耕地（人均公顷数）

Arable land (hectares per person)

下载数据

指标代码：AG.LND.ARBL.HA.PC所属主题：环境：Land useEnvironment: Land use

2023最新有效年份

190最新年份有值国家

265历史上有数据经济体

16%总体缺失率

指标解释

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

Arable land (hectares per person) 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.

可供参考的中文翻译：耕地（人均公顷数）包括联合国粮农组织定义为用于种植短期作物（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的土地，以及暂时闲置的土地。因转换耕作方式而休闲的土地不包括在内。

数据口径与风险提示

FAO定义仅涵盖临时性作物用地，永久性作物如果园、林地、轮歇撂荒超过一年的土地均不计入，可能低估实际农业生产用地规模
中国统计数据受国土调查周期影响，近年第三次全国国土调查调整了耕地口径，与早期数据存在统计断层，跨时期比较需审慎
人口分母使用年中人口估计，各国统计标准不完全一致，发展中国家人口数据质量相对较低，影响人均值准确性
本指标反映的是耕地数量而非质量，不区分土壤肥力、灌溉条件、复种指数或退化程度，耕地质量下降可能被数量稳定所掩盖

中国趋势

趋势解读

中国人均耕地面积呈现持续下降趋势，从1961年的约0.155公顷/人降至2023年的约0.077公顷/人，六十年间缩减约一半。该指标在1960年代至1970年代下降最为急促，年均降幅约2.5%；1980年代初出现短暂回升，1984年达到0.110公顷/人的阶段性高点，可能与农村土地政策调整有关；此后恢复下行通道，2000年代以来降速趋缓但未扭转。2020年后基本企稳于0.077公顷/人左右，近五年变化幅度极小。

1961年值为0.155公顷/人，为历史最高点
1984年值为0.110公顷/人，是1980年代内最高值
2023年值为0.077公顷/人，为历史最低点
从1961年到2023年，最新值与初始值之比为0.49，即下降约51%
近五年（2019-2023年）变化仅约0.001公顷/人

全球趋势

趋势解读

全球人均耕地面积同样呈长期下降态势，由1961年的约0.359公顷/人降至2023年的约0.172公顷/人，缩减幅度略超50%。1992年数据出现显著跳跃（从1991年0.223升至0.249），可能与苏联解体后独联体国家统计口径调整有关。除该异常值外，全球下降趋势较为平滑。2010年代全球降速有所放缓，与中国同期相比降幅收窄，表明全球在控制耕地流失方面相对较好。

1961年值为0.359公顷/人，为历史最高点
2023年值为0.172公顷/人，为历史最低点
1992年出现数据异常峰值0.249公顷/人
最新值与初始值之比为0.48，下降约52%
近五年（2019-2023年）年均下降约0.006公顷/人

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	0.8x	0.9x	中国下降幅度（0.81倍）略大于全球（0.87倍），表明此阶段中国人口增速对耕地的稀释效应更为显著，可能反映城乡人口结构快速变化对人均耕地的影响。
1970-1979	0.8x	0.9x	中国（0.82倍）与全球（0.86倍）的差距略有扩大，人口增长对人均耕地的压力在中国更为突出，可能与中国城市化初期对耕地的占用有关。
1980-1989	1.1x	0.9x	中国倍数升至1.11而全球降至0.88，二者出现反向走势，这一阶段中国改革释放了耕地利用效率，或反映统计口径中复种面积的变化，需结合粮食产量和农业投资数据验证。
1990-1999	0.9x	1.0x	中国倍数（0.87）再度回落而全球趋近于1（0.98），中国下降加速可能与1990年代工业化城镇化对耕地的大量占用有关，而全球此阶段下降相对平缓。
2000-2009	1.0x	0.9x	中国（0.97倍）与全球（0.89倍）出现逆转，中国下降相对更慢，可能反映退耕还林等生态政策对耕地减少速度的抑制，以及农业技术进步使单产提升、减少了对扩大耕地的依赖。
2010-2019	0.9x	0.9x	中国倍数（0.86）再次低于全球（0.92），差距扩大可能意味着此阶段中国城镇扩张占用耕地速度快于全球平均，需要结合城市扩张和耕地保护政策变量进一步验证。
2020-2029	1.0x	1.0x	中国（1.00倍）与全球（0.97倍）趋于接近，可能表明中国耕地保护红线政策逐渐发挥作用，耕地流失速度向全球平均水平收敛。

