陳鵬　張立峰　劉家福等

摘要：利用支持向量機建立了一種新的農(nóng)業(yè)生態(tài)安全評價模型。借鑒“壓力-狀態(tài)-響應”框架模型構(gòu)建農(nóng)業(yè)生態(tài)安全評價指標體系，以此作為支持向量機模型的輸入?yún)?shù)并進行農(nóng)業(yè)生態(tài)安全評價，并通過GIS技術(shù)將吉林西部農(nóng)業(yè)生態(tài)安全評價結(jié)果可視化。結(jié)果表明，基于支持向量機的農(nóng)業(yè)生態(tài)安全評價模型具有良好的評價能力，評價結(jié)果可為當?shù)剞r(nóng)業(yè)生態(tài)安全和農(nóng)業(yè)可持續(xù)發(fā)展提供決策依據(jù)。

關(guān)鍵詞：支持向量機；農(nóng)業(yè)生態(tài)安全；評價；吉林西部

中圖分類號：X171 文獻標識碼：A 文章編號：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

隨著生態(tài)環(huán)境的日益惡化，生態(tài)安全問題已成為研究熱點。目前，國外學者的研究聚焦在生態(tài)系統(tǒng)的健康和生態(tài)風險評價上[1]。國內(nèi)研究主要集中在生態(tài)安全評價指標體系構(gòu)建與評價方法探討[2-5]，但由于各類指標的復雜函數(shù)關(guān)系，已有的研究不足以揭示它們之間錯綜復雜的關(guān)系，又由于數(shù)據(jù)不完備，用傳統(tǒng)的農(nóng)業(yè)生態(tài)安全評價方法很難達到滿意的效果。支持向量機（Support vector machine，簡稱SVM）是1995年由Vapnik[6，7]等人研究并快速發(fā)展起來的一種基于統(tǒng)計學習模式識別方法，它在解決小樣本非線性及高維模式識別問題中表現(xiàn)出特有的優(yōu)勢。近些年SVM主要應用在趨勢分析和模式識別以及遙感圖像的分類方面[8-10]。本文依據(jù)農(nóng)業(yè)生態(tài)安全評價方法建立評價體系，利用支持向量機和GIS技術(shù)構(gòu)建吉林省西部農(nóng)業(yè)生態(tài)安全評價模型，以探討新的模式識別方法在農(nóng)業(yè)生態(tài)安全評價中的實際應用價值。

1 研究區(qū)概況

吉林省西部（44°57′-45°46′N，123°09′-124°22′E）位于松嫩平原的西部，隸屬白城和松原兩個地級市，包含10個縣（市、區(qū)），總面積468.35萬hm2。屬大陸性季風氣候，年日照時數(shù)2 800～3 000 h，年總輻射5 100～5 200 MJ/m2，年均降水量400～500 mm，年均蒸發(fā)量1 600～2 000 mm，平均相對濕度60%～65%。研究區(qū)是吉林省主要糧食產(chǎn)區(qū)，因特有的農(nóng)業(yè)氣候條件與土地生態(tài)條件，形成了典型農(nóng)業(yè)區(qū)和農(nóng)牧交錯區(qū)兩種農(nóng)業(yè)生態(tài)。由于其自身脆弱性及長期、大規(guī)模農(nóng)業(yè)開發(fā)導致該區(qū)生態(tài)環(huán)境日益惡化，農(nóng)業(yè)和經(jīng)濟發(fā)展緩慢[11]，已經(jīng)嚴重阻礙了區(qū)域的生態(tài)安全及可持續(xù)發(fā)展。

2 研究方法

2.1 支持向量機

支持向量機是一種基于統(tǒng)計學習理論的模式識別方法。SVM主要是通過定義最優(yōu)線性超平面，把尋找最優(yōu)超平面的算法歸結(jié)為求解一個最優(yōu)（凸規(guī)劃）問題。進而基于Mercer核展開定理，通過非線性映射，把樣本空間映射到一個高維乃至于無窮維的特征空間（Hilbert空間），使在特征空間可以應用線性學習機的方法解決樣本空間中的高度非線性分類和回歸等問題。

