中国生态农业学报 (中英文) ?2023年12月 ?第?31?卷 ?第?12?期
Chinese?Journal?of?Eco-Agriculture,?Dec.?2023,?31(12):?1984?1996
DOI: 10.12357/cjea.20230283
陈丽, 刘娟, 王末, 李牧. 中国油料作物能源利用效率与温室气体排放[J]. 中国生态农业学报 (中英文), 2023, 31(12):
1984?1996
CHEN L, LIU J, WANG M, LI M. Energy use efficiency and greenhouse gas emissions of oil crops in China[J]. Chinese Journal of
Eco-Agriculture, 2023, 31(12): 1984?1996
中国油料作物能源利用效率与温室气体排放
陈 丽1, 刘 娟1, 王 末1, 李 牧2
(1. 中国农业科学院农业信息研究所/农业农村部农业大数据重点实验室 北京 100081; 2. 天津商业大学公共管理学院
天津 300134)
摘 要: 作 物 生 产 中 有 效 利 用 能 源 是 可 持 续 农 业 的 一 个 重 要 目 标 。 中 国 作 为 油 料 生 产 和 消 费 大 国, 在 其 生 产 过 程 中,
减 少 过 度 无 效 能 源 消 耗, 优 化 能 源 利 用 结 构, 提 高 能 源 利 用 效 率, 对 于 农 民 节 本 增 收 、 降 低 温 室 气 体 排 放 和 环 境 影
响 具 有 重 要 意 义 。 本 文 基 于 生 命 周 期 分析(LCA)视 角, 采 用 生 命 周 期 评 价 和 数 据 包 络 分析(DEA)方 法, 对 油 菜 、
大 豆 、 花生3种 油 料 作 物 能 源 利 用 效 率 和 温 室 气 体 排 放 进 行 了 测 算, 分 析 了 不 同 省 份 能 源 高 效 和 低 效 利 用 的 原 因,
探 究 了 各 省 能 源 节 约 和 温 室 气 体 减 排 的 可 能 性 与 潜 力 。 结 果 表 明: 1) 3种 油 料 作 物 生 产 系 统 单 位 能 量 消 耗 的 产 出 能
力 差 异 不 显 著, 但 能 源 利 用 效 率 差 异 显 著, 呈 花 生>油 菜>大 豆 的 特 点 。2) 3种 油 料 作 物 中, 花 生 温 室 气 体 排 放 量 最
高[874.96 kg(CO2 eq)?hm?2], 其 次 为 油菜[660.16 kg(CO2 eq)?hm?2], 大 豆 最低[507.07 kg(CO2 eq)?hm?2]; 不 同 油 料 作 物
物 质 投 入 和 农 事 操 作 温 室 气 体 排 放 贡 献 差 异 明 显, 油 菜 与 花 生 种 植 主 要 温 室 气 体 排 放 源 为 化 肥, 而 大 豆 种 植 过 程 中
化 肥 、 柴 油 、 灌 溉 温 室 气 体 排 放 贡 献 相 对 均 衡 。3)油 料 作 物 能 源 利 用 优 化 和 温 室 气 体 减 排 潜 力 较 大, 油 菜 、 大 豆 、
花 生 低 效 省 份 能 源 利 用 优 化 后, 分 别 可 节约11.97%、16.38%和15.89%的 资 源, 可 减排20.60~616.32 kg(CO2 eq)?hm?2。
因 此, 根 据 区 域 实 际 情 况, 优 化 能 源 低 效 利 用 地 区 的 能 源 利 用 结 构, 探 寻 产 量 与 碳 排 双 优 的 生 产 模 式, 对 推 动 油 料 作
物种植节本增收与绿色发展将发挥重要作用。
关键词: 油料作物; 能源利用效率; 温室气体排放; 生命周期评价模型; 数据包络分析模型
中图分类号: F323.2; S565 开放科学码( 资源服务) 标识码(OSID):
Energy use efficiency and greenhouse gas emissions of oil crops in China
CHEN Li1, LIU Juan1, WANG Mo1, LI Mu2
(1. Agricultural Information Institute, Chinese Academy of Agricultural Sciences / Key Laboratory of Agricultural Big Data, Ministry of Ag-
riculture and Rural Affairs of the People’s Republic of China, Beijing 100081, China; 2. School of Public Management, Tianjin Commercial
University, Tianjin 300134, China)
Abstract: Energy is a major component in enhancing agricultural productivity. Accounting for energy efficiency at the production
stage of crop is essential for achieving sustainable agriculture. Due to the high level of production and consumption of oil in China, it
is of great importance to pay attention to energy consumption and its negatively environmental impacts in the oil production process.
Measures of optimizing energy utilization structure, reducing excessive and ineffective energy consumption and improving energy
中央级公益性科研院所基本科研业务费专项(Y2021XC17)、天津市哲学社会科学研究规划项目(TJGL21-030)和中国农业科学院创新工程项
目(CAAS-ASTIP-2023-AII)资助
通信作者: 李牧, 主要从事城乡人地关系和土地利用规划研究。E-mail: TJCUlm@tjcu.edu.cn
陈丽, 主要从事土地资源利用与农业大数据技术应用研究。E-mail: chenli02@caas.cn
收稿日期: 2023-05-22 接受日期: 2023-10-24
This study was supported by the Central Public-interest Scientific Institution Basal Research Fund of China (Y2021XC17), Tianjin Philosophy and So-
cial Science Research Program (TJGL21-030) and Chinese Academy of Agricultural Sciences Innovation Project (CAAS-ASTIP-2023-AII).
Corresponding author, E-mail: TJCUlm@tjcu.edu.cn
Received May 22, 2023; accepted Oct. 24, 2023
http://www.ecoagri.ac.cn
第 12 期 陈 丽等: 中国油料作物能源利用效率与温室气体排放
1985
utilization efficiency can be used, in order to increase income, save cost and reduce greenhouse gas emissions synthetically. Academ-
ically, a large number of previous studies have contributed to energy use and environmental impacts in the production of oil crops,
fruits, vegetables, and food crops on various scales. However, there is a lack of studies related to energy use efficiency and green-
house gas emissions in oil production which concentrate in major oil crops production areas nationally so far. Generally, in terms of
models used in relevant study areas, methods including life cycle assessment (LCA), data envelopment analysis (DEA), process ana-
lysis, energy analysis have been used commonly, which provide valuable references to the present study. Given that oil crops produc-
tion is inherently a life process, this paper combined LCA+DEA methods to estimate the energy utilization efficiency and greenhouse
gas emissions of oil crops, which helped to rank efficient and inefficient provincial production units. In further, the underlying reas-
ons which caused inefficient energy use were deeply identified in different provinces. Additionally, for purpose of practical applica-
tion, this paper explored the possibility and potential of energy saving and GHG emission reduction in each province. The results
showed as follows. 1) There was no significant difference in the output capacity per unit energy consumption among the three studied
oil crop systems. However, the energy use efficiency of three oil crops displayed remarkably differently, which showed peanut > oil-
seed rape > soybean. 2) Among the three oil crops, peanut had the highest GHG emissions [874.96 kg(CO2 eq)?hm?2], followed by oil-
seed rape [660.16 kg(CO2 eq)?hm?2] and soybean [507.07 kg(CO2 eq)?hm?2]. In addition, the contributions of substantiality inputs and
agricultural operations to GHG emissions varied greatly from different oil crops. Specifically, the significant GHG emission source of
oilseed rape and peanut was fertilizer. Nevertheless, contribution of fertilizer, diesel fuel and irrigation to the GHG emissions of soy-
bean showed less difference. 3) There was great potential for energy utilization optimization and GHG emission reduction. Estimates
resulted from this study displayed that about 11.97%, 16.38% and 15.89% of resources invested to oilseed rape, soybean and peanut
in inefficient provinces could be saved respectively, which were capable of reducing 20.60?616.32 kg(CO2 eq)?hm?2 GHG emissions
as well. Therefore, it is necessary to optimize the energy utilization structure of low efficiency areas according to the actual situation,
and explore the production mode of double optimal yield and carbon emissions. This will play an important role in saving money and
increasing income for regional oilseed cultivation, as well as green development.
