农业用地（占土地面积的百分比）

Agricultural land (% of land area)

下载数据

指标代码：AG.LND.AGRI.ZS所属主题：环境：Land useEnvironment: Land use

2023最新有效年份

192最新年份有值国家

265历史上有数据经济体

14%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

Agricultural land refers to the share of land area that is arable, under permanent crops, and under permanent pastures. Arable land includes land defined by the FAO as land under temporary crops (double-cropped areas are counted once), temporary meadows for mowing or for pasture, land under market or kitchen gardens, and land temporarily fallow. Land abandoned as a result of shifting cultivation is excluded. Land under permanent crops is land cultivated with crops that occupy the land for long periods and need not be replanted after each harvest, such as cocoa, coffee, and rubber. This category includes land under flowering shrubs, fruit trees, nut trees, and vines, but excludes land under trees grown for wood or timber. Permanent pasture is land used for five or more years for forage, including natural and cultivated crops.

可供参考的中文翻译：农业用地指耕地、永久性作物和永久性牧场用地的比例。联合国粮农组织定义的耕地包括短期作物用地（种植双季作物的土地只计算一次）、供割草或放牧的短期草场、供应市场的菜园和自用菜园，以及暂时休闲的土地。因转换耕作方式而休闲的土地不包括在内。多年生作物用地是种有长期生长作物而无需在每次收割后再进行种植的土地，此类作物包括可可树、咖啡树和橡胶树。此类土地包括生长开花灌木、果树、坚果树和葡萄树的土地，但不包括木材林用地。多年生牧场是五年以上生长饲草（包括野生饲草和人工种植饲草）的土地。

数据口径与风险提示

该指标将耕地、永久性作物用地和永久性牧场三类合并计算，无法区分三者各自的比例变化，需要结合分项指标辅助判断。
联合国粮农组织对各类别的定义边界明确，但不同国家在实际填报时可能存在口径差异，影响跨国可比性。
该指标是占比（百分比）而非绝对面积，不能直接用于比较不同国家的农业用地规模大小。
永久性牧场的认定依赖"连续使用五年以上"的时间标准，部分国家草地数据更新存在滞后。
中国农业用地的面积和占比变化可能同时受统计口径调整和实际土地利用变化的双重影响。
该指标反映的是土地利用结构，不是农业产出效率或粮食安全水平。
历史早期年份的数据来源可靠性相对较低，使用时应注意数据质量差异。

中国趋势

趋势解读

中国农业用地占土地面积的比例从1961年的约36.5%持续上升至2009年的约56.3%，是62个数据点中的最高值，此后转为缓慢下降，到2023年稳定在约55.4%。整体来看，该比例在62年间增长了约19个百分点，末期值为期初值的约1.52倍。这一变化轨迹呈现较为典型的S型曲线形态——前期快速增长阶段对应大规模开垦活动，中期趋于平稳，近年则略有回落。该指标的近年变化率（-0.03）显示农业用地占比基本停止增长甚至出现小幅收缩，可能意味着开垦活动已接近极限，且部分耕地正在向其他用途转移。

1961年初始值为36.47%，2023年最新值为55.43%。
最高点出现在2009年，达到56.26%。
最低点为1961年的36.47%，两者相差约20个百分点。
62个年度数据点整体呈先升后稳再微降的趋势。
最新值为期初值的1.52倍，表明比例有显著提升。
该指标将耕地、永久性作物用地和永久性牧场合并计算，无法反映三类土地的各自变化。
部分年份数据变化极小（如1995-1999年几乎持平），可能反映的是统计口径更新而非实际变化。
该比例上升可能受分母（土地总面积）调整影响，需结合绝对面积指标验证。

