關中地區(qū)耕地變化驅動因素及預測模型

吳春輝等

摘要：以關中地區(qū)為研究對象，結合該地區(qū)1986—2011年耕地面積及人口、經濟發(fā)展水平、農業(yè)現代化水平等資料，分析了耕地數量動態(tài)變化情況，探究其變化主導驅動因素，并分別運用多序列灰色關聯預測模型、人工神經網絡預測模型，對未來關中地區(qū)耕地面積進行預測。結果表明，1986—2011年，耕地總面積、人均耕地面積均呈現逐步減少趨勢；影響耕地面積變化的主導驅動因素是人口、城市化水平、灌溉面積、糧食單產、農業(yè)機械總動力。

關鍵詞：耕地；主導驅動因素；灰色關聯；神經網絡；預測模型；耕地保護措施

中圖分類號： F323.211 文獻標志碼： A 文章編號：1002-1302（2014）04-0281-03

收稿日期：2013-11-20

基金項目：國家自然科學基金 （編號：51179050）。

作者簡介：吳春輝（1989—），男，陜西商南人，碩士，主要從事水土資源規(guī)劃與管理研究。E-mail：wu_chunhui1011@163.com。

通信作者：朱成立，博士，副教授，主要從事農業(yè)水土資源規(guī)劃、節(jié)水灌溉理論與技術研究。E-mail：clz@hhu.edu.cn。土地是人類賴以生存的基礎。隨著我國社會經濟的發(fā)展，大量耕地被住宅用地、工業(yè)用地建設等侵占[1]。因此，找出與耕地變化密切相關的驅動因素，預測耕地面積的變化，制定相關對策，對合理利用及保護耕地資源具有重要意義。不少學者進行了很多關于耕地動態(tài)變化研究[2-7]。但采用多序列灰色關聯預測模型GIFM（m）及人工神經網絡預測模型預測陜西省關中地區(qū)耕地面積變化研究較少。本研究根據關中地區(qū)1986—2011年耕地、人口、經濟、社會發(fā)展的統計數據，分析影響耕地動態(tài)變化的驅動因素，結合多序列灰色關聯預測模型GIFM（m）及人工神經網絡預測模型對未來幾年關中地區(qū)耕地面積進行預測，旨在為制定耕地保護措施提供依據。

1研究區(qū)概況

關中地區(qū)工業(yè)集中，人口密集，科技、教育實力雄厚，包括陜西省西安市、咸陽市、寶雞市、渭南市、銅川市5市以及楊凌區(qū)農業(yè)高新技術產業(yè)示范區(qū)。該地區(qū)屬大陸性氣候，年均氣溫6～13 ℃，年降水量500～800 mm，截至2011年底，全區(qū)人口2 369.81萬，約占全省總人口的60.63%，其中農業(yè)人口 1 383.96萬，占全區(qū)總人口的58.40%，全區(qū)耕地面積 1 50715×103 hm2，占全省耕地面積的52.68%。關中地區(qū)地勢平坦，土壤肥沃，水資源豐富，機耕、灌溉條件良好，號稱“八百里秦川”，是陜西省重要的糧棉油產區(qū)[8]。

21986—2011年關中地區(qū)耕地變化及其驅動因素分析

2.1耕地數量變化

1986—2011年，關中地區(qū)耕地面積減少了399 450 hm2，相比1986年減少了21%，2003—2004年、2006—2007年有少量增加。人均耕地面積減少了0.043 0 hm2。耕地總面積及人均耕地面積變化見圖1。

