付錦練，陳文波，邵彥文，彭思卿

（1.江西農(nóng)業(yè)大學(xué)國土資源與環(huán)境學(xué)院，江西 南昌 330045；2.南昌市景觀與環(huán)境重點實驗室，江西 南昌 330045）

1 引言

中國季風(fēng)區(qū)面積廣大，季風(fēng)氣候顯著，降水量年度分配不均，易爆發(fā)水毀災(zāi)害。據(jù)統(tǒng)計，僅2017年，中國因洪澇及地質(zhì)災(zāi)害造成直接經(jīng)濟損失高達(dá)1 910億元，2008—2017年，中國農(nóng)作物平均受災(zāi)面積3.04×108hm2，洪水受災(zāi)成災(zāi)率很高，據(jù)不完全統(tǒng)計，由于洪澇災(zāi)害損毀的耕地面積每年高達(dá)1.33×106hm2[1]。國內(nèi)外學(xué)者對水毀災(zāi)害風(fēng)險評估[2-3]以及山區(qū)公路、橋梁、運輸管道等基礎(chǔ)設(shè)施易損性評價[4-6]等方面進(jìn)行了較多研究，但對于耕地水毀評價的研究較少且不夠深入。

一直以來，中國將土地?fù)p毀分為挖損、塌陷、壓占和污染4種類型[7-8]。對損毀耕地的研究多集中于單一耕地?fù)p毀類型評價[9-11]，常用的評價方法有模糊綜合評價法[12]、灰色聚類評價法[13]等。水毀耕地是指洪水侵蝕以及洪水引起的次生災(zāi)害致使耕地土壤屬性以及耕作層遭到損害，連帶田間基礎(chǔ)設(shè)施被破壞的耕地，通常涉及多種損毀類型[14-15]，在實際評價過程中需考慮以下3類問題：（1）應(yīng)考慮多個評價因子的綜合影響；（2）評價指標(biāo)僅用閾值作為劃分標(biāo)準(zhǔn)不夠準(zhǔn)確，應(yīng)考慮計算誤差或數(shù)值舍入引起的評價結(jié)果差異問題；（3）人為因素使評價標(biāo)準(zhǔn)劃分存在差異，因此損毀類型的復(fù)雜性、影響因素的多層次性以及損毀評價的模糊性等問題是科學(xué)評價耕地水毀程度所面臨的主要問題。

針對耕地水毀評價標(biāo)準(zhǔn)的非線性特征，本文在耕地水毀評價過程中引入正態(tài)云理論，綜合考慮評價過程中的模糊性和隨機性問題。云理論是由李德毅院士提出，在概率論和模糊集合交叉滲透的基礎(chǔ)上，通過構(gòu)造特定算法，形成定性概念與定量表示之間的轉(zhuǎn)換模型[16-17]，目前在洪水災(zāi)害風(fēng)險評估[18]、耕地質(zhì)量評價[19]、土壤質(zhì)量狀況[20]、土地利用評價[21]等方面得到了較為成功的應(yīng)用。本文以江西省新余市渝水區(qū)南安鄉(xiāng)水毀耕地評價實例驗證該方法的可行性和有效性，研究成果可以為研究區(qū)科學(xué)制定耕地復(fù)墾方案提供參考，也可為復(fù)雜耕地破壞類型損毀程度鑒定提供方法依據(jù)。

2 研究區(qū)概況與數(shù)據(jù)來源

新余市渝水區(qū)南安鄉(xiāng)屬亞熱帶濕潤氣候，降雨量分布極不均勻。2016年土地變更調(diào)查數(shù)據(jù)表明，南安鄉(xiāng)土地總面積為8 289.88 hm2，其中耕地面積4 402.06 hm2，占土地總面積的53.10%。耕作土壤以紅壤水稻土為主，因長期處于淹水狀態(tài)，酸性相對減弱，加之人為施肥改土，土壤鹽基累積，pH升高，呈微酸性反應(yīng)[22]；土壤有機質(zhì)含量較高，有效土層厚度通常60 cm。土壤機械組成主要以壤質(zhì)土為主，細(xì)砂粒和粉砂粒占多數(shù)。

