张继承，潘新春

（国家海洋局海洋咨询中心，北京100860）

0 引言

主成分分析（PCA）综合评价是依据原始指标数据所包含的方差信息量大小来对主成分施行客观赋权，其局限性在于没有考虑原始评价指标重要性的差异。而层次分析（AHP）与主成分分析结合的评价模型（AHP－PCA模型）基于层次分析确立的权重赋予到经标准化的数据中，使评价系统较为重要的因子通过数据方差扩大而得到更大的权数，从而将层次分析确定的主观权数与主成分分析确定的客观权数有机结合起来；与单独的层次分析或主成分分析相比，该模型的评价结果更加符合综合评价问题的实际情况。AHP－PCA模型已用于水质富营养化、可持续发展等方面的综合评价中［1－4］，取得了较好的效果；但AHP－PCA模型作为一种静态评估方式，无法进行动态评估。基于此，笔者充分利用AHP－PCA模型的优势，将其推广至用于多维、动态数据评价的层次分析与全局主成分分析（GPCA）结合的评价模型（AHP－GPCA模型），选取20世纪70年代末期到2000年的两期动态评价指标，对青藏高原生态环境进行综合评价，并基于RS／GIS将评估结果及影响因子空间化，直观分析评价结果的具体影响因素。

1 AHP－GPCA评价模型

全局主成分分析是基于主成分分析的一种多元统计方法，通过对时序立体数据表进行主成分分析，保证对多个时间序列样本进行系统分析的统一性、整体性和可比性。笔者建立的AHP－GPCA模型是采用王晓鹏等提出的AHP－PCA综合评价框架为基础，推广至对时序立体数据表进行加权的全局主成分分析方法，理论基础详见文献［5］。……