《Frontiers in Sustainable Food Systems》:Geospatial machine learning-based study on the evolutionary mechanisms of the green transformation of cultivated land use
编辑推荐:
耕地是粮食生产的基础和社会-生态可持续发展的关键载体。因此,促进耕地利用绿色转型(Green Transformation of Cultivated Land Use, GTCLU)对于提高农业资源效率、保障粮食安全和缓解土地退化至关重要。本研究以长江经济带
耕地是粮食生产的基础和社会-生态可持续发展的关键载体。因此,促进耕地利用绿色转型(Green Transformation of Cultivated Land Use, GTCLU)对于提高农业资源效率、保障粮食安全和缓解土地退化至关重要。本研究以长江经济带(Yangtze River Economic Belt, YREB)110个地级市为研究区域,利用2006–2022年的面板数据构建了多维GTCLU评价指标。采用实数编码加速遗传算法投影寻踪(Real-Coded Accelerated Genetic Algorithm Projection Pursuit, RAGA-PP)模型测度GTCLU的时空演变,并进一步应用地理加权随机森林(Geographically Weighted Random Forest, GWRF)模型和SHAP(Shapley Additive Explanations)方法识别社会经济和环境驱动因素的空间异质性重要性和方向效应。结果表明,研究期间YREB的GTCLU稳步提升,呈现持续的“北高南低”空间格局和显著的空间集聚。GTCLU的驱动机制由经济、环境和社会因素共同塑造,但其效应在空间上差异显著。在变量重要性方面,经济因素对GTCLU的影响尤为突出。具体而言,农业总产值占比、固定资产投资密度和人均GDP的重要性较高,且这些因素强影响的区域覆盖范围最广。SHAP结果进一步揭示,年均降水量、农业总产值占比和灌溉指数是影响GTCLU的主要因素。其中,年均降水量通常呈现负贡献,而较强的农业产业基础和较好的灌溉条件通常促进GTCLU。这些发现揭示了耕地转型背后的非线性和空间分异机制,为区域差异化的耕地管理提供了实证支持。总体而言,本研究构建了一个理解GTCLU的地理空间机器学习框架,并为推进可持续农业生产和可持续发展目标12(Sustainable Development Goal 12)提供了实践启示。
论文解读文章
**研究背景与问题**
耕地是粮食安全和社会-生态系统的基石,但全球范围内城市化、工业化和集约农业的加剧正对其构成严峻压力。中国长江经济带(YREB)作为重要农业产区,面临人地矛盾突出、资源禀赋差异显著、空间异质性强烈等挑战。传统的耕地保护政策多聚焦于数量管控,忽视区域差异,导致资源利用效率低下、生态退化等问题。因此,亟需推动耕地利用绿色转型(GTCLU),即从粗放集约模式向高效、低碳、生态可持续模式转变。现有研究在概念化、测度及驱动因素分析方面取得进展,但存在方法局限:多数研究仅关注平均效应,未充分揭示同一因素在不同地理背景下的空间异质性影响;传统模型难以捕捉驱动因素间的非线性关系与阈值效应;各驱动因素的相对重要性和方向性尚不清晰。为弥补上述空白,研究人员以YREB为案例,引入地理空间机器学习框架,旨在揭示GTCLU的时空演化规律及其驱动机制的空间分异特征,为区域差异化耕地管理提供科学依据。该研究发表于《Frontiers in Sustainable Food Systems》。
**主要技术方法**
本研究采用以下关键技术方法:
1. **实数编码加速遗传算法投影寻踪(RAGA-PP)模型**:用于构建多维GTCLU评价指标,通过优化投影方向将多指标信息转化为单一综合指数,客观测度2006–2022年YREB 110个地级市的GTCLU时空演变。
2. **地理加权随机森林(GWRF)模型**:在传统随机森林(RF)基础上引入空间加权矩阵,构建局部子模型,以识别各驱动因素在不同地理位置的局部重要性,揭示空间异质性。
3. **SHAP(Shapley Additive Explanations)方法**:基于博弈论解释模型输出,量化各驱动因素对GTCLU预测的贡献方向与大小,并分析非线性响应模式。
数据来源:社会经济与农业生产数据来自《中国城市统计年鉴》《中国农村统计年鉴》等官方统计资料;气象数据来自中国气象数据服务中心;缺失值采用线性插值法填补。研究区涵盖YREB 11个省份的110个地级市,时间跨度为2006–2022年。
