生态重点区(EFAs)被设计为共同农业政策绿化战略的一部分，以保护欧洲农田的生物多样性，防止土壤侵蚀和改善土壤质量。如果农民将至少5%的可耕地用于任何类型的全民教育，他们就可以获得经济支持，这可以从欧盟一级制定的选项清单中进行选择。然而，EFAs因未能实现其环境目标和在保护农田生物多样性方面无效而受到批评，主要是因为它们没有空间针对性，而且因为它们在农场管理决策中促进经济而不是生态考虑。

　　我们使用空间明确的方法来评估农场和田间环境以及田间地形和土壤条件对是否在田间实施特定全民教育类型的可能性的影响。

　　我们使用多项模型方法，使用了德国萨克森州穆尔德河流域879个遵守2019年全民教育政策的农场的田间土地利用和管理数据。地理空间环境信息被用来评估哪些预测变量(与农场环境、田间环境或田间地形和土壤条件有关)增加了某块田地被分配到特定全民教育的可能性。我们检验了这样一个假设，即生产性全民教育通常在更适合农业生产的领域实施，而被认为对生物多样性更有价值的全民教育选择(例如，非生产性全民教育)被分配在不太适合农业生产的领域。

　　我们发现，嵌入小木本特征或自然保护区比例低的景观中的农场主要通过生产性EFAs(如固氮作物)来实现EFA政策。相反，拥有较高比例的小型木质特征或自然保护区的农场更有可能采用非生产性的全民教育。正如预测的那样，土壤肥力较高、侵蚀风险较低的大而紧凑的田地被分配给生产性EFAs。在自然条件不利地区的小块土地上放置了非生产性EFAs。被认为对生物多样性特别有益的全民教育选择，如休耕地，被分配到远离其他半自然或自然保护区的地方。

　　我们的研究结果强调，缺乏空间针对性的全民教育可能会导致全民教育选择被分配到其对保护目标的相对贡献较低的地区(例如保护区份额较高的农场)，而在最需要的地区(例如高强度农场)则缺席。为了确保绿化政策实际上促进了欧洲农业的生物多样性，需要采取激励措施，鼓励在集约使用的农场更多地采用生态有效措施。这些措施应与保护有特殊生境要求的受威胁物种的额外措施相结合。

　　为了实现更大的环境可持续性，欧盟(EU)的共同农业政策(CAP)在2013年推出了一项直接支付计划(绿化)，旨在保护和加强欧洲农田的生物多样性、水和土壤(European Union 2013;欧盟委员会2022)。强制性绿化实践包括:(i)维护永久草地，(ii)农田农业多样化的义务(如果耕地超过10公顷，种植至少两种作物)，以及(iii)如果传统农场的耕地面积超过15公顷，则将至少5%的耕地分配给生态重点区域(EFAs)(德国联邦环境局2014;欧盟委员会2017,2022)。农民必须遵守这些要求才有资格获得绿色补贴，但已经实施可持续农业实践(如有机农业)的农场除外(欧盟委员会2022年)。EFAs的生态价值因EFAs类型而异(Cole et al. 2012;Cormont et al. 2016)。虽然缓冲带、休耕地和景观特征等非生产性选择被认为最有利于保护生物多样性(Pe 'er et al. 2017;Sutter et al. 2018;Tarjuelo等人。2020a, 2020b)，节约效率较低(即生产性)的选择，如种植固氮或捕捞作物，占已登记的EFAs的70%以上(zinggrebe等人，2017;Nilsson et al. 2019;Pe 'er et al. 2020)。对利益相关者、农民和农业代表的访谈结果表明，农民认为全民教育法规很复杂(Oppermann 2015;Bonke et al. 2021)。总体而言，在定义与全民教育实施有关的农场管理实践时，经济和行政动机似乎比生态考虑更重要(zinggrebe等人，2017;Nitsch et al. 2018;Brown et al. 2021;Bonke et al. 2021)。然而，农民管理土地的动机包括其农场所处的环境背景(Brown et al. 2021;Santos et al. 2021)。农场管理决策也可能受到农场环境(如农场规模)、田地环境(如田地大小)或田地地形和土壤条件(如土壤肥力)的严重制约(Nitsch et al. 2018)。此外，特定土地利用在增强生物多样性或生态系统服务方面的成功可能在很大程度上取决于其与其他半自然地区的接近性和连通性(Tscharntke et al. 2005,2012)。因此，迫切需要考虑影响农场管理实践的一系列更广泛的因素，包括农场的生态环境，以扩大我们对如何以更可持续的方式管理农业景观的理解(Tzilivakis等人，2016;Singh和Leppanen 2020;Brown et al. 2021)。

