生态景观视角下土地整治的生态效益评价

鲁胜晗,朱成立,周建新,田世超,王炎如,常 军

(1.河海大学 农业工程学院,南京 210098;2.华东勘测设计研究院,杭州 311122;3.河海大学 水文水资源学院,南京 210098)

土地是人类生存和发展的重要载体，是城乡建设与经济发展的重要支柱，同时也是生态环境与景观的重要组成部分。随着对土地生态环境与农田景观建设的越发重视，土地整治作为一项综合组织土地利用的传统活动，面临着新的发展。新形势下的土地整治意在实现生态可持续性，通过引入生态景观元素完善生态结构与景观功能，利用生态斑块、廊道的稳定性与生态系统的调节能力促进土地可持续发展。

土地整治对区域生态环境保护与景观建设有积极影响，然而目前对土地整治的生态效益评价研究多以定性的描述与分析为主，很难科学、客观地做出评估与判断，导致一些土地整治项目的生态保护与景观建设很难达到预期结果，因此对土地整治生态效益评价的研究具有积极的意义。目前，国内外对土地整治生态效益评价的研究有一定探索，一些学者从不同的角度入手对其展开研究，李岩等[1]从生态学角度出发，在生态系统层次上建立生态环境状况指数模型;丁向华等[2]，刘峻岭等[3]分别从生态环境保护视角和宏观的景观格局与微观的生态过程入手选取生态效益评价指标并构建评价体系;而Crecent等[4]认为对土地整治生态效益的评价主要以反映对农地保护及直接环境效益的环境影响为主。目前国内学者对土地整治的生态效益评价多采用层次分析法[5]，特尔菲法[2]，模糊综合评价法[6]等，然而这些方法存在主观性与理解模糊性，受人为影响大。所以笔者尝试从生态景观视角入手，在层次分析法的基础上结合BP神经网络使评价过程模式化，以弥补主观因素的不足，使评价结果更具客观性与真实性。

1 研究方法

1.1 评价指标体系

在生态景观视角下，土地整治是通过一系列工程、生物措施对区域生态与景观功能、结构进行改造，进而体现整体的生态效益。因此，对土地整治生态效益的评价需充分考虑土地整治工程，生态环境保护和景观格局建设的关系，以构建合理的，有层次的指标体系。土地整治的生态效益评价是动态的、综合的，为充分体现土地整治对区域生态环境与景观全面、持续的影响，在构建评价指标体系时应遵循科学性、系统性、动态性、可操作性及定性与定量相结合原则[7]。根据以上思路和原则，借鉴已有的研究成果并参考专家意见，运用层次分析法，结合土地整治的特点及工程实践来构建基于生态景观视角的评价指标体系，以“生态效益”为目标，拟定3个准则及10个指标和21个子指标(表1)。

该评价指标体系共有4层，分“基本功能”、“生态功能”、“景观功能”3个准则。“基本功能”以生产能力、土壤改良、基础设施为指标层，涵盖6个基本指标，可以体现土地整治从提升耕地能力、土壤质量和基础设施建设水平3个方面对支持区域生态环境保护与景观建设的作用大小;“生态功能”以环境保护、水土保持、水资源保护、生物多样性保护为指标层，涵盖8个生态指标，考虑土地整治对区域环境、土、水、生物保护的程度;“景观功能”以景观多样性、美观性、稳定性为指标层，涵盖7个景观指标，体现土地整治丰富、美化景观，提升区域系统抗扰动能力的作用。其中包含的21个子指标既有定量的也有定性的，需根据各指标的量化方法和标准来确定(表1)。

表1 土地整治的生态效益评价指标体系

该评价指标体系能较为全面地从工程、生态保护、景观格局角度展现土地整治对区域生态效益的影响。与常见综合评价中的生态效益指标体系[8-9]比较，该体系强调了基本功能的相关指标对生态效益的影响，且更详尽地通过生态功能的相关指标展现了土地整治在生态保护方面对生态效益的影响，同时引入景观格局指数体现生态效益评价中景观功能的作用。而与常见的生态效益评价指标体系[10]相比，该体系更注重生态和景观功能指标的关联性，着重体现了生态与景观功能对生态效益的影响。

