CN113837913A - 一种村镇耕地资源承载力关键阈值确定方法及装置 - Google Patents
一种村镇耕地资源承载力关键阈值确定方法及装置 Download PDFInfo
- Publication number
- CN113837913A CN113837913A CN202111058024.9A CN202111058024A CN113837913A CN 113837913 A CN113837913 A CN 113837913A CN 202111058024 A CN202111058024 A CN 202111058024A CN 113837913 A CN113837913 A CN 113837913A
- Authority
- CN
- China
- Prior art keywords
- key
- bearing capacity
- factor
- influence
- cultivated land
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims abstract description 191
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000005192 partition Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 58
- 238000011160 research Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 21
- 230000003993 interaction Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 11
- 230000004069 differentiation Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000003908 quality control method Methods 0.000 abstract description 4
- 230000015572 biosynthetic process Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000007619 statistical method Methods 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 238000013139 quantization Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 108010014173 Factor X Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种村镇耕地资源承载力关键阈值确定方法及装置，其中，所述方法包括：基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；基于D‑DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。在本发明实施例中，可以为村镇耕地资承载力关键阈值测定提供技术指引，实现村镇耕地质量合理管控与农业产业化经营路径选择提供理论依据。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种村镇耕地资源承载力关键阈值确定方法及装置。
背景技术
村镇耕地资源承载力评价是综合考虑村镇尺度上的自然、经济、社会包括农户行为等因素，对村域范围内耕地的利用情况、耕地的粮食生产能力进行评价。随着国民经济的快速发展以及城镇化的不断推进，我国村域范围内的耕地存在着耕地面积刚性减少，耕地地力下降、土壤污染等诸多耕地问题。因此，针对村域范围内的耕地进行村镇耕地资源承载力评价，对于从村域范围内提高我国耕地质量，提升耕地资源承载力，确保国家粮食安全和农业可持续发展，促进人口、社会经济和生态环境的协调发展具有重要作用。
现有的村镇耕地资源承载力评价研究主要涉及到评价指标体系构建与评价模型的使用。评价指标体系的构建通常将关键限制性影响因素指标化，关键限制性影响因素是指对村镇耕地资源承载力起到主导影响作用因素。而无论采用何种评价模型，在评价模型的使用过程中，都需要利用评价指标的数值形成评价结果。关键阈值是指限制村镇耕地资源承载力提升的关键限制性影响因素的数值取值区间，是一个区间值。因此作为村镇耕地资源承载力评价研究中重要的一环，客观、科学地、准确地测定关键阈值是保证准确、有效地提升村镇耕地资源承载力的首要前提和必然要求。
然而，目前村镇耕地资源承载力关键阈值确定的研究现状十分不理想。当前关键阈值确定研究只停留在资源环境承载力评价层面，而村镇尺度的耕地资源承载力关键阈值确定研究仍处于空白阶段。并且资源环境承载力评价研究中，关键阈值也通常依据主观判断、专家个人经验或历史数据中的标准来确定，其本身已存在极大的不确定性和主观性。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种村镇耕地资源承载力关键阈值确定方法及装置，可以为村镇耕地资承载力关键阈值测定提供技术指引，实现村镇耕地质量合理管控与农业产业化经营路径选择提供理论依据。
为了解决上述技术问题，本发明实施例提供了一种村镇耕地资源承载力关键阈值确定方法，所述方法包括：
基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；
基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；
基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；
基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。
可选的，所述基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集，包括：
基于不同自然地理分区的资源环境承载力特征，逐级构建具有不同尺度特征的村镇耕地资源承载力的限制性影响因素集；
其中不同自然地理分区包括干湿地区、自然区和村镇级地区。
可选的，所述基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素，包括：
基于所述D-DEMATEL模型对所述限制性影响因素集进行非空间类关键限制性影响因素识别处理，获得非空间类关键限制性影响因素；
基于所述地理探测器模型对所述限制性影响因素集进行空间类关键限制性影响因素的识别处理，获得空间类关键限制性影响因素；
基于所述非空间类关键限制性影响因素和所述空间类关键限制性影响因素获得关键限制性影响因素。
可选的，所述基于所述D-DEMATEL模型对所述限制性影响因素集进行非空间类关键限制性影响因素识别处理，获得非空间类关键限制性影响因素，包括：