　　欧盟各地的农场根据其地理位置的不同，其环境也不同。此外，存在各种政策工具来支持CAP绿化政策，并在成员国之间实现欧盟环境目标。例如，农民可以在被认为具有挑战性的地区获得进一步的经济支持(欧盟委员会2022年)。在我们的研究区域，靠近水体(SMEKUL 2021a)和水保护(SMEKUL 2021b)或Natura 2000(欧洲环境署2022)区域的地点在管理实践或营养/虫害控制投入方面有特殊限制。为了考虑区域差异，成员国可以选择被认为更适合其具体情况的全民教育方案子集。此外，每种类型的全民教育都有一个加权因子，以反映其生态效益和实施成本。加权系数的范围可以从0.3(例如用于捕捞作物)到2(例如用于树篱)，并用于计算与政策补贴支付相关的每个农场的确切面积。在德国，农民可以从符合全民教育条件的20种不同土地利用方案中进行选择(zinggrebe等人，2017;Lakes等。2020，见表S1)。

　　在本研究中，我们利用综合行政和控制系统(IACS) (SMEKUL 2019)提供的土地利用和管理的实地信息，以及小型木本特征和自然保护区的地理空间信息，来评估哪些结构、地形和土壤条件影响了一个领域被分配到特定全民教育的可能性。由于全民教育政策关注的是农场层面，我们的预测指标包含了反映农场环境的变量，包括农场边界内额外栖息地的多样性、特定领域生产的相对可用性，以及该领域与同一农场其他领域相比的地形和土壤条件。总体而言，我们预计结构(大小、密实度、与其他景观元素的接近程度)或地形和土壤条件(坡度、土壤肥力)低于农场平均水平的田地更有可能被分配到EFA。此外，我们预计保护区比例较小或林地面积较小的大型农场，其田地主要适合生产，最有可能通过生产性全民教育方案满足政策要求。由于景观要素不易移动，可用于获得全民教育政策支付，我们预计在其边界内具有景观特征的农场可能会根据该政策进行注册。相反，在其边界内没有景观特征的农场更有可能分配生产性全民教育选项，而不是其他全民教育类型。

　　研究区域为Mulde河流域，位于德国萨克森联邦州西部(图1)，面积5814 km2;地形从平坦到丘陵不等，海拔范围在24 - 1214 m.a.s.l之间(Sachsen Staatsbetrieb Geobasisinformation und Vermessung 2016)。气候以大陆性为主，年总降水量在570 ~ 1260毫米之间，年平均气温在7.4 ~ 14.1°C之间(DWD 2020)。研究区38%为耕地，主要作物为冬小麦、油菜、冬大麦和玉米，其次为永久性草地(割草牧场和草甸)。

　　图1

　　

　　描述研究区域的地理位置，以及我们分析中使用的EFAs的生产性、非生产性和景观特征的分布。右上方的方形表示数据的插入

　　我们的数据包括2019年遵守全民教育政策(SMEKUL 2019)的879个农场(41936个农田)的土地利用和管理的实地信息。每个农场的耕地中位数为25块。农场面积中位数为100公顷，农田面积中位数为6公顷。农民可以从20种土地利用类型中选择登记为全民教育(表1)。在我们的研究中，一个农场由一组在IACS数据库(SMEKUL 2019)中注册的农场组成，这些农场使用相同的匿名农场识别号。一块田由一块土地组成，具有统一的土地用途(某种作物或EFA)。我们将预测变量分为三类;与农场环境、田间环境或地形和土壤条件相关的预测因子(表1)。

