基于RS的县域耕地产能核算及其产能提升研究——以黑龙江省肇源县为例

(东北大学 土地管理研究所,辽宁 沈阳 110169)

基于RS的县域耕地产能核算及其产能提升研究
——以黑龙江省肇源县为例

张 莹,雷国平,林 佳,周 敏
(东北大学 土地管理研究所,辽宁 沈阳 110169)

以黑龙江省肇源县为研究区,基于RS和GIS技术,采用潜力衰减法核算耕地产能,揭示其空间分异特征;运用SPSS软件聚类分析功能划分产能提升区,并分析制约耕地产能提升的主要因素。结果表明:以遥感影像和统计数据为数据源,可以快速、低成本核算耕地产能。2014年研究区各层次耕地产能和单产在空间分布上具有相似性,总体呈现由东部和西部向中部地区递减的两翼式分布特征。耕地理论产能潜力的差异显著,其数值在7499.8424—15743.4468kg/hm2之间,最高值约为最低值的2.1倍。4个产能提升区之间的耕地产能提升空间存在显著差异,制约其产能提升的自然因素主要是土壤肥力、土壤退化、土壤有机质含量,并且大部分乡镇的社会经济技术投入水平较低。根据研究结果，提出了相应的对策建议。

土地利用;耕地产能;影响因素;RS;肇源县

1 引言

耕地产能是评价一个地区耕地的粮食生产能力、土地利用程度及发展前景的重要指标,耕地产能的高低可间接反映粮食安全水平[1]。粮食安全战略的核心不在于每年粮食产量多少或产量增加多少,而在于在保证耕地数量的基础上确保耕地产能[2]。在我国人口众多、人均耕地面积少的基本国情背景下,人地矛盾日益加剧,提升耕地产能、保障粮食安全已上升为一个紧迫的重大战略问题[3]。我国13个粮食主产区的粮食产量占全国的比重为75.4%,约占95%的全国增产粮食来自于这13个粮食主产区,其中黑龙江粮食主产区的粮食产量比重在全国大于10%。黑龙江省作为中国最大的商品粮产区,对保障国家粮食安全起到了举足轻重的作用。

国内外关于耕地产能的研究开展得都比较早。当前,国外关于耕地产能的研究主要集中在农作物长势监测和估产方面，一般多采用统计模型[4]、遥感估产模型[5]、作物生长模型[6]、作物生长模型与GIS和遥感相结合[7]等方法进行估产。国内关于耕地产能的研究主要集中在耕地产能核算方法与模型[8,9]、耕地产能时空分异[10-12]、耕地产能影响因素[13,14]等方面,多采用粮食作物审定品种的区域试验产量[2]、耕地质量评价成果[8]、农用地分等成果[15-17]和改进的农业生态区划法[18,19]对耕地产能进行测算,且研究尺度以市、省、地区级别的大尺度研究为主,县域或乡镇的小尺度研究鲜有报道。目前,耕地产能核算方法均需获取土壤样品或理论单产样本值,虽然能精确地估算耕地产能,但却需要投入大量的成本(人力、财力、物力和时间),时效性和动态性较差,无法满足短时间、小成本地核算耕地产能及其产能潜力的需求。RS技术的发展与应用为获取土壤理化性质提供了新思路,相关研究证实利用RS技术构建反演模型能较好地模拟土壤的肥力[20]、盐分[21]、有机质[23,24]和含水量[24]等理化性质的空间分布特征,目前尚未有耕地产能核算研究采用该方法作为数据获取的手段。鉴于此,本文选取黑龙江省商品粮基地——肇源县为研究区,基于RS和GIS技术平台获取数据,综合影响耕地产能的土壤自然和社会经济技术因素,采用潜力衰减法,小成本、快速地核算耕地产能,揭示其空间分异特征。根据产能潜力比较优势、实际单产比较优势和耕地规模比较优势三项指标将研究区划分为四类耕地产能提升区,并分析制约产能提升的主要因素。研究成果对推动高标准基本农田建设和保障粮食安全具有重要的理论意义和实践应用价值。

