基于主成分和聚類分析的影響巴西雨林的因素研究

黃 浩，王浩華

(海南大學(xué) 信息科學(xué)技術(shù)學(xué)院，海南 海口 570228)

亞馬遜熱帶雨林位于南美洲的亞馬遜盆地，占地700 萬(wàn)km2.雨林橫跨了8 個(gè)國(guó)家:巴西、哥倫比亞、秘魯、委內(nèi)瑞拉、厄瓜多爾、玻利維亞、圭亞那及蘇里南，占據(jù)了世界雨林面積的一半，森林面積的20%，是全球最大及物種最多的熱帶雨林.但是，由于人類對(duì)雨林的過(guò)度砍伐造成了雨林的大面積破壞，導(dǎo)致了各種嚴(yán)重的影響，比如:物種滅絕、氣候異常、水土流失和生態(tài)系統(tǒng)紊亂等惡性循環(huán).而導(dǎo)致森林被破壞的原因又有很多，比如:非法砍伐、種植業(yè)、畜牧業(yè)、采礦業(yè)、工業(yè)污染和自然災(zāi)害等，其中，種植業(yè)、畜牧業(yè)和非法砍伐尤為嚴(yán)重.鑒此，本文就種植業(yè)和畜牧業(yè)進(jìn)行了科學(xué)的分析，以找出具體的原因，旨在為巴西政府出臺(tái)相關(guān)的政策提供一個(gè)可靠的科學(xué)依據(jù).

1 數(shù)據(jù)收集與分析

1.1 數(shù)據(jù)的收集 巴西雨林占整個(gè)亞馬遜雨林的60%，絕大部分分布于巴西的9 個(gè)地區(qū)，即Acre，Amazonas，Roraima，Maranhao，Tocantins，Amapa，Mato Grosso，Para 和Rondonia.因此，本文主要以這9 各地區(qū)為對(duì)象進(jìn)行分析.由于本文主要是對(duì)養(yǎng)殖業(yè)和種植業(yè)進(jìn)行分析，因此又以當(dāng)?shù)?4 種比較重要的作物和牲畜作為研究對(duì)象，即咖啡、可可、水稻、甘蔗、豆類糧食、煙葉、木薯、玉米、大豆、牛、馬、豬、山羊和綿羊.其數(shù)據(jù)來(lái)源于巴西地理和統(tǒng)計(jì)研究所(IBGE)［1］，具體數(shù)據(jù)見(jiàn)表1.利用SPSS.18 進(jìn)行相關(guān)系數(shù)矩陣分析、主成分分析和聚類分析.主成分分析主要是把多個(gè)變量作線性組合，變成少數(shù)幾個(gè)綜合變量，即主成分，以便反映原來(lái)多個(gè)變量大部分信息的一種統(tǒng)計(jì)方法.聚類分析就是將變量按照它們性質(zhì)上的親疏和相似程度進(jìn)行分類的一種統(tǒng)計(jì)方法，它可以將多變量的數(shù)據(jù)進(jìn)行有效的分類［4］.

1.2 相關(guān)系數(shù)矩陣分析 通過(guò)SPSS.18 對(duì)數(shù)據(jù)進(jìn)行相關(guān)系數(shù)矩陣分析，得到相關(guān)系數(shù)矩陣(見(jiàn)表2).從表2 可以看出，所有的作物和動(dòng)物養(yǎng)殖對(duì)森林的破壞均有正相關(guān)性，其中豆類、甘蔗、可可、玉米、牛、馬、綿羊、豬、大豆與砍伐面積的相關(guān)系數(shù)均大于或接近0.50，分別為0.72，0.54，0.76，0.53，0.85，0.86，0.70，0.57，0.49，而它們的顯著性水平分別為0.015，0.068，0.008，0.069，0.002，0.002，0.019，0.053，0.089，均小于0.1，這表明在顯著性水平為10%的情況下，呈現(xiàn)顯著的正相關(guān)性，說(shuō)明這些對(duì)森林的破壞比較顯著.但是，其中的可可和豬比較特殊，可可是巧克力的主要原料，由于巴西的氣候非常適合種

