周曉芳, 周永章, 歐陽軍

(1.華南師范大學(xué)旅游管理系, 廣東廣州 510631；2.中山大學(xué)地球環(huán)境與地球資源研究中心, 廣東廣州 510275；3.華南師范大學(xué)地理科學(xué)學(xué)院, 廣東廣州 510631)

基于BP神經(jīng)網(wǎng)絡(luò)的貴州3個(gè)喀斯特農(nóng)村地區(qū)人居環(huán)境評(píng)價(jià)

周曉芳1,2*, 周永章2, 歐陽軍3

(1.華南師范大學(xué)旅游管理系, 廣東廣州 510631；2.中山大學(xué)地球環(huán)境與地球資源研究中心, 廣東廣州 510275；3.華南師范大學(xué)地理科學(xué)學(xué)院, 廣東廣州 510631)

選取具有代表性的貴州省清鎮(zhèn)紅楓區(qū)、畢節(jié)鴨池區(qū)以及關(guān)嶺-貞豐花江區(qū)作為研究對(duì)象，在分析喀斯特人居環(huán)境研究現(xiàn)狀以及人居環(huán)境評(píng)價(jià)理論和實(shí)踐的基礎(chǔ)上，結(jié)合喀斯特地區(qū)的實(shí)際環(huán)境條件構(gòu)建宜居指數(shù)，對(duì)喀斯特農(nóng)村的村落人居環(huán)境進(jìn)行評(píng)價(jià).構(gòu)建并訓(xùn)練得到合理的神經(jīng)網(wǎng)絡(luò)，評(píng)價(jià)結(jié)果顯示，居住環(huán)境最好和較好的村落以紅楓區(qū)最多，鴨池和花江區(qū)的村落大部分處于中下水平，且花江區(qū)的部分村落評(píng)價(jià)結(jié)果最差.說明喀斯特地區(qū)人居環(huán)境與區(qū)域綜合地理環(huán)境和自然條件密切相關(guān)，自然環(huán)境仍然是喀斯特地區(qū)人居環(huán)境的主導(dǎo)因素.

農(nóng)村人居環(huán)境； 評(píng)價(jià)； BP神經(jīng)網(wǎng)絡(luò)； 喀斯特

資料[1-2]顯示，中國(guó)960萬km2的土地上，喀斯特分布面積超過124萬km2，約占全國(guó)總面積的13%.貴州喀斯特分布面積為13萬km2，占全省土地面積的73%，不僅在全國(guó)獨(dú)一無二，在世界也是罕見的.過去的數(shù)十年間，貴州土地利用不當(dāng)和不合理的人為活動(dòng)，環(huán)境污染、水土流失、自然災(zāi)害頻繁等生態(tài)系統(tǒng)退化問題明顯，加劇了喀斯特地區(qū)的貧困[3].

針對(duì)喀斯特環(huán)境的脆弱性問題以及如何保護(hù)環(huán)境的研究一直占有重要地位，近年來具體到人居環(huán)境層次的研究，則主要以喀斯特城市為主，例如以貴陽市人居環(huán)境優(yōu)化研究、喀斯特山區(qū)城市用地結(jié)構(gòu)問題、城市生態(tài)空間建設(shè)模式[4-6]，以及利用GIS技術(shù)對(duì)喀斯特地區(qū)城市土地利用結(jié)構(gòu)進(jìn)行的研究[7].

我國(guó)在喀斯特地區(qū)的綜合研究還很薄弱[8].本文以人居環(huán)境為綜合研究的對(duì)象和途徑，一定程度上彌補(bǔ)了喀斯特地區(qū)綜合研究的不足.另外，與城市大量的人居環(huán)境研究相比，對(duì)山地和鄉(xiāng)村的研究還停留在闡述現(xiàn)狀、提對(duì)策階段，形成我國(guó)人居環(huán)境研究領(lǐng)域重城市、輕鄉(xiāng)鎮(zhèn)，重平原、輕山地的特點(diǎn)以及人居環(huán)境城鄉(xiāng)研究的二元性.本研究關(guān)注喀斯特農(nóng)村地區(qū)，采用BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)方法進(jìn)行人居環(huán)境綜合評(píng)價(jià)，對(duì)喀斯特農(nóng)村地區(qū)城鎮(zhèn)規(guī)劃、社會(huì)主義新農(nóng)村建設(shè)、區(qū)域可持續(xù)發(fā)展等方面具有一定的實(shí)踐意義.

