全 文 ：中国生态农业学报 2015年 3月 第 23卷 第 3期
Chinese Journal of Eco-Agriculture, Mar. 2015, 23(3): 345−353


* 山西省科技攻关项目(20120311009-1)资助
** 通讯作者: 毕如田, 研究方向为 3S技术与应用。E-mail: brt@sxau.edu.cn
张迁迁, 研究方向为 3S技术与应用。E-mail: zhangqianqian2009@163.com
收稿日期: 2014−08−11 接受日期: 2015−01−20
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.140925
多尺度 EGLSN的构建及耕地地力模拟研究*
张迁迁 毕如田** 张吴平 梁 艳
(山西农业大学资源环境学院 太谷 030801)
摘 要 准确获得区域耕地地力是配方施肥的基础。本文依据景观生态学“过程、尺度与等级”原理, 通过探
索山西省耕地地力影响因素的等级与作用过程的控制范围, 提出生态气候、地貌景观、利用措施、土壤条件、
养分管理 5 个从大到小的不同尺度, 构建了多尺度 EGLSN(eco-climate, geomorphologic landscape, land use &
measure, soil condition, nutrient management)耕地地力模拟模型。根据山西省 117 个县(市、区)的土壤调查 GPS
采样点数据进行统计获得模型相关参数, 应用多尺度 EGLSN 模型针对山西省北部的忻府区、中部的榆次区和
南部的襄汾县 3 个典型区域, 选择了积温、地形、地貌、平整措施等指标计算作物产量, 进行耕地地力模拟。
模拟结果误差检验表明, 榆次区地貌景观尺度、利用措施尺度、土壤条件尺度、养分管理尺度模拟单产与土
壤调查 GPS 点数据单产的标准根均方误差(NRMSE)依次为 32%、27%、15%、4%, 襄汾县 4 个尺度单产的
NRMSE 依次为 35%、28%、13%、7%, 忻府区 4 个尺度单产的 NRMSE 分别是 31%、26%、14%、3%。忻府
区、榆次区和襄汾县 3 个典型区域总产量相对生态气候尺度基准偏差的检验结果中, 地貌景观尺度模拟精度
分别为 83%、80%和 82%, 利用措施尺度模拟精度为 93%、90%和 91%, 土壤条件模拟精度分别是 95%、95%
和 91%, 养分管理尺度模拟精度依次达到 96%、95%和 93%。这一模拟方法适用于多尺度耕地地力模拟研究, 可
为大尺度耕地地力模拟及配方施肥提供借鉴。
关键词 多尺度 EGLSN 模型 耕地地力 地貌景观 利用措施 土壤条件 养分管理 山西省
中图分类号: S2 文献标识码: A 文章编号: 1671-3990(2015)03-0345-09
Building multi-scale EGLSN system and simulating cultivated
land productivity
ZHANG Qianqian, BI Rutian, ZHANG Wuping, LIANG Yan
(College of Resources and Environment, Shanxi Agricultural University, Taigu 030801, China)
Abstract Evaluation of cultivated land productivity is the basis of fertilization. Traditional evaluation of cultivated land
productivity is based on the Delphi method and fuzzy mathematics theory to establish analytic hierarchy process (AHP) framework
using integrated index and split it into given grades at county level. Traditional methods need to consider factors selection depending
on regional variation and requires spatially explicit information on cultivated land distribution and soil property, which is not all
available. The traditional methods also cannot figure out the scales of cultivated land productivity and the inner relations between the
factors. In order to overcome these deficiencies, this paper used GPS sampling points data of soil survey and statistical yearbook data
to build a multi-scale EGLSN system, which was in turn used to simulate cultivated land productivity in Shanxi Province on the basis
of ‘process-scale-hierarchy’ theory of landscape ecology. The multi-scale EGLSN system included five scales, from macro to micro
which were eco-climate, geomorphological landscape, land use and measurement, soil condition and nutrient management scales.
The eco-climate scale was set up as the first scale due to high correlation between crop yield and climate factors. The other scales
were selected by analyzing soil survey data with principal component analysis (PCA) method. The control area of each scale was
calculated in ArcGIS. The crop yield of eco-climate scale was used as the basic standard of cultivated land productivity, which was
from yearbook. The models of productivity on other four scales were integrated based on the top scale. The paper run the models in
346 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
different scales in three different parts of Shanxi Province ― Xinfu District (XD), Yuci District (YC) and Xiangfen County (XF),
from north to south, to evaluate the cultivated land productivity. Standard root mean square error (NRMSE) of multi-scale ENLSN
evaluation results was calculated with simulated data and GPS sampling points data. NRMSEs of different scales for XD were 31%
(geomorphological landscape scale), 26% (land use and measure scale), 14% (soil condition scale) and 3% (nutrient management
scale). NRMSEs for YC were 32% (geomorphological landscape scale), 27% (land use and measure scale), 15% (soil condition
scale) and 4% (nutrient management scale). Then NRMSEs for XF were 35% (geomorphological landscape scale), 28% (land use
and measure scale), 13% (soil condition scale) and 7% (nutrient management scale). Concurrently, on geomorphological landscape
scale, the precisions of total productivity in each region relative to eco-climate total productivity were 83% (XD), 80% (YC) and 82%
(XF); the ones on land use and measurement scale were 93% (XD), 90% (YC) and 91% (XF); the ones on soil condition scale were
95% (XD), 95% (YC) and 91% (XF); while the ones on nutrient management scale were 96% (XD), 95% (YC) and 93% (XF). The
results therefore showed that it was feasible to apply the EGLSN method in simulating cultivated land productivity. The EGLSN
models described in this paper extended present understanding of spatial distribution of cultivated land productivity in Shanxi
Province with increased accuracy. The multi-scale EGLSN method was preferable over the traditional method because it not only
simulated cultivated land productivity at multiple scales, but also provided reference for simulations of cultivated land productivity
on larger scales and regional formula fertilization.
