基于气候背景的作物种植条件综合评价概念模型及其应用—

引用本文

王秀荣, 王琼, 卢燕宇, 杨松, 于涵, 王立声, 赵嵘. 基于气候背景的作物种植条件综合评价概念模型及其应用——以内蒙古巴彦淖尔河套灌区为例[J]. 中国生态农业学报（中英文）, 2020, 28(11): 1649-1660. DOI: 10.13930/j.cnki.cjea.200442

WANG X R, WANG Q, LU Y Y, YANG S, YU H, WANG L S, ZHAO R. Conceptual model based on climate for comprehensive evaluation of crop planting conditions:A case study in Bayannur Hetao Irrigation District in Inner Mongolia[J]. Chinese Journal of Eco-Agriculture, 2020, 28(11): 1649-1660. DOI: 10.13930/j.cnki.cjea.200442

基金项目

中国气象局气候变化专项（CCSF201809）资助

通信作者

王秀荣, 主要从事生态气候资源评价及气象灾害风险评估研究, E-mail:wangxr@cma.gov.cn；
王琼, 主要从事天气预报服务及气候资源开发利用研究, E-mail:534251708@qq.com

文章历史

收稿日期：2020-06-12
接受日期：2020-09-10

Contents Abstract Full text Figures/Tables PDF

基于气候背景的作物种植条件综合评价概念模型及其应用——以内蒙古巴彦淖尔河套灌区为例^*

王秀荣¹, 王琼², 卢燕宇³, 杨松⁴, 于涵¹, 王立声¹, 赵嵘¹

1. 中国气象局公共气象服务中心北京 100081;
2. 河北省沧州市气象局沧州 061001;
3. 安徽省气象局合肥 230000;
4. 内蒙古自治区巴彦淖尔市农业气象试验站巴彦淖尔 015000

收稿日期：2020-06-12；接受日期：2020-09-10

* 中国气象局气候变化专项（CCSF201809）资助

** 通信作者：王秀荣, 主要从事生态气候资源评价及气象灾害风险评估研究, E-mail:wangxr@cma.gov.cn;
王琼, 主要从事天气预报服务及气候资源开发利用研究, E-mail:534251708@qq.com

摘要：为更好地适应气候变化大背景下作物种植条件变化，对各地区的作物种植条件进行综合评估已迫在眉睫。本研究应用层次分析法，基于天气学、气候学和农业气象学等原理，结合地方生态和经济发展需求，选取气候资源、灾害防御、种植配套条件3大类准则层，并选定包括光照资源、热量资源、水资源、空气质量、气象灾害、病虫害以及土壤条件、地理环境、基础设施、管理制度等相关14类小项指标，设计作物种植条件综合评价体系框架；然后通过统计分析设定14类小项指标评分细则，最终构建作物种植条件综合评价概念模型。并利用所构建的概念模型对内蒙古巴彦淖尔河套灌区主要作物种植条件进行综合评价应用试验。评估结果显示：巴彦淖尔河套灌区光照资源充足、热量资源较稳定、气候适宜度高、灌溉条件优异，春小麦、玉米和向日葵等主要作物关键生长期综合日照保证率、综合积温保证率、综合气温适宜保证率均高达85%以上，水分保证率100%，气温日较差较大，空气质量优良，灌区土壤肥沃；高温、大风、冰雹、暴雨等主要气象灾害及病虫害发生频率低，预报与防御能力较强；自然、地理、人文、政策等各类资源配置优势突出，综合分析评价得出该地区作物种植条件为Ⅰ级优良。综合分析可见，本概念模型选取的指标之间既相互联系又相互独立、具有层次性和结构性，是能定量反映区域气候系统和相关配套条件所构成的有机整体；指标获取便捷、可操作性好，评估结果可靠性良好，可推广于不同地区或不同作物的种植条件综合评价，为实现农业的生态化、可持续性发展保驾护航。

关键词：气候变化作物种植条件综合评价概念模型巴彦淖尔河套灌区应用实践

Conceptual model based on climate for comprehensive evaluation of crop planting conditions:A case study in Bayannur Hetao Irrigation District in Inner Mongolia^*

WANG Xiurong¹, WANG Qiong², LU Yanyu³, YANG Song⁴, YU Han¹, WANG Lisheng¹, ZHAO Rong¹

1. Public Meteorological Service Center, China Meteorological Administration, Beijing 100081, China;
2. Cangzhou Meteorological Bureau, Cangzhou 061001, China;
3. Anhui Meteorological Administration, Hefei 230000, China;
4. Experimental Station of Agricultural Meteorology in Bayannur City, Inner Mongolia Autonomous Region, Bayannur 015000, China

* This study was supported by the Special Fund for Climate Change from China Meteorological A dministration (CCSF201809)

** Corresponding author, WANG Xiurong, E-mail:wangxr@cma.gov.cn; WANG Qiong, E-mail:534251708@qq.com

Received Jun. 12, 2020; accepted: Sep. 10, 2020

Abstract: In response to climate change and to the progress of social economy, science, and technology, alterations to crop planting conditions in various places are warrant further scientific, technological, and ecological development. In order to adapt and enhance crop planting conditions, as well as to promote the development of market economy, it is an urgent need to conduct a comprehensive assessment of local crop planting conditions. In this study, analytic hierarchy process (AHP) methodology was applied, combined with the principles of meteorology, climatology, and agrometeorology, to design a framework for assessing the crop planting conditions. Taking into account the needs of local ecological and economic development, the framework was constructed by selecting three major criteria, namely climate resources, disaster prevention, and supporting conditions for cultivation, as well as 14 related sub-indicators, including light resources, heat resources, water resources, air quality, meteorological disasters, plant diseases and insect pests, soil conditions, geographical environment, infrastructure, and management system. Through statistical analysis, the scoring rules for the 14 sub-indicators were set up and the conceptual model for comprehensive evaluation of crop planting conditions was created. To validate the novel assessment model, a comprehensive evaluation experiment was carried out on the main crop planting conditions at the Bayannaoer Hetao Irrigation District of Inner Mongolia. The assessment results indicated that Bayannur Hetao Irrigation District had sufficient light resources, stable heat resources, high climate suitability, and excellent irrigation conditions. The guarantee rate of light, cumulative temperature, and temperature suitability for key growing periods for major crops, such as spring wheat, maize, and sunflower, were more than 85%, whereas water guarantee rate was 100%. The temperature diurnal range was larger. The air quality was excellent and the irrigated areas had fertile soil. The frequency of major meteorological disasters such as high temperature, strong wind, hail, and heavy rain and plant diseases and insect pests were low, and the ability of prediction and defense for these disasters were strong. Natural, geographical, and cultural policies and various resources had prominent advantages in allocation. The comprehensive evaluation of crop cultivation conditions in the region was excellent, level Ⅰ. These results demonstrated that the selected indicators used by the conceptual model were interrelated and independent, hierarchical and structural, and could quantitatively reflect the complex setting formed by the regional climate system and relevant supporting conditions. Indexes were easy to obtain and operate, and the evaluation results were reliable. Therefore, the proposed conceptual model may be applied to the comprehensive evaluation of planting conditions in different regions or different crops, so as to guarantee the ecological and sustainable development of agriculture.

