海滨湿地利用空间格局优化.docx

海滨湿地利用空间格局优化《自然资源学报》2014年第六期1湿地利用空间格局模拟模型湿地利用空间格局模拟研究正处于探索阶段城镇用地扩张模拟研究却相对成熟其技术框架和理论方法已形成特定的范式运用CA来模拟城镇扩张的最为典型的模型包括：SLEUTH模型[13]、DUEM模型[14]、ULEM模型[9]、ULOM模型[15]、CFCA模型[16]等。海滨湿地开发过程所引起的覆被变化与城镇用地扩张的内在机理存在诸多差异而LUCC空间格局模拟的技术实现过程却存在相通性前人代表性的技术框架和模型设计可充分借鉴。本研究选择较为成熟的BP神经网络与CA耦合模型作为模拟的基础方法改进输入变量与模拟过程以实现海滨湿地利用的空间格局优化模拟。1.1BP-CA模型框架海滨湿地的BP-CA模型是一个综合考虑诸多驱动因素的、在湿地规划层面上兼顾开发与保护的、侧重于微观尺度的元胞自动机扩展空间规划模型。BP-CA模型的功能模块（图1）包括数据获取模块、数据修正模块、训练模块和规划模块4个。在此数据修正模块是CA实现空间格局优化模拟的前提在往年开发合理性评价的基础上人为把真实覆被数据中不合理的人工湿地复原为自然湿地为训练合理开发的转换规则提供数据支持。1.2BP神经网络设计BP神经网络设计采用面向对象建模思路利用MatlabR2010b开发。网络结构分为3层（图2）：第1层为数据输入层共23个神经元分别对应影响海滨湿地利用变化的空间变量；第2层为隐藏层两组实验中神经元分别为13、17个；第3层为输出层由8个神经元组成分别对应8类海滨湿地覆被类型的转换概率。在此直接调用人工神经网络工具箱中的feedforwardnet函数设定trainlm为训练功能函数该函数根据Levenberg-Marquardt算法优化了权重和偏置值的计算可提高模型精度。空间驱动变量选择的合适与否将直接决定模型构建的成败进而直接影响模拟结果。在海滨湿地开发利用过程中人为驱动因素与自然驱动因素共同影响着覆被的演替而前者更居于主导地位。结合前人研究经验和海滨湿地的实际情况充分考虑空间距离、邻居构型、人口经济和自然属性四大变量类型遴选出23个可定量化的空间驱动子变量（表1）这些驱动变量的确定将为获得有效的覆被变化转换规则提供数据支持。其中S4、S7、S9和S23属自然驱动因素的定量化S13至S20这8个邻居构型变量属元胞自动机模型特有的变量类型其余变量均属人为驱动因素。1.3CA设计CA模块采用60m×60m空间分辨率的正方网格式元胞以TIF图像存储栅格数据每个栅格单元对应唯一的属性标识码。元胞状态为变化前后栅格单元的湿地覆被类型的有限离散集合考虑了自然湿地、人工湿地与非湿地间的相互转化。邻居采用7×7的扩展摩尔（Moore）邻居即元胞的邻居半径为3共有48个邻居单元共同构成。使用BP神经网络来获取CA模块的运行转换规则简化模型的复杂度。二维地理元胞（L2）下一时刻的状态（Et+1）由当前元胞状态（Et）、邻居集合（N）、转换规则（f）共同决定数学式[17]为Et+1=(L2EtNf)其中N为包含23个空间驱动变量的元胞状态。746在运用BP-CA模型模拟未来湿地开发格局之前需要判别模型的已有模拟精确度。通常使用改进的Lee-Sallee指数[12]该指数能衡量模拟数据与历史数据之间空间分布的相似性其计算式为L=(A0∩A1)/(A0∪A1)L∈[01]A0为历史数据A1为模拟数据。若L∈[0.30.7]则表明模拟结果精度较高。2格局优化模拟的思路借鉴黎夏等提出的优化城市形态的模拟思路[18]本文提出更为通用的覆被空间格局优化模拟思路即：用BP-CA来发现转换规则可模拟土地利用覆被的时空格局变化；也可根据不同的规划目的形成相应的准则来对原始数据进行修改模拟出优化的覆被格局具体流程见图3。就海滨湿地利用规划而言过去的无序围垦使有些养殖塘、耕地、林地、盐场甚至是建设用地落在自然保护区核心区或接近重要生态保护区。为此本研究的空间格局优化原则是保障海滨湿地的原有生态功能即物质生产、能量转换、涵养水源、净化水质、调节气候等独特功能。空间格局优化的实现方法是基于BP合理开发转换规则的CA模拟重点是该转换规则的自动提取。可以对模型输入训练点的实际值进行修改（退为自然湿地）在理想情况下这些点应该保持为自然湿地。利用这些修改过的训练数据对BP神经网络进行训练使得BP神经网络去掉不合理的因素由此获得优化的模拟结果。根据不同的规划方案和过度围垦评价标准可以有不同的准则来判断是否对某些点进行修改。基于优化原则本研究在滩涂围垦的合理性评价时选用了海滨湿地生态位模型。3数据的收集与处理3.1研究区概况