1 研究區(qū)域和數(shù)據(jù)來源

選取貴州省西北部、中部、西南部3個(gè)地區(qū)，其自然環(huán)境、經(jīng)濟(jì)發(fā)展和社會(huì)文化在區(qū)域上都具有代表性.

1.1 3個(gè)研究區(qū)概況

清鎮(zhèn)紅楓區(qū)位于東經(jīng)106°07′～106°33′，北緯26°21′～26°59，包括貴州省中部清鎮(zhèn)市西南的紅楓湖及其水系周圍的紅楓湖鎮(zhèn)及站街鎮(zhèn)部分，含紅楓湖鎮(zhèn)6個(gè)行政村、36個(gè)村民組，站街鎮(zhèn)4個(gè)行政村、31個(gè)村民組.土地面積55.28 km2，喀斯特面積占94.59%，海拔1 210～1 450 m.

畢節(jié)鴨池區(qū)位于東經(jīng)104°51′～105°55′，北緯27°3′～27°46′，包括貴州省畢節(jié)市東南部的鴨池鎮(zhèn)及梨樹鎮(zhèn)部分，轄鴨池鎮(zhèn)8個(gè)行政村、76個(gè)村民組，梨樹鎮(zhèn)2個(gè)行政村、28個(gè)村民組.土地總面積41.53 km2，喀斯特面積占63.33%.

關(guān)嶺-貞豐花江區(qū)位于東經(jīng)105°36′～105°46′、北緯25°39′～25°41′，指貴州西南部安順市關(guān)嶺縣與黔西南自治州貞豐縣交界處的北盤江峽谷花江段，轄貞豐縣北盤江鎮(zhèn)4個(gè)行政村18個(gè)村民組、關(guān)嶺縣板貴鄉(xiāng)5個(gè)行政村28個(gè)村民組.總面積51.62 km2，喀斯特面積占88.07%.

1.2 數(shù)據(jù)來源

數(shù)據(jù)主要源自2000、2003、2005、2007年3個(gè)研究區(qū)SPOT衛(wèi)星影像提取的1∶10 000土地利用數(shù)據(jù)，基于地形圖提取的等高線數(shù)據(jù)，包括水系、交通、行政區(qū)劃等在內(nèi)的基礎(chǔ)地理信息數(shù)據(jù)，涉及3個(gè)研究區(qū)29個(gè)行政村的社會(huì)經(jīng)濟(jì)調(diào)查和統(tǒng)計(jì)數(shù)據(jù)，以及作者2008年暑假及2009年暑假進(jìn)行的3個(gè)典型地貌區(qū)野外調(diào)研和入戶調(diào)查.

2 喀斯特地區(qū)宜居指數(shù)

2.1 喀斯特農(nóng)村地區(qū)宜居指標(biāo)的選取和指標(biāo)體系構(gòu)建

人居環(huán)境評(píng)價(jià)指標(biāo)體系可分為環(huán)境綜合評(píng)價(jià)體系、人居環(huán)境滿意度指標(biāo)體系以及可持續(xù)發(fā)展的人居環(huán)境指標(biāo)體系3類[8]，主要是針對(duì)城市，而對(duì)農(nóng)村，特別是喀斯特地區(qū)農(nóng)村的人居環(huán)境評(píng)價(jià)至今沒有可參照的標(biāo)準(zhǔn)指標(biāo)體系.因此，本研究根據(jù)人居環(huán)境指標(biāo)體系的理論和實(shí)踐經(jīng)驗(yàn)總結(jié)，結(jié)合貴州喀斯特地區(qū)實(shí)際情況，從居住自然環(huán)境、居住經(jīng)濟(jì)環(huán)境、居住社會(huì)環(huán)境、聚居能力、可持續(xù)性5個(gè)方面構(gòu)建人居環(huán)境的評(píng)價(jià)指標(biāo)體系.自然環(huán)境、經(jīng)濟(jì)環(huán)境、社會(huì)環(huán)境是人居環(huán)境地理背景條件的基礎(chǔ)內(nèi)容，聚居能力是與居住相關(guān)的上述地理背景的進(jìn)一步延伸內(nèi)容，可持續(xù)性屬于在居住綜合環(huán)境、聚居能力基礎(chǔ)上總結(jié)的發(fā)展性內(nèi)容.

