中国连片农田促进作物种植结构新颖性

《Earth's Future》:Contiguous Cropland in China Promotes Novelty in Crop Planting Structures

【字体: 大 中 小 】 时间:2026年09月26日 来源:Earth's Future 8.2

编辑推荐:

  理解农田重构如何促成农业系统转型,需要清晰地表征作物种植结构的变化。本研究提出了“作物种植结构新颖性”(crop planting structure novelty,以下简称作物新颖性,crop novelty),将其定义为当前主要作物种植面积结构偏离历史参

  
理解农田重构如何促成农业系统转型,需要清晰地表征作物种植结构的变化。本研究提出了“作物种植结构新颖性”(crop planting structure novelty,以下简称作物新颖性,crop novelty),将其定义为当前主要作物种植面积结构偏离历史参考集的程度。与反映同一时期内作物丰富度和面积分配均匀度的作物多样性(crop diversity)不同,作物新颖性用于识别当前种植结构是否缺乏接近的历史类似型。研究人员分析了2010—2020年中国连片农田(contiguous cropland)的空间格局,并量化了水稻、小麦、玉米和大豆的作物新颖性。采用极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型结合沙普利加性解释(Shapley Additive Explanations,SHAP)识别了与作物新颖性相关的因素,同时采用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling,PLS-SEM)量化了区域特定的直接与间接路径。中国东部和东北部的作物新颖性(分别为0.13和0.08)高于西北部和西南部(分别为0.04和0.03),表明其相较于历史种植结构的偏离更大。网格尺度连片农田占比具有最大的预测贡献,并在约50%附近呈现阈值型模式。在东部和东北部,正向直接效应部分被负向总间接效应抵消;在其他地区两种效应均为正向。较高的作物新颖性表明历史偏离程度较大,但并不必然意味着作物多样性更高或可持续性改善。通过以历史非类似性指标补充多样性指标,该框架可区分常规调整与更实质性的结构转型,并支持考虑重构能力以及环境和管理权衡的区域差异化政策。
**中国连片农田与作物种植结构新颖性:概念、格局与区域路径**

**1. 研究背景与问题**

中国人口持续增长与城市化加速使粮食安全成为国家战略核心。农田作为粮食生产的基础,其数量与质量直接关系到国家粮食安全与农业可持续发展。自经济改革以来,中国农业生产方式发生显著变化,土地流转与农田整治政策大幅提升了农业生产力,“高标准农田建设”战略强调将小农户整合为连片高效生产单元。预测表明,到2050年中国90%的农田将由10公顷及以上地块组成。连片农田的发展与土地利用效率提升、粮食增产、机械化和农业现代化密切相关,但也可能重新组织作物的空间配置与种植面积构成,引发种植结构是否偏离历史状态的疑问。然而,现有研究多集中于农田变化对农业环境、生态系统、气候与水资源的影响,较少系统检验农田连通性变化与作物种植结构新颖性之间的关联。有必要引入历史参考视角,以区分在历史观测范围内发生的常规调整与缺乏历史类似型的结构性变化。

**2. 研究内容与结论**

基于2010—2020年中国农田与作物种植面积数据,研究人员系统分析了连片与破碎农田的区域分布和动态变化,量化了水稻、小麦、玉米和大豆四种主要作物的作物新颖性,并结合机器学习与路径分析方法识别了关键驱动因素与区域分异路径。结果表明,东北地区连片农田占比最高,西北地区增幅最大;作物新颖性呈现“东高西低”的梯度格局;网格尺度连片农田占比是预测作物新颖性贡献最大的变量,并在约50%处呈阈值型响应;东部和东北部表现为正向直接效应与负向间接效应并存的“正-负”模式,其余地区为直接和间接效应均为正的“正-正”模式。该框架通过补充多样性指标无法刻画的历史非类似性维度,为理解农业系统转型和制定区域差异化政策提供了科学依据。

**3. 主要技术方法**

研究人员使用了多源数据:作物生产数据取自空间生产分配模型(Spatial Production Allocation Model,SPAM)产品(5分钟网格分辨率),并用全球网格化作物生产数据集(Global Gridded Crop Production Data Set,2010—2020)进行交叉验证;气候变量(最高温、最低温、降水、土壤湿度)来自TerraClimate数据集;总初级生产力(Gross Primary Productivity,GPP)来自中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)遥感产品;人类足迹数据来自Mu等(2022);灌溉条件采用中国灌溉地图(CIrrMap250);农田数据来自Tu等(2024)发布的30米分辨率中国农田数据集。以10公顷阈值划分连片(≥10 ha)与破碎(<10 ha)农田斑块并计算网格占比。使用XGBoost-SHAP识别驱动因素,通过PLS-SEM量化直接与间接路径。

