论文部分内容阅读
一、研究背景(1)人类—自然耦合系统的动态演化是全球变化研究的重要方向人类生活在一个由人类社会与自然环境不断相互作用形成的耦合系统中。一方面,人类依赖自然获得大量生态系统产品(如食物、能源、原材料等)和服务(如气候调节、土壤保持等)。据统计,地球光合作用产物有40%的被人类消耗(Haberl et al.,2004)。与此同时,人类不停改造着自然系统以增强某些生态系统产品和服务的供给以满足眼前需求,这通常导致其他服务的降低,并造成负面的环境后果。据《千年生态系统评估报告》,人类赖以生存的生态系统有60%正处于不断退化状态(MEA,2005)。另一方面,自然也以生态系统退化和频发的自然灾害(如洪水、干旱、龙卷风)等方式反馈给人类,影响人类的生存和福祉,并改变了人类的生活和生计选择,例如,农民改变作物选择以应对气候和降雨的变化。随着人类社会与自然环境交互的日益加剧、环境问题的不断突出,学者们逐渐认识到“人类—自然耦合系统”研究的重要性。人类—自然耦合系统的研究已经成为全球变化研究者的兴趣中心所在。2005年,由国际全球环境变化研究科学机构IGBP和IHDP共同发起的“全球土地计划项目”(Global Land Project)将人类系统和自然系统在不同时空尺度上的耦合交互过程作为研究重点。2007年,美国国家科学基金会正式成立“自然与人类耦合系统”计划,旨在推进对人类与环境复杂交互过程的理解。在过去的15年里,人类—自然耦合系统的理论研究取得了一定进展:对人类—自然耦合系统的“复杂性”,如自组织性、自适应性、动态性、多重反馈、时滞性、异质性、路径依赖和涌现性等特征有较深的理解。得益于遥感技术的快速发展以及多时相、高分辨率地球表面数据的支撑,人类—自然耦合系统的研究更侧重于对自然系统的刻画,而人类—环境交互中占主导地位的人类行为往往被作为外部干扰因素而未能嵌入到耦合系统的研究框架中(No?l and Cai,2017)。因此,人类—自然耦合系统的定量研究仍处于起步阶段,当前最大的挑战仍在于如何刻画人类行为和决策。人类—自然耦合系统的综合理解仍然需要大量的实证研究的支撑。(2)农户研究需要在人类—自然耦合系统框架下开展中国是世界上人口最多的国家之一,总人口13.8亿人,其中43%的人口生活在农村。土地,劳动力和资本是农村居民(农户)最基本的三项生产要素资源。农户如何分配劳动力和利用土地资源不仅影响他们自身的生计和福利,也关乎到环境的可持续性和社会的稳定。首先,农户劳动力配置和土地利用与环境退化密切相关(Barbier,2000)。自然资源的利用通常是农户的重要生计来源,然而可能产生一定的环境后果。例如,已有研究表明农户的森林砍伐行为会导致珍稀动物栖息地的退化(An et al.,2005),而过度放牧则会降低草地的生产力和生物多样性。自20世纪80年代初实施“家庭联产承包责任制”以来,农田直接由每一个农户管理。因此,农户是农业土地利用决策的直接制定者,他们在自己的土地上进行一系列生产决策,如是否耕种或休耕,是否租入租出地块,作物选择(粮食作物或经济作物),肥料、杀虫剂、除草剂的使用,是否采用农业新技术等。这些决定所产生的环境后果往往远远超出地块边界(Nguyen et al.,2017)。虽然每一个农户个体的行为微不足道,但作为一个群体,农户们的行为塑造着土地的格局,并影响了区域环境,如造成土壤板结,养分消耗,地表水和地下水污染以及生物多样性丧失(Sierra et al.,2017)。其次,农户的劳动力和土地利用决策对社会稳定意义重大。由于快速城市化和经济增长,农户不再把传统农业作为主要生计来源,在城市工作的农民工数量从1990年的不到1亿人(Bhattacharyya and Parker,1999),迅速增长到2015年的2.77亿(Su et al.,2017)。大量的流动人口可能对社会稳定造成一定影响并导致其他社会问题,如公共资源短缺和交通拥堵等(Luo et al.,2018)。