基于聚類分析的農機化效率區劃研究

吐爾遜·買買提，謝建華

(新疆農業大學 機械交通學院，烏魯木齊 830052)

?

基于聚類分析的農機化效率區劃研究

吐爾遜·買買提，謝建華

(新疆農業大學 機械交通學院，烏魯木齊 830052)

針對農業機械化效率存在的差異，提出應用k均值聚類算法對新疆各地州按農機化效率進行區劃，并以各地州2014年面板數據為研究對象進行區劃。對區劃結果應用誤差平方和(Sum of Squares for Error) 、輪廊系數(Silhouette Coefficient)方法進行檢驗和定量分析，同時對結果根據地區農機化發展現狀進行定性分析。結果表明：新疆各地州按其農機化效率分為4組(k=4)：第1組昌吉、塔城、阿勒泰、巴州，第2組克拉瑪依、博州，第3組哈密、伊犁、阿克蘇、喀什，第4組烏魯木齊、吐魯番、克州、和田；組間差異最大，組內差異最小。該研究可為分類指導各地區農機化發展提供參考。

農機化；效率；聚類；區劃

0 引言

省域不同地區或生產單元在農業機械化發展中呈現出不同的發展趨勢，其農機化生產的效率表現出全局分異、局部聚集的特征[1]。依據多個區域農業機械化效率的差異，對其進行合理的區劃，有利于明確不同地區農業機械化的發展目標和主要任務[2-3]。目前，農業區劃方面的研究包括水文[4]、生態[5]、自然災害[6]、地形[7]、農業機械化[8]、種植業、牧業、漁業區劃，以及綜合農業區劃等[9]。

分析已有的文獻發現：目前,針對新疆的農業區劃，已有綜合自然區劃、綜合農業區劃、農業氣候與資源區劃、農業地貌區劃及種植業區劃[10]等方面的成果；但針對新疆各地州農業機械化效率的差異方面，尚無發現有關文獻。準確定位區域農業機械化效率及其水平所屬的類，可以更直接地掌握各區域農業機械化發展的現狀，從而為不同地區農業機械化和農業現代化的發展制定合理的戰略和目標。因此，對區域農業機械化發展水平進行科學的區劃，具有重要的理論意義和實踐意義。農業機械化生產和管理中傳統的區域劃分方式一般按地理經緯度出發，缺乏對研究對象的針對性。新疆經緯度跨度較大，南北疆各地區在農業機械化以及其效率水平差異懸殊，對各地區農機化效率進行更為科學、有效的區劃將有利于充分挖掘農業機械化發展潛力，為農業機械化管理和政策制定提供參考。本文采用聚類方法對各地州進行區劃分析。

1 指標體系及數據來源

聚類效果能否反映研究對象的分布趨勢取決于指標和數據的選擇及聚類算法。地區農業機械化效率和農機化投入指標及其數量有關，因此參照文獻[11-12]及根據新疆農機化發展現狀，建立以農機總動力Z1、農機擁有量Z2(人/千人)、千瓦農機作業收入Z3(元/kW)、播面頃均農機動力Z4(kW/hm2)、農機人員受教育程度Z5(%)、農機教育培訓程度Z6(%)和農業勞均播種Z7(hm2/人)組成的農機化效率指標體系。以新疆2014年統計年鑒、新疆2014年農機年報作為數據源關系數據模型，如表1所示。

表1 2014年新疆各地州農業機械化投入指標值

Table 1 Indicator value of agricultural mechanization investment in Xinjiang Prefecture in 2014

地區Z1Z2Z3Z4Z5Z6Z7烏魯木齊307857172．87904．827．5280．1790．380．52克拉瑪依30647498．87469．873．0168．9886．182．00吐魯番528444131．81563．4912．4954．1879．170．23哈密353879195．14680．145．0595．3479．980．82昌吉2031392287．98730．323．5984．923．871．69伊犁1678863118．231074．183．1879．8289．190．86塔城2071550250．82650．894．0591．7298．711．98阿勒泰737011209．87669．723．1986．7889．191．89

