西北旱區農業水土資源空間變異特征研究

董 艷，章 慧，張慧薈，張青峰

(西北農林科技大學資源環境學院， 陜西 楊凌 712100)

農業水土資源(水資源和耕地資源)是人類生存發展不可或缺的基本資源，也是影響糧食生產和生態安全的重要資源，且二者相互影響和制約。農業水資源的豐缺程度影響著耕地資源的利用方式，耕地資源的墾殖程度也制約著農業水資源的開發利用。隨著我國城市化和工業化的快速發展，各行業對水土資源的需求不斷增加，使得農業水土資源占比不斷減少[1]，嚴重影響著農業的生產發展和人類的經濟活動。因此，了解農業水土資源的空間分布及變化特征，實現其高效利用，已逐漸成為人類生存和發展必須解決的重大問題。

水資源指數(WRI, Water resources index)是指研究區內水資源總量與耕地總面積的比值。耕地資源指數(ARLI, Arable land resources index)是指研究區內耕地面積與土地總面積的比值。二者數值的高低分別表示研究區內農業水資源和耕地資源的匹配程度和滿足程度。

作為我國重要的糧食生產后備基地[2]，西北旱區地域遼闊，光熱土資源豐富。由于特殊的地理位置和氣候、成土母質、水文條件，使得其農業水土資源的分布存在明顯的區域差異，如何針對西北旱區農業水土資源分異特點發展相應的農業生產技術，解決農業水土資源供需矛盾，逐漸成為專家學者們研究的重要課題。如，南紀琴提出了農業水土資源匹配指數的計算方法并研究了西北旱區農業水土資源的匹配格局[3]；南彩艷研究了西北典型旱區石羊河流域和陜西關中地區的水土資源承載力[4]；趙成義研究了西北旱區退耕還林還草后水土資源開發的優化模式[5]。孫濤以西北旱區疏勒河流域為研究區建立了土壤運移、地下水動態模型和土壤鹽漬化評價、預測模型[6]。總的來看，以往的研究主要集中在農業水土資源的匹配格局、承載力、資源優化及評價與預測模型等方面，且多偏向于水資源的研究，而針對農業水土資源指數空間變異鮮有研究，也缺乏相應的專題制圖，影響了人們對西北旱區農業水土資源分布狀況和滿足程度的深入認識。為此，本文以WRI和ARLI為指標，采用經典統計學和地統計學的研究方法，探討西北旱區WRI和ARLI的空間變異特征，并制作專題圖件，以期為高效利用和開發西北旱區農業水土資源，保護生態環境和發展農業提供理論參考。

1 材料與方法

1.1 研究區域概況

西北旱區位于N31°33′～49°11′，E73°28′～119°54′。東西長約3 800 km，南北寬約2 100 km，總面積3.73×106km2，約占全國國土面積的38%；該區轄新、青、甘、寧、陜、蒙等六省區397個縣級行政單元。境內地形起伏大且多高山高原和盆地沙漠；年平均溫度約為4℃，年均降水量約為400 mm，有效積溫較低，光熱效能不高，自然條件惡劣，生態系統極為脆弱。

受地形地貌條件、成土母質特征、農田基礎設施及培肥水平、土壤理化性狀等綜合因素的影響，西北旱區耕地地力等級整體較低，大部分為六～八等地[7]，糧食單產水平多為200～400 kg·667m-2；人均地表水資源量2 813.10 m3，高于全國平均水平(2 108.72 m3·人-1)[8-13]。

1.2 數據來源及處理

本研究中，水資源量、耕地面積、土地總面積數據分別來源于西北旱區所轄各省區統計年鑒、國土資源公報和水資源公報。對某一具體縣域而言，水資源量、耕地面積、土地面積難以在較短的時間內發生較大的變化。因此，本文采用多年平均值對西北旱區所轄的397個縣域的WRI和ARLI進行了計算，利用SPSS22.0進行經典統計分析和正態分布檢驗；利用GS+9.0進行地統計半變異函數模型[14]擬合與分析；利用ArcGIS10.0進行空間插值與制圖。

