2026, Vol. 47
2. 山东大学威海前沿交叉科学研究院，威海 264209;
3. 史丹利农业集团股份有限公司，临沂 276700;
4. 山东省农业科学院，济南 250100
, CUI Yu-hu1 , YANG Pan2 , XIE Xue-shi3 , ZHOU Li3 , WU Wen-tao3 , ZENG Xi-bai3 , LIU Zhao-hui4 , WAN Guang-xue1
2. Weihai Institute for Interdisciplinary Research，Shandong University，Weihai 264209，China;
3. Stanley Agricultural Group Co.，Ltd.，Linyi 276700，China;
4. Shandong Academy of Agricultural Sciences，Jinan 250100，China
土壤改良修复作为应对土壤污染问题的技术方案之一，是指通过物理、化学、生物及农艺调控等综合措施，改善土壤理化性质、修复污染地块并恢复土壤生态功能的系统集成. 在工业化进程加速、城镇化快速扩张及农业机械化粗放经营等多重因素的叠加作用下，土壤环境呈现污染类型复合化、退化机制复杂化及空间分布异质化特征，土壤生态服务功能衰减已对粮食安全与生态系统稳定性构成潜在威胁[1，2]. 而现有土壤改良修复模式在实践中面临技术适配性不足和支出成本过高等现实困境，且部分化学修复方式可能存在二次污染的风险[3~5]. 因此，构建合理的土壤改良修复模式效益评价体系，既是破解技术选择困境与优化资源配置的内在要求，也是实现土壤可持续管理从经验决策向事实决策转型的关键支撑，对完善土壤修复理论体系与指导区域生态修复实践具有重要意义.
近年来，学术界围绕土壤改良修复技术与效益评价展开多视角探索，形成了包括生物炭改良、植物修复与工程治理等多元化技术体系[6~8]. 如在矿区土壤修复方面，部分学者从开采方式、土壤类型、修复技术和生态效益评估等方面总结研究进展，阐述土壤生态修复对生态环境安全和可持续发展的重要性[9，10]. 在效益评价方面，既有研究以特大城市建设为着力点，构建土地利用的评价框架，对其经济效益、社会效益和生态效益进行评价预测，为优化土壤供应结构提供参考[11，12]. 谢贤健[13]从社会、经济和生态环境等方面评价四川省土地利用效益及其耦合关系，有利于实现土地资源的合理配置及优化用地结构. 对于生态经济效益，部分学者构建生态变化和经济效益融合框架，逐步完善环境保护政策的理论体系[14]. 然而，现有成果多聚焦于宏观尺度，如黄河三角洲盐碱地改良效应评估和区域不同经济林种植模式改良土壤效应等[15，16]，对县域单元的关注明显不足，而这一尺度恰恰是落实土壤生态修复要求的实操层面；且不同地貌类型区土壤改良修复的效益演化规律和空间耦合机制仍缺乏系统性解析，尤其是未充分考虑诸如土壤禀赋和生态环境等对系统效益的驱动因素.
综上，在全球气候变化与资源约束趋紧的背景下，中国正面临土地空间重构与土壤生态治理转型的双重变革. 山东省作为我国农业大省和人口大省，耕地面积约占全国总量的6%，但长期高强度开发利用导致土壤退化问题凸显：盐碱地面积超过59×104 hm2，约46×104 hm2位于滨海地区，治理难度较大；胶东半岛工矿带存在重金属污染风险；鲁中南丘陵区则面临水土流失与有机质下降双重压力[17~20]. 如何突破传统土壤改良修复模式效益评价中“重经济产出、轻生态过程”的路径依赖，建立兼顾多维价值的效益评价体系，已成为土壤生态治理现代化亟待解决的关键问题. 由此，本文选取山东省典型县域为研究区域，通过构建土壤条件、生态环境与经济社会三维系统的评价指标体系，对山东省典型县域土壤改良修复模式综合效益进行量化分析，结合Kernel密度估计方法分析其发展态势，探索各子系统之间的耦合协调关系；同时利用障碍度模型探讨影响不同县域整体发展的障碍因子，以期为县域土壤生态修复差异化治理提供理论工具，缓解同类型区域生态保护与经济发展之间矛盾，并为山东省县域尺度农业土地资源可持续利用与生态文明建设提供决策依据.
1 研究区概况 1.1 威海市荣成市：土壤酸化改良荣成市土壤多为酸性岩及其风化物发育而成，土壤主要为棕壤，沿海有潮土、盐土和风沙土分布. 据《威海耕地》可知，荣成市土壤酸化面积大且比较严重，全市耕地pH值众数为5.4，pH值<6.5的耕地面积占耕地总面积的98.8%. 由此，耕地土壤全面酸化已对农作物生长发育和农业经济发展产生严重的不利影响，成为农业生产发展的主要限制因素[21].
1.2 东营市垦利区：盐碱地修复垦利区地处黄河最下游入海口处，地势平坦，土壤类型主要为潮土和滨海盐土，盐碱地面积大且盐含量高，农作物产量一直受到较大影响[22，23]. 该区域盐碱耕地面积超过4×104 hm2，占全区耕地总面积的近80%，部分盐碱地含盐量超过10‰，盐碱地土壤改良修复工作仍需不断推进.
