电商政策是否驱动非农就业?来自中国微观调查数据的经验证据

《Sustainability》:Does E-Commerce Policy Drive Non-Agricultural Employment? Empirical Evidence from Chinese Micro-Survey Data

【字体: 大 中 小 】 时间:2026年07月02日 来源:Sustainability 4.1

编辑推荐:

  土地退化(Land Degradation, LD)是全球范围内最为紧迫的环境问题之一,直接威胁生态系统韧性、粮食安全以及土地的可持续利用。传统评估土地退化的方法往往受限于高劳动强度以及异质性地学空间数据集整合不足的问题。在本研究中,研究人员提出了一种基于证据

  
土地退化(Land Degradation, LD)是全球范围内最为紧迫的环境问题之一,直接威胁生态系统韧性、粮食安全以及土地的可持续利用。传统评估土地退化的方法往往受限于高劳动强度以及异质性地学空间数据集整合不足的问题。在本研究中,研究人员提出了一种基于证据的土地退化制图方法,该方法整合了多源地球观测(Earth Observation, EO)数据产品与Dempster–Shafer证据理论。研究人员基于降水、土壤水分、地形坡度、地表温度、土地覆被转移、植被生产力以及土壤有机碳指数构建了地理空间数据立方体。分类工作流程结合了专家知识与概率证据加权,以在区域尺度上定义土地退化类别,该方法在乌克兰克里维里赫铁矿盆地(Kryvyi Rih Iron Ore Basin)进行了测试,该区域承受着强烈的人为与自然压力。基于野外的验证证实了所提出方法的高可靠性,其Kendall秩相关系数达到了0.832,优于基于支持向量机(Support Vector Machines, SVM)和Trends.Earth的替代方法。
本研究围绕土地退化(LD)这一全球性环境与社会问题展开,旨在开发一种更为精准可靠的评估方法以应对传统技术手段的局限性。土地退化作为威胁生态稳定与社会可持续发展的关键议题,其成因涵盖气候变异性、干旱、土壤侵蚀等自然因素,以及密集土地利用、毁林、污染等人为压力。尽管地球观测技术迅速发展,多源卫星数据为环境监测提供了新机遇,但现有方法在处理异质性指标、形式化不确定性以及整合矛盾信息方面仍存在显著的方法论缺口。具体而言,既有土地退化管理与评估工具通常将退化类别视为名义变量,其影响权重固定且缺乏对不确定性的明确表征;多准则决策分析依赖静态权重与专家判断,难以处理矛盾或模糊信息;支持向量机虽具较高预测能力,却将退化类别 nominal 化处理,未能反映其有序本质,且透明度与可解释性有限。此外,早期预警系统(Early Warning Systems, EWSs)在欧盟及周边地区尚不成熟,缺乏从监测到预测、预警、响应及知识传播的完整周期覆盖。在此背景下,研究人员开展了本项研究,旨在提出一种基于证据的土地退化评估框架,以支持土地退化零增长(Land Degradation Neutrality, LDN)监测工具的开发,服务2030年可持续发展议程。

研究人员选择乌克兰第聂伯罗彼得罗夫斯克州克里维里赫区作为研究区,该区域位于克里维里赫铁矿盆地中心,属温带大陆性气候的干旱极暖农业气候区,以草原平原为主,展现了强烈的工业影响与多样化的土地利用压力。研究选用该区域的农业用地作为主要分析对象,排除采矿及加工企业干扰。

在技术方法层面,研究人员构建了涵盖七个数据层的地球观测数据立方体,包括:源自TerraClimate产品的降水累积数据(5–8月累积,分辨率4638.3 m);同源自TerraClimate的土壤水分数据(5–8月均值,分辨率4638.3 m);基于SRTM数字高程模型生成的地形坡度数据(分辨率30 m);基于Landsat 8/9长波红外观测反演的地表温度(Land Surface Temperature, LST)数据(5–8月均值,分辨率30 m);源自Dynamic World V1的土地覆被转移数据(基于Sentinel-2,分辨率10 m,经层次分析法转化为退化影响评分);源自PROBA-V与Sentinel-3 OLCI的粗干物质生产力(Gross Dry Matter Productivity, GDMP)数据(5–8月均值,分辨率300 m);以及源自SoilGrids的土壤有机碳(Soil Organic Carbon, SOC)数据(0–30 cm深度均值,分辨率250 m)。所有数据层经空间正则化处理,统一重采样至50 m分辨率,构建成可用于分析的数据立方体。

研究的核心方法为基于Dempster–Shafer证据理论的监督分类框架。该方法包含八个步骤:训练样本形成、数据集构建、特征尺度区间化、标准化、基本概率分配(Basic Probability Assignment, BPA)形成、BPA折扣、BPA融合以及决策制定。其中,研究人员创新性地提出了针对清晰数与区间值数比较的相似度度量方程,通过控制参数α(本研究取1.935)来调节函数对区间边界跨越的敏感度。特征重要性指数基于类间区间重叠程度计算,重叠越少则权重越高。通过顺序融合各指标的BPA分布,结合pignistic概率进行最终分类决策。精度评估采用Kendall秩相关系数,以适配退化类别的有序性质。

