全球耕地利用格局時空變化分析

胡瓊，吳文斌，項銘濤，陳迪，龍禹橋，宋茜，劉逸竹，陸苗，余強毅

（中國農業科學院農業資源與農業區劃研究所/農業部農業遙感重點實驗室，北京100081）

0　引言

【研究意義】耕地是人類社會生存和發展的基礎。在當前世界人口持續增加、人均耕地占有量減少、糧食安全面臨巨大挑戰的背景下，探究全球耕地資源的數量、空間分布以及時空變化特征對于糧食安全國際化戰略決策具有重要意義[1-2]。同時，作為重要的人為景觀類型，耕地利用的擴展、撂荒、作物類型更替以及與其他地物類型的轉換，會改變耕地的物質流和能量流，影響地球系統的氣候、水文、生物地球循環等全球變化過程[3]。因此，探究全球耕地時空變化也是研究農業生態系統對全球水文及碳循環貢獻和影響的基礎[4-5]。【前人研究進展】隨著對地觀測技術的不斷發展，遙感因其覆蓋范圍大，現勢性強以及低成本等優點，成為了全球土地資源調查和變化監測的主要技術手段[6-7]。20世紀90年代以來，先后有多套全球地表覆蓋遙感數據產品研制并全球免費共享，如UMD、IGBP-DISCover、BU-MODIS、GLC2000、GlobCover和IIASA-IFPRI等[8-9]，在全球糧食安全決策以及農業土地系統變化分析中得到廣泛應用。【本研究切入點】然而，這些全球耕地產品的空間分辨率為1 km到300 m，較粗的空間分辨率導致在農業景觀破碎區域的制圖精度較低，詳細刻畫農業土地利用活動的能力不足[6,10]。同時，這些數據集往往針對某一特定時間點或時段，缺乏長時間序列的耕地分布數據集，無法滿足全球耕地空間格局動態變化分析的需求[11]。經過4年的協同攻關，中國科學家研制出世界首套30 m空間分辨率的全球地表覆蓋數據集 GlobeLand30，具有2000和2010年兩個基準年份，全球總體分類精度達80%以上，其中耕地分類精度達83.06%[10,12-14]。較高的空間分辨率使其較同類產品更適合刻畫地表景觀破碎區域的土地利用活動，兩個時相的數據使其在描述全球耕地時空格局變化方面有獨特優勢。【擬解決的關鍵問題】基于此，本研究以 2000和 2010年GlobeLand30為基礎數據，從大洲、國家、經緯網等3個單元，分析2010年全球耕地面積數量和人均耕地占有量特征、2000—2010年耕地面積數量變化和空間格局變化特征、以及2000—2010年耕地利用強度變化特征，以期探究全球耕地時空格局變化特征和規律，為全球糧食安全決策、全球生態環境監測和全球農業系統變化研究等提供信息支撐。

1　材料與方法

1.1　數據與處理

本研究基于2000和2010年兩期GlobeLand30產品進行全球耕地時空格局變化分析。GlobeLand30包括耕地、水體、森林、苔原、草地、人造地表、灌木地、裸地、濕地、冰川和永久積雪10類一級土地覆蓋類別[12,15-16]。其中，耕地類別主要基于 Landsat TM/ETM+、HJ-1以及MODIS NDVI時間序列數據集，從像元、對象和知識3個層次提取生成，即基于像元尺度多特征優化的耕地分類提取、基于對象的耕地自動判別以及基于信息服務和先驗知識的交互式對象處理[10]。GlobeLand30產品定義的耕地主要指用來種植農作物的土地，是通過播種耕作生產糧食和纖維的地表覆蓋，包括開荒地、休閑土地、輪歇地和草田輪作地；以種植農作物為主的間有零星果樹、桑樹或其他樹木的土地；耕種3年以上的灘地和灘涂[10,12]。

GlobeLand30耕地定義不同于已有國家或國際土地利用分類系統，與這些已有土地分類系統劃分的類型以及耕地定義差異如表1所示。GlobeLand30數據產品以一定的規則范圍（圖幅）為單元將各類型地物進行統計存儲。本研究首先對全球GlobeLand30全要素圖幅進行批量提取耕地，然后批量裁剪圖幅之間重疊的部分，最后對原始投影類型UTM WGS-84批量投影為圓柱等面積投影類型Cylindrical Equal Area。全球GlobeLand30耕地圖層主要涉及610個圖幅，2000和2010年共1 220個圖幅。

