1995—2020年氣候變化和耕地利用變化對中國耕地氣候生產潛力的影響分析

劉澤瑾，焦利民，連喜紅

（1.武漢大學資源與環境科學學院，湖北 武漢 430070；2.武漢大學地理信息系統教育部重點實驗室，湖北 武漢 430070）

中國作為人口大國，糧食安全問題一直是國家發展關注的重點話題，全球變暖的趨勢對我國糧食安全提出了新的挑戰[1]。氣候變化引起的水熱條件的改變對地區農業生產產生了不可忽視的影響。溫度上升增加了農業熱量資源，有利于種植制度的調整，但其帶來的農業災害加重、耕地質量下降等問題對我國糧食安全構成了一定威脅[2-3]。面對氣候變化對農業生產帶來的雙重影響，如何保障糧食生產安全成為了學術界關注的熱點。此外，土地利用變化作為人類活動與自然相互作用的直接體現，通過改變耕地的數量、質量與利用結構等直接影響耕地生產力[4-5]。建設用地面積的劇增引起的耕地面積的減少與耕地保護政策推行下土地開發、整治與復墾工程帶來的耕地面積的增加都對地區糧食生產能力具有重要影響[6-8]。氣候變化與耕地利用變化作為影響耕地氣候生產潛力的兩大主要因素，兩者之間復雜的相互作用共同驅動耕地氣候生產潛力的變化。因此，定量分析兩者對耕地氣候生產潛力的影響，并探討其相對貢獻的空間異質性，對未來土地資源配置、農業政策制定以及糧食安全保障具有重要意義。

耕地氣候生產潛力（Cultivated Land Climatic Potential Productivity，CLCPP）作為評價糧食生產能力的重要指標，指耕地在除氣候條件之外的其他條件都達到最佳狀態的情況下，其可能達到的作物產量的最大值，在一定程度上反映了耕地的生產能力[9-10]。目前，國內關于耕地氣候生產潛力的研究主要可以分為兩個方面：一方面是對耕地氣候生產潛力的時空演變特征進行研究，許多學者針對不同時空尺度（全國[11-12]、分區[10,13]和省份[14-15]等）開展了耕地氣候生產潛力的地理分異與時間演變特征研究，現有研究主要集中對局部地區耕地氣候生產潛力的探究，對全國范圍地域差異的分析相對較少。另一方面則是對耕地氣候生產潛力變化的影響因素進行探討，重在探究氣候因子與人類活動因子對耕地氣候生產潛力的影響。研究表明降水和溫度是驅動地區糧食生產格局變化的主要氣候因子[16]，也有研究指出建設占用以及退耕還林還草政策的實施導致的耕地面積減少是耕地糧食生產潛力總量受損的主要原因[17]。

總體來看，當前研究大多基于長時間序列對耕地氣候生產潛力的變化特征展開分析并進行未來氣候情景下的預測[10-15]。對耕地氣候生產潛力變化影響因素的研究重在土地利用變化具體影響的量化[16-21]，雖有學者定量分析了氣候變化和耕地利用變化對區域耕地生產潛力的共同作用[22-24]，但少有研究從全國尺度探究兩者對耕地氣候生產潛力的具體貢獻及區域差異，氣候變化與耕地利用變化對耕地氣候生產潛力的協同影響及貢獻程度尚不明確。因此，本文基于1995—2020年中國6期耕地氣候生產潛力的測算，利用情景分析定量化了氣候變化和耕地利用變化對耕地氣候生產潛力變化的相對影響，并從農業區劃與網格尺度探討不同區域兩者對耕地氣候生產潛力變化影響的差異，以期為提高氣候變化應對效率、實現糧食生產差異化管理從而保障糧食安全提供一定的理論支撐。

