农业甲烷（CH4）排放量（百万吨二氧化碳当量）

Methane (CH4) emissions from Agriculture (Mt CO2e)

下载数据

指标代码：EN.GHG.CH4.AG.MT.CE.AR5所属主题：环境：排放Environment: Emissions

2024最新有效年份

183最新年份有值国家

265历史上有数据经济体

22%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

A measure of annual emissions of methane (CH4), one of the six Kyoto greenhouse gases (GHG), from the agricultural sector. This includes emissions from livestock (IPCC 2006 codes 3.A.1 (enteric fermentation, 3.a.2 (manure management) and crops (IPCC 2006 codes 3.C.1 Emissions from biomass burning, 3.C.2 Liming, 3.C.3 Urea application, 3.C.4 Direct N2O Emissions from managed soils, 3.C.5 Indirect N2O Emissions from managed soils, 3.C.6 Indirect N2O Emissions from manure management, 3.C.7 Rice cultivations). The measure is standardized to carbon dioxide equivalent values using the Global Warming Potential (GWP) factors of IPCC's 5th Assessment Report (AR5).

可供参考的中文翻译：衡量农业部门每年排放的甲烷（CH4）量，甲烷是《京都议定书》六大温室气体之一。排放来源包括牲畜（IPCC 2006代码3.A.1肠道发酵、3.A.2粪便管理）和作物（IPCC 2006代码3.C.1生物质燃烧排放、3.C.2石灰施用、3.C.3尿素施用、3.C.4管理土壤直接N2O排放、3.C.5管理土壤间接N2O排放、3.C.6粪便管理间接N2O排放、3.C.7水稻种植）。该指标使用IPCC第五次评估报告（AR5）的全球增温潜势（GWP）系数将甲烷折算为二氧化碳当量。

数据口径与风险提示

该指标仅涵盖农业部门的甲烷排放，不包括能源、工业、废弃物等其他部门的甲烷排放，也不包括LULUCF（土地利用、土地利用变化和林业）相关排放
数值使用AR5的GWP系数标准化，早期IPCC报告使用不同的GWP系数，跨报告版本比较时需注意口径差异
甲烷排放量受牲畜存栏量、粪便管理方式、稻田种植面积、化肥施用量等多因素驱动，单纯数值高低不能直接等同于管理效果或政策有效性
不同国家农业结构差异显著（畜牧型 vs 种植型），直接比较绝对值可能产生误导
中国数据起始于1970年，1960年代数据缺失，无法评估该十年变化
排名仅反映绝对排放规模，不反映排放强度（如单位产值排放）或减排努力程度

中国趋势

趋势解读

中国农业甲烷排放在1970年至1996年间经历了持续上升过程，从约404百万吨二氧化碳当量增长至1996年峰值541百万吨，约增长34%。1996年后出现明显拐点，排放量逐步回落，2019年降至466百万吨，降幅约14%。进入2020年代后有所反弹，2024年回升至499百万吨。整体而言，1970至2024年间中国农业甲烷排放增长约24%，低于同期全球增幅，表明中国农业甲烷排放在经历结构性增长后已进入相对平稳甚至略有下降的阶段。

1970年排放量为403.7百万吨二氧化碳当量，1996年达到历史峰值540.8百万吨，增幅约34%
1996年后排放量持续下降，2009年降至488.6百万吨，2019年进一步降至465.6百万吨
2020年后呈现回升态势，2024年达到498.98百万吨
1970年至2024年间总增幅约为24%
近期变化（约2020至2024年）增幅约23.3百万吨
数据起始于1970年，1960年代数据不可得，早期十年变化无法评估
排放绝对值受农业规模扩张影响，未标准化为产出或面积指标前不宜直接用于效率比较
趋势转折可能与农业结构调整、养殖业周期性波动及统计方法修订等多种因素相关

全球趋势

趋势解读

全球农业甲烷排放在1970年至2024年间持续攀升，从约2844百万吨二氧化碳当量增长至约4334百万吨，增幅约52%。与多数温室气体排放呈现类似长期增长趋势，未出现明显的结构性下降拐点。分阶段看，1970年代至1980年代增速较为平稳（约10%-13%每十年），1990年代增速显著放缓（约与期初持平），2000年代后增速再度回升（约9%每十年），2010年代增速约6%。最新数据显示2020年代初期全球农业甲烷排放仍在增长轨道上。

