中国黑土地区的土地退化中性评估：整合多源土地利用与覆盖变化数据及创新性的定量指标

《Ecological Indicators》：Land degradation neutrality assessment in China’s black soil region: integrating multi-source LULC data and innovative quantitative indicators

土地退化中性评估：中国东北黑土区多尺度分析与驱动机制研究。通过融合三组多源LULC数据构建统一分类体系，创新性提出土地退化中性指数（LDNI）量化评估方法，结合植被生产力（LP）、土壤有机碳（SOC）等指标，发现1995-2020年间黑土区土地退化面积（17.79万km2）显著超过改善面积（13.32万km2），净失衡达-4.47万km2，未能实现LDN目标。空间分析表明，66.6%的地理单元（地形区、城市、县）未达标，其中生态系统用地（森林、草地、湿地）LDNI为-0.32至0.38，农业用地（耕地）LDNI为-0.90至0.00，揭示生态用地恢复优于耕地。结构方程模型解析驱动因素，人口密度正向驱动ESF-LDNI（0.89）和FPF-LDNI（0.60），GDP负向驱动两者（-0.715、-0.759），地形坡度与气象条件（降水、温度）通过间接途径影响。

　　中国黑土区的土地退化问题已成为影响该地区可持续发展的关键挑战。作为世界最肥沃的土壤资源之一，黑土区以其深厚的腐殖质层和高有机质含量而闻名，为农业生产力提供了坚实的基础。然而，由于人类活动和气候变化的影响，黑土区正面临严重的土地退化问题，这对粮食安全和生态系统稳定性构成了重大威胁。本研究旨在通过融合多源土地利用/土地覆盖（LULC）数据，评估土地退化中性（LDN）在不同空间尺度下的实现情况，并引入了一个新的土地退化中性指数（LDNI），用于量化县域尺度上退化与改善土地面积之间的平衡。

土地退化中性（LDN）的概念最早在2012年联合国可持续发展大会提出，2015年联合国防治荒漠化公约（UNCCD）正式采用LDN，并为其定义和评估框架提供了指导。LDN强调土地生产力、生态系统服务和自然资本之间的动态平衡，与传统的土地承载力或生态韧性等可持续发展框架不同。LDN已被纳入联合国可持续发展目标（SDG 15.3），旨在通过恢复退化土地，实现土地退化中性的全球目标。尽管早期研究主要集中在LDN的概念基础、政策含义和科学框架上，但随着理论认识的深入，越来越多的研究开始关注LDN在多尺度下的实际应用，包括全球、大陆、国家和区域尺度。这些努力为LDN框架的应用和持续发展奠定了坚实的基础，使其成为指导可持续土地管理的重要工具。

为了支持全面的LDN评估，UNCCD提出了三个子指标：土地利用/土地覆盖（LULC）、土地生产力（LP）和土壤有机碳（SOC）。LULC通常通过土地利用过渡矩阵来评估，而LP则通常通过长期植被指数数据集来计算，反映土地健康和生产力的变化。虽然公开可用的数据集可以用于计算LULC和LP，但获取大规模、长期的SOC数据仍然极具挑战性。因此，UNCCD建议通过LULC过渡和土壤碳转移系数来估算SOC，使得两个子指标高度依赖于LULC数据。尽管这种方法无法捕捉那些没有土地利用变化地区的SOC动态，但在当前的LDN评估中仍然是最广泛使用的方法。因此，LULC数据集的准确性和一致性成为LDN评估可靠性的关键决定因素。

最近的研究表明，LULC数据集的选择会显著影响LDN评估结果。例如，Khazieva等人（2023）在中亚地区比较了四种LULC数据集，发现退化区域的估算差异高达19%。类似的现象也出现在欧洲和英国的研究中。虽然这些比较提供了有价值的见解，但它们并未解决数据不一致的根本问题。通过数据融合，可以整合多源数据，减少分类不确定性，从而提高大规模LDN评估的准确性。Perez-Hoyos等人（2012）应用了多源一致性分析和基于规则的整合方法，强调了数据产品之间的空间一致性。See等人（2015）进一步发展了这种方法，结合一致性映射和地理加权回归，生成了更具空间一致性的土地覆盖产品。这些融合方法整合了互补信息，显示出提升大规模LDN评估准确性的巨大潜力。

