王辰璇，陳 莉，張安安

（1.廈門理工學(xué)院 經(jīng)濟(jì)與管理學(xué)院，廈門 361024；2.安徽建筑大學(xué) 經(jīng)濟(jì)與管理學(xué)院，合肥 230601）

0 引 言1

【研究意義】西部大開發(fā)戰(zhàn)略的推進(jìn)，促進(jìn)了陜甘寧新地區(qū)經(jīng)濟(jì)發(fā)展，減小了與發(fā)達(dá)省份的發(fā)展差異，但該地區(qū)生態(tài)資源仍存在脆弱性。我國陜甘寧新地區(qū)地域廣袤，民族眾多，是我國重要的戰(zhàn)略高地和生態(tài)屏障。2020 年《關(guān)于新時代推進(jìn)西部大開發(fā)形成新格局的指導(dǎo)意見》指出，西部大開發(fā)對于鞏固西部生態(tài)壁壘、破除西部發(fā)展障礙具有重要意義。選取西部地區(qū)的代表省份陜西、甘肅、寧夏和新疆（以下簡稱“陜甘寧新”）為研究對象，研究其農(nóng)業(yè)資源的可持續(xù)利用問題具有重要意義?！狙芯窟M(jìn)展】羅其友等[1]提出農(nóng)業(yè)資源可持續(xù)利用是一種低耗能高效益的資源利用方式，為資源與環(huán)境的持續(xù)發(fā)展創(chuàng)造條件；葉得明等[2]、白晶等[3]、丁金梅等[4]均對生態(tài)環(huán)境與經(jīng)濟(jì)協(xié)調(diào)發(fā)展模式進(jìn)行了分析。在農(nóng)業(yè)資源可持續(xù)利用指標(biāo)體系構(gòu)建方面，成果豐富。侯智惠等[5]從農(nóng)業(yè)資源、農(nóng)業(yè)生態(tài)壓力、農(nóng)業(yè)生態(tài)保護(hù)、農(nóng)業(yè)經(jīng)濟(jì)及社會發(fā)展等方面構(gòu)建評價指標(biāo)體系，運(yùn)用因子分析法確定權(quán)重，并計(jì)算內(nèi)蒙古自治區(qū)各盟（市）農(nóng)業(yè)資源利用的綜合指數(shù)；侯佳等[6]以河北省11 個地級市2007—2016 年的農(nóng)業(yè)資源為研究對象，從經(jīng)濟(jì)、社會和生態(tài)方面構(gòu)建指標(biāo)體系，運(yùn)用熵權(quán)法和DEA 模型進(jìn)行實(shí)證分析；陳家金等[7]從土地資源、水資源、畜牧資源、農(nóng)村能源、生產(chǎn)條件、農(nóng)業(yè)效益等方面構(gòu)建指標(biāo)體系，研究表明福建省大部縣（市）土地利用處于基本可持續(xù)利用階段；劉軍[8]從社會、生態(tài)、經(jīng)濟(jì)方面，構(gòu)建包括社會資源、土地資源、水資源、生物資源、經(jīng)濟(jì)資源的湖南省農(nóng)業(yè)資源可持續(xù)利用評價指標(biāo)體系，發(fā)現(xiàn)水資源對農(nóng)業(yè)資源可持續(xù)利用影響較大；劉雙等[9]從土地利用條件、土地利用結(jié)構(gòu)與程度、土地利用效益和土地可持續(xù)利用保障4 個方面評價土地資源可持續(xù)利用，認(rèn)為南寧市處于可持續(xù)利用發(fā)展階段；郭艷榮等[10]將四川省農(nóng)業(yè)資源評價體系分為土地資源、水資源、生物資源、環(huán)境資源、經(jīng)濟(jì)資源及社會資源等方面；張杰等[11]從水資源條件系統(tǒng)、社會系統(tǒng)、經(jīng)濟(jì)系統(tǒng)及生態(tài)環(huán)境系統(tǒng)等方面，研究廣西省水資源的可持續(xù)利用情況；鐘錦玲等[12]從“經(jīng)濟(jì)-社會-生態(tài)”角度，構(gòu)建包括土地社會環(huán)境、土地經(jīng)濟(jì)效益、土地生態(tài)保障3 個方面的廣西土地資源可持續(xù)利用評價指標(biāo)體系，結(jié)果表明廣西土地資源可持續(xù)利用水平在波動中上升。此外，劉秀麗等[13]運(yùn)用生態(tài)足跡模型分析了甘肅省耕地資源的可持續(xù)利用問題；劉夏等[14]、陳南祥等[15]分別運(yùn)用系統(tǒng)動力學(xué)方法對塔里木河流域資源利用、河南省水資源可持續(xù)利用進(jìn)行評價；雷宏軍等[16]運(yùn)用模糊評價對鄭州市水資源可持續(xù)利用進(jìn)行分析。