Keywords: Climate change Crop planting conditions Comprehensive evaluation conceptual model Bayannur Hetao Irrigation District Application practice

中国是农业大国, 农业生产在国民经济中占有非常重要的地位, 近些年气候变化对中国农业种植结构产生了较大影响, 直接导致中国主要粮食作物种植结构布局发生了极大的变化^[1]; 同时, 随着社会经济和科学技术的高速发展, 农业种植条件日益趋向科技化、生态化。为了更好地适应作物种植环境的变化, 一些农业种植大区需要对当地的农业种植条件进行科学评估或评价以促进市场经济发展和宣传, 以加大农业产业结构调整、以农业品牌引领农业生态化进程, 促进农业、农村经济进一步发展。

近年来, “农业好产品” “农产品气候标志认证”^[2-4] “绿色产品”^[5-7] “有机农产品”^[8] “地理标志农产品”^[9-10]等农业生态品牌产品层出不穷。“生态种植基地”^[11] “生态农业园区”^[12] “生态种植、养殖模式”^[13]等生态种植不断发展壮大, 并对接互联网, 进行农作物实景监测长势^[14]。东北、华北等粮食生产基地均充分利用气候、土地等资源优势积极走绿色、生态发展道路^[15]。然而, 如何评价一个地区的作物种植条件, 目前还没有全方位的研究和报道, 国内外部分学者只是针对某个地方、某种作物进行大气环境^[16-22]、土壤环境^[23-28]或水肥管理^[29-30]等单方面的分析评价, 其研究成果虽然对当地农业生产和农业经济发展起了积极的推动作用, 但实际上作物茁壮成长与否是自然地理环境、气候、种植管理等多方因素综合作用的结果。随着各地政府对当地农业生态品牌等建设的重视和需要, 一些地区对当地作物种植条件的全面综合科学评价的需求凸显; 且现代农业生产不再是过去仅仅靠天生产, 而是根据地理、土壤、气候等环境来调节作物生长环境, 实现作物稳产高产高品质。目前对作物种植条件的适宜性评估只在气候资源、土壤资源和地形条件方面建立评价和区划指标, 以提高作物种植的气候适宜性和农业气候区划水平, 评估所涉及的内容不够全面, 对新理念、新技术、新方法应用缺少深度挖掘, 进而影响作物种植条件评估结果。

为能尽量客观和科学地对一个地区的作物种植条件给出综合评价, 本研究基于天气学、气候学、生态学与农业气象学等原理知识, 结合地方经济发展等的实际需求, 从作物种植和生长过程中的气候资源优势特征以及气象灾害、病虫害及防御方面进行分析与评价, 并结合当地自然、地理、人文、社会、相关政策等配套措施, 利用多层次分析法构建作物种植条件综合评价概念模型。为检验模型的可操作性和适用性, 以内蒙古巴彦淖尔河套灌区为例, 对其农业种植资源优势进行了定性和定量综合评估试验。

1 作物种植条件综合评价概念模型的构建 1.1 指标选取

对作物种植而言, 气候条件提供了光、温、水等资源, 是作物生长发育不可或缺的重要因素; 与此同时, 气候对人类活动或作物生长也存在一定的约束作用, 当气候偏离最适条件, 将对作物生长发育产生胁迫作用, 进而带来灾害影响。因此对气候条件本身来说, 需要从其“资源”和“灾害”双重属性出发构建和选取相应指标。除气候条件本身外, 还需要地理环境、土壤条件、种植管理等条件的配合才能有效发挥气候资源优势。

通过分析模型的评价目的、内涵和特征, 结合文献调研、实地考察、专家咨询等方式, 对评价指标进行遴选和取舍, 提出了包含3个维度的准则层, 即气候资源、灾害防御和配套条件, 其中前两类是与气候条件本身有关, 分别反映气候资源和灾害双重属性。气候资源类指标主要体现对作物种植所需的光、温、水、气等资源的供给能力; 灾害防御类指标主要体现气候的灾害属性以及人类活动对灾害的防御能力。配套条件类指标则是从自然、人文、环境等角度评价各类配套条件对充分发挥气候资源优势的支撑作用。最后基于各类指标与作物种植的关系, 构建了包含14个指标小项的作物种植综合评价指标体系(表 1)。

表 1 作物种植条件综合评价指标体系 Table 1 Comprehensive evaluation indexes system of crop planting conditions

表 1中评价模型结构和指标是由一个既相互联系又相互独立、具有层次性和结构性, 并能定量反映区域气候系统和相关配套条件所构成的有机整体, 其最终目的是得到某一绝对或相对的综合参数来反映当地气候条件对作物种植支撑能力。在指标确定和选取中遵循科学性、全面性、规范性和实用性等原则。

1.2 各类评价指标与等级划分 1.2.1 气候资源类指标与等级划分

气候资源类评价指标中, 光、热、水资源多以保证率指标来衡量能够满足作物生长发育需求的程度, 保证率是指某气象要素值小于或大于某一数值的可靠程度, 通常以某气象要素在长期小于或大于某一数值的累积频率来表示。光照资源以日照保证率(IRsg)作为评价指标, 主要用来表征光照资源的多寡和稳定性, 用多年日照时数大于作物需求指标阈值的频率来表示。热量资源的评价指标主要分为积温保证率(IRta)、气温适宜保证率(IRts)和气温日较差(IRtd); 积温保证率用于表征热量资源的多寡和稳定性, 用多年积温大于作物需求指标阈值的频率来表示; 气温适宜保证率用于表征热量资源的适宜程度, 用多年生育期内日平均气温处于适宜作物生长发育指标区间内的频率来表示; 气温日较差则主要体现热量条件对作物品质的影响, 日较差越大, 越利于作物糖分等有机物质的积累。水分资源以水分保证率(IRwg)作为评价指标, 主要用来表征水分资源的多寡和稳定性, 以多年供水量大于作物需求指标阈值的频率来表示。空气质量是衡量研究区域是否有利于农作物种植的重要指标之一, 空气优良一定程度上可以减少作物生长过程中污染, 提高作物品质。

