度 陽, 張道軍, 姚順波

(西北農(nóng)林科技大學 經(jīng)濟管理學院, 陜西 楊凌 712100)

基于證據(jù)權(quán)模型的退耕還林(草)驅(qū)動力因素分析
——以陜西省吳起縣為例

度 陽, 張道軍, 姚順波

(西北農(nóng)林科技大學 經(jīng)濟管理學院, 陜西 楊凌 712100)

以2000年、2011年的Landsat TM影像為數(shù)據(jù)源，通過遙感解譯和GIS空間技術(shù)集成，得到吳起縣兩期土地利用覆蓋分類圖，采用證據(jù)權(quán)模型研究吳起縣154個村2000—2011年退耕還林(草)的格局演變及內(nèi)在驅(qū)動機制。結(jié)果表明：11年來，吳起縣耕地面積顯著減少，林地、草地面積明顯增加；耕地有84.6%退耕成林地、草地，其中，耕地的坡度、距離公路的距離、人均耕地面積與退耕還林(草)的分布呈正相關(guān)關(guān)系；高程與退耕還林(草)的分布呈倒U形關(guān)系；道路密度與退耕還林(草)分布呈負相關(guān)關(guān)系，但是顯著程度并不明顯；陰坡退耕還林(草)面積相對于陽坡面積較大；距離農(nóng)村道路的距離對退耕還林(草)的分布沒有顯著的影響。氣象數(shù)據(jù)相關(guān)變量中，年均相對濕度與退耕還林(草)分布呈倒U形關(guān)系，20—20時平均年降水量與退耕還林(草)分布呈正相關(guān)關(guān)系。

退耕還林(草); 驅(qū)動力; 證據(jù)權(quán)模型;GIS遙感解譯; 吳起縣

退耕還林(草)工程是目前國家啟動的林業(yè)生態(tài)工程中規(guī)模最大、投資最多、群眾參與積極性最高的一項生態(tài)工程[1]。自1999年試點以來，退耕還林(草)工程共完成造林任務(wù)2820萬hm2，其中退耕地造林906.7萬hm2，宜林荒山荒地造林1 626.7萬hm2，封山育林286.6萬hm2[2]。退耕還林(草)工程在保護和改善生態(tài)環(huán)境方面取得了巨大成效，同時也提高了農(nóng)民的收入，促進了農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，帶動了經(jīng)濟的發(fā)展，取得了顯著的社會效益。2014年中央1號文件指出“從2014年開始，繼續(xù)在陡坡耕地，嚴重沙化耕地，重要水源地實施退耕還林還草”，我國已重新啟動中斷6 a多的退耕還林(草)工程。為使新一輪退耕還林(草)政策更加合理完善，效果更加顯著，有必要對前期退耕還林(草)不同驅(qū)動力因素進行分析，探究當前退耕還林(草)工程的后續(xù)發(fā)展動力。

驅(qū)動力因素研究對于當前退耕還林(草)工程的實施尤為重要。農(nóng)戶為什么愿意參加退耕還林(草)？退耕還林(草)工程的區(qū)位選擇受哪些因素的影響？已有文獻主要從以下3個方面進行研究：從經(jīng)濟學的視角，強調(diào)基于“經(jīng)濟績效”的驅(qū)動力因素，這種觀點認為，退耕還林(草)是通過比較成本、收益、風險而做出的經(jīng)濟人理性選擇，按照這個邏輯，農(nóng)戶參與退耕還林(草)等生態(tài)建設(shè)項目是因為其經(jīng)濟效益為正。例如：蔣海從農(nóng)戶經(jīng)濟利益入手，研究林業(yè)投資激勵和政府財政補貼對退耕還林(草)的持續(xù)性和有效性的影響[3]；劉璨等從退耕還林(草)對糧食產(chǎn)量和農(nóng)民收入的影響角度分析農(nóng)民積極參與退耕還林(草)工程的原因[4]。從生態(tài)環(huán)境視角，認為生態(tài)建設(shè)不一定是理性的經(jīng)濟分析，退耕還林(草)是一項保護生態(tài)環(huán)境的林業(yè)生態(tài)工程。谷振賓等認為對退耕還林(草)生態(tài)工程的可持續(xù)性和生態(tài)影響的研究對于退耕還林(草)的后續(xù)發(fā)展尤其重要[5]；孔凡斌認為建立并完善我國的生態(tài)補償機制是新時期我國生態(tài)環(huán)境建設(shè)和保護戰(zhàn)略的重要內(nèi)容[6]。從地形因素視角，主要研究土地利用覆蓋變化，Arekhi通過運用GIS技術(shù)和邏輯回歸模型對伊朗伊姆市北部林地進行研究，選取林地破碎指數(shù)、海拔、到道路、居民點和林地邊界的距離、坡度等6個因素，研究結(jié)果表明，林地退化主要發(fā)生在破碎的地塊和靠近林地邊緣的地塊，坡度和到道路、居民點的距離與林地退化有負相關(guān)關(guān)系，海拔越高的地方林地退化的概率越低[7]，顧哲衍等以皖西金寨縣為例，用多時相影像分析技術(shù)和景觀指數(shù)分析法，分析退耕還林(草)工程實施前后金寨縣森林景觀格局的時空演變特征和內(nèi)在驅(qū)動因素[8]，Mikaela Schmitt-Harsh 用遙感分析，土地轉(zhuǎn)移矩陣和多元回歸模型，研究了危地馬拉土地利用覆蓋變化動態(tài)和驅(qū)動兩種主要的土地利用覆蓋系統(tǒng)[9]。

