混林农业对二氧化碳排放影响的荟萃分析

混林农业对二氧化碳排放影响的荟萃分析

吴林鲜

(同济大学环境科学与工程学院，上海，200092)

A meta-analysis of the impact of agroforestry on CO2 emissions

LinxianWu

(College of Environmental Science and Engineering, Tongji University, Shanghai 200092, China)

摘要：混林农业作为温室气体减排战略之一，其在撒哈拉以南非洲地区的CO2减排效果仍存在不确定性，本研究旨在通过量化分析，研究混林农业对CO2减排的具体影响。在考虑混林农业子类别和农业生态区的异质性的基础上，选择土壤有机碳（SOC）和农作物产量作为直接和间接影响指标，通过对256篇初级文献（包含2112条数据）的荟萃分析，得出结论：混林农业对SOC和农作物产量均有积极影响，SOC平均增加约20 ~ 25%，农作物产量平均增加51 ~ 60%，且不同的混林农业子类别及其在不同的农业生态区下，表现出显著不同的效应大小。这一研究为深入理解混林农业在减缓气候变化中的潜在作用提供了参考。

关键词：混林农业，荟萃分析，土壤有机碳，农作物产量，温室气体

Abstract: Agroforestry, as one of the greenhouse gas emission reduction strategies, still presents uncertainties regarding its CO2 emission reduction effects in the sub-Saharan African region. This study aims to investigate the specific impacts of agroforestry on CO2 emissions through quantitative analysis. Considering the heterogeneity of agroforestry subcategories and agricultural ecological zones, soil organic carbon (SOC) and crop yield were selected as direct and indirect impact indicators. Through a meta-analysis of 256 primary literature sources (comprising 2112 data points), this study concludes that agroforestry has a positive influence on both SOC and crop yield, with an average increase of approximately 20-25% in SOC and 51-60% in crop yield. Different agroforestry subcategories and agroforestry in different agricultural ecological zones exhibit distinct effect sizes. This research provides essential insights for a deeper understanding of the potential role of agroforestry in mitigating climate change.

Keywords: Agroforestry, Meta-analysis, Soil Organic Carbon, Crop Yield， Greenhouse gas

引言

随着全球变暖的加剧，粮食安全问题也愈发凸显，农业成为最容易受气候变化冲击的产业之一。气候变化提高了粮食不安全国家的风险，尤其是在撒哈拉以南非洲地区[1]。从2014年以来，非洲大陆的饥饿人口数量增加了4790万，目前已达到2.503亿，占人口的近五分之一[2]。

农业科学技术委员会（Agricultural Science and Technology，CAST）2011年的报告强调，调整现有土地管理和利用方式以适应气候变化，并采取气候缓解措施以减少农业对温室气体的净贡献至关重要[3]。混林农业（Agroforestry）作为一种碳封存方法备受瞩目，其核心理念是有意将树木和/或灌木融入农作物和畜牧生产系统中。作为《京都协定》认可的减缓温室气体排放的策略，混林农业不仅在减缓气候变化方面有所贡献，同时由于其生产和环境效益，已成为可持续土地利用

的世界公认的方法[4]。

本文聚焦撒哈拉以南非洲地区，初步探讨混林农业对CO2排放的直接和间接影响，即从科学的角度来论证混林农业是否对减缓温室气体的排放有积极的影响。

1研究方法与数据来源

1.1研究方法

荟萃分析在很多研究领域产生变革式的影响，是一种用于全面综合分析现存知识的方法之一，主要由两个部分组成：1、系统性回顾；2、数据的统计性分析。荟萃分析的目标是估计实验干预组（混林农业耕作模式）相对于对照组（传统农耕模式），对响应变量的效应大小，本研究采用比值来表示效应大小。

在实际情况下只有一部分文献可以被收集整理并用于荟萃分析，即这部分子集组成了用于估计总体研究对象的样本，如图1所示。

图1 用总体研究对象的样本子集估计平均效应大小示意图

Fig. 1 Schematic diagram for estimating the mean effect size using a sample subset of the overall research population

