黄淮海高标准农田建设项目综合效益评价及区域差异

王晓青，史文娇，孙晓芳，王 猛

（1. 中国科学院地理科学与资源研究所，中国科学院陆地表层格局与模拟重点实验室，北京100101；2. 曲阜师范大学地理与旅游学院，日照 276800；3. 中国科学院大学资源与环境学院，北京100049）

0 引 言

建设高标准农田是提高中国耕地综合生产能力、夯实国家粮食安全基础、发展现代化农业的一大重要举措，是落实“藏粮于地、藏粮于技”战略的具体体现，关系着中国社会经济的可持续发展[1]。2008年《政府工作报告》中首次提出“建设一批高标准农田”，2011年全国“十二五”规划纲要明确提出“大规模建设旱涝保收高标准农田”。2013年，国务院批准了《国家农业综合开发高标准农田建设规划（2011—2020年）》，提出农业综合开发高标准农田建设的目标任务，到2020年改造中低产田、建设高标准农田0.27亿hm2[2-3]，亩均粮食生产能力比实施农业综合开发前提高100 kg以上，带动种粮农民亩均增收约 200元，促进耕地保护和节约集约利用，实现农民增收、农业增产、农村发展[4-5]。在国家农业综合开发战略转型的大框架下，高标准农田建设工作有序开展，自此实现了中国耕地保护从注重数量保护的“耕地占补平衡”向质数并重“高标准农田建设”的转变[4]。在中国大力推进农业供给侧结构性改革、提高农业综合效益和竞争力的背景下，开展耕地质量保护与提升行动，大规模建设高标准农田将发挥重要的基础支撑作用。另外，未来气候变化对中国区域粮食安全也提出了更高的要求[6-8]。

自20世纪90年代中期以来至“十二五”规划之前，随着全国各地土地整理工作的相继开展，相关土地整理效益评价研究取得了系列进展。研究方法主要有层次分析法、模糊综合评价法[5,9]、构建物元批判模型[10]等。张正峰等对土地整理效益及影响作出了详细的定性分析和探讨[11]，王炜等采用层次分析法（analytic hierarchy process，AHP）构建效益评价模型对土地整理效益进行了评估[12]，王瑷玲等采用了模糊综合评价法对项目后土地整理效益成功度进行了评价[4]，付光辉等则将农地整理项目后经济、社会、生态效益以货币的形式来表现评价结果[13-14]。李正等利用物元分析理论，将物元模型应用于土地整理综合效益评价之中[10]。自“十二五”高标准农田项目建设工作拉开序幕以来，国内学者对高标准农田建设的区域划定研究[15-17]、建设适宜性[18-19]及时空布局[20-21]、选址合理性[22-24]、整治潜力[25]等方面进行了大量研究。信桂新等将熵权法与改进的优劣解距离法（TOPSIS模型）用于高标准农田建设后的经济-社会效应评价[26]。郑世杰等通过构建综合评价指标体系，对高标准农田建设潜力方面进行了分级[27]。

总体而言，在以往研究中，将高标准农田综合评价与区域差异相结合的研究较少，且前人研究多为单个项目区或县域尺度，区域尺度上效益提升评价及其区域差异的研究相对较少。鉴于此，本文以 586个“十二五”期间黄淮海区国家农业综合开发高标准农田建设项目区为研究对象，通过构建综合效益评价指标体系，对黄淮海区高标准农田综合效益进行综合评价，并对效益提升的区域差异及原因进行分析，以期为今后高标准农田建设项目的规划实施提供科学依据。

1 研究区概况与数据来源

1.1 研究区概况

黄淮海区是中国三大粮食主产区之一，行政区划涉及冀、鲁、豫、皖、苏5省（图1）。该区属温带季风气候，为半干旱、半湿润地区，年降水量为500～900 mm。平原区地势平坦，光热条件优越，宜农土地资源丰富，主要建设优质专用小麦、优质棉花、专用玉米、大豆产业带，是中国重要的农产品生产基地。2012年，黄淮海平原粮食产量约占全国粮食产量的25.24%，人均粮食产量高达592.75 kg，高于同期全国人均435.42 kg的水平[28]，对国家粮食安全起到重要作用。同时，黄淮海区也是可利用水资源受限及地下水超采较为严重的地区，农业生产面临着地下水位快速下降[29]、旱涝灾害频发[30]、农田水利设施老化失修、作物套种面积大，品种熟期不配套等问题[31]，使黄淮海区农业发展受到不同程度的制约。

图1 黄淮海区高程和调查问卷所在的高标准农田项目区中心点坐标的空间分布Fig. 1 Spatial distributions of elevation and center coordinates of well-facilitated farmland projects included in questionnaires in Huang-Huai-Hai region

