基于熵權TOPSIS法與ARIMA模型的四川省耕地生態安全動態預測預警

李 政, 何 偉, 潘洪義, 陳 林

(1.四川師范大學 西南土地資源評價與監測教育部重點實驗室,成都 610068; 2.四川師范大學 地理與資源科學學院, 成都 610068)

耕地資源是重要的自然資源之一，是人類的生存之本，具有生產、環保和空間承載等功能，經人類長期的經營與開發，耕地系統逐漸演變成為具有高度耦合性的社會—經濟—生態復合系統[1-2]。近年來，人類對耕地資源的利用程度加深以及諸多不合理的利用方式導致耕地生態系統遭到嚴重破壞，并直接威脅到我國糧食安全。在此背景下，耕地生態安全預警研究逐步成為土地可持續利用的熱點課題。耕地生態安全預警是對區域耕地環境質量的狀態與變化的評價、預測和警報，目的是促使耕地資源生態系統能夠基本保持自身正常功能運轉以及滿足社會經濟可持續發展的需要[3]。

當前，國內外學者在耕地生態安全預警研究方面參差不齊。國外由于起步早，已具有較為完整的理論體系和系統方法支撐，所以預警研究主要集中在生態風險評價與生態預報等方面[4]。例如Parr等[5]構建了完整的檢測系統進行土地荒漠化預警；Herrick等[6]通過對土壤質量變化的檢測建立起一套完整的耕地質量預警系統。國內相關研究在20世紀90年代后期才起步，導致目前研究主要層次仍停留在耕地安全預警的理論、模型、指標與方法上。預警模型多采用PSR和EES模型；評價方法有能值分析、BP神經網絡、灰色GM(1,1)、可拓分析等[7]。例如張秋霞[8]采用“PSR”模型對新鄭市耕地生態做出預警；趙燁[9]基于農用地分等定級結果構建了農用地質量監測預警體系與警情調控的模型系統。

總體來看，耕地生態安全預警研究還處于初級階段，理論支撐不夠，警情分析和預測方法較為單一，警情動態演變趨勢研究不足。本文以四川省21個地市州為研究對象，嘗試以DPSIR模型構建預警評價指標體系，采用改進的TOPSIS模型分析了四川省過去十年耕地生態安全警情狀況，運用ARIMA模型預測未來5 a警情動態變化趨勢，在此基礎上進行生態安全預警分區并提出治理措施。旨在響應十三五規劃“藏糧于地、藏糧于技”的戰略，打破傳統的“藏糧于倉、藏糧于民、以豐補歉”的策略，不再一味追求糧食產量的連續遞增，而是通過保護耕地生態環境，促進糧食生產能力建設與可持續增長。以期為四川省耕地生態安全有效調控與耕地輪作休耕提供參考與理論依據。

1　材料與方法

1.1　研究區概況

四川省地處我國西南腹地，介于97°21′—108°31′E和26°03′—34°19′N，東連重慶，南鄰云南、貴州，西接西藏，北界青海、甘肅、陜西。地域面積廣闊，資源豐富。全省可利用土地4 000多萬hm2，耕地達670多萬hm2，水稻、小麥、玉米、油菜、紅薯等產量較高。四川作為西南、西北地區唯一的糧食主產區，僅用占全國4.7%的耕地，就養活了占全國6.6%，約8 204萬的人口，為保障我國糧食安全和促進我國經濟發展做出了巨大貢獻。但由于四川省以山地為主，具有山地、丘陵、平原和高原4種地貌類型，起伏大，水土流失嚴重，部分地區生態環境脆弱加之水旱災害時有發生，建設用地的急劇擴張與耕地面積的逐年縮減，以及土壤污染嚴重，全省耕地生態安全面臨沉重壓力，雖然環保力度在不斷加大，但形勢不容樂觀。

