基于BP神经网络的贵州3个喀斯特农村地区人居环境评价

周晓芳, 周永章, 欧阳军

(1.华南师范大学旅游管理系, 广东广州 510631；2.中山大学地球环境与地球资源研究中心, 广东广州 510275；3.华南师范大学地理科学学院, 广东广州 510631)

基于BP神经网络的贵州3个喀斯特农村地区人居环境评价

周晓芳1,2*, 周永章2, 欧阳军3

(1.华南师范大学旅游管理系, 广东广州 510631；2.中山大学地球环境与地球资源研究中心, 广东广州 510275；3.华南师范大学地理科学学院, 广东广州 510631)

选取具有代表性的贵州省清镇红枫区、毕节鸭池区以及关岭-贞丰花江区作为研究对象，在分析喀斯特人居环境研究现状以及人居环境评价理论和实践的基础上，结合喀斯特地区的实际环境条件构建宜居指数，对喀斯特农村的村落人居环境进行评价.构建并训练得到合理的神经网络，评价结果显示，居住环境最好和较好的村落以红枫区最多，鸭池和花江区的村落大部分处于中下水平，且花江区的部分村落评价结果最差.说明喀斯特地区人居环境与区域综合地理环境和自然条件密切相关，自然环境仍然是喀斯特地区人居环境的主导因素.

农村人居环境； 评价； BP神经网络； 喀斯特

资料[1-2]显示，中国960万km2的土地上，喀斯特分布面积超过124万km2，约占全国总面积的13%.贵州喀斯特分布面积为13万km2，占全省土地面积的73%，不仅在全国独一无二，在世界也是罕见的.过去的数十年间，贵州土地利用不当和不合理的人为活动，环境污染、水土流失、自然灾害频繁等生态系统退化问题明显，加剧了喀斯特地区的贫困[3].

针对喀斯特环境的脆弱性问题以及如何保护环境的研究一直占有重要地位，近年来具体到人居环境层次的研究，则主要以喀斯特城市为主，例如以贵阳市人居环境优化研究、喀斯特山区城市用地结构问题、城市生态空间建设模式[4-6]，以及利用GIS技术对喀斯特地区城市土地利用结构进行的研究[7].

我国在喀斯特地区的综合研究还很薄弱[8].本文以人居环境为综合研究的对象和途径，一定程度上弥补了喀斯特地区综合研究的不足.另外，与城市大量的人居环境研究相比，对山地和乡村的研究还停留在阐述现状、提对策阶段，形成我国人居环境研究领域重城市、轻乡镇，重平原、轻山地的特点以及人居环境城乡研究的二元性.本研究关注喀斯特农村地区，采用BP神经网络的评价方法进行人居环境综合评价，对喀斯特农村地区城镇规划、社会主义新农村建设、区域可持续发展等方面具有一定的实践意义.

1 研究区域和数据来源

选取贵州省西北部、中部、西南部3个地区，其自然环境、经济发展和社会文化在区域上都具有代表性.

1.1 3个研究区概况

清镇红枫区位于东经106°07′～106°33′，北纬26°21′～26°59，包括贵州省中部清镇市西南的红枫湖及其水系周围的红枫湖镇及站街镇部分，含红枫湖镇6个行政村、36个村民组，站街镇4个行政村、31个村民组.土地面积55.28 km2，喀斯特面积占94.59%，海拔1 210～1 450 m.

毕节鸭池区位于东经104°51′～105°55′，北纬27°3′～27°46′，包括贵州省毕节市东南部的鸭池镇及梨树镇部分，辖鸭池镇8个行政村、76个村民组，梨树镇2个行政村、28个村民组.土地总面积41.53 km2，喀斯特面积占63.33%.

关岭-贞丰花江区位于东经105°36′～105°46′、北纬25°39′～25°41′，指贵州西南部安顺市关岭县与黔西南自治州贞丰县交界处的北盘江峡谷花江段，辖贞丰县北盘江镇4个行政村18个村民组、关岭县板贵乡5个行政村28个村民组.总面积51.62 km2，喀斯特面积占88.07%.

