用于衡量农业用地利用强度的轮作指数

《Agronomy for Sustainable Development》：Crop Rotation Index for measuring agricultural land use intensity

　　摘要：作物轮作是管理农场的重要方式。科学方法通过不同的途径研究了作物轮作。这些方法要么关注轮作的设计，要么关注单个轮作的表现（从生产力、环境表现和/或土壤恢复的角度），要么关注景观中的空间模式。尽管有这些方法，但目前还没有一种方法能够基于日常农业实践中一致遵循的农艺原则来大规模地评估轮作的可持续性。为此提出了新的作物轮作指数（Crop Rotation Index）来填补这一空白。为了计算地块级别的作物轮作指数，需要通过8个指标来评估6年内的作物序列，其中根据植物科将序列中的作物进行分组。这些指标代表了例如轮作中作物类别的频率以及同一类别作物之间的间隔年数。使用地块登记数据，该指数在荷兰进行了计算。结果在不同的空间和时间尺度上进行了展示。荷兰西南部和东北部的耕地地区的平均指数值在0.1到0.3之间，而中部和西北部的草地系统的指数值在0.9到1.0之间。德伦特省的结果显示，西部地区逐渐变得更加集约化，5年内的指数值从0.42下降到0.37。一个关于地块共享的农场级案例研究表明，作物轮作指数能够捕捉复杂的土地共享安排。当前的作物轮作指数可以通过添加新的指标和作物类别进行扩展，并应用于其他地区。它可用作农业绩效监测的指标，帮助农民做出作物决策，同时也是轮作生成工具的一部分。

1 引言
现代农业面临着多重挑战，需要在减少环境影响的同时提供足够的食物以确保粮食和营养安全。因此，农业需要向可持续农业转型，已经讨论并引入了许多不同的方法，例如有机农业、保护性农业、再生农业和可持续集约化。任何提高农业可持续性的努力都需要有利于土壤和生物多样性的作物轮作，这也是一种气候适应形式，所有这些都在当地背景下进行（Bybee Finley等人，2024年）。通过增加作物种类来改进作物轮作，即在作物计划中轮换更多的作物，可以增加土壤中的有机质，刺激土壤生物活动，并防止土壤侵蚀或压实（Lesschen等人，2012年）。此外，有机农民需要适当的轮作，因为他们应对害虫爆发或杂草的选择较少。轮作是有机农民管理土壤和环境质量的重要工具。

作物轮作是农场和作物管理中的核心要素，因为它们决定了作物在空间和时间上的布局，因此被认作是一种非常古老的管理实践（Lawes和Gilbert，1894年；Sedlmayer，1927年）。作物轮作是管理农场的关键方式，因此是农民战略决策的一部分。实际上，农民可能会做出许多战术性的决定来改变作物并尝试不同的序列——因此，完美的作物轮作计划很少能详细到每一个细节。最近，英国的数据（Upcott等人，2023年）研究了轮作随时间稳定性的难题，发现草地系统中的轮作识别效果更好。轮作实际上被用作农艺工具，例如，通过控制种植土豆之间的年数来管理线虫种群或避免疫霉病。另一个例子是在根茎作物之后种植谷物作物，因为后者需要重型设备进行土壤准备和收获。轮作在土壤恢复中起着重要作用，以保持土壤的生产力。