植，所以人們對(duì)可可樹(shù)的種植每年都在增加，但是可可樹(shù)不能種植太密，還必須有高大的樹(shù)木為它遮陰，因此可可樹(shù)的適當(dāng)種植不但不會(huì)破壞森林，而且還會(huì)對(duì)森林有一定的保護(hù).豬在當(dāng)?shù)氐漠a(chǎn)量占到了14%(見(jiàn)圖2)，遠(yuǎn)不如牛的產(chǎn)量，雖然其相關(guān)系數(shù)到達(dá)了0.57(顯著性水平為0.053)，但是由于豬無(wú)需通過(guò)放牧的形式進(jìn)行養(yǎng)殖，所以豬不會(huì)對(duì)森林造成直接的破壞.其他動(dòng)植物均對(duì)森林有不同程度的直接破壞，其破壞程度與種植規(guī)模和養(yǎng)殖規(guī)模是正相關(guān)的.馬和綿羊的相關(guān)系數(shù)很高，但是它們的產(chǎn)量分別只占到了2%和6%，因此馬和綿羊并不是森林破壞的主要原因.從圖1 中發(fā)現(xiàn)，當(dāng)?shù)馗收岬漠a(chǎn)量占到了76%，最后分析得到，豆類，甘蔗，牛和大豆對(duì)森林的直接破壞尤為顯著.在之后的分析當(dāng)中，本文將去掉豬和可可，因?yàn)樨i對(duì)森林砍伐并不造成直接影響，而適當(dāng)?shù)胤N植可可對(duì)森林反而起到一定的保護(hù)作用，所以，這兩個(gè)變量不滿足分析的要求.

表1 巴西各主要地區(qū)畜牧業(yè)和種植業(yè)的發(fā)展?fàn)顩r 103t

表2 相關(guān)系數(shù)矩陣

圖1 巴西各種農(nóng)作物產(chǎn)量比

圖2 巴西各種牲畜的產(chǎn)量比

不僅如此，從表2 中還可以看到，許多變量之間的相關(guān)性也比較強(qiáng)，說(shuō)明它們之間存在信息上的重疊，因此對(duì)其進(jìn)行主成分分析.

1.3 主成分分析 主成分個(gè)數(shù)提取的原則為主成分對(duì)應(yīng)的特征值大于1 的前m 個(gè)主成分.在某種程度上特征值可以被看成是表示主成分影響力度大小的指標(biāo)，如果特征值小于1，說(shuō)明該主成分的解釋力度還不如直接引入一個(gè)原變量的平均解釋力度大，因此用特征值大于1 作為納入標(biāo)準(zhǔn).SPSS 在進(jìn)行主成分分析時(shí)，會(huì)自動(dòng)進(jìn)行標(biāo)準(zhǔn)化處理，最后得到總體方差解釋表(見(jiàn)表3)和因子載荷陣(見(jiàn)表4).

表3 總體方差解釋

從表3 可以看出，通過(guò)對(duì)各因子進(jìn)行主成分分析(PCA)發(fā)現(xiàn):4 個(gè)主成分因子(A1、A2、A3和A4)累計(jì)貢獻(xiàn)率達(dá)到了95.691%(見(jiàn)表3)，表明該4 個(gè)因子基本上包含了各地區(qū)森林砍伐受到的主要影響來(lái)源.將SPSS.18 給出的因子載荷陣(見(jiàn)表4)中的每一列除以相應(yīng)的特征根的開(kāi)方后，就得到主成分矩陣，見(jiàn)表5.

