我國(guó)毛烏素沙地荒漠化逆轉(zhuǎn)因素分析

王相麾 張穎

摘要 根據(jù)2000—2015年中國(guó)經(jīng)濟(jì)社會(huì)大數(shù)據(jù)平臺(tái)的統(tǒng)計(jì)數(shù)據(jù)，研究分析了我國(guó)毛烏素沙地荒漠化發(fā)展?fàn)顩r及其影響因素，認(rèn)為近年來毛烏素沙地呈現(xiàn)出荒漠化逆轉(zhuǎn)的態(tài)勢(shì)?；谔剿餍苑治觯‥FA）與虛擬變量回歸模型（DVRM），對(duì)毛烏素沙地荒漠化逆轉(zhuǎn)因素進(jìn)行了分析，同時(shí)為提高研究結(jié)論的穩(wěn)健性，還對(duì)回歸模型進(jìn)行了診斷。由于多重共線性問題的存在，研究剔除了虛擬變量交互項(xiàng)的影響。研究認(rèn)為，年降水量是影響該地區(qū)森林覆蓋率的主要?dú)夂蛞蛩?，年降水量每增?00 mm，森林覆蓋率將會(huì)增加10%。此外，年均氣溫對(duì)于森林覆蓋率也有顯著影響，年均氣溫每增加1 ℃，森林覆蓋率將會(huì)增加2.5%。對(duì)政策因素的分析表明，2005年《全國(guó)防沙治沙規(guī)劃（2005—2010）》和2011年《全國(guó)防沙治沙規(guī)劃（2011—2020）》的政策效應(yīng)相對(duì)于2000年的基期水平，能夠分別增加3.4%和4.7%的森林覆蓋率。研究揭示了氣候因素和政策因素對(duì)我國(guó)毛烏素沙地荒漠化逆轉(zhuǎn)的重要作用，對(duì)我國(guó)荒漠化管理和相關(guān)政策制定等具有重要意義和價(jià)值。

關(guān)鍵詞 毛烏素沙地;荒漠化;ANOVA;虛擬變量;逆轉(zhuǎn)因素

中圖分類號(hào) X171.4 ?文獻(xiàn)標(biāo)識(shí)碼 A ?文章編號(hào) 0517-6611（2020）10-0001-06

doi：10.3969/j.issn.0517-6611.2020.10.001

Abstract Based on the data of Chinas economic and social big data platform from 2000 to 2015， this paper analyzed the desertification development situation of Maowusu sandy land and its influencing factors. Climate factors and policy factors were important reasons to promote the improvement of forest coverage. Based on the analysis of variance and regression model of dummy variables， it was found that annual precipitation was the main climatic factor affecting the forest coverage in this region， and the forest coverage rate would increase by 10% for every 100 mm increase of annual precipitation. The average annual temperature also had a significant impact on forest coverage. For every 1 ℃ increased in annual temperature， forest coverage would increase by 2.5%. In addition， policy factors were reflected in the policy effects of the national plan for desertification prevention and control （2005-2010） and the national plan for desertification prevention and control （2011-2020）， which can increase the forest coverage rate by 3.4% and 4.7% respectively compared with the base period.The study revealed the important effects of climate and policy factors on desertification reversal of Maowusu sandy land in China， which was of great significance and value to desertification management and related policymaking in China.

Key words Maowusu sandy land;Desertification;ANOVA;Dummy variables;Reverse factors

為了營(yíng)造陜北防護(hù)林帶，早期研究毛烏素荒漠化的人員開展了沙漠自然條件的實(shí)地調(diào)查并建立了部分實(shí)驗(yàn)站。研究者僅僅通過沙漠化程度差異發(fā)掘出人為因素的重要作用。此后大部分學(xué)者利用衛(wèi)星遙感技術(shù)，從最開始的靜態(tài)測(cè)量，轉(zhuǎn)向更為豐富的動(dòng)態(tài)研究。其中多數(shù)研究認(rèn)為毛烏素沙地荒漠化處于逆轉(zhuǎn)態(tài)勢(shì)[1-2]。相應(yīng)的跟蹤研究同樣也證明了從20世紀(jì)80年代到21世紀(jì)前10年，毛烏素沙地荒漠化逆轉(zhuǎn)在總體上仍然呈現(xiàn)出良好的發(fā)展態(tài)勢(shì)[3]。進(jìn)一步的研究還利用地理信息系統(tǒng)技術(shù)，同時(shí)展示了毛烏素沙地荒漠化逆轉(zhuǎn)發(fā)展的空間和時(shí)間變化趨勢(shì)，以可視化的形式證明了荒漠化的結(jié)構(gòu)性逆轉(zhuǎn)[4-5]。在毛烏素沙地較早的氣候變化研究中，基本得出了暖干化趨勢(shì)的一致性結(jié)論[6-8]。據(jù)此，大部分學(xué)者都肯定了人為因素在荒漠化逆轉(zhuǎn)中的重要作用，但只有少數(shù)研究者以土地利用方式、產(chǎn)業(yè)結(jié)構(gòu)、政策因素等為影響因素，分析了植被覆蓋率等的相應(yīng)變化[5]。進(jìn)入21世紀(jì)后，全球氣候發(fā)生了重大變化，有研究認(rèn)為降水量與氣溫呈同步上升的趨勢(shì)，其中降水量對(duì)于毛烏素荒漠化逆轉(zhuǎn)起到了決定性作用，在研究中，響應(yīng)變量常常使用植被覆蓋率或森林覆蓋率代表不同荒漠化程度[9-10]，并進(jìn)行沙地荒漠化逆轉(zhuǎn)的影響分析。