1970年排放量为2843.7百万吨二氧化碳当量，2024年达到4333.6百万吨，创历史新高
1989年约为3576百万吨，2009年约为3904百万吨，2019年约为4147百万吨，呈阶梯式上升
1970年至2024年间总增幅约为52%
近期变化（约2020至2024年）增幅约124.8百万吨，高于中国同期增幅
2024年数据为历史最高点，全球农业甲烷排放尚未出现明确拐点
该指标为全球加总值，掩盖了国别间和区域间的结构性差异
不同国家农业甲烷排放结构差异显著（牲畜排放 vs 稻田排放），汇总数据无法反映各分项的独立趋势
全球加总包含大量数据质量参差不齐的国家，部分历史数据可能经过估算或插值填补

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	农业指标的十年变化通常与种植结构、气候条件、灌溉、化肥和技术扩散有关，不宜把单一阶段变化直接解释为政策效果。
1970-1979	1.1x	1.1x	该十年中国和世界农业甲烷排放增长倍数基本接近（约1.12倍），两国均处于农业规模扩张阶段，中国增幅略低于全球同期水平。
1980-1989	1.2x	1.1x	该十年中国增速（1.16倍）高于全球（1.10倍），中国农业甲烷排放在该阶段加速扩张，而全球增速有所放缓，可能反映中国农业集约化程度在该时期持续提升，与全球趋势形成分化。
1990-1999	1.0x	1.0x	该十年出现关键转折，中国倍数降至0.96而全球接近1.00，表明中国排放量出现净下降，而全球基本持平。中国该阶段增速持续低于全球，可能反映中国农业生产结构或统计口径已发生改变。
2000-2009	1.0x	1.1x	中国倍数进一步降至0.95而全球升至1.09，差异扩大。中国农业甲烷排放进入净下降区间，而全球仍在增长，两者分叉趋势明显，可能反映中国在养殖业结构优化或稻田管理方面的变化。
2010-2019	1.0x	1.1x	中国倍数维持约0.96而全球约为1.06，全球增速有所放缓但仍保持正增长，中国持续低于全球水平，两者增速差距略有收窄。
2020-2029	1.0x	1.0x	中国倍数升至1.05而全球约为1.03，为近年首次出现中国增速略超全球的情况。可能反映中国农业规模在前期下降后有所回升，而全球增速则趋于平稳，两者趋于收敛。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	India 印度	IND	572.3
2	China 中国	CHN	499.0
3	Brazil 巴西	BRA	471.8
4	United States 美国	USA	257.3
5	Pakistan 巴基斯坦	PAK	203.9
6	Argentina 阿根廷	ARG	105.4
7	Indonesia 印度尼西亚	IDN	88.4
8	Mexico 墨西哥	MEX	87.2
9	Ethiopia 埃塞俄比亚	ETH	87.1
10	Australia 澳大利亚	AUS	84.7
11	Viet Nam 越南	VNM	74.2
12	Chad 乍得	TCD	69.2
13	Sudan 苏丹	SDN	64.9
14	Myanmar 缅甸	MMR	63.9
15	Russian Federation 俄罗斯	RUS	60.0
16	Colombia 哥伦比亚	COL	58.9
17	Nigeria 尼日利亚	NGA	56.8
18	Kenya 肯尼亚	KEN	50.0
19	Bangladesh 孟加拉国	BGD	47.4
20	Turkiye 土耳其	TUR	46.4
21	Thailand 泰国	THA	45.9
22	Tanzania 坦桑尼亚	TZA	43.7
23	Philippines 菲律宾	PHL	43.0
24	France 法国	FRA	42.3
25	Japan 日本	JPN	38.9
26	Uzbekistan 乌兹别克斯坦	UZB	37.8
27	Germany 德国	DEU	34.0
28	Venezuela, RB 委内瑞拉	VEN	32.5
29	United Kingdom 英国	GBR	31.5
30	Canada 加拿大	CAN	30.5
31	New Zealand 新西兰	NZL	29.7
32	Spain 西班牙	ESP	27.3
33	Mali 马里	MLI	26.6
34	South Africa 南非	ZAF	25.8
35	Niger 尼日尔	NER	24.5
36	Paraguay 巴拉圭	PRY	24.4
37	Iran, Islamic Rep. 伊朗	IRN	24.0
38	Cambodia 柬埔寨	KHM	23.8
39	Uruguay 乌拉圭	URY	23.0
