欢迎访问7天职称论文网! 

热点推荐词:

职称论文发表范文

土地利用转型与农业生产结构调整的网络关联性研究——以四川省为例

文字:[大][中][小] 手机页面二维码 2022-05-31 14:39:41    

摘要:土地利用转型与农业生产结构调整密切相关,具有互馈关联和交叉耦合的重要特征。如何认知其过程的网络关系已成为响应快速城镇化和乡村转型的一个重要话题,也是乡村振兴所关注的农村焦点问题之一。本文利用四川省的土地利用和农村经济统计数据,分析了土地利用转型与农业生产结构调整的特征以及网络关联性。研究结果表明:

1)1980—2018年期间,草地和水田减少的面积最多,其土地利用变化率分别为-0.72%和-0.64%,而城乡、工矿、居民用地和林地呈大幅增加,同时粮食作物产量占比大幅下降,而蔬菜产量占比增加了20.43%;2)土地利用转型与农业生产结构调整两大系统之间互馈关联的特征突出,尤其是林地和水域面积的变化同相对应的农产品变化表现出高度的关联性,而旱地变化的关联性具有分异性,突出了当前农业结构由粮食向蔬菜与经济作物转型的趋势;3)四川省五大经济区的土地利用转型与农业生产结构调整网络关联性的空间分布格局差异显著,表现为区域农业发展的主导产品与用地类型相互之间的影响关系最突出,而其余相对较弱。

关键词:土地利用转型;农业生产结构调整;乡村振兴;网络关系;过渡性地理空间

中图分类号:F323.2               文献标识码:A

Network nexus between land use transition and adjustment of agricultural production structure inSichuan Province

ZHANG Yue1, DENG Wei1,2, ZHANG Shao-yao1,2

(1. The Faculty Geography Resources Sciences, Sichuan Normal University, Chengdu, Sichuan 610101, China; 2. Research Center for Resources, Environment and Sustainable Development in West Sichuan, Chengdu, Sichuan 610101, China)

Abstract: Land use transition and adjustment of agricultural production structure have the important characteristics of complex network nexus and cross coupling. Recognizing the network nexus of their coupling process has become a key point responding to rapid urbanization and rural transformation, and it is also the focus of rural revitalization. Based on the statistical data of land use and rural economy in Sichuan Province, this paper analyzed the characteristics and the complex nexus of land use transition and adjustment of agricultural production structure. Results show that: 1) During 1980-2018, the area of grassland and paddy field decreased the most, and the land use change rates were -0.72% and -0.64% respectively. While the urban-rural residence land, industry development land, and forest area increased significantly. Meanwhile, the proportion of grain production decreased the most, while the proportion of the vegetable production

increased by 20.43%; 2) The network nexus between land use transition and adjustment of agricultural production structure is prominent. Especially the changes of forestland and water area are highly correlated with the corresponding changes of agricultural products. While the changes of dryland are differentiated, which highlights the trend of the current agricultural structure transition from grain to vegetables and cash crops; 3) The spatial pattern of the network correlation between land use transition and agricultural restructure is obviously different among the five economic zones in Sichuan Province. The relationship between regional agricultural development leading products and land use types is the most prominent, and the rest are relatively weak.

Key words: land use transition; adjustment of agricultural production structure; rural revitalization; network nexus; transitional geospace

 改革开放以来,随着城镇化的快速发展,广大的乡村地域系统发生了显著改变,在乡村振兴战略实施进程中,乡村发展步入转型升级的新阶段[1]。乡村转型发展表征为村镇空间组织结构、农村地区资源利用方式、农村产业发展模式、农民就业路径等方面的转变[2]。其中,农业生产结构调整和土地利用转型与乡村转型发展联系紧密,两者伴随着乡村景观的再造和经济社会的重构,是乡村重构和转型发展的重要动力。

农业生产结构是一定地域范围农业内部各生产部门的组成及其相互关系,通常用农、林、牧、副、渔各业总产量所占比重或总产值所占比重来表示,对于与土地直接相关联的产业,也可以用其播种面积所占比重来表示[3]。目前针对农业生产结构调整的研究,主要集中于农业生产结构调整的趋势变化[4]以及影响因素[5]等。农业生产结构永远是动态的,其不断地在适应经济发展和居民生活水平的变化。同时,土地利用转型也是动态的,中国最初将其引入国内时,是指与经济社会发展阶段的转型相对应的土地利用形态在时序上的变化[6],后来国内学者不断以土地利用转型为视角,结合中国的社会经济发展和生态环境特点,开展了从单一土地类型到多地类转型的研究[7-9]。

