基于網(wǎng)絡核密度估計的河湖人類活動熱點區(qū)域識別

宋瑞平， 王冬梅， 劉文壯

(江蘇省水利科學研究院， 江蘇 南京 210017)

在大尺度空間上，具體的地理實體對象和曾經(jīng)某些現(xiàn)象發(fā)生的地點都表現(xiàn)為點的特征，例如居民點、犯罪現(xiàn)場、違法現(xiàn)象等，這些離散的地理對象或事件點的分布情況對于城市規(guī)劃、犯罪熱點識別、違法熱點地段識別有重要作用，對該類空間點分布模式的研究稱為空間點模式分析?？臻g點模式分析大多采取空間聚類法，包括Getis-Ord (Gi*)統(tǒng)計、核密度估計(kernel density estimation, KDE)、最近鄰方法、K-means聚類等，KDE是一種重要的非參數(shù)檢驗方法，廣泛用于交通中危險路段檢測。KDE是通過將每個位置的空間點個數(shù)作為密度來創(chuàng)建空間上點事件的平滑密度表面，其中心密度值最高，并且隨著空間點遠離中心而下降，通過將空間點分布可視化為平滑連續(xù)的表面，借此來識別事件的高發(fā)區(qū)域。

預防河湖人類活動變化發(fā)生的主要關注點之一是確定人類活動頻繁的區(qū)域，有針對地在該地區(qū)巡查。里下河地區(qū)歷年遙感監(jiān)測中，人類活動變化往往發(fā)生于圩埂、河流沿岸的陸地之上，而不是分布于河道湖泊內(nèi)部。如果將河網(wǎng)、圩埂視作網(wǎng)格，可以認為變化點是受該網(wǎng)格約束的事件點。

基于上述分析，本文根據(jù)Okabe等[1]提出的網(wǎng)絡約束點事件研究思路，使用網(wǎng)絡核密度估計方法對河湖遙感監(jiān)測中的人類活動變化點進行分析，識別人類活動的熱點河段，并與平面核密度分析結果進行比較。

1 研究區(qū)域和數(shù)據(jù)

1.1 研究區(qū)域

里下河地區(qū)位于江蘇省中部，全區(qū)地勢低洼，湖蕩相連，人工水網(wǎng)稠密，是全省重要的農(nóng)業(yè)種植和養(yǎng)殖區(qū)。研究區(qū)域為里下河地區(qū)中部的蘭亭蕩、廣洋湖、王莊蕩，面積約為231 km2，區(qū)域內(nèi)網(wǎng)絡約120 km2。河流網(wǎng)絡是指區(qū)域內(nèi)主要河流的組成的網(wǎng)絡，而圩區(qū)網(wǎng)絡是圈圩圩埂的線性網(wǎng)絡，本文將河流網(wǎng)絡和圩區(qū)網(wǎng)絡組合在一起，并將它們視作一組網(wǎng)絡進行分析。

1.2 數(shù)據(jù)來源

本文選擇2017—2020年研究區(qū)內(nèi)河湖遙感監(jiān)測發(fā)現(xiàn)的變化點為研究對象，包括疑似彩鋼棚，新建房屋等共計281處，見表1。河湖遙感地理數(shù)據(jù)庫以Excel形式為主，包含變化點的詳細屬性，如事件名稱、事件類型、發(fā)生地點、占用面積、所屬河湖等。之后根據(jù)事件點經(jīng)緯度使用ArcGIS進行映射，將其轉換為GIS矢量文件。

表1 研究區(qū)內(nèi)變化點類型

2 違法熱點地區(qū)識別方法

2.1 網(wǎng)絡KDE

KDE是一種用于估計概率密度函數(shù)的非參數(shù)方法，通過將每個事件點的數(shù)據(jù)和帶寬當作特定核函數(shù)的參數(shù)，對估計函數(shù)歸一化生成平滑的密度表面，可視化后能夠體現(xiàn)變化點的分布模式，在交通犯罪預防、經(jīng)濟領域有廣泛的應用。KDE在根據(jù)路徑分析的原理不同分為平面 KDE和網(wǎng)絡KDE，網(wǎng)絡KDE在平面KDE的基礎上有以下2個方面改進[2-3]。

