基于BP神經網絡的糧食耕地生態安全耦合協調研究

［摘 要］ 通過選取我國長江經濟帶11省市2011-2020年的面板數據構建指標評價體系，運用BP神經網絡評價糧食安全和耕地生態安全，建立耦合協調度模型進行分析，最后運用BP神經網絡進行預測。分析結果表明：研究期內，長江經濟帶糧食安全和耕地生態安全均取得了不同程度的提升，糧食耕地生態安全耦合協調發展水平也由2011年的輕度失調水平發展到了2020年的中級協調水平，預測在2025年能達到良好協調水平，但耦合協調度存在區域差異。因此，長江經濟帶各省應該協同合作，根據各地資源優勢和實際情況制定合理的策略，促進糧食耕地生態安全協調發展。

［關鍵詞］ 糧食安全； 耕地生態安全； BP神經網絡； 耦合協調

［中圖分類號］ F32" ［文獻標識碼］ A

黨的二十大報告提出：“全方位夯實糧食安全根基，牢牢守住十八億畝耕地紅線”[1]。明晰糧食安全和耕地生態安全兩者之間的關系以及如何協調好兩者之間的發展，對把握好糧食安全和耕地生態安全兩條線尤為重要。

現有文獻對于糧食安全和耕地生態安全已有大量研究，主要從以下兩個方面展開研究：一是糧食安全和耕地生態安全評價指標體系的構建及測算。我國農村社會經濟調查司（2005）從供給、需求、市場和庫存角度出發，采用標準比值法對我國糧食安全進行了評價[2]。羅海平等（2021）[3]基于生態足跡對我國糧食主產區的安全狀態進行了評價，并預測了糧食產量和生態指數。Vidyarini A等（2021）[4]從個人的營養和發展出發對印度尼西亞糧食和營養安全狀況進行了評估。鄭媛媛等（2020）[5]采用變異系數法、熵權法和狀態空間模型對江西省鄱陽縣的耕地生態安全進行了評價。二是糧食安全和耕地生態安全障礙因子診斷及影響因素分析。唐賽等（2019）[6]采用熵權法對糧食系統進行了分析，認為糧食安全與農業經濟聯系緊密。姚成勝等（2015）[7]對糧食安全的障礙因子進行診斷，認為人均耕地面積是最大的障礙因子。范樹平等（2023）[8]采用TOPSIS模型、ESDA模型及障礙診斷模型評價安徽省耕地生態安全狀態。

通過對糧食安全和耕地生態安全相關文獻的梳理可以看出，國內外對于糧食安全和耕地生態安全的內涵、概念及相關理論分析和研究都很成熟，但是在實證分析方面，現有文獻的研究方法大都基于傳統計量經濟模型，將機器學習方法融入實證分析部分欠缺，且較少將糧食安全和耕地生態安全進行耦合分析[9]。本文以長江經濟帶為研究區域，運用BP神經網絡算法測算該區域各省市糧食安全和耕地生態安全的發展水平，并對二者耦合協調發展的時空特征進行可視化分析，最后運用BP神經網絡模型對耦合協調度進行預測。

1 研究設計

1.1 指標體系構建

對于糧食安全和耕地生態安全評價指標的構建，現有研究暫未形成統一的指標選取標準。故本文在現有研究的基礎上結合實際情況，從壓力、狀態和響應三個維度進行指標的選取，選取了如下指標構建評價體系：

1）壓力：糧食安全壓力選取受災面積、農用塑料薄膜使用量、化肥施用折純量和農村居民人均糧食消費量四個指標，反映了自然災害和人為活動對生態環境、糧食生產和消費造成的壓力。耕地生態安全壓力選取人口增長率、城鎮化率、農藥使用量和工業廢水排放量四個指標，反映了人類社會發展對耕地數量和質量的影響。

