这是用户在 2025-1-6 13:41 为 https://app.immersivetranslate.com/pdf-pro/637c2ce5-40e8-41f4-8335-c2b38cfd1c4e 保存的双语快照页面,由 沉浸式翻译 提供双语支持。了解如何保存?


1850 年至 2016 年间美国大陆的历史耕地扩张与废弃

Zhen Yu © | Chaoqun Lu


爱荷华州立大学生态学、进化与生物学系,爱荷华州,艾姆斯

  通信


Chaoqun Lu,生态学、进化与生物学系,爱荷华州立大学,美国爱荷华州阿梅斯市,邮政编码 50010。

  电子邮件: clu@iastate.edu
  资金信息

爱荷华州营养研究中心

编辑:托马斯·吉莱斯皮

  摘要


目标:土地利用和土地覆盖变化(LCLUC)是改变陆地生态系统功能及其对气候系统反馈的最重要驱动力之一,但在细尺度地球系统建模中,仍缺乏可靠的、空间明确的百年期数据集。我们的目标是结合多个数据源,重建美国大陆的长期土地利用历史,考察自 1850 年以来的农田扩张和废弃情况。


地点:连通的美国。时间段:1850 年至 2016 年。主要研究类群:耕地。方法:通过协调多个库存数据源和高分辨率卫星图像,重建了耕地密度图,显示每年耕地的分布和百分比(不包括夏季闲置/休耕和耕地牧场)。耕地数据对公众免费开放。


结果:从 1850 年到 2016 年,全国耕地扩张总面积为 1.04 亿公顷(Mha),在 1920 年达到约 1.27 亿公顷的峰值。森林和灌木地是 1850 年至 1880 年间耕地转化的主要土地覆盖类型,这主要归因于美国东北部的农业发展。从 1870 年开始,耕地开始向草原扩展,侵占面积显著增加,主要是由于大平原和中西部地区的耕作发展。相比之下,在研究期间,美国的废弃耕地面积为 6500 万公顷。我们发现,耕地废弃主要发生在美国中部和东南部,而耕地扩张则集中在中西部各州、加利福尼亚中部和密西西比河冲积平原。


主要结论:在研究期间,全国耕地从美国东部转移到中西部,促进了中西部在食品和生物燃料生产上日益重要的角色,增强了温室气体(GHG)排放,并导致向墨西哥湾的高氮负荷。我们的耕地数据库对于 LCLUC 影响的模型评估、作物生产估算和社会经济分析至关重要。

  关键词


放弃,农业,耕地,扩展,LCLUC,连续的美国

  1 | 引言


土地覆盖和土地利用变化(LCLUC)是全球气候变化、生物地球化学和水文循环以及粮食供应的主要驱动力之一(Feddema et al., 2005; Houghton et al., 1983;

Lark, Salmon, & Gibbs, 2015; Tian, Banger, Tao, & Dadhwal, 2014)。在所有土地覆盖和土地利用变化(LCLUC)的驱动因素中,农业活动在控制土地表面转变方面发挥了关键作用。为了满足快速增长的人口对食品和纤维的日益需求,农业已扩展到全球的森林、稀树草原、草原和湿地。


人群(Lambin, Geist, & Lepers, 2003)。大约 1 / 3 1 / 3 1//31 / 3 的世界景观受到农业使用的干扰,而另一部分相当数量的土地则受到其他人类活动的影响(Foley et al., 2005; Goldewijk, Beusen, Van Drecht, & De Vos, 2011)。这种强烈的干扰改变了土地表面特征,直接影响了地方、区域和全球气候系统。一个例子是,农田向非农田的侵占可能改变土地与大气之间的能量和水的交换,从而改变温度、湿度、降水、对流和风速(Kueppers, Snyder, & Sloan, 2007)。

在北美,从 1850 年到 1980 年,耕地扩张增加了四倍——从 5000 万公顷(Mha)增加到 2 亿公顷(Richards, 1990)。毫无疑问,这种人为的土地覆盖和土地利用变化(LCLUC)深刻影响了北美的生态系统功能及其社会经济服务。农业不仅提供社会发展所需的产品(例如食品、生物能源作物和生物燃料),还导致温室气体(GHG)的密集排放。在过去十年中,美国耕地每年释放约 4.49 亿至 5.16 亿公吨的 CO 2 CO 2 CO_(2)\mathrm{CO}_{2} 当量温室气体,相当于美国总温室气体排放的 4.6%至 7.7%(Johnson, Franzluebbers, Weyers, & Reicosky, 2007;USEPA, 2015),而耕地由于其巨大的固碳潜力,可以被管理为碳汇(Lal, Follett, Kimble, & Cole, 1999)。要量化土地转化对自然生态系统和人类社会的影响,需要准确描绘耕地在时间上的面积和分布。

上世纪初,社会科学家收集了耕地面积数据,并将其汇总到不同级别的政治单位(Ramankutty & Foley, 1999a)。然而,这些统计数据无法提供耕地分布的空间明确性信息。不断发展的遥感技术和可用的卫星图像极大增强了我们监测当代土地覆盖和土地利用变化(LCLUC)模式的能力,并改善了可用于模型的数据质量(Tian et al., 2014)。许多数据产品是布尔地图,其中每个网格单元要么完全被耕地占据,要么被其他非农作物植被占据(例如,Friedl et al., 2010;Hansen et al., 1981)。这种方法对于高分辨率图像(例如,国家土地覆盖数据库(NLCD)的 30 m 30 m 30-m30-\mathrm{m} 分辨率)是可靠的,但对于中低分辨率图像(例如,来自先进非常高分辨率辐射计卫星的 1 公里分辨率土地覆盖图)则存在问题,因为在上采样过程中可能会积累大量偏差。 Zumkehr 和 Campbell(2013)发现,低分辨率网格化(由可持续发展与全球环境中心(SAGE)开发的农田数据,分辨率为 0.5 度)的聚合效应可能会大大低估被废弃的农田,最多可达 40 % 40 % 40%40 \% ,这表明迫切需要更高分辨率的数据集。相比之下,全球环境历史数据库(HYDE v. 3.2,Goldewijk 等,2011;Goldewijk,Beusen,Doelman 和 Stehfest,2017)提供了一个改进的农田分布描述,涵盖了长期(公元前 10,000 年至公元 2016 年)和全球范围,分辨率为 5 弧分 × 5 × 5 xx5\times 5 弧分( 9.2 km 9.2 km ∼9.2km\sim 9.2 \mathrm{~km} 在赤道)。另一个改进的数据集来自 Zumkehr 和 Campbell(2013),他们在连续的美国开发了历史农田地图。在 1850 到 2000 年间,分辨率为 5 弧分


(ZCmaps 以后)。他们开发了一种由更细尺度输入数据(例如县级和高分辨率网格地图)驱动的土地利用模型,以重建土地利用历史。然而,HYDE 和 ZCmaps 的适用性仍然受到其相对粗糙分辨率的限制。美国农业部国家农业统计局(USDA NASS)发布了一种农田数据层(CDL)产品,详细分类了 2008 年至 2016 年间美国的作物类型,分辨率为 30 m 30 m 30-m30-\mathrm{m} (Boryan, Yang, Mueller, & Craig, 2011)。尽管如此,所有这些国家级影像数据要么覆盖的时间较短(例如 2008-2016 年的年度 CDL 地图),要么不连续(例如 1992 年至 2011 年每 5 年获得的 NLCD 地图)。

