楊人豪, 楊慶媛, 曾 黎, 陳伊多

(西南大學(xué) 地理科學(xué)學(xué)院, 重慶 400715)

基于BP-ANN模型的農(nóng)村土地生態(tài)安全評(píng)價(jià)及影響因素分析
——以重慶市豐都縣為例

楊人豪, 楊慶媛, 曾 黎, 陳伊多

(西南大學(xué) 地理科學(xué)學(xué)院, 重慶 400715)

針對(duì)重慶市豐都縣土地生態(tài)敏感特性和區(qū)域?qū)嶋H情況，將土地生態(tài)安全評(píng)價(jià)指標(biāo)值作為輸入，土地生態(tài)安全評(píng)價(jià)得分作為輸出，基于多層反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP-ANN)構(gòu)建了具有15個(gè)隱含層神經(jīng)元的3層土地生態(tài)安全評(píng)價(jià)模型，通過(guò)Matlab R2012b隨機(jī)選取2013年317個(gè)總樣本中的200個(gè)樣本，將其中的70%，30%分別作為網(wǎng)絡(luò)的訓(xùn)練樣本和檢驗(yàn)樣本用于訓(xùn)練及檢驗(yàn)BP-ANN，將剩余117個(gè)樣本測(cè)試網(wǎng)絡(luò)，再將2014年317個(gè)村的相關(guān)指標(biāo)值代入人工神經(jīng)網(wǎng)絡(luò)通過(guò)模式識(shí)別進(jìn)行評(píng)價(jià)；在此基礎(chǔ)上分析豐都縣農(nóng)村土地生態(tài)安全狀況的空間分異現(xiàn)象，并使用因子分析法結(jié)合多元線性回歸分析法研究影響豐都縣農(nóng)村土地生態(tài)安全的因素。結(jié)果表明：(1) 117個(gè)測(cè)試樣本中相對(duì)誤差小于5%的樣本占98.21%，BP-ANN模型精度良好；(2) 2014年豐都縣各村土地生態(tài)安全評(píng)分為40.47～55.73，平均得分49.19，土地生態(tài)安全狀況處于中等偏下水平，空間上土地生態(tài)安全評(píng)分全局Morans′I指數(shù)為0.34，空間呈自相關(guān)性，縣域內(nèi)西北部的農(nóng)村土地生態(tài)狀況較好；(3) 影響豐都縣農(nóng)村土地生態(tài)安全的因素按照影響程度大小依次為：植被生物條件、土壤條件、景觀多樣性、生態(tài)建設(shè)與發(fā)展協(xié)調(diào)程度、降水條件、水域條件。BP-ANN模型一定程度上克服了傳統(tǒng)評(píng)價(jià)過(guò)程中主觀因素導(dǎo)致的誤差，精確的評(píng)價(jià)結(jié)果對(duì)區(qū)域土地生態(tài)保護(hù)提供指導(dǎo)。

土地生態(tài)安全; 評(píng)價(jià);BP-ANN模型; 農(nóng)村土地; 豐都縣

生態(tài)安全是區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展的重要前提[1]，生態(tài)安全評(píng)價(jià)則是區(qū)域生態(tài)文明建設(shè)的基礎(chǔ)性工作。隨著人類社會(huì)對(duì)土地使用強(qiáng)度增加，土地污染、土壤退化和水土流失的現(xiàn)象不斷增多，人地矛盾突顯，土地生態(tài)安全成為生態(tài)安全研究領(lǐng)域中的重點(diǎn)和熱點(diǎn)。土地自然條件、土地利用方式和區(qū)域社會(huì)經(jīng)濟(jì)條件等因素從不同方面不同程度地影響著土地生態(tài)這一承載有限的系統(tǒng)[2]。利用科學(xué)合理的標(biāo)準(zhǔn)和方法評(píng)價(jià)土地生態(tài)安全，對(duì)于探索如何促進(jìn)土地生態(tài)可持續(xù)發(fā)展和保護(hù)區(qū)域生態(tài)安全有重要意義。

