-
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。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 utilization efficiency can be used, in order to increase income, save cost and reduce greenhouse gas emissions synthetically. Academically, 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 greenhouse 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 analysis, energy analysis have been used commonly, which provide valuable references to the present study. Given that oil crops production 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 reasons which caused inefficient energy use were deeply identified in different provinces. Additionally, for purpose of practical application, 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 > oilseed rape > soybean. 2) Among the three oil crops, peanut had the highest GHG emissions [874.96 kg(CO2 eq)∙hm−2], followed by oilseed 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 soybean 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
-
近年来, 随着国家乡村振兴战略规划的实施, 乡村空间分类[1]、时空格局[2-3]、综合评价[4]、功能优化[5-6]等方面的研究逐渐成为学者关注的焦点。“三生空间”概念的提出是基于土地利用功能, 将国土空间划分为生态空间、生产空间与生活空间3种基本表现形式。中国共产党第十八次全国代表大会明确提出要构建生态空间山清水秀、生产空间集约高效、生活空间宜居适度的国土空间优化目标和原则[7]。生态空间、生产空间和生活空间是相对独立又互相联系的有机体, 其数量配比和空间配置的变化影响地区的生态环境格局[8-9]。“三生空间”的合理配置与协调发展是评价乡村可持续发展水平的重要标准[10]。“三生功能”是基于可持续发展理论对国土空间功能的分类, 生态功能主要提供生态产品和服务, 生产功能提供农产品、工业产品和部分服务产品, 生活功能提供人类居住、消费、出行和娱乐等场所[11]。
乡村植被是乡村空间构成的核心要素和主要评价指标, 在乡村振兴中发挥了重要的生态、生产与生活功能[12]。相比于城市植被, 乡村植被与生产、生活的关系更为密切[13]。乡村植被调查和功能评价是乡村空间规划、综合评价和功能优化的基础, 乡村植被分类与命名是乡村植被调查和评价的前提条件。乡村植被和城市植被均是中国植被的组成部分, 中国植被区划[14-15]和中国植被分类系统[14-16]对乡村植被分类具有重要的指导作用, 乡村植被分类则是对中国植被区划和中国植被分类系统的补充和完善。目前国内对城市植被分类已有一些研究[17-18], 乡村植被的研究主要集中在植物景观设计[19-20]、乡土植物应用[21]、植物多样性[22]等方面, 而关于乡村植被分类方面的研究很少。根据乡村植被特点, 采用统一的分类单位和命名方法, 科学开展乡村植被的分类与命名, 对于乡村发展具有参考意义。
本文梳理了国内植被分类学研究的主要成果, 在吸纳国内外植被研究前沿思想的同时, 针对乡村植被调查研究中亟需解决的问题, 充分考虑乡村植被在“三生空间”的分布和功能, 重点针对乡村植被分类中目前研究比较薄弱的农业植被和绿地植被各级分类单位的划分依据和命名进行了深入的研究, 尤其是对农业植被中、低级单位的分类与命名做了较多探索性的研究。在此基础上, 提出了一套科学、实用、操作性强的乡村植被分类体系与命名方案, 明确了各分类等级单位和植被类型的含义、分类依据与命名方法, 为乡村植被调查与功能评价、乡村植被的保护和管理、乡村空间规划等提供科学依据和参考方法。
1. 中国植被分类研究概述
国内系统性的植被分类研究始于新中国成立以后, 最初是针对自然植被。例如, 钱崇澍等[23]的研究中, 将中国植被划分为12种类型, 但该文没有提出植被划分等级单位。1980年出版的《中国植被》一书制定了自然植被和栽培植被的分类原则和分类体系, 但栽培植被仅限于农业植被, 未涉及绿地植被[14]。20世纪90年代以来, 一些国内学者对城市植被的划分进行了探讨, 采用了广义的城市植被概念, 涵盖了城市范围内的自然植被、半自然植被和人工植被等所有类型[24-25], 宋永昌[26]对城市森林的分类也采用了广义的概念。郭柯等[16]在《中国植被》分类体系的基础上, 将栽培植被分为农业植被和城市植被, 作为中国植被分类体系的2个植被型组, 其中对城市植被的概念界定近似于城市绿地栽培植被。
国外植被分类体系中, 美国比较有代表性, 将植被区划分为自然(含半自然)植被和栽培植被2类, 其中栽培植被又被划分为农业植被和建设植被2个植被纲, 建设植被包括城市和其他建成区植被[27]。
1.1 自然植被
针对中国植被的特点, 国内学者摒弃了国际上盛行的仅以外貌、植物区系或群落结构单一因素作为分类依据, 开创性地提出了具有中国特色的以群落综合特征如生态外貌、区系组成和生境等进行群落分类的方法[28]。比较系统的中国自然植被分类方案主要有以下几种:
1)侯学煜[29]1960年出版的《中国的植被》首次提出了植被分类的“植物群落学-生态学”原则, 确定了植被型、群系组、群系、群丛组、群丛5个等级单位的分类方案。
2)《中国植被》在《中国的植被》5个等级单位的基础上, 增设植被型组、植被亚型、亚群系3个等级单位, 形成中国植被的8级分类系统[14], 并进一步完善了分类原则及各分类单位划分依据, 成为被国内广泛接受的分类方案[30]。
3)宋永昌等[31]2017年发表的《再议中国的植被分类系统》考虑到与国际主流植被分类系统的衔接, 提出了包括植被纲、植被亚纲、植被型组、植被型、植被亚型、集群、优势度型、群丛、基群丛的9级分类系统。之后有学者在此基础上又提出了一个简化版植被分类系统, 包含6个等级单位, 依次为植被纲、植被亚纲、植被型组、植被型、群系、群丛[32]。
4)郭柯等[16]在基本沿用《中国植被》[14]的植被分类原则、分类单位的基础上, 对部分高级分类单位的划分进行了调整, 对植被分类等级单位中英文对照命名问题进行了修订, 成为《中国植被志》编写的规范性方案。
1.2 栽培植被
目前, 国内栽培植被的分类研究很少, 其中, 农业植被的分类主要有以下几种:
1)《中国植被》一书将栽培植被(农业植被)作为1个与自然植被并列的植被类型处理, 对农业植被单独制定了一套分类体系, 包括类型、型、亚型、组合型、组合5个等级分类单位, 分类单位数量、名称、划分依据均不同于自然植被[14], 祁承经[33]1990年主编的《湖南植被》和张新时[15]2007年主编的《中华人民共和国植被图(1∶1 000 000)》基本沿用了该系统。
2)宋永昌[26]的城市森林植被分类方案中, 划分了生产林地这一类型组, 包括用材林、果树林、原料林、树木苗圃4个类型, 应属于农业植被的范畴。
3)郭柯等[16]将栽培植被分为农业植被和城市植被2类, 作为中国植被的2个植被型组, 并对植被型组和植被型这2个等级单位的划分方法作了简要阐述, 但未确立植被型以下分类单位的划分和命名方案, 分类等级与自然植被不对等, 划分依据也不一致。
绿地植被的分类方案目前仅见于城市植被的研究, 尚未形成比较完整的分类体系, 根据其划分方法大概可归纳为以下3种类型:
1)根据植被的功能用途划分高级分类单位。例如, 蒋高明[25]将城市植被中的人工植被根据功能划分为行道树、城市森林、公园和园林、街头绿地4种类型; 宋永昌[26]提出的城市森林植被划分方案首先是依据功能类群和主要功能分别划分出高级分类单位类型组、类型, 再进一步根据林木层的优势种划分优势度类型; 郭柯等[16]依据功能将城市植被划分为城市森林、城市草地、城市湿地、城市行道树、城市公园植被等植被型。
2)根据不同层片优势配置植物的生活型类型划分高级分类单位。例如, 王波等[34]将城市公园植被划分为乔草型、乔灌型、乔木型、灌草型、乔灌草型等不同的植被配置类型; 冯艳等[35]将公园绿地植被群落类型划分为乔灌草、乔灌、乔草、灌草、草地等配置类型; 彭重华等[36]在对长株潭城市人工植被景观分类时, 构建了类、型、配置组、配置的4级分类体系; 彭晓莉等[37]在研究城市绿化带植被时, 采用了景观组合的划分方法。
3)沿用自然植被的划分等级单位与命名方案, 是目前研究者使用最广泛的划分方法[12,38-40]。
1.3 存在的问题
目前国内植被分类方案存在的主要问题有: 1)缺乏一套完整的包括自然与半自然植被、农业植被、绿地植被在内的植被分类体系, 绿地植被仅见于城市植被的分类研究, 没有单独纳入中国植被分类系统; 2)在国内外几个主要植被分类系统中[14,16,27], 栽培植被与自然植被的划分原则和下属分类等级单位及划分依据不一致, 各级分类单位不易衔接; 3)农业植被和绿地植被的划分方案中, 缺少中、低级分类单位的划分标准与依据, 农业植被中的大棚栽培作物未纳入分类体系中。
2. 乡村植被分类体系的总体架构