Keywords Multi-scale EGLSN model; Cultivated land productivity; Geomorphological landscape; Land use and measure;
Soil condition; Nutrient management; Shanxi Province
(Received Aug. 11, 2014; accepted Jan. 20, 2015)
耕地地力直接影响农业生产, 关系到资源、环
境与经济社会可持续发展[1−2]。耕地地力是一定区域
内气候、地貌、水利、设施、土壤及管理等自然和
社会经济因素所综合构成的耕地基础能力[3−4]。通过
耕地地力评价来鉴定耕地生产能力的高低对耕地保
护和农业发展具有重要意义[5]。近年来基于地理信
息系统平台(GIS)的耕地地力评价研究得到各地学
者关注。如鲁明星等[6]提出了华中丘陵区基于 GIS
耕地地力评价自动化方法; 林碧珊等 [7]以土种为单
元, 采用限制因素法和综合归纳法系统评价了耕地
地力等级; 刘京等[8]运用 GIS 技术利用层次分析法
和模糊数学等方法对黄土高原南缘土石山区进行耕
地地力评价; 向武等[9]综合运用系统聚类、层次分析
法、特尔斐法对衡东县耕地地力分布情况作了有益
探索。这些研究的对象多集中在县域, 由系统聚类
确定指标, 采用层次分析法确定指标权重, 计算评
价单元的综合评价指数。虽然这一方法降低了评价
的主观性, 但是不能体现不同指标在不同尺度上的
作用范围。此外, 有些学者采用作物生长的非空间
模型结合 GIS来展开[10]。作物生长模型能够反映不
同情景下耕地地力的变化情况, 但由于影响作物生
长环境因素的非均匀一致的空间多尺度特征, 导致
田间试验数据无法满足模型参数要求, 过程中误差
不断累计, 评价效果较差。也有学者结合区域种植
农业区划展开研究范围, 通常依据某种作物的适宜
性开展单一尺度耕地地力评价, 不能与多尺度评价
进行衔接[11]。
基于以上背景, 本文依据景观生态学相关理论,
借鉴耕地地力评价部分因素选取思路, 针对省级大
区域耕地地力提出从生态气候、地貌景观、利用措
施、土壤条件到养分管理 5 个从大到小的多尺度
(EGLSN, eco-climate, geomorphologic landscape, land
use & measure, soil condition, nutrient management)
耕地地力模拟体系与方法, 并以山西省忻府区、榆
次区、襄汾县为例, 进行多尺度耕地地力评价, 为全
面评价区域耕地地力提供思路, 为耕地监测与管理
以及区域性配方施肥提供支撑。
1 多尺度 EGLSN的构建理论与方法
1.1 基本原理
尺度是生态学基本概念之一, 也被广泛应用到
地理学研究中[12−16]。在生态学的研究中认为尺度是
专门针对研究对象的空间或空间量度[13]。在地理学
中, 尺度指地理范围、详细程度、时间频率。地学
对象、过程及其环境的相互关系依赖特定的研究尺
度, 尺度不同, 对地学对象细节了解程度以及地学
过程影响程度也不相同[16]。
耕地地力是耕地及其环境综合作用地学过程 ,
由于影响耕地地力因素的等级和控制范围并不相同,
它们对耕地地力作用机制也不同。因此在耕地地力
评价中, 有必要对耕地地力作用过程根据空间范围
进行尺度划分, 使不同环境地点中所取的耕地资料
具有代表性。大尺度耕地地力评价应选取相关约束
性因子, 体现耕地地力的现实基础; 中尺度模拟指
标则体现区域耕地禀赋差别化; 小尺度模拟则着重
第 3期 张迁迁等: 多尺度 EGLSN的构建及耕地地力模拟研究 347


http://www.ecoagri.ac.cn
地块落实, 体现各因素对耕地地力空间重构的影响,
空间衔接通过不同尺度因素影响范围分类型实现。
基于该思想分析区域环境与耕地地力的关系, 能够
形成构建多尺度区域耕地地力模拟的尺度与模型的
基本认识: (1)区域耕地地力是对相关环境因素的反
应。(2)环境因素的空间分布能够对区域耕地地力产
生重要影响, 尺度不同, 环境因素对耕地地力的影
响范围与程度将会有很大差别[17], 构建的模拟模型
能反映出这种差异。(3)尺度不同, 气候、地貌、土
壤等环境因素所表现出的特征也不相同[18−20], 构建
的模拟模型, 不仅应针对不同尺度选择相应的影响
因素, 同时也应当保证不同尺度上影响因素之间具
有较好的层次协调性。
1.2 技术与方法
多尺度EGLSN体系的建立基于以下方法:
本文收集了山西省117县(市、区)生态气候观测
站点数据和来自山西省统计年鉴中各县平均单产数
据。研究表明山西省县域粮食产量与生态气候因素
相关性极高[21], 故选择生态气候为第1个尺度, 并对
山西117个县(市、区)土地面积进行了统计。
此外, 本文收集了山西省土壤肥料工作站提供
的2014年6月前全部117个县 (市、区 )的土壤调查
GPS采样点数据。采样点数据包括行政区划、经纬
度、地形部位、地貌类型、地下水位、成土母质、
坡度、梯田化水平及土壤各项理化性状、地块施肥
与常年产量情况等信息。经剔除异常值处理的属性
数据导入SPSS软件进行主成分分析, 提取前4个主
成分并命名为地貌景观、利用措施、土壤条件、养
分管理。
将土壤采样点数据按经纬度在ArcGIS中展点 ,
根据软件提供的热点分析工具分析各因素空间集聚
情况, 手工绘制集聚区范围并计算集聚区面积。对
集聚区与县(市、区)面积初步统计结果的90%作为数
据筛选的阈值, 按等比例法确定临界值。通过以上
统计分析提出了多尺度EGLSN体系的控制因素与控
制范围(表 1)。
表 1 多尺度 EGLSN体系的控制因素与范围
Table 1 Control factors and ranges of different scales of multi-scale EGLSN system