除全球土地覆蓋數據集外，本研究還使用全球1∶100萬國家行政區劃數據、全球1°×1°經緯格網兩個矢量數據，經ArcGIs10.2拓撲檢查完后，均投影成圓柱等面積投影，用于后續基于不同統計單元的耕地統計計算。此外，基于世界銀行網站平臺（http://data.worldbank.org/indicator/SP.POP.TOTL）收集全球各國人口總量數據，用于計算全球不同國家人均耕地占有量；基于聯合國糧農組織數據庫 FAOSTAT（http://www.fao.org/faostat/en/#home）收集全球各國家農作物總產量以用于計算耕地復種指數及其變化量。

1.2　研究方法

本研究采用多指標多層次分析全球耕地時空格局及其變化特征。分析指標包括耕地面積數量指標和耕地利用強度指標，其中耕地數量和耕地人均占有量刻畫耕地面積數量和人均耕地占有量特征，耕地數量變化量、變化幅度、面積變化量標準差分別表征耕地數量和空間變化特征，復種指數、變化量及變化幅度表征耕地利用強度及其變化特征。分析尺度包括大洲、國家和1°×1°經緯度單元。具體地，基于國家和 1°×1°經緯格網分析2010年全球耕地總體空間分布特征、2000—2010年全球耕地面積數量和空間變化特征；基于國家單元統計2000—2010耕地利用強度變化特征。各分析內容、單元、分析指標以及指標對應的計算公式如表2所示。

將全球分成五個大洲（亞洲、歐洲、非洲、美洲和大洋洲）并行處理完成整個全球耕地分析工作。基于Python開發語言和ArcGIS10.2平臺對各個洲耕地圖幅進行耕地逐像素統計得到圖幅耕地總面積及其變化，循環完成所有圖幅的統計運算，分區匯總每個圖幅的統計結果到相應統計單元，并計算相應統計指標。最后對不同統計單元的不同指標分別以空間分析地圖或數量統計圖形式進行可視化表達。

2　結果

2.1　2010年全球耕地空間分布總體特征

2010年全球耕地經緯格網空間分布如圖1所示。總體看，北半球耕地面積遠多于南半球，東半球多于西半球。北半球的[10°N—45oN, 65oE—125oE]區域，主要為印度和中國東南地區[17]，呈現高密度的耕地分布。這些區域人口基數大，主要分布在暖溫帶和熱帶半濕潤地區，雨熱資源充沛，耕地一年內可成熟 2—3季作物，是亞洲主要產糧地帶[18]。中高緯度地區[40oN—55oN, 15oE—55oE]具有較大的耕地種植面積，為歐洲“小麥-玉米”帶的種植地區。其次，集中在美國的東南部[80oW—110oW, 30oN—45oN]區域出現大面積耕地種植, 為美國最主要的“玉米-大豆”生產地帶。南半球的[15oS—45oS, 45oW—70oW]同樣存在大量耕地分布，主要集中在巴西南部和阿根廷東北部，這一地帶地勢平坦，水熱條件好，是全球重要的經濟作物（如可可、向日葵、香蕉等）以及肉類（牛、羊等）食物的重要生產和供應基地。

2010年全球耕地面積總量為 193 890.00×104hm2，占全球陸表面積的14.31%。亞洲和美洲耕地總量位列第 1和第 2，分別占全球耕地面積總量的36.02%和27.26%。大洋洲因較小的國土面積和人口數量，耕地面積最低，僅占全球耕地總量的3.12%。圖1柱狀圖顯示了全球各國家耕地面積總量以及數量等級空間分布，該圖顯示亞洲耕地面積最大的前 5名國家分別是中國、印度、哈薩克斯坦、土耳其和巴基斯坦；美洲耕地面積最大國家依次是美國、巴西、阿根廷、加拿大和墨西哥；歐洲耕地面積最大國家依次是俄羅斯、烏克蘭、法國、西班牙和德國；非洲耕地面積最大國家依次是尼日利亞、埃塞俄比亞、蘇丹、坦桑尼亞和南非；大洋洲耕地面積最大國家分別是澳大利亞、新西蘭、巴布亞新幾內亞、斐濟和新克里多尼亞。從全球層面看，中國、美國、印度、俄羅斯、巴西、阿根廷、澳大利亞、加拿大、哈薩克斯坦和烏

克蘭是全球耕地面積最大的前10名國家，其中前3名的國家耕地面積均超過1.80×108hm2（中國耕地面積為20 239.53×104hm2，美國耕地面積為20 148.30×104hm2，印度耕地面積為19 639.85×104hm2）。

表1　不同土地利用分類系統中的耕地定義對比Table 1　A comparison of different land cover/use system on the definition of cultivated land

表2　全球耕地變化分析內容、單元和指標Table 2　Contents, units and indicators of global cultivated land change analysis

圖1　2010年全球不同國家耕地面積和1°×1°經緯格網耕地空間分布Fig. 1　National-level cultivated land area and cultivated land area within 1°×1° grid in 2010

