12月27日上午，中国科学技术信息研究所（下面简称“中信所”）发布《2021年中国科技论文统计报告》，并附上评选出的“中国百篇最具影响国际学术论文”（ https://mp.weixin.qq.com/s/QhRzaMizB1UjXufMIgcH_Q）。
本年度百篇最具影响国际学术论文是从2020年SCI收录的我国第一作者论文中选取；具体遴选标准包括：论文的创新性（是否获得重大基金和项目支持）；发表论文的期刊水平（期刊的主要指标影响因子和总被引数在学科中所处的位置）；是否处于研究前沿（是否属于研究热点，考察论文发表当年的被引次数）；合著论文中我国作者的主导性（以我为主的国际合作情况）；论文的文献类型（只统计 Article 和 Review 类型）；论文的参考文献情况。
华东师范大学地理科学学院黎夏教授团队《Global projections offuture urban land expansion under shared socioeconomic pathways》的论文入选（其中论文第一作者陈广照为黎夏教授在中山大学指导的博士生，黎夏教授是该论文第一通讯作者。具体文章信息附后）。
论文题目：Global projections of future urban landexpansion under shared socioeconomic pathways
作 者：Chen, Guangzhao; Li, Xia; Liu, Xiaoping;Chen, Yimin; Liang, Xun; Leng, Jiye; Xu, Xiaocong; Liao, Weilin; Qiu, Yue'an;Wu, Qianlian; Huang, Kangning
来源期刊：NATURE COMMUNICATIONS. 2020, 11(1)
2020年，科技部印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》，鼓励发表“三类高质量论文”。包括发表在具有国际影响力的国内科技期刊、业界公认的国际顶级或重要科技期刊的论文，以及在国内外顶级学术会议上进行报告的论文。
中信所经过调研分析，将各学科影响因子和总被引次数同居本学科前10%，且每年刊载的学术论文及述评文章数大于50篇的期刊，遴选为世界各学科代表性科技期刊，在其上发表的论文属于“高水平国际期刊论文”。
共享社会经济路径(SSPs)下的未来全球城市用地扩张预测
作者：陈广照、黎夏*、刘小平*、陈逸敏*、梁迅、冷基业、许晓聪、廖威林、邱岳安、吴倩莲、黄康宁
论文引用
Chen, G., Li, X., Liu, X. et al. Global projections of futureurban land expansion under shared socioeconomic pathways. Nature Communications 11, 537 (2020). https://doi.org/10.1038/s41467-020-14386-x
论文摘要
尽管城市用地仅占陆地面积很小的一部分，但现有研究表明，城市用地及其扩张可能对全球环境产生深远影响。在此，我们提出了在共享社会经济路径（SSPs）框架下全球城市用地扩张的情景预测。我们的产品具有1公里的精细空间分辨率，可以保留空间细节并避免对城市用地空间格局的扭曲。研究结果显示，在21世纪40年代之前，全球城市扩张的趋势很快。然而，中国和许多其他亚洲国家预计在21世纪50年代后将面临城市收缩带来的巨大压力。预计新扩张的城市用地中约50~63%将来自农田。全球粮食产量将因此下降约1~4%，相当于每年1.22~13.89亿人的粮食需求。这些研究结果揭示了控制城市用地开发对于减轻其对农田和粮食生产的负面影响的重要性。
01引言
