基于改进灰色关联模型的天水市土地生态安全动态评价

王新民,漆建武,李晓鸿b,周玉姣,谈 波

(天水师范学院 a.资源与环境工程学院;b.生物工程与技术学院,甘肃 天水 741000)

土地生态安全是指由自然界无机和有机环境组成的陆地表层的生态系统结构不受外部环境的破坏,具有土地结构的完整功能和属性[1]。目前,国内学者对土地安全的研究较广泛：李玉平、蔡运龙研究土地生态安全的概念,并运用层次分析法对河北省土地安全状况进行了评价[1];孙德亮、张凤太以重庆市为例,运用灰色关联法对该地区的土地生态安全进行了评价[2,3];徐美、朱翔等以DPSIR为评价模型,结合TOPSIS法对对湖南省土地生态安全进行了研究[4],杨晓玲等运用PSR模型,基于压力指标对庄浪县土地生态安全进行了评价[5]。国内的研究主要集中在指标构建、方法创新、安全预警等方面,研究对象主要集中在区域土地生态安全、中小城市和特殊地形地貌区的土地生态安全，最常见的评价方法有综合指数法、AHP法、系统聚类分析法、主成分分析法、基于GIS的研究方法等[5-10]。

本文在前人研究的基础上,以DPSIR模型框架为指标选取依据,对灰色关联模型进行改进,克服了评价过程中ρ取值的主观性,并运用改进的灰色关联模型确定指标权重,对丝绸之路的节点城市——天水市1995—2015年土地质量进行了评价,旨在为天水市经济发展和资源的有效配置提供方法,为丝绸之路经济带的生态环境建设做出贡献。

1 材料与方法

1.1 研究区概况

天水市地处陕、甘、川三省要冲,土地总面积为14392km2,总人口382.90万人,人口密度为266.05人/km2。全市森林覆盖率为35.91%,污水处理率为91.9%,第一、二产业所占比重分别为17.6%、33.5%。随着人口数量的增加、工业和农业经济的提高,对土地环境的破坏极为严重。截止2015年末,全市治理水土流失面积1428.01km2,占总土地面积的9.92%。

1.2 数据来源

本文所用数据均来源于1996—2016年的《天水经济统计年鉴》[7]、1995—2015年的《天水市国民经济与社会发展统计公报》,部分数据此天水市环保局、农业局网站获得,2001—2009年工业固体废弃物排放量数值由ARIMA(1,2,1)模型进行预测[8]，2005—2015年环保投资数值由ARIMA(2,2,1)模型进行预测。除部分数据需进行换算,如工业废水达标率、GDP增长率等外,其他数据均真实有效。

1.3 研究方法

数据标准化:通过标准化处理可避免不同量纲对评价结果的影响。本文选用极差标准化对指标数据进行处理[9]。根据相关数据,对天水市p年的q个指标数据建立标准化矩阵:

(1)

式中,A为原始数据矩阵；x为原始数据。对于标准化处理,一般将指标分为正向指标和逆向指标：正向指标为效益型指标,是指数值越大越好的指标;逆向指标为成本型指标,是指数值越小越好的指标。具体标准化方法为:

(2)

(3)

灰色关联法确定权重:灰色关联法是灰色系统论中的一种新方法,在土地生态安全研究领域涉及较少。

通过标准化处理,所有指标均为正指标。选取矩阵中的最优向量W[2,4]:

W=(w1,w2,…,wn)=(y11ωy12…ωy1p,y21ωy22…ωy2p,y11ωy12…ωyqp)

(4)

式中,ω取最大运算符。

计算第j个评价指标与最优向量W的关联系数δi=(yi,W):

δi=(yi,W)

(5)

计算第j个评价指标yj的权重wj[9]:

(6)

用上述灰色关联法确定指标权重,明显存在很大的不足,主要表现在:①指标权重确定过于随机。影响δi的因素有很多,如最优向量W、数据变换方式、分辨系数ρ等。ρ取值受到主观因素的影响,导致δi不同,故求得的权重值具有不确定性。②一般取ρ=0.5,则恒有δi>0.3333,难以区分指标之间的重要程度。在此基础上,我们对灰色关联法进行了修改,提出一种客观的求权重的方法。

改进灰色关联模型求解指标权重:原始矩阵构造与数据的标准化处理第一步与以上相同[11]。

求各个指标序列X1,X2,…,Xn与最优向量W之间的距离:

