旱作种植条件下基础地力贡献率演变特征及影响因素分析

2021-10-20李官沫张文菊曲潇琳乔磊黄亚萍徐虎徐明岗

中国农业科学 2021年19期

李官沫，张文菊，曲潇琳，乔磊，黄亚萍，徐虎，徐明岗

李官沫1，张文菊1，曲潇琳2，乔磊1，黄亚萍1，徐虎1，徐明岗1

1中国农业科学院农业资源与农业区划研究所/耕地培育技术国家工程实验室，北京 100081；2农业农村部耕地质量监测与保护中心，北京 100125

【】耕地基础地力是其生产潜能的重要指标。探究耕地基础地力区域差异、演变特征及其驱动因素，可为耕地地力提升与可持续利用提供科学依据。基于国家级长期定位监测点试验平台，按照种植区域、监测年限、土壤类型和土壤理化性状分别进行分组，分析小麦和玉米季基础地力贡献率特征，并采用随机森林模型和非参数检验等统计学方法，探究小麦/玉米季基础地力贡献率的时空演变特征及影响因素。总体上，小麦季和玉米季的基础地力贡献率为48.9%和53.4%（中位值）。东北地区玉米季（60.8%）和西北地区小麦季（57.0%）的基础地力贡献率最高；而西南地区小麦季和玉米季的基础地力贡献率均最低（分别为35.8%和21.3%）。近30年我国基础地力贡献率总体呈现上升趋势，2010s比1980s增长了约15个百分点。在全国尺度上，土壤类型、土壤pH是影响基础地力贡献率的主要因素。对于不同区域小麦而言，有机质是影响华北地区基础地力贡献率的第一要素，长江中下游地区与西南地区的则为有效磷；而在玉米季，影响东北地区与西南地区是有机质，华北地区和长江中下游地区基础地力贡献率的主要因素则分别为速效钾和pH。我国耕地基础地力贡献率整体上呈增长趋势，区域间差异明显。就全国尺度，土壤类型和土壤pH是小麦与玉米季基础地力贡献率变异的主要因素。土壤类型、pH、有效磷和有机质含量是影响区域尺度上耕地基础地力主要因素。

农田土壤；基础地力贡献率；演变特征；小麦；玉米

0 引言

【研究意义】耕地地力的提升是保证粮食产能持续上升的根本，随着人口增长对粮食需求的提升，耕地集约化种植制度下农业生产资料的投入不断增加，我国农田地力总体处于较低水平[1-4]。当前我国基础地力对粮食产量的贡献率仅有50%左右，而欧美国家为70%—80%，且近10年耕地长期高强度超负荷利用，我国耕地基础地力贡献率下降了约5%[5-6]。面对地力水平持续下降与国家增粮需求之间的矛盾，如何进一步挖掘地力潜力和提升耕地地力，实现土壤绿色发展和可持续发展成为当前亟待探索及解决的问题。【前人研究进展】基础地力贡献率是指土壤自身对作物生产的贡献程度，是一个广泛适用的反映农田基础地力的指标[7-8]。经过长期的常规施肥后，农田基础地力随着时间推移呈现出显著的上升趋势，比监测初期的基础地力指数提升38.5%，其年均增长速率达到2.0%[9]。此外，土壤基础地力贡献率的空间分布差异较大[10]。李建军等[11]研究水稻田基础地力发现，在农民习惯性耕作施肥管理下，长江中下游地区基础地力最高，其次为东北地区、华南地区，西南地区最低。贡付飞等[12]利用DSSAT模型分析潮土冬小麦基础地力，结果表明长期施肥下基础地力贡献率与土壤有机碳、全氮、碱解氮、有效磷和速效钾含量均达到极显著相关，且与土壤有机碳和全氮相关度最高。可见，基础地力的演变还与养分管理措施和土壤肥力状况有关。【本研究切入点】由于耕地地力在时间和空间尺度上均呈现较大程度的变异，且影响基础地力变化的相关因素较多且复杂。但前人研究多聚焦于某一区域或单一作物的基础地力演变特征，对于全国尺度旱作种植条件下的耕地基础地力时空演变规律及其影响因素的作用程度尚不明确。【拟解决的关键问题】本研究基于172个国家级土壤长期定位监测点的监测数据库，分析了1980s—2010s期间我国典型种植区域、试验时间、土壤质地、土壤类型、土壤pH、土壤养分含量等因素对玉米和小麦基础地力贡献率的影响，基于随机森林算法和分组分类处理等统计学方法，探究我国小麦/玉米季农田土壤基础地力时空演变特征及主要影响因素，以期为耕地地力提升提供参考。

