基于PCA和熵权法的神农架生态环境承载力评价

高丹丹，赵丽娅，李成

(湖北大学资源环境学院，湖北 武汉 430062)



基于PCA和熵权法的神农架生态环境承载力评价

高丹丹，赵丽娅，李成

(湖北大学资源环境学院，湖北 武汉 430062)

为深入了解神农架生态环境承载力水平，从社会经济、资源和环境3个子系统中选取19项指标构建生态环境承载力评价指标体系，运用主成分分析法提取出影响其生态环境承载力变化的3个主成分F1、F2、F3，并通过熵权法对这3个主成分进行赋权，综合评价神农架2010—2014年这5年的生态环境承载力状况．结果表明，在这5年间神农架林区的生态承载力，总体呈现出一个良好的发展趋势．其中2011年的生态环境承载力最低，随后逐渐增加.这两种方法的结合简化评价指标体系，避免专家赋分的主观影响因素，使评价结果更客观合理．

生态环境承载力；主成分分析法；熵权法；综合评价

0 引言

生态环境承载力是一个由资源、环境、社会、经济等子系统所组成的复杂系统．作为一个复合的生态系统，它反映的是在某一段时期内，生态环境系统对城市发展的支撑能力，即保证生态系统完整、稳定和可持续发展条件下所能承受的人类社会、经济活动的规模、范围和强度．由于城市发展具有不可逆性，为了避免城市盲目发展，有必要对其生态环境承载力进行研究以协调与社会经济和环境可持续发展的关系．

本文中依据生态环境承载力的内涵，采用主成分分析法和熵权法相结合的复合模型，以资源、环境、经济3个子系统共19个因子作为评价指标[1]，对神农架2010—2014年的生态环境承载力状况进行研究与评价，以期展现出神农架生态环境承载力在社会发展中的变化．

1 研究区域概况

2 评价指标与方法

2.1 构建评价指标体系 生态环境承载力涉及到经济、社会等诸多方面，文中结合神农架林区的实际情况，在科学性和合理性的基础上，从资源承载力、环境承载力和社会经济发展3个方面[2]，选取共计19项指标来构建神农架林区生态环境承载力评价指标体系[3](见表1)．主要原始数据来源于《神农架林区国民经济和社会发展统计公报(2010—2014年)》．其中万元GDP能耗、人口密度、氨氮年排放总量以及COD排放总量这4个指标越高，代表生态环境承载力越低，与生态环境承载力呈负相关；其他指标越高，表示生态环境承载力越高，与生态环境承载力呈正相关.

表1 神农架林区生态环境承载力评价指标体系

2.2 综合评价方法

2.2.1 主成分分析法 主成分分析法[4](principal component analysis)是将原始数据的多个指标转化成少数几个综合指标，同时尽可能地使这几个综合指标包含原指标集的大量信息，起到一个降维的作用．这些综合指标在统计意义上是相互独立的，但能反映不同样本的差异性，使我们的评价工作更为简便．主成分分析的主要步骤如下：

1) 对原始数据进行标准化处理，消除量纲带来的影响[5]．

2) 由标准化数据矩阵计算相关系数矩阵R．

3) 计算相关系数矩阵R的特征值λ，主成分的贡献率和累积贡献率[6]．

4) 根据主成分的方差累积贡献率，确定主成分的个数N，使其方差累积贡献率大于85%．

2.2.2 熵权法 熵权法[7]是根据指标变异性大小来确定客观权重，客观性较强，消除了主观随意性的影响，是在综合考虑各因素提供信息量的基础上，计算出一个综合指标的统计学方法．具体的分析步骤如下：

(1)

式中，xij为某一地区i时段生态环境承载力第j个影响因子的值．

2) 计算第i时段第j项因子占所有时段因子之和的比例[8]：

(2)

3) 计算第j项因子的熵值：

(3)

4) 求各因子的熵权：

(4)

5) 计算不同时段生态环境承载力的综合得分[9]：

(5)

一般来说，指标的熵值越小，表明指标的变异程度越大，提供的信息越多，在综合评价中的作用越大，权重值也越高；指标的熵值越小，表明指标的变异程度越小，其提供的信息也越少，对综合评价的作用也越小，权重值也越小．

3 结果与分析

3.1 主成分分析 应用软件SPSS 22.0对神农架林区的19项指标进行主成分分析，得到其相关系数矩阵及主成分的特征值和贡献率(见表2)． 根据特征值大于1以及主成分方差累积贡献率大于85%的原则，提取的3个主成分的累积贡献率达到了96.209%，主成分F1、F2、F3对原始信息的解释能力分别达到66.298%、21.046%、8.865%(见表2).