此外,随着农民进城打工趋势的增加,大量农田被抛荒,对粮食安全产生很大影响。如何有效管理农田抛荒是土地管理和农业发展中面临的新挑战。农户是人类—自然耦合系统的重要组成部分,农户的土地利用行为直接体现了人类与自然系统(农田)的交互。然而,当前农户研究呈现两个不同的发展方向。社会经济学家倾向于运用微观经济学和社会生理学理论,建立定性或定量模型研究微观个体的行为。这类研究有助于理解农户决策中的农户自身特征(如家庭人口组成、教育程度)等对农户行为和决策的影响,但缺乏农户与地理环境之间的空间联系。相比之下,自然科学家(地理学家、生态学家)更侧重于借助遥感、地理信息系统及统计模型,从景观和区域尺度研究农户总体的行为规律。这类研究能够获取空间信息,但不能反映农户个体的异质性和动态性。自然科学和社会科学之间的分裂不利于综合理解人类—自然耦合系统之间的复杂交互过程(An,2012)。因此,有必要将农户的劳动力配置和土地利用决策放在人类—自然耦合系统的综合框架下来研究。在这个框架下,农户构成耦合系统中的人类组分,土地构成耦合系统中的自然组分,人类与自然的交互通过农户的土地利用实践(如灌溉,杀虫剂和肥料的使用以及作物选择)来实现。此外,市场价格,政策和气候变化也可以耦合到该框架中。人类—自然耦合系统框架下的农户研究能够为自然资源和农村环境可持续管理与调控提供决策参考。(3)对多项农业环境政策的交互影响评估十分必要自1978年改革开放以来,持续以经济增长为重心的发展模式消耗了大量森林资源,导致我国森林生态系统的退化,严重影响了森林所提供的重要生态系统服务,如土壤保持和水源涵养等,导致自然灾害频发。例如,1997年,黄河下游出现历时267天的严重干旱;1998年,长江爆发了特大洪水,造成数千人死亡和巨大的财产损失。为修复生态环境,从1998年起,政府开始在全国范围内实施了一系列生态补偿项目。其中,最大的两个全国性项目为退耕还林工程(CCFP)和生态公益林保护工程(EWFP)。截止2013年,退耕还林工程总计将2700万公顷的农田转变为森林和草地(国家林业局,2013)。与此同时,快速的经济增长和城市化占用了大量的农田。为了应对耕地面积大幅度减少对粮食安全的影响,政府于2004年启动了粮食补贴政策,通过种粮直补、良种补贴、农资综合补贴、农机购置补贴等形式鼓励农民改良种子,化肥和农药以及购买农业设备以增加粮食产出(Yi et al.,2015)。自退耕还林工程和生态公益林保护工程实施以来,学者们围绕其对自然和社会经济系统的影响展开了大量的评估工作。社会经济方面,已有学者研究了这些生态补偿政策对农户生计(Uchida et al.,2007;Xu et al.,2010),农户收入(Li et al.,2011),非农就业(Kelly and Huo,2013)以及外出打工(Zhang,2017)的影响。不同地区的实证研究表明,生态补偿项目的效率和效果呈现地域差异性(Song et al.,2014)。由于社会经济环境的变化和人类行为的复杂性,这些政策的影响也会随着时间的推移发生变化。生态公益林保护工程的补偿标准不变,但退耕还林工程的补偿标准从2008年起已减少了一半,这很可能无法弥补耕种的机会成本,导致农户返耕。例如,陕西省的调研表明,许多农户希望在退耕还林工程补偿结束后恢复作物种植(Cao et al.,2009;Song et al.,2014),这将影响退耕还林工程的可持续性。因此,很有必要在政策实施的不同阶段开展动态评估,这有助于我们更全面地了解政策对农户行为影响的动态变化,从而指导政策的修正。然而,退耕还林工程的影响评估研究大多集中在政策实施的前5年内(即短期影响)。退耕还林工程和生态公益林保护工程和粮食补贴政策已经实施了十数年,因此亟需开展新一轮评估,从更长的时间尺度上考量农业环境政策对农户行为的影响(即中长期影响)。此外,值得注意的是,一个地区同时存在多个不同的农业环境政策并行实施的情况十分普遍(Liu et al.,2014;Long,2014)。