-
根据联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)的报告,2019年全球农业、林业和其他土地利用贡献的温室气体排放量占总排放量的22%,为第三大碳源[1]。同时,农业又是一个巨大的碳汇系统,是固碳增汇的重要领域[2]。因此发展低碳农业,充分运用和提升农业固碳功能,是减排的关键途径和重要突破口,对缓解全球气候变化至关重要[3−4]。
2020年9月,中国在第75届联合国大会一般性辩论上宣布,中国二氧化碳(CO2)排放量力争于2030年前达到峰值,努力争取2060年前实现碳中和。现阶段中国农业二氧化碳排放量占当量排放总量的5%以上[5],各地区农业生产仍然面临同质化严重、碳排放偏高及绿色程度不足等问题,难以满足国内外市场对低碳环保、高品质农产品日益增长的需求[6]。同时,国际绿色贸易壁垒愈演愈烈,出口产品很可能将面临被征收“碳关税”进而推高成本,长远来看,势必会削弱中国农产品出口的竞争力和议价权。
因此,发展低碳农业迫在眉睫。这不仅需要加快农业低碳技术的研发与普及应用,还需要推进农产品碳足迹、碳标识的实施。碳足迹的概念基于生态足迹[4,7]。根据ISO 14067—2018《温室气体-产品碳足迹-量化要求及指南》,产品碳足迹是基于生命周期法(life cycle assessment,LCA)评估得到的一个产品体系中对温室气体排放和清除的总和,以二氧化碳当量表示[8]。全生命周期包括原材料获取和预处理、生产、分销和储存、使用、废弃与回收等阶段。碳标识是一种环境标志,由碳足迹衍化而来,以标签的形式展现产品全生命周期温室气体排放量[9−10],目的是传达产品对温室效应产生的影响,以提升环保意识,引导低碳选择和消费[11],通常以单位产品质量的二氧化碳当量表示。加强农产品碳足迹研究和管理,建立和实施农产品碳标识制度,对于缓解全球变暖、促进可持续发展、实现碳达峰和碳中和(“双碳”)目标可起到关键作用[2]。一是明晰农产品全生命周期各环节的碳排放,精准减碳;二是可促进农业收入模式创新,为乡村绿色振兴注入新活力与思路;三是积累本地化排放因子数据,提高碳排放核算结果的精准性和国际认可度,从而提升国际市场竞争力。
本研究梳理了农产品碳足迹、碳标识的实施探索,着重分析了农产品碳标识实施困境,并讨论了农产品碳标识应用推广的主要路径,以期为该领域的相关研究和工作提供有益参考。
-
按照生命周期评估方法,农产品碳足迹包括农资等投入品的生产、运输,农产品生产、加工,农产品分销存储运输,农产品使用和废弃等全生命周期排放的温室气体(图1) [4, 19]。
尽管目前国际上有较权威的ISO
14067 和PAS 2050标准,但它们并没有详细到特定行业如农业[11]。目前,国内也尚未出台足够权威的农产品碳足迹核算国家标准和行业标准等,难以统一核算边界和方法,从而导致国内不同学者核算的农产品碳足迹结果差异较大。为更好对比以往的研究,本研究以水稻为例,搜索了近年来国内已发表的核算碳足迹的研究文章,结果发现:目前大多数农产品核算,重点关注上游和生产环节的碳排放[19],主要包括农资生产和使用过程中所导致的间接温室气体排放,农田机械作业消耗的能源产生的间接温室气体排放,以及农产品种植过程中的直接温室气体排放[20],而覆盖全生命周期的核算较为少见[21]。因此,本研究选取其中核算间接排放和直接排放的文章共10余篇,梳理碳足迹核算结果如表1所示。可知:最小为1 495.7 kg·hm−2 [22],最大达13 894.4 kg·hm−2 [23],相差近10倍,造成差异的原因主要是核算边界、数据来源、地区、时间等不一致。由于直接排放受到生产方式以及秸秆处理的影响,目前很多研究采用了改良的种植模式如使用绿肥、“稻萍”共生等,且未考虑秸秆处理。为更好对比结果,表1尽量选择常规生产方式且不考虑秸秆处理。
表 1 水稻生产的碳足迹
Table 1. Carbon footprint for rice production
地区 时间 单位面积碳足迹
范围/(kg·hm−2)平均值/
(kg·hm−2)核算边界 数据来源 参考文献 浙江 2004—2014,2020 2 056.0~2 114.6 2 085.3 间接排放 统计数据 [22, 28] 安徽 2004—2014,2019,2020 2 056.0~3 397.6 2 485.1 间接排放 统计数据、调研 [22, 28−29] 福建 2004—2014,2019,2020 1 500.0~1 657.4 1 578.7 间接排放 统计数据、试验 [22, 28, 30] 2019 2 827.3~3 706.9 3 154.8 直接+间接排放 试验 广东 2018,2020 1 815.2~2 555.0 2 119.9 间接排放 统计数据、试验 [20, 22] 2018 11 921.0 11 921.0 直接+间接排放 试验 广西 2020 2 057.7 2 057.7 间接排放 统计数据 [22] 海南 2004—2014,2020 1 495.7~1 