数据驱动的协同管理：提升土壤质量与作物生产力，实现可持续农业发展

《Journal of Cleaner Production》：Data-Driven Co-management: synergizing soil quality and crop productivity for sustainable agriculture

　　摘要：目前广泛采用的管理系统往往需要在保持土壤质量与实现高产之间做出艰难抉择，而整合多种管理方法则具有带来变革的潜力。然而，如何在气候和土壤条件各异的不同区域，通过整合多项技术来平衡这两大目标，仍是一个尚未得到充分解决的难题，这主要是由于数据碎片化以及缺乏可扩展的方法论框架。在此，我们构建了一个数据驱动的模型框架，通过结合土壤与气候因素，生成空间分辨率达1公里×1公里的最佳整合管理措施，以此提升土壤质量与作物产量。以中国西南部的云贵地区为例，通过基于13项土壤属性的土壤质量指数评估，我们发现该地区的平均土壤质量指数为0.40（范围在0.20至0.49之间），其中67.58%的耕地属于低产至中产水平（IV级和V级），其主要限制因素为土壤容重过高、有机质含量低以及pH值不理想。随后，我们利用机器学习模型对1024种管理组合进行了评估，以确定能够同时最大化提升土壤质量指数和作物产量的最佳整合管理措施。与传统管理方式相比，优化后的管理措施可使土壤质量指数平均提升9.73%（范围为0.21%至26.33%），作物产量则提升38.28%（范围为19.96%至61.72%）。时间序列模型表明，这些最佳整合管理措施对提升土壤质量指数和作物产量具有长期影响，初期效果显著，之后则会持续产生累积效应。据预测，到2040年，该地区的平均土壤质量指数将从0.40上升至0.61，粮食总产量可达5138万吨。这些研究结果凸显了最佳整合管理措施相较于传统农业方式的显著优势，也为提升土壤质量与作物产量提供了可推广的路径。

引言：在满足日益增长的粮食需求的同时，尽量减少长期农业资源的消耗，尤其是通过保持土壤质量，已成为全球面临的重大挑战。作为重要自然资源的耕地质量，在过去60年里由于过度耕作和不可持续的农业经营方式而逐渐下降（Shan等人，2017年）。此外，耕地质量下降还导致了作物产量降低，这对粮食安全及农业可持续发展构成了严重威胁（Piana等人，2019年；Paliaga等人，2020年）。全球约有7%至41%的耕地面积正在出现质量退化现象。中国的情况尤为严峻，超过40%的耕地质量正在下降，这导致作物产量减少了6%至27%（Molla等人，2025年；Gao等人，2025年；Song等人，2025a年）。这一状况凸显出迫切需要找到能够同时改善土壤质量并保障可持续作物生产的有效农业策略。

农业管理措施在提升土壤质量与增加作物产量方面的作用已得到大量研究（Al-Shammary等人，2024年）。然而，目前广泛使用的管理系统并未能在高生产力与较低环境影响之间实现平衡。例如，传统的农业管理方式，如不合理的水肥管理，虽能暂时提高粮食产量，但过度使用化肥会导致土壤酸化、微生物多样性降低以及养分有效性下降（Qu等人，2025年）。保护性耕作虽然能提升耕地的养分含量，但土壤温度波动和容重增加等伴随问题可能对作物生长产生不利影响，进而降低产量（Zhang等人，2015年；Li等人，2022年；Chen等人，2023年）。在可持续农业集约化进程中，如何同时改善土壤质量与作物生产力仍是一个核心挑战，尤其是在那些管理干预往往只能带来权衡而非协同效应的脆弱农业生态系统中。因此，未来的研究需要通过整合传统与替代性管理措施的综合性管理系统，来实现土壤质量与生产力的平衡。

在全球范围内，诸如再生农业政策之类的政策框架得到了重视，这类政策旨在通过整合多种技术手段，实现土壤质量与农业生产力的协同提升。再生农业也被视为一种综合技术，它结合了多种技术方法，如覆盖作物种植、免耕、堆肥、农林业、高效水资源管理以及保护措施，用于应对与粮食安全、土壤质量、生物多样性保护、资源管理以及可持续发展相关的诸多全球性挑战（James等人，2024年）。中国农业农村部也推出了《全国高标准农田建设规划（2021–2030年）》，这一综合计划涵盖了土地平整、秸秆还田、深翻以及灌溉设施现代化等内容。其目标是使地块层面的作物产量提高10%至20%，同时使土壤有机质含量提升0.5个等级。不过，这些政策中提出的技术组合并未充分考虑到不同地区土壤质地和气候条件的差异，这一不足阻碍了针对各地情况的精准调整。例如，在干旱地区，覆盖作物种植会与粮食作物争夺水资源，这种竞争导致作物产量下降37%，从而大大降低了技术应用的成效。因此，制定与特定气候和土壤条件相匹配的本地化解决方案，对于弥补宏观政策框架与实际田间管理之间的差距至关重要。

