西北地區主要糧食作物種植的水、碳足跡及布局優化

王楚凡，?？?/p>

1 農業水資源高效利用全國重點實驗室，北京 100083；2 甘肅武威綠洲農業高效用水國家野外科學觀測研究站，甘肅武威 733009；3 中國農業大學中國農業水問題研究中心，北京 100083

0 引言

【研究意義】溫室氣體排放和水資源利用是目前較為關注的全球性問題。我國農業溫室氣體排放總量從1990年的699.12 Mt CO2-eq增長至2019年的789.05 Mt CO2-eq[1]。二氧化碳（CO2）、氧化亞氮（N2O）和甲烷（CH4）等是溫室氣體的主要來源，對溫室效應的貢獻率接近80%[2]。水資源是重要的自然資源和經濟資源，其中農業用水占全國用水總量的60%左右[3]。我國作為人口和農業大國，面臨著溫室氣體和水資源的雙重壓力。西北地區作為我國糧食主產區，農業有很大發展潛力。為了評估該地區碳排放量和水資源量，本文量化西北地區碳足跡和水足跡，并基于此對主要糧食作物進行種植結構優化，為減少碳排放量和強化水資源管理提供理論依據?！厩叭搜芯窟M展】根據目前國內已有的研究，水稻的碳排放中稻田CH4是最大的貢獻者，而對于小麥和玉米來說，氮肥的制造和應用是主要貢獻者[4-5]。WANG 等[6]的2000—2015年全國糧食系統的溫室氣體排放量計算結果表明，直接排放是溫室氣體的最大來源，其次來源于肥料、電力、農藥、燃料和農用薄膜的生產和運輸。YANG等[7]對華北平原的種植系統進行了研究，考慮谷物、牧草和能源作物以及輪作中谷物和牧草作物的多種混合對產量和碳排放的相關影響。HUANG 等[8]對1978年以來我國糧食種植農業投入碳足跡進行了量化，得出小麥、玉米和水稻碳排放分別占溫室氣體排放總量的68%、76%和66%，提出了通過優化種植區空間分布和提高化肥利用效率，節水灌溉減少用電量等措施減少溫室氣體排放。郭萍等[9]基于水足跡對河套灌區作物進行種植結構優化，提高水資源利用效率。聶媛等[10]基于水足跡應用熵權法對我國北方三大糧食作物種植結構進行優化，優化后藍水總量相較于2019年明顯減少?！颈狙芯壳腥朦c】西北地區是我國重要的糧食產區，目前的相關研究大多基于單點或多點田間試驗數據，沒有從宏觀尺度對該地區的小麥、玉米和水稻生育期內碳足跡和水足跡進行全軌跡評估，且尚未有基于經濟效益、生態效益（碳排放量最小化）和水資源效益（綠水利用最大化）進行多目標種植結構優化的研究。本研究針對西北地區三大糧食作物進行碳足跡、水足跡的評估，并基于2020 年數據進行種植結構優化，為減少碳排放量和強化水資源管理提供理論依據?！緮M解決的關鍵問題】基于統計數據，采用生命周期法、Penman-Monteith 公式和基于熵權的多目標優化法，以西北地區1999—2020 年小麥、玉米和水稻生產過程為研究對象，核算作物碳足跡和水足跡，并建立以經濟效益、生態效益和水資源效益為目標的種植結構優化模型，為西北地區糧食作物布局提供理論基礎。

1 材料與方法

1.1 研究區域及研究作物

研究區域位于西北地區5 個?。▍^），分別為陜西省、甘肅省、青海省、寧夏回族自治區和新疆維吾爾自治區。該區域降水量較少，氣候較為干燥，糧食作物主要以小麥和玉米為主，有少量水稻種植。本研究以西北地區各?。▍^）的小麥、玉米和水稻為對象展開研究。選擇該區域的意義是由于西北地區小麥、玉米種植面積較大，且目前對西北地區水碳足跡核算，并進行種植結構優化的研究較少。關于水稻，雖然該地區種植面積不大，但水淹稻田CH4是水稻種植中主要排放氣體，且對于種植結構調整具有重要意義，故一并研究。