我们通过协调长期库存数据和遥感图像重建了农田密度地图。我们的目标是:(a) 通过调和不同数据源之间的准确性、时间覆盖和空间分辨率,开发一个描绘美国农田历史分布的数据集;(b) 评估和验证该数据集的可靠性;以及(c) 利用该数据集估计农田扩张和废弃的规模,并识别历史里程碑。农田分布通过密度地图来表征,该地图显示每个 1 km × 1 km 1 km × 1 km 1-kmxx1-km1-\mathrm{km} \times 1-\mathrm{km} 网格单元中种植作物面积的百分比,排除夏季闲置/休耕农田和农田牧场。


2 | 数据与方法


2.1 | 研究区域


我们将研究的重点限制在美国大陆的 48 个州,这也是世界上最 intensively cultivated 的地区之一。研究区域的特点是耕地的快速扩张和废弃,这些现象通过一系列历史清单数据和遥感图像得到了记录,使得该地区的历史耕地数据重建比世界其他农业地区更为可靠。例如,2008-2016 年的 CDL 产品是美国最先进的当代耕地分布图,而在其他相应地区尚缺乏。此外,USDA 自 1900 年代以来提供了年度普查和不同报告,记录耕地变化。所有这些数据集对于重建历史耕地地图至关重要。


2.2 | 库存数据集


为了重建长期土地利用模式,本研究主要使用了三份普查报告(表 1)。第一份是由美国农业部国家农业统计局(USDA NASS)提供的作物生产历史报告(CPHR),这是自 1900 年代以来美国所有主要耕地用途的唯一连续记录。具体而言,CPHR 报告了自 1975 年以来各州的年种植作物面积,自 1929 年以来的全国种植作物面积以及自 1909 年以来的全国收获面积。第二个统计数据集来自美国农业部经济研究服务局的经济信息公报报告(EIBR),该报告记录了 1945 年至 2007 年间全国耕地面积的间歇性数据(Nickerson, Ebel, Borchers, & Carriazo, 2011)。第三个数据集由美国农业部农业普查历史档案(CAHA, http://agcensus.mannlib.)提供。

表 1 耕地清单的数据来源
  数据来源      变量
我们在本研究中所做的调整
  数据源

美国农业部作物生产历史报告 (CPHR)
1909-2016
国家级种植面积(1929-2016);国家级收获面积(1909-2016);州级种植面积(1975-2016)

不对州级种植数据进行调整;将 1909 年至 1923 年的国家级收获面积转换为种植面积;从种植面积中扣除双季作物面积
http://usda.mannlib.cornell.edu/MannUsda/ homepage.do

美国农业部经济研究服务经济信息公报报告 (EIBR)
1949, 1954, 1959, 1964, 1969, 1974, 1978, 1982, 1987, 1992, 1997, 2002, 2007  1949, 1954, 1959, 1964,   1969, 1974, 1978, 1982,   1987, 1992, 1997, 2002,  2007 {:[" 1949, 1954, 1959, 1964, "],[" 1969, 1974, 1978, 1982, "],[" 1987, 1992, 1997, 2002, "],[2007]:}\begin{aligned} & \text { 1949, 1954, 1959, 1964, } \\ & \text { 1969, 1974, 1978, 1982, } \\ & \text { 1987, 1992, 1997, 2002, } \\ & 2007 \end{aligned}
国家级;耕地面积包括收获、失败、休耕作物
n.a. https://www.ers.usda.gov/

美国农业部农业普查历史档案 (CAHA)
1924 , 1935 , 1940 , 1945 , 1950 , 1954 , 1959 , 1964 , 1969 , 1974 , 1978 , 1982 , 1987 , 1992 , 1997 , 2002 1924 , 1935 , 1940 , 1945 , 1950 , 1954 , 1959 , 1964 , 1969 , 1974 , 1978 , 1982 , 1987 , 1992 , 1997 , 2002 {:[1924","1935","1940","1945","],[1950","1954","1959","1964","],[1969","1974","1978","1982","],[1987","1992","1997","2002]:}\begin{array}{r} 1924,1935,1940,1945, \\ 1950,1954,1959,1964, \\ 1969,1974,1978,1982, \\ 1987,1992,1997,2002 \end{array}
州级; 收获面积

结合 CPHR 种植面积对 1924 年至 1974 年间的国家级种植面积进行线性填补

http://agcensus.mannlib.cornell.edu/AgCensus/homepage.do
Data sources Year Variable Adjustments we made in this study Data source USDA Crop Production Historical Report (CPHR) 1909-2016 State-level planted area (1975-2016); national level planted area (1929-2016); national level harvested area (1909-2016) No adjustment for statelevel planted data; convert national level harvested area to planted area from 1909 to 1923; deducted double-cropping area from planted area http://usda.mannlib.cornell.edu/MannUsda/ homepage.do USDA Economic Research Service Economic Information Bulletin Report (EIBR) " 1949, 1954, 1959, 1964, 1969, 1974, 1978, 1982, 1987, 1992, 1997, 2002, 2007" National level; cropland area including harvested, failed, fallow crops n.a. https://www.ers.usda.gov/ USDA Census of Agriculture Historical Archive (CAHA) "1924,1935,1940,1945, 1950,1954,1959,1964, 1969,1974,1978,1982, 1987,1992,1997,2002" State level; harvested area Combined with CPHR planted area to linearly gap-fill state-level planted area from 1924 to 1974 http://agcensus.mannlib. cornell.edu/AgCensus/ homepage.do| Data sources | Year | Variable | Adjustments we made in this study | Data source | | :---: | :---: | :---: | :---: | :---: | | USDA Crop Production Historical Report (CPHR) | 1909-2016 | State-level planted area (1975-2016); national level planted area (1929-2016); national level harvested area (1909-2016) | No adjustment for statelevel planted data; convert national level harvested area to planted area from 1909 to 1923; deducted double-cropping area from planted area | http://usda.mannlib.cornell.edu/MannUsda/ homepage.do | | USDA Economic Research Service Economic Information Bulletin Report (EIBR) | $\begin{aligned} & \text { 1949, 1954, 1959, 1964, } \\ & \text { 1969, 1974, 1978, 1982, } \\ & \text { 1987, 1992, 1997, 2002, } \\ & 2007 \end{aligned}$ | National level; cropland area including harvested, failed, fallow crops | n.a. | https://www.ers.usda.gov/ | | USDA Census of Agriculture Historical Archive (CAHA) | $\begin{array}{r} 1924,1935,1940,1945, \\ 1950,1954,1959,1964, \\ 1969,1974,1978,1982, \\ 1987,1992,1997,2002 \end{array}$ | State level; harvested area | Combined with CPHR planted area to linearly gap-fill state-level planted area from 1924 to 1974 | http://agcensus.mannlib. cornell.edu/AgCensus/ homepage.do |

不适用; 美国农业部。


cornell.edu/),该网站记录了自 1920 年代以来美国的农场使用情况,并具体记录了从 1924 年到 2002 年每个州每 3 到 10 年收获的耕地面积。


