基于支持向量机吉林西部农业生态安全评价.docVIP

基于支持向量机吉林西部农业生态安全评价 　　摘要：利用支持向量机建立了一种新的农业生态安全评价模型。借鉴“压力-状态-响应”框架模型构建农业生态安全评价指标体系，以此作为支持向量机模型的输入参数并进行农业生态安全评价，并通过GIS技术将吉林西部农业生态安全评价结果可视化。结果表明，基于支持向量机的农业生态安全评价模型具有良好的评价能力，评价结果可为当地农业生态安全和农业可持续发展提供决策依据。 　　关键词：支持向量机；农业生态安全；评价；吉林西部 　　中图分类号：X171 文献标识码：A 文章编号：0439-8114（2015）19-4898-05 　　DOI：10.14088/j.cnki.issn0439-8114.2015.19.062 　　Abstract： An agricultural ecological security evaluation model was established by support vector machine. According to the “pressure-state-response” framework model， the evaluation index system of agricultural ecological security was constructed，which was used as the input parameters of support vector machine model and used to evaluate agricultural ecological security， and visualize the results based on the GIS technology. The results showed that the evaluation model of agricultural ecological security based on support vector machine have good ability of evaluation，and the evaluation results can provide the decision-making basis for local agricultural ecological security and agricultural sustainable development. 　　Key words：support vector machine； agricultural ecological security； evaluate； western Jilin province 　　随着生态环境的日益恶化，生态安全问题已成为研究热点。目前，国外学者的研究聚焦在生态系统的健康和生态风险评价上[1]。国内研究主要集中在生态安全评价指标体系构建与评价方法探讨[2-5]，但由于各类指标的复杂函数关系，已有的研究不足以揭示它们之间错综复杂的关系，又由于数据不完备，用传统的农业生态安全评价方法很难达到满意的效果。支持向量机（Support vector machine，简称SVM）是1995年由Vapnik[6，7]等人研究并快速发展起来的一种基于统计学习模式识别方法，它在解决小样本非线性及高维模式识别问题中表现出特有的优势。近些年SVM主要应用在趋势分析和模式识别以及遥感图像的分类方面[8-10]。本文依据农业生态安全评价方法建立评价体系，利用支持向量机和GIS技术构建吉林省西部农业生态安全评价模型，以探讨新的模式识别方法在农业生态安全评价中的实际应用价值。 　　1 研究区概况 　　吉林省西部（44°57′-45°46′N，123°09′-124°22′E）位于松嫩平原的西部，隶属白城和松原两个地级市，包含10个县（市、区），总面积468.35万hm2。属大陆性季风气候，年日照时数2 800～3 000 h，年总辐射5 100～5 200 MJ/m2，年均降水量400～500 mm，年均蒸发量1 600～2 000 mm，平均相对湿度60%～65%。研究区是吉林省主要粮食产区，因特有的农业气候条件与土地生态条件，形成了典型农业区和农牧交错区两种农业生态。由于其自身脆弱性及长期、大规模农业开发导致该区生态环境日益恶化，农业和经济发展缓慢[11]，已经严重阻碍了区域的生态安全及可持续发展。 　　2 研究方法 　　2.1 支持向量机 　　支持向量机是一种基于统计学习理论的模式识别方法。SVM主要是通过定义最优线性超平面，把寻找最优超平面的算法归结为求解一个最优（凸规划）问题。进而基于Mercer核展开定理，通过非线性映射，把样本空