城市用地仅占全球陆地面积的一小部分，但却生活着拥有世界一半以上人口。城市用地的扩张速度甚至超过了城市人口，对生物多样性保护以及当地和全球气候系统中的水、碳、气溶胶和氮循环产生了深远的影响。城市地区占全球人为温室气体排放量的70%。城市扩张导致当地80%以上的自然栖息地丧失。因此，正确理解未来城市用地变化将如何影响其他土地覆盖，对于缓解人类社会可持续发展等社会和环境问题至关重要。在此，我们提出了2015~2100年全球城市用地扩张的空间预测，并讨论了其影响。本研究的空间预测结果数据集已公开发布，可通过http://www.geosimulation.cn/GlobalSSPsUrbanProduct.html或https://doi.pangaea.de/10.1594/PANGAEA.905890 免费获取。
对城市用地空间格局的预测需要建立能够代表未来社会经济和环境条件的情景。例如，根据联合国的全球人口和经济预测，有学者预测了2030年全球城市用地分布图。政府间气候变化专门委员会（IPCC）制定的全球气候情景也被一些学者用来模拟全球和区域的未来土地覆盖变化，其中也包括城市用地类型。在我们的预测中，我们采用最新发布的共享社会经济路径（SSPs）的情景框架，该框架从政策假设和社会经济角度描述了在未来一个世纪，全球社会、人口和经济将如何发生变化（例如，能源需求和供应以及技术变化）。这些SSPs使得我们可以进行统一的、可比较的多情景城市模拟。
SSPs框架下有五个情景。SSP1是一条可持续发展的道路，是以人为本的绿色道路。SSP2是SSP1和SSP3之间的中间道路。SSP3是一种逆全球化的区域竞争途径。SSP4是一个分裂的路径，在这个路径中，不平等和两极分化的情况在国际间和国内都在增加。SSP5是全球经济快速增长的化石燃料发展路径，但人们将面临着严峻的气候减缓挑战。
SSPs框架是正在进行的IPCC全球气候变化评估的一个重要组成部分。尽管最近的一些研究已经预测了SSPs情景下城市用地在区域尺度的分布，但在全球范围内的相关结果仍然稀缺。如Popp等人预测了SSP情景下不同区域的城市用地面积，但缺乏空间细节。其他全球尺度的土地预测产品通常仅有5弧分到0.5度（约10km-50km）的粗糙空间分辨率。在最新的CMIP6（第六阶段耦合模型比较项目）LUH2土地数据集中，城市用地的分辨率仅为0.25度。
现有SSPs情景预测中缺乏足够的空间细节可能会在环境影响评估中产生不确定性。最近的一项研究表明，在10km分辨率下，土地覆盖产品可能会造成土地空间格局的重大扭曲，尤其是城市用地面积的大量丢失。而我们的产品具有1km的良好空间分辨率，可以保留空间细节，并可以避免全球城市用地格局的扭曲。据我们所知，我们的成果是世界上第一个SSPs情景下的1km分辨率未来全球城市用地预测产品。
我们的未来城市用地扩张模拟采用的是FLUS模型。该模型采用机器学习的方法来捕捉城市用地扩张与其驱动因素之间的复杂关系。该模型还采用了元胞自动机（CA）机制，能够反映真实的城市用地扩张过程中的路径依赖和正反馈等复杂性。
在本研究中，我们利用FLUS模型所做的预测了SSPs情景下1公里分辨率的未来全球城市土地扩张，并从三方面探讨未来城市扩张的潜在影响：（1）城市收缩的压力，（2）对农田和自然栖息地的侵占，（3）对主要粮食作物产量的风险。
02实验设计
我们利用面板数据回归，根据人口、城市化率（城市人口占总人口的百分比）和国内生产总值（GDP）等因素，对未来的城市用地面积进行估计。我们遵循SSP数据库（https://tntcat.iiasa.ac.at/SspDb）中的区域定义，根据地理区位和收入水平（即高收入、中等收入和低收入水平）的条件，将世界各国划分为32个宏观区域。1975年、1990年、2000年和2014年的历史城市用地面积来自GHSL数据集。人口、城市化率和GDP的历史统计数据来自世界银行和联合国。首先，通过建立面板数据回归模型，拟合历史上城市面积与这些社会经济要素的关系。然后，基于SSP官方数据库提供的未来人口、城市化率和GDP数据，将建立好的面板数据回归模型应用于每个情景的未来城市用地需求量预测。