随着国家农业综合开发“十二五”高标准农田建设工作的开展，黄淮海区作为项目布局的重点区域而受到广泛重视。黄淮海区现有产粮大县300个，“十二五”期间建有农业综合开发高标准农田项目区约4 642个，建设高标准农田79 733.3 km2，占全国建设高标准农田总面积的 29.9%。黄淮海区现有高产田面积 15.28´104km2，其中安徽、江苏、山东、河北、河南高产田面积分别为2.28´104、3.25´104、3.35´104、2.68´104、3.72´104km2；黄淮海区中、低产田面积分别为 20.52´104、9.45´104km2。2015年黄淮海区高产优质农田面积为24.16´104km2，占全国高产优质农田总面积的42.49%。安徽、江苏、山东、河北、河南优质农田面积分别为 3.40´104、2.29´104、6.71´104、4.55´104、7.21´104km2。

1.2 数据来源

1.2.1 调查问卷数据

在代表性项目区的选取原则上，首先通过了解黄淮海区各省农业分区状况和地带性差异，在粮食主产县选择具有代表性、空间分布具有异质性（同一个县的抽样项目区不超过2个）、农田分布具有集中连片性的农业综合开发“十二五”高标准农田建设项目区，同时考虑到项目实施时间，选择建设时间在5a及以上的项目区不少于三分之一。结合项目区调研的可操作性，与各省农业综合开发办公室主管高标准农田建设项目的负责人员商定抽样县及典型项目区。根据调研目标设计调查问卷，通过调研走访、座谈等形式，向省、市、县农发部门工作人员了解高标准农田总体建设情况。问卷调查内容主要包括：1）高标准农田项目区基本概况：代表性点位经纬度、项目区总面积、投资金额等；2）项目区基础设施建设情况：大型农业机械数量、农技服务站建设数量、农业灌溉方式等；3）建设前后效益提升情况：生产经营主体类型、农民亩均增收情况、若土地流转，地块租金的变化情况、良种种植面积、农业灌溉用水量、灌溉用电量、农药化肥施用量、种植面积占项目区面积比例（出地率）等。本研究共设计发放调查问卷 610份，共收回602份。通过对各指标进行描述性统计分析，绘制箱线图查看数据分布情况，并结合项目区实际情况对异常值进行剔除或考证，最终确定有效问卷数量 586份（即 586个抽样项目区），占“十二五”期间黄淮海区高标准农田项目建设总量的12.79%。其中，安徽、河北、河南、江苏、山东问卷数量分别为82、187、116、68、133，分别占各省“十二五”期间建设总量的9.76%、33.82%、13.94%、5.80%、10.69%。本研究选择的586个高标准农田建设项目区的空间分布情况如图1所示。

1.2.2 空间数据

在全国1:10万比例尺耕地空间分布数据基础上，基于2015年美国陆地卫星Landsat 8 多光谱卫星影像，采用人机交互解译的方式对全国高产优质农田进行遥感监测的高产优质农田分布图；利用遥感数据和光能利用率模型，估算全国农田生产力并结合耕地分布数据和耕作制度区划信息划分的黄淮海区高中低产田分布图[32]；地貌数据来源于中国陆地1∶100万数字地貌分类体系[33]。

2 研究方法

2.1 构建高标准农田建设项目综合效益评价指标体系

本研究在效益评价指标选取时主要参考《全国高标准农田建设总体规划》和《高标准农田建设评价规范》[34]，遵循客观公正原则、系统科学原则、可扩展原则、可操作原则及实用的原则，从经济、社会、生态效益 3个角度构建综合效益评价指标体系。

在经济效益方面，高标准农田建设能否有效带动当地农民增收至关重要。《全国高标准农田建设总体规划》中经济效益分析部分明确指出，通过高标准农田建设项目的建设实施，“预计可直接带动种粮农民亩均增加收入约 200元”。本研究从项目实施后农民亩均纯收入提升状况、出租承包地农民财产性收入增加情况2个方面进行经济效益评估，旨在探究黄淮海区高标准农田建设项目实施后是否达到预期的经济效益目标以及提升的实际情况。

在社会效益方面，指标选取主要依据《全国高标准农田建设总体规划》中的社会效益分析部分，其中指出“通过实施本规划，可为良种和农业新技术、新装备的推广创造条件，促进资源节约和环境友好型农业建设”；同时，按照十八届三中全会中提出的“允许财政项目资金直接投向符合条件的合作社，允许财政补助形成的资产转交合作社持有和管护”，“十二五”期间，农业综合开发加大了对新型农业经营主体的扶持力度。因此，在社会效益指标选取中，考虑了项目实施后农业生产经营主体变化情况、农业机械化水平、基层服务水平及农业种植专业化水平，旨在探究黄淮海区高标准农田项目实施后的社会效益提升情况。

在生态效益方面，《全国高标准农田建设总体规划》中生态效益分析部分中指出，“通过实施本规划，可在一定程度上缓解农业发展和耕地、水资源紧张的矛盾，有利于促进农业生产中的生态保护与建设。通过改善农田基础设施，可有效减少农田水土流失，减轻面源污染，保护水土资源”。因此，本研究选取的生态效益指标为项目实施后项目区节地、节水、节电、节肥、节药的“五节”效果。

