基于偏最小二乘回归的水土流失社会经济影响因素分析

摘要[目的]定量研究赣南地区水土流失与社会经济因素之间的作用关系，可以为该区水土保持工作的科学开展提供参考依据。[方法]基于江西省历次土壤侵蚀遥感普查成果，结合相应年份社会、经济统计资料，运用偏最小二乘回归模型（PLS）对赣南地区1996—2019年的水土流失进行社会经济驱动因素的定量分析，并辨识了关键影响因素。[结果]社会经济因素对水土流失状况影响显著，水土流失面积为水土流失状况的最佳表征指标，模型能解释84.7%以上的因变量变异。影响赣南地区水土流失的关键指标及其综合影响程度的排序为农作物播种面积>农村居民可支配收入>第一产业占比>人均GDP>总人口>第三产业占比>农作物播种占比>土地面积>治理度。土地面积是影响水土流失规模的关键因素，但剧烈及以上程度的流失受经济因素的影响程度更大。[结论]该研究结果对区域水土流失治理工作具有重要指导意义。

关键词水土流失;社会经济;影响因素;偏最小二乘回归模型

中图分类号S157.1文献标识码A

文章编号0517-6611（2022）13-0077-05

doi：10.3969/j.issn.0517-6611.2022.13.021

Analysis of Socio-economic Influencing Factors of Soil Erosion Based on Partial Least Squares Regression

LAI Gui-lin XIE Song-hua LIU Shi-yu et al（1.College of Land Resources and Environment， Jiangxi Agricultural University， Nanchang，Jiangxi 330045;2.Jiangxi Academy of Water Science and Engineering， Nanchang，Jiangxi 330029）

Abstract[Objective] In order to quantitatively study the relationship between soil erosion and social-economic factors in southern Jiangxi Province， it can provide reference for the scientific development of soil and water conservation in this area.[Method]Based on the results of previous remote sensing surveys of soil erosion in Jiangxi Province， combined with the social and economic statistics in the corresponding period， the study quantitatively analyzed the socio-economic driving forces of soil and water loss in Gannan area from 1996 to 2019 by using partial least squares regression model（PLS）， and the key influencing factors were identified. [Result]Socio-economic factors had a significant impact on soil and water loss. The area of soil and water loss was the best indicator of soil and water loss. The model could explain more than 84.7% of the variation of dependent variables. The key indicators affecting soil and water loss in Gannan and their comprehensive impact degree were as follows： crop sowing area > disposable income of rural residents > proportion of primary industry > per capita GDP > total population > proportion of tertiary industry > proportion of crop sowing > land area > control degree. Land area was the key factor affecting the scale of soil and water loss， but severe and above losses were more affected by economic factors. [Conclusion]The research results will have important guiding significance for regional soil and water loss control.

Key wordsSoil and water loss;Socio-economic;Influencing factors;Partial least squares regression model

水土流失易引发土地退化、养分流失、泥沙淤积和水体污染等一系列生态环境问题[1]，严重制约着我国生态文明建设的进程和国民经济的可持续发展[2]。水土流失是自然和社会经济因素共同作用的结果。降雨、地形、植被等自然因素[3-4]与水土流失之间的关系已有大量的研究。然而，纯粹由自然因素造成的水土流失是相对稳定的[5]。随着人类社会的发展，社会经济因素对水土流失的影响程度日益提高，往往占据主要地位[6]，社会经济因素才是推动区域土壤侵蚀变化的真正动力[7]。

与自然因素相比，社会、经济、政策等因素易在短期内改变，能显著影响土壤侵蚀程度，更容易改变水土流失状况[8]。但由于社会经济因素对区域水土流失影响的复杂性[9]，定量分析其对水土流失的影响程度较为困难。目前已有部分学者对水土流失的社会经济驱动机制进行了一定的研究，如杜俊等[10]对长江上游侵蚀产沙与社会经济因子之间的关系进行了分析;李月臣等[11]研究了三峡库区水土流失社会经济的驱动机制;王刚等[12]对1987—2013年江西省水土流失的社会经济驱动力进行了相应的探讨。但这些研究主要是采用传统的分析方法，如相关分析、多元回归分析等，对变量间的多重相关问题得不到很好的解决，且限于历史资料的欠缺，样本量小也是制约水土流失社会经济驱动机制分析的难点。偏最小二乘回归分析（PLS）是集多元回归分析、主成分分析和典型相关分析于一体的新型多元统计分析方法，能消除自变量间多重共线性问题，具有传统回归方法所不具备的诸多优点，即使在样本个数小于变量个数的条件下也能进行回归建模[13-14]。PLS已广泛应用于水文、生态、经济等领域，秦蓓蕾等[15]用水文资料建立的偏最小二乘回归模型具有符合水文现象特征的合理结构及较高精度，能很好地应用于水文相关分析。Wang等[8]通过偏最小二乘模型成果辨识了影响区域土壤侵蚀治理需求度的主要社会经济因子，发现土壤侵蚀治理受到区域社会经济状况的影响，政府的造林投入是治理侵蚀最有效的途径。鉴于该方法的优越性，笔者以赣南地区为研究区，基于PLS量化解析区域水土流失与社会经济因素之间关系，对于深入探讨区域水土流失的社会经济驱动机制、指导地区水土流失的防治具有重要的参考价值。

