基于BP神經(jīng)網(wǎng)絡(luò)的未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)預(yù)警研究

李吉龍　劉新平

摘要：首先，構(gòu)建阜康市未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)指標(biāo)體系，其次確定該市各樣本點(diǎn)生態(tài)風(fēng)險(xiǎn)等級(jí)，最后運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)、訓(xùn)練，為該區(qū)域未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)預(yù)警提供對(duì)策建議。根據(jù)阜康市的地貌特征，選取6個(gè)具有代表性的樣本點(diǎn)，通過(guò)生態(tài)風(fēng)險(xiǎn)綜合指數(shù)法，結(jié)合生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)權(quán)重，確定6個(gè)樣本點(diǎn)區(qū)域內(nèi)未利用地生態(tài)風(fēng)險(xiǎn)等級(jí)。運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模擬訓(xùn)練、測(cè)試。結(jié)果表明，未利用地開(kāi)發(fā)的生態(tài)風(fēng)險(xiǎn)與地形地貌水文有直接關(guān)系；BP神經(jīng)網(wǎng)絡(luò)模型能較好地?cái)M合實(shí)際數(shù)據(jù)，仿真效果好，對(duì)未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)預(yù)警研究具有重要意義。在進(jìn)行未利用地開(kāi)發(fā)過(guò)程中，對(duì)一些地貌條件差、生態(tài)環(huán)境不穩(wěn)定的地區(qū)，要降低開(kāi)發(fā)強(qiáng)度，在未利用地開(kāi)發(fā)后的生態(tài)保護(hù)建設(shè)中，應(yīng)更多關(guān)注這些區(qū)域，加強(qiáng)對(duì)這些區(qū)域的生態(tài)保護(hù)投資。

關(guān)鍵詞：未利用地開(kāi)發(fā)；BP神經(jīng)網(wǎng)絡(luò)模型；生態(tài)風(fēng)險(xiǎn)；預(yù)警

中圖分類(lèi)號(hào)： F323.211；S126 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2015）10-0500-04

近年來(lái)，隨著我國(guó)社會(huì)、經(jīng)濟(jì)的快速發(fā)展，規(guī)模不斷擴(kuò)大的非農(nóng)建設(shè)用地將占用大量的耕地，加上生態(tài)退耕，使得中國(guó)耕地?cái)?shù)量將大大減少[1]。為緩解耕地?cái)?shù)量銳減的現(xiàn)狀，許多地方大力開(kāi)發(fā)未利用地，以無(wú)序性、單一性、不可持續(xù)性的方式挖潛未利用地，對(duì)原未利用地所處地區(qū)的生態(tài)環(huán)境造成嚴(yán)重影響。在此背景下，對(duì)區(qū)域未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)預(yù)警可以有效防止未利用地開(kāi)發(fā)向無(wú)序化、病態(tài)化、危害環(huán)境方向發(fā)展，為實(shí)現(xiàn)未利用地開(kāi)發(fā)、環(huán)境和社會(huì)效益統(tǒng)一提供參考。針對(duì)未利用地開(kāi)發(fā)利用的不合理趨勢(shì)，政府及有關(guān)學(xué)者主要圍繞耕地適宜性評(píng)價(jià)、未利用地開(kāi)發(fā)績(jī)效評(píng)價(jià)和未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)三方面做了大量研究。未利用地開(kāi)發(fā)的單方面研究較多，將耕地適宜性評(píng)價(jià)與生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)合的研究較少[2]。生態(tài)風(fēng)險(xiǎn)預(yù)警研究多采用面板數(shù)據(jù)，運(yùn)用層次分析法、綜合因子法等對(duì)生態(tài)風(fēng)險(xiǎn)進(jìn)行預(yù)警。這種方法研究的準(zhǔn)確性較高，創(chuàng)建模型容易。但由于生態(tài)風(fēng)險(xiǎn)因子有復(fù)雜、非線性的特點(diǎn)，因地而異、因時(shí)而異，因此最好選擇一種具有學(xué)習(xí)功能的模型，這樣既能滿(mǎn)足研究的動(dòng)態(tài)性，又能滿(mǎn)足研究的持續(xù)性[3]。 本研究在阜康市沙漠邊緣、沖積扇洪積扇、山地3種地貌類(lèi)型中選取具有代表性的6個(gè)樣本點(diǎn)作為研究對(duì)象，通過(guò)生態(tài)風(fēng)險(xiǎn)綜合指數(shù)法對(duì)選取的6個(gè)樣本點(diǎn)的生態(tài)風(fēng)險(xiǎn)進(jìn)行評(píng)估，并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬訓(xùn)練、測(cè)試，最后運(yùn)用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)2013年未利用地開(kāi)發(fā)利用的生態(tài)風(fēng)險(xiǎn)進(jìn)行了預(yù)測(cè)。所選取的樣本點(diǎn)盡量包含研究區(qū)域的大體地形地貌，在對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、預(yù)測(cè)時(shí)能更趨于合理性。

