将多维度的农田生态系统健康评估、空间化的主导因素诊断以及基于机理的分区方法应用于中国中下游黄河流域

《Agricultural Systems》：Linking multidimensional cropland ecosystem health assessment, spatialized dominant-driver diagnosis and mechanism-informed zoning in the middle and lower Yellow River, China

　　• 农田健康综合了活力、组织稳定性和抵御能力。• 虽然组织稳定性和抵御能力有所提高，但活力却呈下降趋势。• 在54.62%的有效农田网格中，综合健康状况下降。• 随着GDP和农田密度的增加，降水量仍然是主要影响因素。• TreeSHAP识别出局部驱动因素，并划分出五个基于机制的区域。

引言
农田是食品安全、农村生计和农业生态系统稳定的生物物理基础，但其维持这些功能的能力日益受到人口增长、土地退化、气候变率和快速土地利用变化的影响（FAO等人，2024；IPCC，2022）。截至2024年，全球人口达到约82亿人，并预计在未来几十年内继续增长，而饥饿和粮食不安全问题在许多地区仍然存在（FAO等人，2024；联合国经济和社会事务部人口司，2024）。同时，土壤退化、水资源短缺和与气候相关的干扰对农业生产造成越来越大的压力。农业占全球淡水提取量的最大份额，预计气候变化将进一步影响作物生产、水资源可用性和土地退化过程（IPCC，2022；联合国教科文组织世界水安全计划，2024）。这些压力表明，可持续的农田管理需要关注生产功能、空间组织以及在环境和社会经济干扰下的稳定性，以及耕种面积和产量。

在中国，农田保护与国家粮食安全、资源高效利用和 territorial spatial governance 密切相关（中国共产党中央委员会和国务院，2024）。2023年，全国粮食产量达到6.9541亿吨，延续了长期的高产出时期（中国国家统计局，2023）。这种产出的长期稳定性取决于农田的数量和功能状况。城市扩张、农业集约化、生态恢复和区域气候变率共同重塑了农田生产力、景观结构和人类干扰的影响。这些相互作用在黄河中下游尤为明显，那里的主要粮食生产平原与山区-山麓过渡区和发展密集区共存（亚洲开发银行，2023；Wang等人，2025）。显著的水文气候条件、土壤资源、地形、水文可达性、农田集中度和社会经济强度的差异为植被生长、空间组织和生产稳定性创造了不同的条件。

农田生态系统健康（CH）为评估农田系统是否能够在不断变化的环境和社会经济条件下维持生产、保持空间组织并保持稳定提供了综合视角。生态系统健康理论通常通过活力、组织性和抵御能力来描述系统状况（Costanza和Mageau，1999）。在农田系统中，这些属性可以表现为农田生态系统活力（CV）、农田生态系统组织稳定性（COS）和农田生态系统抵御能力（CR）。CV反映了植被生长、生产功能和生物量支持能力；COS表征了农田的聚集程度、连通性和结构稳定性；CR代表了在环境变化和人类干扰下的农田生产的长期稳定性和动态性。这三个维度在功能上是相互关联的，但每个维度都捕捉到了农田系统的不同特性。良好的植被生长可能与碎片化的农田景观共存，而改善的空间组织可能无法确保在气候或社会经济冲击下的生产稳定性。因此，它们的联合评估扩展了基于资源质量、土壤肥力、土地适宜性或生产潜力的评估范围。

以往的研究开发了几种互补的方法来评估农田状况。耕地质量评估通常强调土壤特性、自然适宜性、资源禀赋、农业基础设施和管理条件，为农田保护、土地整合和高标准农田建设提供了实际支持（Du等人，2018；Liu等人，2015；Song和Pijanowski，2014）。关于耕地多功能性的研究通过考察城市化和社会经济集约化下的生产、生态调节和社会服务及其权衡，进一步扩展了这一视角（Liao等人，2025；Liu等人，2023）。以健康为导向的评估将植被状况、景观配置、生态功能和人类干扰纳入了对农业土地系统的更广泛评估中（Guo等人，2024）。农业系统和农田抵御能力的研究进一步强调了在气候极端、市场不确定性和土地利用压力下的生产稳定性、抵抗力、适应性和恢复力（Meuwissen等人，2019；Tendall等人，2015；Zampieri等人，2020；Zhang等人，2026）。这些研究逐步将农田评估从资源禀赋和生产潜力扩展到生态功能和服务稳定性。然而，生产性、结构性和动态性属性仍经常在单独的概念框架中进行研究，或者被合并为一个单一指标，而没有追踪它们各自的维度轨迹。这可能会掩盖CV、COS和CR之间的异步变化，限制了对每个维度如何贡献于综合CH演变的理解。

