生態價值視角下土地最優利用研究*
——以鄭州市為實證

宋 劍， 席增雷

(1.中共唐山市委黨校，河北唐山 063000； 2.天津大學環境科學與工程博士后流動站，天津 300072；3.河北大學經濟學院,保定 071002)

生態價值視角下土地最優利用研究*
——以鄭州市為實證

宋 劍1， 席增雷2， 3※

(1.中共唐山市委黨校，河北唐山 063000； 2.天津大學環境科學與工程博士后流動站，天津 300072；3.河北大學經濟學院,保定 071002)

[目的]試圖探索能夠直接應用于土地規劃的方法思路與分析工具，為土地管理者和決策者提供分析和優化土地資源的參考。[方法]以鄭州市為研究對象，采用計量公式計算、引用參考文獻法得到土壤功能價值數據矩陣，將完整土壤功能價值指標數據導入因子分析模型，計算因子載荷矩陣，觀察特征值及貢獻率表，利用回歸法計算樣本綜合得分。[結果]樣本的各項土壤功能價值主要由4個主因子共同來決定，第一主因子為環境介質因子； 第二主因子為生態支持因子； 第三主因子為營養循環因子； 第四主因子為基礎承載因子。[結論]綜合得分排名靠前的大部分樣本區域在4個主因子得分上均表現出較高的分數，實際規劃中可以綜合考慮使用目的、土質、地理區位、周邊環境等因素權衡發展； 土壤的眾多功能價值均比較高，但在第二主因子生態支持功能組上的優勢最為明顯的可規劃為生態保護區； 在環境介質功能組上最有優勢的，可優先發展農業和植被覆蓋； 綜合得分最低的區域大部分功能價值均較弱，規劃中可適當考慮為建設承載區。

生態價值 土地利用 因子分析

0 引言

建設美麗中國，首先需要美麗的土壤，正確認知土壤的價值，亦是落實《土壤污染防治行動計劃》、構建土壤環境治理體系的前提和基礎。土壤作為一種未被全面認識的自然資本，是人類社會一切活動的物質基礎[1]。然而隨著城市化和工業化的不斷發展，人類活動對土壤資源功能演化產生了深刻和持久的影響，包括土壤建設承載功能和土壤生產功能之間的此消彼長，土壤封閉導致的生態調節功能弱化等等。土壤功能的轉化、弱化甚至特定功能的消失，造成很多地區土壤功能時間和空間上的平衡發生偏移，這些因素成為土壤利用價值最大化的桎梏，要實現土壤資源的最優化利用必須要對其進行科學規劃[3]。

土壤功能演變為土地規劃帶來了很大的難度，要實現科學規劃必須要解決2個關鍵問題。首先要改變土壤自然資本及其價值尚未得到全面發現、認識和計量的局面。除了容易為人們感知且易于量化的生產、基礎承載等直接功能，生態環境調節、防洪減災、保持生物多樣性以及文化景觀等難以量化的眾多功能還很難直觀的為公眾所認知[5]，因此要逐步引導對土壤間接功能價值重要性的認識，進而逐步實現土壤各項功能的科學量化。土壤功能貨幣化分析能夠比較土壤功能轉化后的機會成本，衡量對人類福利產生的利弊。其次，土壤功能貨幣化計量理論與成果的轉化是最優利用的關鍵。要選取科學的計量分析模型，從具體數據出發確定研究區域土壤優勢功能或功能組，改變僅依據土地生產力和區位來確定最優用途和價值的簡單思路[6]。

遵循如何將土壤各項功能因素融入到土地規劃中去這一主線，文章力求探索能夠直接應用于土地規劃的方法思路與分析工具，為土地管理者和決策者提供分析和優化土地資源的參考，為土地資源利用、保護和土壤自然資本價值傳播提供新視角。