1 材料與方法

1.1 研究區(qū)域概況

阜康市位于新疆維吾爾自治區(qū)昌吉回族自治州境內(nèi)，地處天山東段（博格達(dá)山）北麓、準(zhǔn)格爾盆地南緣，東臨吉木薩爾縣，西與米東區(qū)接壤，南與烏魯木齊縣相望，北與阿勒泰地區(qū)福?？h相連，境內(nèi)東西最寬處約76 km，南北最長(zhǎng)處約 198 km，土地總面積8 528.8 km2。地貌特征由南向北可劃分為南部山區(qū)、中部平原、北部沙漠3個(gè)單元，因此選取3個(gè)單元內(nèi)具有代表性的6個(gè)樣本點(diǎn)作為本次研究的對(duì)象，分別為城關(guān)鎮(zhèn)（位于沖積洪積扇中部），上戶(hù)溝鄉(xiāng)、水磨溝鄉(xiāng)、三工河鎮(zhèn)（位于沖洪積扇下部），九運(yùn)街鎮(zhèn)（位于沖洪積扇中下部），滋泥泉子鎮(zhèn)（位于沙漠邊緣）。該6個(gè)樣本點(diǎn)區(qū)域內(nèi)未利用地開(kāi)發(fā)現(xiàn)狀如表1。

1.2 研究方法

1.2.1 BP神經(jīng)網(wǎng)絡(luò)基本原理 （1）BP模型結(jié)構(gòu)一般分為3層，即輸入層、隱層、輸出層。（2）從大量的離散試驗(yàn)數(shù)據(jù)中，經(jīng)過(guò)學(xué)習(xí)訓(xùn)練，調(diào)節(jié)各層與層之間的節(jié)點(diǎn)連接權(quán)wij，使網(wǎng)絡(luò)“記憶”各訓(xùn)練組。（3）通過(guò)大量的訓(xùn)練組的學(xué)習(xí)，建立起反映實(shí)際過(guò)程內(nèi)在規(guī)律的系統(tǒng)模型。

1.2.2 BP神經(jīng)網(wǎng)絡(luò)模型 設(shè)BP網(wǎng)絡(luò)的輸入層有n個(gè)節(jié)點(diǎn)，隱含層有q個(gè)節(jié)點(diǎn)，輸出層有m個(gè)節(jié)點(diǎn)，輸入層與隱含層之間的權(quán)值為νki，隱含層與輸出層之間的權(quán)值為wjk。隱含層用z表示，輸出層用y表示。隱含層的傳遞函數(shù)為f1（），輸出層的傳遞函數(shù)為f2（）。

1.2.2.1 正向傳播 （1）作用函數(shù)模型。作用函數(shù)是反映下層輸入對(duì)上層節(jié)點(diǎn)刺激脈沖強(qiáng)度的函數(shù)，又稱(chēng)刺激函數(shù)，一般取為（0，1）內(nèi)連續(xù)取值Sigmoid函數(shù)：

