做区域生态调查和农业规划的人几乎都绕不开“中国农牧交错带范围”这个话题。它听起来像是个查一下地图就能确定的事实际上真正动起手来才发现这是一块没有唯一标准答案的地方。不同年份、不同课题、不同部门给出的图斑边界能差出几十上百公里面积统计甚至能差出一倍。我刚入行那会儿拿着一份现成的交错带矢量图去套遥感影像结果发现图上标的“典型草原”在影像里是一片连片水浇地那次返工让我明白了一件事农牧交错带不是一个能直接“下载”的成品而是一套需要根据目的重新界定的判据体系。这篇内容面向三类人一是要做区域生态本底调查、需要划出工作范围的技术人员二是做农业布局、土地退化评估、植被长势监测时需要一个合理研究区的研究者三是写区域志、做专题图、需要把“范围”讲清楚而不是含糊带过的内容工作者。我会把范围界定背后的判据逻辑、指标阈值、数据处理流程、核验方法和踩过的坑尽量拆到能照着做的程度。基础薄弱的读者也不用担心我会从“这到底是一条线还是一片带”讲起。1. 先搞清楚农牧交错带是一条线还是一片带1.1 从“过渡”的本质理解这个区域农牧交错带的核心词是过渡。它不是某一条行政边界也不是某一条等高线而是种植业与草食畜牧业在空间上互相嵌入、此消彼长的一个带状区域。理解这一点很关键因为它直接决定了范围界定的方法论——你要找的不是一条线而是一片“两种土地利用方式都站得住、又都不占绝对优势”的面状区域。我常跟人打个比方这就像城乡结合部。你很难说清某个村子到底算城市还是农村但只要看它同时具备“有公交线路”和“有责任田”这两个特征就知道它落在结合部里。农牧交错带也是这样判断标准是耕地和草地在空间上高强度镶嵌且这种镶嵌受气候波动强烈影响——降水好的年份耕地往北推一点干旱年份又退回去。这种“进退摆动”的属性才是它区别于一般农林过渡区的根本特征。正因为是“带”而不是“线”所以任何声称精确到某个坐标点的边界都是人为赋值的结果。我在做图的时候习惯在成果说明里写清楚本范围是基于某年数据、某套阈值、某种平滑强度下的近似表达不同口径下边界会浮动。这句话看着不起眼但能省掉后续无数扯皮。1.2 三类边界经常被混为一谈实际工作中最常出现的混乱是把三种完全不同的“边界”当成一回事结果做出来的图自己都对不上。第一类是气候边界。这是最本质的一层由降水、积温、潜在蒸散决定。它是一条理论上存在、但很难精确测量的连续渐变带因为气候要素本身在空间上是平滑过渡的没有“这里算、那里不算”的突变点。第二类是土地利用边界。这是遥感能看到的、也是大多数人实际做出来的那一层。它由耕地、草地、林地的图斑分布决定特征是有明确的空间形态但年际变化大且受人为开垦、撂荒、生态修复工程影响明显。第三类是行政边界聚合。做政策研究、统计汇总的时候往往需要把连续面聚合到县一级单元于是就有了“整县计入”的版本。这种版本面积大、边界方看起来很不“自然”但在需要匹配社会经济数据的场景下是唯一可行的选择。我的经验是先确定你要回答什么问题再决定用哪类边界。要研究气候波动对生产力的影响就用气候边界加连续面要做县域农业结构调整建议就必须聚合到行政单元要做景观格局分析土地利用边界才是主角。三者不能混用更不能拿一个的结论去否定另一个。1.3 不同资料范围差异大的真实原因有人会问既然都是研究同一个对象为什么公开资料里的范围能差那么多我梳理下来原因主要有四个理解了这四点你看任何一张交错带图都不会再困惑。第一是指标组合不同。只用一个降水阈值圈出来的范围和叠加了土地利用、地形、土壤的版本面积自然不一样。单指标版本通常更“胖”因为降水带本身就是宽的一条多指标叠加会把不符合条件的碎块剔除边界更“瘦”也更曲折。第二是阈值取法不同。同样是降水指标取年降水量 250 至 500 毫米是一个口径取 300 至 450 毫米又是另一个口径核心区直接缩水一圈。这些年我见过最多的争议就出在阈值上而这背后往往是研究目的差异——做退化风险预警的倾向取宽一点做核心区保护的倾向取窄一点。