(1) 空間點分布受到路網(wǎng)、河網(wǎng)等網(wǎng)絡約束，使用網(wǎng)絡KDE的結果誤差較小。圖1中a和b中的點在空間中分布完全一致，以網(wǎng)絡距離進行事件搜索時有兩起事件作為核函數(shù)的參數(shù)被計算，而基于歐式距離搜索時有4起事件在搜索范圍內(nèi)，平面KDE會造成網(wǎng)絡事件點的過度聚集，影響最終結果。

(a) 平面KDE

(b) 網(wǎng)絡KDE圖1 平面KDE與網(wǎng)絡KDE估計原理對比

(2)平面KDE估計中密度值相同的節(jié)點可能包含不同數(shù)量的網(wǎng)格段，網(wǎng)絡KDE估計考慮了要素在節(jié)點處密度計算的特殊情況，節(jié)點處的核函數(shù)根據(jù)節(jié)點數(shù)量的不同做出調(diào)整。

實際的河網(wǎng)、圩網(wǎng)中，人類活動變化事件的發(fā)生和分布受到河網(wǎng)、圩網(wǎng)空間格局的影響，具有非均質性的特征，故本文使用網(wǎng)絡KDE來估計人類活動的高密度地區(qū)。

河網(wǎng)、圩網(wǎng)中基本河段的網(wǎng)絡KDE函數(shù)為

(1)

式中：K(q)為點q處的網(wǎng)絡核密度值；n為事件點個數(shù)；h為搜索半徑(或搜索帶寬)；pi為點事件，i=1,2,3,…,n;ds(q,pi)為點事件pi到核中心q的距離；k()為核函數(shù)。

實際的河網(wǎng)、圩網(wǎng)中，河段網(wǎng)絡核密度經(jīng)過節(jié)點處后會出現(xiàn)衰減。針對不同節(jié)點數(shù)的節(jié)點處的衰減，Okabe等使用了“節(jié)點等分不連續(xù)”內(nèi)核函數(shù)。

圖2中，點q為核中心,為交叉口節(jié)點，vik內(nèi)核函數(shù)基于節(jié)點處的節(jié)點數(shù)進行分割，當經(jīng)過下個節(jié)點時，再次進行分割，此過程一直持續(xù)到內(nèi)核中心到達邊界點。交叉口區(qū)域的網(wǎng)絡KDE函數(shù)為

(2)

圖2 節(jié)點等分函數(shù)示意

3 實證分析

3.1 網(wǎng)絡核密度估計

為了網(wǎng)絡KDE能順利進行，研究區(qū)內(nèi)河流網(wǎng)絡和圩區(qū)路網(wǎng)均矢量化后在arcmap中合并為一組河網(wǎng)。網(wǎng)絡KDE主要由核函數(shù)類型、搜索帶寬、單位網(wǎng)絡長度3個因素決定，而其中對結果影響最大的是搜索帶寬。通過比較不同的搜索半徑和單位網(wǎng)絡長度的結果，確認帶寬500m、單位網(wǎng)絡長度20 m的條件下密度圖的平滑度最好。

采用SANET軟件，對研究區(qū)域內(nèi)2017—2020年間的變化點進行網(wǎng)絡KDE，并在ESRI ArcGIS中可視化網(wǎng)絡核密度計算結果。在帶寬500 m，單位網(wǎng)絡距離20 m的條件下，對2017—2020年4年的核密度估計結果如圖3所示。

圖3 2017—2020年研究區(qū)變化點網(wǎng)絡核密度估計結果

研究區(qū)內(nèi)遙感變化點的核密度分析結果顯示，河段的密度值基本代表該河段人類活動程度。2017年人類活動的熱點區(qū)域主要分布在向陽河、楊家河河段，沙黃河河段。2018年人類活動的熱點區(qū)域主要分布在沙黃河、楊家河河段，蘆范河段。2019年人類活動的熱點區(qū)域主要分布在楊家河河段，蘆范河段，廣洋湖圩(w77)周邊。2020年類活動的熱點區(qū)域主要分布在向陽河、楊家河河段，楊家河河段，廣洋湖圩(w77)周邊。

