基于正態(tài)云理論的耕地水毀評價研究

付錦練，陳文波，邵彥文，彭思卿

（1.江西農業(yè)大學國土資源與環(huán)境學院，江西 南昌 330045；2.南昌市景觀與環(huán)境重點實驗室，江西 南昌 330045）

1 引言

中國季風區(qū)面積廣大，季風氣候顯著，降水量年度分配不均，易爆發(fā)水毀災害。據統(tǒng)計，僅2017年，中國因洪澇及地質災害造成直接經濟損失高達1 910億元，2008—2017年，中國農作物平均受災面積3.04×108hm2，洪水受災成災率很高，據不完全統(tǒng)計，由于洪澇災害損毀的耕地面積每年高達1.33×106hm2[1]。國內外學者對水毀災害風險評估[2-3]以及山區(qū)公路、橋梁、運輸管道等基礎設施易損性評價[4-6]等方面進行了較多研究，但對于耕地水毀評價的研究較少且不夠深入。

一直以來，中國將土地損毀分為挖損、塌陷、壓占和污染4種類型[7-8]。對損毀耕地的研究多集中于單一耕地損毀類型評價[9-11]，常用的評價方法有模糊綜合評價法[12]、灰色聚類評價法[13]等。水毀耕地是指洪水侵蝕以及洪水引起的次生災害致使耕地土壤屬性以及耕作層遭到損害，連帶田間基礎設施被破壞的耕地，通常涉及多種損毀類型[14-15]，在實際評價過程中需考慮以下3類問題：（1）應考慮多個評價因子的綜合影響；（2）評價指標僅用閾值作為劃分標準不夠準確，應考慮計算誤差或數值舍入引起的評價結果差異問題；（3）人為因素使評價標準劃分存在差異，因此損毀類型的復雜性、影響因素的多層次性以及損毀評價的模糊性等問題是科學評價耕地水毀程度所面臨的主要問題。

針對耕地水毀評價標準的非線性特征，本文在耕地水毀評價過程中引入正態(tài)云理論，綜合考慮評價過程中的模糊性和隨機性問題。云理論是由李德毅院士提出，在概率論和模糊集合交叉滲透的基礎上，通過構造特定算法，形成定性概念與定量表示之間的轉換模型[16-17]，目前在洪水災害風險評估[18]、耕地質量評價[19]、土壤質量狀況[20]、土地利用評價[21]等方面得到了較為成功的應用。本文以江西省新余市渝水區(qū)南安鄉(xiāng)水毀耕地評價實例驗證該方法的可行性和有效性，研究成果可以為研究區(qū)科學制定耕地復墾方案提供參考，也可為復雜耕地破壞類型損毀程度鑒定提供方法依據。

2 研究區(qū)概況與數據來源

新余市渝水區(qū)南安鄉(xiāng)屬亞熱帶濕潤氣候，降雨量分布極不均勻。2016年土地變更調查數據表明，南安鄉(xiāng)土地總面積為8 289.88 hm2，其中耕地面積4 402.06 hm2，占土地總面積的53.10%。耕作土壤以紅壤水稻土為主，因長期處于淹水狀態(tài)，酸性相對減弱，加之人為施肥改土，土壤鹽基累積，pH升高，呈微酸性反應[22]；土壤有機質含量較高，有效土層厚度通常60 cm。土壤機械組成主要以壤質土為主，細砂粒和粉砂粒占多數。

2016年由于暴雨襲擊，南安鄉(xiāng)朝陽村、東洛村、南門村和荊蘭村大部分農田被淹，渠道被毀，災毀區(qū)總面積為304.06 hm2，其中耕地面積296.85 hm2，影響區(qū)域內正常的生產耕作，目前當地政府準備對該損毀地進行復墾。

