《Earth's Future》：Grain Expansion in China's Drylands Secures Food but Intensifies Environmental Trade-Offs
编辑推荐：
旱地对全球粮食供应日益重要，那里的粮食种植持续扩张。这些地区新开垦的农田通常被认为是生物物理上的边际土地且产量低。然而，这种扩张的粮食安全效益、环境成本及相关权衡尚未得到充分量化。在此，研究人员通过协调1公里作物地图，用机器学习（Machine Learnin
旱地对全球粮食供应日益重要，那里的粮食种植持续扩张。这些地区新开垦的农田通常被认为是生物物理上的边际土地且产量低。然而，这种扩张的粮食安全效益、环境成本及相关权衡尚未得到充分量化。在此，研究人员通过协调1公里作物地图，用机器学习（Machine Learning, ML）模型估算网格尺度预期产量（在典型当地生产条件下），并将这些估算与基于过程的作物需水模型及网格化肥料和农药数据集相结合，评估了中国旱地（2000-2019年）玉米、小麦和水稻的扩张。结果显示，旱地在全国三种作物中所占份额显著增加，主要受玉米和水稻扩张驱动。作物扩张区域表现出有竞争力的预期产量，约60%超过稳定区域基准。然而，这种有竞争力的表现伴随着更高的投入负担。与稳定农田相比，中位肥料投入增加了11.1%–18.1%，农药投入增加了3.2%–15.5%，蓝水需求增加了3.2%–11.7%，而大多数作物的投入利用效率下降。总体而言，89.4%的作物扩张区域至少表现出一个高投入指标，58.1%面临双重或三重负担。这些发现突出了空间异质性的产量-投入权衡，表明这些扩张区域的产量主要通过增加投入来维持。这种依赖投入的产量可能引发自我强化的“高产陷阱”，在缺水地区，有竞争力的产量激励进一步扩张和集约化。因此，未来的旱地农业必须超越总产量增长，转向以产量效益、投入效率和资源可持续性为核心的差异化分区。
**论文解读：中国旱地粮食扩张的产量-环境权衡**
**1. 研究背景与问题**
全球旱地（aridity index, AI < 0.65）正成为粮食生产的重要支柱，但其扩张面临水资源短缺、气候变率大和土壤边际化等生物物理限制。中国自2000年以来，受退耕还林、城镇化等政策驱动，耕地从湿润南方大规模向干旱半干旱的北方和西北部转移，稳定了全国耕地总面积，但将生产推向水文气候风险更高的环境。这种空间重构提高了对灌溉的依赖，加剧了蓝水（blue water）竞争和农业化学污染，但现有研究存在尺度分歧：宏观分析认为新垦耕地产量低、环境退化；田间研究则表明通过集约管理可维持高产。然而，缺乏国家尺度上产量与投入（水、肥料、农药）之间权衡的定量评估，特别是无法区分新垦耕地与稳定耕地的资源效率差异。因此，需要系统量化中国旱地作物扩张的粮食安全效益、环境成本及其内在权衡。
**2. 研究内容与结论**
研究人员分析了2000-2019年中国旱地玉米、小麦和水稻的种植面积变化，通过机器学习模型估算1公里网格的预期产量，结合基于过程的作物需水模型和网格化肥料、农药数据，对比了作物扩张区域（Gain）、损失区域（Loss）与长期稳定区域（Stable）的产量和投入，并分类了高投入负担。结果表明：旱地三种作物的全国份额显著增加，主要由玉米和水稻扩张驱动；约60%的扩张区域预期产量超过稳定区域基准，显示出竞争力；但扩张区域的中位肥料、农药和蓝水需求分别增加11.1%–18.1%、3.2%–15.5%和3.2%–11.7%，投入利用效率普遍下降；89.4%的扩张区域至少存在一个高投入指标，58.1%面临双重或三重负担。这些发现揭示了空间异质性的产量-投入权衡，表明扩张区域的产量主要通过高投入维持，可能形成自我强化的“高产陷阱”（high-yield trap），即竞争性产量激励在缺水地区进一步扩张和集约化。该研究发表在《Earth's Future》，强调未来旱地农业需转向以产量效益、投入效率和资源可持续性为核心的差异化分区管理。
