标题：
Global Greenhouse Gas Emissions From Agriculture: Pathways to Sustainable Reductions
期刊：
Global Change Biology
作者：
Lidong Li，et al
DOI:
https://doi.org/10.1111/gcb.70015
引用：
Li, L., Awada, T., Shi, Y., Jin, V.L. and Kaiser, M. (2025), Global Greenhouse Gas Emissions From Agriculture: Pathways to Sustainable Reductions. Glob Change Biol, 31: e70015.
1. 引言
农业是全球温室气体（GHG）排放的重要来源之一，同时也有潜力成为碳汇。全球农业活动通过森林转换、畜牧业、化肥施用、作物残留和灌溉等途径对GHG排放产生显著影响。然而，尽管农业活动和生产力持续增加，自1990年至2021年全球农业GHG排放却从11.5 GtCO2eq下降至10.89 GtCO2eq。本文利用FAO（联合国粮农组织）的32年历史数据，结合结构方程模型（SEM）分析农业活动对GHG排放的因果关系，并通过深度学习模型预测2022年至2050年的农业GHG排放情景，为实现可持续减排路径提供决策支持。
2. 主要结果
历史趋势
从1990年至2021年，全球农业GHG排放显著下降，主要原因是森林净损失减少（CO2排放降低），尽管甲烷（CH4）和氧化亚氮（N2O）排放增加。
森林净损失对GHG排放的影响最大，其次是畜牧业、化肥施用、作物残留和灌溉。
未来情景
在情景1中，农业GHG排放预计到2050年增加至11.82 GtCO2eq；
在情景2中，若森林净损失减少速率加倍，2050年的GHG排放将保持在10.79 GtCO2eq，与2021年水平接近；
在情景3中，若森林净损失减少速率增至三倍，2050年的GHG排放将下降至9.85 GtCO2eq。
3. 讨论
森林净损失的关键作用
森林的减少是农业CO2排放的主要驱动因素。尽管全球再造林努力部分抵消了森林净损失的影响，但加快减少森林净损失仍是控制农业GHG排放的最有效手段。
畜牧业与肥料的挑战
畜牧业是CH4的主要来源，而化肥使用和作物残留导致的N2O排放则继续增长。优化饲料、使用甲烷抑制剂、改进肥料施用方式等技术可以有效缓解这些排放。
气候智能型农业
整合自然和技术措施（如强化养分管理、减少过量灌溉）可在维持生产力的同时降低GHG排放。
案例研究表明，如印度的稻米集约化系统（SRI）和巴西的改良牛饲料策略，可显著减少CH4排放并提高农业效率。
局限性与未来研究
数据聚合可能忽略局部差异，未来需进一步提高模型的空间分辨率。
提议更多情景模拟以应对政策、技术和经济变化，结合实地实验验证模型预测。
4. 方法
数据整合
数据来源于FAO 1990-2021年的全球农业活动和GHG排放数据，包括森林净损失、畜牧业生产、无机氮肥使用、作物残留及灌溉面积等变量。
统计分析
采用结构方程模型（SEM）量化农业活动对GHG排放的直接和间接影响，利用模型评估因果关系及变量的相对贡献。
未来预测
使用基于长短时记忆（LSTM）的递归神经网络（RNN）深度学习模型，结合FAO数据的历史趋势，预测三种情景下的未来GHG排放：
情景1：农业活动按历史速率变化；
情景2：森林净损失的减少速率加倍；
情景3：森林净损失的减少速率增至三倍。
5.重要图表
图1. 1990年至2021年全球农业温室气体排放和农业活动
图2. 通过结构方程建模测试的1990年至2021年农业活动对全球农业温室气体排放的影响
图3. 1990年至2021年全球农业排放的二氧化碳、氧化亚氮和甲烷
6. 结论
本文的研究为实现全球农业减排目标提供了创新视角和决策支持，同时强调了森林保护和气候智能型农业的综合作用。
数据与代码可用性
1990-2021 年期间的历史数据来自粮农组织（2024 年）。数据获取时间为 2024 年 9 月。数据按年份和国家提供，覆盖全球。
Abstract
Agriculture serves as both a source and a sink of global greenhouse gases (GHGs), with agricultural intensification continuing to contribute to GHG emissions. Climate-smart agriculture, encompassing both nature- and technology-based actions, offers promising solutions to mitigate GHG emissions. We synthesized global data, between 1990 and 2021, from the Food and Agriculture Organization (FAO) of the United Nations to analyze the impacts of agricultural activities on global GHG emissions from agricultural land, using structural equation modeling. We then obtained predictive estimates of agricultural GHG emissions for the future period of 2022–2050 using deep-learning models. The FAO data show that, from 1990 to 2021, global livestock numbers, inorganic nitrogen (N) fertilizer use, crop residue, and irrigation area increased by 27%, 47%, 49%, and 37%, respectively. The increased livestock numbers contributed to the increases in CH4 and N2O emissions, while inorganic N fertilizer, crop residue, and irrigation mainly contributed to the increases in N2O emissions. Emissions of CO2 decreased because of a 29% reduction in net forest loss. As a result of the reduced deforestation emissions, the overall agricultural GHG emissions declined from 11.50 to 10.89 GtCO2eq from 1990 to 2021 despite the increases in livestock numbers, inorganic N fertilizer, crop residue, and irrigation. Looking ahead, our model predicts that if current agricultural trends persist, GHG emissions will rise to 11.82 ± 0.07 GtCO2eq in 2050. However, maintaining agricultural GHG emissions at the 2021 level through 2050 is possible if the rate of reduction in net forest loss is doubled. Furthermore, if the rate is tripled, agricultural GHG emissions can be limited to 9.85 ± 0.07 GtCO2eq in 2050. Our findings suggest that reductions in agricultural GHG emissions, alongside sustainable agricultural intensification and climate-smart agricultural practices, can be achieved through parallel efforts emphasizing accelerated forest conservation.
相关信息
论文第一作者和通讯作者均为美国内布拉斯加林肯大学博士后研究助理员Lidong Li。
作者感谢 Christopher Misar 就农业管理提出的见解。感谢 Francesco Tubiello 提供的评论和编辑意见。感谢粮农组织提供的公开数据库（FAO 2024）。本研究利用内布拉斯加大学荷兰计算中心完成，该中心得到了 UNL 研究与经济发展办公室、内布拉斯加研究计划和农业研究部门的支持。本研究得到了美国农业部（USDA）长期农业生态系统研究（LTAR）网络和美国农业部数据创新伙伴关系（PDI）的支持。
————————————————————————————————
注：以上内容仅代表个人阅读与理解，详情请见原文。若有不当之处，敬请谅解，欢迎批评指正。欢迎转载、转发本公众号发布的内容（请注明来源并添加公众号名片）。攀峰凌崇，和而不同。学习双碳知识，关注最新前沿方向，认准双碳NetZero。欢迎点赞收藏，点个关注不迷路。
——END——
P.S. 构建了一个双碳NetZero的交流群，用于双碳领域、生态领域的学术交流，数据分享等，可以添加下方为朋友加入（备注单位+姓名）。
供稿|William
审核|William
