松嫩平原黑土区农田土壤肥力评价研究

付 微，李 勇，2，李向越，3，杜书立，赵 军，谢叶伟，4，孟 凯

(1. 中国科学院东北地理与农业生态研究所黑土区农业生态院重点实验室，黑龙江哈尔滨150081;2. 山东正元地理信息工程有限责任公司，山东济南250101;3. 东北农业大学资源与环境学院，黑龙江哈尔滨150030;4. 东北林业大学林学院，黑龙江哈尔滨150040;5. 黑龙江大学农业资源与环境学院，黑龙江哈尔滨150080)

广义的土壤肥力概念通常把土壤的水、肥、气、热等诸多因素一并考虑在内，并注意到土壤物理的、化学的和生物学的诸多属性对土壤肥力的作用与影响。随着土壤科学的发展，人们对土壤肥力的认识逐渐突破了土壤本身，开始从土壤形成的历史与所处的环境等诸多因素来全面定位［1］。从生态系统的观点出发，土壤肥力主要取决于土壤及其相应的生态环境［1］，农田生态环境的变化能直接影响土壤肥力发挥作用［2］。黑土农田地处我国农业生态系统的脆弱地带边缘区，农业基础设施薄弱，抗御自然灾害能力差，区域水土流失严重，对环境较为敏感［3］。尽管东北黑土区开垦较晚，但耕垦后肥力性状发生了很大变化。相关资料显示:二十世纪五十年代东北土壤黑土层厚度为50 cm～100 cm，有机质含量为5%～10%;而目前多数地区黑土层厚仅为20 cm～30 cm，有机质含量下降明显［3］。基于此，正确地评价土壤肥力对制定合理的施肥政策及建立农业生产合理布局具有重要的科学意义。土壤肥力评价是利用多项指标综合分析目前土壤肥力水平和综合特征。土壤肥力变化与评价研究一直是国内外科学家研究的热点问题，诸多学者分别从不同角度，采用不同方法对土壤肥力变化进行了分析和研究［4－19］。针对东北黑土区土壤养分及主要肥力指标变化特征及其空间变异特性方面的研究也取得一定进展［5－10］，但已有研究主要侧重于小尺度、单因素的土壤肥力评价，有关大尺度、多因素土壤肥力综合评价方面的研究还鲜见报道。

目前，运用地理信息系统(GIS)技术结合模糊数学法［11，13，16－17］、层次分析法(AHP)［15，18］是最常用、最成熟和有效的土壤肥力评价方法。利用GIS 空间分析平台，将数学模型和空间分析相结合，制定多项评价指标，采用自动化的计算方法，综合、定量化地评价了松嫩平原黑土区农田土壤肥力水平的空间分布特征，从而为黑土保育和提高黑土区耕地地力提供科学依据。

1 材料与方法

1.1 研究区概况

研究区为松嫩平原黑土区，位于黑龙江省界内部分，共计23 个县，见图1。松嫩平原位于黑龙江省西南部，主要由松花江、嫩江冲积而成。整个平原略呈菱形，占全省面积1/3 以上，其中耕地面积559 万hm2。土壤肥沃，黑土、黑钙土占60% 以上。松嫩平原黑土区土壤养分丰富，保水、保肥力强，适合多种作物的生长，是主要农业土壤资源和国家重要商品粮基地。主产作物大豆和玉米。

图1 研究区位置Fig.1 Location of the study area

1.2 样品采集与分析

土壤采样根据矢量化的松嫩平原地形图、土壤图、行政区划图等进行布点设计，同时兼顾不同地形地貌和有代表性原则，于2002 年秋收后，利用GPS 定位在松嫩平原黑土区域采集农田耕层(0～20 cm)土壤样品660个，每个混合样“S”型取样采集10～15 个点，充分混合后4 分法留存;以大豆、玉米田为主。将土样带回实验室自然风干，用常规方法进行化验分析。

