文章题目：North-to-south transfer of grain and meat products significantly reduces PM2.5 pollution and associated health risk in China
发表期刊：Resources, Environment and Sustainability
影响因子：12.4
第一单位：兰州大学
在线日期：2024-09-04
中国作为全球最大的人口国和粮食生产国，正面临双重挑战：一方面，需要为不断增长的人口提供稳定的粮食供应，另一方面，必须应对空气质量的严峻挑战。空气污染，尤其是细颗粒物（PM2.5）对人类健康的影响，已成为国家的主要公共卫生问题。PM2.5污染主要来自于工业、交通和农业，其中氨气（NH3）作为PM2.5的前体物，约80%源自农业活动，特别是氮肥的施用和牲畜的粪便管理不当。
中国南北方在农业资源和人口密度上存在显著差异。南方地区由于快速的城市化和工业化进程，农田面积显著减少，而人口密集，粮食需求量大。相反，北方地区拥有较多的耕地资源和相对较少的人口，农业生产已逐步从南方向北方转移。以粮食作物和畜牧业为代表的农业生产活动主要集中在北方，而南方则依赖于从北方进口粮食和肉类产品。
省际粮食和肉类贸易（GMT）成为保障中国粮食安全的重要手段。然而，农业生产相关的氨排放通过大气中的长距离输送，可以影响远离排放源的地区。南北方之间的粮食和肉类贸易意味着大规模的氨排放转移，可能导致北方生产地的空气污染加剧，同时缓解南方消费地的PM2.5污染。因此，省际贸易对空气质量和公众健康的具体影响需要进一步量化，以制定更为合理的农业和环境政策。
本研究旨在量化2017年中国省际粮食和肉类贸易引起的氨气（NH3）排放及其对PM2.5污染和健康风险的影响。通过建立高分辨率的氨排放清单，并结合大气化学模型，模拟贸易引发的PM2.5污染，进而评估其对人类健康的影响。
研究首先构建了2017年中国农业生产相关的氨气排放清单，涵盖了主要的粮食作物和牲畜。随后，研究通过线性优化模型估算了省际粮食和肉类贸易量，分析了氨排放的虚拟转移情况。使用耦合气象-大气化学模型（WRF-Chem）模拟了由粮食和肉类贸易引发的PM2.5污染，并采用集成暴露-响应模型（IER）评估了因PM2.5污染导致的早亡人数。
本研究构建了2017年中国农业相关的氨气排放清单，结果显示当年中国农业源的总氨气排放量为7.04太克（Tg），其中71%来自畜牧业（主要是牛、羊、猪和家禽的养殖），29%来自种植业（主要是玉米、小麦、水稻和大豆的种植）。氨排放的主要来源包括氮肥的施用和牲畜粪便的排放，内蒙古、新疆、山东、黑龙江和河南是氨排放的主要省份，五省的排放量占全国农业氨排放总量的36%。
在省际粮食和肉类贸易中，约30%的农业氨排放与贸易相关。通过省际贸易，北方的粮食和肉类产品被大量输出到南方，而与之相关的虚拟氨排放也随之转移。北方地区（如内蒙古、新疆和黑龙江）是主要的氨排放输出省份，而南方的广东、江苏、浙江和湖北则是氨排放的主要接受省份。例如，内蒙古的农业生产中超过50%的氨排放是由南方省份的粮食和肉类需求引发的。通过粮食和肉类贸易，北方地区的PM2.5污染有所增加，而南方地区的PM2.5污染得到了显著缓解。
研究使用WRF-Chem大气化学模型模拟了粮食和肉类贸易对中国PM2.5浓度的影响。结果表明，在考虑贸易情景下，南方如浙江和福建的PM2.5浓度分别减少了4.9%和2.8%。相比之下，北方的新疆、内蒙古和黑龙江的PM2.5浓度分别增加了4.9%、3.2%和1.2%。这表明，粮食和肉类的省际贸易在降低南方PM2.5污染的同时，加剧了北方的空气污染问题。