土地生態(tài)安全問(wèn)題被國(guó)內(nèi)外學(xué)者廣泛關(guān)注。世界銀行[3]在《土地質(zhì)量指標(biāo)》研究項(xiàng)目中率先提出“壓力—狀態(tài)—響應(yīng)”(P-S-R)框架用于土地生態(tài)質(zhì)量的評(píng)價(jià)。Jeffery[4]從農(nóng)業(yè)生產(chǎn)對(duì)于土地利用的影響程度角度評(píng)價(jià)土地生態(tài)安全；Herrmann等[5]運(yùn)用系統(tǒng)工程方法研究發(fā)現(xiàn)，多種自然條件可作為土地生態(tài)約束條件來(lái)優(yōu)化鄉(xiāng)村土地利用結(jié)構(gòu)；Allan等[6]在評(píng)價(jià)土地生態(tài)基礎(chǔ)上利用GIS緩沖區(qū)分析優(yōu)化小流域土地生態(tài)利用格局。國(guó)內(nèi)學(xué)者主要研究土地生態(tài)安全的評(píng)價(jià)框架模型、評(píng)價(jià)方法、條件模擬及其區(qū)域?qū)嵶C。謝余初等[7]利用P-S-R模型構(gòu)建了甘肅白龍江流域的景觀生態(tài)安全指標(biāo)體系并探討其時(shí)空變化特征；徐美等[8]運(yùn)用DPSIR模型對(duì)湖南省的土地生態(tài)狀況進(jìn)行測(cè)度；張玉澤等[9]通過(guò)DPSR模型構(gòu)建山東省生態(tài)安全預(yù)警機(jī)制。張虹波[10]和鮑艷[11]等分別利用層次分析法、主成分分析法建立和調(diào)整土地生態(tài)評(píng)價(jià)指標(biāo)體系；黃海等[12]利用生態(tài)足跡法分析重慶市合川區(qū)的土地生態(tài)情況，并計(jì)算其土地生態(tài)壓力指數(shù)；肖篤寧等[13]從景觀生態(tài)學(xué)的視角解析應(yīng)該如何評(píng)價(jià)和保護(hù)土地生態(tài)系統(tǒng)；吳曉等[14]利用灰色關(guān)聯(lián)法對(duì)重慶市巫山縣的土地生態(tài)狀況進(jìn)行動(dòng)態(tài)評(píng)價(jià)。林彰平等[15]對(duì)東北農(nóng)牧交錯(cuò)帶土地利用生態(tài)安全模式進(jìn)行案例研究和條件模擬。土地生態(tài)安全評(píng)價(jià)實(shí)證區(qū)域囊括了國(guó)家[16]、省域[17]、市域[18]、縣域[19]、鎮(zhèn)域[20]等多種尺度?，F(xiàn)有研究中較缺乏利用人工神經(jīng)網(wǎng)絡(luò)模型測(cè)度區(qū)域土地生態(tài)安全狀況，且村域評(píng)價(jià)尺度研究較少。本文結(jié)合豐都縣土地生態(tài)環(huán)境和區(qū)域經(jīng)濟(jì)社會(huì)特點(diǎn)，嘗試以村為研究單元運(yùn)用可以模擬人腦神經(jīng)元計(jì)算的非線性動(dòng)力學(xué)系統(tǒng)BP-ANN模型評(píng)價(jià)區(qū)域土地生態(tài)安全狀況。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

作為長(zhǎng)江上游天然生態(tài)屏障的豐都縣地處重慶市中部，地理位置為107°28′03″—108°12′37″E，29°33′18″—30°16′25″N，位于生態(tài)系統(tǒng)敏感性顯著的長(zhǎng)江三峽水庫(kù)消落帶，是渝東北生態(tài)涵養(yǎng)區(qū)的重要組成部分。豐都縣處于西南丘陵山區(qū)地帶，以山地地貌為主，山區(qū)面積超過(guò)60%，整體植被覆蓋率偏低，地表流水侵蝕沖刷嚴(yán)重。該區(qū)域?qū)儆趤啛釒Ъ撅L(fēng)氣候，年平均氣溫18.5℃，年均風(fēng)速1.5 m/s，多年平均降雨量900～1 200 mm，無(wú)霜期310余天。2014年豐都縣共轄30個(gè)鄉(xiāng)鎮(zhèn)，幅員2 900.86 km2；全縣戶籍人口為83.62萬(wàn)人，其中農(nóng)業(yè)人口65.47萬(wàn)人，占比偏大；地區(qū)生產(chǎn)總值(GDP)達(dá)135.37億元，城鎮(zhèn)居民人均可支配收入21 749元，農(nóng)村居民人均收入8 679元[21]，為國(guó)家級(jí)貧困縣。本文將豐都縣城鎮(zhèn)建成區(qū)范圍作為城鎮(zhèn)區(qū)域，其余區(qū)域視為農(nóng)村區(qū)域，面積共2 833.22 km2。

1.2 樣本分類與數(shù)據(jù)來(lái)源

為方便數(shù)據(jù)收集與統(tǒng)計(jì)，本文以村為研究單元，1個(gè)村即是1個(gè)樣本。全縣農(nóng)村區(qū)域共317個(gè)村，即共有317個(gè)樣本。現(xiàn)將2013年的317個(gè)樣本數(shù)據(jù)分為兩類：第一類，將隨機(jī)選取200個(gè)樣本的70%和30%分別作為構(gòu)建BP-ANN模型的訓(xùn)練樣本和驗(yàn)證樣本；第二類，將剩余的117個(gè)作為網(wǎng)絡(luò)測(cè)試樣本。樣本數(shù)據(jù)(2013年)主要來(lái)自于國(guó)土資源部“重點(diǎn)區(qū)域土地生態(tài)狀況調(diào)查與評(píng)估”項(xiàng)目中“西南山區(qū)生態(tài)敏感區(qū)典型區(qū)域土地生態(tài)狀況信息提取與精細(xì)評(píng)估”的前期研究成果，包括23項(xiàng)評(píng)價(jià)指標(biāo)和1項(xiàng)評(píng)估結(jié)果分值。研究運(yùn)用2013年的樣本對(duì)BP-ANN模型訓(xùn)練、驗(yàn)證和測(cè)試，再將2014年指標(biāo)數(shù)據(jù)代入模型，用于評(píng)價(jià)2014年豐都縣農(nóng)村土地生態(tài)安全狀況。

