基于標準差變換的農用地產能核算可實現產量校正與建模分析

尹晉磊， 黃宗維

(廣西壯族自治區國土測繪院，廣西南寧 530023)

?

基于標準差變換的農用地產能核算可實現產量校正與建模分析

尹晉磊， 黃宗維

(廣西壯族自治區國土測繪院，廣西南寧 530023)

簡要介紹了農用地產能層次劃分和核算的基本原理；以柳州市區農用地產能核算項目數據為例，重點分析了可實現產量的數據收集過程和誤差來源，運用標準差變換手段對外業數據進行分析處理，詳細驗證了處理前后數據分布和變化的情況，并對異常數據溯源，簡要說明其產生的原因。

農用地；產能核算；產量校正；評價

農用地綜合生產能力調查與評價是國土資源大調查的重要內容之一，也是農用地分等項目的深化與繼續。農用地綜合生產能力是指在一定地域、一定時期和一定經濟、社會、技術條件下所形成的耕地產能，形式上可以用產能單產和總產表示。開展農用地綜合生產能力調查與評價，特別是農用地產能核算，對于全面了解和掌握農用地資源狀況，科學評價農用地綜合生產能力，分析評價農用地利用強度和潛力，保障國家糧食安全具有重要意義。

1　農用地產能層次劃分

《農用地綜合生產能力調查與評價技術規范》將農用地產能劃分為3個層次：理論產能、可實現產能和實際產能。其中，理論產能基礎數據主要來源于農業科技部門在試驗田獲得的各種測產數據，意指使用最好的種苗，在最好的生產條件下獲得的產量，是一種理想狀態下的產量,也是未來努力實現的目標；實際產量是基于統計數據獲得的多數農田的產量，是現實條件下多數農田已獲得的產量；而可實現產量介于兩者之間，是在農業生產條件得到基本保證，光、熱、水、土等環境因素均處于正常狀態，技術條件可以滿足，由政策、投入等因素決定的正常年景下農作物所能夠達到的最高產量[1]。該研究主要討論可實現產能基礎數據的獲得和校驗。

2　產能核算的原理

耕地現實生產能力是在當前生產技術條件及社會經濟水平下，可以獲得的耕地生產能力，從理論上理解，必定有耕地資源現實生產能力得到最大程度實現的地塊存在，因此可將這些地塊的糧食作物年產出量近似等同于該地塊的現實產能[2]。若這樣的地塊數量達到一定程度，空間分布合理，就可應用這些樣本建立產量與地塊分等指數的關系模型，運用空間地理插值法，得到整個區域的耕地現實產能分布情況。而根據農用地分等理論，農用地利用等指數可以認為是耕地在該層次的產能理論上限的量化表達，因此產能核算的基本方法就是對調查地塊的最大產量與其對應的利用等指數做回歸分析，建立數學模型，測算整個區域耕地生產能力。

3　可實現產量數據調查方法和局限

由于目前實踐中無法直接獲取農用地分等單元的可實現產能單產，只能將抽樣單元農用地指定作物近3～5 a正常年景下的實際最高單產作為該單元的可實現產能單產[1]，因此可實現產量主要是通過外業調查、實地咨詢農民的方式獲取。這種調查方法的優點是能夠得到田間最真實直接的數據，但調查發現，通過實地向農民直接咨詢的方式獲取的可實現單產樣本，由于生產者本身的局限性，提供的數據通常是憑借生產經驗得出的估計值，這個數值通常反映的是該農用地近年的實際產量最高值，不能直接用于農用地產能核算。

4　外業調查樣本分析

以柳州市區為研究區域，采用分層抽樣法，在綜合考慮樣點空間覆蓋均勻與等別覆蓋齊全的基礎上，預設調查樣點95個(水田58個、旱地37個)，共涉及全部12個有現狀耕地的鄉鎮，調查范圍達到總耕地面積的65%。在調查過程中，根據具體情況，如因現狀已轉變為建設用地，隨機增補部分調查樣點，實際調查了水田60個樣點(新增2個水田)、旱地37個樣點，共計97個樣點。其中各等級分布樣點個數及地類見表1。

目前在實踐中無法獲取抽樣單元農用地可實現單產的樣本，所以只能調查農用地近3～5 a正常年景下的最高單產，將其看做農用地可實現單產的樣本值。在具體實踐過程中，可實現單產樣本值來自于外業調查中到田間地頭及村委會等實際調研所得，由于大多數勞動者沒有定量的科學統計，而是根據經驗給出近幾年的“最高單產的經驗平均值”，因此，筆者將獲取的數據直接用于建模，擬合效果如圖1所示。

表1產能核算抽樣分等單元等級和個數統計

Table 1Productivity calculation sampling grading unit level and number statistics

農用地利用等Useofgradeoffarmland水田Paddyfield∥個數旱地Dryland∥個數8等Grade81139等Grade982410等Grade100011等Grade110012等Grade120013等Grade131014等Grade142015等Grade1518016等Grade1629017等Grade1710

經整理后可以看出，將實地調研所得“經驗值”以相同利用等為區間觀察，在整體上依然呈現一定的梯度變化，并隨利用等級呈正相關性，但與要建立函數關系的利用等指數之間相關性不高，說明實地調查數值在整體趨勢上是與農用地分等一致的；但由于其梯度過大，因此實地調查數據必須經過修正才能應用于綜合產能核算中進行建模分析。