然而已有研究往往只关注单一政策或对多个政策的影响分开评估,鲜有学者定量评估多项政策的综合影响或探索具有相近或相悖目标的政策之间的相互作用。比如,退耕还林工程和生态公益林保护工程都旨在保护森林资源,通过鼓励农户从事非农就业来减轻农户对自然资源的依赖,这两项政策对农户行为的影响可能存在协同效应(synergy effects)。退耕还林工程与粮食补贴政策目标相悖,可能存在权衡效应(trade-off effects),即对农户劳动力配置和土地利用决策的影响可能相互抵消,从而影响政策实施的总体效果。因此,有必要对多项农业环境政策进行综合评估,检验是否存在协同效应或权衡效应。研究的结果能够对今后的政策设计提供重要参考,即促进政策的协同作用,同时避免权衡效应,从而提高政策实施效率。(4)多智能体模型是探索人类—自然耦合系统的重要工具多智能体模型(ABM)起源于复杂适应性系统理论,其采用“自底而上”的建模策略,将宏观现象与微观决策相结合,从智能体与环境、智能体与智能体之间相互作用的关系来理解人类系统和自然系统的交互,体现人类—自然耦合系统的异质性、非线性、反馈性、不确定性等复杂性特征,为复杂系统下的人类—自然耦合系统研究提供新思路。此外,多智能体模型具有可扩展性,能够整合行为决策理论(如有限理性理论),生态模型,人工智能模型等来实现对人类行为规则的刻画。多智能体模型能够与地理信息系统软件集成,使得多智能体模型同时具备智能性和空间属性,继承了地理信息系统强大的空间分析功能。通过与情景分析相结合,多智能体模型可以作为政策辅助工具,用于政策方案优选以及影响预测。这些优势使得多智能体模型在人类—自然耦合系统方向展现出巨大的应用前景,已被广泛运用于自然资源管理、农业经济、城市空间扩张、政策分析和规划等领域。然而,多智能体模型对数据的要求很高,模型的行为规则识别和模型参数化需要大量的数据支撑(Smajgl et al.,2011)。多智能体模型的另一个主要挑战是模型校正和验证(Brady and Irwin,2011;An,2012;Walsh et al.,2013).二、研究目标及问题本文通过构建多智能体模型,模拟农户的微观行为(包括劳动力及土地资源的配置),旨在探索人类—环境交互作用下,农户与农业土地格局的交互。此外,本文将重点评估农业环境政策对农户行为及决策的影响。本文具体包括以下四个研究目标:(1)研究农户劳动力配置的关键影响因素及关键作用过程;(2)研究农户土地利用决策的关键影响因素并探索退耕还林工程、生态公益林保护工程以及粮食补贴政策三者之间可能存在的协同与权衡;(3)建立基于多智能体模型的农户劳动力及土地资源配置决策模型;(4)设计一系列政策情景模式,开展政策实验,探索不同情景模式及政策组合下人类—自然耦合系统的演化方向。本文具体的研究问题包括:农户劳动力配置和土地利用决策的关键影响因素及关键作用过程是什么?农业环境政策的实施是否影响了农村家庭劳动力配置和土地利用决策?拥有相近或相悖目标的农业环境政策之间是否存在协同或权衡效应?三、数据来源研究数据包括:农户调查数据、空间数据和其他数据。其中农户调查数据包括:2014年天堂寨镇481户调查问卷收集的数据:23页,包括12个方面的信息:(1)基本信息:家庭编号,居民组编号,海拔等;(2)家庭人口统计信息:家庭人数,每个家庭成员的基本信息,包括出生日期,受教育年限,工作状况和婚姻状况等;(3)家庭富裕指数:根据住房类型,能源来源,卫生条件,电器,通讯和娱乐设备的使用,农业机械和工具的等级,以及交通工具等级等七个指标综合度量;(4)土地利用:农户承包、耕种、租入、租出和抛荒的水田与旱地的面积;(5)作物选择:种植的作物种类,收获情况及销售收入;(6)作物生产投入:包括肥料,农药,除草剂,种子和雇佣劳动力;(7)耕地地块信息:每个地块的面积,与住宅的距离,灌溉条件,作物、产量、抛荒与否;(8)其他农业活动:如畜牧业,天麻种植的投入和产出;(9)劳动力分配:所有家庭成员分配给各项生产活动的时间;(10)详细的家庭收入与开支;(11)退耕还林工程、生态公益林保护政策的参与情况与补贴金额。