气候胁迫下AI赋能遥感评估沙特耕地质量与可持续性的因果动态研究

《Resources》：AI-Enabled Remote Sensing Assessment of Cultivated Land Quality and Sustainability Under Climate Stress: Evidence from Saudi Arabia Amina Hamdouni

本研究整合卫星遥感、高分辨率气候数据和先进计量模型，首次在沙特阿拉伯这一典型干旱农业系统中，评估了气候变化胁迫与人工智能（AI）赋能监控对耕地质量、生产力与可持续性的动态因果效应。研究揭示了水分条件（如土壤湿度、降水）的正面影响与热胁迫、风速的负面作用，并量化了AI采纳（特别是智能灌溉）在提升水分利用效率（WUE）和作物水分生产力（CWP）方面的显著效益（约8-10%），为沙特“2030愿景”下的数字农业与气候适应策略提供了关键实证依据。

　　

^{1. 引言}

耕地资源是全球粮食安全、生态稳定和可持续发展的基石。在人口增长、气候变化和城市扩张的共同压力下，耕地系统面临前所未有的挑战。气候变化引发的压力，如温度升高、降水模式改变、干旱频率增加和土壤退化，直接影响土地生产力、水可获得性和作物产量，从而威胁农业系统的长期生存能力。这些问题在干旱和半干旱地区尤为突出，沙特阿拉伯由于其极端的干旱性、高蒸散发和长期水资源短缺，成为全球气候最脆弱的农业系统之一。该国超过95%的土地被归类为干旱或超干旱，年均降水量低于100毫米，夏季气温经常超过45°C。尽管存在这些限制，农业对粮食安全和农村发展仍具有战略重要性。然而，农业消耗了超过80%的淡水总取水量，主要依赖地下水资源。在此背景下，耕地的可持续治理已成为沙特“2030愿景”下的核心政策优先事项，该愿景明确强调粮食安全、水资源利用效率、气候适应和农业部门的数字化转型。

^{2. 文献综述}

^{2.1. 气候胁迫、遥感与耕地结果}

大量研究表明气候变化对耕地系统具有深远的、多方面的影响。气温上升、降水模式变化、干旱频率增加和更大的气候变率从根本上改变了全球农业生产条件。这些气候变化通过多种途径影响耕地，包括作物生理胁迫、土壤水分耗竭、养分流失、土地退化和更高的蒸散发，最终破坏土地质量、生产力和可持续性。气候胁迫被广泛认为是耕地性能和长期农业可持续性的主要决定因素。同时，遥感已成为关键的测量和监测工具。卫星和地理信息系统（GIS）技术能够在区域尺度上实现作物监测、土壤水分估算、蒸散发测量和产量预测。近期进展将遥感与高级分析相结合，以更精确地评估环境压力。

基于上述理论和实证证据，气候胁迫预计通过与水可获得性、大气条件和热胁迫相关的多种渠道影响耕地结果。因此提出以下假设：

H1a：根区土壤水分（GWETPROF）对耕地质量、生产力和可持续性有积极影响。

H1b：降水（PRE）对耕地质量、生产力和可持续性有积极影响。

H1c：由比湿（QV2M）和相对湿度（RH2M）测量的大气湿度条件，对耕地结果有积极影响。

H1d：由湿球温度（T2MWET）捕获的热胁迫，对耕地质量、生产力和可持续性有负面影响。

H1e：风速（WS2M）由于增强的蒸散发和土壤水分损失，对耕地结果有负面影响。

总体假设H1：气候胁迫变量显著影响耕地质量、生产力和可持续性。

^{2.2. 人工智能、数字农业与气候适应性土地管理}

近期研究越来越多地将农业中的气候适应视为一个技术介导的过程，而非纯粹的环境响应。人工智能（AI）已成为将环境数据转化为适应性决策的核心机制。数字农业平台提供关于土壤特性、植物健康和天气变率的连续信息，允许农民实时调整灌溉和投入品使用。AI赋能的精准农业优化施肥、病害检测和灌溉调度，在气候变率下减少环境压力同时稳定生产力。这种转变的一个关键组成部分是AI与监测技术的整合。AI赋能的传感系统量化空间尺度上的土壤水分、蒸散发和生物量动态，从而在环境压力变得严重之前实现主动响应。除了预测能力，AI还支持土地管理决策和可持续性评估。在缺水地区，AI与气候胁迫的相互作用变得尤为明显。AI采纳也有助于超越直接生产力增益的更广泛的可持续性结果。

基于数字农业和气候智能型农业文献，AI赋能技术预计通过提高监测准确性、优化灌溉和支持适应性决策来改善耕地结果。因此提出以下假设：

H2a：采用AI赋能的农业监测和智能灌溉系统（AI_Adopt）对耕地质量、生产力和可持续性有积极影响。

H2b：更高强度的AI赋能农业技术（AI_Index）与耕地结果的更强改善相关。

这些假设区分了广延边际（是否采用AI）和集约边际（AI整合的深度）。

总体假设H2：AI赋能的农业监测和智能灌溉采纳对耕地质量、生产力和可持续性有积极影响。

此外，AI赋能技术可能通过减轻气候胁迫对耕地系统的不利影响发挥调节作用。通过改进实时监测、预测能力和资源利用效率，AI采纳预计会削弱气候胁迫与土地结果之间的负相关关系。这引出了以下假设：

