《Environmental and Sustainability Indicators》：Carbon Emission Changes and Driving Mechanisms of Agricultural Land Conversion across China’s Nine Agricultural Regions Since 1980
编辑推荐：
农业用地转换对于协调粮食安全与碳中和至关重要，然而不同区域特定转换路径的碳排放影响仍未得到充分理解。本研究提供了1980年至2020年中国九大农业区农业用地转换碳排放变化的路径特定（pathway-specific）和区域分层（regionally strat
农业用地转换对于协调粮食安全与碳中和至关重要，然而不同区域特定转换路径的碳排放影响仍未得到充分理解。本研究提供了1980年至2020年中国九大农业区农业用地转换碳排放变化的路径特定（pathway-specific）和区域分层（regionally stratified）评估。通过区分水田（paddy field）、旱地（dryland）和园地（orchard land），研究人员整合了土地利用转移分析、碳系数核算和地理探测器（Geodetector）建模，以阐明农业结构调整与碳动态之间的联系机制。结果表明，中国农业用地经历了有限的净面积变化，但发生了显著的内部重组，突出表现为2000年后园地先下降后增长的轨迹。农业用地转换产生了3.67 × 108 t 的净碳排放增加。与旱地相关的转换仍占主导地位，占四个阶段平均排放变化的54.62%和累计变化的61.85%。空间上，排放呈现显著的“东高西低”梯度，反映东部平原和沿海地区更强的碳源效应，以及西部地区较弱的排放或碳汇增强效应。驱动机制在2000年后发生转变：虽然地形约束仍然基础，但社会经济因素——特别是夜间灯光强度（nighttime light intensity）、人口密度（population density）和国内生产总值（GDP）——在塑造排放差异方面日益占据主导地位。敏感性分析证实，在农业用地系数±10%的情景下，总估计值、旱地主导地位和空间格局保持稳定。这些发现将土地利用碳研究从总量核算转向面向机制的农业用地治理，为碳中和目标下区域特定的低碳农业策略提供了科学依据。
气候变化已成为全球可持续发展的重大障碍，主要由温室气体（GHG）的人为累积驱动。土地利用变化通过改变植被覆盖、土壤碳储量和人为管理强度，在调节陆地碳源/碳汇中起关键作用。农业用地同时承载粮食生产、农村生计和土壤碳固定，其内部结构重组（如稻田、旱地和园地之间的转换）可能产生显著差异化的碳排放后果。然而，现有研究多集中于粗放的土地利用类别（如耕地、林地），忽视了水田（paddy field）、旱地（dryland）和园地（orchard land）等亚类转换的路径特定碳排放影响，且驱动机制的区域分层分析不足。在中国双碳战略背景下，急需精细化的土地利用碳核算和区域差异化的低碳治理策略。为此，Caiyu Song, Zemeng Fan和Jing Li等研究人员基于1980—2020年五期土地利用数据，区分三种农业用地类型，整合土地利用转移矩阵（LUTM）、碳系数核算、地理探测器（Geodetector）模型及地理分层建模（GSM）等方法，系统评估了中国九大农业区农业用地转换的碳排放变化及其驱动机制。研究发现，农业用地净面积变化有限但内部重组显著，旱地相关转换主导碳排放（占四阶段平均的54.62%，累计的61.85%），空间呈现“东高西低”梯度，驱动机制在2000年后从地形约束主导转向社会经济因素（夜间灯光强度、人口密度、GDP）主导。论文发表在《Environmental and Sustainability Indicators》，为区域特定低碳农业策略提供了科学依据。
**关键技术方法（不超过250字）**：主要技术包括：（1）土地利用转移矩阵（LUTM），用于识别各时期农业用地与其他用地类型间的转换方向和面积；（2）碳系数法，基于文献和能源消耗数据确定各类用地单位面积碳排放/吸收系数（如旱地0.0422 kg·m?2·a?1源，园地-0.0730 kg·m?2·a?1汇，建设用地4.2970 kg·m?2·a?1源）；（3）地理探测器（Geodetector），通过因子检测（q统计量）和交互检测分析11个自然、社会经济和区位因素的独立及联合解释力；（4）地理分层建模（GSM），在九大农业区内分别计算q值，揭示驱动机制的区域异质性；（5）敏感性分析，调整农业用地碳系数±10%检验结果稳定性。数据来源：土地利用数据来自中国科学院资源与环境科学数据中心（RESDC）；能源数据来自中国能源统计年鉴；自然数据（地形、气候）来自地理空间数据云和青藏高原数据中心；社会经济数据来自Copernicus和RESDC；基础设施数据来自国家测绘地理信息局；农业区域划分采用RESDC的九大农业区分类。