接着，我们利用FLUS模型模拟城市用地扩张的空间分布。该模型采用人工神经网络（ANN）通过一组空间驱动因素（如人口、GDP、距市中心的距离、距道路网络的距离、距机场的距离、海拔、坡度、生态区域和水资源条件）来估计城市发展潜力。这个发展潜力在接下来基于CA的空间模拟中对未来城市扩张进行约束。为了保持实际当中城市用地斑块按“位序-规模”分布的尺度特性，我们引入了基于斑块的模拟策略，进一步提高了FLUS模型的表现。
图 1 本研究流程框架图
03实验结果未来城市用地需求
我们发现，在五种情景下，未来城市发展的预测路径存在很大差异（图2a）。SSP5情景下会出现单调增长的趋势和最大的城市用地面积。SSP2和SSP3中的趋势与SSP5相似，但预测的城市用地面积要小得多。SSP1和SSP4情景分别在21世纪80年代和21世纪70年代出现一个转折点，此后，由于预计社会经济增长放缓，预计城市用地需求也将随之下降。
我们还发现，不同宏观区域的城市用地需求预测存在较大差异。我们选取中国、美国和拉丁美洲低收入国家（LAM-L）三个具有代表性的宏观区域，展示它们未来的独特发展路径（图2b、c和d）。对于中国这个目前世界上人口最多的国家来说，其城市用地需求预计将在21世纪40年代或21世纪50年代前迅速增长，此后在所有情景下都将急剧下降。对美国而言，未来城市发展在不同情景下有着不同的路径，其中，SSP1、SSP2和SSP5持续产生城市用地需求的上升趋势，而SSP3和SSP4分别预测在21世纪50年代和21世纪80年代后出现下降趋势。然而，与中国和美国观察到的城市发展轨迹相比，LAM-L的未来城市发展轨迹有着显著的差别。对于LAM-L， SSP3和SSP4情景产生的城市用地需求量最大，呈线性增长趋势，而SSP1和SSP5情景预测的城市用地需求量最小。在95%的置信水平上，中国和美国在SSP5情景中城市用地需求估计的不确定性最大，而LAM-L在SSP4情景中观察到的不确定性最大。
图 2 SSP情景下2010-2100年全球及典型区域的城市用地需求量预测
城市扩张的空间分布
我们以2015年为起点，每隔10年模拟2020年至2100年1km分辨率的未来全球城市用地扩张。图3为中国、美国和LAM-L三个典型区域在SSP3和SSP5中2100年的城市用地模拟结果。由于与其他土地类型相比，城市区域的覆盖范围要小得多，为了提高展示效果，我们对图3进行了可视化效果增强。中国和美国分别是中等收入和高收入水平的两个代表国家，在SSP5中，城市用地扩张往往比在SSP3中要多。然而，主要由低收入国家组成的LAM-L区域在SSP3中比在SSP5中经历了更多的城市用地扩张。所有这些国家的大部分新扩张的城市用地预计将发生在现有高度城市化地区的边缘。
图 3 SSP3和SSP5情景下2100年三个典型区域的城市用地模拟结果。(a)中国，(b)美国，(c)LAM-L
为了评估模拟结果的空间不确定性，我们对每个情景进行了100次重复模拟。然后，对模拟结果进行叠加分析，以确定在空间中每个位置出现城市用地的概率。图4展示了2100年三个主要都市区城市扩张的空间概率分布，即模拟结果中的空间不确定性。
图 4 模拟结果的空间不确定性——以三个主要都市区为例