從現(xiàn)有研究來看，學者對退耕還林(草)工程的研究已經(jīng)完成從理論階段到實踐階段的轉(zhuǎn)變，對退耕還林(草)工程的研究機制已經(jīng)趨于成熟。但是研究多集中在其生態(tài)補償機制和經(jīng)濟效益兩方面，少有文獻以土地利用/覆蓋變化為基礎(chǔ)，研究退耕還林(草)驅(qū)動力。本文以土地利用覆蓋變化為研究對象，通過對吳起縣2000年和2011年遙感影像的處理分析，得出吳起縣2000年和2011年的土地利用現(xiàn)狀圖，并提取退耕還林(草)空間范圍；進而運用證據(jù)權(quán)模型定量計算地形、社會經(jīng)濟和氣象等因素對退耕還林(草)的影響，對退耕還林(草)政策的合理性和后續(xù)發(fā)展動力進行評價和分析。

1 研究區(qū)概況

吳起縣作為全國退耕還林(草)示范縣，自1999年退耕還林(草)以來，縣域90%的坡耕地得到有效治理，水土流失治理率達71.6%，林草覆蓋率從1999年的19.2%提高到62.9%，生態(tài)環(huán)境逐步改善。吳起縣退耕還林(草)工程取得了顯著的成果，對于西北地區(qū)乃至全國退耕還林(草)工程的實施都有借鑒意義，因此本研究以吳起縣為例展開。

1.1 吳起縣自然地理條件

吳起縣隸屬于陜西省延安市，位于延安市西北部。地處東經(jīng)107°38′—108°32′，北緯36°33′—37°24′，海拔在1 233～1 809 m。南北長93.4 km，東西寬79.89 km，總面積3 791.5 km2。全縣地貌屬黃土高原梁狀丘陵溝壑區(qū)，境內(nèi)有無定河與北洛河兩大流域。吳起縣屬半干旱溫帶大陸性季風氣候，年平均氣溫7.8℃，極端最高氣溫37.1℃，極端最低氣溫-25.1℃。年平均降雨量483.4 mm，年平均無霜期146 d。

1.2 吳起縣退耕還林(草)工程實施概況

吳起縣1999年一次性退耕10.37萬hm2，只留下2萬hm2口糧田。截至2012年，全縣累計完成退耕還林面積16.3萬hm2，經(jīng)國家確認兌現(xiàn)12.32萬hm2，成為全國退得最早、還得最快、面積最大、群眾得實惠最多的縣份。吳起縣先后被國家林業(yè)局、水利部、財政部等部委確定為“全國退耕還林試點示范縣”、“全國造林先進縣”、“全國十百千水保生態(tài)環(huán)境建設(shè)先進縣”、“全國林業(yè)建設(shè)標準化示范縣”、“全國水土保持先進集體”和“全國退耕還林與扶貧開發(fā)工作結(jié)合試點縣”。

2 研究方法

2.1 數(shù)據(jù)來源

本文以吳起縣2000年和2011年的Landsat TM影像為數(shù)據(jù)源，綜合應(yīng)用遙感數(shù)據(jù)和地理信息數(shù)據(jù)，首先在遙感處理軟件ArcGIS 10.2中對影像進行剪裁、幾何校正、拼接，然后在ENVI 5.2中，面向?qū)ο筇卣鞣诸愄崛∵b感影像信息。根據(jù)各種地物的特征，人工分出一部分類別，然后計算機根據(jù)人工分類的結(jié)果自動提取各種遙感影像的信息。同時，根據(jù)DEM數(shù)字高程模型的地形特征統(tǒng)計各土地類型在坡度、坡向、高程的空間分布情況。氣象數(shù)據(jù)來自于中國氣象數(shù)據(jù)網(wǎng)1981年2010年30 a中國地面累年值數(shù)據(jù)集。

