耕地产能评价研究进展与展望

李晓亮，吴克宁，2，褚献献，杨淇钧，张小丹，郝士横

（1.中国地质大学（北京）土地科学技术学院，北京 100083；2.自然资源部土地整治重点实验室，北京 100035；3.中国农业大学资源与环境学院，北京 100193）

土地的生产能力与食物安全、能源和淡水需求、碳平衡和气候变化有着密切联系，维持土地资源满足人类生产生活需求的生产能力是21世纪最具挑战性的问题之一[1]，而准确评估耕地生产能力是保障粮食安全、全面了解耕地资源的基础[2]。2017年国务院颁布《关于加强耕地保护和改进占补平衡的意见》，明确提出“建立健全耕地质量和耕地产能评价制度，完善评价指标体系和评价方法”的要求，标志着中国正逐渐从耕地数量、质量保护向耕地产能保护方向的转变[3]；2019年中央一号文件在新的战略背景下进一步提出了稳定粮食产量，推动藏粮于地、藏粮于技，巩固提高粮食生产能力的要求。不论是建立产能评价指标体系还是开展高标准农田建设、实施藏粮于地政策，国家的核心目标归根结底是保护和提高耕地的生产能力[4]。目前，中国对耕地产能的研究主要集中在以农用地分等为基础的产能核算方面[5]，而对于耕地产能机理、耕地健康产能方面的研究相对较少，因此有必要系统梳理国内外有关耕地产能的研究进展，对比分析耕地产能评价的各种方法，为构建一套适合中国的耕地产能评价体系提供借鉴和参考。

1 耕地产能研究进展

1.1 土地自然生产力研究阶段

一般认为有关耕地产能方面的研究起源于对土地生产潜力的研究，以1840年VON LIEBIG在Organic chemistry in its applications to agriculture and physiology中提出“最小养分定律（Law of the Minimum）”为开端，他将土地生产力定义为作物种子里和土壤中潜伏的一种力量，凭借这种力量获得作物产量，并根据区域土壤状况和获取营养物质的差异，又将产量划分为实际产量和理论最高产量[6]，当土壤环境中最低量营养物质能够满足作物生长需求时才有可能达到最高产量[7]。基于“最小养分定律”生态学家又提出了“限制因子定律”和“收获能量定律”，进一步完善了土地生产力研究。之后其他学者也对土地生产能力进行了系统性分析，如德国农学家A. D. THAER依据土壤质地、腐殖质含量等土壤性质建立了土壤生产潜力评级体系，比较了不同土壤之间的生产能力差异[8]；中国学者任美锷根据统计数据用农作物总价值系数表示农业生产力[9]；1961年美国农业部建立了第一个土地资源生产潜力评价方法，将土地生产潜力划分了三级，最大程度地考虑了自然适宜性对生产潜力的影响，也奠定了世界范围内开展土地生产潜力研究的基础。该阶段学者更多关注土壤自身属性和作物的自然适宜性，更侧重土地自然生产能力的研究。

1.2 光温（气候）生产力研究阶段

通过对作物光合作用中物质能量转化的研究，人们发现作物的产量与太阳的辐射量、作物的光能利用效率有着紧密的联系[10]，竺可桢、黄秉维等学者依据太阳辐射量建立了光合潜力的评价方法，但该方法的计算结果明显高于作物的实际产量，由此学者在光合潜力的基础上又开展了一系列的修正研究[11]。在实际生产中，田间的水热条件是影响作物生长的重要因素，为此SLATYER[12]、竺可桢[13]等分别从水分、辐射、温度等方面开展了对作物产量的研究。在对作物生长与气候因素之间机理研究的基础上，Wageningen模型、Miami模型、Thornthwaite Memorial 模型等有关光温（气候）生产潜力模型逐渐建立。1978年FAO开展了农业生态区的耕地生产潜力研究，建立了光温生产潜力、光温水生产潜力和光温水土生产潜力评价模型，并逐渐被国际广泛应用。中国农用地分等工作以AEZ模型为框架，通过逐级修正的方式核算了中国耕地的生产能力，并建立了分等成果与实际标准粮产量关系，摸清了理论产能、可实现产能和实际产能状况[14]。该阶段是在了解光、温、水对作物产量影响的基础上开展的耕地生产能力评价，虽然该阶段也涉及到了土壤、社会、经济技术等其他因素对耕地产能的影响，但更多是在光温（气候）生产潜力研究的基础上对耕地产能的进一步完善，因此将该阶段纳入光温（气候）生产力研究阶段。

