摘要
研究区耕地质量空间分布呈现出聚集性和空间变异性交错耦合的分布特征，耕地质量由东向西逐渐降低，一等、二等、三等、四等、五等耕地质量分别占比7.45%、12.34%、17.83%、33.40%、28.89%；有机质、碱解氮、NDVIDRY为研究区耕地质量主要障碍因子；随着耕地质量等级的升高，不同等级中小麦产量的均值也随着逐渐升高，说明耕地质量越好，耕地小麦产量越高。
耕地是农业生产最宝贵的自然资源，其质量与粮食产量密切相关，耕地质量的好坏直接影响到粮食安全及农业的可持续发
耕地质量评价是通过科学方法和技术手段，对耕地的自然、环境、社会和经济等各方面资料进行分析、归纳，做出科学的综合评
文章以河南省安阳县为研究区，依据“状态—压力—响应”（Pressure-State-Response，PSR）框架，建立基于遥感指标的评价体系和模型，开展耕地质量综合评价研究，并对耕地质量空间分布特征和障碍因素进行分析，以期为县域耕地保护和耕地利用管理提供技术方法。
河南省安阳县位于113°53′E～114°45′E，35°57′N～36°21′N，地势西高东低，西部为山区、丘陵，中东部为洪冲积平原，耕地面积约6.908 0万 h
图1 研究区地理位置
土壤养分指标有机质、全氮、有效磷、速效钾、碱解氮来自2019年课题组在安阳县采集的391个样本。按照经纬网布点法均匀采集研究区内的样本，同时，为减少地形起伏对大尺度遥感影像的影响，选择地势平坦、远离道路和林地的地块。在10m半径范围内随机选择5个不同的地点采集土壤样本，然后将5个样本混合倒入标号编织袋为一个样本，同时，利用手持差分GPS记录样点经纬度坐标。土壤样本放在通风处，自然风干至恒重，去除杂质并过筛后，根据土壤养分理化性质测定养分指标含量。土壤速效钾采用1 mol/L乙酸铵浸提-火焰光度计法测定；土壤有机质采用重铬酸钾外加热氧化法测定；土壤有效磷采用0.5 mol/L碳酸氢钠浸提-钼锑抗比色法测定；土壤全氮采用半微量开氏定氮法测定；土壤碱解氮采用1.0 mol/L NaOH碱解扩散法测定。
获取2020年小麦返青后关键生育期的Sentinel-2遥感影像，用于计算反映植被长势、土壤水分和土壤退化状况的NDVI（
| 遥感影像 | 影像日期 | 作用 |
|---|---|---|
| Sentinel-2 |
2020-03-13, 2020-03-18, 2020-03-23, 2020-04-12, 2020-04-17, 2020-04-27, 2020-05-02, 2020-05-12 | 计算NDVInir、DVI、NDVIre |
| Landsat8 |
2014-01-14, 2014-01-30, 2014-08-10, 2015-03-06, 2016-04-09, 2018-02-10, 2018-02-26 | 计算干旱发生时间内长时序NDVI |
该文结合安阳县的特殊地形地貌，以Sentinel-2和Landsat8遥感数据为主要数据源，构建基于PSR框架的研究区耕地质量评价模型，并通过层次分析法确定评价指标权重，进行研究区耕地质量评价与等级划分。同时，深入分析耕地质量空间分布特征，并在耕地质量障碍因素分析基础上，提出提高小麦产量的耕地质量提升途径。总体技术路线如
图2 技术路线
为凸显耕地内部差异，利用Sentinel-2和Landsat8遥感影像，结合研究区自然、社会和经济因素，耕地质量评价选用状态—压力—响应（PSR）框架，构建耕地自然环境压力、耕地质量现状条件和耕地利用者社会行为的多种指标综合评价体系，综合多个角度定量评价耕地质量。PSR模型中生产压力指数描述自然环境和人为活动对耕地生产力的潜在威胁；耕地状态指数描述耕地产能和耕地土壤养分现状；社会响应指标描述社会对造成土地质量状态变化的压力的响应。依据PSR模型，从生产压力指数、耕地状态指数以及社会响应指数3个层次来建立耕地质量评价框架。耕地状态指数反映了耕地的理论产能，生产压力指数反映了耕地的障碍因素，社会响应指数反映了耕地的管理水平。利用PSR框架，以像元为基本单元，构建安阳县的耕地质量评价模型，该评价模型的加权和法表达式为：
| （1） |
根据研究区耕地自然属性和社会经济情况，选取坡度和土壤退化指数表征生产压力指标，土壤养分指数、土壤水分指数和植被生长状况指数表征耕地状态指标，以及采用耕地灌溉程度指数表征社会行为指标，构建了基于PSR框架的耕地质量监测评价指标体系（
| 指数类型 | 权重 | 指数层 | 权重 | 指标因子 | 权重 | 综合权重 |
|---|---|---|---|---|---|---|
| 生产压力指数（PPI） | 0.4 | 坡度 | 0.4 | 坡度 | 0.40 | 0.160 |