第三是平滑与后处理强度不同。原始栅格叠加出来的结果必然是支离破碎的必须做形态学处理和碎斑剔除。剔到多大面积、做几轮滤波这些参数没有统一标准处理完的边界能差出十几公里。第四是年代不同。交错带是动态的几十年前的开垦格局和现在完全不同。用旧资料套新影像出现系统性偏移是必然的。注意引用任何一份交错带范围资料时一定要同时记录它的指标、阈值、数据年代和后处理参数。只记一个“某某范围”而不记口径后续基本没法复现也没法跟别人的结果对话。2. 划定范围的四类主流指标与判据2.1 气候指标降水与干燥度是骨架气候指标是整个界定工作的骨架原因很直接——农牧交错带的形成根本驱动力是水分条件不足降水稍微多一点就能稳定种粮少一点就只能放牧中间那段“勉强能种、但风险很高”的地带就是交错带。用得最多的是年降水量。多数学术口径把主带放在 250 至 500 毫米区间核心区进一步收敛到 300 至 450 毫米。这个区间不是拍脑袋定的它对应的是旱作农业的水分临界低于这个下限雨养农业产量极不稳定甚至绝收高于上限旱作基本稳产种植业会形成压倒性优势。但只用降水是不够的因为同样 400 毫米降水在冷凉地区和温暖地区的效果完全不同。所以通常会叠加干燥度潜在蒸散量与降水量之比主带多数落在 1.0 至 2.0 之间。干燥度用 Penman-Monteith 法计算潜在蒸散比单纯降水更能反映真实的水分亏缺状况。还有一个辅助指标是≥10℃积温多数段落落在 2000 至 3500 摄氏度·日之间。这个指标主要用来排除热量条件明显不匹配的区域比如高寒地带虽然降水合适但热量不足耕作方式更接近游牧而非旱作农业。2.2 土地利用与植被指标决定空间形态气候指标给的是“潜在范围”土地利用指标才是把它落到实处的关键。我一般看三样东西耕地与草地的面积占比组合、两者的空间邻接关系、以及年际波动特征。占比组合上一个比较稳妥的判据是草地占比不低于三成、耕地占比不低于一成同时两者之和占主导。这个组合能有效排除纯牧区和纯农区。空间邻接关系上要看耕地和草地是否形成高密度的斑块镶嵌可以用景观生态学里的边缘密度、斑块密度、聚集度这类指标来量化镶嵌度高的才是交错带的典型形态。年际波动这一条最容易被忽略但我觉得它才是“灵魂指标”。交错带的植被指数年际变异系数通常明显高于纯农区和纯牧区因为这里的产出受降水波动直接支配。我做过对比同样是草地交错带内的 NDVI 变异系数常常能达到 0.15 以上而稳定草原区一般在 0.1 以下。这个差值看起来不大但区分度很好。2.3 地形与土壤指标把边界修得更贴合地形的作用是把气候上“应该属于”的地方剔除掉那些因为地形原因实际不成立的区域。比如一条大山脉的迎风坡降水明显偏高可能在大尺度降水图上被划进交错带但实地是高覆盖度的林地显然不该计入。所以通常会用高程、坡度、起伏度做一层约束把大面积连续林区和陡坡地带裁掉。土壤指标是加分项。交错带的典型特征是钙层土与淋溶土之间的过渡栗钙土、褐土、黑钙土交错分布风沙土也常有出现。这个指标很难单独用来划界但在两个候选方案之间做取舍时非常好用——哪个方案的土壤组合更符合过渡特征哪个就更可信。我个人的做法是地形和土壤只做“减法”不做“加法”。也就是说不用它们来扩大范围只用它们来剔除明显不合理的部分。这样做出来的边界更保守但可信度更高。2.4 社会经济与种植结构指标聚合到行政单元时才用如果你的成果要落地到政策建议、种植结构调整就必须引入社会经济指标因为决策单元是行政区域而不是像元。常用的有畜牧业产值占农林牧渔业总产值的比重、耕地垦殖率、饲草料种植面积占比、单位面积牲畜存栏量等。这些指标的特点是统计口径统一、可直接匹配但空间分辨率极粗。所以标准做法是先做出连续面再按面积占比或指标阈值把行政单元归类形成“核心县、过渡县、外围县”的三级划分。