糧食安全背景下東北典型黑土區耕地壓力動態變化及趨勢分析

崔寧波，王勝男

·土地保障與生態安全·

糧食安全背景下東北典型黑土區耕地壓力動態變化及趨勢分析

崔寧波1,2，王勝男2

（1. 東北農業大學現代農業發展研究中心，哈爾濱 150030；2. 東北農業大學經濟管理學院，哈爾濱 150030）

東北黑土區耕地肩負國家糧食安全的重任，目前其耕層變淺、質量下降等耕地壓力問題逐漸顯現。為了掌握區域尺度上黑土耕地壓力分布及其動態變化，保護黑土資源，該研究選取21個典型黑土縣區，采用修正的耕地壓力指數模型、灰色-BP組合預測模型分析測算耕地壓力指數及耕地壓力變化趨勢，并依此對現有黑土地保護政策提出細化建議。結果表明：1）耕地壓力指數受到耕地質量（負向影響）、實際人均耕地面積（負向影響）、糧食安全保障范圍（正向影響）、社會經濟發展水平（負向影響）等綜合影響，得出典型黑土區域耕地壓力的時空變化特征。2）耕地壓力可表征糧食安全壓力，但糧食安全壓力無法準確反映耕地壓力狀況。3）耕地壓力變化趨勢為整體向好，局部堪憂。2004－2019年21個研究單元中除拜泉縣以外耕地壓力均下降至安全范圍，2020－2024年有15個縣區處于無壓力平穩區或壓力下降區，其余縣區處于不同程度的壓力狀態。最后，對于不同壓力區域提出因地制宜的黑土地保護政策建議。研究結果可為緩解黑土耕地壓力、實現國家糧食安全提供科學依據。

土地利用；壓力；糧食；預測；黑土地保護

0 引 言

東北黑土區為保障國家糧食供給、實現國家糧食安全做出了重大貢獻[1]。但隨著中國工業化和城鎮化進程加快，糧食需求不斷加大，高強度的耕地利用模式成為了確保國內糧食供給水平的普遍做法，雖然在短時期內提升了糧食產量，但同時也導致了耕地質量的嚴重惡化[1-2]。目前東北黑土區的黑土層厚度已由開墾初期的80～100 cm下降到20～30 cm，并以每年剝蝕0.3～1.0 cm的速度流失，有機質以平均每年0.1%的速度下降。若不加以控制，3～4萬年自然條件下形成的黑土地將最多繼續維持100年的生命[3]。當前，中國糧食安全依然面臨著諸多挑戰。一是公共突發事件頻繁發生、局部戰爭沖突、氣候災害頻發等帶來全球糧食市場波動[4]；二是國內糧食供需長期處于緊平衡的狀態[5]，盡管中國糧食供給總量穩定，但始終面臨耕地資源和生產要素緊張雙重威脅，如何保障糧食產能、提高生產系統穩定性是解決糧食安全問題的關鍵[6]。因此，無論是從黑土自然性狀的剛性約束還是糧食安全保障的緊迫性、重要性來看，黑土耕地作為優質耕地資源正面臨著前所未有的壓力，應如何采取對策成為亟待探究的關鍵性問題。為此，測算和預測糧食安全背景下東北黑土區耕地壓力的變化情況，將有助于實現耕地保護利用，為確保國家糧食安全長期穩定做出重要貢獻。

現有文獻關于耕地壓力的研究主要集中在壓力指數測算、時空演變特征、驅動力分析、壓力趨勢預測等方面。首先，在耕地壓力指數測算的相關研究中，蔡運龍等[7]提出的基于最小人均耕地面積的耕地壓力指數模型得到廣泛應用，該指數可以衡量一個地區耕地資源的稀缺和沖突程度，給出耕地保護閾值，可作為耕地保護的調控指標和測度糧食安全程度的指標，多數學者將耕地壓力指數直接用來表征糧食安全壓力[8]，或將其與其他糧食生產資源進行整合全面分析糧食生產可持續發展情況[9]；也有相當一部分學者通過測算耕地壓力，探討其與經濟增長[10]、城鎮化進程[11]等之間的關系，認為經濟增長與城鎮化對耕地壓力的影響存在區域差異，應避免因耕地壓力增加而導致糧食安全問題；此外，也有學者將耕地壓力用來表征休耕政策對糧食安全的影響[12]。其次，在耕地壓力的時空演變特征的相關研究中，耕地標準系數作為衡量耕地質量的重要指標，多被用來反映區域間耕地質量水平的差異，可與基于耕地壓力指數反映的耕地保護閾值進行綜合分析，進而對耕地保護政策的實施提供耕地自然屬性的說明。在此基礎上，有學者對耕地壓力指數模型進行改進，例如考慮到自然災害對糧食生產的影響，引入自然災害系數減少耕地壓力指數測算的誤差[13]；或引入標準耕地系數用來反映區域間耕地質量的差異[14-18]，對研究區域耕地壓力指數的時空變化特征進行分析，據此提出耕地保護要利用綜合壓力減輕的緩沖期，合理安排休耕輪作，提升地力；也有學者引入外部壓力指數與原模型組成耕地綜合壓力指數進行時空特征分析[19]；此外也有學者進一步對耕地壓力的驅動力進行分析[20-21]，普遍認為耕地壓力是自然、社會經濟多方面因素綜合作用的結果，其中種植結構、糧食單產、耕地壓力、農民收入等是主要驅動因子。最后，在壓力趨勢預測研究中，學者大多采用灰色模型GM（1，1）[22]、平滑預測法[23]、灰色GM（1，1）預測方法和馬爾科夫修正模型相結合[24]等方法分別對中國不同地區基于耕地壓力指數對糧食安全趨勢進行預測，研究結論普遍認為各地區耕地壓力水平的發展趨勢存在較為顯著差異，可以通過提高農業科技水平以及復種指數緩解耕地壓力，保障區域糧食安全。