对所述限制性影响因素集中的非空间类关键限制性影响因素进行基于专家知识的计算，获得每个因素之间的直觉模糊数；
基于所述每个因素之间的直觉模糊数获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数；
基于D理论从正向影响与负面影响两方面融合若干为专家的直觉模糊数，非空间类关键限制性影响因素。
可选的，所述基于所述地理探测器模型对所述限制性影响因素集进行空间类关键限制性影响因素的识别处理，获得空间类关键限制性影响因素，包括：
基于所述地理探测器模型中的分异及因素探测器对所述限制性影响因素集进行空间类关键限制性影响因素的探测识别，获得第一探测识别结果；
基于所述地理探测器模型中的交互探测器对所述限制性影响因素集进行空间类关键限制性影响因素的探测识别，获得第二探测识别结果；
基于所述第一探测识别结果和所述第二探测识别结果获得空间类关键限制性影响因素。
可选的，所述基于所述每个因素之间的直觉模糊数获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数，包括：
基于所述每个因素之间的直觉模糊数构建直觉模糊数矩阵MK；
基于所述直觉模糊数矩阵MK，获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数；
其中，所述直觉模糊数矩阵
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的正向影响的直觉模糊数；
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的负向影响的直觉模糊数。
可选的，所述分异及因素探测器用于测研究对象的时空异质性，探测驱动因素对研究对象的异质性程度，其公式表达如下：
其中，q的值[0，1]，q的值越大表示其指标的贡献程度或解释程度越好，反之其影响因素的贡献程度或解释程度力越低；h表示研究对象的不同区域或不同分层，其中h＝1，…，k；N和Nh分别表示研究区分层综述和分层h；σ2和
分别表示研究对象及其不同区域或不同分层的方差；
所述交互探测器用于探测识别两个影响因素的交互作用。
可选的，所述基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果，包括：
基于所述关键限制性影响因素确定评价对象的因素集，所述因素集为评价指标体系；
确定评价集，所述评价集为评价者对评价对象可能做出的各种结果所组成的集合；
基于层次分析法确定评价指标的权系数向量；
构建所述关键限制性影响因素中单因素的评价矩阵；
将所述权系数向量与所述评价矩阵进行融合，形成评价向量；
基于评价对象的因素集、评价集对评价向量进行模糊综合评价处理，获得模糊综合评价结果。
可选的，所述基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理，包括：
基于所述述模糊综合评价结果中的关键限制性影响因素的等级进行单一控制加权处理，并基于加权结果确定村镇耕地资源承载力关键阈值；
所述单一控制加权处理过程中的权重基于熵权法确定。
另外，本发明实施例还提供了一种村镇耕地资源承载力关键阈值确定装置，所述装置包括：
构建模块：用于基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；
识别模块：用于基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；
综合评价模块：用于基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；
确定模块：用于基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。
在本发明实施例中，可以为村镇耕地资承载力关键阈值测定提供技术指引，实现村镇耕地质量合理管控与农业产业化经营路径选择提供理论依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的村镇耕地资源承载力关键阈值确定方法的流程示意图；
图2是本发明实施例中的村镇耕地资源承载力关键阈值确定装置的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
请参阅图1，图1是本发明实施例中的村镇耕地资源承载力关键阈值确定方法的流程示意图。
如图1所示，一种村镇耕地资源承载力关键阈值确定方法，所述方法包括：
S11：基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；
在本发明具体实施过程中，所述基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集，包括：基于不同自然地理分区的资源环境承载力特征，逐级构建具有不同尺度特征的村镇耕地资源承载力的限制性影响因素集；其中不同自然地理分区包括干湿地区、自然区和村镇级地区。
具体的，根据不同自然地理分区的资源环境承载力特征，逐级构建具有不同尺度特征的村镇耕地资源承载力限制性影响因素集。对收集的文献资料、专题业务、统计年鉴等数据资料进行针对性的梳理，使用频度统计法进行筛选，频度统计法可以从文献资料研究成果、政府文件中统计出影响因素的流行性，即该因素在研究中被用于耕地资源承载力相关研究的频率；组织耕地领域的专家进行问卷调查以及咨询，判断影响因素的适宜性，也即是该因素在实际应用中是否可以实际应用。通过流行性-适宜性的两方面验证，能够筛选出有效的、适宜的限制性影响因素，最终确定适用于村镇尺度的限制性影响因素集。
本步骤的特色在于可以在逐步降尺度的过程中，使限制性影响因素集具有明显的地域代表性，更具有针对性。基于此，本研究构建了干湿地区 (大尺度)、自然区(中尺度)、地方(小尺度)(村镇)的村镇耕地资源承载力评价指标体系，形成了反映不同尺度、不同地区的、村镇耕地资源承载力限制性影响因素集。故研究区X村镇尺度的限制性影响因素集可表示为表1：
表1区域村镇耕地资源承载力限制性影响因素集
S12：基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；
在本发明具体实施过程中，所述基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素，包括：基于所述D-DEMATEL模型对所述限制性影响因素集进行非空间类关键限制性影响因素识别处理，获得非空间类关键限制性影响因素；基于所述地理探测器模型对所述限制性影响因素集进行空间类关键限制性影响因素的识别处理，获得空间类关键限制性影响因素；基于所述非空间类关键限制性影响因素和所述空间类关键限制性影响因素获得关键限制性影响因素。
进一步的，所述基于所述D-DEMATEL模型对所述限制性影响因素集进行非空间类关键限制性影响因素识别处理，获得非空间类关键限制性影响因素，包括：对所述限制性影响因素集中的非空间类关键限制性影响因素进行基于专家知识的计算，获得每个因素之间的直觉模糊数；基于所述每个因素之间的直觉模糊数获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数；基于D理论从正向影响与负面影响两方面融合若干为专家的直觉模糊数，非空间类关键限制性影响因素。
