耕地产能估算方法研究进展

王倩玉龙

摘要：本文回顾了国内外耕地产能估算的研究进展，着重介绍了耕地产能的概念以及其研究历程，分为作物生产潜力、土地生产力和耕地健康产能三个阶段。主要研究方法包括趋势外推法、潜力衰减法、经验法和Storie指数法。潜力衰减法以Wageningen模型和AEZ模型为代表，经验法中Miami模型和Thornthwaite Memorial模型较为成熟。当前研究存在的问题包括评价不足、工作量大和遥感应用不成熟等。展望未来，期望能够通过技术升级、自动化和大数据分析等手段，进一步提高耕地产能评估的准确性和效率。

关键词：耕地产能；产能估算；农业

1 研究背景

我国地广人稀，土地资源相对匮乏，耕地资源尤为短缺，耕地的安全状况直接影响着国家粮食安全和农业效益，因此，对耕地产能进行深入研究至关重要。通过对耕地进行产能估算，我们可以全面地了解耕地分布情况及变化趋势，这不仅可以为农业结构、产业规划的调整提供科学依据，也有利于我们从数量与质量两方面对耕地进行综合防护。

2 耕地产能研究进展

耕地产能的大小由多方面因素决定，包括气候、地形、土壤等自然环境因素，以及农田基础设施、种子、化肥、农药、灌溉水和劳动等农业生产要素。多年来，随着研究的发展与深入，国内外学者对土地生产能力的研究经历了作物生产潜力、土地生产力、耕地健康产能三个阶段。

2.1 作物生产潜力

作物生产潜力的研究最早可以追溯到德国化学家Liebig（1843）提出的“最小养分定律”。这一理论引发了学者们对作物生产潜力研究的兴趣，并促使他们深入探讨土壤和养分对作物生长的影响。Blac kman在此基础上提出了“限制因子定律”，强调了环境因素对植物生长的制约作用。接着，Mitherlich进一步完善了这一理论，提出了“收获量定律”，突出了作物生长中养分供应的重要性。而德国农学家A.D.THAER在综合考虑了土壤质地等多种有关土壤性质的因素后，建立了土壤生产潜力评级体系，为土地资源的合理利用提供了理论依据。这些理论和模型的提出，为土地资源的科学管理和高效利用奠定了基础，也推动了农业生产方式的不断创新和改进。

2.2 土地生产力

20世纪80年代，对耕地产能的研究进入了以光温（气候）为主要影响因素的土地生产力阶段。研究人员开始深入探索太阳辐射和作物的光能利用效率对作物产量的影响。黄秉维和竺可桢等研究人员提出了一种基于太阳辐射的光合作用能力的评估方法。然而，这种方法的计算结果明显不符合实际情况，因此其他学者在此基础上进行了一系列修正研究，逐渐建立起Wagening模型、Miami等更加成熟的模型[1]。

2.3 耕地健康产能

随着社会经济发展，全球生态环境和土壤健康问题逐渐凸显。各国学者开始关注保障土壤健康的研究，即耕地健康产能研究。Bünemann等探讨了土壤质量与土壤健康的区别，并列举了土壤有机质含量、pH值等与土壤健康相关的常见指标[2]。国内学者对于耕地健康产能的研究主要集中在确定耕地健康的含义等领域。在这个领域里，学者们通过深入探讨耕地的生态功能和生产能力，努力理解耕地健康的内涵与外延。一些学者与Bünemann的观点相仿，认为耕地健康产能可从耕地健康和耕地产能两个方面加以探讨。他们强调耕地健康与生态环境的密切关系，强调了土壤质量、土壤生物多样性等对耕地健康的重要影响。而另一些学者，如李强等，持有不同的观点，他们强调环境质量在耕地健康产能中的至关重要性，强调需要采取有效措施避免耕地受到污染[3]。

3 耕地产能估算方法研究进展

3.1 趋势外推法

趋势外推法是以作物产量为基础，运用灰色模型、指数平滑等方法来识别作物产量变化趋势并估算耕地产能的一种方法。因为只考虑作物产量数据这一个因子，所以相对来说简单易用，但在实践中明显存在一些问题。首先，该方法难以进行长期预测和估算，导致估算结果的不准确性和局限性。其次，趋势外推法对丰年和灾年的敏感度较低，无法充分反映作物生长过程中的异常情况。此外，由于该方法仅考虑作物产量数据，忽略了其他影响耕地产能的因素，因此其估算的准确性和全面性有待提高。