针对目前植被分类存在的问题, 本文基于乡村植被“三生空间”分布特点及其相应的主要功能, 认为农业植被、绿地植被和自然与半自然植被在乡村植被中具有同等的地位, 因此本方案增设了绿地植被这一植被类型, 将乡村植被划分为自然与半自然植被、农业植被、绿地植被3个并列的植被类, 作为乡村植被分类的0级单位, 即最高级单位。
自然与半自然植被主要分布于乡村的生态空间, 以追求生态功能为主要目的, 兼有生产和生活功能, 包括所有天然起源植被和部分人工改造植被, 如不以收获为主要功能的人造生态公益林、飞播林等, 这类植被的群落结构和物种组成很大程度上是在自然生态过程的影响下形成的[27]。农业植被主要位于生产空间, 是以生产为主要目的, 为满足人类农产品需求而人为构建的栽培植被, 兼有生态和生活功能。本文将绿地植被定义为主要分布于生活空间, 以景观绿化、美化生活环境、提供游憩休闲场所等生活功能为主要目的而人为构建的栽培植被类型, 兼有生态和生产功能。需要说明的是, 目前国内绿地通常是采用包括自然绿地和生产绿地在内的广义划分方法[41], 其中自然绿地植被应归入自然与半自然植被, 生产型绿地植被应归入农业植被。
乡村植被综合功能的发挥体现在3类植被空间分布格局和配置比例的差异上。通常, 生态保护型乡村自然与半自然植被占比大, 植被类型也更丰富多样, 生产型乡村农业植被占比大, 而生态旅游型乡村则有较大比例的绿地植被。
本方案参考国内广泛使用的“植物群落学-生态学”分类原则、等级单位和划分依据的基本内容[16], 将每类植被进一步划分为植被型组、植被型、植被亚型、群系组、群系、亚群系、群丛组、群丛, 构建9级分类单位的乡村植被分类体系(表1)。其中, 自然与半自然植被和绿地植被主要以群落或景观外貌、生活型和生境条件作为高级单位的划分依据, 以物种组成和群落结构或群落配置方式作为中级和低级单位的划分依据; 农业植被根据作物经济用途、生活型和生境条件作为高级单位的划分依据, 以作物种类组成、栽培方式、耕作制度等作为中级和低级单位的划分依据(表2)。
表 1 乡村植被分类系统层次结构及示例Table 1. Hierarchy for rural vegetation classification system with example植被分类层次结构
Hierarchy for vegetation举例
Example高级单位
Upper level0级 Level 0 植被类
Vegetation category自然与半自然植被
Natural and Semi-Natural Vegetation农业植被
Agricultural Vegetation绿地植被
Green Space Vegetation1级 Level 1 植被型组
Vegetation formation group森林
Forest蔬菜作物
Vegetable Crop乔木绿地
Arbor Green Space2级 Level 2 植被型
Vegetation formation常绿针叶林
Evergreen Needleleaf Forest草本蔬菜作物
Herbaceous Vegetable Crop落叶阔叶乔木绿地
Deciduous Broadleaf Arbor Green Space3级 Level 3 植被亚型
Vegetation subformation寒温性常绿针叶林
Cold-Temperate Evergreen Needleleaf Forest温性草本蔬菜作物
Temperate Herbaceous Vegetable Crop温性落叶阔叶乔木绿地
Temperate Deciduous Broadleaf Arbor Green Space中级单位 Middle level 4级 Level 4 群系组
Alliance group云杉林
Picea Forest Alliance Group葱蒜类蔬菜作物
Allium Vegetable Crop Alliance Group柽柳乔木绿地
Tamarix Arbor Green Space Alliance Group5级 Level 5 群系
Alliance白扦林
Picea meyeri Forest Alliance韭菜
Allium tuberosum Vegetable Crop Alliance柽柳乔木绿地
Tamarix chinensis Arbor Green Space Alliance6级 Level 6 亚群系
Suballiance沙地白扦林
Picea meyeri Sandland Forest Suballiance大棚韭菜
Allium tuberosum Greenhouse Vegetable Crop Suballiance盐碱性柽柳乔木绿地
Tamarix chinensis Saline-Alkali Arbor Green Space Suballiance低级单位 Lower level 7级 Level 7 群丛组
Association group沙地白扦-草本群丛组
Picea meyeri - Herb Sandland Association Group大棚韭菜+蔬菜群丛组
Allium tuberosum + Vegetable Crop Greenhouse Association Group盐碱性柽柳-草本群丛组
Tamarix chinensis - Herb Saline-Alkali Association Group8级 Level 8 群丛
Association沙地白扦-菊叶委陵菜群丛
Picea meyeri - Potentilla tanacetifolia Sandland Association大棚韭菜+番茄群丛
Allium tuberosum + Solanum lycopersicum Greenhouse Association盐碱性柽柳-碱蓬群丛
Tamarix chinensis - Suaeda glauca Saline-Alkali Association3. 乡村植被分类方案及依据
3.1 自然与半自然植被类
依据植被外貌和综合生态条件划分为森林、灌丛、草本植被(草地)、荒漠、高山冻原与稀疏植被、沼泽与水生植被6个植被型组。植被型组以下的分类单位, 依据现有划分方案进行划分[16]。
3.2 农业植被类
植被型组。依据某个地块主栽农作物的主要经济用途划分[14,16]。主栽作物相当于农作物群落的建群种, 定义为在无轮作制度的地块中栽培面积最大的作物, 在存在轮作制度的地块中为一个轮作周期内经济产值最高的作物, 其中有粮食作物轮作的地块取经济产值最高的粮食作物为主栽作物, 因为粮食作物是我国农业生产的根本。本方案将农业植被划分为粮食作物、蔬菜作物、水果作物、花卉作物、油料作物、纤维作物、糖料作物、药用作物、饮料作物、饲料作物、烟草作物、香辛料作物、其他作物13个植被型组。
植被型。在同一个植被型组内, 根据主栽作物生活型划分为草本作物和木本作物2个植被型。生活型不同的作物, 其栽培生长周期和土地利用类型也有所差异。草本作物通常在耕地或草地上栽培, 生长周期较短, 一、二年生草本作物一般在1年以内, 大多数只有几个月, 常采用轮作换茬的耕作制度; 多年生草本作物生长周期可达数年至十几年。木本作物通常在园地或林地上栽培, 生长周期在10年以上, 甚至可达数十年。目前国内栽培的纤维作物、糖料作物、烟草作物均为草本作物, 这3个植被型组暂不划分木本植被型。
植被亚型。在同一个植被型内, 依据作物适宜的温度条件划分为温性(含寒温性)和热性(含暖性) 2个植被亚型, 与自然植被的划分依据基本一致。目前国内栽培的木本粮食作物、木本油料作物、烟草作物、木本香辛料作物均为热带作物, 这些植被型只划分1个植被亚型。
群系组。在同一植被亚型(或植被型)范围内, 可参考农作物分类方法, 将主栽作物经济性状或生活型相近, 或亲缘关系相近的农作物群落划分为同一群系组。例如, 温性草本粮食作物植被亚型可划分为谷类、豆类、薯类等群系组, 温性草本蔬菜作物植被亚型可划分为根菜类、茎叶类、茄果类、豆类、瓜类、葱蒜类、薯芋类等群系组, 热性木本水果作物可划分为柑橘类、核果类、浆果类、聚复果类、坚果类、荔果类、荚果类、香蕉类等群系组, 温性草本纤维作物可划分为种子纤维类、韧皮纤维类等群系组, 温性木本花卉作物可划分为常绿针叶乔木、常绿针叶灌木、落叶针叶乔木、落叶阔叶乔木、落叶阔叶灌木等群系组。
群系。是植被分类中使用最多的分类单位。主栽作物(生物学种、变种、亚种、变型)相同的农作物群落联合即为群系, 与自然植被划分的依据一致。例如, 主栽作物为水稻(Oryza sativa)的作物群落联合即为水稻群系, 主栽作物为油茶(Camellia oleifera)的作物群落联合即为油茶群系。
亚群系。一些生态幅度比较广泛的作物, 可以在多种生境条件下栽培, 有些作物除了露地栽培还会采用设施栽培的方式。本方案将主栽作物生境条件和栽培方式是否存在差异作为划分亚群系与否的依据, 与自然植被亚群系的划分依据基本一致。例如, 蕹菜(Ipomoea aquatica)可以在旱地栽培, 也可以在水田栽培, 还经常采用大棚栽培, 因此按生境条件和栽培方式划分为陆生蕹菜、水生蕹菜和大棚蕹菜3个亚群系。草莓(Fragaria × ananassa)既可以旱地上露地栽培, 也有在大棚中设施栽培, 因此可按栽培方式分为陆生草莓和大棚草莓2个亚群系。水稻可以划分为陆生稻和水生稻2个亚群系。生境条件和栽培方式不存在差异的作物群系不需划分亚群系。
群丛组。自然植被以建群种或共建种相同且各层片优势种生活型相同的植物群落联合为群丛组, 反映的是群落空间结构上的差异。对于农业植被, 本方案将一个轮作周期内(通常为1~3年, 包括1年1熟、2年3熟、1年2熟、3年5熟、1年3熟等轮作方式, 没有轮作制度的作物以1年为周期), 主栽作物相同且生境条件和栽培方式都相同, 次要作物类别相同的作物群落联合为群丛组, 反映的是作物群落在时间和空间结构上的差异性。例如, 水生稻亚群系可划分为水生稻(1年1熟连作水稻)、水生稻+蔬菜(1年1熟连作水稻并和蔬菜间作)、水生稻-水生稻-水生稻(1年3熟连作水生稻)、水生稻-蔬菜(1年2熟或1年1熟, 水稻和蔬菜轮作)、水生稻-蔬菜-水生稻-水果-蔬菜(3年5熟)等群丛组。大棚草莓亚群系可划分为大棚草莓、大棚草莓+蔬菜等群丛组, 陆生蕹菜亚群系可划分为陆生蕹菜、陆生蕹菜+蔬菜等群丛组, 棉花(Gossypium hirsutum)群系可划分为棉花、棉花-油料、棉花-蔬菜等群丛组。