**研究结果**
**4.1 时间演化特征**
通过RAGA-PP模型计算,YREB的GTCLU综合指数从2006年的1.312增至2022年的1.483,年均增长率0.769%。中游地区指数最高(1.339升至1.514),归因于自然禀赋优越与政策支持;下游地区受益于经济与科技投入,指数从1.284升至1.449;上游地区因地形复杂、生态脆弱,指数相对较低。城市层面,高值集中于安徽、江苏、湖北,低值分布于西南和浙江,呈现显著分异。
**4.2 空间演化特征**
空间分布显示,GTCLU呈“北高南低”格局,高值集聚于长江以北的下游及中游地区,低值集中于西南及浙江南部。全局莫兰指数(Moran's I)在2006–2022年间均为正值且显著(<0.01),表明存在正向空间自相关与集聚效应。标准差椭圆分析显示,重心位于湖北荆州,方向呈东北–西南走向,并逐渐北移,进一步验证了空间格局的稳定性与迁移趋势。
**5.2 驱动因素总体分析**
全局RF模型变量重要性排序显示,年均降水量、农业GDP占比、灌溉指数和人口密度的重要性均超过10%。局部依赖图揭示非线性关系:年均降水量在2.5–3.5 mm范围内抑制GTCLU,过高则加剧风险;农业GDP占比超过5%后呈正向促进;灌溉指数在20–70%区间内正相关;人口密度在2–6人/ha时促进,6–10人/ha时抑制。
**5.3 驱动因素空间异质性**
GWRF模型输出的局部重要性空间分布显示,经济因素(农业GDP占比、固定资产投资密度、人均GDP)在多数城市重要性高、覆盖范围广,其中农业GDP占比在42.73%的城市中为第一主导因子。固定资产投资密度和人均GDP在20–25%的城市中作为首要驱动因素;灌溉指数在西南及中西部边界城市成为首要因子;农业机械化水平在约13.64%的东部城市中为首要因子。次要驱动因素中,固定资产投资密度占比38.18%,进一步凸显资本投入的作用。整体而言,GTCLU驱动机制呈现多中心、斑块状空间异质性,需因地制宜。
**5.4 驱动效应的SHAP分析**
SHAP结果确认年均降水量、农业GDP占比和灌溉指数为核心预测因子。年均降水量高值主要对应负SHAP值,表明过量降水可能引发涝渍、土壤侵蚀等问题,抑制GTCLU;农业GDP占比高值呈正贡献,反映农业经济基础强有利于转型;灌溉指数高值也呈正贡献,指示灌溉条件改善提升水资源效率。固定资产投资密度和人口密度方向复杂,部分区域呈正效应,部分为负。农业机械化水平高值多位于负侧,提示传统机械化可能伴随能源消耗,未必直接产生绿色效益。
**讨论与结论**
讨论部分指出,YREB的GTCLU稳步提升,但空间不均衡,与自然禀赋、生产条件及政策支持差异密切相关。GWRF结果揭示了驱动机制的空间异质性,经济因素(特别是农业GDP占比)在多数区域起主导作用,但资本投入与经济发展水平的影响因区域而异。SHAP分析进一步阐明了降水的负向效应与农业基础、灌溉的正向效应,表明自然条件并非自动促进转型,需结合基础设施与政策干预。研究人员强调,统一的政策框架不足以应对YREB的区域差异,中下游应侧重资本效率提升与灌溉系统升级,上游及西南地区需优先生态保护与适应性农业,面临城市化压力的城市需协调耕地保护与扩张控制。
**结论翻译**:
本研究评估了2006–2022年长江经济带(YREB)耕地利用绿色转型(GTCLU)状况,并利用地理空间机器学习方法识别了其驱动机制。结果表明,研究期间YREB的GTCLU整体水平稳步提升,表明耕地利用已逐步向资源高效和环境友好的发展路径转变。在空间分布上,GTCLU呈现清晰的“北高南低”格局,区域差异显著,这种空间格局表明耕地利用绿色转型与农业资源禀赋、生产条件、基础设施和经济发展能力的区域差异密切相关。实证结果进一步表明,YREB的GTCLU由社会、经济和环境因素共同塑造。GWRF结果揭示,这些驱动因素的影响在不同地理位置间差异显著,证实了GTCLU驱动机制的空间异质性。从空间分布看,经济因素(包括农业总产值占比、固定资产投资密度和人均GDP)的局部重要性较高且覆盖范围最广,表明农业经济结构、资本投入和区域经济发展能力在推动耕地利用绿色转型中发挥核心作用。SHAP分析进一步明确了关键驱动因素的相对贡献和方向。年均降水量、农业总产值占比和灌溉指数是影响GTCLU的主要因素。其中,年均降水量通常呈现负贡献,而农业经济基础和灌溉条件通常呈现正贡献。这一结果表明,自然条件并非自动促进绿色转型,过量降水可能增加涝渍、土壤侵蚀和农业生产不稳定性风险,从而制约GTCLU;相反,较强的农业产业基础和较好的灌溉条件可提升耕地生产力、改善水资源利用效率,为绿色农业实践提供更有利条件。