2 研究区概况及数据来源

2.1 研究区概况

肇源县地处黑龙江省西部(45°23′—45°59′N、123°47′—125°45′E),西北与杜尔伯特蒙古族自治县,北与肇州县,东与绥化市肇东市接壤,西南以松花江、嫩江主航道为界与吉林省白城市镇赉县、大安市、前郭尔罗斯蒙古族自治县、扶余市和哈尔滨市双城区隔江相望,隶属于大庆市。该县位于松嫩低平原黑土区,是黑龙江省产粮大县和全国商品粮基地之一。2014年,该县共辖16个乡镇,总人口45.8万人,其中农业人口36万人,土地面积36.51万hm2,耕地面积约占全县土地面积的45.20%。主要种植的粮食作物为水稻、玉米、大豆,其中玉米的播种面积比例为59.40%,玉米产量占全县粮食总产量的72.24%。研究区属于北温带大陆性气候,年均降水量在600mm左右,年有效积温为2900—3100℃。该区域多为低地平原,地形平缓,多沼泽和泡泊,导致其土地退化问题主要表现为土壤盐碱化。石油开发等土地利用活动对该县的耕地土壤和耕作方式产生不良作用,一系列自然生态和社会因素对肇源县的耕地产能产生了较大影响。

2.2 数据来源与处理

获取2014年8月7日Landsat 8遥感影像一景,且影像上无云影干扰。7月中下旬—八月上旬为黑龙江省粮食生长的关键时期(玉米抽雄吐丝期、水稻抽穗期、大豆开花结荚期),这一时期自然条件和耕作投入对于粮食产能具有非常重要的影响。2014年7月16日—8月15日之间肇源县的平均降水量仅约为5.13mm,非常干旱,无降水影响。因此,选择2014年8月7日为研究时点,获取Landsat 8遥感影像一景,并提取耕地数据进行研究(图1,见封二)。

基于已有投影Landsat 8影像几何校正,利用ENVI 5.1软件进行辐射定标和大气校正;大气辐射校正模型采用MODTRAN 4+辐射传输模型的代码,是基于像素级的校正,能校正由漫反射引起的连带效应,调整由人导致的波谱平滑,并有效消除大气等因素对地物反射的影响,获得地物较为准确的反射率,大气校正应用FLAASH功能模块[23]。

经辐射定标和大气校正后的Landsat 8影像的红波段和近红外波段的反射率数据用于反演能较好地反应耕地的土壤属性:土壤肥力(NDVI)[25,26]、土壤退化程度(RVI)[25,26]、土壤含水量(Sm)[24]、土壤有机质含量(SOM)[23]4个指数。由于NDVI和RVI指数已在许多研究中得到广泛应用[13,25,26],所以直接运用其计算公式提取出耕地的土壤肥力和土壤退化程度。借鉴已有研究中的试验方法[23,24],利用覆盖本研究区的土壤地球化学调查采样数据和同年份的遥感影像数据,构建适用于本研究区的反演模型,获得2014年研究区耕地的土壤含水量和土壤有机质含量;反演模型的决定系数R2均大于0.6,模型精度较好，满足研究要求。利用ENVI 5.1软件的Band math工具计算各指数并形成栅格数据,利用ArcGIS 10.2软件中的栅格数据重采样Raster Reclassify工具并根据自然断点分级法Natural Breaks(Jenks)对各指标进行分级赋值为100、90、80、70、60。自然断点分级法是基于数据中固有的自然分组,在对相似值进行最恰当地分组的同时又可使各组别之间的差异最大化。该方法可反映研究区内各指标的自然分组特征,有效地避免了人为的主观干扰对指标分级的影响(图2,见封二)。

农业机械化程度、地膜使用程度、农药施用程度、灌溉保证率等社会经济技术数据来源于2015年《大庆年鉴》、《大庆统计年鉴》的统计数据或是根据统计数据计算得到。耕作便利度是基于ArcGIS 10.2软件平台利用已有的DEM数据提取坡度数据,应用距离分析工具计算每个栅格的耕地到居民点的距离,并根据自然断点分级法Natural Breaks(Jenks)对其进行分级赋值为100、90、80、70、60。研究区作物的光温(气候)生产潜力指数来源于我国《农用地质量分等规程》中的《全国各省(区、市)作物生产潜力指数速查表》。

