Comprehensive evaluation of agriculture labor productivity in Pidu Linpan Farming System in Chengdu urban fringe
-
摘要: 提高农业劳动生产率是促进农业农村发展的重要路径，是乡村振兴战略的基本要求，对农业劳动生产率的综合评价是因地制宜地提出乡村发展路径的基础。位于城市边缘的传统农耕地区面临路径选择的困境，对这类地区农业劳动生产率等指标的测算和评价，可为地区经济发展、劳动力转移等研究奠定基础。本研究以地处成都市郊的中国重要农业文化遗产四川郫都林盘农耕文化系统为例，对遗产地各镇(街道)的农业劳动生产率、劳动参与率、劳动强度指数等进行了定量测算和空间格局评价，并运用多元回归分析方法对影响农业劳动生产率的生产条件因素进行了分析研究。结果显示：1)遗产地农业劳动生产率和劳动强度指数总体水平分别为4.03万元·人-1和54.69%；12个农业镇(街道)之间的农业劳动生产率和劳动强度指数差异较大。2)各镇(街道)农业劳动生产率和劳动强度指数空间格局上均呈现出北高南低的特征；其中，唐元镇农业劳动生产率最高(6.35万元·人-1)，郫筒街道最低(1.72万元·人-1)。3)各镇(街道)农业劳动参与率与城镇化程度呈空间异质性，农业参与率总体上呈西北高东南低的趋势；其中，新民场镇劳动参与率最高(45.57%)，红光镇最低(8.46%)。4)各农业生产条件因素中，单位农业产值能耗、单位农用地面积化肥施用量、人均农用地面积和农业劳动参与率的提高均对农业劳动生产率具有促进作用，前两个因素对农业劳动生产率的影响大于后两个因素。基于此，郫都林盘农耕文化系统农业发展应从空间差异化、生产现代化和产业多样化等方面着手，发挥城市边缘区在资本、技术等方面的优势，维持农地轮作模式，保障西北部各镇农业持续生产，加强东南部各镇基础设施和加工业建设。同时鼓励农民开展多种经营拓宽增收渠道，促进该地区的乡村振兴。
-
关键词:
- 农业劳动生产率 /
- 劳动参与率 /
- 劳动强度指数 /
- 城镇化 /
- 城市边缘区 /
- 郫都林盘农耕文化系统 /
- 中国重要农业文化遗产
Abstract: Improving agricultural labor productivity is essential for promoting agricultural and rural development and is the basic requirement of rural revitalization strategies. The comprehensive evaluation of agricultural labor productivity is the basis of rural development strategy suitable for the local conditions. With Pidu Linpan Farming System in the suburban area of Chengdu, designated as one of the China Nationally Important Agricultural Heritage Systems (China-NIAHS) sites in 2020, as a case, this study quantitatively evaluated agricultural labor productivity, labor participation rate, and labor intensity index of 12 agricultural towns (subdistricts). Multiple regression analysis was used to research the main influencing factors of labor productivity. The results showed that the agricultural labor productivity of the overall Pidu Linpan Farming System was 4.03×104 ￥·capita-1, and the labor intensity was 54.69% in 2017. There were large differences in agricultural labor productivity and labor intensity among 12 agricultural towns. The agricultural labor productivity and labor intensity index of the heritage were higher in northern towns and lower in southern ones. The highest agricultural labor productivity (6.35×104 ￥·capita-1) was in Tangyuan Town, and the lowest (1.72×104 ￥·capita-1) was in Pitong Town. The labor intensity index of northern towns, such as Hongguang, Tangyuan, and Tangchang, was higher than 65%, while that of southern towns was lower than the overall level of the heritage. The agricultural labor participation and urbanization rates showed spatial heterogeneity, and the labor participation rate of the northwest region was higher than the southeast region. Among them, the highest agricultural labor participation rate (45.57%) was in Xinminchang Town, and the lowest (8.46%) was in Hongguang. Among the factors of agricultural production conditions, the increase of energy consumption per unit output value, fertilizer application amount per unit area farmland, agricultural area per capita, and agricultural labor participation rate promoted agricultural labor productivity. The first two factors had a greater impact on agricultural labor productivity than the latter two in the heritage. The standardization regression coefficient of energy consumption per unit output value and fertilizer application amount per unit area farmland were more than 0.93, while those of agricultural area per capita and agricultural labor participation rate were 0.637 and 0.282, respectively. Further analysis revealed that, as an important part of the Pidu Linpan Farming System, the pattern of crop rotation