gis支持下的土地适宜性评价方法综述

gis支持下的土地适宜性评价方法综述

一般来说，土地利用评估是基于特定使用方法的特定要求制定的最合适土地利用方法。基于不同的土地利用内涵与应用方式的理解,土地适宜性评价形式不同。有必要明确土地利用与土地覆盖这两个概念。从广义上讲,土地覆盖描述的是地球表层在自然状态下的覆盖、下垫面覆盖以及人工建筑等;而土地利用是人类采取的土地覆盖方式,它包括采取某种利用方式的目的以及生物物理过程。基于不同的空间尺度,土地利用内涵不同。在大尺度上,土地利用表示资源利用;在小尺度上(如某个城市),土地利用意味着为不同的土地利用方式寻找最适合的潜在位置。但是在确定的尺度和研究区域,土地利用包括选取不同的土地利用方式、某种土地利用方式下的利用模式以及相应的强度和范围等。在进行适宜性评价时,有必要区分位置选取和位置搜索这两个问题。如果某种土地利用候选区域情况(如所在位置、范围以及其他属性)都是确定的,研究者的目标就是确定最适合的特定位置,对各个候选区域进行分级评估,这便是位置选取的问题。如果没有候选区域的范围位置信息,就必须采取一定的方法确定评价单元,然后进行评价,这便是土地利用适宜位置搜索问题,其研究目的是确定适合位置的边界。两种问题都包括基于某种利用方式的要求,确定每个研究单元的适宜级别。位置搜索问题中,除确定适宜级别外,还需根据评价标准汇总基本观测单元的值,确定它的空间属性,如形状、邻接性、紧密性信息等。本文的适宜性评价概念是广义上的,它包括位置搜索问题。GIS支持下的土地适宜性评价是用户通过GIS系统对相关地理对象(图层)交互地输入、显示、分析以及结果输出的过程,空间分析和推理是问题的核心,辅助决策是最终目的。从最初的数据到用于辅助决策的信息,基于GIS的土地适宜性评价包括数据、用户参与以及辅助评价的方法等几个不可缺少的要素。与其他应用领域一样,GIS通过支持建设者、规划者、决策者等不同人群的参与来达到社会化的目的。基于GIS的土地适宜性评价技术在诸多方面的应用,以及其他相关技术(如网络和人工智能技术)的发展,导致新的土地适宜性评价方法不断涌现。1支持gis支持下土地适应性评价方法1.1评价工作者不了解和操作评价因子叠加分析方法就是将不同的评价因子图层进行叠加分析,综合形成一个总的评价图,操作中用得最多的是布尔运算和加权综合法。叠加分析方法的优点是容易理解和操作,因此应用广泛。但是,在进行加权综合分析操作时,很多时候操作者并没有很好地理解那些评价因子以及赋予它们相应权重的意义。而且,各评价因子标准化和归一化的方法在很多情况下并不恰当,同时该方法假定各个评价因子之间没有相关性。而评价工作者并不了解或忽略了这些假设,由此导致了一些不正确的结论。叠加分析方法将复杂的适宜性分析评价过程简化为几个评价因子的问题,而不是多因素、多方面的综合判断,因为这种综合很难在计算机中表示出来。1.2基于不同地理要素的模型多指标决策模型克服了传统的叠加分析方法的不足,GIS支持下的多指标决策模型可以看作是将空间与非空间数据综合为决策性结论的过程,多指标决策模型定义了输入与输出图层之间的关系。包括地理数据的处理、决策者的喜好以及根据某种决策规则进行的选择等,它将地理数据与决策者的喜好综合为一个一维的对应于多种选择方案的数值。按照决策规则不同,又可分为多目标决策模型和多属性决策模型。多目标决策模型侧重于数学模型运算,而多属性决策模型侧重于数据方面。多属性决策模型是一种离散的模型,它假设每一种选择方案都已经具体地给出,而在多目标决策模型中,可选方案则是在过程中产生的。1.2.1多目标优化问题该模型通过定义多个决策目标的功能变量以及对这些变量施加限制条件的决策模型来确定可选方案,通过一系列的决策变量对决策方案进行详细的定义。它往往采取将这些变量转化为单目标问题,并且运用线性运算的方法予以解决。这种线性运算的方法可以用来优化土地利用,产生不同的规划方案,同时分析决策变量和限制因子的关系。多目标模型的优点是它将地租和机遇成本等要素纳入考虑范畴。但是随着问题复杂性的增大,特别是适宜位置选取问题被定义为线性变量,限制了该方法的深入应用。