基于logistic模型評(píng)估黑龍江農(nóng)業(yè)生態(tài)系統(tǒng)水土資源利用與變化

馮 釗，張凱旋

（1.清華大學(xué)地球系統(tǒng)科學(xué)系/地球系統(tǒng)數(shù)值模擬教育部重點(diǎn)實(shí)驗(yàn)室，北京 100084；2.全球變化與中國(guó)綠色發(fā)展協(xié)同創(chuàng)新中心，北京 100875；3.西北農(nóng)林科技大學(xué)林學(xué)院，陜西 咸陽(yáng) 712100）

【研究意義】農(nóng)業(yè)健康發(fā)展是我國(guó)“十三五”規(guī)劃的明確要求。Logistic模型方程的產(chǎn)生之初是用于描述人口及動(dòng)植物、微生物種群的數(shù)量增長(zhǎng)。經(jīng)近兩百年的發(fā)展，現(xiàn)被用于經(jīng)濟(jì)增長(zhǎng)、農(nóng)業(yè)發(fā)展、生態(tài)系統(tǒng)評(píng)估等多個(gè)方面。該曲線形如“S”型，能基于統(tǒng)計(jì)觀測(cè)數(shù)據(jù)預(yù)估研究對(duì)象在未來(lái)的數(shù)量變化趨勢(shì)及環(huán)境最大容納量（K值）?；谠撃Ｐ头治龅霓r(nóng)業(yè)水土資源等指標(biāo)變化，可為當(dāng)?shù)剞r(nóng)業(yè)水資源部門、土地管理部門提供水土資源利用的參考信息，以促進(jìn)糧食安全生產(chǎn)?！厩叭搜芯窟M(jìn)展】在農(nóng)業(yè)生態(tài)系統(tǒng)中，產(chǎn)生“S”型的限制因子有多種［1］，如管理水平、水土資源等［2］。在曲線的農(nóng)業(yè)利用方面，喬瑞波等［3］基于Logistic模型評(píng)估浙江省耕種面積的極值變化；陳淇等［4］利用Logistic模型測(cè)算農(nóng)業(yè)土地面積流轉(zhuǎn)；徐建英等［5］利用Logistic模型分析臥龍地區(qū)土地資源的流轉(zhuǎn)；呂德東等［6］利用Logistic模型分析農(nóng)作物大豆中豆莢結(jié)構(gòu)與食心蟲(chóng)之間的抗性關(guān)系；Shabani等［7］利用雙Logistic模型估算在水脅迫條件下，模擬農(nóng)作物冬油菜生長(zhǎng)與干物質(zhì)的變化量；陳其清等［8］利用Logistic方程計(jì)算農(nóng)業(yè)經(jīng)濟(jì)變化。水稻是我國(guó)重要的糧食作物之一，從東北到海南均有分布。近年來(lái)，市場(chǎng)對(duì)東北大米偏好增加，加速了東北水稻的擴(kuò)大種植［9］，導(dǎo)致近20年種植面積翻兩番［10］，并且總產(chǎn)量持續(xù)增長(zhǎng)。黑龍江省較遼寧省和吉林省增長(zhǎng)更為突出。水稻對(duì)農(nóng)業(yè)水土資源的需求導(dǎo)致黑龍江農(nóng)業(yè)生態(tài)系統(tǒng)不斷調(diào)整種植結(jié)構(gòu)、部分地市將旱地變成水澆地，出現(xiàn)“旱改水”［11］的現(xiàn)象。Liu等［2］利用數(shù)學(xué)模型評(píng)價(jià)了黑龍江三江平原地區(qū)水土資源恢復(fù)力。