續表1

2 研究方法

2.1 聚類算法

聚類分析是數據挖掘中的重要的方法，目前常用的聚類方法有劃分聚類、層次聚類及密度聚類等。應用聚類分析時，應根據研究對象的特征(如取值范圍、分布等)選取不同的算法。本文根據研究對象的數據量少、波動不大等特征，結合常用的聚類算法的特點，選取k-means聚類方法對數據進行分析。K-means算法原理見文獻[13]。

2.2 聚類檢驗

聚類分析中評估算法在聚類對象中的分簇性能是檢驗聚類效果的有效方法。第1種聚類檢驗方法是判斷誤差平方和(Sum of Square Error,SSE)。本文中計算k=n(n=3～8)時的SSE，即各簇內的每個點到其所在簇質心的距離之平方之和，按此方法計算所有簇SSE的平均，從而獲得k=n時總的SSE。聚類中SSE越小，可判定簇中元素越相似，聚類質量越高。

第2種方法是輪廊系數(Silhouette Coefficient)法，是評估簇的凝聚度和分離度的參數。簇的評估中這兩個指標用來判斷近似的、確定正確的或自然的簇個數，其計算方法見文獻[14]。對于聚類而言，輪廊系數值在-1～1之間變化，負值表示點到簇內點的平均距離a(i)大于顛倒其他簇的最小平均距離b(i)。分析可知：當a(i)趨向于0、輪廊系數趨向于1時，說明同一簇內元素的凝聚度和不同簇的分離度達到理想狀態。

3 農業機械化效率區劃

聚類分析中，聚類對象有時可能含一些異常點，或其數據格式不符合聚類算法要求，因此需要通過數據清洗、離群點檢測等方法對其進行預處理。另外，為了避免因為各變量的量綱不同而引起聚類的性能下降，需要對數據進行標準化。

本文通過最大、最小化方法進行標準化。根據新疆地州數量以及聚類算法自身的規則，設定最小簇數和最大簇數分別3和8，即k=3～8。為了降低出現局部最優的概率，最大迭代次數設定為15并MatLab2014a中進行聚類。聚類結果如表2所示。

表2 新疆各地區2014年農業機械化區域聚類(k=3～8)

為了直觀地觀察各簇的元素的分布情況，對聚類結果進行可視化(Visualization)。因原始為多維數據，應用文獻[15]中的方法對標準化后的數據進行降維，并獲取2維的指標數據。可視化后結果如圖1所示。

圖1 k=3～8時的聚類結果

圖1中，x軸和y軸分別為將原地區農機化效率指標應用Factor analysis算法降維到2維后的結果。由于有些點高度相似，因而圖中存在數據點合并顯示的情形。

應用2.1簇檢驗方法檢驗K-means算法的聚類效果，針對本文的研究對象而言，輪廊系數越小就說明分配到一個簇內的地州農業機械化效率指標越接近、越相似，簇內地區在農業機械化效率方面有較高的相似度。通過計算可以獲得SSE和輪廊系數，如表3所示。

表3 SSE和輪廊系數

表3數據表示：SSE隨著簇的個數增加，逐步變小，而輪廊系數先下降后增加。

圖2和圖3分別為SSE和輪廊系數分布曲線。由圖2、圖3可知：當k=4時，輪廊系數取最小值，且其曲線有明顯的拐點，SSE也有一個下降趨勢放緩過程。即通過評估度量方法確定的結果是：當k=4時獲得的4簇中，簇內對象高度相似，而簇間不相似。通常通過SSE和輪廊曲線評價聚類效果或簇的個數時，可以通過SSE和輪廊線的拐點、尖峰、下降點或上升點找到簇的自然個數，這種方法通常在數據量較少、并簇中無復雜嵌套簇時比較實用。由于k=7、k=8時輪廊系數較高，不考慮這種分組情況下。各簇相對應的各地州分組結果如表4所示。

圖2 誤差平方和分布

圖3 輪廊系數分布

組別k=3k=4k=5k=6第1組克拉瑪依、昌吉、塔城阿勒泰、博州、巴州昌吉、塔城、阿勒泰、巴州克拉瑪依博州吐魯番第2組烏魯木齊、吐魯番克州、和田克拉瑪依、博州烏魯木齊克州、和田伊犁、阿克蘇喀什第3組哈密、伊犁阿克蘇、喀什哈密、伊犁阿克蘇、喀什昌吉、塔城阿勒泰、巴州烏魯木齊克州、和田第4組烏魯木齊、吐魯番克州、和田哈密、伊犁、阿克蘇、喀什哈密、巴州

續表4

由于各次聚類分析中使用了統一的數據標準化、降維方法和聚類算法，所以聚類后的以上4種分類保持了較好的一致性。也就是說，在農業機械化及效率影響因素指標值方面，具有接近或相似特征的地區始終分到同一組。

例如：①克拉瑪依和博州始終分到同一個組。②昌吉、塔城、阿勒泰和博州分別在k=3、4、6時分配到相同的組。其中，昌吉、塔城、阿勒泰始終分配到一個組。③烏魯木齊和克州在四種聚類中分配到同一組。④作為相鄰的地區，阿克蘇和喀什這4種聚類中始終呈現出較高的相似性，即k=3～8時被分配到相同的組。從地區農業發展的基本面來分析可知：上述各組之間相似性較弱，而組內在各地區相關指標之間距離較小。

不同之處在于：①k=6時，昌吉、塔城、阿勒泰構成一組，巴州和哈密構成一組；而k=5時，這兩組被分配到同一組。②吐魯番始終被分配到單獨的一組。③k=5時的第3組成員昌吉、塔城、阿勒泰、巴州和第4組成員哈密、伊犁、阿克蘇和喀什在k=4時分別分配到第1組和第3組，這說明這兩組地區的農業機械化效率指標方面有較高的相似性。從當前的地區各項發展現狀分析，哈密、伊犁、阿克蘇和喀什分配到同一組較合適，組內相似性也較高。另外，從近年來各地區的農業機械化發展情況來看，隨著國家對農業的投入的加大，尤其是隨著對南疆扶持力度的加大，克州、和田等南疆地區農業機械化方面的投入也較大，這些地區和吐魯番和烏魯木齊也具有較好的凝聚度。從輪廊系數的計算可知：k=4時，各組之間的簇內差異較小，簇間差異較大。從技術角度分析，這正好達到聚類的基本宗旨。

綜合以上的情況，加上SSE和輪廊系數的分析，本研究傾向于k=4的聚類方案。即新疆各地州農業機械化效率指標區劃時，從技術角度和地區發展水平出發，分4個區是比較合理。第1組：昌吉、塔城、阿勒泰、巴州；第2組：克拉瑪依、博州；第3組：哈密、伊犁、阿克蘇、喀什；第4組：烏魯木齊、吐魯番、克州、和田。

4 農機化效率聚類結果與討論

1)區劃與地理位置的相鄰性特征不強，傳統劃分方式和本文區劃結果相差較大。例如：第1組南北緯度跨度較大，即有傳統劃分上北疆地區，也有南疆地區；第3組地區分布于新疆東部哈密到西部喀什；第4組也說明此種情況，打破了傳統南北疆、東疆等區劃的局限性。

2)新的地域分組特征明顯，組內差異小，組間差異大。從最近幾年農業機械化發展情況來分析，每組都有較強的特征。例如，第1組中各地區屬于農業生產發展較快的地區，有較好的土地資源優勢；而各組之間在農業生產投入、農業生產資源、社會經濟水平方面差異較大。

3)獲取的分組結果是從技術和綜合等緯度進行分析的結果。

本研究結果基于聚類14個地區的影響農業機械化效率影響因素指標值、評估k值和結合地區社會經濟發展水平分析得到，有較大的可信度。

5 結論

1)以新疆各地區農業機械化效率投入指標作為影響農業機械化效率的主要因素， 以2014年新疆各地區指標值作為源數據，應用K-means聚類對14地區進行聚類，并應用基于技術和綜合的方法進行分析，結果表明：k=4時，組間農業機械化效率差異大，組內差異小，所分的組能夠反映新疆各地區農業機械化效率實際情況。

2)和傳統的地區分組方法相比，本研究主要聚焦于區域農業機械化效率的區劃，更具有針對性，且強調了影響農業機械化效率的因素對農業機械化效率的重要性。通過合理的分組，把相似性較高的地區放在第1組，提高組內相似性。

[1] 張建升.省域全要素生產率地區差異的動態演進[J]. 經濟經緯,2011,28(6):37-41.

[2] 李新廣,郭文杰. 節約型農機化生產體系的研究[J]. 農機化研究,2009,31(9):241-243.

[3] 張宗毅,曹光喬. "十五"期間中國農機化效率及其地區差異[J].農業工程學報,2008,24(7):284-289.

[4] 余世勇，王佳.中國農業機械化效率分析[J].江蘇農業科學，2013，41(12):420-422．

[5] Yang J,Huang Z,Zhang X,et al. The Rapid Rise Of Cross-Regional Agricultural Mechanization Services In China[J].American Journal of Agricultural Economics,2013,95(5):1245-1251.

[6] 王珺鑫,楊學成.山東省糧食生產波動及主要投入要素效應的實證分析—基于17地市的面板數據[J].中國農業資源與區劃,2015,36(3):18-23.

[7] 劉玉海，武鵬．轉型時期中國農業全要素耕地利用效率及其影響因素分析[J]．金融研究，2011(7):114-127．

[8] 錢玉皓,聶艷,羅毅.基于能值分析的縣域耕地利用效益比較研究[J].湖北大學學報:自然科學版,2012，34(4)：387-392．

[9] Kopp R J. The measurement of productive efficiency:reconsideration[J].the Quarterly Journal of Economics,1981,96(3):477-503.

[10] 鄧依萍,劉濤.新疆節水農業區劃及分區對策研究[J].節水灌溉,2008(10):8-11.

[11] 李衛,薛彩霞,朱瑞祥,等. 基于前沿面理論的中國農業機械生產配置效率分析[J].農業工程學報,2012,28(3):38-43.

[12] 李衛.區域格局劃分與農業機械化發展不平衡定量研究[D].楊凌:西北農林科技大學,2015.

[13] 周愛武,于亞飛. K-Means聚類算法的研究[J]. 計算機技術與發展,2011,21(2):62-65.

[14] 朱連江,馬炳先,趙學泉. 基于輪廓系數的聚類有效性分析[J]. 計算機應用,2010(S2):139-141.

[15] Maaten L J P V D,Postma E O,Herik H J V D. Dimensionality Reduction: A Comparative Review[J].Journal of Machine Learning Research,2007,10(1):2579-2605.

Regionalization of Agricultural Mechanization's Efficiency Base on Cluster Analysis

Tursun Mamat, Xie Jianhua

The regionalization approach was proposed based on k-means clustering algorithm. On the clustering experiments, the 14 regions was zoned 3, 4, 5, 6,7and 8 zone according to efficiency of agricultural mechanization of each region.The SSE (Sum of squares for error) and silhouette coefficient method was applying for validation the quality of zoning (clustering).On the same time the qualitative analysis for clustering result was applying on the basis of current situation of agricultural mechanization on each region in Xinjiang. The results show that, according to each region’s efficiency of agricultural mechanization in 2014, if the all regions in Xinjiang be zoned for 4 group(k=4), regions were in the same group(cluster)are more similar to each other than to those in other groups(cluster) ,meanwhile the better SSE and silhouette can be obtained as well. The first group included Changji, Tarbaghatay, Altay and Bazhou. The second group included Karmay, Bortala, The third group included Kumul, Yili, Ahsu and Kashghar. Urumqi, Turpan, Kezhou and Hotan were included in forth group. Our approach and results provide useful information for development of agricultural mechanization in management.

agricultural mechanization; efficiency; clustering; regionalization

2016-06-13

國家自然科學基金項目(51465057)

吐爾遜·買買提(1975-)，男(維吾爾族)，新疆阿克蘇人，講師，博士，(E-mail)tursun@xjau.edu.cn。

S23-01

A

1003-188X(2017)08-0027-05