土地作为农业生产中最基本且不可替代的生产要素,土地利用转型直接影响和改变了农业生产结构的发展演替,农业结构的变化必然也会在土地利用上得到响应,土地为农业生产结构调整创造了广阔的发展空间和推动力,农业生产结构优化又为合理利用土地提供了物质基础和原动力[10],即区域的土地利用转型与农业生产结构调整研究之间存在一定的交互关系,具有互馈关联和交叉耦合的重要特征。目前,国内将土地利用转型与农业生产结构调整联系起来进行实证研究的案例还比较少。

而网络作为系统与系统之间连接的一种结构方式,有利于认识系统之间的复杂性和整体性特征。其中,贝叶斯网络是对不确定知识表达与推理的一种新方法,已多应用于与水-食物-能源网络[11-13]、土地利用功能划定[14]、水资源管理[15]、生态环境脆弱性评估[16]等相关研究中,均获得了很好的效果。本文基于客观的土地利用变化和经济统计数据,建立研究土地利用转型与农业生产结构调整影响关系的贝叶斯网络,从网络关联性的角度来研究土地利用转型与农业生产结构调整之间的复杂关系, 对深化土地利用转型与农业生产结构调整的关系研究具有一定的创新意义。

1    研究区概况

四川省位于中国的西南地区,总面积约 4.86×107 hm2,其地形复杂多样,地貌东西差异大,其中东部为盆地和丘陵,川西南和川西北为山地和高原,使得过渡性地理空间多样化,是土地多功能性的自然基础,也为农业多样化发展奠定了条件。根据四川省城乡格局特征、区位条件、资源环境和经济社会发展,四川省政府确立了五大经济区(图 1),是其土地利用和国土空间发展走向的重要遵循依据。随着四川省城镇化进程的不断加速,以及乡村劳动力大量流出,对全省乡村土地利用和农业生产结构的调整产生了明显的影响。因此,基于乡村振兴和城乡融合发展,科学优化土地利用格局和农业生产结构之间的关系,充分利用好全省山水林田湖草地域功能综合体的优势,因地制宜, 因势利导,是实现四川省经济社会可持续发展的重要方面。

image.png

图 1 2018 年四川省土地利用与区域划分

Fig. 1 Land use and regional division in Sichuan Province in 2018

2  研究方法与数据处理

2.1   贝叶斯网络模型结构

贝叶斯网络(Bayesian Network,BN)是用概率测度的权重来描述不确定条件下变量间相关性的一种分析工具,它既可以用来发现和探究变量间的潜在关系并进行预测分析,又有机结合了图形表示和概率知识[17],是表达和推理不确定知识最有效的理论模型之一[18]。构建贝叶斯网络模型的任务   通常称为学习,包括网络结构学习(DAG)和参数学习(CPT)两大部分,体现网络中节点变量间的定性和定量的关系。其中,网络结构中的所有节点变量的选取必须体现研究对象内在的逻辑关系[19]。   因此,针对本文的研究内容,首先分析土地利用转型与农业生产结构调整两大系统变量之间以及与外围环境系统的互馈关系。农业生产结构的调整涉及影响因素众多,不仅受到政策目标导向、经济发展水平等因素的影响,同时与区域的自然资源禀赋、农业生产条件密切相关[20]。例如农村劳动力的减少会促进农户机械采纳行为,农户会选择通过增加农业机械投资或购买生产性服务两种途径来应对劳动力资源不足的现状[21],进一步刺激机械、化肥的使用,促使农业生产结构发生调整。其次,随着国土空间高质量发展的驱动,专家们指出土地利用转型主要受到国家及地方政策、经济发展水平和人口变迁等人文因素的驱动[22-24],特别是城镇化进程伴随着大量的人口流迁,农村剩余劳动力涌入城市,使得从事农业生产的青壮年劳动力数量在减少,土地流转快速推进,耕地的非粮非农化趋势愈加明显[25],对农村土地利用状况、农业景观和农户生计,以及区域生态环境和社会经济效应造成极大的负面影响。