全球趋势

趋势解读

世界农业用地占土地面积的比例从1961年的约35.4%波动上行至1991年的约38.6%，此后逐步回落至2022年的约36.9%，整体变化幅度仅约1.5个百分点，62年间末期值为期初值的约1.04倍。与中国的持续上升轨迹不同，世界数据在1991年附近形成峰值后呈现长期缓慢下降趋势，近年来变化率接近于零。该差异反映了中国与全球在土地利用结构演变路径上的本质区别——中国经历了大幅度的农业用地扩张，而世界整体则以边际波动为主，可能受城市化和其他用途用地扩张的抵消效应影响。

1961年初始值为35.39%，2022年最新值为36.88%。
最高点出现在1991年，达到38.56%。
最低点为1961年的35.39%。
62个年度数据点整体在35.4%至38.6%之间波动。
最新值为期初值的1.04倍，变化幅度远小于中国。
世界数据为全球所有国家的加权平均值，不同地区的异质性被平滑处理。
1992年前后出现明显跳点（从38.56%降至36.70%），可能反映统计方法调整或苏联解体后土地归属数据更新。
该指标无法反映各国内部城乡土地利用转型的差异。

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	1.1x	1.0x	该十年中国倍数约为1.08倍、世界约为1.03倍，两者均大于1但中国明显更高，可能意味着中国在此阶段大规模开垦活动使农业用地增速远超全球平均水平，而世界的缓慢增长可能反映全球整体农业扩张与城市化占地的动态平衡。
1970-1979	1.1x	1.0x	该十年中国倍数约为1.13倍、世界约为1.02倍，中国增速进一步加快而世界保持微弱增长态势，这一分化可能反映中国在改开前后的农业开垦政策驱动力度持续加码，而世界多数国家已步入城镇化加速期，农业用地扩张边际递减。
1980-1989	1.2x	1.0x	该十年中国倍数约为1.17倍、世界约为1.03倍，增速差异达到最大区间，可能意味着中国大规模开垦仍在推进，而世界范围内农业用地已接近峰值，边际变化趋于平稳。
1990-1999	1.0x	1.0x	该十年中国倍数约为1.03倍、世界约为0.96倍，中国仍大于1但增速已大幅放缓，世界已转为负增长。这一转折可能反映中国开垦活动逐渐接近饱和，而苏联解体等事件导致大片农业用地撂荒或转为他用，使世界整体农业用地比例出现回调。
2000-2009	1.0x	1.0x	该十年中国倍数约为1.01倍、世界约为0.98倍，中国增速进一步逼近1.0而世界仍处于小幅下降区间，可能意味着中国农业用地扩张已接近天花板，而全球农业用地在城市化、工业化压力下继续缓慢收缩。
2010-2019	1.0x	1.0x	该十年中国倍数约为0.99倍、世界约为1.01倍，中国首次出现小于1而世界转为正增长。这一转折可能意味着中国农业用地比例已达峰值后开始回调（耕地保护政策或城镇化占用），而世界范围内农业用地在部分发展中国家仍在扩张。
2020-2029	1.0x	1.0x	该十年中国和世界的倍数均接近1.0，表明中国和世界的农业用地占比变化已趋于停滞，可能反映双方均已进入土地利用结构相对稳定的新阶段。

