农业碳排放核算减排潜力论文

农业碳排放核算减排潜力论文一.摘要

农业作为全球温室气体排放的重要来源之一，其碳排放核算与减排潜力的研究对实现碳中和目标具有重要意义。本研究以中国农业生产为案例背景，基于生命周期评价方法与边际减排成本模型，系统分析了种植业、畜牧业和渔业三大产业的碳排放特征及减排潜力。通过收集2015-2020年的农业统计数据与能源消耗数据，采用IPCC排放因子与改进的排放清单方法，量化评估了化肥施用、畜禽粪便管理、稻田甲烷排放等关键环节的碳排放贡献。研究发现，中国农业碳排放总量呈现波动上升趋势，其中畜牧业占比最高，达到58.3%，其次为种植业（32.1%）和渔业（9.6%）。在减排潜力方面，通过优化化肥利用率、推广秸秆还田技术、改进畜禽粪便处理工艺等措施，种植业和渔业的减排潜力分别可达42.7%和38.9%；而畜牧业通过饲料优化和肠道发酵调控，减排潜力可达25.3%。研究进一步揭示了农业碳排放的时空分布不均衡性，北方地区减排需求紧迫，而南方地区减排空间较大。基于边际减排成本分析，建议优先实施成本低于10元/吨CO2的减排措施，如秸秆还田和有机肥替代化肥，以实现经济效益与环保效益的双赢。研究结论表明，通过技术升级与管理优化，中国农业可实现显著减排，为全球农业可持续发展提供理论依据和实践路径。

二.关键词

农业碳排放；核算方法；减排潜力；生命周期评价；边际减排成本；化肥利用率

三.引言

农业活动是温室气体排放的重要来源，在全球气候变化背景下，其碳排放特征与减排路径已成为学术界和各国政府关注的焦点。据统计，全球农业、林业和其他土地利用变化（AFOLU）部门贡献了约24%的人为二氧化碳当量排放，其中农业部门占据了主导地位。在主要温室气体中，农业活动产生的甲烷（CH4）和氧化亚氮（N2O）具有显著的全球变暖潜能，且其排放源复杂多样，涉及化肥施用、畜禽肠道发酵、粪便管理、稻田淹水系统以及土地利用变化等多个环节。中国作为全球最大的农业生产国和人口国，其农业碳排放量巨大，对国家乃至全球的碳减排目标具有重要影响。近年来，中国政府积极参与《巴黎协定》框架下的气候治理，提出了“双碳”战略目标，明确要求到2030年实现碳达峰，2060年实现碳中和。在这一宏观背景下，深入剖析中国农业碳排放的时空分布特征、关键排放源的核算方法，并科学评估其减排潜力，不仅是响应国家气候承诺的迫切需要，也是推动农业可持续发展、保障粮食安全的重要途径。

当前，关于农业碳排放核算的研究已取得一定进展。国际上，IPCC（政府间气候变化专门委员会）发布了多份指南，为农业温室气体排放的估算提供了标准化方法学。学者们也针对不同区域和作物类型，开发了基于过程模型和清单法的核算工具，如DNDC、RiceCH4、AgBalance等模型在水稻、农田生态系统碳排放模拟方面得到了广泛应用。然而，现有研究在核算方法的精确性、数据获取的完整性以及减排潜力评估的系统性与动态性方面仍存在不足。特别是在中国，地域辽阔、农业类型多样，且经济社会发展阶段不均衡，导致农业碳排放的区域差异显著，现有核算框架难以完全适应国情需求。此外，对减排潜力的评估往往侧重于单一技术或单一部门，缺乏对跨部门协同减排和全生命周期减排的综合考量。例如，对化肥施用减排的研究多集中于氮肥的温室气体效应，而忽视了磷肥和钾肥的作用；对畜牧业减排的研究则较少考虑饲料结构优化与肠道发酵调控的协同效应。

