西南地区耕地复种指数的时空格局演变及影响因素

张闯娟, 何洪鸣

(1. 西北农林科技大学水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室，陕西 杨凌 712100；2. 黄河水土保持天水治理监督局(天水水土保持科学试验站)，甘肃 天水 741000；3. 中国科学院水利部水土保持研究所，陕西 杨凌 712100；4. 华东师范大学地理科学学院，上海 210062)

城市化的发展使得现有的耕地资源在不断减少，而复种是在耕地资源总量不变的情况下通过增加一年内作物播种面积，在时空尺度上有效利用现有耕地资源，从而提高作物产量的一种作物种植模式[1]，研究表明，全球范围内有37.55%的耕地面积可以实行复种[2]，复种是增加区域粮食产量最直接且有效的方式[3]。

实际复种指数是对真实耕地复种情况的观测[4-5]，从研究方法看，其通常是以统计数据为基础的耕地复种指数计算和以遥感SPOT-NDVI数据为基础的植物净初级生产力监测[6-7]。现有的研究内容主要集中于评估复种指数对粮食增产的贡献大小、复种指数的时间变化特征和时空差异动因分析及最大复种潜力的计算等方面的研究。如刘巽浩[8]研究发现，1952—1995年中国的实际复种指数由131%上升到158%[9]，且以复种为中心的多熟制耕地上所生产的粮食约占全国的75%[10]。随后，一些研究者利用统计资料分析较长时间内复种指数的变化特征，得出中国的耕地实际复种指数从北到南逐渐增加，中国各省级行政区的情况在空间上差异明显[11]。而潜在复种指数是通过多熟种植模式充分利用水、土、光和热等自然资源所能达到的最大复种指数，是对耕地潜在复种能力的预测[12-13]。Ray等[14]利用温度阈值法估算了全球10 km空间尺度网格下的最大复种潜力。随后，一些研究者根据地区的热量和降水与相应的复种指数的相关关系，建立了“热量-降水”复种潜力经验估算模型[9,15]，之后利用农业生态区模型和随机前沿法，综合考虑了温度、降水、土壤、地形和社会经济等因素[9,16]，估算了中国复种潜力最大值。

从研究区域和尺度来看，目前已有的研究主要集中在粮食主产区华北、华中和长江中下游地区，但是这些地区的复种指数一般比较高，然而，西南地区耕地复种指数面临的现状和问题是旱地复种指数普遍较低，地区间发展不协调，冬闲田大量存在。随着耕地质量和产能的逐步降低，加之气候变暖造成该区生态环境进一步退化，使高原山地水田多熟种植界限向北、向西推进[17]。同时，农业生产强调发展高效经济作物，从而在一定程度上忽视粮食生产、压缩双季稻种植面积的倾向，致使近年来西南地区耕地复种指数有下降趋势[18-19]，因此针对该区复种指数的时空变化研究已经成为该区土地利用覆被研究的重要内容，而以往针对西南地区耕地复种指数的时空变化特征研究并不多见，因此本文通过研究西南三省(四川省、贵州省、云南省)实际复种指数整体年际变化特征及空间格局变化，估算各区的增产潜力，评估各区域耕地实际复种指数可提升的不同潜力区域分布，探讨对其影响的关键因子，为合理调控气候变化下作物种植模式及制定该区农业发展政策提供参考。

1 材料与方法

1.1 研究区概况

西南3省包括四川、贵州和云南，海拔分布在500～2 000 m之间，区内山川河流密布，降雨较多但各地分布不均，多年来生态严重退化，是中国典型的粮油产区，其生产的粮食作物水稻、经济作物油菜籽产量分别占全国总产量的15.8%和24.2%[20]。气候从热带、亚热带至寒带均有分布，形成垂直的立体景观，水热条件优越，年降水量在1 000 mm以上，时空分布均衡，雨热同季[18,21]，集南方的热量和北方的光照为一体[22]，可实行一年两到三熟，但西南地区受季风气候和地形(图1)综合因素的影响，农作物种植主要集中在海拔较高的高山地区，抵抗自然灾害的能力较弱，产量不稳定。70%的玉米种植在山区和高海拔地区，自然灾害多[23]，年际间差异较大。该区是中国为数不多的多熟制地区，分布有一年一熟、一年两熟、一年三熟农业资源独厚，具有提高复种潜力和提高耕地利用率的优越条件，在面临复杂的“人-地”矛盾，即粮食需求大，生产力水平低、耕地资源有限的情况下，充分利用优越的水热条件，挖掘耕地复种潜力，成为缓解该地区人增地减矛盾和保障区域粮食安全的重要途径[18,24]。

