稻虾共作模式碳足迹评价的敏感性和不确定性分析*

蒋 榕, 徐 强, 李京咏, 戴林秀, 敖弟彩, 窦 志, 高 辉

(江苏省作物栽培生理重点实验室/江苏省作物遗传生理重点实验室/江苏省粮食作物现代产业技术协同创新中心/扬州大学农学院/水稻产业工程技术研究院 扬州 225009)

气候变化是工业革命以来人类社会面临的全球性环境问题。我国是温室气体排放量较多的国家之一, 农业是我国温室气体的直接排放源, 约占全国温室气体排放总量的24%。我国是水稻()生产和消费大国, 2020年稻谷总产量达到2.12亿t,居世界第一。据报道, 稻田是温室气体的重要排放源, 约占全球农业生态系统中氧化亚氮(NO)和甲烷(CH)排放的11%和30%。因此, 我国农业需要采取有效的固碳减排措施, 为2060年前实现碳中和的目标助力。另一方面, 世界人口的激增导致人类对耕地资源的需求增加, 地球的粮食供应将持续面临严峻的考验。为了缓解全球变暖并实现可持续生产, 人们积极开发水稻与水产(禽)相结合的生态稻作模式, 从石油农业向生态农业转变。

稻虾[水稻–小龙虾(克氏原螯虾,)]共作是指利用稻田的水土环境进行水稻种植和小龙虾养殖的生态种养模式, 2020年稻虾共作总面积达1.26×10hm, 目前已发展成为我国长江中下游地区一种新兴的稻田种养复合生态模式, 该模式被农业农村部誉为“现代农业发展的成功典范, 现代农业的一次革命”。与水稻单作相比, 稻虾共作模式具有促进化肥农药减施、生物多样性保护、土壤改良和温室气体减排等多种生态功能,并能显著提高农民收益。更重要的是, 该模式利用有限的耕地资源生产出更丰富的营养物质, 如碳水化合物、动物蛋白和各种微量营养素元素。

碳足迹(carbon footprint, CF)是农业生态系统碳排放核算的常用方法, 是指某一产品、服务或活动在其生命周期内以二氧化碳当量(CO-eq)计算的直接或间接碳排放总量。农业领域碳足迹分析通常采用生命周期评价法(life cycle assessment, LCA), 即对农业生产过程中由农事操作和农资投入所引起的直接或间接碳排放总量进行核算。在传统稻作模式碳足迹分析中, 由于其功能产出(主要指稻谷)具有单一性, 功能单位(functional unit, FU)的选择通常是单位面积、单位重量或单位能量等。然而, 这对于具有多种不同种类功能产出的稻田综合种养生产模式来说并不适用, 因为稻谷和水产动物的产量不能进行简单的线性求和。尽管可以以面积或能量作为功能单位, 却忽视了不同功能产出之间重要的营养差异。最近, van Dooren提出使用营养密度单元(nutrient density unit, NDU)作为功能单位来进行食品的LCA分析。该方法考虑了不同食物之间的营养差异, 并可以比较具有多种功能产出的不同农业生产系统对环境的影响。然而, 将此方法应用于稻田综合种养碳足迹分析中的相关报道还十分缺乏。此外,在缺乏不确定性分析的LCA研究中, 评价结果在解释阶段往往会受到质疑且无法令人信服。不同国家和地区不同的生命周期边界、种植制度(单作、轮作、共作等)以及农田管理方式等都会导致不同的参数和计算结果。因此, 有必要采用不确定性分析来反映输入参数与输出结果之间的关系。敏感性分析能够从众多输入参数中识别出高敏感度参数、简化低敏感度参数或通过更精确的监测手段增加高敏感度参数的准确性, 可以降低评价模型的不确定性。例如, Meneses等在西班牙红葡萄酒生产的LCA评估中探索了输入参数变化对输出结果的影响。Xu等研究了参数变化(±40%)对中国出口和内销绿茶生产不可再生能源总量、全球变暖和富营养化潜力等环境指标的影响。然而, 目前针对稻田综合种养碳足迹核算进行不确定性和敏感性分析的研究鲜见报道。

综上, 本研究以江苏省姜堰市水稻单作和稻虾共作田间试验为研究案例, 结合LCA, 分别以单位面积、产值和NDU为功能单位, 比较分析不同稻作模式的碳足迹, 并分析碳减排的关键环节。在此基础上, 对稻虾共作模式的碳足迹评价结果进行不确定性和敏感性分析。本研究结果可为具有多功能产出的农业生产系统进行更全面的碳足迹评价提供技术支撑。此外, 本研究结果有助于识别稻虾共作模式碳足迹评价中的高敏感度输入参数, 并为未来进一步优化参数和降低评价结果的不确定性提供参考。

