基于改进模型的广州市土地资源安全预警研究

基于改进模型的广州市土地资源安全预警研究

土地资源安全是指一个国家或地区的所有土地资源能够稳定地提供给可持续发展，并具有良好的支持性。土地资源安全不仅影响着农业发展、农民增收和整个农业的基础地位,影响工业、服务业等二、三产业的发展,进而涉及整个国民经济的发展。广州市已经实现连续5年13%以上的经济增长率,伴随着经济总量和人口的迅速增加以及2010年亚运会建设等重大项目的全面实施,“南拓北优、东进西联”城市发展格局的落实,广州市城市空间和城市建设用地将进一步拓展。然而,广州市后备土地资源严重缺乏,人口快速增长对土地资源压力越来越大,这些已经成为制约城市发展的瓶颈性因素。因此,建立一个规范可行的土地资源安全预警系统,具有十分重要的意义。1土地利用安全预警系统框架土地资源安全预警的核心是建立在资源、环境与经济三者的相互作用关系,最终目标是实现科学、持续的土地利用模式,其安全预警系统框架(如图1)。1.1建立土地利用基础数据库利用3S技术对广州市土地利用动态监测不仅包括对土地利用数量、质量、结构和空间分布的监测,还应包括对土地生态环境监测以及土地权属的调查,从而迅速地建立准确、详实的土地利用基础数据库,以便能及时掌握广州市土地利用动态变化趋势和空间结构的演变规律。1.2建立土地资源安全综合评价体系,加强土地资源承载力研究,提高土地资源承载力以提高土地资源整体质量土地资源安全评价包括单项评价和综合评价,单项评价是综合评价的基础,综合评价是对土地资源系统整体的辨识和评价,更能反映土地资源安全的真实状况。土地资源安全综合评价应该包括土地资源食物安全评价、生态安全评价、经济安全评价、产权和文化安全评价,同时还要加强土地资源承载力的研究。现在土地利用变化的生态效应研究和土地资源承载力的研究已经成为土地资源安全研究的热点。1.3土地资源动态变化过程中出现的警情土地资源安全警情预测子系统一般包括发现警情→分析警兆→判断警度→警情排除四个逻辑过程。警情是指土地资源动态变化过程中出现的极不正常的现象,也就是已经出现或将来可能出现的问题,发现警情是预警的前提。警兆是指警情爆发之前的一种预兆,是警源到警情的中间状态,分为景气警兆和动向警兆,景气警兆属于内生变量,是土地资源安全预警所能选取的指标,动向警兆属外生变量,只能作为定性分析时的依据。1.4加强宣传,提高国民对土地的关注度土地管理部门首先要做好良好的预警分析基础数据收集渠道,组织人员进行周期性资源安全评价和预警分析,定期地发布土地资源安全指数,以使公众直观、形象地了解土地资源安全状况,提高国民对土地安全的关注度,树立全社会自觉遵守土地管理法规的新风尚。2研究区土地资源安全程度的分析国内外已经对土地资源安全警兆有了大量的研究,虽然概念的表述不尽相同,采取的方法也不一样,但本质上都是强调特定时期内研究区的土地资源安全程度的大小,以及这种影响大小对社会经济发展影响的角度进行分析。从定量的角度,主要的土地资源安全警兆的数学表达式(如表1)。3rbf是基于径向函数的土壤资源安全的综合评价3.1神经元自适应网络ykj的输出误差设某一训练输入模式为Xk=(xk1,xk2,...,xkn)T,网络实际输出为Yk=(yk1,yk2,...,ykn)T,则有Ykj=f(wijxki)=f(n-1∑j=1wixj-Τ)Ykj=f(wijxki)=f(∑j=1n−1wixj−T)对应输入XK的期望输入Y′k,则输出误差为:Ek=12m∑j=1(y′kj-ykj)2由最速下降法可知,各层神经元权系数修正的迭代方程为:∂kj={(y′kj-ykj)fj(netkj)(1-fj(netkj)对输出层fj(netkj)(1-fj(netkj))∑jδΗwkj对输出层wij(k+1)=wij(k)+μδkjxki其中:netkj=j∑iwijxkiykj=fj(netkj)=11+e-netkj径向基函数(RadialBasisFunction)神经网络是一种新颖有效的前馈式神经网络,它在逼近能力、分类能力和学习速度等方面均优于BP网络。RBF神经网络由三层组成,其结构(如图2),输入层节点只传递信号到隐含层,隐含层节点由高斯函数构成,输出层节点是简单的线性函数。