基于以上分析,归纳两种因果关系来建立贝叶斯网络结构,包括直接的系统关系和间接的环境关系(图 2)。直接的系统关系是基于直接的供应关系所驱动,例如用地类型面积与农产品产量之间的关系,林地面积的增加驱动林产品产量的增加;间接的环境关系如经济社会的快速发展、人均 GDP

image.png

图 2  贝叶斯网络模型结构

Fig. 2 Bayesian network model structure

2.2  参数学习与敏感性分析

贝叶斯网络模型的参数学习是指在已知网络结构条件下,通过样本数据来学习每个节点的概率分布。本文通过领域专家知识确定节点和结构后,从数据中学习网络参数[26]的方式来构建贝叶斯网络。

敏感性分析是贝叶斯网络的主要功能之一[18],可以对贝叶斯网络模型中各节点变量之间的关系进行有效衡量。敏感性分析通过改变输入变量的状态,观察目标变量条件概率的变化幅度来评价和衡量某个输入变量对目标变量的影响大小[27],这种变化程度可以通过方差缩减(VarianceReduction)来表示,其计算过程见公式(1)所示。为了直观比较影响力大小,分析结果一般用方差缩减的百分比表示,值越大表示该输入变量的变化对目标变量信度的改变程度越大,也即对目标变量的影响力越大,反之则越小[14]。本文使用 Netica 软件来构建贝叶斯网络和实现对贝叶斯网络的敏感性分析,该软件已广泛应用于贝叶斯网络建模的相关研究中[28] 

VR = V (ES ) -V (ES | I ) = å P(s) ´(s - E[ES ])2 - å p(s | I ) ´(s - E[ES | I ])2

S                                                               s

(1) 

式中:VR 表示方差缩减;V(ES)表示变量 ES 的方差;V(ES│I)表示已知变量 I 情况下变量 ES的方差;s 表示输出变量的状态。

2.3  数据来源与离散化

土地利用转型主要指区域土地利用形态的变化,可以从“数”与“质”两个层面来考察,“数” 层面的相关研究集中在数量和空间结构方面的变化上[29];而农业生产结构调整可以从不同产业或产量在整个产业结构占比情况的比重指标(产量占比)和反映产业结构变动情况的速度指标(产量年际变化率)两个层面来考察[20]。由于数据的可获取性以及研究方法的可操作性,选取了四川省土地利用情况、农产品产量以及外围环境变量 15 个指标来建立贝叶斯网络结构。其中,1980—2018 年的社会经济年度数据(包括各农产品产量、人均 GDP、乡村人口数以及农业生产条件)来自《四川省统计年鉴》《四川农村统计年鉴》以及四川省各市州的统计年鉴和统计公报等;其次,土地利用类型数据来自中国科学院资源环境科学与数据中心,数据为时间点数据,本文使用线性差值进行了填补,最终将所有数据统一处理为年尺度;此外,本文使用常数 i 来衡量农业生产条件水平,常数 i 定义为 i=a+b+c,式中,a 为农村机械总动力,b 为农村用电量,c 为化肥施用量。

贝叶斯网络模型处理离散变量的效果较好,因此确定好节点变量之后需要确定网络中每个节点的状态,所以对样本数据进行离散化处理[30],离散标准如表 1 所示。

表 1  变量的状态分级

image.png

3    结果与分析

3.1  四川省土地利用转型与农业生产结构调整分析

3.1.1  土地利用转型分析 土地利用形态的变化是土地利用转型研究的核心内容[2]。结合四川省土地利用变化率(表 2)和土地利用转移矩阵(表 3),我们可以发现:在 1980—2018 年期间,四川省草地和水田减少最多,其土地利用变化率分别为-0.72%和-0.64%,同时,城乡、工矿、居民用地的增加最多,其土地利用变化率为 0.81%;其中在转入城乡、工矿、居民用地的面积中,水田转入的面积是最大的,其次为旱地;另外,草地在近 40 a 间转为林地的面积最多,高达 1 062 633 hm2,表明四川省近 40 a 的土地利用类型变化较为频繁,土地利用转型活跃。