【本研究切入點(diǎn)】利用Logistic模型（數(shù)學(xué)模型）和RMSE模型（檢驗(yàn)?zāi)Ｐ停┑慕y(tǒng)計(jì)方法，結(jié)合黑龍江農(nóng)業(yè)生態(tài)系統(tǒng)近20年水土資源利用的相關(guān)指標(biāo)。深入研究黑龍江省水土資源的利用情況和變化過(guò)程?！緮M解決的關(guān)鍵問(wèn)題】在當(dāng)前農(nóng)業(yè)科技管理水平下，分析糧食產(chǎn)量、種植面積、農(nóng)業(yè)水資源供應(yīng)等指標(biāo)的趨勢(shì)變化，并擬合、計(jì)算、評(píng)估出單產(chǎn)、總產(chǎn)、種植面積等指標(biāo)極值與時(shí)間的相關(guān)關(guān)系［12］，驗(yàn)證Logistic模型可應(yīng)用于農(nóng)業(yè)生態(tài)系統(tǒng)中大尺度、多指標(biāo)的變化，同時(shí)探究國(guó)家農(nóng)業(yè)政策、農(nóng)業(yè)管理信息、農(nóng)業(yè)科技水平和氣候條件等內(nèi)外限制因子對(duì)農(nóng)業(yè)生態(tài)系統(tǒng)的影響。

1 研究區(qū)域概況

1.1 糧食作物種植概況

黑龍江境內(nèi)有松嫩平原、三江平原等平原地區(qū)，盛產(chǎn)大豆、玉米、水稻等糧食作物。該地區(qū)年降雨量為400～650 mm，年均溫為-5～5℃，初霜凍一般出現(xiàn)在9月份，終霜凍一般在4月底至5月初，全年平均積溫的波動(dòng)范圍為1 800～2 800℃（在≥10℃的條件下）［13］。由于農(nóng)作物對(duì)溫度和水資源需求，水稻種植區(qū)域多集中在該省東南部［14］。1985—2016年《國(guó)家統(tǒng)計(jì)年鑒》數(shù)據(jù)表明，1985年水稻種植總面積約占全國(guó)的5%，2015年占10%。2016年水稻種植總面積約為3.20×106hm2，約占全國(guó)水稻種植總面積（3.02×107hm2）的10.6%；玉米種植總面積為（5.22×106hm2），約占全國(guó)玉米總種植面積（3.68×107hm2）的14.2%；大豆種植總面積為3.05×106hm2，約占全國(guó)大豆種植總面積（9.70×106hm2）的31.4%［14］。2017年，黑龍江省糧食總產(chǎn)量在全國(guó)省份排名第一，其中水稻種植總面積同比增幅最大。

1.2 農(nóng)業(yè)水資源使用概況

農(nóng)業(yè)供水來(lái)源包括地表水和地下水。降雨影響該地區(qū)的地表水和地下水安全。王振芬等［15］研究表明，1961—2011年黑龍江降雨量出現(xiàn)逐漸減少的趨勢(shì)。由于該地區(qū)耗水作物種植面積擴(kuò)大，農(nóng)業(yè)水資源的供應(yīng)量在近20年連年攀升，但地表水的供應(yīng)量未出現(xiàn)明顯增加，導(dǎo)致了地下水的加速開(kāi)采，以彌補(bǔ)農(nóng)業(yè)對(duì)水資源的需求。截至2014年，地下水的供應(yīng)量約為2004年的1.5倍。據(jù)預(yù)測(cè)，該地區(qū)農(nóng)業(yè)“旱改水”的持續(xù)增加將加快水資源消耗，在未來(lái)甚至?xí)霈F(xiàn)水資源匱乏、極端干旱等現(xiàn)象［16］。

2 材料與方法

2.1 數(shù)據(jù)來(lái)源

農(nóng)業(yè)生態(tài)系統(tǒng)中作物產(chǎn)量、面積等數(shù)據(jù)來(lái)源于1995—2017年《黑龍江省統(tǒng)計(jì)年鑒》和《國(guó)家統(tǒng)計(jì)年鑒2017》。農(nóng)業(yè)用水?dāng)?shù)據(jù)來(lái)源于1995—2017年《黑龍江統(tǒng)計(jì)年鑒》和2005—2017年《黑龍江水利年鑒》。