1 數據與方法

1.1 數據來源

本文所使用數據包括氣候數據、土地利用數據、農業分區數據與社會經濟統計數據等。考慮到數據的一致性與可得性，選取1995—2020年作為研究的時間跨度，以5年為間隔，共收集了6期數據。其中，氣候數據來源于中國氣象數據網的中國地面氣候資料日值數據集（V3.0）（http://data.cma.cn/），選取日降水量（mm）及日均溫度（℃）數據，利用專業氣象插值軟件ANUSPLIN在考慮地形高程差異的條件下進行空間插值，得到全國范圍內300 m×300 m的年降水量與年平均溫度的空間分布圖，以此作為測算耕地氣候生產潛力（CLCPP）的基礎。土地利用數據來源于歐洲空間局氣候變化項目土地覆蓋數據集，數據精度為300 m（https://cds.climate.copernicus.eu/），主要考慮雨養和灌溉的耕地類型，基于此提取相應年份的耕地分布數據。農業分區則依據中科院資源環境科學與數據中心（https://www.resdc.cn/）發布的中國九大農業區分布數據劃分。社會經濟數據來源于國家統計局的《中國農村統計年鑒》和《中國縣域統計年鑒》（http://www.stats.gov.cn/），用于對耕地氣候生產潛力測算結果的進一步驗證[4,11,17]。

1.2 研究方法

1.2.1 耕地氣候生產潛力的測算

（1）Thornthwaite Memorial模型。目前關于氣候生產潛力測算的研究已建立了較為成熟的模型體系，例如MIAMI[25]、THORNTHWAITE MEMORIAL[26]、CHIKUGO[27]以及 GAEZ[28]等。Thornthwaite Memorial模型在Miami模型的基礎上考慮了植物的實際蒸散量對植物產量的影響，其測算的耕地氣候生產潛力相較于Miami模型更符合實際生產情況。此外，該模型所需參數少，可操作性強，大量研究表明該模型的測算結果較為精確，適用于大范圍的氣候生產潛力研究[29-31]。模型的具體公式如下[26]：

式（1）—式（3）中：t為年平均溫度（℃）；p表示年降水量（mm）；E0為年最大蒸散量（mm）；ET表示年均實際蒸散量（mm）；TSP為氣候生產潛力（g·m-2·a-1）。

耕地氣候生產潛力總量的計算如下：

式（4）中：CLCPP表示某一年的耕地氣候生產潛力總量（t）；S為耕地面積（km2）。

（2） 模型測算結果的檢驗。利用區縣糧食統計數據對模型的測算結果進行驗證[4,11,17]，研究收集了1995—2015年5期區縣糧食總產量數據，與對應年份的耕地氣候生產潛力總量進行相關性分析（圖1）。基于區縣單元的全國尺度驗證結果表明，實際糧食產量與測算值之間具有較強相關性，5期數據Pearson相關系數均大于0.72，且p＜0.01。基于區縣單元的省級尺度驗證結果表明，大部分省份實際糧食總產量與測算值之間顯著相關，5期數據Pearson相關系數均大于0.60，且p＜0.01，由于北京、上海及海南等6個省（直轄市、自治區）區縣單元的糧食統計數據較少，因此未對這些地區進行驗證。整體來看，測算結果能夠有效表征地區耕地生產能力。

圖1 各省份CLCPP總量與實際糧食總產量的相關系數Fig.1 Correlation coefficient between total CLCPP and actual grain yield in each province

1.2.2 基于情景分析的相對貢獻評估

氣候變化與耕地利用變化作為影響耕地氣候生產潛力變化的兩大主要因素，通過設定氣候條件不變、耕地利用不變兩種情景測算CLCPP總量（表1）。對于氣候條件保持不變，耕地利用不斷發生變化的情景，研究假設1995—2020年全國的氣候狀況并未發生明顯變化，以1995年的氣候狀況為基準測算研究時段內的CLCPP總量；對于耕地利用固定不變的情景，則以1995年的耕地分布代替各時段的耕地利用狀況，測算研究時段內的CLCPP總量。

表1 CLCPP總量測算情景設置Tab.1 Scenario setting for calculating CLCPP

利用基于時間的線性回歸分析測算不同情景下CLCPP總量的變化趨勢，從而將氣候變化和耕地利用變化的影響與其他可能影響CLCPP的因素（如農藥化肥的施用，農業技術的改變等）區分開來，并在此基礎上進一步區分氣候變化與耕地利用變化對CLCPP的相對貢獻[32]。根據下式測算CLCPP總量的變化趨勢：