in flooded land and dry land was helpful to improve the utilization efficiency of land and labor resources, which promoted the farmers' concurrent business. Therefore, the agricultural development of the agricultural heritage should start from spatial differentiation, production modernization, and industrial diversification to promote rural revitalization in the adjacent areas of the city. While making full use of the advantages of urban fringe in capital and technology, the farmland rotation pattern should be maintained, and the sustainable development of agriculture in the northwestern towns and the construction of infrastructure and the processing industry in the southeastern towns should be strengthened. Based on the unsaturated state of labor intensity, farmers should be encouraged to make better use of their leisure time, develop diversified businesses and expand channels for increasing their income, and promote rural revitalization in areas as an urban fringe. -
农业景观的生物多样性保护是未来农业可持续发展的重要基础, 对生态系统服务功能提升有重要作用。以往研究表明, 农业集约化是导致耕地系统中天敌多样性大量丧失和生物害虫控制功能降低的关键因素[1]。为了应对这种生物多样性和相应的生态系统服务下降, 农业环境计划(AES)和欧盟的共同农业政策(CAP)鼓励农民留出一定比例的土地建立非耕作生境, 提升耕地系统中的生物多样性。欧洲的生态学家认为农业景观中非耕作生境对相邻耕地生物多样性具有重要的保护和维持功能[2]。与耕地内部相比, 非耕作生境通常具有提供较高生物多样性的潜力, 这会直接影响耕地系统景观结构和耕地系统的稳定性, 因此非耕作生境被认为是生物多样性保护的关键区域。耕地边缘通常具有复杂的植被结构, 它们作为连接相邻两个生境的通道, 不仅有相邻两个生境的共同生物种群, 而且有其独特的物种[3]。并且由于溢出效应明显, 非耕作生境内部的生物会通过耕地边缘向耕地内部不断移动, 导致耕地边缘表现出明显的正效应, 即比相邻的生境具有更为优良的特性, 如生物多样性更丰富[4]。此外, 在农业景观中, 非耕作生境类型通常是决定其有利于天敌多样性的关键因素, 不同非耕作生境类型所维持的天敌类群也存在较大的差异。
非耕作生境可以将碎片化、孤立或残留斑块连接成一个完整的生态区域, 这有利于景观中的生物迁移, 从而增加基因交换以及不同资源斑块的选择和利用, 以保持种群稳定[5]。但由于物种在取食类型、移动能力、栖息地需求存在着一定的差异, 导致它们对不同类型生境的响应模式明显不同[6]。例如, 研究认为森林生境植被类型更为丰富, 且人为干扰相较于其他生境更少, 更适合大部分群落栖息[7]。耕地以农作物为主, 植被类型单一, 人为干扰较大, 大大降低了生物多样性; 相较于耕地, 复合生境拥有较多植被类型, 能为生物群落提供更多的栖息条件。以往研究虽然全面丰富, 但大多数研究只针对特定的生境类型, 忽视了非耕作生境对相邻耕地边缘和耕地内部的作用。
步甲(Carabidae)和蜘蛛(Araneida)是地表节肢动物天敌类重要组成[8], 对害虫的生物控制服务起着重要的作用。研究认为步甲对生境的变化十分敏感[9], 不同生境间步甲种类会存在较大差别[10], 因此步甲常作为指示环境和生物多样性变化的重要指标[11], 检测耕地系统环境变化情况。蜘蛛作为耕地系统的重要组成部分, 对害虫有重要的调控作用。近年来国内外学者针对蜘蛛生态调控进行了系统性研究[12], 分析了不同管理类型、不同生境条件对蜘蛛群落结构及多样性的影响, 研究认为蜘蛛群落多样性与周围环境及人为干扰密切相关[13]。由于不同类群天敌的生物学特性有所差异, 目前对于步甲和蜘蛛在不同生境溢出效应机制仍未达成统一结论, 应进一步探讨不同类型生境天敌的活动规律[14]。
基于此, 本文选取辽宁省昌图县为研究区, 重点研究了非耕作生境对耕地边缘及耕地内部步甲和蜘蛛多样性的影响, 旨在回答以下问题: 1)不同生境内步甲和蜘蛛群落分布特征; 2)非耕作生境对相邻耕地边缘及耕地内部步甲和蜘蛛多样性的影响差异。为优化耕地边缘生境、促进天敌的多样性、提高生物害虫防控效率、维持耕地生态系统结构稳定提供理论依据。
1. 研究区概况与研究方法
1.1 研究区概况
研究区位于辽宁省最北部, 松辽平原南端的昌图县(123°32′~124°26′E、42°23′~43°29′N), 属温带大陆性季风气候, 气候温和, 四季分明, 年降水量655 mm, 降水年内分布不均。县域面积总面积4317 km2, 耕地面积约占全县面积78.7%, 主要种植作物为玉米(Zea mays), 是典型的东北旱作农业区。昌图县地形地貌自东向西由低山丘陵向平原过渡, 东部为低山丘陵区, 适宜种植果园、林木等; 中部为平原区, 适宜发展农业; 西部为辽河冲积平原区, 区内水利条件优越, 地势平坦; 西北部为风沙区, 受内蒙古地区风沙影响较大, 适宜种植经济作物以及发展林牧业。本研究结合研究区2019年土地利用现状数据及遥感影像, 利用ArcGIS10.2计算提取景观特征、耕地面积等信息, 分析农业景观中邻近不同非耕作生境的耕地, 选择有代表性的11个样区(图1)。
![]()
图 1 研究区土地利用类型及采样区位置分布图Figure 1. Land use type and location distribution of sampling units in the study area1.2 试验设计
在耕地系统中, 耕地与邻近耕地的非耕作生境之间会形成过渡带, 交接、关联两个不同生态系统, 学者们通常把这种不同于两侧基质或用地类型的狭长地带称作耕地边缘[15]。本研究共选取了11块采样区, 根据耕地周围生境(2块果园、3块原生草原、3块其他林地、3块乔木林地), 可分为8种生境类型, 划分方式及特征如表1所示。在非耕作生境内部及相邻耕地内部和耕地边缘分别进行采样, 耕地内部设置5个采样点, 在非耕作生境、耕地边缘各设置3个采样点, 每个样点设置3个陷阱, 采样单元及陷阱瓶分布如图2所示。
表 1 研究区生境类型的划分方式、数量及特征Table 1. Division, quantity and characteristics of habitat types in the study area生境类型 Type of habitat 编号 Code 地块数量 Number 主要特征 Main feature 邻近果园耕地
Farmland adjacent to orchardW1 2 耕地样区面积为 9~20 hm2, 种植玉米
The farmland area is 9−20 hm2, and corn (Zea mays) are planted果园
OrchardW2 2 种植山楂(Crataegus pinnatifida)、苹果(Malus pumila)等作物
Planting hawthorn (Crataegus pinnatifida), apple (Malus pumila) and other crops邻近草地耕地