群丛。是植被分类的最小单位。自然植被通常以各层片优势种或共优势种相同、群落结构及生境相对一致的植物群落联合为群丛。对于农业植被, 本方案将一个轮作周期内, 主栽作物相同且生境条件和栽培方式都相同, 次要作物种类相同的作物群落联合为群丛。例如, 水生稻-油料群丛组可划分为水生稻-油菜(Brassica campestris)、水生稻-大豆(Glycine max)、水生稻-花生(Arachis hypogaea)等群丛, 陆生蕹菜+蔬菜群丛组可划分为陆生蕹菜+南瓜(Cucurbita moschata)、陆生蕹菜+丝瓜(Luffa aegyptiaca)等群丛。
表 2 乡村植被分类系统高级单位划分方案Table 2. Classification scheme for upper levels of rural vegetation classification system植被类
Vegetation category植被型组
Vegetation formation
group植被型
Vegetation formation植被亚型
Vegetation subformation自然与半自然植被 Natural and Semi-Natural Vegetation 森林 Forest 植被型组以下的分类单位依据参考文献[16]划分为30个植被型和81个植被亚型
The classification units below the vegetation formation group are classified according to the referrence [16], including 30 vegetation formations and 81 vegetation subformations灌丛 Shrubland 草本植被
Herbaceous Vegetation荒漠 Desert 高山冻原与稀疏植被
Alpine Tundra and Sparse Vegetation沼泽与水生植被
Swamp and Aquatic Vegetation农业植被
Agricultural Vegetation粮食作物
Food Crop草本粮食作物
Herbaceous Food Crop温性草本粮食作物
Temperate Herbaceous Food Crop热性草本粮食作物
Tropical Herbaceous Food Crop木本粮食作物
Woody Food Crop热性木本粮食作物
Tropical Woody Food Crop蔬菜作物
Vegetable Crop草本蔬菜作物
Herbaceous Vegetable Crop温性草本蔬菜作物
Temperate Herbaceous Vegetable Crop热性草本蔬菜作物
Tropical Herbaceous Vegetable Crop木本蔬菜作物
Woody Vegetable Crop温性木本蔬菜作物
Temperate Woody Vegetable Crop热性木本蔬菜作物
Tropical Woody Vegetable Crop水果作物
Fruit Crop草本水果作物
Herbaceous Fruit Crop温性草本水果作物
Temperate Herbaceous Fruit Crop热性草本水果作物
Tropical Herbaceous Fruit Crop木本水果作物
Woody Fruit Crop温性木本水果作物
Temperate Woody Fruit Crop热性木本水果作物
Tropical Woody Fruit Crop花卉作物
Flower Crop草本花卉作物
Herbaceous Flower Crop温性草本花卉作物
Temperate Herbaceous Flower Crop热性草本花卉作物
Tropical Herbaceous Flower Crop木本花卉作物
Woody Flower Crop温性木本花卉作物
Temperate Woody Flower Crop热性木本花卉作物
Tropical Woody Flower Crop油料作物
Oilseed Crop草本油料作物
Herbaceous Oilseed Crop温性草本油料作物
Temperate Herbaceous Oilseed Crop热性草本油料作物
Tropical Herbaceous Oilseed Crop木本油料作物
Woody Oilseed Crop热性木本油料作物
Tropical Woody Oilseed Crop纤维作物
Fiber Crop草本纤维作物
Herbaceous Fiber Crop温性草本纤维作物
Temperate Herbaceous Fiber Crop热性草本纤维作物
Tropical Herbaceous Fiber Crop糖料作物
Sugar Crop草本糖料作物
Herbaceous Sugar Crop温性草本糖料作物
Temperate Herbaceous Sugar Crop热性草本糖料作物
Tropical Herbaceous Sugar Crop药用作物
Medicine Crop草本药用作物
Herbaceous Medicine Crop温性草本药用作物
Temperate Herbaceous Medicine Crop热性草本药用作物
Tropical Herbaceous Medicine Crop木本药用作物
Woody Medicine Crop温性木本药用作物
Temperate Woody Medicine Crop热性木本药用作物
Tropical Woody Medicine Crop饮料作物
Beverage Crop草本饮料作物
Herbaceous Beverage Crop温性草本饮料作物
Temperate Herbaceous Beverage Crop农业植被
Agricultural Vegetation饮料作物
Beverage Crop木本饮料作物
Woody Beverage Crop热性木本饮料作物
Tropical Woody Beverage Crop饲料作物
Forage Crop草本饲料作物
Herbaceous Forage Crop温性草本饲料作物
Temperate Herbaceous Forage Crop热性草本饲料作物
Tropical Herbaceous Forage Crop木本饲料作物
Woody Forage Crop温性木本饲料作物
Temperate Woody Forage Crop热性木本饲料作物
Tropical Woody Forage Crop烟草作物
Tobacco Crop草本烟草作物
Herbaceous Tobacco Crop热性草本烟草作物
Tropical Herbaceous Tobacco Crop香辛料作物
Spice Crop草本香辛料作物
Herbaceous Spice Crop温性草本香辛料作物
Temperate Herbaceous Spice Crop热性草本香辛料作物
Tropical Herbaceous Spice Crop木本香辛料作物
Woody Spice Crop热性木本香辛料作物
Tropical Woody Spice Crop其他作物
Other Crops其他草本作物
Other Herbaceous Crops温性其他草本作物
Temperate Other Herbaceous Crops热性其他草本作物
Tropical Other Herbaceous Crops其他木本作物
Other Woody Crops温性其他木本经济作物
Temperate Other Woody Crops热性其他木本经济作物
Tropical Other Woody Crops绿地植被
Green Space Vegetation乔木绿地
Arbor Green Space落叶针叶乔木绿地
Deciduous Needleleaf Arbor Green Space温性落叶针叶乔木绿地
Temperate Deciduous Needleleaf Arbor Green Space热性落叶针叶乔木绿地
Tropical Deciduous Needleleaf Arbor Green Space常绿针叶乔木绿地
Evergreen Needleleaf Arbor Green Space温性常绿针叶乔木绿地
Temperate Evergreen Needleleaf Arbor Green Space热性常绿针叶乔木绿地
Tropical Evergreen Needleleaf Arbor Green Space落叶阔叶乔木绿地
Deciduous Broadleaf Arbor Green Space温性落叶阔叶乔木绿地
Temperate Deciduous Broadleaf Arbor Green Space热性落叶阔叶乔木绿地
Tropical Deciduous Broadleaf Arbor Green Space常绿阔叶乔木绿地
Evergreen Broadleaf Arbor Green Space热性常绿阔叶乔木绿地
Tropical Evergreen Broadleaf Arbor Green Space竹类绿地
Bamboo Green Space热性竹类绿地
Tropical Bamboo Green Space灌木绿地
Shrub Green Space常绿针叶灌木绿地
Evergreen Needleleaf Shrub Green Space温性常绿针叶灌木绿地