1 材料与方法

1.1 数据来源

本研究以小麦和玉米两种粮食作物为研究对象，所用数据均来源于国家级“农业农村部耕地质量监测”平台，选择172个监测站点。这些点位分布在我国5个主要种植区域，包括：东北地区（黑龙江、吉林、辽宁、内蒙古自治区）、华北地区（河南、河北、山东、山西、天津、北京）、西北地区（甘肃、陕西、新疆维吾尔自治区、宁夏回族自治区、青海）、西南地区（贵州、四川、云南、重庆）和长江中下游地区（安徽、湖南、湖北、江苏、上海、浙江），涵盖了25个省（市、区），且涉及褐土、潮土、砂姜黑土、水稻土、黑土等20多种土壤类型（表1）。

长期定位监测1988—2016年间，间断性地新监测点的设立，为避免长期不施肥导致的地力消耗对统计结果带来影响，本研究选取每个监测站点自建立起前3—5年的不施肥处理（空白区）与常规施肥处理（农民习惯施肥管理）的作物产量监测数据，进行基础地力贡献率的计算。根据监测点建立的时间跨度特征将其划分为1980s（1988—1990）、1990s（1991—1999）、2000s（2000—2009）、2010s（2010—2016）4个时间段。通过选取的长期定位监测站点地理位置、耕作制度、土壤类型以及土壤理化性状（有机质、全氮、有效磷、速效钾、pH、质地等）等进行筛选和划分，共获得小麦季429组数据，玉米季421组数据。

1.2 数据处理及分析

1.2.1 土壤性质对土壤基础地力贡献率的影响本研究中土壤性质根据全国第二次土壤普查的土壤养分含量分级标准，并结合本研究数据整体分布范围进行等级划分。土壤养分因素及pH划分为5个水平，如表2所示。土壤类型则根据统计样本数最小量需求划分为褐土、潮土、砂姜黑土、水稻土、黑土等，土壤质地分为砂土、壤土、黏土共3类，分别分析这些因素对基础地力贡献率的影响。

表1 监测点的地理分布及主要土壤类型

由于小麦季与玉米季的部分监测点位重合，表中所列各区域及其不同时间阶段的监测点位数为小麦季和玉米季的总和。土壤类型依据中国土壤分类系统划分

Because some sites overlap between wheat season and maize season, the number of sites in each region listed in the above table and in different years is the sum of wheat season and maize season. Soil type in the study area is classified according to the Chinese Soil Taxonomy

表2 土壤养分因素及pH分组标准

土壤基础地力贡献率具体计算公式如下[6]：

基础地力贡献率=不施肥处理产量/常规施肥处理产量。

式中，不施肥处理与常规施肥处理均取同一年份产量数据计算。不施肥处理指其建点前为农民常规施肥，自监测点建立起开始设为不施肥处理。为评价不同水平下基础地力贡献率数据的差异性，利用SPSS17.0进行单因素方差分析，通过非参数检验评价中位值的差异显著性（＜0.05）。

1.2.2 影响土壤基础地力贡献率的主控因素本研究运用R语言的程序包“randomForest”进行随机森林模型构建以及变量重要性排序[13]。利用平均均方差降低百分比（%IncMSE）作为变量重要性排序的标准，并对其进行标准化处理。%IncMSE是指把某个变量变成随机数，它对随机森林模型的平均均方差误差的降低程度，标准化平均误差改变值越大，表明该变量在随机森林模型建立过程中的重要性越大[13]。基于筛选的辅助变量，对随机森林模型进行参数进行了如下优化：首先以MSE最小化为目标，通过逐次计算确定决策树节点分裂时所用变量个数（mtry）；通过观察决策树数量（ntree）与误差关系图，在保证误差稳定的前提下，选择较小的ntree，进而得到较为理想的模型效果[14]。

利用Origin9.0进行图形制作。

2 结果

2.1 我国农田土壤基础地力贡献率的时空演变特征

我国小麦季和玉米季的基础地力贡献率分别为48.9%和53.4%（中位值），且不同区域之间存在显著差异。其中，小麦季西北地区基础地力贡献率为57.0%，显著高于其他区域及全国平均水平（图1-a）；玉米季东北地区基础地力贡献率为60.8%，显著高于除华北地区外其他区域（图1-b）；西南地区的基础地力贡献率在小麦季和玉米季均处于较低水平，分别为35.8%和21.3%（中位值）。

在时间尺度上（1980s—2010s），小麦季和玉米季的基础地力贡献率呈现出相同变化趋势，总体呈现上升趋势（除2000s稍有降低外）。小麦季各时间段的中位值总体分布在44.7%—59.8%，平均值范围在48.1%—59.5%，玉米季各时间段的中位值总体分布在25.0%—61.3%，平均值在26.1%—58.7%。