1.2 数据来源

数据主要源自2000、2003、2005、2007年3个研究区SPOT卫星影像提取的1∶10 000土地利用数据，基于地形图提取的等高线数据，包括水系、交通、行政区划等在内的基础地理信息数据，涉及3个研究区29个行政村的社会经济调查和统计数据，以及作者2008年暑假及2009年暑假进行的3个典型地貌区野外调研和入户调查.

2 喀斯特地区宜居指数

2.1 喀斯特农村地区宜居指标的选取和指标体系构建

人居环境评价指标体系可分为环境综合评价体系、人居环境满意度指标体系以及可持续发展的人居环境指标体系3类[8]，主要是针对城市，而对农村，特别是喀斯特地区农村的人居环境评价至今没有可参照的标准指标体系.因此，本研究根据人居环境指标体系的理论和实践经验总结，结合贵州喀斯特地区实际情况，从居住自然环境、居住经济环境、居住社会环境、聚居能力、可持续性5个方面构建人居环境的评价指标体系.自然环境、经济环境、社会环境是人居环境地理背景条件的基础内容，聚居能力是与居住相关的上述地理背景的进一步延伸内容，可持续性属于在居住综合环境、聚居能力基础上总结的发展性内容.

2.1.1 居住自然环境指标 在居住自然环境指标体系的构建上，非喀斯特面积比率、坡度≥25°的土地面积比率是喀斯特地貌及地貌空间结构的重要指标，是体现喀斯特农村居住自然地理环境喀斯特性质的关键内容.在此基础上，从土壤、降水、温度、水资源量、植被等方面构建人居的自然地理环境指标体系.另外，土壤侵蚀和石漠化是影响喀斯特地区生态环境、人居环境的关键因素.

本部分指标各项结果获得，其中非喀斯特面积比率、坡度≥25°的土地面积比率、轻度以上石漠化面积比率、轻度以上土壤侵蚀面积比率、植被覆盖率等5个指标由卫星影像提取的土地利用、石漠化和土壤侵蚀数据以及和地形图提前的地形数据结合分析计算得出.可耕地土壤级别、年均降雨量、≥10 ℃活动积温、可利用水资源总量为室外资料收集方式从县、乡镇各级管理部门获得.

2.1.2 居住经济环境指标 从经济均量、经济效益、经济结构3个方面构建经济环境指标，其中经济均量采用了比较普遍的人均GDP、人均工副业总值和经济密度，并考虑本研究所选择区域主要是喀斯特农村地区，人均农业产值和外出务工收入均作为重要指标纳入指标体系.经济效益则注重农村地区主要的2项收入来源——农业和打工收入，选取了农业投入产出比、打工收入投入本地比重、林业生产效益、经济区位熵等指标.经济结构则考虑农业结构、工副业结构以及种植业占喀斯特地区主要地位的特点，采用了农业结构系数、工副业结构系数、种植业占农业比重、二元结构系数等指标.

各项指标的结果主要由3个研究区进行的分村经济调查数据计算得出.

2.1.3 居住社会环境指标 居住的社会环境指标主要根据入户调查结果从人口特征、教育水平、行业3个方面构建社会指标.其中人口特征采用了较常用的户人口数、性别、年龄、民族、劳动力等指标，教育水平则主要根据受教育程度进行，行业则根据喀斯特地区农村人口所从事行业的特点分为务农、从事工副业和外出打工3种.

各项指标的结果主要由在3个研究区进行的分村社会调查数据统计得出.

2.1.4 聚居能力指标 聚居能力指标主要结合居住自然、经济、社会的各项因子.其中人口密度、住宅建筑密度是聚居空间格局和形式的体现，人均居住面积、生活用水、用电、燃料、通讯等是住宅不可缺少的因素，卫生、治安、学校以及交通则是聚居的发展条件.

各项指标的结果统计主要来源于实际调查，其中生活用水、用电、生活燃料、通讯、卫生条件、治安状况等指标依据3个研究区总体和具体情况进行等级划分，成为等级数据，住宅建筑密度以分村居民点占土地面积的比重来得出.

