Ecological Geochemistry of Pineapple Growing Lands in Longhai City
-
摘要: 以龙海市程溪镇菠萝种植区为研究区,采集菠萝果实、同点配套岩石、土壤样品,探讨种植区岩石、土壤地球化学特征,及其与菠萝之间的关系。结果表明:种植区岩石中Hg、N、Se、U含量高于华南褶皱系及中国花岗岩中相应元素含量;土壤中N、P、K含量高于全国表层土壤平均值,且铵态N、有效P、速效K含量极其丰富,主要来源于岩石风化累积以及肥料的施用;Ca、Mg、Fe受到强烈淋滤作用而相对贫乏,但其中Fe有效态含量较高。此外,重金属元素主要受地质背景影响,无明显污染。对比表明,程溪菠萝比湛江菠萝富P贫Ca、Fe,且有毒重金属Cd、Pb含量低。土壤-菠萝相关性及元素迁移系数研究表明:菠萝对土壤中S、P、Cu、B、K等植物营养元素的吸收能力大,对Pb、F、As、Cr等有毒有害元素吸收富集能力小。综合而言,种植区内土壤N、P、K含量高,肥力条件好,菠萝吸收能力强,有毒有害元素含量低,土壤环境质量优良,菠萝吸收少,适宜农作物的种植。Abstract: Pineapple growing areas in Chengxi Town, Longhai was selected for an ecological geochemical study. Samples of pineapple flesh, rock, and soil at a same site for various locations were collected to determine the correlations between the land geochemical characteristics and the fruits grown on the same site. It is found that (a) the contents of Hg, N, Se, and U in the rocks were higher than those in the granite found in South China fold system or other places in China; (b) the N, P, K contents in the soil were higher than the national average for surface soil, and the soil was particularly rich in ammonium N, available P and rapid released K, possibly due to the natural weathering and artificial fertilization in the area; (c) the contents of Ca, Mg, and Fe were relatively low by eluviation, but the available Fe was high; (d) the heavy metals came basically from the geological background with little input from pollution; and, (e) in comparison, the local pineapples were richer in P, but poorer in Ca, Fe, Cd and Pb than those grown in Zhanjiang city. The correlations between the land geochemistry and the chemical contents of the pineapple flesh, as well as the element transfer from the rocks and/or soils to the fruits, indicated that the pineapples efficiently absorbed S, P, Cu, B, K and other nutrients, but did not accumulate the pollutants such as Pb, F, As, and Cr, from the ground. Consequently, with the fertile soil, desirable nutrient transfer and minimal concern with heavy metals, Chengxi seemed to be ideal for pineapple plantation.
-
Keywords:
- pineapple /
- enrichment factor /
- transfer factor /
- heavy metals and nutrients /
- ecological geochemistry /
- Longhai
-
耕地资源是保障粮食安全的重要战略资源,是人类赖以生存的根基。由于我国人口众多、人均耕地少,耕地生态系统在人类长期活动下,日渐演变成一个社会-经济-生态的高度耦合的复合系统[1-2]。在城镇化进程加快、工业化水平提高的压力背景下,人类与耕地资源间的矛盾日益尖锐,建设用地占用耕地、工业废弃物污染土壤等问题使得耕地生态环境问题日益凸显。因此,开展耕地生态安全评价研究,对于改善耕地生态环境,协调人地关系和保障粮食安全具有重要的现实意义。
在生态文明的大前提下,耕地生态安全是指基于耕地资源可持续利用,既能满足当代人对耕地资源的生活所需及合理利用,又能使子孙后代从中受益的一种状态[3-4]。国外的研究范围主要是将耕地生态安全与区域生态安全相结合,单独分析耕地生态安全则较少[5-6]。目前,国内学者的研究范围主要涵盖耕地生态安全评价、影响因素、时空演变特征以及调控政策等方面[7-11]。郭荣中等运用改进的PSR模型结合组合赋权方法构建评价体系,定量评价了长株潭地区耕地生态安全状态[12]。杨俊等以长江中下游粮食主产区为评价对象,基于PSR模型选取耕地压力指数等36个评价指标,采用综合评价值计量等方法探索研究区域耕地生态安全现状及影响因素的内在机理[13]。张锐等在明确耕地生态安全内涵之后,针对传统综合评价研究中存在评价信息缺失和评价主观性的弊端,采用改进的熵值法结合物元模型评价我国耕地生态安全[14]。王军通过分析石家庄市近10年来的耕地数量、质量和生态环境动态变化,运用人工神经网络法评价石家庄市1998年、2002年和2007年的耕地生态安全状况[15]。赵文晖等采用可拓优度评价模型分析评价了河北省保定市2003-2012年的耕地生态安全状况[16]。综上,耕地生态安全评价研究方法主要有:人工神经网络法、综合评价法、物元分析法等,在研究尺度上主要以国家、省、市级尺度较多,而从山区县域层面展开耕地生态安全评价的研究甚少。
