我國油茶種植環境適宜性評價初步研究

宋英強,楊粉莉,楊博,楊聯安*,張林森,于世鋒

1.西北大學城市與環境學院,陜西西安710127

2.咸陽市農業科學研究院,陜西咸陽712000

3.咸陽市渭城區種子管理站,陜西咸陽712000

4.西北農林科技大學園藝學院,陜西楊凌712100

5.西安市農產品質量安全檢驗監測中心,陜西西安710077

我國油茶種植環境適宜性評價初步研究

宋英強1,楊粉莉2,楊博3,楊聯安1*,張林森4,于世鋒5

1.西北大學城市與環境學院,陜西西安710127

2.咸陽市農業科學研究院,陜西咸陽712000

3.咸陽市渭城區種子管理站,陜西咸陽712000

4.西北農林科技大學園藝學院,陜西楊凌712100

5.西安市農產品質量安全檢驗監測中心,陜西西安710077

以油茶為研究對象，建立了全國油茶種植適宜性評價對象要素、技術模型以及綜合評價相結合的分析評價方法。選取年低溫、降水量、濕度、無霜期、海拔高度、坡度和土壤類型等三類因素七個指標，利用三標度兩步AHP確定指標權重，基于RBF神經網絡和GIS技術，對研究區油茶種植適宜性進行單因子評價和多因素適宜度限制性分析的綜合評價。在單因子評價的基礎上，綜合評價能保證結果的準確性。結果表明：油茶種植的適宜區分布在湖南、江西、廣東、廣西大部，湖北西南部、云南南部等地區，全國油茶種植適宜區域面積約為491.88×104hm2，而全國油茶發展戰略規劃的目標是466.67×104hm2，分省統計對比顯示油茶種植的提升潛力較大。研究結果可為油茶產業的合理布局，土地資源利用規劃等提供科學依據。

種植環境;適宜性評價;RBF神經網絡;三標度兩步AHP;油茶

油茶（Camellia oleifera Abel）又叫茶籽樹或山茶樹，是我國特有的木本食用油料樹種。茶油含有豐富的不飽和脂肪酸和C18脂肪酸，不含膽固醇，不會引起血管硬化和血壓升高，可與橄欖油相媲美。油茶樹還具有較好的生態效益，對氯類、氟類、二氧化硫等有毒氣體抗性很強，四季常青，耐干耐旱，可防治沙漠化，有助于改善區域小氣候，在獲取經濟效益的同時改善生態環境。《全國油茶產業發展規劃（2009～2020年）》明確到2020年，使我國油茶種植總規模達到466.67×104hm2，全國茶油產量達到每年250×104t。現階段對于油茶種植區劃的適宜性研究已有不少[1-4]，但以全國為尺度的適宜性評價尚不多見。為此，對我國油茶種植進行適宜性評價研究，引導油茶適宜性合理種植，具有重要意義。

現階段，土地適宜性評價的領域持續增多，區域類型更加多樣，如城市、旅游、土地復墾等。越來越多的評價脫離原有的單一評價，引入景觀生態和可持續發展等新理論，同時遙感和GIS技術被廣泛應用于土地適宜性評價中，與模糊數學、層次分析等評價方法取長補短，不斷完善土地適宜性評價的科學體系。評價油茶土地利用方式的適宜程度，建立結構較佳的土地生態系統，應考慮地區自然生態與環境基礎、生長因子與閾值選取、資源條件與利用潛力等關系[5-8]。本研究共選取三個因素七個評價因子，利用GIS和徑向基函數（Radial Basis Function,簡稱RBF）神經網絡在數據分析方面的優勢，結合三標度兩步層次分析法（Analytic Hierarchy Process，簡稱AHP）模型[9-10]，形成了“對象要素”、“技術模型”與“綜合評價”相結合的評價技術路線。在1km×1km的格網尺度和單因子評價的基礎上，結合不同因子權重對全國油茶種植的適宜區域進行綜合評價，得出全國油茶種植適宜區分布情況，然后對結果進行限制性分析和分省統計，揭示油茶種植的省級空間分布情況，提出發展油茶的合理性建議，以期為油茶種植的合理布局提供參考。

