EN中文

Economic geography >

2024 , Vol. 44 >Issue 5: 151 - 160

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.05.016

Mechanism of Factors Influencing the Cultivated Land System Health in the Black Soil Region of Northeast China：A Case Study of Keshan County

  • SU Hao , 1 ,
  • LI Xueyin 1 ,
  • WU Cifang , 2, ※
Expand
  • 1. School of International Affairs and Public Administration，Ocean University of China，Qingdao 266100，Shandong，China
  • 2. Land Academy for National Development，Zhejiang University，Hangzhou 310058，Zhejiang，China

Received date: 2023-07-30

  Revised date: 2024-03-18

  Online published: 2024-09-14

Fold

Abstract

Illuminating the mechanism of the factors affecting the cultivated land system health provides a scientific basis for the accurate diagnosis of cultivated land system health status and fine management of cultivated land. Taking Keshan County,a typical black soil region of the Northeast China,as a research area,this paper uses the wavelet coherence model to calculate the coherence coefficients of factors affecting the cultivated land system health,precisely delineates the magnitude,direction,and scope of these factors by the means of wavelet coherence spectra and phase angles,and reveals the mechanisms of the influencing factors on cultivated land system health. It's found that: 1) Some of the more significant factors affecting cultivated land system health in the study area are total nitrogen,available phosphorus,precipitation,temperature,soil erosion,organic matter,black soil layer thickness,agricultural labor force,cultivated land input,pH,and soil texture. 2) The impact of these factors on the cultivated land system health exhibited distinct spatial and temporal differentiation,with internal factors of the system playing a significant role. The influence of these factors decreases vertically while increasing horizontally. 3) In the study area,influencing factors of cultivated land system health are not the same in different sections of the sampling line in terms of impact magnitude and direction. Factors with a significant positive effect on the system health have a high demand for system health,increasing the intensity of the factor's inputs favors system health,and vice versa. In conclusion,illuminating the process and mechanism of cultivated land system health in the black soil region of the Northeast China represents an expansion and deepening of the content of cultivated land protection,and it provides an important reference for the development and improvement of cultivated land protection policies.

Key words： cultivated land system health; mechanism; wavelet coherence model; black soil region of the Northeast China

Cite this article

SU Hao , LI Xueyin , WU Cifang . Mechanism of Factors Influencing the Cultivated Land System Health in the Black Soil Region of Northeast China：A Case Study of Keshan County[J]. Economic geography, 2024 , 44(5) : 151 -160 . DOI: 10.15957/j.cnki.jjdl.2024.05.016

黑土是耕地中的精华[1]。受自然条件和人类活动的影响，东北黑土区耕地经过长期的开发与利用在不断退化，如黑土层变薄、黑土变瘦变硬[2]，耕地健康状况严重影响到粮食综合生产能力的提升和农业可持续发展。党中央、国务院高度重视耕地保护问题，2015—2023年，中央一号文件持续强调要加大东北黑土地保护力度，实施黑土地保护工程；2020年，中央多部委印发《东北黑土地保护性耕作行动计划（2020—2025年）》，要求东北适宜区逐步推进保护性耕作，促进东北黑土区保护与可持续发展；2022年，《中华人民共和国黑土地保护法》正式颁布，将黑土保护纳入法律保障体系，严禁各类破坏黑土的行为。与此同时，各级地方政府也纷纷出台和改进黑土区耕地利用保护条例。此外，国家重点研发计划设立了“黑土地保护与利用科技创新”重点专项，国内众多专家学者参与其中，发布了《黑土地保护与利用报告（2021—2022年）》，并形成了阶段性研究成果。由此可见，东北黑土区耕地保护已经上升到国家战略高度，受到中央和各级政府及学者们的高度关注。
目前，关于黑土地利用保护的成果多集中于黑土地的土壤侵蚀[3]、保护性耕作[4]、耕地质量评价与治理[5]、耕地休耕轮作[6]等方面，但对耕地系统健康关注较少。黑土区耕地系统健康受各种因子的影响，不同时点的主导影响因子不同，耕地系统健康影响因子的作用机理尚不清晰。因此，探索揭示黑土区耕地系统健康影响因子的作用机理，是摸清耕地系统健康状态的关键科学问题，可为各级政府及相关部门进行耕地利用保护决策、实施防控和化解风险提供重要参考。
耕地系统健康是各种自然因素和社会经济因素综合作用的结果。当耕地系统内部因子发生突变或外界因子过度干扰，耕地系统超过一定阈值范围，达到健康阈值的极限，耕地系统健康受损[7-8]。因此，识别并阐明各因子对耕地系统健康作用的强度大小、方向和范围，能起到“未病先防，治病于微”的作用。当前，关于耕地系统健康研究取得了一定的进展，前期研究表明耕地系统是具有长、宽、高的有机立体空间，同时受系统外部垂直方向、水平方向因子共同作用形成一个微生态环境，耕地系统健康是指耕地系统具备稳定的生产能力、维持能力和恢复能力[9]。耕地系统健康问题是由耕地系统内、外因子发生变化超过一定阈值范围引发的，但耕地系统健康的影响因子作用机理尚不清楚，影响因子作用关系也尚不明确[10]。关于耕地健康评价[5]、耕地系统韧性[11]和耕地系统弹性评价[12]的研究方法取得了一定的进展，学者们主要运用障碍度模型[13]、灰色关联度模型[14]、空间自相关分析方法[15]、地理探测器[16]、GA-BP因子降维模型[17]、Logsitic回归模型[18]、压力—状态—响应模型[19]和神经网络法[17]等方法，研究某个时间节点或长时间序列因子对生态系统健康[20]、耕地健康[5]和土壤健康[21]的影响机理。研究结果表明：气候、土壤[22]、地形地貌等自然要素变化会对耕地健康产生一定影响[9,23]；人文因素对土地健康或生态系统健康的影响比自然因子的影响更为严重，如土地利用方式[24]、工业废水排放[25]、农药化肥使用[26]和农业基础设施完备程度等[27]。
综上发现，国内外已有文献尚缺少对耕地系统健康影响因子作用机理的系统性研究。鉴于此，本文以东北典型黑土区克山县为研究区，利用Matlab软件编程和改进小波相干模型，分析研究区1986—2018年耕地系统健康及其影响因子两组非线性相关信号数据波动的同步性，揭示影响因子大小在时间和空间尺度上的分布特征及变化规律；根据小波相干谱的突变范围，确定影响因子对耕地系统健康的作用范围；利用小波相干位相角，明确各种影响因素对耕地系统健康的作用方向，深入阐明耕地系统健康影响因子作用机理，研究成果可为黑土区耕地保护和可持续利用提供重要的技术支撑。