2014年福建省被确立为全国首个生态文明先行示范区,可见福建生态省的建设已然上升为国家战略[17]。但福建省近九成陆地面积为丘陵山地,地形复杂,耕地碎片化,素有“八山一水一分田”之称,清流县作为福建省山区农业县的典型代表,所面临的耕地生态环境问题具有显著普遍性。本文在前人的研究基础上,从耕地现状、社会经济和生态环境三方面综合提取评价指标,建立基于熵权法确权和物元模型的耕地生态安全评价模型,评价福建省清流县在2010-2016年的耕地生态安全状况,以期为山区县域耕地生态安全评价和县域耕地保护政策提供参考依据。
1. 研究区概况与数据来源
1.1 研究区概况
清流县位于福建省西部,北纬25°46′~26°22′、东经116°38′~117°10′,属亚热带季风气候,兼具大陆性和海洋性气候特点,秋冬季多为西北风,春夏季则为东南风,全年气候温暖而湿润。全县土地总面积为1 806.3 km2,下辖5个镇、8个乡,境内低山丘陵分布广泛,地势从西向东逐级提高,平均海拔为350 m,是福建省典型的山区农业县。
截至2016年末,全县总人口达155 994人,地区生产总值为89亿元,固定资产投资额达到98.8亿元。耕地面积为1.32万hm2,人均耕地面积0.085 1 hm2,坡度大于25度耕地面积比重为8.2%。年内增加耕地57.12 hm2,减少耕地33.54 hm2。
1.2 数据来源
耕地数据主要来自清流县国土局,人口密度和人口自然增长率来源于清流县卫计局,GDP年增长率等社会经济数据以及化肥施用量、森林覆盖率等生态环境数据来源于《清流县统计年鉴》(2011-2017)和《三明市统计年鉴》(2011-2017)。
2. 生态安全评价指标体系构建
2.1 指标选取
明确耕地生态安全概念前提下,参照国家环保总局制定的《生态县、生态市、生态省建设指标(试行)》关于生态县建设指标[18],借鉴国内已有的相关成果,同时依据各评价指标数据的获取难易程度,从耕地现状、社会经济、生态环境3个方面综合选取了人均耕地面积、农民人均纯收入年增长率、GDP年增长率、污水处理率等16个评价指标。
2.2 权重确定
权重反映了评价指标对被评价对象的重要程度,评价结果的科学与否离不开确权的客观程度。确权的方法包括主观和客观两个方面,涵盖包含层次分析法、德尔菲法、熵权法在内的10多种方法,相较于德尔菲专家评分法,熵权法避免了由于主观因素对赋权的干扰,结果较为客观,因此采用熵权法对指标赋权[19],通过熵权法公式计算,得到赋权结果见表 1。
表 1 耕地生态安全评价指标体系及权重Table 1. Weighted indicators in evaluating ecological security of cultivated land in Qingliu county因素 指标 公式 权重 影响 耕地现状 X1人均耕地面积/(hm2·人-1) 耕地面积/总人口 0.0837 (+) X2耕地减少面积与耕地面积比例/% 耕地减少面积/耕地面积 0.0425 (-) X3耕地增加面积与耕地面积比例/% 耕地增加面积/耕地面积 0.2017 (+) X4大于25度耕地面积比重/% - 0.0705 (-) 社会经济 X5人口密度/(人·km-2) 总人口/土地总面积 0.0176 (-) X6人口自然增长率/‰ - 0.0778 (-) X7农民人均纯收入年增长率/% - 0.0941 (+) X8 GDP年增长率/% - 0.0520 (+) X9单位面积耕地粮食产量/(kg·hm-2) 粮食总产量/粮食作物播种面积 0.0246 (+) X10固定资产投资总额年增长率/% - 0.0806 (+) 生态环境 X11森林覆盖率/% - 0.0603 (+) X12单位耕地面积化肥施用量/(kg·hm-2) 化肥施用量/耕地总面积 0.0725 (-) X13单位耕地面积农药施用量/(kg·hm-2) 农药施用量/耕地总面积 0.0766 (-) X14工业固体废物综合利用率/% - 0.0213 (+) X15污水处理率/% - 0.0042 (+) X16生活垃圾处理率/% - 0.0200 (+) 3. 评价模型及确定经典域
20世纪80年代初,为研究事物拓展的可能性和解决不相容的复杂问题,蔡文教授提出了物元模型,同时这种模型也适用于多指标评价过程中。耕地生态系统是由社会、经济、生态间相互作用而成的多因素复杂系统,涉及评价指标较多且指标间的内在关系不明确,因此可将其看作一个不相容的问题,采用物元分析方法构建评价模型[20]。
3.1 构建物元模型
3.1.1 确定耕地生态安全物元
依据物元模型的相关概念,描述耕地生态安全的基本元由耕地生态安全Z,特征值X以及量值v以有序的三元组N=(Z, X, v)构成。其中,Y=X(N)反映事物间质和量的关系。若耕地生态安全Z有n个特征X1, X2,…,Xn和对应的模糊量值为v1,v2,…,vn,则称作n维模糊物元。相应矩阵为:
N=|ZX1v1X2v2⋯⋯Xnvn|=|N1N2⋯Nn| (1) 3.1.2 确定经典域和节域物元矩阵
以Z0表示所划分耕地生态安全的评价等级,X表示评价指标,各评价指标对应等级的量值范围称谓经典域,即v0=(u0i,v0i)(i=1, 2, …,n)。经典域的物元矩阵可表示为:
N0=(Z0,v0)=|Z0X1(u01,v01)X2(u02,v02)⋯⋯Xn(u0n,v0n)| (2) 以Zp表示评价节域物元,vp表示节域物元关于评价指标X的全部量值范围,vp=(upi,vpi)(i=1, 2, …,n)。耕地生态安全Z节域的物元矩阵可表示为:
Np=(Zp,X,vp)=|ZpX1(up1,vp1)X2(up2,vp2)⋯⋯Xn(upn,vpn)| (3) 3.1.3 确定关联度函数及关联度
K(Ci)={−ρ(C,C0)|C0|C∈C0ρ(C,C0)ρ(C,Cp)−ρ(C,C0)C∉C0 (4) ρ(C,C0)=|C−12(u0+v0)|−12(v0−u0) (5) ρ(C,Cp)=|C−12(up+vp)|−12(v0−u0) (6) 其中,ρ(C, C0)表示点C与有限区间C0=[u0, v0]的距离;ρ(C, Cp)表示表示点C与有限区间Cp=[up, vp]的距离;|C0|=|v0-u0|;C、C0、Cp分别表示待评价物元的数值、经典域物元的取值范围和节域物元的取值范围。当Kj(Ci)=max[Kj(Ci)](j=1, 2,…,n), 得出待评价物元Zx的第i个指标属于等级j。