1 材料与方法

1.1 研究区概况

研究地点为扬州大学江苏省泰州市姜堰区沈高镇试验基地, 该区域属亚热带季风气候(120.07°E,32.36°N), 光、热、水等气候资源较为丰富, 2018-2019年水稻生长季节的日平均温度、日照时数和降雨量如图1所示。试验基地土壤为潴育型水稻土,质地黏性, 耕层土壤多年平均有机质含量为31.72～40.13 g·kg、全氮1.96～2.34 g·kg、速效钾163.02～175.26 mg·kg、速效磷6.25～7.02 mg·kg。

图1 2018年和2019年水稻生长季的日平均温度、日照时数和降雨量Fig. 1 Daily mean temperature, sunshine hours, and precipitation during the growing seasons of rice in 2018 and 2019

1.2 试验设计及产量测定

试验处理包括水稻单作(RM, 对照)和稻虾共作(RCC)两个处理, 各处理设置3个重复。供试水稻品种为‘南粳9108’, 两处理机插株行距均为30 cm×10 cm, 基本苗为133.4×10株·hm。稻虾共作模式基施商品有机肥2250 kg·hm(氮含量1%)和复合肥300 kg·hm(氮含量28%), 分蘖肥施尿素112.5 kg·hm(氮含量46%), 穂肥施复合肥33.8 kg(N)·hm和尿素34.5 kg(N)·hm, 合计施纯氮(N)为226.5 kg·hm,磷钾肥总施用量分别合计为121.6 kg(PO)·hm和110.3 kg(KO)·hm。水稻单作模式基肥施复合肥375 kg·hm(氮含量28%), 分蘖肥施用尿素120.8 kg(N)·hm, 穂 肥 施 用 复 合 肥33.8 kg(N)·hm和 尿素52.55 kg(N)·hm, 合 计 施 纯N为311.25 kg·hm,磷钾肥总施用量分别合计为90.0 kg(PO)·hm和78.8 kg(KO)·hm。

稻虾共作模式中供试虾为克氏原螯虾, 于水稻返青后投放虾苗, 投放量为450 kg·hm(5～10 g·尾)。所用饲料为正大小龙虾专用配合饲料(粗蛋白≥30%), 小龙虾生长期总投饲量为1875 kg·hm(含N量4.6%)。稻虾共作模式田间工程改造遵循农业农村部《SC/T 1135.12017 稻渔综合种养技术规范通则》的要求, 即养殖沟面积不超过田块的10%。在RCC处理小区周围安装防逃尼龙网, 并用木条支撑。RCC处理的水分管理方式为缓苗期到分蘖期保持浅水灌溉, 搁田期退水晒田, 分蘖后逐步加高水深(保持20～40 cm), 至成熟前10 d田面落水; RM处理的水分管理方式为浅水活棵分蘖、中期搁田, 此后干湿交替直至收获。成熟期各小区去除保护行确定10 m收割测产, 以14.5%含水量折算实际产量; 于水稻收获前投放地笼捕捞成虾。本试验两种稻作模式秸秆均未还田, 详细的试验设计和田间管理参见文献[22]。

1.3 营养密度单元

营养密度单元(nutrition density unit, NDU)是一个无量纲单位, 由Dooren在2016年提出, 食品NDU计算公式如下:

式中: EFA (g)、Protein (g)和Fiber (g)分别指100 g食品所含有的必需脂肪酸、蛋白质和纤维素含量(表1), 这3个参数来源于中国食物成分表; DV(g)、DV(g)和DV(g)分别指必需脂肪酸、蛋白质和纤维素的日摄入量, 取值12.40 g、50 g和25 g;S(kcal)指100 g食品所含有的热量;指食品的可食部分(%)。

表1 稻谷和小龙虾的可食部分、营养成分(100 g可食部)和营养密度单元Table 1 Edible portion, nutrient contents per 100 g edible portion, and nutrient density unit (NDU) of rice and crayfish

经计算, 稻谷(NDU)和小龙虾(NDU)的食品NDU分别为0.2368和1.0212, 后者是前者的4.3倍。由此, 定义一个农业生产系统的系统营养密度产出(NDU)为:

