四川省碎片化耕地可持续利用评价及优化

摘要：近年来，耕地破碎化现象日益突出，不仅阻碍农业生产力的发展，还易造成资源浪费等问题，对农业生产、生态环境以及粮食安全等产生了深远影响。同时，碎片化耕地也限制了农业机械化、专业化和集约化生产方式的形成与发展。文章首先针对四川省碎片化耕地，设置了基线情景、种植结构优化情景、耕地空间置换情景三种未来发展路径，并开展情景分析，从而得到四川省碎片化耕地对粮食生产、全链条氮循环和温室气体排放等方面影响；其次通过构建碎片化耕地可持续利用综合评价体系，从耕地产出、资源投入、生态环境、社会经济、空间景观可持续性五大方面进行评价；最后借助熵权法和TOPSIS等方法对数据进行处理，对比研究不同情景路径下的可持续状态，期望探索四川省碎片化耕地的可持续发展路径，助力粮食安全和相关可持续发展目标的实现。

碎片化耕地是自然地理、社会经济、土地分配和文化传统等多种因素综合作用的结果，表现为一定区域内的耕地在景观格局上呈现地块大小不一、形态复杂不规整、生产利用不便、空间分布离散和破碎，且在所有权或承包经营权上呈现多人共同持有、相邻地块权属交织的综合特征和状态。近年来，随着城市化、农业现代化的快速发展，不能实现规模生产的碎片化耕地正面临着生产力低、农业环境污染风险高、易被撂荒等问题，这成为我国实现农业绿色可持续发展的制约因素。文章旨在探索我国碎片化耕地的可持续发展路径，研究各路径下对粮食生产、环境保护、气候变化的交叉影响，解决耕地碎片化对联合国2030年可持续发展目标（SDG）构成的风险，特别是与“无贫困”和“零饥饿”相关的目标，为协调新时代我国社会经济高质量发展和相关政策制定提供一定的科学依据。

研究区概况

四川省位于中国西南地区内陆，地处长江上游，是一个拥有丰富自然资源和深厚历史文化底蕴的省份。其在行政区划、耕地资源、自然条件、社会经济、气候特征以及地形地貌等方面都具有独特之处。

四川省辖21个地级行政区，包括18个地级市和3个自治州。这些地区进一步细分为183个县级区划，包括55个市辖区、19个县级市、105个县和4个自治县。且耕地资源丰富，全省耕地总面积达到了1.0084亿亩，比国家确定的耕地保有量目标多出636万亩。此外，四川省还划定了永久基本农田7 806万亩，并建立了永久基本农田标志牌和界桩。其自然条件得天独厚，拥有丰富的自然资源和多样的生态系统。

数据来源与研究方法

数据来源

土地利用和覆盖数据：数据来源于清华大学宫鹏课题组数据网站（http：//data.ess.tsinghua.edu.cn/），该数据为2017年中国土地覆盖高分辨率遥感监测数据（FROM-GLC 2017v1， 30m），数据集主要包括耕地在内的共10种地表土地覆盖类型，主要用于提取中国碎片化耕地。

数字高程模型（DEM）：该数据分辨率为90m，范围覆盖中国大陆，该数据主要用于坡度和高程等信息的提取，数据来源于中国科学院资源环境科学与数据中心（http：//www.gscloud.cn/）。

行政区划矢量数据：四川省行政区划数据来源于中国科学院资源环境科学与数据中心（http：//www.resdc.cn）。

氮循环数据：包括肥料氮、粪肥氮、生物固氮、灌溉氮、氮排放等数据，利用这些数据可以计算碎片化耕地在多情景下，耕地子系统中具体的氮流，主要计算氮向环境中排放的变化量。数据来源主要是同行评议的科研论文、行业内相关著作以及2017年中国农业污染源普查（APSCC2017）。

其他数据：包括作物产量播种数据（《2018年农业统计年鉴》Https：//www.yearbookchina.com/-n3021012504-1.html）、参数数据（《2017年四川省统计年鉴》http：//tjj.sc.gov.cn/scstjj/c105855/nj.shtml）等。

数据处理与研究方法

1.四川省碎片化耕地的识别与提取

在ArcGIS Pro 3.5软件中识别碎片化耕地。笔者使用ArcToolbox和模型构建工具，从粮农组织全球耕地规模数据库中提取大型耕地。笔者根据草原＞建筑用地＞森林＞其他土地的优先级，提取了不同土地类型相交的碎片化耕地。使用ArcGIS Pro中的焦点统计工具对碎片农田进行3×3焦点统计，以获得碎片化耕地8个邻近地区的土地利用类型，包括森林、草地、建筑用地和其他土地。

新耕地的空间范围由大型耕地周围的森林和园林的土地格网决定，这些格网被赋予耕地建设优先权（PCCi），并通过ArcGIS Pro 3.5中的焦点统计工具进行模拟。

其中PCCi 是指围绕100乘100的网格中，以第i个网格为中心的耕地网格数。我们按降序对所有网格的PCCi进行排序，并剔除不适合进行耕地建设（坡度大于25度或海拔高于3 000m）的网格。如果存在多个相等的PCCi，则按坡度从小到大进行排序，一般情况下，坡度较小的区域更有可能发展为耕地。

2.情景设计

①基线情景（Bussiness as Usual， BAU）

假设未来没有任何政策或技术干预，所有事物将按照当前的趋势和模式继续发展，在这种情景下，耕地碎片化问题可能会持续加剧。BAU情景模拟的目的是提供一个基准线，以便与其他干预策略进行比较。然而，这种情景通常被认为是不可持续的，因为它忽略了资源有限性和环境承载能力。

