農用地利用集約度與昆蟲傳粉服務之間的關系研究

李敏婷，劉小玲，羅 杰，孫傳諄，李景剛，杜繼豐，吳順輝

（華南農業大學公共管理學院，廣東 廣州 510642）

【研究意義】農用地集約利用會對生態系統產生正負雙向效應，而人類多關注于農用地的產出效益，如我國糧食單產水平（每667m2）由2000年284.1 kg增長到2015年365.5 kg，增幅超20%。從已有的事實看，過去很多國家或地區通過盲目增加農業生產資料的投入來提高集約利用程度和維持作物高產化，帶來顯著的環境效應，對包括昆蟲傳粉服務在內的生態系統造成較大的負面影響[1]。傳粉是農業生產中的一種基本生態系統服務，傳粉者在其中起著至關重要的作用。然而，近些年來歐洲、北美洲以及亞洲局部地區的傳粉者數量、多樣性以及豐度呈下降趨勢[2-4]。因此，傳粉服務減退所帶來的作物產量降低問題使得明晰集約利用與傳粉服務之間的關系，進行集約利用的產出功能和環境效益的科學權衡成為研究熱點[5-6]。【前人研究進展】目前國內外關于傳粉服務的研究主要集中在傳粉服務價值評估[7-12]，涉及傳粉服務威脅因子（特別是土地利用）對傳粉服務的影響研究較少。國外相關研究更多地強調生境對生態系統服務的影響，如Tscharntke等[13]對哥廷根市中心外直徑為500～6 000 m的鑲嵌圓進行研究發現，破碎景觀中的生境分配只影響簡單景觀中的種群，表明小尺度范圍內的農業集約化簡化了農業景觀生境多樣性和可用性導致棲息地質量下降進而影響傳粉昆蟲數量；Garibaldi 等[14]收集了5個洲15個國家的29項研究數據分析發現，生境隔離會降低傳粉服務的供給，使得作物產量減少和產量穩定性下降。國內學者多數從景觀類型、景觀異質性、地貌類型、生境損失的角度研究其對傳粉服務的影響[15-18]。丁圣彥等[19]學者還分析了不同人為干擾梯度下生態系統對傳粉昆蟲的影響。【本研究切入點】當前，相關研究主要從生境結構及其演變來闡述土地利用與傳粉服務之間的關系，較少從土地利用程度及其變化上來探索兩者之間的關系，并且不同研究尺度的結果存在較大差異[20-22]。同一研究尺度上，由于各區域地理條件和社會經濟條件不同，區域間生物種群和數量以及農作物存在較大的差異。因此，傳粉服務與農用地集約利用水平的關系需要更多區域驗證，包括不同地理氣候帶，不同作物類型的進一步驗證[23]。除此之外，相關研究對農用地集約度的計算偏重于自然生態因素，例如選取作物多樣性、農田未施用作業措施面積和景觀面積等[22]。這些指標之間存在交叉性。本研究基于投入產出等社會經濟因素，對農用地集約程度的測度亦做了一些改進。【擬解決的關鍵問題】廣東省作為我國經濟發達區域，人地矛盾突出，農業土地利用集約化程度較高。同時，因其氣候溫暖，地勢平坦而擁有豐富的生物資源，是進行土地集約利用水平與傳粉服務關系研究的理想區域。在熱帶氣候條件下的相關驗證研究較少，相關研究還難以解釋農業土地利用與傳粉服務的關系。本研究以廣東省（珠三角非農業市除外）市域農用地為研究對象，選取大豆、柑橘、龍眼、荔枝4種典型作物，基于長時間序列統計數據，采用回歸分析方法，揭示廣東省農用地集約度與傳粉服務之間的定量關系，進一步驗證生物多樣性和生態系統服務政府間科學政策平臺（IPBES）評估報告中傳粉服務的相關結論，為權衡土地集約利用的產出效益與環境效益提供理論依據。

1 材料與方法

1.1 研究區概況

廣東省地處中國大陸最南部，全境位于20°13′～25°31′N、109°39′～117°19′E 之間，下轄21個地級市。2015年數據顯示，全省境內陸地面積為17.98萬km2，其中農用地約占陸地面積的83%，種植的作物主要有稻谷、大豆、甘蔗、花生、香蕉、荔枝、龍眼和菠蘿等。農業投入上，全省全年的化肥和農藥投入量達247.4萬t，參與農業種植人數為1 351.83萬人，高于全國平均水平。廣東省屬于東亞季風區，從北向南分別為中亞熱帶、南亞熱帶和熱帶氣候，是我國光、熱和水資源最豐富的地區之一，適宜多種動植物的生存與繁衍。借助優越的地理位置和豐富的自然資源，廣東省成為我國最早實施改革開放經濟政策的省份之一，經濟發展一直位居全國首列。

