基于數據驅動的城市生態(tài)風險預測方法

蘭 萍,索朗白姆

(西藏大學工學院,西藏 拉薩850000)

1 引言

隨著自然環(huán)境的變化和人類活動的影響,造成了生態(tài)系統的損失或破壞,生態(tài)風險由此產生[1]。城市生態(tài)系統的組成包括自然、資源、人口、經濟、環(huán)境等,是一個復雜且龐大的系統。它們相互作用又相互制約,要想客觀科學地預測出生態(tài)風險等級,要先準確地選擇具有代表性的、整體性的、實用性的預測指標體系[2]。指標體系要針對不同的預測對象,建立數學模型。

在上述背景下,相關學者對生態(tài)風險預測問題進行了深入研究,并取得了大量的研究成果。范賀娟[3]等人以天山大小莫合流域野果林區(qū)為例,分析該地區(qū)的景觀格局演變特征,并對區(qū)域生態(tài)風險進行預測。首先,選取數據源,分別為Corona和Spot-5,然后,采用RS技術通過解譯的方式獲取該地區(qū)不同年份的空間數據,最后運用Fragstats 4.0軟件計算景觀特征指數,并分析景觀變化的驅動因素,由此實現景觀生態(tài)風險預測。高玥[4]等人以開都河流域為例,提出一種生態(tài)風險評價及預測方法,利用PSR模型建立風險評價體系,其中包含14個評價指標,以該評價體系為基礎,采用測度綜合生態(tài)風險指數法對生態(tài)風險進行評價,并采用灰色預測模型對該區(qū)域未來四年的生態(tài)風險進行預測。上述方法雖然能夠實現對生態(tài)風險的預測,但是在城市生態(tài)風險預測中,有許多不能確定的影響因素存在,并且在預測過程中容易受到主觀因素的影響,導致指標權重計算結果易存在偏差。

針對上述問題,本文充分考慮預測指標的不確定性,利用灰色模糊理論建立城市生態(tài)風險預測體系,在灰色模糊理論體系計算過程中,利用隸屬度計算指標的準確性,用灰度表示指標量的充分性,依據灰色理論體系計算灰色統計量,建立模糊矩陣,根據灰色模糊算法計算出生態(tài)風險等級。該方法可以很好地結合定性與定量的綜合考量,更好地實現生態(tài)系統風險的實際預測。

2 基于數據驅動的城市生態(tài)風險預測

2.1 城市生態(tài)風險指標體系

為堅持可持續(xù)發(fā)展原則,城市生態(tài)風險指標的選取要結合實際[5,6],有普遍意義、容易獲取、具有應用意義。因此本文選擇由18個指標組成城市生態(tài)風險預測指標體系見圖1。

圖1 城市生態(tài)風險預測指標體系

2.2 城市生態(tài)風險預測原理

根據數量級與量綱的區(qū)分,搭建城市生態(tài)風險預測矩陣[7]。利用層次分析法(Analytical Hierarehy Process,簡稱AHP),對大數據下的城市生態(tài)風險預測指標權重展開評估,城市風險預測結果是用逼近理想解排序的方式對城市生態(tài)風險特征向量進行檢查,并確定是否一致得出的[8]。

預測指標的數量級與量綱會影響城市生態(tài)風險預測結果,所以要在標準的范圍內對其處理[9]。設置數據驅動下的城市生態(tài)風險為m,其中包括n個指標量,預測矩陣用X=(xij)m×n表達,用式(1)描述標準化處理方式

(1)

1)城市生態(tài)風險預測

利用層次分析法計算城市生態(tài)風險預測指標權重,通過判斷矩陣A描述各預測指標的重要度,根據此矩陣計算各指標權重,將各層次綜合權重按順序排列[10]。矩陣A表達式如(2)

(2)

2)城市生態(tài)風險預測指標權重

評估數據驅動的預測指標權重,判斷是否一致,若一致,則計算出比較指標權重,此權重即為城市生態(tài)風險特征向量。

3)城市生態(tài)風險預測指標綜合權重排列

設置城市生態(tài)風險預測最優(yōu)矩陣用X+、X-表示,具體計算方法如式(3)、(4)

(3)

(4)