Keywords: Oil crops; Energy use efficiency; GHG emissions; LCA model; DEA model
许多研究在农场、区域、国家等不同尺度调查了农
当前, 国际社会普遍关注能源消费及其对环境
的负面影响[1-2]。随着化肥、农药、农膜、农业机械 业系统、粮食作物、果蔬等生产中的能源利用及其
等能源密集型要素(直接或间接地依赖化石燃料)投 效率。Yuan等[9]利用投入产出能量分析法评估了中
国中部水稻(Oryza sativa)生产农民实践, 以及简化
入增加, 农业现代化发展的同时也成为能源使用增
长较快的部门。当前的农业生产可以说与能源消耗 和减少投入实践的能量投入和EUE; Budzyński 等[10]
密切相关。然而, 由于生产成本的增加和管理不合 比较分析了不同耕作技术下波兰一家大型农场冬季
油菜(Brassica campestris)籽生产的能源效率及其技
理, 增加化石能源的投入未必能带来最优产出[3-4], 过
量消费还会造成土壤、水体等面源污染, 以及温室 术影响; Lewandowska-Czarnecka等[11]对波兰加入欧
气体排放等环境问题[5-6]。据联合国政府间气候变化 洲联盟以来农业变化的能源和能值进行了分析;
Singh等[12]开展了印度旁遮普省西南部提高水稻种
专门委员会(IPCC)评估报告测算, 全球每年农业温
室气体排放总量约占全球人为排放总量的24%[7], 中 植能源效率的能源审计研究。比较流行的EUE评价
国作为农业大国, 农业碳排放量约占温室气体碳排 方法有生命周期评价(LCA)、数据包络分析(DEA)、
放总量的17%, 且排放水平以年均5%的速度增长[8], 过程分析、能值分析等。此后, 随着能源消费引发
农业生产在缓解气候变化方面具有很高的潜力。在 环境问题的日益凸显以及人们环保意识的提升, 越
这种情况下, 提高农业生产的能源利用效率(EUE) 来越多的学者在关注农业生产能源效率与技术的同
不仅有助于通过降低成本来提高竞争力, 使与能源 时, 也将其温室气体减排效应纳入考量, 试图探寻产
相关的温室气体排放等环境污染最小化, 推动农业 量与碳排双优的生产模式。Mohammadi等[13]比较了
可持续发展, 还可为我国实现2030年前“碳达峰”与 伊朗北部不同农场规模农业系统的能量使用效率与
2060年前“碳中和”做出贡献。 相应的温室气体排放, 提出了针对小麦(Triticum aes-
能源是农业生产的一个关键要素, 在耕地面积 tivum)、大麦(Hordeum vulgare)、油菜、大豆(Gly-
减少、全球气候变化和劳动力短缺的压力下, 为了 cine max)、水稻和青贮玉米(Zea mays)等不同作物
满足不断增长的人口和人们不断提高的生活需求, 的能源高效利用与温室气体减排措施; Arrieta等[14]
农业对能源的消耗多年来一直在持续增加[9]。当前, 通过对阿根廷18个农业区域的调查分析, 确定了阿
http://www.ecoagri.ac.cn
中国生态农业学报(中英文)?2023 第 31 卷
1986
根廷生产的大豆和玉米的碳足迹和能源足迹, 以及 低效的单元, 估算低效单元综合技术效率最优时系
碳和能源效率; Wu等[4]比较分析了安徽省16个地 统投入能源节约量以及相应的温室气体减排潜力;
级市的农作物能源利用效率和温室气体排放及其时 4)提出若干缓解措施, 为相关政策制定提供参考。
空格局; Rabiee等[15]评估了伊朗桂兰省稻田油菜生 可见, 在当前耕地资源有限、“粮油争地”矛盾突出的
产能源利用效率与温室气体排放; 杨欢等 [16]利用
情况下开展研究, 通过优化能源低效利用地区的能
LCA、DEA和碳平衡等方法, 对2004?2018年黄淮
源利用结构, 探寻产量与碳排双优的生产模式, 对推
海玉米生产能源利用效率和净生态系统碳平衡时空
动我国油料作物种植节本增收与绿色发展具有重要
特征进行了量化研究。虽然已有学者研究了不同区
意义。
域、尺度农作物生产中的能源利用效率和温室气体
1 油料作物生产系统能流分析与温室气体排
排放, 但是目前鲜有涵盖全国主要油料作物能源利
放源
用效率与温室气体排放的系统研究, 且不同研究方
LCA是评估一个产品或系统在全生命周期的输
法各有优缺点, 有必要将不同的方法进行整合, 以便
入、输出及其潜在环境影响的有效工具[17], 并且随着
向决策者呈现能源使用效率和相关温室气体排放的
人们对可持续农业的不断关注, 常被用于分析农业
全貌。
中的能量流动及其相应的温室气体排放, 其系统边
综上, 本研究拟采用LCA+DEA方法, 针对我国
界通常为“从摇篮到农场门”。本研究的对象为油料
主要油料作物种植区域, 开展能源效率与温室气体
作物初级产品, 其生产系统的边界包括从耕作操作
排放研究。具体内容如下: 1)基于LCA方法, 界定
到农场门的作物生长周期中的所有农业过程(图1)。
待研究油料作物生产系统边界, 进行系统能流及温
考虑到我国秸秆综合利用率的不断提高, 本研究将
室气体排放源分析, 这是进一步测算、评价和分析
其系统边界进一步外延, 把副产品(通常为秸秆)处
的基础; 2)参照已有能源效率和温室气体排放测算
方法, 对不同区域不同油料作物生产系统进行能源 理与利用也纳入进来。此外, 考虑到我国耕地资源
输入、输出、利用效率以及温室气体排放量的测算 有限、“粮油争地”矛盾突出, 从土地承载力的视角确
与分析; 3)采用DEA方法, 识别油料作物种植相对 定单位土地面积(1 hm2)为功能单元。
主产品产出 Main-product output
能量
物质投入 Material input
Energy
油菜籽 Rapeseed
种子 Seeds
大豆 Soybean
农家肥 Farm manure
花生 Peanut
化学肥料 Chemical fertilizer
农药 Pesticide
除草剂 Herbicide
副产品 ( 秸秆) 产出 By-product (straw) output
家庭焚烧 Domestic incineration
农事操作 Farm operation
综合利用 Comprehensive utilization
机械耕作 Mechanized farming
废弃 Discard
灌排水 Irrigation and drainage
人力劳动 Human labor
农田
Crop field
图 1 研究边界
Fig. 1 Research boundary
油料作物生产系统温室气体排放主要包括由化 未将秸秆焚烧碳排放纳入测算。
肥、农药、除草剂等物质投入直接或间接导致的碳
2 研究范围与数据来源
排放, 以及农业机械耕作、灌排水等农事操作耗费
2.1 研究对象与范围
柴油、电能所导致的碳排放。鉴于人呼吸释放温室
中国是世界上重要的油料作物生产国, 2020年
气体本质目的是用于支撑生命活动, 并非仅为了从
全国大豆播种面积约为986.6万hm2, 产量约为1960
事劳动, 因此人力劳动释放温室气体不作考虑。此
外, 农作物籽粒与秸秆1年内固定和消耗的碳基本 万t, 位居世界第4位; 油菜播种面积约为680万hm2,
保持平衡, 同时参考IPCC农业温室气体排放清单, 产量约为1400万t, 位居世界第2位; 花生(Arachis
http://www.ecoagri.ac.cn
第 12 期 陈 丽等: 中国油料作物能源利用效率与温室气体排放
1987
hypogaea)播 种 面 积 约 为 460万 hm2, 产 量 约 为 到3种油料作物在我国的种植分布、产量以及数据
1799.3万t, 位居世界第1位[18]。因此, 本研究选取大 的可获取性, 本研究选取黑龙江、吉林、辽宁、河
豆、油菜、花生3种油料作物作为研究对象。考虑 北、山东等24省份为研究区, 如表1所示。
表 1 研究对象与区域
Table 1 Research objects and areas
研究对象 研究区域
Study object Research area
大豆 河北、山西、内蒙古、辽宁、吉林、黑龙江、江苏、安徽、山东、河南、湖北、四川、陕西
Soybean Hebei, Shanxi, Inner Mongolia, Liaoning, Jilin, Heilongjiang, Jiangsu, Anhui, Shandong, Henan, Hubei, Sichuan, Shaanxi
油菜 内蒙古、江苏、浙江、安徽、江西、河南、湖北、湖南、重庆、四川、贵州、云南、陕西、甘肃、青海
Oilseed rape Inner Mongolia, Jiangsu, Zhejiang, Anhui, Jiangxi, Henan, Hubei, Hunan, Chongqing, Sichuan, Guizhou, Yunnan, Shaanxi, Gansu, Qinghai
花生 河北、辽宁、吉林、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、四川
Peanut Hebei, Liaoning, Jilin, Anhui, Fujian, Jiangxi, Shandong, Henan, Hubei, Hunan, Guangdong, Guangxi, Sichuan
到最终用户所使用的能量[21], 受生产工艺、流通等阶
2.2 数据来源与处理
段技术革新的影响, 不同时期不同国家可能有所不
本研究所需的种子、农药、化肥、机械、灌排
同。鉴于其计算的复杂性, 多数研究直接引用已有
水、用工、产量等投入产出数据主要来自《全国农
文献数据, 忽视了时间和地区差异可能带来的计算
产品成本收益资料汇编 2020》。柴油价格数据来自
误差和可比性问题。本研究统一采用《农业技术经
中华人民共和国国家发展和改革委员会公布的国内
济手册》提供的柴油、电力、农药、化肥等能量当
成品油价格调整数据, 考虑到油菜、大豆和花生生
量计算系统输入能量, 其结果与当前实际情况也会
长周期及特点, 冬油菜产区柴油价格取越冬前上一
存在差异, 但该差异是在我国基本国情下的整体偏
年10?11月以及返青后2?5月平均值, 春油菜不
离(偏大或偏小), 不影响输入间的可比性, 可以最大
