关联全球油籽贸易网络与中国耕地保护：元耦合视角

《Land Use Policy》：Linking global oilseed trade networks to China's cultivated land conservation: A metacoupling perspective

　　

摘要
随着全球贸易的蓬勃发展和互联互通的深化，中国作为全球油料贸易网络的核心参与者，不仅缓解了国内供应短缺，还从根本上重塑了全球资源配置。然而，这种贸易对耕地保护的数量和质量影响仍有待深入探索。本研究在元耦合框架下运用复杂网络分析，考察了2010年至2023年主要油料贸易模式的演变及其元耦合影响。2010年至2023年间，全球油料贸易网络表现出日益增长的结构性紧密性和局部聚集性，S1和S2网络的密度分别增加了27.2%和24.6%，同时经历了从区域碎片化向跨大陆整合的显著转变。关键在于，中国的油料进口激活了一种“双轨土地节约机制”：在数量上将全球土地节约量从1.164亿公顷扩大到1.931亿公顷，同时通过在数量上缓冲国内农业系统，通过贸易驱动的种植模式转变来缓冲，从而将中国国内耕地压力指数稳定在较低的安全边际（0.13-0.16）。本研究强调了贸易在平衡国家粮食安全与全球可持续土地管理中的关键作用。未来政策应侧重于多元化进口来源，以应对供应集中风险并维持这些数量-质量效益。

1. 引言
全球粮食安全是实现联合国可持续发展目标（SDGs）目标2.1的基石，其根本依赖于国家农业系统的稳定性和全球贸易网络的协调性。随着全球化的深入，国际贸易在缓解区域资源短缺方面变得至关重要（Xu et al., 2020），改善全球资源效率（Steen-Olsen et al., 2012, Zhang et al., 2024），并提高社会福利（Blanco and Razzaque, 2009）。2010年至2022年，农产品贸易价值增长了约1.6倍（FAO, 2025），这一扩张与可持续发展目标的实施密切相关（Song et al., 2025, Xu et al., 2020）。然而，这种扩张带来了显著的环境外部性，实际上将土地压力“外部化”，并对土地（Seaquist et al., 2014, Song et al., 2025）和水资源（Liu et al., 2019, Wang et al., 2024）造成跨区域影响。因此，耕地保护不再仅仅是国内问题，而是一个受跨境因素（如“远程耦合”需求）塑造的全球性挑战（Liu et al., 2013）。因此，本研究在元耦合框架下引入复杂网络分析，以捕捉内部耦合、边缘耦合和远程耦合系统中的多维因果反馈，并识别能够协同推进耕地保护、粮食安全和全球可持续发展目标的系统性杠杆点。

作为世界人口最多的国家和最大的发展中国家，中国在这个全球系统中发挥着不可替代的作用。用不到世界9%的耕地养活了全球20%以上的人口（Cui and Shoemaker, 2018），中国面临着水资源和土地约束趋紧以及结构性供应短缺的严峻挑战（Liu et al., 2018, Liu et al., 2018; Wang et al., 2018）。这些挑战因向富含动物蛋白的饮食深刻转变而加剧，这加剧了油料作物的供需矛盾。根据美国农业部（USDA）数据，2010年至2023年，中国食用植物油总消费量增长了56.6%，人均消费增长了47.6%（USDA, 2024）。不断升级的食用油消费与蓬勃发展的国内畜牧饲料需求相结合，共同推动中国油料总需求增长41.1%。鉴于大豆在中国油料进口中占据主导地位，约85%的进口大豆加工产物被用作畜牧饲料蛋白粕，其余15%转化为供人类食用的食用植物油（Dhoubhadel and Ridley, 2025）。相比之下，同期国内产量仅增长20.6%，导致自给率急剧下降至43.2%（FAO, 2025）。在此背景下，深度融入国际贸易已成为中国弥合供应缺口、保障国家粮食安全的必然选择。

根据联合国粮农组织（FAO）的定义，油料作物被系统地定义为主要种植用于提取食用或工业植物油的草本或木本植物。这种广泛的分类涵盖了大豆、油菜籽、葵花籽、芝麻、亚麻籽和棉籽等主要商业品种。现有的贸易研究通常集中于大豆（da Silva et al., 2021）或葵花籽（Baryshpolets and Devadoss, 2021）等单一商品的总体供需动态和市场风险。同时，为了探索更广泛的商品与耕地关系，学者们经常利用多区域投入产出（MRIO）模型和优化方法来量化贸易驱动的土地影响（Chen et al., 2025, Liu et al., 2019）。这些方法已成功展示了全球农业贸易如何通过虚拟土地足迹的跨境转移来塑造遥远生态系统，特别是对于像中国这样的主要进口国（Song et al., 2025, Xu et al., 2020）。然而，大多数现有研究狭隘地集中在量化耕地数量（面积）的总体变化上，忽视了两个关键空白：第一，贸易在定性稳定国内耕地压力方面的结构作用；第二，中国参与贸易对全球资源优化的双向影响。

为了系统地解决这些空白并解开连接中国粮食安全与耕地保护的复杂机制，元耦合框架（Liu, 2017）提供了一种理想的理论工具。通过将多个空间尺度上的社会经济和环境相互作用内化，该框架将人地反馈系统地分为三个嵌套维度：内部耦合（国内）、边缘耦合（区域）和远程耦合（远距离）。广泛应用于可持续发展科学以追踪全球土地流动（Arto et al., 2021; Tramberend et al., 2019）和人地相互作用（Carlson et al., 2020, Su and Chen, 2021, Tromboni et al., 2021），元耦合视角提供了对跨境影响的综合评估。此外，整合复杂网络分析补充了这一框架，使其能够拓扑解剖跨区域贸易系统（Schaffer-Smith et al., 2018）和虚拟资源流（Dalin et al., 2012, Wang et al., 2024），提供了将多尺度结构评估操作化的关键方法论。