2.2 基础地力贡献率的特征因素

不同水平的土壤理化指标影响基础地力贡献率。随着土壤有机质含量的增加，小麦季和玉米季的基础地力贡献率均呈现增加趋势，且土壤有机质含量在20—25g·kg-1水平下的基础地力贡献率最高，小麦季和玉米季的基础地力贡献率分别为59.6%和57.2%（中位值），土壤有机质含量＞25 g·kg-1水平下的基础地力贡献率与20—25g·kg-1水平相比稍有下降，但差异不显著（图2）。不同土壤全氮含量与不同土壤pH条件下，小麦季土壤基础地力贡献率无显著差异，其基础地力贡献率在50%左右。玉米季的基础地力贡献率随着全氮含量增加呈现显著增加趋势，全氮含量＞1.25 g·kg-1时基础地力贡献率最大。而在pH≤5.5水平下，玉米季土壤基础地力贡献率显著低于其他各水平。土壤有效磷含量对基础地力贡献率的影响在小麦季和玉米季各不相同，小麦季与玉米季的基础地力贡献率的最低值分别出现在有效磷含量为30—40和20—30 mg·kg-1水平下。随着速效钾含量的提高，小麦季和玉米季的基础地力贡献率均呈现增加的趋势。当速效钾含量＞200 mg·kg-1时，小麦季和玉米季的基础地力贡献率最大（其中位值分别为63.0%和62.0%），比基础地力贡献率最小值（速效钾含量≤50 mg·kg-1水平下）分别高28.2和40.5个百分点。

矩形盒的左右边缘线分别代表全部数据的25%和75%，箱型图的左边缘线和右边缘线分别代表全部数据的5%和95%，左右实心点为除异常值外的最小值和最大值。盒中实线代表中值，虚线代表平均值；右实心点旁的不同字母表示中位值差异显著（P＜0.05），括号数字表示该处理有基础地力贡献率数据的个数。下同The lower and upper boundaries，bars，and dots in or outside the boxes indicate 25% and 75% , 5% and 95%, the minimum and maximum besides the vertical outliers of the data. The solid and dashed lines represent the median and mean value. Different letters indicate significant differences (P＜0.05) in median mean value. Numbers of observations are shown in parenthesis. The same as below

SOM：土壤有机质；TN：土壤全氮；AP：土壤有效磷；AK：土壤速效钾。下同

土壤类型和土壤质地对小麦季和玉米季的基础地力贡献率的影响各不相同。在小麦季，褐土的基础地力贡献率为53.9%（中位值），显著高于水稻土（图3）；在玉米季，潮土的基础地力贡献率最高（中位值为63.8%），其次为褐土和黑土。对于土壤质地而言，小麦季壤土的基础地力贡献率较高（中位值为50.0%），显著高于砂土；玉米季砂土的基础地力贡献率最高（中位值为71.4%），显著高于壤土和黏土。

2.3 不同因素对基础地力贡献率的相对重要性

在全国尺度上，影响小麦和玉米基础地力贡献率的主要因素均为土壤类型、有效磷和pH；而在各个区域，影响因素的重要性排序各有不同（图4和图5）。在华北地区，小麦季基础地力贡献率的首要影响因素为有机质，其次为pH；玉米季的首要影响因素为土壤类型，其次为土壤质地。长江中下游地区与西南地区的小麦季的首要影响因素均为有效磷，其次为pH和速效钾；而两个地区玉米季的首要影响因素分别为pH与土壤类型。西北地区小麦季和玉米季排名前三的影响因素均含有土壤类型与全氮。

在时间尺度上，影响1980s—2000s小麦季基础地力贡献率的首要因素依次为土壤类型、速效钾、有机质（图6）。除土壤类型外，1980s、1990s及2000s小麦季基础地力贡献率分别还受全氮、速效钾、土壤pH影响。2010s小麦季排名前三因素依次为速效钾、土壤类型和pH。然而，不同时间段下玉米季与小麦季基础地力贡献率的首要影响因素存在差异。对于玉米季，影响1980s基础地力贡献率排名前三的因素依次为速效钾、有效磷和pH。但影响1990s和2000s玉米季基础地力贡献率的首要因素均为土壤类型（图6）。除土壤类型外，1990s、2000s以及2010s玉米季的基础地力贡献率分别主要还受到土壤质地、有机质以及速效钾的影响。

图3 不同类型与质地土壤的基础地力贡献率

除华北地区外，不同区域土壤各因素对小麦季和玉米季基础地力贡献率变异性的总解释率分别为20.5%—49.5%和40.4%—68.0%（表3）。1990s—2010s土壤及相关属性对小麦和玉米季基础地力贡献的方差解释率在28.6%—34.0%和42.3%—66.5%，但1980s期间两种作物的解释率均偏低。综上所述，土壤类型和pH均是影响小麦季和玉米季的基础地力的主要影响因素。除此之外，有效磷主要影响小麦季，有机质主要影响玉米季。

