農田土壤養分不確定性評價在高標準農田劃定中的應用

陳飛香 陳長成 胡月明++譚正喜

摘要：以廣東省廣州市增城區為例，使用序貫指示模擬的方法，對農田土壤全氮、土壤有效磷、土壤鉛含量進行不確定性評價。充分利用不確定性評價模擬結果，篩選出土壤養分與土壤重金屬的高風險區。在滿足高標準農田相關數量要求的前提下，盡可能剔除土壤全氮缺乏高概率區、潛在富營養化污染高概率區和土壤鉛高值高概率區，從而優化高標準農田的劃定，規避潛在風險，確保高標準農田的質量與維持。

關鍵詞：高標準農田劃定；土壤全氮；土壤有效磷；土壤鉛；序貫指示模擬；不確定性評價

中圖分類號： F323.211文獻標志碼： A

文章編號：1002-1302（2016）12-0410-05

收稿日期：2016-07-26

基金項目：廣東省科技計劃（編號：2014B020206002）。

作者簡介：陳飛香（1978—），女，廣西靖西人，博士，講師，主要從事土地規劃與評價研究。E-mail：chfx@scau.edu.cn。

通信作者：胡月明，教授，博士生導師，從事地理信息系統及土地利用工程相關研究。Tel：（020）85288307；E-mail：ymhu163@163.com。

眾多學者對高標準農田進行了定義[1-4]。目前，比較一致認可的定義是高標準農田指土地平整、土壤肥沃、集中連片、設施完善、農電配套、生態良好、抗災能力強，與現代農業生產和經營方式相適應的旱澇保收、持續高產穩產的農田。現行《全國高標準農田建設總體規劃》明確提出到2020年，我國將建成集中連片、旱澇保收的高標準農田0.53億hm2。

高標準農田建設以提升耕地質量、提高農業綜合生產能力為重點，農田質量建設是高標準農田建設優先重視的內容之一。土壤是農作物生長的物質基礎，提高土壤質量是推廣良種良法、實現農業增產增效的重要條件。長期以來，我國在基本農田劃定時僅僅是按照一定時期人口和社會經濟發展對農產品的需求來確定基本農田的數量指標，然后將指標分解到鄉鎮來確定基本農田的區域和位置，存在突出的重數量輕質量的問題[5]。而且，這些劃定方法未考慮到農田高風險地塊的分析。近年來，相關學者從耕地質量評價、地理信息系統技術應用等角度對科學劃定基本農田進行研究并取得一定成果，但是都不能很好地解決上述問題[6-8]。

本研究通過序貫指示模擬，充分運用農田土壤不確定性評價研究成果，在關注區域分布大體情況的前提下，進一步評價廣東省廣州市增城區土壤養分與土壤重金屬高風險的不確定性，以便為廣州市增城區對高標準農田進行科學劃定和建設提供參考。

1材料與方法

1.1研究區概況

依據2008年度土地變更調查數據，增城區耕地總面積為26 544 hm2，[JP2]其中灌溉水田大約占總面積的80%，水澆地占 5.3%，旱地占0.5%，菜地占16.8%。全區農田面積最大的是石灘鎮，為5 464 hm2，中新鎮、派潭鎮次之，分別為 3 833 hm2 和3 797 hm2，農田面積最小的是增江街道，僅為802 hm2。

從2005年增城農用地分等成果可知，增城耕地的自然質量等有12～17這6個等別，最高等別為17等。水田（本研究中的農田）是增城耕地中面積最大的地類，14等以上的總面積占增城灌溉水田總面積的95%，說明增城的農田自然質量總體水平很高。

增城土地利用總體規劃的基本農田分布見圖1，全區基本農田在石灘鎮、新塘鎮、派潭鎮、中新鎮均分布較多，連片性也較好。因此，在初步劃定增城區高標準農田時，考慮到全區基本農田自然質量較好，依據優先將基本農田劃入高標準農田的原則，將全部基本農田劃入高標準農田。