启发式算法一定程度上可以解决这一问题,但并不保证能有一个最优解,很多时候只是近最优解。多目标模型面临的根本问题是:它无法将不同土地利用方式的选择看作是一种包含邻接性和整体性的空间模式;并且优化算法软件包与GIS软件集成困难,它复杂的数学运算较难在GIS环境中实现。由此引入了更容易在GIS环境中实现的多属性模型。1.2.2多指标决策模型中的应用20世纪90年代以来,一系列多属性模型评价方法在GIS环境中得以实现。相对权重值法和布尔逻辑运算是其中最简单和最直接的方法。决策者首先确定每个属性(评价因子)的相对权重,将每种属性的权重值乘以该属性的所得分值,然后相加得到总分值,选择总分值最大的方案。这种方法简单易行,一般的GIS都能实现,但也存在一些缺陷。层次分析法(AHP)是应用较多的方法之一,它是将问题元素分解成目标、准则、方案等层次,在此基础上进行定性和定量分析的决策方法。这种方法是在对复杂决策问题的本质、影响因素及其内在关系等进行深入分析的基础上,利用较少的定量信息使决策的思维过程数字化,从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。基于这些优点,层次分析法在土地利用规划协同决策方面得到很好的应用,但也有人对其理论上的功能质疑。总的来说,多指标决策模型面临一些问题。首先输入GIS系统的数据具有不确定性、不精确性和模糊性。其次,它必须将不同量纲的指标进行标准化处理,不同的标准化处理方法可能导致不同的结果。最常用标准化处理方法是线性变换法,但该方法在理论和经验方面均未有好的校正方案。再者,究竟某个特定的区域该采取何种土地利用措施仍是一个问题,还有很多有关决策支持的问题没有解决。如将多指标决策方法用于是否适合建造住房的评价时,两种方案的支持率都在30%左右,给最终决策带来难题。人工智能方法有望解决这一问题。1.3人工智能的重要性空间信息技术的发展表明人工智能为土地适宜性分析与规划问题的研究提供了新的机遇。从广义上讲,人工智能包括所有能够辅助人们在模拟决策中的计算技术。与其他方法所不同的是,它能较好地容忍不确定性、模糊性以及不准确性等。人工智能方法包括人工神经网络、遗传算法、模糊数学、元胞自动机等。1.3.1评价方法所需的确定在一个复杂的土地利用适宜性评价系统中,有时很难给出常规评价方法所需的准确数值,在某些时候适宜与不适宜的边界并不太明显。在确定边界时有很大的不确定性,因此引入模糊数学的方法。模糊数学方法面临的最大难题是隶属函数的确定问题。1.3.2bp网络方法人工神经网络模型模拟人脑的功能,具有自组织、自适应的能力。误差反向传播人工神经网络(BP网络)是应用最广泛的人工神经网络之一。BP网络方法包括训练学习和应用两个过程。训练学习就是根据输入输出不断调整网络节点值的过程。人工神经网络模型用于土地适宜性评价就如一个自适应的不断调整的系统,用户可以将更多的精力关注问题本身而不是具体的技术细节,因此被不少研究者所采纳。其缺点是对训练数据的依赖性大,用户并不清楚如何优化网络结构。1.3.3土地适宜性评价中传统搜索算法和遗传算法在土地适宜性评价中应用不充分的问题它是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。由于其具有健壮性,特别适合于处理传统搜索算法解决不好的、复杂的和非线性问题,在土地适宜性评价中得到较好的应用。但遗传算法只是一种找到近最优解的方法,并不能保证找到最优解。而且很多时候人们知道如何将遗传算法的抽象框架运用于具体的实际问题。如果能很好地描述问题空间和解决方案,也许并不需要遗传算法。1.3.4土地适宜性评价的应用把一个长方形平面分成若干个网格,每一个格点表示一个细胞或系统的基元,它们的状态赋值为0或1,在网格中用空格或实格表示,在事先设定的规则下,细胞或基元的演化就用网格中的空格与实格的变动来描述,该模型就是元胞自动机。元胞自动机(CellularAutomata,CA)可以很好地模拟系统从最初的简单状态通过动态的交互过程演化为一个复杂系统的过程。