3.2 潜力衰减法

潜力衰减法本质上是一种基于作物生长规律的耕地产能估算方法。它的核心在于建立作物生长模型，通过模拟作物的生长过程和产量形成机制，根据实际情况对光照、温度、水源、土壤和社会经济等因素进行逐级修正，从而估算出耕地的生产能力。潜力衰减法中，比较具有代表性的是Wageningen模型和AEZ模型。相对来说，AEZ模型更全面地考虑了作物所需的气候环境因素，因此有着更广泛的应用空间。中国农用地分等体系就采用了AEZ方法，并以全国标准耕作制度二级区的光温（气候）生产潜力为对照，通过逐级修正各因素来确定耕地的生产能力[4]。

在应用潜力衰减法的过程中，学者们在计算自然和社会经济修正系数方面存在略微的差异。自然修正系数方面，学者们主要研究光合生产潜力和土壤修正系数的计算。光合生产潜力的计算数据来源多样，包括进行直接辐射和散射辐射计算，通过日照时数对天文辐射进行修正等多种方法。土壤修正系数的计算主要受土壤性质、剖面结构、有机质和酸碱度等因子的影响。社会经济修正系数主要受灌溉、排水、交通、农药投入、机械化投入和地膜使用等因子的影响[5]。同时，还需要考虑其他相关因素，如坡位、坡度等地形因子，以及田间管理水平、灾害防治水平等农业因子[6]。

近年来，大多数学者進行的耕地产能估算工作是在县域范围内以耕地图斑为评价单位，县域范围较小时，地形、气候、土壤等自然条件相对一致，估算结果具有一定的准确性和可靠性。

3.3 经验法

经验法是基于气候因素与作物产量之间的函数关系建立的生产能力核算模型。其原理是以气候因素综合情况表征作物的生产能力来估算耕地产能。

Miami模型和Thornthwaite Memorial模型是两个具有代表性的模型。Miami模型由LEITH基于全球50个地点的自然植被净生产力及年降水量、年均温之间的函数关系构建而成[7]。Thornthwaite Memorial模型在Miami模型的基础上引入实际蒸散量，更充分地考虑了气候因素。近年来，我国许多学者应用该模型进行区域耕地产能的研究。例如，路志伟等学者该模型计算了山东省的净初级生产力，并深入研究了其时空分异特征[8]。戴尔阜等研究者则运用该模型确定了气候变化和人类活动对横断山脉地区实际净生产力产生的变化值[9]。然而，这两种模型也存在一些问题。由于所需指标相对较少，存在考虑其他因素不足的问题，因此这些模型更适用于大范围的耕地产能估算。

3.4 Storie指数法

Storie指数法是一种半定量化土壤生产力评估方法，它基于土壤分类系统和环境特性进行构建。该方法主要考虑了四个关键因素：土壤的剖面状况、表层质地、坡度以及土壤和景观条件。具体操作中，每个因素的取值范围被规定在0～100，通过将各因素的评分相乘，最终得到一个综合的生产力指数。然而，Storie指数法存在一定的不足，由于影响因子的分级和评分依赖于主观判断，同时也没有规定因素的类别，导致评估结果不够准确。

2005年，OGEEN等学者对原有的Storie指数法进行了修订，不仅扩大了评价指标的涵盖范围，增加了pH值、电导率、阳离子交换量等关键因素，还参考了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，采用模糊函数来划分区间，将不合理的因素分级进行合并。修订后的Storie指数法在Andipatti流域的应用表明[10]，该方法在实际应用中具有良好的适用性和有效性。该方法与潜力衰减法一样，都适用于小尺度耕地产能的核算。

4 研究展望

我国早期的研究局限在土地生产潜力上，1986年左右，在学习国外成熟模型的基础上，国内初步建立起了一套以气候生产潜力为主导的农用地分等定级规程。近年来，我国在耕地产能估算领域的研究成果颇丰，但仍存在一些不足之处：