500.0 1 497.9 间接排放 统计数据 [22, 28] 湖北 2020,2021 1 623.2~2 445.7 1 994.7 间接排放 统计数据、试验 [22, 31] 2021 8 633.7~11 329.2 9 874.8 直接+间接排放 试验 湖南 2020,2023 1 675.3~2 415.9 1 955.2 间接排放 统计数据、调研 [22−24, 32] 2015,2017 8 464.4~13 894.4 10 503.1 直接+间接排放 调研 江苏 2018 1 838.0 1 838.0 间接排放 试验、调研 [20, 25] 2015,2018 5 414.0~5 777.0 5 595.5 直接+间接排放 江西 2018,2020,2023 2 246.0~2 415.9 2 305.4 间接排放 统计数据、调研 [20, 22, 24, 32] 2017,2018 8 464.4~10 406.2 9 295.8 直接+间接排放 调研 辽宁 2022 1 723.0~2 712.0 2 263.3 间接排放 调研 [33] 2022 7 128.0~10 527.0 9 256.3 直接+间接排放 如图2所示:直接排放的甲烷、氧化亚氮等温室气体远超过间接排放,其中甲烷的排放约占直接和间接总排放的66%[24−25]。同时,秸秆处理及碳固定部分的核算也鲜少被考虑[14, 20, 23]。然而有研究表明:秸秆焚烧排放比例对碳足迹的贡献平均高达18%[14]。同样,农业土壤有较强的碳封存能力,土壤碳库容量约为大气碳库的3倍,生物碳库的4倍,每年的碳库存可能抵消全球化石燃料排放量的5%~15%[26],因此固碳部分的贡献也不应被忽略[3, 27]。
-
准确核算农产品碳足迹需要对农产品进行全生命周期跟踪,并精确量化各个阶段的碳排放,对数据的完整性、准确性、可溯源都有很高的要求,这也是目前核算农产品碳足迹时面临的一大难题。国内目前核算农产品碳足迹主要有2种数据来源:一是《农产品成本收益资料汇编》等统计数据,二是调研、试验数据。前者虽然易于获得,但往往与个体的实际情况存在一定的差异,且无法反映生产方式和技术的绿色特征或先进水平[14]。由于农业生产者建立碳排放管理相关制度的难度太大,因此,难以通过调研、试验获取涉碳实景数据,准确性也不高。一方面是涉及上游供应链的碳排放数据难以溯源,运输过程的碳排放数据难以获取;另一方面是直接排放、秸秆处理、碳固定部分的碳足迹所需数据较复杂,难以核算,目前主要是通过气相色谱仪等仪器分析采集的气体样品测算直接排放[25, 28−29, 31],通过测算耕层土壤有机碳储量测算碳固定[20]等,但受到研究设备和条件的限制,监测精度和数据可靠性可能不足[28−29],难以大批量和大规模推广。
由于数据收集难度大,需使用背景数据库,包括上游供应链的碳排放数据、直接排放系数、土壤有机碳固定系数、秸秆焚烧排放系数等,但目前国内还缺少与实际生产行为相匹配的本地化数据库[14]。若参考以往研究或全国平均数据设置排放系数,由于气候、水文等地理条件,以及种植习惯、生产技术等方面的差异,排放系数的准确性和权威性都有待提升[34]。若采用国际上较为通用的Gabi、Ecoinvent等数据库,可能会导致碳足迹核算结果缺乏本地性且被高估[4]。有研究表明:使用Ecoinvent的排放因子核算水稻碳足迹,比使用中国产品全生命周期温室气体排放系数库(China Products Carbon Footprint Factors Database, CPCD)的排放因子,提高17.52%[35]。
农产品碳足迹核算是碳标识实施的基础,然而目前国内农产品碳足迹核算标准不健全、碳排放数据基础单薄,导致了农产品碳足迹核算结果的不完整和不一致,可比性也很低。这不仅会造成碳标识实施困境,还可能会进一步对农业低碳发展造成影响[26]。生产者方面,难以对照国内外先进水平,比较识别可能的降碳环节,从而进行针对性减碳;同时可能会因不同市场或客户的要求进行多次不同的碳足迹核算,不仅造成资源浪费,还会导致同一产品有不同的碳足迹,使消费者产生困惑;出口时结果也难以得到国际认可,从而不得不依赖国外相关机构以及对方设定的碳排放因子高限值,进一步增加碳关税负担。消费者方面,难以准确判断哪些产品更低碳,从而进行绿色低碳消费,影响了市场的公平竞争。认证机构方面,认证难度加大,结果的准确性、可靠性和公信力都难以保证,容易进一步造成市场混乱。政府方面,在制定相关激励机制并开展监管工作时,难以确保公平性,可能会错误引导资金等的资源流向。
Challenges and countermeasures in implementing carbon labeling for agricultural products
-