为了弥补这些研究空白，本研究以中国高度依赖国际贸易的油料作物为研究对象。遵循FAO对油料作物的定义（代码F1899），我们选择在中国年贸易量平均超过10万吨的六大品种（大豆、棉籽、亚麻籽、油菜籽、芝麻和葵花籽）来构建贸易网络。这些作物共占全球油料贸易量的98%以上（FAO, 2025）。通过在元耦合框架下应用复杂网络分析，我们系统地研究了从全球贸易模式到国内土地保护的跨区域联系。通过量化虚拟土地、土地需求足迹和耕地压力指数，本研究专门试图回答三个核心问题：(1) 2010年至2023年期间，全球油料贸易网络表现出怎样的时空演化特征和社区动态，这一关键时期涵盖了中国加入世贸组织后的贸易扩张成熟期到中美贸易战及近期地缘政治冲突造成的深刻干扰期？(2) 中国参与国际贸易是否有效缓解了国内耕地压力，这种同时是否促进了全球资源优化？(3) 在高进口依赖背景下，中国面临哪些潜在风险，以及哪些策略可以缓解环境外部性？最终，该分析为协同推进耕地保护、粮食安全和全球可持续发展目标提供了理论基础。

2. 方法
2.1. 理论框架
本研究采用元耦合框架与复杂网络分析相结合，以解读全球油料贸易与中国耕地保护之间错综复杂的关系。元耦合框架擅长揭示跨境系统相互作用，而复杂网络分析则量化贸易系统的结构、稳定性和脆弱性（Schaffer-Smith et al., 2018）。两者的整合将宏观网络拓扑与微观因果机制联系起来，克服了单一方法在捕捉复杂、跨区域、多维交互方面的局限性。

与传统社会科学建模范式相比，该方法优先考虑物理生态约束和网络拓扑。此外，与多区域投入产出（MRIO）分析不同，该框架能够针对特定商品进行追踪。通过设计，该框架将分析焦点从短期价格弹性动态转移开，从而使其能够独特地映射传统经济模型所忽略的系统架构和跨境环境足迹。

全球油料贸易被抽象为一个加权有向网络 ??=(??,??,??)，其中 ?? 代表节点（国家/地区），?? 表示边（贸易流），?? 表示权重（贸易量）。通过计算拓扑指标，包括平均度、加权度、网络密度和模块度，我们揭示了贸易架构的演变，识别了控制资源流动的关键国家，并检测了演变的贸易社区，从而支持后续分析贸易对耕地的影响。

元耦合框架包含内部耦合、边缘耦合和远程耦合层级，描述了由不同原因和驱动者在两个或更多系统之间产生的多层级、多维交互。它揭示了隐藏的溢出效应和反馈机制，为复杂系统动态提供了全面的视角（Liu, 2017）。本研究关注2010年至2023年间中国与贸易伙伴之间年贸易量超过10万吨的油料作物（如大豆、油菜籽和葵花籽等）。利用元耦合框架并构建动态贸易网络，我们系统地分析了全球油料贸易网络演变如何影响中国耕地保护。

在该框架内，远程耦合捕捉了长距离贸易关系，通过分析全球网络核心结构的演变来研究。边缘耦合捕捉区域贸易互动，通过一种两步混合过滤策略进行界定，该策略将功能网络拓扑与地理背景相协调。具体而言，首先部署Louvain社区检测算法，内生地分离出中国天然所属的活跃贸易社区，捕捉“功能邻近性”并过滤掉贸易量微乎其微的物理邻居。在该识别出的社区内，应用空间交叉标准：长距离宏观伙伴（如南美洲）被归类为远程耦合，而位于中国紧邻区域边缘的贸易伙伴（如俄罗斯、中亚和东南亚）则被明确定义为边缘耦合子系统。内部耦合考察中国境内的内部过程，利用虚拟土地和土地需求足迹（LRF）的概念，量化进口如何缓解国内土地压力并与国内饮食转变相互作用（图1）。

下载：下载高分辨率图像 (339KB)下载：下载全尺寸图像 图1. 基于元耦合的全球油料贸易与土地保护评估分析框架。

为了系统化地概念化外部贸易如何缓解内部约束，本研究在全球油料贸易背景下形式化了一种“双轨土地节约机制”。这种协同机制包含两个相互关联的轨道：“数量节约”，通过虚拟土地（VL）足迹和土地需求足迹（LRF）进行测量，以计算进口直接替代的绝对物理耕地面积；以及“定性优化”，评估贸易驱动的国内种植模式转变如何缓解国内土地资源的反事实生态压力。

