我国油茶种植环境适宜性评价初步研究

宋英强,杨粉莉,杨博,杨联安*,张林森,于世锋

1.西北大学城市与环境学院,陕西西安710127

2.咸阳市农业科学研究院,陕西咸阳712000

3.咸阳市渭城区种子管理站,陕西咸阳712000

4.西北农林科技大学园艺学院,陕西杨凌712100

5.西安市农产品质量安全检验监测中心,陕西西安710077

我国油茶种植环境适宜性评价初步研究

宋英强1,杨粉莉2,杨博3,杨联安1*,张林森4,于世锋5

1.西北大学城市与环境学院,陕西西安710127

2.咸阳市农业科学研究院,陕西咸阳712000

3.咸阳市渭城区种子管理站,陕西咸阳712000

4.西北农林科技大学园艺学院,陕西杨凌712100

5.西安市农产品质量安全检验监测中心,陕西西安710077

以油茶为研究对象，建立了全国油茶种植适宜性评价对象要素、技术模型以及综合评价相结合的分析评价方法。选取年低温、降水量、湿度、无霜期、海拔高度、坡度和土壤类型等三类因素七个指标，利用三标度两步AHP确定指标权重，基于RBF神经网络和GIS技术，对研究区油茶种植适宜性进行单因子评价和多因素适宜度限制性分析的综合评价。在单因子评价的基础上，综合评价能保证结果的准确性。结果表明：油茶种植的适宜区分布在湖南、江西、广东、广西大部，湖北西南部、云南南部等地区，全国油茶种植适宜区域面积约为491.88×104hm2，而全国油茶发展战略规划的目标是466.67×104hm2，分省统计对比显示油茶种植的提升潜力较大。研究结果可为油茶产业的合理布局，土地资源利用规划等提供科学依据。

种植环境;适宜性评价;RBF神经网络;三标度两步AHP;油茶

油茶（Camellia oleifera Abel）又叫茶籽树或山茶树，是我国特有的木本食用油料树种。茶油含有丰富的不饱和脂肪酸和C18脂肪酸，不含胆固醇，不会引起血管硬化和血压升高，可与橄榄油相媲美。油茶树还具有较好的生态效益，对氯类、氟类、二氧化硫等有毒气体抗性很强，四季常青，耐干耐旱，可防治沙漠化，有助于改善区域小气候，在获取经济效益的同时改善生态环境。《全国油茶产业发展规划（2009～2020年）》明确到2020年，使我国油茶种植总规模达到466.67×104hm2，全国茶油产量达到每年250×104t。现阶段对于油茶种植区划的适宜性研究已有不少[1-4]，但以全国为尺度的适宜性评价尚不多见。为此，对我国油茶种植进行适宜性评价研究，引导油茶适宜性合理种植，具有重要意义。

现阶段，土地适宜性评价的领域持续增多，区域类型更加多样，如城市、旅游、土地复垦等。越来越多的评价脱离原有的单一评价，引入景观生态和可持续发展等新理论，同时遥感和GIS技术被广泛应用于土地适宜性评价中，与模糊数学、层次分析等评价方法取长补短，不断完善土地适宜性评价的科学体系。评价油茶土地利用方式的适宜程度，建立结构较佳的土地生态系统，应考虑地区自然生态与环境基础、生长因子与阈值选取、资源条件与利用潜力等关系[5-8]。本研究共选取三个因素七个评价因子，利用GIS和径向基函数（Radial Basis Function,简称RBF）神经网络在数据分析方面的优势，结合三标度两步层次分析法（Analytic Hierarchy Process，简称AHP）模型[9-10]，形成了“对象要素”、“技术模型”与“综合评价”相结合的评价技术路线。在1km×1km的格网尺度和单因子评价的基础上，结合不同因子权重对全国油茶种植的适宜区域进行综合评价，得出全国油茶种植适宜区分布情况，然后对结果进行限制性分析和分省统计，揭示油茶种植的省级空间分布情况，提出发展油茶的合理性建议，以期为油茶种植的合理布局提供参考。