2017—2020年，向陽河(蘭亭蕩段)和楊家河(蘭亭蕩段)周邊進行漁光互補光伏發(fā)電項目建設，人類活動頻繁，自2019年起廣洋湖圩(w77)也在進行漁光互補光伏發(fā)電項目建設。沙黃河、蘆范河周邊漁業(yè)養(yǎng)殖發(fā)達，漁民常會新建魚塘看護彩鋼房，這是這些地區(qū)人類活動頻繁的內(nèi)在原因。

表2 研究區(qū)內(nèi)主要熱點河段核密度值

3.2 多距離空間聚類分析

網(wǎng)絡KDE的問題在于它是一種先驗方法，不具有統(tǒng)計學意義。通過多距離空間聚類分析可以對一定距離范圍內(nèi)的空間自相關性進行匯總，如果某個特定計算距離的平均相鄰要素數(shù)高于整個研究區(qū)域內(nèi)要素的平均密度，則該距離的空間聚類具有統(tǒng)計顯著性。對于位于網(wǎng)絡中的空間點應當使用網(wǎng)絡多距離空間聚類分析[4-5]。

對2017—2020年間的4年變化點進行網(wǎng)絡多距離空間聚類分析后得出圖4結果。

預期結果(隨機分布模式)以紅線表示，觀測結果(實驗數(shù)據(jù)分布模式)以藍線表示，較高置信區(qū)間范圍以綠線表示，較低置信區(qū)間范圍則以粉線表示。觀測線在預期線之上表明數(shù)據(jù)集在該距離內(nèi)表現(xiàn)為聚類。觀測線在預期線之下表明數(shù)據(jù)集在該距離內(nèi)表現(xiàn)為離散，觀測結果與預期結果的差值表示該數(shù)據(jù)集的聚類/離散程度。從圖4得出，觀測結果在非常大的范圍內(nèi)均大于較高置信區(qū)間范圍，表明2017—2020年間研究區(qū)內(nèi)人類活動呈多區(qū)域聚集模式，而2017年和2020年的聚類程度更為明顯，這兩年也是向陽河(蘭亭蕩段)、楊家河(蘭亭蕩段)新建光伏發(fā)電設施比較頻繁的2年，與網(wǎng)絡KDE相比符合預期，為網(wǎng)絡KDE的結果提供了統(tǒng)計學參考價值。

(a) 2017年分析結果

(b) 2018年分析結果

(c) 2019年分析結果

(d) 2020年分析結果圖4 2017—2020年研究區(qū)網(wǎng)絡空間聚類分析結果

4 結 論

本文以里下河地區(qū)2017—2020年遙感監(jiān)測變化點為基礎，采用基于河網(wǎng)、圩網(wǎng)距離的網(wǎng)絡KDE方法分析了研究區(qū)內(nèi)人類活動變化,并采用多距離空間聚類分析法對數(shù)據(jù)空間分布模式進行驗證，識別出人類活動熱點河段。具體結論如下：在里下河地區(qū)，變化點主要集中在建設開發(fā)強度大，養(yǎng)殖業(yè)發(fā)達的河段；與平面核密度方法相比，網(wǎng)絡核密度估計的原理和結果都更符合事件點在網(wǎng)格上分布的實際情況；多距離空間聚類分析對網(wǎng)絡核密度估計的結果有統(tǒng)計學上的參考價值。兩者結合可以使結果更具合理性。

本文從時空尺度上研究人類活動熱點，結論能有效指導地方河湖巡查單位巡查人員調(diào)度、任務分配，通過對熱點河段加大巡查力度，減少人類活動較少區(qū)域的巡查，可以提高地方河湖巡查人員巡查效率。但是本文所選時間跨度較小，僅選擇了年度間的變化點數(shù)據(jù)，不足以分析各河段熱點變化趨勢，無法對未來人類活動演變做出預測，未來將考慮選擇時間跨度更大的數(shù)據(jù)，建立研究區(qū)熱點演變分析模型。