+2.2. 复杂网络分析
网络密度??是网络中实际边数??与由节点决定的最大可能边数之比。它衡量节点之间连接的紧密程度，在贸易网络背景下，它反映了国家之间贸易流的紧密度，从而作为全球虚拟土地供应结构冗余和稳定性的代理指标。网络密度的值域为[0, 1]；该值越接近1，整体网络密度越高，节点之间的贸易连接越紧密。对于有向网络，具有??个节点的网络的密度表示为：
(1) ?? = ?? / [??(???1)]
网络的平均路径长度??是任意两节点间最短距离的平均值。该指标直观地反映了油料作物在贸易国家之间的传输效率。这里，?????? 表示节点 ?? 和节点 ?? 之间的距离：
(2) ?? = 2 / [??(???1)] × ∑?? (??≥??) ??????
网络直径??????表示网络中任意两节点间的最大距离，并作为网络规模的指示器。其计算可以揭示多年来贸易网络的扩张情况。表示为：
(3) ?????? = max ??????
度表示一个节点直接贸易伙伴的总数。加权度 ????????,?? 表示节点 ?? 与所有其他节点之间的总贸易量。在有向网络中，这可进一步分为出度 ????????,??（节点 ?? 的出口）和入度 ??????,??（节点 ?? 的进口），分别代表国家 ?? 的出口和进口贸易量。它们计算如下：
(4) ????????,?? = ????????,?? + ??????,??
(5) ????????,?? = ∑?? (??=1, ??≠??) ??????
(6) ??????,?? = ∑?? (??=1, ??≠??) ??????
出度中心性??????????,??和入度中心性????????,??是分别通过节点出度和入度测量的基本中心性指标。

它们反映了与节点 $i$ 相连的边数占整个网络中最大可能边数的比例：

(7) $DC_{out,i} = \frac{C_{out,i}}{N-1}$

(8) $DC_{in,i} = \frac{C_{in,i}}{N-1}$

中介中心性 $BC_k$ 衡量一个节点在其他节点之间最短路径上的存在程度，反映其对资源流动的管控能力。数值越高，表明该节点越具有枢纽特征。设 $n_{k,ij}$ 为从节点 $i$ 到节点 $j$ 经过节点 $k$ 的最短路径数量，$g_{ij}$ 为从 $i$ 到 $j$ 的最短路径总数，其定义为：

(9) $BC_k = \sum_{j \neq i \neq k} \frac{n_{k,ij}}{g_{ij}}$

接近中心性 $CC_i$ 衡量一个节点与网络中所有其他节点的接近程度。该指标评估节点获取全球资源的便利性及应对供应链中断的韧性——在油籽贸易背景下，它反映一国快速更换贸易伙伴及抵御供应链中断风险的能力。其取值范围为 [0, 1]：

(10) $CC_i = \frac{N}{\sum_{i=1}^{N} d_{ij}}$

聚类系数 $C$ 是节点邻居间实际存在的边数 $E_i$ 与其最大可能边数 $K_i$ 的比值。该系数反映节点间的聚集程度，用于衡量贸易网络中国际间连接强度随年份的变化，反映区域贸易联盟的形成以转移国内耕地压力。其取值范围为 [0, 1]：

(11) $C = \frac{2 E_i}{K_i (K_i - 1)}$

模块度指数 $Q$ 评估网络划分为社区（模块）的质量，比较模块内连接密度与整个网络的连接密度。由于国际农产品贸易本质上由流量大小驱动而非二元连接，我们采用加权的模块度指数来评估网络划分质量，将模块内连接密度与随机零模型进行比较。加权模块度 $Q$ 正式定义为：

(12) $Q = \frac{1}{2m} \sum_{ij} \left( W_{ij} - \frac{S_i S_j}{2m} \right) \delta(C_i, C_j)$

其中，$W_{ij}$ 表示网络加权邻接矩阵中的元素，代表从节点 $i$ 转移到节点 $j$ 的虚拟土地（或油籽贸易）的连续流量。变量 $S_i$ 和 $S_j$ 分别表示节点 $i$ 和 $j$ 的节点强度，计算方式为与每个节点相连的所有边的权重之和（$S_i = \sum_j W_{ij}$）。$\delta(C_i, C_j)$ 是克罗内克 delta 函数，用于测量节点 $i$ 和节点 $j$ 是否属于同一社区：若属于则 $\delta(C_i, C_j) = 1$，否则为 0。$A_{ij}$ 是网络邻接矩阵中的元素，其中 $A_{ij} = 1$ 表示节点 $i$ 和节点 $j$ 之间存在链接，$A_{ij} = 0$ 表示不存在。$m$ 是网络中的总边数，$k_i$ 和 $k_j$ 分别代表节点 $i$ 和 $j$ 的度。

Louvain 算法通过两阶段分层过程来优化 $Q$。第一阶段（模块度优化）中，每个节点依次被重新分配到相邻社区，以最大化局部模块度增益。第二阶段（社区聚合）中，同一社区内的节点被压缩为单个"超级节点"，形成粗粒度网络，其中边权重反映聚合后的贸易流量。该循环反复迭代，直至全局模块度稳定在最大值。

2.3. 虚拟土地与土地需求足迹

虚拟土地核算包含文献中两种广泛接受且互补的方法论范式，每种旨在回答一个不同的研究问题（Kastner et al., 2021, Qiang et al., 2013, Bruckner et al., 2015）。为了严格区分供给侧视角下的反事实"国内节地效应"与"实际海外土地占用"，本研究采用基于虚拟土地（VL）的双轨计算框架。

第一个公式用于构建全球贸易网络。它利用进口国的国内单产来量化通过国际贸易为每个节点国"节省"或"避免"的等效国内耕地压力：

(13) $VL_{e,c} = \sum_{m=1}^{M} \frac{T_{e,c,m}}{Y_{c,m}}$

其中 $VL_{e,c}$ 代表从出口国 $e$ 到进口国 $c$ 的避免虚拟土地流量（公顷）；$M$ 是由六种油籽作物组成的集合；$T_{e,c,m}$ 表示从国家 $e$ 到国家 $c$ 实际出口的作物 $m$ 的双边贸易量（吨）；$Y_{c,m}$ 是进口国 $c$ 中作物 $m$ 的国内单位面积产量（吨/公顷）。

