居民食物消费变化引致的环境足迹测算

窦羽星,刘秀丽,3*

居民食物消费变化引致的环境足迹测算

窦羽星1,2,刘秀丽1,2,3*

(1.中国科学院数学与系统科学研究院,北京 100190；2.中国科学院大学,北京 100049；3.中国科学院预测科学研究中心,北京 100190)

首先对比分析了2014～2020年城乡居民食物消费结构的变化特征,其次测算了人口规模、城镇化率、人均食物消费量和食物消费结构变化对土地-水-碳足迹变化的影响程度,最后设计了食物现状消费结构S0、发展消费结构S1和更趋近膳食指南的最优消费结构S2三种情景,测算了2025年和2030年3种情景下居民食物消费引致的环境足迹.结果表明:人均食物消费量和消费结构逐渐成为影响环境足迹的主要因素,2018～2020年城镇(农村)居民人均食物消费量和消费结构对环境足迹的平均贡献率分别为51.1%(51.6%)和-17.4%(-13.1%); S1和S2下居民食物消费引致的环境足迹均小于在S0下的值.在S2下环境足迹的减少更明显. 在2025年城镇(农村)居民在S2下食物消费引致的土地、水、碳足迹比在S0下减少10.5%(11.5%)、19.6%(17.2%)、12.6%(13.7%);在2030年将减少11.6%(11.9%)、21.0%(16.8%)、13.6%(14.7%).基于分析结果,提出了如何减少食物消费引致的环境足迹的建议.

土地-水-碳足迹；结构分解分析法；食物消费结构

食物消费对人类健康和环境有重要影响,联合国可持续发展目标旨在消除饥饿、实现粮食安全、改善营养和促进可持续农业[1].农业生产是环境变化主要影响因素之一,联合国粮农组织在COP26气候峰会中指出,1990～2019年全球农业粮食系统温室气体排放量增加了17%,其中我国排放总量位列前五[2].世界银行数据显示,全球农业用地面积占土地总面积的37%,我国农业用地占比为56%,约为世界平均水平的1.5倍[3].农业是水资源消耗最多的领域,全球约70%的水资源用于农业生产,2020年我国农业用水占用水总量的62.1%[4].近年来,随着经济快速发展,城镇化率不断上升,居民食物消费转向以肉蛋奶类等高环境足迹占用为主的模式[5-6],居民食物消费带动了农业生产,IPCC《气候变化与土地特别报告》中提出,改变食物消费结构可以减少土地需求,且有助于温室气体减排[7].因此,研究居民食物消费变化及其对资源环境的影响,对于实现可持续发展目标具有重要意义[8-9].

国内外学者在食物消费及环境影响方面进行了广泛研究.一方面,学者们对当前食物消费模式进行调整或与其他模式进行对比,寻求缓解环境压力的消费模式[10-11].Pairotti等[12]对比了意大利食物消费和地中海饮食模式,发现后者的碳排放降低了6.81%.减少肉类的摄入,提高植物性食物的摄入是一种可持续性的食物消费发展模式[13-15].在优化食物消费模式上,学者们多采用已有食物消费模式或优化目标的结果作为居民最优食物消费结构,较少考虑居民食物消费习惯、城乡差异等,可能与居民实际食物消费结构相差较大.另一方面,学者们对造成环境压力的因素进行研究,发现食物消费结构是造成环境压力的主要驱动因素之一[16-17].此外一些研究发现人口规模也是造成环境压力的主要原因[18-20].自新中国成立以来,我国的生育政策经历了鼓励-节制-限制-鼓励的四次转变[21],考虑生育政策调整背景下我国人口规模和结构的变化,对于未来食物消费引致的土地-水-碳足迹会有更准确的认识[22].已有研究大多是对特定环境指标进行分析,缺乏对土地、水和碳足迹的变化进行整体分析.

足迹因子在测算食物消费引致的土地、水、碳足迹中起着重要作用.采用回归分析估计的足迹因子通常误差较大[23],而基于生命周期理论,利用物质流技术测算的会更为准确[24-30].在此基础上,曹淑艳等[24]考虑了土地生产力的不同、Xue等[27]区分了动物内脏与胴体肉,Zhang等[30]考虑了现代农业技术水平的进步,分别对土地、水、碳足迹因子进行了更为准确的估计.以上研究表明学者对食物消费引致的土地、水、碳足迹的估计越来越贴近实际.

