基于AHP与GIS的蚕茧质量敏感性评价研究<br/>——以广西宜州市为例

基于AHP与GIS的蚕茧质量敏感性评价研究
——以广西宜州市为例

2015-05-11罗志祥秦旭芝金奕岑

丝绸 2015年10期

关键词：蚕茧敏感性区域

罗志祥，秦旭芝，谢钧，金奕岑

(1.广西壮族自治区产品质量检验研究院，南宁 530022；2.广西壮族自治区环境监测中心站，南宁 530022；3.广西壮族自治区特种设备检验研究院，南宁 530022)

研究与技术

基于AHP与GIS的蚕茧质量敏感性评价研究
——以广西宜州市为例

罗志祥1，秦旭芝2，谢钧1，金奕岑3

利用层次分析法(AHP)研究各因素对桑蚕茧质量的敏感性和重要程度。选取21个二级指标构建评价指标体系,根据国家、行业和地方标准，结合国内外先进地区的现状进行指标的标准化赋值,建立区域蚕茧质量敏感性评价方法。研究表明：该评价方法能科学表达桑蚕茧质量对自然、种养、社会与经济因素影响的承载能力。使用该模型对广西宜州市进行研究，从评价结果看：2011年宜州蚕茧质量敏感性指数为7.226，2012年为6.162，2013年为5.888，分别处于高度敏感、高度敏感和中度敏感状态，说明蚕茧质量敏感指数对表征区域的蚕茧质量的风险具有很直观的表达。

层次分析法；蚕茧质量；敏感性指数；地理信息系统；广西宜州

随着“东桑西移”工程的深入实施，广西以其良好的地理与气候环境，成为全国桑蚕茧丝的生产大省，连续6年全国桑蚕茧产量第一，2013年广西的桑蚕茧总产量达到32.34万t左右。目前，桑蚕茧丝业在全区的经济发展中有着重要的作用，是自治区政府优先重点发展的14个千亿元产业之一。全区规模化缫丝生产企业达88家，自动缫丝机总规模31万绪，年消耗各类蚕茧达25万t左右，生丝总产量在3万t左右[1]。近年来，受世界蚕丝市场供求关系的影响，各品位生丝价格差距逐渐增大，高品位的生丝价格比低品位的生丝价格高近30%，并且高品位生丝的销量在市场上长期保持稳定，而低品位的生丝销量受到一定的阻碍。良好的蚕茧质量是生产高品位生丝的前提条件，蚕茧质量竞争已经成为全区及全国蚕桑丝绸行业市场竞争的基本手段。因此，掌握桑蚕茧的质量、缫制高品位生丝能够为缫丝企业带来较为可观的经济效益。

蚕茧质量敏感性是指区域内生产的蚕茧产品受自然条件、技术水平和社会经济影响的敏感程度，它反映区域蚕茧在遇到干扰时，发生蚕茧质量(如上车茧率、毛茧出丝率、解舒率、万米吊糙等质量指标)下降问题的难易程度和可能性的大小，并用来表征外界干扰可能造成的后果。目前，针对生态环境脆弱性进行评价[2-9]的报道较多，而对桑蚕茧质量敏感性的研究未见报道。本研究借鉴了环境质量研究的思路，运用遥感影像解译和层次分析法对研究区域的蚕茧质量敏感性进行定量评价，能够为政府或者行业主管部门提供保护和防控区域内桑蚕茧质量提供科学依据，也能够为桑蚕茧生产者和消费者提供区域蚕茧质量风险信息，可以最大限度地保持区域内蚕茧质量稳定与提高。