识别LDN的驱动因素同样对于逆转和防止土地退化至关重要。值得注意的是，LDN不仅仅是土地退化的简单叠加，它还考虑了土地改善的平衡效应。然而，许多先前的研究未能明确判断某一地区是否实现了LDN。大多数评估仅在网格层面绘制了退化、改善和稳定的区域，而没有将这些结果整合起来以评估整体LDN状态。因此，LDN驱动因素的分析仍然有限。近期研究开始尝试解决这一问题，通过基于退化和改善区域相对面积的判断标准，实现了县域、城市、省级和流域尺度的多尺度评估。在流域尺度上，Feng等人（2024）使用地理加权回归模型分析了人类和气候因素对LDN的影响。虽然这些模型提供了有价值的信息，但它们主要捕捉空间异质性，而不擅长揭示变量之间的复杂因果关系。因此，开发定量评估方法以分析LDN驱动因素对于推进科学理解仍然至关重要。

黑土区作为全球四大黑土区之一，近年来经历了快速退化。为了应对这一问题，中国政府推出了一系列政策、技术和立法措施，取得了一定的成效。然而，大多数现有研究主要集中在退化评估上，而未能充分考虑这些恢复措施的积极影响。LDN框架提供了一种综合评估土地退化和改善的方法，从而为黑土区的可持续土地管理提供了新的视角。基于这一背景，我们构建了中国黑土区的多源LULC数据集，并将其应用于多尺度和多功能的LDN评估。我们还提出了一个定量评估方法，即土地退化中性指数（LDNI），用于从粮食生产和生态系统功能两个角度评估LDN状态。最后，基于定量评估结果，我们探讨了人类活动、气候变化与LDN之间的关系。这一综合框架在三个方面推进了LDN评估：建立了统一的数据基础，引入了定量评估方法，深化了对LDN过程的理论理解。

本研究的多源LULC数据融合方法为LDN评估提供了更加可靠的数据基础。通过对多源数据集进行一致性分析，包括视觉、面积和空间一致性分析，我们能够更全面地理解不同数据集如何表示研究区域。数据融合规则的制定基于不一致区域的识别，这些区域是LDN评估结果差异的主要来源。不一致区域分为两种类型，分别占总面积的28.93%和4.47%。在第一种类型的不一致区域中，融合数据的总体准确率（OA）达到70.30%，Kappa系数为0.59。与ESA_CCI、CNLUCC和CLCD相比，融合数据的OA提高了21.80%、20.54%和5.80%，Kappa系数提高了0.31、0.22和0.08。在第二种类型的不一致区域中，融合数据的OA分别为50.61%和41.90%，Kappa系数分别为0.40和0.30。与原始数据集相比，模型集的OA和Kappa系数提高了13.30%到32.63%和0.15到0.42，而验证集的OA和Kappa系数提高了6.46%到23.09%和0.07到0.31。这些结果表明，融合数据显著提高了分类的准确性。在融合过程中，采用“多数规则”证明了提升分类准确性的简单而有效的方法。此外，考虑到不同LULC数据集在不同地理背景下的适用性，基于区域划分的融合规则有助于利用各数据源的优势，进一步提高整体准确性。