气候资源类评价指标中, 气温日较差是依据全国气温日较差统计分析结果, 按照百分位分布规律设置等级划分阈值, 其他各类指标各级阈值设置主要从适宜种植的角度考虑, 首先设置了适宜作物生长的最低界限值, 即最低保障作物生长值, 然后依次按照其保证率的增加设计其得分细则(表 2)。

表 2 气候资源类评价指标等级划分和评分规则 Table 2 Classification and scoring rules of climate resource evaluation indexes

指标类型 Index type	等级 Class	分值 Score
日照、积温、气温适宜度和水分的保证率(IR) Guarantee rates of sunshine, accumulated temperature, suitable temperature, and water (IR)	IR≥90%	100分100 points
	80%≤IR < 90%	90~100分(80%为90分, 每增加1%加1分) 90-100 points (80% is 90 points, plus 1 point for every 1% increase)
	60%≤IR < 80%	80~90分(60%为80分, 每增加2%加1分) 80-90 points (60% is 80 points, plus 1 point for every 2% increase)
	40%≤IR < 60%	70~80分(40%为70分, 每增加2%加1分) 70-80 points (40% is 70 points, plus 1 point for every 2% increase)
	20%≤IR < 40%	60~70分(20%为60分, 每增加2%加1分) 60-70 points (20% is 60 points, plus 1 point for every 2% increase)
	IR < 20%	60分以下Below 60 points
气温日较差(气温日较差百分位, IRtd) Daily temperature range (percentile of diurnal temperature range, IRtd)	IRtd≥90%	100分100 points
	80%≤IRtd < 90%	90~100分(80%为90分, 每增加1%加1分) 90-100 points (80% is 90 points, plus 1 point for every 1% increase)
	70%≤IRtd < 80%	80~90分(70%为80分, 每增加1%加1分) 80-90 points (70% is 80 points, plus 1 point for every 1% increase)
	60%≤IRtd < 70%	70~80分(60%为70分, 每增加1%加1分) 70-80 points (60% is 70 points, plus 1 point for every 1% increase)
	50%≤IRtd < 60%	60~70分(50%为60分, 每增加1%加1分) 60-70 points (50% is 60 points, plus 1 point for every 1% increase)
空气质量优良率 Good air quality rate (IRaq)	IRaq≥90%	100分100 points
	80%≤IRaq < 90%	90~100分(80%为90分, 每增加1%加1分) 90-100 points (80% is 90 points, plus 1 point for every 1% increase)
	70%≤IRaq < 80%	80~90分(70%为80分, 每增加1%加1分) 80-90 points (70% is 80 points, plus 1 point for every 1% increase)
	60%≤IRaq < 70%	70~80分(60%为70分, 每增加1%加1分) 70-80 points (60% is 70 points, plus 1 point for every 1% increase)
	50%≤IRaq < 60%	60~70分(50%为60分, 每增加1%加1分) 60-70 points (50% is 60 points, plus 1 point for every 1% increase)
	IRaq < 50%	60分以下Below 60 points

表 2 气候资源类评价指标等级划分和评分规则 Table 2 Classification and scoring rules of climate resource evaluation indexes

1.2.2 灾害防御类指标与等级划分

灾害防御类评价指标中, 选择如台风、暴雨洪涝、大风冰雹、高温热害、低温冻害、气象干旱等灾害损失占比较大的几种气象灾害, 计算灾害频次。根据每类灾害的发生频率在全国站点中的排位情况, 确定指标等级和分值。最后依据每类灾害的灾损进行加权综合或算术平均(表 3)。

表 3 气象灾害类评价指标等级划分和评分规则 Table 3 Classification and scoring rules of meteorological disaster evaluation indexes

病虫害发生少, 一方面可以减少作物损伤, 另一方面也可以减少使用化学农药的次数。针对某地区的作物病虫害发生频次及其灾害防御和影响, 结合与周边同类作物病虫害影响情况等进行综合主客观结合分析, 根据分析结果确定其指标影响等级和分值(表 4)。

表 4 病虫害类评价指标等级划分和评分规则 Table 4 Classification and scoring rules of plant diseases and insect pests revaluation indexes

1.2.3 配套条件类指标与等级划分

土壤条件方面, 土壤环境质量及其洁净度在很大程度上影响着作物生长产量及其品质。国际土壤质地分类将其分为砂土、壤土、黏壤土、黏土4大类, 其中壤土为最适宜作物种植的土壤类别; 同时, 依据《土壤环境质量标准》(GB 15618—1995)结合土壤元素含量及pH, 土壤环境质量也划分为3个等级的土壤区, 土壤级别越高, 土壤洁净程度越高, 作物生长品质越好。地理环境方面, 主要从平原、丘陵、山地等地形地貌种植适宜度的角度上考虑种植得分情况。基础设施方面, 主要考虑某地区针对作物种植配备的一些软硬件技术保障设施, 如灌溉或排水条件、农业生产技术支撑保障、防灾减灾配备设施等。管理制度方面, 良好的农业种植管理制度可以有效支撑一个地区作物有效、规律的种植和管理。4方面配套条件指标分值等级以列表形式详述(表 5)。

表 5 配套条件类评价指标等级划分和评分规则 Table 5 Classification and scoring rules of complementary condition revaluation indexes

配套条件 Complementary condition	分类 Classification	分值 Score
土壤环境 Soil environment	壤土比例≥80%, 土壤环境洁净为Ⅰ类 Loam ratio≥80%, soil environment at class Ⅰ	90~100分(80%为90分, 每增加2%, 加1分) 90-100 points (80% is 90 points, plus 1 point for every 2% increase)
	60%≤壤土比例 < 80%, 土壤环境洁净为Ⅰ类 60%≤loam ratio < 80%, soil environment at class Ⅰ	80~90分(60%为80分, 每增加2%, 加1分) 80-90 points (60% is 80 points, plus 1 point for every 2% increase)
	40%≤壤土比例 < 60%, 土壤环境洁净为Ⅰ类 40%≤loam ratio < 60%, soil environment at class Ⅰ	70~80分(40%为70分, 每增加2%, 加1分) 70-80 points (40% is 70 points, plus 1 point for every 2% increase)
	20%≤壤土比例 < 40%, 土壤环境洁净为Ⅰ类 20%≤loam ratio < 40%, soil environment at class Ⅰ	60~70分(20%为60分, 每增加2%, 加1分) 60-70 points (20% is 60 points, plus 1 point for every 2% increase)
	壤土比例 < 20%, 土壤环境洁净为Ⅰ类 Loam ratio < 20%, soil environment at clean class Ⅰ	60分以下 Below 60 points
	土壤环境为Ⅱ类, 在上述分值减去20 Minus 20 points from the above score for class Ⅱ soil environment
	土壤环境为Ⅲ类及以下等级, 在上述分值减去40 Minus 40 points from the above score for class Ⅲ or below soil environment
地形地貌 Landform	平原为主 Plain	80~100分 80-100 points
	丘陵为主 Hills	60~80分 60-80 points
	山地为主 Mountain	60以下 Below 60 points
农业配套系统 Agricultural supporting system	完善Perfect	80~100分 80-100 points
	较完善 Relatively perfect	60~80分 60-80 points
	不完善 Imperfect	60以下 Below 60 points
种植制度和管理水平 Cropping system and management level	完备而且高 Complete and high	80~100分 80-100 points
	较完备也较高 Relatively complete and high	60~80分 60-80 points
	欠缺也不高 Incomplete and low	60以下 Below 60 points