2023 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	Cote d'Ivoire 科特迪瓦	CIV	86.5
2	Turkmenistan 土库曼斯坦	TKM	84.2
3	Burundi 布隆迪	BDI	83.9
4	Uruguay 乌拉圭	URY	81.4
5	Saudi Arabia 沙特阿拉伯	SAU	80.8
6	South Africa 南非	ZAF	79.4
7	Kazakhstan 哈萨克斯坦	KAZ	79.4
8	Lesotho 莱索托	LSO	77.8
9	Rwanda 卢旺达	RWA	76.3
10	Nigeria 尼日利亚	NGA	76.2
11	Moldova 摩尔多瓦	MDA	74.1
12	Syrian Arab Republic 叙利亚	SYR	74.1
13	Djibouti 吉布提	DJI	73.5
14	Guinea 几内亚	GIN	73.2
15	Bangladesh 孟加拉国	BGD	72.3
16	Uganda 乌干达	UGA	71.9
17	Comoros 科摩罗	COM	71.5
18	Ukraine 乌克兰	UKR	71.3
19	Somalia, Fed. Rep. 索马里	SOM	70.3
20	United Kingdom 英国	GBR	70.3
21	Madagascar 马达加斯加	MDG	70.3
22	Togo 多哥	TGO	70.2
23	Eswatini 斯威士兰	SWZ	69.5
24	Mongolia 蒙古	MNG	69.0
25	Morocco 摩洛哥	MAR	66.7
26	Lebanon 黎巴嫩	LBN	65.9
27	Denmark 丹麦	DNK	65.5
28	Haiti 海地	HTI	65.1
29	West Bank and Gaza 约旦河西岸和加沙	PSE	64.9
30	Malawi 马拉维	MWI	64.2
31	Eritrea 厄立特里亚	ERI	62.7
32	Gambia, The 冈比亚	GMB	62.6
33	Tunisia 突尼斯	TUN	62.4
34	Cuba 古巴	CUB	61.7
35	Ireland 爱尔兰	IRL	60.8
36	Sudan 苏丹	SDN	60.3
37	India 印度	IND	60.1
38	Tuvalu 图瓦卢	TUV	60.0
39	Armenia 亚美尼亚	ARM	58.6
40	Afghanistan 阿富汗	AFG	58.4
41	Uzbekistan 乌兹别克斯坦	UZB	58.1
42	Azerbaijan 阿塞拜疆	AZE	57.8
43	El Salvador 萨尔瓦多	SLV	57.7
44	Hungary 匈牙利	HUN	55.7
45	China 中国	CHN	55.4
46	Ghana 加纳	GHA	55.4
47	Dominican Republic 多米尼加共和国	DOM	55.4
48	Romania 罗马尼亚	ROU	55.3
49	Sierra Leone 塞拉利昂	SLE	54.7
50	Paraguay 巴拉圭	PRY	54.1
51	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	54.0
52	Netherlands 荷兰	NLD	53.5
53	Burkina Faso 布基纳法索	BFA	53.4
54	Mozambique 莫桑比克	MOZ	52.8
55	France 法国	FRA	52.5
56	Luxembourg 卢森堡	LUX	51.7
57	Mexico 墨西哥	MEX	50.7
58	Turkiye 土耳其	TUR	50.1
59	North Macedonia 北马其顿	MKD	49.6
60	Spain 西班牙	ESP	49.6
61	Kenya 肯尼亚	KEN	49.5
62	Senegal 塞内加尔	SEN	49.4
63	Tonga 汤加	TON	48.6
64	Sri Lanka 斯里兰卡	LKA	48.6
65	Poland 波兰	POL	47.6
66	Germany 德国	DEU	47.5
67	Australia 澳大利亚	AUS	47.2
68	Namibia 纳米比亚	NAM	47.1
69	Pakistan 巴基斯坦	PAK	46.7
70	Bulgaria 保加利亚	BGR	46.1
71	United States 美国	USA	46.1
72	Lithuania 立陶宛	LTU	45.9
73	Czechia 捷克	CZE	45.8
74	Botswana 博茨瓦纳	BWA	45.6
75	South Sudan 南苏丹	SSD	44.9
76	Sao Tome and Principe 圣多美和普林西比	STP	44.8
77	Tanzania 坦桑尼亚	TZA	44.6
78	Yemen, Rep. 也门	YEM	44.4
79	Belgium 比利时	BEL	44.4
80	Italy 意大利	ITA	44.3
81	Thailand 泰国	THA	43.8
82	Portugal 葡萄牙	PRT	43.3
83	Mauritius 毛里求斯	MUS	43.0
84	Guatemala 危地马拉	GTM	43.0
85	Philippines 菲律宾	PHL	42.7
86	Argentina 阿根廷	ARG	42.4
87	Nicaragua 尼加拉瓜	NIC	42.3
88	Kiribati 基里巴斯	KIR	42.0
89	Benin 贝宁	BEN	41.8
90	Zimbabwe 津巴布韦	ZWE	41.8
91	Greece 希腊	GRC	41.7
92	Serbia 塞尔维亚	SRB	40.4
93	Chad 乍得	TCD	40.0
94	Andorra 安道尔	AND	39.9
95	Belarus 白俄罗斯	BLR	39.6
96	Viet Nam 越南	VNM	39.2
97	Marshall Islands 马绍尔群岛	MHL	38.9
98	Mauritania 毛里塔尼亚	MRT	38.5