3 研究思路与方法

3.1 耕地产能的界定

目前关于耕地产能的定义是：耕地产能是指一定时期、一定区域和一定的自然、社会、经济、技术条件下所形成的耕地生产能力,具体分为耕地理论产能、耕地可实现产能和耕地实际产能三个层次。借鉴相关研究[8,13],本文对3个层次的耕地产能界定为:耕地理论产能是指区域范围内在光、温、水、土等自然环境下,农业生产条件得到充分保证,经济技术和投入利用最优的状况下所能达到的粮食最高产量;耕地可实现产能是指区域范围内在光、温、水、土等自然环境下,农业生产条件、经济技术和投入利用达到地区平均水平所能够实现的粮食产量;耕地实际产能指目前已达到的生产能力,即某年份的粮食产量。

由于在县域以下的小尺度耕地产能研究中,乡镇的社会经济数据较难获得,因此本文对可实现产能的界定与已有研究略有差异。在此界定下,通过对比分析区域的可实现产能和实际产能之间的关系,能间接、快速地获得各乡镇在耕地生产方面的社会经济技术投入水平情况,便于指导耕地生产过程中的社会经济技术投入与利用。

3.2 耕地产能核算的指标选取与计算

耕地产能一方面受土地资源自然因素的影响,另一方面也与技术经济条件直接相关[27]。因此,耕地产能核算的指标选择应从土壤自然因素和社会经济技术因素两方面选取。

在土壤自然因素方面,选择耕地坡度、土壤肥力(NDVI)、土壤退化程度(RVI)、土壤含水量(Sm)、土壤有机质含量(SOM)5个指标作为研究区土壤修正系数影响因子的参选指标。其中,土壤肥力(NDVI)反映植被覆盖信息,表征耕地质量状态,NDVI值越高,说明该区域土壤质地越好、耕地土壤肥力越高。土壤退化程度(RVI)反应土壤退化问题,尤其是土地盐碱化对作物生长的胁迫程度,RVI值越大,表明该区域土壤退化程度越低、耕地生产压力越小。土壤含水量(Sm)反映土壤含水量,在适于农作物生长的土壤含水量范围内,Sm值越大,说明该区域土壤含水量越高,耕地状态越好,有利于作物生长。土壤有机质含量(SOM)反映土壤有机质含量,表征土壤提供作物营养、促进作物生长发育、改善土壤物理性质的能力,SOM值越高,促进作物生长的能力越强。研究区内占耕地总面积91.95%的耕地坡度小于2°,耕地坡度的空间差异很小,耕地产能受坡度影响产生的差异基本可忽略不计,因此可剔除该指标。综上所述,确定耕地产能核算的土壤修正系数的影响因子包括土壤肥力(NDVI)、土壤退化程度(RVI)、土壤含水量(Sm)、土壤有机质含量(SOM)4个指标。

在社会经济技术因素方面,选取农业机械化程度、地膜使用程度、农药施用程度、化肥施用程度、灌溉保证率、耕作便聋度6个指标作为研究区社会经济技术修正系数影响因子的参选指标。指标的计算从农业生产需求和生态环境保护两个方面综合考虑,参照国家环境保护局设定的生态县建设的相关标准。国家环境保护总局设定的生态县建设的农药施用量为3kg/hm2、地膜使用量为33.75kg/hm2、化肥施用量为250kg/hm2(氮磷钾施用比例为1∶0.5∶0.5),该用量设定的目的是既满足农业生产需求又不破坏生态环境。根据这一标准,确定地膜使用程度为地膜使用量与地膜使用量标准值的比值,农药施用程度为农药施用量与农药施用量标准值的比值。由于化肥施用量大于化肥施用量标准值,可认为其化肥施用程度足以满足农作物生长需求,故在产能核算中剔除该指标。最终,确定社会经济技术修正系数的影响因子包括农业机械化程度、地膜使用程度、农药施用程度、灌溉保证率、耕作便利度5个指标。

