基于农用地分等体系的上海耕地质量监测方案研究

唐 杭（1.上海市地质调查研究院，上海200072；2.上海市国土资源调查研究院，上海 200072）



基于农用地分等体系的上海耕地质量监测方案研究

唐 杭1，2
（1.上海市地质调查研究院，上海200072；2.上海市国土资源调查研究院，上海 200072）

摘 要：基于现行农用地分等体系，系统分析了上海耕地质量影响因素。结合上海地方特点，研究设计了上海耕地质量监测方案，确定了土壤pH值、盐渍化程度、有机质含量作为监测指标，划定了耕地质量监测区，并布设了相应的监测单元与监测样点。结合2006年农用地分等成果与近年土壤环境质量监测成果，对监测区内耕地质量的变化情况进行了实例分析，验证了监测方案的可行性。

关键词：土地质量；驱动因素；耕地；质量监测；方案设计

电子邮箱: feitianwuzhe@aliyun.com

联系电话: 021-56611483

耕地作为特殊的公共资源，其数量、质量与粮食安全密切相关［1～3］。为此，我国实行了农转用审批制度、耕地占补平衡制度等相当严格的耕地保护政策。然而，以往的耕地保护更多地注重数量保护，对于耕地的质量、生态的保护缺乏足够关注［4］。由于耕地数量规模受有限土地资源以及城乡建设用地需求的双重约束，短时期内不会出现较大变化，以上海为例，2010～2014年来耕地规模维持在1900km2。耕地质量、生态的变化已经成为影响耕地综合生态性能、生态环境质量的重要因素。更加注重耕地质量的监测、管理，已成为形势发展的迫切要求［5］。

2016年中央一号文件提出推进耕地数量、质量、生态三位一体保护制度，加强耕地质量调查评价与监测，对于耕地质量保护提出了更高的要求。自2008年完成全国农用地分等工作以来，随着自然、社会、经济条件变化，原有分等成果已不能准确反映耕地本底质量、利用与收益水平的现势情况。为此，国土资源部于2013年开始连续部署全国耕地质量等别年度监测工作，对耕地质量的渐变情况进行监测、评价。

本文结合上海耕地质量等别年度监测工作，在国家要求的基础上，结合上海地方特点，对上海耕地质量监测方案进行优化设计，实现监测指标设置、监测区划定、监测单元选取与监测样点布设，并进行实例论证，为上海耕地质量等别监测工作的全面展开提供技术借鉴。

1 上海耕地质量监测方案设计

1.1 基于农用地分等体系的耕地质量驱动因素分析

上海现行农用地分等体系下的土地质量分等指标共8个（见表1），涉及土壤理化性状、农田建设条件两个方面。

（1）土壤物理指标驱动因素分析

土壤物理指标中，有效土层厚度、土壤质地、剖面构型三项指标属于相对稳定的因素。相关研究表明，该三项指标的土壤特性响应时间较长［6］，在自然条件作用下衍化相对平缓。上海位于长江三角洲滨海平原，考虑地区成土母质、地形地貌、地下水位特征，基本不存在水土流失、沙化等水土环境问题。短期内有效土层厚度、土壤质地、剖面构型等三项指标，主要受到局部地区表土剥离、客土回填等工程建设活动的影响。

（2）土壤化学指标驱动因素分析

就土壤pH值而言，上海地处长江三角洲，气候湿润。自然条件下，土壤整体呈酸化趋势，但该衍化过程十分缓慢。人为因素方面，耕地的土壤pH值主要受到肥料施用量与施用配方、污染物排放、土地利用方式（例如：种植结构、复种次数）等因素的影响。

就土壤盐渍化程度而言，上海地区土壤多为无盐化和轻度盐化，滨海地区和设施菜田内盐渍化程度相对较高。近年滨海地区的新增耕地一般通过滩涂促淤、圈围形成［7］，尚未完全脱盐熟化；设施大棚种植地区由于种植环境的封闭性、盲目施肥、不合理灌溉和管理不当等原因，多存在土壤次生盐渍化等问题［8］。

表1　上海农用地分等体系中的分等指标Table 1 Indicators of Shanghai agricultural classifcation system

就土壤有机质含量而言，上海地区土壤有机质含量差异较大，整体呈现西高东低的趋势，滨海地区土壤有机质含量偏低，局部地区达到10g/kg以下的水平。一方面，以设施菜田为代表的耕地，由于复种次数高、生产负荷重，加之施肥配方不合理，土壤有机质含量呈下降趋势。另一方面，部分近年整治新增耕地，由于表土剥离与耕层土壤再利用技术尚未推广应用，耕层土源多采用深层土壤翻耕，或者取自邻近河浜、滩涂淤泥，土壤有机质含量普遍偏低。其中，滨海滩涂开发形成的耕地，土壤有机质含量受土源条件限制较为明显。