1.2 AHP和BP神经网络

层次分析法(AHP)是美国运筹学家T.L Satty于20世纪70年代提出的一种多目标决策分析方法，基本思路是将复杂问题分解成多个层次和因素，然后请领域内的专家、学者对两两指标间的相对重要程度作出比较判断，再构造判断矩阵，通过计算其最大特征值及对应特征向量，得出各个层次重要程度的权重，为决策提供了依据[11]。层次分析法属于一种定性判断与定量分析相结合的分析方法，但会使评价结果存在一定程度上的主观性。

反向传播(BP)神经网络是一种单向传播的前馈神经网络，其主要的特点是信号前向传播，误差反向传播。在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出[12]。BP神经网络具有很强的自学习、自适应能力还有很高的容错性，其层与层神经元之间通过权系数连接的全互联连接方式可以看作一种高度非线性映射，但其目前仍存在一定的局限性。

土地整治对生态环境与景观有综合且动态的影响，运用层次分析法可以将复杂的生态效益分解成若干层次，得出各层次的权重并进行主观意识上粗略的评价与优选，而通过BP神经网络的构建，训练与预测可以得出更客观的评价。两者都是可单独对土地整治的生态效益进行评价的系统性方法，但会使评价结果存在主观性与局限性。故笔者尝试结合两种方法进行评价，发挥各自的优势弥补彼此的缺点，使评价体系系统化，提高评价的准确性与科学性。

1.3 评价步骤

步骤一，确定各指标、准则的权重系数ωi和对评价体系中定性的指标进行评分。邀请业内和当地的水利、国土、生态等方面的专家进行问卷调查，对评价指标体系中3个准则、10个指标和21个子指标的相对重要程度做两两比较判断，构造出各层次的判断矩阵，求解各个专家给出并通过一致性检验的判断矩阵，综合后可得各准则、指标与分指标的权重系数[13]。同时采用专家评分法，对农业小气候改善度、水资源平衡尺度、景观连通性3个难以量化的指标根据表1中相应的指标量化标准从0到10打分，功能越强，评分越高。

步骤二，数据预处理。运用相应的量化方法和标准(表1)将评价体系中的指标全部化为实数，但由于存在不同量纲和不同数量级的指标值，评价会变得复杂。因此在进行评价前，需对指标数据进行预处理，使数据处于[0～100]范围之内(表2)。

表2 评价体系中各指标数据预处理方法

步骤三，运用层次分析法进行初步评价。以评价指标体系和指标的权重系数为基础，运用层次分析法对研究区域土地整治的生态效益进行评价。按照预处理后的指标数据乘以相应的权重系数，并按各层次求得研究区各指标、准则及生态效益的评价值。

步骤四，构建BP神经网络模型并进行评价。

(1) 网络拓扑结构:由于在理论上已经证明一个任意3层BP神经网络能完成任意的非线性连续映射[14]，因此采用含输入层、隐含层、输入层各1个的3层BP神经网络，输入层与隐含层的传递函数选用tansig，隐含层与输出层的传递函数选用purelin。其中输入层节点对应评价指标个数，输出层节点对应目标和各准则，然而隐含层节点目前尚无成熟、完善的理论指导，故笔者尝试采用经验公式法的改进方法来确定隐含层节点[15]。

(2) 网络训练:选取一定数量的训练样本，并以层次分析法初步评价的初步结果为期望输出。训练函数采用traingdx，同时设定合适的最大训练次数，学习率及目标误差。最后加载训练样本对网络进行训练，使网络达到较好的精度。

(3) 网络检验与评价:在选取训练样本的同时选取检验样本，即为评价样本。将其加载到训练达标的BP神经网络评价模型中，输出结果即为得到的土地整治生态效益评价值。再将其与期望输出对比，检验评价模型是否达到评价要求。

(4) 网络保存;将训练好且检验达标的网络进行保存，如需对土地整治的生态效益评价，即可迅速重启网络，输入待评价区域的指标值，即可获得相应的评价结果。

步骤五，根据评价模型输出结果进行评价。得出各准则、目标的评价值后，比较研究区域内“基本功能”、“生态功能”、“环境功能”及生态效益的优劣，评价值越大，其功能越强，效益越好。