將遙感影像分類結(jié)果轉(zhuǎn)成柵格格式圖像(分辨率為30 m)，所有的柵格數(shù)據(jù)都被統(tǒng)一成柵格大小為30 m×30 m，與DEM數(shù)據(jù)生成的地形因子柵格數(shù)據(jù)進行空間疊加運算,獲得耕地、林地、草地的地表真實面積。把2011年的遙感解譯影像和2000年的進行比較，研究2000年的耕地到2011年變成林地和草地的情況。

地形會直接影響地表物質(zhì)的遷移與能量的轉(zhuǎn)換。高程和坡度是土地資源固有的兩個重要的環(huán)境因子，對土地利用和土地承載力有著直接的作用。高程和坡向決定了局地的溫度和光照狀況，坡度影響著局地的土壤保持和水源涵養(yǎng)能力；道路密度和道路距離表征耕地的交通便利情況，人均耕地面積反映研究區(qū)耕地后備資源；降水量和平均相對濕度直接影響農(nóng)業(yè)的發(fā)展和農(nóng)作物的生長，因此選取以上指標研究吳起縣退耕還林(草)工程的驅(qū)動力因素。

吳起縣的高程1 228～1 811 m，按照100 m的間距分為7個等級；根據(jù)重力、動力學等原理，及2004年“土地利用更新調(diào)查技術(shù)規(guī)定”[10]，本文中將坡度分為<2°，2°～6°，6°～15°，15°～25°，25°～35°，>35°6個等級；在坡向上，正北方向為0°，按照順時針方向，分為北坡(337.5°～360°，0°～22.5°)，東北坡(22.5°～67.5°)，東坡(67.5°～112.5°)，東南坡(112.5°～157.5°)，南坡(157.5°～202.5°)，西南坡(202.5°～247.5°)，西坡(247.5°～292.5°)西北坡(292.5°～337.5°)8個等級。道路分為公路和農(nóng)村道路兩類，其中農(nóng)村道路又以3 m寬度為界限，分為兩類。公路分為100～200.5，200.5～500.5，500.5～1 000.5，1 000.5～2 500.5，2 500.5～4 000.5，4 000.5～6 000.5，6 000.5～10 000.5 m共7個等級；農(nóng)村道路分為100～100.5，100.5～200.5，200.5～300.5，300.5～400.5，400.5～500.5，500.5～600.5，600.5～10 000.5 m共7個等級。道路密度、人均耕地面積按一倍標準差進行分類，年平均相對濕度、20～20時平均年降水量按照1/2倍標準差進行分類。各項操作均在軟件ArcGIS 10.2支持下完成。各變量具體分級見表1。

表1 各影響因子分級

注：道路距離1指耕地距離公路的距離；道路距離2指耕地距離農(nóng)村道路(大于等于3 m)的距離；道路距離3指耕地距離農(nóng)村道路(小于3 m)的距離。

2.2 證據(jù)權(quán)模型

證據(jù)權(quán)方法是基于貝葉斯定理的一種數(shù)據(jù)驅(qū)動方法，是綜合各種證據(jù)來支持一種假設(shè)的定量方法，該方法最初主要用在對醫(yī)療診斷的支持上。20世紀80年代，加拿大地質(zhì)學家Agterberg和數(shù)學家Bonham-Cater將證據(jù)權(quán)方法引入到礦產(chǎn)資源預測與評價中[11]。近年來，證據(jù)權(quán)法在滑坡敏感性評價和生態(tài)環(huán)境等多個領(lǐng)域也得到了廣泛的應(yīng)用。在證據(jù)權(quán)方法中，假設(shè)各影響因子之間是互相獨立的。證據(jù)權(quán)方法與其他二元統(tǒng)計方法相比，其優(yōu)點是不但考慮了退耕還林(草)發(fā)生的充分率得到的正權(quán)重，還考慮了由退耕還林(草)發(fā)生的必要率得到的負權(quán)重，但是負權(quán)重表示影響級別以外的部分發(fā)生退耕還林(草)的概率，是對于不發(fā)生退耕還林(草)的貢獻，本文沒有對負權(quán)重單獨進行分析，但最終權(quán)重的選擇綜合考慮了兩者。證據(jù)權(quán)方法以貝葉斯統(tǒng)計概率為基礎(chǔ)。基本原理是把每一種影響因子看作是二值證據(jù)圖層，取值為“1”(表示該地塊退耕，下同)或“0”(表示該地塊沒有退耕，下同)，每個證據(jù)圖層對退耕還林(草)的貢獻就由該證據(jù)圖層取值狀態(tài)(“1”或“0”)的權(quán)重來確定。證據(jù)權(quán)重值(及W+，W—)的計算依賴于二值圖層2種狀態(tài)各自對應(yīng)面積、研究區(qū)域總面積以及二值圖層中2種取值狀態(tài)各自包含的退耕還林(草)面積和整個研究區(qū)域的退耕還林(草)總面積，然后通過貝葉斯公式綜合各個證據(jù)圖層權(quán)重，得到預測區(qū)域的后驗概率。

