缩小花生产量差距是中国提升食用油安全的一个潜在选择

《Food and Energy Security》：Peanut Yield Gap Closure Is a Potential Option to Improve Edible Oil Security in China

　　中国食用油自给率29%，大豆自给率仅15%，而花生自给率高但产量潜力未充分挖掘。通过作物模型与GIS技术评估花生区域产量差距，发现全国花生潜在增产空间达71%，其中华北平原和长江流域贡献43%和31%。若在2032年前实现增产，可提升食用油自给率11个百分点，减少大豆进口24%。优先省份包括山东、四川和江苏，需针对性突破产量限制因素，推动可持续花生种植策略。

　　中国作为全球最大的食用油消费和进口国，其自给率（SSR）仅为29%。这一数据主要受到大豆自给率偏低（仅15%）以及大量依赖进口的影响。相比之下，花生作为中国主要的油料作物之一，自20世纪60年代以来一直保持自给状态，且具备提升国家食用油安全的潜力。然而，目前尚不清楚花生产量提升的具体潜力。为此，本研究采用全球产量差距图集（GYGA）的方法论，结合区域特定的气象、土壤和管理数据，利用一个经过良好校准的作物模型，从“自下而上”的角度对花生的产量差距进行评估。研究还进一步分析了不同未来情景下食用油的自给率，并通过累积频率分布分类方法，识别出相对于大豆而言，花生种植优先的省份。结果显示，中国花生的相对产量差距（Yg）仍然较大，达到53%；如果能够缩小这一差距，全国花生产量有望提升71%，其中华北平原和长江流域两个地区对全国产量提升的贡献分别占43%和31%。预计在未来十年（2032年），通过花生产量差距的缩小，食用油的自给率将提高11个百分点，相当于减少当前大豆进口量的24%。此外，研究还识别出相对于大豆，花生产量提升潜力较大且稳定性较高的省份，如山东、四川和江苏，这些地区有望使食用油的自给率再提升3个百分点。同时，研究还探讨了特定区域在提高花生产量过程中可能受到的限制因素以及可行的提升策略，以实现更可持续的产量增长。

为了应对全球食用油供需的不确定性，如贸易战争、极端天气和公共卫生事件（例如新冠疫情）对全球供应的影响，中国需要保持合理的食用油自给率。花生与大豆作为中国最主要的两种油料作物，分别贡献了全国油料作物产量的34%和33%。尽管花生的自给率高达97%，而大豆自给率仅为15%，但中国每年进口的大豆量达到9643万吨，占全球大豆贸易的61%。这一比例在未来的全球市场波动中可能会进一步受到影响。因此，提升花生产量不仅有助于缓解对大豆的依赖，还能有效增强中国食用油的安全性。

在中国，花生种植主要分布在四个地区：东北地区（NEC）、华北平原（NCP）、长江流域（YRV）和华南地区（SEC）。这四个地区共同占据了全国花生播种面积的92%和产量的94%。其中，华北平原是最大的花生产区，占全国总产量的55%，而长江流域则是第二大的产区，占19%。历史上，这四个地区的产量总体呈上升趋势，但近年来，尤其是华北平原的产量增长速度有所放缓。这种放缓可能与加入世贸组织后大豆进口带来的种植利润下降有关。此外，长江流域的播种面积曾在1980年至2003年间迅速增长，但随后因利润下降而经历了数年的减少，之后又趋于稳定。相比之下，华南地区的播种面积自1980年以来保持相对稳定，而东北地区的播种面积则稳步增长，这可能是由于政府政策推动下，将部分玉米种植结构调整为花生种植所致。

本研究基于全球产量差距图集（GYGA）的“自下而上”方法，结合作物模型和高产试验数据，利用每日气象数据、土壤数据和农户产量统计信息，对花生的产量差距进行评估。具体来说，研究分为三个主要部分：第一，估算中国不同区域（包括参考气象站、气候区、省级、区域和国家级）的花生产量差距，并识别出具有较大产量提升潜力的地区；第二，评估未来不同情景下的食用油自给率，并探索可行的花生产量提升策略；第三，识别出相对于大豆具有更高优先级的花生种植省份，以支持可持续发展和进一步提高食用油供应。

在数据来源方面，本研究采用了多种高质量数据。首先，来自中国气象局（CMA）的863个参考气象站（RWS）的每日气象数据，包括最高温度、最低温度和降水量，覆盖了2010年至2019年的完整周期。由于缺乏辐射数据，研究团队从NASA POWER数据访问查看器中提取了相关数据。有研究表明，结合地面气象数据和NASA POWER辐射数据的模拟结果，与仅基于记录气象数据的模拟结果在广泛区域内具有高度一致性。因此，在本研究中，气象数据经过了质量控制，剔除了异常值，并根据GYGA协议补充了缺失数据。