**3. 关键技术方法**
主要技术方法包括：（1）多源遥感数据时间校正与协调：采用规则基的5年移动窗口修正作物分布序列，并利用独立的水稻分布产品（APRA paddyRice）补充基线水稻层，生成2000-2019年1公里年度玉米、小麦、水稻地图。（2）预期产量建模：基于县级统计数据和78个栅格生物物理预测因子（气候、土壤、地形、植被指数、灌溉图），通过随机森林（Random Forest, RF）、XGBoost、LightGBM和梯度提升机（GBM）四种算法，采用随机县嵌套5折交叉验证和空间分组验证，分别选择最优模型（玉米LightGBM、小麦RF、水稻LightGBM），并利用20次重复交叉验证量化空间不确定性。（3）环境成本评估：基于FAO-56作物系数法，利用ERA5-Land每日气象数据驱动过程作物需水模型，计算绿水和蓝水需求；耦合网格化肥料（氮、磷、钾）和农药活性成分数据集。（4）外部验证：使用252个田间观测点和两个独立栅格产量产品（ChinaCYWP、AsiaRiceYield4km）验证模型。
**4. 研究结果**
**3.1 耕地扩张动态**：通过协调作物分布数据，分析2000-2019年三种作物在旱地的面积变化。结果显示，旱地玉米、小麦和水稻的全国面积份额显著增加，其中玉米和水稻扩张主导。玉米扩张主要集中于东北平原和西北绿洲，水稻扩张在新疆、甘肃等灌溉区，小麦扩张相对有限。损失区域主要分布在华北平原和南方湿润区，反映耕地北移趋势。
**3.2 预期产量表现**：利用机器学习模型估算网格预期产量，对比Gain、Loss和Stable区域。Gain区域的预期产量中位数与Stable区域相当，约60%的Gain像素超过Stable中位数基准，表明扩张区域并非低产边际土地。但局部移动窗口分析显示，在相似环境条件下，Gain区域产量略低于附近Stable区域，差异因作物而异。Loss区域预期产量较低，表明退出的耕地生产力相对较低。
**3.3 环境投入负担**：量化Gain与Stable区域单位面积投入差异。结果显示，Gain区域的肥料（氮、磷、钾）和农药投入显著高于Stable区域，中位增幅分别为11.1%–18.1%和3.2%–15.5%；蓝水需求增加3.2%–11.7%。同时，投入利用效率（每单位投入的产量）普遍下降，其中蓝水利用效率下降最显著。这表明扩张区域的生产依赖高投入，但效率较低。
**3.4 产量-投入权衡与高投入负担分类**：以Stable区域为基准，将Gain像素分为四类：低产-高投入（LY-HI）、高产-高投入（HY-HI）、低产-低投入（LY-LI）、高产-低投入（HY-LI）。结果显示，多数Gain像素属于HY-HI或LY-HI，即高投入主导。89.4%的Gain区域至少存在一个高投入指标（肥料、农药或蓝水），58.1%面临双重或三重负担。空间上，高投入负担在西北干旱区最集中，与灌溉依赖和土壤贫瘠相关。
**5. 讨论与结论**
讨论部分指出，扩张区域通过高投入维持产量，但投入效率下降，形成“高产陷阱”，即持续高投入激励进一步扩张，加剧水资源压力和环境污染。与已有研究对比，本研究弥补了宏观统计与田间实验的尺度鸿沟，揭示了产量-投入权衡的空间异质性。政策含义上，建议根据产量效益和投入效率进行差异化分区，在干旱区限制高投入扩张，在适宜区推广节水节肥技术。研究结论翻译如下：
**结论**：本研究系统评估了中国旱地玉米、小麦和水稻扩张的产量-投入权衡。旱地作物扩张显著增加了全国粮食份额，但扩张区域的有竞争力产量是以更高的肥料、农药和蓝水投入为代价，且投入利用效率下降。约90%的扩张区域面临至少一种高投入负担，近60%面临双重或三重负担。这些发现表明，旱地扩张的产量维持高度依赖投入，可能引发自我强化的高产陷阱，使缺水地区陷入进一步扩张和集约化的循环。因此，未来旱地农业战略必须超越总产量增长，转向以产量效益、投入效率和资源可持续性为核心的差异化分区管理，以实现粮食安全与环境可持续性的平衡。
