梁小英 商舒涵 徐婧儀

摘要：日益增強(qiáng)的人類活動嚴(yán)重影響區(qū)域生態(tài)安全，如何科學(xué)預(yù)測和模擬區(qū)域生態(tài)安全已成為學(xué)者關(guān)注的焦點之一。該研究基于PSR（Pressure-State-Response）模型構(gòu)建生態(tài)安全指標(biāo)體系，分析陜西省2005—2015年間生態(tài)安全的時空分異;以Maxout為激活函數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，且以柵格作為最小評價單元，預(yù)測和分析陜西省生態(tài)安全時空分異及其等級的時空序列變化規(guī)律。研究結(jié)果表明：① 2005—2015年陜西省生態(tài)安全綜合狀況逐步好轉(zhuǎn)。生態(tài)安全等級空間格局由“南低北高”向“南北高、中間低”轉(zhuǎn)變，即北部和南部大部分區(qū)域轉(zhuǎn)向安全狀態(tài)，中部局部仍處于不安全狀態(tài)，但有緩解趨勢。② 構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型精度為83.98％，能夠?qū)﹃兾魇∩鷳B(tài)安全進(jìn)行預(yù)測。③ 預(yù)測結(jié)果表明，2016—2021年陜西省生態(tài)安全綜合狀況持續(xù)好轉(zhuǎn)，且中部向高安全狀態(tài)轉(zhuǎn)變。文中研究結(jié)果可為區(qū)域生態(tài)安全研究提供理論依據(jù)和決策支持。

關(guān)鍵詞：區(qū)域生態(tài)安全;BP神經(jīng)網(wǎng)絡(luò);PSR;模擬;陜西省

中圖分類號：X826

DOI：10.16152/j.cnki.xdxbzr.2020-04-017開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

The research simulation of regional ecologicalsecurity based on BP neural network

LIANG Xiaoying， SHANG Shuhan， XU Jingyi

（College of Urban and Environmental Science， Northwest University， Xi′an 710127， China）

Abstract： Increasing human activities have seriously affected regional ecological security. How to predict and simulate the regional ecological security scientifically has become one of the significant issues. In this research， the index system of ecological security is constructed based on the "pressure-state-response" model， and the spatio-temporal variation of ecological security are analyzed in Shaanxi Province from 2005 to 2015; the BP neural network model is constructed with maxout as the activation function， and the grid as the minimum evaluation unit to predict and analyze the spatial and temporal differences and their change rules of ecological security in Shaanxi Province. Conclusions： ① From 2005 to 2015， the comprehensive situation of ecological security in Shaanxi Province gradually improved. The spatial pattern of ecological security changes from "low level? southern， high level in northern" to "high level in northern and southern， low level in central"， which means most northern and southern areas turn to a state of security， while some central areas are still in a state of insecurity with a trend of mitigation. ② The accuracy of BP neural network prediction model is 83.98％， which can predict the ecological security of Shaanxi Province. ③ The prediction results show that the general situation of ecological security of Shaanxi Province continues to improve from 2016 to 2021， and the central is changing to the security state. The results of this paper can provide theoretical basis and decision support for regional ecological security research.

Key words： regional ecological security; BP neural network; PSR; simulation; Shaanxi Province

生態(tài)安全是一個國家賴以生存和發(fā)展的生態(tài)環(huán)境處于不受或少受破壞與威脅的狀態(tài)［1］，是國家安全的重要基石［2］。廣義的生態(tài)安全強(qiáng)調(diào)人類活動對自然生態(tài)系統(tǒng)的影響，是社會-經(jīng)濟(jì)-自然復(fù)合系統(tǒng)的安全［3］。目前，生態(tài)安全問題已成為我國全面建成小康社會的突出短板［4］。如何基于生態(tài)安全影響因子與社會經(jīng)濟(jì)的持續(xù)發(fā)展之間的相互關(guān)系探討區(qū)域生態(tài)安全，已成為國內(nèi)外學(xué)者研究的熱點之一［5］。

通過構(gòu)建指標(biāo)體系評估生態(tài)安全已得到諸多學(xué)者的認(rèn)可。壓力-狀態(tài)-響應(yīng)（PSR）指標(biāo)體系以因果關(guān)系為基礎(chǔ)［6］，在國家級、省級、流域等大尺度區(qū)域范圍的生態(tài)安全評價中得到了廣泛的應(yīng)用［7-9］。由于生態(tài)系統(tǒng)和時空維度的差異［10］，目前還沒有形成學(xué)者們一致認(rèn)可的指標(biāo)體系［11］，但依據(jù)區(qū)域特點因地制宜構(gòu)建生態(tài)安全指標(biāo)體系已得到多數(shù)學(xué)者的認(rèn)同［10，12-13］。

在生態(tài)安全預(yù)測方面，神經(jīng)網(wǎng)絡(luò)模型用于生態(tài)系統(tǒng)的時空預(yù)測有其突出的優(yōu)越性［14］，且以BP和RBF神經(jīng)網(wǎng)絡(luò)模型居多［15-17］。RBF和BP神經(jīng)網(wǎng)絡(luò)同屬非線性多層前向網(wǎng)絡(luò)，RBF的泛化能力優(yōu)于BP網(wǎng)絡(luò)［18-19］，但其網(wǎng)絡(luò)結(jié)構(gòu)相對復(fù)雜、運算量大［20］，不能有效應(yīng)對大數(shù)據(jù)量復(fù)雜問題［21］。構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的核心是激活函數(shù)的選取，早期研究主要采用的Sigmoid函數(shù)存在較大概率的梯度消失［22］，ReLU函數(shù)雖能解決梯度消失問題［23］，但在訓(xùn)練中容易出現(xiàn)均值偏移和神經(jīng)元消失問題［24，25］。有學(xué)者建議選擇可學(xué)習(xí)的分段線性函數(shù)Maxout作為激活函數(shù)來解決梯度消失問題［26］，而目前鮮有應(yīng)用于生態(tài)安全的預(yù)測模擬研究。另外，雖然BP神經(jīng)網(wǎng)絡(luò)在模式識別和預(yù)測方面具有較好的容錯性［27］，但有限的省級尺度數(shù)據(jù)量使得訓(xùn)練過程中容易出現(xiàn)過擬合問題［28］。已有研究表明，采用柵格為最小評價單元，使得評價結(jié)果更加精細(xì)化，能最大限度地體現(xiàn)出行政單元內(nèi)部生態(tài)安全程度的空間差異［29］，同時為模型預(yù)測提供足夠的樣本數(shù)。

