黃 浩，王浩華

(海南大學(xué) 信息科學(xué)技術(shù)學(xué)院，海南 ?？?570228)

亞馬遜熱帶雨林位于南美洲的亞馬遜盆地，占地700 萬km2.雨林橫跨了8 個國家:巴西、哥倫比亞、秘魯、委內(nèi)瑞拉、厄瓜多爾、玻利維亞、圭亞那及蘇里南，占據(jù)了世界雨林面積的一半，森林面積的20%，是全球最大及物種最多的熱帶雨林.但是，由于人類對雨林的過度砍伐造成了雨林的大面積破壞，導(dǎo)致了各種嚴(yán)重的影響，比如:物種滅絕、氣候異常、水土流失和生態(tài)系統(tǒng)紊亂等惡性循環(huán).而導(dǎo)致森林被破壞的原因又有很多，比如:非法砍伐、種植業(yè)、畜牧業(yè)、采礦業(yè)、工業(yè)污染和自然災(zāi)害等，其中，種植業(yè)、畜牧業(yè)和非法砍伐尤為嚴(yán)重.鑒此，本文就種植業(yè)和畜牧業(yè)進行了科學(xué)的分析，以找出具體的原因，旨在為巴西政府出臺相關(guān)的政策提供一個可靠的科學(xué)依據(jù).

1 數(shù)據(jù)收集與分析

1.1 數(shù)據(jù)的收集 巴西雨林占整個亞馬遜雨林的60%，絕大部分分布于巴西的9 個地區(qū)，即Acre，Amazonas，Roraima，Maranhao，Tocantins，Amapa，Mato Grosso，Para 和Rondonia.因此，本文主要以這9 各地區(qū)為對象進行分析.由于本文主要是對養(yǎng)殖業(yè)和種植業(yè)進行分析，因此又以當(dāng)?shù)?4 種比較重要的作物和牲畜作為研究對象，即咖啡、可可、水稻、甘蔗、豆類糧食、煙葉、木薯、玉米、大豆、牛、馬、豬、山羊和綿羊.其數(shù)據(jù)來源于巴西地理和統(tǒng)計研究所(IBGE)［1］，具體數(shù)據(jù)見表1.利用SPSS.18 進行相關(guān)系數(shù)矩陣分析、主成分分析和聚類分析.主成分分析主要是把多個變量作線性組合，變成少數(shù)幾個綜合變量，即主成分，以便反映原來多個變量大部分信息的一種統(tǒng)計方法.聚類分析就是將變量按照它們性質(zhì)上的親疏和相似程度進行分類的一種統(tǒng)計方法，它可以將多變量的數(shù)據(jù)進行有效的分類［4］.

1.2 相關(guān)系數(shù)矩陣分析 通過SPSS.18 對數(shù)據(jù)進行相關(guān)系數(shù)矩陣分析，得到相關(guān)系數(shù)矩陣(見表2).從表2 可以看出，所有的作物和動物養(yǎng)殖對森林的破壞均有正相關(guān)性，其中豆類、甘蔗、可可、玉米、牛、馬、綿羊、豬、大豆與砍伐面積的相關(guān)系數(shù)均大于或接近0.50，分別為0.72，0.54，0.76，0.53，0.85，0.86，0.70，0.57，0.49，而它們的顯著性水平分別為0.015，0.068，0.008，0.069，0.002，0.002，0.019，0.053，0.089，均小于0.1，這表明在顯著性水平為10%的情況下，呈現(xiàn)顯著的正相關(guān)性，說明這些對森林的破壞比較顯著.但是，其中的可可和豬比較特殊，可可是巧克力的主要原料，由于巴西的氣候非常適合種

植，所以人們對可可樹的種植每年都在增加，但是可可樹不能種植太密，還必須有高大的樹木為它遮陰，因此可可樹的適當(dāng)種植不但不會破壞森林，而且還會對森林有一定的保護.豬在當(dāng)?shù)氐漠a(chǎn)量占到了14%(見圖2)，遠不如牛的產(chǎn)量，雖然其相關(guān)系數(shù)到達了0.57(顯著性水平為0.053)，但是由于豬無需通過放牧的形式進行養(yǎng)殖，所以豬不會對森林造成直接的破壞.其他動植物均對森林有不同程度的直接破壞，其破壞程度與種植規(guī)模和養(yǎng)殖規(guī)模是正相關(guān)的.馬和綿羊的相關(guān)系數(shù)很高，但是它們的產(chǎn)量分別只占到了2%和6%，因此馬和綿羊并不是森林破壞的主要原因.從圖1 中發(fā)現(xiàn)，當(dāng)?shù)馗收岬漠a(chǎn)量占到了76%，最后分析得到，豆類，甘蔗，牛和大豆對森林的直接破壞尤為顯著.在之后的分析當(dāng)中，本文將去掉豬和可可，因為豬對森林砍伐并不造成直接影響，而適當(dāng)?shù)胤N植可可對森林反而起到一定的保護作用，所以，這兩個變量不滿足分析的要求.