對于退耕還林(草)驅(qū)動力因素評價來說，該方法基于退耕還林(草)區(qū)計算每個影響因子的權(quán)重。式(1)與式(2)用來計算影響因子發(fā)生的證據(jù)權(quán)，P{B/D}/P{B/D～}代表退耕還林(草)發(fā)生的充分率，P{B～/D}/P{B～/D～}代表退耕還林(草)發(fā)生的必要率。W+表示當前影響因子級別發(fā)生退耕還林(草)的概率，其大小表示該影響因子級別與其內(nèi)部發(fā)生退耕還林(草)的正相關(guān)系數(shù)，W—表示影響因子級別以外的部分發(fā)生退耕還林(草)的概率，其大小表示該影響因子級別內(nèi)部發(fā)生退耕還林(草)的負相關(guān)系數(shù)，兩者的差值表示該影響因子級別內(nèi)發(fā)生退耕還林(草)的權(quán)重。各項操作均在軟件GeoDAS的支持下完成。

對照圖3，計算W+，W—值：

(1)

(2)

C=W+-W—

(3)

P(B/D)=Area(D∩B)/Area(D)

(4)

P(B/D～)=Area(D～∩B)/Area(D～)

(5)

P(B～/D)=Area(D∩B～)/Area(D)

(6)

P(B～/D～)=Area(D～∩B～)/Area(D～)

(7)

式中：Area()表示取特定集合的面積，各集合含義見圖1。

注：D表示有退耕還林(草)集合(圖中淺藍色填充部分)；D～表示無退耕還林(草)集合，B表示該證據(jù)權(quán)圖層取值為“1”(圖中深藍色填充部分)；B～表示該證據(jù)權(quán)圖層取值為“0”的單元集合；∩表示交集，即同時存在。

圖1二值證據(jù)圖層與預測目標圖層關(guān)系示意圖

3 結(jié)果與分析

本文退耕還林(草)影響因子的選擇從地形因素、氣象因素、社會經(jīng)濟因素3個方面考量，選取坡向、坡度、高程、道路距離1，道路距離2，道路距離3，道路密度、年平均相對濕度、20～20時平均年降水量、人均耕地面積共10個影響因子，并用證據(jù)權(quán)模型計算各個影響因子不同等級的權(quán)重，計算結(jié)果見表2。

表2 基于吳起縣退耕還林(草)的10個影響因子各個等級證據(jù)權(quán)計算

續(xù)表2

ValueAreaCAreaPointsCPointsW+S+W-S-CSdevT道路距離1/m100～200.55536166799533768565394200.5～500.547737612634379385316260.170-1.260.011.430.01151.06500.5～1000.558982564897502004936880.230-0.880.011.110.01141.151000.5～2500.51450285059151221814434880.250-0.60.010.850.01118.692500.5～4000.51156683608871004013213070.390.01-0.3500.740.01106.434000.5～6000.5105587245219929862209060.50.01-0.2300.730.0192.586000.5～10000.51396321396321279201279200.680.01-0.1400.820.0179.41道路距離2/m100～100.5238521667995195421565394100.5～200.51487814294741244093699730.120-0.20.010.320.0145.66200.5～300.599780280693862132455640.240.01-0.1500.390.0154.67300.5～400.564568180913566501593510.290.01-0.100.390.0147.32400.5～500.542181116345372851027010.310.01-0.0600.370.0137.64500.5～600.5273877416424218654160.310.01-0.0300.340.0128.43600.5～10000.5467774677741198411980.290.01-0.0200.310.0121.27道路距離3/m100～100.58721566799570823565394100.5～200.587222580780714284945710.040-0.240.010.280.0130.1200.5～300.583031493558691854231430.090-0.220.010.310.0141.56300.5～400.576560410527654093539580.130-0.180.010.310.0145.11400.5～500.566639333967575202885490.140.01-0.1300.270.0139.82500.5～600.556126267328487842310290.140.01-0.0900.230.0132.93600.5～10000.52112022112021822451822450.130.01-0.0600.190.0125.39道路密度0.0000～0.00044851485140764076-0.050.0400-0.050.04-1.20.0004～0.0011386534350433335374110.110.01-0.0100.120.018.10.0011～0.00181594962030001371031745140.110.01-0.0400.150.0119.860.0018～0.00252579754609752200313945450.070-0.150.010.230.0132.050.0025～0.00321635956245701357775303220.020-0.270.010.290.0123.090.0032～0.0039396636642333217356249500-0.490.040.50.0412.80.0039～0.005537626679952899565394人均耕地面積/m2583～313781568667995657575653943138～57911751625864271431944996370.040-0.280.010.330.0133.95791～84431298804112651086313564430.170-0.230.010.40.0157.998443～110961303152813851138532478120.290.01-0.1800.470.0165.911096～1374950113151070423211339590.350.01-0.0900.440.0149.1213749～164022906810095726241916380.580.01-0.0800.660.0157.7216402～190556971718896597653970.60.01-0.0600.660.0149.0219055～32625649186491858800588000.560.01-0.0500.60.0143.54年平均相對濕度/%52.1～52.39345667995622056539452.3～53.365410658650421165591740.020-1.020.021.040.0246.7853.3～54.266257593240537065170580.210-1.10.011.310.01152.8154.2～55.287802526983788014633520.280-0.740.011.020.01140.0555.2～56.2104899439181940063845510.240-0.380.010.620.0190.8256.2～57.21166513342821033152905450.190.01-0.1700.350.0151.4657.2～58.2111321217631993311872300.110.01-0.0500.160.0121.8958.2～59.2626031063105189887899-0.140.010.030-0.170.01-19.359.2～60.143707437073600136001-0.170.010.010-0.180.01-13.6120—20時平均年降水量/mm371～37525386679952250565394375～39310350466545777272563144000.350.06-0.350.06-5.59393～4111819475619531546624858720.150-0.610.010.760.0193.42411～4302224573800061994983312100.210-0.2400.440.0165.26430～448140601157549117698131712-0.080.010.020-0.10.01-13.09448～45316948169481401414014-0.140.0200-0.150.02-7.13

