張運強,呂惠進
(浙江師范大學地理與環境科學學院,浙江 金華 321004)
如何加快農業的產業化、讓農業優勢產業得到更大的發揮,是農業產業發展目前面臨的重要問題。農村的產業結構調整步伐正在加快,而蔬菜是農村產業結構調整中發展比較快的產業。傳統的蔬菜產業主要是為了滿足城市和郊區居民的生活需求,而現在已經成為農民脫貧致富的重要手段之一。金華市蔬菜的產量基本上呈逐年遞增的趨勢,蔬菜產業已成為該市農業產業結構中重要的支柱產業。金華市2006年蔬菜播種面積為4.4×104hm2,總產量 94.6×104t,總產值 14.9×108元,占種植業總產值的23.8%[1]。2009年金華市蔬菜播種面積4.26×104hm2,比上年約增加3 000 hm2,增長7%,總產量92.49×104t,比上年增加 4.39×104t,增長 5%。金華市特色蔬菜基地主要分布在婺城區近郊、義烏、東陽等地,山區蔬菜基地重點在磐安、武義、浦江等地。
由于受自然地理因素的影響,金華市的蔬菜產量每年并不穩定,影響其蔬菜產量的因子有蔬菜的年播種面積、年化肥使用量、年日照時數、年降水量、年平均氣溫、土壤有機質的年平均含量等。它們與蔬菜產量都有一定的相關性,但是其影響度差異較大。筆者從物理因子的角出發度,通過灰色關聯法分析這些影響因子與金華市蔬菜產量的關聯程度。
灰色關聯法是對一個系統發展變化態勢的定量描述和比較的一種分析方法[2]。它是對一個系統發展態勢的比較,依據空間理論的數學基礎,按照規范性、偶對稱性、整體性和接近性原則,確定參考序列和比較序列之間的關聯系數[3]。
灰色關聯分析是灰色系統理論的一種分析方法,旨在透過一定的方法尋求系統中各子系統之間的數值關系,是依據因素之間發展態勢的相似或相異程度來衡量因素間關聯程度的方法。其分析的意義是在系統發展過程中,如果兩個因素變化的態勢是一致的,即同步變化程度較高,則可以認為兩者關聯度較大[4-9]。灰色關聯分析方法計算量小,對數據量要求較低,在系統數據資料較少和條件不滿足統計要求的情況下,更具有實用性,不會出現關聯度的量化結果與定性分析結果不一致的現象。
設一母序列x0(t)和子序列xi(t),對x0(t)和xi(t)進行無量綱化處理,并且計算它們在t時刻的絕對差值為[10]:

二級最大差值是

二級最小差值是

那么關聯度系數則是

式中:k為分辨系數,k∈(0,1)。
由上式可以得出關聯度

式中:關聯度γoi表示母序列x0(t)和子序列xi(t)之間相關的程度,當γoi的數值大時,表示x0(t)與xi(t)的相關程度高,反之則表示相關程度低。
灰色關聯度分析方法的運用之一,就是因素分析。在實際工作中,影響一個經濟變量的因素很多。但由于客觀事物很復雜,人們對事物的認識有信息不完全性和不確定性,各個因素對經濟總量的影響作用不是一下子就能夠看清楚的,需要進行深入的研究,這就是經濟變量的因素分析。運用灰色關聯度進行因素分析是非常有效的,而且特別適用于各個影響因素和總量之間不存在嚴格數學關系的情況。
金華市蔬菜產量的高低變化與不同影響因子之間的關聯程度是有高有低的,所以需要相對準確判斷出影響因子對蔬菜產量的關聯程度,對金華市蔬菜產量影響因子關聯程度做出較準確的排序。
以金華市蔬菜產量的年變化趨勢來說明影響因子的排序問題。從一些物理因子角度出發,先確定金華蔬菜年產量為母序列即參考序列x0(t)(單位為10 000 t)。影響其產量因子有很多,本文選取《浙江省金華市國民經濟和社會發展統計公報1998~2009》中的蔬菜年播種面積、年化肥使用量、年日照時數、年降水量、年平均氣溫、土壤有機質年平均含量的數據作為子序列即比較序列建立關聯模型(表1)。其中:x1表示蔬菜年播種面積(1 000 hm2);x2表示年化肥使用量(t);x3表示年日照時數(h);x4表示年降水量(mm);x5表示年平均氣溫(℃);x6表示土壤有機質年平均含量(%)。

表1 金華市蔬菜產量和影響因子
在確定反映系統行為特征的參考序列與系統行為比較序列之后,對參考數列和比較數列進行無量綱化處理。
首先對影響因子的數據進行編輯整理,用Basic語言編寫計算程序,令M=12,代表12個年份,N=6,代表有6個子序列,K=0.2,代表分辨系數。
然后,對數據進行無量綱化處理。由于系統中各因素的物理意義不同,導致數據的量綱也不一定相同,必須對它們進行無量綱化處理,加強各因素間的接近性,增強可比性。無量綱化處理一般有初值化、均值化等處理方法。初值化是指用同一數列的第一個數據去除以后面的所有數據,得到一個各個數據相對于第一個數據的倍數數列,即初值化數列。一般初值化方法適用于較穩定的社會經濟現象的無量綱化,因為這樣的數列多數呈穩定增長趨勢,通過初值化處理,可使增長趨勢更加明顯。而均值化是指先分別求出各個原始數列的平均數,再用數列的所有數據除以該數列的平均數,就得到一個各個數據相對于其平均數的倍數數列,即均值化數列。一般說來,均值化方法比較適合于沒有明顯升降趨勢現象的數據處理[11]。
與經濟有關的序列一般采用初值化方法比較好。就是用x0(1)和xi(1)分別除以x0(t)和xi(t),即用公式(1):計算出初值化表(表 2)。
利用初值化數據求解差序列,并從差序列中找出最大差和最小差。所謂差序列是指第一列參考序列與其余比較序列對應期的絕對差值,從差值中找出最大絕對差值△max和最小絕對差值△min。利用公式(2)、(3):計算出它們的絕對差值(表 3)。