本文的地膜使用程度、农药施用程度和化肥施用程度的计算既考虑到能否满足农业生产需求又考虑到对生态环境的保护,指标计算更加科学合理。

3.3 耕地产能核算方法

运用变异系数法确定土壤修正系数影响因子的权重,因为土壤性质在空间上具有变异性,所以运用此方法可克服指标权重分配均衡化的缺陷,使评价结果更加客观合理。运用层次分析法对社会经济技术修正系数影响因子赋以权重,并采用多因素综合评价法计算土壤修正系数和社会经济技术修正系数,公式为:

(1)

式中,Si为土壤或社会经济技术修正系数;Wk为第k个土壤或社会经济技术修正系数影响因子的权重值;Yk为第k个土壤或社会经济技术修正系数影响因子的分值;n为土壤或社会经济技术修正系数影响因子个数。

依据土地生产潜力原理,根据国家《全国各省(区、市)作物生产潜力指数速查表》中肇源县光温生产潜力指数,选取玉米作为研究区耕地产能核算的基准作物,采用潜力衰减法核算研究区耕地理论产能和可实现产能[13],公式为:

YC=YW×S1×S2

(2)

式中,YC为可实现产能(万t);YW为光温生产能力(万t);S1为土壤修正系数;S2为社会经济技术修正系数;YW·S1为理论产能(万t)。

在核算耕地理论产能和可实现产能的基础上,结合各乡镇的实际产能和耕地面积,计算研究区产能潜力和比较优势[27,28],公式为:

理论产能潜力=理论单产-实际单产

(3)

可实现产能潜力=可实现单产-实际单产

(4)

产能潜力比较优势=各乡镇理论产能潜力/研究区理论产能潜力

(5)

实际单产比较优势=各乡镇实际单产/研究区实际单产

(6)

耕地规模比较优势=各乡镇耕地面积/研究区耕地总面积

(7)

其中,可实现产能潜力为正值时,代表社会经济技术投入低于所在地区的平均水平,其值越大，投入水平越低;当可实现产能潜力为负值时,代表社会经济技术投入高于所在地区的平均水平,其绝对值越大，投入水平越高。

3.4 耕地产能提升分区与制约因素确定

依据研究区的产能潜力比较优势、实际单产比较优势和耕地规模比较优势3项指标,利用SPSS软件进行聚类分析,将研究区划分为不同的产能提升区;综合分析土壤自然因素和社会经济技术因素,以确定制约耕地产能提升的主要因素。

4 耕地产能核算结果与分析

4.1 耕地产能核算结果

研究区的玉米光温生产潜力为25190kg/hm2,以玉米为基准作物,计算得到光温生产能力为415.7276万t。2014年,研究区耕地理论产能为336.8602万t,可实现产能为173.2114万t,实际产能为130.8122万t;耕地理论单产为20411.2216kg/hm2,可实现单产为10495.3215kg/hm2,实际单产为7926.2458kg/hm2。研究区的理论产能潜力为12484.9758kg/hm2,可实现产能潜力为2569.0756kg/hm2。

4.2 耕地产能空间分异特征

研究区的16个乡镇在空间分布上呈现从东至西的带状分布特征。东部地区包括福兴乡、三站镇、薄荷台乡和二站镇4个乡镇；中部地区包括和平乡、肇源镇、头台镇、古恰镇、大兴乡、超等乡、茂兴镇和浩德乡8个乡镇；西部地区包括义顺乡、古龙镇、新站镇和民意乡4个乡镇。核算研究区及其各乡镇的耕地理论产能和可实现产能、实际产能(表1)。研究区耕地各层次产能(理论产能、可实现产能、实际产能)及其空间分布特征表现为(图3，见封二):理论产能、可实现产能和实际产能的空间分布特征具有相似性。东部地区的福兴乡、三站镇、薄荷台乡、二站镇和西部地区的古龙镇、新站镇与中部地区的古恰镇的理论产能、可实现产能和实际产能均较高,而中部地区的浩德乡、大兴乡、和平乡和东部地区的义顺乡的理论产能、可实现产能和实际产能均较低。但肇源镇等5个乡镇的情况例外,肇源镇和超等乡的理论产能和可实现产能较低而实际产能则相对较好;头台镇的可实现产能和实际产能较低而理论产能相对较好;民意乡和茂兴镇的实际产能较低而理论产能和可实现产能则相对较好。