1 研究区与数据来源

1.1 研究区概况

研究区克山县位于黑龙江省齐齐哈尔市东北部，地处松嫩平原腹地，是黑土地的核心地带，全县黑土面积约占总耕地面积的90.0%以上，是东北典型黑土区。2022年，克山县辖7个镇、8个乡和1个国营农场，土地总面积为3186 km2，其中耕地面积为2501 km2，占全县土地面积的79.0%；粮食总产7.39亿kg，同比增长10.0%以上。克山县总人口50万，其中农业人口10万，占总人口20.0%。克山县是全国产粮大县、国家重要商品粮基地，也是全国农业可持续发展试点县和黑土地保护利用整建制推进试点县，在推进黑土保护中具有良好的自然条件与基础优势。近年来，由于气候变化、水土流失以及过度耕作等原因，克山县土壤有机质含量下降，黑土层变薄，制约了农业的可持续发展，保护黑土地已成为当务之急[8]。

1.2 数据来源及处理

研究区1986、2010和2018年土地利用数据来源于土地利用变更数据库。粮食产量数据来源于2017—2018年《克山统计年鉴》。农业劳动力、耕地投入数据均为结合中国科学院资源环境科学与数据中心数据和《克山统计年鉴》《齐齐哈尔市年鉴》筛选计算所得。全年日照时数、温度和降水量数据主要来源于中国科学院信息化建设专项“人地系统主题数据库”和“Worldclim数据库”。土地利用多样性指数利用Matlab计算机编程，利用Gibbs-Martin指数计算获取[7]。1986、2010和2018年归一化植被指数数据分别来源于Landsat MSS遥感影像（80 m×80 m）、Landsat TM遥感影像（30 m×30 m）、Landsat8 TM遥感影像（30 m×30 m），根据研究区气候特点，选择6~9月遥感影像以确保影像清晰。地貌类型数据来源于“国家地球系统科学数据中心”DEM数据，本文提取研究区高程、坡度和坡向数据，对原始地貌类型图进行扫描、纠正、矢量化、检验，获得研究区地貌类型图。1986—2018年研究区有机质、有效磷、有效钾、有效氮、pH值和旱季地下水位数据来源于克山县第二次土壤普查成果、克山县土肥站和克山县农业推广中心实测数据。土壤质地、黑土层厚度、距障碍层深度和施肥量等土壤数据来源于克山县农用地分等定级成果等。水土保持系数由克山县农用地分等定级数据和《克山县土壤》中土壤侵蚀指数取倒数后重分类获得。需要说明的是，由于2019—2022年受疫情影响，克山县采样数据量有限，无法支撑本项研究，因此研究年份截止至2018年。
1986—2018年研究区采样点的耕地土壤类型均为黑土，其中1986年采样点数据利用ArcGIS手段，将耕地矢量数据进行面转点处理，获得2173个采样点。经筛选处理，并剔除未在耕地上的采样点，获得有效采样点2022个。2010年选用克山县土肥站实地采样点1961个，经筛选处理因GPS偏离等问题未在耕地上的采样点，有效采样点为1851个。2018年选用克山县土肥站实地采样点1961个，经筛选处理获得有效采样点1880个。

