摘要
气候是决定农业生产的要素之一。近年来中国耕地面积呈现增加-减少-增加的波动特征,但是关于耕地面积对气候变化的响应却鲜有研究。本文基于高时空分辨率的耕地分布数据和气象再分析数据,应用固定效应模型,在分离政策等人为因素的情况下,拟合了中国耕地面积对温度和降水的响应函数,定量评估了2000—2019年日尺度温度、降水对中国耕地面积的影响。结果显示,温度升高、日降水量适量增加有利于耕地面积增加。相较于降水,温度对耕地面积的影响更大,整体导致耕地面积增加1.22%。在研究时段内,气候变化使得中国耕地面积略有增加,主要是由于寒冷(日平均气温低于-10 ℃)天数的减少和高温(日平均气温高于30 ℃)天数的增多造成的,两者的影响分别为0.67%和0.31%。未来需要更加关注极端天气事件对耕地面积的影响。
Abstract
With the rapid advancement of industrialization and urbanization,global climate change has accelerated,marked not only by rising temperatures but also by more frequent extreme weather events such as heat waves,intense precipitation,and prolonged droughts.These changes pose significant challenges to human societies.As a critical component of agricultural production,cropland is highly sensitive to climatic variations,thereby influencing the sustainability of food systems.In recent years,cropland area in China has exhibited a fluctuating trend;however,few studies have systematically investigated its response to recent climate change.In this study,we utilize high-resolution land cover and meteorological reanalysis dataset to assess the spatiotemporal response of cropland area in China to variations in temperature and precipitation from 2000 to 2019.A fixed-effects regression model is employed to isolate the climatic effects by controlling for human factors such as policy interventions.Our findings indicate that China has been undergoing a shift toward warmer and drier conditions.The relationship between cropland area and climatic variables is non-linear:higher temperatures and moderate precipitation are generally favorable for cropland expansion.Compared with precipitation,temperature exerts a stronger influence,contributing to a 1.22% increase in cropland area during the study period.Specifically,reductions in the frequency of cold days (daily mean temperature below -10 ℃) and increases in hot days (above 30 ℃) contributed 0.67% and 0.31%,respectively,to cropland expansion.However,the growing frequency of extreme rainfall events,particularly during the later stages of crop growth,has had a significant negative impact on cropland.These results highlight the importance of accounting for extreme