中国自1850年以来耕地空间分布的一项新重建

《Land Use Policy》：A new reconstruction of cropland spatial distribution in China since 1850

　　

准确重建历史耕地空间分布对于量化农业土地利用变化的生态环境影响以及理解人类与环境相互作用至关重要。现有的统计推断方法提供了较长的历史时间覆盖范围，但在空间定位精度上存在局限；而基于遥感的方法虽具备高空间分辨率，但在历史回溯深度上受到制约，且通常存在面积估算偏差。为克服这些局限性，本研究构建了一套综合重建框架，并生成了1850年至2020年分辨率为5 km的中国年度耕地空间分布数据集。研究人员综合了历史档案、统计年鉴和国家土地调查等多源数据，通过阶段性识别、校正与插值，构建了时间连续且内部一致的省级耕地面积时间序列。随后，通过耦合遥感反演的耕地空间分布概率与基于物理适宜性的潜在分布概率，建立了一个动态加权的联合概率指数，实现了遥感时代前后耕地空间分布的一致性空间配置。研究结果表明，中国耕地面积经历了“波动增加—快速扩张—持续下降”的演变轨迹，其峰值出现在1980年左右。自20世纪初以来，耕地分布逐渐向中国东北部北移，并在20世纪50年代之后向中国西北部转移，而到2020年时，部分南部和东部省份呈现出耕地净流失。与现有数据集相比，重建产品显示出与国家土地调查更高的吻合度，并更准确地捕捉了关键的空间演化过程。该数据集为中国长期耕地变化评估及生态环境影响研究提供了可靠的数据支撑。

土地利用与覆盖变化（LUCC）是全球环境变化的核心驱动力，而耕地作为LUCC的主导形式之一，其时空演化是表征人类对自然改造与利用的关键过程。在工业化革命以来，受人口呈指数级增长、以化肥和机械化为标志的“绿色革命”以及全球化市场整合等多种因素驱动，全球耕地格局发生了深刻变化。自然植被向耕地的转化显著改变了地表反照率、蒸散发量和表面粗糙度，进而影响局地和区域范围的水平衡与水循环；同时，毁林开荒和土壤耕作释放了大量碳排放，是大气中CO₂浓度上升的重要原因之一。此外，农业活动（如氮肥施用和水稻种植）是氧化亚氮（N₂O）和甲烷（CH₄）等强效温室气体主要的人为排放源。因此，获取可靠的长期耕地时空分布时间序列数据，不仅是地球系统模型的关键历史强迫数据，也对指导可持续土地管理、确保全球粮食安全至关重要。

目前，用于量化长时序耕地时空变化的主要方法为遥感反演与统计推断。遥感反演方法具备在精细空间尺度上进行连续动态监测的独特能力，但面临时间覆盖范围的制约，可供系统观测的数据多始于20世纪70年代，在20世纪70年代前存在巨大的“数据缺口”；此外，遥感解译得到的耕地“多边形面积”与官方统计的“地籍面积”之间存在显著的系统性偏差。相比之下，统计推断方法的时间覆盖范围广，可追溯至几个世纪甚至更长时期，但在将历史统计数据转换为显式空间分布图时面临着空间定位的不确定性以及输入数据本身不可靠的双重挑战。这主要是由于现有的空间化方法多依赖静态的土地利用适宜性模型，这些模型对社会经济系统的复杂动态不敏感，难以反映历史路径依赖，导致重建结果往往只能反映农业的潜在分布而非实际格局。作为中国这一拥有悠久农耕历史的国家，其千年以来的耕地时空演化受特定历史事件驱动呈现出剧烈波动。特别是在1949年以后，受东北地区和西北地区的大规模开垦、东部平原快速城市化对优质耕地的侵占，以及“退耕还林”等生态工程的影响，中国耕地系统经历了扩张、收缩与空间置换并存的高度异质性时空演化动态。然而，现有的单一方法研究难以协同整合多源数据，因此，开发一种能够生成空间显式、时间连续且内部一致的长时间序列耕地数据集的重建方法，成为亟待解决的关键科学挑战。针对上述问题，该研究提出了一种历史耕地空间分布重建的新方法，论文发表在《Land Use Policy》上。该方法有效融合了遥感反演在刻画精细空间分布特征方面的优势以及统计推断在表征长时序历史耕地变化方面的能力，构建了时空连续一致的百年尺度中国年度耕地空间分布数据集，为量化LUCC的历史生态气候效应及制定可持续土地管理政策提供了关键的基础数据支撑。