4.1 精确性不足

虽然耕地产估算模型日益成熟，但大部分情况下，学者们还是以一县一个光温水生产力指标进行研究工作。这种做法虽然在一定程度上简化了研究过程，但也带来了误差。县级空间作为一个相对较小的空间尺度，其内部的地理条件可能分异较大，或者县域在经纬度上有较大的跨越范围，这些因素都会导致误差。精确性问题的解决关键在于技术手段的提高，如遥感和地理信息系统等技术的应用与发展。同时，可以考虑加强对气象、土壤等要素的实时监测，以更精准地反映耕地的精确的动态变化。

4.2 工作量巨大

在耕地产能估算阶段，传统的采样和分析方法存在工作量大、周期长、成本高和难度大等问题，同时需要大量专业人员参与。这些繁琐步骤和庞大的人力需求极大地制约了产能估算的效率和准确性。未来的发展方向包括引入自动化技术和大数据分析，构建健全的数据处理平台，以减少人工干预和误差，实现对大规模数据的高效处理。此外，通过数据处理平台的信息共享和协同工作功能，可以实现数据资源的有效利用和促进团队协作的高效运作。机器学习和人工智能等技术的应用也是重要的研究与发展方向，实现高新技术的突破将进一步提升工作效率，为耕地产能的估算工作提供更科学、可靠的依据[4]。

4.3 遥感应用不成熟

尽管国内研究中遥感数据在耕地产能方面的应用已有所突破，但现有的指标体系繁多，且土壤、灌溉、排水等要素的遥感识别准确度有待提高。在实践中，我们发现现有的指标体系对于耕地产能的全面评估还存在一定的局限性。因此，未来的研究可以通过进一步细化指标等工作来建立全遥感数据获取的指标体系，以满足耕地产能评估的需求。针对遥感识别准确度不足的问题，研究人员可以着重改进遥感算法，提高对土壤质地、水分状况等关键因素的遥感准确度，以此提高遥感数据的可信度和精度，为耕地产能评估提供更可靠的数据支持。此外，可以利用多源数据融合技术，通过融合不同来源和类型的遥感数据综合计算得出结果，提高遥感评价的全面性和可操作性，为耕地产能估算等工作提供更加科学、可靠的技术支持。这种数据融合的方法将为我们深入了解土地资源的利用状况提供重要参考，为未来的土地资源管理和保护提供更为可靠的数据支撑。

参考文献

[1] 孙嘉曼.东北黑土区耕地利用及其产能变化研究[D].哈尔滨：东北农业大学，2022.

[2] Bünemann E K，Bongiorno G Bai Z G，et al.Soil quality--A critical review[J].Soil Biology and Biochemistry，2018（120）：105-125.

[3] 李强，彭文英.生态脆弱区耕地健康诊断体系构建及评价实践[J].干旱区资源与环境，2014，28（7）：67-72.

[4] 董艳超.基于地形改进的NPP耕地产能计算及其应用[D].武汉：武汉大学，2021.

[5] 李志富.基于潜力衰减法的鸡西市耕地产能核算及提升对策研究[D].哈尔滨：东北农业大学，2020.

[6] 马瑞明，马仁会，韩冬梅，等.基于多层级指标的省域耕地质量评价体系构建[J].农业工程学报，2018，34（16）：249-257.

[7] 李晓亮，吴克宁，褚献献，都.耕地产能评价研究进展與展望[J].中国土地科学，2019，33（7）：91-100.

[8]Zhiwei Lu，Peiwen Chen，Yan rui yang，et al.Exploring

quantification and analyzing driving force for spatial and

temporal differentiation characteristics of vegetation

net primary productivity in Shandong Province，China[J].Ecological Indicators，2023（6）：153.

[9] Le Yin，Erfu Dai，et al.What drives the vegetation dynamics in the Hengduan Mountain region，southwest China：Climate change or human activity？[J].Ecological Indicators，2020（112）：126-131.

[10]EI-Aziz SHA.Evaluation of land suitability for main

irrigated crops in the north-western region of Libya[J].Eurasian Journal of Soil Science，2018，7（1）：72-86.