1 基于层次分析法(AHP)的区域蚕茧质量评价指标体系

层次分析法以复杂的多目标决策问题为特定系统，将考察指标进行量化分层，建立若干多指标的目标层次，通过定性指标模糊量化方法计算层次矩阵特征值以确定权重关系，最后得到综合评价结果。该方法结构清晰，指向明确，目前广泛应用于社会各学科领域。运用遥感影像解译和层次分析法对研究区域的蚕茧质量敏感性进行定量评价，将蚕茧质量敏感性指标划分为3个层次：每1个层次分别选择反映其主要特征的要素作为评价指标，第1层次为目标层，以区域蚕茧质量敏感性指数为目标，用来度量区域蚕茧质量敏感性的总体水平；第2层为准则层，包括自然、种养、社会、经济4个因素；第3层次为指标层,考虑到指标基础数据的可得性、实效性、易量化性和区域特征,选取了21个关键因子作为评价项目(指标层)，拟定因子分级和评分标准。自然因素主要考察年降水量、年平均气温、年积温、日照时间、石漠化强度等；种养因素考察桑树种植面积、蚕业基础设施、病虫害防治、蚕沙治理、饲养水平，毛脚茧率、烘烤水平；社会因素包括人口素质、政府支持、质量检测水平；经济因素包括蚕茧收购平均价格、价格波动指数、桑蚕业产投比、人均桑蚕纯收入、桑蚕茧产量、缫丝企业密度等。

2 评价方法

2.1 指标权重分配

运用定性与定量综合集成方法来确定权重，根据区域自然环境的特点和各评价指标对区域蚕茧质量敏感性的贡献大小，采用AHP法对准则层和指标层的评价指标进行权重分配，构造判断矩阵A=(uij)m×m，即

通过Matlab软件计算，对判断矩阵的一致性进行检验。

CR=CI/RI=0.0460<0.10。式中CR为一致性比例(当CR<0.1时，认为判断矩阵的一致性是可以接受的)；CI为一致性指标；RI为平均随机一致性指标。

因此认为层次分析排序的结果有满意的一致性，即权系数的分配是合理的，其对应的特征向量作归一化处理后可得：A=(0.0934；0.4763；0.1766；0.2536)。则准则层各指标的权重分别为：自然因素(C1)0.09，种养因素(C2)0.48，社会因素(C3)0.18，经济因素(C4)0.25。对于指标层的权重分配采用同样的方法，分别构造其各自的判断矩阵，进而计算出其合理的权系数，见表1。

2.2 指标标准化

表1指标体系中二级指标数据来源可分为两类：定量数据和不可定量数据。可定量数据利用Arcgis 9.3地统计分析模块，差值方法选用反距离权重法(IDW)，空间变异程度选取平方变异；面状数据采用Arcgis 9.3属性转化工具Feature to Raster，转化为栅格数据；不可定量数据指标体系中各项评价指标的类型复杂，各系数之间的量纲不统一，且各指标

表1 因素指标明细Tab.1 List of factor indexes

之间往往不具有可比性，因此直接用它们评价是不可行的，需要进行标准化处理。为了简便、明确、易于计算，首先对参评指标的实际数据进行等级划分。采用最小-最大标准化方法进行了分级，使其数值范围为0～10，再根据已有的点位信息，进行插值，按数据分布规律划分为五级，其标准值范围为0～10，见表2。

因可定量性数据中不同变量具有不同的单位和不同的变异程度，为了消除量纲影响和变量自身变异大小和数值大小的影响，故将数据标准化。min-max标准化方法是对原始数据进行线性变换。设Xmin和Xmax分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,10]中的方法，计算公式如下：

式中：Xi为处理前的数值，Xmin为一组数值中的最小值，Xmax为一组数值中的最大值，Si为标准化后的数值。

采用软件ENVI5.1中波段计算band math对已经栅格化的图层(b1)按min-max标准化方法计算，使其数值范围为0～10。

表2 指标分级及对应数值Tab.2 Index classification and corresponding numerical values

续表2

2.3 综合评价方法

利用ArcMap中的Spatial Analyst模块，结合各因子权重和加权指数建立蚕茧质量敏感性评价模型：

式中：C表示蚕茧质量敏感性指数，Xi、Wi表示第i个因子及其权重值。

通过导入数据和权重，得出相应的评价结果，根据结果，可以得出每个评价单元上的敏感性指数，由于评价结果主要反映的是蚕茧质量的敏感程度，所以分值越高，表示蚕茧质量的敏感性越高。同时为了使评价结果更直观，按照蚕茧质量敏感性指数从高到低划分为5级。各等级的划分标准如表3所示。