科学方法通过不同的途径研究了作物轮作，Dury等人（2012年）也对此进行了讨论。这些方法侧重于建模方法，区分了基于过程的模型来定义作物轮作的附加值、通过优化模型（例如基于线性规划，Janssen和van Ittersum，2007年）来设计和优化作物轮作，以及使用专家系统。虽然Dury等人（2012年）提出了具体的建议来改进建模方法（使其更加动态和适应性强），但他们也呼吁新的建模范式来表示作物轮作。RPG Explorer（Levavasseur等人，2016年）就是一个这样的替代方法的例子，该工具基于土地地块信息系统来探索作物轮作的动态和景观。基于这些方法，我们确定了以下方法来描述轮作并评估其对可持续发展的贡献，这些方法基于Dury等人（2012年）之后的文献，并超越了纯粹的建模方法。第一种方法是设计或调整理想的作物轮作。例如，ROTAT模型（Dogliotti等人，2003年）可以根据农艺指标生成某个地点的所有潜在轮作。同样，ROTOR（Bachinger和Zander，2007年）模型专注于有机系统的作物轮作。第二种方法是理解景观多样性和布局。作为一个最近的例子，Crop Generator（Sietz等人，2021年）将区域层面的作物种植比例与农场层面的可能轮作相匹配。另一个常用的景观多样性代理指标是作物多样性指数，表示不同区域内的作物出现情况，例如Hill-Shannon指数和Simpson多样性指数（Roswell等人，2021年）。Bockstaller等人（1997年）在一个指标框架内使用这些类型的指标来评估特定轮作的环境影响。在另一个例子中，Van der Velde等人（2025年）为整个欧盟和共同农业政策监测推导出一个相关的政策指标，而在法国则使用RPG Explorer更动态地分析了作物序列和景观动态（Levavasseur等人，2016年）。第三种方法是研究单个作物轮作的表现，配置一种或多种特定作物或作物组。这些研究更多从农业生产力和恢复力的角度来评估表现。例如，Franke等人（2018年）对非洲的谷物-豆类轮作进行了系统回顾，研究了44篇出版物。同样，作物模型也被用来评估轮作的生产力表现，例如美国玉米带的玉米-大豆轮作（Balboa等人，2019年）。Bybee Finley等人（2024年）证明，在较差的生长条件下，轮作的复杂性可以提高产量。

尽管这些科学方法要么关注轮作的设计，要么关注单个轮作的表现（从生产力的角度），要么关注景观中的空间组成和配置，但目前还没有一种方法可以在日常农业实践中大规模地评估轮作的可持续性。揭示轮作的全面可持续性可能是一项复杂的任务；然而，至少提供一个从农艺角度的分类将是有用的。有必要估计地块级别的作物轮作的当前强度和多样性，并理解其与土壤健康、生物多样性和气候挑战之间的关系（图1）。目前还没有一种从农艺角度综合计算作物轮作强度或可持续性的指标。这样的指标将适用于诊断研究，同时利用设计研究和景观层面的作物多样性估计。迫切需要测量作物轮作的强度和可持续性，以了解当前的土地使用强度并跟踪和规划未来的轮作强度改进。正如Dury等人（2012年）所呼吁的，这需要一个新的建模范式才能成功。

图1
这张图片的替代文本可能是使用AI生成的。全尺寸图片（版权：Jappe Franke）。

这张图片展示了景观中作物轮作的简化示例，其中地块上的条带代表轮换的不同作物。照片来自无人机拍摄。

本文提出了作物轮作指数（CRI），作为从地块和农场层面衡量作物序列和作物计划的作物轮作强度和多样性的指标。它解释了CRI是如何基于农艺原则的，从而提供了一个农民非常需要的管理方面的度量。假设如果在轮作设计中一致地实施农艺原则，这将导致可持续的轮作。本文介绍了作物轮作指数的第一个版本，该版本已经经过大量开发，并在荷兰不同省份的不同试点研究中得到了广泛测试。提供了荷兰三个空间层次的结果，同时突出了一个农场层面的案例研究。讨论了该指数的优点和缺点，并指出了与其他农艺实践的一些互动，例如覆盖作物。

2 材料与方法
2.1 作物轮作指数的概念设置
在这里，我们将作物轮作定义为随时间（即多年）的作物序列。随后可以将单个地块的作物轮作在空间上（即多个地块）进行汇总，以提供农场轮作或作物计划的代理，甚至可以在区域层面。评估作物轮作的强度和多样性主要涉及时间方面，但通过包括空间汇总也可以在不同空间尺度上得到有意义的表示。CRI以地块上的作物时间序列为起点，然后通过汇总农场（或区域）管理的地块值来整合空间方面。为了计算地块级别的CRI（图2），需要通过8个指标来评估6年内的作物序列，其中根据植物科将序列中的作物分组。计算的不同方面有更详细的描述。图2：此图像的替代文本可能是使用AI生成的。全尺寸图像：作物轮作指数的概念性概述。