1.2 系統邊界和功能單位

碳足跡計算基于生命周期法（LCA），計算溫室氣體的直接排放和間接排放。直接排放包括施用化肥的N2O 排放、水淹稻田的CH4排放和秸稈燃燒的溫室氣體排放；間接排放包括化肥、農藥、塑料薄膜和種子的生產和運輸過程中的溫室氣體排放，灌溉時的電力和耕作時的柴油消耗導致的溫室氣體排放[11]。此外還計算秸稈還田和施用氮肥的土壤固碳量。計算結果以二氧化碳當量表示（t CO2-eq）。本研究遵循了碳足跡核算的兩個功能單位：以t CO2-eq·t-1為單位的產量碳足跡（PCF）和以t CO2-eq·hm-2為單位的面積碳足跡（FCF）。

水足跡計算基于Penman-Monteith 公式。作物水足跡能夠清晰反映不同作物對各類水資源的利用特征，根據來源的不同可分為藍水足跡與綠水足跡。作物藍水足跡是指作物生長過程中消耗的灌溉水資源量，作物綠水足跡是指作物生長過程中消耗的降雨量。量化作物水足跡對明確作物生產所形成的區域水資源壓力有重要意義。由于灰水（將一定的污染物負荷吸收同化所需的淡水體積）不是作物生育期內直接消耗的水資源，受人為因素影響較大，且本文種植結構優化的側重點是降低西北地區碳排放量，增加綠水資源利用，故本文考慮作物生產藍水足跡和綠水足跡，暫不考慮灰水足跡[10]。本文利用Penman-Monteith 公式，通過輸入各?。▍^）的氣候數據、作物數據，使用作物需水法來模擬作物藍、綠水的蒸騰蒸發量[10]，從而計算得出不同作物分?。▍^）的綠水足跡和藍水足跡。

1.3 數據來源及計算方法

小麥、玉米和水稻生產中投入的化肥、農藥、塑料薄膜、有效灌溉面積、柴油、種子用量來自《全國農產品成本收益資料匯編1999—2021》和各?。▍^）統計年鑒（《陜西統計年鑒》《甘肅發展年鑒》等）。其中柴油用量由《匯編》中機械作業費、燃料動力費和排灌費與國家發展和改革委員會發布的西北五?。▍^）1999—2020 年的柴油單價計算得出[12]；灌溉電力根據各?。▍^）統計年鑒中有效灌溉面積計算得到[13]。西北地區各?。▍^）小麥、玉米和水稻的種植面積和單位產量來自各?。▍^）統計年鑒。

使用Penman-Monteith[14]公式完成作物藍、綠水的蒸發蒸騰量和有效降雨量的測算，核算過程中使用的氣候數據來自國家氣象科學數據共享平臺（https://data.cma.cn/）“中國地面氣候資料日值數據集”，數據包括日尺度最高氣溫、最低氣溫、平均相對濕度、平均風速、日照時數、降水量。作物系數數據來源于聯合國糧農組織（FAO）全球數據庫[15]并采用雙作物系數法進行修正。作物播種日期參考文獻[16-18]，各?。▍^）水資源總量、農業用水總量、總用水量、年降水總量、種植業用水比重數據來自各?。▍^）水資源公報。耕地面積及土地面積來自各?。▍^）統計年鑒。作物現金收益數據來自《全國農產品成本收益資料匯編》。

1.3.1 作物生產碳排放計算 溫室氣體排放量以二氧化碳當量作為計算參照。本文糧食作物生產生命周期溫室氣體排放的來源包括化肥、農藥、柴油等農資的生產與運輸過程；農田N2O 直接排放；水稻CH4排放；秸稈燃燒和秸稈還田等。計算公式如下。

