土地生態(tài)質(zhì)量遙感評(píng)價(jià)模型與主控因子研究
——以廣安市為例

陳震, 夏學(xué)齊, 陳建平

(中國(guó)地質(zhì)大學(xué)(北京)地球科學(xué)與資源學(xué)院，北京 100083)

0 引言

隨著全球生態(tài)環(huán)境日益惡化，生態(tài)問題越來越得到人們的重視，土地生態(tài)質(zhì)量評(píng)價(jià)方法研究已成為土地生態(tài)科學(xué)的重要研究方向。土地生態(tài)評(píng)價(jià)指標(biāo)體系的建立是土地生態(tài)質(zhì)量評(píng)價(jià)的重點(diǎn)，目前的土地生態(tài)評(píng)價(jià)指標(biāo)體系主要有3類： ①以聯(lián)合國(guó)糧農(nóng)組織(Food and Agriculture Organization of the United Nations，F(xiàn)AO)制定的《可持續(xù)土地利用評(píng)價(jià)綱要》為基礎(chǔ)進(jìn)行相應(yīng)修改的評(píng)價(jià)指標(biāo)體系； ② 以“壓力-狀態(tài)-響應(yīng)”(pressure-state-response，PSR)模型為基礎(chǔ)的評(píng)價(jià)指標(biāo)體系； ③基于“經(jīng)濟(jì)-環(huán)境-社會(huì)”(environmental effects statement，EES)結(jié)構(gòu)的生態(tài)評(píng)價(jià)指標(biāo)體系。

國(guó)內(nèi)外傳統(tǒng)的土地生態(tài)評(píng)價(jià)指標(biāo)體系研究多以FAO建立的《可持續(xù)土地利用評(píng)價(jià)綱要》為基準(zhǔn)，根據(jù)實(shí)際情況進(jìn)行了相關(guān)改進(jìn)。Pieri等[1]于1995年提出了以林地退化、水土流失、鹽漬化、地下水下降等生態(tài)因素建立土地質(zhì)量評(píng)價(jià)指標(biāo)體系，分析了不同因素對(duì)土地生態(tài)質(zhì)量的影響程度； 2003年Messing等[2]根據(jù)經(jīng)典FAO評(píng)價(jià)體系，基于實(shí)際情況，從坡向、土壤質(zhì)地、有機(jī)質(zhì)、降水、pH值等方面研究了小流域范圍農(nóng)業(yè)用地生態(tài)狀況。近年來，以PSR模型和EES框架為基礎(chǔ)的研究逐漸增多。2011年張軍以等[3]根據(jù)三峽庫區(qū)生態(tài)區(qū)的土地生態(tài)質(zhì)量特點(diǎn)，以PSR模型為基礎(chǔ)，建立城市化水平、人均土地面積、單位面積農(nóng)藥使用量等21個(gè)評(píng)價(jià)指標(biāo)，對(duì)三峽庫區(qū)2003—2006年的土地生態(tài)總體狀況進(jìn)行計(jì)算，對(duì)土地生態(tài)狀況的變化趨勢(shì)進(jìn)行了分析； 2011年P(guān)aracchini等[4]以EES模型為基礎(chǔ)，選取30個(gè)評(píng)價(jià)指標(biāo)，對(duì)研究區(qū)內(nèi)不同土地利用類型進(jìn)行綜合分析，提出了權(quán)衡評(píng)價(jià)的概念，該概念用于滿足土地管理部門的實(shí)際需求； 2019年鞏芳等[5]在研究草原生態(tài)系統(tǒng)補(bǔ)償對(duì)其生態(tài)經(jīng)濟(jì)系統(tǒng)的響應(yīng)機(jī)理時(shí)，運(yùn)用“驅(qū)動(dòng)力-壓力-狀態(tài)-影響-響應(yīng)”(driving forces-pressure-state-impact-responses，DPSIR)模型，取得了較好的效果； 2020年鄒炎平等[6]分別采用非期望產(chǎn)出導(dǎo)向和生態(tài)低效率2種模型，研究了2016年全國(guó)30個(gè)省(區(qū)市)的生態(tài)環(huán)境效率、生態(tài)無效效率和產(chǎn)出改進(jìn)； 2020年王毅等[7]以河西走廊5個(gè)地級(jí)市為研究區(qū)，根據(jù)當(dāng)?shù)貙?shí)際情況，基于PSR-EES模型構(gòu)建了一套生態(tài)安全評(píng)價(jià)指標(biāo)體系，選用綜合指數(shù)法計(jì)算了研究區(qū)2008—2017年間的生態(tài)安全動(dòng)態(tài)值。