2 研究方法

2.1 研究区耕地系统健康采样线布设

本文以东北黑土区典型地域克山县为研究区，选取1986、2010和2018年为典型年份，因地制宜，筛选耕地系统内、外部重要指标，构建耕地系统健康影响因子指标体系。利用Matlab软件编程，改进小波相干模型，阐释耕地系统健康影响因子作用大小、方向和范围。鉴于小波相干模型的输入信号必须为在时空上连续的数据类型，需要选取采样线上的连续数据进行运算。采样线设置应考虑样线所在位置应当尽量与研究区主轴平行或重合，并综合考虑研究区的自然生态条件和土地利用变化规律，尽可能多地穿越1986—2018年耕地覆盖、耕地类型较多的区域。因此，利用ArcGIS平台，布设南北向采样线。研究区采样线长度为76.72 km，将采样线均分成南部、中部、北部3个25.57 km长的样段，其中0~25.57 km为样线南部，25.57~51.15 km为样线中部，51.15 km~76.72 km为样线北部 ① ，中北部、中南部分别指代中部和北部、中部和南部，为耕地系统健康与其影响因子之间空间数据的小波相干分析提供分析样本数据。

2.2 耕地系统健康关键影响因子作用机理模型

小波相干模型是小波变换与相干分析相结合的数学方法，该模型可以用来度量两组信号数据在时间或空间尺度上的分布特征及周期变化规律，能够衡量两组信号之间的因果关系。其中，小波相干性系数能够反映两组信号的同步性，小波相干谱可以度量空间中两组信号局部相关的密切程度[28]。

2.2.1 连续小波变换

利用连续小波变换确定小波窗口函数，小波变换能清晰地聚焦和揭示隐藏在时间、空间尺度中的变化周期和突变范围，Morlet解析小波在时域、空间和频域的局部性较好。该方法能够对影响因子和耕地系统健康两组信号数据进行处理，将信号分解为频率和时间，在时域和空间上记录信号的耕地系统各影响因子突变时间和位置，提取信号突变的频段即影响因子作用范围[29]。

2.2.2 小波相干谱

利用小波相干模型，计算典型年份耕地系统健康影响因子的小波相干系数，确定耕地系统健康影响因子作用强度。获取两组空间连续信号的小波相干谱，度量耕地系统健康Y和耕地系统健康影响因子X相关的密切程度。
小波相干谱的显著性检验采用Monte Carlo方法，明确耕地系统健康与其影响因素之间的作用关系，若小波相干系数大于0.75，说明该影响因素对耕地系统健康会产生重要作用。

2.3 耕地系统健康影响评价指标体系构建

依据耕地系统与耕地系统健康的内涵[9-10]，结合典型黑土区克山县耕地利用的特点，从耕地系统内部作用、垂直与水平方向作用三方面，通过筛选和比对选取20个指标，构建影响耕地系统健康的评价指标体系（表1）。
表1 研究区耕地系统健康评价指标体系

Tab.1 Index system of influencing factors on cultivated land system health in the study area

目标层 准则层 指标层 指标含义
耕
地
系
统
健
康		 水平
方向		 农业劳动力 反映该地区从事农业生产的劳动力数量（人）
耕地投入 研究区对耕地经济投入量（元）
土地利用多样性指数 耕地系统周边土地类型的复杂程度
土地利用类型 耕地系统周边不同的土地利用方式
植被指数NDVI 即归一化植被指数，反映了研究区植被生长状态和覆盖度
垂直
方向		 温度 耕地系统所处环境的温度（℃）
降水量 耕地系统所处环境的降水程度（mm）
全年日照时数 日照对耕地系统作物及农田生物有机体生长发育的影响（h）
距障碍层深度 耕地系统距离其以下妨碍植物生长土层的深度（cm）
旱季地下水位 耕地系统的地下水位情况（cm）
系统
内部		 土壤质地 黑土土壤的物理性状
黑土层厚度 耕地耕作层的厚度（cm）
地貌类型 耕地表面形态特征
施肥量 耕地施用各类化肥的数量，反映了该区域耕地生产对化肥投入的依赖程度（g·kg-1）
pH值 反映黑土土壤酸碱度
有机质 各种形态存在于土壤中的所有含碳的有机物质，是黑土耕地的土壤养分和肥力的重要指标（g·kg-1）
全氮 黑土耕地氮素的总贮量和供氮潜力，是表征土壤肥力水平的重要指标（g·kg-1）
速效钾 含量大小反映了黑土钾元素养分供应水平的高低，是土壤养分的重要指标（mg·kg-1）
有效磷 含量大小反映了黑土磷元素养分供应水平的高低，是土壤养分的重要指标（mg·kg-1）
水土保持系数 研究区耕地抵御土壤侵蚀影响的能力