1.2 数据来源及处理

本文耕地数据主要来源于西南3个省(四川省、贵州省、云南省)的统计年鉴和国土资源部等部门土地调查修正后的数据，粮食作物产量、粮食作物播种面积、农作物播种面积等粮食生产数据来源于农业部历年《中国农业统计资料》；2012年后的耕地面积数据为第二次全国土地调查数据及其变更调查数据；气象数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)的地面气候日值数据集；DEM数据来源于中国科学院计算机网络中心的地理空间数据云(http://www.gscloud.cn)。

农业调查数据为1978年之后筛选完耕地面积与播种面积数据中的异常数据后的有效年份数据，然后计算实际复种指数，其理论值在0%～300%之间[25]。针对西南三省各个气象站点的日值数据转换成年值数据，计算出各个站点每年的年降水量及≥0℃年活动积温，然后在ArcGIS软件ArcView支持下对气象数据进行克里金插值处理，利用空间分辨率为1 km的图像得到西南三省积温和降水量栅格图，将插值后生成的空间栅格数据通过Geospatial Modelling Environment工具在市、县级行政单元边界内平均得到市、县域单元每年的平均年降水量及≥0℃年活动积温[15, 25]。

1.3 计算方法

(1)实际复种指数(multiple cropping index，MCI)，是在原有的农作物种植基础上再增加作物的种植次数，充分利用闲田提高土地利用率的一种作法，其计算的方法为[26]：

(1)

式中，MCI为耕地实际复种指数(%)；AS为全年农作物总播种面积(hm2)；AC为总耕地面积(hm2)。

(2)粮食作物复种指数(grain crop multiple cropping index，MCIG)，是在原有的粮食作物种植基础上再增加该粮食作物的种植次数，充分利用闲田提高粮食作物土地利用率的一种作法，其计算方法为:

(2)

式中，MCIG为粮食作物实际复种指数(%)；ASG为全年粮食作物总播种面积(hm2)。

(3)经济作物复种指数(cash crop multiple cropping index，MCIC)，是在原有的经济作物种植基础上再增加该经济作物的种植次数，充分利用闲田提高经济作物土地利用率的一种作法，其计算的方法为:

(3)

式中，MCIC为经济作物实际复种指数(%)；ASC为全年经济作物总播种面积(hm2)。

(4) 潜力复种指数(potential multiple cropping index，PMCI)。任何作物完成生长、发育整个生命过程都需要一定的水、热条件，因此，水热条件是影响复种指数高低的基本因素。现实中的最大复种指数是充分利用光、热、水资源的结果。但是四川盆地作为中国日照时数最低的地区，部分地区已在实行一年三熟耕作制，实践证明日照并不是限制复种指数提高的气象因子，因此本文参照 “热量-降水”模型[15]计算耕地潜力复种指数，不考虑日照时数。利用式(4)和式(5)分别计算出积温复种指数潜力和降水复种指数潜力，最后取每一个像元的降水复种指数潜力与积温复种指数潜力二者中的最小值，通过式(6)计算潜力复种指数[25]。

(4)

(5)

PMCI=Min(MT，MR)

(6)

式中，PMCI代表潜力复种指数(%)，MT代表积温复种指数潜力(%)，MR代表降水复种指数潜力(%)，T代表≥0℃的积温(℃)，R代表多年平均降水量(mm)。

(5)耕地可提升复种指数(potential increment of multiple cropping index，PIMCI)是用于量化提升的复种潜力，其计算方法是用潜力复种指数与实际复种指数的差值[15]，计算公式为：

PIMCI=PMCI-MCI

(7)

