基于PSO-PPM模型的江蘇省農業水土資源承載力研究

焦曉東,尹慶民

(河海大學 商學院,江蘇 南京 211100)

基于PSO-PPM模型的江蘇省農業水土資源承載力研究

焦曉東,尹慶民

(河海大學 商學院,江蘇 南京 211100)

在用DPSR模型構建科學指標體系的基礎上,利用PSO-PPM模型對江蘇省各城市的農業水土資源承載力進行了綜合評價，并劃分了等級,發現江蘇省農業水土資源承載力較高的城市主要集中在蘇北及蘇中地區,單位面積水資源量、農機化程度、高耗水作物種植比例、水利工程投資等指標作用突出。評價結果符合實際,評價模型客觀有效。

江蘇；投影尋蹤模型;粒子群算法;農業水土資源;承載力；評價

農業是國民經濟的基礎,是人類的衣食之源、生存之本。隨著我國經濟發展進入新常態,農業發展內外環境也發生了深刻變化,地少水缺的資源環境約束不斷加劇,保持農業可持續發展的任務也更加艱巨。2014年中共中央、國務院發布了《關于全面深化農村改革,加快推進農業現代化的若干意見》,指出在工業化、信息化、城鎮化快速發展以及資源環境承載力矛盾日益尖銳的背景下,必須落實最嚴格的耕地保護制度、節約集約用地制度、水資源管理制度和環境保護制度，以強化監督考核和激勵約束。2014年江蘇省委發布《關于推進體制機制改革創新，進一步增強農業農村發展活力的意見》，進一步促進了“三農”發展。2015年2月,江蘇省委發布《關于加大農村改革創新力度，推動農業現代化建設邁上新臺階的意見》,指出要始終堅持“率先實現農業現代化”,促進農業可持續發展。

根據江蘇省水資源公報,2014年江蘇省用水消耗總量為270.8億m3,綜合耗水率達56.3%；農田灌溉用水量為6500.0 m3/hm2,占用水消耗總量的72.5%;全省水資源總量為399.3億m3；第一產業用水297.8億m3,占比87.1%。農業生產一直是耗水大戶,農業水資源供需矛盾也明顯加大。隨著我國耕地資源的供應不斷趨緊,2013年中央農村工作會議指出要堅守1.2億hm2耕地紅線。2014年江蘇省委也發布了《關于全面推進集約用地的意見》,據此2014年及2015年全省要求分別補充耕地1.44萬hm2和1.49萬hm2。由此,江蘇省農業發展面臨水資源、土地資源的約束。

承載力從最開始用來表示地基強度對建筑物負重的能力,到后來被引入生態學中[1],表示光、熱、水和被捕食者等資源在生態系統內維持個體生存的最大限度。用農業水土資源承載力表示江蘇省農業水資源、土地資源承載經濟社會發展的能力,可以定量評價江蘇省農業發展面臨的水土資源約束。因此，構建江蘇省農業水土資源承載力指標評價體系,建立科學的評價模型,對江蘇省各城市農業水土資源承載力進行評價并劃分等級,具有現實意義。

1 理論綜述

學術界將“承載力”(Carrying Capacity)引入生態學之后,1953年Odum[2]在其撰寫的《生態學原理》中給承載力作出了精確的數學表達形式。1972年,一個名為“羅馬俱樂部”的團隊發布了世界發展趨勢的《增長的極限》,使世界認識到經濟發展過程中資源環境承載力的重要性。在20世紀80年代,聯合國教科文組織正式提出了“資源承載力”的概念:一國或地區的資源承載力是在可以預見的時期內,利用該地區的能源及其他自然資源和智力、技術等條件,保證符合其社會文化準則的物質生活條件下,能夠維持供養人口的數量[3]。

