基于XGBoost算法的可恢复耕地宜耕性评价——以湘阴县为例

刘敏，周健，胡月明，张林，赵清林，秦雅静，陈瑗瑗

（1.湖南省国土资源规划院，长沙 410114；2.国土资源评价与利用湖南省重点实验室，长沙 410114；3.海南大学热带作物学院，海口 570228）

目前，耕地“非粮化”现象日趋严重，导致我国粮食安全不断受到威胁[1-3]。耕地“非粮化”是指原本用于粮食作物种植的耕地被用于非粮食种植的农业生产行为[4]。耕地“非粮化”生产仍然处于农业范畴内，对于未破坏耕种层种植经济作物的耕地而言，其耕地的宜耕性基本不受影响，一定程度内是可逆的[5]。但某些“非粮化”类型会对耕地生产条件造成一定破坏，如长期撂荒耕地，或在耕地上种树、挖塘、种植草皮苗木等将直接破坏耕种层，这类“非粮化”耕地则需要采用一定恢复措施才能恢复成耕地，称为可恢复耕地。为贯彻落实最严格的耕地保护制度，严格遏制耕地“非粮化”“非农化”，确保耕地数量不减少、质量不降低，各地陆续开展耕地补充整治工作。由于可恢复耕地具有规模大、恢复措施相对简单等优势，对可恢复耕地进行整治恢复已成为全国各地补充耕地的主要途径。可恢复耕地的分布与国土空间格局有着密切的关联，大部分由弃耕或耕地绿化造林组成，多分布于坡度较陡、土层厚度有限、距离机耕路较远、远离居民点且耕种条件较差的地区[6-8]。在实施耕地恢复整治过程中，为降低耕地恢复难度、避免恢复后再次抛荒，亟需对可恢复耕地开展宜耕性研究。

耕地的宜耕性评价研究方法较为普遍，而可恢复耕地的宜耕性评价研究鲜见报道。耕地的宜耕性评价常见的方法包括特尔菲法、层次分析法、极限条件法和综合指数法等[9-11]，这些方法的评价因子权重受人为因素影响较大，且评价因子不适合广泛应用。空间两维图论聚类方法[12]有效解决了涉及位置关系的聚类问题，但是对于非邻接性地块的宜耕性评价存在一定难度。决策灰色关联度分析[13-14]可以实现各权重因子在空间上的叠加分析，但难以深入挖掘非线性影响因素。基于随机前沿生产函数（SFA）[15]、数据包络分析（DEA）[16]方法计算投入产出比的开发时序模型从经济社会综合效益角度分析了耕地后备资源的开发时序[17-18]，但不同地区的农业投入、农业科技水平、农业机械化水平等开发能力相关因素难以准确获取，评价结果可信度受限。

耕地的宜耕性评价是由自然条件、社会经济条件、工程条件以及区位条件等因素共同作用的巨大系统，存在非线性、高维、数值缺失等难题。随机森林算法作为一种非参数决策树模型，在处理高维数据、非线性关系及权重动态性方面具有明显优势[19]，不少学者应用随机森林算法开展了耕地质量评价[20-21]和区域性“非粮化”影响因素分析[22]。但是随机森林算法在输入数据变多时，存在模型训练速度慢、泛化能力差的问题；对于非标准化、缺失值和异常值的处理也存在困难。XGBoost 算法不需要对数据进行标准化，也无需对缺失值和异常值等进行预处理，通过统计所有缺失值在当前节点分布规律来决定缺失值的处理方式，对于可恢复耕地中部分地块属性缺失的情况，XGBoost算法仍能予以有效支持[23]。本研究拟通过对比现有耕种耕地与可恢复耕地之间的自然、区位及经济等条件差异，基于XGBoost 算法分析了各影响因素对耕地宜耕性评价的重要程度，在此基础上对可恢复耕地进行宜耕性评价，以期为可恢复耕地资源的合理开发利用，特别是为可恢复耕地优先整治区域的确定提供科学依据。

