EN中文

地理学报  2015 , 70 (9): 1463-1476 https://doi.org/10.11821/dlxb201509009

Human-Environment Interaction

气候变化和人类活动对耕地格局变化的贡献归因综述

石晓丽1, 3, , 史文娇2, 

1. 河北师范大学资源与环境科学学院,石家庄 050024
2. 中国科学院地理科学与资源研究所 陆地表层格局与模拟院重点实验室,北京 100101
3. 河北省环境演变与生态建设实验室,石家庄 050024

Identifying contributions of climate change and human activities to spatial-temporal cropland changes: A review

SHI Xiaoli1, 3, , SHI Wenjiao2, 

1. College of Resources and Environment Sciences, Hebei Normal University, Shijiazhuang 050024, China
2. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
3. Key Laboratory of Environmental Evolvement and Ecological Construction of Hebei Province, Shijiazhuang 050024, China

通讯作者:  史文娇(1982-), 女, 辽宁葫芦岛人, 博士, 副研究员, 硕士生导师, 中国地理学会会员(S110008514M), 主要从事气候变化、土地利用变化及农业的相互关系研究。E-mail: shiwj@lreis.ac.cn

收稿日期: 2015-02-3

修回日期:  2015-05-9

网络出版日期:  2015-09-20

版权声明:  2015 《地理学报》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.

基金资助:  国家自然科学基金项目(41401113, 41371002);中国科学院战略性先导科技专项资助(XDA05090310);河北师范大学青年基金(L2011Q07);河北省高校重点学科建设项目

作者简介:

作者简介：石晓丽(1981-), 女, 河北栾城人, 博士, 副教授, 主要从事气候变化影响研究。E-mail: hnushixiaoli@163.com

展开

摘要

定量辨识气候变化和人类活动对耕地格局变化的贡献归因,是当今气候变化和土地利用变化领域的热点问题。目前研究大都结合耕地的时空变化格局和相关驱动因素进行双变量或多变量的定性分析,未进一步定量给出气候变化和人类活动的贡献程度。本文对国内外相关研究进行总结,介绍了定量评价气候变化和人类活动对耕地格局变化的贡献程度的5种主要研究方法,即模型分析法、数理统计法、框架分析法、指标评价法和差值比较法。综述了气候变化、人类活动以及两者共同作用对耕地格局变化的贡献归因的主要结论。总结了目前研究存在的方法综合性较差、数据全面性与准确性欠缺、尺度单一和解释片面等问题,针对以上问题,提出了从综合作用到具体因素的贡献程度归因评价的思路,并就数据、尺度与驱动力的解释问题提出了研究展望。

关键词： 气候变化 ; 人类活动 ; 贡献程度 ; 定量 ; 耕地格局

Abstract

It is important to study the contributions of climate change and human activities to spatial-temporal changes of cropland in the fields of climate change and land use change. Relationships between spatial-temporal cropland changes and driving forces were studied at qualitative aspects in most of the previous researches. However, the quantitative assessments of the contributions of climate change and human activities to spatial-temporal changes of cropland need to be explored for a better understanding of the dynamics of land use changes. We systematically reviewed the methods of identifying contributions of climate change and human activities to temporal-spatial cropland changes at quantitative aspects, e.g. model analysis, mathematical statistical method, framework analysis, index assessment and difference comparison. The progresses of the previous researches on quantitative evaluation of the contributions were introduced. However, there were four defects in assessing the contributions of climate change and human activities to spatial-temporal cropland changes. For example, the methods were lack of comprehensiveness, and the data need to be more accurate and abundant. Moreover, the scale was single and the explanations were biased. Meanwhile, we concluded a clue about quantitative approaches to assess the contributions from the synthetical aspect to specific driving forces. Besides, the solutions of the future researches on data, scale and explanation were proposed.

Keywords： climate change ; human activities ; contribution ; quantitative ; cropland pattern

0

PDF (637KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

石晓丽, 史文娇. 气候变化和人类活动对耕地格局变化的贡献归因综述[J]. , 2015, 70(9): 1463-1476 https://doi.org/10.11821/dlxb201509009

SHI Xiaoli, SHI Wenjiao. Identifying contributions of climate change and human activities to spatial-temporal cropland changes: A review[J]. 地理学报, 2015, 70(9): 1463-1476 https://doi.org/10.11821/dlxb201509009

1 引言

耕地是粮食生产的基本资料,也是土地利用类型中最大的人为景观[1]。耕地时空格局变化对农业生态系统服务具有重要影响,如影响农业产量、改变生物多样性等[2]。耕地时空格局的变化不仅对气候变化和其他自然条件十分敏感,同时也与人类活动密切相关。由于日益增长的人口和有限的耕地面积,耕地格局变化的驱动归因问题已成为当今土地利用/土地覆被变化、农业和粮食安全等领域的热点问题。耕地格局变化同时包含了气候变化和人类活动的影响,如何定量辨识两者对耕地格局变化的贡献程度,不仅是气候变化影响研究领域中的科学问题,也是目前陆地表层系统科学领域中面临的难题。

近年来,国内外学者围绕气候变化和人类活动对耕地格局变化的影响,开展了大量研究并取得了丰富的成果[1, 3-5]。研究发现,气候变化不是耕地格局变化的唯一驱动因素,人为因素如社会经济、政策等对耕地格局变化也起到了重要作用[1, 5]。Lambin等发现,越南耕地开垦主要由生态响应解释,而退耕造林则由经济因素驱动[3]。刘纪远等认为政策、经济发展以及气候变暖驱动着21世纪初中国耕地的动态变化[4]。过去300年里,中国北方的极端气候灾害加深了有限的土地资源和迅速增加的人口之间的矛盾,导致东北地区耕地的大规模开垦,气候—政策—开垦形成了一个有机链[5]。以上研究综合考虑了影响耕地格局的气候变化和人类活动等因素,但大都结合耕地的时空变化格局和相关驱动因素进行双变量或多变量的定性分析,未进一步定量给出不同影响因素的贡献程度。定量辨识气候变化和人类活动对耕地格局变化的贡献归因,能够帮助人们采取适当措施进行干预和适应,以达到使其向有利于人类合理利用土地资源并权衡生态系统服务的目的。因此,关于气候变化和人类活动对耕地格局的贡献程度的定量研究亟需加强。本研究在总结国内外相关研究的基础上,分析气候变化和人类活动对耕地格局变化的贡献归因的定量研究方法、主要结论和存在问题,并进一步提出研究展望,以期为保护优质耕地、保障粮食安全和适应气候变化工作的开展提供借鉴。

2 研究方法

目前,气候变化和人类活动对耕地格局变化的贡献程度的定量研究方法主要有模型分析法、数理统计法、框架分析法、指标评价法和差值比较法,其具体差异见表1。

表1   气候变化和人类活动对耕地格局变化的贡献程度的研究方法

Tab. 1   Methods for identifying contributions of climate change and human activities to cropland change