第二个公式专门使用出口国的单产来计算为满足进口国国内消费而实际在国外占用的物理土地面积：

(14) $VL_c = \sum_{e \in \Omega} \sum_{m=1}^{M} \frac{T_{e,c,m}}{Y_{e,m}}$

其中 $VL_c$ 代表国家 $c$ 从海外市场进口的总实际虚拟土地（公顷）；$\Omega$ 表示向国家 $c$ 出口油籽的海外源国集合；$T_{e,c,m}$ 是国家 $c$ 从源国 $e$ 进口的作物 $m$ 的实际贸易量（吨）；$Y_{e,m}$ 是出口国 $e$ 中作物 $m$ 的实际单位面积产量（吨/公顷）。

土地需求足迹（LRF）方法（Poore and Nemecek, 2018, Zhu et al., 2023）被用于评估中国日益增长的粮食消费所驱动的耕地资源需求，并量化不断演变的全球油籽贸易网络对这些资源的影响。该评估涵盖九种特定食品类别。该方法聚焦于油籽作物及其加工链，纳入了原料到产品的转化效率（出油率）、单产和复种指数等关键参数，以建立耕地需求核算框架。根据相关文献，本研究使用的油籽出油率如下：葵花籽 47%（Guo et al., 2019），亚麻籽 40%（Gan et al., 2024），芝麻 17%（Lan et al., 2021），棉籽 27%（Sun and Dang, 2019），菜籽 74%（Zheng et al., 2024），大豆 22%（Liu and Wang, 2024）。具体计算公式为：

(15) $LRF = \sum_{m \in M} \frac{C_m}{R_m \cdot Y_m \cdot MCI_m}$

其中 $LRF$ 是油籽消费所需的总耕地面积（公顷）；$C_m$ 是加工油籽产品 $m$ 的国内消费量（吨）；$R_m$ 是作物 $m$ 的出油率，作为原料到产品的效率；$Y_m$ 是原料作物 $m$ 的单位面积农业产量（吨/公顷）。关键在于，$MCI_m$ 代表作物 $m$ 的复种指数，计算为全年总播种面积与实际物理耕地面积之比。为验证估算的可靠性，关键参数经历了敏感性和联合不确定性分析，确认计算出的足迹在库存调整下仍保持高度稳健（详见补充说明1、补充表1–2和补充图2）。

2.4. 耕地压力指数

耕地压力指数（$K_m$）定义为最小人均耕地面积（$S_{min}$）与实际人均耕地面积（$S_{act}$）的比值（Li and Cai, 2007）。由于该指数在反映区域耕地资源紧张程度方面具有有效性，已被广泛采用（Deng et al., 2022, Li et al., 2023）。其计算如下：

(16) $K_m = S_{min} / S_{act}$

为明确指数值（$K$）与国内资源紧张之间的显式关系，压力等级根据临界阈值进行分类：（1）当 $K_m < 1.0$ 时，实际耕地面积超过最小所需面积，表明国内土地资源处于安全可持续范围内，数值越低意味着资源余量越充裕；（2）当 $K_m = 1.0$ 时，代表土地供应恰好满足基本粮食需求的临界均衡点；（3）当 $K_m > 1.0$ 时，实际耕地无法满足最小安全需求，意味着资源赤字状态、土地过度开发和生态风险。单调地，$K$ 值的增加对应着耕地压力等级的升级。

最小人均耕地面积（$S_{min}$）由以下公式推导得出：

(17) $S_{min,m} = \frac{\beta_m \cdot G_m}{Y_m \cdot p_m \cdot MCI_m}$

其中：$\beta_m$ 表示研究作物的自给率（%），计算为总作物产量 /（作物进口量 + 总作物产量 – 作物出口量）；$G_m$ 为人均粮食需求；$Y_m$ 为作物单位面积产量；$p_m$ 为作物播种面积占所有作物总播种面积的比例；$MCI_m$ 为复种指数。此外，为分离和量化国际贸易网络的精确"节地"贡献，本研究构建了一个反事实"无贸易"情景。在该假设条件下，所有国际油籽进出口完全停止，迫使国内油籽自给率 $\beta_{non-trade} = 1.0$。为应对年度库存波动可能导致的足迹低估，对 $\beta_m$ 和 $MCI_m$ 进行了考虑历史库存变化的敏感性和联合不确定性分析。结果确认计算出的压力指标在库存调整下仍保持高度稳健（详见补充说明1、补充表3–4和补充图3）。

2.5. 数据来源

油籽双边贸易数据来源于 FAOSTAT 的详细贸易矩阵数据集。为确保多个中国数据源之间的一致性，分析专门针对中国大陆（代码156）进行。油籽的定义和单个商品，包括大豆（代码141）、棉籽（代码143）、亚麻籽（代码1441）、菜籽（代码1443）、芝麻（代码1444）和葵花籽（代码1445），遵循 FAO 规范性文件、分类标准以及《协调商品描述和编码系统国际公约》中的标准。

同时，联合国 Comtrade 数据库（comtrade.un.org/data/）被用作基准参考，以交叉验证国际贸易伙伴之间的双边贸易矩阵，并系统地填补 FAOSTAT 数据集中的局部报告缺口。中国农业生产、单位面积产量、耕地面积和消费数据收集自《中国农村统计年鉴》和 FAO 食物平衡表。中国人口数据来源自《中国统计年鉴》和联合国人口司。