（3）农田建设指标驱动因素分析

上海地区属于典型的平原感潮河网地区，农业生产主要采用地表水灌溉。灌溉保证率、排水条件两项指标主要受到各级河道、农田灌排沟渠、抽排水泵站等农田水利设施建设的影响。

（4）渐变型耕地质量驱动因素梳理

根据不同因素对于耕地质量产生作用的周期与效果划分，可以将耕地质量驱动因素分为突变型指标与渐变型因素。其中，突变型因素一般与建设活动有关，包括：表土回填、客土回填等工程建设，以及各级河道、农田灌排沟渠、抽排水泵站等农田水利设施建设等，短期内即可对耕地质量造成显著性影响。而渐变型因素包括：海水、污染物侵蚀，施肥过量或配比不当等，一般通过作用于土壤理化环境，对耕地质量造成缓慢性影响。

本文中的耕地质量监测是指对渐变型因素开展的长期监测。结合前述分析，汇总得到上海地区耕地质量关键驱动因素见表2。

表2　上海耕地质量渐变类型与驱动因素Table 2 Types of gradual changes of quality of arable land and corresponding key driving factors in Shanghai

1.2 监测方案设计

（1）监测区划定

根据上海地区耕地质量驱动因素分析结果，制定耕地质量监测区划定方案如下：

1）将近年规模化滨海圈围成陆耕地（见图1（a））划入盐化型/脱盐型监测区，重点监测盐渍化程度，同时监测土壤pH值和有机质含量。

2）将规模化设施菜田（见图1（b）划入盐化型监测区，重点监测盐渍化程度，同时监测土壤pH值、有机质含量。

3）将规模化污染风险型工业地块相邻的集中连片耕地（见图1（c））划入酸化/碱化型监测区，重点监测土壤pH值，同时监测盐渍化程度和有机质含量。

4）土壤有机质含量作为关注型监测指标，不单独划定监测区，但与其他监测指标一并监测。

上海共划定61个监测区，不同类型监测区数量、规模情况见表3。

表3　上海耕地质量监测区规模与布局Table 3 Scale and layout of arable land quality monitoring area in Shanghai

（2）监测单元与监测样点布设

在监测区内选择典型地块作为监测单元。监测单元的选取参照以下四个原则进行：面积宜在0.1～20hm2之间；监测区内应选择至少1个固定监测单元；监测单元在地块规模、种植制度、设施类型、土壤类型、利用水平等方面具备典型代表性；监测单元应当远离城镇地区及主干河流、道路。根据以上规则，结合监测区实际情况，上海共选取130个监测单元。

在监测单元内部布设固定监测样点，同时在监测区内其他地块布设随机监测样点。共布设监测样点718个，其中固定监测样点130个，随机监测样点588个，分布情况见图1（d）。

图1　上海各类耕地监测区分布图Fig.1 The monitoring layout of arable land quality in Shanghai

（3）监测评价方法设计

1）细化耕地质量分等方法

现行农用地分等体系中的国家利用等别，是国家在实施土地整治监测监管、耕地占补平衡管理中，用于衡量耕地质量的重要标准。现行国家利用等别计算方法为：在国家利用等指数的基础上，以200为间距，采用“高分低等”的原则划定，将全国共分为1～15等。上海地区耕地国家利用等别为4～8等。具体计算公式如下：

式中，i表示单元编号；GJLYDi表示第i个单元的国家利用等别，Yi表示第i个单元的国家利用等指数。

由于现行国家利用等别划分相对粗略，难以精确地反映耕地质量的细微变化，因此本文通过细化国家利用等别划定规则，实现各项驱动因素对于耕地质量的综合影响的评估。

具体采用以下计算公式，将国家利用等别细化为保留1位小数的等别值：

2）设计监测评价预警标准

对于文中的监测指标（土壤pH值、盐渍化程度、土壤有机质含量），分别设置变化值与限值预警标准如表4。

表4　上海耕地质量监测指标预警标准Table 4 Warning standard of monitoring indicators of arable land in Shanghai

3 上海耕地质量监测实例分析

3.1 监测指标变化与限制情况分析

结合上海2015年度耕地质量监测评价工作，对文中划定的上海耕地质量监测区内监测指标变化情况进行分析。根据上海2012～2015年土壤环境质量监测成果，得到监测区内全部监测样点的监测指标数据。通过与2006年农用地分等成果中监测区内对应的分等指标数据进行对比，得到不同类型监测区内各项监测指标数据的变化情况（表5）。

表5　上海不同类型监测区内监测指标统计结果Table 5 Statistical results of monitoring indicators of different types of monitoring area in Shanghai