1 因子分析模型的適用性分析

該文引入因子分析模型，將具有錯綜復雜關系的15項功能指標降維到少數綜合因子，并根據樣本得分與排名情況，提出確定研究區域最優土壤功能分配方案的新思路，通過對比土壤功能與土地利用類型的對應關系，比較土壤的各功能價值，選擇最優開發用途或功能組合，從土壤合理利用的角度對土地利用規劃提供建議。

如何透過目標區域的具體特性分辨出最適宜發展和最需要保護的功能或功能組[4]，往往是實際規劃中的難題，因子分析模型恰恰能提供很好的思路，具有對接分析的實用性。因子分析模型可以簡化計算過程，解決了多指標篩選和功能定位的難題，使分析方法和結論更具有推廣性，還可以將錯綜復雜且相關性高的指標根據數據的客觀表征分為一個功能組，便于快速準確地得出結論。

2 實證分析

2.1 數據來源

綜合考慮鄭州市土種類型、土壤數據庫、農業數據庫和土地利用數據庫，并考慮了地形地貌等特征，在區域內選取56個樣本點并提取相應土壤功能參數，采用計量公式計算、引用參考文獻法，得到土壤功能價值數據矩陣，分析指標見表1。

表1 土壤功能指標體系

貨幣化指標代碼貨幣化指標代碼貨幣化指標代碼氣體調節功能價值X1消除二氧化硫價值X6生產功能價值X11氣候調節價值X2消除氮氧化物價值X7原材料提供價值X12水分保持緩沖價值X3固塵價值X8建設承載功能價值X13碳存儲價值X4防洪價值X9自然文化價值X14有機質蘊含價值X5廢物處理價值X10生物多樣性價值X15

2.2 因子模型分析

通過計算因子載荷矩陣，提取特征值大于1且累計貢獻率達到86.06%的4個公因子作為綜合變量。經過降維在以客觀數據為支撐的前提下將原有15項評價指標劃分為4類具有代表性的功能組，并且信息量損失較小。

將多指標體系降維后，就可以將公因子帶入模型，以每個主因子方差貢獻率的比重作為權數進行加權計算，利用回歸法估計出各因子得分(Fi)，公式為：

F=∑Ai×Fi

(1)

Ai表示第i個公共因子的方差貢獻率占總方差貢獻率的比重[2]。通過樣本因子得分的深入分析可以進一步拓寬規劃思路。

2.3 樣本數據價值矩陣的構成

依選取采集的鄭州市56個采樣點作為樣本集，根據觀測指標建立數據矩陣，為了消除數據間量綱及數量級不同所造成的影響，首先要對其進行標準化處理，最終使各變量的均值為0，標準差為1。標準化后對應各貨幣化指標數據見表2、表3。