表3 蚕茧质量敏感性分级Tab.3 Cocoon quality sensitivity classification table

C值越大，表明蚕茧质量敏感性越高。按照区域蚕茧质量敏感性综合指数从高到低排序，反映其蚕茧质量敏感性的变化，评价结果分为5个等级：(0-2]处于微度敏感状态；(2-4]处于低度敏感状态；(4-6]处于中度敏感状态；(6-8]处于高敏感状态；≥8处于极度敏感状态，随时会发生大面积的蚕茧质量下降问题。

3 广西宜州市蚕茧质量敏感性评价

3.1 研究区概况

宜州市地理位置位于广西壮族自治区中部地区偏北部，处于龙江中游处。市域面积3 869 km2，其中丘陵面积占58.80%，中山、低山面积占27.47%，平原面积占10.20%，台地面积占3.53%。宜州市自然环境优越，地属亚热带季风气候区，降雨量较充沛，光照充足，年平均气温在19.6～20.2 ℃，年平均日照时数1 696.9 h，极端最高温39.8 ℃，最低气温-2.2 ℃。市境地形特点为南北高，中部低，自西向东倾斜，属半山半丘陵地区。全市土地总面积34.66万hm2(519.89万亩)，基中平地(包括台地)4.75万hm2(71.31万亩)，丘陵20.36万hm2(305.45万亩)，山地9.54万hm2(143.13万亩)。土地利用现状中，耕地面积4.57万hm2(68.54万亩)，宜粮荒地1.27万hm2(19万亩)，有林面积8.27万hm2(124万亩)，宜林荒地4.4万hm2(66万亩)。

截止2013年10月，宜州市已连续8年为中国第一大桑蚕基地县市。2013年宜州市桑园总面积发展到2.15万hm2(32.3万亩)，全市养蚕138万张，全市养蚕农户11.9万户51万人，占农村总户数90%以上，农民人均养蚕收入4 970元。宜州市有14家茧丝绸加工企业，鲜茧收购资格的茧站270家，分布在16个乡镇200个行政村。14家茧丝绸加工企业年缫丝能力6 000 t，生产白厂丝3 148 t、坯绸218万m，蚕丝被10万床，茧丝绸加工实现产值12亿元。全年蚕茧生产、茧丝绸加工及资源综合利用总产值达到33亿元。

3.2 评价结果

研究所需要的资料分别是近三年宜州市的社会经济统计资料、桑蚕种养资料、土地资料及该地区的气象资料，所有数据均来源于《广西壮族自治区人口普查资料》和《广西壮族自治区国土资源地图集》，以及2011—2013年《广西壮族自治区统计年鉴》。另一方面,采用遥感(RS)调查为主、种养技术数据的采集以及现场定点调查为辅、与(GIS)和全球定位系统(GPS)技术相结合的调查手段开展区域蚕茧种养环境现状调查。桑树面积是利用卫星影像识别，通过面向对象分类软件eCognition，利用桑树在不同时相影像上的光谱特征提取桑树种植区[10]。按照上述区域蚕茧质量敏感性的指标体系和综合评价模型，得出了宜州市2011年、2012年和2013年的蚕茧敏感性综合指数，见图1。

图1 宜州市桑蚕茧质量敏感性评价结果Fig.1 Assessment results of silkworm cocoon quality sensitivity in Yizhou area

如图1的评价结果表明：2011年，宜州市桑蚕茧质量敏感性综合指数C为7.226，处于(6-8]，属于高度敏感状态。质量敏感性状态较差，蚕茧质量所面临的压力比较大，受到的影响也不容乐观，宜州市蚕茧的整体质量的对各方面的影响因素敏感性较强，极易受到影响而产生大面积的质量波动，尤其是受经济条件的影响，盲目追求产量而忽视质量的现象较为普遍。2012年，宜州市桑蚕茧质量敏感性生态环境安全综合指数C为6.162,处于(6-8]，属于高度敏感状态。但是总体状况好于2011年，一方面受当地气候的影响，气温、降水量等保持在合适的范围内，有效地促进了蚕茧的质量提高；另一方面受鲜茧缫丝的影响，整个蚕茧市场出现求量不求质的状态，鲜茧的需求旺盛，供不应求，蚕茧质量敏感性虽然有降低但仍然处于高敏感性状态。2013年综合指数为5.888处于(4-6]，属于较敏感状态。主要由于鲜茧缫丝副产物鲜蛹的价格大幅回落，鲜茧缫丝的产量有所降低，鲜茧收购价格趋于平稳，当地追求产量的态势有明显好转，有效地改变当前较敏感的质量水平,减轻蚕茧敏感性所面临的影响，进一步降低其影响程度。总的来看，宜州市的蚕茧质量敏感性的状况较差，需要实施综合措施尽可能地保护和促进桑蚕茧质量的稳步提升。

4 结论

1)宜州作为广西乃至全国桑蚕茧第一大产区，年产量已占全区产量的四成以上，但是蚕茧质量一直处在中等水平，因此，宜州市蚕茧质量对于广西乃至全国蚕茧质量的稳定提升起着至关重要的作用。通过评价，得出宜州市桑蚕茧质量敏感性整体较高，主要表现为市场交易环境较差，哄抢原料茧的现象严重，“以质论价”的良性交易秩序没有建立，收购毛脚茧、过潮茧的情况较易发生，茧农的积极性受市场行情的影响很大，区域桑蚕茧质量提升任重道远。

2)宜州市影响蚕茧质量敏感性主要根源是市场交易模式，宜州分布着200多家茧站，14家规模化的缫丝企业，对原料茧的需求巨大。另外，宜州蚕茧也受到区内外众多缫丝企业的青睐，原料茧供不应求。此时，宜州蚕茧市场机制失灵，公共利益损害风险徒增，市场已不能自发调整解决。为应对这种状况，政府应及时进行干预、管理和调控。一方面可以通过整合宜州市零星分散的鲜茧收购站点，限制发展规模较小，质量保证条件较差的茧站；另一方面,由缫丝企业联合茧丝行业管理部门结合本地区的实际情况建立蚕茧交易平台，建立直接收购茧农的桑蚕茧的市场交易模式，改变目前鲜茧收购站点哄抢原料茧的乱象。同时，加大公证检验的支持力度，发挥公证检验公共技术平台的技术优势，维护好“以质论价”交易原则，对大面积的质量波动及时跟踪预警。

3)结合AHP与GIS方法，利用插值和标准化值多种方法，能够定量蚕茧质量敏感性指数，蚕茧质量敏感性指数对表征区域的蚕茧质量的风险具有很直观的表达，利用蚕茧质量敏感性，可用于指示不同地区的蚕茧质量敏感性评价及蚕茧质量防控工作，尤其是对定量的因素进行预估，能准确判断未来时间内区域内蚕茧质量敏感性状况，对全国的桑蚕茧产量大的重点区域进行监控和防范具有重要的意义。本研究在指标的选择上仅选择了4个因素层和21个子因素层，还不能完全反映一个地区的蚕茧质量敏感性水平，需要进一步加大研究力度，尽可能全面地覆盖各种影响条件。

[1]龙辉,罗志祥,谢钧,等.广西鲜茧缫丝现状分析[J].中国纤检,2014,15(8):24-27. LONG Hui, LUO Zhixiang, XIE Jun, et al. Analysis of Guangxi fresh cocoon silk reeling situation[J]. China Fiber Inspection,2014,15(8)：24-27.