除了我们的结果具有更高的空间分辨率以外，我们的预测结果与现有的未来全球城市用地预测产品也是可比较的。我们选择了三个有代表性的产品进行对比。第一个是Seto等人(2012)模拟的2030年全球城市扩张产品，该产品空间分辨率为5公里，采用一个由联合国提供的单一预测情景。第二个是由Zhou等人(2019)模拟的1公里分辨率2050年全球城市扩张产品，该产品采用基于历史轨迹的单一情景。第三个是采用SSPs情景的LUH2数据集，空间分辨率为0.25度(赤道上约27公里)。由于SSPs情景中没有基于历史轨迹的情景，所以我们选择中间路径(SSP2)的结果与上述的单一情景预测结果进行比较。不同区域的比较结果如图5所示。我们的城市用地面积的分布与这三个产品均显著正相关。其中，与LUH2中的城市用地面积最为一致，Pearson相关系数为0.93；与Seto的结果的一致性次之，Pearson相关系数为0.82；与Zhou的结果的Pearson相关系数为0.56。在一些地区，我们的结果与Seto/Zhou的结果之间存在明显的空间差异，比如中国的华北平原。这主要是由于他们的预测没有考虑到这些地区未来的人口下降趋势可能导致城市用地扩张的停滞，从而高估了城市用地的需求量。
图 5 2030年我们的产品与其他全球城市用地产品的空间差异。
(a)我们的SSP2和Seto的结果;(b)我们的SSP2和Zhou的结果;(c) SSP2中的我们的和LUH2的结果。“0级”表示两种产品在城市用地比例上的差异小于10%，“1级”表示差异少于20%，以此类推。
未来城市收缩压力
我们在情景预测中观察到城市用地需求下降的显著趋势，这主要是由于人口减少造成的。其中，一个典型的例子是中国（图2b），在2040/2050年代之后，由于人口下降，城市用地需求在所有情景中都急剧下降（图6）。我们认为，城市用地需求下降的地区将面临城市收缩的压力。尽管在德国可以在街区尺度中发现一些从城市用地恢复成绿地的个别案例，但城市收缩并不必然导致从城市到非城市的大规模土地转换。在人口下降的背景下，城市收缩更可能表现为对建成区的废弃。由于人口减少而导致的城市收缩，事实上正在世界各地的一些国家中发生，甚至是在中国这个快速城市化的国家。
图 6 SSP情景下2010-2100年面临城市收缩压力的典型区域的人口预测。
在中国(a)和印度(b)，由于SSP1和SSP5情景的人口预测非常接近，以至于它们的曲线看起来完全重叠。EU-15代表2004年之前加入欧盟的15个成员国。
然而，为了处理空间模拟中城市用地需求出现下降的问题，我们假设非城市用地向城市用地的土地转换是不可逆的，禁止城市用地向非城市用地的转换。对于某一区域，如果其估算的城市用地需求小于已建成区的面积，则不对该区域进行模拟，现有城市用地的空间范围也保持不变。随后，对于城市用地需求下降的地区，我们评估其对城市收缩的压力，即“城市用地剩余”面积（即现有城市用地面积超出用地需求的部分）占现有城市用地面积的百分比，数值范围从0%到100%。结果（图7）表明，与世界其他国家相比，中国无疑将面临最严重的城市收缩压力。在SSP1和SSP4中，南美和几乎所有亚洲地区都将面临城市收缩的巨大压力，而在SSP3中，欧洲国家和北美将面临城市收缩的更大压力。
图 7 2100年城市收缩压力的分布
未来城市扩张的土地来源
我们根据初始年份2015年的CCI-LC产品确定未来城市扩张的土地来源的构成。结果（表1）显示，到2100年，51~63%的新增城市用地来自于农田。城市对农田的侵占主要发生在中国、印度、撒哈拉以南非洲和西欧。林地和草地共同占全球新增城市用地来源的30~44%。由于城市扩张造成的林地损失预计主要发生在北美、南美、西欧、撒哈拉以南非洲和澳大利亚。美国和西欧将出现由于城市用地扩张而导致的草地损失。全球湿地是最具生物多样性的生态系统之一，将占新开发的全球新增城市用地来源的2~4%。大多数湿地损失将发生在美国和撒哈拉以南非洲。
表 1 SSPs情景下到2100年各种土地覆盖对全球新增城市用地的贡献
城市扩张对粮食产量的影响
