研究，一部分的特别功能土地征用，福祉和环境

埃塞俄比亚大规模土地交易导致的土地使用变化

• 摘要
• 简介
• 数据和方法
  • LSLT选址
  • 卫星影像的分类
  • LULC改变结果
  • 两级处理控制方法
• 结果
  • 初始LULC成分
  • 直接LULC变化
  • 间接LULC变化
• 讨论
  • 外语教学基地的选址与发展
  • 间接LULC变化
  • 两阶段方法和细观水平LULC变化分析
• 结论
• 对本文的回应
• 致谢
• 数据可用性
• 文献引用

介绍

低收入和中等收入国家为农业发展而进行的大规模土地投资迅速增加。食品价格、生物燃料需求和经济前景的不确定性刺激政府和私人投资者以无可争议的巨大速度和规模收购大片农业用地(Cotula 2009年，Deininger和Byerlee 2011年)。尽管受到全球和国家力量的推动，但大规模土地交易最终会影响当地的社会环境系统，包括小农农业系统。这些影响往往难以衡量，因为它们既发生在低碳土地的边界之内，也发生在低碳土地的边界之外，即低碳土地产生直接和间接的社会环境影响。鉴于人、环境功能和土地系统之间的密切联系(Messerli et al. 2015, Coomes et al. 2016)，通过卫星图像分析观测土地利用和土地覆盖(LULC)的变化为理解低土地利用和土地覆盖的社会环境影响提供了一个相关的代理。然而，特别是在以农畜混合农业为主的背景下，描述LULC需要对高度空间细节的敏感性(Sweeney et al. 2015)。因此，人们对农畜混合土地系统中低slt的物理范围及其对相邻土地系统的影响仍然知之甚少。

在LSLT边界内，其他研究发现了几种与LSLT诱导的LULC变化相关的模式。在全球范围内，低森林林地位于一系列土地利用效率的背景下，包括农田、灌丛地、草地和森林(Messerli et al. 2014)，这表明土地利用效率直接从小农农业、草地、灌丛和森林向集约化农业转变。事实上，在森林景观中，lslt可能是森林砍伐的主要直接原因(Carlson等人，2012年，Davis等人，2015年)。然而，越来越多的证据表明，由于投机投资、投资者缺乏经验和资金限制，许多lslt一直处于闲置状态，没有实施或只有部分实施(Ali等人2015年，Teklemariam等人2016年，Agrawal等人2019年)。即使实现了，也可能需要数年时间才能实现直接的LULC变化(Magliocca等人，2019a)。无论如何，由于小农的生计既依赖于私人拥有的农业用地，也依赖于公共资源池系统(Rasmussen等，2017年)，针对现有小农农场和公共土地的lslt可能构成一种形式的“土地掠夺”(De Schutter, 2011年，Dell 'Angelo等，2017年)。

通过取代当地生计，lslt还可以显著改变其边界以外的土地结构。研究间接土地利用面积变化的研究主要集中在森林环境中，并且最经常发现，低土地利用面积变化导致其边界以外森林砍伐率的增加(Davis等人，2015年，2020年，Ben Yishay等人，2016年，Zaehringer等人，2018年，Magliocca等人，2019a, b)。在这些环境中，间接土地利用面积变化的数量可能受到直接土地转换率、作物类型和其他实施特征等因素的影响(Magliocca等人，2019a)。

在支撑非洲农业的作物-牲畜混合系统中(Thornton和Herrero 2015)，低slt对LULC变化的间接影响了解较少。然而，lslt可以通过一系列机制影响邻近的小农土地系统。这种间接LULC变化主要有两个方向:小农作物扩张和小农作物弃耕。小农农业规模的增加，即小农扩张，可能源于人口迁移、移民、现有农田退化、反弹效应或其他经济机会的转移(Lambin et al. 2001, Lambin and Meyfroidt 2011)。小农扩张更可能发生在土地可用性丰富的“前沿”地区(Meyfroidt et al. 2018)，并可能对生态功能(Shennan 2008)和依赖于这种功能的生计(Vosti和Reardon 1997)产生负面影响。相比之下，小农农业的减少和土地撂荒的增加(即小农农业的程度下降)可能源于流离失所和外迁、为寻找新的就业机会而被迫搬迁导致的农业依赖降低，或农业土地退化(Lambin和Meyfroidt 2011年)。减少耕作范围可能有助于自然生态系统的更新，但如果这些变化是被迫迁移或土壤退化的结果，则会产生负面的社会影响。低土地利用平台有可能加速或减少小农的扩张和放弃，其净效应取决于小农流离失所的数量、集约化溢出效应的水平和地方土地治理体系等因素。

埃塞俄比亚主要是作物和牲畜混合的小农系统。它在非洲经历了数量最多的lslt (Schoneveld 2011)，但没有lslt引起的LULC变化的多区域比较。埃塞俄比亚的案例研究报告称，低土地利用项目用种植外农计划取代了小农农业(Wendimu等人，2016年)，并提到了埃塞俄比亚政府认为“未使用”但对当地生计很重要的森林或牧场的转化(Shete和Rutten, 2015年，Shete等人，2016年，Nalepa等人，2017年)。此外，与其他情况类似，埃塞俄比亚的许多土地投资只进行了部分开发(Ali等人，2015年，Teklemariam等人，2016年，Shete等人，2016年)。鉴于埃塞俄比亚与其他研究国家相比具有独特的社会环境背景，埃塞俄比亚对土地利用和土地利用的影响不一定与其他背景相同。例如，埃塞俄比亚的森林覆盖水平相对较低，这使得森林砍伐的措施不如其他情况下有用或可靠的影响指标。因此，对埃塞俄比亚lslt对LULC所观察到的影响进行严格评估，有助于更广泛地理解这些现象，特别是当它们发生在作物-牲畜混合景观时。

在这项研究中，我们考察了低海拔土壤温度对埃塞俄比亚地表温度变化的直接和间接影响。我们的分析涵盖了埃塞俄比亚Oromiya、beneshang古尔- gumz和Gambella州的八个背景不同的LSLT站点。我们在不同的行政区域选择了这些地点，以代表一系列的投资者来源，并包含埃塞俄比亚lslt所针对的景观多样性。我们使用了半自动化的基于对象的图像分析(OBIA)方法和高分辨率(0.3-10米)图像(VHR)，以提供LSLT实现前后绘制LULC所需的空间细节。与大规模分析(Edelman 2013, Messerli et al. 2014, Eckert et al. 2016)相比，我们对微观数据的细观分析提供了更准确的LULC信息和上下文特异性，并且与基于单站点的分析相比，具有更大的代表性。

