EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 5: 1174 - 1192

DOI: https://doi.org/10.31497/zrzyxb.20240512

耕地系统健康的时空演变及其驱动因素研究——以长江中下游地区为例

  • 周小平 , 1 ,
  • 梁颖 1 ,
  • 李小天 1 ,
  • 柴铎 2
展开
  • 1.北京师范大学政府管理学院，北京 100875
  • 2.中央财经大学政府管理学院，北京 100081

周小平（1975- ），女，湖南沅江人，博士，教授，研究方向为城乡土地利用与规划。E-mail:

收稿日期: 2023-10-16

  修回日期: 2023-12-29

  网络出版日期: 2024-05-11

基金资助

国家自然科学基金项目(71974220)

北京师范大学博士生学科交叉基金项目(BNUXKJC2224)

收起

The spatiotemporal evolution and driving factors of farmland system health: Taking the middle and lower reaches of the Yangtze River as an example

  • ZHOU Xiao-ping , 1 ,
  • LIANG Ying 1 ,
  • LI Xiao-tian 1 ,
  • CHAI Duo 2
Expand
  • 1. School of Government Management, Beijing Normal University, Beijing 100875, China
  • 2. School of Government Management, Central University of Finance and Economics, Beijing 100081, China

Received date: 2023-10-16

  Revised date: 2023-12-29

  Online published: 2024-05-11

Fold

摘要

耕地系统健康与“三位一体”的耕地保护目标密切相关，对于保障社会经济的可持续发展具有重要意义。以粮食主产区长江中下游地区为例，基于系统论和生态系统健康理论构建了耕地系统健康评估模型，综合运用Sen-MK趋势分析、景观格局指数、多尺度地理加权回归、GIS空间分析等方法量化了2000—2020年长江中下游地区耕地系统健康的时空演变，并揭示了自然和社会经济等多要素对耕地系统健康的影响。研究结果表明：（1）从时间维度看，2000—2020年间长江中下游地区的耕地系统健康总体上呈现轻微下降趋势，这与耕地系统的组织结构稳定性和韧性变差有关;从空间维度看，安徽北部、江苏北部和东部沿海区域的耕地系统健康状况持续向好，长江三角洲、湖南和江西南部耕地呈现出由差转好的态势，但江汉平原呈现出明显的恶化趋势。（2）自然环境变化和人类活动对耕地系统健康的影响具有显著的空间异质性。其中，地表温度、日照时数、相对湿度、降水变化对整个区域的耕地系统健康变化起负向作用，年均GDP变化和耕地空间密度变化对耕地系统健康表现出正向影响。本文所构建的耕地系统健康评估模型可为构建“三位一体”耕地保护绩效评估提供参考，对于完善耕地系统评估的理论研究和推动区域耕地健康管理具有重要意义。

关键词： 耕地系统健康; 耕地保护; 多尺度地理加权回归; 长江中下游地区

本文引用格式

周小平 , 梁颖 , 李小天 , 柴铎 . 耕地系统健康的时空演变及其驱动因素研究——以长江中下游地区为例[J]. 自然资源学报, 2024 , 39(5) : 1174 -1192 . DOI: 10.31497/zrzyxb.20240512

Abstract

The health of farmland system is closely related to the goal of "quantity-quality- ecology" in farmland protection, which is of great significance for ensuring sustainable development of the social economy. Therefore, this article takes the middle and lower reaches of the Yangtze River, a major grain producing region, as an example. The farmland system health evaluation model based on system theory and ecosystem health theory is constructed. The spatiotemporal evolution of farmland system health in the study area from 2000 to 2020 is quantified using methods such as Sen-MK trend analysis, landscape pattern index, multi-scale geographic weighted regression, and GIS spatial analysis. Then, this research revealed the impact of multiple factors such as natural and socio-economic factors on the health of the farmland system. The research results indicate that: (1) From a temporal perspective, the overall health of the farmland system in the middle and lower reaches of the Yangtze River from 2000 to 2020 showed a slight downward trend, which is related to the deterioration of the organizational structure stability and resilience of the farmland system. From a spatial perspective, the health status of the farmland system in the Northern Anhui, Northern Jiangsu, and eastern coastal areas continues to improve. The farmland in the Yangtze River Delta, Hunan, and Southern Jiangxi shows a trend of turning from poor to good, but the Jianghan Plain shows a clear deterioration trend. (2) The impact of natural environmental changes and human activities on the health of the farmland system exhibits significant spatial heterogeneity. Among them, changes in surface temperature, sunshine hours, relative humidity, and annual precipitation have a negative impact on the health of the entire farmland system in the region, while changes in annual GDP and spatial density of farmland have a positive impact on the health of the farmland system. The farmland system health assessment model constructed by this research can provide reference for constructing a "quantity-quality-ecology" performance evaluation of farmland protection. It is of great significance for improving the theoretical research of farmland system assessment and promoting regional farmland health management.

Key words： farmland system health; farmland protection; multi scale geographic weighted regression; the middle and lower reaches of the Yangtze River Region