2016年由于暴雨襲擊，南安鄉(xiāng)朝陽村、東洛村、南門村和荊蘭村大部分農(nóng)田被淹，渠道被毀，災(zāi)毀區(qū)總面積為304.06 hm2，其中耕地面積296.85 hm2，影響區(qū)域內(nèi)正常的生產(chǎn)耕作，目前當(dāng)?shù)卣疁?zhǔn)備對該損毀地進(jìn)行復(fù)墾。

本文主要數(shù)據(jù)來源于新余市渝水區(qū)數(shù)字正射影像圖，南安鄉(xiāng)土地變更調(diào)查數(shù)據(jù)，南安鄉(xiāng)土壤分布圖，《新余市耕地質(zhì)量等別年度更新評價分析報告》（2016）。通過2017年3月現(xiàn)場調(diào)查與土壤取樣，獲取研究區(qū)損毀耕地土壤理化性質(zhì)數(shù)據(jù)與田間基礎(chǔ)設(shè)施破壞程度數(shù)據(jù)。

3 研究思路與方法

在對水毀耕地進(jìn)行評價時，先確定洪水對耕地的主要破壞形式，選取耕地水毀主導(dǎo)影響因子，建立評價指標(biāo)分級標(biāo)準(zhǔn)（在評價過程中，根據(jù)木桶理論，采用極值標(biāo)準(zhǔn)，即指標(biāo)體系中，只要有一個指標(biāo)超過極重度區(qū)間范圍，即判斷為極重度損毀）。確定指標(biāo)權(quán)重后采用正態(tài)云模型，對耕地受損程度進(jìn)行判定。研究技術(shù)路線圖如圖1。

3.1 損毀土壤樣點采集與分析

為了保證樣品的代表性，采樣點布設(shè)基本選擇在損毀特征明顯的田塊或鄰近田塊。采取對角線法采集混合樣的方案，每個樣本區(qū)設(shè)5個采樣點（每個采樣點中采用S型取點法，取20個點組成一個土壤樣品），代表范圍約400 m×400 m，采樣點位置分布圖如圖2。對其理化性質(zhì)進(jìn)行實驗室實測分析，其中：采用電位法測定土壤pH，采用重鉻酸鉀容量法測定損毀土壤有機質(zhì)含量，采用環(huán)刀法測定土壤容重和礫石含量，用剖面法測量有效土層厚度等，田間基礎(chǔ)設(shè)施數(shù)據(jù)采用野外調(diào)查或現(xiàn)場勘測獲得。

3.2 評價主導(dǎo)因素的確定

采用灰色關(guān)聯(lián)度分析法確定評價主導(dǎo)因素。以水毀耕地樣本點損毀當(dāng)年年均產(chǎn)量作為參考數(shù)列XO，將指標(biāo)分正向指標(biāo)和負(fù)向指標(biāo)，采用極差法將指標(biāo)無量綱化后，根據(jù)以下公式計算灰色關(guān)聯(lián)度。

圖2 評價單元位置及樣本采集分布圖Fig.2 Location of the evaluation units and sample points

式（1）—式（2）中：ξoi(k)表示第k個樣本區(qū)無量綱化后耕地產(chǎn)量值與第i個一般影響因素?zé)o量綱化值的灰色關(guān)聯(lián)系數(shù)；ρ表示分辨系數(shù)，一般取0.5；?oi表示耕地質(zhì)量變化值與第i個一般影響因子的灰色關(guān)聯(lián)度。在設(shè)定影響因素灰色關(guān)聯(lián)度閾值的基礎(chǔ)上，根據(jù)計算結(jié)果，將大于閾值的因素設(shè)定為主導(dǎo)因素。