1　數據與處理

數據包括油茶生長環境因素數據及其相關圖件（表1）。

表1　環境因素數據及圖件Table 1 Data and maps of environmental factors

(1)四幅原始DEM數據，由GTOPO30提供，分辨率為30 s，高程范圍在-407～8752m。其中，E060N90，E100N90，E060N40和E100N40這4個區域文件包含整個中國尺度范圍。將四幅原始DEM數據經拼接、裁剪后得到中國DEM數據；(2)年低溫柵格數據和年均降水量柵格數據，由中國自然資源數據庫提供；土壤類型底圖數據，濕度底圖數據和無霜期底圖數據，由地球系統科學數據庫提供；（3）中國氣象年鑒資料(1994～2010年），數據集由中國2400多個氣象觀測站統計而成的34個主要城市數據，包括年低溫、年均溫、年均降水量、相對濕度等數據資料，其中年低溫、年均降水量、相對濕度等數據作為網絡監測樣本用于RBF神經網絡驗證。

由于數據來源多樣，數據量較大，需要進行多源數據融合。土壤類型數據，濕度數據和無霜期數據進行矢量化處理和矢柵轉換，連同四幅原始DEM數據、年低溫柵格數據和年均降水量柵格數據經global mapper、ArcGIS等軟件預處理，統一坐標投影為Gauss Krueger(6°zones)，102°E～108° E，柵格尺度統一為1km×1km，為適宜性評價做好數據準備。

2　評價方法過程

2.1研究方法

在評價過程中，首先利用極差標準化法將具有不同數值和單位的因子指標量化，并結合RBF神經網絡模型進行單因子適宜度評價。然后根據三標度兩步層次分析法求出各因子權重值，在單因子適宜度評價的基礎上，對1km×1km尺度下的評價單元進行綜合評價和限制性分析，最終以專題圖形、統計圖表和數據報表的形式輸出評價結果，完成整個評價過程（圖1）。

圖1　油茶種植適宜性評價技術路線圖Fig.1 Technology roadmap of Camellia oleiferaAbel planting suitability

2.2選取評價因子

油茶生長符合地帶性規律，綜合考慮其水平分布特征和垂直分布特點，結合因子的選取原則：穩定性原則、主導性原則和綜合性原則，選取影響油茶適生環境和產量效益的評價因子[11-13]。

（1）在水平帶性上，油茶喜溫暖濕潤，與水平氣候帶有較好的適宜程度。影響油茶生長發育、完成生命周期的主導因子是氣候，三基點溫度，即允許植物生長的最低溫度、最適溫度和最高溫度，反映油茶生長的適宜性生境條件[14,15]。尤其是低溫不僅影響油茶的生長發育，還對油茶的花期、油脂積累量具有決定性作用。根據文獻[16,17]，最冷月平均氣溫應大于6℃，一旦出現極端溫度（溫度低于零下10℃）會直接影響油茶生長。花期溫度在12℃以下，年均溫在14℃以下，會影響油茶正常的開花授粉，減少結實量。韓翠華等人研究發現1981～2010年中國各區域氣溫呈上升趨勢，全年氣溫變化空間結構較為穩定[18]。王冀等人利用IPCC分析中國21世紀極端氣溫指數中霜凍日呈下降趨勢[19]。在10月至翌年5月花期降水量低于800mm，會影響油脂積累量。熱量能否被充分利用還需視其無霜期的長短[20]，7～9月是油茶種子內油脂積累的時期，無霜期日數需在200d以上，幼果會免受凍害，安全越冬。另外，相對濕度低于70%，會使土壤濕度較低，影響根系的養料輸送，導致樹勢不旺，油脂形成量減少。因此，遵循油茶的生境條件與生物氣候因素相一致的客觀規律性，選取年低溫，年均降水量，無霜期和濕度四個主導氣候因子。

