全 文 ：中国生态农业学报 2015年 9月 第 23卷 第 9期
Chinese Journal of Eco-Agriculture, Sep. 2015, 23(9): 11911198


* 国家自然科学基金项目(41301617, 41401500)、河南省科技攻关项目(142102310033, 142102310513)、中国煤炭工业协会指导性计划项
目(MTKJ- 2013-310)、江苏省资源环境信息工程重点实验室开放基金(JS201306)、河南省产学研项目(132107000028)、河南理工大学
博士基金(B2014-016)和河南省高校科技创新团队支持计划(13IRTSTHN029)资助
王世东, 主要从事土地利用与土地复垦研究。E-mail: wsd0908@163.com
收稿日期: 20150128 接受日期: 20150617
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.150149
基于改进模糊综合评价模型的矿区土地损毁程度评价*
王世东1,2 刘 毅1
(1. 河南理工大学测绘与国土信息工程学院 焦作 454000; 2. 江苏省资源环境信息工程重点实验室 徐州 221116)
摘 要 土地损毁程度评价是土地复垦适宜性评价及制定复垦措施的重要依据。针对经典模糊综合评价方法
中确定指标权重主观性较强的问题, 将模糊意见集中决策引入指标赋权法(G1法), 建立基于改进 G1法的模糊
综合评价模型, 并将改进的评价模型应用到山西省富康源煤矿土地损毁程度评价中。根据土地损毁类型, 研究
区划分为两大类(塌陷地和压占地)共 5 个评价单元, 构建研究区土地损毁程度评价指标体系, 使用改进 G1 法
确定各评价指标的权重, 对研究区 5个评价单元进行损毁程度评价。结果表明, 5个评价单元的土地损毁程度
分别为: 中度、轻度、轻度、重度、中度, 运用该评价模型得到的评价结果与其他方法基本一致, 结合实地调
研情况, 表现了较高的可靠性。与经典模糊综合评价模型相比, 改进后的模型强调权重确定的科学性, 克服了
经典模型在指标数量较多时权重分配不合理的缺点。因此, 该模型可应用于矿区土地损毁程度评价工作中, 在
矿区土地复垦、生态环境恢复治理、确定赔偿责任范围等方面有较好的应用价值。
关键词 模糊意见集中决策 指标赋权法 模糊综合评价 矿区 土地损毁程度
中图分类号: S114 文献标识码: A 文章编号: 1671-3990(2015)09-1191-08
Evaluation of the degree of land destruction in mining areas using
improved fuzzy comprehensive evaluation method
WANG Shidong1,2, LIU Yi1
(1. School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, China;
2. Jiangsu Key Laboratory of Resources and Environmental Information Engineering, Xuzhou 221116, China)
Abstract Evaluation of the degree of land destruction in coal mining areas is critical for suitable land reclamation measures.
A number of studies have evaluated the degree of land destruction in coal mining areas in China and around the world.
Currently, the common evaluation methods used include the extreme conditions method, fuzzy comprehensive evaluation
method, geographic information system (GIS)-based statistical evaluation method, and the index method. While these methods
can reflect the degree of land destruction in coal mining areas, there still is difference in evaluation results due to no uniform
criteria for determining the index weight. For the same evaluation method, evaluation results are different when different
methods are used to determine index weight. Therefore, the precise determination of index weight has remained the core issue
of evaluation methods, which directly affects the accuracy of evaluation results. The G1 method proposed by Yajun Guo is an
empowerment method that deals with consistency issue of analytic hierarchy process (AHP) and other subjective methods. The
characteristics of G1 include a reflection of the importance of indicators by subjective sorting without limiting the number of
indicators and dispense with checking consistency. However, the G1 method has no clear description for sorting indicators and
is hardly consistent in sorting expert comments. In this study, the fuzzy opinion centralized decision was applied to the G1
method to sort expert comments. This comprehensive treatment of the method gave a group of more reasonable indicator
sorting. The method was used to determine the weight of each index and then to establish an improved fuzzy comprehensive