Farmland adjacent to native grasslandW3 3 耕地样区面积为9~20 hm2, 种植玉米
The farmland area is 9−20 hm2, and corn are planted草地
Native grasslandW4 3 草本层盖度>50%
Herbal layer coverage > 50%邻近其他林地耕地
Farmland adjacent to other woodlandsW5 3 耕地样区面积为9~20 hm2, 种植玉米
The farmland area is 9−20 hm2, and corn are planted其他林地
Other woodlandsW6 3 0.1<树木郁闭度<0.2的林地
0.1<tree canopy density < 0.2邻近乔木林地耕地
Cultivated land adjacent to arbor forestW7 3 耕地样区面积为9~20 hm2, 种植玉米
The farmland area is 9−20 hm2, and corn are planted乔木林地
Arbor forestW8 3 树木郁闭度>0.2的林地, 种植乔木
The arbor forest canopy density is > 0.2![]()
图 2 不同类型耕地-耕地边缘-非耕作生境(非耕作生境分为果园、草地、其他林地和乔木林地)的结构布局和每个样品区内的陷阱布局Figure 2. Structural layout of different types of farmland - farmland margin - non-crop habitat (non-crop habitat includes orchard, native grassland, other woodlands and arbor forest) and specific method of trap layout in each sample area1.3 生物取样及调查
1.3.1 步甲和蜘蛛取样
使用陷阱法采集步甲和蜘蛛, 采样时间为2021年8—9月。在每个采样单元耕地内部设置5个采样点, 在非耕作生境、耕地边缘各设置3个采样点, 每个样点设置3个陷阱, 共计布置363个, 陷阱间隔均大于10 m, 如图2所示。利用手持GPS确定并记录各样点位置、编号。
将上口径9.5 cm、下口径4.5 cm、高11 cm、容积为500 mL的PP塑料杯埋入土壤, 杯口与地表齐平, 在杯中倒入150~200 mL浓度为20%的乙二醇溶液及1~2滴洗涤剂, 并将防雨罩用三根铁丝固定插入陷阱上方1~2 cm处。陷阱在野外放置6 d后收回。将捕获的地表节肢动物放入PE瓶中, 并倒入可没过瓶中地表节肢动物的酒精(75%)进行保存。在实验室使用蔡司体式显微镜(ZEIS: Stemi 2000-C), 并参照《中国土壤动物检索图件》对地表节肢动物进行鉴别分类。其中, 蜘蛛鉴别到科, 步甲鉴别到种。
1.3.2 草本植被类型调查
对非耕作生境内草本植物类型开展调查, 在非耕作生境和耕地过渡带(即耕地边缘)动物陷阱周围随机布设6个0.5 m×0.5 m草本植物采集样方, 记录样方内草本植种名、株(丛)数、平均高度(AH)和盖度(AC)。
1.4 数据分析
为解决取样期间陷阱破坏造成的取样不均, 首先将步甲和蜘蛛的多度数据进行标准化。合并每个取样点3个陷阱瓶的数据取平均值, 用于分析不同类型生境对耕地天敌的影响。地表节肢动物多样性指数利用PAST软件进行计算, 选取个体数(G)、物种数(S)、Shannon多样性指数(H)、Pielou均匀度指数(E) 4个指数[16]进行群落多样性描述。采用单因素方差分析(One-way ANOVA)明确不同生境对天敌多样性的影响, 比较具有显著影响的天敌多样性指数在不同生境间的差异, 方差分析通过SPSS 25软件完成。合并同一类型生境陷阱数据, 对不同生境地表节肢动物个体数进行层次聚类分析(Hierarchical Clustering), 以明确不同生境地表节肢动物组成的相似性。采用基于CNESS (Chord Normalized Expected Species Shared)相似系数的非度量多维尺度法(Non-metric Multi-Dimensional Scaling, NMDS)分析比较不同生境类型步甲和蜘蛛群落结构的相似性, 反映生物类群因环境造成的异质性。合并植被样方数据, 用PAST软件计算多样性指数, 通过主成分分析(Principal Component Analysis, PCA)进行降维, 将原植被数据重新组合成一组新的互相无关的几个综合数据变量, 并使综合变量尽可能多地反映原植被数据信息。采用冗余分析法(Redundancy Analysis, RDA)定量研究耕地边缘草本植被结构因子与步甲和蜘蛛间的关系。冗余分析通过CANOCO5进行计算。
2. 结果与分析
2.1 步甲和蜘蛛群落组成及群落结构
在研究区耕地内部、耕地边缘以及非耕作生境共捕获步甲1921只、蜘蛛567头(表2), 捕获步甲分属于10个种。其中, 耕地内部捕获步甲372只, 耕地边缘捕获976只, 非耕作生境捕获573只; 优势种为普通暗黑步甲(Amara brevicollis)和蠋步甲(Dolichus halensis), 占捕获步甲总个体数的25.8%和25.0%; 常见种包括广屁步甲(Pheropsophus occiptalis)、大暗黑步甲(Amara majuscula)和黄斑青步甲(Chlaenius micans), 分别占捕获步甲总个体数的12.2%、11.3%和10.8%。共捕获蜘蛛567头, 分属于3个科, 其中, 耕地内部捕获89只, 耕地边缘捕获279只, 非耕作生境捕获199只; 优势科为长奇盲蛛科(Phalangiidae)和漏斗蛛科(Agelena labyrinthica), 占捕获蜘蛛总个体数的48.5%和44.8%。
表 2 不同生境地表节肢动物类型及数量统计表Table 2. Statistics of arthropod types and numbers in different habitats地表节肢动物类群
Surface Arthropods代码
Code数量 Number 总计
Total耕地内部
Farmland耕地边缘
Farmland margin非耕作生境
Non-crop farmland昆虫纲
Insecta鞘翅目
Coleoptera步甲科
Carabidae蠋步甲
Dolichus halensisSP1 44 306 133 483 大暗黑步甲
Amara majusculaSP2 34 127 57 218 中华婪步甲
Harpalus sinicusSP3 14 35 46 95 普通暗黑步甲
Amara brevicollisSP4 148 191 159 498 黄斑青步甲
Chlaenius micansSP5 50 81 78 209 点沟青步甲
Chlaenius proefectusSP6 5 13 4 22 广屁步甲
Pheropsophus occiptalisSP7 52 142 42 236 毛盒步甲
Harpalus griseusSP8 2 3 9 14 谷婪步甲
Harpalus calceatusSP9 6 20 10 36 淡鞘婪步甲
Harpalus pallidipennisSP10 17 58 35 110 总计 Total 372 976 573 1921 蛛形纲
Arachnida盲蛛目
Order opiliones长奇盲蛛科
Phalangiidae盲蛛
Leiobunum speciesSP11 49 130 96 275 蜘蛛目
Araneae漏斗蛛科
Agelena labyrinthica漏斗蛛
Agelena labyrinthicaSP12 35 130 89 254 球蛛科
Theridiidae球蛛
TheridiidaeSP13 5 19 14 38 总计 Total 89 279 199 567 聚类分析结果表明(图3), 8种类型的生境可分为两类, 果园生境(W2)与邻近果园的耕地生境(W1)为一类, 其他类型生境为一类。由结果可知, 草地(W4)、其他林地(W6)、乔木林地(W8)及其相邻耕地具有相似的步甲和蜘蛛群落结构, 其他林地(W6)内步甲和蜘蛛群落的组成与乔木林地(W8)及邻近乔木林地耕地(W7)最接近, 而果园(W2)和相邻果园耕地(W1)步甲和蜘蛛群落的组成与其他生境存在明显的差异性。