國外學者Shelby等首先在研究伊利諾伊河時將河流水承載力分為物流承載力、生態承載力和社會承載力。Harris[4]利用邏輯增長方程測算了包含水資源可利用量因素的農業承載力上限。Sawunyama T等[5]利用GIS技術對非洲的一流域小水庫調蓄能力進行了承載力評價。Slesser M[6]根據SD法提出了綜合資源計算技術模型并估算了人口數量與承載力之間的變化。我國水資源承載力研究主要集中在西北干旱地區,以及東北農業發達地區。如瞿秀華等[7]利用模糊綜合評價模型對新疆奇臺縣農業水資源承載力進行了分析；李磊等[8]基于水資源承載力對內蒙古虛擬水貿易進行了研究；何杰等[9]在糧食增產背景下對松花江區農業水資源承載力進行了研究；成琨等[10]利用熵權云模型對黑龍江省的水資源進行了評價。

聯合國糧農組織早于1977年就開始對土地資源承載力進行研究,而我國對土地資源承載力的研究最早追溯到1986年中國科學院主持的“中國土地資源生產能力及人口承載力研究”[11]。周鎖銓等[12]較早對土地生產潛力以及人口承載力進行定量分析,測算了寶雞市的現實生產潛力及人口承載力。目前,國內學者多從人糧關系的角度對土地資源承載力進行研究,如孫秀鋒[13]、朱小娟[14]、陳永林等[15]基于人糧關系,利用LCCI模型對土地資源承載力進行研究。

任守德等[16]認為水資源與耕地資源都是農業發展的基本組成部分,兩者相互關聯、相互滲透、相互制約,不能將水、土資源作為兩個獨立的系統進行研究。由于水資源利用對土地資源的利用效率具有直接的影響,而土地資源的多寡也直接制約水資源的開發利用。因此,本文亦將水資源、土地資源作為一個統一的系統進行考察,通過建立科學模型測算江蘇省農業水土資源的承載力。

2 指標體系的構建

在構建指標體系時,既要充分考慮江蘇省的實際,又要注重指標的科學性、實用性、可操作性和完備性。DPSR (Driver-Pressure-State-Response)模型是歐洲環境組織(EEA)為評價分析環境現狀而采用的模型,該模型能夠系統全面地對相關指標進行篩選。DPSR模型包含驅動力、壓力、狀態和響應四個部分。在農業水土資源承載力研究中,驅動力表示促使農業水土資源系統發生變化的因素,主要有經濟因素、社會因素以及水土資源本身的因素,這些因素一般是靜態的;壓力表示經濟、社會發展特別是農業及水土資源本身發展對該系統產生的壓力;狀態表示系統面臨諸多壓力所呈現的狀態,可用農業系統及水土資源的現狀指標來反映;響應表示在呈現狀態后,系統應對壓力做出的響應,主要表現在對農業現代化和環境的影響、對社會的進一步投資等。DPSR模型可由圖1表示。

圖1 DPSR模型指標選擇圖

在驅動力中：可以用第一產業占GDP比重表示農業發展狀況；用人口密度表示人類活動對系統的驅動程度；用人均GDP反映經濟發展對農業系統的需求；用耕地資源比例、人均耕地面積、水資源總量表示水土資源本身發展的基礎。在壓力中：可用GDP增長率、人口自然增長率分別表示經濟發展和人口增長對農業水土系統的壓力；用高耗水作物種植面積反映對水資源的壓力；用水土流失面積反映對土地資源的壓力；用農業水土資源匹配系數表示水土資源內部的協調程度。在狀態指標中,可以用糧食作物單位面積產量反映農業的出產情況；用年人均糧食產量反映滿足人類生活的狀態；用農業用水量和人均耕地面積表示當前農業水資源和農業用地資源的現狀。在響應指標中：可以用單位面積耕地用電量表示農業耗能水平；用農機化程度反映農業現代化水平；用水利工程投資額反映社會投資對當前水資源環境的反應；用單位面積化肥使用量表示農業發展對環境的影響；用森林覆蓋率表示區域生態環境的狀況。各指標及其計算公式列于表1。