表 2 1980—2018 四川省土地利用变化率

农业生产结构调整分析  结合四川省农产品产量年际变化率(图 3)和产量所占比重变化(图

4)   ,分析四川省农业生产结构调整特征。其中,水果、蔬菜、林产品不包含在经济作物中,经济作物包含了油料、棉花、甘蔗、烟叶等作物。由图 3 可知,各产品产量年际变化率在绝大多数年份都大于 0,表明各产品产量总体均呈增长趋势。林产品产量的增长最为显著,尤其是 2015 年的年际变化率已经超过 40%,相对而言,粮食产量增速较为平缓。近 40 a 以来,除粮食作物产量占比下降以外,其余农产品产量占比均上升,其中粮食作物产量占比下降 35.99%,蔬菜产量占比从 1980 年的

21.14%上升到 2018 年的 41.57%,增加了 20.43%,其次为水果。尽管各农产品产量的绝对值受到气候影响、物种差异、市场调控、耕作方法等因素的影响,但农业产量结构的变化表明粮食作物在农业结构中的比重和重要性下降,而经济作物、蔬菜、水果以及畜产品的比重都在上升,尤其是蔬菜和水果,表明 1980—2018 年期间四川省农业生产结构不断发生着调整,非粮化现象显现。

image.png

image.png

图 3  农产品产量年际变化率

Fig. 3 Interannual change rate of agricultural product output

3.2  敏感度分析

image.png  

图 4 农产品产量所占比重变化

Fig. 4 Changes in the proportion of agricultural output

利用贝叶斯网络的正向推理能力,将土地利用与农业生产结构各个特征变量分别作为目标变量进行敏感性分析,以体现各节点对目标变量的影响力大小。敏感性分析结果显示,方差缩减百分比越大,表明目标变量对其敏感性越高,即对目标变量的影响力越大。分析结果如图 5 所示。 

图 5  不同目标变量的敏感度分析

Fig. 5 Sensitivity analysis of various target variables

“水域面积”对“水产品产量”影响作用极其显著,其方差缩减百分比高达15.2%,并且“水产品产量”对“水域面积”的概率作用为7.73%,而“林地面积”与“林产品产量”相互之间的概率作用也较高,说明了“水产品产量””和“水域面积”,“林产品产量”和“林地面积”之间高度敏感, 相互影响程度大,反映出较强的因果关系。随着生态安全社会的建设,使得林地、水域等生态用地类型在土地利用转型中占据优势,并且林产品本身就具有较高的经济价值,林业的加快发展自然能够提高农村地区的经济收入,为农业生产提供更加强劲的动力,促使生态用地类型与其农产品在土地利用转型和农业生产结构调整网络系统中的相互影响关系尤其突出。

相对而言,“草地面积”和“畜产品产量”之间的概率作用却较小,“草地面积”对“畜产品产量”的概率作用为 0.77%,而“畜产品产量”对“草地面积”的概率作用也仅为 0.13%,反映出的因果关系相对较弱。虽然家畜生产与饲草生产有关,但并非唯一,饲料的多元化(人工牧草、青储饲料玉米、跨区调运等)和畜牧业形态(放牧、舍饲和半舍饲)多样化对“畜产品产量”有直接影响, 况且草地因超载而大面积退化,草地生态服务也相应下降,支撑畜牧业发展的能力越发有限。

对于水田和旱地两种用地类型的转型来说,其驱动因子较复杂。对于“旱地面积”而言,对其影响相对较大的前三个因素为“蔬菜产量”、“乡村人口”以及“人均 GDP”,其方差缩减百分比分别为 8.03%、6.83%和 2.91%,而且“粮食作物产量”对“旱地面积”的概率作用要比“经济作物产量”小,“经济作物产量”概率作用为 1.81%,“粮食作物产量”为 1.22%,结果说明蔬菜、经济作物等产量的变化,对旱地面积变化的影响要大于粮食作物产量变化的影响。在经济快速发展和劳动力大量迁移的背景下,耕地流转规模也逐渐扩大,企业或合作社为追求经济利益的最大化,会选择在有限的耕地上种植经济收益高的农产品,加剧了耕地的“非粮化”和“非农化”,促使那些具有较高产量以及高收益的农作物品种将在农业生产结构调整中具有比较优势,从而对土地利用的结构和方式变化造成明显的影响。