尺度 Scale 控制因素 Control factor 控制范围 Control range (hm2)
生态气候 Eco-climate 积温、降水 Accumulated temperature, precipitation 10 000~100 000
地貌景观 Geomorphologic landscape 地形、地貌 Topography, geomorphology 1 000~10 000
利用措施 Land use & measure 平整措施、水利措施 Land leveling, water conservancy 100~1 000
土壤条件 Soil condition 耕层厚度、耕层质地、盐渍化程度、耕作障碍程度
Thickness of topsoil, soil texture, salinization, obstacle
10~100
养分管理 Nutrient management 秸秆还田、土壤养分 Crop residue amendment, soil nutrient 1~10

2 多尺度 EGLSN耕地地力模拟模型的建立
针对山西省多尺度EGLSN体系, 省域范围通过
生态气候尺度的控制因素确定尺度基准产量, 其他
尺度耕地地力模拟则通过耦合 GIS 与分尺度模型在
县域范围内进行。为使模拟结果具有可比性, 以县
域耕地地力评价图斑作为基本模拟单元将生态气候
尺度基准产量空间化模拟, 主要包括两个步骤: 一
是模型的基础数据收集并进行分类与统计; 二是以
耕地地力评价数据中的图斑为基本模拟单元的模拟
与检验过程。整个流程见图 1。
2.1 生态气候尺度基准建立
本研究以山西省为例, 选取与区域作物生长密
切相关的部分气候因子和山西省县域统计平均单产,
应用 SPSS进行相关分析确定生态气候的基准。山西
省南北长约 680 km, 东西宽约 380 km, 总面积 15.6
万 km2, 其轮廓呈由东北倾向西南的平行四边形。经
过分析, ≥10 ℃积温天数与山西省 117个县域统计
平均单产的量相关性较强, 相关系数 r为 0.64, 双尾
检验 sig<0.01, 达到极显著水平。因此, 在区域各因
素模拟误差抵消下将各县(市)统计平均单产量作为
省域生态气候尺度基准。
2.2 其他尺度模型建立
回归模型是经验统计常用模型形式之一。根据
环境因素空间分布对耕地地力的影响效应, 在SPSS
中逐次以大尺度单产量为目标, 建立了小尺度耕地
地力一元线性回归原始模型(y=b0+b1×x), 对线性回
归模型的多层系数进行迭代计算并命名, 即模型中
作物模拟单产表示为基准产量(截距)和反应产量两
部分, 具体如下:
Y=YI＋(b＋a)×c (1)
式中: Y 是模拟作物单产; YI是尺度基准作物单产; b
是区域基准作物单产; a、c为经验参数, 分别是尺度
常数与尺度影响系数和, 值越大对单产量影响度越大。
348 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn

图 1 基于 EGLSN多尺度耕地地力模拟技术流程
Fig. 1 Technical flow chart of simulation of cultivated land productivity based on EGLSN model
依据公式(1)通用模型引入区域多尺度特征并使
其集成为分尺度作物单产公式, 见表 2。其中: E 为
气候生态基准; AG、AL、AS、AN分别各尺度常数; CG、
CL、CS、CN为各尺度影响系数和, 取尺度中各因素
的影响分值总和。
2.3 参数确定
研究区域山西省位于 34°N 至 41°N 之间, 形状
表 2 多尺度 EGLSN作物单产的分尺度集成公式
Table 2 Integrated models of crop yield for EGLSN on single
scale
尺度 Scale 单产公式 Crop yield formula
生态气候 Eco-climate YE=E
地貌景观
Geomorphologic
landscape
YG=YE+(E+AG)×CG
利用措施 Land use &
measure
YL=YG+(E+AG)×CG+AL]×CL
土壤条件
Soil condition
YS=YL+{[(E+AG)×CG+AL]×CL+AS}×CS
养分管理 Nutrient
management
YN=YS+{{[(E+AG)×CG+AL]×CL+AS}×CS+AN}×
CN
YE、YG、YL、YS、YN分别表示生态气候、地貌景观、利用措施、
土壤条件和养分管理尺度的作物模拟单产; E为气候生态基准; AG、
AL、AS和 AN分别为地貌景观、利用措施、土壤条件和养分管理尺度
的常数; CG、CL、CS和 CN为地貌景观、利用措施、土壤条件和养分
管理尺度的影响系数和。YE、YG, YL and YS, YT are simulated crop yields
on eco-climate, geomorphologic landscape, land use & measure, soil
condition and nutrient management scales. E is eco-climatic standard of
crop yield. AG, AL, AS and AN are constants of eco-climate, geomor-
phologic landscape, land use & measure, soil condition and nutrient
management scales. CG, CL, CS and CN are sum coefficients of eco-
climate, geomorphologic landscape, land use & measure, soil condition
and nutrient management scale.