然而,已有文献较少对经济目标、土地占用、水资源和碳排放进行综合考虑,且在进行驱动因素分析时,缺乏对食物消费引致的土地、水、碳足迹变化的整体分析.而粮食安全和环境可持续性与土地、水、碳和其他农业资源之间密切相关[31],综合考虑食物消费变化引致的土地-水-碳足迹和经济变化,对于全面衡量经济影响,减轻土壤退化、水资源匮乏和气候变化具有重要现实意义.因此,本文首先对比了2014～2020年居民食物消费与《中国居民膳食指南2022》推荐量,分析居民食物消费模式的变化特征.其次利用结构分解分析法,测算了人口规模、城镇化率、人均食物消费量和食物消费结构变化对土地-水-碳足迹变化的影响程度.最后设计了3种食物消费情景,即保持食物消费结构现状情景S0、食物消费结构可能情景S1和多目标优化下最优食物消费结构情景S2,对城乡居民在3种情景下食物消费总量引致的土地-水-碳足迹进行了测算且对模型结果进行了检验,根据结果分析提出了相关建议.

1 数据与方法

1.1 数据来源

本文2014～2020年城乡居民谷薯类等九类食物消费数据来自《中国统计年鉴2021》[32],各类食物净收益来自《全国农产品成本收益资料汇编2021》[33].土地、水、碳足迹因子采用曹淑艳等[24],Xue等[27]和Zhang等[30]的测算,具体数据见表1.

表1 单位重量食物土地、水、碳足迹含量

1.2 居民食物消费引致的土地-水-碳足迹

根据文献[18],居民食物消费引致的土地足迹为总人口与人均食物消费引致土地足迹的乘积,具体可表示为:

式中:LF代表居民食物消费引致的土地足迹;为人口规模;LF为第种食物的土地足迹因子;CQ为第种食物的人均消费量;代表城乡;代表食物种类.同理,城乡居民食物消费引致的水足迹WF与碳足迹CF为:

1.3 土地-水-碳足迹变化的因素分解模型

式中:代表城镇化率;代表年份;q代表第种食物的消费结构.

1.4 不同食物消费结构的情景分析

为探究食物消费结构变化对土地、水、碳足迹的影响,本文设计了3种食物消费模式.

食物现状消费模式S0:根据2014～2020年居民食物消费,假设居民保持当前消费结构,计算2025年和2030年城乡居民食物消费的土地-水-碳足迹.

食物发展消费模式S1:关于食物消费趋势,国内外学者建立需求模型,对食物消费影响因素进行分析.Guoel等[38]对100多个国家进行研究,引入了食物转型概念,在不同情景下分析了收入和人口变化对食物消费的影响.Zheng等[39]利用两阶段需求模型,从价格、收入、人口结构和城镇化率对我国食物消费结构进行分析,设计了人均GDP高、中、低三种情形,对居民食物消费支出进行了预测,根据式(6)计算出各种食物的消费量.

文献[39]假设2010～2020年人均GDP高、中、低增速分别为7.5%、6.5%和5.5%,2020～2030年分别为6.5%、5.5%和4.5%,本文取人均GDP在中等增速下的测算.居民消费支出基于支出对GDP的弹性进行估算.在2012年价格水平下,2025年城乡居民消费支出分别为23676元与9974元,2030年分别为26291元与12292元.本文根据文献[39]中需求模型计算的食物消费支出m对居民消费支出的弹性与各类食物消费支出占比在2012～2030年的年均变化率,计算出2025年和2030年城乡居民食品消费支出占比分别为21.0%、28.1%和19.0%、26.8%,城乡居民2025/2012和2030/2012分别为1.35、1.47和1.44、1.81,各类食物消费支出占比见表2.由于豆类与坚果类消费量较稳定,取2014～2020年城乡居民豆类与坚果类消费均值10.3和10.1kg为2025年和2030年消费量.

食物消费模式S2:寻找食物消费引致的环境足迹最小,收益最高,且满足膳食营养目标的食物结构.《全国农业可持续发展规划(2015～2030年)》中指出,2020年和2030年全国农业灌溉用水量分别保持在3720和3730亿m3[40],2025年农业灌溉用水量取2a均值3725亿m3.灌溉用水主要指蓝水,根据2014～2020年城乡居民食物消费产生的水足迹分别占61.5%和38.5%,计算2a城乡居民的用水上限.文献[41-45]对碳排放数据进行预测,2025年和2030年平均碳排放分别为11.3Gt和11.9Gt,根据FAO数据,农业温室气体在2014～2020年排放变动较为稳定,平均每年下降0.11%[46],按照此情形预计在2025年和2030年农业碳排放占比为5.5%和4.9%,根据城乡居民2014～2020年的碳排放分别占60.3%和39.7%,计算城乡居民2a的碳排放量上限.2025年和2030年人口数据基于刘庆等[47]的研究,取完全二孩生育政策中等生育意愿下预测值14.23亿和14.19亿, 2025年和2030年城镇化率取中国社会科学院《人口与劳动绿皮书:中国人口与劳动问题报告No.22》的预测,分别为67.99%和72.13%[48].