評(píng)價(jià)指標(biāo)數(shù)據(jù)主要來(lái)源于《豐都縣統(tǒng)計(jì)年鑒(2015)》、豐都縣國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)、豐都縣政府工作報(bào)告；自然基礎(chǔ)數(shù)據(jù)來(lái)源于航拍數(shù)字高程DEM(1∶10 000)、重慶市氣象站點(diǎn)數(shù)據(jù)和重慶市農(nóng)業(yè)委員會(huì)的土壤及土壤侵蝕數(shù)據(jù)庫(kù)；土地利用數(shù)據(jù)來(lái)源于人機(jī)交互遙感解譯重慶市豐都縣航拍影像后形成的土地利用現(xiàn)狀數(shù)據(jù)庫(kù)(比例尺為1∶2 000)，土地分類標(biāo)準(zhǔn)參照《土地利用現(xiàn)狀分類》(GB/T21010—2007)將土地利用類型分為耕地、林地、草地、園地、水域及水利用地、建設(shè)用地、其他用地。

2 BP-ANN模型構(gòu)建及運(yùn)行

2.1 BP-ANN模型概要

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)以大量神經(jīng)元聯(lián)結(jié)組成非線性復(fù)雜網(wǎng)絡(luò)，模擬人腦神經(jīng)判斷的運(yùn)行過(guò)程，具有自主學(xué)習(xí)、聯(lián)想存貯和高速尋求最優(yōu)解的能力，對(duì)于實(shí)現(xiàn)地理模式識(shí)別、復(fù)雜地理系統(tǒng)的優(yōu)化計(jì)算和地理過(guò)程模擬與預(yù)測(cè)等問(wèn)題有較強(qiáng)的適應(yīng)性[22]。人工神經(jīng)網(wǎng)絡(luò)類型多樣，除了BP-ANN模型之外，還有自組織特征映射網(wǎng)絡(luò)(Self-Organizing Feature Map，SOM)、徑向基函數(shù)網(wǎng)絡(luò)(Radial Basis Function，RBF)、自適應(yīng)共振網(wǎng)絡(luò)(Adaptive Resonance Theory，ART)等，其中BP-ANN在進(jìn)行模式識(shí)別和預(yù)測(cè)方面具有較好的容錯(cuò)性[23]，可以實(shí)現(xiàn)任何函數(shù)的逼近，在網(wǎng)絡(luò)訓(xùn)練期間反向傳播誤差，不斷地修正每層神經(jīng)元之間連接權(quán)重和閾值，直至均方差最小，一定程度上避免主觀因素對(duì)評(píng)價(jià)結(jié)果的影響，提高預(yù)測(cè)的精準(zhǔn)性、公平性和客觀性。

2.2 BP-ANN模型構(gòu)建

2.2.1 確定BP-ANN層數(shù) 一般由輸入層、隱含層和輸出層構(gòu)成的3層BP網(wǎng)絡(luò)即可在閉合區(qū)間內(nèi)逼近1個(gè)連續(xù)函數(shù)[24]，可以完成任意的n維到m維的函數(shù)映射，因此將BP-ANN模型設(shè)計(jì)為3層(圖1)。

圖1BP-ANN模型結(jié)構(gòu)圖

2.2.2 確定網(wǎng)絡(luò)輸入和網(wǎng)絡(luò)輸出 土地生態(tài)系統(tǒng)是自然條件基礎(chǔ)、土地利用狀態(tài)和社會(huì)經(jīng)濟(jì)響應(yīng)三者協(xié)調(diào)牽制的綜合體，西南山區(qū)生態(tài)敏感區(qū)土地生態(tài)狀況調(diào)查與評(píng)估過(guò)程從這三個(gè)方面考慮選取指標(biāo)。影響土地生態(tài)的自然因素可用年均降水量、降水量季節(jié)分配、土壤有機(jī)質(zhì)含量、有效土層厚度、土壤碳蓄積量水平、坡度、植被覆蓋度、生物量等指標(biāo)表達(dá)，土地利用狀態(tài)可以用土地利用類型多樣性指數(shù)、土地利用格局多樣性指數(shù)、斑塊多樣性、高等級(jí)耕地比例、有林地與防護(hù)林地比例、天然草地比例、水面比例、生態(tài)基礎(chǔ)設(shè)施用地比例、土壤侵蝕比例等指標(biāo)表達(dá)，社會(huì)經(jīng)濟(jì)響應(yīng)主要用人口密度、人口與生態(tài)用地增長(zhǎng)彈性系數(shù)、人口與生態(tài)用地增長(zhǎng)貢獻(xiàn)度、地區(qū)生產(chǎn)總值與生態(tài)用地增長(zhǎng)彈性系數(shù)、地區(qū)生產(chǎn)總值與生態(tài)用地增長(zhǎng)貢獻(xiàn)度指標(biāo)表達(dá)。為保證評(píng)價(jià)和預(yù)測(cè)的合理性和連續(xù)性，每組23個(gè)評(píng)價(jià)指標(biāo)數(shù)值(表1)作為一個(gè)樣本數(shù)據(jù)的輸入。每組指標(biāo)值通過(guò)評(píng)價(jià)后都得到的一個(gè)土地生態(tài)狀況得分，故將BP-ANN模型的輸出層設(shè)計(jì)為一個(gè)節(jié)點(diǎn)。