狭长, 南北跨度大导致积温差异明显, ≥10 ℃积温
天数南北差异超过 100 d。境内黄土地貌分布典型,
修筑有大量梯田与各式农业水利工程, 主要作物有
玉米、小麦、薯类等。文中所收集的基础数据包括
山西省气象局提供的各观测站气候数据, 山西省最
新行政区划的 shape 格式电子地图和山西省统计
局发布的 2013年统计年鉴。此外本文使用数据还包
括 1.2 节提到的山西省土壤调查 GPS 点数据以及
自 2005 年农业部测土配方施肥项目开展以来山西
省完成的 117个项目县(市、区)全部耕地地力评价结
果数据库, 这两项数据全部来自山西省土壤肥料工
作站。
对所获取数据的预处理主要针对土壤调查 GPS
点位数据和耕地地力评价结果数据库。首先将点位
数据展点后用 AccGIS 空间连接属性信息, 并将部
分空白数据剔除。由于点位数据基于经纬度位置采
集, 需对点位数据转换投影到同一地理坐标系下。
数据预处理后根据 1.2 节的尺度划分和因素选取的
结果将数据多余字段删除。本文建立模型为经验模
型, 为了增强模型的实践意义使各因素分类不必过
细, 将土壤调查 GPS 点各因素值分级进行融合, 修
正为通过语义型分级为主的用于输入模型标准化数
据(表 4)。其中, 山西省地形地貌因素的分级按文献
[22]的方案。利用措施尺度下平整措施因素分级按田
面坡度(梯田除外)计算:平地(<5°)、缓坡(5°~15°)、坡
耕地(>15°); 水利措施分级标准由灌溉保证率确定:
第 3期 张迁迁等: 多尺度 EGLSN的构建及耕地地力模拟研究 349


http://www.ecoagri.ac.cn
充分满足(>90%)、基本满足(70%~90%)、一般满足
(40%~70%)、无灌溉条件(<40%)。土壤条件尺度下
耕层质地根据卡庆斯九级标准合并成砂质、壤质、
黏质 3级; 目前普遍认为耕层厚度分为厚(>25 cm)、
中(10~25 cm)、薄(<10 cm)较为合理; 盐渍化与耕作
障碍是对耕地地力过程的限制因素, 来自山西省土
壤调查 GPS点位数据。养分管理尺度下秸秆还田由
土壤调查点的有机肥施用情况估计; 土壤养分的分
级标准依据山西省养分丰缺标准中的全氮、有效磷、
速效钾的值高低确定, 若这 3 项因素值都为高则土
壤养分为“高”, 3项因素值都为低则土壤养分为“低”,
其余情况土壤养分为“中”。
根据农用地分等规程[23]计算出的产量比系数计
算土壤调查数据 GPS 点的作物产量, 即土壤调查
GPS 点位数据中作物类型按 ︰ ︰ ︰玉米 小麦 水稻 薯
类产量按 1︰1.6︰1.3︰0.2 折算为山西省主产作物
玉米的产量。将土壤调查点位数据上的常年产量按
产量系数比计算得到每个点的玉米单产, 得到统计
模型参数的山西省各县(市、区)标准数据。将山西省
各县(市、区)标准数据属性导入 SPSS, 以标准数据单
产的统计均值为目标变量, 以模型各尺度为另一变
量, 计算模型生态气候尺度、地貌景观尺度、利用措
施尺度、土壤条件尺度、养分管理尺度土壤调查点位
数据的产量平均值, 其中生态气候尺度的平均值根
据 2.1节生态气候建模方法修正为该县(市、区)统计
年鉴均值。根据模型的线性公式拟合得到模型的多
尺度的常数(表 3)。在确定了尺度常数后, 从地貌景
观尺度开始, 计算该尺度下各因素的平均产量, 对
本尺度产量与各因素产量进行回归分析, 并将结果
迭代下一尺度, 逐步确定尺度下各因素初步影响程
度, 依据文献[21,24−27]修正得到山西省通用值, 结
果见表 3和表 4。耕地地力评价数据的处理包括对数
据库中属性字段、属性值的标准化, 并将表 4统计建
模所确定的分值更新到耕地地力评价数据库中。
表 3 多尺度 EGLSN模型的生态气候基准确定方式及其他尺度常数
Table 3 Way to determine eco-climate base and values of other scale constants for EGLSN
名称
Name
生态气候基准
Eco-climate base
地貌景观常数
Constant of geomorphologic
landscape scale
利用措施常数
Constant of land use
& measure scale
土壤条件常数
Constant of soil
condition scale
养分管理常数
Constant of nutrient
management scale
值 Value 平均值 Mean 100 20 0 −20

通过数据处理, 在耕地地力评价数据库中每个
单元上都具有一套模型运行必要的全部参数(区域
产量基准、地形地貌、平整措施、水利措施、养分
管理尺度下各因素的影响程度等)。在 ArcGIS 中加
载耕地地力评价数据, 利用字段计算器输入表 1 中
的公式和表 2 的参数, 批量运行计算模型, 得到每
个模拟单元上不同尺度的单产平均值。在县域范围
内将每个模拟单元的单产乘以单元地类面积并求和
得到县域总产量平均值。
针对模型得到的结果是各个尺度的平均状况 ,
为了进一步模拟耕地地力, 各尺度按包含 90%模拟
值区间范围确定敏感系数(表 5), 在模拟结果的基础
上分别按敏感系数求得产量区间。
2.4 误差检验
本文中的耕地地力模拟模型为经验模型, 生态
气候基准由统计年鉴中县域产量均值确定, 理论上
县域统计总产量与其他尺度模拟总产量相等。模拟
过程中参数确定的统计方法以及参数的层次嵌套性