由此可見，對于耕地壓力問題的研究仍待進一步細化深入。首先，現有研究中鮮有以糧食安全背景下耕地保護政策實施為目標，探究典型黑土區域耕地壓力時空變化特征的研究，分析其在不同糧食安全保障范圍下的演變過程具有較好的實踐價值；其次，已有耕地壓力指數模型忽略了耕地資源的地理差異、區域間人口糧食獲取能力的差異以及對人均糧食需求量的具體情況說明。因此，在耕地壓力驅動力相關研究基礎上，將自然及社會經濟驅動力因素以模型參數的形式進行分析。引入糧食獲取外部壓力系數、糧食商品化率構建以社會經濟和糧食安全保障范圍為修正參數的糧食需求模型對人均糧食需求量進行完善說明，彌補了原模型普適性的不足；再次，已有研究中缺乏對現有的耕地保護的政策實施成效的研究，本研究旨在通過對典型黑土區的耕地壓力變化情況進行分析，為東北黑土區因地制宜實施黑土地保護以長期穩定保障國家糧食安全提供借鑒參考。

1 研究區概況與數據來源

1.1 研究區域概況

研究借鑒趙玉明等[25]對東北典型黑土區的土類界定依據，從71個黑土分布政區和66個黑鈣土分布政區中選取包含黑龍江省14縣區、吉林省6縣區、遼寧省1縣區共21個研究單元（如圖1）。該區域具有土類劃定類型統一、地區空間連接性強、商品糧份額占比大、糧食產量高的特點。首先，研究區域地處松嫩平原與三江平原集中連片黑土核心區，為核心商品糧生產基地所在范圍[26]，其面積約占黑土和黑鈣土共同覆蓋區域的95%以上，擁有得天獨厚的耕地質量優勢；此外，該研究區域2019年糧食總產量達3.19×1010kg，約占東北三省糧食產量總額的23%，21個研究單元平均糧食產量約為東北三省280個縣（區）級行政區平均水平的3倍，因此有較強的典型性和代表性。對此區域的研究結果可以較大程度說明為保障糧食安全東北黑土區耕地面臨的壓力情況，為后續因地制宜實施黑土耕地保護政策提供參考。

圖1 研究區區位圖

1.2 數據來源

各縣市耕地面積和人口數據主要來源于2005—2020年《黑龍江統計年鑒》《遼寧統計年鑒》《吉林統計年鑒》，所在市級統計年鑒、部分縣級社會經濟指標數據來源于《國民經濟和社會發展統計公報》，部分缺失數據采用移動平均法進行缺失值補充。

2 研究方法

2.1 改進的耕地壓力指數模型

本研究借鑒蔡運龍等[7]提出的基于最小人均耕地面積的耕地壓力指數模型。

式中為耕地壓力水平，min和S分別表示最小人均耕地面積（hm2）和實際人均耕地面積（hm2），為糧食自給率；為人均糧食需求量（kg）；為糧食單產（kg/hm2）；為糧種比；為復種指數。實際上反映的是耕地的糧食生產力水平，在諸多研究中將其命名為耕地生產力（kg/hm2），記作GAPCL，耕地壓力指數客觀地反映了人均耕地資源的變動以及衡量一個地區耕地資源的緊張程度，在相關研究中得到了廣泛應用。但是該模型也存在一些不足：忽略了耕地資源的地理差異和區域間人口糧食獲取能力的差異；對特定區域不同時期及不同保障水平下的人均糧食需求量的說明需進一步完善。

對此，本研究對模型進行進一步完善，由于研究區域不僅能夠保證充分自給，而且還能夠為其他地區進行糧食輸送，因而原模型中的糧食自給率可看作100%[27]，且原模型中耕地質量的區域間差異不夠顯著[15]，參考現有對于耕地壓力指數模型的改進方案[28]，同時引入標準耕地系數（standard cultivated land coefficient，CLSI）旨在反映不同區域耕地質量的地理差異進而對耕地生產力進行修正。在此基礎上，考慮到原模型中“人均糧食需求量”受到區域經濟的差異以及糧食安全保障范圍的影響，引入糧食獲取外部壓力系數（1/）[19]、糧食商品化率（）構建以社會經濟和糧食安全保障范圍為修正參數的糧食需求模型對人均糧食需求量進行完善說明，修正后的模型為

1）糧食需求模型

在當前糧食安全的大背景下，東北地區肩負著保障國家糧食安全的重任，耕地資源在保障范圍變大的情況下面臨更大的壓力。因此，本研究新增反映區域間人口糧食獲取能力差異的糧食獲取外部壓力系數1/；在原模型的人均糧食需求量基礎上，增加糧食安全保障范圍系數，表示保障國家范圍糧食安全系數，表示保障東北區域范圍糧食安全系數，在不同的保障范圍下，、分別取值0、1或1、0；當保障國家糧食安全水平時，本研究將東北地區糧食商品化率分別取值為60%、65%、70%對人均糧食需求量進行修正，對特定區域不同時期及不同保障水平下的人均糧食需求量的說明進行了完善。