本文以生態(tài)系統(tǒng)類型多樣、社會經(jīng)濟(jì)發(fā)展時空分異大的陜西省為研究區(qū)。依據(jù)研究區(qū)的實際情況，采用PSR框架構(gòu)建生態(tài)安全評價指標(biāo)體系，以熵權(quán)法確定指標(biāo)權(quán)重，通過加權(quán)綜合的方法定量計算區(qū)域生態(tài)安全綜合指數(shù)，分析區(qū)域生態(tài)安全時空分異;嘗試以Maxout作為激活函數(shù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，在模擬驗證的基礎(chǔ)上預(yù)測2016—2021年陜西省生態(tài)安全，分析其時空分異。為陜西省區(qū)域生態(tài)安全評估和生態(tài)安全政策制定提供必要的理論基礎(chǔ)。

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

陜西?。?05°29′E～111°15′E，31°42′N～39°35′N）地處中國西北內(nèi)陸腹地，土地總面積20.57×104 km2。全省地域南北長，東西窄，以北山和秦嶺為界，自北向南分為陜北黃土高原、關(guān)中平原和陜南山地三大自然單元。全省年平均氣溫9～16 ℃，自南向北、自東向西遞減;年平均降水量340～1 240 mm，南多北少。陜西省三大區(qū)域經(jīng)濟(jì)發(fā)展不平衡，全省70％以上的工商業(yè)、科技教育等資源集中在關(guān)中平原地區(qū)，80％以上的煤炭等工業(yè)資源分散在陜北黃土高原地區(qū)，70％以上的生物資源分布在陜南山地地區(qū)。同時，陜西省是我國退耕還林面積最大的省份，累計退耕地還林124.1萬公頃，森林覆蓋率凈增12.14％。陜西省生態(tài)系統(tǒng)多樣，土地覆被變化劇烈，加之該區(qū)在地形、地貌、氣候等地理條件及社會經(jīng)濟(jì)的過渡性特點，為研究區(qū)域生態(tài)安全提供了良好的平臺。

1.2 數(shù)據(jù)來源與處理

1）陜西省DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云ASTER GDEMS數(shù)據(jù)集DEM（90m×90m）柵格（http：／／www.gscloud.cn／），提取研究區(qū)高程和坡度數(shù)據(jù)，重采樣為1km分辨率。陜西省邊界矢量化文件來自陜西省縣域尺度矢量文件，陜西省下轄10個設(shè)區(qū)市，含30個市轄區(qū)、72個縣、5個縣級市，共107個縣級區(qū)域。

2）陜西省2005—2015年1km柵格分辨率NDVI數(shù)據(jù)和地表溫度數(shù)據(jù)來自地理空間數(shù)據(jù)云（http：／／www.gscloud.cn／），屬MODIS合成產(chǎn)品。

3）陜西省社會經(jīng)濟(jì)類數(shù)據(jù)通過查閱2005—2015年省域、縣域的統(tǒng)計年鑒、統(tǒng)計公報或數(shù)據(jù)庫的方式獲取。其中，城鄉(xiāng)居民收入平衡指數(shù)、農(nóng)民人均純收入、人口密度、人均糧食擁有量、土地墾殖率、地均全社會固定投資總額、經(jīng)濟(jì)密度、第三產(chǎn)業(yè)產(chǎn)值、人均耕地面積主要來自《陜西省區(qū)域統(tǒng)計年鑒》《陜西省統(tǒng)計年鑒》;封山育林總面積主要來自《中國縣域統(tǒng)計年鑒》《中國林業(yè)統(tǒng)計年鑒》。

2 研究方法

2.1 PSR指標(biāo)體系構(gòu)建

根據(jù)指標(biāo)科學(xué)性、系統(tǒng)性、數(shù)據(jù)可獲得性，借鑒前人的研究［30-31］，結(jié)合陜西省實際情況，構(gòu)建基于PSR模型框架的陜西省生態(tài)安全評價指標(biāo)體系。指標(biāo)體系自上向下分為目標(biāo)層、準(zhǔn)則層和指標(biāo)層3個層級。指標(biāo)層是準(zhǔn)則層各系統(tǒng)下表征區(qū)域生態(tài)安全狀況的具體可度量指標(biāo)。

依據(jù)指標(biāo)選取原則與研究區(qū)特點，本文共篩選出20個指標(biāo)。除一些常用的生態(tài)安全的表征指標(biāo)外，還針對陜西省區(qū)域特點，選取了單位耕地面積塑料薄膜使用量、NDVI、地表溫度、高程、坡度、封山育林面積、單位耕地農(nóng)業(yè)機(jī)械化動力這7個指標(biāo)。下面分別對選擇上述指標(biāo)的原因進(jìn)行說明。陜西省南北長，東西窄，緯度跨越較大，土地適宜耕種作物不同，對于地膜的使用差異巨大，選擇單位耕地面積塑料薄膜使用量（P4）作為負(fù)向指標(biāo)，可以區(qū)分不同耕作環(huán)境對生態(tài)的影響;陜西省植被分布不均，選擇八月份合成植被指數(shù)柵格數(shù)據(jù)NDVI（P8）代替各縣域的森林覆蓋率，該指數(shù)隨生物量的增加而增大，是生態(tài)安全的正向指標(biāo)，可以突出表現(xiàn)研究區(qū)不同地域植被覆蓋情況;陜西省南北地區(qū)溫度差異巨大，用八月份白天地表溫度柵格數(shù)據(jù)（P9）代替溫度數(shù)據(jù)，可以有效區(qū)分相鄰地區(qū)裸露地面和涵養(yǎng)濕地的生態(tài)狀況，顯示年度最熱時期陜西省不同區(qū)域的極端天氣分布狀況，數(shù)值越大生態(tài)安全綜合指數(shù)越低;陜西省地形變化多樣，包括高原、平原、山地丘陵等多種情況，選取高程數(shù)據(jù)（P13）和坡度數(shù)據(jù)（P14）作為狀態(tài)指標(biāo)，是為了體現(xiàn)地形要素對生態(tài)環(huán)境的影響，從自然要素角度更全面的展現(xiàn)陜西省生態(tài)安全的狀態(tài);陜西省是退耕還林大省，耕地面積和林地面積在研究時間內(nèi)變化劇烈，選取封山育林面積（P18）作為響應(yīng)層的正向指標(biāo)，可以有效將這種時間尺度上的變化量化分析;同時，陜西省不同地域經(jīng)濟(jì)科技狀況迥異，西安、咸陽等中心城市和陜北鄉(xiāng)村之間機(jī)械化動力的差異巨大，選擇單位耕地農(nóng)業(yè)機(jī)械化動力（P19）作為響應(yīng)層正向指標(biāo)，可以表現(xiàn)不同經(jīng)濟(jì)狀況對生態(tài)安全的響應(yīng)程度。最后，采用熵權(quán)法確定指標(biāo)權(quán)重，得到陜西省生態(tài)安全指標(biāo)評價體系及其權(quán)重（見表1）。