（2）在垂直帶性上，海拔高度與土壤分布具有相關性，紅壤多分布在600m以下的低山、丘陵，黃壤多分布于600m以上的低山、中山[20]，相對而言，海拔高度對油茶果實性狀也有影響，低海拔油茶果實較大，出籽率、出仁率較高。另外，坡度可影響光照條件和水土保持狀況，坡度過大，水的流速變大，造成土壤侵蝕，土壤養分流失，使油茶生長受限。因此，根據自然立地條件的地形需要，選取海拔高度和坡度等地形地勢因子。

（3）在土壤環境方面，油茶根系對樹液緩沖力要求為偏酸性，pH5～6.5較適宜，這是由于油茶根系細胞缺少偏中性的磷酸鹽，只能通過呈偏酸性的有機鹽進行緩沖。油茶在由頁巖、變質巖、石灰巖等發育而成的紅壤、黃壤、赤紅壤等土壤類型中適宜生長[21]，這些土壤的有機質、速效磷、速效氮和有機鉀的含量較高。因為土壤pH值和土壤類型并非嚴格對應，需具體地區具體分析，因而對于油茶的土壤pH值，只能通過不同類型土壤特性進行評估

綜上所述，選取氣候、地形、土壤三大因素，年低溫、年均降水量、濕度、無霜期、海拔高度、坡度和土壤類型七個因子作為油茶種植環境適宜性評價依據。

2.3確立評價等級及指標體系

油茶具有較為重要的社會需求，發展油茶產業能緩解食用油缺口，以及油茶樹一期種植長期受益的生態優勢和茶油產業帶動的經濟效益，使油茶兼有生態、經濟、社會等綜合適宜性。因此，按照主宜性與多宜性相結合的分級方法[22]，將適宜性等級劃分為四級，分別為：最適宜、適宜、臨界適宜和不適宜。

由于各因子間的數值和單位均不一樣，為消除這種差異，采用極差標準化的處理方法，根據文獻[23-25]，對以下4種方法將評價因子指標進行標準化處理，其值分布在[0,1]。

式中，Si為i因子標準化后的數值，i=[0,1,…，7]，Xi為因子i的實際值，Xmax為i因子指標的上限值，Xmin為i因子指標的下限值，Xi，Xmax，Xmin結合以往研究來自文獻[1][4][14][16-17][20]。例如濕度指標，最小值為0，最大值為1，當最適宜臨界值為0.9，適宜臨界值為0.7時，通過公式1得到最適宜和適宜的量化指標為0.9和0.7。

無霜期指標適用于這一量化方法，最大值為200，當最適宜臨界值為200，適宜臨界值為180時，通過公式2得到最適宜和適宜的量化指標為1和0.9。

(3)分級取值量化

此類因子的適宜區間是賦值后進行表達，超出這個區間會或多或少成為限制性因子，適宜程度需遵循其評價依據劃分為不同級別。

(4)定性因子量化

定性因子是指難以用有內在聯系的連續性數值進行表達的一類因子，對這類因子的量化需結合實際經驗和相關研究進行判斷。如土壤類型，其在時空分布上并不連續，對41種土壤類型進行賦值，代碼為1～41，再劃分出適宜區間，在7～11這個區間段是所需的土壤類型，分別對應黃棕壤、棕壤、紅壤、赤紅壤、磚紅壤等土壤類型。

按上述4種標準化方法，對七個因子進行量化處理。其中，采用正向因子量化法處理的是相對濕度和坡度因子，采用負向因子量化法處理的是無霜期因子，采用分級取值量化的有年低溫、年均降水量和海拔高度等因子，采用定性因子量化法的是土壤類型因子。最終，得到各因子適宜性分級指標量化結果(表2)。