2.2 研究方法

Logistic模型可將研究對(duì)象的變化范圍分成開(kāi)始期、加速期、轉(zhuǎn)折期、減速期和飽和期5個(gè)時(shí)期。本研究中，開(kāi)始期研究對(duì)象數(shù)量發(fā)展較緩慢，不斷適應(yīng)外界條件的變化；加速期是基于開(kāi)始期發(fā)生數(shù)量上的急劇增加，增長(zhǎng)率逐漸達(dá)到最大；轉(zhuǎn)折期是介于加速期和減速期之間的分界點(diǎn)；減速期是研究對(duì)象增加量逐漸減小的時(shí)期；而在飽和期則研究對(duì)象數(shù)量趨于穩(wěn)定，出現(xiàn)最大環(huán)境容納量（K值），發(fā)展達(dá)到最大限度［17］。Logistic模型的具體表達(dá)式為：式中，N表示在生態(tài)系統(tǒng)中研究對(duì)象的數(shù)量大?。籏值表示環(huán)境容納量極大值；t表示時(shí)間；r為不同Logistic曲線下的常數(shù)，能夠影響“S”型曲線坡度。

3 結(jié)果與分析

3.1 土地資源利用變化分析

3.1.1 水稻和糧食作物種植面積的變化 從圖1A可見(jiàn)，水稻種植總面積（Rice total Plating Area，RPA）的增長(zhǎng)期大約開(kāi)始于2002年。2002—2015年出現(xiàn)明顯的加速期、轉(zhuǎn)折期和減速期。水稻種植面積在2015年開(kāi)始出現(xiàn)拐點(diǎn)，極值在2020年出現(xiàn)，大小約為4.05×106hm2。對(duì)比水稻種植面積變化，從圖1B可知，糧食作物種植總面積（Crop total Planting Area，CPA）增長(zhǎng)趨勢(shì)與水稻的增長(zhǎng)趨勢(shì)相近，增長(zhǎng)期也開(kāi)始于2002年，但減速期拐點(diǎn)在2014年產(chǎn)生，而飽和期在2016年出現(xiàn)，產(chǎn)生極值的大小約為1.43×107hm2。可見(jiàn)，糧食作物的種植總面積K值出現(xiàn)的年份稍早于水稻種植總面積出現(xiàn)的年份。

圖1 1996—2016年黑龍江省水稻（A）及糧食作物（B）種植總面積變化Fig. 1 Changes in RPA（A） and CPA（B） in Heilongjiang Province from 1996 to 2016

3.1.2 水稻和糧食作物單產(chǎn)的變化 單產(chǎn)是農(nóng)田系統(tǒng)管理水平、物候條件、土壤肥力的綜合體現(xiàn)。由圖2可知，加速期開(kāi)始于2008年，減速期止于2014年，糧食作物單產(chǎn)（Crops Per unit Yield，CPY）的極值約為5 275 kg/hm2。由圖3可知，水稻單產(chǎn)（Rice Per Unit Yield，RPY）在1980年以前就進(jìn)入加速期，進(jìn)入飽和期年份約為2016年，預(yù)期得到水稻單產(chǎn)極值為7 030 kg/hm2。對(duì)比糧食作物單產(chǎn)的變化，水稻單產(chǎn)的增長(zhǎng)時(shí)間長(zhǎng)，增長(zhǎng)期持續(xù)時(shí)間長(zhǎng)，最終進(jìn)入穩(wěn)定期的年份滯后，“S”型曲線的坡度比作物單產(chǎn)的坡度小。

圖2 1996—2016年黑龍江省糧食作物單產(chǎn)變化Fig. 2 Changes in CPY in Heilongjiang Province from 1996 to 2016

圖3 1980—2016年黑龍江省水稻單產(chǎn)變化Fig. 3 Changes in RPY in Heilongjiang Province from 1980 to 2016