3.3 耕地?fù)p毀程度評價方法

3.3.1 正態(tài)云模型基本原理

正態(tài)云模型屬于云模型的一種，將云的語言值用云期望Ex、熵En和超熵He[17]三個數(shù)字特征定量反映，利用云的三個數(shù)字特征計算出云滴，概念的具體實現(xiàn)由云滴反映，重復(fù)計算多次產(chǎn)生的云滴匯集構(gòu)成云圖，從而實現(xiàn)概念的定量化，由于自然科學(xué)中大量事物的期望曲線都近似服從正態(tài)或半正態(tài)分布，因此正態(tài)云模型具有較高的普適性，具體定義為：

設(shè)A是一個評價因素集合A={x}，稱為論域，C是論域A上的定性描述概念（即評價等級集合），論域A中的元素x滿足xi～N（Ex，Eni "2），其中En′i～N（En，He2），且對C的隸屬函數(shù)μ（x）滿足：

則稱在論域A的分布成為正態(tài)云。

通常正態(tài)云模型的三個數(shù)字特征的計算公式如下：

由于各等級劃分的區(qū)間端點值是相鄰兩個等級過渡邊界值，故區(qū)間端點值應(yīng)同時屬于相鄰等級，具有一定的模糊性，即為：

一般情況下，Heij取值依據(jù)經(jīng)驗而定，Heij越小，正態(tài)云離散程度越小。

3.3.2 基于正態(tài)云模型的耕地水毀評價步驟

運用正態(tài)云模型對耕地水毀進(jìn)行評價時，具體的運算步驟可以分為以下幾步：

（1）構(gòu)建研究區(qū)耕地水毀評價指標(biāo)域U= {u1，u2，…，un}，評價域V= {v1，v2，…，vn}，權(quán)重集W= {w1，w2，…，wn}。

（2）建立評價指標(biāo)標(biāo)準(zhǔn)的正態(tài)云隸屬度函數(shù)。根據(jù)式（3）—式（6），采用正態(tài)云模型計算評價指標(biāo)隸屬度。

（3）計算模糊隸屬度矩陣Z=(Zij）n×m。運用Matlab軟件，利用正向云發(fā)生器重復(fù)運算100次，計算不同隸屬度下評價指標(biāo)的平均綜合評估值

(4）確定評價結(jié)果。根據(jù)最大隸屬度原則，將權(quán)重集與隸屬矩陣進(jìn)行模糊轉(zhuǎn)換得出評價集上的模糊子集：，依據(jù)最大隸屬度原則，選擇最大隸屬度所對應(yīng)的第i個評價等級作為綜合評價的結(jié)果。

4 結(jié)果與分析

4.1 評價單元劃分

本文以江西省新余市渝水區(qū)南安鄉(xiāng)受災(zāi)耕地作為研究對象。由于水災(zāi)導(dǎo)致原有耕作邊界等遭受破壞，因此在劃分評價單元時首先將南安鄉(xiāng)遭受水災(zāi)地區(qū)與土地利用現(xiàn)狀圖疊加，選出典型受災(zāi)耕地，再與權(quán)屬界線位置圖空間聯(lián)合，參考耕地水毀現(xiàn)狀，將研究區(qū)劃分為5個評價單元，分別為朝陽村片、東洛村片、南門村片、荊蘭村片一和荊蘭村片二，位置分布如圖2。

4.2 評價指標(biāo)與權(quán)重的確定

參考耕地?fù)p毀的主要形式[23]，將洪水對耕地的破壞總結(jié)為以下3個方面：（1）洪水沖擊：破壞原有地表形態(tài)和土壤結(jié)構(gòu)；（2）土地壓占：洪水引發(fā)的山體滑坡、泥石流等次生災(zāi)害以及洪水帶來的淤泥等固體物料，占用耕地面積；（3）田間污染：洪水將未經(jīng)處理的生產(chǎn)生活廢棄物、殘余農(nóng)藥等沖入田間，大量污染物直接或間接污染地表水、地下水及土壤。根據(jù)農(nóng)用地質(zhì)量分等規(guī)程[24]、高標(biāo)準(zhǔn)農(nóng)田建設(shè)標(biāo)準(zhǔn)[25]，選取有機質(zhì)含量、土壤容重、礫石含量、有效土層厚度、土壤pH狀況、田間積水狀況、田面壓占率、土壤綜合污染指數(shù)、灌排條件和道路狀況共10個指標(biāo)作為耕地水毀評價一般影響因素。根據(jù)灰色系統(tǒng)理論,結(jié)合式（1）—式（2）計算灰色關(guān)聯(lián)系數(shù)，最終計算結(jié)果如表1。