2.1.5 可持续性指标 可持续性指标是人居环境评价发展性和目标性的指标，在此部分，自然、经济、社会及聚居能力的指标都可以变化率或增长率的形式成为可持续性指标，但这里主要保持关键指标的地位和作用.其中自然持续方面有植被覆盖、轻度以上石漠化、轻度以上土壤侵蚀的年变化率等3项指标，经济持续方面则考虑经济均量——人均GDP年增长、农业总产值的年增长、工副业总产值的年增长等指标，社会持续方面主要选取人口自然增长率以及适龄儿童入学率2个反映人口和教育的关键指标，聚居能力持续方面则选择人口密度和住宅密度年变化率.

以上所有可持续性指标均是在2000、2003、2005、2008四个年度各项数据统计和分析基础上计算得出的年变化率的平均数.

构建的喀斯特宜居指数指标体系见图1.

2.2 指标处理

喀斯特地区地理环境和其他地貌类型区相比有很大差别，加上喀斯特地区农村人居环境评价至今没有可参照的标准指标体系，因此在宜居指数评价方面，本研究仍旧就喀斯特的各项指标论喀斯特人居环境.

由于选取的指标属性不一致，需要对指标进行处理.本评价体系的指标涵盖正向指标、逆向指标、适度指标3类，需采用方法将指标全部统一处理为正向指标.通过几种处理方法的反复比较，采用倒数法即取原数值的倒数处理逆向指标，用公式(1)处理适度指标：

(1)

其中，k的取值一般为标准值，由于本研究采用的指标找不到清晰的标准值对照，因此取3个研究区的平均值.经反复验证，通过上述方法正向化的指标既不改变原指标之间的差距，也不改变原指标的分布规律.

3 BP神经网络评价模型

人工神经网络(Artificial Neural Network 简称ANN)是模拟复杂生物神经网络自主学习和智能特性的系统模型，具有分布式存储信息、协调处理信息、信息处理和存储合二为一以及对信息处理具有自组织、自适应、自学习等特点[9].BP神经网络是多层前馈型神经网络，其权值的调整采用误差反向传播的学习方式(Back Propagation)，具有很强的输入输出非线性映射能力和易于学习和训练的优点，是神经网络的精华部分，因此也成为ANN 技术中应用最为广泛的一种网络类型.与传统的统计分析模型相比具有更好的容错性、鲁棒性和自适应性，在预测预报、分类及评价等方面最为适用[10].

3.1 网络训练样本集

参照文献[11]，应用线性内插法，通过构建涉及3个研究区29个村，共1 624个数据的56组评价指标的最大和最小区间，线性设定影响等级.线性内插的过程是将29个村的56组数据中的每组数据先提取最大值和最小值，再根据最大值和最小值的区间和人居环境评价的经验及研究的要求，将数据通过内插方法处理为5个等级，最后得到56组共280个训练用的样本数据，作为神经网络的输入数据.然后将喀斯特地区人居环境评价目标分为5级，由5到1分别表示人居环境质量由高到低(5表示居住环境质量最高，4：较高，3：一般，2：较低，1:最低)，作为输出数据，以完成一维对应，构建BP神经网络的训练数据输出输入样本，通过设定好输入和输出，构建并训练具有相应结构、学习规则、权重和阈值的神经网络，再通过输入各研究区的实际评价指标，得到最终综合评价值.

3.2 BP神经网络设计

设计包括指定输入输出、神经网络的层数、隐层神经元个数、传输函数、学习速率和期望误差的选取.BP网络最大且唯一的特点是非线性函数的逼近，只含1个隐层的BP网络即可完成任务.

根据输入输出数据和研究要求，输入层、中间隐层、输出层之间分别采用双曲正切Sigmoid 传递函数、纯线性Purelin 传递函数，对应MATLAB 工具箱中的Tansig(x ,b)、Purelin(x ,b)，并使用Trainlm算法进行自动正则化，以提高网络的泛化能力.在没有次数限定的条件下，经过979次训练后，网络的目标误差能达到要求(图2).

3.3 训练得到的BP神经网络结构及权重、阈值

经训练后得到的BP神经网络结构为：

输入层56(280个样本数据)、中间层5、输出层1(与设定好的5个级别一维对应)，因此网络拓扑结构为56×5×1，为比较简单的3层网络结构(图3).

图2 BP网络训练过程

图3 BP网络结构图

经过运算后得到的各权值及阈值如下所述.