2.3 基于卫星的图像产品


本研究中使用的两个主要遥感产品是 USDA CDL 和 NLCD。这两个产品均源自 Landsat Thematic Mapper ™影像或类似的多光谱卫星数据,分辨率大多为 30 米(除了 2008 年和 2009 年的 CDL,分辨率为 56 米)。NLCD 旨在提供土地覆盖变化的 5 年周期更新(Homer et al., 2015)。相比之下,CDL 是一个栅格格式、地理参考的、特定作物的土地覆盖分类产品,涵盖美国种植的 100 多种作物类别,经过地面实测和其他辅助数据的严格验证(Boryan et al., 2011)。NASS 在过去 10 多年中一直致力于为特定农业密集州开发这些量身定制的 CDL 地图(Johnson, 2013)。与所有其他地图产品相比,CDL 提供了关于不同作物类型空间分布的最详细作物信息。因此,在本研究的最近十年中,CDL 被直接重采样以重建耕地地图。

另一个在此使用的包含农田地图的数据库是 HYDE(v. 3.2;Goldewijk 等,2011,2017),该数据库在本研究中非常有用,因为这些地图展示了全球范围内农田分布的长期空间模式。HYDE 农田地图是通过整合库存和卫星数据开发的。一般过程是通过使用从社会和自然指标得出的适宜性(加权)地图,将农田分配到每个网格单元。因此,HYDE 地图描绘了农业用地在历史和空间上的潜在分布。因此,HYDE 地图可以提供农田密度的空间模式和趋势信息,这对于重建卫星时代之前的农田分布至关重要。HYDE 土地利用地图已在不同尺度上进行了验证(Goldewijk & Verburg,2013;Hurtt 等,2011),并广泛应用于全球。


变化建模社区(例如,Brovkin 等,2004;Erb 等,2007;Scholze, Ciais & Heimann,2008;Van Oost 等,2007)。HYDE 土地利用地图的不确定性主要来自人口和人均土地利用量,与世界其他地区相比,美国的记录相对详细(Goldewijk & Verburg,2013)。如果多种方法和各种数据来源(例如,人口普查记录、地方案例研究、花粉记录、树木年轮分析和考古证据)可用,HYDE 数据有很大的改进潜力(Goldewijk & Verburg,2013)。


2.4 | 重建农田地图的假设


为了重建历史土地利用数据,我们采用 2010 年的 CDL 数据作为初始基线图,并通过协调州级和国家级的清单数据及遥感产品,检索到 1850 年的信息。对卫星时代之前的耕地变化(例如,废弃和扩张)进行空间化是基于以下几个假设。首先,假设作物轮作和失败比率是稳定的。其次,我们假设 USDA 调查数据在州级和国家级提供了最可靠的耕地信息。第三,CDL 和 NLCD 地图提供了真实的耕地分布,而 HYDE 地图描绘了农业用地的潜在分布,并在本研究中作为作物适宜性指标。第四,2001 年之前(当时卫星地图不可用)的耕地扩张和废弃(空间变化模式)仅在 HYDE 和调查数据趋势一致的地区触发。


2.5 重建州级历史耕地面积的方法


我们将耕地面积定义为一年内种植作物的土地面积。因此,CPHR 在双季作物土地上将实际耕地覆盖面积计算了两次,而 EIBR 则通过考虑耕作的夏季休耕地高估了耕地面积(Nickerson et al., 2011)。由于 CPHR 提供了更详细的信息(州级年度


记录)比 EIBR(1945-2007 年间的 5-10 年间隔)更为详细,我们使用调整后的 CPHR 耕地时间序列(即从 CPHR 记录中扣除双季作物面积)作为参考数据,而 EIBR 仅用于验证耕地面积的年际变动。我们比较了这两个数据集,发现它们在表征耕地总面积的年际变化方面是一致的(见支持信息附录 S1),这意味着 CPHR 数据是用于历史重建的可靠代理。

为了重建历史耕地面积,我们首先总结了 EIBR 和 Borchers 等人(2014)提供的双季作物面积(2008 年至 2016 年),然后通过减去双季作物面积的平均百分比来调整 CPHR 时间序列中的种植面积,假设双季作物土地在研究期间是一个固定的百分比。由于双季作物土地仅占美国总耕地的一小部分( 2 % 2 % ∼2%\sim 2 \% ),因此这一调整对耕地地图重建不会产生显著影响。

从上述方法重建的州级耕地面积数据跨度为 1975 年至 2016 年。1975 年之后没有基于 CPHR 的州级种植面积数据,而 CAHA 提供了各州收获耕地面积的记录。因此,我们通过使用在重叠年份(1978-2002 年每 3-4 年)为每个州得出的种植 CPHR / CPHR / _(CPHR)//{ }_{\mathrm{CPHR}} / 收获 CAHA CAHA _(CAHA)_{\mathrm{CAHA}} 比率和 CAHA 的收获面积数据(1924-1974 年每 4-10 年)重建了时间序列种植面积数据。CPHR 种植面积与 CAHA 收获面积数据之间的关系接近 1:1(见支持信息附录 S2),这意味着 CAHA 的收获面积数据可以作为 1924 年至 1974 年期间州级种植耕地面积的可靠替代。得出普查年份的种植面积后,普查年份之间的耕地面积通过线性插值进行计算。

我们发现,由于 1934 年极高的作物歉收,CAHA 数据在该年显示的耕地面积异常偏低,导致 1924 年至 1940 年间插值耕地面积的大幅低估(见支持信息附录 S3)。为了克服这个问题,并在本研究中一致地捕捉种植作物面积的趋势,我们进一步修改了 CAHA 衍生的国家耕地数据,使其接近各州调整后的 CPHR 耕地数据。这是通过将两个数据集之间的年度差异按各州耕地面积相对于国家耕地面积的比例分配给每个州来实现的。在 1910-1923 年州级数据不可用的期间,通过将国家级趋势应用于所有州来重建耕地面积。


2.6 | 空间化州级农田分布的方法


利用重建的州级耕地面积,卫星地图被调整和插值,以将耕地地图扩展回 1850 年。根据数据的可用性,整个研究时期(1850-2016 年)被划分为六个子时期:2010-2016 年(P2010)、2001-2009 年(P2001)、1975-2000 年(P1975)、1924-1974 年(P1924)、1909-1923 年(P1909)和 1850-1908 年(P1850)。在每个六个子时期内的耕地地图是基于 CDL、CDL + NLCD 重建的,


图 1 本研究中使用的方法流程图和数据库及其原始分辨率和时间跨度。灰色框为虚线纹理的是表格库存数据,白色框为点状纹理的是图像数据。(CDL = 耕地数据层;NLCD = 国家土地覆盖数据库;CPHR = 农作物生产历史报告;HYDE 3.2 = 全球环境历史数据库版本 3.2;CAHA = 农业普查历史档案;底图是作为每个时期历史检索的初始耕地分布图)

HYDE + CPHR 状态清单,HYDE + CAHA 状态清单,HYDE + CPHR 国家清单 + CAHA 状态清单,以及 HYDE 数据,分别。P2010 拥有最准确和空间明确的数据源:在这个子期间,我们使用 1 公里窗口来计算从 30 米分辨率 CDL 地图重采样的每个网格单元中的耕地百分比(图 1)。由于分辨率较粗和相较于其他年份信心较低,CDL 2008 和 2009 被排除在外(Johnson, 2013)。

