基于改進模型的廣州市土地資源安全預警研究

土地資源安全是指一個國家或地區的所有土地資源能夠穩定地提供給可持續發展，并具有良好的支持性。土地資源安全不僅影響著農業發展、農民增收和整個農業的基礎地位,影響工業、服務業等二、三產業的發展,進而涉及整個國民經濟的發展。廣州市已經實現連續5年13%以上的經濟增長率,伴隨著經濟總量和人口的迅速增加以及2010年亞運會建設等重大項目的全面實施,“南拓北優、東進西聯”城市發展格局的落實,廣州市城市空間和城市建設用地將進一步拓展。然而,廣州市后備土地資源嚴重缺乏,人口快速增長對土地資源壓力越來越大,這些已經成為制約城市發展的瓶頸性因素。因此,建立一個規范可行的土地資源安全預警系統,具有十分重要的意義。1土地利用安全預警系統框架土地資源安全預警的核心是建立在資源、環境與經濟三者的相互作用關系,最終目標是實現科學、持續的土地利用模式,其安全預警系統框架(如圖1)。1.1建立土地利用基礎數據庫利用3S技術對廣州市土地利用動態監測不僅包括對土地利用數量、質量、結構和空間分布的監測,還應包括對土地生態環境監測以及土地權屬的調查,從而迅速地建立準確、詳實的土地利用基礎數據庫,以便能及時掌握廣州市土地利用動態變化趨勢和空間結構的演變規律。1.2建立土地資源安全綜合評價體系,加強土地資源承載力研究,提高土地資源承載力以提高土地資源整體質量土地資源安全評價包括單項評價和綜合評價,單項評價是綜合評價的基礎,綜合評價是對土地資源系統整體的辨識和評價,更能反映土地資源安全的真實狀況。土地資源安全綜合評價應該包括土地資源食物安全評價、生態安全評價、經濟安全評價、產權和文化安全評價,同時還要加強土地資源承載力的研究。現在土地利用變化的生態效應研究和土地資源承載力的研究已經成為土地資源安全研究的熱點。1.3土地資源動態變化過程中出現的警情土地資源安全警情預測子系統一般包括發現警情→分析警兆→判斷警度→警情排除四個邏輯過程。警情是指土地資源動態變化過程中出現的極不正常的現象,也就是已經出現或將來可能出現的問題,發現警情是預警的前提。警兆是指警情爆發之前的一種預兆,是警源到警情的中間狀態,分為景氣警兆和動向警兆,景氣警兆屬于內生變量,是土地資源安全預警所能選取的指標,動向警兆屬外生變量,只能作為定性分析時的依據。1.4加強宣傳,提高國民對土地的關注度土地管理部門首先要做好良好的預警分析基礎數據收集渠道,組織人員進行周期性資源安全評價和預警分析,定期地發布土地資源安全指數,以使公眾直觀、形象地了解土地資源安全狀況,提高國民對土地安全的關注度,樹立全社會自覺遵守土地管理法規的新風尚。2研究區土地資源安全程度的分析國內外已經對土地資源安全警兆有了大量的研究,雖然概念的表述不盡相同,采取的方法也不一樣,但本質上都是強調特定時期內研究區的土地資源安全程度的大小,以及這種影響大小對社會經濟發展影響的角度進行分析。從定量的角度,主要的土地資源安全警兆的數學表達式(如表1)。3rbf是基于徑向函數的土壤資源安全的綜合評價3.1神經元自適應網絡ykj的輸出誤差設某一訓練輸入模式為Xk=(xk1,xk2,...,xkn)T,網絡實際輸出為Yk=(yk1,yk2,...,ykn)T,則有Ykj=f(wijxki)=f(n-1∑j=1wixj-Τ)Ykj=f(wijxki)=f(∑j=1n?1wixj?T)對應輸入XK的期望輸入Y′k,則輸出誤差為:Ek=12m∑j=1(y′kj-ykj)2由最速下降法可知,各層神經元權系數修正的迭代方程為:?kj={(y′kj-ykj)fj(netkj)(1-fj(netkj)對輸出層fj(netkj)(1-fj(netkj))∑jδΗwkj對輸出層wij(k+1)=wij(k)+μδkjxki其中:netkj=j∑iwijxkiykj=fj(netkj)=11+e-netkj徑向基函數(RadialBasisFunction)神經網絡是一種新穎有效的前饋式神經網絡,它在逼近能力、分類能力和學習速度等方面均優于BP網絡。RBF神經網絡由三層組成,其結構(如圖2),輸入層節點只傳遞信號到隱含層,隱含層節點由高斯函數構成,輸出層節點是簡單的線性函數。