基于集对分析和主成分分析的吉林西部生态承载力演变研究_王明全

Chinese Journal of Eco-Agriculture, July 2009, 17(4): 795−799

DOI: 10. 3724/SP.J.1011.2009.00795

基于集对分析和主成分分析的吉林西部

生态承载力演变研究*

王明全1,2 王金达1 刘景双1**

(1. 中国科学院东北地理与农业生态研究所 长春 130012；2. 中国科学院研究生院 北京 100049)

摘 要 利用集对分析(SPA)和主成分分析(PCA)方法对吉林省西部生态承载力(ECC)演变规律与驱动因素进行了分析。通过PCA获取影响ECC的3个主成分并利用各主成分构建ECC评价框架；通过SPA求得ECC对最优指标集的贴近度, 利用贴近度变化表示ECC的优劣程度。结果表明：1995~2004年研究区ECC整体呈上升趋势, 其贴近度从0.430 0上升到0.501 2, 但波动性较强。系统经济效率上升是ECC提高的主要原因, 水资源是ECC波动的首要影响因素, 也是ECC提高的主要因素。吉林省西部所承载的人口和经济水平有所上升, 但也造成资源的大量消耗和生态系统严重退化, 资源环境指标贴近度有所下降。若不采取有效应对措施, 脆弱的资源环境系统将会对未来ECC提高产生较大作用。 关键词 生态承载力 集对分析 主成分分析 吉林省西部

中图分类号: X24 文献标识码: A 文章编号: 1671-3990(2009)04-0795-05

Evolution of ecological carrying capacity of western Jilin Province via set

pair analysis and principal component analysis

WANG Ming-Quan1,2, WANG Jin-Da1, LIU Jing-Shuang1

(1. Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130012, China;

2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China)

Abstract The evolution of ecological carrying capacity (ECC) of western Jilin Province (1995 ~ 2004) was analyzed via set pair analysis (SPA) and principal component analysis (PCA). From PCA, 3 principal components influencing ECC were identified, which were then used to construct ECC assessment framework. The approach degree of optimal scenario aggregate was determined via SPA, which was then used to evaluate the quality of ECC evolution. The results indicate that ECC of western Jilin Province has an increasing tendency, and the approach degree varies from 0.430 0 to 0.501 2, with obvious fluctuations. Improvements in economic efficiency contribute the most to ECC increase, while water resources constitute the main driving factor of ECC fluctuation, and the main factor limiting ECC of western Jilin Province. Compared to 1995, western Jilin Province supports more people with higher economic and living standards in 2004, though at the cost of high resource utilization and severe ecosystem degradation. Thus the approach degree of resource-environment has steadily declined since 1995. The vulnerability of the resource-environment system would severely limit future ECC of western Jilin Province unless effective countermeasures are adopted.

Key words Ecological carrying capacity, Set pair analysis, Principal component analysis, Western Jilin Province (Received July 24, 2008; accepted Nov. 3, 2008)

生态承载力(Ecological carrying capacity, ECC)是承载力研究的一个新扩展[1,2]。随着研究的不断深入, ECC逐渐成为生态经济管理的重要指导工具, ECC的评价和量化也成为国内外学者探讨的焦点之

* 国家重点基础研究发展计划(2004CB418507)资助 ** 通讯作者, Email:***********************.cn

一[2]。目前常见的评价生态承载力的方法有生态足迹法[3]、能值分析法[4]、第一性生产力法[5]、指标体系法[2,6]等, 以上方法从不同角度表达了ECC的内涵并揭示了相关的生态经济现实, 各有侧重点和适

王明全(1982~), 男, 博士研究生, 主要从事生态承载力和生态安全方面的研究。E-mail:********************.ac.cn收稿日期: 2008-07-24 接受日期: 2008-11-03 796

中国生态农业学报 2009 第17卷

用性。自然界和人类社会广泛存在由模糊、随机、中介和信息不完全导致的各种不确定性, 如果在评价方法中考虑到这种不确定性, 会使ECC评价结果更加贴近现实, 因而对ECC的研究具有重要意义。