表2 2025年和2030年城乡居民各类食物消费支出占比和人均食物消费量

以土地足迹、水足迹、碳足迹最小,食物收益最大为优化方程目标,约束条件为满足膳食均衡目标的上下限值,同时满足用水目标与碳排放目标,对居民食物消费模式进行计算,其中代表年份;代表城乡;W和C分别为第年的用水量上限和碳排放量上限;q和q为城乡居民用水量占比和碳排放量占比;d和D为膳食指南推荐量的上下限.具体方程如下:

2 结果与分析

2.1 城乡居民食物消费对比

根据《中国统计年鉴(2021)》城乡居民食物消费数据[28],对居民食物消费情况进行分析.从图1看出,2014～2020年城镇居民食物消费总量波动上升,分种类来看,食用油消费相比于2014年下降9.7%,禽畜类、水果类、鱼虾类、蛋类、豆类及坚果类消费分别比2014年上升7.6%、25.1%、15.3%、37.8%和14.9%,谷薯类消费呈先下降后上升趋势,相比于2014年上升7.6%,蔬菜类和奶类消费基本稳定.农村居民食物消费总量波动上升,谷薯类呈先下降后上升趋势,蔬菜类消费较为稳定,其余种类食物消费均呈上升趋势,相比于2014年,禽畜类、水果类、鱼虾类、蛋类、奶类、豆类及坚果类、食用油分别上升16.1%、42.8%、52.5%、63.7%、14.3%、62.6%和11.3%.对比发现,城乡食物消费模式存在较大差距.农村居民谷薯类消费约为城镇居民的1.45倍,城镇居民其他种类的消费均高于农村居民,差距最大的为奶类和鱼虾类,城镇居民的消费量分别约为农村居民的2.49倍和1.88倍.

根据《中国居民膳食指南2022》推荐量[49],与城乡居民实际食物消费模式进行对比.从表3看出城乡居民当前食物消费均与平衡膳食相差较远,城镇居民禽畜类、豆类及坚果类比膳食指南推荐量上限高34.9%和3.1%,蔬菜类、水果类、蛋类、奶类比膳食指南推荐量下限低7.1%、25.2%、28.8%和84.5%,农村居民除食用油外,其余种类均未处于膳食推荐范围,谷薯类、禽畜类、豆类及坚果类比膳食指南推荐量上限高3.4%、15.3%和2.3%,蔬菜类、水果类、鱼虾类、蛋类和奶类比膳食指南推荐量下限低19.0%、52.6%、48.1%、42.3%和93.8%.文献[50]指出,我国居民对于膳食指南的知晓率水平较低,且农村居民的了解程度低于城镇居民.

Fig.1 Food consumption volume of urban and rural residents in 2014～2020

表3 2014～2020年城乡居民年均食物消费量及膳食指南推荐的食物消费量

2.2 居民食物消费引致的环境足迹影响因素分析

为分析居民食物消费引致的土地-水-碳足迹的影响因素,基于公式(1)～(5),利用结构分解分析法,将环境足迹逐年变化分解为人口、城镇化率、人均食物消费量和食物消费结构变化带来的影响,结果如图2所示.

从图2看出,由于人口逐年增长且增长率波动下降,人口增长会加剧居民食物消费引致的土地-水-碳足迹压力但逐年下降.2014～2018年城镇化率增长率均高于2%,城镇化率的变化对土地-水-碳足迹的贡献度较大,且增加城镇居民食物消费引致的环境压力.由于城乡居民人均食物消费在2018～2019年分别增长2.7%和4.0%,2019～2020年分别增长4.4%和6.7%,而其余年份的增长为负值或在1.5%以内,人均食物消费的变化在2018～2020年贡献度较大.食物消费结构在2017～2019年贡献度较大, 2017～2018年城乡居民禽畜类的消费增长了5.6%和13.9%,2018～2019年城乡居民禽畜类的消费下降了4.9%和6.0%,由于禽畜类消费引致的环境足迹较大,2017～2018年环境压力增加,2018～2019年的环境压力减轻.根据我国人口和城镇化率的历史数据,二者增速不断下降,人均食物消费和食物消费结构对环境足迹的贡献将更明显,由于禽畜类、奶类、食用油等食物引致的环境足迹较高,引导居民养成合理消费模式,有利于居民自身健康并降低环境压力,关注城乡居民食物消费变化有着重要意义.