對給定的訓練樣本集，假如訓練樣本集是線性可分的，則機器學習的結(jié)果是一個超平面，二維情況下是直線或稱為判別函數(shù)；如果訓練樣本不可分，則對于非線性分類問題，應將輸入空間通過某種非線性映射映射到一個高維特征空間，在這個空間中存在線性的分類規(guī)則，可以構(gòu)造線性的最優(yōu)分類超平面，根據(jù)泛函理論，引入適當?shù)膬?nèi)積核函數(shù)就可以實現(xiàn)某一非線性變換后的線性分類。

3 評價指標體系與模型構(gòu)建

3.1 評價指標體系

農(nóng)業(yè)生態(tài)安全評價問題可看作是一個農(nóng)業(yè)生態(tài)安全級別評價指標間復雜的非線性函數(shù)關(guān)系的逼近問題。利用支持向量機方法進行農(nóng)業(yè)生態(tài)安全評價，首先要確定影響因素，建立評價指標；其次根據(jù)實際資料構(gòu)造樣本數(shù)據(jù)集，然后用SVM進行學習與訓練，最后根據(jù)訓練獲得的參數(shù)對研究區(qū)的農(nóng)業(yè)生態(tài)安全進行評價，因此，在評價前要選取能夠真實、準確反映研究內(nèi)容的評價指標體系。

本研究的農(nóng)業(yè)生態(tài)安全評價指標體系選取是基于聯(lián)合國經(jīng)濟開發(fā)署（OECO）建立的壓力-狀態(tài)-響應（Pressure-State-Response，PSR）框架模型，在總結(jié)國內(nèi)外農(nóng)業(yè)生態(tài)安全評價指標體系方案案例基礎(chǔ)上，結(jié)合吉林省西部農(nóng)業(yè)現(xiàn)狀，從農(nóng)業(yè)生態(tài)環(huán)境壓力、農(nóng)業(yè)生態(tài)環(huán)境狀態(tài)、人文社會響應3個方面選取了18個評價指標，構(gòu)建了吉林省西部農(nóng)業(yè)生態(tài)安全評價指標體系。農(nóng)業(yè)生態(tài)安全各指標權(quán)重采用層次分析法進行計算（表1）。

3.2 基于支持向量機的農(nóng)業(yè)生態(tài)安全評價模型構(gòu)建

3.2.1 數(shù)據(jù)處理過程 從生態(tài)環(huán)境狀態(tài)、生態(tài)環(huán)境壓力、人文社會響應3個方面選取的18個農(nóng)業(yè)生態(tài)安全評估指標作為SVM模型輸入。為了消除各個指標單位的不同給計算帶來的不便，在此對每一指標進行無量綱化處理，使之分布于[-1，1]之間。專家經(jīng)驗和評分得到的農(nóng)業(yè)生態(tài)安全度（表2）為模型輸出值，農(nóng)業(yè)生態(tài)安全度越高說明研究區(qū)越安全，反之較低。考慮到樣本數(shù)較少（表3），而吉林西部內(nèi)部自然要素基本一致，將10個地區(qū)1980-2007年數(shù)據(jù)作為訓練樣本集，最終得到18×184個數(shù)據(jù)作為SVM模型訓練數(shù)據(jù)，其余18×80個數(shù)據(jù)作為測試數(shù)據(jù)。