首先，为了实施作物轮作指数的计算，需要将各个作物分配到作物组或作物类别中（表1）。这些类别用大写字母表示——例如，马铃薯作物属于字母P所代表的类别。选择这些类别是为了尽可能反映植物家族。这主要关注的是主要作物，这意味着在非生长季节种植的覆盖作物不被考虑在内。表1：不同的作物类别。全尺寸表格。

随后，根据轮作种植作物的农艺原则以及Dogliotti等人（2003年）提出的生成轮作的原则，将8个指标应用于作物序列（也参见Hoek等人（2022年）的研究）：
1. 轮作中包含的唯一类别数量
2. 最常种植的类别在轮作中出现的次数
3. 最少种植的类别在轮作中出现的次数
4. 豆科作物（L类别）在轮作中出现的次数
5. 多年来任何非草本类别观察到的最小间距
6. 非草本类别连续种植的最大次数
7. 两次种植马铃薯作物之间的最短年份间隔
8. 种植根茎作物的年份数量

这些指标大致代表了作物的多样性、同一类别作物之间的年份间隔，以及土壤在绿肥作物或草类下恢复的机会次数，或者更确切地说，由于根茎作物的种植而受到显著干扰的次数。这些指标与土壤健康有关，包括土壤结构、肥力以及植物卫生方面。

这8个指标被用于响应函数fi(xi)中。这样的函数fi对于相关指标xi可能取的值范围具有严格上升的趋势。每个指标代表一个分数，表示为x。响应函数是根据分数x制定的，函数根据分数是增加还是减少而变化——这取决于较高的分数是否被认为是有益的。除了x之外，公式中还使用了窗口大小L（即6年）和作物类别数量N（即10个）。前4个指标与各种作物类型的出现顺序无关。然而，特别是当轮作指标涉及作物重复之间的时间时，作物的种植顺序就很重要了。公式被尽可能简化——使用尽可能少的常数（表2）。表2：用于计算不同轮作指标的作物轮作指数响应函数，其中L表示轮作长度，N表示作物类别数量，x表示当前作物类别。全尺寸表格。

根据这8个指标，可以确定8个响应值——所有值的范围都在0.0到1.0之间。然后通过指数化使用系数ci对响应值进行加权。将8个结果相乘，形成一个指数——即作物轮作指数，数学表示为：
$$index= \prod_{i=1}^{8}{f}_{i}\left({x}_{i}\right){ }^{c(i)}$$
其中xi表示轮作特征（i = 1... 8），fi(xi)表示轮作指标（i = 1... 8），满足0 ≤ fi(xi) ≤ 1，并且\({f}_{i}\left({x}_{i}\right){ }^{c(i)}\)表示轮作子指数，c(i)是权重系数（i = 1... 8）。这些系数的选择是为了确保没有任何一个权重会对总分产生主导影响，并且需要对分数进行一些重新计算，以测试不同权重因素的影响。这可以在CRI的后续版本中进行进一步研究。

6年的窗口长度足以反映种植作物的多样性，并且还可以评估同一类别的两个作物之间是否有足够的时间间隔——至少对于最常见的作物来说是这样。有些作物可能受到在土壤中停留时间超过6年的疾病的影响。例如，在荷兰，球根作物的生产只能每6年重复一次。此外，草类与其他类别的处理方式不同，因为草类主要用于畜牧业系统，而通常是一种多年生作物。由于CRI旨在为所有地块提供整体数值，因此需要特别考虑这一特殊类别。在这方面还可以进行进一步的改进。

地块的边界有时会发生变化。换句话说：农田可能会被分割或合并。因此，在尝试检索地块的作物历史时可能会遇到问题。为了解决这个问题，我们确定前一年中与当前年份所考虑的地块面积最大的地块。然后我们检索该地块在前一年种植了哪些作物，依此类推。有时，在6年的时间窗口内无法检索到所有种植的作物：我们允许在窗口内缺少一种作物。