集对分析(Set pair analysis, SPA)是由我国学者赵克勤提出的一种针对确定性和不确定性问题进行同异反定量分析的理论[7], 其核心思想是把确定、不确定系统, 从同异反3方面分析事物之间的联系和转化, 集对分析已在评价、管理、预测和规划等诸多领域获得广泛应用[7−9]。本文以吉林省西部为对象, 利用集对分析探讨其ECC的演变规律, 以便为当地生态、生产功能的优化发展提供借鉴。鉴于生态系统各因素相互作用的复杂性, 首先采用主成分分析提取影响ECC变化的主因子, 进而借助集对分析中贴近度的概念表达ECC的优劣程度。

多属性评价问题。对于多属性评价问题[8,9]可记为Q=(F, D, E, W), 其中评价方案集F={f1, f 2, …, fm}, 评价指标集D={d1, d2, …, dn}, 评价对象集为E={e1, e2, …, ek}, ek为第k个待评价对象。权重集W={w1, w 2, …, wn}。在同一空间内进行对比确定各评价方案中的最优评价指标和最劣评价指标, 组成最优方案集U{u1, u2, …, un}和最劣方案集V{v1, v2, …, vn}。集对{Fm, U}在区间[V, U]上的联系度为：⎧µ(fm,U)=am+bmi+cmj

⎪⎪

p=(1, 2, …, n) (2) am=∑wpapk⎨

⎪

cm=∑wpcpk⎪⎩

式中, apk和cpk分别为指标dpk与集合[vp, up]的同一度

和对立度, wp为第p项指标的权重。

当dpk对评价结果起正向作用时： dpk⎧

⎪apk=

up+vp⎪

⎨

uvpp⎪c=

pk⎪dpk(up+vp)⎩

当dpk对评价结果起负向作用时：

1 研究区概况

(3)

吉林省西部地区(43°53′~46°18′N, 121°38′~ 126°17′E)是较为典型的农牧交错地带, 也是著名的生态脆弱地带。该区行政上包括白城市及松原市,

upvp⎧面积46 835 km2, 占吉林省总面积的25.4%。该区属

a=⎪pk

dpk(up+vp)性季风气候, 年日照时数2 800~3 000 h, 多年⎪

(4) ⎨平均降雨量400~500 mm, 多年平均蒸发量1 600~ dpk⎪c=

pk⎪2 000 mm, 平均相对湿度60%~65%, 无霜期up+vp⎩

140~160 d。吉林西部自然灾害频繁、土地“三化”

方案fm与最优方案的贴近度rm可定义为:

现象严重, 导致生态系统退化明显, 农业生产力水

am

rm= (5) 平低, 生态系统自组织和自维持能力弱。该区科技

am+cm

水平落后, 经济发展水平低, 对农业依赖性强, 内

rm反映了待评价方案fm与最优方案集合的关联

在的脆弱性和人类不合理开发导致资源环境和社会

程度, rm越大表示被评价对象越接近最优方案, 根据

经济冲突严重, 可持续发展受到严重挑战。

rm的大小可分析ECC的优劣状况。

2 研究方法

2.1 集对分析方法

集对分析。对于问题Q需要将具有一定联系两个集合A、B放到一起讨论, 这两个集合组成的1个基本单位H即为1个集对。A、B之间既有确定性又有不确定性的关系, 它们在同一个问题Q下的联系度表达式可写为[7,10]：

SFP+i+j (1) NNN

式中, N为集对所有特性的总数；S为A、B共有的

2.2 主成分分析

主成分分析是一种通过降维来简化数据结构的方法, 用几个综合变量的线性组合来反映原来变量的大部分信息。其主要步骤如下：①对样本数据进行标准化处理；②计算变量间相关系数, 得到相关系数矩阵, 只有变量间具有较强的相关性主成分分析才具有意义；③计算样本相关矩阵特征值、方差以及累积方差贡献率, 根据方差累积贡献率≥85%原则确定主成分并求出各主成分的因子载荷和因子得分。以上计算过程可借助SPSS软件进行。 2.3 指标体系和数据来源

