,,
(福州大学 a.福建省空间信息工程研究中心;b.地理空间信息技术国家地方联合工程研究中心;c.空间数据挖掘与信息共享教育部重点实验室,福州 350002)
基于模糊证据权模型的长汀县水土保持措施适宜性评价
陈小林a,b,c,徐伟铭a,b,c,肖桂荣a,b,c
(福州大学 a.福建省空间信息工程研究中心;b.地理空间信息技术国家地方联合工程研究中心;c.空间数据挖掘与信息共享教育部重点实验室,福州 350002)
在水土保持措施的适宜性评价中,评价因子的选取和权重的确定是值得探讨的问题。为避免因子选取和权重确定的主观随意性,引入集知识和数据驱动为一体的模糊证据权模型。以福建省长汀县封禁措施为研究对象,选取自然适宜性和社会适宜性2方面共7个因子,综合各因子参数计算后验概率,得到长汀县水土保持措施适宜性分级图。结合2014—2015年封禁措施分布情况进行分析,结果表明:高度适宜占38.5%,中度适宜占43.5%,一般适宜占9.2%,中度适宜级别以上占82%,与实际情况有较高的吻合性。这说明模糊证据权模型能够客观、准确地对水土保持措施进行适宜性评价,可以为政府配置水土保持措施提供决策参考和理论依据。
长汀县;模糊证据权模型;水土保持;封禁措施;适宜性评价
水土保持措施的适宜性指某种措施与当地的自然地理条件是否相适宜,是因地制宜地进行水土保持措施规划布局的要素之一[1]。合理配置水土保持措施,才能使水土保持措施发挥应有的功效。水土保持措施适宜性评价是通过建立科学的评价指标体系,用科学的方法对不同措施在某一特定区域的适宜程度进行综合评价的过程,是水土保持措施优化配置的基础,对区域生态安全和经济发展也具有重要的现实意义[2]。但是,有关水土保持措施的适宜性评价方面的研究相对较少[3]。近年来,一些研究主要是从措施的效益[4-5]、措施的采纳程度[6]以及水土保持措施的优化配置[7-8]等方面进行,并且大多数是间接研究。直接定量评价水土保持措施适宜性时,大多数学者采用层次分析法[9]、特尔斐法[2]等依靠专家经验确定评价因子和权值的方法,这或多或少掺杂了人的主观性。评价因子的选取和权重的确定是科学、有效地进行水土保持措施适宜性评价的基础,评价因子选择不同、权值确定不一,势必导致评价结果不尽相同。如何科学地选择评价因子、准确地确定相关因子的权重值得深入研究。
针对以上问题,本文尝试引入模糊证据权模型进行水土保持措施适宜性评价,模糊证据权是由证据权发展而来。证据权模型是一种贝叶斯概率准则下的对数线性模型[10-11],最初应用于医学领域[12-13],后被加拿大Agterberg等[14]修改和发展,引入到矿产预测与评价中。证据权模型在处理连续数据时,二值或三值化易造成数据丢失,而模糊证据权模型通过引入多值模糊隶属度函数来处理多分类数据,能够更加充分利用数据。该模型算法较容易理解、推理规则透明,可以充分利用先验知识,还能够很好地结合GIS空间分析,因此近年来在矿产资源预测评价[15]、自然灾害评价[16-18]、土地适宜性评价[19-20]中应用广泛。
综上所述,本文采用集数据驱动与专家知识于一体的模糊证据权模型,对长汀县水土保持措施的自然适宜性和社会适宜性进行直接定量评价。模糊证据权模型推理规则透明且结果易于解释,在土地适宜性评价中已有相关应用,但在水土保持措施适宜性评价中研究较少。引入该模型,以期克服水土保持措施适宜性评价中证据因子选取和权值确定的主观影响,为长汀县水土保持措施的优化配置提供建议依据。
2.1 研究区概况
长汀县位于福建的西部山区,武夷山脉南段,地理坐标为116°0′45″ E—116°39′20″ E,25°18′40″ N—26°2′5″ N,海拔在240~500 m之间,地貌以山地丘陵为主,地形为盆地,亚热带季风气候,年平均降雨量1 711 mm,主要集中在4—6月份,灾害性天气多。由于自然气候和历史原因,长汀县是典型的南方红壤水土流失区域,主要以花岗岩侵蚀为主,土壤抗蚀性弱,加上人为对地表的破坏,极易发生水土流失。经过长期的治理,目前长汀县主要的水土保持措施有封禁、生态林草、低效林改造、经济林果、崩岗治理。鉴于封禁措施是一种较单一的生物措施,且占地面积最大又是成片分布,所以本文对封禁措施的适宜性进行评价。