作为一个假设的例子，图3显示了一个10年的作物轮作周期，从连续种植两次马铃薯作物开始，以种植一种多年生作物结束。使用了滑动窗口方法，即对于每个6年长的窗口，确定种植了哪些类型的作物。换句话说：对于每种作物，确定一个类别。通常，对于包含草类和永久性作物的地块，CRI的值较高。这意味着对于被分类为耕地的水地块，通常得到的值较低。图3：此图像的替代文本可能是使用AI生成的。全尺寸图像。

图3展示了一个假设的作物轮作示例，包括不同作物类别及其随时间的变化，以及右侧列中的作物轮作指数值。

2.2 实验设置和数据使用

在荷兰，政府有一个记录所有农业经营者使用的地块的登记册，称为“基本地块登记册”（BRP）。政府从2001年开始使用这个登记册。大多数地块每年保持不变，但每个地块的几何形状每年都会重新存储，同时地块的大小和边界也会发生变化。因此，登记册中的地块几何形状每年都有所不同。有时地块会被分割或与其他地块合并——从而导致登记册中每年几何形状的重大变化。

除了几何形状外，BRP登记册还包含每个地块的许多属性，例如：类别（耕地/草地/其他）、主要种植作物的指示以及相关年份。BRP被用作在地块层面成功计算作物轮作指数的数据来源。

当为农场的所有地块计算出作物轮作指数后，还可以计算出一个代表整个农场的值。这假设已知哪些地块属于所考虑的农场——这些信息无法从匿名化的BRP数据中获取。我们选择将这种农场级别的CRI计算为地块级别值的加权平均值——使用地块大小作为权重。类似于农场的情况，也可以为更大的区域（例如一个地区）计算出一个代表性值。当绘制这些计算的结果时，可以了解全国范围内CRI值的差异。了解各个地区的典型特征后，可以对这些差异有所理解。荷兰的区域设置和作物代码划分可以在附录1中找到。

接下来，我们展示了2022年计算的作物轮作指数值，在某些情况下还结合了2018年至2022年的多年趋势。由于我们选择了6年的时间窗口，这意味着我们使用了2017年至2022年的数据。

3 结果

3.1 全国范围内的CRI理解

从全国范围来看，整个荷兰的CRI值（图4）显示了不同地区的差异，这些差异在这里映射在COROP区域上，COROP是由荷兰统计局（CBS 2024）开发的地理分析框架。图4中的地图显示了预期的CRI值的合理结果。例如，弗莱沃兰省（COROP区域编号40）的CRI值较低，这可以归因于该地区典型的耕地和肥沃的土壤。那里的草地地块或多年生作物非常少，平均CRI值会较高。相比之下，草地或多年生作物较多的地区CRI值较高，例如弗里斯兰地区的5号和6号区域，或者荷兰中部的17号、24号、16号、28号、30号区域，这些区域都位于被称为“荷兰绿色心脏”的地区附近或属于该地区。由于高地下水位和低洼地形，这些地区几乎只有草地。CRI能够区分土地利用强度相似的区域（假设具有相同CRI值的相邻区域被归为一个区域），并证明它能够捕捉到大范围的分布情况。图4：此图像的替代文本可能是使用AI生成的。全尺寸图像。

图4显示了2022年荷兰每个COROP区域的作物轮作指数的加权平均值，即按每个COROP区域内的所有地块面积进行加权。作物轮作指数是使用6年的时间窗口计算的，因此纳入了2017年至2022年的数据。坐标和地图投影遵循“Amersfoort/RD New”参考系统。蓝色数字表示不同的CROP区域。

图4中显示的地区差异有助于进一步研究地块的专业化（草地与耕地）。一个地区的主要农场专业化影响了CRI值，而农场专业化也受到生物物理条件和市场准入的影响。因此，为耕地地块和草地地块分别创建了单独的地图（图5）。BRP区域按COROP区域划分（即附录1中对COROP的解释），展示了2022年草地和耕地地块的百分比。附录II显示了2022年草地和耕地土地面积的百分比。