表1 研究区耕地产能

耕地产能由耕地单产和耕地面积两方面因素决定,由于耕地面积的提升空间非常小,因此耕地单产是决定产能高低的直接因素和决定性因素。研究区耕地各层次单产(理论单产、可实现单产、实际单产)及其空间分布特征表现为(图3,见封二):在耕地理论单产方面,东部地区的福兴乡、三站镇、薄荷台乡、二站镇，西部地区的古龙镇、新站镇、民意乡，中部地区的肇源镇、茂兴镇、超等乡的理论单产较高;中部地区的浩德乡、大兴乡、头台镇、古恰镇、和平乡和西部地区的义顺乡的理论单产较低。在耕地可实现单产方面,东部地区的福兴乡、三站镇、二站镇,中部地区的肇源镇、大兴乡、浩德乡、茂兴镇、超等乡，西部地区的古龙镇、新站镇的可实现单产相对较高;中部地区的和平乡、头台镇、古恰镇,东部地区的薄荷台乡，西部地区的义顺乡和民意乡的可实现单产相对较低。在耕地实际单产方面,肇源镇、薄荷台乡和三站镇的实际单产明显高于其他乡镇,均大于10000kg/hm2,中部地区的头台镇、和平乡、茂兴镇和西部地区的古龙镇、民意乡5个乡镇的实际单产比较小,其他8个乡镇的实际单产则在7333.5109—9421.9009kg/hm2之间。研究表明,研究区的理论单产、可实现单产、实际单产在空间分布上总体呈现“东部和西部地区高、中部地区低”的特征。

4.3 耕地产能潜力及其空间分异

通过分析耕地产能潜力(理论产能潜力、可实现产能潜力),掌握产能潜力较大的区域分布,可为耕地自然条件改善、社会经济技术精准投入、耕地产能提升提供针对性指导。研究表明(表2和图4,图4见封二),肇源镇的理论产能潜力最低,仅为7499.8424kg/hm2;茂兴镇的理论产能潜力最高,达到15743.4468kg/hm2;其他乡镇的理论产能潜力在9000—15000kg/hm2之间,理论产能潜力的差异显著。在可实现产能潜力方面,研究区可实现产能潜力的最大值与最小值的差值达到8334.3124kg/hm2,各乡镇可实现产能潜力的差距较大。中部地区的肇源镇和东部地区的薄荷台乡可实现产能潜力值为负值,表明肇源镇和薄荷台乡的社会经济技术投入高于研究区平均水平。其中,肇源镇可实现产能潜力的绝对值最高,表明肇源镇的社会经济技术投入水平最高。茂兴镇等其他14个乡镇的可实现产能潜力值均为正值,表明其社会经济技术投入低于研究区平均水平。其中,东部地区的二站镇和中部地区的和平乡、大兴乡、茂兴镇以及西部地区的古龙镇、新站镇的可实现产能潜力值较高,表明这6个乡镇的社会经济技术投入远低于研究区平均水平。

表2 研究区耕地产能潜力与比较优势

5 耕地产能提升分区与制约因素分析

在分析耕地产能和耕地产能潜力的基础上计算其产能潜力比较优势、实际单产比较优势和耕地规模比较优势(表2),并运用SPSS软件进行聚类分析,研究区16个乡镇划分为4个产能提升区,分别为核心提升区、优化建设区、发展保护区和持续保养区,并进一步分析每个产能提升区的制约因素(表3)。