基于上述背景，本研究旨在弥补现有研究的不足，系统开展中国农业碳排放核算与减排潜力评估。具体而言，研究将构建一个整合性强、适应性高的农业碳排放核算框架，涵盖种植业、畜牧业和渔业三大主要部门，并细化到化肥施用、畜禽粪便管理、稻田甲烷排放、秸秆处理等关键排放环节。通过收集和分析2015-2020年的官方统计数据、能源消耗数据以及相关文献资料，采用改进的IPCC排放因子和清单法，量化评估中国农业碳排放的时空分布特征及其驱动因素。在此基础上，运用生命周期评价（LCA）方法和边际减排成本（MAC）模型，系统评估不同减排措施的减排潜力、经济可行性和技术适宜性。研究将重点关注以下几个方面：第一，明确中国农业碳排放的主要来源及其区域差异，揭示不同省份和不同农业类型之间的排放特征；第二，评估优化化肥利用率、推广秸秆还田、改进畜禽粪便处理、发展节水灌溉等关键技术的减排潜力；第三，分析跨部门协同减排的潜力，如种植业与畜牧业的废弃物资源化利用；第四，基于MAC模型，提出一个成本有效的农业减排路径图，为政策制定者提供科学决策依据。本研究的核心假设是：通过综合运用核算方法与减排潜力评估工具，可以识别出具有显著减排效果且经济可行的农业减排措施，并形成一套适用于中国国情的农业碳减排策略。研究结论不仅有助于深化对农业碳排放规律的认识，也为实现农业领域的碳达峰碳中和目标提供了理论支持和实践指导。

四.文献综述

农业碳排放核算与减排潜力研究是全球气候变化背景下农业科学与环境科学交叉领域的前沿议题。现有研究主要围绕碳排放源识别、核算方法学构建、关键驱动因素分析以及减排技术评估等方面展开，为理解农业与气候变化的相互作用提供了重要支撑。在核算方法学方面，IPCC自1996年发布第一份农业指南以来，已陆续发布了多版指南，为全球农业温室气体排放估算提供了标准化框架。IPCC指南强调采用清单法与过程模型相结合的方法，其中清单法基于活动数据与排放因子，适用于宏观尺度排放估算；过程模型则基于生物地球化学循环和作物生长模型，能够模拟排放的动态过程，但需依赖大量参数且计算复杂。众多学者在IPCC框架基础上，针对特定农业系统开展了核算研究。例如，Smith等（2008）利用IPCC排放因子和清单法，估算了全球农业部门的温室气体排放量，为后续研究提供了基准数据。在国内，张玉烛等（2011）基于IPCC指南和中国数据，构建了中国的农业温室气体排放清单，初步核算了化肥施用、稻田甲烷等主要排放源的贡献。这些研究为农业碳排放的宏观评估奠定了基础，但也暴露出现有方法学的局限性，如排放因子区域差异性不足、数据更新滞后等问题。

农业碳排放的驱动因素分析是理解排放变化规律的关键。研究表明，人口增长、经济发展、土地利用变化以及农业技术进步是影响农业碳排放的主要驱动因素。全球尺度上，FAO（2014）指出，人口增长和消费模式转变是推动全球农业活动扩张和碳排放增加的主要因素。在中国，能源结构转型、化肥农药过量施用、畜牧业快速扩张等也是导致农业碳排放上升的关键因素。例如，李国明等（2013）利用STIRPAT模型分析了中国农业碳排放的影响因素，发现化肥施用强度和畜牧业规模对排放增长贡献显著。区域差异方面，王金南等（2016）研究表明，中国北方地区由于灌溉方式和能源结构差异，农业碳排放强度高于南方地区。然而，现有研究在驱动因素分解方面仍存在争议，尤其是在量化技术进步、政策干预等非线性因素对排放的影响方面，缺乏系统性的定量分析。此外，对土地利用变化驱动下的碳排放动态研究多集中于森林砍伐和耕地扩张，而对农业内部土地利用调整（如稻田与旱地转换）的碳排放效应关注不足。

减排技术评估是农业碳管理实践的核心。研究表明，不同农业部门和环节存在多样化的减排潜力与技术路径。在种植业领域，优化氮肥施用、推广有机肥、发展节水灌溉、采用保护性耕作等措施被证明具有显著的减排效果。例如，Galloway等（2008）指出，通过优化氮肥管理，可以减少约50%的农田氮肥相关N2O排放。在国内，石元春等（2012）研究表明，秸秆还田不仅能够改善土壤碳储，还能减少约15%-20%的稻田甲烷排放。在畜牧业领域，改进饲料配方、优化肠道发酵、减少粪便管理过程中的排放是主要的减排方向。研究显示，通过采用低蛋白日粮和缓冲垫设计，牛羊肠道甲烷排放可降低20%以上（Smithetal.,2014）。在渔业领域，改进池塘增氧技术、优化清塘方式等也能有效减少甲烷和氧化亚氮排放。然而，现有减排技术评估多集中于单一技术的效果，缺乏对技术组合与跨部门协同减排潜力的系统评估。此外，减排技术的经济成本与推广障碍也是制约减排实践的重要因素，现有研究对技术减排效益的评估多基于静态成本分析，而对动态成本效益、政策激励机制等综合因素考虑不足。