方法研究区研究时段模型或参数文献出处
模型
分析法		中国2000-2005年CLUE-S、Dinamica EGO高志强等, 2012[6]
欧洲2000-2050年ROIMPEL、SFARMMODAudsley等, 2006[7]
全球2000-2080年AEZ、BLSTubiello等, 2007[8]
越南2007-2030年CLUE、MAGNETRutten等, 2014[9]
数理
统计法		牙买加岛1942-2010年Logistic回归Newman等, 2014[10]
美国密西西比河平原1938-2010年逐步Logistic回归Schweizer等, 2014[11]
中国内蒙太仆寺旗2008-2009年Logistic回归郝海广等, 2010[12]
中国江苏省2000-2008年主成分分析、一般线性回归Du等, 2014[13]
巴西亚马逊地区2001-2012年面板回归-固定效应模型Gollnow等, 2014[14]
中国浙江富阳市1999-2006年随机效应模型、固定效应模型Zhong等, 2011[15]
爱尔兰1993-2007年随机效应模型、空间自回归随机效应模型Upton等, 2014[16]
中国环渤海区域2010年线性回归模型、空间滞后模型、空间误差模型、地理加权回归模型吴莉等, 2014[17]
中国江西省1988-2005年土地用途转移驱动机理模型战金艳等, 2010[18]
中国1996-2011年STIRPAT模型张乐勤等, 2014[19]
框架
分析法		瑞士1930-2000年系统定义—系统分析—系统综合框架Hersperger等, 2009[20]
葡萄牙、瑞典1950-2010年压力—冲突—诱因—触发框架Beilin等, 2014[21]
指标
评价法		伊朗北部1967-2002年土地利用变化面积比率Kelarestaghi等, 2011[22]
瑞士阿尔卑斯山区过去120年土地利用转换率Schneeberge等, 2007[23]
差值
比较法		中国1980-2000年20世纪80年代生态分区不变高志强等, 2006[24]
萨赫勒地区1982-2003年NDVI残差趋势法Herrmann等, 2005[25]
南非地区1985-2003年降水利用率、NDVI残差趋势法Wessels等, 2007[26]
中国鄂尔多斯地区1981-2000年NPP残差趋势法许端阳等, 2009[27]

新窗口打开

2.1 模型分析法

模型分析是土地利用/土地覆被变化的经典研究方法之一,可以帮助更好地理解耕地格局变化的过程和机制,如土地利用变化与影响模型（Conversion of Land Use and its Effects, CLUE）、基于网格的土地利用变化模型（GEOMOD）、城市扩张模型（Slope, Landuse, Exclusion, Urban extent, Transportation-Hillshade, SLEUTH）以及元胞自动机-马尔科夫链模型（Cellular Automata and Spatial-temporal Markov chain, CA_Markov）等[28]。该方法在对耕地格局直接模拟的基础上,进行气候变化和人类活动贡献程度的判定。如高志强等使用CLUE-S模型和面向地理过程动态环境模型（Environment for Geoprocessing Objects, Dinamica EGO）,探讨了中国2000-2005年耕地转化的原因及各驱动因素的贡献程度[6]。为了强调耕地利用中人类的选择与决策行为的重要性,也有学者将土地利用变化模型与农户决策模型相结合使用。如Audsley等应用作物产量模型（ROIMPEL）和农户决策模型（Silsoe Whole Farm Model, SFARMMOD）相结合,以评估气候变化对耕地格局的影响程度[7]。

未来气候变化与人类活动对耕地格局的贡献程度,大都采用土地利用变化模型结合经济模型来分别模拟是否考虑气候变化影响的耕地格局的变化,将两者的差别作为气候变化贡献程度的考量[8-9]（表1）。具体做法是,首先选择土地利用变化模型结合未来社会经济情景对未来耕地格局进行模拟,定量分析未来社会经济活动对耕地格局变化的影响;随后将土地利用变化模型,同时结合未来社会经济情景和气候变化情景对未来耕地格局进行模拟,对比单纯社会经济情景下耕地格局分布情况,由两者差异定量气候变化对耕地格局的贡献程度。Tubiello等使用农业生态地带模型（Agro-Ecological Zones, AEZ）和全球粮食贸易基本链接系统模型（Basic Linked System, BLS）,对2080年是否考虑气候变化影响的全球耕地分别进行了模拟,定量评价了未来气候变化和人类活动对耕地格局的贡献程度[8]。Rutten等将CLUE模型和一般均衡模型（Modular Applied GeNeral Equilibrium Tool, MAGNET）相结合,模拟只考虑经济增长和同时考虑经济增长与气候变化两种情景下2030年越南土地利用的变化,定量区分未来气候变化和经济增长对土地利用的相对作用[9]。模型分析是研究和掌握耕地利用变化系统运动规律的有力工具,可以实现未来耕地格局变化的模拟[29]。但是,模型的应用也受到参数获取困难、客观条件复杂、验证标准和规范参考数据的缺乏以及假设条件的限制。

2.2 数理统计法

数理统计法多用于分析气候变化和人类活动的具体因素对耕地格局变化的贡献程度。应用较广泛的有Logistic回归分析[10]、主成分分析[13]、面板回归分析[14]以及其他基于机理的统计模型[18-19]等（表1）。

Logistic回归模型适用于二分类因变量的回归分析,常用来研究耕地格局变化的驱动机制。自变量对因变量的贡献程度由回归中的发生比率（odds ratio）或边际效应来定量解释,也有研究采用层次划分法（即通过方程是否包含某自变量的差别）来确定自变量的相对贡献[30]。目前大多数研究以区域为整体,考察因变量与自变量之间的时间序列关系。如Newman等使用Logistic回归分析牙买加岛的气候变化和经济要素对耕地的影响程度[10]。Schweizer等使用逐步Logistic回归考察1938-2010年美国密西西比河滨海平原土地利用变化的驱动力贡献[11]。另一些Logistic回归则基于截面数据,大多数的农户调查属于这种情况。如郝海广等使用农户调查数据结合Logistic回归,分析了中国内蒙古太仆寺旗农户差异对耕地流转的贡献程度[12]。以上只能研究因变量对自变量的依赖关系,对因果关系的解释则需要借助相关理论。因此,有学者结合协整分析和格兰杰（Granger）因果关系检验以解决这类问题[31]。如刘庆等运用协整分析与Granger因果关系检验法来验证驱动因子与长、株、潭城市群耕地数量变化的内在关系[31]。

对回归分析而言,一个突出的问题就是变量之间存在的共线性[32],学者们通过随机抽样、相关系数检验、岭回归、主成分分析与回归分析相结合等方法来协助解决这类问题[13, 33]。比如,Du等将主成分分析和回归相结合对江苏省土地利用变化的驱动力的贡献程度进行研究[13]。但是,主成分分析只注重尽可能多的概括自变量系统中的信息,对因变量的解释考虑欠妥。

面板回归分析能够明确考虑变量之间的异质性,削弱变量之间的共线性,比起单纯的时间序列或截面数据,能更好地处理动态现象。如Gollnow等使用面板回归中的固定效应模型,研究了2001-2012年巴西亚马逊地区大豆种植和牧场扩张对弃耕的贡献程度[14]。需要指出的是,传统的面板回归模型对数据的空间相关性和空间依赖性的体现还有欠缺。与包含自回归和分布滞后模型的动态计量经济模型相结合的空间面板模型,考虑了个体、时间因素的同时,也重视了数据的空间性,克服了以往研究中的模型误设与估计偏差等问题,是研究耕地格局变化归因的一种新方法。Upton等使用随机效应模型和空间自回归随机效应模型分析了爱尔兰地区的自然、经济和政策因素对耕地转换的贡献程度[16]。吴莉等建立线性回归模型、空间滞后模型、空间误差模型、地理加权回归模型等分析环渤海区域各驱动因子对耕地格局的相对作用[17]。