最后，将11个表征黄淮海区“十二五”高标准农田建设后经济、社会、生态效益的指标逐层划分，建立了高标准农田建设项目综合效益评价指标体系（表1）。

表1 高标准农田建设项目综合效益评价指标体系Table 1 Index system for comprehensive benefit evaluation of projects of well-facilitated farmland construction

2.2 指标数据处理

各指标提升率的计算采用公式（1），当获取黄淮海区整体、区内 5省或划分不同区域类型各指标的平均提升率时，我们采用公式（2）、（3）对各指标提升率进行面积加权处理，以求得更为科学合理的均值。最后，对项目实施后各指标计算结果采用 SPSS 23.0统计分析软件进行方差分析和最小显著性差异（least significant difference，LSD）检验，显著提升时P值应小于0.05。

式中I(Cj)为指标层C中第j个指标的提升率；Ua、Ub分别表示第i个抽样项目区在高标准农田建设项目实施前、后第j个指标的调查统计量；wi为权重，表示为第i个抽样项目区占所有抽样项目区总面积的面积权重，

2.3 熵权法确定评价指标权重

在多指标的定量化评价中，指标权重的确定尤为重要。熵权法[35]是一种较为客观的赋权方法。在信息论中，熵是系统无序程度的度量，熵权法能够根据各指标的变异程度，利用信息熵计算各指标的熵权。熵值较大，说明该指标提供的信息量较大，该指标权重应较大。熵值较小，该指标的提供的信息量较小，权重也应较小[36]。通过熵权对各指标的权重进行修正，能够得出较为客观的指标权重。本文运用熵权法赋予评价指标体系权重，以提高综合效益评价的科学性和客观性。

2.3.1 原始数据矩阵标准化

对m个待评抽样项目区，n个评价指标形成原始数据矩阵R=（rij）m×n

式中rij为第i个抽样项目区第j项指标的评价值。

由于各指标的量纲、数量级均有差异，所以为消除因量纲不同对评价指标结果的影响，需对原始数据矩阵R进行标准化处理，计算公式如下

正向指标标准化公式

负向指标标准化公式

式中ijR¢为标准化值，rj为第j项指标值，rmax为第j项指标的最大值，rmin为第j项指标的最小值。

2.3.2 指标比例的计算

由公式（7）计算第i个抽样项目区第j项指标的权重qij

由此，可以建立数据的权重矩阵

2.3.3 熵值与熵权的获取

计算第j项指标的信息熵值

计算第j项指标的权重wj

2.4 综合评价模型

本文通过建立多指标综合评价模型[37]，将多个评价指标综合成一个整体的综合评价指标，作为综合效益评价依据，评价模型如下

式中Si为第i个抽样项目区的综合效益值，n为指标个数，wij为第i个项目区第j个指标的权重。

2.5 效益提升的区域差异

本文考虑黄淮海区 3类自然要素条件，分别是地貌类型（平原项目区、山地丘陵项目区）、高中低产田类型（高产田项目区、中产田项目区、低产田项目区）、农田优质情况（优质农田项目区、非优质农田项目区）。通过将黄淮海区高标准农田项目区划分为7个类型进行对比，分析位于不同类型自然条件下项目区的经济、社会、生态效益以及综合效益提升情况的区域差异。将每个项目区中心点的代表性经纬度导入 ArcGIS属性表中，在ArcGIS平台下将黄淮海区高标准农田建设项目区经济、社会、生态及综合效益的计算结果分别与黄淮海区地貌类型图、高中低产田分布图、高产优质农田分布图进行叠加分析。将黄淮海区地貌类型、高中低产田类型、优质农田信息赋值到每个点上，将属性表导出并进行相关数学统计及显著性检验，不同类型项目区之间效益值存在显著差异时的P值应小于0.05。

3 综合效益评价及区域差异分析

3.1 经济效益

通过对黄淮海区及各省高标准农田建设项目实施前与项目实施后的农民亩均纯收入及亩均地块租金进行显著性检验，差异显著（表3）。全区平均经济效益值为24.1，其中河北平均经济效益值最高（25.3），其次为江苏、安徽和山东，河南相对较低（21.5）（表 2）。高标准农田项目建设后，黄淮海区农民亩均纯收入由约748.0元提升至约1 084.8元，提升率约达到45.0%。据统计，85.8%的抽样项目区能够达到农民亩均增收超过 200元的经济效益目标。从各省来看，安徽省农民亩均纯收入提升率最大，为51.9%。项目实施后，江苏省农民亩均纯收入为5省中最高（1 186.9元）。黄淮海区亩均地块租金由约604.0元提升至约853.7元，平均每亩增值约249.7元，提升率约为41.3%，提升显著。其中，河南省亩均地块租金提升率最大，为44.4%（表3）。

表2 黄淮海区及各省高标准农田经济、社会、生态及综合效益值Table 2 Economic, social, ecological and comprehensive benefit value of well-facilitated farmland in Huang-Huai-Hai region

表3 黄淮海区高标准农田建设项目实施前后农民亩均纯收入、亩均地块租金及提升率Table 3 Increases and increasing rates of averages of farmers’ net income and land rent per mu after building projects of well-facilitated farmland in Huang-Huai-Hai region

