多元统计分析在土地利用分区中的应用.docVIP

多元统计分析在土地利用分区中的应用 论文导读：本研究采用多元统计分析中主成分聚类分析方法对所收集的数据进行处理。主要区域原则的指导作用主要体现在数值分析方法应用前评价单元和评价指标的选择以及数值分析结果的定性处理.基于主成分分析的聚类分析在贯彻相对一致性原则和综合分析与主导因素相结合的原则过程中别具特色,该方法的合理应用会增加土地利用地域分区研究的科学性和定量化水平。利用上述分区原则和数值方法,松原市各区县土地利用效益和程度差异明显。 关键词：主成分分析,聚类分析,分区,土地利用程度和效益 1 引言 新一轮土地利用总体规划修编的过程中，土地利用分区作为总规的组成部分对于统筹协调区域土地利用，特别是建设用地和农用地之间的关系，合理调整土地利用结构，实现土地利用的可持续发展具有重要的现实意义。本文以松原市土地利用程度和效益数据为基础，探讨了在遵循土地利用分区主要原则下，基于主成分分析的聚类分析方法在土地利用的地域分区方面的应用，为土地利用分区的进一步研究提供理论依据。 2 土地利用分区原则与方法 2.1 分区原则 按照经济、社会、自然等条件相对一致，土地利用方向基本相同的状况，明确各地域土地利用方向，具有宏观控制指导作用，使规划管理在较大范围内有一定连续性。分区原则具体概况为以下六点 [1] ： （1）体现区域发展战略的要求； （2）自然条件和社会经济水平的相对一致性； （3）土地利用特点和存在问题的相对一致性； （4）土地利用发展方向和措施的相对一致性； （5）突出土地利用问题和管理措施的相似性； （6）便于实施管理，保持乡镇界限和区划界限的完整性。论文参考网。 2.2 分区方法 本研究采用多元统计分析中主成分聚类分析方法对所收集的数据进行处理。数据来源为2005年松原市土地利用变更调查和松原市统计年鉴。论文参考网。 主成分分析能够抓住分析问题的主要矛盾，消除研究指标间的信息重叠因素，把得到的主成分作为研究指标再进行聚类分析能够提高分类结果的准确性。主成分聚类分析方法对土地利用分区研究的主要步骤为：①将指标变量和样本区县数据建立原始数据矩阵；②原始数据矩阵的标准化；③对经标准化后的数据矩阵采用主成分分析法建立主成分；④将主成分作为自变量进行回归分析，计算前k个主成分的样本值；⑤利用计算所得的k个主成分的样本值作为新变量进行聚类分析，用欧式距离之平方(SquaredEuclidean distance)方法计算样本间距离，用离差平方和法(Ward方法)进行连接 [4,5] 。 3 方法应用 3.1 评价指标的确定 结合土地利用分区原则，本研究选取反映区域土地利用程度和效益两个方面共11个主要指标进行评价和划分。反映土地利用程度的指标为：土地利用率（x 1 ）、土地垦殖率（x 2 ）、林地利用率（x 3 ）、牧草地指数（x 4 ）、建设用地指数（x 5 ）、居民点及独立工矿用地指数（x 6 ）、交通用地指数（x 7 ）、水域用地指数（x 8 ）；反映土地利用效益的指标为：已利用土地单位面积国内生产值（x 9 ）、农业用地单位面积产值（x 10 ）、工业用地单位面积产值（x 11 ）。 3.2 主成分分析 本研究借助于SPSS13.0软件完成数据处理及分析，对松原市一区四县各指标数据作标准化处理，通过主成分分析，计算相关系数矩阵，求得特征根、特征向量和方差贡献率 [2,5] 。通过表1可以看出旋转后前四个主成分的累积方差贡献率已接近100%，基本可以表征初始变量全部信息。 表1 主成分分析总方差解释 Table 1 Total variance explaination 主成分 初始提取值 旋转后提取 特征值（） 方差百分比（％） 累计贡献率（％） 特征值（） 方差百分比（％） 累计贡献率（％） 1 6.436 58.505 58.505 3.959 35.987 35.987 2 2.233 20.298 78.803 3.026 27.512 63.499 3 1.372 12.476 91.279 2.513 22.849 86.349 4 0.959 8.721 100.000 1.502 13.651 100.000 提取方法：主成分分析；旋转方法：方差最大正交旋转 表2 旋转成分矩阵和主成分表达式系数矩阵(A) Table 2 Rotation compone