摘要: 实施农产品碳标识能够促进农业领域精准高效降碳,支持农业生态价值实现,创新农业收入模式,提升国内外市场竞争力。在中国,农产品碳标识的实施探索起步较晚,政府顶层指导不足,有必要加快实施进程。本研究着重分析了农产品碳标识在实施过程中存在的困境。一方面,农产品碳足迹核算能力薄弱,核算标准未健全,数据基础单薄,导致核算结果不完整和不一致,可比性也很低。另一方面,农产品碳标识实施驱动力不足,农业生产者认知、能力及动力有限,消费者的支付意愿不强,相关标准、制度未建立健全,导致核算和认证结果的可信度都有限,资金等要素保障也尚未落实。农产品碳标识应用推广的主要路径包括:①从加快制定核算标准,夯实数据基础,推动标准、数据、结果等的全方面国际互认等,提升碳足迹核算能力;②建立健全碳标识相关制度,包括认证制度及要素支持相关制度;③从开发绿色消费场景、提供技术支持等方面,加大碳标识推广力度。图2表1参45Abstract: The implementation of carbon labeling for agricultural products can promote precise and efficient carbon reduction in agricultural sector, support the realization of agricultural ecological value, innovate agricultural income models, and enhance domestic and international market competitiveness. China started late in this respect compared with foreign countries, with insufficient guidance from the top, and it was necessary to accelerate the implementation process. Difficulties existing in the implementation process of carbon labeling for agricultural products were analyzed. On the one hand, the carbon footprint accounting capacity for agricultural products was weak. Due to incomplete accounting standards and the weak data base, the accounting results were incomplete and inconsistent and comparability was low. On the other hand, there was insufficient driving force for the implementation of carbon labeling for agricultural products. Factors such as limited awareness, ability, and motivation of agricultural producers, weak willingness of consumers to pay, and lack of established standards and systems all contributed to limited credibility of accounting and certification results, and funding and other elements of security were not guaranteed. The main paths for promoting the application of carbon labeling for agricultural products were discussed, such as speeding up the development of accounting standards, consolidating the data base, promoting international mutual recognition of standards, data, and results, so as to enhance the capacity of carbon footprint accounting. Then, sound carbon labeling system should be established, including certification system and factor support system. Finally, the promotion of carbon labeling should be intensified by developing green consumption scenarios and providing technical support. [Ch, 2 fig. 1 tab. 45 ref.]