综上所述,土地利用转型与农业生产结构调整两大系统之间互馈关联的特征突出,尤其是“林地面积”和“林产品产量”、“水域面积”和“水产品产量”之间表现出的因果关系强,“旱地面积”和“蔬菜产量”、“经济作物产量”之间的相互影响关系也较突出,而相比之下与“粮食作物产量”之间的因果关系较弱。

3.3  土地利用转型与农业生产结构调整网络关系的空间分异

四川省作为传统的农业大省,农业的作用非常重要,但由于四川省地貌类型多样,过渡性地理空间特征凸显,在区位、地形、水热条件等因素的影响下,农业发展受到不少限制和约束。根据四川省五大经济区的自然与经济情况,对四川省五大经济区的土地利用转型与农业生产结构调整的网络关联性做了对比分析(图 6)。 

图 6  四川省五大经济区网络敏感性分析

Table 6 Network sensitivity analysis of five economic zones in Sichuan Province

3.3.1 川西北生态经济区

川西北生态经济区“草地面积”和“畜产品产量”之间相互影响的概率作用在五大经济区中最为突出。该区海拔较高,土地利用程度和价值较低,所以种植业等在该区发展较慢,而是长期把草地牧业作为主要的经济支柱,使得该区出现草地沙化、退化等生态问题。因而,川西北生态经济区亟待改进该区传统农牧业的生产方式,加大对天然湿地、野生动植物等资源以及草原生态的保护, 发展具有高原特色的生态旅游业,努力探索生态产品价值实现与提高的路径和保障机制。

3.3.2 川南经济区

对于川南经济区来说,其“林地面积”和“林产品产量”相互之间的影响关系在五大经济区中表现得最为显著,其中“林地面积”对“林产品产量”的概率作用高达 12.40%,川南经济区以中低山地和丘陵为主体,汇入长江、金沙江和岷江的支流众多,水热条件充分,有益于该区优良木竹植物的生长繁殖。所以,该区拥有坚实的竹产业基础以及丰富的竹文化,为其发展乡村休闲旅游提供了良好的条件,而川南经济区林业的发展,对实现“双碳目标”也具有重要的意义。此外,还要以科技创新为驱动力,提升农业的综合性和现代化发展水平。

3.3.3 成都平原经济区

成都平原经济区是四川省重要的粮食主产区和“菜篮子”,敏感性结果表明,其种植业产品产量与“水田面积”、“旱地面积”的影响关系在五大经济区中均较显著,尤其是“水田面积”与“粮食作物产量”。成都平原经济区与其他区域相比区位优势明显,具有较优越的自然地理条件和发达的经济社会水平,农业现代化生产水平较高,是四川省农业生产综合优势最好的地区,该区在传统农业的基础上,充分发挥当地地理区位、资金、技术优势,应用现代科学技术,大力发展具有规模化、机械化、高效化的都市农业和现代农业。

3.3.4 攀西经济区

攀西经济区的“旱地面积”与“蔬菜产量”以及“水田面积”与“粮食作物产量”之间的影响关系在五大经济区中较为突出,其中“旱地面积”对“蔬菜产量”的概率作用为 7.39%,“蔬菜产量” 对“旱地面积”的概率作用为 6.22%。攀西经济区的安宁河流域具有充足的灌溉水源、集中分布的耕地资源以及得天独厚的立体气候优势,是四川省粮食的重要生产区,并且该区已经形成了早熟蔬菜、亚热带水果等为特色的农业。

3.3.5 川东北经济区

对于川东北经济区来说,该地区生产的高附加值作物(经济作物、蔬菜、水果)产量与“旱地面积”、“园地面积”之间的影响关系较为突出。川东北经济区以丘陵为主,农业发展优势与潜力较大,农业土地资源丰富,生态环境好,促使农旅融合在该地区蓬勃发展,多地区通过打造桃、橘、梨等果品采摘以及花卉观光的特色乡村旅游来推进乡村振兴。由于川东北经济区土地细碎化严重,使得机械化、规模化的平原发展模式在该地区推广起来较难,该区在挖掘当地有特色并且高价值的农业产品的同时,通过技术不断升级,提升产品品质,打造特色的农业产业集群。

综上所述,四川省五大经济区的土地利用与农业生产结构调整网络关联性空间分布格局差异大, 主要表现为:川西北生态经济区“草地面积”和“畜产品产量”、成都平原经济区的种植业产品产量与“水田面积”和“旱地面积”、攀西经济区的“旱地面积”与“蔬菜产量”以及川东北经济区高附加值作物产量与“旱地面积”和“园地面积”之间的影响关系较为显著,而相比之下其余的关联性较弱。 