evaluation method. The final method successfully resolved excessive subjectivity common in the determination of index
weight. The improved fuzzy comprehensive evaluation method was then used to evaluate the degree of land destruction in
1192 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
Fukangyuan Coal Mining area in Shanxi Province. According to the types of land damage, the study area was divided into two
categories — subsided land and occupied land, which had a total of 5 evaluation units. An evaluation index system was then
established and the weights determined using the improved G1 method. The extents of damage of the 5 evaluation units were
eventually evaluated. The results showed that 2 of the 5 land units had moderate destruction, 2 had mild destruction and then 1
had severe destruction. The results obtained with the improved evaluation model were consistent with those obtained with
other methods. When combined with field research, the improved method had a higher reliability. Compared with the classical
fuzzy comprehensive evaluation method, the improved method emphasized scientific weight determination to overcome the
shortcomings of the classical method with which the weight distribution was unreasonable for larger numbers of indicators.
This meant that the improved fuzzy comprehensive evaluation method was more suitable for application in evaluating the
degree of land disruption in coal mining areas. The method was suitable for determining the state of destroyed lands,
establishing land reclamation measures, restoring and reconstructing ecological environments, and consolidating land
protection programs.
Keywords Fuzzy opinion centralized decision; Index weighting method; Fuzzy comprehensive evaluation; Mining area;
Land destruction degree
(Received Jan. 28, 2015; accepted Jun. 17, 2015)
我国是世界矿业大国之一 , 矿产资源的开发 ,
特别是不合理的开发和利用, 已对矿山及其周围环
境造成了严重破坏并诱发多种地质灾害, 致使环境
恶化、土地破坏、资源浪费。越来越突出的矿山环
境问题不仅给生产建设和人民生活带来了巨大危害,
而且严重地制约了国民经济的发展。目前, 矿区因
矿产资源开采等生产建设活动受到破坏的土地数量
并不清楚, 如何对矿区土地损毁程度进行评价也没
有统一标准 , 这导致监管措施得不到有效实施 [1];
另一方面在矿区土地复垦规划、生态环境恢复治理、
土地整治规划等工作中, 土地损毁现状调查和评价
结果的科学性和可比性相对较差[2]。为更好地保护
土地资源, 了解矿区土地的损毁情况, 对矿区土地
开展损毁程度评价显得尤为重要。
对于矿区土地损毁程度评价, 国内外已有不少
学者做过相关研究, 目前常见的评价方法有极限条
件法[3]、模糊综合评价法[4]、基于GIS的统计学评价
法[5]、指数和法等。这些方法都能在一定程度上反
映出矿区土地的损毁情况。但是, 这些方法中关于
指标权重的确定方法并没有统一的标准, 同一种评
价方法使用不同方法来确定指标权重, 得出的评价
结果可能会有所差异。因此, 权重的确定是评价方
法中的核心问题, 它直接影响评价结果的准确性。
经典模糊综合评价方法多采用专家打分法或者层次
分析法来确定指标权重[6]。专家打分法主观性较强,
对专家经验水平的依赖性较大; 层次分析法在实际
应用中判断矩阵的一致性难以满足, 而且试验表明
当指标个数较多(超过9个)时, 层次分析法的准确性
就会下降, 这将对评价结果的准确性造成影响 [7]。
G1法是针对层次分析法等主观赋权方法中遇到的一
致性问题提出的一种赋权法 [8], 它的特点是通过主
观排序反映指标的重要程度, 对指标个数没有限制,
而且无需进行一致性检验。但是G1法对于指标的排
序问题并没有明确的说明, 多位专家的排序意见也
很难一致。 对此, 笔者将模糊意见集中决策的方法
引入到G1法中, 对多位专家的排序意见进行综合处
理, 得到一组更加合理的指标排序, 然后用G1法确
定每个指标的权重, 在此基础上建立模糊综合评价
模型。本文使用基于模糊意见集中决策的G1法来确
定模糊综合评价方法中的指标权重, 建立基于改进
G1法的模糊综合评价模型, 并使用该评价模型对山
西省富康源煤矿的土地损毁程度进行评价, 以期为
我国矿区土地损毁程度评价方法的研究提供一定的
借鉴。
1 改进后的模糊综合评价模型
将模糊意见集中决策引入G1法, 对指标权重的
确定方法进行改进, 建立基于改进G1法的模糊综合
评价模型。
1.1 确定论域因素集
因素集是影响系统主要因素的集合, 也是衡量
系统的主要指标。根据实际评价目标建立评价指标
体系, 确定出论域因素集U。
U={u1, u2, ⋯, un} (1)
1.2 权重向量的确定
本文使用基于模糊意见集中决策的G1法来确定
评价指标的权重, 具体步骤如下:
1)根据模糊意见集中决策确定指标排序
对若干名专家进行咨询 , 将论域因素集U中的
指标按重要性程度进行排序 , 设专家组 |M|=m(人),
第 9期 王世东等: 基于改进模糊综合评价模型的矿区土地损毁程度评价 1193