表 5 配套条件类评价指标等级划分和评分规则 Table 5 Classification and scoring rules of complementary condition revaluation indexes

1.3 多层次指标综合方法(AHP)

采用加权综合方法, 以层次分析法(AHP)^[31]确定指标权重, 以统一的比例标度, 对各指标要素进行两两比较, 若两要素同等重要, 比例标度为1:1, 若一要素较另一要素稍微重要为3:1、较强重要为5:1、极端重要为9:1, 同时两相邻判断的中间值为2:1、4:1、6:1、8:1, 以尽可能减少性质不同的诸因素相互比较的困难, 提高准确度。

根据模型层次和指标设置, 聘请若干行业专家, 对各指标层的指标之间分别给出比例分值, 然后对准则层、指标类别层和指标层的比例分值进行层层递进综合分析后, 就可得出某地区或者某一类作物的种植综合条件评分, 再根据作物种植条件综合评分等级(表 6)来确定该地区或该作物种植条件优劣。

表 6 作物种植条件评分等级划分 Table 6 Grading of crop planting conditions

2 应用实例

运用概念模型对内蒙古巴彦淖尔河套灌区作物种植条件进行综合评价。巴彦淖尔河套灌区(40°8′~41°17′N, 106°17′~109°11′E)隶属内蒙古自治区巴彦淖尔市, 覆盖巴彦淖尔市磴口、杭锦后旗、临河、五原、乌拉特前旗5个县, 地势平坦, 属于中温带气候类型, 四季分明, 雨热同季, 年平均气温7.0~9.0 ℃, 年平均降水量156~237 mm; 昼夜温差大, 基本为12.0~13.5 ℃; 日照时数长, 年总日照时数为3 087~3 214 h; 大气环境质量良好, 年平均优良天数超过80%, 空气洁净度高。土壤质地以壤土为主, 土层深厚; 黄河流经灌区, 水资源丰富, 灌溉系统完善; 耕地资源丰富, 主要以粮食作物为主, 粮、油、糖全面发展。

对巴彦淖尔河套灌区进行综合评价时, 主要选取全国2 427个代表站(包括巴彦淖尔市气象代表站及周边共10个气象站)1981—2010年的气温、降水、日照、湿度、云量、能见度、气象灾害等气象资料; 空气质量资料选取巴彦淖尔市2015—2019年监测的PM_2.5、PM₁₀、O₃、NO₂、SO₂和CO浓度日数据及空气质量指数(AQI)日均值。其他相关资料来源于巴彦淖尔市的地方志、统计年签等。

2.1 气候资源类指标

巴彦淖尔河套灌区农业种植的主要粮油作物有春小麦(Triticum aestivum L.)、玉米(Zea mays L.)和向日葵(Helianthus annuus L.), 这3种作物累计播种面积占当地作物种植面积83%。由于不同作物生长发育特性不同, 在不同生长发育阶段对光照、温度和水分的需求也不同。对于在河套灌区种植的春小麦、玉米和向日葵在各生育期所需的日照、温度和积温指标以及水分需求条件, 已经过长期种植检验。

表 7给出了河套灌区春小麦、玉米和向日葵整个生育期需达到的光温条件指标。通过表 7中的春小麦、玉米和向日葵不同发育期日照、积温和温度的上、下限指标进行计算得到作物全生育期的日照保证率、积温保证率、气温适宜保证率(表 8)。由于各类作物不同生长发育阶段所需光照、温度和降水的保证率是衡量该地区气候资源优劣的重要评价依据, 由表 8可知, 在河套灌区种植面积比例为12%的春小麦, 全生育期日照保证率、积温保证率均达90.0%以上, 光照和热量条件均能满足春小麦的生长发育; 气温适宜保证率为84.7%, 没达到90.0%以上的原因主要是春小麦播种—出苗是3月初—4月中旬, 该阶段河套灌区冷空气活动频繁, 气温波动比较大, 大部分地区平均气温保证率为60.0%~70.0%, 其他生长阶段基本在80.0%以上, 对春小麦而言, 热量条件适宜度总体较高。在河套平原种植面积比例为33%的玉米, 全生育期日照保证率为93.3%, 主要是玉米播种—出苗和吐丝—成熟期由于日照时数减少, 日照保证率在70.0%以上, 其他时段一般在80.0%~90.0%, 由于玉米对光照条件要求较高, 河套灌区光照资源对玉米种植的支撑能力弱于春小麦; 玉米积温保证率和气温适宜保证率为84.0%和80.0%, 不太高的主要原因也是玉米播种—出苗期气温波动大, 上升缓慢造成的, 但仍稳定在指标值以内, 可以保证玉米的生长发育, 同时在气候变暖背景下, 热量条件进一步提升, 资源保证水平也将更加稳定。向日葵播种比较晚, 各资源类指标均达到90.0%以上, 足以保证向日葵的正常生长。

表 7 巴彦淖尔河套灌区主要作物不同生育期光温条件阈值 Table 7 Light and temperature thresholds of main crops in different growth periods in Bayannur Hetao Irrigation District