表3 随机森林模型解释率

3 讨论

基础地力贡献率是衡量土壤基础肥力的指标，是土壤物理、化学和生物属性协调下的生产能力体现。土壤基础地力贡献率越大，表明其自身肥力供应能力越高，作物增产对施肥的依赖程度越弱；相反，土壤基础地力贡献率低，则需要更多的养分投入来保证作物生产。土壤基础地力的提升是一个土壤培肥的过程。有研究指出，在最大限度减少农业资源投入的情况下，因地制宜地提高土壤基础地力，不仅能够达到增产和稳产的目的，还可以提高土壤质量，减缓土壤退化[8,15-16]。本研究结果表明，近30年土壤基础地力贡献率的空间差异明显，北方地区的小麦的基础地力贡献率总体上高于南方各地区。这可能与小麦生长所需气候和光照条件有关，北方光照时间较南方长、昼夜温差大，且土壤普遍肥沃[17-18]，这些均有利于小麦生长期光合作用和干物质积累，有利于保证产量，基础地力贡献率较高。而西南地区由于土壤瘠薄，气候条件的限制，作物产量对于养分投入的依赖性强，基础地力贡献率较低[19]。东北和华北地区玉米的基础地力贡献率高于西北地区和西南地区，该结果与汤勇华等[10]的研究结果一致。西南地区由于光热资源和土壤肥力条件较差[20]，且玉米多种植于土壤条件较差的坡地，产量偏低，因而基础地力贡献率与北方相比较低。而对于不同作物而言，本研究发现小麦季基础地力贡献率的全国平均值比玉米的低1.83个百分点，与汤勇华等[21]研究结果较为接近。

从时间演变特征看，1990s的基础地力贡献率比1980s和2000s高，这和WANG[6]的研究结果一致。这主要是因为，1980s到1990s期间，土地改革提高了农民生产的积极性，化肥的增产效果被证明[22]，农家肥和化肥在农业生产中配合施用显著提升了土壤培肥效果，进而提高了土壤基础地力；而1990s到2000s期间，由于化肥增产效果好，在全国范围的大面积推广，有机肥施用量减少，土壤肥力上升缓慢，作物的产量主要靠化肥投入，因而土壤基础地力贡献率降低[6]。此外，本研究发现2000s到2010s基础地力贡献率显著增加，其原因可能是近年来监测点更加注重科学施肥，综合肥力及作物产量均得到显著提高[23-24]，土壤基础地力贡献率的提高。除去养分投入及环境因素外，基础地力在空间和时间尺度上的差异也与作物品种特性及其对气候和土壤条件的适应性有关。特别是随着育种技术的发展以及高产和养分高效品种的育成和推广，也对基础地力贡献率产生深远影响[25-27]。

耕地基础地力贡献率是土壤属性和养分协调供应的综合体现[12]。在不同含量水平的土壤有机质、有效磷、速效钾，小麦季的基础地力贡献率差异化较为显著，但全氮含量和土壤pH对其则无显著影响，随机森林分析结果也证实了这一结果（图2-a），这与汤勇华等[21]的研究结果一致。而相对于需要养分更高的玉米而言，土壤养分对其基础地力的影响相对较大[28-29]，因此。基础地力贡献率在不同含量水平的有机质、全氮、pH、有效磷、速效钾时，均表现出不同程度的显著差异（图2-b）。除此之外，土壤类型主要影响玉米季土壤基础地力贡献率。土壤类型与土壤发育过程和母质有关，砂姜黑土本身含有砂姜层，且有机质缺乏又缺磷少氮[30]，严重制约了玉米的增产，其基础地力贡献率显著低于潮土、褐土和黑土（图3-b）。

随机森林模型为量化基础地力贡献率的影响因素重要性提供了一种手段。我国幅员辽阔、地形复杂、气候类型多样，基础地力受诸多因素影响，但很多因素在区域尺度上易被土壤类型和种植区域所掩盖。因此，在整体上土壤类型和种植区域是我国小麦/玉米季基础地力贡献率的主要影响因素。影响华北地区小麦季和东北地区玉米季的最重要的3个影响因素为土壤类型、有机质与pH。已有研究表明土壤类型和有机质含量为东北地区和华北地区基础地力的重要影响因素[12,31]，与本研究结果一致。除此之外，长江中下游地区与西南地区，对小麦季基础地力贡献率影响最大的因素为有效磷和pH，而玉米季最重要的影响因素为土壤类型和有机质。首先，长江中下游地区的农田土壤pH在近30年总体呈持续下降趋势[29,32-33]，表明土壤pH是该地区限制土壤基础地力提升的关键。其次，西南地区土壤类型以红壤和水稻土为主，土壤pH本身较低，高温多雨的气候导致盐基离子和NO3-的强烈淋洗以及氮的硝化，加剧了土壤的酸化。而随着近年来西南地区工业的不断发展，大气酸沉降明显，进一步加剧了该区域土壤酸化[34]。王齐齐等[35]研究结果表明对小麦产量影响最大的肥力因素为土壤pH，对玉米产量影响最大的肥力因素为土壤有效磷，与本研究研究结果基本一致。因此重视土壤有效磷和有机质含量，同时注意土壤酸化是提高整个西南地区小麦季和玉米季的基础地力的重要措施。