2）狀態：糧食安全狀態選取人均糧食產量、糧食播種面積、糧食類居民消費價格指數和恩格爾系數四個指數。反映了當年糧食生產和消費的情況。耕地生態安全狀態選取森林覆蓋率、人均水資源、人均耕地面積和復種指數四個指標，反映了耕地生態狀況及生產潛力。

3）響應：糧食安全響應選取財政支農支出、公路密度和第一產業就業人口三個指標，反映了社會對糧食生產和流通的積極響應。耕地生態安全響應選取有效灌溉面積、當年造林面積和農業機械總動力三個指標，反映了社會對生態環境變化的應對情況。

1.2 數據說明

采用統計軟件Python3.9和ArcGIS10.2對長江經濟帶11省市2011年至2020年的面板數據進行分析。各項數據來源于《中國統計年鑒》《中國農村統計年鑒》《中國環境統計年鑒》《中國農業統計年鑒》，各省《統計年鑒》《統計公報》等。部分指標數據缺失，均采用線性插值法補全。

由于各項指標數據的單位不同，為了便于評價指標的加權，需將其處理成無量綱的純數值數據。這里對數據進行歸一化處理，把數據分為正向指標和負向指標進行轉化。其中，

正向指標轉化公式為：

Xij=（xij-xmin）/（xmax-xmin）（1）

負向指標轉化公式為：

Xij=（xmax-xij）/（xmax-xmin）（2）

1.3 研究方法

1）BP神經網絡 由于熵值法和層次分析法等方法是通過計算權重對各項指標進行簡單的線性加權，從而測算評價體系的發展水平，BP神經網絡算法由于其強大的非線性映射能力，則能夠更好地處理復雜的變量關系，而不是簡單的數理回歸。本文運用單隱藏層的BP-ANN模型來計算糧食安全和耕地生態安全的評價結果以及預測，其中包括輸入層、一個隱藏層和輸出層。在訓練過程中，將樣本數據傳入輸入層，然后通過隱藏層到達輸出層，輸出層計算誤差。而BP作為一種誤差反饋神經網絡算法，其通過將誤差進行反向的傳播，不斷地迭代修正神經元的權重，使誤差達到足夠小，這可以在一定程度上避免主觀因素對結果帶來的影響，有效提高指標體系評價結果的精確性。

2）耦合協調模型 耦合協調模型用于分析事物的協調發展水平，為了明晰糧食安全和耕地生態安全之間的關系，運用耦合協調模型探究區域內糧食安全和耕地生態安全之間的協調發展水平。

耦合度指兩個或兩個以上系統之間的相互作用影響，實現協調發展的動態關聯關系，可以反映系統之間的相互依賴和相互制約程度。由于本文只有糧食安全和耕地生態安全兩個系統，故本文的耦合度公式為：

C=2（U1·U2）/（U1+U2）2（3）

其中，C表示二者之間的耦合度，U1和U2分別表示糧食安全和耕地生態安全的評價結果。

由于耦合度很難反映出二者之間的協調程度，故引入耦合協調模型。耦合協調度是衡量系統之間相互協調的指標，本文的耦合協調度公式為：

T=aU1+bU2（4）

D=C·T（5）

其中，T表示耦合協調發展水平，a和b為待定系數，本文假定糧食安全和耕地生態安全同等重要，取a=b=0.5。D表示耦合協調度，其值越高，二者之間的協調程度越高。

2 實證分析

2.1 評價模型的選擇

對于指標體系的評價方法有很多種，比較常用的有層次分析法、熵值法和模糊綜合評價法，較少運用機器學習算法進行測算。每種方法都各有優缺點，需根據指標數據的情況選擇性使用，本節分別運用熵值法和BP神經網絡算法對各項指標的重要程度進行排序。