2.2.3 確定隱含層神經(jīng)元節(jié)點(diǎn)個(gè)數(shù) 隱含層的神經(jīng)元數(shù)量是控制BP-ANN模型的關(guān)鍵，神經(jīng)元個(gè)數(shù)過(guò)少會(huì)使網(wǎng)絡(luò)陷入局部極小值[25]，過(guò)多會(huì)影響網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的穩(wěn)定性。神經(jīng)元個(gè)數(shù)初始值設(shè)定參照“黃金分割”的隱含層神經(jīng)元個(gè)數(shù)計(jì)算方法[26]，初步將隱含層神經(jīng)元個(gè)數(shù)設(shè)為10～25，再在訓(xùn)練和測(cè)試網(wǎng)絡(luò)使其收斂的過(guò)程中確定最終隱含層神經(jīng)元個(gè)數(shù)(表2)。

2.2.4 數(shù)據(jù)標(biāo)準(zhǔn)化處理 評(píng)價(jià)區(qū)域中n個(gè)村包括m個(gè)評(píng)價(jià)指標(biāo)的土地生態(tài)安全狀況，則其原始數(shù)據(jù)矩陣X為：

原始指標(biāo)的值存在量綱和數(shù)值區(qū)間的差異，無(wú)法構(gòu)建成統(tǒng)一有序的數(shù)據(jù)集合，故使用極差標(biāo)準(zhǔn)化的方法將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

正向指標(biāo)：yij=(xij-xi,min)/(xi,max-xi,min)

(1)

負(fù)向指標(biāo)：yij=(xi,max-xij)/(xi,max-xi,min)

(2)

式中：yij為xij標(biāo)準(zhǔn)化后的值；xi,min為第i個(gè)指標(biāo)中最小值；xi,max為第i個(gè)指標(biāo)中的最大值；最終將xij的值轉(zhuǎn)為[0,1]的值，矩陣X轉(zhuǎn)變?yōu)闃?biāo)準(zhǔn)化數(shù)據(jù)矩陣，即網(wǎng)絡(luò)輸入矩陣p=(yij)n×m。相應(yīng)地網(wǎng)絡(luò)輸出數(shù)據(jù)也構(gòu)成矩陣T=(t1，t2，…，tn)T。

2.3 BP-ANN模型運(yùn)行

2.3.1 網(wǎng)絡(luò)訓(xùn)練和驗(yàn)證 將第一類數(shù)據(jù)200個(gè)樣本代入MatlabR2012軟件中人工神經(jīng)網(wǎng)絡(luò)工具箱nprtool，隨機(jī)抽取200個(gè)樣本中70%訓(xùn)練網(wǎng)絡(luò)，30%驗(yàn)證網(wǎng)絡(luò)，設(shè)置參數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中訓(xùn)練誤差設(shè)置為0.000 01，學(xué)習(xí)速率設(shè)置為0.1，最大訓(xùn)練次數(shù)為50 000次；訓(xùn)練過(guò)程中采用Levenberg-Marquart算法，傳遞函數(shù)采用tansig，學(xué)習(xí)函數(shù)采用learngdam。通過(guò)不同隱含層神經(jīng)元個(gè)數(shù)訓(xùn)練網(wǎng)絡(luò)收斂的次數(shù)，將隱含層節(jié)點(diǎn)確定為15，經(jīng)過(guò)703次訓(xùn)練后，網(wǎng)絡(luò)收斂，最終的均方差為3.39E-12，符合研究精度要求[27]，可對(duì)第二類數(shù)據(jù)117個(gè)待測(cè)試樣本進(jìn)行測(cè)試。

2.3.2 網(wǎng)絡(luò)測(cè)試 將需測(cè)試的117個(gè)樣本代入訓(xùn)練和驗(yàn)證后的BP-ANN中，得到測(cè)試結(jié)果(表3)。表3顯示相對(duì)誤差≥10%的樣本僅有2個(gè)，占1.7%，相對(duì)誤差為5%～10%的樣本僅有1個(gè)，占0.09%，相對(duì)誤差≤5%的樣本有114個(gè)，占98.21%，模型精度良好。

表1 西南山區(qū)生態(tài)敏感區(qū)土地生態(tài)狀況調(diào)查與評(píng)估指標(biāo)

表2 BP-ANN模型隱含層神經(jīng)元個(gè)數(shù)的檢驗(yàn)

3 結(jié)果與分析

3.1 豐都縣農(nóng)村土地生態(tài)安全狀況

運(yùn)用MatlabR2012將2014年317個(gè)待估樣本指標(biāo)值代入已經(jīng)測(cè)試好的BP-ANN模型里，得到評(píng)價(jià)結(jié)果(圖2)。從總體分值看，2014年豐都縣農(nóng)村區(qū)域317個(gè)村的土地生態(tài)安全得分為40.47～55.73，平均得分為49.19，土地生態(tài)安全狀況不容樂(lè)觀，處于中等偏下水平。通過(guò)ArcGIS 9.3的Natural breaks方法將土地生態(tài)安全得分結(jié)果將豐都農(nóng)村區(qū)域劃分5個(gè)等級(jí)，每個(gè)等級(jí)的分值分為40.47～46.04，46.05～48.37，48.38～49.87，49.98～51.30，51.31～55.73。從單項(xiàng)指標(biāo)看，年均降水量、有效土層厚度和斑塊多樣性指標(biāo)得分較高，分別為83.29，85.93，82.84，表明豐都縣的自然環(huán)境基礎(chǔ)條件較好，降水條件和土壤條件助力農(nóng)業(yè)發(fā)展，土地利用類型多樣；天然草地比例、生態(tài)設(shè)施用地、人口密度指標(biāo)得分最低，分別為0.82，0.88，0.63，表明豐都縣草地等天然綠化面積較少，生態(tài)設(shè)施用地比例不足，人口壓力較大。

