所述单位产出数据包括动物累积粪便量、水稻产量、生长季开始时动物数量和单只动物重量以及生长季结束时动物数和单只动物重量。
进一步地，所述影响系数包括有机肥对一个生长季内普通稻田生态系统CO2、 CH4和N2O的影响系数、动物对一个生长季内普通稻田生态系统CO2、CH4和N2O 的影响系数、化肥生产碳排放系数、有机肥生产碳排放系数、农药生产碳排放系数、水稻种子生产碳排放系数、柴油消耗碳排放系数、电力消耗碳排放系数、汽油消耗碳排放系数、人工消耗碳排放系数、动物相关材料生产碳排放系数、动物粪便引起碳排放系数以及相关碳固定系数。
进一步地，所述相关碳固定系数包括植株残茬碳固定系数、植物光合作用碳固定系数、有机肥碳固定系数、动物增重碳固定系数和动物粪便碳固定系数。
进一步地，所述待测稻田生态种养系统包括稻蛙系统、稻鸭系统、稻鱼系统或稻虾系统。
该方法还包括：
基于所述碳足迹CF计算获得单位产值碳足迹CFoutput。
本发明还提供一种电子设备，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述稻田生态种养系统碳足迹预测方法的指令。
与现有技术相比，本发明具有以下有益效果：
1、本发明专门针对稻田生态种养系统，考虑养殖动物在稻田生态系统碳循环中的作用，有别于传统稻田系统的碳流途径，对不同养殖动物做到差异化，同时又可以适用于几乎所有具有商业潜力的稻田生态种养模式，能够获得准确性高的碳足迹计算结果，有利于生态农业进一步向绿色化、产业化、规范化发展。
2、本发明在计算碳足迹时除了基于整个生态系统的各个环节详细考虑原材料生产阶段和水稻生长阶段间接碳排放，考虑不同动物和有机肥对温室气体碳排放的影响，还着重考虑了系统中的碳固定，尤其是养殖动物相关的动物增重、动物粪便累积向系统中输入并固定的碳，进一步提高计算可靠性。
附图说明
图1为本发明稻田生态种养系统的碳相关原理示意图；
图2为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本发明提供一种稻田生态种养系统碳足迹预测方法，该方法可通过一碳足迹预测模型，基于采集数据快速准确地获得待测稻田生态种养系统的碳足迹。该方法包括以下步骤：获取一个生长季内普通稻田生态系统的历史排放数据；获取待测稻田生态种养系统一个生长季内的单位成本用量数据和单位产出数据；获取待测稻田生态种养系统中各影响对象的影响系数；基于所述历史排放数据、单位成本用量数据、单位产出数据和影响系数，采用碳足迹预测模型计算获得待测稻田生态种养系统在一个生长季内的碳足迹CF，碳足迹预测模型的表达式为：
CF＝CE-CS (1)
其中，CE为待测稻田生态种养系统在一个生长季内的碳排放总量，包括植物来源碳排放量和动物来源碳排放量，CS为待测稻田生态种养系统在一个生长季内的碳固定总量，包括植物来源碳固定量和动物来源碳固定量。
上述方法可以应用的稻田生态种养系统包括稻蛙、稻鸭、稻鱼和稻虾等。
具体地，普通稻田生态系统可为待测稻田生态种养系统毗邻区域内的生态系统，历史排放数据包括一个生长季内普通稻田生态系统CO2、CH4和N2O的排放数据 ACO2、ACH4和AN2O(千克/公顷)。
单位成本用量数据可根据市场参考值获取，包括一个生长季内待测稻田生态种养系统化肥用量ANPK(千克/公顷)、有机肥用量Aof(千克/公顷)、农药用量Apest (千克/公顷)、水稻种子用量Aseed(千克/公顷)、柴油用量Aderv(千克/公顷)、电力用量Aelec(千瓦时/公顷)、汽油用量Agaso(千克/公顷)、人工用量Alab(个/天/ 公顷)和动物相关材料用量Aapro(千克/公顷)。
动物相关材料包括动物饲料、饲料台和围网。饲料台用量Mplat(千克/公顷) 的计算方法见公式(2)，其中，Vp为一个饲料台的体积(立方米)，Np为待测稻田生态种养系统中饲料台的总数(个)，ρp为饲料台材料密度(千克/立方米)，Area 为待测稻田生态种养系统的种植面积(公顷)。围网用量Mnet(千克/公顷)的计算方法见公式(3)，其中，Sn为待测稻田生态种养系统中围网的总面积(平方米)， Wn为围网厚度(米)，Perhole为围网空洞占表面积比(％)，ρn为围网材料密度(千克/立方米)。
Mplat＝Vp×Np×ρp÷Area (2)
Mnet＝Sn×Wn×(1-Perhole)×ρn÷Area (3)
单位产出数据包括动物累积粪便量Aman(千克/公顷)、水稻产量Yield(千克/ 公顷)、生长季开始时动物数量Nini(个/公顷)和单只动物重量Wini(千克/公顷)、生长季结束时动物数量Nend(个/公顷)和单只动物重量Wend(千克/公顷)。
动物累积粪便量Aman的计算方法见公式(4)，其中，week为待测稻田生态种养系统生长季的总周数(个)，t为周数序号，Nt为第t周存活的动物数量(个/公顷)，Mt为第t周单只动物粪便累积量(千克)，与动物成长程度相关。