農(nóng)業(yè)資源可持續(xù)利用指標(biāo)體系主要涵蓋經(jīng)濟(jì)、社會、生態(tài)三大方面，較多關(guān)注水資源可持續(xù)，目前農(nóng)業(yè)資源可持續(xù)利用指標(biāo)體系還需要進(jìn)一步完善。在農(nóng)業(yè)資源可持續(xù)利用評價建模中，隨著影響因素的增加，評價模型的空間維數(shù)也會增加，人工智能的引入為農(nóng)業(yè)資源的可持續(xù)利用評價提供了新思路。支持向量機(jī)（Support Vector Machine，SVM）對樣本要求不高，也沒有模型選擇、維數(shù)災(zāi)難和局部極小等不足，在解決高維問題方面優(yōu)勢明顯。然而，當(dāng)樣本數(shù)據(jù)量較大時，SVM 的計(jì)算速度會變慢，為此，專家學(xué)者提出采用人工智能優(yōu)化SVM 參數(shù)，提高SVM 性能。SVM、智能優(yōu)化SVM 已得到較好應(yīng)用。任永泰等[17]運(yùn)用GA-SVM 模型對水資源可持續(xù)利用進(jìn)行評價；季敏等[18]運(yùn)用SVM 對漁業(yè)資源可持續(xù)利用分析；盧敏等[19]采用SVM 對水資源可持續(xù)利用評價；王亞云等[20]將PSOSVM 模型應(yīng)用于土地資源的適宜性評價；聶篤憲等[21]采用PSO 優(yōu)化SVM 模型應(yīng)用于水質(zhì)資源評價。因此，智能優(yōu)化SVM 模型能較好地用于農(nóng)業(yè)資源可持續(xù)利用評價。

在采用人工智能優(yōu)化數(shù)據(jù)之前，一般都需要先進(jìn)行數(shù)據(jù)預(yù)處理。農(nóng)業(yè)資源可持續(xù)利用指標(biāo)體系包括經(jīng)濟(jì)、科技、社會、生態(tài)、自然資源、環(huán)境治理的集合，農(nóng)業(yè)資源可持續(xù)利用是在不斷提高資源的生態(tài)效率前提下實(shí)現(xiàn)的。提高生態(tài)效率是農(nóng)業(yè)資源可持續(xù)利用研究的永恒主題，特別是對于那些稀缺資源，如中國的土地資源、旱地的水資源等，提高資源的生態(tài)效率愈顯意義重大，因此，本文將農(nóng)業(yè)生態(tài)效率納入指標(biāo)體系。【切入點(diǎn)】從已有學(xué)者對農(nóng)業(yè)資源可持續(xù)利用研究表明，缺少對原始數(shù)據(jù)進(jìn)行降噪預(yù)處理，缺少運(yùn)用人工智能技術(shù)針對陜甘寧新的農(nóng)業(yè)資源可持續(xù)利用研究。【擬解決的關(guān)鍵問題】為此，本文采用小波分析進(jìn)行數(shù)據(jù)降噪預(yù)處理，與微粒群算法（Particle Swarm Optimization，PSO）支持向量機(jī)結(jié)合，對陜甘寧新地區(qū)農(nóng)業(yè)資源可持續(xù)利用進(jìn)行評價，為小波-PSOSVM 模型應(yīng)用于農(nóng)業(yè)資源可持續(xù)利用評價提供參考。