2.4RBF神經網絡檢驗

各因子量化指標間并不是線性關系，很難用一般函數模型表達因子間的關聯度，為了更好的表征因子量化指標在評價中的適宜度，本文根據文獻[26-30]，利用徑向基神經網絡進行各因子指標精度驗證。通過建立學習樣本，輸入數據即油茶各因子量化指標值（表2），輸出數據即適宜性分級標準，以0或1進行賦值（表3）。調用Matlab工具箱的newrb函數:net=newrb(p,t,goal,spread)(3)

式中，p為輸入層樣本向量，即適宜性評價因子指標層數為7層，t為輸出樣本向量，即適宜性等級層數為4層，goal為設定的均方誤差，spread為徑向基神經元層的散布常數，默認為1。

生成學習樣本后，用篩選后的34個城市的氣象資料數據（1994～2010年）作為網絡監測樣本進行驗證，最終完成整個訓練。在訓練過程中，newrb可以用迭代的方式增加隱含層神經元數，直到均方誤差滿足設定精度為止。通過RBF神經網絡的檢驗，結果顯示，在設定精度為0.1時，平均絕對誤差達到最小為0.8713，量化指標值能較好地反映各因子對油茶生長的適宜程度。

表2　油茶適宜性評價指標體系Table 2 Indicators system of Camellia oleiferaAbel suitability assessment

表3　RBF學習樣本期望輸出Table 3 Desired outputs of RBF learning samples

2.5確定指標權重及評價單元

傳統的權重確定方法有Delphi法、線性回歸法、層次分析法等，許多學者嘗試改進傳統方法，力求使權重精度達到最佳。盛建東等利用投影尋蹤回歸技術改進模型，是對回歸方法的改進[31]。周旭等改進層次分析法的標度，實現了貴州省普安縣耕地土壤肥力可視化評價[32]。本研究依據分析需要，在綜合考慮因子類型、數量的基礎上，采用改進的層次分析法：三標度兩步層次分析法。三標度兩步層次分析法是一種多指標決策方法，基于三個標度，是將定性與定量分析相結合的系統分析方法，把人的主觀判斷用數量形式表達和處理[33,34]，將不同因子有效歸類，在定性的基礎上進行量化，保證各因子的權重精度，提高評價質量。

建立兩兩比較矩陣，通過多次專家打分，考慮致死溫度等關鍵因素，突出溫度因子的重要性，使定性的因子數量化，并由量化后的數值組成比較矩陣。在這個階段建立的因子不是孤立的，它們是最相關的[35]。因此，在比較矩陣主對角線上，其數值都為1，得到兩兩因子比較矩陣（表4）。

表4　各因子兩兩比較矩陣Table 4 Comparative matrix between two factors

根據比較矩陣，將各行值進行累加，按下式計算，可獲得構造判斷矩陣。

上式中，rij為構造判斷矩陣中的元素，其中i,j代表不同的因子。各因子在每一行進行累加，累加值即為Ki，Kj。bm一般用（Kmax+Kmin）代替，即最重要的因子與最不重要的因子相關數之和[36]。構造判斷矩陣的最大特征值是一個向量形式，在經過一致性檢驗后，得到該矩陣的最大特征向量即：?=（0.0890.1130.1670.2530.1250.1140.139）各元素值表示相應因子的權重值。為簡化計算量，計算單位精確到小數點后三位，由此得出各評價因子的權重。利用GIS技術，對各因子適宜性進行評價，在單因子評價的基礎上，根據權重，將單因子適宜圖進行疊加分析和柵格代數計算，生成綜合適宜性評價的基本單元，每個評價單元包含年低溫、年均降水量、濕度、無霜期、海拔高度、坡度和土壤類型七個因子的信息，大小為1km×1km。