各影响对象的影响系数包括有机肥对一个生长季内普通稻田生态系统CO2、 CH4和N2O的影响系数EofCO2、EofCH4和EofN2O、动物对一个生长季内普通稻田生态系统CO2、CH4和N2O的影响系数EaniCO2、EaniCH4和EaniN2O、化肥生产碳排放系数EFNPK(kg CO2-eq kg-1)、有机肥生产碳排放系数EFof(kg CO2-eq kg-1)、农药生产碳排放系数EFpest(kg CO2-eq kg-1)、水稻种子生产碳排放系数EFseed(kg CO2-eq kg-1)、柴油消耗碳排放系数EFderv(kg CO2-eq kg-1)、电力消耗碳排放系数 EFelec(kg CO2-eq kwh-1)、汽油消耗碳排放系数EFgaso(kg CO2-eqkg-1)、人工消耗碳排放系数EFlab(kg CO2-eq n-1d-1)、动物相关材料生产碳排放系数EFapro(kg CO2-eq kg-1)、动物粪便引起碳排放系数EFman(kg CO2-eq kg-1)、植株残茬碳固定系数ESres(kg CO2-eq kg-1)、植物光合作用碳固定系数ESpho(kg CO2-eq kg-1)、有机肥碳固定系数ESof(kg CO2-eq kg-1)、动物增重碳固定系数ESwei(kg CO2-eq kg-1) 以及动物粪便碳固定系数ESman(kg CO2-eq kg-1)。
其中，影响系数EofCO2、EofCH4和EofN2O当待测稻田生态种养系统不施用有机肥时取值为1，施用有机肥时优选为0.5562、2.5593和0.5593。
影响系数EaniCO2、EaniCH4和EaniN2O随着动物不同而改变，在稻蛙系统中优选为1.6053、0.9033和0.6593，在稻鸭系统中取值为1.1137、0.7980和1.3660，在稻鱼系统中优选为0.9080、1.1160和1.1020，在稻虾系统中优选为0.9538、0.7510 和1.4120。
化肥包括氮肥、磷肥、钾肥和复合肥，农药包括杀虫剂、杀菌剂和除草剂。根据权威报告和数据库检索，EFNPK中氮肥、钾肥、磷肥和复合肥生产碳排放系数取值优选为1.53、1.63、0.655和1.77，EFof取值优选为2.61，EFpest中杀虫剂、杀菌剂和除草剂生产碳排放系数取值优选为16.61、10.57和10.2，EFseed取值优选为1.84， EFderv取值优选为4.99，EFelec取值优选为0.95，EFgaso取值优选为3.243，EFlab取值优选为0.86，EFapro中饲料生产碳排放系数取值优选为0.41，饲料台和围网生产碳排放系数取决于材料种类，若材料分别为木头和尼龙，则取值优选为2.2和7.9， EFman取值优选为0.0257。
根据权威报告和数据库检索，ESres取值优选为1.6101，ESpho取值优选为3.26， ESof取值优选为3.1534，ESwei取值优选为0.4525，ESman取值优选为0.6186。
公式(1)中，碳排放总量CE和碳固定总量CS基于上述获取数据，采用公式 (5)-(14)所示获得：
CE＝CFplant+CFanimal (5)
CFplant＝CFPdirect+CFPindirect (6)
CFPdirect＝EofCO2×EaniCO2×ACO2+EofCH4×EaniCH4×ACH4×34 +EofN2O×EaniN2O×AN2O×298 (7)
CFPindirect＝CFPpro+CFPgro (8)
CFPpro＝EFNPK×ANPK+EFof×Aof+EFpest×Apest+EFseed×Aseed (9)
CFPgro＝EFderv×Aderv+EFelec×Aelec+EFgaso×Agaso+EFlab×Alab 10)
CFanimal＝EFapro×Aapro+EFman×Aman (11)
CS＝CSplant+C.Sanimal (12)
CSplant＝ESres×Yield+ESpho×Yield+ESof×Aof (13)
CSanimal＝ESwei×(Nend×Wend-Nini×Wini)+ESman×Aman (14)
进一步地，可以通过公式(15)拓展为单位产值碳足迹CFoutput(kg CO2-eq yuan-1)，其中，Prrice和Pranimal为待测稻田生态种养系统产出的稻米和动物产品的当季价格 (元/千克)，Nsale为稻田生态种养系统产出的动物数量(个)，Nsale≤Nend。
CFoutput＝CF÷(Prrice×Yield+Pranimal×Wend×Nsale) (15)
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
上述方法可封装为一套软件，仅需输入采集数据，即可方便、准确、定量地进行某一待测稻田生态种养系统的碳足迹预测，为农业系统促进水稻产业绿色生态发展提供依据。
实施例
