神木市永久基本农田划定影响因素分析

来源:用户上传      作者:

　　摘 要：本文通过对基本农田划定与评价相关文献进行参考归纳，选取耕地地类、自然等、利用等、经济等、坡度、面积、与公路距离、与城镇距离、与农村居民点距离、耕地图斑形状指数、耕地图斑规整度11个指标，在神木市永久基本农田成果基础上，运用灰色关联度模型和主成分分析方法分析各指标的影响程度。结果表明，图斑面积、坡度、耕地类型、与农村居民点距离对永久基本农田划定相关性最大；使用主成分分析，得到3个综合因子，能够为未来基本农田保护和建设提供一定的指导意义。
　　关键词：永久基本农田；土地评价；灰色关联度分析；主成分分析；神木市
　　中图分类号：S-3 文献标识码：A
　　DOI：10.19754/j.nyyjs.20190415007
　　引言
　　基本农田是按照一定时期人口和社会经济发展对农产品的需求，依据土地利用总体规划确定的不得占用的耕地[1]，而永久基本农田是依据法律实行永久和特殊保护的基本农田。划定永久基本农田是实施粮食安全战略、推进农业结构调整、保障农民利益的重要手段。划定工作要依据当地的经济社会发展对农产品的需求预测，合理确定基本农田数量，同时以农用地分等定级成果为参考，确保划定结果在数量和质量上具有保证。永久基本农田划定要求耕地集中连片、生产设施配套、作物高产稳产、农业生态良好。但在实际基本农田划定工作中在多地会出现划定结果以次充好、以劣补优、以远代近等问题，因此，分析永久基本农田划定成果中不同因素产生的影响状况是十分有意义的。
　　国内学者在基本农田划定与评价等方面做了大量的研究，如董秀茹等人为实现在基本农田划定中数量和质量并重的目标，从耕地的自然条件和立地条件2方面出发，选取耕地等别、坡地、道路通达度、水利设施状况以及与相邻土地利用类型的适宜性等7个因素作为评价指标，建立一种土地评价为基础的划定方法，借助GIS技术划定东港市基本农田[2]；钱凤魁等人将LESA方法与农用地分等成果相结合，建立评价体系，进行耕地质量与立地条件评价分析，在此基础上对凌源市进行基本农田划定[3]；章诗捷在引入CLUE-S模型对上饶市广丰区未来土地利用变化预测的基础上，参考农用地分等成果将优质耕地优先划入基本农田，并对其连片性进行优化调整，与规划基本农田进行对比分析[4]；刘慧芳等人以物-场模型为基础，将基本农田划定产生的影响理解为基本农田保护区划定、基本农田功能要素以及基本农田保护区影响场3要素有机组合所形成的系统效应，并借鉴空间相互作用的引力模型，构建包含基本农田划定适宜性、基本农田功能要素协调性以及距离系数的基本农田划定合理性评价模型[5]。但是现有研究大多都是在对耕地或者基本农田建立评价指标体系，对其进行评价分析，得出划定或优化布局后的结果。选取指标方式过于主观，仅仅依据基本农田划定的目标、原则以及国外评价相关经验的借鉴等确定指标及计算方法。评价的目标和侧重不同，评价的结果也会有偏差。
　　本文通过对基本农田划定与评价相关文献进行参考归纳，在以神木市永久基本农田划定实践结果的基础上，选取耕地地类、自然等、利用等、经济等、坡度、面积、与公路距离、与城镇距离、与农村居民点距离、耕地图斑形状指数、耕地图斑规整度11个普遍使用的指标，利用灰色关联度和主成分分析方法对评价指标进行验证，分析各指标在实际划定工作中的影响程度，以期为基本农田划定结果和评价指标体系的优化提供理论基础和方法支撑。
　　1 研究区概况
　　神木市隶属陕西省，位于陕西省北部，秦晋蒙3省（区）接壤地带，国土面积达7635km2，是陕西省面积最大的县。县域西北部为风沙草滩区，地势较为平坦，中部属黄土丘陵沟壑区，地形较为破碎，东南部为土石山区，地面斜度较大，山大沟深，石多土薄，水土流失严重。神木市属中温带半干旱大陆性季风气候，春季干旱多风，夏季短促炎热，秋季多雨集中，冬季寒冷漫长，多西北风，风沙频繁，无霜期短，日照丰富。神木市辖19个镇（办事处），326个行政村，县域经济综合竞争力居全国百强县第21位、西北第1位。2014年农业总产值达21亿元，粮食产量22.2万t，农民人均纯收入达到1.4万元以上，农业科技贡献率达到56%。
　　2 数据来源
　　本文研究数据分为空间数据和统计数据。空间数据来源包括：行政区划数据、神木市永久基本农田数据、2014年神木市土地利用现状数据、土地利用总体规划数据、坡度数据、农用地分等成果等。统计数据主要来源于《2014年神木县统计年鉴》和《2014年榆林市统计年鉴》。