2.2 區(qū)域生態(tài)安全綜合指數(shù)計算及安全等級劃分

通過加權(quán)綜合的方法對區(qū)域生態(tài)安全綜合指數(shù)（ecological security comprehensive index，ESCI），公式如下：

ESCIij=∑（wijk×xijk）（1）

式中，ESCIij為i縣級區(qū)域j年的生態(tài)安全綜合指數(shù)，wijk和xijk分別為i縣級區(qū)域j年k指標(biāo)的綜合權(quán)重和歸一化后的標(biāo)準(zhǔn)值。

參考國家生態(tài)安全評估體系研究結(jié)果［32］，將陜西省生態(tài)安全劃分為5個等級，分別對應(yīng)于Ⅰ級（惡劣狀態(tài)）、Ⅱ級（風(fēng)險狀態(tài)）、Ⅲ級（臨界安全狀態(tài)）、Ⅳ級（比較安全狀態(tài)）、Ⅴ級（非常安全狀態(tài)）；即生態(tài)安全等級越高，區(qū)域生態(tài)安全狀態(tài)越好，反之安全狀態(tài)越差。根據(jù)陜西省2005—2015年生態(tài)安全變化情況，本文以2010年（第一輪“退耕還林”結(jié)束年份）作為安全等級劃分標(biāo)準(zhǔn)，將陜西省2010年生態(tài)安全綜合指數(shù)利用自然間斷法劃分為5個等級，再利用其分界點對其他年份數(shù)據(jù)等級進(jìn)行劃分，以此增強(qiáng)不同年份區(qū)域生態(tài)安全等級變化的對比性。

2.3 BP神經(jīng)網(wǎng)絡(luò)算法

生態(tài)系統(tǒng)安全程度及其影響因素之間的關(guān)系復(fù)雜，通常表現(xiàn)為非線性關(guān)系，很難通過確定的模型進(jìn)行準(zhǔn)確描述。而利用BP神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任意非線性函數(shù)的優(yōu)勢，可以提高樣點生態(tài)安全綜合指數(shù)預(yù)測準(zhǔn)確度。

2.3.1 Maxout-BP模型構(gòu)建

本文在構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型中對以下幾個關(guān)鍵環(huán)節(jié)進(jìn)行了優(yōu)化和選擇：

1）激活函數(shù)

激活函數(shù)的主要作用是提供網(wǎng)絡(luò)的非線性建模能力，避免單純的線性映射。本文選擇Maxout為激活函數(shù)，其是一個分段線性函數(shù)，它是任務(wù)凸函數(shù)的分段線性近似。假設(shè)網(wǎng)絡(luò)某一層的輸入特征向量為：X=（x1， x2， …， xd），即輸入的d個神經(jīng)元;Maxout隱藏層每個神經(jīng)元i的計算公式如下：

hi（x）=maxj∈［1，k］zij? （2）

zij=XW…ij+bij? （3）

式中，權(quán)重W是一個大小為（d， m， k）三維矩陣，公式（3）表示取出第i列，下標(biāo)i前的省略號表示對應(yīng)第i列中的所有行;b是一個大小為（m， k）的二維矩陣;d為輸入層節(jié)點的個數(shù)，m為隱含層節(jié)點的個數(shù)，k為每個隱含層節(jié)點對應(yīng)k個“隱隱含層”節(jié)點，“隱隱含層”節(jié)點均為線性輸出，而Maxout的每個節(jié)點取這k個“隱隱含層”節(jié)點輸出的最大值。

2）優(yōu)化函數(shù)

預(yù)測生態(tài)安全綜合指數(shù)的BP神經(jīng)網(wǎng)絡(luò)模型較為復(fù)雜，為了有效提高模型收斂效速率，本文選擇標(biāo)度共軛梯度SCG（scaled conjugate gradient）算法作為優(yōu)化函數(shù)，解決傳統(tǒng)梯度下降（traingd）算法收斂速度慢的問題，有效避免BP神經(jīng)網(wǎng)絡(luò)的震蕩，大幅提升收斂水平。

3）損失函數(shù)

損失函數(shù)是模擬值和真實值之間的損失或誤差，根據(jù)生態(tài)安全綜合數(shù)據(jù)的復(fù)雜性，兼顧離群點的存在，mean-squared-error（MSE）損失函數(shù)相較其他函數(shù)對異常值敏感，其導(dǎo)數(shù)連續(xù)，可以給出更穩(wěn)定的閉式解。

4）Dropout算法

Dropout是指在神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過程中，按照一定的概率將一部分神經(jīng)網(wǎng)絡(luò)單元暫時關(guān)閉的算法，以減少神經(jīng)元之間復(fù)雜的共適應(yīng)關(guān)系，進(jìn)而減少模型對某些局部特征的依賴，防止過擬合問題的出現(xiàn)。本文利用公式（1）獲取陜西省2005—2015年生態(tài)安全綜合指數(shù)柵格數(shù)據(jù)，將其文件轉(zhuǎn)成點數(shù)據(jù)，每個點的屬性值對應(yīng)柵格數(shù)據(jù)該像元點的生態(tài)安全綜合指數(shù)數(shù)值。研究區(qū)生態(tài)安全綜合指數(shù)柵格數(shù)據(jù)上每一個像元點為一個樣本組，用該像元點上前10年的數(shù)據(jù)與下一年的數(shù)據(jù)進(jìn)行擬合，構(gòu)建陜西省區(qū)域生態(tài)安全預(yù)測模型。原始樣本數(shù)據(jù)量超過40萬，隱藏層神經(jīng)元個數(shù)及層數(shù)相應(yīng)增加，模型復(fù)雜度高，采用Dropout算法增強(qiáng)網(wǎng)絡(luò)的泛化性，防止模型過擬合。