2.1.1 居住自然環(huán)境指標(biāo) 在居住自然環(huán)境指標(biāo)體系的構(gòu)建上，非喀斯特面積比率、坡度≥25°的土地面積比率是喀斯特地貌及地貌空間結(jié)構(gòu)的重要指標(biāo)，是體現(xiàn)喀斯特農(nóng)村居住自然地理環(huán)境喀斯特性質(zhì)的關(guān)鍵內(nèi)容.在此基礎(chǔ)上，從土壤、降水、溫度、水資源量、植被等方面構(gòu)建人居的自然地理環(huán)境指標(biāo)體系.另外，土壤侵蝕和石漠化是影響喀斯特地區(qū)生態(tài)環(huán)境、人居環(huán)境的關(guān)鍵因素.

本部分指標(biāo)各項(xiàng)結(jié)果獲得，其中非喀斯特面積比率、坡度≥25°的土地面積比率、輕度以上石漠化面積比率、輕度以上土壤侵蝕面積比率、植被覆蓋率等5個(gè)指標(biāo)由衛(wèi)星影像提取的土地利用、石漠化和土壤侵蝕數(shù)據(jù)以及和地形圖提前的地形數(shù)據(jù)結(jié)合分析計(jì)算得出.可耕地土壤級(jí)別、年均降雨量、≥10 ℃活動(dòng)積溫、可利用水資源總量為室外資料收集方式從縣、鄉(xiāng)鎮(zhèn)各級(jí)管理部門獲得.

2.1.2 居住經(jīng)濟(jì)環(huán)境指標(biāo) 從經(jīng)濟(jì)均量、經(jīng)濟(jì)效益、經(jīng)濟(jì)結(jié)構(gòu)3個(gè)方面構(gòu)建經(jīng)濟(jì)環(huán)境指標(biāo)，其中經(jīng)濟(jì)均量采用了比較普遍的人均GDP、人均工副業(yè)總值和經(jīng)濟(jì)密度，并考慮本研究所選擇區(qū)域主要是喀斯特農(nóng)村地區(qū)，人均農(nóng)業(yè)產(chǎn)值和外出務(wù)工收入均作為重要指標(biāo)納入指標(biāo)體系.經(jīng)濟(jì)效益則注重農(nóng)村地區(qū)主要的2項(xiàng)收入來源——農(nóng)業(yè)和打工收入，選取了農(nóng)業(yè)投入產(chǎn)出比、打工收入投入本地比重、林業(yè)生產(chǎn)效益、經(jīng)濟(jì)區(qū)位熵等指標(biāo).經(jīng)濟(jì)結(jié)構(gòu)則考慮農(nóng)業(yè)結(jié)構(gòu)、工副業(yè)結(jié)構(gòu)以及種植業(yè)占喀斯特地區(qū)主要地位的特點(diǎn)，采用了農(nóng)業(yè)結(jié)構(gòu)系數(shù)、工副業(yè)結(jié)構(gòu)系數(shù)、種植業(yè)占農(nóng)業(yè)比重、二元結(jié)構(gòu)系數(shù)等指標(biāo).

各項(xiàng)指標(biāo)的結(jié)果主要由3個(gè)研究區(qū)進(jìn)行的分村經(jīng)濟(jì)調(diào)查數(shù)據(jù)計(jì)算得出.

2.1.3 居住社會(huì)環(huán)境指標(biāo) 居住的社會(huì)環(huán)境指標(biāo)主要根據(jù)入戶調(diào)查結(jié)果從人口特征、教育水平、行業(yè)3個(gè)方面構(gòu)建社會(huì)指標(biāo).其中人口特征采用了較常用的戶人口數(shù)、性別、年齡、民族、勞動(dòng)力等指標(biāo)，教育水平則主要根據(jù)受教育程度進(jìn)行，行業(yè)則根據(jù)喀斯特地區(qū)農(nóng)村人口所從事行業(yè)的特點(diǎn)分為務(wù)農(nóng)、從事工副業(yè)和外出打工3種.

各項(xiàng)指標(biāo)的結(jié)果主要由在3個(gè)研究區(qū)進(jìn)行的分村社會(huì)調(diào)查數(shù)據(jù)統(tǒng)計(jì)得出.

2.1.4 聚居能力指標(biāo) 聚居能力指標(biāo)主要結(jié)合居住自然、經(jīng)濟(jì)、社會(huì)的各項(xiàng)因子.其中人口密度、住宅建筑密度是聚居空間格局和形式的體現(xiàn)，人均居住面積、生活用水、用電、燃料、通訊等是住宅不可缺少的因素，衛(wèi)生、治安、學(xué)校以及交通則是聚居的發(fā)展條件.