99	Jamaica 牙买加	JAM	38.5
100	San Marino 圣马力诺	SMR	38.3
101	Albania 阿尔巴尼亚	ALB	38.1
102	Slovak Republic 斯洛伐克	SVK	38.0
103	Switzerland 瑞士	CHE	37.8
104	Angola 安哥拉	AGO	36.9
105	New Zealand 新西兰	NZL	36.9
106	Niger 尼日尔	NER	36.8
107	Colombia 哥伦比亚	COL	36.5
108	Bolivia 玻利维亚	BOL	35.8
109	Mali 马里	MLI	35.5
110	Cambodia 柬埔寨	KHM	34.9
111	Georgia 格鲁吉亚	GEO	34.1
112	Ethiopia 埃塞俄比亚	ETH	34.1
113	Dominica 多米尼克	DMA	33.3
114	Costa Rica 哥斯达黎加	CRI	33.1
115	Liechtenstein 列支敦士登	LIE	32.3
116	Zambia 赞比亚	ZMB	32.1
117	Honduras 洪都拉斯	HND	32.0
118	Latvia 拉脱维亚	LVA	31.7
119	Austria 奥地利	AUT	31.5
120	Congo, Rep. 刚果（布）	COG	31.2
121	Slovenia 斯洛文尼亚	SVN	30.4
122	Guinea-Bissau 几内亚比绍	GNB	29.9
123	Panama 巴拿马	PAN	29.5
124	Indonesia 印度尼西亚	IDN	29.1
125	Iran, Islamic Rep. 伊朗	IRN	29.0
126	Brazil 巴西	BRA	28.3
127	Tajikistan 塔吉克斯坦	TJK	27.9
128	Croatia 克罗地亚	HRV	26.6
129	Nepal 尼泊尔	NPL	26.1
130	Malaysia 马来西亚	MYS	26.1
131	Malta 马耳他	MLT	25.9
132	Israel 以色列	ISR	24.8
133	Venezuela, RB 委内瑞拉	VEN	24.4
134	Grenada 格林纳达	GRD	23.5
135	Barbados 巴巴多斯	BRB	23.3
136	Estonia 爱沙尼亚	EST	23.1
137	St. Kitts and Nevis 圣基茨和尼维斯	KNA	23.1
138	Timor-Leste 东帝汶	TLS	23.0
139	Iraq 伊拉克	IRQ	21.8
140	Bosnia and Herzegovina 波黑	BIH	21.7
141	Korea, Dem. People's Rep. 朝鲜	PRK	21.6
142	Ecuador 厄瓜多尔	ECU	21.5
143	Cameroon 喀麦隆	CMR	20.9
144	Antigua and Barbuda 安提瓜和巴布达	ATG	20.5
145	Nauru 瑙鲁	NRU	20.0
146	Liberia 利比里亚	LBR	20.0
147	Myanmar 缅甸	MMR	19.9
148	Maldives 马尔代夫	MDV	19.8
149	Cabo Verde 佛得角	CPV	19.6
150	Montenegro 黑山	MNE	19.6
151	Peru 秘鲁	PER	19.1
152	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	17.9
153	Samoa 萨摩亚	WSM	17.6
154	Algeria 阿尔及利亚	DZA	17.4
155	Fiji 斐济	FJI	17.1
156	St. Lucia 圣卢西亚	LCA	16.3
157	Iceland 冰岛	ISL	16.2
158	Korea, Rep. 韩国	KOR	16.1
159	Congo, Dem. Rep. 刚果（金）	COD	15.5
160	Vanuatu 瓦努阿图	VUT	15.3
161	Chile 智利	CHL	14.4
162	Cyprus 塞浦路斯	CYP	14.0
163	Bhutan 不丹	BTN	13.8
164	Russian Federation 俄罗斯	RUS	13.2
165	Japan 日本	JPN	12.6
166	Jordan 约旦	JOR	11.5
167	Bahrain 巴林	BHR	10.1
168	Lao PDR 老挝	LAO	9.91
169	Palau 帕劳	PLW	9.35
170	Central African Republic 中非共和国	CAF	9.10
171	Libya 利比亚	LBY	8.72
172	Kuwait 科威特	KWT	8.42
173	Gabon 加蓬	GAB	8.36
174	Belize 伯利兹	BLZ	7.98
175	Finland 芬兰	FIN	7.44
176	Sweden 瑞典	SWE	7.32
177	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	7.14
178	Canada 加拿大	CAN	6.47
179	Qatar 卡塔尔	QAT	6.44
180	United Arab Emirates 阿联酋	ARE	5.52
181	Oman 阿曼	OMN	4.76
182	Egypt, Arab Rep. 埃及	EGY	4.08
183	Solomon Islands 所罗门群岛	SLB	3.90
184	Equatorial Guinea 赤道几内亚	GNQ	3.73
185	Guyana 圭亚那	GUY	3.41
186	Seychelles 塞舌尔	SYC	3.37
187	Papua New Guinea 巴布亚新几内亚	PNG	3.10
188	Norway 挪威	NOR	2.70
189	Brunei Darussalam 文莱	BRN	2.54
190	Bahamas, The 巴哈马	BHS	1.30
191	Singapore 新加坡	SGP	0.92
192	Suriname 苏里南	SUR	0.45