weather events when evaluating cropland dynamics.Moreover,human factors,especially policy-related land use changes,remain crucial.In regions with high cropland quality,such as southern China and the middle and lower reaches of the Yangtze River,policy-driven losses may counteract the positive climatic effects on cropland.Going forward,maintaining cropland quantity should be balanced with ensuring its quality to support sustainable agricultural development.
Keywords
随着工业化和城镇化的快速发展，全球气候正在发生前所未有的变化。联合国政府间气候变化专门委员会（IPCC）第六次评估报告（AR6）指出，2001—2020年全球地表平均温度相较于1850—1900年高0.99℃（IPCC，2021）。在以全球变暖为主要特征的气候变化背景下，高温热浪、极端降水、持续干旱等极端事件频发（Perkins-Kirkpatrick and Lewis，2020; Thackeray et al.，2022; Yuan et al.，2023），对当地经济发展和社会生活等造成巨大威胁。农业对气候变化极其敏感（Lobell et al.，2011）。据估计，气候变化可以解释全球约三分之一的粮食产量变化（Ray et al.，2015）。1961年以来，气候变化导致全球农业全要素生产率下降约五分之一（Ortiz-Bobea et al.，2021）。
耕地对粮食生产至关重要，耕地的时空变化在很大程度上影响了农业的生态服务功能（Shi et al.，2016），定量评估气象条件对耕地产出的影响对于应对气候变化具有重要科学意义。温度和降水指标被认为是影响作物生长的重要因素（Porter and Semenov，2005; Lobell et al.，2011），并在耕地影响评估中被广泛使用（Wang et al.，2022; Kennedy et al.，2023）。以往研究较多关注气候变化对作物单位面积产量的影响（Iizumi and Ramankutty，2016; Zhao et al.，2017; Kukal and Irmak，2018; Sloat et al.，2020），发现较高的温度通过缩短作物生长期导致作物产量减少（Fatima et al.，2020），生长季过量的降水也会对作物产量造成负面影响（Urban et al.，2015）。然而，研究忽视了耕地面积同样会影响耕地的总产出，且对气候变化表现出敏感性，仅仅关注单位面积产量可能会使耕地对气候变化的脆弱性评估产生偏差（Cohn et al.，2016）。Zhang and Cai（2011）在全球层面评估了不同增温情景下农业用地的变化情况; 研究发现，气候变化可能导致北半球高纬度国家的耕地面积出现不同程度的增加。Zaveri et al.（2020）基于面板数据分析了降雨异常对耕地面积的影响，发现干旱导致发展中国家耕地面积扩大。然而，现有研究仍然缺乏针对中国耕地面积对气候变化响应的研究。
中国是一个人口大国，以不到全球十分之一的耕地养活了世界五分之一以上的人口（Cui and Shoemaker，2018），在粮食安全方面对气候变化更为敏感。部分学者围绕东北、华北、华南等区域，研究了气候变化背景下农业气候资源的变化，发现20世纪60年代以来，中国热量条件显著改善，降水量变化空间差异明显，东北地区年降水量和生长季降水量呈现下降趋势，而华南地区则表现出略微增加（刘志娟等，2009; 谭方颖等，2009; 李勇等，2010）。杨晓光等（2010）基于历史观测数据研究发现，气候变化导致的温度升高使得积温增加，中国种植北界出现北移，而降水量减少则导致雨养冬小麦-夏玉米稳产的种植北界向东南方向移动。然而，这种种植界线的移动并不能直接对应耕地面积的变化。随着高精度时空分辨率的耕地数据集的出现，在更精细的尺度上利用数理统计方法定量探究耕地面积与温度、降水等因素的关系成为可能。例如:Wang et al.（2022）利用气候计量模型评估了温度对中国土地利用的影响。但其时间范围为1980—2010年，缺乏近年来耕地面积对气候变化响应的评估，且缺乏降水对耕地面积影响的讨论。
基于此，本研究选取高时空分辨率的温度、降水数据以及土地覆盖数据，分析了气候变化背景下，2000—2019年中国耕地面积和温度、降水的时空变化情况，并采用固定效应模型定量评估了20年内日尺度温度、降水对中国耕地面积的影响，以期加深对不同地区耕地面临的气候风险的认识，为制定农业政策应对气候变化提供科学依据。
1 资料与方法
1.1 数据来源