注：Value 表示影響因子及分級；Area 表示柵格數(shù)；CArea 表示累積柵格數(shù)；Points 表示退耕還林(草)柵格數(shù)；CPoints 表示累積退耕還林(草)柵格數(shù)；W+表示當前影響因子級別發(fā)生退耕還林(草)的正權(quán)重；W—表示影響因子級別以外的部分發(fā)生退耕還林(草)的負權(quán)重；S+，S—分別表示W(wǎng)+，W—的標準差；C表示該影響因子級別內(nèi)發(fā)生退耕還林(草)的權(quán)重；Sdev表示C的標準差；T表示統(tǒng)計量。

3.1 地形驅(qū)動因素

(1) 坡向。坡向因素對農(nóng)業(yè)的影響作用主要體現(xiàn)在陰坡和陽坡，退耕還林(草)在不同坡向的分布情況見圖2。退耕還林(草)主要分布在北坡、東坡、東北坡、西北坡，其C值分別為0.16，0.2，0.27，0.14(表2)，其空間分布符合自然和社會規(guī)律，這主要是因為南坡、西坡和西南坡等陽坡光照充足、溫度較高，但水分條件不好，因此退耕還林(草)效果不好；北坡、東坡和東北坡等陰坡光照較少，溫度相對于陽坡較低，水分條件比陽坡好，退耕還林(草)效果相對較好，因此2000—2011年期間，吳起縣退耕還林(草)效果較好的主要分布在陰坡，這與周文淵等[12]的研究結(jié)論一致。

圖2 坡向C值分布

(2) 坡度。坡度是決定是否退耕還林(草)的重要條件。按照我國退耕還林(草)政策的基本要求：0°～15°的耕地是主要的農(nóng)作物種植區(qū)域，不需要退耕，是重點保護的耕地區(qū)域；15°～25°的耕地需要采取工程措施以防止水土流失的發(fā)生，是退耕還林(草)的備選區(qū)域；25°～35°坡耕地作為林牧區(qū)域用地，需要退耕還林(草)，是退耕還林(草)的必須區(qū)域；35°以上的坡耕地是退耕還林(草)的緊迫區(qū)域，是我國治理水土流失的重要區(qū)域[13-14]。由表2可知，隨著坡度的增加，退耕還林(草)正權(quán)重W+也逐漸變大，這表明2000—2011年期間，吳起縣坡度較大的耕地，是退耕還林(草)發(fā)生的主要區(qū)域，同時坡度6個等級分類中，C值均為正(圖3)，表明退耕還林(草)區(qū)域的選擇與耕地的坡度有著顯著的正相關(guān)關(guān)系，這與我國的退耕還林(草)政策相吻合。

(3) 高程。高程每增加100 m，溫度下降0.6℃，隨著高程的增加，溫度較低，不利于農(nóng)作物的生長。由表2可知，高程分類的第4個等級正權(quán)重W+為0.47，達到了最大值，在高程相對較低或者較高的等級里，正權(quán)重W+都小于0.47，這是因為在高程較低的地方，耕地都主要用于農(nóng)作物的種植，在高程太高的地方，由于退耕還林(草)的操作難度較大，且后期的管護也比較困難，自然條件差，退耕還林(草)的質(zhì)量相對較差，也可能是因為高程較高，雖然已經(jīng)退耕，但是由于溫度較低或者積雪的原因，林草生長狀況較差或是林草已經(jīng)死亡，在對遙感影像進行解譯分類的過程中，這部分長勢較差或是已經(jīng)死亡的林地或草地被劃為了耕地。整體上來看，高程與退耕還林(草)的分布呈倒U形關(guān)系。

