原傳媒 AI
返回文章列表

農業/氣候治理/模型識讀

不要只算抽水機:一篇灌溉碳帳為何把「避免另闢農地」也算進來

美國灌溉碳帳同時計算直接排放與模型推估的土地節省。本文區分年度排放、土地轉用效益及水資源限制,說明台灣使用邊界。

鄭淑禎

每日專題研究與公共服務
灌溉田區與抽水設備情境,保留使用者核准的原圖文字。

使用者核准的 AI 生成情境圖,非研究或服務現場照片;原有編輯文字依核准版本保留。

談農業減碳時,我們很容易把帳算在看得見的設備上:抽水機用了多少電、柴油泵排了多少碳、滴灌是否比較省水。然而,2026年發表於《PNAS》的研究把尺度拉得更大。研究團隊不只計算美國灌溉的直接排放,也估算灌溉提高產量之後,全球可能少需要多少新增農地。結果讓一個原本看似簡單的問題變得複雜:灌溉本身會排放,但如果沒有灌溉而產量下降,世界其他地方是否可能需要把更多森林或自然植被轉成農地?

研究估計,相較於無灌溉的反事實情境,美國各類作物總生產量增加約3%到39%,並帶來至少319億美元的額外收入。團隊再把這些生產力效果放入空間化全球經濟模型,估算因產量提高而避免的土地轉用。模型結果顯示,這種「土地節省」可能避免部分森林與其他自然植被轉換,形成相當大的累積溫室氣體效益;同時,美國灌溉本身仍有約0.019 Gt CO2e的年度直接排放。這兩個數字不能直接被理解成「灌溉是負碳」,因為它們代表不同時間尺度與不同類型的帳。

第一本帳是直接排放。灌溉需要把水從河川、水庫或地下含水層送到田間,抽水高度、地下水深度、泵浦效率、能源來源與輸水方式都會改變排放。Nature Water 的美國縣級研究估計,灌溉相關溫室氣體排放不只來自田間抽水,還包括跨流域輸水、土壤含水增加後的氧化亞氮,以及地下水逸氣等路徑。也就是說,同樣一公頃灌溉田,因為水源與能源不同,碳成本可能差很多。

第二本帳是產量。灌溉的核心目的不是耗能,而是穩定水分、降低旱害、提高或維持產量。如果拿掉灌溉,產量下降後的糧食需求並不會自動消失。市場可能透過提高價格、改變貿易、擴大其他地區耕地或調整作物結構來回應。因此,研究者才會建立一個反事實情境:假設沒有這些灌溉帶來的生產力,全球土地利用可能如何改變。

第三本帳是自然地轉用。森林或其他自然植被被轉成農地,往往會釋放大量儲存於植被與土壤中的碳。若既有農地因灌溉而維持較高產量,理論上可能降低向外擴張的壓力。這就是「land sparing」的核心邏輯。但它是一個模型推估,不是可以在每一塊田邊直接量到的排放減量;結果高度依賴市場、政策、作物替代、貿易與土地轉用假設。

因此,這篇研究最值得報導的不是一個巨大的淨減碳數字,而是「碳帳邊界」本身。若只看田間能源,灌溉是排放來源;若把產量與全球土地利用納入,結論可能改變。兩種算法都不是天然正確,關鍵是報告必須清楚說明:算了什麼、沒算什麼、時間尺度多長、反事實情境如何設定。

USDA資料也提醒我們,美國灌溉不是單一路徑。2022年美國本土灌溉耕地略低於5500萬英畝,為1992年以來低點,部分地區受到嚴重乾旱與供水限制影響。這說明「增加灌溉」並不是可以無限擴張的氣候調適策略。水本身有邊界,地下水位下降也會增加抽水能耗,甚至讓原本的碳帳隨時間惡化。

2026年另一篇《Nature Communications》研究則從能源系統角度討論美國灌溉電氣化與低碳電力的成本---排放路徑。這提供一個重要補充:即使接受灌溉對產量有價值,也不代表現有抽水方式不必改善。更有效率的泵浦、適當的壓力管理、再生能源與區域化的電力配置,仍然是降低直接排放的重要工具。

把問題帶回台灣,模型不能直接照搬。台灣農地尺度、作物結構、水權制度、灌區密度、颱風與旱季交替,以及地下水使用情況都與美國不同。對小農而言,真正需要的不是一個全球平均的「灌溉碳係數」,而是知道自己的水從哪裡來、需要抬升多高、用什麼能源、每單位水增加多少可出售產量,以及乾旱年份的風險如何改變。