本研究使用的主要数据包括气象数据和土地覆盖数据。2000—2019年的温度、降水数据来自欧洲中期天气预报中心（ECMWF）提供的ERA5-Land大气再分析数据集（Muñoz-Sabater et al.，2021）。该数据集将模型数据与世界各地的观测数据相结合，时间分辨率为1 h，空间分辨率为0.1°×0.1°。2000—2019年的土地覆盖数据来自清华大学发布的中国一年生农田数据集（简称CACD数据集）（Tu et al.，2024），其空间分辨率达到30 m，平均总体精度约为0.93。该数据集通过整合Landsat卫星影像等多源遥感数据和机器学习技术，实现了中国大规模和高精度的耕地动态监测，在时间和空间方面具有较高的一致性。与现有的其他数据集相比，CACD数据集在制图准确性、与统计数据的相关性等方面表现更优。在本研究中，耕地定义为在种植日期后的12个月内至少种植并且可收获1次的土地，由于水果、茶叶和咖啡种植园的植被信号更接近于树木，所以它们并没有包括在内。为了便于评估，研究计算了每个0.1°×0.1°网格中耕地面积的占比，以此与温度、降水数据对应。同时，由于香港、澳门、台湾数据缺失较多，所以计算时并未将其包括在内。
1.2 固定效应模型构建
为分离政策因素对结果的干扰，本研究构建了一个固定效应模型，以评估温度、降水对中国耕地面积的影响，其他变量（如土壤湿度等）由于与温度、降水等变量混淆，导致不能很好地区分各自的响应，所以并未将它们纳入模型。
为了考虑不同温度和降水段的影响，本研究使用了广泛使用的温度箱方法（Wang et al.，2022），将温度拆分为间隔5℃的区间，范围从-10℃以下至30℃以上，统计每日平均温度落在各个区间的天数。同样对日降水量进行类似的处理，参考中国气象局颁布的降水强度等级，研究将各区间依次划分为0 mm、（＞0）~＜0.1 mm、0.1~＜10 mm、10~＜25 mm、25~＜50 mm、50~＜100 mm以及100 mm及以上。
随后，利用最小二乘法进行回归，以解释耕地面积对不同温度、降水区间的敏感性。回归模型如式（1）、（2）所示:
(1)
其中:Yi，t代表第t年第i个网格中的耕地面积; f（Wi，t; βe）表示网格点i上特定温度、降水天数分布（Wi，t）对耕地面积的影响; ci代表空间固定效应，用于解释不随时间变化的空间异质性; yj，t代表省份-年份固定效应，用于控制一年中每个省份受到的共同冲击，如政策变化、作物价格变化等，之所以选择在省级层面进行固定是因为许多影响耕地面积的农业政策是针对特定省份进行制定和实施的，本研究通过逐年的非参数控制来区分区域政策效应，从而不会混淆对气候影响的识别（Cui and Zhong，2024）; εi，t是随机误差项。考虑到模型的稳健性，本研究在县级层面对标准误差进行聚类处理，允许在县级层面存在任意的空间相关性。
(2)
式中:Ti，a，t代表第t年第i个网格日平均温度落在第a个区间的天数; Pi，b，t代表第t年第i个网格日降水总量落在第b个区间的天数; n和m分别代表n个温度区间和m个降水区间，为避免严重的多重共线性，本研究根据方差膨胀因子检验结果，排除了15~≤20℃和0.1~＜10 mm作为“遗漏类别”（刘朋等，2022; Choi et al.，2024）; β1，a和β2，b代表回归系数。
考虑到生长季内的温度、降水变化会通过影响作物产量进而影响耕地面积，为了考虑这一效应，本研究将生长季定义为4—10月（吴蓓蕾等，2021），统计生长季内每日平均温度和降水量落在各个区间的天数，并使用固定效应模型进行了回归分析。由于生长季内温度低于0℃的天数较少，所以温度箱调整为5℃及以下、5~≤10℃、10~≤15℃、15~≤20℃、20~≤25℃、25~≤30℃以及30℃以上。本研究将生长季时长平均划分为两段，进一步区分了生长季前期和生长季后期的不同影响，并比较了系数差异，如式（3）所示:
(3)
其中:Tc，i，a，t和Td，i，a，t分别代表第t年第i个网格生长季前期（c）和生长季后期（d）日平均温度落在第a个区间的天数; Pc，i，b，t和Pd，i，b，t分别代表第t年第i个网格生长季前期（c）和生长季后期（d）日降水总量落在第b个区间的天数; β1，a、β2，a、β3，b和β4，b代表回归系数。
此外，灌溉可能影响耕地面积对温度、降水的响应，本研究对灌溉区和非灌溉区的数据进行了分组回归，以解释灌溉效应。其中，灌溉区域包括江苏、安徽、四川、湖南、湖北等省，而非灌溉区域包括黑龙江、内蒙古、山东、河北、河南等省及自治区（Wang et al.，2022）。
1.3 影响因素贡献分析
基于第1.2节构建的固定效应模型，研究进一步评估了研究时段内日尺度温度、降水对中国耕地面积的影响。分别利用2000—2002年和2017—2019年各温度、降水区间的平均天数表征研究时段初期和末期温度、降水的分布情况，以此避免单一年份的温度、降水异常对结果造成影响。两个时间段各温度、降水区间的差值即为日尺度温度、降水的变化情况。
结合根据式（1）、（2）拟合得到的回归系数，可以得到研究时段内耕地面积变化的百分比，以此作为2000—2019年中国耕地面积对气候变化的总体响应。具体计算如式（4）所示:
