Mitigating Greenhouse Gas Emissions from Rice Production in the Philippines: A System Dynamics Approach

方法

系统动力学建模，对比AWD+生物炭、尿素深施、机械化与传统灌溉四情景。

发现

AWD+生物炭减排25%、增产6.81%最优；尿素深施次之；机械化效果甚微。

机会点

可将该系统动力学框架与田间物联网实测数据耦合，提升减排情景的区域校准与不确定性评估。

农业生产过程中的温室气体（GHG）排放，尤其是稻田产生的甲烷（CH₄）和氧化亚氮（N₂O）排放以及化肥的过量使用，对全球变暖有显著贡献。本文构建了一个系统动力学（SD）模型，用于在四种不同情景下预测菲律宾2026年至2040年共十四年时间跨度内的农业温室气体排放和水稻产量。这四种情景分别为：a）农民目前采用的常规灌溉方式；b）在淹水水稻种植期间形成的泥面采用干湿交替（AWD）灌溉，并结合生物炭改良（AWD与生物炭）；c）尿素深施（UDP），即对含氮肥料进行精准施放；d）畜力耕作的机械化（机械化）。该模型以农业排放的独立基准进行了验证，平均绝对百分比误差（MAPE）在0.96%至1.52%之间。不同情景所得结果表明，与基线相比，在整个十四年期间，情景2（AWD与生物炭）实现了最大的平均减排幅度25%（范围：23%–27%）和最高的平均水稻增产幅度6.81%（范围：5%–8%）。情景3（UDP）的平均减排幅度为4.5%（范围：4%–5%），平均水稻增产幅度为5.42%（范围：4%–6%）。第四种情景即畜力耕作机械化，其平均减排幅度仅为0.2%（范围：0.2%–0.3%），平均水稻增产幅度为0.04%（范围：0%–0.1%）。本文报告的排放和产量百分比变化为整个十四年期间的平均值，系通过将四种情景中各年度与基线情景对应年度进行比较后按年度计算得出。结果表明，AWD结合生物炭以及UDP这两种方法，无论单独使用还是组合使用，均是该国近期发展气候智慧型农业或气候智慧型水稻生产最为可行的选项，且符合该国在《巴黎协定》下的国家自主贡献（NDCs）。