存在越冬期, 取4?9月平均值; 花生、大豆同理, 春
程度避免前述问题。系统各项能源输入和输出计算
花生、夏花生、春大豆、夏大豆产区分别取其生长
公式及相关系数如表2所示。
期4?9月、5?10月、4?9月和6?9月平均值;
本研究采用净能源、能源生产力和能源利用效
农业生产灌溉用电价格数据来自各省电网公布的农
率[21]来评估油料作物生产的能源效率, 其计算公式
业灌排用电价格, 未专门定价农业灌排费用的则采
如下:
用农业生产用电价格; 能量当量、温室气体系数等
NE= E E (1)
out in
数据见表2。
农药、除草剂作为防治农作物病虫害、草害的
EP= E E (2)
y in
重要投入品, 为保障油料作物有效供给和增产发挥
EUE= E E (3)
out in
了重要的、不可替代的作用, 但同时也带来了作物
式中: NE、EP和EUE分别为净能源(MJ?hm?2)、能
药害、环境污染等负面问题。近十年来, 我国农药
源生产力(kg?MJ?1)和能源利用效率, Ein和Eout分别
使用逐渐由“农药使用量零增长”走向“农药减量化”
为系统能量总输入和输出(MJ?hm?2), Ey为油料作物
发展, 2020年种植业农药使用量比2010年下降了
产量(kg?hm?2)。
9.84%, 其间接导致的温室气体排放量也在减少[19-20]。
3.2 油料作物生产系统温室气体排放
鉴于数据的可获取性, 本研究未将农药和除草剂纳
物质投入和农事操作导致的温室气体排放量计
入系统能源输入和温室气体排放量的测算。此外,
算公式如下:
农家肥施用在油料作物大规模种植中并不常见, 种
C =c q (4)
out t t
子排放的温室气体可以忽略不计, 因此本研究也未
式 中 : Cout为 系 统 各 输 入 项 的 温 室 气 体 排 放 量
将农家肥和种子的温室气体排放量纳入测算 。
[kg(CO2 eq)?hm?2], ct为各输入项温室气体排放系数
3 研究方法
[kg(CO2 eq)?unit?1][4,19], qt为单位面积各输入项投入量
3.1 油料作物生产系统能源利用效率
(unit?hm ?2), t为化肥、柴油、电力等输入项。
油料作物生产系统输入能量和输出能量是通过
3.3 油料作物生产系统能源优化与温室气体减排
将每个输入和输出数据与相应的能量当量系数相乘 3.3.1 数据包络分析模型
进行估算的[3]。投入的能量当量系数指从初级生产 DEA是一种在非参数框架下直接使用输入输出
http://www.ecoagri.ac.cnφ(φφφ)
中国生态农业学报(中英文)?2023 第 31 卷
1988
表 2 油料作物生产系统各项能源输入和输出计算公式及相关系数
Table 2 Calculation formula and correlation coefficient of energy input and output in oil crop production system
项目 Project 公式 Formula 描述 Description
能源输入 Energy input
s s s
e =q s s s
种子 i i i e 表示作物i (即油菜、大豆和花生)的种子能耗(MJ?hm?2); q 表示作物i的种子用量(kg?hm?2); 表示作物i
i i i
Seed 的种子能量当量, 油菜、大豆和花生的取值分别为20.9 MJ?kg?1、16.31 MJ?kg?1和13.1 MJ?kg?1[22]
s
e refers to energy consumption of seed for crop i (MJ?hm?2), which includes oilseed rape, soybean and peanut;
i
s s
q refers to usage amount of seed for crop i (kg?hm?2); refers to seed energy equivalent for crop i, and the
i i
corresponding value of oilseed rape, soybean and peanut are 20.9, 16.31 and 13.1 MJ?kg?1, respectively[22]
f f f
e =q f f
化肥 ih ih h e 表示化肥h (即氮肥、磷肥、钾肥和复混肥)的能耗(MJ?hm?2); q 表示化肥h施用在作物i的用量
ih ih
f
Chemical
(kg?hm?2); 表示化肥h的能量当量, 氮肥、磷肥、钾肥和复混肥的取值分别为24.0 MJ?kg?1、8.5 MJ?kg?1、
h
fertilizer
9.0 MJ?kg?1和12.8 MJ?kg?1 [23]
f
e refers to energy consumption of chemical fertilizer h (MJ?hm?2), which includes nitrogen fertilizer,
ih
f
phosphate fertilizer, potassium fertilizer and compound fertilizer; q refers to the usage amount of fertilizer h
ih
f
for crop i (kg?hm?2); refers to energy equivalent for fertilizer h, and the corresponding value of nitrogen
h
fertilizer, phosphate fertilizer, potassium fertilizer and compound fertilizer are 24.0, 8.5, 9.0 and 12.8 MJ?kg?1,
respectively[23]
d d m d d
e =(q +q ) p d d m
i i i
柴油 e 表示作物i的柴油能耗(MJ?hm?2); q 表示作物i的燃料动力费(￥?hm?2); q 表示作物i的机械作业费
i i i
d d
Diesel fuel (￥?hm?2); 表示机械作业费中购买燃料费用占比, 取值40%[24]; p 表示柴油价格(￥?kg?1); 表示柴油能量
当量, 取值为43.5 MJ?kg?1 [23]
d d
e refers to consumption of diesel fuel for crop i (MJ?hm?2); q refers to fuel and power cost for crop i
i i
m
(￥?hm?2); q refers to machinery cost for crop i (￥?hm?2); refers to the proportion of the cost of buying fuel in
i
d d
the total cost of mechanical operation, and the value of is 40%[24]; p refers to diesel price (￥?kg?1); refers
d
to diesel fuel energy equivalent, and the value of is 43.5 MJ?kg?1 [23]
e ir w e e
e = q q p
e ir w
i i i
电力 e 表示作物i的电力能耗(MJ?hm?2); q 表示作物i的灌排费(￥?hm?2); q 表示作物i灌排费中的水费(￥?hm?2);
i i i
e e
Electricity
p 表示农业灌排用电费(￥?kWh?1); 表示电力能量当量, 取值为12.3 MJ?kWh?1[23]
e ir
e refers to energy consumption of electricity for crop i (MJ?hm?2); q refers to irrigation and drainage fee for
i i
w e
crop i (￥?hm?2); q refers to water charges in irrigation and drainage fees for crop i (￥?hm?2); p refers to
i
e
electricity costs for agricultural irrigation and drainage (￥?kWh?1); refers to electricity energy equivalent,
which is 12.3 MJ?kWh?1[23]
p p
p
p p
e =q 24 8 p
人工 i i e 表示作物i人工能耗(MJ?hm?2); q 表示作物i家庭用工天数; 表示男社员劳动力全日(24小时)能量消耗,
i i
Labor 取值11.1 MJ?d?1[25]; 每天工作时长按8 h计
p p
e refers to energy consumption of human consumption for crop i (MJ?hm?2); q refers to househould
i i
p
employment days for crop i; refers to full day (24 hours) energy consumption of male member labor force,
which is 11.1 MJ?d?1[25]; the working time is assumed as 8 hours per day
能源输出 Energy output
o G o
e =q o G o
i i
主产品 i e 表示作物i每公顷主产品能源输出量(MJ?hm?2); q 表示作物i每公顷主产品产量(kg?hm?2); 表示作物i
i i i
Main product 主产品能量当量, 油菜、大豆和花生的取值分别为20.9 MJ?kg?1、16.31 MJ?kg?1和27.7 MJ?kg?1 [22]
o G
e refers to the energy output per hectare of the main product for crop i (MJ?hm?2); q refers to the yield of