綜合指數(shù)法是一種重要的數(shù)學(xué)模型，也是土地生態(tài)質(zhì)量評(píng)價(jià)中運(yùn)用最多的土地生態(tài)質(zhì)量評(píng)價(jià)模型[8-12]。理想點(diǎn)法是綜合指數(shù)方法之一，本文將理想點(diǎn)法應(yīng)用于廣安市土地生態(tài)質(zhì)量評(píng)價(jià)，以生態(tài)本底、生態(tài)結(jié)構(gòu)、生態(tài)效益、生態(tài)脅迫4個(gè)準(zhǔn)則層的14個(gè)評(píng)價(jià)指標(biāo)建立評(píng)價(jià)指標(biāo)體系； 用德爾菲法(主觀法)和熵權(quán)法(客觀法)計(jì)算各個(gè)評(píng)價(jià)指標(biāo)的權(quán)重值，利用主成分分析法對(duì)主控因子進(jìn)行提取，并對(duì)理想點(diǎn)各生態(tài)等級(jí)面積變化與主控因子之間的關(guān)系進(jìn)行分析，旨在整體掌握廣安市2000年、2005年、2010年和2015年土地生態(tài)質(zhì)量各生態(tài)等級(jí)的分布與主控因子之間的關(guān)系，為土地整治部門提出土地生態(tài)質(zhì)量監(jiān)管決策依據(jù)和技術(shù)支持。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

廣安市位于四川省中部的丘陵區(qū)和東部的平行嶺谷區(qū)之間，地理范圍在E105°56′～107°19′，N30°01′～30°52′之間。丘陵地貌為主，高程為400～1 500 m； 處于亞熱帶季風(fēng)區(qū)域，氣候溫暖、降水充沛； 湖泊和河流較多，物產(chǎn)較豐富，植物多為亞熱帶常綠闊葉林。廣安市中部的渠江、西南部的嘉陵江均為長(zhǎng)江的支流，NE-SE向的華鎣山、銅鑼山、明月山大體呈平行狀排列于廣安市東部。廣安市土地面積為6 339.22 km2，由1市、3縣、2區(qū)組成(圖1)； 2017年的總?cè)丝跒?64.7萬，2018年國(guó)民生產(chǎn)總值(gross domestic product，GDP)為1 250.2億元。廣安市為國(guó)家級(jí)園林城市，生態(tài)環(huán)境整體較好。其整體生態(tài)結(jié)構(gòu)是，森林和湖泊主要分布在西部、北部東和南部地區(qū)，為土地生態(tài)質(zhì)量較高的面狀區(qū)域； 分布于中部的渠江和西南部的嘉陵江及鄰近區(qū)域?yàn)橥恋厣鷳B(tài)質(zhì)量較高的線狀區(qū)域； 基本農(nóng)田和經(jīng)濟(jì)林區(qū)域是土地生態(tài)質(zhì)量良好的面狀區(qū)域； 建設(shè)用地占比較高的城鎮(zhèn)及鄰近區(qū)域是土地生態(tài)質(zhì)量中低的面狀區(qū)域。

圖1 廣安市行政圖Fig.1 Administrative map of Guang’an City

1.2 數(shù)據(jù)源及其預(yù)處理

本文從地理空間數(shù)據(jù)云、 美國(guó)國(guó)家海洋和大氣管理局夜間燈光數(shù)據(jù)網(wǎng)站(http: //www.class.ngdc.noaa.gov/)、資源環(huán)境數(shù)據(jù)云平臺(tái)、全球變化科學(xué)研究數(shù)據(jù)出版系統(tǒng)等網(wǎng)站下載了遙感、地形、氣溫、降水、夜間燈光、GDP、人口、歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、植被初級(jí)總生產(chǎn)力(gross primary productivity，GPP)等相關(guān)數(shù)據(jù)。

遙感數(shù)據(jù)來自地理空間數(shù)據(jù)云網(wǎng)站，從該網(wǎng)站下載了2000年、2005年和2010年的Landsat5以及2015年Landsat8衛(wèi)星共計(jì)4個(gè)時(shí)相的8景遙感影像。Landsat5數(shù)據(jù)級(jí)別為L(zhǎng)evel 1T ，經(jīng)過了輻射校正以及有地面控制點(diǎn)的幾何糾正。Landsat8數(shù)據(jù)也是Level 1T級(jí)產(chǎn)品，該產(chǎn)品經(jīng)過了地形校正和輻射校正以及幾何糾正。本文在此基礎(chǔ)上進(jìn)行了Flaash大氣校正、鑲嵌、裁剪等預(yù)處理。