2 研究方法

土壤肥力水平是多个因子共同作用的结果，评价时需要借助一些数学方法将定量与定性因素结合起来。目前，借助数学方法建立相应的具体应用模型已成为各学科重要研究课题。研究使用了ArcGIS 中建模工具Model Builder，可以集成繁琐的评价流程，使工作变得简单，可重复计算且更加快速、准确［20］。

Model Builder 是ArcGIS 所提供的构造地理处理工作流和脚本的图形化建模工具，能加速复杂地理处理模型的设计和实施，集成了3D、空间分析、地统计等多种空间处理工具;同时提供了一个图形化的操作环境，可以在其中创建及修改模型［21］。建模时选择所需要数据和工具，在模型属性中设置相应的参数和环境，一个完整的可复用空间处理模型则设计完成。

模型的形成过程实际上就是解决问题的过程，基于Model Builder 模型的构建一般包括以下四个步骤:添加输入数据，添加空间分析工具，设置参数和运行模型。基于Model Builder 的土壤肥力评价分析过程见图2，需要设置的参数主要有:空间分析工具的相关参数、评价区域的设定、输入输出栅格(单元大小设置为10 km)、隶属度计算(可以用Python 脚本也可以运用Reclassify 工具)、权重赋值等。针对土壤肥力评价，在使用Model Builder 建模过程中需要注意以下几方面:①土壤作为一个时空连续的变异体，不论在大尺度上还是在小尺度上，其基础环境信息都具有高度的空间异质性，具有相对独立的连续性，基于GIS 的建模如果模拟现象随空间连续变化，首选基于栅格的模型。同时由于研究区域较大，综合栅格数据计算量和计算时间等因素，本文采用10 km* 10 km 栅格作为评价单元;②由于ArcGIS 中有些操作要求栅格必须为整形，为了方便模型中矢量——栅格相互转换、栅格运算及提高评价精度，将指标隶属度均置于10～100 之间。

图2 基于Model Builder 土壤肥力评价分析流程Fig.2 Flow Analysis of soil fertility evaluation based on Model Builder

2.1 指标选取

研究组织了11 位土壤学专家和GIS 方面研究专家，参考中科院南京土壤所1982 年考察黑龙省土壤资源时制定的该区域肥力指标体系，以及汪景宽［5－6，9］、马强［10］、隋跃宇［3，22］等针对该区域所选定的土壤肥力指标，结合长期以来对该区域的观测研究，采用Delphi 模型建立了3 个决策层:土壤养分、土壤理化性状和立地条件，确定了10 个评价指标，并确定了各指标的权重。

2.2 权重确定

根据层次分析法原理，邀请9 位土壤学专家对评价指标构造判断矩阵，确定各指标的相对重要性，然后利用层次分析法计算确定各评价指标的权重，并且均通过一致性检验。指标权重见表1。

表1 土壤肥力评价指标体系及其权重Tab.1 Indexes and weights of soil fertility evaluation

2.3 指标初值化

对于定量指标，为了消除指标间量纲的差异，需对指标值进行初始化。量纲统一后，根据土壤样品化验分析数据及其隶属度拟合出隶属函数。隶属函数有多种形式，常用类型主要包括戒上型隶属函数、戒下型隶属函数、负直线型和概念型等。

戒上型隶属函数的指标是指在一定范围内，土壤肥力水平与指标值的增长成正相关关系。其隶属函数公式如下:

式中:fi——第i 个因素评语;xi——样品观测值;ci——标准指标;ai——系数;ut——指标下限值。

戒下型隶属函数的指标效应则与戒上型相反，是指在一定范围内，土壤肥力水平与指标值的增长成负相关关系。其隶属函数公式为:

式中:ur——指标上限值。

依据以上两种隶属函数，得到本研究中定量指标隶属函数，见表2。

表2 定量指标隶属函数Tab.2 Membership function of quantitative indexes

对于定性指标，与土壤肥力之间是一种非线性的关系，如质地等，见表3，须进行量化处理。这类指标可采用Delphi 法通过专家咨询直接给出隶属度。

表3 质地的量化值Tab.3 Quantitative values of soil texture

2.4 土壤肥力综合指数计算

土壤肥力综合指数IFI 采用ArcGIS 的加权叠加分析工具(Weighted Sum)进行加法模型计算:

