李子琳，韓 逸，郭 熙，國佳欣，林雯璐

(江西農業(yè)大學 國土資源與環(huán)境學院/江西省鄱陽湖流域農業(yè)資源與生態(tài)重點實驗室，江西 南昌 330045)

“洪范八政，食為政首”。糧食既是關乎民生的重要物質基礎，更是國家安全的重要保障。保障糧食安全始終是治國安邦的頭等大事[1-2]，古今中外皆是如此。我國作為人口大國，是糧食消耗大國，糧食安全問題一直受到國內外的廣泛關注[3-4]。雖然自2004年以來，我國糧食產量實現了“十二連增”[5]，但糧食自給率卻在下降[6-7]，據統計數據，2017年我國的糧食自給率降到了82.3%左右，低于世界安全標準的90%。2018年，糧食總產量下降[8]。究其原因，一是耕地面積持續(xù)減少，二是耕地產能低。耕地產能主要取決于面積與單產[9]。提高糧食產量最簡單的方法就是增加耕地面積，但在耕地面積難以增多的情況下[10]，穩(wěn)定并提高單位耕地面積的糧食生產能力，即耕地產能，就成為保障我國糧食安全的重要途徑[11]。習近平總書記指出，“確保國家糧食安全，把中國人的飯碗牢牢端在自己手中”。同時，要“藏糧于地、藏糧于技”，即通過穩(wěn)定與提升耕地單產，將耕地變成最大的糧食倉儲庫。這一戰(zhàn)略為保障我國糧食安全找到了新途徑。為充分開發(fā)耕地生產潛力，開展耕地產能影響因素研究，科學把握耕地產能影響因素及其相互作用，對于揭示區(qū)域耕地產能的主要驅動因素，保障國家糧食安全，提高區(qū)域糧食產能等具有現實意義。

目前，學術界圍繞耕地產能及其影響因素展開了諸多研究。其中，國外關于糧食產能的研究較為宏觀：Welch等[12]、Lobell等[13]發(fā)現，溫度升高導致作物產量下降；Alhaj Hamoud等[14]通過試驗發(fā)現，灌溉制度和土壤質地及其相互作用會顯著影響水稻產量；Senghor等[15]指出，CO2濃度升高對小麥、大米等糧食作物產量有不同程度的提升效果；Denardin等[16]通過試驗對比發(fā)現，免耕系統比傳統耕作系統更有利于土壤有機質的提升，從而有助于提高水稻產量。國內研究多側重于自然因素對耕地產能的影響：熊偉等[17]、宋戈等[18]、張紅富等[19]、王國敏等[20]結合氣候、水資源、CO2肥效、地貌類型、有機質等影響因子，探討其對耕地產能的影響程度與作用方向；也有學者就化肥施用[21]、氣候變化[22]、土地利用變化[23]等單一因子對耕地產能的作用進行分析。

耕地生產是社會再生產和自然再生產的有機結合，耕地產能受自然、地力、社會、技術等眾多因素的影響。楊建波等[24]選取了11個因素，通過多組模型分析，發(fā)現各因素指標分級對糧食增產能力的影響各不相同；王群[25]認為，耕地糧食產量取決于耕地面積、復種指數、播種面積、糧食單產這4大因素。宋戈等[18]通過因子降維模型進行因子識別，優(yōu)化識別后的影響因子主要包括差值植被指數(DVI)、地貌類型、坡度、黑土層厚度、有機質、機械化程度和灌溉潛力，其中，機械化程度對產能的影響最大，黑土層厚度的影響最小，坡度對耕地產能有負向作用；張紅富等[19]發(fā)現，有機質、農業(yè)灌排條件和利用系數是影響省域尺度耕地單產的主導因子。

總體來說，影響耕地產能的因子數量繁多，作用機理復雜。在研究層面上，現有研究大多是從宏觀角度選擇各影響因素，專門針對南方丘陵區(qū)的特征分析當地耕地產能影響因素的研究較為少見；在研究對象上，當前研究大多只關注各因素本身對耕地產能的影響，忽略了因素間的相互作用；在研究方法上，多采用的是因子分析、回歸分析、相關性分析等傳統方法，難以揭示各潛變量之間的相互關系和影響程度。