从 CDL 重采样的 1 公里分辨率 2010 年地图被用作基准地图,以重建 2010 年前的地图。我们从 NLCD 图像中提取了每个像素的耕地百分比变化率(2011 年、2006 年和 2001 年的 30 米分辨率),并将线性插值的年度趋势应用于重采样的 2010 年基准地图,以生成 2001 年至 2009 年的地图(图 1)。由于可靠性低,NLCD 1992 在本研究中被舍弃(Wickham, Stehman, Smith, & Yang, 2004; Wickham, Stehman, Fry, Smith, & Homer, 2010)。

从 2000 年回溯到 1850 年,我们使用上述 2001 年制作的地图作为基础地图。每个网格单元的农田密度趋势来源于 HYDE 地图。同时,每个州的总农田面积与清单数据保持一致。对于子时期 P1975,采用来自 CPHR 的州级农田面积年度记录来调整每年的总农田面积。遵循相同的规则,我们通过使用 HYDE 和州级 CAHA 数据重建了 P1924。对于 P1909,仅有 CPHR 国家农田面积数据可用。因此,我们对该子时期的所有州应用了国家级变化率,假设所有州的变化趋势与全国相同。同样,HYDE 地图也用于提取每个像素的变化率,然后通过来自各州的面积信息进行调整。


国家库存数据。在 1909 年之前,由于缺乏最早子时期 P1850 的库存数据,我们应用从 HYDE 地图得出的年度耕地变化率,将 1909 年地图的耕地分布推算回 1850 年。

例如,为了开发 1999 年的耕地分布图,我们首先使用 HYDE 地图获取 1999 年至 2000 年每个像素的年变化率。在将这些变化应用于 2000 年耕地图后,通过进一步调整耕地面积以接近每个州的 CPHR 数据,最终生成了 1999 年地图。更具体地说,如果某个州的耕地面积高于库存数据,则会从该州所有耕地像素中扣除一定面积的耕地,以保持总耕地面积与库存数据一致。这种方法将引发作物废弃和扩张事件的发生。如果 2000 年的耕地面积大于 1999 年,则 1999 年地图中某些耕地覆盖率低的网格单元可能会被更改为非耕地(即 1999 年至 2000 年的耕地扩张)。相反,如果某个州在 1999 年的耕地面积高于 2000 年,则差异将被添加到现有耕地中(即 1999 年至 2000 年的耕地废弃)。 在这里,我们假设 1999 年新增的耕地面积将位于以下地点:(a) 在 HYDE 和 2000 年地图中均被识别为耕地的像素,以及(b) 在 HYDE 地图中显示 1999 年至 2000 年耕地密度下降的像素。这将确保作物弃耕仅发生在 HYDE 识别的 1999 年至 2000 年耕地弃耕的区域(或 HYDE 中的适宜性分析)。然后,耕地百分比地图根据上述方法追溯到 1924 年。这些规则也适用于 P1850,唯一不同的是我们使用了国家级的耕地面积,而不是州级的库存数据。每个子时期重建历史地图的方法如图 1 所示。

在按照上述方法重建农田地图后,我们使用人口普查报告、已发布的研究和可用的网格地图评估了数据集的可靠性。具体而言,通过将农田的空间分布和时间变化与网格地图(HYDE,CDL)和已发布的研究进行比较,使用人口普查报告(CPHR)作为“真实”参考,评估了新开发地图的可靠性和优势。农田的废弃、扩展和转换通过与 Zumkehr 和 Campbell(2013)以及 Ramankutty 和 Foley(1999a)已发布结果的统计和模式比较进行了检查。由于缺乏逐像素验证的空间明确数据,本研究旨在减少卫星时代之前历史农田分布的不确定性,并提供比 HYDE 和 ZCmaps 更高分辨率的长期农田地图的替代可靠估计。

  3 | 结果


3.1 | 美国耕地分布的空间模式


在耕地分布方面,毫不奇怪,平均耕地密度在玉米带地区最高,该地区以玉米和大豆种植为主(图 2;支持材料)

信息附录 S5)。中央加利福尼亚(稻米和果树)和密西西比冲积平原(大豆和稻米)也被密集的农田覆盖(图 2;支持信息附录 S5)。本研究揭示的农田分布空间模式大致与 ZCmaps 和 HYDE 数据一致。然而,与 ZCmaps 和 HYDE 相比,我们的研究显示中西部高密度农田的面积较小,但与 2010 年 HYDE 数据相比,中央中西部(爱荷华州和伊利诺伊州)的农田密度总体较高(图 2)。在 NLCD 和 CDL 地图中发现了相同的农田密度模式(见支持信息附录 S4)。然而,ZCmaps 和 HYDE 地图均显示美国西部和南部以及阿巴拉契亚山脉地区广泛分布着低密度( < 1 % < 1 % < 1%<1 \% )农田(图 2)。HYDE 数据还显示,自 2008 年以来,中央玉米带(爱荷华州和伊利诺伊州)的农田百分比(约 50-80%)远低于 ZCmaps 和我们的数据( > 90 % > 90 % > 90%>90 \% ),见支持信息附录 S4。

我们研究、HYDE 和 ZCmaps 之间的差异在 1850 年代中期相对较小,此时总耕地面积分别为 24 Mha(本研究)、41 Mha(HYDE)和 36 Mha(ZCmaps),大部分耕地位于美国东部(图 2)。我们研究、HYDE 和 ZCmaps 之间的差异从 1850 年的 12-17 Mha 增加到 1930 年的 48 Mha,并在 2000 年代之前保持相对稳定。在 1930 年至 2000 年期间,HYDE 和 ZCmaps 估计中西部地区的高耕地密度区域覆盖范围更广。与我们的研究相比,HYDE 对耕地的低估主要出现在集约耕作的州(例如爱荷华州、伊利诺伊州),这些低估在 1850 年时在爱荷华州和伊利诺伊州分别为 0.2 Mha,到了 2010 年增加到 1.3 Mha。


3.2 | 新开发耕地数据集的有效性


我们将来自 HYDE、CDL 和本研究的州级耕地面积与 1975 年至 2016 年期间的 CPHR 人口普查数据进行了比较(HYDE 和 CDL 的数据范围为 2008 年至 2016 年)。一般而言,HYDE 统计数据倾向于高估低作物密度州(例如内华达州、亚利桑那州、新墨西哥州、犹他州、怀俄明州)的耕地面积,但在高作物密度州(例如爱荷华州、伊利诺伊州、印第安纳州)中则低估了耕地面积(图 3; R 2 = 0.97 R 2 = 0.97 R^(2)=0.97\mathrm{R}^{2}=0.97 ,斜率 = 0.90 = 0.90 =0.90=0.90 )。CDL 结果比 HYDE 更准确,尽管耕地百分比超过 20 % 20 % 20%20 \% 的州通常被低估(图 3 ; R 2 = 0.97 3 ; R 2 = 0.97 3;R^(2)=0.973 ; R^{2}=0.97 ,斜率 = 0.88 = 0.88 =0.88=0.88 )。我们的研究在州级层面上协调了遥感地图和清查数据,并显示出与州级耕地面积清查的比较结果最佳(图 3; R 2 = 0.999 R 2 = 0.999 R^(2)=0.999\mathrm{R}^{2}=0.999 ,斜率 = 0.99 = 0.99 =0.99=0.99 )。