2）對最小人均耕地面積的改進

在本研究中，將最小人均耕地面積受到糧食安全保障范圍、糧食需求水平、區域糧食獲取能力、耕地綜合生產能力等因子的共同影響，用作表示為保障一定區域糧食安全而需保護的耕地數量底線。同時，針對蔡運龍等[7]耕地綜合生產能力的計算，本研究認為，其沒有考慮耕地質量的區域差異，由此引入標準耕地系數CLSI[18]，用于衡量不同研究區域耕地質量的差異，進而對不同區域耕地壓力指數進行差異性評估。

式（3）中K表示修正后的耕地壓力指數，人均糧食需求量參考了朱洪波等[8]的設定方法，對人均糧食需求量設定了4個取值區間：2004—2008年為410 kg，2009—2012年為420 kg，2013—2016年為430 kg，2017—2020年為440 kg。耕地壓力指數類型依次為Ⅰ代表無壓力等級（K≤0.9），Ⅱ代表警報壓力等級（0.9＜K≤1.1）、Ⅲ代表低壓力等級（1.1＜K≤1.5）、Ⅳ代表中壓力等級（1.5＜K＜2）、Ⅴ代表高壓力等級（K≥2）[14]，耕地壓力指數可以測度糧食安全程度，也可代表耕地保護的閾值。

2.2 灰色-BP神經網絡預測模型

本研究在探究東北典型黑土區耕地壓力指數發展趨勢時選取灰色-BP神經網絡組合模型[29]，不僅可以發揮灰色理論對于處理少樣本、影響因素復雜的社會經濟問題的優勢，同時也為BP神經網絡的非線性預測增強解釋力。

基于灰色-BP神經網絡的組合預測模型進行建模如下：

3）將殘差時間序列輸入BP神經網絡，輸入層節點數為5（注：由于耕地壓力水平很大程度受到自身沖擊的影響，且過去若干時刻的耕地保護政策實施效果對于當期耕地壓力指數具有較大影響，這是由于任何一項耕地保護政策安排從效應顯現到作用最大化，通常都需要時間與過程，由此使得耕地保護效果體現滯后特征，相關研究顯示，面對自身的標準差沖擊，全國耕地保護效果的響應強度在經歷波動后于第8期趨于0值[30]，本研究在此基礎上強調東北典型黑土區對于耕地保護政策的落實效率與社會經濟發展的協同作用，設定殘差序列的滯后期數lag為5，因此BP神經網絡輸入層節點數為5），隱含層節點數為4，輸出層節點數為1，隱含層和輸出層依據不同縣區數據特征采用sigmoid函數，模型訓練分別采用traingd、traingdx、traingdm函數。其中最大迭代次數1 000，目標精度為0.000 001，學習率為0.1，得到殘差修正序列為RES；

3 東北典型黑土區耕地壓力指數時空變化分析

3.1 耕地質量評估及重心轉移

標準耕地系數用來反映耕地質量的區域差異，系數越大說明該區域單位面積的耕地生產力比整體平均耕地生產力水平高，即耕地質量更高。由表1可知，東北典型黑土區21個縣區有近50%的地區耕地質量水平較高，主要集中在吉林和遼寧。2004—2019年，耕地標準系數大于1的區域耕地質量整體水平上升，其中長嶺縣標準耕地系數波動下降，并在2014—2019年其耕地標準系數逐漸平穩在0.8～1區間，表明這些縣區1 hm2耕地相當于整體范圍0.8～1 hm2平均水平耕地；除此之外，近一半區域的耕地標準系數小于1，在2004—2009年間主要集中在0.8以下水平，2009—2019年主要集中在0.5～1的水平上。總體來看，16年間，0.5～0.8水平下的耕地標準系數區域數量較為平穩，但在2017—2019年間整體耕地質量水平有所下降，高質量耕地區域減少，低質量耕地區域數量有所反彈。這可能是由于第三次全國國土調查數據更加細致完善，因此反映出存在的問題更加顯著。如圖2所示，根據研究區域的地理空間分布可以看出，松嫩平原齊齊哈爾市域及北部綏化部分地區的標準耕地系數均小于1，系數大于1的縣區主要集中在松遼平原的吉林部分縣區。本研究就東北典型黑土區耕地質量的地理分布趨勢進行分析，在ArcGIS Pro中針對21個典型黑土區以耕地標準系數、耕地壓力指數分別作為權重字段對研究區域2004—2019年耕地質量及耕地壓力的重心變化趨勢進行分析（圖3）。

表1 2004—2019年東北典型黑土區標準耕地系數縣區數量

圖2 東北典型黑土區標準耕地系數空間分布

圖3 2004—2019年標準耕地系數及耕地壓力重心轉移

由圖3可知，東北典型黑土區耕地質量重心2004—2019年呈現由南向北移動的趨勢，這表明松嫩平原北部地區的耕地質量有所提高；耕地壓力重心呈現向東南方向移動趨勢，且軌跡橫跨4縣區，這說明松嫩平原北部地區耕地壓力緩解效果顯著。2004—2019年東北典型黑土區耕地壓力重心及耕地質量重心對向變動，均向松嫩平原中部轉移，這表明以標準耕地系數所反映的耕地質量的分布及變化將直接影響耕地壓力的變化，二者具有較為顯著的負向影響關系，即當某地耕地質量水平上升時，其耕地壓力將會有所降低，這種規律性與實際情況相符，耕地質量水平良好的地區，耕地所表現出的承載能力較高，耕地壓力相對較小；反之，耕地質量較差的地區，耕地所承擔的自身壓力和外部壓力較大。