(7)

求各个指标的权重:

(8)

求各个指标的归一化权重:

(9)

通过上述算法步骤发现，用改进的灰色关联模型计算结果更加准确,客服了决策者主观因素的影响,结果更具有科学性和客观性,能更好地应用于土地生态安全评价相关领域。

土地生态安全综合指数:土地生态安全指数(LES)的计算公式为[12-14]:

(10)

式中,LES为土地生态安全综合指数;C为权重;R为指标的标准化后的数值。根据天水市土地利用与发展现状与指标分值,将天水市土地生态安全评价分值划分为四个等级,并其对各等级的土地利用状况进行描述,见表1。

表1 土地生态安全综合评价等级[15,16]

2 结果与分析

2.1 DPSIR指标体系构建

DPSIR概念模型是对PSR模型的改进,其模型结构是将一个整体的系统按照不同的属性划分成压力、驱动力、状态、响应、影响5种基本因子,又将不同因子分成多个指标的过程。

根据天水市土地资源的利用现状,我们在备选的30个指标下优选了21个指标作为天水市土地生态安全评价的重要指标,以A、B、C、D、E对各元素进行标识,并对各指标进行解释,具体的评价指标体系见表2。

表2 天水市土地生态安全评价指标体系

本文依据DPSIR框架模型,参照相关研究,通过对各指标属性进行分析,最终将指标分为正向指标(效益型指标)和逆向指标(成本型指标)。逆向指标主要包括人口自然增长率、工业固体废物排放率等7项指标,其他均为正向指标。

通过式(1)—(10)对数据进行计算,得出无水市土地生态安全评价指标的综合权重和分项权重，具体见表3。

表3 天水市土地生态安全评价指标权重

2.2 分析评价

根据改进的灰色关联模型,依据式(1)—(3)对原始数据标准化处理,得到值为0—1之间的数据矩阵,通过建立指标最优向量,计算各原始数据序列与最优向量之间的距离,再通过式(8)、式(9),计算得出各指标权重以及分项权重,通过土地生态安全综合指数法计算天水市1995—2015年土地生态安全综合指数,结果见表4。

通过表4各因子的评价分值,参照表1中的评价等级对天水土地安全状况进行评价,将其划分为4个等级,见表5。

表4 天水市土地生态安全综合指数(LES)

表5 天水市土地生态安全等级

驱动力生态安全:驱动力生态安全指数变化曲线见图1。从图1可见,天水市土地生态安全的驱动力指数逐年上升,趋势拟合值R2=0.7287,即曲线能客观的反映驱动力值的变化情况。驱动力指数经历了5个阶段,从1995年的28.31增长到2015年的76.79,增幅为48.48。1997年为驱动力变化的节点,驱动力指数出现极小值为5.91,而后增长速度逐渐加快,到2011年出现极大值为88.92,两者之间差异明显,三年的土地安全状态分别为敏感、不安全、安全。1997年天水市人均GDP和城市化水平分别为2125元、12.6627%,GDP增长率为-8.6569%,2011年分别为10931元、29.8735%、19.0929%。由此可知人口自然增长率与驱动力指数呈负相关,城市化水平与人均GDP水平是导致天水市土地生态系统安全的重要因素;减少人口自然增长率驱动力,增强城市化水平与人均GDP驱动力是天水市今后的发展重点。因此,必须加强城镇居民基础设施建设,提高城市竞争力,推动天水市土地资源可持续发展与利用,促进区域间生态平衡与土地资源的合理配置。

图1 驱动力生态安全指数变化情况

图2 压力生态安全指数变化情况

压力生态安全:压力生态安全指数变化趋势见图2。从图2可见,天水市土地生态安全曲线变化明显呈下降趋势,且R2=0.9144。压力生态安全指数从1995年的88.51下降到2015年的11.50,变幅为77.10。土地生态安全由安全状态向不安全状态过渡,说明天水市农业经济的发展对土地生态系统产生了巨大的压力,已超出了土地生态系统自身的承载能力。从表3可见,天水市单位耕地面积农药施用量所占分项权重值为0.3381,说明在农业生产过程中,农药的施用给土地造成的压力最大,因此应减少农药的施用,给土地“减压”。单位耕地面积地膜的使用量所占分项权重为0.2256,地膜在土壤中富集,不易降解,损害土壤的营养结构。在土地压力因子层中,各指标对土地压力的贡献值顺序为:X7>X8>X5>X6>X9。即化肥和农药对土地造成的压力最大,应减少化肥、农药和地膜的施用。