另外一些学者从影响耕地格局的理论出发,致力于揭示区域耕地转移与气候变化和人类活动具体因素间的“原因—表象”的复杂关系,建立基于机理的统计模型。如战金艳等构建包含不同耕地格局变化过程的江西省土地用途转移驱动机理模型,定量分析了各因素的贡献程度[18]。张乐勤等基于人口、富裕度和技术随机影响模型（Stochastic Impacts by Regression on Population, Affluence and Technology, STIRPAT）,揭示了1996-2011年人口、经济发展和技术因素对中国耕地变化的边际贡献[19]。

由于操作简单,数据可获得性强,数理统计分析在耕地格局变化探因中应用较广。但是,该方法简单假设耕地变化与驱动因子之间的各种关系,关于耕地格局对气候变化和人类活动响应机理的理解不够透彻,因此在自变量选择时会面临共线性、空间自相关性、非标准化和全面合理性之间的矛盾。数理统计分析在一定程度上能够给出气候变化和人类活动的具体因素（如气温、降水、经济、人口等）对耕地格局变化的贡献程度参考,但不能得出具体因素贡献程度的空间分布差异,对于区分气候变化和人类活动这两大整体的综合贡献程度也有一定的局限性。

2.3 框架分析法

框架分析,又叫概念模型,从描述景观的变化状态、景观内部的过程以及景观随时间响应的一般系统理论发展而来。驱动力—压力—状态—影响—响应模型（Drivers-Pressures-State-Impact-Responses, DPSIR）是使用最广泛的系统框架分析[34]。具体做法是,基于理论分析建立的框架,选择一系列合适的驱动力指标,基于文献分析（如编年史、地方志、政府报告、政府档案记录等）,辅以专家访谈,确定驱动力与不同类型土地利用变化的因果关系,将所有驱动力对所有土地利用变化过程是否产生影响进行1~0赋值,加和得到不同驱动力的重要值,进而定量每种驱动力的相对作用。Benini等基于DPSIR框架对意大利北部拉莫内河流域1976-2003年农业土地利用变化的原因进行研究,识别了主要驱动因素的贡献程度[35]。除此之外,Bürgi等提出了系统定义—系统分析—系统综合框架[36]。系统定义主要包括对研究区、研究成果、时空分辨率以及感兴趣的景观要素的详细定义与说明。系统分析包括自然景观要素的变化与恒定、参与者与制度、驱动力三部分。系统综合将系统分析中的三部分通过因果关系联系起来,从而确定各因素对景观格局的影响程度。Hersperger等使用此框架构建了重要值指标,分析瑞士不同时期和不同尺度上政治、经济、文化、技术和自然因素对土地利用城市化、农业集中化和绿化的贡献[20]。随后,Slätmo等提出了压力—冲突—诱因—触发框架（Pressures-Frictions-Attractors-Triggers）[37]。压力是对土地利用长期施加的因素（政治、经济文化和技术等）;冲突是抗拒改变的因素,阻止、减缓或者改变土地利用变化的方向;诱因通常指区域本身的具体自然特征;触发是那些直接即时刺激土地利用发生变化的因素（如新公路的开放）。Beilin等应用此框架定量分析了葡萄牙和瑞典耕地弃耕的国际、国家和局地尺度的驱动力的贡献程度[21]。相比较其他方法而言,框架分析有着较为深厚的理论基础,并且对因果关系的解释更为全面合理。但是这种方法一般基于指标计算,在涉及到权重选择时难免会有一定的主观性的存在。

2.4 指标评价法

指标评价法是指研究者选择表征土地利用变化的直接指标（土地变化转换率或土地变化面积比率等）,确定包含土地利用变化的驱动因子（如政治、经济、文化、技术和自然等）与参与者尺度（如国际、国家、州、自治市、规划局、组织、集体、个体和农户尺度等）,将长时间序列的土地利用变化指标以图表的形式展现给访谈对象（包含农民、政府人员、规划人员以及史学工作者等）,开展包含自由讨论和综合考量各类驱动因子与参与者尺度的多轮访谈,辅以相关历史时期的书面资料,定量各驱动因子对土地利用变化的贡献程度。如Kelarestaghi等将土地利用变化面积比率作为公共指标来衡量自然因素和人为因素对伊朗北部土地利用变化的影响[22]。Schneeberger等使用土地变化转换率,结合专家访谈法,定量分析了瑞士阿尔卑斯山北部边缘地区的政治、经济、文化、技术和自然因素分别在不同参与者尺度上对土地利用影响的贡献程度[23]。这种方法简便易行,实现了气候变化与人类活动对耕地格局变化的贡献程度的定量评价,但是存在空间差异无法体现的问题。

2.5 差值比较法

差值比较法常用于区分气候变化与人类活动整体的综合贡献程度。一般过程是,选择表征耕地格局的某些间接指标（如植被指数或净初级生产力）,气候变化对耕地格局的影响通过模拟此指标在不考虑人类活动,只考虑气候变化影响下的潜在值来衡量,人类活动对耕地格局的影响通过此指标的潜在值与真实值的差值来衡量,不同时段内气候变化和人类活动对耕地格局的贡献程度通过潜在值与差值的变化趋势来衡量。如高志强等基于20世纪80年代生态分区不变,分离出1980-2000年东西与南北方向上气候变化与人类活动因素对土地利用程度影响的各自比例[24]。该方法为耕地格局变化贡献归因的研究提供了新思路,但未能将各自贡献程度在空间上进行表达,忽略了驱动力作用的空间差异。

归一化植被指数（Normalized Difference Vegetation Index, NDVI）残差趋势法可以剥离干旱地区气候变化和人类活动对耕地格局的影响程度,并实现空间表达。具体做法是,基于干旱地区NDVI与降水存在的显著相关关系,建立降水和NDVI之间的预测方程,将基于降水推算的不受人类干扰时的NDVI预测值与真实值之间的残差,归因为人类活动的影响。如Herrmann等应用NDVI残差趋势法对非洲萨赫勒地区耕地变化的人为因素的贡献范围进行了分析[25]。除此之外,降水利用率（即降水与累积NDVI或NPP的比值）也可以作为衡量耕地退化程度的指标。Wessels等对比了降水利用率及NDVI残差趋势法对衡量南非地区人类活动导致耕地退化的能力,发现NDVI残差趋势法的效果更好一些[26]。以上方法主要适用于区域植被的生长与多年平均降水和年际降水变率关系非常密切的干旱—半干旱地区。应用这种方法的关键在于对降水和NDVI的关系进行检验分析。但是即使这些地区,不同区域植被类型并不都与降水存在显著相关性。而且降水不是影响土地覆被的唯一自然要素,其他因素诸如温度和土壤质量等因素也应考虑进来[26]。

许端阳等在进行中国鄂尔多斯沙漠化过程研究中,将潜在NPP作为气候变化对NPP 的影响,人类活动对NPP的影响通过潜在NPP与实际NPP的差值来衡量,从空间上定量评价了气候变化和人类活动对沙漠化过程的贡献程度[27]。这类方法基于遥感数据,对土地利用变化过程的归因能够实现长时间多尺度的空间辨识,对耕地弃耕与开垦过程中气候变化和人类活动贡献程度的分析有一定的启发。但是,对于气候变化和人类活动的具体因素（例如过度放牧或人为耕作）对耕地格局变化的影响,还需辅以更具体区域上更高分辨率的遥感数据和野外调查。

