《Agricultural Systems》：Beyond agroecological delineation: A functional understanding of productivity drivers across row crop agroecosystems in the United States
编辑推荐：
农业生态系统类型学分析、高维统计建模、空间异质性、作物生产效率、社会经济因素整合
Rasu Eeswaran | Sujithkumar Surendran Nair | Anthony Wayne King | Anup Menon Nandialath | Sindhu Jagadamma
田纳西大学生物系统工程与土壤科学系，美国田纳西州诺克斯维尔，邮编37996
摘要
背景
农业系统是生物物理（气候、土壤、地形）和社会经济因素相互作用并共同决定不同生产结果的典型例子。然而，以往定义农业生态系统的方法往往忽略了这些因素复杂多变性的交互作用及其对农业生态景观生产力的贡献。
目标
因此，本研究的总体目标是利用这些生物物理和社会经济因素的空间异质性，通过协调各因素的变异性来生成不同的类型，并理解它们在决定农业生态系统生产力结果中的关键作用。
方法
我们使用高维统计建模方法，为美国的农业景观划分了这些类型，并将其应用于四种主要行作物（即按行种植的作物：玉米、大豆、冬小麦和棉花）。首先，我们使用层次聚类方法创建了美国各地的气候、土壤和地形类型，然后将它们空间整合以定义农业生态系统类型（AET）。随后，加入州级长期（1991–2020年）作物生产力数据，利用遥感净初级生产力将这些数据分解为不同类型。应用虚拟变量回归模型，以作物生产力为因变量，类型为自变量。该模型通过线性虚拟最小二乘法进行估计。为每种作物分别开发了回归模型，测试其稳健性，并用于量化每种类型在空间上的生产力贡献。
结果与结论
我们发现，AET在行作物系统中驱动了最大的异质性，从而控制了40–53%的产量变化。此外，农业生态异质性对作物生产力的影响并不与耕作面积的空间范围成正比。这些类型对作物生产力的贡献导致了多种相互作用，反映了美国农业生态系统中的特定生产力挑战和机遇。
意义
农业生态系统是一个包含气候、土壤和地形相互作用的耦合领域。在评估其对环境和/或社会经济变化的响应时，必须全面考虑这一动态和交互式的实体。此外，各种类型的多样化生产力贡献强调了制定空间明确的适应性策略以有效应对作物生产挑战的迫切需求。随着未来作物管理数据的可用性，这种方法可以扩展到识别特定保护管理措施有效或无效的区域。
引言
农业生态系统在食品、饲料、纤维、燃料和其他工业商品的生产中发挥着重要作用，以满足不断增长的人口需求。虽然农业生态系统与自然生态系统有许多相似之处，但重要的是要认识到人类干预显著塑造了农业生态系统的动态和结果。自然过程与人类影响之间的相互作用形成了农业生态系统的独特社会生态结构，其特征是生物、物理、化学、生态和社会经济因素之间的丰富互动和相互关系（Garbach等人，2014；Gliessman，2004；Peterson等人，2018）。
在美国，超过60%的耕地用于行作物农业生态系统。玉米（Zea mays L.）、大豆（Glycine max L.）、小麦（Triticum aestivum L.）和棉花（Gossypium L.）等行作物占年收入的50%以上（USDA，2023）。自2000年以来，美国主要行作物的平均土地利用保持稳定（Nelson和Burchfield，2023）。尽管由于遗传改良和技术进步，这些作物的产量持续增加，但美国农业生态系统面临更大的产量波动，这主要归因于不同景观尺度上的气候波动（Hatfield和Walthall，2015；Lambert等人，2021；Leng和Huang，2017；O'Brien等人，2021）。同时，土壤和气候等生物物理因素对美国观察到的产量变化贡献最大（Mourtzinis等人，2020）。
早在20世纪70年代，生物物理因素就被用来定义和划分农业生态分区（AEZ）（Fischer等人，2001；Higgins和Kassam，1981）。随着地理参考生物物理数据集和先进技术的出现，AEZ方法得到了改进（Bofana等人，2020；Fischer等人，2021；Williams等人，2008）。在本研究中，我们全面回顾了涉及的数据、方法论方法和AEZ方法的局限性（详细信息见补充材料表S1）。例如，联合国粮食及农业组织（FAO）与国际应用系统分析研究所（IIASA）合作，不断推进全球农业生态分区（GAEZ）框架。最新的GAEZ版本5（FAO和IIASA，2025）提供了33个主要作物组的当前作物面积、产量和生产的空间表示，以及历史、当前和未来气候下的适宜性地图。