　　表1分类回归模型中使用的解释变量概述

　　农场有限公司ntext预测

　　这一类包括:农场面积(farm area)计算为在同一匿名农场识别号下注册的所有农场的面积，由Natura 2000区域覆盖的农场的百分比(Natura)，由景观特征覆盖的农场的百分比(EFA)注册的农场的百分比(LAND FEAT)，小树木特征附近的农田覆盖的农场面积的百分比(即在50米的缓冲地带，SWF)，指定为自然约束的农场面积的百分比(ANC)，以及指定为饮用水重点地区和药泉保护区(WATERPROT)的农场面积百分比(表1)。

　　场有限公司ntext预测

　　我们使用z转换来标准化关于农场上下文的每个字段的值。例如，田地面积的正值意味着各自的田地比它所属农场的平均田地大。现场上下文预测器类别包括:田间面积的标准z-score (FIELDAREA)，田间密实度指数的标准z-score (compactness)，田间到农场质心距离的标准z-score (distance)， 50米缓冲区(SWF)附近存在小型木质特征的二元预测器，田间是否属于指定为自然约束(ANC)的区域的信息，以及在20米缓冲区附近存在水体(WATERBODY)(表1)。我们选择Paulus et al.(2022)使用的20米缓冲距离的水体，他研究了我们研究区域的农业环境方案的空间分配。5米缓冲区代表了一个中间距离，考虑了田间边缘对传粉者(Reynolds et al. 2022)或天敌(b

　　chi 2002)的影响。

　　土壤和地形条件

　　这一类包括土壤肥力(soil fertility)、土壤湿度(soil moisture)、风(WINDEROSION)和水侵蚀(KLSR)的值，这些值是从撒克逊州能源、气候保护、环境和农业部(SMEKUL 2021c)以1:50 000的比例提取的数字土壤图中提取的(表1)。土壤肥力指数考虑了毛细、内涝风险、阳离子交换能力、石头含量、土壤根空间的植物有效水分(表S2)。根据土壤孔隙系统、气候、地形等参数计算土壤水分指数(表S3)。风蚀指标描述了土壤类型和长期平均风速对侵蚀危害的影响(表S4)。水侵蚀风险考虑了土壤类型、坡长、坡倾角和土壤的再生侵蚀力(表S5)。所有预测因子均采用两两相关分析进行共线性检验。由于没有出现Pearson’s |r| > 0.7的相关性(Dormann et al. 2013)，因此没有排除变量(图S1-3)。

　　我们使用多项回归模型来评估与农场和田间环境以及田间地形和土壤条件相关的变量对农田EFA分配的影响。多项回归是一种逻辑回归，当相关结果包含两个以上类别时，用于预测案例属于特定类别的概率。多项模型将结果变量分解为对类别之间的一系列比较，以此计算观察结果属于特定组而不是参考组的概率(赔率)。在多项模型中，概率的逻辑变换(Log (OR))是因变量。几率值的范围从0到无穷大，表示观察值属于参考组而不是用于比较的组的可能性。它认为odds=p/(1 - p)。odds ratio (OR)估计预测因子增加一个单位时目标群体中成员的几率变化，以预测因子的回归系数为指数计算:

　　其中p=某一情况属于某一特定类别的概率，β0为截距，β1为x1的回归系数。

　　为了根据EFA组(如生产性、非生产性、景观特征)或EFA类型(如捕获作物、固氮作物等)确定具体的响应，我们运行了四个多项模型。所有模型都包含相同的预测变量(如表1所示)，并以专门用于农业生产的田地(定义为NOEFA)作为参考值。我们使用模型1根据其生产价值来确定全民教育分配驱动因素的差异。除了参考值(NOEFA)外，模型1还包括三个额外的响应类别:(i)生产性EFA， (ii)非生产性EFA，以及(iii)登记为EFA的景观特征。我们使用模型2、模型3和模型4来确定特定EFAs的重要驱动因素(见图2)。(4, 5, 6)。模型2仅纳入生产性EFAs (c=6)作为响应类别。模型3包括响应非生产性EFAs (c=6)，而模型4以EFA景观特征(c=8)作为响应类别。鉴于我们只考虑与至少一个磁场农场致力于我们的一个焦点中的脂肪酸(定义的模型),所有的模型不同数量的农场和字段用于输入(表2)。所有的数据分析和数据处理进行了R版本你(R核心团队2021)使用的包nnet福克斯和韦斯伯格(2019)、汽车(2019年福克斯和韦斯伯格),插入符号(库恩2008),dplyr(韦翰et al . 2019),光栅(Hijmans和van Etten 2012),科幻小说(Pebesma 2018),和terra (Hijmans 2023)。代码的详细信息可以在与此手稿相关的GitHub存储库中找到(https://github.com/vivi-alarcon/EFAallocationinfarmland.git)。