2 結(jié)果與分析

2.1 構(gòu)建指標(biāo)體系

根據(jù)生態(tài)系統(tǒng)的組成、功能及生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)的內(nèi)涵，結(jié)合研究區(qū)內(nèi)未利用地的實(shí)際，利用特爾非法，確定自然條件、土壤養(yǎng)分條件、景觀破碎度3項(xiàng)指標(biāo)為未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)的二級(jí)指標(biāo)。由于生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)的三級(jí)指標(biāo)過(guò)于復(fù)雜、繁瑣，運(yùn)用主成分分析法降維，選出少數(shù)幾個(gè)新的綜合指標(biāo)，構(gòu)建未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)指標(biāo)體系（表2）[5]。

2.2 樣本指標(biāo)值的代入

將所選取的6個(gè)樣本的指標(biāo)值作為輸入層（表3）。

2.3 樣本預(yù)處理

2.3.1 歸一化處理 由表3數(shù)據(jù)可以看出，原始樣本中大量綜合測(cè)評(píng)的屬性值是大于1的整數(shù)，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)所處理的數(shù)值應(yīng)為區(qū)間的數(shù)據(jù)，因此采用歸一化處理，公式如下：L=（X-Xmin）/（Xmax-Xmin），得到歸一化后的6個(gè)樣本點(diǎn)區(qū)域未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)指標(biāo)值（表4）。

2.3.2 確定網(wǎng)絡(luò)期望輸出值 運(yùn)用生態(tài)風(fēng)險(xiǎn)綜合指數(shù)法結(jié)合各指標(biāo)的權(quán)重確定生態(tài)風(fēng)險(xiǎn)各樣本的生態(tài)風(fēng)險(xiǎn)等級(jí)，計(jì)算公式如下：

式中：ERI為生態(tài)風(fēng)險(xiǎn)綜合指數(shù)；Ai為各生態(tài)指標(biāo)標(biāo)準(zhǔn)化值；Wi為各生態(tài)評(píng)價(jià)指標(biāo)權(quán)重。

采用效應(yīng)函數(shù)對(duì)所有數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，為避免人為的主觀性，采用熵值法計(jì)算權(quán)重，運(yùn)算結(jié)果如表5。

結(jié)合6個(gè)樣本點(diǎn)區(qū)域的實(shí)際條件，利用特爾非法，將生態(tài)警度區(qū)分為4個(gè)等級(jí)，即高風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)、較低風(fēng)險(xiǎn)和無(wú)風(fēng)險(xiǎn)，分別對(duì)應(yīng)重警、中警、輕警和無(wú)警（表6）。

按照輸出因子科學(xué)性、準(zhǔn)確性、直觀性的原則，運(yùn)用矢量數(shù)據(jù)表示風(fēng)險(xiǎn)等級(jí)，神經(jīng)網(wǎng)絡(luò)模型的輸出因子見(jiàn)表7。endprint

2.4 網(wǎng)絡(luò)訓(xùn)練

（1）確定神經(jīng)網(wǎng)絡(luò)層數(shù)。

對(duì)于一般的模式識(shí)別問(wèn)題用三層網(wǎng)絡(luò)可以很好地解決。因此，本研究選取三層BP網(wǎng)絡(luò)運(yùn)算。

（2）確定隱含層節(jié)點(diǎn)。

公式：N2=2N1+1。式中，N2是隱含層神經(jīng)元個(gè)數(shù)，N1是輸入層神經(jīng)元個(gè)數(shù)[6]。因此，本例隱含層的神經(jīng)元個(gè)數(shù)為12個(gè)。

（3）確定神經(jīng)元傳遞函數(shù)。

由于風(fēng)險(xiǎn)指標(biāo)具有復(fù)雜性、非線性、隨機(jī)性等特點(diǎn)，因此本研究中間層神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)tansig；又由于輸出指標(biāo)有遞增趨勢(shì)，因此采用S型對(duì)數(shù)函數(shù)logsig，其余訓(xùn)練參數(shù)的設(shè)定見(jiàn)表8。