　　3 永久基本农田划定影响因素分析方法
　　3.1 研究方法
　　3.1.1 灰色關联度模型
　　灰色关联度模型是用于定量分析因子之间相关程度的有效统计方法[6]。基本思想属于几何处理的范畴，其实质是对反映各因子变化特性的数据序列所进行的几何比较，根据序列几何曲线的拟合相似程度来判断各因子间的相关程度。从变化大小、方向、速度等的相对性方面来描述一个序列中因子间相对变化的情况，如果两者相对一致，则两者之间的相关性大，反之亦然。通过对关联度的分析，可以看出各个因子对神木市永久基本农田划定的影响程度，从中发现主要的影响因素和指标。灰色关联度分析具体步骤如下。
　　3.1.1.1 确定比较序列和参考序列
　　设评价对象数量为m个，评价指标数量为n个。
　　式中，a为原始变量X的标准化变量（即每个原始变量减去样本均数再除以样本标准差）；cij，i，j=1，…，m为线性组合系数，被称为因子载荷量，其大小及前面的正负号直接反映了主成分与相应变量之间关系的密切程度和方向。主成分所反映的是所有样本的总信息，信息量由Z1到Zm逐渐减少。第i个主成分的贡献率为λi/m×100；λi为与第i个主成分对应的特征值，可以通过特征方程R-λI=0进行求解，其中R为标准化变量的协方差矩阵（即相关矩阵），I为与相关矩阵同阶的单位矩阵。由此可得，前P个主成分的累积贡献率是（∑Pi=1λi/m）×100。在应用时，一般取累计贡献率为70%～85%或以上所对应的前P个主成分即可。 　　在研究复杂问题时，使用主成分分析方法，往往只需考虑少数几个主成分就行，并且不会损失太多信息。这样做更容易抓住主要矛盾，揭示事物内部变量之间的规律，同时简化问题，提高分析效率。
　　3.2 确定研究单元
　　考虑到土地利用规划管理工作和耕地保护工作共同落实的基础是永久基本农田保护成果，以及神木市基础数据获取难易和成果的应用度。本文选取在2014年神木市土地利用现状数据中的耕地图斑为基础数据，将土地利用规划数据中已规划确定为建设用地的图斑剔除，并叠加农用地分等成果以及永久基本农田数据成果，形成矢量耕地单元79456个。
　　3.3 指标选取
　　通过近年来对耕地综合评价体系进行的大量研究：奉婷等人从耕地自然质量、利用条件、空间形态和生态安全4个方面选取分析指标，构建耕地质量综合评价指标体系[8]；任艳敏等人选择地形坡度、土壤侵蚀模数、生态系统服务价值、地质灾害率、连片度等与耕地生态质量密切相关的指标来构建耕地入选基本农田评价的指标体系，其强调耕地生态质量的重要性[9]。在前人研究的基础之上，并结合神木市的实际情况，本文选取11个指标：耕地类型、自然等、利用等、经济等、坡度、面积、与公路距离、与城镇距离、与农村居民点距离、耕地斑块形状指数和田块规整度，作为研究因子（详见表1）。
　　4 结果与分析
　　4.1 灰色关联计算结果分析
　　通过对研究单元各指标计算，并对各数据进行无量纲处理，再通过Matlab软件编程求解获得关联度结果，如表2所示。
　　由灰色关联度值可知，指标排序为：X6>X5>X1>X9>X8>X3>X7>X2>X4>X11>X10。图斑面积与永久基本农田划定的关联度最大，关联值达到0.706，说明当地在进行永久基本农田划定工作时，优先将集中连片度高，面积较大的耕地划入，保证农业集约化生产的需求；坡度对永久基本农田划定也具有很大的影响程度，关联度仅次于图斑面积，关联度值达到0.687，坡度越低越方便进行种植耕作；耕地类型关联值为0.608，神木市耕地地类分为水浇地和旱地，水浇地较于旱地耕作条件优越，更加有力于农业耕种作业，保障粮食生产；与农村居民点距离和城镇距离的关联度分别为0.594和0.582，两者的相对影响程度基本一致，与农村居民点距离较高，符合耕地耕作实际条件；利用等关联度值为0.572，在划定永久基本农田时，对利用等较为重视，保证划定的永久基本农田平均利用等高于全市耕地平均利用等，符合工作实际；与公路距离的关联度值为0.571，与城镇距离和居民点距离相比最低，分析其原因，由于神木市中南部处于黄土高原丘陵沟壑区，在交通的通达度方面不如地形平坦区域；自然等和经济等关联度值分别为0.546和0.518，由于神木市耕地自然条件一般，对永久基本农田划定的影响程度稍小；耕地图斑规整度和形状指数对划定的影响程度最小，原因在于黄土高原丘陵沟壑区地形破碎，对图斑影响主要表现在图斑边界更复杂，耕地图斑规整度和形状指数较低。