1 材料与方法

1.1 研究区概况

湘阴县属于长江经济带、长江中游城市群、洞庭湖生态经济区等国家和区域经济发展战略的重要节点和支撑点，同时也是湖南省重要的商品粮生产基地，地处湖南省东北部（112°30′20″～113°01′50″E，28°30′13″～29°03′02″N），濒南洞庭湖，居湘、资两水尾间。地貌以低山、岗地、平原为主，地势总体呈现出东南高、西北低的特点，最高处为青山庵，海拔552.4 m。从地貌特征来看，滨湖平原面积占比最大，呈块状分布。山岗地区水系发育不良，北部平原、湖州地区河湖交汇，主要河流包括湘江、资江和白水江等，湖泊包括鹤龙湖、洋沙湖、横岭湖等。湘阴县位于中亚热带向北亚热带过渡的季风气候区，四季分明，湿润多雨，具有春温变幅大、初夏雨水多，伏秋天热易旱、冬季严寒不多的特点。

近10 年来湘阴县耕地净流失量高达4 605.85 hm2，年均净减少耕地460.6 hm2，年均减少幅度为0.91%，耕地流失较为严重。从人均耕地来看，全县人均耕地面积仅0.059 hm2，远低于全国人均耕地面积0.09 hm2，略高于联合国确定的人均耕地面积的警戒线（0.053 hm2），且人均耕地保有量存在进一步减少的风险，耕地保护任务艰巨。近10 年来，湘阴县耕地“非粮化”生产活动普遍，耕地“非粮化”率达13.35%，“非粮化”耕地中可恢复耕地面积达4 577.36 hm2，占“非粮化”耕地面积的68.03%，是最主要的耕地流失类型。全县可恢复耕地主要分布于东部的丘陵山区，其中金龙镇、六塘乡、石塘镇以及洋沙湖镇可恢复耕地占比最高。从可恢复耕地流入来源来看，东部丘陵山区主要流入源为林地，且大部分林地需采取工程措施才能恢复成耕地，而中西部平原或环洞庭湖区主要流入源为林地、坑塘或者养殖坑塘等，如湘滨镇、新泉镇、鹤龙湖镇以及南湖州镇等地区。未耕种的耕地分布规律与耕地流向为林地的规律基本一致，即未耕的耕地主要分布于湘阴县东部地势较高、地形起伏较大的丘陵山区（图1）。从湘阴县可恢复耕地的空间分布、利用形式来看，不同地区可恢复耕地类型不同，不同类型的可恢复耕地形成过程中呈现出显著的空间集聚效应[24]。在湘阴县东部丘陵山区，局部形成了以果园、油茶等为特色产业协同发展的林果业，但是更多的耕地由于种粮效益较低、农业人口大量流失导致直接抛荒或转为绿化造林等“非粮化”趋向。坑塘水产养殖也是湘阴县耕地“非粮化”的重要倾向，主要发生在河流湖泊等水系发达的中西部平原地区，这与全国其他地区的“非粮化”趋势基本一致[3]。

1.2 数据来源及预处理

本研究所使用的数据主要为湘阴县第三次国土调查成果中的耕地利用现状数据。耕地自然地理条件因素以及耕地土壤物理化学性状因素等数据，主要来源于湘阴县2019 年耕地质量等别数据成果。涉及的影响因素主要分为以下几个方面[25-27]。①自然因素：指影响耕地种植的自然禀赋特征，包括海拔高程、坡度级别、自然等指数、有效土层厚度、土壤pH 值以及表层土壤质地等因素；②区位因素：指影响耕地种植便利性的各类因素，如路网密度、耕地与村镇间距离、距路网距离（最小距离）等因素；③社会经济因素：指影响经济效益的不同的开发利用模式及其影响因素，包括复种类型、国家利用等指数、经济等指数等因素；④工程因素：指通过人为改造优化开发利用条件的影响因素，包括灌溉保证率、排水条件、地块面积以及破碎度等因素（表1）。

表1 湘阴县可恢复耕地宜耕性影响因素及其数据来源情况Table 1 Influencing factors and data sources of non-grain-oriented arable land in Xiangyin County