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	Kazakhstan 哈萨克斯坦	KAZ	1.46
2	Australia 澳大利亚	AUS	1.16
3	Canada 加拿大	CAN	0.95
4	Argentina 阿根廷	ARG	0.89
5	Ukraine 乌克兰	UKR	0.87
6	Russian Federation 俄罗斯	RUS	0.85
7	Lithuania 立陶宛	LTU	0.80
8	Moldova 摩尔多瓦	MDA	0.76
9	Latvia 拉脱维亚	LVA	0.72
10	Niger 尼日尔	NER	0.68
11	Paraguay 巴拉圭	PRY	0.67
12	Uruguay 乌拉圭	URY	0.65
13	Belarus 白俄罗斯	BLR	0.61
14	Bulgaria 保加利亚	BGR	0.54
15	Estonia 爱沙尼亚	EST	0.52
16	Bolivia 玻利维亚	BOL	0.45
17	United States 美国	USA	0.45
18	Romania 罗马尼亚	ROU	0.44
19	Hungary 匈牙利	HUN	0.43
20	Sudan 苏丹	SDN	0.42
21	Guinea 几内亚	GIN	0.42
22	Finland 芬兰	FIN	0.40
23	Denmark 丹麦	DNK	0.40
24	Serbia 塞尔维亚	SRB	0.39
25	Mali 马里	MLI	0.35
26	Central African Republic 中非共和国	CAF	0.35
27	Burkina Faso 布基纳法索	BFA	0.34
28	Mongolia 蒙古	MNG	0.33
29	Iceland 冰岛	ISL	0.31
30	Poland 波兰	POL	0.31
31	Togo 多哥	TGO	0.28
32	Chad 乍得	TCD	0.27
33	Namibia 纳米比亚	NAM	0.27
34	Cuba 古巴	CUB	0.26
35	Brazil 巴西	BRA	0.26
36	Benin 贝宁	BEN	0.25
37	France 法国	FRA	0.25
38	Zimbabwe 津巴布韦	ZWE	0.25
39	Albania 阿尔巴尼亚	ALB	0.24
40	Belize 伯利兹	BLZ	0.24
41	Slovak Republic 斯洛伐克	SVK	0.24
42	Sweden 瑞典	SWE	0.24
43	Spain 西班牙	ESP	0.24
44	Turkiye 土耳其	TUR	0.24
45	Cambodia 柬埔寨	KHM	0.24
46	Libya 利比亚	LBY	0.24
47	Czechia 捷克	CZE	0.23
48	Tunisia 突尼斯	TUN	0.23
49	North Macedonia 北马其顿	MKD	0.23
50	Croatia 克罗地亚	HRV	0.22
51	Thailand 泰国	THA	0.22
52	Nicaragua 尼加拉瓜	NIC	0.22
53	Cameroon 喀麦隆	CMR	0.22
54	South Sudan 南苏丹	SSD	0.22
55	Turkmenistan 土库曼斯坦	TKM	0.22
56	Senegal 塞内加尔	SEN	0.21
57	Azerbaijan 阿塞拜疆	AZE	0.21
58	Myanmar 缅甸	MMR	0.20
59	Tanzania 坦桑尼亚	TZA	0.20
60	Eritrea 厄立特里亚	ERI	0.20
61	Tonga 汤加	TON	0.19
62	South Africa 南非	ZAF	0.19
63	Malawi 马拉维	MWI	0.19
64	Afghanistan 阿富汗	AFG	0.19
65	Sierra Leone 塞拉利昂	SLE	0.19
66	Syrian Arab Republic 叙利亚	SYR	0.19
67	Guinea-Bissau 几内亚比绍	GNB	0.18
68	Zambia 赞比亚	ZMB	0.18
69	Morocco 摩洛哥	MAR	0.18
70	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	0.18
71	Greece 希腊	GRC	0.18
72	Iran, Islamic Rep. 伊朗	IRN	0.17
73	Mozambique 莫桑比克	MOZ	0.17
74	Algeria 阿尔及利亚	DZA	0.16
75	Gambia, The 冈比亚	GMB	0.16
76	Nigeria 尼日利亚	NGA	0.16
77	Lao PDR 老挝	LAO	0.16
78	Lesotho 莱索托	LSO	0.15
79	Mexico 墨西哥	MEX	0.15
80	Cote d'Ivoire 科特迪瓦	CIV	0.15
81	Armenia 亚美尼亚	ARM	0.15
82	Angola 安哥拉	AGO	0.15
83	Norway 挪威	NOR	0.15
84	Austria 奥地利	AUT	0.14
85	Eswatini 斯威士兰	SWZ	0.14
86	Uganda 乌干达	UGA	0.14
87	Congo, Dem. Rep. 刚果（金）	COD	0.14
88	Germany 德国	DEU	0.14
89	Ghana 加纳	GHA	0.14
90	Gabon 加蓬	GAB	0.13
91	Ethiopia 埃塞俄比亚	ETH	0.13
92	Bhutan 不丹	BTN	0.13
93	Panama 巴拿马	PAN	0.13
94	Pakistan 巴基斯坦	PAK	0.12
95	Italy 意大利	ITA	0.12
96	Kenya 肯尼亚	KEN	0.12
97	Guyana 圭亚那	GUY	0.12
98	Bosnia and Herzegovina 波黑	BIH	0.12
99	Peru 秘鲁	PER	0.12
100	El Salvador 萨尔瓦多	SLV	0.11
101	Uzbekistan 乌兹别克斯坦	UZB	0.11