待测稻田生态种养系统为稻蛙共作系统，现以该系统在2020年一个水稻生长季节内(6月15日至11月6日，共145天，共21周)的碳足迹的预测计算过程为例进行说明，具体包括以下步骤：
S1：根据对待测稻田生态种养系统毗邻的普通稻田生态系统温室气体排放的测量，一个生长季内CO2、CH4和N2O的排放数据ACO2、ACH4和AN2O为18127.32、 108.02054和2.33134(千克/公顷)。
通过调查获取一个生长季内待测稻田生态种养系统有机肥用量Aof为5997.002(千克/公顷)、农药用量Apest下杀虫剂和杀菌剂用量分别为3.8841和0.578(千克 /公顷)、水稻种子用量Aseed为64.8441(千克/公顷)。
由于不施用化肥和除草剂，通过调查获取的一个生长季内待测稻田生态种养系统有机肥用量Aof为5997.002(千克/公顷)、农药用量Apest下杀虫剂和杀菌剂用量分别为3.8841和0.578(千克/公顷)、水稻种子用量Aseed为64.8441(千克/公顷)。
通过机械使用情况折算获取的柴油用量Aderv为1765.322(千克/公顷)、电力用量Aelec为2332.084(千瓦时/公顷)、汽油用量Agaso为4.1846(千克/公顷)、人工用量Alab为2(个/天/公顷)。
通过调查获取的水稻产量Yield为5547.2264(千克/公顷)、生长季开始时动物数量Nini和单只动物重量Wini分别为13494(个/公顷)和0.206497×10-3(千克/ 公顷)、生长季结束时动物数量Nend和单只动物重量Wend分别为1354(个/公顷) 和12.19709×10-3(千克/公顷)。
通过问卷获得的动物相关材料用量Aapro下的动物饲料用量为149.925(千克/ 公顷)。已知一个饲料台的体积Vp取值为0.045(立方米)，饲料台总数Np为56(个)，由于饲料台为木制，木头密度ρp为540(千克/立方米)，种植面积Area为9.338(公顷)，根据公式(2)获取饲料台用量Mplat为145.7271(千克/公顷)。已知围网总面积Sn取值为6466.338(平方米)，围网厚度Wn为0.001(米)，围网空洞占表面积比Perhole为90(％)，由于围网为尼龙制，尼龙密度ρn为1150(千克/立方米)，根据公式(3)获取围网用量Mnet为79.6347(千克/公顷)。
根据长期观察，待测稻田生态种养系统生长季的总周数、每一周存活的蛙数量和每一周单蛙粪便累积量如表1所示，根据公式(4)计算获得的动物累积粪便量 Aman为1478.705(千克/公顷)。
表1蛙粪累积量计算
S2：由于待测系统施用有机肥替代化肥，因此有机肥对一个生长季内普通稻田生态系统CO2、CH4和N2O的影响系数EofCO2、EofCH4和EofN2O为0.5562、2.5593 和0.5593。
由于待测系统为稻蛙生态种养系统，因此蛙对一个生长季内普通稻田生态系统CO2、CH4和N2O的影响系数EaniCO2、EaniCH4和EaniN2O为1.6053、0.9033和0.6593。
根据权威报告和数据库检索，由于不施用化肥和除草剂，有机肥生产碳排放系数EFof为2.61(kg CO2-eq kg-1)，农药生产碳排放系数EFpest中杀虫剂和杀菌剂的生产碳排放系数分别为16.61和10.57(kg CO2-eq kg-1)，水稻种子生产碳排放系数 EFseed为1.84(kgCO2-eq kg-1)，柴油消耗碳排放系数EFderv为4.99(kg CO2-eq kg-1)，电力消耗碳排放系数EFelec为0.95(kg CO2-eq kwh-1)，汽油消耗碳排放系数EFgaso为3.243(kg CO2-eq kg-1)，人工消耗碳排放系数EFlab为0.86(kg CO2-eq n-1d-1)，动物相关材料生产碳排放系数EFapro中，饲料生产碳排放系数为0.41(kg CO2-eq kg-1)，饲料台和围网生产碳排放系数分别为2.2和7.9(kg CO2-eq kg-1)，动物粪便引起碳排放系数EFman为0.0257(kg CO2-eq kg-1)。
根据权威报告和数据库检索，植株残茬碳固定系数ESres为1.6101(kg CO2-eq kg-1)，植物光合作用碳固定系数ESpho为3.26(kg CO2-eq kg-1)，有机肥碳固定系数ESof为3.1534(kg CO2-eq kg-1)，动物增重碳固定系数ESwei为0.4525(kg CO2-eq kg-1)，动物粪便碳固定系数ESman为0.6186(kg CO2-eq kg-1)。
