基于支持向量機(jī)的吉林西部農(nóng)業(yè)生態(tài)安全評價(jià)

陳鵬　張立峰　劉家福等

摘要：利用支持向量機(jī)建立了一種新的農(nóng)業(yè)生態(tài)安全評價(jià)模型。借鑒“壓力-狀態(tài)-響應(yīng)”框架模型構(gòu)建農(nóng)業(yè)生態(tài)安全評價(jià)指標(biāo)體系，以此作為支持向量機(jī)模型的輸入?yún)?shù)并進(jìn)行農(nóng)業(yè)生態(tài)安全評價(jià)，并通過GIS技術(shù)將吉林西部農(nóng)業(yè)生態(tài)安全評價(jià)結(jié)果可視化。結(jié)果表明，基于支持向量機(jī)的農(nóng)業(yè)生態(tài)安全評價(jià)模型具有良好的評價(jià)能力，評價(jià)結(jié)果可為當(dāng)?shù)剞r(nóng)業(yè)生態(tài)安全和農(nóng)業(yè)可持續(xù)發(fā)展提供決策依據(jù)。

關(guān)鍵詞：支持向量機(jī)；農(nóng)業(yè)生態(tài)安全；評價(jià)；吉林西部

中圖分類號：X171 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2015）19-4898-05

DOI：10.14088/j.cnki.issn0439-8114.2015.19.062

Abstract： An agricultural ecological security evaluation model was established by support vector machine. According to the “pressure-state-response” framework model， the evaluation index system of agricultural ecological security was constructed，which was used as the input parameters of support vector machine model and used to evaluate agricultural ecological security， and visualize the results based on the GIS technology. The results showed that the evaluation model of agricultural ecological security based on support vector machine have good ability of evaluation，and the evaluation results can provide the decision-making basis for local agricultural ecological security and agricultural sustainable development.

Key words：support vector machine； agricultural ecological security； evaluate； western Jilin province

隨著生態(tài)環(huán)境的日益惡化，生態(tài)安全問題已成為研究熱點(diǎn)。目前，國外學(xué)者的研究聚焦在生態(tài)系統(tǒng)的健康和生態(tài)風(fēng)險(xiǎn)評價(jià)上[1]。國內(nèi)研究主要集中在生態(tài)安全評價(jià)指標(biāo)體系構(gòu)建與評價(jià)方法探討[2-5]，但由于各類指標(biāo)的復(fù)雜函數(shù)關(guān)系，已有的研究不足以揭示它們之間錯(cuò)綜復(fù)雜的關(guān)系，又由于數(shù)據(jù)不完備，用傳統(tǒng)的農(nóng)業(yè)生態(tài)安全評價(jià)方法很難達(dá)到滿意的效果。支持向量機(jī)（Support vector machine，簡稱SVM）是1995年由Vapnik[6，7]等人研究并快速發(fā)展起來的一種基于統(tǒng)計(jì)學(xué)習(xí)模式識別方法，它在解決小樣本非線性及高維模式識別問題中表現(xiàn)出特有的優(yōu)勢。近些年SVM主要應(yīng)用在趨勢分析和模式識別以及遙感圖像的分類方面[8-10]。本文依據(jù)農(nóng)業(yè)生態(tài)安全評價(jià)方法建立評價(jià)體系，利用支持向量機(jī)和GIS技術(shù)構(gòu)建吉林省西部農(nóng)業(yè)生態(tài)安全評價(jià)模型，以探討新的模式識別方法在農(nóng)業(yè)生態(tài)安全評價(jià)中的實(shí)際應(yīng)用價(jià)值。