式中:IFI——土壤肥力综合指数;Fi——第i 个因素的隶属度;Ci——第i 个因素的组合权重。

3 结果与讨论

3.1 土壤肥力分布特征

土壤肥力综合指数分布在0.57～0.84 之间。根据土壤肥力综合指数分布规律性，并参考相关专家经验将研究区域土壤肥力分为五个等级，见表4，确定土壤肥力等级的IFI 指数定义界限分别为:0.57～0.60、0.60～0.64、0.64～0.69、0.69～0.74、0.74～0.84，并据此得出土壤肥力等级分布图，见图3。利用ArcGIS 对各等级分布面积进行统计，结果表明:一级土壤肥力耕地面积为39.98 万hm2，占评价区域总面积的7.78%，二级占24.17%，三级占38.05%，四级占25.44%，五级占4.56%，二级到四级水平面积较大，一级和五级水平所占面积相对较小，见表4。

图3 农田土壤肥力等级分布图Fig.3 Grade distribution of soil fertility

表4 土壤肥力各等级所占面积、百分比Tab.4 Area and percentage of soil fertility grades

一、二级土壤肥力的农田主要分布在黑土区北部的深厚层黑土和东北部的中厚层黑土，包括嫩江县、讷河市、五大连池市、北安县、绥棱县等县的部分地区，与第四积温带(2 100℃～2 300 ℃)分布范围相似。该区域气候寒冷，有利于土壤有机物质的积累，腐殖质层深厚，土壤有机质、全氮、全磷、速效钾等养分含量均明显高于其它地区，导致该区域土壤肥力水平比较高。另外在巴彦县、宾县、阿城区等县区的部分地区及哈尔滨市周边也有分布，主要是因为该区域土壤全钾、有效磷含量远高于其他区域，而且该区域属于第一积温带，同时有机质、全氮属中等水平。

三级土壤肥力的农田主要分布在中部克山县、克东县、拜泉县、海伦市、绥化市、呼兰县、宾县、阿城区等县境内部分地区。主要原因为该区域处于黑土带中部，属中层黑土，土壤有机质、全氮、全磷、有效磷等养分含量属于中等水平，处于第三积温带，年降水量为500 mm～600 mm，都属于中间水平。

四、五级土壤肥力的农田主要分布在研究区的西南部依安县、拜泉县、明水县、青冈县、兰西县、双城市等县境内部分地区，属于薄层黑土。主要是由于西南部与中国北方荒漠化地带的东端相接，土壤沙化、水土侵蚀日趋严重，而且受土地次生盐碱化影响，引起黑土退化，土壤有机质及其他养分含量较低。双城市是黑土开垦最早的地区之一，开垦年限较长，气候条件较好，有利于土壤有机质的分解及作物生长对养分的吸收，致使土壤养分消耗较大，土壤肥力主要指标水平较低。另外研究区东北边缘地区，土壤肥力水平相对于相邻内部区域的肥力水平较低，甚至有五级肥力水平零星分布，主要是由于该区域靠近小兴安岭，坡度大，土壤养分含量也相对较低。

从总体上看，松嫩平原黑土区农田土壤肥力水平东高西低，北高南低，呈现出明显的条带状分布特征，从西南部向东北部土壤肥力水平逐渐增高，该土壤肥力空间分布特征与马强［10］等对研究区域相对较小，选取的评价指标相对较少的研究结果一致。土壤肥力综合评价指数最低为0.57，虽然在本研究区内土壤肥力水平相对较低;但与其他地区相比，土壤养分含量仍处于较高水平，具有相对较高的土壤肥力。松嫩平原整体肥力水平较高，基本不会阻碍农业生产，但是西南部青冈县、明水县、兰西县、双城市等应注意培肥，控制化肥与化学农药的施用量，治理水土流失和风沙侵蚀，以保护农田生态系统和农业生产的可持续性。