2.2 数据来源及预处理
水土保持措施适宜性评价涉及的主要数据有:长汀县水土保持站提供的2012年水土流失程度分布图、长汀县1∶50 000土壤类型分布图、2013—2015年水土保持治理情况分布图、长汀县1∶10 000数字线划地图数据、2012年土地利用类型图、2012年植被覆盖度图。
在ArcGIS 10.2平台下,将水土流失程度图、植被覆盖度图、土地利用类型图、土壤类型图等所有图层都转为统一的投影和坐标系。对道路和居民地作近邻分析,得到至最近道路距离图和至最近居民地距离图。依据评价区域的最小图斑和数据量的大小,确定最小评价单元格为100 m×100 m。
3.1 模糊证据权模型
3.1.1 基本原理
证据权模型是通过先验概率,计算在某些地学证据模式条件下的条件概率,其原理如下。
(1)先验概率计算。假设研究区T的总面积为A(T),被划分为固定面积为u的单元格,则研究区T内总共有N(T)=A(T)/u个单元格,D为要预测的事件,N(D)表示研究区T中每个格子发生事件D的总数,则事件D发生的概率为
P(D)=N(D)/N(T) 。
(1)
式中P(D)即为先验概率,先验几率O(D)=P(D)/(1-P(D))。
(2)证据权重计算。任意一个证据因子(图层)离散成二值图,其权重定义为
(2)
(3)对比度计算。
C=W+-W-。
(3)
(4)后验概率计算。对于n个证据因子,若它们关于事件发生的条件相互独立,则研究区内多个证据图层条件下的证据权信息综合后验概率为
(4)
(5)
3.1.2 模糊权重计算
证据权模型在处理连续性数据时,通常是将它离散成二值或三值,这往往会造成信息的损失,影响评价结果。针对这一不足, Agterberg等[14]发展了模糊证据权模型,克服了证据权在离散图层时易造成信息损失的不足。模糊证据权模型是通过隶属度定量证据层的模糊度来处理多分类证据层,利用多值模糊隶属度函数(0≤u(x)≤1,x为各因子的值)拟合训练样本,计算证据权重值。
假设有n个证据因子,将证据因子Bj(j=1,2,3,…,n)的属性值分为mj个区间类。根据式(2)、式(3)计算证据因子Bj每个属性类的正、负权重值和对比度C。设Bj1和Bj2((Bj1∩Bj2)⊂T,Bj1∩Bj2=0)的定义为Bj1={x|ujt(x)=1},Bj2={x|ujt(x)=0}(j=1,2,3,…n;t=1,2,3,…,mj) 。则证据因子Bj的第t个区间Ajt的模糊权重为
(6)
后验概率计算。对于n个证据因子,研究区任一单元格s事件发生的可能性的后验概率对数表示为
(7)
最后得到单元s的后验概率P(s)为
(8)
3.2 模糊证据权模型主要评价步骤
首先是训练样本的选择和先验概率的计算。训练样本一般选择适宜性结果较好、可信度高的区域所提取出的点。合理选择训练样本,计算先验概率。其次,提取与水土保持适宜性相关的证据图层,将各证据图层按照一定的规则分类并按照最小评价单元划分,计算各个证据图层的正、负权重和对比度,用隶属度函数确定各个图层分类的隶属度,计算模糊证据权,确定证据图层的重要性。再次,综合各个证据因子进行后验证概率计算。其中,对于权重值为零或是很小的证据图层可以舍去,不必纳入后验概率的计算。然后依据一定的方法进行后验概率分级,划分适宜性等级。最后,运用模型进行预测并评价模型。通过将适宜性结果和2014—2015年的措施治理分布图进行叠加分析,评价模型效果。其主要流程见图1。
3.3 训练样本的选择和先验概率的计算
研究区长汀县土地面积为3 099 km2,以100 m×100 m为评价单元,将研究区划分为309 761个单元格。依据水土保持站提供的2013年水土保持措施治理情况分布图,从中选择封禁措施治理示范区作为训练样本,封禁措施共有4 180个单元格,按照式(1)可得研究区每个单元格适合封禁措施的先验概率为0.013 49。
