Frontiers in Sustainable Food Systems·9月28日 · 周一论文农业绿色发展与碳阅读 6

Multidimensional climate physical risk and reported farmland abandonment among rural farm households in China: evidence from household panel data

Ruofan Liao · Kexin Zhang · Mi Tan 等 4 人

Frontiers in Sustainable Food SystemsDOI 10.3389/fsufs.2026.1948860开放获取 PDF ↗
论文解读
80精选
速览

研究中国农户多维气候物理风险与报告耕地撂荒的关联。

方法

匹配CLDS 2014-2018面板与省级气候物理风险指数,用固定效应模型。

发现

省内CPRI每增一个标准差,报告撂荒率上升3.02个百分点。

机会点

可结合遥感验证撂荒、区分暂时/持续撂荒,并探究极端低温等具体致灾机制。

影响力18
信息增量22
专业深度18
信源权威13
时效性9

基于CLDS三期面板与省级气候风险指数,量化气候物理风险与农户耕地撂荒的关联,方法规范、数据规模大,对农业风险管理有参考价值。

原文摘要

引言 对于家庭经营的农场而言,保持承包地处于耕作状态是应对气候压力的一种实际韧性维度。本研究旨在探讨多维气候物理风险是否与中国农村家庭报告的耕地撂荒存在关联。方法 我们将2014年、2016年和2018年中国劳动力动态调查(CLDS)数据与前一农业年份的省级气候物理风险指数(CPRI)值进行匹配。撂荒的编码依据是家庭报告在参考期内部分承包耕地未进行耕作;该调查并未显示该状态是暂时性的还是持续性的,也未显示其原因。由此得到的非平衡面板包含27个省级单位中11,982个家庭的19,311个家庭-年份观测值。家庭固定效应线性概率模型纳入了调查波次固定效应、省级聚类标准误以及Webb权重野生聚类自举推断。结果 省内CPRI每增加一个标准差,与报告撂荒增加3.02个百分点相关,约为样本均值的五分之一。在替代结果变量、暴露日期、样本限制和模型选择下,该关联仍为正向。四种灾害联合显著;在探索性分解中,仅极端低温单独显著。讨论 尽管这些估计是观察性的而非因果性的,但它们表明多维气候暴露可能削弱家庭农业系统中土地利用的连续性。

中国劳动力动态调查 耕地撂荒相关资讯

Zenodo (CERN European Organization for Nuclear Research)·10月21日 · 周三75 分 论文农业AI与大模型农业人工智能与决策模型阅读 0

Distributionally-Robust Evaluation of Computer Vision Agriculture Disease Classifiers Under Climate-Driven Pathogen Range Shifts: An Artificial Intelligence Worst-Case Generalization Bound

提出气候校准的分布鲁棒评估准则,替代i.i.d.假设评价作物病害视觉分类器。