40	Kazakhstan 哈萨克斯坦	KAZ	22.3
41	Italy 意大利	ITA	21.9
42	Bolivia 玻利维亚	BOL	21.8
43	Korea, Rep. 韩国	KOR	21.0
44	Uganda 乌干达	UGA	20.5
45	Poland 波兰	POL	20.0
46	Mongolia 蒙古	MNG	18.7
47	Madagascar 马达加斯加	MDG	17.9
48	Somalia, Fed. Rep. 索马里	SOM	17.6
49	Ireland 爱尔兰	IRL	15.6
50	Nepal 尼泊尔	NPL	15.2
51	Burkina Faso 布基纳法索	BFA	14.4
52	Peru 秘鲁	PER	14.3
53	Guinea 几内亚	GIN	13.7
54	Egypt, Arab Rep. 埃及	EGY	13.4
55	Afghanistan 阿富汗	AFG	12.5
56	Belarus 白俄罗斯	BLR	12.2
57	Netherlands 荷兰	NLD	12.1
58	Turkmenistan 土库曼斯坦	TKM	10.6
59	Lao PDR 老挝	LAO	9.63
60	Senegal 塞内加尔	SEN	9.39
61	Zimbabwe 津巴布韦	ZWE	9.20
62	Nicaragua 尼加拉瓜	NIC	9.07
63	Algeria 阿尔及利亚	DZA	8.94
64	Ukraine 乌克兰	UKR	8.72
65	Saudi Arabia 沙特阿拉伯	SAU	8.68
66	Romania 罗马尼亚	ROU	8.62
67	Ecuador 厄瓜多尔	ECU	8.44
68	Morocco 摩洛哥	MAR	8.32
69	Guatemala 危地马拉	GTM	7.48
70	Tajikistan 塔吉克斯坦	TJK	7.47
71	Cameroon 喀麦隆	CMR	7.44
72	Mauritania 毛里塔尼亚	MRT	7.33
73	Angola 安哥拉	AGO	7.25
74	Azerbaijan 阿塞拜疆	AZE	7.03
75	Dominican Republic 多米尼加共和国	DOM	6.70
76	Chile 智利	CHL	6.65
77	Belgium 比利时	BEL	6.62
78	Central African Republic 中非共和国	CAF	6.45
79	Cuba 古巴	CUB	6.42
80	Zambia 赞比亚	ZMB	6.39
81	Denmark 丹麦	DNK	6.34
82	Namibia 纳米比亚	NAM	6.32
83	Ghana 加纳	GHA	6.20
84	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	5.92
85	Yemen, Rep. 也门	YEM	5.65
86	Sri Lanka 斯里兰卡	LKA	5.57
87	Malawi 马拉维	MWI	5.42
88	Honduras 洪都拉斯	HND	5.22
89	Austria 奥地利	AUT	5.21
90	Czechia 捷克	CZE	5.05
91	Portugal 葡萄牙	PRT	4.92
92	Syrian Arab Republic 叙利亚	SYR	4.66
93	Costa Rica 哥斯达黎加	CRI	4.38
94	Iraq 伊拉克	IRQ	4.30
95	Greece 希腊	GRC	4.10
96	Switzerland 瑞士	CHE	4.05
97	Mozambique 莫桑比克	MOZ	3.93
98	Malaysia 马来西亚	MYS	3.89
99	Cote d'Ivoire 科特迪瓦	CIV	3.88
100	Sweden 瑞典	SWE	3.79
101	Benin 贝宁	BEN	3.77
102	Congo, Dem. Rep. 刚果（金）	COD	3.50
103	Hungary 匈牙利	HUN	3.44
104	Korea, Dem. People's Rep. 朝鲜	PRK	3.43
105	Haiti 海地	HTI	3.22
106	Eritrea 厄立特里亚	ERI	3.15
107	Panama 巴拿马	PAN	3.04
108	Burundi 布隆迪	BDI	2.90
109	Norway 挪威	NOR	2.71
110	Sierra Leone 塞拉利昂	SLE	2.62
111	Tunisia 突尼斯	TUN	2.49
112	Finland 芬兰	FIN	2.36
113	Georgia 格鲁吉亚	GEO	2.06
114	Bulgaria 保加利亚	BGR	2.05
115	Israel 以色列	ISR	2.03