基于對上述核心函數(shù)及算法的改進(jìn)和選擇，本文使用keras的線性疊加模型對構(gòu)建的Maxout-BP模型進(jìn)行初始化。輸入層添加改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)層，設(shè)置輸入層神經(jīng)元個數(shù)d為10;隱藏層數(shù)目及隱含層節(jié)點個數(shù)受多種因素影響，經(jīng)測試后，分別取值5和1 024;模型使用Maxout為激活函數(shù)，需要輸入?yún)?shù)k（隱隱含節(jié)點的個數(shù)），經(jīng)測試后取值為5;每層網(wǎng)絡(luò)設(shè)置dropout為0.5。輸出層設(shè)置神經(jīng)元個數(shù)t為1;優(yōu)化函數(shù)選擇SCG，學(xué)習(xí)速率為0.01;損失函數(shù)為mean-squared-error;并設(shè)置訓(xùn)練迭代次數(shù)為1 000。輸入陜西省2005—2014年連續(xù)10年的區(qū)域生態(tài)安全綜合指數(shù)，擬合陜西省2015年的區(qū)域生態(tài)安全綜合指數(shù)，由此構(gòu)建完成Maxout-BP神經(jīng)網(wǎng)絡(luò)模型。

2.3.2 模型驗證

本文以PSR模型計算研究區(qū)2015年生態(tài)安全綜合指數(shù)柵格數(shù)據(jù)，與采用Maxout-BP模型預(yù)測得到的2015年生態(tài)安全綜合指數(shù)柵格數(shù)據(jù)進(jìn)行對比，以其準(zhǔn)確率確定模型的有效性。在ArcGIS10.2中按照本文2.2的劃分標(biāo)準(zhǔn)重分類，通過柵格疊加得到預(yù)測準(zhǔn)確像元所占比例，以此驗證Maxout-BP神經(jīng)網(wǎng)絡(luò)模型的精度。

3 結(jié)果與分析

3.1 生態(tài)安全時空分異及變化趨勢

本文使用陜西省107個縣（區(qū)）20個指標(biāo)值的歷年數(shù)據(jù)，以PSR模型構(gòu)建生態(tài)安全指標(biāo)體系，計算出陜西省2005—2015年的生態(tài)安全綜合指數(shù)柵格數(shù)據(jù)。以2010年數(shù)據(jù)為基礎(chǔ)，利用 ArcGIS10.2 自然間斷法得到生態(tài)安全綜合指數(shù)值分級標(biāo)準(zhǔn)：I 級（ESCI<0.498 2），II 級（0.498 2≤ESCI<0.517 2），III 級（0.517 2≤ESCI<0.537 7），IV 級（0.537 7≤ESCI<0.564 7），V 級（ESCI≥0.564 7），以此得到陜西省2005—2015年生態(tài)安全空間分布圖（圖2）。

由圖2可知，2005年陜西省生態(tài)安全等級空間格局為“南低北高”，且以惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級為主，其中惡劣狀態(tài)等級主要位于地勢較為低平且經(jīng)濟(jì)條件較好的關(guān)中平原和部分海拔落差大的陜南山地;高安全等級僅分布于延安北部和榆林部分區(qū)域。相較于2005年，2010年陜西省生態(tài)安全等級在空間上仍呈現(xiàn)“南低北高”的分布格局;生態(tài)安全整體趨于好轉(zhuǎn)的態(tài)勢，惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級所占面積明顯減少，陜北、關(guān)中和陜南的整體安全等級均有所提升，其中陜北地區(qū)安全等級提高最為顯著。2015年陜西省生態(tài)安全在空間上呈現(xiàn)“南北高、中間低”的格局，以高安全等級為主，惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級僅在關(guān)中部分地區(qū)和陜北零星區(qū)域出現(xiàn)。

表2為陜西省生態(tài)安全等級面積變化表。由表2看出，2005—2010年研究區(qū)Ⅲ，Ⅳ，Ⅴ級占比面積分別增加18.46％，12.62％，5.83％，Ⅱ級占比面積減少2.29％，Ⅰ級占比面積減少34.62％，整體變化顯著。2010—2015年研究區(qū)Ⅲ，Ⅳ，Ⅴ級占比面積分別增加5.04％，23.01％，3.16％，I，Ⅱ級占比面積分別減少9.25％，21.97％，其中Ⅱ，Ⅳ級是轉(zhuǎn)移面積最大的兩個類型，整體變化也十分明顯。結(jié)合圖2、圖3看出，2005—2010年陜北地區(qū)生態(tài)安全狀況優(yōu)于關(guān)中和陜南地區(qū)，陜北地區(qū)中部生態(tài)安全變化明顯。2010—2015年陜北和陜南生態(tài)安全狀況優(yōu)于關(guān)中地區(qū)，陜南地區(qū)整體生態(tài)安全明顯提升。

圖3為2005—2015年陜西省三大自然區(qū)生態(tài)安全等級面積占比圖。由圖3可知，2005—2010年陜北地區(qū)Ⅰ，Ⅱ，Ⅲ級面積占比有所減少，其中I級占比面積減少20％以上，Ⅳ，Ⅴ級面積占比增加，其中Ⅳ級增加超過20％（圖3a）;關(guān)中地區(qū)生態(tài)安全等級提高明顯，該區(qū)Ⅱ，Ⅲ，Ⅳ，Ⅴ級占比面積均有增加，Ⅰ級大幅減少40％以上，是面積變化最大的類型（圖3b）;相較上述兩個區(qū)域，陜南地區(qū)生態(tài)安全變化較為平緩，整體向臨界安全狀態(tài)轉(zhuǎn)變，2005—2010年均沒有Ⅴ級區(qū)域，Ⅰ級占比面積大幅度減少，Ⅱ級占比面積有明顯減少，Ⅲ級占比面積大幅度增加，Ⅳ級占比面積僅略有增加（圖3c）。2010—2015年陜北地區(qū)東部、北部變化明顯，高安全等級面積進(jìn)一步擴(kuò)大。具體表現(xiàn)為：Ⅰ，Ⅱ級占比面積有所下降，Ⅲ級占比面積明顯增加，Ⅴ級占比面積基本保持不變（圖3a）;關(guān)中平原地區(qū)除中部變化緩慢，周邊地區(qū)安全等級大幅度提升。具體表現(xiàn)為：Ⅰ，Ⅱ級占比面積有所下降，Ⅲ，Ⅳ，Ⅴ級明顯增加（圖3b）;相較其他兩個區(qū)域，陜南山地區(qū)域生態(tài)安全變化顯著，整體向比較安全狀態(tài)轉(zhuǎn)變。至2015年，Ⅰ，Ⅱ級基本消失，Ⅲ級占比有所下降，Ⅳ，Ⅴ級增加，其中Ⅱ級和Ⅳ級占比面積轉(zhuǎn)移比例遠(yuǎn)超其他等級，大面積區(qū)域已經(jīng)穩(wěn)定在比較安全狀態(tài)。