[FK（W14][TPCFX1.tif]

1.2數據來源

本研究的數據來源主要有增城區土壤采樣數據；2008年增城行政區劃圖（比例尺1 ∶[KG-*3]50 000）；2008年增城土地利用現狀圖（比例尺1 ∶[KG-*3]50 000）；2008年增城統計年鑒；2008年增城土地利用變更成果；增城土壤類型圖（第二次全國土壤普查成果，比例尺1 ∶[KG-*3]50 000）；2005年增城耕地地力評價成果圖；2003年增城地形圖（比例尺1 ∶[KG-*3]25 000，等高距5 m）。

1.3方法

1.3.1土壤采樣和數據處理

增城市土壤采樣利用分層采樣和隨機采樣相結合的方法。以農用地利用現狀為分層依據，同時兼顧均勻性，土壤采樣深度為0～20 cm。根據布點的原則，首先對1 ∶[KG-*3]50 000的土地利用現狀圖、基本農田保護區圖和土壤分布圖進行疊加，在疊加形成的工作圖上進行采樣點布設，然后將樣點逐一轉繪到1 ∶[KG-*3]10 000的土地利用現狀圖上，供野外調查取樣時使用。根據調查樣點的點位圖（圖2），用GPS定位儀進行定位采樣。

[FK（W14][TPCFX2.tif]

1.3.2序貫指示模擬

目前，評價土壤屬性不確定性最常用的隨機模擬方法包括序貫高斯模擬、序貫高斯協同模擬、序貫指示模擬和序貫指示協同模擬[9-13]。序貫高斯（協同）模擬是參數化的方法，其前提是數據符合多高斯分布。在不少情況下，很難確定土壤屬性是否滿足多高斯分布。序貫指示模擬對原始數據分布沒有嚴格要求，并在模擬前根據一定的閾值對原始數據重新賦值[14]。序貫指示模擬是常見的模擬方法，其基本原理是基于指示半方差函數建立隨機模型進行模擬。序貫指示模擬的每一次實現都不能模擬出土壤屬性的具體含量，而是得到概率分布，以及這個概率與閾值接近的可能性的大小。該方法提供的不確定性研究結果能夠反映出作物需肥量多少或對環境的風險性，有助于決策者從不確定性出發作出合理的決策。

當給定一個土壤屬性閾值時，序貫指示模擬可以評價任一空間位置土壤屬性值大于該閾值的概率，即描繪土壤屬性值大于該閾值的空間不確定性。

根據Goovaerts[15]和趙永存等[16-18]的方法，序貫指示模擬的基本步驟為：

（1）選取K個門檻值z1，…，zk對模擬集進行二態指示變換，指示變換i（u，zk）的定義為：

[JZ]i（u，zk）=[JB（{]1ifz≤zk0otherwise[JB）]，k=1，…，K。

（2）建立指示變量i（u，zk）的半方差模型。

（3）定義一條遍歷所有待模擬位置的隨機路徑，通過以下步驟實現序貫指示模擬：

對于隨機路徑上某一位置u，通過kriging估計指示隨機變量i（u，zk），其估計值i*（u，zk）=Prob*（z≤zk）；

糾正次序關系錯誤后，估計土壤屬性值的累積分布函數F（z），從F（z）隨機獲取1個模擬值并該值賦予位置u。

對隨機路徑上的每一位置都重復步驟（1）、（2）便獲得1個隨機模擬實現。重復100次序貫模擬，每次模擬均使用不同的隨機路徑則將產生100個等概率的模擬實現。

本研究用SGeMS軟件對土壤養分和重金屬含量進行不確定性評價。對土壤養分進行100次序貫指示模擬，柵格大小為100 m×100 m，模擬過程中采樣點位置的土壤養分值保持不變。在模擬結束后將結果存為Excel數據格式，再轉為ASCII文件，在ArcGIS 10.0中進行模擬圖件制作。數據分析采用Excel的分析工具或編寫宏語言實現。