µ=a+bi+cj=

根据ECC的内涵, 结合吉林省西部实际的自然

A、B既不共有也不对立的特性数；a、b、c分别称

环境背景和主要的社会经济问题, 从资源环境、经

为集合A和集合B在问题Q下的同一度、差异 济发展和人口发展 3方面选取能反映ECC特性的评度和对立度, 它们从不同方面刻画两个集合的联系价指标(表1), 指标选取遵循科学性、全面性和可操状况。 作性相统一的原则, 其中水资源数据来源于松辽流

特性数；P为A、B相互对立的特性数；F=N−S−P, 为

第4期

王明全等: 基于集对分析和主成分分析的吉林西部生态承载力演变研究 797

表1 吉林西部生态承载力评价指标体系

Tab. 1 Evaluation indicators of the ecological carrying capacity in western Jilin Province

类型Type 资源环境

Resource-environment

具体指标Indicator

人均水资源量 Per capita water resources (X1, m3), 单位土地面积水资源量 Per hectare land water resources (X2, 3

m·hm−2), 人均耕地面积Per capita arable land (X3, hm2), 人均林地面积Per capita forest (X4, hm2), 人均草地面积 Per capita grassland (X5, hm2), 草地覆盖率 Grassland coverage ratio (X6, %), 森林面积占土地面积比重Ratio of forest to the total land (X7, %), 荒漠化指数Desertification ratio (X8, %), 地下水占总用水量比重Ratio of groundwater to the total used water (X9, %)

万元GDP耗水量Water consumption per 10 000 yuan GDP (X10, m), 化肥用量强度 Chemical fertilizer input intensity (X11, kg·hm−2), 有效灌溉面积比重Effective irrigation ratio (X12, %), GDP增长速率Growth rate of GDP (X13, %), 人均GDP Per capita GDP (X14, 元), 人均粮食占有量 Per capita grain (X15, kg), 人均肉类占有量Per capita meat (X16, kg), 人均纯收入Per capita net income (X17, 元), 第一产业占GDP比重Ratio of the first industry to the total GDP (X18, %), 粮食单产Grain productivity (X19, kg·hm−2)

人口增长率Growth ratio of population (X20, ‰), 人口密度Population density (X21, 人·hm−2), 恩格尔系数Engel coefficient (X22, %), 万人科技人员数Scientists and technicians per 10 000 persons (X23, 人), 人均住房面积 Per

level (X25, %), 每千人拥有医生数 Doctors per 1 000 persons capita living area (X24, m2), 城市化水平 Urbanization

(X26, 人)

3

经济发展

Economy development

人口发展

Human development

域水资源公报(1995~2004), 人口以及社会经济数据

主成分C2与X10、X13、X15和X19 4项指标呈明显的第正相关关系, C2主要为反映系统经济效率的指标。３主成分C3与X1和X2呈较强的正相关关系, C3主要为表征水资源的指标。以C1、C2、C3构建ECC的评价框架, C1中资源环境指标是承载主体的反映, 经济发展指标和人口发展指标是承载客体的表现, C2、C3则为ECC的重要影响因素。以10年中各项

来源于吉林统计年鉴(1996~2005)、松原统计年鉴(1996~2005)及白城统计年鉴(1996~2005), 土地利用

数据主要来源于1996年、2000年、2002年和2004年TM遥感影像解译结果, 其他年份根据线性插值获得。

3 结果与分析

对各指标进行主成分分析, 最终得到3个主成分(表2), 为了简化对主成分的解释, 采用方差最大旋转法对各因子进行旋转, 结果如表2、表3。依据X11、主成分分析结果(表3), 第一主成分C1与X3~X9、X12、X14、X16~X18、X20~X25 19项指标呈较强的相关

指标的最优和最劣值, 构建评价方案集(表4)。各项指标的权重利用熵权法[10,11]求得(表4), 进而求得各年份ECC以及各层次指标对最优集的贴近度rm(表5), 贴近度rm越大表示ECC越高。

1995~2004年第一主成分C1与最优集的贴近度rm1由0.448 1上升到0.548 4(表5), 表明吉林省西部

第２关系, C1主要为表征生态系统发展状态的指标。

生态系统整体发展水平不断上升。从C1的3类指标

表2 主成分的特征值、方差

Tab. 2 Eigenvalues and squared loadings of the principal components

主成分

Principal component

特征值 Eigenvalues 旋转前 Before rotation

旋转后 After rotation

方差 Variance ( %)