圖4 1996—2016年黑龍江糧食作物總產(chǎn)量（A）與2004—2016年農(nóng)業(yè)總供水量（B）變化Fig. 4 Changes in CTY（A） in Heilongjiang Province from 1996 to 2016 and ATW（B） from 2004 to 2016

3.2 農(nóng)業(yè)水資源利用和糧食總產(chǎn)量變化結(jié)果

從圖4A可以看出，糧食作物總產(chǎn)量（Crop Total Yield，CTY）的變化趨勢(shì)與圖1A相同，在2004年開(kāi)始進(jìn)入加速期，在2014年進(jìn)入拐點(diǎn)，達(dá)到穩(wěn)定期。此外，糧食作物總產(chǎn)量極值在2020年產(chǎn)生，約為6.39×107t。從圖4B可知，水資源供水極值與水稻的變化趨勢(shì)基本一致。供水極值在2016年左右產(chǎn)生，約為3.16×108m3。2016年農(nóng)業(yè)水資源總供給量（Agricultural Total Water supply，ATW）已進(jìn)入曲線的飽和期，表明黑龍江省農(nóng)業(yè)供水水平已達(dá)上限。

3.3 水土資源指標(biāo)模型驗(yàn)證及相關(guān)分析

為進(jìn)一步驗(yàn)證Logistic模型的可靠性，通過(guò)國(guó)家和黑龍江省長(zhǎng)期統(tǒng)計(jì)結(jié)果與模型模擬數(shù)據(jù)的比較分析，計(jì)算Logistic模型在黑龍江農(nóng)業(yè)生態(tài)系統(tǒng)水土資源和部分農(nóng)業(yè)指標(biāo)模擬的符合度。同時(shí)采用相對(duì)均方根誤差（Root Mean Square Error，RMSE） 模型檢驗(yàn)方法評(píng)估Logistic模擬值與統(tǒng)計(jì)值的符合度， 其中R2為擬合優(yōu)度（決定系數(shù)），n為統(tǒng)計(jì)數(shù)量，r為Pearson相關(guān)系數(shù)。當(dāng) RMSE 值小于10%時(shí)，模擬值與統(tǒng)計(jì)值一致性非常好；當(dāng) RMSE值在 10%～20%之間時(shí)，表明二者一致性較好；當(dāng) RMSE 值在 20%～30% 時(shí)，二者一致性一般；而當(dāng) RMSE 值大于 30%時(shí)，表明二者存在較大偏差，一致性較差［18］。

不同類別的Logistic模型模擬檢驗(yàn)結(jié)果如表1 所示。由表1可知，Logistic模型模擬的6種類別的統(tǒng)計(jì)值與模擬值間相關(guān)性極好。6種類別的RMSE 值均小于 10%，說(shuō)明二者間存在非常好的一致性。6種類別的擬合優(yōu)度分別為0.97、0.98、0.91、0.92、0.97和0.89，都達(dá)到了0.01水平下的極顯著相關(guān)關(guān)系?？傮w而言，Logistic模型的模擬效果較好，利用該模型模擬黑龍江省水土資源和部分農(nóng)業(yè)指標(biāo)的變化趨勢(shì)是可行的。

表1 不同類別模型與統(tǒng)計(jì)檢驗(yàn)結(jié)果Table1 Different categories and statistical test results

