关中地区耕地变化驱动因素及预测模型

吴春辉等

摘要：以关中地区为研究对象，结合该地区1986—2011年耕地面积及人口、经济发展水平、农业现代化水平等资料，分析了耕地数量动态变化情况，探究其变化主导驱动因素，并分别运用多序列灰色关联预测模型、人工神经网络预测模型，对未来关中地区耕地面积进行预测。结果表明，1986—2011年，耕地总面积、人均耕地面积均呈现逐步减少趋势；影响耕地面积变化的主导驱动因素是人口、城市化水平、灌溉面积、粮食单产、农业机械总动力。

关键词：耕地；主导驱动因素；灰色关联；神经网络；预测模型；耕地保护措施

中图分类号： F323.211 文献标志码： A 文章编号：1002-1302（2014）04-0281-03

收稿日期：2013-11-20

基金项目：国家自然科学基金 （编号：51179050）。

作者简介：吴春辉（1989—），男，陕西商南人，硕士，主要从事水土资源规划与管理研究。E-mail：wu_chunhui1011@163.com。

通信作者：朱成立，博士，副教授，主要从事农业水土资源规划、节水灌溉理论与技术研究。E-mail：clz@hhu.edu.cn。土地是人类赖以生存的基础。随着我国社会经济的发展，大量耕地被住宅用地、工业用地建设等侵占[1]。因此，找出与耕地变化密切相关的驱动因素，预测耕地面积的变化，制定相关对策，对合理利用及保护耕地资源具有重要意义。不少学者进行了很多关于耕地动态变化研究[2-7]。但采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型预测陕西省关中地区耕地面积变化研究较少。本研究根据关中地区1986—2011年耕地、人口、经济、社会发展的统计数据，分析影响耕地动态变化的驱动因素，结合多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型对未来几年关中地区耕地面积进行预测，旨在为制定耕地保护措施提供依据。

1研究区概况

关中地区工业集中，人口密集，科技、教育实力雄厚，包括陕西省西安市、咸阳市、宝鸡市、渭南市、铜川市5市以及杨凌区农业高新技术产业示范区。该地区属大陆性气候，年均气温6～13 ℃，年降水量500～800 mm，截至2011年底，全区人口2 369.81万，约占全省总人口的60.63%，其中农业人口 1 383.96万，占全区总人口的58.40%，全区耕地面积 1 50715×103 hm2，占全省耕地面积的52.68%。关中地区地势平坦，土壤肥沃，水资源丰富，机耕、灌溉条件良好，号称“八百里秦川”，是陕西省重要的粮棉油产区[8]。

21986—2011年关中地区耕地变化及其驱动因素分析

2.1耕地数量变化

1986—2011年，关中地区耕地面积减少了399 450 hm2，相比1986年减少了21%，2003—2004年、2006—2007年有少量增加。人均耕地面积减少了0.043 0 hm2。耕地总面积及人均耕地面积变化见图1。

由图1可以看出，关中地区耕地总面积大体经历了快速减少、急速减少、缓慢减少3个阶段，人均耕地面积变化趋势与耕地总面积相似。第一阶段：1986—1999年，关中地区耕地面积处于快速减少阶段，净减少面积为223 690 hm2，年均减少17 207 hm2。此时期是改革开放政策逐步推进的阶段，建设用地占用一部分耕地，少量耕地转化为城市绿地，导致耕地面积下降[9]。第二阶段：2000—2003年，关中地区耕地面积处于急剧减少阶段，净减少面积为156 240 hm2，年均减少39 060 hm2，这主要是由于 “西部大开发”战略、“一线两带”建设路线的实施，以及高新技术开发带、国家关中星火产业带的建设，关中地区快速实现区域现代化的同时，耕地面积急剧减少[10]。第三阶段：2004—2011年，关中地区耕地面积减少了19 520 hm2，减少速度下降，且个别年份耕地面积略有增加。经过前期经济快速发展，政府认识到了耕地减少及生态环境破坏对粮食安全、社会发展的影响，提出了“生态退耕”政策，同时出台了相应的土地产权管理政策，一定程度上扭转了耕地面积快速减少的局面。人均耕地面积变化与耕地总量及人口总数有关。随着社会经济的发展，耕地总量不断减少，人口总量不断增加，导致关中地区人均耕地面积呈下降趋势。1986年关中地区人均耕地面积为0.106 6 hm2/人，2011年人均耕地面积仅为0.063 6 hm2/人，减少了 0.043 hm2/人。人均耕地面积的持续下降导致人地矛盾更为突出。