2.3 不同食物消费结构的环境足迹分析

2.3.1 3种情景下的食物消费模式 为对比城乡居民在不同食物消费结构下引致的土地、水、碳足迹,设计了3种不同食物消费结构.其中S0情景下居民保持当前食物消费结构,根据2014～2020年食物消费量计算食物消费结构.S1情景下城乡居民未来可能的食物消费结构按照文献[39]的发展模式,由表2得出城乡居民食物消费结构.S2情景下城乡居民食物消费结构满足引致的土地、水、碳足迹最小,收益最高且达到膳食指南各类食物推荐量,即在式(8)各约束条件下求出的多目标优化结果作为城乡居民食物消费结构,城乡居民3种食物消费结构见表4.

式中:c为第类食物在第种情景下的消费量;cmin,cavg,cmax分别为第类食物膳食指南推荐量的最低值、均值与最高值;代表城乡.计算结果见表5.2025年S1和S2情景下城乡居民食物消费与膳食指南的差距比S0下分别减少2.9%、0.3%和40.5%、59.6%,2030年的分别减少3.4%、0.2%和44.4%、68.7%.

表4 城乡居民在3种情景下的食物消费结构

2.3.2 不同食物消费结构下的土地-水-碳足迹 根据表4中居民食物消费结构,求出在各情景下引致的土地-水-碳足迹,具体结果见图3.如果居民保持当前食物消费模式S0,则引致的土地-水-碳足迹将会达到最大.在S1中,城镇居民环境足迹的减少由于谷薯类消费降低,与S0相比,2025年和2030年谷薯类消费占比分别降低6.7%和7.8%,从而引致的土地足迹、水足迹和碳足迹分别减少17.4Mha, 291.7亿m3、26.2Mt和20.9Mha,351.7亿m3、31.6Mt.农村居民环境足迹减少由于禽畜类消费降低,与S0相比,2025年和2030年禽畜类消费占比分别降低1.3%和1.1%,从而引致的土地足迹、水足迹和碳足迹分别减少8.9Mha,197.3亿m3、19.5Mt和8.4Mha,186.3亿m3、18.4Mt.在S2情景中,由于多目标优化中膳食指南推荐范围的约束,城乡居民奶类消费引致的环境足迹上升最多,而奶类消费增加的环境足迹少于禽畜类消费减少的环境足迹,因此环境足迹总量下降.相比于S0,2025年城镇居民在S2下环境足迹分别减少10.5%、19.6%、12.6%,农村居民减少11.5%、17.2%、13.7%,2030年城镇居民在S2情景下的环境足迹分别减少11.6%、21.0%、13.6%,农村居民减少11.9%、16.8%、14.7%.根据上述分析,减少谷物类及禽畜类摄入可以降低环境足迹,应积极向大众普及平衡膳食消费模式,推进居民食物消费结构向更合理的方向转变.

表5 3种情景下城乡居民食物消费结构与膳食指南推荐的食物消费结构差距

2.3.3 模型有效性检验 关于模型有效性,本文从两个方面进行说明.一方面,在多目标优化模型中,居民食物消费变化主要表现为谷薯类和禽畜类消费的下降与奶类消费的上升.由于禽畜类的土地、水、碳足迹因子分别为奶类的2.7、3.9和3.5倍,谷薯类的与奶类的相差不大.城乡居民2025年奶类增加量分别为谷薯类禽畜类减少量的1.2倍和0.8倍,2030年为1.1和0.8倍.食物消费结构变化减少的环境足迹多于增加的环境足迹.这一趋势也与其他国家相关研究一致.阿根廷学者发现居民肉类减少50%,碳足迹将减少28%[51].Gibin等[52]对22个欧盟国家食物消费模式进行研究,发现水足迹的60%与肉类、蛋奶类消费有关,水果、蔬菜的消费量仅影响20%. Maire等[53]在全球范围内发现饮食向水果蔬菜增加、肉类海产品减少的EAT-lancet饮食靠近,耕地面积和灌溉用水将减少,从而进一步减轻了农业用地压力和管理强度.

另一方面,对优化模型的结果进行弹性分析.模型中不同生育政策下人口规模,城镇化率及土地、水、碳足迹因子的差异都会对结果有一定影响.由于食物种类较多,禽畜类和奶类结构改变最为明显,土地、水、碳足迹因子主要考虑此两类食物的改变.当人口、城镇化率、土地、水、碳足迹因子增加1%时,测算三者单独变化与组合变化共7种情形对土地、水、碳足迹的影响.从表6看出,城乡居民在2025年和2030年环境足迹的变化在2.6%以内,也反映了结果的稳定性.此外,城镇化率提高会加剧城镇居民并减轻农村居民引致的环境压力,足迹因子的变化对于碳排放的影响最大,3种因素的叠加对于城镇居民食物消费引致的环境压力最大.