2結果與分析

[JP2]根據《全國高標準農田建設總體規劃》，高標準農田建成后，土壤有機質含量應該達到12 g/kg以上，各項養分含量指標應達到當地土壤養分豐缺指標體系的“中”或“高”值水平，土壤pH值保持在5.5～7.5，耕作層土壤重金屬含量指標符合國家有關標準規定。本研究涉及的土壤屬性模擬包括對土壤養分全氮含量、有效磷含量、土壤重金屬元素鉛含量的模擬。

2.1農田土壤養分模擬

2.1.1土壤全氮含量

本研究隨機從100次序貫指示模擬中抽取1次模擬（圖3）。圖中顏色越深的區域代表大于閾值的可能性（概率）越高。從圖3可以看出，增城區絕大部分區域圖上顯示的是高概率區，即對應的土壤全氮含量大于閾值0.75 g/kg的可能性大，僅有少部區域圖上顯示是低概率，即對應的全氮含量大于閾值的可能性小，意味著小于閾值的可能性大，也就是很有可能是全氮缺乏的區域。

[JP2]不確定性評價是對一定條件下的概率評價，這“一定條件”既包括在什么閾值條件下，也包括選用什么臨界概率。以100次模擬為例，[JP2]如果臨界概率小于0.5，即在100次模擬中只有不到50次的模擬值大于給定閾值，就認為實際值大于給定閾值；或者100次模擬中只有不到50次的模擬值小于給定閾值，就認為實際值小于給定閾值，這時結果是不可靠的。所以，在進行不確定性評價時，臨界概率的選擇至少要大于0.5。

分別以臨界概率0.9、0.8和0.7為高概率條件下得到的不同臨界概率下的模擬。從圖4可以看出，在臨界概率0.9的情況下，土壤全氮含量大于閾值的概率高于0.9的區域數量較多，在全區的分布較均勻。按序貫指示規則，這些區域的土壤全氮含量可以認為是大于0.75 g/kg的。隨著臨界概率的降低，土壤全氮含量可能大于0.75 g/kg的區域也在逐漸增加。在臨界概率0.7的條件下，可以看出全區超過50%面積的土壤全氮含量超過0.75 g/kg的閾值。

在廣東省土壤養分分級中，土壤全氮含量小于等于閾值0.75 g/kg為缺乏或極缺乏。在土壤施肥管理中，人們更關心的是是否有哪些區域屬于全氮缺乏或極缺乏區。因此，在臨界概率0.1的條件下進行序貫指示模擬，表明在100次模擬中模擬點有10次模擬全氮含量超過0.75 g/kg就認為該點的值是大于閾值。也就是說，在臨界概率0.1條件下的100次模擬出現概率小于0.1的，可以認為是小于0.75 g/kg的高概率（概率為0.9）區域。

由在臨界概率0.1條件下的模擬，從圖4可以看出，淺色區域是土壤全氮含量大于0.75 g/kg的概率小于10%，換言之，小于等于0.75 g/kg的概率大于90%，意味著全氮缺乏或極缺乏的可能性非常大，可以認為這些區域是缺乏或極缺乏氮的，在施肥決策中要特別引起重視。

2.1.2土壤有效磷含量

本研究隨機從100次序貫指示模擬中抽取1次模擬（圖5），從圖5可以看出，圖中顏色越深代表該次模擬中該區域土壤有效磷含量大于40 mg/kg的概率越高（可能性越大）。增城區大部分區域屬于土壤有效磷含量大于40 mg/kg的高概率區域，主要分布在南部和中部。

這里所說的有效磷高值區，是指土壤有效磷含量取值大于廣東省養分分級標準中的極豐富標準40 mg/kg。有效磷含量過高，對附近水域形成潛在的富營養化污染，對地下水也造成不良影響[19]。可以說土壤有效磷過高的區域也是一種環境脆弱區。