3.4 评价因子选择和分级
水土保持措施的适宜性一般包括自然环境适宜性和社会经济适宜性,且自然环境适宜性为主导因素。基于数据的独立性、实用性、可获得性等原则,选取的自然环境适宜性评价因子包括土地利用类型、水土流失程度、土壤可蚀性K值、植被覆盖度、坡度,社会经济适宜性方面有至最近道路的距离、至最近居民地的距离,总共7个因子。
图1模糊证据权模型评价主要步骤
Fig.1Mainstepsoffuzzyweight-of-evidenceevaluation
然后将各证据图层分类并按照最小评价单元划分。水土流失程度按照水利部的标准分为轻度流失、中度流失、强烈流失、极强烈流失、剧烈流失5个类别。土地利用类型分为高植被覆盖区(有林地)、低植被覆盖区(疏林地)、火烧迹地、建设用地、农用地、砂石地(裸地)。植被覆盖度、坡度、土壤可蚀性K值通过参考长汀县长久以来的治理经验、相关文献和咨询有关专家进行分类。至最近居民地距离和至最近道路距离依据数据特点并咨询相关专家分为6类。划分类别后,将各个图层划分为100 m×100 m的单元格。
4.1 计算证据权重和隶属度
按照式(2)、式(3)计算各个图层分类值的正、负权重和对比度。隶属度通过隶属度函数确定,经过咨询相关专家和查阅相关资料采用函数如下:植被覆盖度、至最近道路的距离、至最近居民地的距离与适宜性措施在一定范围内呈正相关关系,采用升半梯形函数作为隶属度函数;土壤可蚀性K值与适宜性措施在一定范围内呈负相关关系,采用降半梯形函数作为隶属度函数;水土流失程度、土地利用类型和坡度是定性描述或集合区间分级,采用特征函数作为隶属度函数。通过计算发现坡度和至最近道路距离的对比度和正权太小,对于封禁措施的实施贡献不大,故没有把坡度和至最近道路距离的模糊证据权重值运用到后验概率计算。这应该是坡度对于封禁措施的实施关系不大,在其他条件满足的情况下,地形坡度是大是小都可以施行封禁措施。而至最近道路的距离由于乡村道路纵横交错,规律特点也不够明显。正负权重和隶属度及其各类参数的计算结果见表1。
表1 证据层模糊证据权重参数
注: STDEV为C的标准差,MSF为隶属度,FW为模糊权重
4.2 后验概率计算及适宜性分级
4.2.1 后验概率计算
依据式(6)—式(8),将土地利用类型、水土流失程度、土壤可蚀性K值、植被覆盖度、至最近居民地的距离这5个因子作为最终的证据因子代入式(5)计算,最后得到每个单元的后验概率。后验概率的大小受评价单元的影响,但是其分布状态并不受评价单元的影响。因此,后验概率的大小并不是表示事件发生的几率,而是表示事件发生后的分布形态。
4.2.2 适宜性分级
通过ArcGIS中的统计功能对后验概率进行分析,从中以2012年水土流失区作为重点研究区进行分类,因为一般水土保持措施都是针对水土流失区进行配置。发生水土流失的格网共有48 671个,依据后验概率频率直方图的明显转折点进行适宜性分级,分级结果见表2。
表2 封禁措施适宜性等级划分
高度适宜区所占的面积最大,主要分布在河田镇西部、西北部,三洲镇北部、东南部,灈田镇东部、东南部,策武镇东部,涂坊镇东北部、西南部,其他一些地方零星分布。中度适宜区主要在河田镇南部、东南部,策武镇东北部,三洲镇东南部,灈田镇东部,新桥镇中部、东南部,以及其他一些地方较为分散分布。一般适宜和不适宜区较小,主要分布在河田镇、三洲镇和策武镇这几个水土流失较为严重的地方。具体分布情况见图2。
图2长汀县封禁措施适宜性分级
Fig.2MapofsuitabilityratingfortheenclosingmeasuresofChangtingCounty
封禁措施的高度适宜和中度适宜区中,主要的水土流失程度为轻度流失和中度流失;土地利用类型主要是有林地和疏林地;植被覆盖度主要为0.6~1;土壤可蚀性K值主要在0.22~0.26;至最近居民地的距离在900 m以上。一般适宜区至最近居民地的距离为300~900 m,其他条件和高、中度适宜区基本一致。这是因为实施封禁主要利用的是自然修复力,对土地和植被要求较高。水土流失严重的区域,生态环境往往破坏严重,仅仅依靠自然修复力很难改善或是需要花费相当长的时间,而水土流失程度较低的区域,土壤和植被保存较好,能够充分发挥自然环境的修复作用。至最近居民地的距离远,可减少人类活动的干扰,对封禁措施的实施有益。