3 耕地系统健康影响因子作用机理

3.1 1986—2018年耕地系统健康敏感性影响因子的识别

作者前期研究利用地理探测器中分异及因子探测模型和交互作用探测器模型，识别研究区耕地系统变化的单一和交互敏感性因子。研究表明：1986—2018年影响研究区耕地系统变化的影响因子在不同时期作用大小有所差异。1986年耕地系统变化敏感性因子有5个，分别为全氮、有效磷、耕地投入、温度和降水量；2010年敏感性因子有8个，分别为农业劳动力、耕地投入、pH值、有机质、全氮、速效钾、有效磷和水土保持系数；2018年敏感性因子有6个，分别为农业劳动力、耕地投入、土壤质地、黑土层厚度、有机质、全氮[10]。
利用Morlet小波为基小波的连续小波变换和小波相干模型，计算1986—2018年耕地系统健康与敏感性因子连续信号的小波相干平方系数。结果表明：1986年耕地系统健康与全氮、温度、降水量、耕地投入、有效磷5个影响耕地系统变化的敏感性因子均有一定的相干性，小波相干系数分别为0.8258、0.8147、0.8135、0.6792、0.7772；2010年耕地系统健康与有机质、有效磷、速效钾、水土保持系数、耕地投入、农业劳动力、全氮和pH值8个影响耕地系统变化的敏感性因子均有一定的相干性，小波相干系数分别为0.7755、0.7874、0.6985、0.8426、0.7605、0.7691、0.6671和0.7686；2018年耕地系统健康与6个影响耕地系统变化的敏感性因子均有一定的相干性，小波相干系数分别为0.7590、0.7788、0.7823、0.7672、0.8233和0.7716。选取小波相干系数大于0.75为标准来确定因子对耕地系统健康具有显著的相干性，1986年影响耕地系统健康的因子有4个，影响程度由大到小依次为全氮、温度、降水量、有效磷；2010年影响耕地系统健康的因子有6个，影响程度由大到小依次为水土保持系数、有效磷、有机质、农业劳动力、pH值、耕地投入；2018年影响耕地系统健康的因子同为6个，影响程度由大到小依次为黑土层厚度、有机质、全氮、耕地投入、土壤质地、农业劳动力。

3.2 1986—2018年耕地系统健康关键影响因子作用机理

小波相干谱显示，不同影响因子在不同采样线样段对耕地系统健康影响作用大小、方向与范围不同。其中，正向影响说明在此区域该影响因子是限制耕地系统健康的关键因子，该影响因子的贡献未能满足达到理想产量标准，应增加该影响因子的投入；负向影响说明在此区域耕地系统对该影响因子需求较低，影响因子增加不但不利于该区域作物生长，而且会影响耕地系统健康；影响不显著说明此区域的该影响因素含量较为适宜，在一定范围内的浮动不会引起耕地系统健康的变化。
1986年影响耕地系统健康的因子有4个，影响程度由大到小依次为全氮、温度、降水量、有效磷，影响因子小波相干谱显示：①全氮在15~25 km样段对耕地系统健康产生显著的负向影响，在40~47 km对耕地系统健康产生显著的正向影响，全氮在采样线其他样段中影响不显著。研究区南部耕地系统健康对全氮依赖程度较低，中部对全氮依赖程度高（图1a）。②温度在38~52 km样段对耕地系统健康产生显著的正向影响，在68~69 km对耕地系统健康产生显著的负向影响，温度在采样线其他样段中对耕地系统健康影响不显著。研究区中部耕地系统健康对温度依赖程度较高，北部对温度依赖程度低（图1b）。③降水量在37~62 km样段对耕地系统健康产生显著的负向影响且在样段不同范围内影响程度不同，作用程度从大到小依次为37~55 km、55~59 km和58~62 km，在67~68 km样段对耕地系统健康产生显著的正向影响，降水量在采样线其他样段中对耕地系统健康影响不显著。研究区中北部耕地系统健康对降水量依赖程度较低，北部依赖程度高（图1c）。④有效磷在13~23 km和38~44 km样段对耕地系统健康产生显著正向影响，且在13~23 km样段影响更大，有效磷在其他样段内对耕地系统健康均无明显影响。研究区南部和中部耕地系统健康对有效磷依赖程度较高，北部对有效磷依赖程度低（图1d）。
图1 1986年研究区耕地系统健康关键影响因子小波相干谱

Fig.1 Wavelet coherence spectra of key influencing factors on cultivated land system health in 1986