确定误差公式计算如下:
EP=|fWi−fWj|/fWj×100% (2)
式中: EP为模拟误差百分比, fWi为 i县粮食总量模拟
平均值, fWj为 i县粮食总量统计平均值。
对县域每个模拟单元作物单产的检验采用根均
方差(RMSE)、标准根均方误差(NRMSE), 对模拟值
与统计值的符合度进行统计分析, 并绘制 1︰1关系
图。RMSE、NRMSE 的计算方法如公式(3)、(4)。
NRMSE可以很好地反映模拟值的预测性: <10%, 表
示模拟值与实际观测值一致性非常好; 10%~20%表
示较好; 20%~30%表明模拟效果一般; >30%表明模
拟值与实际值偏差大, 模拟效果差。
RMSE= ( )i iO P−∑ (3)
NRMSE=RMSE/OA (4)
式中: Oi、Pi分别为第 i个统计值和模拟值, OA为统
计平均值。
3 模型应用与检验
以山西省为例, 选取位于山西省北部、中部、
南部的忻府区、榆次区、襄汾县作为典型区域进行
了模拟, 并对模拟结果检验。检验主要包括两个方
面, 一是选取县级区域总产量的地貌景观、利用措
施、土壤条件和养分管理尺度模拟值与生态气候尺
度模拟总产量的比较, 二是县级区域内模拟单元上
除生态气候尺度外各尺度模拟单产与 GPS点位数据
单产的符合情况的比较。
350 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
表 4 多尺度 EGLSN作物单产模拟影响因素分级及其影
响程度
Table 4 Classification and influence degree of factors for the
crop yield simulation on EGLSN
尺度
Scale
因素
Factor
因素分级
Factor classfication
影响程度
Influencing
degree (%)
平原地区(CG11)
Plain area
40
丘陵盆地(CG12)
Hill and basin
20
黄土塬区(CG13)
Loess Yuan region −15
山地、高原(CG14)
Mountain, plateau
−35
地貌景观
Geomorphologic
landscape
地形、地貌(CG1)
Topography,
geomorphology
黄土梁峁(CG15)
Loess Liang and
Mao region
−10
平地 Flat field 5
缓坡 Gentle slope 0
梯田 Terrace 2
平整措施(CL1)
Land leveling
坡耕地 Sloping field 10
充分满足 Fully 10
基本满足 Basically 5
一般满足 Generally 0
利用措施
Land use &
measure
水利措施(CL2)
Water
conservancy
无灌溉条件 No 5
壤质 Loamy 4
黏质 Clay 0
耕层质地(CS1)
Soil texture
砂质 Sandy 4
厚 Thick 10
中 Middle 2
耕层厚度(CS2)
Thickness of
topsoil
薄 Thin 4
无 No 0
轻度 Light 2
中度 Moderate 3
盐渍化程度(CS3)
Salinization
重度 Severe 4
无 No 0
轻度 Light 2
中度 Moderate 3
土壤条件
Soil condition
耕作障碍程度
(CS4)
Obstacle
重度 Severe 4
还田 Yes 3 秸秆还田(CN1)
Crop residue
amendment 不还田 No 0
高 High 2
中 Middle 0
养分管理
Nutrient
management
土壤养分(CN2)
Soil nutrient
低 Low 3

3.1 多尺度单产的模拟与检验
多尺度单产检验按公式(3)分别计算所选择典型
区域的 RMSE和 NRMSE, 模拟结果 1︰1 符合度效
果见图 2。
位于山西省北部的忻府区地貌景观尺度模拟单产
值和 GPS点单产之间 RMSE为 2 421 kg·hm−2, 偏差较
大, NRMSE为 31%, 模拟效果差。利用措施尺度下模
拟单产和 GPS点单产之间 RMSE为 1 548 kg·hm−2,
NRMSE为 26%, 模拟效果一般。土壤条件尺度下模
拟单产和 GPS 点单产之间 RMSE 为 895 kg·hm−2,
NRMSE为 14%, 模拟效果较好。养分管理尺度模拟
产量和GPS点单产之间 RMSE为 235 kg·hm−2, NRMSE
为 3%, 精度较高, 模拟效果很好。
位于山西省中部榆次区地貌景观尺度模拟单产
值和 GPS点单产值之间 RMSE为 2 543 kg·hm−2, 偏差
较大, NRMSE为 32%, 模拟效果差。利用措施尺度下
模拟单产和 GPS点单产之间 RMSE为 1 647 kg·hm−2,
NRMSE为 27%, 模拟效果一般。土壤条件尺度下模
拟单产和 GPS 点单产之间 RMSE 为 915 kg·hm−2,
NRMSE为 15%, 模拟效果较好。养分管理尺度模拟单
产和 GPS点单产之间 RMSE为 244 kg·hm−2, NRMSE
为 4%, 精度较高, 模拟效果很好。模拟结果 1︰1
符合度效果见图 2。
位于山西省南部的襄汾县各尺度模拟效果与其
他 2个区一致。地貌景观尺度模拟单产值和 GPS点