-
Key words:
- agricultural products /
- carbon peak /
- carbon neutrality /
- carbon footprint /
- carbon labeling
-
表 1 水稻生产的碳足迹
Table 1. Carbon footprint for rice production
地区 时间 单位面积碳足迹
范围/(kg·hm−2)平均值/
(kg·hm−2)核算边界 数据来源 参考文献 浙江 2004—2014,2020 2 056.0~2 114.6 2 085.3 间接排放 统计数据 [22, 28] 安徽 2004—2014,2019,2020 2 056.0~3 397.6 2 485.1 间接排放 统计数据、调研 [22, 28−29] 福建 2004—2014,2019,2020 1 500.0~1 657.4 1 578.7 间接排放 统计数据、试验 [22, 28, 30] 2019 2 827.3~3 706.9 3 154.8 直接+间接排放 试验 广东 2018,2020 1 815.2~2 555.0 2 119.9 间接排放 统计数据、试验 [20, 22] 2018 11 921.0 11 921.0 直接+间接排放 试验 广西 2020 2 057.7 2 057.7 间接排放 统计数据 [22] 海南 2004—2014,2020 1 495.7~1 500.0 1 497.9 间接排放 统计数据 [22, 28] 湖北 2020,2021 1 623.2~2 445.7 1 994.7 间接排放 统计数据、试验 [22, 31] 2021 8 633.7~11 329.2 9 874.8 直接+间接排放 试验 湖南 2020,2023 1 675.3~2 415.9 1 955.2 间接排放 统计数据、调研 [22−24, 32] 2015,2017 8 464.4~13 894.4 10 503.1 直接+间接排放 调研 江苏 2018 1 838.0 1 838.0 间接排放 试验、调研 [20, 25] 2015,2018 5 414.0~5 777.0 5 595.5 直接+间接排放 江西 2018,2020,2023 2 246.0~2 415.9 2 305.4 间接排放 统计数据、调研 [20, 22, 24, 32] 2017,2018 8 464.4~10 406.2 9 295.8 直接+间接排放 调研 辽宁 2022 1 723.0~2 712.0 2 263.3 间接排放 调研 [33] 2022 7 128.0~10 527.0 9 256.3 直接+间接排放 -
[1] IPCC, Emissions Trends and Drivers. In IPCC, 2022: Climate Change 2022: Mitigation of Climate Change [M]. Cambridge: Cambridge University Press, 2022: 238. [2] 高鸣, 张哲晰. 碳达峰、碳中和目标下我国农业绿色发展的定位和政策建议[J]. 华中农业大学学报(社会科学版), 2022(1): 24 − 31. GAO Ming, ZHANG Zhexi. Positioning and policy suggestions of China’s agricultural green development under the targets of carbon peaking and carbon neutrality[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2022(1): 24 − 31. [3] LAL R. Soil carbon sequestration impacts on global climate change and food security[J]. Science, 2004, 304(5677): 1623 − 1627. [4] 张明洁, 张京红, 李文韬, 等. 中国农作物碳足迹核算研究概述[J]. 中国农业资源与区划, 2023, 44(5): 148 − 154. ZHANG Mingjie, ZHANG Jinghong, LI Wentao, et al. Review on research of crop carbon footprint accounting in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2023, 44(5): 148 − 154. [5] 马海波, 朱强. 基于生命周期评价的我国稻米碳足迹核算[J]. 干旱区资源与环境, 2023, 37(6): 11 − 19. MA Haibo, ZHU Qiang. Accounting carbon footprint of rice in China based on life cycle evaluation[J]. Journal of Arid Land Resources and Environment, 2023, 37(6): 11 − 19. [6] 卢昱嘉, 陈秧分, 康永兴. 面向新发展格局的我国农业农村现代化探讨[J]. 农业现代化研究, 2022, 43(2): 211 − 220. LU Yujia, CHEN Yangfen, KANG Yongxing. Agricultural and rural modernization under the new development pattern in China[J]. Research of Agricultural Modernization, 2022, 43(2): 211 − 220. [7] WEIDEMA B P, THRANE M, CHRISTENSEN P, et al. Carbon footprint: a catalyst for life cycle assessment?[J]. Journal of Industrial Ecology, 2008, 12(1): 3 − 6. [8] International Organization for Standardization. Greenhouse Gases−Carbon Footprint of Products-Requirements and Guidelines for Quantification: ISO 14067−2018 [S]. Switzerland: ISO Copyright Office, 2018. [9] 孔德雷, 姜培坤. “双碳”背景下种植业减排增汇的途径与政策建议[J]. 浙江农林大学学报, 2023, 40(6): 1357 − 1365. KONG Delei, JIANG Peikun. Approaches and policy recommendations for reducing emissions and increasing carbon sinks in crop industry under the background of carbon peak and carbon neutrality[J]. Journal of Zhejiang A&F University, 2023, 40(6): 1357 − 1365. [10] 祝睿, 秦鹏. 