表4 因子載荷陣

表5 主成分矩陣

從表5 中的第一主成分因子(A1)可以看出，除了咖啡、木薯、山羊、煙葉的值很小之外，其他因素均對(duì)森林砍伐有比較大的影響，其中煙葉為負(fù)值，這可能是由于近年來(lái)當(dāng)?shù)貧夂虻膼夯鴮?dǎo)致煙農(nóng)對(duì)種植煙草的信心逐漸削弱，并且隨著極端天氣的增多，部分煙草遭到了破壞的緣故.而咖啡的值不大是因?yàn)樾枨罅坎](méi)有其他作物或牲畜的大，所以對(duì)森林的砍伐并不是主要原因.水稻、甘蔗、豆類、玉米、大豆、牛、馬和綿羊的值相差不大，說(shuō)明它們對(duì)森林砍伐的影響也相對(duì)較高，因?yàn)檫@些作物和牲畜均需要大量的土地進(jìn)行種植和放養(yǎng)，而且這些作物和牲畜在當(dāng)?shù)氐男枨罅恳埠芨?，隨著需求的上升，就需要更多的土地去種植和放養(yǎng)，這是導(dǎo)致森林被砍伐的重要因素，也就是說(shuō)，糧食作物和食草牲畜對(duì)森林砍伐的影響是很顯著的，其累計(jì)貢獻(xiàn)率達(dá)到47.974%.第二主成分因子(A2)對(duì)水稻、豆類、木薯、山羊的影響較大，而對(duì)甘蔗、玉米、大豆、牛、馬、綿羊有著負(fù)面的影響，其中4 種牲畜就有3 種受到負(fù)面影響，說(shuō)明當(dāng)牲畜的產(chǎn)量降低時(shí)，人們會(huì)增加作物的種植面積，以保證糧食充足.在第三主成分因子(A3)中，豆類、牛、馬的值均為正值，說(shuō)明第三主成分因子是與當(dāng)?shù)厝藗兊纳盍?xí)慣有關(guān)，因?yàn)楫?dāng)?shù)厝酥饕耘?、豆類糧食等為主食，在短期內(nèi)人們是不會(huì)改變對(duì)這些食物的需求的.通過(guò)圖2 也可以看出，巴西在2009 年所養(yǎng)殖的牛占到了75%，說(shuō)明當(dāng)?shù)貙?duì)牛肉的需求相當(dāng)高，也反映了養(yǎng)牛業(yè)對(duì)森林的破壞程度非常高.

將表1 中的咖啡、水稻、甘蔗、豆類、煙葉、木薯、玉米、大豆、牛、馬、山羊和綿羊分別設(shè)為變量X1，X2，X3，X4，X5，X6，X7，X8，X9，X10，X11，和X12，并與特征向量相乘就可以得到每一個(gè)主成分表達(dá)式［4］.

第一主成分:

第二主成分:

第三主成分:

第四主成分:

在此，并沒(méi)有將特征根與標(biāo)準(zhǔn)化的原始數(shù)據(jù)進(jìn)行相乘，這是因?yàn)閱挝皇墙y(tǒng)一的.為盡量保證信息的完整，再將得到的F，F(xiàn)1，F(xiàn)2，F(xiàn)3和F4的值分別再除以106，計(jì)算結(jié)果見(jiàn)表4.

根據(jù)以上模型求出綜合值，然后根據(jù)F，F(xiàn)1，F(xiàn)2，F(xiàn)3和F4對(duì)樣本進(jìn)行排序(見(jiàn)表6)［5］.

表6 主成分和綜合主成分值及排序

1.4 聚類分析 利用SPSS.18 軟件，采用“最短距離法”［5］對(duì)9 個(gè)地區(qū)進(jìn)行原始數(shù)據(jù)聚類分析，結(jié)果見(jiàn)圖3.從圖3 中可以看出，可分為四大類:第一類由Mato Grosso 組成，說(shuō)明這個(gè)地區(qū)的森林受到破壞的程度最高，受到的威脅也是最大的;第二類由Para 組成，表明這兩個(gè)地區(qū)受到的威脅程度相對(duì)第一類地區(qū)來(lái)說(shuō)要低一些;第三類由Rondonia，Tocantins 和Maranhao 組成;第四類由Amapa，Roraima，Amazonas 和Acre 組成，這些地區(qū)所受到的威脅是最低的，也反映出這些地區(qū)所受到的破壞也是最小的.聚類分析所得到的結(jié)果與主成分分析的結(jié)果相符合，即驗(yàn)證了主成分分析的正確性.

按照各類中第一主成分的平均得分排序(見(jiàn)表6)，第一類的第一主成分平均得分是;第二類的第一主成分平均得分是;第三類的第一主成分平均得分是;第四類的第一主成分平均得分是.再按各類中樣品的綜合成分得分排序，最終排名為:Mato Grosso，Para，Rondonia，Maranhao，Tocantins，Acre，Amazonas，Roraima，Amapa.這也說(shuō)明了這些地區(qū)的森林破壞或者森林所受到的威脅度依次降低.