![]()
图 3 8种生境类型步甲和蜘蛛层次距离聚类分析个体数热点图W1: 邻近果园耕地; W2: 果园; W3: 邻近草地耕地; W4: 草地; W5: 邻近其他林地耕地; W6: 其他林地; W7: 邻近乔木林地耕地; W8: 乔木林地。SP1-SP13名称见表2。W1: farmland adjacent to orchard; W2: orchard; W3: farmland adjacent to native grassland; W4: native grassland; W5: farmland adjacent to other woodlands; W6: other woodlands; W7: farmland adjacent to arbor forest; W8: arbor forest. Name of SP1 to SP13 is shown in Table 2.Figure 3. Hotspot map of cluster analysis of carabid and spiders in different habitat types2.2 非耕作生境对耕地内部步甲和蜘蛛的影响
通过单因素方差分析可知(图4): 不同非耕作生境类型对耕地内部步甲和蜘蛛的个体数、物种数和多样性影响显著(P<0.001), 对于均匀度指数影响不显著(P=0.125)。其中, 草地(W4)内部步甲的个体数、物种数和多样性显著影响其他非耕生境(P=0.048), 乔木林地(W8)内部蜘蛛的个体数和物种数显著高于其他生境(P<0.001), 其他林地(W6)内部蜘蛛的多样性影响显著高于其他生境(P=0.08)。相较于其他耕地内部, 步甲和蜘蛛在相邻果园耕地(W1)内部维持着较高的个体数、物种数和多样性。
![]()
图 4 非耕作生境内部及邻近农田内部步甲(A)和蜘蛛(B)多样性分析W1: 邻近果园耕地; W2: 果园; W3: 邻近草地耕地; W4: 草地; W5: 邻近其他林地耕地; W6: 其他林地; W7: 邻近乔木林地耕地; W8: 乔木林地。图中不同字母表示不同生境类型间差异显著。W1: farmland adjacent to orchard; W2: orchard; W3: farmland adjacent to native grassland; W4: native grassland; W5: farmland adjacent to other woodlands; W6: other woodlands; W7: farmland adjacent to arbor forest; W8: arbor forest. Different lowercase letters indicate significant differences among habitat types.Figure 4. Diversities of carabid beetle (A) and spider (B) in non-crop habitats and adjacent farmlandsNMDS分析结果显示(图5), 4种类型非耕作生境及其相邻耕地内步甲和蜘蛛群落分布差异显著, Stress值为0.1163, 表明排序结果良好。其他林地及邻近耕地与乔木林地及邻近耕地内群落具有较高的相似性。草地及邻近耕地与其他林地及邻近耕地之间分离较为明显, 表明其内部物种组成差异性较大, 群落存在高度异质性。
![]()
图 5 不同生境类型步甲和蜘蛛非度量多维度分析 (NMDS) 分析Figure 5. Non-metric Multidimensional Analysis (NMDS) of carbid beetle and spider in different habitat combinations2.3 非耕作生境对耕地边缘步甲和蜘蛛的影响
就步甲而言(图6A), 在分析取样时期耕地边缘与耕地内部和非耕作生境的差异时, 步甲多样性均为耕地边缘显著高于耕地内部, 虽然耕地边缘均高于非耕作生境, 但均未达到差异显著水平。就蜘蛛而言(图6B), 蜘蛛多样性耕地边缘与耕地内部和非耕作生境也无显著差异。比较4种耕地边缘, 步甲的多样性在邻近乔木林地的耕地边缘和邻近草地的耕地边缘较高; 蜘蛛的多样性在邻近其他林地的耕地边缘较高(图6C)。
![]()
6 边缘效应对步甲(A)和蜘蛛(B)多样性的影响及不同类型耕地边缘步甲和蜘蛛多样性对比(C)6. Influence of edge effect on diversity of carabid beetles (A) and spider (B) and comparison of diversity of carabid beetles and spider on edge of different cultivated land (C)2.4 草本植被结构对步甲和蜘蛛多样性的影响
为进一步探究步甲和蜘蛛多样性与草本植被因子之间的关系, 本研究对步甲和蜘蛛的优势种、常见种与草本植被结构因子进行RDA排序(图7), RDA前4排序轴特征值之和为0.591, 累积解释了物种—环境关系的99.3%, 表明排序结果有较好的解释率。由图7可知, 植被盖度(AC)和植被Shannon多样性(H)对步甲和蜘蛛群落分布的影响达显著水平(植被盖度F=3.3, P=0.026; 植被多样性指数F=3.8, P=0.024), 二者共解释了34.7%的步甲和蜘蛛群落数量。蠋步甲(SP1)和球蛛(SP11)与植被多样性指数和植被盖度之间夹角均较小, 说明其与植被盖度和植被多样性指数呈正相关关系; 广屁步甲(SP7)与植被盖度和植被多样性指数之间夹角较大, 呈负相关关系。黄斑青步甲(SP5)和漏斗蛛(SP12)受植被盖度影响更显著(F=4.819, P=0.011; F=6.206, P=0.006), 大暗黑步甲(SP2)、普通暗黑步甲(SP4)和淡鞘婪步甲(SP10)受植被多样性影响更显著(F=7.074, P=0.016; F=4.819, P=0.030; F=3.439, P=0.023)。
![]()
3. 讨论
3.1 不同类型非耕作生境对步甲和蜘蛛群落结构的影响
非耕作生境对物种多样性具有十分重要的影响, 非耕作生境具有丰富的食物资源和植被多样性; 可为邻近耕地内的步甲和蜘蛛群落提供稳定的生存环境和长期资源供应[17]。目前国内外关于天敌多样性的研究大多集中于大尺度研究[18], 而在中小尺度中, 需要通过不同的生境类型来区分和讨论[19]。国内外学者就不同生境对步甲和蜘蛛的影响进行了大量研究, 主要集中在自然、半自然和人工3种生境类型, 并讨论了不同生境类型对步甲和蜘蛛多样性的影响[20]。
大量研究表明, 由于不同的土地利用方式, 非耕作生境类型的差异也会导致步甲和蜘蛛群落结构有不同的变化[21], 这在我们的研究中也得到了进一步的补充。例如, 林地生境通常具有较大的生境面积以及复杂的植被群落结构[22], 可以为步甲和蜘蛛提供更多的栖息地、避难所和食源[23], 因此林地生境生物多样性会优于其余人为干扰较大的生境[24], 本研究结果也证明乔木林地生境对蜘蛛个体数和物种数影响显著, 其他林地生境对蜘蛛多样性影响显著。根据中度干扰假说理论, 在中等干扰的情况下, 物种种类较多; 在轻度干扰的情况下, 物种个体数量较多[25]。而本研究的采样区昌图县处于三北防护林体系内, 乔木林地多为沿耕地边缘建造的防护林带, 人为活动高于规模较大的其他林地。因此, 相较于其他林地, 乔木林地内拥有更高的物种数和个体数。草地生境通常也能够维持较高的天敌多样性[26], 是农业景观中进行害虫生物防治的重要景观因子, 步甲可以在草地和相邻耕地两种生境间自由扩散发挥生物防治功能[21], 这也与本研究结果相符合。
