基于PSR和GM（1,1）模型的安徽省土地生態安全預警與分析

談晟薈 張中浩 聞熠

摘要基于PSR模型和相關統計數據，構建安徽省土地生態安全評價指標體系，采用熵權法對2010—2016年安徽省土地生態安全狀況進行評測，運用GM（1，1）模型對2017—2020年土地生態安全狀況做出預警。結果表明：安徽省土地生態安全狀況從2010年的0.355 （重警）上升到2016年的0.671（中警），土地生態安全狀況有所好轉，系統壓力層、系統狀態層以及系統響應層指數均呈上升趨勢。2017—2020年的預警值分別為0.776（中警）、0.875（輕警）、0.987（無警）和1.113（無警），表明未來4年安徽省土地生態狀況將持續好轉。

關鍵詞PSR模型;GM（1，1）模型;土地生態安全;安徽省

中圖分類號F205文獻標識碼A

文章編號0517-6611（2019）03-0001-04

doi：10.3969/j.issn.0517-6611.2019.03.001

土地資源是人類賴以生存的物質基礎，是人們生產生活和經濟發展的重要載體。土地生態系統是整體生態系統的重要組成部分，對土地資源的合理配置和保障其生態安全關系到區域的整體安全，因此對區域土地生態安全的研究顯得意義重大[1]。近年來，城市化和工業化進程不斷加速導致土地利用強度不斷增加，使得土地安全問題日益突顯，國家對于生態環境建設給予高度關注，《十三五生態環境保護規劃》第六章中指出，要完善風險防控和應急響應體系，有效防范和降低環境風險，健全資源環境承載力預警機制，對接近和達到警戒線的區域進行管制。

土地生態安全預警是生態安全研究中的一個熱點問題。目前，國內外學者對此進行了一些研究。從預警模型方面來看，主要有GM（1，1）模型[2]、GM（1，1）無偏模型[3]、BP神經網絡模型[4]、RBF神經網絡模型[5]、情景分析模型[6]、調控分析模型[7];從研究區域來看，主要集中在對生態系統敏感、脆弱的地區，以省、市一級行政單位為基礎[8];從研究內容來看，主要研究土地生態安全的目前狀態，并利用相關模型預測其發展趨勢，提出改善建議[9]。總體來看，相關理念和技術方法已經成熟。然而，對于安徽省土地生態安全的研究，仍停留在評價土地生態安全的目前狀況，缺乏預警研究。

該研究選取安徽省為研究區域，運用熵權法賦權，得到綜合評價值，以期對現有土體生態安全狀況做出定量、定性的評價，利用GM（1，1）模型對安全趨勢做出合理預測。

1研究方法與數據來源

1.1研究方法

1.1.1PSR模型法

壓力-狀態-響應模型（PSR）。此模型于20世紀80年代由國際經濟與發展組織提出，旨在構建區域生態安全評價指標體系，對區域生態安全進行評估[10]。該指標體系由三部分組成，即壓力系統（P）：表征人類對生態系統造成壓力的相關指標;狀態系統（S）：表征生態系統目前狀態的相關指標;響應系統（R）：表征人類應對生態系統變化所采取行動的相關指標。基于PSR理念和相關論文成果[11-12]，選取23個評測指標，構建了安徽省土地生態安全評價模型（表1）。

1.1.4土地生態安全等級劃分。

依據現有研究成果，將生態安全等級劃分為5個等級，即重警、中警、輕警、預警、無警[13]（表2）。

1.2數據來源

研究數據來源于《安徽省統計年鑒》（2011—2016）、安徽省環境保護廳、《國家環境統計年鑒》《中國農村統計年鑒》、安徽省國民經濟和社會發展統計公報、《中國城市建設統計年鑒》，部分統計指標通過對相關數值的計算獲得。

2安全預警與分析

依據以上研究方法，采用熵權法計算得到安徽省2010—2016年土地生態安全綜合評價指數，利用GM（1，1）模型計算得到2017—2020年土地生態安全綜合指數預測值。