1 研究區(qū)概況

吉林省西部（44°57′-45°46′N，123°09′-124°22′E）位于松嫩平原的西部，隸屬白城和松原兩個(gè)地級市，包含10個(gè)縣（市、區(qū)），總面積468.35萬hm2。屬大陸性季風(fēng)氣候，年日照時(shí)數(shù)2 800～3 000 h，年總輻射5 100～5 200 MJ/m2，年均降水量400～500 mm，年均蒸發(fā)量1 600～2 000 mm，平均相對濕度60%～65%。研究區(qū)是吉林省主要糧食產(chǎn)區(qū)，因特有的農(nóng)業(yè)氣候條件與土地生態(tài)條件，形成了典型農(nóng)業(yè)區(qū)和農(nóng)牧交錯(cuò)區(qū)兩種農(nóng)業(yè)生態(tài)。由于其自身脆弱性及長期、大規(guī)模農(nóng)業(yè)開發(fā)導(dǎo)致該區(qū)生態(tài)環(huán)境日益惡化，農(nóng)業(yè)和經(jīng)濟(jì)發(fā)展緩慢[11]，已經(jīng)嚴(yán)重阻礙了區(qū)域的生態(tài)安全及可持續(xù)發(fā)展。

2 研究方法

2.1 支持向量機(jī)

支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的模式識別方法。SVM主要是通過定義最優(yōu)線性超平面，把尋找最優(yōu)超平面的算法歸結(jié)為求解一個(gè)最優(yōu)（凸規(guī)劃）問題。進(jìn)而基于Mercer核展開定理，通過非線性映射，把樣本空間映射到一個(gè)高維乃至于無窮維的特征空間（Hilbert空間），使在特征空間可以應(yīng)用線性學(xué)習(xí)機(jī)的方法解決樣本空間中的高度非線性分類和回歸等問題。

對給定的訓(xùn)練樣本集，假如訓(xùn)練樣本集是線性可分的，則機(jī)器學(xué)習(xí)的結(jié)果是一個(gè)超平面，二維情況下是直線或稱為判別函數(shù)；如果訓(xùn)練樣本不可分，則對于非線性分類問題，應(yīng)將輸入空間通過某種非線性映射映射到一個(gè)高維特征空間，在這個(gè)空間中存在線性的分類規(guī)則，可以構(gòu)造線性的最優(yōu)分類超平面，根據(jù)泛函理論，引入適當(dāng)?shù)膬?nèi)積核函數(shù)就可以實(shí)現(xiàn)某一非線性變換后的線性分類。

3 評價(jià)指標(biāo)體系與模型構(gòu)建

3.1 評價(jià)指標(biāo)體系

農(nóng)業(yè)生態(tài)安全評價(jià)問題可看作是一個(gè)農(nóng)業(yè)生態(tài)安全級別評價(jià)指標(biāo)間復(fù)雜的非線性函數(shù)關(guān)系的逼近問題。利用支持向量機(jī)方法進(jìn)行農(nóng)業(yè)生態(tài)安全評價(jià)，首先要確定影響因素，建立評價(jià)指標(biāo)；其次根據(jù)實(shí)際資料構(gòu)造樣本數(shù)據(jù)集，然后用SVM進(jìn)行學(xué)習(xí)與訓(xùn)練，最后根據(jù)訓(xùn)練獲得的參數(shù)對研究區(qū)的農(nóng)業(yè)生態(tài)安全進(jìn)行評價(jià)，因此，在評價(jià)前要選取能夠真實(shí)、準(zhǔn)確反映研究內(nèi)容的評價(jià)指標(biāo)體系。

本研究的農(nóng)業(yè)生態(tài)安全評價(jià)指標(biāo)體系選取是基于聯(lián)合國經(jīng)濟(jì)開發(fā)署（OECO）建立的壓力-狀態(tài)-響應(yīng)（Pressure-State-Response，PSR）框架模型，在總結(jié)國內(nèi)外農(nóng)業(yè)生態(tài)安全評價(jià)指標(biāo)體系方案案例基礎(chǔ)上，結(jié)合吉林省西部農(nóng)業(yè)現(xiàn)狀，從農(nóng)業(yè)生態(tài)環(huán)境壓力、農(nóng)業(yè)生態(tài)環(huán)境狀態(tài)、人文社會響應(yīng)3個(gè)方面選取了18個(gè)評價(jià)指標(biāo)，構(gòu)建了吉林省西部農(nóng)業(yè)生態(tài)安全評價(jià)指標(biāo)體系。農(nóng)業(yè)生態(tài)安全各指標(biāo)權(quán)重采用層次分析法進(jìn)行計(jì)算（表1）。