表1 評價指標(biāo)灰色關(guān)聯(lián)度Tab.1 The grey correlation analysis of evaluation indices

在考慮研究區(qū)實際情況的基礎(chǔ)上，以關(guān)聯(lián)度大于0.7為標(biāo)準(zhǔn)[26]。最終確定土壤有機質(zhì)含量、土壤容重、礫石含量、有效土層厚度、土壤pH、田面積壓占率、灌排損毀狀況、道路損毀狀況為南安鄉(xiāng)水災(zāi)后影響耕地質(zhì)量的主導(dǎo)因素。南安鄉(xiāng)水災(zāi)對耕地的破壞主要體現(xiàn)在上游河水對耕地表層土質(zhì)的沖刷以及洪水過后淤泥壓占田面，洪水后南安鄉(xiāng)耕地田間污染和田間積水狀況反映不明顯。

4.3 耕地水毀程度評價

依據(jù)耕地水毀評價指標(biāo)等級劃分標(biāo)準(zhǔn)，將評語集劃分為4個等級，分別是Ⅰ級輕度損毀、Ⅱ級中度損毀、Ⅲ級重度損毀和Ⅳ級極重度損毀。輕度損毀表現(xiàn)在農(nóng)作物生長基本不受影響，農(nóng)作物減產(chǎn)但不嚴(yán)重，耕作條件受到限制；中度損毀表現(xiàn)在耕作環(huán)境受到較為明顯的限制，農(nóng)作物減產(chǎn)較為嚴(yán)重；重度損毀表現(xiàn)在農(nóng)作物生長環(huán)境受到嚴(yán)重影響，產(chǎn)量大幅減少；極重度損毀表現(xiàn)在田間作物無法生長。

對于單邊約束的評語，用半云模型描述，對“輕度”和“極重”分別用1和4表示，選取相應(yīng)對稱云熵值區(qū)間均值作為各自的熵值。公式中k為常數(shù)，一般根據(jù)變量本身的不確定程度進(jìn)行調(diào)整，該評語集所對應(yīng)的論域為［1，4］，k= 0.01，采用正向云發(fā)生器，將損毀程度利用Matlab軟件進(jìn)行仿真顯示，從左到右依次表示損毀程度輕到重，詳見圖3。

圖3 水毀耕地評語集云模型Fig.3 Evaluation collection of fl ood damaged farmland by cloud model

按照損毀評價的要求，結(jié)合已有研究中土地?fù)p毀指標(biāo)分級標(biāo)準(zhǔn)和南安鄉(xiāng)耕地實際情況，運用耕地地力調(diào)查與質(zhì)量評價技術(shù)規(guī)范[27]、土地復(fù)墾質(zhì)量控制標(biāo)準(zhǔn)[28]等相關(guān)規(guī)程和技術(shù)規(guī)范對指標(biāo)分級情況進(jìn)行修正和完善，最終得到南安鄉(xiāng)耕地水毀評價指標(biāo)等級劃分標(biāo)準(zhǔn)，采用AHP-熵值法耦合進(jìn)行評價指標(biāo)權(quán)重評估，根據(jù)正態(tài)云三個數(shù)字特征計算式（3）—式（6），將各指標(biāo)對應(yīng)的等級劃分范圍表示為正態(tài)云，詳見表2。