**4. 研究结果**

**4.1 连片与破碎农田的区域分布及动态变化**

基于30米分辨率农田遥感数据分析发现,2010—2020年间,中国连片与破碎农田占比呈现明显区域分异。东北地区连片农田占比持续最高,由2010年的42.61%增至2020年的50.34%;西北地区增幅最大,由5.66%升至23.19%;南方和西南地区保留相对较高的破碎农田占比。东部和东北部平原区连片条件优越,而西南和南方地形复杂区域仍以破碎农田为主,反映出农业现代化进程中差异化的农田整合策略。

**4.2 作物新颖性与多样性的空间格局**

2020年作物新颖性呈现“东高西低”格局。东部和东北部的新颖性分别为0.13和0.08,表明其四种作物种植面积结构较2010年参考集偏离更强;西北和西南较低(分别为0.04和0.03),结构更接近历史状态。作物多样性分布与新颖性不同:西南和西北多样性较高,东北和北部较低。进一步分析显示,新颖性与多样性的组合类型多样,二者并不存在简单对应关系,证实两者刻画了作物种植结构的不同维度。

**4.3 作物新颖性驱动因素分析**

XGBoost-SHAP分析结果显示,连片农田占比在变量重要性排序中居首位,且在约50%连片占比处呈现阈值型响应模式。最低温呈倒U型关联,灌溉比例亦呈阈值型非线性模式。随机森林模型(R2=0.54)的变量重要性排序与XGBoost(R2=0.52)基本一致,支持了结果稳健性。

**4.4 连片农田对作物新颖性的直接与间接效应**

PLS-SEM路径分解显示,所有区域直接效应均为正,但总间接效应方向存在区域差异。东部和东北部地区间接效应为负,部分抵消正向直接效应,形成“正-负”模式;北部、西北、南方和西南地区间接效应为正,属于“正-正”模式。所有区域模型拟合优度(Goodness of Fit,GoF)均大于0.5,表明模型解释力良好。

**5. 讨论**

区域差异可能与地形和资源条件有关。东部和东北部以平原为主,农田整合相对容易,促进农业现代化并可能推动种植结构调整;西北和西南受复杂地形和水资源短缺制约,整合成本较高,系统稳定性强,作物新颖性较低。低多样性与低新颖性组合的广泛分布说明许多农区仍以稳定的单一作物体系为主,但多样性并不决定新颖性。50%阈值表明农田连片达到一定程度后可促进结构变化,但仅为赋能条件而非充分条件,需配合基础设施、土地管理等措施。最低温的倒U型响应可能反映作物对气候生态位的生理需求,灌溉阈值效应表明灌溉改善水分利用效率并促进多样化种植。东部和东北部的负向间接效应可能源于高强度农业导致农田景观异质性降低及土壤生态功能削弱,提示在追求效率与结构调整的同时需要兼顾生态稳定性。研究仅聚焦四种主要作物,未来纳入果蔬等经济作物可提供更全面的评价。

**6. 结论**

基于2010—2020年农田与作物种植面积数据,本研究系统分析了中国连片和破碎农田的时空格局及其与作物种植结构新颖性的关系。东北地区连片农田占比最高,西北增幅最大。作物新颖性呈现东西梯度,东部和东北部最高,表明这些区域四种作物种植面积结构较2010年历史参考集偏离更强。XGBoost-SHAP分析识别出网格尺度连片农田占比为预测贡献最大的变量,并发现约50%的阈值型模式。最低温度和灌溉比例亦呈现非线性关联。PLS-SEM结果表现出明确的区域差异:东部和东北部为正向直接效应和负向间接效应,负向间接路径部分抵消正向直接效应;其他区域均为正向效应。作物新颖性反映当前种植结构对历史参考状态的偏离,并不必然意味着更高作物多样性或可持续性改善。通过以历史非类似性指标补充传统的作物种植结构指标,本研究为理解农业系统转型以及制定考虑农田组织、环境条件和农业管理的区域差异化政策提供了依据。
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