人均耕地面積是衡量全球耕地資源分布的重要指標[19]。2010年全球人均耕地占有量為0.28 hm2，耕地面積最少的大洋洲的人均耕地占有量最大，達到1.71 hm2；歐洲、美洲分別以0.5707 hm2和0.5703 hm2位列第2和第3。亞洲雖然耕地面積最大，但由于其巨大的人口數量，導致其人均耕地占有量在 5個大洲中最低，僅為0.17 hm2。圖2表示2010年全球各國人均耕地占有量和相應空間等級分布。圖 2和表3顯示全球耕地面積第1的中國和第3的印度，人口總數占據全球人口總數的37.64%，人均耕地占有量較低。這表明全球耕地資源分布不均衡，人口多的一些國家并沒有擁有相匹配的耕地資源。隨著人均糧食消費量的持續增長，如何保障糧食安全成為了這些大國亟需解決的問題。全球人均耕地最大的前10名國家分別為俄羅斯、白俄羅斯、烏拉圭、巴拉圭、立陶宛、拉托維亞、加拿大、阿根廷、澳大利亞和哈薩克斯坦。從表 3可以看出，俄羅斯、加拿大、澳大利亞以及哈薩克斯坦等國家，不僅在耕地面積總量上位列全球前茅，人均耕地占有量也處于世界前列，這些國家具有豐富的耕地資源和較大的糧食綜合生產潛力，在保障全球和區域糧食供給和糧食安全方面發揮著重要作用。

圖2　2010年全球不同國家人均耕地占有量Fig. 2　National-level cultivated land area per capita in 2010

2.2　2000—2010年全球耕地面積的數量變化特征

圖3為全球大洲和不同國家2000—2010年耕地面積變化幅度。2000—2010期間，全球耕地面積呈現微弱增長趨勢，增加面積達4 173.25×104hm2，增加幅度為2.2%。非洲是耕地面積增長最快的大洲，增長幅度達7.45%，增加的耕地面積達1 540.63×104hm2，美洲是耕地面積增加最大的大洲，增長面積達2 128.14×104hm2，增長幅度達4.19%。對于國土面積和人口數量均最小的大洋洲而言，10年間也出現了快速地增長，增長幅度達3.79%，增長面積達220.96×104hm2。亞洲和歐洲耕地面積總量在2000—2010年保持相對穩定，增長幅度僅為0.09%和0.52%。

從國家層面來看，尼日利亞和坦桑尼亞是非洲中耕地面積增加最大和增長幅度最快的國家，增長幅度分別為19.09%和21.96%。大洋洲國土面積和經濟實力最大的國家—澳大利亞在這 10年增長幅度達5.39%，增加282.23×104hm2耕地面積，然而畜牧業發達的新西蘭的耕地面積卻呈下降趨勢，減少幅度達11.61%。拉丁美洲的巴西和阿根廷 10年耕地面積分別增加了1 121.2×104hm2和498.17×106hm2，增加幅度均達9.0%左右，主要受益于該區域10年間大力開展的農業科技創新體制[20]。世界頭號經濟強國—美

國在10年間耕地面積數量基本不變，僅增加0.08%。亞洲的農業大國印度和哈薩克斯坦耕地面積呈現微弱的增長趨勢，增加幅度均小于0.5%。然而，全球人口最多的農業大國—中國，在2000—2010期間由于城市化推進和退耕還林政策開展[21-22]，耕地面積下降了194.97×104hm2，減少幅度為0.95%。對于橫跨歐亞大陸的俄羅斯，也是全球國土面積最大的國家，在過去10年耕地面積增加了163.74×104hm2，增長幅度為1.05%。以歐洲糧倉著稱的烏克蘭和法國，其耕地面積均呈現了增加趨勢，增長面積分別為50.15×104hm2和26.61×104hm2，增長幅度分別為1.25%和0.08%，為保障歐洲糧食安全和農產品貿易提供了有利條件。

表3　全球大洲和主要農業國家2010年耕地面積、人均耕地占有量、復種指數，2000-2010年耕地面積變化量、變化幅度和復種指數變化量Table 3　Cultivated land area, cultivated land area per capita and multiple cropping index in 2010, change area, percentage change in area and change in multiple cropping index of main agricultural countries of the five continents during 2000-2010

圖3　2000—2010年全球國家尺度耕地面積變化幅度Fig. 3　National-level changing rate of cultivated land area during 2000-2010

圖4　2000—2010年全球耕地變化的空間分布Fig. 4　Spatial location of cultivated land area change during 2000-2010

2.3　2000—2010年全球耕地面積的空間變化特征

圖5　2000—2010年全球不同國家耕地面積變化量Fig. 5　Changing quantity of cultivated land area at country level within 1°×1°grid during 2000-2010