1.3 潍坊市寿光市：农业产业模式寿光市是“中国蔬菜之乡”，其种植规模宏大和品种繁多，构筑“一二三”产业交叉融合的现代农业产业体系. 然而，基于作物长期连作和过度依赖化学肥料等原因，寿光部分区域面临土壤板结和有机质下降等问题，对农业产业发展带来消极影响[24].
1.4 潍坊市青州市：国家农业绿色发展先行区青州市入选国家农业绿色发展先行区创建名单. 该区域实施化肥减量增效行动、农药减量增效行动和农膜污染治理行动，化肥用量比2018年减少6.91×104 t，减施率14.7%，农药用量比2018年减少2 121 t，减施率17.6%；同时，加强耕地保护修复、实施耕地质量提升行动与发展高效节水农业. 累计建成高标准农田38.6×104 hm2，水肥一体化面积达到8×104 hm2，节水灌溉面积达到36.8×104 hm2，提升农业现代化发展水平[25].
2 材料与方法 2.1 数据来源本文主要使用数据包括：2020~2023年《威海统计年鉴》《潍坊统计年鉴》《东营统计年鉴》、2019~2022年荣成、垦利、寿光和青州《国民经济和社会发展统计公报》及各县域土壤实验采样数据. 研究区域如图 1所示.
|
图 1 研究区域 Fig. 1 Study area |
其中，土壤实验采样数据主要是由团队赴各县域进行采样，为保障土壤数据的真实性与精准性，根据典型县域面积，连续4 a在对应研究单元共选取24个实验地块（采样深度为0~20 cm），每个地块采用“W”取样方式，每个地块需要取10个样点进行混匀，每个取样点的取土量大致相当，将采集的10个点位土样充分混匀后，采用四分法进行缩分，最终保留500g代表性样品装入样品袋保存. 在后续各指标检测过程中，均设置3组平行试样进行质量控制，最终检测结果取平行样的算术平均值. 根据土壤微生物测定标准，土壤硝态氮采用紫外分光光度法测定，土壤有效磷采用连续流动分析仪法测定，土壤速效钾采用火焰光度计法测定，土壤有机质采用重铬酸钾容量法测定，土壤pH采用pH计测定，土壤检测结果由史丹利农业集团股份有限公司与蚯蚓测土实验室（山东）有限公司提供.
2.2 研究方法 2.2.1 土壤改良修复模式综合效益评价指标体系土壤改良修复对于保护农业生产、维护生态环境、防止水资源污染、处理污染源和实现可持续发展具有重要作用[26]. 本文在遵循指标数据可得性、真实性与代表性的原则下，借鉴既有评价指标体系成果[27]，结合典型县域情况，形成3个系统层、6个准则层和20个指标构成的土壤改良修复模式综合效益评价指标体系（表 1）.
|
表 1 土壤改良修复模式综合效益评价指标体系 Table 1 Comprehensive benefit evaluation index system of soil improvement and restoration models |
其中，土壤条件分为土壤禀赋和生产能力，涉及土壤的元素含量和耕种面积等；生态环境分为生态保护与环境风险，主要指标为建成区绿化覆盖率、人工造林面积和化肥施用量等；经济社会包含经济特征与社会特征，涉及到粮食单产、人均农业产值和人口密度等指标. 所选指标相关度较低，在一定程度上避免指标冗余. 属性“+”表示正向指标，属性“-”表示负向指标，指标权重由熵值法计算得出.
2.2.2 熵权TOPSIS综合评价模型熵权TOPSIS综合评价模型结合熵权法和TOPSIS法的优点. 熵权法能够客观地确定指标权重，避免了主观赋权的随意性；TOPSIS法则通过比较各评价对象与理想解的距离来进行排序，能够全面地反映评价对象的综合情况[28]. 该模型的应用步骤就是先利用熵权法确定指标权重，再将权重代入TOPSIS法进行计算和评价排序. 目前，该模型在经济增长、资源利用和环境保护等方面被学者广泛利用[29，30].
步骤1：为消除土壤改良修复模式综合效益评价指标数量与量纲的影响，采取极差标准化方法对既有数据进行标准化处理.
对于正向指标：
| (1) |
对于负向指标：
| (2) |
式中，xij为第i年第j个土壤改良修复模式综合效益评价指标原始数据，Dij为标准化后的指标值.
步骤2：计算第i年第j个指标占该指标的比例：
| (3) |
步骤3：计算第j个指标的熵值ej和冗余值fj：
| (4) |
| (5) |
步骤4：计算第j个指标的权重wj：
| (6) |
步骤5：计算加权决策矩阵：
| (7) |
式中，wj为指标j经过公式计算的权重.
