王 斌 何丙辉 林 娜 王 伟 李天阳 安丽超
(1.西南大学资源环境学院, 重庆 400715; 2.重庆市地理信息和遥感应用中心, 重庆 401147;3.重庆交通大学土木工程学院, 重庆 400074)
大规模种植经济作物导致原有林地、耕地等被替代,这已成为全球范围内较为典型的土地利用/覆被变化(Land use/cover change, LUCC)过程,尤其在热带、亚热带地区比较多见[1]。种植经济作物可为地区和农户带来比粮食作物更可观的经济收益,同时劳力投入也明显少于种植粮食作物。但是,经济作物扩张会影响生态系统服务的供给,带来诸如生物多样性降低、土壤肥力下降、CO2排放增加以及水土流失加剧等生态环境问题,对农业可持续发展造成较大的威胁[2-3]。
近年来,对经济作物用地变化驱动力的研究逐渐增多[1,3-10]。大多研究认为,土地利用扩张内部驱动机制具有非线性和复杂性。目前,在建立驱动因子体系时大部分研究充分考虑了自然和社会经济2方面,但对政策因子的研究相对较少,可尝试将政策因子纳入驱动力因子范畴,以探索政策因子在经济作物扩张过程中的重要程度。以往研究采用的传统经验统计法(Empirical-statistical)依靠先验知识,不能很好地解释非线性和复杂要素的关联关系[11]。而机器学习方法能更好地解释非线性要素之间的复杂关系,在LUCC建模中更具优势[11-12]。随机森林回归模型作为新型机器学习算法,可对各变量的相对重要性进行排序,并定量分析某特定变量的边际依赖性,对经济作物土地利用驱动力因子有更强的分析和解释能力[3],因此,可用来探讨奉节脐橙果园扩张的驱动力机制。……