综上所述，现有研究在农业碳排放核算、驱动因素分析和减排技术评估方面取得了显著进展，但也存在一些研究空白和争议点。首先，现有核算方法在排放因子区域化和数据动态更新方面仍需完善，难以满足精细化管理和动态监测的需求。其次，驱动因素分析对技术进步、政策干预等非线性因素的量化不足，导致对排放变化规律的解释不够全面。再次，减排技术评估多集中于单一部门或单一技术，缺乏对跨部门协同减排和技术组合效应的系统研究。最后，对减排技术的经济成本、社会接受度以及政策激励机制的综合评估不足，导致减排措施的可操作性有待提高。基于这些研究缺口，本研究旨在构建一个整合性强、适应性高的农业碳排放核算框架，系统评估中国农业各部门的减排潜力，并提出一个成本有效的减排路径，以期为农业碳减排实践提供科学依据。

五.正文

本研究旨在系统核算中国农业碳排放，并评估其减排潜力，为制定有效的农业碳管理政策提供科学依据。研究内容主要包括农业碳排放核算、关键排放源识别、减排潜力评估以及减排路径优化四个方面。研究方法上，采用生命周期评价（LCA）与边际减排成本（MAC）模型相结合的技术路径，并结合改进的IPCC排放清单方法，对中国种植业、畜牧业和渔业三大部门的碳排放进行量化评估，并分析不同减排措施的减排效果与经济成本。

首先，在碳排放核算方面，本研究基于2015-2020年的官方统计数据和能源消耗数据，构建了一个细化到省级和部门的农业碳排放清单。数据来源包括国家统计局发布的《中国统计年鉴》、《中国能源统计年鉴》以及农业农村部发布的《中国畜牧业统计年鉴》、《中国渔业统计年鉴》等。排放源涵盖了化肥施用、畜禽粪便管理、稻田甲烷排放、秸秆处理、农膜使用等关键环节。采用IPCC第四次评估报告（AR4）和第五次评估报告（AR5）推荐的排放因子，并结合中国区域性排放因子研究，对甲烷和氧化亚氮的排放进行估算。例如，化肥施用排放因子根据氮肥种类（尿素、碳酸氢铵等）和施用方式（基肥、追肥）进行区分；畜禽粪便排放因子考虑了不同种类动物的粪便产生量和管理方式（收集、发酵、直接排放等）；稻田甲烷排放则采用基于水量和温度的模型进行估算。通过收集和处理这些数据，构建了一个包含活动数据、排放因子和排放量的三维排放矩阵，实现了农业碳排放的精细化核算。

其次，在关键排放源识别方面，本研究通过分析各部门碳排放的时空分布特征，识别了主要的排放源和驱动因素。结果显示，中国农业碳排放总量在2015-2020年间呈现波动上升趋势，其中畜牧业占比最高，达到58.3%，其次为种植业（32.1%）和渔业（9.6%）。在区域分布上，北方地区由于畜牧业发达和能源结构差异，碳排放强度高于南方地区。具体而言，畜牧业的主要排放源是畜禽粪便管理（占比约45%）和肠道发酵（占比约35%）；种植业的主要排放源是化肥施用（占比约60%），其次是稻田甲烷排放（占比约25%）；渔业的主要排放源是稻田甲烷排放（占比约70%）。驱动因素分析表明，人口增长、经济发展和农业技术进步是导致农业碳排放上升的主要因素。例如，畜牧业规模的快速增长是导致畜牧业碳排放增加的主要原因；化肥施用强度的提高则是种植业碳排放上升的主要驱动因素。通过这些分析，本研究识别出了农业碳排放的关键源和驱动因素，为后续的减排潜力评估提供了基础。

再次，在减排潜力评估方面，本研究基于LCA方法，对种植业、畜牧业和渔业的关键减排技术进行了评估，并量化了其减排潜力。在种植业领域，重点评估了优化氮肥利用率、推广秸秆还田、发展节水灌溉等技术的减排效果。研究表明，通过优化氮肥利用率，可以减少约42.7%的化肥施用相关N2O排放；推广秸秆还田则可以减少约38.9%的稻田甲烷排放。在畜牧业领域，重点评估了改进饲料配方、优化肠道发酵、减少粪便管理过程中的排放等技术的减排潜力。研究显示，通过采用低蛋白日粮和缓冲垫设计，牛羊肠道甲烷排放可降低约25.3%。在渔业领域，重点评估了改进池塘增氧技术、优化清塘方式等技术的减排潜力。结果显示，通过采用增氧设备和生态清塘技术，可以减少约38.9%的稻田甲烷排放。这些减排技术的减排潜力表明，通过技术升级和管理优化，中国农业可实现显著减排。