4  结论

1)1980—2018 年期间,四川省土地利用转型活跃,草地和水田减少的面积最多,其土地利用变化率分别为-0.72%和-0.64%,而城乡、工矿、居民用地和林地呈大幅增加;同时,农业生产结构不断发生着调整,粮食作物产量占比下降 35.99%,而蔬菜产量占比大幅上升。

2) 土地利用转型与农业生产结构调整两大系统之间互馈关联的特征突出,尤其是林地和水域面积的变化同相对应的农产品变化表现出高度的关联性,而旱地变化的关联性具有分异性,更加突出当前农业结构由粮食向蔬菜与经济作物转型的趋势。

3) 四川省过渡性地理空间特征凸显,五大经济区的土地利用转型与农业产业结构调整的网络关联性空间格局分异显著,表现为区域农业发展的主导产品与用地类型相互之间的关联性最为出,而其余相对较弱,体现出过渡性地理空间下土地利用转型与农业生产结构调整间的复杂网络关联效应。

5    对策建议

基于以内循环为主的新发展阶段,粮食安全自主是头等大事。因此,在乡村振兴战略实施的进程中,确保基本农田生产功能和生产效率,科学合理调控农村土地利用转型和农业结构双向优化, 对于乡村可持续发展十分必要。综上研究,结合四川省发展实际,提出以下对策建议。

1)    面对日趋显现的耕地“非粮化”现象,必须首要明确耕地利用优先顺序,确保粮食安全自主的基本面,进一步完善相关耕地保护制度和惠农政策,统筹考虑和解决农村土地利用的综合经济效益与农户致富问题,因地制宜地优化农业种植结构,加强土地利用效率,提高耕地复种指数,稳定粮食产能,防止耕地“非粮化”、“非农化”倾向,从而达到稳固粮食安全的目的。

2)    随着生态优先的不断推进,兼顾生态保护和实现农业高质量发展显得尤为重要。在大力推进集约高效利用土地的同时,要特别注重生态产品潜力的挖掘和价值实现的机制。其中,林下经济高效模式、农田复合经济高效模式等要进一步探索、示范和推广,促进生态与生产功能的协同演进。充分认识山区农业特点,把握过渡性地理空间的国土特性,夯实“藏粮于地”的基础,强化山村减碳增汇型农业技术的研发,极大地支撑美丽山村体系建设。

3)    山村具有构建田园综合体得天独厚的自然生态基础,山、水和农田要素充分,凸显空间组合关系与层次多样化,适宜多模式发展路径选择。要深入贯彻落实“绿水青山就是金山银山”的发展理念,多尺度优化山区国土空间开发格局,在乡村振兴中加快山区生态、生产、生活空间格局的科学优化,创新探索其价值实现路径与可持续机制,以期为乡村振兴过程中的土地利用转型与农业生产结构调整提供更加充分的科学指导和决策依据。

参考文献:

[1]   刘彦随. 中国东部沿海地区乡村转型发展与新农村建设[J].  地理学报, 2007, 62(6): 563-570.

Liu Y S. Rural transformation development and new countryside construction in eastern coastal area of China[J]. Acta Geographica Sinica, 2007, 62(6): 563-570.

[2]   龙花楼. 论土地利用转型与乡村转型发展[J].  地理科学进展, 2012, 31(2): 131-138.

Long H L. Land use transition and rural transformation development[J]. Progress in Geography, 2012, 31(2): 131-138.

[3]   李江一, 仇童伟.  农地确权与农业生产结构调整:  来自中国家庭金融调查的证据[J]. 财贸研究, 2021, 32(9): 57-69.

Li J Y, Qiu T W. Land entitlement and adjustment of agricultural production structure in China: Evidence from household finance survey[J]. Finance and Trade Research, 2021, 32(9): 57-69.

[4]   高强, 孔祥智.  中国农业结构调整的总体估价与趋势判断[J].  改革, 2014(11): 80-91.

Gao Q, Kong X Z. Overall evaluation and the trend of China’s agricultural structure adjustment[J]. Reform, 2014(11): 80-91.