所选取的影响因素中，路网密度、与村镇间距离、与路网距离、集块面积、地块破碎度、地块形状6 个因素主要是通过第三次国土调查数据、耕地质量分等数据分析而来（图2）。路网密度计算通过创建1 km×1 km 的渔网与第三次国土调查地类图斑中道路进行叠加分析，得到每个网格中道路的占比，在计算路网密度时，由于封闭运行的铁路、高速公路一般不服务于农业生产，在研究中未纳入路网密度计算。与村镇间距离是指与每个地块距离最近的村镇距离，由最近邻分析[27-28]计算而来。集块面积是指相邻耕地地块的连片总面积，由开放的道路、沟渠等线状地物所分割的耕地地块视为连片。在计算耕地地块与路网距离时，由耕地地块距离农业机械通行道路（机耕道）的最小距离确定[29]，选择宽度3.5 m 以上的道路予以最近邻分析。地块破碎度是由单位面积的耕地中地块的数量来表示。地块形状指标反映耕地地块形状的复杂程度，由景观生态学中分维数（FRAC）[30]计算地块的规整度，其数值介于1.0～2.0 之间，数值越小则斑块越规则，其计算方法如下：

图2 湘阴县可恢复耕地宜耕性影响因素Figure 2 Factors affecting non grain farmland in Xiangyin County

式中：p为斑块周长，m；a为斑块面积，m2。

1.3 研究方法

1.3.1 XGBoost算法

XGBoost 算法在某种程度上是GBDT 算法的优化，在本质上是利用了Boosting 算法中拟合残差的思想。XGBoost 算法又称为极限梯度提升算法，能够准确捕捉各种预测变量的非线性特征。作为GBDT 算法的高效实现，XGBoost 算法具有四个方面的优势[31-32]：一是算法本身的优化，除了本身的损失，还加上了正则化部分，有效防止过拟合，具有较强的泛化能力；二是损失函数对误差部分做二阶泰勒展开，更加准确；三是通过引入并行运算，提升运行效率；四是无需对数据进行预处理，通过统计所有缺失值在当前节点分布规律来决定缺失值的处理方式，特别是可恢复耕地资源中部分属性缺失的地块仍能有效支持。

XGBoost算法模型如下：

XGBoost模型的目标函数式如下：

为了找到能够最小化目标函数的ft，XGBoost 利用其在ft=0 处的泰勒二阶展开近似值，将损失函数的泰勒级数推广到二阶。即目标函数近似为：

对公式（4）进一步表达为关于叶子节点j分数ωj的一元二次函数，求解所得的最优ωj和目标函数值分别如公式（5）和公式（6）所示：

在实际训练过程中，XGBoost 算法利用百分位法列举最佳分割点，若分裂后的目标函数比分裂前增益，且超过设定阈值，即可分裂；当叶子结点权重控制参数λ、最大深度γ超过设定阈值时停止分裂，防止过拟合[32]。

1.3.2 模型参数优化

随着模型结构复杂化，模型的学习能力有所增强，但是泛化性也在变弱，模型会出现过拟合现象。为此通过简化参数搜索方法进行参数优化，即在维持其他参数不变的情况下，优先优化对XGBoost 模型性能影响较大的因素，采用网格搜索并结合五折交叉验证的方法优选最优参数。按照n_estimators、learning_rate、max_depth、subsample、min_child_weight、colsample_bytree 调参的顺序进行调整（图3），最终得到模型最优参数组合（表2）。

表2 XGBoost算法优化后参数选取表Table 2 Parameter selection after optimization about XGBoost

1.3.3 共线性分析

对于上述影响因素之间可能存在的多重共线性问题，采用常用皮尔逊相关系数分析去除多重共线性影响因素。在具体两个显著相关的影响因素之间的取舍上，皮尔逊相关性分析无法识别其中重要的解释变量，因此在结合前述XGBoost 分析的影响因素权重大小的基础上进行影响因素的筛选，得到最终的影响因素集。

皮尔逊相关系数又称皮尔逊积矩相关系数、简单相关系数，可解释两个定距变量间联系的紧密程度，反映二者共线性特征[20，33]。对于容量为n的样本，将n个原始数据转换为等级数据，相关系数为：

式中：相关系数rxy表示两个变量x、y之间的线性相关程度，rxy的值介于-1～1 之间；xi表示第一个变量中第i条数据的值；yi表示第二个变量中第i条数据的值分别表示xi、yi的平均值。相关系数绝对值越大，相关性越强；相关系数绝对值越接近0，相关性越弱，当rxy=0时，表示x和y不相关。