各項(xiàng)指標(biāo)的結(jié)果統(tǒng)計(jì)主要來源于實(shí)際調(diào)查，其中生活用水、用電、生活燃料、通訊、衛(wèi)生條件、治安狀況等指標(biāo)依據(jù)3個(gè)研究區(qū)總體和具體情況進(jìn)行等級(jí)劃分，成為等級(jí)數(shù)據(jù)，住宅建筑密度以分村居民點(diǎn)占土地面積的比重來得出.

2.1.5 可持續(xù)性指標(biāo) 可持續(xù)性指標(biāo)是人居環(huán)境評(píng)價(jià)發(fā)展性和目標(biāo)性的指標(biāo)，在此部分，自然、經(jīng)濟(jì)、社會(huì)及聚居能力的指標(biāo)都可以變化率或增長(zhǎng)率的形式成為可持續(xù)性指標(biāo)，但這里主要保持關(guān)鍵指標(biāo)的地位和作用.其中自然持續(xù)方面有植被覆蓋、輕度以上石漠化、輕度以上土壤侵蝕的年變化率等3項(xiàng)指標(biāo)，經(jīng)濟(jì)持續(xù)方面則考慮經(jīng)濟(jì)均量——人均GDP年增長(zhǎng)、農(nóng)業(yè)總產(chǎn)值的年增長(zhǎng)、工副業(yè)總產(chǎn)值的年增長(zhǎng)等指標(biāo)，社會(huì)持續(xù)方面主要選取人口自然增長(zhǎng)率以及適齡兒童入學(xué)率2個(gè)反映人口和教育的關(guān)鍵指標(biāo)，聚居能力持續(xù)方面則選擇人口密度和住宅密度年變化率.

以上所有可持續(xù)性指標(biāo)均是在2000、2003、2005、2008四個(gè)年度各項(xiàng)數(shù)據(jù)統(tǒng)計(jì)和分析基礎(chǔ)上計(jì)算得出的年變化率的平均數(shù).

構(gòu)建的喀斯特宜居指數(shù)指標(biāo)體系見圖1.

2.2 指標(biāo)處理

喀斯特地區(qū)地理環(huán)境和其他地貌類型區(qū)相比有很大差別，加上喀斯特地區(qū)農(nóng)村人居環(huán)境評(píng)價(jià)至今沒有可參照的標(biāo)準(zhǔn)指標(biāo)體系，因此在宜居指數(shù)評(píng)價(jià)方面，本研究仍舊就喀斯特的各項(xiàng)指標(biāo)論喀斯特人居環(huán)境.

由于選取的指標(biāo)屬性不一致，需要對(duì)指標(biāo)進(jìn)行處理.本評(píng)價(jià)體系的指標(biāo)涵蓋正向指標(biāo)、逆向指標(biāo)、適度指標(biāo)3類，需采用方法將指標(biāo)全部統(tǒng)一處理為正向指標(biāo).通過幾種處理方法的反復(fù)比較，采用倒數(shù)法即取原數(shù)值的倒數(shù)處理逆向指標(biāo)，用公式(1)處理適度指標(biāo)：

(1)

其中，k的取值一般為標(biāo)準(zhǔn)值，由于本研究采用的指標(biāo)找不到清晰的標(biāo)準(zhǔn)值對(duì)照，因此取3個(gè)研究區(qū)的平均值.經(jīng)反復(fù)驗(yàn)證，通過上述方法正向化的指標(biāo)既不改變?cè)笜?biāo)之間的差距，也不改變?cè)笜?biāo)的分布規(guī)律.

3 BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network 簡(jiǎn)稱ANN)是模擬復(fù)雜生物神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí)和智能特性的系統(tǒng)模型，具有分布式存儲(chǔ)信息、協(xié)調(diào)處理信息、信息處理和存儲(chǔ)合二為一以及對(duì)信息處理具有自組織、自適應(yīng)、自學(xué)習(xí)等特點(diǎn)[9].BP神經(jīng)網(wǎng)絡(luò)是多層前饋型神經(jīng)網(wǎng)絡(luò)，其權(quán)值的調(diào)整采用誤差反向傳播的學(xué)習(xí)方式(Back Propagation)，具有很強(qiáng)的輸入輸出非線性映射能力和易于學(xué)習(xí)和訓(xùn)練的優(yōu)點(diǎn)，是神經(jīng)網(wǎng)絡(luò)的精華部分，因此也成為ANN 技術(shù)中應(yīng)用最為廣泛的一種網(wǎng)絡(luò)類型.與傳統(tǒng)的統(tǒng)計(jì)分析模型相比具有更好的容錯(cuò)性、魯棒性和自適應(yīng)性，在預(yù)測(cè)預(yù)報(bào)、分類及評(píng)價(jià)等方面最為適用[10].