由圖1可以看出，關中地區(qū)耕地總面積大體經歷了快速減少、急速減少、緩慢減少3個階段，人均耕地面積變化趨勢與耕地總面積相似。第一階段：1986—1999年，關中地區(qū)耕地面積處于快速減少階段，凈減少面積為223 690 hm2，年均減少17 207 hm2。此時期是改革開放政策逐步推進的階段，建設用地占用一部分耕地，少量耕地轉化為城市綠地，導致耕地面積下降[9]。第二階段：2000—2003年，關中地區(qū)耕地面積處于急劇減少階段，凈減少面積為156 240 hm2，年均減少39 060 hm2，這主要是由于 “西部大開發(fā)”戰(zhàn)略、“一線兩帶”建設路線的實施，以及高新技術開發(fā)帶、國家關中星火產業(yè)帶的建設，關中地區(qū)快速實現區(qū)域現代化的同時，耕地面積急劇減少[10]。第三階段：2004—2011年，關中地區(qū)耕地面積減少了19 520 hm2，減少速度下降，且個別年份耕地面積略有增加。經過前期經濟快速發(fā)展，政府認識到了耕地減少及生態(tài)環(huán)境破壞對糧食安全、社會發(fā)展的影響，提出了“生態(tài)退耕”政策，同時出臺了相應的土地產權管理政策，一定程度上扭轉了耕地面積快速減少的局面。人均耕地面積變化與耕地總量及人口總數有關。隨著社會經濟的發(fā)展，耕地總量不斷減少，人口總量不斷增加，導致關中地區(qū)人均耕地面積呈下降趨勢。1986年關中地區(qū)人均耕地面積為0.106 6 hm2/人，2011年人均耕地面積僅為0.063 6 hm2/人，減少了 0.043 hm2/人。人均耕地面積的持續(xù)下降導致人地矛盾更為突出。

2.2影響耕地變化的驅動因素分析

2.2.3驅動因素結果分析根據1986—2011年資料，計算關中地區(qū)耕地面積及驅動因素的關聯度。由表1可知，9個驅動因素與關中地區(qū)耕地面積關聯度由大到小依次為：灌溉面積>總人口>糧食單產>城市化水平>農業(yè)機械總動力>農業(yè)總產值>工業(yè)總產值>GDP>固定資產投資。耕地面積與9個驅動因素的灰色關聯度均大于0.5，說明耕地動態(tài)變化與人口、經濟發(fā)展水平、農業(yè)現代化水平都有一定的關聯性。其中總人口、城市化水平、灌溉面積、糧食單產、農業(yè)機械總動力灰色關聯度大于0.9，說明這些驅動因素是影響耕地動態(tài)變化的主導因素。

4.2人工神經網絡模型的應用

本研究采用Matlab 2012a軟件，將設計好的BP神經網絡程序輸入到Matlab中，進行耕地面積模擬及檢測，以期找到合適的參數及閾值來進行耕地面積預測。

6結論與討論

本研究以關中地區(qū)為研究對象，分析了1986—2011年關中地區(qū)耕地面積的變化趨勢，探究了耕地動態(tài)變化的驅動因素，并分別采用多序列灰色關聯預測模型GIFM（m）及人工神經網絡預測模型預測關中地區(qū)未來耕地面積，結果表明，1986—2011年，關中地區(qū)耕地總量及人均耕地數量均呈下降趨勢，最近幾年由于國家政策的調整，耕地總量及人均耕地數量減少速度放緩。通過灰色關聯分析法對1986—2011年影響關中地區(qū)耕地面積動態(tài)變化的驅動因素進行分析，發(fā)現人口、城市化水平、灌溉面積、糧食單產、農業(yè)機械總動力這5個因素是影響耕地動態(tài)變化最主要的驅動因素。分別采用多序列灰色關聯預測模型GIFM（m）及人工神經網絡預測模型，建立了基于1986—2010年耕地面積及驅動因素值的預測模型，對這2種模型的驗證結果進行對比發(fā)現，人工神經網絡預測模型精度最高。本研究表明，影響關中地區(qū)耕地面積的主要因素是人口數量、城市化水平、農業(yè)現代化水平。結合關中地區(qū)的具體情況，應該控制人口增長、控制城鎮(zhèn)規(guī)模盲目擴大、實施耕地占補平衡政策、積極改造中低產田，更大程度地保護現有耕地。endprint

參考文獻：

[1]王海鴻，馬瓊，付士波，等. 西北干旱半干旱區(qū)耕地面積變化與人口、經濟發(fā)展的相關關系研究——以甘肅省為例[J]. 干旱區(qū)資源與環(huán)境，2011，25（1）：74-79.