2 结果与讨论

2.1 复种指数随时间变化特征

如图1所示为1990—2015年间西南3省不同类型作物复种指数变化情况。由图1A可知，云南省的耕地复种指数呈波动下降趋势，其中1998年复种指数达最大值178%，最小值出现在2010年为100.67%；贵州省耕地复种指数除2004—2006年和2012—2014年突然减少外，其他年份均呈缓慢增加趋势，2010年达到最大，为277.55%；25年里，四川省的耕地复种指数呈先增后减的变化趋势，耕地复种指数多年平均值为206.05%，2010年达到最大，2012年最小，主要是由于2011年后该省耕地面积减少导致。从图1B可以看出，粮食作物复种指数与耕地复种指数变化大致相同，主要分2个阶段：1990—1998年云南粮食作物复种指数缓慢上升，2000年粮食作物复种指数急剧下降，之后到2006年间粮食作物复种指数变化较为平稳，表明该阶段云南省粮食作物的播种次数较为稳定。1990—2005年贵州粮食作物复种指数保持稳定的增长趋势，2005年达到最大值175.29%，2006年粮食作物复种指数有所降低。而四川省粮食作物复种指数在该时期增长缓慢，年平均增长率为0.65%。2006—2015年是三省粮食作物复种指数波动变化最大的时期，该期粮食作物复种指数年际变动率最大的为四川，其次为贵州，变动最小的是云南省。由图1C可知，经济作物近年来一直保持稳步增长的态势，云南省1994—1995年经济作物复种指数下降了5.63%，但整体上经济作物复种指数呈双峰稳定增长型，最大值出现在2012年，其值为48.39%，贵州省经济作物复种指数呈波动增长型，年均增长3.00%，四川省经济作物复种指数呈单峰增长型，年均增长1.88%。三省区经济作物复种指数的增长说明了农民种植经济类作物的积极性更高。

图1 西南三省实际耕地复种指数和不同作物类型复种指数年际变化Fig.1 Interannual variation of the MCI and the MCI for different crop types in three provinces of Southwest China

2.2 复种指数空间分布特征

2.2.1 实际耕地复种指数(MCI)的空间格局变化分析 图2为不同阶段西南三省各市级行政区实际耕地复种指数空间分布情况，从图2可以看出，东部地区耕地复种指数明显高于西部地区，而中部地区高于北部和南部地区，总体上呈东高西低的空间格局。从1990年到2015年间，贵州省耕地复种指数近几十年来增长最为显著，其中以贵阳、毕节、黔南州和黔东南地区变化最为明显，25 a来耕地复种指数增加41.19%～80.96%，其余各市级行政区耕地复种指数分别增加12.95%～40.56%。1990—1995年到2000—2005年，贵州省的耕地复种指数增加明显，以遵义和铜仁两市耕地复种指数值最大，分别为11.89%和12.07%，而增加最为明显的为黔南州，耕地复种指数上升约13.84%；2010—2015年，铜仁市耕地复种指数相对于2000—2005年有所下降，降幅为17.88%，而毕节、贵阳、黔东南和黔南州均在2010—2015年耕地复种指数达最大，表明近年来该区对耕地的集约化利用程度也越来越高。

相对于贵州，四川省耕地复种指数最大区域主要分布在四川东部地区，如巴中、达州、南充、广安一带，由于海拔较高，气候条件恶劣，西部和北部的甘孜和阿坝州作物生长周期较长而导致该区复种指数相对较低，且多年来均无明显变化。从时间序列来看， 1990—1995年、2000—2005年、2010—2015年3个时期四川省耕地复种指数大小依次为188.34%、212.32%和221.39%。从图2可以看出，在进入21世纪后，与贵州省耕地复种指数变化相似，四川省各地区耕地复种指数明显增大。相对于1990—1995年，2000—2005年除甘孜藏族自治州外，其余各市耕地复种指数均有所增长，平均增加7.99%，其中以广元、巴中和南充增长最为明显，增加15.42%～21.39%。而在2000—2015年，四川省大部分地区复种指数均有所下降，整体上降低的区域主要分布在成都及周边地区，以达州、攀枝花和雅安下降最为明显，降幅为11.09%～64.34%。