这里有个细节很容易做错用面积占比聚合时必须用等积投影下的面积不能用像元个数直接除以总数否则在高纬度地区会产生系统性偏差。下面这张表是我自己常用的指标对照四类指标的定位和用法都写在里面指标类型代表参数常用阈值区间主要作用使用注意气候年降水量250–500 mm核心 300–450 mm圈定潜在范围骨架阈值宽窄直接决定总面积气候干燥度PET/P1.0–2.0反映真实水分亏缺需说明蒸散计算方法气候≥10℃积温2000–3500 ℃·d排除热量不匹配区高海拔段落需单独校准土地利用耕地/草地占比耕地≥10%、草地≥30%确定空间形态单年数据受开垦扰动大植被NDVI 年际变异系数≥0.15识别波动敏感区需≥5 年序列地形高程、坡度视区域而定剔除连续林区、陡坡只做减法不做加法土壤栗钙土/褐土组合定性判断方案取舍时校验不宜单独划界社会经济畜牧业产值占比≥30%行政单元聚合必须用等积投影面积3. 一套可复现的范围界定流程3.1 数据准备与投影统一流程的第一步永远是数据准备而这一步翻车的概率最高。列一下我通常需要的数据清单降水与气温的栅格数据分辨率尽量优于 1 公里、潜在蒸散数据或自己用气象要素算、土地利用栅格30 米级、NDVI 时间序列至少 5 年、DEM、行政区划矢量。所有数据必须统一到同一个等积投影下这一条是硬要求。为什么必须是等积投影因为后面所有的面积统计、密度计算、聚合分析都依赖面积准确性。经纬度投影下一个像元的实际面积随纬度剧烈变化直接乘像元数量算面积在高纬度段落能偏出三成以上。我常用的参数是 Albers 等积圆锥投影中央经线取 105 度附近双标准纬线取 25 度和 47 度这套参数覆盖全国范围时形变较小。重采样也有讲究。连续型数据降水、气温、NDVI用双线性或三次卷积分类数据土地利用必须用最近邻否则会凭空造出不存在的地类。这个细节我在早期项目里吃过亏——用双线性重采样土地利用图结果边界上出现了一堆奇怪的过渡类别清理花了大半天。3.2 指标计算把公式落到栅格上干燥度的计算是整个流程的核心一步。基础公式很简洁干燥度等于潜在蒸散量除以同期降水量。潜在蒸散用 Penman-Monteith 法算需要气温、相对湿度、风速、日照或辐射四类要素。如果拿不到逐日气象数据用格网化的蒸散产品也可以但要确认它的时间分辨率和计算方法是否与研究目标匹配。除了干燥度我还习惯再算一个积温降水比作为辅助判据形式是系数乘以≥10℃积温再除以年降水量。教材里常见的系数是 0.16但不同文献取值不完全一致所以我在成果里一定会写明用的是哪个版本。举个具体算例某像元年降水量 330 毫米≥10℃积温 2800 摄氏度·日代入后得 0.16×2800÷330≈1.36同一区域若降水升到 620 毫米、积温 2600则算出约 0.67明显超出交错带特征区间应排除。下面这段是我常用的计算与重分类代码用 Python 的栅格库直接处理改改路径就能跑import numpy as np import rioxarray as rxr # 读取已统一投影的栅格 pet rxr.open_rasterio(pet_mm_1km.tif).squeeze() pre rxr.open_rasterio(pre_mm_1km.tif).squeeze() gdd rxr.open_rasterio(gdd10_1km.tif).squeeze() # 避免除零把降水小于 50mm 的像元先标记出来 valid pre 50 aridity (pet / pre.where(valid)) # 干燥度 PET/P # 积温降水比辅助判据系数以所用文献为准 ratio 0.16 * gdd / pre.where(valid) # 三条气候判据同时满足才计为候选区 cond ( (pre 250) (pre 500) (aridity 1.0) (aridity 2.0) (gdd 2000) (gdd 3500) ) candidate cond.astype(uint8) candidate.rio.write_crs(pet.rio.crs, inplaceTrue) candidate.rio.to_raster(climate_candidate.tif)跑完之后一定要做一次统计核对候选区面积占比是多少、落在哪些纬度带、有没有明显不合理的孤立大斑块。