表6 7种情形下环境足迹变化情况(%)

3 结论与建议

3.1 结论

3.2.1 测算了人口、城镇化率、人均食物消费和消费结构对土地、水、碳足迹的贡献,发现2018～ 2020年食物消费结构变化率超过了1.4%, 2018～ 2020年人均食物消费量的变化率超过了2.7%,两者的变化逐渐成为影响土地、水、碳足迹变化的主要驱动因素.

3.2.2 发现当居民采用食物消费结构S1时,城镇居民2025年和2030年食物消费引致的土地、水和碳足迹比S0下分别减少7.4%、6.3%、5.8%和8.3%、6.4%、6.9%,农村居民的减少9.5%、12.0%、9.8%和11.2%、13.4%、10.9%.当采用与膳食指南更接近的S2时,城镇居民2025年和2030年食物消费引致的土地、水和碳足迹比S0下分别减少10.5%、19.6%、12.6%和11.6%、21.0%、13.6%,农村居民的减少11.2%、13.4%、10.9%和11.9%、16.8%、14.7%.居民食物消费结构向膳食指南靠近时,引致的环境足迹也随之减少.

3.2 建议

3.2.1 建议居民食物消费模式向膳食指南推荐量靠近.城乡居民现阶段奶类消费与膳食指南最低值相差92.5kg/a和102.7kg/a,蔬菜类消费相差7.8kg/a和20.8kg/a,水果类消费相差18.4kg/a和38.4kg/a,蛋类消费相差4.5kg/a和6.6kg/a,而禽畜类消费比膳食指南最高值高9.1kg/a和4.0kg/a.建议对居民普及合理膳食的重要性,尤其注重对农村地区和老年人的宣传教育.引导居民减少对谷物类和禽畜类的摄入,增加对奶类的摄入.

3.2.2 建议提高禽畜类的生产效率,降低居民消费该类食物引致的环境足迹.2014～2020年城乡居民禽畜类消费引致的土地、水、碳足迹分别占28.5%、41.4%、42.7%和28.5%、34.9%、30.3%,其中,单位重量牛肉所含的土地、水、碳足迹最多,比禽畜类平均分别高0.0061ha/kg、5.2352m3/kg、0.0157tCO2/kg.建议通过提高饲料粮转化效率和采用规模养殖等方法,降低单位重量禽畜类产品的环境足迹含量,减轻食物消费的环境影响.

[1] UN. SDG2: Zero hunger [EB/OL]. https://www.un.org/zh/chronicle/ article/21068.

[2] 21财经.联合国粮农组织报告:过去30年全球粮农生产的温室气体排放量增加17% [EB/OL]. https://m.21jingji.com/article/20211109/ herald/f76cd79f33da5f9977ca3a92d37167b2.html.

21Finance. Global food crop production report: 17% increase in agricultural production over the past 30 years [EB/OL].

[3] The World Bank. Agricultural land (% of land area) [EB/OL]. https://data.worldbank.org/indicator/AG.LND.AGRI.ZS.

[4] 中华人民共和国水利部. 2020年水资源公报[EB/OL].http: //www.mwr.gov.cn/sj/tjgb/szygb/.

Ministry of Water Resources of the People's Republic of China. 2020 Water resources bulletin [EB/OL]. http://www.mwr.gov.cn/sj/tjgb/ szygb/.

[5] 王玲玲,戴淑芬,王 琛.城镇化水平与我国居民食物消费生态足迹:变化与影响 [J]. 广东财经大学学报, 2021,36(3):77-92.

Wang L L, Dai S F, Wang C. On the change and effect of urbanization on the ecological footprint of residents’ food consumption in China [J]. Journal of Guangdong University of Finance & Economics, 2021, 36(3):77-92.

[6] 谭 莹,张俊艳.新型城镇化对我国居民食品消费结构的影响分析——基于LA/AIDS拓展模型 [J]. 新疆农垦经济, 2019,(4):23-33.

Tan Y, Zhang J Y. Analysis on the impact of new urbanization on the food consumption structure of Chinese residents—Based on the LA/ AIDS expansion model [J]. Xinjiang State Farms Economy, 2019, (4):23-33.

[7] IPCC.Climate Change and Land: an IPCC Special Report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems [EB/OL].https://www.ipcc.ch/srccl/.

[8] 成升魁,董纪昌,刘秀丽,等.新时代中国国民营养与粮食安全研究中的关键科学问题——第249期“双清论坛”综述 [J]. 中国科学基金, 2021,35(3):426-434.