作物 Crop	生育期 Growth period	时间 Time	日照时数 Sunshine hours (h)	积温¹⁾ Accumulated temperature¹⁾ (℃)	平均气温 Average temperature (℃)
春小麦 Spring wheat	播种—出苗 Sow-sprout	3月初—4月中旬 From early March to mid-April	180	120~130	5.0~8.0
	分蘖—拔节 Tiller-elongating	5月上旬—5月下旬 From early May to late May	150	260~320	16.0~19.0
	抽穗—开花 Heading-flowering	6月上旬—6月中旬 From early June to mid-June	70	160~200	20.0~25.0
	灌浆—成熟 FillingGrouting -ripening	6月下旬—7月中旬 From late June to mid-July	250	610~670	20.0~25.0
	全生育期 Whole growth period	3月初—7月中旬 From early March to mid-July	1 080	1 900~2 000	15.5~18.0
玉米 Corn	播种—出苗 Sow-sprout	4月下旬—5月中旬 From late April to mid-May	165	260~310	14.0~18.0
	出苗—拔节 Sow-elongating	5月中旬—6月下旬 From mid-May to late June	400	880~970	20.0~24.0
	拔节—吐丝 Elongating-spinning	6月下旬—7月下旬 From late June to late July	280	730~790	23.0~25.0
	吐丝—成熟 Spinning-ripening	7月下旬—9月中旬 From late July to mid-September	460	1 080~1 220	20.0~23.0
	全生育期 Whole growth period	4月下旬—9月中旬 From late April to mid-September	1 320	2 900~3 200	20.0~22.0
向日葵 Sunflower	播种—出苗 Sow-sprout	5月下旬—6月上旬 From late May to early June	70	185~225	18.0~22.5
	出苗—二对真叶 Sprout-two pairs of true leaves	6月上旬—6月中旬 From early June to mid-June	85	180~220	20.0~24.5
	二对真叶—现蕾 Two pairs of true leaves-budding	6月中旬—7月上旬 From mid-June to early July	220	600~680	21.5~24.5
	现蕾—开花 Budding-flowering	7月上旬—7月下旬 From early July to late July	150	400~460	22.5~25.5
	开花—成熟 Flowering-ripening	7月下旬—9月下旬 From late July to late September	480	1 000~1 250	18.5~22.5
	全生育期 Whole growth period	5月下旬—9月下旬 From late May to late September	1 000	2 400~2 650	20.0~23.0
1)春小麦、玉米和向日葵的积温分别为≥0 ℃、≥10 ℃和≥5 ℃的积温。1) The accumulated temperature of spring wheat, corn and sunflower are accumulation of temperature above 0 ℃, 10 ℃ and 5 ℃, respectively.

表 7 巴彦淖尔河套灌区主要作物不同生育期光温条件阈值 Table 7 Light and temperature thresholds of main crops in different growth periods in Bayannur Hetao Irrigation District

表 8 巴彦淖尔河套灌区主要作物播种面积比例及其全生育期主要气候资源类指标占比值 Table 8 Ratios of planting area and climate resource indexes during whole growth periods of main crops in Bayannur Hetao Irrigation District

3种主要作物生育期水分保证率均为100%(表 8), 主要得益于河套灌区完善的灌溉系统和充足的黄河水源, 有效地补充了农业用水。每年3—9月是作物的生长发育阶段, 该阶段也是河套灌区降水比较多的时段, 作物需水阶段自然降水集中可被作物生长有效利用, 对灌溉水也形成有效补充。

3种主要作物生育期气温日较差13.0 ℃左右, 经比对, 此3种作物生长阶段的气温日较差在全国各地百分位分别为87.2%、88.1%、88.2%, 属于较高水平(表 8)。较高的气温日较差, 有利于农作物的光合作用, 能产生更多的营养物质, 有利于作物产量和品质的提升。

3种作物生育期空气质量总体水平良好。据巴彦淖尔2015—2019年空气质量统计, 优良占比分别达79%、83%、85%、83%, 空气质量总体水平良好, 并且在3种作物生长阶段, 空气质量优良天数的百分率分别达83.8%、92.1%和94.0%。在同一纬度中, 巴彦淖尔的空气质量相对较好, 为其农作物的种植提供了较为理想的大气环境条件, 一定程度上可以保障作物生长过程中减少污染, 提高作物品质。

2.2 主要灾害类指标

表 9是内蒙古巴彦淖尔河套灌区影响农作物正常生长的气象灾害发生情况, 各种灾害每年均有不同程度发生。高温、暴雨极少, 年度平均发生频率为2.2%、0.1%, 虽然变化呈增加趋势, 但优越的灌溉条件可缓解高温干旱、自然降水不多等引起的缺水问题; 雷暴、大风、冰雹等对流天气较少, 其年度平均发生频率分别为5.0%、3.1%和0.2%, 且变化呈减少趋势, 现在人工防雹作业技术成熟, 可有效减轻灾害损失; 年平均霜日62.8 d, 发生频率为17.2%, 呈现缓慢增加趋势, 且在全球气候变化大背景下, 河套灌区初霜冻推后, 终霜冻提前, 霜冻发生几率下降, 特别是目前霜冻中短期预测准确率高, 可提前进行防御。由此可见, 巴彦淖尔河套灌区主要气象灾害发生频次偏低, 气象灾害防御能力较高, 特别是制定了气象灾害防御相关规划, 并经过地方政府审议通过, 并有效贯彻执行, 气象灾害防御措施执行到位, 设施完备。

表 9 巴彦淖尔河套灌区主要气象灾害特征 Table 9 Main meteorological disaster characteristics in Bayannur Hetao Irrigation District

河套灌区冬季气温低, 低于越冬虫卵存活阈值-25 ℃的平均天数有5 d以上, 越冬虫卵不易越冬; 加之当地降水少、空气湿度小、春秋气温变幅大、气温日较差大、日照时长、光照强等, 病虫害发生的气象潜势偏低, 且病虫害灾损率偏低。

2.3 配套条件类指标

地理条件方面, 巴彦淖尔河套灌区位于40°N的全球气候黄金种植带, 地势开阔, 地形平缓, 地理环境以平原为主, 耕地资源较为丰富, 且耕地生产力高, 易于开展大规模机械化种植; 基础设施方面, 河套灌区背靠黄河, 拥有完善的灌排体系, 年引黄河水量约50亿m³, 境内湖泊、水库密布。灌溉水质重金属含量较低, 水质较好, 适于农业种植, 易形成绿色产业; 土壤条件方面, 河套灌区土壤质地以壤土类为主(表 10), 0~30 cm耕作层壤土占比达87.91%, 由于土壤受含沙量高的黄河水灌溉, 土层深厚; 依据《土壤环境质量标准》(GB 15618—1995)结合土壤元素含量及土壤pH, 河套灌区重金属元素As、Cd、Cr、Cu、Hg、Ni、Pb、Zn等单因子土壤环境质量评价结果符合Ⅰ类、Ⅱ类土壤面积占99%以上, Ⅲ类标准土壤面积很小, 仅As、Hg和Zn 3种元素有超Ⅲ类土壤, 仅占研究区面积的0.03%, 且主要分布在一些尾矿坝附近。河套灌区表层土壤87.37%属于Ⅰ类土壤区, 土地肥沃, 土壤为洁净环境, 利于发展绿色农业; 种植和管理制度方面, 河套地区在长期的种植实践中, 与当地“一季有余, 两季不足”的气候条件相适宜, 形成了套种制, 以小麦套葵花、小麦套玉米、甜菜(Beta vulgaris L.)为主, 通过套种来充分利用当地气候资源, 提高资源利用率。另外, 河套地区交通区位优越, 处于国家“呼包银榆”经济区, 是“一带一路”重要交汇点, 是国家西部大开发的重点区域, 坚持绿色发展领跑农业转型升级; 同时农耕文明和巴彦淖尔河套地区历史“总干”精神为农业的创新发展注入动力, 全力打造河套全域绿色、有机高端的农畜产品生产、加工、输出基地, 政府背书创建“天赋河套”优质高端品牌。