其中,風險預測的效益型指標集合與成本型指標集合分別用J+和J-表示。

結合上述結果,利用加權歐式距離方法比較城市生態(tài)風險對象,得出城市生態(tài)風險預測最優(yōu)解、最差解間差距,計算公式見式(5)、(6)

(5)

(6)

依據貼近度概念,運用式(7)描述安全風險狀態(tài),計算出的數值大,則存在的城市生態(tài)風險就小,各信息指標在最優(yōu)狀態(tài)下記為1,不在最優(yōu)狀態(tài)下記為0。公式如下

(7)

城市生態(tài)風險預測結果是按照從大到小的順序排序得到的。

2.3 基于灰色模糊理論的城市生態(tài)風險預測

為有效利用上文構建的生態(tài)風險指標體系對數據驅動下的城市生態(tài)風險實施預測,結合灰色模糊理論與模糊集理論,搭建數據驅動下的城市生態(tài)風險灰色模糊預測模型,計算風險等級。

設置風險預測對象因素集U={u1,u2,…,un},預測結果集V={v1,v2,…,vm}。

2.3.1 確定權重集

用權重表達預測對象和因素集間的灰色模糊關系,確定各級指標因素的權重值,確定權重賦值對應的灰度值。根據因素是否充分劃分出4個等級,及其對應的灰度值如表1表示:

表1 各等級對應的灰度值

求出所有的權重值以及對應的灰度賦值的平均值,可求出各指標權重對應的灰色模糊集合

A′=(A,V)=[(a1,v1),(a2,v2),…,(am,vm)]

(8)

2.3.2 設置判斷矩陣

判斷矩陣代表著對象因素和預測結果間的灰色模糊關系。對象因素中各因素的隸屬度為μij=(i=1,2,…,m;j=1,2,…,n),信息充分程度對應灰度為vij(i=1,2,…,m;j=1,2,…,n),用式(9)描述判斷矩陣

(9)

2.3.3 逐層進行灰色模糊綜合預測

上述方法計算出判斷矩陣R和相應指標權重的灰色模糊集合A′,就可得出該層指標對上層指標的灰色模糊綜合預測結果集B=(B1,B2,…,Bi),得到的灰色模糊判斷矩陣為R=(R1,R2,…,Ri)T。用式(10)表達最終的灰色模糊綜合預測結果

B=A′R=[(bj,vj)]n

vij(i=1,2,…,m;j=1,2,…,n)

(10)

2.3.4 預測結果處置

預測的結果B=[(bj,vj)]n結合模糊性與灰色性,可將B變成最大隸屬度與最小灰色度原則的結果集

(11)

綜合預測的有效性,把預測各指標因素按等級分,等級值向量是V=(4,3,2,1),即可獲得預測結果:H=B×VT。從H值的高低即可得出預測結果優(yōu)劣,其等級劃分為:0～0.19是高風險;0.2～0.39是較高風險;0.4～0.59是一般風險;0.6～0.79是較低風險;0.8～1.0是低風險。

3 仿真結果與分析

在MATLAB軟件環(huán)境下建立仿真平臺,并以某省下屬城市的生態(tài)數據為樣本,對本文研究的基于數據驅動的城市生態(tài)風險預測方法實施性能評價。

本文方法利用灰色模糊理論建立包括3個準則層,8個要素層,18個指標層的預測模型,分別計算出2008—2018年該市生態(tài)風險預測值,并與實際風險值進行對比,2008—2018年該市生態(tài)系統預測值與實際值對比結果如圖2所示。

圖2 2008—2018年風險預測值與實際值對比

通過圖2所示的本文方法預測得到的2008—2018年該市生態(tài)風險預測結果可以看出,本文方法的生態(tài)風險預測結果與生態(tài)風險實際值十分接近,誤差極小,具備生態(tài)風險預測準確性。從預測結果可以看出,2012年以前該城市的生態(tài)風險預測值區(qū)間大約處于0.45-0.59,對應的生態(tài)風險等級是一般,而2012-2015年,預測的風險值區(qū)間大致處于0.68-0.79,對應的生態(tài)風險等級為較低風險。2015年以后預測到的風險值區(qū)間處于0.82-0.92左右,處于低風險。通過預測結果可以得出,該城市的生態(tài)風險呈現逐漸降低趨勢,符合實際情況且與國家對城市生態(tài)安全逐步重視的現狀相匹配。