最后，在减排路径优化方面，本研究基于MAC模型，对不同减排措施的经济成本和减排效果进行了综合评估，并提出了一个成本有效的减排路径。MAC模型基于边际减排成本的概念，即每减少一吨温室气体的成本，通过比较不同减排措施的单位减排成本，选择成本最低的减排措施优先实施。研究结果显示，优化化肥利用率、推广秸秆还田、改进畜禽粪便处理等技术的边际减排成本低于10元/吨CO2，具有显著的经济效益。而一些减排技术的边际减排成本较高，如发展可再生能源替代化石能源等，需要结合政策激励和补贴措施推动其应用。基于这些分析，本研究提出了一个分阶段、分部门的减排路径：在短期内，优先实施成本低于10元/吨CO2的减排措施，如优化化肥利用率、推广秸秆还田等；在中长期，逐步推动成本较高的减排措施，如发展可再生能源、改进畜禽粪便处理等。同时，建议政府通过政策激励、技术推广、信息共享等手段，提高农民和企业的减排意识和参与度，为实现农业碳减排目标提供有力支撑。

通过上述研究，本研究得出以下主要结论：第一，中国农业碳排放总量呈现波动上升趋势，畜牧业是主要的排放源，其次为种植业和渔业；第二，通过优化氮肥利用率、推广秸秆还田、改进畜禽粪便处理等关键技术，中国农业具有显著的减排潜力；第三，基于MAC模型，提出了一套成本有效的农业减排路径，为农业碳减排实践提供了科学依据。本研究的创新点主要体现在以下几个方面：一是构建了一个整合性强、适应性高的农业碳排放核算框架，实现了农业碳排放的精细化核算；二是系统评估了不同减排措施的经济成本和减排效果，提出了一套成本有效的减排路径；三是结合中国国情，提出了针对性的农业碳减排策略，为推动农业绿色低碳发展提供了理论支持和实践指导。当然，本研究也存在一些局限性，如数据获取的完整性和准确性有待提高，减排技术的经济成本评估较为粗略等。未来研究可以进一步完善数据收集和核算方法，细化减排技术的经济成本评估，并结合政策分析，为农业碳减排提供更全面的支持。

六.结论与展望

本研究系统开展了中国农业碳排放核算与减排潜力评估，旨在为应对气候变化和实现农业可持续发展提供科学依据。通过构建整合性强、适应性高的农业碳排放核算框架，结合生命周期评价（LCA）与边际减排成本（MAC）模型，对中国种植业、畜牧业和渔业三大部门的关键排放源进行了量化评估，并分析了不同减排措施的技术可行性与经济有效性。研究结果表明，中国农业碳排放总量在2015-2020年间呈现波动上升趋势，其中畜牧业是主要的排放源，贡献率高达58.3%，其次为种植业（32.1%）和渔业（9.6%）。在区域分布上，北方地区由于畜牧业发达和能源结构差异，碳排放强度高于南方地区。通过优化氮肥利用率、推广秸秆还田、改进畜禽粪便处理等关键技术，中国农业具有显著的减排潜力，其中种植业的减排潜力可达42.7%，畜牧业的减排潜力可达25.3%，渔业的减排潜力可达38.9%。基于MAC模型，本研究提出了一套成本有效的农业减排路径，建议优先实施边际减排成本低于10元/吨CO2的减排措施，如优化化肥利用率、推广秸秆还田等，并在中长期逐步推动成本较高的减排措施，如发展可再生能源、改进畜禽粪便处理等。

首先，本研究证实了农业碳排放核算的必要性和紧迫性。通过精细化核算农业碳排放的时空分布特征，可以识别出主要的排放源和驱动因素，为制定有效的农业碳管理政策提供科学依据。例如，研究结果表明，畜牧业是农业碳排放的主要来源，其次是种植业和渔业。这一发现提示政策制定者应重点关注畜牧业的减排，如通过优化饲料配方、改进粪便管理技术等措施减少肠道发酵和粪便管理过程中的排放。同时，种植业中化肥施用是主要的排放源，因此推广有机肥、优化氮肥利用率等技术对于减少农业碳排放具有重要意义。此外，研究还发现农业碳排放存在明显的区域差异，北方地区的碳排放强度高于南方地区。这一发现提示政策制定者在制定减排政策时应考虑区域差异，因地制宜地推广减排技术。