1　数据与处理

数据包括油茶生长环境因素数据及其相关图件（表1）。

表1　环境因素数据及图件Table 1 Data and maps of environmental factors

(1)四幅原始DEM数据，由GTOPO30提供，分辨率为30 s，高程范围在-407～8752m。其中，E060N90，E100N90，E060N40和E100N40这4个区域文件包含整个中国尺度范围。将四幅原始DEM数据经拼接、裁剪后得到中国DEM数据；(2)年低温栅格数据和年均降水量栅格数据，由中国自然资源数据库提供；土壤类型底图数据，湿度底图数据和无霜期底图数据，由地球系统科学数据库提供；（3）中国气象年鉴资料(1994～2010年），数据集由中国2400多个气象观测站统计而成的34个主要城市数据，包括年低温、年均温、年均降水量、相对湿度等数据资料，其中年低温、年均降水量、相对湿度等数据作为网络监测样本用于RBF神经网络验证。

由于数据来源多样，数据量较大，需要进行多源数据融合。土壤类型数据，湿度数据和无霜期数据进行矢量化处理和矢栅转换，连同四幅原始DEM数据、年低温栅格数据和年均降水量栅格数据经global mapper、ArcGIS等软件预处理，统一坐标投影为Gauss Krueger(6°zones)，102°E～108° E，栅格尺度统一为1km×1km，为适宜性评价做好数据准备。

2　评价方法过程

2.1研究方法

在评价过程中，首先利用极差标准化法将具有不同数值和单位的因子指标量化，并结合RBF神经网络模型进行单因子适宜度评价。然后根据三标度两步层次分析法求出各因子权重值，在单因子适宜度评价的基础上，对1km×1km尺度下的评价单元进行综合评价和限制性分析，最终以专题图形、统计图表和数据报表的形式输出评价结果，完成整个评价过程（图1）。

图1　油茶种植适宜性评价技术路线图Fig.1 Technology roadmap of Camellia oleiferaAbel planting suitability

2.2选取评价因子

油茶生长符合地带性规律，综合考虑其水平分布特征和垂直分布特点，结合因子的选取原则：稳定性原则、主导性原则和综合性原则，选取影响油茶适生环境和产量效益的评价因子[11-13]。

（1）在水平带性上，油茶喜温暖湿润，与水平气候带有较好的适宜程度。影响油茶生长发育、完成生命周期的主导因子是气候，三基点温度，即允许植物生长的最低温度、最适温度和最高温度，反映油茶生长的适宜性生境条件[14,15]。尤其是低温不仅影响油茶的生长发育，还对油茶的花期、油脂积累量具有决定性作用。根据文献[16,17]，最冷月平均气温应大于6℃，一旦出现极端温度（温度低于零下10℃）会直接影响油茶生长。花期温度在12℃以下，年均温在14℃以下，会影响油茶正常的开花授粉，减少结实量。韩翠华等人研究发现1981～2010年中国各区域气温呈上升趋势，全年气温变化空间结构较为稳定[18]。王冀等人利用IPCC分析中国21世纪极端气温指数中霜冻日呈下降趋势[19]。在10月至翌年5月花期降水量低于800mm，会影响油脂积累量。热量能否被充分利用还需视其无霜期的长短[20]，7～9月是油茶种子内油脂积累的时期，无霜期日数需在200d以上，幼果会免受冻害，安全越冬。另外，相对湿度低于70%，会使土壤湿度较低，影响根系的养料输送，导致树势不旺，油脂形成量减少。因此，遵循油茶的生境条件与生物气候因素相一致的客观规律性，选取年低温，年均降水量，无霜期和湿度四个主导气候因子。

（2）在垂直带性上，海拔高度与土壤分布具有相关性，红壤多分布在600m以下的低山、丘陵，黄壤多分布于600m以上的低山、中山[20]，相对而言，海拔高度对油茶果实性状也有影响，低海拔油茶果实较大，出籽率、出仁率较高。另外，坡度可影响光照条件和水土保持状况，坡度过大，水的流速变大，造成土壤侵蚀，土壤养分流失，使油茶生长受限。因此，根据自然立地条件的地形需要，选取海拔高度和坡度等地形地势因子。

（3）在土壤环境方面，油茶根系对树液缓冲力要求为偏酸性，pH5～6.5较适宜，这是由于油茶根系细胞缺少偏中性的磷酸盐，只能通过呈偏酸性的有机盐进行缓冲。油茶在由页岩、变质岩、石灰岩等发育而成的红壤、黄壤、赤红壤等土壤类型中适宜生长[21]，这些土壤的有机质、速效磷、速效氮和有机钾的含量较高。因为土壤pH值和土壤类型并非严格对应，需具体地区具体分析，因而对于油茶的土壤pH值，只能通过不同类型土壤特性进行评估