i i
o
main product per hectare for crop i (kg?hm?2); refers to the energy equivalent of the main product for crop i,
i
and the corresponding value for oilseed rape, soybean and peanut are 20.9, 16.31 and 27.7 MJ?kg?1,
respectively[22]
b G b
e =q
b
i
副产品 i i i e 表示作物i每公顷秸秆能源输出量(MJ?hm?2); 表示作物i的草谷比, 不同省份油菜的取值分别为
i
i
By-product
2.05①⑩?? ? ?、2.0⑥ ? ??、2.67③⑧?? ?, 不同省份大豆的取值分别为1.57⑦⑧?? ?、1.7⑨? ?、1.68①⑩?、1.07 ?、
1.05 ?, 不同省份花生的取值分别为1.22⑦⑧???、1.5①⑩??、1.65②④⑤? [26-27], 上标数字表示不同省份, 见表
b
注; 表示作物i的副产品能量当量, 油菜、大豆和花生的取值分别为14.14 MJ?kg?1、15.15 MJ?kg?1和27.7
i
MJ?kg?1 [23,28]
b
e refers to energy output per hectare of straw for crop i (MJ?hm?2); refers to ratio of grass to grain for crop
i
i
i; for oilseed rape in different provinces are 2.05①⑩????, 2.0⑥?? ? and 2.67③⑧???, for soybean in
i i
different provinces are 1.57⑦⑧?? ?, 1.7⑨??, 1.68①⑩?, 1.07 ? and 1.05 ?, for peanut in different provinces are
i
1.22⑦⑧?? ?, 1.5①⑩? ? and 1.65②④⑤? [26-27], and the superscript refers to different provinces as shown in the
b
notes of the table; refers to by-product energy equivalent for crop i, and the corresponding values for oilseed
i
rape, soybean and peanut are 14.14, 15.15 and 27.7 MJ?kg?1, respectively [23,28]
①: 安徽; ②: 福建; ③: 甘肃; ④: 广东; ⑤: 广西; ⑥: 贵州; ⑦: 河北; ⑧: 河南; ⑨: 黑龙江; ⑩: 湖北; ?: 湖南; ?: 吉林; ?: 江苏; ?: 江西; ?: 辽宁;
?: 内蒙古; ?: 青海; ?: 山东; ?: 山西; ?: 陕西; ?: 四川; ?: 云南; ?: 浙江; ?: 重庆。草谷比指农作物单位面积地上部秸秆产量与籽粒产量的
比值。①: Anhui; ②: Fujian; ③: Gansu; ④: Guangdong; ⑤: Guangxi; ⑥: Guizhou; ⑦: Hebei; ⑧: Henan; ⑨: Heilongjiang; ⑩: Hubei; ?: Hunan; ?: Jilin;
?: Jiangsu; ?: Jiangxi; ?: Liaoning; ?: Inner Mongolia; ?: Qinghai; ?: Shandong; ?: Shanxi; ?: Shaanxi; ?: Sichuan; ?: Yunnan; ?: Zhejiang;
?: Chongqing. Grass-grain ratio refers to the ratio of straw yield to grain yield per unit area of the crop.
数据估计系统效率的常用方法, 通过一些特定的数 BCC模型)属于径向模型, 但实际生产过程中, 要素
学规划模型来评估一组名为决策单元(DMU)的可比 投入的比例变化往往是非等比例的, 因此Tone[30]提
实体间的相对效率[3,29]。传统DEA模型(如CCR和 出了SBM (slack based measure)模型, 有效解决了径
http://www.ecoagri.ac.cn(∑∑)∑?∑?
第 12 期 陈 丽等: 中国油料作物能源利用效率与温室气体排放
1989
向模型对无效率的测量没有包含松弛变量的问题。 油菜与大豆能源消耗相差不大, 分别为8.65 GJ?hm?2
本研究油料作物生产系统, 将每个种植省份作 和8.13 GJ?hm?2; 不同油料作物能源消耗方式差异明
为一个DMU, 每个DMU使用多种能源投入分析2 显, 油菜能源输入以化肥投入(48.23%)和机械作业
种产出的结果(表2), 由于副产品产出并非油料作物 柴油消耗(30.94%)为主, 大豆能源输入则主要集中
种植的根本目的, 所以能源利用优化时仅考虑主产 在柴油(31.93%)、电力(主要用于灌排水, 22.73%)
品产出。通过DMU对生产前沿面的投影确定各投 以及化肥投入(22.41%)的能源消耗, 花生物质投入、
入产出指标的松弛量[31], 并以此估算DMU技术效率
农事操作和人力劳动能源消耗相对比较均衡, 占比
和规模效率同时达到相对最优时, 系统投入的能源 集中分布在10%~30%; 能源输出方面, 在不考虑副产
节约及相应温室气体减排潜力。投入导向规模报酬 品秸秆的情况下, 花生能源输出最高(50.33 GJ?hm?2),
可变SBM模型具体公式如下: 其次是油菜(45.06 GJ?hm?2)和大豆(34.64 GJ?hm?2)。
随着我国秸秆利用效率提升以及利用方式日趋多样
m
1
=min 1 s x (5)
tj
t
t=1
m 化, 在能量平衡中考虑副产品后, 输出能量差异发生
了明显变化, 大豆能源输出超过油菜, 跃居第2位。
st X +s = x
j
但事实上, 副产品秸秆并非都可以得到有效利用, 考
Y y
j
虑秸秆综合利用率后, 测算出的油菜、大豆和花生
副产品可以有效利用的部分能源输出分别为32.27
s 0
GJ?hm?2、22.70 GJ?hm?2和96.69 GJ?hm?2, 占各自总能
e =1
源输出的28.59%、17.17%和51.22%, 其中花生副产
式中: 为被评价DMU的效率值, 当 =1时, 被评
价DMU被称为SBM有效; m为投入的总项数; s 为
t
表 3 油料作物生产系统平均能源输入与输出
被评价DMU第t项投入的投入松弛; x 为第j个 Table 3 Average energy inputs and outputs of oil crop pro-
tj
duction system
DMU的第t项投入; Xλ为前沿面上的投入量; s 为被
项目 油菜 大豆 花生
评价DMU的投入松弛; x 为第j个DMU的m项投
j
Project Oilseed rape Soybean Peanut
能源输入
入; Yλ为前沿面上的产出量; y 为第j个DMU的m
j
8647.94 8125.84 13 931.01
Energy input (MJ?hm?2)
m
1
项产出; λ为调整矩阵; s x 为第m项投入的
tj 种子 Seed 116.62 1279.71 2838.52
t
t=1
m
化学肥料
冗余占各自实际投入的平均效率水平, 也即m项投 4170.71 1821.05 3997.82
Chemical fertilizer
氮肥
入的平均非效率水平; eλ为规模报酬可变的约束条
2098.56 472.43 870.65
Nitrogen fertilizer
件 。
磷肥
72.17 48.84 196.06
Phosphate fertilizer
3.3.2 能源利用优化与温室气体减排
钾肥
31.86 14.85 14.64
m
Potassium fertilizer
EO = s (6)
ij t
tj
复合肥
t=1
1968.13 1284.92 2916.48
Compound fertilizer
m
柴油 Diesel fuel 2675.69 2594.70 3463.48
CDE =c s (7)
ij t
tj
t=1
电力 Electricity
695.13 1846.61 2302.39
式中: EO 和CDE 分别为第j个DMU(省份)油料作 人工 Labor 989.79 583.77 1328.80
ij ij
能源输出
物i的能源输入节约量(MJ?hm?2)和能源输入温室
112.87 132.21 188.79
Energy output (GJ?hm?2)
主产品
气体减排量[kg(CO2 eq)?hm?2]; 为各投入项的能量
t
45.06 34.64 50.33
Main-product
当量; s 为第j个DMU (省份)第t项投入的松弛量
副产品
tj
67.81 97.57 138.46
By-product
(unit?hm ?2)。
能源效率
Energy efficiency
4 结果与分析
净能源
104.22 76.84 222.10
Net energy (GJ?hm?2)
36.41 26.51 83.64
4.1 油料作物能源利用效率及区域差异
能源生产力
0.80 0.67 0.61
Energy productivity
4.1.1 能源利用整体情况
0.25 0.26 0.25
(kg?MJ?1)
表3为我国油菜、大豆、花生种植业平均能源 能源利用效率
13.05 10.46 16.94
Energy use efficiency
5.21 4.26 7.00
输入、输出以及利用效率。结果表明, 3种油料作物
表示仅考虑了主产品能源输出。 refers to the data only involving
the energy output of the main product.