式（5）中：y表示不同情景下的CLCPP總量（t）；t為相應的時間間隔；α為方程的截距；β則反映不同情景下CLCPP總量的變化趨勢；ε為誤差項。

根據CLCPP總量的實際變化與氣候條件恒定不變情景下CLCPP總量的變化之差，可以得到氣候變化對CLCPP總量變化的影響（ΔClim）；同理耕地利用變化對CLCPP總量變化的影響則由CLCPP總量的實際變化與耕地利用固定不變情景下CLCPP總量的變化之差（ΔCLucc）反映；此外，CLCPP總量的實際斜率與恒定氣候條件和耕地利用情景下得到的CLCPP總量的斜率之和之間存在一定差異，表明存在氣候變化與耕地利用變化無法解釋的其他因素會對CLCPP總量產生影響，其他因素的影響則反映在殘差部分（ΔR）。因此，氣候變化、耕地利用變化與其他因素對CLCPP總量變化的相對貢獻計算公式如下[32]：

式（6）—式（8）中：CClim、CCL與CR分別表示氣候變化、耕地利用變化與其他因素對CLCPP總量變化的相對貢獻。氣候驅動、耕地利用變化誘導與其他因素影響對CLCPP總量變化的貢獻之和為1。利用Maxwell三角形生成合成圖來反映三個影響因子的貢獻在網格尺度上的地理分布。

2 結果與分析

2.1 中國耕地氣候生產潛力的空間格局特征

根據1995—2020年6期耕地氣候生產潛力的測算結果可以看出（圖2），中國耕地單位面積氣候生產潛力總體呈現出自北向南逐漸增加的分布格局。1995—2020年，中國耕地單位面積氣候生產潛力為1 159.29 t/km2。其中，2010年之前高值區（＞2 000 t/km2）主要分布在華南區西南部，2010—2020年高值區的范圍明顯擴大至云貴高原農業區的東南部；我國耕地單位面積氣候生產潛力的低值區（≤500 t/km2）則主要分布在北方干旱半干旱農業區的西北部。

圖2 1995—2020年中國耕地氣候生產潛力空間分布Fig.2 Spatial distribution of CLCPP in China from 1995 to 2020

以2020年為例，可以看出，各地耕地單位面積氣候生產潛力存在較大差異。從農業分區來看，華南區耕地單位面積氣候生產潛力最大，為2 012.67 t/km2，而北方干旱半干旱區由于水熱條件的限制，其耕地單位面積氣候生產潛力最小，僅為583.84 t/km2。除北方干旱半干旱區、東北平原區、黃土高原區與青藏高原區等氣候條件較為惡劣的農業區外，其他農業區耕地單位面積氣候生產潛力均超過了全國平均水平（圖3（a））。進一步探究省級尺度的耕地單位面積氣候生產潛力可以發現，耕地氣候生產潛力的分布存在更為明顯的區域差異，氣候條件優越的海南省耕地單位面積氣候生產潛力是生產潛力最低的新疆自治區的10余倍（前者的耕地單位面積氣候生產潛力高達2 182.04 t/km2，后者僅為206.24 t/km2）。

圖3 2020年各農業區及各省耕地單位面積氣候生產潛力和總量情況Fig.3 The mean and the total of CLCPP in each agricultural region and each province in 2020

從耕地氣候生產潛力總量來看，2020年，中國耕地氣候生產潛力總量為25.97億t。長江中下游、黃淮海平原與東北平原區作為我國重要的糧食主產區，其CLCPP總量遠超其他農業區。其中，氣候適宜、耕地資源豐富的長江中下游農業區的CLCPP總量最大，為6.50億t。而總量最小的青藏高原農業區受氣候條件與地形地貌等自然因素的限制，其CLCPP總量僅有0.19億t[33]。分省來看（圖3（b）），耕地面積最大的黑龍江省的CLCPP總量要遠高于其他省份，為2.27億t，雖然黑龍江省的耕地單位面積氣候生產潛力較低（為833.61 t/km2），但在地形土壤等其他自然因素的影響下，豐富的耕地資源使其生產潛力得到了較大提升[34-35]；西藏自治區受自然條件的約束，其CLCPP總量僅為0.08億t，相較于糧食種植為主的農業發展方式，該地更適宜發展經濟作物與畜牧結合的高寒農業[36]。此外，河南、山東作為我國重要糧食生產基地，其氣候條件雖弱于南方大部分省份，但其CLCPP總量僅次于黑龍江省（分別為2.03億t和1.93億t）。