2 结果与分析

2.1 可恢复耕地资源的宜耕性影响因素

本研究以湘阴县全县53 395个耕地地块（含耕种地块和可恢复耕地地块）为研究对象。由于耕地开发成坑塘或养殖坑塘以及种植草皮苗木类的耕地地块与耕种地块空间分布高度一致，多分布于交通便利、地势相对较低、地形坡度较缓、灌溉条件较好、距离居民区较近的地区，这类地块与其他类型可恢复地块的分布规律明显存在差异，因此未纳入评价模型构建中，但不影响模型进行宜耕性评价应用。在XGBoost模型构建上，以可恢复耕地（种植属性为未耕、即可恢复、工程恢复等）和耕种（种植属性为粮食作物、非粮食作物、粮与非粮轮作）为二分类因变量进行标识，选取36 项影响因素作为自变量。对全县耕地地块随机抽取80%样本训练，20%作为验证样本对耕地耕种预测结果进行5次交叉验证评价。

通过简化参数搜索方法得到优化后的参数对湘阴县耕地耕种情况与实际耕种情况进行预测验证，结果表明模型预测的耕种情况与实际耕种情况的准确率达到92.68%，具有良好的泛化能力和鲁棒性，反映出模型良好的拟合度。XGBoost 模型预测输出的影响因素权重P值，即公式（5）中叶子节点分数ω值（表3）。其中：标准耕作制度、国家经济等指数这2 项影响因素的权重为0，主要原因是其指标数据缺失严重且对耕地宜耕性影响有限，因此在模型优化过程中去掉了这两项影响因素；其余34 项影响因素的权重P值在0.50%～12.83%之间，其中海拔高程、坡度级别、地块形状、国家经济等的权重均高于5%，占总权重的31.08%，重要性较强，其他影响因素均小于4%。

表3 XGBoost算法中可恢复耕地宜耕性的影响因素的权重P值分布Table 3 Weight P value of influencing factors of non-grain-oriented arable land in XGBoost

对于上述影响因素之间可能存在的多重共线性问题，采用皮尔逊相关系数分析去除多重共线性影响因素。通过对表3 中的34 个影响因素进行皮尔逊相关性分析，结果表明大部分影响因素间相关性不显著，其中有13 个影响因素显著相关，复种类型、自然等指数、自然等、经济等指数、经济等以及国家自然等指数之间两两高度相关，其相关系数的绝对值高于0.8，如自然等指数和自然等之间的相关系数高达0.996（表4）。结果表明，在该研究区域，以上影响因素之间存在较强的相关性，会对评价结果造成多重共线性的问题。在具体两个显著相关的影响因素的取舍上，皮尔逊相关性分析无法识别其中重要的影响因素，本研究结合指标来源以及前述XGBoost分析的影响因素权重大小进行了影响因素的筛选，初步得到影响因素集合。除上述指标之外，耕地利用等、国家利用等指数、国家经济等这几项指标是其他基础指标逐级修正高度关联的参数，所以这几项指标未纳入评价影响因素集。通过上述共线性分析和指标关联性分析，最终得到了由21项影响因素构建的评价指标体系。

表4 可恢复耕地宜耕性显著相关影响因素的相关系数Table 4 Correlation coefficients of significantly correlated influencing factors

在上述21 项指标的基础上，重新随机抽取80%样本训练构建XGBoost 模型，20%作为验证样本对耕地耕种情况预测评价，并对结果进行5 次交叉验证，得到这21 项影响因素的权重P值（表5）。在预测结果上，该21 项影响因素的权重P值介于2.93%～13.62%之间，优化后的影响因素的权重P值相对稳定，预测的耕种情况与实际耕种情况准确率高达91.87%，通过指标简化优化后，评价指标显著减少，但是准确率保持稳定。整体上来看，自然因素对耕地宜耕性的影响权重高达51.05%，区位因素和工程因素权重次之，社会经济因素的权重最小。在这些影响因素中海拔高程、坡度级别、地块形状以及集块面积等影响因素权重进一步增强；从各影响因素来看，海拔高程是影响耕地是否耕种的最重要的影响因素，海拔越高耕地越难以耕种，同样耕地坡度越陡越难以耕种。另外，地块形状、集块面积的大小也是影响耕地耕种的重要因素，一般来说，地块形状越方正规整、越集中连片，耕地越适宜耕种。

