基于数据驱动的城市生态风险预测方法

兰 萍,索朗白姆

(西藏大学工学院,西藏 拉萨850000)

1 引言

随着自然环境的变化和人类活动的影响,造成了生态系统的损失或破坏,生态风险由此产生[1]。城市生态系统的组成包括自然、资源、人口、经济、环境等,是一个复杂且庞大的系统。它们相互作用又相互制约,要想客观科学地预测出生态风险等级,要先准确地选择具有代表性的、整体性的、实用性的预测指标体系[2]。指标体系要针对不同的预测对象,建立数学模型。

在上述背景下,相关学者对生态风险预测问题进行了深入研究,并取得了大量的研究成果。范贺娟[3]等人以天山大小莫合流域野果林区为例,分析该地区的景观格局演变特征,并对区域生态风险进行预测。首先,选取数据源,分别为Corona和Spot-5,然后,采用RS技术通过解译的方式获取该地区不同年份的空间数据,最后运用Fragstats 4.0软件计算景观特征指数,并分析景观变化的驱动因素,由此实现景观生态风险预测。高玥[4]等人以开都河流域为例,提出一种生态风险评价及预测方法,利用PSR模型建立风险评价体系,其中包含14个评价指标,以该评价体系为基础,采用测度综合生态风险指数法对生态风险进行评价,并采用灰色预测模型对该区域未来四年的生态风险进行预测。上述方法虽然能够实现对生态风险的预测,但是在城市生态风险预测中,有许多不能确定的影响因素存在,并且在预测过程中容易受到主观因素的影响,导致指标权重计算结果易存在偏差。

针对上述问题,本文充分考虑预测指标的不确定性,利用灰色模糊理论建立城市生态风险预测体系,在灰色模糊理论体系计算过程中,利用隶属度计算指标的准确性,用灰度表示指标量的充分性,依据灰色理论体系计算灰色统计量,建立模糊矩阵,根据灰色模糊算法计算出生态风险等级。该方法可以很好地结合定性与定量的综合考量,更好地实现生态系统风险的实际预测。

2 基于数据驱动的城市生态风险预测

2.1 城市生态风险指标体系

为坚持可持续发展原则,城市生态风险指标的选取要结合实际[5,6],有普遍意义、容易获取、具有应用意义。因此本文选择由18个指标组成城市生态风险预测指标体系见图1。

图1 城市生态风险预测指标体系

2.2 城市生态风险预测原理

根据数量级与量纲的区分,搭建城市生态风险预测矩阵[7]。利用层次分析法(Analytical Hierarehy Process,简称AHP),对大数据下的城市生态风险预测指标权重展开评估,城市风险预测结果是用逼近理想解排序的方式对城市生态风险特征向量进行检查,并确定是否一致得出的[8]。

预测指标的数量级与量纲会影响城市生态风险预测结果,所以要在标准的范围内对其处理[9]。设置数据驱动下的城市生态风险为m,其中包括n个指标量,预测矩阵用X=(xij)m×n表达,用式(1)描述标准化处理方式

(1)

1)城市生态风险预测

利用层次分析法计算城市生态风险预测指标权重,通过判断矩阵A描述各预测指标的重要度,根据此矩阵计算各指标权重,将各层次综合权重按顺序排列[10]。矩阵A表达式如(2)

(2)

2)城市生态风险预测指标权重

评估数据驱动的预测指标权重,判断是否一致,若一致,则计算出比较指标权重,此权重即为城市生态风险特征向量。

3)城市生态风险预测指标综合权重排列

设置城市生态风险预测最优矩阵用X+、X-表示,具体计算方法如式(3)、(4)

(3)

(4)

其中,风险预测的效益型指标集合与成本型指标集合分别用J+和J-表示。

结合上述结果,利用加权欧式距离方法比较城市生态风险对象,得出城市生态风险预测最优解、最差解间差距,计算公式见式(5)、(6)

(5)

(6)

依据贴近度概念,运用式(7)描述安全风险状态,计算出的数值大,则存在的城市生态风险就小,各信息指标在最优状态下记为1,不在最优状态下记为0。公式如下

(7)

城市生态风险预测结果是按照从大到小的顺序排序得到的。

2.3 基于灰色模糊理论的城市生态风险预测

为有效利用上文构建的生态风险指标体系对数据驱动下的城市生态风险实施预测,结合灰色模糊理论与模糊集理论,搭建数据驱动下的城市生态风险灰色模糊预测模型,计算风险等级。

设置风险预测对象因素集U={u1,u2,…,un},预测结果集V={v1,v2,…,vm}。

2.3.1 确定权重集

用权重表达预测对象和因素集间的灰色模糊关系,确定各级指标因素的权重值,确定权重赋值对应的灰度值。根据因素是否充分划分出4个等级,及其对应的灰度值如表1表示:

表1 各等级对应的灰度值

求出所有的权重值以及对应的灰度赋值的平均值,可求出各指标权重对应的灰色模糊集合

A′=(A,V)=[(a1,v1),(a2,v2),…,(am,vm)]

(8)

2.3.2 设置判断矩阵

判断矩阵代表着对象因素和预测结果间的灰色模糊关系。对象因素中各因素的隶属度为μij=(i=1,2,…,m;j=1,2,…,n),信息充分程度对应灰度为vij(i=1,2,…,m;j=1,2,…,n),用式(9)描述判断矩阵

(9)