(12)粮食补贴等其他政府补贴金额。空间数据包括:(1)2013年的Worldview-2遥感影像,分辨率:全色波段0.5m,多光谱2m;(2)其他年份Landsat TM 1-8遥感影像,分辨率:全色波段15m,多光谱30m。(3)地形图、DEM(坡度、坡向等)。(4)参与式村域用地制图获取的空间数据:黄河村每一户的房子地理坐标,黄河村每一户的水田、旱地、退耕还林地块的地理坐标GPS及边界;以及天堂寨镇每个居民组的边界。其他数据包括:(1)2012年天堂寨镇所有人口名字、出生年、与户主关系,性别;(2)2015年农村土地确权空间数据。四、研究结果(1)农户劳动力配置机理研究结果基于农业经济理论和文献分析构建了农户劳动力配置的理论模型框架。然后运用基于偏最小二乘法的结构方程模型,定量识别农户劳动力配置的关键影响因素及关键作用过程,重点分析了五类变量对劳动力配置的影响,包括个人特征,家庭特征,资本,地理区位以及政策。本章中,我将农户劳动力配置活动细分为四类,包括从事农业生产,本地经商,本地务工以及外出务工。研究表明个人特征对农村劳动力配置决策具有最大的直接影响,资本拥有情况具有较小但显著的直接影响。家庭特征,地理区位和政策实施主要通过资本这个中介变量对劳动力配置产生间接影响。从总体影响来看,家庭特征对劳动力配置决策的总体影响可以忽略不计,因为直接和间接影响相互抵消;而地理区位和政府政策的总影响更大,并且影响的显著性增强,因为直接影响和间接影响具有相同的作用方向。此外,我探索了不同富裕程度的农户劳动力配置机理是否存在差异。结果表明不同富裕程度的农户采取不同的劳动配置策略。相对贫困的农户将更多的劳动力分配到农业生产活动中,比如传统的农作物生产和动物养殖,因为这些农户更容易受到地理环境的限制,非农就业的交通成本更高。中等富裕程度的农户倾向于采用多样化的农业生产活动,例如,种植天麻和动物养殖,这类需要更多的投入,如生产技能,资本和劳动力。相反,较富裕的家庭将更多的劳动力配置到非农业活动中,且以外出打工为主。结构方程模型可用于厘清个人,家庭、地理区位、政策等多因素之间的直接和间接关系,从而增进对农户劳动力配置的关键影响因素及关键作用过程的理解。(2)农户土地利用决策机理研究结果基于可持续生计分析框架(Sustainable Livelihoods Framework)和文献分析构建了农户土地利用决策理论模型框架。本文重点研究农户的耕地利用决策。在每年的农业季节开始之前,农户需要决定是否维持现有的耕种面积,农户可以通过租入土地来扩大种植规模,或通出租、抛荒一些较远的地块来减少生产规模。因此,我首先考察农户选择扩大、稳定、还是减小现有耕种规模。如果农户选择减小种植规模,我将进一步分析农户更倾向于出租土地还是抛荒。在安徽地区的实地调研发现,越来越多的农民选择外出务工,因此很多土地被抛荒,但同时仍然存在很多农户对种植业持有中立或积极的态度,或者因为身体原因不能外出务工,因此选择保持当前耕种面积或扩大耕地面积。本研究有助于提高对农村土地流转过程和关键因素的理解。依据可持续生计分析框架,影响农户土地利用决策的因素包括:三项政策(退耕还林工程、生态公益林保护工程以及粮食补贴政策)及五项生计资本(人力资本,自然资本,物质资本,金融资本和社会资本)。基于多项logistic回归模型,本章节定量分析了这三项政策和五类生计资本对农户土地利用决策的影响。结果表明:生态公益林保护工程补偿倾向于促进农田稳定,因为补偿金增加了农户家庭收入,降低了外出务工的意愿。在生计资本方面,拥有更多农业机械、农具和交通工具的家庭更倾向于扩大耕地规模,而拥有更多非农劳动力的家庭倾向于缩小种植规模。当农户决定选择减小种植规模时,大多数家庭选择抛荒,尤其是对于那些有家庭成员在外务工的家庭,因为务工人员的汇款对他们的生活有较大的改善。