http://www.ecoagri.ac.cn
发表m种意见:
V={v1, v2, ⋯, vi} (i=1, 2, ⋯, m) (2)
式中: vi是第i种意见序列, 即U中元素的某一个排序。
令  , iu U B u 表示第i种意见序列vi中排在u之后的元
素个数, 即:
若u在第i种意见vi中排在第1位, 则  iB u =n1;
若u在第i种意见vi中排在第2位, 则  iB u =n2;
⋯⋯
若u在第i种意见vi中排在第k位 , 则  iB u =nk,
称为u的Borda数[B(u)]。
   
1
m
i
i
B u B u

  (3)
则论域因素集U的所有元素可按Borda数的大
小进行排序, 此排序就是集中意见之后的一个比较
合理的意见。这样就确定出了指标重要性程度的序
关系:
* * *
1 2 iu u u   (i=1, 2, ⋯, m) (4)
式中: *iu 为按Borda数大小排在第i位的论域因素集
U中的因素。
2)对相邻指标间的重要程度之比进行赋值
G1法中相邻指标 1ku  和 ku 之间的重要程度之
比使用 kr 来表示 , 由于Borda数可以反映出相邻指
标间的相对重要程度, 因此根据相邻指标间的Borda
数之比为 kr 赋值。
 
   
1
, 1, 2, , 3, 2k
B k
r k m m m
B k
     (5)
式中: B(k)为排在第k位的指标的Borda数得分。这样,
就可以依照前数个指标之间的序关系, 计算出各指
标之间的相对重要度。参照 kr 赋值表(表1), 根据如
下原则对 kr 进行赋值:
①取最接近相邻两指标 1ku  与 ku 的Borda数之
比的 kr 表中的值为 kr 赋值。
②若相邻两指标 1ku  与 ku 间的Borda数之比大
于1.8, 则 kr 赋值为1.8, 即认为 1ku  比 ku 极端重要。
表 1 相邻指标相对重要程度比值 rk赋值表
Table 1 Assignment table of adjacent indexes relative important degree ratios (rk)
rk 赋值说明 Assignment instructions
1.0 指标 uk–1与指标 uk具有同样重要性 The index uk–1 is as importance as the index uk
1.1 指标 uk–1与指标 uk之比介于同等重要和稍微重要之间 The index uk–1 is as importance as or slightly more important than the index uk
1.2 指标 uk–1比指标 uk稍微重要 The index uk–1is slightly more important than the index uk
1.3 指标 uk–1与指标 uk之比介于稍微重要和明显重要之间 The index uk–1 is slightly to obviously more important than the index uk
1.4 指标 uk–1比指标 uk明显重要 The index uk–1 is obviously more important than the index uk
1.5 指标 uk–1与指标 uk之比介于明显重要和强烈重要之间 The index uk–1 is obviously to strongly more important than the index uk
1.6 指标 uk–1比指标 uk强烈重要 The index uk–1 is strongly more important than the index uk
1.7 指标 uk–1与指标 uk之比介于强烈重要和极端重要之间 The index uk–1 is strongly to extremely more important than the index uk
1.8 指标 uk–1比指标 uk极端重要 The index uk–1 is extremely more important than the index uk

3)指标权重的确定
若由公式(5)得出的 kr 的理性赋值满足 1
1
k
k
r
r
 ,
则 *m 为:
 
1
* * *
1
2
1 , , 1, , 3, 2
mm
m i k k k
k i k
r r k m m  


 
        