表5 优化后XGBoost算法中可恢复耕地宜耕性影响因素的权重P值Table 5 Weight P value of influencing factors of non-grain-oriented arable land in XGBoost after optimization

2.2 可恢复耕地资源宜耕潜力

通过XGBoost 算法搭建的预测模型，结合优化后XGBoost 算法输出的影响因素权重P值，预测得到了湘阴县可恢复耕地资源的宜耕潜力。宜耕潜力是指整治为耕地后能维持为耕地、不再抛荒的概率，即采用XGBoost 模型中对耕地资源分类为耕种耕地和可恢复耕地二分类的概率值。对应XGBoost 的宜耕潜力超过50%时，识别为可耕种地块；宜耕潜力低于50%时，则为难耕种地块。

通过对比分析湘阴县可恢复耕地中工程恢复、即可恢复以及未耕种耕地各自的宜耕潜力发现，坑塘和养殖坑塘类可恢复耕地（全部为即可恢复）宜耕潜力最大，其可耕种地块面积达1 455.59 hm2，占坑塘和养殖坑塘类可恢复耕地面积的87.29%，坑塘和养殖坑塘类可恢复耕地灌溉条件极好、地势相对较低，其地形坡度较缓，放干内部水体即可重新耕种。整体上未耕种和即可恢复地块的宜耕潜力高于工程恢复类地块。未耕种地块只需要简单地清理地表的灌丛、杂草即可重新耕种，复垦成本最低，且这类地块的宜耕潜力相对较大，可耕种地块面积为18.47 hm2，占未耕种面积的4.56%，其中抛荒水田的可耕种地块面积占比略高于旱地。即可恢复地块（不含坑塘和养殖坑塘）的可耕种地块面积为93.07 hm2，占即可恢复地块面积的4.38%。从宜耕潜力上来看，即可恢复地块和未耕种地块中的可耕种地块均属于良好的整治地块，可列为优先整治恢复耕地的对象。从具体地类上来看，坑塘和养殖坑塘的宜耕潜力最大；其次为其他林地，其可耕种地块面积达到83.37 hm2；灌木林地、其他园地的宜耕潜力次之，其可耕种地块面积分别为8.03、11.55 hm2（图4）。

图4 湘阴县典型地区可恢复耕地宜耕潜力对比图Figure 4 Comparison of suitable cultivation potential of recoverable cultivated land in typical areas of Xiangyin County

湘阴县可恢复耕地中耕地流向为坑塘和养殖坑塘类的面积最大，且大部分坑塘和养殖坑塘类可恢复耕地均可耕种。各地区其他林地类可恢复耕地的地块的宜耕潜力差异巨大，位于西部平原区的其他林地类可恢复耕地的可耕种地块面积占比达35.34%，对应的东部丘陵山区的其他林地类可恢复耕地的可耕种地块面积占比仅为0.1%，宜耕潜力极低，大部分其他林地类可恢复耕地即使整治也难以持续开发利用。整体对比来看，中西部平原区可恢复耕地的宜耕潜力明显优于东部丘陵山区。东部丘陵山区多为冲沟中的条带状梯田，由于可恢复耕地海拔相对较高，坡度较陡且灌溉保障率较低，地块碎片化严重，这类地块整治后再次抛荒的风险较高（图5）。

图5 湘阴县可恢复耕地地块宜耕潜力分布Figure 5 Distribution of suitable cultivation potential of recoverable cultivated land in Xiangyin County