3.2 基于支持向量機(jī)的農(nóng)業(yè)生態(tài)安全評價(jià)模型構(gòu)建

3.2.1 數(shù)據(jù)處理過程 從生態(tài)環(huán)境狀態(tài)、生態(tài)環(huán)境壓力、人文社會響應(yīng)3個(gè)方面選取的18個(gè)農(nóng)業(yè)生態(tài)安全評估指標(biāo)作為SVM模型輸入。為了消除各個(gè)指標(biāo)單位的不同給計(jì)算帶來的不便，在此對每一指標(biāo)進(jìn)行無量綱化處理，使之分布于[-1，1]之間。專家經(jīng)驗(yàn)和評分得到的農(nóng)業(yè)生態(tài)安全度（表2）為模型輸出值，農(nóng)業(yè)生態(tài)安全度越高說明研究區(qū)越安全，反之較低?？紤]到樣本數(shù)較少（表3），而吉林西部內(nèi)部自然要素基本一致，將10個(gè)地區(qū)1980-2007年數(shù)據(jù)作為訓(xùn)練樣本集，最終得到18×184個(gè)數(shù)據(jù)作為SVM模型訓(xùn)練數(shù)據(jù)，其余18×80個(gè)數(shù)據(jù)作為測試數(shù)據(jù)。

3.2.2 SVM模型構(gòu)建過程 選擇SPSS公司的數(shù)據(jù)挖掘軟件Clementine12.0作為農(nóng)業(yè)生態(tài)安全評價(jià)模型和分析平臺。Clementine12.0軟件中包括了多種數(shù)據(jù)挖掘模型及數(shù)據(jù)格式化工具，它是通過節(jié)點(diǎn)的連接完成數(shù)據(jù)挖掘，具體步驟為：首先，由Clementine12.0數(shù)據(jù)接口讀入各指標(biāo)數(shù)據(jù)，數(shù)據(jù)流通過一系列工具節(jié)點(diǎn)處理為標(biāo)準(zhǔn)格式結(jié)構(gòu)后被送入SVM挖掘模型；其次，將結(jié)果輸出或可視化顯示。利用Clementine12.0軟件中的SVM模塊構(gòu)建基于支持向量機(jī)的農(nóng)業(yè)生態(tài)安全評價(jià)模型，模型流程見圖1。

最后，選用epsilon-SVR作為回歸方法，核函數(shù)為徑向基函數(shù)。由交叉驗(yàn)證法取得誤差懲罰因子C=32，核函數(shù)參數(shù)γ=0.052 6，不敏感系數(shù)ε=0.25。經(jīng)訓(xùn)練數(shù)據(jù)集學(xué)習(xí)后，獲得支持向量86個(gè)，測試回歸結(jié)果的均方根誤差為1.313 3。

4 結(jié)果與分析

根據(jù)SVM模型預(yù)測結(jié)果并結(jié)合原有數(shù)據(jù)，對農(nóng)業(yè)生態(tài)安全指數(shù)（ESIVj）求取多年平均值后進(jìn)行分等定級，按照生態(tài)安全閾值標(biāo)準(zhǔn)，將農(nóng)業(yè)生態(tài)安全閾值分為“低、較低、適中、較高、高”5個(gè)等級。根據(jù)農(nóng)業(yè)生態(tài)安全閾值分區(qū)標(biāo)準(zhǔn)，結(jié)合吉林省西部的行政區(qū)劃圖，利用GIS的分區(qū)功能對吉林省西部農(nóng)業(yè)生態(tài)安全進(jìn)行分區(qū)（圖2）。由圖2可知，扶余縣農(nóng)業(yè)生態(tài)安全度低；白城市農(nóng)業(yè)生態(tài)安全度較低；松原市農(nóng)業(yè)生態(tài)安全度適中；鎮(zhèn)賚縣、大安市、洮南市、乾安縣、通榆縣、長嶺縣農(nóng)業(yè)生態(tài)安全度較高；前郭縣農(nóng)業(yè)生態(tài)安全度高。