3.2 豐都縣農(nóng)村土地生態(tài)安全空間分異

全局Morans′I指數(shù)常被用來(lái)反映區(qū)域內(nèi)空間自相關(guān)性的狀態(tài)。公式如下：

(3)

全局Morans′I指數(shù)的取值在[-1，1]之間，當(dāng)全局Morans′I<0時(shí)，空間呈負(fù)相關(guān)；Morans′I>0時(shí)，空間呈正相關(guān)，全局Morans′I=0時(shí)，空間呈無(wú)相關(guān)性[28]。通過(guò)ArcGIS 9.3中Spatial Statistics Tools中的Cluster and Outlier Analysis工具進(jìn)行空間自相關(guān)性分析測(cè)算得到豐都縣生態(tài)安全評(píng)分的全局Morans′I指數(shù)為0.34，以及相對(duì)應(yīng)的Z統(tǒng)計(jì)值14.08和p值0.000 3。根據(jù)表4，此次分析置信水平達(dá)到99%，表明顯著水平下，豐都縣農(nóng)村土地生態(tài)安全存在空間自相關(guān)性。

表3 BP-ANN模型測(cè)試結(jié)果

圖2表明豐都縣由長(zhǎng)江分隔開(kāi)的西北部和東南部差別明顯，生態(tài)較脆弱的區(qū)域位于主要包括河流蓄滯洪區(qū)、濱江防患區(qū)、地質(zhì)災(zāi)害高危險(xiǎn)地區(qū)等。西北部農(nóng)村土地生態(tài)安全評(píng)分在58上下浮動(dòng)，較東南部土地生態(tài)安全狀況好；區(qū)域內(nèi)海拔較低，低山丘陵廣布，土層厚度較厚，土地利用方式多樣，生態(tài)保護(hù)工作開(kāi)展效果較好。東南部農(nóng)村土地生態(tài)安全評(píng)分在49左右，這一帶屬縣內(nèi)海拔較高、土層厚度較薄的區(qū)域，受滑坡、崩塌等地質(zhì)災(zāi)害威脅的可能性較大；渝利鐵路豐都段、涪豐石高速公路豐都段的施工修建占用大量生態(tài)用地，給區(qū)域內(nèi)生態(tài)環(huán)境造成一定程度影響。由于受工業(yè)污染和人類生產(chǎn)生活影響較大，沿長(zhǎng)江分布的豐都縣城周圍的土地生態(tài)安全得分也偏低。

圖2 豐都縣農(nóng)村土地生態(tài)安全評(píng)價(jià)結(jié)果

Z得分p值置信度(-1.96,-1.65]∪[1.65,1.96)(0.05,0.10]90%(-2.58,-1.96]∪[1.96,2.58)(0.01,0.05]95%(-∞,-2.58]∪[2.58,+∞)(-∞,0.01]99%

3.3 豐都縣農(nóng)村土地生態(tài)安全影響因素分析

利用SPSS 19.0對(duì)數(shù)據(jù)進(jìn)行KMO統(tǒng)計(jì)量檢驗(yàn)和Bartlett球形檢驗(yàn)，得到KMO=0.706，大于0.5，Bartlett球形檢驗(yàn)值為0.000，小于0.001，結(jié)果顯著，適合進(jìn)行因子分析。在23個(gè)指標(biāo)變量進(jìn)行因子分析提取6個(gè)特征根大于1的因子。6個(gè)新因子的方差累計(jì)貢獻(xiàn)率達(dá)到73.29%，原有變量信息丟失較少，因子分析效果較為理想[29]，能夠較好反映23個(gè)變量信息；再使用方差極大法對(duì)因子荷載矩陣進(jìn)行正交旋轉(zhuǎn)得到表5。

其中因子1對(duì)土壤有機(jī)質(zhì)含量(x3)、有效土層厚度(x4)、土壤碳蓄積量水平(x5)、高程(x7)有較高荷載，因子2對(duì)植被覆蓋度(x8)、生物量(x9)、有林地與防護(hù)林比例(x14)有較高荷載，因子3對(duì)水面比例(x16)有較高荷載，因子4對(duì)人口與生態(tài)用地增長(zhǎng)彈性系數(shù)(x19)、人口與生態(tài)用地增長(zhǎng)貢獻(xiàn)度(x20)、地區(qū)生產(chǎn)總值與生態(tài)用地增長(zhǎng)彈性系數(shù)(x21)有較高荷載，因子5對(duì)年均降水量(x1)、降水量季節(jié)分配(x2)有較高荷載，因子6對(duì)土地利用類型多樣性指數(shù)(x10)、土地利用格局多樣性指數(shù)(x11)有較高荷載。根據(jù)研究和經(jīng)驗(yàn)嘗試對(duì)6個(gè)因子進(jìn)行分別重新命名為：土壤條件(Z1)、植被生物條件(Z2)、水域條件(Z3)、生態(tài)建設(shè)與發(fā)展協(xié)調(diào)程度(Z4)、降水條件(Z5)、景觀多樣性(Z6)。