3.2 修正耕地壓力指數時空變化分析

耕地壓力指數狀況是反映東北黑土區耕地生產能力和能否穩定發展的關鍵指標[24]，圖4是修正耕地壓力指數的空間分布。依安、甘南、富裕、克東、蘭西、明水、青岡、望奎等縣在2004—2019年的耕地壓力指數呈現顯著下降趨勢，克山縣耕地壓力指數波動下降，此類型縣區主要集中在標準耕地系數提升較大的松嫩平原北部區域，且此區域2019年的耕地壓力指數相比2004年均呈下降趨勢；從整體上看，2004—2019年間公主嶺市、梨樹縣始終保持在耕地壓力較低且平穩的狀態，訥河、長嶺、扶余、昌圖、農安、榆樹等縣市保持在低壓力水平波動，雙城、呼蘭、肇東雖然處于“無壓力”狀態，卻有壓力上漲趨勢。此外，值得關注的是在2004—2014年拜泉縣耕地壓力指數呈先上升再下降趨勢，如圖5所示，2014年臨近警報壓力邊緣后耕地壓力指數再次出現上漲趨勢，而在2014—2019年間，拜泉縣標準耕地系數波動下降幅度達52.98% 。作為黑龍江省最后一批退出國家級貧困縣的拜泉縣標準耕地系數始終小于0.8，處于社會經濟及耕地質量較低狀態[31]，這表明雖然可以通過高強度的耕地利用模式或增加農藥化肥施用量以實現短期安全保障，但卻會帶來耕地質量難以逆轉的損失，地力“透支”必然導致標準耕地系數的降低以及耕地壓力的升高。

圖4 保障區域糧食安全情況下耕地壓力時空演變

圖5 拜泉縣耕地壓力指數及標準耕地系數趨勢

當人均糧食需求量為滿足區域糧食安全水平時，東北典型黑土區耕地壓力整體逐漸減弱，由2004年7個耕地高壓力區縣、1個中壓力區縣、2個低壓力區縣減少為2014年只有1個中壓力區縣（克東）、2個警報壓力區縣，到2019年僅剩1個高壓力地區（如圖4），充分體現在國家政策的推動下，東北地區耕地綜合生產能力日漸提高，實現區域糧食自給暫無壓力。但同時，黑土耕地也出現退化、變瘦、變硬的情況，耕地質量不穩定性增強，其耕地壓力主要來自于對國家的糧食供給，如果東北地區糧食供給不足，將對國家的糧食安全造成一定程度的威脅。

因此，本研究還探討了東北地區在保障國家糧食安全過程中面臨的壓力，圖6為糧食商品化率分別在60%、65%、70%水平下的東北典型黑土區的耕地壓力分布情況。

注：η表示糧食商品化率。

21個典型黑土區中，除甘南等16個縣區的耕地對于保障國家糧食安全暫無壓力外，克山、克東、明水、蘭西、拜泉等縣均處于壓力狀態。其中克東和拜泉始終處于“高壓力”狀態，當糧食商品化率達到65%時，蘭西縣由“警報壓力”變更為“低壓力”；當糧食商品化率達到70%時，克山縣的耕地壓力水平由“中壓力”變為“高壓力”，明水縣由“低壓力”轉變為“中壓力”。上述5縣區標準耕地系數始終小于1，都處于耕地壓力區，先后摘帽退出貧困縣，這表明社會經濟因素及自然因素都將影響耕地壓力水平。比如，依安縣與克山縣雖然標準耕地系數相近且同一年脫貧摘帽，但由于依安縣全力打造“北緯47°黑土有機食品第一縣”，縣域經濟發展迅速，與黑土地保護工程共同助力耕地壓力緩解。因此不同地區的戰略發展方向也將間接影響區域的耕地壓力，黑土地保護工程的推進與實施將有效提高耕地質量及社會經濟水平，緩解區域耕地壓力，繼而保障國家糧食安全。

4 東北典型黑土區耕地壓力預測分析

研究選取東北典型黑土區21個縣區2004—2019年耕地壓力指數作為樣本數據進行試驗計算，將灰色預測模型以及灰色-BP神經網絡組合預測模型的預測結果相對比。研究選取=65%水平下耕地壓力指數數據進行預測。由于灰色預測模型適用于少量數據的短期預測，因此將2種方法分別以2004—2016年數據作為訓練樣本、2017—2019年數據作為測試樣本進行分析。

4.1 灰色預測

表2 精度對照表

表3 2017—2019年東北典型黑土區耕地壓力指數的灰色預測結果

4.2 灰色-BP神經網絡組合預測

如表4所示，對灰色預測模型進行后驗差C和小誤差事件概率檢驗發現，21個縣區數據中，除公主嶺、昌圖、農安、榆樹之外的17縣區數據均通過后驗差檢驗和小誤差事件概率檢驗，對此利用BP神經網絡對灰色預測模型的殘差進行修正。為了進一步驗證灰色-BP神經網絡組合預測模型優于灰色預測模型，這里采用平均絕對誤差（MAE，Mean Absolute Error）和均方根誤差（RMSE, Root Mean Square Error）分別對灰色預測模型和灰色-BP 組合預測模型的誤差和穩定性進行分析，誤差結果見表4。由此，本研究有理由說明對于除公主嶺等4縣區之外的17個縣區的耕地壓力指數可以通過灰色-BP神經網絡預測模型進行短期預測。

表4 2017—2019年東北典型黑土區耕地壓力指數的灰色-BP組合預測結果

注：，均方差比值；，小誤差事件概率；MAE，平均絕對誤差；RMSE，均方根誤差。

Note:, mean square error ratio;, probability of small error events; MAE, mean absolute error; RMSE, root mean square error.