中花生种植过程能源消耗量最大, 为13.93 GJ?hm?2,
http://www.ecoagri.ac.cn中国生态农业学报(中英文)?2023 第 31 卷
1990
品有效能源输出最高, 主要是由于其秸秆资源收集 现出一些特殊的投入特征, 如内蒙古和青海电力能
更高效。 源投入较高, 重庆人工能源投入较高。大豆和花生
EUE是作物生产投入产出能分析的最佳指标之 种植能源输入不再表现为较单一的以柴油和化肥投
一, 可以反映能源的有效利用, 我国油菜、大豆、花 入为主, 不同区域能源要素投入占比差异巨大, 其中
生的EUE (表示仅考虑主产品)分别为13.05 (5.21)、 四川和江苏大豆种植系统以种子和人工能源输入为
10.46 (4.26)和16.94 (7.00), 花生能源有效利用程度 主, 贡献占比超过50%, 河北、山东、山西、陕西等
最高。EP反映了每消耗单位能量系统的产出能力, 地的大豆种植以电力能源投入为主, 同样福建、河
经测算, 我国油菜、大豆、花生的全国平均值分别 北、河南、辽宁等地花生电力能源投入占比也较高,
为 0.80 (0.25) kg?MJ?1、 0.67 (0.26) kg?MJ?1和 0.61 说明这些区域的大豆或花生种植对人工灌溉具有较
(0.25) kg?MJ?1, 油菜的能源生产力相对较高。 强依赖性。综上可见, 不同区域之间能源输入贡献
4.1.2 各项能源输入贡献 的差异性, 不仅与各地资源环境的异质性、经济发
进一步分析不同省份油料作物生产系统各项能 展的先进性密切相关, 同时还受当地种植传统和习
源输入的贡献发现(图2), 大部分油菜种植省份的能 惯的深刻影响。地形地貌条件以及土壤质地和肥力
源输入主要来自于柴油和化肥投入, 其中氮肥和复 决定了油料作物的耕作措施、施肥状况, 社会经济
合肥贡献占比的不同, 反映出地区之间施肥喜好的 发展决定了机械化种植水平和人工投入成本, 种植
差异, 前人研究也表明化肥和柴油是油菜生产中最 文化影响了施肥方式与施肥类型, 从而形成了各地
密集的能源投入[15]。此外, 本研究还发现部分省份呈 各异的能源输入方式和类型。
油菜 Oilseed rape 大豆 Soybean
100 100
80 80
60 60
40 40
20 20
0 0
花生 Peanut
100
种子 Seed
人工 Labor
80
复合肥 Compound fertilizer
60 钾肥 Potassium fertilizer
磷肥 Phosphate fertilizer
40
氮肥 Nitrogen fertilizer
电力 Electricity
20
柴油 Diesel fuel
0
图 2 不同省份油料作物生产系统能源输入贡献占比
Fig. 2 Percentages of energy inputs of oil crop production system in different provinces
http://www.ecoagri.ac.cn
能源输入贡献占比 能源输入贡献占比
Contribution of inputs (%) Contribution of inputs (%)
安徽 Anhui
安徽 Anhui
甘肃 Gansu
福建 Fujian
贵州 Guizhou
广东 Guangdong
河南 Henan
广西 Guangxi
湖北 Hubei
河北 Hebei
湖南 Hunan
河南 Henan
江苏 Jiangsu
湖北 Hubei 江西 Jiangxi
内蒙古 Inner Mongolia
湖南 Hunan
青海 Qinghai
吉林 Jilin
陕西 Shaanxi
江西 Jiangxi
四川 Sichuan
辽宁 Liaoning
云南 Yunnan
山东 Shandong
浙江 Zhejiang
四川 Sichuan
重庆 Chongqing
能源输入贡献占比
Contribution of inputs (%)
安徽 Anhui
河北 Hebei
河南 Henan
黑龙江 Heilongjiang
湖北 Hubei
吉林 Jilin
江苏 Jiangsu
辽宁 Liaoning
内蒙古 Inner Mongolia
山东 Shandong
山西 Shanxi
陕西 Shaanxi
四川 Sichuan第 12 期 陈 丽等: 中国油料作物能源利用效率与温室气体排放
1991
4.1.3 能源效率区域差异 因此重庆机械化能源投入较低, 灌溉电力消耗几乎
能源的输入和输出直接决定了NE、EUE和EP, 为0, 此外低化肥和种子能源投入也进一步促进了重
他们具有较大的空间差异, 且其空间异质性特征并 庆除人力能源消耗较高之外整体能源投入低的状态;
不完全相同。由表4可以看出, 油菜EUE较高的区 江苏虽然与重庆一样具有较低的柴油、电力种植能
域主要集中在长江流域, 其中江苏、重庆两省(市) 源投入, 但其人力能源投入尤其是化肥能源投入巨
EUE最高, 分别为22.50 (9.43)和19.62 (8.34), 但二 大, 能源输入相对较高的同时产出水平也得到了很
者能源输入、输出的差距巨大, 江苏平均每公顷能 大提升。大豆EUE较高的区域也主要集中在长江流
源输入、输出约为重庆的2倍。二者能源高效利用 域, 其中江苏最高, 其次是河南、四川、安徽, 分别
的因素也不尽相同, 重庆以丘陵、山地为主的地形 为 23.39 (9.13)、 19.45 (7.91)、 19.20 (9.72)、 17.90
地貌导致油菜种植的机械化作业以及电力灌溉受限, (9.66), 不同的是江苏、河南、安徽都属于高投入高
表 4 中国油料作物生产系统能效指标值
Table 4 Energy efficiency indicators value of oil crop production system in China
能源生产率 净能源 能源输入 能源输出
类型 省份 能源利用效率
Energy productivity Net energy Energy input Energy output
Type Province Energy use efficiency
(kg?MJ?1) (GJ?hm?2) (GJ?hm?2) (GJ?hm?2)
油菜 江苏 Jiangsu 22.50 1.38 160.64 7.47 168.11
Oilseed rape
重庆Chongqing 19.62 1.20 82.99 4.46 87.45
四川 Sichuan 14.37 0.88 109.60 8.20 117.80
河南 Henan 14.28 0.89 103.64 7.80 111.45
湖北 Hubei 13.60 0.83 114.71 9.10 123.81
安徽 Anhui 13.29 0.81 113.70 9.25 122.95
陕西 Shaanxi 12.99 0.81 128.31 10.70 139.01
江西 Jiangxi 12.46 0.76 84.74 7.39 92.14
云南 Yunnan 11.88 0.72 100.99 9.29 110.28
浙江 Zhejiang 11.86 0.73 98.99 9.11 108.10
湖南 Hunan 11.63 0.71 95.42 8.98 104.40
青海 Qinghai 11.19 0.70 114.30 11.22 125.52
甘肃 Gansu 10.75 0.67 125.14 12.83 137.97
内蒙古 Inner Mongolia 10.67 0.67 53.07 5.49 58.56
贵州 Guizhou 10.17 0.62 77.11 8.41 85.52
大豆 江苏 Jiangsu 23.39 1.50 99.85 4.46 104.31
Soybean
河南 Henan 19.45 1.25 86.83 4.71 91.54
四川 Sichuan 19.20 1.22 46.53 2.56 49.08
安徽 Anhui 17.90 1.15 80.16 4.74 84.90
吉林 Jilin 12.44 0.80 79.80 6.97 86.78
辽宁 Liaoning 11.88 0.76 84.77 7.79 92.56
黑龙江 Heilongjiang 11.59 0.74 79.05 7.46 86.51
湖北 Hubei 10.87 0.70 68.50 6.94 75.43
内蒙古 Inner Mongolia 10.53 0.67 59.61 6.26 65.87
山东 Shandong 10.08 0.65 98.31 10.83 109.14
山西 Shanxi 7.00 0.45 73.09 12.19 85.28
河北 Hebei 5.88 0.38 95.73 19.63 115.35
陕西 Shaanxi 5.21 0.33 46.70 11.10 57.81
花生 湖南 Hunan 26.29 0.95 310.52 12.28 322.79
Peanut