Temperate Evergreen Needleleaf Shrub Green Space落叶阔叶灌木绿地
Deciduous Broadleaf Shrub Green Space温性落叶阔叶灌木绿地
Temperate Deciduous Broadleaf Shrub Green Space热性落叶阔叶灌木绿地
Tropical Deciduous Broadleaf Shrub Green Space常绿阔叶灌木绿地
Evergreen Broadleaf Shrub Green Space热性常绿阔叶灌木绿地
Tropical Evergreen Broadleaf Shrub Green Space肉质刺灌木绿地
Succulent Thorny Shrub Green Space热性肉质刺灌木绿地
Tropical Succulent Thorny Shrub Green Space草本绿地
Herb Green Space短期草本绿地
Temporary Herb Green Space温性短期草本绿地
Temperate Temporary Herb Green Space热性短期草本绿地
Tropical Temporary Herb Green Space长期草本绿地
Permanent Herb Green Space温性长期草本绿地
Temperate Permanent Herb Green Space热性长期草本绿地
Tropical Permanent Herb Green Space湿地型绿地
Wetland Green Space木本湿地型绿地
Woody Wetland Green Space温性木本湿地型绿地
Temperate Woody Wetland Green Space热性木本湿地型绿地
Tropical Woody Wetland Green Space草本湿地型绿地
Herbaceous Wetland Green Space温性草本湿地型绿地
Temperate Herbaceous Wetland Green Space热性草本湿地型绿地
Tropical Herbaceous Wetland Green Space3.3 绿地植被类
本方案在参考自然植被划分方案的基础上, 根据绿地植被的特点, 构建乡村绿地植被分类体系。
植被型组。依据群落外貌和综合生态特征, 将绿地植被划分为乔木绿地、灌木绿地、草本绿地、湿地型绿地4个植被型组。乔木绿地近似于自然植被的森林, 灌木绿地近似于灌丛, 草本绿地近似于草地, 湿地型绿地近似于沼泽和水生植被。
植被型。依据群落外貌和优势层植物生活型划分。在同一个植被型组内, 优势层植物生活型组成和群落外貌相对一致的绿地植物群落联合即为植被型。乔木绿地植被型组划分为落叶针叶乔木绿地、常绿针叶乔木绿地、落叶阔叶乔木绿地、常绿阔叶乔木绿地、竹类绿地5个植被型, 灌木绿地植被型组划分为常绿针叶灌木绿地、落叶阔叶灌木绿地、常绿阔叶灌木绿地、肉质刺灌木绿地4个植被型, 草本绿地划分为短期草本绿地(优势种为一、二年生草本植物)和长期草本绿地(优势种为多年生草本植物) 2个植被型, 湿地型绿地划分为木本湿地型绿地和草本湿地型绿地2个植被型。与自然植被不同的是, 绿地植被不划分混交类型的植被型。
植被亚型。在同一个植被型内, 根据群落适宜的温度条件进一步划分为温性(含寒温性)和热性(含暖性) 2个植被亚型。如落叶针叶乔木绿地分为温性落叶针叶乔木绿地和热性落叶针叶乔木绿地2个植被亚型。常绿阔叶乔木绿地、竹类绿地等植被型的优势栽培植物绝大部分为热性的, 只划分1个植被亚型。
群系组。在同一植被亚型范围内, 建群种亲缘关系相近(同属或近缘属)且生活型或生态条件相近的绿地植物群落可联合为群系组。例如, 仙人掌属(Opuntia)植物均属肉质刺灌木, 以其为优势种的群落可联合为仙人掌灌木绿地群系组。松属(Pinus)植物为优势种的群落可分为温性松乔木绿地和热性松乔木绿地2个群系组, 分别属于温性常绿针叶乔木绿地和热性常绿针叶乔木绿地2个植被亚型。
群系。建群种(生物学种、变种、亚种、变型)相同的绿地植物群落联合即为群系。例如, 建群种为水杉(Metasequoia glyptostroboides)的绿地植物群落联合即为水杉乔木绿地群系, 建群种为牡丹(Paeonia × suffruticosa)的绿地植物群落联合即为牡丹灌木绿地群系。
亚群系。本方案将在同一群系范围内, 群落生境条件是否存在显著差异作为划分亚群系与否的依据。例如, 芦苇(Phragmites australis)既可在淡水湿地中生长, 也可在滨海盐碱湿地中生长, 因此芦苇湿地群系可划分为淡水芦苇湿地和盐水芦苇湿地2个亚群系, 这两种生境条件下的芦苇群落结构和物种组成显著不同。绝大多数绿地植物群落不需划分亚群系。
群丛组。在同一群系(亚群系)范围内, 建群种相同且各层片优势种生活型相同的绿地植物群落联合为群丛组, 反映的是绿地植物群落在空间结构上的差异性。例如, 樟树(Cinnamomum camphora)乔木绿地群系可划分为樟树、樟树+乔木、樟树-灌木、樟树-草本、樟树-灌木-草本、樟树+乔木-灌木-草本等群丛组, 落羽杉(Taxodium distichum)湿地型绿地群系可划分为落羽杉+乔木、落羽杉-草本、落羽杉+乔木-草本等群丛组。
群丛。在同一群丛组范围内, 各层片优势种或共优势种相同、群落结构及生境相对一致的绿地植物群落联合为群丛。例如, 樟树+乔木-灌木-草本群丛组可划分为樟树+广玉兰(Magnolia grandiflora)-小蜡(Ligustrum sinense)-结缕草(Zoysia japonica)、樟树+栾树(Koelreuteria paniculata)-锦绣杜鹃(Rhododendron × pulchrum)-高羊茅(Festuca elata)、樟树+女贞(Ligustrum lucidum)-冬青卫矛(Euonymus japonicus)-沿阶草(Ophiopogon bodinieri)等群丛, 落羽杉+乔木-草本群丛组可划分为落羽杉+垂柳(Salix babylonica)-狗牙根(Cynodon dactylon)、落羽杉+旱柳(Salix matsudana)-芦苇等群丛。
4. 乡村植被命名方案
乡村植被命名时, 对自然与半自然植被、农业植被、绿地植被3类植被同级分类单位的命名应易于区分。其中, 自然与半自然植被高级分类单位的命名参考郭柯等[16]研究, 中、低级分类单位的命名参考王国宏等[42]研究。农业植被高级分类单位以主栽作物的经济用途、生活型和生境条件命名, 其中植被型组以主栽作物的经济用途命名, 植被型以主栽作物的生活型命名, 植被亚型的命名是在植被型名称前再冠以区分亚型的生境条件(表2)。绿地植被高级分类单位以绿地植被的群落外貌与综合生态特征、优势种生活型和生境条件命名, 其中植被型组以绿地植物群落外貌和综合生态特征命名, 植被型以绿地植物群落外貌和建群种生活型命名, 植被亚型的命名是在植被型名称前再冠以区分亚型的生境条件(表2)。
下面主要对农业植被和绿地植被中级和低级分类单位的命名方法加以阐述。
4.1 群系组的命名
群系组的英文名由属学名(或表征群系组特征的英文词汇)加植被型组英文名称及群系组的英文名称“Alliance Group”组成; 群系组的中文名省略“群系组”限定词。
群系组命名举例:
柑橘类水果作物 Citrus Fruit Crop Alliance Group
全草药用作物 Entire-Grass Medicine Crop Alliance Group
常绿针叶灌木花卉作物 Evergreen Needleleaf Shrub Flower Crop Alliance Group
榕树乔木绿地 Ficus Arbor Green Space Alliance Group
仙人掌灌木绿地 Opuntia Shrub Green Space Alliance Group
柳树湿地型绿地 Salix Wetland Green Space Alliance Group
4.2 群系的命名
群系的英文名由建群种学名加植被型组英文名称及群系的英文名称“Alliance”组成; 绿地植被群系的中文名省略“群系”限定词, 农业植被群系的中文名直接用建群种中文名命名。
群系命名举例:
茶 Camellia sinensis Beverage Crop Alliance
茄子 Solanum melongena Vegetable Crop Alliance
圆柏乔木绿地 Juniperus chinensis Arbor Green Space Alliance
栀子灌木绿地 Gardenia jasminoides Shrub Green Space Alliance
4.3 亚群系的命名
亚群系的英文名由群系英文名添加区分亚群系的英文词汇及亚群系的英文名称“Suballiance”组成; 绿地植被群系的中文名省略“亚群系”限定词, 农业植被亚群系的中文名由区分亚群系的限定词加建群种中文名组成。
亚群系命名举例:
大棚番茄 Solanum lycopersicum Greenhouse Vegetable Crop Suballiance
陆生稻 Oryza sativa Terrestrial Food Crop Suballiance
水生粉美人蕉 Canna glauca Aquatic Flower Crop Suballiance
盐碱性柽柳乔木绿地 Tamarix chinensis Saline-Alkali Arbor Green Space Suballiance
盐水芦苇湿地型绿地 Phragmites australis Saltwater Wetland Green Space Suballiance
4.4 群丛组的命名