上述模型研究結果表明：公主嶺、農安、榆樹、昌圖4個區縣的數據沒有通過組合預測模型的后驗差檢驗，這是由于該4個區域的耕地壓力指數較低，在小數值范圍內變化波動性較大，因此，本研究基于Excel2019-預測工具表模塊，對公主嶺、農安、榆樹、昌圖4個區縣2019—2024年耕地壓力指數進行區間預測，其中置信區間設定為95%，季節性指數設定為5，2019年真實數據用作區間預測的準確性校對，如圖7所示，該4縣區2019年耕地壓力指數數據均落在預測區間內，說明區間預測信度較好。依據區間預測結果，農安、榆樹、公主嶺未來5年耕地均暫無壓力，昌圖縣可能會出現警報壓力、低壓力甚至是中壓力。

圖7 耕地壓力指數趨勢預測

表5是東北典型黑土區各縣區2020—2024年耕地壓力指數預測結果，通過耕地壓力等級的變化可以分析5年內各區域耕地壓力的變化趨勢，其中農安、榆樹、公主嶺、昌圖耕地壓力預測值采用置信區間上限值。

表5 2020—2024年東北典型黑土區耕地壓力指數的預測結果

注：“↑”、“↓”表示當前年份與上一年份耕地壓力指數相比的變化情況。

Note: “↑” and “↓” indicate the change of cultivated land pressure index in the current year compared with the previous year

依據預測結果，黑土區耕地整體壓力狀況向好，21個研究單元中有15個縣區處于無壓力平穩區或壓力下降區，但仍存在像拜泉縣一樣在高壓力區波動或有上升至壓力預警狀態趨勢的區縣。本研究采用變異系數來規避數值度量單位對數據波動情況的影響，將變異系數小于5%的數據組認定為穩定，如圖8所示，結合耕地壓力指數等級劃分標準，將未來5 a 21個縣區根據耕地壓力指數劃分為4個等級，具體包括：無壓力安全區（包含無壓力平穩區和耕地壓力小于0.6的區域）、無壓力預警區（耕地壓力指數持續4～5 a上升且達到0.6以上的區域）、壓力下降區（包含倒U型區和連續下降區）、壓力上升區（包含U型區和高壓力波動區）。對比2015、2018年兩期黑土地保護利用試點工程實施試點縣名單發現，雙城、農安、榆樹、梨樹等地耕地狀況良好，處于無壓力安全區；2018年開展保護利用試點的青岡縣預計2022年開始出現耕地壓力下降趨勢；此外，由保護利用轉變成整建制推進項目試點的克山縣和公主嶺市的耕地壓力指數在預測期內均呈較好的發展態勢，但2015年保護利用試點項目中的呼蘭區在經歷滯后期及壓力下降期之后，可能會再次出現壓力反彈，甚至達到預警狀態。

圖8 區域耕地壓力水平預測等級劃分結果

5 結論與建議

5.1 結 論

本文利用改進的耕地壓力指數模型、灰色-BP神經網絡組合預測模型等，刻畫揭示了東北21個典型黑土區的耕地壓力指數及動態變化特征和趨勢，主要結論如下：

1）東北黑土區在實現國家糧食安全長效保障過程中面臨較大壓力，耕地壓力指數受到耕地質量、實際人均耕地面積、社會經濟發展水平的負向影響，受到糧食安全保障范圍的正向影響。面對黑土耕地生產力保障與地力保障等多重壓力，多措并舉、抓準壓力成因是開展耕地保護的重要抓手。

2）從時序變化看，2004—2019年東北典型黑土區耕地壓力狀況整體向好，但仍有部分區域由于高強度利用出現“假安全”現象。2020—2024年東北典型黑土區耕地壓力整體得到有效緩解，但訥河、昌圖、依安等區域的耕地壓力可能再次上升或出現壓力預警。黑土耕地壓力的大小能夠準確地反映區域長效保障糧食安全的能力，因此需精準識別“透支”耕地體力而獲取糧食生產動力的區域并加強監督。

3）從空間差異性看，2004—2019年松嫩平原齊齊哈爾市域及北部綏化部分地區的耕地壓力明顯高于南部地區，且耕地壓力重心由西北向東南轉移。2020—2024年耕地壓力預測結果顯示，北部研究區域耕地壓力仍高于南部區域，黑土地保護利用試點項目政策的實施能夠有效緩解區域耕地壓力，但有一定的滯后性，區域間經濟發展不平衡、耕地質量差異性顯著也會導致壓力反彈現象，說明黑土地保護利用工作需要因地制宜開展，從而實現對黑土耕地壓力的緩解及生產力的長效保障。