我们还将本研究中重建的农田面积与其他已发表研究的数据进行了比较(表 2)。我们的结果与美国农田面积的已发布估计值更为接近,因此比 HYDE 更可靠,尽管由于农田定义和总结这些数据的方法的差异,这些估计值并不严格可比。在所有比较的面积数据中,EIBR、CPHR 和 CAHA 是从清单数据中总结而来的,而 ZCmaps、HYDE、NLCD、CDL 和本研究则是基于图像数据(图 4)。一般来说,HYDE 数据中国家农田面积的年际变化要比其他任何数据小得多。


图 2 本研究的耕地百分比地图(左侧面板)、Zumkehr 和 Campbell(2013)的地图(ZCmaps;中间面板)以及全球环境历史数据库(HYDE)地图(右侧面板)比较。[所有地图使用相同的图例]


在重叠年份期间的其他数据集。我们研究中显示的变化与 CDL(2010-2016)、CPHR(1975-2009,1909-1923)、CAHA(1924-1974)和 HYDE(1850-1908)在不同时间段的变化一致(图 4)。除了 HYDE 数据外,在 CAHA(1934)、NLCD(1992)和 CDL(2008-2009)数据中发现了异常值,其中国家耕地面积分别比 CPHR 调查数据低估了 17.36、34.01 和 16.05 百万公顷。值得注意的是,来自 ZCmaps 和 HYDE 的国家耕地面积远高于其他数据集,约为 12-60 百万公顷,因为 ZCmaps 包括作物失败/闲置、夏季。


休耕地和牧场,而 HYDE 代表耕地和永久性作物(表 2;图 2 和图 4)。与此同时,HYDE 和 ZCmaps 自 1990 年以来显示出耕地面积的减少,但其他数据没有这种趋势。


3.3 | 耕地分布的时空变化


我们进一步分析了 1850 年至 2016 年期间的农田废弃和扩张(图 5)。农田废弃量计算为最大作物密度与农田面积之间的差值。


图 3 各州平均耕地百分比的比较,数据来源于全球环境历史数据库版本 3.2(HYDE 3.2)、耕地数据层(CDL)和本研究 [HYDE 3.2 和 CDL 与作物生产历史报告(CPHR):2008-2016;本研究与 CPHR:1975-2016;黑色虚线为 1:1 线,彩色实线为线性回归线;每个数据集包括美国 48 个州。]

2016 年,耕地扩张是 2016 年与 1850 年之间的差异。大部分被废弃的耕地位于美国中部和东南部,如南达科他州、堪萨斯州、俄克拉荷马州、德克萨斯州、密苏里州、阿肯色州、阿拉巴马州、乔治亚州和北卡罗来纳州(图 5c)。从 1850 年到 2016 年,美国整体的耕地扩张被发现为 104.2 Mha(图 5d)。在此期间,集约农业管理土地的最大数量也从东部转移到中西部(图 4 和图 5)。我们进行了分析,以确定耕地覆盖的最大年份,这表明


耕地放弃的开始(图 5b)。一般来说,大多数州在 2016 年前的最后三十年达到了其最高耕地密度。最大耕地覆盖的早期年份(1900 年前)主要出现在美国东北部,其中俄亥俄州是美国农业系统早期建立的热点(图 5b)。此外,德克萨斯州的最高耕地密度也出现在 20 世纪初,主要集中在城市地区,包括达拉斯、休斯顿和奥斯汀(图 5b 中德克萨斯州的棕色聚集像素)。

我们估计了 1850 年至 2016 年间在农田与其他植被类型之间转换的累计土地面积(图 6)。全国农田扩张在 1920 年代达到峰值,随后略有下降,直到 2016 年(图 6;支持信息附录 S6)。此外,农田主要是从森林和灌木丛转换而来的,时间段为 1850 年至 1880 年。然而,从 1870 年开始,农田从草地转换的面积急剧增加,从大约 3.19 百万公顷增加到 1940 年代的峰值约 52.63 百万公顷(图 6)。相比之下,湿地在整个研究期间从未成为耕地的主要来源。自 2010 年以来,农田增加了 19.7 百万公顷,占研究期间总农田扩张的 7.7 % 7.7 % 7.7%7.7 \%

  4 | 讨论


4.1 | ZCmaps、HYDE、CDL 和本研究的耕地地图比较


由于耕地定义的差异,我们的数据与 ZCmaps 之间的面积差异从 1200 万公顷到 6000 万公顷不等。ZCmaps 中的耕地包括已收获的耕地、作物失败、闲置耕地、覆盖作物、夏季休耕和牧场。相比之下,本研究中使用的其他数据集将耕地定义为种植作物的土地,这与 ZCmaps 中已收获的耕地、作物失败和覆盖作物的总和相当。在所有统计类别中,差异最大的是牧场,1982 年至 1997 年报告为 5083 万公顷(Nickerson et al., 2011)。这个数字接近于差异。

表 2 本研究、全球环境历史数据库版本 3.2(HYDE 3.2)及其他研究对美国总耕地面积(百万公顷)的估计
  数据来源   
其他研究中的耕地
HYDE 3.2   本研究 a ^("a "){ }^{\text {a }}
  面积   笔记

Lal 等人 (1999)
1910 134 n.a. 166 126

Vesterby 和 Krupa (2001)
1997 141   闲置排除 181 131
USDA NASS, FSA b ^("b "){ }^{\text {b }} 2002 2007 2002 2007 {:[2002],[2007]:}\begin{aligned} & 2002 \\ & 2007 \end{aligned} 131 129 131 129 {:[131],[129]:}\begin{aligned} & 131 \\ & 129 \end{aligned}
休耕和闲置被排除在外
176 165 176 165 {:[176],[165]:}\begin{aligned} & 176 \\ & 165 \end{aligned} 128 125 128 125 {:[128],[125]:}\begin{aligned} & 128 \\ & 125 \end{aligned}
  约翰逊 (2013) 2006 2010 2006 2010 {:[2006],[2010]:}\begin{aligned} & 2006 \\ & 2010 \end{aligned} 129 115 129 115 {:[129],[115]:}\begin{aligned} & 129 \\ & 115 \end{aligned}
休耕和闲置包括在内
163 158 163 158 {:[163],[158]:}\begin{aligned} & 163 \\ & 158 \end{aligned} 125 122 125 122 {:[125],[122]:}\begin{aligned} & 125 \\ & 122 \end{aligned}
Nickerson et al. (2011) 2007 124   闲置排除 165 125