1.3.1.1 碳排放

式中，CFM為各?。▍^）農業投入所造成的碳排放量之和（t CO2-eq）；Ik為各?。▍^）第k 個農業輸入量；EFk為第k 個農業投入的碳排放系數，以每單位體積或質量t CO2-eq 為單位；CFN2O為農田N2O 直接排放量（t CO2-eq）；IN為各?。▍^）不同糧食作物氮肥輸入量（kg N）；EFN2O為N2O 直接排放系數（kg N2O-N·kg-1N），目前針對N2O 排放系數的研究已經有很多[19-22]，本文選用的排放系數見表1；44/28 為N轉換為N2O 的轉換系數；265 是N2O 排放的100 年全球增溫潛勢[19]；CFCH4為稻田 CH4直接排放量（tCO2-eq）；A 為各?。▍^）不同糧食作物種植面積（hm2）；EFCH4為稻田CH4排放系數（kg CH4·hm-2）；27.9 為CH4的100 年全球增溫潛勢[23]。CFburning為秸稈燃燒產生的碳排放量（t CO2-eq），我們考慮了室內秸稈燃燒和田間秸稈燃燒造成的碳排放，包括N2O、CH4和CO2氣體。AY 為作物產量（t）；N 為秸稈與產量的比例（%）；P 為秸稈燃燒百分比（%）；D 和CE 分別表示干物質分數（%）和燃燒效率（%）；EF為排放系數（g·kg-1）。具體指數見表1—6。

表1 投入農資的排放系數Table 1 Emission factors for agricultural inputs

表2 西北五?。▍^）水稻CH4排放系數[33]Table2 Methane emission factors from rice in five provinces of the Northwest China (kg CH4·hm-2)

表3 西北五?。▍^）秸稈占作物產量的比例[24]Table 3 The proportion of straw in the crop yield in five provinces of Northwest China (%)

表4 西北五?。▍^）秸稈燃燒率和還田比例[24]Table 4 Straw burning percentage and proportion of straw returning in five provinces of the Northwest China

表5 不同作物秸稈燃燒效率和干物質分數[24]Table 5 Combustion efficiency and dry matter fraction of straw from different crops (%)

1.3.1.2 碳固定

式中，SCS1為西北地區秸稈還田的土壤碳固定量[24]（t CO2-eq）；Si為單位面積農田的秸稈還田量（t·hm-2），等于秸稈產量（t）乘以干物質分數D（%），再乘以還田率（%）；44/12 為土壤有機碳到CO2排放的轉換系數；SCS2為西北地區氮肥施用量的土壤碳固定量[24]（t CO2-eq）；Ni為單位面積氮肥量（kg·hm-2）。

1.3.1.3 碳足跡

式中，CF 為總碳排放（t CO2-eq）；PCF 為單位產量碳足跡（t CO2-eq·t-1）；FCF 為單位面積碳足跡（t CO2-eq·hm-2）；其余變量含義同上。

1.3.2 水足跡計算 藍水足跡是指作物在生長發育過程中所消耗的地下水和地表水，本研究主要是作物消耗的灌溉用水量[9]；綠水足跡是指生產過程中消耗的降雨量，主要指生長發育過程中吸收和利用的有效降雨量[9]。藍、綠水足跡采用ALLEN 等[15]提出的方法進行測算。

式中，WFP 為作物單位質量水足跡（m3·kg-1）；Wg、Wb分別為作物單位質量綠水足跡與藍水足跡（m3·kg-1）；常量因子10 是將水的深度換算為單位陸地面積水量的轉換系數；Y 為作物單位面積產量（kg·hm-2）；ETg為作物綠水蒸騰量（mm）；ETb為作物藍水蒸騰量（mm）；ETc為作物需水量（mm）；Pe為作物生育期日有效降雨量（mm）。

本文的作物需水量近似等于作物的蒸散發量，采用作物系數法來確定，參考作物蒸發蒸騰量ET0采用Penman-Monteith 公式計算，有效降雨量采用美國農業部提出的計算公式，即

式中，ET0為作物潛在蒸散發量（mm）； Kc為作物系數，根據生育期不同階段及相應階段的時間長短，選用不同的作物系數，各生育階段占總生育期比例見表7；P 為作物生育期日降雨量（mm）。本文采用雙作物系數法進行計算，雙作物系數法將田間蒸發通量分為土壤蒸發和作物蒸騰兩部分計算[34]：