參照表2中各評價指標(biāo)已確定的正態(tài)云模型參數(shù)Ex、En和He，運用正向正態(tài)云發(fā)生器對評價指標(biāo)生成相應(yīng)的綜合云模型，橫坐標(biāo)表示評價指標(biāo)等級標(biāo)準(zhǔn)，縱坐標(biāo)指代對應(yīng)的隸屬度，云圖共分為4個波段，分別為輕度、中度、重度和極重度，各評價指標(biāo)損毀程度隸屬度判讀如圖4。

以其中評價單元朝陽村片土壤有機質(zhì)含量實測數(shù)據(jù)為例，當(dāng)該評價因子X（c1）= 1.86時，該評價指標(biāo)隸屬于損毀級別的確定度分別為：U（Ⅰ）= 0.213 0，U（Ⅱ）= 0.692 4，U（Ⅲ）=U（Ⅳ）= 0.000 0。反映到實際意義中，當(dāng)X（c1）= 1.86，應(yīng)隸屬于損毀等級Ⅱ級，計算結(jié)果表明，隸屬于Ⅱ級損毀等級程度較大，隸屬于Ⅰ級損毀程度也有一定的可能，不隸屬于其他更高的損毀級別，計算結(jié)果與實際意義相符。同理可以計算出其他評價指標(biāo)的確定度，得到確定度矩陣。

獲得各評價單元指標(biāo)實測值后，根據(jù)各損毀等級標(biāo)準(zhǔn)對應(yīng)的指標(biāo)值，將量化數(shù)據(jù)代入上述等級云模型構(gòu)成的正態(tài)云發(fā)生器，得到各每個指標(biāo)對應(yīng)損毀等級的云模型隸屬度矩陣Z= (Zij）n×m，為提高評價的可信度，需要對正向云發(fā)生器重復(fù)運行n次（本文設(shè)定n=100），計算不同隸屬度下評價指標(biāo)的平均綜合評估值，根據(jù)上述計算得到損毀程度隸屬矩陣，結(jié)合指標(biāo)權(quán)重，根據(jù)最大隸屬度原則確定耕地?fù)p毀程度。將權(quán)重集W= ［0.0869，0.0520，0.1853，0.0596，0.1070，0.2561，0.1416，0.1115］，與隸屬矩陣Zij進(jìn)行模糊轉(zhuǎn)換得出評價集上的模糊子集：

式（7）中：j= 1，…，m表示評價對象對第j個評價等級的隸屬度。依據(jù)最大隸屬度原則，選擇最大隸屬度所對應(yīng)的第i個評價等級作為綜合評價的結(jié)果（表3）。

表3顯示，朝陽村、東洛村、南門村和荊蘭村片區(qū)一耕地水毀程度屬于中度損毀等級，荊蘭村片區(qū)二耕地水毀程度屬于輕度損毀等級。結(jié)合研究區(qū)地理位置分布圖，荊蘭村片區(qū)二位于河流上游，且地勢較高，耕地較少受到淤泥沖刷沉積，水災(zāi)對耕地的破壞主要體現(xiàn)在耕作表層以及洪水對沿河區(qū)域田間基礎(chǔ)設(shè)施的損毀。荊蘭村片區(qū)一土壤有機質(zhì)含量偏低，有效土層厚度較薄，土壤pH在5個評價單元中最低，土壤偏酸，并且由于特殊的位置關(guān)系，耕地細(xì)碎化程度較高，也容易造成耕地產(chǎn)量下降；南門村田塊平整度較低，耕作層比較脆弱，遭受水災(zāi)破壞后，耕地土壤條件變差，對水災(zāi)損毀反應(yīng)程度更為明顯；朝陽村與東洛村位于河流下游，地勢低且平坦，由于洪水沖刷，水田中淤積大量淤泥，淤泥區(qū)域面積為45.62 hm2，田間基礎(chǔ)設(shè)施損毀更嚴(yán)重，嚴(yán)重影響了區(qū)域內(nèi)正常的生產(chǎn)耕作，因此對這4個地區(qū)的耕地?fù)p毀綜合評價結(jié)果認(rèn)定為中度損毀。