Lark 等人 (2015)
2008 115
休耕和闲置包括在内
166 127

Zumkehr 和 Campbell(2013)
2000 179
休耕、闲置和牧场包括在内
178 130
Data sources Year Cropland from other studies HYDE 3.2 This study ^("a ") Acreage Notes Lal et al. (1999) 1910 134 n.a. 166 126 Vesterby and Krupa (2001) 1997 141 Idle excluded 181 131 USDA NASS, FSA ^("b ") "2002 2007" "131 129" Fallow and idle excluded "176 165" "128 125" Johnson (2013) "2006 2010" "129 115" Fallow and idle included "163 158" "125 122" Nickerson et al. (2011) 2007 124 Idle excluded 165 125 Lark et al. (2015) 2008 115 Fallow and idle included 166 127 Zumkehr and Campbell (2013) 2000 179 Fallow, idle, and pasture included 178 130| Data sources | Year | Cropland from other studies | | HYDE 3.2 | This study ${ }^{\text {a }}$ | | :---: | :---: | :---: | :---: | :---: | :---: | | | | Acreage | Notes | | | | Lal et al. (1999) | 1910 | 134 | n.a. | 166 | 126 | | Vesterby and Krupa (2001) | 1997 | 141 | Idle excluded | 181 | 131 | | USDA NASS, FSA ${ }^{\text {b }}$ | $\begin{aligned} & 2002 \\ & 2007 \end{aligned}$ | $\begin{aligned} & 131 \\ & 129 \end{aligned}$ | Fallow and idle excluded | $\begin{aligned} & 176 \\ & 165 \end{aligned}$ | $\begin{aligned} & 128 \\ & 125 \end{aligned}$ | | Johnson (2013) | $\begin{aligned} & 2006 \\ & 2010 \end{aligned}$ | $\begin{aligned} & 129 \\ & 115 \end{aligned}$ | Fallow and idle included | $\begin{aligned} & 163 \\ & 158 \end{aligned}$ | $\begin{aligned} & 125 \\ & 122 \end{aligned}$ | | Nickerson et al. (2011) | 2007 | 124 | Idle excluded | 165 | 125 | | Lark et al. (2015) | 2008 | 115 | Fallow and idle included | 166 | 127 | | Zumkehr and Campbell (2013) | 2000 | 179 | Fallow, idle, and pasture included | 178 | 130 |

不适用; 美国农业部国家农业统计局; 森林服务局。夏季休耕和闲置排除在外。包括美国农业部国家农业统计局(2004, 2005, 2009)、Veneman、Jen 和 Bosecker(2004)、Vilsack 和 Clark(2009)以及美国农业部农场服务局(2003 和 2008)。


图 4 不同数据源在国家层面上从 1850 年到 2016 年获得的耕地面积比较。HYDE = = == 全球环境历史数据库;EIBR = 美国农业部经济研究服务局经济信息公报;CPHR = 作物生产历史报告;NLCD = 国家土地覆盖数据库;CDL = 耕地数据层;CAHA = 美国农业部农业普查历史档案;USDA = 美国农业部;ZCmaps = Zumkehr 和 Campbell(2013)的地图;图 4a 显示了从 1850 年到 2016 年的耕地面积;图 4b 显示了 1990 年至 2016 年 EIBR、CPHR、CAHA、NLCD、CDL、HYDE、ZCmaps 和本研究的耕地面积详细信息。


在同一时期,ZCmaps 与其他数据集之间的面积差异。

在比较来自不同数据集的农田面积时,我们发现 HYDE 中的农田密度在 intensively cultivated areas 中远低于其他地图(CDL、NLCD 和本研究)


自 2000 年以来(图 2-4)。由于 CDL 图像是美国最新的、最有可能是最佳的耕地产品(Johnson, 2013),我们得出结论,HYDE 地图在耕地覆盖率高的地区大大低估了作物密度,而在低密度地区则高估了作物密度。在研究期间,这种高估可能可以通过以下因素来解释。


图 5 1850 年至 2016 年以 1 公里分辨率的耕地放弃与扩展情况。(a) 1850-2016 年期间的最大作物百分比;(b) 发现最大作物百分比的年份;(c) 放弃耕地的百分比,计算方法为(a)与 2016 年耕地面积之间的差值;(d) 扩展耕地的百分比,计算方法为 2016 年与 1850 年耕地面积之间的差值。(a、c 和 d 使用相同的地图图例)


图 6 1850-2016 年美国主要土地覆盖类型面积的累计变化


在 HYDE 地图中分配耕地给每个网格单元所使用的权重图。这些权重图在很大程度上依赖于社会和自然指标,如城市化水平、人口密度、土壤适宜性、地形和温度(Goldewijk et al., 2011)。然而,需要注意的是,HYDE 还吸收了遥感信息,卫星地图的影响随着时间的推移而增加。因此,HYDE 地图可以用作农业潜力和作物适宜性地图,特别是在研究期间早期卫星图像不可用的情况下。HYDE 地图的这一特性解释了 HYDE 地图中耕地覆盖面积远大于任何其他卫星产品,因为前者包含潜在的耕地印记。因此,基于我们与其他广泛使用的耕地地图的比较,我们确认新开发的地图在描绘美国耕地的空间分布方面是可靠的。

然而,如果在生物地球化学模型中使用 HYDE 耕地地图来识别 LCLUC 影响,可能会导致较大的偏差。耕地具有独特的特征,受到人类活动的高度影响,例如种植和收获时间、肥料使用和灌溉。例如,作物物候(例如种植和收获日期)决定了与裸地(或当耕地侵占森林时的较高反照率)和森林相比,土地表面的低反照率的时间和持续时间,从而导致辐射预算和水循环的变化(Foley et al., 2005)。这些土地表面条件的变化可能会影响区域甚至全球气候(Betts et al., 2007; Sack, Kucharik et al., 2011)。基于 HYDE 地图,Van Oost et al. (2007) 和 Brovkin et al. (2004) 揭示了 LCLUC 在全球气候系统和碳循环中所发挥的关键作用。然而,根据我们的研究,在高作物密度地区,耕地的密度被低估了约 10-40%(例如,HYDE 中的 50-80%与我们数据中的 90 % 90 % 90%90 \% 相比),农业生态系统的影响在上述模型模拟中确实被低估了。 我们预计我们研究开发的显著改进的耕地密度地图将有助于减少这种偏差并获得更准确的模拟。

由于 HYDE 地图在中部玉米带地区显著低估了农田密度,而在其他大多数地区则高估了农田密度,我们认为一些长期的 LCLUC 相关研究可以通过纳入我们研究中开发的农田密度地图来改进。Zumkehr & Campbell 等(2013)使用县级普查数据和网格地图研究了美国潜在的生物能源生产,发现来自废弃农田的生物能源可以满足多种能源生产的需求。因此,新开发的农田地图预计将为模型估计提供替代数据,这可以有助于评估生物能源生产对美国的影响的不确定性。另一个例子是,在更大尺度上,改进的农田地图有利于建模大气-生物圈之间的交换 CO 2 CO 2 CO_(2)\mathrm{CO}_{2} ,这受到植被组成的强烈影响。Scholze 等(2008)使用 HYDE 地图研究了 C13 的变化,结果进一步用于推断全球碳汇/源。因此,更好地理解美国的 LCLUC 模式。 通过一个世纪的研究,可以改善国家和全球碳预算、碳气候反馈以及其他基于土地的生态系统功能的量化,捕捉长期土地转化历史的滞后效应。