3 讨论

本研究通过自然因素、区位因素、社会经济因素以及工程因素4 个方面对可恢复耕地的宜耕性进行评价，对不同类型可恢复耕地提出了面向地块层面的整治建议，为可恢复耕地的科学有序整治提供了理论依据。从可恢复耕地的宜耕性影响因素来看，海拔高程、坡度级别、地块形状以及集块面积等是最重要的影响因素。实质上，这几个因素也是限制农业机械化生产的重要因素，对于分布相对零散、破碎及高海拔陡坡地带的可恢复耕地，土地流转速度慢，即使流转，也存在因机械化生产受限而带来的“非粮化”风险。因此，积极有序推动丘陵山区坡度较小的梯田和细碎耕地的集中整治，大力推动丘陵山区土地平整和高标准农田建设，能够使耕地集中、大块地进行耕种，提升耕地的宜耕性。在可恢复耕地整治或高标准农田建设过程中，应优先选择宜耕潜力较高的可恢复耕地进行整治。根据整治方案对可恢复耕地整治前后的宜耕潜力进行对比研究，结合可恢复耕地的整治成本、宜耕潜力的变化情况，合理有序地开展可恢复耕地的整治工作。通过土地整治工作实现对破碎、分散的可恢复耕地地块集中连片化、规整化，不仅有利于优化灌溉设施及机耕道的布局，而且有利于土地规模流转，推动机械化生产。与此同时，在耕地整治过程中，也要结合市场的流转需求，结合宜耕性评价成果，合理有序整治耕地。提高机械化可应用水平，也是遏制耕地“非粮化”的有效途径。对于难以进行集中整治的丘陵山区地带的细碎或坡度较陡耕地，应加大小微型农业机械和农业技术服务的创新与推广，降低这类耕地的耕种成本，从而有效遏制耕地“非粮化”。

虽然我国已建立农业补贴和耕地保护补偿政策，但现有的农业补贴和耕地保护补偿政策大多倾向简单的“一刀切”，难以科学合理地引导和管控耕地“非粮化”发展和减少耕地撂荒，需综合考虑地区实际情况，细化补贴对象，建立分级分类的补贴政策，进一步调动种粮的积极性，通过补贴标准和政策的进一步完善，逐步建立起更具针对性的激励制度。此外，应重点开展耕地的日常监测，开展更加精细化的耕地“非粮化”监测，及时掌握耕地生产和保护情况，针对非农化、耕地抛荒以及种植结构的变化进行差异化补贴政策，以引导农民粮食种植。

本研究构建的可恢复耕地的宜耕性影响因素评价体系不仅可以有效指导可恢复耕地的宜耕潜力评价，也可以拓展到耕地后备资源和整治后耕地资源的宜耕性评价。但全国不同地区耕地类型、社会经济类型差异较大，单一的宜耕性评价模型和指标体系难以适用于全国。未来研究可依据耕地种植类型、社会人口经济等方面的差异，充分考虑可恢复耕地演变机理、土地流转、农户自身行为因素等，因地制宜建立宜耕性指标体系与评价模型。

4 结论

（1）本研究提出了一种基于XGBoost 算法的可恢复耕地的宜耕性评价方法。选取自然因素、区位因素、社会经济因素以及工程因素4 个方面的指标为自变量，以现状可恢复耕地和耕种耕地二分类为因变量搭建评价模型，通过模型分析了各项影响因素对耕地宜耕性评价的重要程度，并进一步结合共线性分析和指标关联性分析，识别并筛选了其中共线性和关联性影响因素，最终得到21 项影响因素及其权重P值。经验证，预测的耕种情况与实际耕种情况的符合率高达91.87%，且具有良好的泛化能力和鲁棒性，预测效果良好。

（2）本研究进一步通过XGBoost 算法搭建的模型预测了湘阴县可恢复耕地地块的宜耕潜力。整体上，湘阴县中西部平原区可恢复耕地宜耕潜力明显优于东部丘陵山区，可恢复耕地中未耕种和即可恢复地块的宜耕潜力高于工程恢复类地块。从可恢复耕地具体地类来看，坑塘和养殖坑塘类可恢复耕地的宜耕潜力最大，其次为其他林地类可恢复耕地，灌木林地、其他园地类可恢复耕地的宜耕潜力次之。

（3）在耕地整治过程中，应以可恢复耕地宜耕性评价为前提，合理有序地开展可恢复耕地的整治。另外，应开展更加精细化的耕地“非粮化”监测，及时掌握耕地生产和保护情况，针对非农化、耕地抛荒以及种植结构的变化进行差异化补贴政策，通过差异化补贴或补偿政策遏制耕地“非粮化”。