以往的研究通过田间试验，评估了各种单独管理措施对土壤质量指数和作物产量的影响（Pang等人，2010年）。后续的研究则不再局限于单一因素分析，而是借助基于过程的作物模型，设计并整合适合特定地点的管理方案，优化种植日期、作物密度、品种选择以及生长季养分管理等措施的组合（Chen等人，2011年）。这些综合技术在中国得到了广泛应用，但由于气候与土壤因素之间复杂的相互作用，其效果会受到较大环境变异性的影响（Cui等人，2018年）。近年来，机器学习方法使得人们能够利用大规模观测数据，对农业环境结果进行高分辨率、空间明确的预测（Xu等人，2024年）。然而，这些方法通常侧重于提高产量和优化环境缓解措施，并未明确提出针对土壤限制因素的针对性策略。目前缺乏一个基于数据的、空间明确的框架来共同优化土壤质量指数与作物产量，这影响了针对不同地区制定综合策略及其协同效应的准确性，进而制约了可持续农业的发展进程。

在本研究中，我们构建了一个数据驱动的管理模型框架，该框架结合了当地的土壤与气候条件，旨在识别出能够在空间上明确界定的最佳整合管理措施，从而实现土壤质量与作物生产力的协同提升。中国西南部的云贵地区被作为中国低产至中产耕地地区的典型代表（Chen等人，2024年）。首先，我们选择了13项土壤理化性质指标，利用障碍度模型在1公里分辨率下评估土壤质量指数并识别其主要限制因素。之后，我们构建了一个随机森林模型，并结合加权综合指数方法，整合了土壤、气候以及田间管理数据。通过对1024种管理措施组合的评估，该模型找出了能够在空间上明确界定的、同时能够提升土壤质量与作物产量的最佳整合管理措施。最后，我们基于时间序列模型以及多块试验田的长期观测数据，预测了在这些优化策略下的土壤质量指数与作物产量未来的变化趋势。本研究为精准治理提供了技术管理解决方案，有助于共同提升低产至中产耕地的生产能力与作物产量。

研究区域：云贵地区属于典型的喀斯特地貌，位于中国西南部（见图S1）。从地理上看，其经度与纬度范围大致在东经98°58′至106°53′之间，北纬22°50′至30°22′之间，海拔高度在400米至3500米之间。该地区属于湿润亚热带气候，气候梯度明显。年平均气温在5°C至24°C之间，年降水量约为1100毫米（Nie等人，2025年）。该地区主要种植的粮食作物有玉米、小麦和水稻。

土壤质量的状况与限制因素：我们通过加权综合指数方法和障碍度模型，基于13项土壤理化性质指标，对土壤质量指数进行了评估，并确定了相应的限制因素（见图1）。云贵地区的平均土壤质量指数为0.40，各区域的数值在0.20至0.49之间。在这些数值中，IV级的比例相对较高，为56.07%，其次是III级，占32.42%，V级占11.51%。从地理分布来看，土壤质量指数及其限制因素都存在空间上的异质性。

土壤质量限制因素的空间异质性：在保障高产的同时维护土壤质量，是全球农业生产面临的重大挑战。农业集约化导致过量施用氮肥，使得云贵地区的土壤出现酸化现象，氮肥利用效率也有所下降（Guo等人，2024年）。这扰乱了碳氮循环，限制了颗粒有机碳的稳定存在。与此同时，干旱和极端降水事件又会加剧土壤侵蚀。

结论：总体而言，本研究提出了一个数据驱动的、空间明确的框架，可用于制定针对特定地点的最佳整合管理措施。这表明，最优策略并非“一刀切”的方案，而应根据各地的环境和管理状况进行定制。通过从通用建议转向适应当地土壤和气候限制条件的适应性管理，有助于平衡长期以来一直存在的土壤质量指数与作物产量之间的矛盾关系。优化后的最佳整合管理措施。

伦理审批：无需审批。

出版同意：所有署名作者均同意发表该版本的文章，并承诺对工作的各个方面负责，确保工作中任何部分的准确性及完整性问题都能得到妥善调查和解决。

出版社声明：Springer Nature对已发表地图中的管辖权声明以及机构隶属关系保持中立态度。

资金支持：本研究得到了中国国家烟草公司云南分公司的科技项目、针对烟叶连作障碍的根际微环境调控关键技术研发项目（2023530000241018）、中国国家重点研发计划（2022YFD1901501）以及农业科技重大专项的支持。

CRediT作者贡献说明：顾晓文：数据整理、正式分析、可视化、初稿撰写、审稿与编辑；刘鹏奇：数据整理、方法设计、验证、审稿与编辑；王康：数据整理、验证；石青文：数据整理、验证；吴玉晓：数据整理、验证；孙俊伟：概念设计、资金筹措、项目管理、监督、审稿与编辑；丛文峰：概念设计、资金筹措、项目管理。

利益冲突声明：作者们声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢：我们衷心感谢审稿人和编辑们对论文初稿提出的宝贵意见。

顾晓文|刘鹏奇|王康|石青文|吴玉晓|孙俊伟|丛文峰|郝颖