“粮为国之本，地为粮之根”，耕地是保障粮食安全、生态安全和实现人类可持续发展的根本[1]。中国仅有全球7%的耕地，却需养活全球22%的人口[2]，因此，耕地保护向来是国之大计。然而，在过去几十年追求高经济增速和城市快速扩张的发展导向下，耕地非粮化、非农化、边际化、撂荒等问题积重难治[3,4]。随着中国耕地保护制度的不断完善，保护目标逐渐从追求单一的数量不减少，进入到强调数量、质量与生态并重的“三位一体”保护阶段。而耕地系统作为一个具有自组织性、开放性和时空动态性的复杂系统，“三位一体”耕地保护目标的标准究竟是什么?目前无论是理论层面或是地方实践层面，尚未形成统一的标准。因此，亟需面向“三位一体”的耕地保护目标搭建耕地系统健康评估框架，从系统性和整体性视角审视耕地系统现状与“三位一体”保护目标之间的差距，进而推动耕地系统的健康可持续发展。
从耕地利用的实践看，传统的耕种模式和耕地现状格局严重威胁了中国的耕地系统健康，制约了耕地可持续利用：一方面，传统的小农耕作和过度追求产量的种植导向使得化肥农药使用量超标、重金属污染以及土壤有机质含量下降等问题不断加剧[5];另一方面，耕地占用引起的耕地斑块细碎、边界不规则、空间连通度差等问题愈发凸显[6]。为了开展相关学术研究，提出有针对性的耕地健康风险应对方案，需要明确耕地系统健康的概念内涵。但当前学术界关于耕地系统健康的研究仍处于起步阶段，不同学科从自身研究视角出发形成了对耕地系统健康的差异化认知，例如土壤学认为耕地系统健康的关键是土壤健康[7]，地理学多从耕地自然条件的适宜性、产能、多功能供给角度探讨耕地系统健康[8]，而生态学则认为耕地系统健康是生态系统免受发生失调综合症和满足持续生产农产品的能力[9]。总体看来，尚未就耕地系统健康的概念内涵达成共识。
只有对耕地系统健康程度有正确的认识和精准的评估，才能使各项耕地保护举措做到“对症下药”，因此构建科学的评估体系具有重要的学术意义和实践价值。虽然目前学术界关于耕地系统健康的评估方法尚在探讨，相关学术成果较少，但已有研究围绕耕地适宜性评估[10,11]、耕地质量评估[12]、耕地健康评估[13]等开展了丰富的研究，能够为本文提供有益的参考和借鉴。如Chen等[14]从耕地的自然质量、立地条件、农田生态价值三方面构建了农田综合质量评价指标体系。Su等[15]借助PSR模型，评估了耕地系统在自然和社会经济压力下耕地质量和产出效率等如何响应。
同时考虑到耕地系统自身的复杂性和受外界扰动的不确定性，探究耕地系统变化的影响因素也受到了学者们的广泛关注。一方面，学者们重点关注了气候变化[16]或城市化[17,18]等单一要素对耕地系统演变的影响。普遍发现，气候变化与耕地生产力密切相关，耕地生产力随温度和降水的增加而增加。城市化对耕地系统往往具有负面影响，道路建设会加剧耕地景观破碎化[17]，二三产业的发展则对耕地质量带来负向影响[18]。另一方面，学者们重点围绕威胁耕地系统健康的某一方面，如景观细碎度[6,19]、撂荒[20]、耕地系统韧性[21]探究其驱动因素或驱动机制。如Guo等[20]通过研究1990—2019年中国耕地撂荒的时空格局和驱动因素，发现耕地空间格局和自然因素是耕地撂荒的主要驱动因素。邹利林等[22]研究了2005—2020年广东省县域耕地利用质量的时空演变，发现资源禀赋依赖与社会经济结构是决定耕地利用质量的关键因素。但鲜有研究对耕地系统健康演变的驱动因素进行分析。
综合来看，随着对耕地健康认识的不断深入，学者们开始从关注狭义的耕地质量转向系统性的耕地健康研究，但仍存在几方面不足：一是，现有研究对于耕地系统健康的概念和内涵尚未形成共识，研究重点放在对耕地要素、结构和功能的评估，对于耕地系统的可持续性、稳定性以及“要素—结构—功能”的内在联系考虑较少;二是，在影响因素和影响机制的探讨方面，仅强调单一因素或只关注不同因素的全局影响，忽视了空间异质性，自然变化和人类活动等多要素对耕地系统健康变化的驱动因素仍不清楚;三是，受限于多源数据的可获取性，长时间、大尺度的研究较少，难以使决策者宏观把握区域的耕地系统健康状况。
长江中下游地区历来是中国的鱼米之乡，但过去几十年快速的工业化、城镇化带来的频繁人类活动，导致耕地数量明显下降，耕地系统的质量和韧性也受到气候变化带来的不确定性的威胁。通过计算长江中下游地区的城市化率和GDP增速，发现2000—2010年和2011—2020年是长江中下游地区经济发展差异较大的两个阶段，前者以增量发展为主，年均GDP增长速度较快，耕地占用较多。进入2010年后，GDP增速和城市化进程逐渐放慢，随后进入经济新常态的存量发展阶段，耕地利用从粗放转为集约。对比两个阶段耕地系统健康的差异有助于进一步把握经济社会发展对耕地系统健康的影响。因此，本文以长江中下游地区为例，构建耕地系统健康的评估框架，系统性地评估耕地系统健康状况，并进一步探索该区域耕地系统健康变化的驱动因素。研究目标有三：一是结合系统论和生态系统健康理论，构建耕地系统健康的评估框架;二是刻画2000—2010年、2011—2020年两个长时段的长江中下游地区耕地系统健康变化的时空演变;三是识别影响长江中下游地区耕地系统健康变化的驱动因素。本文所构建的耕地系统健康评估模型可为构建“三位一体”耕地保护绩效评估提供参考，完善耕地系统评估的理论研究，推动区域耕地系统健康管理。

1 研究方法与数据来源

1.1 研究方法

1.1.1 耕地系统健康评估框架

耕地系统是以耕地为主体的自然生态系统和以人类活动为主体的社会经济系统在特定区域内通过协同和拮抗作用而形成的复合系统[23]。在自然与人类的共同作用下，耕地系统内外部不断进行物质循环、能量流动和信息传递。因此，耕地系统需要通过自我调节和自我恢复应对外界的扰动，持续性地维持自身的生产功能，保持组织结构的稳定性，提高系统健康水平[24]。
1992年，Costanza[25]以人地系统耦合和可持续发展为思想源泉，提出了“活力—组织—韧性”的生态系统健康理论，旨在全方位反映区域生态系统的复杂性和内在特征，厘清自然生态系统与人类社会经济系统的相互作用关系，进而表征区域复合生态系统的整体健康水平。该理论为生态系统健康评估提供了科学的研究视角和方法[26]，已被广泛应用于草原[27]、城市[28]、海岸带[29]等不同类型的生态系统健康评估之中。与草原、城市类似，耕地系统亦为重要的生态系统之一，从生态系统健康的视角关注耕地系统，重在审视耕地系统的结构合理性、完整性，功能的高效性、持续性，以及能否满足人类和社会经济健康发展的需求，进而为耕地管理的方案优化提供有益支撑。
基于此，本文借鉴“活力—组织—韧性”的生态系统健康理论，基于“要素—结构—功能”的系统论将耕地系统健康拆解为三个维度，即系统内部要素具有活力、组织结构相对稳定、耕地的生产功能具有较强的韧性。其中，耕地要素活力具体指地块生产力的高低，可用植被指数表征;组织结构的相对稳定体现为耕地景观格局的稳定性，例如田块的规整、连片、连通[30,31]，可用景观格局指数表征;韧性则是耕地能维持或恢复自身粮食生产功能的能力[32]，可通过分析耕地生产力的长期稳定性和变化趋势表征（图1）。
图1 耕地系统健康评估框架