状态生态安全:由图3可知,天水市的土地生态安全状态指数值总体平稳,介于20—80之间,R2=0.2144,拟合值与实际值存在较大误差。天水市土地生态安全状态指数值由1996年的极小值19.92增长至2015年69.72,变幅49.80;主要是因为水土流失、土地荒漠化、水资源短缺造成的。因此,天水市应通过封山育林改变土地的状态结构,调整土地系统规模,选择合理的节水灌溉等措施保护土地资源。1995年天水市森林覆盖率为24.3%,人均公园绿地面积为4.21m2;2015年天水市森林覆盖率为35.9%,人均公园绿地面积为9.5m2。随着天水市“十三五”规划的出台和政府部门对环境的集中整治,天水市的土地安全状况略有改善,但总体情况仍不容乐观。

图3 状态生态安全指数变化情况

影响生态安全:由表5、图4可知,影响生态安全的指数呈增长趋势,R2=0.9536,曲线拟合较好。1995—2002年,影响天水市生态安全的指数呈线性增长趋势,但增长速度缓慢,值介于0—40之间,土地状态不安全,主要是因为第三产业所占比重较大,对土地生态安全影响较严重,2002年为43%;其次是农民人均纯收入较低,2002年为1250元;第三是单位耕地粮食产量物较少,1995年为162.65kg/km2,说明土地生产效率低,对土地的影响较小。2003—2009年,影响天水市生态安全的指数值介于40—60之间,土地状态为敏感,主要是因为在土地利用和开发过程中,由于受到自然灾害的影响,土地质量状况越来越差。随着天水市经济的增强和相关政策法规的制定,对土地利用监管力度加大,土地质量短期内出现缓慢恢复,影响指数由2003年的40.89增长至2015年的99.80,土地状态为安全。由于丝绸之路经济带建设和天水市被评为全国生态文明城市,关中—天水经济圈的建立,使天水市土地安全状态更加稳定。

图4 影响生态安全指数变化情况

响应生态指数:由图5可知,响应生态指数增长缓慢,并受外界环境因素的影响较大,R2=0.295,拟合值与实际情况存在偏差。2007年天水市工业废水达标排放率为94.42%,2015年环保投资仅为31.59亿元,出现这一现象的原因是受国际金融危机的影响,对天水市经济发展的影响巨大,2015年全市环保投资3.16亿元。天水市工业废水达标排放率分项权重为0.4875,对土地生态安全的响应较大。随着天水市工业对土地生态安全的响应逐渐增大,加强对企业污染的监测、合理控制工业废水的排放成为天水市土地资源可持续利用的重中之重。同时,政府需加强对土地的政策响应,确保土地的合理开发利用。

土地综合生态安全:通过计算和分析,对天水市1995—2015年土地生态安全进行评价,得到生态安全指数变化曲线图见图6。从图6的曲线变化趋势看,天水市土地安全整体呈缓慢增长趋势,土地生态安全状态介于敏感与较安全之间。从评价因子层看,驱动力所占权重为0.2462,贡献值最大;响应所占权重为0.1323,贡献值最小。在今后土地资源的开发与利用过程中,天水市应提高GDP增长的驱动力,在加强土地环境保护的同时加快经济发展,减少化肥、农药对土地安全造成的压力;增强环保投资对土地安全的响应,加大环保投资力度。

图6 综合生态安全指数变化

3 结论与讨论

本文参照DPSIR框架模型构建天水市土地生态安全指数模型,对1995—2015年天水市土地状况进行评价。本文采用灰色关联模型进行赋权,克服了主观传统赋权法的缺点,具有数学矛盾的客观性。但灰色关联模型并非完全客观,为了使评价结果更具客观性,有必要对灰色关联模型进行改进,优化ρ的取值。一般情况下ρ取0.5,δi值恒大于0.3333;ρ的取值具有随意性,导致δi出现较大的误差。此时,通过简化ρ的取值,如对δi进行改进,忽略ρ的取值部分,则使评价过程更具有客观性。评价结果与天水市土地实际情况相符,故此改进模型可客观地对土地质量和状况进行评价。