3 耕地格局变化的贡献归因

3.1 气候变化对耕地格局变化的贡献程度

3.1.1 过去气候变化对耕地格局的影响

气候变化会在某种程度上改变区域水循环和环境,影响作物耕作系统、耕地生产力以及土地利用类型和方式,进而引起耕地时空格局的变化[10, 38-40]。气候增暖对以温度为限制因子的中国北方耕地面积的增加起到了促进作用,与1970年相比,2006年东北地区水稻耕作的重心从128°52′E、45°37′N移至129°53′E、46°29′N,向北移动80 km[38]。气候变暖已然驱动黑龙江省水稻种植界限从48°N向北移至52°N,其面积从20世纪80年代的22×104 hm2扩展到了2007年的225×104 hm2 [39]。另外,随着20世纪80年代以来≥ 10 ℃积温的增加,中国共有3.16×107 hm2的耕地从春小麦适宜区变为冬小麦适宜区[40]。在山区,由于地形变化导致的温度改变,影响着作物的适宜区[41]。20世纪80年代末至2008年,中国耕地重心海拔逐渐升高且持续向北移动。若分别保持海拔和纬度不变,与耕地减少区相比,耕地增加区会分别北移0.5~1个纬度和升高100~200 m[42]。同时,降水也影响着耕地格局的变化。如牙买加岛2001-2010年最干月降水每增加100 mm,毁林开荒的可能性增加8%[10]。对2000-2005年中国耕地而言,耕地向林地转换的主要驱动因素是大于50 mm的降雨月数（其权重极差为2.065）[28]。

3.1.2 未来气候变化对耕地格局的影响

有些学者结合未来气候情景数据对耕地格局的变化进行了预测。对热带生态系统而言,湿度和极端高温限制着生长季的长度,有中等信度表明,生长季的长度和作物的整体适宜性会下降[43]。Lane等使用作物机理模型ECOCROP结合气候情景数据,预测了未来全球43种作物的分布。到2055年,适宜耕地面积会增加,但是典型寒冷作物的分布面积会有明显的减少,比如小麦面积会减少18%。欧洲耕地适宜面积会增加3.7%,南极洲和北美洲也会有3.2%和2.2%的增加,而撒哈拉以南的非洲和加勒比海地区适宜耕地面积会减少2.6%和2.2%[44]。到2050年,非洲大部分国家会有超过50%的耕地不再适宜种植[45]。由日本国家气象局气象研究所（Meteorological Research Institute, MRI）基于全球大气环流模式（General Circulation Model-version 2, CGCM2）所预测的未来气候情景下,2081-2100年,日本水稻的种植范围会向北移动约100~200 km[46]。2005-2035年,在IPCC SRES A1B和A2情景下,中国鄱阳湖地区耕地预计增加3%和2.3%,B1情景下耕地减少1%[47]。在IPCC SRES A2和B1气候情景下,与1961-1990年相比,2011-2050年80%和50%保证率的春玉米早熟、中熟品种种植北界平均向北移动1.8~2.3个纬度和1.2~2.6个纬度,黑龙江省和辽宁省的春玉米晚熟品种北界平均向北移动2.0~3.9个纬度和0.4~1.7个纬度[48]。

3.2 人类活动对耕地格局变化的贡献程度

全球化、城市化和工业化等人类活动深刻影响着农民的生活和土地利用方式,进而影响耕地分布。例如,经济发展及城市化会导致耕地面积的减少[49]。1978-2007年中国城市化水平和地方财政收入每增加1%,耕地面积分别减少0.05%和0.03%[50]。江苏省1997-2008年城市化水平每提高1%,耕地面积减少0.18×104 hm2 [51]。成都市1978-2007年城市化水平每提高1%,耕地面积减少5671.40 hm2 [52]。

人口增加会导致对矿产、土地和水资源需求的增加,驱动耕地非农化[10, 18]。江西省1988-2005年人口每增加1%,将导致耕地向建设用地转移0.802%;农业人口比重每增加1%,将导致耕地向林/草地转移1.131%[18]。张海东等认为目前非农人口比例对耕地面积变化的作用已经超过了总人口;相同条件下,当浙江省总人口和非农人口比例各增加1%时,耕地面积分别减少0.90‰和1.33‰[33]。

区位和交通条件也是影响耕地格局变化的主要因素。有研究表明,距离农村居民点越远,耕地弃耕的可能性就越大[11]。对1990-2000年俄罗斯斯摩棱斯克、卡卢加、图拉、梁赞和弗拉基米尔五省份（以下简称俄罗斯五省份）而言,到居民点的距离每增加1 km,弃耕的可能性增加8%[30];1985-2000年间中国内蒙古翁牛特旗,到居民点的距离每减小1 km,耕地开垦的概率将增大1.6倍[53]。与此同时,耕地弃耕的可能性会随着到公路与城镇距离的增加而减少。对1999-2006年的中国浙江富阳市而言,到公路与城镇的距离每增加100 m,农用地被转化的风险分别降低0.9802倍和0.9704倍[15]。森林面积越大,到森林的距离越近,耕地弃耕的可能性越高。如智利南部地区1985年每增加1 hm2的天然林,弃耕的可能性增加0.23%;到智鲁岛国家森林公园的距离每减少1 km,弃耕的可能性增加0.45%[54]。后社会主义的俄罗斯五省份也有同样的规律,离森林界限每增加100 m,耕地弃耕的可能性降低4%;而处于森林中的耕地距森林界限每增加100 m,弃耕的可能性增加48%[30]。另外,耕地变化与周边相邻土地利用方式高度相关。1999-2006年,中国浙江富阳市农用地距离最近的建筑用地每增加100 m,被转换的几率下降0.6703倍[15]。对1998-2008年江苏省而言,当邻近地区耕地面积减少1%时,本区耕地面积也减少0.154%[55]。

不同政体或时期的土地利用政策和移民政策的差别,会影响人们对耕地开垦与弃耕的态度[15, 54]。一般而言,耕地保护政策会降低弃耕的可能性。智利南部地区农业补贴的出现使得弃耕的可能性降低了19%[54];中国浙江富阳市的研究发现,每增加1单位的土地保护政策,农用地转换风险降低1.0231倍[15]。

技术是解决如何在有限土地上可持续地解决日益增加的人口的生计问题的关键,但由于其较难被量化,因此目前很少被考虑进定量分析中。有学者认为,从长期来看,技术的进步会导致耕地面积的下降[56]。张乐勤等发现,1996-2011年技术因素每增加1%,中国的耕地面积将减少0.003%[19]。

除此之外,还有学者对驱动耕地格局的其他因素进行考察。如Prishchepov等认为,20世纪80年代末作物产量每减少0.1 t/hm2,就会使得1990-2000年间俄罗斯五省份弃耕的可能性增加11%[30]。农业结构调整也影响着耕地格局变化,1998-2008年江苏省粮经作物比每增加1%,耕地面积将增加0.069%[55]。

有些学者将某类驱动力对耕地格局变化的贡献程度进行了总结,可以帮助更好地把握对耕地实施压力的领域。Prishchepov等使用层次分析法总结各因素对俄罗斯五省份后社会主义弃耕的贡献程度,其中20世纪80年代末的作物平均产量对农业弃耕有着最高的解释力,占总体变化的42.1%;离最近森林边界的距离贡献率为19.4%;森林内部的农田面积贡献率为11.9%;到≥ 500人的居民点的最近距离贡献率为11.5%;相比较而言,人类活动的影响更大一些[30]。Zhang等使用多尺度统计模型对中国重庆武隆县不同尺度的弃耕因素进行了定量分析,发现80%的弃耕归因于土地地块特征本身,7%和13%归因于农户尺度和村庄尺度[57]。