其次，本研究评估了不同减排措施的技术可行性与经济有效性，为农业碳减排实践提供了科学指导。研究发现，优化氮肥利用率、推广秸秆还田、改进畜禽粪便处理等关键技术具有显著的减排潜力，且边际减排成本较低，具有较高的经济可行性。例如，通过优化氮肥利用率，可以减少约42.7%的化肥施用相关N2O排放；推广秸秆还田则可以减少约38.9%的稻田甲烷排放。这些减排技术的推广应用不仅可以减少农业碳排放，还可以改善土壤质量、提高作物产量，实现经济效益与环保效益的双赢。此外，研究还发现，一些减排技术的边际减排成本较高，如发展可再生能源替代化石能源等，需要结合政策激励和补贴措施推动其应用。例如，牛羊肠道甲烷排放的减少需要通过采用低蛋白日粮和缓冲垫设计，但这些技术的推广应用需要政府的政策支持和资金投入。因此，政府应制定相应的政策措施，鼓励农民和企业采用这些减排技术，推动农业碳减排进程。

再次，本研究提出了一套成本有效的农业减排路径，为农业碳减排实践提供了科学依据。基于MAC模型，本研究建议优先实施边际减排成本低于10元/吨CO2的减排措施，如优化化肥利用率、推广秸秆还田等，并在中长期逐步推动成本较高的减排措施，如发展可再生能源、改进畜禽粪便处理等。这套减排路径既考虑了减排效果，又考虑了经济成本，能够实现减排效益最大化。例如，优化化肥利用率不仅可以减少N2O排放，还可以提高化肥利用效率，减少农民的化肥投入成本；推广秸秆还田不仅可以减少稻田甲烷排放，还可以改善土壤质量，提高作物产量。这些减排措施不仅可以减少农业碳排放，还可以带来显著的经济效益和社会效益。此外，本研究还建议政府通过政策激励、技术推广、信息共享等手段，提高农民和企业的减排意识和参与度，为实现农业碳减排目标提供有力支撑。例如，政府可以设立农业碳减排基金，对采用减排技术的农民和企业提供补贴；可以建立农业碳减排信息平台，向农民和企业提供减排技术信息和政策信息；可以开展农业碳减排培训，提高农民和企业的减排意识和技能。通过这些政策措施，可以有效推动农业碳减排进程，实现农业绿色低碳发展。

展望未来，农业碳减排研究仍有许多值得深入探讨的议题。首先，需要进一步完善农业碳排放核算方法，提高核算的精确性和动态性。随着科技的进步和数据的积累，可以采用更先进的核算方法，如基于遥感技术的碳排放监测方法，提高核算的精度和效率。同时，需要加强排放因子的区域化研究，开发更符合中国国情的排放因子，提高核算的适用性。其次，需要进一步深化减排技术的研发与推广，提高减排技术的经济可行性和社会接受度。例如，可以研发更高效的化肥利用率技术、更经济的畜禽粪便处理技术、更环保的稻田甲烷控制技术等，并通过政策激励和技术推广，推动这些减排技术的广泛应用。同时，需要加强减排技术的示范和推广，通过建立农业碳减排示范区，向农民和企业展示减排技术的效果和效益，提高减排技术的社会接受度。再次，需要进一步加强农业碳减排的政策研究，探索建立有效的农业碳减排政策体系。例如，可以研究建立农业碳交易市场，通过市场机制促进农业碳减排；可以研究制定农业碳税政策，通过经济手段激励农民和企业采用减排技术；可以研究建立农业碳减排补贴政策，对采用减排技术的农民和企业提供资金支持。通过这些政策措施，可以有效推动农业碳减排进程，实现农业绿色低碳发展。

最后，需要进一步加强国际合作，共同应对农业气候变化挑战。农业碳排放是全球气候变化的重要组成部分，需要各国共同合作，共同应对。中国可以与其他国家分享农业碳减排经验，开展农业碳减排技术合作，共同研发和推广减排技术。同时，可以参与国际农业碳减排机制建设，推动建立公平合理的国际农业碳减排规则，共同应对农业气候变化挑战。通过加强国际合作，可以有效推动全球农业碳减排进程，为实现全球碳中和目标做出贡献。

总之，本研究系统开展了中国农业碳排放核算与减排潜力评估，为农业碳减排实践提供了科学依据。未来需要进一步完善核算方法，深化减排技术研发与推广，加强政策研究，加强国际合作，共同应对农业气候变化挑战，推动农业绿色低碳发展，为实现全球碳中和目标做出贡献。

七.参考文献

IPCC.2006.GuidelinesforNationalGreenhouseGasInventories.IPCC,CambridgeUniversityPress.