湖北 Hubei 22.88 0.83 211.51 9.67 221.18
安徽 Anhui 22.78 0.82 283.82 13.03 296.85
四川 Sichuan 19.56 0.71 184.70 9.95 194.65
广东 Guangdong 19.37 0.70 197.15 10.73 207.88
吉林 Jilin 18.08 0.65 174.24 10.20 184.45
广西 Guangxi 17.65 0.64 191.26 11.49 202.75
山东 Shandong 16.73 0.60 252.52 16.05 268.58
江西 Jiangxi 16.24 0.59 229.94 15.09 245.03
福建 Fujian 15.41 0.56 188.57 13.08 201.65
河南 Henan 12.58 0.45 226.13 19.52 245.65
河北 Hebei 12.08 0.44 255.53 23.07 278.60
辽宁 Liaoning 11.72 0.42 181.48 16.93 198.41
http://www.ecoagri.ac.cn
中国生态农业学报(中英文)?2023 第 31 卷
1992
产出下的能源高效利用地区, 而四川受山区耕作环 生种植生产系统。
境条件与低肥耕作习惯的影响, 形成了低投入低产
4.2 油料作物生产系统温室气体排放
出下的能源高效利用。此外, 对于大豆NE较高的山
由表5可以看出 , 花生温室气体排放量最 高
东、河北而言, 他们与江苏一样具有较高的能源输
[874.96 kg(CO2 eq)?hm?2], 其次为油菜[660.16 kg(CO2
出和净能源, 但由于这两个省份大豆种植灌溉消耗
eq)?hm?2], 大豆最低[507.07 kg(CO2 eq)?hm?2]。此外,
大量电力能源, 土壤养分不足追求高产的同时使用
不同油料作物物质投入和农事操作温室气体排放贡
了大量化肥能源, 因此二者的EUE值均较低, 分别
献也存在差异。对于油菜与花生, 化肥是其重要的
为10.87 (4.25)、5.88 (2.39)。花生EUE较高的省份
温室气体排放源, 但是大豆种植过程中化肥、柴油、
是湖南、湖北和安徽, 分别为26.29 (10.52)、22.88
灌溉温室气体排放量的贡献则相对均衡。与花生、
(9.15)、22.78 (9.11), 同时这3个省份的NE也均较
油菜作物相比, 大豆的灌溉用水量和机械化水平更
高, 良好的自然资源条件、合理的农业机械化以及
物质能源投入共同构建了能源流动良好且高效的花 高, 因此导致其相应来源温室气体排放量较高。
表 5 油料作物生产不同排放源的温室气体排放量
kg(CO2 eq)?hm?2
Table 5 GHG emissions from different sources of oil crop production
排放源 Emission source 油菜 Oilseed rape 大豆 Soybean 花生 Peanut
柴油 Diesel fuel
203.72 197.55 263.70
电力 Electricity 34.36 91.28 113.81
化肥 Chemical fertilizer
422.08 218.24 497.45
合计 Total
660.16 507.07 874.96
西的大豆种植以及河北和河南的花生种植能源节约
4.3 油 料 作 物 生 产 系 统 能 源 利 用 优 化 与 温 室 气 体 减 排
潜力较大, 分别为6111.46 MJ?hm?2、5124.73 MJ?hm?2、
由图3可以看出, 油菜DMU有效数量为11个,
7923.32 MJ?hm?2、7824.56 MJ?hm?2、13 157.21 MJ?hm?2
大豆和花生DMU有效数量均为10个, 其余效率值
和9625.63 MJ?hm?2。具体到某一生产投入方面, 不同
小于 1.0的 DMU能 源 使 用 相 对 低 效 。 如 果 这 些
油料作物不同种植地区能源节约方向各有其特点,
DMU能够有效执行, 利用85%左右的能源实现相同
因此需要根据区域实际情况采取适宜有效的应对
的生产水平, 油菜、大豆和花生可分别节省11.97%、
措施。
16.38%和15.89%的资源。
通过以上省份能源的优化利用, 不同油料作物
在识别出高效和低效的DMU后, 还需要进一步
低效省份每公顷可减少的温室气体排放量如表7所
分析各省份油料作物能源高效利用后的能源节约情
示。3种油料作物不同省份温室气体减排潜力呈现
况。表6表明, 甘肃和陕西的油菜种植、山西和陕
与能源节约相似的特点。化肥温室气体减排潜力最
大, 其次是电力和柴油; 具体到各省份, 每公顷油料
12
油菜 Oilseed rape
作物温室气体减排量范围为 20.60~616.32 kg(CO2
大豆 Soybean
9
花生 Peanut
eq), 其中油菜、大豆、花生种植省份减排潜力最大
6
的地区分别为陕西、陕西和河北, 约占原排放量的
53.00%、92.69%和48.54%。其中, 导致陕西温室气
3
体减排比例如此高的原因主要有以下两点: 一是受
0
基准省份电力消耗情况影响, 本研究测算陕西省电
0.4~0.6 0.6~0.8 0.8~1.0 1.0
效率值 Efficiency value
力节能潜力也较大, 存在一定误差。二是陕西大豆
单位面积产量相对较低, 仅略高于内蒙古和四川, 而
图 3 中国油料作物生产系统能效指标值
Fig. 3 Energy efficiency indicators value of oil crop produc-
化肥能源消耗却排名第二, 仅次于单产能力最高的
tion system in China
河北, 因此陕西化肥施用过量或施肥结构不合理问
EP、EUE和NE分别表示能源生产率、能源利用效率和净能源。
题明显导致了其化肥能源节约及温室气体减排潜力
EP, EUE and NE refer to energy productivity, energy use efficiency and net
energy, respectively. 巨大 。
http://www.ecoagri.ac.cn
频数 Frequency第 12 期 陈 丽等: 中国油料作物能源利用效率与温室气体排放
1993
表 6 油料作物种植低效省份的能源节约
Table 6 Energy saving in provinces where oil crops are planted inefficiently MJ?hm?2
类型 决策单元 柴油 电力 化肥 人工 种子 总能源节约
Type Decision making unit Diesel fuel Electricity Chemical fertilizer Labor Seed Total energy saving
油菜 甘肃 Gansu 3116.82 763.21 2134.09 0.00 97.35 6111.46
Oilseed rape
河南 Henan 157.10 174.84 0.00 0.00 12.07 344.02
陕西 Shaanxi 1445.93 1181.50 2079.26 335.73 82.32 5124.73
云南 Yunnan 1551.51 456.17 1775.77 0.34 164.33 3948.12
大豆 湖北 Hubei 1071.47 0.00 422.83 0.00 66.22 1560.52
Soybean
山西 Shanxi 1588.06 3677.71 2126.48 416.89 114.18 7923.32
陕西 Shaanxi 1789.28 3001.97 2643.75 224.05 165.51 7824.56
花生 河北 Hebei 0.00 10 408.32 990.90 516.58 1241.41 13 157.21
Peanut
河南 Henan 0.00 5911.78 2685.82 3.60 1024.42 9625.63
山东 Shandong 0.00 2020.61 2472.59 856.69 646.83 5996.73
表 7 能源节约省份温室气体减排潜力
Table 7 GHG emission reduction potential in energy-saving provinces
柴油 电力 化肥 总计 减排潜力
类型 决策单元
Diesel fuel Electricity Chemical fertilizer Total Reduction potential
Type Decision making unit
[kg(CO2 eq)?hm?2] [kg(CO2 eq)?hm?2] [kg(CO2 eq)?hm?2] [kg(CO2 eq)?hm?2] (%)
油菜 甘肃 Gansu 237.31 37.73 219.30 494.34 51.15
