核算支撑食物部门扩张的土地利用变化对于保护生态系统完整性至关重要。这一挑战在亚马逊尤为严峻，因为将森林转为食物生产的转化十分显著，并对全球生物多样性及水碳循环具有广泛影响。研究人员分析了巴西亚马逊水产养殖发展相关的土地利用转型。研究发现，1985至2022年间

　　核算支撑食物部门扩张的土地利用变化对于保护生态系统完整性至关重要。这一挑战在亚马逊尤为严峻，因为将森林转为食物生产的转化十分显著，并对全球生物多样性及水碳循环具有广泛影响。研究人员分析了巴西亚马逊水产养殖发展相关的土地利用转型。研究发现，1985至2022年间水产养殖池塘面积增长约450倍，主要发生在既往牧草地（87%），也包括湿地转化（4%）与毁林（5%）。值得注意的是，持续增长可依托已扰动景观实现：在亚马逊领先水产养殖州朗多尼亚（Rond?nia），仅转化全部退化牧场面积的1.2%即可使产量翻倍。尽管将水产养殖扩张导向退化牧场可降低亚马逊食物生产历史上伴随的自然栖息地转化与碳成本，但实现该潜力取决于强有力的治理与可执行的土地利用政策以引导选址决策。

　　将自然栖息地转化为食物生产用地是全球生物多样性丧失与气候变化的主要驱动因子。内陆水产养殖（inland aquaculture）以低于其他动物源食品（如养牛）的土地占用来快速扩张，但其环境足迹核算通常仅涵盖当前生产占地及饲料等投入品用地，忽视该部门扩张所伴随的历史土地利用变化动态，在亚马逊等大面积原始林区域可能低估或高估其对生物多样性和气候的影响。朗多尼亚位于亚马逊“毁林弧”核心，是巴西本土养殖鱼类领先产地，自1970年代起由养牛驱动的毁林使大范围森林转为牧草场，大量牧草场现已退化。在此背景下，量化水产养殖扩张的真实土地轨迹与碳后果、识别可持续选址路径具有重要科学价值。该研究发表于《SCIENCE ADVANCES》，研究人员通过人工智能增强的遥感图像识别，重建1985—2022年朗多尼亚水产养殖池塘扩张的土地利用转型与碳排放。

　　研究人员融合Sentinel-1与Sentinel-2影像，先以随机森林分类器提取通用水体，再基于巴西农业研究公司提供的朗多尼亚逾11000个已验证池塘位置，训练U-Net深度学习模型（引入百分位数时序波段、掩膜池化与对比预训练）区分养殖池与天然水体，在未见 municipality 上取得精度约0.89。土地轨迹方面，将识别出的池塘叠加MapBiomas年度土地覆被数据（起始1985年），逐像元追踪由非水产向水产的转化类型。牧场质量依据MapBiomas分为高、中、低三级。碳排放采用IPCC与巴西清单的瞬时排放因子（涵盖森林、牧草、湿地地上/土壤碳库），乘以各类型转化面积得到年度估计。

　　通过遥感识别发现，朗多尼亚水产养殖池塘面积1985—2022年增长约450倍，现占该州水面约5%（127 km

　　牧草，水产直接占地仅为养牛的1/3至1/10；但饲料原料（多源于亚马逊外作物）用地可达池塘面积3倍，该比较仅限农场直接占地。

　　池塘扩张主要落于既往砍伐地：前牧草场87%、城镇或耕地4%、天然林5%、湿地4%。天然林或湿地转化虽占比小，但对生物多样性影响放大。碳排农业数字化方面，单位面积瞬时排放森林转池比湿地高1.1—8.0倍，比牧草高15—925倍；2010—2020年因林转池达峰，行业总碳足迹显著农业数字化上升。朗多尼亚现存低质（退化）牧草约10000 km

　　，仅转化1.2%退化牧草即可使水产产量翻倍。研究未证明水产替代养牛，全国牛产同期仍增，水产与畜牧扩张并存。退化牧草替代路径还包括次生林再生（固碳约2.97 t C ha

　　）或大豆种植，但水产提供本地消费蛋白及ω-3等微量营养，系统评价需跨土地-水-食物维度。水产非土地影响（饲料用地、野生鱼粉、温室气、富营养化、入侵种）超出本文范围。政策上，巴西NDC承诺修复退化地，可将可持续水产与碳市场挂钩，但效力依赖执法、防压力转移与跨部门协调。

　　详述水体提取、U-Net训练（128×128 tile、七百分位数时序、掩膜池化、对比预训练）及在朗多尼亚子集训练、外州测试的流程，模型泛化优于RF基线）。土地轨迹与牧场分级依赖MapBiomas年度序列；碳排放因子取自IPCC及巴西国家清单。

　　研究人员指出，亚马逊水产养殖多数建于已清土地（尤前牧草），而非开辟新毁林前线，但零星林/湿转化具高碳与高生物多样代价。将扩张导向退化牧草可在不大损碳汇潜力下（仅用约1.2%低质牧草即可翻倍产量）提供低碳、护栖路径。然而该潜力非自动兑现：养牛部门仍在扩张，缺乏反事实分析无法确认水产与畜牧是替代、互补或间接强化关系。政策机遇（巴黎协定NDC、碳信用、修复挂钩）须配强治理与防置换机制，否则水产收入可能反哺牧草前沿。最终结论：准确核算水产养殖历史土地利用转型揭示其当前碳成本结构，并表明依托亚马逊广泛退化牧草的“保护中心选址”模式，可在食物系统与生态目标间形成潜在双赢，但落地取决于可执行土地政策与跨部门执法。