旋转前 Before rotation

旋转后 After rotation

累积方差 Cumulative variance (%) 旋转前 Before rotation

旋转后 After rotation

C1 16.288 13.309 70.816 57.866 70.816 57.866 C2 2.726 5.471 11.815 23.786 82.688 81.653 C3 1.792 2.406 7.793 8.808 90.461 90.461

表3 旋转后因子载荷矩阵

Tab. 3 Rotated component matrix

C1

X1 −0.031

X2

X3

X4

X5

X6 −0.931−0.130−0.065 X190.0120.7390.393

X7 0.953−0.2160.028 X20−0.6−0.085−0.136 X8 0.931−0.058−0.068 X210.9840.070−0.011 X9 0.7970.416−0.169 X22−0.972−0.1660.081 X10 X11 X12 X130.0620.704−0.477 X260.210−0.026−0.049

0 0.6 0.972 −0.9000.496 0.727 0.9470.814 −0.142 X23

−0.277

−0.134

C2 0.008 0.001 0.557 0.166 −0.100C3 0.959 0.962 0.038 −0.081

X14

X15

X16

X17

0.037 X18

0.287 0.119 X24

X25

C1 0.8 −0.344

0.929 0.792 −0.9290.777 0.885 0.7−0.021 −0.468 0.371 0.348−0.157 −0.065

C2 0.395 0.632 0.221 0.550 0.015C3

−0.152 0.502

−0.060 −0.129 0.244798

中国生态农业学报 2009 第17卷

表4 生态承载力各评价指标的最劣和最优值及各指标权重

Tab. 4 The worst aggregate V and the optimal aggregate U for the indicators of ECC assessment and corresponding weight

V U W V U W

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13

391 406 0.310 0.049 0.165 10.9 4.7 16.7 0.714 1 238 681 21.0 4.70 1 934 1 973 0.207 0.052 0.106 15.99 5.3 14.5 0.348 419 845 55.2 20.73 0.127 2 X14 3 143 8 762 0.014 0

0.133 8 X15 843 1 586 0.105 2

0.030 5 X16 63 114 0.022 8

0.019 3 X17 1 292 2 637 0.015 6

0.022 1X18 46.8 29.2 0.024 7

0.013 0X19 3.95 7.68 0.069 2

0.044 9X20 10.2 2.10 0.012 1

0.023 0X21 101 94 0.015 5

0.029 4X22 54.5 45.4 0.019 3

0.052 9 X23 179 211 0.029 9

0.019 3 X24 7.3 17.6 0.022 6

0.039 4X25 30.2 32.0 0.011 9

0.082 2

表5 生态承载力各评价层次的贴近度

Tab. 5 Approach degrees of the different levels for ECC assessment

年份

Year 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

C1

am1 0.192 0 0.196 7 0.197 2 0.206 9 0.213 3 0.212 4 0.213 6 0.228 2 0.226 8 0.233 7

cm1 0.236 5 0.223 4 0.219 1 0.208 3 0.202 1 0.203 2 0.204 3 0.194 0 0.195 9 0.192 5

rm1 0.448 1 0.468 2 0.473 7 0.498 4 0.513 4 0.511 0 0.511 1 0.540 6 0.536 6 0.548 4

am2 0.150 7 0.202 6 0.144 3 0.143 2 0.158 0 0.090 9 0.155 8 0.169 9 0.187 1 0.186 3

C2 cm2 0.126 80.099 20.156 30.158 80.120 40.210 90.122 00.110 90.103 20.106 0

rm2 0.543 00.671 30.480 00.474 10.567 60.301 10.560 90.605 10.4 50.637 3

am3 0.057 40.072 30.058 50.216 80.065 40.0 80.044 20.084 10.096 70.055 0

C3 ECC cm3 0.167 20.132 70.1 10.044 20.146 70.148 00.216 80.114 10.099 20.174 3

rm3 0.255 80.352 80.262 70.830 50.308 20.304 70.169 50.424 40.493 50.239 9

am 0.400 2 0.471 6 0.400 0 0.566 9 0.436 6 0.368 1 0.413 7 0.482 3 0.510 6 0.475 0