步骤6：确定各指标的正、负理想解：
| (8) |
| (9) |
步骤7：进一步计算各评价单元与正、负理想解的欧氏距离：
| (10) |
| (11) |
步骤8：计算贴近度：
| (12) |
式中，Ci为第i年土壤改良修复模式的综合效益水平，0<Ci≤1，Ci值越大，则说明该系统综合效益水平越高. 同理，可计算出以上准则层的Ci值.
基于此，在借鉴既有文献的基础上[31]，将土壤改良修复模式综合效益水平划分为5个等级（表 2）.
|
|
表 2 土壤改良修复模式综合效益水平评价标准 Table 2 Evaluation standards for the comprehensive benefit level of soil improvement and restoration models |
2.2.3 Kernel密度估计
在此基础上，本文使用Kernel密度估计法分析典型县域土壤条件系统、生态环境系统与经济社会系统的综合效益水平分布趋势，为土壤修复科学管理提供决策支持[32].
2.2.4 耦合协调度模型耦合协调度模型可通过考虑各个子系统的相互作用和反馈情况，从整体的角度来研究系统单元的行为和性能[33]. 在实际应用中，耦合协调度模型常常被用于描述复杂的社会经济系统、生态系统和物流系统等多领域的问题[34，35]. 通过研究不同子系统之间的耦合关系和协调方式，可以更好地理解系统的运行规律，提高系统的整体效率和韧性. 具体测算公式如下：
| (13) |
| (14) |
式中，U为耦合度，T为协调度，C1、C2和C3分别为土壤条件、生态环境和经济发展子系统综合效益水平，当U=0时，其耦合度最小，表明3个系统内部之间处于无序状态；当U=1时，则代表 3个系统之间耦合度较高. 同时，本文参考已有研究[36]，对效益耦合协调度T进行范围衡量与等级判断（表 3）.
|
|
表 3 耦合协调度等级划分 Table 3 Classification of coupling coordination degree |
2.2.5 障碍因子诊断模型
本文采用障碍度模型对评价指标中影响土壤条件、生态环境和经济社会系统综合发展效益的障碍因素进行诊断分析[37]，具体计算公式为：
| (15) |
式中，Oj为j指标对目标层的障碍度，同理可以计算出各准则层的障碍度；
基于Kernel密度估计方法，此部分对典型县域土壤改良修复模式综合效益的发展趋势与分布特征等进行分析，发现综合系统与各子系统在不同时间呈现出差异性的分布特征.
典型县域土壤改良修复模式综合效益水平的动态演进情况如图 2（a）所示. 具体而言，分布中心区域呈现出上下波动态势，主峰分值在样本期内表现为“先下降-后上升”的现象，且宽度逐步变大. 2019~2022年样本数据存在明显的左侧波峰，且波动性较强，表明典型县域的土壤改良修复模式综合效益水平存在显著的极化现象，不同区域内部的差异性仍旧存在. 因此，研究区域的土壤改良修复模式综合发展整体呈现出波动上升趋势，各区域的差距亦在不断缩小.
|
图 2 典型县域土壤改良修复模式综合效益系统动态演进 Fig. 2 Dynamic evolution of the comprehensive benefit system of soil improvement and remediation models in typical counties |
典型县域土壤条件系统效益水平的演变趋势如图 2（b）所示. 考虑到土壤条件为生态和经济的载体，此处仅对该系统进行演变趋势分析. 图 2（b）分布中心区域的波动性较为稳定，没有出现明显的波峰，表明各区域土壤条件的变化趋势较为稳定，但鉴于土壤改良修复是一个缓慢的过程，其发展速度较慢. 同时，图 2（b）右侧曲线呈现出明显的拖尾现象，表明存在土壤条件改善较为明显的区域.
基于此，根据公式（12）计算，得出山东省典型县域土壤改良修复模式综合效益水平及各子系统效益水平. 由表 4可知，2019~2022年典型县域综合效益水平平均值呈波动上升趋势，且多处于良好发展范围，具有较强的稳定性（0.421）.
|
|
表 4 典型县域土壤改良修复模式综合效益水平（C） Table 4 Comprehensive benefit levels（C）of soil improvement and remediation models in typical counties |
从各县域具体情况来看，垦利区（0.217）、荣成市（0.385）和青州市（0.399）的平均值处于较低水平，寿光市处于较高水平（0.685），可以看出寿光市具有较强的农业发展基础，在经过土壤生态修复后，显著提升区域农业产值. 垦利区的综合效益指数较低，其可能的原因为区域位于黄河入海口，土壤中盐分含量大，同时可能遭受较多的自然灾害，尽管该区域开展系列典型修复项目，但仍存在一定的范围性，整体的示范带动作用须进一步提升.