表 10 巴彦淖尔河套灌区不同土层深度不同类型土壤质地占比 Table 10 Proportions of different types of soil texture in different soil depths in Bayannur Hetao Irrigation District

2.4 作物种植条件多层次指标综合评价

根据上文对河套灌区中的3大准则层、10项指标类别层和14项评价指标分析结果, 采用加权综合方法, 根据模型中统一的比例标度, 对准则层(气候资源、灾害防御和配套条件)、指标类别层(光照资源、热量资源、水资源、空气质量、气象灾害、病虫害、土壤条件、地理环境、基础设施、管理制度)和指标层(14项)进行两两互相比较, 构建判断矩阵。最后, 运用层次分析法(AHP)依次确定指标层、指标类别层和准则层中各类指标的因子的权重。然后根据权重系数, 依据每个单项指标打分标准(依据表 2-5进行打分)等, 计算得出河套灌区种植条件综合评分为95(表 11), 属于Ⅰ级水平(依据表 6判断等级), 作物种植条件很好, 说明河套灌区非常适宜农业种植。

表 11 巴彦淖尔河套灌区各评价指标评价赋分、权重及作物种植条件综合评价结果 Table 11 Indexes weights, and assignment values of each level and comprehensive evaluation results of crop planting conditions in Bayannur Hetao Irrigation District

准则层(权重) Rule layer (weight)	指标类别(权重) Indicator category (weight)	指标层(权重) Indicator layer (weight)	指标赋分值(权重) Indicator assignment value (weight)
气候资源 (0.65) Climatic resources (0.65)	光照资源(0.18) Lighting resources (0.18)	日照保证率 Sunshine guarantee rate	95(0.12)
	热量资源 (0.40) Thermal resources (0.40)	积温保证率(0.44) Accumulated temperature guarantee rate(0.44)（0.44）	90(0.12)
		气温适宜度(0.27) Air temperature suitability (0.27)（0.27）	90(0.07)
		气温日较差(0.29) Daily temperature range (0.29)	95(0.07)
	水分资源(0.38) Water resources (0.38)	水分保证率 Water guarantee rate	99(0.25)
	空气质量(0.04) Air quality (0.04)	空气质量优良占比 Ratio of good air quality	95(0.02)
灾害防御(0.14) Disaster prevention (0.14)	气象灾害(0.74) Meteorological disasters (0.74)	发生频次(0.63) Occurrence frequency (0.63)	95(0.06)
	气象灾害(0.74) Meteorological disasters (0.74)	防御能力(0.37) Defense capability (0.37)	95(0.04)
	病虫害(0.26) Plant diseases and insect pests (0.26)	发生频次或潜势(0.52) Occurrence frequency or potential (0.52)	95(0.02)
	病虫害(0.26) Plant diseases and insect pests (0.26)	防御能力(0.48) Defense capability (0.48)	95(0.02)
配套条件(0.21) Supporting conditions (0.21)	土壤条件(0.23) Soil conditions (0.23)	土质环境 Soil environment	90(0.05)
	地理条件(0.12) Geographical conditions (0.12)	地形地貌 Topography	95(0.03)
	基础设施(0.42) Infrastructure (0.42)	农业配套系统 Agricultural supporting system	96(0.09)
	管理制度(0.23) Management system (0.23)	种植管理水平 Planting management level	95(0.04)
综合评分 Comprehensive score			95

2.5 评估结果

利用本研究构建的作物种植条件综合评价概念模型, 对内蒙古河套灌区主要作物的种植条件进行综合评估, 结果显示:巴彦淖尔河套灌区春小麦、玉米和向日葵等主要作物关键生长期综合日照保证率达96.10%;综合积温保证率达92.0%;综合气温适宜保证率达85.93%;灌溉条件优异, 水分保证率100%;气温日较差13.0 ℃, 处于全国站点气温日较差百分位的85.0%以上, 空气质量优良率达91.8%, 气候资源类指标优势突出。高温、雷暴、大风、冰雹和暴雨等主要灾害发生频率在5.0%以下, 初霜冻延后, 终霜冻提前, 霜冻发生几率降低。病虫害发生轻或不发生, 且当地对各种气象灾害、病虫害等的预报和防御能力增强, 特别是巴彦淖尔河套灌区自然、地理、人文、社会、相关政策优势明显, 作物种植条件综合定量评分为95分, 在我国大部农业种植区, 作物种植条件良好, 属于Ⅰ级水平。

3 结论与讨论

近年来, 随着气候变化, 作物生长环境也发生不同程度变化, 进而引起作物的种植结构变化^[1]。本研究在气候变化大背景下对作物种植条件进行综合评价。所构建的作物种植条件综合评价概念模型中, 选取了气候资源、灾害防御、种植配套条件3大项准则层, 其中气候资源项主要包括光、温、水、气4类, 灾害防御项包括气象灾害与病虫害2类, 配套条件项包括土壤条件、地理环境、基础设施、管理制度4类, 4类指标类别累计设置14类小项指标, 不同指标之间既相互联系又相互独立、具有层次性和结构性, 并能定量反映区域气候系统和相关配套条件。

通过统计数据分析等方式对本概念模型中的各项指标设定了较为定量的分级评价阈值标准, 且各项指标的获取途径比较便捷, 整体可操作性强, 评估结果的可靠性、便捷性良好。该概念模型可以应用于对一个地区的评估, 也可以针对特定作物的种植条件进行评估。对于评价某一地区综合性种植条件, 主要作物的选择依据是对各类作物播种面积占比由大到小进行排序, 选择排名靠前并且占比总和在80%以上的作物类型为当地主要作物; 如果仅对某一类作物进行评价, 则不存在上述考虑。