表2 各主成分特征值、方差贡献率及累积贡献率

根据表3可以看出：第一主成分F1在能源消费总量(X4)、人口密度(X5)、农用地资源量(X6)、森林覆盖率(X7)、氨氮年排放总量(X9)、城市生活污水处理率(X12)、人均GDP(X14)、农民人均纯收入(X16)、城镇居民人均可支配收入(X17)、教育支出占总支出的比例(X18)、城镇化率(X19)上的载荷较大，说明第一主成分F1主要与神农架林区的经济发展和城镇化水平有关；第二主成分F2在人均耕地面积(X1)、人均水资源量(X2)、集中式饮用水源水质达标率(X10)、工业用水重复利用率(X11)、环保支出占财政支出比例(X13)、第三产业对GDP的贡献率(X15)上载荷较大，说明第二注成分在一定程度上代表神农架资源量和环保事业有关；第三主成分F3在万元GDP能耗(X3)和COD年排放总量(X8)上载荷较大，代表了神农架经济与能耗、和COD排放的关系．因此，3个主成分能够较全面地概括神农架林区生态环境承载力评价指标体系的大部分信息．利用SPSS 22.0计算得出2010—2014年3大主成分的得分值(见表4)以及主成分得分演变趋势(见图1)．

表3 主成分因子得分系数矩阵

表4 不同年份各主成分得分矩阵

图1 神农架2010—2014年生态环境承载力三大主成分演变趋势

通过图1可以看出2010—2014年F1的值呈上升的趋势，从-1.444增加到1.273，表明随着神农架经济的快速发展和工业化水平的不断提高，城市生活污水处理率(X12)、人均GDP(X14)、农民人均纯收入(X16)、城镇居民人均可支配收入(X17)、教育支出占总支出的比例(X18)、城镇化率(X19)都逐年增加，加上当地政府对环境的重视，森林覆盖率(X7)也逐年提高，氨氮年排放总量(X9)呈下降的趋势；第二主成分F2的值先降低后增加，在2014年达到最低值，主要是由于2014年环保支出占财政支出比例(X13)以及第三产业对GDP的贡献率(X15)最低，故F2值相对较低；第三主成分F3的波动较大，主要是受万元GDP能耗(X3)的影响，呈现先降低后增加再降低的不规则变化.

表5 信息熵与权重

图2 神农架2010—2014年生态环境承载力综合得分

熵权法的综合得分越高，说明神农架林区的生态环境承载力越好．从图2可以看出，近两年来，神农架的生态环境承载力相对趋于稳定．2010—2014年这5年间，神农架林区的生态环境承载力呈现先降低后增加的趋势，其中2011年的生态环境承载力达到最低，较2010年下降24.15%．主要原因是因为2011年神农架林区的工业用水重复率较低，人口密度在这5年间最大，给神农架的生态环境增加不少压力．从2011年以后，生态环境承载力呈现递增的趋势，说明神农架林区的生态环境承载力向着不断优化的方向发展，展现了一个良性的发展趋势．神农架在近几年高度重视环境保护工作，坚持生态文明建设之路，不断加大环保投入，持续深化推进节能减排，优化产业布局，推行清洁生产，调整产业结构，使资源、环境承载力与经济承载力相适应．

4 结论

通过利用主成分分析法和熵权法相结合的复合模型，构建神农架林区生态环境承载力评价体系，对神农架2010—2014年这5年的生态环境承载力进行较客观、科学的评价，并描述其动态演变趋势．其结果表明：