相比之下,那些拥有更多农田和社会资源,受过更高教育,种植天麻,以及生活在大居民组的农户更有可能通过出租减少种植面积。最后,我探索了是否参加退耕还林工程、生态公益林补偿金以及粮食补贴三者之间的交互影响。结果显示三项政策之间存在复杂的协同和权衡关系。比如,同时获得高生态公益林补偿和粮食补贴的家庭倾向于减少耕种规模,这表明生态公益林保护工程和粮食补贴政策之间存在显著的权衡效应,生态公益林保护工程的补偿金削弱了粮食补贴鼓励粮食生产的目标。此外,需要注意的是,在政策实施后了十数年以后来评估政策的中长期影响存在一定的不确定性,因为农户已经适应了政策的初始刺激。比如,与未参加退耕还林工程的农户相比,那些参加退耕还林工程的农户在粮食补贴的激励下,倾向于租入少量土地来弥补退耕以后减少的耕地,这与政府的预期有些许出入(通过退耕还林,政府期望农户更多的参与到非农生产中)。总的来说,政策制定者需要注意在政策实施过程中,避免多项政策的抵消效应;并探索如何利用政策组合,发挥协同作用以提高政策执行效率。最重要的是,政策制定者需要厘清该地区需要解决的最突出的问题,并根据问题的突出程度进行项目的优先排序。(3)基于多智能体模型的农户—土地景观格局互动机理研究结果基于ODD范式,本文建立了基于多智能体模型的农户劳动力及土地资源配置决策模型(RHLIS)。该模型中农户行为规则的设计综合了劳动力配置(第三章)和土地利用决策(第四章)机理的研究结果。该模型由两类主体构成——人类(human agents)和土地景观(landscape agents)。人类主体包括个人,农户和居民组,在系统中处于主动地位,参与生计决策制定;土地景观主体在系统中处于被动地位,其属性(如土地利用类别、作物类别)由人类决定和改变。海拔,坡向,坡度,与河流的距离,与道路的距离等地理环境信息作为土地景观主体的属性存储在系统中。根据天堂寨镇和黄河村收集的农户调查数据、耕地确权图件,建立了个人、农户和居民组之间的社会关系,以及农户与耕地之间的空间关联。农户行为规则的设计主要采用了两种方案,一种是基于经验规则的方案(如第四章中的统计模型),第二种是基于有限理性假设的方案,假设农户能够运用有限的知识和社会关系,在劳动力分配过程中不断调整就业选择以达到更高的经济回报。RHLIS模型通过家庭人口动态变化模块,农业生产模块,劳动分配模块,土地利用决策模块和家庭收入支出核算模块等,将人类活动与景观格局变化联系起来,进一步探索农户和景观格局之间的互动。RHLIS模型提供了一个政策实验室,可用于探索不同农业环境政策情景下农户劳动力和土地资源的配置决策。为度量不同行为规则以及不同情景模式下农户—土地耦合系统的演化方向,为农户和土地系统分别选取相应的指标。具体而言,度量人类系统动态变化的指标包括总人口,人均收入,劳动力配置结构和家庭收入结构。度量农户土地利用决策的指标包括选择扩张/稳定/减小耕地种植规模的可能性。度量农户作物选择的指标包括,种植大米,玉米,红薯,茶叶,多种作物(复种)以及抛荒的可能性。研究结果表明,在有限理性规则下,总人口呈下降趋势,而外出务工人数及外出务工人员的汇款在家庭收入中的比例快速增加。相反,在经验规则下,更多农户从事当地的非农务工,当地非农收入构成家庭总收入主要来源。有限理性规则下的农户人均年收入是经验规则下的两倍以上。此外,在经验规则下,耕地抛荒增加更为明显,反映研究区当前耕地抛荒十分普遍。关于农业环境政策的影响,退耕还林政策的参与率越高,有限理性规则下农民外出务工的可能性就越大。而经验规则下,退耕还林政策参与率的增加会导致天麻种植的下降更加迅速,这表明退耕还林政策在减少森林资源利用方面具有积极作用。然而,不同退耕还林政策参与率对农户土地利用决策(即扩张,稳定和缩减)没有显著影响。不同的生态公益林补偿方案对本地非农务工和外出务工的比例有明显的影响。在有限理性规则和高生态公益林补偿方案下,外出务工的可能性较低,但本地非农工作的可能性高于低补偿方案。在经验规则和高生态公益林补偿方案的设定下,农户将使用更多土地种植茶叶。