在时间尺度上，影响不同时间段小麦季和玉米季基础地力贡献率首要因素分别为土壤类型以及速效钾，这可能与土壤母质及其发育过程的成土因素密切相关，土壤类型本身就是在一定程度上是反映土壤本身的肥力水平和当地水热气候条件的综合指标[24]。此外，本研究中不同速效钾含量水平下小麦季和玉米季的基础地力贡献率较大差异，这表明速效钾是影响基础地力贡献率的重要因素。这些结果表明，即使在土壤含钾丰富的北方地区，土壤培肥过程中也应重视钾素的补充。此外，受不同区域各个时间段的数据样本量限制，无法对各个区域不同时间段下影响基础地力贡献率的关键因素进行量化分析。因此，以后的研究中需要关注和加强不同区域基础地力贡献率驱动因素的时空演变系统分析。

4 结论

近30年来，我国小麦/玉米季的基础地力贡献率总体上呈上升趋势。在空间分布上中部地区的小麦基础地力贡献率高于其他区域，而玉米的基础地力贡献率是北方高于南方，东部高于西部。在全国尺度上，土壤类型和pH是同时引起小麦与玉米季基础地力贡献率变异的主要因素。在区域尺度上，引起小麦与玉米季基础地力贡献率变异的因素则不尽相同，影响西南地区和长江中下游地区小麦季基础地力贡献率的主要影响因素均为土壤有效磷含量和土壤pH。影响华北地区小麦季和东北地区玉米季基础地力贡献率的最主要影响因素为土壤有机质含量。因此，区域耕地地力提升要注重因地制宜的作物种植以及科学养分管理，以此维持土壤养分和酸度的平衡，提升土壤基础地力，充分挖掘基础地力潜力，以提高农业资源的利用效率。

[1] 周健民. 浅谈我国土壤质量变化与耕地资源可持续利用. 中国科学院院刊, 2015, 30(4): 459 - 467.

ZHOU J M.Evolution of soil quality and sustainable use of soil resources in China. Bulletin of Chinese academy of Science, 2015, 30(4): 459-467. (in Chinese)

[2] 徐明岗, 卢昌艾, 张文菊, 李玲, 段英华. 我国耕地质量状况与提升对策. 中国农业资源与区划, 2016, 37(7): 8 - 14.

XU M G, LU C A, ZHANG W J, LI L, DUAN Y H. Situation of the quality of arable land in China and improvement strategy. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(7): 8-14. (in Chinese)

[3] 沈仁芳, 王超, 孙波. “藏粮于地、藏粮于技”战略实施中的土壤科学与技术问题. 中国科学院院刊, 2018, 33(2): 135-144.

SHEN R F, WANG C, SUN B. Soil related scientific and technological problems in implementing strategy of “Storing Grain in Land and Technology”. Bulletin of Chinese Academy of Science, 2018, 33(2): 135 - 144. (in Chinese)

[4] 张俊伶, 张江周, 申建波, 田静, 金可默, 张福锁. 土壤健康与农业绿色发展: 机遇与对策. 土壤学报, 2020, 57(4): 783-796.

ZHANG J L, ZHANG J Z, SHEN J B, TIAN J, JIN K M, ZHANG F S. Soil health and agriculture green development: Opportunities and challenges. Acta Pedologica Sinica, 2020, 57(4): 783-796. (in Chinese)

[5] FAN M S, LAL R, CAO J, QIAO L, SU Y S, JIANG R F, ZHANG F S.

Plant-based assessment of inherent soil productivity and contributions to China’s cereal crop yield increase since 1980. PlosOne, 2013, 8(9): e74617.

[6] WANG S C, WANG J Z, ZHAO Y W, Ren Y, Xu M G, Zhang S X, Lu C A. Assessment of the contribution percentage of inherent soil productivity of cultivated land in China. Journal of Integrative Agriculture, 2019, 18(11): 2619-2627.

[7] Zha Y, Wu X P, He X H, Zhang H M, Gong F F, Cai D X, Zhu P, Gao H J. Basic soil productivity of spring maize in black soil under long-term fertilization based on DSSAT model. Journal of Integrative Agriculture, 2014, 13(3): 577-587.