进一步的，所述基于所述地理探测器模型对所述限制性影响因素集进行空间类关键限制性影响因素的识别处理，获得空间类关键限制性影响因素，包括：基于所述地理探测器模型中的分异及因素探测器对所述限制性影响因素集进行空间类关键限制性影响因素的探测识别，获得第一探测识别结果；基于所述地理探测器模型中的交互探测器对所述限制性影响因素集进行空间类关键限制性影响因素的探测识别，获得第二探测识别结果；基于所述第一探测识别结果和所述第二探测识别结果获得空间类关键限制性影响因素。
进一步的，所述基于所述每个因素之间的直觉模糊数获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数，包括：基于所述每个因素之间的直觉模糊数构建直觉模糊数矩阵MK；基于所述直觉模糊数矩阵MK，获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数；其中，所述直觉模糊数矩阵
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的正向影响的直觉模糊数；
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的负向影响的直觉模糊数。
进一步的，所述分异及因素探测器用于测研究对象的时空异质性，探测驱动因素对研究对象的异质性程度，其公式表达如下：
其中，q的值[0，1]，q的值越大表示其指标的贡献程度或解释程度越好，反之其影响因素的贡献程度或解释程度力越低；h表示研究对象的不同区域或不同分层，其中h＝1，…，k；N和Nh分别表示研究区分层综述和分层h；σ2和
分别表示研究对象及其不同区域或不同分层的方差；所述交互探测器用于探测识别两个影响因素的交互作用。
具体的，利用D-DEMATEL模型与地理探测器模型进行关键限制性影响因素的识别。D-DEMATEL模型是D数理论与DEMATEL方法的结合，在影响因素识别领域，DEMATEL(Decision-making trial and evaluation laboratory)是常用的一个算法模型。DEMATEL方法的主体是专家根据专业认知对影响因素进行计算，从而给出因素与因素之间的直觉模糊数，通过直觉模糊数以及对应的权重系数构建影响因素直接影响矩阵，利用综合影响矩阵计算出各影响因素的中心度和原因度，通过最终的因果关系图确定系统各元素的相互关联性，从众多影响因素中识别出关键性的影响因素，为管理问题的解决提供决策依据；D数理论是证据理论的概括，在语言评估中具有广泛的应用，D数理论的框架中加入了非排他性的假设，克服了证据理论中“元素必须是互斥的”这一假设，D数理论可以融合多位专家的影响因素关系矩阵判定结果，进而弥补DEMATEL方法在模糊性方面的不足。D-DEMATEL模型的相关定义与公式如下：
(1)D数理论的属性：
属性1：交换不变性。假设有两个D数，D1＝ {(d1,v1)…(di,vi)…(dn,vn)}和D2＝{(dn,vn)…(di,vi)…(d1,v1)}，它们中元素及对应的值完全一样，只是顺序不同，即顺序无关的，那么这两个D 数，D1和D2被视为相等的。
属性2:聚集性。假设存在一个特殊的离散型的D数，D＝ {(d1,v1)…(di,vi)…(dn,vn)}，那么其聚集可定义为：
D数的聚集性属性在应用时，需满足三个条件：di∈R，vi>0和
证据理论的核心是不同证据源之间的组合规则，利用组合规则融合来自多位专家的不同证据源，用于处理不确定环境下的决策问题。在证据理论的基础上扩展提出了D数理论的融合规则，具体定义及公式如下：
对于由不连续元素组成的集合Ω＝(b1,b2,b3…bn)，其中，
且当 i≠j时，bi＝bj，对任意的vi≥0且
D数的一种特殊形式可以表示为：
D({b1})＝v1；
D({b2})＝v2；
D({b3})＝v3；
……
D({bn})＝vn；
D数也可以被简单表示为：
D＝{(b1,v1),(b2,v2),(b3,v3)…(bn,vn)}；
令D1，D2为两个简化表示的D数，其中：
当D1,D2的融合表示为
其定义为：
D({b})＝v；(2)
其中，
其中，
(2)DEMATEL方法：
①初始的直接关系矩阵M，由专家来评估矩阵中影响因素彼此之间关系，其中，M＝mij，表示影响因素i对影响因素j的影响程度。
②归一化直接关系矩阵，具体公式为：
X＝M/K；
③得到综合影响矩阵T：
④计算综合影响矩阵T中的行和与列和。行和与列和之差(D)为该影响因素的原因度，表示该影响因素与其他影响因素的因果逻辑关系程度；行和与列和之和(R)为该影响因素的中心度，表示该影响因素在系统中的重要程度。
地理探测器模型的相关定义与公式如下：
地理探测器主要包括分异及影响因素探测器和交互作用探测器。
分异及影响因素探测：测研究对象Y的时空异质性，探测驱动因素X 对研究对象的异质性程度q，公式表达如下：
其中，q的值[0，1]，q的值越大表示其指标的贡献程度或解释程度越好，反之其影响因素的贡献程度或解释程度力越低；h表示研究对象的不同区域或不同分层，其中h＝1，…，k；N和Nh分别表示研究区分层综述和分层h；σ2和
分别表示研究对象及其不同区域或不同分层的方差；
所述交互探测器用于探测识别两个影响因素的交互作用；即判断两个影响因素X1和X2共同作用时，判断两个影响因素对村镇耕地资源承载力 Y的解释力程度增加或者减少，还是两个影响因素X1和X2对村镇耕地资源承载力Y的影响是相互独立的。判断的方法：首先分别探测两个影响因素X1和X2对村镇耕地资源承载力q值：q(x1)和q(x2)，之后计算它们交互时的q值：q(x1∩x2)，并对q(x1)、q(x2)与q(x1∩x2)进行分析，判断两个影响因素是非线性减弱、非线性增强、单影响因素非线性减弱、双影响因素增强或者独立。
耕地资源具有一定的时空特征，耕地资源的利用方式会随着时序发生改变，在空间上，不同自然地理区的耕地资源存在明显的空间分异性，所以，本发明拟采用以时空模型为导向的方法识别村镇耕地资源承载力关键限制性影响因素，将D-DEMATEL模型与地理探测器模型相结合作为时空模型的核心。首先，根据限制性影响因素在空间上是否具有空间分异性，或者说该因素在空间上是否具有意义和一定的属性特征，将限制性影响因素集中的因素划分为空间要素与非空间要素；其次，利用地理探测器模型对空间要素进行识别，非空间要素则使用以直觉模糊数为基础的 D-DEMATEL模型，分别进行关键限制性影响因素的识别。
使用D-DEMATEL模型进行非空间类关键限制性影响因素识别：
专家根据所给出的影响因素数据进行基于专家知识的计算，得出每个因素之间的直觉模糊数，构成直觉模糊数矩阵MK，直觉模糊数矩阵
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的正向影响(也即是因素i相较于因素j的重要程度或者是两者之间存在积极关系的程度)的直觉模糊数；