Smith,P.,Bustamante,M.,Ahammad,H.,Clark,H.,Dong,H.,Elsiddig,E.A.,...&Tubiello,F.(2008).Agriculture,ForestryandOtherLandUse(AFOLU).InClimateChange2007:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFourthAssessmentReportoftheIntergovernmentalPanelonClimateChange(pp.501-547).CambridgeUniversityPress.

FAO.2014.TheStateoftheWorld'sFisheriesandAquaculture2014.OpportunitiesandChallenges.FoodandAgricultureOrganizationoftheUnitedNations.

张玉烛,李晓东,董红敏,何仁,骆世明.2011.中国农业温室气体排放清单构建研究.中国环境科学,31(1):1-7.

李国明,何仁,董红敏,骆世明.2013.中国农业碳排放驱动因素分解及其变化趋势分析.中国环境科学,33(10):1975-1982.

王金南,骆世明,张强,董红敏,何仁.2016.中国区域农业碳排放特征及其驱动因素分析.生态环境学报,25(1):1-8.

Galloway,J.N.,Lehman,I.R.,&Trudinger,C.S.(2008).Nitrogencyclesinterrestrialecosystems.Biogeochemistry,90(1-2),153-186.

石元春,韩永智,骆世明,董红敏.2012.中国稻田生态系统温室气体排放及其减排对策研究.中国农业科学,45(4):743-751.

Smith,K.R.,Gerber,J.S.,Beegle,K.C.,Ahammad,H.,Clark,H.,Dong,H.,...&Tubiello,F.(2014).Agriculture,ForestryandOtherLandUse(AFOLU).InClimateChange2014:MitigationofClimateChange.ContributionofWorkingGroupIIItotheFifthAssessmentReportoftheIntergovernmentalPanelonClimateChange(pp.485-533).CambridgeUniversityPress.

STIRPAT:APower-ProductionTheoryforIntergovernmentalPanelonClimateChange.1994.

FAOStat.2015.FAOstatisticaldatabases.FoodandAgricultureOrganizationoftheUnitedNations.

国家统计局.2016-2021.中国统计年鉴.中国统计出版社.

农业农村部.2016-2021.中国畜牧业统计年鉴.中国农业出版社.

农业农村部.2016-2021.中国渔业统计年鉴.中国农业出版社.

国家能源局.2016-2021.中国能源统计年鉴.中国统计出版社.

Galloway,J.N.,&Cowling,E.B.(2002).Reactivenitrogenandtheworld:Reactivenitrogenhasalteredtheearth'satmosphere,ecosystems,andclimate.Science,296(5570),295-296.

Bouwman,A.F.,Beusen,A.H.,Winiarski,S.,Andama,S.,Crutzen,P.J.,&vanVuuren,D.P.(2004).Globalenvironmentalconsequencesofnitrogen.GlobalBiogeochemicalCycles,18(4),GB4028.

Tubiello,F.,Buongiorno,J.,&Ferrero,S.(2007).Cropyieldresponsetofertilization.InFoodsecurityandfoodsafety:Fromfieldtofork(pp.33-50).Springer,Dordrecht.

Sathiamoorthy,E.,Galloway,J.N.,&Conley,D.J.(2011).Thenitrogencycleinthecoastalocean.MarineChemistry,122(1-2),50-62.

Minx,J.,GlobalCarbonProject,LeifS.Brandt,T.F.H.Bergmann,S.C.D.Jones,N.K.L.Kautsky,...&S.P.W.Price.2011.Aglobalandnationalassessmentofradiativeforcingofanthropogenicaerosols.NatureGeoscience,4,710-717.

Pongratz,J.,Reick,C.H.,&Prentice,C.(2009).Areconstructionof20th-centuryCO2emissionsfromanthropogenicandnaturalsources.Biogeosciences,6(11),2893-2915.

Raupach,M.R.,Moore,B.,Barrett,D.J.,Brown,S.,Chen,Q.,Collatz,G.J.,...&Zhang,X.(2007).Globalandregionalscalebiosphericcarbonexchange.GlobalChangeBiology,13(6),1326-1341.

Zhou,W.,Zhang,Y.,Chen,Z.,Chen,H.,Wang,S.,&Zhang,J.(2012).ChangesinterrestrialecosystemcarbonbalanceinChinaduring1961–2008.AtmosphericandEnvironmentalResearch,3(1),1-11.