2.2 1995—2020年中國耕地氣候生產潛力總量的時間變化特征

從1995—2020年全國耕地氣候生產潛力的總量變化來看（圖4（a））：研究期內，中國耕地氣候生產潛力呈現明顯的波動性上升趨勢，總量由1995年的24.95億t波動增長至2020年的25.97億t。研究期內，受開墾政策的鼓勵，耕地增加重心逐漸北移，北部農業區（東北平原區與北方干旱半干旱區）耕地面積顯著增多[37-38]，而氣候變化引起的溫度上升與降水增加，改善了部分區域農業氣候資源的配置狀況，在兩者的共同影響下，我國耕地氣候生產潛力有明顯提升[17,39]。

圖4 1995—2020年全國及各農業區耕地氣候生產潛力總量變化Fig.4 Change of Total CLCPP in China and each agricultural area from 1995 to 2020

依據農業區劃探究中國耕地氣候生產潛力變化的區域差異（圖4（b）—（j）），結果表明，各農業區的耕地氣候生產潛力總量變化存在明顯差異。1995—2020年，作為我國糧食主產區的長江中下游地區CLCPP總量在1995—2010年明顯增加，2010—2020年略有下降，總體呈現增長態勢。位于我國東南部水熱條件優越的華南區，其CLCPP總量呈一定下降趨勢，2020年該區CLCPP總量相較于2000年減少0.12億t。黃淮海平原區的CLCPP總量則在5.10億t～5.25億t范圍內上下波動。我國北部兩大農業區CLCPP總量呈現明顯上升趨勢（東北平原區與北方干旱半干旱區CLCPP總量分別增加了12.78%和21.90%）。黃土高原區與西南部的四川盆地和云貴高原農業區CLCPP總量雖有明顯波動，但總量在研究期前后的變化較小。青藏高原區CLCPP總量雖表現出明顯上升趨勢（增幅為17.70%），但由于其獨特的氣候條件與地理位置，該區適宜耕作的面積遠小于其他農業區，因此，其CLCPP總量始終處于最低水平。

各省耕地氣候生產潛力總量的變化亦存在明顯差異（圖5）。廣東、浙江與江蘇作為我國經濟發展水平較高的省份，其CLCPP總量相較于其他省份呈現出明顯的下降態勢；三省氣候濕潤、地形平坦，其優越的自然條件十分適宜糧食作物的生長，但是受快速城市化的影響，耕地面積被擠占，在一定程度上降低了地區糧食的生產潛力[35,39]。位于中部的湖北、湖南和安徽與北部的河南和山東作為我國五大重要糧食生產地，其CLCPP總量相對穩定。黑龍江、吉林、遼寧與內蒙古作為北方新增耕地的主要來源地，其CLCPP總量均呈現明顯的上升趨勢。此外，新疆的CLCPP總量雖較低，但其增長態勢顯著。

圖5 1995—2020年各省份CLCPP總量變化Fig.5 Changes of Total CLCPP in each province from 1995 to 2020

2.3 氣候變化與耕地利用變化對CLCPP變化的相對貢獻分析

為進一步量化氣候變化與耕地利用變化對CLCPP總量變化的相對影響，研究在測算1995—2020年CLCPP總量的實際變化斜率的同時，計算氣候條件恒定與耕地利用狀態恒定兩種假設情景下CLCPP總量的變化，利用斜率差分別對氣候變化與耕地利用變化的貢獻進行量化，具體的測算結果見表2。結果表明，就全國整體來看，氣候變化對CLCPP總量變化的相對貢獻率達到了69.26%，耕地利用變化對CLCPP總量變化的影響占30.11%，其中，氣候變化提升了我國耕地氣候生產潛力，而耕地利用變化對CLCPP總量具有負向影響。