S3：将步骤S1和步骤S2获得的数据代入公式(7)，计算获得待测稻蛙系统在一个生长季内的直接植物来源碳排放量CFPdirect为24932.73524(kg CO2-eq ha-1)。将步骤S1和步骤S2获得的数据代入公式(9)和公式(10)，计算获得待测稻蛙系统在一个生长季内的上游原材料生产引起的间接碳排放量CFPpro和中下游农艺措施引起的间接碳排放量CFPgro分别为15842.11273和11039.72724(kg CO2-eq ha-1)，将CFPpro和CFPgro代入公式(8)，计算获得待测稻蛙系统在一个生长季内的间接植物来源碳排放量CFPindirect为26881.83996(kg CO2-eq ha-1)。将CFPdirect和CFPindirect代入公式(6)，计算获得待测稻蛙系统在一个生长季内的植物来源碳排放量CFplant为51814.5752(kg CO2-eq ha-1)。
将步骤S1和步骤S2获得的数据代入公式(11)，计算获得待测稻蛙系统在一个生长季内的动物来源碳排放量CFanimal为1049.1857(kg CO2-eq ha-1)。
将CFplant和CFanimal代入公式(5)，计算获得待测稻蛙系统在一个生长季内的碳排放总量CE为52863.7609(kg CO2-eq ha-1)。
将步骤S1和步骤S2获得的数据代入公式(13)，计算获得待测稻蛙系统在一个生长季内的植物来源碳固定量CSplant为45926.49182(kg CO2-eq ha-1)。将步骤 S1和步骤S2获得的数据代入公式(14)，计算获得待测稻蛙系统在一个生长季内的动物来源碳固定量CSanimal为945.77746(kg CO2-eq ha-1)。将CSplant和CSanimal代入公式(12)，计算获得待测稻蛙系统在一个生长季内的碳固定总量CS为 46872.2693(kg CO2-eq ha-1)。
将CE和CS代入公式(1)，计算获得待测稻蛙系统在一个生长季内的碳足迹 CF为5991.4916(kg CO2-eq ha-1)。
以上计算获得的碳足迹CF为待测稻蛙系统在一个生长季内单位面积的碳足迹，可以通过公式(15)将其拓展为单位产值碳足迹。由于调查获知待测稻蛙系统在生长季结束后不产出动物产品，因此Nsale为0，已知稻蛙米的当季价格Prrice为24(元 /千克)，计算获得待测稻蛙系统在一个生长季内单位产值的碳足迹CFoutput为0.4202 (kg CO2-eq yuan-1)。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种稻田生态种养系统碳足迹预测方法，其特征在于，包括以下步骤：
获取一个生长季内普通稻田生态系统的历史排放数据；
获取待测稻田生态种养系统一个生长季内的单位成本用量数据和单位产出数据；
获取待测稻田生态种养系统中各影响对象的影响系数；
基于所述历史排放数据、单位成本用量数据、单位产出数据和影响系数，采用碳足迹预测模型计算获得待测稻田生态种养系统在一个生长季内的碳足迹CF，碳足迹预测模型的表达式为：
CF＝CE-CS
其中，CE为待测稻田生态种养系统在一个生长季内的碳排放总量，包括植物来源碳排放量和动物来源碳排放量，CS为待测稻田生态种养系统在一个生长季内的碳固定总量，包括植物来源碳固定量和动物来源碳固定量。
2.根据权利要求1所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述历史排放数据包括CO2、CH4和N2O的排放数据ACO2、ACH4和AN2O。
3.根据权利要求1所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述单位成本用量数据包括化肥用量、有机肥用量、农药用量、水稻种子用量、柴油用量、电力用量、汽油用量、人工用量和动物相关材料用量。
4.根据权利要求3所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述动物相关材料包括动物饲料、饲料台和围网。
5.根据权利要求1所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述单位产出数据包括动物累积粪便量、水稻产量、生长季开始时动物数量和单只动物重量以及生长季结束时动物数和单只动物重量。
6.根据权利要求1所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述影响系数包括有机肥对一个生长季内普通稻田生态系统CO2、CH4和N2O的影响系数、动物对一个生长季内普通稻田生态系统CO2、CH4和N2O的影响系数、化肥生产碳排放系数、有机肥生产碳排放系数、农药生产碳排放系数、水稻种子生产碳排放系数、柴油消耗碳排放系数、电力消耗碳排放系数、汽油消耗碳排放系数、人工消耗碳排放系数、动物相关材料生产碳排放系数、动物粪便引起碳排放系数以及相关碳固定系数。
7.根据权利要求6所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述相关碳固定系数包括植株残茬碳固定系数、植物光合作用碳固定系数、有机肥碳固定系数、动物增重碳固定系数和动物粪便碳固定系数。
