王華春(江西理工大學,江西 贛州341000)
基于GIS和BP神經(jīng)網(wǎng)絡的土地適應性評價
王華春
(江西理工大學,江西贛州341000)
摘要:通過運用GIS技術和BP神經(jīng)網(wǎng)絡理論,力圖用新的研究方法對土地的適應性進行分析和評價。將土地適應性評價指標標準作為BP神經(jīng)網(wǎng)絡的學習樣本,利用GIS的Union工具將各指標圖層進行疊加,選取合適的評價單元,以單元的屬性數(shù)據(jù)作為訓練好的BP神經(jīng)網(wǎng)絡的輸入,進行了土地適應性等級的劃分。將評價等級劃分為高度適宜S1、中度適宜S2、勉強適宜S3以及不適宜N四個等級。最后發(fā)現(xiàn)該研究方法具有簡單方便和客觀性強等優(yōu)點。
關鍵詞:GIS;BP神經(jīng)網(wǎng)絡;土地適應性評價
GIS和BP神經(jīng)網(wǎng)絡應用到土地適應性評價中是科技進步的必然趨勢。以往對土地評價的研究中,大部分研究都運用到了GIS技術,特別是運用其強大的空間分析能力,但運用到神經(jīng)網(wǎng)絡的卻不是很多。將兩者結(jié)合起來運用到土地適應性評價中更是甚少。針對以上研究的不足,本研究力圖將兩者結(jié)合起來應用到土地適應性評價中,以尋求新的方法[1-5]。
土地適宜性評價即評定土地在一定經(jīng)營管理水平下對確定利用類型的適宜狀況。本文將這里的利用類型限定為宜耕地類型。根據(jù)指標選取原則并結(jié)合貴州省畢節(jié)市鴨池鎮(zhèn)為例,選取土壤酸堿度、年均降水量、土壤厚度、海拔、坡度以及交通區(qū)位作為影響土地適應性評價的因子。本文將耕地類型的土地適應性評價等級劃分為高度適宜S1、中度適宜S2、勉強適宜S3以及不適宜N四個等級。
1.1 GIS的應用
將以上6個指標體系在ArcGIS10.0中分別以獨立圖層表示,然后利用ArcGIS10.0的疊加分析中的Union工具將以上6個指標圖層進行合并,在合并的同時也進行了相應的屬性合并,即每個柵格單元都具有土壤酸堿度、年均降水量、土壤厚度、海拔、坡度以及交通區(qū)位等屬性。在將指標圖層進行疊加分析后,需要將研究區(qū)域劃分為許多評價單元。因為評價單元是土地適應性評價的最小評價單位。這也將成為后文中運用BP神經(jīng)網(wǎng)絡進行評價的基礎。這里根據(jù)研究區(qū)域的面積,將整個研究區(qū)域分為2374個單元。
1.2 BP神經(jīng)網(wǎng)絡的應用
在運用BP神經(jīng)網(wǎng)絡時[6],需要確定輸入層、隱藏層和輸出層的確定以及每一層的單元數(shù),訓練樣本的選??;有關BP神經(jīng)網(wǎng)絡的算法和知識將參考有關書籍[7-8]。在本文研究中,根據(jù)相關理論以及不斷試驗確定了BP神經(jīng)網(wǎng)絡的層數(shù)為3層,其結(jié)構為6-9-4,采用Sigmoid作為激活函數(shù)。要對土地適應性進行評價,還需要以下步驟:
(1)確定BP神經(jīng)網(wǎng)絡的訓練樣本集。本文將以上六個指標作為輸入值,即X=[土壤酸堿度,降水量,土壤厚度,海拔,坡度,交通區(qū)位]T,其中T表示向量X的轉(zhuǎn)置。輸出值為相應的4個評價等級,即D=[高度適宜S1,中度適宜S2,勉強適宜S3,不適宜N]T,同樣T表示向量D的轉(zhuǎn)置。具體見表1。
表1 指標劃分表