如图5所示，草地（a）和耕地（b）的加权平均作物轮作指数。草地和耕地面积占比小于20%的区域被排除并标记为浅灰色，并标记为NA。加权平均值是根据每个地块的面积计算的。坐标和地图投影遵循“Amersfoort/RD New”参考系统。蓝色数字表示不同的CROP区域。

正如附录II所确认的，荷兰中部和北部地区有大量的草地地块，而泽兰省（COROP区域编号31、32和33）和弗莱沃兰省（COROP区域编号40）有大量的耕地地块。

图5中的地图显示了每个COROP区域的加权平均CRI值，分别分为草地和耕地。通常，草地的CRI值在0.81到0.98之间，而耕地的CRI值在0.27到0.48之间，后者的标准差约为0.0175。附录II给出了每个区域的加权平均CRI值、标准差和地块数量的表格。在草地加权平均CRI值低于全国其他地区的区域——即弗莱沃兰省和德伦特省——严格用于仅种植草地的草地地块相对较少。这些地区本身的草地面积就比较有限。图4和图5的结果表明，CRI能够捕捉到国家级和地区级农业专业化差异，从而从农学角度再现了已知的农业系统特征。

**德伦特省地图（2021/2022年）**
德伦特省作为案例被详细研究，展示了省级层面的结果。该省既有耕地农场也有奶牛场，尤其值得关注的是农民之间的地块交换情况。该省将在三个COROP区域（图4中的区域7、8、9）进行进一步分析，这些区域的景观类型各不相同。
- **德伦特省东南部**是所谓的“泥炭殖民地”，过去这里曾开采泥炭，留下了沙质土壤，现在主要用于耕地。
- **德伦特省西南部**完全位于所谓的“德伦特高原”上，底层土壤含有砾石粘土，上面覆盖着一层沙土，局部含有少量泥炭，主要用于畜牧业。
- **德伦特省北部**部分位于“德伦特高原”，部分地势较低，结合了上述两种景观类型。该地区的耕地和畜牧业都很活跃。

通过使用COROP区域7、8和9来放大德伦特省的地图，可以得到所有草地和耕地地块的分布情况（图6）。

**德伦特省的作物轮作指数（CRI）**
图6展示了德伦特省草地和耕地地块的CRI值以及可见的COROP区域边界。这些数据为2022年的结果，计算周期为2017年至2022年。坐标和地图投影采用“Amersfoort/RD New”参考系统。

从地图（图6）可以看出，该省西部以畜牧业为主，东部则以耕地为主。前者使用的主要是草地地块，而后者则使用耕地地块。尽管存在总体差异，但在某些草地地区也存在耕地地块（图6中的深红色地块，位于主要绿色区域），同时德伦特省东部的一些耕地区域也包含草地。

以2018年至2022年为例，确定了德伦特省最常见的10种作物轮作模式（见表3），按出现频率降序排列。最后一列显示了相应的CRI值。大约60%的地块采用这10种主要作物轮作模式，其中草地占主导地位。在耕地地块中，作物轮作模式更加多样化（Stein和Steinmann，2018年的研究也发现了这一点）。

**CRI值的变化趋势**
从图7可以看出，CRI值在时间上存在变化：耕地地块的CRI值呈缓慢下降趋势，而草地地块的CRI值略有上升。尤其是德伦特省西南部的CRI值下降最为明显，这可能是由于逐渐转向高价值作物（如洋葱、球茎花卉和种薯）种植。由于德伦特省的作物易受病害影响，相关加工企业一直在寻找新的种植区域。

**农场层面的案例研究：耕地农民与奶牛场之间的合作**
在农场层面，CRI也是评估农业生产强度的指标，有助于农场管理。通常情况下，耕地农民的CRI值低于奶牛场农民，因为耕地农民的种植计划中包含根茎类作物（如土豆、甜菜、洋葱、胡萝卜）的轮作，这些作物是重要的收入来源。耕地农民与畜牧业农民之间的合作（通过地块交换）有助于实现更可持续的农场管理，因为可以提高土壤质量并减少土壤扰动。2021年对德伦特省的两家合作农民过去几年的数据进行了分析。