(4)
其中:ΔYi表示第i个网格2000—2019年期间耕地面积增加或减少的百分比; ΔTi，a表示在研究时段内第i个网格日平均温度落在第a个区间的天数变化; ΔPi，b代表第i个网格日降水量落在第b个区间的天数变化。
2 结果与讨论
2.1 中国耕地面积的时空变化特征
对CACD数据集提取的耕地数据进行了统计分析。图1a显示，2000—2019年中国耕地面积总体呈减少趋势，2015年达到最低，之后略有回升。20年间，中国耕地面积减少约5.71×104 km2。与前10年（2000—2009年）相比，后10年（2010—2019年）耕地面积减少速度有所放缓，从前10年的-6 150.74 km2·a-1降低至后10年的-999.19 km2·a-1。可见，尽管2000年以来政府出台了一系列保护耕地的政策，如“增减平衡”的土地利用政策等，也在部分地区取得了成效，但整体来看，21世纪初快速的城市化进程依然使得建设用地迅速增多，从而导致耕地面积出现减少（Deng et al.，2015）。此外，大量农村人口涌入城市和农村人口老龄化也使得农村耕地荒弃（Xu et al.，2017; Ren et al.，2023）。从2019年不同区域耕地面积的占比（图1b）来看，中国耕地呈现出东多西少的特征，主要分布在东北地区、华北地区和长江中下游地区，其余地区分布较少且较为零碎。图1c、d分别给出了2000—2009年和2010—2019年每个网格上的耕地面积变化量。从耕地变化情况来看，原本耕地面积较多的华北地区、长江中下游地区出现明显减少，耕地面积的增加主要出现在西北、西南地区。东北部分地区在前10年耕地面积减少，但在后10年增加。
2.2 中国耕地面积加权的温度和降水变化
为了解研究时段内耕地所在地区的温度、降水变化情况，本研究计算了耕地面积加权的温度、降水变化。由图2可见，总体来看，就耕地而言，随着气候变化，中国整体向暖、向干变化。在过去20年中，中国耕地加权的平均气温呈现出波动上升特征，由2000年的284.93 K上升至285.98 K。从具体分布（表1）来看，2000—2019年中国耕地加权的日平均温度较多出现在20~≤25℃，约为86 d。从变化情况来看，20~≤25℃天数下降最为明显，达到-0.28 d·a-1，25~≤30℃天数上升最为明显，为0.57 d·a-1。在研究时段内，平均日降水量表现出波动下降的特征（图2）。日降水量在0.1~＜10 mm和10~＜25 mm的天数有所减少，（＞0）~＜0.1 mm的天数则呈现上升特征，这意味着在日尺度上，降水向干旱少雨方向转变（表1）。其中，日降水总量在10~＜25 mm的天数降低速度最快，达到-0.14 d·a-1，（＞0）~＜0.1 mm的天数上升最快，达到0.15 d·a-1。
图1中国耕地面积的时空变化特征:（a）2000—2019中国总耕地面积的变化（单位:104 km2）;（b）中国2019年耕地的分布（单位:%; 颜色显示了0.1°×0.1°网格上耕地面积的百分比）。（c）和（d）分别代表中国2000—2009年和2010—2019年0.1°×0.1°网格上耕地面积的变化量（单位:km2）
Fig.1Spatial and temporal characteristics of cropland area in China: (a) changes in China's total cropland area from 2000 to 2019 (units:104 km2) ; (b) spatial distribution of cropland in 2019 (color scale indicates the percentage of cropland within each 0.1°×0.1° grid cell) ; and (c) and (d) show changes in cropland area at 0.1°×0.1° resolution from 2000 to 2009 and from 2010 to 2019, respectively (units:km2)
图22000—2019年耕地加权平均的日平均温度（a; 单位:K）和日降水量变化（b; 单位:mm）
Fig.2Trends in climate variables weighted by cropland area from 2000 to 2019: (a) daily average temperature (units:K) ; (b) total annual precipitation (units:mm)
表1耕地加权平均的温度和降水分布及变化趋势
Table1Distributions and temporal trends of cropland-weighted average temperature and precipitation across China
注：各温度、降水区间的出现时间为2000—2019年的平均结果.