1.2 回歸分析

本研究擬通過農用地利用集約度水平與作物平均年產量/產量變異性系數建立一元線性回歸模型，揭示土地利用集約度與傳粉服務之間的定量關系。由圖1可知，隨農用地集約度的變化，農作物平均年產量/產量變異性系數呈線性遞增或遞減變化。

本研究取各市2008、2015年的農用地集約度平均值近似代替各市長時間序列（2000—2015年）農用地平均集約度。2000—2008年間與集約度相關的勞動力資源數據統計口徑差異較大[24]，且收集的統計數據表明：時間上，各市年份間的集約度差異較小；空間上，市與市之間集約度差異較大。而后，利用統計數據求出相同時間段各作物的平均產量及其產量變異系數。最后，以研究區各市為基本單位，采用回歸分析方法分析集約度、傳粉依賴度以及平均年產量/產量變異性系數三者之間的關系。

圖 1 農用地集約度與昆蟲傳粉服務關系Fig.1 Relationship between intensity level of agricultural land and pollination service

1.3 農用地利用集約度計算

土地利用集約度是指生產過程中與單位面積土地結合的資本和勞動的相對量[25]。本研究借鑒張琳等[26]對“耕地利用集約度”的界定，將農用地利用集約度定義為“一定時間內投入到單位面積農用地上的資金和勞動力的總貨幣額”，計算公式如下：

式中，I為農用地利用集約度，元/hm2；C為投入到農用地中的物質總額，元；L為投入到農用地中的勞動力金額，元；S為農用地面積，hm2；Qw為投入到農用地中的物質（主要包括農膜、化肥和農藥），t；Pw為廣東省的農資價格，元/t；Ql為投入到農用地中的農村勞動力，人；Pl為廣東省的農民人均農業經營收入，元；Ri為通貨膨脹系數，%；CPI15、CPI08分別為2015、2008年的居民消費者價格指數（以2000年為基準），%。

1.4 農作物傳粉依賴度數據

作物傳粉依賴度即作物缺乏傳粉者時產量減少的百分比[27]。依據 DEGUINES等[22]對作物依賴程度的分類，為了滿足所選作物需分布在不同依賴度等級的要求，參考劉朋飛等[11]整理的我國作物傳粉依賴度數據，本研究選取廣東省4種典型作物進行分析：大豆0.10，依賴較小；柑橘橙0.34，中等依賴（由柑橘0.34、橙0.34和其他柑橘類0.34傳粉依賴度的平均值求得）；龍眼0.81，依賴較大；荔枝0.97，高度依賴。

1.5 平均產量和產量變異性系數

可用平均產量和產量變異性系數揭示作物的產量和產量穩定性水平。基礎數據來源于廣東省農村經濟統計年鑒。為消除作物產量差異、確保數據可靠，采用“產量時間回歸分析殘差法”進行計算，平均產量為殘差的平均值，產量變異性系數為殘差的標準差除以平均產量乘于100，最后，將16個地級市4種作物的平均產量和產量變異性系數值標準化（即Z-score轉換），以便在作物之間進行比較，計算公式如下：

式中，Ap為每種作物平均年產量，無量綱；為作物產量殘差和，無量綱；n為作線性回歸的年份個數，無量綱；CVp為產量變異性系數，無量綱；SDei為作物產量殘差的標準差，無量綱。CVp用以反映單位均值上的離散程度，數值越大說明作物產量越不穩定。

2 結果與分析

2.1 農用地利用集約度

由表1可知，廣東省各市的農用地利用集約度均有提高，平均增幅達50%，其中中山、云浮、江門和陽江市的增幅依次為270%、60.34%、60.21%和55.71%。各市的集約水平差異顯著，其中潮州市的農用地利用集約度最高，為91 929.13元/hm2；中山市、揭陽市和梅州市次之，分別為75 255.63、64 507.95、38 805.48元/hm2；汕頭市的農用地利用集約度最低，僅9 363.54元/hm2。

表1 廣東省各市的農用地利用集約度(元/hm2，以2015年價格水平為基準)Table 1 Intensification indexes of agricultural land use in various cities of Guangdong province(yuan/hm2, taking the prices in 2015 as criterion)

2.2 集約度與農作物平均產量的關系分析

以廣東省各市的農用地利用集約度為X軸，各市作物的平均產量為Y軸，集約度分別與4種農作物的平均產量作線性回歸，結果見圖2，集約度與作物平均產量的回歸方程見表2。從圖2的變化趨勢可以看出，隨著集約度的變化，作物平均產量的變化取決于作物對授粉的依賴程度。其中，依賴度較小的農作物（大豆）的平均產量與農用地利用集約度成正比，即依賴度較小的農作物的產量隨著集約度提高呈上升趨勢；依賴度中等以上的農作物（柑橘橙、龍眼和荔枝）的平均產量與農用地利用集約度成反比，即依賴度中等以上的農作物的產量隨著集約度提高呈下降趨勢。

