基于PSR和GM（1,1）模型的安徽省土地生态安全预警与分析

谈晟荟 张中浩 闻熠

摘要基于PSR模型和相关统计数据，构建安徽省土地生态安全评价指标体系，采用熵權法对2010—2016年安徽省土地生态安全状况进行评测，运用GM（1，1）模型对2017—2020年土地生态安全状况做出预警。结果表明：安徽省土地生态安全状况从2010年的0.355 （重警）上升到2016年的0.671（中警），土地生态安全状况有所好转，系统压力层、系统状态层以及系统响应层指数均呈上升趋势。2017—2020年的预警值分别为0.776（中警）、0.875（轻警）、0.987（无警）和1.113（无警），表明未来4年安徽省土地生态状况将持续好转。

关键词PSR模型;GM（1，1）模型;土地生态安全;安徽省

中图分类号F205文献标识码A

文章编号0517-6611（2019）03-0001-04

doi：10.3969/j.issn.0517-6611.2019.03.001

土地资源是人类赖以生存的物质基础，是人们生产生活和经济发展的重要载体。土地生态系统是整体生态系统的重要组成部分，对土地资源的合理配置和保障其生态安全关系到区域的整体安全，因此对区域土地生态安全的研究显得意义重大[1]。近年来，城市化和工业化进程不断加速导致土地利用强度不断增加，使得土地安全问题日益突显，国家对于生态环境建设给予高度关注，《十三五生态环境保护规划》第六章中指出，要完善风险防控和应急响应体系，有效防范和降低环境风险，健全资源环境承载力预警机制，对接近和达到警戒线的区域进行管制。

土地生态安全预警是生态安全研究中的一个热点问题。目前，国内外学者对此进行了一些研究。从预警模型方面来看，主要有GM（1，1）模型[2]、GM（1，1）无偏模型[3]、BP神经网络模型[4]、RBF神经网络模型[5]、情景分析模型[6]、调控分析模型[7];从研究区域来看，主要集中在对生态系统敏感、脆弱的地区，以省、市一级行政单位为基础[8];从研究内容来看，主要研究土地生态安全的目前状态，并利用相关模型预测其发展趋势，提出改善建议[9]。总体来看，相关理念和技术方法已经成熟。然而，对于安徽省土地生态安全的研究，仍停留在评价土地生态安全的目前状况，缺乏预警研究。

该研究选取安徽省为研究区域，运用熵权法赋权，得到综合评价值，以期对现有土体生态安全状况做出定量、定性的评价，利用GM（1，1）模型对安全趋势做出合理预测。

1研究方法与数据来源

1.1研究方法

1.1.1PSR模型法

压力-状态-响应模型（PSR）。此模型于20世纪80年代由国际经济与发展组织提出，旨在构建区域生态安全评价指标体系，对区域生态安全进行评估[10]。该指标体系由三部分组成，即压力系统（P）：表征人类对生态系统造成压力的相关指标;状态系统（S）：表征生态系统目前状态的相关指标;响应系统（R）：表征人类应对生态系统变化所采取行动的相关指标。基于PSR理念和相关论文成果[11-12]，选取23个评测指标，构建了安徽省土地生态安全评价模型（表1）。

1.1.4土地生态安全等级划分。

依据现有研究成果，将生态安全等级划分为5个等级，即重警、中警、轻警、预警、无警[13]（表2）。

1.2数据来源

研究数据来源于《安徽省统计年鉴》（2011—2016）、安徽省环境保护厅、《国家环境统计年鉴》《中国农村统计年鉴》、安徽省国民经济和社会发展统计公报、《中国城市建设统计年鉴》，部分统计指标通过对相关数值的计算获得。

2安全预警与分析

依据以上研究方法，采用熵权法计算得到安徽省2010—2016年土地生态安全综合评价指数，利用GM（1，1）模型计算得到2017—2020年土地生态安全综合指数预测值。