通过调研已有研究成果, 韩慧杰等^[32]、孙园园等^[33]分别利用层次分析法或回归方法对安徽省青阳县水稻(Oryza sativa L.)、四川优质稻的种植条件进行了适宜性评价, 但均涉及一种评价作物, 影响因子选取相对单一。而本模型则包括3大类, 14类小项指标, 从概念和方法流程等方面提出的综合评价框架, 使得该评价模型适用范围更全面、结果会更可靠、推广适用性会更好。当然, 由于不同区域的气候对作物种植的影响特点会有所不同, 例如高纬度地区作物种植受热量条件约束可能更明显些, 而华东、华南等南方地区则受光照资源制约更显著。因此, 当应用于具体地区、具体作物时, 专家打分需充分考虑当地农业种植特征和气候背景等, 对评价指标阈值进行微调, 且对各指标的权重赋值要充分考虑不同作物对各指标的需求侧重, 以便能更充分、科学地反映当地气候条件和环境等对不同作物种植的支撑能力。

参考文献

[1]	李祎君, 王春乙. 气候变化对我国农作物种植结构的影响[J]. 气候变化研究进展, 2010, 6(2): 123-129. LI Y J, WANG C Y. Impacts of climate change on crop planting structure in China[J]. Advances in Climate Change Research, 2010, 6(2): 123-129.
[2]	刘璐, 王景红, 张树誉, 等. 陕西红富士苹果气候品质指标及认证技术[J]. 中国农业气象, 2018, 39(9): 611-617. LIU L, WANG J H, ZHANG S Y, et al. Climate quality index and climate quality certification model of red Fuji apple in Shaanxi Province[J]. Chinese Journal of Agrometeorology, 2018, 39(9): 611-617.
[3]	谢远玉, 王培娟, 朱凌金, 等. 基于气象因子的赣南脐橙气候品质指标评价模型[J]. 生态学杂志, 2019, 38(7): 2265-2274. XIE Y Y, WANG P J, ZHU L J, et al. Climate quality evaluation model for navel orange in Ganzhou[J]. Chinese Journal of Ecology, 2019, 38(7): 2265-2274.
[4]	屈振江, 郑小华, 刘璐, 等. 陕西不同生态区苹果品质差异及与气象因子的关系[J]. 气象, 2017, 43(7): 872-878. QU Z J, ZHENG X H, LIU L, et al. Relationship between apple quality and meteorological factors in different ecological regions in Shaanxi[J]. Meteorological Monthly, 2017, 43(7): 872-878.
[5]	葛万达, 盛光华. 基于联合分析的绿色产品属性选择偏好研究[J]. 干旱区资源与环境, 2019, 33(8): 49-54. GE W D, SHENG G H. Research on attribute selection preference of green products based on conjoint analysis[J]. Journal of Arid Land Resources and Environment, 2019, 33(8): 49-54.
[6]	盛光华, 葛万达, 李若琪. 绿色产品环境溢价支付水平影响因素的识别与效应分析[J]. 干旱区资源与环境, 2018, 32(6): 11-17. SHENG G H, GE W D, LI R Q. Identification and analysis on influential factors of payment for green product environment premium[J]. Journal of Arid Land Resources and Environment, 2018, 32(6): 11-17.
[7]	张翼, 王书蓓. 政府环境规制、研发税收优惠政策与绿色产品创新[J]. 华东经济管理, 2019, 33(9): 47-53. ZHANG Y, WANG S B. Government environmental regulation, R & D tax preference policy and green product innovation[J]. East China Economic Management, 2019, 33(9): 47-53.
[8]	王娜, 任士伟, 王亮. 中国有机农产品发展概况[J]. 现代农业科技, 2017(9): 268-269. WANG N, REN S W, WANG L. General development situation of organic agricultural products in China[J]. Modern Agricultural Science and Technology, 2017(9): 268-269.
[9]	谢敏. 地理标志农产品对品牌营销竞争力的影响——以四川省为例[J]. 中国农业资源与区划, 2017, 38(4): 207-213. XIE M. Effects of agricultural products of geographical indication on brand marketing competitiveness-Take Sichuan Province for example[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(4): 207-213.
[10]	杨永. 精准扶贫视域中的地理标志保护蔬菜发展研究[J]. 北方园艺, 2018(22): 195-199. YANG Y. Research on development of geographical indications protection vegetables in perspective of precise poverty alleviation[J]. Northern Horticulture, 2018(22): 195-199.
[11]	张树阁. 京东与润果共同打造生态种植基地——全国首家京东示范农场落户江苏[J]. 农机科技推广, 2018(6): 58. ZHANG S G. Jingdong and Runguo jointly built an ecological planting base-The first Jingdong demonstration farm in China was settled in Jiangsu Province[J]. Agriculture Machinery Technology Extension, 2018(6): 58.
[12]	关恒伟. 宁夏农垦平吉堡农场生态农业园区规划设计[J]. 农业技术与装备, 2018, 348(12): 27-28. GUAN H W. Planning and design of Pingjibao farm ecological agriculture park in Ningxia[J]. Agricultural Technology & Equipment, 2018, 348(12): 27-28.
[13]	付喜龙. 北方山区核桃林下生态种养模式研究[J]. 农村科技, 2015(9): 75-76. FU X L. Study on the ecological cultivation mode of walnut forest in northern mountain area[J]. Rural Science & Technology, 2015(9): 75-76.
[14]	李翠娜, 石广玉, 余正泓, 等. 农作物实景监测中的图像数据质量控制方法研究[J]. 气象, 2020, 46(1): 119-128. LI C N, SHI G Y, YU Z H, et al. Research on image data quality control method in crop real landscape observation[J]. Meteorological Monthly, 2020, 46(1): 119-128.
[15]	马树庆, 陈剑, 王琪, 等. 东北地区玉米整地、播种和收获气象适宜度评价模型[J]. 气象, 2013, 39(6): 782-788. MA S Q, CHEN J, WANG Q, et al. Evaluation model of meteorological suitability for maize soil preparation, sowing and harvesting in Northeast China[J]. Meteorological Monthly, 2013, 39(6): 782-788.
[16]	左琛, 宋锋惠, 史彦江, 等. 新疆平欧杂种榛种植气候区划[J]. 中国农业气象, 2020, 41(3): 146-155. ZUO C, SONG F H, SHI Y J, et al. Climate regionalization of hybrid Hazel planting in Xinjiang[J]. Chinese Journal of Agrometeorology, 2020, 41(3): 146-155.