[8] Qin X L, Zhang F X, Liu C, Yu H, Cao B G, Tian S Q, Liao Y C, Siddique K H M. Wheat yield improvements in China: Past trends and future directions. Field Crops Research, 2015, 177: 117-124.

[9] 查燕, 武雪萍, 贡付飞, 张会民, 徐明岗. 潮土区常规施肥下冬小麦农田基础地力演变规律. 中国土壤与肥料, 2018(2): 35-41.

Zha Y, Wu X P, Gong F F, Zhang H M, Xu M G.The changes of basic soil productivity of winter wheat farmland under conventional fertilization in fluvo-aquic soil area. Soil and Fertilizer Sciences in China, 2018(2): 35-41. (in Chinese)

[10] 汤勇华, 黄耀. 中国大陆主要粮食作物地力贡献率和基础产量的空间分布特征. 农业环境科学学报, 2009, 28(5): 1070-1078.

Tang Y H, Huang Y.Spatial distribution characteristics of the percentage of soil fertility contribution and its associated basic crop yield in mainland China. Journal of Agro-Environment Science, 2009, 28(5): 1070-1078. (in Chinese)

[11] 李建军, 徐明岗, 辛景树, 段建军, 任意, 李冬初, 黄晶, 申华平, 张会民. 中国稻田土壤基础地力的时空演变特征. 中国农业科学, 2016, 49(8): 1510-1519.

Li J J, Xu M G, Xin J S, Duan J J, Ren Y, Li D C, Huang J, Shen H P, Zhang H M. Spatial and temporal characteristics of basic soil productivity in China. Scientia Agricultura Sinica, 2016, 49(8): 1510-1519. (in Chinese)

[12] 贡付飞, 查燕, 武雪萍, 黄绍敏, 徐明岗, 张会民, 刘海龙, 姜志伟, 王小彬, 蔡典雄. 长期不同施肥措施下潮土冬小麦农田基础地力演变分析. 农业工程学报, 2013, 29(12): 120-129.

Gong F F, Zha Y, Wu X P, Huang S M, Xu M G, Zhang H M, Liu H L, Jiang Z W, Wang X B, Cai D X.Analysis on basic soil productivity change of winter wheat in fluvo-aquic soil under long-term fertilization. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(12): 120-129. (in Chinese)

[13] Breiman L. Statistical modeling: The two cultures. Statistical Science, 2001, 16: 199-215.

[14] 李建更, 高志坤. 随机森林针对小样本数据类权重设置. 计算机工程与应用, 2009, 45(26): 131-134.

LI J G, GAO Z K. Setting of class weights in random forest for small-sample data. Computer Engineering and Applications, 2009, 45(26): 131-134.

[15] Niu X K, Xie R Z, Liu X, Zhang F L, Li S K, Gao S J. Maize yield gains in Northeast China in the last six decades. Journal of Integrative Agriculture, 2013, 4: 630-637.

[16] Sattari S Z, Van ITTERSUM M K, Bouwman A F, Smit A L, Janssen B H. Crop yield response to soil fertility and N, P, K inputs in different environments: Testing and improving the QUEFTS model. Field Crops Research, 2014, 157: 35-46.

[17] 何中虎, 林作楫, 王龙俊, 肖志敏, 万富世, 庄巧生. 中国小麦品质区划的研究. 中国农业科学, 2002, 35(4): 359-364.

He Z H, Lin Z Y, Wang L J, Xiao Z M, Wan F S, Zhuang Q S. Classification on Chinese wheat regions based on quality. Scientia Agricultura Sinica, 2002, 35(4): 359-364. (in Chinese)

[18] 万克江, 薛绪掌, 王志敏, 高志远, 马智宏. 土壤水分状况对小麦苗期生长及生理特性的影响. 干旱区资源与环境, 2005, 19(5): 169-173.

Wan K J, Xue X Z, Wang Z M, Gao Z Y, Ma Z H. The influence of soil water conditions on the growth and physiological characteristics of wheat seedling. Journal of Arid Land Resources and Environment, 2005, 19(5): 169-173. (in Chinese)

[19] 黄超, 刘战东, 赵犇, 张凯, 宁东峰, 秦安振, 李森. 不同产量水平下冬小麦生长发育和耗水特性研究. 灌溉排水学报, 2019, 38(10): 10-16.

Huang C, Liu Z D, Zhao B, Zhang K, Ning D F, Qin A Z, LI S. Study on growth, development and water consumption characteristics of winter wheat under different yield levels. Journal of Irrigation and Drainage, 2019, 38(10): 10-16. (in Chinese)

[20] 刘月娥. 玉米对区域光、温、水资源变化的响应研究[D]. 北京: 中国农业科学院, 2013.