表3 研究区耕地产能提升分区

核心提升区的实际单产比较优势低,但其产能潜力比较优势非常高且耕地规模比较优势较好,产能提升空间大。从土壤自然因素方面分析表明,制约民意乡和茂兴镇的耕地产能提升的主要因素是土壤肥力、土壤退化和有机质含量。从社会经济技术投入方面分析表明,两个乡镇可实现产能潜力值均为正值,即其社会经济技术投入均低于研究区平均水平。优化建设区的实际单产比较优势、产能潜力比较优势和耕地规模比较优势均较好,耕地单产及产能潜力具有较大优势。从土壤自然因素方面分析表明,制约二站镇、古龙镇和新站镇3个乡镇耕地产能提升的主要因素是土壤肥力、土壤退化和有机质含量,义顺乡、大兴乡、和平乡和头台镇4个乡镇耕地产能提升的制约因素是土壤肥力、土壤退化、有机质含量和土壤含水量。从社会经济技术投入方面分析,该区域8个乡镇的社会经济技术投入远低于研究区平均水平,并且义顺乡、古龙镇、和平乡、头台镇和新站镇的灌溉保证率均较低,其中头台镇的耕地灌溉保证率仅为0.0382。发展保护区的实际单产比较优势高，但其产能潜力比较优势和耕地规模比较优势均相对较低。从土壤自然因素方面分析表明,制约该区域耕地产能提升的主要因素是土壤肥力、土壤退化和有机质含量。从社会经济技术投入方面分析,该区域(除薄荷台乡外)的社会经济技术投入低于研究区平均水平,而薄荷台乡的社会经济技术投入虽高于研究区平均水平,但其灌溉保证率较低。持续保养区只包含一个乡镇,即肇源镇。由于肇源镇的社会经济技术投入水平在全县中最高,肇源镇的实际单产比较优势明显高于其他乡镇。然而,肇源镇的实际单产与理论单产较接近,因此其理论产能潜力最低,并且该镇的耕地面积仅占全县耕地总面积的3.62%,耕地产能潜力比较优势和耕地规模比较优势均接近研究区的最低水平。

6 研究结论与对策建议

6.1 研究结论

本文将遥感影像和统计数据作为数据源,突破了以往利用农用地分等和农业生态区划法核算耕地产能过程中土壤采样数据收集困难的局限。在获取区域光温产能数据的基础上,本文通过潜力衰减法对影响耕地产能的土壤自然因素和社会经济技术因素进行了逐级衰减,实现了对耕地产能的核算,分析了耕地空间分异规律。

本文将研究区划分为4个产能提升区并分析了制约产能提升的影响因素,研究结论为:①以遥感影像和统计数据为数据源,可快速、低成本地核算区域耕地产能。以玉米为基准作物,2014年研究区耕地理论产能336.8602万t,可实现产能173.2114万t;理论单产为20411.2216kg/hm2,可实现单产为10495.3215kg/hm2;理论产能潜力为12484.9758kg/hm2,可实现产能潜力为2569.0756kg/hm2。②2014年研究区的各层次耕地产能、耕地单产在空间分布上具有相似性,该数值总体符合从东部和西部向中部地区递减的两翼式分布特征。耕地理论产能潜力的差异显著,其中肇源镇的产能提升空间最小。通过耕地可实现产能潜力的分析,间接发现各乡镇在耕地生产方面的社会经济技术水平投入水平的差距较大。③4个产能提升区之间的耕地产能和产能提升空间存在显著差异，制约其产能提升的自然因素主要是土壤肥力、土壤退化和有机质含量。此外,除肇源镇和薄荷台乡的社会经济技术投入高于全县平均水平外,其他乡镇的社会经济技术投入均低于研究区平均水平,特别是二站镇、和平乡、大兴乡、茂兴镇、古龙镇和新站镇6个乡镇。

6.2 对策建议

本研究通过采用新的数据获取技术,替代传统的数据获取手段,小成本、快速地核算耕地产能,降低了研究成本,提高了研究效率,对耕地产能动态监测、挖掘耕地产能潜力、提升区域耕地产能具有重要的实践指导价值。