要对lslt诱导的LULC变化进行严格的估计，需要将lslt的影响从其他潜在原因和混杂因素中分离出来。混淆效应存在于两个概念层面。首先，有充足的理论和经验证据表明，lslt并非随机位于景观中(Messerli等人，2014年，Dell 'Angelo等人，2017年)，即存在选址层面的选择偏差。因此，将lslt内及其周围的变化与其他任意地点进行比较是不恰当的。其次，间接的土地利用效率变化往往来自于较小规模的决策过程，例如针对单一或数量有限的农田的家庭层面决策。因此，场地和环境的这些条件可能对当地LULC的变化产生重要影响。为了解决这些挑战，我们采用了一种新颖的两阶段治疗控制程序，以识别符合部位和点水平特征的反事实。

数据和方法

LSLT选址

我们在埃塞俄比亚选择了8个在过去20年内经历了大型LSLT(500公顷)的站点(附录1)。每个站点都由LSLT的地理参考边界划分。我们关注了三个经历了高水平交易活动的行政区域:Oromiya(站点OR1、OR2、OR4、OR5)、beneshangule - gumuz (BG3、BG4)和Gambella (GM1、GM5)。这些地点是有意从更广泛的lslt中选择的(因此编号是非连续的)，以代表一系列的社会经济和环境背景，由交易规模、投资者的国籍(国内或国际)、初始LULC组成(耕地或未耕地景观)和埃塞俄比亚境内的地区来定义。为了支持选址，信息收集来自学术文献、LSLT数据库和实地访问。为了本研究的目的，有必要从埃塞俄比亚lslt的大池中选择一个次样本，因为没有完整的LULC数据，而且LULC分类是一个昂贵的过程。

卫星影像的分类

对于每个站点，我们在两个时间段对LULC进行分类，一个表示LSLT建立之前的条件(前LSLT)，一个表示LSLT的影响预计已经发生之后的条件(后LSLT)。由于小农农业、林地和灌木丛的普遍存在，以及我们对绘制这些状态和大规模农业之间的细尺度变化的兴趣，我们的分析需要高度的空间细节。这样的细节在大规模的LULC数据集中通常是无法获得的，而且很难用完全自动化的过程进行分类。因此，我们采用半自动化的方法对VHR卫星图像进行分类。

我们从IKONOS(1-4米分辨率)、GeoEye-1(0.5-2米分辨率)、WorldView-1、2和3(0.3-2米分辨率)和Sentinel-2(10米分辨率)卫星上的传感器获得VHR多光谱图像。数据跨度为2004年至2016年。由于图像数据的可用性和交易的时间，我们的lslt前和lslt后的日期因站点而异，在某些情况下，lslt前可用的图像不足。在这些病例中，我们选择了可用的最早的图像，并在前后图像之间保持了至少5年的差异(附录2)。这一局限性意味着我们可能低估了lslt诱导的LULC变化。

有了这个图像，我们使用基于半自动分割的方法将LULC分为9类(表1)。首先，我们使用ERDAS IMAGINE Objective工具从具有相似光谱特征的像素组中识别相邻多边形。接下来，由训练有素的分析人员将所有多边形段手工分类为9种LULC类型，然后将这些类型组合为6个聚合类，以反映感兴趣的类别并减少类之间的混淆(使用评分者之间的可靠性衡量)。附录2提供了详细信息。

LULC改变结果

为了评估直接的LULC变化，即在LSLT边界内，我们测量了表1中六个聚合LULC类之间的转换。对于每个站点，我们计算了在lslt前和后时期每个类别的土地比例，以及在每个类别组合之间过渡的面积。

我们解释了一个LSLT的间接影响，包括对靠近LSLT边界的农业活动和生计的影响，这里确定为每个LSLT 10公里缓冲区内的LULC变化(今后称为“处理地点”)。根据我们与国内合作伙伴的讨论和在实地进行的调查，设定缓冲距离是为了反映预计间接影响延伸的距离(Hajjar等人，2019年)。我们评估了两个间接LULC变化的结果:小农扩张，描述了任何非小农土地向小农农业的转变(Y₁）;和小农放弃，描述了土地从小农农业向任何非小农LULC (Y₂）.

由于间接LULC变化的评估仅基于LULC数据，因此我们无法直接推断导致这些结果的机制，例如，小农放弃的增加是否源于lslt诱导的置换。此外，由于我们研究地点的土地利用面积的多样性，例如，我们没有区分小农扩张到森林或林地灌丛;由于一些场址的森林覆盖率很低，这种区别并不总是有意义的，也不容易在场址之间进行比较。最后，我们将BG4、GM1和GM5排除在小农放弃的评估之外(Y₂)，因为最初只有不到5%的土地是小农农业。

两级处理控制方法

基本原理和概述

因为即使在没有LSLT的情况下，LULC的变化也会发生，估计LSLT的间接影响需要一个适当的反事实，即，在没有LSLT的情况下，LULC的变化结果的代理。间接LULC变化的因果分析经常选择来自更宽缓冲区的采样点的反事实观测，例如，中央处理地点周围100公里或更远的采样点(Davis et al. 2015)。当所有的LULC结果数据都可用时，这种“甜甜圈”方法是实用的(例如，Hansen et al. 2013)。然而，由于作物-牲畜混合系统的LULC分析需要较高的数据保真度和大规模分类数据集的缺乏，基于甜甜圈的方法将需要对大量的土地区域进行分类，增加了大量的分析时间和费用。除了这些实用的考虑之外，在lslt的背景下，这种方法在概念上是值得怀疑的，因为lslt是作为空间连续的地块分配给景观的，而不是孤立的点。基于积分的匹配使用来自更广泛的甜甜圈区域的反事实，因此可能会错过影响土地获取和交易的政治和实用主义的重要景观层面特征。