单产值之间 RMSE 为 2674 kg·hm−2, 偏差较大 ,
NRMSE为 35%, 模拟效果差。利用措施尺度下模拟
单产量和 GPS点单产之间 RMSE为 1 758 kg·hm−2,
NRMSE为 28%, 模拟效果一般。土壤条件尺度下模
拟单产量和 GPS点单产之间 RMSE为 889 kg·hm−2,
NRMSE为 13%, 模拟效果较好。养分管理尺度模拟
产量和 GPS 点单产之间 RMSE 为 475 kg·hm−2,
NRMSE为 7%, 精度较高, 模拟效果很好。
对 3个典型县(区)作物单产检验的NRMSE表明,
模型具有在中小尺度上应用具有较高的精度; RMSE

表 5 多尺度 EGLSN模拟作物单产结果区间化敏感系数
Table 5 Regional simulation sensitive coefficients for the crop yield simulation on EGLSN
生态气候
Eco-climate
地貌景观
Geomorphologic landscape
利用措施
Land use & measure
土壤条件
Soil condition
养分管理
Nutrient management
敏感系数
Sensitive coefficient
0.5 0.3 0.2 0.1 0.05

表明在各个尺度上实际应用模拟结果时可以接受。
综合两项指标可以看出这一方法具有适应多尺度的
特征。
3.2 总产量的计算与检验
根据山西省 2013年统计年鉴, 榆次区、忻府区
和襄汾县的统计单产平均值分别为 6 133.5 kg·hm−2、
第 3期 张迁迁等: 多尺度 EGLSN的构建及耕地地力模拟研究 351


http://www.ecoagri.ac.cn

图 2 榆次区地貌景观(a)、利用措施(b)、土壤条件(c)、养分管理(d)尺度模拟作物单产与 GPS点作物单产的比较
Fig. 2 Comparison between simulated crop yield and GPS sampling crop yield on scales of geomorphologic landscape (a), land use
& measure (b), soil condition (c), nutrient management (d) in Yuci District of Shanxi Province
5 970 kg·hm−2和10 515 kg·hm−2, 根据2.1节, 统计年鉴
单产同时为生态气候尺度作物产量基准。在 ArcGIS
软件中统计各耕地实体面积, 扣除田坎、坑塘等地物
后得到实际面积, 按公式(5)计算的生态气候尺度典型
县(区)模拟总产量。其他尺度总产量模拟结果则按表 2
公式计算各尺度作物单产模拟结果, 带入公式(5)计算
整个县(区)模拟总产量。对县(区)作物总产量模拟结果
检验按公式(2), 以相对生态气候尺度总产量的偏差作
为物模拟精度检验依据, 结果见表 6。
Q=Σ(yk×sk)/10 000 000 (5)
式中: Q 为总产量(×104t), yk为第 k 个模拟单元的单
产(kg·hm−2), sk为第 k个模拟单元的实际面积(hm2)。
从表 6可以看出, 3个县(区)在各尺度上模拟精
度从 80%逐渐提高, 最终在地块养分管理尺度上 3
个区(县)精度均在 90%以上。其中襄汾县模拟精度
较低, 总产平均情况符合较差, 是由于该县处在晋
南轮作地区, 区域气候差异明显、种植结构复杂以
及实际种植面积确定过程存在误差导致。

表 6 忻府区、榆次区和襄汾县 3个典型县区作物总产量多尺度 EGLSN模拟结果及精度对比
Table 6 EGLSN simulation results and precision of total productivity in three typical regions of Shanxi Province
模拟总产量 Simulated productivity (×104t) 精度 Precision (%)
尺度
Scale 忻府区
Xinfu District
榆次区
Yuci District
襄汾县
Xiangfen County
忻府区
Xinfu District
榆次区
Yuci District
襄汾县
Xiangfen County
生态气候
Eco-climate
32.06 20.36 40.33 1001) 100 100
地貌景观
Geomorphologic landscape
38.47 24.43 47.59 83 80 82
利用措施
Land use & measure
36.08 22.39 51.87 93 90 91
土壤条件
Soil condition
33.87 21.38 50.32 95 95 91
养分管理
Nutrient management
32.38 19.34 41.79 96 95 93
1)模型计算结果与统计年鉴的作物单产进行比较, 而统计年鉴的作物单产同时是生态气候尺度作物产量基准。1) Crop yield of eco-climate
base was crop yield of statistical yearbook, which meantime was compared with the simulated crop yield on EGLSN.