[5]   刘丽辉, 吴彩容.  农业结构调整成效及其影响因素的协整分析[J].  经济问题, 2014(7): 85-89.

Liu L H, Wu C R. Cointegration analysis of the agricultural-structure-adjustment outcomes and the influence factors[J]. On Economic Problems, 2014(7): 85-89 

[6]   龙花楼, 李秀彬.  区域土地利用转型分析——以长江沿线样带为例[J].  自然资源学报, 2002, 17(2): 144-149.

Long H L, Li X B. Analysis on regional land use transition: A case study in Transect of the Yangtze River[J]. Journal of Natural Resources, 2002, 17(2): 144-149.

[7] 宋小青,  吴志峰,  欧阳竹. 耕地转型的研究路径探讨[J]. 地理研究, 2014, 33(3): 403-413.

Song X Q, Wu Z F, Ouyang Z. Route of cultivated land transition research[J]. Geographical Research, 2014, 33(3): 403-413.

[8]   向敬伟, 李江风,  曾杰. 鄂西贫困县耕地利用转型空间分异及其影响因素[J].  农业工程学报, 2016, 32(1): 272-279.

Xiang J W, Li J F, Zeng J. Spatial difference and its influence factors of cultivated land transition of poverty counties in west of Hubei[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(1): 272-279.

[9]   许凤娇, 吕晓,  陈昌玲.  山东省城乡建设用地转型的时空格局[J].  自然资源学报, 2017, 32(9): 1554-1567.

Xu F J, Lü X, Chen C L. Spatial-temporal pattern of urban-rural construction land transition in Shandong Province[J]. Journal of Natural Resources, 2017, 32(9): 1554-1567.

[10]   罗桥顺, 刘新平, 陈士银, 等. 新疆农业产业结构变化与农用地需求的响应分析[J]. 新疆农业科学, 2008, 45(3): 564-569.

Luo Q S, Liu X P, Chen S Y, et al. Analysis on the change of agricultural industrial structure and agricultural land demand in Xinjiang[J]. Xinjiang Agricultural Sciences, 2008, 45(3): 564-569.

[11]   施海洋, 罗格平, 郑宏伟, 等.  基于“水—能源—食物—生态”纽带因果关系和贝叶斯网络的锡尔河流域用水分析[J]. 地理学报, 2020, 75(5): 1036-1052.

Shi H Y, Luo G P, Zheng H W, et al. Water use analysis of Syr Darya River Basin: Based on “Water-Energy-Food-Ecology” nexus and Bayesian network[J]. Acta Geographica Sinica, 2020, 75(5): 1036-1052.

[12]  Prishchepov A V, Ponkina E, Sun Z L, et al. Revealing the determinants of wheat yields in the Siberian breadbasket of Russia with Bayesian networks[J]. Land Use Policy, 2019, 80: 21-31.

[13]  An R H, Liu P, Cheng L, et al. Network analysis of the food-energy-water nexus in China’s Yangtze River Economic Belt from a synergetic perspective[J]. Environmental Research Letters, 2021, 16(5): 054001.

[14]   关小东, 何建华.  基于贝叶斯网络的基本农田划定方法[J].  自然资源学报, 2016, 31(6): 1061-1072.

Guan X D, He J H. Prime farmland protection zoning based on Bayesian network[J]. Journal of Natural Resources, 2016, 31(6): 1061-1072.

[15]   卢文喜, 罗建男, 鲍新华. 贝叶斯网络在水资源管理中的应用[J]. 吉林大学学报(地球科学版), 2011, 41(1): 153- 158.

Lu W X, Luo J N, Bao X H. Application of Bayesian network in water resource management[J]. Journal of Jilin University (Earth Science Edition), 2011, 41(1): 153-158.

[16]   莫定源. 基于贝叶斯网络的生态环境脆弱性评估模型与应用[D]. 烟台:  中国科学院烟台海岸带研究所, 2017.

Mo D Y. A Bayesian network model and its application on ecological environment vulnerability assessment[D]. Yantai: Yantai Institute of Coastal Zone Research, Chinese Academy of Sciences, 2017.

[17]   滕丽华, 魏俊. 基于贝叶斯网的生态工业园环境影响因子的分析方法研究[J]. 工业技术经济, 2008, 27(12): 78-80. 