由典型县域各子系统效益水平看出（表 5），垦利区经过盐碱地生态修复，其土壤条件、生态环境与经济社会的子系统发展水平呈波动上升态势. 这个结果展现了垦利区加大盐碱地治理与改良的投入力度，积极争取各级财政资金支持，引导社会资本参与盐碱地治理，加快推进盐碱地改造提升工程，改善盐碱地的农业生产条件，促进区域农业高质量发展等措施效果. 荣成市经过土壤酸化改良，土壤条件与生态环境变化幅度较小，经济社会层面变化较大. 近年来，荣成市连续实施耕地质量提升与高标准农田建设等项目，加快提升耕地肥力，改善农业生产条件，提高农业生产效率. 2021年，荣成市建设了100 hm2粮油大田作物水肥一体化示范区，解决耕地土壤酸化及肥力下降问题，加快推进现代农业绿色发展.
|
|
表 5 典型县域土壤改良修复模式各子系统效益水平（C） Table 5 Benefit level（C）of each subsystem of the soil improvement and remediation models in typical counties |
寿光市各子系统得分值均处于较高水平. 寿光市把产业发展作为推进乡村振兴的重要抓手，因地制宜做优特色农业、做活农旅产业；同时，加快土壤生态修复，推广水肥一体化技术，改变传统大水大肥过量施用的方式，比原有的土渠大水漫灌节水40%以上，助力农业经济高质量发展，“马太效应”不断凸显. 从青州市得分值来看，土壤条件与生态环境处于较低水平，经济社会处于较高水平，且呈波动上升趋势. 可见，土壤生态修复是个复杂漫长的过程. 因此，青州市在申报国家农业发展绿色先行区的基础上，不断重视土地自然环境的保护修复，有序推广微生物菌剂等土壤改良产品，确保耕地安全利用的同时，保证作物获得较好的收成，为经济社会发展奠定基础.
3.2 不同县域土壤改良修复模式的耦合协调分析如图 3所示，不同县域土壤改良修复模式耦合协调情况存在显著差异. 首先，垦利区耦合协调度由2019年的轻度失调变化至2022年的濒临失调，得分值呈波动增长态势，各子系统的协调发展情况有所缓和. 近年来，垦利区大力推动盐碱地改良与高标准农田建设，试验田土壤水溶性盐含量平均值逐步下降，在保障土壤质量的同时，提升农业产值，促使各系统协调性逐渐优化.
|
图 3 2019年和2022年各县域耦合协调度等级空间分布 Fig. 3 Spatial distribution of coupling coordination levels by counties in 2019 and 2022 |
其次，荣成市2019~2022年耦合协调度均处于初级协调等级，发展波动变化较为稳定. 上述情况表现出各系统要素间形成动态平衡但尚未突破协调瓶颈的阶段性特征，可通过构建“酸化治理+品种改良+技术迭代”农业发展模式，推动各系统耦合协调度实现跃迁. 再者，寿光市各子系统耦合协调水平整体处于优秀协调等级，亦呈现出较强的“马太效应”，即农业产业发达区域，越重视各系统的协调发展. 可见寿光市在农业发展过程中，土地利用科学合理，生态修复创新发展，农业经济显著提升. 最后，青州市的耦合协调度则从2019年的中级协调下降至初级协调状态. 因此，青州市在推进土壤改良修复的过程中，考虑到政策工具的限制性（申请国家农业绿色发展先行区等），对经济社会系统带来一定的影响，致使各子系统之间的耦合协调性呈现波动变化情况，但总体风险可控.
3.3 不同县域土壤改良修复模式的障碍因子诊断由上文分析可知，各县域土壤改良修复模式子系统发展水平存在显著的时空差异. 为进一步分析不同子系统之间的差异驱动因素，典型县域土壤改良修复模式各子系统的障碍度如图 4（a）所示. 整体来看，各系统层对综合效益发展水平的影响程度由大到小依次为经济社会系统（0.426）、土地条件系统（0.369）和生态环境系统（0.203）.
|
图 4 典型县域土壤改良修复模式发展障碍因子及障碍度 Fig. 4 Typical county soil improvement and remediation model development barrier factors and barrier levels |
具体而言：第一，经济社会系统发挥核心驱动作用. 如寿光市，设施农业产业化使农民人均可支配收入不断提升，形成“产业升级-收入增长-消费转型”的正向循环，并基于政策导向强化机制，对土壤条件与生态保护带来积极影响. 第二，土壤条件系统呈现空间约束特性. 山东省地形地貌复杂，气候条件存在显著差异，部分发展水平较高的县域，产业集聚度高，使得土壤改良率较高. 反之，发展水平较低的区域则有待提升. 上述自然条件的空间异质性直接影响土壤改良效率，制约经济活动的扩展边界[38]. 第三，生态环境系统的长周期反馈特征. 土壤环境改善需长期投入且收益滞后，部分实验区域土壤改良修复项目需3~5年才能凸显成效，且资金投入较大，在一定程度上限制区域发展[39].