其次，研究使用了全球高分辨率土壤剖面数据库（Global High-Resolution Soil Profile Database）提供的网格化土壤数据，包括土壤密度、有机碳含量、黏土和粉砂比例、pH值以及阳离子交换容量等指标。这些数据广泛用于作物模型的模拟，有助于更准确地评估花生的产量潜力。此外，花生播种面积的数据来源于2010版空间生产分配模型（SPAM 2010 v2.0），该模型通过交叉熵方法估算作物在不同单元中的分布，已被广泛应用于全球作物面积和产量的估算。

农户产量数据（Ya）则来源于国家统计局和各省统计局，时间跨度为2013年至2018年。高产试验数据是研究的重要基础，这些数据来源于在四个主要花生产区的本地高校或研究机构，其中作物在最优管理条件下进行种植，能够用于校准作物模型的物候和生长相关参数，从而模拟出特定区域的产量潜力。这些高产试验数据为本研究提供了关键的参考，有助于更精准地评估花生的产量差距。

在确定参考气象站（RWS）时，遵循了GYGA的协议，将中国划分为136个气候区（CZ），依据三个变量：积温（10类）、温度季节性（3类）和干旱指数（10类）。首先，筛选出播种面积占全国花生播种面积超过1%的气候区，并按照播种面积从高到低排序，直到这些气候区覆盖了全国花生播种面积的80%。接着，在每个气候区内，以气象站为中心，划定一个半径为100公里的缓冲区，并通过气候区边界进行裁剪，确保每个缓冲区仅归属一个气候区。然后，计算每个缓冲区内的花生播种面积，并按照面积大小排序，选择缓冲区直到总缓冲区面积达到全国花生播种面积的50%。如果同一气候区内两个参考气象站之间的距离小于180公里，则面积较小的缓冲区被排除。最终，研究确定了40个参考气象站，分布在19个气候区，覆盖了全国花生播种面积的51%和产量的86%，为本研究提供了广泛的地理代表性。

在参考气象站层面的产量潜力（Yp）和水分限制产量（Yw）模拟过程中，研究团队采用了一个经过校准的作物模型，结合了高产试验数据和详细的气象、土壤及管理信息。通过这一模型，研究人员能够模拟出不同区域在最优条件下的产量潜力，并评估在水分限制条件下的产量上限。这一过程为后续分析提供了基础数据，有助于更全面地了解花生的产量差距和提升潜力。

本研究的核心目标是识别出中国花生产量提升的潜力地区，并为未来食用油自给率的提升提供可行的策略。通过分析不同未来情景下的产量潜力和自给率变化，研究人员能够评估在不同政策和环境条件下，花生产量可能达到的水平。同时，通过比较不同省份的花生与大豆产量潜力，研究还为政策制定者提供了优先种植花生的建议，以优化食用油供应结构并减少对进口的依赖。

花生的产量提升潜力不仅与农业技术的改进有关，还受到气候变化、水资源管理、土壤肥力以及种植制度调整等多方面因素的影响。因此，本研究不仅关注产量差距的量化分析，还深入探讨了在不同区域中，如何通过改进种植管理、优化灌溉系统、提高土壤肥力以及推广高产品种等措施，实现花生产量的可持续增长。这些策略的实施，有助于缓解中国对大豆进口的依赖，提升食用油的自给能力，并减少对全球市场的波动风险。

此外，研究还强调了花生在健康和营养方面的优势。花生油富含不饱和脂肪酸（如油酸），有助于降低胆固醇并预防心血管疾病，因此更受消费者青睐。随着中国经济的快速发展，高品质花生油在总食用油消费中的比例不断上升。这种趋势表明，花生油有望在未来成为大豆油的重要替代品，从而进一步提升中国食用油的安全性。

通过本研究的分析，研究人员能够更清晰地了解中国花生产量的现状和潜力，并为未来农业政策和产业规划提供科学依据。同时，研究还揭示了不同区域在提升花生产量过程中可能遇到的挑战，以及相应的解决策略。这些发现不仅有助于提高中国食用油的自给率，还能为全球范围内其他主要油料作物的产量提升研究提供参考。

总的来说，本研究通过系统的产量差距分析和未来情景评估，为花生的产量提升和食用油自给率的优化提供了重要支持。研究不仅识别了具有较大产量提升潜力的区域和省份，还提出了可行的农业技术改进和政策调整建议。这些结果对于中国农业的可持续发展和全球食用油供应链的稳定性具有重要意义。