本文主要數據來源于新余市渝水區(qū)數字正射影像圖，南安鄉(xiāng)土地變更調查數據，南安鄉(xiāng)土壤分布圖，《新余市耕地質量等別年度更新評價分析報告》（2016）。通過2017年3月現(xiàn)場調查與土壤取樣，獲取研究區(qū)損毀耕地土壤理化性質數據與田間基礎設施破壞程度數據。

3 研究思路與方法

在對水毀耕地進行評價時，先確定洪水對耕地的主要破壞形式，選取耕地水毀主導影響因子，建立評價指標分級標準（在評價過程中，根據木桶理論，采用極值標準，即指標體系中，只要有一個指標超過極重度區(qū)間范圍，即判斷為極重度損毀）。確定指標權重后采用正態(tài)云模型，對耕地受損程度進行判定。研究技術路線圖如圖1。

3.1 損毀土壤樣點采集與分析

為了保證樣品的代表性，采樣點布設基本選擇在損毀特征明顯的田塊或鄰近田塊。采取對角線法采集混合樣的方案，每個樣本區(qū)設5個采樣點（每個采樣點中采用S型取點法，取20個點組成一個土壤樣品），代表范圍約400 m×400 m，采樣點位置分布圖如圖2。對其理化性質進行實驗室實測分析，其中：采用電位法測定土壤pH，采用重鉻酸鉀容量法測定損毀土壤有機質含量，采用環(huán)刀法測定土壤容重和礫石含量，用剖面法測量有效土層厚度等，田間基礎設施數據采用野外調查或現(xiàn)場勘測獲得。

3.2 評價主導因素的確定

采用灰色關聯(lián)度分析法確定評價主導因素。以水毀耕地樣本點損毀當年年均產量作為參考數列XO，將指標分正向指標和負向指標，采用極差法將指標無量綱化后，根據以下公式計算灰色關聯(lián)度。

圖2 評價單元位置及樣本采集分布圖Fig.2 Location of the evaluation units and sample points

式（1）—式（2）中：ξoi(k)表示第k個樣本區(qū)無量綱化后耕地產量值與第i個一般影響因素無量綱化值的灰色關聯(lián)系數；ρ表示分辨系數，一般取0.5；?oi表示耕地質量變化值與第i個一般影響因子的灰色關聯(lián)度。在設定影響因素灰色關聯(lián)度閾值的基礎上，根據計算結果，將大于閾值的因素設定為主導因素。

3.3 耕地損毀程度評價方法

3.3.1 正態(tài)云模型基本原理

正態(tài)云模型屬于云模型的一種，將云的語言值用云期望Ex、熵En和超熵He[17]三個數字特征定量反映，利用云的三個數字特征計算出云滴，概念的具體實現(xiàn)由云滴反映，重復計算多次產生的云滴匯集構成云圖，從而實現(xiàn)概念的定量化，由于自然科學中大量事物的期望曲線都近似服從正態(tài)或半正態(tài)分布，因此正態(tài)云模型具有較高的普適性，具體定義為：

設A是一個評價因素集合A={x}，稱為論域，C是論域A上的定性描述概念（即評價等級集合），論域A中的元素x滿足xi～N（Ex，Eni "2），其中En′i～N（En，He2），且對C的隸屬函數μ（x）滿足：