2.1目标层土地生态安全指数预警及分析

在建立GM（1，1）模型的基础上，通过对相关数值的计算，对未来4年安徽省土地生态安全目标层状况做出预测（图1），目标层预测公式为：X（t+1）=2.966 759e0.113t-2.611 504。预测值为0.776 3，0.875 3，0.986 8，1.112 5。表4为该公式的拟合结果，其中P=1（好），C=0.168（好），表明模型精度高，符合要求。自2010年以来，安徽省的土地生态安全状况一直朝着良好的方向发展，从指标层数据分析来看，第一产业占GDP比重、 单位耕地化肥施用量、单位耕地农药使用量、工业废水排放量均呈下降趋势;森林覆盖率、人均地区生产总值、第三产业占GDP比重、人均公园绿地面积、农村人均纯收入、环保投资占GDP比重、污水处理率、生活垃圾无害化处理率、建成区绿化覆盖率、水土流失综合治理面积均呈上升趋势。综合来看，负向指标的下降，正项指标的上升，是导致安徽省土地生态安全状况好转的主要推动力。2010年安徽省十一届人民代表大会第二十次会议通过了《安徽省环境保护条例》，该条例中监督管理、保护和改善环境、防治污染和其他公害、法律责任等相关政策的出台和实施，切实有效地改善了安徽省的土地生态环境状况。

2.2压力层土地生态安全指数预警及分析

在建立GM（1，1）模型的基础上，通过对相关数值的计算，对未来4年安徽省土地生态安全压力层状况做出预测（图2），压力层预测公式为：X（t+1）=0.160 278e0.239t-0.053 93。预测值为0.260 1、0.341 8、0.449 3、0.590 6。表5为该公式的拟合结果，其中P=1（好），C=0.403（较好），表明模型精度较高，符合要求。自2010年以来，压力层的安全指数呈先下降后上升的趋势，大致可分为2个阶段，即2010—2013年为下降时期，2013—2016年为波动上升时期。就下降阶段而言，单位耕地化肥施用量从7 647.6 t/hm2增加到7 970.0 t/hm2;一般工业固体废弃物产生量从9 158.17万t增加到12 022.3万t，地膜使用量从3.73万t增加到4.05万t，这些指标的变动导致该时间段系统压力增大，从而使得系统压力评分变低。就上升阶段而言，第一产业占GDP比重从2013年的11.79%下降到2016年的10.64%;单位耕地化肥施用量从7 635 t/hm2下降到5 568 t/hm2;单位耕地农药使用量从281 t/hm2下降到180 t/hm2。这些指标的变动是压力系统好转的主要原因。

2.3状态层土地生态安全指数预警及分析

在建立GM（1，1）模型的基础上，通过对相关数值的计算，对未来4年安徽省土地生态安全状态层状态做出预测（图3），状态层预测公式为：X（t+1）=2.051 276e-0.072t-1.884 722。预测值为0.249 3、0.268 7、0.289 6、0.312 0。表6为该公式的拟合结果，其中P=0.857（较好），C=0.464（较好），表明模型精度较高，符合要求。自2010年以来，响应层的状况有所好转，呈波动上升趋势。从指标层的数据变动来看，森林覆盖率稳步上升，7年间上升了1.12%;第三产业占GDP比重的增加，有效调整了产业结构，使农业、工业对于土地压力进一步减小;农村人均纯收入增幅较大，从2010年的6 895.62元/人增长到2016年的15 514.88元/人，说明农村经济持续发展，农业经济发展乐观;人均公园绿地面积增加也使得系统响应层状态好转。与此同时，关注城市建成区面积的迅速扩张，城市扩张占用了大量的土地资源，人口集聚导致环境污染，工业建筑以及道路系统的建设在一定程度上危害土地生态安全。