1 材料與方法

1.1 研究區(qū)農(nóng)業(yè)資源利用概況

陜西省光照條件較好，但熱量與降水匹配失衡，季節(jié)性缺水問題嚴(yán)重，夏季6—8 月降水約占全年總降水量的50%，光照資源在農(nóng)業(yè)發(fā)展上得不到充分發(fā)揮[22]。甘肅省人均耕地占有量是全國人均占有量的1倍多，降水分布不均使得甘肅省農(nóng)業(yè)資源在空間上差異明顯[23]，甘肅省旱地與水田的占比約為99.8∶0.2，雖然近些年省內(nèi)耕地面積有所增長，但旱地比例仍然遠(yuǎn)高于水田，農(nóng)作物結(jié)構(gòu)單一、農(nóng)業(yè)現(xiàn)代化水平較低的問題日益突出[23]。寧夏雖然人均耕地占有量約為0.189 hm2，土地資源豐富，但南部分布大量丘陵溝壑，水土沙漠化現(xiàn)象嚴(yán)重，生態(tài)環(huán)境相對脆弱[24]。中部地區(qū)平均年降水量不足300 mm，土體沙化問題限制了農(nóng)作物的增長。新疆約占我國陸地總面積的1/6，但可利用的耕地資源有限。年平均降水量不足200 mm。塔克拉瑪干沙漠占據(jù)了南疆的大部分面積，極度干旱的情況下，水資源難以保障農(nóng)業(yè)生產(chǎn)[25]。

圖1 研究區(qū)年均降水量Fig.1 Average annual precipitation in the study area

圖2 資源可持續(xù)利用評估排名Fig.2 Ranking of resources sustainable utilization evaluation

1.2 研究方法

1.2.1 支持向量機(jī)

支持向量機(jī)（Support Vector Machine，SVM）是基于VC 維理論和結(jié)構(gòu)的風(fēng)險最小化理論提出的[26]。農(nóng)業(yè)資源可持續(xù)利用評價問題包含多個評價屬性，其中存在著非線性，對給定的訓(xùn)練樣本集D=｛(xi，yi)|xi∈Rd，yi∈R｝，i=1, 2, …,l，支持向量機(jī)將原始變量空間x映射到新的高維空間φ(·)，即尋找ω和b，使得回歸函數(shù)f(x)=ωTφ(x)+b的結(jié)構(gòu)風(fēng)險最小化，即min?ωTω。支持向量機(jī)訓(xùn)練精度與懲罰系數(shù)C、核函數(shù)g以及不敏感系數(shù)?有關(guān)，而這3 個參數(shù)與支持向量機(jī)本身沒有確定關(guān)系，常需借助于其他人工智能算法[27-28]?？紤]到微粒群算法具有全局尋優(yōu)、簡單易實(shí)現(xiàn)等優(yōu)勢，本文采用PSO 并與小波變換結(jié)合構(gòu)建小波-粒子群算法支持向量機(jī)模型，再與未經(jīng)小波變換的結(jié)果進(jìn)行對比。

1.2.2 小波-PSOSVM 實(shí)現(xiàn)步驟

1）粒子群算法原理

粒子群優(yōu)化是一種群體演化算法，把它想象成一個在D維最優(yōu)搜索空間中，無體積的粒子，各個微粒的位置、速度和適應(yīng)值均不同，每次迭代的過程都有跡可循，若找到一個更好的解決方案，它將被視為找到下一個解決方案的基礎(chǔ)。該方法效率高、魯棒性強(qiáng)。初始化微粒群，迭代尋求最優(yōu)解，微粒在追隨個體極值pbest和全局極值gbest的過程中不斷更新。直至尋找到這2個最優(yōu)值，微粒依據(jù)以下計(jì)算式更新其速度和位置。

PSO中任一微粒i的速度：

微粒群中任一微粒i的位置：

式中：Vi是粒子i的速度；Xi是粒子i的位置；Pi代表pbest；Pj代表gbest；慣性權(quán)重用W表示；c1、c2為加速度常數(shù)；Rand為（0，1）區(qū)間的隨機(jī)數(shù)[29]。