注：EVI：增强型植被指数（Enhanced Vegetation Index）;NPP：净初级生产力（Net Primary Productivity）。

Fig. 1 Framework for health assessment of farmland system

1.1.2 量化耕地系统健康

基于前文的耕地系统健康评估框架，本文构建了耕地系统健康指数，将耕地系统活力、耕地系统的组织结构和耕地系统的韧性得分标准化至 [0, 100]，并等权相加，即为某一时段的耕地系统健康状况，具体计算公式如下：
C H I m → n = 1 3 × V m → n + 1 3 × O m → n + 1 3 × R m → n
式中：CHIm→n表示从m年到n年这一时段的耕地系统健康;Vm→n、Om→n和Rm→n分别表示从m年到n年这一时段的耕地系统的活力、组织结构稳定性和韧性。
标准化公式如下[33]：
X i = x i - x i m i n x i m a x - x i m i n × 100
式中：Xi表示i项指标的归一化值;xij、ximin和ximax为第i项指标的实际值、最小值和最大值。
（1）量化耕地系统的活力
耕地系统的活力是指耕地系统的代谢能力或初级生产力[34]，通常可以通过地上植被的生长状态和生物量反映[35]。遥感反演的植被数据借助遥感影像分析了植被的浓密程度和生长状态，且数据时间跨度长、精度高，归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）[36]、EVI[37]、NPP、总初级生产力（Gross Primary Productivity，GPP）[38]等遥感数据被学术界广泛用于监测耕地的生产力。但不同植被遥感数据产品所关注的重点不同。EVI通过大气效应的削减及对植被冠层背景信号的去耦合，改进了NDVI在植被高覆盖地区易饱和、植被低覆盖区受土壤背景影响较大的不足。NPP是从GPP中分离出来的用于植物生长的能量，反映了植被群落的生产能力。二者在作物估产方面最为有效[39]。考虑到年内和年间作物长势变化较大，本文借助MATLAB软件分别计算了2000—2010年、2011—2020年两个时段的NPP、EVI的平均值，将其标准化至 [0, 100] 后等权相加，表示耕地系统活力。数值越大，表明活力越高。
（2）量化耕地系统的组织结构稳定性
耕地系统的组织结构稳定性是指耕地系统在空间上相对有序和时间上相对稳定的状态。空间上的有序性主要体现为田块的形状规整、连通性和连片度好。本文借助FRAGSTATS 4.2.1软件，将研究区划分为15 km×15 km的渔网，分别计算了2000年、2010年和2020年每一个渔网内部的平均周长面积比（PARA_MN）表征田块规整度，田块间的欧氏最近邻距离（ENN_MN）反映田块之间的连通度，以及田块聚集度指数（AI）和结合度指数（COHESION），用以体现田块的聚集性[40]。将上述三个指标等权相加得到了耕地系统在空间上的有序性，计算公式如下：
O i = 1 3 × P A R A _ M N i j + 1 3 × E N N _ M N i j + 1 3 × A I i j + C O H E S I O N i j  
式中： O i表示第i年的耕地系统组织结构在空间上的有序性，本文中，i=2020, 2010, 2000;PARA_MNij表示第j个渔网在第i年的平均周长面积比;ENN_MNij表示第j个渔网在第i年的田块间的欧氏最近邻距离（m）; A I i j和COHESIONij分别表示第j个渔网在第i年的田块聚集度指数和田块结合度指数。所有景观格局指数均经过标准化，值域统一为 [0, 100]。
考虑到尺度效应会对耕地的景观格局结果造成的影响，在选择渔网大小时，参考前人的方法[41]，依据半变异函数原理计算了上述4个景观格局指数分别在渔网为12 km×12 km至20 km×20 km时的块金值、基台值和块基比。当块基比随渔网大小变化趋于稳定时，说明景观格局指数的空间变化也趋于稳定，即为定量分析景观格局的最优尺度。计算发现当渔网大于15 km×15 km时，景观格局指数趋于稳定，但考虑到渔网过大会导致重要信息损失，因此选择15 km×15 km作为景观格局的分析尺度。
时间上的稳定性主要体现为耕地的组织结构稳定性随时间变化的程度，变化越小代表耕地系统的组织结构稳定性越强。通过对比期末和期初的田块格局在空间上的变化趋势，可以检测耕地组织结构的时间稳定性：
T i → i + 10 = O i + 10 - O i
式中： T i → i + 10表示从第i年到第i+10年的耕地组织结构稳定性，值为正表示稳定性在变好，值为负表示稳定性在变差; O i + 10表示第i+10年的耕地系统组织结构在空间上的有序性。
最后，将耕地组织结构稳定性的时空特征标准化至 [0, 100]，再加权叠加，即为耕地系统的组织结构稳定性得分。在确定权重时采用层次分析法，严格按照专家调查问卷的规范[20]，向北京师范大学、中国科学院地理科学与资源研究所、上海交通大学等科研院所中从事耕地保护和景观生态方面研究的学者发放调查问卷5份，得到指标层的权重，并通过检验各判断矩阵的一致性确保权重的科学性。具体的耕地系统的组织结构稳定性计算公式如下：
O i → i + 10 = 0.3 × T i → i + 10 + 0.7 × O i
式中： O i → i + 1 0表示从第i年到第i+10年的耕地系统的组织结构稳定性，值越高表明耕地系统的组织结构稳定性越好。
（3）量化耕地系统的韧性
耕地系统的韧性是耕地系统通过自身调节，抵御外界自然变化和人类活动冲击而保持其核心功能不变的能力[42]。本文将耕地系统的韧性具体化为两个方面，一是生产力的长期稳定性，二是生产力的长时期变化趋势。即耕地生产力长期稳定，且趋于变好，则认为耕地系统具有较好的韧性。
由于变异系数常用于度量数据的离散程度，因此借助MATLAB软件计算2000—2010年、2011—2020年两个时段的NPP、EVI的变异系数，用于表征耕地系统生产力的长时期稳定性[43]。变异系数越大，说明耕地的生产力稳定性可能受人为或自然因素的影响越大，生产力越不稳定;反之则说明生产力越稳定。具体计算公式如下：
C v = ∑ i = 1 n ( x i - χ ¯ ) 2 n χ ¯
式中：Cv为变量的变异系数;x为变量实际值; χ ¯为变量平均值;n为变量数量（个）。
生产力长时期变化趋势采用主流的Theil Sen median-Mann Kendall计算方法，这是一种连续的、非参数统计方法，主要通过计算长时间序列的中位数斜率估计数据变化趋势，其优势是数据无需服从正态分布，能避免特大值与特小值的影响[44]。本文应用Theil Sen median方法估计了长时间序列的耕地系统的生产力变化趋势，量化变化幅度，并采用Mann-Kendall方法检验变化趋势的显著性。具体方法可参考文献 [44]，趋势分析公式如下：
S l o p e   ( β ) = M e d i a n x i - x j t i - t j  
式中：Slope(β) 表示耕地生产力的趋势; x i和 x j分别为耕地生产力的时间序列; t i和 t j为耕地生产力的序列年份。Slope(β)>0，表明耕地的生产力增加;Slope(β)<0表明耕地的生产力降低。
最后，参考前人[43,44]的研究方法，将表示耕地生产力长期稳定性的变异系数和表示耕地生产力的长时期变化趋势的趋势值Slope(β)，采用自然断点法重分类为5类，分别赋值为20、40、60、80、100，再等权相加，即为耕地系统韧性。

1.1.3 多尺度地理加权回归

耕地系统健康变化受自然环境和社会经济等多因素影响，且在空间上表现出明显的空间异质性和尺度效应。因此，本文采用多尺度地理加权回归（Multiscale Geographically Weighted Regression，MGWR）模型测度2000—2020年长江中下游地区的自然环境变化和人类活动对耕地系统健康变化的影响程度。
MGWR模型是对地理加权回归（Geographically Weighted Regression，GWR）模型的改进，不仅保留了GWR模型在检测变量的局部空间关系与空间异质性方面的优越性，还通过允许每个因变量的样本点带宽模型不同反映不同变量对于因变量的影响尺度，提高了回归结果的可靠性[19]。MGWR模型用公式表示如下：
y l = β o ( u l ,   v l ) + ∑ k = 1 q β k ( u l ,   v l ) x l k + ε l
式中：yl表示耕地系统健康的变化情况;xlk表示影响耕地系统健康变化情况的自然环境因子和社会经济因子;(ul, vl) 表示采样点l的空间坐标，本文借助ArcGIS随机选取了3500个采样点;βo(ul, vl) 表示l点的截距;βk(ul, vl) 表示局部变量的回归系数，系数的绝对值越大表示影响越大; ε l表示随机干扰项。确定最优带宽时，采用了最常用的二次核函数和Akaike信息准则（AICc）方法。
综合已有研究成果[6,22,45]、研究区基本情况以及数据可获得性，以客观性为基本原则，选取了影响耕地系统健康变化的因素。首先，自然变化对生态系统已经构成了全球性威胁。气候变化的影响尤为显著，其通过影响植物、动物与耕地之间的相互作用方式，改变了耕地系统的结构和功能[46]。其次，进入“人类世”以来，社会经济快速发展的背后是挤占耕地空间发展城市、开垦荒地满足人口增长需求，改变了耕地的空间分布格局，影响了耕地系统对人类供给各项服务和商品。因此，充分考虑二者对耕地系统的影响，并借鉴前人[6,22,46]所选取的研究变量，考虑了降水、地表温度、日照、相对湿度、人口密度、GDP、城市建设用地扩张面积、耕地空间密度变化、距水域的距离等14个变量，并在SPSS软件中反复采用普通最小二乘法将上述变量排列组合，测试其拟合度和多重共线性。理论上来说，当所有的影响因子容差>0.1且方差膨胀因子（VIF）<10，表明变量之间不存在多重共线性，这是模型成立的基本要求之一。最终以拟合度最高且避免多重共线性为依据，选择出8个解释力较好的因子研究其对耕地系统健康演变的驱动作用（表1）。
表1 影响耕地系统健康变化的变量选取及共线性检验

Table 1 Selection of variables and collinearity test affecting changes in farmland system health