(6)
式中: *m 为第k个指标的权重。则根据公式(6)可以
求出每个指标的权重, 得到因素集的权重向量:
 1 2, , , m     (7)
式中: 1 为因素集中 *1u 的权重, 2 为因素集中 *2u 的
权重, 3 为因素集中 *3u 的权重, 以此类推。
1.3 评语集的确定
评语集是对每一因素所有可能评语的集合, 根
据评价目标的预期结果确定出评语集:
H=(h1, h2, ⋯, hn) (8)
式中: 集合H中的每一项代表评价结果的一种可能性。
1.4 隶属函数的确定
常用的隶属函数的确定方法有模糊统计方法、
指派法、二元对比排序法和经验赋值法等[9]。隶属
函数的确定带有一定主观性, 需根据评价指标的特
点确定合适的隶属函数。对于一些定性描述的指标,
可以采用经验赋值法来确定其对于每种评语的隶属
度, 对于定量描述的指标, 可以根据实际情况选用
指派函数法二元对比排序法等确定其隶属函数。
1.5 综合评价
把综合评价各指标的值代入上述各隶属函数 ,
得到其模糊评价矩阵R, 再根据权向量W即可算出评
价结果向量B。
1194 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
B=W·R (9)
评价向量B给出了评价单元隶属于每种评语的
隶属度, 根据最大隶属度原则, 就可以给出每个评
价单元对应的评语。
2 评价模型的建立
2.1 研究区概况
富康源煤矿位于山西省临汾市乡宁县台头镇 ,
地处1110038~1110446E, 360550~360803N。
区内除部分山丘、梁垣为黄土梯田外, 多为基岩裸
露或半裸露区, 部分地段植被覆盖较好, 由于气候
干旱, 风化剥蚀作用强烈, 形成了山区丘陵地貌。
研究区地处黄土丘陵区, 据调查土壤主要为褐土性
土, 部分区域分布有中性石质土和石灰性褐土。区
内土地利用类型主要有耕地、林地、草地、交通运
输用地、其他土地等; 地形地貌的变化不大, 地表沉
陷深度均在 0~3.5 m左右 , 土地损毁类型主要为塌
陷和压占, 部分区域裂缝发育较大, 地表植被出现
倾倒, 局部地区地表下沉不均匀, 附加坡度较明显。
2.2 划分评价单元
土地损毁程度评价首先要划分评价单元。评价单
元是指在一定区域内土地质量以及复垦利用方向和改
良途径基本一致的土地。评价单元的划分是否合理, 直
接影响评价结果。目前, 土地复垦适宜性评价中划分评
价单元的方法主要有以下3种[10]: 1)采用土壤发生学分
类的某一级(耕地采用土种, 牧地采用土属)作为评价单
元。2)采用土地利用类型作为评价单元。3)按耕作地块
作为评价单元。这3种方法均不适合于矿区土地损毁程
度评价, 因为对于矿区损毁土地来说, 由于矿产资源
开采导致原来的土壤性状、土地类型和耕作边界等遭
受破坏, 损毁类型和程度成为决定复垦对策和复垦方
向的主要依据。所以, 本研究采用矿区土地损毁类型
并结合矿产资源开采计划的完整性来划分评价单元。
研究区内土地损毁类型主要包括塌陷和压占两
类, 根据研究区土地损毁情况的调查结果, 并结合
开采计划盘区划分情况, 最终将研究区损毁土地划
分为两大类(塌陷地和压占地)共5个评价单元。其中,
塌陷地包括: 矿区西北塌陷区、矿区西南塌陷区、
矿区东塌陷区3个评价单元 , 压占地包括南排矸场
和工业场地2个评价单元。
2.3 评价指标、权重及等级确定
评价指标的选取就是确定论域因素集, 它是影
响系统主要因素的集合, 也是衡量系统的主要指标。
评价指标的选取应充分考虑研究区的地形地貌、地类
及气候等因素, 结合实地调研, 选取较能准确地反映
土地损毁情况的指标。对于塌陷区而言, 土地损毁的
主要特征为塌陷和裂缝, 因此与此相关的指标应在
评价指标中占主导地位, 而压占地的评价指标则应
以压占面积、压占边坡度等指标为主。根据研究区的
实际情况, 结合已有的研究成果[1113]和专家意见, 选
取以下指标进行土地损毁程度评价, 并采用前面介
绍的改进G1法来确定指标权重, 结果如表 2 所示。
表 2 矿区土地损毁程度评价指标、权重及分级标准
Table 2 Evaluation indexes, weights and classification standards of evaluation on damage degree of land in mining areas
分级标准 Grading standard 损毁类型
Damage type
评价指标
Evaluation index
指标权重
Index weight 轻度损毁
Light damage
中度损毁
Moderate damage
重度损毁
Serious damage
塌陷深度 Collapse depth 0.194 <100 cm 100~300 cm >300 cm
塌陷面积 Subsidence area 0.148 <5 hm2 5~10 hm2 >10 hm2
塌陷边坡度 Gradient of collapse side 0.115 <25° 25°~35° >35°
裂缝宽度 Crack width 0.134 <10 cm 10~30 cm >30 cm
附加坡度 Additional gradient 0.084 <3° 3°~7° >7°
裂缝间隔 Crack interval 0.064 >50 m 30~50 m <30 m
裂缝长度 Crack length 0.028 <20 m 20~50 m >50 m
土壤侵蚀度 Soil erosion degree 0.045 <10% 10%~30% >30%
积水情况
Ponding situation
0.102 无积水
No ponding
季节性积水
Seasonal ponding
长期积水
Long-term ponding
塌陷地
Subsided land
稳定性 Stability 0.086 稳定 Stable 较稳定 Relatively stable 不稳定 Instable
压占面积 Pressure area 0.035 <500 m2 500~1 000 m2 >1 000 m2
压占边坡度 Gradient of pressure side 0.263 <25° 25°~35° >35°
pH 0.101 6.5~7.5 4~6.5, 7.5~8.5 <4, >8.5
稳定性 Stability 0.245 稳定 Stable 较稳定 Relatively stable 不稳定 Instable
砾石含量增加 Increase of ravel content 0.094 <10% 10%~30% >30%
有机质含量下降
Decrease of organic matter content
0.058 <15% 15%~65% >65%
压占地
Deposited land
堆土石高度 Pile embankment height 0.204 <2 m 2~10 m >10 m
第 9期 王世东等: 基于改进模糊综合评价模型的矿区土地损毁程度评价 1195


