一种农业产品的环境足迹评估方法及系统与流程

1.本技术涉及一种农业产品的环境足迹评估方法及系统。


背景技术：

2.生命周期环境影响评估lca(life cycle assessment)方法是可持续发展评估体系和实现碳中和目标的最重要基础方法学之一。产品环境足迹，碳足迹，水足迹等概念均是建立在lca方法学之上。由于国内缺少相关背景数据清单lci(life cycle inventory)，以及缺少基于我国环境背景的环境影响评估方法学lcia(life cycle impact assessment)，国内目前的lca研究、以及相关的产品环境足迹发布，很大程度上依赖国外的背景数据库，以及环境影响评估方法，造成较大的偏差。
3.针对农业系统，在lci阶段，国内的农业初级活动的数据收集并未被广泛采集和建立。而目前通用的lci背景数据库均是基于历史采集数据、统计资料、专家建议的方式所建议，并无法满足活动数据的地区差异性和实时性。而近几年我国物联网平台技术的高速发展以及国内移动网络的高度覆盖，为各个地区的各种农业活动收集一手初级数据和相关资料建立了一定的技术基础。
4.在lcia过程中，目前尚未建立适合中国背景环境的方法学，在环境影响评估阶段，目前只能采用在欧美地区环境背景下开发的lcia。将这些在国外环境背景下开发的评估方法学应用到我国产品的评估中，将会导致与背景环境属性相关的一些环境影响类别，如酸化和富营养化等，评估结果出现较大差异。而利用物联网平台相关技术进行背景环境数据的采集，将有助于加速开发符合我国背景环境属性的lcia。
5.总之，现有国内农业背景lci数据缺失，传统数据收集方法亦无法精确收集农业生产活动相关数据，同时lcia评估方法亦缺少适合我国环境背景属性的地区性指标，导致产品环境足迹结果存在误差，不利于减排政策制定及最终实现碳中和目标。


技术实现要素：

6.为了解决上述问题，本技术一方面提供了一种农业产品的环境足迹评估方法，包括如下步骤：
7.通过物联网技术获取目标区域的农业原始活动数据，所述农业原始活动数据包括直接自然资源消耗数据、直接排放数据以及二次能源消耗数据和资源物料消耗数据；
8.获取目标区域的背景环境数据；
9.设置初始的lcia模型，并利用背景环境数据对于lcia模型进行改良得到lcia评估模型。
10.优选的，所述背景环境数据包括大气质量数据以及水体质量数据以及环境土壤数据；将所有收集的背景环境数据进行数据上传，在雾计算阶段展开初步分析及校对，然后云端存储；
11.按照如下方式利用背景环境数据对于lcia模型进行改良：
12.将环境影响类别分为全球性环境影响种类(例如气候变化)、及地区性环境影响种类(例如富营养化、酸化)；对于地区性环境影响种类，可以通过收集背景环境数据，对于目标区域进行环境效应分析，在现有区域化lcia模型基础上，将背景环境沉积、排放物运输、最终归宿以及生态系统环境敏感性代入环境影响因果链的排放响应效应路径，得到目标区域的lcia模型的特征化因子。
13.本技术利用物联网平台技术解决农业生产lci清单数据缺失，尤其是一手初级活动数据不易获取的问题，尤其是通过在农业生产活动第一现场安装各类型传感器来收集第一手lci初级活动数据资料，解决了目前lci数据基于二次数据类型如统计数据、技术估算或者基于传统数据收集如用户调研等手段导致的数据偏差问题。
14.优选的，所述lcia模型包括水体富营养化lcia模型，所述水体富营养化lcia模型按照如下方式进行改进：
15.更新水体富营养化lcia模型中相关排放物在环境中的归宿因子以及最终该物质的环境效应因子；归宿因子代表在考虑到不同背景环境下的排放物去除机制后，排放物受体环境中磷的持久性；环境效应因子则是由于磷当量在环境中的累积而导致的潜在生物消失部分的变化，通过引入归宿因子以及环境效应因子得到水体富营养化lcia评估模型。本技术利用物联网平台技术收集背景环境数据，解决了缺少适合我国环境属性的lcia评估模型的问题，解决了目前缺少中国特质lcia评估模型的问题。