2.1目標層土地生態安全指數預警及分析

在建立GM（1，1）模型的基礎上，通過對相關數值的計算，對未來4年安徽省土地生態安全目標層狀況做出預測（圖1），目標層預測公式為：X（t+1）=2.966 759e0.113t-2.611 504。預測值為0.776 3，0.875 3，0.986 8，1.112 5。表4為該公式的擬合結果，其中P=1（好），C=0.168（好），表明模型精度高，符合要求。自2010年以來，安徽省的土地生態安全狀況一直朝著良好的方向發展，從指標層數據分析來看，第一產業占GDP比重、 單位耕地化肥施用量、單位耕地農藥使用量、工業廢水排放量均呈下降趨勢;森林覆蓋率、人均地區生產總值、第三產業占GDP比重、人均公園綠地面積、農村人均純收入、環保投資占GDP比重、污水處理率、生活垃圾無害化處理率、建成區綠化覆蓋率、水土流失綜合治理面積均呈上升趨勢。綜合來看，負向指標的下降，正項指標的上升，是導致安徽省土地生態安全狀況好轉的主要推動力。2010年安徽省十一屆人民代表大會第二十次會議通過了《安徽省環境保護條例》，該條例中監督管理、保護和改善環境、防治污染和其他公害、法律責任等相關政策的出臺和實施，切實有效地改善了安徽省的土地生態環境狀況。

2.2壓力層土地生態安全指數預警及分析

在建立GM（1，1）模型的基礎上，通過對相關數值的計算，對未來4年安徽省土地生態安全壓力層狀況做出預測（圖2），壓力層預測公式為：X（t+1）=0.160 278e0.239t-0.053 93。預測值為0.260 1、0.341 8、0.449 3、0.590 6。表5為該公式的擬合結果，其中P=1（好），C=0.403（較好），表明模型精度較高，符合要求。自2010年以來，壓力層的安全指數呈先下降后上升的趨勢，大致可分為2個階段，即2010—2013年為下降時期，2013—2016年為波動上升時期。就下降階段而言，單位耕地化肥施用量從7 647.6 t/hm2增加到7 970.0 t/hm2;一般工業固體廢棄物產生量從9 158.17萬t增加到12 022.3萬t，地膜使用量從3.73萬t增加到4.05萬t，這些指標的變動導致該時間段系統壓力增大，從而使得系統壓力評分變低。就上升階段而言，第一產業占GDP比重從2013年的11.79%下降到2016年的10.64%;單位耕地化肥施用量從7 635 t/hm2下降到5 568 t/hm2;單位耕地農藥使用量從281 t/hm2下降到180 t/hm2。這些指標的變動是壓力系統好轉的主要原因。

2.3狀態層土地生態安全指數預警及分析

在建立GM（1，1）模型的基礎上，通過對相關數值的計算，對未來4年安徽省土地生態安全狀態層狀態做出預測（圖3），狀態層預測公式為：X（t+1）=2.051 276e-0.072t-1.884 722。預測值為0.249 3、0.268 7、0.289 6、0.312 0。表6為該公式的擬合結果，其中P=0.857（較好），C=0.464（較好），表明模型精度較高，符合要求。自2010年以來，響應層的狀況有所好轉，呈波動上升趨勢。從指標層的數據變動來看，森林覆蓋率穩步上升，7年間上升了1.12%;第三產業占GDP比重的增加，有效調整了產業結構，使農業、工業對于土地壓力進一步減小;農村人均純收入增幅較大，從2010年的6 895.62元/人增長到2016年的15 514.88元/人，說明農村經濟持續發展，農業經濟發展樂觀;人均公園綠地面積增加也使得系統響應層狀態好轉。與此同時，關注城市建成區面積的迅速擴張，城市擴張占用了大量的土地資源，人口集聚導致環境污染，工業建筑以及道路系統的建設在一定程度上危害土地生態安全。