3.4 不同積溫帶地市土地資源利用變化分析

黑龍江農(nóng)業(yè)信息網(wǎng)公布信息表明，黑龍江地區(qū)有多種積溫帶分布。其中，第一、第二積溫帶在西南和東南均有分布，第三、第四積溫帶在黑龍江省中間分布，第五、第六積溫帶大體位于西北方，部分位于東北方。溫度差異決定了積溫帶的分布不同，也決定了種植作物分布差異。該地區(qū)水稻、玉米的生長(zhǎng)積溫均值約為2 500℃，大豆、小麥的生長(zhǎng)積溫均值約為1 500℃。根據(jù)《黑龍江統(tǒng)計(jì)年鑒2000—2017》的數(shù)據(jù)和不同積溫帶分布，可得典型積溫帶不同地市的土地利用數(shù)值與Logistic模型之間的關(guān)系。從表2可見(jiàn)，六地市中不同類型（面積和單產(chǎn)）指標(biāo)大體符合Logistic模型。其中，種植面積的擬合優(yōu)度明顯高于產(chǎn)量的，且前者模擬值和統(tǒng)計(jì)值二者間具有較強(qiáng)的相關(guān)性。而糧食作物單產(chǎn)、水稻單產(chǎn)的擬合優(yōu)度范圍跨度較大，存在部分指標(biāo)的擬合優(yōu)度偏低，如伊春糧食作物單產(chǎn)。均方根誤差RMSE也反映出不同積溫帶地市的統(tǒng)計(jì)值與Logistic模型之間的差值，也是重要的參考指標(biāo)。從R2和r、RMSE等3種統(tǒng)計(jì)指標(biāo)分析可得，種植面積變化的擬合程度高于單產(chǎn)、總產(chǎn)的變化。伊春的水稻單產(chǎn)和大興安嶺的糧食單產(chǎn)變化不遵循Logistic變化。

表2 典型積溫地市帶不同類別模型與統(tǒng)計(jì)檢驗(yàn)結(jié)果Table2 Different categories and statistical test results of typical Accumulated Temperature Zones（ATZ）

4 討論

4.1 水土資源利用與產(chǎn)生“S”型變化的主要原因

糧食全要素生產(chǎn)率和技術(shù)效率［19］影響農(nóng)業(yè)的發(fā)展，是農(nóng)業(yè)生產(chǎn)水平的反映。糧食單產(chǎn)、總產(chǎn)的提高和種植面積的優(yōu)化也是衡量生產(chǎn)效率和技術(shù)的重要參考指標(biāo)。

黑龍江農(nóng)業(yè)水土資源產(chǎn)生的“S”型變化與該地區(qū)農(nóng)業(yè)發(fā)展的限制因子有關(guān)。國(guó)家政策（經(jīng)濟(jì)政策、水資源政策等）、農(nóng)業(yè)科技水平（機(jī)械化、基因工程育種等）和農(nóng)業(yè)管理（施肥管理、灌溉等）是形成該曲線變化的主要限制因子。以水稻為例，國(guó)家從2004年恢復(fù)對(duì)黑龍江地區(qū)的最優(yōu)保底政策，并同時(shí)實(shí)行“一免兩補(bǔ)”，有效刺激水稻種植總面積的增長(zhǎng)，該現(xiàn)象的出現(xiàn)與圖1A中的變化趨勢(shì)保持一致。此外，氣候變暖、抗凍品種（如富士光和龍稻5號(hào)等稻米）的培育和農(nóng)業(yè)災(zāi)害防治水平的提高也有利于水稻單產(chǎn)和總產(chǎn)的持續(xù)增加。從水稻單產(chǎn)變化的時(shí)間分析可知，水稻單產(chǎn)增長(zhǎng)始于20世紀(jì)80年代，近40年穩(wěn)步提高，這種變化趨勢(shì)與農(nóng)業(yè)技術(shù)發(fā)展、變革的時(shí)間基本一致。另外，水稻種植面積的極值，既受外部因子的影響，也受地形、溫度、水資源供應(yīng)等內(nèi)部限制因子的制約，Logistic模型中K值的出現(xiàn)是該農(nóng)業(yè)生態(tài)系統(tǒng)發(fā)展的必然結(jié)果。