4.2.3 模型的预测与检验
依据从水土保持站得到的2014—2015年治理措施分布图,运用ArcGIS提取出封禁措施分布图,从中选取有发生水土流失的区域,再与适宜性分级图进行叠加分析,其中高度适宜占重叠区域的38.5%,中度适宜占43.5%,一般适宜占9.2%,高-中度适宜占82%。可见,模糊证据权模型预测评价结果与实际情况吻合性较高,能充分发挥先验知识的作用,这表明模糊证据权模型可以客观、真实地反映封禁措施的适宜性。
5.1 讨 论
本文从方法的角度引入模糊证据权模型,结合GIS综合分析了自然环境适宜性和社会经济适宜性因素,通过治理示范区域选取样本点,具有一定的代表性。需要注意的是,模糊证据权模型的已知训练样本点须是公认度高的适宜点,这样得出的结果才会更加准确。因此,怎样保证已知信息来源的多样化和提高已知信息的精度和公认度是后续研究需要加强的地方。此外由于篇幅的限制,本文只进行了封禁措施的适宜性评价,还有其他几种水土保持措施未作评价,今后对于多种措施的综合适宜性评价也是值得研究的问题。
5.2 结 论
(1)引入集数据驱动和知识驱动为一体的模糊证据权模型进行水土保持措施的适宜性评价是有效的。该模型在一定程度上克服了因子选取和权重确定的主观影响,通过隶属度函数增加了经验知识的干预,有效利用了专家经验。在评价分级结果与实际措施分布对比中,82%的区域处于中度适宜级别以上,有较高的吻合性,表明了模型的有效性。
(2)通过模型划分了封禁措施的适宜性区域,研究区分为高度适宜、中度适宜、一般适宜和不适宜区域,可以为水土保持措施的配置提供参考和依据。
[1] 许炯心.黄土高原水土保持有效性研究[J].水土保持学报,2001,15(1):105-109.
[2] 代富强,刘刚才.紫色土丘陵区典型水土保持措施的适宜性评价[J].中国水土保持科学,2011,9(4):23-30.
[3] 张玉斌,王昱程,郭 晋.水土保持措施适宜性评价的理论与方法初探[J].水土保持研究,2014,21(1):47-55.
[4] 喻荣岗,杨 洁,王 农,等.侵蚀红壤区不同水土保持措施的土壤改良效果研究[J].中国水土保持,2012,(7):40-42.
[5] 赵护兵,刘国彬,曹清玉.黄土丘陵区不同植被类型对水土流失的影响[J].水土保持研究,2004,11(2):153-155.
[6] BEWKET W. Soil and Water Conservation Intervention with Conventional Technologies in Northwestern Highlands of Ethiopia: Acceptance and Adoption by Farmers[J]. Land Use Policy, 2007, 24(2):404-416.
[7] 卢玉东,张树恒,宋光煜,等.低山丘陵区土壤侵蚀生态工程治理模式及优化配置——以四川省宣汉县拱桥河流域为例[J].地球科学与环境学报,2007,29(3):304-307.
[8] 李子君.潮河流域不同水土保持措施配置方案对年径流量的影响[J].水土保持通报,2010,30(1):108-112.
[9] 张秦岭,李占斌,王 星.陕西省丹汉江流域重点水土保持工程适宜性评价[J].西北农林科技大学学报(自然科学版),2014,42(10):225-234.
[10] AGTERBERG F. A Modified Weights-of-evidence Method for Regional Mineral Resource Estimation[J].Natural Resources Research, 2011, 20(2):95-101.