1.3 耕地健康产能研究阶段

在社会经济的快速发展下，生态环境恶化、土壤污染等问题逐渐显现，如何保障土壤的健康状况，保障粮食数量、质量安全，成为各国关注的焦点。国际上对于耕地健康产能的研究多集中在土壤健康方面，如2002年欧盟实施的土壤环境评价健康项目[15]，2007年美国康奈尔土壤健康团队建立的土壤健康评价体系[16]，均是对土壤健康、环境进行评价。学者更多是对土壤健康指标影响健康状况因素和评价框架的关注，如可降解塑料地膜对土壤健康的影响[17]，土壤侵蚀对土壤物理健康状况的影响[18]等。在评价框架建立方面，部分学者依据土壤健康指标建立了评价体系，如APFELBAUM等提出以生态系统健康为组织框架构建土壤健康评价体系[19]，RINOT等也提出了基于土壤性质和生态系统服务关系的土壤健康评价框架[20]，系统完善了从指标选取到健康评价的整个流程。

目前中国耕地健康产能的研究还处于起步阶段，仅有部分学者开展了耕地健康产能研究，李强等基于耕地质量、产能和土壤环境构建了耕地健康综合指数评价模型，该模型综合考虑了耕地产能和土壤健康状况，可较好展现区域耕地健康状况[21]；单美以耕地地块为研究尺度，通过耕地的生产功能和生态功能核算耕地的健康状况[22]；赵瑞等基于“需求—功能—维度—要素—指标”逻辑框架系统地考虑了耕地健康和耕地产能之间的关系[23]。已有研究发现，中国有关耕地健康产能的研究多集中在农地分等和土壤环境质量成果相融合的方面，未构建明确的耕地健康产能评价框架，同时在土壤物理、化学、生物指标对耕地健康产能的影响方面研究相对较少，因此亟需开展耕地健康产能的机理研究，以完善耕地健康产能评价体系。总体来说，该阶段在耕地产能的基础上考虑了土壤的健康状况，并逐步将产能与健康有机结合，因此将该阶段归纳为产能和健康综合评价阶段。

2 产能核算方法研究

2.1 趋势外推法

趋势外推法是以作物产量为基础，采用灰色模型、指数平滑等方法识别产量变化规律预测作物现实产量的一种方法[24]。该方法仅考虑作物产量数据，适用于非土壤学家对耕地产能的核算，如1986年中国开展的土地资源生产能力及人口承载量项目采用趋势外推法通过灰色模型预测和Logistic Growth Curve Model模拟计算2000年作物单产[24]，估算土地的生产能力；SCHELLBERG根据建立的空间作物产量数据库在区域范围内对土地生产力进行预测[25]。该方法虽然简单易行，但存在对远期产量预测结果精度低，对丰收年和灾害年敏感较差等问题，目前正逐步被其他方法所替代[26]。

2.2 机制法

机制法又称潜力逐级修正法，是从作物截光特征和光合作用角度出发，依据作物生产能力形成机理，以温度、水分、土壤逐级修正的计算光温、气候、土地生产潜力的一种方法[27]，其中Wageningen模型和AEZ模型应用最为广泛。与Wageningen模型相比AEZ 模型更全面地考虑了作物生长所需的气候环境指标，并可应用于更广泛的作物生产力评估，是一个被广泛认可的土地生产力评价模型。中国农用地分等体系也沿用了AEZ方法，以全国标准耕作制度二级区的光温（气候）生产潜力为控制，利用土壤属性、利用水平和经济状况逐级修正得到相应的生产能力。该体系在县域范围内以耕地图斑为评价单元，融合了气候、地形地貌、作物熟制和区域特性，考虑了作物生长所需的光、温、水、土，可较好地评估耕地的生产能力。2017年原国土资源部在“两套指标体系”耕地产能评价[28]的基础上开展了耕地健康产能研究，其中由土壤特性、技术水平、田块状况和生物特性对气候条件逐级修正形成耕地产能，由生产环境、作物品质对系统弹性形成耕地健康，通过空间叠加的方式确定区域耕地健康产能状况。

2.3 作物生长模拟法

作物生长模拟法是根据作物生长全过程所需的辐射量、温度、水分、土壤等因素，采用相应模型模拟作物生长过程和预测作物产量的方法[29]。1970年DE WIT建立第一个模拟作物生长过程中碳素平衡模型ELCROS[26]，1981年KEULEN在模型中完善了水分和营养状况对作物生长的影响，形成了ARID CROP模型[30]，拓宽了作物生长模型的应用范围，随后美国的DSSAT系统、FAO的AquaCrop模型、中国的水稻生长模型等逐渐建立。但该方法由于缺乏统一的建模标准导致各个模型之间预测结果的可比性差，只能用于特定目标下的特定区域，因此亟需建立作物生长模型标准化因子，进一步扩大适用区域。