2）小波-粒子群優(yōu)化支持向量機(jī)的步驟

①對經(jīng)過篩選后確立的指標(biāo)體系進(jìn)行小波變換：將篩選后農(nóng)業(yè)資源可持續(xù)利用評價指標(biāo)，進(jìn)行一維離散平穩(wěn)小波分析，進(jìn)行數(shù)據(jù)預(yù)處理。②將小波變換后的農(nóng)業(yè)資源可持續(xù)利用評價數(shù)據(jù)種群初始化，設(shè)定初始參數(shù)C及g、微粒群規(guī)模、微粒開始位置和速度、最大迭代數(shù)和精度要求等。③初始化后，利用每個參數(shù)的初始值對訓(xùn)練集進(jìn)行訓(xùn)練，構(gòu)造回歸模型。④對訓(xùn)練集進(jìn)行訓(xùn)練，計(jì)算各微粒的適應(yīng)度值⑤比較各微粒當(dāng)前的適應(yīng)度值F(Xi)與微粒最佳適應(yīng)度值F(Ppbest)，如果F(Xi)F(Pgbest)，則F(Pgbest)=F(Ppbest)，設(shè)置調(diào)整的位置為所有微粒的最佳位置。⑦調(diào)整微粒速度和位置，得到SVM 優(yōu)化參數(shù)。⑧確定所有微粒最佳位置的適應(yīng)值或迭代次數(shù)是否滿足要求，如果是，則計(jì)算完成，并保留對應(yīng)于當(dāng)前微粒群的總體最優(yōu)位置值；如果不是，則返回到③并繼續(xù)。⑨將獲得的最佳參數(shù)應(yīng)用于支持向量機(jī)模型，并將訓(xùn)練好的模型測試應(yīng)用于測試集。

2 結(jié)果與分析

2.1 陜甘寧新地區(qū)農(nóng)業(yè)資源可持續(xù)利用評價指標(biāo)體系建立

對遴選的2017—2019 年的遼、京、津、滬、冀、魯、蘇、浙、閩、粵、桂、瓊、陜、甘、寧、青、新、川、云、貴、藏、渝、黑、吉、晉、蒙、皖、豫、鄂、湘、贛共31 個省份的150 個備選指標(biāo)進(jìn)行顯著性與相關(guān)性分析，本文借鑒前人[30-31]的經(jīng)驗(yàn)，依據(jù)科學(xué)性、可比性原則初步構(gòu)建150 個備選指標(biāo)，對相關(guān)系數(shù)大于0.7 的指標(biāo)進(jìn)行合并，最后建立包含經(jīng)濟(jì)、科技、社會與生活、自然環(huán)境、資源、生態(tài)治理6 個子系統(tǒng)62 個具體指標(biāo)的農(nóng)業(yè)資源可持續(xù)利用指標(biāo)體系（表1）。

表1 農(nóng)業(yè)資源可持續(xù)利用指標(biāo)體系Table 1 Index system of sustainable utilization of agricultural resources