2.4響應層土地生態安全指數預警及分析

在建立GM（1，1）模型的基礎上，通過對相關數值的計算，對未來4年安徽省土地生態安全響應層狀態做出預測（圖4），響應層預測公式為：X（t+1）=2.051 276e0.072t-1.884 722。預測值為0.289 1、0.317 2、0.34 8、 0.381 8。表7為該公式的擬合結果，其中P=0.857（較好），C=0.495（較好），表明模型精度較高，符合要求。自2010年以來，響應層的狀態有所好轉。從指標層來看，環保投資占比穩步上升，從2010年的1.46%上升到2016年的2.04%，說明政府越來越重視區域的環境保護，加大了資金投入和管理力度。其中，污水處理率、生活垃圾無害化處理率以及建成區綠化覆蓋率均呈上升趨勢，有效地改善了區域環境狀態，使土地壓力減小。在應對自然災害方面，水土流失綜合治理面積從2010年的4.3 hm2增加到2016年的21.0 hm2，有效降低了土地生態安全的風險。

3結論與討論

（1）2010—2016年安徽省土地生態安全警情分別為重警、重警、中警、中警、中警、輕警、輕警，土地生態狀況好轉。系統壓力層、系統狀態層、系統響應層指數均呈上升趨勢，表明安徽省環境保護條例自2010年實施以來，成效顯著。

（2）利用GM（1，1）模型預測得到2017—2020年安徽省土地生態安全預警值指數分別為0.776 3、0.875 3、0.986 8、1.112 5。模型精度檢驗：P=1，C=0.169，表明模型精度高，預測值可信度高。未來4年安徽省土地生態安全狀況朝著無警方向發展，土地生態安全狀況進一步好轉，達到最優情況。

（3）在PSR模型構建中，該領域對評價指標體系尚未形成一個明確的體系，該研究在指標選取上，舍棄一些不連續的指標，因而指標選取存在一定的局限性。在今后的研究中，可以運用合理的插值方法將缺失的數據補齊并加入測評，使得指標體系更具針對性和豐富性。

參考文獻

[1] 吳次芳，徐保根.土地生態學[M].北京：中國大地出版社，2003：27-61.

[2] 嚴超，張安明，吳仕海.基于GM（1，1）模型的土地生態安全動態分析與預測：以安徽省池州市為例[J].西南大學學報（自然科學版），2015，37（2）：103-109.

[3] 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.

[4] MELESSE A M，KRISHNASWAMY J，ZHANG K.Modeling coastal eutrophication at Florida Bay using neural networks[J].Journal of coastal research，2008，24（S2）：190-196.

[5] 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.

[6] 孫云鵬.全球變化背景下遼寧省土地利用生態安全情景分析[J].安徽農業科學，2010，38（24）：13150-13153.

[7] 孫鵬，何如海，王其帥，等.合肥市土地生態安全預警及調控研究[J].遼寧工業大學學報（社會科學版），2018，20（2）：26-30.

[8] FARHAN A R，LIM S.Vulnerability assessment of ecological conditions in Seribu Islands，Indonesia[J].Ocean & coastal management，2012，65（3）：1-14.

[9] 陳美婷.廣東省土地生態安全預警初步研究[D].廣州：中國科學院廣州地球化學研究所，2015.

[10] 熊建華，韓書成.基于熵權法和PSR模型的佛山市土地生態安全評價研究[J].環境科學與管理，2015，40（6）：160-164.

[11] 謝嗣頻.土地生態安全評價指標體系研究：以無錫市為例[D].南京：南京農業大學，2011.

[12] 韓書成，熊建華，李丹.珠三角城市群土地生態安全評價指標體系研究[J].廣東農業科學，2016，43（2）：83-88.

[13] 余文波，蔡海生，張瑩，等.湖北省土地生態安全預警評價及調控[J].環境科學與技術，2018（2）：189-196.