与东部和北部的贵州和四川不同，南部的云南省25年来耕地复种指数变化相对较小(图2)。但耕地复种水平低于贵州省和四川省，1990—1995年、2000—2005年、2010—2015年3个时期耕地复种指数分别为155.89%、174.67%和163.72%，同样，四川省的复种指数在2000—2005年达最大值，2010—2015年复种指数有所降低，其中以楚雄和临沧减少最为明显，分别减少37.15%和35.65%，其中各个市耕地复种指数变化最大的为云南省东南部的红河州，由1990—1995年的147.94%上升至2010—2015年的287.25%，增加1.94倍，表明该区耕地的利用程度远远高于其他市级行政区。从1990—1995年及2010—2015年总的来看，云南省内部各州市复种指数总体上为增大的趋势，但土地集约化利用程度相对较低，云南中部地区复种指数较高，以西双版纳州、普洱市为代表的南部地区耕地复种指数最低，主要是由于该区域耕地弃耕撂荒现象较为严重[27]。

图2 实际耕地复种指数分布特征Fig.2 Distribution characteristics of the MCI

2.2.2 潜力复种指数(PMCI)的空间格局变化分析 耕地和气候资源是决定一个区域作物复种的基础条件，西南三省主要以山地丘陵为主，从热带、亚热带至寒带均有分布，水热资源形成垂直的立体景观，因此气候资源是制约该区域耕地复种潜力提升的主要制约因素，同时也取决于土地质量和种植的农作物类型。气候变化对耕地复种潜力的影响是通过改变作物生长过程中光、热和水的匹配[28]来实现。以1990—1995年和近几年西南地区温度和降水数据为基础，通过“热量-降水”模型计算出1990—1995年和2010—2015年两个时期耕地复种潜力并进行对比分析。西南3省耕地平均潜力复种指数时空格局变化情况如图3所示，1990—1995年和2010—2015年这两个时期西南地区潜力复种指数均为东部和南部地区显著高于中部和西北部地区，整体上西南地区潜力复种指数空间差异较明显而时间差异不显著。各省情况如下：(1)1990—1995年四川省甘孜和阿坝州潜力复种指数较低，而四川东部地区如巴中、达州、广安3个市级行政区潜力复种指数均较大，潜力值分别高达288.58%、290.00%和286.25%，远高于西部地区，其余中部各市区潜力复种指数则在200.00%～277.47%之间波动；随着气温的持续变暖，1990—1995年及2010—2015年近25 a间，西部地区的甘孜、阿坝州和雅安潜力复种指数均无明显变化，而东部的巴中地区平均潜力复种指数呈下降趋势，潜力值降低11.06%，其余四川各地区潜力复种指数均为上升趋势，分别上升1.05%～12.65%。(2)1990—1995年云南省各地区潜力复种指数均较大，其中以西部的德宏、临沧和普洱3市潜力复种指数最大，均高达300%，可见该地区对光、热、水资源充分利用的空间很大，相反迪庆市的潜力复种指数最低，是全省唯一的一熟制地区[27]，其次昭通为211.25%，而其他地区则介于238.83%～288.63%之间；在2010—2015年间，除德宏、临沧、普洱依然保持较高潜力复种指数外，保山、西双版纳两市潜力复种指数也达最大值300%。云南东部地区潜力复种指数表现为下降趋势，其中红河州下降最为明显，与1990—1995年相比降低30.76%。(3)在1990—2015年近25 a年间，西南东部地区的贵州省除黔南州和遵义潜力复种指数变化较大外，其余各市变化不显著。两个时期均以黔东南潜力复种指数最大。