荷兰农业政策中定义了“休耕作物”的概念，即能够使土壤从高强度利用或环境影响中“恢复”的作物。种植休耕作物的CRI值高于种植土豆或甜菜等作物。2023年，荷兰出台新政策要求：如果土壤为沙质或黄土土壤，农民必须在4年内种植一次休耕作物；2027年将实施更严格的政策，要求在沙质和黄土土壤地块上每3年种植一次休耕作物。德伦特省57%的土地为沙质土壤，因此这一规定对该省农民影响较大。

在德伦特省，耕地农民与奶牛场农民之间的合作通常表现为耕地农民种植根茎类作物（如小麦或草）与休耕作物（如草）的轮作。通过地块交换，可以改善土壤质量，有利于动物饲料的生产。例如，奶牛场将一块种植了多年草的地块提供给耕地农民，有助于抑制杂草生长；在翻耕草地时，土壤会释放氮素，后续种植的根茎类作物可以利用这些氮素，减少化肥需求。因此，耕地农场与奶牛场之间的临时地块交换在减少温室气体排放和改善土壤质量方面具有多重优势（Van Dijk等人，2020年）。

**案例分析示例**
假设德伦特省的两家农场（一家耕地农民和一家奶牛场）通过交换地块可以实现更多样化的作物轮作，从而提高CRI值。但实际上，一年内的休耕作物比例可能仍然较低。我们计算了这两家农场过去6年的CRI值，发现耕地农民的作物轮作中包含多次种植土豆的情况（表3）。表3中的编号不仅表示具体的作物顺序，还涵盖了相似的轮作模式。在许多情况下，具体作物的顺序并不重要；不过有些轮作模式基于同类作物的种植间隔（例如土豆）。

在这10种常见作物轮作模式中，有4种包含连续两年或仅间隔一年种植土豆的情况，这些模式的CRI值最低（图6显示这些模式主要出现在德伦特省东南部，该地区土豆种植较为密集，需要使用农药来控制病害）。

**结论**
总体而言，地块交换有助于提高CRI值。例如，通过交换地块，德伦特省东南部的土豆种植区CRI值有所提升。虽然一年内的数据可能无法完全反映长期效果，但从6年的数据来看，交换地块后CRI值确实更高（表4）。表5显示，在6年周期内，交换地块的农场每年种植更多根茎类作物，从而提高CRI值。因此，不仅作物多样性指数（CRI）在提高，耕地农民还能生产更多的土豆，而且不需要在当年的作物计划中包含30%的休耕作物。由于奶牛场在过去几年中在地块上种植了更多的根茎作物，奶农的CRI值有所下降。在奶牛场，通常观察到，由于永久性草地占比较高（这是荷兰的另一个重要政策），奶农倾向于集中使用少量地块种植饲料作物，主要是玉米。因此，每个地块的CRI值差异很大，永久性草地地块的CRI值为1，而连续种植玉米的地块则接近0（见附录III）。对于这些单一种植玉米的地块，如果与那些经常种植其他作物的耕地农民进行交换将是有益的。总体而言，耕地农场与奶牛场合作的案例研究表明，CRI是一个监测合作效果的良好指标，并且合作有助于提高多样性并降低耕地农场作物轮作的强度。CRI支持了这样的观点：地块的作物历史非常重要，并为农民提供了一个量化的衡量标准，而不仅仅是关注当年的作物计划。

3.4 农场层面的CRI应用
通过农民小组的演示和讨论，对CRI指标值进行了定性评估。具体过程是对小组中的所有农民计算CRI值，针对小组内的每个农场分别进行计算。随后，组织了一次全体农民的会议，介绍了CRI的概念，并收集了他们的反馈。这些会议不仅关注CRI及其数值，还涉及议程上的其他主题（见表6）。

在这些会议中，农民表达了以下观点：
1. 他们确认需要一种更贴近他们对自己农场管理的认知、符合农场运作农艺理解的农场土地利用强度衡量方法。
2. 他们赞赏CRI值能够反映他们的农场管理情况。
3. 他们认为简单解释CRI有助于他们更好地理解这一指标。
4. 他们有兴趣了解明年每个地块的作物选择对CRI值的影响，以便优化作物轮作，或者意识到某个地块被更密集地使用了。
5. 他们询问了将冬季覆盖作物纳入CRI的可能性。