5.2 建 議

基于研究結論，對21個不同壓力狀態的典型黑土區域耕地保護提出如下建議：1）堅守無壓力區的資源優勢。對于長嶺、公主嶺、梨樹等耕地壓力較低的縣區，在保證國家糧食安全供給的前提下，合理測算可適度休耕或輪作的耕地面積，開展科學的休耕輪作，大力推行保護性耕作技術，恢復和提升地力，實現“藏糧于地”。2）遏制壓力預警區壓力增長。對于肇東、呼蘭等耕地壓力持續上漲的縣區，依據成因進行有針對性改良，對于違法占用黑土地、黑土地撂荒等現象，應進一步加大監管、落實黑土地保護獎勵政策、提高農民發展農業、保護黑土地的積極性。3）避免壓力下降區出現反彈。針對這類區域應多措并舉緩解耕地壓力，首先應不斷發展社會經濟，提升區域競爭力也將有效緩解耕地壓力。其次，必須遏制對耕地的過度非農化利用，扎實推進建設高標準農田、水土保持工程、農田防護林、推進侵蝕溝治理等工作。最后，應大力推進有機肥料的積造和使用，減少化肥和農藥的使用量，建立健全監管處罰機制，堅決杜絕依靠施用大量化肥農藥帶來短期增產的情況。4）恢復高壓力區糧食安全長效保障能力。建議精準開展保護利用試點，提高耕地資源的利用率，同時，應加快農業科技和成果轉化步伐，選育和引進良種，通過精準氣象和災害預警手段，調整糧食種植結構。加大無人機、數字傳感器、大數據和人工智能等現代化科技手段為糧食生產服務，努力穩定和提升糧食單產，不斷提高耕地生產力，實現“藏糧于技”。

[1] 郭孟潔，李建業，李健宇，等. 實施16年保護性耕作下黑土土壤結構功能變化特征[J]. 農業工程學報，2021，37(22)：108-118.

Guo Mengjie, Li Jianye, Li Jianyu, et al. Changes of soil structure and function after 16-year conservation tillage in black soil[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(22): 108-118. (in Chinese with English abstract)

[2] 蘇浩，吳次芳. 東北黑土區耕地系統變化機理[J]. 農業工程學報，2021，37(6)：243-251.

Su Hao, Wu Cifang. Mechanism of cultivated land system change in black soil areas of Northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(6): 243-251. (in Chinese with English abstract)

[3] 李然嫣，陳印軍. 東北典型黑土區農戶耕地保護利用行為研究——基于黑龍江省綏化市農戶調查的實證分析[J]. 農業技術經濟，2017(11)：80-91.

[4] 程國強，朱滿德. 新冠肺炎疫情沖擊糧食安全：趨勢、影響與應對[J]. 中國農村經濟，2020(5)：13-20.

Cheng Guoqiang, Zhu Mande. COVID-19 pandemic is affecting food security: Trends, impacts and recommendations[J]. Chinese Rural Economy, 2020(5): 13-20. (in Chinese with English abstract)

[5] 張志新，李成，白海洋. 農業基礎設施對糧食生產效率的影響[J]. 華東經濟管理，2022，36(10)：100-109.

Zhang Zhixin, Li Cheng, Bai Haiyang. The impact of agricultural infrastructure on food production efficiency[J]. East China Economic Management, 2022, 36(10): 100-109. (in Chinese with English abstract)

[6] 胡新艷，戴明宏. 高標準農田建設政策的糧食增產效應[J]. 華南農業大學學報（社會科學版），2022，21(5)：71-85.

Hu Xinyan, Dai Minghong. Effects of high-standard farmland construction policies on food production[J]. Journal of South China Agricultural University (Social Science Edition), 2022, 21(5): 71-85. (in Chinese with English abstract)

[7] 蔡運龍，傅澤強，戴爾阜. 區域最小人均耕地面積與耕地資源調控[J]. 地理學報，2002，57(2)：127-134.

Cai Yunlong, Fu Zeqiang, Dai Erfu. The minimum area per capita of cultivated land and its implication for the optimization of land resource allocation[J]. Acta Geographica Sinica, 2002, 57(2): 127-134. (in Chinese with English abstract)

[8] 朱紅波，張安錄. 中國耕地壓力指數時空規律分析[J]. 資源科學，2007，29(2)：104-108.

Zhu Hongbo, Zhang Anlu. Analyzing temporal and spatial distribution characteristics of pressure index of cultivated land in China[J]. Resources Science, 2007, 29(2): 104-108. (in Chinese with English abstract)

[9] Liu X, Shi L, Qian H, et al. New problems of food security in Northwest China: A sustainability perspective[J]. Land Degradation Developement, 2020, 31: 975-989.

[10] Wu X, Wang Y, Zhu H. Does economic growth lead to an increase in cultivated land pressure? Evidence from China[J].2022, 11(9): 1515.

[11] 任興遠，吳郁玲，王梅. 1998－2018年中國城鎮化發展與耕地壓力動態關系研究[J]. 中國農業資源與區劃，2022，43(6)：120-130.

Ren Xingyuan, Wu Yuling, Wang Mei. Study on the dynamic ralationship between urbanization development and cultivated land pressure in China from 1998 to 2018[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(6): 120-130. (in Chinese with English abstract)

[12] Yang Q, Yang R, Wang Y, et al. Does fallowing cultivated land threaten food security? Empirical evidence from Chinese pilot provinces[J].2019, 11(10): 2836.

[13] 李曉青，謝炳庚，戴愛德，等. 湖南省耕地壓力現狀分析及趨勢預測[J]. 經濟地理，2003，23(4)：513-515.

Li Xiaoqing, Xie Binggeng, Dai Aide, et al. Present pressure analysis and trend predication of cultivated land in Hunan Province[J]. Economic Geography, 2003, 23(4): 513-515. (in Chinese with English abstract)

[14] 盧新海，劉瑞紅，匡兵. 湖北省耕地壓力的區域差異及動態演進分析[J]. 農業工程學報，2019，35(23)：266-272.

