本研究由Siyi Kan（通讯作者，单位：牛津大学环境变化研究所及德国森根堡生物多样性与气候研究中心）、Samuel A. Levy、Elise Mazur、Leah Samberg、U. Martin Persson、Lindsey Sloat、Ana L. Reboredo Segovia、Leandro Parente和Thomas Kastner（通讯作者，单位：森根堡生物多样性与气候研究中心）共同完成。研究成果以题为《Overlooked and overexploited: extensive conversion of grasslands and wetlands driven by global food, feed, and bioenergy demand》的论文形式，于2026年2月23日发表于美国国家科学院院刊《Proceedings of the National Academy of Sciences of the United States of America》。

学术背景与研究目的 本研究隶属于可持续性科学领域，聚焦于全球土地利用变化及其驱动因素。随着全球对消除农产品供应链导致的毁林行为的努力取得进展，农业扩张的压力正日益转向非森林自然生态系统，包括草原（grasslands）和湿地（wetlands）。这些生态系统虽然对全球碳储存（占全球碳储量的20-35%）、生物多样性（占据33%的生物多样性热点）以及生态系统服务至关重要，但在研究与政策保护层面长期被忽视、低估和欠保护。历史上，针对毁林（deforestation）的研究和政策干预较为丰富，而对非森林生态系统转化（conversion）的驱动力，尤其是与畜牧业生产及具体商品供应链需求相关的研究，仍存在巨大空白。因此，本研究旨在弥补这一知识缺口，通过空间显式分析，实现以下三个目标：1) 绘制2005至2020年间牧场和耕地向非森林生态系统扩张的全球分布图，识别高转化风险区域和保护需求；2) 确定与这种转化相关的初级农产品，以便进行有针对性的商品级干预；3) 分析这些产品的最终用途（用于食物、饲料或其他用途，如生物能源）和最终市场目的地（国内或出口），以揭示其背后的需求侧驱动因素，为供应链行动提供支持。

详细研究方法与流程 本研究的方法论框架包含三个主要步骤，每个步骤都整合了多种先进的数据集和分析技术。

第一步：识别自然非森林生态系统向牧场和耕地的转化。 本研究面临的核心挑战之一是精确区分自然草地和人工管理的牧场。为此，研究团队整合了两套先进的30米空间分辨率全球数据集。一是全球土地覆盖与土地利用变化数据集（GLCLUC），用于识别耕地（仅草本作物）和各种自然土地覆盖类型。二是最新发布的全球牧场监测数据集（GPW），该数据集利用时空机器学习方法，首次在全球尺度上系统区分了栽培草地（即牧场）与自然草地，解决了以往全球土地覆盖产品难以区分这两类草地的难题。研究将“自然非森林生态系统”定义为所有非耕地、非牧场、非裸地、且植被高度低于5米（遵循联合国粮农组织的森林高度阈值）的土地，包括湿地。通过对比2005年（使用2000年和2005年数据以确保持续性）与2020年的土地覆盖状态，识别出在此期间从自然非森林状态转变为耕地或牧场（根据GPW定义）的土地单元。为减少年度数据差分可能带来的分类误差，研究采取了多项稳健性措施：使用多年窗口期定义农业用地（例如，在5年窗口期内多数年份被分类为牧场才被确认），并仅分析那些在2020年仍保持为耕地或牧场的转化区域，以排除休耕或短期变化的影响。最终，研究计算了不同土地类型的转化率，并在10公里网格、国家和生态区尺度上进行了汇总分析。

第二步：将耕地驱动的转化归因于具体的初级农产品。 由于缺乏全球高分辨率的所有作物分布时序数据，且作物既可能直接侵占自然土地，也可能通过占用现有农田而间接导致其他作物向自然区域扩张，本研究采用了统计归因模型。该模型结合了两类数据：一是来自联合国粮农组织统计数据库（FAOSTAT）的国家层面各作物耕地扩张面积数据（2005-2020年，使用3年平均以减少波动），二是来自空间生产分配模型（MapSPAM）的2020年像素级（重采样至10公里）作物分布数据。归因的基本假设是：在某个10公里网格内，某种作物对自然非森林转化的贡献比例，与其在国家层面的总扩张面积比例及其在该网格内的相对种植面积比例成正比。通过一个数学公式，将每个网格内的耕地转化面积，按照全国作物扩张权重和局部作物分布权重，分配给各扩张性作物。研究涵盖了主要的草本作物，包括主粮作物（如玉米、小麦、水稻）、油料作物（如大豆、向日葵、花生）、糖料作物（如甘蔗）等。对于牧场驱动的转化，由于缺乏可靠的方法和数据来区分不同牲畜物种（如牛肉、羊肉）的贡献，研究统一将其归因于反刍动物肉类，作为牧场系统的主要产出代表。

第三步：追踪产品的最终用途与最终市场目的地。 为了将生产端的土地转化与消费端的需求联系起来，研究采用了物理贸易核算模型（physical trade accounting model）。该模型基于FAO的生产、双边贸易以及供给利用账户数据，能够以质量平衡的方式追踪初级农产品（或其加工品的初级等价物）从生产国到最终消费国（市场目的地）的流动，并依据FAO数据将其用途分解为食物、饲料和其他用途（如生物燃料、种子、损耗等）。这种方法能够处理再出口问题，并将土地利用强度与产品质量（而非货币价值）更直接地联系起来，适合分析以原材料和初级加工品为主的农产品供应链。