3.2 社会效益

高标准农田建设项目实施后，黄淮海区抽样项目区平均社会效益值为23.2，其中河南省（27.7）、山东省（25.1）和河北省（24.3）社会效益值高于全区平均水平（表2）。据统计，黄淮海区 586个抽样项目区中，农业生产经营主体为“种粮大户”、“合作社”及“公司”的项目区占比由3.0%、1.9%、1.6%分别提升至16.2%、5.8%、4.6%（图 2）。虽然生产经营主体为“一般农户”的项目区所占比例依然较大，但黄淮海区农业生产经营主体类型逐渐多元化，有向适度规模化方向发展的趋势。从各省来看，安徽、河北、河南 3省良种种植面积提升率均高于黄淮海区整体提升水平；安徽省大型农业机械数量提升幅度最大（47.0%）；安徽、河北、河南、江苏 4省基层农技服务站数量提升率相差不大（19.0%～20.6%），山东省提升率相对偏低（11.4%）（表4）。

图2 黄淮海区高标准农田建设项目实施前后4类生产经营主体项目区占比Fig.2 Proportion of four types of production and management projects before and after projects of well-facilitated in Huang-Huai-Hai region

3.3 生态效益

“十二五”黄淮海区高标准农田建设项目实施后，黄淮海区抽样项目区平均生态效益值为 26.4，其中河北省（28.3）、江苏省（27.8）、山东省（27.1）高于全区平均水平（表 2）。黄淮海区平均出地率由 84.7%提升至89.0%，较项目实施前提升 4.3%（表 5）。其中河北省表现最为突出，项目实施后抽样项目区的平均出地率达到了94.5%。江苏省提升了7.2个百分点，出地率的提升幅度最大，有效提高了土地资源利用效率。项目实施后，通过完善配套水利、道路等田间基础设施，实施节水灌溉和科学施肥、施药等技术，在提高了农业水资源利用效率的同时，对促进农田生态系统良性循环，发展优质、高效的生态农业也起到了积极作用。通过实施节水措施，黄淮海区农业灌溉用水量由每亩 220.2 m3减少至157.8 m3，节水率约达 28.3%，其中河南省节水率最高（31.3%）（表5）。据调查，项目实施前，黄淮海区86.1%的抽样项目区农业灌溉方式粗放，以“大水漫灌”为主。项目实施后，其中70.9%的抽样项目区灌溉方式向“滴灌”、“喷灌”、“地下低压管道输水灌溉”等节水措施转变。节水措施的实施在提高黄淮海区农业水资源利用效率的同时，也很大程度减少了能源损耗。黄淮海区亩均灌溉用电量由31.4度降至每亩21.4度，节电率约达31.8%。其中，河南、山东2省节电率较高，分别约为35.2%、36.5%。在节肥、节药方面，全区化肥施用量由每亩 56.8 kg减少至51.1 kg，节肥率约为10.0%。亩均农药用量由165.4 ml减少至每亩144.3 ml，节药率约为12.8%（表5），有效保护了农业生态环境。

表4 项目实施后黄淮海区社会效益相关指标提升率Table 4 Increasing rate of different indices of social benefit after building projects in Huang-Huai-Hai region %

表5 项目实施后黄淮海区生态效益相关指标提升率Table 5 Increasing rates of ecological benefit indices after building projects in Huang-Huai-Hai region %

3.4 综合效益及区域差异

“十二五”高标准农田项目实施后，黄淮海区 586个抽样项目区平均综合效益值为 73.7，最小值为 40.2，最大值为 91.4。其中经济、社会、生态效益值分别贡献32.7%、31.5%、35.8%。24.1%的抽样项目区综合效益值高于80.0，48.9%的抽样项目区综合效益值在60.0～80.0之间。从各省情况来看，河北（77.9）、山东（76.3）、河南（74.9）综合效益值高出全区平均水平 5.7%、3.5%、1.6%（表2）。

结合黄淮海区不同自然环境要素和高标准农田综合评价结果，进一步揭示项目实施后效益提升情况的区域差异性。通过分类统计，在 586个抽样项目区中，共有398个抽样项目区位于平原地区，57个项目区位于山地丘陵地区；262个项目区为优质农田，207个项目区为非优质农田；高、中、低产田项目区分别有198个、204个、53个，不同类型自然条件下黄淮海区高标准农田项目区的经济、社会、生态及综合效益值如表 6所示。研究结果显示，平原项目区、高产田项目区、中产田项目区、优质农田项目区综合效益提升更为显著（P<0.05），分别高出全区平均水平 6.5%、6.8%、4.2%、14.2%，山地丘陵项目区、低产田项目区、非优质农田项目区综合效益值相对偏低，分别低于全区平均水平8.3%、6.0%、5.3%。从3种效益提升水平的区域差异来看，平原项目区、高产田项目区和优质农田项目区的经济效益及社会效益提升较为显著，其中经济效益值高于25.0的项目区，80.4%为平原地区的高产田项目区，77.6%为地处平原地区的优质农田项目区。虽然山地丘陵项目区、中产田项目区、低产田项目区在经济、社会效益提升方面相对偏低，但在生态效益方面提升却较为显著，分别高出全区平均水平 5.3%、12.1%、16.7%。黄淮海区抽样项目区的经济、社会、生态及综合效益提升差异的空间分布情况如图3~图5所示。