116	Lithuania 立陶宛	LTU	2.02
117	Togo 多哥	TGO	1.99
118	Libya 利比亚	LBY	1.92
119	Rwanda 卢旺达	RWA	1.72
120	United Arab Emirates 阿联酋	ARE	1.63
121	Guyana 圭亚那	GUY	1.62
122	El Salvador 萨尔瓦多	SLV	1.57
123	Botswana 博茨瓦纳	BWA	1.51
124	Slovenia 斯洛文尼亚	SVN	1.50
125	Croatia 克罗地亚	HRV	1.49
126	Slovak Republic 斯洛伐克	SVK	1.47
127	Guinea-Bissau 几内亚比绍	GNB	1.38
128	Oman 阿曼	OMN	1.36
129	Armenia 亚美尼亚	ARM	1.26
130	Latvia 拉脱维亚	LVA	1.09
131	Albania 阿尔巴尼亚	ALB	1.07
132	Bosnia and Herzegovina 波黑	BIH	1.04
133	Moldova 摩尔多瓦	MDA	0.93
134	Estonia 爱沙尼亚	EST	0.84
135	Timor-Leste 东帝汶	TLS	0.83
136	Eswatini 斯威士兰	SWZ	0.79
137	Lesotho 莱索托	LSO	0.79
138	Jordan 约旦	JOR	0.76
139	Gambia, The 冈比亚	GMB	0.54
140	Djibouti 吉布提	DJI	0.52
141	North Macedonia 北马其顿	MKD	0.51
142	Suriname 苏里南	SUR	0.51
143	Luxembourg 卢森堡	LUX	0.48
144	Congo, Rep. 刚果（布）	COG	0.46
145	Cyprus 塞浦路斯	CYP	0.46
146	Papua New Guinea 巴布亚新几内亚	PNG	0.45
147	Jamaica 牙买加	JAM	0.43
148	Lebanon 黎巴嫩	LBN	0.41
149	Fiji 斐济	FJI	0.40
150	Liberia 利比里亚	LBR	0.38
151	Qatar 卡塔尔	QAT	0.37
152	Bhutan 不丹	BTN	0.34
153	Iceland 冰岛	ISL	0.28
154	Kuwait 科威特	KWT	0.26
155	Belize 伯利兹	BLZ	0.20
156	Vanuatu 瓦努阿图	VUT	0.18
157	Gabon 加蓬	GAB	0.11
158	Samoa 萨摩亚	WSM	0.10
159	Comoros 科摩罗	COM	0.07
160	Cabo Verde 佛得角	CPV	0.07
161	Tonga 汤加	TON	0.06
162	Solomon Islands 所罗门群岛	SLB	0.06
163	Malta 马耳他	MLT	0.05
164	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.04
165	Barbados 巴巴多斯	BRB	0.03
166	Dominica 多米尼克	DMA	0.03
167	Bahrain 巴林	BHR	0.03
168	Mauritius 毛里求斯	MUS	0.02
169	St. Lucia 圣卢西亚	LCA	0.02
170	Brunei Darussalam 文莱	BRN	0.02
171	Equatorial Guinea 赤道几内亚	GNQ	0.02
172	Grenada 格林纳达	GRD	0.01
173	Antigua and Barbuda 安提瓜和巴布达	ATG	0.01
174	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.01
175	Sao Tome and Principe 圣多美和普林西比	STP	0.01
176	Singapore 新加坡	SGP	0.01
177	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.01
178	Bahamas, The 巴哈马	BHS	0.01
179	Kiribati 基里巴斯	KIR	0.00
180	Seychelles 塞舌尔	SYC	0.00
181	Tuvalu 图瓦卢	TUV	0.00
182	Nauru 瑙鲁	NRU	0.00
183	Maldives 马尔代夫	MDV	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