16.优选的，所述lcia模型包括酸化lcia模型，归宿因子用于表示在环境因果链的中点模型，特征因子将针对酸化排放物和二氧化硫在背景受体环境中ph值的变化，结合受体土壤酸化敏感性，使用geos
‑
chem模型以及profile化学稳态土壤模型结合土壤化学指标来处理排放源
‑
沉积关系；通过受体土壤归宿建模，导出排放物向淡水生态系统的转移，用于淡水酸化建模优化；在终点水平上，效应因子通过评估背景受体土壤以及水体中ph值下降后分别引起陆地酸化的植物缺失和淡水酸化的鱼类物种缺失来进行终点环境因果链建模，得到酸化lcia评估模型。
17.优选的，直接自然资源消耗数据包括农业土地资源、水资源、以及天然农林资源消耗，通过对不同类型的农田车辆安装传感装置并使用红外照相仪进行直接自然资源消耗数据收集，并监测目标植物的生长以及采收状况，通过动物可穿戴3d传感器和/或移动传感器来监测牧场类动物对于自然资源的直接消耗；
18.直接排放数据根据不同生产场所及生产活动排放物质不同，选取不同生产点安装气体传感器来进行直接气体排放数据收集；对于直接水体类排放，在排放源设置水体质量监测探头监测水体类排放数据；对于直接固体类排放，通过动物可穿戴3d传感器和/或gps和/或红外传感器移动设备来进行排放数据收集；
19.二次能源消耗数据和资源物料消耗数据利用电流传感器设备收集生产相关的电力消耗数据，对于固体类燃料及二次物料，联合上游生产厂商，通过植入rfid电子标签来持续追踪资源物料在农业生产链中的消耗点以及消耗量。
20.优选的，将农业原始活动数据进行数据上传，在靠近获取农业原始活动数据的设备端先利用雾计算阶段展开初步分析及校对，初步处理后数据按照ecospold开源数据交换格式建立初级活动lci数据库然后上传至云端待后续计算处理。
21.优选的，所述背景环境数据包括如下种类大气质量数据：二氧化碳、一氧化碳、甲
烷、氨气、硫化氢、臭氧、一氧化二氮、氧化亚氮、挥发性有机化合物；对于水体质量数据，包括：温度、ph值、硬度、溶解氧、电导率、bod、cod、浊度，色度、悬浮物、总磷、总氮、氨氮；对于环境土壤数据，包括土壤水分含量、土壤颗粒组成、湿度、酸碱度、硝化速率、有效磷、速效钾、有机质、有机氮、容重、微量元素；将所有收集的背景环境数据进行数据上传，在雾计算阶段展开初步分析及校对，然后云端存储。
22.优选的，还包括选择试点进行环境足迹计算并进行物联网平台在线发布和监测的步骤。
23.优选的，选择试点进行环境足迹计算并进行物联网平台在线发布和监测，具体包括如下步骤：
24.对于试点进行环境足迹计算：根据环境影响类别，分别计算产品的碳足迹、水足迹、富营养化以及酸化影响，并展开敏感性及不确定性分析；
25.识别减排热点并指导生产活动优化：通过环境热点分析指导建议减排政策制定，进行减排措施可行性分析；选取可行性较高的减排点指导生产者开展减排活动；
26.将试点最终环境足迹于物联网平台进行发布，通过收集到的农业原始活动数据进行实时动态监测，来验证减排成果；同时可于物联网平台查询相关产品的环境足迹、追溯来源地以及原始物料投入信息。
27.另一方面，本技术还提出了一种农业产品的环境足迹评估系统，包括：
28.原始数据模块，用于获取目标区域的农业原始活动数据，所述农业原始活动数据包括直接自然资源消耗数据、直接排放数据以及二次能源消耗数据和资源物料消耗数据；
29.背景数据模块，用于获取目标区域的背景环境数据；
30.修正模块，用于设置初始的lcia模型并利用背景环境数据对于lcia模型进行改良得到lcia评估模型；
31.发布模块，用于选择试点进行环境足迹计算并进行物联网平台在线发布和监测。
32.本技术能够带来如下有益效果：
33.1、本技术综合利用物联网平台技术构建农业活动初级lci数据，通过收集背景环境参数建立我国特定lcia评估模型。通过连续性的物联网平台数据进行环境监测，生产监测，活动数据追踪溯源，最终展开农产品的生命周期环境足迹评估，用于指导减排政策指定及减排措施实施；