3.1.4 计算综合关联度并确定评价等级
Kj(Zc)=n∑i=1wiKj(Ci) (7) 上述公式中,Kj(Zc)表示待评价物元Zc关于等级j的综合关联度;Kj(Cj)表示Zc关于等级j的单指标关联度;wi为评价指标的权重。当Kj(Ci)=max[Kj(Zi)](j=1, 2,…,n), 得出待评价物元Zx属于等级j。
关联度数值表明评价指标或评价对象在相应等级内的稳定程度,数值越大越稳定,反之,数值越小,表明该评价指标或待评价对象有往相邻次级转化的趋势,若相邻两个等级的关联度值越接近则转化可能性越大。当K(C)∈(-∞,-1)时,表示被评价对象不符合该级评价标准,且没有转化为该等级标准的条件;当K(C)∈[-1, 0)时,表示被评价对象不完全符合该级别评价标准,但具备转化条件,数值越大,越容易转化;当K(C)∈[0, 1)时,表示被评价对象符合该级别评价标准,数值越大,越接近该标准要求;当K(C)∈[1, +∞)时,评价对象超过该级别评价标准,数值越大,符合程度越高。
3.2 确定耕地生态安全评价的经典域和节域
基于耕地生态安全的可拓性,将评价等级划分为五个级别: Ⅰ表示理想安全、Ⅱ表示较安全、Ⅲ表示临界安全、Ⅳ表示较不安全、Ⅴ表示极不安全,从而确定经典域。经典域的确定主要依据《生态县、生态市、生态省建设指标(试行)》[18]关于生态县建设的标准值、全国平均水平值、福建省平均水平值以及三明市平均水平值。若有的评价指标已获得国际公认标准,则采用国际通行标准。所确定的经典域和节域见表 2。
表 2 基于占补平衡的耕地生态安全评价经典域和节域取值范围Table 2. Intervals of data collection on classical and segment fields of area cultivated land for ecological security evaluation based on occupation and compensation balance评价指标 经典域 节域 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ X1 [0.107,0.137] [0.077, 0.107) [0.047,0.077) [0.023, 0.047) [0, 0.023) [0, 0.137] X2 [0,0.17) [0.17, 0.34) [0.34,1.15) [1.15, 1.96) [1.96,2.77] [0, 2.77] X3 [2.68, 3.22] [2.14, 2.68) [1.60, 2.14) [1.06, 1.60) [0, 1.06) [0, 3.22] X4 [0, 2) [2, 8) [8, 10) [10, 24) [24, 35] [0, 35] X5 [0, 100) [100, 300) [300, 1000) [1000, 2000) [2000, 3000] [0, 3000] X6 [0, 5) [5, 10) [10, 15) [15, 20) [20, 25] [0, 25] X7 [16, 20]> [12, 16) [8, 12) [4, 8) [0, 4) [0, 20] X8 [16, 20] [12, 16) [8, 12) [4, 8) [0, 4) [0, 20] X9 [6500,7500] [5920, 6500) [4970,5920) [2490, 4970) [0,2490) [0, 7500] X10 [45,50] [35, 45) [15, 35) [5, 15) [0, 5) [0, 50] X11 [80,85] [75, 80) [60, 75) [20, 60) [0, 20) [0, 85] X12 [50, 255) [255, 465) [465, 685) [685, 800) [800, 1000] [50,1000] X13 [0,10) [10,20) [20,25) [25,40) [40,80] [0, 80] X14 [97,100] [85, 97) [80, 85) [70, 80) [0, 70) [0, 100] X15 [97,100] [85, 97) [80, 85) [70, 80) [0, 70) [0, 100] X 16 [97,100] [85, 97) [80, 85) [70, 80) [0, 70) [0, 100] 4. 结果与分析
4.1 物元模型总体评价分析
将待评价物元依次输入公式(1)~公式(7)中,以2010年的人均耕地面积(x1)为例,得到该指标在对应5个等级下的关联度为K1(x1)=-0.2857,K2(x2)=0.3333,K3(x3)=-0.1667,K4(x4)=-0.4444,K5(x5)=-0.5614,可以判定2010年该指标属于级别Ⅱ(较安全)。同理可得其他年份相应指标的关联度如表 3。
表 3 清流县2010-2016年耕地生态安全指标关联度等级Table 3. Degree of association of indicators for ecological security evaluation on cultivated land in Qingliu county from 2010 to 2016关联度 2010年 2011等级 2012等级 2013等级 2014等级 2015等级 2016等级 Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级 Ⅴ级 等级 Kj(x1) -0.2857 0.3333 -0.1667 -0.4444 -0.5614 Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Kj(x2) -0.4220 -0.3152 0.3580 -0.4522 -0.6786 Ⅲ Ⅴ Ⅴ Ⅱ Ⅱ Ⅲ Ⅱ Kj(x3) -0.4963 -0.3692 -0.1563 0.4630 -0.1768 Ⅳ Ⅲ Ⅰ Ⅴ Ⅴ Ⅴ Ⅴ Kj(x4) -0.4323 -0.0455 0.2000 -0.1600 -0.6500 Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Kj(x5) 0.1400 -0.1400 -0.7133 -0.9140 -0.9570 Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ Kj(x6) 0.0900 -0.0900 -0.5450 -0.6967 -0.7725 Ⅰ Ⅰ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Kj(x7) -0.3540 -0.0876 0.2125 -0.2625 -0.4469 Ⅲ Ⅰ Ⅱ Ⅲ Ⅲ Ⅲ Ⅳ Kj(x8) -0.2368 0.4500 -0.2750 -0.5167 -0.6375 Ⅱ Ⅱ Ⅱ Ⅱ Ⅲ Ⅲ Ⅲ Kj(x9) -0.3679 -0.2536 0.1443 -0.0542 -0.5224 Ⅱ Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Kj(x10) -0.4081 -0.0640 0.0550 -0.5400 -0.6422 Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Ⅲ Ⅳ Kj(x11) -0.5000 0.2000 -0.1000 -0.6400 -0.8615 Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Kj(x12) -0.1940 0.3095 -0.3494 -0.5748 -0.6400 Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Ⅱ Kj(x13) -0.3735 -0.1615 0.0460 -0.0092 -0.3808 Ⅲ Ⅲ Ⅲ Ⅳ Ⅳ Ⅳ Ⅳ Kj(x14) -0.4658 -0.2650 -0.1285 0.3460 -0.2180 Ⅳ Ⅳ Ⅰ Ⅰ Ⅰ Ⅱ Ⅱ Kj(x15) -0.4667 -0.2733 -0.1439 0.4040 -0.1987 Ⅳ Ⅱ Ⅳ Ⅳ Ⅲ Ⅴ Ⅳ Kj(x16) 0.0000 -1.0000 -1.0000 -1.0000 -1.0000 Ⅰ Ⅱ Ⅰ Ⅰ Ⅰ Ⅰ Ⅰ 将表 3得到各指标的关联度值结合相应权重各指标对应的关联度值以及各指标的权重代入公式(7)中计算,得出清流县2010年耕地生态安全所有指标对应5个评价等级的综合关联度为:K1(Z2010)=-0.3353,K2(Z2010)=-0.0535,K3(Z2010)=-0.0886,K4(Z2010)=-0.2130,K5(Z2010)=-0.5071,可以判定清流县2010年耕地生态安全级别处在Ⅱ级别,但由于-1 < K2(Z2010) < 0,表示清流县2010年耕地生态安全不完全符合Ⅱ级别(较安全)的评价标准,但具备转化为该级别的条件,耕地生态安全正在向较安全状态转化。运用相同方法计算得出清流县2010-2016年耕地生态安全评价结果(表 4)。
表 4 清流县2010-2016年耕地生态安全评价结果Table 4. Ecological security evaluation on cultivated land in Qingliu county, 2010-2016关联度 Ⅰ级 Ⅱ级 Ⅲ级 Ⅳ级 Ⅴ级 安全级别 Kj(Z2010) -0.3353 -0.0535 -0.0886 -0.2130 -0.5071 向较安全转化 Kj(Z2011) -0.2590 -0.0731 -0.1128 -0.4020 -0.5632 向较安全转化 Kj(Z2012) -0.1542 -0.0702 -0.3100 -0.5067 -0.6455 向较安全转化 Kj(Z2013) -0.4097 -0.1086 -0.2124 -0.4417 -0.3931 向较安全转化 Kj(Z2014) -0.4324 -0.1393 -0.1745 -0.3971 -0.3666 向较安全转化 Kj(Z2015) -0.4714 -0.1667 -0.1815 -0.3286 -0.3200 向较安全转化 Kj(Z2016) -0.4993 -0.2029 -0.2595 -0.2876 -0.3293 向较安全转化 由表 4分析可得,从2010-2016年,清流县耕地生态安全均处于向较安全转化级别,但在Ⅱ级(较安全)状态内有小幅动态变化,变化幅度分别为:-0.019 6,0.002 9,-0.038 4,-0.030 7,-0.027 4,-0.036 2。清流县耕地生态安全水平在2011年到2012年间有所改善,综合关联度提升0.002 9。但之后几年均呈现下降趋势,总的来说,根据Kj(Z2010)>Kj(Z2012)>Kj(Z2011)>Kj(Z2013)>Kj(Z2014)>Kj(Z2015)>Kj(Z2016),近几年清流县耕地生态安全水平关联度呈下降趋势,说明清流县耕地生态安全水平在Ⅱ级(较安全)状态内并没有朝改善的方向变化,反而呈现恶化趋势。
综合6年来的评价指标信息,工业固体废物综合利用率出现不同等级上升趋势,说明它是清流县耕地生态安全水平的贡献因素。而耕地增加面积与耕地面积比例、人口自然增长率、GDP年增长率、单位面积耕地粮食产量、固定资产投资总额年增长率、单位耕地面积农药施用量出现不同等级的下降趋势,说明以上评价指标是清流县耕地生态安全水平提升的限制因素。
4.2 物元模型阶段评价分析
4.2.1 指标分析信息角度
2011-2012年,综合关联度提升0.002 9,清流县耕地生态安全水平得到改善。此时期的耕地增加面积与耕地面积比例、工业固体废物综合利用率、生活垃圾处理率3项评价指标在关联度有安全等级的提升,为耕地生态安全的改善做出贡献。人口自然增长率、农民人均纯收入年增长率、污水处理率3项指标安全等级有所下降,成为该年份耕地生态安全水平的限制因素。
2012年后,清流县耕地生态安全水平连续两年呈恶化趋势。这一时期,耕地增加面积与耕地面积比例、农民人均纯收入年增长率、GDP年增长率、固定资产投资总额年增长率、工业固体废物综合利用率、单位耕地面积农药施用量6项指标的安全等级有所下降,成为此时期耕地生态安全水平的限制因素,其他指标趋于稳定状态。
4.2.2 指标权重角度
从评价指标权重来看,耕地增加面积与耕地面积比例(X3=0.2017)、农民人均纯收入年增长率(X7=0.0941)、人均耕地面积(X1=0.0837)、固定资产投资总额年增长率(X10=0.0806)、人口自然增长率(X6=0.0778)、单位耕地面积农药施用量(X13=0.0766)、单位耕地面积化肥施用量(X12=0.0725)、大于25度耕地面积比重(X4=0.0705)是清流县耕地生态安全的主要影响因子。