研究人员在开展此项研究时，综合应用了多源数据融合与空间概率重建技术。在数据层面，整合了历史档案、统计年鉴、国家土地调查记录以及多套遥感土地覆盖产品，并以中国当前大陆省级辖区为基本分析单元。研究通过阶段化处理构筑了省级耕地面积序列：在1949年之前，采用基于人口加权的插值方法在稀疏的历史节点间进行修补；在1949年至1979年间，利用粮食产量与耕地面积的关系模型进行推算；在1980年之后，则引入第二次和第三次全国土地调查数据作为严格基准来控制年际变化。在空间配置环节，研究人员计算了耦合多源遥感反演分布概率与自然物理适宜性概率的动态加权联合概率指数，并运用优先级排序和网格最大面积上限迭代校正算法，完成了耕地数量在空间网格上的精准分配。

关于本重建数据与其他数据源时间变化序列的对比研究结果表明，1850至2020年间，中国耕地面积呈现出先增加后下降的动态演化趋势，整体可划分为稳定增长期（1850-1950年，面积从86.87百万ha稳定增加到102.76百万ha）、快速增长期（1950-1980年，扩张了43.71%并在1980年左右达到147.68百万 ha的历史峰值）以及缓慢下降期（1980-2020年，降幅为14.34%）。通过以2009年和2018年两次全国土地调查作为基准约束检验，研究发现相较于HYDE和LUH₂等已有数据集，本研究的重建结果在年际波动和绝对量值上与官方权威调查数据具有更高的吻合度，更真实地反映了2009至2018年间中国耕地面积加速下降的真实轨迹。

就空间分布特征与其他数据源对比的结果表明，本重建数据集勾勒出的中国耕地整体集中在东部和中部地区的格局与现有数据相符，但对西北绿洲等生态复杂区的刻画更为集中且精确。在1900年时耕地高度集中于华北、长江中下游及四川盆地；至1960年，逐步扩散至中国东北、西北绿洲及西南局部；1990年在向北扩张趋势下，东北部分地区耕地比例超过80%；到2020年时，“南减北增”态势加剧，华北和长江中下游平原比例降至40%-60%，而内蒙古、新疆等地比例显著上升。相比HYDE和LUH₂呈现的破碎化格局，本研究有效减少了在地形受限的西南山区对耕地的不合理过度分配，更细致地捕捉了地方空间演化细节。

在验证及敏感性分析方面，通过1930年代历史地图进行的独立点状验证结果表明，解译的历史耕地点在重建网格中大多对应着超过20%、25%和30%的明确耕地信号，证明了前遥感时代重建结果的可靠性。针对概率组合权重、插值方法以及物理适宜性因子权重的多情景敏感性分析显示，各替代情景与参考重建结果的Pearson相关系数均保持在0.99以上的极高水平，重新分配的面积比例较低，证实了重建空间格局并未对特定的时间加权函数或微观权重扰动产生高度敏感性，具有极强的稳健性。

关于中国耕地自1850年以来的时空变化特征研究结果显示，从省级视角看，仅内蒙古、吉林、黑龙江和新疆等地耕地仍处于持续增长阶段，而华北及南部沿海部分省份2020年的耕地面积已低于1850年水平。中国农业重心发生了由黄淮海平原和长江中下游平原向北、向西转移的显著空间演变。本数据集进一步揭示，1990年后黑龙江超越传统农业大省成为中国耕地面积最大的省份。此外，南方耕地流失呈现出两条截然不同的空间路径：在珠三角和长三角等主要城市群周边，流失表现为连片高强度特征，主要由快速城市化侵占优质耕地所致；而在南方丘陵山区，流失则呈现分散斑块状，主要源于劳动力外出务工导致的边际耕地撂荒及生态脆弱区的退耕还林工程。

讨论部分总结指出，通过系统整合历史文献、统计年鉴与多源遥感信息，本研究有效克服了静态适宜性模型的“潜在-实际”偏差问题，跨越了遥感时代前的数据空缺，提升了历史空间格局重建的连续性。针对中国空间格局演变的驱动机制，研究人员指出，耕地的北移不仅受到“闯关东”等历史人口迁移与边区开垦的驱动，还在1949年后深受国家主导的农业垦荒、商品粮基地建设及农业现代化政策等社会经济因素影响。论文在结论部分重申，该研究通过耦合统计推断与遥感反演构建了联合概率指数与一致性校正程序，成功重建了中国1850至2020年间5 km分辨率的年度空间数据集。总体而言，中国耕地在170年间经历了深刻的时空重塑，呈现明显的面积“增-减”波动与重心“北移西扩”趋势，研究重建的这套数据集更精准地刻画了区域动态过程，为深入探究人类-环境系统协同演化及制定可持续土地利用管理政策奠定了坚实基石。由于历史统计固有偏差、多源遥感融合的像元混合效应以及未显式纳入历史社会经济因素等局限，重建工作仍存在一定的不确定性，未来研究期待通过融入更多历史空间证据及过程模型以进一步优化。