采用荟萃分析常见的固定效应模型和随机效应模型来分析所采集数据[5]。通常情况下，各初级文献得到的效应大小应按其方差的倒数进行加权，以获得平均效应大小。然而在实际情况下，文献中关于控制组和干预组的测量精度信息（标准差和样本量）常常缺失，如果将缺失标准差或样本量的文献排除在荟萃分析的范围之外，可能会导致结果出现偏差，对分析不利[6]。因此，同时还采用了样本量加权模型[7]和无权重模型对数据进行分析，其中，使用样本量计算效应大小权重的公式如下[7]：

                                        （1.1）

式中：——文献的控制组的样本量；

——文献的干预组的样本量。

无权重模型中，所有效应大小采取相同的权重，即不考虑各初级文献间精度的差异。

1.2 数据来源

经过初步清理，得到256篇初级文献并纳入本研究的考虑范围，共采集2112行数据。如表1所示，在8种混林农业子类别中，有4种混林农业子类别占据了该数据集的大部分，分别为休耕、小巷种植、稀树草原和灌木篱墙，分别占总收集SOC（农作物产量）数据量的38%、30%、24%和2%（56%、23%、16%和5%）。从响应变量的角度来看，该数据集侧重于农作物产量，占总数据量的77%，而SOC仅占总数据量的23%。

表1 各混林农业子类别的初级文献及观察项数量

Tbl. 1 Number of primary studies and observations for each agroforestry subcategory

如图2所示，在撒哈拉沙漠以南的48个国家中，有22个国家存在于数据集中。赞比亚和肯尼亚对混林农业的实践及贡献的文献和数据量最多。

图2各混林农业子类别分布及撒哈拉以南各国的数据量

Fig. 2 Distribution of agroforestry subcategories and number of observations in sub-Saharan countries

由于数据源相关数据的缺失，不可避免的导致采集数据不完整，基于参数计算的固定效应荟萃分析或随机效应荟萃分析的实现需要统计学数据（标准误差和样本大小），此类数据缺失将会影响荟萃分析的结果。农作物产量和SOC的标准误差和样本大小的数据缺失比例如表2所示。

表2产量和土壤有机碳的标准误差和样本大小的数据缺失百分比

Tbl. 2 Percentage of missing data for standard error and sample size for yield and SOC

2结果与讨论

2.1 混林农业对SOC的影响

SOC含量是直接影响温室气体的指标，土壤中封存的碳越多，则可以减轻空气中的二氧化碳的含量。

根据图3所示，在实施混林农业的情况下，与传统种植方式相比，SOC平均增加20%至25%（效应大小为1.20至1.25）。四种不同的荟萃分析模型显示，95%置信区间的下限为1.19至1.23，表明混林农业的实施对SOC含量的提高具有较高的可信度。

其中，休耕的平均效应最大，为1.26~1.30（根据四种不同荟萃分析），其次是在小巷种植和稀树草原。结果与Kuyah等人（2019年）[8]的研究基本一致。

注：中间点表示平均效应大小，直线表示95%置信区间

图3混林农业及其子类别对SOC的效应大小

Fig. 3 Effect size of agroforestry and its subcategories on SOC

注：中间点表示平均效应大小，直线表示95%置信区间

图4五级农业生态区下混林农业对SOC的效应大小

Fig. 4 Effect size of agroforestry on SOC under five levels of agro-ecological zones

如图4所示，除了干旱区外，其他四个农业生态区的数据量较为充足。在四个数量较多的农业生态区中，混林农业在亚湿润区对SOC的积极影响较为明显，平均效应为1.29至1.31（基于四种不同荟萃分析模型），且这些模型之间的差异较小。相比之下，在半干旱区和热带高原，混林农业的平均效应大小略低，分别为1.24至1.27和1.14至1.22（基于四种不同荟萃分析模型）。在湿润区，四种荟萃分析模型对平均效应大小的估计存在较大差异，效应大小跨度为1.17至1.33。