圖6　2000—2010年全球1°×1°經緯格網耕地面積變化幅度Fig. 6　Changing rate of cultivated land area within 1°×1°grid during 2000-2010

圖4為2000—2010年全球耕地變化空間分布圖，圖5和圖6分別為全球1°×1°經緯格網耕地面積變化量和變化率。可以看出，10年間，全球耕地空間上保持相對平穩，耕地面積不變的區域遠大于發生變化的區域。總體看，南半球較北半球耕地面積變化顯著。非洲是耕地面積變化最顯著的大洲，其耕地面積變化量和變化幅度均出現了明顯增加。由于干旱氣候以及持續增長的人口數量，非洲一直是全球饑餓人口最多的大洲，其快速的耕地擴張態勢對緩解該地區的糧食危機起到了十分積極作用[23]。南美洲的 15oS—45oS, 45oW—70oW 區域，主要集中在巴西東南部和阿根廷北部，耕地呈現明顯增加的趨勢，該地區是南美最重要的糧食產區，也是全球最重要的大豆糧倉。大洋洲 15oS—40oE, 140oW—140oE地區，即澳大利亞東部的小麥種植帶和牧羊區，種植面積和變化幅度均出現了明顯增長趨勢。美國的中東地區，即美國主要的玉米種植帶和混合農業種植區，在 2000—2010年期間出現了耕地面積下降現象，但下降幅度不明顯，在 1°×1°經緯格網單元上變化幅度均小于 5%。中國的東部及其沿海地區出現了明顯的耕地下降，這主要是由于東部沿海地區快速的城市化步伐[24]，導致大量耕地轉變成了人造地表。

從圖5的柱狀圖描述了各個國家1°×1°經緯格網耕地面積變化量的標準差，反映了各個國家耕地面積數量變化的空間波動性。從耕地面積變化量來看，非洲中部地區、南美洲、亞洲東南亞地區（如泰國、越南）的耕地變化在國家內部呈現明顯波動性。從耕地面積變化幅度來看（圖 6），非洲整個地區、南美洲北部地區（秘魯、哥倫比亞、委內瑞拉等）、亞洲北部（哈薩克斯坦）和東南亞地區（馬來西亞、印度尼西亞）出現了劇烈空間異質性，即國家內部耕地擴張趨勢在空間上出現了明顯的不均衡。

圖7　2000—2010年全球耕地面積前10名國家耕地面積變化總量和變化總幅度（a）; 國家1°×1°經緯格網面積變化量標準差（b）Fig. 7　Changing area and rate in the top 10 countries with the largest cultivated land area(a); Standard deviation within 1°×1°grid during 2000-2010 (b)

圖7為全球耕地面積最大前10名國家10年耕地面積變化量、耕地面積變化幅度及其 1°×1°經緯格網的耕地面積變化標準差。全球耕地面積最大的中國是2000—2010年期間全球農業大國中耕地減少的唯一國家，下降的幅度約0.95%。巴西和阿根廷是耕地面積增加量和增加幅度最大的國家，同時也是國家內部耕地空間差異性最大的國家。這表明10年間這兩個國家內部發生了顯著的耕地擴張或土地調整，這與 GRAESSER等[25]的研究結果一致，其結果表明這兩個國家在 2007年之前發生了劇烈的土地利用類型變更，尤其是耕地與草地的轉換。無論從變化面積總量、變化總幅度或是國家內部變化波動性來看，美國是2000—2010年耕地變化最小的國家。作為人均耕地面積非常大的國家，加拿大10年間耕地變化較其它國家相對平穩。全球國土面積最大的俄羅斯，雖然耕地總面積變化量較小，但由于巨大的國土面積，導致其1°×1°經緯格網耕地面積變化幅度差異較大，即耕地變化的幅度在其不同區域的差異較大。哈薩克斯坦和烏克蘭 2000—2010年期間耕地面積變化量和變化幅度均較小，且兩者變化差異不大。但從國家內部耕地的空間變化幅度差異性看，烏克蘭則呈現較高的耕地空間變化波動性。

圖8　2010年全球不同國家復種指數Fig. 8　Multiple cropping index at country level in 2010

圖9　2000-2010年全球不同國家復種指數變化量Fig. 9　Change of Multiple cropping index at country level during 2000-2010