LIU Y E. The research on maize’s responses to the regional resources change of light, temperature and water[D]. Beijing: Chinese Academy of Agricultural Sciences, 2013. (in Chinese)

[21] 汤勇华, 黄耀.中国大陆主要粮食作物地力贡献率及其影响因素的统计分析. 农业环境科学学报, 2008, 27(4): 1283-1289.

Tang Y H, Huang Y. Statistical analysis of the percentage of soil fertility contribution to grain crop yield and driving factors in mainland China. Journal of Agro-Environment Science, 2008, 27(4): 1283-1289. (in Chinese)

[22] 林葆, 李家康, 林继雄, 吴祖坤. 全国化肥试验网协作研究三十二年. 土壤肥料, 1989(5):7-11.

LIN B, LI J K, LIN J X, WU Z K. Thirty-two years of national chemical fertilizer trial net co-operation. Soils and Fertilizers, 1989(5):7-11. (in Chinese)

[23] 王乐, 张淑香, 马常宝, 李春花. 潮土区29年来土壤肥力和作物产量演变特征. 植物营养与肥料学报, 2018, 24(6): 1435-1444.

Wang L, Zhang S X, Ma C B, Li C H. Characteristics of soil fertility and crop yield evolution in fluvo-aquic soil area in the past 29 years. Journal of Plant Nutrition and Fertilizers, 2018, 24(6): 1435-1444. (in Chinese)

[24] 张淑香, 张文菊, 沈仁芳, 徐明岗. 我国典型农田长期施肥土壤肥力变化与研究展望. 植物营养与肥料学报, 2015, 21(6): 1389-1393.

Zhang S X, Zhang W J, Shen R F, Xu M G. Variation of soil quality in typical farmlands in China under long-term fertilization and research expedition. Journal of Plant Nutrition and Fertilizers, 2015, 21(6): 1389-1393. (in Chinese)

[25] 黄宁, 王朝辉, 王丽, 马清霞, 张悦悦, 张欣欣, 王瑞. 我国主要麦区主栽高产品种产量差异及其与产量构成和氮磷钾吸收利用的关系. 中国农业科学, 2020, 53(1): 81-93.

HUANG N, WANG Z H, WANG L, MA Q X, ZHANG Y Y, ZHANG X X, WANG R. Yield variation of winter wheat and its relationship to yield components, NPK uptake and utilization of leading and high yielding wheat cultivars in main wheat production regions of China. Scientia Agricultura Sinica, 2020, 53(1): 81-93. (in Chinese)

[26] 吕硕, 杨晓光, 赵锦, 刘志娟, 李克南, 慕臣英, 陈晓超, 陈范骏, 米国华. 气候变化和品种更替对东北地区春玉米产量潜力的影响. 农业工程学报, 2013, 29(18): 179-190.

LÜ S, YANG X G, ZHAO J, LIU Z J, LI K N, MU C Y, CHEN X C, CHEN F J, MI G H. Effects of climate change and variety alternative on potential yield of spring maize in Northeast China. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(18): 179-190. (in Chinese)

[27] 孙琦, 张世煌, 李新海, 孟昭东, 慈晓科, 张德贵, 郝转芳, 翁建峰, 白丽, 李明顺. 中国不同年代主推玉米品种品质性状的变化趋势. 中国农业科学, 2014, 47(14): 2723-2730.

SUN Q, ZHANG S H, LI X H, MENG Z D, CI X K, ZHANG D G, HAO Z F, WENG J F, BAI L, LI M S. The trend of quality traits of maize varieties released extensively in different eras in China. Scientia Agricultura Sinica, 2014, 47(14): 2723-2730. (in Chinese)

[28] 赵秀娟, 任意, 张淑香. 长期试验条件下褐土地力贡献率的演变特征及其影响因素分析. 中国土壤与肥料, 2017(5): 67-72.

Zhao X J, Ren Y, Zhang S X. Basic soil productivity change and influence factors analysis in cinnamon soil under long-term fertilization. Soil and Fertilizer Sciences in China, 2017(5): 67-72. (in Chinese)

[29] 武红亮, 王士超, 闫志浩, 槐圣昌, 马常宝, 薛彦东, 徐明岗, 卢昌艾. 近30年我国典型水稻土肥力演变特征. 植物营养与肥料学报, 2018, 24(6): 1416-1424.

Wu H L, Wang S C, Yan Z H, Huai S C, Ma C B, Xue Y D, Xu M G, Lu C A. Evolution characteristics of fertility of typical paddy soil in China in recent 30 years. Journal of Plant Nutrition and Fertilizers, 2018, 24(6): 1416-1424. (in Chinese)

[30] 谷丰. 典型砂姜黑土区农田土壤水分养分动态变化特征及模拟[D]. 北京: 中国农业大学, 2018.