2 实例应用

2.1 研究区概况

选取白鹤滩水电站(云南与四川部分)土地整治项目与衢州市衢江区万亩水田垦造项目作为研究对象。

(1) 白鹤滩土地整治项目。白鹤滩水电站位于云南、四川两省交界的金沙江上，土地整治作为其配套工程在金沙江两岸起到补充耕园地，加强基础设施建设，提高生产生活水平，保护生态环境，提升景观建设等作用。其中在云南境内覆盖1区2市3县，主要以土地开发为主，还有一些垫高造地工程;四川境内覆盖1个自治州5个县，主要以土地整理为主，土地开发较少。其区域内地表特征多样，地貌类型众多，地域组合复杂，垂直差异明显;气候复杂、变化大，主要以高原气候为主，雨热同期;土壤种类多样，呈阶梯状分布，主要以红壤、黄棕壤为主;水文情况较好，降雨较丰富且主要集中在夏季，水系较发达;土地利用主要以耕园地和林地为主，土地利用率较高但垦殖率处于中下水平，森林覆盖率可达4至5成。

白鹤滩土地整治目标主要分为3个方面:(1) 保护脆弱的生态环境，治理水土流失，打造农业景观;(2) 筹措高质量耕园地，解决配套基础设施，提高土地产出;(3) 开发具有潜力的未利用地，形成生产力和一定的植被覆盖。

(2) 衢江万亩水田项目。衢江万亩水田项目位于衢州市，地处浙江西部，钱塘江上游，是国家级智慧生态农业综合改革试验区也是全国农业示范园区。土地整治作为其主要的工程措施起着平衡优质土地资源，调整农业结构，保护农业生态，提升农业景观，和谐三农三生，融合一二三产业等作用，为促进智慧农业发展和加快农村综合改革打下基础。其中又主要以土地开发整理和高标准农田项目为主。区域内主要为丘陵地貌，地势西高东低;气候温暖湿润，光热丰富，雨量充沛，无霜期长;土壤肥沃，主要以壤、粘质土为主;内部水系丰富，水库与坑塘水面分布较多，水渠横贯东西;土地利用主要以水田、果园为主，土地利用率和土壤垦殖率都属于中上水平，植被覆盖率可达8成。

衢江万亩水田项目目标主要分为4个方面:(1) 按照生态文明、农旅景观和农业现代化要求促进农业可持续发展;(2) 打造“土地整治+”模式，形成高端绿色农业和“智慧农业”;(3) 平衡高质量土地资源，解决土地矛盾。(4) 以土地整治项目为依托，融合一二三产业。

2.2 指标值与权重系数的确定

根据表1中的指标量化方法，结合研究区情况，对评价体系内的定量指标进行量化处理，得到相应指标数据。邀请了浙江省、江苏省及当地的十一名国土、水利、生态专家进行问卷调查，结合研究区情况，根据表1中相应的量化标准对定性的指标进行评分，同时对评价指标的两两相互重要性做出判断，运用层次分析法求解这些判断矩阵并验证其一致性，最终得出定性指标的相应指标数据和各指标、准则的权重系数。根据表2中的处理方法对评价体系中的指标数据进行预处理，得到规范化的数据(表3)。

表3 评价指标权重系数及数据

2.3 AHP和BP神经网络评价

根据评价步骤三，运用层次分析法，以各指标、准则权重系数和评价指标数据基础，对研究区内各片区的土地整治生态效益进行初步评价，得初步评价值。

根据评价步骤四中的网络设计思路，应用Matlab软件建立4个BP神经网络，评价对象为基本功能，景观功能，生态功能和生态效益，其对应的网络拓扑结果分别是6×13×1,8×17×1,7×15×1,21×43×1。抽取蒙姑，大崇集镇，白鹤滩镇土地整治项目的数据样本作为检验样本，再选取34个土地整治项目的数据样本为训练样本，并以初步评价值为期望输出。经训练使网络达到较好的训练精度后，输入检验样本得相对误差(表4)，可见该网络的最大误差在1%以内，达到检验与评价要求。最后输入白鹤滩(云南)，白鹤滩(四川)，衢江的指标值进行评价，获得研究区相应的评价值(表5)。

表4 检验样本相对误差 %

表5 评价指标值

2.4 评价分析

由各准则、指标的权重系数可看出:生态功能和景观功能2个准则相对更重要，其中农业小气候改善度、土壤侵蚀指数、水资源平衡尺度、生物丰富指数、香农多样性、景观连接度在所在准则层中较为重要。