為了獲得訓練樣本集的輸入向量X,將表1中的數(shù)據(jù)進行歸一化處理,我們將歸一化后的每個等級區(qū)間按線性插值的方法等比例劃分為10個訓練樣本,這樣,最后就會有40個輸入訓練樣本,1-10號樣本為高度適宜S1,11-20號樣本為中度適宜S2,21-30號樣本為勉強適宜S3,31-40號樣本為不適宜N。
當?shù)玫捷斎胂蛄縓后,我們還需要知道期望值向量D。由于將評價等級劃分為4個等級,我們可以將高度適宜S1表示為(1,0,0,0),中度適宜S2表示為(0,1,0,0),勉強適宜S3表示為(0,0,1,0),不適宜N表示為(0,0,0,1)。
(2)對土地適應性進行評價。通過上面建立的訓練樣本集,選取合適的訓練誤差(這里選取訓練差r=0.0005),對建立好的BP神經(jīng)網(wǎng)絡進行訓練,經(jīng)過1049次的訓練,訓練結(jié)果滿足訓練誤差的要求。
此時,可以對土地適應性進行評價。在評價之前,需要將通過ArcGIS10.0劃分的2374個單元的屬性導出到表格中,并對表格中的數(shù)據(jù)進行歸一化處理。將這些數(shù)據(jù)作為訓練好后的BP神經(jīng)網(wǎng)絡的輸入,最終測算出每個評價單元的評價等級(見表2)。
表2 部分評價結(jié)果
最后一步就是利用ArcGIS10.0將這些評價結(jié)果數(shù)據(jù)通過表格的形式以對每個評價單元以追加字段的方式導入圖層上(見下圖)。
基于GIS和BP神經(jīng)網(wǎng)絡在土地適應性評價中的應用,有以下幾個優(yōu)點:
(1)直觀形象:通過GIS的使用,能將評價結(jié)果以圖形的形式展現(xiàn)出來,直觀形象。
(2)信息獲取的簡易性:通過利用GIS,能方便地獲取BP神經(jīng)網(wǎng)絡需要的訓練樣本,而且,對于信息的處理特別是空間信息的處理具有強大的功能。
(3)計算簡單:只需要確定訓練樣本集,BP神經(jīng)網(wǎng)絡會自動進行學習,不需要人為的大量計算。
(4)客觀性強:利用BP神經(jīng)網(wǎng)絡對土地適應性進行評價,不像其他文獻中需要對指標求權重值。
通過將兩者結(jié)合起來運用于土地適應性評價中,得到了預期的效果,說明本文使用的方法具有可行性。
參考文獻:
[1]侯文廣,江聰世,熊慶文等.基于GIS的土壤質(zhì)量評價研究[J].
武漢大學學報:信息科學版,2003,28(01):60-64.
[2]趙銀軍,林清.縣域農(nóng)業(yè)資源與環(huán)境管理決策支持系統(tǒng)設計與實現(xiàn)[J].安徽農(nóng)業(yè)科學,2009,37(10):4827-4828,4830.
[3]周忠發(fā).基于GIS的喀斯特地區(qū)農(nóng)村土地適宜性評價--以貴州省仁懷市為例[J].貴州師范大學學報:自然科學版,2006,24(03):17-19.
[4]胡月明,薛月菊,李波等.從神經(jīng)網(wǎng)絡中抽取土地評價模糊規(guī)則[J].農(nóng)業(yè)工程學報,2005,21(12):93-96.
[5]常勝,李江風.基于BP神經(jīng)網(wǎng)絡的城市土地集約利用評價--以湖北省鄂州為例[J].資源與產(chǎn)業(yè),2010,12(02):31-34.
[6]叢爽.神經(jīng)網(wǎng)絡、模糊系統(tǒng)及其在運動控制中的應用[M].合肥:中國科學技術大學出版社,2001:1-31.
[7]SimonHaykin.神經(jīng)網(wǎng)絡與機器學習[M].北京:機械工業(yè)出版社,2013:77-143.
[8]史忠植.神經(jīng)網(wǎng)絡[M].北京:高等教育出版社,2009:48-63.