表5 旋轉(zhuǎn)成分矩陣

再利用SPSS 19.0將提取出的新因子進(jìn)行多元線性回歸分析，F(xiàn)檢驗(yàn)值為135.81，顯著性概率p為0，低于顯著水平(α=0.05)，豐都縣農(nóng)村土地生態(tài)安全得分Y可以用線性函數(shù)Y=54.467+1.096Z1+1.121Z2+0.504Z3+0.834Z4+0.683Z5+0.844Z6表達(dá)(表6)。

表6 各解釋變量的偏回歸系數(shù)系數(shù)矩陣

根據(jù)影響程度排序分別為Z2>Z1>Z6>Z4>Z5>Z3，即植被生物條件>土壤條件>景觀多樣性>生態(tài)建設(shè)與發(fā)展協(xié)調(diào)程度>降水條件>水域條件。6個(gè)新的因子較好解釋了豐都縣西北部和東南部土地生態(tài)安全狀況的空間分異。豐都縣西北部耕地較多，土壤多為紫色土類和水稻土類，養(yǎng)分條件較好，土層厚度較厚；水分條件較好，農(nóng)業(yè)生產(chǎn)以糧食作物和經(jīng)濟(jì)作物種植為主；土地利用類型豐富，斑塊多樣性高；長(zhǎng)江流經(jīng)西北部的南部區(qū)域，水域的過(guò)濾和凈化等生態(tài)調(diào)節(jié)能力較強(qiáng)。相比之下，東南部海拔較高，多山地地貌，水土流失現(xiàn)象嚴(yán)重，植被立地優(yōu)勢(shì)條件較弱，多年平均降水量低于西北部，土地利用類型多樣性較低。

4 結(jié)論與討論

4.1 結(jié) 論

(1) BP-ANN模型經(jīng)訓(xùn)練、測(cè)試后精度較高。區(qū)域土地生態(tài)安全評(píng)價(jià)不僅需要一套科學(xué)合理的評(píng)價(jià)指標(biāo)體系，而且需要盡量降低評(píng)價(jià)過(guò)程人為主觀因素產(chǎn)生的誤差。本文通過(guò)MatlabR2012軟件利用2013年317個(gè)樣本數(shù)據(jù)構(gòu)建“輸入—灰色系統(tǒng)—輸出”映射關(guān)系，訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，使其自行學(xué)習(xí)至網(wǎng)絡(luò)的均方差最小，再利用117個(gè)樣本測(cè)試網(wǎng)絡(luò)。結(jié)果表明：98.21%的測(cè)試樣本的評(píng)價(jià)結(jié)果相對(duì)誤差小于5%，模型的精度和可信度較高。

(2) 2014年豐都縣農(nóng)村土地生態(tài)安全狀況不容樂(lè)觀，并且在空間上呈現(xiàn)自相關(guān)性和區(qū)域分異的特點(diǎn)。運(yùn)用訓(xùn)練和測(cè)試好的BP-ANN模型對(duì)2014年豐都縣農(nóng)村土地生態(tài)安全狀況進(jìn)行評(píng)價(jià)，測(cè)算值為40.47～55.73，平均得分為49.19，處于中等偏下水平?？臻g上土地生態(tài)安全評(píng)分的全局Morans′I指數(shù)為0.34，呈正相關(guān)，表明豐都縣農(nóng)村土地生態(tài)安全狀況有一定的空間自相關(guān)性和聚集性；區(qū)域內(nèi)生態(tài)安全狀況空間分異明顯，其中西北部的土地生態(tài)安全狀況評(píng)價(jià)結(jié)果比東南部好。

(3) 運(yùn)用因子分析結(jié)合多元線性回歸分析發(fā)現(xiàn)6個(gè)影響豐都縣農(nóng)村土地生態(tài)安全的因子。其按影響程度大小分別為：植被生物條件、土壤條件、景觀多樣性、生態(tài)建設(shè)與發(fā)展協(xié)調(diào)程度、降水條件、水域條件。其中指標(biāo)中生物量、植被覆蓋度、有效土層厚度和土壤有機(jī)質(zhì)含量等自然基礎(chǔ)性指標(biāo)有較高的影響，生態(tài)用地設(shè)施比例、人口與生態(tài)用地增長(zhǎng)彈性系數(shù)及貢獻(xiàn)度等人類活動(dòng)影響性指標(biāo)有一定的影響。