熵值法通過計算指標的信息熵得到各項指標的權重（圖1），BP神經網絡運用shap函數，其將每個指標的重要性分配給每個樣本，得到每個指標對于每個樣本的貢獻，最后計算每個指標對于所有樣本的貢獻均值，得到各項指標的貢獻率排序（圖2），比較這兩種方法的結果：對于糧食安全指標體系，熵值法認為化肥施用折純量和第一產業就業人口比較重要，而BP神經網絡認為恩格爾系數、糧食類居民消費價格指數和受災面積比較重要，BP的結果與周博[10]對我國糧食安全評價的研究結果較為貼近。對于耕地生態安全指標體系，熵值法認為當年造林面積的占比最大，而BP神經網絡則認為森林覆蓋率和有效灌溉面積比較重要，這與黃烈佳等[11]對長江經濟帶土地生態安全的測算結果較一致。這種結果是因為熵值法對指標賦予權重時過度依賴樣本數據，通常指標的離散程度越大，其賦予的權重越大，從而導致受災面積等指標權重較小。綜合上述比對結果和本文的指標數據情況，本文將運用BP神經網絡對糧食安全和耕地生態安全的發展水平進行測算。

2.2 BP神經網絡模型構建與運行

基于統計軟件Python3.9的TensorFlow2.0環境對BP神經網絡模型進行基礎參數設置：

1）輸入層節點個數。每省份每年的數據作為一個樣本，每個樣本又由11個指標數據組成。輸入層作為樣本傳入的入口，輸入層的神經元節點個數由指標體系的指標個數確定，故糧食安全和耕地生態安全的輸入層節點個數均取值為11。

2）隱含層節點個數。隱含層神經元節點個數是神經網絡模型的關鍵，節點數過少可能會無法擬合復雜的關系，過高可能會導致過擬合。由于隱含層節點個數是不確定的值，本文根據經驗公式h=m+n+a來確定，其中m為輸入層節點個數，n為輸出層節點個數，a為1～10的常數。代入不同的隱含層節點個數對網絡訓練1000次，得到不同的均方誤差（表1）。

由表1可知：當a=10時，糧食安全和耕地生態安全的均方誤差均達到最小，故最終隱含層節點個數均取值為10。

3）輸出層節點個數。一個樣本對應輸出某省份某年的評價結果，輸出層的神經元節點個數就是評價結果的個數，故糧食安全和耕地生態安全的輸出層節點數均取值為1。

將長江經濟帶11省市2011-2020年110個樣本輸入設置好的模型BP（11，10，1）中，輸出得到糧食安全評價結果和耕地生態安全評價結果（表2）。

均值結果表明：在2011年至2020年期間，長江經濟帶的糧食安全和耕地生態安全整體呈上升趨勢。糧食安全在期間出現過兩次小幅下降，其可能原因是2013年和2016年全國均遭受了不同程度的強降雨帶來的洪澇災害，農作物生產受影響較大。當年受災面積大幅增大，導致糧食安全出現下降。耕地生態安全的發展在2016年后開始明顯加快，其可能原因是習近平總書記在2016年明確提出推動長江經濟帶發展必須堅持生態優先、綠色發展的戰略定位，長江經濟帶加大力度促進生態文明建設，并取得了顯著成效，耕地生態安全也得到了明顯改善。

2.3 耦合協調發展水平分析

基于測算出的糧食安全和耕地生態安全，通過耦合協調模型進一步計算出了2011-2020年長江經濟帶糧食耕地生態安全耦合協調度（表3）。

為了更好的分析糧食安全和耕地生態安全之間的耦合協調發展水平，根據耦合協調度值，將二者的關系進行等級劃分（表4）。

從表3的均值數據可以看出，長江經濟帶糧食耕地生態安全耦合協調水平整體向好，耦合協調程度從最初的輕度失調水平發展到中級協調水平。另外，在2014年和2017年耦合協調水平出現小幅降低，這與糧食安全水平走勢基本一致。在一定程度上表明，糧食安全發展水平高低會對糧食耕地生態安全耦合協調發展水平產生相應的影響。隨著糧食安全水平的大幅提升，糧食安全和耕地生態安全之間的差距逐漸縮小，糧食耕地生態安全耦合協調水平也從2011年的0.39發展到2020年的0.74，耦合協調水平整體上在不斷改善。