表1 江蘇省農業水土資源承載力評價指標體系

在上述指標體系中，人口密度、人口自然增長率、水土流失面積、單位面積用電量和單位面積化肥使用量為越小越優指標,其他均為越大越優指標。

3 理論計算模型的構建

構建的評價指標體系具有多維性,在數據處理上通常需要將多維數據降到低維或者一維,從而對目標進行評價。在降維過程中,需要保證過程的客觀性,不能含有主觀因素干擾。投影尋蹤模型(Projection Pursuit Model， PPM)是非線性、非正態高維數據的新興統計方法,可在保證客觀性的基礎上通過尋找最佳投影向量,將高維數據投影到低維空間。

3.1 投影尋蹤模型PPM的構建

對于越大越優指標:

(1)

對于越小越優指標:

(2)

(3)

式(3)中,要求‖a‖=1,并且zi的散布特征應該是:局部的投影點盡量密集,形成點團,而整體上的投影點團盡量散開。整體上的點團的密集度可以由z(i)的標準差Sz表示,即

(4)

局部投影點的密度可用Dz表示,即

(5)

(6)

用Q(a)=Sz·Dz表示投影指標函數。求解以下方程：

(7)

式(7)中Q(a)的值隨投影向量a的變化而變化,當Q(a)取最大值時的投影向量a即為最佳投影向量。此時, a能夠最大程度地反映高維矩陣的數據特征,實現將高維數據降到一維的目的,便于進行下一步評價。

3.2 粒子群算法(ParticleSwarmOptimization,PSO)求解

在求解式(7)時,由于它為優化變量的復雜非線性優化問題,因此用傳統方法難以處理。選擇智能算法粒子群算法,借助Matlab編程比較容易實現。

PSO算法基于鳥類覓食的原理,首先生成一群包含位置和速度的粒子,通過跟蹤兩個極值實現智能動態優化,其一為粒子本身所找到的最優解Pbest,其二為所有粒子目前找到的最優解Abest。通過跟蹤兩個極值,實現每個粒子的位置和速度的變化,最終,粒子群會聚集到滿足特定條件的群體最優解位置。粒子位置與速度的變化按照以下公式計算:

(8)

Xk+1=Xk+Vk+1

(9)

式(8)和式(9)中: k為當前的迭代次數; V為粒子的速度; r1和r2取 [0,1]之間的隨機數; c1和c2為非負的實數,稱為加速度因子; ω為非負實數,稱為慣性因子。

將隨機生成的粒子代入適應度函數，求出適應度并與Pbest比較,若適應度大于Pbest，則將Pbest換成新的適應度,最終形成每一個粒子的個體極值。將每個粒子的個體極值與全局極值Abest進行比較,若大于Abest則替換之。最后判斷是否滿足約束條件,若滿足則停止運行,得到最優粒子的位置和速度,進而求出最優投影向量a*。

最后需要評估粒子群算法的過程性能,常見的性能評估指標有兩個:在線性能和離線性能。設Xe(s)表示在環境e下策略s的在線性能,可以表示為

(10)

(11)

3.3PSO-PP模型結果分類及優化排列

通過投影尋蹤模型及粒子群算法,可以最終得到最佳投影向量a*。將其代入公式(3),可得到最能反映高維數據特征的各樣本的投影值zi。由于zi最終會形成不同點團,因此可將其進行優化排列并進行分類。

4 江蘇省農業水土資源承載力實證分析

根據《江蘇省統計年鑒2014》、江蘇省農業網、江蘇省林業局及江蘇省國土資源廳網站得到各個指標的數據,形成原始矩陣x(i,j),經過歸一化后得到矩陣,如表2。利用理論模型對歸一化后的數據進行計算。在計算時,將投影向量a中的每個元素都限制在[0,1]內,并要求其平方和為1。在粒子群算法中：加速度因子c1和c2均取值為2；慣性因子ω按照陳貴敏等[18]研究的凹函數遞減策略來確定,其研究表明對于連續優化的算例,在初始權值和最終權值相同的情況下,凹函數遞減策略優于線性遞減策略；粒子群規模選擇20,迭代次數選擇100。