3.2 土壤养分指标分布特征

一级土壤肥力的农田中土壤养分含量较高:有机质含量＞60 g·kg－1，全氮含量＞3.0 g·kg－1，全磷含量＞0.9 g·kg－1，碱解氮含量＞280 mg·kg－1，速效钾含量＞200 mg·kg－1的农田面积均占一级肥力农田总面积的50%以上，有效磷含量＞30 mg·kg－1的农田面积占一级肥力农田总面积的百分比最低，约为39.02%，见图4。

二级土壤肥力的农田有机质含量为40 g·kg－1～60 g·kg－1，全氮含量为2.0 g·kg－1～3.0 g·kg－1，全磷含量为0.6 g·kg－1～0.9 g·kg－1，有效磷含量为20 mg·kg－1～30 mg·kg－1的农田面积占二级肥力农田总面积的百分比都在60%左右;碱解氮含量为150 mg·kg－1～280 mg·kg－1和＞280 mg·kg－1，速效钾含量为150 mg·kg－1～200 mg·kg－1的农田面积各占二级肥力农田总面积的40% 左右;速效钾含量为＜150 mg·kg－1和＞200 mg·kg－1的农田面积各占二级农田总面积的30%左右。

三级土壤肥力的农田土壤养分(除全磷外)多集中在中等水平。有机质含量为40 g·kg－1～60 g·kg－1的农田面积占45.7%，含量为20 g·kg－1～40 g·kg－1的面积占37.4%;全氮含量在2.0 g·kg－1～3.0 g·kg－1之间的面积占60.4%;全磷含量0.6 g·kg－1～0.9 g·kg－1之间的面积占48.2%;碱解氮含量为150 mg·kg－1～280 mg·kg－1的面积占79.7%;有效磷含量为20 mg·kg－1～30 mg·kg－1的面积占78.2%;速效钾含量为150 mg·kg－1～200 mg·kg－1的面积占57.7%。

四级土壤肥力农田的养分含量集中在中等偏下水平。有机质含量为20 g·kg－1～40 g·kg－1的面积占47.5%，＜20 g·kg－1的面积占16.0%;全氮含量为2.0 g·kg－1～3.0 g·kg－1的面积占66.4%，＜2.0 g·kg－1的面积占30.6%，还有一部分 ＞3 g·kg－1的面积;全磷含量＜0.6 g·kg－1的农田面积约占四级肥力农田的95.4%;碱解氮含量为150 mg·kg－1～280 mg·kg－1的面积占76.6%，＜150 mg·kg－1的面积占20.2%;有效磷含量为20 mg·kg－1～30 mg·kg－1的面积占78.2%，＜20 mg·kg－1的面积占21.3%;速效钾含量为150 mg·kg－1～200 mg·kg－1的面积占57.7%，＜150 mg·kg－1的面积占36.7%。

五级土壤肥力农田中，有机质含量为20 g·kg－1～40 g·kg－1的农田面积占97.0%，全氮含量为2.0 g·kg－1～3.0 g·kg－1的农田面积约占98.8%，或更低。碱解氮含量为150 mg·kg－1～280 mg·kg－1的农田面积约占96.3%，速效钾含量150 mg·kg－1～200 mg·kg－1的农田面积约占89.7%;而五级肥力农田中土壤全磷和有效磷含量则偏低，其中全磷＜0.6 g·kg－1的农田面积占98.6%，有效磷含量＜20 mg·kg－1的农田面积占89.7%。

综上所述，一、二、三级土壤肥力农田有机质及土壤养分含量较高，四级肥力农田的主要限制因子是全磷，有95.4%的农田含量＜0.6 g·kg－1;五级肥力农田的主要限制因子为全磷和有效磷，有98.4%的农田全磷含量＜0.6 g·kg－1，89.7%的农田有效磷含量＜20 mg·kg－1。因此，在对四、五级农田进行培肥保育过程中应注意磷肥的施用。