各具体指标的障碍度如图 4（b）所示，荣成市各系统发展水平影响因素主要有农用塑料薄膜使用量、农用化肥使用量、土壤硝态氮和有效磷等. 该区域展现出农业集约化与土壤环境矛盾，其中农膜残留破坏土壤团粒结构，阻碍微生物活动，叠加化肥过量施用，从而对系统发展水平带来消极影响. 垦利区面临的障碍因子有pH值、人均公园绿地面积、农用塑料薄膜使用量和农用化肥使用量等. 该区域位于黄河三角洲，盐渍化程度较高[40]，形成“自然碱化+人为酸化”的复合效应，并伴随着绿地空间挤压效应，影响各系统发展. 寿光市的各评价指标与其他县域有所不同，其个别指标障碍度得分值较高. 主要因素为农业机械总动力、人均公园绿地面积、人工造林面积和城乡居民基本养老保险参保人数等. 寿光市整体展现出现代设施农业的伴生问题，如农业机械化所带来的问题，农村社会保障面临的瓶颈等. 由此，各系统障碍因素呈现差异. 青州市所面临的障碍因素主要有人口密度、城镇化率、人居公园绿地面积、土壤有效磷和粮食播种面积等. 基于以上因素，可以发现青州市面临城乡发展资源错配的情况，人口密度与公园面积等障碍因素较为突出，反映“城镇极化发展”的空间外部性.
4 讨论土壤环境在我国农业生产及日常生产生活中的地位不可替代，是人们赖以生存与发展的基础. 近年来，我国对土壤防治及修复重视程度不断提升，修复成效较为显著，但土壤污染修复防治仍充满挑战. 而本文则通过融合熵权TOPSIS模型与Kernel密度估计等方法，揭示了县域尺度土壤改良修复模式综合效益的时空异质性，弥补了传统研究聚焦宏观尺度的不足. 同时，将土壤禀赋（如土壤pH值和有效磷）纳入障碍因子诊断，拓展“资源-环境-经济”耦合分析的维度. 研究证实，土壤改良修复模式的综合效益得分值波动升高，空间格局的耦合协调存在显著差异性，且不同区域所面临的障碍因子存在异质性. 同时，土壤生态修复需突破“短期经济优先”思维，例如部分土壤改良修复模式需经营多年才可显效，提示政策设计应注重长周期效益评估. 此外，寿光市“产业-收入-消费”的正向循环表明，现代农业产业链整合是协调生态与经济的关键路径.
4.1 研究建议一是构建差异化治理路径. 荣成市应建立土壤酸化长期监测体系，跟踪土壤酸化趋势，提高种植主体对土壤酸化的认识，推广土壤酸化改良技术，促进技术的广泛应用. 垦利区需深化盐碱地“地种相适”模式，推动耐盐作物产业化；争取国家生态修复专项资金，建立盐碱地治理长效补偿机制. 寿光市应根据土地的自然属性和经济功能，确保农业用地、工业用地和生态用地等各类土地的合理配置；加强城乡社会保障统筹，缓解机械化与城镇化伴生的社会矛盾. 青州市应优先实施土壤生物修复工程，推广微生物菌剂与有机肥替代；推广农业循环发展模式，促进资源的循环利用，降低对环境的压力；优化城乡土地资源配置，避免“城镇极化”引发的生态挤压效应.
二是完善跨系统协同机制. 一是各县域构建“土壤-生态-经济”联动监测平台，实时评估耦合协调度变化，动态调整政策工具. 建立健全生态补偿机制，对土壤生态保护区和空间修复区进行经济补偿，激励地方政府和居民积极参与生态保护. 二是试点生态资产产权交易制度，将盐碱地碳汇和土壤固碳量纳入县域生态补偿核算. 三是制定统一的土壤改良修复生态保护规划，明确各部门的职责和任务，确保各项工作有序推进.
三是鼓励技术与管理创新. 各县域可根据自身资源禀赋，如推广智能土壤管理系统（寿光市），利用大数据与人工智能等技术，优化土壤资源配置，提高管理效率. 推广土壤酸化与盐渍化快速修复技术（如荣成市“秸秆还田+增施有机肥”和垦利区“以种适地+以地适种”），缩短生态效益滞后周期. 同时，建立县域土壤改良修复模式“负面清单”，严控高耗能与高污染农业投入品使用，利用遥感和GIS等先进技术，建立生态监测系统，实时监控生态环境变化，为决策提供科学依据.
4.2 研究局限一是数据局限性. 考虑到土壤数据的可得性等问题，导致研究周期较短（2019~2022年），未来需延长观测周期以捕捉系统演化的长期趋势. 二是指标体系有待优化. 现有指标中未纳入碳排放和生物多样性等生态指标，后续可结合“双碳”目标完善评价体系.
5 结论（1）综合效益演变特征：2019~2022年山东省典型县域土壤改良修复模式综合效益呈现波动上升趋势，年度均值为0.421，但子系统间发展存在显著非同步性. 其中，经济社会系统提升最快，土壤条件系统较为稳定，生态环境系统因修复周期长与投入滞后，变化较慢. 空间分布上，寿光市的综合效益处于领先水平，而垦利区因盐碱地等因素制约，其综合效益仍处于较低水平，区域间效益呈现“马太效应”.
（2）耦合协调变化趋势：各系统耦合协调度由2019年的濒临失调提升至2022年的中级协调，但子系统协同性仍待加强. 如寿光市因设施农业全产业链整合，实现优秀协调；垦利区则由轻度失调变为濒临失调.