利用Matlab編程得到的最佳投影向量為: a*=(0.02,0.09,0.40,0.12,0.41,0.04,0.31,0.34,0.34,0.12,0.11,0.28,0.11,0.12,0.12,0.21,0.16,0.00,0.28,0.12,0.14)。最大投影值為1.213。對最終的粒子群算法進行性能評估，得出在線性能(圖2)與離線性能(圖3)。由圖2～圖3可知：迭代次數達到20次后,粒子群尋找的最優解的增長幅度開始下降；迭代到第90次以后已經接近最大值,表明以上粒子群算法的設置參數合理。

圖2 在線性能圖

圖3 離線性能圖

根據PSO-PPM模型,得出江蘇省各個城市的投影特征值,即農業水土資源承載力評價結果(見表3)。

表2 江蘇省農業水土資源承載力評價歸一化數據

根據表3數據可得圖2,更直觀地表現各個城市農業水土資源承載力等級。

根據表3、圖4可知：就江蘇省各城市的農業水土資源承載力而言,蘇北的5個省轄市中有3個處在第一等級,分別為宿遷、徐州與鹽城,而連云港、淮安處于第二等級;蘇中有2個城市處于第二等級,為南通、泰州,而揚州則處于第三等級;蘇南5個城市中有3個處于第三等級,另外南京與無錫處于第四等級。

從各個城市的農業發展實際(圖5)看,位于第一等級的徐州、鹽城與宿遷在農業產值、耕地面積上也位于省內前三位,水資源總量上徐州、鹽城和宿遷分別位居第一、二和四位。因此模型計算的Ⅰ類城市結果具有實際依據。南京、無錫雖然水資源總量較多,但是由于耕地面積以及人口壓力、產業結構等原因導致其農業水土承載力較低,因此位居第Ⅳ級。淮安、南通、連云港的3個指標水平相當。泰州雖然耕地面積絕對值較小,但其占土地面積的比例較高;加之人均GDP較高,人口密度較低,故而其農業水土承載力也相對較高。

圖4 江蘇省各城市農業水土承載力等級分色圖

投影尋蹤模型本質上是對各個指標進行賦權,得到較高權重的有人均GDP、單位面積水資源量、人口自然增長率、高耗水作物種植面積比例、農業水土資源匹配系數、農業總產值、農機化程度、單位化肥使用量、水利工程投資等指標。其中,壓力指標占3個,驅動力指標、狀態指標和響應指標各占2個。權重在各類指標中分配相對均衡,能夠更好地反映江蘇省農業水土承載力水平。因此,各城市提高農業水土承載力可以從提高水資源利用效率、提高農機化程度、加大水利基礎設施投資等方面入手,保證農業發展在經濟發展中的基礎地位,保障社會、經濟發展。

圖5 江蘇各城市農業水土資源基本情況

5 結語

本文在用DPSR模型科學建立指標體系的基礎上,利用投影尋蹤模型及粒子群算法對江蘇省各城市的農業水土資源承載力進行了評價,得出了各城市農業水土資源承載力的評價值,并進行了等級劃分。結果顯示,江蘇省農業水土承載力較高的城市大部分分布于蘇北與蘇中地區,其中連云港、淮安的承載力比其他蘇北城市低,揚州比其他蘇中城市低,南京、無錫由于人口、產業結構、耕地面積等因素其農業水土承載力較低。

投影尋蹤模型是在綜合評價領域應用相對廣泛的模型之一,其在綜合評價中能夠充分保證計算過程的客觀性,剔除主觀因素的干擾。粒子群算法具有容易實現且參數調整少等優點,已經被廣泛應用于神經網絡訓練及模糊系統控制等領域。將這兩者結合起來評價江蘇省農業水土資源承載力，得出的結果與實際情況相符,評價結果有效。

提高農業水土資源承載力是農業發展過程中重要的一環,對提高農業發展質量、優化資源配置具有重要作用。在實踐過程中,可通過提高水資源利用效率、促進農業科技創新、提高機械化水平等手段促進農業水土資源承載力的提升。

[1] Park R, Burgess E. Introduction to the science of sociology[M]. Chicago: University of Chicago Press, 1921.