在 FAO 贸易矩阵数据中，每笔双边贸易流量理想上应由出口国和进口国双方报告。原则上，国家 A 向国家 B 报告的出口量应与国家 B 从国家 A 报告的进口量相匹配。然而在实践中，差异经常发生。本研究使用了 2010–2023 年期间 185 个国家和地区进口量记录，选取五年间隔的数据作为网络分析的关键时间节点。由于进口数据要经过海关检查、关税和清关程序，进口数据通常被认为比出口数据更准确可靠（Wang et al., 2023）。数据集审查确认进口记录确实比出口记录更完整一致，因此优先使用进口数据构建贸易网络。

3. 结果

3.1. 全球油籽贸易网络的拓扑特征

全球油籽贸易网络从 2010 年到 2023 年呈现出日益复杂的态势，参与国家和贸易连接大幅增长（图 2）。我们定义了两个网络：S1（包括六种主要油籽：大豆、棉籽、亚麻籽、菜籽、芝麻和葵花籽）和 S2（排除大豆，因为在中国大豆通常被归类为粮食而非严格意义上的油籽，不符合 FAO 的定义）。

图 2. 全球油籽贸易网络的结构演变与中心性指标。（a）2010 年全球油籽贸易流量；（b）2023 年全球油籽贸易流量，标注了（a）和（b）中贸易量最大的前十个国家。2023 年 S1 网络（c）和 S2 网络（d）中各国中介中心性（BC）和接近中心性（CC）的分布；虚线表示 BC 和 CC 的均值，右上象限的国家在两项指标上均表现出高值。

S1 网络的扩展尤为显著，参与国家平均数量达到 176 个，其中棉籽贸易增长最快，达 48.0%。贸易总量增加 47.1% 至 3291，大豆贸易占总量的 90% 以上。中国以 112 Mt 领先，美国次之，巴西再次之。在 S2 中，中国保持了最高的加权度（8.7 Mt），超过加拿大和德国。贸易国家数量的增加（10.1%）和贸易流量的增加（49.5%）略高于 S1，加之赫芬达尔-赫希曼指数（HHI）相对 2010 年下降 42.3%，表明油籽供应趋向多元化。

到 2023 年，S1 的主要进口国包括中国、阿根廷、德国和日本，主要出口国为巴西、美国、加拿大和乌克兰（补充表 5）。在 S2 中，中国、德国、比利时和日本为主要进口国，加拿大、澳大利亚、乌克兰和罗马尼亚为主要出口国。与 2010 年相比，中国大豆占油籽总进口量的比例在 2023 年下降了 4.2%。

为应对消费者的多元化需求，油料作物的选择日益多样化，与全球油料贸易的当前趋势相一致。澳大利亚取代法国成为主要出口国，中国从澳大利亚的棉籽进口量激增41.6倍，占全球贸易的46.3%，凸显了中国在贸易网络中的深远影响。随着节点和边的增长，网络的直径缩小，网络效率提升。平均度分别上升了35.7%（S1）和36.2%（S2），聚类系数分别提高了11.7%和11.1%（补充表6）。网络密度分别上升了27.2%（S1）和24.6%（S2），表明连通性和局部聚类能力增强。这一演变反映了全球油料贸易体系的成熟，但也意味着对核心节点的依赖性增加，需要警惕局部冲击对全球稳定性的潜在影响。

此外，贸易网络呈现出日益集中的趋势，尤其围绕中国集中。中国主导了最大的流量，包括油菜籽（来自加拿大，占全球贸易的19.6%）、亚麻籽（46.5%的全球进口，来自俄罗斯和哈萨克斯坦）以及芝麻（前五条流量占37.7%）。这与其在大豆和棉籽网络中的关键角色相结合，凸显了中国对全球油料贸易结构和动态的决定性影响。

为超越总量集中度并全面捕捉这些系统性拓扑位置，网络中心性指标（度中心性DC、聚类中心性CC、中介中心性BC）对节点重要性评估至关重要（Chen等，2024；Ma等，2024；Ren等，2024）。我们排除了由于贸易量极小的国家和少数互易伙伴导致CC/BC值虚高的国家（Ouyang等，2024）。度中心性（DC）识别"资源汇聚枢纽"（入度）和"资源辐射枢纽"（出度），评估进口/出口多样性。高入度中心性（2023年）集中在欧洲/北美（荷兰、法国、加拿大、德国）；高出度包括中国、印度、美国。高聚类中心性（中国、印度、美国、法国）反映风险传播潜力；高中介中心性（法国、加拿大、荷兰、美国）表明资源流动控制（Ouyang等，2024；Wang等，2023）。尽管贸易量居首，中国在S1/S2中的入度中心性排名第17/20位，中介中心性排名第5/7位，表明流动控制不匹配，对外部风险更为脆弱。

**3.2 全球油料贸易网络的社区演变**

为系统揭示贸易关系的模块化结构和动态重组，本研究采用Louvain算法识别全球油料贸易网络（S1和S2）中的社区。Louvain算法是一种基于模块化优化的层次聚类方法，旨在高效地将复杂网络划分为内部连接紧密而外部连接稀疏的社区（Blondel等，2008）。由于其处理大规模数据集的稳健性，该方法被广泛应用于从社会网络分析到生物系统（Han等，2024；Zhu等，2021）以及国际贸易研究（Koli等，2023）等领域。

总体而言，S1和S2网络的社区演变均表现出从区域集中向跨区域整合的明显转变（图3）。在S1网络中，社区结构展现出清晰的动态整合与重组过程。2010年，网络主要被分割为五个地理上独立的社区。到2015年，这些社区整合为三个主要集群。到2023年，结构进一步演变，形成了一个以欧洲-非洲-西亚为中心的大规模跨大洲社区，涵盖全球116个国家和地区。这一转变表明，随着全球贸易网络变得更加复杂，其结构逐渐向由长距离贸易驱动的多极化配置转变。