②种植结构优化（Optimizing Cropping Structure， OCS）情景

具体来说，被草地分割开的耕地用来种植喂牛的牧草和谷物，其中，牧草和谷物籽粒播种的面积比由饲料结构决定。同时，与林地和居民用地相交的耕地分别种植水果和蔬菜。

③耕地空间置换（Displacement of Cropland， DC）情景

耕地空间置换（Displacement of Cropland， DC）情景模拟提出将耕地转移到更适合耕种的地区，同时将生产效率低的耕地退耕，从而提高土地利用效率。它可以同时实现环境保护、恢复生物多样性和减缓气候变化的多重效益。

3.各情景氮循环计算

①作物生产计算

耕地的氮素输入包括作物生物固氮（NBNF）、肥料氮（Nferizer）、粪肥氮（Nmanure）、灌溉氮（Nirrigation）、沉积氮（Ndeposition）和秸秆回田（Nstraw_back）。假设秸秆燃烧不会排放氮氧化物。同时，草地的氮循环过程与农田基本相同，只是没有秸秆生产和返田。NUEcrop计算方法如下：

在DC情景中，进行大规模生产的新建耕地将减少氮肥和氨的挥发。在DC下计算县级肥料使用量和NH3排放量的公式如下：

其中DC和BAU分别指耕地空间置换情景和基线情景；F代表合成肥料投入量（kg）。X代表农场规模（ha）；E代表NH3排放总量（kg）；EF代表NH3排放因子（%）；α，β代表大规模养殖估计系数。

②畜牧生产计算

猪肉生产系统的投入包括谷物产品（Ncrop_feed）和秸秆（Nstraw），牛肉生产系统的投入包括谷物（Ncrop）、秸秆（Nstraw）和草制品（Ngrass），肉类生产系统的产出包括肉类（Nmeat）、农田粪便（Nmanure）和氮损失（Nlivestock_emission）。NUE牲畜计算如下：

③全链条生产计算

采用NUEfull评估3种模拟情景下全链条生产的总NUE。在OCS情景下，生产的谷物和草用于生产牛肉，而在BAU和DC情景下，生产的谷物用于生产猪肉。

4.各情景温室气体排放估算

农业温室气体排放量是根据联合国政府间气候变化专门委员会指南中概述的排放因子确定的。这种方法考虑了六个关键要素：（1）稻田的CH4排放；（2）农业资本投入的间接排放；（3）施肥的直接排放（N2O）；（4）动物肠内发酵产生的CH4；（5）畜禽和粪便管理产生的CH4和N2O；（6）土地利用变化导致的耕地固碳变化。（1）和（2）的计算使用公式（7），（3）的计算使用CHANS模型，（4）和（5）的计算使用公式（8）计算，（6）参考PAS 205044。

i是指各种排放源，即氮肥、磷肥、钾肥、农药、农膜、农业灌溉和农业耕作；r是指不同的作物类型；EF表示单位排放源释放的温室气体量。

其中g是指畜牧系统的不同排放源，即动物肠胃发酵产生的CH4、牲畜和粪便管理产生的CH4和N2O；h是指不同类型的温室气体；GHGLivestock是指畜牧系统温室气体的排放总量（Tg CO2-eq）；EF代表每种动物释放的温室气体量（公斤头-1年-1），这些温室气体数据来自《省级温室气体清单编制指南（试行）》（2011年）；NCmeat代表畜牧系统生产的肉类中所含的氮（kg N）；IPCC代表牲畜的参考重量（kg·head-1）；Nmeat代表牲畜肉中的氮含量（%）；GWP代表全球变暖潜能值（kgCO2-eq）；CH4和N2O分别为27.9和273。

5.综合评价

①指标标准化

对于指标Xij，Xi为第j项指标值，Xmax为第j项指标值的最大，Xmin为第j项指标值的最小值，Yij为标准化值。

若指标X为正向指标，处理公式如下：

若指标X为负向指标，处理公式如下：

若指标X为适度指标，处理公式如下：

在数据进行标准化后，对数据进行平移，每个数值增加Δ=0.0001。

②熵权法

构建初始数据矩阵：假设有m个评价对象，每个评价对象对应n个评价指标，构建原始数据评价矩阵（1≤i≤m，1≤j≤n），记为：

构建比重数据矩阵Pij：

计算第j项指标信息熵值eij：

其中k为常数，k=1/lnn。

计算第j项指标差异系数gi：

计算第j项指标权重wj：

③TOPSIS方法

1）根据标准化矩阵和各指标权重，计算加权标准化矩阵：

2）确定正理想解B+和负理想解B-：

式中，为第j个评价指标在所有评价对象上的最大值，为第j个评价指标在所有评价对象上的最小值。

计算每个评价对象到正理想解和负理想解的欧式距离：

计算每个评价对象的贴近度：

Ci在0到1之间取值，越接近1表示该评价对象越接近最优水平；越接近0，说明该评价对象越接近最劣水平。

结果与分析

在基线情景、种植结构优化情景、耕地空间置换情景三种未来发展路径下，得出各情景下综合Ci的变化和空间分布。相对于基线情景，其余两种情景均可提高耕地产出、资源投入、生态环境、社会经济、空间景观五大方面的可持续利用水平，为四川省碎片化耕地可持续利用探求了两种新的发展途径。

省级创新训练项目“川西农林宅复合系统耕地可持续生产力评价及优化”（S202310626078）。

（作者单位：四川农业大学）