基于免疫机理的黑龙江省耕地系统安全预警研究

陈藜藜，宋 戈，邹朝晖

（东北大学土地管理研究所，辽宁 沈阳 110819）

基于免疫机理的黑龙江省耕地系统安全预警研究

陈藜藜，宋 戈，邹朝晖

（东北大学土地管理研究所，辽宁 沈阳 110819）

研究目的：科学识别黑龙江省耕地系统安全警情现状及其未来发展趋势。研究方法：改进突变级数模型和Elman神经网络模型。研究结果：（1）构建基于生物免疫机理的耕地系统安全警情评定指标体系，得出黑龙江省警情1995—2014年整体呈波动上升趋势，警度从“无警”上升至“轻警”，再至“中警”，说明基于改进突变级数模型的评价结果可凸显评价对象之“优、劣”特征；（2）引入Elman神经网络构建耕地系统安全警情预测模型，测试拟合精度在0.97以上，预测结果可靠，表明未来20年黑龙江省警情将整体呈先升高、后降低趋势，警度在“轻警”与“中警”之间。研究结论：基于生物免疫机理的黑龙江省耕地系统安全预警研究，可为省域尺度下耕地系统安全预警提供一种新的思路。

土地评价；免疫机理；耕地系统安全预警；改进突变级数；黑龙江省

1 引言

随着中国城镇化和工业化进程不断稳步推进，激增的建设用地扩张和工业污染促使耕地资源供需矛盾日益加剧、生态环境污染严重，耕地质量不断下降，严重威胁着国家和区域粮食安全以及社会经济稳定。加强以耕地资源为主体的耕地自然生态系统和以人类活动为主体的人类社会经济系统构成的耕地系统的安全，已然成为国家和地区保障人类健康和耕地可持续利用的首要任务。全面保护和建设耕地系统安全是强化保护耕地数量、提升耕地质量、降低耕地污染的前提条件，是实现耕地资源持续、足量的有效供给，人类经济社会可持续发展和生态环境健康的有效保障，因此，准确识别耕地安全的警情现状，并及时科学地对耕地系统安全进行预警逐渐成为学术界与政府部门关注的焦点。

近年来，学者们主要从耕地土壤质量的动态监测[1-2]、预警理论[3]、预警指标体系[4-5]和预警方法[6]等方面对耕地系统安全预警展开研究。尽管当前研究成果丰硕，但仍存在一定的不足：（1）耕地作为复杂的系统，缺少从系统性角度构建的耕地系统安全预警概念框架和理论体系；（2）现有研究多从耕地数量、质量、生态组合或从自然、社会、生态角度构建耕地资源安全评价指标体系，忽略了预警警兆的发生具有滞后性和耕地的系统性特征，缺乏系统潜在突变特性的考虑；（3）耕地资源安全预警方法存在无法体现“总体大于部分之和”（综合评价法）、难以反映复杂非线性系统特征（加权法、灰色预测和回归分析）以及非结构问题无法准确结构化（系统动力学）等诸多问题。值得强调的是：（1）在预警现状评价上，突变级数法具有降低评价主观性又不失科学性和合理性的优势。但同时该方法兼有指标的重要性排序主观性太大，综合评价值偏高且差距较小，不具有绝对含义[7]的缺陷。因此，改进其存在的缺陷，有助于提高预警现状评价结果的科学合理性。（2）在预测未来警情上，神经网络模型能提高预测精度，是预警研究方法的重要创新。但现有研究将其多用于生态安全预警[8]、食品安全预警[9]、园区安全生产预警[10]等方面，在耕地资源安全预警上应用的研究极少。Elman神经网络模型具有反馈记忆功能、强大动态信息处理能力以及以任意精度对时间序列的非线性问题动态预测模拟逼近的优点，更适合耕地资源安全复杂、多变量、系统性和非线性特征的预警研究。（3）耕地系统与生物系统本质上都属于复杂系统。生物系统在面对病毒侵害等威胁时，具有识别不利要素，并及时采取防御策略，防止机体受损的自身免疫系统。若耕地系统能够具有“生物免疫”的功能，能及时发现耕地系统安全存在的隐患，耕地系统安全性将大幅度提高。免疫机理现多用于如化工园区安全生产预警[10]、河流生态风险预警[11]、城市生态系统预警[12]等方面，缺少基于免疫机理的耕地系统安全预警研究。因此，从系统角度出发，将免疫机理应用耕地系统安全预警研究，有助于耕地系统安全警情的科学准确判定，为耕地系统安全预警提供新的思路和方法。