3.1 網(wǎng)絡(luò)訓(xùn)練樣本集

參照文獻(xiàn)[11]，應(yīng)用線性內(nèi)插法，通過構(gòu)建涉及3個(gè)研究區(qū)29個(gè)村，共1 624個(gè)數(shù)據(jù)的56組評(píng)價(jià)指標(biāo)的最大和最小區(qū)間，線性設(shè)定影響等級(jí).線性內(nèi)插的過程是將29個(gè)村的56組數(shù)據(jù)中的每組數(shù)據(jù)先提取最大值和最小值，再根據(jù)最大值和最小值的區(qū)間和人居環(huán)境評(píng)價(jià)的經(jīng)驗(yàn)及研究的要求，將數(shù)據(jù)通過內(nèi)插方法處理為5個(gè)等級(jí)，最后得到56組共280個(gè)訓(xùn)練用的樣本數(shù)據(jù)，作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù).然后將喀斯特地區(qū)人居環(huán)境評(píng)價(jià)目標(biāo)分為5級(jí)，由5到1分別表示人居環(huán)境質(zhì)量由高到低(5表示居住環(huán)境質(zhì)量最高，4：較高，3：一般，2：較低，1:最低)，作為輸出數(shù)據(jù)，以完成一維對(duì)應(yīng)，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)輸出輸入樣本，通過設(shè)定好輸入和輸出，構(gòu)建并訓(xùn)練具有相應(yīng)結(jié)構(gòu)、學(xué)習(xí)規(guī)則、權(quán)重和閾值的神經(jīng)網(wǎng)絡(luò)，再通過輸入各研究區(qū)的實(shí)際評(píng)價(jià)指標(biāo)，得到最終綜合評(píng)價(jià)值.

3.2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

設(shè)計(jì)包括指定輸入輸出、神經(jīng)網(wǎng)絡(luò)的層數(shù)、隱層神經(jīng)元個(gè)數(shù)、傳輸函數(shù)、學(xué)習(xí)速率和期望誤差的選取.BP網(wǎng)絡(luò)最大且唯一的特點(diǎn)是非線性函數(shù)的逼近，只含1個(gè)隱層的BP網(wǎng)絡(luò)即可完成任務(wù).

根據(jù)輸入輸出數(shù)據(jù)和研究要求，輸入層、中間隱層、輸出層之間分別采用雙曲正切Sigmoid 傳遞函數(shù)、純線性Purelin 傳遞函數(shù)，對(duì)應(yīng)MATLAB 工具箱中的Tansig(x ,b)、Purelin(x ,b)，并使用Trainlm算法進(jìn)行自動(dòng)正則化，以提高網(wǎng)絡(luò)的泛化能力.在沒有次數(shù)限定的條件下，經(jīng)過979次訓(xùn)練后，網(wǎng)絡(luò)的目標(biāo)誤差能達(dá)到要求(圖2).

3.3 訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及權(quán)重、閾值

經(jīng)訓(xùn)練后得到的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為：

輸入層56(280個(gè)樣本數(shù)據(jù))、中間層5、輸出層1(與設(shè)定好的5個(gè)級(jí)別一維對(duì)應(yīng))，因此網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為56×5×1，為比較簡(jiǎn)單的3層網(wǎng)絡(luò)結(jié)構(gòu)(圖3).

圖2 BP網(wǎng)絡(luò)訓(xùn)練過程

圖3 BP網(wǎng)絡(luò)結(jié)構(gòu)圖

經(jīng)過運(yùn)算后得到的各權(quán)值及閾值如下所述.

隱層與輸出層之間的連接權(quán)值矩陣:

W5*1=[-1.92；0.86；1；0.79；-1.86]

隱層神經(jīng)元的閾值矩陣為:

b1*4=[-1.08；-3.26；-3.56；-7.68；2.59]

輸出神經(jīng)元的閾值為:b2=[1.59]

采用Scaled共軛梯度算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行的仿真驗(yàn)證，主要檢驗(yàn)其與預(yù)設(shè)輸出等級(jí)5、4、3、2、1的回歸程度.訓(xùn)練后網(wǎng)絡(luò)的輸出與期望響應(yīng)圖見圖4.(圖中橫坐標(biāo)為期望相應(yīng)Target，縱坐標(biāo)為訓(xùn)練網(wǎng)絡(luò)實(shí)際輸出Output,Output=0.99*Target+0.015):