2.2影响耕地变化的驱动因素分析

2.2.3驱动因素结果分析根据1986—2011年资料，计算关中地区耕地面积及驱动因素的关联度。由表1可知，9个驱动因素与关中地区耕地面积关联度由大到小依次为：灌溉面积>总人口>粮食单产>城市化水平>农业机械总动力>农业总产值>工业总产值>GDP>固定资产投资。耕地面积与9个驱动因素的灰色关联度均大于0.5，说明耕地动态变化与人口、经济发展水平、农业现代化水平都有一定的关联性。其中总人口、城市化水平、灌溉面积、粮食单产、农业机械总动力灰色关联度大于0.9，说明这些驱动因素是影响耕地动态变化的主导因素。

4.2人工神经网络模型的应用

本研究采用Matlab 2012a软件，将设计好的BP神经网络程序输入到Matlab中，进行耕地面积模拟及检测，以期找到合适的参数及阈值来进行耕地面积预测。

6结论与讨论

本研究以关中地区为研究对象，分析了1986—2011年关中地区耕地面积的变化趋势，探究了耕地动态变化的驱动因素，并分别采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型预测关中地区未来耕地面积，结果表明，1986—2011年，关中地区耕地总量及人均耕地数量均呈下降趋势，最近几年由于国家政策的调整，耕地总量及人均耕地数量减少速度放缓。通过灰色关联分析法对1986—2011年影响关中地区耕地面积动态变化的驱动因素进行分析，发现人口、城市化水平、灌溉面积、粮食单产、农业机械总动力这5个因素是影响耕地动态变化最主要的驱动因素。分别采用多序列灰色关联预测模型GIFM（m）及人工神经网络预测模型，建立了基于1986—2010年耕地面积及驱动因素值的预测模型，对这2种模型的验证结果进行对比发现，人工神经网络预测模型精度最高。本研究表明，影响关中地区耕地面积的主要因素是人口数量、城市化水平、农业现代化水平。结合关中地区的具体情况，应该控制人口增长、控制城镇规模盲目扩大、实施耕地占补平衡政策、积极改造中低产田，更大程度地保护现有耕地。endprint

参考文献：

[1]王海鸿，马琼，付士波，等. 西北干旱半干旱区耕地面积变化与人口、经济发展的相关关系研究——以甘肃省为例[J]. 干旱区资源与环境，2011，25（1）：74-79.

[2]彭文甫，周介铭. 近50年四川省耕地变化分析[J]. 资源科学，2005，27（3）：79-85.

[3]宋开山，刘殿伟，王宗明，等. 三江平原过去50年耕地动态变化及其驱动力分析[J]. 水土保持学报，2008，22（4）：75-81.

[4]孙国军，刘普幸，李慧芳，等. 酒泉市耕地变化的驱动力研究及多元线性回归预测[J]. 干旱区资源与环境，2009，23（3）：73-76.

[5]李穗英，孙新庆. 青海省近10年耕地面积动态变化及驱动因子分析研究[J]. 中国农业资源与区划，2009，30（5）：39-44.

[6]郭洪海，宋民. 山东省耕地动态变化趋势及驱动力分析[J]. 中国农业资源与区划，2009，30（1）：51-57.

[7]曾永年，吴孔江，靳文凭，等. 青海高原东北部耕地变化及驱动力分析[J]. 干旱区资源与环境，2012，26（8）：89-92.

[8]杨朔，李世平.关中地区城市化过程中土地利用问题研究[J]. 中国土地科学，2009，23（7）：79-80，封三.

[9]杨勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]杨忠泰.陕西培育发展战略性新兴产业的路径选择[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，刘思峰.基于灰色关联度的小样本预测模型[J]. 统计与信息论坛，2009，24（12）：22-26.

[12]刘思峰，蔡华，杨英杰，等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践，2013，33（8）：2041-2046.

[13]东亚斌，段志善. 灰色关联度分辨系数的一种新的确定方法[J]. 西安建筑科技大学学报：自然科学版，2008，40（4）：589-592.

[14]熊和金，徐华中. 灰色控制[M]. 北京：国防工业出版社，2005：44-47.

[15]焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神经网络隐含层单元数的确定[J]. 天津理工大学学报，2008，24（5）：13-15.endprint

参考文献：

[1]王海鸿，马琼，付士波，等. 西北干旱半干旱区耕地面积变化与人口、经济发展的相关关系研究——以甘肃省为例[J]. 干旱区资源与环境，2011，25（1）：74-79.