S2网络也经历了类似的重大结构重组。2010年最初由四个大型社区组成，到2015年整合为三个主要群组。值得注意的是，2015年模块度指数明显下降，同时出现了一个跨越亚洲、非洲和南美洲的超大社区（涉及110个国家）。这一现象表明，网络逐渐打破了传统的地理边界，形成了广泛的洲际连接。到2023年，网络再次分化为四个主要社区，大致对应亚洲、北美-澳大利亚、南美-西亚板块。在整个研究期间，波动的模块度指数反映了网络的复杂性和动态性。尽管社区经常围绕大陆单元形成，但特定子区域（如北非和西亚，或欧盟成员国）经常聚集在一起，这受到地理邻近性和经济一体化的驱动。这些持续的碎片化和重组过程与关键参与者的贸易流密切相关。例如，2023年出现了一个由中国、巴西和美国代表的占主导地位的社区，这三个国家之间的大豆贸易占全球油料贸易总额的30.0%，凸显了主要进口国和出口国在塑造网络拓扑结构中的决定性作用。

至关重要的是，社区分析揭示了中国参与方式的演变模式，反映了向多元化进口来源和深化区域合作的战略转变。在S1网络中，与中国共享社区的国家数量在2015年达到峰值63个，随后稳定在平均47个。尽管美国始终与中国共享社区，但其在中国市场的主导地位已经减弱：美国在中国总油料进口中的份额从2010年的41.4%大幅下降至2023年的23.6%。进口来源逐渐多元化，转向巴西、阿根廷以及"一带一路"倡议（BRI）伙伴国，如俄罗斯和乌克兰。因此，中国在整体网络中的入度中心性（DCin）从0.27略微上升至0.28，表明合作伙伴范围趋于更广。然而，结构性风险仍然很高：尽管进行了多元化努力，前三大供应商的合计份额仍然极高，巴西、美国和阿根廷仍占中国大豆进口的95%以上，而加拿大占菜籽油市场的75%以上。这一关键依赖关系进一步得到S1网络HHI的验证，HHI从2010年的3176.52急剧上升至2023年的4695.54，反映出主要供应商之间市场份额的激进整合。这种悖论特征为：尽管网络中心性增加，但供应商刚性严重，凸显了中国虽然正在扩大贸易圈，但对少数核心大型供应商的依赖仍然是一个关键脆弱性。

在S2网络中，中国的社区规模波动更为明显，平均包含79个国家。一个关键转折点出现在2020年，当时中国加入了该年度最大的社区（南美-非洲-亚洲社区），该社区从2015年的89个成员扩展到2020年的110个。在此期间，多元化趋势变得更加明显。加拿大在中国总进口量中的份额显著下降了14.01个百分点，而与俄罗斯、哈萨克斯坦和巴基斯坦等"一带一路"伙伴国的贸易流持续增强。这一结构性转变反映了中国通过在中亚和东欧建立弹性、多元化的供应链来增强粮食安全的战略取向，从而缓解过度依赖传统北美供应商的风险。

**3.3 元耦合分析：油料贸易与耕地保护**

本研究应用元耦合框架分析中国的油料供应安全与耕地保护如何分别受到远程耦合（与全球分散伙伴的贸易）、近域耦合（区域贸易集团）和内部耦合（国内供需动态）的影响（图4a）。

从远程耦合的角度来看，全球油料贸易网络的演变深刻影响了中国的耕地保护。2010年至2023年间，中国通过进口大量虚拟土地有效减轻了国内耕地压力（图4b）。2023年，虚拟土地总进口量达到5700万公顷，占居民消费驱动的土地需求足迹（LRF，1.82亿公顷）的30.2%（图4d）。计算表明，在国内生产这些进口量需要额外增加5700万公顷的土地，相当于中国1.2亿公顷耕地"红线"的47.5%。大豆是主要贡献者，产生5260万公顷的虚拟土地。

这种"土地节约"效应因全球生产率差异而被放大。由于中国主要从高产国家进口油料，如巴西（3.4吨/公顷）和美国（3.3吨/公顷），而中国的产量为1.9吨/公顷（FAO，2025），贸易代表着全球资源的高效利用。因此，中国进口所节约的全球土地从2010年的1.164亿公顷增长到2023年的1.931亿公顷（图4e）。与此同时，这种远程耦合的资源重新配置虽然带来了巨大的宏观效率，但也表现为出口国境内实际土地足迹的扩大。中国油料进口在出口国境内占用的实际农业用地从2010年的2070万公顷增长到2015年的3105万公顷，并在2023年进一步攀升至3804万公顷，表明生产负担的跨境转移。此外，贸易网络平均聚类系数的上升表明稳定合作群体的趋势，增强了抵御市场波动的韧性（Fagiolo等，2010）。在这一贸易情景下，中国的耕地压力指数保持在较低水平（0.13-0.16）。与此形成鲜明对比的是，在假设的非贸易情景下，该指数将从0.73飙升至1.04（补充图1），证实了互联的全球网络有效缓解了国内资源压力（Deng等，2022）。

然而，尽管这些对耕地保护具有深远的益处，复杂网络分析揭示了中国在这一远程耦合格局中突出的"高流量、低控制"结构悖论。从数学上看，尽管中国因巨大的油料进口而表现出异常高的入度强度，但其中介中心性仍然 remarkably 低。这种拓扑脱节表明，中国主要作为贸易流的接收方而非中转枢纽运营，因此对全球贸易路线的结构性控制极为有限。