关于作物生产力、农田景观动态和农业抵御能力的研究揭示了共同的和特定维度的驱动过程。CV最直接地响应植被生长条件和资源可用性。水文气候条件调节水和能源供应，而土壤湿度、土壤有机碳和农业管理影响植物可用水分、养分循环和生物量生产（Shi等人，2021；Zhao等人，2024；Qiao等人，2022）。COS与地形限制、农田集中度和土地利用转换更为密切相关。地形影响耕地范围、规律性和连通性，而城市扩张和分散的基础设施可能会降低农田连续性；土地整合可以改变聚集度和结构稳定性（Guo等人，2015；Liu等人，2019；Zhao等人，2024；Zhong等人，2020）。CR反映了干扰暴露和系统缓冲能力的综合影响。水文气候变异性和极端事件可能会增加生产波动，而有利的土壤-水分条件、农业基础设施和管理能力可能会增强抵抗力和恢复力（Meuwissen等人，2019；Qiao等人，2022；Zampieri等人，2020）。社会经济发展可能支持农业投资和适应能力，同时加剧农田占用和碎片化（Liu等人，2019；Zhong等人，2020）。因此，CV、COS和CR与气候、土壤、地形、土地利用配置和人类活动有广泛的共同控制因素，但在主要响应路径上有所不同。这些共性和差异为在驱动因素分析中考虑环境背景、土地利用模式和人类活动提供了概念基础。

尽管这些研究领域提供了越来越多的证据，但对综合CH驱动因素的理解仍在不同维度上存在片段化。现有研究通常报告区域关系、解释力或整体因素的重要性（Guo等人，2024；Liao等人，2025；Zhang等人，2024），而对特定因素在局部成为主导因素的地方以及其空间主导地位如何随时间变化关注较少。在共同的CV–COS–CR框架内研究这些过程的研究仍然尤为有限。这个问题很重要，因为具有相似CH的农田区域可能会面临不同组合的水文气候限制、景观碎片化和发展压力。因此，识别局部主导因素可以提高对CH差异的解释，并帮助区分需要不同管理响应的区域。现有的农田分区通常强调土地质量、适宜性、生态风险或发展压力（Chang等人，2026；Guo等人，2026；Liao等人，2025；Zeng等人，2023），而将多维度健康轨迹和局部主导限制整合到差异化调控中的工作仍不完善。

总体来看，仍存在三个相互关联的空白。首先，将CV、COS和CR整合在共同CH框架中的系统评估仍然有限。其次，导致CH差异的局部主导因素的空间分布和时间变化尚未得到充分理解。第三，当前的健康状况、局部主导因素和标准化诊断条件很少在一个连贯的框架内进行整合，以用于差异化的农田调控。这些空白限制了农田健康评估、驱动因素解释和空间管理之间的联系。

本研究调查了黄河中下游地区CH的时空演变、驱动模式和基于机制的分区。具体而言，它的目标是：（1）评估2000年至2011年及2012–2023年间综合CH及其CV、COS和CR维度的变化；（2）在区域尺度上评估环境、土地利用和人类活动因素的相对重要性，并描述局部主导因素的空间分布和时间变化；（3）通过整合当前健康状况、局部主导因素和标准化诊断条件来划分差异化调控区域。通过将特定维度的轨迹与区域因素重要性和网格级别主导因素模式联系起来，该研究为解释农田系统变化和制定该地区（食品安全、生态保护和发展压力紧密交织的区域）的空间差异化管理优先事项提供了连贯的基础。

研究区域
研究区域位于黄河中下游，形成了中国西北内陆与东部平原之间的地理过渡区（图1）。为了保持行政完整性和黄河主干道及其支流流域的连续性，包括了甘肃、山西、陕西、河南和山东41个地级城市。该地区跨越了几个主要的地貌单元，包括黄土高原、汾渭平原等。

CV、COS和CR的空间模式和等级组成
CH的三个维度表现出不同的时间轨迹（图3）。CV在这两个时期都明显下降，而COS和CR则在不同程度上有所改善。2000–2011年间，CV总体情况良好，高等级和高质量农田占有效农田网格的64.07%。2012–2023年间，等级组成发生了变化：高等级CV的比例从33.86%下降到10.48%，而中等等级和低等级分别增加到34.15%和7.80%。

农田生态系统健康的演变模式
农田生态系统健康在黄河中下游表现出明显的空间梯度。高等级主要集中在河南和山东的农业平原，而低等级则更常见于西部和北部地区。这种模式反映了地形、水资源可用性和农田连续性的区域差异。广阔的冲积平原提供了相对有利的土壤-水分条件，支持连续的农田。

结论
本研究将多维度农田生态系统健康评估与黄河中下游地区的空间化主导因素诊断和基于机制的分区相结合。农田生态系统健康表现出明显的空间梯度，其中相对有利的条件集中在河南和山东的农业平原，而低等级更常见于西部和北部地区。这三个健康维度表现出明显的差异。

作者贡献声明
Shanshan Guo：写作——审阅与编辑、撰写——初稿、方法论、数据整理。
Peter M. Atkinson：写作——审阅与编辑、监督、调查。
Hejie Wei：可视化、数据整理。
Tingyuan Zhou：数据整理。
Ling Li：写作——审阅与编辑、资金获取、概念化。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢
本研究得到了中国国家社会科学基金（25BGL250）、河南省科技创新项目（262102321115）、河南省高等学校人文社会科学研究一般项目（2027-ZDJH-441）和中国奖学金委员会（202509160013）的支持。

Shanshan Guo | Peter M. Atkinson | Junchang Huang | Hejie Wei | Tingyuan Zhou | Ling Li