3.2評價因子設有n個土地安全樣本組成的樣本集合,每個樣本有m項評價因子,由有實測指標矩陣,其中m為評價因子,n為樣本數。樣本1樣本2?樣本3Xm×n=[X11X12?X1nX21X22?X2n?Xm1Xm2?Xmn]因子1因子2?因子m在將樣本數據輸入網絡之前,首先對評價因子進行無量化處理。可以采用下式進行標準化處理:Xj=(xj-xmin)/(xmax-xmin)其中,Xi是輸入或輸出數據,xi就是變量標準化后的結果,xmax、xmin分別為變量的最小值、最大值。3.3網絡的學習一般函數MATLAB是一種科學計算軟件,專門以矩陣的形式處理數據。能將高性能的數值計算和可視化集成在一起,并提供了大量的內置函數。其中工具箱函數newrb可用于設計徑向基函數網絡。函數的調用形式為:net=newrb(Ρ,Τ,GΟAL,SΡREAD,ΜΝ,DF)其中,P、T分別為輸入樣本矢量集和輸出目標矢量集構成的矩陣,SPREAD是擴展常數,其缺省值為1;GOAL表示目標誤差;MN表示最大神經元個數;DF表示迭代過程的顯示頻率。函數net為生成的網絡對象,net中的權值和閾值使得神經網絡在輸入為P時可以近似輸出T。徑向基函數神經網絡RBF具有自適應性、自組織性、容錯性和動力學復雜性,非線性信息處理能力強等優點,已經廣泛應用于預測、評價、聚類分析等領域。在土地資源安全綜合評價中,人工神經網絡自學習的最小熵特征能最大的識別土地資源安全指數變化規律;其多維的非線性映射能力可以綜合考慮傳統模型所忽略的各種因素;其優化能力有利于克服“維數災”的問題。3.4實證分析結果土地資源安全警度的劃分可采用專家咨詢法或專家調查法(Delphi法),由土地管理部門經綜合測試評判設定,本文對廣州市進行實證分析時,采用的方法是非線性插值法,即將分級的標準加密1倍,分為10個更小的級別,分別對應上面給出的5個警度等級,結果(見表2)。4使用實例4.1發展網絡精神,提高網絡的內在和外推性能RBF神經網絡訓練樣本應具有3個特征:致密性、遍歷性和相容性,這就決定了樣本的選擇一方面要盡可能全面地反映研究對象的工作過程和參數特征,而且也應具有較好的內插和外推性能。一般來說訓練樣本數越多,訓練結果越能反映其內在規律,但樣本的獲取往往受客觀條件的限制。此外當樣本數多到一定程度時,網絡的精度也很難再提高,因為隨著樣本數也將隨著噪聲的增大而增多。目前網絡訓練應選用的樣本和數目還沒有一個普遍適用的固定規律,但所選擇的樣本應該是包含上下界限、足夠數量的能代表整個訓練特征的樣本,根據經驗,廣州市土地安全綜合評價時選擇的樣本和指標值如下表3。4.2檢驗樣本的訓練結果經過對原始數據尺度變換與壓縮處理,樣本數據加載到MATLAB6.5并編制程序運行。當目標誤差GOAL取0.000001,擴展常數值SPREAD取47時,訓練樣本的最大誤差為3.53%。檢驗樣本的訓練結果如下表4。由表4可以看出,廣州市1998～2004年土地資源綜合安全指數一直呈下降趨勢,新千年來逐步開始由輕警向中警狀態過渡,2004年土地資源綜合安全指數為0.568,土地資源安全處于較不安全或較差水平,整體安全水平仍較低。廣州地處南亞熱帶,海洋性氣候明顯,是珠江三角洲最富庶組成部分,土地利用潛力高,在自然狀態下土地資源應呈現出無警狀態。但在城市化快速發展過程中由于對土地資源大肆開發利用,土地生態環境質量下降,地力消耗過度,人地矛盾十分突出,從表3中可以看出在研究期效益型指標數值全部呈下降趨勢,直接導致土地資源綜合安全水平的降低。5建立土地資源安全評估模型1)通過對廣州土地資源安全預警系統原理、指標和方法的構建,可以為城市土地資源安全預警奠定的基礎。目前對區域土地資源安全特別關注,但尚未有一個普遍的標準來衡量,對土地資源安全綜合指數預警警戒值的制定還有值得商榷之處,這是今后研究的重點。2)廣州市是土地資源安全較脆弱的地區,人為因素是其主要驅動力。通過建立土地資源安全預警系統和安全評估模型的構建,采用人工神經網絡RBF模型進行綜合評價表明廣州市土地資源安全水平正處于由輕警向中警的過渡狀態。3)與指數評價法和模糊