表2 不同情景CLCPP總量年變化率及相對貢獻率分析Tab.2 Annual change rate and relative contribution rate of Total CLCPP under different scenarios

不同情景下各區CLCPP總量的變化率（表2）表明，耕地利用不變情景下，各區CLCPP總量均呈現正向增加趨勢，說明氣候變化促進了各區CLCPP總量的提升。氣候條件不變情景下，北方干旱半干旱區、東北平原區與青藏高原區CLCPP總量呈增長態勢，其他農業區則表現出不同程度的損失，表明大部分農業區CLCPP總量的變化受耕地利用變化的負向影響，其主要原因在于耕地面積的減少與耕地占補的區域不均衡。1995—2020年，中國耕地面積的凈增加（占少補多區）主要出現在北部農業區，耕地侵占則主要發生在經濟快速發展地區（如長三角、珠三角和省會城市周邊）（圖6，圖中耕地占比分別表示單個9 km×9 km的格網內新增或占用耕地面積的占比）。除長江中下游地區，其他農業區占用耕地的單位面積氣候生產潛力均高于新增補充耕地，表明大部分農業區占用耕地的水熱條件優于新增耕地，其中，四川盆地占、補耕地的水熱條件差異最大（圖6（a））。從潛力總量來看（圖6（b）），北部兩大農業區CLCPP總量的增補高于損失，表明地區占、補耕地的水熱條件雖存在占優補劣的現象，但耕地面積的凈增加仍有效促進了地區CLCPP總量的增加。此外，耕地的占優補劣明顯加劇了黃淮海平原CLCPP總量的減少，而占劣補優則縮小了長江中下游平原區CLCPP總量的損失[9]。

圖6 1995—2020年各農業區耕地變化及其CLCPP變化Fig.6 Changes of cultivated land and CLCPP in each agricultural region from 1995 to 2020

表2中相對貢獻率的測算結果顯示，氣候變化和耕地利用變化對CLCPP總量變化的相對影響在不同農業區中的表現具有明顯差異。華南區與黃淮海平原區作為我國城鎮化水平較高地區，耕地利用變化對地區CLCPP總量的影響強于氣候變化，其中，耕地利用變化對經濟相對發達的華南區CLCPP總量的影響更大（CCL= 60.47%）。作為糧食主產區的黃淮海平原的氣候條件相對較弱，水熱條件改善帶來的地區CLCPP總量的增加與耕地面積減少引起的CLCPP總量的減少相對持平，因此氣候變化與耕地利用變化對黃淮海平原區CLCPP總量的相對貢獻差別較小。長江中下游地區作為經濟發展相對迅速的農業區，氣候變化對該區CLCPP總量的影響更大。位于我國北部的東北平原區與北方干旱半干旱區是我國近年來耕地擴張的兩大熱點地區[35]，氣候變化帶來的水熱條件的改善提升了兩區的糧食生產潛力，耕地面積的增加進一步提升了地區CLCPP總量，其中，東北平原區CLCPP受到氣候變化的顯著影響（CClim= 86.88%）。相較于耕地利用變化，位于西南部的兩大農業區受氣候變化影響更大，氣候變化對四川盆地CLCPP總量的影響相較于云貴高原更大。黃土高原與青藏高原作為我國重要的生態敏感區，氣候變化對兩區均具有較強影響，其中，人類活動強度較弱的青藏高原受氣候變化的影響更大。

進一步從網格尺度（3 km×3 km）探究氣候變化與耕地利用變化對CLCPP總量的相對貢獻的空間分布（圖7）。耕地利用變化的高貢獻率主要分布在各省會城市及周邊地區，各省會城市及周圍人口不斷積聚、經濟發展迅速，是耕地面積減少的主要地區，建設用地是流失耕地的主要去向，耕地面積的不斷減少導致地區糧食生產能力受損[31,35]。黃淮海平原與華南區作為受耕地利用變化影響較大的兩大農業區，黃淮海平原區耕地氣候生產潛力總量受耕地利用變化的影響范圍更大，華南區所受影響則主要集中在珠三角地區附近。氣候變化貢獻率的分布相較于耕地利用變化要更為復雜，影響范圍也更為廣泛，其高值主要分布在長江中下游地區中部與北部、四川盆地和云貴高原農業區東部以及東北平原和北方干旱半干旱區的大部分地區，表明在這些地區，水熱條件的改善是提升地區農業生產潛力的關鍵因素。剩余因素的高貢獻率主要分布在新疆西北部局部地區，表明該地區農業生產更多的受到農業技術、農業政策等其他因素的影響[40]。