使用建议、常见误用与研究场景

数值较高通常意味着什么

农业用地占土地面积比例较高，通常意味着该国国土中用于农业活动的比例较大，可能反映农业在经济中的占比相对较高，或者自然条件适宜农业发展的国土面积较多。

数值较低通常意味着什么

农业用地占比较低，可能意味着城市化程度较高、森林覆盖面积较大、土地更多用于其他用途（如工业、交通、生态保护），或者自然条件限制农业发展。

鍙ｅ緞闄愬埗

该指标是占比而非绝对面积，相邻两国的比例相近不代表拥有相近的农业用地绝对规模。
该指标无法反映农业用地内部结构——耕地、永久性作物用地和永久性牧场的比例差异可能代表完全不同的农业形态。
该指标不能直接衡量农业生产力或粮食安全水平，高比例不等于高产或充足供给。
不同国家的气候、地理条件差异较大，纯粹跨国比较比例的农业意义有限。
部分年份数据变化极小可能反映统计口径更新而非实际土地利用变化。
该指标不区分农业用地的利用强度，同样比例的土地可能对应截然不同的产出水平。

使用建议

分析时应优先使用绝对面积指标（AG.LND.AGRI.K2）补充验证相对比例的含义。
结合耕地占比（AG.LND.ARBL.ZS）和永久作物用地占比（AG.LND.CROP.ZS）分项指标，深入理解农业用地内部结构。
进行跨国比较时，应同时控制自然条件（降水量、地形）等因素，避免得出误导性结论。
研究中国农业用地变化时，建议结合城镇化率、城市用地扩张指标，评估农业用地流失风险。
评估粮食安全时，应同时引入人均耕地面积（AG.LND.ARBL.HA.PC）和农业产出指标，而非仅依赖占比。
关注该指标的近年变化方向——若持续下降可能预示耕地保护压力上升，若趋于稳定则可能意味着土地利用已达平衡。