图3 耕地潜力复种指数分布特征Fig.3 Distribution characteristics of PMCI

2.2.3 耕地复种可提升潜力时空变化特征 图4为1990—1995年和2010—2015年西南地区耕地复种可提升潜力变化情况。如图4所示，西南3省中云南省耕地复种可提升潜力值明显高于贵州和四川两省，各省潜力变化如下：(1)由图4A可知，1990—1995年四川省的阿坝州和雅安两地为无提升潜力地区，而甘孜、德阳、成都、眉山和乐山地区为低提升潜力区，可提升潜力值介于0～25%。同潜力复种指数相同，可提升潜力复种指数同样以四川东部的广元、巴中、达州和广安等地区较大，其中广元市可提升复种潜力最大，为70.4%，表明广元市的耕地在未来有更大的利用空间。从图4B可知，与1990—1995年相比，在2010—2015年阿坝州由无提升潜力区变为低提升潜力区，但可提升潜力值仅为0.77%。巴中市由高提升潜力区骤降为无潜力区，达州、广安、内江和资阳可提升潜力值均呈下降趋势。(2)1990—1995年，云南省中除迪庆和曲靖市仅为中潜力区外，其余地区耕地复种可提升潜力均为高潜力区，其中以普洱市可提升潜力复种指数最大，为173.45% 。而在2010—2015年间，曲靖市降为低潜力区，红河市则由10 a前的高潜力变为无潜力区，其余各市无明显变化，同样以普洱市较大。(3)1990—1995年贵州省的黔东南和黔西南为高提升潜力区，毕节市为无提升潜力区，其余各市为中低提升潜力区。相比于1990—1995年，2010—2015年除毕节市、安顺和黔西南三市可提升潜力无明显变化外，其余各市可提升潜力均变为低提升潜力区和无提升潜力区。

注：无潜力区代表可提升潜力值≤0%，低潜力区代表可提升潜力值为0%～25%，中潜力区代表可提升潜力值为25%～50%，高潜力区代表可提升潜力值为≥50%。Note: The potential value of the non-potential area is less than 0%, the potential value of the low-potential area is between 0 and 25%, the potential value of the mid-potential area is 25%～50%, and the potential value of the high-potential area is greater than 50%.图4 西南三省耕地可提升复种指数变化特征Fig.4 The characteristics of the PIMCI in three Southwestern provinces

3 西南地区复种指数的影响因素

3.1 气候变化与人类活动对耕地复种指数的影响

表1为1990—2015年西南3省区耕地复种指数与气候因子和人类活动之间的关系。可知，该区年降雨量对耕地复种指数影响较小，年平均温度和≥0℃积温与耕地复种指数之间呈极显著的正相关关系(P<0.01)[29]。资料表明，该区年平均温度空间格局变化为东部和南部地区明显高于中部和西北部地区，而实际耕地复种指数空间分布总体上也呈东高西低的空间格局，与温度变化趋势保持一致，25 a来气候持续变暖，导致该区潜力复种指数空间格局变化为东部和南部地区显著高于中部和西北部地区，整体上潜力复种指数空间差异较明显而时间差异不显著。由于潜力复种指数格局主要受气候资源的影响，迪庆州处于青藏高原的东南边缘，是横断山脉的腹地[30]，属温带和寒温带气候，水资源丰富，雨季频繁，降水复种指数潜力较高，但气候寒冷，热量不足，使得积温复种指数潜力低，导致最终复种潜力最低，是云南省唯一一个一年一熟制作物种植地区，这与陶文星[27]研究的云南复种潜力特征结果一致，出现这种现象的原因是该地区海拔和纬度较高，水分和热量条件较差，耕地复种潜力受到限制[31-32]。

表1 西南三省复种指数与各因子相关性

而针对人类活动对复种指数的影响关系可知，人口数量和农业生产总值均与复种指数之间呈显著正相关关系(P<0.05)，即随着人口数量和农业生产总值的提高，复种指数呈增大趋势。随着人口数量的增大，城镇化速度也会随之增加，从而不可避免地需要占用现有的土地资源[33]，针对人多地少的矛盾，只有通过增大复种才是最有效的解决办法，所以，人类活动因子在一定程度上促进了复种指数的变化[32]。在2006—2010年云南红河州进行种植业结构的调整，充分利用秋冬光热条件，发展冬季农业，在低海拔热河谷区，北部的种植业坝区大力推广再生稻，间作套种及复种，实现一年三熟[34-35]，是云南省东南部的红河州及周边区域实际复种指数变化最大的原因。