特征类型 解释变量 共线性检验
容差 VIF
社会经济因素 耕地数量变化动态度 0.327 3.059
年均GDP变化 0.670 1.493
耕地的空间密度变化 0.449 2.228
自然因素 距离水域的距离 0.851 1.175
年均相对湿度变化 0.654 1.529
年均日照时数变化 0.647 1.545
年均地表温度变化 0.655 1.527
年均降水变化 0.732 1.366

1.2 研究区概况

长江中下游地区包括上海、江苏、浙江、安徽、江西、湖北、湖南7省（直辖市），是中国重要的粮、油、棉生产基地，粮食产量和种植面积占全国的1/5[47]（图2）。整个区域地势低平，河渠纵横，湖泊星布。夏季高温多雨，冬季温和少雨，年降水量为1000~1500 mm，水资源丰富，灌溉水源充足。耕地主要分布在江汉平原、洞庭湖平原、鄱阳湖平原、皖苏沿江平原、里下河平原和长江三角洲平原，以及江淮、江南丘陵山地。大部分耕地在平原区，坡耕地较少。土壤类型以水稻土、黄壤、红壤、潮土为主，土壤立地条件较好，土壤养分处于中等水平，耕地质量等级以中等偏上为主。但长江中下游地区自古人口密集，经济发达，耕地保护和城市化的矛盾突出，耕地的数量和结构变化剧烈。同时，受气候变化的影响，该区域暴雨洪涝灾害多发、季节性干旱时有发生，均有可能威胁耕地健康[47]。
图 2 研究区区位

Fig. 2 Location of the study area

1.3 数据来源及预处理

遥感数据为大尺度的研究提供了便利，且其具有数据精度高、时间长等显著优势，解决了传统研究采样难、成本高的问题[37]。尤其是GEE（Google Earth Engine）平台的发展丰富了遥感监测数据的获取途径，为长时间、大尺度评估提供了便利。因此，本文所使用的耕地数据、植被数据均为遥感数据。其中，耕地数据提取自中国科学院资源环境数据中心的中国多时期土地利用遥感监测数据集（http://www.resdc.cn/DOI:10.12078/2018070201）。该数据集基于陆地卫星TM/ETM、环境小卫星等30 m空间分辨率遥感影像数据，采用遥感解译和人工判读的方法得到，解译精度在95%以上，分辨率为1 km×1 km。植被数据包括2000—2020年的逐年平均EVI、NPP空间分布数据，数据来源于MODIS产品数据集，借助GEE平台按照研究区进行裁剪下载，空间分辨率为1 km×1 km。
此外，本文还采用了以监测数据为基础进行空间插值的气象数据和社会经济数据，包括2000年和2020年两期的年均相对湿度、年均日照时数、年均地表温度、年均降水量。数据来自中国科学院资源环境数据中心发布的中国气象要素年度空间插值数据集（http://www.resdc.cn/DOI:10.12078/2022082501），空间分辨率为1 km×1 km。根据研究区进行裁剪投影，并计算2000—2020年的年均相对湿度变化、年均日照时数变化、年均地表温度变化和年均降水量变化。社会经济数据包括人口密度数据、GDP数据，分别来自于中国人口空间分布公里网格数据集（http://www.resdc.cn/DOI:10.12078/2017121101）和中国GDP空间分布公里网格数据集（http://www.resdc.cn/DOI:10.12078/2017121102）。

2 结果分析

2.1 耕地系统健康的时空分异

2.1.1 耕地系统健康的总体时空变化

2000—2020年，长江中下游地区耕地面积共减少了6538 km2，耕地系统健康呈现出轻微恶化趋势。采用自然断点法将耕地系统健康分为好、较好、一般、较差、差5个等级，结果发现：2000—2010年，耕地系统健康最好和较好的耕地面积分别为45665 km2和129506 km2，共占全区总耕地面积的49.57%;全区37.08%的耕地健康状况一般;耕地系统健康较差和最差的耕地面积分别为36373 km2和10832 km2，分别占全区总耕地面积的10.29%和3.06%。2011—2020年，耕地系统健康最好和较好的耕地面积分别为45363 km2和116356 km2，共占全区总耕地面积的46.62%，较2000—2010年下降了2.95%。其中，耕地系统健康较好的耕地减少了13150 km2;健康状况一般的耕地面积为125461 km2，较2000—2010年减少了5581 km2;与此同时，耕地系统健康较差和最差的耕地分别增加了7554 km2和4945 km2;总计11.77%的耕地系统健康在2011—2020年呈现出恶化趋势。
从空间分布来看，2000—2010年，耕地系统健康呈现出“北优南劣”的分布格局，耕地系统健康状态自东北和西北向南部恶化（图3）。2011—2020年，耕地系统健康呈现出“边缘高中间低”的分布格局，耕地系统健康状态自北部和南部向中部恶化。安徽北部、江苏北部和东部区域的耕地健康在2000—2020年持续向好;长江入海口沿岸区域、湖南和江西南部的碎片耕地的耕地系统健康在2000—2010年最差，但2011—2020年明显好转;江汉平原的耕地系统在2000—2010年健康状况较好，2011—2020年急剧恶化。
图 3 长江中下游地区2000—2020年的耕地系统健康

Fig. 3 Farmland system health in the middle and lower reaches of the Yangtze River from 2000 to 2020

分地区来看，2000—2020年，长江中下游各省（直辖市）的耕地健康变化差异显著。上海耕地系统健康水平提升最为明显，耕地健康评估得分从2000—2010年的53.08提升至2011—2020年的56.68，51%的耕地健康状况有所改善。浙江和江西的耕地系统健康水平也有明显提升，浙江的耕地健康评估得分从2000—2010年的54.29提升至2011—2020年的56.49，江西则从55.83提升至57.31，两省分别有45%和40%的耕地的健康状况被改善。湖南和江苏的耕地系统健康状况在2000—2020年总体稳定，湖南的耕地系统健康评分从2000—2010年的56.61略升为2011—2020年的56.79，江苏则从2000—2010年的59.30略降至2011—2020的59.16。但安徽和湖北的耕地系统健康状况下降明显，安徽从58.93下降至56.96，湖北从57.74下降至55.91。其中，安徽有48%的耕地系统健康趋于恶化，仅有18%的耕地健康状况有所改善;湖北有47%的耕地健康状况趋于恶化，仅有20%的耕地的健康呈改善趋势（图4）。
图 4 长江中下游地区2000—2020年的耕地系统健康变化

Fig. 4 Changes in the health of farmland system in the middle and lower reaches of the Yangtze River from 2000 to 2020

2.1.2 耕地系统活力的时空分异

2000—2020年，长江中下游地区的耕地系统活力呈轻微上升态势，活力评估得分由2000—2010年的37.50升至2011—2020年的38.52。采用自然断点法将耕地系统活力分为好、较好、一般、较差、差5个等级，结果发现：2000—2010年，耕地系统活力最好和较好区域面积分别为38867 km2和117611 km2，共占同时期总耕地面积的44.27%;耕地系统活力最差和较差的耕地面积分别为8262 km2和223819 km2，共占同时期总耕地面积的9.08%。2011—2020年，耕地系统活力最好的区域面积增至64499 km2，较2000—2010年增加了25632 km2。耕地系统活力最好和较好区域面积占总同时期耕地面积的比例达到了50.68%;与此对应，活力一般的耕地减少了22380 km2，占同时期耕地总面积的比例由2000—2010年的46.66%降至41.09%;活力最差和较差的耕地面积占比也出现了下降趋势，下降浮动分别为0.39%和0.45%。
2000—2020年，耕地系统活力的空间格局总体稳定，在空间上均呈现出自区域东南、西北和南部向中部递减的特征（图5）。耕地系统活力较高的区域主要位于江苏和安徽北部的耕地连片区域以及湖北和湖南中西部、江西和浙江南部等耕地碎片化区域。而人类活动密集的长沙、武汉、南昌、合肥、南京、苏州、杭州、上海等大城市周边耕地系统活力明显较低。分地区来看，2000—2010年，江苏的耕地系统活力最高，活力评分为38.27;江西、湖南、湖北的耕地系统活力评分分别为38.09、37.93、37.32，仅次于江苏;安徽、浙江和上海的耕地系统活力较差，其中，上海的耕地系统活力评分仅为33.17，明显低于其他各省。2011—2020年，江西和湖南的耕地系统活力最高，活力评分分别为39.86和39.22;江苏、安徽、湖北次之，活力评分在37.6~38.8之间;浙江和上海的耕地系统活力依然最低，活力评分分别为36.81和34.05。但较2000—2010年，各省（直辖市）的耕地系统活力均表现出不同程度的提高，江西、安徽和湖南三省的涨幅最为明显，浙江涨幅最小。
图 5 长江中下游地区2000—2020年的耕地系统活力