表6 黄淮海区不同类型自然条件下高标准农田项目区的经济、社会、生态及综合效益值Table 6 Economic, social, ecological and comprehensive benefit value of well-facilitated farmland projects under different types of natural conditions in Huang-Huai-Hai region

通过结合黄淮海区不同自然要素环境，结果发现，无论 3种效益还是综合效益的提升水平都存在显著的区域差异，平原项目区、高产田项目区、优质农田项目区综合效益提升水平相对更高。分析其原因，主要有以下几个方面：一方面，地形条件是导致耕地生产力区域差异的因素之一，平原地区广布高产优质农田。黄淮海区具有较长的主粮种植历史，尤其在中部平原地区，农业生产集约化程度极高。平原地区不仅具有地势平坦、坡度小、交通便利等方面的地形优势，同时更是高产优质农田集中连片广布的地区，优良的水土条件为平原地区农作物生长提供了良好的自然条件。相对于农田分布零散、地形起伏变化大、水土流失严重的山地丘陵地区，平原地区优势明显。另一方面，平原地区的社会经济条件为农业发展提供了重要保障。黄淮海平原地区不仅是中国北方地区人口、产业、城镇密集地区，更在全国经济发展格局中具有重要地位，平原地区农业的发展更容易产生规模效应，更能够拉动经济、社会效益的提升。值得注意的是，尽管山地丘陵项目区、中低产田项目区在经济、社会效益提升方面并不突出，但在生态效益方面提升良好。通过项目的实施，山地丘陵地区、中低产田项目区通过完善配套水利、道路等田间基础设施，实施节水灌溉和科学施肥、施药等技术措施，对此类项目区生态环境和资源利用效率方面起到重要的积极作用。

图3 黄淮海区地貌类型与抽样项目区综合效益评价结果Fig.3 Spatial distribution of landform and evaluation results of Huang-Huai-Hai region

图4 黄淮海区高中低产田分布与抽样项目区综合效益评价结果Fig.4 Spatial distribution of high-, medium-, low-, yield farmland and evaluation results of Huang-Huai-Hai region

高标准农田建设项目效益提升水平因区域条件差异而有所不同，而不同地区限制农田综合效益提升的因素也会有所不同。因此，为了高质量地完成今后高标准农田的建设目标，应更加科学合理的进行规划布局。

4 建 议

针对今后黄淮海区高标准农田建设工作，本文提出3点建议：1）因地制宜，实行差别化规划布局。对黄淮海区农业资源条件优越、高标准农田建设基础较好的传统粮食主产区，应加大投入和维护资金，保障粮食高产稳产和已建设设施项目的可持续运行；对建设高标准农田项目后可明显提升综合效益或具有较大产能提升潜力的中低产田地区，应根据实地限制因素，合理布局，因地制宜投资；对以生态保护为主、水资源亏缺的地区，应适当考虑调整高标准农田建设方向，侧重于安全优质农产品的生产以及生态环境保护恢复等。2）加强农田建设资金整合，统筹协调管理。建议加强统筹协调，发挥农发办、发改委、国土、农业、水利等各部门的技术和管理优势，实现高标准农田建设事业的“多规合一”。3）强化科技支撑，深化农业科技体制改革。实现农业增产、农民增收、农村发展，关键在于依靠科技的进步。推进高标准农田农作物良种全覆盖，充分引进节水技术、栽培技术、农机技术、优良品种繁育技术等，将新技术推广与信息技术融入农业，发挥科技的示范带头作用。同时，从黄淮海区抽样项目区新型经营主体的发展现状来看，仍需大力培育和支持新型农业经营主体的发展，加强对新型农业经营主体带头人、新型职业农民的培训工作，让多种形式的适度规模经营稳步发展。

5 结 论

本研究依托“十二五”黄淮海区农业综合开发高标准农田建设项目 586份调查问卷数据，对项目建设的综合效益进行了评价，同时进一步阐明了不同自然条件区域项目实施后经济效益、社会效益、生态效益以及综合效益提升的空间区域差异。主要结论如下：

1）高标准农田建设项目实施后，黄淮海区及各省抽样项目区经济、社会、生态效益以及综合效益均显著提升（P<0.05）。其中河北省、山东省和河南省综合效益提升高于全区平均水平。

2）平原项目区、高产田项目区、中产田项目区、优质农田项目区综合效益提升较为显著，分别高于黄淮海区平均水平 6.5%、6.8%、4.2%、14.2%；山地丘陵项目区、低产田项目区、非优质农田项目区综合效益提升相对较低，分别低于全区平均水平8.3%、6.0%、5.3%，此3类项目区虽经济效益和社会效益的提升水平相对较低，但在生态效益提升方面较为突出。