這也意味著智慧農業的感測資料可以成為碳帳的基礎,而不是只拿來做漂亮儀表板。流量、泵浦耗電、土壤水分、作物產量、抽水時段與地下水位,如果能以一致格式保存,就能讓農場知道「每增加一公斤產品用了多少水與電」。當這些資料累積多年,才可能比較不同灌溉策略是否真的同時節水、節能與穩產。

雙向知識的切口正在這裡:大型模型提醒地方不能只看田間排放,地方經驗則提醒大型模型不能把水視為無限可調度的投入。農民知道哪一塊田最先缺水、哪一段渠道最容易漏、哪種作物在特定土壤裡對灌水時間最敏感;模型則能把這些局部知識放進更大的市場與土地利用框架。兩者互相校正,比單獨相信一個總量數字更可靠。

所以,「灌溉究竟是排碳還是減碳」不是最好的問題。更好的問題是:在什麼水源、能源、作物、氣候與土地利用假設下,灌溉帶來的產量效益足以抵銷哪些排放?又有哪些水資源與生態代價不能被碳帳遮蔽?只有把帳本攤開,農業減碳才不會變成只挑對自己有利的那一本帳。

一張碳帳至少要附上四個註腳

第一個註腳是時間。田間抽水排放通常以年度計算,土地轉用的碳效應卻可能跨越數十年;若把兩者放在同一張圖上,必須說明累積值與年度值不能直接比較。第二個註腳是空間。某州提高產量所「避免」的土地轉用,可能發生在另一個國家,模型必須透過貿易與價格機制才能連接兩地。第三個註腳是不確定性。作物價格、需求彈性、政策與技術進步都會改變反事實情境。第四個註腳則是水:即使碳帳看起來有利,也不能因此忽略河川生態、地下水超抽與乾旱韌性。

對政策設計而言,這表示不宜用單一指標獎勵「多灌水」。比較合理的方向是把穩產、節水與低碳能源一起考量。例如在同樣維持產量的前提下,降低抽水高度、改善泵浦效率、把高耗能抽水移到低碳電力時段,或利用土壤水分感測減少不必要灌溉,都可能同時降低成本與排放。若只是提高灌溉量而沒有水資源邊界,反而可能把短期產量利益換成長期地下水風險。

這類研究也提醒媒體在報導「巨量減碳效益」時要特別小心。模型數字可以揭露被忽略的間接效果,但越大的數字越需要把假設寫清楚。讀者應該知道哪些是實測、哪些是統計估計、哪些是模型推演;政策制定者也應要求不同模型與敏感度分析互相比較,而不是只引用最有利的單一結果。

真正成熟的農業氣候治理,不是選擇「節水」或「增產」其中一邊,而是建立能同時看到水、能、碳、產量與土地的多本帳。只有當這些帳彼此可以核對,灌溉才可能從一項單純的農業投入,變成可以被精確治理的氣候調適工具。

相同名稱不代表相同排放邊界

二〇二四年的多來源研究估計美國灌溉相關年度排放為一千八百九十萬公噸二氧化碳當量,信賴區間約一千五百二十萬至二千三百五十萬公噸,包含能源與非能源途徑。二〇二六年的能源配置研究則主要計入燃料燃燒與用電排放,其淨零情境指的是模型內能源相關排放,不能延伸為整個農場或農業系統的淨零。比較兩篇研究時,應先核對基準年、氣體種類、涵蓋活動與分母,不能把不同邊界的總量差異直接解讀成政策成效。

資料來源與延伸閱讀

角色驅動追問

原傳媒AI|依你的角色繼續追問

先選擇角色,再閱讀該角色可能提出的完整問題;點選後,原傳媒AI 會以逐字顯示方式呈現完整回覆。

先選擇角色

農場經營與灌溉管理者

比較作物、供水與設備決策,辨認美國數據的適用界線。

再選擇問題

先閱讀上方完整問題,再選擇一題;原傳媒AI 將從第一個字開始逐字呈現回答。

AI 使用與內容安全揭露

本文與角色問答由 AI 協助整理及查證公開來源;研究事實與延伸分析分別說明。封面為使用者核准的生成情境圖,不作為研究現場或事件證據。

Newsletter

喜歡這篇文章?

訂閱原傳媒AI電子報,每日接收AI、傳統知識與雙向知識更新。

前往訂閱