表2 觀測指標數據矩陣

樣本點X1X2X3X4X5X6X7X8X9X10X11X121黃河0 380 39-0 890 31-0 55-0 19-0 19-0 21-0 53-0 190 60-0 812黃河橋0 320 41-0 331 07-0 02-0 26-0 26-0 281 39-0 26-1 38-0 813黃河0 380 39-0 30-0 88-0 30-0 19-0 19-0 210 56-0 190 60-1 104黃河0 380 390 170 940 66-0 19-0 19-0 210 63-0 190 60-0 815保合寨0 380 390 57-0 400 70-0 19-0 19-0 210 48-0 190 600 616嶺軍峪0 380 390 50-0 68-0 80-0 19-0 19-0 210 42-0 190 60-0 817索須河-0 51-0 570 21-1 14-0 583 543 543 54-2 223 54-1 380 968程莊0 380 39-0 98-0 021 05-0 19-0 19-0 21-0 05-0 190 600 619京廣鐵路-2 10-1 600 500 791 06-0 56-0 56-0 280 65-0 56-1 380 6110馬渡0 380 39-0 640 18-0 31-0 19-0 19-0 210 16-0 190 600 0811師家河0 380 390 50-1 50-1 58-0 19-0 19-0 210 44-0 190 600 6112黃河0 380 395 490 170 43-0 19-0 19-0 21-3 10-0 190 60-0 8113大賀莊1 190 390 15-0 810 32-0 19-0 19-0 21-0 62-0 190 600 6714岳崗0 380 39-0 730 291 57-0 19-0 19-0 210 21-0 190 60-0 9315大河0 320 41-0 19-0 99-0 52-0 26-0 26-0 28-0 60-0 26-1 38-1 1616北錄莊0 380 39-0 68-0 091 11-0 19-0 19-0 210 74-0 190 600 6717棗陳0 380 39-0 65-0 55-0 49-0 19-0 19-0 210 66-0 190 60-1 3218花溝王-0 51-1 60-0 70-0 46-0 38-0 56-0 56-0 57-0 66-0 56-1 380 5819廟李-2 10-1 60-0 903 160 65-0 56-0 56-0 28-0 10-0 56-1 38-2 4320鄭州大學-2 10-1 60-0 712 583 49-0 56-0 56-0 280 12-0 56-1 380 9621林場-0 51-0 57-0 091 380 133 543 543 540 273 54-1 38-0 9822賈莊0 380 390 01-0 18-0 71-0 19-0 19-0 210 20-0 190 60-1 0423陳三橋0 320 411 12-0 69-0 49-0 26-0 26-0 28-0 43-0 26-1 380 3724賈崗-2 10-1 601 60-0 801 67-0 56-0 56-0 58-2 63-0 56-1 38-1 3225趙村0 380 390 77-1 11-1 45-0 19-0 19-0 210 55-0 190 60-1 6226付莊0 380 39-0 95-0 72-0 25-0 19-0 19-0 21-1 46-0 190 60-1 0427營崗0 380 39-0 410 820 91-0 19-0 19-0 210 03-0 190 600 4928桐樹王0 380 390 911 84-1 10-0 19-0 19-0 210 74-0 190 600 6729螺蛭湖-2 10-1 60-0 921 561 80-0 56-0 56-0 58-1 21-0 56-1 381 3230南王莊-0 51-1 60-0 41-0 09-0 63-0 56-0 56-0 57-1 12-0 56-1 38-0 6931密垌0 380 39-0 380 380 24-0 19-0 19-0 210 64-0 190 601 8532二郎廟-0 51-1 600 220 47-0 15-0 56-0 56-0 57-0 91-0 56-1 380 4933城鎮-2 10-1 600 700 13-0 80-0 56-0 56-0 580 47-0 56-1 38-0 3934劉寨0 380 390 982 531 61-0 19-0 19-0 210 39-0 190 60-1 6235劉胡垌0 380 39-0 79-0 32-0 36-0 19-0 19-0 21-0 38-0 190 600 9636賈寨0 380 390 77-0 830 09-0 19-0 19-0 210 48-0 190 60-0 9837南曹0 380 39-0 29-0 53-0 65-0 19-0 19-0 21-1 35-0 190 60-0 2238南小李莊1 190 39-0 480 000 54-0 19-0 19-0 21-0 30-0 190 600 9639袁河0 380 391 05-0 83-0 98-0 19-0 19-0 210 49-0 190 60-0 5140臺郭-2 10-1 600 36-0 67-1 56-0 56-0 56-0 580 28-0 56-1 380 5541蘇莊0 380 390 26-1 06-1 08-0 19-0 19-0 211 37-0 190 600 9642紅花寺0 380 390 840 690 70-0 19-0 19-0 210 57-0 190 600 5543小劉0 380 39-0 061 120 33-0 19-0 19-0 210 23-0 190 60-1 3244席村1 190 390 43-1 23-1 58-0 19-0 19-0 21-0 79-0 190 600 9645石匠莊0 380 39-0 26-0 57-0 49-0 19-0 19-0 211 68-0 190 60-0 5146孫莊-0 51-0 57-0 820 870 693 543 543 542 443 54-1 381 0847孫莊0 380 390 13-0 71-0 89-0 19-0 19-0 210 09-0 190 601 0848黃河畜牧場2 934 42-0 590 140 69-0 26-0 26-0 281 56-0 262 69-0 9849崗李0 380 39-0 99-0 670 44-0 19-0 19-0 21-1 29-0 190 60-0 9850索須河-0 51-0 57-0 83-0 240 243 543 543 54-0 713 54-1 380 9651新莊0 380 39-0 70-0 82-1 54-0 19-0 19-0 210 21-0 190 600 9652曹村坡0 380 390 01-0 130 63-0 19-0 19-0 210 36-0 190 600 6153鐵爐寨0 380 390 63-0 450 09-0 19-0 19-0 210 56-0 190 600 6154東趙-2 10-1 60-0 54-0 10-1 34-0 56-0 56-0 580 52-0 56-1 381 8555賈河0 380 39-0 79-0 390 41-0 19-0 19-0 210 11-0 190 600 9656紀公廟0 380 39-0 89-0 74-0 67-0 19-0 19-0 21-0 25-0 190 600 61