图3给出了2000—2019年耕地区域气温和降水的空间变化。可以看出，中国年平均温度总体呈现出南高北低的特征，其中山西、山东、河南、云南、福建等地温度显著升高。整体来看，日降水量从东南沿海向西北内陆地区逐渐减少，其中黑龙江部分地区日降水量显著增加，山东、河南、云南等地降水显著减少。
2.3 中国耕地面积对温度和降水的响应
本研究进一步对日尺度温度、降水对耕地面积的影响进行回归分析（表2）。结果显示，耕地对温度的响应是非线性的，较低的气温对中国耕地面积具有显著的负面影响，较高的温度（大于20℃）天数增多对耕地面积有一定的积极影响。在不考虑滞后效应的情况下，如果气候变化使某一天的温度从15~≤20℃永久升高至30℃以上，那么耕地面积将增加0.08%（95%置信区间（0.04%，0.11%））。
降水对耕地的影响同样是非线性的。从全国来看，整体而言，10~＜25 mm的日降水量对中国耕地面积有显著的积极影响。这说明降水的适量增加有利于耕地面积的增加，而当气候变化使某一天的降水从0.1~＜10 mm永久变化至0.1 mm以下或25 mm及以上时，均会对耕地面积造成不利影响。其中，当日降水量从0.1~＜10 mm永久变化至100 mm及以上时，负面影响最大，耕地面积将减少0.47%（95%置信区间（-0.80%，-0.13%））。研究使用随机生成的三分之一和三分之二的样本对模型进行了稳健性检验，发现子样本的拟合结果对全国而言依然稳健。
图32000—2019年年平均温度（a; 单位:K）、日降水总量（b; 单位:mm）、年平均温度的变化趋势（c; 单位:K·a-1）和日降水总量的变化趋势（d; 单位:mm·a-1）的分布（图3c和3d中阴影分别表示年平均温度变化趋势和日降水总量变化趋势通过了95%置信度的显著性检验）
Fig.3Spatial patterns of climatic variables from 2000 to 2019: (a) annual mean temperature (units:K) ; (b) daily total precipitation (units:mm) ; (c) trend in annual mean temperature (units:K·a-1) ; (d) trend in daily total precipitation (units:mm·a-1) .The trends shown in (c) and (d) are statistically significant at the 95% confidence level
表2中国耕地面积对温度、降水的响应
Table2Response of cropland area in China to variations in temperature and precipitation
注：因变量为耕地面积的对数; 标准误差在县级聚类; 校正R2=0.981 8，组内R2=0.001 2; ***代表p＜0.001，**代表p＜0.01，*代表p＜0.05.
2.4 温度、降水对耕地面积变化的贡献
结合耕地面积与气象要素之间的响应函数，研究估计了2000—2019年期间日尺度温度、降水的变化对耕地面积的影响，发现在研究时段内，温度、降水的变化使得中国耕地面积增加约0.28%。图4给出了日尺度温度、降水的变化对每个网格点上耕地面积的影响。可以看出，日尺度温度、降水的变化导致中国西北、西南、东南以及东北东部地区耕地面积增加，主要的负面影响出现在内蒙古东部、黑龙江西部、吉林、陕西等地。其中，西北地区温度、降水的变化导致的耕地面积增加与实际耕地面积变化情况较为吻合，这是因为这些地区的耕地面积更多地受到自然条件的制约（Liu et al.，2005），适宜的气候，尤其是持续的变暖，为作物生长和耕地扩张提供了有利的自然条件（Qin et al.，2013）。而中国东南部人口稠密地区温度、降水的变化导致的耕地面积变化与实际耕地变化吻合情况则相对较差，主要可能是因为这些地区的工业化和城市化水平较高，人为因素使得研究时段内耕地面积有所减少（Zhong et al.，2022）。
图42000—2019年温度、降水驱动的耕地面积变化百分比（单位:%）
Fig.4Percentage change in cropland area attributed to changes in temperature and precipitation (units:%)