[11] DENG M. Binary Pattern Recognition in the Presence of Correlated Multiple Dependent Variables[J]. Nonrenewable Resources Research, 2010,19(4):269-278.
[12] HRISTOZOV D R, ZABEO A, FORAN C,etal. A Weight of Evidence Approach for Hazard Screening of Engineered Nanomaterials[J]. Nanotoxicology, 2014, 8(1):72-87.
[13] GOODMAN J E, PRUEITT R L, SAX S N,etal. Weight-of-evidence Evaluation of Short-term Ozone Exposure and Cardiovascular Effects[J]. Critical Reviews in Toxicology, 2014, 44(9): 725-790.
[14] AGTERBERG F P, BONHAM-CARTER G F, CHENG Q,etal. Weights of Evidence Modeling and Weighted Logistic Regression for Mineral Potential Mapping[J]. Computers in Geology, 1993, 25:13-32.
[15] 赵增玉,陈火根,潘 懋,等.基于证据权模型的宁芜盆地中段玢岩铁矿资源预测[J].北京大学学报(自然科学版),2015,51(5):863-870.
[16] 范 强,巨能攀,向喜琼,等.证据权法在滑坡易发性分区中的应用——以贵州桐梓河流域为例[J].灾害学,2015,30(1):124-129.
[17] 谢洪斌,杨 雪,谭德军,等.模糊证据权法在地震滑坡危险度区划中的应用[J].中国安全科学学报,2011,21(8):164-170.
[18] KAYASTHA P, DHITAL M R, SMEDT F D. Landslide Susceptibility Mapping Using the Weight of Evidence Method in the Tinau Watershed, Nepal[J]. Natural Hazards, 2012, 63(2): 479-498.
[19] 金 贵,王占岐,胡学东,等.基于模糊证据权模型的青藏高原区土地适宜性评价[J].农业工程学报,2013,29(18):241-250.
[20] 龚建凤,王占岐,蔡恩香,等.基于模糊证据权模型的基本农田保护区空间布局合理性评价[J].水土保持研究,2015,22(4):161-167.
(编辑:罗 娟)
Suitability Evaluation of Soil and Water Conservation Measures in Changting County Based on Fuzzy Weight-of-Evidence Model
CHEN Xiao-lin1,2,3,XU Wei-ming1,2,3,XIAO Gui-rong1,2,3
(1.Spatial Information Engineering Research Center of Fujian Province, Fuzhou University, Fuzhou 350002, China; 2. National Engineering Research Centre of Geo-spatial Information Technology, Fuzhou University, Fuzhou 350002, China; 3. Key Laboratory of Spatial Data Mining amp; Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350002, China)
Selecting indicators and determining their weights are worthy of discussion in the suitability assessment of soil and water conservation measures. In this article, a fuzzy weight-of-evidence model which is both knowledge and data driven was introduced to avoid the subjective arbitrariness in selecting indicators and determining their weights. The enclosing measures of Changting County were taken as case study. By screening out seven factors in natural suitability and social suitability, the posterior probability was calculated by comprehensively considering parameters of all factor layers, and then the maps of suitability classification were obtained. Compared with the distribution of enclosing measures from 2014 to 2015, the results show that 38.5% of the measures are highly suitable, 43.5% moderately suitable, 82% above moderately suitable, and 9.2% averagely suitable, which is highly consistent with the actual situation. The results prove that the fuzzy weight-of-evidence model could evaluate the suitability of soil and water conservation measures objectively and accurately. The results also provide reference and theoretical basis for governments in implementing soil and water conservation measures.
Changting county; fuzzy weight-of-evidence model; soil and water conservation; enclosing measures; suitability assessment
10.11988/ckyyb.20160780 2017,34(11):33-38
2016-08-04;
2016-10-21
国家科技支撑计划项目 (2013BAC08B02)
陈小林(1990-),男,江西吉安人,硕士研究生,研究方向为水土保持措施适宜性评价,(电话)0591-87892565(电子信箱)chenxiaogood@126.com。
徐伟铭(1986-),男,福建闽侯人,讲师,博士,研究方向为水土保持措施适宜性评价,(电话)0591-87881263(电子信箱)xwming2@fzu.edu.cn。
S157.9
A
1001-5485(2017)11-0033-06