圖4 BP網(wǎng)絡(luò)輸出與期望響應(yīng)圖

可見訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)合理，誤差在合理范圍類，可用于綜合評(píng)價(jià)數(shù)據(jù).需說明的是，BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)速率、初始權(quán)值的選取方面比較重要，且方法多樣.其中初始權(quán)值的微小改變會(huì)帶來誤差紀(jì)錄的劇烈變化，不同的學(xué)習(xí)速率網(wǎng)絡(luò)訓(xùn)練結(jié)果也大不相同，本研究獲得的BP神經(jīng)網(wǎng)絡(luò)受一定的設(shè)計(jì)影響，因此在改進(jìn)BP算法方面需繼續(xù)深入.

4 結(jié)果與分析

將研究區(qū)各村標(biāo)準(zhǔn)化后的數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò)，得到各研究區(qū)各村的最終人居環(huán)境評(píng)價(jià)結(jié)果(表1).排名前10位的村落中，紅楓區(qū)有6個(gè)，鴨池和花江區(qū)各有2個(gè)；居住環(huán)境質(zhì)量最高的4個(gè)村中，紅楓有2個(gè)，鴨池和花江各有1個(gè)；較高的9個(gè)村中，紅楓有5個(gè)，鴨池和花江各2個(gè).

表1 3個(gè)研究區(qū)各行政村居住環(huán)境評(píng)價(jià)值Table 1 The evaluation value of country human settlements in three regions

從紅楓區(qū)居住環(huán)境較好以上的村莊各項(xiàng)指標(biāo)的貢獻(xiàn)來看，自然環(huán)境指標(biāo)貢獻(xiàn)最大，其次是經(jīng)濟(jì)環(huán)境指標(biāo)，這與實(shí)際調(diào)研的經(jīng)驗(yàn)非常一致.在貴州喀斯特山區(qū)，自然條件較好的通常是地勢(shì)平坦的小型喀斯特盆地，紅楓區(qū)就是典型的喀斯特高原盆地地貌區(qū)域，紅楓湖盆地是該區(qū)主要的地貌類型，盆地四周被喀斯特峰叢、峰林或山地環(huán)繞，中間平坦，零星分布有峰林或孤峰、溶丘，水土條件好，湖泊水系廣布，農(nóng)業(yè)發(fā)展較好，人口集聚，中小城鎮(zhèn)集中發(fā)展且具備一定規(guī)模，相應(yīng)的經(jīng)濟(jì)發(fā)展也相對(duì)其他喀斯特地貌類型區(qū)要好得多.得分最高的是簸籮村，該村地勢(shì)平坦，石漠化和土壤侵蝕情況較少，是紅楓區(qū)地理環(huán)境和經(jīng)濟(jì)發(fā)展都不錯(cuò)的區(qū)域，在作者的另一項(xiàng)關(guān)于重心的研究中，分析該區(qū)域的住宅重心和人口重心時(shí)，2個(gè)重心恰好都在簸籮村，實(shí)地走訪中也發(fā)現(xiàn)，村莊生活和諧，交通方便，且該村是本研究所有村莊中唯一有公交車的.排名靠后的竹山村，貢獻(xiàn)率最低、拖了總指標(biāo)后腿的是可持續(xù)指標(biāo)，特別是石漠化和土壤侵蝕的變化率沒有多大改變，另外經(jīng)濟(jì)和社會(huì)的可持續(xù)指標(biāo)也有所倒退.

鴨池區(qū)的各個(gè)村中，居住環(huán)境一般的有2個(gè)，較低的有5個(gè)，可見鴨池區(qū)的整體居住水平位于中下.和紅楓區(qū)相比，其自然指標(biāo)的貢獻(xiàn)率要小的多，這是因?yàn)轼喅貐^(qū)地貌上屬于喀斯特高原山地區(qū)，喀斯特峰叢和洼地地貌在該區(qū)最為常見.由于地形的起伏，村莊一般分布在洼地、山腳地帶、起伏和緩的山地交界處以及半坡地帶，相對(duì)紅楓區(qū)來說較為分散.自然條件方面，由于喀斯特山地的廣布以及喀斯特環(huán)境的脆弱性，水土流失和石漠化現(xiàn)象比平坦地區(qū)嚴(yán)重，農(nóng)業(yè)條件稍差，社會(huì)經(jīng)濟(jì)發(fā)展相對(duì)落后.該區(qū)的灣子村能位列第4，分析其各項(xiàng)指標(biāo)，主要是社會(huì)環(huán)境指標(biāo)的貢獻(xiàn)較大，該村雖然人口較多，但勞動(dòng)力比重大，勞動(dòng)力素質(zhì)高，人口結(jié)構(gòu)合理，人口增長(zhǎng)受到控制，體現(xiàn)其人居社會(huì)環(huán)境較好.