式中:Y指一个农业生产系统中第种产品产出(kg·hm), NDU指第种产品的食品NDU。将一个农业生产系统的各个产品产出与其相应的食品NDU相乘并累计求和即得到NDU。

1.4 碳足迹分析

本研究中两种稻作模式的碳排放包括农资生产、运输和使用过程中的间接温室气体排放, 以及农作阶段所产生的直接温室气体排放的总和。其计算公式为:

式中: CF为单位面积碳足迹[kg(CO-eq)·hm];Q指单位面积上农业生产的农资投入量, 具体包括化肥、有机肥、饲料、杀虫剂和稻种的投入, 以及灌溉和整地、收获过程中电力和柴油的消耗。由于缺乏相关碳排放系数, 本研究碳足迹核算未考虑水产动物苗种和防逃设施。由于缺乏对土壤有机碳的长期监测, 土壤有机碳库的变化并未考虑。此外, 由于本试验并未实施秸秆还田, 因此农作阶段CO和秸秆等部分也不计入碳排放核算。φ指不同农资的碳排放系数[kg(CO-eq)·Unit](表2), 这些系数主要源自中国生命周期数据库(CLCD v0.8)以及欧洲Ecoinvent 2.2数据库;和指农作阶段产生的CH和NO的累积排放量(kg·hm)。CH排放量参考Sun等对中国长江中下游地区不同稻作模式温室气体排放的meta分析, 水稻单作和稻虾共作的CH排 放 量 分 别 取 值315.3 kg·hm和231.2 kg·hm。34和298为100年尺度CH和NO的增温潜势(以CO-eq计)。本研究仅考虑了由于施肥或投饲造成的NO排放, 其他原因造成的NO排放暂未考虑。因此, 稻田累积的NO排放量的计算公式可表示为:

表2 水稻单作和稻虾共作不同农资投入的碳排放系数Table 2 Carbon emission factors of different materials inputs for rice monoculture and rice-crayfish coculture

式中:指施用化肥、有机肥或投饲带入系统的纯氮量[kg(N)·hm];指投入引起的NO排放的排放系数, 水稻单作取0.5%, 稻虾共作取0.3%; 44/28为N转换为NO系数。

单位产值碳足迹(CF)和单位营养密度碳足迹(CF)的计算公式如下:

式中:指单位面积农业生产的总产值(¥·hm), 根据本课题组已发表的文献, 水稻单作和稻虾共作的总产值分别取25 483 ¥·hm和116 622 ¥·hm。

净生态系统经济预算(NEEB, ¥·hm)指农业生产的净经济效益与GWP成本的差值, 计算公式如下:

式中: Profit指农业生产的净经济效益(¥·hm), 水稻单作和稻虾共作的Profit分别为15 486 ¥·hm和87 108 ¥·hm; GWP指GWP成本, 根据碳交易价格[103.7 ¥·t(CO-eq)]和单位面积碳足迹计算。

为了增加评价结果的稳健性, 本文对参与稻虾共作模式单位面积碳足迹核算的全部9个输入参数进行了敏感性分析, 这些参数包括尿素、复合肥、有机肥、饲料和稻种的投入量, 电力和柴油的消耗量, 以及CH和NO的排放量。分别令这9个输入参数的值在±40%之间变动, 得到对应输出结果(单位面积碳足迹)的变幅, 以分析不同输入参数对评价结果的敏感性差异。

蒙特卡洛模拟(Monte Carlo Simulation)用于评估稻虾共作模式单位面积碳足迹核算结果的总体不确定性。在本研究蒙特卡洛模拟的随机抽样过程中, 假设所有输入参数均服从三角分布。使用SimaPro 9.0软件模拟了稻虾共作模式单位面积碳足迹的不确定性结果(5000次迭代), 并计算了平均值、中位数、标准差、变异系数以及2.5%和97.5%分位数, 置信区间为95%。

1.5 统计与分析

数据汇总分析利用Microsoft Excel 2020进行, 使用配对检验分析两种稻作模式作物和小龙虾产量,当处理间存在显著性差异时, 使用5%概率水平的最小显著性差异法(Least-Significant Difference, LSD)处理平均数之间的差异, 统计学分析采用IBM SPSS Statistics 20.0进行, 利用Sigmaplot 12.5和Microsoft Excel 2020绘图。