[17]	张玥滢, 刘布春, 邱美娟, 等. 气候变化背景下中国苹果适宜种植区北移西扩:基于高分辨率格点气象数据的区划分析[J]. 中国农业气象, 2019, 40(11): 678-691. ZHANG Y Y, LIU B C, QIU M J, et al. Areas suitable for growing apples moved northward and westward in China under the background of climate change:Climatic degionalization of apple based on high-resolution meteorological grid data[J]. Chinese Journal of Agrometeorology, 2019, 40(11): 678-691.
[18]	杨凯, 陈彬彬, 陈惠, 等. 基于寒害过程的福建芒果种植气候风险区划[J]. 中国农业气象, 2019, 40(11): 723-732. YANG K, CHEN B B, CHEN H, et al. Climatic risk regionalization of mango planting in Fujian Province based on cold injury process[J]. Chinese Journal of Agrometeorology, 2019, 40(11): 723-732.
[19]	徐敏, 吴洪颜, 张佩, 等. 基于气候适宜度的江苏水稻气候年景预测方法[J]. 气象, 2018, 44(9): 1200-1207. XU M, WU H Y, ZHANG P, et al. Long-term prediction method of rice annual agricultural climate status in Jiangsu Province based on climatic suitability[J]. Meteorological Monthly, 2018, 44(9): 1200-1207.
[20]	易灵伟, 杨爱萍, 余焰文, 等. 基于气候适宜指数的江西晚稻产量动态预报模型构建及应用[J]. 气象, 2016, 42(7): 885-891. YI L W, YANG A P, YU Y W, et al. Dynamic prediction and its application for late rice yield based on climate suitability index in Jiangxi[J]. Meteorological Monthly, 2016, 42(7): 885-891.
[21]	WANG Y, ZHANG Q, WANG S P, et al. Characteristics of agro-meteorological disasters and their risk in Gansu Province against the background of climate change[J]. Natural Hazards, 2017, 89(2): 899-921. DOI:10.1007/s11069-017-2999-8
[22]	WU M H, CHEN Y N, WANG H J, et al. Characteristics of meteorological disasters and their impacts on the agricultural ecosystems in the northwest of China:A case study in Xinjiang[J]. Geoenvironmental Disasters, 2015, 2(1): 3. DOI:10.1186/s40677-015-0015-8
[23]	王仰仁, 李松敏, 王文龙, 等. 基于概念模型的麦田土壤水分动态模拟研究[J]. 气象, 2010, 36(12): 102-108. WANG Y R, LI S M, WANG W L, et al. Simulation of dynamic soil moisture of winter wheat based on conceptual model[J]. Meteorological Monthly, 2010, 36(12): 102-108.
[24]	王泽, 颜于川, 蒋平安, 等. 不同因子对玛纳斯河流域农田土壤水分的影响[J]. 新疆农业科学, 2013, 50(10): 1879-1886. WANG Z, YAN Y C, JIANG P A, et al. Effects of different factors on soil moisture content of farmland in Manas River basin[J]. Xinjiang Agricultural Sciences, 2013, 50(10): 1879-1886.
[25]	朱阳春, 赵学勇, 连杰, 等. 河套灌区不同土地利用方式下土壤有机碳的差异[J]. 生态学杂志, 2016, 35(1): 158-163. ZHU Y C, ZHAO X Y, LIAN J, et al. Differences in soil total organic carbon under different land-use patterns in the Hetao Irrigation Region[J]. Chinese Journal of Ecology, 2016, 35(1): 158-163.
[26]	包凤琴, 李佑国, 李晶, 等. 内蒙古河套地区土壤环境质量评价[J]. 现代地质, 2012, 26(5): 947-952. BAO F Q, LI Y G, LI J, et al. Evaluation on soil environmental quality in the Hetao area of Inner Mongolia[J]. Geoscience, 2012, 26(5): 947-952.
[27]	杨文柱, 焦燕, 杨铭德, 等. 内蒙古河套灌区盐碱土壤N₂O排放特征[J]. 中国环境科学, 2019, 39(3): 948-953. YANG W Z, JIAO Y, YANG M D, et al. N₂O emissions from saline-alkaline soil with different saline-alkaline levels in the Hetao Irrigation District of Inner Mongolia[J]. China Environmental Science, 2019, 39(3): 948-953.
[28]	杨文柱, 焦燕, 杨铭德, 等. 内蒙古河套灌区不同盐碱程度土壤CH₄吸收规律[J]. 环境科学, 2019, 40(4): 1950-1956. YANG W Z, JIAO Y, YANG M D, et al. CH₄ uptake in different saline-alkaline soils in Hetao Irrigation District, Inner Mongolia[J]. Environmental Science, 2019, 40(4): 1950-1956.
[29]	夏如良.巴彦淖尔地区水资源有效配置的政策和制度安排分析[D].北京: 首都经济贸易大学, 2008 XIA R L. Analysis of policy and system arrangement of effective allocation of water resources in Bayannur region[D]. Beijing: Capital University of Economics and Business, 2008
[30]	童文杰.河套灌区作物耐盐性评价及种植制度优化研究[D].北京: 中国农业大学, 2014 TONG W J. Study on salt tolerance of crops and cropping system optimization in Hetao Irrigation District[D]. Beijing: China Agricultural University, 2014
[31]	刘新宪, 朱道立. 选择与判断:AHP(层次分析法)决策[M]. 上海: 上海科学普及出版社, 1990. LIU X X, ZHU D L. Selection and Judgment:AHP (Analytic Hierarchy Process) Decision Making[M]. Shanghai: Shanghai Science Popularization Press, 1990.
[32]	韩慧杰, 夏学齐, 吴海东, 等. 基于GIS和土地质量地球化学数据的水稻种植适宜性评价——以安徽省青阳县为例[J]. 中国生态农业学报(中英文), 2019, 27(4): 591-600. HAN H J, XIA X Q, WU H D, et al. Evaluation of rice planting suitability using GIS and geochemical land quality data-A case study of Qingyang County, Anhui Province[J]. Chinese Journal of Eco-Agriculture, 2019, 27(4): 591-600.
[33]	孙园园, 徐富贤, 孙永健, 等. 四川稻作区优质稻生产气候生态条件适宜性评价及空间分布[J]. 中国生态农业学报, 2015, 23(4): 506-513. SUN Y Y, XU F X, SUN Y J, et al. Suitability evaluation of eco-climatic conditions for high quality rice production in Sichuan Province[J]. Chinese Journal of Eco-Agriculture, 2015, 23(4): 506-513.