對(duì)農(nóng)業(yè)水資源利用分析可知，水稻是對(duì)水資源需求最高的糧食作物。水稻種植面積影響農(nóng)業(yè)水資源總量的供給變化，水稻種植總面積的“S”型變化也決定了水資源供應(yīng)的“S”型變化。若未來(lái)水資源灌溉技術(shù)出現(xiàn)革新，那么農(nóng)業(yè)水資源供應(yīng)量將在現(xiàn)有的“S”型變化曲線的基礎(chǔ)上發(fā)生明顯下降。而其變化依然是形成一個(gè)新的“S”型的遞減規(guī)律，最終產(chǎn)生新的K值。

黑龍江近20年主要糧食作物的單產(chǎn)，為水稻＞玉米＞小麥＞大豆。當(dāng)前糧食作物單產(chǎn)的“S”型變化是基于當(dāng)前糧食作物的種植比例下統(tǒng)計(jì)學(xué)指標(biāo)均值的體現(xiàn)，是降雨、溫度和土壤質(zhì)地等內(nèi)部因子和外部國(guó)家政策、管理水平和農(nóng)業(yè)科技水平等因子綜合作用的結(jié)果。當(dāng)未來(lái)國(guó)家政策、農(nóng)業(yè)科技水平和農(nóng)業(yè)管理中有任何一個(gè)限制因子在當(dāng)前基礎(chǔ)上發(fā)生變化，農(nóng)業(yè)生態(tài)系統(tǒng)的“S”型曲線將在現(xiàn)有基礎(chǔ)上發(fā)生變化，進(jìn)入下一個(gè)Logistic周期。

4.2 Logistic模型與RMSE的不確定性

Logistic方程是基于現(xiàn)有數(shù)據(jù)而產(chǎn)生的經(jīng)驗(yàn)?zāi)Ｐ?。?duì)于預(yù)測(cè)農(nóng)業(yè)生態(tài)系統(tǒng)指標(biāo)變化，其前提條件是，該農(nóng)業(yè)生態(tài)系統(tǒng)中農(nóng)業(yè)管理、農(nóng)業(yè)科技水平、氣候條件等不會(huì)發(fā)生明顯變化，即依據(jù)當(dāng)前氣候和農(nóng)業(yè)管理、資源水平而產(chǎn)生的預(yù)測(cè)極值。不確定性主要來(lái)源于：（1）統(tǒng)計(jì)學(xué)誤差，即已獲得統(tǒng)計(jì)學(xué)數(shù)據(jù)存在人為統(tǒng)計(jì)偏差及系統(tǒng)誤差；（2）未來(lái)的農(nóng)業(yè)生態(tài)系統(tǒng)科技管理水平提高和氣候變化等限制因子改變。均方根誤差RMSE常用于衡量統(tǒng)計(jì)值與模擬值之間的誤差大小，通常與R2等指標(biāo)同時(shí)出現(xiàn)。在研究典型積溫帶中，佳木斯的作物種植面積出現(xiàn)RMSE值小、而R2也偏小的情況。這可能與統(tǒng)計(jì)值數(shù)量以及模型的時(shí)間尺度有關(guān)。因此，衡量模型的擬合優(yōu)劣，需要評(píng)估多種指標(biāo)，否則也會(huì)出現(xiàn)類似于RMSE失真的可能性。

4.3 未來(lái)氣候變化的水土資源利用與K值的關(guān)系

據(jù)IPCC第五次研究報(bào)告表明，到2100年，地球平均溫度將比當(dāng)前提高約0.3～4.8℃［20］，但東北地區(qū)降雨量在未來(lái)無(wú)明顯變化。根據(jù)Thomthwait方程［21］，當(dāng)溫度升高，蒸騰作用加劇，作物生長(zhǎng)周期的需水量也隨之加劇。在現(xiàn)有灌溉水量條件下，水稻、大豆等耗水量偏大的糧食作物產(chǎn)量發(fā)生水脅迫［22］，在未來(lái)產(chǎn)值可能低于預(yù)期K值。若保證糧食產(chǎn)量不變，則種植面積K值會(huì)相應(yīng)減小。而市場(chǎng)對(duì)東北水稻的需求、國(guó)家政策對(duì)大豆總產(chǎn)的需求都將增大作物種植面積的K值。若未來(lái)氣候變化條件不明顯，農(nóng)業(yè)生態(tài)系統(tǒng)的最大值也依然會(huì)受到突發(fā)因素（土壤質(zhì)地、洪澇、部分干旱［12］等）的干擾，其真實(shí)產(chǎn)量N將圍繞Logistic模型K值上下波動(dòng)［17］。