通过分析评价结果可以看出:在生态景观视角下，衢江万亩水田项目的生态效益要优于白鹤滩土地整治项目，而在白鹤滩土地整治项目中四川片区的生态效益要更优于云南片区;其中衢江万亩水田在基本功能、生态功能及景观功能都要全面强于白鹤滩土地整治项目，而白鹤滩四川片区的基本功能及景观功能要比云南片区更好，生态功能则稍差一些。评价结果与实际项目情况相符。

从评价结果分析结合研究区实际情况与主要目标来看:衢江万亩水田地处自然、社会及经济条件较好的东部地区，其基本功能优异，很好地平衡了优质土地资源，能有效支持生态环境保护和农业景观建设。而生态功能和景观功能虽然要优于白鹤滩土地整治项目，但优势不明显，考虑到该项目刚建设完成，后续根据还要根据规划的目标融合美丽乡村建设，“智慧农业”，农耕文化传承，生态环境提升和农旅融合等打造“土地整治+”，其生态功能、景观功能及生态效益会在现在的基础上更上一层楼;而白鹤滩土地整治项目地处欠发达的西部地区，虽然背靠白鹤滩水电站，在政策和经济上有很大力度的支持，但在自然条件上仍要差一些，导致其生态效益相对较差，由于项目仍在实施完善中，基础设施建设、生产能力提升和土壤改良仍是项目重心，所以其基本功能基本达标，开发和筹措生产用地、提高土地产出的任务基本完成，能给予生态环境保护与景观建设一定支持。但其生态功能和景观功能较差，保护生态环境、打造农业景观的目标尚未完全达成，待项目完善后加强改善生态环境，提升农业景观建设，其生态、景观功能和生态效益会有明显提升。

结合评价分析可知，本文所构建的评价体系不仅能体现土地整治区域整体的生态效益，还可以更细致地从土地整治的基本功能，生态功能和景观功能及各相应指标中体现土地整治对区域生态环境，景观格局的影响，表明该评价体系具有合理的可行性。

3 结 论

(1) 本文提出了一套系统、科学的土地整治生态效益评价体系，该体系包含3个准则，10个指标和21个子指标，涵盖了国土、水利、环境、景观等各领域各方面，各指标内容清晰明确，量化方法科学高效，同时引入专家评分法和层次分析法来确定各指标的权重系数，可以合理、有效地体现土地整治生态效益的各个方面。

(2) 本文是在生态景观视角下对土地整治的生态效益进行系统性的评价，强调生态环境保护与农业景观建设在新形势下土地整治中的重要性，是基于打造“土地整治”与“智慧农业”，改善农业环境，提升农业景观，建设美丽乡村，加强农旅融合的角度提出的。

(3) 本文采用层次分析法和BP神经网络模型相结合的方法进行土地整治的生态效益评价:确定各准则、指标的权重系数，对指标数据进行预处理，初步评价并选取训练样本及检验样本，构建BP神经网络并训练使其达标，检验网络符合评价要求后在该模型中输入评价样本进行评价。从权重系数分析可得，生态功能和景观功能2个准则及生物多样性保护、景观多样性、景观稳定性和景观美观性4个指标占比较大。从实例分析可知，衢江万亩水田项目在生态效益各方面都要优于白鹤滩土地整治项目，客观地体现了项目实际，表明该评价体系合理可行。

(4) 通过对实例评价进行分析，笔者对土地整治的生态效益提升有一些建议:以衢江万亩农田为代表的发达地区的土地整治在追求土地数量与质量的双平衡的同时，应在可持续发展、高标准建设、因地制宜、科技先导、统筹城乡的原则下，加强保护农业生态环境，提升农业景观建设，加强美丽乡村建设和农旅融合，努力打造“土地整治+”和“智慧农业”相结合的模式。而以白鹤滩土地整治项目为代表的欠发达地区的土地整治，应在加强基础设施建设的同时，在西部大开发战略背景下坚持以加强基本农田建设和生态退耕为主，努力保护脆弱的生态环境。

(5) 本方法也有一些需要改善的地方，评价体系中仍有较多定性的指标，应努力探索更多具有代表性且具备科学性的定量指标，减少因此而引起的信息丢失。