综上所述，选取气候、地形、土壤三大因素，年低温、年均降水量、湿度、无霜期、海拔高度、坡度和土壤类型七个因子作为油茶种植环境适宜性评价依据。

2.3确立评价等级及指标体系

油茶具有较为重要的社会需求，发展油茶产业能缓解食用油缺口，以及油茶树一期种植长期受益的生态优势和茶油产业带动的经济效益，使油茶兼有生态、经济、社会等综合适宜性。因此，按照主宜性与多宜性相结合的分级方法[22]，将适宜性等级划分为四级，分别为：最适宜、适宜、临界适宜和不适宜。

由于各因子间的数值和单位均不一样，为消除这种差异，采用极差标准化的处理方法，根据文献[23-25]，对以下4种方法将评价因子指标进行标准化处理，其值分布在[0,1]。

式中，Si为i因子标准化后的数值，i=[0,1,…，7]，Xi为因子i的实际值，Xmax为i因子指标的上限值，Xmin为i因子指标的下限值，Xi，Xmax，Xmin结合以往研究来自文献[1][4][14][16-17][20]。例如湿度指标，最小值为0，最大值为1，当最适宜临界值为0.9，适宜临界值为0.7时，通过公式1得到最适宜和适宜的量化指标为0.9和0.7。

无霜期指标适用于这一量化方法，最大值为200，当最适宜临界值为200，适宜临界值为180时，通过公式2得到最适宜和适宜的量化指标为1和0.9。

(3)分级取值量化

此类因子的适宜区间是赋值后进行表达，超出这个区间会或多或少成为限制性因子，适宜程度需遵循其评价依据划分为不同级别。

(4)定性因子量化

定性因子是指难以用有内在联系的连续性数值进行表达的一类因子，对这类因子的量化需结合实际经验和相关研究进行判断。如土壤类型，其在时空分布上并不连续，对41种土壤类型进行赋值，代码为1～41，再划分出适宜区间，在7～11这个区间段是所需的土壤类型，分别对应黄棕壤、棕壤、红壤、赤红壤、砖红壤等土壤类型。

按上述4种标准化方法，对七个因子进行量化处理。其中，采用正向因子量化法处理的是相对湿度和坡度因子，采用负向因子量化法处理的是无霜期因子，采用分级取值量化的有年低温、年均降水量和海拔高度等因子，采用定性因子量化法的是土壤类型因子。最终，得到各因子适宜性分级指标量化结果(表2)。

2.4RBF神经网络检验

各因子量化指标间并不是线性关系，很难用一般函数模型表达因子间的关联度，为了更好的表征因子量化指标在评价中的适宜度，本文根据文献[26-30]，利用径向基神经网络进行各因子指标精度验证。通过建立学习样本，输入数据即油茶各因子量化指标值（表2），输出数据即适宜性分级标准，以0或1进行赋值（表3）。调用Matlab工具箱的newrb函数:net=newrb(p,t,goal,spread)(3)

式中，p为输入层样本向量，即适宜性评价因子指标层数为7层，t为输出样本向量，即适宜性等级层数为4层，goal为设定的均方误差，spread为径向基神经元层的散布常数，默认为1。

生成学习样本后，用筛选后的34个城市的气象资料数据（1994～2010年）作为网络监测样本进行验证，最终完成整个训练。在训练过程中，newrb可以用迭代的方式增加隐含层神经元数，直到均方误差满足设定精度为止。通过RBF神经网络的检验，结果显示，在设定精度为0.1时，平均绝对误差达到最小为0.8713，量化指标值能较好地反映各因子对油茶生长的适宜程度。

表2　油茶适宜性评价指标体系Table 2 Indicators system of Camellia oleiferaAbel suitability assessment

表3　RBF学习样本期望输出Table 3 Desired outputs of RBF learning samples

2.5确定指标权重及评价单元

传统的权重确定方法有Delphi法、线性回归法、层次分析法等，许多学者尝试改进传统方法，力求使权重精度达到最佳。盛建东等利用投影寻踪回归技术改进模型，是对回归方法的改进[31]。周旭等改进层次分析法的标度，实现了贵州省普安县耕地土壤肥力可视化评价[32]。本研究依据分析需要，在综合考虑因子类型、数量的基础上，采用改进的层次分析法：三标度两步层次分析法。三标度两步层次分析法是一种多指标决策方法，基于三个标度，是将定性与定量分析相结合的系统分析方法，把人的主观判断用数量形式表达和处理[33,34]，将不同因子有效归类，在定性的基础上进行量化，保证各因子的权重精度，提高评价质量。