其中，農(nóng)村居民人均可支配收入、城鄉(xiāng)居民收入比、農(nóng)村居民人均消費(fèi)支出、人均社會消費(fèi)品零售總額、單位面積作物產(chǎn)量、裝機(jī)容量、村衛(wèi)生室、設(shè)衛(wèi)生室的村數(shù)占行政村數(shù)比例、鄉(xiāng)鎮(zhèn)文化站、水庫庫容量、太陽能熱水器、國家級自然保護(hù)區(qū)個數(shù)、耕地占農(nóng)用地比例、園地占農(nóng)用地比例、林地占農(nóng)用地比例、草地占農(nóng)用地比例、農(nóng)用塑料薄膜使用量、農(nóng)用柴油使用量、農(nóng)藥使用量、水田占耕地比例、第一產(chǎn)業(yè)增加值占地區(qū)生產(chǎn)總值比例、洪澇災(zāi)成災(zāi)面積、風(fēng)雹災(zāi)成災(zāi)面積、冷凍災(zāi)成災(zāi)面積、臺風(fēng)災(zāi)成災(zāi)面積、人工造林面積、飛播造林面積、當(dāng)年新封山（沙）育林面積和人工造林更新面積均來自于2018—2020 年《中國農(nóng)村統(tǒng)計(jì)年鑒》計(jì)算得到。人均耕地面積、農(nóng)業(yè)結(jié)構(gòu)調(diào)整減少耕地面積、無害化衛(wèi)生廁所普及率、沙化耕地、森林覆蓋率、草原鼠害危害面積、草原火災(zāi)受害面積、森林火災(zāi)受災(zāi)森林面積、地質(zhì)災(zāi)害數(shù)、退耕地造林面積、建設(shè)占用減少耕地面積、災(zāi)毀耕地、生態(tài)退耕、礦業(yè)開采累計(jì)占用損壞土地和本年礦山恢復(fù)面積均來自2018—2020 年《中國環(huán)境統(tǒng)計(jì)年鑒》計(jì)算得到。農(nóng)村貧困人口（2010 年標(biāo)準(zhǔn)）、農(nóng)村居民年末計(jì)算機(jī)擁有量數(shù)據(jù)來源于2018—2020 年《中國住戶調(diào)查年鑒》；農(nóng)業(yè)機(jī)械化水平、地震災(zāi)害次數(shù)來源于2018—2020 年《中國統(tǒng)計(jì)年鑒》；公有企事業(yè)單位農(nóng)業(yè)技術(shù)人員數(shù)據(jù)來源于2018—2020 年《中國人口和就業(yè)統(tǒng)計(jì)年鑒》，鄉(xiāng)村大專及以上受教育百分比根據(jù)《中國人口和就業(yè)統(tǒng)計(jì)年鑒》的數(shù)據(jù)計(jì)算得到；行政村公路通暢率數(shù)據(jù)來自2018—2020 年《中國交通年鑒》；保護(hù)耕地來自2018—2020 年《中國水利統(tǒng)計(jì)年鑒》。農(nóng)業(yè)科技投入的數(shù)據(jù)參考呂屹云等[32]的研究，使用《中國科技統(tǒng)計(jì)年鑒》?。ㄗ灾螀^(qū)、直轄市）科研費(fèi)用支出的7%作為農(nóng)業(yè)科技投入的變通量。國家農(nóng)業(yè)科技園區(qū)、國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園、農(nóng)業(yè)農(nóng)村信息化示范基地個數(shù)、國家農(nóng)業(yè)科學(xué)觀測實(shí)驗(yàn)站個數(shù)、數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展水平評價先進(jìn)縣個數(shù)、數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展水平評價創(chuàng)新項(xiàng)目數(shù)分別根據(jù)科技部公示的第六、第七、第八批國家農(nóng)業(yè)科技園區(qū)、農(nóng)業(yè)農(nóng)村部發(fā)布的國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園創(chuàng)建名單、農(nóng)業(yè)農(nóng)村部關(guān)于認(rèn)定全國農(nóng)業(yè)農(nóng)村信息化示范基地名單、農(nóng)業(yè)農(nóng)村部辦公廳關(guān)于確定國家農(nóng)業(yè)科學(xué)觀測實(shí)驗(yàn)站名單、農(nóng)業(yè)農(nóng)村部信息中心《關(guān)于全國縣域數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展水平評價先進(jìn)縣及創(chuàng)新項(xiàng)目和優(yōu)秀組織獎單位的通報(bào)》整理得出。種業(yè)骨干企業(yè)個數(shù)由中國種子協(xié)會網(wǎng)、中國種子協(xié)會關(guān)于中國種業(yè)信用骨干企業(yè)和中國蔬菜種業(yè)信用骨干企業(yè)認(rèn)定結(jié)果、中國種子行業(yè)信用評價結(jié)果整理出。種子儲備量數(shù)據(jù)來源于CnOpenData 中國種子儲備數(shù)據(jù)，以及中國種業(yè)大數(shù)據(jù)平臺。農(nóng)業(yè)生態(tài)效率采用超效率 SBM（super-efficiency slack based measure）模型測算請見參考文獻(xiàn)[33]得出。

