基于GIS和ANFIS模型的区域橡胶种植适宜度评价.pdfVIP

基于 GIS 和 ANFIS 模型的区域橡胶种植适宜度评价 曹阳，宋伟东 辽宁工程技术大学测绘与地理科学学院，阜新 123000 E-mail：caoyang1983628@163.com 摘 要：采用模糊神经网络理论，设计了基于 GIS 的橡胶种植适宜性评价系统。初步研究 结果表明，将 GIS 的空间聚类分析和空间分析与模糊逻辑和人工神经网络应用于橡胶种植 适宜性评价中，能够科学、快速、准确地分析出橡胶种植最适宜区、适宜区、次适宜区和不 适宜区。 关键词：橡胶树种植；适宜度评价；GIS；ANFIS ；海南省 中图分类号：P964 1. 引言 天然橡胶用途极为广泛，在国民经济中占有极其重要的地位。海南省位于中国的最南端， 地处北纬18°10′～20°10′，东经108°37′～111°03′，海南土地面积约占全国热带土地面积的 42.5% ，全省没有冬季，太阳年总辐射量约110-140千卡／平方厘米，年均气温23-25摄氏度 之间，年均降雨量1600毫米以上，非常适宜发展橡胶种植业。因此，分析橡胶种植的适宜性， 对海南省农业资源开发具有重要的现实意义。 橡胶种植适宜性评价是土地利用适宜度评价的一种，其目的是在充分评价土地潜力的基 础上，合理利用自然资源，进而优化生产布局。近10年来，中国种植评价从依靠传统经验和 单个气候因子、单个种植地分析的低效、准确性差的做法，更重视综合考虑自然、经济、社 会因素以及定性与定量相结合的方法。过去这种适宜性分析一般是采用各个因子简单叠合分 析或通过地图覆盖的方法来解决，20世纪60年代后期，由于重视开发活动引起的环境效应， 以及系统论方法在土地利用规划中的应用，逐渐利用以计算机为中心进行土地利用规划的研 究[1] 。目前，常用的种植适宜性评价是应用GIS技术，以模糊综合评判方法或多元线性回归 算法为基础对土地种植的适宜性进行分等定级。上述各种方法应用于种植的适宜性评价存在 的主要问题是：⑴基于知识的逻辑推理方法不具有自学习性，对知识的依赖受人为影响较大 [2] ；⑵进行多元线性回归分析时，如果回归方程中包含自变量过多，则会增大计算和测定工 作量，并且由于对因变量作用很小的自变量存在而会降低预报精度、会影响回归方程的稳定。 针对以上问题，本文研究以ArcMap为GIS工具，建立了基于自适应的神经模糊推理机制 的橡胶种植适宜性评价系统。并以海南省海口市、三亚市和16个省直辖行政单位为基本评价 单元，对橡胶种植适宜度进行了评价，生成了相应的专题地图，对种植适宜性的空间分布规 律进行了分析。 2. 橡胶种植适宜性评价模型及其建立 本文主要采用自适应的神经模糊推理评判法，实质上是模糊推理和神经网络技术的结 合。应用自适应的神经模糊推理评判法的主要步骤是：首先选择参评的影响因子，将其作为 神经网络的输入变量。然后确定评价等级，将其转换成数值作为神经网络的输出变量。根据 收集的关于输入变量和输出变量样本，利用MATLAB 的ANFIS编辑器，得出评价因子的隶属 函数。最后，根据隶属函数计算评价等级。 -1- 2.1 评价因子的筛选 影响橡胶种植的因子很多，例如温度、湿度、风速和土壤等，在评价中很难将这些因子 都考虑进去，必须对这些因子重点筛选。在因子筛选中，根据实际情况，运用了“相似剔除 法”重点筛选出年平均气温 X1 、年极端低温 X2 和年平均风速 X3 三个指标作为影响橡胶 种植的评价因子，从而形成评价因素集为：X X1, X2, X3 。 2.2 评价结果等级的确定 通过评价将研究区域分成不同的橡胶种植适宜等级：最适宜区、适宜区、次适宜区和不 适宜区四个分类结果。 2.3 模糊隶属函数方程的建立 首先，将样本的记录转换成统一格式。样本的记录的每一行都是由适宜性评价系统的输 入变量和输出变量组成。每行从评价因素集开始，最后以转换成数值型的输出变量结束，样 本形式示例如表1。然后利用MATLAB 的ANFIS 编辑器，通过模糊神经网络对样本的学习， 最终得出参评因子对评价等级的隶属函数。其中模糊神经网络结构如图1。 表1 样本形式示例 Tab.1 An example of the sample 年平均气温 X1 ℃ 年极端低温 X2 ℃ 年平均风速 X3 m/s 适宜等级 数值型 26 5 1.5 4 … … … … 图1 模糊神经网络结构 Fig1 Structure of the fuzzy neural network 3. 评价实例 3.1 计算过程 收集到样本总数200 个，其中训练样本130 个、检验样本70 个。训练样本示例如表2 。 橡胶种植评价系统模糊神经网络结构如图 2