这一步能提前发现数据本身的问题比如某年降水产品出现系统性偏高导致候选区整体北移。3.3 叠加土地利用并做形态处理气候候选区出来之后接着叠加土地利用约束。常用的条件是像元邻域内同时存在耕地和草地或者耕地与草地的合计占比超过一定比例。邻域窗口大小需要根据数据分辨率来定1 公里数据我一般用 5×5 到 9×9 的窗口窗口太小镶嵌特征体现不出来太大又会把边界抹得太宽。叠加之后的结果一定非常碎——这是正常的因为土地利用本身就是斑块状的。接下来的形态处理决定了最终成图的美观度和可用性。我通常分三步走开运算去噪点先腐蚀后膨胀把孤立的单像元、小斑块消掉。结构元素大小按最小制图单元来定比如要求最小图斑不低于 100 平方公里就据此换算像元数。闭运算补空洞先膨胀后腐蚀把内部的小缝隙填上避免出现“筛子状”图斑。连通域筛选只保留面积超过阈值的连通区域其余全部剔除。这里有个经验参数分享一下最小图斑阈值我一般设在 100 至 500 平方公里之间。设太小比如 10 平方公里图上全是碎点制图丑且统计意义弱设太大比如 1000 平方公里以上会把一些真实存在但面积较小的交错段落整个抹掉尤其是山前地带的窄条区域很容易被误删。处理完之后还要做一层地形裁剪把与大面积连续林区、荒漠、水体、建成区重叠的部分减掉。这一步用土地利用图配合高程数据做布尔运算就行逻辑简单但能显著提升结果的可信度。3.4 面积统计与成果表达面积统计看着简单实则是最容易出错的一环。正确做法是在等积投影下逐像元统计或者转成矢量后计算图斑面积绝不能拿像元数乘以标称分辨率。原因前面说过投影形变会让结果系统性偏大。做行政聚合时我用的方法是先计算每个行政单元内交错带面积占该单元总面积的比例再按比例分档。分档阈值没有统一标准我一般用三档占比超过 50% 的归为核心单元20% 至 50% 的归为过渡单元低于 20% 的只做外围标注不计入统计主体。这套分档在成果表达上很清晰做统计汇总时也不会因为边缘单元反复拉扯而失真。成果输出至少要包含四样东西范围矢量、面积统计表分省或分大区、界定说明文档指标、阈值、数据源、年代、后处理参数、精度评价结果。缺了说明文档的范围数据基本等于不可用——别人拿到手没法判断该不该采信。4. 范围结果怎么解读与核验4.1 空间走向的典型描述界定出来的范围整体呈现东北至西南的斜向带状走势这个走向是气候格局决定的不是人为划的。按段落拆开看大致可以分成四段每段的形成机制还不太一样。东北段紧贴山地向平原的过渡地带特征是降水由东向西快速递减种植业沿山前地带展开草地分布在更靠内陆的一侧。这一段纬度偏高、热量偏紧种植结构以耐寒作物为主交错特征相对清晰。华北段沿山地与高原的交接带展开这一段的农牧镶嵌程度最高历史上开垦强度也最大很多地方已经演变为以农为主的格局但草地仍以斑块形式大量存在。做这一段的范围划分时要特别注意人为开垦带来的“伪农区”——看起来是连片耕地实际上水分条件并不支撑稳定耕作。西北段是面积最大、边界最曲折的一段涉及高原边缘、山前洪积扇、河谷地带等多种地貌。这一段的交错带常常呈窄条状沿河谷和山前延伸用大窗口平滑很容易把它抹掉需要单独调整参数。高原东缘段的特征是垂直分异强烈交错带被压缩在特定的海拔带内水平方向上的宽度很窄。做这一段时用统一的水平阈值几乎不可能做对必须引入高程分层。