http://www.ecoagri.ac.cn
2.4 确定评语集
根据评价因子的性状数据, 确定每个评价因子
的损毁程度的评语集合为:
H={轻度损毁, 中度损毁, 重度损毁} (10)
各评价因子的等级标准见表2。
2.5 隶属函数的确定
对于本文中一些定性描述的指标赋值, 如稳定
性 , 稳定时 , 认为其对轻度损毁的隶属度为1, 对
其他评语的隶属度为0; 当较稳定时 , 对中度损毁
的隶属度为0.75, 对重度损毁的隶属度为 0.25; 当
不稳定时 , 对重度损毁的隶属度为1, 对其他评语
的隶属度为 0。其他定性描述的指标均按上述方法
确定其隶属度。对于定量描述的指标, 由于其分级
标准是以区间来划分的, 符合梯形分布的特点, 因
此本文采用指派法中的梯形分布隶属函数来计算
它们隶属于每种评语的隶属度, 梯形分布隶属函数
如下所示:
偏小型:
1 ( )
( ) ( )
0 ( )
x a
b xA x a x b
b a
x b
    
≤ ≤ (11)
偏大型:
0 ( )
( ) ( )
1 ( )
x a
x aA x a x b
b a
x b
    
≤ ≤ (12)
中间型:
( < )
1 ( )( )
( < )
0 ( )
x a a x b
b a
b x cA x
d x c x d
d c
x d
     
≤
≤
≤
≥
(13)
对每个评价指标通过对应的隶属函数计算其对
于每种评语的隶属度, 这样就建立起了模糊评价矩
阵 R。再根据公式 B=W·R计算出综合评价结果向量
B, 得出最终的评价结果。
2.6 建立模糊关系矩阵
在构造了模糊子集后, 就要逐个对评价单元从每个
因素上进行量化, 也就是确定从单因素来看评价单元对
各等级模糊子集的隶属度, 进而得到模糊关系矩阵。对于
每个评价单元, 应结合其实际情况选取恰当的指标进行
评价。下面将以矿区东塌陷区评价单元为例介绍具体过程。
矿区东塌陷区的评价指标集合为U={塌陷深度,
塌陷面积, 塌陷边坡度, 裂缝宽度, 裂缝间隔, 裂缝
长度, 附加坡度, 土壤侵蚀度, 积水情况, 稳定性},
各评价指标的实测值如表3所示。
根据其实测值分别计算这10个评价指标对于评
语V={轻度损毁 , 中度损毁 , 重度损毁}的隶属度 ,
如塌陷深度, 其在矿区东塌陷区的实测值为250 cm,
根据公式(10)~(12), 其对轻度损毁、中度损毁、重度
损毁这3个评语的隶属函数分别为:
表 3 富康源矿区塌陷地各评价单元评价指标实测值
Table 3 Measured values of evaluation indexes in each evaluation unit of Fukangyuan Mining subsidence
评价单元 Evaluation unit 评价指标
Evaluation index 矿区西北塌陷区
Northwest subsidence area
矿区东塌陷区
East subsidence area
矿区西南塌陷区
Southwest subsidence area
塌陷深度 Collapse depth (cm) 200 250 150
塌陷面积 Subsidence area (hm2) 8.9 15.5 6.7
塌陷边坡度 Gradient of collapse side (°) 20 28 20
裂缝宽度 Crack width (cm) 7 23 9
附加坡度 Additional gradient (°) 2 5 0
裂缝间隔 Crack interval (m) 35 44 40
裂缝长度 Crack length (m) 30 53 25
土壤侵蚀度 Soil erosion degree (%) <10 <10 <10
积水情况 Ponding situation 无积水 No ponding 无积水 No ponding 无积水 No ponding
稳定性 Stability 稳定 Stable 较稳定 Relatively stable 稳定 Stable

轻度损毁:
1 130)(
180( ) (130 180)
180 130
0 180)(
x
xA x x
x
    
≤ ≤ (14)
中度损毁:
130 (130 180)
180 130
1 (180 230)( ) 280 (230 280)
280 230
0 ( 280)
x x
xA x x x
x
      
≤
≤
≤
≥
(15)
重度损毁:
0 ( 230)
230( ) (230 280)
280 230
1 ( 280)
x
xA x x
x
    
≤ ≤ (16)
将指标的实测值250 cm分别带入上述隶属函数,
就可以计算出矿区东塌陷区的塌陷深度对应于每种
评语的隶属度为(0, 0.6, 0.4), 其他定量描述的评价
指标对各评语的隶属度的计算依此类推。对于定性
描述的评价指标, 如稳定性这一指标, 根据前面介
1196 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
绍的隶属函数确定方法, 矿区东塌陷区的稳定性为
较稳定, 则其对轻度损毁的隶属度为0, 对中度损毁
的隶属度为0.75, 对重度损毁的隶属度为0.25, 即(0,
0.75, 0.25), 其他定性描述的评价指标的隶属度均采
取上述方法确定。根据每个评价指标的实测值及其
隶属函数, 就能得出矿区东塌陷区评价单元每个评
价指标对应于评语集的单项评价结果, 再将每个单
项评价的隶属度依次排列, 便可得到一个模糊关系
矩阵R。
11 12 11
2 21 22 2
1 2
|
|
|
n
n
m m m mn
r r rR u
R u r r r
R u r r r
               


