《Journal of Environmental Management》：Multiscale patterns and future dynamics of cultivated land fragmentation in Northeast China
编辑推荐：
中国东北三省1993-2023年耕地破碎化多尺度分析及治理框架研究。通过构建整合多维指标、多尺度效应、情景模拟和空间归因的综合评估框架，确定120米最优分辨率网格，揭示空间分异特征（中央黑龙江、吉林东部及辽宁南北部高值区）和驱动机制（人口密度、地形、经济），并模拟2033年不同政策情景下的演变路径，提出三级协同治理体系。
于海林|姜海玲|刘继平|张淑涵|范明轩|冯新辉
吉林师范大学地理科学与旅游学院，四平市，136000，中国
摘要
中国的三个东北省份是国家重要的粮食生产基地。然而，耕地碎片化（CLF）的加速加剧降低了农业生产力，并对粮食安全构成了威胁。本研究开发了一个综合评估框架，结合了多维指标系统、多尺度效应、未来情景模拟和空间驱动的归因分析，以描述1993年至2023年间的耕地碎片化情况。采用“面积损失-半变异函数”方法确定了最佳分析尺度（120米分辨率，16×16公里网格），有效解决了尺度依赖性问题。通过AHP-熵权重TOPSIS方法、Theil指数、尺度方差、Theil-Sen中位数和Mann-Kendall检验，揭示了明显的多层次空间差异和动态演变。通过整合G-MOP-PLUS模型、最优参数地理检测器（OPGD）和多尺度地理加权回归（MGWR），进一步量化了在不同政策情景下的未来演变路径和驱动机制。结果显示，碎片化指数从0.349增加到0.360，高值聚集在黑龙江省中部、吉林省中东部以及辽宁省北部和东南部。碎片化表现出“顶层稳定性和底层变异”的层次结构，网格尺度方差对空间异质性的贡献超过91%。人口密度、数字高程模型（DEM）和GDP是主要驱动因素，城乡之间存在强烈的相互作用效应。本文提出了一个三层协调治理框架，以支持中国主要粮食生产地区的精准土地管理和可持续利用。
引言
耕地在确保粮食安全和长期社会发展方面发挥着关键作用（Lu等人，2019）。随着全球人口的持续增长和社会经济的发展，对耕地资源的压力日益增大。因此，高效、集约和可持续地利用耕地已成为全球土地科学和农业研究中的关键问题（Liu等人，2025）。最近的研究表明，农业效率的提高受到耕地空间配置和连通性的显著限制（Deng等人，2024；Waha等人，2025）。在这种背景下，农田碎片化不再仅仅被视为土地利用变化的空间副产品，而越来越多地被认为是一个影响农业规模化、绿色转型和可持续集约化的关键空间约束因素（Chai等人，2026）。作为中国的主要粮食生产区和黑土核心区域，这三个东北省份贡献了全国超过20%的粮食产量。然而，在快速城市化和农村劳动力外流的双重压力下，耕地碎片化（CLF）显著加剧（Liang等人，2022）。CLF已成为农业现代化的主要结构性障碍，它限制了农业机械的部署，降低了化肥使用效率，并增加了生产成本（Zhao等人，2024；Liu等人，2025）。同时，从生态和生产力的角度来看，最近的研究表明，耕地碎片化不仅通过限制机械化和要素整合削弱了粮食生产效率，还推迟了农业绿色转型和绿色生产力的提升（Chai等人，2026；Estrada-Carmona等人，2022；Oakley和Bicknell，2022）。这主要通过作物种植模式向非粮食作物的转变以及化肥和农药使用的增加来实现。全球许多国家已经出台了缓解CLF的政策，例如欧盟的共同农业政策（CAP）（Wang等人，2024；Deng等人，2024）。在中国，已经实施了包括永久基本耕地保护计划、土地整合工作和废弃土地开垦在内的政策（Zhou等人，2021）。然而，现有政策的实施仍然受到显著的空间异质性和治理与景观尺度不匹配的挑战，导致某些地区的CLF持续或周期性加剧。
耕地碎片化（CLF）问题已成为全球土地利用和可持续农业发展研究中的一个突出话题（Fahrig，2003；Deng等人，2024）。关于CLF的研究始于20世纪90年代，早期研究主要集中在土地所有权、土地利用功能和空间分布上。这些研究通常依赖于定性描述和宏观趋势分析（Cheng等人，2015；Liu等人，2022）。随着景观生态学的进步，学者们越来越认识到CLF的多维性、复杂性和尺度依赖性（Weissteiner等人，2016；Liu等人，2022）。近年来，研究趋势从早期的单一指标景观描述转向了更综合的、多维的和功能导向的分析框架。这种方法不再局限于简单的数量或大小指标，而是建立了一个三维评估系统，包括尺度、空间配置和形状，以更精确地捕捉碎片化的系统特征（Zhou等人，2025；Xu等人，2025；Yan等人，2024）。确定耕地景观尺度的适当空间分辨率和研究范围对于捕捉CLF的局部和区域时空异质性至关重要（Wang，2022；Wang等人，2014）。然而，在中国和国际学术界，大量研究仍然依赖于单一尺度分析，对不同空间尺度之间的嵌套交叉关系和尺度转换动态的关注有限（Milodowski等人，2023）。