相较于温度对耕地面积的影响，降水的影响要略小。整体来看，温度对耕地面积的影响达到1.22%，而降水的影响则约为-0.93%。为进一步识别对中国耕地面积变化影响较大的温度和降水区间，研究进一步计算了各温度、降水区间对中国耕地面积的影响。由图5并结合表2可见，中国耕地面积的增加主要是由于-10℃及以下天数的减少和30℃以上天数的增多导致的，两者的影响分别为0.67%和0.31%。这表明极端事件与耕地面积的变化十分紧密（Zhou et al.，2023）。从降水来看，日降水量0.1 mm以下天数的增多以及10~＜25 mm天数的减少共同导致了中国耕地面积的减少。其中:日降水量0.1 mm以下天数的增多影响较大，导致中国耕地面积减少约0.91%; 日降水量25 mm及以上天数的减少使得耕地面积增加约0.08%。
2.5 生长季内耕地面积对温度、降水的响应
本研究同样对生长季内耕地面积对温度、降水的响应进行了回归分析，结果与基线模型几乎完全相同，这表明按生长季划分，本研究结果依然稳健。进一步将生长季分为生长季前期和生长季后期进行回归（表3）。研究发现，在生长季前期，耕地面积对温度更敏感，且当某一天的温度从15~≤20℃下降至5℃及以下时，耕地面积将减少0.18%; 在生长季后期，耕地面积对降水更敏感，当某一天的降水从0.1~＜10 mm永久变化至100 mm及以上时，耕地面积将减少0.65%。
图5温度（a）和降水（b）对耕地面积变化的影响（单位:%）
Fig.5Isolated effects of (a) temperature and (b) precipitation on cropland area in China (units:%)
表3中国耕地面积对生长季不同时期温度、降水的响应
Table3Stage-specific responses of cropland area in China to temperature and precipitation during different phases of the growing season
注：因变量为耕地面积的对数; 标准误差在县级聚类; 校正R2=0.979 3，组内R2=0.002 4; ***代表p＜0.001，**代表p＜0.01，*代表p＜0.05.
耕地面积对温度和降水的响应有可能受到灌溉的影响。进一步对灌溉地区和非灌溉地区进行分组回归（表4）。研究发现，非灌溉地区和灌溉地区耕地对温度、降水的响应较相似。相较于灌溉地区，非灌溉地区耕地对降水的显著性明显提高，这表明非灌溉地区耕地面积更容易受到降水的制约。
3 结论和局限性讨论
2000—2019年期间，中国耕地整体暴露于气温更高、降水更少的环境中。总体来看，日尺度温度、降水的变化导致中国耕地面积增加，尤其是在西北地区。其中，温度起到积极作用，导致中国耕地面积增加1.22%; 降水起到消极作用，但是影响程度相对较小，为-0.93%。日平均气温在-10℃及以下的天数减少主导了中国耕地面积的增加，而日降水量在0.1 mm以下的天数增多对耕地面积的负面影响最大，灌溉一定程度上缓解了降水的影响。降水的适量增加有利于耕地面积的增加，暴雨的增多对耕地面积有显著的负面影响，尤其当暴雨发生在生长季后期。此外，与其他温度段相比，极端寒冷（等于低于-10℃）和极端高温（高于30℃）天数的变化对耕地面积的影响更明显。上述结果表明，未来需要更加关注极端天气事件对耕地面积的影响。
表4灌溉对中国耕地面积对生长季温度、降水的响应的影响
Table4Influence of irrigation on the sensitivity of cropland area in China to temperature and precipitation during the growing season
注：因变量为耕地面积的对数; 标准误差在县级聚类; 对非灌溉地区进行回归分析，校正R2=0.977 9，组内R2=0.001 2; 对灌溉地区进行回归分析，校正R2=0.987 6，组内R2=0.002 9; ***代表p＜0.001，**代表p＜0.01，*代表p＜0.05.
值得注意的是，本研究重点关注2000—2019年期间日尺度温度、降水的变化对中国耕地面积的影响，基于数据驱动的评估方法能够较好地适用于特定时段和特定区域的分析，但由于结果在很大程度上受到数据本身的影响，使用基于历史数据拟合的模型来预测未来会引起一定的偏差。此外，温度和降水之间存在交互作用，本研究暂未考虑这一影响。
与此同时，政策因素对耕地面积变化的影响至关重要。本研究通过引入固定效应项，在网格点和省级层面对这些因素进行了有效控制。研究结果显示，在华南和长江中下游等耕地质量相对较高的地区，人为因素的负面影响可能抵消了气候变化带来的正面影响。这一发现表明，在未来平衡耕地数量的同时，必须兼顾耕地质量，以确保耕地生产力的供给。