運(yùn)用同樣的方法對(duì)12 種動(dòng)植物進(jìn)行聚類分析，得到結(jié)果如圖4 所，從圖4 中可以看出，可分為三大類:第一類由牛(Cow)組成，說(shuō)明養(yǎng)牛業(yè)對(duì)森林的破壞最為嚴(yán)重，因?yàn)楫?dāng)?shù)氐氖澄镆耘Ｈ鉃橹鳎瑢?duì)于巴西人來(lái)說(shuō)這是不可缺少的食物，所以每年都在擴(kuò)大牛的養(yǎng)殖，而養(yǎng)牛需要大量的場(chǎng)地，故對(duì)森林的砍伐也將加劇;第二類由大豆(Soy)和甘蔗(Sucrose)組成，表明在種植業(yè)中，大豆(Soy)和甘蔗(Sucrose)是對(duì)森林威脅最大的，其中隨著乙醇工業(yè)、生化電池和生物塑料的發(fā)展，對(duì)甘蔗的需求量也越來(lái)越大，對(duì)森林的破壞也將加大;第三類由玉米(Corn)、木薯(Cassava)、咖啡(Coffee)、水稻(Rice)、豆類(Beans)、煙葉(Tobacco leaf)、馬(Horse)、山羊(Goat)和綿羊(Sheep)組成，相對(duì)第一、二類來(lái)說(shuō)，對(duì)森林的威脅度相對(duì)小了很多，這是因?yàn)檫@些作物和牲畜基本是自給自足或用于出口的，其需求量并沒(méi)有前兩類的大，因此發(fā)展并不會(huì)太迅速，這一類對(duì)于森林的破壞程度相近，均很小，故將其歸為一類.

圖3 各地區(qū)聚類分析樹(shù)狀圖

圖4 各動(dòng)植物聚類分析樹(shù)狀圖

1.5 結(jié)果分析 收集各地區(qū)的歷年森林砍伐面積數(shù)據(jù)，并作圖(見(jiàn)圖5).

圖5 巴西各州森林砍伐面積

從圖5 中可以看出，Para 和Mato Grosso 地區(qū)的歷年森林砍伐面積都比較高，由此說(shuō)明這兩個(gè)地區(qū)所受到的威脅程度和破壞程度是最高的，這與聚類分析的結(jié)果一致，也與表6 中的排序相同，這就驗(yàn)證了本文所運(yùn)用的主成分分析和聚類分析法對(duì)農(nóng)業(yè)的分析，從而間接反映了森林的砍伐嚴(yán)重程度，也就是說(shuō)，通過(guò)分析各地區(qū)的種植業(yè)和畜牧業(yè)的狀況，間接說(shuō)明了森林被破壞的嚴(yán)重程度.種植業(yè)和畜牧業(yè)越發(fā)達(dá)，也就表明需要開(kāi)墾的土地就越多，對(duì)森林的威脅程度就越高，被破壞的森林面積也將越大.在圖5 中還可以看到，在2004 年達(dá)到最大值后就逐漸減少，這是因?yàn)榘臀髡?003 年創(chuàng)建了ITPM，采取了措施，并協(xié)調(diào)行動(dòng)，減少了亞馬遜地區(qū)的森林砍伐率.從2010 年的統(tǒng)計(jì)數(shù)據(jù)可看出，除了Para 之外，其他地區(qū)的森林砍伐都得到了非常有效的控制.

2 建 議

根據(jù)巴西各州的數(shù)據(jù)及主成分分析法和聚類分析法的分析結(jié)果，對(duì)巴西有效控制森林砍伐提出以下建議:

1)對(duì)森林威脅度高的地區(qū)，要加強(qiáng)管理，對(duì)這些地區(qū)的生產(chǎn)應(yīng)進(jìn)行合理的監(jiān)管，應(yīng)加強(qiáng)對(duì)該地區(qū)的實(shí)時(shí)監(jiān)控和宣傳教育，以防濫砍濫伐的情況發(fā)生.尤其是對(duì)于第一和第二類地區(qū)(Mato Grosso 和Para)，必須要立刻采取相關(guān)措施.

2)森林威脅度較高的地區(qū)是由于擴(kuò)大種植業(yè)和畜牧業(yè)而造成的，因此，必須對(duì)其進(jìn)行統(tǒng)籌規(guī)劃和控制生產(chǎn)，避免過(guò)度開(kāi)墾而造成森林的破壞，尤其是第一、二類(Cow、Soy 和Sucrose)，對(duì)其要進(jìn)行合理的控制.