同时, 非耕作生境地产生的溢出效应会影响周围耕地内部步甲和蜘蛛的多样性。当相邻耕地害虫爆发成灾时, 这些天敌种群能够迅速通过边缘界面扩散到耕地中发挥生物控害功能[27]。由本研究结论可知, 步甲和蜘蛛在草地、其他林地和乔木林地内多样性较高, 并且会通过耕地边缘不断向耕地内部扩散, 使耕地内部步甲和蜘蛛多样性也有相应的提升。另外, 在本研究中, 果园生境内步甲和蜘蛛多样性低于其他3种生境类型, 但其相邻耕地内部步甲和蜘蛛多样性却高于其他非耕作生境相邻耕地, 该结论与溢出效应作用机制不相符。该结果出现的可能原因是, 本研究采样季节为8月末到9月初, 正值昌图县研究区果园收获季节, 而耕地内作物收割还未开始, 果园人为扰动大于相邻耕地, 步甲和蜘蛛由果园生境迁移到耕地生境, 可能导致了相邻耕地内部步甲和蜘蛛多样性增加[28]。也可能是果园生境处边缘效应对步甲和蜘蛛的影响大于溢出效应, 这需要进一步讨论得出结论。
生物多样性在人类农业发展中越来越起到至关重要的作用, 在2023年中央一号文件中, 国家更加重视耕地的生物特性、农业发展与生物多样性的关系, 并且将生物特性与地力水平、耕作条件和健康状况确定为评价耕地质量的4个一级指标。天敌生物多样性和耕地生态系统的稳定密切相关, 良好的生态环境是生物多样性存在的基础, 而生物的多样性又改善生态环境。生物种类的数量越多, 耕地生态系统就越稳定。反之, 生物种类数量越少, 耕地生态系统就越脆弱。地表节肢动物多样性对提升耕地质量, 建设高标准农田, 保障国家粮食安全和重要农产品有效供给具有重要意义。
3.2 不同类型非耕作生境对步甲和蜘蛛边缘效应的影响
作为不同类型生境的空间连接方式, 边缘在生态过程中具有重要意义[29] 。与张旭珠等[30]研究结果相同, 本研究中步甲和蜘蛛的多度、丰富度和多样性均表现为耕地边缘处较高, 且与耕地内部差异显著。耕地内部的天敌群落通常以害虫为食物来源, 耕地边缘处天敌则以杂草种子为食源, 食物的差异造成了耕地边缘和耕地内部的群落结构的差异。因此, 即使耕地边缘可以维持大量的步甲和蜘蛛多样性, 也可能由于边缘效应, 导致边缘处的物种不能向耕地内部流动[3]。
赵紫华等[31]认为, 农田与不同类型植被边界带相邻的生境界面上, 边界效应所导致的物种流动情况具有显著不同。本研究发现步甲在邻近草地的耕地边缘多样性更高, 蜘蛛在邻近其他林地的耕地边缘多样性更高。并且结果表明, 耕地边缘步甲和蜘蛛的多样性与非耕作生境无显著差异, 这与溢出效应作用结果一致。但早期的研究指出, 步甲和蜘蛛通常将耕地边缘作为越冬场所, 随后便会向耕地内部扩散, 而本研究中耕地内部步甲和蜘蛛多样性却与耕地边缘和非耕作生境存在显著差异。这可能因为在耕地内部存在着特有种[32], 在未来研究中, 需要进一步探究耕地内部与耕地边缘存在的种类差异, 更深入地探讨步甲和蜘蛛由边缘向内部的扩散机制。此外, 由于功能群内部存在较为强烈的种间竞争, 而步甲在种间竞争中取得优势[33], 因此在本研究中邻近草地的耕地边缘处, 蜘蛛的多样性低于相邻耕地和非耕作生境。
3.3 非耕作生境内植被结构对步甲和蜘蛛的影响
研究认为, 非耕作生境植被群落组成结构是维持天敌多样性的关键, 只有特定的植被功能群才能维持大量的天敌多样性[34]。本研究分析显示, 草本层盖度、多样性对步甲和蜘蛛群落分布有显著影响。植被盖度的增加会降低鸟类等捕食者的捕食强度, 这为步甲和蜘蛛提供了躲避天敌的小生境; 异质草本植物结构的组成通常可以为各种分类群提供多样化的微生境, 从而为更多生物的生存提供更广的生态位[35]。且不同生物类群对周围环境的响应不同[36], 如球蛛科与植被盖度和多样性呈正相关关系, 由于草本植被盖度大, 有利于其结网、隐蔽及捕食[37]; 而广屁步甲与其呈负相关关系, 相较于非耕作生境, 耕地内部害虫密度为捕食性步甲提供了更丰富的食物来源。故在非耕作生境及其与耕地边缘中播种盖度适宜及多样性高的草本植物, 可显著提升非耕作生境及其耕地边缘的质量, 对增强生物维持、害虫生物防治功能以及提升农业生态系统服务有益。
4. 结论
在农业集约化和生物多样性危机的背景下, 本文从天敌类地表节肢动物(步甲和蜘蛛)多样性保护的角度, 基于4种常见耕地边缘类型生物多样性数据, 讨论了非耕作生境对邻近耕地边缘及内部步甲和蜘蛛群落分布的影响。结论如下: 1)不同非耕作生境类型对耕地内部溢出效应明显, 但产生的影响有所差异, 草地对耕地内部步甲多样性影响显著, 其他林地对耕地内部蜘蛛的多样性影响显著。2)不同非耕作生境类型产生的边缘效应与溢出效应规律一致, 均会促进耕地内部步甲和蜘蛛的多样性; 步甲的多样性在邻近草地的耕地边缘显著高于其他边缘类型, 蜘蛛的多样性在邻近其他林地的耕地边缘显著高于其他边缘类型。3)非耕作生境的植被盖度和多样性显著影响步甲和蜘蛛的多样性。本文验证了耕地边缘的非耕作生境可以提升耕地边缘及内部生物多样性。在未来的耕地生态系统保护过程中, 可以通过合理布设丰富的非耕作生境, 为步甲和蜘蛛提供适宜的生存空间, 使其更好地发挥天敌的生态功能。
-
表 1 2017年郫都林盘农耕文化系统各镇(街道)劳动生产率和劳动参与率
Table 1 Agricultural labor productivity and labor participation rate of each town in Pidu Linpan Farming System in 2017
镇(街道)
Town农业劳动生产率
Agricultural labor productivity (×104￥∙capita-1)劳动参与率
Labor participation rate (%)土地城镇化率
Land urbanization rate (%)郫筒Pitong 1.72 23.97 64.24 团结Tuanjie 4.31 27.68 42.33 花园Huayuan 2.21 20.80 21.43 唐昌Tangchang 4.54 36.66 24.86 安德Ande 3.72 34.44 33.80 三道堰Sandaoyan 4.46 26.78 30.84 红光Hongguang 5.09 8.46 60.17 新民场Xinminchang 4.49 45.57 26.80 德源Deyuan 3.42 40.74 53.72 友爱You’ai 3.06 30.38 25.02 古城Gucheng 4.50 23.37 33.81 唐元Tangyuan 6.35 36.97 23.07 
下载: 导出CSV
表 2 2017年郫都林盘农耕文化系统各镇(街道)劳动用工时间与劳动强度
Table 2 Agricultural labor time and labor intensity index in each town of Pidu Linpan Farming System in 2017
镇(街道)
Town工日总计
Labor time (persons∙d)从事农业人数
Population in agriculture劳动强度指数
Labor intensity index (%)郫筒Pitong 216 313.27 3 109 23.19 团结Tuanjie 792 165.20 4 627 57.07 花园Huayuan 229 342.33 2 886 26.49 唐昌Tangchang 2 128 055.88 10 312 68.79 安德Ande 1 193 285.55 8 287 48.00 三道堰Sandaoyan 696 824.08 3 880 59.86 红光Hongguang 243 580.19 988 82.18 新民场Xinminchang 959 940.42 5 220 61.30 德源Deyuan 264 734.93 2 024 43.60 友爱You’ai 920 543.62 7 989 38.41 古城Gucheng 586 058.70 3 111 62.79 唐元Tangyuan 1 135 255.49 4 649 81.40
下载: 导出CSV
表 3 郫都林盘农耕文化系统农业劳动生产率的回归分析结果
Table 3 Regression analysis result of agricultural labor productivity and factors of production conditions in Pidu Linpan Farming System
非标准回归系数(B)
Non-standardized regression coefficient (B)B的标准误差
Standard error of B标准化回归系数(β) Standardization regression coefficient (β) 标准误差