农业植被群丛组的中文名和英文名由群系建群种名称之后添加次优势农作物类别(粮食、蔬菜、油料等)及群丛组的名称“Association Group”组成, 有亚群系的还需添加区分亚群系的限定词, 同季作物(间作或混作)之间用“+”号连接, 不同季(轮作)作物之间用“-”号连接; 绿地植被群丛组的中文名和英文名由群系建群种名称之后添加次优势层(盖度需大于或等于20%)优势植物生活型[乔木(Tree)、灌木(Shrub)、草本(Herb)]及群丛组的名称“Association Group”组成, 有亚群系的还需添加区分亚群系的限定词, 相同层片物种之间用“+”号连接, 不同层片物种之间用“-”号连接。
农业植被群丛组命名举例:
小麦-蔬菜群丛组(表示1茬小麦与1茬蔬菜轮作) Triticum aestivum - Vegetable Crop Association Group
小麦+粮食-蔬菜群丛组(表示1茬小麦和其他粮食作物间作, 再与1茬蔬菜轮作) Triticum aestivum + Food Crop - Vegetable Crop Association Group
陆生稻-粮食-粮食群丛组(表示1茬陆生稻与2茬其他粮食作物轮作) Oryza sativa - Food Crop - Food Crop Terrestrial Association Group
苹果+蔬菜群丛组(表示在苹果园内间种蔬菜, 一般是幼龄果园) Malus pumila + Vegetable Crop Association Group
绿地植被群丛组命名举例:
银杏+乔木-灌木-草本群丛组(表示乔木层为优势层片, 银杏与其他乔木为共优势种, 并且灌木层和草本层盖度均大于或等于20%的群落) Ginkgo biloba + Tree - Shrub - Herb Association Group
银杏群丛组(表示银杏为乔木层单优势种, 且灌木层和草本层盖度均小于20%的群落) Ginkgo biloba Association Group
盐碱性柽柳-草本群丛组(表示柽柳为乔木层单优势种, 且草本层盖度大于或等于20%的盐碱地群落) Tamarix chinensis - Herb Saline-Alkali Association Group
狗牙根-乔木群丛组(表示草本层为优势层片, 狗牙根为草本层优势种, 且乔木层盖度大于或等于20%的群落) Cynodon dactylon - Tree Association Group
4.5 群丛的命名
农业植被群丛的中文名和英文名由群系建群种名称之后添加次优势作物名称及群丛的名称“Association”组成, 有亚群系的还需添加区分亚群系的限定词, 同季作物(间作或混作)之间用“+”号连接, 不同季(轮作)作物之间用“-”号连接; 绿地植被群丛的中文名和英文名由群系建群种名称之后添加次优势层(盖度大于或等于20%)优势植物名称及群丛的名称“Association”组成, 有亚群系的还需添加区分亚群系的限定词, 相同层片物种之间用“+”号连接, 不同层片物种之间用“-”号连接。
农业植被群丛组命名举例:
小麦-玉米群丛 Triticum aestivum - Zea mays Association
玉米+番薯-小麦群丛 Zea mays + Ipomoea batatas - Triticum aestivum Association
陆生稻-陆生稻-陆生稻群丛(表示1年3熟陆生稻) Oryza sativa - Oryza sativa - Oryza sativa Terrestrial Association
苹果+萝卜群丛 Malus pumila + Raphanus sativus Association
绿地植被群丛命名举例:
银杏+雪松-贴梗海棠-玉簪群丛 Ginkgo biloba + Cedrus deodara - Chaenomeles speciosa - Hosta plantaginea Association
银杏群丛 Ginkgo biloba Association
盐水芦苇群丛 Phragmites australis Saltwater Association
狗牙根-旱柳群丛 Cynodon dactylon - Salix matsudana Association
5. 讨论与结论
5.1 农业植被调查和分类的若干问题
农业植被调查前, 应充分了解当地耕作制度, 尤其是短周期栽培的草本作物; 对轮作制度, 需要熟悉在一个轮作周期内各季作物的种植季节, 提前制定好调查时间, 每季作物至少应调查1次。调查样方要能代表作物植被的真实现状, 尤其对于具有间作栽培的植被类型, 调查样方要能够反映各种间作作物的真实比例, 只有这样才能在农业植被分类时得到比较准确的结果。
有些农作物有多种用途, 在分类时应根据其栽培的实际用途进行归类, 因此同一种作物可能被归入多个植被型组中。例如, 玉米可以作为粮食, 也可以作为饲料, 还可以粮食和饲料兼用, 但是对于某一特定地块的玉米, 其主要用途只有一个, 只能归入1个植被型组, 即粮食或粮食与饲料兼用型的归入粮食作物, 饲用型的归入饲料作物。对于这类作物, 在群系中文名命名时不宜省略区分植被型组的限定词, 例如粮食用玉米命名为粮食玉米(Zea mays Food Crop Alliance), 饲料用玉米命名为饲用玉米(Zea mays Forage Crop Alliance)。
在自然植被和绿地植被中, 以木本植物为优势的植被均划分了2个植被型组, 分别为乔木型(森林、乔木绿地)和灌木型(灌丛、灌木绿地)。农业植被由于实行集约化栽培管理, 许多乔木树种(例如绝大部分果树)通过矮化密植、人工修剪等措施控制高度变成灌木状, 在群落外貌上难于区分乔木型和灌木型, 因此本方案将乔木型和灌木型2类作物合并为木本作物, 与草本作物共同作为划分植被型的依据。水生作物种类较少, 大部分为水生花卉和水生蔬菜, 不作为划分农业植被高级分类单位的依据。
在我国农作物分类中, 对有些草本生食瓜果类作物分类归属不统一, 有的归入果树中, 有的归入蔬菜中。本方案水果作物分为草本水果和木本水果2类, 短周期栽培的草本生食瓜果类作物归入草本水果中, 如草莓、西瓜(Citrullus lanatus)、甜瓜(Cucumis melo)等, 这些作物通常在耕地上采用轮作栽培制度; 长周期栽培的草本水果作物按传统方法归入木本水果中, 如香蕉(Musa acuminata)、菠萝(Ananas comosus)等, 其生命周期和栽培方式均与木本果树相似。
大棚作物在解决农产品供应、提高城乡居民生活水平等方面发挥着十分重要的作用, 作为一个农业大国, 我国农业塑料大棚占地面积逐年攀升, 2019年全国农业塑料大棚总面积达到10 329.8 km2, 主要分布在北方地区, 其中山东省面积最大[43]。大棚栽培作物植被无论是群落外貌还是生境条件都与露地栽培作物存在较大区别, 因此本方案将大棚作物纳入到农业植被的分类体系中, 将大棚栽培等设施栽培的有无作为农业植被亚群系的划分依据之一。需要说明的是, 仅在作物生命周期某个阶段采用设施栽培的作物无需设置亚群系, 如幼苗期的地膜覆盖、拱棚、阳畦、温床等。工厂化生产的组织培养、无土栽培不应列入农业植被中。
5.2 绿地植被与自然植被分类的差异性
绿地植被虽然也是一类栽培植被, 但相对农业植被而言, 绿地植被无论是群落外貌、结构、物种组成还是生态条件都更接近自然植被。绿地栽培植物绝大多数为多年生植物, 一、二年生草本通常用作盆栽或临时性摆花, 自然生态条件对绿地植被的影响比农业植被高, 介于农业植被和自然植被之间。因此, 本方案放弃类似农业植被采用植被功能用途划分植被型组的方法, 各分类等级的划分及依据基本参照自然植被, 不同之处主要有以下几个方面。
1)考虑到同等级分类单位和自然植被命名上的区别, 以乔木绿地、灌木绿地、草本绿地、湿地型绿地分别取代自然植被中的森林、灌丛、草地、沼泽与水生植被的名称。2)考虑到绿地植被在3类植被中的面积占比相对较小, 植被分类单位不宜划分过多, 在植被型的划分中不设置混交类型(如针叶与阔叶混交乔木绿地), 与自然植被中类型最丰富的草地植被型组(包含6个植被型、31个植被亚型)对应的草本绿地植被型组简化为包含2个植被型、4个植被亚型。3)植被亚型划分时, 将表征生境特征的寒温性和温性合并为温性, 暖性和热性合并为热性。
5.3 结论
本研究基于“三生功能”, 增设了绿地植被这一植被类型, 将乡村植被划分为自然与半自然植被、农业植被、绿地植被3个并列的植被类, 每类植被进一步划分为8个不同等级的分类单位, 阐明了目前植被分类系统中各类植被定义界限不清、分类等级划分单位不一致的问题。明确了乡村植被各等级分类单位的划分依据与命名方法, 在延续国内广泛使用的“植物群落学-生态学”这一共性分类原则的基础上, 根据3类植被主要功能的差异, 分类依据和命名方法也有所不同。其中, 自然与半自然植被侧重植被的综合生态条件和群落外貌, 农业植被突出作物的功能用途、栽培条件和耕作制度, 绿地植被则着重考虑景观外貌和群落的配置结构等。提出了植被类、植被型组、植被型、植被亚型4个高级单位的划分与命名参考方案, 根据中国乡村植被现状, 划分为3个植被类、23个植被型组、66个植被型(自然与半自然植被30个, 农业植被23个, 绿地植被13个)和142个植被亚型(自然与半自然植被81个, 农业植被40个, 绿地植被21个)。由于乡村植被的复杂性, 在实际分类过程中, 可根据特定乡村植被特点, 对相关分类单位进行调整或修正。
-
![]()
图 2 不同省份油料作物生产系统能源输入贡献占比
Figure 2. Percentages of energy inputs of oil crop production system in different provinces
![]()
图 3 中国油料作物生产系统能效指标值
EP、EUE和NE分别表示能源生产率、能源利用效率和净能源。
Figure 3. Energy efficiency indicators value of oil crop production system in China
EP, EUE and NE refer to energy productivity, energy use efficiency and net energy, respectively.