表7 各發育階段作物系數（Kc）及各生長期比例Table 7 Crop coefficient (Kc) for each developmental stage and proportion of each growth period

式中，Ks為水分脅迫系數，本文假定作物生長過程中水分供應充足，故Ks=1[34]；Kcb為作物蒸騰系數；Ke為土壤層蒸發系數。

式中，Kcb為修正后作物系數，具體系數見表8；Kcb(tab)為FAO 推薦的作物系數（表7），根據西北地區氣候條件，值大于0.45 的參考基礎作物系數（中期階段和后期階段的基礎作物系數Kcb(tab)_mid和Kcb(tab)_end）根據濕度、風速及作物高度進行調整[20]；u2為冠層上方2 m處的風速（m·s-1）；h 為各階段作物的平均株高（m），選用FAO 推薦值；RHmin為最小相對濕度（%）。

表8 修正后的各發育階段作物系數Table 8 Corrected crop coefficients for each developmental stage

式中，Kr為土壤蒸發衰減系數；Kcmax為Kc上限（1.05—1.30）；few為濕潤并裸露的土壤部分，即土壤蒸發有效部分；TEW 為土壤表層可蒸發深度（mm）；De,i、De,i-1為截止到第i、i-1 天的累積蒸發深度（mm）；REW 為土壤表面易蒸發的水量（mm）。研究區土壤為砂壤土，TEW 和REW 分別取20 mm 和8 mm[34]；fc為地表平均植被覆蓋率；fw為土壤表層被灌溉浸濕的部分，參考FAO-56 和相關文獻[15,34-35]進行取值；Pi為第i 天的降水深度（mm）；Ri為第i 天的地表徑流（mm）；Ii為第i 天的灌溉深度（mm）；Ei為第i天的蒸騰量（mm）；Tew，i為第i 天的實測蒸發量（mm）；DPe,i為第i 天通過地表蒸發損失的土壤深層滲透量（mm），只在土壤儲水量超過持水能力時才會產生。本文中Ri、Tew,i、DPe,i取為0[35-36]。最終根據式15 得到的作物系數Kc，見表8。

區域i 的作物生產水足跡總量 WFi（m3）計算公式如下：

式中，i 表示區域，j 表示作物。

1.3.3 種植結構優化公式

1.3.3.1 目標函數

（1）經濟收益最大化

由于現金收益對農民種植糧食作物決策的影響顯著，本文將現金收益作為衡量農民種糧經濟收益的指標[10]，以期實現西北五?。▍^）整體經濟收益最大化，目標函數如下：

式中，f1為經濟收益最大化目標函數；Rij為區域i 作物j 的現金收益（元/hm2）；Aij為區域i 作物j 的播種面積（hm2），為決策變量。

（2）碳排放量最小化

本文設立碳排放量最小化目標，以期減少西北五?。▍^）糧食作物碳排放量，目標函數設置如下：

式中，f2為碳排放量最小化目標函數；為排除個別年份數據缺失的影響，本文使用2010—2020 年作物平均單位產量碳足跡來表征PCFij（t CO2-eq·t-1）。

（3）綠水利用最大化

由于綠水和藍水在農業生產中可以相互替代，與藍水資源相比，綠水資源的機會成本較小，因此為充分利用綠水資源，減少藍水資源消耗[10]，本文設立綠水利用最大化目標函數f3，即西北五?。▍^）三大糧食作物的總綠水消耗量的最大值，目標函數設置如下：

式中，為了減小降水不確定性對作物綠水足跡的影響，本文使用2010—2018 年西北地區三大糧食作物的平均綠水足跡表征Wgij。

線性加權法是目前應用最廣泛的多目標優化算法，其基本思想是通過給不同目標分配相應權重后加權求和，從而將多目標函數轉化為單目標函數進行求解。為了消除數量級與量綱差異帶來的影響，本文先采用極值法對數據進行標準化處理，再運用多目標線性加權方法將多目標函數轉化為單目標函數求解，計算公式如下：