3　結果與分析

3.1單因子適宜性評價

應用經RBF神經網絡檢驗后的指標，結合GIS空間分析技術，進行單因子適宜性評價，直觀表達每個評價單元的適宜性等級區劃。根據單因子評價結果（圖2），我國油茶種植的適宜性區域分布有較強的一致性，大部分集中在湖南、江西、廣東、廣西、浙江、福建、貴州、湖北等省份。對比各因子分析結果，評價適宜區域存在差異，如濕度適宜區在西藏南部局部地區，新疆北部和西部，內蒙北部等區域；海拔高度適宜區在東北大部，新疆北部等區域也符合油茶生長，但目前以上區域均未有油茶種植。單因子評價模型只考慮某一因子在其余影響因子變化不大的條件下的作用，不能反映作物生長受氣候因子影響的真實情況[37]。因此，為了更好地反映油茶的生境習性和適宜程度，應在單因子評價的基礎上，結合不同的指標權重進行綜合評價。

圖2　單因子評價結果Fig.2 Result of single-factor assessment

3.2多因子綜合評價結果

根據單評價因子的分析結果，利用GIS空間分析和屬性數據一體化處理等技術優勢，結合不同因子權重，采用柵格分析和地圖代數運算，進行綜合評價(圖3)。每個評價單元相當于一個土地資源單位，單元內部質量相對均一[38]，同時包含評價指標的屬性信息，即七個因子適宜性分級信息，客觀地反映出在綜合因素影響下，油茶的適生條件和適宜區劃在空間上的差異。

(1)最適宜區：各評價單元為最佳范圍時，得出區劃結果，主要分布于湖南、江西，廣東、廣西等大部地區。該區面積約為418.89×104hm2，約占油茶適宜區域總面積的65.50%。該區域地勢平坦，降水充足，溫度適宜，是最早種植油茶的地區，也是目前油茶的主產區。

(2)適宜區：各評價單元處在合理范圍內時，得出區劃結果，分布在廣東西南部、福建南部等地區。該區面積約為131.34×104hm2，約占油茶適宜區域總面積的20.54%。該區域受一些輕微限制因素的影響，通常相對濕度較低，地勢起伏略大，但也是油茶產區的重要組成部分。

(3)臨界適宜區：表示評價指標閾值的上限或下限不明確或評價單元的精確度較模糊，得出區劃結果，分布于河南、陜西南部，四川西北部等地區。該區面積約為89.27×104hm2，約占油茶適宜區域總面積的13.96%。在這一區域中，適宜和不適宜條件均存在，需對具體區域作進一步精確評價，是種植潛力較大和開發利用價值較高的區域。

(4)不適宜區：排除以上三個區劃之外的地區，分布于東北地區，新疆、西藏等地區。該區域各項指標條件受限制較大，油茶生長環境較差。對評價結果進行統計分析，獲取省級適宜信息（表5）。

圖3　油茶適宜性分布圖Fig.3 Distribution map of Camellia oleifera Abel suitability

表5　油茶分省適宜性統計Table 5 Provincial statistics of Camellia oleiferaAbel suitability

3.3限制性分析

臨界適宜區的指標范圍具有模糊性，有必要進行限制性分析[39-41]，以便合理開發利用這一區域。在原有單因子適宜性指標體系的基礎上進行分級賦值，最適宜、適宜、臨界適宜和不適宜依次為1，2，3，0。宗躍光等通過對原有權重修正法的改進，建立了潛力-限制綜合評價模型，在借鑒損益分析法(cost-benefit analysis)和生態足跡的基礎上,將影響變量通過生態潛力和生態限制性兩類作差,得到生態潛力扣除生態限制性的剩余[42]。依據本研究的實際情況，對上述潛力-限制綜合評價模型進行改進，改進后的公式為：

式中Sn是不同因子適宜性，Xip為種植潛力值，即種植潛力柵格數，Wip為種植潛力的權重，Xic為種植限制值,即種植限制柵格數，Wic為種植限制的權重,d為常數3，即臨界適宜區值，Rn為各因素平均限制值，N為不同因素類包含因子個數。為了便于對比，將結果值以小數形式顯示(表6)。