2.1.1 經(jīng)濟(jì)特征因素。

首先，對(duì)lngdp、lnprod、lnp_inc這3個(gè)變量進(jìn)行探索性因子分析，由含平行分析的碎石圖可見（如圖2A所示）：第一，基于Kaiser-Harris準(zhǔn)則來保留特征值大于1的公共因子，對(duì)應(yīng)的探索性因子分析則應(yīng)該選擇一個(gè)公共因子;第二，基于碎石檢驗(yàn)來保留在圖形變化最大處之上的公共因子，對(duì)應(yīng)的探索性因子分析在第二公共因子處出現(xiàn)拐角，因此應(yīng)選擇一個(gè)公共因子;第三，基于平行分析以一組隨機(jī)數(shù)組的特征值平均值為標(biāo)準(zhǔn)選擇大于該平均特征值的部分，對(duì)應(yīng)的探索性因子分析同樣應(yīng)當(dāng)取一個(gè)公共因子;此時(shí)進(jìn)一步考慮方差貢獻(xiàn)率因素，提取1個(gè)公共因子時(shí)的方差貢獻(xiàn)率就已經(jīng)達(dá)73%，但提取2個(gè)公共因子時(shí)的累計(jì)方差貢獻(xiàn)率也僅為74%，且其中第1和第2公共因子的解釋比率分別為99%和1%。

綜合上述結(jié)果來看，lngdp、lnprod、lnp_inc這3個(gè)變量可以由1個(gè)公共因子進(jìn)行解釋，具體來說，提取1個(gè)未旋轉(zhuǎn)公共因子時(shí)選擇主軸迭代法，根據(jù)因子載荷矩陣中的方差解釋度發(fā)現(xiàn)該公因子對(duì)3個(gè)變量的方差解釋度超過了50%，可見此公共因子對(duì)于上述變量的解釋都較為平衡，進(jìn)而將該均衡因子得分作為新增解釋變量，即經(jīng)濟(jì)特征變量（fa_economy）。

2.1.2 自然環(huán)境因素。

對(duì)rain和temp這2個(gè)變量進(jìn)行探索性因子分析，由碎石圖可以看出（圖2B）：第一，基于Kaiser-Harris準(zhǔn)則來保留特征值大于1的公共因子，對(duì)應(yīng)的探索性因子分析則應(yīng)該選擇一個(gè)公共因子;第二，基于碎石檢驗(yàn)來保留在圖形變化最大處之上的公共因子，對(duì)應(yīng)的探索性因子分析在第二公共因子處出現(xiàn)拐角，因此應(yīng)當(dāng)選擇一個(gè)公共因子;但考慮到方差貢獻(xiàn)率因素，提取一個(gè)公共因子時(shí)的方差貢獻(xiàn)率僅為27%。由于方差貢獻(xiàn)率遠(yuǎn)低于50%的要求，說明該公共因子并不能較完整地代表2個(gè)原始變量，因此仍然保持使用rain和temp這2個(gè)變量，并代表自然環(huán)境因素。

為了進(jìn)一步進(jìn)行異方差性的檢驗(yàn)，首先繪制殘差圖（圖4），從圖中可以看出隨著被解釋變量擬合值的變化，擾動(dòng)項(xiàng)的方差并沒有特別明顯的變化，只存在稍微的遞減趨勢(shì)。因此，進(jìn)一步使用懷特檢驗(yàn)，結(jié)果如表5所示。在表5中P為0.005，說明應(yīng)當(dāng)強(qiáng)烈拒絕同方差的原假設(shè)，認(rèn)為存在異方差。