3.3 气候变化和人类活动整体对耕地格局变化的贡献程度

对气候变化和人类活动已经对耕地格局产生的影响而言,不同地区气候变化和人类活动对耕地格局的贡献程度不同。如高志强等基于20世纪80年代生态分区不变,计算气候变化对中国土地利用程度在东西、南北方向偏移强度的贡献率分别为81%和85%,均远远大于人为影响[24]。而黄莹等基于同样的方法发现,对1981-2005年的新疆地区而言,气候变化对土地利用程度在东西、南北方向偏移强度的贡献率分别为24%和40%,小于人类活动的影响[58]。并且,气候变化和人类活动的贡献程度随时期和土地类型转换过程的不同也有差异。如许端阳等研究发现,1981-1990年和1991-2000年,沙漠化逆转分别受气候变化（贡献率64.30%）和人类活动（贡献率91.13%）主导;沙漠化发展则主要由人类活动（贡献率89.16%）与气候变化（贡献率79.42%）驱动[27]。

对未来气候变化和人类活动对耕地格局贡献程度的研究中,一般而言,社会经济因素（宏观经济、技术变革、社会发展趋势和政府结构等）比气候变化对耕地格局的影响更大[8]。Tubiello等对2080年是否考虑气候变化影响的全球耕地面积进行了模拟。发现只考虑社会经济发展影响时,发展中国家耕地增加了27%（250×106 hm2）,大多数的耕地增加在非洲（122×106 hm2,60%）和拉丁美洲（80×106 hm2,45%）;许多发达国家的耕地减少,西欧减少最为明显（-9×106 hm2,11%）。同时考虑IPCC SRES A2情景气候变化和人类活动的影响,与不考虑气候变化的影响相比,全球耕地只增加了9×106~12×106 hm2,大概是耕地总数的0.5~0.7%,由此可知,未来人类活动对耕地格局的影响将远远大于气候变化的影响[8]。单纯在人类活动影响下,英格兰和威尔士的耕地从20世纪80年代中期的3.48×106 hm2减少到了2060年的2.07×106 hm2,幅度高达40%。而在美国普林斯顿大学地球物理流体动力学实验室模式（Geophysical Fluid Dynamics Laboratory, GFDL）、美国宇航局哥达德太空研究所模式（Goddard Institute for Space Studies, GISS）和英国气象局模式（United Kingdom Meteorological Office, UKMO）下的气候情景和人类活动的共同影响下,2060年耕地面积分别为2.23×106 hm2、2.05×106 hm2和2.18×106 hm2 [59]。Briner等对瑞士阿尔卑斯山菲斯普地区未来耕地的模拟也得出了单纯考虑经济变化下耕地面积的损失（147 hm²）大于单纯考虑气候变化下的损失（116 hm²）的结论[60]。

4 存在问题

4.1 方法问题

目前而言,关于气候变化和人类活动对耕地格局变化贡献归因的定量评价方法,各有利弊。这些方法或单纯考虑气候变化和人类活动整体对耕地格局变化的综合贡献程度,或分别考虑气候变化和人类活动所包含的具体因素的贡献程度,很少将二者作为递进关系同时考虑,即首先分析气候变化和人类活动各自的综合贡献程度如何,再详细分析到底是气候变化和人类活动中的哪些因素起了怎样的作用。另外,在进行贡献程度的空间辨识上还有一定的局限性。

4.2 数据问题

与基于高分辨率遥感数据的耕地格局变化分析相比,驱动力分析数据的丰富性与准确性还有待完善。例如,对于雨养、灌溉和湿地耕作的区分、种植作物、耕作制度以及关于农药、化肥等数据掌握的并不确切和详细,而这些却是研究驱动力至关重要的因素。另外,诸如经济、政策、技术等人类活动影响因素的基础数据大都基于行政区划的统计数据,与基于自然条件的耕地格局数据存在范围与空间分辨率的不符,并且社会经济数据在空间展示上也有一定的局限性[61]。除了人口数据与一些国家统计数据,全球范围内还缺乏具有可比性的驱动力的有效数据,已有的社会经济数据也主要来自发达国家[41],限制着对土地利用变化驱动机制的深层次理解。

4.3 尺度问题

土地利用是多尺度多维度的决策,不同时间、空间和参与者尺度上气候变化和人类活动对耕地变化的贡献程度不同,同样的驱动力在不同的区域也会有不同的作用,耕地格局的变化可以同时由不同尺度上因素的变化来解释[62]。大多数学者能够做到时间尺度上分时期进行,但是忽视对空间尺度、参与者尺度以及土地分类精度等主要尺度问题的分析处理。目前的研究只能笼统地说明影响耕地格局变化的各个因素,不同尺度上驱动力对耕地格局的贡献程度的差异体现还较少,因此对驱动力的理解有一定的偏差。

4.4 解释问题

当前许多研究对耕地格局与驱动因素关系的解释还处于“灰色”阶段;同时,分别从气候变化和人类活动角度探究耕地格局变化驱动机制的研究和解释较少。而系统评价气候变化和人类活动在耕地格局变化中的贡献程度,对于深入理解耕地开垦与弃耕过程的作用机理、高效开展耕地保护工作至关重要。由于对气候变化和人类活动对耕地系统的影响过程的理解还不完善,因此在结果解释时更应当小心谨慎[61]。

5 研究展望

5.1 从综合作用到具体因素的贡献程度归因评价

未来的研究应当以空间辨识为目的,以定量研究为核心,系统评价气候变化和人类活动在耕地格局变化中的贡献程度。在借鉴框架分析法中关于“驱动力—格局展现”之间因果关系的基础上,基于遥感影像提供的耕地格局数据,以差值比较法为基本思路,结合模型分析,模拟不受人类干扰情况下耕地的潜在分布（即气候变化为农业垦殖提供的客观可能性的范围）,与现实耕地开垦和弃耕现象相对比,探究人类活动的影响,识别气候变化和人类活动整体对耕地格局变化的综合作用。基于农户问卷调查,结合空间选择模型和水热条件趋势组合,对农民土地利用方式意愿进行分析,深入理解气候变化和人类活动的驱动作用,进一步评价气候变化和人类活动的具体因素对耕地开垦与弃耕的贡献程度,探究耕地开垦和弃耕的内在机理[63]。同时,在评价过程中还应兼顾考虑评价结果的验证等问题。

5.2 数据全面性与精确性的提高

注重搜集高质量的耕地利用数据,诸如耕作制度、作物类型、田间管理措施（灌溉、施肥等）、自然灾害分布等,同时基于典型地区的问卷调查补充耕地利用相关的社会经济数据,诸如农户经济水平、劳动力结构、外出务工情况、家庭畜牧业及村基本情况等,以丰富驱动力分析数据。尽快研究社会经济数据与自然属性数据的标准化吻合,找到能够将社会经济数据进行空间表达的适合模型与方法。同时,基于高分辨率遥感影像提取各类影响因素的相关信息,尤其是能够转换成人类活动的信息,为耕地格局变化中气候变化和人类活动贡献程度识别模型的建立与检验提供可靠的数据保障。另外,传统统计方法对数据集有正态性或线性的要求[64],而自组织学理论可以解释开放的复杂系统的非线性宏观特征,且其对外界事物获取知识有自适应性、自组织性、容错性等特点,可以用来尝试帮助解决耕地利用与气候变化、人类活动之间的复杂、高维、非线性关系。