3）针对综合效益提升水平的区域差异，本文提出 3点建议：因地制宜，实行差别化规划布局；加强农田建设资金整合，统筹协调管理；强化科技支撑，深化农业科技体制改革。

本文为定量评价高标准农田建设项目综合效益的区域差异方面提供了一种新思路，能够科学客观地反映不同地区黄淮海区高标准农田项目建设成效，为今后高标准农田建设的合理布局提供科学依据。

由于高标准农田建设成效不仅受到自然因素影响，同时也受到社会因素等人为影响，因此项目区建设后的综合效益评价的指标并非完全受高标准农田建设影响。例如，本文在社会效益指标的选取方面，并未排除高标准农田建设项目区所在地社会经济条件等其他因素对指标提升的作用。这虽然不影响高标准农田建设成效的定性评价，但在一定程度上可能会影响其量化评价结果。随着进一步的深入研究，可尝试更全面地反映社会效益情况的指标。此外，如何选取能够更加准确的反映高标准农田建设项目实施后各类效益提升情况的评价指标，构建科学合理的指标体系，也值得进一步深入研究。

[1]沈明，陈飞香，苏少青，等. 省级高标准基本农田建设重点区域划定方法研究：基于广东省的实证分析[J]. 中国土地科学，2012，26(7)：28－33.Shen Ming, Chen Feixiang, Su Shaoqing, et al. Approach to determining the key areas for provincial high-standard primary farmland development: Based on Guangdong Province[J]. China Land Sciences, 2012, 26(7): 28－33. (in Chinese with English abstract)

[2]薛剑，韩娟，张凤荣，等. 高标准基本农田建设评价模型的构建及建设时序的确定[J]. 农业工程学报，2014，30(5)：193－203.Xue Jian, Han Juan, Zhang Fengrong, et al. Development of evaluation model and determination of its construction sequence for well-facilitied capital farmland[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2014, 30(5): 193－203. (in Chinese with English abstract)

[3]翟晓庆，苏里，裴久渤，等. 辽宁省耕地分区利用及其高标准农田建设分区研究[J]. 土壤通报，2015，46(5)：1056－1062.Zhai Xiaoqing, Su Li, Pei Jiubo, et al. Subarea utilization of cultivated land and zoning of its high-standard farmland construction in Liaoning Province[J]. Chinese Journal of Soil Science, 2015, 46(5): 1056－1062. (in Chinese with English abstract)

[4]王瑷玲，赵庚星，李占军. 土地整理效益项目后综合评价方法[J]. 农业工程学报，2006，22(4)：58－61.Wang Ailing, Zhao Gengxing, Li Zhanjun. Integrated evaluation method for project post-evaluation of land consolidation benefits[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2006, 22(4): 58－61. (in Chinese with English abstract ).

[5]刘姝驿，杨庆媛，何春燕，等. 基于层次分析法(AHP)和模糊综合评价法的土地整治效益评价：重庆市3个区县26个村农村土地整治的实证[J]. 中国农学通报，2013，29(26)：54－60.Liu Shuyi, Yang Qingyuan, He Chunyan, et al. The benefit assessment of land consolidation based on analytical hierarchy process (AHP) and fuzzy synthetic evaluation:Case of 26 villages in Chongqing[J]. Chinese Agricultural Science Bulletin, 2013, 29(26): 54－60. (in Chinese with English abstract)

[6]Shi W, Tao F, Liu J. Changes in quantity and quality of cropland and the implications for grain production in the Huang-Huai-Hai Plain of China[J]. Food Security, 2013, 5(1):69－82.

[7]Shi W, Tao F, Liu J, et al. Has climate change driven spatio-temporal changes of cropland in northern China since the 1970s? [J]. Climatic Change, 2014, 124(1/2): 163－177.

[8]Shi W, Tao F. Spatio-temporal distributions of climate disasters and the response of wheat yields in China from 1983 to 2008[J]. Natural Hazards, 2014, 74(2): 569－583.

[9]刘洋，谭文兵，陈传波，等. 土地整理模糊数学评价模型及其应用[J]. 农业工程学报，2005，21(13)：164－166.Liu Yang, Tan Wenbing, Chen Chuanbo, et al. Fuzzy estimation model for land consolidation and its application[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(13): 164－166. (in Chinese with English abstract)

[10]李正，王军，白中科，等. 基于物元评判模型的土地整理综合效益评价方法研究[J]. 水土保持通报，2010，30(6)：190－194.Li Zheng, Wang Jun, Bai Zhongke et al. Method of comprehensive benefit evaluation of land consolidation based on evaluation model of matter element[J]. Bulletin of Soil and Water Conservation, 2010, 30(6): 190－194. (in Chinese with English abstract)

[11]张正峰，杨红，谷晓坤. 土地整治对平原区及丘陵区田块利用的影响[J]. 农业工程学报，2013，29(3)：1－8.Zhang Zhengfeng, Yang Hong, Gu Xiaokun. Effects of land consolidation in plains and hills on plots use[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013, 29(3): 1－8. (in Chinese with English abstract).