2 结果与分析

2.1 不同稻作模式的系统NDU与产量

表1表明, 由于小龙虾含有更多的蛋白质含量和更低的热量, 小龙虾的产品NDU是稻谷的4.3倍。由此, 水稻单作和稻虾共作模式的系统NDU分别是2349和4310, 后者比前者的营养密度输出提高了83.5% (表3)。水稻单作和稻虾共作模式的稻谷产量分别为9920 kg·hm和9145 kg·hm, 稻虾共作模式比水稻单作模式降低7.8%, 稻虾共作模式的小龙虾产量为2100 kg·hm。

表3 不同稻作模式的稻谷产量和营养密度单元(NDU)Table 3 Rice yield and nutrient density unit (NDU) of different rice farming modes

2.2 不同稻作模式的碳足迹

水稻单作和稻虾共作模式的单位面积碳足迹分别为14 126 kg(CO-eq)·hm和13 140 kg(CO-eq)·hm,后者比前者略低7.0% (表4); 两种稻作模式的单位产值碳足迹分别为0.59 kg(CO-eq)·¥和0.11 kg(CO-eq)·¥, 稻虾共作比水稻单作模式降低81.4% (图2);两种稻作模式的单位NDU碳足迹分别为6.01 kg(CO-eq)·NDU和3.05 kg(CO-eq)·NDU, 稻 虾 共 作 比 水稻单作模式降低49.3%。此外, 水稻单作和稻虾共作模式的净生态系统经济预算分别为14 021 ¥·hm和85 745 ¥·hm, 后者比前者增加511.5%。

表4 不同稻作模式农资投入量及单位面积碳足迹Table 4 Amounts of agricultural inputs and carbon footprint per unit area of different rice farming modes

图2 不同稻作模式碳足迹及净生态系统经济预算[A: 单位面积碳足迹(CFA); B: 单位产值碳足迹(CFV); C: 单位营养密度碳足迹(CFNDU); D: 净生态系统经济预算(NEEB)]Fig. 2 Carbon footprint and net ecosystem economic budget of different rice farming modes. (A: carbon footprint per hectare, CFA;B: carbon footprint per unit output, CFV; C: carbon footprint per nutrient density unit, CFNDU; D: net ecosystem economic budget, NEEB; RM: rice monoculture; RCC: rice-crayfish coculture)

图3显示了两种稻作模式的单位面积碳足迹构成。对于水稻单作, 田间直接排放的影响较大, CH排放的贡献高达75.9%, NO排放贡献5.2%。在农资生产、分配和运输阶段, 尿素、复合肥和电力消耗分别贡献8.7%、4.1%和5.4%, 其他农资投入(如杀虫剂、柴油和稻种)的总占比小于1%。同样, 对于稻虾共作, 田间直接排放的影响较大, CH排放占总碳足迹的59.8%, 饲料和电力的贡献也较高(12.3%和13.8%)。稻虾共作模式中为了增加小龙虾产量需要投喂更多的饲料, 而小龙虾的养殖需要更深的水层, 因此灌溉用电造成了更多的碳排放。尿素、复合肥和有机肥对碳足迹的贡献分别为4.7%、3.8%和1.5%, NO排放的贡献为3.3%, 而柴油和稻种的贡献较小(0.3%和0.4%)。

图3 不同稻作模式单位面积碳足迹热点分析Fig. 3 Hotspots analysis of carbon footprint of different rice farming modes

图4显示了稻虾共作模式单位面积碳足迹的敏感性分析结果。对于9个输入参数, CH排放最为敏感, 当CH的排放量在±40%间变动时, 碳足迹的变幅在9994～16 283 kg(CO-eq)·hm。电力消耗和饲料投入量也较为敏感, 当这2个参数在±40%间变动时,碳足迹的变幅分别为12 413～13 864 kg(CO-eq)·hm和12 491～13 787 kg(CO-eq)·hm。再其次是尿素、复合肥投入量和NO排放量, 当这3个参数在±40%间变动时, 碳足迹的变幅分别为12 893～13 384 kg(CO-eq)·hm、12 937～13 340 kg(CO-eq)·hm和12 963～13 314 kg(CO-eq)·hm。其余3个参数(柴油消耗、有机肥和稻种投入量)对于碳足迹核算结果的影响均较小。

图4 稻虾共作模式单位面积碳足迹敏感性分析Fig. 4 Sensitivity analysis of carbon footprint per hectare of rice-crayfish coculture mode