[2]彭文甫，周介铭. 近50年四川省耕地变化分析[J]. 资源科学，2005，27（3）：79-85.

[3]宋开山，刘殿伟，王宗明，等. 三江平原过去50年耕地动态变化及其驱动力分析[J]. 水土保持学报，2008，22（4）：75-81.

[4]孙国军，刘普幸，李慧芳，等. 酒泉市耕地变化的驱动力研究及多元线性回归预测[J]. 干旱区资源与环境，2009，23（3）：73-76.

[5]李穗英，孙新庆. 青海省近10年耕地面积动态变化及驱动因子分析研究[J]. 中国农业资源与区划，2009，30（5）：39-44.

[6]郭洪海，宋民. 山东省耕地动态变化趋势及驱动力分析[J]. 中国农业资源与区划，2009，30（1）：51-57.

[7]曾永年，吴孔江，靳文凭，等. 青海高原东北部耕地变化及驱动力分析[J]. 干旱区资源与环境，2012，26（8）：89-92.

[8]杨朔，李世平.关中地区城市化过程中土地利用问题研究[J]. 中国土地科学，2009，23（7）：79-80，封三.

[9]杨勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]杨忠泰.陕西培育发展战略性新兴产业的路径选择[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，刘思峰.基于灰色关联度的小样本预测模型[J]. 统计与信息论坛，2009，24（12）：22-26.

[12]刘思峰，蔡华，杨英杰，等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践，2013，33（8）：2041-2046.

[13]东亚斌，段志善. 灰色关联度分辨系数的一种新的确定方法[J]. 西安建筑科技大学学报：自然科学版，2008，40（4）：589-592.

[14]熊和金，徐华中. 灰色控制[M]. 北京：国防工业出版社，2005：44-47.

[15]焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神经网络隐含层单元数的确定[J]. 天津理工大学学报，2008，24（5）：13-15.endprint

参考文献：

[1]王海鸿，马琼，付士波，等. 西北干旱半干旱区耕地面积变化与人口、经济发展的相关关系研究——以甘肃省为例[J]. 干旱区资源与环境，2011，25（1）：74-79.

[2]彭文甫，周介铭. 近50年四川省耕地变化分析[J]. 资源科学，2005，27（3）：79-85.

[3]宋开山，刘殿伟，王宗明，等. 三江平原过去50年耕地动态变化及其驱动力分析[J]. 水土保持学报，2008，22（4）：75-81.

[4]孙国军，刘普幸，李慧芳，等. 酒泉市耕地变化的驱动力研究及多元线性回归预测[J]. 干旱区资源与环境，2009，23（3）：73-76.

[5]李穗英，孙新庆. 青海省近10年耕地面积动态变化及驱动因子分析研究[J]. 中国农业资源与区划，2009，30（5）：39-44.

[6]郭洪海，宋民. 山东省耕地动态变化趋势及驱动力分析[J]. 中国农业资源与区划，2009，30（1）：51-57.

[7]曾永年，吴孔江，靳文凭，等. 青海高原东北部耕地变化及驱动力分析[J]. 干旱区资源与环境，2012，26（8）：89-92.

[8]杨朔，李世平.关中地区城市化过程中土地利用问题研究[J]. 中国土地科学，2009，23（7）：79-80，封三.

[9]杨勇. 关中地区土地利用动态模拟与优化配置研究[D]. 西安：陕西师范大学，2010.

[10]杨忠泰.陕西培育发展战略性新兴产业的路径选择[J]. 科技管理研究，2013，33（6）：72-77.

[11]曾波，刘思峰.基于灰色关联度的小样本预测模型[J]. 统计与信息论坛，2009，24（12）：22-26.

[12]刘思峰，蔡华，杨英杰，等. 灰色关联分析模型研究进展[J]. 系统工程理论与实践，2013，33（8）：2041-2046.

[13]东亚斌，段志善. 灰色关联度分辨系数的一种新的确定方法[J]. 西安建筑科技大学学报：自然科学版，2008，40（4）：589-592.

[14]熊和金，徐华中. 灰色控制[M]. 北京：国防工业出版社，2005：44-47.

[15]焦李成. 神经网络系统理论[M]. 西安：西安电子科技大学出版社，1990：8-11.

[16]沈花玉，王兆霞，高成耀，等. BP神经网络隐含层单元数的确定[J]. 天津理工大学学报，2008，24（5）：13-15.endprint