2010年影响耕地系统健康的因子有6个，影响程度由大到小依次为水土保持系数、有效磷、有机质、农业劳动力、pH值、耕地投入，影响因子小波相干谱显示：①水土保持系数在26~55 km和62~67 km样段对耕地系统健康产生显著的正向影响，在采样线其他样段对耕地系统健康影响不显著。水土保持系数在样线中部对耕地系统健康的作用强度大于样线南部和北部，对耕地系统健康的影响在样线上呈“凸”型分布。可见，研究区中部耕地系统健康对水土保持能力依赖程度高，南部和北部耕地系统健康对水土保持能力依赖程度较低（图2a）。②有效磷在35~39 km样段对耕地系统健康产生显著的正向影响，在65~68 km样段产生显著的负向影响，在其他样段对耕地系统健康影响不显著。研究区中部耕地系统健康对有效磷依赖程度较高，北部对有效磷依赖程度低（图2b）。③有机质在13~18 km、30~40 km和57~65 km样段对耕地系统健康产生显著的正向影响，在40~50 km样段产生显著的负向影响，在其他样段对耕地系统健康影响不显著。研究区南部和北部耕地系统健康对有机质依赖程度较高，中部对有机质依赖程度低（图2c）。④农业劳动力投入在11~18 km样段对耕地系统健康产生显著的负向影响，在30~49 km样段产生显著的正向影响，在其他样段对耕地系统健康影响不显著。研究区中部耕地系统健康对农业劳动力依赖程度较高，南部对农业劳动力依赖程度低（图2d）。⑤pH值在12~18 km和60~66 km样段对耕地系统健康产生显著的负向影响，在31~52 km产生显著的正向影响，在采样线其他样段对耕地系统健康影响不显著。pH值在样线中部具有显著影响且作用大于样线南部和北部两侧，pH值在样线上对耕地系统健康的影响呈“凸”型分布。可见，研究区中部耕地系统健康对pH值依赖程度高，南部和北部耕地系统健康对pH值依赖程度较低（图2e）。⑥耕地投入在3~18 km和32~57 km样段对耕地系统健康产生显著的负向影响，说明在该区域有因经济发展占用耕地的倾向；在60~66 km样段产生显著的正向影响，说明该区域在耕地生产经营中需要各种要素的投入，如农业基础设施、化肥农药等，才能使耕地系统处于有序状态，保障耕地系统健康；在采样线其他样段对耕地系统健康影响不显著，说明该区域耕地在利用过程中需要经济投入要素匹配合理，不再需要较大的经济投入，也无因经济发展占用耕地的倾向，耕地投入在一定范围内的浮动不会导致耕地系统向无序方向发展和耕地系统健康问题的出现。研究区北部耕地投入对耕地系统健康的作用大于南部和中部（图2f）。
图2 2010年研究区耕地系统健康关键影响因子小波相干谱

Fig.2 Wavelet coherence spectra of key influencing factors on cultivated land system health in 2010

2018年影响耕地系统健康的因子同为6个，影响程度由大到小依次为黑土层厚度、有机质、全氮、耕地投入、土壤质地、农业劳动力，影响因子小波相干谱显示：①黑土层厚度分别在15~23 km和58~67 km样段对耕地系统健康产生显著的正向影响，黑土层厚度在58~67 km样段对耕地系统健康影响程度显著高于其在15~23 km样段的影响程度；在其他样段中黑土层厚度对耕地系统健康影响不显著。可见，研究区南部和北部对耕地系统健康的作用大于中部。克山县作为东北典型黑土区，过度开发垦殖，水土流失问题持续发生，黑土层持续变薄。从2015年起，克山县把黑土保护列入全县农业农村工作重点，制定《克山县黑土地保护治理“十三五”规划》；2017年建立黑土保护院士工作站，通过大力实施秸秆还田、施用有机肥等措施提高土壤耕层厚度，尽管2015—2018年黑土层厚度增加了6.5 cm，但黑土层厚度仍然需要进一步增加。2018年乃至未来相当长的时间内黑土层厚度仍为耕地系统健康的关键影响因子（图3a）。②有机质在5~15 km样段产生显著的负向影响，在15~18 km和32~40 km样段产生显著的正向影响，在其他样段对耕地系统健康影响不显著。有机质在南部和中部对耕地系统健康的作用大于北部，且在样线的中部对耕地系统健康的显著正向影响大于南部。可见，研究区南部和中部耕地系统健康对有机质依赖程度较高，北部对有机质依赖程度较低（图3b）。③全氮在31~35 km样段对耕地系统健康产生正向影响，在其他样段对耕地系统健康影响不显著。样线中部全氮对耕地系统健康的作用大于样线其他地区。2018年克山县县域内全氮含量持续下降，全氮已经成为影响研究区耕地系统健康的关键因子（图3c）。④耕地投入在27~35 km样段对耕地系统健康产生显著的负向影响，说明在该区域有因经济发展占用耕地的倾向；在45~51 km产生显著的正向影响，说明该区域在耕地生产经营中需要要素的投入如农业基础设施、种子、化肥或农药等的投入；在其他样段耕地投入对耕地系统健康影响不显著。样线中部耕地投入对耕地系统健康的影响大于样线南部和北部（图3d）。随着经济发展和技术的进步，土地集约经营水平越来越高，对适宜耕地生产各种要素的匹配合理程度有了新的要求，都需要经济社会的支持和投入。⑤土壤质地在30~34 km样段对耕地系统健康有显著的正向影响，说明该区域需要改良土壤质地以维持耕地系统有序的健康状态，来满足耕地农业生产的需要；在其他样段土壤质地对耕地系统健康影响不显著。土壤质地对研究区耕地系统健康影响均为正向影响，且作用强度集中于样线中部（图3e）。研究区有近1/3是黏土，其余是壤土，不同土壤质地适宜不同作物，应因地制宜合理进行耕地利用。⑥农业劳动力数量在31~32 km样段中对耕地系统健康产生显著的正向影响，在62~66 km样段产生显著的负向影响，在其他样段对耕地系统健康影响不显著。这一时期农业劳动力对耕地系统健康的显著作用主要集中于样线中部和北部。研究区北部耕地系统健康对农业劳动力依赖程度较低，中部对农业劳动力依赖程度高（图3f）。
图3 2018年研究区耕地系统健康关键影响因子小波相干谱