图4 养分指标各含量区间的农田面积占该等级农田总面积的百分比Fig.4 Percentage of field area on the base of nutrients content range in the same grade

3.3 评价结果验证

通常情况下，认为土壤肥力表征的是土壤的潜在生产力，多年平均单位产量表征了土壤的实际生产力，两者之间有差异，但理论上应该存在一定的相关性。将研究区1998 年－2002 年23 个市县主要作物大豆和玉米，五年的单位平均产量与土壤肥力评价结果进行对比验证。利用SPSS 16.0 对23 个市县土壤肥力综合指数与大豆、玉米的平均单产进行相关性分析发现:土壤肥力与大豆、玉米的单产呈显著性相关(p ＜0.05)，相关系数分别为:0.406 和0.318，说明土壤肥力评价结果与土地的实际生产力基本相符。

土壤肥力为一、二级的哈尔滨市、巴彦县、阿城区等的大豆和玉米的单位产量相对较高;而克东县、海伦市、望奎县、绥化市、呼兰县、宾县等县市平均单位产量水平和土壤肥力水平都处于中间水平;依安县、拜泉县、明水县、青冈县、兰西县的单位产量最低，与其处于四、五级的土壤肥力水平的情况相符合。分析其原因可能是由于该区域与中国北方荒漠化地带的东端相接，土壤沙化、水土侵蚀严重，而且受土地次生盐碱化影响，引起黑土退化，土壤肥力较低［23］，导致作物产量较低，从而表明土壤肥力评价结果与生产实际基本符合。

但同时发现，嫩江县、五大连池市、北安市、绥棱县虽然是一、二级土壤肥力水平，单位产量仅处于中下水平，该区域黑土层厚而肥沃，有机质及土壤养分含量都比较高，生产潜力较大，主要原因是其纬度高、积温低等水热梯度因素的影响限制了土壤养分作用发挥。双城市由于单一种植高产粮食作物玉米，使作物产量一直保持在较高水平。另外双城市受较高水热梯度和有利地形地貌的影响，土壤熟化程度高，土壤养分作用得到了很好的发挥。虽然双城市产量较高，但此次评价土壤肥力并不属于高水平的土壤肥力区域，采样化验分析中也发现双城市的土壤养分较低，尤其是土壤有效磷偏低。

4 结 论

①基于Model Builder 的土壤肥力评价模型将模糊数学法、层次分析法、加法模型结合起来，充分发挥GIS 强大的空间数据处理和分析功能，使得评价工作变得简单，计算过程快速、准确。模型一旦建立后，不同的研究人员可以根据对土壤肥力的认识程度来调整指标及其权重，就可以快速得出结果，基于栅格的评价单元能够准确表现土壤肥力的空间分布特征。

②松嫩平原黑土农田土壤肥力空间分布呈现出明显西南低东北高的条带状分布特征，哈尔滨周边地区高而双城市较低的主要分布趋势。

③松嫩平原农田土壤肥力综合指数在0.57～0.84 之间，尽管整体肥力水平较高，基本不会阻碍农业生产;但是西南部青冈县、明水县、兰西县、双城市等应注意培肥，控制化肥与化学农药的施用量，治理水土流失和风沙侵蚀，从而有利于保护农田生态系统以及农业生产的可持续性。

最后，由于评价研究区尺度较大，因此，增加评价指标或在地形复杂的区域加密采样点很有必要，今后应逐渐完善这方面的研究。

致谢:感谢香港王宽诚教育基金会和黑龙江省外国专家局2012 年度引进国外技术、管理人才项目的资助，此外，本论文还得到了地球系统科学数据共享平台提供的采样点设计和空间数据处理等方面的技术支持，在此表示感谢!

［1］沈善敏. 中国土壤肥力［M］. 北京:中国农业出版社出版，1998.

［2］魏 丹，杨 谦，迟凤琴. 东北黑土区土壤资源现状与存在问题［J］. 黑龙江农业科学，2006 (6):69－72.