    

R (17)
矩阵R中第i行第j列元素rij表示某个评价对象从
因素Ui来看对Vj等级模糊子集的隶属度。因此, 模糊
关系矩阵R中的第i行ui=(ri1, ri2, , rin), i=1, 2, , m,
实际上代表了第i个评价指标对各级评语的隶属性;
而模糊关系矩阵中的第j列uj=(r1j, r2j, , rmj), j=1, 2,
, n, 则代表了各个评价指标对j级评语的隶属性。一
个评价对象在某个因素ui方面的表现是通过模糊向
量来刻画的, 而在其他方法中多是由一个实际值来
刻画的, 因此, 从这个角度来讲模糊综合评价要求
更多的信息。
通过上述计算可以得到矿区东塌陷区的10个评
价指标(塌陷深度、塌陷面积、塌陷边坡度、裂缝宽
度、附加坡度、裂缝间隔、裂缝长度、土壤侵蚀度、
积水情况、稳定性)对3个评语的隶属度排列构成的
模糊关系矩阵R为:
0 0.40 0.60
0 0 1.00
0 0.38 0.62
0 0.65 0.35
0 1.00 0
0.53 0.47 0
0 0 1.00
1.00 0 0
1.00 0 0
0 0.75 0.25
            
R (18)
2.7 综合评价
每种损毁类型土地的各个评价指标的权重组合
在一起构成了该损毁类型土地的模糊权系数向量 ,
矿区东塌陷区属于塌陷地 , 参照表2中各个评价指
标的权重, 构成其评价指标权重向量W为:
W=(0.194, 0.148, 0.115, 0.134, 0.084, 0.064, 0.028,
0.045, 0.102, 0.086) (19)
模糊评价矩阵R中不同的行反映的是单个因素
对于每种评语的隶属度 , 用权系数向量W和R中不
同行进行综合, 就可得出评价对象从总体上看对每
种评语的综合隶属度 , 即模糊综合评价结果向量
B(B=W·R)。根据最大隶属度原则, 取评价结果中隶
属度最大的评语作为该评价单元的最终评价结果。
因此, 矿区东塌陷区的最终评价结果向量B为:
B=W·R=(0.180 9, 0.425 8, 0.393 3) (20)
根据评价结果可以看出, 矿区东塌陷区对于轻
度损毁的隶属度为0.180 9, 对于中度损毁的隶属度
为0.425 8, 对于重度损毁的隶属度为0.393 3。根据
最大隶属度原则, 矿区东塌陷区的损毁程度最终评
价结果为中度损毁。同理, 其他几个评价单元的土
地损毁程度综合评价结果如表4所示。
表 4 改进模糊综合评价模型对富康源矿区土地损毁程
度评价结果
Table 4 Results of land damage degree evaluation by the
improved fuzzy comprehensive evaluation model in
Fukangyuan Mining
评价单元
Evaluation unit
土地损毁等级
Land damage grade
隶属度
Membership degree
矿区东塌陷区
East subsidence area
中度
Moderate
0.425 8
矿区西南塌陷区
Southwest subsidence area
轻度
Light
0.635 8
矿区西北塌陷区
Northwest subsidence area
轻度
Light
0.586 2
南排矸场
South gangue field
重度
Serious
0.775 6
工业场地
Industrial land
中度
Moderate
0.476 9
3 结果分析
为验证评价结果的准确性, 本文采用经典模糊
综合评价模型对研究区土地损毁程度进行评价, 以
便进行对比分析。经典模糊综合评价模型采用层次
分析法确定指标权重, 其评价结果如表 5 所示。
表 5 经典模糊综合评价模型对富康源矿区土地损毁程
度评价结果
Table 5 Results of land damage degree evaluation by the
classical fuzzy comprehensive evaluation model in Fukangyuan
Mining
评价单元
Evaluation unit
土地损毁等级
Land damage grade
隶属度
Membership
degree
矿区东塌陷区
East subsidence area
重度
Serious
0.488 3
矿区西南塌陷区
Southwest subsidence area
轻度
Light
0.722 1
矿区西北塌陷区
Northwest subsidence area
轻度
Light
0.653 2
南排矸场
South gangue field
重度
Serious
0.701 5
工业场地
Industrial land
中度
Moderate
0.482 4