[2] Odum E. Fundamentals of ecology [J]. Fundamentals of Ecology, 1953, 22(7): 164-187.

[3] 焦曉東,尹慶民.基于PSO-PP模型的江蘇城市資源環境承載力評價[J].水利經濟,2015(2):19-23,50,76.

[4] Harris J M. Carrying capacity in agriculture: globe and regional issue[J]. Ecological Economics, 1999, 129(3): 443-461.

[5] Sawunyama T, Senzajie A, Mhizha A. Estimation of small reservoir storage capacities in Limpopo River Basin using geographical information systems (GIS) and remotely sensed surface areas: case of Mzingwane catchment[J]. Physics and Chemistry of the Earth: Parts A/B/C, 2006, 31(15): 935-943.

[6] Sleeser M. Enhancement of carrying capacity options[M]. London: The Resource Use Institute, 1990.

[7] 瞿秀華,熊黑鋼.新疆各地州(市)相對資源承載力時空差異分析[J].中國農學通報,2014(2):190-198.

[8] 李磊,黃琳玲.基于水資源承載力的內蒙古虛擬水貿易研究[J].資源開發與市場,2015(8):964-967.

[9] 何杰,張士鋒,李九一.糧食增產背景下松花江區農業水資源承載力優化配置研究[J].資源科學,2014(9):1780-1788.

[10] 成琨,付強.基于熵權與云模型的黑龍江省水資源承載力評價[J].東北農業大學學報,2015,46(8):1-7.

[11] 馮志明,楊艷昭.中國基于人糧關系的土地資源承載力研究:從分縣到全國[J].自然資源學報,2008,23(5):865-875.

[12] 周鎖銓,戴進.土地生產潛力和人口承載力方法的研究:以陜西寶雞地區為例[J].自然資源,1992(6):56-62.

[13] 孫秀鋒,秦建.基于人糧關系的重慶市土地資源承載力水平時空差異研究[J].西南大學學報:自然科學版,2014(11):175-182.

[14] 朱小娟,劉普幸.甘肅省土地資源承載力格局的時空演變分析[J].土壤,2013(2):1346-1354.

[15] 陳永林,謝炳庚,李曉青,等.土地資源承載力與縣域經濟的協調發展研究：以湖南省為例[J].國土資源科技管理,2014(6):24-31.

[16] 任守德,付強.基于宏微觀尺度的三江平原區域農業水土資源承載力[J].農業工程學報,2011(2):8-14.

[17] 侯志榮,呂振肅.基于MATLAB的粒子群優化算法及其應用[J].計算機仿真,2003(10):68-70.

[18] 陳貴敏,賈建援,韓琪.粒子群優化算法的慣性權值遞減策略研究[J].西安交通大學學報,2006(1):53-56,61.

Study on Carrying Capacity of Land and Water Resources in Jiangsu Province Based on PSO-PPM Model

JIAO Xiao-dong, YIN Qing-min

(Business School of Hohai University, Nanjing 211100, China)

Based on the index system was established by the DPSR model, using the PSO-PPM model to evaluate the land and water resources carrying capacity, and divided the grade. The results showed that the cities which had much higher land and water resources carrying capacity were mainly concentrated in the northern and central part of Jiangsu province, the indexes such as water resources of, per unit area agricultural degree, the proportion of high water crops, water conservancy investment had higher impact on the overall carrying capacity. The results meet the practice, the evaluation model was objective and effective.

Jiangsu province; Projection pursuit model; Particle swarm optimization; Land and water resources; Carrying capacity; Evaluation

2015-09-09

江蘇省社會科學基金項目(12EYB004)。

焦曉東,男,山東日照人,碩士,主要從事農業金融研究。

F323.2

A

1001-8581(2016)03-0087-06

黃榮華)