《Sustainable Production and Consumption》：Coupled water-energy?carbon footprints in intensifying agriculture: Mechanisms and spatial dynamics
编辑推荐：
农业集约化与水能碳足迹耦合关系研究基于随机森林模型和气候情景模拟，揭示中国主要粮食作物在1km网格尺度上的空间异质性特征，发现东南部高集约化与西北部干旱区形成显著空间分异，水资源约束导致协调度下降，提出优化能源利用和碳减排的可持续发展路径。
李海燕|徐耀文|于海超|周兆强|王路辰|李默
东北农业大学水利与土木工程学院，哈尔滨，黑龙江，150030，中国
摘要
农业集约化是提高粮食安全和资源利用效率的关键途径，但其对水资源、能源和碳排放的综合影响尚未得到充分理解。在气候变化加速和水资源日益稀缺的背景下，阐明农业集约化与水资源、能源和碳排放（WEC）足迹之间的耦合关系对于推进可持续农业发展至关重要。本文构建了一个空间分析框架，结合基于随机森林的作物产量预测、蒸散量模拟和双变量Local Moran分析方法，以1公里×1公里的分辨率评估中国主要粮食作物的农业集约化与WEC足迹之间的相互作用。研究考虑了正常供水和水分胁迫两种情景。结果表明，农业集约化和WEC足迹存在显著的空间异质性，中国东南部的集约化程度较高，而干旱的西北部则较低。集约化与WEC足迹之间存在显著的空间聚类模式，表明两者之间存在强烈的耦合关系。耦合协调性分析表明，在正常供水条件下，大多数省份的协调性处于中等至高水平；而在水分胁迫条件下，协调性显著下降，这凸显了水资源限制对可持续集约化的重大影响。本研究揭示了在当前和未来气候条件下农业集约化与WEC之间复杂的相互作用机制。研究结果强调了提高生产效率、减少水分胁迫、优化能源利用和减缓碳排放的必要性，从而支持气候适应型和低碳农业的发展。
引言
全球农业系统面临着在资源和环境约束日益严格的背景下确保粮食安全的双重压力。联合国粮食及农业组织（FAO）和政府间气候变化专门委员会（IPCC）的报告指出，农业是全球淡水消耗的主要领域，占总量抽取量的近70%，同时贡献了约30%的能源消耗和超过30%的温室气体（GHG）排放（FAO, 2023; FAO, 2025; Crippa et al., 2021）。因此，农业在塑造水资源安全、能源平衡和气候稳定方面发挥着关键作用。历史上，农业的“高投入、高消耗、高排放”发展模式暂时缓解了人口增长带来的粮食供应压力，但也加剧了包括水资源短缺、化石能源依赖和碳排放增加在内的系统性挑战。水资源、粮食和能源是人类福祉、社会进步和经济韧性的基础资源，它们的相互联系是联合国可持续发展目标（SDGs）的核心（联合国，2020）。在这种背景下，阐明农业系统内水资源、能源和碳排放（WEC）之间的相互依赖关系已成为一个重要的科学挑战。理解这些联系对于实现粮食安全与可持续资源管理和环境保护的平衡至关重要。
作为世界上最大的发展中国家农业国，中国的农业集约化水平稳步上升，表现为高度集约化的生产系统与地区间显著差异的并存（Li et al., 2024a; Xu et al., 2025）。一方面，全国粮食生产仍严重依赖大量的水资源、化肥和能源投入，导致农业系统的WEC足迹持续增加。然而，集约化程度与足迹强度之间的联系及其背后的机制尚未得到充分理解，这阻碍了减排和资源效率提升的关键点的识别（McLaughlin and Kinzelbach, 2015）。另一方面，由于气候条件、水资源禀赋和种植制度的差异（例如南部水稻种植区与北部小麦-玉米轮作区之间的差异），导致了显著的空间异质性（Hou et al., 2024; Shen et al., 2022）。然而，大多数现有研究仅限于省级或流域尺度，无法捕捉到国家级网格层面的这种细粒度空间异质性。在中国“双碳”（碳达峰和中和）目标及国家粮食安全战略的背景下，迫切需要建立一个基于网格的精细分析框架，以阐明农业集约化对WEC足迹影响的互动机制和空间差异。这种方法对于制定差异化的农业管理和农业部门的绿色低碳转型具有重要的科学基础。