（4）訓(xùn)練結(jié)果。

經(jīng)過(guò)575次訓(xùn)練后，網(wǎng)絡(luò)目標(biāo)誤差即可達(dá)到要求，網(wǎng)絡(luò)的期望輸出與實(shí)際輸出誤差見(jiàn)表9，訓(xùn)練結(jié)果見(jiàn)圖1。

2.5 BP神經(jīng)網(wǎng)絡(luò)的檢測(cè)

網(wǎng)絡(luò)訓(xùn)練完成后，輸入驗(yàn)證樣本數(shù)據(jù)，對(duì)該樣本進(jìn)行仿真，驗(yàn)證網(wǎng)絡(luò)的適應(yīng)性。MATLAB程序運(yùn)行結(jié)果進(jìn)行歸一化后得到驗(yàn)證樣本水磨溝鄉(xiāng)的未利用地生態(tài)風(fēng)險(xiǎn)模擬值。網(wǎng)絡(luò)模擬結(jié)果的誤差見(jiàn)表10，網(wǎng)絡(luò)仿真結(jié)果見(jiàn)圖2。

從表10可以看出，水磨溝鄉(xiāng)網(wǎng)絡(luò)模型輸出結(jié)果已經(jīng)顯示出風(fēng)險(xiǎn)級(jí)別：較低風(fēng)險(xiǎn)，誤差率不超過(guò)4%。這說(shuō)明該模型能較好地進(jìn)行生態(tài)風(fēng)險(xiǎn)預(yù)警。BP神經(jīng)網(wǎng)絡(luò)模型需要更多的訓(xùn)練樣本， 以便網(wǎng)絡(luò)學(xué)習(xí)，這會(huì)使模型有更強(qiáng)的容錯(cuò)性，一般誤差在12%左右即可滿(mǎn)足訓(xùn)練要求。

2.6 BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)

生態(tài)風(fēng)險(xiǎn)預(yù)測(cè)需要有生態(tài)風(fēng)險(xiǎn)指標(biāo)值和至少6年的生態(tài)風(fēng)險(xiǎn)程度作為樣本。以前3年為輸入樣本，以第4年為輸出樣本，共有7個(gè)樣本。本研究大體選取2005—2012年7個(gè)訓(xùn)練樣本，經(jīng)預(yù)測(cè)2013年的該研究區(qū)域生態(tài)風(fēng)險(xiǎn)值y1=0.402 5，由于篇幅有限不過(guò)多陳述。

3 討論

本研究運(yùn)用構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)6個(gè)訓(xùn)練樣本的生態(tài)風(fēng)險(xiǎn)程度得出如下結(jié)論：高風(fēng)險(xiǎn)包括滋泥泉子鎮(zhèn)，較低風(fēng)險(xiǎn)包括九運(yùn)街鎮(zhèn)，低風(fēng)險(xiǎn)包括上戶(hù)溝鄉(xiāng)、水磨溝鄉(xiāng)、三工河鎮(zhèn)，無(wú)風(fēng)險(xiǎn)包括城關(guān)鎮(zhèn)。

經(jīng)過(guò)分析研究，筆者認(rèn)為生態(tài)風(fēng)險(xiǎn)很大程度和地形地貌有直接關(guān)聯(lián)。例如城關(guān)鎮(zhèn)位于沖洪積扇中部，山區(qū)坡地較多，土壤質(zhì)地以粉沙壤和壤土為主，沒(méi)有生態(tài)風(fēng)險(xiǎn)。上戶(hù)溝鄉(xiāng)、水磨溝鄉(xiāng)、三工河鎮(zhèn)位于沖洪積扇下部，土壤質(zhì)地以粉沙壤為主。九運(yùn)街鎮(zhèn)位于沖洪積扇中下部，土壤以粉沙壤為主，有部分黏壤土。滋泥泉子鎮(zhèn)位于沖擊洪積扇的下部，沙漠邊緣，土壤以粉沙壤為主，還有少量的黏土。通過(guò)觀察可以發(fā)現(xiàn)，6個(gè)樣本點(diǎn)位于沖擊洪積扇的上下部以及沙漠邊緣的生態(tài)風(fēng)險(xiǎn)高，位于沖擊洪積扇中部的生態(tài)風(fēng)險(xiǎn)較低，靠近山區(qū)的生態(tài)風(fēng)險(xiǎn)低。這說(shuō)明在進(jìn)行未利用地開(kāi)發(fā)過(guò)程中，對(duì)一些地貌條件差、生態(tài)環(huán)境不穩(wěn)定的地區(qū)，要降低開(kāi)發(fā)強(qiáng)度，在未利用地開(kāi)發(fā)后的生態(tài)保護(hù)建設(shè)中，應(yīng)更多關(guān)注這些區(qū)域，加強(qiáng)對(duì)這些區(qū)域的生態(tài)保護(hù)投資。