2.4　2000—2010年全球耕地利用強度變化特征

全球耕地利用強度不僅反映全球糧食增產潛力，同時也與農業生產管理所需的水、熱、土、氣等環境變化緊密相關[26-27]。圖8為全球各國家2000和2010年的復種指數，圖9為2000-2010年10年復種指數變化量。從2010年全球復種指數看，東南亞地區、中美洲地區以及西非地區呈現較高的復種指數，超過 200%以上。這些高復種區域位于 10oS—40oN中低緯度地區，高溫多雨，水源充足，滿足了農作物一年多熟所需的氣候環境[28-29]。對于東南亞國家而言，水熱充足，土壤肥沃，人口稠密，加之耕地資源少，提高復種指數成為了保障國家糧食安全最主要途徑[30]。而對于盛產香蕉、咖啡、甘蔗等熱帶經濟作物的中美洲而言，農業為該國家主體經濟支柱，也需通過高強度的土地利用方式來提高經濟發展。對于耕地面積和農作物產量均排在全球前3名的中國、美國、印度而言，平均復種指數分別為 100.40%、51.02%和 103.65%，印度因處在相對高的緯度，具有更高的水熱條件，在這3個全球農業大國中復種指數最高。

亞洲和南美洲地區在這 10年間耕地復種指數呈上升趨勢，北美洲、大洋洲和東歐呈現下降趨勢。近年來由于各種農業振興措施開展以及國際農業經濟援助[31]，非洲北部地區耕地復種指數明顯提高，耕地利用程度明顯增強。對于亞洲的東南亞地區，因其得天獨厚的農業自然種植氣候，在2000—2010年期間，耕地復種指數仍保持了明顯的增加態勢。全球耕地最大的前10名國家中，5個國家在2000—2010年期間耕地復種指數明顯增加（表 3），其中哈薩克斯坦和巴西分別以22.71%和17.78%增長率位列第1和第2。這兩個國家因其適宜水熱資源、較高的農業生產力，在保障全球糧食安全中扮演了越來越重要的角色。全球耕地面積和人口數量最大的中國，2000—2010年期間耕地復種指數增長了6.01%，耕地利用率提高。然而，對于耕地面積以及人均耕地占有量均較大的澳大利亞和加拿大而言，由于較低的人口基數和較大的耕地種植面積，10年間耕地復種指數分別下降了 0.66%和9.62%。俄羅斯是耕地復種指數絕對量下降最明顯的農業大國，下降了21.21%。已有研究表明2000—2010年俄羅斯東部地區出現了嚴重的棄耕現象[32]，導致收獲面積減少，加之耕地面積擴張持續增加，從而導致復種指數降低。

3　討論

2000—2010年全球人口數量持續增長，但全球耕地并未隨著人口的增加而增加，10年間全球耕地面積總體上保持相對穩定，但區域差異明顯。耕地資源是糧食生產的重要基礎，但耕地面積數量大并不意味著糧食產量的絕對優勢。一方面，由于自然氣候環境、土地質量條件和投入等差異，單位耕地面積的產量不同。21世紀以來大部分糧食產量的增加是通過增加單產來實現的，即通過使用優良品種、機械、肥料、殺蟲劑和灌溉等提高單位面積的糧食產量[5-6]。另一方面，不同區域耕地的利用程度不一樣，俄羅斯和加拿大耕地面積較大，但區域耕地一年僅有一個較短的生產季節，而東南亞地區由于充足的光照與熱量資源，耕地每年可以耕作2—3季作物。因此，綜合分析耕地利用變化對全球或區域糧食安全的影響，不僅要著眼耕地資源總量和人口總量，還要綜合考慮技術、農田管理、土壤條件和氣候環境等多要素。

耕地復種指數僅是表征耕地利用集約化強度的指標之一[33]。耕地復種強度往往受到自然氣候條件和農業勞動力人數的限制，復種指數高的區域并不意味著在產量上同樣占據絕對優勢[34]。如美國2010年耕地復種指數絕對量和10年增長量均處于世界中等水平。然而美國 2010年糧食總產量以及 2000—2010年產量的增長幅度位于全球前列，這主要得益于該國家高效的農田灌溉、農業機械投入和先進的農業生產管理模式。因此，未來需綜合更多農業集約化利用指標（如灌溉量、施肥量、地塊大小等）和多源農業統計數據（如單產、總產、受災面積等）來客觀評估全球不同國家耕地利用集約化水平。同時，增加耕地利用集約化雖然提高了糧食產量，但易給農業生態環境造成壓力，如土壤質量下降、水源污染、生物多樣性下降等[19,26,35]。因此，如何平衡全球糧食安全以及全球生態環境安全也是未來重點需要解決的問題。