我给同行的一个建议是不要试图用一套参数做全国。分段落、分地貌类型调整阈值和平滑参数虽然麻烦但结果能站得住脚。全国一套参数做出来的图在评审时几乎必然被问到边缘段落的合理性。4.2 面积量级的合理区间面积这个数字我建议只当量级看不要当精确值引用。多个学术口径给出的交错带面积大致落在 50 万至 80 万平方公里区间占国土面积的比例在百分之五到百分之八之间。不同口径之间差出十几二十万平方公里是常有的事这不算矛盾只是口径不同。如果有人问我“到底多大”我的回答是先问他用哪个口径。如果是核心区口径可能只有三四十万平方公里如果是广义过渡带口径七八十万也正常。把量级区间说清楚比给一个精确到小数点的数字要诚实得多也更专业。4.3 精度核验怎么做才有效核验这一步最容易被敷衍过去很多成果只做目视检查就交付了。我觉得至少要做三层核验缺一层都不敢签字。第一层是高分影像抽样核验。在研究区内随机撒点数量按面积比例分配一般不少于 300 个。每个点用高分影像判读其地类组合是否符合交错带特征算总体精度和 Kappa 系数。我一般要求总体精度不低于 85%核心区段落可以放宽到 80%。第二层是野外踏勘核验。抽样点里挑一部分做实地核查重点看那些影像判读存疑的地方比如影像上是草地但实际是休耕地或者影像上是耕地但实际已经撂荒。野外核验的价值不只是验证更重要的是能发现判据本身的问题。第三层是与独立数据交叉验证。拿统计年鉴的县级畜牧业与种植业数据看核心单元的指标是否真的明显偏离纯农区和纯牧区。如果某个被判为核心单元的地方畜牧业占比低得可怜那就得回头查是不是土地利用分类出了问题。提示核验样本点的布设不要均匀撒要在边界带附近加密。边界带的误判率远高于内部均匀撒点会高估整体精度。5. 实操中踩过的坑与排查表5.1 数据源与分辨率带来的系统性偏差我踩过最疼的一个坑是混用了不同年代的降水产品和土地利用数据。降水用的是十年平均土地利用用的是单年结果算出来的干燥度落在区间内、土地利用也符合条件的地块实地一看是刚开发的连片经济林。问题出在哪土地利用的年份恰好在一次大规模种植结构调整之后和降水平均值的时期不匹配。从那以后我给自己定了一条规矩所有参与同一决策的图层年代差不超过三年。降水这类气候要素如果必须用多年平均那土地利用也尽量取同期中间年份或者做多年合成别拿一个极端年份的图去套十年平均的气候面。另一个坑是分辨率不匹配。气候数据 1 公里、土地利用 30 米直接叠加没有问题但如果反过来——气候数据是 10 公里、土地利用 30 米——叠加出来的结果会带有气候数据本身的方块感边界上出现规则的阶梯状。这种情况必须先把细分辨率数据聚合到粗分辨率或者对气候数据做降尺度不能直接硬叠。还有一个隐蔽的问题不同来源的降水量产品在过渡带的系统性偏差方向可能相反。我在同一区域对比过两三套产品年降水量能差出 30 至 50 毫米这个差值足以让整条边界移动几十公里。所以我现在做任何界定都会先用站点观测数据检验一遍降水产品的偏差方向和幅度必要时做订正。5.2 阈值一刀切导致的形态失真阈值一刀切是最常见的问题也是最不容易被自己发现的问题。因为单看结果图边界平滑好看看不出毛病。但只要把边界叠到影像上问题立刻显现某一段边界笔直穿过一片连续的优质农田或者把一大块典型草原圈了进来。常见的失真形态有这么几种。锯齿状出现在栅格分辨率较粗、没有做平滑的时候边界像锯齿一样。阶梯状出现在不同分辨率数据叠加之后呈现规则方格。孤岛状出现在阈值边界附近一小块符合条件的区域被单独留下。断头状出现在窄条交错带被形态处理抹掉的地方本该连通的两段断开。对应的处置方法不一样。锯齿用多数滤波或者矢量简化处理阶梯必须回到重采样环节解决靠后处理是修不干净的孤岛靠连通域筛选剔除断头最麻烦需要回头调小形态处理的结构元素或者对窄条段落单独降低最小图斑阈值。