从近域耦合的角度来看，中国已与邻国建立了稳定的供应网络以优化区域资源。到2023年，中国22.6%的油料进口来自邻国（如俄罗斯、哈萨克斯坦），相当于972.1千公顷的虚拟土地，比2010年增加了18.1%（图4c）。一个典型例子是与哈萨克斯坦的亚麻籽贸易，其在中国进口中的份额从0.2%飙升至25.9%。利用其干旱气候和广阔土地，哈萨克斯坦实现了比中国（1.3吨/公顷）更高的亚麻籽产量（2.1吨/公顷）（Assanova等，2024）。这一特定贸易流有效减轻了西北中国（如甘肃和宁夏）低产、生态脆弱地区的种植压力（Wang，2019），展示了区域间资源互补的明显效益。

在内部耦合维度内，虚拟土地进口直接促进了国内土地质量恢复。它有助于防止关键农田（如东北黑土地）的过度利用，实现轮作和土壤修复（Deng等，2022），同时满足"大食物观"下不断增长的消费需求。尽管国际价格波动的风险依然存在，但虚拟土地进口起到了缓冲作用，使中国能够调整国内农业结构并专注于种子技术创新，从而在国际贸易安全与国内生态保护之间培育协同关系。

**4. 讨论**

**4.1 全球油料贸易网络的脆弱性与级联风险**

本研究拓展了传统以大豆贸易为主的单一商品评估。通过整合六大油料作物，我们的分析捕捉到了更全面的虚拟土地节约足迹，同时成功揭示了多方面的洞察——包括油料作物多样化的结构趋势，以及特定油料作物为国内脆弱环境提供针对性生态保护的独特能力。尽管多品种方法提供了更广阔的视角，但我们的远程耦合分析揭示了一个关键的结构性脆弱性：贸易网络中的核心国家不仅是效率枢纽，也是风险传播的中心通道。用网络术语来说，美国、加拿大和中国等主要贸易商表现出高加权度和高中介中心性（BC），使其成为关键的"风险瓶颈"（Ouyang等，2024）（图2）。

尽管这种集中化有助于实现资源的流通，但也使供应链极易受到气候变化引起的产量波动、地缘政治摩擦或物流中断所引发的连锁失败的影响（Lu等，2024年）。对于中国而言，虽然国际贸易成功节省了5700万公顷的国内耕地，但全球物流和定价体系，尤其是包括大豆和油菜籽在内的大宗商品体系，被少数强大的跨国农业企业严重主导（Clapp，2023年）。这种市场融合使中国陷入了一条路径依赖的进口锁定之中，意味着其巨额的耕地节约红利仍然高度依赖于中国结构性影响力较弱的外部通道。2018年的贸易战凸显了这种脆弱性：政策冲击导致贸易重心从美国迅速转向巴西。尽管巴西的高产率短期内提高了全球农业效率，但过度依赖引发了新的环境溢出效应。具体而言，巴西的大豆扩张与热带森林砍伐日益相关（Govoni等，2025年；Liu等，2013年），制造了一个悖论：全球土地数量虽得以保存，但出口国的地方生态质量却受到损害。这种差异表明，贸易是资源效率的必要条件，却并非全球可持续性的充分条件。为缓解这些远距离的溢出效应，严格的跨国供应链治理，如无毁林协议，必须与贸易政策相结合。

4.2 从数量到质量：土地替代的协同机制
除了风险之外，贸易带来的“土地替代效应”在数量上减轻了对国内资源的物理压力，同时为中国的耕地保护带来了双重益处。在数量上，虚拟土地的进口显著缓解了对国内资源的物理压力。在质量上，也许可更为重要的是，这种替代为国内土地管理创造了一个至关重要的“生态缓冲”。通过防止高质量农田的过度开发，进口使得轮作和休耕等可持续做法成为可能（Deng等，2022年）。这种外部支持由国内低碳产业转型所补充。领先的加工企业（如益海嘉里）已开始将进口资源融入全面环境可持续的供应链中，实现了显著的碳排放削减。在区域层面，这种替代也促进了生态协同；例如，从哈萨克斯坦进口亚麻籽，减少了中国在生态脆弱的干旱地区（如甘肃和宁夏）的种植压力，建立了一个既保障国内生态又促进跨境农业合作的良性循环。

4.3 跨境负担转移：出口国的投入互补性与生态外部性
中国跨境土地足迹的持续扩张，从2010年的2070万公顷激增至2023年的3804万公顷，凸显了必须解决可能对出口伙伴国造成的不利影响的必要性。至关重要的是，农业生产投入要素作为严格互补品发挥作用，而非孤立组成部分。对3804万公顷海外土地的动员，必然意味着在核心出口节点中，对化肥、农药和灌溉用水的密集度也同步大幅增加（Rosa，2022年；Tang等，2021年）。
在美国和巴西的集约化农业区，这种投入要素的聚集呈现出双重现实：它既作为强有力的经济引擎，推动当地农业国内生产总值和农民生计的增长（Fuchs等，2019年），同时也不断引发局部资源压力，如地下水枯竭和营养盐径流（Lathuillière等，2014年；Scanlon等，2023年）。因此，可持续的治理必须将贸易红利与生态管护连接起来。具体而言，出口地区应建立机制，将贸易产生的部分收入和税收重新投资于精准农业、先进灌溉技术和生态补偿计划，有效地将市场收益转化为长期的环境修复资金。