3.2 地形对复种指数的影响

就地形和土壤类型而言，四川东部地区主要为平原地形，土壤多为集中且成片分布的紫色土，该土壤养分高，具有优良的生产性能，因此四川省最大耕地复种指数主要分布在四川东部地区，而西北部的高原地区地形起伏较大，土壤类型多为寒冻土和草毡土，造成西部和北部的复种指数相对较低，且多年来均无明显提升。除了云南省中部地区地形起伏度小、土壤类型为紫色土、复种指数较高外，云南其他地区和贵州省大部分地区多以台地丘陵为主，土壤类型多为红、黄壤，农作物主要分布在山间盆地和数千块河谷平原，复种指数较低。

将图2B与图2C做对比，四川省复种指数整体上降低的区域主要分布在成都及周边地区，经研究发现，2000—2015年四川省坡耕地面积减少了3 263 km2。平缓坡耕地面积(坡度<10°)减少1 467 km2，尤其是在成都及其周边地区，陡坡耕地面积(坡度>25°)减少302 km2，但占全区耕地面积的比重仍是最大[36]，地形变化是造成复种指数降低的主要原因。进一步通过相关性分析可知(图5)，西南三省地形起伏度与耕地复种指数之间呈显著的负相关关系(P<0.01)，进一步证明了地形起伏度(海拔)越高其耕地复种指数越低。

图5 西南三省地形起伏度与复种指数的关系Fig.5 Relationship between relief amplitude and multiple species index in three Southwest provinces

4 结 论

为了全面评价西南地区耕地资源的集约化利用程度，本文从区域和省级层面上分析了1990—2015年间实际耕地复种指数的变化趋势和格局演变，并基于复种指数和“热量-降水”定量化关系模型分析了该地区复种指数的理论潜力，进而研究复种可提升潜力空间格局变化，从气候、地形变化和人类经济活动角度探讨了耕地复种指数变化的原因。主要结论如下：

(1)三省耕地复种指数年际变化特征为：云南省的耕地复种指数呈波动下降趋势；贵州耕地复种指数除2004—2006年和2012—2014年突然减少外，其余均呈缓慢增加趋势；四川省的耕地复种指数为逐年增加趋势。粮食作物复种指数变化大致分两个阶段，1990—2006年，云南粮食作物复种指数仅2000年为下降趋势，其他均为缓慢上升，而贵州和四川两省均为增长趋势，其中四川增速相对较缓。2006—2015年是3省粮食作物复种指数波动变化最大的时期，该期粮食作物复种指数年际变动率四川>贵州>云南。经济作物复种指数近年来一直保持稳步增长的态势。

(2)从内部分布情况看，1990—2015年间西南地区、东部地区实际耕地复种指数明显高于西部地区，中部地区高于北部和南部地区，总体上呈东高西低的空间格局。1990—2015年西南地区潜力复种指数均为东部和南部地区显著高于中部和西北部地区，整体上西南地区潜力复种指数空间差异较明显而时间差异不显著。四川东部地区潜力复种指数最大，远高于西部地区。云南各地区除了迪庆市外潜力复种指数均较大，其对光、热、水资源充分利用的空间很大。云南省耕地复种可提升潜力值明显高于贵州和四川两省，以贵州省高提升潜力地区最少。云南省水热资源丰富，但耕地利用情况较为低效，南部地区是复种指数可提升潜力空间最大的地区。

(3)耕地复种指数与气象因子的关系中，主要受年均温度和≥0℃积温的影响较大，而与人类活动的关系主要受到人口数量和农业生产总值的影响较大。对于受地形的影响而言，丘陵地区耕地复种指数表现为下降，平原地区耕地复种指数呈现上升趋势。气候变化对西南地区复种指数有一定的贡献，但温度变化是耕地复种指数变化的关键因子。

本文采用统计方法可能受到人为因素干扰，在后续的研究中应利用遥感数据和统计数据相结合，尝试加入作物种类、农业设施等因素，提高耕地复种指数可提升潜力的量化精确度，为各区域耕地资源有效利用和农业优化配置提供更科学的理论依据。