對該次模擬進行不同臨界概率情況下的分析，臨界概率越大，說明對模擬結果的認可越嚴格，在臨界概率小于0.5時，模擬結果是不可靠的。分別以臨界概率0.9、0.8、0.7為高概率條件（臨界概率0.9、0.8、0.7分別描述了在100次模擬[CM（25]中，有90、80、70次的模擬值超過閾值，才認可模擬值是大[CM）]

于閾值，否則認為模擬值是小于閾值的），得到該次模擬不同臨界概率下的模擬（圖6）。

從圖6可以看出，隨著臨界概率的降低，土壤有效磷含量

大于閾值（40 mg/kg）的區域越來越大，大于閾值的模擬點也越來越密集。

2.2農田土壤重金屬元素鉛含量模擬

本研究隨機從100次土壤鉛含量序貫指示模擬中抽取1次模擬（圖7）。

從圖7可以看出，顏色越深代表該次模擬中該點土壤鉛含量大于50 mg/kg的概率越高，即取值越有可能是大于 50 mg/kg 的，增城區土壤鉛含量大于50 mg/kg的高概率區域占全區面積極小。

對該次模擬進行不同臨界概率情況分析。臨界概率越大，說明對模擬結果的認可條件越嚴格，臨界概率小于0.5時，模擬結果取值不可靠。下面分別以臨界概率0.9、0.8、0.7 為高概率條件（臨界概率0.9、0.8、0.7分別描述了在100次模擬中，有90、80、70次的模擬值超過閾值，才認可模擬值是大于閾值，否則認為模擬值是小于閾值的），得到該次模擬不同臨界概率下的模擬（圖8）。從圖8可以看出，隨著臨界概率的降低，土壤鉛含量大于閾值50 mg/kg的區域越來越大，大于閾值的模擬點也越來越密集。但沒有出現非常集中的區域。

2.3高標準農田劃定結果

結合基本農田土壤養分與土壤重金屬模擬評價的結果，在滿足高標準農田劃定標準的前提下，盡可能剔除土壤養分缺乏高[CM（25*3]概率區、潛在富營養化污染高概率區和土壤重金屬高值高概率區，重新調整高標準農田劃定，獲得本研究的增城區高標準農田分布（圖9）。

3討論與結論

長期以來，我國在高標準農田劃定時僅僅是按照一定時期人口和社會經濟發展對農產品的需求來確定基本農田的數量指標，然后將指標分解到鄉鎮來確定基本農田的區域和位置，存在突出的重數量輕質量的問題。而且，這些劃定方法未考慮到農田高風險地塊的分析。本研究對增城區農田土壤養分與重金屬含量的不確定性進行評價模擬，在劃定高標準農田時，剔除土壤全氮缺乏高概率區、潛在富營養化污染高概率區和鉛含量高值高概率區，在一定程度上規避了潛在高風險的地塊，優化了高標準農田的劃定工作。為推進增城區農田精準施肥工作，加強農田生態保護，有效控制氮、磷等肥料的過度施用等提供了有效的技術支撐。

本研究僅對增城區農田土壤氮、磷元素以及鉛元素的不確定性進行了評價模擬。但是，農田土壤屬性不確定性評價是一個復雜的過程，受到諸多因素的影響，還可以增加對其他因素的模擬，以提高不確定性評價的準確性。本研究僅模擬了農田土壤的不確定性，模擬了土壤氮、磷元素和鉛元素潛在的高風險區，但缺少對農田土壤屬性含量的預測。在以后工作中，若能加強預測這部分的工作，在劃定高標準農田時，比較土壤屬性預測含量以及土壤屬性不確定性模擬結果，將在很大程度上有助于完善高標準農田的劃定工作。