Fig.3 Wavelet coherence spectra of key influencing factors on cultivated land system health in 2018

3.3 1986—2018年耕地系统健康影响因子作用机理分析结果

1986—2018年，研究区不同时段的影响耕地系统变化的敏感性因子对耕地系统健康作用的显著程度不同，各因子的影响强度、范围和方向也不尽相同。研究期间耕地系统健康从影响程度、影响范围和影响方向上作用比较明显的关键因子有11个，分别为全氮、温度、降水量、有效磷、水土保持系数、有机质、农业劳动力、pH值、耕地投入、黑土层厚度和土壤质地，这些指标构成了影响耕地系统健康的关键指标。其中，水土保持系数、黑土层厚度和土壤质地对耕地系统健康均为正向影响，研究区应当防止水土流失、土壤侵蚀和黑土层变薄。其他影响因子均需控制在一定范围内才能保证耕地系统健康状态，影响因子在采样线的不同样段影响大小、方向不同（图4）。
图4 1986—2018年研究区耕地系统健康影响因子作用方向与作用范围

注：Xi为典型年份耕地系统健康关键影响因子。X1为全氮，X2为温度，X3为降水量，X4为有效磷，X5为水土保持系数，X6为有机质，X7为农业劳动力，X8为pH值，X9为耕地投入，X10为黑土层厚度，X11为土壤质地。

Fig.4 Direction and scope of action of influencing factors on cultivated land system health in the study area from 1986 to 2018

①从时间上看，影响研究区耕地系统健康关键因子的作用大小在不同时期有所差异。1986—2010年，系统内部方向作用因子有效磷的小波相干系数由0.7772上升至0.7874；2010—2018年系统内部方向作用因子有机质的小波相干系数由0.7755上升至0.7823，系统水平方向作用因子农业劳动力的小波相干系数由0.7691下降至0.7590，耕地投入的小波相干系数由0.7605上升至0.7716；1986—2018年系统内部方向作用因子全氮的小波相干系数由0.8258下降至0.7788。总体来看，有机质在2010、2018年影响显著，全氮在1986、2018年影响显著，有效磷在1986、2010年影响显著，农业劳动力、耕地投入在2010、2018年影响显著。耕地系统内部因子对耕地系统健康会产生重要作用，水平方向作用因子对耕地系统健康有不同程度的影响，垂直方向作用因子的影响减弱。
②从空间上看，影响研究区耕地系统健康关键因子的作用大小在不同区域有所差异。1986—2010年，有效磷对研究区南部和中部耕地系统健康影响程度减弱，对北部地区的影响程度增强。2010—2018年，有机质对研究区南部地区耕地系统健康影响程度增大，对中部和北部的影响程度减弱。2010—2018年，农业劳动力对研究区南部耕地系统健康影响程度减弱，对中部的影响程度较高，且对中部地区的正向影响程度减弱，对北部地区的影响程度增强；耕地投入对研究区南部耕地系统健康影响程度减弱，对中部地区耕地系统健康影响较大，对中北部和北部地区的影响程度减弱。总体上，1986—2018年，全氮对研究区南部耕地系统健康影响程度减弱，对中部地区的正向影响程度减弱。
③进一步研究表明，有机质、全氮、温度、降水量和有效磷是影响耕地农业生产的重要指标，是维系耕地系统保持健康稳定生产能力不可或缺的因子，体现耕地系统健康的生产能力；pH值、黑土层厚度和土壤质地在耕地系统在受到干扰时，能通过该类因子的自行组织和调整，使耕地系统在一定时间内自行恢复良好状态，保持系统持续平稳健康运行，体现耕地系统健康的维持能力；农业劳动力、耕地投入和水土保持系数均为与人类活动有关的因子，当耕地系统健康受到威胁时，通过该类因子的调整和调控，在一定的时间内，能够使耕地系统从无序状态重新达到有序状态并保障耕地系统保持稳定的健康状态，体现耕地系统健康恢复能力。