高安市位于全國9大商品糧基地之一的鄱陽湖平原商品糧基地。近年來，高安市經濟社會的快速發(fā)展占用了大量耕地，區(qū)域耕地數量持續(xù)減少。而且，隨著耕種年限的上升，耕地土壤退化嚴重，耕地產量出現波動性與不確定性，區(qū)域糧食生產存在較大問題與風險。為此，本研究選擇高安市作為研究區(qū)，基于耕地產能核算，探索性地運用結構方程模型對耕地產能的影響因素進行分析，克服傳統分析方法的缺陷，處理多個潛變量間的關系，描述各變量間復雜的相互作用，探討耕地產能的主導因素與限制因素，以期為因地制宜地制定相關政策，優(yōu)化限制因素，進而改善區(qū)域耕地質量、提高耕地產能提供一定的理論依據。

1 材料與方法

1.1 研究區(qū)概況

高安市是江西省宜春市下轄縣級市，位于江西省中部偏西北，地理坐標介于115°00′～115°34′E、28°02′～28°38′N，屬鄱陽湖平原區(qū)。作為全國糧食生產先進市(縣)，2018年高安市糧食產量達42.8億kg。高安市海拔在40～100 m，境內地形北高南低、中間舒緩平坦，為低山丘陵與河谷平原相間的“馬鞍形”地貌。高安市耕地資源豐富，耕地面積103 274.8 hm2，約占全市土地面積的28.8%，其中：水田69 979.26 hm2，水澆地111.5 hm2，旱地33 184.04 hm2。根據耕地質量評價結果，高安市耕地質量集中于三、四、五等這3個等級。

1.2 數據來源與處理

在綜合已有文獻研究的基礎上，結合高安市耕地狀況，同時考慮數據的可獲取性，從土壤養(yǎng)分、農田水利、地學特征、土壤性質這4個方面選取指標，最終確定14個觀測變量作為影響高安市耕地產能的衡量因子(表1)。

表1 高安市耕地產能的影響因子及其來源

Table 1 Factors and sources of cultivated land productivity in Gao’an

潛變量Latent variable觀測變量Observation variable選取依據Selection basis獲取方式Obtaining method土壤養(yǎng)分Soil nutrients全氮Total nitrogen全面反映耕地所需營養(yǎng)元素狀況Comprehensively reflect the status of nutrients required by cultivated land土壤采樣化驗獲取Soil sampling and testing有效磷Available phosphorus全面反映耕地所需營養(yǎng)元素狀況Comprehensively reflect the status of nutrients required by cultivated land土壤采樣化驗獲取Soil sampling and testing速效鉀Available potassium全面反映耕地所需營養(yǎng)元素狀況Comprehensively reflect the status of nutrients required by cultivated land土壤采樣化驗獲取Soil sampling and testing有效鋅Available zinc全面反映耕地所需營養(yǎng)元素狀況Comprehensively reflect the status of nutrients required by cultivated land土壤采樣化驗獲取Soil sampling and testing農田水利Farmland water灌溉條件Irrigation condition反映耕地灌溉用水量滿足程度Reflect the degree of irrigation water satisfaction實地調查獲取Field surveyconservancy排水條件Drainage condition反映耕地即時排除地表積水的能力Reflect the ability of cultivated land to immediately remove surface water實地調查獲取Field survey地學特征Geologicalcharacters坡度Slope田塊陡坡程度,影響土壤理化性質,從而影響產能The steep slope of field affects soil physiochemical properties地理空間數據云下載數據分析獲得Download DEM data based on geospatial data cloud耕層厚度Topsoil depth衡量土壤肥力Reflect soil fertility耕地質量年度更新數據Annual updated data oncultivated land quality地形部位Topographic position反映田塊所處位置與地形的不同類型Reflect the location and terrain of the field耕地質量年度更新數據Annual updated data oncultivated land quality地貌類型Geomorphologicaltype反映地表形態(tài)的不同類型Reflect the different types of the surface shape耕地質量年度更新數據Annual updated data oncultivated land quality土壤性質Soil propertiespH反映土壤酸堿性程度,對土壤養(yǎng)分與作物生長有重要影響Reflect the degree of soil acidity and alkalinity, which has an importantimpact on soil nutrients and crop growth土壤采樣化驗獲取Soil sampling and testing有機質Organic matter反映耕地土壤肥力與養(yǎng)分狀況Reflect the fertility and nutrient status of cultivated soil土壤采樣化驗獲取Soil sampling and testing土壤質地Soil texture反映土壤顆粒大小及其組合情況Reflect soil particle size and its combination土壤采樣化驗獲取Soil sampling and testing土壤容重Soil bulk density衡量耕地土壤孔隙度,反映土壤透氣性與透水性Reflect soil porosity, soil permeability and water permeabilityof cultivated land土壤采樣化驗獲取Soil sampling and testing