圖7 耕地利用變化、氣候變化及剩余因素對CLCPP相對貢獻率的空間分布Fig.7 Spatial distribution of relative contributions of cultivated land use change, climate change and residual factors

3 結論和討論

3.1 結論

耕地氣候生產潛力作為反映耕地生產能力的重要指標，其變化主要受氣候變化與耕地利用變化的綜合影響。本文基于情景假設，利用趨勢差定量化氣候變化與耕地利用變化對耕地氣候生產潛力變化的相對貢獻，并分別從農業區劃與網格尺度探究兩者貢獻程度的區域差異，主要結論如下：

（1）1995—2020年，耕地單位面積氣候生產潛力總體呈現南高北低的格局，高值區（＞2 000 t/km2）主要分布在華南農業區，低值區（≤500 t/km2）則主要分布在北方干旱半干旱農業區的西北部。2020年，長江中下游地區CLCPP總量高達6.50億t，遠超其他農業區，而青藏高原農業區的CLCPP總量僅有0.19億t。

（2）1995—2020年，全國耕地氣候生產潛力總量呈現波動性增長，由1995年的24.95億t變為2020年的25.97億t，增幅約4.09%。北部農業區CLCPP總量呈現明顯上升態勢（增幅分別為12.78%和21.90%），華南區近20年來的CLCPP總量則表現出明顯的下降趨勢（降幅約7.31%）。

（3）氣候變化促進了耕地氣候生產潛力總量的提升，耕地利用變化則對大部分農業區CLCPP總量的變化具有負向影響。從網格尺度來看，耕地利用變化的強影響區主要分布在人類活動強度高、經濟發展更為快速的地區（如省會城市），而氣候變化對各農業區均具有廣泛影響。

（4）從占補耕地CLCPP的差異來看，我國耕地占補總體呈現“占優補劣”。耕地的“占多補少”與“占優補劣”對水熱條件優越的華南區影響最大（CCL=60.47%），長江中下游地區耕地的“占劣補優”則在一定程度上抵消了耕地面積減少的負向影響；北部農業區CLCPP總量的增加受氣候變化與耕地“占少補多”的共同影響。

3.2 啟示與討論

氣候變化引起的氣溫升高與降水格局改變對我國糧食生產具有一定的正面增產作用，耕地氣候生產潛力得到提升[11,39]。但從總量上來看，部分農業區單位面積生產潛力的提高并不能彌補耕地利用變化帶來的耕地氣候生產潛力總量的損失（如華南區）。因此，在土地利用快速變化的地區，推進城鎮化建設的同時需重點關注經濟發展與耕地保護之間的關系[9,41]。此外，氣候變化引起的極端氣候事件頻率增加，增大了自然災害（洪澇、干旱）對糧食生產的威脅[42]。因此，在面對全球氣候變暖趨勢的影響時，地區要結合自身實際情況充分利用氣候變暖帶來的水熱資源優勢，在追求耕地占補保量的同時要注重質量的平衡，從而提升區域糧食生產能力，以緩解氣候變化可能對糧食安全產生的不利影響。

本文利用情景分析的方法量化了氣候變化與耕地利用變化對耕地氣候生產潛力的貢獻程度，對兩者共同作用的定量化分析進行了補充。研究由于數據限制采用Thornthwaite Memorial模型對耕地氣候生產潛力進行測算，總體上雖能反映耕地氣候生產潛力的時空變化特征，但測算結果不適用于小尺度研究。后續研究可考慮在未來多要素氣候情景下，耦合復雜土地交互過程預測區域糧食生產潛力，為農業發展的分區管制提供理論支撐。