黑龙江省是中国第一大产粮大省①2004—2015年《黑龙江省统计年鉴》显示，全省粮食产量从2003年底2512.3万t增加至2014年底6242.19万t，实现连续“十一年增”，占全国粮食产量的11%。和最大的商品粮生产基地，承担着保障国家粮食安全的重任。但近年来，农药化肥过量施用②2015年《黑龙江省统计年鉴》显示，全省化肥使用量（折纯）高达251.93，农药使用量8.74万t。造成土壤质量逐渐降低，水土流失、排水堵塞、易涝等问题凸显，加之洪涝、干旱等自然灾害时有发生，农业面源污染问题扩大及部分地区生态破坏越加明显，严重威胁着耕地质量，随时可能触及耕地系统安全的警戒线。鉴于此，本文以黑龙江省为研究区，从系统角度出发，创新性地将生物系统免疫机理应用于耕地系统安全预警研究，并从抗原和抗体两方面构建耕地系统安全预警指标体系；基于突变理论，利用Matlab编程，运用改进的突变级数模型评定研究区1995—2014年耕地系统安全警情现状，并引入Elman神经网络模型，预测研究区2015—2034年耕地系统安全的警情状况，最终确定研究区耕地系统安全警情动态变化特征，以期为缓解区域警情，制定有效保障耕地系统安全及农业可持续发展的决策提供科学依据。

2 基于免疫机理的耕地系统安全预警理论基础

2.1 耕地系统及其安全的内涵

本文将耕地系统安全界定为一个国家或地区在一定时期内，人类社会与耕地资源在相互作用和反馈过程中，耕地系统能在受到自身的脆弱性（隐患）和人为活动影响（压力）之下，通过自身调节（免疫）和人类社会调控（响应），在时间上维持自身组织结构和系统整体的稳定，实现耕地资源持续、足量的有效供给，保障人类生存、经济社会发展和生态环境健康的状态。在耕地系统安全中，耕地系统是以耕地资源为主体的自然生态系统和以人类活动为主体的社会经济系统在特定区域内通过协同和拮抗作用而形成的复合系统（图1）。

图1 耕地系统内涵概念模型Fig.1 Conceptual model of cultivated land system

2.2 生物系统免疫机理在耕地系统安全预警中的可行性分析

生物免疫系统是由免疫活性分子、免疫细胞、免疫组织和免疫器官组成的系统，是生物抵抗外界病源入侵的屏障，当机体受到抗原刺激时，免疫系统将通过免疫器官、免疫细胞和免疫分子之间的相互作用，发挥生理防御、自身稳定以及免疫监视三方面功能对抗原进行处理，以维持各系统内部组成部分处于良好稳定状态[10]。与此相似，耕地系统也具有自我恢复并维持自身稳定的功能，且人类社会为减少和避免耕地数量和质量下降及生态环境破坏而做出有效调控，具有一定的主动性、组织性和有机性。要保障耕地系统的安全，一要有完善的防御系统，即能够排除异己、防御异物，二要能对耕地系统运行过程中危害其安全的事件做出相应的调控措施，即进行免疫反馈、免疫调节与恢复以维持自我稳定。人类作为耕地系统的重要组成部分，是调控耕地系统安全的核心，当耕地系统发生问题时，其自身结构、组织及环境会表现出相应的征兆，人类社会依据征兆采取不同的调控方式，而耕地自身结构、组织和环境在受到调控后会做出相应的响应。人类社会和耕地系统的调控与响应过程，可以看成是耕地系统对出现的安全问题不断“学习”并积累经验，对相似问题的调控方式反复“记忆”，对受到的调控产生“反馈”，相近于生物系统免疫的学习—记忆—反馈原理[10]。因此，可以基于生物系统免疫机理构建耕地系统安全预警体系。