綜上述，2005—2015年陜西省生態(tài)安全空間分布格局由“南低北高”向“南北高、中間低”轉(zhuǎn)變，且以2005年的低安全等級為主逐步向2015年的高安全等級為主轉(zhuǎn)變，研究區(qū)整體生態(tài)安全狀況改善顯著。從陜西省整體生態(tài)安全發(fā)展變化來看，隨著退耕還林政策的實施，陜西省整體生態(tài)安全等級是全面提升的狀態(tài)，但陜北黃土高原、關(guān)中平原、陜南山地三大自然區(qū)域的變化各有特點，陜北黃土高原受退耕還林影響最大，生態(tài)安全等級提升最快;并且穩(wěn)定在高安全等級，關(guān)中平原受制于人口影響，是陜西省經(jīng)濟(jì)發(fā)展的核心，安全等級提升速度最慢;陜南山地變化平滑而穩(wěn)定，穩(wěn)步從惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級轉(zhuǎn)移至比較安全狀態(tài)等級和非常安全狀態(tài)等級。

3.2 基于Maxout-BP神經(jīng)網(wǎng)絡(luò)區(qū)域生態(tài)安全預(yù)測模型

利用PSR模型計算得到2005—2015年陜西省生態(tài)安全時空序列柵格數(shù)據(jù)作為數(shù)據(jù)集，其中2005—2014年數(shù)據(jù)為訓(xùn)練樣本輸入數(shù)據(jù)，2015年為訓(xùn)練樣本輸出數(shù)據(jù)，每一個像元點上連續(xù)11年的數(shù)據(jù)為一個樣本組，用2004—2014年的數(shù)據(jù)與2015年的數(shù)據(jù)進(jìn)行擬合。計算得到2005—2015年生態(tài)安全綜合指數(shù)數(shù)據(jù)，總量為58萬組，選用其中47萬組數(shù)據(jù)作為樣本集擬合模型。其余11萬數(shù)據(jù)作為測試集，驗證精度，結(jié)果見表3。

在BP神經(jīng)網(wǎng)絡(luò)中， 隱藏層數(shù)和神經(jīng)元個數(shù)決定了模型預(yù)測精度結(jié)果， 依次調(diào)整隱藏層神經(jīng)元個數(shù)遍歷網(wǎng)絡(luò)層數(shù)， 優(yōu)化函數(shù)選用標(biāo)度共軛梯度SCG算法， 執(zhí)行迭代次數(shù)為1 000。由表3知，神經(jīng)元個數(shù)為2 048個、 網(wǎng)絡(luò)層數(shù)為7層時訓(xùn)練出來網(wǎng)絡(luò)模擬效果最好（84.82％）。 綜合考慮模型的效率及精度， 本文最終選定模型神經(jīng)元個數(shù)為1 024個， 網(wǎng)絡(luò)層數(shù)為7層，預(yù)測精度為84.74％。

根據(jù)選定模型對2015年全陜西省數(shù)據(jù)進(jìn)行驗證預(yù)測結(jié)果見圖4。在ArcGIS10.2軟件中將2015年實際數(shù)據(jù)和2015年模擬數(shù)據(jù)（圖4a）進(jìn)行對比分析，得到結(jié)果圖4b，誤差點代表預(yù)測錯誤區(qū)域，準(zhǔn)確點代表預(yù)測正確區(qū)域。結(jié)果表明，Maxout-BP神經(jīng)網(wǎng)絡(luò)模型的精度達(dá)到83.98％，與實際情況基本一致，預(yù)測結(jié)果可信。失誤區(qū)域較為集中，主要集中在兩個區(qū)域：陜北風(fēng)沙沿線東南緣和黃土高原南緣。這兩個分別是內(nèi)蒙古高原向黃土高原的過渡區(qū)和黃土高原向關(guān)中平原的過渡區(qū)。

3.3 基于Maxout-BP神經(jīng)網(wǎng)絡(luò)的生態(tài)安全時空預(yù)測

基于驗證后的Maxout-BP神經(jīng)網(wǎng)絡(luò)模型，利用2006—2015年數(shù)據(jù)預(yù)測研究區(qū)2016年生態(tài)安全綜合指數(shù)，2007—2016年數(shù)據(jù)預(yù)測2017年生態(tài)安全綜合指數(shù)，依次類推，直至預(yù)測出陜西省2016—2021年生態(tài)安全綜合指數(shù)。按照3年一個梯度選取2018年、2021年數(shù)據(jù)和2015年的數(shù)據(jù)（圖4a）進(jìn)行對比（圖5）。

從預(yù)測結(jié)果來看，相較于2015年，2018年陜西省生態(tài)安全空間布局仍以高安全等級為主導(dǎo)，惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級零星分布于咸陽——渭南部分區(qū)域、以散點狀分布在陜南山地和榆林中、北部區(qū)域，且整體生態(tài)安全空間格局呈“南北高、中間低”;2021年陜西省低安全等級區(qū)域進(jìn)一步減少，整體生態(tài)安全空間格局轉(zhuǎn)向“南北低、中間高”，且以比較安全和非常安全狀態(tài)為主。

表4為陜西省2015—2021年生態(tài)安全等級面積變化表。由表4可知，2015—2018年間研究區(qū)生態(tài)安全等級整體有所提升，研究區(qū)Ⅰ，Ⅱ，Ⅲ，Ⅴ級占比面積均有小幅下降，Ⅳ級轉(zhuǎn)移面積最大，占比面積增加4.80％，轉(zhuǎn)移速率較2005—2015年間明顯降低。2018—2021年間陜西省生態(tài)安全等級持續(xù)提升，且咸陽——渭南Ⅰ，Ⅱ級核心區(qū)域縮小顯著。具體表現(xiàn)為：研究區(qū)Ⅰ，Ⅱ，Ⅴ級占比面積略有下降，Ⅲ，Ⅳ級略有增加。結(jié)合圖5、圖6看出，2015—2018年陜南地區(qū)生態(tài)安全狀況優(yōu)于關(guān)中和陜北地區(qū)，但關(guān)中地區(qū)生態(tài)安全變化明顯。2018—2021年關(guān)中地區(qū)生態(tài)安全狀況優(yōu)于陜北和陜南地區(qū)，關(guān)中地區(qū)整體生態(tài)安全等級明顯提升。