為了更直觀地分析長江經濟帶各省糧食耕地生態安全耦合協調的時空格局，運用ArcGIS軟件可視化2011年、2014年、2017年和2020年四個時間截面的耦合協調發展水平。

從圖3可以明顯看出：2011年長江經濟帶大部分省市都處于失調狀態，僅有安徽和江蘇處于勉強協調水平；2014年大部分省市的耦合協調情況均出現了好轉，到達了勉強協調水平，重慶甚至躍至了中級協調水平；相較于2014年，2017年各省的耦合協調水平漲勢不明顯，處于平緩發展階段；到了2020年，各省的耦合協調水平大幅提升，大部分省達到了中級協調及以上水平，安徽和重慶更是達到了優質協調水平，處于高水平耦合階段。這表明長江經濟帶各省市的耦合協調水平經歷了不穩定的發展過程，且區域差異越來越顯著。

2.4 耦合協調發展水平預測

為了更好地觀察長江經濟帶糧食耕地生態安全耦合協調發展態勢，將上文測算的長江經濟帶2011-2020年的糧食耕地生態安全耦合協調度均值作為數據集，按8∶2的比例劃分訓練集和測試集，基于統計軟件Python3.9，運用BP神經網絡進行模型擬合，預測長江經濟帶2021-2025年的糧食耕地生態安全耦合協調度。為了檢驗BP模型的預測結果是否更具可靠性，本文采用SVR模型作為對比模型。

1）BP神經網絡：本文運用前三年的數據預測下一年的數據，即三年的數據為一個樣本，故輸入層節點個數為3。隱含層節點個數依據2.2節的經驗公式取值為12，此時模型的均方誤差達到最小。由于每個樣本僅預測一年的耦合協調度，故輸出層節點個數為1。最終運用BP（3，12，1）進行模型擬合，模型的訓練MSE為0.00308，測試MSE為0.00283，R2為0.65426，擬合效果較好。

2）SVR：選擇合適的核函數及參數gamma和c對于SVR預測模型來說很重要，本文核函數選取范圍為poly核函數、rbf核函數和sigmoid核函數，gamma和c的取值范圍均為0.001、0.01、0.1、1、10、100和1000，運用GridSearchCV函數來尋找模型的最佳參數，即對所有參數進行排列組合，遍歷每組參數進行建模，尋找擬合效果最佳的一組參數。當核函數為rbf，參數gamma=10，c=1時，模型的擬合效果最好，訓練MSE為0.00313，測試MSE為0.00374，R2為0.54354。

對兩種預測模型的結果進行比較（表5）。

由表5可以看出，BP神經網絡的訓練MSE、測試MSE和擬合度R2均優于SVR模型，表明該模型的擬合效果更好，預測結果更為準確。因此，本文運用BP（3，12，1）預測長江經濟帶2021-2025年的糧食耕地生態安全耦合協調度（表6）。

由預測結果可知，長江經濟帶2021-2025年的糧食耕地生態安全耦合協調度呈穩步上升態勢，在2025年耦合協調水平達到良好協調水平。

3 結論與討論

本文分別運用熵值法和BP神經網絡算法對指標重要程度進行測算，通過對比分析發現熵值法的結果受樣本數據影響較大。故而本文采用BP神經網絡算法用以測算長江經濟帶糧食安全水平和耕地生態安全水平。實證結果分析表明：長江經濟帶糧食安全和耕地生態安全整體呈上升態勢，糧食安全水平在研究期內有兩次下降，原因可能是極端天氣導致農作物受災面積大幅增加，影響了糧食生產，進一步驗證了BP算法測算的指標重要度與實際情況結果較為一致。

進一步通過構建耦合協調模型分析糧食耕地生態安全耦合協調水平，結果表明：長江經濟帶整體的糧食耕地生態安全耦合協調水平已達到中級協調水平。這得益于長江經濟帶始終堅持將生態文明建設作為區域發展的主基調，區域生態環境持續改善，一系列具體措施的推進和落實推動了長江經濟帶糧食耕地生態安全的協同發展。