102	Iraq 伊拉克	IRQ	0.11
103	India 印度	IND	0.11
104	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.11
105	Botswana 博茨瓦纳	BWA	0.10
106	Saudi Arabia 沙特阿拉伯	SAU	0.10
107	New Zealand 新西兰	NZL	0.10
108	Burundi 布隆迪	BDI	0.10
109	Madagascar 马达加斯加	MDG	0.10
110	Cabo Verde 佛得角	CPV	0.10
111	Honduras 洪都拉斯	HND	0.10
112	Luxembourg 卢森堡	LUX	0.09
113	Venezuela, RB 委内瑞拉	VEN	0.09
114	Liberia 利比里亚	LBR	0.09
115	Dominica 多米尼克	DMA	0.09
116	Mauritania 毛里塔尼亚	MRT	0.09
117	Congo, Rep. 刚果（布）	COG	0.09
118	United Kingdom 英国	GBR	0.09
119	Portugal 葡萄牙	PRT	0.09
120	Korea, Dem. People's Rep. 朝鲜	PRK	0.09
121	Haiti 海地	HTI	0.09
122	Dominican Republic 多米尼加共和国	DOM	0.09
123	Guatemala 危地马拉	GTM	0.09
124	Slovenia 斯洛文尼亚	SVN	0.08
125	Suriname 苏里南	SUR	0.08
126	Fiji 斐济	FJI	0.08
127	Rwanda 卢旺达	RWA	0.08
128	Ireland 爱尔兰	IRL	0.08
129	Georgia 格鲁吉亚	GEO	0.08
130	Tajikistan 塔吉克斯坦	TJK	0.08
131	Timor-Leste 东帝汶	TLS	0.08
132	China 中国	CHN	0.08
133	Comoros 科摩罗	COM	0.08
134	Belgium 比利时	BEL	0.07
135	Cyprus 塞浦路斯	CYP	0.07
136	Chile 智利	CHL	0.07
137	Viet Nam 越南	VNM	0.07
138	Indonesia 印度尼西亚	IDN	0.06
139	Vanuatu 瓦努阿图	VUT	0.06
140	Sri Lanka 斯里兰卡	LKA	0.06
141	Nepal 尼泊尔	NPL	0.06
142	Mauritius 毛里求斯	MUS	0.06
143	Somalia, Fed. Rep. 索马里	SOM	0.06
144	San Marino 圣马力诺	SMR	0.06
145	Ecuador 厄瓜多尔	ECU	0.06
146	Netherlands 荷兰	NLD	0.06
147	Samoa 萨摩亚	WSM	0.05
148	Colombia 哥伦比亚	COL	0.05
149	Philippines 菲律宾	PHL	0.05
150	Bangladesh 孟加拉国	BGD	0.05
151	Switzerland 瑞士	CHE	0.04
152	Liechtenstein 列支敦士登	LIE	0.04
153	Antigua and Barbuda 安提瓜和巴布达	ATG	0.04
154	Jamaica 牙买加	JAM	0.04
155	Costa Rica 哥斯达黎加	CRI	0.03
156	Japan 日本	JPN	0.03
157	Papua New Guinea 巴布亚新几内亚	PNG	0.03
158	Yemen, Rep. 也门	YEM	0.03
159	Solomon Islands 所罗门群岛	SLB	0.03
160	Equatorial Guinea 赤道几内亚	GNQ	0.03
161	Korea, Rep. 韩国	KOR	0.03
162	Israel 以色列	ISR	0.03
163	Egypt, Arab Rep. 埃及	EGY	0.03
164	Grenada 格林纳达	GRD	0.03
165	Barbados 巴巴多斯	BRB	0.02
166	Lebanon 黎巴嫩	LBN	0.02
167	Malaysia 马来西亚	MYS	0.02
168	Bahamas, The 巴哈马	BHS	0.02
169	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.02
170	Jordan 约旦	JOR	0.02
171	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.02
172	Sao Tome and Principe 圣多美和普林西比	STP	0.02
173	Oman 阿曼	OMN	0.02
174	Palau 帕劳	PLW	0.02
175	Kiribati 基里巴斯	KIR	0.02
176	St. Lucia 圣卢西亚	LCA	0.01
177	Montenegro 黑山	MNE	0.01
178	Malta 马耳他	MLT	0.01
179	Marshall Islands 马绍尔群岛	MHL	0.01
180	Andorra 安道尔	AND	0.01
181	Brunei Darussalam 文莱	BRN	0.01
182	West Bank and Gaza 约旦河西岸和加沙	PSE	0.01
183	Qatar 卡塔尔	QAT	0.01
184	Maldives 马尔代夫	MDV	0.01
185	United Arab Emirates 阿联酋	ARE	0.00
186	Djibouti 吉布提	DJI	0.00
187	Kuwait 科威特	KWT	0.00
188	Bahrain 巴林	BHR	0.00
189	Seychelles 塞舌尔	SYC	0.00
190	Singapore 新加坡	SGP	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