2.4 经验法

经验法是通过气候因素与作物产量之间的函数关系建立的产能核算模型[31]，其主要机理是以气候因素综合情况表征作物的生产能力，计算的结果表示的是气候生产能力。该种方法中Miami模型和Thornthwaite Memorial 模型较为成熟。Miami模型是由LEITH依据全球50个实测自然植被的净出生产力和与之相对应的年降水量、年均温之间的函数关系建立的模拟模型[32]；Thornthwaite Memorial 模型采用年实际蒸散量预测生产能力是对Miami模型的进一步完善。由于这两种模型所需指标较少，从而被各国广泛应用，但也存在缺乏对其他因素考虑的弊端，仅能表现大的气候环境背景下的平均状况，因此该方法更适合大尺度的耕地气候生产潜力的测算[29]。

2.5 Storie指数法

Storie指数法是基于土壤分类系统和环境特性建立的一种半定量化的土壤生产力评价方法[33]，依据土壤剖面状况、表层质地、坡度和土壤及景观条件4个方面核算土壤生产力，每个评价因素取值范围为0～100，将各因素评分相乘得到生产力指数。由于影响因子分级和评分的主观性较强，2005年O’GEEN等对原有Storie指数法进行了修订，增加了pH值、EC、SAR等因素，并依据美国农业部自然资源保护局（NRCS）和国家土壤信息系统（NAIS）的土壤属性数据，对各指标分值采用模糊函数的方法划定分值区间，将原有因素分级进一步合并，系统地完善了该评价方法[34]。修订后的Storie指数法在Libya北部区域[33]、Andipatti流域[35]都得到了很好地应用。

2.6 耕地地力评价体系

2016年原农业部实施的耕地质量等级评价框架是由土壤立地条件、自然属性等相关要素综合构成的土地生产能力[36]评价方法。该方法将全国划分为9大区域，并规定了每个区域的基础性指标和区域补充性指标，在基础性指标中增加了生物多样性指标，进一步完善了2008年原农业部颁布的《耕地地力调查与质量评价技术规程》在耕地健康评价方面的不足。该方法以层次分析法确定指标权重，以隶属函数确定各指标分值，最终采用累加法计算耕地质量综合指数，该综合指数即表征耕地的生产能力状况。

2.7 M-SQR法

The Muencheberg Soil Quality Rating（M-SQR）法是基于绝大多数的陆生植物都需要良好的生长条件和最佳的土壤质量的理念建立的耕地产能评价方法[37]。该方法由基础指标（Basic Indicators）和危害指标（Hazard Indicators）两个维度构成[37]，其中基础指标主要是与作物生长发育有关的土壤性状指标，包括表层土壤结构、坡度等共8种评价因子；危害指标主要是限制作物生长的环境指标，包括污染状况、盐化等超过13种评价因子。采用加权求和的方式计算基础指标得到耕地本底的生产能力，总分值在0～34之间；采用求积的方式计算危害指标得到耕地的限制情况，总分值在0～2.94之间，通过计算基础指标和危害指标乘积得到耕地生产潜力。该方法采用危害指标修正基础指标的方式较好地体现了耕地的基础地力和限制情况，可满足不同管理需求，但目前该方法仅编制了谷类作物和草地的指标和评分体系，还需进一步扩展应用范围。

3 产能核算方法对比研究

为清楚了解各评价方法之间的相互关系，根据已有研究对上述部分方法进行了梳理。由于趋势外推法不能甄别出对耕地产能有影响的因素，因此未选取该方法进行对比；在机制法中选取了中国广泛应用的农用地分等体系和2017年耕地健康产能评价体系试点研究（产能指数与产量相关性选取的是“两套指标体系”中耕地产能评价结果与产量之间的拟合关系）；作物生长模拟法选取了较为完善的DSSAT系统；由于经验法计算的是气候生产潜力，不涉及土壤状况因此未选取该方法进行对比；Storie指数法（与产量相关性包括修订前和修订后）、耕地地力评价体系和M-SQR法也被选取进行对比。表1是各评价方法及典型应用，虽未遍及所有文献，但所选文献均是典型案例研究，能够表现出各评价方法之间的差异性和趋势性。在文献梳理的基础上依据评分规则对各评价方法进行评分，表2是各评价方法依据标准及各维度分值。

依据表2评价分值建立各评价方法的多维尺度分析图，图1表示各评价方法之间的相似程度。从图中可以看出这6种评价方法大致可分为4类。

表1 评价方法及典型应用Tab.1 Evaluation method and typical applications

第一类是DSSAT模型，以全生育期内作物生长数据来模拟作物产量变化，是在田块范围内选取对作物产量有影响的指标进行分析，因此该方法可精确模拟田块范围内耕地的生产能力，能够准确测算各指标对耕地产能的影响程度。虽然目前随着遥感技术与模