最后分別運用BP神經網絡和SVR進行模型構建，對比兩個模型的預測精度，選擇最優模型進行預測。結果表明：BP神經網絡的精度更高，其模型擬合效果更好，更適合耦合協調度的預測。預測結果顯示：長江經濟帶糧食耕地生態安全耦合協調度在未來五年呈向好趨勢，且在2025年能夠達到良好協調水平。但要將耦合協調水平發展到優質協調水平，需進一步提高糧食安全水平和耕地生態安全水平。長江經濟帶應該健全保障糧食安全和耕地生態安全的制度政策，由于長江經濟帶不同區域的發展進程差異較大，各省市應該結合當地發展現狀和資源優勢制定不同的策略，以更好地促進糧食耕地生態安全協同發展。

［ 參 考 文 獻 ］

［1］ 杜志雄，肖衛東.全方位夯實糧食安全根基：意義、內涵及重點任務[J].中州學刊，2022（12）：32-39.

[2] 鮮祖德，盛來運.我國糧食安全評價指標體系研究[J].統計研究，2005（08）：3-9.

[3] 羅海平，鄒楠，潘柳欣，等.基于生態安全的我國糧食安全評價與預警[J].統計與決策，2021，37（08）：94-97.

[4] VIDYARINI A， MARTIANTO D， SYARIEF H. Evaluation of food and nutrition security level at provincial level based on outcome indicators in indonesia[J]. JurnalGizi dan Pangan， 2021，16（01）：1-10.

[5] 鄭媛媛，余敦，孫聰康，等.基于狀態空間模型的耕地生態安全評價：以江西省鄱陽縣為例[J].水土保持研究，2020，27（03）：218-224.

[6] 唐賽，張欣.三大主糧價格波動對糧食安全影響的實證分析[J].統計與決策，2019，35（20）：141-144.

[7] 姚成勝，滕毅，黃琳.中國糧食安全評價指標體系構建及實證分析[J].農業工程學報，2015，31（04）：1-10.

[8] 范樹平，李鵬，余波平，等.糧食主產區耕地生態安全障礙診斷及調控策略[J].水土保持研究，2023，30（01）：408-417.

[9] 薛選登， 馬路. 糧食主產區土地生態與糧食安全耦合協調性分析[J]. 中國農業資源與區劃， 2022， 43（09）：1-11.

[10] 周博.基于農業可持續發展的我國糧食安全影響因素研究[D].沈陽：沈陽農業大學，2015.

[11] 黃烈佳，楊鵬.長江經濟帶土地生態安全時空演化特征及影響因素[J].長江流域資源與環境，2019，28（08）：1780-1790.

Research on Coupling Coordination of Food-Arable Land EcologicalSecurity Based on BP Neural Network

HUANG Yongshiyu，ZENG Ying

（School of Science， Hubei Univ. of Tech.， Wuhan 430068， China）

Abstract： By selecting the panel data of 11 provinces and cities in the Yangtze River Economic Belt from 2011 to 2020， the index evaluation system was constructed， the BP neural network was used to evaluate food security and cultivate land ecological security， the coupling coordination model was established for analysis， and finally the BP neural network was used to make predictions. The analysis results show that during the study period， food security and cultivated land ecological security in the Yangtze River Economic Belt have been improved to varying degrees， and the level of coupled and coordinated development of food cultivated land ecological security has also developed from a mild imbalance level in 2011 to an intermediate coordination level in 2020， and it is predicted that it can reach a good coordination level in 2025， but there are regional differences in the degree of coupling coordination. Therefore， the provinces of the Yangtze River Economic Belt should work together to formulate reasonable strategies according to the resource advantages and actual conditions of each region to promote the coordinated development of food arable land ecological security.

Keywords： food security; cropland ecological security; BP neural networks; coupling coordination

［責任編校： 閆 品］