基于LULC变化，我们分析了中国黑土区1995年至2020年的土地退化和改善情况。结果显示，退化区域和改善区域分别为17.79×10^4 km2和13.32×10^4 km2，净负平衡为-4.47×10^4 km2，表明退化超过了改善，意味着未能实现LDN。此外，66.6%的地形区域、62.5%的城市和69.4%的县域未能达到LDN目标。在不同地形区域中，粮食生产功能LDNI（FPF_LDNI）的范围从-0.90到0.00，而生态系统服务功能LDNI（ESF_LDNI）的范围从-0.32到0.38，表明生态用地（森林、草地和湿地）在实现LDN方面优于耕地。经济和社会因素与人类活动相关，是影响LDN实现的主要驱动力。人口对ESF_LDNI和FPF_LDNI的标准直接效应分别为0.890和0.601，而GDP表现出显著的负效应，分别为-0.715和-0.759。这些结果表明，人口增长倾向于促进土地管理，而快速经济增长加剧了城市周边的土地退化。本研究提供了一个可转移的LDN评估框架，并为中国的黑土区及其他脆弱农业区的可持续土地利用策略和政策制定提供了科学支持。

为了深入分析LDN的驱动因素，我们构建了一个结构方程模型（SEM），以探讨人类活动和自然因素对LDN结果的影响。SEM结合了传统多变量统计技术中的因子分析和线性回归，其结构的灵活性使其特别适合建模多个相互关联变量之间的复杂因果关系。在本研究中，我们选择了包括人口和GDP在内的社会经济活动指标，以及DEM、坡度、温度、降水和NDVI等自然环境变量，以评估它们对LDNI的影响。模型的拟合度良好，χ2/df = 1.523，GFI = 0.997，RMSEA = 0.041，RMR = 0.008。如图6所示，与人类活动相关的社会经济因素是LDNI的主要驱动因素。其中，人口对ESF_LDNI和FPF_LDNI的标准化直接效应分别为0.890和0.601，这与LDN概念的人为特性一致。相比之下，GDP对ESF_LDNI和FPF_LDNI表现出显著的负效应，分别为-0.715和-0.759。如图S3所示，高GDP区域主要集中在经济中心，尤其是省会城市。近年来，中国快速的经济发展和城市化导致了大量耕地和生态用地向城市建成区的转化。这些土地利用变化是土地退化的直接表现，也是城市化进程中的普遍现象。此外，密集的城市活动往往导致潜在的退化过程，如污染、土壤压实和有害生物的增加。尽管人口对LDNI的总效应在ESF_LDNI中为0.175，而在FPF_LDNI中为-0.158，这是由于GDP的负间接效应所致。正的总效应可能与生态保护政策和大规模环境项目有关。例如，Region Ⅲ由于相对较高的人口密度和靠近省会城市，受益于更强的政策执行和资源获取。相比之下，负的总效应与城市扩张趋势一致。随着中国城市化率达到67%，大规模人口迁移继续推动城市发展，导致耕地转化，这一过程在LULC评估中被识别为土地退化的第三大驱动因素。围绕城市的退化区域的空间分布证实了这一趋势。为了缓解这一问题，中国政府实施了严格的耕地保护政策，包括设立耕地“红线”和执行土地占用、补偿平衡措施，这些措施有效地遏制了城市扩张带来的退化。