cm 0.530 50.455 30.539 50.411 30.469 20.562 10.543 10.418 90.398 30.472 8

rm 0.430 00.508 80.425 70.579 50.482 00.395 70.432 40.535 10.561 80.501 2

看, 经济发展和人口发展指标的贴近度都呈上升趋势, 分别从1995年的0.363 7和0.421 1上升到2004年的0.4 0和0.533 7(图1), 说明10年间该区所能承载的人口数量以及相应的经济和生活水平都有所提高, 如2004年该区人均GDP(8 760元)达到1995年的2.79倍, 人均肉类产量(113.7 kg)是1995年的2.94倍, 第一产业占GDP比重比1995年降低17.6个

first principal component

百分点。另外, 该区在人均住房面积、恩格尔系数、城镇化水平等方面都有不同程度提高。经济和生活水平上升的同时吉林省西部资源环境质量贴近度却从

图1 第一主成分各类指标贴近度

Fig. 1 Approach degrees for each indicator of the

101995年的0.527 4下降为2004年的0.474 1(图1)。

年中资源环境内部指标互有消长, 如该区人均耕地逐渐增加(从0.273 hm2上升到0.310 hm2), 有林地比例也有缓慢增长, 耕地资源的增加能够在一定时间内增加粮食产出, 提高经济收入。但根据TM遥感影像解译结果, 1996~2004年该区草地面积大约减少2.2×105 hm2, 荒漠化面积也略有升高。在干旱缺水的农牧交错地带, 草地对于维护生态系统的自我维持能力具有重要作用, 因而草地迅速减少会加重生态系统的脆弱性。另外, 随着农业规模的扩大, 吉林省西部地下水资源需求迅速增加, 其开采量从1995年7.91×108 m3上升到2004年19.59×108 m3, 该区资源环境状况不容乐观。

第2主成分C2主要为表征经济效率的指标。吉林省西部生态系统抵御外部干扰能力和自我维持能力较弱, 在这种生态环境脆弱、自然资源匮乏的情况下, 系统经济效率的升高对提高区域ECC有重要意义。1995~2004年吉林省西部C2的贴近度rm2由0.543 0变为0.637 3(表5), 表明该区整体经济效率呈上升趋势, 如该区2004年万元GDP耗水量(419 m3)仅为1995年的1/3, GDP增长速率从1995年的12.6%上升到2004年的16.9%。但吉林省西部经济效率极不稳定, 其中2000年是经济效率最低一年,

第4期

王明全等: 基于集对分析和主成分分析的吉林西部生态承载力演变研究 799

其GDP增长速率(4.7%)、人均粮食产量(843 kg)和粮食单产(3.95 t·hm−2)3项指标均达到10年中最低值, 因而2000年rm2(0.301 1)是所研究时期的最低值。1996年虽然用水效率不高, 但其GDP增长速率(20.7%)、人均粮食产量(1 560 kg)和粮食单产(6.50 t·hm−2)3项指标处于较高水平, 该年rm2(0.671 3)为10年中最高值(表5), 是系统经济效率最高的一年。

第3主成分C3为反映水资源供给的指标, 在吉林省西部水资源与生产和生态功能具有密不可分的联系, 干旱缺水已成为社会经济和生态环境发展的主要因素。作为半干旱的农业产区, 该区水资源需求量较大, 1995~2004年该区用水量从22.7×108 m3上升为27.43×108 m3, 其中地下水比例由34.8%上

建适合本地区生态环境和经济实力的水利工程, 采用高效节水措施以提高水资源承载能力；二是积极发展多元经济活动, 减少对农业的经济依赖性, 增强区域科技服务强度, 继续提高经济增长效率；三是科学利用土地资源, 促进合理生态系统的重构, 增强其自我维持能力和自然资本的更新能力。(3)ECC评价过程中广泛存在各种不确定性, 而集对

分析则可以把确定性和不确定的辩证认识转化为一个具体的数学工具, 以对最优指标的贴近度表示承载力的优劣程度, 使ECC的评价更加合理。由于ECC各因素相互作用的复杂性, 利用主成分分析提