表 1 研究对象与区域
Table 1 Research objects and areas
研究对象
Study object研究区域
Research area大豆
Soybean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
Hebei, Shanxi, Inner Mongolia, Liaoning, Jilin, Heilongjiang, Jiangsu, Anhui, Shandong, Henan, Hubei, Sichuan, Shaanxi油菜
Oilseed rape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
Inner Mongolia, Jiangsu, Zhejiang, Anhui, Jiangxi, Henan, Hubei, Hunan, Chongqing, Sichuan, Guizhou, Yunnan, Shaanxi, Gansu, Qinghai花生
Peanut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
Hebei, Liaoning, Jilin, Anhui, Fujian, Jiangxi, Shandong, Henan, Hubei, Hunan, Guangdong, Guangxi, Sichuan
下载: 导出CSV
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 种子
Seed$ {e}_{i}^{\mathrm{s}}={q}_{i}^{\mathrm{s}}\times {\varepsilon }_{i}^{\mathrm{s}} $ $ {e}_{i}^{\mathrm{s}} $表示作物i (即油菜、大豆和花生)的种子能耗(MJ∙hm−2); $ {q}_{i}^{\mathrm{s}} $表示作物i的种子用量(kg∙hm−2); $ {\varepsilon }_{i}^{\mathrm{s}} $表示作物i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]
$ {e}_{i}^{\mathrm{s}} $ refers to energy consumption of seed for crop i (MJ∙hm−2), which includes oilseed rape, soybean and peanut; $ {q}_{i}^{\mathrm{s}} $ refers to usage amount of seed for crop i (kg∙hm−2); $ {\varepsilon }_{i}^{\mathrm{s}} $ refers to seed energy equivalent for crop i, and the corresponding value of oilseed rape, soybean and peanut are 20.9, 16.31 and 13.1 MJ∙kg−1, respectively[22]化肥
Chemical fertilizer$ {e}_{ih}^{\mathrm{f}}={q}_{ih}^{\mathrm{f}}\times {\varepsilon }_{h}^{\mathrm{f}} $ $ {e}_{ih}^{\mathrm{f}} $表示化肥h (即氮肥、磷肥、钾肥和复混肥)的能耗(MJ∙hm−2); $ {q}_{ih}^{\mathrm{f}} $表示化肥h施用在作物i的用量(kg∙hm−2); $ {\varepsilon }_{h}^{\mathrm{f}} $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、9.0 MJ∙kg−1和12.8 MJ∙kg−1 [23]
$ {e}_{ih}^{\mathrm{f}} $ refers to energy consumption of chemical fertilizer h (MJ∙hm−2), which includes nitrogen fertilizer, phosphate fertilizer, potassium fertilizer and compound fertilizer; $ {q}_{ih}^{\mathrm{f}} $ refers to the usage amount of fertilizer h for crop i (kg∙hm−2); $ {\varepsilon }_{h}^{\mathrm{f}} $ refers to energy equivalent for fertilizer h, and the corresponding value of nitrogen fertilizer, phosphate fertilizer, potassium fertilizer and compound fertilizer are 24.0, 8.5, 9.0 and 12.8 MJ∙kg−1, respectively[23]柴油
Diesel fuel$ {e}_{i}^{\mathrm{d}}={(q}_{i}^{\mathrm{d}}+{q}_{i}^{\mathrm{m}}\times \varphi )/{p}^{\mathrm{d}}\times {\varepsilon }^{\mathrm{d}} $ $ {e}_{i}^{\mathrm{d}} $表示作物i的柴油能耗(MJ∙hm−2); $ {q}_{i}^{\mathrm{d}} $表示作物i的燃料动力费(¥∙hm−2); $ {q}_{i}^{\mathrm{m}} $表示作物i的机械作业费(¥∙hm−2); $ \mathrm{\varphi } $表示机械作业费中购买燃料费用占比, 取值40%[24]; $ {p}^{\mathrm{d}} $表示柴油价格(¥∙kg−1); $ {\varepsilon }^{\mathrm{d}} $表示柴油能量当量, 取值为43.5 MJ∙kg−1 [23]
$ {e}_{i}^{\mathrm{d}} $ refers to consumption of diesel fuel for crop i (MJ∙hm−2); $ {q}_{i}^{\mathrm{d}} $ refers to fuel and power cost for crop i (¥∙hm−2); $ {q}_{i}^{\mathrm{m}} $ refers to machinery cost for crop i (¥∙hm−2); $ \mathrm{\varphi } $ refers to the proportion of the cost of buying fuel in the total cost of mechanical operation, and the value of $ \mathrm{\varphi } $ is 40%[24]; $ {p}^{\mathrm{d}} $ refers to diesel price (¥∙kg−1); $ {\varepsilon }^{\mathrm{d}} $ refers to diesel fuel energy equivalent, and the value of $ {\varepsilon }^{\mathrm{d}} $ is 43.5 MJ∙kg−1 [23]电力
Electricity${e}_{i}^{\mathrm{e} }=\left({q}_{i}^{\mathrm{ir} }-{q}_{i}^{\mathrm{w} }\right)/{p}^{\mathrm{e} }\times {\varepsilon }^{\mathrm{e} }$ $ {e}_{i}^{\mathrm{e}} $表示作物i的电力能耗(MJ∙hm−2); ${q}_{i}^{\mathrm{ir} }$表示作物i的灌排费(¥∙hm−2); $ {q}_{i}^{\mathrm{w}} $表示作物i灌排费中的水费(¥∙hm−2); $ {p}^{\mathrm{e}} $表示农业灌排用电费(¥∙kWh−1); $ {\varepsilon }^{\mathrm{e}} $表示电力能量当量, 取值为12.3 MJ∙kWh−1[23]
$ {e}_{i}^{\mathrm{e}} $ refers to energy consumption of electricity for crop i (MJ∙hm−2); ${q}_{i}^{\mathrm{ir} }$ refers to irrigation and drainage fee for crop i (¥∙hm−2); $ {q}_{i}^{\mathrm{w}} $ refers to water charges in irrigation and drainage fees for crop i (¥∙hm−2); $ {p}^{\mathrm{e}} $ refers to electricity costs for agricultural irrigation and drainage (¥∙kWh−1); $ {\varepsilon }^{\mathrm{e}} $ refers to electricity energy equivalent, which is 12.3 MJ∙kWh−1[23]人工
Labor$ {e}_{i}^{\mathrm{p}}={q}_{i}^{\mathrm{p}}\times {\varepsilon }^{\mathrm{p}}/24\times 8 $ $ {e}_{i}^{\mathrm{p}} $表示作物i人工能耗(MJ∙hm−2); $ {q}_{i}^{\mathrm{p}} $表示作物i家庭用工天数; $ {\varepsilon }^{\mathrm{p}} $表示男社员劳动力全日(24小时)能量消耗, 取值11.1 MJ∙d−1[25]; 每天工作时长按8 h计
$ {e}_{i}^{\mathrm{p}} $ refers to energy consumption of human consumption for crop i (MJ∙hm−2); $ {q}_{i}^{\mathrm{p}} $ refers to househould employment days for crop i; $ {\varepsilon }^{\mathrm{p}} $ 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 主产品
Main product$ {e}_{i}^{\mathrm{o}}={q}_{i}^{\mathrm{G}}\times {\varepsilon }_{i}^{\mathrm{o}} $ $ {e}_{i}^{\mathrm{o}} $表示作物i每公顷主产品能源输出量(MJ∙hm−2); $ {q}_{i}^{\mathrm{G}} $表示作物i每公顷主产品产量(kg∙hm−2); $ {\varepsilon }_{i}^{\mathrm{o}} $表示作物i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]
$ {e}_{i}^{\mathrm{o}} $ refers to the energy output per hectare of the main product for crop i (MJ∙hm−2); $ {q}_{i}^{\mathrm{G}} $ refers to the yield of main product per hectare for crop i (kg∙hm−2); $ {\varepsilon }_{i}^{\mathrm{o}} $ refers to the energy equivalent of the main product for crop i, and the corresponding value for oilseed rape, soybean and peanut are 20.9, 16.31 and 27.7 MJ∙kg−1, respectively[22]副产品
By-product$ {e}_{i}^{\mathrm{b}}={q}_{i}^{\mathrm{G}}\times {\theta }_{i}\times {\varepsilon }_{i}^{\mathrm{b}} $ $ {e}_{i}^{\mathrm{b}} $表示作物i每公顷秸秆能源输出量(MJ∙hm−2); $ {\theta }_{i} $表示作物i的草谷比, 不同省份油菜的取值分别为2.05①⑩⑪⑬⑭㉓、2.0⑥㉑㉒㉔、2.67③⑧⑯⑰⑳, 不同省份大豆的取值分别为1.57⑦⑧⑯⑱⑲、1.7⑨⑫⑮、1.68①⑩⑬、1.07⑳、1.05㉑, 不同省份花生的取值分别为1.22⑦⑧⑫⑮⑱、1.5①⑩⑪⑭、1.65②④⑤㉑ [26-27], 上标数字表示不同省份, 见表注; $ {\varepsilon }_{i}^{\mathrm{b}} $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 MJ∙kg−1 [23,28]