尽管AEZ方法已被证明是评估作物适宜性和识别生产力差距的宝贵工具（Dadrasi等人，2023），但它存在一些局限性。值得注意的是，它缺乏诊断作物生产力变化驱动因素的能力，也没有将农业生态系统概念化为响应环境变化和动态的领域。因此，当前的AEZ框架在提供关于农业生态系统如何适应不断变化的气候和社会经济压力的预测见解方面存在不足（Di Vittorio等人，2016）。此外，尽管GAEZ v5的数据集和建模能力得到了增强，但它仍然受到土地利用和管理层静态假设的限制。它没有充分考虑影响农民决策过程的社会经济因素，并将这些变量与特定作物的生产力联系起来以理解农业生态系统的动态。
作为一种替代AEZ的方法，客观的多维类型学方法利用气候、地形和土壤变量以及社会经济因素的空间异质性，将区域农业景观中的广泛变量异质性简洁地总结为不同的气候、地形、土壤和社会经济单元或类型，这些单元或类型可以代表农业生态系统中的关键过程和生产力结果。这种方法作为AEZ方法的替代方案，在近几十年的农业生态系统研究中受到了关注，因为它系统地分类了生物物理和社会经济变量，并建立了与特定作物生产力的功能关系（Surendran Nair等人，2016）。然而，以前尚未有人将农业生态系统类型（AET）作为不同行作物系统生产力异质性的主要决定因素。因此，在我们的研究中，我们假设AET可以解释作物生产力的空间异质性，无论作物类型如何。研究的目标是：1）将AET定义为气候、地形和土壤类型的整合；2）通过建立类型与作物生产力之间的功能关系来评估美国行作物系统的异质性；3）量化这些类型对每种作物区域生产力的贡献。
为了实现这些目标，我们遵循了Surendran Nair等人（2016）提出的方法，定义了捕捉美国连续地区农业景观多样化气候、土壤和地形的独特AET，并建立了所开发类型与美国报告的作物生产力之间的功能联系。由于每个美国州都是一个独特的社会经济和制度实体，影响着先进农业技术的发展、测试和传播以及农场决策，我们将州定义为一种独特的社会经济类型。然后，我们利用这些类型进行回归分析，以研究生物物理和社会经济条件下的空间变异性如何影响美国的行作物生产。
研究区域描述
本研究在美国本土进行，该地区由48个州组成，根据各自的农业生态适应性，玉米、大豆、冬小麦和棉花的种植面积各不相同。根据美国农业部国家农业统计局（NASS，2024）的最新调查，过去几年中，美国每年分别种植了约9000万英亩、8300万英亩、3200万英亩和1200万英亩的玉米、大豆、冬小麦和棉花。
美国行作物农业生态系统的农业生态异质性
我们发现美国本土的气候、地形和土壤类型存在不同程度的异质性（图3）。康涅狄格州（CT）的异质性最大，而土壤类型的异质性最低。AET是由气候、地形和土壤类型交叉产生的，包含了6502种独特类型，突显了美国整个农业景观中农业生态系统的巨大空间异质性。
表2显示了...
美国行作物农业生态系统的异质性
我们的研究表明，AET表现出最高的异质性，其中40%或更多的类型显著归因于所有主要行作物的区域生产力变化（表3）。这强调了在评估全球环境变化对生产力的影响时，将农业生态系统视为整体响应单元的重要性，而不是像传统方法那样只关注单个因素（如气候）（Lobell和Gourdji，2012）。
结论
在这项研究中，我们通过应用高维统计建模的类型学方法评估了美国行作物农业生态系统的空间异质性。我们将农业生态系统类型定义为气候、地形和土壤类型的耦合领域，而美国各州被视为独特的社会经济领域。然后，我们提出了一种方法，将这些类型与作物生产力的区域变异性联系起来并进行量化。
作者贡献声明
Rasu Eeswaran：写作——原始草稿，可视化。
Sujithkumar Surendran Nair：写作——审稿与编辑，写作——原始草稿，监督，软件，资源，方法论，调查，正式分析，概念化。
Anthony Wayne King：写作——审稿与编辑，概念化。
Anup Menon Nandialath：写作——审稿与编辑，方法论，正式分析。
Sindhu Jagadamma：写作——审稿与编辑，资金获取，概念化。
资助
本研究未获得公共、商业或非营利部门的任何特定资助。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
我们感谢ORNL的Anukesh Krishnan Kutty Ambika对改进手稿提出的建议。本手稿由UT-Battelle, LLC根据与美国能源部（DOE）的合同（DE-AC05-00OR22725）编写。美国政府通过接受文章发表，承认美国政府保留了非独家的、已付费的、不可撤销的、全球范围内的许可，以发布或复制该手稿的已发表形式，或允许他人...