8.根据权利要求1所述的稻田生态种养系统碳足迹预测方法，其特征在于，所述待测稻田生态种养系统包括稻蛙系统、稻鸭系统、稻鱼系统或稻虾系统。
9.根据权利要求1所述的稻田生态种养系统碳足迹预测方法，其特征在于，该方法还包括：
基于所述碳足迹CF计算获得单位产值碳足迹CFoutput。
10.一种电子设备，其特征在于，包括一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述稻田生态种养系统碳足迹预测方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210773286.1A CN115293921A (zh) | 2022-07-01 | 2022-07-01 | 稻田生态种养系统碳足迹预测方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210773286.1A CN115293921A (zh) | 2022-07-01 | 2022-07-01 | 稻田生态种养系统碳足迹预测方法及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115293921A true CN115293921A (zh) | 2022-11-04 |
Family
ID=83822635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210773286.1A Pending CN115293921A (zh) | 2022-07-01 | 2022-07-01 | 稻田生态种养系统碳足迹预测方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115293921A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116523147A (zh) * | 2023-06-30 | 2023-08-01 | 广东省农业科学院植物保护研究所 | 基于无人机红外探测的农田碳排放预测方法及系统 |
| TWI821049B (zh) * | 2022-11-25 | 2023-11-01 | 泰平達科技有限公司 | 藉由微藻固碳降低農產品碳足跡的方法 |
-
2022
- 2022-07-01 CN CN202210773286.1A patent/CN115293921A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI821049B (zh) * | 2022-11-25 | 2023-11-01 | 泰平達科技有限公司 | 藉由微藻固碳降低農產品碳足跡的方法 |
| CN116523147A (zh) * | 2023-06-30 | 2023-08-01 | 广东省农业科学院植物保护研究所 | 基于无人机红外探测的农田碳排放预测方法及系统 |
| CN116523147B (zh) * | 2023-06-30 | 2023-09-05 | 广东省农业科学院植物保护研究所 | 基于无人机红外探测的农田碳排放预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Küstermann et al. | Modeling carbon cycles and estimation of greenhouse gas emissions from organic and conventional farming systems | |
| Belflower et al. | A case study of the potential environmental impacts of different dairy production systems in Georgia | |
| Dale et al. | Measures of the effects of agricultural practices on ecosystem services | |
| Cederberg et al. | Life cycle assessment of milk production—a comparison of conventional and organic farming | |
| CN115293921A (zh) | 稻田生态种养系统碳足迹预测方法及电子设备 | |
| Probert et al. | Simulation of legume-cereal systems using APSIM | |
| Ghasempour | Evaluation of environmental effects in producing three main crops (corn, wheat and soybean) using life cycle assessment | |