$ {e}_{i}^{\mathrm{b}} $ refers to energy output per hectare of straw for crop i (MJ∙hm−2); $ {\theta }_{i} $ refers to ratio of grass to grain for crop i; $ {\theta }_{i} $ for oilseed rape in different provinces are 2.05①⑩⑪⑬⑭㉓, 2.0⑥㉑㉒㉔ and 2.67③⑧⑯⑰⑳, $ {\theta }_{i} $ for soybean in different provinces are 1.57⑦⑧⑯⑱⑲, 1.7⑨⑫⑮, 1.68①⑩⑬, 1.07⑳ and 1.05㉑, $ {\theta }_{i} $ for peanut in different provinces are 1.22⑦⑧⑫⑮⑱, 1.5①⑩⑪⑭ and 1.65②④⑤㉑ [26-27], and the superscript refers to different provinces as shown in the notes of the table; $ {\varepsilon }_{i}^{\mathrm{b}} $ refers to by-product energy equivalent for crop i, and the corresponding values for oilseed 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; ⑪: 湖南; ⑫: 吉林; ⑬: 江苏; ⑭: 江西; ⑮: 辽宁; ⑯: 内蒙古; ⑰: 青海; ⑱: 山东; ⑲: 山西; ⑳: 陕西; ㉑: 四川; ㉒: 云南; ㉓: 浙江; ㉔: 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; ⑪: Hunan; ⑫: Jilin; ⑬: Jiangsu; ⑭: Jiangxi; ⑮: Liaoning; ⑯: Inner Mongolia; ⑰: Qinghai; ⑱: Shandong; ⑲: Shanxi; ⑳: Shaanxi; ㉑: Sichuan; ㉒: Yunnan; ㉓: Zhejiang; ㉔: Chongqing. Grass-grain ratio refers to the ratio of straw yield to grain yield per unit area of the crop.
下载: 导出CSV
表 3 油料作物生产系统平均能源输入与输出
Table 3 Average energy inputs and outputs of oil crop production system
项目
Project油菜
Oilseed rape大豆
Soybean花生
Peanut能源输入
Energy input (MJ∙hm−2)8647.94 8125.84 13 931.01 种子 Seed 116.62 1279.71 2838.52 化学肥料
Chemical fertilizer4170.71 1821.05 3997.82 氮肥
Nitrogen fertilizer2098.56 472.43 870.65 磷肥
Phosphate fertilizer72.17 48.84 196.06 钾肥
Potassium fertilizer31.86 14.85 14.64 复合肥
Compound fertilizer1968.13 1284.92 2916.48 柴油 Diesel fuel 2675.69 2594.70 3463.48 电力 Electricity 695.13 1846.61 2302.39 人工 Labor 989.79 583.77 1328.80 能源输出
Energy output (GJ∙hm−2)112.87 132.21 188.79 主产品
Main-product45.06 34.64 50.33 副产品
By-product67.81 97.57 138.46 能源效率
Energy efficiency净能源
Net energy (GJ∙hm−2)104.22
36.41*76.84
26.51*222.10
83.64*能源生产力
Energy productivity
(kg∙MJ−1)0.80
0.25*0.67
0.26*0.61
0.25*能源利用效率
Energy use efficiency13.05
5.21*10.46
4.26*16.94
7.00**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.
下载: 导出CSV
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
类型
Type省份
Province能源利用效率
Energy use efficiency能源生产率
Energy productivity
(kg∙MJ−1)净能源
Net energy
(GJ∙hm−2)能源输入
Energy input
(GJ∙hm−2)能源输出
Energy output
(GJ∙hm−2)油菜
Oilseed rape江苏 Jiangsu 22.50 1.38 160.64 7.47 168.11 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
Soybean江苏 Jiangsu 23.39 1.50 99.85 4.46 104.31 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
Peanut湖南 Hunan 26.29 0.95 310.52 12.28 322.79 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
下载: 导出CSV
表 5 油料作物生产不同排放源的温室气体排放量
Table 5 GHG emissions from different sources of oil crop production
kg(CO2 eq)∙hm−2 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
下载: 导出CSV
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
Type决策单元
Decision making unit柴油
Diesel fuel电力
Electricity化肥
Chemical fertilizer人工
Labor种子
Seed总能源节约
Total energy saving油菜
Oilseed rape甘肃 Gansu 3116.82 763.21 2134.09 0.00 97.35 6111.46 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
Soybean湖北 Hubei 1071.47 0.00 422.83 0.00 66.22 1560.52 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
Peanut河北 Hebei 0.00 10 408.32 990.90 516.58 1241.41 13 157.21 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
下载: 导出CSV
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
类型
Type决策单元
Decision making unit柴油
Diesel fuel
[kg(CO2 eq)∙hm−2]电力
Electricity
[kg(CO2 eq)∙hm−2]化肥
Chemical fertilizer
[kg(CO2 eq)∙hm−2]总计
Total
[kg(CO2 eq)∙hm−2]减排潜力
Reduction potential
(%)油菜
Oilseed rape甘肃 Gansu 237.31 37.73 219.30 494.34 51.15 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
Soybean湖北 Hubei 81.58 0.00 43.45 125.03 26.42 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
Peanut河北 Hebei 0.00 514.49 101.83 616.32 48.54 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
下载: 导出CSV
-
[1] HONMA S, HU J L. Industry-level total-factor energy efficiency in developed countries: a Japan-centered analysis[J]. Applied Energy, 2014, 119: 67−78 doi: 10.1016/j.apenergy.2013.12.049
[2] ZHU L, WANG Y, SHANG P P, et al. Improvement path, the improvement potential and the dynamic evolution of regional energy efficiency in China: based on an improved nonradial multidirectional efficiency analysis[J]. Energy Policy, 2019, 133: 110883 doi: 10.1016/j.enpol.2019.110883
[3] MOHSENI P, BORGHEI A M, KHANALI M. Coupled life cycle assessment and data envelopment analysis for mitigation of environmental impacts and enhancement of energy efficiency in grape production[J]. Journal of Cleaner Production, 2018, 197: 937−947 doi: 10.1016/j.jclepro.2018.06.243
[4] WU H J, YUAN Z W, GENG Y, et al. Temporal trends and spatial patterns of energy use efficiency and greenhouse gas emissions in crop production of Anhui Province, China[J]. Energy, 2017, 133: 955−968 doi: 10.1016/j.energy.2017.05.173
[5] 谢淑娟, 匡耀求, 黄宁生. 中国发展碳汇农业的主要路径与政策建议[J]. 中国人口·资源与环境, 2010, 20(12): 46−51 doi: 10.3969/j.issn.1002-2104.2010.12.010 XIE S J, KUANG Y Q, HUANG N S. Main paths and policy proposals for the development of carbon-sinking agriculture in China[J]. China Population, Resources and Environment, 2010, 20(12): 46−51 doi: 10.3969/j.issn.1002-2104.2010.12.010
[6] NEMECEK T, DUBOIS D, HUGUENIN-ELIE O, et al. Life cycle assessment of Swiss farming systems:Ⅰ. integrated and organic farming[J]. Agricultural Systems, 2011, 104(3): 217−232 doi: 10.1016/j.agsy.2010.10.002
[7] 朱永彬, 马晓哲, 史雅娟. 县级尺度下河南省农业投入产出效率与减排潜力分析[J]. 中国生态农业学报(中英文), 2022, 30(11): 1852−1861 doi: 10.12357/cjea.20220219 ZHU Y B, MA X Z, SHI Y J. Analysis of agricultural input-output efficiency and emission reduction potential in Henan Province at County level[J]. Chinese Journal of Eco-Agriculture, 2022, 30(11): 1852−1861 doi: 10.12357/cjea.20220219
[8] 刘杨, 刘鸿斌. 山东省农业碳排放特征、影响因素及达峰分析[J]. 中国生态农业学报(中英文), 2022, 30(4): 558−569 doi: 10.12357/cjea.20210582 LIU Y, LIU H B. Characteristics, influence factors, and prediction of agricultural carbon emissions in Shandong Province[J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 558−569 doi: 10.12357/cjea.20210582
[9] YUAN S, PENG S B. Input-output energy analysis of rice production in different crop management practices in central China[J]. Energy, 2017, 141: 1124−1132 doi: 10.1016/j.energy.2017.10.007