1资料与方法

1.1研究区概况赣南（113°54′～116°38′E，24°29′～27°09′N），是江西省（简称“赣”）南部区域的地理简称，主要由赣州市下辖的18个县（市、区）组成，位于江西省南部赣江上游（图1），属亚热带季风气候区，年平均气温18.9 ℃，年降水量1 586.9 mm。区内山峰环列，山峦起伏，坡度较陡，一般在16°～45°，地势周高中低、南高北低，水系呈辐辏状向中心汇集。地带性土壤包括红壤、黄壤和黄棕壤，其中红壤分布最广、面积最大，为南方红壤区中心地带。该区土地总面积3.94万km²，截至2019年，全区有人口983万，其中乡村人口680万，占69.18%。2019年赣南地区GDP为3 474亿元，其中第一产业占10.8%，第二产业占39.4%，第三产业占49.8%，是江西省最重要的粮油林果生产区。赣南地区也是南方红壤区水土流失最严重的地区之一，水土流失面积比重高，据《江西省水土保持公报》（2019）显示，该区水土流失面积为7 051.12 km²，占土地总面积的17.91%，是江西省水土流失率最高的地区，水土流失严重制约着该区的社会经济发展[16]。

1.2指标选取衡量区域水土流失状况的指标相对较多，为分析社会经济因素对不同水土流失状况之间的响应关系，该研究将水土流失面积、水土流失率以及各级强度水土流失面积及其占比作为赣南地区县域水土流失状况的表征指标。考虑到社会经济因素指标复杂多样，分别以生态、经济、水土流失、土壤侵蚀、驱动力、因素分析等为主题词选取了50余篇相关度较高的文献（限于篇幅，此处不列举），采用频次分析法对文献中出现的社会经济指标进行初步筛选，通过分类归并，将其概括为人口、经济、土地利用、政策4个类别。由于统计数据内容的更迭以及部分历史数据的缺失，根据研究区实际情况，遵循科学性、代表性和可获性原则，结合频次分析法和专家咨询法，在指标遴选过程中不仅考虑了规模指标，也将指标占比纳入体系，最终选取了4个类别的29个社会经济指标，具体指标及出现频次见表1。

1.3数据来源该研究所用水土流失数据取自江西省第二次、第三次土壤侵蚀遥感调查和第一次全国水利普查，以及2019年水土流失动态监测的成果数据，鉴于当时技术条件，1987年江西省第一次土壤侵蚀遥感调查只到地市一级，未选用。水土流失综合治理数据来自《江西水利统计年鉴》（1996、2000、2011年）和《赣州统计年鉴》（2020年）;社会经济数据源于《赣州统计年鉴》（1997、2001、2012、2020年）;DEM数据来自地理空间数据云（http：//www.gscloud.cn/），分辨率为30 m;土地利用数据取自中国科学院资源环境科学与数据中心（http：//www.resdc.cn/），分辨率为30 m。具体指标及含义如表1所示。

1.4研究方法PLS基本原理如下[13]：设有p个自变量{x₁，x₂，…，x_p}和q个因变量{y₁，y₂，…，y_q}。在观测n个样本后，构成自变量和因变量数据表X和Y。其中，

X=（x₁，x₂，…，x_p）_n×p （1）

Y=（y₁，y₂，…，y_q）_n×q （2）

第一步对原始数据进行标准化处理，记E₀、F₀分别为自变量X和因变量Y的标准化矩阵。第二步从E₀、F₀中提取主成分t₁和u₁，使其尽可能大地携带各自数据表中的变异信息，且t₁和u₁的相关程度达到最大。在第一个成分提取后，PLS分别实施E₀对t₁的回归、F₀对u₁的回归，如果回归方程已经达到满意的精度，则算法终止;否则，将用残余矩阵E₁、F₁进行第二轮回归，直到能取得满意精度为止。