則稱在論域A的分布成為正態(tài)云。

通常正態(tài)云模型的三個數字特征的計算公式如下：

由于各等級劃分的區(qū)間端點值是相鄰兩個等級過渡邊界值，故區(qū)間端點值應同時屬于相鄰等級，具有一定的模糊性，即為：

一般情況下，Heij取值依據經驗而定，Heij越小，正態(tài)云離散程度越小。

3.3.2 基于正態(tài)云模型的耕地水毀評價步驟

運用正態(tài)云模型對耕地水毀進行評價時，具體的運算步驟可以分為以下幾步：

（1）構建研究區(qū)耕地水毀評價指標域U= {u1，u2，…，un}，評價域V= {v1，v2，…，vn}，權重集W= {w1，w2，…，wn}。

（2）建立評價指標標準的正態(tài)云隸屬度函數。根據式（3）—式（6），采用正態(tài)云模型計算評價指標隸屬度。

（3）計算模糊隸屬度矩陣Z=(Zij）n×m。運用Matlab軟件，利用正向云發(fā)生器重復運算100次，計算不同隸屬度下評價指標的平均綜合評估值

(4）確定評價結果。根據最大隸屬度原則，將權重集與隸屬矩陣進行模糊轉換得出評價集上的模糊子集：，依據最大隸屬度原則，選擇最大隸屬度所對應的第i個評價等級作為綜合評價的結果。

4 結果與分析

4.1 評價單元劃分

本文以江西省新余市渝水區(qū)南安鄉(xiāng)受災耕地作為研究對象。由于水災導致原有耕作邊界等遭受破壞，因此在劃分評價單元時首先將南安鄉(xiāng)遭受水災地區(qū)與土地利用現(xiàn)狀圖疊加，選出典型受災耕地，再與權屬界線位置圖空間聯(lián)合，參考耕地水毀現(xiàn)狀，將研究區(qū)劃分為5個評價單元，分別為朝陽村片、東洛村片、南門村片、荊蘭村片一和荊蘭村片二，位置分布如圖2。

4.2 評價指標與權重的確定

參考耕地損毀的主要形式[23]，將洪水對耕地的破壞總結為以下3個方面：（1）洪水沖擊：破壞原有地表形態(tài)和土壤結構；（2）土地壓占：洪水引發(fā)的山體滑坡、泥石流等次生災害以及洪水帶來的淤泥等固體物料，占用耕地面積；（3）田間污染：洪水將未經處理的生產生活廢棄物、殘余農藥等沖入田間，大量污染物直接或間接污染地表水、地下水及土壤。根據農用地質量分等規(guī)程[24]、高標準農田建設標準[25]，選取有機質含量、土壤容重、礫石含量、有效土層厚度、土壤pH狀況、田間積水狀況、田面壓占率、土壤綜合污染指數、灌排條件和道路狀況共10個指標作為耕地水毀評價一般影響因素。根據灰色系統(tǒng)理論,結合式（1）—式（2）計算灰色關聯(lián)系數，最終計算結果如表1。

表1 評價指標灰色關聯(lián)度Tab.1 The grey correlation analysis of evaluation indices

在考慮研究區(qū)實際情況的基礎上，以關聯(lián)度大于0.7為標準[26]。最終確定土壤有機質含量、土壤容重、礫石含量、有效土層厚度、土壤pH、田面積壓占率、灌排損毀狀況、道路損毀狀況為南安鄉(xiāng)水災后影響耕地質量的主導因素。南安鄉(xiāng)水災對耕地的破壞主要體現(xiàn)在上游河水對耕地表層土質的沖刷以及洪水過后淤泥壓占田面，洪水后南安鄉(xiāng)耕地田間污染和田間積水狀況反映不明顯。

4.3 耕地水毀程度評價

依據耕地水毀評價指標等級劃分標準，將評語集劃分為4個等級，分別是Ⅰ級輕度損毀、Ⅱ級中度損毀、Ⅲ級重度損毀和Ⅳ級極重度損毀。輕度損毀表現(xiàn)在農作物生長基本不受影響，農作物減產但不嚴重，耕作條件受到限制；中度損毀表現(xiàn)在耕作環(huán)境受到較為明顯的限制，農作物減產較為嚴重；重度損毀表現(xiàn)在農作物生長環(huán)境受到嚴重影響，產量大幅減少；極重度損毀表現(xiàn)在田間作物無法生長。