表6　限制性分析結果Table 6 Result of constrain analysis

由此得出臨界適宜區的限制性因子的影響程度，最大限制性因素是氣候類，約是土壤類的五倍，最大限制因子是年低溫，海拔高度、無霜期等限制性相對較弱。根據《全國油茶產業發展規劃（2009～2020年）》的要求，對這一區域可著重從生態效益上種植油茶，雖然難以形成較大規模的種植區，但充分發揮油茶的環境優勢，輔以經濟貢獻，也是種植可行性較大，重點開發的區域。

根據評價結果，加入臨界適宜區的統計面積，對比規劃要求，采用面積統計圖，直觀表達各省份油茶種植的空間分布狀況。《規劃》里至2020年，廣西省的任務要求是41.47×104hm2，分省統計結果顯示，其適宜種植面積約為57.49×104hm2，提升空間為16.02×104hm2；江西省的任務要求是98.31×104hm2，其可適宜種植面積約為107.35×104hm2，提升空間為9.04×104hm2等等，油茶種植的提升空間很大(圖4)。評價結果中，河南省提升空間過大，重慶市甚至出現降低空間，究其原因，一方面河南省油茶適宜區集中于東南部，這一區域屬于黃淮海平原，地形因子在評價中作用較大，使該區域結果面積較大；重慶市則以山地為主，不僅減弱了氣候因素的影響，還使評價中坡度的作用受限，因而評價結果出現缺失現象。另一方面，由于研究區范圍較大，數據量龐大，柵格劃分細化程度有限，加之各因子權重分配并不完全適合，導致評價結果出現小部地區異常。

圖4　油茶適宜種植面積與2020年規劃對比Fig.4 The contrast between suitable planting area of Camellia oleiferaAbel and 2020 plan

4　結論與討論

（1）評價結果基本符合全國油茶種植環境的空間分布狀況：最適宜區種植油茶年限較久，經驗豐富，是進行品種改良，提高單產的主要區域；適宜區可進行原油茶林地復墾改造，相關技術也較為成熟；臨界適宜區則是擴大開墾規模的重點區域，這也是提高油茶產量最直接有效的方式。研究結果顯示，全國油茶種植適宜區域面積約為639.5×104hm2。對比國家油茶發展的戰略規劃，不計入臺灣、海南和江蘇等省份，剔除有待進行限制性分析的臨界適宜區，統計出最終適宜面積約為491.88×104hm2，到2020年，我國油茶種植總規模將達到466.67×104hm2，油茶發展潛力空間達25.21×104hm2。

（2）利用RBF神經網絡優化因子量化指標，檢驗精度較高，基于單因子評價的綜合適宜性評價結果良好，反映了RBF神經網絡在適宜性評價中的優勢，如何應用RBF神經網絡進行綜合適宜性評價還需進一步研究。限制性分析結果表明，氣候因素的貢獻值最大，針對限制因子影響程度，臨界適宜區可以通過復選多個因子進行精細評價，并綜合經濟成本和油茶品種進行深入研究，以擴大油茶種植區域。本研究也為決策者提供了一個詳細的數據參考，對油茶種植的合理性布局，土地資源利用規劃等提供科學依據。