隐层与输出层之间的连接权值矩阵:

W5*1=[-1.92；0.86；1；0.79；-1.86]

隐层神经元的阈值矩阵为:

b1*4=[-1.08；-3.26；-3.56；-7.68；2.59]

输出神经元的阈值为:b2=[1.59]

采用Scaled共轭梯度算法对网络进行训练训练后的网络进行的仿真验证，主要检验其与预设输出等级5、4、3、2、1的回归程度.训练后网络的输出与期望响应图见图4.(图中横坐标为期望相应Target，纵坐标为训练网络实际输出Output,Output=0.99*Target+0.015):

图4 BP网络输出与期望响应图

可见训练得到的神经网络结构合理，误差在合理范围类，可用于综合评价数据.需说明的是，BP神经网络在学习速率、初始权值的选取方面比较重要，且方法多样.其中初始权值的微小改变会带来误差纪录的剧烈变化，不同的学习速率网络训练结果也大不相同，本研究获得的BP神经网络受一定的设计影响，因此在改进BP算法方面需继续深入.

4 结果与分析

将研究区各村标准化后的数据输入训练好的网络，得到各研究区各村的最终人居环境评价结果(表1).排名前10位的村落中，红枫区有6个，鸭池和花江区各有2个；居住环境质量最高的4个村中，红枫有2个，鸭池和花江各有1个；较高的9个村中，红枫有5个，鸭池和花江各2个.

表1 3个研究区各行政村居住环境评价值Table 1 The evaluation value of country human settlements in three regions

从红枫区居住环境较好以上的村庄各项指标的贡献来看，自然环境指标贡献最大，其次是经济环境指标，这与实际调研的经验非常一致.在贵州喀斯特山区，自然条件较好的通常是地势平坦的小型喀斯特盆地，红枫区就是典型的喀斯特高原盆地地貌区域，红枫湖盆地是该区主要的地貌类型，盆地四周被喀斯特峰丛、峰林或山地环绕，中间平坦，零星分布有峰林或孤峰、溶丘，水土条件好，湖泊水系广布，农业发展较好，人口集聚，中小城镇集中发展且具备一定规模，相应的经济发展也相对其他喀斯特地貌类型区要好得多.得分最高的是簸箩村，该村地势平坦，石漠化和土壤侵蚀情况较少，是红枫区地理环境和经济发展都不错的区域，在作者的另一项关于重心的研究中，分析该区域的住宅重心和人口重心时，2个重心恰好都在簸箩村，实地走访中也发现，村庄生活和谐，交通方便，且该村是本研究所有村庄中唯一有公交车的.排名靠后的竹山村，贡献率最低、拖了总指标后腿的是可持续指标，特别是石漠化和土壤侵蚀的变化率没有多大改变，另外经济和社会的可持续指标也有所倒退.

鸭池区的各个村中，居住环境一般的有2个，较低的有5个，可见鸭池区的整体居住水平位于中下.和红枫区相比，其自然指标的贡献率要小的多，这是因为鸭池区地貌上属于喀斯特高原山地区，喀斯特峰丛和洼地地貌在该区最为常见.由于地形的起伏，村庄一般分布在洼地、山脚地带、起伏和缓的山地交界处以及半坡地带，相对红枫区来说较为分散.自然条件方面，由于喀斯特山地的广布以及喀斯特环境的脆弱性，水土流失和石漠化现象比平坦地区严重，农业条件稍差，社会经济发展相对落后.该区的湾子村能位列第4，分析其各项指标，主要是社会环境指标的贡献较大，该村虽然人口较多，但劳动力比重大，劳动力素质高，人口结构合理，人口增长受到控制，体现其人居社会环境较好.

花江区的各个村整体居住水平在中下等，居住环境最差的2个村均位于花江，这一结果与实际情况也非常吻合.花江区在地貌上属于喀斯特高原峡谷区，村落主要分布在北盘江峡谷(或花江峡谷)谷肩以上的喀斯特峰丛洼地中，这里的峰丛洼地规模明显小于高原山地区鸭池区，地貌空间差异更大，聚落更加分散，且随着居住用地的逐渐减少，在陡峭的峡谷两岸甚至也有村落分布.由于高原峡谷地形的起伏和脆弱的生态环境，花江区水土流失严重，土壤侵蚀和石漠化一直是阻碍农业生产和社会经济发展的最主要问题，使得该区的人居环境整体水平不高.其中的坝山村和三家寨村能够跻身前十，分析其统计数据，各个指标得分都较为均衡，但可持续性指标的贡献较大，特别是土壤侵蚀和石漠化年变化率这2个指标，这是花江区近年来石漠化、土壤侵蚀治理好，经济发展和社会环境也逐渐改善的体现.