［3］隋跃宇，张兴义，谷思玉，等. 论农田黑土肥力评价体系［J］. 农业系统科学与综合研究，2004，20 (4):265－267，270.

［4］郭旭东，傅伯杰，马克明，等. 基于GIS 和地统计学的土壤养分空间变异特征研究——以河北遵化市为例［J］. 应用生态学报，2000，11 (4):557－563.

［5］汪景宽，王铁宇，张旭东，等. 黑土土壤质量演变初探Ⅰ——不同开垦年限黑土主要质量指标演变规律［J］. 沈阳农业大学学报，2002，33 (1):43－47.

［6］汪景宽，张旭东，王铁宇，等. 黑土土壤质量演变初探Ⅱ——不同地区黑土中有机质、氮、硫和磷现状及变化规律［J］. 沈阳农业大学学报，2002，33 (4):270－273.

［7］李双异，刘慧屿，张旭东，等. 东北黑土地区主要土壤肥力质量指标的空间变异性［J］. 土壤通报，2006，37 (2):220－225.

［8］赵 军，葛翠萍，商 磊，等. 农田黑土有机质和全量氮磷钾不同尺度空间变异分析［J］. 农业系统科学与综合研究，2007，23(3):280 –284.

［9］汪景宽，李双异，张旭东，等.20 年来东北典型黑土地区土壤肥力质量变化［J］. 中国生态农业学报，2007，15 (1):19－24.

［10］马 强，宇万太，赵少华，等. 黑土农田土壤肥力质量综合评价［J］. 应用生态学报，2004，15 (10):1916－1920.

［11］Kollias V J，Kalivas D P. The enhancement of a commercial geographical information system (ARC/INFO)with fuzzy processing capabilities for the evaluation of land resources ［J］. Computers and electronics in agriculture，1998 ，20 (1):79－95.

［12］Bojórquez-Tapia L A，Díaz-Mondragón S，Ezcurra E. GIS-based approach for participatory decision making and land suitability assessment［J］. Intermational Journal of Geographical Information Science，2001，15 (2):129－151.

［13］Nisar Ahamed T R，Gopal Rao K，Murthy J S R. GIS-based fuzzy membership model for crop-land suitability analysis ［J］. Agricultural systems，2000，63 (2):75－95.

［14］Hudson G，Bimie R V. A method of land evaluation including year to year weather variability ［J］，Agricultural and Forest Meteorology，2000，101 (2－3):203－216.

［15］Thapa R B，Murayama Y. Land evaluation for peri－urban agriculture using analytical hierarchical process and geographic information system techniques:A case study of Hanoi ［J］. Land Use Policy，2008，25 (2):225－239.

［16］孙 波，张桃林，赵其国. 我国东南丘陵山区土壤肥力的综合评价［J］. 土壤学报，1995，32 (4):362－369.

［17］王建国，杨林章，单艳红. 模糊数学在土壤质量评价中的应用研究［J］. 土壤学报，2001，38 (2):176－183.

［18］周 旭，安裕伦，许武成，等. 基于GIS 和改进层次分析法的耕地土壤肥力模糊评价——以贵州省普安县为例［J］. 土壤通报，2009，40 (1):51－55.

［19］杨奇勇，杨劲松，姚荣江，等. 基于GIS 和改进灰色关联模型的土壤肥力评价［J］. 农业工程学报，2010，26 (4):100－105.

［20］周 扬，李潇丽，吴文祥，等. 基于Model Builder 的库区生态敏感性分析［J］. 安徽农业科学，2009，37 (29):14272－14275，14322.

［21］季 漩. 基于Model Builder 的水土流失危险性分析模型研究［J］. 内蒙古林业调查设计，2009，32 (1):101－103.

［22］隋跃宇，焦晓光，张兴义，等. 农田黑土肥力综合评价研究［J］. 土壤肥料，2005 (5):46－48，51.

［23］李取生，裘善文，邓 伟. 松嫩平原土地次生盐碱化研究［J］. 地理科学，1998，18 (3):268－272.