所用數據來自課題組于2018年在高安市布設的147個耕地產能監(jiān)測點。采樣位置分布狀況如圖1所示。全氮、有效磷、速效鉀、有效鋅、pH、有機質、土壤質地與土壤容重數據通過土壤采樣化驗獲?。还喔葪l件、排水條件的數據通過實地調研獲??；耕層厚度、地形部位與地貌類型數據系2017年耕地質量年度更新數據庫中的面狀數據，應用ArcGIS 10.2中的空間鏈接工具將這3類數據賦值到147個監(jiān)測點上；坡度數據基于地理空間數據云(http://www.gscloud.cn/)下載的GDEMDEM 30 m分辨率數字高程模型(DEM)獲得，經ArcGIS 10.2軟件處理。此外，通過實地調查獲取這147個樣點對應農用地的單位面積糧食產量。理論產能與可實現產能根據江西省農用地分等成果獲取樣點的地力等級計算耕地單位面積產量。

基于已獲取數據，對全氮、有效磷、速效鉀、有效鋅、pH、有機質和土壤容重依據《土壤養(yǎng)分等級分級標準》進行數據標準化處理；對灌溉條件、排水條件、坡度、耕層厚度、地形部位、土壤質地等依據《農用地質量分等規(guī)程》進行數據標準化處理；對地貌類型，借鑒宋戈等[26]的研究，根據變量的實際數值與分級標準進行打分賦值，從而實現不同尺度、不同種類變量的統一性與可比性。

圖1 研究區(qū)樣點分布圖Fig.1 Distributed map of sample points

1.3 研究方法

1.3.1 耕地產能計算

本文所分析的耕地產能包括理論單產、可實現單產與實際單產，單產均是指單位面積產量。

(1)理論單產。依據農用地自然質量等指數核算農用地理論產能，以二級指標區(qū)為單位，建立該區(qū)指定作物理論單產與樣點所在農用地自然等指數的函數關系：

yi″=aRi+b。

(1)

式(1)中：yi″為調查點i對應農用地的理論單產樣本值；Ri為調查點i對應農用地的自然等指數；a、b為回歸系數[26]。高安市屬于沿江平原區(qū)，經過數理分析與論證檢驗，確定該指標區(qū)理論單產核算模型為

yi″=0.275 8Ri+361.2。

(2)

將2018年高安市農用地自然等指數代入數學模型，計算出每個樣點對應地塊的理論單產。

(2)可實現單產。依據農用地利用質量等指數核算農用地可實現產能，以二級指標區(qū)為單位，建立該區(qū)指定作物可實現單產與樣點所在農用地利用等指數的函數關系：

yi′=cYi+d。

(3)

式(3)中：yi′為調查點i對應農用地的可實現單產樣本值；Yi為調查點i對應農用地的利用等指數；c、d為回歸系數[27]。經過論證檢驗，確定該指標區(qū)可實現單產核算模型為

yi′=0.309 4Yi+265.45。

(4)