为了克服这些挑战，我们采用了两阶段的方法(图1)，第一阶段采用了区域增长过程，以确定一个具有相似特征的“对照区”，该“对照区”大小相同，且距离每个处理区30公里以内。在第二阶段，我们从每个治疗点和对照点内采样点，并重新加权控制点，以最大限度地提高位点水平的协变量平衡。第一步旨在从30公里的甜甜圈中进行次采样，以确定一个可比较的、空间连续的多边形，并减少LULC分类负担，第二步旨在系统地使用来自每个对照站点的数据，以减少LULC变化估计的偏差。对于这两个阶段，我们都使用了存在全面公共数据集的协变量。

第一阶段:控制选址

当进行土地交易时，lslt被分配为毗连的多边形。这种位置分配很可能受到景观层面特征的影响，而景观层面特征会影响获得土地并将其转化为大规模生产的成本和政治。此前的研究表明，全球的低森林资源支持可能优先针对“公地”(Dell 'Angelo et al. 2017)和人口稀少、较贫穷的森林地区(Liao et al. 2020)。此外，全球对LSLT地点的评估使用了人口密度、农业生产潜力和可访问性作为解释因素(Messerli et al. 2014, Rulli and D 'Odorico 2014)。因此，在埃塞俄比亚，2008年建立的“土地银行”留出了近350万公顷据称未使用的土地用于大规模开发(Rahmato 2011, Nalepa et al. 2017)。

第一阶段试图通过在每个处理点附近确定一个相似大小的对照点来控制这种站点级别的选择偏差，从而使它们在四个混杂因素(海拔、人口密度、夜间光指数和森林覆盖)上的差异最小化。选定的协变量包括生产潜力(海拔、森林覆盖)和可获得性(人口密度、夜光指数)的概念，这些概念在上述以前的研究中被发现是相关的。数据来源和其他理由见附录3。我们将这些协变量光栅图像重新采样到1km的空间分辨率，并将其值在0到1之间进行缩放。

为了选择连续的控制点，我们随机生成30个相同大小的候选控制点，且每个LSLT都在30公里内。候选控制多边形的生成过程如下:(1)随机选择土地交易边界30公里内但在处理地点以外的像素点，即甜甜圈;(2)确定所选像素的相邻像素，并在四个匹配协变量上计算每个相邻像素的值与处理区域的差的平方和，即欧氏距离;(3)选择与处理区域特征差异最小的像素，并将其与上一步所选像素合并;(4)继续步骤1-3，直到分组像素的总面积达到处理区域的大小，并将分组像素转换为多边形;(5)重复步骤1 ~ 4次30次;(6)选取所有匹配协变量差平方和最小的多边形作为对照位点。在这个过程中，没有对控制多边形的形状施加约束，但由于协变量数据中的空间自相关性，它们倾向于以紧凑的形状出现，即，拟合良好的像素很可能是相邻的。

第二阶段:点采样和加权

每个站点的间接LULC变化受子站点尺度过程的影响。例如，只有在财政和实际可行的情况下，才有可能将一段森林改为农田。理论上，许多因素可能会影响这些子位点的LULC变化结果，而这些因素在治疗位点和对照位点之间不一定是完美平衡的。因此，我们进行了点级再平衡，以优先考虑来自每个对照点内最接近各自治疗点的区域的数据。

我们首先从每个治疗点和对照点生成预先指定数量的系统随机空间样本。LULC数据以多边形形式存储，即矢量数据，我们在多边形内采样点(1)在LSLT边界外(2)在后LSLT时期的大规模农业中。设置后一种条件是因为在后LSLT时期，一些遗址在LSLT边界以外有大规模的农业。这可能是由于地理参考LSLT边界的不准确性造成的，因此我们从采样过程中排除了这些区域，以确保样本点代表间接影响。

当采样点时，有一个权衡:更大的样本容量使更高的统计能力，但点变得越来越空间相关，即，一个位置的LULC变化将影响附近位置变化的条件概率。空间自相关是有问题的，因为它引入了数据冗余，并可以人为地减少统计估计的方差(Griffith 1987)，从而传递比保证的更大的置信度水平。在控制了协变量的影响后，我们使用Moran’s I来测试LULC变化结果中的残留空间自相关。我们对一系列样本量进行了实验，并选择了残差空间相关性不显著的最大样本量。

采样后，我们使用熵平衡算法(Hainmueller 2012)校准每个控制点的权重，以改善治疗和(重新加权)控制点之间的站点级协变量平衡。熵平衡过程寻求从控制点保留尽可能多的数据，即保持控制点权重尽可能接近1，同时满足平衡标准。熵平衡已被证明可以实现与匹配相当的估计(Busso et al. 2014)，但在我们的环境中，相对于其他依赖大量对照观测的匹配方法，熵平衡的数据保留特性使其具有优势。这是因为我们希望避免过度丢弃对照观察结果，因为每个样本都来自与处理地点(即对照地点)相同大小的区域。

熵平衡控制了以下混杂因素:坡度、土壤生产力、人口密度、森林覆盖和到道路的距离(附录3)。这一选择是根据先前对低收入和中等收入国家土地变化的点级因果分析(Blackman 2013, Nolte等人2013,Ferraro和Hanauer 2015, Ben Yishay等人2016)以及关于我们所选LULC变化结果的附加驱动因素的假设得出的。例如，有合理市场准入(距离公路)的地区的高人口密度可能有助于农业扩张(Lambin et al. 2001)。相比之下，土壤生产力低下可能会迫使小农放弃农业生产。所选的协变量与第一阶段程序中使用的协变量有一些重叠，但我们用到主要道路的距离替换了夜光指数，用坡度和土壤生产力替换了海拔，因为这些变量与描述农业LULC在点水平上的变化更相关。我们没有控制家庭层面的因素，例如人口或财富，因为这需要对这些地区的所有家庭进行详尽的调查，需要对单个农业领域的空间划分和分配给家庭，需要将多个家庭的信息与公共管理的土地联系起来。相反，我们使用选定的社会环境协变量作为家庭层面的LULC变化驱动因素的代理。