针对耕地产能提升分区与制约产能提升因素分析,提出以下对策建议:①将土地整治、高标准基本农田建设等项目与耕地产能提升分区进行有效衔接。研究表明制约研究区耕地产能提升的主要因素是土壤自然因素,通过土地整治能够达到提升土地自然条件、提高耕地质量、恢复耕地生产力的目的。建议根据耕地产能提升分区结果有针对性地开展高标准基本农田建设,首选耕地产能提升空间较大的核心提升区和优化建设区进行高标准基本农田建设,实现粮食稳产增产和耕地产能不降低。②促进区域内资本、技术等社会经济投入要素有效流动。研究发现二站镇、和平乡、大兴乡、茂兴镇、古龙镇和新站镇6个乡镇的社会经济技术投入远低于研究区的平均水平,需加大对该部分乡镇的扶持与投入,采取积极手段,促进区域内资本、技术等社会经济投入要素有效流动,确保全县所有乡镇耕地生产的均衡化发展。③完善矿产资源开发对区域耕地生态补偿机制。矿产资源开发对土地利用活动具有显著的外部性,石油开采对肇源县耕地土壤质量产生显著的负面影响,根据“谁开采谁保护、谁受益谁保护”的原则,建立矿产资源开发对耕地生态补偿机制,并将补偿金用于耕地生态治理,实现耕地数量、质量、生态“三位一体”的保护格局,保障粮食安全。④将“粮食直补”发放与种田农户保护耕地行为挂钩。充分发挥微观农户在保护耕地、提升耕地质量中的积极作用,建议改革现有“粮食直补”按粮食实际种植面积发放的办法,在充发考虑种田农户保护耕地行为的基础上综合粮食实际种植面积和耕地质量等级作为“粮食直补”发放标准依据,以激发种田农户保护耕地的主观能动性。

[1]赵宏志,李团胜,吴浩浩,等.基于农用地分等成果耕地产能分析——以陕西省富平县为例[J].南方农业学报,2013,44(3)∶458-462.

[2]张凤荣,张晋科,张迪,等.1996—2004年中国耕地的粮食生产能力变化研究[J].中国土地科学,2006,20(2)∶8-14.

[3]刘玉,刘彦随,薛剑,等.海河冲积平原区耕地综合产能核算及其分区利用[J].资源科学,2009,31(4)∶598-603.

[4]Doos Bo R,Shaw R.Can We Predict the Future Food Production?A Sensitivity Analysis[J].Global Environmental Change,1999,(9)∶261-283.

[5]Leach G.Global Land and Food in the 21st Century[R].Stockholm Environment Institute,Polestar Series Report,1995∶90.

[6]Reddy B V S,Sanjana Reddy P,Bidinger F,etal.Crop Management Factors Influencing Yield and Quality of Crop Residues[J].Field Crops Research,2003,(84)∶57-77.

[7]Bouma J.Land Quality Indicators of Stainable Land Management Across Scales[J].Agriculture,Ecosystems and Environment,2002,(88)∶129-136.

[8]伍育鹏,郧文聚,邹如.基于耕地质量评价的耕地产能核算方法及分布[J].农业工程学报,2008,24(S1)∶85-89.

[9]伍育鹏,郧文聚,邹如.耕地产能核算模型的研究[J].农业工程学报,[10]2008,24(S2)∶108-113.

，等.河北省不同耕作区综合产能空间分异规律[J].农业工程学报,2008,24(5)∶84-89.

[11]聂艳,吴西子,孙轶,等.湖北省耕地产能核算及空间变异规律[J].湖北大学学报(自然科学版),2014,36(1)∶1-6.

[12]张红富,周生路,吴绍华,等.省域尺度耕地产能空间分异规律及其影响因子[J].农业工程学报,2010,26(8)∶308-314.

[13]宋戈,邹朝晖,王越.东北粮食主产区县域耕地产能核算及其影响因子分析[J].农业工程学报,2014,30(24)∶308-317.

[14]许妍,吴克宁,程先军,等.东北地区耕地产能空间分异规律及产能提升主导因子分析[J].资源科学,2011,33(11)∶2030-2040.

[15]吴克宁,程先军,黄勤,等.基于分等成果的农用地综合生产能力[J].农业工程学报,2008,24(11)∶51-56.

[16]王洪波,郧文聚,吴次芳,等.基于农用地分等的耕地产能监测体系研究[J].农业工程学报,2008,24(4)∶122-126.