[2]ATKINS J P, BURDON D, ELLIOTT M, et al. Management of the marine environment: integrating ecosystem services and societal benefits with the DPSIR framework in a systems approach[J]. Marine Pollution Bulletin,2011,62(2):215-226.

[3]SVARSTAD H, PETERSEN L K, ROTHMAN D, et al. Discursive biases of theenvironmental research framework DPSIR[J]. Land Use Policy,2007,25(1):116-125.

[4]GOGUR C, DASSARGUES A. Current trends and future challenges in groundwater vulnerability assessment using overlay and index methods[J]. Environment Geology,2000,39(6):549-559.

[5]WANG S Y, LIU J S, YANG C J. Eco-environmental vulnerability evaluation in the Yellow River Basin, China[J]. Pedosphere,2008,18(2):171-182.

[6]LI X M, MIN M, TAN C F. The functional assessment of agriculture ecosystems in Hubei Province, China[J]. Ecological Modelling,2005,187(2):352-360.

[7]张笑楠,王克林,张伟,等.桂西北喀斯特区域生态环境脆弱性[J].生态学报,2009,29(2):925-933. ZHANG Xiao Nan, WANG Kelin, ZHANG Wei. The quantitative assessment of eco-environment vulnerability in karst regions of Northwest Guangxi[J]. Acta Ecologica Sinica,2009,29(2):925-933.

[8]官冬杰,苏维词.基于GIS重庆岩溶地区生态环境脆弱度评价[J].中国岩溶,2006,25(3):211-218. GUAN Dongjie, SU Weici. GIS-based eco-environment vulnerability assessment in Chongqing karst region[J]. Carsologica Sinica,2006,25(3):211-218.

[9]王言荣,郝永红,刘洁.山西省生态环境脆弱性分析[J].中国水土保持,2004(12):16-18. WANG Yanrong, HAO Yonghong, LIU Jie. Analysis on weakness of ecological environment of Shanxi province[J]. Soil and Water Conservation in China,2004(12):16-18.

[10]王久玲,黄进良,王立辉,等.面向对象的多时相HJ星影像甘蔗识别方法[J].农业工程学报,2014,11(30):145-151. WANG Jiuling, HUANG Jinliang, WANG Lihui, et al. Identification of sugarcane based on object-oriented analysis using time-series HJ CCD data[J]. Transactions of the Chinese Society of Agricultural Engineering,2014,30(11):145-151.

Evaluation Research of Cocoon Quality Sensitivity Based on AHP and GIS： A Case Study of Yizhou City in Guangxi Province

LUO Zhixiang1, QIN Xuzhi2, XIE Jun1, JIN Yicen3

(1. Guangxi Inspection and Research Institute for Product Quality, Nanning 530022, China; 2. Environment Monitoring Station of Guangxi, Nanning 530022, China; 3. Guangxi Special Equipment Inspection and Research Institute, Nanning 530022, China)

In this paper, AHP is applied to study sensibility and importance degree of various factors on cocoon quality. 21 secondary indicators were chosen to construct assessment indicator system. As per national, industrial and local standards, standardized assignment was carried out in combination of current situation of foreign and domestic advanced regions to establish the evaluation method of cocoon quality sensitivity. It can scientifically express bearing capacity of silkworm cocoon quality under the influence of the natural, planting, breeding, social and economic factors. This model was used to study Yizhou City in Guangxi Province. The results show that cocoon quality sensibility indicator of Yizhou in 2011 was 7.226, 6.162 in 2012 and 5.888 in 2013. They are in high sensitivity, high sensitivity and medium sensitivity state. This indicates cocoon quality sensitivity indicator can visually express the risks of cocoon quality in the representation zone.

analytic hierarchy process; cocoon quality; sensitivity index; geographic information system; Yizhou city of Guangxi province

2015-04-01;

2015-06-11

国家茧丝绸发展专项资金资助项目(桂工信轻纺〔2014〕865号)