圖6為2015—2021年陜西省三大自然區(qū)生態(tài)安全等級面積占比圖。由圖6可知，2015—2018年陜北地區(qū)變化幅度不大，Ⅱ，Ⅳ，Ⅴ級占比面積略有增加，I，Ⅲ級明顯減少，其中Ⅲ級和Ⅴ級轉(zhuǎn)移面積最大，整體變化較為緩和（圖6a）;關(guān)中地區(qū)生態(tài)安全等級提高相對明顯，大部分區(qū)域轉(zhuǎn)向比較安全狀態(tài)，該區(qū)Ⅲ，Ⅳ級占比面積增加明顯，Ⅰ，Ⅱ，Ⅴ級減少明顯，Ⅳ級轉(zhuǎn)移面積最大（圖6b）;相對其他兩個區(qū)域，陜南地區(qū)生態(tài)安全等級變化較大，如Ⅲ級和Ⅳ級分別明顯減少和增加，即安全等級面積轉(zhuǎn)移主要發(fā)生在Ⅲ，Ⅳ級之間（圖6c）。

2018—2021年陜北地區(qū)Ⅰ，Ⅱ級區(qū)域基本消失，Ⅲ級占比面積有明顯增加，Ⅱ，Ⅳ級略有減少且有向Ⅲ級轉(zhuǎn)移的現(xiàn)象（圖6a）;關(guān)中地區(qū)生態(tài)安全等級顯著提高，該區(qū)Ⅰ級占比面積略有增加，Ⅱ，Ⅲ，V級有明顯下降，Ⅳ級占比面積大幅度增加，已超過該區(qū)域面積的60％，生態(tài)安全狀況優(yōu)于陜北黃土高原地區(qū)（圖6b）;相對其他兩個區(qū)域，陜南山地地區(qū)生態(tài)安全變化略有波折，Ⅱ，Ⅲ級占比面積均有明顯增加，Ⅰ，Ⅳ，Ⅴ級有明顯下降，出現(xiàn)高安全等級Ⅳ，Ⅴ級向Ⅱ，Ⅲ級轉(zhuǎn)變的趨勢，但整體還是穩(wěn)定在臨界安全狀態(tài)和比較安全狀態(tài)（圖6c）。

綜上述，2016—2021年陜西省生態(tài)安全空間分布格局由“南北高、中間低”向“南北低、中間高”轉(zhuǎn)變，整體格局變化顯著，生態(tài)安全等級面積轉(zhuǎn)移速率較2005—2015年相對平緩，安全狀況基本趨于穩(wěn)定。2015年在關(guān)中和陜北部分區(qū)域存在的惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級進(jìn)一步縮減，直至2021年惡劣狀態(tài)等級和風(fēng)險狀態(tài)等級基本消失，雖然在陜南山地存在比較安全狀態(tài)向臨界安全狀態(tài)轉(zhuǎn)變的現(xiàn)象，但研究區(qū)整體生態(tài)安全狀況呈良性發(fā)展趨勢。陜西省未來生態(tài)安全發(fā)展趨勢表明經(jīng)濟(jì)的發(fā)展與區(qū)域生態(tài)安全兩者之間并非此消彼長關(guān)系，而是相互促進(jìn)與協(xié)調(diào)關(guān)系，這在關(guān)中地區(qū)的表現(xiàn)最為明顯。

4 結(jié)論與討論

4.1 結(jié) 論

本文以陜西省為例，通過PSR模型框架構(gòu)建生態(tài)安全指標(biāo)體系整合研究生態(tài)安全的時空演化，并基于Maxout-BP神經(jīng)網(wǎng)絡(luò)對陜西省未來生態(tài)安全等級變化趨勢進(jìn)行模擬預(yù)測研究。研究結(jié)果如下：

1）2005—2015年陜西省生態(tài)安全綜合狀況逐步好轉(zhuǎn)。整體而言，陜西省生態(tài)安全等級空間布局由“南低北高”轉(zhuǎn)向“南北高、中間低”，生態(tài)安全狀況呈良性發(fā)展趨勢，各等級持續(xù)增高。陜北黃土高原地區(qū)初期情況相對其他兩個區(qū)域較好，陜南山地區(qū)域生態(tài)安全等級變化平緩，后期區(qū)域表現(xiàn)優(yōu)于陜北;關(guān)中平原地區(qū)變化顯著，但中部地區(qū)始終存在低安全等級區(qū)域。

2）構(gòu)建的Maxout-BP神經(jīng)網(wǎng)絡(luò)模型模擬精度較高。通過對2015年陜西省生態(tài)安全模擬結(jié)果檢驗，Maxout-BP神經(jīng)網(wǎng)絡(luò)模型的精度達(dá)到83.98％，預(yù)測結(jié)果可信。失誤區(qū)域集中在陜北風(fēng)沙沿線東南緣和黃土高原南緣。

3）2016—2021年陜西省生態(tài)安全綜合狀況持續(xù)好轉(zhuǎn)。空間格局變化顯著，空間布局從“南北高、中間低”轉(zhuǎn)為“南北低、中間高”，生態(tài)安全狀況持續(xù)向良性發(fā)展。關(guān)中平原地區(qū)生態(tài)安全變化最為顯著，從低安全等級迅速轉(zhuǎn)向高安全等級，陜北黃土高原地區(qū)生態(tài)安全等級變化不明顯，緩慢持續(xù)向高安全等級轉(zhuǎn)換，陜南山地雖存在高安全等級向中安全等級轉(zhuǎn)換，但整體還穩(wěn)定在臨界安全狀態(tài)和比較安全狀態(tài)。