Cheng S K, Dong J C, Liu X L. Key scientific issues on nutrition and food security in China in the new era: Summary if the 249thNFSC Shuangqing Forum [J]. Bulletin of National Natural Science Foundation of China, 2021,35(3):426-434.

[9] 刘秀丽,相 鑫,秦明慧,等.中长期粮食需求预测研究综述与展望 [J]. 系统科学与数学, 2022,42(6):1490-1502.

Liu X L, Xiang X, Qin M H, et al. A review and prospect on the medium and long-term forecasting of grain demand [J]. Journal of Systems Science and Mathematical Sciences, 2022,42(6):1490-1502.

[10] 林永钦,齐维孩,祝 琴.基于生态足迹的中国可持续食物消费模式[J]. 自然资源学报, 2019,34(2):338-347.

Lin Y Q, Qi W H, Zhu Q. Chinese sustainable food consumption pattern based on ecological footprint model [J]. Journal of Natural Resources, 2019,34(2):338-347.

[11] 李明净.中国家庭食物消费的碳—水—生态足迹及气候变化减缓策略优化研究[D]. 大连:大连理工大学, 2016.

Li M J. Study on carbon-water-ecological footprint of Chinese household consumption and diet optimization for climate change mitigation [D]. Dalian: Dalian University of Technology, 2016.

[12] Pairotti M B, Cerutti A K, Martini F, et al. Energy consumption and GHG emission of the Mediterranean diet: a systemic assessment using a hybrid LCA-IO method [J]. Journal of Cleaner Production, 2015, 103:507-516.

[13] Aleksandrowicz L, Green R, Joy E J M, et al. The impacts of dietary change on greenhouse gas emissions, land use, water use, and health: a systematic review [J]. PloS one, 2016,11(11):e0165797.

[14] de Ruiter H, Macdiarmid J I, Matthews R B, et al. Total global agricultural land footprint associated with UK food supply 1986～2011 [J]. Global environmental change, 2017,43:72-81.

[15] Tilman D, Clark M. Global diets link environmental sustainability and human health [J]. Nature, 2014,515(7528):518-522.

[16] Kastner T, Rivas M J I, Koch W, et al. Global changes in diets and the consequences for land requirements for food [J]. Proceedings of the National Academy of Sciences, 2012,109(18):6868-6872.

[17] Alexander P, Rounsevell M D A, Dislich C, et al. Drivers for global agricultural land use change: The nexus of diet, population, yield and bioenergy [J]. Global Environmental Change, 2015,35:138-147.

[18] 郑翔益,孙思奥,鲍 超.中国城乡居民食物消费水足迹变化及影响因素[J]. 干旱区资源与环境, 2019,33(1):17-22.

Zheng X Y, Sun S A, Bao C. Urban and rural footprints for food consumption in China and governing factor analysis [J]. Journal of Arid Land Resources and Environment, 2019,33(1):17-22.

[19] 江文曲,李晓云,刘楚杰,等.城乡居民膳食结构变化对中国水资源需求的影响——基于营养均衡的视角[J]. 资源科学, 2021,43(8): 1662-1674.

Jiang W Q, Li X Y, Liu C J, et al. Impact of residents’ diet changes on water resource demand in China: From the perspective of nutritional balance [J]. Resources Science, 2021,43(8):1662-1674.

[20] 高 晶.中国城乡居民食物消费碳排放研究[D]. 兰州:兰州大学, 2018.

Gao J. A preliminary analysis of food carbon emission in China [D]. Lanzhou: Lanzhou University, 2018.

[21] 李建伟,周灵灵.中国人口政策与人口结构及其未来发展趋势 [J]. 经济学动态, 2018,(12):17-36.

Li J W, Zhou L L. China’s population policy and the population structure and its future development trend [J]. Economic Perspectives, 2018,(12):17-36.

[22] 刘 庆,刘秀丽,汪寿阳.基于合理膳食结构的2020～2050年我国食物用粮需求测算 [J]. 系统工程理论与实践, 2018,38(3):615-622.

Liu Q, Liu X L, Wang S Y. Estimating China’s food grains demand from 2020 to 2050 based on reasonable dietary pattern [J]. Systems Engineering-Theory & Practice, 2018,38(3):615-622.

[23] Song G, Li M, Semakula H M, et al. Food consumption and waste and the embedded carbon, water and ecological footprints of households in China [J]. Science of the Total Environment, 2015,529:191-197.

[24] 曹淑艳,谢高地,陈文辉,等.中国主要农产品生产的生态足迹研究[J]. 自然资源学报, 2014,29(8):1336-1344.