（3）障碍因子诊断情况：农用塑料薄膜使用量、农用化肥施用量和土壤pH值是制约各系统协调的核心因子，三者累计障碍度占比较高. 此外，农业机械总动力（寿光市）与城镇化率（青州市）等指标凸显集约化农业与城镇化的伴生矛盾.
| [1] |
谢天, 侯鹰, 陈卫平, 等. 城市化对土壤生态环境的影响研究进展[J]. 生态学报, 2019, 39(4): 1154-1164. Xie T, Hou Y, Chen W P, et al. Impact of urbanization on the soil ecological environment：a review[J]. Acta Ecologica Sinica, 2019, 39(4): 1154-1164. |
| [2] |
赵瑞, 吴克宁, 刘亚男, 等. 基于生态系统服务功能视角的县域尺度土壤健康评价[J]. 土壤通报, 2020, 51(2): 269-279. Zhao R, Wu K N, Liu Y N, et al. Soil health evaluation at a county level based on soil ecosystem service function[J]. Chinese Journal of Soil Science, 2020, 51(2): 269-279. |
| [3] |
吕航, 赵月, 龚绪龙, 等. 我国滨海盐碱地改良技术综述及案例研究[J]. 水文地质工程地质, 2025, 52(2): 25-43. Lyu H, Zhao Y, Gong X L, et al. Review of techniques and case studies for saline-alkali land amelioration in the coastal regions of China[J]. Hydrogeology and Engineering Geology, 2025, 52(2): 25-43. |
| [4] |
赵文瑞, 张文娟, 胡慧, 等. 海鲜壳生物质炭对酸性土壤的改良效果与机制探究[J]. 土壤, 2023, 55(5): 1080-1087. Zhao W R, Zhang W J, Hu H, et al. Improvement effects and mechanisms of seafood shell biochars on acidic soils[J]. Soils, 2023, 55(5): 1080-1087. |
| [5] |
马跃涛, 徐铁兵, 张婷婷, 等. 焦化污染地块修复过程中大气二次污染及其防治研究[J]. 环境保护, 2022, 50(23): 51-54. Ma Y T, Xu T B, Zhang T T, et al. The study of secondary air pollution and prevention in remediation of contaminated coking site[J]. Environmental Protection, 2022, 50(23): 51-54. |
| [6] |
吕鹏, 李莲芳, 黄晓雅. 改性生物炭修复砷镉复合污染土壤研究进展[J]. 环境科学, 2023, 44(7): 4077-4090. Lyu P, Li L F, Huang X Y. Modified biochar for remediation of soil contaminated with arsenic and cadmium：a review[J]. Environmental Science, 2023, 44(7): 4077-4090. DOI:10.13227/j.hjkx.202207032 |
| [7] |
周杰, 王志春, 杨帆. 盐碱土壤植物修复机制研究进展[J]. 生态学杂志, 2024, 43(5): 1453-1462. Zhou J, Wang Z C, Yang F. Research progress about phytoremediation mechanisms in saline-sodic soils[J]. Chinese Journal of Ecology, 2024, 43(5): 1453-1462. |
| [8] |
姜杉钰, 谭丽萍, 冯聪, 等. 系统观下的矿山生态修复关键技术体系构建[J]. 环境科学, 2025, 46(1): 489-497. Jiang S Y, Tan L P, Feng C, et al. Construction of key technology system for mine ecological restoration under system perspective[J]. Environmental Science, 2025, 46(1): 489-497. DOI:10.13227/j.hjkx.202402068 |
| [9] | Lei K, Pan H Y, Lin C Y. A landscape approach towards ecological restoration and sustainable development of mining areas[J]. Ecological Engineering, 2016, 90: 320-325. DOI:10.1016/j.ecoleng.2016.01.080 |
| [10] |
周际, 赵财胜, 张丽佳, 等. 矿区土地复垦与土壤修复研究进展[J]. 东北师大学报（自然科学版）, 2023, 55(1): 151-156. Zhou J, Zhao C S, Zhang L J, et al. Research progress of land rehabilitation and soil remediation in mining area[J]. Journal of Northeast Normal University（Natural Science Edition）, 2023, 55(1): 151-156. |
| [11] |
周凯, 王福海. 土地利用系统社会效益评价研究——以重庆市巴南区为例[J]. 中国人口·资源与环境, 2017, 27(S2): 166-169. Zhou K, Wang F H. Study on evaluation of social benefit of land use system：a case study of Banan District in Chongqing City[J]. China Population，Resources and Environment, 2017, 27(S2): 166-169. |
| [12] | You L, Li Y R, Wang R, et al. A benefit evaluation model for build-up land use in megacity suburban districts[J]. Land Use Policy, 2020, 99. DOI:10.1016/j.landusepol.2020.104861 |
| [13] |
谢贤健. 基于熵权TOPSIS和耦合协调模型的四川省土地利用效益耦合协调关系及时空演变特征[J]. 水土保持学报, 2024, 38(1): 267-277. Xie X J. Coupling coordination relationship and spatiotemporal evolution characteristics of land use benefit in Sichuan province based on entropy weight TOPSIS and coupling coordination model[J]. Journal of Soil and Water Conservation, 2024, 38(1): 267-277. |
| [14] | Wainger L, Mazzotta M. Realizing the potential of ecosystem services：a framework for relating ecological changes to economic benefits[J]. Environmental Management, 2011, 48(4): 710-733. DOI:10.1007/s00267-011-9726-0 |