2.2 基于小波-PSOSVM 的陜甘寧新地區(qū)資源可持續(xù)利用評價綜合分析

進(jìn)行小波-PSOSVM 和小波-SVM 的陜甘寧新地區(qū)資源可持續(xù)利用評價，并與未經(jīng)小波預(yù)處理的模型對比，結(jié)果見表2、表3。

表2 基于小波-PSOSVM、PSOSVM 資源可持續(xù)利用評估結(jié)果Table 2 Evaluation results of sustainable utilization of PSOSVM and PSOSVM based on wavelet

表3 運(yùn)行結(jié)果比較Table 3 Comparison of operation results

表2 顯示我國31 個主要省區(qū)（自治區(qū)、直轄市，由于港澳臺地區(qū)數(shù)據(jù)缺乏及統(tǒng)計(jì)口徑差異，本文研究區(qū)域不包括港澳臺地區(qū)）小波-PSOSVM 和PSOSVM資源利用可持續(xù)評估評價結(jié)果。陜甘寧新地區(qū)農(nóng)業(yè)資源可持續(xù)利用評價在全國排名分別為20、22、24、27 名，這4 個省區(qū)（自治區(qū)）比較，新疆排名第一，甘肅排名第二，陜西排名第三，寧夏排名第四。

由表3 可知，小波-PSOSVM 農(nóng)業(yè)資源可持續(xù)評價均方誤差MSE為9.411 5×10-5，運(yùn)行時間為56 s，相關(guān)系數(shù)為0.967 9；而PSOSVM 在同樣的訓(xùn)練集以及同樣的測試集下，得到的均方誤差MSE、運(yùn)行時間、相關(guān)系數(shù)分別為0.015 3、60 s、0.967。說明小波處理后，PSOSVM 預(yù)測的精度有所提高，收斂稍加快。小波-SVM 農(nóng)業(yè)資源可持續(xù)評價均方誤差MSE為20.836，運(yùn)行時間為824 s，相關(guān)系數(shù)為0.748；而SVM在同樣的訓(xùn)練集以及同樣的測試集下，均方誤差MSE、運(yùn)行時間、相關(guān)系數(shù)分別為30.903 2、838 s、0.634，也同樣說明，小波處理后，SVM 預(yù)測的精度提高，收斂也稍快。

比較小波預(yù)處理前后的PSOSVM 與SVM，會得到一致的結(jié)論：PSOSVM 預(yù)測的精度提高較多，收斂也快得多。綜上所述，指標(biāo)數(shù)據(jù)經(jīng)小波分析后，訓(xùn)練模型的復(fù)雜度降低了，小波-PSOSVM 的訓(xùn)練速度也隨之加快，并且預(yù)測結(jié)果較滿意，小波-PSOSVM模型是比較科學(xué)的。

PSOSVM 的MSE比SVM 的MSE顯著降低的原因是：支持向量機(jī)訓(xùn)練精度與懲罰因子、核函數(shù)參數(shù)及不敏感系數(shù)有關(guān)，而這3 個參數(shù)與SVM 本身沒有的確定關(guān)系，常借助于其他人工智能算法。PSO 是一種基于群體進(jìn)化的隨機(jī)全局優(yōu)化算法，它的搜索始終遍及整個解空間而又不依賴梯度信息，搜索效率高，具有很強(qiáng)的魯棒性。該方法從種群隨機(jī)初始化出發(fā)，對種群內(nèi)的個體計(jì)算適應(yīng)值、種群根據(jù)適應(yīng)值進(jìn)行復(fù)制，通過迭代尋找最優(yōu)解；整個搜索更新過程是跟隨當(dāng)前最優(yōu)解的過程，它通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局最優(yōu)。在大多數(shù)的情況下，所有的粒子可能更快的收斂于最優(yōu)解。本文通過PSOSVM 參數(shù)，提高了訓(xùn)練的精度。