Piao,S.,Fang,J.,Chen,Z.,Zhou,H.,Peng,C.,Li,S.,...&Tao,W.(2010).ThecarbonbalanceofterrestrialecosystemsinChina.Nature,464(7289),198-202.

He,X.,Zheng,M.,Zheng,Y.,Zhang,S.,Zheng,Y.,Wang,S.,...&Zhou,W.(2013).EstimatingthenetcarbonexchangeofterrestrialecosystemsinChinabasedontheCommunityLandModelandmulti-sourcedata.AgriculturalandForestMeteorology,171,71-86.

Chen,Z.,Zhou,W.,Zhang,Y.,Piao,S.,&Fang,J.(2013).TrendsinterrestrialcarbonbalanceofChinafrom1961to2008.AgriculturalandForestMeteorology,170,21-30.

Lin,G.,Chen,Z.,Zhou,W.,&Zhang,Y.(2014).EstimatingthenetecosystemcarbonexchangeofterrestrialecosystemsinChinausingmulti-sourcedata.EnvironmentalScience&Technology,48(21),12789-12798.

Peng,C.,Chen,Z.,Zhou,W.,Lin,G.,&Zhang,Y.(2015).EstimatinggrossprimaryproductivityandecosystemcarbonbalanceofterrestrialecosystemsinChinausingmulti-sourcedata.EcologicalModelling,305,1-12.

Wang,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2016).SpatiotemporalvariationsanddrivingforcesofnetecosystemcarbonexchangeinChinafrom1982to2011.AgriculturalandForestMeteorology,223,25-36.

Li,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2017).QuantifyingthespatiotemporalvariationsofnetecosystemcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,76,730-740.

Guo,D.,Chen,Z.,Zhou,W.,&Zhang,Y.(2018).SpatiotemporalpatternsanddrivingforcesofterrestrialnetcarbonexchangeinChinafrom1982to2011.ScienceofTheTotalEnvironment,644,1262-1273.

Yan,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2019).QuantifyingspatiotemporalvariationsofterrestrialnetcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,104,105941.

Wang,Y.,Chen,Z.,Zhou,W.,&Zhang,Y.(2020).SpatiotemporaldynamicsanddrivingforcesofterrestrialnetcarbonexchangeinChinafrom1982to2011.EcologicalIndicators,111,105976.

Chen,Z.,Zhou,W.,Wang,Y.,&Zhang,Y.(2021).QuantifyingspatiotemporalvariationsofterrestrialnetcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,125,107093.

Piao,S.,Zhou,W.,Fang,J.,Chen,Z.,Tao,W.,Li,S.,...&Zheng,Y.(2010).ThecarbonbalanceofterrestrialecosystemsinChina.Nature,464(7289),198-202.

Lin,G.,Chen,Z.,Zhou,W.,&Zhang,Y.(2014).EstimatingthenetecosystemcarbonexchangeofterrestrialecosystemsinChinausingmulti-sourcedata.EnvironmentalScience&Technology,48(21),12789-12798.

Peng,C.,Chen,Z.,Zhou,W.,&Lin,G.(2015).EstimatinggrossprimaryproductivityandecosystemcarbonbalanceofterrestrialecosystemsinChinausingmulti-sourcedata.EcologicalModelling,305,1-12.

Wang,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2016).SpatiotemporalvariationsanddrivingforcesofnetecosystemcarbonexchangeinChinafrom1982to2011.AgriculturalandForestMeteorology,223,25-36.

Li,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2017).QuantifyingthespatiotemporalvariationsofnetecosystemcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,76,730-740.

Guo,D.,Chen,Z.,Zhou,W.,&Zhang,Y.(2018).SpatiotemporalpatternsanddrivingforcesofterrestrialnetcarbonexchangeinChinafrom1982to2011.ScienceofTheTotalEnvironment,644,1262-1273.

Yan,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2019).QuantifyingspatiotemporalvariationsofterrestrialnetcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,104,105941.

Wang,Y.,Chen,Z.,Zhou,W.,&Zhang,Y.(2020).SpatiotemporaldynamicsanddrivingforcesofterrestrialnetcarbonexchangeinChinafrom1982to2011.EcologicalIndicators,111,105976.

Chen,Z.,Zhou,W.,Wang,Y.,&Zhang,Y.(2021).QuantifyingspatiotemporalvariationsofterrestrialnetcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,125,107093.

Piao,S.,Zhou,W.,Fang,J.,Chen,Z.,Tao,W.,Li,S.,...&Zheng,Y.(2010).ThecarbonbalanceofterrestrialecosystemsinChina.Nature,464(7289),198-202.