Gu F. Characteristics and modeling of soil water and nutrition dynamics in a typical calcic vertisol[D]. Beijing: China Agricultural University, 2018. (in Chinese)

[31] 查燕. 长期不同施肥条件下黑土区春玉米农田基础地力演变特征[D]. 北京: 中国农业科学院, 2015.

Zha Y. Basic soil productivity of spring maize in black soil under long-term fertilizations[D]. Beijing: Chinese Academy of Agricultural Sciences, 2015. (in Chinese)

[32] Guo J H, Liu X J, Zhang Y, SHEN J L, HAN W X, ZHANG W F, CHRISTIE P, GOULDING K W T, VITOUSEK P M, ZHANG F S. Significant acidification in major Chinese croplands. Science, 2010, 327(5968): 1008-1010.

[33] 李建军, 辛景树, 张会民, 段建军, 任意, 孙楠, 徐明岗. 长江中下游粮食主产区25年来稻田土壤养分演变特征. 植物营养与肥料学报, 2015, 21(1): 92-103.

Li J J, Xin J S, Zhang H M, Duan J J, Ren Y, Sun N, Xu M G. Evolution characteristics of soil nutrients in the main rice production regions, the middle-lower reach of Yangtze River of China. Journal of Plant Nutrition and Fertilizers, 2015, 21(1): 92-103. (in Chinese)

[34] 张晗, 赵小敏, 朱美青, 欧阳真程, 郭熙, 匡丽花, 叶英聪, 黄聪, 汪晓燕, 李伟峰. 近30年南方丘陵山区耕地土壤养分时空演变特征——以江西省为例. 水土保持研究, 2018, 25(2): 58-65, 71.

Zhang H, Zhao X M, Zhu M Q, Ouyang Z C, Guo X, Kuang L H, Ye Y C, Huang C, Wang X Y, Li W F. Characteristics of spatiotemporal variability of cultivated soil nutrients in the southern hilly area of China in the past 30 years-A case study of Jiangxi province. Research of Soil and Water Conservation, 2018, 25(2): 58-65, 71. (in Chinese)

[35] 王齐齐, 徐虎, 马常宝, 薛彦东, 王传杰, 徐明岗, 张文菊. 西部地区紫色土近30年来土壤肥力与生产力演变趋势分析. 植物营养与肥料学报, 2018, 24(6): 1492-1499.

Wang Q Q, Xu H, Ma C B, Xue Y D, Wang C J, Xu M G, Zhang W J. Change of soil fertility and productivity of purple soil in Western China in recent 30 years. Journal of Plant Nutrition and Fertilizers, 2018, 24(6): 1492-1499. (in Chinese)

Evolution Characteristics and Influencing Factors on Inherent Soil Productivity Across Dryland

1Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/National Engineering Laboratory for Improving of Arable Land, Beijing 100081;2Farmland Quality Monitoring and Protection Center of the Ministry of Agriculture and Rural Affairs, Beijing 100125

【】Inherent soil productivity of cropland is an important index of its productivity potential. The main objective of this study was to explore the evolution patterns and to identify the main influencing factors on the contribution of inherent soil productivity (CISP), which could provide the guidance for sustainable utilization of cultivated land to improve of CISP. 【】Based on the national long-term field monitoring network in China, the monitoring dataset were grouped according to regional distributions, monitoring years, soil types, and soil physical and chemical properties to explore the spatial-temporal evolution patterns and importance factors on the CISP for wheat/maize season.【】The median values of CISP for wheat and maize were 48.9% and 53.4% across main producing regions. The CISP for maize in Northeast and Northwest China were 60.8% and 57.0%.In southwest China, the CISP for the wheat and maize were both the lowest, with the median values of 35.8% and 21.3%.During the past 30 years, the CISP of China’s cropland showed an increasing trend. The CISP in the 2010s significantly were increased by 15 percentage points compared with the value in the 1980s. The results of random forest model showed that soil type and soil pH were the main factors influencing the CISP at national scale. As for wheat on regional scale, soil organic matter (SOM) was the most important factor in the North China, and available phosphorus (AP) was the most important factor in the Southwest China and the middle and lower reaches of Yangtze River. However, as for maize, regardless of soil type and area, available potassium (AK) and soil pH were mainly important influencing factors in the North China and the lower reaches of Yangtze River. Soil organic matter (SOM) was the most important factor in the Northeast and Southwest China. 【】The CISP in China is increasing on the whole with obvious differences among regions. On the national scale, soil type and pH were main factors casing variation of CISP. The soil type, SOM, AP and pH were mainly important factors casing variation of CISP on regional scale.

farmland soil; inherent soil productivity; the evolution characteristics; wheat; maize