2 結果與分析

2.1 經典統計分析

經典統計分析結果如表1所示。

表1 西北旱區農業水土資源指數的經典統計

由表1可知，ARLI的極差(2.516)遠小于WRI的極差(33.964)，這表明各縣域的耕地資源在空間上分布極不均衡，而農業水資源的空間分布更不均衡。一方面，西北旱區境內的山區、沙漠、戈壁等不適宜耕作的土地面積比重大，而適宜耕作的地區都集中在綠洲或者平原區，例如河西走廊、內蒙古的大青山南北、青海的湟水谷底和柴達木盆地、寧夏的河套平原、新疆的伊犁河谷地和天山北麓平原；另一方面，西北旱區地表水資源量雖然充足，分布著眾多的湖泊河流及冰川(如塔里木河、黃河、額爾齊斯河、伊犁河等眾多河流；青海湖、博斯騰湖、烏倫古湖、艾比湖、鄂陵湖等湖泊；特拉木坎力冰川、透明夢柯冰川、托木爾冰川、科可薩依冰川、祁連山七一冰川等多個大型冰川[15])，但其在空間上的分布過于集中，而大多數縣域的農業水資源量非常稀少，這也是造成農業水資源空間分布極不均衡的主要原因。

變異系數(CV)的大小反映了樣本數據的離散程度。CV≥100%、10%～100%、≤10%分別表示樣本具有強變異性、中等變異性和弱變異性[16]。由表1可知，ARLI和WRI的CV值在10%～100%之間，均具有中等的空間變異性。

柯爾莫哥洛夫-斯摩洛夫(K-S)檢驗的雙側顯著性概率值Sig.>0.05時表示“指標符合正態分布”的假設是成立的。由表1中可知，各縣域的ARLI數據符合正態分布，而WRI數據不滿足正態分布。

2.2 地統計分析

樣本數據服從正態分布或近似正態分布是進行地統計空間變異分析的前提，否則會出現比例效應[17]。因此，本文通過SPSS的個案等級排序對WRI原始數據進行轉換和異常值剔除，使其滿足正態分布，并分別利用半變異函數擬合模型(球狀模型、高斯模型、指數模型、線性模型)分別對WRI和ARLI進行擬合，并選取最優擬合模型。選取原則為：判定系數(r2)越接近于1，殘差(RSS)越小，模型擬合的效果越好。半方差函數擬合模型及相關參數見表2。

表2 半變異函數最優擬合模型及擬合參數

基臺值反映了農業水土資源的總變異程度。其中，偏基臺值和塊金值分別反映了由結構性因子(如地形、土壤母質、氣候等)和隨機性因子(如施肥、耕作措施、種植、灌溉等)引起的變異程度，且塊金值不隨空間采樣間距的增加而變化。塊金效應用來表示空間相關性程度，即由隨機性因子引起的空間變異占總變異的比值。該值≤25%、25%～75%、≥75%分別表示空間相關性較強、中等、較弱[18]。由表2可知，WRI和ARLI的塊金效應為16.9%和49.9%，分別具為較強和中等的空間相關性，其空間變異性主要受結構性因子的影響。其中，WRI受結構性因子的影響更甚。

變程反映了空間因子變異特征的作用范圍。在該范圍內，空間因子的變異性隨采樣步長的增加而增大。當采樣步長大于變程時，該空間因子的變異特征消失；另一方面，變程應小于最大采樣距離，否則會出現尺度效應，則數據不能用于內插或外插[19]。由表2可知，WRI和ARLI的變程均小于最大采樣距離(3 800 km)，可以用于插值分析。

由表2可知，WRI和ARLI的半方差最優擬合模型分別是高斯模型和指數模型。由于擬合模型只是半方差函數的近似式，故還需要對模型參數進行交叉檢驗[20](一種間接的結合普通克立格的方法)。即：對擬合模型所確定的參數不斷進行修改，直至達到一定的精度要求。基本思路是：依次假設每一個實測數據點未被測定，由所選定的半變異模型，根據n-1個其它測定點數據用普通克立格最優無偏估算這個點的值，通過分析誤差來檢驗模型的合理性。WRI和ARLI的Kriging交叉驗證結果見圖1。

決定系數r2是測定直線回歸模型擬合優度的一個重要指標。通常采用其平方根——相關系數r描述其相關程度。|r|≥0.8表明高度相關；0.5≤|r|<0.8為中度相關；0.3≤|r|<0.5呈低度相關；|r|<0.3視為不相關[21]。由圖1可知，WRI和ARLI的判定系數分別為0.842和0.857，相關系數分別為0.918和0.926，表明二者的預測值和真實值之間存在高度的相關性，線性回歸模型擬合效果良好，可用于進行Kriging插值。