如图5所示，相同的混林农业子类别在不同的农业生态区域中可能有不同的平均效应大小。

注：该图只显示观察项数量>2的情况；中间点表示平均效应大小，直线表示95%置信区间

图5各混林农业子类别在五级农业生态区下对SOC的效应大小

Fig. 5 Effect size of each agroforestry subcategory on SOC under five levels of agro-ecological zones

对于小巷种植而言，在半干旱区的平均效应大小略高于湿润区、亚湿润区和热带高原地区，且在湿润区、亚湿润区和热带高原地区的平均效应大小相似。对于稀树草原，其在半干旱区的平均效应大小略高于在热带高原地区。对于休耕，其在亚湿润区的平均效应大小略高，其次是在热带高原，而在湿润区和半干旱区的平均效应大小类似。

关于SOC的荟萃分析数据集，数据缺失率相对较低（与农作物产量相比）。数据量较大时，使用四种不同的荟萃分析模型得到的平均效应大小差异较小，相应的置信区间跨度也较为狭窄。相反，对于那些数据量较为有限的类别，其效应大小的估计存在较大的不确定性，可信度也较低。

2.1 混林农业对产量的影响

产量是间接影响的指标，产量可以影响土地表面使用情况，比如减少农田开垦面积、保护森林面积等，从而间接减轻大气中的二氧化碳含量。

注：中间点表示平均效应大小，直线表示95%置信区间

图6混林农业及其子类别对产量的效应大小

Fig. 6 Effect size of agroforestry and its subcategories on yield

如图6所示，在实施混林农业的情况下（不考虑混林农业子类别），随机效应模型、样本量加权模型以及无权重模型估计的平均效应大小大致相同，为1.51 ~ 1.60，95%置信区间下限为1.49 ~ 1.55，呈现出明显的对产量增加的积极影响，可认为混林农业的实施对农作物产量的提高具有较高的可信度。

对于观察项数量较充足的4个混林农业子类别，休耕和小巷种植的平均效应最大，分别为1.69 ~ 1.78和1.64 ~ 1.65（根据随机效应模型、样本量加权模型和无权重模型）。灌木篱墙的平均效应大小低于前两者，为1.28 ~ 1.46（根据四种不同荟萃分析模型），其中样本量加权模型估计的平均效应大小与其他3种模型有较大差异，但其95%置信区间基本覆盖其他3种模型的置信区间。稀树草原的平均效应大小相对最小，效应大小约为1.11 ~ 1.20（根据随机效应模型、样本量加权模型和无权重模型），意味着稀树草原的实施对农作物产量的增益作用不如其他混林农业子类别明显。

对产量的平均效应大小估计略小于Kuyah等人（2019年）[8]的研究，Kuyah等人运用样本量加权模型估计的效应大小为1.9，休耕的平均效应最大，为2.6，其次是小巷种植，为2.1。虽然估计的平均效应大小不同，但混林农业子类别的增益效果排序类似。

注：中间点表示平均效应大小，直线表示95%置信区间

图7五级农业生态区下混林农业对产量的效应大小

Fig. 7 Effect size of agroforestry on yield under five levels of agro-ecological zones

如图7所示，各生态区都有较为充足的数据量。混林农业在半干旱区的平均效应大小相对最大，为1.62 ~ 1.78（根据随机效应模型、样本量加权模型和无权重模型）。其次是混林农业在热带高原地区和亚湿润区，平均效应大小分别为1.46 ~ 1.56（根据四种不同荟萃分析模型）和1.45 ~ 1.52（根据随机效应模型、样本量加权模型和无权重模型）。再其次，对于湿润区，四种荟萃分析模型估计的平均效应大小之间差异较小，为1.27 ~ 1.32

（根据四种不同荟萃分析模型）。混林农业在干旱区的平均效应大小相对最小，仅为1.16 ~ 1.33。

如图8所示，同样的混林农业子类别在不同的农业生态区域中，平均效应大小可能有较大的差异。

注：该图只显示观察项数量>2的情况；中间点表示平均效应大小，直线表示95%置信区间

图8各混林农业子类别在五级农业生态区下对产量的效应大小

Fig. 8 Effect size of each agroforestry subcategory on yield under five levels of agro-ecological zones