2012-2016年清流县耕地生态安全水平有所下降,主要原因还在于清流县城镇化进程加快的同时,耕地减少面积与耕地面积比例从Ⅰ级(理想安全)降到Ⅴ级(极不安全),农民人均纯收入年增长率从Ⅱ级(较安全级别)下降到Ⅳ级(较不安全)。此外,固定资产投资总额年增长率、单位耕地面积农药施用量和工业固体废物综合利用率等因素安全级别均下降,使得清流县耕地生态安全水平在向较安全转化级别内呈现恶化趋势。
4.3 多指标综合评价分析
由于耕地的生态安全状况由多种因素共同决定,而多指标综合评价法旨在根据不同评价目的,选择多个指标,通过评价方法将多个评价指标转化为能反映待评价对象总体特征的信息[21],是目前较为通用的评价方法。运用多指标综合评价方法对清流县耕地生态安全进行评价,用以验证物元模型的评价结果。计算公式如下:
Z=17∑i=1WiXi (8) Z为评价综合值;Wi为指标权重;Xi为标准化后的指标数值。
根据上述公式,得到清流县各年份耕地生态安全综合总分值(图 1)。
清流县耕地生态安全水平由高到低排序依次为:Z2012>Z2011>Z2010>Z2013>Z2014>Z2015>Z2016。两种方法的评价结果基本一致,从2012年后生态安全水平均呈现下降趋势,和物元分析方法的评价结果:Kj(Z2010)>Kj(Z2012)>Kj(Z2011)>Kj(Z2013)>Kj(Z2014)>Kj(Z2015)>Kj(Z2016)相比,均存在Z2012>Z2013>Z2014>Z2015>Z2016的变化趋势。但也存在一定差异:在物元模型分析中,2010-2011年的耕地生态安全水平呈现恶化趋势,在2012年存在微弱改善;而在多指标综合分析方法中,2010-2012年耕地生态安全水平连续改善,且在2012年的耕地生态安全水平高于其他年份。可能因为两种评价方法关注点不一致,物元分析方法更加关注单个指标的分析,而多指标综合评价分析方法注重对综合质量的评价。
5. 结论及建议
5.1 结论
以福建省典型丘陵地区清流县作为研究区域,在分析全县社会经济和耕地现状的基础上,构建清流县耕地生态安全评价指标体系,将耕地生态安全、特征值和量值作为基本元,结合《生态县、生态市、生态省建设指标(试行)》[18]关于生态县建设的标准值、全国平均水平值、福建省平均水平值以及三明市平均水平值构建评价经典域和节域,计算各指标间的关联度以及评价等级关联度,从而构建清流县耕地生态安全的物元模型。从熵权法确权到建立物元模型,此方法克服了评价过程中人为因素的干扰,量化处理评价指标,提高了评价结果的精度。并将评价结果与传统的多指标综合评价法进行比较,得出以下结论:
清流县耕地生态安全级别在评价年份内均为“向较安全转化”级别,但在Ⅱ级(较安全)状态内有小幅动态变化,总体而言,清流县耕地生态安全水平在Ⅱ级(较安全)状态内并没有朝改善的方向变化,反而呈现恶化趋势。其中工业固体废物综合利用率出现不同等级上升趋势,说明它是清流县耕地生态安全水平的贡献因素。而耕地增加面积与耕地面积比例、人口自然增长率、GDP年增长率、单位面积耕地粮食产量、固定资产投资总额年增长率、单位耕地面积农药施用量出现不同等级的下降趋势,说明以上评价指标是清流县耕地生态安全水平提升的限制因素。
2012年之后,随着清流城镇化进程加快,耕地减少面积与耕地面积比例、农民人均纯收入年增长率、固定资产投资总额年增长率、单位耕地面积农药施用量和工业固体废物综合利用率5项指标的安全等级有所下降,导致清流县耕地生态安全水平在向较安全转化级别内呈现恶化趋势。从指标权重来看,最重要的两个制约因素是耕地减少面积与耕地面积比例和农民人均纯收入年增长率。
将熵权物元评价与多指标综合评价相比,其评价结果基本一致,虽然个别年份出现差异,可能是因为两种评价方法关注点不一致,物元分析方法更加关注单个指标的分析,而多指标综合评价分析方法注重对综合质量的评价。
将物元模型应用到丘陵地区进行耕地生态安全评价,基本达到了预期目的。在评价指标体系方面,尝试在文献检索的基础上,综合选取指标,但由于生态系统受到多方面因素影响,有些指标例如水土流失、土壤重金属污染等数据获取度有限,尚未列入评价范围;另一方面,在经典域和节域确定上主要依据地方平均水平等,没有办法量化每一个指标的影响度,因此,经典域和节域的取值范围有待进一步探讨。
5.2 建议
研究结论显示,清流县耕地生态安全在“向较安全转化”级别内呈现恶化趋势,并未完全符合较安全级别的标准。耕地增加面积与耕地面积比例、人口自然增长率、GDP年增长率、单位面积耕地粮食产量、固定资产投资总额年增长率、单位耕地面积农药施用量安全等级在评价年份内均有下降。对耕地资源生态安全有所制约,有可能限制清流县未来的可持续发展。因此,应立足于清流县发展实际,在改善清流人民经济生活水平的同时,合理利用耕地资源,将经济发展与耕地生态安全结合起来,最终实现人与自然的和谐统一。提出以下几方面建议:
5.2.1 考核制度与耕地生态安全监测并行
在严格控制非农建设用地占用耕地的前提下,确保耕地资源数量安全的同时,加大高标准农田建设强度,通过合理的土地整治手段维持耕地资源的质量安全。将耕地资源安全纳入到政府部门绩效考核体系中,将耕地生态安全作为发展的战略高度,增强政府干部维护耕地生态安全的责任感和使命感。此外,还应完善环境保护的相关政策法规,严令禁止工业“三废”不合理排放行为,提高县域污水处理率,提倡绿色生态可持续发展。
5.2.2 创新补偿机制,协同多方力量共同守护耕地生态安全
由耕地生态安全的受益者向耕地生态安全提供者实施补偿行为[22]。耕地资源作为一种公共资源,多方利益既得者享受着耕地生态安全带来的好处,但在以往的补偿制度中,多以政府部门为主体,实际上,工厂企业的生产发展在一定程度上以耕地作为生产资料,公民也从耕地生态安全中收益。应将补偿机制的主体从原来的政府为主转化为政府-企业-公民参与的形式,避免产生外部不经济行为。通过惠农政策,农村合作社等方式鼓励农民耕种,种植生态价值较高的作物,避免耕地抛荒,在保障耕地资源数量的同时维持耕地生态安全。
5.2.3 加强对耕地生态保护的宣传
耕地生态安全与每一个人关系密切,农户兼有耕地生态安全的受益者和提供者双重角色,政府应当加强对耕地生态保护的宣传,通过线下与线上结合的创新宣传方式,找出有效的宣传突破点,充分利用乡贤在农村治理中的地位,广泛发动农户参与其中。此外,鼓励农户使用有机肥代替化肥,合理控制农药用量,倡导绿色生态种植,在保障耕地质量的同时提高农户保护耕地生态安全的意识。
致谢: 中国地质科学院地球物理地球化学勘查研究所中心实验室和河南省岩石矿物测试中心承担了样品分析测试工作,在此致以诚挚的谢意! -
表 1 表层土壤元素含量统计(n=25)