將2018年高安市農用地利用等指數代入數學模型，計算出每個樣點對應田塊的可實現單產。

(3)實際單產。主要思路是根據單季產量和耕作制度，計算每個樣點所在田塊的實際生產能力。首先對每個樣點所處田塊進行實地調查測產，之后結合當地農業(yè)部門的統計年鑒數據和高安市耕作制度求得樣點所在田塊的實際產能，得到的實際產能除以對應面積即視為該樣點的實際單產。

1.3.2 結構方程模型

結構方程模型(SEM)是一種多元統計分析技術。該模型引入潛變量的概念，有效結合因子分析和路徑分析2種主流分析方法[28]，可以模擬復雜的因子關系。該模型包含了結構模型與測量模型2個基本模型，具體如下：

η=Bη+Γξ+ζ；

(6)

X=ΛXξ+δ，Y=ΛYη+ε。

(7)

式(6)為結構方程，描述的是潛變量之間的關系，η為內生潛變量，ξ為外生潛變量，ζ為殘差項，B和Γ為路徑系數。

式(7)為測量方程，描述的是潛變量與觀測變量之間的關系，X為外生潛變量ξ的觀測變量，Y為內生潛變量η的觀測變量，ΛX與ΛY分別表示觀測變量對潛變量ξ與η的因子負荷矩陣，δ與ε分別表示外生變量與內生變量的誤差項。

運用軟件SPSS 22.0與AMOS 22.0進行數據處理與模型構建。

1.4 模型構建

由于本研究是在縣域尺度上開展的，因此，如政策制度、氣候條件、降水量等在小區(qū)域無顯著差別的因素在本文不予考慮。結合研究區(qū)特征和已有研究，本文總結了縣域尺度下對耕地產能影響較大的4類因素：一是土壤性質。土壤是糧食生產的基礎與載體，耕地質量高低很大程度上取決于土壤性質的優(yōu)劣，土壤性質可能直接影響耕地產能。二是農田水利。我國大部分農業(yè)都為灌溉農業(yè)，在水資源充裕的南方亦是如此。水利是農業(yè)的命脈，而且水利狀況在小區(qū)域范圍內具有較大的差異性，因此農田水利設施與灌溉條件差異可能是影響糧食產量的重要因素。三是土壤養(yǎng)分。土壤的蓄肥與供肥能力是作物產量的保障。江西土壤多為紅壤，酸性強，易板結，養(yǎng)分貧乏，有機質含量低，土壤本底質量較差，蓄肥能力也較差，因此區(qū)域的土壤養(yǎng)分狀況可能是耕地產能的決定因素。四是地學特征。耕地所處的地理環(huán)境對地表水分熱量再分配和耕地利用形式的確定有制約作用，因此可能對耕地產能存在不容忽視的影響。

根據上述分析與研究區(qū)特征，提出以下7項研究假設：假設1，土壤養(yǎng)分狀況對耕地產能有顯著的正向影響；假設2，農田水利對耕地產能有顯著的正向影響；假設3，土壤性質對耕地產能有顯著的正向影響；假設4，地學特征對耕地產能有顯著的正向影響；假設5，農田水利對土壤養(yǎng)分有顯著的正向影響；假設6，土壤性質對土壤養(yǎng)分有顯著的正向影響；假設7，地學特征對土壤養(yǎng)分有顯著的正向影響。

根據前人研究進展與研究區(qū)耕地產能特征，建立高安市耕地產能影響因素相互關系的概念模型。該模型共包含5個潛變量，分別為耕地產能、土壤養(yǎng)分、農田水利、土壤性質、地學特征，以及14個觀測變量。參照文獻[28]，綜合運用Cronbach’s α系數、Bartlett’s球形檢驗、卡方自由度之比(CMIN/DF)、擬合優(yōu)度指數(GFI)、調整擬合估度指數(AGFI)、近似誤差均方根(RMSEA)、正規(guī)擬合指數(NFI)、增量擬合指數(IFI)、Tucker-Lewis指數(TLI)、比較擬合指數(CFI)、精簡正規(guī)擬合指數(PNFI)、精簡比較擬合指數(PCFI)、精簡擬合優(yōu)度指數(PGFI)等指標，對所構建的模型進行信度評價。