[17]郧文聚,王洪波,王国强,等.基于农用地分等与农业统计的产能核算研究[J].中国土地科学,2007,21(4)∶32-37.

[18]谢俊奇,蔡玉梅,郑振源,等.基于改进的农业生态区法的中国耕地粮食生产潜力评价[J].中国土地科学,2004,18(4)∶31-37.

[19]陈丽,郝晋珉,艾东,等.基于改进农业生态区划法的耕地综合量能指数模型构建[J].农业工程学报,2014,30(20)∶268-276.

[20]赵建军,张洪岩,王野乔,等.基于AHP和GIS的省级耕地质量评价研究——以吉林省为例[J].土壤通报,2012,43(1)∶70-75.

[21]姚远,丁建丽,雷磊,等.干湿季节下基于遥感和电磁感应技术的塔里木盆地北缘绿洲土壤盐分的空间变异性[J].生态学报,2013,33(17)∶5308-5319.

[22]宋立生,赵之重,徐剑波,等. 基于TM遥感影像的玛多县草地土壤有机质的时空格局反演[J].草业科学,2011,28(12)∶2069-2073.

[23]刘焕军,赵春江,王纪华,等.黑土典型区土壤有机质遥感反演[J].农业工程学报,2011,27(8)∶211-215.

[24]李建龙,蒋平,刘培君,等.利用遥感光谱法进行农田土壤水分遥感动态监测[J].生态学报,2003,23(8)∶1498-1504.

[25]方琳娜,宋金平.基于SPOT多光谱影像的耕地质量评价——以山东省即墨市为例[J].地理科学进展,2008,27(5)∶71-78.

[26]陈惠芳.富阳市耕地质量评价及生产能力核算研究[D].杭州：浙江大学硕士学位论文,2013.

[27]陈建明,吴豪翔.浙江省耕地产能提升与优化管理研究[J].浙江国土资源,2013,(5)∶36-38.

[28]王晓峰,曹建农,卫新东,等.基于农用地分等成果的耕地产能核算研究——以陕西省扶风县为例[J].陕西师范大学学报(自然科学版),2010,38(6)∶89-93.

CalculationandPromotionofCounty′sCultivatedLandProductivityBasedonRSTakingZhaoyuaninHeilongjiangProvinceasanExample

ZHANG Ying,LEI Guo-ping,LIN Jia,ZHOU Min
(Institute of Land Management,Northeastern University,Shenyang 110169,China)

This paper selected Zhaoyuan County as the research area,calculated cultivated land productivity with the method of potential attenuation by using the technology of remote sensing and geographic information system,and analyzed its spatial distribution pattern.This paper divided the research area into four productivity capacity zones by using cluster analysis function of SPSS,and confirmed the main factors which were the restriction of cultivated land productivity.The results showed that:Taking images of remote sensing and statistical data as the data sources,could quickly calculate the productivity of cultivated land.The spatial distribution of productivity and productivity per unit area at all levels were similar,its values generally accorded with the distribution characteristic of decreasing from the east and west to the middle in 2014.Theoretical productivity potential of the study area was obviously different,its values ranged from 7499.8424-15743.4468kg/hm2,the highest was 2.1 times that of the lowest.Cultivated land productivity potential among four productivity capacity zones were significant different.The main factors of restricting the productivity capacity were soil fertility,soil degradation and organic matter.Social economic and technological input in most of towns was low.And then put forward the corresponding recommendations.

land use;cultivated land productivity;influential factors;RS;Zhaoyuan County

10.3969/j.issn.1005-8141.2017.07.001

F301.2

A

1005-8141(2017)07-0771-06

2017-05-21；

2017-06-15

国家自然科学基金项目(编号:41671520);中央高校基本科研业务费(编号:N161406001);黑龙江省国土资源科研项目(编号:201411)。

张莹(1986-),女,辽宁省抚顺人,博士研究生,主要从事土地利用规划与管理研究。

雷国平(1963-),男,黑龙江省青冈人,教授,博士生导师,主要从事土地利用规划与管理研究。