依賴度中等以上的農作物中，不同傳粉依賴度作物的回歸系數的絕對值依次降序，即荔枝0.97（0.000005）＞龍眼0.81（0.000002）＞柑橘橙0.34（0.000001），說明農作物傳粉依賴度越大，農作物產量隨著集約度提高而下降的趨勢越明顯。這表明對于傳粉服務依賴度較大的作物而言，提高農用地的集約水平反而會造成產量的下降。

圖2 集約度與農作物平均產量的關系Fig.2 Relationship between intensity level and mean crop yield

表2 集約度與農作物平均產量的回歸方程Table 2 Regression equation of intensity level and mean crop yield

2.3 集約度與農作物產量變異性的關系分析

通過數據處理，以各市的農用地利用集約度為X軸，各市的作物產量變異性系數為Y軸，集約度分別與4種農作物的產量變異性系數作線性回歸，結果見圖3，集約度與農作物產量變異性的回歸方程見表3。

從圖3的變化趨勢可以看出，隨著集約度的變化，作物產量變異性的變化取決于作物對傳粉的依賴程度。不同傳粉依賴度作物的回歸系數依次降序，即荔枝0.97（0.000026）＞柑橘橙0.34（0.000009）＞龍眼0.81（0.000002）＞大豆0.10（0.000001），整體上農作物傳粉依賴度越大，農作物產量隨著集約度的提高而越不穩定。其中，龍眼作物較為特殊，極大可能是由于某些比傳粉更為關鍵的因素致使龍眼產量較為穩定，具體原因有待于進一步研究。

圖3 集約度與農作物產量變異性的關系Fig.3 Relationship between intensity level and crop yield variability

表3 集約度與農作物產量變異性的回歸方程Table 3 Regression equation of intensity level and crop yield variability

3 討論

本研究結果與DEGUINES等[22]對法國農用地利用集約度與54種作物的產量和產量穩定性的關系研究得出的結論較為相似：農業集約化能夠提高傳粉依賴小的作物的產量，但未能提高傳粉依賴大的作物的產量。同樣，農業集約化有利于提高傳粉依賴小的作物的產量穩定性，而不利于提高傳粉依賴大的作物的產量穩定性。盡管本研究沒有通過農用地集約利用評估傳粉昆蟲數量及豐度的變化，但是結果清晰地表明，農用地集約利用的“預期增值收益”與傳粉服務的減少存在抵消關系。歐洲西北部[28-29]、北美洲[30]、非洲[31]的大量案例支持這一結論，認為農業集約化對傳粉服務具有負面影響[32]，孫傳諄等[33]和本研究可代表東亞區域驗證該結論。目前來看，授粉短缺或者農業集約化對全球的依賴授粉的作物生產力沒有任何負面影響[34]。這可能是由于國家層級的氣候、土壤、水資源和本土傳粉昆蟲的疊加效應掩蓋了野生傳粉昆蟲的服務價值，即局部傳粉群體數量的減少并不影響全球作物產量。雖然全球糧食安全問題沒有迫在眉睫，但本研究可給種植依賴傳粉作物的重點區域提出警示作用。

由于研究所用數據相對較少，使得模型擬合檢驗中R2值較小，P值較大。值得注意的是，在集約度與作物產量變異性的關系研究中DEGUINES等[22]發現依賴度在5%～25%之間的作物隨著集約度提高產量反而越穩定，本研究發現龍眼（傳粉依賴度為0.81，依賴較大）的產量穩定性比大豆（傳粉依賴度為0.10，依賴較小）高。因此，集約度與作物產量變異性之間的特殊規律有待進一步證實和挖掘。

隨著研究的深入和認識的深化，影響機制和措施仍是研究的重點。有學者提出“生態集約化”[35-36]，但如何推進實施生態集約僅停留在理論概念上[37]。因此，未來需要結合傳粉昆蟲—作物網絡結構，通過建立空間模型或者運用遙感等技術手段，進一步通過量化和實證方法探究傳粉服務系統內部和傳粉服務系統與其他生態系統之間的復雜反饋過程和機制。在此基礎上借鑒各國的研究案例和實踐經驗，提出土地管制策略，避免出現全球糧食短缺。

4 結論

綜上分析，本研究得出以下結論：（1）傳粉依賴度較小的農作物的產量隨著集約度提高呈上升趨勢，中等傳粉依賴度以上的農作物的產量隨著集約度提高呈下降趨勢；農作物傳粉依賴度越大，農作物產量隨著集約度提高而下降的趨勢越明顯。（2）總體上，作物產量變異性的變化取決于作物對授粉的依賴程度，農作物傳粉依賴度越大，農作物產量隨著集約度提高而越不穩定。