2 結果與分析

2.1 數據處理與信度分析

為保證數據的有效性，應用SPSS 22.0對數據進行信度分析。采用Cronbach’s α系數檢驗各潛變量的信度，結果如表2所示：耕地產能、土壤養(yǎng)分、農田水利、土壤性質、地學特征5個潛變量的Cronbach’sα分別為0.802、0.629、0.781、0.733、0.774，絕對值均在0.6以上，說明該數據具有較好的信度，Bartlett’s球形檢驗值在1%的水平上顯著，表明各觀測變量具有良好的效度[28]。

2.2 模型運算

依據147個耕地產能監(jiān)測點數據，運用AMOS 22.0軟件對構建的耕地產能影響因素初始模型進行擬合，得到的初始模型如圖2所示。從路徑系數與顯著性來看，耕地產能與農田水利、地學特征、土壤性質間的路徑系數較小，且無較強的顯著性，表明各因素間的關系不顯著。從初始模型的擬合參數(表3)來看，模型參數不理想，模型擬合效果一般，因此需要對該初始模型做進一步的修正。對結構方程模型進行修正的依據包括模型參數的合理性與整個模型的適配性，并不是模型擬合參數越好，模型結果就越好。因此，需要根據模型的實際狀況與理論意義來進行模型的修正，使模型不僅具有統計學的理論意義，而且更體現現實意義。采用絕對擬合指數、相對擬合指數與精簡指數這3類指標進行模型優(yōu)化程度評價[29]。

表2 各變量的信度與效度檢驗

Table 2 Validity and reliability test results of survey questionnaire

變量Variable測量題項Item觀測變量Observation variableCronbachs α系數Cronbachs α coefficientBartletts球形檢驗Bartletts sphericity test耕地產能Y1理論產能Theoretical productivity0.802147.242(P<0.001)Cultivated land productivity(η1)Y2可實現產能Realizable productivityY3實際產能Actual productivity土壤養(yǎng)分Soil nutrients(η2)Y4全氮Total nitrogen0.62994.711(P<0.001)Y5有效磷Available phosphorusY6速效鉀Available potassiumY7有效鋅Available zinc農田水利X1灌溉條件Irrigation condition0.78176.814(P<0.001)Farmland water conservancy(ξ1)X2排水條件Drainage condition地學特征X3坡度Slope0.73326.723(P<0.001)Geological characters(ξ2)X4耕層厚度Topsoil depthX5地形部位Topographic positionX6地貌類型Geomorphological type土壤性質Soil properties(ξ3)X7pH0.774163.049(P<0.001)X8有機質Organic matterX9土壤質地Soil textureX10土壤容重Soil bulk density

圖2 高安市耕地產能影響因素初始模型Fig.2 Initial model of factors affecting cultivated land productivity in Gao’an

在修正過程中，地貌類型、土壤容重與有效鋅這3個觀測變量的路徑系數較小，表明其對潛變量無明顯影響[30]，因此剔除這3個觀測變量。在潛變量之間的路徑中，地學特征對耕地產能這一影響路徑一直未達到顯著性水平，不利于模型的優(yōu)化。為了提高模型整體的擬合度，在修正過程中去掉這一影響路徑。通過多次的修正與擬合，保證各路徑均通過顯著性檢驗，最終得出修正后的模型(圖3)與擬合指數表(表3)。從模型修正前后的指數來看，修正后的模型適配度指數均有一定程度的優(yōu)化，模型擬合度提高，擬合指數均在可接受范圍之內[28]，表明修正后的耕地產能影響因素關系模型較為合理。