圖1　直接擬合建模效果Fig.1　Direct fitting modeling effect

5　外業調查樣本校正

對可實現單產樣本數據校正的原理是：對柳州市區利用等指數進行整體分析，求出各等別間的梯度值，再利用梯度值進行標準化變換形成標準化得分的判斷依據，利用標準化得分對可實現單產進行判斷。標準化得分過大的作為異常值剔除，在可接受范圍內的進行調整，在正常范圍內的可以直接使用。

計算出利用等指數標準差和各作物可實現最高單產標準差，再對這2個標準差值做標準化變換，公式為：

(1)

設Z1為利用等指數的標準化得分，Z2為各作物可實現最高單產的標準化得分，令其滿足下列關系：

Z1- Z2≤α

(2)

以α作為閾值來調整各作物可實現最高單產標準化得分，調整后的Z2′進行下列計算：

(3)

校正的原則是：標準化得分Zi<0.5為正常值，可直接用于建模；0.5≤Zi≤1.0為正常樣本，經標準差變換后用于建模；Zi>1.0為異常值，校正幅度較大。根據這個原則進行篩查可知，柳州市區可實現樣點共取得97個有效樣本，其中水田60個、旱地37個，以早稻為例，校正過程如表2所示。

表2　早稻可實現單產校正過程(部分)

圖2顯示，校正后各指定作物與對應農用地利用等指數擬合，取得了較理想的效果。

圖2　柳州市區可實現單產(校正值)—利用等指數曲線擬合Fig.2　Yield per unit area(corrected value)—use of grade index curve fitting in Liuzhou region

校正后統計樣點數據如表3所示，柳州市區農用地可實現單產樣本在正常值范圍內的個數所占比例為78.4%，其余不在正常值范圍內的樣本經小范圍校正后建立的模型是合理可靠的。

6　異常點分析

測算過程中，認定為異常點有21個，其中旱地10個、水田11個在計算中予以剔除。旱地異常樣點調查甘蔗產量達到120～150 t/hm2，偏離正常產量范圍。11個水田樣點中，7個經核實為菜地(分等成果采用過渡期分類系統，產能核算采用全國土地利用現狀分類，將菜地銜接為水澆地)，在前期樣點篩選中為調查分類的方便將菜地均歸并為水田調查。通過查閱柳州市農用地分等成果原始數據發現，柳州市區菜地的指定作物中，既有甘蔗也有水稻，在實際調查中也多次出現了“水田樣點，實為旱地”的情況，這些以甘蔗為指定作物分等的菜地，應作為旱地對待，其余4個樣點為產量與多數同等級耕地產量差異過大。

表3柳州市區可實現單產樣本檢驗統計

Table 3Sample test statistics of yield per unit area in Liuzhou region

標準化得分Standardizedscore水田Paddyfield旱地Dryland占樣點比例Proportioninsamplepoints∥%Zi<0.5271846.40.5≤Zi≤1.022932.0Zi>1.0111021.6合計Total6037100

7　小結

該方法的實踐獲得了較理想的數學屬性，但其應用是基于各鄉鎮農用地(耕地)質量和利用水平關系未發生重大變化的前提下開展的。

農用地自然質量與土地本身屬性有關。由表4所示的柳州市區耕地分等主導因素及權重可見，在柳州地區影響耕地質量等別的主導因素中除灌溉保證率受排灌措施影響外，其余因子是長期相對穩定的，而水田灌溉保證率得分梯度約為20分[3]，即發生1個等級變化，對總分的影響約為0.03分，旱地只是基準分略高，即灌溉對總分影響更小，因此自然質量分是可用的。

表4　柳州地區耕地分等因素權重

廣西農用地分等工作以2002年為基期年，農用地產能核算以2009年為基期年，7 a來，自治區廣大農村地區的經濟發展取得了重大的成果，但從整體上看，除個別極端情況(如貧困或近郊地區由于政策扶持或產業結構改變)，發展過程是相對平穩的，即以鄉(鎮)為單位其發展水平是基本同步的。試點區為柳州市轄區，無極端貧困的情況，而城市近郊農村地區雖因城市發展經濟水平得到提高，但這并非由農業發展所帶來的，利用水平的絕對值可能有所提高，但其相對關系是基本穩定的；因此在2個前提下進行的數據校正，和在此基礎上所建立的產能核算模型是可以接受的。

[1] 國土資源部.農用地生產能力調查與評價技術規范[Z].2009.

[2] 伍育鵬，鄖文聚，鄒如.耕地產能核算模型的研究[J].農業工程學報， 2008，24(S2)：108-113.

[3] 廣西國土測繪院.廣西耕地質量等級評價技術報告[R].2004.

Farmland Productivity Calculation Correction Analysis and Modeling Based on Standard Deviation Transformation

YIN Jin-lei, HUANG Zong-wei

(Land Surveying and Mapping Institute in Guangxi Zhuang Autonomous Region, Nanning, Guangxi 530023)

The basic principles of farmland productivity calculation and its levels division were introduced briefly. Based on the project data of farmland productive calculation in Liuzhou City, the collection procedure of production achievable data and related error source were analyzed slectively. Standard deviation was applied on the field data processing, and the data distribution and variation of pre-processing and post-processing were also verified in details. The reason of anomaly data was explained by tracing back to the source.

Farmland; Productivity calculation; Yield correction; Evaluation

尹晉磊(1982- )，男，四川成都人，工程師，碩士研究生，從事國土資源管理研究。

2016-05-23

F 301

A

0517-6611(2016)20-206-03