圖3 地形驅(qū)動因素C值分布

(4) 道路距離。本文根據(jù)權(quán)屬劃分公路和農(nóng)村道路，公路屬于國有土地，農(nóng)村道路屬于集體土地。耕地與公路的距離與退耕還林(草)的分布有著顯著的正相關(guān)關(guān)系，耕地距離公路越遠，退耕還林(草)面積越大。從表2可知，正權(quán)重W+隨著耕地與公路距離的增加，逐漸變大。同時，顯著值C值均為正，且隨著分類等級的變化，有著明顯的波動趨勢。這種分布規(guī)律是符合實際情況的，由于距離公路較近的耕地都是質(zhì)量較好的耕地，便于耕種、收割，且收成相對較好；距離公路較遠的耕地坡度大且耕地質(zhì)量差，不便于耕種，是退耕還林(草)的首選區(qū)域。

耕地與農(nóng)村道路的距離對退耕還林(草)的面積沒有顯著的影響作用。由表2可知，不同分類等級條件下，正權(quán)重W+的值沒有明顯的差別，但是大于3 m的農(nóng)村道路，相對于小于3 m的農(nóng)村道路，對退耕還林(草)的影響作用相對顯著。這可能是由于農(nóng)村道路的影響范圍較小，本文在分類的過程中，以100 m為劃分等級，在距離農(nóng)村道路幾百米范圍內(nèi)的耕地坡度和質(zhì)量差別不大。但是道路寬度越大，對于耕種和收獲來說都相對比較便利，因此農(nóng)村道路的寬度不同，對退耕還林(草)的影響作用也不同，圖3中大于3 m的農(nóng)村道路對退耕還林(草)的顯著值C值明顯高于小于3 m的農(nóng)村道路的C值。

(5) 道路密度。道理密度對于退耕還林(草)的影響作用并不顯著，由圖3可知，顯著程度C值均小于1，且有負值，正權(quán)重值W+相對較小，但是由正權(quán)重值可以看出，道路密度越大，退耕還林(草)面積越小。這可能是由于道路密度較大的地方，耕地是平地，道路密度小的地方耕地是坡耕地，坡耕地是退耕還林(草)的主要選擇區(qū)域。此外，由于本文的道路密度包括了公路和農(nóng)村道路，導致對于對退耕還林的影響作用并不顯著。

在不同地形級別上，退耕還林(草)表現(xiàn)出不同的分布特征。退耕還林(草)主要分布在陰坡，其中東北坡C值為0.27，最為顯著；當坡度大于35°時，正權(quán)重值達到最大，為0.69；當高程為1 528～1 628 m時，正權(quán)重值為0.47，最為顯著；耕地距離公路的距離為6 000.5～10 000.5 m時，正權(quán)重值為0.68；耕地距離農(nóng)村道路的距離、道路密度在不同級別里正權(quán)重值都相對較小。因此地形因素中，對退耕還林(草)影響最顯著的是坡度，坡度是決定是否退耕的重要條件，同時高程、坡向、耕地距離公路的距離對于退耕還林(草)也有顯著的影響作用，耕地距離農(nóng)村道路的距離、道路密度對退耕還林(草)的影響作用較小。

3.2 氣象驅(qū)動因素

(1) 年平均相對濕度。濕度對林草的生長有著重要的影響作用。濕度的變化影響著農(nóng)作物的抗逆性，主要表現(xiàn)在影響農(nóng)作物的病蟲害的發(fā)生，相對濕度的高低，對流行性疾病的影響程度較大[15]。由表2可知，正權(quán)重值W+在第4個分類等級達到最大值，在第8，9個分類等級甚至是負值，因為平均濕度小，缺少水分，退耕還林(草)效果較差，隨著平均相對濕度的增加，退耕還林(草)效果越好，W+越大，但在第8，9個分類等級條件下，年平均相對濕度很大，但由于是峽谷地區(qū)，屬于農(nóng)田基本用地，因此W+值是負值。由圖4可知，總權(quán)重C值在第8，9兩個分類等級條件下，分布在0值附近，表明對退耕還林(草)區(qū)林草的生長影響作用小，但在前3個分類等級條件下，C值均大于1，對退耕還林(草)區(qū)林草的生長有著顯著的影響作用。因此，年平均相對濕度與退耕還林(草)的分布呈倒U形關(guān)系。