為進(jìn)一步研究影響陜甘寧新農(nóng)業(yè)資源可持續(xù)利用水平的敏感指標(biāo)，通過灰色關(guān)聯(lián)分析，得出各因素與農(nóng)業(yè)資源可持續(xù)利用水平的灰色關(guān)聯(lián)度。其中，灰色關(guān)聯(lián)度前5 名的分別為人工造林更新面積、耕地占農(nóng)用地比例、農(nóng)村居民年末計(jì)算機(jī)擁有量、本年礦山恢復(fù)面積、無害化衛(wèi)生廁所普及率，灰色關(guān)聯(lián)度依次為0.882 5、0.874 9、0.869 0、0.864 5、0.857 9，屬于生態(tài)治理、資源、科技、社會與生活4 個子系統(tǒng)，說明這些因素與農(nóng)業(yè)資源可持續(xù)利用水平關(guān)聯(lián)度較高，其中人工造林更新面積和耕地占農(nóng)用地比例可能與陜甘寧新農(nóng)業(yè)資源可持續(xù)利用水平關(guān)系關(guān)聯(lián)較為密切。

3 討 論

陜西省單位面積作物產(chǎn)量47 132.54 kg/hm2，排名27；農(nóng)業(yè)機(jī)械化水平5.6 kW/hm2，排名17；行政村公路暢通率97.23%，排名25；森林覆蓋率41.43%，排名10；農(nóng)業(yè)生態(tài)效率15.16%，排名17；種子儲備量119.5 萬kg，排名17；保護(hù)耕地606.5×103hm2，排名17。綜合分析，陜西省農(nóng)業(yè)資源可持續(xù)利用評價結(jié)果排名24。

甘肅省單位面積作物產(chǎn)量96 588.75 kg/hm2，排名7；農(nóng)業(yè)機(jī)械化水平5.5 kW/hm2，排名19；行政村公路暢通率90.77%，排名30；森林覆蓋率11.28%，排名27；農(nóng)業(yè)生態(tài)效率3.84%，排名28；種子儲備量130 萬kg，排名15；保護(hù)耕地面積496.5×103hm2，排名20。綜合分析，甘肅省農(nóng)業(yè)資源可持續(xù)利用評價結(jié)果排名22。

寧夏回族自治區(qū)單位面積作物產(chǎn)量54 732.17 kg/hm2，排名26；農(nóng)業(yè)機(jī)械化水平5.4 kW/hm2，排名21；行政村公路暢通率99.19%，排名23；森林覆蓋率11.89%，排名26；農(nóng)業(yè)生態(tài)效率11.71%，排名18；種子儲備量80 萬kg，排名21；保護(hù)耕地面積194 ×103hm2，排名26。綜合分析，寧夏農(nóng)業(yè)資源可持續(xù)利用評價結(jié)果排名27。

新疆維吾爾自治區(qū)單位面積作物產(chǎn)量121 777.96 kg/hm2，排名第1；農(nóng)業(yè)機(jī)械化水平4.5 kW/hm2，排名23；行政村公路暢通率97.63%，排名24；森林覆蓋率4.24%，排名31；農(nóng)業(yè)生態(tài)效率2.91%，排名29；種子儲備量60 萬kg，排名23；保護(hù)耕地面積2 591.5×103hm2，排名8。綜合分析，新疆農(nóng)業(yè)資源可持續(xù)利用評價排名20。

綜上所述，新疆的農(nóng)業(yè)資源可持續(xù)利用水平在陜甘寧新地區(qū)處于領(lǐng)先位置，寧夏的農(nóng)業(yè)資源可持續(xù)利用水平整體偏低。從單位面積作物產(chǎn)量分析，新疆位列全國第1，甘肅居第7，陜西和寧夏均位于20 名之后；從森林覆蓋率、農(nóng)業(yè)生態(tài)效率和農(nóng)業(yè)機(jī)械化水平分析，在陜甘寧新地區(qū)中，陜西最優(yōu)；從種子儲備量分析，甘肅最優(yōu)，陜西次之；從行政村公路暢通率分析，寧夏最優(yōu)，新疆次之，陜甘整體排名較低。