2.3 模型結果與分析

從模型修正結果(表4)來看，在構建的初始模型中除了假設4不成立外，其余6個假設均成立。分析表明，農田水利、土壤養(yǎng)分與土壤性質對耕地產能有顯著(P<0.05)的直接影響，路徑系數分別為0.23、0.55與0.26。農田水利與土壤性質在直接影響耕地生產能力的同時，還通過土壤養(yǎng)分的中介作用對耕地產能產生間接的正向影響，路徑系數分別為0.33與0.24。地學特征不直接影響耕地產能，而是通過影響土壤養(yǎng)分間接影響耕地產能，路徑系數為0.51。在結構方程模型中，在有顯著相關性的前提下，路徑系數的絕對值越大，表示因素間的影響程度越大[28]。因此，在耕地產能影響因素模型中：土壤養(yǎng)分對耕地產能的直接影響最大；農田水利與土壤性質對耕地產能既存在直接影響也存在間接影響，且農田水利的影響大于土壤性質；地學特征則通過影響土壤養(yǎng)分而對耕地產能有間接影響。

表3 結構方程模型的適配度擬合指數

Table 3 Fitting goodness statistics of structural equation modeling

指數Index評判標準Judging criteria初始模型擬合結果Initial model results修正模型擬合結果Modified model results絕對擬合指數Absolute fit CMIN/DF1～3(越小越好,the smaller the better)2.9991.616GFI>0.900.8100.906AGFI>0.90(>0.8可接受,>0.8 acceptable)0.7330.853RMSEA<0.080.1170.065相對擬合指數Relative fit NFI>0.90(>0.8可接受,>0.8 acceptable)0.6930.860IFI>0.900.7720.941TLI>0.900.7100.918CFI>0.900.7650.939精簡指數Parsimonious fitPNFI>0.50.5600.633PCFI>0.50.6190.692PGFI>0.50.5780.578

圖3 高安市耕地產能影響因素的標準化修正模型Fig.3 Standardized modification model for factors affecting cultivated land productivity in Gao’an

表4 高安市耕地產能影響因素修正模型擬合結果

Table 4 Estimation results of structural equation modeling

路徑Path標準化系數Standardizationcoefficient路徑Path標準化系數Standardizationcoefficientη1←η20.545???Y5←η20.847???η1←ξ10.234???Y6←η20.637???η1←ξ30.259???X1←ξ10.681???η2←ξ20.506???X2←ξ10.942???η2←ξ30.240??X3←ξ2-0.348???η2←ξ10.330???X4←ξ20.764???Y1←η10.761???X5←ξ20.409???Y2←η10.725???X7←ξ30.656???Y3←η10.847???X8←ξ30.953???Y4←η20.502???X9←ξ30.618???

*、**、***分別表示在10%、5%與1%的水平上顯著。

*， ** and *** indicated significant levels at 10%， 5%， and 1% levels， respectively.

土壤養(yǎng)分對耕地產能有極顯著(P<0.01)的正向影響，假設1成立，其標準化路徑系數為0.55，即土壤養(yǎng)分變化1時，耕地產能變化0.55，表明土壤養(yǎng)分對耕地產能影響巨大。土壤養(yǎng)分變量在模型中屬于內生潛變量，其本身受多方面因素的影響，人類行為與自然變化均會對土壤養(yǎng)分造成不同程度的改變。施肥作為一種改善土壤養(yǎng)分狀況的重要方式，其邊際報酬已經進入遞減階段。根據模型分析結果，土壤養(yǎng)分受地學特征、土壤性質與農田水利等多方面因素的影響，若要進一步提高糧食產量，應將重點放在改善農田水利條件與土壤地學條件上，并結合人為管理與現代技術，更好地發(fā)揮土壤養(yǎng)分對耕地糧食產量的增產作用。