目標權重的大小可以反映目標函數的重要程度，為了明晰目標權重對西北五?。▍^）三大糧食作物種植趨勢的影響，本文對經濟收益最大化目標、碳排放量最小化目標和綠水利用最大化目標賦予3 種不同的權重矩陣，觀察當目標權重不斷加大時西北五?。▍^）不同作物的優化方向是否會發生改變。為了增強權重設置的客觀性，先采用熵權法對經濟收益、生態效益和水資源利用目標進行客觀賦權，并將其作為基準情景（記作情景1）進行對比，通過利用基期（2020 年）西北五?。▍^）的原始數據，測算得出情景1 下經濟收益目標的權重λ1為0.44，碳排放減少目標的權重λ2為0.24，綠水利用目標的權重λ3為0.32；在情景2 中，為了增加碳排放重要性程度，促使西北地區進一步減少碳排放，本文設置繼續增加碳排放目標的權重，此時經濟收益目標被相對弱化，綠水利用目標仍維持情景1 中的客觀水平，情景2 中經濟收益、綠水利用和碳排放減少目標權重分別設置為λ1= 0.18，λ2= 0.5，λ3= 0.32；在情景3 中，本文進一步加大綠水利用目標權重，此時經濟收益、碳排放減少目標和綠水利用目標權重分別設置為λ1= 0.26，λ2= 0.24，λ3= 0.5。

1.3.3.2 約束條件

（1）糧食產量約束

種植結構優化要以保證糧食作物產量為前提條件。根據《中國居民膳食指南科學研究報告》每人谷物需滿足109.5kg·a-1[37]。故本文設定各?。▍^）不同糧食作物產量之和須大于各?。▍^）人口與谷物需求量之積，計算公式如下：A

式中，Mi為各?。▍^）2020 年人口數。

（2）種植面積約束

本文設定優化后三大糧食作物的種植面積的變化均小于20%，且總面積小于2020 年總面積[38]。

式中，SAj為各?。▍^）j 作物2020 年總種植面積之和（hm2）。

（3）氮肥用量約束

本文用氮肥對碳排放進行約束。設定為優化后總施用氮肥量不大于2020 年西北地區糧食作物總施用氮肥量，計算公式如下[38]：

式中，Nferij為各?。▍^）不同作物的單位面積施氮肥量（kg·hm-2）；Nfersum為研究區2020 年種植三大糧食作物的總施氮量（kg）。

（4）綠水足跡約束

為使西北五?。▍^）充分利用綠水資源，本文設置了綠水利用最大化目標。但由于區域可利用的綠水資源存在上限，因此本文設置各?。▍^）三大糧食作物的生產綠水足跡總量需小于當地可供農業利用的綠水資源總量 WRGi（m3），以期各?。▍^）能在綠水資源可利用范圍之內充分利用綠水資源[10]。

式中，Pi為區域i 的年降水總量（m3·a-1）；Wi為區域i 的（常規）水資源總量（m3·a-1）；CAi為區域i 的耕地面積（m2）；TAi為區域i 的土地總面積（m2）。

（5）非負約束

為使優化后的種植結構符合地區的種植條件與種植習慣，本文將優化后青海水稻的種植面積設置為0，其余?。▍^）各作物的種植面積需≥0。

2 結果

2.1 西北地區三大糧食作物碳排放與碳足跡時空變化

2.1.1 糧食作物碳排放空間分布變化 西北地區三大糧食作物碳排放總量呈現東西部地區（陜西、新疆）高，中部地區（青海、寧夏）低的分布特征（圖1）。2020 年陜西渭南碳排放總量最高，為1.4×106t CO2-eq，其次是新疆喀什地區（1.3×106t CO2-eq）、新疆伊犁哈薩克自治州（1.2×106t CO2-eq）和陜西咸陽市（0.9×106t CO2-eq）；青海西寧市三大糧食作物碳排放總量最低，為0.8×103t CO2-eq，其次是青海海東市（1.4×103t CO2-eq）、新疆圖木舒克市（1.7×103t CO2-eq）和青海黃南藏族自治州（2.0×103t CO2-eq）。