4.2 国家耕地面积的时间变化


在所有可用数据中,CPHR 提供了关于变化(州和国家级别)最可靠的信息,而 CDL 则最好地描述了耕地的空间分布。CPHR 跟踪美国所有主要作物的年种植面积、产量、产值、价格和价值(https://www.nass.usda.gov/)。USDA EIBR(Nickerson 等,2011)记录了 1945 年至 2007 年每 5-10 年的耕地面积,作为基准数据库。EIBR 考虑了夏季休耕地,因此其耕地面积高于 CPHR。如果从 CPHR 中去除双季作物面积,这两个数据集之间的差异约为 12.95 Mha,这接近 Lal 等(1999)报告的 19.83 Mha 的休耕地面积。尽管 CPHR 和 EIBR 之间的绝对值存在差异,但在重叠年份中耕地面积的年际变化是一致的(支持信息附录 S1,图 4a)。值得注意的是,CAHA 的总耕地面积在 1934 年显著低于 CPHR,这与该年作物失败的高峰(约 25%)有关。78 Mha 或比 1929 年报告的作物失败的前峰高出四倍(http://agcensus.mannlib.cornell.edu/AgCensus/homepage.do/)。因此,本研究中的州级种植面积通过 CPHR 数据进一步调整,以减少这种异常高的作物失败的影响(图 4a 中的蓝色实线)。

与其他数据产品相比,HYDE 地图在再现自 1960 年以来的国家耕地变化方面表现较差(图 4a,b)。值得注意的是,自 2010 年以来,基于 CDL 的耕地面积与清单数据更为一致,而 2008-2009 年的国家耕地面积似乎被大大低估(图 4b)。这种低估可能归因于早期卫星时期的准确性较低,正如 Johnson(2013)所报告的那样。CDL 的准确性不断提高,使得该数据集能够更好地


近年来的耕地分布(Lark et al., 2015)。因此,我们使用 2010 年 CDL 地图作为基础地图,而不是前两年的地图,以最大化卫星地图与普查数据之间的一致性。同样,NLCD 数据间歇性地记录了耕地分布(1992 年、2001 年、2006 年和 2011 年),在 1992 年显示出一个异常值。与其他数据产品不同,HYDE 地图显示出美国耕地面积在 2001 年至 2016 年间意外地持续下降(图 4b)。因此,在我们的研究中,CDL 20082009、NLCD 1992 和 HYDE 2001-2016 的数据被排除在历史地图重建之外。总体而言,我们的研究生成了与清单数据一致的空间明确的时间序列耕地百分比数据,同时也吸收了来自 CDL、NLCD 和 HYDE 地图的空间模式和趋势信息。通过密集的比较,我们有信心我们的数据提供了相对长期(1850-2016 年)、中等分辨率(1 公里 × 1 km × 1 km xx1km\times 1 \mathrm{~km} )和可靠(总面积和年际变化)的耕地地图。


4.3 | 农田弃耕与扩张


在本研究中,废弃农田被计算为最大密度时与 2016 年之间的农田百分比差异(图 5c),而扩张面积则是 2016 年覆盖率与 1850 年之间的差异(图 5d)。因此,这里所指的废弃农田面积表示历史上用于农业但在 2016 年未被耕作的土地面积,而扩张面积则是 2016 年耕作但在 1850 年未被耕作的土地。我们发现大多数废弃农田位于美国中部和东南部(图 5c)。这一模式与 Land(1974)的研究一致,他报告了南方大量的作物废弃。同样,我们的结果与 Zumkehr 和 Campbell(2013)的研究均揭示了东南部各州的农田废弃。这种大规模的废弃也被 Reuss、Wooten 和 Marschner(1948)记录,他们报告在 1930 年代有 200 万公顷的农田被废弃,特别是在下密西西比河流域(阿肯色州、密西西比州、路易斯安那州)和东南部各州(南卡罗来纳州、乔治亚州、阿拉巴马州、维吉尼亚州),原因是来自更具生产力地区的竞争加剧(例如。 中西部州)和对土地的竞争需求(Ramankutty & Foley, 1999a)。相比之下,我们的地图显示中南部州(例如俄克拉荷马州、乔治亚州、堪萨斯州、阿拉巴马州)的耕地废弃现象比 ZC 地图和 HYDE 地图更为明显(图 5)。这些废弃模式的差异可能部分归因于每项研究采用的不同耕地定义。密西西比东部地区的废弃现象也被记录在案,并归因于土壤肥力低和现代机械难以到达的地形(例如小型、粗糙和孤立的田地),而在俄克拉荷马州和德克萨斯州,耕地因保护、水资源限制和对土地的强烈非农业竞争而转变为草地(Land, 1974)。耕地扩张与政府政策(例如《宅地法案》,排水系统的发展,灌溉设施)和农业技术(例如机械)相关(Ramankutty & Foley, 1999a)。例如,联邦政府在西部各州资助了大型灌溉项目(Ramankutty & Foley, 1999a),导致了随后的农业


自 20 世纪 30 年代以来加利福尼亚的发展,可以从本研究重建的地图中看出(图 2)。

总的来说,我们发现,从 1850 年到 2016 年,美国整个地区的废弃农田面积为 65 百万公顷( 33.6 % 33.6 % 33.6%33.6 \% 的最大农田),该面积是通过最大农田密度与 2016 年密度之间的差异计算得出的。我们的研究表明,从 1850 年到 2000 年,农田废弃占 56 百万公顷(31.6%),而在同一时期,Zumkehr 和 Campbell(2013)得出的废弃面积为 68 百万公顷(25.8%)。这种差异可能是由于每项研究采用的不同定义所致,因为我们的结果不包括闲置、休耕和牧场土地。相比之下,HYDE 农田地图得出的废弃面积为 80 百万公顷(其最大农田的 34.6%,接近我们的估计)。

最大耕地密度及其达到该值的年份显示出高度的空间异质性(图 5b)。19 世纪前的早期记录显示,最大耕地覆盖主要集中在美国东北部,这主要是由于移民在新英格兰地区和中大西洋州的早期定居。俄亥俄州是美国农业系统早期建立的热点(图 5b)。在 1840 年代末,它的玉米产量超过任何其他州,且小麦产量排名第二(俄亥俄历史中心,2016)。然而,西部的快速发展 sharply 增加了竞争,导致 19 世纪末许多小农场在俄亥俄州消失。我们新开发的数据产品能够捕捉该地区农业产业转型的足迹。此外,德克萨斯州的最大耕地密度出现在 20 世纪初的现有大城市,表明这些地区早期农业活动的建立,但由于达拉斯、休斯顿和奥斯丁的快速城市化,这些活动很快被放弃(图 5b 中德克萨斯州的棕色聚类像素)。 这一模式与 Ramankutty 和 Foley(1999a)一致,他们关注的是 1850-1992 年期间,但我们提供了这些变化的更详细信息。此外,尽管由于定义差异而无法直接比较,Zumkehr 和 Campbell(2013)在 1850 年至 2000 年期间揭示了与我们的结果在国家层面上相似的最大耕地年份模式。


4.4 | 耕地与其他自然植被覆盖之间的转换


在 1850 年至 1880 年期间,农田主要是从森林和灌木丛中转变而来,这是欧洲定居者在俄亥俄州耕作土地的高峰期。在定居之前,俄亥俄州被完整的森林覆盖,其中约有 1.62 百万公顷在 1850 年代被砍伐(Lloyd, Thorne, & Falconer, 1918)。本研究的数据表明,森林清理后紧接着进行的作物种植在接下来的几十年中持续进行。农田从 1870 年开始向草原扩展,侵占的面积从 1870 年的约 3.19 百万公顷急剧增加到 1920 年代的峰值约 52.63 百万公顷(图 6)。这可能是因为 1862 年引入的《宅地法》刺激了农田向大平原和中西部地区的扩展。这与我们对美国中西部草原广泛清理用于种植作物的认识是一致的。这一农田的转变改变了美国的食品和生物燃料生产模式,并可能