表示第k 位专家给出的关键因素i与另一个关键因素j之间产生的负向影响的直觉模糊数。
表2第k位专家的直觉模糊数矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | F<sub>4</sub> | F<sub>5</sub> | F<sub>i</sub> | |
| F<sub>1</sub> | (0,0) | (x,y) | (x,y) | (x,y) | (x,y) | (x,y) |
| F<sub>2</sub> | (x,y) | (0,0) | (x,y) | (x,y) | (x,y) | (x,y) |
| F<sub>3</sub> | (x,y) | (x,y) | (0,0) | (x,y) | (x,y) | (x,y) |
| F<sub>4</sub> | (x,y) | (x,y) | (x,y) | (0,0) | (x,y) | (x,y) |
| F<sub>5</sub> | (x,y) | (x,y) | (x,y) | (x,y) | (0,0) | (x,y) |
| F<sub>i</sub> | (x,y) | (x,y) | (x,y) | (x,y) | (x,y) | (0,0) |
利用D数理论从正向影响与负向影响两方面融合多位专家的直觉模糊数矩阵，假定正负两方影响的权重系数相等，皆为0.5，则依据D数理论定义以及简化D数的表达形式，第k位专家的直觉模糊数矩阵转化的D数矩阵如下：
表3第k位专家的各因素正向影响D数矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | |
| F<sub>1</sub> | {(0,0.5),(0,0.5)} | {(x,0.5),(1-y,0.5)} | {(x,0.5),(1-y,0.5)} |
| F<sub>2</sub> | {(x,0.5),(1-y,0.5)} | {(0,0.5),(0,0.5)} | {(x,0.5),(1-y,0.5)} |
| F<sub>3</sub> | {(x,0.5),(1-y,0.5)} | {(x,0.5),(1-y,0.5)} | {(0,0.5),(0,0.5)} |
表4第k位专家的各因素负向影响D数矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | |
| F<sub>1</sub> | {(0,0.5),(0,0.5)} | {(y,0.5),(1-x,0.5)} | {(y,0.5),(1-x,0.5)} |
| F<sub>2</sub> | {(y,0.5),(1-x,0.5)} | {(0,0.5),(0,0.5)} | {(y,0.5),(1-x,0.5)} |
| F<sub>3</sub> | {(y,0.5),(1-x,0.5)} | {(y,0.5),(1-x,0.5)} | {(0,0.5),(0,0.5)} |
利用上述的公式(2)-(4)，可从正负两方面影响分别进行D数融合，得到融合后的正负直接影响矩阵：
表5各因素正向直接影响矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | |
| F<sub>1</sub> | x<sub>1</sub> | x<sub>2</sub> | x<sub>3</sub> |
| F<sub>2</sub> | x<sub>4</sub> | x<sub>4</sub> | x<sub>5</sub> |
| F<sub>3</sub> | x<sub>6</sub> | x<sub>7</sub> | x<sub>8</sub> |
表6各因素负向直接影响矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | |
| F<sub>1</sub> | y<sub>1</sub> | y<sub>2</sub> | y<sub>3</sub> |
| F<sub>2</sub> | y<sub>4</sub> | y<sub>4</sub> | y<sub>5</sub> |
| F<sub>3</sub> | y<sub>6</sub> | y<sub>7</sub> | y<sub>8</sub> |
根据上述公式(5)-(6)分别得出正负影响下的综合影响矩阵T正和T负；
表7各因素正向综合影响矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | |
| F<sub>1</sub> | x′<sub>1</sub> | x′<sub>2</sub> | x′<sub>3</sub> |
| F<sub>2</sub> | x′<sub>4</sub> | x′<sub>5</sub> | x′<sub>6</sub> |
| F<sub>3</sub> | x′<sub>6</sub> | x′<sub>7</sub> | x′<sub>8</sub> |
表8各因素负向综合影响矩阵
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | |
| F<sub>1</sub> | y′<sub>1</sub> | y′<sub>2</sub> | y′<sub>3</sub> |
| F<sub>2</sub> | y′<sub>4</sub> | y′<sub>5</sub> | y′<sub>6</sub> |
| F<sub>3</sub> | y′<sub>6</sub> | y′<sub>7</sub> | y′<sub>8</sub> |
最后根据上述公式(7)得出正向综合影响矩阵和负向综合影响矩阵的 R值(行和与列和之和)；D值(行和与列和之差)以及R-C值，从正负向影响来看，若R-C值大于0，则该因素归为原因因素，R-C值小于0，该因素归为影响因素；在正负向影响中都归为原因因素的因素即为耕地资源承载力非空间类要素中的关键限制性影响因素。
使用地理探测器模型进行空间类关键限制性影响因素识别：
以R语言为基础的地理探测器软件包(Geodetector)中，分异及因素探测器、交互探测器两个函数工具可用于探究响应变量Y(耕地资源承载力)的空间分异性、限制性影响因素对响应变量Y的驱动力和解释力、以及限制性影响因素之间是否对响应变量Y产生交互影响。
(1)分异及因素探测器：
表9空间类限制性影响因素分异及因素探测器结果
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | F<sub>i</sub> | |
| q值统计量 | h<sub>1</sub> | h<sub>2</sub> | h<sub>3</sub> | h<sub>i</sub> |
利用分维标准差法判别q值统计量的显著性。标准差是对一组数据距平均值分散程度的一种度量，当耕地可实现产能的限制性因素贡献力大于平均值加1倍标准差时，表明该限制性影响因素q值统计量的解释力超出一般水平，具有关键影响作用；当限制性影响因素q值统计量的解释力小于平均值减1倍标准差时，表明其贡献力低于一般水平，影响不显著。将各个限制性影响因素的贡献力平均值加1倍标准差作为识别关键限制性影响因素界值点。