本研究基于全球首套30 m分辨率的地表覆蓋數據集GlobeLand30來分析2000—2010年全球耕地利用格局時空變化特征。雖然GlobeLand30數據產品精度高，但該套數據產品在使用中也存在一定局限性。一方面，GlobeLand30耕地定義遵循聯合國FAO標準，不僅包括常規農作物，也包括果樹、茶園、咖啡園等灌木類經濟作物以及耕種3年以上的灘地和灘涂等。該定義不同于已有的國家土地利用分類系統或者中低空間分辨率的全球地表覆蓋數據產品，如 GlobeCover、UMD-GLC和BU-MODIS，因此，GlobeLand30和已有的數據產品之間不具有可比性。另一方面，全球不同區域、不同國家的農業土地利用多樣化，農田地塊大小、種植制度和種植模式存在較大差異性，基于遙感影像的光譜和時相信息提取的耕地精度不可避免地存在區域差異，在一定程度上影響本研究的分析結果。因此，深入進行GlobeLand30耕地產品精度驗證、以及進一步優化耕地分類結果，評定其對時空變化分析的影響也是未來需要進一步加強的方向。

4　結論

2010年全球耕地面積總量為 193 890.00×104hm2，占全球陸表面積14.31%，全球人均耕地占有量為0.28 hm2。耕地面積最大的10名國家依次是：中國、美國、印度、俄羅斯、巴西、阿根廷、澳大利亞、加拿大、哈薩克斯坦和烏克蘭。

2000—2010年期間，全球耕地面積呈微弱增長，增加幅度為2.19%。美洲是耕地面積增長最大的大洲，增長面積達2 128.14×104hm2，非洲是耕地面積增長幅度最大的大洲，增長幅度為 7.42%，亞洲是耕地變化最平緩的大洲，耕地面積增加0.09%。全球10大農業大國中，中國是耕地面積在這10年間唯一出現下降的國家，巴西和阿根廷是耕地面積增加量和增加幅度最顯著的國家。

南亞地區、中美洲地區以及西非地區是全球復種指數最高的區域，2010年復種指數均為200%以上。全球10大農業大國中，有5個國家耕地復種指數呈增加趨勢，其中哈薩克斯坦和巴西復種指數增加最顯著，俄羅斯復種指數絕對量下降最劇烈。

[1]趙文武. 世界主要國家耕地動態變化及其影響因素. 生態學報,2012, 32(20): 6452-6462.ZHAO W W. Arable land change dynamics and their driving forces for the major countries of the world. Acta Ecologica Sinica, 2012,32(20): 6452-6462. (in Chinese)

[2]陳印軍, 易小燕, 方琳娜, 楊瑞珍. 中國耕地資源與糧食增產潛力分析. 中國農業科學, 2016, 49(6): 1117-1131.CHEN Y J , YI X Y, FANG L N, YANG R Z. Analysis of cultivated land and grain production potential in China. Scientia Agricultura Sinica, 2016, 49(6): 1117-1131. (in Chinese)

[3]胡瓊, 吳文斌, 宋茜, 余強毅, 楊鵬, 唐華俊. 農作物種植結構遙感提取研究進展. 中國農業科學, 2015, 48(10): 1900-1914.HU Q, WU W B, SONG Q, YU Q Y, YANG P, TANG H J. Recent progresses in research of crop patterns mapping by using remote sensing. Scientia Agricultura Sinica, 2015, 48(10): 1900-1914. (in Chinese)

[4]唐華俊, 吳文斌, 楊鵬, 周清波, 陳仲新. 農作物空間格局遙感監測研究進展. 中國農業科學, 2010, 43(14): 2879-2888.TANG H J, WU W B, YANG P, ZHOU Q B, CHEN Z X. Recent progresses in monitoring crop spatial patterns by using remote sensing technologies. Scientia Agricultura Sinica, 2010, 43(14): 2879-2888.(in Chinese)

[5]RAMANKUTTY N, EVAN A T, MONFREDA C, FOLEY J A.Farming the planet: 1. Geographic distribution of global agricultural lands in the year 2000. Global Biogeochemical Cycles, 2008, 22,GB1003. doi: 10. 1029/2007GB002952.

[6]LIU J, LIU M, TIAN H, ZHUANG D, ZHANG Z, ZHANG W, TANG X, DENG X. Spatial and temporal patterns of China's cropland during 1990-2000: An analysis based on Landsat TM data. Remote Sensing of Environment, 2005, 98(4): 442-456.

[7]SEE L, SCHEPASCHENKO D, LESIV M, MCCALLUM I, FRITZ S,COMBER A, PERGER C, SCHILL C, ZHAO Y, MAUS V, SIRAJ M A, ALBRECHT F, CIPRIANI A, VAKOLYUK M Y, GARCIA A,RABIA A H, SINGHA K, MARCARINI A A, KATTENBORN T,HAZARIKA R, SCHEPASCHENKO M, van der VELDE M,KRAXNER F, OBERSTEINER M. Building a hybrid land cover map with crowdsourcing and geographically weighted regression. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 103: 48-56.