**研究结果**：
**3.1 农业用地转换的时空特征**：通过土地利用转移矩阵和动态度分析，发现1980–2020年农业用地总面积净增10,423 km2，但内部重组剧烈。
**3.1.1 农业用地时空分布**：基于五期土地类型提取与空间制图，发现水田和旱地宏观分布稳定，园地呈现“先降后增”轨迹，2000年后向南方和西部（云南、广东）扩张。
**3.1.2 农业用地转换的路径异质性**：通过桑基图分析，发现1980–2000年以旱地扩张为主（主要由林地和草地转换），2000年后转为园地导向的结构调整（主要由林地转换），水田持续收缩。
**3.2 农业用地转换的碳排放特征**：通过碳系数核算和空间制图，得出净碳排放增加3.67×10? t，旱地相关转换占主导（四阶段平均54.62%，累计61.85%）；空间呈现“东高西低”梯度，东部平原和沿海为碳源热点，西部及西南部为较弱排放或碳汇增强区。
**3.3 农业用地碳排放的驱动机制与交互效应**：通过地理探测器（Geodetector）因子检测和交互检测，发现地形因素（TRI, 坡度, 海拔）始终具有高解释力（q>0.20），但2000年后社会经济因素（夜间灯光NL、人口密度Pop、GDP）显著增强；交互作用多为双因子增强或非线性增强，社会经济-地形耦合增强最明显（如NL-地形交互q从0.22升至0.29）。
**3.4 不同农业区农业用地碳排放的驱动因素与交互机制**
**3.4.1 驱动因素的分层异质性**：通过地理分层建模（GSM）计算各区域q值，发现社会经济因素在多数区域主导（q>0.20），但自然因素在青藏高原（QTP, 海拔q=0.246）和黄土高原（LP）等地重要；不同区域主导因素差异显著（如NCP可达性因素高，QTP为Pop-海拔模式）。
**3.4.2 跨农业区的交互机制**：通过交互检测，发现集约区（HHHP, MLYP）社会经济交互强（NL-Pop交互q=0.305），复杂地形区（NCP, LP）地形-社会经济交互强（LP中TRI-NL交互q=0.351），QTP人口-海拔交互最强（q=0.407），而NASR交互较弱分散。
**3.5 农业用地碳系数的敏感性分析**：通过调整农业用地碳系数±10%并重新计算，发现总排放变化范围仅为3.66~3.67×10? t，旱地主导地位和空间格局保持稳定，表明结果稳健。
**总结讨论部分**：讨论指出，农业用地转换是碳排放格局的决定性因素，旱地因面积广、转换频繁成为主要碳源载体，“东高西低”格局反映了东部城市化驱动的建设用地扩张与西部生态恢复/园地扩张形成的碳汇增强之间的空间错配。驱动机制在2000年后从地形约束转向社会经济主导，但自然因素仍在生态脆弱区（如QTP）起基础约束作用。为此，研究提出了差异化治理路径：在集约农业平原区（如HHHP, MLYP）应控制建设用地侵占、提升低碳生产效率；在生态脆弱区（LP, YGP, QTP）应优先保护碳汇、控制边际土地扰动；对园地扩张区域应引导至适宜坡地、防止侵占高碳密度森林。最后，研究承认了碳系数不确定性、管理排放未分离等局限性，并建议未来结合生产管理数据进行因果推断。
**翻译研究结论部分**：本研究构建并实施了一个集成框架，用于量化1980–2020年中国农业用地转换碳排放的时空动态及潜在驱动机制。主要结论如下：研究人员发现，农业用地变化主要表现为内部结构重组而非总面积波动。尽管农业用地总面积略有增加（10,423 km2），但水田、旱地和园地之间的转换重塑了农业用地系统，园地呈现明显的先降后增轨迹。农业用地转换产生了3.67×10? t的净碳排放增加，其中旱地相关转换占主导地位，占四个阶段平均排放变化的54.62%和1980–2020年累计变化的61.85%，表明排放结果由土地面积、转换频率和路径特定碳系数差异共同塑造。空间上，碳排放变化呈现明显的东高西低梯度，东部平原和沿海地区碳源效应更强，西部和西南部部分地区排放较弱或呈碳汇增强。驱动因素结果进一步表明，碳排放差异由自然约束与社会经济发展的动态交互共同塑造。虽然地形相关因素仍然是基础约束，但人口密度、夜间灯光强度和GDP在2000年后与排放差异的关联性急剧上升。驱动因子间的双因子增强和非线性增强普遍存在，表明协同交互对空间差异的解释力显著高于单个因子。这些见解强调了区域特定和路径定向的低碳农业用地治理的必要性。在高强度农业平原区，政策干预应聚焦于控制农业用地损失和提高低碳生产效率；而在生态脆弱区，治理应优先考虑碳汇保护、边际土地恢复和干扰控制。基于转换路径、排放源和生态敏感性的差异化治理对于支持中国的双碳战略和实现长期碳中和至关重要。