CA模型可以与多指标模型等方法结合,在GIS系统中实现多种方法的集成。CA模型与代理技术结合,基于GIS的代理模型将为土地适宜性评价提供强有力的工具。总的来说,以下情况适合采用人工智能方法:1)存在大量的不可预料的非线性数据;2)隐含着对于解决问题重要的解决模式;3)决策情况和人们的意见不能很好地定义。基于GIS的土地适宜性评价方法从最简单的叠加分析发展到多指标分析、人工智能方法以及多种方法的综合。目前,经典的叠加分析方法仍是运用最广泛的。叠加分析方法的不足在于它没有很好地将GIS和决策过程结合起来。多指标决策模型在一定程度上解决了这些问题,但未能很好地解决指标的标准化问题以及权重确定方法等。这些问题在人工智能方法中部分得到解决,但人工智能方法最大不足在于它采取“黑箱”式的分析问题风格。2气候条件概况福建省漳州市管辖漳浦县、云霄县、诏安县、东山县、南靖县、平和县、长泰县、华安县以及龙海市和芗城区、龙文区。该市位于东经116°53′~118°09′、北纬23°32′~25°13′之间,处于福建省的最南部,地势西北高、东南低。地貌复杂,有中山、低山、丘陵、台地、平原。漳州市气候温和,属南亚热带季风性湿润气候。年均温21℃左右,年日照超过2000h,无霜期330d以上,年平均降水量1500mm左右。2.1评估步骤2.1.1农作物品种评价在明确了进行评价的农作物对象后,用户可根据经验和研究区实际情况,选取一定的评价指标和评价标准,确定该作物的生态指标库或直接引用系统原有的生态指标库。一是确定评价对象:农作物品种包括各种粮食作物、经济作物、蔬菜、花卉、果树、茶树品种等,用户可根据需求选择感兴趣的作物品种;二是建立评价指标体系:在确定进行适宜性评价的农作物品种后,用户根据该作物对气候、土壤、地形等的要求,选定影响该作物生长的因素;三是确定评价标准:确定所有评价指标对该农作物品种的适宜范围,如将适宜性级别分为非常适宜、较适宜、临界适宜以及不适宜四级,然后确定各评价指标对应各适宜级别值的范围。对于非专业用户,系统可从生态指标库中提取其相应的专家知识供用户参考,如果满意可确定通过;否则可对其进行调整,直至建立合适的评价标准为止。2.1.2叠加分析结果图斑评价单元的划分应客观地反映出土地在一定时间和空间上的差异。本研究采用各图层叠加后生成的叠加分析结果图的图斑作为评价单元,能最大限度地保证同一评价单元内土地基本属性的一致性,同时避免评价单元选取过细造成的数据运算量过大。2.1.3评价模型构建在建立作物的生态指标库并确定评价单元后,采用经验指数和法,即根据用户选择的影响农作物生长的气候、土壤、地形等指标,按影响强度进行经验和统计分级,然后用各因子之和的相应数来表示对应的适宜性级别。评价模型为:S=Σi=1nWiSiS=Σi=1nWiSi式中:S为每个评价单元的农作物种植适宜性综合评价指数;Wi为第i个评价因子的相对权重;Si为第i个评价因子的土地适宜度;n为评价因子个数。2.2适宜性地区分析按照前面的评价步骤,通过GIS系统,得到用户感兴趣作物的适宜性评价结果图(图1)。从图1可以看出,漳州市大部分地区适宜或较适宜荔枝种植,特别是漳州市东部和东南部地区。用户可查询非常适宜或适宜区域目前的土地利用状况,以及临界适宜或不适宜区域的限制因素等,以便为进一步的土地开发利用提供参考依据。3公众参与土地评价过程中的困难基于GIS的土地适宜性评价方法经历了从简单的叠加分析到多指标分析到人工智能以及多种方法综合的过程。指标的选取和标准化、权重的确定以及如何将GIS和决策过程结合,始终是评价方法研究的关键。为了更好地发挥GIS在土地适宜性评价中的作用,GIS从专家型向开放式社会化方向发展势在必然。在利用GIS进行土地适宜性评价的过程中,存在技术和政策两方面的困难,主要表现为:准确性、可达性、责任与义务等。现实世界与用于表达模拟现实世界的数据(地理对象和相关属性)之间总是存在误差,这就导致准确性问题。并且,在评价过程中用户很容易被误导,只考虑地理对象本身而忽略了它所代表的现实世界。因此不能忽视主观信息和客观信息的综合处理,在分析评价中结合群众的参与意见,在