陕西土地复垦与生态修复综合效益价值评估*

2018-07-31吴博

中国农业资源与区划 2018年6期

吴博

(西安科技大学艺术学院，陕西西安 710054)

0 引言

土地复垦与生态修复是对因过度挖掘、生产建设利用或工矿企业废弃物堆弃等被破坏的土地，采取整治措施，并利用生态系统的自我调节，使这些土地逐步恢复到可再利用状态[1， 2]。土地复垦是我国国土资源整治和环境保护工作的重要组成部分，这一措施也在一定程度上能够缓解工矿企业与农林牧渔业争地的矛盾[3]。

随着资源环境与经济发展矛盾的日益加剧，土地整治的难度也在加大。2013年，陕西省开始实施国务院制订的《土地复垦条例》办法。条例实施以来，陕西省始终坚持土地资源管理的可持续发展理念，以保护资源为前提，统筹安排各项整治措施，科学合理利用各项用地，建立健全全省土地利用规划体系[4]。2013～2016年，陕西省至实施土地复垦以来，经济发展状况和生态环境状况都得到了改善。人均地区生产总值由4.3万元，增加到5.1万元。居民人均可支配收入1.887 4万元。森林覆盖率41.42%增加至43.06%，增加了3.96%。全省耕地、林地等可利用的土地面积也有不同程度的扩张。但目前只有有关实施土地复垦后，对单个指标的评定，并没有对综合效益的整体评估。只有结合复垦前后各项效益指标的变化，全面综合评定效益成果，才能及时发现目前全省土地复垦中存在的问题，对今后各项政策的实施提供指导性建议。

目前有关综合效益的评定方法并没有统一的标准。葛霖[5]利用层次分析法构建指标评定体系，系统评价了2010年重庆市进行的农村土地综合整治的社会效益、经济效益、生态效益和景观效益及综合效益。结果表明，自然环境条件，社会经济发展状况和当地土地利用模式是影响农村土地整治综合效益的主要因素。张静[6]采用线性加权评价模型评估了宁夏固原市生态修复工程产生的综合效益，生态修复工程的实施改善了固原市的生态环境，也促进了当地的经济发展。邓富玲和刘伟[7]利用包络分析法，评估陕西省11个辖区土地集约利用效率，并对有效决策单元做了排序。该研究在充分吸收前人研究成果的基础上，综合考虑陕西区域发展状况，通过层次分析法和模糊评判法，系统评估通过土地复垦和生态修复带来的综合效益，为土地集约化整治，优化土地结构提供重要的参考依据，这也将为今后陕西省土地整治项目的实施，土地资源合理配置提供实际理论参考。

1 研究区概况和数据来源

1.1 研究区概况

陕西省(介于东经105°29′～111°15′和北纬31°42′～39°35′之间)位于我国西北部，横跨黄河和长江流域中部，南北长约880km，东西宽约160～490km，是连接东、中部地区和西北、西南地区的重要枢纽。平均海拔1 127m。地跨北温带和亚热带，整体属大陆季风性气候，境内气候差异较大。年平均降水量576.9mm，年平均气温13.0℃，无霜期218d左右。

表1 研究区土地复垦前后结构调整万hm2

图1 2016年陕西省土地利用现状

《陕西省统计年鉴2017》显示， 2016年末，全省常住人口3 812.62万人，其中城镇人口2 109.90万人，占55.34%，乡村人口1 702.72万人，占44.66%。《2016年陕西省国民经济和社会发展统计公报》显示，陕西省全年生产总值1.916 539万亿元，比2015年增长7.6%。人均生产总值5.039 5万元，比2015年增长7.0%。在农业领域，全年种植业增加值1 251.57亿元，林业增加值51.91亿元，牧业增加值375.61亿元，渔业增加值14.76亿元。全年工业增加值7 492.63亿元。

根据2016年土地变更调查数据，全省土地调查面积为2 056.24万hm2，其中林地面积占54.3%，耕地占19.4%(图1)。2013～2016年，陕西省共开展土地整治项目3 954个，项目总规模达11.37万hm2，其中复垦土地0.797万hm2。实施土地复垦和生态修复后，陕西省耕地面积增加0.32万hm2，园地增加11.37万hm2，林地增加84.05万hm2，建设用地增加12.44万hm2(表1)。

1.2 数据来源

该研究中所采用的社会经济指标，包括人口数量，人均地区生产总值，人均可支配收入等来源于《中国统计年鉴》《陕西省统计年鉴》和《陕西省国民经济和社会发展统计公告》。土地规划和利用数据来源于《陕西省统计年鉴》《中国水土保持公报》和土地调查成果共享应用服务平台(http：//tddc.mlr.gov.cn/to_Login)。该文截取2013～2016年各指标的统计数据。