表2 初值化

表3 絕對差值
通過關聯系數求得比較序列與參考序列的關聯程度。計算關聯度可采用平均值求得,也可以采用加權求得。先根據公式(4)(k取0.2),計算關聯系數(表4),關聯系數反映的是第i個比較序列xi與參考序列x0在第k期的關聯程度,所得到的關聯系數為不超過1的正數。

表4 關聯系數

最后根據公式(5)得到母序列與子序列之間的關聯密切程度。
經計算得出 γ01~γ06的關聯度分別為:0.413 5、0.485 4、0.406 7、0.328 5、0.376 3、0.414 2,按關聯度大小排序為:γ02>γ06>γ01>γ03>γ05>γ04。關聯度越大,說明比較序列與參考序列變化的態勢越一致,該序列對參考序列的影響也越大。
x2對母序列的關聯程度最大,其代表的是年化肥使用量,說明金華市蔬菜產量的高低主要取決于化肥使用量的多少;土壤有機質,年平均含量受到化肥使用量的影響,它對蔬菜產量的多少并沒有起到決定性作用。對金華市蔬菜產量影響較大的還有蔬菜的播種面積,光照對蔬菜產量也有一定的影響。
蔬菜的大田播種對天氣條件要求較高,主要以降水和氣溫為主,這兩者直接影響著蔬菜生長過程中水分吸收和光合作用,同時也對蔬菜生長產生影響,如病蟲害的發生等[12]。但是,灰色關聯分析結果表明,對金華蔬菜產量影響較小的是年降水量和年平均氣溫,說明金華市的水資源供應量基本上能夠滿足蔬菜的需要,氣溫也基本上適應蔬菜的生長。
3.2.1 控制使用化肥量,提高蔬菜種植技術 過量使用化肥會導致蔬菜質量下降,直接影響農民的經濟收入,同時會導致蔬菜安全受到威脅,還會引起環境的污染、水體富營養化等更嚴重的環境問題。提高蔬菜產量不能簡單依靠化肥施用量的增加,應該加強對蔬菜種植的科技指導,加大科技人員傳播蔬菜種植知識和技術的力度,提高農民自身的科技知識和種植技術水平,大力推廣蔬菜測土配方施肥的技術,減少盲目施肥,提高肥料利用率。針對部分蔬果地過量施用氮、磷肥的現象,應實施化肥減量增效,減少化肥過量施用造成流失的農業面源污染,同時要防止大棚土壤鹽漬化。繼續擴大綠肥種植面積,長期不懈地抓好秸稈還田,充分利用畜禽糞便和沼液,推行有機肥綜合利用,積極推廣商品有機肥的應用。
3.2.2 加強綠色無公害蔬菜基地建設 近幾年,國家提倡發展綠色無公害蔬菜,綠色蔬菜基地的建設發展也非常快,但在綠色無公害蔬菜基地建設中也出現了很多問題。因此,應該加大宣傳力度,提高人們對無公害蔬菜的認識,增強農民開發無公害蔬菜的積極性和自覺性。相關部門應扎實做好無公害蔬菜生產的技術培訓,建立無公害蔬菜配套服務體系,在提高農民經濟收入的同時,提高金華市蔬菜的產量和質量。
[1]王惠娟.金華市蔬菜產業現狀及發展對策[J].上海蔬菜,2008(2):5-8.
[2]杜 棟,龐慶華,吳 炎,等.現代綜合評價方法與案例精選[M].北京:清華大學出版社,2008.111-139.
[3]易德生,郭 萍,等.灰色理論與方法———提要·題解·程序·應用[M].北京:石油工業出版社,1992.
[4]于建軍,宋祖國.煙葉中性致香物質含量與土壤養分指標的灰色關聯分析[J].江西農業學報,2010,22(5):22-24.
[5]李玉萍,張小慧.基于灰色關聯分析的企業競爭力評價研究[J].江西農業學報,2010,22,(6):201-203.
[6]陳建宏,王文哲,熊漢富,等.湖南省CO2排放因素的灰色關聯分析[J].地域研究與開發,2010,29(4):132-134.
[7]曹蕾蕾,楊寧生.農林牧漁產業對我國農業的貢獻分析[J].湖南農業科學,2010(4):146-148.
[8]羅瑞萍,趙志剛,姬月梅.灰色關聯分析在寧夏春大豆育種數量性狀選擇上的應用[J].安徽農業科學,2010(16):8359-8360,8364.
[9]朱麗琴,王生林,劉冠明.廣東農民家庭收入來源的灰色關聯分析[J].廣東農業科學,2009(12):276-279.
[10]馮利華.水資源變化趨勢的物元分析[J].地域研究與開發,1999,18(2):18-21.
[11]孫芳芳.淺議灰色關聯度分析方法及其應用[J].公路與管理,2010,(17):880-881.
[12]陳長勝,孫紅艷,丁 立,等.長春市主要蔬菜產量與氣象要素關系介析及產量預報[J].吉林氣象,2004,(1):21-22.