　　表2 Des模型ID的描述、输入数据(字段数和农场数)和响应在我们的分析中使用的四个模型的Nse类别。但Nse类别指的是每个模型中使用的离散结果。类频率是指用于每个模型上的离散结果的数据输入的字段数。NOEFA是指用于农业生产的田地

　　摘要

　　介绍

　　材料与方法

　　结果

　　讨论

　　结论

　　数据可用性

　　参考文献

　　致谢

　　作者信息

　　道德声明

　　补充信息

　　搜索

　　导航

　　＃＃＃＃＃

　　7%的土地被分配为生产性基础设施，6%的土地被分配为非生产性基础设施，5%的土地被分配为景观特征。在生产性EFAs中，捕捞作物和固氮是最常用的选择。休耕地和缓冲带是最常见的非生产性生态环境，而树篱和成排的树木通常被登记为景观特征。具有低百分比的Natura 2000 (Natura)、景观特征注册为EFA (LAND FEAT)、小木本特征(SWF)或水保护区(water PROT)覆盖的农场大多分配生产性EFA(图2)。相反，相同变量值较高的农场更倾向于分配非生产性EFA或景观特征。

　　小的和线性的田(田面积，紧凑度)有更高的概率被分配为非生产性efa或景观特征(图2)。非生产性efa和景观特征被分配到远离小型木质特征(SWF)或水体(water BODY)的地方，但它们经常出现在被指定为自然限制农业生产(ANC)的田中。相反，大而圆的田地最容易被分配生产性EFAs。与我们的预期相反，EFA田没有分配在土壤肥力低的田地(土壤肥力)。然而，生产性和非生产性EFAs都被分配在水蚀风险较低的地区。

　　在生产性选择中，捕获作物和固氮作物对相同变量的响应不同(表3，图S4)。氮作物通常分配在景观特征(LAND FEAT)、小木本特征(SWF)和水保护区(water PROT)比例较低的小农场(FARM AREA)，而捕捞作物则分配在自然指数(Natura)、景观特征(LAND FEAT(%))和水保护区(water PROT)比例较高的农场(表3，图S4)。在自然约束(ANC)地区，捕捞作物经常被分配到大而圆的田地(田面积，密实度)。休耕地更有可能分配在自然、土地和水PROT值较低的农场，以及小而线性的田地(表3，图S5)。相反，缓冲带通常建立在自然、土地、SWF或水PROT值较高的农场上。绿篱和成行树木在SWF和ANC比例较低的农场中最为丰富，但在这些农场中，位于ANC区域的田地最为丰富(表3，图S6)。除坡度和侵蚀KLSR外，与地形和土壤条件相关的大多数变量对大多数EFA类型的影响不显著。

　　图2

　　

　　根据全民教育组(模型1)，用于评估全民教育分配驱动因素的多项回归模型系数(奇数比的对数)。解释变量分为三类(农场环境、田间环境、土壤和地形条件)。彩色圆圈表示p值小于或等于0.05。农场环境指标(农场面积除外)反映了农场面积所覆盖的百分比:Natura 2000指定区域(Natura(%))、注册为EFA的景观特征(LAND FEAT(%))、小木结构特征(SWF(%))、自然约束区域(ANC(%))或水保护区(water PROT(%))。SWF表示在场地周围50 m的缓冲区内存在(1)或不存在(0)小的木质特征。ANC表示油田是否处于自然受限区域。水体(WATER BODY)表示在场地周围50米的缓冲区内存在(1)或不存在(0)水体。水土流失(KLSR)是指水土流失风险