圖4 氣象驅(qū)動因素C值分布

(2) 20—20時平均年降水量。降水量直接影響了農(nóng)業(yè)的發(fā)展和農(nóng)作物的生長。從分析結(jié)果可知，當降水量為374～393 mm時，退耕還林(草)區(qū)林草長勢是最好的，但隨著降水量的逐漸增加，正權(quán)重值W+減小，甚至出現(xiàn)負值，這可能與吳起縣的自然災害雨澇有關(guān)，雨澇主要是暴雨和連陰雨，持續(xù)數(shù)天的連陰雨使壟作作物植株霉爛造成減產(chǎn)。由圖4可知，總權(quán)重C值波動也較大，且相對較小，說明20—20時平均年降水量是對退耕還林(草)區(qū)林草生長影響較小的因子。

氣象條件對農(nóng)作物的生長有一定的影響作用。在相對濕度為54.2%～55.2%等級范圍時，正權(quán)重值是0.28，為最大值；20—20時平均年降水量對退耕還林(草)的影響作用不顯著。

3.3 社會經(jīng)濟驅(qū)動因素

人均耕地面積。人均耕地面積和退耕還林(草)的面積有著正相關(guān)的關(guān)系，人均耕地面積越多，退耕還林(草)面積也相對較多，從表2可知，隨著人均耕地面積的增加，正權(quán)重W+值的不斷變大，但是在第8個分類等級中，W+有微小的波動。傳統(tǒng)的農(nóng)民對土地有著特殊的情結(jié)，因為農(nóng)民沒有固定的收入來源，土地在一定程度上給農(nóng)民的生活提供了保證，在調(diào)研過程中也發(fā)現(xiàn)，農(nóng)民對于退耕還林(草)補貼到期之后國家的政策十分關(guān)注，如果國家停止了補貼，在退耕還林(草)沒有收入的情況下，農(nóng)民為了保障基本生活，也可能會選擇復耕。因此人均耕地面積越少，退耕還林(草)的面積也相對較少，這也是政府在實施退耕還林(草)政策的過程中，考慮到農(nóng)民的實際情況，而采取的人性化措施。

以上分析可知，地形驅(qū)動因素對退耕還林(草)的分布有著顯著的相關(guān)關(guān)系，尤其是高程、坡度等因素影響作用顯著；氣象因素對于退耕還林(草)有一定的影響，但作用并不顯著；社會經(jīng)濟因素對退耕還林(草)有著顯著的影響作用。

4 結(jié)論與討論

(1) 地形因素與吳起縣退耕還林(草)的分布有著顯著的相關(guān)關(guān)系。高程與退耕還林(草)的分布呈倒U型關(guān)系。坡向?qū)ν烁€林(草)的分布也有顯著的影響作用，退耕還林(草)主要分布在北坡、東坡、東北坡、西北坡等陰坡。退耕還林(草)區(qū)域的選擇和耕地的坡度、耕地距離公路的距離有著顯著的正相關(guān)關(guān)系耕地距離農(nóng)村道路的距離對退耕還林(草)的面積沒有顯著的影響作用，但是大于3 m的農(nóng)村道路，相對于小于3 m的農(nóng)村道路，對退耕還林(草)的影響作用相對顯著，道路密度對于退耕還林(草)的影響作用并不顯著。

(2) 氣象因素對退耕還林(草)有一定的影響，但影響作用并不顯著。年平均相對濕度與退耕還林(草)的分布呈倒U形關(guān)系。年平均降雨量對退耕還林(草)區(qū)的林草生長有一定的影響，但影響作用較小。

(3) 社會經(jīng)濟因素對退耕還林(草)有著顯著的影響作用。人均耕地面積和退耕還林(草)的面積有著正相關(guān)關(guān)系，人均耕地面積越多，退耕還林(草)面積也相對較多，這與基本口糧田項目建設(shè)的政策相吻合。

由以上分析可知，地形因素決定退耕還林(草)區(qū)位的選擇和退耕質(zhì)量以及后期管護的難易程度，氣象因素影響退耕林草的長勢和成活率，社會經(jīng)濟因素決定該地區(qū)是否有耕地資源實施退耕還林(草)。吳起縣作為全國退耕還林第一縣，在實施退耕還林(草)過程中，嚴格遵守國家政策，在坡度高、高程高、距離公路較遠的耕地進行退耕，對其他地區(qū)退耕還林(草)工程的實施起到了示范效應(yīng)。退耕還林(草)是一項綜合性很強的工程，在新一輪退耕還林(草)過程中，政府在制定政策時應(yīng)考慮地形因素、社會經(jīng)濟因素及當?shù)貧夂驐l件的影響作用，使決策執(zhí)行結(jié)果更具科學性，更加符合客觀實際情況，提高退耕還林(草)工程的質(zhì)量。

[1] 劉宗飛,姚順波,渠美.吳起農(nóng)戶相對貧困的動態(tài)演化:1998—2011[J].中國人口·資源與環(huán)境,2013,23(3):56-62.