通过评价结果的对比分析可以看出, 两种评价
模型对于压占地的评价结果大致相同, 但是对于塌
第 9期 王世东等: 基于改进模糊综合评价模型的矿区土地损毁程度评价 1197


http://www.ecoagri.ac.cn
陷地的评价结果却稍微有些出入, 经典评价模型对
矿区东塌陷区的评价结果变成了重度损毁。出现这
一情况的原因在于, 当两种评语的隶属度比较接近
时, 一些指标的权重大小会对评价结果造成较大影
响, 而经典模糊综合评价模型使用的层次分析法在
指标数量较多(超过9个)时, 准确性会有所下降, 它
会过分加强一些关键指标的权重而弱化其他指标的
权重, 造成某些指标的权重过大, 对评价结果造成
决定性的影响。由于压占地评价指标较少, 因此两
种评价模型得出的评价结果也基本一致, 而当压占
地评价指标较多时, 经典评价模型对一些关键指标
的赋权过大, 使某个指标对评价结果产生决定性影
响, 造成两种评价模型的评价结果有些出入。通过
对研究区的实地调查与分析, 将矿区东塌陷区评价
为重度损毁较为勉强, 因此改进的模糊综合评价模
型得出的评价结果更为合理。
4 结论
本文将模糊意见集中决策引入G1法, 对指标权
重确定方法进行改进, 建立了基于改进G1法的矿区
土地损毁程度模糊综合评价模型, 并将该模型应用
到富康源煤矿土地损毁程度评价中, 验证了模型应
用的可行性及评价结果的可靠性。
1)研究区划分为两大类(塌陷地和压占地)共5个
评价单元: 矿区西北塌陷区、矿区西南塌陷区、矿
区东塌陷区、南排矸场和工业场地, 其损毁程度评
价结果分别为: 中度、轻度、轻度、重度、中度, 运
用该评价模型得到的评价结果与其他方法基本一致,
结合实地调研情况, 表现了较高的可靠性。
2)本文将模糊意见集中决策引入G1法, 对指标
权重的确定方法进行改进, 克服了经典模糊综合评
价方法中利用层次分析法确定指标权重主观性较强
的缺点, 提高了模糊综合评价模型中权重确定的合
理性。
3)模糊意见集中决策和G1法的融入, 使得评价
模型在一定程度上减小了在指标数量较多时导致权
重分配的不合理性, 在进行矿区土地损毁程度评价
时表现了较高的可靠性, 并提高了评价方法的适应
性, 使得评价结果更加客观合理。
本文将改进的评价模型应用到富康源煤矿土地
损毁程度评价中, 验证了模型的可靠性。该模型可
应用于我国大多数矿区土地损毁程度评价工作中 ,
在矿区土地复垦、生态环境恢复治理、确定赔偿责
任范围等方面有较好的应用价值。
参考文献
[1] 鲁叶江, 李树志, 高均海, 等. 东部高潜水位采煤沉陷区破
坏耕地生产力评价研究 [J]. 安徽农业科学 , 2010, 38(1):
292–294
Lu Y J, Li S Z, Gao J H, et al. Study on damage farmland
productivity evaluation in the eastern part of coal mining
subsidence area with the high phreatic water level[J]. Journal
of Anhui Agricultural Sciences, 2010, 38(1): 292–294
[2] 蒋知栋, 李晶, 高杨, 等. 基于改进灰色聚类模型的矿区耕
地损毁程度评价 [J]. 中国生态农业学报 , 2013, 21(6):
765–771
Jiang Z D, Li J, Gao Y, et al. Using improved gray clustering
method to evaluate the degree of damage to arable lands in
mining areas[J]. Chinese Journal of Eco-Agriculture, 2013,
21(6): 765–771
[3] 王世东, 郭徴, 陈秋计, 等. 基于极限综合评价法的土地复
垦适宜性评价研究与实践[J]. 测绘科学, 2012, 37(1): 67–70
Wang S D, Guo Z, Chen Q J, et al. Study and application of
suitability evaluation of land reclamation based on
comprehensive extreme condition method[J]. Science of
Surveying and Mapping, 2012, 37(1): 67–70
[4] 唐辉, 魏峰远. 煤矿开采土地破坏程度的模糊综合评价[J].
测绘与空间地理信息, 2011, 34(5): 269–271
Tang H, Wei F Y. Fuzzy comprehensive evaluation of land
destructiveness on coal mining[J]. Geomatics & Spatial
Information Technology, 2011, 34(5): 269–271
[5] 陈秋计. 基于 GIS 的煤矿区土地损毁程度评价研究[J]. 矿
业研究与开发, 2013, 33(4): 77–80
Chen Q J. Assessment of land damage degree in coal mining
area base on GIS[J]. Mining Research and Development, 2013,
33(4): 77–80
[6] 周旭, 安裕伦, 许武成, 等. 基于 GIS和改进层次分析法的
耕地土壤肥力模糊评价——以贵州省普安县为例[J]. 土壤
通报, 2009, 40(1): 51–55
Zhou X, An Y L, Xu W C, et al. Fuzzy evaluation on soil
fertility of cultivated land based on GIS and improved AHP:
A case of Pu’an County in Guizhou Province[J]. Chinese
Journal of Soil Science, 2009, 40(1): 51–55
[7] 常艳梅, 陈义华. 基于指数标度的 G1 法及其应用[J]. 重庆
理工大学学报: 自然科学版, 2013, 27(8): 131–134
Chang Y M, Chen Y H. G1 method on the basis of index
number scale and its usage[J]. Journal of Chongqing
University of Technology: Natural Science, 2013, 27(8):
131–134
[8] 何宏, 刘勇, 郭柏栋, 等. 基于模糊综合评价法的经济开发
区土地评价研究[J]. 中国人口 ·资源与环境 , 2012, 22(5):
158–161
He H, Liu Y, Guo B D, et al. The evaluation on the land
intensive utilization of economic developing zones based on
fuzzy comprehensive evaluation method[J]. China Population,
Resources and Environment, 2012, 22(5): 158–161
[9] 杨俊, 王占岐, 金贵, 等. 基于 AHP 与模糊综合评价的土
1198 中国生态农业学报 2015 第 23卷