不确定性分析结果表明(图5), 稻虾共作模式的单位面积碳足迹平均值为13 302±1166 kg(CO-eq)·hm,2.5%和97.5%置信区间分别为11 179 kg(CO-eq)·hm和15 613 kg(CO-eq)·hm, 中位数和变异系数分别为13 250 kg(CO-eq)·hm和8.76%。当变异系数小于10%时, 属于弱变异, 这表明本案例中稻虾共作模式的单位面积碳足迹核算结果的不确定性较低。

图5 基于蒙特卡洛模拟的稻虾共作模式单位面积碳足迹频率直方图(95%置信区间)Fig. 5 Histogram of carbon footprint per hectare of rice-crayfish coculture mode based on Monte Carlo Simulation(95% confidence interval)

3 讨论

传统农业严重依赖化肥的投入, 造成了大量温室气体排放。据联合国粮食及农业组织(FAO)的预计, 随着世界人口持续增长, 到2050年, 肉类、奶制品和鸡蛋的产量总需求将增加约44%, 这将为地球环境和人类健康带来一系列问题。为此, 世界各国学者正呼吁人们广泛改变饮食策略, 既为营养计,也兼顾环境。2021年, 中国营养学会也指出, 中国居民要优化动物性食品消费结构, 改变以红肉为主的消费结构, 增加富含多不饱和脂肪酸的水产品摄入量。可见, 未来改善中国居民饮食结构和促进农业生态系统转型将是大势所趋。在本研究案例中,稻虾共作模式的水稻产量略低于水稻单作模式, 然而由于稻虾共作增加了水产动物的产量, 其营养密度产出比水稻单作模式增加83.5%, 而稻虾共作模式的单位NDU碳足迹为3.05 kg(CO-eq)·NDU, 比水稻单作模式降低49.3%。这说明传统水稻单作模式向稻虾共作模式的转变既有利于减缓气候变暖, 也有益于高效地生产营养更丰富的食物, 从而助力人们改善饮食结构、保证人体健康。稻虾共作作为一个具有多功能产出的农业生态模式, 利用同一块土地和有限的水土资源、更低的碳排放为人们产出富含碳水化合物、蛋白质和必需脂肪酸的谷物和水产品。与水稻单作相比, 其经济效益更高、单位产值碳足迹更低, 是一种兼顾食谱的营养性与环境可持续性的生态农业生产模式。前人的研究并没有考虑共作模式所产出食品的多样性问题, 因此忽略了不同稻作模式之间重要的营养差异。因此, 本研究引入NDU这一功能单位, 从不同的角度对稻虾共作模式的碳足迹进行了较为客观且全面的评价, 既突显了稻虾共作模式丰富的营养产出功能, 也从改善居民饮食结构的角度剖析了传统农业向生态农业转型的迫切性和必要性。

农业生态系统碳足迹评价结果受生产区域、作物品种、气候、土壤、管理措施及生产规模等一系列因素影响。前人研究表明, 江苏省和湖北省稻虾共作模式单位面积碳足迹的变异范围较大(表5),从7916 kg(CO-eq)·hm到18 797 kg(CO-eq)·hm。刘金根等的评价结果最低, 主要是由于其CH排放量(116 kg·hm)明显低于其他研究; 其次, 其饲料投入导致的碳足迹仅为657 kg(CO-eq)·hm, 明显低于本研究的估算1620 kg(CO-eq)·hm。这可能是由于其投饲量较低所致, 这也就不难解释为何其小龙虾产量仅为1.75 t·hm。而Hu等的研究和本研究分 别 为2.5 t·hm和2.1 t·hm; 此外, 在他们的研究中, 氮肥投入及其导致的NO排放量也较低。可见,他们的研究中碳足迹评价结果较低的主要原因是其CH排放量较低。Ling等研究表明, 稻虾共作碳足迹高达18 797 kg(CO-eq)·hm, 其主要原因是秸秆还田导致了更多的CH排放, 而本研究并未实施秸秆还田, 碳足迹与Hu等的研究结果更接近。

表5 不同文献稻虾共作模式碳足迹核算结果的比较Table 5 Comparison of carbon footprint per hectare of ricecrayfish coculture of different references

