基于碳水足迹的中国东北黑土区主要作物种植结构优化及效益评估

《Agricultural Water Management》：Optimization of cropping structure of staple crops and benefit evaluation based on carbon-water footprint in the black soil region of Northeast China

　　中国东北黑土区通过NSGA-III遗传算法与熵权-TOPSIS模型优化农作物结构，在保障粮食安全的前提下减少农业碳排放和水足迹。研究显示水稻碳足迹最高（1.09 kgCO?eq/kg），主要来自稻田甲烷排放（24.72%）；大豆水足迹最大（1.16-3.61 m3/kg），因产量较低。优化后中央区域种植面积增加12.96万公顷，北部减少119.33万公顷，总经济效益提升11.01亿元，碳足迹减少0.15万吨。结果表明结构调整可协同提升经济、社会与生态效益，为气候变化下的农业可持续发展提供决策依据。

　　在当今全球面临气候变化和人口增长的双重压力下，生态危机日益加剧，如何实现农业的可持续发展成为保障粮食安全的关键议题。东北黑土区作为中国最重要的粮食生产基地之一，其农业活动对国家整体的粮食供应具有重要影响。然而，随着农业规模的扩大和产量的提升，也带来了诸如碳排放、水资源消耗等环境问题。因此，通过优化种植结构，实现经济效益、社会效益与生态效益之间的平衡，成为应对这些挑战的重要手段。传统的多目标优化模型和评估方法往往因为模型本身的非线性特征和高维性而产生多个优化方案，或者由于输入指标之间的自相关性，难以得出足够优化的结果。为了解决这些问题，本研究首次将NSGA-III遗传优化算法与熵权-TOPSIS方法相结合，对东北黑土区的种植结构进行优化，并在市级尺度上筛选出最优的种植方案，为可持续农业发展提供科学决策依据。

在东北黑土区，水稻、大豆和玉米是主要的作物，它们的碳足迹和水足迹差异显著。根据研究结果，水稻的碳足迹最高，其次是大豆和玉米。其中，稻田的甲烷排放、秸秆焚烧以及氮肥施用是碳排放的主要来源，分别占总碳排放的24.72%、23.30%和17.41%。同时，大豆的水足迹最高，其次是玉米和水稻，其中绿色水（即自然降水）在总水足迹中占据主导地位。优化后的结果显示，研究区域中央部分的耕作面积将增加至少12.96万公顷，而北部部分的耕作面积则减少119.33万公顷。具体而言，玉米和水稻的种植面积将分别减少约11.87万公顷和6.37万公顷，而大豆的种植面积则增加约8.84千公顷。这一变化不仅有助于减少碳和水的足迹，还能在一定程度上改善生态环境，提升农业的可持续性。

为了进一步评估优化后的种植结构，本研究构建了一个多目标优化模型，将经济效益、社会效益和生态效益作为主要评估指标。经济目标是最大化种植作物的总收益，这涉及到每种作物的销售价格、种植成本和产量的综合计算。社会效益则主要关注粮食产量，确保能够满足区域内的基本需求。生态效益方面，研究则重点考虑农业投入品的使用情况，包括化肥、农药和农膜等，以及碳和水足迹的最小化。此外，为了更准确地评估优化结果，研究还引入了熵权-TOPSIS方法，该方法通过熵权法确定各指标的权重，再结合TOPSIS方法计算各方案与理想方案的相对接近度，从而选出最优的种植结构方案。这种方法能够减少人为主观判断对评估结果的影响，提高评估的客观性和科学性。

在东北黑土区，农业的可持续发展不仅依赖于合理的种植结构，还与区域内的气候条件、水资源分布以及农业技术的推广密切相关。东北黑土区的气候特征表现为冬季漫长寒冷，夏季高温多雨，这种气候条件对农业生产的稳定性提出了较高要求。此外，由于不同区域的气候差异，水资源的供需关系也有所不同，这使得种植结构的优化需要因地制宜。在种植面积的调整过程中，需要综合考虑区域内的耕地资源、社会需求以及环境承载能力，确保优化后的种植结构既能提高产量，又能减少对环境的负担。

研究发现，优化后的种植结构在经济效益方面表现突出，总收益增加了5.34%，达到2173.2亿元。同时，粮食总产量也有所提高，增加了约1.40%。农业投入品的使用量则有所下降，总投入减少了约2.05%。碳足迹和水足迹的变化也值得关注，碳足迹整体下降了0.16%，而水足迹则减少了0.74%。这种变化表明，通过优化种植结构，可以在一定程度上实现环境与经济的双赢。此外，研究还发现，大豆的种植面积虽然有所增加，但其碳足迹也略有上升，这可能与其较高的单位产量相关。因此，在未来的研究中，还需要进一步探讨如何在提高产量的同时，降低单位面积的碳足迹。

值得注意的是，本研究在方法上进行了一些创新。传统的多目标优化模型往往难以有效处理高维和非线性问题，而NSGA-III算法则在这一方面表现出更强的适应性。该算法通过引入参考点选择机制，能够在保持种群多样性的同时，更高效地收敛到帕累托前沿，从而获得更优的解决方案。同时，将熵权法与TOPSIS方法结合，可以更准确地反映各指标之间的相关性，减少人为权重设定带来的偏差。这一方法的应用，为多目标优化问题提供了一个更为科学和系统的评估框架，使得决策过程更加透明和可操作。

此外，研究还发现，东北黑土区的农业活动对环境的影响主要来自于农业投入品的使用以及种植方式的不合理。例如，秸秆焚烧、氮肥施用和稻田甲烷排放是碳排放的主要来源，而水资源的使用则主要受到降水条件和种植需求的影响。通过调整种植结构，可以有效减少这些影响，例如减少水稻和玉米的种植面积，增加大豆的种植面积，从而降低农业的碳和水足迹。同时，这种调整也有助于改善土壤质量，减少对地下水和地表水的污染，促进农业生态系统的可持续发展。

在研究的局限性方面，本研究主要关注了水稻、玉米和大豆这三种主要作物，而忽略了其他作物，如经济作物和蔬菜等。此外，由于数据的静态性，研究未能充分考虑气候变化和年际气候波动对农业活动的影响。因此，在未来的研究中，需要进一步扩展研究范围，纳入更多类型的作物，并考虑动态气候数据的影响，以提高优化模型的适用性和科学性。

总体而言，本研究为东北黑土区的种植结构优化提供了一个系统性的解决方案，通过结合NSGA-III算法和熵权-TOPSIS方法，不仅能够有效筛选出最优的种植方案，还能在多目标优化的基础上，实现经济效益、社会效益和生态效益的综合平衡。研究结果表明，优化后的种植结构有助于提高粮食产量，减少农业投入品的使用，降低碳和水足迹，从而为实现可持续农业发展提供了理论依据和实践指导。同时，本研究也为其他类似地区提供了参考，有助于推动全球范围内的气候智能型农业发展。