34.2、本技术通过评估系统的建立，可动态监测及评估农业资源利用及污染排放，为生产者提供生产流程改进建议、为政策决策者提供农业生态建设科学支撑、为消费者提供公开透明的产品环境数据并溯源产品原材料/原产地协助建立产品安全体系；建立基于物联网平台的产品环境足迹平台系统，为我国达到2060碳中和的目标建立并完善相关评估体系；
35.3、本技术利用物联网平台技术解决农业生产lci清单数据缺失，尤其是一手初级活动数据不易获取的问题，通过在农业生产活动第一现场安装各类型传感器来收集第一手lci初级活动数据资料，解决了目前lci数据基于二次数据类型如统计数据、技术估算或者基于传统数据收集如用户调研等手段导致的数据偏差问题。
附图说明
36.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
37.图1为实施例1的示意图；
38.图2为实施例2的示意图。
具体实施方式
39.为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本技术进行详细阐述。
40.在第一个实施例中，如图1所示，一种农业产品的环境足迹评估方法，包括如下步骤：
41.s101.通过物联网技术获取目标区域的农业原始活动数据，所述农业原始活动数据包括直接自然资源消耗数据、直接排放数据以及二次能源消耗数据和资源物料消耗数据；
42.直接自然资源消耗数据包括农业土地资源、水资源、以及天然农林资源消耗，通过对不同类型的农田车辆安装传感装置并使用红外照相仪进行直接自然资源消耗数据收集，并监测目标植物的生长以及采收状况，通过动物可穿戴3d传感器和/或移动传感器来监测牧场类动物对于自然资源的直接消耗；
43.直接排放数据根据不同生产场所及生产活动排放物质不同，选取不同生产点安装气体传感器来进行直接气体排放数据收集；对于直接水体类排放，在排放源设置水体质量监测探头监测水体类排放数据；对于直接固体类排放，通过动物可穿戴3d传感器和/或gps和/或红外传感器移动设备来进行排放数据收集；
44.二次能源消耗数据和资源物料消耗数据利用电流传感器设备收集生产相关的电力消耗数据，对于固体类燃料及二次物料，联合上游生产厂商，通过植入rfid电子标签来持续追踪资源物料在农业生产链中的消耗点以及消耗量。
45.将农业原始活动数据进行数据上传，在靠近获取农业原始活动数据的设备端先利用雾计算阶段展开初步分析及校对，初步处理后数据按照ecospold开源数据交换格式建立初级活动lci数据库然后上传至云端待后续计算处理。
46.s102.获取目标区域的背景环境数据；
47.按照如下方式利用背景环境数据对于lcia模型进行改良：
48.所述背景环境数据包括大气质量数据以及水体质量数据以及环境土壤数据；将所有收集的背景环境数据进行数据上传，在雾计算阶段展开初步分析及校对，然后云端存储；
49.通过背景环境数据，对于目标区域进行环境效应分析，在现有区域化lcia模型基础上，将背景环境沉积、排放物运输、最终归宿以及生态系统环境敏感性代入环境影响因果链的排放响应效应路径，得到目标区域的lcia模型的特征化因子。
50.所述背景环境数据包括如下种类大气质量数据：二氧化碳、一氧化碳、甲烷、氨气、硫化氢、臭氧、一氧化二氮、氧化亚氮、挥发性有机化合物；对于水体质量数据，包括：温度、ph值、硬度、溶解氧、电导率、bod、cod、浊度，色度、悬浮物、总磷、总氮、氨氮；对于环境土壤数据，包括土壤水分含量、土壤颗粒组成、湿度、酸碱度、硝化速率、有效磷、速效钾、有机质、
有机氮、容重、微量元素；将所有收集的背景环境数据进行数据上传，在雾计算阶段展开初步分析及校对，然后云端存储。
51.s103.利用背景环境数据对于lcia模型进行改良得到lcia评估模型。
52.所述lcia模型包括水体富营养化lcia模型，所述水体富营养化lcia模型按照如下方式进行改进：