2 研究方法

层次分析法是将所要决策的问题分解成目标、准则、方案等层次，然后用求解判断矩阵特征向量的方法，确定备选方案对总目标的最终权重，即为最优方案，是目前运用比较广泛的系统分析方法[8]。模糊综合评判法是基于模拟数学隶属度理论，将定性分析转化为定量分析，对受多项因素制约的对象做出一个总体评价[9]。该研究中实际获取到的数据有限，而这两种方法所需要定量数据较少，但可以将涉及到的每个因素对结果的影响程度进行量化，并将评判对象以综合分值的大小进行排序。该文将采用层次分析法确定陕西省土地复垦与生态修复社会效益、经济效益和生态效益各指标权重，运用模糊评判法对各项效益及综合效益进行价值评估。

2.1 评价指标确定

(1)指标的选取

该研究综合分析陕西省土地复垦与生态修复现状，并依据科学性，动态性和稳定性，系统性和全面性等原则，选取了13个能够反映复垦效益的评价指标。其中人均可支配收入增长率(C1)，人均耕地面积变化率(C2)，造林面积变化率(C3)和建设用地变化率(C4)能够实际反映土地复垦带来的社会效益。居民可支配收入指居民可用于最终消费支出和储蓄的总和，即居民可用于自由支配的收入。按照收入的来源，可支配收入包含4项，分别为：工资性收入、经营净收入、财产净收入和转移净收入。人均耕地面积的变化率和建设用地变化率反映了复垦后土地被再次利用的效率。

政府对土地整治的资金投入必须考虑投入回报率，体现在经济效益上，表现为土地整治成本(C5)，居民人均可支配收入(C6)，人均地区生产总值(C7)，农林牧渔业年总产值(C8)和旅游业年收入(C9)。土地整治成本的投入水平是评定该项目综合效益的前提，必须作为主要因素考虑。居民可支配收入和人均地区生产总值直接反映当前的经济发展水平。土地复垦后，绝大部分土地用于农林牧业发展利用，一部分用于景观设计，因此农林牧渔业年总产值和旅游业年收入也是需要选取的指标。

土地复垦必须以保护生态环境为前提，该研究选取的生态效益指标包括森林覆盖率(C10)，造林面积(C11)，水土流失治理状况(C12)，土地质量状况(C13)。这些指标可以反映土地复垦后水土保持和质量状况，森林覆盖率的变化也能间接代表生态气候的改善。

(2)矩阵模型构建

该文建立3个层次的效益评估体系。目标层为综合效益(A)，准则层为社会效益(P1)、经济效益(P2)和生态效益(P3)。根据各指标之间的层次关系，构建矩阵模型如图2。

图2 陕西省土地复垦和生态修复综合效益评价指标模型

2.2 各项指标权重确定

根据1～9标度法：标度1表示两元素同等重要；标度3表示前一因素稍微重要；标度5表示前一因素明显重要；标度7表示前一因素强烈重要；标度9表示前一因素绝对重要；标度2， 4， 6， 8表示以上判断的中间值；上述标度的倒数表示上述判断的倒数[10]。经过资深专家评定，构建判断矩阵。采用层次分析法，最终确定各指标权重，如表2。

表2 综合效益指标权重评定结果

表3 等级划分

表4 指标模糊评价结果

2.3 运用模糊评判法对效益指标进行分析

2.3.1 建立权重集合

确定了各项评价指标权重，建立权重集合B={b1，b2，b3，…bn}，bi表示第i个指标对应的权重，且

根据计算所得的各项指标权重值，建立权重矩阵：B=(0.539 6， 0.297 0， 0.163)，B1=(0.096 5， 0.204 7， 0.409 3， 0.289 5)，B2=(0.423 7， 0.166 1， 0.125 9， 0.219 2， 0.065 1)，B3=(0.453 1， 0.167 1， 0.261 6， 0.118 2)。

2.3.2 效益评价等级确定

建立效益评价等级V={4A， 3A， 2A，A}，及相对应的分值(表3)。该研究认为，当评价分数≥60时，则可认为通过该项目所实现的社会效益、经济效益、生态效益及综合效益达到了相对理想的程度，所得的分值越高，表明通过项目所实现的各项效益越显著。(依据是什么？)

2.3.3 确定模糊关系矩阵

假设W是从C到V的模糊关系，Wij(i=1， 2， 3，…n；j=1， 2， 3，…n)表示从第i个元素开始，对各项指标做出第j种评价的可能程度，即表示效益指标的隶属程度[11]。W(wi1，wi2，wi3…win)即为V上的模糊子集，对n个元素进行综合评价时，即可得到模糊关系矩阵W：

该研究收集整理各项指标的定量和定性分析结果，邀请相关领域8个专家成立评定小组，对陕西省土地复垦和生态修复前后的效益及作用进行评定和计算，得出评价结果，如表4。

根据以上结果，分别构建土地复垦前的社会效益，经济效益和生态效益的模糊关系矩阵：

根据以上结果，分别构建土地复垦后的社会效益，经济效益和生态效益的模糊关系矩阵：

2.3.4 建立综合评价模型

通过对模糊关系矩阵W和权重集合B进行复合运算，得到综合评价模型为：

土地复垦与生态修复前，社会效益的评价模型为R1=B1×W1，经济效益的评价模型为R2=B2×W2，生态经济的评价模型为R3=B3×W3，综合效益评价模型R=B×W。