Fig. 5 Farmland system vitality in the middle and lower reaches of the Yangtze River from 2000 to 2020

2.1.3 耕地系统组织结构稳定性的时空分异

2000—2020年，长江中下游地区的耕地系统组织结构的稳定性有所下降，组织结构稳定性评分由2000—2010年的67.64下降至2011—2020年的66.39。采用自然断点法将耕地系统的组织结构稳定性分为好、较好、一般、较差、差5个等级，结果发现：2000—2010年，组织结构稳定性最好和较好的耕地总面积分别为30212 km2和73804 km2，共占同时期总耕地面积的29.39%;组织结构稳定性一般的耕地占比为33.99%;组织结构稳定性最差和较差的耕地面积分别为32111 km2和97477 km2，总占比为36.62%。2011—2020年，组织结构稳定性最高和较高的耕地总面积减少至85973 km2，占同时期耕地总面积的比例较2000—2010年下降了4.64%;组织结构稳定性一般的耕地减少了16227 km2;但耕地系统最差和较差的耕地面积分别较2000—2010年增加了23965 km2和3760 km2。
2000—2020年，耕地系统组织结构稳定性的空间分布格局总体稳定，变化不明显，在空间上均呈现出“北高南低”的分布特征，中北部的江汉平原和洞庭湖平原、东北部的江苏和安徽耕地系统组织结构的稳定性较高，说明这些区域田块相对规整、连通性和连片性较好，且随时间的变化较小。湖南和江西南部的耕地系统组织结构稳定性较差，与该区域耕地破碎度有关（图6）。分地区来看，2000—2010年，江苏和安徽的耕地系统组织结构的稳定性最高，组织结构稳定性评分分别为72.04和70.58;上海和湖北分别以69.91和67.62紧随其后;浙江、湖南和江西的耕地系统组织结构稳定性较差，得分在63~64.5之间。2011—2020年，上海、江苏和安徽的耕地系统组织结构的稳定性较高，耕地系统稳定性得分分别为71.58、70.46和70.17;湖北和浙江次之，得分分别为65.97和63.09;湖南和江西最差，分别仅为62.2和61.69。两期对比发现，除上海的耕地系统组织的稳定性有所上升外，其余各省的耕地系统组织的稳定性均在下降。
图 6 长江中下游地区2000—2020年的耕地系统组织结构稳定性

Fig. 6 Organizational structure stability of farmland system in the middle and lower reaches of the Yangtze River from 2000 to 2020

2.1.4 耕地系统韧性的时空分异

2000—2020年，长江中下游地区的耕地系统韧性呈下降趋势，耕地系统韧性评分由2000—2010年的67.50下降至2011—2020年的66.51。采用自然断点法将耕地系统韧性分为好、较好、一般、较差、差5个等级，结果发现：2000—2010年韧性评分最好和较好的耕地面积分别为23860 km2和184192 km2，占同期总耕地面积的58.87%;2011—2020年韧性评分好和较好的耕地面积分别为50235 km2和141745 km2，共占同期总耕地面积的55.34%。两期相比发现，2000—2020年，韧性较好和最好的耕地面积下降了16072 km2，韧性一般的耕地占比也从29.55%降至了25.71%，但韧性较差和最差的耕地面积增加了24807 km2。
从空间分布来看，2000—2010年和2011—2020年两个时期耕地系统韧性的空间分布格局差异显著（图7）。2000—2010年，耕地系统韧性较好的区域主要位于安徽和江苏的中北部、湖南和江西的中部和湖北的西部。太湖东部的长江入海口沿岸和浙江等区域耕地系统韧性最差。2011—2020年，湖南、江西和浙江三省的耕地系统韧性较好，江汉平原、安徽中部和江苏中部区域的耕地系统韧性较差。
图 7 长江中下游地区2000—2020年的耕地系统韧性

Fig.7 Resilience of farmland system in the middle and lower reaches of the Yangtze River from 2000 to 2020

2.2 耕地系统健康变化的驱动因素

自然环境和人类活动对耕地系统健康变化的影响程度和方向具有空间异质性。与经典的GWR模型相比，MGWR模型的AICc值更小，拟合优度高达0.67，说明MGWR模型和本文所选取的解释变量能够较好地揭示自然社会等多要素变化与耕地系统健康变化的不同作用关系（表2）。研究发现，地表温度、相对湿度、日照时数、年降水量的变化对整个区域的耕地系统健康变化具有负向影响（图8）。其中，地表温度、日照时数产生的负向影响在整个研究区显著，而降水变化所产生的负向影响仅在局部地区具有显著性。距离水域的距离、耕地数量变化动态度、耕地空间密度变化等因素对于耕地系统健康的影响有正有负，呈现出显著的空间异质性。如在湖北的中东部区域，随着耕地数量变化动态度的下降，耕地系统健康趋于改善，但在江西和江苏的南部，随着耕地数量变化动态度的提高，耕地系统健康随之提升。此外，年均GDP变化和耕地空间密度变化对耕地系统健康呈现出显著的正向影响，且年均GDP增长对耕地系统健康的正向影响自东部向西部减弱，原因在于经济越发达的地区往往越有能力在耕地整治、农田基础设施建设等方面投入更多的资金，从而对耕地系统健康的积极影响越大。以上海为例，自2010年来，上海通过复垦工矿仓储用地、宅基地等存量低效土地，新增耕地超过6.75万亩（1亩≈667 m2），而且在土地整治的过程中将原来散而小的耕地整理成规模化和连片化耕地，提升了耕地系统组织结构的稳定性[48]。2017年以来，浙江陆续出台了《浙江省土地整治规划（2016—2020年）》等政策文件，投入大量资金垦造水田、建设高标准农田、推动耕地恢复和质量提升，旨在实现耕地“数量有增加、质量有提升、生态有改善、布局更集中”，对于提升耕地系统健康水平具有重要作用[49]。
表2 MGWR模型和GWR模型的主要参数对比

Table 2 Comparison of main parameters between MGWR Model and GWR Model

模型指标 MGWR模型 GWR模型
AICc 15931.223 18086.292
R2 0.671 0.29
RSS 12123.643 26147.622
Log-likelihood 351.545 -9032.111

注：AICc为修正的赤池信息准则，R2为拟合优度，RSS为残差平方和，Log-likelihood为最大似然估计。

图 8 长江中下游地区耕地系统健康变化与自然环境变化和人类活动相关系数的空间格局

Fig. 8 Spatial pattern of correlation coefficients between changes in farmland system health, natural environment changes, and human activities in the middle and lower reaches of the Yangtze River

