《Land Use Policy》：Balancing growth and conservation: Land-use policy scenarios for Uruguay’s grasslands
编辑推荐：
土地利用情景模拟可支持寻求平衡经济发展与环境保护的政策决策。在乌拉圭拉普拉塔河（Río de la Plata）温带草甸（temperate grasslands）地区，农业综合企业扩张驱动了土地利用集约化，威胁生物多样性、生态系统服务及农村生计。研究人员整合
土地利用情景模拟可支持寻求平衡经济发展与环境保护的政策决策。在乌拉圭拉普拉塔河（Río de la Plata）温带草甸（temperate grasslands）地区，农业综合企业扩张驱动了土地利用集约化，威胁生物多样性、生态系统服务及农村生计。研究人员整合2000–2015年土地利用数据与解释变量，采用多层感知器-马尔可夫链（Multi-Layer Perceptron–Markov chain, MLP-Markov）模型预测2030年三种情景——照常发展（Business-as-Usual, BAU）、多功能土地利用（Multifunctional Land Use, MFL）及草甸保护（Grassland Conservation, GC）——下的变化敏感性与土地利用格局。持续集约化情景下，原生草甸预计减少9%，至2030年草甸覆盖降至51%，其中80%的损失由耕地扩张造成。若限制耕地扩张并将林木 plantation维持在2015年水平，可将草甸覆盖率保持在57%，较BAU情景多保留逾10,000 km2草甸。除北部冲突潜力较低区域外，约三分之二国土仍高度易受农地转换影响。在敏感区周边设置90 m和180 m保护缓冲带可减少农业溢出效应并提升生态系统服务供给。实施90 m保护缓冲带显著抑制指定区域内耕地扩张，使净耕地变化量较BAU情景相对差异达139%。该研究通过提供高分辨率敏感性评估与具政策相关性的见解，支持循证土地利用规划，并凸显针对性保护措施如何有助于在国家与地方尺度协调农业发展同生态韧性间的权衡。
《Balancing growth and conservation: Land-use policy scenarios for Uruguay's grasslands》论文解读
一、研究背景与意义
全球温带草甸（temperate grasslands）是受保护程度最低的生物群落之一，仅约0.6%得到正式保护。南美洲拉普拉塔河草甸（Río de la Plata Grasslands/Campos）拥有约4000种原生植物且多数为特有种，历史上以粗放式牲畜放牧为主，近年受全球市场驱动、林业激励及土地权属变更影响，原生草甸大规模转为经济作物单作及桉树/松树monoculture timber plantations，导致生物多样性丧失与生态系统退化。乌拉圭96%土地为私有，国家财政有限，难以单纯依靠公共保护区管理；且既往全国尺度草甸保护研究与高分辨率未来土地利用强化路径集成分析匮乏。既有研究多聚焦森林或区域尺度，缺乏将land-sparing（景观尺度空间分离集约生产与保护地）框架应用于私有土地主导的草甸系统并结合情景差异化、转移概率调整及明确规划区划定的研究。为此，研究人员以乌拉圭全国为研究区，通过历史土地利用变化分析与多情景MLP-Markov模拟，评估不同土地政策叙事下2030年草甸命运，为《Land Use Policy》所载研究提供空间显式证据以支持平衡农业生产与生态韧性的治理决策。
二、主要技术方法概述
研究人员获取乌拉圭政府2000、2015及2020年全国土地利用栅格图，重分类为水体(aquatic ecosystems)、原生林(native forests)、灌丛(shrubs)、园艺(horticulture)、近自然草甸(near-natural grasslands, NNG)、裸土(bare soils)、城镇(urban)、作物及人工草甸(crops & artificial grasslands, CAG)、林木plantation(TP)共九类。选取包括距道路/港口/聚落距离、海拔(DEM)、温湿季节均值、牲畜(牛/羊/奶牛)密度、人口密、CONEAT土壤生产力指数（全境coneat_all及优先林业土壤coneat_2789）、距各用地类型及SNAP/IBA距离等24个解释变量，经Pearson相关(r>0.8剔除)筛选最终每转移模型用12–15个变量。采用TerrSet v.2020中Land Change Modeler(LCM)以多层感知器(Multi-Layer Perceptron, MLP)神经网络拟合2000–2015观测转移势，结合Markov chain进行时空分配；以2015为基期验证2020年BAU预测(Kappa no=0.83)。设定三情景：BAU维持历史CAG与TP扩张趋势；多功能景观(MFL)限制TP扩张为BAU之50%、CAG照常，设SNAP/Ramsar/棕榈林/水体/学校周边90 m约束缓冲并将缓冲内CAG逆转为NNG(激励图)；草甸保护(GC)限制CAG扩张为BAU之50%、冻结TP于2015水平，增设北部old-growth grassland zone及180 m缓冲约束，缓冲内CAG→NNG，通过修改转移概率矩阵及施加constraint/incentive maps实现。
三、研究结果
3.1 Land-use change analysis（土地利用变化分析）
基于2000与2015年地图统计：NNG从71%(125,143 km2)降至60%(105,992 km2)，减19,151 km2；CAG从15%升至23.7%(+15,225 km2)；TP从3%升至5.3%(+4073 km2)；原生林微降0.5%；其余类别变幅<0.5%。表明NNG→CAG及NNG→TP是主导转移。
3.2 Selection of transitions（转移选取）