3 黑龙江省耕地系统安全警情现状和预测模型构建

3.1 数据来源与处理

本文数据主要来源于1996—2015年《黑龙江省统计年鉴》、《黑龙江省环境状况公报》、《中国统计年鉴》、《中国农村统计年鉴》、《中国城市统计年鉴》和《松辽流域水资源公报》以及黑龙江省土地利用现状数据。对研究数据均采用极差标准化进行无量纲处理，正指标表示指标值越大警情越小，耕地系统越安全；负指标表示指标值越小警情越小，耕地系统越安全。

3.2 耕地系统安全警情现状模型构建

3.2.2 基于抗原—抗体的耕地系统安全预警指标体系构建 基于耕地系统及其安全的内涵，借鉴生物免疫机理，从抗原（Ag）和抗体（Ab）两方面构建耕地系统安全预警指标体系。抗原包括影响耕地系统当前和未来安全的隐患（自然灾害隐患和生态环境隐患）和人类社会对耕地系统造成的压力；抗体包括耕地维持自身稳定的结构和功能所具有的免疫（生态功能免疫、质量安全免疫和结构安全免疫）以及人类社会为减少和避免耕地生态破坏和环境风险做出响应（表1）。

3.2.3 基于改进级数突变模型的耕地系统安全警情现状评定 基于传统突变级数模型的归一化公式[7]，针对传统突变级数模型存在的缺陷，本文利用基于熵权法和层次分析法的主客观赋权法及数值转化法对突变级数模型进行改进。

（1）评价指标主次排序。采用熵权法和层次分析法分别确定各指标权重为w1i和w2i，主客观综合赋权法确定指标权系数α*和β*，根据wi= α*w1i+ β*w2i，确定定各指标主次排序，以确保指标的主次排序客观、合理。α*和β*的计算公式如下：

（2）数值转化及综合评定。基于数值转化的思想，通过IBM SPSS 23.0曲线拟合分析发现，当底层25个控制指标的隶属度均取xi时，Power型曲线形式相似于传统突变级数评价法的（xi，yi）分布，因此，对传统突变级数法的改进，选用Power曲线对x与y的关系进行拟合，以将传统突变级数综合评价值转化为底层控制指标隶属度值。

将突变级数法已求算的1995—2014年耕地系统安全现状警情的初始综合评价值（y）代入Power型拟合函数中，求出与之对应的25个底层指标隶属度值x（本文将其定义为y'），即改进后的综合评价值。参考相关研究[4，8]，将耕地系统安全警情分为无警（Ⅰ级）、轻警（Ⅱ级）、中警（Ⅲ级）、重警（Ⅳ级）和巨警（Ⅴ级）5个等级，设底层25个控制指标相对应的隶属度均取为xi（xi= 0—0.15，0.15—0.35，0.35—0.55，0.55—0.75，0.75—1），将底层控制指标隶属度值等级作为改进突变级数模型评价等级标准，既具有绝对意义，又能直观反映综合评价值优劣。

3.3 耕地系统安全预警预测模型构建

运用Matlab编程对Elman神经网络进行改进，以构建黑龙江省耕地系统安全警情预测模型。（1）将传统突变级数模型测算得到的1995—2014年耕地系统安全预警值作为输入数据，运用三次样条函数（spline）插值；（2）将插值后的数据构造学习样本（设输入层神经元数是n，输出层祌经元数是n + 1，则个n + 1个相邻数据组成1个样本，将前n个值为样本输入数据，后1个值为样本期望输出值）进行学习训练，并通过调整n，得到最佳的样本集，其中样本集采用神经网络反向传播训练函数自适应lr动量梯度下降（traingdx）进行训练，并将样本集划分为训练样本集和测试样本集；（3）分别将训练样本集和测试样本集输入网络进行测试，直至达到训练学习目标函数阈值，并采用样本数据测试的Pearson相关系数R和均方误差（MSE）进行检验；（4）若构建的网络模型通