花江區(qū)的各個(gè)村整體居住水平在中下等，居住環(huán)境最差的2個(gè)村均位于花江，這一結(jié)果與實(shí)際情況也非常吻合.花江區(qū)在地貌上屬于喀斯特高原峽谷區(qū)，村落主要分布在北盤江峽谷(或花江峽谷)谷肩以上的喀斯特峰叢洼地中，這里的峰叢洼地規(guī)模明顯小于高原山地區(qū)鴨池區(qū)，地貌空間差異更大，聚落更加分散，且隨著居住用地的逐漸減少，在陡峭的峽谷兩岸甚至也有村落分布.由于高原峽谷地形的起伏和脆弱的生態(tài)環(huán)境，花江區(qū)水土流失嚴(yán)重，土壤侵蝕和石漠化一直是阻礙農(nóng)業(yè)生產(chǎn)和社會(huì)經(jīng)濟(jì)發(fā)展的最主要問題，使得該區(qū)的人居環(huán)境整體水平不高.其中的壩山村和三家寨村能夠躋身前十，分析其統(tǒng)計(jì)數(shù)據(jù)，各個(gè)指標(biāo)得分都較為均衡，但可持續(xù)性指標(biāo)的貢獻(xiàn)較大，特別是土壤侵蝕和石漠化年變化率這2個(gè)指標(biāo)，這是花江區(qū)近年來石漠化、土壤侵蝕治理好，經(jīng)濟(jì)發(fā)展和社會(huì)環(huán)境也逐漸改善的體現(xiàn).

5 結(jié)論及展望

結(jié)合研究結(jié)果以及對(duì)3個(gè)研究區(qū)喀斯特地貌特點(diǎn)、綜合地理環(huán)境背景和聚落分布的空間差異以及社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r等分析，得出：喀斯特人居環(huán)境與區(qū)域的綜合地理環(huán)境特別是自然條件密切相關(guān)，自然環(huán)境仍然是喀斯特地區(qū)人居環(huán)境的主導(dǎo)因素.區(qū)域地理環(huán)境最好的是紅楓區(qū)，地貌上屬于喀斯特高原盆地區(qū)，該區(qū)域土地利用最合理，農(nóng)業(yè)條件最優(yōu)，居住總體水平最好，聚落集聚程度最高，人居環(huán)境最好；鴨池區(qū)地理環(huán)境稍次，地貌上屬于高原山地區(qū)域，土地利用合理程度、農(nóng)業(yè)條件、住宅總體水平稍差，且因人口規(guī)模大，居住環(huán)境過于緊張而導(dǎo)致人居環(huán)境條件較差；花江區(qū)屬于高原峽谷區(qū)，生態(tài)環(huán)境最為脆弱，人居環(huán)境特別是農(nóng)業(yè)條件、土地利用程度最差，聚落最分散，但居住的文化環(huán)境較好，保留了很多區(qū)域居住文化特色.

本研究對(duì)3個(gè)典型研究區(qū)的探討在一定程度上具有代表性，其他喀斯特典型地貌區(qū)未涉及.另外，還有很多問題，如城市對(duì)農(nóng)村人居環(huán)境的影響、農(nóng)村社會(huì)空心化、經(jīng)濟(jì)發(fā)展與農(nóng)村社會(huì)空間的變化引起的農(nóng)村人居環(huán)境的變化等值得探討.人居環(huán)境是綜合研究的一個(gè)發(fā)展方向，且與居住相關(guān)的生態(tài)環(huán)境、社會(huì)環(huán)境、居住空間分異、城市化和農(nóng)村發(fā)展等問題不僅在科研領(lǐng)域具有理論和實(shí)際意義，也是關(guān)乎民生的實(shí)際問題.喀斯特地區(qū)是目前地理學(xué)科關(guān)注的熱點(diǎn)區(qū)域，其脆弱生態(tài)環(huán)境下的與居住相關(guān)的生態(tài)環(huán)境恢復(fù)問題已經(jīng)得到越來越多的重視，將喀斯特區(qū)域的實(shí)踐和人居環(huán)境的研究方向結(jié)合起來，可以不斷豐富相關(guān)的理論，并取得實(shí)際應(yīng)用價(jià)值.