3 利用因子分析方法計算樣本綜合得分

3.1 計算相關系數矩陣

實證分析主要采用SPSS18.0統計分析軟件進行。獲得原始樣本數據矩陣后，通過整理計算將其輸入計算機，根據因子分析的步驟進行分析。首先對這些指標進行預處理，求出所有指標的相關系數矩陣表。

3.2 計算因子載荷矩陣

接下來計算因子載荷矩陣，觀察特征值及貢獻率表(表4)，可以看出前4個因子的累計貢獻率達到82.846%，并且特征值大于1，表明這4個公因子方差占全部因子方差的82.846%，所包含的信息量已達到原來總信息量的絕大部分，鑒于此，提取4個公因子作為綜合變量。這樣一來，原來的12項貨幣化指標轉化為4項綜合指標，達到了降維分析目的。

表3 相關系數矩陣

X1X2X3X4X5X6X7X8X9X10X11X12X11 0000 9110 009-0 335-0 190-0 021-0 021-0 0550 179-0 0210 810-0 096X20 9111 0000 013-0 243-0 096-0 045-0 045-0 0710 284-0 0450 841-0 163X30 0090 0131 000-0 086-0 075-0 098-0 098-0 104-0 303-0 0980 040-0 164X4-0 335-0 243-0 0861 0000 5930 0160 0160 0510 1720 016-0 241-0 146X5-0 190-0 096-0 0750 5931 0000 0070 0070 035-0 0680 007-0 091-0 049X6-0 021-0 045-0 0980 0160 0071 0001 0000 9980 0141 000-0 2710 130X7-0 021-0 045-0 0980 0160 0071 0001 0000 9980 0141 000-0 2710 130X8-0 055-0 071-0 1040 0510 0350 9980 9981 0000 0180 998-0 2950 126X90 1790 284-0 3030 172-0 0680 0140 0140 0181 0000 0140 2200 075X10-0 021-0 045-0 0980 0160 0071 0001 0000 9980 0141 000-0 2710 130X110 8100 8410 040-0 241-0 091-0 271-0 271-0 2950 220-0 2711 000-0 107X12-0 096-0 163-0 164-0 146-0 0490 1300 1300 1260 0750 130-0 1071 000

表4 特征值及貢獻率

成分原始矩陣的特征值貢獻率累計貢獻率合計方差(%)累計(%)合計方差(%)累計(%)合計方差(%)累計(%)14 20935 07635 0764 20935 07635 0764 04433 69733 69722 84223 68058 7562 84223 68058 7562 84323 69057 38831 58613 21871 9741 58613 21871 9741 65913 82771 21441 30510 87282 8461 30510 87282 8461 39611 63182 84650 8417 00489 85060 6935 77595 62570 2932 44398 06880 1591 32699 39490 0710 59099 984100 0020 016100 000110 0000 000100 000120 0000 000100 000