4.4 耕地保护与全球农业食品治理的协同策略
中国的饮食结构向动物性食品转变，推动了饲料谷物（油料作物）需求激增，这与以主粮为核心目标的国内土地系统不相匹配（Zhu等，2025年）。为缓解这一压力，中国启动了“大豆振兴计划”以扩大国内种植（Wang等，2023年）；然而，这种单边的产量扩张迅速与刚性的生物与土地资源约束发生冲突。至关重要的是，这一国内瓶颈又因市场悖论而加剧：尽管大规模虚拟土地进口成功缓解了物理土地压力，但低成本国际油料的持续涌入压低了国内市场价格，严重压缩了当地小农的利润空间，并威胁到农村生计（Zheng等，2026年）。为了解决这些悖论，必须采取一种协同的方法，将国内生产与国际贸易联系起来：“大豆振兴计划”应从产量目标转向面向优质国内食品市场的高产育种和土壤修复，同时通过多元化、有韧性的全球贸易网络来战略性地管理巨大的动物饲料缺口。因此，战略重点应从将“自给自足”视为未来目标，转向可持续地管理“依赖性”。国际贸易所提供的空间不应仅用于最大化产量，而应用于推动土壤修复、育种创新和作物体系优化，使生产结构与不断演变的消费模式相一致。
展望未来，必须采取综合战略，以同时缓解耕地压力、管理贸易风险并强化国家粮食安全。利用网络的模块化特征，中国应通过加强与“一带一路”新兴伙伴（如哈萨克斯坦和俄罗斯）的贸易联系来多元化进口渠道，从而增强其内点中心度并分散目前集中在少数核心国家的供应风险。在国内，这些虚拟土地节约必须转化为生态红利。政策应强制执行黑土地区的目标作物轮作和干旱地区严格的水资源节约管理，确保进口真正转化为本地土壤健康恢复，而非仅仅是生产成本的降低。
至关重要的是，这一战略必须从“国家安全”层面上升到“全球责任”层面。中国必须将其全球农业食品治理从孤立的国内风险管理转变为积极的跨国供应链管护。作为全球最大的进口国，中国应率先建立“可持续贸易标准”，如无毁林采购方案，并促进向全球南方国家进行农业技术转移。通过帮助贸易伙伴提高其生态效率，中国可以确保其进口的“土地节约”不会转化为出口国的“生态成本”。最终，这种协调一致的双轨方法为推进全球可持续性提供了一个实用框架，它通过稳定食品供应自然契合可持续发展目标2（消除饥饿），通过资源优化契合可持续发展目标12（负责任消费和生产），并通过倡导无毁林供应链以减少远距离环境溢出效应而契合可持续发展目标15（陆地生物）。这种方法不仅确保了中国的食品供应，还引领全球治理走向公平和可持续的资源管理，为可持续发展目标的实现提供了具体路径。

4.5 局限性与未来展望
与现有文献中针对单一作物或依赖静态核算的研究相比，我们的多作物复杂网络框架捕捉了跨商品的替代效应和动态社区偏移。通过将宏观拓扑重组与国内微观层面的耕地保护联系起来，该方法验证了贸易驱动的替代在土地保护的数量和质量两个维度上的双重贡献，为协调国内保护与国际合作提供了理论基础和实践路径。
尽管有这些贡献，但某些局限性也勾勒出了未来研究的重要方向。首先，我们的虚拟土地核算依赖于国家层面的FAOSTAT和特定国家数据，这些数据受到统计差异和报告滞后的影响，从而掩盖了亚国家层面的空间异质性。未来的研究应将亚国家层面的网格化作物数据与预测性网络模型（如指数随机图模型）相结合，以模拟贸易驱动因素。其次，分析边界应从物理面积缓解扩展到多维足迹。将碳排放、水足迹和生物多样性影响整合到当前框架中，将能全面绘制贸易冲击的级联社会经济和生态影响，明确阐明全球农业食品贸易如何有助于实现可持续发展目标2、12、13和15。

5. 结论
本研究将复杂网络分析整合到元耦合框架中，研究了2010至2023年全球油料贸易网络的空间时间演变，及其对中国耕地保护的元耦合影响。研究发现，全球网络日益复杂且互联，但贸易量仍高度集中在少数核心国家。作为主要进口国，中国在2023年进口了5700万公顷的虚拟土地，满足了30.2%的与油料相关的土地需求。这种国际贸易作为一种关键的“土地节约”机制，发挥了重要作用：在数量上，它使全球土地节约量从1.164亿公顷增加至1.931亿公顷；在质量上，它将中国国内耕地压力指数稳定在低水平（0.13至0.16）。这种替代效应有效地为保护包括中国东北黑土和脆弱的干旱地区在内的关键资源创造了生态边际空间。
从元耦合视角来看，远程耦合提供了替代量，近距耦合通过邻国合作增强了区域供应稳定性，而内部耦合则促进了国内质量修复。然而，由高度集中的进口和相对较低的网络中心度所体现的持续性结构脆弱性，凸显了贸易是安全的必要但不充分条件。最终，本研究为构建多元化、有韧性的进口体系提供了理论支持，并强调了协同国际贸易合作与国内生态治理以实现全球可持续土地管理的必要性。

作者贡献声明
姜光辉：写作—审阅与编辑、监督、项目管理、概念化。王敏：写作—审阅与编辑、写作—原稿、可视化、软件、方法论、数据整理、概念化。姬文琴：数据整理。董晓珍：数据整理。

王敏 | 姜光辉 | 董晓珍 | 姬文琴
北京师范大学地理科学学部地表过程与资源生态国家重点实验室，100875，中国北京。