Table 1 Contents of elements in surface soils
元素 含量变化范围 变异系数 中位数 福建沿海经济带表层土壤元素含量基准值[12] 中国土壤(A层)[10] SiO2 52.7~70.7 0.07 63.5 72.2 66.0* Al2O3 14.6~24.4 0.15 18.5 15.7 12.5 Fe2O3 1.34~4.75 0.32 2.05 3.16 3.9* MgO 0.20~0.54 0.27 0.32 0.36 1.3 CaO 0.14~0.55 0.29 0.31 0.30 2.2 Na2O 0.46~1.87 0.34 0.84 0.42 1.5 K2O 2.59~5.16 0.16 4.16 2.51 2.3 As 0.88~3.28 0.35 1.55 5.09 11.0 B 3.82~21.20 0.37 8.09 16.7 48 Cd 0.004~0.11 0.64 0.04 0.106 0.097 Cr 2.00~21.20 0.58 6.90 22.9 61 Cu 0.81~54.40 1.00 8.03 13.5 23.0 F 195~728 0.34 368 334 480 Hg 22.1~97.4 0.35 45.2 112 65.0 Mn 286~882 0.32 467 489 585 Mo 0.59~12.9 1.43 1.12 1.66 2.00 N 493~1410 0.25 902 1030 442* Ni 3.34~13.5 0.35 5.48 10.1 27.0 P 222~2760 0.64 824 476 475* Pb 36.0~60.8 0.14 43.9 45.3 26.0 S 116~314 0.20 185 238 150 Se 0.09~0.50 0.37 0.24 0.507 0.29 Th 28.6~58.8 0.20 40.1 20.3 13.8 Ti 1227~4049 0.25 2670 3354 3800 U 5.86~13.2 0.20 9.33 4.44 3.0 Zn 37.6~127.0 0.29 55.1 70.0 74.0 Zr 133~445 0.28 243 301 255 铵态氮 19.6~586 1.03 72.1 - - 速效钾 42.0~795 1.04 128 - - 有效磷 5.81~463 0.81 121 - - 有机质 0.37~1.32 0.32 0.79 1.25 - REE总量 97.1~329.0 0.21~0.39 218 - - 注:常量元素、C、有机质含量单位为%,Hg含量单位为10-9,其他元素含量单位为10-6;*为中国东部平原土壤平均值;“-”为无统计值。 表 2 种植区土壤有机质、N、P、K各级占比(n=25)
Table 2 Proportion of organic matters, N, P and K in soils at pineapple growing areas
分级 有机质/(g·kg-1) 全氮/(mg·kg-1) 有效磷/(mg·kg-1) 速效钾/(mg·kg-1) 1级 >25 >1000 >15 >150 0% 20% 88% 48% 2级 15~25 800~1000 10~15 100~150 0% 44% 4% 8% 3级 10~25 600~800 5~10 50~100 36% 28% 8% 28% 4级 <10 <600 <5 <50 64% 8% 0% 16% 表 3 种植区土壤微量元素有效量各级占比(n=25)
Table 3 Proportion of available trace elements in soils at pineapple growing areas
微量元素 很缺 缺 中等 丰 很丰 有效B <0.25 0% 0.25~0.5 48% 0.5~1.0 52% 1.0~2.0 0% >2.0 0% 有效Cu <0.1 0% 0.1~0.2 0% 0.2~1.0 52% 1.0~2.0 16% >2.0 32% 有效Fe <2.5 0% 2.5~4.5 0% 4.5~10 0% 10~20 12% >20 88% 有效Mn <5.0 0% 5.0~10 4% 10~20 16% 20~30 16% >30 64% 有效Mo <0.1 32% 0.1~0.15 36% 0.15~0.2 8% 0.2~0.3 16% >0.3 8% 有效Zn <0.5 0% 0.5~1.0 0% 1.0~2.0 20% 2.0~4.0 16% >4.0 64% 表 4 菠萝种植区土壤重金属元素分级占比状况(n=25)
Table 4 Proportion of classified heavy metals in soils at pineapple growing areas
(单位/%) 分级 As Cd Cr Cu Hg Ni Pb Zn 综合 一级 100 100 100 96 100 100 0 96 0 二级 0 0 0 4 0 0 100 4 100 三级 0 0 0 0 0 0 0 0 0 超三级 0 0 0 0 0 0 0 0 0 表 5 部分元素富集因子统计(n=25)
Table 5 Enrichment factors of some typical elements
元素 N P K2O S As Cd Cr Hg Ni Pb EF 最小值 1.13 1.06 1.12 0.41 0.15 0.06 0.09 0.46 0.27 0.6 最大值 4.62 11.4 3.18 1.48 0.88 1.47 0.99 1.68 1.4 2.01 均值 2.61 4.27 1.78 0.86 0.35 0.57 0.36 0.96 0.56 1.2 表 6 菠萝果实元素特征参数统计(鲜重)(n=25)
Table 6 Contents of elements in flesh of pineapples