陜甘寧新農(nóng)業(yè)資源可持續(xù)利用評價與王海燕[34]研究對比，王海燕[34]對30 個省農(nóng)業(yè)資源可持續(xù)利用進(jìn)行分析，從環(huán)境水平指數(shù)看，新疆優(yōu)于陜西、甘肅、寧夏；從區(qū)域生態(tài)水平指數(shù)看，陜西、甘肅、寧夏均較低，新疆稍微優(yōu)于陜西、甘肅、寧夏區(qū)域生態(tài)水平指數(shù)；從區(qū)域抗逆水平指數(shù)看，寧夏、新疆的抗逆能力稍劣于陜西、甘肅。從環(huán)境水平指數(shù)、生態(tài)水平指數(shù)、抗逆水平指數(shù)分析，新疆的農(nóng)業(yè)資源可持續(xù)利用略優(yōu)于陜西、甘肅、寧夏，寧夏農(nóng)業(yè)資源可持續(xù)利用水平處于相對較弱。本文的實(shí)證分析結(jié)果和王海燕[34]分析基本吻合。本研究與羅其友等[35]的研究結(jié)果一致，羅其友等[35]認(rèn)為，2000—2013 年山東農(nóng)業(yè)環(huán)境可持續(xù)、四川農(nóng)業(yè)生態(tài)可持續(xù)性發(fā)展較好，江蘇農(nóng)業(yè)環(huán)境可持續(xù)性、生態(tài)可持續(xù)性也較好，西藏、黑龍江在這2 個方面有待發(fā)展，遼寧農(nóng)業(yè)環(huán)境可持續(xù)性有待提升。

通過對陜甘寧新農(nóng)業(yè)資源可持續(xù)利用數(shù)據(jù)進(jìn)行小波分析數(shù)據(jù)預(yù)處理，達(dá)到對數(shù)據(jù)降噪目的，以幫助PSOSVM 模型做出更準(zhǔn)確的判斷，從而提高預(yù)測的精度，將31 個省區(qū)放在一個尺度上比較，找出陜甘寧新農(nóng)業(yè)資源可持續(xù)利用在全國的排位，按照前文綜述，經(jīng)濟(jì)資源、社會資源、生態(tài)資源、環(huán)境資源、自然資源都是?？紤]的，在自然資源中，耕地、水、生物、氣候這些資源都是常考慮的，因此指標(biāo)體系對不同地區(qū)相關(guān)研究具有參考性。由于研究數(shù)據(jù)有限，目前仍在省域進(jìn)行分析，下一步將把模型擴(kuò)大研究范圍，爭取可以應(yīng)用到縣域農(nóng)業(yè)可持續(xù)資源利用中，推動農(nóng)業(yè)可持續(xù)發(fā)展。

4 結(jié) 論

1）與未經(jīng)過小波分析數(shù)據(jù)預(yù)處理的PSOSVM 模型進(jìn)行比較，本文的小波-PSOSVM 模型預(yù)測精度高，實(shí)現(xiàn)簡單；小波-PSOSVM 模型與小波-SVM 模型比較，前者模型更優(yōu)，因此，小波-PSOSVM 模型適合應(yīng)用于農(nóng)業(yè)資源可持續(xù)利用評價。

2）指標(biāo)體系基本可以真實(shí)反映我國31 個主要省（區(qū)）的農(nóng)業(yè)資源可持續(xù)利用狀況，增強(qiáng)度量的準(zhǔn)確性，指標(biāo)統(tǒng)計(jì)口徑要求一致，使比較分析具有現(xiàn)實(shí)指導(dǎo)意義。所以，南方省份的指標(biāo)是有具有參考性的。

3）不同氣候區(qū)的指標(biāo)也是具有參考性的。在自然環(huán)境子系統(tǒng)中風(fēng)雹災(zāi)成災(zāi)面積、冷凍災(zāi)成災(zāi)面積、臺風(fēng)災(zāi)成災(zāi)面積、災(zāi)毀耕地等都體現(xiàn)氣候資源，水庫庫容量、沙化耕地、森林覆蓋率、水田占耕地比例體現(xiàn)水資源。所以，指標(biāo)體系對不同氣候區(qū)的指標(biāo)有參考性。

（作者聲明本文無實(shí)際或潛在的利益沖突）