我们的研究没有对农民对CRI的看法进行全面的定量评估，这将是未来研究的课题。

4. 讨论
农民在地块上选择作物的决策是一个适应性过程，会随着情况变化而变化（正如Stein和Steinmann（2018年）以及Upcott等人（2023年）所指出的）。农民不会严格遵循固定的轮作模式，而是根据农场的优先事项调整轮作方式。因此，轮作在某种程度上是一个理论概念，但任何对作物轮作的评估都需要同时考虑空间（即作物种植地块）和时间（即随时间变化的作物更替）方面的因素，以捕捉这种适应性决策。我们在国家、省和地区层面的研究结果表明，可以捕捉到这些空间和时间上的动态变化，从而为不同空间尺度和时间趋势的研究者提供见解。通过一个奶牛场与耕地农场合作的案例研究，展示了CRI在农场实际决策中的应用。该案例表明，农民之间的合作不仅体现在当年的作物计划上，还体现在六年平均值以及休耕和根茎作物的比例上。可以说，这种指标不一定非得是这里提出的CRI，但无论如何，它都包含了单个地块的作物历史以及一年内农场层面的年度作物计划。因此，关注长期的平均土地利用强度而非年度作物计划至关重要。

社会目标（如提高生物多样性、改善土壤健康和减少环境负担）与较高的CRI值之间的关系仍需进一步评估。虽然对CRI值与长期土壤碳测量数据进行了相关性分析，但由于土壤碳测量的样本密度较低，无法稳健地关联到多样化的轮作模式，因此分析结果并不明确。土壤有机质含量和碳含量会随时间变化，但这种变化通常非常缓慢。对于其他环境指标（如生物多样性、养分流失和水质测量）也是如此，需要大量的观测数据，因为农业系统在土壤类型和管理方式上的多样性很高。大数据方法（Lokers等人，2016年）可能通过连接新的数据源（如传感器网络）来提供足够的数据点。

在CRI的发展过程中，已经确定了多种支持不同利益相关者决策的应用方式。首先，CRI在农场管理中很有用，农民可以利用它来跟踪农场管理的强度，并更明确地考虑引入新作物及其对CRI值的影响，无论是单个地块还是整个农场层面。其次，在支持政策决策方面，CRI可以通过关键绩效指标（KPIs）来监测环境绩效（Baris等人，2025年），这些KPI代表农场预期的环境绩效，而不仅仅是农民采取的个别管理措施。CRI突出了农场管理中的一个核心要素，即土地利用强度，从而与其他关于作物保护、养分、气候缓解潜力和作物多样性的KPIs相联系。在任何政策监测的KPI框架中，不应将单个KPI视为绝对的真理；相反，结合多个KPI可以提供对农场的全面视角。第三，CRI还可以用于农场系统设计，通过将其与新的潜在作物轮作方案联系起来，例如ROTAT（Dogliotti等人，2003年）和Future Rotations Explorer（CEH，2025年）。当前和未来的轮作方案可以通过CRI值进行比较。第四，CRI还可以支持区域政策和土地利用规划，例如在德伦特省的案例研究中所展示的（“德伦特省地图（2021/2022年）”部分和图7）。特别是当土地利用变得更加集约化时，可以制定特定地区的政策来抵消这一趋势或帮助农民做出较少集约化的选择。

正如这些应用示例所示，CRI可以在连接农民决策与区域规划和政策监测方面发挥核心作用。特别是在荷兰的政策制定和决策过程中，我们的国家和区域研究结果表明，CRI可以用来追踪农业系统的变化，捕捉区域差异和时间趋势。它可以用来监测旨在使荷兰农业更加可持续的政策成果，这对于实施欧盟的水框架指令、共同农业政策和第八个环境行动计划非常重要。此外，它还可以展示农民合作在实现多样化作物种植计划方面的好处（如我们的案例研究所示）。这使得CRI在政策制定中更具相关性，因为它有助于政策制定者进行跟踪。由于所有所需数据都是农民申请共同农业补贴时收集的，因此可以由负责支付补贴的机构轻松计算和监测。