4.4 Logistic模型周期與K值的關(guān)系

Logistic模型K值的產(chǎn)生是生態(tài)系統(tǒng)限定因子，包含國(guó)家政策、農(nóng)業(yè)科技水平和農(nóng)業(yè)管理等綜合作用的結(jié)果。當(dāng)農(nóng)業(yè)系統(tǒng)中限定因子發(fā)生改變，K值也將相應(yīng)地發(fā)生變化。化肥、水利設(shè)施、農(nóng)業(yè)管理和種植品種均為該農(nóng)業(yè)生態(tài)系統(tǒng)外部的限制因子，而土壤質(zhì)地、氣候、積溫帶等則屬于該系統(tǒng)內(nèi)部的限制因子。因此，當(dāng)某種限制因子不再制約農(nóng)業(yè)的發(fā)展時(shí)，農(nóng)業(yè)生態(tài)系統(tǒng)各變量將擬合一個(gè)新的Logistic方程，并以當(dāng)前時(shí)期為開(kāi)始期，進(jìn)入下一個(gè)“S”型變化周期，依據(jù)外部變化可增可減，從而產(chǎn)生新的K值。

4.5 黑龍江農(nóng)業(yè)系統(tǒng)水土資源的潛在風(fēng)險(xiǎn)

根據(jù)Logistic方程分析，水稻種植面積極值的產(chǎn)生時(shí)間晚于農(nóng)業(yè)水資源用量極值的產(chǎn)生時(shí)間，因此，該系統(tǒng)可能面臨水資源虧損的風(fēng)險(xiǎn)。在未來(lái)氣候變化條件下，溫度升高和降雨的減少也會(huì)帶來(lái)水資源虧損的風(fēng)險(xiǎn)。另外，長(zhǎng)時(shí)間的“旱改水”導(dǎo)致旱地土壤細(xì)菌、真菌和放線菌比值與總量的變化，將影響土壤的特性。國(guó)家化肥零增長(zhǎng)［23］政策一方面有助于降低化土壤性質(zhì)變化的風(fēng)險(xiǎn)，但另一方面也給維持糧食高產(chǎn)量帶來(lái)了巨大的挑戰(zhàn)。

5 結(jié)論

（1）本研究采用 RMSE模型檢驗(yàn)的方法，對(duì)統(tǒng)計(jì)值與Logistic模擬值之間進(jìn)行了擬合相關(guān)性分析，從模型的模擬值與統(tǒng)計(jì)值間的 RMSE 值可知，Logistic模型可以較好地模擬黑龍江水土資源的動(dòng)態(tài)變化。

（2）根據(jù)模型評(píng)估分析表明，黑龍江農(nóng)業(yè)生態(tài)系統(tǒng)農(nóng)業(yè)水資源供應(yīng)量在2016年產(chǎn)生極值，約為3.16×108m3。糧食作物種植總面積在2016年達(dá)到極值，約為1.43×107hm2。同時(shí)，在2020年，水稻種植面積極值約為4.05×106hm2，水稻單產(chǎn)極值約為7 030 kg/hm2。此外，糧食作物總產(chǎn)極值為6.39×107t，潛在增量約為1.14×107t。未來(lái)還可從優(yōu)化管理、提高水資源利用率、增加土壤肥力、基因工程培育高產(chǎn)作物等方面來(lái)提高黑龍江農(nóng)業(yè)生態(tài)系統(tǒng)總生產(chǎn)力。