自然因素，如地形和气象因素，也对LDNI产生了显著影响。地形指标，如DEM和坡度，表现出不同的影响。DEM对ESF_LDNI有显著的正效应（系数=0.353），但对FPF_LDNI没有显著影响。相反，坡度对FPF_LDNI有显著的负效应（-0.380），而对ESF_LDNI的影响不显著。这些结果反映了高海拔地区由于较少的人类干扰和生态保护措施，表现出相对的生态稳定性。观察到的空间模式，如Region Ⅵ低海拔地区的土地退化和Region Ⅲ高海拔地区的生态系统改善，支持了这些发现。坡度是土壤侵蚀的关键驱动因素；随着坡度增加，水土流失加剧，导致SOC和养分水平下降。在生态区域，植物根系和植被覆盖有助于缓解侵蚀。然而，当自然土地被转化为耕地时，陡坡更容易受到侵蚀，从而加剧土地退化。以往的研究和国家政策实践已经识别了与严重侵蚀相关的坡度阈值；例如，中国“坡地退耕还林”和“退耕还绿”政策已将坡度≥25°的耕地作为重点退耕对象，因为这些区域的侵蚀风险显著增加。气象因素也显著影响了两种类型的LDNI。温度对ESF_LDNI和FPF_LDNI的正直接效应分别为0.336和0.601，而降水对ESF_LDNI的正效应和对FPF_LDNI的负效应分别为0.254和-0.181。在高海拔地区，较高的温度和降水增加了生长季节的长度，从而改善了生态系统功能。然而，对于耕地来说，过多的降雨，尤其是在低洼平原地区，会导致水涝，对作物产量产生不利影响。此外，季节性降水变化在塑造退化模式中起着关键作用。降雨强度和总量的增加会加速土壤侵蚀，而长期干旱条件会减少侵蚀性，但仍可能影响植被覆盖和地表稳定性。为了缓解这些风险，中国的高标准农田建设计划重点改善了防洪和排水基础设施，从而支持了粮食生产用地的LDN目标。NDVI与ESF_LDNI呈正相关（0.271），但与FPF_LDNI无显著相关性。这可能是因为耕地植被覆盖的季节性变化，如播种前和收获后的裸土，使得NDVI更适用于生态用地，如森林和草地。未来的研究可以考虑使用其他植被指数，如EVI或SAVI，以提高对耕地状况的监测准确性，因为这些指数旨在减少土壤背景和大气效应，提高对植被结构的敏感性。总体而言，虽然自然和人为因素都会影响LDN结果，但人类活动，特别是快速城市化和经济发展，是影响中国黑土区LDN的主要因素。

本研究通过构建多源LULC数据集，实现了对黑土区LDN的多尺度和多功能评估。我们还提出了一个定量评估方法，即土地退化中性指数（LDNI），用于从粮食生产和生态系统功能两个角度评估LDN状态。此外，基于定量评估结果，我们探讨了人类活动、气候变化与LDN之间的关系。这一综合框架在三个方面推进了LDN评估：建立了统一的数据基础，引入了定量评估方法，深化了对LDN过程的理论理解。通过多源数据融合，我们提高了分类的准确性，从而为LDN评估提供了更加可靠的数据支持。通过LDNI的构建，我们能够更精确地量化土地退化中性状态，为地方政府制定土地退化缓解措施提供了有效工具。对于LDNI值较低的地区，可以优先考虑恢复措施，而LDNI值较低的生态区域则可以指导生态保护和土地利用转型政策。LDNI的灵活方法可以适用于不同地区和土地功能，为LDN评估提供了一种可扩展的方案。人类活动，特别是快速城市化和经济发展，是影响该地区LDN的主要因素。耕地向生态功能区（如森林和草地）的扩展不仅导致了传统核心农业区的退化，还加剧了周围丘陵地区的退化。这强调了在地形特征和气候条件方面，自然因素与人类活动之间实现更好平衡的必要性。生态恢复项目，如“退耕还林”和“天然林保护工程”，已显著增强了生态系统服务功能，支持了LDN的努力。尽管在粮食生产功能上实现LDN仍面临挑战，但随着政策、技术和立法的持续进步，预计会有进一步的进展。本研究为LDN的理论研究做出了贡献，并为实现可持续土地管理的政策制定奠定了坚实基础。通过解决土地利用、社会经济因素和生态健康之间的复杂相互作用，本研究支持了中国黑土区及其他类似生态系统的更有效决策，为全球可持续发展目标提供了重要支持。未来的工作应着重于加强可持续土地管理，增强生态保护政策，以及提高农业和生态系统服务对动态环境条件的适应能力。此外，将LDNI整合到国家土地监测系统中，并在其他地区试点其应用，将为提高LDN评估提供宝贵见解。强调LDN评估的跨学科性质，结合遥感、生态学、经济学和政策，将是推进实现LDN的综合策略的关键。