在健康风险方面，研究估算了PM2.5污染导致的早亡人数。结果显示，2017年因PM2.5污染导致的总早亡人数为1227938人（95%置信区间：785880–1645500人）。通过粮食和肉类贸易，南方地区避免了约4851例（95%置信区间：3444–5870例）PM2.5导致的早亡病例，特别是在广东和江苏两省，分别避免了601例和494例早亡。然而，在北方的新疆、内蒙古和吉林，由于PM2.5污染增加，早亡人数分别增加了1.2%、0.7%和0.6%。
整体而言，粮食和肉类的省际贸易在降低南方人口密集地区的PM2.5污染和健康风险方面起到了积极作用，但同时也加剧了北方农业生产地区的污染和健康负担。这种南北方之间的环境负担转移，凸显了制定更均衡的农业和环境政策的必要性。
研究表明，粮食和肉类的省际贸易虽然在南方降低了PM2.5污染，但在北方则加剧了空气污染和健康负担。为了平衡空气质量与粮食供应的需求，未来需要在政策上更加关注农业生产与贸易模式对环境和健康的综合影响，特别是要在保证粮食安全的同时，减少农业相关的氨排放。
图1.2017 年中国农业源 NH3 排放量。（a）各省农作物和牲畜 NH3 排放量总量，（b）各类农作物产品 NH3 排放量贡献，（c）各类牲畜产品 NH3 排放量贡献。径向堆叠块的颜色深浅表示省外环内各类别 NH3 排放量水平。
图2.2017年中国省际粮食贸易流量。（a）中国各省份按类别划分的粮食净进口量（负值）和出口量（正值）；（b）省际粮食贸易流量；（c）与图2a相同，但为肉类。虚线左侧和右侧的省份分别表示净进口国和出口国；（d）与图2b相同，但为省际肉类贸易流量。在图2（b，d）中，弧的长度表示该省的产品贸易量（进口+出口）。两条弧之间的缎带表示出口省和进口省之间的产品流量，每条缎带的颜色与标记的出口省相对应。缎带的宽度表示产品流量。
图3.GMT驱动下的各省区间NH3虚拟排放流。（a）总农产品（粮食+肉类），（b）仅粮食，（c）仅肉类。箭头表示净虚拟NH3排放流。箭头的粗细表示GMT体现的NH3虚拟排放量。蓝色块表示通过进口产生的净虚拟NH3排放量，红色块表示通过出口产生的净虚拟NH3排放量。灰线为中国南北分界线。
图4. WRF-Chem 在 TRADE 和 NO_TRADE 情景模拟下对 2017 年中国年平均 PM2.5 浓度进行建模。（a）TRADE情景下的PM2.5浓度；（b）NO_TRADE情景下的 PM2.5 浓度；（c）TRADE和 NO_TRADE情景之间的 PM2.5 浓度差异，定义为 ΔC = (CTRADE − CNO_TRADE)，其中 CTRADE 和 CNO_TRADE 分别为 TRADE和 NO_TRADE情景下的 PM2.5 浓度；（d）TRADE情景下 PM2.5 浓度与 NO_TRADE 情景下相比的比例，由 [ΔC/CTRADE] × 100% 估算。
图5.与农业贸易相关的环境 PM2.5 导致的过早死亡。(a) TRADE 情景和 (b) NO_TRADE 情景下 PM2.5 造成的过早死亡；(c) TRADE 情景和 NO_TRADE 情景下过早死亡的差异；(d) TRADE 情景下过早死亡的比例与 NO_TRADE 情景下相比，估算为 [( 𝑀𝑇𝑅𝐴𝐷𝐸 − 𝑀𝑁𝑜_𝑇𝑅𝐴𝐷𝐸)/𝑀𝑇𝑅𝐴𝐷𝐸] × 100%。