评估协变量的平衡

我们研究了两阶段程序的每个阶段如何影响协变量平衡，即治疗部位和反事实之间的相似程度。对于第一阶段，我们比较了更宽的甜甜圈区域(即无效反事实区域)和选定的控制点(第一阶段反事实区域)之间的平衡。在第二阶段，我们比较了再平衡过程前后的平衡。我们对第二阶段进行了两次计算，一次使用来自控制点的采样点，一次使用来自30公里甜甜圈区域的采样点。后一个案例旨在提供一个通过标准的、以甜甜圈为基础的再平衡方法可以达到的平衡的估计。在所有病例中，我们使用绝对标准化平均差(ASMD)来评估治疗之间的协变量平衡(T)和控制(C)观察:

(1）

其中均值(µ)和方差(σ²)采用第二阶段加权控制点计算。一般来说，AMSD小于0.1被认为是可以接受的(Austin 2009)。

评估策略

我们在位点水平量化了间接的LULC变化，计算了治疗位点某点经历LULC变化结果的概率差异(Y₁或Y₂)相对于相应控制点的一个重加权点。在所有情况下，我们对不同的随机种子重复基于点的采样和分析过程100次，以提供我们估计的置信区间。为了验证LULC变化估计对采样和再平衡过程的鲁棒性，我们还在两种备选方法下估计了间接LULC变化:(1)使用遗传匹配，这是一种基于优化的匹配算法，提供的协变量平衡至少与倾向得分匹配或马氏距离匹配一样好(Diamond和Sekhon 2013);(2)在每个处理点和对照点采样和再平衡1000点。

结果

初始LULC成分

在lslt之前，Oromiya的遗址(OR1、OR2、OR4和OR5)主要由小农农业组成(图2)。Gambella (GM1和GM5)和Beneshangul-Gumuz (BG3和BG4)的遗址人口密度普遍较低(附录4)，主要是未开垦的，即森林、林地/灌丛和裸露土壤。除GM5试验点裸土量大、GM1小农种植量不平衡外，配对处理点和对照点的LULC总体上比较相似。将分类的LULC数据与原始图像进行目视交叉核对，证实GM5的裸露土壤不是由于分类错误造成的。

与周边处理缓冲区相比，作为lslt一部分的土地交易表现出了差异。值得注意的例子包括OR1和OR2，在这两个OR2中，lslt分别完全位于小农农地和林地/灌木林。此外，在所有BG和GM站点中，LSLT的小农耕地比例低于周边缓冲区。

三个地点(GM1、OR4和OR5)显示了前LSLT时期大规模农业的迹象(图2)。在所有情况下，这是因为在LSLT建立日期之前没有足够的图像(附录2)。尽管这些情况下的前LSLT时期并不是LSLT实施之前的LULC的真实代表，但这是最好的可能，并且这些地点中的每个都显示了后LSLT时期大规模农业的明显增加。在这些地点的前lslt图像中，大规模农业存在的含义是，我们的分析将低估lslt向这种农业过渡的程度。

直接LULC变化

在所有地块中，35%的交易面积位于林地灌木林，32%位于小农农场，8%位于森林，6%位于裸露土壤(图3)。20%的区域已经开发为大规模农业。在站点水平上，lslt位于各种不同的景观中，包括几乎完全未开垦的LULC，即森林和林地/灌丛(BG3, BG4, OR2, GM1, GM5)，以及未开垦的混合和小农栽培(OR4和OR5)和专门的小农(OR1;图4)。

在后LSLT时期，只有38%的交易区域被开发为大规模农业(图3)。在LSLT边界内没有一个地点被充分开发(图4)，在某些情况下，不到10%的交易区域被开发(OR2和GM5)。在分析期间发展为大规模农业的土地中，大多数涉及从小农农业的转变(53%;主要在OR1、OR4和OR5)和林地/灌丛(35%;OR2、OR4、BG3、BG4)，森林转化比例较小(9%;主要是BG3)。在LSLT边界内也发生了其他各种LULC变化，这些地点经历了森林砍伐(OR5, GM5)、重新造林(最显著的是BG4)和小农农业扩张(OR5)。

间接LULC变化

两阶段程序中的偏差减少

第一阶段区域生长算法选择的控制点通常与较宽的甜甜圈区域具有相当的偏差水平，高于可接受的AMSD限值0.1(图5A;奥斯汀2009)。因此，在大多数情况下，选址过程产生的对照样本池与甜甜圈的随机抽样相当，但只有大约1/8的大小，即半径为10公里的圆与半径为30公里和内半径为10公里的甜甜圈。然而，该算法无法在GM1站点中找到一个具有可比偏差的相当大小的区域。特别是，该地点的海拔和人口密度协变量有很大的差异(附录4)。这可能是由于GM1缓冲区的协变量有很大的多样性，或者LSLT针对的是景观中的非代表性区域。

点级间接LULC变化分析需要从每个处理点和对照点采样75个点，以实现统计力和空间独立性之间的适当平衡(附录4)。在采样控制点内的再平衡有效地将偏差降低到所有地点和结果的可接受限度内(图5B和C)。除结果外，在所有情况下导致可接受的偏差Y₁在OR1中，算法是不稳定的，有几个点的权值非常大。因为我们把基于甜甜圈的再平衡仅仅作为比较的目的，所以我们没有详细讨论这种特殊的不稳定性。

间接LULC改变结果

尽管所有的处理地点都经历了某种程度的小农农业扩张和废弃(图6;0阶段箱线图)，基于反事实的分析表明，LSLTs导致了两种结果的增加和降低率(图6)。然而，对于这两种结果，间接的LULC变化估计是位点特异性的，通常不具有统计学意义。OR1是唯一一个在95%的采样复制中估计一致的位点。在OR1中，LSLT几乎完全位于现有的小农农业中(图2)，LSLT使处理缓冲区内小农扩张的概率提高了约20%，并使小农遗弃率降低了5%-10%。其他的站点显示了一系列的效果。例如，OR4的趋势在与OR1的结果相反，即，OR4的LSLT减少了小农扩张，增加了小农遗弃。这些影响的幅度很大，但在5%的水平上并不显著。

在现有小农农业水平最高的Oromiya遗址，LSLTs对小农扩张产生了不同的影响。这种差异与LSLT边界内小农农业用地的比例有关(图2);小农扩张的溢出效应在小农农业用地(OR1、OR5)上的Oromiya地区有所增加。相比之下，在交易区域(OR2、OR4)小农农业用地数量较少的站点，小农扩张率较低。小农农业(BG4、GM5)含量较低的大罗宫以外的试验点在分析期间内，无论是在处理点还是对照点，小农农业都几乎没有扩张。有适度小农农业的试验点(GM1为17%，BG3为35%)在分析期间都经历了小规模的小农扩张，略高于各自的对照试验点(图6)。