Standard errorP值
P-value农业劳动参与率Labor participation rate 0.232 0.201 0.282 0.201 0.288 人均农用地面积Agricultural area per capita 1.410 0.639 0.637 0.639 0.063 单位农业产值能耗
Energy consumption per unit output value0.434 0.146 0.936 0.146 0.021 单位农用地面积化肥施用量
Fertilizer application amount per unit farmland0.558 0.170 0.935 0.170 0.013 常数Constant 3.427 0.907 0.907 0.007 R 0.803 R2修正值Adjusted R2 0.443 因变量预测值的标准误差
Standard error of dependent variables’ predict0.271 模型显著水平Model significance level 0.086 样本数量Sample quantity 12
下载: 导出CSV
-
[1] 蔡昉, 王美艳.农村劳动力剩余及其相关事实的重新考察——一个反设事实法的应用[J].中国农村经济, 2007, (10):4-12 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=25829650 CAI F, WANG M Y. The reinvestigation of rural labor surplus and its related facts:An application of reverse fact method[J]. Chinese Rural Economy, 2007, (10):4-12 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=25829650
[2] 杜鹰.小农生产与农业现代化[J].中国农村经济, 2018, (10):2-6 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgncjj201810001 DU Y. Small-scale production and agricultural modernization[J]. Chinese Rural Economy, 2018, (10):2-6 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgncjj201810001
[3] 蔡昉.农业劳动力转移潜力耗尽了吗?[J].中国农村经济, 2018, (9):2-13 http://www.cqvip.com/QK/94178X/20189/7000857334.html CAI F. Has China's labor mobility exhausted its momentum?[J]. Chinese Rural Economy, 2018, (9):2-13 http://www.cqvip.com/QK/94178X/20189/7000857334.html
[4] 石忆邵, 史东辉.上海郊区农业生产率的空间分异及影响因素[J].经济地理, 2018, 38(3):135-141 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=674844329 SHI Y S, SHI D H. The spatial differentiation and impacting factors of agricultural productivity in Shanghai suburbs[J]. Economic Geography, 2018, 38(3):135-141 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=674844329
[5] DORWARD A. Agricultural labour productivity, food prices and sustainable development impacts and indicators[J]. Food Policy, 2013, 39:40-50 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=afec9a37f727ca3ebc5976621f904823
[6] BALL V E, BUREAU J C, BUTAULT J P, et al. Levels of farm sector productivity:An international comparison[J]. Journal of Productivity Analysis, 2001, 15(1):5-29
[7] 石晓平, 郎海如.农地经营规模与农业生产率研究综述[J].南京农业大学学报:社会科学版, 2013, 13(2):76-84 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=njnydxxb-shkxb201302010 SHI X P, LANG H R. Literature review on the issue of relationship between farm size and agricultural productivity[J]. Journal of Nanjing Agricultural University:Social Sciences Edition, 2013, 13(2):76-84 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=njnydxxb-shkxb201302010
[8] 李华旭, 孔凡斌.农业全要素生产率评价研究:文献分析与研究展望[J].农业考古, 2018, (3):261-268 http://d.old.wanfangdata.com.cn/Periodical_nykg201803038.aspx LI H X, KONG F B. Study on total factor productivity of agriculture:Literature analysis and research prospect[J]. Agricultural Archaeology, 2018, (3):261-268 http://d.old.wanfangdata.com.cn/Periodical_nykg201803038.aspx
[9] 李静, 蒋长流.农业劳动生产率区域差异与农业用能强度收敛性[J].中国人口·资源与环境, 2014, 24(11):17-25 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgrkzyyhj201411003 LI J, JIANG C L. Regional difference of agricultural labor productivity and the convergence of agricultural energy consumption intensity[J]. China Population, Resources and Environment, 2014, 24(11):17-25 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgrkzyyhj201411003