5.3多尺度多维度的综合定量研究

影响耕地利用的尺度主要包括时间尺度、空间尺度和参与者尺度。就时间而言,从月、年到十年、百年,驱动力—耕地利用之间的关系分别是怎样的?就空间而言,从地块、局地到区域、国家、全球的尺度变化上,驱动力—耕地利用之间的关系是如何变化的?在这些不同的时空尺度上,从农民个体到各级政府对耕地格局变化的贡献又是如何的?这些问题的回答都需要对驱动力进行多尺度多维度的综合研究,以帮助回答不同因素在何种尺度何种维度上多大程度地影响着耕地格局的变化[65]。耕地利用的决策是不同尺度共同作用的结果,多尺度模型能够解决传统的回归模型所不能解决的尺度间的嵌套结构行为,可作为定量不同尺度间贡献程度的一种有益探讨[57]。首先确定不同尺度（诸如地块尺度、农户尺度、村庄尺度等）的代表性解释变量,例如,地块本身的自然状况（坡度、海拔、土壤质量等）代表地块尺度变量,劳动力数量、年龄、男性劳动力比例等代表农户尺度变量,到行政中心的距离和土地出租率代表村庄尺度的变量,通过逐级对比包含不同尺度解释变量的方程之间的差异,进而确定不同尺度要素对耕地格局变化的贡献程度。

5.4 基于驱动力理论的合理解释

应该意识到模型与方法只是工具,其目的在于认识气候变化和人类活动与耕地利用系统之间的复杂关系[6]。在进行驱动力解释时,可首先借助协整分析和Granger因果关系检验,对驱动力与耕地利用现象之间进行因果理论分析,在具有真实因果关系的基础上,进一步讨论气候变化及人类活动对耕地格局的贡献程度。尽量摆脱就统计/模拟结果而论结果,从而深化对驱动力理论的科学理解。

The authors have declared that no competing interests exist.

参考文献

[1] Shi W, Tao F, Liu J, et al.

Has climate change driven spatio-temporal changes of cropland in Northern China since the 1970s?

Climatic Change, 2014, 124(1/2): 163-177.

[本文引用: 3]     

[2] Müller D, Leitão P J, Sikor T.

Comparing the determinants of cropland abandonment in Albania and Romania using boosted regression trees

. Agricultural Systems, 2013, 117: 66-77.

[本文引用: 1]     

[3] Lambin E F, Meyfroidt P.

Land use transition: Socio-ecological feedback versus socio-economic change

. Land Use Policy, 2010, 27(2): 108-118.

[本文引用: 2]     

[4] Liu Jiyuan, Zhang Zengxiang, Xu Xinliang, et al.

Spatial patterns and driving forces of land use change in China in the early 21st century

. Acta Geographica Sinica, 2009, 64(12): 1411-1420.

[本文引用: 1]     

[刘纪远, 张增祥, 徐新良, 等.

21世纪初中国土地利用变化的空间格局与驱动力分析

. 地理学报, 2009, 64(12): 1411-1420.]

[本文引用: 1]     

[5] Ye Y, Fang X,

Khan M A U. Migration and reclamation in northeast China in response to climatic disasters in North China over the past 300 years

. Regional Environmental Change, 2012, 12(1): 193-206.

[本文引用: 3]     

[6] Gao Zhiqiang, Yi Wei.

Land use change in China and analysis of its driving forces using CLUE-S and Dinamica EGO model

. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(16): 208-216.

[本文引用: 3]     

[高志强, 易维.

基于CLUE-S和Dinamica EGO模型的土地利用变化及驱动力分析

. 农业工程学报, 2012, 28(16): 208-216.]

[本文引用: 3]     

[7] Audsley E, Pearn K R, Simota C, et al.

What can scenario modelling tell us about future European scale agricultural land use, and what not?

Environmental Science & Policy, 2006, 9(2): 148-162.

[本文引用: 2]     

[8] Tubiello F N, Fischer G.

Reducing climate change impacts on agriculture: Global and regional effects of mitigation, 2000-2080

. Technological Forecasting and Social Change, 2007, 74(7): 1030-1056.

[本文引用: 5]     

[9] Rutten M, van Dijk M, van Rooij W, et al.

Land use dynamics, climate change, and food security in Vietnam: A global-to-local modeling approach

. World Development, 2014, 59: 29-46.

[本文引用: 3]     

[10] Newman M E,

McLaren K P, Wilson B S. Long-term socio-economic and spatial pattern drivers of land cover change in a Caribbean tropical moist forest, the Cockpit Country, Jamaica. Agriculture,

Ecosystems & Environment, 2014, 186: 185-200.

[本文引用: 6]     

[11] Schweizer P E, Matlack G R.

Factors driving land use change and forest distribution on the coastal plain of Mississippi, USA

. Landscape and Urban Planning, 2014, 121: 55-64.

[本文引用: 3]     

[12] Hao Haiguang, Li Xiubin, Tian Yujun.

Farmland use right transfer and its driving factors in agro-pastoral interlaced region

. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(8): 302-307.

[本文引用: 2]     

[郝海广, 李秀彬, 田玉军, 等.

农牧交错区农户耕地流转及其影响因素分析

. 农业工程学报, 2010, 26(8): 302-307.]

[本文引用: 2]     

[13] Du X, Jin X, Yang X, et al.

Spatial pattern of land use change and its driving force in Jiangsu Province

. International Journal of Environmental Research and Public Health, 2014, 11: 3215-3232.

[本文引用: 4]     

[14] Gollnow F, Lakes T.

Policy change, land use, and agriculture: The case of soy production and cattle ranching in Brazil, 2001-2012

. Applied Geography, 2014, 55: 203-211.

[本文引用: 3]     

[15] Zhong T Y, Huang X J, Zhang X Y, et al.

Temporal and spatial variability of agricultural land loss in relation to policy and accessibility in a low hilly region of Southeast China

. Land Use Policy, 2011, 28(4): 762-769.

[本文引用: 5]     

[16] Upton V,

O'Donoghue C, Ryan M. The physical, economic and policy drivers of land conversion to forestry in Ireland

. Journal of Environmental Management, 2014, 132: 79-86.

[本文引用: 2]     

[17] Wu Li, Hou Xiyong, Xu Xinliang.

Analysis of spatical pattern of farmland and its impacting factors in coastal zone of circum-Bohai

. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(9): 1-10.

[本文引用: 2]     

[吴莉, 侯西勇, 徐新良.

环渤海沿海区域耕地格局及影响因子分析

. 农业工程学报, 2014, 30(9): 1-10.]

[本文引用: 2]     

[18] Zhan Jinyan, Shi Nana, Deng Xiangzheng.

Driving mechanism of cultivated land conversions in Jiangxi

. Acta Geographica Sinica, 2010, 65(4): 485-493.

[本文引用: 5]     

[战金艳, 史娜娜, 邓祥征.

江西省耕地转移驱动机理

. 地理学报, 2010, 65(4): 485-493.]

[本文引用: 5]     

[19] Zhang Leqin, Chen Fakui.

Analysis and forecast on prospect about influence of urbanization gradual progress on cultivated land in China based on Logistic model

. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(4): 1-11.

[本文引用: 4]     

[张乐勤, 陈发奎.

基于Logistic模型的中国城镇化演进对耕地影响前景预测及分析

. 农业工程学报, 2014, 30(4): 1-11.]