對于單邊約束的評語，用半云模型描述，對“輕度”和“極重”分別用1和4表示，選取相應對稱云熵值區(qū)間均值作為各自的熵值。公式中k為常數，一般根據變量本身的不確定程度進行調整，該評語集所對應的論域為［1，4］，k= 0.01，采用正向云發(fā)生器，將損毀程度利用Matlab軟件進行仿真顯示，從左到右依次表示損毀程度輕到重，詳見圖3。

圖3 水毀耕地評語集云模型Fig.3 Evaluation collection of fl ood damaged farmland by cloud model

按照損毀評價的要求，結合已有研究中土地損毀指標分級標準和南安鄉(xiāng)耕地實際情況，運用耕地地力調查與質量評價技術規(guī)范[27]、土地復墾質量控制標準[28]等相關規(guī)程和技術規(guī)范對指標分級情況進行修正和完善，最終得到南安鄉(xiāng)耕地水毀評價指標等級劃分標準，采用AHP-熵值法耦合進行評價指標權重評估，根據正態(tài)云三個數字特征計算式（3）—式（6），將各指標對應的等級劃分范圍表示為正態(tài)云，詳見表2。

參照表2中各評價指標已確定的正態(tài)云模型參數Ex、En和He，運用正向正態(tài)云發(fā)生器對評價指標生成相應的綜合云模型，橫坐標表示評價指標等級標準，縱坐標指代對應的隸屬度，云圖共分為4個波段，分別為輕度、中度、重度和極重度，各評價指標損毀程度隸屬度判讀如圖4。

以其中評價單元朝陽村片土壤有機質含量實測數據為例，當該評價因子X（c1）= 1.86時，該評價指標隸屬于損毀級別的確定度分別為：U（Ⅰ）= 0.213 0，U（Ⅱ）= 0.692 4，U（Ⅲ）=U（Ⅳ）= 0.000 0。反映到實際意義中，當X（c1）= 1.86，應隸屬于損毀等級Ⅱ級，計算結果表明，隸屬于Ⅱ級損毀等級程度較大，隸屬于Ⅰ級損毀程度也有一定的可能，不隸屬于其他更高的損毀級別，計算結果與實際意義相符。同理可以計算出其他評價指標的確定度，得到確定度矩陣。

獲得各評價單元指標實測值后，根據各損毀等級標準對應的指標值，將量化數據代入上述等級云模型構成的正態(tài)云發(fā)生器，得到各每個指標對應損毀等級的云模型隸屬度矩陣Z= (Zij）n×m，為提高評價的可信度，需要對正向云發(fā)生器重復運行n次（本文設定n=100），計算不同隸屬度下評價指標的平均綜合評估值，根據上述計算得到損毀程度隸屬矩陣，結合指標權重，根據最大隸屬度原則確定耕地損毀程度。將權重集W= ［0.0869，0.0520，0.1853，0.0596，0.1070，0.2561，0.1416，0.1115］，與隸屬矩陣Zij進行模糊轉換得出評價集上的模糊子集：

式（7）中：j= 1，…，m表示評價對象對第j個評價等級的隸屬度。依據最大隸屬度原則，選擇最大隸屬度所對應的第i個評價等級作為綜合評價的結果（表3）。

表3顯示，朝陽村、東洛村、南門村和荊蘭村片區(qū)一耕地水毀程度屬于中度損毀等級，荊蘭村片區(qū)二耕地水毀程度屬于輕度損毀等級。結合研究區(qū)地理位置分布圖，荊蘭村片區(qū)二位于河流上游，且地勢較高，耕地較少受到淤泥沖刷沉積，水災對耕地的破壞主要體現(xiàn)在耕作表層以及洪水對沿河區(qū)域田間基礎設施的損毀。荊蘭村片區(qū)一土壤有機質含量偏低，有效土層厚度較薄，土壤pH在5個評價單元中最低，土壤偏酸，并且由于特殊的位置關系，耕地細碎化程度較高，也容易造成耕地產量下降；南門村田塊平整度較低，耕作層比較脆弱，遭受水災破壞后，耕地土壤條件變差，對水災損毀反應程度更為明顯；朝陽村與東洛村位于河流下游，地勢低且平坦，由于洪水沖刷，水田中淤積大量淤泥，淤泥區(qū)域面積為45.62 hm2，田間基礎設施損毀更嚴重，嚴重影響了區(qū)域內正常的生產耕作，因此對這4個地區(qū)的耕地損毀綜合評價結果認定為中度損毀。