表1 巴西各主要地區(qū)畜牧業(yè)和種植業(yè)的發(fā)展?fàn)顩r 103t

表2 相關(guān)系數(shù)矩陣

圖1 巴西各種農(nóng)作物產(chǎn)量比

圖2 巴西各種牲畜的產(chǎn)量比

不僅如此，從表2 中還可以看到，許多變量之間的相關(guān)性也比較強，說明它們之間存在信息上的重疊，因此對其進行主成分分析.

1.3 主成分分析 主成分個數(shù)提取的原則為主成分對應(yīng)的特征值大于1 的前m 個主成分.在某種程度上特征值可以被看成是表示主成分影響力度大小的指標(biāo)，如果特征值小于1，說明該主成分的解釋力度還不如直接引入一個原變量的平均解釋力度大，因此用特征值大于1 作為納入標(biāo)準(zhǔn).SPSS 在進行主成分分析時，會自動進行標(biāo)準(zhǔn)化處理，最后得到總體方差解釋表(見表3)和因子載荷陣(見表4).

表3 總體方差解釋

從表3 可以看出，通過對各因子進行主成分分析(PCA)發(fā)現(xiàn):4 個主成分因子(A1、A2、A3和A4)累計貢獻率達到了95.691%(見表3)，表明該4 個因子基本上包含了各地區(qū)森林砍伐受到的主要影響來源.將SPSS.18 給出的因子載荷陣(見表4)中的每一列除以相應(yīng)的特征根的開方后，就得到主成分矩陣，見表5.

表4 因子載荷陣

表5 主成分矩陣

從表5 中的第一主成分因子(A1)可以看出，除了咖啡、木薯、山羊、煙葉的值很小之外，其他因素均對森林砍伐有比較大的影響，其中煙葉為負值，這可能是由于近年來當(dāng)?shù)貧夂虻膼夯鴮?dǎo)致煙農(nóng)對種植煙草的信心逐漸削弱，并且隨著極端天氣的增多，部分煙草遭到了破壞的緣故.而咖啡的值不大是因為需求量并沒有其他作物或牲畜的大，所以對森林的砍伐并不是主要原因.水稻、甘蔗、豆類、玉米、大豆、牛、馬和綿羊的值相差不大，說明它們對森林砍伐的影響也相對較高，因為這些作物和牲畜均需要大量的土地進行種植和放養(yǎng)，而且這些作物和牲畜在當(dāng)?shù)氐男枨罅恳埠芨?，隨著需求的上升，就需要更多的土地去種植和放養(yǎng)，這是導(dǎo)致森林被砍伐的重要因素，也就是說，糧食作物和食草牲畜對森林砍伐的影響是很顯著的，其累計貢獻率達到47.974%.第二主成分因子(A2)對水稻、豆類、木薯、山羊的影響較大，而對甘蔗、玉米、大豆、牛、馬、綿羊有著負面的影響，其中4 種牲畜就有3 種受到負面影響，說明當(dāng)牲畜的產(chǎn)量降低時，人們會增加作物的種植面積，以保證糧食充足.在第三主成分因子(A3)中，豆類、牛、馬的值均為正值，說明第三主成分因子是與當(dāng)?shù)厝藗兊纳盍?xí)慣有關(guān)，因為當(dāng)?shù)厝酥饕耘！⒍诡惣Z食等為主食，在短期內(nèi)人們是不會改變對這些食物的需求的.通過圖2 也可以看出，巴西在2009 年所養(yǎng)殖的牛占到了75%，說明當(dāng)?shù)貙εＨ獾男枨笙喈?dāng)高，也反映了養(yǎng)牛業(yè)對森林的破壞程度非常高.

將表1 中的咖啡、水稻、甘蔗、豆類、煙葉、木薯、玉米、大豆、牛、馬、山羊和綿羊分別設(shè)為變量X1，X2，X3，X4，X5，X6，X7，X8，X9，X10，X11，和X12，并與特征向量相乘就可以得到每一個主成分表達式［4］.

第一主成分:

第二主成分:

第三主成分:

第四主成分:

在此，并沒有將特征根與標(biāo)準(zhǔn)化的原始數(shù)據(jù)進行相乘，這是因為單位是統(tǒng)一的.為盡量保證信息的完整，再將得到的F，F(xiàn)1，F(xiàn)2，F(xiàn)3和F4的值分別再除以106，計算結(jié)果見表4.