5 结论及展望

结合研究结果以及对3个研究区喀斯特地貌特点、综合地理环境背景和聚落分布的空间差异以及社会经济发展状况等分析，得出：喀斯特人居环境与区域的综合地理环境特别是自然条件密切相关，自然环境仍然是喀斯特地区人居环境的主导因素.区域地理环境最好的是红枫区，地貌上属于喀斯特高原盆地区，该区域土地利用最合理，农业条件最优，居住总体水平最好，聚落集聚程度最高，人居环境最好；鸭池区地理环境稍次，地貌上属于高原山地区域，土地利用合理程度、农业条件、住宅总体水平稍差，且因人口规模大，居住环境过于紧张而导致人居环境条件较差；花江区属于高原峡谷区，生态环境最为脆弱，人居环境特别是农业条件、土地利用程度最差，聚落最分散，但居住的文化环境较好，保留了很多区域居住文化特色.

本研究对3个典型研究区的探讨在一定程度上具有代表性，其他喀斯特典型地貌区未涉及.另外，还有很多问题，如城市对农村人居环境的影响、农村社会空心化、经济发展与农村社会空间的变化引起的农村人居环境的变化等值得探讨.人居环境是综合研究的一个发展方向，且与居住相关的生态环境、社会环境、居住空间分异、城市化和农村发展等问题不仅在科研领域具有理论和实际意义，也是关乎民生的实际问题.喀斯特地区是目前地理学科关注的热点区域，其脆弱生态环境下的与居住相关的生态环境恢复问题已经得到越来越多的重视，将喀斯特区域的实践和人居环境的研究方向结合起来，可以不断丰富相关的理论，并取得实际应用价值.

[1] 杨明德.论喀斯特地貌地域结构及其环境效应[C]∥贵州省环境科学学会.贵州喀斯特环境研究[M].贵阳:贵州人民出版社,1998:19-25.

[2] 何才华.贵州岩溶环境保护与持续发展[J].贵州师范大学学报:自然科学版,2001,19(3):1-7.

[3] 彭贤伟.贵州喀斯特少数民族地区区域贫困机制研究[J].贵州民族研究,2003(4):96-101.

[4] 苏维词.贵州岩溶山区城市人居环境及其优化[J].中国岩溶,1999,18(4):353-336.

[5] 苏维词.喀斯特山区城市地域结构问题及其优化对策——以贵阳市为例[J].人文地理, 2000,15(04):24-28.

[6] 苏维词.喀斯特山区生态城市的景观建设模式初探——以贵阳市为例[J].水土保持研究, 2005,12(6):264-267.

[7] 侯英雨,何延波.利用TM数据监测岩溶山区城市土地利用变化[J].地理学与国土研究,2001,17(3):22-25.

[8] 周晓芳,周永章,黄泰.人居环境及其生态线索研究[J].城市问题,2007(12):28-33.

[7] 伍世代,王强.中国东南沿海区域经济差异及增长因素分析[J].地理学报,2008,3(2):123-134.

[8] 蔡运龙.中国地理多样性与可持续发展/中国可持续发展总纲：第14卷[M].北京:科学出版社,2007.

[9] 葛哲学,孙志强.神经网络理论与Matlab R 2007实现[M].北京:电子工业出版社,2007.

[10] 李双成,郑度.人工神经网络模型在地学研究中的应用进展[J].地球科学进展,2003,18(1):68-76.

[11] 许月卿,李双成.中国经济发展水平区域差异的人工神经网络判定[J].资源科学,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

教育部人文社会科学青年基金项目(12YJCZH316)；国家十二五科技支撑计划重大项目(2011BAC09B01)

*通讯作者，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

【责任编辑 成 文】