Cao S Y, Xie G D, Chen W H, et al. Ecological footprint of raw and derived agriculture products [J]. Journal of Natural Resources, 2014, 29(8):1336-1344.

[25] Chapagain A K, Hoekstra A Y. Virtual water flows between nations in relation to trade in livestock and livestock products [C]. Delft: The Netherlands: UNESCO-IHE, 2003.

[26] Chapagain A K, Hoekstra A Y. Virtual water trade: A quantification of virtual water flows between nations in relation to international trade of livestock and livestock products [C]. Delft: UNESCO-IHE, 2003.

[27] Xue L, Liu X, Lu S, et al. China’s food loss and waste embodies increasing environmental impacts [J]. Nature Food, 2021,2(7):519-528.

[28] 王益文,胡 浩.我国城乡居民肉类消费的碳排放特征分析——基于过程生命周期理论[J]. 安徽农业科学, 2014,42(13):4125-4128, 4132.

Wang Y W, Hu H. Greenhouse gases emission of urban-rural residents in meat consumption-based on the life cycle approach [J]. Journal of Anhui Agricultural Sciences, 2014,42(13):4125-4128,4132.

[29] 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 D. Carbon footprint and low carbon strategy for grain production in China [D]. Beijing: China Agricultural University, 2017.

[30] Zhang H, Xu Y, Lahr M L. The greenhouse gas footprints of China's food production and consumption (1987～2017) [J]. Journal of Environmental Management, 2022,301:113934.

[31] Bleischwitz, R. et al. Resource nexus perspectives towards the United Nations sustainable development goals [J]. Nature sustainability, 2018,1:737–743.

[32] 国家统计局.中国统计年鉴2021 [M]. 北京:中国统计出版社, 2021.

National Bureau of Statistics. China statistical yearbook 2021 [M]. Beijing: China Statistics Press, 2021.

[33] 国家发展和改革委员会价格司.全国农产品成本收益汇编2021 [M]. 北京:中国统计出版社, 2021.

Price Division, National Development and Reform Commission. National agricultural product revenue compilation 2021 [M]. Beijing: China Statistics Press, 2021.

[34] Ang B W. The LMDI approach to decomposition analysis: a practical guide [J]. Energy policy, 2005,33(7):867-871.

[35] Dietzenbacher E, Los B. Structural decomposition analyses with dependent determinants [J]. Economic Systems Research, 2000,12(4): 497-514.

[36] Lin X, Polenske K R. Input–output anatomy of China's energy use changes in the 1980s [J]. Economic Systems Research, 1995,7(1):67-84.

[37] 夏 炎,陈锡康,杨翠红.关于结构分解技术中两种分解方法的比较研究 [J]. 运筹与管理, 2010,19(5):27-33.

Xia Y, Chen X K, Yang C H. Comparative research of two decomposition methods in structure decomposition analysis [J]. Operations Research and Management Science, 2010,19(5):27-33.

[38] Gouel C, Guimbard H. Nutrition transition and the structure of global food demand [J]. American Journal of Agricultural Economics, 2019, 101(2):383-403.

[39] Zheng Z, Henneberry S R, Zhao Y, et al. Predicting the changes in the structure of food demand in China [J]. Agribusiness, 2019,35(3):301-328.

[40] 中华人民共和国农业农村部.关于印发《全国农业可持续发展规划(2015—2030年)》的通知 [EB/OL]. https://www.moa.gov.cn/ ztzl/mywrfz/gzgh/201509/t20150914_4827900.htm.

Ministry of Agriculture and Rural Affairs of the People's Republic of China. Notice on printing and distributing the(2015-2030) [EB/OL].

[41] 王 迪,和 维,聂 锐.中国2030年CO2排放情景预测与减排潜力分析[J]. 系统工程学报, 2019,34(6):721-735.

Wang D, He W, Nie R. China’s CO2emission scenario prediction and emission reduction potential analysis in 2030 [J]. Journal of Systems Engineering, 2019,34(6):721-735.

[42] 王 勇,王 颖.中国实现碳减排双控目标的可行性及最优路径——能源结构优化的视角[J]. 中国环境科学, 2019,39(10):4444- 4455.

Wang Y, Wang Y. Feasibility and optimal pathway of China’s double targets for carbon reduction-The perspective of energy structure optimization [J]. China Environmental Science, 2019,39(10):4444- 4455.

[43] 蔡博峰,曹丽斌,雷 宇,等.中国碳中和目标下的二氧化碳排放路径[J]. 中国人口·资源与环境, 2021,31(1):7-14.

Cai B F, Cao L B, Lei Y, et al. China’s carbon emission pathway under the carbon neutrality target [J]. China Population, Resources and Environment, 2021,31(1):7-14.