1.2　數據來源

本論文數據主要來源《四川省統計年鑒》(2006—2015年)和各地市州的統計年鑒與國民經濟和社會發展統計公報(2005—2014年)以及四川省農業部門、國土部門的相關資料。

1.3　預警模型(DPSIR)與預警指標的選取

DPSIR模型是PSR模型的演化與發展，包含5個元素，每個元素統下涉及多個評價指標[10]。該模型善于從系統的角度看待人類活動與耕地環境的相互關系，把復雜的問題細化，具有綜合性、系統性、簡潔性的特點，能夠更好的分析耕地生態安全預警指標之間的連續反饋機制，開展生態預警研究[11]。

本文依據DPSIR的預警模型，遵從指標選取的完整性、科學性、靈活性、系統性和可操作性等原則，參照相關學者的研究成果[12-14]，結合四川省的實際情況，以及數據的可獲得性共選取了22個評價指標構建了四川省耕地生態預警指標體系。其中“驅動力”(Driving force)是使耕地生態環境變化的根本原因，包括人口增長與經濟發展；“壓力”(Pressure)是人類活動對耕地環境的影響，包括耕地數量的減少、大量化肥的使用與工業污水的排放等；“狀態”(State)是耕地系統結構與功能面對上述壓力所呈現出的狀態，體現在耕地結構和人均糧食占有量等方面；“影響”(Impact)是狀態的改變對耕地系統本身以及人類社會經濟水平所產生的影響，包括農民人均純收入與糧食單產等方面；“響應”(Response)是指人類為耕地的可持續利用所采取的的一系列措施，主要包括第三產業產值、人數比重與污水處理等方面，具體情況見表1。

表1　耕地生態安全預警指標

1.4　預警值計算方法與判別標準

1.4.1熵權TOPSIS法計算預警值TOPSIS法是一種有限方案多目標決策分析方法，其實質是一種逼近理想解的排序方法，即通過建立各指標與正負理想解之間距離的二維數據空間，據此對各評價方案進行分析與比較[15]。傳統的TOPSIS法多采用較為主觀的AHP，Delphi法確定權重，本文采用較為客觀的熵值法確定權重，是對原方法的一種改進。其具體步驟為：

(1)極差法進行數據標準化處理；

(2)熵值法求取指標權重Wj；

(3)建立加權規范化矩陣U:

U=|Uij|m×n=Wj×Yij

(1)

式中：Wj為指標權重；Yij為標準化矩陣。

(4)確定正、負理想解：

分別以加權規范化決策矩陣U中的最大值和最小值代表正、負理想解，其公式為：

正理想解：U+={maxUij|i=1,2,…,m)

(2)

負理想解：U-={minUij|i=1,2,…,m)

(3)

(5)距離的計算，分別計算不同年份評價向量到正負理想解的距離D+，D-：

(4)

(5)

(6)各評價對象與理想解的帖近度Ci計算(預警值)：

(6)

1.4.2判別標準本文根據計算出的綜合預警值，參照相關研究成果[16-18]，結合四川省的實際情況，根據相關標準對評價結果進行分級，最終將其分為巨警、重警、中警、輕警和無警五級，具體情況見表2。

表2　四川省耕地生態安全預警等級判別標準

1.5　ARIMA預測模型

ARIMA是由統計學家Box(美)與Jenkins(英)在1970年提出的一種非平穩時間序列數據分析與預測的模型，其反映了時間序列過去、現在與將來之間的相互關系，具有動態性與持續性的特點[19]。ARIMA(p,d,q)模型是由ARMA(p,q)(自回歸移動平均模型)經過d階差分而得到[20]。

2　結果與分析

2.1　耕地生態安全預警值預測結果

本文選用ARIMA模型對四川省2015—2019年的耕地生態安全各子系統預警值進行預測，將各子系統的預測值作為基礎值，利用各子系統與綜合系統的權重系數關系計算得到綜合預警預測值，建模通過DPS數據處理軟件實現。