建立两两比较矩阵，通过多次专家打分，考虑致死温度等关键因素，突出温度因子的重要性，使定性的因子数量化，并由量化后的数值组成比较矩阵。在这个阶段建立的因子不是孤立的，它们是最相关的[35]。因此，在比较矩阵主对角线上，其数值都为1，得到两两因子比较矩阵（表4）。

表4　各因子两两比较矩阵Table 4 Comparative matrix between two factors

根据比较矩阵，将各行值进行累加，按下式计算，可获得构造判断矩阵。

上式中，rij为构造判断矩阵中的元素，其中i,j代表不同的因子。各因子在每一行进行累加，累加值即为Ki，Kj。bm一般用（Kmax+Kmin）代替，即最重要的因子与最不重要的因子相关数之和[36]。构造判断矩阵的最大特征值是一个向量形式，在经过一致性检验后，得到该矩阵的最大特征向量即：ϖ=（0.0890.1130.1670.2530.1250.1140.139）各元素值表示相应因子的权重值。为简化计算量，计算单位精确到小数点后三位，由此得出各评价因子的权重。利用GIS技术，对各因子适宜性进行评价，在单因子评价的基础上，根据权重，将单因子适宜图进行叠加分析和栅格代数计算，生成综合适宜性评价的基本单元，每个评价单元包含年低温、年均降水量、湿度、无霜期、海拔高度、坡度和土壤类型七个因子的信息，大小为1km×1km。

3　结果与分析

3.1单因子适宜性评价

应用经RBF神经网络检验后的指标，结合GIS空间分析技术，进行单因子适宜性评价，直观表达每个评价单元的适宜性等级区划。根据单因子评价结果（图2），我国油茶种植的适宜性区域分布有较强的一致性，大部分集中在湖南、江西、广东、广西、浙江、福建、贵州、湖北等省份。对比各因子分析结果，评价适宜区域存在差异，如湿度适宜区在西藏南部局部地区，新疆北部和西部，内蒙北部等区域；海拔高度适宜区在东北大部，新疆北部等区域也符合油茶生长，但目前以上区域均未有油茶种植。单因子评价模型只考虑某一因子在其余影响因子变化不大的条件下的作用，不能反映作物生长受气候因子影响的真实情况[37]。因此，为了更好地反映油茶的生境习性和适宜程度，应在单因子评价的基础上，结合不同的指标权重进行综合评价。

图2　单因子评价结果Fig.2 Result of single-factor assessment

3.2多因子综合评价结果

根据单评价因子的分析结果，利用GIS空间分析和属性数据一体化处理等技术优势，结合不同因子权重，采用栅格分析和地图代数运算，进行综合评价(图3)。每个评价单元相当于一个土地资源单位，单元内部质量相对均一[38]，同时包含评价指标的属性信息，即七个因子适宜性分级信息，客观地反映出在综合因素影响下，油茶的适生条件和适宜区划在空间上的差异。

(1)最适宜区：各评价单元为最佳范围时，得出区划结果，主要分布于湖南、江西，广东、广西等大部地区。该区面积约为418.89×104hm2，约占油茶适宜区域总面积的65.50%。该区域地势平坦，降水充足，温度适宜，是最早种植油茶的地区，也是目前油茶的主产区。

(2)适宜区：各评价单元处在合理范围内时，得出区划结果，分布在广东西南部、福建南部等地区。该区面积约为131.34×104hm2，约占油茶适宜区域总面积的20.54%。该区域受一些轻微限制因素的影响，通常相对湿度较低，地势起伏略大，但也是油茶产区的重要组成部分。

(3)临界适宜区：表示评价指标阈值的上限或下限不明确或评价单元的精确度较模糊，得出区划结果，分布于河南、陕西南部，四川西北部等地区。该区面积约为89.27×104hm2，约占油茶适宜区域总面积的13.96%。在这一区域中，适宜和不适宜条件均存在，需对具体区域作进一步精确评价，是种植潜力较大和开发利用价值较高的区域。