農田水利對耕地產能與土壤養(yǎng)分均有極顯著(P<0.01)的正向影響，其路徑系數分別為0.23與0.33，總效應為0.56，表明農田水利建設是糧食安全的重要保障，這與呂晨鐘[31]的研究一致。農田水利狀況主要由灌溉條件和排水條件決定。雖然高安市水資源豐富，年降雨量充沛，但存在耕地灌排設施布設凌亂、溝渠大多為灌排兩用溝渠等問題，且還存在較多的土質渠道，灌排基礎設施的落后不利于及時灌溉與排水。這些問題約束了高安市水資源的利用效益，進而降低了耕地利用效率，故農田的灌排條件會對耕地產能產生顯著的直接影響。另外，根據模型分析結果，農田水利對土壤養(yǎng)分也存在極顯著(P<0.01)影響。不合理的灌溉方式與灌溉水量可能造成土壤養(yǎng)分流失、土壤鹽堿化等問題，合理的灌溉方式和灌溉水量則有利于土壤養(yǎng)分涵養(yǎng)和作物吸收，這與李全起等[32]和亓沛沛等[33]的研究一致。同時，由于農田水利條件是影響高安市耕地產能的主要人為驅動因素，因此在提出提高耕地糧食產能的對策時應給予重點關注。

土壤性質對耕地產能與土壤養(yǎng)分均具有極顯著(P<0.01)的正向影響，路徑系數分別為0.26與0.24，總效應為0.50，表明土壤性質對耕地產能與土壤養(yǎng)分均具有較大影響。高安市的土壤類型以紅壤與黃壤為主，土壤養(yǎng)分貧瘠，質地黏重，易板結，且偏酸性，這些都限制了土壤原始特性對作物產量的作用。模型分析結果顯示，有機質、pH、土壤質地這3個觀測變量對土壤性質的貢獻率都較高，貢獻率由大到小依次為有機質>pH>土壤質地。同時，土壤性質對土壤養(yǎng)分具有極顯著(P<0.01)的影響，表明土壤性質可以影響土壤養(yǎng)分含量，進而通過土壤養(yǎng)分的中介作用間接地影響耕地產能。雖然南方土壤的原生條件較差，但高安市已在土壤理化性質的改良上做了較多努力，包括土壤酸化改良、土壤調理劑試驗等，為高安市耕地質量的改善與耕地產能的提高打下了良好的基礎。

地學特征對土壤養(yǎng)分狀況具有極顯著(P<0.01)的正向影響，路徑系數為0.51。從模型結果來看，地學特征不直接對耕地產能產生影響，而是通過影響土壤養(yǎng)分狀況間接影響耕地產能。這與宋戈等[26]在巴彥縣的研究不同。巴彥縣地處平原向山區(qū)的過渡地帶，地形起伏較大，故坡度、地貌與土層厚度均對當地的耕地產能產生直接的影響；而高安市屬于低山丘陵地區(qū)，總體地勢較為平緩。兩地地貌特征的差異是導致不同研究結果有差異的主要原因。對于耕層厚度來說，韓上等[34]通過研究發(fā)現，耕層厚度對作物產量與土壤養(yǎng)分累積量有顯著(P<0.05)影響，耕層厚度增加能改善土壤養(yǎng)分狀況，這與模型分析結果相符。此外，坡度的路徑系數為-0.35，雖然路徑系數較小，但卻是唯一一個具有反向作用的變量，因此在提出耕地質量改善的措施時要重視田面坡度對耕地產能的影響。

3 結論與討論

3.1 結論

本文以高安市為研究區(qū)域，運用結構方程模型，構建了潛變量與潛變量、潛變量與觀測變量之間的作用關系模型，并對區(qū)域耕地產能的多因素綜合影響進行了分析，清晰揭示了主要驅動因素及其影響路徑與影響程度。分析結果表明：農田水利、土壤性質與土壤養(yǎng)分是影響耕地產能的主要驅動因素，對耕地產能產生顯著的直接影響。另外，農田水利和土壤性質還能通過土壤養(yǎng)分的中介作用，對耕地產能產生間接影響。各因素對耕地產能的總效應從大到小依次為農田水利(0.56)>土壤養(yǎng)分(0.55)>土壤性質(0.26)。在本研究中，地學特征不直接影響耕地產能，而是對土壤養(yǎng)分有顯著的正向影響，從而間接影響耕地產能；坡度對耕地產能有負向作用。另外，模型運行結果顯示，土壤性質與地學特征之間有較強的相關性。耕地產能的影響因素具有多樣性與復雜性，不同區(qū)域與不同尺度范圍下其影響因素均會發(fā)生改變。本文所選取的研究區(qū)屬于典型的南方丘陵地區(qū)，研究結果可為南方類似地區(qū)的耕地產能影響因素研究提供參考。