352 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
4 结论与讨论
以土壤调查 GPS点位数据、统计年鉴数据等以
及耕地地力评价数据为基础资料, 运用相关分析的
统计方法确定研究区各县(市、区)各生态气候尺度与
基准值 , 应用相关文献确定地貌景观、利用措施、
土壤条件、养分管理 4个尺度及其尺度下因素类型,
并基于热点分析和回归分析方法确定了各尺度的控
制范围和影响程度, 建立了多尺度EGLSN耕地地力
模拟统计模型。将各尺度土壤调查样点单产值与尺
度基准及尺度下因素的单产数据进行回归拟合得到
研究区耕地地力模拟模型的相关参数。选择山西省
3 个典型县区以耕地地力评价数据为基础, 应用模
型计算图斑上的多尺度模拟单产, 并按县区汇总得
到多尺度总产。结果表明, 忻府区、榆次区、襄汾
县在养分管理尺度、土壤条件尺度、利用措施尺度
上总产量模拟精度都在 90%以上, 地貌景观尺度的
总产量模拟精度也全部不低于 80%。忻府区、榆次
区、襄汾县多尺度模拟单产与土壤调查 GPS采样点
标准根均方差(NRMSE)随尺度下降而减小, 地貌景
观尺度NRMSE都大于 30%, 利用措施尺度与土壤条件
尺度 NRMSE介于 10%至 30%, 养分管理尺度 NRMSE
都小于10%。从单个区域多尺度模拟分析看, 随着尺
度的控制范围增大, 模型考虑的因素增加, 总产的
模拟精度都在提高, 模拟结果的合理性与建模预期
一致。但是模拟得到的单产在大尺度上应用误差较
大, 造成这一现象的原因可能有两点: 1)可能与大尺
度选择的因素分级粒度有关; 2)由于受某些因素的
影响, 统计年鉴的产量与耕地实际作物产量可能存
在一定的差异。
基于多尺度模拟耕地地力的过程中, 确定的尺
度体系中充分考虑了传统耕地地力评价较少涉及的
生态气候因素, 使得模型在更大生态区域可用性提
高, 为区域化配方施肥奠定理论基础。该方法涉及
的数据, 来源客观, 数据的预处理不涉及专家知识,
降低其广泛应用的难度。不足之处在于, 本文只是
建立了简单统计模型, 多尺度与耕地地力之间的实
际规律还需要在今后研究中进一步完善。
参考文献
[1] 张薰华. 土地与环境[J]. 中国土地科学, 1995, 9(4): 1–5
Zhang X H. Land and the environment[J]. China Land
Science, 1995, 9(4): 1–5
[2] 王长松, 刘桂芳, 陈莉萍, 等. 仪征市 30 年耕地养分时空
变化趋势及其与粮食生产的关系 [J]. 土壤 , 2005, 37(6):
683–687
Wang C S, Liu G F, Chen L P, et al. Spatial variation of soil
nutrients in farmland and its relationship with grain
production in Yizheng for the past 30 years[J]. Soils, 2005,
37(6): 683–687
[3] 许宏健 , 侯淑涛 , 刘建英 . 东北黑土区耕地地力评价因素
探讨[J]. 河北农业科学, 2009, 13(2): 48–49
Xu H J, Hou S T, Liu J Y. Discussion on the factors of
productivity evaluation of cultivated land in black soil region
of northeast China[J]. Journal of Hebei Agricultural Sciences,
2009, 13(2): 48–49
[4] 鲁明星 , 贺立源 , 吴礼树 . 我国耕地地力评价研究进展[J].
生态环境, 2006, 15(4): 866–871
Lu M X, He L Y, Wu L S. Fertility evaluation of cultivated
land in China: A review[J]. Ecology and Environment, 2006,
15(4): 866–871
[5] 闫一凡, 刘建立, 张佳宝. 耕地地力评价方法及模型分析[J].
农业工程学报, 2014, 30(5): 204–210
Yan Y F, Liu J L, Zhang J B. Evaluation method and model
analysis for productivity of cultivated land[J]. Transactions of
the Chinese Society of Agricultural Engineering, 2014, 30(5):
204–210
[6] 鲁明星, 贺立源, 吴礼树, 等. 基于 GIS的华中丘陵区耕地
地力评价研究[J]. 农业工程学报, 2006, 22(8): 96–102
Lu M X, He L Y, Wu L S, et al. Evaluation of the farmland
productivity of hilly region of central China based on GIS[J].
Transactions of the Chinese Society of Agricultural
Engineering, 2006, 22(8): 96–102
[7] 林碧珊 , 汤建东 , 张满红 . 广东省耕地地力等级研究与评
价[J]. 生态环境, 2005, 14(1): 145–149
Lin B S, Tang J D, Zhang M H. Valuation of cropland
capacity classes in Guangdong[J]. Ecology and Environment,
2005, 14(1): 145–149
[8] 刘京, 常庆瑞, 陈涛, 等. 黄土高原南缘土石山区耕地地力
评价研究[J]. 中国生态农业学报, 2010, 18(2): 229–234
Liu J, Chang Q R, Chen T, et al. Evaluation of farmland
productivity on the earth and rocky area of the South Loess
Plateau[J]. Chinese Journal of Eco-Agriculture, 2010, 18(2):
229–234
[9] 向武, 周卫军, 肖彦资, 等. 县域耕地地力与农用地自然质
量等级差异及关联性研究 [J]. 中国生态农业学报 , 2014,
22(7): 821–827
Xiang W, Zhou W J, Xiao Y Z, et al. Differences and
relationships between farmland productivity and farmland
natural quality[J]. Chinese Journal of Eco-Agriculture, 2014,
22(7): 821–827
[10] 郭小清, 胥晓明, 曹卫星, 等. 作物模型系统 Web 服务集
成方法[J]. 农业工程学报, 2013, 29(22): 162–170
Guo X Q, Xu X M, Cao W X, et al. Web service integration
method of crop model system[J]. Transactions of the Chinese
Society of Agricultural Engineering, 2013, 29(22): 162–170
[11] 崔茜 , 毕如田 , 李发志 , 等. 晋南地区小麦−玉米轮作区耕
地质量评价研究 [J]. 山西农业大学学报 : 自然科学版 ,
2014, 34(2): 142–146
Cui Q, Bi R T, Li F Z, et al. Study on land quality evaluation
of wheat and corn multiple cropping area in Jinnan District[J].
第 3期 张迁迁等: 多尺度 EGLSN的构建及耕地地力模拟研究 353


http://www.ecoagri.ac.cn
Journal of Shanxi Agricultural University: Natural Science
Edition, 2014, 34(2): 142–146
[12] 岳文泽, 徐建华, 谈文琦, 等. 城市景观多样性的空间尺度
分析——以上海市外环线以内区域为例[J]. 生态学报, 2005,
25(1): 122–128
Yue W Z, Xu J H, Tan W Q, et al. Spatial scale analysis of the
diversities of urban landscape: A case study with in the
external circle highway of Shanghai City[J]. Acta Ecologica
Sinica, 2005, 25(1): 122–128
[13] Peterson D L, Parker V T. Ecological Scale: Theory and
Application[M]. New York: Columbia University Press, 1988:
5–16
[14] 傅伯杰, 赵文武, 陈利顶, 等. 多尺度土壤侵蚀评价指数[J].