Lu Xinhai, Liu Ruihong, Kuang Bing. Regional differences and dynamic evolution of cultivated land pressure in Hubei Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(23): 266-272. (in Chinese with English abstract)

[15] 羅翔，張路，朱媛媛. 基于耕地壓力指數的中國糧食安全[J]. 中國農村經濟，2016(2)：83-96.

[16] 張雅杰，閆小爽，張豐，等. 1978—2015年中國多尺度耕地壓力時空差異分析[J]. 農業工程學報，2018，34(13)：1-7.

Zhang Yajie, Yan Xiaoshuang, Zhang Feng, et al. Analysis on temporal-spatial difference of cultivated land pressure at multiple scales in China from 1978 to 2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(13): 1-7. (in Chinese with English abstract)

[17] 張鵬巖，龐博，何堅堅，等. 耕地生產力與糧食安全耦合關系與趨勢分析：以河南省為例[J]. 地理科學，2017，37(9)：1392-1402.

Zhang Pengyan, Pang Bo, He Jianjian, et al. Coupling relationship and trend of cultivated land productivity and food security: A case study of Henan Province[J]. Geographical Science, 2017, 37(9): 1392-1402. (in Chinese with English abstract)

[18] 陰柯欣，商慶凱，米文寶. 寧夏耕地生產力與糧食安全耦合關系及趨勢預測[J]. 干旱區資源與環境，2020，34(7)：37-45.

Yin Kexin, Shang Qingkai, Mi Wenbao. Analysis and forecast of coupling relationship between cultivated land productivity and food security in Ningxia[J]. Journal of Arid Land Resources and Environment, 2020, 34(7): 37-45. (in Chinese with English abstract)

[19] 金鑫，李維剛. 黑龍江省耕地壓力指數分析及趨勢預測[J]. 東北農業大學學報，2021，52(3)：76-86.

Jin Xin, Li Weigang. Analysis of arable land pressure index and its trend prediction of Heilongjiang Province[J]. Journal of Northeast Agricultural University, 2021, 52(3): 76-86. (in Chinese with English abstract)

[20] 羅海平，何志文，周靜逸. 糧食主產區耕地壓力時空分異及驅動因子識別[J]. 統計與決策，2022，38(4)：79-83.

[21] 江艷軍. 四川省耕地壓力動態演變及驅動因子研究[D]. 濟南：濟南大學，2019.

Jiang Yanjun. Study on Dynamic Evolution and Driving Factors of Cultivated Land Pressure in Sichuan Province[D]. Jinan: Jinan University, 2019. (in Chinese with English abstract)

[22] 亞森江·喀哈爾，王敬哲，呂光輝，等. 基于耕地壓力指數的新疆糧食安全狀況研究[J]. 新疆農業科學，2017，54(9)：1737-1745.

Yasenjiang Kahar, Wang Jingzhe, Lv Guanghui, et al. Grain security of Xinjiang based on cropland pressure index[J]. Xinjiang Agricultural Sciences, 2017, 54(9): 1737-1745. (in Chinese with English abstract)

[23] 楊麗霞. 基于耕地壓力指數的杭州市糧食安全評價[J]. 農業現代化研究，2014，35(1)：93-96.

Yang Lixia. An assessment of food security based on cultivated land pressure index: A case of Hangzhou[J]. Research of Agricultural Modernization, 2014, 35(1): 93-96. (in Chinese with English abstract)

[24] 宋香平，馬守臣，張合兵，等. 基于糧食安全的河南省耕地壓力動態分析及預測[J]. 中國農學通報，2016，32(33)：162-168.

Song Xiangping, Ma Shouchen, Zhang Hebing, et al. Dynamic analysis and prediction of cultivated land pressure in Henan Province based on food security[J]. Chinese Agricultural Science Bulletin, 2016, 32(33): 162-168. (in Chinese with English abstract)

[25] 趙玉明，程立平，李加加，等. 東北典型黑土區的土類界定依據分析[J]. 中國水土保持科學，2020，18(4)：123-129.

Zhao Yuming, Cheng Liping, Li Jiajia, et al. Research on the definition of soil types in typical black soil regions of Northeast China[J]. Science of Soil and Water Conservation, 2020, 18(4): 123-129. (in Chinese with English abstract)

[26] 邵逸群. 友誼農場洪澇災害遙感監測及時空特征研究[D]. 哈爾濱：東北農業大學，2021.

Shao Yiqun. Remote Sensing Monitoring and Spatiotemporal Characteristics of Flood Disaster in Youyi Farm[D]. Harbin: Northeast Agricultural University, 2021. (in Chinese with English abstract)

[27] 陳雨生，陳志敏，江一帆. 農業科技進步和土地改良對我國耕地質量的影響[J]. 農業經濟問題，2021(9)：132-144.

Chen Yusheng, Chen Zhimin, Jiang Yifan. Effects of agricultural science and technology progress and land improvement on cultivated land quality in China[J]. Issues in Agricultural Economy, 2021(9): 132-144. (in Chinese with English abstract)

[28] 鄧祥征，梁立，廖曉勇，等. 國際糧食貿易影響下東北黑土地生產壓力變化與保護策略[J]. 自然資源學報，2022，37(9)：2209-2217.

Deng Xiangzheng, Liang Li, Liao Xiaoyong, et al.Research on changes in grain production pressure and protection strategies in the black soil region of Northeast China under the influence of international grain trade[J]. Journal of Natural Resources, 2022, 37(9): 2209-2217. (in Chinese with English abstract)

[29] 范中洲，趙羿，周寧，等. 基于灰色BP神經網絡組合模型的水上交通事故數預測[J]. 安全與環境學報，2020，20(3)：857-861.