單項(xiàng)指標(biāo)的預(yù)警對(duì)于BP神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)有些難度。BP神經(jīng)網(wǎng)絡(luò)本身屬于一種黑箱似的模型，而單項(xiàng)預(yù)警就涉及到每個(gè)指標(biāo)的警度都需要警限來(lái)分類(lèi)。一個(gè)黑箱模型很難將其他約束條件容納進(jìn)來(lái)。因此，筆者認(rèn)為可以嘗試將警限作為訓(xùn)練樣本，將訓(xùn)練好的網(wǎng)絡(luò)模型應(yīng)用到生態(tài)風(fēng)險(xiǎn)指標(biāo)當(dāng)中[3]。例如，可以用訓(xùn)練好的網(wǎng)絡(luò)對(duì)生態(tài)風(fēng)險(xiǎn)單項(xiàng)指標(biāo)進(jìn)行仿真，y=sim（net，p′）；此處net即是訓(xùn)練好的網(wǎng)絡(luò)，p′是通過(guò)網(wǎng)絡(luò)被分類(lèi)的樣本。經(jīng)測(cè)算該方法精度不高，但也大體能對(duì)單項(xiàng)指標(biāo)預(yù)警。

4 結(jié)論

生態(tài)風(fēng)險(xiǎn)綜合評(píng)價(jià)法結(jié)合樣本的權(quán)重，確定區(qū)域樣本的風(fēng)險(xiǎn)等級(jí)。運(yùn)用BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、預(yù)測(cè)功能，可以為該區(qū)域的未利用地開(kāi)發(fā)生態(tài)風(fēng)險(xiǎn)預(yù)警提供合理對(duì)策建議。

生態(tài)風(fēng)險(xiǎn)預(yù)警是一個(gè)系統(tǒng)性的研究，應(yīng)避免研究的片面化、單一化。所以筆者在結(jié)尾處，對(duì)生態(tài)風(fēng)險(xiǎn)的單一指標(biāo)預(yù)警以及生態(tài)風(fēng)險(xiǎn)預(yù)測(cè)做了粗略的陳述。

參考文獻(xiàn)：

[1]王筱明，閆弘文，卞正富. 基于適宜性的濟(jì)南市宜耕未利用地開(kāi)發(fā)潛力評(píng)估[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：307-312.

[2]張鳳榮，郭力娜，關(guān)小克，等. 生態(tài)安全觀下耕地后備資源評(píng)價(jià)指標(biāo)體系探討[J]. 中國(guó)土地科學(xué)，2009，23（9）：4-8，14.

[3]李春華，李 寧，駱華瑩，等. 中國(guó)耕地資源安全模式識(shí)別的PNN神經(jīng)網(wǎng)絡(luò)方法[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2011，27（26）：181-186.

[4]方 健，李自品，彭 輝，等. 基于主成分分析法的BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用[J]. 變壓器，2011，48（1）：47-51.

[5]張維宸，劉建芬. 人工神經(jīng)網(wǎng)絡(luò)分類(lèi)及其在遙感調(diào)查中的應(yīng)用[J]. 中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào)，2002，13（4）：96-98.

[6]陳如云. 基于BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究[J]. 微計(jì)算機(jī)信息，2007，23（24）：258-259.潘玫玫. 基于自適應(yīng)改進(jìn)小波閾值模型的農(nóng)業(yè)圖像去噪[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（10）：504-506.endprint