过检验，则应用该模型预测未来20年（2015—2034年）的耕地系统安全预警值；若模型未通过检验，重复运行上述过程，直至通过检验后可进行预测。

表1 基于免疫机理的黑龙江省耕地系统安全预警指标体系Tab.1 Early-warning index system of land ecological security based on the immune mechanism in Heilongjiang

4 结果与分析

4.1 耕地系统安全预警现状结果及分析

（1）耕地系统安全预警指标主次排序为：①抗原指标重要程度排序：A g 3＞A g 4＞A g 5＞A g 1＞A g 9＞A g 8＞A g 2＞A g 6＞A g 7；②抗体指标重要程度排序：A b 15＞A b 10＞A b 11＞A b 9＞A b 4＞A b 7＞A b 3＞A b 5＞A b 16＞A b 8＞A b 14＞A b 7＞A b 13＞A b 2＞A b 1。

（2）按突变级数模型的三种计算原则[7]，抗原的A g I、A g II和A g III各因素层内部指标间和抗体的A b I、A b II、A b III、A b IV和A b V各因素层内部指标间都是相互补充关系，因此在计算过程中选择取均值的互补原则，其中A g I和A b IV各内部指标采用互补型尖点突变，A g II和A b V各内部指标间采用燕尾突变，其他因素层内部指标间采用互补型蝴蝶突变。

（3）运用改进的突变级数模型，得到拟合底层控制指标隶属度与综合评价值之间的拟合方程为：

基于回归方程，计算改进的突变级数模型评价值，得出1995—2014年耕地系统安全预警最终综合评价值，并与传统突变级数模型评价值进行比较，确定相应年份的耕地系统安全预警评价等级（表2）。

表2 黑龙江省1995—2014年耕地系统安全预警最终评价结果Tab.2 The fnal evaluation results of the early warning system of cultivated land in Heilongjiang Province during 1995-2014

1995—2014年，黑龙江省耕地系统安全预警指数呈现波动上升的趋势，警度先由Ⅰ级转变为Ⅱ级，维持约十年的Ⅱ级状态后继续上升至Ⅲ级，而在2010年回降到Ⅱ级之后，又上升并保持在Ⅲ级，即整体警情趋势是由“无警”转变为“轻警”，再上升至“中警”。警情大体可分为三个阶段：1995—1997年警情上升期，1998—2007年警情平稳期，2008年出现警情急剧上升，2008—2014年警情呈现波动性下降趋势。

从1996年开始，区域内耕地水土流失率显著增加，1996年比1995年增加了近0.1个百分点，而1997年之后，增加幅度高达近0.2个百分点，水土流失率严重，这是造成耕地系统安全预警值升高的重要原因之一；2008年耕地系统安全警度值明显偏高，一方面，因为化肥、农药和地膜等物质的大量投施，农业机械化、农业电力供应等投入的增加，降低了不宜耕种地区的开垦难度和种植难度，使可开垦土地面积增加，在增加耕地面积的同时使得土壤有机质层变薄，肥力不断减弱，土壤质量下降，水土流失加重，耕地系统脆弱性增加，所以当2008年春季和夏末秋初旱情十分严峻时，耕地系统的抗逆能力不足，受灾害影响较大，导致耕地系统安全警情急剧上升；另一方面，2008年城市迅速扩张，建设占用耕地面积增加，导致耕地系统压力增大，安全警情状况加剧，使得警情急剧上升。从2009年开始，警情有所缓解，原因在于2008年开始实施“黑龙江省千亿斤粮食生产能力战略工程”①2008年3月，黑龙江省政府第三次常务会议讨论并原则通过《黑龙江省千亿斤粮食生产能力战略工程规划》，力争通过3—5年的努力，使黑龙江省具备年产粮食千亿斤的能力。后，黑龙江省粮食播种面积增加，且种植结构得到了优化，耕地系统粮食生产抵御自然灾害的能力增强，作物生产力水平和粮食生产稳定性指数分别高达73.7847和0.8712。2011年耕地易涝面积增加，且工业废水排放超出了环境承载能力，直接威胁农业生态环境，导致耕地系统安全警情上升，警情值仅次于2008年。2012年后由于对耕地系统保护力度的加大，包括增加环保投资、加强植树造林以及改善水土流失治理措施等，且在国家农业综合开发的东北黑土区水土流失重点治理工程项目实施下，2011—2013年期间水土流失治理收效良好；加之2012—2014年期间自然灾害发生率降低，农作物受灾面积减少，耕地系统安全警情有所缓解，说明加强防灾和减灾能力建设，并提高耕地系统自身灾害抗逆能力，对保障全省耕地系统安全具有重要意义。