中国碳标识内容规范化的原则与进路[J]. 中国人口·资源与环境, 2020, 30(2): 60 − 69. ZHU Rui, QIN Peng. Principles and routines of the regulation of Chinese carbon label content[J]. China Population, Resources and Environment, 2020, 30(2): 60 − 69. [11] COHEN M A , VANDENBERGH M P. The potential role of carbon labeling in a green economy [J]. Energy Economics, 2012, 34 (1): 53 − 63. [12] WACKERNAGEL M, REES W. Our Ecological Footprint: Reducing Human Impact on the Earth [M]. Gabriola: New Society Publisher, 1996. [13] 胡钰, 丁斐, 赵斌, 等. 小标签与大战略: 农产品碳标签体系构建与实践[J]. 环境保护, 2022, 50(16): 22 − 27. HU Yu, DING Fei, ZHAO Bin, et al. Small label and big strategies: construction and practice of carbon labeling system for agricultural products[J]. Environmental Protection, 2022, 50(16): 22 − 27. [14] 张丹. 中国粮食作物碳足迹及减排对策分析[D]. 北京: 中国农业大学, 2017. ZHANG Dan. Carbon Footprint and Low Carbon Strategy for Grain Production in China [D]. Beijing: China Agricultural University, 2017. [15] OZLU E, ARRIAGA F J, BILEN S, et al. Carbon footprint management by agricultural practices [J/OL]. Biology, 2022, 11 (10): 1453[2024-04-29]. doi: 10.3390/biology11101453. [16] HOLKA M, KOWALSKA J, JAKUBOWSKA M. Reducing carbon footprint of agriculture: can organic farming help to mitigate climate change? [J/OL]. Agriculture, 2022, 12 (9): 1383[2024-04-29]. doi: 10.3390/agriculture12091383. [17] 张露, 郭晴. 碳标签对低碳农产品消费行为的影响机制——基于结构方程模型与中介效应分析的实证研究[J]. 系统工程, 2015, 33(11): 66 − 74. ZHANG Lu, GUO Qing. Impact mechanism of carbon labeling on low-carbon agri-product consumption behavior: an empirical research based on structural equation modeling and mediation test[J]. Systems Engineering, 2015, 33(11): 66 − 74. [18] 张雄智, 王岩, 魏辉煌, 等. 碳标签对中国农产品进出口贸易的影响及对策建议[J]. 中国人口·资源与环境, 2017, 27(11): 10 − 13. ZHANG Xiongzhi, WANG Yan, WEI Huihuang, et al. The impacts and countermeasures of carbon label on import and export trade of China’s agricultural products[J]. China Population, Resources and Environment, 2017, 27(11): 10 − 13. [19] 张丹, 张卫峰. 低碳农业与农作物碳足迹核算研究述评[J]. 资源科学, 2016, 38(7): 1395 − 1405. ZHANG Dan, ZHANG Weifeng. Low carbon agriculture and a review of calculation methods for crop production carbon footprint accounting[J]. Resources Science, 2016, 38(7): 1395 − 1405. [20] 张丽. 南方典型稻作系统绿肥和秸秆还田对温室气体排放特征和环境效应的影响[D]. 南京: 南京农业大学, 2018. ZHANG Li. Integrative Effects of Green Manure and Straw Incorporation on Greenhouse Gas Emissions and Environmental Performance under the Typical Rice Cropping Systems in Southern China [D]. Nanjing: Nanjing Agricultural University, 2018. [21] 朱强, 段继红, 钱煜昊, 等. 基于生命周期理论的有机米碳足迹分析——以金寨县高山有机米为例[J]. 干旱区资源与环境, 2019, 33(10): 41 − 46. ZHU Qiang, DUAN Jihong, QlAN Yuhao, et al. Carbon footprint of organic rice based on life cycle theory: case of mountain organic rice in Jinzhai County[J]. Journal of Arid Land Resources and Environment, 2019, 33(10): 41 − 46. [22] 何浩, 伍龙梅, 黄庆, 等. 南方双季稻区水稻不同种植模式碳足迹和经济效益比较研究[J]. 