表2 耕地水毀評價指標(biāo)等級劃分標(biāo)準(zhǔn)及指標(biāo)權(quán)重Tab.2 Rules of evaluation degree and index weight for fl ood damaged farmland

表3 研究區(qū)耕地水毀評價單元實測值與評價結(jié)果Tab.3 Measured value and evaluation result of fl ood damaged farmland degree in study area

基于正態(tài)云模型的耕地水毀程度評價方法，可以通過確定度判定處于相同級別的不同耕地?fù)p毀程度高低。以朝陽村和東洛村為例，兩個評價單元均屬于中度損毀等級，但朝陽村最大隸屬度為0.481 5，東洛村最大隸屬度為0.429 1，從最大隸屬度可以看出，朝陽村損毀相較于東洛村程度更嚴(yán)重，這是因為朝陽村位于河流最下游，洪水沖擊作用更為強烈，且周圍較多居民點，受洪水破壞以及人類活動影響程度更高。

5 結(jié)論與討論

圖 4 評價指標(biāo)正態(tài)云隸屬度Fig.4 Normal cloud membership of evaluation indices

本文基于土地?fù)p毀相關(guān)概念，構(gòu)建體現(xiàn)研究區(qū)耕地水毀特征的定量評價指標(biāo)體系；引入在處理不確定性以及復(fù)雜性問題有獨特優(yōu)勢的正態(tài)云理論對其進(jìn)行損毀程度評價。結(jié)果表明：（1）研究區(qū)5個耕地水毀區(qū)片的損毀程度從輕度到中度，主要體現(xiàn)在洪水對耕地土壤的沖刷，原有的耕作層無法滿足植物生長需求，以及次生災(zāi)害造成的耕地表層淤泥和砂石堆積，損毀田間基礎(chǔ)設(shè)施，影響正常灌排和通行；（2）運用正態(tài)云模型的3個參數(shù)，將復(fù)雜性、隨機性及模糊性等不確定性特征有機結(jié)合在一起，降低評價過程中由于單個評價指標(biāo)所處級別的模糊性而造成的對總體評價結(jié)果的影響，提高了評價結(jié)果的相對穩(wěn)定性，為耕地水毀程度評價提供了一種新的思路，豐富水毀耕地評價相關(guān)研究。

為了檢驗評價結(jié)果的合理性，課題組邀請了農(nóng)業(yè)、土壤、農(nóng)田水利等方面專家進(jìn)行現(xiàn)場勘驗，勘驗結(jié)果與本文研究結(jié)果高度一致。同時，本文采用了傳統(tǒng)的多因子綜合評價方法進(jìn)行評價，將評價結(jié)果與正態(tài)云模型評價法進(jìn)行了對比，發(fā)現(xiàn)兩種方法的評價結(jié)果存在差異，集中表現(xiàn)在B3南門村與B4荊蘭村片區(qū)一兩個評價單元上，原因在于傳統(tǒng)的評價方法覆蓋取值范圍較窄，當(dāng)評價指標(biāo)值分布較為離散時，分布范圍具有一定的模糊性，從而導(dǎo)致閾值分界附近發(fā)生誤判。進(jìn)一步調(diào)查發(fā)現(xiàn)，B3與B4評價單元地形地勢條件較為特殊，耕地水毀過程及影響因子作用機制更為復(fù)雜，也容易使結(jié)果發(fā)生誤判。這也充分表明了將正態(tài)云理論應(yīng)用到耕地水毀評價系統(tǒng)中，能夠有效地處理不確定性以及復(fù)雜性問題，增加評價結(jié)果可信度。

不同地區(qū)耕地水毀存在不同形式，破壞機理、驅(qū)動過程及土壤狀態(tài)等指標(biāo)的選擇依舊是一項探索性較強的工作。本文采用的標(biāo)度云模型和隸屬度云模型都是以正態(tài)云理論為構(gòu)建基礎(chǔ)，如何根據(jù)不同水毀情況選取不同分布的云模型，也需要具體討論以符合實際情況，這些將是有待進(jìn)一步研究的方向。