從共同度信息表可以看出，公因子對每一個原始變量的解釋能力都較強。通過因子載荷矩陣，可得寫出各變量的因子模型，但是由于4個因子在原變量上的載荷值相差不大，不容易對公因子進行歸類和解釋，因此還需要對公因子進行方差最大化旋轉(表5)，因子旋轉后累計方差比沒有改變，不會影響到原有變量的共同度，但卻重新分配了各個因子解釋原有變量的方差，使得因子更容易解釋。

旋轉后的因子載荷矩陣發生了很大變化，各因子在每項指標上的差異也顯現出來，解釋起來也相對容易。根據因子載荷絕對值的大小，將在某一因子上載荷絕對值比較大的幾個指標分為一組。

表5 旋轉因子載荷矩陣a

成分1234X10 02700 9341-0 18300 0102X20 00360 9685-0 05020 0408X3-0 06500 0381-0 0751-0 7759X40 0069-0 21320 87140 1330X50 0146-0 08360 82690 0012X60 9975-0 0491-0 00930 0431X70 9975-0 0491-0 00930 0431X80 9945-0 07560 02380 0496X9-0 00520 30410 14170 7121X100 9975-0 0491-0 00930 0431X11-0 23470 8970-0 07530 0347X120 0962-0 2615-0 38450 5079 注：萃取方法：主成分分析；選擇方法：方差最大正交旋轉法；a：旋轉5次迭代后收斂

3.3 計算因子得分

將多指標體系降維后，就可以將公因子帶入模型，利用回歸法估計出各因子得分(Fi)，以每個主因子方差貢獻率的比重作為權數進行加權計算，公式為：F=∑Ai×Fi，Ai表示第i個公共因子的方差貢獻率占總方差貢獻率的比重。各因子得分和綜合貨幣化：

F=0.41×F1+0.29×F2+0.17×F3+0.14×F4

(2)

依據上述公式利用統計軟件可以得到各樣本綜合得分F，見表6。綜上，根據該文貨幣化模型，樣本的各項土壤功能價值主要由以上4個主因子共同來決定，每一個主因子都從不同的側面反映了土壤的部分功能價值。僅僅單獨地分析某一個因子是不夠的，而是要綜合分析總的得分情況，以便對整個土壤功能做出正確可觀的貨幣化分析。

表6 土壤功能價值綜合得分

樣本F1F2F3F4F分類樣本F1F2F3F4F分類1-0 180 450 10-0 040 0731-0 69-2 021 170 56-0 5822-0 230 030 860 640 1532-0 59-1 27-0 40-0 54-0 7523-0 180 63-0 22-0 030 0733-0 230 22-0 131 290 1334-0 170 651 14-0 050 3034-0 60-1 38-0 18-0 30-0 7125-0 170 450 040 120 0835-0 68-1 65-0 28-0 20-0 8226-0 170 58-0 48-0 40-0 0426-0 120 812 65-0 860 51373 56-0 90-1 34-1 160 8037-0 210 21-0 630 63-0 0428-0 200 360 390 740 1938-0 150 66-0 05-0 640 0339-0 61-1 710 750 39-0 5629-0 150 30-0 63-0 61-0 17210-0 200 40-0 040 500 10310-0 160 54-0 020 470 15311-0 200 34-1 700 14-0 25211-0 160 56-0 73-0 57-0 112120 050 460 23-4 96-0 50212-0 71-1 86-1 370 24-1 01113-0 130 57-0 50-0 210 00313-0 230 39-1 240 89-0 06214-0 160 641 270 130 35314-0 170 470 620 060 18315-0 18-0 12-0 54-0 70-0 29215-0 160 661 17-0 300 28316-0 210 440 430 980 25316-0 140 43-1 79-0 30-0 28217-0 190 65-0 070 170 12317-0 220 65-0 230 780 17318-0 63-1 41-0 780 32-0 742183 43-0 450 751 911 66419-0 58-1 402 60-0 22-0 24219-0 200 25-1 100 38-0 14220-0 61-1 752 790 99-0 15220-0 053 681 090 661 304213 53-0 361 11-0 351 47421-0 140 440 08-0 530 01322-0 170 58-0 11-0 300 043223 51-0 76-0 300 221 19423-0 18-0 28-0 80-0 73-0 39223-0 230 22-1 440 88-0 15224-0 54-1 670 48-2 76-1 00224-0 190 410 140 390 12325-0 150 70-0 79-0 82-0 11225-0 180 43-0 300 140 02326-0 150 41-0 29-0 64-0 08226-0 76-2 05-1 301 42-0 91227-0 190 390 780 480 23327-0 210 30-0 230 850 08328-0 200 380 280 290 12328-0 210 26-0 890 59-0 082 注：表中1、2、3、4分別代表得分分布在-2～-1，-1～0，0～1，1～2的4個區間