广东农业科学, 2021, 48(11): 8 − 17. HE Hao, WU Longmei, HUANG Qing, et al. Study on carbon footprints and economic benefits of different rice cropping patterns in double cropping rice area of southern China[J]. Guangdong Agricultural Sciences, 2021, 48(11): 8 − 17. [23] 许和水. 双季稻区“稻萍”共生系统固碳减排效应研究[D]. 北京: 中国农业大学, 2017. XU Heshui. Investigation on Soil Carbon Sequestration and Mitigation of Greenhouse Gas Emission by the Integrated Rice-Azolla Cropping System in Double Rice Cropped Region [D]. Beijing: China Agricultural University, 2017. [24] 陈中督, 徐春春, 纪龙, 等. 基于农户调查的长江中游地区双季稻生产碳足迹及其构成[J]. 中国水稻科学, 2018, 32(6): 601 − 609. CHEN Zhongdu, XU Chunchun, JI Long, et al. Carbon footprint analysis of double cropping rice production in the middle Yangtze River valley based on household surveys[J]. Chinese Journal of Rice Science, 2018, 32(6): 601 − 609. [25] 胡乃娟, 史航, 朱利群. 不同麦秸还田方式对周年稻麦轮作农田碳足迹的影响[J]. 长江流域资源与环境, 2018, 27(12): 2775 − 2783. HU Naijuan, SHI Hang, ZHU Liqun. Effects of different straw returning modes on carbon footprint in a rice-wheat rotation system[J]. Resources and Environment in the Yangtze Basin, 2018, 27(12): 2775 − 2783. [26] ADEWALE C, REGANOLD J P, HIGGINS S, et al. Improving carbon footprinting of agricultural systems: boundaries, tiers, and organic farming[J]. Environmental Impact Assessment Review, 2018, 71(7): 41 − 48. [27] CHEN Ru, ZHANG Ruoyan, HAN Hongyun, et al. Is farmers’ agricultural production a carbon sink or source?-Variable system boundary and household survey data [J/OL]. Journal of Cleaner Production, 2020, 266 : 122108[2024-04-29]. doi: 10.1016/j.jclepro.2020.122108. [28] 陈中督, 徐春春, 纪龙, 等. 2004—2014年南方稻区双季稻生产碳足迹动态及其构成[J]. 应用生态学报, 2018, 29(11): 3669 − 3676. CHEN Zhongdu, XU Chunchun, JI Long, et al. Dynamic of carbon footprint and its composition for double rice production in Southern China during 2004−2014[J]. Chinese Journal of Applied Ecology, 2018, 29(11): 3669 − 3676. [29] 王光宇, 朱丽君, 张扬. 安徽省沿江平原双季稻3种栽培体系碳足迹[J]. 江苏农业科学, 2021, 49(3): 91 − 95. WANG Guangyu, ZHU Lijun, ZHANG Yang. Carbon footprints of three cultivation systems for double-cropping rice in the Yangtze River Plain of Anhui Province[J]. Jiangsu Agricultural Sciences, 2021, 49(3): 91 − 95. [30] 林志敏, 李洲, 翁佩莹, 等. 再生稻田温室气体排放特征及碳足迹[J]. 应用生态学报, 2022, 33(5): 1340 − 1351. LIN Zhimin, LI Zhou, WEN Peiying, et al. Field greenhouse gas emission characteristics and carbon footprint of ratoon rice[J]. Chinese Journal of Applied Ecology, 2022, 33(5): 1340 − 1351. [31] 周浩之, 吴梦琴, 罗喜秀, 等. 不同再生稻栽培模式碳足迹与经济效益评估[J]. 华中农业大学学报, 2023, 42(2): 71 − 78. ZHOU Haozhi, WU Mengqin, LUO Xixiu, et al. Evaluating carbon footprint and economic benefit under different cultivation modes of ratooning rice[J]. Journal of Huazhong Agricultural University, 2023, 42(2): 71 − 78. [32] 陈中督, 徐春春, 纪龙, 等. 基于农户调查的长江流域双季稻生产碳、氮足迹分析——以江西和湖南为例[J]. 作物杂志, 2023(2): 229 − 237. CHEN Zhongdu, XU Chunchun, JI Long, et al. Carbon and nitrogen footprints of double rice production in Yangtze River Based on farm survey data: a case study of Jiangxi and Hunan[J]. Crops, 2023(2): 229 − 237. [33] 冯晨. 辽宁水稻生产的碳足迹及减施化肥的碳减排潜力[D]. 