根據(jù)以上模型求出綜合值，然后根據(jù)F，F(xiàn)1，F(xiàn)2，F(xiàn)3和F4對樣本進行排序(見表6)［5］.

表6 主成分和綜合主成分值及排序

1.4 聚類分析 利用SPSS.18 軟件，采用“最短距離法”［5］對9 個地區(qū)進行原始數(shù)據(jù)聚類分析，結(jié)果見圖3.從圖3 中可以看出，可分為四大類:第一類由Mato Grosso 組成，說明這個地區(qū)的森林受到破壞的程度最高，受到的威脅也是最大的;第二類由Para 組成，表明這兩個地區(qū)受到的威脅程度相對第一類地區(qū)來說要低一些;第三類由Rondonia，Tocantins 和Maranhao 組成;第四類由Amapa，Roraima，Amazonas 和Acre 組成，這些地區(qū)所受到的威脅是最低的，也反映出這些地區(qū)所受到的破壞也是最小的.聚類分析所得到的結(jié)果與主成分分析的結(jié)果相符合，即驗證了主成分分析的正確性.

按照各類中第一主成分的平均得分排序(見表6)，第一類的第一主成分平均得分是;第二類的第一主成分平均得分是;第三類的第一主成分平均得分是;第四類的第一主成分平均得分是.再按各類中樣品的綜合成分得分排序，最終排名為:Mato Grosso，Para，Rondonia，Maranhao，Tocantins，Acre，Amazonas，Roraima，Amapa.這也說明了這些地區(qū)的森林破壞或者森林所受到的威脅度依次降低.

運用同樣的方法對12 種動植物進行聚類分析，得到結(jié)果如圖4 所，從圖4 中可以看出，可分為三大類:第一類由牛(Cow)組成，說明養(yǎng)牛業(yè)對森林的破壞最為嚴(yán)重，因為當(dāng)?shù)氐氖澄镆耘Ｈ鉃橹鳎瑢τ诎臀魅藖碚f這是不可缺少的食物，所以每年都在擴大牛的養(yǎng)殖，而養(yǎng)牛需要大量的場地，故對森林的砍伐也將加劇;第二類由大豆(Soy)和甘蔗(Sucrose)組成，表明在種植業(yè)中，大豆(Soy)和甘蔗(Sucrose)是對森林威脅最大的，其中隨著乙醇工業(yè)、生化電池和生物塑料的發(fā)展，對甘蔗的需求量也越來越大，對森林的破壞也將加大;第三類由玉米(Corn)、木薯(Cassava)、咖啡(Coffee)、水稻(Rice)、豆類(Beans)、煙葉(Tobacco leaf)、馬(Horse)、山羊(Goat)和綿羊(Sheep)組成，相對第一、二類來說，對森林的威脅度相對小了很多，這是因為這些作物和牲畜基本是自給自足或用于出口的，其需求量并沒有前兩類的大，因此發(fā)展并不會太迅速，這一類對于森林的破壞程度相近，均很小，故將其歸為一類.

圖3 各地區(qū)聚類分析樹狀圖

圖4 各動植物聚類分析樹狀圖

1.5 結(jié)果分析 收集各地區(qū)的歷年森林砍伐面積數(shù)據(jù)，并作圖(見圖5).

圖5 巴西各州森林砍伐面積

從圖5 中可以看出，Para 和Mato Grosso 地區(qū)的歷年森林砍伐面積都比較高，由此說明這兩個地區(qū)所受到的威脅程度和破壞程度是最高的，這與聚類分析的結(jié)果一致，也與表6 中的排序相同，這就驗證了本文所運用的主成分分析和聚類分析法對農(nóng)業(yè)的分析，從而間接反映了森林的砍伐嚴(yán)重程度，也就是說，通過分析各地區(qū)的種植業(yè)和畜牧業(yè)的狀況，間接說明了森林被破壞的嚴(yán)重程度.種植業(yè)和畜牧業(yè)越發(fā)達，也就表明需要開墾的土地就越多，對森林的威脅程度就越高，被破壞的森林面積也將越大.在圖5 中還可以看到，在2004 年達到最大值后就逐漸減少，這是因為巴西政府在2003 年創(chuàng)建了ITPM，采取了措施，并協(xié)調(diào)行動，減少了亞馬遜地區(qū)的森林砍伐率.從2010 年的統(tǒng)計數(shù)據(jù)可看出，除了Para 之外，其他地區(qū)的森林砍伐都得到了非常有效的控制.

