關中地區耕地變化驅動因素及預測模型

吳春輝等

摘要：以關中地區為研究對象，結合該地區1986—2011年耕地面積及人口、經濟發展水平、農業現代化水平等資料，分析了耕地數量動態變化情況，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，主要從事農業水土資源規劃、節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展，大量耕地被住宅用地、工業用地建設等侵占[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耕地面積變化研究較少。本研究根據關中地區1986—2011年耕地、人口、經濟、社會發展的統計數據，分析影響耕地動態變化的驅動因素，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研究區概況

關中地區工業集中，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市以及楊凌區農業高新技術產業示范區。該地區屬大陸性氣候，年均氣溫6～13 ℃，年降水量500～800 mm，截至2011年底，全區人口2 369.81萬，約占全省總人口的60.63%，其中農業人口 1 383.96萬，占全區總人口的58.40%，全區耕地面積 1 50715×103 hm2，占全省耕地面積的52.68%。關中地區地勢平坦，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[8]。

21986—2011年關中地區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”戰略、“一線兩帶”建設路線的實施，以及高新技術開發帶、國家關中星火產業帶的建設，關中地區快速實現區域現代化的同時，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展，政府認識到了耕地減少及生態環境破壞對糧食安全、社會發展的影響，提出了“生態退耕”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。隨著社會經濟的發展，耕地總量不斷減少，人口總量不斷增加，導致關中地區人均耕地面積呈下降趨勢。1986年關中地區人均耕地面積為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>農業機械總動力>農業總產值>工業總產值>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，說明耕地動態變化與人口、經濟發展水平、農業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

本研究以關中地區為研究對象，分析了1986—2011年關中地區耕地面積的變化趨勢，探究了耕地動態變化的驅動因素，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未來耕地面積，結果表明，1986—2011年，關中地區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年影響關中地區耕地面積動態變化的驅動因素進行分析，發現人口、城市化水平、灌溉面積、糧食單產、農業機械總動力這5個因素是影響耕地動態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，影響關中地區耕地面積的主要因素是人口數量、城市化水平、農業現代化水平。結合關中地區的具體情況，應該控制人口增長、控制城鎮規模盲目擴大、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. 西北干旱半干旱區耕地面積變化與人口、經濟發展的相關關系研究——以甘肅省為例[J]. 干旱區資源與環境，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]. 干旱區資源與環境，2009，23（3）：73-76.

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

[6]郭洪海，宋民. 山東省耕地動態變化趨勢及驅動力分析[J]. 中國農業資源與區劃，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]. 干旱區資源與環境，2012，26（8）：89-92.

[8]楊朔，李世平.關中地區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. 關中地區土地利用動態模擬與優化配置研究[D]. 西安：陜西師范大學，2010.

[10]楊忠泰.陜西培育發展戰略性新興產業的路徑選擇[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. 西北干旱半干旱區耕地面積變化與人口、經濟發展的相關關系研究——以甘肅省為例[J]. 干旱區資源與環境，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]. 干旱區資源與環境，2009，23（3）：73-76.

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

[6]郭洪海，宋民. 山東省耕地動態變化趨勢及驅動力分析[J]. 中國農業資源與區劃，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]. 干旱區資源與環境，2012，26（8）：89-92.

[8]楊朔，李世平.關中地區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. 關中地區土地利用動態模擬與優化配置研究[D]. 西安：陜西師范大學，2010.

[10]楊忠泰.陜西培育發展戰略性新興產業的路徑選擇[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. 西北干旱半干旱區耕地面積變化與人口、經濟發展的相關關系研究——以甘肅省為例[J]. 干旱區資源與環境，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]. 干旱區資源與環境，2009，23（3）：73-76.

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

[6]郭洪海，宋民. 山東省耕地動態變化趨勢及驅動力分析[J]. 中國農業資源與區劃，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]. 干旱區資源與環境，2012，26（8）：89-92.

[8]楊朔，李世平.關中地區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. 關中地區土地利用動態模擬與優化配置研究[D]. 西安：陜西師范大學，2010.

[10]楊忠泰.陜西培育發展戰略性新興產業的路徑選擇[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