通过对比传统突变级数模型下耕地系统安全预警综合评价值y与改进突变级数模型下的综合评价值y’，改进的突变级数模型下的耕地系统综合评价值，在满足等级相同条件下，取值在［0，1］范围内明显扩大，并其分布也更加符合人们对于评价对象“优、劣”的直观判断，更符合实际，近于客观，验证了改进模型的合理有效。

4.2 耕地系统安全预警预测结果及分析

本文对1995—2014年耕地系统安全警情值通过spline插值后，构造由10个数预测第11个数的输入样残差本集。运用RMatlab2014a软件编写程序，将1996—2010年的数据所构造的样本作为训练集，2011—2014年的数据所构造的样本作为测试集。采取循环训练算法，设定期望误差为1×10-4，最大训练迭代次数为5000，允许最多失败验证次数为5，确定Elman模型的结构为10—10—1，即10个输入节点，10个隐含层节点，1个输出节点。经过3006次迭代，模型收敛且收敛性能较好，拟合系数R＞0.97，MSE＜5×10-4，说明模型训练和测试结果较好，具备预测研究区耕地系统安全未来警情值条件。Elman模型学习训练结果及MSE轨迹如图2。基于上述训练好的Elman神经网络模型，预测2015—2034年黑龙江省耕地系统安全警情，得到预测结果（图3）。

运用改进突变级数模型对Elman模型直接预测得到的警情结果（y）进行计算，得到改进后结果（y'），并对二者进行对比（表3）。

如何转化学困生，是教师必须正面回答的问题。在弄清主要原因之后，家长和教师又该如何改善孩子的学习情况呢？

由图3和表3可见，2015—2034年，黑龙江省耕地系统安全警情值呈现先升高、后降低的趋势，警情等级为Ⅱ级—Ⅲ级之间，处于轻警与中警之间。究其原因，随着人口的增加和建设用地的扩张，耕地系统安全压力加剧。投入过量的农药、化肥和薄膜等导致的耕地地力退化是黑龙江省未来耕地系统安全警情加剧的最大隐患，也是警情预测值偏高的主要原因。随着生态环境破坏的日益加剧，盐碱、水土流失等生态问题逐渐凸显，耕地系统安全受到的胁迫越来越大，抵抗自然灾害的能力逐渐下降，导致警情预测值逐渐升高。但是，由Elman模型预测得到的2015—2034年警情值增加不到0.02，由改进突变级数模型得到的2025—2034警情值增加不到0.20，相比1995—2014年间的20年，研究区警情值增加速率明显减缓。尽管在未来20年内耕地系统安全存在警情升高的隐患和压力，但人类社会也在为排除耕地系统安全警情做出响应，主要包括对区域洪涝和旱灾等自然灾害抵抗工程建设和除涝、水土流失治理和植树造林力度的加强。与此同时，耕地系统自身也存在的免疫功能，主要通过粮食生产稳定性、土地结构的多样性以及生态恢复力等体现。因此，在未来20年内，警情上升速率明显减缓，甚至在2030年之后，警情会有所下降。此外，从表3可以看出，与基于传统突变级数模型，由Elman模型直接预测得到的警情结果相比，在预测结果基础上运用改进级数突变模型得到的结果值更具有明显“优、劣”的特征，更利于直观判断警情变化趋势。

