耕地资源质量与土壤环境监测评价新方法

第1章 绪论 1.1 本书创作背景 1. 新时期自然资源数量-质量-生态“三位一体”的管理，对耕地和土壤资源的监测评价提出了新要求 自然资源是人类赖以生存和发展的基础，也是地球和生态系统的重要组成部分。随着经济、社会的快速发展，自然资源的数量、质量、结构及空间布局等要素深受人类活动影响，工业化、城镇化造成的自然资源数量减少、质量下降、生态破坏等问题逐渐成为目前昀突出的矛盾之一。中国是人口大国，粮食安全是保障社会稳定的重要基础，然而经济建设过程中非农建设造成了自然资源尤其是耕地资源的大规模减少。 1990年以来，中国耕地面积累计减少超过 1000万 hm2以上，每年减少约 69万 hm2。同时，无序开发建设、自然资源的过度开发利用等导致了土地荒漠化及沙化等一系列生态问题，自然生态保护已迫在眉睫，如何合理利用自然资源、促进生态环境可持续发展已引起全球学者的普遍关注。资源利用与整个社会的宏观经济系统相联系，随着区域经济发展，人们的生态环境保护意识随之增强，生态建设技术不断创新，以牺牲资源环境来实现经济增长的方式将导致区域自然资源枯竭、生态系统崩溃。为此，单纯的资源数量管理已无法满足当前经济社会的发展需求，迫切要求自然资源管理向数量-质量-生态“三位一体”管理理念转变，即以自然资源数量管理为基础，重视自然资源的质量提升，显化自然资源的生态功能。 目前，在自然资源数量管控方面，我国已经建立了比较完整的技术支撑体系，通过多轮次的土地调查、自然资源调查以及年度更新调查等，已全面掌握了耕地、林地、草地、水面等自然资源的数量及空间分布，建立耕地、林地、草地、水面等自然资源占补实时台账，基本实现了逐图斑及时和准确掌握自然资源数量及其变化情况，达到了自然资源数量精细化管理的要求。自然资源的质量管理方面，经过国土、农业等部门多轮次以县级为基本行政单位的样点调查、土壤采样、测试和分析评价，耕地资源质量等级的本底数据已基本掌握。自然资源的生态功能管护方面，目前尚未形成成熟、系统的调查、评价及管理体系，是当前自然资源管理短板，需进一步加强。 为此，应积极探索耕地和土壤资源监测评价的新方法、新途径，尤其是要加强耕地和土壤生态环境的监测评价，以适应新时期自然资源数量-质量-生态“三位一体”管理的新要求。 2. 当前耕地资源质量评价的效率、精度和精细化水平，与自然资源管理的要求仍有很大差距，评价方法仍需不断改进 为加强耕地资源的质量管理，在国内外相关研究的基础上，我国对耕地资源质量评价的指标体系、评价方法、评价程序及评价成果确定等相继制定了相应的标准规范，也建立了比较完整的耕地资源质量等级本底数据，但评价的效率、准确性以及精细化水平等，与当前自然资源管理的要求还有很大差距，仍需不断地研究探索。其中以下 4个方面在耕地资源质量评价方法改进研究中应受到特别重视。 (1)土壤属性指标是耕地资源质量评价指标体系的关键内容。指标体系的构建是耕地资源质量评价的关键工作之一，目前尚未形成统一的评价指标体系，但土壤一直是耕地资源质量的关键和核心要素(傅伯杰， 1990；周生路等， 2004；陈印军等， 2011)。随着指标信息获取手段的多样化，自然、社会、经济、生态、环境等因素不断进入监测指标体系，耕地资源质量评价指标越来越全面，体系结构也越来越庞大，可以多方面、全方位、系统性地反映耕地资源质量(张凤荣等， 2001；孔祥斌等， 2007)。目前，自然资源和农业部门从不同的应用目的出发，建立了不同的耕地资源质量评价指标体系。其中，自然资源部门的《农用地质量分等规程》(GB/T 28407—2012)确定的全国耕地资源质量评价指标共 3大类 12个，立地条件(3个)：地形坡度、地表岩石露头度、障碍层距地表深度；土壤条件(6个)：土壤有机质含量、土壤酸碱度、有效土层厚度、表层土壤质地、剖面构型、盐渍化程度；利用条件(3个)：排水条件、灌溉保证率、灌溉水源。