本研究根據高標準農田要優先在基本農田地塊進行劃定的原則，以廣東省土壤養分含量分級標準為依據，用序貫指示模擬的方法，對廣州市增城區基本農田土壤養分氮、磷元素和重金屬鉛元素進行不確定性評價，基于土壤養分不確定性評價模擬結果剔除全氮缺乏高概率區和潛在富營養化污染高概率區，從而將養分良好的地塊劃為高標準農田；應用土壤重金屬不確定性評價模擬結果，將土壤鉛含量高值高概率區排除在高標準農田之外。最后，若所劃定的高標準農田數量沒有達到上級下達指標，可以按先后順序將全氮缺乏高概率區、潛在富營養化污染高概率區和土壤鉛含量超過50 mg/kg的高概率區在制訂了針對性的施肥措施或防范污染措施的前提下劃入高標準農田。

參考文獻：

[1]吳海洋. 高要求與硬任務迸發新動力——談如何推進農村土地整治和建設4億畝高標準基本農田[J]. 中國土地，2011（10）：16-18.

[2]馮銳，吳克寧，王倩. 四川省中江縣高標準基本農田建設時序與模式分區[J]. 農業工程學報，2012，28（22）：243-251.

[3]李少帥，鄖文聚. 高標準基本農田建設存在的問題及對策[J]. 資源與產業，2012，14（3）：189-193.

[4]沈明，陳飛香，蘇少青，等. 省級高標準基本農田建設重點區域劃定方法研究——基于廣東省的實證分析[J]. 中國土地科學，2012，26（7）：28-33，90.

[5]王德起，曲福田. 我國耕地保護機制研究[J]. 中國土地科學，1997（1）：15-20.

[6]閆寧，鄭宏剛. 農用地分等在基本農田劃分中的應用研究[J]. 國土與自然資源研究，2009（3）：28-30.

[7]董秀茹，尤明英，王秋兵. 基于土地評價的基本農田劃定方法[J]. 農業工程學報，2011，27（4）：336-339.

[8]王新盼，姜廣輝，張瑞娟，等. 高標準基本農田建設區域劃定方法[J]. 農業工程學報，2013，29（10）：241-250.

[9]Goovaerts P. Geostatistics in soil science：state-of-the-art and perspectives[J]. Geoderma，1999，89（1/2）：1-45.

[10]Juang K，Chen Y，Lee D. Using sequential indicator simulation to assess the uncertainty of delineating heavy-metal contaminated soils[J]. Environmental Pollution，2004，127（2）：229-238.

[11]Zhao Y，Shi X，Yu D，et al. Uncertainty assessment of spatial patterns of soil organic carbon density using sequential indicator simulation，a case study of Hebei province，China[J]. Chemosphere，2005，59（11）：1527-1535.

[12]史舟，Lark R M. 土壤學的新分支——計量土壤學（Pedometrics）的形成與發展[J]. 土壤學報，2007，44（5）：919-924.

[13]史舟，李艷，金輝明. 基于方差四叉樹法的濱海鹽土電導率采樣布局研究[J]. 土壤學報，2007，44（2）：294-299.

[14]史舟，李艷，程街亮. 水稻土重金屬空間分布的隨機模擬和不確定評價[J]. 環境科學，2007，28（1）：209-214.

[15]Goovaerts P. Geostatistical modelling of uncertainty in soil science[J]. Geoderma，2001，103（1/2）：3-26.

[16]趙永存，孫維俠，黃標，等. 不同隨機模擬方法定量土壤鎘含量預測的不確定性研究[J]. 農業環境科學學報，2008，27（1）：139-146.

[17]趙永存，黃標，孫維俠，等. 張家港土壤表層銅含量空間預測的不確定性評價研究[J]. 土壤學報，2007，44（6）：974-981.

[18]趙永存，史學正，于東升，等. 不同方法預測河北省土壤有機碳密度空間分布特征的研究[J]. 土壤學報，2005，42（3）：379-385.

[19]周永章，盧煥章. 地下水污染及水文地質地球化學[J].第四紀研究，1992（3）：282-288.