(4)不适宜区：排除以上三个区划之外的地区，分布于东北地区，新疆、西藏等地区。该区域各项指标条件受限制较大，油茶生长环境较差。对评价结果进行统计分析，获取省级适宜信息（表5）。

图3　油茶适宜性分布图Fig.3 Distribution map of Camellia oleifera Abel suitability

表5　油茶分省适宜性统计Table 5 Provincial statistics of Camellia oleiferaAbel suitability

3.3限制性分析

临界适宜区的指标范围具有模糊性，有必要进行限制性分析[39-41]，以便合理开发利用这一区域。在原有单因子适宜性指标体系的基础上进行分级赋值，最适宜、适宜、临界适宜和不适宜依次为1，2，3，0。宗跃光等通过对原有权重修正法的改进，建立了潜力-限制综合评价模型，在借鉴损益分析法(cost-benefit analysis)和生态足迹的基础上,将影响变量通过生态潜力和生态限制性两类作差,得到生态潜力扣除生态限制性的剩余[42]。依据本研究的实际情况，对上述潜力-限制综合评价模型进行改进，改进后的公式为：

式中Sn是不同因子适宜性，Xip为种植潜力值，即种植潜力栅格数，Wip为种植潜力的权重，Xic为种植限制值,即种植限制栅格数，Wic为种植限制的权重,d为常数3，即临界适宜区值，Rn为各因素平均限制值，N为不同因素类包含因子个数。为了便于对比，将结果值以小数形式显示(表6)。

表6　限制性分析结果Table 6 Result of constrain analysis

由此得出临界适宜区的限制性因子的影响程度，最大限制性因素是气候类，约是土壤类的五倍，最大限制因子是年低温，海拔高度、无霜期等限制性相对较弱。根据《全国油茶产业发展规划（2009～2020年）》的要求，对这一区域可着重从生态效益上种植油茶，虽然难以形成较大规模的种植区，但充分发挥油茶的环境优势，辅以经济贡献，也是种植可行性较大，重点开发的区域。

根据评价结果，加入临界适宜区的统计面积，对比规划要求，采用面积统计图，直观表达各省份油茶种植的空间分布状况。《规划》里至2020年，广西省的任务要求是41.47×104hm2，分省统计结果显示，其适宜种植面积约为57.49×104hm2，提升空间为16.02×104hm2；江西省的任务要求是98.31×104hm2，其可适宜种植面积约为107.35×104hm2，提升空间为9.04×104hm2等等，油茶种植的提升空间很大(图4)。评价结果中，河南省提升空间过大，重庆市甚至出现降低空间，究其原因，一方面河南省油茶适宜区集中于东南部，这一区域属于黄淮海平原，地形因子在评价中作用较大，使该区域结果面积较大；重庆市则以山地为主，不仅减弱了气候因素的影响，还使评价中坡度的作用受限，因而评价结果出现缺失现象。另一方面，由于研究区范围较大，数据量庞大，栅格划分细化程度有限，加之各因子权重分配并不完全适合，导致评价结果出现小部地区异常。

图4　油茶适宜种植面积与2020年规划对比Fig.4 The contrast between suitable planting area of Camellia oleiferaAbel and 2020 plan

4　结论与讨论

（1）评价结果基本符合全国油茶种植环境的空间分布状况：最适宜区种植油茶年限较久，经验丰富，是进行品种改良，提高单产的主要区域；适宜区可进行原油茶林地复垦改造，相关技术也较为成熟；临界适宜区则是扩大开垦规模的重点区域，这也是提高油茶产量最直接有效的方式。研究结果显示，全国油茶种植适宜区域面积约为639.5×104hm2。对比国家油茶发展的战略规划，不计入台湾、海南和江苏等省份，剔除有待进行限制性分析的临界适宜区，统计出最终适宜面积约为491.88×104hm2，到2020年，我国油茶种植总规模将达到466.67×104hm2，油茶发展潜力空间达25.21×104hm2。

（2）利用RBF神经网络优化因子量化指标，检验精度较高，基于单因子评价的综合适宜性评价结果良好，反映了RBF神经网络在适宜性评价中的优势，如何应用RBF神经网络进行综合适宜性评价还需进一步研究。限制性分析结果表明，气候因素的贡献值最大，针对限制因子影响程度，临界适宜区可以通过复选多个因子进行精细评价，并综合经济成本和油茶品种进行深入研究，以扩大油茶种植区域。本研究也为决策者提供了一个详细的数据参考，对油茶种植的合理性布局，土地资源利用规划等提供科学依据。

