基于可解释机器学习的耕地卫片监督实施效果评价

摘要

[目的]耕地卫片监督主要包括耕地卫片监测和后续的排查整改两个部分。评价耕地卫片监督的实施效果旨在探讨其对耕地保护的影响程度，为完善自然资源监管体制提供参考。[方法]采用XGBOOST和SHAP(Shapley Additive Explanations)方法，识别2015—2021年影响31个省级行政区耕地面积变化率的主要因素及影响力大小，拟合各省级行政区耕地面积变化率特征值和SHAP值用以评估二者的线性关系，并分析耕地卫片监督实施效果的区域异质性特征。[结果]（1）耕地卫片监测实施时长与耕地变化率呈显著正相关，表明该措施有效减少了耕地流失。（2）耕地流出问题排查整改对耕地保护具有积极影响，其重要性高于耕地卫片监督的实施时长，证实了发现耕地问题图斑后的整改工作至关重要。（3）耕地卫片监测的实施效果具有区域异质性，即东部地区如河北省、山东省和江苏省的耕地保护效果较好，而中西部地区如贵州省、重庆市和陕西省则在耕地流出问题排查整改方面保护效果更为显著。[结论]耕地卫片监督配合年度耕地流出问题排查整改建立起“测、查、改、补”的监管体系，对发现、遏制耕地流失，整改、恢复流出耕地具有积极作用，但由于各地方政策推行时间差，其实施效果尚未完全显现。

关键词

耕地保护 / 政策评价 / 可解释机器学习 / 区域异质性