4 结论与讨论

4.1 结论

本文以东北典型黑土区克山县为例，运用小波相干模型，计算典型年份影响因子与耕地系统健康的相干系数，定量测度典型年份影响因子对耕地系统健康作用大小和强度；同时利用小波相干谱，明确影响因子对耕地系统健康作用大小、方向和范围，揭示了1986—2018年克山县耕地系统健康关键影响因子作用规律和机理。主要结论如下：
①1986—2018年研究区耕地系统健康影响比较显著的因子有全氮、有效磷、降水量、温度、土壤侵蚀、有机质、黑土层厚度、农业劳动力、耕地投入、pH值和土壤质地。其中，反映耕地系统健康生产能力的因子有全氮、有效磷、温度、降水量和有机质，反映维持能力的指标有黑土层厚度、pH值和土壤质地，反映恢复能力的指标有耕地投入、农业劳动力和水土保持系数。
②1986—2018年研究区耕地系统健康影响因子的作用大小呈现明显的时空分异特征。在时间上，研究期间内全氮和有效磷在1986和2010年对生产能力影响显著，有机质在2010和2018年对生产能力影响显著；农业劳动力和耕地投入在2010和2018年对恢复能力影响显著；同时，耕地系统内部影响因子影响显著，耕地系统垂直方向上影响减弱，水平方向上影响增强。在空间上，研究区南部对有效磷、有机质、黑土层厚度依赖程度较高；中部对全氮、温度、有效磷、水土保持系数、有机质、农业劳动力、pH值、土壤质地依赖程度较高；中北部对温度、水土保持系数、pH值依赖程度较高；北部对降水量、水土保持系数、有机质、耕地投入、黑土层厚度依赖程度较高。
③1986—2018年研究区耕地系统健康影响因子的影响强度、影响方向和影响范围不尽相同。水土保持系数、黑土层厚度和土壤质地对耕地系统健康均为正向影响，研究区应当防止水土流失、土壤侵蚀和黑土层变薄。其他影响因子均需控制在一定范围内才能保证系统健康状态，影响因子在采样线的不同样段影响大小、方向不同。其中，耕地系统健康影响因子在样段一定范围内正向作用显著的，该因子是影响耕地系统健康的重要限制性因子，该区域耕地系统对相应的影响因子需求量较高；在样段一定范围内，含量较为充足需求量较低的影响因子对研究区耕地系统健康产生显著的负向影响，亟需减少该因子的投入强度；其他样段影响不显著，此区域相应影响因子含量较为适宜，该影响因子在一定范围内的浮动不会引起耕地系统健康的变化，无需增加或减少影响因子的投入。

4.2 讨论

本文识别了东北黑土区典型地域耕地系统健康影响因子，阐释了1986—2018年耕地系统健康关键影响因子作用机理，弥补了耕地系统健康研究成果尚缺少作用机理研究的不足，既是对黑土区研究耕地系统健康问题的补充，也是对耕地健康研究的延伸和深化。但是，还有以下问题需要进一步探讨：
①本文利用小波相干模型，建立了耕地系统健康演变的影响因子作用机理模型，阐明了典型年份耕地系统内部关键性影响因子、外界的水平方向和垂直方向关键性影响因子对耕地系统健康作用的强度大小、方向和范围。相较于其他方法[13-19]，小波相干模型可以通过分组数据输入，更加精确计算若干因子的影响半径，能够准确度量各影响因子空间和时间尺度上的作用范围。同时，小波相干模型中的小波变换通过伸缩平移运算，对信号逐步进行多尺度细化，可以适应信号不同波段的频率，聚焦到信号数据的任意细节，在空间和时间尺度上进行局部分析[30]，增加了研究结果的可靠性。通过多种方法比对选优，在更大区域范围内尝试布设两条以上的样线测算并加以验证，进一步完善和优化耕地系统健康驱动机理研究的方法体系是未来研究的重点和方向。
②本文阐释了研究区1986—2018年耕地系统健康影响机理，为耕地系统健康的实时诊断、全程监测和科学调控管理提供科学依据。本文突破了传统指标体系中单一因子作用方向或为正向或为负向的弊端，识别影响因子在不同区域的影响方向和范围均有所不同，为未来明确黑土区耕地系统健康“体检表”提供有效的技术支持。基于较大的空间尺度、长时间序列、融入更多因子和因素的耕地系统健康驱动过程，确定耕地系统健康影响因子及问题清单是下一步研究的重点。通过耕地系统健康科学管理、监测和调控来满足耕地保护和社会需求方面的变化，增加耕地资源的适应性管理研究与耕地系统健康适应性保护对策，实现耕地系统健康及耕地资源管理的可持续性，是未来迫切需要开展的理论和实践研究的科学问题。
③全球气候变化和国际粮食市场的不确定性给耕地系统带来了巨大压力，耕地系统健康会出现新的问题和面临新的挑战，需要新的应对措施。未来研究的着重点应是结合实际，针对不同自然和社会条件设计不同情境，识别耕地系统健康风险区域，构建黑土区耕地系统健康预警机制，确定耕地系统健康调控方案，为监测耕地系统健康水平、耕地系统精细化管理、预防耕地系统健康风险、防止黑土退化、恢复和重建黑土高产高效生产功能提供科学依据和技术支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
韩晓增, 李娜. 中国东北黑土地研究进展与展望[J]. 地理科学, 2018, 38(7):1032-1041.

DOI

[2]
韩晓增, 邹文秀. 东北黑土地保护利用研究足迹与科技研发展望[J]. 土壤学报, 2021, 58(6):1341-1358.

[3]
刘华征, 贾燕锋, 范昊明, 等. 东北松嫩典型黑土区长缓坡耕地土壤侵蚀沿坡长变化规律及其对土壤质量的影响[J]. 自然资源学报, 2022, 37(9):2292-2305.

DOI

[4]
梁爱珍, 张延, 陈学文, 等. 东北黑土区保护性耕作的发展现状与成效研究[J]. 地理科学, 2022, 42(8):1325-1335.

DOI

[5]
孙晓兵, 孔祥斌, 温良友. 基于耕地要素的耕地质量评价指标体系研究及其发展趋势[J]. 土壤通报, 2019, 50(3):739-747.