取影响ECC主要因子, 提取的主成分在现实意义和作用机理上具有较好的可解释性。集对分析与主成分分析结合评价ECC, 属于指标体系法的一种变形和拓展, 两者结合使对ECC的评判更加科学和明确。

升到71.4%, 农业耗水量占总量的83%~93%。在干旱和不合理的开发活动共同作用下, 草地退化严重, 土地盐碱化和沙化现象加剧, 生态功能受损严重。1995~2004年C3的贴近度rm3由0.255 8变化为0.239 9

并表现出明显的波动性(表5), 其中1998年达到最高值(0.830 5), 1998年该区降雨量(588.7 mm)、人均水资源(1 934 m)和每公顷土地水资源(1 970 m)均为所研究年份最高, 丰富的水资源使该区免于旱灾的侵扰, 利于农业生产和生态系统的改善。而1998年之后的3年rm3出现明显降低, 其中2001年降雨量仅有197.4 mm, 其人均水资源量和每公顷土地水资源量均为10年中最低值, 因而该年贴近度达到最低值0.169 5。

综合以上因子的演变规律, 1995~2004年吉林省西部整体ECC不断上升, 其综合ECC的贴近度由0.430 0上升到0.501 2(表5), 同时其ECC也表现出

3

3

参考文献

[1] Seidl I., Tisell C. A. Carrying capacity reconsidered: From

Malthus’ population theory to cultural carrying capacity[J].

Ecological Economics, 1999, 31: 395−408

[2] 高吉喜. 可持续发展理论探索——生态承载力理论、方法与

应用[M]. 北京: 中国环境科学出版社, 2001

[3] Wackernagel M., Monfreda C., Erb K. H., et al. Ecological

footprint time series of Austria, the Philippines, and South Korea for 1961–1999: Comparing the conventional approach to an ‘actual land area’ approach [J]. Land Use Policy, 2004, 21: 261−269

[4] Ulgiati S., Brown M. T. Emergy and ecosystem complexity [J].

Communications in Nonlinear Science and Numerical Simulation, 2009, 14: 310−321

[5] Haberl H., Wackernagel M., Krausmann F., et al. Ecological

footprints and human appropriation of net primary production: comparison [J]. Land Use Policy, 2004, 21: 279−288 [6] 王开运. 生态承载力复合模型系统与应用[M]. 北京: 科学

出版社, 2007

[7] 赵克勤. 集对分析及其初步应用[M]. 杭州: 浙江科学技术

出版社, 2000

[8] 苏美蓉, 杨志峰, 王红瑞, 等. 一种城市生态系统健康评价

方法及其应用[J]. 环境科学学报, 2006, 26 (12): 2072−2080 [9] 贺瑞敏, 张建云, 王国庆, 等. 基于集对分析的广义水环境

承载能力评价[J]. 水科学进展, 2007, 18 (5): 730−735 [10] 周亮广, 梁虹. 基于主成分分析和熵的喀斯特地区水资源

承载力动态变化研究——以贵阳市为例[J]. 自然资源学报, 2006, 21(5): 827−832

[11] 周文华, 王如松. 基于熵权的北京城市生态系统健康模糊

综合评价[J]. 生态学报, 2005, 25(12): 3244–3251

明显的波动性, 由于降水丰富, 1998年综合ECC (rm=0.579 5)是所有年份中最高值, 而因旱灾系统经

济效率最低的2000年ECC最低(rm=0.395 7)。

4 结语

利用集对分析和主成分分析方法对1995~2004年吉林省西部生态承载力(ECC)演变状况进行了综合评价, 结果表明：(1)吉林省西部ECC整体呈上升趋势, 但存在波动性。经济效率的上升是ECC提高的主要驱动因素, 水资源是ECC波动的首要影响因素, 也是ECC提高的主要因素。吉林省西部ECC提高的同时也造成了资源的大量消耗和生态系

统严重退化, 资源环境指标的贴近度呈下降趋势。如果不采取有效的改善措施, 脆弱的资源环境会对未来社会经济的发展带来较大的作用。(2)结合ECC演变规律, 要提高吉林省西部ECC, 一是要兴