　　表3各类别最常采用的两种全民教育的影响方向。加号(+)表示显著的正效应，减号(?)表示负显著效应，ns表示在显著性水平≤0.05下无显著效应

　　在这项研究中，我们采用空间显式方法分析了农场环境、田间环境以及地形和土壤条件如何影响农田中EFAs的分配。我们证明了农场和田地的背景，而不是地形和土壤条件，对特定的全民教育类型分配到特定的田地是决定性的。在我们的研究区域，已知有益于生物多样性的全民教育类型，如休耕地、缓冲带和景观特征(Martin et al. 2019;Pe 'er et al. 2022)，在已经处于自然保护和非作物栖息地覆盖率较高的环境中的农场中使用(图2)。相比之下，在农田占主导地位的农场中经常发现生产性EFAs，如捕捞作物或固氮作物(图2)。这些结果对保护农田生物多样性具有重要意义。考虑到农业地区保护措施的有效性在土地利用异质性中等水平的景观中最高(“中等景观复杂性假设”，Tscharntke et al. 2012)， EFAs促进农田生物多样性保护的潜力可以通过其空间分布得到强烈调节(Sutter et al. 2018;Concepción和Díaz 2019;Concepción et al. 2020)。

　　在复杂景观中的农场进行全民教育，可能对恢复这片土地上现有的生物多样性贡献不大。另一方面，在简化景观的农场进行的全民教育也可能对恢复这些地区已经丧失的生物多样性贡献不大。然而，在集约利用地区分配EFAs有可能增加景观复杂性，例如通过增加作物多样性或农场边界内非作物元素的数量(Concepción et al. 2012)。然而，EFAs不应被用作保护农田生物多样性的唯一工具，因为其对受威胁物种或特殊物种的效益高度依赖于其生态质量(Herzog等人，2017;Pfiffner et al. 2018)。此外，许多EFAs只对农田通才物种有益(Kleijn et al. 2006;Aviron et al. 2007, 2009)，并且需要辅以额外的自然保护工作或改进和量身定制的农业环境计划，以保护和增强更广泛的生物多样性(Aviron et al. 2009)。

　　我们研究区域的农场面积仅是全民教育方案的一个子集的决定性因素(表3)。小农场最常采用休耕地和固氮作物，而大型农场最常使用树篱(表3)。在其边界具有较高景观特征覆盖的大型农场使用这些元素来满足政策要求。有趣的是，未完成景观要素全民教育配额的农场倾向于分配生产性全民教育，而不是非生产性全民教育(图2)。这些结果支持了之前关于农民在绿化政策分配决策中普遍考虑经济而非生态因素的研究结果(zinggrebe et al. 2017)。生产性EFAs(如捕捞作物和固氮作物)的主要目标是减少土壤侵蚀和促进养分吸收(cerdone等人，2022;quinarelli et al. 2022)，并可能有助于促进次年同一块地的作物生产(Brown et al. 2021;Wittstock et al. 2022)。另一方面，非生产性EFAs和景观特征的放置在空间上不灵活，从农民的角度来看可能是不利的，因为如果在田地边界有单独的树木或树篱，使用大型机械工作可能会更加困难。虽然生产性全民教育方案通常被分配到土壤侵蚀风险较低的大型圆形农田，但非生产性全民教育方案被分配到被认为不利于作物生产的地区的小型线性农田(图2)。Paulus等人(2022)在我们研究区域的农业环境方案分配中发现了类似的模式。Paulus等人(2022)证明，农业环境方案往往被分配在农业集约化潜力较低的地区，这支持了农业政策缺乏谨慎的空间定位可能会减少其生态贡献的观点。

　　农民的经济考虑在决定选择哪种类型的全民教育(例如，生产性的还是非生产性的)以及在何处放置全民教育(例如，大而圆的田地与小而线性的、肥力较差的田地)方面起着至关重要的作用。研究结果表明，农场和田间环境对农场边界内绿化措施的空间分布有显著影响。这些发现对于未来可能的农田保护和自然保护措施(包括生态方案)的空间定位尤其重要。这涉及到一些具有空间灵活性的措施，如休耕地和缓冲带——在基于专家的评估中被广泛认为对生物多样性和生态系统服务非常有价值的选项(Pe 'er等人，2017;Traba and Morales 2019)。

　　以下是电子补充材料的链接。

　　下载原文档：https://link.springer.com/content/pdf/10.1007/s10980-023-01709-8.pdf