南京大学袁增伟教授课题组开发了一种高精度畜禽养殖空间分布新模型，提出了用点表征规模养殖、用面表征散养的新策略，提高了对畜禽养殖活动空间位置和规模预测的准确性，并发布了中国高分辨率畜禽养殖空间数据集。研究成果以“MAPS: A new model using data fusion to enhance the accuracy of high-resolution mapping for livestock production systems”为题发表在《One Earth》上，第一作者为博士生程明今，通讯作者为袁增伟教授；数据集以“High-resolution maps of intensive and extensive livestock production in China”为题发表在《Resources, Environment and Sustainability》上并可公开获取。

畜禽养殖与联合国17个可持续发展目标中的10个紧密相关，对保障粮食安全和实现可持续发展具有重大影响。近几十年来，农业集约化革命显著提高了畜禽养殖的空间异质性，不仅打破了农业养分循环，还增加了抗生素耐药性、人畜共患疾病等健康风险。因此，准确、详细的畜禽养殖分布信息对评估畜牧业环境健康影响和提出有效的应对措施至关重要。

为了在缺乏详细和公开信息的情况下获得高分辨率的畜禽养殖分布信息，现有模型采取在栅格尺度上建立养殖密度与环境变量间的关系来实现降尺度。然而，集约养殖场在空间上高度离散，不符合连续栅格的表征形式，与周围环境变量间的相关性也相对较弱。针对上述问题，团队融合企业大数据等多源异构数据，开发了农业生产系统空间分布模型（Mapping Agricultural Production Systems, MAPS），并以中国生猪养殖为例开展多尺度验证。结果表明，相比现有模型，MAPS模型将养殖场空间分布准确度提高了12%-84%，农场规模准确度与统计数据保持高度一致（r=0.86）。此外，发现现有模型将高密度养殖区（>1,000 头/km2）的养殖量低估了44%。利用MAPS模型，研究发现了中国生猪生产从农村地区向城郊地区空间转移，并且种养空间分离程度高于现有模型结果。

应用MAPS模型，团队首次构建了中国2017年高空间分辨率畜禽养殖分布数据集（High-resolution Intensive and Extensive Livestock of China, HIEL-China），包括生猪、肉牛、奶牛、羊、家禽（鸡、鸭、鹅）五种主要畜禽，集约养殖场分辨率为点，粗放散养分辨率为1km栅格，并在乡镇尺度上验证了数据的准确性。数据集可在公开获取。

图1 MAPS模型框架

图2 中国畜禽养殖分布