2 建 議

根據(jù)巴西各州的數(shù)據(jù)及主成分分析法和聚類分析法的分析結(jié)果，對巴西有效控制森林砍伐提出以下建議:

1)對森林威脅度高的地區(qū)，要加強管理，對這些地區(qū)的生產(chǎn)應(yīng)進行合理的監(jiān)管，應(yīng)加強對該地區(qū)的實時監(jiān)控和宣傳教育，以防濫砍濫伐的情況發(fā)生.尤其是對于第一和第二類地區(qū)(Mato Grosso 和Para)，必須要立刻采取相關(guān)措施.

2)森林威脅度較高的地區(qū)是由于擴大種植業(yè)和畜牧業(yè)而造成的，因此，必須對其進行統(tǒng)籌規(guī)劃和控制生產(chǎn)，避免過度開墾而造成森林的破壞，尤其是第一、二類(Cow、Soy 和Sucrose)，對其要進行合理的控制.

3)森林的砍伐還包括非法砍伐，由于豐厚的利潤，少數(shù)人非法砍伐樹木以換取金錢，對于這種情況，除了應(yīng)加強對人們的宣傳教育之外，還要制定相關(guān)的法律法規(guī)，加重對非法砍伐者的懲罰.

4)森林的大面積消失還源于每年的自然災(zāi)害，由于人類的破壞，生態(tài)系統(tǒng)已經(jīng)變得非常脆弱，加之近幾年的氣候異常，自然災(zāi)害的頻發(fā)加速了森林的破壞，比如每年的火災(zāi)都會吞噬大面積的森林.所以應(yīng)加強衛(wèi)星監(jiān)測，并做好自然災(zāi)害發(fā)生時的協(xié)調(diào)工作，以保證損失達到最小.

5)在經(jīng)濟發(fā)展的層面上，要注意經(jīng)濟的波動對人們的影響，比如物價的上升會導(dǎo)致人們擴大種植業(yè)和畜牧業(yè)，以平衡物價的上升，并且物價的上升還會導(dǎo)致非法伐木的發(fā)生率升高.

總的來說就是:要制定嚴(yán)格、完善的法律，加大執(zhí)法力度;加快建立保護區(qū)的進度;采用多種保護方法，協(xié)調(diào)建設(shè)與保護的矛盾;加大環(huán)境知識教育，加強物種保護的科學(xué)研究;謹(jǐn)慎對待轉(zhuǎn)基因物種;嚴(yán)格控制外來物種和合理規(guī)劃資源利用.

3 結(jié)束語

應(yīng)用主成分分析法和聚類分析法可以有效降低各指標(biāo)之間的信息重合，因此當(dāng)指標(biāo)較多、關(guān)系較復(fù)雜、無法進行層次劃分時，運用主成分分析和聚類分析會更加有效.而且該方法可以利用計算軟件，如SPSS、SAS 等進行數(shù)據(jù)處理，能更方便地實現(xiàn)分析和評價［4］.采用此方法可以大大減少數(shù)據(jù)的處理，有效地分析森林受到破壞的主要原因，從而為巴西政府采取相關(guān)措施提供科學(xué)可靠的依據(jù).在之后的工作中，還應(yīng)繼續(xù)關(guān)注巴西雨林的進展，并進行己所能及的研究.

巴西熱帶雨林是人類的財富，但人類的活動卻導(dǎo)致了雨林前所未有的破壞，雖然破壞的因素很多，但只要找出主要原因，并著手解決和進行保護，相信熱帶雨林早晚會恢復(fù)它的生機.

［1］巴西地理和統(tǒng)計研究所［EB/OL］.http:∥www.hi.stats.gov.cn/hnstjj/index.html，2012.

［2］張文彤，閆潔.SPSS 統(tǒng)計分析基礎(chǔ)教程［M］.北京:高等教育出版社，2002:23-40.

［3］于秀林，任雪松.多元統(tǒng)計分析［M］.北京:中國統(tǒng)計出版社，2004:61-162.

［4］王旭，霍德利.主成分聚類分析法在煤礦安全評價中的應(yīng)用［J］.中國礦業(yè)，2009，18(2):86-104.

［5］林海明，劉樂強.主成分分析法在企業(yè)經(jīng)濟效益綜合評價中的有效應(yīng)用［J］.數(shù)學(xué)的實踐與認識，2005，35(4):65-68.

［6］劉綠葉，孫國銘，劉培廷，等.應(yīng)用主成分法和聚類分析法分析呂四漁場近岸海水水質(zhì)［J］.海洋漁業(yè)，2006，28(3):217-221.