[12]王炜，杨晓东，曾辉，等. 土地整理综合效益评价指标与方法[J]. 农业工程学报，2005，21(10)：70－73.Wang Wei, Yang Xiaodong, Zeng Hui, et al. Method for comprehensive benefit evaluation of land consolidation[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2005, 21(10): 70－73. (in Chinese with English abstract ).

[13]付光辉，刘友兆，祖跃升，等. 区域土地整理综合效益测算：以徐州市贾汪区为例[J]. 资源科学，2007，29(3)：25－30.Fu Guanghui, Liu Youzhao, Zu Yuesheng, et al. Evaluating comprehensive benefits of region land management: A case in Jiawang County, Xuzhou City[J]. Resources Science, 2007,29(3): 25－30. (in Chinese with English abstract)

[14]孙雁，付光辉，赵小敏，等. 农地整理项目后效益评价模式的构建[J]. 农业工程学报，2008，24(1)：129－134.Sun Yan, Fu Guanghui, Zhao Xiaomin, et al. Construction of model for post-project profit evaluation of agricultural land consolidation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008,24(1): 129－134. (in Chinese with English abstract ).

[15]王新盼，姜广辉，张瑞娟，等. 高标准基本农田建设区域划定方法[J]. 农业工程学报，2013，29 (10)：241－250.Wang Xinpan, Jiang Guanghui, Zhang Ruijuan, et al. Zoning approach of suitable areas for high quality capital farmland construction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013,29(10): 241－250. (in Chinese with English abstract).

[16]郭贝贝，金晓斌，杨绪红，等. 基于农业自然风险综合评价的高标准基本农田建设区划定方法研究[J]. 自然资源学报，2014，29(3)：377－386.Guo Beibei, Jin Xiaobin, Yang Xuhong, et al. Study on zoning approach for well-facilitied capital farmland: Based on a comprehensive assessment of agricultural natural disaster risk[J]. Journal of Natural Resources, 2014, 29(3):377－386. (in Chinese with English abstract)

[17]程文仕，乔蕻强，刘学录，等. 基于AHP-DEA模型的土地整治项目规划方案比选[J]. 自然资源学报，2017，32(9):1615－1626.Cheng Wenshi, Qiao Hongqiang, Liu Xuelu, et al.Comparison and selection of land consolidation planning schemes based on AHP-DEA model[J]. Journal of Natural Resources, 2017, 32(9): 1615－1626. (in Chinese with English abstract)

[18]赵素霞，牛海鹏，张捍卫，等. 基于生态位模型的高标准基本农田建设适宜性评价[J]. 农业工程学报，2016，32(12)：220－228.Zhao Suxia, Niu Haipeng, Zhang Hanwei, et al. Suitability evaluation on high quality capital farmland consolidation based on niche-fitness model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(12): 220－228. (in Chinese with English abstract).

[19]崔勇，刘志伟. 基于GIS的北京市怀柔区高标准基本农田建设适宜性评价研究[J]. 中国土地科学，2014，28(9)：76－81.Cui Yong, Liu Zhiwei. A GIS-based approach for suitability evaluation of high standard primary farmland consolidation:A case from Huairou in Beijing[J]. Acta Geographica Sinic,2014, 28(9): 76－81. (in Chinese with English abstract)

[20]边振兴，杨子娇，钱凤魁，等. 基于LESA体系的高标准基本农田建设时序研究[J]. 自然资源学报，2016(3)：436－446.Bian Zhenxing, Yang Zijiao, Qian Fengkui, et al. Study on time sequence of high-standard prime farmland based on LESA[J]. Journal of Natural Resources, 2016(3): 436－446.(in Chinese with English abstract)

[21]奉婷，张凤荣，李灿，等. 基于耕地质量综合评价的县域基本农田空间布局[J]. 农业工程学报，2014，30(1)：200－210.Feng Ting, Zhang Fengrong, Li Can, et al. Spatial distribution of prime farmland based on cultivated land quality comprehensive evaluation at county scal[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 200－210. (in Chinese with English abstract).

[22]蔡朕，刁承泰，王锐，等. 基于集对分的高标准基本农田建设项目选址合理性评价[J]. 中国生态农业学报，2014，22(7)：828－836.Cai Zhen, Diao Chengtai, Wang Rui, et al. Evaluation of the reasonability of site selection for high quality capital farmland construction project based on set pair analysis[J].Chinese Journal of Eco-Agriculture, 2014, 22(7): 828－836.(in Chinese with English abstract)

[23]刘霈珈，吴克宁，赵华甫. 河南省温县吨粮田高标准基本农田选址研究[J]. 中国农业资源与区划，2015，36(3)：10－17.Liu Peijia, Wu Kening, Zhao Huafu. Research in high-standard prime farmland location selection of tonnage farmland in Wen County, Henan[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(3):10－17. (in Chinese with English abstract)

[24]杨绪红，金晓斌，郭贝贝，等. 基本农田调整划定方案合理性评价研究：以广东省龙门县为例[J]. 自然资源学报，2014(2)：265－274.Yang Xuhong, Jin Xiaobin, Guo Beibei, et al. Study on the rationality of basic farmland adjustment scheme: A case study of Longmen County in Guangdong Province[J]. Journal of Natural Resources, 2014(2): 265－274. (in Chinese with English abstract)

[25]杨伟，谢德体，廖和平，等. 基于高标准基本农田建设模式的农用地整治潜力分析[J]. 农业工程学报，2013，29(7)：219－229.Yang Wei, Xie Deti, Liao Heping, et al. Analysis of consolidation potential of agricultural land based on construction mode of high-standard basic farmland[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(7): 219－229. (in Chinese with English abstract).