[10] BUDZYŃSKI W S, JANKOWSKI K J, JAROCKI M. An analysis of the energy efficiency of winter rapeseed biomass under different farming technologies. A case study of a large-scale farm in Poland[J]. Energy, 2015, 90: 1272−1279 doi: 10.1016/j.energy.2015.06.087
[11] LEWANDOWSKA-CZARNECKA A, BULLER L S, NIENARTOWICZ A, et al. Energy and emergy analysis for assessing changes in Polish agriculture since the accession to the European Union[J]. Ecological Modelling, 2019, 412: 108819 doi: 10.1016/j.ecolmodel.2019.108819
[12] SINGH P, SINGH G, SODHI G P S. Energy auditing and optimization approach for improving energy efficiency of rice cultivation in south-western Punjab, India[J]. Energy, 2019, 174: 269−279 doi: 10.1016/j.energy.2019.02.169
[13] MOHAMMADI A, RAFIEE S, JAFARI A, et al. Energy use efficiency and greenhouse gas emissions of farming systems in north Iran[J]. Renewable and Sustainable Energy Reviews, 2014, 30: 724−733 doi: 10.1016/j.rser.2013.11.012
[14] ARRIETA E M, CUCHIETTI A, CABROL D, et al. Greenhouse gas emissions and energy efficiencies for soybeans and maize cultivated in different agronomic zones: a case study of Argentina[J]. Science of the Total Environment, 2018, 625: 199−208 doi: 10.1016/j.scitotenv.2017.12.286
[15] RABIEE M, MAJIDIAN M, ALIZADEH M R, et al. Evaluation of energy use efficiency and greenhouse gas emission in rapeseed (Brassica napus L.) production in paddy fields of Guilan province of Iran[J]. Energy, 2021, 217: 119411 doi: 10.1016/j.energy.2020.119411
[16] 杨欢, 乔远, 王兴邦, 等. 黄淮海玉米生产能源利用效率和净生态系统碳平衡时空特征[J]. 生态学报, 2022, 42(15): 6184−6195 YANG H, QIAO Y, WANG X B, et al. Spatio-temporal characteristics of energy use efficiency and net ecosystem carbon budget of maize production in Huang-Huai-Hai region[J]. Acta Ecologica Sinica, 2022, 42(15): 6184−6195
[17] 王玉涛, 王丰川, 洪静兰, 等. 中国生命周期评价理论与实践研究进展及对策分析[J]. 生态学报, 2016, 36(22): 7179−7184 WANG Y T, WANG F C, HONG J L, et al. The development of life cycle assessment theory research in China and analysis of countermeasures[J]. Acta Ecologica Sinica, 2016, 36(22): 7179−7184
[18] Food and Agriculture Organization of the United Nations. Crops and livestock products dataset of Food and Agriculture Organization of the United Nations[DB/OL]. https://www.fao.org/faostat/en/#data/QCL, 2023-3-24/2023-10-16
[19] 范紫月, 齐晓波, 曾麟岚, 等. 中国农业系统近40年温室气体排放核算[J]. 生态学报, 2022, 42(23): 9470−9482 FAN Z Y, QI X B, ZENG L L, et al. Accounting of greenhouse gas emissions in the Chinese agricultural system from 1980 to 2020[J]. Acta Ecologica Sinica, 2022, 42(23): 9470−9482
[20] 秦萌, 任宗杰, 张帅, 等. 从“农药零增长行动”看“农药减量化”发展[J]. 中国植保导刊, 2021, 41(11): 89−94 doi: 10.3969/j.issn.1672-6820.2021.11.025 QIN M, REN Z J, ZHANG S, et al. Development of “pesticide reduction” viewed from “pesticide zero growth action”[J]. China Plant Protection, 2021, 41(11): 89−94 doi: 10.3969/j.issn.1672-6820.2021.11.025
[21] MOUSAVI-AVVAL S H, RAFIEE S, JAFARI A, et al. Energy flow modeling and sensitivity analysis of inputs for canola production in Iran[J]. Journal of Cleaner Production, 2011, 19(13): 1464−1470 doi: 10.1016/j.jclepro.2011.04.013
[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]. 6版. 北京: 北京大学医学出版社, 2018 National Institute for Nutrition and Health, Chinese Center for Disease Control and Prevention. China Food Composition Table[M]. 6th. Beijing: Peking University Medical Press, 2018
[23] 牛若峰, 刘天福. 农业技术经济手册[M]. 2版. 北京: 农业出版社, 1984 NIU R F, LIU T F. Handbook of Agricultural Technology and Economy[M]. 2nd. Beijing: Chinese Agricultural Press, 1984
[24] 徐键辉. 粮食生产的能源消耗及其效率研究——基于DEA方法的实证分析[D]. 杭州: 浙江大学, 2010 XU J H. Study on energy consumption and efficiency of grain production — An empirical analysis based on DEA method[D]. Hangzhou: Zhejiang University, 2010
[25] 于永中, 李天麟, 任建方, 等. 农业劳动强度及劳动能量消耗的调查研究[J]. 卫生研究, 1979, 8(1): 91−97 YU Y Z, LI T L, REN J F, et al. Investigation and study on agricultural labor intensity and labor energy consumption[J]. Journal of Hygiene Research, 1979, 8(1): 91−97
[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资源台账建设工作的通知[EB/OL]. 中华人民共和国农业农村部. [2019-01-14]. http://www.moa.gov.cn/gk/tzgg_1/tfw/201901/t20190129_6170842.htm General Office of the Ministry of Agriculture and Rural Affairs of the People’s Republic of China. Notice of the General Office of the Ministry of Agriculture and Rural Affairs on the construction of the ledger of crop straw resources[EB/OL]. Ministry of Agriculture and Rural Affairs of the People’s Republic of China. [2019-01-14]. http://www.moa.gov.cn/gk/tzgg_1/tfw/201901/t20190129_6170842.htm
[27] 王亚静, 高春雨, 王红彦, 等. 中国油菜秸秆资源量估算及其资源化利用[C]//2015年中国农业资源与区划学会学术年会论文集. 西宁, 2015: 458–466 WANG Y J, GAO C Y, WANG H Y, et al. Estimation and utilization of rape straw resources in China[C]//Proceedings of the 2015 Annual Conference of Chinese Society of Agricultural Resources and Regionalization. Xining, 2015: 458–466
[28] 韦茂贵, 王晓玉, 谢光辉. 中国各大田作物田间秸秆资源量及其时间分布[J]. 中国农业大学学报, 2012, 17(6): 32−44 doi: 10.11841/j.issn.1007-4333.2012.06.003 WEI M G, WANG X Y, XIE G H. Field residue of field crops and its temporal distribution among thirty-one provinces of China[J]. Journal of China Agricultural University, 2012, 17(6): 32−44 doi: 10.11841/j.issn.1007-4333.2012.06.003
[29] MARDANI A, ZAVADSKAS E K, STREIMIKIENE D, et al. A comprehensive review of data envelopment analysis (DEA) approach in energy efficiency[J]. Renewable and Sustainable Energy Reviews, 2017, 70: 1298−1322 doi: 10.1016/j.rser.2016.12.030
[30] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001, 130(3): 498−509 doi: 10.1016/S0377-2217(99)00407-5
[31] 姜秋香, 王天, 王子龙, 等. 基于EBM的水资源失衡风险导致的社会经济损失模型及应用[J]. 农业工程学报, 2018, 34(19): 104−113 doi: 10.11975/j.issn.1002-6819.2018.19.014 JIANG Q X, WANG T, WANG Z L, et al. EBM-based social economic loss model of water resources imbalance risk and its application[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(19): 104−113 doi: 10.11975/j.issn.1002-6819.2018.19.014
[32] UNAKITAN G, HURMA H, YILMAZ F. An analysis of energy use efficiency of canola production in Turkey[J]. Energy, 2010, 35(9): 3623−3627 doi: 10.1016/j.energy.2010.05.005
计量
- 文章访问数: 291
- HTML全文浏览量: 75
- PDF下载量: 67
