Reducing Uncertainty in Cradle‐to‐Farmgate Carbon Intensity for Feedstock Using Model‐Data Fusion

摘要 生物燃料碳强度（CI）量化了生物燃料供应链中的温室气体（GHG）排放，为可再生燃料政策提供了透明的衡量指标，并使基于市场的机制能够减少温室气体排放。本研究聚焦于生物燃料碳强度中从摇篮到农场门的原料生产环节，即从摇篮到农场门阶段归属于原料生产且直接受农业管理决策影响的部分。我们通过将过程模型（ecosys）与生命周期评价（LCA）工具（GREET R&D FD-CIC）相结合，量化了玉米和大豆原料的田块尺度从摇篮到农场门碳强度。我们首先在一个“超级站点”——位于伊利诺伊州的一个具有全面温室气体测量数据的代表性农场——采用蒙特卡洛采样框架，在合理范围内变化土壤属性、管理措施和植物性状参数，以量化各来源对碳强度不确定性的贡献。未知植物性状参数是两种作物碳强度不确定性的最大来源，肥料信息对玉米同样重要，因为这些投入会影响产量、N₂O排放和土壤有机碳（SOC）储量。我们揭示了同一县内从摇篮到农场门碳强度存在广泛的田块尺度变异性，表明有必要进行田块尺度评估。这种变异性与大豆的土壤有机碳变化关联最强（总效应指数为38%），与玉米的N₂O排放关联最强（43%）。尽管固有不确定性不可避免，我们证明了一种模型-数据融合（MDF）方法可以大幅降低从摇篮到农场门碳强度不确定性，该方法整合了包括原位通量测量和卫星遥感在内的观测数据，以已知过程约束模型参数。具体而言，我们利用作物光合作用和产量数据校准植物性状参数，并将耕作和覆盖作物信息作为模型输入，实现了41%–52%的碳强度不确定性降低。本研究建立了一个由过程模型、生命周期评价工具、模型-数据融合和卫星数据组成的碳强度量化框架，能够实现跨区域可扩展、成本效益高的田块尺度从摇篮到农场门碳强度量化。