3 结论与讨论

3.1 结论

本文基于系统论和生态系统健康理论厘清了耕地系统健康的内涵，构建了耕地系统健康评估模型，并纳入遥感、气象、土地利用等多源数据，综合运用Sen-MK趋势分析、景观格局指数、多尺度地理加权回归、GIS空间分析等方法量化了长江中下游地区2000—2010年和2011—2020年两个时段的耕地系统健康的时空演变，揭示了自然和人为等多要素对耕地系统健康的空间异质性影响。主要结论如下：
（1）2000—2020年，长江中下游地区的耕地系统健康呈现轻微下降趋势，这与耕地系统的组织结构稳定性和韧性变差有关。2000—2010年耕地系统健康呈现出“北优南劣”的分布格局，而2011—2020年空间格局逐渐演变为“边缘高中间低”。其中，安徽北部、江苏北部和东部沿海区域的耕地系统健康状况在20年间持续向好，长江三角洲、湖南和江西南部耕地呈现出由差转好的态势，但江汉平原呈现出明显的恶化趋势。
（2）MGWR模型的拟合结果优于经典GWR模型，较好地揭示了自然和社会经济等多要素变化与耕地系统健康变化的不同作用关系。自然环境变化和人类活动对耕地系统健康变化具有显著影响，不同因素的影响呈现出明显的空间异质性。其中，地表温度、相对湿度、日照时数、年降水量变化对整个区域的耕地系统健康变化具有负向影响，年均GDP变化和耕地空间密度变化对耕地系统健康具有正向影响。

3.2 政策建议

长江中下游地区历来是中国重要的商品粮基地，对保障中国粮食安全发挥重要作用。2000—2020年，在自然环境变化与人类活动的交织影响下，耕地面积减少了6538 km2，耕地系统健康呈现出轻微恶化趋势。根据本文研究结果，为避免耕地系统健康持续恶化，下一步耕地政策制定应重点考虑以下方面：
首先，借助科技手段加强耕地系统的监测和预警，减轻气候变化对耕地健康的影响。本文研究发现耕地系统韧性在2011—2020年出现了明显的下降，这说明耕地系统应对气候变化和极端灾害的能力尚显不足。同时，当前中国也面临耕地系统监测重数量轻质量、部门协同性差、监测精度低等局限，但耕地系统本身的复杂性决定了单一部门的单一监测难以实现对耕地系统健康的全面检测。尤其是在气候变化持续加剧的背景下，有必要通过科技支撑手段构建空、天、地、土、网融合的智慧化调查评价监测预警平台，提高耕地管护的科技支撑力度，助力中国实现全方位粮食安全的战略目标。
其次，健全耕地保护奖惩机制，支持经济发达地区率先开展耕地健康水平提升工程。本文研究发现GDP的增长对于耕地系统健康水平提升具有显著的正向作用。中国经过几十年的土地整治实践，已在高标准农田建设、中低产田改造、生态修复等方面积累了大量的实践经验。随着中国进入高质量发展阶段，亟需健康、高效、绿色的耕地系统保障经济的转型发展。因此，政策层面应进一步完善耕地保护奖惩机制，鼓励经济相对发达地区率先探索适应气候变化的耕地平整、土壤改良、农田防护等新工程措施，设计耕地生态功能显化方案，应用农机农艺、智能作业和智慧管理等新技术，引导国家粮食主产区的耕地系统向绿色、高效、集约节约利用转变。

3.3 讨论

耕地系统健康是一个跨学科的复杂命题，虽然其与耕地产能[39]、耕地质量[30]、耕地自然价值[50]、耕地多功能[51]等概念有共通之处，但耕地系统健康更侧重于综合考虑耕地系统内部的各个要素、系统的整体结构和功能[19]。然而已有研究对此讨论较少，本文的边际贡献主要在于两个方面，一是从系统性视角出发，立足农田生态系统，尝试将以往学者们对于耕地系统的思考进行整合和量化，构建出了一套立体的耕地系统健康量化评估体系。二是借鉴已有的耕地生产力评估等研究，纳入植被遥感数据来表征耕地的本体健康程度和生产功能，实现了大尺度、精细化的宏观评估，对于认知中国现有耕地和粮食安全系统、科学制定宏观决策具有重要意义。
但受限于耕地系统本身的复杂性，本文在耕地系统健康与人类活动和自然环境变化之间的复杂互馈机理，耕地系统的生态健康等方面的探索当是抛砖引玉。未来应围绕以下三方面开展深入研究：一是采用跨学科知识进一步厘清耕地系统的生态健康内涵，开发评估模型，完善耕地“三位一体”评估框架;二是结合访谈和问卷调查开展微观尺度的研究，探讨不同因素对耕地系统健康的影响机制;三是探索建立耕地系统健康的预警机制。随着自然变化的不确定性和人类干扰增加，耕地系统原有的健康“稳态”将被进一步打破，对国家粮食安全及农业可持续发展造成负面影响。因此，有必要借助机器学习等模拟未来的耕地系统健康风险，为农业管理者设计对策。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
韩杨. 中国耕地保护利用政策演进、愿景目标与实现路径. 管理世界, 2022, 38(11): 121-131.

[ HAN Y. The policy evolution, vision goal and realization path of China's cultivated land protection and utilization. Journal of Management World, 2022, 38(11): 121-131.]

[2]
陈文广, 孔祥斌, 温良友, 等. 基于需求—功能—维度的耕地健康评价指标体系构建与应用. 中国农业大学学报, 2021, 26(5): 106-117.

[ CHEN W G, KONG X B, WEN L Y, et al. Construction and application of cultivated land health evaluation index system based on demand-function-dimension. Journal of China Agricultural University, 2021, 26(5): 106-117.]

[3]
金晓斌, 梁鑫源, 韩博, 等. 面向中国式现代化的耕地保护学理解析与地理学支撑框架. 经济地理, 2022, 42(11): 142-150.

DOI

[ JIN X B, LIANG X Y, HAN B, et al. Theoretical analysis and geographical support framework of cultivated land protection for Chinese-style modernization. Economic Geography, 2022, 42(11): 142-150.]

DOI

[4]
关小克, 王秀丽, 陈伟强. 县域耕地边际化风险评价与验证. 农业机械学报, 2020, 51(2): 153-160.

[ GUAN X K, WANG X L, CHEN W Q. Risk evaluation and verification of marginalization of farmland in county area. Transactions of the CSAM, 2020, 51(2): 153-160.]

[5]
张英男, 龙花楼. 农业生产转型及其环境效应的研究进展与展望. 自然资源学报, 2022, 37(7): 1691-1706.

DOI

[ ZHANG Y N, LONG H L. Agricultural production transition and its environmental effects: Research progress and prospect. Journal of Natural Resources, 2022, 37(7): 1691-1706.]

[6]
王学, 徐晓凡. 中国耕地景观细碎度时空变化特征及其影响因素. 农业工程学报, 2022, 38(16): 11-20.

[ WANG X, XU X F. Spatiotemporal characteristics and influencing factors of landscape fragmentation of culticated land in China. Transactions of the CSAE, 2022, 38(16): 11-20.]

[7]
高涵, 陈伟强, 郧文聚. 耕地健康及其管理问题探讨. 中国土地, 2018, (12): 23-25.

[ GAO H, CHEN W Q, YUN W J. Discussion on the health and management of cultivated land. China Land, 2018, (12): 23-25.]

[8]
邹利林, 李裕瑞, 刘彦随, 等. 基于要素视角的耕地“三生”功能理论建构与实证研究. 地理研究, 2021, 40(3): 839-855.

DOI

[ ZOU L L, LI Y R, LIU Y S, et al. Theory building and empirical research of production-living-ecological function of cultivated land based on the elements. Geographical Research, 2021, 40(3): 839-855.]

DOI

[9]
隋虹均, 宋戈, 高佳. 东北黑土区典型地域耕地生态退化时空分异: 以富锦市为例. 自然资源学报, 2022, 37(9): 2277-2291.