[2] 國家林業(yè)局.中國林業(yè)統(tǒng)計年鑒[M].北京：中國林業(yè)出版社,2013.

[3] 蔣海.中國退耕還林的微觀投資激勵與政策的持續(xù)性[J].中國農(nóng)村經(jīng)濟,2003(8):30-36.

[4] 劉璨,武斌,鹿永華.中國退耕還林工程及其所產(chǎn)生的影響[J].林業(yè)經(jīng)濟,2009(10):41-46.

[5] 谷振賓,王立群.我國退耕還林生態(tài)影響及其評估研究進展[J].生態(tài)經(jīng)濟,2007(5):27-29.

[6] 孔凡斌.生態(tài)補償機制國際研究進展及中國政策選擇[J].中國地質(zhì)大學學報:社會科學版,2010,10(2):1-5.

[7] Arekhi M S. Modeling spatial pattern of deforestation using GIS and logistic regression:A case study of northern Ilam forests, Ilam province, Iran[J]. African Journal of Biotechnology, 2011,10(72):16236-16249.

[8] 顧哲衍,張金池,汪春林,等.退耕還林對皖西金寨縣森林景觀格局演變的影響[J].水土保持通報,2014,34(1):149-153.

[9] Schmitt-Harsh M. Landscape change in Guatemala:Driving forces of forest and coffee agro-forest expansion and contraction from 1990 to 2010 [J]. Applied Geography, 2013,40(2):40-50.

[10] 崔步禮,李小雁,姜廣輝,等.基于DEM的山地丘陵區(qū)土地利用/覆被研究:以青海湖流域為例[J].自然資源學報,2011，26(5):871-880.

[11] 張道軍,成秋明,左仁廣.證據(jù)權(quán)模型中兩種預測單元劃分方式對比[J].吉林大學學報:地球科學版,2013,43(3):1040-1052.

[12] 周文淵,郭建英,孫保平,等.吳起縣退耕還林工程實施前后土地利用/覆蓋變化[J].中國水土保持,2010(7):45-48.

[13] 王思遠,黃裕婕,陳志祥.黃河流域退耕還林還草的遙感研究[J].清華大學學報:自然科學版,2005,45(3):306-309.

[14] 許輝熙,薛萬蓉.考慮坡度因子與時序問題的小流域退耕還林時空決策分析[J].測繪與空間地理信息,2015(4):30-32.

[15] 劉燕強.大氣相對濕度變化趨勢對農(nóng)作物的影響研究[J].中國農(nóng)業(yè)信息,2013(7):190-190.

AnalysisoftheDrivingForcesofSLCPBasedontheWeightsofEvidenceModel—ACaseStudyofWuqi,ShaanxiProvince

DUO Yang, ZHANG Daojun, YAO Shunbo

(CollegeofEconomics&Management,NorthwestA&FUniversity,Yangling,Shaanxi712100,China)

Based on the data of the Landsat TM images in 2000 and 2011, the study aims to use the weights of evidence to get two classification maps of land use and cover in Wuqi County by interpreting remote sensing and GIS technology integration space, then to search the evolution pattern and the driving mechanism of Sloping Land Conversion Program (SLCP) in 154 villages of Wuqi during the two years. The results showed that the area of cultivated land in Wuqi reduced significantly, while the forestland and grassland area increased obviously in the past 11 years. 84.6% of farmland was converted into forestland and grassland. The slope gradient, the distance from highway, and the per capita arable land area have the positive correlation with the distribution of SLCP; the distribution of SLCP and elevation have an inverted U-shape relationship; road density and the distribution of SLCP are negatively correlated, which is not significant; the area of SLCP in sunny slop is greater than in shady slop; the distance to rural roads has no significant effect on the distribution of SLCP. Among the variables related to meteorological data, annual average relative humidity and SLCP are invertedly U-shaped correlated, and 20-20 average annual precipitation and the distribution of SLCP are positively correlated.

Sloping Land Conversion Program; driving forces; the weights of evidence model; GIS remote sensing interpretation; Wuqi County

F326.2

A

1005-3409(2017)06-0319-08

2016-12-21

2017-01-05

研究得到林業(yè)公益性行業(yè)科研專項“退耕還林工程效益監(jiān)測、評估與優(yōu)化技術(shù)”(201504424)和國家自然科學基金“空間變參數(shù)成礦預測信息研究綜合模型”(41602336)的聯(lián)合資助

度陽(1991—),女,河南南陽人,在讀碩士研究生,研究方向為資源經(jīng)濟與環(huán)境管理。E-mail:dymmsunny@163.com

姚順波(1964—),男,湖南南縣人,教授,博士,研究方向為資源經(jīng)濟與環(huán)境管理。E-mail:yaoshunbo@163.com