圖1 西北各地區糧食作物碳排放總量Fig. 1 The total carbon emissions of grain crops in various cities in Northwest China

2.1.2 單位產量碳足跡和單位面積碳足跡變化1999—2020 年，小麥、玉米、水稻3 種主要糧食作物單位產量碳足跡（PCF）（圖2-a）和單位面積碳足跡（FCF）（圖2-b）差別都比較明顯。對于單位產量碳足跡，西北地區水稻PCF 最高；除2001—2004年外，玉米PCF 始終處于最低水平。對于單位面積碳足跡（FCF），西北地區水稻>玉米>小麥，小麥、玉米FCF 整體呈上升趨勢，平均值分別為2.46、3.21 t CO2-eq·hm-2。水稻FCF 整體呈下降趨勢，平均值為5.57 t CO2-eq·hm-2。

圖2 西北地區糧食作物單位產量碳足跡和單位面積碳足跡Fig. 2 Carbon footprint per yield and carbon footprint per area of crops in Northwest China

2.2 西北地區三大糧食作物水總量與水足跡時空變化

2010—2018 年西北地區三大糧食作物綠水總量呈上升趨勢（圖3-a），其中小麥和玉米變化趨勢相同，水稻變化趨勢較為平緩。西北地區玉米綠水總量最大，其次是小麥、水稻。藍水總量在2010—2015 年呈上升趨勢，2016—2018 年呈現下降趨勢（圖3-b），小麥和玉米藍水總量變化趨勢相同，水稻變化趨勢較為平緩。西北地區三大糧食作物綠水總量較大的?。▍^）為陜西和新疆（圖4），但從2010 年到2018 年，甘肅的綠水總量有較大程度提升。藍水總量較大的?。▍^）為甘肅和新疆（圖4），但青海近10 年藍水總量明顯增加。西北地區玉米藍水總量最大，其次是小麥、水稻。2010—2018 年小麥平均綠水總量較高的地區分布在陜西、甘肅和寧夏，其中陜西近10 年小麥生育期內的綠水足跡為0.71 m3·kg-1。玉米生育期內的耗水來源主要是綠水，近10 年玉米平均綠水足跡較高的地區主要分布在陜西、甘肅和青海。2010—2018 年小麥平均藍水總量較高的地區分布在甘肅、寧夏和新疆，生育期內的平均藍水足跡均在0.5 m3·kg-1以上。玉米是三大糧食作物中消耗藍水最小的作物，西北五?。▍^）玉米平均藍水足跡為0.45m3·kg-1。水稻藍水足跡最大，平均為0.77 m3·kg-1。

圖3 西北地區糧食作物綠水總量和藍水總量變化Fig. 3 Changes in the total green water and blue water of grain crops in the Northwest China

圖4 2010 和2018 年西北地區糧食作物綠水、藍水總量Fig. 4 Total green water and blue water of grain crops in Northwest China in 2010 and 2018

2.3 西北地區三大糧食作物種植布局優化

2.3.1 三大糧食作物優化前后種植面積變化 優化后，情景1 玉米、水稻種植面積減少5.8%、8.0%，小麥種植面積增加6.7%；情景2 玉米、水稻種植面積減少19.9%、15.2%，小麥種植面積增加2.6%；情景3 水稻種植面積減少3.1%，小麥、玉米種植面積增加11.4%、0.2%。西北地區5 個?。▍^）的種植結構調整見表9。優化后，情景1 陜西、青海、寧夏作物總種植面積增加，其他兩個省份有一定程度減少；情景2 各?。▍^）作物總種植面積均減少；情景3 各?。▍^）作物總種植面積均增加。對于情景1，陜西水稻種植面積減少，玉米種植面積增加；甘肅和新疆小麥種植面積增加，玉米和水稻種植面積減少；青海小麥和玉米種植面積均增加；寧夏玉米和水稻種植面積增加。