| [15] |
胡琴, 陈为峰, 宋希亮, 等. 不同灌水量对黄河三角洲盐碱地改良效果研究[J]. 水土保持学报, 2019, 33(6): 305-310，325. Hu Q, Chen W F, Song X L, et al. Study on improvement effect of different irrigation volumes on saline-alkali land in the Yellow River Delta[J]. Journal of Soil and Water Conservation, 2019, 33(6): 305-310，325. |
| [16] |
张兹箕, 王启鑫, 赵振宇, 等. 鲁中南地区不同经济林种植模式的改良土壤效应[J]. 水土保持研究, 2024, 31(5): 102-111. Zhang Z J, Wang Q X, Zhao Z Y, et al. Soil improvement effect of different economic forest planting modes in south-central Shandong Province[J]. Research of Soil and Water Conservation, 2024, 31(5): 102-111. |
| [17] |
周思怡, 李晓佳, 张恂, 等. 不同物料对海滨沙性盐碱地改良效果研究[J]. 土壤, 2023, 55(2): 356-362. Zhou S Y, Li X J, Zhang X, et al. Study on improvement effects of different materials on sandy saline-alkali land[J]. Soils, 2023, 55(2): 356-362. |
| [18] |
赵莉源, 孔令号, 赵志刚, 等. 胶东半岛某金矿周边土壤重金属的污染特征、来源分析及风险评价[J]. 中国地质, 2024, 51(5): 1485-1500. Zhao L Y, Kong L H, Zhao Z G, et al. Pollution characteristics，source analysis and risk assessment of heavy metals in soil around a gold mine in Jiaodong Peninsula[J]. Geology in China, 2024, 51(5): 1485-1500. |
| [19] |
苏浩, 李佳珂, 刘坤, 等. 山东省耕地利用净碳汇变化与耕地利用效益关系研究[J]. 地理科学, 2024, 44(5): 864-873. Su H, Li J K, Liu K, et al. Relationship between net carbon sequestration change and cultivated land use benefit of cultivated land use in Shandong Province[J]. Scientia Geographica Sinica, 2024, 44(5): 864-873. |
| [20] |
张慧利, 蔡洁, 夏显力. 水土流失治理效益与生态农业发展的耦合协调性分析[J]. 农业工程学报, 2018, 34(8): 162-169. Zhang H L, Cai J, Xia X L. Coupling coordinative degree analysis on benefit of water and soil erosion control and development of ecological agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(8): 162-169. |
| [21] | Zhang S W, Zhu Q C, de Vries W, et al. Effects of soil amendments on soil acidity and crop yields in acidic soils：a world-wide meta-analysis[J]. Journal of Environmental Management, 2023, 345. DOI:10.1016/j.jenvman.2023.118531 |
| [22] |
王海. 农户信贷对盐碱地治理技术采纳行为影响的区域差异性分析——以垦利、镇赉和察布查尔3县468农户为例[J]. 西南大学学报（自然科学版）, 2018, 40(1): 126-134. Wang H. Analysis of regional differences of farmer credit affecting farmer' adoption behavior of treatment technology for saline land—a case study of 468 households in three counties of Kenli，Zhenlai and Chabuchaer of Guizhou Province[J]. Journal of Southwest University（Natural Science Edition）, 2018, 40(1): 126-134. |
| [23] | Li Z K, Kekeli M A, Jiang Y Q, et al. Progress and prospect of saline-alkaline soil management technology：a review[J]. Applied Sciences, 2025, 15(8). DOI:10.3390/app15084567 |
| [24] | Ma Q H, Zheng S F, Deng P. Impact of internet use on farmers' organic fertilizer application behavior under the climate change context：the role of social network[J]. Land, 2022, 11(9). DOI:10.3390/land11091601 |
| [25] |
胡莹洁, 孔祥斌, 张玉臻. 中国耕地土壤肥力提升战略研究[J]. 中国工程科学, 2018, 20(5): 84-89. Hu Y J, Kong X B, Zhang Y Z. Strategies for soil fertility improvement of arable land in China[J]. Strategic Study of CAE, 2018, 20(5): 84-89. |
| [26] | Wang G, Ren Y, Bai X J, et al. Contributions of beneficial microorganisms in soil remediation and quality improvement of medicinal plants[J]. Plants, 2022, 11(23). DOI:10.3390/plants11233200 |
| [27] |
夏天, 武星华, 周晓, 等. “虾稻”模式下粮食安全—经济发展—生态保护三维系统综合效益——以湖北潜江市为例[J]. 经济地理, 2024, 44(8): 170-180. Xia T, Wu X H, Zhou X, et al. Comprehensive benefits of the three-dimensional system of food security，economic development，and ecological protection under the rice-crayfish co-cropping model：a case study of Qianjiang City in Hubei Province[J]. Economic Geography, 2024, 44(8): 170-180. |
| [28] |