人均可利用耕地资源相对充裕，对农业发展和粮食供给的物质基础较好，但需注意该指标不反映耕地质量和实际产出能力。

数值较低通常意味着什么

人均耕地资源相对稀缺，农业发展面临土地约束，可能增加对进口粮食的依赖，但单产提升可部分弥补耕地不足。

鍙ｅ緞闄愬埗

人均值受人口规模影响显著，人口增长快的国家人均耕地会系统性偏低，与农业效率无关
不反映耕地质量、灌溉水平、土壤退化程度，高质量耕地与贫瘠耕地在该指标中等价
FAO定义排除了轮歇地、多年生作物用地和林果业用地，可能低估实际农业生产用地
各国耕地测量方法和调查频次不同，跨国可比性存在一定偏差

使用建议

分析时应结合谷物单产（AG.YLD.CREL.KG）和化肥使用量（AG.CON.FERT.ZS）评估土地生产效率
对比耕地绝对面积（AG.LND.ARBL.HA）区分是人口增长还是实际耕地减少导致人均值变化
结合城市化率或工业增加值等变量，识别耕地减少的主要驱动因素
关注时间序列中的统计口径变化，1992年前后全球数据存在异常跳跃，使用断点前后数据需分别处理
评估粮食安全时宜将人均耕地与农产品贸易数据结合，单纯人均值下降不一定意味着粮食危机

常见错误用法

错误做法：直接用中国人均耕地面积与哈萨克斯坦（1.46公顷/人）或澳大利亚（1.16公顷/人）比较，得出“中国农业落后”的结论

正确做法：人均耕地差异主要由国土面积和人口规模决定，反映的是资源禀赋而非农业效率

资源禀赋型指标用于比较绝对农业能力会掩盖技术进步和生产效率的真实差异，需用单产、土地生产率等效率指标替代

错误做法：将人均耕地持续下降解读为中国粮食安全恶化的单一证据

正确做法：人均耕地下降可能同时伴随单产大幅提升，总产出未必下降

耕地数量与食物产量之间存在技术中介，人均耕地低不代表粮食产量低，中国以世界9%的耕地养活20%的人口主要依靠单产提升而非耕地规模

错误做法：使用1990-1992年的数据跳跃推断苏联解体导致全球耕地大幅增加

正确做法：1992年数据异常源于独联体国家加入FAO统计体系，耕地绝对面积未必实际增加

统计边界变化导致的数据跳跃不等于实际耕地变化，据此推断政策或历史事件的影响属于误用统计口径

错误做法：将人均耕地下降简单归因为城镇化占用耕地，忽视人口增长的稀释效应

正确做法：人均值下降是耕地绝对减少和人口增长共同作用的结果，需要分解两个因素的贡献

分子分母同时变化时，笼统归因可能导致政策方向偏差，如人口快速增长地区可能需要更多关注人口政策而非耕地保护

实际应用场景

中国粮食安全与耕地资源约束研究：评估中国在耕地面积刚性约束下的粮食自给能力，分析人均耕地下降对农产品贸易格局的影响被解释变量可结合谷物产量、人均热量摄入等结果变量，分析人均耕地与其他资源投入要素的替代关系，同时控制气候和土壤条件
城镇化对农地资源的影响机制研究：分析不同地区城镇化发展阶段与耕地流失速度的关系，识别耕地保护政策的调控效果被解释变量或结果变量以城镇化率或非农就业比例为解释变量，加入人均耕地变化率作为结果变量，利用面板数据控制地区固定效应，检验政策变动的净效应
全球农业资源分布与粮食贸易结构研究：比较不同收入水平国家人均耕地与农产品贸易依存度的关系，评估资源禀赋对贸易模式的影响解释变量或控制变量作为控制变量加入引力模型或资源禀赋贸易模型，检验人均耕地是否影响农产品出口竞争力或进口依赖度