对于第二阶段偏差减少方法的选择，结果是稳健的，即遗传匹配产生类似于熵平衡的间接LULC变化估计值(附录4)。使用更大的样本量(在每个处理和对照点内采样1000个点)导致相似的中值估计值，但更窄的置信区间，证明了样本点的自相关风险，即拒绝无影响原假设的趋势增加(附录4)。

讨论

我们的研究结果提供了证据，证明低土地利用技术的实施水平有限(在后低土地利用技术时期)，取代了小农农业，并对周边景观造成了不同的溢出效应。通过案例研究和流行的基于甜甜圈的匹配方法，我们的细观水平分析和两阶段方法提高了我们量化和概括观测到的LULC变化与lslt存在之间联系的能力。然而，我们既无法确定所观察到的影响产生的机制，也无法量化LULC变化的具体环境和社会影响。因此，我们使用这些结果提出问题，以进一步调查使用额外的社会和环境数据。

外语教学基地的选址与发展

8个lslt地块位于不同的社会环境景观中(图2)。奥罗米亚的地块比其他地块更靠近首都亚的斯亚贝巴，拥有大量现有的小农农业，可以被描述为“人口密集和容易到达的农田”，这占全球土地交易的约三分之一(Messerli et al. 2014:449)。Gambella和Beneshangul-Gumuz地区的平均人口密度低至3人/平方公里，现有的小农农业水平相当低，最接近“中等可及和中等人口的灌木或草地”类别，估计占全球土地交易的四分之一(Messerli et al. 2014:449)。因此，即使在一个国家内，低语言教育援助所针对的社会环境背景也可能有很大差异。

交易之前，LSLT边界内的LULC并不总是代表周围的景观。例如，在所有BG和GM遗址中，LSLT内未开垦的LULC，即林地/灌丛和森林的比例高于周边缓冲区(图2)。这与其他证据一致，表明LSLT被瞄准在公共区域(Dell’angelo等人，2017年)或被认为是不生产或未使用的土地区域(Deininger和Byerlee, 2011年，D’odorico等人，2017年，Liao等人，2020年)。埃塞俄比亚的土地银行可能促成了这一结果(Rahmato 2011年)。尽管我们不能明确地将我们的未耕种土地类别与“公地”一词等同起来，但埃塞俄比亚人的生计描述通常与这一主张一致(Shete和Rutten 2015, Nalepa等人2017)。

在所有站点中，大多数(62%)的交易区域在后lslt时期仍未转变为大规模农业。这表明，由于土地投机或意外的物流挑战等原因，区域投资或就业可能给周边小农人口带来的任何好处都可能无法实现(Keeley等人2014年，Shete和Rutten 2015年，Agrawal等人2019年，Ali等人2019年)。在分析期间发展为大规模农业的土地中，53%来自小农农业。这一结果使埃塞俄比亚有别于许多正在经历低水平slts的其他国家，在这些国家中，包括砍伐森林在内的其他形式的土地和生计剥夺可能占主导地位(Jiao et al. 2015)。小农农业在我们的低负债国家样本中的突出地位，突显了低负债国家在影响埃塞俄比亚小农生计转型方面的潜在重要性，影响农业资本化、保有权不安全、生计资产损失和人口迁移等条件(Keeley等人2014年，Moreda 2015年，Oberlack等人2016年，Hajjar等人2019年，Nanhthavong等人2021年)。

间接LULC变化

LSLT可能导致高度不同的溢出效应，这表明LSLT的背景和实施对周围的土地系统具有重要影响。我们评估的第一个结果是农业扩张，它取代了未开垦的土地覆盖，因此意味着生物多样性和自然生态系统功能的减少。我们发现，在两个不同的条件下，低负债贷款会导致小农扩张。第一个代表现有小农农业用地比例低的地点(BG3和BG4)。在这些可能更接近农业前沿的地点，lslt可能雇佣了在附近建立自己农场的移民工人(Fox等人，2018年，Zaehringer等人，2018年)，或引发了人口从传统狩猎-采集生计的转移。尽管我们无法从我们的数据中得出土地利用强度的衡量标准，但与测量到的土地利用扩展程度相比，集约化可能发挥的相对作用是一个值得进一步研究的重要因素(Meyfroidt等人，2018年)。小农扩张增加的第二个背景是在缓冲区和交易区域(OR1和OR5)主要由小农农业用地组成的地点。在这里，观察到的影响可能是由于家庭要求新土地以补偿在交易中失去的农业土地(Zaehringer等人，2018年)。这是否足以补偿损失的小农农业用地仍然是一个问题，尽管来自其他国家的证据表明，这往往不能补偿(Oberlack等人，2016年，Nanhthavong等人，2021年)。

在缓冲区小农农业水平中等和交易区(OR2和OR4)小农农业数量较低的地点(lslt)，小农扩张减少。对这一结果有几种可能的解释:(1)增加了当地人口的就业机会，减少了他们对小农农业的依赖;(2)外溢生产力提高，小农扩大耕地需求减少;(3)从处理地点向外迁移;或者(4)小农在处理场扩张的约束。埃塞俄比亚几乎没有证据支持前两种机制(Shete和Rutten 2015年，Teklemariam等人2016年，Wendimu等人2016年，Ali等人2019年)。lslt对迁移、迁移和土地保有的可能影响是值得进一步探讨的重要机制。

低负债贷款还导致了小农遗弃率的上升和下降。小农放弃的结果一般在量级上更小，我们的估计在统计上也大多不显著。尽管如此，低水平土地转移可能增加了现有小农人口的外迁，甚至加剧了土地退化(Shete et al. 2016, Debonne et al. 2021)。小农撂荒与小农扩张率(OR4 vs OR5)的增加和减少同时发生，需要进一步研究了解导致这种差异的机制。