http://www.ecoagri.ac.cn
地整治项目实施后效益评价 [J]. 长江流域资源与环境 ,
2013, 22(8): 1036–1042
Yang J, Wang Z Q, Jin G, et al. Post-benefit evaluation of
land consolidation project implementation based on AHP and
fuzzy comprehensive evaluation[J]. Resources and Environ-
ment in the Yangtze Basin, 2013, 22(8): 1036–1042
[10] 文学菊 , 周家云 , 朱创业 . 矿山土地破坏程度评价—— 以
攀枝花市花山煤矿为例[J]. 山地学报, 2006, 24(3): 378–384
Wen X J, Zhou J Y, Zhu C Y. Evaluation on the degree of
destructed land in area of mining: A case study of Huashan
coal mine[J]. Journal of Mountain Science, 2006, 24(3):
378–384
[11] 赵艳玲, 黄琴焕, 薛静, 等. 矿区土地复垦方案编制中土地
破坏程度评价研究[J]. 金属矿山, 2009(5): 161–163
Zhao Y L, Huang Q H, Xue J, et al. Study on the assessment
of land destroy degree in mine land reclamation design[J].
Metal Mine, 2009(5): 161–163
[12] 康家瑞, 刘志斌, 杨荣斌. 基于 GIS 的土地生态适宜性模
糊综合评价[J]. 系统工程, 2010, 28(9): 108–113
Kang J R, Liu Z B, Yang R B. Fuzzy comprehensive
evaluation of ecological suitability of land based on GIS[J].
Systems Engineering, 2010, 28(9): 108–113
[13] 常青, 邱瑶, 谢苗苗, 等. 基于土地破坏的矿区生态风险评
价: 理论与方法[J]. 生态学报, 2012, 32(16): 5164–5174
Chang Q, Qiu Y, Xie M M, et al. Theory and method of
ecological risk assessment for mining areas based on the
land destruction[J]. Acta Ecologica Sinica, 2012, 32(16):
5164–5174


《植物遗传资源学报》2016年征订启事
《植物遗传资源学报》是中国农业科学院作物科学研究所和中国农学会主办的学术期刊, 为中国科技核心期刊、中
国农业核心期刊、全国中文核心期刊、全国优秀农业期刊, 中国科技论文统计源期刊、中国科学引文数据库来源期刊(核
心期刊)、中国核心期刊(遴选)数据库收录期刊、中国学术期刊综合评价数据库统计源期刊, 又被《中国生物学文摘》和
中国生物学文献数据库、中文科技期刊数据库收录。据中信所 2014 年期刊学术影响因子年报统计, 《植物遗传资源学
报》影响因子为 1.146(综合影响因子 1.396), 在全国农艺和园艺类期刊中排名第 5, 在全国 1998种科技核心期刊中排名
157位。
报道内容为大田、园艺作物, 观赏、药用植物, 林用植物、草类植物及其一切经济植物的有关植物遗传资源基础
理论研究、应用研究方面的研究成果、创新性学术论文和高水平综述或评论。诸如, 种质资源的考察、收集、保存、
评价、利用、创新, 信息学、管理学等; 起源、演化、分类等系统学; 基因发掘、鉴定、克隆、基因文库建立、遗传
多样性研究。
双月刊, 大 16开本, 196页。定价 20元/册, 全年 120元。各地邮局发行。邮发代号: 82-643。国内刊号 CN11-4996/S,
国际统一刊号 ISSN1672-1810。本刊编辑部常年办理订阅手续, 如需邮挂每期另加 3元。
地址: 北京市中关村南大街 12号《植物遗传资源学报》编辑部; 邮编: 100081; 电话: 010-82105794, 010-82105796
(兼传真); 网址: www.zwyczy.cn E-mail: zwyczyxb2003@163.com zwyczyxb2003@caas.cn