本研究對(duì)遙感影像提取了分形紋理、顏色、植被指數(shù)、水體指數(shù)、裸地指數(shù)、建筑物指數(shù)等地物特征，并結(jié)合支持向量機(jī)模型進(jìn)行了土地利用分類，并統(tǒng)計(jì)了各時(shí)相、各土地利用類型的面積占比。各年份土地利用類型占比和分布情況如表1和圖2所示。

表1 2000年、2005年、2010年和2015年各土地利用類型占比Tab.1 Proportion of land use types in 2000, 2005, 2010 and 2015 (%)

選用公里格網(wǎng)作為評(píng)價(jià)單元，評(píng)價(jià)指標(biāo)導(dǎo)入公里網(wǎng)的步驟為： ①用ArcGIS10.3軟件的FISHNET工具模塊創(chuàng)建廣安市范圍的尺寸為1 km×1 km的公里格網(wǎng)； ②將土地分類數(shù)據(jù)賦值到各公里格網(wǎng)的屬性數(shù)據(jù)中； ③將地形、人口、GDP、夜間燈光、氣溫、NDVI、降水、GPP、土地利用分類等數(shù)據(jù)賦值到各公里格網(wǎng)的屬性數(shù)據(jù)中。

2 研究方法

2.1 評(píng)價(jià)指標(biāo)選擇

本文綜合考慮廣安市的實(shí)際情況，以廣安市面臨的主要生態(tài)問題為導(dǎo)向，基于土地生態(tài)學(xué)等相關(guān)理論，對(duì)各類評(píng)價(jià)指標(biāo)進(jìn)行篩選，建立了包括生態(tài)本底、生態(tài)結(jié)構(gòu)、生態(tài)效益和生態(tài)脅迫4個(gè)準(zhǔn)則層的共計(jì)14個(gè)評(píng)價(jià)指標(biāo)組成的遙感評(píng)價(jià)指標(biāo)體系，如表2所示。

表2 土地生態(tài)質(zhì)量遙感評(píng)價(jià)指標(biāo)體系Tab.2 Remote sensing evaluation index system forland ecological quality

2.2 主客觀賦權(quán)重

關(guān)于評(píng)價(jià)指標(biāo)權(quán)重值的計(jì)算方法有多種，主要分為主觀法和客觀法2大類： ①德爾菲法[13](Delphi method)是一種專家意見法和主觀賦權(quán)方法，也是一種綜合各位專家的經(jīng)驗(yàn)、主觀意見的綜合賦權(quán)法； ②熵權(quán)法是一種客觀賦權(quán)法，其中的“熵”的概念是由德國(guó)物理學(xué)家克勞修斯于1865年提出的[14]，主要反映物理能量在空間中分布的均勻度，能量分布越均勻，熵值就越高，而信息熵的概念出現(xiàn)較晚，最早于1945年由Shannon等人引入到信息論中，最初主要用于描述源信號(hào)的不確定性[15]。

本文采用主客觀法結(jié)合的方法計(jì)算各評(píng)價(jià)指標(biāo)的權(quán)值，該方法避免了主觀或客觀單一賦權(quán)法的片面性，綜合了主客觀2種方法的優(yōu)點(diǎn)。主客觀結(jié)合法計(jì)算權(quán)重Wi的公式為：

Wi=αUi+βVi，

(1)

式中：U為德爾菲法計(jì)算的權(quán)重值；V為熵權(quán)法計(jì)算的權(quán)重值；i為評(píng)價(jià)指標(biāo)的序號(hào)；α和β分別為主觀法和客觀法的組合系數(shù)，α和β的約束條件為α2+β2=1。

2.3 理想點(diǎn)法土地生態(tài)質(zhì)量等級(jí)劃分

目前，綜合指數(shù)法模型是土地生態(tài)質(zhì)量評(píng)價(jià)中應(yīng)用最多的數(shù)學(xué)評(píng)價(jià)模型[4]，具有計(jì)算精簡(jiǎn)、信息損耗小、評(píng)價(jià)指標(biāo)縱向與橫向的對(duì)比分析方便等優(yōu)勢(shì)。理想點(diǎn)法屬于綜合指數(shù)法模型評(píng)價(jià)方法之一，是一種實(shí)用性很強(qiáng)的多指標(biāo)數(shù)學(xué)建模方法，具體算法為：