Fan Zhongzhou, Zhao Yi, Zhou Ning, et al. Integrated model for forecasting waterway traffic accidents based on the Gray-BP neural network[J]. Journal of Safety and Environment, 2020, 20(3): 857-861. (in Chinese with English abstract)

[30] 匡兵，盧新海，韓璟. 政策工具如何影響中國耕地保護效果[J]. 中國人口·資源與環境，2019，29(11)：111-119.

Kuang Bing, Lu Xinhai, Han Jing. How does policy tools affect the effects of China's cultivated land protection?[J]. China Population, Resources and Environment, 2019, 29(11): 111-119. (in Chinese with English abstract)

[31] 杜國明，薛濡壕，王介勇. 村域尺度鄉村振興評價及推進路徑：以黑龍江省拜泉縣為例[J]. 經濟地理，2021，41(8)：19-27.

Du Guoming, Xue Ruhao, Wang Jieyong. Rural revitalization evaluation and promotion path based on village level: Taking Baiquan, Heilongjiang, China as a case study[J]. Economic Geography, 2021, 41(8): 19-27. (in Chinese with English abstract)

[32] 張楠楠，石水蓮，李博，等. 基于“壓力-狀態-響應”模型的土地生態安全評價及預測：以沈陽市為例[J]. 土壤通報，2022，53(1)：28-35.

Zhang Nannan, Shi Shuilian, Li Bo, et al. Evaluation and prediction of land ecological security based on PSR model: Take Shenyang as an example[J]. Chinese Journal of Soil Science, 2022, 53(1): 28-35. (in Chinese with English abstract)

Dynamic change and trend analysis of cultivated land pressure in typical black soil areas of Northeast China under food security

Cui Ningbo1,2, Wang Shengnan2

(1.150030,; 2.,150030,)

The northeast black soil region has been one of the most important main grain producing areas and commodity grain production bases in China. A great task is to realize the national grain supply and security. The typical black soil has the excellent soil characteristics and high fertility. However, the high-intensity utilization mode of arable land is widely used in the grain production under the ever-increasing demand with the acceleration of industrial development and urbanization. Although this approach can improve the grain output in a short period of time, the cultivated land pressure (such as shallower surface layer and quality decline) is gradually appeared in the black soil area. Therefore, it is very urgent to protect the black soil areas, as issued by the Outline of the Plan for the Protection of Black Soil in Northeast China (2017-2030) in 2017. This study aims to clarify the cultivated land pressure in the black soil area of Northeast China under different scopes of food security. The 21 typical black soil counties and districts were selected using the statistical data from 2004 to 2019. A modified model of cultivated land pressure index was established to calculate the cultivated land pressure index. The grey-BP network combined with the forecasting model was used to predict the change trend of cultivated land pressure in the next five years. Some suggestions were also proposed for the black land protection. The results show: 1) The cultivated land pressure was generally better in the typical black soil area of Northeast China from 2004 to 2019. But, there were still some areas with the "false security" phenomenon, due to the high intensity of cultivated land use pattern. The severe pressure constraints were found in the black soil of the cultivated land. The dynamic change of cultivated land pressure was negatively correlated with the quality of cultivated land, actual per capita cultivated land area, as well as social and economic development level. Therefore, the cultivated land pressure gradually increased with the expansion of food security. 2) A typical northeast black soil area of cultivated land was found to effectively relieve the national pressure from 2020 to 2024. But, the low and medium pressure level was observed in the Nehe, Changtu counties, whereas, the Baiquan county was in a high pressure rise. The Yian County was depended mainly on the rural social and economic development. Specifically, the pressure was in the good condition before 2023, but the subsequent trend indicated the pressure warning. 3)The pressure of cultivated land can be expected to represent the pressure of food security, but the pressure of food security cannot accurately reflect the pressure of cultivated land. Short-term high-intensity use of cultivated land can lead to the “deceptive” performance of cultivated land pressure. A low pressure of cultivated land was found at first, but the long-term role failed to ensure the food security with the gradual reduction of the fertility. 4) The measurement demonstrated that the current refined and improved policy was achieved in the pilot implementation of soil protection and utilization. Consequently, the pressure of arable land can be effectively relieved, even though there was a certain lag in the project. The index of cultivated land pressure was divided into four levels. Different protection suggestions were proposed to adjust the measures for the better policy benefits, according to the local conditions in the various soil pressure areas.

land use; pressure; grain; forecasting; black soil protection

10.11975/j.issn.1002-6819.2022.21.026

F301.21; S-9

A

1002-6819(2022)-21-0220-11

崔寧波，王勝男. 糧食安全背景下東北典型黑土區耕地壓力動態變化及趨勢分析[J]. 農業工程學報，2022，38(21)：220-230.doi：10.11975/j.issn.1002-6819.2022.21.026 http://www.tcsae.org

Cui Ningbo, Wang Shengnan. Dynamic change and trend analysis of cultivated land pressure in typical black soil areas of Northeast China under food security[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(21): 220-230. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.21.026 http://www.tcsae.org

2022-06-10

2022-10-17

國家社會科學基金項目（20BYJ149）；黑龍江省哲學社會科學研究規劃項目（21JYA441）

崔寧波，博士，教授，博士生導師，研究方向為糧食安全與耕地保護。Email：82890000@163.com