| 土壤退化指数 | 0.6 | NDVIre | 0.60 | 0.240 | ||
| 耕地状态指数(LSI) | 0.5 | 土壤养分指数 | 0.4 | 有机质 | 0.24 | 0.048 |
| 全氮 | 0.21 | 0.042 | ||||
| 有效磷 | 0.18 | 0.036 | ||||
| 速效钾 | 0.18 | 0.036 | ||||
| 碱解氮 | 0.19 | 0.038 | ||||
| 土壤水分指数 | 0.2 | DVI | 0.20 | 0.100 | ||
| 植被长势状况指数 | 0.4 | NDVInir | 0.40 | 0.200 | ||
| 社会响应指数(SRI) | 0.1 | 耕地灌溉程度指数 | 1 | NDVIDRY | 1 | 0.100 |
（1）坡度：坡度是土壤侵蚀的重要评价指标，随着坡度的增大会造成水土流失，土壤养分流失，不同坡度土壤养分和植被类型具有显著差异性，坡度大小耕地质量具有一定的影响。该文将耕地坡度作为生产压力指数的一部分，利用利用ArcGIS空间分析模块对安阳县DEM数据分析，得到坡度空间分布图。
（2）土壤退化指数：红边是绿色植物在670~760nm反射率增高最快的点，红边植被指数与植被理化参数紧密相关，是描述植被健康的重要指数。受叶绿素含量和冠层结构的影响，健康植被在红边内反射率急剧升高，形成一个明显陡坡，即植被长势好，红边位置出现“红移”，反之，则红边位置出现“蓝移”。已有研究证明，通过红边植被指数能较好反映出植被受到水、温、土、病害、重金属等的胁迫程度。Sentinel-2卫星，除了传统的可见光、近红外和短波红外波段外还增加了3个红边波段，为红边指数的应用提供了重要的基础。因此，该研究选用NDVIre来作为生产压力指数的一部分。计算公式为：
| （2） |
（3）土壤养分指标因子：土壤养分为植被生长提供所需的营养物质，是耕地的主要肥力指标，直接决定着耕地的产能和潜在生产力。因此，该研究选用土壤养分作为耕地状态指数的一部分。土壤养分是在研究区内采集的土壤样本，利用协同克里格插值法得到土壤的有机质、全氮、有效磷、速效钾、碱解氮空间分布。
（4）土壤水分指数：水是指被生长的重要条件，植被从土壤中获取水分的多少直接影响植被的生理变化。因此，土壤水分高低是评价耕地质量好坏的重要指标之一。在遥感影像中，近红外波段与土壤水分具有较强的敏感性。已有大量学者证明，DVI可以反映土壤的湿度，表征土壤的含水量。因此，该研究选用DVI作为耕地状态指数的一部分。计算公式为：
| （3） |
（5）植被长势状况指数：耕地质量的好坏直接决定耕地粮食产能的高低，植被长势越好粮食产量越高。NDVI可以直接反映植被的长势，间接反映土壤养分的缺失，常被用来计算植被覆盖度、估产、反演植被理化参数等。因此，该研究选用NDVI作为耕地状态指数的一部分。计算公式为：
| （4） |
（6）耕地灌溉程度指数：耕地质量出了自然因素外，耕地的管理方式也会对耕地质量产生影响。已有研究表明，可通过长时间序列的NDVI提取灌溉耕地与雨养耕地，在半干旱地区极端干旱年份的遥感植被指数能较好反映耕地质量。该研究通过中国气象网获取近几年安阳县干旱发生事件，获取干旱发生时间内的遥感影像，通过长时序NDVI的均值反映耕地灌溉程度（NDVIDRY）。耕地灌溉程度越高，同时也意味着本地区机械化程度高，也体现出农民对耕地的重视程度。因此，该研究选用耕地灌溉程度指数作为社会响应指数。
耕地质量障碍度是用来识别限制性耕地质量指标，通过计算各耕地指标障碍度的高低，能够理清和挖掘出对耕地质量影响的主要障碍因素，以便有针对性地对耕地质量做出科学合理的调控。耕地质量障碍度公式
| （5） |
根据2.3耕地质量评价各指标计算方法，分别得到研究区坡度、土壤退化指数、土壤养分指数、土壤水分指数、植被长势状况指数、耕地灌溉程度指数空间分布图（
图3 2019年安阳县耕地质量评价指标空间分布
利用上文耕地质量评价模型得到基于遥感的耕地质量指数（
图4 2019年安阳县耕地质量空间分布
在对障碍度的计算和大小排序的基础上，确定各障碍因子的主要和次要关系。统计分析不同指标的前三位在障碍度中出现的频率，得出不同指标出现的频率由大到小依次为有机质、碱解氮、NDVIDRY、有效磷、NDVInir、NDVIre、速效钾、全氮、DVI、坡度，其中前三位的有机质、碱解氮、NDVIDRY为主要障碍因子，说明安阳县受地形高低起伏影响，土壤养分流失严重，机械化程度低，耕地管理水平一般。建议耕地质量提升重点在于提升丘陵地区土壤肥力和农田灌溉能力。为分析安阳县不同地区耕地质量的障碍指标，该研究根据安阳县地形地貌、乡镇城镇化程度以及实际情况，把安阳县分成4个地区，即西部山区、中部丘陵地区、东部平原地区和城镇化地区（受城镇化进程影响，东部地区耕地数量较少的乡镇），分别计算不同地区耕地质量评价指标障碍度（