沈阳: 沈阳农业大学, 2022. FENG Chen. Carbon Footprint of Rice Production and Carbon Emission Reduction Potential of Chemical Fertilizer Reduction in Liaoning Province [D]. Shenyang: Shenyang Agricultural University, 2022. [34] KOUAZOUNDE J B, GBENOU J D, BABATOUNDE S, et al. Development of methane emission factors for enteric fermentation in cattle from Benin using IPCC Tier 2 methodology[J]. Animal, 2015, 9(3): 526 − 533. [35] 王兴来, 苗淑杰, 乔云发. 基于江苏省本地化参数评价稻麦周年轮作系统碳足迹[J]. 生态环境学报, 2023, 32(9): 1682 − 1691. WANG Xinglai, MIAO Shujie, QIAO Yunfa. Evaluating the carbon footprint of the rice-wheat rotation system based on localized parameters in Jiangsu Province[J]. Ecology and Environmental Sciences, 2023, 32(9): 1682 − 1691. [36] RONDONI A, GRASSO S. Consumers behaviour towards carbon footprint labels on food: a review of the literature and discussion of industry implications [J/OL]. Journal of Cleaner Production, 2021, 301 [2024-04-29]. doi: 10.1016/j.jclepro.2021.127031. [37] CANAVARI M, CODERONI S. Consumer stated preferences for dairy products with carbon footprint labels in Italy[J]. Agricultural and Food Economics, 2020, 8(1): 1 − 16. [38] EDENBRANDT A K, NORDSTROM J. The future of carbon labeling-Factors to consider[J]. Agricultural and Resource Economics Review, 2023, 52(1): 151 − 167. [39] 周卫央. 浙江省居民低碳标签农产品支付意愿研究[D]. 杭州: 浙江农林大学, 2023. ZHOU Weiyang. Research on the Willingness of Residents in Zhejiang Province to Pay for Low-carbon Label Agricultural Products: A Case Study of Rice [D]. Hangzhou: Zhejiang A&F University, 2023. [40] 张孝宇, 马莹, 马佳, 等. 大都市居民对低碳农产品的认知情况与支付意愿研究——基于上海市低碳蔬菜的实证[J]. 上海农业学报, 2019, 35(3): 116 − 122. ZHANG Xiaoyu, MA Ying, MA Jia, et al. Metropolitan resident’s cognition and willingness of payment for low-carbon agricultural products: empirical analysis on low-carbon vegetables in Shanghai[J]. Acta Agriculturae Shanghai, 2019, 35(3): 116 − 122. [41] ESCOBAR N, TIZADO E J, ERMGASSEN E K H J Z, et al. Spatially-explicit footprints of agricultural commodities: Mapping carbon emissions embodied in Brazil’s soy exports [J/OL]. Global Environmental Change, 2020, 62 : 102067[2024-04-29]. doi: 10.1016/j.gloenvcha.2020.102067. [42] GAO Tao, LIU Qing, WANG Jianping. A comparative study of carbon footprint and assessment standards[J]. International Journal of Low-Carbon Technologies, 2014, 9(3): 237 − 243. [43] 童庆蒙, 沈雪, 张露, 等. 基于生命周期评价法的碳足迹核算体系: 国际标准与实践[J]. 华中农业大学学报(社会科学版), 2018(1): 46 − 57, 158. TONG Qingmeng, SHEN Xue, ZHANG Lu, et al. Standard system of accounting footprint based on life cycle assessment method: international standards and practices[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2018(1): 46 − 57, 158. [44] XIE Yayan, SU Yang, LI Feng. The evolutionary game analysis of low carbon production behaviour of farmers, government and consumers in food safety source governance [J/OL]. International Journal of Environmental Research and Public Health, 2022, 19 (19): 12211[2024-04-29]. doi: 10.3390/ijerph191912211. [45] CARRERO I, VALOR C, ESTELA D, et al. Designed to be noticed: a reconceptualization of carbon food labels as warning labels [J/OL]. Sustainability, 2021, 13 (3): 1581[2024-04-29]. doi:10.3390/su13031581. -
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20240373