[1]王瑩,蘇永秀,李政.廣西西北部油茶種植氣候適宜度評價[J].中國農學通報,2013,29(13):24-30

[2]余江帆,陸志科,謝碧霞.近10年中國油茶研究論文計量研究[J].經濟林研究,2006,24(4):61-63,70

[3]黃永芳,陳紅躍,雷治國,等.廣東省油茶生產狀況與發展對策[J].經濟林研究,2004,22(3):77-79

[4]陸魁東,宋忠華,杜東升,等.湖南油茶GIS精細化氣候區劃研究[J].中國農學通報,2011,27(8):362-365

[5]何奇瑾,周廣勝.我國春玉米潛在種植分布區的氣候適宜性[J].生態學報,2012,32(12):3931-3939

[6]封志明.資源科學導論[M].北京:科學出版社,2004

[7]楊子生.試論土地生態學[J].中國土地科學,2000,14(2):000209-43

[8]陳雯,孫偉,段學軍,等.以生態-經濟為導向的江蘇省土地開發適宜性分區[J].地理科學,2007,27(3):312-317

[9]王煒,吳耿鋒,張博鋒,等.徑向基函數(RBF)神經網絡及其應用[J].地震,2005,25(2):19-25

[10]董斌,陳立平,錢國英.基于遙感的層次分析法和模糊數學模型綜合評價森林資源生態適宜性[J].自然資源學報,2011,26(3):468-476

[11]張紅旗.GIS支持的縣級區域柑桔土地適宜性綜合評價[J].資源科學,1998,20(1):62-70

[12]陳雯,孫偉,段學軍,等.蘇州地域開發適宜性分區[J].地理學報,2006,61(8):839-846

[13]蘇光全,何書金,郭煥成.礦區廢棄土地資源適宜性評價[J].地理科學進展,1998,17(4):41-48

[14]莊瑞林.中國油茶[M].北京:中國林業出版社,2008

[15]張靜芬,千懷遂,賴純佳.我國亞熱帶樟樹的溫度適宜性及其變化趨勢[J].生態學雜志,2010,29(8):1482-1487

[16]鄒康廉,鄒哲馨.昭平縣油茶氣象條件分析[J].氣象研究與應用,2013(1):64-66

[17]張乃燕,黃開順,覃毓,等.主要地理氣候因子對油茶籽油脂肪酸組成的影響[J].中國油脂,2013,38(11):78-80

[18]韓翠華,郝志新,鄭景云.1951-2010年中國氣溫變化分區及其區域特征[J].地理科學進展,2013,32(6):887-896

[19]王冀,江志紅,丁裕國,等.21世紀中國極端氣溫指數變化情況預估[J].資源科學,2008,30(7):1084-1092

[20]何方,何柏.油茶栽培分布與立地分類的研究[J].林業科學,2002,38(5):64-72

[21]何方,毛獻策,王義強,等.中國油茶林地土壤類型的研究[J].經濟林研究,1993,11(2):1-14

[22]楊子生.土地適宜性評價中”主宜性”劃分問題之探討[J].自然資源學報,1991,6(3):286-292

[23]潘世兵,王忠靜,孫江濤.基于GIS的黃河三角洲地下水開發適宜性評價模型[J].水文地質工程地質,2001,28(6):33-36

[24]俞艷,何建華,袁艷斌.土地生態經濟適宜性評價模型研究[J].武漢大學學報:信息科學版,2008,33(3):273-276

[25]楊洋,何春陽,李曉兵.基于GIS的云南栽培型普洱茶樹大規模種植適宜性評價[J].北京林業大學學報,2010,32(3):33-40

[26]徐美,朱翔,劉春臘.基于RBF的湖南省土地生態安全動態預警[J].地理學報,2012,67(10):1411-1422

[27]郭宗樓.環境質量綜合評價的徑向基函數網絡模型[J].環境科學研究,1997,10(4):1-5

[28]李啟權,王昌全,岳天祥,等.基于RBF神經網絡的土壤有機質空間變異研究方法[J].農業工程學報,2010,26(1):87-93

[29]朱凱,王正林.精通MATLAB神經網絡[M].北京:電子工業出版社,2010

[30]張曉瑞,方創琳,王振波,等.基于RBF神經網絡的城市建成區面積預測研究——兼與BP神經網絡和線性回歸對比分析[J].長江流域資源與環境,2013,22(6):691-697