两阶段方法和细观水平LULC变化分析

我们采用了一种新的两阶段处理控制方法来估计间接的LULC变化影响。这种方法具有实用和概念上的优势。实用地说，我们的方法允许我们收集和分类VHR图像，如果我们使用更广泛的区域来采样控制点(需要8倍的数据量)，这将是不切实际的。这使我们对我们的数据有了更大的信心，并在我们的评估中探索土地利用和土地覆盖。从概念上讲，我们的设计明确地控制了场地和情境层面的条件，产生了更有理论依据的反事实;与传统的基于点的匹配方法相比，我们的方法得到了完整的控制多边形，保留了处理地点的景观级别特征，更准确地描述了LSLT处理分配机制。

然而，我们的控制点并没有比更宽的甜甜圈区域包含更好的协变量平衡(图5A)，这使得从控制点采样类似于基于甜甜圈的方法。第一阶段的有限偏差减少可能是针对我们的案例的，这种两阶段方法在其他情况下的普遍性值得进一步研究。然而，0阶段和1阶段间接LULC变化估计值之间的巨大差异(图6)表明了基于反事实分析的重要性。此外，在一些情况下，第二阶段的估计与第一阶段不同，这表明通过基于点数的分析实现的改进的协变量平衡可以产生实质性影响。

我们在我们的站点之间观察到的结果差异突出了基于站点的方法对影响评估的重要性。大规模研究通常专注于估算整个区域的平均效应(例如，Davis et al. 2015)。这提供了关于总体趋势的重要信息，但可能不能代表生活经验的多样性。因此，未来的大规模研究可以使用分析方法，调查影响的平均值和可变性，或确定导致不同类型影响的典型路径(Magliocca等人，2019a)。

结论

我们的研究量化了埃塞俄比亚不同社会环境背景下lslt对LULC变化的直接和间接影响。我们的研究为理解LSLTs对LULC的影响做出了实质性和方法上的贡献。因此，这是进一步了解小农户农业环境下lslt的实施及其对周边景观和人口的影响的重要一步。

lslt直接取代了现有LULC类型的混合，主要发生在林地-灌丛地(35%)和小农农业用地(32%)。然而，只有38%的交易面积实际发展为大规模农业。这符合普遍观察到的实际发展水平低于最初预期的趋势，可能意味着投机投资或发展筹资问题。在转型为大规模农业的土地中，大部分来自小农农业(53%)，少量来自林地(35%)和森林(9%)。低森林资源转移取代了大量小农农业，这一结果使埃塞俄比亚与其他研究背景不同，在这些研究背景中，重点主要放在砍伐森林的结果上，而后者可能错过了这类LULC转变。因此，未来在类似背景下调查LULC变化的研究不应仅使用森林覆盖来评估影响。

每个LSLT针对独特的景观，涉及不同程度的大规模转换，导致间接LULC变化的结果不同。总体而言，对小农扩张的影响强于对小农遗弃的影响，lslt既与小农扩张有关，也与小农扩张有关。小农扩张的增加发生在现有小农农业水平较低的地点，以及在LSLT内外现有小农农业水平较高的地点。这些不同的效应表明，专注于平均效应的大规模研究可能无法揭示生活经验的真实范围。事实上，每笔土地交易都是独一无二的;因此，站点级别的重点是合适的，在不同的环境中可能很难概括或预测结果。

为了估计间接的LULC变化，我们采用了一种新的两阶段处理对照比较程序。我们首先生成反事实对照位点，以调整治疗分配机制中的偏差，即LSLT的位置，它受位点水平条件的影响。其次，我们对这些控制点内的采样点重新加权，以调整驱动LULC变化结果的情境水平条件。总的来说，与非比较土地利用变化研究或单阶段匹配程序相比，该程序在因果效应估计方面产生了更可靠的反事实观察结果。此外，由于在此上下文中不存在合适的整面墙的LULC数据，因此它需要的LULC数据分类比标准的、基于甜甜圈的方法要少得多。我们的研究结果揭示了使用和不使用匹配程序计算的间接土地变化估计值之间的差异，展示了它的附加价值，并强调了传统土地变化评估的潜力，即在没有反事实的情况下，错误估计了土地变化。因此，未来试图估计土地覆盖变化的研究可以采用与我们类似的处理控制设计。

文献引用

阿格拉瓦尔，A. D. G.布朗，J. A.沙利文，2019。全球土地掠夺是滴答作响的社会环境炸弹，还是只是低效的投资?一个地球1(2):159 - 162。https://doi.org/10.1016/j.oneear.2019.10.004

阿里，D.， K.迪宁格和A.哈里斯，2015。利用国家统计数据提高大规模土地征用的透明度:来自埃塞俄比亚的证据。世界银行，华盛顿特区，美国。https://doi.org/10.1596/1813-9450-7342

阿里，D.， K.迪宁格和A.哈里斯，2019。大型农场是否为邻近的小农创造了利益?证据来自埃塞俄比亚。土地经济学95(1):71 - 90。https://doi.org/10.3368/le.95.1.71

奥斯汀，2009年。平衡诊断以比较倾向评分匹配样本中治疗组间基线协变量的分布。医学统计28(25):3083-3107。https://doi.org/10.1002/sim.3697

Ben Yishay, A.， B. Parks, D. Runfola, R. Trichler. 2016。中国发展项目对生态敏感区森林覆盖的影响。AidData工作文件#32。威廉和玛丽，威廉斯堡，弗吉尼亚州。

布莱克曼,a . 2013。利用遥感数据评价发展中国家的森林保护政策:导论和实用指南。森林政策与经济34:1-16。https://doi.org/10.1016/j.forpol.2013.04.006

巴索，M.， J.迪纳多，J.麦克拉里。2014.倾向分数重加权和匹配估计量有限样本性质的新证据。经济与统计评论96(5):885-897。https://doi.org/10.1162/REST_a_00431

卡尔森，K. M.， L. M. Curran, D. Ratnasari, A. M. Pittman, B. S. Soares-Filho, G. P. Asner, S. N. Trigg, D. A. Gaveau, D. Lawrence, H. O. Rodrigues. 2012。印度尼西亚西加里曼丹的油棕种植园扩张导致碳排放、森林砍伐和社区土地转换。美国国家科学院学报109(19):7559-7564。https://doi.org/10.1073/pnas.1200452109