[8]WU W, SHIBASAKI R, YANG P, ZHOU Q, TANG H. Remotely sensed estimation of cropland in China: a comparison of the maps derived from four global land cover datasets. Canadian Journal of Remote Sensing, 2008, 34(5): 467-479.

[9]LU M, WU W B, ZHANG L, LIAO A P, PENG S, TANG H J. A comparative analysis of five global cropland datasets in China.Science China Earth Sciences, 2016, 59(12): 2307-2317.

[10]曹鑫, 陳學泓, 張委偉, 廖安平, 陳利軍, 陳志剛, 陳晉. 全球30m空間分辨率耕地遙感制圖研究. 中國科學: 地球科學, 2016, 46(11):1426-1435.CAO X, CHEN X H, ZHANG W W, LIAO A P, CHEN L J, CHEN Z G, CHEN J. Global cultivated land mapping at 30m spatial resolution.Scientia Sinica(Terrae), 2016, 46(11): 1426-1436. (in Chinese)

[11]MONFREDA C, RAMANKUTTY N, FOLEY J A. Farming the planet:2. Geographic distribution of crop areas, yields, physiological types,and net primary production in the year 2000. Global Biogeochemical Cycles, 2008, 22(1): 1-19.

[12]CHEN J, CHEN J, LIAO A, CAO X, CHEN L, CHEN X, HE C, HAN G, PENG S, LU M, ZHANG W, TONG X, MILLS J. Global land cover mapping at 30m resolution: A POK-based operational approach.ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 103(1):7-27.

[13]陳軍, 陳利軍, 李然, 廖安平, 彭舒, 魯楠, 張宇碩. 基于GlobeLand30的全球城鄉建設用地空間分布與變化統計分析. 測繪學報, 2015, 44(11): 1181-1188.CHEN J, CHEN L J, LI R, LIAO A P, PENG S, LU N, ZHANG Y S.Spatial distribution and ten years change of global built-up areas derived from GlobeLand30. Acta Geodaetica et Cartographica Sinica,2015, 44(11): 1181-1188. (in Chinese)

[14]劉吉羽, 彭舒, 陳軍, 廖安平, 張宇碩. 全球知識的 GlobeLand30耕地數據質量檢查方法與工程實踐. 測繪通報, 2015(4): 42-48.LIU J Y, PENG S, CHEN J, LIAO A P, ZHANG Y S. Knowledge based quality checking method and engineering practice of globeLand30 cropland data. Bulletin of Surveying and Mapping,2015(4): 42-48. (in Chinese)

[15]陳軍, 陳晉, 廖安平, 曹鑫, 陳利軍, 陳學泓, 彭舒, 韓剛, 張宏偉,何超英, 武昊, 陸苗. 全球30m地表覆蓋遙感制圖的總體技術. 測繪學報, 2014, 43(6): 551-557.CHEN J, CHEN J, LIAO A P, CAO X, CHEN L J, CHEN X H, PENG S, HAN G, ZHANG H W, HE C Y, WU H, LU M. Concepts and key techniques for 30m global land cover mapping. Acta Geodaetica et Cartographica Sinica, 2014, 43(6): 551-557. (in Chinese)

[16]CAO X, CHEN J, CHEN L J, LIAO A P, SUN F D, LI Y, LI L, LIN Z H, PANG Z G, CHEN J, HE C Y, PENG S. Preliminary analysis of spatiotemporal pattern of global land surface water. Science China Earth Sciences, 2014, 57(10): 2330-2339.

[17]YAO Z Y, ZHANG L J, TANG S H, LI X X, HAO T T. The basic characteristics and spatial patterns of global cultivated land change since the 1980s. Journal of Geographical Sciences, 2017, 27(7):771-785.

[18]XIAO X G, BOLES S, FROLKING S, LI C S, BABU J Y, SALAS W,MOORE III B. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images. Remote Sensing of Environment, 2006, 100(1): 95-113.

[19]RAMANKUTTY N, FOLEY J A. Characterizing patterns of global land use: An analysis of global croplands data. Global Biogeochemical Cycles, 1998, 12(4): 667-685.

[20]De SOUZA J P A. Biased technical change in agriculture and industrial growth. Metroeconomica, 2017, 68(3): 549-583.