通过分析,1995—2006年天水市土地生态安全处于敏感状态,2007年、2009年处于较安全状态,2008年为敏感状态,2010—2012年处于敏感状态,2013—2015年处于安全状态。由图6的曲线可知,天水市土地生态安全整体呈缓慢增长趋势,土地安全等级由不安全状态向安全状态过渡;状态生态安全指数和响应生态安全指数曲线增长速度缓慢,起伏波动较大,土地生态安全等级为敏感且起伏变化;压力生态安全指数曲线呈下降趋势,且下降速度加快,土地生态安全等级由安全变为不安全状态。针对这种变化趋势,提出有关土地资源可持续安全利用的对策建议,具体为:①政府及相关环保部门应加强土地的监管和保护力度,制定新的土地资源可持续利用政策,健全土地生态保障制度。②社会各界应重视对土地生态环境的保护,倡导绿色的生产方式;积极宣传土地生态环境保护的发展政策,并与破坏土地生态平衡的行为作斗争。③公民个体应树立正确的可持续发展观念,倡导科学发展的农业生产观念,合理优化农业种植结构与规模。

本文使用的方法存在一定的缺陷,在指标的选取过程中存在相对主观性,不能完全客观地评价土地安全等级;在研究区域上只限于小区域,研究结果尺度上的普遍性存在局限。通过研究旨在对小区域的土地生态安全评价提供理论依据,为小区域土地资源的合理利用提供新的方法。

[1]李玉平,蔡运龙.河北省土地生态安全评价[J].北京大学学报(自然科学版),2007,43(6)∶784-789.

[2]孙德亮,张凤太.基于DPSIR—灰色关联模型的重庆市土地生态安全评价[J].水土保持学报,2016,36(5)∶191-197.

[3]张凤太,王腊春,苏维词.基于物元分析—DPSIR概念模型的重庆土地生态安全评价[J].中国环境科学,2016,36(10)∶3126-3134.

[4]徐美,朱翔,李静芝.基于DPSIR-TOPSIS模型的湖南省土地生态安全评价[J].冰川冻土,2012,34(5)∶1265-1268.

[5]杨晓玲,刘学录.基于压力指标的生态安全趋向对土地生态安全的影响——以甘肃省庄浪县为例[J].甘肃农业大学学报,2014,49(1)∶134-139.

[6]李明月,赖笑娟.基于BP神经网络方法的城市土地生态安全评价——以广州市为例[J].经济地理,2011,31(2)∶289-293.

[7]天水市统计局.2015年天水经济统计年鉴[M].北京：中国统计出版社,2016.

[8]王新民,漆建武.ARIMA与指数平滑法在天水市GDP预测中的应用[J].兰州文理学院学报(社会科学版),2017,33(2)∶54-58.

[9]徐建华.计量地理学[M].北京：高等教育出版社,2006∶81-84.

[10]曹琦,陈兴鹏,师满江.基于DPSIR概念的城市水资源安全评价及调控[J].资源科学,2012,34(8)∶1591-1599.

[11]崔杰,党耀国,刘思峰.基于灰色关联度求解指标权重的改进方法[J].中国管理科学,2008,16(5)∶141-145.

[12]李灿,张凤荣,朱泰峰,等.基于熵权TOPSIS模型的土地利用绩效评价及关联分析[J].农业工程学报,2013,29(5)∶217-227.

[13]马红莉,盖艾鸿.基于熵权物元模型的青海省土地生态安全评价[J].中国农学通报,2014,30(2)∶208-214.

[14]孙奇奇,宋戈,齐美玲.基于主成分分析的哈尔滨市土地生态安全评价[J].水土保持研究,2012,19(1)∶234-238.

[15]张军以,苏维词,张凤太.基于PRS模型的三峡库区生态经济区土地生态安全评价[J].中国环境科学,2011,31(6)∶1039-1044.

[16]马子惠,梁成华,孟庆欢,等.基于PRS模型的大港油田土地生态安全评价研究[J].环境污染与防治,2015,37(1)∶41-47.

[17]余健,房莉,仓定帮,等.熵权模糊物元模型在土地生态安全评价中的应用[J].农业工程学报,2012,28(5)∶260-266.

[18]杨春红,张正栋,田楠楠,等.基于P-S-R模型的汕头市土地生态安全评价[J].水土保持研究,2012,19(3)∶209-214.

[19]高春泥,程金花,陈晓冰.基于灰色关联法的北京山区水土保持生态安全评价[J].自然灾害学报,2016,25(2)∶70-73.