4.2 討 論

本文基于PSR模型，從自然、人文、經(jīng)濟(jì)等多要素和多維度構(gòu)建生態(tài)安全評價指標(biāo)體系。相較于前期的研究，本文進(jìn)一步整合自然生態(tài)數(shù)據(jù)、遙感數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù)，采用柵格為最小評價單元，在通過柵格尺度實現(xiàn)多維度數(shù)據(jù)的空間化、實現(xiàn)縣域尺度社會經(jīng)濟(jì)數(shù)據(jù)的空間表達(dá)等方面進(jìn)行了有益的嘗試，對生態(tài)安全變化的內(nèi)在機(jī)制探討將是未來進(jìn)一步需要解決的問題。同時，本文以Maxout作為激活函數(shù)，選擇SCG算法提高模型收斂速率，利用Dropout算法解決BP神經(jīng)網(wǎng)絡(luò)模型過擬合現(xiàn)象，對研究區(qū)生態(tài)安全進(jìn)行模擬和預(yù)測，取得較好的模擬效果。但該方法對過渡地帶的模擬效果較差，模型誤差集中分布在陜北風(fēng)沙沿線東南緣和黃土高原南緣，如何更全面地兼顧不同區(qū)域的自然經(jīng)濟(jì)特點，輔助BP神經(jīng)網(wǎng)絡(luò)模型做決策，是未來研究的方向之一。

參考文獻(xiàn)：

［1］ 高吉喜.生態(tài)安全是國家安全的重要組成部分［J］.求是， 2015 （24）：43-44.

［2］ 齊琳.生態(tài)環(huán)境問題在中國的安全化進(jìn)程［J］.江南社會學(xué)院學(xué)報，2016，18（4）：1-9.

QI L. Ecological security progress in China［J］.Journal of Jiangnan Social University，2016，18（4）：1-9.

［3］ 曹秉帥，鄒長新，高吉喜， 等.生態(tài)安全評價方法及其應(yīng)用［J］.生態(tài)與農(nóng)村環(huán)境學(xué)報，2019，35（8）：953-963.

CAO B S， ZOU C X， GAO J X， et al. Review on methodology and application of ecological security assessment［J］.Journal of Ecology and Rural Environment，2019，35（8）：953-963.

［4］ 陳吉寧. 著力解決突出環(huán)境問題［N］. 人民日報， 2018-01-11（007）.

［5］ WEI C， GOU Z Y， WU J P， et al. Constructing an assessment indices system to analyze integrated regional carrying capacity in the coastal zones：A case in Nantong［J］. Ocean ＆ Coastal Management， 2014， 93： 51-59.

［6］ SUN T T， LIN W P， CHEN G S， et al. Wetland ecosystem health assessment through integrating remote sensing and inventory data with an assessmentmodel for the Hangzhou Bay， China［J］. Science of the Total Environment， 2016（566/567）： 627-640.

［7］ 張銳， 鄭華偉， 劉友兆. 基于PSR模型的耕地生態(tài)安全物元分析評價［J］. 生態(tài)學(xué)報， 2013， 33（16）： 5090-5100.

ZHANG R， ZHENG H W， LIU Y Z. Evaluation on cultivated land ecological security based on the PSR model and matter element analysis［J］.Acta Ecologica Sinica， 2013， 33（16）： 5090-5100.

［8］ HE G， YU B H， LI S Z， et al. Comprehensive evaluation of ecological security in mining area based on PSR-ANP-GRAY［J］. Environmental Technology， 2017， 39（23）： 1-7.

［9］ 曲衍波， 朱偉亞， 鄖文聚， 等. 基于壓力-狀態(tài)-響應(yīng)模型的土地整治空間格局及障礙診斷［J］. 農(nóng)業(yè)工程學(xué)報， 2017， 33（3）： 241-249.

QU Y B， ZHU W Y， YUN W J， et al. Land consolidation spatial pattern and diagnosis of its obstacle factors based on pressure-state-response model［J］.Transactions of the Chinese Society of Agricultural Engineering， 2017， 33（3）： 241-249.

［10］DU P J， XIA J S， DU Q， et al. Evaluation of the spatio-temporal pattern of urban ecological security using remote sensing and GIS［J］. International Journal of Remote Sensing， 2013， 34（3）：848-863.

［11］蔡懿苒.國內(nèi)外生態(tài)安全評價研究進(jìn)展［J］.安徽林業(yè)科技，2018，44（5）：25-30，34.

CAI Y R. Research progress in ecological security assessment at home and abroad［J］.Anhui Forestry Science and Technology，2018，44（5）：25-30，34.

［12］劉劍鋒，張可慧，馬文才.基于高分一號衛(wèi)星遙感影像的礦區(qū)生態(tài)安全評價研究——以井陘礦區(qū)為例［J］.地理與地理信息科學(xué)，2015，31（5）：121-126.

LIU J F， ZHANG K H， MA W C. Research on evaluation of mining area ecological security based on Gaofen-1 satellite imagery： Take Jingxing mining area for example［J］.Geography and Geo-Information Science，2015，31（5）：121-126.

［13］徐浩田，周林飛，成遣.基于PSR模型的凌河口濕地生態(tài)系統(tǒng)健康評價與預(yù)警研究［J］.生態(tài)學(xué)報，2017，37（24）：8264-8274.

XU H T， ZHOU L F， CHENG Q.Study on ecosystem health evaluation and risk assessment for Linghekou wetlands based on a PSR model［J］.Acta Ecologica Sinica，2017，37（24）：8264-8274.

［14］孫世軍， 嚴(yán)曉飛，崔朋，等. 基于BP人工神經(jīng)網(wǎng)絡(luò)的小城鎮(zhèn)生態(tài)規(guī)劃研究——以梅河口市中和鎮(zhèn)為例［J］.經(jīng)濟(jì)地理， 2010， 30（9）：1473-1477，1491.

SUN S J， YAN X F，CUI P，et al.Ecological planning for small town based on BP artificial neural networks：Taking Zhonghe Town of Meihekou City as an example［J］.Economic Geography， 2010， 30（9）：1473-1477，1491.

［15］ 茍露峰， 高強(qiáng)， 高樂華. 基于BP神經(jīng)網(wǎng)絡(luò)方法的山東省海洋生態(tài)安全評價［J］.海洋環(huán)境科學(xué)， 2015， 34（3）：427-432.

GOU L F， GAO Q， GAO L H. Evaluation on marine ecological security in Shandong Province based on BP neural network［J］.Marine Environmental Science， 2015， 34（3）： 427-432.