[1]王莹,苏永秀,李政.广西西北部油茶种植气候适宜度评价[J].中国农学通报,2013,29(13):24-30

[2]余江帆,陆志科,谢碧霞.近10年中国油茶研究论文计量研究[J].经济林研究,2006,24(4):61-63,70

[3]黄永芳,陈红跃,雷治国,等.广东省油茶生产状况与发展对策[J].经济林研究,2004,22(3):77-79

[4]陆魁东,宋忠华,杜东升,等.湖南油茶GIS精细化气候区划研究[J].中国农学通报,2011,27(8):362-365

[5]何奇瑾,周广胜.我国春玉米潜在种植分布区的气候适宜性[J].生态学报,2012,32(12):3931-3939

[6]封志明.资源科学导论[M].北京:科学出版社,2004

[7]杨子生.试论土地生态学[J].中国土地科学,2000,14(2):000209-43

[8]陈雯,孙伟,段学军,等.以生态-经济为导向的江苏省土地开发适宜性分区[J].地理科学,2007,27(3):312-317

[9]王炜,吴耿锋,张博锋,等.径向基函数(RBF)神经网络及其应用[J].地震,2005,25(2):19-25

[10]董斌,陈立平,钱国英.基于遥感的层次分析法和模糊数学模型综合评价森林资源生态适宜性[J].自然资源学报,2011,26(3):468-476

[11]张红旗.GIS支持的县级区域柑桔土地适宜性综合评价[J].资源科学,1998,20(1):62-70

[12]陈雯,孙伟,段学军,等.苏州地域开发适宜性分区[J].地理学报,2006,61(8):839-846

[13]苏光全,何书金,郭焕成.矿区废弃土地资源适宜性评价[J].地理科学进展,1998,17(4):41-48

[14]庄瑞林.中国油茶[M].北京:中国林业出版社,2008

[15]张静芬,千怀遂,赖纯佳.我国亚热带樟树的温度适宜性及其变化趋势[J].生态学杂志,2010,29(8):1482-1487

[16]邹康廉,邹哲馨.昭平县油茶气象条件分析[J].气象研究与应用,2013(1):64-66

[17]张乃燕,黄开顺,覃毓,等.主要地理气候因子对油茶籽油脂肪酸组成的影响[J].中国油脂,2013,38(11):78-80

[18]韩翠华,郝志新,郑景云.1951-2010年中国气温变化分区及其区域特征[J].地理科学进展,2013,32(6):887-896

[19]王冀,江志红,丁裕国,等.21世纪中国极端气温指数变化情况预估[J].资源科学,2008,30(7):1084-1092

[20]何方,何柏.油茶栽培分布与立地分类的研究[J].林业科学,2002,38(5):64-72

[21]何方,毛献策,王义强,等.中国油茶林地土壤类型的研究[J].经济林研究,1993,11(2):1-14

[22]杨子生.土地适宜性评价中”主宜性”划分问题之探讨[J].自然资源学报,1991,6(3):286-292

[23]潘世兵,王忠静,孙江涛.基于GIS的黄河三角洲地下水开发适宜性评价模型[J].水文地质工程地质,2001,28(6):33-36

[24]俞艳,何建华,袁艳斌.土地生态经济适宜性评价模型研究[J].武汉大学学报:信息科学版,2008,33(3):273-276

[25]杨洋,何春阳,李晓兵.基于GIS的云南栽培型普洱茶树大规模种植适宜性评价[J].北京林业大学学报,2010,32(3):33-40

[26]徐美,朱翔,刘春腊.基于RBF的湖南省土地生态安全动态预警[J].地理学报,2012,67(10):1411-1422

[27]郭宗楼.环境质量综合评价的径向基函数网络模型[J].环境科学研究,1997,10(4):1-5

[28]李启权,王昌全,岳天祥,等.基于RBF神经网络的土壤有机质空间变异研究方法[J].农业工程学报,2010,26(1):87-93

[29]朱凯,王正林.精通MATLAB神经网络[M].北京:电子工业出版社,2010

[30]张晓瑞,方创琳,王振波,等.基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析[J].长江流域资源与环境,2013,22(6):691-697