解雪峰, 濮励杰, 朱明, 等. 基于MDS与TOPSIS模型的滨海滩涂围垦区土壤质量评价[J]. 环境科学, 2019, 40(12): 5484-5492. Xie X F, Pu L J, Zhu M, et al. Assessment of soil quality in coastal tidal flat reclamation areas based on MDS-TOPSIS model[J]. Environmental Science, 2019, 40(12): 5484-5492. DOI:10.13227/j.hjkx.201905129 |
| [29] | Zhao D F, Li C B, Wang Q Q, et al. Comprehensive evaluation of national electric power development based on cloud model and entropy method and TOPSIS：a case study in 11 countries[J]. Journal of Cleaner Production, 2020, 277. DOI:10.1016/j.jclepro.2020.123190 |
| [30] |
郭书娟, 许亚东, 黄进勇. 基于熵权TOPSIS模型的农业绿色发展水平评价——以河南省为例[J]. 浙江大学学报（农业与生命科学版）, 2024, 50(2): 221-230. Guo S J, Xu Y D, Huang J Y. Evaluation of agricultural green development level based on entropy weighted TOPSIS model：a case study of Henan Province[J]. Journal of Zhejiang University（Agriculture & Life Sciences）, 2024, 50(2): 221-230. |
| [31] |
靳峰, 周颖, 郭璐, 等. 基于熵权TOPSIS模型的黄河流域甘肃段水土保持治理综合效益评价[J]. 中国农村水利水电, 2024(12): 80-89. Jin F, Zhou Y, Guo L, et al. Evaluation of comprehensive benefits of soil and water conservation management in the Gansu section of the Yellow River Basin based on entropy weighted TOPSIS model[J]. China Rural Water and Hydropower, 2024(12): 80-89. |
| [32] |
张凯, 吴凤平, 成长春. 三重属性的承载力约束下中国水资源利用效率动态演进特征分析[J]. 环境科学, 2021, 42(12): 5757-5767. Zhang K, Wu F P, Cheng C C. Dynamic evolution characteristics of water resources utilization efficiency in China under the constraint of triple attribute carrying capacity[J]. Environmental Science, 2021, 42(12): 5757-5767. DOI:10.13227/j.hjkx.202103171 |
| [33] | Li Y F, Li Y, Zhou Y, et al. Investigation of a coupling model of coordination between urbanization and the environment[J]. Journal of Environmental Management, 2012, 98: 127-133. |
| [34] | Cai B W, Shao Z F, Fang S H, et al. Finer-scale spatiotemporal coupling coordination model between socioeconomic activity and eco-environment：a case study of Beijing，China[J]. Ecological Indicators, 2021, 131. DOI:10.1016/j.ecolind.2021.108165 |
| [35] |
何波, 殷旅江, 贾静, 等. 长江经济带物流-经济-环境系统耦合协调度评价及时空效应[J]. 中国流通经济, 2023, 37(7): 29-39. He B, Yin L J, Jia J, et al. Evaluation of the coupling coordination degree of the logistics-economy-environment system in the Yangtze River economic belt and its spatiotemporal effects[J]. China Business and Market, 2023, 37(7): 29-39. |
| [36] |
陈磊, 杜宝贵. 科技服务业发展与区域科技创新耦合协调度及影响因素研究[J]. 科学学与科学技术管理, 2023, 44(12): 51-67. Chen L, Du B G. Study on coupling coordination degree and influencing factors between the development of science and technology service industry and regional science and technology innovation[J]. Science of Science and Management of S. & T., 2023, 44(12): 51-67. |
| [37] |
贾海发, 杜鹏阳. 基于DPSIR-TOPSIS和障碍度模型的青海省生态安全评价及障碍因子诊断[J]. 农业现代化研究, 2024, 45(2): 296-305. Jia H F, Du P Y. Ecological security evaluation and obstacle factor diagnosis in Qinghai Province based on DPSIR-TOPSIS and obstacle degree models[J]. Research of Agricultural Modernization, 2024, 45(2): 296-305. |
| [38] |
李文婷, 黄顺生, 许伟伟, 等. 淮安市土壤pH时空变化特征及影响因素[J]. 中国土壤与肥料, 2025(1): 1-14. Li W T, Huang S S, Xu W W, et al. Spatiotemporal variation characteristics and influencing factors of soil pH in Huai'an city[J]. Soil and Fertilizer Sciences in China, 2025(1): 1-14. |
| [39] | Wang L W, Rinklebe J, Tack F M G, et al. A review of green remediation strategies for heavy metal contaminated soil[J]. Soil Use and Management, 2021, 37(4): 936-963. DOI:10.1111/sum.12717 |
| [40] | Guo B, Liu Y F, Fan J F, et al. The salinization process and its response to the combined processes of climate change⁃human activity in the Yellow River Delta between 1984 and 2022[J]. CATENA, 2023, 231. DOI:10.1016/j.catena.2023.107301 |