圖1 第一主因子得分空間分布

4 結論與應用分析

因子分析結論提供了2個觀察視角。橫向考慮樣本單位在各主因子上的得分情況，可以得到就某一區域而言土壤最適合發揮的功能。縱向上根據土壤功能的因子得分等級結果，可以直觀得到某一類功能方面，哪些研究區域可以重點規劃利用，而且便于比較不同利用條件下土壤資源對人類福利影響的差異，交叉分析再結合地理信息系統的空間應用，便能更好地服務于實際規劃。

4.1 單因子得分分析

(1)第一主因子得分分析。第一個主因子代表的功能信息最多，在氣體調節功能價值、氣候調節價值、消除二氧化硫價值、消除氮氧化物價值、固塵價值、生產功能價值、廢物處理價值指標的載荷比較大，代表了環境調節與生產力功能，可以命名為環境介質因子。

圖2 第二主因子得分空間分布 圖3 第三主因子得分空間分布

圖4 第四主因子得分空間分布 圖5 鄭州市土壤功能價值綜合得分分布

得分最高的樣本為7號(京河村)，顯示了此區域在環境介質功能價值很大，具有環境調節的優勢，在規劃中應側重此類功能的保護和潛力挖掘，減少建設承載等其它功能的比重。觀察分值為-0.76的第54號樣本(東趙)，此區域得分最低，生態環境調節與生產功能弱，這與其土地應用類型主要為農村居民點相吻合，因此在規劃中應一方面控制土壤封閉的擴大速度，另一方面開展土地整治，增加植被的面積與空間配比，逐步增加環境介質價值。

從第一主因子得分分布圖1上可以清晰地看出不同地區在第一主因子上的得分情況，大部分地區功能價值等級較高，但是得分較低的地區仍然很多，且在各個地區均有分布。同時從圖1也可以直觀找到在第一主因子上具有突出優勢的地區，如西南部和東北部，這些地區土壤的性質和狀況決定了在發揮環境生態與生產力功能上的天然優勢，可以因地制宜發揮這些土壤功能。

(2)第二主因子得分分析。第二公因子在原材料價值、自然文化價值和生物多樣性價值的載荷比較大，同時包含了生產功能、氣體調節和氣候調節的部分信息，代表了生態支持能力，即生態支持因子。

從得分山看第48個樣本點(黃河畜牧場)得分為3.68，明顯高于其他區域，此區域在崗李村黃河灘，土種為砂壤土，表明這一區域在發揮防洪、原材料、自然文化價值和生物多樣性等功能價值方面具有獨特的自然優勢，在規劃中應大力發揚這一類功能優勢，減少生產功能和建設等功能的規劃，達到效用最大化。

從分布圖2可以找到在生態支持類功能價值上具有優勢的地區，分別是北部黃河沿岸和東部部分地區，這些區域植被種類豐富，林帶密集，土質適宜作為基礎原材料，具有很好的自然景觀，能夠實現人們對文化和休憩娛樂的需求，因此這些地帶可以規劃為動物保護區、公園、原材料基地等。