根據研究結果，本文提出以下建議：第一，完善農田水利建設，改善農業(yè)生產條件。南方地區(qū)水資源豐富，但存在季節(jié)性缺水與洪澇災害并存的情況。對高安市現有的水利設施進行治理改造，提高耕地抵抗自然災害的能力，有利于保障區(qū)域糧食安全。第二，提高耕地質量，改造中低產田。通過測土配方施肥針對性地改善土壤肥力，改良土壤性質，從而進一步挖掘高安市低產田的生產潛力。第三，加快農田土地整治。通過土地平整，將坡面改造為梯田，減少限制因素對耕地產能的負向影響。

3.2 討論

本文在篩選指標影響因素時，剔除了在縣域內差別不大的影響因素，如溫度、降水、政策制度等宏觀因素，選取了土壤性質、農田水利、地學特征、土壤養(yǎng)分等關鍵性變量作為分析影響耕地產能的潛變量，這使得研究結果更具針對性。結果表明，土壤養(yǎng)分是影響耕地產能的最主要因素，坡度是對耕地產能有負向作用的變量。這與張瑩等[35]和宋戈等[18]在縣域尺度開展的研究一致。不同的是，張瑩等[35]將研究區(qū)進行了劃分，并分區(qū)域對耕地產能的影響因素進行了分析。從研究尺度來看，雖然縣域范圍的研究尺度對耕地產能更具針對性，但也存在較大局限性，忽略了溫度、降水、政策等宏觀因素對耕地產能的影響。

Lu等[36]和Suriyavirun等[37]的研究都是就單一因子對耕地產能的影響進行分析。在檢索范圍內，分析因子間協同作用的研究較少，分析各因子間相互關系的更少。耕地生產是個復雜的動態(tài)平衡系統，各影響因子間也存在復雜的相互作用。本文的模型分析結果顯示，地學特征與土壤性質這2個潛變量間存在較強的相關性。Suriyavirun等[37]的研究表明，坡度、地形等因子對土壤pH、理化性質和微量元素含量都有所影響，與本文的分析結果一致。另外，農田水利、地學特征、土壤性質與土壤養(yǎng)分之間的相互影響關系也可為改善耕地質量、提高耕地產能提供依據。

從研究方法上看，在對耕地產能影響因素展開分析時，不同于傳統因子分析、相關性分析等方法，本文探索性地將結構方程模型作為分析耕地產能影響因素的工具。因此，本文有以下優(yōu)勢：第一，由于耕地產能受多方面因素的影響，傳統分析方法無法很好地解釋與處理多個潛變量間的關系，而本文通過建立耕地產能影響因素模型，借助AMOS 22.0對模型進行擬合估計，可分析得到影響耕地產能的主要影響因子與限制耕地產能的變量，從而使得關于耕地產能的影響因素分析更趨科學。第二，借助模型分析結果，不僅獲得了各因素對耕地產能影響的程度與方向，還得到了各變量間的影響路徑及其系數，厘清了各變量間的關系，從而為進一步分析耕地產能提供了依據。第三，本研究對指標體系和模型的整體信度與效度進行了分析，確保了結果的科學性。最后，通過計算路徑系數，以及潛變量的得分，可以對各影響因素之間的影響程度進行排序，從而在改善耕地質量、提高耕地產能時能有所側重。

但要說明的是，本文的研究結果是基于某時間點的現狀數據得到的，是靜態(tài)的，而各因素間的相互影響卻是一個動態(tài)的過程，其影響因素與各變量的數據會不斷變化，且隨著數據的變化，結構方程模型也會存在一定的變動，本研究尚無法掌握數據的發(fā)展趨勢，這是本文，也是大部分試驗性文章都存在的局限。在條件允許的情況下，應收集不同時期的調查數據，建立不同時期不同數據的結構方程模型，進行模型與結果的對比分析，使結果更具科學性。