另外，采用適用性更強(qiáng)的BP檢驗(yàn)，因其將擾動(dòng)項(xiàng)的正態(tài)分布假設(shè)削弱為獨(dú)立同方差分布，但檢驗(yàn)結(jié)果顯示P為0.865，因此，應(yīng)當(dāng)接受同方差分布的原假設(shè)。這一結(jié)論與懷特檢驗(yàn)產(chǎn)生分歧，但一般情況下，如果可能存在異方差分布，則應(yīng)該使用穩(wěn)健標(biāo)準(zhǔn)誤，因?yàn)樵诋惙讲钋闆r下仍然使用普通標(biāo)準(zhǔn)誤會(huì)大大低估系數(shù)的真實(shí)標(biāo)準(zhǔn)差，從而導(dǎo)致錯(cuò)誤的統(tǒng)計(jì)推斷。因此，該文使用穩(wěn)健標(biāo)準(zhǔn)誤重新對(duì)模型C進(jìn)行回歸，結(jié)果如表6所示。從回歸結(jié)果可以看出，通過穩(wěn)健標(biāo)準(zhǔn)誤進(jìn)行回歸，policy_1、policy2、rain與temp這4個(gè)解釋變量在不同的顯著性水平上均對(duì)f_ratio產(chǎn)生了正向效應(yīng)，與普通標(biāo)準(zhǔn)誤回歸的差異幾乎僅存在于它們的取值上。此外，模型的擬合優(yōu)度為0.193，而在模型整體的F檢驗(yàn)中，P也達(dá)到了0.000，說明該模型的整體適配度也較強(qiáng)。

3 結(jié)論

根據(jù)陜西省經(jīng)濟(jì)社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫、內(nèi)蒙古自治區(qū)經(jīng)濟(jì)社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫、寧夏回族自治區(qū)經(jīng)濟(jì)社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)庫中2000—2015年的數(shù)據(jù)，對(duì)我國(guó)毛烏素沙地荒漠化逆轉(zhuǎn)因素進(jìn)行了分析研究，可以得到以下結(jié)論。

（1）根據(jù)初步描述性統(tǒng)計(jì)可以發(fā)現(xiàn)，2000—2015年我國(guó)毛烏素沙地的森林覆蓋率保持上升趨勢(shì)，意味著毛烏素沙地的荒漠化程度也呈現(xiàn)出逆轉(zhuǎn)趨勢(shì)。

（2）毛烏素沙地地區(qū)GDP的對(duì)數(shù)值、地區(qū)農(nóng)林牧漁業(yè)總產(chǎn)值的對(duì)數(shù)值、農(nóng)村牧區(qū)常駐居民人均可支配收入的對(duì)數(shù)值3個(gè)變量可以降維為一個(gè)經(jīng)濟(jì)特征因素，但方差分析與回歸分析結(jié)果都證明該經(jīng)濟(jì)特征因素對(duì)于毛烏素沙地的荒漠化逆轉(zhuǎn)不存在明顯的作用。

（3）在自然環(huán)境因素中，年降水量和年均氣溫在0.01的顯著性水平下對(duì)森林覆蓋率產(chǎn)生正向作用。其中年降水量的系數(shù)意味著年降水量每增加100 mm，森林覆蓋率將會(huì)增加10%;相應(yīng)年均氣溫每增加1 ℃，森林覆蓋率將會(huì)增加2.5%。這不僅再次驗(yàn)證了氣溫和降水增加對(duì)于毛烏素沙地荒漠化逆轉(zhuǎn)有極大的推動(dòng)作用，還能夠?qū)ψ匀灰蛩氐挠绊懗潭冗M(jìn)行量化分析。值得注意的是，雖然年降水量的系數(shù)很小，具體僅為0.001，但這是因?yàn)槟杲邓肯鄬?duì)于其他變量，如年均氣溫的數(shù)據(jù)量綱更大，且其標(biāo)準(zhǔn)差為91.924，遠(yuǎn)遠(yuǎn)高于年均氣溫0.999的標(biāo)準(zhǔn)差，因此，可以發(fā)現(xiàn)系數(shù)相對(duì)較小的年降水量反而具有更大的效應(yīng)，其對(duì)于毛烏素沙地荒漠化逆轉(zhuǎn)具有決定性的作用。

（4）在政策因素中，policy_1和policy2兩個(gè)虛擬變量分別在0.1和0.05的水平上顯著。虛擬變量各自的系數(shù)意味著，相對(duì)于政策0狀態(tài)，政策1和政策2在控制自然環(huán)境因素變量后，能夠分別增加3.4%和4.7%的森林覆蓋率。由此可見，相對(duì)于2000年，《全國(guó)防沙治沙規(guī)劃（2005—2010）》和《全國(guó)防沙治沙規(guī)劃（2011—2020）》兩項(xiàng)規(guī)劃的實(shí)施對(duì)于推動(dòng)毛烏素沙地荒漠化逆轉(zhuǎn)具有明顯的正向作用，這也從定量化角度明確了政策因素對(duì)推進(jìn)荒漠化全面逆轉(zhuǎn)的重要程度。