3.2评价因子设有n个土地安全样本组成的样本集合,每个样本有m项评价因子,由有实测指标矩阵,其中m为评价因子,n为样本数。样本1样本2⋯样本3Xm×n=[X11X12⋯X1nX21X22⋯X2n⋮Xm1Xm2⋯Xmn]因子1因子2⋮因子m在将样本数据输入网络之前,首先对评价因子进行无量化处理。可以采用下式进行标准化处理:Xj=(xj-xmin)/(xmax-xmin)其中,Xi是输入或输出数据,xi就是变量标准化后的结果,xmax、xmin分别为变量的最小值、最大值。3.3网络的学习一般函数MATLAB是一种科学计算软件,专门以矩阵的形式处理数据。能将高性能的数值计算和可视化集成在一起,并提供了大量的内置函数。其中工具箱函数newrb可用于设计径向基函数网络。函数的调用形式为:net=newrb(Ρ,Τ,GΟAL,SΡREAD,ΜΝ,DF)其中,P、T分别为输入样本矢量集和输出目标矢量集构成的矩阵,SPREAD是扩展常数,其缺省值为1;GOAL表示目标误差;MN表示最大神经元个数;DF表示迭代过程的显示频率。函数net为生成的网络对象,net中的权值和阈值使得神经网络在输入为P时可以近似输出T。径向基函数神经网络RBF具有自适应性、自组织性、容错性和动力学复杂性,非线性信息处理能力强等优点,已经广泛应用于预测、评价、聚类分析等领域。在土地资源安全综合评价中,人工神经网络自学习的最小熵特征能最大的识别土地资源安全指数变化规律;其多维的非线性映射能力可以综合考虑传统模型所忽略的各种因素;其优化能力有利于克服“维数灾”的问题。3.4实证分析结果土地资源安全警度的划分可采用专家咨询法或专家调查法(Delphi法),由土地管理部门经综合测试评判设定,本文对广州市进行实证分析时,采用的方法是非线性插值法,即将分级的标准加密1倍,分为10个更小的级别,分别对应上面给出的5个警度等级,结果(见表2)。4使用实例4.1发展网络精神,提高网络的内在和外推性能RBF神经网络训练样本应具有3个特征:致密性、遍历性和相容性,这就决定了样本的选择一方面要尽可能全面地反映研究对象的工作过程和参数特征,而且也应具有较好的内插和外推性能。一般来说训练样本数越多,训练结果越能反映其内在规律,但样本的获取往往受客观条件的限制。此外当样本数多到一定程度时,网络的精度也很难再提高,因为随着样本数也将随着噪声的增大而增多。目前网络训练应选用的样本和数目还没有一个普遍适用的固定规律,但所选择的样本应该是包含上下界限、足够数量的能代表整个训练特征的样本,根据经验,广州市土地安全综合评价时选择的样本和指标值如下表3。4.2检验样本的训练结果经过对原始数据尺度变换与压缩处理,样本数据加载到MATLAB6.5并编制程序运行。当目标误差GOAL取0.000001,扩展常数值SPREAD取47时,训练样本的最大误差为3.53%。检验样本的训练结果如下表4。由表4可以看出,广州市1998～2004年土地资源综合安全指数一直呈下降趋势,新千年来逐步开始由轻警向中警状态过渡,2004年土地资源综合安全指数为0.568,土地资源安全处于较不安全或较差水平,整体安全水平仍较低。广州地处南亚热带,海洋性气候明显,是珠江三角洲最富庶组成部分,土地利用潜力高,在自然状态下土地资源应呈现出无警状态。但在城市化快速发展过程中由于对土地资源大肆开发利用,土地生态环境质量下降,地力消耗过度,人地矛盾十分突出,从表3中可以看出在研究期效益型指标数值全部呈下降趋势,直接导致土地资源综合安全水平的降低。5建立土地资源安全评估模型1)通过对广州土地资源安全预警系统原理、指标和方法的构建,可以为城市土地资源安全预警奠定的基础。目前对区域土地资源安全特别关注,但尚未有一个普遍的标准来衡量,对土地资源安全综合指数预警警戒值的制定还有值得商榷之处,这是今后研究的重点。2)广州市是土地资源安全较脆弱的地区,人为因素是其主要驱动力。通过建立土地资源安全预警系统和安全评估模型的构建,采用人工神经网络RBF模型进行综合评价表明广州市土地资源安全水平正处于由轻警向中警的过渡状态。3)与指数评价法和模糊