农业甲烷排放量较高，意味着农业系统（含牲畜和稻田）向大气释放了更多甲烷，可能反映较大的牲畜存栏规模、广泛的稻田水稻种植、较高的粪便管理排放或较大面积的氮肥施用。

数值较低通常意味着什么

排放量较低，可能与农业规模较小、养殖结构以草食为主、稻田面积有限、粪便管理方式优化或氮肥使用量较少有关。

鍙ｅ緞闄愬埗

该指标为绝对值，未标准化为农业产值或耕地面积，无法直接比较不同规模农业体系的排放效率
农业甲烷排放构成复杂（牲畜肠道发酵、粪便管理、稻田、水稻种植等），单一数值无法区分各分项贡献
不同国家农业结构差异显著，畜牧型经济体与种植型经济体的排放特征不可直接对比
指标不包含LULUCF相关排放，无法评估农业土地利用变化的净影响
时间序列可能受统计方法修订、数据补缺和报告标准变化影响，跨时期比较需审慎
该指标为总量指标，不反映人均排放或单位产出排放强度

使用建议

结合农业总产值或耕地面积进行标准化，评估排放强度而非绝对规模
参考牲畜存栏数、稻田种植面积、化肥施用量等相关变量，分解排放驱动因素
对比同类型农业结构的国家（如同样以水稻种植为主的国家），进行结构可比分析
结合中国农业农村部或FAOSTAT的详细排放清单数据，验证长期趋势背后的结构性原因
使用CH4排放与N2O排放、CO2排放等指标联合分析，全面评估农业部门温室气体轮廓
关注不同IPCC评估报告间GWP系数变化对历史数据可比性的影响

常见错误用法

错误做法：直接比较中国和印度的农业甲烷排放绝对值，认为中国排放更高因此环保表现更差

正确做法：应考虑两国的农业结构和规模差异，印度以大量牲畜和水稻种植为主，中国农业结构已发生显著变化，两者排放来源结构不同

不同国家农业结构差异显著，直接绝对值比较忽略了农业规模、类型和统计口径差异，不能简单等同于环境绩效差异

错误做法：认为中国农业甲烷排放持续上升，因此农业环保政策失效

正确做法：应结合十年度数据综合评估，中国1990年代以来农业甲烷排放倍数基本低于1，呈现去增长趋势，2020年代后才有所回升

长期趋势显示中国农业甲烷排放并非单向上升，1996年后经历了约20年的相对稳定或下降期，后期回升的驱动因素需要结合供需结构综合判断

错误做法：将该指标直接与其他部门的甲烷排放或其他种类温室气体排放做加总

正确做法：不同温室气体排放需使用GWP系数统一折算后再进行汇总

甲烷的GWP约为二氧化碳的28倍（AR5），直接相加会严重低估甲烷的温室效应贡献

错误做法：将农业甲烷排放排名视为好坏排名，认为排名靠前即意味着环保表现差

正确做法：排放排名仅反映绝对规模，与发展阶段、农业结构和人口规模高度相关，不反映排放效率或减排努力

印度、巴西等排名靠前的国家拥有大量牲畜和水稻种植，农业规模本身巨大，高排放可能是农业自然禀赋的体现，而非政策失败

实际应用场景

农业结构转型与温室气体排放的关系研究：分析中国农业从以粮食作物为主向养殖业扩张的结构转型过程中，农业甲烷排放的变化轨迹被解释变量可结合农业产值结构、牲畜存栏量、稻田面积等变量，使用协整分析检验长期均衡关系，结合脉冲响应函数分析结构冲击的动态效应
中国与全球农业甲烷排放增速分叉的驱动因素：研究为何中国农业甲烷排放自1990年代以来增速持续低于全球平均水平被解释变量使用因素分解或面板回归，验证不同驱动因素的相对重要性，注意控制统计方法变更的影响
农业甲烷排放与粮食安全的权衡分析：评估在保障粮食安全目标下，农业甲烷减排的可行路径及潜在代价机制变量结合农业产出、耕地面积、化肥使用量等变量，构建联立方程模型，识别农业扩张与甲烷排放的互动关系，评估减排政策对产出的潜在影响
不同IPCC评估报告GWP系数对排放趋势的影响：比较使用AR4、AR5和AR6系数计算的中国农业甲烷排放趋势差异稳健性检验使用不同GWP系数重新计算排放量，检验趋势判断是否受报告版本选择影响，为跨研究可比性提供参考