[31]盛建东,文启凯,蒋平安,等.投影寻踪回归技术在棉花土地适宜性评价中的应用[J].干旱区研究,1997,14(2):36-41

[32]周旭,安裕伦,许武成,等.基于GIS和改进层次分析法的耕地土壤肥力模糊评价——以贵州省普安县为例[J].土壤通报,2009,40(1):51-55

[33]何英彬,陈佑启,杨鹏,等.国外基于GIS土地适宜性评价研究进展及展望[J].地理科学进展,2009,28(6):898-904

[34]刘李霞,毕华兴,孔宪娟,等.基于改进层次分析法的GIS公共服务设施选址[J].地理与地理信息科学,2011,27(5):46-49,113

[35]邱炳文,池天河,王钦敏.基于GIS和多目标评价方法的果树适宜性评价[J].农业工程学报,2005,21(6):96-100

[36]徐肇忠.专题制图中各有关专题要素求权方法的比较研究[J].测绘学报,1995,24(1):64-70

[37]蒲金涌,姚小英,王位泰.气候变化对甘肃省冬小麦气候适宜性的影响[J].地理研究,2011,30(1):153-160

[38]刘长胜,卢伟,金晓斌,等.GIS支持下土地整理中未利用地适宜性评价——以广西柳城县为例[J].长江流域资源与环境,2004,13(4):333-337

[39]张洪业.利用限制性评分方法确定土地农业适宜性等级——以澳大利亚新南维尔士州为例[J].地理研究,1994,13(2):67-73

[40]樊新刚,米文宝,杨蓉.宁南山区生态重建限制性因素分析[J].水土保持究,2004,11(3):28-30,60

[41]王露,杨海龙,封志明,等.广西能源作物木薯种植的可能规模:自然适宜性与社会限制性评价[J].资源科学,2012,34(1):150-158

[42]宗跃光,王蓉,汪成刚,等.城市建设用地生态适宜性评价的潜力—限制性分析——以大连城市化区为例[J].地理研究,2007,26(6):1117-1127

A Primary Study on the Suitability of Camellia oleifera Abel Planting Environment in China

SONGYing-qiang1,YANGFen-li2,YANGBo3,YANG Lian-an1*,ZHANG Lin-sen4, YU Shi-feng5
1.College of Urban and Environmental Sciences,Northwest University,Xi’an 710127,China
2.Xianyang Agricultural Science Research Academy,Xianyang 712000,China
3.WeiCheng Seed Management Stations,Xianyang 712000,China
4.College of Horticulture,Northwest A&F University,Yangling 712100,China
5.Xi'an Agricultural Product Quality Safety Inspection and Monitoring Center,Xi'an 710077,China

In this paper,Camellia oleifera Abel is taken as the study object,elements,technical model and comprehensive evaluation are built to guide national Camellia oleifera Abel of suitability evaluation.The selection of evaluation factors such as annual low temperature,amount of precipitation,humidity,frost free season,altitude,slope and soil type which including three types of climate,topography and soil to build index system of Camellia oleifera Abel planting suitability evaluation. Based on three scale two step Analytic Hierarchy Process,RBF neural network and GIS technology,a single factor evaluation and comprehensive evaluation under constrain analysis method of multi-factors suitability are made for the study area of Camellia oleifera Abel planting suitability.Comprehensive evaluation has a high accuracy by comparison to single-factor evaluation.The result shows that national suitable areas of Camellia oleifera Abel planting are concentrated in the most of Hunan,Jiangxi,Guangdong,Guangxi,the southwest of Hubei and the south of Yunnan areas.The requirement of the national Camellia oleifera Abel industry development plan is 46.67 million ha,but the statistical result of the national suitable areas are 49.19 million ha,so it has a huge potential of Camellia oleifera Abel planting by provincial statistics.The results from this study can provide the scientific proofs for the rational distribution and land resources programme of Camellia oleiferaAbel planting.

Planting environment;suitability assessment;RBF neural network;Three Scale Two Step Analytic Hierarchy Process;Camellia oleiferaAbel

S-03;X144

A

1000-2324(2015)02-0180-09

2014-08-09

2014-10-14

教育部人文社会科学研究规划项目(10YJA910010);陕西省农业科技攻关项目(2011K02-11);农业部现代苹果产业技术体系肥水高效利用岗位(NYCYTX-08)

宋英强(1990-),男,硕士,主要从事环境地理信息系统研究.E-mail:jingjingdailuan@163.com

Author for correspondence.E-mail:yanglianan@163.com