[10] 唐德祥, 周雪晴.环境约束下我国西南地区农业全要素生产率度量及收敛性研究[J].科技管理研究, 2016, 36(4):251-257 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kjglyj201604046 TANG D X, ZHOU X Q. Calculation and convergence of agricultural total factor productivity in Southwest China under environment regulations[J]. Science and Technology Management Research, 2016, 36(4):251-257 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=kjglyj201604046
[11] 朱明.服务投入与中国农业劳动生产率的追赶进程——对中国农业劳动生产率阶段性特征的新解释[J].财经研究, 2016, 42(7):111-121 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=cjyj201607011 ZHU M. Services input and the catching-up process of agricultural labor productivity in China:A new explanation of periodical characteristics of agricultural labor productivity[J]. Journal of Finance and Economics, 2016, 42(7):111-121 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=cjyj201607011
[12] 刘玉, 郑艳东, 陈秧分.京津冀地区农业劳动生产率的分异特征及其影响因素[J].北京大学学报:自然科学版, 2017, 53(1):101-110 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bjdxxb201701011 LIU Y, ZHENG Y D, CHEN Y F. Spatial-temporal pattern and causes for agricultural labor productivity in Beijing-Tianjin-Hebei region[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(1):101-110 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=bjdxxb201701011
[13] 孔祥智.我国农业劳动力数量和劳动生产率估算[J].改革, 2019, (5):38-47 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gaig201905006 KONG X Z. Estimate the agricultural labor quantity and agricultural productivity in China[J]. Reform, 2019, (5):38-47 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gaig201905006
[14] 杨福霞, 郑凡, 杨冕.中国种植业劳动生产率区域差异的动态演进及驱动机制[J].资源科学, 2019, 41(8):1563-1575 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zykx201908015 YANG F X, ZHENG F, YANG M. Dynamic evolution mechanism of regional disparity in labor productivity of planting[J]. Resources Science, 2019, 41(8):1563-1575 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zykx201908015
[15] 魏巍, 李万明.农业劳动生产率的影响因素分析与提升路径[J].农业经济问题, 2012, (10):29-35 http://www.cqvip.com/QK/96316X/201210/43665609.html WEI W, LI W M. The analysis of influence factors and the path of promoting about agricultural labor productivity[J]. Issues in Agricultural Economy, 2012, (10):29-35 http://www.cqvip.com/QK/96316X/201210/43665609.html
[16] 李静.劳动力转移、资本深化与农业劳动生产率提高[J].云南财经大学学报, 2013, (3):31-38 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yncmxyxb201303004 LI J. Labor transfer, capital deepening and the improvement of agricultural labor productivity[J]. Journal of Yunnan University of Finance and Economics, 2013, (3):31-38 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yncmxyxb201303004
[17] 范红忠, 周启良.农户土地种植面积与土地生产率的关系——基于中西部七县(市)农户的调查数据[J].中国人口·资源与环境, 2014, 24(12):38-45 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgrkzyyhj201412006 FAN H Z, ZHOU Q L. A study of the relationship between household land acreage and land productivity based on the survey data of central and western seven counties' (cities') farmers[J]. China Population, Resources and Environment, 2014, 24(12):38-45 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgrkzyyhj201412006
[18] 邢慧茹, 张晓骏, 邓义.农业生产效率与其影响因素相关关系实证分析——基于湖北省数据[J].中国农业资源与区划, 2016, 37(12):198-203 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgnyzyyqh201612031 XING H R, ZHANG X J, DENG Y. Empirical analysis on the relationship between agricultural production efficiency and its influencing factors-Based on the data of Hubei Province[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2016, 37(12):198-203 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgnyzyyqh201612031