库姆斯，O. T.， Y.高崎，J. M. Rhemtulla. 2016。森林作为社会不平等的景观:热带森林覆盖和轮作耕种者之间的土地分配。生态与社会21(3):20。https://doi.org/10.5751/ES-08684-210320

Cotula l . 2009。土地掠夺还是发展机遇?非洲的农业投资和国际土地交易。国际环境与发展研究所，英国伦敦，粮食及农业组织，国际农业发展基金，意大利罗马。

戴维斯，K. F.， H. I. Koo, J. Dell 'Angelo, P. D 'Odorico, L. Estes, L. J. Kehoe, M. Kharratzadeh, T. Kuemmerle, D. Machava, A. de J. R. Pais, N. Ribeiro, M. C. Rulli，和M. Tatlhego. 2020。大规模征地加剧了热带森林的损失。自然地球科学杂志13(7):482 - 488。https://doi.org/10.1038/s41561-020-0592-3

戴维斯，K. F. Yu, M. C. Rulli, L. Pichdara, P. D 'Odorico。2015.柬埔寨大规模征地导致森林砍伐加速。自然地球科学杂志8:772 - 775。https://doi.org/10.1038/ngeo2540

德舒特，2011。绿色热潮:全球争夺农田和土地使用者权利的竞赛。哈佛国际法杂志52:503。

Debonne, N, J. van Vliet, G. Metternicht和P. Verburg. 2021。农业土地治理中的机构转移及其对土地退化中性的影响。全球环境变化66:102221。https://doi.org/10.1016/j.gloenvcha.2020.102221

Deininger, K.和D. Byerlee. 2011。全球对农田的兴趣日益上升:它能产生可持续和公平的利益吗?世界银行，华盛顿特区，美国。https://doi.org/10.1596/978-0-8213-8591-3

Dell 'Angelo, J.， P. D 'Odorico, M. C. Rulli和P. Marchand. 2017。掠夺公地的悲剧:全球土地抢购中的强制和剥夺。世界发展92:1-12。https://doi.org/10.1016/j.worlddev.2016.11.005

戴蒙德，A.和J. S. Sekhon. 2013。用于估计因果效应的遗传匹配:一种在观察性研究中实现平衡的通用多变量匹配方法。经济与统计评论95(3):932-945。https://doi.org/10.1162/REST_a_00318

D 'Odorico, P.， M. C. Rulli, J. Dell 'Angelo和K. F. Davis. 2017。土地和水商品化的新前沿:大规模土地征用的社会环境争议。土地退化与发展28(7):2234-2244。https://doi.org/10.1002/ldr.2750

埃克特，S. M.吉格尔，P.梅塞利，2016。利用全球尺度空间数据集将地方尺度点样本数据置于背景中:从大规模土地征用分析中汲取的教训。应用地理68:84 - 94。https://doi.org/10.1016/j.apgeog.2016.01.008

埃德尔曼,m . 2013。凌乱的公顷:关于土地掠夺数据的认识论问题。农民研究40(3):485-501。https://doi.org/10.1080/03066150.2013.801340

费拉罗，P. J.和M. M.哈诺尔。2015。保护区通过什么机制影响环境和社会结果?伦敦皇家学会哲学汇刊。B辑，生物科学370(1681)。https://doi.org/10.1098/rstb.2014.0267

福克斯，J.， T. Nghiem, H. Kimkong, K. Hurni和I. G. Baird. 2018。大规模的土地租赁权、移民和土地使用:越南红河三角洲工业区和柬埔寨东北部橡胶种植园之间的矛盾。土地7(2):77。https://doi.org/10.3390/land7020077

格里菲斯，1987年。空间自相关:引物。美国地理学家协会，华盛顿特区，美国。

Hainmueller, j . 2012。因果效应的熵平衡:一种在观察性研究中产生平衡样本的多元重加权方法。政治分析20(1):25-46。https://doi.org/10.1093/pan/mpr025

哈贾尔，R.， A. N.阿亚娜，R.鲁特，O.欣德，C.廖，S.基恩，S.班迪亚基-巴德吉，A.阿格拉瓦尔。2019。资本、劳动力和性别:大规模土地交易对家庭劳动力配置的影响。农民研究47(3):566-588。https://doi.org/10.1080/03066150.2019.1602520

汉森，m.c.， P. V. Potapov, R. Moore, M. Hancher, S. A. Turubanova, A. Tyukavina, D. Thau, S. V. Stehman, S. J. Goetz, T. R. Loveland, A. Kommareddy, A. Egorov, L. Chini, c.o. Justice和J. R. G. Townshend. 2013。21世纪森林覆盖变化的高分辨率全球地图。科学》342(6160):850 - 853。https://doi.org/10.1126/science.1244693

焦，X.， C.史密斯-霍尔和I. Theilade. 2015。柬埔寨农村家庭收入和土地掠夺。土地使用政策48:317-328。https://doi.org/10.1016/j.landusepol.2015.06.008

基利，J.， W. M. Seide, A. Eid，和A. L. Kidewa. 2014。埃塞俄比亚的大规模土地交易:规模、趋势、特征和迄今为止的成果。国际环境与发展研究所，英国伦敦。

兰宾，E. F.和P. Meyfroidt. 2011。全球土地利用的变化，经济全球化，以及迫在眉睫的土地稀缺。中国科学院学报108(9):3465-3472。https://doi.org/10.1073/pnas.1100480108

兰宾，E. F, B. L.特纳，H. J.盖斯特，S. B.阿格波拉，A.安吉尔森，J. W.布鲁斯，O. T.库姆斯，R.迪佐，G.菲舍尔，C.福尔克，P. S.乔治，K.霍姆伍德，J.伊姆伯农，R.利曼斯，X.李，E. F.莫兰，M.莫蒂莫，P. S.拉玛克里希南，J. F.理查兹，H. Skånes, W.斯蒂芬，G. D.斯通，U.斯维丁，T. A.维尔德坎普，C.沃格尔，和J.许。2001。土地使用和土地覆盖变化的原因:超越神话。全球环境变化11(4):261-269。https://doi.org/10.1016/s0959 - 3780 (01) 00007 - 3

廖，C.， S. Jung, D. G. Brown, A. Agrawal. 2020。柬埔寨、埃塞俄比亚、利比里亚和秘鲁大规模土地交易的空间格局及其潜在的社会环境后果。土地退化与发展31(10):1241-1251。https://doi.org/10.1002/ldr.3544