2.3.2 三大糧食作物優化前后碳排放變化 西北地區各?。▍^）碳排放量優化前后的結果如圖5 所示。西北地區中部（陜西、甘肅和新疆）主要糧食作物碳排放量較大，而其他地區（青海和寧夏）碳排放量較小。優化情景1，甘肅碳排放減少比例最大，為8.3%；優化情景2，各?。▍^）糧食作物碳排放總量均減少，甘肅減少比例最大，為13.6%，其次是寧夏（13.0%）和新疆（12.1%）。各類作物碳排放量變化規律與種植結構變化情況基本一致，情景1 西北地區糧食作物碳排放減少1.9%；情景2 玉米、水稻的碳排放量分別減少19.4%、16.8%，小麥碳排放量增加2.0%。

2.3.3 三大糧食作物優化前后綠水總量變化 西北地區各作物的綠水總量優化前后的結果如圖6 所示，東部地區（陜西和甘肅）作物綠水總量較大，而其他地區（青海、寧夏和新疆）較小。優化情景1，陜西和寧夏綠水總量增加，其余?。▍^）減少；優化情景3，陜西、青海和寧夏綠水總量增加，西北地區綠水總量增加，即水資源利用率有一定程度提升。各類作物綠水總量變化規律與種植結構變化情況基本一致，情景1 中小麥綠水總量增加比例最大（5.1%），水稻綠水總量減少比例最大（6.5%）；情景3 中小麥、玉米綠水總量分別增加6.6%、7.4%，水稻綠水總量減少0.9%。

圖6 不同優化情景下西北五?。▍^）糧食作物綠水總量變化Fig. 6 Changes in total green water from food crops in five provinces of the Northwest China under different optimization scenarios

3 討論

3.1 西北地區糧食作物碳足跡時空差異分析

西北地區各?。▍^）糧食作物的種植結構和農資投入的空間異質性較為明顯，導致各?。▍^）小麥、玉米和水稻碳排放量分布差異顯著。其中陜西、新疆和甘肅南部碳排放量較高，是由于這些地區糧食作物種植面積較大，且化肥投入量較大（陜西施肥量588 kg·hm-2，而青海施肥量僅為212 kg·hm-2）導致的。西北地區水稻種植面積較小麥和玉米少，故各?。▍^）水稻碳排放量都較低。青海沒有種植水稻，甘肅水稻碳排放量為其余四?。▍^）中最低，2020 年為1.12×104t CO2-eq。盡管水稻的碳排放量最低，但其PCF（0.74t CO2-eq·t-1）和FCF（5.57t CO2-eq·hm-2）高于小麥和玉米，這與張傳紅等[39]研究結果一致。其原因是水稻單位產量和面積投入的農資較多。因此，控制農資投入量對于降低水稻碳排放量具有重要意義。玉米的FCF（3.21t CO2-eq·hm-2）雖然高于小麥（2.46t CO2-eq·hm-2），但由于其較高的產量，使玉米PCF（0.42t CO2-eq·t-1）低于小麥（0.53t CO2-eq·t-1）。我國不同地區PCF 和FCF 差異較大，CHEN 等[40]的研究得出中國小麥、玉米PCF 平均值分別為0.63 和0.44t CO2-eq·t-1。陜西小麥、玉米PCF 最高，分別為0.74和0.71t CO2-eq·t-1，高于平均值；青海小麥、玉米PCF最低，分別為0.20、0.36t CO2-eq·t-1，低于平均值，這與王鈺喬等[41]研究結果一致。這是由于青海糧食種植面積小，農資投入量較小，呈現“低投入，低產出”的生產現狀，故PCF 較其他?。▍^）偏低。陜西為提高糧食單產，農資投入量較大，導致其碳排放量較高，故PCF 較其他?。▍^）偏高。西北五?。▍^）水稻PCF 大于東北三省的水稻PCF[42]，這是由于西北地區不適宜種植水稻，故水稻的產量低于東北地區，導致PCF 較高。西北地區糧食作物FCF 平均值較高，分析原因可能是由于西北地區氣候不適宜種植糧食作物，進而增加農資投入和灌溉量，導致該地區FCF 較高，這與王鈺喬等[41]、XU 等[43]的研究結果一致。