图2 黑龙江省耕地系统安全预警值Elman学习情况Fig.2 The early-warning values of cultivated land system security based on Elman in study area

图3 黑龙江省2015—2034年耕地系统安全预警Elman预测结果Fig.3 The prediction results and com parison of early-warning on cultivated land system security in Heilongjiang Province during 2015-2034

表3 黑龙江省2015—2034年耕地系统安全预警预测结果及比较Tab.3 Prediction results and com parison of cultivated land system security early-warning in Heilongjiang Province during 2015-2034

从当前的警情及未来预测警情可知，若进一步强化耕地数量、质量和生态保护，严格控制建设占用耕地，重视化肥、农药和农膜等农业“三废”对耕地系统安全造成的影响，加大抵御自然灾害工程的建设力度，加强除涝、水土流失治理等工程建设，将可减缓耕地系统安全警情。但若任其发展，则可能在未来出现警情加剧的情况。

5 结论与讨论

5.1 结论

（1）基于生物免疫机理，从系统的角度尝试性地提出了耕地系统和耕地系统安全的概念，并构建了黑龙江省耕地系统安全预警指标体系，运用主客观赋权法和数值转化方法构建了基于改进突变级数的耕地系统安全预警评定模型，揭示了1995—2014年黑龙江省耕地系统安全警情逐渐升高的整体特征，可为省域尺度下耕地系统安全预警评价提供一种新的思路。

（2）从研究方法看，在警情现状评定上，改进的级数突变模型与传统突变级数模型相比，评价结果具有绝对含义，更能凸显评价对象之“优、劣”特征，更符合实际，符合客观实际，且该方法是针对传统突变级数模型本身存在的缺陷而提出的，具有普适性；在未来警情预测上，基于Elman神经网络构建耕地系统安全警情预测模型，测试拟合精度在0.97以上，误差小于5×10-4，预测结果可靠，为耕地系统安全预警研究提供了一种新的方法。

（3）从警情现状和未来预测结果看，黑龙江省1995—2014年耕地系统安全警情整体呈波动上升趋势，警度由“无警”上升至“轻警”，再至“中警”；在当前警情发展态势下，2015—2034年警情将整体呈现先升高、后降低的趋势，警度处于“轻警”与“中警”之间。严控耕地被建设占用，加强除涝、水土流失的治理，改善耕地生态环境将是今后调控的重点。

5.2 讨论

（1）本文创新性地基于生物免疫机理，从系统角度构建了耕地系统安全预警指标体系，但如何深入探究体系内各因子对耕地系统安全警情的影响值得深入探究。

（2）本文引入的Elman神经网络模型在时间尺度上预测黑龙江省耕地系统安全未来警情，训练误差达10-4数量级，具有准确精度高的优点，但如何运用该方法实现区域耕地系统安全警情空间格局的动态预测将是下一步研究的重点。

（References）:

［1］ Evans T P, Kelley H. Multi-scale analysis of a household level agent-based model of land cover change ［J］ . Environ Manage，2004，72（1-2）：57 - 72.

［2］ Sharon I. Kirkpatrick,Valerie Tarasuk. Food Insecurity is Associated with Nutrient Inadequacies among Canadian Adults and Adolescent ［J］ . The Journal of Nutrition，2008，138（3）：604 - 612.

［3］ 刘友兆，马欣，徐茂. 耕地质量预警［J］ . 中国土地科学，2003，17（12）：9 - 12．

［4］ 宋戈，连臣. 黑龙江省耕地资源安全预警分析及预警系统的构建［J］ . 农业工程学报，2012，28（6）：247 - 252.