研究结果部分呈现如下。

**土地退化分类与区间构建**

研究人员将土地条件划分为四类:高度退化、中度退化、中性条件及土地修复。高度退化对应生产力与地表条件严重下降的土地,主要包括陡坡耕地上强烈侵蚀、无法维持生产性植物群落的区域,以及露天采场;中度退化为土地退化的中间阶段,表现为土壤肥力下降、部分植被损失或作物产量降低,主要为坡地耕地;低度退化指示轻微的生产力下降或结构变化,主要为平坦或缓坡耕地,在土地退化零增长框架中可视为中性条件;无退化代表生态系统条件稳定或改善的区域,包括森林、河岸林、防护林带、河漫滩草地及湿地等,在土地退化零增长框架中可视为已修复。训练样本由专家通过卫星RGB影像目视解译构建,共6754个像素,经去除各指标最低与最高5%的异常值后形成区间阈值。

**参数敏感性与消融分析**

敏感性分析表明最优α值范围为1–10,较低取值可降低决策对均值与区间长度差异的依赖。消融分析显示,剔除地表土壤水分对Kendall's τ影响极小,这可能与该数据空间分辨率较低有关,但保留该指标有助于维持水文指标的完整性。

**地理信息工具开发**

研究人员基于Python 3及况开发了土地退化评估专用程序,使用NumPy、SciPy、Matplotlib及Spectral等开源库,图形用户界面及处理流程详见附录。该工具在一台配备4.2 GHz 16核CPU及96 GB RAM的工作站上测试,处理时长约13分钟。

**精度评估与对比分析**

验证采用分层随机抽样,每类10个控制点共40个点进行野外专家观测与GoogleEarth高分辨率影像目视解译罗杰德,并与基于证据的方法、SVM分类及Trends.Earth技术的结果进行对比。结果显示,基于证据的方法Kendall's τ为0.832[0.631, 0.928],优于SVM的0.792[0.594, 0.905]及Trends.Earth的0.458[0.126, 0.720];总体精度分别为0.850、0.800和0.600;Kappa指数分别为0.800、0.733和0.467。证据法与SVM、Trends.Earth的交并比(IoU)分别为0.735和0.419,表明所提出方法相较于Trends.Earth具有显著优势,相较于SVM具有非显著优势。Kendall's τ大于0.8表明所获取的土地退化图与实际土地状况具有足够密切的关系。

讨论部分,研究人员指出所提出方法的核心优势在于将退化水平处理为有序类别集,并应用秩次精度评估,从而从传统的基于像元精度度量转向与退化有序语义一致的评估,这与现有环境影响导向的方法形成根本区别。该方法通过整合专家知识与概率思维,有效处理不确定、不完整及矛盾数据,较SVM和Trends.Earth等方法更为适宜。研究结果在乌克兰的实验验证表明,该方法能够识别侵蚀敏感农业用地、扰动工业景观及长期人为压力区域的退化热点。

研究结论部分翻译如下:本研究提出了一种新的基于证据的土地退化评估方法。由于土地退化是一种复杂且难以形式化的现象,研究人员利用源自卫星地球观测的多样化地表生物物理参数数据立方体,以及比传统算法更适合处理此类数据的Dempster–Shafer证据理论对其进行评估。除数学论证外,研究人员还开发了详细的算法与处理流程。虽然算法与流程已在常规计算环境中实现,但进一步增加指标数量或细化土地退化类别命名等发展方向将带来较高计算负担。所开发方法已应用于EWALD国际科学项目定义的乌克兰第聂伯罗彼得罗夫斯克州克里维里赫区测试区域,通过Dempster–Shafer证据组合模型整合了降水、土壤水分、地形坡度、地表温度、植被生产力、土地覆被转移及土壤有机碳等异质环境状态指标。基于所提方法,研究人员识别了侵蚀敏感农业用地、扰动工业景观及长期人为压力区域的退化热点。所获土地退化图在测试区进行了全面验证,统计估计结果表明该方法优于SVM分类和Trends.Earth等已知等效方法。达到的Kendall相关系数0.832证明了该数学模型不仅具有理论合理性,在实际环境条件下也具有可操作性。所提出方法不限于乌克兰的环境条件,可适应广泛的生态系统和气候带。由于该方法基于Dempster–Shafer证据框架内环境影响的灵活EO指标整合,指标集和阈值区间值可根据区域特定退化因素、生态系统特征和气候条件进行校准。该数学方法已在摩洛哥Zagora地区(EWALD项目的另一测试区域)进行了实验性实施,证明了该方法在干旱环境中用于土地退化早期预警的效用。未来工作应侧重于改进所开发方法,特别是自动适应变化的数据立方体以及不同指标对土地退化综合评估贡献的客观加权。当在其他自然地理区域评估土地退化时,该方法也可能需要更新。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号