基于主成分分析法及熵值法结合的耕地集约利用时空变化.docx

?

?

基于主成分分析法及熵值法结合的耕地集约利用时空变化

?

?

张秋月

摘要：本文以四川省土地利用分区为依据，利用四川省21个地级市2006年、2010年、2014年的耕地利用状况有关数据，以耕地集约利用为目标，构建了包括4个层次，11项具体指标的耕地集约利用评价指标体系；结合主成分分析法及熵值法，对四川省的耕地集约利用状况的时空变化进行分析。通过研究得出结论如下：1、四川省21个地级市从2006年至2014年这9年间耕地集约利用状况呈现出较为稳定的态势，多数地级市集约利用状况呈波浪状略有提高；2、四川省东南部土地利用集约化水平较高，西北部较低，其他分区集约化程度相差较小。

关键词：耕地集约利用；主成分分析；熵值法；时空变化

一、研究方法及数据来源

依据国内外众多研究成果及经验，以集约利用为目标，首先构建关于四川省耕地集约利用状况评价的指标体系，并收集相关数据；然后利用SPSS软件及excel软件，结合主成分分析法及熵值法确定相关指标的权重；其次，运用多因素综合评价法对四川省21个地级市的耕地集约利用状况进行评价，分析其时空变化；最后，得出结论。

（一）数据来源

本文以四川省21个地级市的耕地集约利用时空变化为研究对象，数据主要来源于四川省统计年鉴（2007年、2011年、2015年）、各地级市统计年鉴以及各地级市统计信息网。

（二）评价指标体系的建立

耕地集约利用内涵丰富，评价指标体系既要反映耕地集约利用的内涵，又要全面的表现出各地耕地集约利用的世纪情况。赵本宇等认为，新形势下的耕地集约利用应与生态农业相适应，即既要强调单位耕地生产要素投入强度，又要注重投入要素的利用程度及产出效果，同时，耕地开发应以区域耕地资源合理配置和结构优化为前提[1]。依据此含义，借鉴相关研究成果[2]，构建了一套以耕地集约利用为目标层，包含准则层、指标层在内的耕地集约利用评价体系。其中，准则层主要包括耕地投入强度、耕地利用强度、耕地产出效益、耕地可持续发展状况四个方面；另外，根据指标的代表性及数据的可获取性程度，共选取11项指标作为基础指标，完成四川省耕地集约利用状况评价指标体系的构建。

（三）权重的确定

1、主成分分析方法。主成分分析方法，也称主分量分析法，是一种较客观的多指标评价方法；其通过降维技术众多的指标综合成少量的综合指标，且尽可能全面的反映原数据的信息[3]。熵值法主成分分析方法不仅可以抓住主要矛盾，还极大地提高了研究和分析的效率[3]。其主要步骤如下：原始数据的标准化；建立相关系数矩阵；求相关系数的矩阵的特征值；求新指标的分值。

2、熵值法。熵值法的基本原理是通过判断指标值之间的差距来判断指标的作用；一定程度上避免了人的主观性，确定权重的过程更为客观。在土地评价系统中，对于理想的指标值来说，指标值变化越慢，得到的指标信息熵就愈大，效用值就愈小，指标权重就愈小；反之权重就愈大其主要步骤如下：数据非负化处理；计算第j项指标的熵值；计算第j项指标的熵；利用多因素综合评价法计算耕地集约利用综合分值。

二、结果分析

（一）数据处理结果

通过已构建的指标体系，收集四川省21个地级市2006年、2010年、2014年共3年的数据，通过标准差法进行数据标准化处理；利用主成分分析法分别提取出3个主要指标，并利用熵值法计算各指标的权重，得到各年份的标准化后数据。根据柱状图，可看出21个地级市耕地集约利用状况时间及空间变化，如图1。

分区比较，如图2。

（二）结果分析

1、时间变化分析。从时间序列变化上来看，四川省21个地级市从2006年至2014年这9年间耕地集约利用状况呈现出较为稳定的态势，多数地级市集约利用状况呈波浪状略有提高。成都平原土地利用区由于城市化水平较高，耕地利用受区位及市场因素影响较大，致使耕地利用结构变化较大，故而耕地集约利用状况呈波状变化。攀西土地利用区的攀枝花、雅安由于耕地面积较少，为了提高土地的产出，对土地投入较大，故其土地集约利用程度一度都处于较高位置。而川西北土地利用区土地集约利用程度的提高则主要依赖于农业机械动力的投入，致使单位面积产值增加，人均纯收入大幅度增长。

2、空间变化分析。从空间序列变化来看，四川省5个土地利用区中，攀西土地利用区的集约化程度较高，成都平原土地利用区次之，川南及川东北土地利用区集约化程度相近，而川西北土地利用区集约化程度则与前述相差较大。从21个地级市来看，雅安市由于耕地面积稀少，对耕地在劳动力、机械及化肥上投入较大，再加之优越的气候条件及环境条件的影响，雅安市的耕地集约利用状况在全省地位突出。成都、德阳及绵阳等经济发展状况较好的城市，依托良好的经济条件及科技条件，投入较大，灌溉保证率高，单位产值较高，人均纯收入也相应较高，故其集约利用程度也排名靠前。而位于川西北地区的甘孜阿坝地区，虽