基于BP神经网络土地适宜性评价研究.docVIP

基于BP神经网络土地适宜性评价研究 　　摘要：指出了土地适宜性评价是土地利用总体规划的一个重要研究专题，通过评价可以为土地利用现状分析、土地利用及土地开发和充分、合理利用土地资源提供科学依据。研究了现行土地适宜性评价的理论与方法，分析了以往土地适宜性评价方法存在的不足，提出了利用改进的BP神经网络评价模型进行土地适宜性评价的办法。 　　关键词：土地适宜性评价；土地利用规划；智能地理计算；BP神经网络 　　中图分类号：Q958.113 　　文献标识码：A 文章编号：1674-9944（2016）16-0232-03 　　1 引言 　　土地是人类赖以生存的基本条件和物质基础。随着人口的增长和经济社会的发展，对土地的需求也在不断增加。在有限的土地资源条件下，如何合理配置人类生产、生活所需用地，保证土地资源的可持续利用，协调人地之间的矛盾，是摆在人类面前的重大课题。 　　土地适宜性评价是在对土地各构成要素包括自然的、经济的、社会的进行全面分析基础上，以土地合理利用为目标。根据特定的目的或针对一定的土地用途来对土地的属性进行鉴定， 并阐述土地的适宜性及其程度的过程。着眼于探索新时期、新形势下土地利用规划中土地适宜性的理论、系统分析以及技术方法，在此基础上，着重研究探讨土地适宜性的评价方法与应用，将计算智能理论引入土地评价领域，借助智能地理计算中的人工神经网络模型，从而科学快速合理地评价土地适宜性。 　　2 国内外研究动态及其发展趋势 　　2.1 国外相关研究动态 　　20世纪60年代以后，随着计算机技术、地理信息系统技术、遥感技术和全球卫星定位技术等先进的信息处理技术的广泛应用，土地适宜性评价方法有了很大的发展。土地评价无论在体系上还是方法上都日趋走向成熟。圭尔夫大学的Moss以加拿大生态土地分类作为土地评议单元，通过分析土地系统内部的各种地理过程及过程反应，建立数学模型，将气候和土壤的生产潜力相结合进行土地的生态评价（Moss，1985）；Steiner F，McSherry L，JillCohen对流经亚利桑那州和新墨西哥州的Gila河流域分流憩地、工业用地、商业用地和低密度住宅用地4种类型分别进行评价（Steiner F，2000）；Kalogirou S结合使用GIS和专家系统进行土地适宜性评价模型，并开发了LEIGIS软件（Kalogirou S，2002）等。 　　2.2 国内相关研究动态 　　我国的土地适宜性评价工作起步较晚，比较综合的土地适宜性评价始于20世纪70年代后期。进入90年代后，计算机技术和3S技术等为土地适宜性评价研究提供了现代化的研究手段，土地适宜性评价得以迅速发展并有新的拓展。例如，尹启后，何劲耘对四川省涪陵市未利用土地适宜性评价与开发利用研究（尹启后等，1995）；杨国栋、贾成前等利用人工神经网络模型高速公路复垦土地适宜性评价（杨国栋等，2002）；王全，徐建刚等对南京市高淳新区进行了城市用地生态适宜性评价（王全等，2005）等。 　　3 BP神经网络分类实验分析 　　3.1 资料收集和软件准备 　　采用的资料为湖北省松滋市的土地利用现状图、地质图、地形地貌图等社会经济文献资料。BP神经网络分类程序采用国家863项目课题五――智能地理计算并行技术与中间件中的神经网络算法进行，主要采用C++进行开发，利用gdal类库进行矢量数据的操作，利用QT类库进行界面设计。BP神经网络分类程序使用开源的GIS软件QGIS作为宿主程序，自身作为插件进行应用。程序分为训练＼测试及分类两个模块。 　　土地适宜性评价BP神经网络分类的路线图，如图1所示。 　　3.2 BP神经网络模型结构设计 　　3.2.1 输入层的确定 　　由于人工神经网络具有自学习性，进行土地适宜性分类时不需要预先确定指标权重体系，土地因子对不同用地的影响规律可由神经网络模型通过对样本的学习取得。因此可将土地适宜性评价的影响因子作为神经网络输入层的神经元。 　　3.2.2 输出层的确定 　　将土地的适宜程度分为高度适宜、适宜、勉强适宜、不适宜4个等级，我们用1，2，3，4这4个连续变化的实数代表适宜程度的量化，故输出层可用一个神经元来表示。 　　3.2.3 隐含层的确定 　　隐含神经元只具有计算意义，其数目没有严格的规定。一个公认的指导原则是在没有其他经验知识时，符合给定样本的最简单（规模最小）的网络就是最好的选择，这相当于是样本点的偏差在允许范围条件下用最平滑的函数去逼近未知的非线性映射。 　　3.3 实验分析 　　试验以湖北省松滋市宜旱地适宜性评价为例说明。根据研究区土地资源和数据源特点，选取pH值、有机质含量、土壤质地、耕层厚度、地形坡度、全氮、有效磷、速效钾这8个影响因子作为土地适宜性评价测试属