4.2 討論與展望

豐都縣不但是三峽庫(kù)區(qū)移民區(qū)域，而且是渝東北生態(tài)涵養(yǎng)發(fā)展區(qū)域，既是秦巴山連片特困區(qū)域，又是城鄉(xiāng)統(tǒng)籌發(fā)展重點(diǎn)區(qū)域，其生態(tài)安全尤其是土地生態(tài)安全需要特別重視。應(yīng)繼續(xù)加大對(duì)豐都縣土地生態(tài)安全狀況的監(jiān)測(cè)和保護(hù)力度，在政策、資金和技術(shù)上給予支持，將保護(hù)土地生態(tài)安全作為保護(hù)生態(tài)環(huán)境的重要抓手，著力合理進(jìn)行土地利用結(jié)構(gòu)調(diào)整，控制人口和建設(shè)用地?cái)?shù)量增長(zhǎng)，進(jìn)一步維護(hù)好豐都縣農(nóng)村土地生態(tài)，最終實(shí)現(xiàn)經(jīng)濟(jì)綠色增長(zhǎng)和生態(tài)涵養(yǎng)保護(hù)雙重目標(biāo)。BP-ANN在土地生態(tài)安全評(píng)價(jià)過(guò)程中表現(xiàn)出增強(qiáng)結(jié)論客觀性、提高評(píng)價(jià)精度、簡(jiǎn)化評(píng)價(jià)過(guò)程、擴(kuò)大模型普適性等重要特點(diǎn)。通過(guò)本次研究，較為準(zhǔn)確客觀地評(píng)價(jià)2014年豐都縣農(nóng)村土地生態(tài)安全狀況，也證實(shí)BP-ANN模型在評(píng)價(jià)土地生態(tài)安全的科學(xué)實(shí)用性。

限于數(shù)據(jù)、樣本的可獲取性，本文選取的指標(biāo)還不夠完善，例如土地利用過(guò)程中僅考慮了耕地、林地、草地和水域的比例，土地利用過(guò)程中發(fā)生的損毀和污染并未包含在內(nèi)。此外，本文利用的指標(biāo)體系是針對(duì)豐都縣農(nóng)村土地生態(tài)狀況和社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r選取的，應(yīng)用于其他地區(qū)應(yīng)根據(jù)實(shí)際情況酌情增減。隨著人工神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，容錯(cuò)性和自學(xué)能力更好的BP-ANN模型將會(huì)在地理學(xué)研究中擁有更好的應(yīng)用前景。

[1] 任志遠(yuǎn),黃青,李晶.陜西省生態(tài)安全及空間差異定量分析[J].地理學(xué)報(bào),2005,60(4):597-606.

[2] 張虹波,劉黎明.土地資源生態(tài)安全研究進(jìn)展與展望[J].地理科學(xué)進(jìn)展,2006,25(5):77-85.

[3] World Bank. Land Quality Indicators. World Bank Discussion Papers315[M]. Washington D C:The World Bank, 1995.

[4] Jeffrey A L. Agricultural and biodiversity:Finding our place in the world[J]. Agricultural and Human Values, 1999,16(4):365-379.

[5] Herrmann S, Osinski E. Planning sustainable land use in rural areas at different spatial levels using GIS and modeling tools[J]. Landscape & Urban Planning, 1999,46(1):93-101.

[6] Allan I, Peterson J. Spatial Modeling in Decision Support for Land-Use Planning: A demonstration from the Lal Lal Catchment, Victoria, Australia[J]. Australian Geographical Studies, 2002,40(1):84-92.

[7] 謝余初,鞏杰,張玲玲.基于PSR模型的白龍江流域景觀生態(tài)安全時(shí)空變化[J].地理科學(xué),2015,35(6):790-797.

[8] 徐美,朱翔,李靜芝.基于DPSIR-TOPSIS模型的湖南省土地生態(tài)安全評(píng)價(jià)[J].冰川凍土,2012,34(5):1265-1272.

[9] 張玉澤,任建蘭,劉凱,等.山東省生態(tài)安全預(yù)警測(cè)度及時(shí)空格局[J].經(jīng)濟(jì)地理,2015,35(11):166-171.

[10] 張虹波,劉黎明,張軍連,等.黃土丘陵區(qū)土地資源生態(tài)安全及其動(dòng)態(tài)評(píng)價(jià)[J].資源科學(xué),2007,29(4):193-200.

[11] 鮑艷,胡振琪,柏玉,等.主成分聚類分析在土地利用生態(tài)安全評(píng)價(jià)中的應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào),2006(8):87-90.

[12] 黃海,劉長(zhǎng)城,陳春.基于生態(tài)足跡的土地生態(tài)安全評(píng)價(jià)研究[J].水土保持研究,2013,20(1):193-196.

[13] 肖篤寧,解伏菊,魏建兵.區(qū)域生態(tài)建設(shè)與景觀生態(tài)學(xué)的使命[J].應(yīng)用生態(tài)學(xué)報(bào),2004,15(10):1731-1736.

[14] 吳曉,吳宜進(jìn).基于灰色關(guān)聯(lián)模型的山地城市生態(tài)安全動(dòng)態(tài)評(píng)價(jià):以重慶市巫山縣為例[J].長(zhǎng)江流域資源與環(huán)境,2014,23(3):385-391.

[15] 林彰平,劉湘南.東北農(nóng)牧交錯(cuò)帶土地利用生態(tài)安全模式案例研究[J].生態(tài)學(xué)雜志,2002,21(6):15-19.

[16] 傅伯杰,周國(guó)逸,白永飛,等.中國(guó)主要陸地生態(tài)系統(tǒng)服務(wù)功能與生態(tài)安全[J].地球科學(xué)進(jìn)展,2009,24(6):571-576.