(1)耕地生態安全預警值數據的平穩化處理。 利用DPS軟件對四川省2005—2014年耕地生態安全各子系統預警值時間序列進行數據序列檢驗。由Daniel檢驗結果和卡方值的顯著水平來推測該時間序列是否為正態或平穩化序列，再根據需要對其進行數據轉換和差分處理[21]。

(2)p與q的確定。 在DPS中根據AIC值、相關系數R值和擬合度C值的大小定階,若AIC值較小且R與C值較大，則模型預測精度越高[21]。根據此原則，從低階到高階對p和q的不同取值分別進行擬合建模，并進行參數估計，選取最佳模型(表3)。通過擬合試驗比較，各模型估計參數檢驗值p小于0.05且通過檢驗是εt白噪聲，因此可以運用該模型預測2014—2019年耕地生態安全各子系統預警值。

2.2　耕地生態安全預警分析

2.2.1各子系統預警分析分析圖1，圖2可得：

(1) 驅動力系統：D+波動減小，D-波動增大，預警值逐年增大，由2005年的0.187上升到2014年的0.573；若按此趨勢，在2019年時，預警值將達到0.666，呈“中警”狀態。近10 a，四川省農業現代化成果顯著，單位耕地農業產品的經濟轉化率持續增加，單位農業產值由2005年的26 553元上升到2014年的77 108元。由于農業現代化與經濟發展的強大支撐力，全省耕地安全驅動力系統呈現出上升的態勢，推動著耕地生態安全的趨好發展。

表3　各子系統ARIMA(P，1，q)對應的最佳模型效果指標

(2) 壓力系統：D+增加，D-減小，預警值減小，由“輕警”變為“巨警”狀態，耕地生態安全壓力增大。這是由于社會經濟發展的負面影響所致，一方面快速城鎮化導致生活污水、工業廢水大量排放危害農田生態，同時建設用地急劇擴張導致耕地稀缺性增強；另一方面為追糧食高產而大量施用化肥和農藥導致土壤污染嚴重，其對耕地生態安全系統造成巨大的壓力。因此，今后社會經濟發展的過程中必須以減輕耕地生態的壓力為工作的新落腳點。

圖1　2005-2014年四川省耕地生態安全各子系統D+，D-演變

圖2　2005-2019年四川省耕地生態安全各子系統預警值演變

未來5 a，將是四川省全面建成小康社會、新型城鎮化、脫貧攻堅的關鍵時期，因此大量交通、水利、開發區項目開始實施，直接導致耕地占用嚴重、環境污染加劇、生態壓力劇增，若不采取調控措施，情況將不容樂觀。預測結果顯示，壓力系統預警指數略有上升，但仍然處于“巨警”狀態。

(3) 狀態系統：D+波動減小，D-波動增加，預警值波動上升，大多維持“重警”狀態。其中最低值(0.153)出現在2008年，該年份特大自然災害(汶川大地震)對四川的自然、社會經濟與生態環境造成了巨大的破壞，部分地區耕地生態系統短時間內難以恢復，導致糧食產量下降，人均糧食占有量減少。通過對比狀態系統各指標的變化軌跡，可以發現有效灌溉面積減小的年份預警值下降，反之則上升。因此，可以通過適當增加有效灌溉面積來促進狀態系統的恢復。

2015—2019年，隨著壓力系統預警指數的波動下降，耕地生態安全面臨沉重壓力。雖然《四川新型城鎮化規劃(2014—2020年)》與“經濟五大區規劃”等政策逐步實施，城鎮布局將更加合理，形態將更加優化，耕地可持續能力有所增強，但狀態預警值仍處下降狀態。

(4) 影響系統：情況明顯好轉。2005年以來，隨著狀態系統的趨于好轉，其對經濟社會發展的影響也逐步有利，具體表現在全省農業現代化水平顯著提升、土地利用集約程度加強、人民生活水平提高和糧食增產等方面。