近年来，气候变化对农业生产模式和资源环境约束的影响日益明显（Birthal et al., 2021; Li et al., 2024b）。气温上升、降水时空分布的变化以及极端事件频率的增加极大地重塑了作物生长周期、产量水平和用水效率，从而对农业系统的WEC足迹产生了连锁影响（Berardy and Chester, 2017）。在这些因素中，水分胁迫仍然是农业生产力的主要限制因素，表现出强烈的空间异质性和对产量的非线性影响。这种复杂性挑战了传统统计回归和基于过程的模型在动态环境条件下的预测准确性（Holzman et al., 2018）。在这种背景下，机器学习（ML）方法在农业产量预测中受到重视，因为它们在处理高维变量和非线性关系方面具有优势（Paudel et al., 2022）。因此，将基于ML的产量预测与气候变化和水分胁迫情景相结合，为准确估计农业WEC足迹提供了高质量的数据支持，并为探索这些足迹之间的协同作用提供了稳健的方法论途径。
基于此背景，本研究重点关注中国的主要粮食作物——早稻、晚稻、单季稻、冬小麦、春小麦和玉米，系统评估农业集约化与水资源-能源-碳（WEC）足迹之间的时空模式和耦合关系。通过结合基于随机森林的产量预测和气候情景模拟，我们构建了一个综合分析框架，包括四个主要组成部分：（1）描述不同作物类型下农业集约化梯度上的WEC足迹空间分布；（2）揭示集约化程度与WEC足迹之间的空间相关性和聚类模式；（3）考察在正常供水和水分胁迫条件下集约化与综合WEC指数之间的耦合协调性演变；（4）探索在预测的气候变化情景下农业系统的资源环境压力和可持续发展路径。该框架提供了一种新的数据驱动方法，用于解析中国农业部门的资源环境耦合机制。研究结果为制定针对地区的绿色转型战略和基于证据的可持续农业政策提供了关键见解。
文献综述
农业集约化是现代农业系统的典型特征，通常表现为单位土地上的投入强度增加和管理改进，旨在维持作物产量同时缓解资源约束和环境压力（Cassman and Grassini, 2020; Denning, 2025; Nayak et al., 2024）。现有研究从不同角度探讨了集约化的技术路径和管理策略
材料与方法
本研究聚焦于中国的主要粮食生产区，选择水稻（包括早稻、晚稻和单季稻）、玉米和小麦（包括冬小麦和春小麦）作为研究对象。在1公里×1公里的网格尺度上，我们建立了一个定量框架，整合了农业集约化指标和水资源-能源-碳（WEC）足迹。农业集约化指标包括化肥施用强度、灌溉面积比例等
基于随机森林的主要作物产量预测
在研究农业集约化与WEC足迹之间的相互作用之前，验证作物产量预测的可靠性是必要的。本研究采用随机森林（RF）模型模拟和预测了中国六种主要谷物的产量——早稻、晚稻、单季稻、冬小麦、春小麦和玉米。通过比较训练集和测试集的拟合精度来评估模型性能
讨论
本研究整合了人工智能（AI）和计算智能（CI），系统揭示了在复杂环境和社会经济条件下（包括气候变化、水分胁迫和集约化发展）中国主要粮食作物的资源利用和环境响应的空间模式。构建AI所选指标和权重方案不可避免地需要在概念完整性和数据一致性之间进行权衡。在本研究中，AI通过化肥使用情况来表征
结论
本研究开发并应用了一个耦合分析框架，将农业集约化与WEC足迹在国家级1公里×1公里的网格尺度上进行整合，系统揭示了中国农业系统的资源消耗特征及其在不同水资源可用性和气候条件下的空间响应机制。主要结论如下：（1）WEC之间存在显著的协同关系，其中最强的相关性出现在
CRediT作者贡献声明
李海燕：撰写——原始草稿、可视化、软件、方法论、数据分析、概念化。徐耀文：撰写——审稿与编辑、撰写——原始草稿、资源获取、方法论。于海超：撰写——审稿与编辑、监督、调查、数据分析、数据管理。周兆强：撰写——审稿与编辑、资源获取、方法论。王路辰：撰写——审稿与编辑、资源获取、方法论、调查。李默：撰写——
未引用参考文献
Aldaya et al., n.d
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本研究得到了国家自然科学基金（52479035）和国家重点研发计划（2024YFD1502000）的支持。