(3)第三主因子得分分析。第三公因子在碳存儲和有機質蘊含價值上的因子載荷值最大，代表了土壤營養循環功能價值，即營養循環因子。

鄭州市土壤主要為潮土和褐土亞類，土種豐富，觀察分布圖(圖3)并沒有出現極好或者極差的區域，由于在土種、利用類型等方面的差異，土壤中營養元素含量、容重、pH值、陽離子交換量等也有很大不同，實際規劃中可根據對應得分高低進行斟酌。比如在西部岳崗和鄭州大學采樣點附近地區，土壤的營養循環價值就很突出，這些地區不僅可以大力發展農業種植或植被覆蓋，而且還應該采取措施加以保護。

(4)第四主因子得分分析。4個公因子主要集中了建設居住功能價值和水資源緩沖過濾價值、防洪減災功能價值的大部分信息，可以命名為基礎承載因子。

從因子載荷矩陣中可以看出，建設承載功能價值與其他兩項功能價值在第四主因子上的值絕對值很大但方向相反，這也更加確定了建設承載功能和其它功能之間的替代關系。以得分比較低的第24號樣本為例，此樣本點分布在賈崗區域，土種為鹽化砂壤土，地類為城鎮，地面封閉度高于其它耕地、草地等研究區域，地下水資源緩沖過濾功能價值低，在均衡了水資源緩沖和建設承載等主要功能價值后得分為負，也說明了相對于其他地區，水資源功能價值過于低，因此在規劃中應減少占用，改善土質，提高水資源緩沖過濾能力。相反的在土質不適合緩沖過濾功能的區域可以適當發展為建設用地。

從分布圖4上可以看出，東部及東南部的祭城鄉花溝王村、惠濟區東趙村等地為鹽化砂壤土、城鎮和道路，得分為負且絕對值最大，這些地區適宜發展基礎設施建設，價值最高代價最小，相反地，圖4綠色標注地帶由于土壤飽和導水率、空氣容重等指標適宜發揮其水質凈化和防洪減災功能，開發利用時要考慮這些功能的發揮和保護。

4.2 綜合得分分析

綜合因子分析平衡了地區各功能組的優勢差異，可以對其進行排序。從主因子綜合得分表可看出，得分最高的區域為崗李村黃河灘、劉寨鄉、西雙橋村、黃河灘地、北錄莊。其中后3個樣本點地類為耕地，這些區域土壤肥沃，植被茂盛，在生態調節、污染降解、災害防護、生產、地下水緩沖過濾等方面均具有不錯的表現，這從4個主因子得分上也得到了數據印證。

綜合得分排名靠前的大部分樣本區域在4個主因子得分上均表現出較高的分數，具有較高的各類功能價值，這也提升了此類地區規劃的靈活度，實際規劃中可以綜合考慮使用目的、土質、地理區位、周邊環境等因素權衡發展。

并非所有的綜合得分比較高的區域所有主因子得分均高，反之亦然。例如第48號樣本李村黃河灘區域，地類為林地，其主要在第二個主因子上表現突出，在其它主因子上并沒有得到較高的分數，綜合得分全部依靠在第二個主因子上得分的拉動，表明其最適宜發揮防洪、原材料、自然文化和生物多樣性等功能價值。第40號樣本為臺郭區域，綜合得分最低，地類為農村居民點，其在第一、第二、第三主因子上的得分均比較低，而在第四個主因子上的得分為正，表明這一區域并非所有土壤功能價值均較低，而是土壤的多功能演變為建設功能，功能單一化。

從分布圖中可以看出，土壤貨幣化綜合價值最高的區域集中在鄭州市北部黃河沿岸，土壤的眾多功能價值均比較高，但在第二主因子生態支持功能組上的優勢最為明顯，可以規劃為生態保護區。

圖中標注為淺綠色區域分布最為廣泛，這些區域綜合功能價值較大，具有很大規劃靈活度，結合單因子分布圖分析主要在環境介質功能組上最有優勢，因此可以優先發展農業和植被覆蓋，發揮環境功能。根據供給功能和環境服務功能的互補關系原理，可以同時獲取經濟效益和環境效益。