(2)交互探测器：
交互探测器的结果将揭示限制性影响因素之间的相互作用关系，具象化每对限制性影响因素对响应变量Y产生的协同效应。
表10a空间类限制性影响因素交互探测器判读表
表10b空间类限制性影响因素交互探测器结果
| F<sub>1</sub> | F<sub>2</sub> | F<sub>3</sub> | F<sub>i</sub> | |
| F<sub>1</sub> | t<sub>1</sub> | |||
| F<sub>2</sub> | t<sub>2</sub> | t<sub>3</sub> | ||
| F<sub>3</sub> | t<sub>4</sub> | t<sub>5</sub> | t<sub>1</sub> | |
| F<sub>i</sub> | t<sub>6</sub> | t<sub>7</sub> | t<sub>7</sub> | t<sub>8</sub> |
在本步骤中汇聚了D-DEMATEL模型与地理探测器模型的特点。不仅克服了传统关键限制性影响因素识别方法主观性强、针对性差的问题，同时也考虑到了影响因素在空间上差异性和特征，构建了以时空模型为导向，D-DEMATEL模型与地理探测器模型为核心的村镇耕地资源承载力关键限制性影响因素识别流程化模型，填补了村镇尺度耕地资源承载力影响因素识别方面的研究空白。
S13：基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；
在本发明具体实施过程中，所述基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果，包括：基于所述关键限制性影响因素确定评价对象的因素集，所述因素集为评价指标体系；确定评价集，所述评价集为评价者对评价对象可能做出的各种结果所组成的集合；基于层次分析法确定评价指标的权系数向量；
构建所述关键限制性影响因素中单因素的评价矩阵；将所述权系数向量与所述评价矩阵进行融合，形成评价向量；基于评价对象的因素集、评价集对评价向量进行模糊综合评价处理，获得模糊综合评价结果。
具体的，村镇耕地资源承载力属于多因素共同影响的复杂系统问题，本步骤根据村镇耕地资源承载力的特点，选择模糊综合评价法进行村镇耕地资源承载力综合评价。模糊综合评价法是一种基于模糊数学的评价方法，根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
模糊综合评价包括以下六个步骤：
①确定评价对象的因素集U，因素集就是评价指标体系，即从哪些因素(指标)和方面来评价这个系统。基于关键限制性影响因素识别结果，可构建耕地资源承载力评价因素集(如表11所示)。
表11村镇耕地资源承载力评价因素集
②确定评价集V，评语集是评价者对评价对象可能做出的各种结果所组成的集合。此处可设定评定村镇耕地资源承载力等级的评语集为V＝{承载良好；一般承载；勉强承载；临界承载}，每个等级的对应分值设为{100，70，40，10}。
③确定评价指标的权系数向量A，其中各项系数的大小取决于评价对象中各指标的相对重要程度，并且需满足归一化条件，权系数的确定可以通过如熵权法、层次分析法等计算。
表12模糊综合评价因素权重表
④计算单因素评价矩阵(隶属关系矩阵)R。此处需要用到隶属度来获得单因素的评价矩阵，具体实现步骤为若因素集U中第i个元素对评价集V 中第1个元素的隶属度为r_i1,则对第i个元素单因素评价的结果用模糊集合表示为：
Ri＝(ri1,ri2,ri3,…,rim)；(9)
以m个单因素评价集R1,R2,…,Rm为行组成矩阵Rm*n，成为综合评价矩阵，换言之，就是通过每个单因素对评语集的隶属度，构成隶属度矩阵。本研究采用模糊统计法确定每个因素的隶属度，通过统计指标集中每一级评语的数值占比，得到该指标的隶属度。
表13 X镇模糊综合评价隶属度矩阵
⑤确定合成算子，将A与R模糊合成从而得到最终的评价向量B，即
其中
称为综合评价合成算子，这里取成一般的矩阵乘法进行加权即可。
⑥对评价向量B进行分析并得出结论。如根据最大隶属度原则，将B 中最大值所对应的评价等级作为评价对象的评价结果。
表14 X镇模糊综合评价结果
在本步骤中，首先引入模糊综合评价法进行村镇耕地资源承载力评价，对耕地资源承载力评价这类具有不确定性的定性评价来说精度更高，其次，模糊综合评价的评价因素集也即是评价指标体系是基于关键限制性影响因素确定的，这使得评价结果在村镇尺度更具有针对性，更能反映村镇耕地资源承载力的总体特征。
S14：基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。
在本发明具体实施过程中，所述基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理，包括：基于所述述模糊综合评价结果中的关键限制性影响因素的等级进行单一控制加权处理，并基于加权结果确定村镇耕地资源承载力关键阈值；所述单一控制加权处理过程中的权重基于熵权法确定。
具体的，参考各项规程，对关键限制性影响因素进行赋分，建立对应等级的量化打分表，便于关键阈值区间的确定(如表15)。
表15关键限制性因素等级打分表
利用加权模型对朱村镇中因素等级位于四级的关键限制性影响因素进行单一控制加权，根据加权模型的最终得分找出关键阈值，加权模型中的权重采用熵权法确定。进而可以确定该承载力等级下，各村镇的关键限制性影响因素综合作用分值水平(下称关键分值)，加权模型的具体公式如式 10。
加权模型为：
式子中，C1为第一个控制因素的得分总和，C1为第i个影响因素的等级分值，wi为第i个影响因素得权重，n为影响因素总个数。最后，使用短板理论对加权分析结果进行关键阈值区间确定。
在本步骤中，将村镇耕地资源承载力评价结果与短板理论相结合，共同用于确定关键阈值。这使得关键阈值与评价结果耦合性更强，针对关键阈值区间的改进能很好的给村镇耕地资源承载力的提升提供数据参考和政策建议基础。
在本发明实施例中，可以为村镇耕地资承载力关键阈值测定提供技术指引，实现村镇耕地质量合理管控与农业产业化经营路径选择提供理论依据。
实施例二
请参阅图2，图2是本发明实施例中的村镇耕地资源承载力关键阈值确定装置的结构组成示意图。
如图2所示，一种村镇耕地资源承载力关键阈值确定装置，所述装置包括：
构建模块21：用于基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；
在本发明具体实施过程中，所述基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集，包括：基于不同自然地理分区的资源环境承载力特征，逐级构建具有不同尺度特征的村镇耕地资源承载力的限制性影响因素集；其中不同自然地理分区包括干湿地区、自然区和村镇级地区。