[21]劉紀遠, 張增祥, 徐新良, 匡文慧, 周萬村, 張樹文, 李仁東, 顏長珍, 于東升, 吳世新, 江南. 21世紀初中國土地利用變化的空間格局與驅動力分析. 地理學報, 2009, 64(12): 1411-1420.LIU J Y, ZHANG Z X, XU X L, KUANG W H, ZHOU W S, ZHANG S W, LI R D, YAN C Z, YU D S, WU S X, JIANG N. Spatial patterns and driving forces of land use change in China in the early 21st century. Acta Geographica Sinica, 2009, 64(12): 1411-1420. (in Chinese)

[22]劉紀遠, 匡文慧, 張增祥, 徐新良, 秦元偉, 寧佳, 周萬村, 張樹文, 李仁東. 20世紀80年代末以來中國土地利用變化的基本特征與空間格局. 地理學報, 2014, 69(1): 3-14.LIU J Y, KUANG W H, ZHANG Z X, XU X L, QIN Y W, NING J,ZHOU W S, ZHANG S W, LI R D. Spatiotemporal characteristics,patterns and causes of land use changes in China since the late 1980s.Acta Geographica Sinica, 2014, 69(1): 3-14. (in Chinese)

[23]KNAUER K, GESSNER U, FENSHOLT R, FORKUOR G, KUENZER C. Monitoring agricultural expansion in Burkina Faso over 14 years with 30 m resolution time series: the role of population growth and implications for the environment. Remote Sensing, 2017, 9(2): 132.

[24]WANG L, LI C C, YING Q, CHENG X, WANG X Y, LI X Y, HU L Y,LIANG L, YU L, HUANG H B, GONG P. China's urban expansion from 1990 to 2010 determined with satellite remote sensing. Chinese Science Bulletin, 2012, 57(22): 2802-2812.

[25]GRAESSER J, AIDE T M, GRAU H R, RAMANKUTTY N.Cropland/pastureland dynamics and the slowdown of deforestation in Latin America. Environmental Research Letters, 2015, 10(3): 34017.

[26]PEI H, SCANLON B R, SHEN Y, REEDY R C, Di Long, LIU C.Impacts of varying agricultural intensification on crop yield and groundwater resources: comparison of the North China Plain and US High Plains. Environmental Research Letters, 2015, 10(4): 44013.

[27]GALFORD G L, MUSTARD J F, MELILLO J, GENDRIN A, CERRI C C, CERRI C E P. Wavelet analysis of MODIS time series to detect expansion and intensification of row-crop agriculture in Brazil.Remote Sensing of Environment, 2008, 112(2): 576-587.

[28]MARTíNEZ-CASASNOVAS J A, MARTíN-MONTERO A,AUXILIADORA CASTERAD M. Mapping multi-year cropping patterns in small irrigation districts from time-series analysis of Landsat TM images. European Journal of Agronomy, 2005, 23(2):159-169.

[29]WAHA K, M U LLER C, BONDEAU A, DIETRICH J P,KURUKULASURIYA P, HEINKE J, LOTZE-CAMPEN H. Adaptation to climate change through the choice of cropping system and sowing date in sub-Saharan Africa. Global Environmental Change, 2013,23(1): 130-143.

[30]SAKAMOTO T, Van NGUYEN N, OHNO H, ISHITSUKA N,YOKOZAWA M. Spatio-temporal distribution of rice phenology and cropping systems in the Mekong Delta with special reference to the seasonal water flow of the Mekong and Bassac rivers. Remote Sensing of Environment, 2006, 100(1): 1-16.

[31]郭占鋒, 李小云. 對當前非洲農業研究的若干思考. 農業經濟,2012(3): 17-19.GUO Z F, LI X Y. Some thoughts on agricultural research in Africa.Agricultural Economics, 2012(3): 17-19. (in Chinese)

[32]ALCANTARA C, KUEMMERLE T, BAUMANN M, BRAGINA E V,GRIFFITHS P, HOSTERT P, KNORN J, MüLLER D, PRISHCHEPOV A V, SCHIERHORN F, SIEBER A, RADELOFF V C. Mapping the extent of abandoned farmland in central and eastern Europe using MODIS time series satellite data. Environmental Research Letters,2013, 8(3): 1345-1346 .

[33]ESTEL S, KUEMMERLE T, LEVERS C, BAUMANN M, HOSTERT P. Mapping cropland-use intensity across Europe using MODIS NDVI time series. Environmental Research Letters, 2016, 11(2): 24015.

[34]KUEMMERLE T, ERB K, MEYFROIDT P, MüLLER D,VERBURG P H. Challenges and opportunities in mapping land use intensity globally. Current Opinion in Environmental Sustainability,2013, 5: 1-10.

[35]宋博, 丁圣彥, 趙爽, 李子晗, 侯笑云. 農業景觀異質性對生物多樣性及其生態系統服務的影響. 中國生態農業學報, 2016, 24(4):443-450.SONG B, DING S Y, ZHAO S, LI Z H, HOU X Y. Effects of agricultural landscape heterogeneity on biodiversity and ecosystem services. Chinese Journal of Eco-Agriculture, 2016, 24(4): 443-450.(in Chinese)