綜合得分最低的區域主要集中在東南和東北的局部區域，結合單因子分析發現大部分功能價值均較弱，表明這些區域土質貧瘠，植物生長能力低，水源循環質量和數量均不高，規劃中可以適當考慮為建設承載區，但同時應重視環境調節功能的提升，采取增加植被密度，逐步開展開方土壤的整治工作，實現各項功能的協調發展。

[1] Costanza R，Darge R，Groot R，et al.The Value of the World′s Ecosystem Services and Natural Capital.Nature， 1997, 38(7): 253～260

[2] 謝賢政. 環境資源經濟價值評估.北京：中國環境科學出版社， 2011

[3] 謝高地， 魯春霞，成升魁.全球生態系統服務價值評估研究進展.資源科學， 2001, 23(6): 5～9

[4] 謝高地， 魯春霞，冷允法，等.青藏高原生態資產的價值評估.自然資源學報， 2003, 18(2): 189～196

[5] 王秀麗， 吳克寧，李玲，等.區域土壤主要功能評價研究——以鄭州市為例.土壤通報， 2011, 42(4): 770～776

[6] 吳克寧， 王秀麗，關小克，等.區域生態服務功能價值的變化——以鄭州市郊區為例.城市環境與城市生態， 2007, 20(4): 24～28

[7] 邵曉梅. 基于GIS與景觀生態學的土壤資源格局分析——以魯西北地區為例.中國農業資源與區劃， 2004, 25(6): 11～16

[8] 席增雷. 土壤自然資本價值計量研究.北京：人民出版社， 2016

[9] 李玲， 段英華，徐明崗，等.河北省不同利用方式農田土壤氮磷環境風險分析.中國農業資源與區劃， 2016, 37(7): 96～100

[10]楊飛， 王偉，廖順寶，等.縣級土壤環境功能區劃研究與示范——以登封市為例.中國農業資源與區劃， 2016, 37(2): 142～147

OPTIMAL LAND USE UNDER THE VIEW OF SOIL ECOLOGICAL VALUE*

Song Jian1，Xi Zenglei2,3※

(1. Party School of CPC Tangshan Municipal Party Committee,Tangshan, Hebei 063000, China; 2.Environmental Science and Engineering Post-doctoral Mobile Stations,Tianjin University,Tianjin 300072,China; 3.School of Economics,Hebei University,Baoding 071002,China)

objective of this paper is to explore a method which can be directly applied to land planning and analysis, and to provide a reference for land managers and policy makers. It established soil function value data matrix by the formula calculation and reference method, and then imported the soil function value index into the factor analysis model, calculated the characteristic value and contribution rate, and calculated the sample composite scores using the regression method. The results showed that soil function value was mainly composed of four main factors, i.e., the environment medium factor, ecological support factor, nutrient cycling factor, and basis load factor. The four main factors scored showed higher scores in the areas with higher comprehensive score. The balance development of the factors such assoil, geographical location, and surrounding environment should be considered in practical planning. The area with higher ecological function factor could be planned as ecological reserve region, while the area with higher environmental function could develop agriculture and improve vegetation cover. The lowest scores area could be appropriately considered as load bearing region.

ecological value; land use; factor analysis

10.7621/cjarrp.1005-9121.20170522

2016-02-19

宋劍(1979—)，男，河北唐山人，副教授。研究方向：農業經濟。※通訊作者：席增雷(1976—)，男，河北邢臺人，博士后、副教授。研究方向：自然資本評價、土地評價。Email： 641600251@qq.com

*資助項目：河北省高層次人才資助項目“河北省土壤自然資本價值研究”(A201500166)； 河北省軟科學研究計劃項目“京津冀科技創新激勵政策比較研究”(16456223D)； 河北省生態與環境發展研究中心資助； 河北大學資源利用與環境保護研究中心資助

F301.2

A

1005-9121[2017]05147-08