耕地变化驱动力

2.2.1　耕地变化驱动力

从前文分析中可以看出，对于江苏省区域尺度而言，人口变化、经济发展、政策和科技进步等人类驱动力是耕地变化的主导驱动力。自然因素的驱动力作用变化缓慢，是非主导驱动力。为此，基于Delphi法，选取了总人口数量、城市化水平（城镇人口数量）、地区生产总值、固定资产投资总额四个指标分析人口变化、经济发展、城市化等驱动力与耕地变化之间的数量关系。

1）相关性分析

相关分析是研究变量间密切程度的一种常用统计方法，其中，简单相关分析能够计算两个变量间的相关系数，分析两个变量间线性相关的程度，借助该功能可以分析出耕地和主要影响因子之间以及主要影响因子内部的线性相关的程度（见表2.5）。相关分析的另一种方法———偏相关分析，则能够在控制其他自变量的情况下，分析单个因子与自变量之间的线性相关程度，可以获得在排除耕地影响因子之间相互作用的情形下耕地面积与单个耕地影响因子之间的线性关系（见表2.6）。从表2.5可以看出，耕地和主要影响因子之间简单相关系数（表2.5中第一行或第一列数据）都是负数，表明形式上耕地面积将随着控制因子的升高而逐年减少，这与江苏省的统计资料是相一致的：即随着人口的增长、城市化水平的提高以及经济规模的扩大，耕地面积却逐年递减。

同时，表2.5的分析结果还表明：耕地的主要影响因子内部的线性相关程度都比较密切（相关系数的绝对值都接近于1）。由于影响因子内部的相关程度非常高，因此，耕地变化和各个控制变量间的简单相关系数并没有反映出各控制变量和耕地面积之间的真实情况，而偏相关分析的结果（见表2.6）则清楚地勾勒了耕地变化和各个控制因子之间的相关联系（排除了其他控制因子的间接影响），其中，耕地变化与地区生产总值的关系最为密切，相关性系数为0.697 3，显著性水平在千分之一以下；与地区人口总量、城市化水平、固定资产投资的关系基本处于同一水平，相关系数都在0.60左右，表现出了较强的相关性；由此表明，每一个耕地影响因子在排除其他影响因子作用的情况下，都会因自己的变化确实影响到耕地面积的增减。此外，统计分析的假设检验结果表明，样本分析的结论都具有统计意义（表2.6中的显著性水平都很小）。

表2.5　江苏省耕地和耕地影响因子之间的相关系数表

表2.6　江苏省耕地和耕地影响因子的偏相关系数表

2）耕地变化单因子曲线拟合模型

（1）耕地变化与总人口的曲线拟合结果

Y＝3 907.19＋0.000 127×Power（X₁，2）－1.46E－08×Power（X₁，3）

（Adjusted R²＝0.961 7）（Y表示耕地面积，X₁表示人口总量）

（2）耕地变化与城镇人口总量的曲线拟合结果

Y＝4 761.71＋（617 757.1 304/X₂）（Adjusted R²＝0.931 3）

（Y表示耕地面积，X₂表示城镇人口总量）

从函数形式来看，耕地面积和总人口数量呈现三次方程的关系，与城镇人口数量则呈现倒数的关系，修正后的R²分别为0.961 7和0.931 3，表明拟合方程能够很好地解释人口———耕地以及城市人口———耕地两组统计数据之间的动态变化。通过耕地变化与总人口的曲线拟合函数预测对2003、2004、2005、2006年的耕地面积进行验证，得到预测的耕地面积分别为494.24万hm²、492.84万hm²、490.57万hm²、486.34万hm²。跟实际数值相比，误差不超过1％；利用耕地变化与城镇人口总量的曲线拟合得到2003年、2004年、2005年、2006年的耕地面积分别为491.01万hm²、493.42万hm²、492.54万hm²、491.94万hm²，误差也不超过1％，误差较小，可以用来进行预测。

（3）耕地变化与地区生产总值的曲线拟合结果

Y＝5 230.521 8－0.041 397 X₃＋2.967 1E－06×Power（X₃，2）－

1.455 54E－10×Power（X₃，3）

Adjusted R²＝0.986 63

（Y表示耕地面积，X₃表示地区生产总值（GDP））

（4）耕地变化与社会固定资产投资总额的曲线拟合结果

Y＝5 210.953 4.0.086 241 X₄＋5.115 980 24E－06×Power（X₄，3）

Adjusted R²＝0.983 45

（Y表示耕地面积，X₄表示社会固定资产投资总额）

从经济发展的各个指标和耕地面积之间的数学关系来看，都明显地表现为二次或三次方程的关系，表明这些不同的经济统计指标在驱动耕地变化的过程中表现出高度的一致性；各个拟合方程修正后R2普遍趋近于1的事实表明江苏省的区域经济发展和耕地面积变化之间存在着较为密切的联系，是江苏省耕地变化的主要的影响因子；对比经济发展主要指标、人口变化主要指标和耕地面积的两组数学模型的修正后的R²值以及考察图2.7、图2.8的曲线拟合情况，可以发现由经济发展的主要指标进行数学拟合的关系式更切合1990～2004年这一段时间耕地的实际变化情况，这表明，现阶段的经济发展已经超越人口因素而成为影响耕地变化的主要原因，进一步从理论上验证了原先所做的“经济发展是影响耕地变化主要因素”的判断。同时，上述各个主要因子和耕地面积之间的高度相关的拟合模型也表明，人口、城市化、经济发展水平对于耕地面积的变化都有着不可忽略的影响，因此，耕地面积的预测必须综合考虑到上述所有控制因子的发展水平。

图2.7　耕地与总人口、城镇人口拟合曲线图

图2.8　耕地面积—经济指标预测耕地面积对比图

3）耕地变化和主要驱动因子的多元回归方程

根据前面的分析，考虑到近20年来中国经济增长对于投资的高度依赖，GDP与固定资产投资之间具有高度相关性，建设占用和人口增长是影响耕地变化的主要因素，因此，这里考虑以下建模思路：

用城市化水平（X₁）、总人口（X₂）、GDP（X₃）和耕地面积数据建模，用1990～2004年数据，运用多元回归的方法估计，得到如下结果：

Y＝1 179.610－13.785 X₁＋0.865 X₂－216.530ln（X₃）

根据上述拟合曲线对江苏省2005年和2006年的耕地进行拟合，得到2005年、2006年耕地面积分别为482.37万hm²、483.30万hm²，与实际分别相差2.25万hm²、6.42万hm²，误差为0.46％和1.35％，从模型检验结果来看，模型拟合效果不错，可以用来预测（见表2.7）。

表2.7　模型检验结果