表2 耕地水毀評價指標等級劃分標準及指標權重Tab.2 Rules of evaluation degree and index weight for fl ood damaged farmland

表3 研究區(qū)耕地水毀評價單元實測值與評價結果Tab.3 Measured value and evaluation result of fl ood damaged farmland degree in study area

基于正態(tài)云模型的耕地水毀程度評價方法，可以通過確定度判定處于相同級別的不同耕地損毀程度高低。以朝陽村和東洛村為例，兩個評價單元均屬于中度損毀等級，但朝陽村最大隸屬度為0.481 5，東洛村最大隸屬度為0.429 1，從最大隸屬度可以看出，朝陽村損毀相較于東洛村程度更嚴重，這是因為朝陽村位于河流最下游，洪水沖擊作用更為強烈，且周圍較多居民點，受洪水破壞以及人類活動影響程度更高。

5 結論與討論

圖 4 評價指標正態(tài)云隸屬度Fig.4 Normal cloud membership of evaluation indices

本文基于土地損毀相關概念，構建體現(xiàn)研究區(qū)耕地水毀特征的定量評價指標體系；引入在處理不確定性以及復雜性問題有獨特優(yōu)勢的正態(tài)云理論對其進行損毀程度評價。結果表明：（1）研究區(qū)5個耕地水毀區(qū)片的損毀程度從輕度到中度，主要體現(xiàn)在洪水對耕地土壤的沖刷，原有的耕作層無法滿足植物生長需求，以及次生災害造成的耕地表層淤泥和砂石堆積，損毀田間基礎設施，影響正常灌排和通行；（2）運用正態(tài)云模型的3個參數，將復雜性、隨機性及模糊性等不確定性特征有機結合在一起，降低評價過程中由于單個評價指標所處級別的模糊性而造成的對總體評價結果的影響，提高了評價結果的相對穩(wěn)定性，為耕地水毀程度評價提供了一種新的思路，豐富水毀耕地評價相關研究。

為了檢驗評價結果的合理性，課題組邀請了農業(yè)、土壤、農田水利等方面專家進行現(xiàn)場勘驗，勘驗結果與本文研究結果高度一致。同時，本文采用了傳統(tǒng)的多因子綜合評價方法進行評價，將評價結果與正態(tài)云模型評價法進行了對比，發(fā)現(xiàn)兩種方法的評價結果存在差異，集中表現(xiàn)在B3南門村與B4荊蘭村片區(qū)一兩個評價單元上，原因在于傳統(tǒng)的評價方法覆蓋取值范圍較窄，當評價指標值分布較為離散時，分布范圍具有一定的模糊性，從而導致閾值分界附近發(fā)生誤判。進一步調查發(fā)現(xiàn)，B3與B4評價單元地形地勢條件較為特殊，耕地水毀過程及影響因子作用機制更為復雜，也容易使結果發(fā)生誤判。這也充分表明了將正態(tài)云理論應用到耕地水毀評價系統(tǒng)中，能夠有效地處理不確定性以及復雜性問題，增加評價結果可信度。

不同地區(qū)耕地水毀存在不同形式，破壞機理、驅動過程及土壤狀態(tài)等指標的選擇依舊是一項探索性較強的工作。本文采用的標度云模型和隸屬度云模型都是以正態(tài)云理論為構建基礎，如何根據不同水毀情況選取不同分布的云模型，也需要具體討論以符合實際情況，這些將是有待進一步研究的方向。