迈向低碳畜牧业:粪肥与作物管理在饲料碳排放强度(Carbon Intensity, CI)核算中的核心作用

《Cleaner and Circular Bioeconomy》:Toward Low-Carbon Livestock: The Central Role of Manure and Crop Management in Feed Emissions

【字体: 大 中 小 】 时间:2026年06月27日 来源:Cleaner and Circular Bioeconomy CS4.9

编辑推荐:

  摘要:饲料生产是畜禽产品碳排放强度(Carbon Intensity, CI,单位:kg CO2e 当量/功能单位)评分的最大贡献源之一,因此降低饲料的碳强度是减少畜牧业碳排放强度的有效途径。本研究评估了美国爱荷华州(Iowa)全部99个县生产的玉米、大豆、玉

  
摘要:饲料生产是畜禽产品碳排放强度(Carbon Intensity, CI,单位:kg CO2e 当量/功能单位)评分的最大贡献源之一,因此降低饲料的碳强度是减少畜牧业碳排放强度的有效途径。本研究评估了美国爱荷华州(Iowa)全部99个县生产的玉米、大豆、玉米干酒糟可溶物(Corn Dried Distiller Grains with Solubles, DDGS)及豆粕(Soybean Meal)的碳强度,并分析其变化趋势以提出作物与饲料生产中降低CO2e(二氧化碳当量)的可行方法。研究量化了有效粪肥管理、替代作物管理(免耕 No-tillage 及覆盖作物 Cover Cropping)及日粮选择所带来的猪饲料碳强度减排量。结果表明,较高的作物产量及较高比例的施用粪肥氮(Manure Nitrogen)的玉米种植面积与较低的作物及饲料碳强度评分相关。相较于平均农场,采用免耕、覆盖作物及粪肥施用的农场可生产出碳强度降低33%的饲料,按自愿碳市场估算相当于每头猪(pig-1)潜在收益0.93美元。以玉米和豆粕组成的日粮其碳强度评分比以玉米和DDGS组成的日粮低19%。玉米生产过程中最大的CO2e排放源为大田N2O排放(占总量57%)、合成化肥生产(17%)及石灰施用(Liming, 15%),均与施氮量相关,强调了精准评估各农场需氮量的重要性。粪肥施用可减少合成化肥用量并促进土壤有机碳(Soil Organic Carbon, SOC)固存,是决定作物及饲料碳强度评分的关键因子。注重有效粪肥施用有望在全球范围内降低饲料、肉品及乳制品的碳强度评分。
论文解读:《Toward Low-Carbon Livestock: The Central Role of Manure and Crop Management in Feed Emissions》发表于《Cleaner and Circular Bioeconomy》。
【研究背景】
全球人口预计2050年达97亿,肉类产量较2007年增长76%,畜牧供应链贡献全球人为CO2e排放的12%,其中饲料生产及运输约占农业食品系统总CO2e排放的40%,占养猪业总排放22%–91%。在美国爱荷华州——全美最大生猪及玉米产区——玉米与大豆构成饲料主体,但其生产过程中的田间N2O排放、化肥生产与石灰施用是主要温室气体来源。当前缺乏县域尺度的饲料碳强度(Carbon Intensity, CI,单位通常为kg CO2e Mg-1产品或 kg CO2e pig-1)精细化核算,亦缺少对粪肥还田、保护性耕作及日粮配方改变的综合减排潜力评估。因此研究人员以爱荷华州99个县为对象,量化玉米、大豆、DDGS及豆粕的CI,并评估气候智能型农业(Climate-Smart Farm, CSF:免耕 No-tillage+覆盖作物 Cover Cropping+粪肥施用 Manure Application)与不同猪日粮对饲料CI的影响。
【主要技术方法概述】
研究人员采用阿贡国家实验室GREET模型中的饲料原料碳强度计算器(Feedstock Carbon Intensity Calculator, FD-CIC),结合爱荷华州自然资源部(Iowa DNR)畜禽养殖场粪肥养分数据、美国农业部USDA Quick Stats县域产量与耕作方式数据(2019–2023五年均值)、土壤排水分级N2O排放因子(Soil Drainage Dependent N2O Emission Factors, SDNEF vs. GREET N2O Emission Factors, GNEF),核算玉米/大豆种植阶段柴油、谷物干燥、氮肥(合成及粪肥氮)、磷钾肥、石灰、除草剂杀虫剂、土壤有机碳(Soil Organic Carbon, SOC)变化及生物质分解的CO2e排放;进一步按经济价值分配法计算乙醇加工DDGS与大豆压榨豆粕的加工及往返运输CI。模拟两种猪日粮——玉米-豆粕日粮(Corn-Soybean meal diet, CSd:870 g kg-1玉米+124 g kg-1豆粕)与玉米-DDGS日粮(DDGS diet, DDGSd:674 g kg-1玉米+319 g kg-1DDGS)——并在高/平均/低CI县域对比常规农场与CSF农场(全田免耕+覆盖作物+全部猪粪肥还田于饲料玉米田)的饲料CI(kg CO2e pig-1,按料肉比Feed Conversion Ratio, FCR=2.54、出栏耗料309 kg pig-1计)。敏感性分析考察N2O排放因子与施肥量波动影响,并对跨县调运饲料做CI校正。
【研究结果】