已导致区域温室气体排放和向密西西比河的氮浓度出口增加。通过比较 1920 年和 1850 年的耕地面积,发现耕地扩张最显著的地区是德克萨斯州(11.72 Mha),其次是堪萨斯州(9.37 Mha)、爱荷华州(8.21 Mha)、内布拉斯加州(8.06 Mha)和北达科他州(7.86 Mha)(支持信息附录 S6)。从森林转化而来的耕地面积在 1920 年达到峰值,并在接下来的几十年中保持稳定。同时,自 1930 年代以来,美国中部和东部也发生了耕地废弃,森林面积逐渐增加。Ramankutty 和 Foley(1999b)也记录了北美先前耕作区域森林的重新建立,这与 Smith、Miles、Vissage 和 Pugh(2004)报告的森林恢复事件相吻合。特别是,这一森林恢复趋势在新英格兰地区最为显著(Foster 等,2010)。

  致谢


我们非常感谢曹佩宇在数据录入方面的帮助。本研究得到了爱荷华营养研究中心的种子基金支持。

  数据可访问性


本研究中使用的所有数据均可通过 https://doi.pangaea.de/10.1594/PANGAEA.881801 公开获取。

ORCID

  参考文献


Barbarika, A., Hyberg, S., Iovanna, R., & Feather, C. (2008). 保护储备计划,摘要和登记统计,财政年度 2007。华盛顿特区:美国农业部,农场服务局。获取自 http://www.fsa.usda.gov/Internet/FSA_File/annual_consv_2007.pdf


Betts, R. A., Boucher, O., Collins, M., Cox, P. M., Falloon, P. D., Gedney, N. … Webb, M. J. (2007). 由于植物对二氧化碳增加的响应,预计大陆径流将增加。自然, 448, 11037-11041.

Borchers, A., Truex-Powell, E., Wallander, S., & Nickerson, C. (2014). 多作物种植实践:双重种植的最新趋势。华盛顿特区:美国农业部。


Boryan, C., Yang, Z., Mueller, R., & Craig, M. (2011). 监测美国农业:美国农业部国家农业统计局耕地数据层计划。地理卡通国际, 26, 341-358.

Brovkin, V., Sitch, S., Bloh, W. V., Claussen, M., Bauer, E., & Cramer, W. (2004). 土地覆盖变化在过去 150 年大气 CO 2 CO 2 CO_(2)\mathrm{CO}_{2} 增加和气候变化中的作用。全球变化生物学, 10, 1253-1266.

Erb, K. H., Gaube, V., Krausmann, F., Plutzar, C., Bondeau, A., & Haberl, H. (2007). 一套与国家普查数据一致的 2000 年全球 5 分钟分辨率土地利用数据集。土地利用科学杂志, 2, 191-224.

Feddema, J. J., Oleson, K. W., Bonan, G. B., Mearns, L. O., Buja, L. E., Meehl, G. A., & Washington, W. M. (2005). 土地覆盖变化在模拟未来气候中的重要性。科学, 310, 1674-1678.

Foley, J. A., DeFries, R., Asner, G. P., Barford, C., Bonan, G., Carpenter, S. R., … Helkowski, J. H. (2005). 土地利用的全球后果. 科学, 309, 570-574.


Foster, D., Aber, J., Cogbill, C., Hart, C., Colburn, E., D’Amato, A., … . Hall, B. (2010). 野地与林地:新英格兰景观的愿景。剑桥,马萨诸塞州:哈佛大学出版社。

Friedl, M. A., Sulla-Menashe, D., Tan, B., Schneider, A., Ramankutty, N., Sibley, A., & Huang, X. (2010). MODIS collection 5 全球土地覆盖:算法改进和新数据集的特征描述。环境遥感, 114, 168-182.


Goldewijk, K., Beusen, A., Doelman, J., & Stehfest, E. (2017). 新的人为土地利用估计用于全新世;HYDE 3.2。地球系统科学数据讨论,正在准备中。

Goldewijk, K., Beusen, A., Van Drecht, G., & De Vos, M. (2011). HYDE 3.1 人为引起的全球土地利用变化的空间显式数据库,涵盖过去 12,000 年。全球生态与生物地理学, 20, 73-86.


Goldewijk, K. K., & Verburg, P. H. (2013). 全球尺度历史土地利用重建中的不确定性:以 HYDE 数据集为例。景观生态学, 28, 861-877。


Hansen, M., DeFries, R., Townshend, J. R., & Sohlberg, R. (1981). UMD 全球土地覆盖分类,1 公里,1.0. 马里兰州大学地理系,大学公园,马里兰州。

Homer, C. G., Dewitz, J. A., Yang, L., Jin, S., Danielson, P., Xian, G., … Megown, K. (2015). 完成 2011 年美国大陆地区国家土地覆盖数据库——代表十年的土地覆盖变化信息。摄影测量工程与遥感, 81, 345-354.

Houghton, R. A., Hobbie, J. E., Melillo, J. M., Moore, B., Peterson, B. J., Shaver, G. R., & Woodwell, G. M. (1983). 1860 年至 1980 年间陆地生物和土壤中碳含量的变化:向大气的净释放 CO 2 CO 2 CO_(2)\mathrm{CO}_{2} 。生态专论, 53, 235-262.


Hurtt, G. C., Chini, L. P., Frolking, S., Betts, R. A., Feddema, J., Fischer, G., … Jones, C. D. (2011). 1500-2100 年土地利用情景的协调:600 年的全球网格化年度土地利用转变、木材采伐及其导致的次生土地。气候变化, 109, 117.

约翰逊,D. M. (2013)。2010 年美国大陆地区每年耕作农田的地图估计。《农业系统》,114,95-105。

Johnson, J. M. F., Franzluebbers, A. J., Weyers, S. L., & Reicosky, D. C. (2007). 农业减缓温室气体排放的机会. 环境污染, 150, 107-124.


Kueppers, L. M., Snyder, M. A., & Sloan, L. C. (2007). 灌溉冷却效应:土地利用变化对区域气候的影响。地球物理研究快报, 34, L03703.

Lal, R., Follett, R. F., Kimble, J., & Cole, C. V. (1999). 管理美国农田以在土壤中固碳. 土壤与水分保护杂志, 54, 374-381.

Lambin, E. F., Geist, H. J., & Lepers, E. (2003). 热带地区土地利用和土地覆盖变化的动态. 环境与资源年鉴, 28, 205-241.


Land, O. (1974). 水资源,当前和未来的供应与使用。华盛顿特区:经济研究服务杂志出版。


Lark, T. J., Salmon, J. M., & Gibbs, H. K. (2015). 美国的农田扩张超过农业和生物燃料政策。环境研究快报, 10, 044003。

Lloyd, W. A., Thorne, C. E., & Falconer, J. I. (1918). 俄亥俄州的农业 (第 326 页). Wooster, OH: 俄亥俄农业实验站。