2.4响应层土地生态安全指数预警及分析

在建立GM（1，1）模型的基础上，通过对相关数值的计算，对未来4年安徽省土地生态安全响应层状态做出预测（图4），响应层预测公式为：X（t+1）=2.051 276e0.072t-1.884 722。预测值为0.289 1、0.317 2、0.34 8、 0.381 8。表7为该公式的拟合结果，其中P=0.857（较好），C=0.495（较好），表明模型精度较高，符合要求。自2010年以来，响应层的状态有所好转。从指标层来看，环保投资占比稳步上升，从2010年的1.46%上升到2016年的2.04%，说明政府越来越重视区域的环境保护，加大了资金投入和管理力度。其中，污水处理率、生活垃圾无害化处理率以及建成区绿化覆盖率均呈上升趋势，有效地改善了区域环境状态，使土地压力减小。在应对自然灾害方面，水土流失综合治理面积从2010年的4.3 hm2增加到2016年的21.0 hm2，有效降低了土地生态安全的风险。

3结论与讨论

（1）2010—2016年安徽省土地生态安全警情分别为重警、重警、中警、中警、中警、轻警、轻警，土地生态状况好转。系统压力层、系统状态层、系统响应层指数均呈上升趋势，表明安徽省环境保护条例自2010年实施以来，成效显著。

（2）利用GM（1，1）模型预测得到2017—2020年安徽省土地生态安全预警值指数分别为0.776 3、0.875 3、0.986 8、1.112 5。模型精度检验：P=1，C=0.169，表明模型精度高，预测值可信度高。未来4年安徽省土地生态安全状况朝着无警方向发展，土地生态安全状况进一步好转，达到最优情况。

（3）在PSR模型构建中，该领域对评价指标体系尚未形成一个明确的体系，该研究在指标选取上，舍弃一些不连续的指标，因而指标选取存在一定的局限性。在今后的研究中，可以运用合理的插值方法将缺失的数据补齐并加入测评，使得指标体系更具针对性和丰富性。

参考文献

[1] 吴次芳，徐保根.土地生态学[M].北京：中国大地出版社，2003：27-61.

[2] 嚴超，张安明，吴仕海.基于GM（1，1）模型的土地生态安全动态分析与预测：以安徽省池州市为例[J].西南大学学报（自然科学版），2015，37（2）：103-109.

[3] 范胜龙，杨玉珍，陈训争，等.基于PSR和无偏GM（1，1）模型的福建省耕地生态安全评价与预测[J].中国土地科学，2016，30（9）：19-27.

[4] MELESSE A M，KRISHNASWAMY J，ZHANG K.Modeling coastal eutrophication at Florida Bay using neural networks[J].Journal of coastal research，2008，24（S2）：190-196.

[5] 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.

[6] 孙云鹏.全球变化背景下辽宁省土地利用生态安全情景分析[J].安徽农业科学，2010，38（24）：13150-13153.

[7] 孙鹏，何如海，王其帅，等.合肥市土地生态安全预警及调控研究[J].辽宁工业大学学报（社会科学版），2018，20（2）：26-30.

[8] FARHAN A R，LIM S.Vulnerability assessment of ecological conditions in Seribu Islands，Indonesia[J].Ocean & coastal management，2012，65（3）：1-14.

[9] 陈美婷.广东省土地生态安全预警初步研究[D].广州：中国科学院广州地球化学研究所，2015.

[10] 熊建华，韩书成.基于熵权法和PSR模型的佛山市土地生态安全评价研究[J].环境科学与管理，2015，40（6）：160-164.

[11] 谢嗣频.土地生态安全评价指标体系研究：以无锡市为例[D].南京：南京农业大学，2011.

[12] 韩书成，熊建华，李丹.珠三角城市群土地生态安全评价指标体系研究[J].广东农业科学，2016，43（2）：83-88.

[13] 余文波，蔡海生，张莹，等.湖北省土地生态安全预警评价及调控[J].环境科学与技术，2018（2）：189-196.