5 結(jié)論

支持向量機(jī)在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出了較好的優(yōu)勢，使得在解決農(nóng)業(yè)生態(tài)安全問題上變?yōu)榭赡?。本文基于“壓?狀態(tài)-響應(yīng)”框架模型選取18個(gè)指標(biāo)因子并作為SVM樣本輸入，利用Clementine12.0軟件構(gòu)建SVM評價(jià)模型。結(jié)果表明，基于支持向量機(jī)與地理信息系統(tǒng)技術(shù)進(jìn)行農(nóng)業(yè)生態(tài)安全評價(jià)，具備了較強(qiáng)的評價(jià)能力和擴(kuò)展能力。研究結(jié)果可為研究區(qū)農(nóng)業(yè)生態(tài)安全評價(jià)、預(yù)測等提供理論依據(jù)和技術(shù)支持。

支持向量機(jī)應(yīng)用于農(nóng)業(yè)生態(tài)安全評價(jià)中是一個(gè)新領(lǐng)域，其理論與方法還有待完善，如樣本數(shù)據(jù)可能存在一定誤差，或是在核函數(shù)的類型和參數(shù)的選擇上有待商榷，隨著指標(biāo)數(shù)據(jù)及方法不斷積累與完善，對存在的誤差及核函數(shù)類型、參數(shù)的選擇會得到相應(yīng)的改善。

參考文獻(xiàn)：

[1] KING R S.，Integrating bioassessment and ecological risk assessment：an approach to developing numerical water-quality criteria[J]，Environmental Management，2003.31（6）：795-809，

[2] 王 軍，何 玲，董 謙，等.河北省農(nóng)業(yè)生態(tài)安全障礙度評價(jià)與對策研究[J].農(nóng)業(yè)現(xiàn)代研究，2010，31（1）：81-85.

[3] 王 軍.農(nóng)業(yè)生態(tài)安全的理論與實(shí)踐[M].北京：中國農(nóng)業(yè)出版社， 2009.

[4] 肖薇薇，謝永生，王繼軍.黃體丘陵區(qū)農(nóng)業(yè)生態(tài)安全評價(jià)指標(biāo)體系的建立[J].水土保持通報(bào)，2007，27（2）：146-149.

[5] 李 芬，王繼軍.黃土丘陵區(qū)紙坊溝流域近70年農(nóng)業(yè)生態(tài)安全評價(jià)[J].生態(tài)學(xué)報(bào)，2008，28（5）：2380-2388.

[6] VAPNIK V N. The Nature of Statistical Learning Theory[M]. New York：Springer Verlag，1995.

[7] VAPNIK V N. Statistical Learning Theory[M]. New York： Wiley，1998.

[8] 楊曉華，黃敬峰，王秀珍，等.基于支持向量機(jī)的水稻葉面積指數(shù)高光譜估算模型研究[J].光譜學(xué)與光譜分析，2008，28（8）：1837-1841.

[9] 傅文杰.GIS支持下基于支持向量機(jī)的滑坡危險(xiǎn)性評價(jià)[J].地理科學(xué)，2008，28（6）：838-841.

[10] 駱劍承，周成虎，梁 怡，等.支撐向量機(jī)及其遙感影像空間特征提取和分類的應(yīng)用研究[J].遙感學(xué)報(bào)，2002，6（1）：50-54.

[11] 湯 潔，李海毅，斯 藹.吉林省通榆縣近20年農(nóng)業(yè)可持續(xù)發(fā)展的生態(tài)安全[J].農(nóng)業(yè)現(xiàn)代化研究，2007，28（1）：75-78.