［16］李秀霞， 周也， 張婷婷. 基于BP神經(jīng)網(wǎng)絡(luò)的土地生態(tài)安全預(yù)警研究——以吉林省為例［J］.林業(yè)經(jīng)濟(jì)， 2017， 39（3）：83-86.

LI X X， ZHOU Y， ZHANG T T. Research on early-warning of land ecological security based on BP neural network［J］.Forestry Economics， 2017， 39（3）： 83-86.

［17］歐定華，夏建國，歐曉芳.基于GIS和RBF的城郊區(qū)生態(tài)安全評價及變化趨勢預(yù)測——以成都市龍泉驛區(qū)為例［J］.地理與地理信息科學(xué)，2017，33（1）：49-58.

OU D H， XIA J G， OU X F. Regional ecological security assessment and change trend prediction in Peri-Urban areas based on GIS and RBF： a case study in Longquanyi district of Chengdu City［J］.Geography and Geo-Information Science，2017，33（1）：49-58.

［18］李蕾， 陳倩， 薛安. 基于BP和RBF神經(jīng)網(wǎng)絡(luò)的外加碳源量模型研究［J］. 環(huán)境工程學(xué)報， 2014， 8（11）： 4788-4794.

LI L， CHEN Q， XUE A. Model based on BP and RBF neural network for predicting external carbon dosage［J］.Chinese Journal of Environmental Engineering， 2014， 8（11）： 4788-4794.

［19］聞新，陳鏑，喬羽.國內(nèi)神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)及其在航天器中的應(yīng)用［J］.沈陽航空航天大學(xué)學(xué)報，2018，35（3）：17-26.

WEN X， CHEN D， QIAO Y. Neural network fault diagnosis technology and its application on spacecraft in China［J］.Journal of Shenyang Aerospace University，2018，35（3）：17-26.

［20］董鵬，盧葦，秦芙蓉.基于BP和RBF神經(jīng)網(wǎng)絡(luò)的軍事裝備維修保障點選址問題研究［J］.計算機(jī)科學(xué)，2017，44（S1）：442-445.

DONG P， LU W， QIN F R. Study on military equipment maintenance support sites′ location problem based on BP and RBF neural network［J］.Computer Science，2017，44（S1）：442-445.

［21］張昭昭， 喬俊飛， 余文. 多層自適應(yīng)模塊化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計［J］. 計算機(jī)學(xué)報， 2017， 40（12）： 2827-2838.

ZHANG Z Z， QIAO J F， YU W. Structure design of hierarchical adaptive modular neural network［J］.Chinese Journal of Computers， 2017， 40（12）： 2827-2838.

［22］蔣昂波， 王維維. ReLU激活函數(shù)優(yōu)化研究［J］. 傳感器與微系統(tǒng)， 2018， 37（2）： 50-52.

JIANG A B， WANG W W. Research on optimization of ReLU activation function［J］.Transducer and Microsystem Technologies， 2018， 37（2）： 50-52.

［23］KRIZHEVSKY A， SUTSKEVER I， HINTON G E. Imagenet classification with deep convolutional neural networks［J］.Communications of the ACM，2017，60（6）：84-90.

［24］CLEVERT D A， UNTERTHINER T， HOCHREITER S. Fast and accurate deep network learning by exponential linear units （ELUS） ［EB/OL］.arXiv：1511. 07289［cs.LG］.https：//arxiv.org/abs/1511.07289.

［25］崔福彬， 張茜， 雷俞承志， 等 基于深度學(xué)習(xí)的SAR圖像目標(biāo)識別算法［J］. 長春理工大學(xué)學(xué)報（自然科學(xué)版）， 2019， 42（4）： 33-36.

CUI F B， ZHANG X， LEI Y C Z，et al. Target recognition algorithm for SAR image based on deep learning［J］.Journal of Changchun University of Science and Technology（Natural Science Edition）， 2019， 42（4）： 33-36.

［26］IAN J G， DAVID W F， MEHDI M， et al. Maxout Networks［J］. Compute Science， 2013： 1319-1327.

［27］韓力群. 神經(jīng)網(wǎng)絡(luò)研究趨勢展望［J］.北京工商大學(xué)學(xué)報（自然科學(xué)版）， 2007， 25（6）：39-43.

HAN L Q. Prospect of development trend of neural network［J］.Journal of BeijingTechnology and Business University（Natural Science Edition）， 2007， 25（6）： 39-43.

［28］劉邵權(quán)， 陳國階， 陳治諫. 農(nóng)村聚落生態(tài)環(huán)境預(yù)警——以萬州區(qū)茨竹鄉(xiāng)茨竹五組為例［J］.生態(tài)學(xué)報， 2001，21（2）：295-301.

LIU S Q ， CHEN G J， CHEN Z J. Ecological and environmental warning on rural habitat ecosystem：A case study of group 5 of Cizhu Village in Wanxian City［J］.Acta Ecologica Sinica， 2001，21（2）：295-301.

［29］葛京鳳， 梁彥慶， 馮忠江. 山區(qū)生態(tài)安全評價、預(yù)警與調(diào)控研究：以河北山區(qū)為例［M］. 北京：科學(xué)出版社， 2011：30-35.

［30］秦趣， 代穩(wěn)， 楊琴. 基于熵權(quán)模糊綜合評價法的城市生態(tài)系統(tǒng)安全研究［J］.西北師范大學(xué)學(xué)報（自然科學(xué)版）， 2014， 50（2）： 110-114.

QIN Q， DAI W， YANG Q. Security evaluation on ecological system of city based on entropy weight and fuzzy synthetic evaluation［J］.Journal of Northwest Normal University（Natural Science）， 2014， 50（2）： 110-114.

［31］秦曉楠， 盧小麗. 基于BP-DEMATEL模型的沿海城市生態(tài)安全系統(tǒng)影響因素研究［J］. 管理評論， 2015， 27（5）： 48-58.

QIN X N， LU X L. A BP-DEMATEL-model-based research of the factors that affect coastal urban ecological security system［J］.Management Review， 2015， 27（5）： 48-58.

［32］左偉， 王橋， 王文杰， 等. 區(qū)域生態(tài)安全評價指標(biāo)與標(biāo)準(zhǔn)研究［J］.地理學(xué)與國土研究， 2002，18（1）：67-71.

ZUO W， WANG Q， WANG W J， et al. Study on regional ecological security assessment index and standard［J］.Geography and Territorial Research， 2002，18（1）：67- 71.

（編 輯 亢小玉）