为了增加评价结果的稳健性, 本研究对稻虾共作模式碳足迹评价结果进行了敏感性和不确定分析。敏感性分析识别出了对碳足迹评价结果影响较大的输入参数, 主要包括CH排放量、电力消耗和饲料投入量, 其次是尿素、复合肥投入量和NO排放量,柴油消耗、有机肥和稻种投入量对于碳足迹结果的影响几乎可以忽略不计。不确定性分析结果表明,在95%的置信区间下, 稻虾共作模式的单位面积碳足迹在11 179～15 613 kg(CO-eq)·hm变动。值得指出的是, 对本研究碳足迹评价结果影响较大的CH和NO排放量均来自本土数据库(meta分析结果),未来进一步优化评价结果时可以优先考虑敏感性较高的输入参数, 如对CH和NO排放量进行更准确的田间实测, 以降低评价结果的不确定性。由于中国CLCD v0.8本土数据库缺失小龙虾饲料碳排放因子, 本研究所用的饲料碳排放因子来源于欧洲Ecoinvent 2.2数据库, 且为水产动物通用饲料, 并非小龙虾专用饲料, 这在一定程度上也会影响评价结果的客观性和准确性。此外, 由于数据缺失, 本研究并未考虑水产动物苗种、防逃设施等输入, 这可能在一定程度上低估了评价结果。未来, 随着中国LCA数据库的不断完善和稻虾共作模式生命周期清单(life cycle inventory, LCI)的不断充实, 碳足迹评价结果的客观性和准确性也将得到进一步提高。

稻田是CH的重要排放源。大量研究表明, 相比于水稻单作, 稻虾共作显著降低了稻田CH的排放量, 可能主要源于: 一是稻虾共作稻田具有更深的水层, 降低了通过水面扩散到大气的CH排放通量; 二是虾的活动提高了土壤氧化还原电位(Eh), 较高的土壤Eh不利于产甲烷菌的形成, 降低了CH排放量; 三是较高的土壤Eh会降低水稻通气组织的形成, 不利于CH通过水稻通气组织的运输;四是深水导致水稻根系活力降低, 对CH的吸收减弱, 使得从水稻通气组织中释放的CH减少。尽管如此, 本研究碳足迹热点分析表明, 田间CH排放对稻虾共作模式总碳足迹贡献仍高达59.8%。因此,进一步减少稻田CH排放是降低碳足迹的关键。未来稻虾共作可选用低CH排放水稻品种或采用CH抑制剂降低田间的直接温室气体排放。此外, 尽管众多研究表明, 相比于水稻单作, 稻虾共作由于长期淹水会降低NO排放量, 然而由于NO的增温潜势高且能长时间存留在大气中, 并会对臭氧层造成破坏, 因此降低NO排放对于减缓稻虾共作的碳足迹仍大有裨益, 未来可通过联合使用低NO排放水稻品种或新型肥料等技术进一步降低农田NO排放。饲料对稻虾共作模式碳足迹的贡献也较高(12.3%)。因此, 优化水产动物饲料生产工艺, 降低饲料生产造成的碳排放以及减少饲料投入, 同时增加水产动物饲料利用率, 可有效降低稻虾共作模式碳足迹。此外, 由于小龙虾养殖的需要, 共作模式相比单作模式增加了灌溉量, 因此灌溉耗电对稻虾共作模式碳足迹的贡献也较高(13.8%)。这可能是制约共作模式低碳发展的瓶颈, 未来需要优化灌溉量, 探索既利于种植又利于养殖的灌溉策略。在本研究中,共作模式较高的产量得益于较多的水肥(尤其是氮肥)投入, 未来的研究中, 在考虑碳足迹的同时, 应当考虑水足迹和氮足迹, 以更全面地评价稻虾共作模式的环境效益。

4 结论

本研究利用大田试验数据结合生命周期评价方法, 对水稻单作和稻虾共作模式进行了较为全面的碳足迹评价, 并对评价结果进行了敏感性和不确定性分析, 主要结论如下: 稻虾共作模式的单位面积碳足迹、单位产值碳足迹和单位NDU碳足迹分别为13 140 kg(CO-eq)·hm、0.11 kg(CO-eq)·¥和3.05 kg(CO-eq)·NDU, 比水稻单作降低7.0%、81.4%和49.3%, 而稻虾共作模式的净生态系统经济预算(85 745 ¥·hm)比水稻单作模式增加511.5%。因此,在长江下游地区推广稻虾共作模式将有利于减排温室气体、促进农民增收并助力居民改善膳食结构。不确定性分析结果表明, 在95%的置信区间下, 稻虾共作模式的单位面积碳足迹在11 179～15 613 kg(CO-eq)·hm变动。敏感性分析识别出了对稻虾共作模式碳足迹评价结果影响较大的输入参数, 主要包括CH排放、电力消耗和饲料投入。未来随着稻田综合种养技术的进一步提升, 可针对性地量化碳减排潜力, 以更低的环境足迹为人类产出更丰富的食物和营养。