圖1水土資源指數半變異函數克里格交叉驗證圖

Fig.1 Kriging cross-validation of WRI and ARLI for their semivariance function

2.3 基于ArcGIS的農業水土資源空間變異特征分析

將半方差函數最優擬合模型中的變程、基臺值、塊金值等參數輸入ArcGIS中的Kriging插值模塊，分別生成西北旱區WRI和ARLI的空間分布圖(圖2)。

由圖2可知，西北旱區范圍內，WRI高的地方主要集中在青海省的玉樹藏族自治州、果洛藏族自治州和海西蒙古族藏族自治州。這些地方分布著眾多的河流和湖泊，如可可西里湖、扎陵湖、沱沱河、黃河等，且位于青南高原，終年都有冰川積雪，地表水資源量十分充足。WRI較低的地方集中在古爾班通古特沙漠、塔克拉瑪干沙漠、庫姆塔格沙漠、騰格里沙漠地區和毛烏素沙漠、柴達木沙漠、巴丹吉林沙漠、烏蘭布和沙漠和呼倫貝爾沙地及庫布齊沙漠等地。這些地方均在沙漠或戈壁灘附近，光熱資源十分充足，蒸發量遠遠超過降水量，水資源量極為稀少。

圖2西北旱區農業水土資源指數空間分布圖

Fig.2 The spatial distribution of the WRI and ARLI

ARLI較高的地方主要分布在新疆沿天山一帶的伊犁河谷、博爾塔拉蒙古自治州、塔城、昌吉回族自治州以及克孜勒蘇柯爾克孜自治州、河西走廊區、關中平原、河套平原等地。這些地方地勢平坦，土地肥沃，是我國重要的糧食生產基地。ARLI較低的地方主要分布在巴里坤哈薩克自治縣、伊吾縣、巴音郭楞蒙古自治州、和田、海西、內蒙古錫林郭勒盟北部及青甘新三省交界。這些地方或地處高寒地帶，不適宜耕種；或土地沙漠化和荒漠化嚴重，沙塵暴頻發，自然條件極其惡劣。

從各省的情況來看，(1) 新疆的ARLI自西北向東南逐漸遞減，而WRI自北向南先減小后增加，且ARLI極低的地區(和田、巴州與西藏交界處)也是WRI較高的地區。這些地區山地多、海拔高，不適宜耕作，交通條件差，社會經濟發展遠遠落后于ARLI和WRI均較高的伊犁-博州-塔城地區。(2) 青海的ARLI自東北向西南逐漸遞減，WRI自北向南逐漸增加。青海省只有海東地區ARLI較高但該區的WRI卻極低。青南高原WRI雖為西北旱區的最高值，但該區的地勢和地貌復雜多變，以至于無法大面積種植經濟作物，農業和經濟發展緩慢。(3) 甘肅的ARLI自西北向東南逐漸增加，WRI除甘南藏族自治州以外，整體偏低。河西走廊一帶的WRI極低而ARLI卻很高，說明該區農業發展條件良好，水資源量雖少但利用效率高。(4) 內蒙古和陜西的ARLI和WRI都自北向南逐漸增加；寧夏的ARLI自北向南逐漸增加，WRI自北向南逐漸減少。這三個省份中，ARLI較高的地區也是WRI極低的地區，說明水資源和耕地資源的分布不均衡，需要進行人為的調控，以便更好的發展農業。

3 結論與討論

研究西北旱區農業水土資源的空間變異特征和匹配程度，可為西北旱區農業水土資源管理方案和高效利用模式的制定提供理論參考。整體上看，西北旱區397個縣域的水資源指數和耕地資源指數均具有中等變異特征及較強和中等的空間相關性，耕地面積與水資源量之間存在一定的空間匹配關系；水資源和耕地資源的空間變異受結構性和隨機性因子的共同影響，但結構性因子占主導，說明西北旱區的農業水土資源主要受到地形、地貌和氣候的影響，在短期內極難發生較大改變。