［5］ 张利，陈影，王树涛，等. 滨海快速城市化地区土地生态安全评价与预警——以曹妃甸新区为例［J］ . 应用生态学报，2015，26（8）：2445 - 2454.

［6］ 赵宏波，马延吉. 基于变权—物元分析模型的老工业基地区域生态安全动态预警研究——以吉林省为例［J］ . 生态学报，2014，34（16）：4720 - 4733.

［7］ 赵宏波，马延吉，苗长虹. 基于熵值—突变级数法的国家战略经济区环境承载力综合评价及障碍因子——以长吉图开发开放先导区为例［J］ . 地理科学，2015，35（12）：1525 - 1532.

［8］ 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，2012，10：1411 - 1422.

［9］ 雷勋平，Robin Qiu，吴杨. 基于供应链和可拓决策的食品安全预警模型及其应用［J］ . 中国安全科学学报，2011，21（11）：136 -143.

［10］ 陈清光，陈国华，段伟利，等. 基于免疫机理的化工园区安全生产预警预测模型研究［J］ . 高校化学工程学报，2014，28（3）：626 - 633.

［11］ 祝慧娜. 基于不确定性理论的河流环境风险模型及其预警指标体系［D］ . 长沙：湖南大学，2012.

［12］ 陈军飞，王慧敏. 城市生态系统诊断预警体系研究［J］ . 城市问题，2005，（6）：7 - 12.

［13］ 陆丽珍，詹远增，叶艳妹，等. 基于土地利用空间格局的区域生态系统健康评价——以舟山岛为例［J］ . 生态学报，2010，（1）：245 - 252.

［14］ 中华人民共和国环境保护部. 生态环境状况评价技术规范（HJ/T192-2015）［S］ . 北京：中国环境科学出版社，2015.

［15］ 周广胜，张新时. 自然植被净第一性生产力模型初探［J］ . 植物生态学报，1995，19（3）：193 - 200.

［16］ 聂英. 中国粮食安全的耕地贡献分析［J］ . 经济学家，2015，（1）：83 - 93.

（本文责编：陈美景）

Study on Early-Warning of Cultivated Land System Security in Heilongjiang Province based on the Immune M echanism

CHEN Li-li, SONG Ge, ZOU Chao-hui
（Institute of Land Management, Northeastern University, Shenyang 110819, China）

The purpose of this study is to scientifically identify the current situation and future trend of the cultivated land system security level in Heilongjiang Province. The research methods employed were subjective and objective weighting methods, advanced catastrophe progression model and Elman neural network. The results are showed as follows. 1）Based on the immune mechanisms of biological system, the cultivated land security level evaluation index system was constructed, finding that the alert level for Heilongjiang Province from 1995—2014 was generally on an upward trend. The alert level raised from “nil” to “light”, and then up to “moderate” from 1995 to 2014, thus showing that the evaluation results based on the improved catastrophe progression model highlighted the “excellent or inferior features”of the evaluation object. 2）Using the Elman neural network to construct the cultivated land system security earlywarning model, the matching accuracy of measurements was greater than 0.97 and the prediction results were reliable. The security level in Heilongjiang Province will increase then decrease during the next 20 years, and the alert level will be between “light” and “moderate”. In conclusion, the research on cultivated land system security early-warning in Heilongjiang province based on the biological immunity mechanisms can provide a new way for cultivated land systemsecurity early-warning at the provincial level.

land assessment; immune mechanism; early-warning of cultivated land system security level; advanced catastrophe progression model; Heilongjiang Province

F301.2

：A

1001-8158（2017）05-0079-10

10.11994/zgtdkx.20170517.142640

2017-01-19；

2017-03-15

国家自然科学基金项目（41571165）；中央高校基本科研业务费（N130714001，N151406001）。

陈藜藜（1989-）， 女，湖南益阳人， 博士生。 主要研究方向为土地利用。 E-mail： llchen2014@126.com

宋戈（1969-），女，黑龙江庆安人，教授，博士生导师。主要研究方向为土地利用与管理。E-mail： songgelaoshi@163.com