元素 最大值 最小值 均值 中位数 变异系数 湛江市巴厘 湛江市无刺卡因 As 0.007 0.003 0.004 0.004 0.20 - - B 1.34 0.331 0.581 0.513 0.35 - - Ca 59.6 17.2 31.7 28.6 0.30 130 210 Cd 4.65 1.10 1.89 1.69 0.36 <200 <200 Cr 78.3 39.5 56.1 53.8 0.19 - - Cu 0.778 0.099 0.424 0.461 0.40 <0.8 <0.8 F 0.565 0.120 0.305 0.309 0.32 - - Fe 3.40 0.792 1.76 1.81 0.32 10.2 9.21 Hg 2.62 0.399 1.47 1.48 0.36 - - K 1730 792 1191 1145 0.20 1220 1150 Mg 171 87.9 113 110 0.17 140 140 Mn 17.3 1.78 6.11 4.37 0.61 15.8 31.4 Mo 21.4 3.57 7.10 6.17 0.55 - - Ni 0.224 0.037 0.092 0.078 0.45 - - P 196 46.7 99.4 83.5 0.44 110 71 Pb 15.8 2.02 5.55 4.85 0.48 <800 <800 S 123 83.8 99.5 97.8 0.09 - - Se 0.003 0.001 0.002 0.002 0.36 - - Zn 1.57 0.622 0.919 0.869 0.20 1.33 1.41 REE总量 50.3 2.26 11.3 8.44 1.03 - - 注:Cd、Cr、Hg、Mo、Pb、REE含量单位为10-9;其他元素含量单位为10-6;“-”为无统计值。 表 7 部分重金属元素含量与国家标准限值对比(n=25)
Table 7 Heavy metals in pineapples as compared to national safety standards
重金属元素 Pb Cd Hg As Cr 标准限值 0.2 0.05 10 0.5 0.5 实测含量平均值 0.005 0.002 1.412 0.004 0.055 实测含量最小值 0.002 0.001 0.399 0.003 0.040 实测含量最大值 0.016 0.004 2.626 0.007 0.078 注:Hg含量单位为10-9;其他元素含量单位为10-6;Hg、As、Cr为标准中新鲜蔬菜限量标准。 表 8 菠萝与土壤元素全量相关系数
Table 8 Correlation coefficients between elements in pineapples and soil at a same site
元素 B Cd Cu F Fe Hg K Mo Mg N Ni P Pb S Se Zn 相关系数 0.294 0.556* 0.407 -0.216 0.142 0.283 -0.070 0.702* -0.098 0.148 0.257 0.642* -0.080 0.046 -0.107 0.360 注:*在0.05水平(双侧)上大于0.42显著相关。 表 9 菠萝与土壤元素有效态相关系数
Table 9 Correlation coefficients between available elements in pineapples and soil at a same site
元素 有效B 有效Cu 有效Fe 速效K 有效Mo 铵态N 有效P 有效S 有效Se 有效Zn 相关系数 0.250 0.248 0.141 0.336 0.676* -0.040 0.659* 0.183 0.098 0.106 注:*在0.05水平(双侧)上大于0.42显著相关。 表 10 土壤-菠萝迁移系数统计(n=25)
Table 10 Transfer factors between soil and pineapples
元素 变化范围 均值 As 0.12~0.56 0.28 B 3.11~15.2 7.30 Ca 0.53~2.00 1.08 Cd 1.86~41.4 7.71 Cr 0.24~3.57 0.97 Cu 1.34~.43.3 7.33 F 0.03~0.24 0.09 Fe 0.003~0.01 0.009 Hg 0.97~7.21 3.15 K 1.91~6.68 3.07 Mg 1.63~5.54 3.79 Mn 0.49~2.89 1.20 Mo 0.15~2.55 0.64 Ni 0.79~4.83 1.57 P 4.26~33.8 13.5 Pb 0.004~0.04 0.012 S 30.8~90.7 55.3 Se 0.29~2.75 0.76 Zn 0.91~2.52 1.64 -
[1] 广东省农业科学院果树研究所.菠萝及其栽培[M].北京:轻工业出版社, 1987. [2] 黄雄峰, 熊月明.福建省菠萝生产主要品种介绍[J].福建农业科技, 2014, 45(10):71-73. DOI: 10.3969/j.issn.0253-2301.2014.10.029 [3] 贺宇红.种植菠萝前景可观[J].福建热作科技, 2005, 30(2):11. http://d.wanfangdata.com.cn/Thesis/Y1460088 [4] 陈世平.福建·龙海菠萝顺产顺销[J].中国果业信息, 2014, 31(5):60. [5] 黎旭荣, 朱鑫, 张高强, 等.广东四会优质沙糖桔产地生态地球化学特征[J].现代地质, 2012, 26(1):125-130. http://d.wanfangdata.com.cn/Periodical/xddz201201013 [6] 栾文楼, 赵瑾瑛, 崔邢涛, 等.河北行唐大枣品质与成土母岩类型关系的探讨[J].中国地质, 2007, 34(5):935-941. http://d.wanfangdata.com.cn/Periodical/zgdizhi200705022 [7] 简中华, 徐明星, 宋明义, 等.不同成土母质对浦江桃形李品质的影响[J].安徽农业科学, 2013, 41(10):4356-4361. DOI: 10.3969/j.issn.0517-6611.2013.10.045 [8] 陈阳.山坡地栽培菠萝技术小结[J].果农之友, 2010, 11(9):29-29. http://d.wanfangdata.com.cn/Periodical/gnzy201009019 [9] 陈志峰, 潘少霖, 庄文彬, 等.菠萝高效栽培技术[J].福建农业科技, 2008, 39(4):21-23. http://d.wanfangdata.com.cn/Periodical/fjnykj200804014 [10] 迟清华.应用地球化学元素丰度数据手册[M].北京:地质出版社, 2007. [11] 赵庆令, 李清彩.济宁南部区域耕作层土壤地球化学特征及其成因分析[J].地球与环境, 2016, 44(1):25-35. http://d.wanfangdata.com.cn/Periodical/dzdqhx201601004 [12] 林才浩, 许美辉, 杨军华.