[19] 薛国琴.我国农业劳动生产率提高:效应与调适——基于UV曲线移动的视角[J].浙江社会科学, 2018, (3):151-155 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zjshkx201803020 XUE G Q. Improving of agriculture labor productivity in our country:Effect and adjustment-Based on the perspective of UV curve move[J]. Zhejiang Social Sciences, 2018, (3):151-155 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zjshkx201803020
[20] 熊鹰, 许钰莎.四川省环境友好型农业生产效率测算及影响因素研究——基于超效率DEA模型和空间面板STIRPAT模型[J].中国生态农业学报(中英文), 2019, 27(7):1134-1146 http://www.ecoagri.ac.cn/zgstny/ch/reader/view_abstract.aspx?file_no=2019-0716&flag=1 XIONG Y, XU Y S. Measurements and influencing factors of the efficiency of environmentally-friendly agricultural production in Sichuan Province based on SE-DEA and spatial panel STIRPAT models[J]. Chinese Journal of Eco-Agriculture, 2019, 27(7):1134-1146 http://www.ecoagri.ac.cn/zgstny/ch/reader/view_abstract.aspx?file_no=2019-0716&flag=1
[21] 树成军, 武舜臣.农业劳动力流动与劳动生产率增长——基于制度改革视角[J].安徽行政学院学报, 2016, 7(1):53-59 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=668011209 SHU C J, WU S C. Agriculture labor mobility and labor productivity increase:From the perspective of system reform[J]. Journal of Anhui Administration Institute, 2016, 7(1):53-59 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=668011209
[22] 叶兴庆.农业现代化的核心是提高劳动生产率[N].中国经济时报, 2015-7-20(8) YE X Q. The core of agricultural modernization is to raise labor productivity[N]. China Economic Times, 2015-7-20(8
[23] 马新娟, 朱俊峰. 2011年中国不同省份养兔业生产成本收益研究[J].中国养兔, 2012, (8):21-24 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgyt201208006 MA X J, ZHU J F. Study on production cost and benefit of rabbit breeding in different provinces of China in 2011[J]. Chinese Journal of Rabbit Farming, 2012, (8):21-24 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgyt201208006
[24] 张孟骅, 何忠伟, 张楠.北京市农业劳动生产率研究[J].中国食物与营养, 2016, 22(8):21-24 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgswyyy201608005 ZHANG M H, HE Z W, ZHANG N. Research on agricultural labor productivity in Beijing City[J]. Food and Nutrition in China, 2016, 22(8):21-24 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=zgswyyy201608005
[25] 何景熙.不充分就业及其社会影响——成都平原及周边地区农村劳动力利用研究[J].中国社会科学, 1999, (2):34-50 http://www.cqvip.com/QK/81908X/199902/1002186003.html HE J X. Underemployment and its social impact-A study on the utilization of rural labor force in Chengdu Plain and surrounding areas[J]. Social Sciences in China, 1999, (2):34-50 http://www.cqvip.com/QK/81908X/199902/1002186003.html
[26] 彭华, 欧阳萍, 李光跃, 等.农业劳动力老龄化的困境与出路——来自四川省的实证[J].农村经济, 2014, (10):108-112 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ncjj201410023 PENG H, OUYANG P, LI G Y, et al. The predicament and way out of the aging of agricultural labor force-An empirical study from Sichuan Province[J]. Rural Economy, 2014, (10):108-112 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ncjj201410023
-
期刊类型引用(10)
1. 撒青林，郑健，李子凡，王燕. 有机肥施用对全球农业土壤温室气体排放影响的Meta分析. 环境科学. 2025(01): 148-161 . 
百度学术
2. 曹昱亮，倪珣，巩红禹. 长江经济带农业碳排放影响因素及脱钩效应. 环境科学. 2025(03): 1535-1547 . 百度学术
3. 夏文豪，蒋媛，王旭峰，郑炫，胡灿，邢剑飞. 水肥一体化技术研究现状与发展动态. 中国农机化学报. 2025(03): 295-304 . 百度学术
4. 邹金浪，刘陶红，姚冠荣，徐龙. 中国化肥减量降碳效应评估. 中国环境科学. 2024(01): 438-448 . 百度学术
5. 郭笑君，马至远. 国外农业实现碳中和的政策措施及启示. 生态产业科学与磷氟工程. 2024(08): 76-80 . 百度学术
6. 张灵蕤，刘辉，邓岚，李群. “双碳”目标下我国农林业碳排放效率的时空演变及影响因素分析. 林业经济. 2024(08): 59-83 . 百度学术
7. 章楠楠，徐皓帆，李志文，李婷，谢邵文，刘淑娟，徐丹，周衍波，周红艺. 基于机器学习的广东省县域农业碳排放时空演变及驱动因素研究. 中国生态农业学报(中英文). 2024(12): 1994-2007 . 本站查看
8. 赵鼎杰，吴诗盈，栾志强. 基于碳封存视角：环境税和技术创新对中国农业碳排放的影响. 全国流通经济. 2024(24): 142-147 . 百度学术
9. 郝小雨，马星竹，匡恩俊，周宝库，刘颖，张明怡，郑雨，赵月. “双碳”背景下我国长期肥料定位试验的研究进展. 黑龙江农业科学. 2023(12): 131-135 . 百度学术
10. 张礼华. 氮磷钾施肥量对水稻甬优7850肥料利用率和产量的影响. 福建稻麦科技. 2023(04): 32-36 . 百度学术
其他类型引用(9)
计量
- 文章访问数: 945
- HTML全文浏览量: 250
- PDF下载量: 166
- 被引次数: 19