[本文引用: 4]     

[20] Hersperger A M, Bürgi M.

Going beyond landscape change description: Quantifying the importance of driving forces of landscape change in a Central Europe case study

. Land Use Policy, 2009, 26(3): 640-648.

[本文引用: 2]     

[21] Beilin R, Lindborg R, Stenseke M, et al.

Analysing how drivers of agricultural land abandonment affect biodiversity and cultural landscapes using case studies from Scandinavia, Iberia and Oceania

. Land Use Policy, 2014, 36: 60-72.

[本文引用: 2]     

[22] Kelarestaghi A, Jeloudar Z J.

Land use/cover change and driving force analyses in parts of northern Iran using RS and GIS techniques

. Arabian Journal of Geosciences, 2011, 4(3/4): 401-411.

[本文引用: 2]     

[23] Schneeberger N, Bürgi M, Hersperger A M, et al.

Driving forces and rates of landscape change as a promising combination for landscape change research: An application on the northern fringe of the Swiss Alps

. Land Use Policy, 2007, 24(2): 349-361.

[本文引用: 2]     

[24] Gao Zhiqiang, Liu Jiyuan.

The LUCC responses to climatic changes in China from 1980 to 2000

. Acta Geographica Sinica, 2006, 61(8): 865-872.

[本文引用: 3]     

[高志强, 刘纪远.

1980-2000年中国LUCC对气候变化的响应

. 地理学报, 2006, 61(8): 865-872.]

[本文引用: 3]     

[25] Herrmann S M, Anyamba A, Tucker C J.

Recent trends in vegetation dynamics in the African Sahel and their relationship to climate

. Global Environmental Change, 2005, 15(4): 394-404.

[本文引用: 2]     

[26] Wessels K, Prince S, Malherbe J, et al.

Can human-induced land degradation be distinguished from the effects of rainfall variability? A case study in South Africa

. Journal of Arid Environments, 2007, 68(2): 271-297.

[本文引用: 3]     

[27] Xu Duanyang, Kang Xiangwu, Liu Zhili, et al.

Assessing the relative role of climate change and human activities in sandy desertification of Ordos region. China Science in China

. Series D: Earth Sciences, 2009, 39(4): 516-528.

[本文引用: 3]     

[许端阳, 康相武, 刘志丽, 等.

气候变化和人类活动在鄂尔多斯地区沙漠化过程中的相对作用研究

. 中国科学(D辑: 地球科学), 2009, 39(4): 516-528.]

[本文引用: 3]     

[28] Yu Qiangyi, Wu Wenbin, Tang Huajun, et al.

Complex system theory and agent-based modeling: progress in land change science

. Acta Geographica Sinica, 2011, 66(11): 1518-1530.

[本文引用: 2]     

[余强毅, 吴文斌, 唐华俊, 等.

复杂系统理论与Agent模型在土地变化科学中的研究进展

. 地理学报, 2011, 66(11): 1518-1530.]

[本文引用: 2]     

[29] Tang Huajun, Wu Wenbin, Yang Peng, et al.

Recent progresses of land use and land cover change models

. Acta Geographica Sinica, 2009, 64(4): 456-468.

[本文引用: 1]     

[唐华俊, 吴文斌, 杨鹏, 等.

土地利用/土地覆被变化模型研究进展

. 地理学报, 2009, 64(4): 456-468.]

[本文引用: 1]     

[30] Prishchepov A V, Müller D, Dubinin M, et al.

Determinants of agricultural land abandonment in post-Soviet European Russia

. Land Use Policy, 2013, 30(1): 873-884.

[本文引用: 5]     

[31] Liu Qing, Chen Ligen, Yang Jun, et al.

Econometric analysis on driving forces of cultivated land quantity change in Changsha-Zhuzhou-Xiangtan urban agglomerations

. Resources Science, 2010, 32(9): 1734-1740.

[本文引用: 2]     

[刘庆, 陈利根, 杨君, 等.

长、株、潭城市群耕地资源数量变化驱动力的计量经济分析

. 资源科学, 2010, 32(9): 1734-1740.]

[本文引用: 2]     

[32] Corbelle-Rico E, Crecente-Maseda R, Santé-Riveira I.

Multi-scale assessment and spatial modelling of agricultural land abandonment in a European peripheral region: Galicia (Spain), 1956-2004

. Land Use Policy, 2012, 29(3): 493-501.

[本文引用: 1]     

[33] Zhang Haidong, Yu Dongsheng, Shi Xuezheng, et al.

Dynamics of recent cultivated land in Zhejiang Province and relevant driving factors

. Chinese Journal of Applied Ecolgy, 2010, 21(12): 3120-3126.

[本文引用: 2]     

[张海东, 于东升, 史学正, 等.

浙江省新近耕地动态及其驱动因素

. 应用生态学报, 2010, 21(12): 3120-3126.]

[本文引用: 2]     

[34] Shiferaw A.

Evaluating the land use and land cover dynamics in Borena Woreda of South Wollo Highlands, Ethiopia

. Journal of Sustainable Development in Africa, 2011, 13(1): 1520-5509.

[本文引用: 1]     

[35] Benini L, Bandini V, Marazza D, et al.

Assessment of land use changes through an indicator-based approach: A case study from the Lamone river basin in northern Italy

. Ecological Indicators, 2010, 10(1): 4-14.

[本文引用: 1]     

[36] Bürgi M, Hersperger A M, Schneeberger N.

Driving forces of landscape change: Current and new directions

. Landscape ecology, 2004, 19(8): 857-868.

[本文引用: 1]     

[37] Slätmo E.

Driving forces of rural land use change. A review and discussion of the concept 'driving forces' in landscape research. Occasional Papers 2011: 5 Department of Human and Economic Geography,

University of Gothenburg, 2011.

[本文引用: 1]     

[38] Chen C, Qian C, Deng A, et al.

Progressive and active adaptations of cropping system to climate change in Northeast China

. European Journal of Agronomy, 2012, 38: 94-103.

[本文引用: 2]     

[39] Piao S, Ciais P, Huang Y, et al.

The impacts of climate change on water resources and agriculture in China

. Nature, 2010, 467: 43-51.

[本文引用: 1]     

[40] Dong J, Liu J, Tao F, et al.

Spatio-temporal changes in annual accumulated temperature in China and the effects on cropping systems, 1980s to 2000

. Climate Research, 2009, 40(1): 37-48.

[本文引用: 2]     

[41] IPCC. Climate change 2014: Impacts, adaptation,vulnerability. Part A: Global and sectoral aspects//Field C B, Barros V R, Dokken D Jet al. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York: Cambridge University Press, NY, USA, XXX, 2014.

[本文引用: 2]     

[42] Shi Ruixiang, Yang Xiaohuan.

Research on the climate background in arable land changed areas of China. Journal of Geo-information

Science, 2010, 12(3): 309-314.

[本文引用: 1]     

[石瑞香, 杨小唤.

中国耕地变化区的气候背景对比分析

. 地球信息科学学报, 2010, 12(3): 309-314.]

[本文引用: 1]     

[43] Jones P G, Thornton P K.

Croppers to livestock keepers: Livelihood transitions to 2050 in Africa due to climate change

. Environmental Science & Policy, 2009, 12(4): 427-437.

[本文引用: 1]     

[44] Lane A, Jarvis A.

Changes in climate will modify the geography of crop suitability: Agricultural biodiversity can help with adaptation

. SAT eJournal, 2007, 4(1): 1-12.