具体的，根据不同自然地理分区的资源环境承载力特征，逐级构建具有不同尺度特征的村镇耕地资源承载力限制性影响因素集。对收集的文献资料、专题业务、统计年鉴等数据资料进行针对性的梳理，使用频度统计法进行筛选，频度统计法可以从文献资料研究成果、政府文件中统计出影响因素的流行性，即该因素在研究中被用于耕地资源承载力相关研究的频率；组织耕地领域的专家进行问卷调查以及咨询，判断影响因素的适宜性，也即是该因素在实际应用中是否可以实际应用。通过流行性-适宜性的两方面验证，能够筛选出有效的、适宜的限制性影响因素，最终确定适用于村镇尺度的限制性影响因素集。
本步骤的特色在于可以在逐步降尺度的过程中，使限制性影响因素集具有明显的地域代表性，更具有针对性。基于此，本研究构建了干湿地区 (大尺度)、自然区(中尺度)、地方(小尺度)(村镇)的村镇耕地资源承载力评价指标体系，形成了反映不同尺度、不同地区的、村镇耕地资源承载力限制性影响因素集。故研究区X村镇尺度的限制性影响因素集可表示为表1：
表1区域村镇耕地资源承载力限制性影响因素集
识别模块22：用于基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；
综合评价模块23：用于基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；
在本发明具体实施过程中，所述基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果，包括：基于所述关键限制性影响因素确定评价对象的因素集，所述因素集为评价指标体系；确定评价集，所述评价集为评价者对评价对象可能做出的各种结果所组成的集合；基于层次分析法确定评价指标的权系数向量；
构建所述关键限制性影响因素中单因素的评价矩阵；将所述权系数向量与所述评价矩阵进行融合，形成评价向量；基于评价对象的因素集、评价集对评价向量进行模糊综合评价处理，获得模糊综合评价结果。
具体的，村镇耕地资源承载力属于多因素共同影响的复杂系统问题，本步骤根据村镇耕地资源承载力的特点，选择模糊综合评价法进行村镇耕地资源承载力综合评价。模糊综合评价法是一种基于模糊数学的评价方法，根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
模糊综合评价包括以下六个步骤：
①确定评价对象的因素集U，因素集就是评价指标体系，即从哪些因素(指标)和方面来评价这个系统。基于关键限制性影响因素识别结果，可构建耕地资源承载力评价因素集(如表11所示)。
表11村镇耕地资源承载力评价因素集
②确定评价集V，评语集是评价者对评价对象可能做出的各种结果所组成的集合。此处可设定评定村镇耕地资源承载力等级的评语集为V＝{承载良好；一般承载；勉强承载；临界承载}，每个等级的对应分值设为{100， 70，40，10}。
③确定评价指标的权系数向量A，其中各项系数的大小取决于评价对象中各指标的相对重要程度，并且需满足归一化条件，权系数的确定可以通过如熵权法、层次分析法等计算。
表12模糊综合评价因素权重表
④计算单因素评价矩阵(隶属关系矩阵)R。此处需要用到隶属度来获得单因素的评价矩阵，具体实现步骤为若因素集U中第i个元素对评价集V 中第1个元素的隶属度为r_i1,则对第i个元素单因素评价的结果用模糊集合表示为：
Ri＝(ri1,ri2,ri3,…,rim)； (9)
以m个单因素评价集R1,R2,…,Rm为行组成矩阵Rm*n，成为综合评价矩阵，换言之，就是通过每个单因素对评语集的隶属度，构成隶属度矩阵。本研究采用模糊统计法确定每个因素的隶属度，通过统计指标集中每一级评语的数值占比，得到该指标的隶属度。
表13 X镇模糊综合评价隶属度矩阵
⑤确定合成算子，将A与R模糊合成从而得到最终的评价向量B，即
其中
称为综合评价合成算子，这里取成一般的矩阵乘法进行加权即可。
⑥对评价向量B进行分析并得出结论。如根据最大隶属度原则，将B 中最大值所对应的评价等级作为评价对象的评价结果。
表14 X镇模糊综合评价结果
在本步骤中，首先引入模糊综合评价法进行村镇耕地资源承载力评价，对耕地资源承载力评价这类具有不确定性的定性评价来说精度更高，其次，模糊综合评价的评价因素集也即是评价指标体系是基于关键限制性影响因素确定的，这使得评价结果在村镇尺度更具有针对性，更能反映村镇耕地资源承载力的总体特征。
确定模块24：用于基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。
在本发明具体实施过程中，所述基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理，包括：基于所述述模糊综合评价结果中的关键限制性影响因素的等级进行单一控制加权处理，并基于加权结果确定村镇耕地资源承载力关键阈值；所述单一控制加权处理过程中的权重基于熵权法确定。
具体的，参考各项规程，对关键限制性影响因素进行赋分，建立对应等级的量化打分表，便于关键阈值区间的确定(如表15)。
表15关键限制性因素等级打分表
利用加权模型对朱村镇中因素等级位于四级的关键限制性影响因素进行单一控制加权，根据加权模型的最终得分找出关键阈值，加权模型中的权重采用熵权法确定。进而可以确定该承载力等级下，各村镇的关键限制性影响因素综合作用分值水平(下称关键分值)，加权模型的具体公式如式 10。
加权模型为：
式子中，C1为第一个控制因素的得分总和，C1为第i个影响因素的等级分值，wi为第i个影响因素得权重，n为影响因素总个数。最后，使用短板理论对加权分析结果进行关键阈值区间确定。
在本步骤中，将村镇耕地资源承载力评价结果与短板理论相结合，共同用于确定关键阈值。这使得关键阈值与评价结果耦合性更强，针对关键阈值区间的改进能很好的给村镇耕地资源承载力的提升提供数据参考和政策建议基础。
在本发明实施例中，可以为村镇耕地资承载力关键阈值测定提供技术指引，实现村镇耕地质量合理管控与农业产业化经营路径选择提供理论依据。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种村镇耕地资源承载力关键阈值确定方法及装置进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种村镇耕地资源承载力关键阈值确定方法，其特征在于，所述方法包括：
基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；
基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；
基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；
基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。
2.根据权利要求1所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集，包括：
基于不同自然地理分区的资源环境承载力特征，逐级构建具有不同尺度特征的村镇耕地资源承载力的限制性影响因素集；
其中不同自然地理分区包括干湿地区、自然区和村镇级地区。