[1] 楊明德.論喀斯特地貌地域結(jié)構(gòu)及其環(huán)境效應(yīng)[C]∥貴州省環(huán)境科學(xué)學(xué)會(huì).貴州喀斯特環(huán)境研究[M].貴陽:貴州人民出版社,1998:19-25.

[2] 何才華.貴州巖溶環(huán)境保護(hù)與持續(xù)發(fā)展[J].貴州師范大學(xué)學(xué)報(bào):自然科學(xué)版,2001,19(3):1-7.

[3] 彭賢偉.貴州喀斯特少數(shù)民族地區(qū)區(qū)域貧困機(jī)制研究[J].貴州民族研究,2003(4):96-101.

[4] 蘇維詞.貴州巖溶山區(qū)城市人居環(huán)境及其優(yōu)化[J].中國(guó)巖溶,1999,18(4):353-336.

[5] 蘇維詞.喀斯特山區(qū)城市地域結(jié)構(gòu)問題及其優(yōu)化對(duì)策——以貴陽市為例[J].人文地理, 2000,15(04):24-28.

[6] 蘇維詞.喀斯特山區(qū)生態(tài)城市的景觀建設(shè)模式初探——以貴陽市為例[J].水土保持研究, 2005,12(6):264-267.

[7] 侯英雨,何延波.利用TM數(shù)據(jù)監(jiān)測(cè)巖溶山區(qū)城市土地利用變化[J].地理學(xué)與國(guó)土研究,2001,17(3):22-25.

[8] 周曉芳,周永章,黃泰.人居環(huán)境及其生態(tài)線索研究[J].城市問題,2007(12):28-33.

[7] 伍世代,王強(qiáng).中國(guó)東南沿海區(qū)域經(jīng)濟(jì)差異及增長(zhǎng)因素分析[J].地理學(xué)報(bào),2008,3(2):123-134.

[8] 蔡運(yùn)龍.中國(guó)地理多樣性與可持續(xù)發(fā)展/中國(guó)可持續(xù)發(fā)展總綱：第14卷[M].北京:科學(xué)出版社,2007.

[9] 葛哲學(xué),孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與Matlab R 2007實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2007.

[10] 李雙成,鄭度.人工神經(jīng)網(wǎng)絡(luò)模型在地學(xué)研究中的應(yīng)用進(jìn)展[J].地球科學(xué)進(jìn)展,2003,18(1):68-76.

[11] 許月卿,李雙成.中國(guó)經(jīng)濟(jì)發(fā)展水平區(qū)域差異的人工神經(jīng)網(wǎng)絡(luò)判定[J].資源科學(xué),2005(1):69-73.

BPArtificialNeuralNetwork-BasedRuralHumanSettlementEnvironmentAssessmentatThreeKarstAreasinGuizhouProvince

ZHOU Xiaofang1,2*, ZHOU Yongzhang2, OUYANG Jun3
(1. Department of Tourism, South China Normal University, Guangzhou, Guangdong 510631, China; 2. Research Center for Earth Environment & Resources, Sun Yat-sen University, Guangzhou, Guangdong 510275, China; 3. School of Geography, South China Normal University, Guangzhou, Guangdong, 510631, China)

To evaluate the rural human settlement in Karst landform region of Guizhou Province, three typical areas, Hongfeng community at Qinzhen city, Yachi community at Bijie city and Huajiang community at the junction of Zhenfeng county and Guanling county are selected as the examples. Firstly, assessment index system for actual environmental conditions in Karst is established on the basis of the existing theory and practice in human settlement evaluation. Then the statistic characters about socio-economic survey data of 29 administrative villages and the structure of ANN is combined to build and train a reasonable neural network. Lastly, the BP ANN is used to assess them. Results show that Hongfeng had better human settlement communities, most of Yachi and Huajiang resident level is in the mid or lower grade, and the worst assessment is in Huanjiang. Therefore, rural living environment in Karst area closely related to regional geographic environment, especially natural conditions, and it is still the key for Karst human settlement.

2011-09-20

教育部人文社會(huì)科學(xué)青年基金項(xiàng)目(12YJCZH316)；國(guó)家十二五科技支撐計(jì)劃重大項(xiàng)目(2011BAC09B01)

*通訊作者，zhouxiaofang11@163.com

1000-5463(2012)03-0132-07

P951

A

10.6054/j.jscnun.2012.06.028

Keywords： rural human settlement; assessment; BP ANN; Karst

【責(zé)任編輯 成 文】