Magliocca, n.r, Q. Van Khuc, A. de Bremond, E. A. Ellicott. 2019b。柬埔寨大规模土地征用造成的直接和间接土地使用变化。环境研究通讯15(2)。https://doi.org/10.1088/1748-9326/ab6397

Magliocca, n.r, Q. Van Khuc, E. A. Ellicott和A. de Bremond. 2019a。柬埔寨的经济土地特许权导致的直接和间接土地使用变化的典型路径。生态与社会24(2):25。https://doi.org/10.5751/ES-10954-240225

P. Messerli, C. Bader, C. Hett, M. Epprecht和A. Heinimann. 2015。对可持续发展中权衡的空间理解:老挝人民民主共和国土地利用、贫困和环境之间关系的中尺度分析。《公共科学图书馆•综合》10 (7):e0133418。https://doi.org/10.1371/journal.pone.0133418

P.梅塞利，M.吉格尔，M. B.德怀尔，T.布鲁和S.埃克特，2014。大规模土地征用的地理学:分析全球南方目标环境的社会生态模式。应用地理53:449 - 459。https://doi.org/10.1016/j.apgeog.2014.07.005

Meyfroidt, P, R. Roy Chowdhury, A. de Bremond, E. C. Ellis, k - h。Erb, T. Filatova, R. D. Garrett, J. M. Grove, A. Heinimann, T. Kuemmerle, C. A. Kull, E. F. Lambin, Y. Landon, Y. le Polain de Waroux, P. Messerli, D. Müller, J. Ø尼尔森，G. D.彼得森，V.罗德里格斯García, M. Schlüter, B. L.特纳，P. H.维伯格。2018。土地制度变迁的中观理论。全球环境变化53:52-67。https://doi.org/10.1016/j.gloenvcha.2018.08.006

Moreda, t . 2015。倾听他们的沉默?受影响社区对大规模土地征用的政治反应:来自埃塞俄比亚的见解。农民研究42(3-4):517-539。https://doi.org/10.1080/03066150.2014.993621

纳勒帕，R. A.， A. G.肖特·贾诺蒂，D. M.鲍尔，2017。边际土地与全球土地抢购:当代埃塞俄比亚有争议土地的空间探索与国家主导的发展。Geoforum 82:237 - 251。https://doi.org/10.1016/j.geoforum.2016.10.008

V. Nanhthavong, C. Oberlack, C. Hett, P. Messerli和M. Epprecht. 2021。在老挝人民民主共和国征地的背景下实现人类福祉的途径。全球环境变化68:102252。https://doi.org/10.1016/j.gloenvcha.2021.102252

诺尔特，C.， A. Agrawal, K. M. Silvius, B. S. Soares-Filho。2013.治理制度和地理位置的影响避免了巴西亚马逊保护区的森林砍伐成功。中国科学院学报110(13):4956-4961。https://doi.org/10.1073/pnas.1214786110

奥伯拉克，C.， L. Tejada, P. Messerli, S. Rist和M. Giger. 2016。全球土地热潮中的可持续生计?生计脆弱性和可持续性潜力的原型。全球环境变化41:153-171。https://doi.org/10.1016/j.gloenvcha.2016.10.001

Rahmato, d . 2011。向投资者出售土地:埃塞俄比亚大规模土地转让。非洲书社，牛津，英国。

拉斯穆森，L. V.， C. Watkins和A. Agrawal. 2017。森林通过改变农业-森林景观为生计做出贡献。森林政策与经济84:1-8。https://doi.org/10.1016/j.forpol.2017.04.010

鲁利，m.c.，和P. D 'Odorico。2014.通过大规模征地获得粮食。环境研究通讯9(6):064030。https://doi.org/10.1088/1748-9326/9/6/064030

Schoneveld, g.c. 2011。撒哈拉以南非洲大规模农田收购的解剖。CIFOR工作文件(85)。，CIFOR, Bogor, Indonesia.

深南,c . 2008。生物相互作用，生态知识和农业。英国皇家学会哲学学报B:生物科学363(1492):717-739。https://doi.org/10.1098/rstb.2007.2180

Shete, M.和M. Rutten, 2015。大规模农业对当地社区粮食安全和收入水平的影响——来自埃塞俄比亚奥罗米亚地区的经验证据。土地使用政策47:282-292。https://doi.org/10.1016/j.landusepol.2015.01.034

Shete, M. Rutten, G. C. Schoneveld和E. Zewude. 2016。大规模种植园的土地利用变化及其对土壤有机碳、微量元素和容重的影响:来自埃塞俄比亚的经验证据。农业与人类价值33(3):689-704。https://doi.org/10.1007/s10460-015-9664-1

Sweeney, S.， T. Ruseva, L. Estes和T. Evans, 2015。在小农占主导的热带稀树草原上测绘耕地:综合遥感技术和概率建模。遥感7(11):15295 - 15317。https://doi.org/10.3390/rs71115295

Teklemariam, D.， H. Azadi, J. Nyssen, M. Haile和F. Witlox. 2016。埃塞俄比亚的跨国耕地征用的可持续性如何?从Benishangul-Gumuz地区吸取的教训。可持续性8(3):213。https://doi.org/10.3390/su8030213

桑顿，P. K.和M.埃雷罗，2015。撒哈拉以南非洲作物和牲畜beplay竞技混合耕作系统适应气候变化。自然气候变化5beplay竞技(9):830-836。https://doi.org/10.1038/nclimate2754

Vosti, S. A.和T. A.里尔登，1997。可持续性、增长和减贫:政策和农业生态的视角。国际粮食政策研究所，美国华盛顿特区。

文迪木，M. A.亨宁森，P.吉本。2016。埃塞俄比亚的甘蔗外植农:“被迫”保持贫穷?世界发展83:84 - 97。https://doi.org/10.1016/j.worlddev.2016.03.002

Zaehringer, J. G.， A. Atumane, S. Berger和S. Eckert. 2018。大规模农业投资引发直接和间接的土地利用变化:来自莫桑比克纳卡拉走廊的新证据。土地利用学报13(3):325-343。https://doi.org/10.1080/1747423X.2018.1519605