Oilseed rape
河南 Henan 11.96 8.64 0.00 20.60 3.20
陕西 Shaanxi 110.09 58.40 213.67 382.16 53.00
云南 Yunnan 118.13 22.55 182.48 323.16 51.25
大豆 湖北 Hubei 81.58 0.00 43.45 125.03 26.42
Soybean
山西 Shanxi 120.91 181.79 218.52 521.23 67.92
陕西 Shaanxi 136.23 148.39 271.68 556.30 92.69
花生 河北 Hebei 0.00 514.49 101.83 616.32 48.54
Peanut
河南 Henan 0.00 292.22 276.00 568.23 47.09
山东 Shandong 0.00 99.88 254.09 353.97 30.33
5 讨论
析和数据采集, 要素考虑相对全面, 得出的单位面积
系统能源输入量较大。但也存在特殊情况, 例如阿
5.1 油料作物能源利用效率分析
根廷大豆种植由于以免耕为主, 柴油能源输入较低,
我国油菜、大豆、花生的能源利用效率(表示
其系统总能源输入仅为2.77 GJ?hm?2, 约为中国的
仅考虑主产品能源输出)分别为13.05 (5.21)、10.46
1/3, 伊朗北部地区的1/10。三是能量当量系数不统
(4.26)和 16.94 (7.00), 明 显 高 于 土 耳 其 [32]油 菜
一, 导致数据计算结果存在一定偏差。
(4.68), 伊朗北部 [13]大豆4.6 (2.4)和油菜6.8 (3.8)。
5.2 油料作物能源利用效率区域差异分析
油菜、大豆、花生的全国平均能源生产率分别为
3种油料作物单位能源消耗的系统产出能力相
0.80 (0.25) kg?MJ?1、 0.67 (0.26) kg?MJ?1和 0.61
差不大, 但能源利用效率差异明显, 呈现花生>油菜>
(0.25) kg?MJ?1。国外学者研究结果显示, 伊朗北部油
大豆的特点。对于能源利用效率较高的省份, 或是
菜和大豆能源生产率分别为0.31 (0.1) kg?MJ?1和
系统整体能源输入较低, 或是能源输入相对较高的
0.22 (0.14) kg?MJ?1[13]、阿根廷大豆能源生产率 为
同时产出水平也得到了很大提升。能源利用效率相
0.887 kg?MJ?1[14]。造成不同国家区域间上述差异的原
对较低的省份低效的原因, 大概可以分为以下3种
因, 初步分析主要是以下3点: 一是客观上不同国家、
类型: 一是粗放生产型, 农民对农业生产不太重视,
区域油料作物种植规模、基础设施情况以及农事操
化肥、机械和柴油等能源消耗低, 但同时物质输入
作差异等影响系统能流过程, 造成能源输入和产出
(作物产量)更低, 例如内蒙古油菜、陕西大豆等, 这
的差异。二是从研究尺度看, 本研究以省域为单元
获取相关数据, 能流分析仅考虑了关键要素投入, 国 些地方的政府必须寻求更多的激励措施, 鼓励农民
外相关研究多基于农场或农户尺度进行系统能流分 参与提高整体能源效率。二是过度能源投入型, 这
http://www.ecoagri.ac.cn中国生态农业学报(中英文)?2023 第 31 卷
1994
些地区往往盲目追求高能源投入带来的高产出, 出 性与潜力, 并提出若干缓解措施, 为政策制定者结合
现了化肥、种子等的过量投入或大水漫灌等资源过
当地实际制定更合适的油料作物发展战略, 采取更
度使用, 导致能源利用低效, 例如甘肃的油菜、河北
可行的措施提供了基础和支撑。然而, 本研究仍存
的大豆和花生等, 这些地方的政府可以邀请农业专
在一些局限性, 应在未来的研究中加以改进。首先,
家培训农民, 提高农民农业技术水平, 从而达到提高
模型的局限性, 以省域为研究单元, 考虑数据的可获
能源效率的目的。三是技术提升型, 随着农业现代
取性, 系统能流分析仅关注了重要能源输入, 未将除
化水平的提升, 一些地区农业机械广泛使用, 节约人
草剂、农药、农家肥等纳入测算, 造成能源输入考
力能源投入, 但相应的柴油消耗也更多, 从而影响能
虑不够全面; 其次, 研究尺度较大, 为各省政策制定
源利用效率, 例如, 湖南油菜、内蒙古大豆、吉林花
提供了方向, 但若将市域或县域作为研究的决策单
生等, 这些地方可以通过探索油料作物机械化种植
元, 本文得出的相对高效省份内部也会存在决策单
的最佳规模效应实现能源消耗的降低。此外, 从国
元(市域或县域) <1的低效单元, 而作为农业生产系
家角度推动构建新能源占比不断提高的新型电力系
统真正的实施主体一般为农户、农场或合作社等,
统, 使用更多的可再生能源, 如风能、太阳能、生物
探究其节能减排的潜力更具有操作意义; 再次, 本研
质能和水力发电, 支持农业机械技术创新, 提高农业
究仅选择了2020年进行测算分析, 缺乏时序变化上
机械发动机效率, 或改燃油动力系统为电力、太阳
的进一步研究, 未能完整呈现我国油料作物能源利
能动力系统, 对于我国整体农作物生产系统能源利
用与温室气体排放的多年变化态势, 针对以上局限
用效率提升和清洁绿色可持续发展均有重要意义。
性 , 将在以后的研究中进行探索与改进。
5.3 油料作物生产系统能源利用优化分析
6 结论
根据油料作物种植低效省份能源节约方向和数
本研究结果表明, 3种油料作物单位能源消耗的
量(表6)可知, 化肥过量使用是能源低效利用省份普
系统产出能力相差不大, 但能源利用效率、能源消
遍存在的问题, 造成该问题的原因与当地农民长期
耗方式以及不同区域间各类能源输入贡献差异明显。
固化形成的不合理的施肥习惯, 如“多施肥、施复合
对于能源利用效率较高的省份, 主要呈现两种状态
肥”观念, 以及凭经验施肥, 缺乏科学施肥认识与指
形式: 一种是系统整体能源输入较低, 另一种则表现
导密不可分。过量施用化肥不仅增加种地成本, 降
为系统能源输入相对较高的同时产出水平也较高;
低收入, 还将导致土壤、水体、大气等环境污染, 造
成天然气、煤和磷矿石等大量战略资源的浪费。因 对于能源利用效率较低的省份, 则主要表现为3种
此, 对于能源利用低效地区应积极引导农民科学施 类型: 粗放生产型、过度能源投入型和技术提升型。油
用氮肥、磷肥和复合肥, 推广测土配方施肥, 加大新 菜、大豆、花生低效省份能源利用优化后, 分别可
型肥料的推广力度, 多措并举推动化肥“减量”使用。 节约11.97%、16.38%和15.89%的资源, 实现20.60~
此外, 在最佳需求下, 甘肃、陕西、云南油菜种植以 616.32 kg(CO2 eq)?hm?2的温室气体减排。综上, 我国
及湖北、山西、陕西大豆种植的柴油节能潜力均较 油料作物生产仍存在较大的能源利用优化空间以及
大, 采用保护性耕作制度, 减少土地准备所需的柴油 温室气体减排潜力, 可通过推广测土配方施肥和使
消耗和机械使用, 以及合理配置机械化服务范围半 用新型肥料, 采用保护性耕作制度, 减少土地准备机
径, 充分发挥机械作业规模效率, 实现减少能源消耗 械使用的柴油消耗, 提高机械作业的规模效率, 使用
的目的。油料作物种植电力能源消耗主要来源于灌 节水灌溉技术或探索利用太阳能抽水等一系列措施
溉用电, 受基准省份电力消耗情况影响, 本研究测算 实现油料作物更加高效、绿色、清洁的生产。
各省份电力节能潜力较大, 未必符合实际情况或具
参考文献 References
备可操作性, 但值得关注的是, 改变传统大水漫灌模
[1] HONMA S, HU J L. Industry-level total-factor energy
式, 使用节水灌溉技术或探索利用太阳能抽水, 对这
efficiency in developed countries: a Japan-centered analysis[J].
些地区减少能源消耗将是非常有意义的探索 。
Applied Energy, 2014, 119: 67?78
5.4 研究局限性
[2] ZHU L, WANG Y, SHANG P P, et al. Improvement path, the
本研究从全国尺度对油料作物能源利用效率和
improvement potential and the dynamic evolution of regional
温室气体排放进行了测算, 分析了不同省份能源高
energy efficiency in China: based on an improved nonradial
效和低效利用的原因, 探究了各省节能减排的可能 multidirectional efficiency analysis[J]. Energy Policy, 2019,
http://www.ecoagri.ac.cn第 12 期 陈 丽等: 中国油料作物能源利用效率与温室气体排放
1995
133: 110883 ARRIETA E M, CUCHIETTI A, CABROL D, et al.