[31]盛建東,文啟凱,蔣平安,等.投影尋蹤回歸技術在棉花土地適宜性評價中的應用[J].干旱區研究,1997,14(2):36-41

[32]周旭,安裕倫,許武成,等.基于GIS和改進層次分析法的耕地土壤肥力模糊評價——以貴州省普安縣為例[J].土壤通報,2009,40(1):51-55

[33]何英彬,陳佑啟,楊鵬,等.國外基于GIS土地適宜性評價研究進展及展望[J].地理科學進展,2009,28(6):898-904

[34]劉李霞,畢華興,孔憲娟,等.基于改進層次分析法的GIS公共服務設施選址[J].地理與地理信息科學,2011,27(5):46-49,113

[35]邱炳文,池天河,王欽敏.基于GIS和多目標評價方法的果樹適宜性評價[J].農業工程學報,2005,21(6):96-100

[36]徐肇忠.專題制圖中各有關專題要素求權方法的比較研究[J].測繪學報,1995,24(1):64-70

[37]蒲金涌,姚小英,王位泰.氣候變化對甘肅省冬小麥氣候適宜性的影響[J].地理研究,2011,30(1):153-160

[38]劉長勝,盧偉,金曉斌,等.GIS支持下土地整理中未利用地適宜性評價——以廣西柳城縣為例[J].長江流域資源與環境,2004,13(4):333-337

[39]張洪業.利用限制性評分方法確定土地農業適宜性等級——以澳大利亞新南維爾士州為例[J].地理研究,1994,13(2):67-73

[40]樊新剛,米文寶,楊蓉.寧南山區生態重建限制性因素分析[J].水土保持究,2004,11(3):28-30,60

[41]王露,楊海龍,封志明,等.廣西能源作物木薯種植的可能規模:自然適宜性與社會限制性評價[J].資源科學,2012,34(1):150-158

[42]宗躍光,王蓉,汪成剛,等.城市建設用地生態適宜性評價的潛力—限制性分析——以大連城市化區為例[J].地理研究,2007,26(6):1117-1127

A Primary Study on the Suitability of Camellia oleifera Abel Planting Environment in China

SONGYing-qiang1,YANGFen-li2,YANGBo3,YANG Lian-an1*,ZHANG Lin-sen4, YU Shi-feng5
1.College of Urban and Environmental Sciences,Northwest University,Xi’an 710127,China
2.Xianyang Agricultural Science Research Academy,Xianyang 712000,China
3.WeiCheng Seed Management Stations,Xianyang 712000,China
4.College of Horticulture,Northwest A&F University,Yangling 712100,China
5.Xi'an Agricultural Product Quality Safety Inspection and Monitoring Center,Xi'an 710077,China

In this paper,Camellia oleifera Abel is taken as the study object,elements,technical model and comprehensive evaluation are built to guide national Camellia oleifera Abel of suitability evaluation.The selection of evaluation factors such as annual low temperature,amount of precipitation,humidity,frost free season,altitude,slope and soil type which including three types of climate,topography and soil to build index system of Camellia oleifera Abel planting suitability evaluation. Based on three scale two step Analytic Hierarchy Process,RBF neural network and GIS technology,a single factor evaluation and comprehensive evaluation under constrain analysis method of multi-factors suitability are made for the study area of Camellia oleifera Abel planting suitability.Comprehensive evaluation has a high accuracy by comparison to single-factor evaluation.The result shows that national suitable areas of Camellia oleifera Abel planting are concentrated in the most of Hunan,Jiangxi,Guangdong,Guangxi,the southwest of Hubei and the south of Yunnan areas.The requirement of the national Camellia oleifera Abel industry development plan is 46.67 million ha,but the statistical result of the national suitable areas are 49.19 million ha,so it has a huge potential of Camellia oleifera Abel planting by provincial statistics.The results from this study can provide the scientific proofs for the rational distribution and land resources programme of Camellia oleiferaAbel planting.

Planting environment;suitability assessment;RBF neural network;Three Scale Two Step Analytic Hierarchy Process;Camellia oleiferaAbel

S-03;X144

A

1000-2324(2015)02-0180-09

2014-08-09

2014-10-14

教育部人文社會科學研究規劃項目(10YJA910010);陜西省農業科技攻關項目(2011K02-11);農業部現代蘋果產業技術體系肥水高效利用崗位(NYCYTX-08)

宋英強(1990-),男,碩士,主要從事環境地理信息系統研究.E-mail:jingjingdailuan@163.com

Author for correspondence.E-mail:yanglianan@163.com