[6]
宋戈, 张红梅. 东北典型黑土区耕地轮作休耕的空间重构[J]. 自然资源学报, 2022, 37(9):2231-2246.

DOI

[7]
宋戈, 王越, 赵可, 等. 东北区耕地利用系统安全格局模拟及其阈值的确定[J]. 地理研究, 2015, 34(3):555-566.

DOI

[8]
苏浩, 吴次芳. 东北黑土区耕地系统健康诊断及其演化特征——以克山县为例[J]. 经济地理, 2023, 43(6):166-175.

DOI

[9]
苏浩, 吴次芳, 李雪银. 耕地系统健康诊断的理论研究框架构建与解析[J]. 中国土地科学, 2023, 37(5):18-26.

[10]
苏浩, 吴次芳. 东北黑土区耕地系统变化机理[J]. 农业工程学报, 2021, 37(6):243-251.

[11]
祝锦霞, 潘艺, 张艳彬, 等. 种植类型变化对耕地系统韧性影响的关键阈值研究[J]. 中国土地科学, 2022, 36(4):49-58.

[12]
刘婉莹, 宋戈, 高佳, 等. 下辽河平原典型地域耕地系统弹性时空分异特征[J]. 农业工程学报, 2023, 39(9):252-260.

[13]
金慧芳, 史东梅, 钟义军, 等. 红壤坡耕地耕层土壤质量退化特征及障碍因子诊断[J]. 农业工程学报, 2019, 35(20):84-93.

[14]
谢晓彤, 朱嘉伟. 耕地质量影响因素区域差异分析及提升途径研究——以河南省新郑市为例[J]. 中国土地科学, 2017, 31(6):70-78.

[15]
Zhang F, Sun X, Zhou Y, et al. Ecosystem health assessment in coastal waters by considering spatio-temporal variations with intense anthropogenic disturbance[J]. Environmental Modelling and Software, 2017, 96(10):128-139.

[16]
Cheng C, Liu Y L, Liu Y F, et al. Cropland use sustainability in Cheng-Yu Urban Agglomeration,China:Evaluation framework,driving factors and development paths[J]. Journal of Cleaner Production, 2020,256:120692.

[17]
Burry L S, Marconetto B, Somoza M, et al. Ecosystem modeling using artificial neural networks:An archaeological tool[J]. Journal of Archaeological Science Reports, 2018, 18:739-746.

[18]
谢花林, 李波. 基于logistic回归模型的农牧交错区土地利用变化驱动力分析——以内蒙古翁牛特旗为例[J]. 地理研究, 2008(2):294-304.

[19]
Sun B, Tang J, Yu D, et al. Ecosystem health assessment:A PSR analysis combining AHP and FCE methods for Jiaozhou Bay,China[J]. Ocean and Coastal Management, 2019, 168(2):41-50.

[20]
Tahmasebi T, Karami E, Keshavarz M. Agricultural land use change under climate variability and change:Drivers and impacts[J]. Journal of Arid Environments, 2020,180:104202.

[21]
Okolo C C, Dippold M A, Gebresamuel G, et al. Assessing the sustainability of land use management of northern Ethiopian drylands by various indicators for soil health[J]. Ecological Indicators, 2020,112,106092.

[22]
Maharjan B, Das S, Acharya B S. Soil health gap:A concept to establish a benchmark for soil health management[J]. Global Ecology and Conservation, 2020,23:e01116.

[23]
Kang P, Chen W, Hou Y, et al. Linking ecosystem services and ecosystem health to ecological risk assessment:A case study of the Beijing-Tianjin-Hebei urban agglomeration[J]. Science of the Total Environment, 2018, 636(15):1442-1454.

[24]
刘宝涛, 王冬艳, 刘惠清. 城镇化发展与土地健康利用协同演化关系——以长春市为例[J]. 经济地理, 2016, 36(10):76-83.

[25]
Logan M, Hu Z, Brinkman R, et al. Ecosystem health report cards:An overview of frameworks and analytical methodologies[J]. Ecological Indicators, 2020,113:105834.

[26]
徐建明, 刘杏梅. “十四五”土壤质量与食物安全前沿趋势与发展战略[J]. 土壤学报, 2020, 57(5):1143-1154.

[27]
Chen L, Song G, Meadows M E, et al. Spatio-temporal evolution of the early-warning status of cultivated land and its driving factors:A case study of Heilongjiang Province,China[J]. Land Use Policy, 2018, 72:280-292.

[28]
苏浩, 吴次芳. 基于“三生”功能的黑土区耕地资源价值影响因素分析——以黑龙江省克山县为例[J]. 中国土地科学, 2020, 34(9):77-85.

[29]
潘雅婧, 王仰麟, 彭建, 等. 基于小波与R/S方法的汉江中下游流域降水量时间序列分析[J]. 地理研究, 2012, 31(5):811-820.

[30]
徐芝英, 胡云锋, 甄霖, 等. 基于小波的浙江省NDVI与自然—人文因子多尺度空间关联分析[J]. 地理研究, 2015, 34(3):567-577.

DOI

Options
Outlines

/

〈 〉