H3：AI赋能的农业监测减轻了气候胁迫变量对耕地质量、生产力和可持续性的不利影响。

^{3. 数据与方法}

^{3.1. 研究设计概览}

研究采用了一个平衡的区域-作物-年份面板数据集，覆盖2010年至2024年期间沙特阿拉伯的13个行政区。样本包括六种主要栽培作物——小麦、椰枣、西红柿、土豆、洋葱和柑橘类作物，这些作物在各区域广泛种植且随时间报告一致。分析单元是区域-作物-年份，共产生1170个观测值。这种多维结构允许分析利用区域间异质性和作物间差异，同时控制不随时间变化的区域特征和特定作物的技术差异。

耕地结果主要使用卫星衍生的植被和生产力指标测量，包括归一化差异植被指数（NDVI）、增强型植被指数（EVI）、净初级生产力（NPP）、水分利用效率（WUE）和作物水分生产力（CWP）。为评估基线结果的稳健性，还使用了替代因变量，包括捕获植被水分含量和灌溉条件的归一化差异水分指数（NDWI），以及提供农业生产力直接测量的作物产量（吨/公顷）。

气候条件使用来自美国国家航空航天局现代研究与应用回顾分析第2版（NASA MERRA-2）再分析数据集的高分辨率数据捕获，涵盖与干旱和半干旱农业系统相关的关键变量，如土壤水分、降水、湿度、温度和风速。此外，在稳健性检验中，分析还纳入了干旱严重程度指数（SPEI）作为替代气候指标。

AI赋能的农业监测和智能农业指标是在区域层面构建的，基于数字农业倡议的公开政策文件和实施时间表。主要指标是一个二元变量，表示给定区域-年份是否运行基于AI的监测系统或智能灌溉技术。在稳健性分析中，该二元指标被一个AI强度指数所取代，该指数根据已实施的智能农业项目的数量、覆盖范围和范围来捕捉数字技术采纳的深度和规模。

研究还包括一组控制变量，以考虑可能影响耕地结果的农艺和结构因素。这些控制包括耕地面积、灌溉强度以及作物特定固定效应。区域固定效应控制土壤类型和地形等不随时间变化的特征，而年份固定效应捕捉常见的宏观经济、气候和政策冲击。

^{3.2. 计量经济学策略}

为严格检验气候胁迫和AI赋能监测对耕地质量、生产力和可持续性的动态和因果效应，本研究采用了三部分计量经济学策略。该方法结合了动态面板模型、双重差分（DID）框架和事件研究规范，以捕捉持续性、识别因果效应并追踪随时间变化的处理响应。

首先，考虑到耕地结果固有的动态性，反映了生物生长过程、土壤条件和累积气候暴露，估计了以下动态规范（方程1）：

Y_rct= α + ρY_rct-1+ β₁Climate_rt+ β₂AI_rt+ γX_rct+ μ_r+ λ_c+ τ_t+ ε_rct

其中Y_rct表示区域r、作物c、年份t的耕地结果（NDVI、EVI、NPP、WUE或CWP）。Y_rct-1是滞后一期因变量，捕捉动态持续性。Climate_rt和AI_rt分别是气候胁迫和AI采纳的核心自变量。X_rct是控制变量向量。μ_r、λ_c、τ_t分别是区域、作物和年份固定效应。ε_rct是误差项。由于包含滞后因变量会导致内生性，采用系统广义矩估计法（System GMM）进行估计。

其次，采用交错双重差分（DID）设计来识别AI采纳对耕地结果的因果效应。处理组定义为在其区域-年份采用AI监测或智能灌溉系统的观测，控制组则为未采纳的观测。DID估计量比较处理组在处理前后与控制组的结果变化差异。

最后，通过事件研究规范来追踪处理效应的动态路径。该模型估计处理前后多个时期（如事件时间-3到+3）的系数，以检查处理前平行趋势假设（处理前系数应不显著）和处理效应的演变模式（处理后系数应显著为正并可能持续）。

^{4. 结果与讨论}

研究的主要结果表明，水分可获得性（由土壤湿度和降水捕获）显著改善了耕地结果（系数约为0.05–0.11），而热胁迫和风速则产生了强烈的负面影响（系数约为-0.04至-0.12），这凸显了干旱农业系统的脆弱性。AI赋能的监测和智能灌溉采纳持续改善了土地质量和生产力，其中水分利用效率（WUE）和作物水分生产力（CWP）的增益最为显著。AI采纳使WUE和CWP提高了约8-10%，而热胁迫使植被指标降低了约9-12%。事件研究证据证实，这些效应在采纳后出现并随时间持续，支持了因果解释。总体而言，研究结果表明，AI技术主要通过改进水管理和适应性决策来缓解气候胁迫。

这些发现具有重要的政策启示，与沙特“2030愿景”保持一致。该研究强调了数字农业作为缺水环境中可持续耕地治理、气候适应和粮食安全的关键工具。政策应优先推广AI赋能的监测系统和智能灌溉技术，特别是在气候脆弱的地区。同时，需要投资于数字基础设施和能力建设，以确保这些技术能够被广泛采纳和有效利用。此外，应将遥感监测指标整合到国家农业可持续性评估和报告中，以支持基于证据的决策。

^{5. 结论}

本研究通过整合高分辨率气候数据、遥感指标和AI采纳措施，在统一的动态面板框架内，首次对沙特阿拉伯耕地质量、生产力和可持续性对气候胁迫和AI赋能的监测的响应进行了全面的因果动态评估。研究证实了气候胁迫（尤其是热和缺水）对干旱农业系统的显著负面影响，同时也证明了AI技术（特别是通过智能水管理）在增强系统韧性和可持续性方面的巨大潜力。研究采用的高级计量方法（系统GMM、DID、事件研究）增强了研究发现的可信度。未来的研究可以扩展到其他干旱地区，探索不同AI技术类型的异质性影响，并评估采纳这些技术的社会经济障碍和推动因素，以更全面地支持全球干旱农业系统的可持续转型。