3.2 西北地區糧食作物水足跡時空差異分析

西北地區由于氣候條件，水資源壓力大于南方[44]。藍水總量和綠水總量均呈現東西部高、中部低的分布特征，這是由于東西部地區糧食作物種植面積高于中部地區，造成水資源消耗量大。西北地區玉米綠水足跡最大且藍水足跡最小，水稻綠水足跡最小而藍水足跡最大，說明該地區天然水資源利用玉米優于水稻。小麥平均藍水足跡較高的地區主要分布在甘肅、寧夏和新疆，與聶媛等[10]研究結果相同，原因可能是這些地區在小麥生育期內降雨量較少，灌溉水用量較多，導致其較高的藍水足跡。玉米平均綠水足跡較高的地區分布在陜西和甘肅，說明這兩個地區玉米生育期內的有效降水能夠較大程度滿足作物需水量。陜西糧食作物綠水足跡高于其他四?。▍^），同時藍水足跡低于其他四?。▍^），這與王圣云等[45]結果一致，說明陜西糧食單產較高，且生育期內有效降水能得到較充分的利用，同時可能與陜西灌溉方式和種植技術有關。西北地區糧食作物水足跡高于全國均值，是由于該地區灌溉水生產率較小，說明其有較大的節水潛力[46]。不同區域的作物需水特征及水資源稟賦存在差異，應積極發揮各地區的種植優勢進行種植結構優化，提升作物生育期內需水與地區降雨期的吻合度，從而提高綠水利用率[10]。

3.3 作物布局優化對經濟、生態、水資源效益的影響

本文基于碳足跡和水足跡對西北地區糧食作物種植結構進行了優化。根據熵權法得到的經濟效益目標、生態效益目標和水資源利用目標的權重（情景1），設置強化生態效益目標（情景2）和水資源利用目標（情景3）的不同情景進行優化。優化結果表明，減少甘肅和新疆糧食作物種植面積對減少碳排放和增加綠水利用均起到積極作用。對于小麥，將其在青海的種植面積向其他?。▍^）轉移能夠降低總碳排放量；減少陜西和寧夏小麥種植面積能夠提高綠水利用量。對于玉米，減少甘肅和新疆的種植面積對經濟效益、生態效益和水資源效益均有利。對于水稻，應減少其在西北地區的種植面積，這樣有利于水資源利用和生態保護。相關研究結果表明，水足跡理論有助于明確農業生產過程消耗的水資源類型和數量，碳足跡理論有助于明確農業生產全周期產生的碳排放量，利用構建的優化模型進行種植結構規劃對西北地區農業發展是有利的。

4 結論

西北地區糧食作物總碳排放量整體呈上升趨勢，2020 年比1999 年增加了22.9%。陜西三大糧食作物較高的氮肥投入量導致溫室氣體排放量（6.67×106t CO2-eq）最高，青海較低的氮肥投入量和較少的種植面積使得溫室氣體排放量（7.85×105t CO2-eq）最低。農業投入量的增加造成西北地區三大糧食作物平均單位面積碳足跡呈現增加，單位產量碳足跡呈現降低的變化趨勢。西北地區玉米綠水足跡最大，水稻綠水足跡最小，玉米天然水資源利用優于水稻，加之氣候較為干旱，水稻種植的綠水資源利用效益不高。將經濟效益、生態安全、水資源效率等方面產生的影響考慮在內，構建了基于水碳足跡的種植布局優化模型，相比于原始作物布局，情景2 碳排放量減少11.8%，情景3 綠水利用總量增加6.7%。在糧食作物保障的前提下，增加小麥（6.7%）種植面積，減少玉米（5.8%）和水稻（8.0%）種植面積，對經濟、資源和生態效益均有一定的改進。優化后可以提高綠水資源利用，減少碳排放量，減少環境污染，可為西北地區及類似區域進行種植結構調整，選擇合適的優化方案提供新的研究視角和更加合理的建議。