若照此發展趨勢，2019年時將處于“輕警”狀態，但在2016年、2017年警度發生明顯變化，降至“中警”狀態，這主要是由于同時期耕地生態安全壓力值上升的原因所致。

(5) 響應系統：預警指數處于波動上升的趨勢，維持“中警”狀態，發展態勢良好。該時期，全省加大農業的投入、加強農田水利設施建設、注重新型技術人才培養、完善社會保障制度、積極治理被污染的耕地、推行土地的集約利用，全面帶動了四川省耕地生態安全響應機制的發展。在多種響應措施下，四川省農業現代化進程加快，產業結構逐步優化，城市發展迅速，人民生活水平逐年提高。

未來5 a，經濟五大區將穩步落成，社會經濟快速發展的同時一系列環境保護與耕地保護的措施將逐步推出，各類污染也將得到一定控制，全省耕地可持續利用水平將進一步提升，耕地響應系統持續好轉，由“中警”向“輕警”轉變。

2.2.2綜合預警分析分析圖3，圖4可得：2005—2014年，D+波動變小，逐步趨于正理想解，D-波動增大，逐步偏離負理想解，預警指數呈現波動上升的態勢，由0.397上升到0.524，警度由“重警”變為“中警”，表明四川省耕地生態安全整體狀況好轉。

其中2005—2010年耕地生態安全處于緩慢發展階段，預警值始終圍繞0.350上下波動，一直處于“重警”狀態。這主要是由于社會經濟高速發展對耕地生態系統所產生的負面影響所致。一方面，快速城鎮化使得耕地稀缺性增強；另一方面，以犧牲耕地生態環境為代價來發展農業經濟使得耕地污染、破壞嚴重。因此，耕地生態安全壓力系統預警指數逐年下降，警度上升，也說明壓力系統在全省耕地生態安全格局變化中具有重要地位。

2011—2014年耕地生態安全處于快速上升階段，預警值由0.457升至0.524，一直處于“中警”狀態。該時期，四川正處于新型城鎮化的加速期，建設西部經濟發展高地的攻堅期與全面建設小康社會的關鍵期。政府不斷加大對農業與農村的投入，注重新型技術人才培養，積極推行土地的集約利用政策等，使得一系列耕地破壞與污染的現象得到緩解，土地生態面臨的壓力減小。

未來5 a，全省耕地生態安全總體水平略有下降趨勢，但仍然維持“中警”狀態，不會出現嚴重的耕地生態問題。2014—2015年處于快速下降期，2016—2019年處于輕微上升期，因此有必要采取一系列措施加以改善和調控。

圖3　2005-2014年四川省耕地生態安全預警D+，D-演變

圖4　2005-2019年四川省耕地生態安全預警值演變

2.3　耕地生態安全預測預警分區研究

依據四川省2014—2019年耕地生態安全預警值大小與變化趨勢為劃分標準(表4)，將其分為4個不同級別區域(附圖6)。等級越低表明區域耕地生態問題越嚴重；反之，不嚴重。

一級區主要分布在生態環境脆弱的甘孜州、涼山州、阿壩州以及地形崎嶇的廣元、瀘州與自貢。三州地處川西高原，海拔高，氣候條件惡劣，生態脆弱，一直是四川省耕地生態安全低水平區，維持“重警”狀態；自貢市與瀘州市地處川南的丘陵區，廣元市位于盆地北部邊緣的山區地帶，坡耕地所占比重大，耕地水土流失與破壞嚴重，生態安全水平低。

表4　2014-2019年四川省耕地生態安全預警分區等級劃分標準

針對一級區，政府要高度重視并嚴格治理，給予資金與技術支持，制定相關政策懲治破壞耕地的行為，堅持耕地的可持續利用，部分破壞嚴重的耕地可采取退耕、休耕輪作的方式。同時加強防災減災能力，提高自然災害的預防與處理能力，建立健全區域耕地生態安全預警監測機制，及時預報耕地生態安全狀態，以便控制隱患源，逐漸恢復區域耕地生態。特別是位于川西北生態經濟區的甘孜州與阿壩州要積極退耕還林還草，確保長江黃河上游的重要生態安全防線，為打造國家知名生態與文化旅游目的地與可再生資源基地而奮斗。