更重要的是，CLF对土地利用效率和生产绩效的影响在不同地区和空间尺度上存在显著差异（Ren等人，2025）：在高度机械化的平原农业系统中，碎片化往往会强烈抑制效率；而在地形复杂或耕作强度低的地区，其负面影响可能通过作物多样化和风险分散机制得到部分缓解（Yang等人，2026；Ye等人，2024）。这一发现引发了关于统一土地整合和尺度扩展是否普遍适用的国际广泛讨论，从而强调了需要通过多尺度视角重新审视CLF的必要性。因此，确定最佳网格尺度并分析从农业区到城市和县的多尺度嵌套效应仍然是当代CLF研究中的一个核心挑战。建立稳健的多尺度观测模型对于协调局部异质性和区域农业政策决策至关重要（Ye等人，2024）。此外，多情景模拟预测已成为多个学科中不可或缺的分析工具（Waha等人，2025；Ma等人，2023），广泛应用于生态学、城市规划和气候变化研究，以评估潜在的环境和社会经济后果。然而，利用多情景模拟耕地空间演变的研究仍然有限，从而限制了对未来轨迹和政策响应效果的系统评估（Ghadirian等人，2023；Brown等人，2021）。
本研究对1993年至2023年这三个东北省份的CLF进行了全面评估，解决了以往单一尺度或短期研究的局限性。通过整合多维景观指数、空间嵌套分析、情景模拟和空间归因分析，我们实现了对CLF动态演变的精细量化。研究揭示了CLF在局部和区域尺度上的复杂变化，以及其在空间和时间维度上的演变，为理解和改善CLF状况提供了科学基础。此外，这些发现不仅为区域和全球尺度上的大规模CLF研究提供了参考，还为农业土地管理、粮食安全政策和多空间尺度上的可持续发展战略提供了实证证据和决策支持。为了克服现有研究的局限性，本研究开发了一个系统的、综合的CLF评估框架。该框架涵盖了过去、现在和未来时期，结合了多维度（尺度、形状和分布碎片化）、多尺度（农业区-城市-县-网格）和多情景（自然发展、耕地保护、经济发展、生态保护）特征。它建立了一个综合分析框架，以阐明CLF的时空动态并解开其潜在的空间归因机制。通过整合定量空间模式分析、趋势评估、情景模拟和预测以及驱动因素识别，该框架为精准土地管理和可持续农业发展提供了方法论支持。基于此，本研究的具体目标是：（1）根据粒度效应和半变异函数确定最佳空间分辨率和网格尺度；（2）构建一个结合尺度、形状和分布维度的多维评估指数系统；（3）分析多个尺度上的嵌套效应和CLF的时空演变；（4）使用G-MOP-PLUS模型模拟2033年前的四种情景下的未来CLF模式；（5）定量识别环境、经济和人为因素对CLF的驱动作用（图2）。
研究区域
研究区域
中国的三个东北省份——辽宁、吉林和黑龙江——位于东经118°12′–135°05′，北纬38°43′–53°33′之间，总面积约为780,000平方公里（图1）。该地区西邻内蒙古高原，东濒日本海，北接俄罗斯。地形从西向东逐渐变化，包括山脉、平原和沿海低丘陵，涵盖大兴安岭、小兴安岭以及松花江和阿穆尔河流域。
最佳空间分辨率和网格大小的确定
首先，使用面积损失模型（Hay等人，2001）确定了最佳分辨率。其次，利用2023年的CLCD数据（120米分辨率），应用GS+ 9.0软件分析了12至19公里网格尺度的半方差函数，并计算R2和C?/(C?+C)比值，以确定CLF评估的最佳尺度（Li等人，2025）。公式如下：其中γ(h)是半方差函数；h是
1993年至2023年中国三个东北省份的土地覆盖变化
耕地和林地占这三个东北省份总面积的90%以上，而建设用地、流域和未利用土地占比不到10%（图S1a）。从1993年到2023年，耕地、流域和建设用地都有所扩大，其中建设用地增长最多（1.76×10^6公顷），其次是耕地（增加了1.40×10^5公顷，从46.22%增加到46.40%），以及流域（增加了7.84×10^4公顷）。相比之下，林地、草地和未利用土地
CLF指数的单一因素和交互效应检测结果
使用OPGD分析了影响CLF的十个因素。单因素分析的结果（表S7）显示，解释能力在研究期间存在显著差异。从1993年到2003年，数字高程模型（DEM）的解释能力最强（0.256），是CLF的主要驱动因素。其他主要因素按降序排列为：人口、坡度、降水量、GDP、温度、NDVI、水系、道路和铁路。2003年至2013年间，DEM的解释能力
结论
本研究系统地调查了中国三个东北省份耕地碎片化（CLF）的时空演变模式、驱动机制和未来情景。这是通过构建一个综合分析框架来实现的，该框架涵盖了多个维度（尺度、形状、分布）、多个尺度（区域、城市、县、网格）和多个情景（ND、CLP、EP、ED），涵盖了过去、现在和未来时期。
CRediT作者贡献声明
于海林：撰写——原始草稿、方法论、数据管理、概念化。姜海玲：撰写——审稿与编辑、监督、资金获取。刘继平：监督。张淑涵：正式分析。范明轩：数据管理。冯新辉：可视化、软件。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。
致谢
本研究得到了国家重点研发计划（项目编号：2024YFD1200104）、国家自然科学基金（项目编号：41701424）和吉林省科技发展计划（项目编号：20240701167FG）的支持。