| Lotfalian Dehkordi et al. | Estimation of energy flow and environmental impacts of quinoa cultivation through life cycle assessment methodology | |
| Chianese et al. | Simulation of carbon dioxide emissions from dairy farms to assess greenhouse gas reduction strategies | |
| Amirova et al. | Mechanisms for leveling the carbon footprint in the production of grain products | |
| Uddin et al. | Rice crop residue management and its impact on farmers livelihood-an empirical study | |
| Sobol et al. | Analysis of the possibility of energetic utilization of biomass obtained from grass mowing of a large-area golf course—a case study of Tuscany | |
| Rotz et al. | Integration of air and water quality issues. | |
| Oficial | Modeling and analyzing the agroecological performance of farms with ECOPATH | |
| Dalgaard et al. | An LC inventory based on representative and coherent farm types | |
| CN115222201A (zh) | 一种作物生产碳足迹评价的全局敏感性分析方法 | |
| Kumar et al. | Impact of smallholder cattle farms on the environment: a study | |
| Haas et al. | Estimation of environmental impact of conversion to organic agriculture in Hamburg using the Life-Cycle-Assessment method | |
| Gao et al. | Influence of organic rice production mode on weed composition in the soil seed bank of paddy fields | |
| Price et al. | Securing the future of intensive rice systems: a knowledge-intensive resource management and technology approach | |
| Zhang et al. | Environmental footprint performance improvement of black tea using the life cycle assessment approach | |
| Doran et al. | Sustainable Agriculture: Soil Quality | |
| Kusano et al. | Fertilizer-use efficiency of farmers using manure in Liaozhong County, China | |
| Meyhoff | Validation of stable isotope analysis for determining dietary proportions and trophic dynamics in plains sharp-tailed grouse (Tympanuchus phasianellus jamesi) | |
| Rohaeni et al. | Developing a Sustainable Beef Cattle Business Model for Smallholder Farms in South Kalimantan's Drylands. |
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 |