DOI

[ SUI H J, SONG G, GAO J. Spatio-temporal differentiation of cultivated land ecological degradation in typical black soil regions of Northeast China: A case study of Fujin city. Journal of Natural Resources, 2022, 37(9): 2277-2291.]

[10]
王秀丽, 李程秀, 刘瑜歆, 等. 基于宜耕性评价的耕地利用效率分区与提升路径. 农业机械学报, 2021, 52(5): 212-218.

[ WANG X L, LI C X, LIU Y X, et al. Zoning and improvement path of cultivated land use efficiency based on evaluation of cultivated land suitability. Transactions of the CSAM, 2021, 52(5): 212-218.]

[11]
毕玮, 党小虎, 马慧, 等. “藏粮于地”视角下西北地区耕地适宜性及开发潜力评价. 农业工程学报, 2021, 37(7): 235-243.

[ BI W, DANG X H, MA H, et al. Evaluation of arable land suitability and potential from the perspective of "Food Crop Production Strategy based on Farmland Management" in Northwest China. Transactions of the CSAE, 2021, 37(7): 235-243.]

[12]
孙晓兵, 孔祥斌, 张青璞, 等. 基于指标综合特征的耕地遗传质量和动态质量评价. 农业工程学报, 2020, 36(22): 254-265.

[ SUN X B, KONG X B, ZHANG Q P, et al. Evaluation of inherent quality and dynamic quality of cultivated land based on comprehensive characteristics of indexes. Transactions of the CSAE, 2020, 36(22): 254-265.]

[13]
高璐璐, 张超, 吕雅慧, 等. 耕地健康产能多要素评价体系构建与应用. 农业机械学报, 2020, 51(5): 215-222.

[ GAO L L, ZHANG C, LYU Y H, et al. Construction and application of multi-factor cultivated land health productivity evaluation system. Transactions of the CSAM, 2020, 51(5): 215-222.]

[14]
CHEN Y, YAO M, ZHAO Q, et al. Delineation of a basic farmland protection zone based on spatial connectivity and comprehensive quality evaluation: A case study of Changsha city, China. Land Use Policy, 2021, 101: 105145, Doi: 10.1016/j.landusepol.2020.105145.

[15]
SU S, ZHANG Z, XIAO R, et al. Geospatial assessment of agroecosystem health: Development of an integrated index based on catastrophe theory. Stochastic Environmental Research and Risk Assessment, 2012, 26(3): 321-334.

[16]
王淳一, 赵明月, 赵运成, 等. 气候变化对农业生态系统服务的影响及适应对策. 生态学杂志, 2023, 42(5): 1214-1224.

[ WANG C Y, ZHAO M Y, ZHAO Y C, et al. A review of the impacts of climate change on agro-ecosystem services and adaptation measures. Chinese Journal of Ecology, 2023, 42(5): 1214-1224.]

DOI

[17]
郑希平, 陈竹安, 危小建. 鄱阳湖生态经济区建设用地扩张对耕地景观破碎化的影响. 农业资源与环境学报, 2023, https://link.cnki.net/urlid/12.1437.S.20230906.1133.001.

[ ZHENG X P, CHEN Z A, WEI X J. The impact of construction land expansion on the landscape fragmentation of cultivated land in the Poyang Lake Ecological Economic Zone. Journal of Agricultural Resources and Environment, 2023, https://link.cnki.net/urlid/12.1437.S.20230906.1133.001.]

[18]
DENG X, HUANG J, ROZELLE S, et al. Impact of urbanization on cultivated land changes in China. Land Use Policy, 2015, 45: 1-7, Doi: 10.1016/j.landusepol.2015.01.007.

[19]
XU M, NIU L, WANG X, et al. Evolution of farmland landscape fragmentation and its driving factors in the Beijing-Tianjin-Hebei Region. Journal of Cleaner Production, 2023, 418: 138031, Doi: 10.1016/j.jclepro.2023.138031.

[20]
GUO A, YUE W, YANG J, et al. Cropland abandonment in China: Patterns, drivers, and implications for food security. Journal of Cleaner Production, 2023, 418: 138154, Doi: 10.1016/j.jclepro.2023.138154.

[21]
苗欣然, 李泽红, 王梦媛. 粮食供应安全下东北黑土区耕地利用系统韧性时空演变: 以齐齐哈尔市为例. 资源科学, 2023, 45(9): 1801-1816.

[ MIAO X R, LI Z H, WANG M Y. Spatiotemporal changes of cultivated land use system resilience in the black soil region of Northeast China under food supply security: A case study of Qiqihar city. Resources Science, 2023, 45(9): 1801-1816.]

[22]
邹利林, 梁一凡, 冯培明, 等. 广东省耕地利用质量评价、时空跃迁及障碍因子诊断. 农业工程学报, 2023, 39(17): 256-266.

[ ZOU L L, LIANG Y F, FENG P M, et al. Evaluation, spatial-temporal transition and obstacle factor diagnosis of cultivated land use quality in Guangdong province. Transactions of the CSAE, 2023, 39(17): 256-266.]

[23]
胡月明, 杨颢, 邹润彦, 等. 耕地资源系统认知的演进与展望. 农业资源与环境学报, 2021, 38(6): 937-945.

[ HU Y M, YANG H, ZOU R Y, et al. Evolution and prospect of systematic cognition on the cultivated land resources. Journal of Agricultural Resources and Environment, 2021, 38(6): 937-945.]

[24]
苏浩, 吴次芳, 李雪银. 耕地系统健康诊断的理论研究框架构建与解析. 中国土地科学, 2023, 37(5): 18-26.

[ SU H, WU C F, LI X Y. Construction and analysis of theoretical research framework for cultivated land systems health diagnosis. China Land Science, 2023, 37(5): 18-26.]

[25]
COSTANZA R. Toward an operational definition of ecosystem health. In: Edited by COSTANZA R,NORTON B G, HASKELL B D. Ecosystem Health: New Goals Environment Management. Washinton D.C.: Island Press, 1992: 239-256.

[26]
CHEN W, WANG G, ZENG J. Impact of urbanization on ecosystem health in Chinese urban agglomerations. Environmental Impact Assessment Review, 2023, 98: 106964, Doi: 10.1016/j.eiar.2022.106964.

[27]
苏玥, 占布拉, 娜日苏, 等. 草甸草原健康评价的活力—组织力—恢复力指数和基况—活力—组织力—恢复力指数. 草原与草业, 2022, 34(4): 10-14.

[ SU Y, ZHAN B L, NA R S, et al. VOR and CVOR indices for health evaluation of meadow steppe. Grassland and Prataculture, 2022, 34(4): 10-14.]

[28]
谷瑞丽, 多玲花, 邹自力, 等. 黄河下游城市群生态系统健康时空演变特征. 水土保持通报, 2022, 42(6): 285-292.

[ GU R L, DUO L H, ZOU Z L, et al. Spatial and temporal evolutionary characteristics of ecosystem health at urban agglomeration in Lower Yellow River. Bulletin of Soil and Water Conservation, 2022, 42(6): 285-292.]

[29]
刘一鸣, 徐煖银, 曾辉. 中国东海海岸带地区生态系统健康评估及其尺度依赖性. 生态学报, 2022, 42(24): 9913-9926.

[ LIU Y M, XU N Y, ZENG H. Ecosystem health assessment and its scale dependence in the coastal region of the East China Sea. Acta Ecologica Sinica. 2022, 42(24): 9913-9926.]

[30]
杨君, 邵劲松, 周鹏全, 等. 基于地块尺度的耕地质量级别变化及农业空间保护: 以岳阳市岳阳楼区为例. 经济地理, 2021, 41(11): 185-192.

[ YANG J, SHAO J S, ZHOU P Q, et al. Change of cultivated land quality level and agricultural space protection based on the scale: Taking Yueyanglou district of Yueyang city as an example. Economic Geography, 2021, 41(11): 185-192.]