（1）滨海集中连片耕地监测区

滨海集中连片耕地监测区内土壤pH值、全盐量和有机质含量变化幅度较小。但是，土壤盐渍化程度整体水平为轻度盐化，土壤pH值和有机质含量均达到了限值预警标准。

其中，土壤pH值属中性至强碱性范畴，局部地区已略超出限值预警标准9.0。土壤有机质含量偏低，局部地区已经低于限值预警标准 6g/kg。出现警情的典型地区为：崇明岛北部地区，土壤pH值达到最高值9.1，土壤有机质含量达到最低值4.1/kg，分析其可能系土源条件不理想，加之滩涂圈围成陆时间较近，耕地尚未熟化所致。

（2）集中连片设施菜田监测区

集中连片设施菜田监测区内土壤有机质含量变化幅度较小，而土壤全盐量和土壤pH值变化幅度较大。整体上，土壤pH值降低约0.42，存在一定的酸化趋势。土壤全盐量提升约1.1g/kg，已经超出变化值预警标准，且整体由无盐渍化发展至轻度盐化的水平，分析其可能系设施土壤次生盐渍化的问题，需要在今后的监测工作中加设施菜田强施肥情况与灌排条件的调查。

监测数据亦表明，集中连片设施菜田监测区内土壤pH值、盐渍化程度、有机质含量均未达到限值预警标准。但是，局部地区已经达到强酸性，即土壤pH值达到4.5～5.5；且最小值为4.6，已接近预警限值4.5。另有局部地区土壤有机质含量低于10g/kg；最小值达到6.7g/kg，已接近预警限值6g/kg。

（3）规模化工业地块相邻集中连片耕地监测区

规模化工业地块相邻集中连片耕地监测区内土壤pH值、全盐量和有机质含量变化幅度较小，且均未达到限值预警标准。但是，浦东新区、青浦区境内各有一处监测区内的部分监测单元达到强酸性范畴，土壤pH值最低分别为4.7和4.9，已接近最低预警值4.5。其中，前者位于浦东新区康桥镇工业区附近，结合区域土壤酸碱性质背景特征分析，该监测区确属异常情形。需要对监测区及其周边的土地利用现状进行调查，分析是否存在酸性化学物排放等因素。

3.2 耕地质量变化情况分析

（1）监测指标数据分析

根据上海2012～2015年土壤环境质量监测成果中的全市监测样点数据，采用IDW函数插值法［9，10］，对全市土壤pH值、全盐量、有机质含量进行空间插值。相应的插值点监测指标计算公式如下：

式中，Z表示插值点的监测指标值；λi（i =1，…，n）表示第i个监测样点的监测指标值；Di表示第i个监测样点与插值点的距离，k为距离的幂值参数，文中取为2；插值搜索半径设为1.8km。

通过空间插值，得到全市土壤pH值、全盐量、有机质含量该三项监测指标的空间分布数据。

（2）监测单元耕地质量变化情况

在农用地分等成果的基础上，根据监测指标空间分布数据，更新对应监测单元的土壤pH值、盐渍化程度、土壤有机质含量三项分等指标的分值，重新计算耕地质量等别。最终计算得到不同监测区内监测单元细化后的国家利用等别如表6。

表6　上海监测单元细化后的国家利用等别计算结果Table 6 Calculation results of national utilization level of monitoring units in Shanghai

根据表6可以看出，滨海集中连片耕地、规模化工业地块相邻集中连片耕地监测区的平均国家利用等别分别下降了0.05等和0.06等，可视为基本持平。集中连片设施菜田的平均国家利用等别下降约0.11等，对应国家利用等指数下降约22。相对其余两种类型监测区，下降趋势较为明显，应当予以密切关注。结合表5中的监测数据进一步分析确定：土壤酸化和盐渍化程度加剧，是导致集中连片设施菜田监测区内耕地质量下降的主要原因。

4 结语

本文基于现行农用地分等体系，结合上海地方特点，设计了上海耕地质量监测方案并进行了实例论证。上海作为中国长江下游典型的沿江平原地区，自然气候条件、土壤理化环境比较适宜水稻、小麦等主要粮食作物种植。但由于海水侵蚀、设施大棚种植、工业污染排放的原因，分别导致了滨海地区耕地盐化、碱化程度偏高，设施菜田酸化、次生盐渍化加剧，工业地块周边个别地区耕地土壤酸碱性质异常等现象。整体上看，全市监测区内耕地质量出现了一定的下降趋势，局部地区土壤pH值、盐渍化程度、土壤有机质含量达到了限制预警标准。在今后的监测工作中，应当重点关注土壤酸化、盐渍化的情形，对于监测指标变化显著或构成限制的区域加强监测。

参考文献（References）

［1］张晋科，张凤荣，张琳，等.中国耕地的粮食生产能力与粮食产量对比研究［J］.中国农业科学，2006，39（11）:2278-2285.Zhang J K， Zhang F R， Zhang L， et al.Comparison between the potential grain productivity and the actual grain yield of cultivated lands in Mainland China［J］.Scientia Agricultura Sinica，2006，39（11）:2278-2285.