我把这些整理成一张排查表出问题时对号入座会快很多现象常见原因排查动作处置办法边界锯齿明显未做平滑或分辨率过粗检查平滑步骤是否执行多数滤波或矢量简化边界呈规则阶梯多源分辨率不一致硬叠加核对各图层分辨率统一重采样到同一格网出现孤立小斑块阈值临界像元聚集统计连通域面积分布按最小图斑阈值剔除窄条段落断裂形态处理结构元素过大检查开运算参数分段降参数或单独处理边界穿过连片农田土地利用年份不匹配核对数据年代换同期数据或做多年合成核心区指标不典型阈值区间设得过宽抽查核心区统计特征收紧阈值改为分级表达面积统计偏大三成用经纬度投影算面积检查投影定义转等积投影重算某段落整体偏移降水产品系统偏差站点数据比对做偏差订正后重跑5.3 边界争议与成果交付的细节技术问题好解决麻烦的是边界争议。同样一项工作不同参与方对某一段边界的看法可能完全不同原因往往不是技术而是立场——做生态保护的希望范围宽一点做耕地保护的希望窄一点。这种情况下纯技术论证说服力有限我的做法是提供分级成果核心区、过渡区、外围影响区三层每层给明确判据和面积让不同需求方各取所需而不是死磕一条线。交付细节上还有两个小教训。一是矢量文件的坐标系统一定要在文件里写清楚不要只在说明文档里提一句否则接手的人很容易在叠加时搞错。二是拓扑检查不能省自相交、悬挂节点、重叠面这些问题在制图阶段不明显一到面积统计和空间分析就会集中爆发返工成本极高。6. 从范围到应用这套东西还能怎么用6.1 生态监测与退化评估范围界定清楚之后最直接的用途是做监测的基准框。交错带的生态状况变化快用固定边界做多年对比能有效剥离“范围变化”和“状态变化”两个因素。我的做法是把界定结果固化成一套不变的分析单元之后每年只更新监测指标不更新边界这样年际对比才有意义。退化评估上交错带有几个高敏感指标特别值得盯植被覆盖度的年际波动、耕地撂荒率、草地灌丛化程度、风蚀与沙化敏感区的分布变化。这几项在交错带的响应速度远快于纯农区和纯牧区用作早期预警很灵敏。需要注意的是评估时一定要把气候波动的影响分离出去否则会把干旱年的正常下降误判为退化趋势。6.2 农业布局与种植结构调整这一块是交错带研究落地价值最高的方向。核心逻辑是交错带的根本约束是水分所以布局调整的方向应该是降低对降水的依赖强度提高系统的抗波动能力。具体到操作层面可以做的事情包括识别高风险耕作区、评估饲草料种植的适宜空间、测算不同种植结构下的水分盈亏。水分盈亏的算法不复杂把作物生育期需水量与同期有效降水做差差值为正说明需要补充灌溉差值越大风险越高。在交错带里这个差值的空间分布和年际波动都很剧烈用它来划定“稳定种植区、风险种植区、建议退耕区”三档比单纯看降水总量要精准得多。我在几个区域试过这套方法结论和实地调研的吻合度还不错。6.3 制图表达与专题图交付最后说个容易被轻视但很影响成果评价的环节出图。交错带专题图有几个通病我几乎每份评审意见里都能看到。一是边界表达太“硬”用一条实线画过渡带视觉上暗示了精确性实际上应该用渐变或晕线表达过渡属性。二是底图信息过载把降水、土地利用、地形、行政边界全堆上去图面一团乱。三是缺少不确定性表达让人误以为边界是确定的。我的做法是主图只保留边界和必要的参照要素山脉走向、主要河系、大区界线把指标图层拆到附图上边界用晕带或双线表达宽度对应不确定性范围图例里明确标注数据年代和判据。这些细节看着琐碎但对成果的专业度评价影响很大。踩过几次“图做得太满被要求重做”的坑之后我现在的习惯是宁可少放要素也要保证主次分明。我个人在实际操作中的体会是农牧交错带范围这件事技术难度其实不高难的是把口径讲清楚并坚持一致。我见过太多成果方法本身没问题但因为中途换了数据源或者调了阈值却没记录最后自己都复现不出来。所以每次开工前我会先把判据、阈值、数据清单、后处理参数写成一份半页纸的“口径卡”全过程严格按卡执行改动必须留痕。这份卡后来成了我们交付成果的标配附件省下的沟通成本远超写它的时间。