2.3.5 效益评分计算

根据表2等级划分分值，计算各项效益得分G=R×(100， 80， 60， 30)T

3 结果及分析

3.1 社会效益评价分析

陕西省土地复垦前后的社会效益评价结果如表5，土地复垦前，评价分值为68.51，属于3A级；土地复垦与生态修复后，评分结果为75.47，属于3A级，社会效益评价分数增长6.96，增长率10.16%。

表5 社会效益评价结果

研究选取人均可支配收入增长率，人均耕地面积变化率，造林面积变化率和建设用地变化率作为经济效益评定指标。土地复垦和生态修复前，居民人均可支配收入为1.831 1万元，项目实施后居民人均可支配收入为1.887 4万元，增长率为3.07%。主要是由于在土地整治项目实施以来，当地就业机会增加，在一定程度上带动了经济的发展，进而提高了居民的收入水平。土地复垦后，部分土地用于发展传统农业，人均耕地面积由0.106 0hm2增加到0.106 1hm2，增加率0.08%。土地复垦前林地面积为1 035.4万hm2，整治后提高到1 119.45万hm2，提高了8.12%。经过土地复垦和生态修复后，有一部分土地破坏严重，难以恢复到可供发展农牧业，转化为建设用地，因而建设用地的面积增幅较大，由81.7万hm2增加到94.14万hm2。这些指标不同程度的增长，带动了经济效益的提升。

3.2 经济效益评价分析

由表6可以看出，土地复垦与生态修复前，评价分值为70.83，属于3A级；土地复垦与生态修复后，评分结果为71.98，属于3A级，社会效益评价分数增长1.15，增长率1.62%。

该研究选取土地整治成本，居民人均可支配收入，人均地区生产总值，农林牧渔业年总产值和旅游业年收入等5个指标作为社会效益评定指标。该次土地整治共投入77.85亿元。研究区居民人均可支配收入1.831 1万元，城镇居民人均可支配收入为2.695 5万元，农村居民人均可支配收入为8 896元，实施土地整治后，居民人均可支配收入为1.887 4万元，城镇居民人均可支配收入为2.844 0万元，农村居民人均可支配收入为9 396元。人均地区生产总值为4.311 7万元，项目实施后人均地区生产总值增加到5.101 5万元，提高了18.31%。农林牧渔业年总产值2 562.51亿元，项目实施后增加到2 985.76亿元。开展土地整治后旅游业年收入由2 135亿元增加至3 813.43亿元。

近年来，国家也在逐渐加大对土地资源整治的投入。土地复垦后，增加了土地的利用效率，大力发展农林牧渔业，林地发展旅游业，当地居民的生活水平得到很大改善，全省人均地区生产总值也在提升。

3.3 生态效益评价分析

土地复垦与生态修复前，生态效益的评价结果为76.03，属于3A级；土地复垦与生态修复后，评价结果为为81.55，属于4A级，上升了1个等级(表7)。生态效益评分增长5.52，增长率9.52%。

表6 经济效益评价结果

表7 生态效益评价结果

研究选取森林覆盖率，造林面积，水土流失治理状况和土地质量状况等4个指标作为生态效益评定指标。研究区复垦前全省森林覆盖率41.42%，项目实施后，部分被破坏和退化的土地进行再利用发展林业，全省森林覆盖率增加至43.06%，造林面积增加了135.607万hm2。土地复垦项目实施以后，全省水土流失状况略有好转，累计治理水土流失面积2.35万km2。同时，通过植树种草，土地质量状况提高，养分含量也随之上升。陕西省土地复垦改善了当地自然气候，产生的生态效益较为明显。

3.4 综合效益

综合评定社会效益、经济效益和生态效益得出以下结果，如表8，土地复垦与生态修复前，综合效益评分结果为70.41，属于3A级；土地复垦与生态修复后，虽然等级没有发生变化，但综合效益评分增长了7.1%，陕西省实施土地复垦的效益良好。

表8 综合效益评价结果

4 结论与政策建议

4.1 结论

该研究在系统阐述陕西省经济发展状况和土地资源利用现状的基础上，构建了土地复垦与生态修复价值评估的目标层，准则层和指标层3层评价指标体系，进行社会效益，经济效益和生态效益在内的综合效益评价。结果表明，土地复垦与生态修复产生的社会效益，经济效益相对应的划分级别虽然没有提升，但分值分别提高了10.16%和1.62%。生态效益的评估等级由3A级提升到了4A级，分值提高了9.52%。研究区的综合效益价值评分由70.41提高到了75.41。陕西省在开展土地整治的过程中，加大对生产建设活动损毁土地的复垦，统一规划复垦土地的再利用，针对复垦土地现状，分别规划为耕地，林地和建设用地等，耕地的增加和项目工程的实施均提高了居民的收入水平。该项目的实施，优化原有土地结构，因土制宜，科学规划利用，改善了生态环境，同时创造了更多的就业机会，也带动了全省的经济发展水平。总之，陕西省土地复垦与生态修复带来了社会，经济和生态效益的提升，综合效益效果较好。