詳細統計2018年該市各項風險指標的預測情況,如表2所示。

表2 2018年該市生態(tài)風險預測結果

表2的預測結果顯示,2018年該市8個生態(tài)要素層中資源壓力和環(huán)境響應的預測結果為0.56、058,說明該要素指標風險等級為一般,后期應采取相應措施提升資源壓力和環(huán)境響應情況;環(huán)境壓力、經濟狀態(tài)、環(huán)境狀態(tài)、經濟響應的預測結果是0.72、0.78、0.64、0.78,說明該要素指標風險等級為較低,生態(tài)風險較低;人口壓力和人文指標的預測結果為0.86、0.89,這兩項要素層風險指標風險等級為低,說明該市的人口壓力和人文指標相對較好,風險低。

為驗證本文方法的城市生態(tài)風險預測效果,從數據樣本中再選取4個城市數據樣本,共計5個城市樣本,將本文方法的預測結果與實際值比較,詳細結果如圖3。

圖3 預測結果

通過5個城市對比可得,本文方法得到的預測結果和實際值的差別很小,說明本文方法的預測結果準確率更高,可靠性更高。

為了檢驗本文方法選取18個指標的合理性和代表性,統計不同指標預測城市生態(tài)風險的覆蓋率,覆蓋率越高,說明對應的指標越能全面反映生態(tài)環(huán)境的變化。統計結果見圖4。

圖4 各指標覆蓋率值

從圖4的結果可以得出,8個要素層的指標,每個指標的覆蓋率均在80%以上,說明本文方法選取的指標都具有全面反映生態(tài)狀態(tài)變化的能力,更具有代表性。

本文方法利用AHP計算選取各指標的權重值,將計算出來的權重值賦予相應的灰度值,通過灰色模糊理論模型綜合預測出風險等級,因此計算權重值是否穩(wěn)定是很重要的,將本文方法與文獻[3]方法、文獻[4]方法的權重計算情況進行比較,結果用圖5、6、7描述。

圖5 城市生態(tài)改造前各時間點的權重值

圖6 城市生態(tài)改造中各時間點的權重值

圖7 城市生態(tài)改造后各時間點的權重值

圖5、6、7分別選用了某市改造前、中、后三個時間節(jié)點的生態(tài)環(huán)境指標,對比三種方法計算的權重值發(fā)現:

1)本文預測方法算出各時間點的城市生態(tài)指標改造前權重值基本穩(wěn)定在0.02左右,改造中權重值在0.04—0.06之間,改造后的權重值在0.06—0.08之間。隨著時間節(jié)點的變化權重值雖然有所變化,但在各自的時間點里基本趨于穩(wěn)定。

2)文獻[3]、[4]的預測方法,在三個時間節(jié)點里波動幅度較大,隨著時間環(huán)境的變化,這一特性沒有改變,所以比較三種計算方法,本文所提方法更具有穩(wěn)定性,在城市生態(tài)風險的綜合預測中,起到非常重要的作用。

4 結論

本文研究基于數據驅動的城市生態(tài)風險預測方法,合理構建城市生態(tài)風險指標體系,選擇數據驅動中AHP方法計算權重值,綜合隸屬度與灰度,建立灰色矩陣,利用灰色模糊算法計算出風險等級。本文通過建立仿真平臺驗證本文方法預測性能。實驗結果表明:本文選取的18項指標覆蓋率高,代表性強,求出的生態(tài)風險值有效地結合了城市的實際生態(tài)環(huán)境狀態(tài),在實際應用中具有有效性和可行性。通過對某市生態(tài)環(huán)境風險驅動因素的計算得到,該市的生態(tài)風險主要是來自資源和環(huán)境響應的壓力,資源包括人均草地面積,環(huán)境響應包括工業(yè)固體廢物利用,城市污水處理,年內造林面積等方面的問題,而2012年以后這些問題基本上都會得到很好的改善。

為預防生態(tài)環(huán)境的惡化,未來要減少或有效治理工業(yè)污染排放問題,重視城市綠化問題,增加造林面積,加大新型節(jié)能資源的開發(fā)和利用力度,為可持續(xù)發(fā)展作貢獻。