Teng L H, Wei J. Research of analysis method of eco-industrial park environmental impact factor based on Bayesian network[J].Industrial Technology & Economy, 2008, 27(12): 78-80.

[18]   陈静, 蒋正凯, 付敬奇. 基于Netica 的自学习贝叶斯网络的构建[J]. 电子测量与仪器学报, 2016, 30(11): 1687-1693. 

Chen J, Jiang Z K, Fu J Q. Construction of self-learning Bayesian network based on Netica[J]. Journal of ElectronicMeasurement and Instrumentation, 2016, 30(11): 1687-1693.

[19]  Nagarajan R, Scutari M, Lèbre S. Bayesian Networks in R[M]. New York, NY: Springer New York, 2013.

[20]   侯纯纯. 胶东经济圈农业生产结构变动及其影响因素研究[D].  济南:  山东财经大学, 2021.

Hou C C. Study on the change of agricultural production structure and its influencing factors in Jiaodong economic circle[D].Jinan: Shandong University of Finance and Economics, 2021.

[21]   侯方安. 农业机械化推进机制的影响因素分析及政策启示——兼论耕地细碎化经营方式对农业机械化的影响[J]. 中国农村观察, 2008(5): 42-48.

Hou F A. The analysis of the influence factors of agricultural mechanization propulsion mechanism and policy implications: Concurrently on the mode of operation of land fragmentation influencing on agricultural mechanization [J]. China Rural Survey, 2008(5): 42-48.

[22]   陈龙, 周生路, 周兵兵, 等. 基于主导功能的江苏省土地利用转型特征与驱动力[J]. 经济地理, 2015, 35(2): 155- 162.

Chen L, Zhou S L, Zhou B B, et al. Characteristics and driving forces of regional land use transition based on the leading function classification: A case study of Jiangsu Province[J]. Economic Geography, 2015, 35(2): 155-162.

[23]   李晨曦, 吴克宁, 査理思. 京津冀地区土地利用变化特征及其驱动力分析[J]. 中国人口·资源与环境, 2016, 26(S1): 252-255.

Li C X, Wu K N, Zha L S. Research on land use change characteristics and driving forces in Beijing, Tianjin and Hebei region[J].China Population, Resources and Environment, 2016, 26(S1): 252-255.

[24]   张佰林, 高江波,  高阳, 等.  中国山区农村土地利用转型解析[J].  地理学报, 2018, 73(3): 503-517.

Zhang B L, Gao J B, Gao Y, et al. Land use transition of mountainous rural areas in China[J]. Acta Geographica Sinica, 2018, 73(3): 503-517.

[25]   匡远配, 刘洋.  农地流转过程中的“非农化”、“非粮化”辨析[J]. 农村经济, 2018(4): 1-6.

Kuang Y P, Liu Y. Distingushing “non-agriculturalization” and “non-grainification” in the process of rural land transfer[J].Rural Economy, 2018(4): 1-6.

[26]   宫秀军. 贝叶斯学习理论及其应用研究[D].  北京:  中国科学院研究生院(计算技术研究所), 2002.

Gong X J. Research on Bayesian learning theory and its application[D]. Beijing: Institute of Computing Technology, Chinese Academy of Sciences, 2002.

[27]   Pollino C A, Woodberry O, Nicholson A, et al. Parameterisation and evaluation of a Bayesian network for use in an ecological risk assessment[J]. Environmental Modelling & Software, 2007, 22(8): 1140-1152.

[28]  Uusitalo L. Advantages and challenges of Bayesian networks in environmental modelling[J]. Ecological Modelling, 2007, 203(3/4): 312-318.

[29]   龙花楼, 屠爽爽.  土地利用转型与乡村振兴[J].  中国土地科学, 2018, 32(7): 1-6.

Long H L, Tu S S. Land use transition and rural vitalization[J]. China Land Science, 2018, 32(7): 1-6.

[30]   化虎蝶, 王晨祥.  基于贝叶斯网络的大连市空气质量预测与诊断[J]. 安全与环境工程, 2018, 25(1): 58-63.

Hua H D, Wang C X. Prediction and diagnosis of air quality in Dalian City based on Bayesian networks[J]. Safety and Environmental Engineering, 2018, 25(1): 58-63.

返回上一步
打印此页
  • 电话咨询

  • 13838208225