对于灌木篱墙、小巷种植和休耕，均在在半干旱地区的平均效应大小相对较高。灌木篱墙在半干旱区的平均效应大小最高，为2.92 ~ 3.56（根据四种不同荟萃分析模型）；而在热带高原地区，平均效应大小仅为0.90 ~ 0.96（根据四种不同荟萃分析模型），平均效应大小略小于1，说明灌木篱墙在热带高原地区对农作物产量增益为负。小巷种植在半干旱区的平均效应大小最高，在亚湿润区、热带高原地区和湿润区平均效应大小依次减小。休耕在半干旱区的平均效应大小最高，在热带高原地区、亚湿润区和湿润区的平均效应大小依次减小。

而对于稀树草原，其在干旱区的平均效应大小略大于半干旱区，分别为1.17 ~ 1.34（根据四种不同荟萃分析模型）和1.08 ~ 1.15（根据随机效应模型、样本量加权模型和无权重模型）。

农作物产量的数据集的数据缺失率较高，尤其是标准误差的缺失率达到了95.57%。四个荟萃分析模型之间的差异相对较大，尤其是固定效应模型，经常出现平均效应超过0.2的偏差；其他三个模型的估计结果相对接近，差异基本不超过0.2。这可能是由于固定效应模型计算权重时对标准误差的依赖程度高，并且由于数据缺失率高，在进行缺失值填充时[9]，会出现与实际数值较大的偏差。

3结论与建议

以撒哈拉以南非洲地区为研究对象，使用荟萃分析定量分析了混林农业对减少二氧化碳排放的直接影响（SOC）和间接影响（农作物产量）。结果表明：1、混林农业对SOC和农作物产量都有较为明显的增益作用，混林农业的实施对减缓温室气体的排放有所贡献；2、不同的混林农业子类别以及在不同农业生态区下，对SOC和农作物产量的增益效果有所差异，可对未来农作方式的选择提供一定的理论依据。

由于时间和资源的限制，数据集存在较高的数据缺失率，不同荟萃分析模型之间可能会出现较大的结果差异；此外，数据集没有收集到来自非洲西南地区的数据，建议后续调取更多资源查阅初级文献及其实验数据补充数据集，提高数据完整性以减少统计结果的误差。

参考文献

[1]Ray D K ,  West P C ,  Clark M , et al. Climate change has likely already affected global food production[J]. PLoS ONE, 2019, 14(5):e0217148.

[2]Africa regional overview of food security and nutrition 2020. FAO, 2021.

[3]Follett R ,  Mooney S ,  Morgan J , et al. Carbon sequestration and greenhouse gas fluxes in agriculture: challenges and opportunities.  2011.

[4]Nair P ,  Kumar B M ,  Nair V D . Agroforestry as a strategy for carbon sequestration[J]. Journal of Plant Nutrition and Soil Science = Zeitschrift fuer Pflanzenernaehrung und Bodenkunde, 2009, 172(1):10-23.

[5]Makowski D, Piraux F, Brun F. From Experimental Network to Meta-analysis: Methods and Applications with R for Agronomic and Environmental Sciences. Dordrecht: Springer Netherlands, 2019.

[6]Wiebe N ,  Vandermeer B ,  Platt R W , et al. A systematic review identifies a lack of standardization in methods for handling missing variance data[J]. Journal of Clinical Epidemiology, 2006, 59(4):342-353.

[7]Adams D C ,  Gurevitch J ,  Rosenberg M S . Resampling Tests for Meta-Analysis of Ecological Data[J]. Ecology, 1997, 78(4):1277-1283.

[8]Kuyah S ,  Whitney C W ,  Jonsson M , et al. Agroforestry delivers a win-win solution for ecosystem services in sub-Saharan Africa. A meta-analysis[J]. Agronomy for Sustainable Development, 2019, 39(5):47-.

[9]Buuren S V ,  Groothuis-Oudshoorn K . MICE: Multivariate Imputation by Chained Equations in R[J]. Journal of statistical software, 2011, 45(3).

作者简介：吴林鲜 1996.8.16 女 四川绵阳 汉族 硕士 同济大学 研究方向: 生态环境