[14]
[3] MOHSENI P, BORGHEI A M, KHANALI M. Coupled life Greenhouse gas emissions and energy efficiencies for soybeans
cycle assessment and data envelopment analysis for mitigation and maize cultivated in different agronomic zones: a case study
of environmental impacts and enhancement of energy efficiency of Argentina[J]. Science of the Total Environment, 2018, 625:
in grape production[J]. Journal of Cleaner Production, 2018, 199?208
197: 937?947 [15] RABIEE M, MAJIDIAN M, ALIZADEH M R, et al. Evaluation
[4] WU H J, YUAN Z W, GENG Y, et al. Temporal trends and of energy use efficiency and greenhouse gas emission in
spatial patterns of energy use efficiency and greenhouse gas rapeseed (Brassica napus L.) production in paddy fields of
emissions in crop production of Anhui Province, China[J]. Guilan province of Iran[J]. Energy, 2021, 217: 119411
Energy, 2017, 133: 955?968 [16] 杨欢, 乔远, 王兴邦, 等. 黄淮海玉米生产能源利用效率和
[5] 谢淑娟, 匡耀求, 黄宁生. 中国发展碳汇农业的主要路径与 净生态系统碳平衡时空特征[J]. 生态学报, 2022, 42(15):
政策建议[J]. 中国人口·资源与环境, 2010, 20(12): 46?51 6184?6195
XIE S J, KUANG Y Q, HUANG N S. Main paths and policy YANG H, QIAO Y, WANG X B, et al. Spatio-temporal
proposals for the development of carbon-sinking agriculture in characteristics of energy use efficiency and net ecosystem
China[J]. China Population, Resources and Environment, 2010, carbon budget of maize production in Huang-Huai-Hai
20(12): 46?51 region[J]. Acta Ecologica Sinica, 2022, 42(15): 6184?6195
[6] NEMECEK T, DUBOIS D, HUGUENIN-ELIE O, et al. Life [17] 王玉涛, 王丰川, 洪静兰, 等. 中国生命周期评价理论与实
cycle assessment of Swiss farming systems:Ⅰ. integrated and 践 研 究 进 展 及 对 策 分 析 [J]. 生 态 学 报 , 2016, 36(22):
organic farming[J]. Agricultural Systems, 2011, 104(3): 7179?7184
217?232 WANG Y T, WANG F C, HONG J L, et al. The development of
[7] 朱永彬, 马晓哲, 史雅娟. 县级尺度下河南省农业投入产出 life cycle assessment theory research in China and analysis of
效率与减排潜力分析[J]. 中国生态农业学报(中英文), 2022, countermeasures[J]. Acta Ecologica Sinica, 2016, 36(22):
30(11): 1852?1861 7179?7184
ZHU Y B, MA X Z, SHI Y J. Analysis of agricultural input- [18] Food and Agriculture Organization of the United Nations. Crops
output efficiency and emission reduction potential in Henan and livestock products dataset of Food and Agriculture
Province at County level[J]. Chinese Journal of Eco- Organization of the United Nations[DB/OL]. https://www.fao.
Agriculture, 2022, 30(11): 1852?1861 org/faostat/en/#data/QCL, 2023-3-24/2023-10-16
[8] 刘杨, 刘鸿斌. 山东省农业碳排放特征、影响因素及达峰分 [19] 范紫月, 齐晓波, 曾麟岚, 等. 中国农业系统近40年温室气
析[J]. 中国生态农业学报(中英文), 2022, 30(4): 558?569 体排放核算[J]. 生态学报, 2022, 42(23): 9470?9482
LIU Y, LIU H B. Characteristics, influence factors, and FAN Z Y, QI X B, ZENG L L, et al. Accounting of greenhouse
prediction of agricultural carbon emissions in Shandong gas emissions in the Chinese agricultural system from 1980 to
Province[J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 2020[J]. Acta Ecologica Sinica, 2022, 42(23): 9470?9482
558?569 [20] 秦萌, 任宗杰, 张帅, 等. 从“农药零增长行动”看“农药减
[9] YUAN S, PENG S B. Input-output energy analysis of rice 量化”发展[J]. 中国植保导刊, 2021, 41(11): 89?94
production in different crop management practices in central QIN M, REN Z J, ZHANG S, et al. Development of “pesticide
China[J]. Energy, 2017, 141: 1124?1132 reduction” viewed from “pesticide zero growth action”[J]. China
[10] BUDZY?SKI W S, JANKOWSKI K J, JAROCKI M. An Plant Protection, 2021, 41(11): 89?94
analysis of the energy efficiency of winter rapeseed biomass [21] MOUSAVI-AVVAL S H, RAFIEE S, JAFARI A, et al. Energy
under different farming technologies. A case study of a large- flow modeling and sensitivity analysis of inputs for canola
scale farm in Poland[J]. Energy, 2015, 90: 1272?1279 production in Iran[J]. Journal of Cleaner Production, 2011,
[11] LEWANDOWSKA-CZARNECKA A, BULLER L S, 19(13): 1464?1470
NIENARTOWICZ A, et al. Energy and emergy analysis for [22] 中国疾病预防控制中心营养与健康所. 中国食物成分表[M].
assessing changes in Polish agriculture since the accession to the 6版. 北京: 北京大学医学出版社, 2018
European Union[J]. Ecological Modelling, 2019, 412: 108819 National Institute for Nutrition and Health, Chinese Center for
[12] SINGH P, SINGH G, SODHI G P S. Energy auditing and Disease Control and Prevention. China Food Composition
optimization approach for improving energy efficiency of rice Table[M]. 6th. Beijing: Peking University Medical Press, 2018
cultivation in south-western Punjab, India[J]. Energy, 2019, 174: [23] 牛若峰, 刘天福. 农业技术经济手册[M]. 2版. 北京: 农业出版
269?279 社, 1984
[13] MOHAMMADI A, RAFIEE S, JAFARI A, et al. Energy use NIU R F, LIU T F. Handbook of Agricultural Technology and
efficiency and greenhouse gas emissions of farming systems in Economy[M]. 2nd. Beijing: Chinese Agricultural Press, 1984
north Iran[J]. Renewable and Sustainable Energy Reviews, [24] 徐键辉. 粮食生产的能源消耗及其效率研究?基于DEA方
2014, 30: 724?733 法的实证分析[D]. 杭州: 浙江大学, 2010
http://www.ecoagri.ac.cn中国生态农业学报(中英文)?2023 第 31 卷
1996
XU J H. Study on energy consumption and efficiency of grain Resources and Regionalization. Xining, 2015: 458–466
production — An empirical analysis based on DEA method[D]. [28] 韦茂贵, 王晓玉, 谢光辉. 中国各大田作物田间秸秆资源量
Hangzhou: Zhejiang University, 2010
及其时间分布[J]. 中国农业大学学报, 2012, 17(6): 32?44
[25] 于永中, 李天麟, 任建方, 等. 农业劳动强度及劳动能量消
WEI M G, WANG X Y, XIE G H. Field residue of field crops
耗的调查研究[J]. 卫生研究, 1979, 8(1): 91?97
and its temporal distribution among thirty-one provinces of
YU Y Z, LI T L, REN J F, et al. Investigation and study on
China[J]. Journal of China Agricultural University, 2012, 17(6):
agricultural labor intensity and labor energy consumption[J].
32?44
Journal of Hygiene Research, 1979, 8(1): 91?97
[29] MARDANI A, ZAVADSKAS E K, STREIMIKIENE D, et al.
[26] 农业农村部办公厅. 农业农村部办公厅关于做好农作物秸秆
A comprehensive review of data envelopment analysis (DEA)
资源台账建设工作的通知[EB/OL]. 中华人民共和国农业农
approach in energy efficiency[J]. Renewable and Sustainable
村 部 . [2019-01-14]. http://www.moa.gov.cn/gk/tzgg_1/tfw/
Energy Reviews, 2017, 70: 1298?1322
201901/t20190129_6170842.htm
[30] TONE K. A slacks-based measure of efficiency in data
General Office of the Ministry of Agriculture and Rural Affairs
envelopment analysis[J]. European Journal of Operational
of the People’s Republic of China. Notice of the General Office
Research, 2001, 130(3): 498?509
of the Ministry of Agriculture and Rural Affairs on the
[31] 姜秋香, 王天, 王子龙, 等. 基于EBM的水资源失衡风险导
construction of the ledger of crop straw resources[EB/OL].
致的社会经济损失模型及应用[J]. 农业工程学报, 2018,
Ministry of Agriculture and Rural Affairs of the People’s
34(19): 104?113
Republic of China. [2019-01-14]. http://www.moa.gov.cn/gk/
JIANG Q X, WANG T, WANG Z L, et al. EBM-based social
tzgg_1/tfw/201901/t20190129_6170842.htm
economic loss model of water resources imbalance risk and its
[27] 王亚静, 高春雨, 王红彦, 等. 中国油菜秸秆资源量估算及其
application[J]. Transactions of the Chinese Society of
资源化利用[C]//2015年中国农业资源与区划学会学术年会论
Agricultural Engineering, 2018, 34(19): 104?113
文集. 西宁, 2015: 458–466
[32] UNAKITAN G, HURMA H, YILMAZ F. An analysis of energy
WANG Y J, GAO C Y, WANG H Y, et al. Estimation and
utilization of rape straw resources in China[C]//Proceedings of use efficiency of canola production in Turkey[J]. Energy, 2010,
the 2015 Annual Conference of Chinese Society of Agricultural 35(9): 3623?3627
http://www.ecoagri.ac.cn |
|