图5 不同地区耕地质量评价指标障碍度
粮食产量是反映耕地好坏的最直接指标，安阳县小麦产量的高低是由耕地的自然属性、土壤养分状况、田间管理水平、土壤环境和人类活动等相互作用的结果。研究耕地质量与小麦产量的变化关系，进一步明确小麦产量对耕地质量空间变化的响应程度，为通过精准改善耕地质量提高小麦产量提供科学参考。通过定性描述和定量分析，研究安阳县耕地质量与小麦产量的响应规律。通过遥感方法识别小麦地块，然后利用植被指数反演小麦产量，得到安阳县小麦产量空间分布图。安阳县耕地质量分值与小麦产量空间分布具有相似性，耕地质量分值与小麦产量相关系数为0.64，说明耕地质量越好，耕地小麦产量越高。从
图6 耕地质量与小麦产量响应规律分析
该研究基于PSR的框架模型，以30 m×30 m栅格像元为评价单元，建立由有机质、全氮、有效磷、速效钾、碱解氮、植被长势（NDVInir）、土壤水分（DVI）、土壤退化（NDVIre）、耕地灌溉程度（NDVIDRY）、坡度共10项指标构成的耕地质量评价体系，采用综合权重作为评价权重，通过空间加权求和法对安阳县耕地质量进行了评价。
（1）安阳县耕地质量等级空间分布呈现出聚集性和空间变异性交错耦合的分布格局，耕地质量处于中上等，由东向西逐渐降低，即东部平原地区高于中部丘陵地区，中部丘陵地区优于西部山区。PSR模型能准确反映人类活动和自然环境之间相互作用的关系，遥感数据辅助下的县域耕地质量评价具有系统性、科学性和可靠性。
（2）有机质、碱解氮、NDVIDRY为安阳县耕地质量主要障碍因子，说明安阳县受地形高低起伏影响，土壤养分流失严重，机械化程度低，耕地管理水平一般。耕地质量分值与小麦产量空间分布具有相似性，不同等级耕地质量中小麦产量与耕地质量的均值变化趋势具有一致性，随着耕地质量等级的升高，不同等级中小麦产量的均值也随着逐渐升高，说明耕地质量越好，耕地小麦产量越高。因此在现有的生产条件下重点在于提升丘陵地区土壤肥力和农田灌溉能力，将可以提高小麦产量。
该研究县域尺度耕地质量遥感监测评价结果具有空间分辨率高、及时性强等优势，可以为合理利用和管理耕地资源、保障土地的可持续利用提供精准的耕地质量评价数据。与传统土壤化验分析方式评价耕地质量相比，依据“状态—压力—响应(PSR)”框架的多项指标耕地质量评价方法，提升了评价效率，节约了成本。与单一依赖遥感数据评价相比，评价精度更高，为大尺度耕地质量评价提供了技术思路。但耕地质量的监测与评价是一项复杂的工作，除了该文用到指标数据外，还包括盐渍化程
参考文献
沈仁芳, 陈美军, 孔祥斌, 等. 耕地质量的概念和评价与管理对策. 土壤学报, 2012, 49(6): 1210-1217. [百度学术]
刘友兆, 马欣, 徐茂. 耕地质量预警. 中国土地科学, 2003, 17(6): 9-12. [百度学术]
Kong X B. China must protect high-quality arable land. Nature, 2014, 506(7486): 7. [百度学术]
Liu X W, Zhao C L, Song W. Review of the evolution of cultivated land protection policies in the period following China’s reform and liberalization. Land Use Policy, 2017, 49(67): 660-669. [百度学术]
2019年全国耕地质量等级情况公报. 中华人民共和国农业农村部公报, 2020(4): 113-121. [百度学术]
孙晓兵, 孔祥斌, 温良友. 基于耕地要素的耕地质量评价指标体系研究及其发展趋势. 土壤通报, 2019, 50(3): 739-747. [百度学术]
王星月, 翁良培, 吴维, 等. 基于因素法的裕安区耕地质量定级评价研究. 中国农业资源与区划, 2020, 41(4): 168-175. [百度学术]
张超, 高璐璐, 郧文聚, 等. 遥感技术获取耕地质量评价指标的研究进展分析. 农业机械学报, 2022, 53(1): 1-13. [百度学术]
Zhang Y, Sui B, Shen H O, et al. Estimating temporal changes in soil pH in the black soil region of Northeast China using remote sensing. Computers and Electronics in Agriculture, 2018, 154(2): 204-212. [百度学术]