科学通报, 2006, 51(16): 1936–1943
Fu B J, Zhao W W, Chen L D, et al. Multi-scale soil loss
evaluation index[J]. Chinese Science Bulletin, 2006, 51(16):
1936–1943
[15] 刘学军, 卢华兴, 仁政, 等. 论 DEM 地形分析中的尺度问
题[J]. 地理研究, 2007, 26(3): 433–442
Liu X J, Lu H X, Ren Z, et al. Scale issues in digital terrain
analysis and terrain modeling[J]. Geographical Research,
2007, 26(3): 433–442
[16] 王晓明 , 刘瑜 , 张晶 . 地理空间认知综述[J]. 地理与地理
信息科学, 2005, 21(6): 1–10
Wang X M, Liu Y, Zhang J. Geo-spatial cognition: An
overview[J]. Geography and Geo-Information Science, 2005,
21(6): 1–10
[17] 李霖 , 应申 . 空间尺度基础性问题研究[J]. 武汉大学学报:
信息科学版, 2005, 30(3): 199–203
Li L, Ying S. Fundamental problem on spatial scale[J].
Geomatics and Information Science of Wuhan University,
2005, 30(3): 199–203
[18] 徐延达 , 傅伯杰 , 吕一河 . 基于模型的景观格局与生态过
程研究[J]. 生态学报, 2010, 30(1): 212–220
Xu Y D, Fu B J, Lü Y H. Research on landscape pattern and
ecological processes based on landscape models[J]. Acta
Ecologica Sinica, 2010, 30(1): 212–220
[19] 周小萍 , 陈百明 , 王秀芬 . 区域农业土地可持续利用的空
间尺度效应分析——以京津冀地区为例[J]. 经济地理, 2006,
26(1): 100–105
Zhou X P, Chen B M, Wang X F. Spatial scale effects of
regional agricultural land sustainable use ― A case study of
Jing-jin-ji region[J]. Economic Geography, 2006, 26(1):
100–105
[20] 毕如田 , 高艳 . 典型地貌景观指数的多尺度效应分析——
以山西省运城市为例[J]. 地球信息科学学报, 2012, 14(3):
338–343
Bi R T, Gao Y. Analysis of multi-scale effect of landscape indices
of classical landforms in Yuncheng City, Shanxi Province[J].
Journal of Geo-information Science, 2012, 14(3): 338–343
[21] 张立生, 温辉芹, 程天灵, 等. 山西省小麦生态区划研究[J].
中国生态农业学报, 2010, 18(2): 410–415
Zhang L S, Wen H Q, Cheng T L, et al. Ecological
regionalization of wheat cultivation in Shanxi Province of
China[J]. Chinese Journal of Eco-Agriculture, 2010, 18(2):
410–415
[22] 冷疏影. 地理信息系统支持下的中国农业生产潜力研究[J].
自然资源学报, 1992, 7(1): 71–79
Leng S Y. Research on the potential agricultural productivity
of China with the help of GIS[J]. Journal of Natural
Resources, 1992, 7(1): 71–79
[23] 中华人民共和国国土资源部 . TD/T1004－2003 农用地分
等规程[S]. 北京: 中国标准出版社, 2003
Ministry of Land and Resources of the People’s Republic of
China. TD/T1004–2003 Regulations for classification on
agricultural land[S]. Beijing: China Standard Publishing
House, 2003
[24] 危常州, 候振安, 雷咏雯, 等. 不同地理尺度下综合施肥模
型的建模与验证 [J]. 植物营养与肥料学报 , 2005, 11(l):
13–20
Wei C Z, Hou Z A, Lei Y W, et al. Modeling and validation of
transfer model covering different geographical scale[J]. Plant
Nutrition anal Fertilizer Science, 2005, 11(1): 13–20
[25] 游东海 , 田霄鸿 , 把余玲 , 等. 小麦−玉米轮作体系中秸秆
还田方式对土壤肥力及作物产量的影响[J]. 西北农林科技
大学学报: 自然科学版, 2012, 40(7): 167–172
You D H, Tian X H, Ba Y L, et al. Effects of different models
of straw returning to fields on soil carbon stock, soil nutrients
and crop yield in wheat-maize cropping system[J]. Journal of
Northwest A&F University: Natural Science Edition, 2012,
40(7): 167–172
[26] 李云, 冯跃华, 王小艳, 等. 基于主成分回归的土壤养分与
水稻产量的关系[J]. 贵州农业科学, 2013, 41(12): 50–54
Li Y, Feng Y H, Wang X Y, et al. Relationship between soil
nutrient and rice yield based on principal component regres-
sion[J]. Guizhou Agricultural Sciences, 2013, 41(12): 50–54
[27] 顾炽明, 郑险峰, 黄婷苗, 等. 秸秆还田配施氮肥对冬小麦
产量及氮素调控的影响[J]. 干旱地区农业研究, 2013, 31(5):
48–53
Gu C M, Zheng X F, Huang T M, et al. Effects of straw
returning combined with nitrogen fertilizer application on
yield of winter wheat and nitrogen regulation[J]. Agricultural
Research in the Arid Areas, 2013, 31(5): 48–53