2000–2015年81项潜在转移中筛选出八条关键建模转移：水体/灌丛/NNG→原生林(自然演替)，水体/灌丛/NNG→CAG(耕地扩张)，NNG→TP(林浆扩)，CAG→NNG(草甸恢复，仅MFL/GC启用)。BAU允许AEtoCAG，MFL禁AEtoCAG，GC禁AEtoCAG及NNGtoTP。
3.3 Precision statistics of transition potentials and explanatory variables（转移势与解释变量精度统计）
八条MLP转移模型精度率72%–91%，技能测度0.4466–0.8256。牛密度(cattle_dens)对所有模型影响显著；季节性降水(precip_season)对五条转移居前四重要；优先林业土壤指数(coneat_2789)主导NNGtoTP；距CAG/NF/TP亦为重要驱动。验证模型可靠性满足要求。
3.4 Land-use policy prediction（土地利用政策预测）
经调整转移矩阵(如GC将NNG→CAG概率减半并加至persistence；MFL将NNG→TP减半)并叠加约束(constraint值0.01禁CAG/TP扩)与激励(incentive值4促CAG→NNG)，生成2030图。BAU约束区4%(~6300 km2)，MFL约束+激励10%(~17,600 km2含90 m缓冲)，GC约束32%(~55,600 km2含180 m缓冲及原始草甸区)激励14%(~24,500 km2)。
3.5 Model accuracy（模型精度）
BAU预测2020与实况比对：Kno=0.83，Klocation=0.85，KlocationStrata=0.85，Kstandard=0.76，均>0.75，证明MLP-Markov链适合本情景投影。
3.6 Change potential and land-use prediction for 2030（2030变化势与预测）
变化势图显示耕地扩张高概率在东南/西南/西北；TP扩在高产林区(东/西北/西南)；草甸恢复仅限缓冲激励区。全国尺度：BAU耕地扩最显，GC最接近2015格局(TP不扩+CAG半扩)，MFL介于其间。
3.7 Subarea analysis and policy impacts（子区分析与政策影响）
以Parque Nacional Arequita(SNAP区)子区为例：BAU仅保护核心，MFL施90 m缓冲促CAG→NNG，GC施180 m缓冲效果更强；西部BAU/MFL仍现CAG扩而GC受抑；缓冲内成功遏制强化利用并促进草甸回归。
3.8 Land-use class changes and net transitions（土地利用类别变化与净转移）
2030相较2015：BAU下NNG降至50.9%(89,404 km2)，CAG升至31.3%(54,998 km2)，TP至7.2%(12,704 km2)；MFL下NNG 52.3%(91,929 km2)，CAG 30.8%，TP 6.3%；GC下NNG 56.9%(100,037 km2)，CAG 27.1%，TP维持5.3%(9301 km2)。GC较BAU多保约10,600 km2 NNG。
3.9 Conservation area analysis（保护区分析）
MFL保护区内(10%国土)NNG较BAU多21%(+~2000 km2)，CAG较BAU少140%(扩止并部分逆转为NNG)；GC保护区(14%国土)NNG较BAU多22%，CAG较BAU少90%。原始草甸区(old-growth zone占17%)本身BAU/MFL下NNG损失<1%，因本底转化压低。
四、讨论与结论总结
讨论指出：若不干预NNG将从2015年60%跌至2030年51%(BAU)，看似小幅百分比实则超10,000 km2，关乎Campos基质连续性与连通性；GC可维持57%，相当于限制TP扩张及减半CAG转并配合缓冲保护生效。限制TP扩张因单作林形成长期屏障效应，较CAG更具不可逆性。牲畜密度(尤其cattle_dens)与CONEAT土壤指数是土地利用转移核心驱动，反映乌拉圭土地系统生态脆弱性与农用适宜性结构耦合。道路距离影响较弱因其路网普遍但可达性不均，气候土壤为主导。90 m缓冲已显著削减农化径流健康与生物多样性负溢出，180 m缓冲进一步增强生境连接，适合作为防范性空间规划手段；但因96%私地需配套PES(生态系统服务付费)等激励。北部低CONEAT值old-growth grassland zone转化压低、保护成本低效，宜优先纳入预防保护；高危险区(东南/东/环Rincón del Bonete湖)需立即介入。模型局限含Markov平稳性假设、基图质量依赖及未模拟主体行为，未来可耦合Agent-Based Model(ABM)。
Conclusion（结论译文）：
研究人员利用2000–2015年政府协调土地利用图识别近自然草甸向作物及人工草甸与林木plantation转化为乌拉圭乡村景观主导转移，构建BAU、MFL及GC三空间显式政策情景并以MLP–Markov框架评估变化敏感性及模拟2030格局。BAU验证Kappa>0.75，近自然草甸将由2015年60%降至2030年约51%（对应>10,000 km2损失）；GC情景可维持57%草甸覆盖，证明针对性空间 safeguard能实质改变预测轨迹。牲畜密度与土壤生产力是关键解释变量，约三分之二国土呈中高转换敏感性。90 m与180 m差异化保护缓冲在指定区内大幅削减耕地扩张，缓冲带内耕地变化相对BAU差异达139%（扩张被遏制并部分逆转为草甸）。研究通过区分经验转移势与规范性情景规则，为私有土地主导草甸系统中治理介导的土地利用替代方案提供透明框架，结果可供环境、农业及国土规划部门、省市政府与生产者组织用于识别缓冲实施优先区、保护分区及激励机制，推进南美温带草甸循证保护。