［2］谢俊奇，蔡玉梅，郑振源，等.基于改进的农业生态区法的中国耕地粮食生产潜力评价［J］.中国土地科学，2004，18（4）:31-37.Xie J Q， Cai Y M， Zheng Z Y， et al.AEZ-based assessment for food productivity potential of cultivated land in China［J］.China Land Science， 2004，18（4）:31-37.

［3］李秀彬.中国近20年来耕地面积的变化及其政策启示［J］.自然资源学报，1999，（4）:329-333.Li X B.Change of arable land area in China during the past 20 years and its policy implications［J］.Chinese Academy of Sciences，1999，（4）:329-333.

［4］廖远琴.上海市耕地后备资源宜耕性调查评价［J］.上海国土资源，2016，37（1）:19-23.Liao Y Q.The investigation and evaluation of the suitability of reserved cultivated land resources in Shanghai［J］.Shanghai Land & Resources， 2016，37（1）:19-23.

［5］朱锦尉，祝锦霞，徐保根.基于农用地分等的耕地质量监测评价［J］.上海国土资源，2013，34（2）:20-23.Zhu J W， Zhu J X， Xu B G.Monitoring and evaluation for the classification of cultivated land quality［J］.Shanghai Land & Resources， 2013，34（2）:20-23.

［6］李保国.土壤变化及其过程的定量化［J］.土壤学进展，1995，23（2）: 33-42.Li B G.Quantifcation of soil changes and processes［J］.Progress in Soil Science， 1995，23（2）:33-42.

［7］徐俊杰，陈勇.基于RS与GIS的南汇东滩围垦研究［J］.上海国土资源，2011，32（3）:18-22.Xu J J， Chen Y.Study of tidal flat reclamation at eastern Nanhui based on RS and GIS［J］.Shanghai Land & Resources，2011，32（3）:18-22.

［8］沈秋光，杨佩珍，毕经伟.上海郊区耕地利用现状及对策［J］.上海农业学报，2008，24（3）:123-125.Shen Q G， Yang P Z， Bi J W.Status and counter measure off armland utilization in Shanghai suburbs［J］.Acta Agriculture in Shanghai， 2008，24（3）:123-125.

［9］谢云峰，陈同斌，雷梅，等.空间插值模型对土壤Cd污染评价结果的影响［J］.环境科学报，2010，30（4）:847-854.Xie Y F， Chen T B， Lei M， et al.Impact of spatial interpolation methods on the estimation of regional soil Cd［J］.Acta Scientiae Circumstantiae， 2010，30（4）:847-854.

［10］卢进登，帅方敏，梁雄兵，等.空间插值法在湖泊水污染现状评价中的应用研究［J］.湖南科技大学学报（自然科学版）， 2007，22（3）: 125-128.Lu J D， Shuai F M， Liang X B， et al.Research of spatial interpolation method on appraisal of current situation of water pollution in lakes［J］.Journal of Hunan University of Science & Technology （Natural Science Edition）， 2007，22（3）:125-128.

A quality monitoring plan for arable land in Shanghai based on an agricultural classification system

TANG Hang1，2
（1.Shanghai Institute of Geological Survey， Shanghai 200072， China； 2.Shanghai Institute of Land Resources Survey， Shanghai 200072， China）

Abstract:On the basis of a current agriculture land classifcation system， we systematically analyzed factors of arable land quality in Shanghai.Combined with local characteristics of Shanghai， the quality monitoring plan of arable land in Shanghai is researched and designed， and soil pH value， salinization， organic matter content are chosen as monitoring indicators.The monitoring area was delimited and appropriate monitoring units were selected.With reference to farmland quality classifcation results from 2006 and the results of recent soil environmental quality monitoring， we analyzed arable land quality in the monitoring area， and accordingly verifed the feasibility of using the newly designed monitoring plan.

Key words:land quality； driving factors； arable land； quality monitoring； plan design

中图分类号：F301.21

文献标志码：A

文章编号：2095-1329（2016）02-0013-04

doi:10.3969/j.issn.2095-1329.2016.02.004

收稿日期:2016-05-10

修订日期:2016-06-05

作者简介:唐杭（1992-），男，助理工程师，主要从事地籍调查土地质量调查评价与耕地保护研究.

基金项目:国土资源部土地整治中心科研项目“2015年上海市耕地质量等别更新与监测评价”