3.根据权利要求1所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素，包括：
基于所述D-DEMATEL模型对所述限制性影响因素集进行非空间类关键限制性影响因素识别处理，获得非空间类关键限制性影响因素；
基于所述地理探测器模型对所述限制性影响因素集进行空间类关键限制性影响因素的识别处理，获得空间类关键限制性影响因素；
基于所述非空间类关键限制性影响因素和所述空间类关键限制性影响因素获得关键限制性影响因素。
4.根据权利要求3所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于所述D-DEMATEL模型对所述限制性影响因素集进行非空间类关键限制性影响因素识别处理，获得非空间类关键限制性影响因素，包括：
对所述限制性影响因素集中的非空间类关键限制性影响因素进行基于专家知识的计算，获得每个因素之间的直觉模糊数；
基于所述每个因素之间的直觉模糊数获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数；
基于D理论从正向影响与负面影响两方面融合若干为专家的直觉模糊数，非空间类关键限制性影响因素。
5.根据权利要求3所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于所述地理探测器模型对所述限制性影响因素集进行空间类关键限制性影响因素的识别处理，获得空间类关键限制性影响因素，包括：
基于所述地理探测器模型中的分异及因素探测器对所述限制性影响因素集进行空间类关键限制性影响因素的探测识别，获得第一探测识别结果；
基于所述地理探测器模型中的交互探测器对所述限制性影响因素集进行空间类关键限制性影响因素的探测识别，获得第二探测识别结果；
基于所述第一探测识别结果和所述第二探测识别结果获得空间类关键限制性影响因素。
6.根据权利要求4所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于所述每个因素之间的直觉模糊数获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数，包括：
基于所述每个因素之间的直觉模糊数构建直觉模糊数矩阵MK；
基于所述直觉模糊数矩阵MK，获得关键因素与另一个关键因素之间产生的正向影响的直觉模糊数和负向影响的直觉模糊数；
其中，所述直觉模糊数矩阵
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的正向影响的直觉模糊数；
表示第k位专家给出的关键因素i与另一个关键因素j之间产生的负向影响的直觉模糊数。
7.根据权利要求5所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述分异及因素探测器用于测研究对象的时空异质性，探测驱动因素对研究对象的异质性程度，其公式表达如下：
其中，q的值[0，1]，q的值越大表示其指标的贡献程度或解释程度越好，反之其影响因素的贡献程度或解释程度力越低；h表示研究对象的不同区域或不同分层，其中h＝1，…，k；N和Nh分别表示研究区分层综述和分层h；σ2和
分别表示研究对象及其不同区域或不同分层的方差；
所述交互探测器用于探测识别两个影响因素的交互作用。
8.根据权利要求1所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果，包括：
基于所述关键限制性影响因素确定评价对象的因素集，所述因素集为评价指标体系；
确定评价集，所述评价集为评价者对评价对象可能做出的各种结果所组成的集合；
基于层次分析法确定评价指标的权系数向量；
构建所述关键限制性影响因素中单因素的评价矩阵；
将所述权系数向量与所述评价矩阵进行融合，形成评价向量；
基于评价对象的因素集、评价集对评价向量进行模糊综合评价处理，获得模糊综合评价结果。
9.根据权利要求1所述的村镇耕地资源承载力关键阈值确定方法，其特征在于，所述基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理，包括：
基于所述述模糊综合评价结果中的关键限制性影响因素的等级进行单一控制加权处理，并基于加权结果确定村镇耕地资源承载力关键阈值；
所述单一控制加权处理过程中的权重基于熵权法确定。
10.一种村镇耕地资源承载力关键阈值确定装置，其特征在于，所述装置包括：
构建模块：用于基于不同自然地理分区的资源环境承载力特征构建村镇耕地资源承载力的限制性影响因素集；
识别模块：用于基于D-DEMATEL模型与地理探测器模型对所述限制性影响因素集进行关键限制性影响因素的识别处理，获得关键限制性影响因素；
综合评价模块：用于基于所述关键限制性影响因素对所述村镇耕地资源承载力进行模糊综合评价处理，获得模糊综合评价结果；
确定模块：用于基于所述模糊综合评价结果对村镇耕地资源承载力关键阈值进行确定处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111058024.9A CN113837913B (zh) | 2021-09-09 | 2021-09-09 | 一种村镇耕地资源承载力关键阈值确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111058024.9A CN113837913B (zh) | 2021-09-09 | 2021-09-09 | 一种村镇耕地资源承载力关键阈值确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113837913A true CN113837913A (zh) | 2021-12-24 |
| CN113837913B CN113837913B (zh) | 2023-11-17 |
Family
ID=78958942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111058024.9A Active CN113837913B (zh) | 2021-09-09 | 2021-09-09 | 一种村镇耕地资源承载力关键阈值确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837913B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050703A (zh) * | 2022-12-16 | 2023-05-02 | 中国科学院地理科学与资源研究所 | 村镇建设与资源环境承载力协调评价及协调模式分析方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106251020A (zh) * | 2016-08-05 | 2016-12-21 | 辜寄蓉 | 基于资源环境承载力的土地利用布局优选方法 |
| CN107403253A (zh) * | 2017-06-21 | 2017-11-28 | 华南农业大学 | 监测耕地质量的方法和设备 |
-
2021