二級區主要分布在四川偏東的低山丘陵區，包括川東北經濟區與成都平原經濟區的部分市域，占全省總面積的13.7%，GDP則達全省總量的25.8%。該地區，處盆地邊緣的低山丘陵區，水土流失相對嚴重，耕地很容易被破壞，耕地生態預警值低。

十三五規劃中，川東北經濟區將被打造成川渝陜甘結合部的經濟中心，國家重要的清潔能源化工基地、生態文化旅游區、川陜革命老區振興示范區。近年來，《四川新型城鎮化規劃(2014—2020)》逐步實施以及農業廳發布《2016年四川省耕地保護與質量提升項目實施方案》將會進一步促進城鄉一體化、農業現代化與耕地利用可持續化。未來幾年，該區域將繼續落實耕地保護與經濟建設各項政策，堅持社會經濟與耕地生態相協調，促進建設用地與農用地集約利用，積極推進農村土地綜合治理、農田生態環境建設和中低產田改造，保證耕地數量與質量的雙重平衡，從而保持預警值的增長趨勢，恢復耕地生態安全水平。

三級區主要包括攀枝花市，其煤鐵、釩鈦等礦產資源豐富，是典型的資源型城市。近年來，該市由工業城市向旅游城市逐漸轉型，耕地生態壓力減緩。未來幾年，該市要充分發揮其位于攀西經濟區的優勢，積極響應“打造四川亞熱帶特色農業基地，全國知名陽光康養旅游度假勝地”的號召。

四級區主要包括經濟發達的成綿德樂四市以及雅安、眉山、宜賓等地，該區域在應對耕地生態的問題上，主要目的是保持與防范。未來幾年是全面建成小康社會的攻堅時期，要采取經濟與生態同步發展的方針，走資源節約型與環境友好型的道路，堅持區域協同發展，優化區域產業結構，強化耕地生態建設與環境保護，防止預警值下降。

3　討論與結論

3.1　討 論

耕地生態安全預警問題是復雜的、系統的，科學、全面、有效的指標體系構建和合理方法選擇是研究的基礎。本文將熵權TOPSIS法與ARIMA模型相結合，充分考慮四川省的實際情況，有利于揭示四川省耕地生態安全預警情況。但是由于部分數據的可獲得性、連續性導致指標體系不一定健全，有待今后改進。同時本文雖然對四川省耕地生態安全預警未來發展態勢進行了區域劃分并依據區域劃分結果、十三五規劃和區域特點制定了相應的區域調控對策，但對策不夠具體，有待今后進一步細化。

3.2　結 論

本文基于DPSIR模型，綜合考慮自然、社會、人類活動因素，建立了以22個指標為基礎的耕地生態安全預警體系，并運用改進的TOPSIS法進行預警評價，最后運用非平穩時間序列ARIMA模型預測預警值，預測結果擬合精度高，符合四川省的實際情況，能夠反映出耕地生態安全整體發展趨勢。結果表明：(1) 2005—2014年，四川省耕地生態安全整體狀況好轉，預警指數呈現波動上升的態勢，由0.397上升到0.542，警度由“重警”變為“中警”。若按此發展趨勢，2015—2019年全省耕地生態安全總體警度將維持“中警”狀態，出現嚴重生態安全問題的可能性小。(2) 就各子系統而言，2005—2019年，驅動力、狀態、影響、響應系統，預警值均逐年增大，警度等級降低；壓力系統中，2005—2014年預警值逐年減小；未來5 a，將維持“巨警”狀態。(3) 2014—2019年，四川省總體耕地安全水平發展趨勢良好，但各地區耕地生態壓力不同。壓力一級區面積所占比重最大，四級區次之，三級區最小，其中單位耕地面積化肥施用量、有效灌溉面積比、人均耕地面積、城鎮化率等是影響耕地生態安全的主要因子，占據主導作用。因此，在今后社會經濟發展的過程中必須解決主要阻力因子同時堅持整體與部分、全省與區域，因地制宜的解決實際耕地生態問題。

參考文獻：

[1]趙宏波,馬延吉.東北糧食主產區耕地生態安全的時空格局及障礙因子:以吉林省為例[J].應用生態學報,2014,25(2):515-524.

[2]鄭華偉,夏夢蕾,張銳,等.基于熵值法和灰色預測模型的耕地生態安全診斷[J].水土保持通報,2016,36(3):284-289.

[3]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.

[4]徐美.湖南省土地生態安全預警及調控研究[D].長沙:湖南師范大學,2013.

[5]Parr J F, Papendick R I, Meyer S B H R E. Soil quality: Attributes and relationship to alternative and sustainable agriculture[J]. American Journal of Alternative Agriculture, 1992,7(1):5-11.

[6]Herrick J E, Brown J R, Tugel A J, et al. Application of soil quality to monitoring and management: Paradigms from rangeland ecology[C]∥Symposium on Soil Quality as An Indicator of Sustainable Land Management, 2002.

[7]高奇.基于CPM-RBF模型的區域土地生態安全預警研究[D].北京:中國地質大學(北京),2015.

[8]張秋霞,張合兵,劉文鍇,等.新鄭市耕地生態安全動態預警研究[J].水土保持研究,2017，24(1):256-264.

[9]趙燁,袁順全,鄖文聚,等.農用地資源安全的監測—評價—預警系統[J].農業工程學報,2007,23(1):77-81.

[10]劉寶濤,王冬艷,劉惠清.基于DPSIR模型與TOPSIS算法的吉林省土地利用系統健康診斷[J].吉林農業大學學報,2017,39(1):74-81.

[11]徐美,朱翔,李靜芝.基于DPSIR-TOPSIS模型的湖南省土地生態安全評價[J].冰川凍土,2012,34(5):1265-1272.

[12]鄭華偉,張銳,孟展,等.基于PSR模型與集對分析的耕地生態安全診斷[J].中國土地科學,2015(12):42-50.

[13]范勝龍,楊玉珍,陳訓爭,等.基于PSR和無偏GM(1,1)模型的福建省耕地生態安全評價與預測[J].中國土地科學,2016,30(9):19-27.

[14]楊俊,宋振江,李爭.基于PSR模型的耕地生態安全評價:以長江中下游糧食主產區為例[J].水土保持研究,2017,24(3):301-307.

[15]黃海,譚晶今,陳春,等.基于TOPSIS方法的山東省土地生態安全動態評價[J].水土保持研究,2016,23(3):220-224.

[16]徐成龍,程鈺,任建蘭.黃河三角洲地區生態安全預警測度及時空格局[J].經濟地理,2014,34(3):149-155.

[17]陳英,孔喆,路正,等.基于RBF神經網絡模型的土地生態安全預警:以甘肅省張掖市為例[J].干旱地區農業研究,2017,35(1):264-270.

[18]張玉澤,任建蘭,劉凱,等.山東省生態安全預警測度及時空格局[J].經濟地理,2015,35(11):166-171.

[19]王耕,王嘉麗,蘇柏靈.基于ARIMA模型的遼河流域生態足跡動態模擬與預測[J].生態環境學報,2013(4):632-638.

[20]董曉曉,李玉環,王靜,等.基于ARIMA模型的生態足跡模擬與預測[J].水土保持通報,2015,35(1):143-152.

[21]李希國,譚鼎山,邵金花,等.基于ARIMA的煙臺地區降水量研究[J].山東水利,2006(2):39-41.