常见错误用法

错误做法：直接用农业用地占比高低来判断一个国家农业发展水平的高低

正确做法：农业用地占比反映的是土地利用结构而非产出效率，高比例只表示用于农业的土地较多，不能等同于农业发达或粮食充足

农业发展水平需要综合考量单产、技术、基础设施等因素，单纯比例高低可能掩盖生产效率的巨大差异

错误做法：仅凭农业用地占比高低判断一个国家的粮食安全水平

正确做法：应结合人均耕地面积（AG.LND.ARBL.HA.PC）、粮食单位产量、农业总产出等指标综合评估粮食安全

农业用地占比无法反映单位面积产量、复种指数、人均耕地资源或进口替代能力等直接影响粮食安全的关键因素

错误做法：将农业用地占比等同于耕地占比进行跨国比较

正确做法：需要区分耕地、永久性作物用地和永久性牧场三类，农业用地是三者之和，应结合分项指标（AG.LND.ARBL.ZS、AG.LND.CROP.ZS）分析

三类土地代表完全不同的农业形态，永久性牧场与耕地在生产能力和用途上差异显著，混淆会导致对土地利用方式和农业结构的误解

错误做法：直接比较两个国家的农业用地占比来判断农业用地规模大小

正确做法：应结合绝对面积指标（AG.LND.AGRI.K2）比较农业用地的实际规模，同时控制国土总面积差异

占比受分母（国土面积）影响，两个占比相近的国家可能拥有完全不同的农业用地绝对规模，如小国占比高但面积小、大国占比低但面积大

实际应用场景

城镇化对农业土地利用结构的影响研究：分析中国近四十年快速城镇化进程中，农业用地占比的变化轨迹及其与城市扩张的关系被解释变量可将该指标的时间序列与城镇化率指标进行协整分析，检验二者是否存在长期均衡关系，并评估因果方向
城镇化进程与农业用地占比的协整关系研究：分析中国近四十年快速城镇化进程中，农业用地占比的变化轨迹及其与城市扩张的关系，研究城镇化对农业土地利用结构的挤出效应被解释变量建议将该指标的时间序列与城镇化率指标进行协整分析，检验二者是否存在长期均衡关系，并使用误差修正模型评估短期偏离调整速度。注意数据可能存在非平稳性，需进行ADF检验后再决定模型形式。同时应控制政策变量（如退耕还林、耕地保护红线）的影响，避免将政策效应误归因于城镇化。
中国与世界农业用地结构分化的驱动机制研究：利用面板数据比较中国与全球主要国家农业用地占比的变化轨迹，分解技术进步、土地政策、自然禀赋等因素对农业用地结构的影响核心比较变量采用面板协整或PMG估计方法时，需注意世界数据为全球加权平均值，与国别数据在统计口径、时滞性上可能存在系统性差异。建议以绝对面积指标（AG.LND.AGRI.K2）作为辅助验证手段，排除分母（国土面积）定义差异对占比的干扰。对中国数据1992年前后的跳点需进行结构性断点检验，区分统计口径调整与实际变化。
基于土地利用结构的粮食安全压力评估：将农业用地占比作为土地利用强度指标纳入粮食安全评估框架，分析人均农业资源禀赋与农业产出效率的脱钩程度，评估土地约束下的粮食生产能力上限控制变量或背景指标该指标反映土地利用结构而非产出效率，直接用于粮食安全评估存在局限性。建议将其与人均耕地面积（AG.LND.ARBL.HA.PC）、复种指数、粮食单位产量等指标联合构建综合评估模型。跨国比较时需对气候带、地形条件进行标准化处理，避免将自然禀赋差异误读为政策效果差异。同时注意农业用地内部的耕地/牧场比例差异，不同结构对应截然不同的产能上限。