1)建立決策矩陣(公里網(wǎng)格屬性表)。假設(shè)評(píng)價(jià)單元數(shù)為i，評(píng)價(jià)指標(biāo)數(shù)為j，經(jīng)過評(píng)價(jià)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理，可以建立多屬性(多指標(biāo)標(biāo)準(zhǔn)化值)的決策矩陣A，即

(2)

式中：rmn為第m個(gè)評(píng)價(jià)單元中第n個(gè)評(píng)價(jià)指標(biāo)的標(biāo)準(zhǔn)化值。

2)構(gòu)建N維歐氏空間中一個(gè)理想值點(diǎn)和一個(gè)評(píng)價(jià)點(diǎn)，使得理想點(diǎn)向量各分量取值都為1。評(píng)價(jià)點(diǎn)向量中，正向指標(biāo)和負(fù)向指標(biāo)的計(jì)算公式分別為：

(3)

(4)

因?yàn)樵诓襟E1)中，各項(xiàng)評(píng)價(jià)指標(biāo)數(shù)據(jù)都經(jīng)過了標(biāo)準(zhǔn)化處理，正、負(fù)向指標(biāo)的標(biāo)準(zhǔn)化值都分布于[0，1]區(qū)間； 經(jīng)過負(fù)向指標(biāo)計(jì)算后，負(fù)向指標(biāo)就變成了正向指標(biāo)，可以將正負(fù)指標(biāo)的理想值都賦值為1，從而減少模型的運(yùn)算量。

3)根據(jù)上述主客觀賦權(quán)法，計(jì)算各評(píng)價(jià)單元中每項(xiàng)評(píng)價(jià)指標(biāo)的加權(quán)值，獲得評(píng)價(jià)向量； 最后計(jì)算評(píng)價(jià)向量和理想點(diǎn)向量之間的歐式距離，計(jì)算公式為：

(5)

式中：D為歐式距離值；Vij為第i個(gè)評(píng)價(jià)單元中第j個(gè)評(píng)價(jià)指標(biāo)的加權(quán)值。

4)根據(jù)步驟3)計(jì)算得到的各個(gè)評(píng)價(jià)單元的歐式距離，應(yīng)用自然斷點(diǎn)法對(duì)各評(píng)價(jià)單元進(jìn)行生態(tài)等級(jí)劃分。

理想點(diǎn)法在多指標(biāo)綜合評(píng)價(jià)應(yīng)用中，對(duì)評(píng)價(jià)單元和評(píng)價(jià)指標(biāo)的數(shù)量都沒有限制，并便于對(duì)評(píng)價(jià)內(nèi)容進(jìn)行縱向和橫向比較，故應(yīng)用范圍較廣。通過步驟2)和3)對(duì)傳統(tǒng)理想點(diǎn)評(píng)價(jià)模型的改進(jìn)，使得改進(jìn)后的理想點(diǎn)模型計(jì)算效率得到了提高，也更能描述土地生態(tài)質(zhì)量評(píng)價(jià)指標(biāo)的生態(tài)本底、生態(tài)結(jié)構(gòu)、生態(tài)效益和生態(tài)脅迫4個(gè)準(zhǔn)則層對(duì)土地生態(tài)質(zhì)量的影響，可以使生態(tài)評(píng)價(jià)更加準(zhǔn)確。

2.4 主控因子分析

本文應(yīng)用主成分分析法提取土地生態(tài)質(zhì)量主控因子。主成分分析法是一種用于數(shù)據(jù)降維的統(tǒng)計(jì)方法，其算法為： ①進(jìn)行空間變換(正交變換)； ②將原來相關(guān)的隨機(jī)向量分量轉(zhuǎn)成新的無關(guān)的隨機(jī)向量分量，如果從線性代數(shù)的角度來理解，是將協(xié)方差矩陣轉(zhuǎn)變換成對(duì)角形矩陣，如果從立體幾何角度來理解，是對(duì)坐標(biāo)系進(jìn)行正交變換，用新坐標(biāo)系中的新隨機(jī)向量代表樣本點(diǎn)最分散(即方差最大)的N個(gè)正交方向，實(shí)現(xiàn)數(shù)據(jù)降維，從而獲得精度較高的低維系統(tǒng)； ③通過創(chuàng)建價(jià)值函數(shù)將低維變量系統(tǒng)轉(zhuǎn)換成一維變量系統(tǒng)[16]。