2.3.3 逐层进行灰色模糊综合预测

上述方法计算出判断矩阵R和相应指标权重的灰色模糊集合A′,就可得出该层指标对上层指标的灰色模糊综合预测结果集B=(B1,B2,…,Bi),得到的灰色模糊判断矩阵为R=(R1,R2,…,Ri)T。用式(10)表达最终的灰色模糊综合预测结果

B=A′R=[(bj,vj)]n

vij(i=1,2,…,m;j=1,2,…,n)

(10)

2.3.4 预测结果处置

预测的结果B=[(bj,vj)]n结合模糊性与灰色性,可将B变成最大隶属度与最小灰色度原则的结果集

(11)

综合预测的有效性,把预测各指标因素按等级分,等级值向量是V=(4,3,2,1),即可获得预测结果:H=B×VT。从H值的高低即可得出预测结果优劣,其等级划分为:0～0.19是高风险;0.2～0.39是较高风险;0.4～0.59是一般风险;0.6～0.79是较低风险;0.8～1.0是低风险。

3 仿真结果与分析

在MATLAB软件环境下建立仿真平台,并以某省下属城市的生态数据为样本,对本文研究的基于数据驱动的城市生态风险预测方法实施性能评价。

本文方法利用灰色模糊理论建立包括3个准则层,8个要素层,18个指标层的预测模型,分别计算出2008—2018年该市生态风险预测值,并与实际风险值进行对比,2008—2018年该市生态系统预测值与实际值对比结果如图2所示。

图2 2008—2018年风险预测值与实际值对比

通过图2所示的本文方法预测得到的2008—2018年该市生态风险预测结果可以看出,本文方法的生态风险预测结果与生态风险实际值十分接近,误差极小,具备生态风险预测准确性。从预测结果可以看出,2012年以前该城市的生态风险预测值区间大约处于0.45-0.59,对应的生态风险等级是一般,而2012-2015年,预测的风险值区间大致处于0.68-0.79,对应的生态风险等级为较低风险。2015年以后预测到的风险值区间处于0.82-0.92左右,处于低风险。通过预测结果可以得出,该城市的生态风险呈现逐渐降低趋势,符合实际情况且与国家对城市生态安全逐步重视的现状相匹配。

详细统计2018年该市各项风险指标的预测情况,如表2所示。

表2 2018年该市生态风险预测结果

表2的预测结果显示,2018年该市8个生态要素层中资源压力和环境响应的预测结果为0.56、058,说明该要素指标风险等级为一般,后期应采取相应措施提升资源压力和环境响应情况;环境压力、经济状态、环境状态、经济响应的预测结果是0.72、0.78、0.64、0.78,说明该要素指标风险等级为较低,生态风险较低;人口压力和人文指标的预测结果为0.86、0.89,这两项要素层风险指标风险等级为低,说明该市的人口压力和人文指标相对较好,风险低。

为验证本文方法的城市生态风险预测效果,从数据样本中再选取4个城市数据样本,共计5个城市样本,将本文方法的预测结果与实际值比较,详细结果如图3。

图3 预测结果

通过5个城市对比可得,本文方法得到的预测结果和实际值的差别很小,说明本文方法的预测结果准确率更高,可靠性更高。

为了检验本文方法选取18个指标的合理性和代表性,统计不同指标预测城市生态风险的覆盖率,覆盖率越高,说明对应的指标越能全面反映生态环境的变化。统计结果见图4。

图4 各指标覆盖率值

从图4的结果可以得出,8个要素层的指标,每个指标的覆盖率均在80%以上,说明本文方法选取的指标都具有全面反映生态状态变化的能力,更具有代表性。

本文方法利用AHP计算选取各指标的权重值,将计算出来的权重值赋予相应的灰度值,通过灰色模糊理论模型综合预测出风险等级,因此计算权重值是否稳定是很重要的,将本文方法与文献[3]方法、文献[4]方法的权重计算情况进行比较,结果用图5、6、7描述。

图5 城市生态改造前各时间点的权重值

图6 城市生态改造中各时间点的权重值

图7 城市生态改造后各时间点的权重值

图5、6、7分别选用了某市改造前、中、后三个时间节点的生态环境指标,对比三种方法计算的权重值发现:

1)本文预测方法算出各时间点的城市生态指标改造前权重值基本稳定在0.02左右,改造中权重值在0.04—0.06之间,改造后的权重值在0.06—0.08之间。随着时间节点的变化权重值虽然有所变化,但在各自的时间点里基本趋于稳定。

2)文献[3]、[4]的预测方法,在三个时间节点里波动幅度较大,随着时间环境的变化,这一特性没有改变,所以比较三种计算方法,本文所提方法更具有稳定性,在城市生态风险的综合预测中,起到非常重要的作用。

4 结论

本文研究基于数据驱动的城市生态风险预测方法,合理构建城市生态风险指标体系,选择数据驱动中AHP方法计算权重值,综合隶属度与灰度,建立灰色矩阵,利用灰色模糊算法计算出风险等级。本文通过建立仿真平台验证本文方法预测性能。实验结果表明:本文选取的18项指标覆盖率高,代表性强,求出的生态风险值有效地结合了城市的实际生态环境状态,在实际应用中具有有效性和可行性。通过对某市生态环境风险驱动因素的计算得到,该市的生态风险主要是来自资源和环境响应的压力,资源包括人均草地面积,环境响应包括工业固体废物利用,城市污水处理,年内造林面积等方面的问题,而2012年以后这些问题基本上都会得到很好的改善。

为预防生态环境的恶化,未来要减少或有效治理工业污染排放问题,重视城市绿化问题,增加造林面积,加大新型节能资源的开发和利用力度,为可持续发展作贡献。