[本文引用: 1]     

[45] Burke M B, Lobell D B, Guarino L.

Shifts in African crop climates by 2050, and the implications for crop improvement and genetic resources conservation

. Global Environmental Change, 2009, 19(3): 317-325.

[本文引用: 1]     

[46] Ohta S, Kimura A.

Impacts of climate changes on the temperature of paddy waters and suitable land for rice cultivation in Japan

. Agricultural and Forest Meteorology, 2007, 147(3-4): 186-198.

[本文引用: 1]     

[47] Yan D, Schneider U A, Schmid E, et al.

Interactions between land use change, regional development, and climate change in the Poyang Lake district from 1985 to 2035

. Agricultural Systems, 2013, 119: 10-21.

[本文引用: 1]     

[48] Liu Zhijuan, Yang Xiaoguang, Wang Wenfeng, et al.

The possible effects of global warming on cropping systems in China Ⅳ: The possible impact of future climatic warming on the northern limits of spring maize in three provinces of Northeast China

. Scientia Agricultura Sinica, 2010, 43(11): 2280-2291.

[本文引用: 1]     

[刘志娟, 杨晓光, 王文峰, 等.

全球气候变暖对中国种植制度可能影响Ⅳ: 未来气候变暖对东北三省春玉米种植北界的可能影响

. 中国农业科学, 2010, 43(11): 2280-2291.]

[本文引用: 1]     

[49] Li Xiubin.

Change of arable land area in China during the past 20 years and its policy implications

. Journal of Natural Resources, 1999, 14(4): 329-333.

[本文引用: 1]     

[李秀彬.

中国近20年来耕地面积的变化及其政策启示

. 自然资源学报, 1999, 14(4): 329-333.]

[本文引用: 1]     

[50] Huang Zhonghua, Wu Cifang, Du Xuejun.

Empirical study of cultivated land change and socio-economic factors in China

. Journal of Natural Resources, 2009, 24(2): 192-199.

[本文引用: 1]     

[黄忠华, 吴次芳, 杜雪君.

我国耕地变化与社会经济因素的实证分析

. 自然资源学报, 2009, 24(2): 192-199.]

[本文引用: 1]     

[51] Meng Peng, Hao Jinmin, Zhou Ning, et al.

Difference analysis of effect of rapid urbanization on cultivated land changes in Huang-Huai-Hai Plain

. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(22): 1-10.

[本文引用: 1]     

[孟鹏, 郝晋珉, 周宁, 等.

黄淮海平原城镇化对耕地变化影响的差异性分析

. 农业工程学报, 2013, 29(22): 1-10.]

[本文引用: 1]     

[52] Chen Haijun, Deng Liangji, Li Hechao, et al.

Research on coordination between the urbanization development and cultivated land change in Chengdu City

. Chinese Agricultural Science Bulletin, 2010, 26(1): 312-316.

[本文引用: 1]     

[陈海军, 邓良基, 李何超, 等.

城市化进程与耕地变化协同性研究: 以成都市为例

. 中国农学通报, 2010, 26(1): 312-316.]

[本文引用: 1]     

[53] Xie Hualin, Li Bo.

Driving forces analysis of land-use pattern changes based on logistic regression model in the farming-pastoral zone: A case study of Ongiud Banner, Inner Mongolia

. Geographical Research, 2008, 27(2): 294-304.

[本文引用: 1]     

[谢花林, 李波.

基于logistic回归模型的农牧交错区土地利用变化驱动力分析: 以内蒙古翁牛特旗为例

. 地理研究, 2008, 27(2): 294-304.]

[本文引用: 1]     

[54] Díaz G I, Nahuelhual L, Echeverría C, et al.

Drivers of land abandonment in southern Chile and implications for landscape planning

. Landscape and Urban Planning, 2011, 99(3): 207-217.

[本文引用: 3]     

[55] Wen Jiqun, Pu Lijie, Zhang Runsen.

A spatial econometric analysis on differential changes and driving forces of arable land: A case study of Jiangsu Province

. Resources and Environment in the Yangtze Basin, 2011, 20(5): 628-634.

[本文引用: 2]     

[文继群, 濮励杰, 张润森.

耕地资源变化的空间计量及其驱动力分析: 以江苏省为例

. 长江流域资源与环境, 2011, 20(5): 628-634.]

[本文引用: 2]     

[56] Ewert F, Porter J R, Rounsevell M.

Crop models, CO2, and climate change

. Science, 2007, 315(5811): 459-460.

[本文引用: 1]     

[57] Zhang Y, Li X, Song W.

Determinants of cropland abandonment at the parcel, household and village levels in mountain areas of China: A multi-level analysis

. Land Use Policy, 2014, 41: 186-192.

[本文引用: 2]     

[58] Huang Ying, Bao Anming, Wang Aihua, et al.

The LUCC responses to climatic change and human activity in Xinjiang in recent 25 years

. Journal of Arid Land Resources and Environment, 2009, 23(10): 116-122.

[本文引用: 1]     

[黄莹, 包安明, 王爱华, 等.

近25a新疆LUCC对气候变化及人类活动的响应

. 干旱区资源与环境, 2009, 23(10): 116-122.]

[本文引用: 1]     

[59] Hossell J E, Jones P J, Marsh J S, et al.

The likely effects of climate change on agricultural land use in England and Wales

. Geoforum, 1996, 27(2): 149-157.

[本文引用: 1]     

[60] Briner S, Elkin C, Huber R, et al.

Assessing the impacts of economic and climate changes on land-use in mountain regions: A spatial dynamic modeling approach.

Agriculture,Ecosystems & Environment, 2012, 149: 50-63.

[本文引用: 1]     

[61] Yu Qiangyi, Wu Wenbin, Yang Peng, et al.

Progress of agent-based agriculture land change modeling: A review

. Acta Ecologica Sinica, 2013, 33(6): 1690-1700.

[本文引用: 2]     

[余强毅, 吴文斌, 杨鹏, 等.

Agent农业土地变化模型研究进展

. 生态学报, 2013, 33(6): 1690-1700.]

[本文引用: 2]     

[62] Napton D E, Auch R F, Headley R, et al.

Land changes and their driving forces in the Southeastern United States

. Regional Environmental Change, 2010, 10(1): 37-53.

[本文引用: 1]     

[63] Yin R S, Xiang Q, Xu J T, et al.

Modeling the driving forces of the land use and land cover changes along the Upper Yangtze River of China

. Environmental Management, 2010, 45(3): 454-465.

[本文引用: 1]     

[64] Tsakovski S, Astel A, Simeonov V.

Assessment of the water quality of a river catchment by chemometric expertise

. Journal of Chemometrics, 2010, 24(11/12): 694-702.

[本文引用: 1]     

[65] Cai Yunlong.

A study on land use/cover change: The need for a new integrated approach

. Geographical Research, 2001, 20(6): 645-652.

[本文引用: 1]     

[蔡运龙.

土地利用/土地覆被变化研究: 寻求新的综合途径

. 地理研究, 2001, 20(6): 645-652.]

[本文引用: 1]     

网站版权 © 《地理学报》编辑部
地址：北京市朝阳区大屯路甲11号　
邮编：100101
电话：64889295，64888892，64889447（编务），64888410（排版）　
传真：64889295　
E-mail：geog@igsnrr.ac.cn，dlxb@igsnrr.ac.cn，qkpb@igsnrr.ac.cn(排版)
本系统由北京玛格泰克科技发展有限公司设计开发

/

〈 〉