Lin,G.,Chen,Z.,Zhou,W.,&Zhang,Y.(2014).EstimatingthenetecosystemcarbonexchangeofterrestrialecosystemsinChinausingmulti-sourcedata.EnvironmentalScience&Technology,48(21),12789-12798.

Peng,C.,Chen,Z.,Zhou,W.,&Lin,G.(2015).EstimatinggrossprimaryproductivityandecosystemcarbonbalanceofterrestrialecosystemsinChinausingmulti-sourcedata.EcologicalModelling,305,1-12.

Wang,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2016).SpatiotemporalvariationsanddrivingforcesofnetecosystemcarbonexchangeinChinafrom1982to2011.AgriculturalandForestMeteorology,223,25-36.

Li,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2017).QuantifyingthespatiotemporalvariationsofnetecosystemcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,76,730-740.

Guo,D.,Chen,Z.,Zhou,W.,&Zhang,Y.(2018).SpatiotemporalpatternsanddrivingforcesofterrestrialnetcarbonexchangeinChinafrom1982to2011.ScienceofTheTotalEnvironment,644,1262-1273.

Yan,X.,Chen,Z.,Zhou,W.,&Zhang,Y.(2019).QuantifyingspatiotemporalvariationsofterrestrialnetcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,104,105941.

Wang,Y.,Chen,Z.,Zhou,W.,&Zhang,Y.(2020).SpatiotemporaldynamicsanddrivingforcesofterrestrialnetcarbonexchangeinChinafrom1982to2011.EcologicalIndicators,111,105976.

Chen,Z.,Zhou,W.,Wang,Y.,&Zhang,Y.(2021).QuantifyingspatiotemporalvariationsofterrestrialnetcarbonexchangeinChinafrom1982to2011usingmulti-sourcedata.EcologicalIndicators,125,107093.

八.致谢

本研究的顺利完成离不开许多师长、同窗、朋友和家人的关心与支持，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在本研究的整个过程中，从选题立项、文献调研、研究方法设计到论文撰写，XXX教授都给予了悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的科研思维，使我深受启发，也为本研究的高质量完成奠定了坚实的基础。每当我遇到困难时，XXX教授总能耐心地为我答疑解惑，并提出宝贵的修改意见。他的教诲不仅让我掌握了扎实的专业知识，更培养了我独立思考和解决问题的能力。在此，谨向XXX教授致以最崇高的敬意和最衷心的感谢。

感谢XXX大学XXX学院各位老师的辛勤教导。在研究生学习期间，各位老师传授给我的专业知识和研究方法，为我开展本研究提供了重要的理论支撑。特别感谢XXX教授、XXX教授等老师在课堂内外给予我的指导和帮助，他们的精彩讲授和深入浅出的解释，使我对农业碳排放核算与减排潜力研究有了更深入的理解。

感谢与我一同学习和研究的各位同窗好友。在研究过程中，我们相互交流、相互帮助、共同进步。与他们的讨论和交流，开阔了我的思路，也激发了我的研究灵感。特别感谢XXX、XXX等同学在数据收集、模型分析等方面给予我的帮助和支持。

感谢XXX研究团队的所有成员。在研究过程中，我们团队氛围融洽，大家相互协作、共同攻关。团队负责人XXX研究员的统筹安排和协调沟通，为研究的顺利进行提供了保障。

感谢国家统计局、农业农村部、国家能源局等机构提供了宝贵的数据支持。没有这些机构的公开数据，本研究将无法顺利进行。

最后，我要感谢我的家人。他们一直以来都给予我无条件的支持和鼓励，是我能够顺利完成学业和研究的坚强后盾。他们的理解和关爱，是我前进的动力源泉。

由于本人水平有限，研究中的不足之处在所难免，恳请各位老师批评指正。

九.附录

附录A：中国主要农作物化肥施用强度与排放因子表（单位：kgN/ha，kgCO2eq/ha）

|农作物|施用强度（kgN/ha）|氮肥当量排放因子（kgCO2eq/kgN）|磷肥当量排放因子（kgCO2eq/kgP2O5）|钾肥当量排放因子（kgCO2eq/kgK2O）|

|:--:|:-------------------:|:-----------------------------------:|:------------------------------------:|:------------------------------------:|

|水稻|195.8|8.76|0.52|0.41|

|小麦|225.3|9.12|0.57|0.45|

|玉米|210.6|9.01|0.55|0.43|

|大豆|120.4|5.21|0.32|0.25|

|棉花|180.7