主成分分析法能將多變量系統(tǒng)轉(zhuǎn)變成數(shù)量較少的新變量系統(tǒng)，這較少的幾個(gè)新變量包含原來多變量系統(tǒng)的絕大部分信息量。土地生態(tài)質(zhì)量評(píng)價(jià)系統(tǒng)也是多變量(評(píng)價(jià)指標(biāo))系統(tǒng)，采用主成分分析法可以將這個(gè)多變量系統(tǒng)通過正交變換轉(zhuǎn)成少數(shù)幾個(gè)變量組成的系統(tǒng)，而這個(gè)少數(shù)變量的系統(tǒng)也包含了原土地生態(tài)質(zhì)量多個(gè)評(píng)價(jià)指標(biāo)的絕大部分信息。主成分分析法在進(jìn)行正交變換后，形成相互獨(dú)立的主成分，消除了多個(gè)評(píng)價(jià)指標(biāo)間的關(guān)聯(lián)度。主成分分析法中各主成分的貢獻(xiàn)率權(quán)數(shù)代表該主成分包含的信息量在原來全部信息總量中的占比，而貢獻(xiàn)率權(quán)數(shù)是客觀的、數(shù)據(jù)驅(qū)動(dòng)的。

3 結(jié)果與討論

3.1 土地生態(tài)質(zhì)量理想點(diǎn)等級(jí)劃分

本文應(yīng)用MATLAB 2016a軟件編程實(shí)現(xiàn)了各評(píng)價(jià)單元理想點(diǎn)值(土地生態(tài)質(zhì)量評(píng)價(jià)值)的計(jì)算； 然后利用ArcGIS10.3軟件中的自然斷點(diǎn)法，對(duì)各公里網(wǎng)格的理想點(diǎn)值進(jìn)行了等級(jí)劃分。廣安市范圍內(nèi)共有7 012個(gè)評(píng)價(jià)單元，將各評(píng)價(jià)單元的理想點(diǎn)值按自然斷點(diǎn)法由低到高劃分第1級(jí)(較差)、第2級(jí)(一般)、第3級(jí)(中等)、第4級(jí)(良好)、第5級(jí)(優(yōu)秀)等5個(gè)生態(tài)質(zhì)量等級(jí)。4個(gè)時(shí)相的土地生態(tài)質(zhì)量理想點(diǎn)等級(jí)如圖3所示。 本文獲取了4個(gè)時(shí)相各等級(jí)評(píng)價(jià)單元數(shù)量的占比情況，如表3所示。從圖3和表3可以看出，廣安市各年份、各生態(tài)等級(jí)的面積占比大部分集中在第2級(jí)和第3級(jí)，各年份第2級(jí)和第3級(jí)面積之和占比都在90%左右； 各年份第5級(jí)面積占比都較小，都不到1%。第2級(jí)與第3級(jí)面積占比情況大致呈負(fù)相關(guān)，2000—2005年第2級(jí)面積占比有一定幅度上升，2005—2010年下降較大，而2010—2015年有較小幅度的下降，第3級(jí)與第2級(jí)變化趨勢(shì)相反； 2000—2005年第4級(jí)占比有較小幅度上升，而2005—2010年有較小幅度下降，2010—2015年又有小幅上升； 第1級(jí)和第4級(jí)面積占比大致呈負(fù)相關(guān)。總體上，第3級(jí)面積占比在各等級(jí)中最大，而第3級(jí)面積占比總體上呈上升趨勢(shì)，因而廣安市2000—2015年間土地生態(tài)質(zhì)量有所提高，這是當(dāng)?shù)赝恋卣尾块T決策正確、監(jiān)管有效的有力證明。

表3 4個(gè)時(shí)相各生態(tài)等級(jí)評(píng)價(jià)單元數(shù)量占比Tab.3 Proportion of evaluation units of each ecological level in 4 phases (%)