（5）由于存在強(qiáng)烈的多重共線性問題，出于保留模型穩(wěn)健性的考慮，該研究并未繼續(xù)深入探討政策因素與自然因素交互作用對(duì)森林覆蓋率的作用方式，今后的研究可以基于此，探尋不同政策條件下，各種自然因素對(duì)于荒漠化逆轉(zhuǎn)的影響效應(yīng)的差異，并為后續(xù)的政策實(shí)施提供更具針對(duì)性和精準(zhǔn)的建議。

參考文獻(xiàn)

[1] 吳薇.近50年來毛烏素沙地的沙漠化過程研究[J].中國(guó)沙漠，2001，21（2）：164-169.

[2] 吳薇，王熙章，姚發(fā)芬.毛烏素沙地沙漠化的遙感監(jiān)測(cè)[J].中國(guó)沙漠，1997，17（4）：83-88.

[3] 王玉華，楊景榮，丁勇，等.近年來毛烏素沙地土地覆被變化特征[J].水土保持通報(bào)，2008，28（6）：53-57，199.

[4] 趙媛媛，丁國(guó)棟，高廣磊，等.毛烏素沙區(qū)沙漠化土地防治區(qū)劃[J].中國(guó)沙漠，2017，37（4）：635-643.

[5] 閆峰，吳波.近40a毛烏素沙地荒漠化過程研究[J].干旱區(qū)地理，2013，36（6）：987-996.

[6] 徐小玲，延軍平.毛烏素沙地的氣候?qū)θ驓夂蜃兓捻憫?yīng)研究[J].干旱區(qū)資源與環(huán)境，2004，18（1）：135-139.

[7] 劉登偉，張?jiān)馒?全球變化下毛烏素沙漠氣候變化特征[J].干旱區(qū)資源與環(huán)境，2003，17（6）：78-81.

[8] 劉登偉，延軍平，張?jiān)馒?毛烏素沙漠區(qū)氣候變化空間分布比較研究[J].資源科學(xué)，2003，25（6）：71-76.

[9] 柏菊，閆峰.2001年-2012年毛烏素沙地荒漠化過程及驅(qū)動(dòng)力研究[J].南京師大學(xué)報(bào)（自然科學(xué)版），2016，39（1）：132-138.

[10] 王靜璞，張曉鳳，宗敏.21世紀(jì)初毛烏素沙地NDVI時(shí)空變化特征及影響因素[J].科技創(chuàng)新導(dǎo)報(bào)，2015（34）：160-161，163.

[11] 吳薇.毛烏素沙地沙漠化過程及其整治對(duì)策[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2001，9（3）：15-18.

[12] 郭堅(jiān)，王濤，韓邦帥，等.近30a來毛烏素沙地及其周邊地區(qū)沙漠化動(dòng)態(tài)變化過程研究[J].中國(guó)沙漠，2008，28（6）：1017-1021.

[13] 包巖峰，楊柳，龍超，等.中國(guó)防沙治沙60年回顧與展望[J].中國(guó)水土保持科學(xué)，2018，16（2）：144-150.

[14] PODSAKOFF P M，MACKENZIE S B，LEE J Y，et al.Common method biases in behavioral research：A critical review of the literature and recommended remedies[J].Journal of applied psychology，2003，88（5）：879-903.

[15] KLINE R B.Principles and practice of structural equation modeling[M].New York：Guilford Press，2015.

[16] BYRNE B M.Structural equation modeling with AMOS：Basic concepts，applications，and programming[M].New York：Routledge，2016.

[17] HAIR J F，Jr，HULT G T M，RINGLE C，et al.A primer on partial least squares structural equation modeling（PLS-SEM）[M].Thousand Oaks，CA：Sage Publications，2016.

[18] 郭少陽，鄭蟬金，陳彥壘.方差分析與回歸分析的整合：虛擬變量與設(shè)計(jì)矩陣[J].統(tǒng)計(jì)與決策，2018，34（12）：25-28.

[19] 傅鶯鶯，田振坤，李裕梅.方差分析的回歸解讀與假設(shè)檢驗(yàn)[J].統(tǒng)計(jì)與決策，2019，35（8）：77-80.

[20] 陳崇雙，唐家銀，何平.方差分析法的線性回歸建模重構(gòu)[J].統(tǒng)計(jì)與決策，2018，34（7）：71-75.

[21] ANDERSON J C，GERBING D W.Structural equation modeling in practice：A review and recommended twostep approach[J].Psychological bulletin，1988，103（3）：411-412.