[26]信桂新，杨朝现，杨庆媛，等. 用熵权法和改进 TOPSIS模型评价高标准基本农田建设后效应[J]. 农业工程学报,2017，33(1)：238－249.Xin Guixin, Yang Chaoxian, Yang Qingyuan, et al. Postevaluation of well-facilitied capital farmland construction based on entropy weight method and improved TOPSIS model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017,33(1): 238－249. (in Chinese with English abstract).

[27]郑世杰，陈英，白志远，等. 高标准基本农田建设精细评估：以临夏县北塬地区为例[J]. 中国农学通报，2014，30(9)：207－212.Zheng Shijie, Chen Ying, Bai Zhiyuan, et al. Fine assessment of building a high-standard prime farmland: Taking Linxia Country, Beiyuan area as an example[J]. Chinese Agricultural Science Bulletin, 2014, 30(9): 207－212. (in Chinese with English abstract)

[28]陈丽，郝晋珉，艾东，等. 黄淮海平原粮食均衡增产潜力及空间分异[J]. 农业工程学报，2015，31(2)：288－297.Chen Li, Hao Jinmin, Ai Dong, et al. Balanced yield increasing potential of grain and its spatial differentiation in Huang-Huai-Hai Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(2): 288－297. (in Chinese with English abstract).

[29]张雪靓，孔祥斌. 黄淮海平原地下水危机下的耕地资源可持续利用[J]. 中国土地科学，2014，28(5)：90－96.Zhang Xueliang, Kong Xiangbin. Cropland sustainable use impacted by groundwater depletion in China’s HHH Plain[J].China Land Sciences, 2014, 28(5): 90－96. (in Chinese with English abstract)

[30]谭方颖，王建林，宋迎波. 华北平原气候变暖对气象灾害发生趋势的影响[J]. 自然灾害学报，2010(5)：125－131.Tan Fangying, Wang Jianlin, Song Yingbo. Impacts of climate warming on trend of meteorological disasters in the North China Plain[J]. Journal of Natural Disaster, 2010(5):125－131. (in Chinese with English abstract)

[31]侯满平，郝晋珉. 黄淮海平原农业战略区划与布局研究[J].中国生态农业学报，2010，18(3)：595－599.Hou Manping, Hao Jinmin. Research on strategic agricultural division and layout of the Huang-huai-hai Plain[J]. Chinese Journal of Eco-Agriculture, 2010, 18(3): 595－599. (in Chinese with English abstract)

[32]冀咏赞，闫慧敏，刘纪远，等. 基于 MODIS数据的中国耕地高中低产田空间分布格局[J]. 地理学报，2015，70(5)：766－778.Ji Yongzan, Yan Huimin, Liu Jiyuan, et al. A MODIS data derived spatial distribution of high-, medium- and low-yield cropland in Chin[J]. Acta Geographica Sinic, 2015, 70(5):766－778. (in Chinese with English abstract)

[33]周成虎，程维明，钱金凯，等. 中国陆地1∶100万数字地貌分类体系研究[J]. 地球信息科学学报，2009，11(6)：707－724.Zhou Chenghu, Cheng Weiming, Qian Jinkai, et al. Research on the classification system of digital land geomorphology of 1∶1 000 000 in China[J]. Geo-Information Science, 2009,11(6): 707－724. (in Chinese with English abstract)

[34]GB/T 33130-2016, 高标准农田建设评价规范[S]. 北京：中国标准出版社，2016-10.

[35]倪九派，李萍，魏朝富，等. 基于AHP和熵权法赋权的区域土地开发整理潜力评价[J]. 农业工程学报，2009，25(5)：202－209.Ni Jiupai, Li Ping, Wei Chaofu, et al. Potentialities evaluation of regional land consolidation based on AHP and entropy weight method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2009, 25(5): 202－209. (in Chinese with English abstract).

[36]李发志，孙华，江廷美，等. 高标准基本农田建设区域时序划分[J]. 农业工程学报，2016，32(22)：251－258.Li Fazhi, Sun Hua, Jiang Tingmei, et al. Time sequence division of high-standard prime farmland construction area[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(22): 251－258.(in Chinese with English abstract).

[37]郭洪泉，王磊，范金梅，等. 北京延庆县耕地整理潜力多因素综合评价数据模型[J]. 农业工程学报，2006，22(8)：83－86.Guo Hongquan, Wang Lei, Fan Jinmei, et al. Multi-factor comprehensive evaluation model for the potential of arable land consolidation for Yanqing District in Beijing[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(8): 83－86. (in Chinese with English abstract).