农业部门的《耕地地力调查与质量评价技术规程》(NY/T 1634—2008)确定的全国耕地地力评价指标共 6大类 66个：气象(7个)、立地条件(18个)、剖面性状(5个)、土壤理化性状 (21个)、障碍因素(7个)、土壤管理(8个)。耕地地力质量评价侧重于直接指导农民种植施肥，指导农业生产，从而提高耕地粮食产量；农用地质量分等侧重于国家对土地的宏观管理，提高资源生产能力，从而保护耕地。虽然两套评价体系出发点不同，但无论是国土资源部门还是农业部门的耕地资源质量评价体系，土壤属性指标都是评价指标体系的关键组成部分，关系到耕地资源质量评价结果的准确性及应用价值，因此土壤数据的应用在耕地资源质量评价中具有重要的地位。 (2)土壤数据的合理使用是耕地资源质量评价精度的重要保障。目前我国耕地资源质量评价可整合利用的抽样调查数据主要有三类：一是按土壤类型布点采样调查的土壤数据，如耕地地力调查数据、测土配方调查数据等，这是当前耕地资源质量评价土壤采样调查数据的主要来源；二是按网格法布点调查的土壤数据，如多目标区域地球化学调查的土壤数据；三是其他如按乡、村行政区布点采样调查耕地资源质量动态监测的土壤数据等。对耕地资源质量评价而言，三种抽样调查各有优劣。按土壤类型布点充分考虑了同一土壤类型在空间上相对均质的这一特征，但土种单元空间分布较为复杂且单元面积大小不均，一些面积较大的土种单元布点往往较多，而面积较小的土种单元布点较少甚至没有布点，过量布点会造成资源浪费，抽样点过少则造成代表性不足。按网格布点调查点位空间分布均匀，但没有考虑区域的空间异质性，造成在空间差异小的地区样点过密，而在空间差异较大的地区则样点不足，降低采样数据的代表性。按行政区布点抽样便于管理与数据调查，但样点分布过少且布点随意性过大。因此，在整合利用各类土壤调查数据进行耕地资源质量评价时，对布点过多区域如何进行样点及数据的优化利用，对布点过少区域如何进行样点及数据的预测补充，对优化整合后的数据如何进行精度检验评估等均有待进一步研究。 (3)优化的空间抽样是提高评价效率与精度的重要手段。目前耕地资源质量评价中，对土壤样点的使用还没有考虑优化选择的问题，无论精度如何均是全部使用，还未考虑通过对样点数量及布局进行优化以提高评价精度。空间抽样方法的运用为这一问题的解决提供了有效的手段。空间抽样方法是探索如何实现在一定的成本约束下(既定的样本数量)，通过合理布设样点和科学推断估计，获得尽可能高精度的抽样结果；或者，如何通过合理布设样点和科学推断估计，利用尽可能少的样点数量，来得到满足精度要求的抽样结果。目前建立了遗传算法、模拟退火等相应的计算机演化算法(Haining，2003；Wang et al.，2013；Diaz-Avalos and Mateu，2014；Goodchild，2013)，并在国内外耕地资源质量或土壤质量调查采样点空间布局研究领域受到广泛重视。但是，现有空间抽样理论的应用研究主要针对单一指标或属性的空间抽样推断，而耕地资源质量涉及土壤的众多属性及土地利用等各种因素，样点的布设需要考虑多指标的空间关联性，如何在耕地资源质量评价中通过空间抽样方法对样点数量及布局进行优化的提高评价效率与精度，还有待进一步研究探讨。 (4)数据处理的标准化、精细化是耕地资源质量评价的发展趋势。随着土地管理、农业集约化水平的发展，耕地资源质量成为土地评价的重点内容之一。经过多年的深入探索，我国耕地资源质量评价已经全面开展，形成了丰富的成果，建立了较为完善的耕地资源质量本底数据库。随着信息技术的发展， 3S技术、计算机技术等被广泛应用于耕地资源质量评价中，耕地资源质量评价的信息化程度逐渐提高，耕地资源质量评价体系、方法与程序被进一步完善与改进，向标准化、精确化、智能化方向发展(郧文聚和黄元仿， 2014)。