3.1. Carbon Intensity of Raising Corn and Soybeans in Iowa(爱荷华州玉米与大豆种植碳强度)
采用GNEF时玉米平均CI为267 kg CO2e Mg-1,采用考虑土壤排水的SDNEF时升至404 kg CO2e Mg-1;大豆GNEF下为216 kg CO2e Mg-1。GNEF下玉米最大排放源为田间N2O(57%)、合成氮肥生产(17%)、石灰(15%)。SDNEF下N2O占比升至71%。说明N2O排放因子选取对作物CI影响极大,且施肥相关排放占主导。
3.2. Carbon Intensity of Corn DDGS and Soybean Meal in Iowa(爱荷华州DDGS与豆粕碳强度)
DDGS与豆粕的CI主要受上游作物CI及加工能耗(乙醇生产275 kg CO2e Mg-1玉米;大豆压榨163 kg CO2e Mg-1大豆)影响,运输排放可忽略。GNEF下各县DDGS与豆粕CI空间分布趋势与对应作物一致。
3.3. Carbon Intensity of Corn, Soybeans, Corn DDGS, and Soybean Meal by County in Iowa(县域尺度作物及饲料原料CI)
高产区(西北Sioux、Lyon县)因高产及高比例粪肥氮满足玉米需氮面积(Corn Land Area Satisfied by Manure N, CLASMN%)而CI最低,南部Appanoose等县CI最高;玉米CI县际差异达124 kg CO2e Mg-1。CLASMN%越高、产量越高、SOC固存越多,CI越低。
3.4. Factors Influencing CO2e Emissions(影响CO2e排放的因素)
回归显示产量、CLASMN%、SOC可解释玉米CI变异的84%、大豆CI变异的83%;CLASMN%不仅减少合成氮肥生产排放,还通过提升SOC固存减排。产量提高摊薄单位产品排放。N2O为最关键不确定因子,土壤排水等级是其最好预测指标但R2仅0.21,故恒定N2O因子(GNEF)情景可用于实践指导。
3.5. Soil Organic Carbon(土壤有机碳)
在GREET SOC模型中,CLASMN%(斜率0.38–0.39,R2=0.62)对SOC固存的正向影响最大,其次为连作玉米(Continuous Corn, CC)比例及免耕面积,常规耕作降低SOC,覆盖作物(Cover Crop)面积占比在本研究时段内统计不显著(可能需>5年才显效)。
3.6. Soybean Biomass Decomposition(大豆残体分解)
大豆残体N含量(~1.5%)高于玉米(~0.8%),C:N比近25:1接近微生物最适降解比,其生物质分解产生N2O排放成大豆生产最大CO2e源,高于玉米残体分解排放。
3.7. Effect of Climate-Smart Farms and Swine Diet(气候智能农场与猪日粮的影响)
CSF采用CSd日粮比DDGSd日粮减少玉米播种面积、提高粪肥氮自给率(Nitrogen Self-Sufficiency from Manure, NSSM%),饲料CI再降19%;平均农场将DDGSd换为CSd也可降CI 13%–15%(豆粕CI本身低于DDGS)。CSF相对平均农场使CSd饲料CI平均降25%(最高33%),相当于每头猪减排约31 kg CO2e,按30美元/吨CO2e计合0.93美元 pig-1。DDGSd虽低碳但有饲料成本优势(约省5.79美元 pig-1),需高碳价才足以激励配方改变。
3.8. Correction for Counties Importing Feed(饲料调入县的CI校正)
高产畜牧县(如Sioux县)自身作物CI极低但因需外购饲料,加权调入饲料CI及运输后,实际饲喂用玉米/大豆CI略升(如Sioux县饲用玉米CI由194修正为227 kg CO2e Mg-1),原县域作物CI计算结果仍正确反映本地生产而非消费端。
3.9. Sensitivity Analysis(敏感性分析)
最敏感参数为肥料N2O排放因子(±1%变动引起玉米CI ±0.27%),其次为石灰施用、合成氨生产、粪肥N2O因子及生物质N2O因子;大豆CI对生物质N2O因子最敏感(±0.51%)。
【讨论与结论翻译】
高产及充足粪肥量通过提升作物生产效率与替代合成氮肥降低CI评分。在恒定N2O排放因子下,产量、粪肥氮满足玉米面积百分比(CLASMN%)及SOC可分别解释玉米与大豆CI变异的84%与83%;轮作、耕作方式、覆盖作物及CLASMN%可解释SOC变异的85%。采用GREET N2O排放因子时,玉米生产最大排放源为大田N2O(玉米57%,大豆58%)、合成化肥生产(玉米17%,大豆18%)及石灰(玉米15%,大豆10%),三者均与施氮量直接相关,凸显精准评估各农场氮肥需求之必要;此外爱荷华州部分区域N2O排放因子可能高于GREET默认值,需进一步研究。豆粕CI显著低于DDGS CI;玉米-豆粕日粮CI较玉米-DDGS日粮低19%。采取免耕、覆盖作物及粪肥施用的气候智能农场(CSF)可使饲料CI降低最高33%(平均25%),按自愿碳市场约合每头猪0.93美元。粪肥施用是影响饲料CI最易管控的关键因素,了解粪肥养分变异并精细管理粪肥还田可在全球范围助力降低饲料、肉及乳品碳强度评分。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号