[44] Xu G, Schwarz P, Yang H. Adjusting energy consumption structure to achieve China's CO2emissions peak [J]. Renewable and Sustainable Energy Reviews, 2020,122:109737.

[45] Xie Y, Liu X, Chen Q, et al. An integrated assessment for achieving the 2C target pathway in China by 2030 [J]. Journal of Cleaner Production, 2020,268:122238.

[46] FAO. Emissions shares [EB/OL]. https://www.fao.org/faostat/en/ #data/EM.

[47] 刘 庆,刘秀丽.生育政策调整背景下2018～2100年中国人口规模与结构预测研究[J]. 数学的实践与认识, 2018,48(8):180-188.

Liu Q, Liu X L. Forecasting on China’s population size and structure during 2018-2100with the background of family planning policy adjustment [J]. Mathematics in Practice and Theory, 2018,48(8): 180-188.

[48] 中国社会科学院.人口与劳动绿皮书:中国人口与劳动问题报告No.22 [M]. 北京:社会科学文献出版社, 2021.

Chinese Academy of Social Sciences. Green paper on population and labor: Report on China's population and labor issues No.22 [M]. Beijing: Social Sciences Academic Press, 2021.

[49] 中国营养学会.中国居民膳食指南2022 [M].北京:人民卫生出版社, 2022.

Chinese Nutrition Society. Scientific Research Report on Dietary Guidelines for Chinese Residents 2022 [M]. Beijing: People's Medical Publishing House, 2022.

[50] 姜松强,陈彦哲,朱慧丽.郑州市居民对膳食指南知晓率及影响因素分析[J]. 营养学报, 2020,42(3):308-309,312.

Jiang S Q, Chen Y Z, Zhu H L. Awareness of dietary guidelines among residents in Zhengzhou and the influencing factors [J]. Acta Nutrimenta Sinica, 2020,42(3):308-309,312.

[51] Arrieta E M, Gonzalez A D. Impact of current, national dietary guidelines and alternative diets on greenhouse gas emissions in Argentina [J]. Food Policy, 2018,79:58-66.

[52] Maire J, Sattar A, Henry R, et al. How different COVID-19 recovery paths affect human health, environmental sustainability, and food affordability: a modelling study [J]. The Lancet Planetary Health, 2022, 6(7):e565-e576.

[53] Gibin D, Simonetto A, Zanini B, et al. A framework assessing the footprints of food consumption. An application on water footprint in Europe [J]. Environmental Impact Assessment Review, 2022,93: 106735.

Measuring the environmental footprints caused by the changes of residents' food consumption.

DOU Yu-xing1,2, LIU Xiu-li1,2,3*

(1.Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190, China；2.University of Chinese Academy of Sciences, Beijing 100049, China；3.Center for Forecasting Science, Chinese Academy of Sciences, Beijing 100190, China)., 2023,43(1)：446～455

This paper first compared and analyzed the changing characteristics of urban and rural residents' food consumption from 2014 to 2020, then calculated the contributions of population size, urbanization rate, per capita food consumption volume, and food consumption structure to the environmental footprints. Finally, we designed three scenarios: the current food consumption structure S0, the developing consumption structure S1, and the optimal consumption structure S2, closer to the dietary guideline in 2022 for Chinese residents, to measure the environmental footprints led by residents' food consumption in 2025 and 2030. The results show that the per capita food consumption volume and dietary structure have gradually become the main factors affecting the environmental footprints. The average contribution of per capita food consumption volume and consumption structure of urban (rural) residents to the environmental footprints in 2018～2020 was 51.1% (51.6%) and -17.4% (-13.1%) in China. The environmental footprints caused by the changes in residents' food consumption in S1and S2 would be lower than those in S0, and the differences would be more evident in S2. Compared with the environmental footprints in S0, the land, water, and carbon footprints caused by urban (rural) residents' food consumption in S2 would drop 10.5% (11.5%), 19.6% (17.2%), 12.6% (13.7%) respectively in 2025, those would reduce 11.6% (11.9%), 21.0% (16.8%), 13.6% (14.7%) in 2030 respectively. Based on the analysis of the results, we suggested practical ways to reduce the environmental footprints caused by food consumption.

land-water-carbon footprints；structural decomposition analysis；food consumption structure

X24

A

1000-6923(2023)01-0446-10

窦羽星(1998-),女,陕西渭南人,博士研究生,主要从事宏观经济-资源-环境-人口系统建模与预测的研究.发表论文2篇.

2022-05-10

国家自然科学基金资助项目(71874184)

* 责任作者, 研究员, xiuli.liu@amss.ac.cn