3.2 主控因子分析

本文應(yīng)用SPSS22軟件中的主成分分析功能，提取了廣安市4個(gè)時(shí)相土地生態(tài)質(zhì)量的主控因子。具體實(shí)現(xiàn)步驟是： 將廣安市各時(shí)相的各評(píng)價(jià)單元所對(duì)應(yīng)的由多評(píng)價(jià)指標(biāo)標(biāo)準(zhǔn)化值建立的決策矩陣導(dǎo)入SPSS22軟件，閾值設(shè)定為1，表示將主成分分析法結(jié)果中方差大于1的向量設(shè)定為主成分； 最后將前幾個(gè)主成分向量中分值最高的位置對(duì)應(yīng)的評(píng)價(jià)指標(biāo)(因子)設(shè)定為主控因子。2000年、2005年、2010年和2015年時(shí)相的主控因子見表4—表7，其中成分順序?yàn)榈?主成分向量中按照值的大小排序； 加粗因子為該主成分分量中分值最高的因子； 主控因子中(+)表示正向因子，(-)表示負(fù)向因子。

表4 2000年主控因子Tab.4 Main control factors in 2000

表5 2005年主控因子Tab.5 Main control factors in 2005

(續(xù)表)

表6 2010年主控因子Tab.6 Main control factors in 2010

表7 2015年主控因子Tab.7 Main control factors in 2015

根據(jù)表4—7，取前3個(gè)主成分中各自的最大值所對(duì)應(yīng)的評(píng)價(jià)指標(biāo)作為主控因子。2000年、2005年、2010年和2015年主控因子如表8所示。

表8 2000、2005、2010和2015年主控因子Tab.8 Main control factors in 2000, 2005, 2010 and 2015

從表8中的各年份主控因子可以看出，除2005年的第一主控因子為氣溫，其他年份的第一主控因子都是林地占比，這說明從長(zhǎng)遠(yuǎn)來看，林地占比是該地區(qū)最重要的土地生態(tài)質(zhì)量主控因子。根據(jù)本文數(shù)據(jù)預(yù)處理結(jié)果，2005年氣溫比2000年有所升高，結(jié)合表3可以得知，隨著2005年氣溫的升高，生態(tài)質(zhì)量第3級(jí)面積占比也同時(shí)提高，這說明氣溫與第3級(jí)(土地生態(tài)質(zhì)量中等)面積占比呈正相關(guān)，由于第3級(jí)是最大面積占比等級(jí)，第3級(jí)面積占比的提高也代表了整體土地生態(tài)質(zhì)量的提高，因而總體上氣溫與土地生態(tài)質(zhì)量呈正相關(guān)?？傊值卣急群蜌鉁厥菍?duì)廣安市土地生態(tài)質(zhì)量重要的主控因子，林地占比和氣溫都與土地生態(tài)質(zhì)量呈正相關(guān)。

4 結(jié)論

本文以四川省廣安市為研究區(qū)，依據(jù)土地生態(tài)學(xué)等相關(guān)理論，結(jié)合廣安市的實(shí)際情況構(gòu)建了相應(yīng)的土地生態(tài)質(zhì)量評(píng)價(jià)指標(biāo)體系，基于理想點(diǎn)法的遙感評(píng)價(jià)模型對(duì)2000年、2005年、2010年和2015年的土地生態(tài)質(zhì)量進(jìn)行了綜合分析和評(píng)價(jià)，得到以下結(jié)論：

1)土地生態(tài)總體質(zhì)量有上升趨勢(shì)； 林地占比、溫度為土地生態(tài)質(zhì)量最重要的主控因子，溫度、林地占比都和土地生態(tài)質(zhì)量呈正相關(guān)。

2)提出采用主客觀結(jié)合法計(jì)算各土地生態(tài)評(píng)價(jià)指標(biāo)權(quán)值，避免了單純主觀或客觀賦權(quán)的片面性，提高了計(jì)算評(píng)價(jià)指標(biāo)權(quán)重的準(zhǔn)確程度。

3)對(duì)傳統(tǒng)的理想點(diǎn)模型進(jìn)行改進(jìn)，設(shè)置所有評(píng)價(jià)指標(biāo)的理想值為1，然后計(jì)算評(píng)價(jià)指標(biāo)向量到理想點(diǎn)向量(全為1)的歐氏空間距離，減少了土地生態(tài)質(zhì)量評(píng)價(jià)模型的運(yùn)算量，提高了工作效率。

4)通過本文的研究為廣安市土地整治部門提供了技術(shù)支持和決策依據(jù)。在未來研究中，將進(jìn)一步完善評(píng)價(jià)指標(biāo)數(shù)量和種類，同時(shí)在景觀生態(tài)模型方面上將開展評(píng)價(jià)模型的進(jìn)一步研究。