史舟, 王乾龙, 彭杰, 等. 中国主要土壤高光谱反射特性分类与有机质光谱预测模型 .中国科学: 地球科学, 2014, 44(5): 978-988. [百度学术]
Wang Z, Zhang F, Zhang X L, et al. Regional suitability prediction of soil salinization based on remote-sensing derivatives and optimal spectral index. Science of the Total Environment, 2021, 775(12): 145807． [百度学术]
Bakr N, Weindorf D C, Bahnassy M H, et al. Multi-temporal assessment of land sensitivity to desertification in a fragile agro-ecosystem: Environmental indicators. Ecological Indicators, 2012, 15(1): 271-280. [百度学术]
马佳妮, 张超, 吕雅慧, 等. 多源遥感数据支撑的耕地质量监测与评价. 中国农业信息, 2018, 30(3): 14-22. [百度学术]
王曦, 李玉环, 王瑞燕, 等. 基于无人机的冬小麦拔节期表层土壤有机质含量遥感反演. 应用生态学报, 2020, 31(7): 2399-2406. [百度学术]
Yang L, He X L, Shen F X, et al. Improving prediction of soil organic carbon content in croplands using phenological parameters extracted from NDVI time series data. Soil and Tillage Research, 2020, 196: 104465. [百度学术]
方琳娜. 基于SPOT多光谱影像和GIS的耕地质量评价研究[硕士论文]. 泰安: 山东农业大学, 2007. [百度学术]
姚赫男, 李艳, 曹宇. 基于RS和GIS的耕地资源质量评价——以浙江省富阳市为例. 土壤, 2013, 45(4): 732-738. [百度学术]
马佳妮, 张超, 吕雅慧, 等. 基于长时间序列遥感数据反演NPP的耕地质量评价. 农业机械学报, 2019, 50(1): 202-208. [百度学术]
孔祥斌, 张青璞. 中国西部区耕地等别空间分布特征. 农业工程学报, 2012, 28(22): 1-7. [百度学术]
熊昌盛, 韦仕川, 栾乔林, 等. 基于Moran′s I分析方法的耕地质量空间差异研究——以广东省广宁县为例. 资源科学, 2014, 36(10): 2066-2074. [百度学术]
陈颖, 廖丽君, 郑宏刚, 等. 陆良县县域耕地质量空间分布特征及影响因素分析. 山东农业科学, 2018, 50(12): 73-79. [百度学术]
马培云, 王帅, 李洪兴, 等. 基于洛伦茨曲线和基尼系数的耕地质量空间差异程度分析——以忠县耕地地力评价结果为例.西南师范大学学报(自然科学版), 2012, 37(1): 60-66. [百度学术]
孙妍芳, 裴久渤, 张立江, 等. 辽宁棕壤耕地质量评价及障碍因素类型分区研究. 中国农业资源与区划, 2017, 38(11): 130-137, 144. [百度学术]
Seifi M, Ahmadi A, Neyshabouri M R, et al. Remote and Vis-NIR spectra sensing potential for soil salinization estimation in the eastern coast of Urmia hyper saline lake, Iran . Remote Sensing Applications: Society and Environment, 2020, 20: 100398. [百度学术]
周超. 植被重金属含量高光谱遥感反演方法研究[博士论文].长春: 吉林大学, 2016. [百度学术]
陈元鹏, 张世文, 罗明, 等. 基于高光谱反演的复垦区土壤重金属含量经验模型优选.农业机械学报, 2019, 50(1): 170-179． [百度学术]
彭建, 王仰麟, 张源, 等. 土地利用分类对景观格局指数的影响. 地理学报, 2006 (2): 157-168. [百度学术]