[31]
杨绪红, 金晓斌, 盛修深, 等. 综合适宜性与迫切性的非粮化耕地整治分区方法. 农业工程学报, 2022, 38(15): 287-296.

[ YANG X H, JIN X B, SHENG X S, et al. Consolidation zoning method for non-grain cropland integrating suitability and urgency. Transactions of the CSAE, 2022, 38(15): 287-296.]

[32]
李玉恒, 黄惠倩, 郭桐冰, 等. 多重压力胁迫下东北黑土区耕地韧性研究及其启示: 以黑龙江省拜泉县为例. 中国土地科学, 2022, 36(5): 71-79.

[ LI Y H, HUANG H Q, GUO T B, et al. Research on cultivated land resilience of the black soil region in the Northeast China under multiple stresses and its implications: The study of Baiquan county, Heilongjiang province. China Land Science, 2022, 36(5): 71-79.]

[33]
LIANG Y, SONG W. Integrating potential ecosystem services losses into ecological risk assessment of land use changes: A case study on the Qinghai-Tibet Plateau. Journal of Environmental Management, 2022, 318: 115607, Doi: 10.1016/j.jenvman.2022.115607.

[34]
HE J, PAN Z, LIU D, et al. Exploring the regional differences of ecosystem health and its driving factors in China. Science of the Total Environment, 2019, 673: 553-564.

[35]
LI W, WANG Y, XIE S, et al. Coupling coordination analysis and spatiotemporal heterogeneity between urbanization and ecosystem health in Chongqing municipality, China. Science of the Total Environment, 2021, 791: 148311, Doi: 10.1016/j.scitotenv.2021.148311.

[36]
王春雨, 王军邦, 孙晓芳, 等. 孟印缅地区农田生产力脆弱性变化及气候影响机制: 基于1982—2015年GIMMS3g植被指数. 生态学报, 2019, 39(21): 7793-7804.

[ WANG C Y, WANG J B, SUN X F, et al. Vulnerability of farmland productivity and climatic impact in Bangladesh, India, and Myanmar,based on GIMMS 3g NDVI in 1982-2015. Acta Ecologica Sinica, 2019, 39(21): 7793-7804.]

[37]
张超, 陈婉铃, 马佳妮, 等. 基于时序EVI的2000—2019年吉林省耕地生产力时空分析. 农业机械学报, 2022, 53(2): 158-166.

[ ZHANG C, CHEN W L, MA J N, et al. Analysis on spatial-temporal changes of cultivated land productivity in Jilin province from 2000 to 2019 based on EVI time series. Transactions of the CSAM, 2022, 53(2): 158-166.]

[38]
徐新良, 李嘉豪, 申志成, 等. “一带一路”沿线国家农田生态系统脆弱性及其对气候变化的响应. 地球信息科学学报, 2020, 22(4): 877-886.

DOI

[ XU X L, LI J H, SHEN Z C, et al. Vulnerability of farmland ecosystems in countries along the "Belt and Road" and responses to climate change. Journal of Geo-information Science, 2020, 22(4): 877-886.]

[39]
吴心怡, 金晓斌, 韩博, 等. 2001—2017年四川省耕地产能变化与潜力特征分析. 农业工程学报, 2021, 37(3): 238-249.

[ WU X Y, JIN X B, HAN B, et al. Characteristics of cultivated land productivity change and potential during 2001-2017 in Sichuan province, China. Transactions of the CSAE, 2021, 37(3): 238-249.]

[40]
LIU X, LI S, WANG S, et al. Effects of farmland landscape pattern on spatial distribution of soil organic carbon in Lower Liaohe Plain of Northeastern China. Ecological Indicators, 2022, 145: 109652, Doi: 10.1016/j.ecolind.2022.109652.

[41]
杨馗, 信桂新, 蒋好雨, 等. 基于最佳尺度的景观生态风险时空变化研究: 以重庆市江津区为例. 生态与农村环境学报, 2021, 37(5): 576-586.

[ YANG K, XIN G X, JIANG H Y, et al. Study on spatiotemporal changes of landscape ecological risk based on the optimal spatial scale: A case study of Jiangjin district, Chongqing city. Journal of Ecology and Rural Environment, 2021, 37(5): 576-586.]

[42]
杜国明, 柴璐佳, 李玉恒. 耕地利用系统的理论解析与研究框架. 地理科学进展, 2022, 41(7): 1288-1299.

DOI

[ DU G M, CHAI L J, LI Y H. Theoretical explanation and research framework of cultivated land use system. Progress in Geography, 2022, 41(7): 1288-1299.]

DOI

[43]
YANG S, SONG S, LI F, et al. Evaluating farmland ecosystem resilience and its obstacle factors in Ethiopia. Ecological Indicators, 2023, 146: 109900, Doi: 10.1016/j.ecolind.2023.109900.

[44]
LI G, HE T, ZHANG M, et al. Spatiotemporal variations in the eco-health condition of China's long-term stable cultivated land using Google Earth Engine from 2001 to 2019. Applied Geography, 2022, 149: 102819, Doi: 10.1016/j.apgeog.2022.102819.

[45]
PAN Z, GAO G, FU B. Spatiotemporal changes and driving forces of ecosystem vulnerability in the Yangtze River Basin, China: Quantification using habitat-structure-function framework. Science of the Total Environment, 2022, 835: 155494, Doi: 10.1016/j.scitotenv.2022.155494.

[46]
SHEN W, LI Y, QIN Y, et al. Influencing mechanism of climate and human activities on ecosystem health in the middle reaches of the Yellow River of China. Ecological Indicators, 2023, 150: 110191, Doi: 10.1016/j.ecolind.2023.110191.

[47]
朱世峰, 王卫光, 丁一民, 等. 基于CMIP6的长江中下游未来水稻高温热害时空变化特征. 农业工程学报, 2023, 39(3): 113-122.

[ ZHU S F, WANG W G, DING Y M, et al. Spatiotemporal variation of future heat damage of rice in the middle and lower reaches of the Yangtze River using CMIP6 projections. Transactions of the CSAE, 2023, 39(3): 113-122.]

[48]
李开明, 耿慧志. 面向国土空间规划体系的农业产业空间管控策略: 基于上海市的经验分析. 城市规划学刊, 2023, (1): 87-95.

[ LI K M, GENG H Z. Agricultural industry spatial regulation under the territorial spatial planning system: Analysis based on Shanghai's experience. Urban Planning Forum, 2023, (1): 87-95.]

[49]
沈俊. 高质量推进全域土地综合整治的路径探索: 以浙江嘉兴为例. 中国土地, 2022, (7): 16-18.

[ SHEN J. Exploring the path of high-quality promotion of comprehensive land improvement in the whole region: Taking Jiaxing, Zhejiang as an example. China Land, 2022, (7): 16-18.]

[50]
方一舒, 艾东, 羊玉婷, 等. 高自然价值农田识别及空间分布格局研究: 以云南省为例. 中国生态农业学报(中英文), 2022, 30(3): 441-450.

[ FANG Y S, AI D, YANG Y T, et al. Identification of high natural-value farmland and its spatial distribution pattern: Taking Yunnan province as an example. Chinese Journal of Eco-Agriculture, 2022, 30(3): 441-450.]

[51]
薛智超, 甄霖, 闫慧敏. 基于土地多功能的黄土丘陵沟壑区生态保护与发展情景评估及多主体模拟. 生态学报, 2023, 43(15): 6081-6098.

[ XUE Z C, ZHEN L, YAN H M. The scenario assessment of ecological protection and development in the Loess Hilly and Gully Area based on land use functions and agent-based modelling. Acta Ecologica Sinica, 2023, 43(15): 6081-6098.]

Options
文章导航

/

〈 〉