福建沿海经济带生态地球化学调查与评价[J].地质通报, 2007, 26(5):605-612. http://d.wanfangdata.com.cn/Periodical/zgqydz200705014 [13] 龙军, 张黎明, 沈金泉, 等.福建省耕地土壤全氮密度和储量动态变化[J].生态学报, 2015, 35(12):3959-3969. http://d.wanfangdata.com.cn/Periodical/stxb201512010 [14] 文亦芾, 赵俊权.红壤区人工草地磷肥施用的若干问题探讨[J].西南农业学报, 2006, 19(S1):391-395. http://d.wanfangdata.com.cn/Periodical/xnnyxb2006z1085 [15] 张鼎华, 叶章发, 罗水发.福建山地红壤磷酸离子(H2PO4-)吸附与解吸附的初步研究[J].山地学报, 2001, 19(1):19-24. [16] 刘顺民.福建沿海地区表层土壤铅来源及分布特征[J].福建地质, 2010, 29(3):238-243. http://d.wanfangdata.com.cn/Periodical/fujdz201003010 [17] 高志岭, 刘建玲, 廖文华.磷肥施用与镉污染的研究现状及防治对策[J].河北农业大学学报, 2001, 24(3):90-94. http://d.wanfangdata.com.cn/Periodical/hbnydxxb200103023 [18] 白瑛.绿色食品农产品(果蔬)基地环境条件与生产技术[M].北京:中国农业科技出版社, 1995. [19] 刘铮.中国土壤微量元素[J].地球科学进展, 1998, 13(6):589-589. http://d.wanfangdata.com.cn/Periodical/dqkxjz199806012 [20] MIDDLETON R, GRANT A. Heavy metals in the Humber estuary:Scrobicularia clay as a pre-industrial datum[J]. Proc Yorkshire Geol Soc, 1990, 48(1):75-80. DOI: 10.1144/pygs.48.1.75
[21] 张秀芝, 鲍征宇, 唐俊红.富集因子在环境地球化学重金属污染评价中的应用[J].地质科技情报, 2006, 25(1):65-72. http://d.wanfangdata.com.cn/Periodical/dzkjqb200601012 [22] JI Y, ZHU T, FENG Y, et al. Application of the Enrichment Factor to Analyze the Pollution of Elements in Soil Dust in China[J]. Acta Scientiarum Naturalium Universitatis Nankaiensis, 2006, 39(2):94-99.
[23] CEVIK F, GÖKSU M Z, DERICI O B, et al. An assessment of metal pollution in surface sediments of Seyhan dam by using enrichment factor, geoaccumulation index and statistical analyses[J]. Environmental Monitoring & Assessment, 2009, 152(1-4):309-317.
[24] 张秀梅, 刘忠华, 杜丽清, 等.两种菠萝果肉营养成分比较[J].食品工业科技, 2010, 31(11):338-339. http://d.wanfangdata.com.cn/Thesis/Y1460088 [25] 王小玲, 刘腾云, 高柱, 等.稀土元素对作物生长及作物品质影响的研究进展[J].核农学报, 2016, 30(6):1240-1247. DOI: 10.11869/j.issn.100-8551.2016.06.1240 [26] 周国华, 李远华.赣南某些作物中稀土元素地球化学特征[J].农业环境科学学报, 2002, 21(4):356-357. http://d.wanfangdata.com.cn/Periodical/nyhjbh200204020 [27] 周国华, 曾道明, 贺灵, 等.福建铁观音茶园生态地球化学特征[J].中国地质, 2015, 42(6):2008-2018. http://d.wanfangdata.com.cn/Periodical/zgdizhi201506027 [28] 曾昭华.农业生态与土壤环境中的钼元素的关系[J].国土资源导刊, 2000, 19(3):146-150. [29] 周国华, 汪庆华, 董岩翔, 等.土壤-农产品系统中重金属含量关系的影响因素分析[J].物探化探计算技术, 2007, 29(S1):226-231. [30] EHLKEN S, KIRCHNER G. Environmental processes affecting plant root uptake of radioactive trace elements and variability of transfer factor data:a review.[J]. Journal of Environmental Radioactivity, 2002, 58(2-3):97-112. DOI: 10.1016/S0265-931X(01)00060-1
[31] 田均良, 刘普灵, 李雅琦, 等.西藏高原土壤-植物系统元素分布特征研究[J].环境科学学报, 1996, 16(1):37-43. -
期刊类型引用(3)
1. 韩丽红,潘玉君,高敏,黄欢. 贵州耕地生态安全评价及障碍因子分析. 西南林业大学学报(社会科学). 2023(06): 68-73 . 百度学术
2. 宋林韩,金鹏,吴桐,卫新东. 陕北黄土高原耕地生态安全的时空格局. 江苏农业科学. 2020(12): 249-257 . 百度学术
3. 赵疏航,何刚,朱艳娜,李洁,杜宇. 基于EES-TOPSIS模型的水土生态安全评价与预测. 哈尔滨商业大学学报(自然科学版). 2020(06): 751-759 . 百度学术
其他类型引用(1)