超越简化耕作分类：量化耕作强度以评估农田土壤扰动

《Soil Use and Management》：Beyond Reductive Tillage Categories: Quantifying Tillage Intensity to Assess Soil Disturbance in Arable Systems

　　

耕作通常采用诸如“常规”、“减量”或“免耕”等定性标签来描述，但这些分类掩盖了土壤扰动强度上的巨大差异。本研究介绍了由美国农业部（USDA）开发的土壤耕作强度评级（Soil Tillage Intensity Rating, STIR），这是一种基于单个田间作业物理参数的定量耕作指标，并展示了其在不同研究情境中的适用性。一项系统性文献综述表明，同行评议文献中存在的定量耕作强度指标很少，并且尽管STIR在美国推广服务中被广泛使用，其在欧洲同行评议研究中的应用仍然有限，尽管呈增长趋势。在那些分析性地应用STIR的研究中，研究人员报告了其与土壤有机碳、生物指标、杂草生物量和作物产量的显著关系，但在不同情境下并不一致。三项瑞士案例研究进一步说明了STIR的多功能性：在一项长达44年的长期试验中，它比分类标签更好地区分了耕作处理并捕捉了实践的历史变化；在一项农场调查中，它表征了常规、免耕和有机系统间的耕作强度；在与农民共同参与的研讨会上，它支持了对耕作策略的定量比较以及对土壤友好型轮作的讨论。尽管存在局限性，包括对单项作业的数据需求、对机具速度的敏感性以及在跨土壤气候条件下的验证有限，但STIR被证明是一种描述种植系统的多功能工具，并可能将耕作强度与土壤管理结果联系起来。更广泛的采用可以提高研究之间的可比性，并促进对耕作强度及其环境影响的更透明评估。

超越简化耕作分类：STIR指数在农田土壤扰动定量评估中的应用与价值

一、研究背景与问题提出

耕作（tillage）是对农业土壤进行机械处理的统称，历史悠久，广泛应用于种子床准备、杂草控制及秸秆还田等环节。然而，过度耕作会对土壤健康造成负面影响，例如降低表层土壤有机碳含量、破坏土壤结构、影响土壤生物学活性。过去50年间，减少耕作强度的运动逐渐兴起，其源头可追溯至20世纪30年代美国因翻耕导致的严重风蚀灾害。

传统上，研究人员常用“常规耕作”、“减量耕作”、“保护性耕作”或“免耕”等定性标签来描述耕作方式。然而，这些离散的分类掩盖了一个复杂的现实：不同的耕作机具可以在不同速度、深度、动力驱动方式下作业，加之土壤质地、湿度等条件的交互作用，使得实际土壤扰动强度差异极大。这种粗放的分类方式不仅缺乏机械解释力，也导致不同研究之间的比较困难，给文献综述和荟萃分析带来了不确定性。

为此，本研究旨在引入并验证一种由美国农业部自然资源保护局（USDA-NRCS）开发的定量工具——土壤耕作强度评级（Soil Tillage Intensity Rating, STIR）。该指标基于每项田间作业的物理参数计算连续数值，能够更精确地刻画耕作强度。研究通过文献综述和三组瑞士案例，全面评估STIR在科研、田间调查和农户参与式知识交流中的应用潜力、优势与局限。

二、研究方法与技术路线

研究人员采用了以下关键技术方法：

1. 1.
   文献综述：利用Web of Science、Scopus和Google Scholar进行范围综述，搜索“耕作指标”、“土壤扰动指数”等术语，并结合后向引文追踪，系统梳理现有耕作强度指标及STIR在同行评议文献中的应用情况。
2. 2.
   长期试验案例分析：基于瑞士Agroscope于1969年在Changins建立的长期土壤耕作试验，覆盖44年（1969-2013）历史记录。研究人员将四种耕作处理（T1：传统翻转耕作20-30 cm；T2：深松非翻转耕作25-30 cm，2007年后转为免耕；T3：浅层非翻转耕作10-15 cm；T4：最小耕作5-10 cm）的每次作业匹配到RUSLE2/NRCS标准数据库，计算每年每处理的STIR总分。
3. 3.
   农场调查案例分析：在瑞士60个不同农场的冬小麦田块中收集耕作实践信息，从上一季作物收获到小麦收获期间，计算每块田的总STIR评分（包括种子床准备、播种和机械除草）。同时测定各田块的土壤有机碳（SOC）。
4. 4.
   参与式工作坊：在瑞士FiBL和Proconseil组织的“Progrès Sol”项目中，与25名农民合作，筛选适用于当地语境的RUSLE2机具列表，建立简易STIR计算工具，组织研讨会讨论STIR分值、比较不同管理情景。

三、主要研究结果

3.1 STIR与其他现有耕作指标的对比

耕作指标分为基于实践的指标和基于结果的指标两类。基于结果的指标如遥感光谱指数（Simple Tillage Index, STI；Normalized Difference Tillage Index, NDTI；Cellulose Absorption Index, CAI）主要通过残茬覆盖率推断耕作强度。基于实践的指标中，最常用的是耕作类别比较，此外还有作业次数计数、最大耕作深度、扰动表面积比例、燃油消耗等单一指标或复合指数。法国IDEA方法的土壤资源保护子指标赋予宽泛耕作类别权重。相比之下，STIR是目前唯一从每项作业的物理参数（速度、类型、深度、扰动面积）计算连续数值的指标，其他指标均依赖粗略分类或简单计数，限制了其捕捉系统内和系统间完整耕作强度范围的能力。