型的融合，研究尺度已由田块尺度发展到区域尺度模拟[63-64]，但当研究尺度扩大时，气象、土壤、管理数据等方面存在较大的空间变异性，导致模拟结果与现实产量的拟合精度将存在较大差异。

（表1续）

表2 各评价方法及各维度分值Tab.2 Evaluation methods and dimensional scores

图1 多维尺度分析图Fig.1 Multi-dimensional analysis

第二类是农用地分等体系和M-SQR法，这两种方法在指标体系、尺度和评价结果方面都有很好的相似性，二者之间存在的主要区别是农用地分等是在全国范围内依据光、温、水采用黄秉维法核算光温（气候）生产潜力，依据区域土壤、技术等因素逐级修正得到的结果，使得分等成果能够全国可比，而M-SQR法是通过建立World Reference Base for Soil Resources（WRB）中参考土壤类型的各指标分值计算基础指标分值，实现全国乃至全世界范围内可比。两种方法评价结果与粮食现实产量具有较好的相关性，但分等体系对耕地健康指标选取不足。

第三类是耕地健康产能评价体系，该体系是以AEZ模型为框架，延续了农用地分等思路、细化了技术水平指标、突出了基础设施建设水平和现代农业技术利用水平特点，理论上该方法可适用于田块、区域和国家范围内，但由于目前缺少相应研究，在评分时将田块尺度和国家尺度给定了0分。除此之外，该评价结果与实际标准粮产量之间拟合程度较差，主要是由于所选指标过多，不能反映主要指标对产能的影响；其次技术水平部分指标不够细化，往往是一个乡镇给定一个值，没有对局部差异进行区分。与其他方法相比，虽然该方法涵盖了耕地健康诊断层次，但未对耕地健康指标尺度进行区分（如蚯蚓指标多应用于田块尺度），导致评价结果在大尺度范围内存在较高的不确定性。

第四类是耕地地力评价体系和Storie指数法，这两种方法更侧重土壤性质对土地生产力的影响。耕地地力评价体系虽选取了易受施肥影响的土壤养分指标，但没有考虑光温降水等大尺度变异指标，致使计算结果虽然能够在小尺度范围内准确评估短期时间内耕地现实产量状况，但不能达到全国可比的目的[65]。Storie指数法同样更适合小尺度范围内的耕地生产力评价[66]。与Storie指数法相比，耕地地力评价体系考虑了土壤生物多样性和清洁程度指标，关注了耕地健康状况；同时将技术条件指标纳入其中，使得评价结果更符合作物的现实产量情况，评价结果与产量拟合结果的波动性相对较小。与其他方法相比，这两种方法均采用了数学方法获取相应的指标分值，一定程度上避免了人为的主观性。

总体来说，这6种方法在指标体系、应用尺度和与产量相关性方面均有不同，可借鉴各方法所具有的优势建立中国耕地健康产能评价体系。

4 耕地产能研究展望

目前中国广泛应用于较大尺度、与耕地产能相关的评价体系有农用地分等体系和耕地地力评价体系；与耕地健康相关的评价体系一种是土壤污染调查体系，一种是地球化学调查评价体系。自然资源部成立之后统一行使全民所有自然资源资产所有者职责，统一现有评价方法建立一套标准化的耕地健康产能评价方法势在必行。耕地健康和耕地产能是两个复杂的巨系统，二者之间既有联系又有区别，因此可以借鉴M-SQR评价框架，将耕地健康产能评价体系分为耕地产能评价和耕地健康评价两大维度，最终以空间叠加或修正的方式计算耕地健康产能评价结果，为耕地数量、质量、生态“三位一体”保护提供核算依据。

耕地产能维度可继续沿用农用地分等体系的理论框架，以作物生长模拟法探索影响耕地产能指标，结合耕地地力评价选取与耕地生产能力相关的土壤指标，选取对土地整治、高标准农田建设后有显著变化的技术水平指标，各指标分值可借鉴耕地地力评价采用隶属函数的方式确定，最终形成以光温（气候）生产力为基础，以土壤、技术为修正因子建立耕地产能评价体系，评价结果可作为耕地占补平衡核算依据，满足中国实行按等补贴、按等折算的政策要求。

耕地健康维度可参考康奈尔土壤评价框架[66]，结合土壤污染调查体系和地球化学调查评价体系选取对耕地健康状况有影响的指标。同时应探索适合不同尺度下的土壤健康指标，避免因各尺度之间指标的混用造成评价结果的不准确性。通过对耕地健康指标综合评价，得到的耕地健康指数可用于监测土壤改良和退化状况，提供改善土壤健康的管理策略，满足耕地生态保护的要求。