2000年，全国**轮农用地分等成果比例尺为 1∶10万或更小，主要以计算机辅助的人工处理为主；而到 2011年第二轮农用地分等成果比例尺已达到 1∶5000，开发了各类软件系统，主要以人工辅助的计算机处理为主。目前，对耕地资源质量评价方法的研究主要集中在耕地资源质量的内涵界定、评价体系的建立以及耕地资源质量等级划分方法的研究等方面，自然资源部门的《农用地质量分等规程》(GB/T 28407—2012)以及农业部门的《耕地地力调查与质量评价技术规程》(NY/T 1634—2008)对耕地资源质量评价中的基础参数、评价指标、等级划分进行了标准化规定，是目前为止昀为权威的耕地资源质量评价标准，但两套体系对于耕地资源质量评价中参评因素的数据处理仍没有提出标准的、优化的技术方法。 3. 大数据分析从数据本身出发，通过海量数据的深入挖掘和非线性关系的解析，为耕地资源质量评价提供了新的方法手段 针对当前耕地资源质量评价存在的效率低、耗时长、精细化程度不够的问题，国内外学者一直在对耕地资源质量调查评价普遍采用的抽样调查估计推测全体的方法进行研究改进(Cressie and Wikle， 2015)，并通过整合利用多源土壤数据(孙亚彬等， 2013)、空间插值优化(Wei et al.， 2015)以及运用遗传算法(Haining， 2003；Goodchild，2013)、模拟退火算法(张淑杰等， 2013)进行样点空间优化等方法来提高评价精度。 但就作者在江苏省东海县的前期相关研究来看，全县耕地总面积 122 482hm2，1∶5000土地利用图上耕地图斑 56 965个，耕地质量等级评价土壤属性的各类样点共 1442个，约占耕地图斑的 2.5%，每个样点覆盖约 84.9hm2。显然，以如此密度的样点来估计推断评价全县耕地质量，很难保证结果的准确度，更谈不上精细化的要求。抽样调查估计推测全体的方法属于传统的样本分析方法，旨在寻求以昀少的数据获得昀多的信息，并特别强调数据的精确性(Shin and Choi， 2015)。而区域耕地质量评价所整合利用的多源土壤数据，由于调查时间、处理测试方法等的差异，数据存在可比性问题并影响评价的精度。另外，耕地质量等级评价省级成果按照分区评价逐级汇总方法在县市成果基础上逐级汇总而成，这势必造成评价结果精度的进一步减损。 近年发展起来的大数据分析方法，强调使用所有数据分析，允许数据优劣掺杂、不全面和不精确(Roth and Almeida， 2015；Wei et al.， 2015)。大数据分析通过寻找事物之间的相关关系而非因果关系，比以往方法更容易、更快捷、更清楚地分析事物，通过找到现象的良好关联物，捕捉现在和预测未来(李德仁等， 2014；Suthaharan， 2014)。大数据分析无须在还没有收集数据之前就把分析建立在早已设立的少量假设的基础之上，而是直接由数据说话，用数据驱动的大数据相关关系分析法，取代基于假设的易出错的方法，不易受偏见的影响(李国杰和程学旗 ， 2012)。大数据分析能看到一些以往分析无法发现的细节，更清楚地看到样本无法揭示的细节信息，产生额外价值，获得新的发现、新的观点(宋杰等， 2014；Li et al.，2016)。目前，大数据技术的应用主要在商业领域(Rabl et al.， 2013；隋殿志等，2014)，工程和科学领域也逐渐开展大数据的探索研究(Cheng et al.， 2014)。 近年来，我国相关部门及科研工作者开展了大量的土地资源调查评价。国土资源部 1999年在全国部署开展了**轮农用地质量调查评价， 2002年在全国部署开展了多目标区域地球化学调查， 2009年完成了第二次全国土地调查， 2011年在全国部署开展了第二轮耕地质量调查评价， 2011年在全国试点开展了耕地质量等级监测。农业部 2006年在全国试点开展耕地地力评价，地方农业部门开展了长期的测土配方土壤调查，等等。这些工作按照不同的目的要求，进行了大量的实地调查、采样