对于粮食补贴,在有限理性规则和低粮食补贴情景下,当地非农劳动力和非农收入较高。在经验规则下,更多农户从事天麻种植。关于农业环境政策的相互作用效应的实验结果表明:退耕还林工程和生态公益林保护工程在有限理性规则下对人均年收入增加、水稻种植以及复种有协同作用,验证了我的假设:退耕还林工程和生态公益林保护工程具有相近的目标(生态修复),因此对农户行为有协同效应。相反,生态补偿政策(退耕还林政策和生态公益林保护工程)和粮食补贴政策存在相互矛盾的目标,因此对农户的外出务工行为产生了权衡效应。最后,我设计了两种情景方案探索三项政策的交互作用,一种侧重环境保护(高退耕还林参与率、高天然林补贴、低粮食补贴),另一种侧重粮食生产(低退耕还林参与率、低天然林补贴、高粮食补贴)。结果显示环境优先的情景模式下劳动力外出务工比例较高。以粮食为导向的情景模式下的农户更有可能选择扩张耕地规模,环境优先的情景下,农户缩减耕地种植规模的意愿更高。这些结果与我的假设以及三项政策的目标一致,表明三项政策存在明显的交互影响。五、研究创新点与展望(1)实现了对人类—自然耦合系统中人类主体微观行为的显性表达依托安徽天堂寨镇和黄河村收集的详细农户调查数据,建立了农户与农业土地景观互动模型(RHLIS)。该模型不是将整个镇或村作为研究对象,而是研究每一个人类个体的行为,并模拟了人类生命中的主要生命历程,包括出生,受教育,婚姻,生育,劳动力配置(就业)和死亡。每一个个体微观层面的行为和人口动态变化(demographic processes)聚集起来形成农户和居民组层面的动态变化。最重要的是,根据实地调查数据和耕地确权数据,建立起每一个农户与和耕地地块之间的空间关联。因此,农户的任何一个决定,如化肥、农药和种子的使用,作物选择或抛荒等可以直接导致每个地块的状态发生变化。而土地上的产出也会进一步反馈回农户,影响农户下一年的土地利用与农业投入。RHLIS模型采用“自底而上”的建模策略,将土地景观格局的变化与农户微观决策相结合,从农户与土地、个人与农户、农户与农户、农户与居民组之间的相互作用的关系来理解人类系统和自然系统的交互。(2)探索了经验规则和有限理性假设两种不同行为规则下农户与土地格局的互动人类行为规则的设计是多智能体模型设计中最重要,也是最具挑战性的环节。本论文采用两种方法对人类的决策规则进行设计。第一种是基于经验规则的方法,根据农户调查数据,采用投影法,回归分析和概率分布方法,对模型中人类主体的行为进行参数化。另一种是基于有限理性假设的方案,假设农户能够运用有限的知识和社会关系,在劳动力分配过程中不断调整就业选择以达到更高的经济回报。有限的理性规则下,农户可以从以往的经历吸取经验或向邻居学习,从而不断作出适应性调整,最终提高他们的劳动力收入。此外,人类—与自然耦合系统的复杂特征,包括目标性、自适应、感应与交互、学习与反馈、随机性和涌现性等特征都被纳入到RHLIS模型的概念设计中。本研究建立的基于多智能体模型的农户劳动力及土地资源配置决策模型(RHLIS)可用于探索多主体之间的微观层面的相互作用,如何形成人类—土地景观耦合系统的宏观格局。该模型可用于政策实验辅助政策制定和政策影响评价。本研究存在几点不足。首先,RHLIS模型的更多地强调人类主体的刻画,而景观环境有所简化。由于缺乏相应数据,模型中未考虑土壤质量,灌溉和其他生物物理条件。其次,关于土地利用变化,本论文侧重于模拟农户耕种面积决策和作物选择,而没有考虑农村居民点,森林,草地,水域等其他土地利用类型的动态变化。第三,气候和市场价格变化没有纳入模型。第四,农户生计决策对生态系统的影响没有模拟。最后,本文对RHLIS模型的验证有待完善。未来我将收集高分辨率数据来完善该模型的生物物理,气候和市场环境的刻画,以增强模型的决策支持能力。其次,我将探讨如何设计有效的土地管理政策来解决中国的农村问题,如耕地占用,农村“空心化”和抛荒。第三,与生态模型耦合,量化农户土地上的投入(如肥料,杀虫剂和灌溉),动物养殖和天麻种植对生态系统的影响。