1) 神农架林区的生态环境承载力的变化可用社会经济发展、资源量和能源消耗这3个主成分来表示，其累计贡献率达到96.209%．提高生态环境承载力，增加其开发潜力，在保证经济快速发展的同时，需提高资源的利用率，降低能耗，保证经济发展与资源利用相协调．

2) 从神农架生态环境承载力的评分值来看，在2010—2014年这5年中，2011年其承载力为最低水平，有明显下降趋势．但生态环境承载力总体上呈上升的趋势，这充分说明神农架的生态环境承载力随着生态空间的优化、经济结构的调整和在可持续发展战略的引导下，逐渐向良好的方向发展．

[1] 刘慧，蔡定建，许宝泉，等．基于因子分析和熵权法的赣江源流域水资源承载力研究[J]．安徽农业科学，2011，39(23)：14264-14267．

[2] 熊黑钢，付金花，王凯龙．基于熵权法的新疆奇台绿洲水资源承载力评价研究[J]．中国生态农业学报，2012，20(10)：1382-1387．

[3] 李磊，贾磊，赵晓雪，等．层次分析-熵值定权法在城市水环境承载力评价中的应用[J]．长江流域资源与环境，2014，23(4)：456-460．

[4] 王晴晴，陈星，常进．主成分分析法与熵值法结合在水质评价中的应用[J]．人民长江，2015，46(8)：10-13．

[5] 汪霖，蒲春玲，刘志有，等．基于主成分分析和熵权法的区域土地资源集约利用研究[J]．江苏农业科学，2016，44(5)：522-525．

[6] 侯艳玲，李玮，毛磊，等．基于因子分析法的生态环境综合承载力分析[J]．环境科学与技术，2012，35(12)：344-348．

[7] 张凤太，张军以，苏维词．基于熵权和主成分分析的岩溶区水资源安全评价—以毕节为例[J]．环境工程，2016，3(36)：174-179．

[8] 周利军，张淑花．基于熵权法的农业可持续发展评价—以绥化市为例[J]．资源开发与市场，2008，24(11)：982-984．

[9] 贾艳江，赵军，南忠仁，等．基于熵权法的草原生态安全评价—以甘肃牧区为例[J]．生态学杂志，2006，25(8)：1003-1008．

[10] 王明全，王金达，刘景双．基于主成分分析和熵权的吉林西部生态承载力演变[J]．中国科学院研究生院学报，2008，25(6)：764-770．

[11] 何哲，桂居铎，于宁，等．基于主成分分析-熵权-相关性分析法的水生态功能及驱动因子综合评价[J]．中国农学通报，2014，30(26)：178-183．

(责任编辑 游俊)

Shennongjia ecological environmental bearing capacity evaluation based on principal component analysis and entropy method

GAO Dandan, ZHAO Liya, LI Cheng

(Faculty of Resources and Environmental Science, Hubei University, Wuhan 430062, China)

For further understanding of Shennongjia ecological environmental bearing capacity level, from the social economy, resources and environment in three subsystems to select 19 indicators to construct the evaluation index system of ecological environmental bearing capacity, using principal component analysis to extract principal components ofF1,F2andF3that affect the change of ecological environmental bearing capacity, and through the entropy weight method to empowerment of the three principal components, so as to comprehensively evaluate the ecological environmental bearing capacity of 5 years in Shennongjia from 2010 to 2014. The results showed that the ecological bearing capacity of Shennongjia in the 5 years, the overall displayed a good development trend of which 2011 was the lowest, then gradually increase. The combination of the two methods simplified the evaluation index system, avoided the expert points of subjective factors, made the evaluation results more objective and reasonable.

ecological environmental bearing capacity; principal component analysis(PCA); entropy method; comprehensive evaluation

2016-09-27

湖北省科技厅软科学专项(2013BDF034)、大学生实践创新训练项目(201210512031)和大学生实践创业训练项目(20120512078)资助

高丹丹(1990-)，女，硕士生；赵丽娅，通信作者，博士，副教授，E-mail:279423966@qq.com

1000-2375(2017)04-0367-05

X820

A

10.3969/j.issn.1000-2375.2017.04.007