53.更新水体富营养化lcia模型中相关排放物在环境中的归宿因子以及最终该物质的环境效应因子；归宿因子代表在考虑到不同背景环境下的排放物去除机制后，排放物受体环境中磷的持久性；环境效应因子则是由于磷当量在环境中的累积而导致的潜在生物消失部分的变化，通过引入归宿因子以及环境效应因子得到水体富营养化lcia评估模型。本技术利用物联网平台技术收集背景环境数据，解决了缺少适合我国环境属性的lcia评估模型的问题，解决了目前缺少中国特质lcia评估模型的问题。
54.所述lcia模型包括酸化lcia模型，归宿因子用于表示在环境因果链的中点模型，特征因子将针对酸化排放物和二氧化硫在背景受体环境中ph值的变化，结合受体土壤酸化敏感性，使用geos
‑
chem模型以及profile化学稳态土壤模型结合土壤化学指标来处理排放源
‑
沉积关系；通过受体土壤归宿建模，导出排放物向淡水生态系统的转移，用于淡水酸化建模优化；在终点水平上，效应因子通过评估背景受体土壤以及水体中ph值下降后分别引起陆地酸化的植物缺失和淡水酸化的鱼类物种缺失来进行终点环境因果链建模，得到酸化lcia评估模型。
55.s104.选择试点进行环境足迹计算并进行物联网平台在线发布和监测。
56.选择试点进行环境足迹计算并进行物联网平台在线发布和监测，具体包括如下步骤：
57.对于试点进行环境足迹计算：根据环境影响类别，分别计算产品的碳足迹、水足迹、富营养化以及酸化影响，并展开敏感性及不确定性分析；
58.识别减排热点并指导生产活动优化：通过环境热点分析指导建议减排政策制定，进行减排措施可行性分析；选取可行性较高的减排点指导生产者开展减排活动；
59.将试点最终环境足迹于物联网平台进行发布，通过收集到的农业原始活动数据进行实时动态监测，来验证减排成果；同时可于物联网平台查询相关产品的环境足迹、追溯来源地以及原始物料投入信息。
60.物联网数据通讯及上传，根据数据收集点及各监测点网络覆盖及频率，采用如下通讯手段(亦适用于s1104步骤数据上传及储存)：对于短距离低数据传输速率(20kbps
‑
250kbps)，可采用zigbee，z
‑
wave等通讯技术，对于中距离高数据传输速率(100
‑
300mbps)，可采用wi
‑
fi技术，对于长距离数据传输，可根据数据传输速率不同采取lorawan或者nb
‑
iot技术。
61.所有数据架构均采用hadoop技术。因其具有负载平衡、成本效益、灵活性和处理能力相关的优势，不同于依赖于一台超级计算机，hadoop技术允许在节点之间分配处理负载，提高处理能力。hadoop另一大优势源于它是一种开源架构，实现了hdfs(hadoop分布式文件系统)和mapreduce模型。hdfs采用主从体系结构，包括存储、处理和分析大型数据集，非常适合基于物联网的lca大数据分析及储存。
62.在第二个实施例中，如图2所示，一种农业产品的环境足迹评估系统，包括：
63.原始数据模块201，用于获取目标区域的农业原始活动数据，所述农业原始活动数据包括直接自然资源消耗数据、直接排放数据以及二次能源消耗数据和资源物料消耗数据；
64.背景数据模块202，用于获取目标区域的背景环境数据；
65.修正模块203，用于设置初始的lcia模型并利用背景环境数据对于lcia模型进行改良得到lcia评估模型；
66.发布模块204，用于选择试点进行环境足迹计算并进行物联网平台在线发布和监测。由于云计算处理资源是虚拟化和动态的不同利益相关者(生产者、政策制定者、消费者)可以利用软件应用程序和服务来按需访问，通过web浏览器、客户端、或移动设备访问基于云的应用程序。基于物联网所获取的持续监测之生产活动初级数据以及背景环境数据，将通过云计算这一基于互联网的计算模型，为高度资源密集和各个应用程序提供运算，提供整体的解决方案。
67.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
68.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。