主要研究结果 1. 非森林生态系统转化速率远超森林。 2005-2020年间，自然非森林生态系统的转化速率几乎是树高超过5米的土地（作为毁林的代理指标）转化速率的四倍。这表明，在全球聚焦森林保护的同时，非森林生态系统正承受着更大的农业扩张压力。转化在全球分布不均，巴西是转化面积最大的国家，占全球总量的13%，其次为俄罗斯、印度、中国和美国（各约占6%）。从驱动类型看，全球范围内50%的转化由牧场扩张导致，27%由用于食物的耕地扩张导致，17%由用于饲料的耕地扩张导致，6%由用于其他用途（主要是生物能源）的耕地扩张导致。各国主导驱动力不同，例如巴西（82%）、澳大利亚（80%）的转化主要由牧场驱动，而中国（94%）、印度（66%）的转化主要由耕地驱动。

2. 与转化相关的主要农产品及其空间格局。 在全球层面，耕地驱动的自然非森林转化主要与主粮作物（玉米、小麦、水稻）和油料作物（大豆、向日葵、花生）相关。但具体作物的贡献在各国差异显著：巴西和阿根廷的大豆、中国的玉米、俄罗斯的小麦、印度的豆类/棉花/水稻是主要贡献者。从生态区来看，转化在巴西、阿根廷和坦桑尼亚高度集中：巴西近40%的国内转化发生在塞拉多（Cerrado）稀树草原，17%在卡廷加（Caatinga）灌丛；阿根廷超过40%的转化发生在湿润潘帕斯草原；坦桑尼亚约60%的转化发生在米奥博（Miombo）疏林地和阿卡西亚（Acacia）灌丛地。在某些生态区内，2005年存在的自然非森林植被有超过20%被转化，凸显了保护的紧迫性。

3. 需求侧驱动因素：国内消费与出口贸易共同作用。 对最终用途的分析显示，全球范围内，54%的耕地驱动转化与食物消费相关，34%与饲料消费相关，12%与其他用途相关。饲料用转化在巴西、阿根廷、美国、中国和欧盟的贡献比例超过50%，这与这些地区集约化畜牧业的需求密切相关。更重要的是对贸易的分析：全球范围内，20%的耕地驱动转化与出口相关；而在用于饲料的耕地转化中，这一比例高达32%。巴西和阿根廷的情况尤为突出：两国约70%的耕地驱动转化、约80%的饲料相关转化都与出口市场挂钩。这表明，拉丁美洲的非森林生态系统转化与全球供应链（特别是东亚、欧洲和北美的饲料需求）存在极强的“消费-生产遥耦合”。相比之下，牧场驱动的转化主要与国内消费相关（巴西有15%与出口相关是个例外）。研究还将非森林转化足迹与已有的毁林足迹进行了对比，发现高收入国家的消费对非森林生态系统的影响更多地发生在温带和北方地区，而非热带地区，这意味着保护策略需要超越热带范畴。

结论与意义 本研究首次在全球尺度上，系统量化并空间显式地揭示了2005-2020年间自然非森林生态系统（主要是草原和湿地）向农业用地（牧场和耕地）的转化规模、主导商品及其供应链驱动因素。核心结论是：非森林生态系统的农业转化是一个被严重低估的全球性环境问题，其速率远高于毁林，且与满足国内及国际市场的多种农产品需求（特别是主粮、油料作物和饲料）紧密相连。

科学价值与应用价值： * 政策意义： 研究强烈呼吁，自然生态系统的保护政策必须超越“森林”这一单一焦点，将具有重要生态功能的草原、湿地等非森林生态系统纳入保护与监管体系。需要弥合森林与非森林生态系统在政策和企业承诺（如“零毁林”与“零转化”）之间的保护差距，防止政策泄漏（leakage）——即对森林的保护可能无意中将农业扩张压力转移到保护不足的非森林区域。 * 供应链治理： 研究揭示了全球农产品贸易，特别是饲料作物贸易，在驱动非森林转化中的关键作用。这要求采取综合性的供应链治理方法，将消费者国家、跨国公司和生产国纳入共同责任框架。类似于“亚马逊大豆禁运”的成功经验，可以拓展用于保护塞拉多等关键非森林生态区。欧盟的《零毁林产品法案》等法规也应考虑将高风险的非森林生态系统纳入监管范围。 * 数据与方法学贡献： 本研究展示了整合GPW等新型高分辨率牧场数据与土地覆盖数据，以改进全球土地利用变化评估的可行性。同时，它也指出了当前全球尺度评估的挑战，例如自然/半自然土地的界定、遥感产品与农业普查数据的不一致、以及缺乏针对非森林生态系统的变化检测专用数据集等，为未来研究指明了方向。

研究亮点 1. 研究对象的创新性： 率先在全球尺度上，对长期被忽视的非森林自然生态系统（草原、湿地）的农业转化进行系统性、高分辨率的量化评估，填补了该领域的研究空白。 2. 方法学的整合性： 创新性地整合了全球首个能够区分牧场与自然草地的GPW数据集与其他高分辨率土地覆盖数据，并结合了国家统计、空间作物分布和物理贸易模型，构建了一个从土地转化识别到供应链需求追踪的完整分析框架。 3. 发现的重要性： 明确揭示了非森林生态系统的转化速率是毁林速率近四倍这一惊人事实；精准量化了出口贸易（尤其是饲料贸易）在驱动关键生产国（如巴西、阿根廷）土地转化中的决定性作用（占比高达70-80%），为国际环境责任分配和供应链干预提供了关键证据。 4. 跨尺度的政策启示： 研究结论连接了地方土地保护与全球供应链治理，强调了需要多层次、协同的政策响应，既包括生产国的土地利用规划和生态系统保护，也包括消费国的可持续采购和膳食结构转型，以及国际间的合作与贸易机制改革。