3.2 STIR在同行评议文献中的应用

数据库检索共获得33篇使用STIR的研究（30篇文章和3篇预印本），其中20篇来自美国，3篇来自加拿大，仅10篇来自欧洲（瑞士7篇，比利时、法国、瑞典各1篇）。除美国和瑞士外，其他国家文献均在2025-2026年发表，表明兴趣正在兴起但地理集中度高。在这33篇记录中，14篇主要用于描述种植系统，19篇用于检验与其他指标的关系（主要为土壤属性，14篇）。结果混合：5篇发现STIR与SOC/SOM显著负相关，5篇未发现；此外还与POXC（高锰酸盐氧化性碳）、蚯蚓和微生物指标、微生物多样性、杂草生物量和作物产量有显著关系。近期进展包括Heller等人（2025）开发了R语言工具简化STIR计算，Dada等人（2026）提出了去除速度因子的简化版gTIR，并显示其与标准STIR高度相关，且仅使用每轮作中最大STIR操作的求和效果与全轮作计算相当。

3.3 案例研究1：STIR表征长期试验中的耕作处理

在1969-2013年间，虽然四种耕作处理保留了相同标签，但作业次数和所用机具随时间演变以适应新材料、农药和实践变化。总STIR值在各处理间随时间相对稳定，而作业次数波动更大，表明STIR提供了比单纯作业次数更符合过程的土壤扰动表征。STIR评分比作业次数更清晰地区分了四种处理，且处理间重叠表明仅靠处理名称比较耕作对土壤的影响会丢失定量评估所能提供的细微差别。但历史实施受限于详细记录的可用性，需与经验丰富的农场管理人员讨论以正确解读旧机器名称。

3.4 案例研究2：STIR表征常规、免耕和有机小麦种植中的农场层面耕作强度

在60个不同农场的冬小麦田中，STIR评分范围从18到200，揭示了潜在土壤扰动的巨大差异，反映了机具类型、耕作深度和作业次数的综合影响。有机和常规农场内部变异性高，而免耕农场评分更一致。STIR评分与耕作和除草作业总数高度相关（r=0.8, p<0.001），这是因为所有田块在同一时期种植同一作物，管理趋于同质化，此时作业频率成为主导因素。在本研究中，未观察到STIR与任何深度的土壤有机碳（SOC）的直接相关性，这归因于SOC受碳输入等多种因素影响，且作为基于实践的指标，STIR无法完全反映土壤湿度、类型等条件对耕作后果的调节作用。

3.5 案例研究3：STIR作为农民参与式交流和知识交换的工具

参与式项目中，有机农场主由于需要更多机械干预（如破坏轮作草场、施用有机肥、机械除草），其总STIR往往高于常规农场，但两组间存在大量重叠和变异。可视化自身STIR评分促进了农民就哪些作业贡献最大扰动展开讨论，并使他们能够比较替代管理方案，例如用伴生作物替代重复机械除草、调整耕作深度和速度。不同作物的STIR评分差异显著，如甜菜等高扰动作物可通过种植低STIR作物（如轮作草场）在轮作中得到补偿。农民还指出应加入土壤湿度和覆盖物等调节因子，并考虑动力输出轴驱动的主动式机具的速度影响。

四、讨论与结论

讨论部分总结

STIR方法为农民、从业者和研究人员提供了一个有价值的工具来估算耕作强度及其对土壤的潜在影响。该方法易于使用且可适应当地需求，可用于创建不同机器设置、作物和轮作管理的情景以促进讨论。然而，存在若干关键局限性：STIR公式中系数的计算依据不明确，在美国以外地区使用需要本地化适配；应用于长时间尺度时数据需求高；在某些情况下，简单的作业次数可能与STIR同样有效；缺乏对作业时土壤类型、湿度、覆盖物等条件的考量；未充分考虑主动式机具的额外影响。未来改进方向包括整合局部条件和动力机具参数，创建各地区不同作物和系统的STIR参考值，以及结合后续访谈或重复调查评估STIR讨论对农民长期管理决策的实际影响。

研究结论部分翻译

本研究证明了土壤耕作强度评级（STIR）如何作为一种定量的土壤扰动指标，广泛应用于多种研究情境，以更好地表征种植系统并潜在地理解耕作对土壤健康的作用和影响。与简化的定性分类不同，STIR提供了一个可重复和可转移的指数，能够更一致地区分耕作强度，并实现管理系统和时间段的有意义比较，尽管在某些情况下较简单的指标已被证明同样有用。在农场和系统中观察到的STIR高变异性既确认了耕作实践的复杂性，也证实了STIR指数对管理多样性的敏感性。然而，当地条件和土壤特性对耕作作业结果的影响未被STIR或任何我们发现的耕作指标所考虑，解释时应谨慎。此外，长时间跨度或大量农场的STIR评分计算数据密集，需要每项耕作机具的详细记录，这限制了其应用。最近简化该方法的尝试——去除速度成分、仅使用每轮作的最大STIR值或使用一组预定的标准操作——可以极大地提高该方法的可及性。更广泛地应用STIR方法或其变体可以促进荟萃分析和跨研究比较，而这些在分类耕作标签下仍难以实现。总体而言，本研究显示了STIR如何用于农业研究和推广，作为一个灵活的方法论工具来量化土壤扰动、指导实验设计并支持与农民和顾问的参与式学习。未来的发展应致力于通过整合局部条件和动力机具参数来完善该指数，以增强其在不同农业系统中的可转移性和预测价值，并充分利用STIR在研究目的和知识交流方面的潜力。