应用CRI的一个重要启示是，它并不能用一个值来概括所有的农场管理情况，作物轮作指数本身也不是为了这个目的而设计的。它提供了一个关于农场核心管理方面的稳健估计，但需要与其他反映农场其他方面的指标结合使用，如温室气体排放和养分损失。结合景观层面的指标（如作物多样性），它可以提供反映景观多样性和相关农艺实践的土地管理质量视图。最后，作物选择的变化会导致CRI值的变化。为了使农民做出这些改变，考虑经济指标是很重要的，但目前这一点尚未得到充分重视。例如，替代轮作的盈利能力是一个合理的指标（参见Scott等人（2021年）；Garbelini等人（2022年）；Yang等人（2024年）的研究），但与资本投资或供应链基础设施相关的其他指标在农民决策中同样重要。在引入新作物时，农民需要确保能够轻松将产品出售给买家，这对于少数作物尤为重要。

在我们的发展和与农民及农艺师的讨论中，提出了许多潜在的改进措施和建议。其中一个建议是以某种方式将冬季覆盖作物纳入CRI的计算，因为目前的CRI仅适用于主要作物。冬季作物的规划和覆盖作物的种植被视为轮作规划的重要组成部分，通常是农场规划周期的一个固有部分。也可以将其作为一个独立的指标，例如测量具有冬季覆盖作物的地块比例。另一个建议是开发更精细的作物分类，以便更好地表示特定作物或作物组。在荷兰，建议将球根作物作为一个重要类别，并考虑其子类别。第三个建议是与特定环境问题相关的CRI版本的开发。某些作物（如硝酸盐淋溶）比其他作物更敏感，这可以作为另一个指标或特定作物类别添加到CRI中，从而开发出针对硝酸盐淋溶的更具体的CRI版本。第四个有用的下一步是将当前的CRI版本应用于另一个地区或国家，使用该地区或国家的作物和作物类别。这无疑会带来关于CRI作为指标的质量和相关性的新见解。例如，将CRI应用于华北平原的多样化轮作模式（如两年一季的玉米-小麦-大豆轮作和花生-小麦双季种植系统（Zhao等人，2020年；Shen等人，2023年）或地中海地区的作物系统（涉及硬质小麦和苜蓿）可能会很有用。要将CRI应用于新的地区，需要确定一个轮作效果的时间范围，根据时间范围收集每个地块的作物序列，将作物分配到相应的类别中，并根据需要调整轮作指标（例如，如果某个地块不种植土豆，则不需要包含土豆相关的轮作指标）。对于气候、土壤和农业系统相似的地区，可以直接使用现有的CRI，可能只需要对作物列表进行少量修改。

在将CRI指标汇总为一个综合指标时，需要明确考虑和设计各个轮作指标的权重。在当前版本的CRI中，这些权重已经校准，以确保没有某个轮作指标主导整个指数值。对于新地区和新的种植系统的应用，这一点需要明确进行研究。总体而言，未来在计算权重时需要更多的研究来开发更为全面的方法。5 结论 本研究的目标是设计一种新的方法，基于日常农业实践中一贯遵循的农艺原则，来评估大规模轮作的可持续性。作物轮作指数（Crop Rotation Index, CRI）是一个新颖的指标，它有助于从农艺角度理解农田利用强度和作物轮作的多样性，从而衡量农业对可持续发展的贡献。CRI 将年度内的详细作物管理措施（如灌溉、施肥、病虫害控制或除草）与更大范围的景观动态（即作物多样性指数）联系起来。CRI 通过结合轮作指标和作物多样性指数（如辛普森多样性指数或香农-希尔指数）的评分方法，提供了一种新的建模算法。为了评估作物轮作对可持续发展的贡献，首先需要确定当前年的基准数据；其次，可以随时间跟踪 CRI 值的变化，以观察作物轮作是否变得越来越不密集且更加多样化。这个版本的 CRI 是进一步发展的起点，并提供了评估作物轮作强度和多样性的方法论的 1.0 版本。