西北旱區各縣域的水資源和耕地資源在空間上的分布極不均衡，尤其是水資源的空間分布。大體上，耕地資源較高的縣域其水資源量較低，而水資源較高的縣域其耕地資源量較低，西北旱區農業水土資源在縣域空間尺度上極不匹配；另一方面，耕地資源較多的縣域其經濟也較為發達，而水資源較豐富的縣域其域經濟發展相對落后。因此，為了科學而高效地利用農業水土資源，需要加強對水資源的調控與管理，特別是在耕地面積較大的地區，可適當增加農田水利水保設施；也可在水資源較豐富的地區，強化耕地保育并適度開發耕地資源。

此外，本文提出了一種基于經典統計分析、地統計半變異函數模型模擬及交叉驗證和Kriging空間插值，用于水資源指數和耕地資源指數空間變異特征分析與制圖的方法體系。實踐表明，該方法體系具有良好的可操作性和推廣應用價值，為其它空間因子的變異特征研究提供方法依據。

在表達空間變異特征時，實際情況往往與理論結果之間存在微許差異，正如哈維在《地理學中的解釋》中提到：“地理學長于事實而短于理論”[22]。所以，在今后的研究當中，應當注重對理論結果的驗證研究。

參考文獻：

[1] 劉彥隨，甘 紅，張富剛.中國東北地區農業水土資源匹配格局[J].地理學報，2006，61(8):847-854.

[2] 侯 薇，劉小學，魏曉妹.陜西關中地區農業水土資源時空匹配格局研究[J].水土保持研究，2012,19(1):134-138.

[3] 南紀琴,王景雷,陶國通,等.西北旱區農業水土資源匹配格局研究[J]．灌溉排水學報,2015,34(5):41-45.

[4] 南彩艷.西北旱作區水土資源承載力研究[D].陜西楊凌：西北農林科技大學,2011.

[5] 趙成義,李志良.西北干旱區退耕還林(草)后水土資源開發的優化模型研究[J].干旱區地理,2002,25(4):321-328.

[6] 孫 濤.西北典型干旱區水土資源評價與預測模型的研究[D].北京：中國水利水電科學研究院,2005.

[7] 農業部種植業管理司公報.關于全國耕地質量等級情況的公報[R/OL].2014年1號.http://www.moa.gov.cn/govpublic/ZZYGLS/ 201412/t20141217_4297895.htm．

[8] 內蒙古統計局.內蒙古統計年鑒[M].北京:中國統計出版社,2011—2015.

[9] 陜西統計局.陜西統計年鑒[M].北京:中國統計出版社,2011—2015.

[10] 新疆統計局.新疆統計年鑒[M].北京:中國統計出版社,2011—2015.

[11] 甘肅統計局.甘肅統計年鑒[M].北京:中國統計出版社,2011—2015.

[12] 寧夏統計局.寧夏統計年鑒[M].北京:中國統計出版社,2011—2015.

[13] 青海統計局.青海統計年鑒[M].北京:中國統計出版社,2011—2015.

[14] 秦占飛,常慶瑞.縣域土壤養分空間變異分析——以蒲城縣為例[J].干旱地區農業研究,2012,30(1):30-35.

[15] 施雅風.簡明中國冰川目錄[M].上海:上海科學普及出版社,2005:20-182.

[16] 張小桐,張瑞芳,王 紅,等.縣域土壤有效態微量元素的空間變異特征及影響因素——以徐水縣為例[J].干旱地區農業研究,2016,34(1):74-80.

[17] Emadi M, Shahriari A R, Sadegh-Zadeh F, et al. Geostatistics-based spatial distribution of soil moisture and temperature regime classes in Mazandaran province, northern Iran[J]. Archives of Agronomy & Soil Science, 2016,62(4):502-522.

[18] 羅 勇,陳家宙,林麗蓉,等.基于土地利用和微地形的紅壤丘崗區土壤水分時空變異性[J].農業工程學報,2009,25(2):36-41.

[19] 劉曉林,李文峰,楊林楠,等.基于ArcGIS地統計分析模塊的土壤養分空間變異分析——以云南省建水縣為例[J].土壤通報,2012,46(6):1432-1436.

[20] Yang Yuting, Shang Songhao, Li Chao. The correction method of kriging smoothing effect of soil moisture interpolation[J]. Water Science, 2010,21(2):208-213.

[21] 余建英,何旭宏.數據統計分析與SPSS應用[M].北京:人民郵電出版社,2003.

[22] 大衛·哈維.地理學中的解釋[M].北京:商務印書館,1996:16-211.