3)森林的砍伐還包括非法砍伐，由于豐厚的利潤(rùn)，少數(shù)人非法砍伐樹(shù)木以換取金錢，對(duì)于這種情況，除了應(yīng)加強(qiáng)對(duì)人們的宣傳教育之外，還要制定相關(guān)的法律法規(guī)，加重對(duì)非法砍伐者的懲罰.

4)森林的大面積消失還源于每年的自然災(zāi)害，由于人類的破壞，生態(tài)系統(tǒng)已經(jīng)變得非常脆弱，加之近幾年的氣候異常，自然災(zāi)害的頻發(fā)加速了森林的破壞，比如每年的火災(zāi)都會(huì)吞噬大面積的森林.所以應(yīng)加強(qiáng)衛(wèi)星監(jiān)測(cè)，并做好自然災(zāi)害發(fā)生時(shí)的協(xié)調(diào)工作，以保證損失達(dá)到最小.

5)在經(jīng)濟(jì)發(fā)展的層面上，要注意經(jīng)濟(jì)的波動(dòng)對(duì)人們的影響，比如物價(jià)的上升會(huì)導(dǎo)致人們擴(kuò)大種植業(yè)和畜牧業(yè)，以平衡物價(jià)的上升，并且物價(jià)的上升還會(huì)導(dǎo)致非法伐木的發(fā)生率升高.

總的來(lái)說(shuō)就是:要制定嚴(yán)格、完善的法律，加大執(zhí)法力度;加快建立保護(hù)區(qū)的進(jìn)度;采用多種保護(hù)方法，協(xié)調(diào)建設(shè)與保護(hù)的矛盾;加大環(huán)境知識(shí)教育，加強(qiáng)物種保護(hù)的科學(xué)研究;謹(jǐn)慎對(duì)待轉(zhuǎn)基因物種;嚴(yán)格控制外來(lái)物種和合理規(guī)劃資源利用.

3 結(jié)束語(yǔ)

應(yīng)用主成分分析法和聚類分析法可以有效降低各指標(biāo)之間的信息重合，因此當(dāng)指標(biāo)較多、關(guān)系較復(fù)雜、無(wú)法進(jìn)行層次劃分時(shí)，運(yùn)用主成分分析和聚類分析會(huì)更加有效.而且該方法可以利用計(jì)算軟件，如SPSS、SAS 等進(jìn)行數(shù)據(jù)處理，能更方便地實(shí)現(xiàn)分析和評(píng)價(jià)［4］.采用此方法可以大大減少數(shù)據(jù)的處理，有效地分析森林受到破壞的主要原因，從而為巴西政府采取相關(guān)措施提供科學(xué)可靠的依據(jù).在之后的工作中，還應(yīng)繼續(xù)關(guān)注巴西雨林的進(jìn)展，并進(jìn)行己所能及的研究.

巴西熱帶雨林是人類的財(cái)富，但人類的活動(dòng)卻導(dǎo)致了雨林前所未有的破壞，雖然破壞的因素很多，但只要找出主要原因，并著手解決和進(jìn)行保護(hù)，相信熱帶雨林早晚會(huì)恢復(fù)它的生機(jī).

［1］巴西地理和統(tǒng)計(jì)研究所［EB/OL］.http:∥www.hi.stats.gov.cn/hnstjj/index.html，2012.

［2］張文彤，閆潔.SPSS 統(tǒng)計(jì)分析基礎(chǔ)教程［M］.北京:高等教育出版社，2002:23-40.

［3］于秀林，任雪松.多元統(tǒng)計(jì)分析［M］.北京:中國(guó)統(tǒng)計(jì)出版社，2004:61-162.

［4］王旭，霍德利.主成分聚類分析法在煤礦安全評(píng)價(jià)中的應(yīng)用［J］.中國(guó)礦業(yè)，2009，18(2):86-104.

［5］林海明，劉樂(lè)強(qiáng).主成分分析法在企業(yè)經(jīng)濟(jì)效益綜合評(píng)價(jià)中的有效應(yīng)用［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2005，35(4):65-68.

［6］劉綠葉，孫國(guó)銘，劉培廷，等.應(yīng)用主成分法和聚類分析法分析呂四漁場(chǎng)近岸海水水質(zhì)［J］.海洋漁業(yè)，2006，28(3):217-221.