[2]彭文甫，周介銘. 近50年四川省耕地變化分析[J]. 資源科學，2005，27（3）：79-85.

[3]宋開山，劉殿偉，王宗明，等. 三江平原過去50年耕地動態(tài)變化及其驅動力分析[J]. 水土保持學報，2008，22（4）：75-81.

[4]孫國軍，劉普幸，李慧芳，等. 酒泉市耕地變化的驅動力研究及多元線性回歸預測[J]. 干旱區(qū)資源與環(huán)境，2009，23（3）：73-76.

[5]李穗英，孫新慶. 青海省近10年耕地面積動態(tài)變化及驅動因子分析研究[J]. 中國農業(yè)資源與區(qū)劃，2009，30（5）：39-44.

[6]郭洪海，宋民. 山東省耕地動態(tài)變化趨勢及驅動力分析[J]. 中國農業(yè)資源與區(qū)劃，2009，30（1）：51-57.

[7]曾永年，吳孔江，靳文憑，等. 青海高原東北部耕地變化及驅動力分析[J]. 干旱區(qū)資源與環(huán)境，2012，26（8）：89-92.

[8]楊朔，李世平.關中地區(qū)城市化過程中土地利用問題研究[J]. 中國土地科學，2009，23（7）：79-80，封三.

[9]楊勇. 關中地區(qū)土地利用動態(tài)模擬與優(yōu)化配置研究[D]. 西安：陜西師范大學，2010.

[10]楊忠泰.陜西培育發(fā)展戰(zhàn)略性新興產業(yè)的路徑選擇[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，劉思峰.基于灰色關聯度的小樣本預測模型[J]. 統計與信息論壇，2009，24（12）：22-26.

[12]劉思峰，蔡華，楊英杰，等. 灰色關聯分析模型研究進展[J]. 系統工程理論與實踐，2013，33（8）：2041-2046.

[13]東亞斌，段志善. 灰色關聯度分辨系數的一種新的確定方法[J]. 西安建筑科技大學學報：自然科學版，2008，40（4）：589-592.

[14]熊和金，徐華中. 灰色控制[M]. 北京：國防工業(yè)出版社，2005：44-47.

[15]焦李成. 神經網絡系統理論[M]. 西安：西安電子科技大學出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神經網絡隱含層單元數的確定[J]. 天津理工大學學報，2008，24（5）：13-15.endprint

參考文獻：

[1]王海鴻，馬瓊，付士波，等. 西北干旱半干旱區(qū)耕地面積變化與人口、經濟發(fā)展的相關關系研究——以甘肅省為例[J]. 干旱區(qū)資源與環(huán)境，2011，25（1）：74-79.

[2]彭文甫，周介銘. 近50年四川省耕地變化分析[J]. 資源科學，2005，27（3）：79-85.

[3]宋開山，劉殿偉，王宗明，等. 三江平原過去50年耕地動態(tài)變化及其驅動力分析[J]. 水土保持學報，2008，22（4）：75-81.

[4]孫國軍，劉普幸，李慧芳，等. 酒泉市耕地變化的驅動力研究及多元線性回歸預測[J]. 干旱區(qū)資源與環(huán)境，2009，23（3）：73-76.

[5]李穗英，孫新慶. 青海省近10年耕地面積動態(tài)變化及驅動因子分析研究[J]. 中國農業(yè)資源與區(qū)劃，2009，30（5）：39-44.

[6]郭洪海，宋民. 山東省耕地動態(tài)變化趨勢及驅動力分析[J]. 中國農業(yè)資源與區(qū)劃，2009，30（1）：51-57.

[7]曾永年，吳孔江，靳文憑，等. 青海高原東北部耕地變化及驅動力分析[J]. 干旱區(qū)資源與環(huán)境，2012，26（8）：89-92.