　　4.2 主成分分析
　　由于所选取指标的计量单位不同，原始数据各因子间存在量纲和数量级不一致的现象，首先需要对原始数据进行正向化处理和标准化处理。使用SPSS19.0软件中的标准差标准化方法，对数据进行标准化处理，以此消除量纲差异和数量级的影响。
　　计算指标间相关系数，得出两两指标间的相关系数矩阵，即计算原始指标之间的相关性，是否存在多重共线性现象，以此来判断数据是否适合于因子分析。
　　对相关系数矩阵进行KMO（Kaiser-Meyer-Olkin）检验统计，结果为0.741，说明指标体系的整体相关程度很高，Bartlett球形检验结果为P<0.0001，说明样本数量足够大。根据上述检验结果，认为适合进行主成分分析。
　　通过分析直接计算得出主成分矩阵特征值和贡献率、累计贡献率以及主成分载荷矩阵。利用软件对数据进行主成分分析，最终提取出3个主因子，各主因子Zi的特征值及贡献率见表3，前3个成分的累积方差贡献率为85.272%，说明用前3个成分作为新的评价因素可以用来反映神木市永久基本农田划定影响效果的信息数据可靠性在85%以上，由此提取这3个成分作为主成分进行分析，其因子载荷矩阵见表4。
　　由表4可知，Z1在X1耕地类型、X2自然等、X3利用等、X4经济等、X5坡度5个因素的载荷量很大，这些指标主要表现农业耕作生产条件方面对永久基本农田划定的影响；Z2在X10耕地图斑形状指数、X11耕地图斑规整度载荷量很大，主要表现耕地景观生态学方面对永久基本农田划定的影响；Z3在X6图斑面积、X8城镇距离、X7与公路距离载荷量很大，说明这3个因素能够比较准确的反映主成分Z3的信息。提取的该3个主成分基本反映原全部指标的信息，因此可用这3个新变量来代替原来的11个影响因素。
　　5 结论
　　通过已有文献的评价指标体系建立永久基本农田划定影响因素体系，采用灰色关联度模型和主成分分析模型对神木市永久基本农田划定实际结果进行影响因素分析。主要的成果和结论如下：
　　通过对11个指标与永久基本农田划定结果进行灰色关联度分析和相关性排序表明，图斑面积、坡度、耕地类型、与农村居民点距离对永久基本农田划定相关性最大。
　　使用主成分分析，得到3个综合因子，3个主成分的累计方差贡献率达到85%以上，由于每个主成分都是原始变量的线性组合，主成分之间没有相关性，能够通过这3个主成分分析得出更加准确更加清晰的结果。
　　结果表明，在神木市未來的农业生产和永久基本农田保护方面，应当因地制宜，注重优质耕地的合理利用，减少耕地破碎化，加强集约利用强度和规模。加大对永久基本农田投入和建设，进一步提高农业生产效率以及农业机械化现代化生产水平，不断推动农业生产技术进步和创新，逐步优化农业生产方式和保障农民生产生活，提高农民和政府对永久基本农田利用和保护的积极性。
　　参考文献
　　[1] 国务院.基本农田保护条例[Z].1998-12-24.
　　[2] 董秀茹，尤明英，王秋兵.基于土地评价的基本农田划定方法[J].农业工程学报，2011，27（04）：336-339.
　　[3] 钱凤魁，王秋兵.基于农用地分等和LESA方法的基本农田划定[J].水土保持研究，2011，18（02）：251-255.
　　[4] 章诗捷. 广丰区土地利用变化空间模拟及其对基本农田划定影响分析[D].江西农业大学，2017.
　　[5] 刘慧芳，毕如田.基于物-场模型的基本农田划定合理性评价[J].中国农业资源与区划，2017，38（03）：107-114.
　　[6] 邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1987：74-106.
　　[7] 王鹏，况福民，邓育武，等.基于主成分分析的衡阳市土地生态安全评价[J].经济地理，2015（1）：124-128.
　　[8] 奉婷，张凤荣，李灿，曲衍波，朱凤凯.基于耕地质量综合评价的县域基本农田空间布局[J].农业工程学报，2014，30（01）：200-210，293.
　　[9] 任艳敏，孙九林，刘玉，潘瑜春.县域永久基本农田划定方法研究[J].农业机械学报，2017，48（04）：135-141.
转载注明来源:https://www.xzbu.com/1/view-14704120.htm