[17] 李玉平,蔡運(yùn)龍.河北省土地生態(tài)安全評(píng)價(jià)[J].北京大學(xué)學(xué)報(bào):自然科學(xué)版,2007,43(6):784-789.

[18] 劉慶,陳利根,舒幫榮,等.長(zhǎng)株潭城市群土地生態(tài)安全動(dòng)態(tài)評(píng)價(jià)研究[J].長(zhǎng)江流域資源與環(huán)境,2010,19(10):1192-1197.

[19] 楊倩倩,陳英,金生霞,等.西北干旱區(qū)土地資源生態(tài)安全評(píng)價(jià):以甘肅省古浪縣為例[J].干旱地區(qū)農(nóng)業(yè)研究,2012,30(4):195-199.

[20] 何春燕,楊慶媛.鎮(zhèn)域土地生態(tài)安全綜合評(píng)價(jià)研究:以重慶市豐都縣十直鎮(zhèn)為例[J].水土保持研究,2014,21(3):163-168.

[21] 重慶市統(tǒng)計(jì)局.重慶統(tǒng)計(jì)年鑒2015[M].北京:中國(guó)統(tǒng)計(jì)出版社,2015.

[22] 李明月,賴笑娟.基于BP神經(jīng)網(wǎng)絡(luò)方法的城市土地生態(tài)安全評(píng)價(jià):以廣州市為例[J].經(jīng)濟(jì)地理,2011,31(2):289-293.

[23] 韓力群.神經(jīng)網(wǎng)絡(luò)研究趨勢(shì)展望[J].北京工商大學(xué)學(xué)報(bào):自然科學(xué)版,2007,25(6):39-43.

[24] 苑韶峰,呂軍.利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行國(guó)有土地價(jià)格評(píng)估的探討[J].上海交通大學(xué)學(xué)報(bào):農(nóng)業(yè)科學(xué)版,2004,22(2):188-191.

[25] 任勛益,王汝傳,周何駿.遺傳BP神經(jīng)網(wǎng)絡(luò)及其在異常檢測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與科學(xué),2008,30(11):19-20.

[26] 李雙成,鄭度.人工神經(jīng)網(wǎng)絡(luò)模型在地學(xué)研究中的應(yīng)用進(jìn)展[J].地球科學(xué)進(jìn)展,2003,18(1):68-76.

[27] Liu H, Zhang H B. Application of BP neural network technology in evaluation of groundwater quality of Nantong based on MATLAB[J]. Journal of Geology, 2009,33(4):382-386.

[28] Eamer J B R, Walker I J. Quantifying spatial and temporal trends in beach-dune volumetric changes using spatial statistics[J]. Geomorphology, 2013,191(4):94-108.

[29] 林海明.因子分析模型的改進(jìn)與應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理,2009,28(6):998-1012.

EvaluationonEcologicalSecurityandAnalysisofInfluenceFactorsofRuralLandBasedonBP-ANNModel—ACaseStudyofFengduCountyinChongqing

YANG Renhao, YANG Qingyuan, ZENG Li, CHEN Yiduo

(SchoolofGeographicalScience,SouthwestUniversity,Chongqing400715,China)

Aiming at ecological sensitive characteristic of rural land and the real regional situation in Fengdu County, a comprehensive assessment model of rural land ecological security based on Back-Propagation Artificial Neural Network (BP-ANN) was set up, which contained 15 cryptic layer nodes and 3 layers. The 70% of 200 samples which randomly selected from 317 samples in 2013 were chosen as the training samples, and the 30% of 200 samples were regarded as examining samples. We tested the 117 test samples using this model, evaluated the rural land ecological security of Fengdu County in 2014, and analyzed its spatial distribution, finally extracted the main factors that affected the rural land ecological security with factor analysis and multiple linear regression. The results showed that: (1) the test samples with the relative error less than 5% of all the 117 test samples accounted for 98.21%, which indicated that the accuracy of BP-ANN model is good; (2) the score of rural land ecological security of Fengdu County in 2014 ranged from 40.47 to 55.73, with a mean value of 49.19; the Global Morans′ I index of rural land ecological security was 0.34, and the space was the autocorrelation; the rural land ecological security status of the northwest region was better than the southeast region; (3) factors influencing the rural land ecological security situation in Fengdu County can be sorted as: biomass and vegetation, soil, landscape diversity, ecological construction and development coordination degree, rainfall, water area. BP-ANN model can partly overcome the error caused by the subjective judgment in the traditional evaluation process, and the accurate evaluation results can also provide guidance to the regional land ecological protection.

land ecological security; evaluation; BP-ANN model; rural land; Fengdu County

2016-08-29

：2016-09-22

“西南山區(qū)生態(tài)敏感區(qū)典型區(qū)域土地生態(tài)狀況信息提取與精細(xì)評(píng)估”項(xiàng)目(201315106397)

楊人豪(1992—),男,四川達(dá)州人,碩士研究生,主要從事土地利用與國(guó)土規(guī)劃方面研究。E-mail:swuyrh@126.com

楊慶媛(1966—),女,云南騰沖人,教授,博士生導(dǎo)師，主要研究方向?yàn)閲?guó)土資源與區(qū)域規(guī)劃,土地經(jīng)濟(jì)與政策。E-mail:yizyang@swu.edu.cn

F301.24

：A

：1005-3409(2017)03-0206-08