[8]楊朔，李世平.關中地區(qū)城市化過程中土地利用問題研究[J]. 中國土地科學，2009，23（7）：79-80，封三.

[9]楊勇. 關中地區(qū)土地利用動態(tài)模擬與優(yōu)化配置研究[D]. 西安：陜西師范大學，2010.

[10]楊忠泰.陜西培育發(fā)展戰(zhàn)略性新興產業(yè)的路徑選擇[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，劉思峰.基于灰色關聯度的小樣本預測模型[J]. 統計與信息論壇，2009，24（12）：22-26.

[12]劉思峰，蔡華，楊英杰，等. 灰色關聯分析模型研究進展[J]. 系統工程理論與實踐，2013，33（8）：2041-2046.

[13]東亞斌，段志善. 灰色關聯度分辨系數的一種新的確定方法[J]. 西安建筑科技大學學報：自然科學版，2008，40（4）：589-592.

[14]熊和金，徐華中. 灰色控制[M]. 北京：國防工業(yè)出版社，2005：44-47.

[15]焦李成. 神經網絡系統理論[M]. 西安：西安電子科技大學出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神經網絡隱含層單元數的確定[J]. 天津理工大學學報，2008，24（5）：13-15.endprint

參考文獻：

[1]王海鴻，馬瓊，付士波，等. 西北干旱半干旱區(qū)耕地面積變化與人口、經濟發(fā)展的相關關系研究——以甘肅省為例[J]. 干旱區(qū)資源與環(huán)境，2011，25（1）：74-79.

[2]彭文甫，周介銘. 近50年四川省耕地變化分析[J]. 資源科學，2005，27（3）：79-85.

[3]宋開山，劉殿偉，王宗明，等. 三江平原過去50年耕地動態(tài)變化及其驅動力分析[J]. 水土保持學報，2008，22（4）：75-81.

[4]孫國軍，劉普幸，李慧芳，等. 酒泉市耕地變化的驅動力研究及多元線性回歸預測[J]. 干旱區(qū)資源與環(huán)境，2009，23（3）：73-76.

[5]李穗英，孫新慶. 青海省近10年耕地面積動態(tài)變化及驅動因子分析研究[J]. 中國農業(yè)資源與區(qū)劃，2009，30（5）：39-44.

[6]郭洪海，宋民. 山東省耕地動態(tài)變化趨勢及驅動力分析[J]. 中國農業(yè)資源與區(qū)劃，2009，30（1）：51-57.

[7]曾永年，吳孔江，靳文憑，等. 青海高原東北部耕地變化及驅動力分析[J]. 干旱區(qū)資源與環(huán)境，2012，26（8）：89-92.

[8]楊朔，李世平.關中地區(qū)城市化過程中土地利用問題研究[J]. 中國土地科學，2009，23（7）：79-80，封三.

[9]楊勇. 關中地區(qū)土地利用動態(tài)模擬與優(yōu)化配置研究[D]. 西安：陜西師范大學，2010.

[10]楊忠泰.陜西培育發(fā)展戰(zhàn)略性新興產業(yè)的路徑選擇[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，劉思峰.基于灰色關聯度的小樣本預測模型[J]. 統計與信息論壇，2009，24（12）：22-26.

[12]劉思峰，蔡華，楊英杰，等. 灰色關聯分析模型研究進展[J]. 系統工程理論與實踐，2013，33（8）：2041-2046.

[13]東亞斌，段志善. 灰色關聯度分辨系數的一種新的確定方法[J]. 西安建筑科技大學學報：自然科學版，2008，40（4）：589-592.

[14]熊和金，徐華中. 灰色控制[M]. 北京：國防工業(yè)出版社，2005：44-47.

[15]焦李成. 神經網絡系統理論[M]. 西安：西安電子科技大學出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神經網絡隱含層單元數的確定[J]. 天津理工大學學報，2008，24（5）：13-15.endprint