鉴于未来城市扩张主要发生在农田上，我们进一步评估了城市扩张对粮食生产的影响。我们使用由You等人(2014)生产的全球作物分布图评估了城市扩张对水稻、小麦、玉米、土豆和蔬菜造成的产量损失。结果（图8）表明，SSP3和SSP4对粮食产量造成的损失最小，主要是由于这两个情景下社会经济发展和城市扩张过程的减缓。相比之下， SSP5情景下快速的城市扩张将导致最严重的粮食产量损失。总体而言，到2100年，全球城市用地扩张将导致水稻产量下降2~3%，小麦产量下降1~3%，玉米产量下降1~4%，土豆产量下降1~3%，蔬菜产量下降2~4%。根据不同粮食的全球人均食用消费结构，这些产量损失预计将影响约1.22-13.89亿人的年食物需求（表2）。需要注意的是，这些数字并不是指饥饿的人数，而是指如果这些产量损失不能用其他粮食作物的产量来弥补的话，受一种粮食作物产量损失影响的最大人数。此外，我们也没有考虑由于农业管理方法的改变而可能补偿的预期损失的产量。
城市用地往往位于生产力强的土地上，城市发展也往往在与粮食生产的直接竞争中占优势地位。因此，全球城市扩张可能对粮食生产产生重要影响，而这些影响也超过了农田面积的损失。我们的预测（图8）表明，未来城市用地扩张将导致全球农田面积损失1%。然而，尽管不同粮食作物受影响的情况不尽相同，全球粮食产量的直接损失都将可能远超过1%，甚至可能高达4%。城市扩张导致的农田损失与粮食产量的损失是不成比例的。这些结果表明，保护优质农田对减少城市扩张对粮食生产能力的影响的重要性。
而且，有研究表明，全球气温升高2°C将导致全球8~14%的玉米产量损失。相比之下，我们的预测表明，仅城市扩张就将导致全球1~3%的玉米产量损失。这也表明城市扩张对全球粮食生产的深远影响，保护优质农田至关重要。管理和合理规划城市开发地点和流程是减少未来粮食生产损失的关键措施。
此外，由于我们只考虑了城市扩张对农田的直接影响，为了获得更清晰地理解城市与农田发展之间的动态关系，我们利用Popp等人(2017)的研究结果进行了补充分析。Popp等人提供了SSPs情景下农田扩张预测。结合我们的结果和Popp的结果，揭示了SSPs情景下城市扩张和农田扩张之间的冲突格局，即在城市扩张造成农田损失较大的情景中，农田的增加反而相对较小，反之亦然。
图 8 预计到2100年由于城市扩张造成的农田和粮食产量损失
表 2 到2100年全球由于城市扩张造成的粮食产量损失及其影响
注：我们根据联合国粮农组织（FAO）最新的年度人均粮食需求（http://www.fao.org/faostat/en/#data）估算了受粮食产量损失影响的人口。
04结论
本文提出了1km分辨率的未来城市用地扩张的长时序情景预测。该预测采用CMIP6最新的SSPs情景，增强了我们的预测的实用性，能更好地支持其他相关学科的研究，如生态保护、水安全、城市气候和全球气候变化。
根据未来城市用地的预测结果，我们评估了全球不同地区未来城市收缩的压力。城市收缩压力的产生在很大程度上与低出生率和人口老龄化相对应。城市收缩压力较大的典型地区主要包括中国和许多其他亚洲国家。北美、南美和西欧在SSP3和SSP4情景中的城市收缩压力较大。尽管世界上一些地区的城市可能会收缩，但预计全球城市用地将在21世纪40年代前经历快速增长，并对全球景观带来影响。
我们的预测表明，未来大部分城市用地扩张发生在农田（50-63%）和森林（30-44%）上。然而，由于在可预见的将来土地生产力可能难以大幅度提高，为了弥补这些损失，开垦农田仍然是最直接的方法。农田和森林的损失将对生态系统服务产生深远影响，如碳汇、栖息地和粮食供应。
我们的分析结果表明，城市扩张对粮食产量有着不可忽视的影响。城市扩张将导致全球粮食产量下降约1~4%，相当于每年1.22~13.89亿人的粮食需求。而且，农田损失与粮食产量损失之间不成比例，揭示了保护肥沃和优质农田的重要性。管理和合理规划城市开发地点和流程是减少未来粮食生产损失的关键措施。