- 2021-09-09 CN CN202111058024.9A patent/CN113837913B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106251020A (zh) * | 2016-08-05 | 2016-12-21 | 辜寄蓉 | 基于资源环境承载力的土地利用布局优选方法 |
| CN107403253A (zh) * | 2017-06-21 | 2017-11-28 | 华南农业大学 | 监测耕地质量的方法和设备 |
Non-Patent Citations (11)
| Title |
|---|
| ZHOU, XINYI等: "D-DEMATEL: A new method to identify critical success factors in emergency management", SAFETY SCIENCE, pages 25 * |
| 刘培德;滕飞;: "基于D-AHP的围填海对海洋资源影响评价", 广东海洋大学学报, no. 02 * |
| 孙燕君等: "耕地资源承载力关键影响因素识别与典型评价模型研究进展", 农业资源与环境学报 * |
| 曹智;刘彦随;李裕瑞;王永生;: "中国专业村镇空间格局及其影响因素", 地理学报, no. 08 * |
| 李栌苏;苏晓燕;钱虹;周洁;: "核电厂人因可靠性分析中的相关性分析方法研究", 核动力工程, no. 03 * |
| 杜元伟;王素素;: "基于DEMATEL-模糊综合评判的科学基金项目绩效评价方法", 中国科学基金, no. 02 * |
| 王乾伟;钟登华;鄢玉玲;时梦楠;任炳昱;: "基于熵权-D数模型的RCC坝施工方案优选研究", 水力发电学报, no. 07 * |
| 王振等: "中国基础教育资源承载力的时空分异与影响因素", 资源开发与市场 * |
| 程淑平;孟令杰;程业炳;: "新生代农民工信息获取行为关键影响因素分析", 中国农业资源与区划, no. 11 * |
| 董会忠;姚孟超;张峰;刘帅;: "京津冀水资源承载力模糊评价及关键驱动因素分析", 科技管理研究, no. 23 * |
| 许树辉: "地块尺度耕地质量评价与方法探讨――以湖南省浏阳市为例", 长江流域资源与环境, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116050703A (zh) * | 2022-12-16 | 2023-05-02 | 中国科学院地理科学与资源研究所 | 村镇建设与资源环境承载力协调评价及协调模式分析方法 |
| CN116050703B (zh) * | 2022-12-16 | 2023-09-19 | 中国科学院地理科学与资源研究所 | 村镇建设与资源环境承载力协调评价及协调模式分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113837913B (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kou et al. | An integrated expert system for fast disaster assessment | |
| Wang et al. | A data-driven network analysis approach to predicting customer choice sets for choice modeling in engineering design | |
| CN108550077A (zh) | 一种面向大规模非平衡征信数据的个人信用风险评估方法及评估系统 | |
| CN112700325A (zh) | 一种基于Stacking集成学习的网贷回头客预测的方法 | |
| CN109635010B (zh) | 一种用户特征及特征因子抽取、查询方法和系统 | |
| CN106549826A (zh) | 智能变电站交换机网络性能测试评估方法 | |
| CN110287269A (zh) | 一种基于复合层次分析的数据处理分类方法和装置 | |
| CN108830407B (zh) | 多工况条件下结构健康监测中的传感器分布优化方法 | |
| CN108805471A (zh) | 基于复合系统作用关系分析的水资源承载能力评价方法 | |
| CN114819777A (zh) | 一种基于数字孪生技术的企业销售业务分析管理系统 | |
| Phate et al. | Clustered ANFIS weighing models for sweet lime (Citrus limetta) using computer vision system | |
| Farrokhi et al. | The identification of readiness in implementating business intelligence projects by combining interpretive structural modeling with graph theory and matrix approach | |
| CN113837913A (zh) | 一种村镇耕地资源承载力关键阈值确定方法及装置 | |
| CN103942604A (zh) | 基于森林区分度模型的预测方法及系统 | |
| CN110633401A (zh) | 一种门店数据的预测模型及其建立方法 | |
| CN111832854A (zh) | 汽车研发质量管理体系的成熟度量化评价方法、系统及可读介质 | |
| CN107644285A (zh) | 售电市场盈利能力评估指标的筛选与权重确定方法及系统 | |
| Li | Analysis and design of financial data mining system based on fuzzy clustering | |
| Zhang et al. | Variable stage self-correcting grey clustering model | |
| Keskin et al. | Cohort fertility heterogeneity during the fertility decline period in Turkey | |
| CN110727801A (zh) | 基于本体的模糊评价搜索引擎广告优化方法 | |
| CN115734274A (zh) | 一种基于深度学习和知识图谱的蜂窝网络故障诊断方法 | |
| CN114091908A (zh) | 计及多模式储能站的配电网综合评价方法、装置和设备 | |
| CN114816321A (zh) | 一种无监督的用户感知指标重要度确定方法 | |
| CN114764682A (zh) | 一种基于多机器学习算法融合的大米安全风险评估方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |