土地整理政策在提高我国农业生产率中的作用评估外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

土地整理政策在提高我国农业生产率中的作用评估

Xiaobin Jin，Yang Shao，Zhihong Zhang，Lynn M. Resler，James B. Campbell，Guo Chen，Yinkang Zhou

摘要：中国目前正在经历快速的经济发展和前所未有的城市化。对粮食安全的关心促使中国政府实施大规模的土地整理项目。但是，没有对这些项目进行正式评估。因此，土地整理政策的有效性仍不确定。我们获得了2006年至2010年期间实施的5328个土地整理项目的详细地理空间信息，并利用时间序列MODIS NDVI（2006-2016）数据评估了中国土地整理政策在提高农业生产率方面的有效性。我们的研究结果表明土地整理的整体有效性在提高农业生产率方面较低，这与基于区域的统计分析和理论方法的乐观估计形成鲜明对比。对于2006年实施的项目（n = 560），在实施土地整理后，约29.5％的MODIS NDVI呈现显着（p lt;0.05）增长趋势。对于2007 - 2010年的项目，较低的百分比（例如，2007年的25.9％和2010年的13.5％）显示出明显的增长趋势。此外，我们发现土地整理项目的有效性显示出明显的区域差异，且驱动因素与政策设计不一致。我们预计我们的研究将成为更全面评估的起点，这种评估涉及到更长的时间序列和更高的空间分辨率数据。背景和研究进展

中国目前正在经历快速的经济发展和前所未有的城市化。 在全国范围内，从1998年到2012年，城市人口比例由30.4％上升到52.6％。 在同一时期，中国的总耕地减少了793万公顷。 使用世界耕地面积的7.63％为中国19.78％的世界人口提供粮食的挑战已经引起了全世界的关注，并且也成为了中国的当务之急之一。

土地整理被视为农村发展的工具或切入点，和一个重要的提高粮食生产能力和调和土地利用冲突的手段。中国土地整理政策主要目的是为了减少农田损失，从而增加农田面积，提高农业生产率。在国家层面，中国的第一批土地整理项目始于1998年。在2001 - 2010年期间，1330万公顷的农地进行了翻新，通过土地整理项目增加新的农田达到280万公顷。根据最初的土地利用类型和条件，土地整理可以分为三类：农地整理，土地开发和土地复垦。农田整理针对现有农地（如小块土地）;土地开发的重点是将未利用的土地（如野草地，盐碱地，沼泽地，沙滩地和芦苇地）转化为农业用地;土地复垦的目的是将空置/闲置的城市建设用地和受灾地区农田转化为农业用途。大多数土地整理实践涉及小块土地合并为大片土地，并促进灌溉，排水，道路和森林保护缓冲区的建设。目前，土地整理的概念正在扩大。中国政府正在投入更多资金实施大规模的土地整理，目标是保持总耕地不低于1.2亿公顷且到2020年整体农业生产力提高10％。

许多研究已经通过产量监测，家庭调查，统计数据分析，潜在生产力评估和农业生态区分析来评估土地整理项目的有效性。例如，郭等人。衡量土地整理对中国31个省份农田生态系统多功能的影响。利用1986年和2000年的Landsat TM / ETM数据，邓等人通过农业生态区分析评估了土地数量和质量的变化; Song和Pijanowski（2014）基于国家农田自然质量等级状况评估了农田平衡政策对潜在土地生产力的影响。这些研究的结果是混合的 - 有些显示生产力略有增加，而另一些显示生产力略有下降。迄今为止，很少有研究国家尺度上土地整理项目的农业生产力变化，它基于空间上明确的土地整理田块数据。土地整理政策在提高农业生产率方面的有效性仍然不确定，尽管这种评估对于中国政府在改进和实施土地整理政策方面至关重要。

评估土地整理政策有效性的主要挑战之一是获取地块级的整合项目数据。我们从国土资源部主要“国家农村土地整理监测与调控系统”中获得土地整理项目（n=5328,2006-2010）的地块边界信息。这种地块级别的数据为我们评估农业生产力的变化提供了起点。但是，在每个具体的地块边界内，就地衡量和农业生产力变化评估可能是耗时且昂贵的。以追溯方式获得空间明确的农业生产力数据（如作物产量）来支撑长期趋势分析几乎是不可能的。在最近的许多研究中，研究人员利用遥感衍生的生物物理参数来估算农业生产力。例如，Yan等人使用来自NOAA/AVHRR的卫星衍生的NPP（净初级生产）数据来评估农业生产力。使用基于卫星的NPP的主要优势是时间序列数据很容易获得，它们可以作为不同作物类型的通用比较单位。

另一个常用的遥感衍生植被指数归一化差异植被指数（NDVI）与NPP密切相关，常被用作NPP估算的关键预测指标。时间积分（如生长季）NDVI作为农业生产力指标特别有用。越来越多的作物产量模型使用时间积分NDVI作为产量估算的主要预测因子。目前，标准的全球中等分辨率成像光谱辐射仪（MODIS）植被指数产品从21世纪初到现在以250米的空间分辨率提供。这样的时间序列遥感数据提供了改进的趋势分析能力（例如，2006-2016），这是对传统快照或双时相分析（例如2006vs2016年）的主要优势。将土地整理项目的地块边界数据与时间序列MODIS NDVI数据相结合，可以使我们以特定地点的方式描述农业生产力变化的一般模式。

此外，以前发表的研究很少研究生产力变化与生物物理和社会经济变量之间的关系。 例如，特定土地整理项目（如海拔，坡度，形状和面积）的生物物理特征可能会对项目的有效性产生正面或负面的影响。 某些气候条件（降水和温度）可能会促进或限制农业生产力的提高。 项目的成功率还取决于最初的土地使用类型（例如，现有的农业用地vs空置建设用地）。统计模型可以提高我们对项目有效性的理解，并可能有益于土地整理项目的未来实施战略。 至今，生物物理和社会经济变量影响的研究很少，特别是对于空间明确的环境。

在这项研究中，共选择了2006年至2010年间完成的5328个面积大于100公顷的项目，对于这些项目中的每一个，我们通过整合土地整理项目的地块边界数据和时间序列MODIS

NDVI数据来评估土地整理政策的有效性的时间和空间特征。 本研究的主要目标是：（1）通过分析时间序列MODIS NDVI来表征土地利用地块生产力的变化。 我们强调NDVI变化的趋势分析，而不是双时比较，以及（2）使用广义线性混合模型（GLMM）核实生产力变化与各种生物物理和社会经济变量的关联。

结果分析

时间序列NDVI分析。

利用250 m的NDVI时间序列数据，我们发现几乎所有（n=5328）的土地整理地块至少覆盖一个NDVI像素。 我们专注于DOY 97-DOY305（少云问题）来衍生2006年到2016年中的每一个研究年的时间积分的NDVI。图1比较了两组地块的时间积分（生长季）NDVI平均值：一组显示出显著的增长趋势，另一组包括所有剩余的地块。 对于表现出显着增长趋势的地块组，2006 - 2016年生长季整合NDVI的平均增长率为0.08 每年。对于2006年实施的项目（n=560），共有165项（29.5％）项目显示显著（p lt;0.05）时间积分NDVI的增加趋势。 对于2007-2010年间实施的项目，较低的项目百分比（例如2007年的25.9％和2010年的13.5％）显示出明显的增长趋势。

表1比较了三种土地整理类型的有效比率。 NDVI趋势显着增加的地块被认为是有效的，其余的地块被认为是无效的。当将2006年至2010年的所有项目纳入比较时，土地复垦（LR）项目的实际效率最高（28.3％），而土地整理（FC）和土地开发（LE）项目的有效率相对较低，分别为17.3％和23.9％。预计这样的结果是因为LR项目旨在将空置/闲置的城市建设用地和受灾破坏的农田转换回农业用地。LR项目的初始NDVI值相对较低，预计NDVI将持续增加。我们注意到，项目效果在不同时间段内有很大差异，早期实施的项目显示出更高的有效率。预计会产生这样的结果，因为可能需要几年才能显示项目的有效性，特别是从遥感数据中观察到的效果。对于2010年实施的项目，仅包含7年的NDVI数据（2010-2016年）供分析。使用7年的数据解释趋势分析需谨慎应用。

图1 2006年两组土地整理项目时间积分NDVI的比较

有显著提升趋势的地块作为一个组其余地块作为另一组。 Sen斜坡（虚线）预计有两组。

表1 土地整理项目取得成效的比例

注：该比率是通过将有效地块数除以总地块数计算的。 大括号内的数字表示特定类型的总地块数。

我们进一步评估了省级的有效率（图2）。总的来说，中国东部，南部和西南部的有效率较低。请注意，中国的东部和南部拥有生产力最高的土地。在新项目建立之前，农业生产力可能已经达到最大化。中国西南地形条件相对复杂，农田质量差，水利基础设施有限，给项目实施带来了挑战。北部，中部和西北部地区具有较高的有效比率。在这些地区，农田质量主要受中等水平的影响，经常使用单一的灌溉作物系统。从遥感观察，这些地区的项目显示出可喜的成果。

NDVI趋势与生物物理和社会经济变量之间的关联。

图3比较了选定的2006年项目有效和无效地点的生物物理和社会经济变量。 有效地点与较低温度，较低降水量，较低海拔和较小坡度有关。对于社会经济变量，有效地点位于相对较接近城市，GDP较高和农田质量指数较低的地区（使用国家农田质量等级作为农田质量指数，较低的值表示较高的平均潜在生产率，更多细节在补充表格S1中可以得到）。 总体而言，与生物物理变量相比，社会经济变量的分离程度较差。

表2显示GLMM分析结果。我们假设各省之间的截距有所不同。如果没有省际变率，则方差应该为0或接近于0。GLMM模型的方差为0.07，混合和相加模型（RLRsim）检验的精确（限制）似然比检验显示差异显着（plt;0.01）与0不同，表明保持模型随机效应的重要性。

GLMM表明项目效果与降水量，道路密度和海拔高度呈负相关（plt;0.05）。例如，降水量的增加与项目有效性的预期对数几率的下降有关。考虑到其他生物物理和社会经济变量的相似性，考虑到该地区年平均降水量较高，中国南部和东部的项目不太可能有效。GLMM的结果还表明，位于较发达地区的项目（例如较高的道路密度）也不太可能有效。这一发现的一个可能原因是发达地区聚集在中国东部和南部，那里农业生产力可能已经最大化。另外，项目效益与城市的坡度和距离在0.1的显著性水平上呈负相关。

图2 计算中国各省的实际利率（即有效项目/项目总数）

项目效益与项目规模相关（p lt;0.05）。项目规模的影响也被预期——一个规模较大的项目更有可能被贴上有效标签。在三个土地整理项目类型中，土地开发和土地复垦与农地整理参考类相比，成功率较低（不显著）。这样的结果仅对2006年的项目有效，因为我们在其他项目年份的土地开发和土地开垦项目中观察到更高的有效率（表1）。变量显示非显著关联包括年度温度，农田质量指数，人口密度，GDP和形状指数。令人惊讶的是，模型中的农地质量指数和形状指数等特定地点特征并不重要。这些数据可能具有粗略的空间分辨率和相当广泛的农田质量定义；因此在连接项目效果方面可能没有用处。

图3 选择有效和无效地点的生物物理和社会经济变量进行比较

NDVI趋势显着增加的地块被认为是有效的，其余的地块被认为是无效的。

表2 GLMM模型结果显示项目有效性与各种生物物理和社会经济变量之间的关系

因变量是二元的（代码1 =显示NDVI趋势显著增加的项目，代码0 =所有其余项目）。

讨论

中国的土地整理政策旨在通过扩大农田，改善农业基础设施，增加灌溉农田，提高农田利用效率从而来提高整体农业生产力。根据“全国土地整理规划（2011-2015）”，到2015年，通过土地整理项目，将建成2670万公顷优质耕地（占全国耕地总量的22％）（2015年底实现了这一目标）到2020年还将完成2670万公顷，为改善农田质量奠定基础。因此，评估土地整理政策对农业生产力的有效性对于中国政府改善土地整理政策的制定和实施以保证国家粮食安全至关重要。

我们使用MODIS NDVI（2006-2016）产品的时间序列分析对5328个项目实施了全国范围内项目有效性评估。对于2006年实施的项目，我们预计大多数地块在时间积分NDVI上都会呈现显着增长的趋势，因为此类项目较早实施，应该可以从时间序列遥感数据观察到影响。 但是，在项目实施后，只有29.5％的地块显示出明显的增长趋势。2007年到2010年实施的项目观察到类似或更低低的有效率。

我们注意到，根据研究人员如何设计项目评估方法，有效率可能会有很大差异。对于我们的研究，通过引入控制地点进行配对比较，对2006年项目（仅农田整理项目，n=412）进行了额外的分析。具体而言，针对每个项目地点，创建一个任意3公里的缓冲区，并将项目的周边农业区作为评估NDVI变化率的控制点。Sen斜率估计值被用来计算2006年到2016年的NDVI变化率。图4比较了项目地点和相应控制点的NDVI变化率。对于每个点，y轴表示项目的估计NDVI变化率，x轴表示相应控制点的估计变化率。与控制点相比，大约60.4％的项目显示Sen坡度值（或正面影响）更高。通过这样简单的比较，更高比例的项目可能被认为是有效的。但是，如果一个项目的NDVI变化率仅略高于相应的控制点，这个项目是否真正有效还不清楚。

至于区域差异，有效项目集中在华北平原和黄河三角洲。通过分析驱动因素，有效项目更有可能位于年平均气温和年降水量较低且经济发展水平较低的地区。但是，仍然有许多在原本土地质量较差的地区的土地整理项目没有实现显著的改善。

基于遥感观测，土地整理政策在提高农业生产率方面的有效性并不是很有希望的。几种可能的解释包括破坏自然资源，管理能力差异以及任意选址。一般来说，无效土地整理可能来自四个来源。首先，这可能是由于中央政府和地方政府在启动土

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23884]，资料为PDF文档或Word文档，PDF文档可免费转换为Word