3.2.2 SVM模型構(gòu)建過程 選擇SPSS公司的數(shù)據(jù)挖掘軟件Clementine12.0作為農(nóng)業(yè)生態(tài)安全評價模型和分析平臺。Clementine12.0軟件中包括了多種數(shù)據(jù)挖掘模型及數(shù)據(jù)格式化工具，它是通過節(jié)點的連接完成數(shù)據(jù)挖掘，具體步驟為：首先，由Clementine12.0數(shù)據(jù)接口讀入各指標數(shù)據(jù)，數(shù)據(jù)流通過一系列工具節(jié)點處理為標準格式結(jié)構(gòu)后被送入SVM挖掘模型；其次，將結(jié)果輸出或可視化顯示。利用Clementine12.0軟件中的SVM模塊構(gòu)建基于支持向量機的農(nóng)業(yè)生態(tài)安全評價模型，模型流程見圖1。

最后，選用epsilon-SVR作為回歸方法，核函數(shù)為徑向基函數(shù)。由交叉驗證法取得誤差懲罰因子C=32，核函數(shù)參數(shù)γ=0.052 6，不敏感系數(shù)ε=0.25。經(jīng)訓練數(shù)據(jù)集學習后，獲得支持向量86個，測試回歸結(jié)果的均方根誤差為1.313 3。

4 結(jié)果與分析

根據(jù)SVM模型預測結(jié)果并結(jié)合原有數(shù)據(jù)，對農(nóng)業(yè)生態(tài)安全指數(shù)（ESIVj）求取多年平均值后進行分等定級，按照生態(tài)安全閾值標準，將農(nóng)業(yè)生態(tài)安全閾值分為“低、較低、適中、較高、高”5個等級。根據(jù)農(nóng)業(yè)生態(tài)安全閾值分區(qū)標準，結(jié)合吉林省西部的行政區(qū)劃圖，利用GIS的分區(qū)功能對吉林省西部農(nóng)業(yè)生態(tài)安全進行分區(qū)（圖2）。由圖2可知，扶余縣農(nóng)業(yè)生態(tài)安全度低；白城市農(nóng)業(yè)生態(tài)安全度較低；松原市農(nóng)業(yè)生態(tài)安全度適中；鎮(zhèn)賚縣、大安市、洮南市、乾安縣、通榆縣、長嶺縣農(nóng)業(yè)生態(tài)安全度較高；前郭縣農(nóng)業(yè)生態(tài)安全度高。

5 結(jié)論

支持向量機在解決小樣本、非線性及高維模式識別問題中表現(xiàn)出了較好的優(yōu)勢，使得在解決農(nóng)業(yè)生態(tài)安全問題上變?yōu)榭赡?。本文基于“壓?狀態(tài)-響應”框架模型選取18個指標因子并作為SVM樣本輸入，利用Clementine12.0軟件構(gòu)建SVM評價模型。結(jié)果表明，基于支持向量機與地理信息系統(tǒng)技術(shù)進行農(nóng)業(yè)生態(tài)安全評價，具備了較強的評價能力和擴展能力。研究結(jié)果可為研究區(qū)農(nóng)業(yè)生態(tài)安全評價、預測等提供理論依據(jù)和技術(shù)支持。

支持向量機應用于農(nóng)業(yè)生態(tài)安全評價中是一個新領(lǐng)域，其理論與方法還有待完善，如樣本數(shù)據(jù)可能存在一定誤差，或是在核函數(shù)的類型和參數(shù)的選擇上有待商榷，隨著指標數(shù)據(jù)及方法不斷積累與完善，對存在的誤差及核函數(shù)類型、參數(shù)的選擇會得到相應的改善。

參考文獻：

[1] KING R S.，Integrating bioassessment and ecological risk assessment：an approach to developing numerical water-quality criteria[J]，Environmental Management，2003.31（6）：795-809，

[2] 王 軍，何 玲，董 謙，等.河北省農(nóng)業(yè)生態(tài)安全障礙度評價與對策研究[J].農(nóng)業(yè)現(xiàn)代研究，2010，31（1）：81-85.

[3] 王 軍.農(nóng)業(yè)生態(tài)安全的理論與實踐[M].北京：中國農(nóng)業(yè)出版社， 2009.

[4] 肖薇薇，謝永生，王繼軍.黃體丘陵區(qū)農(nóng)業(yè)生態(tài)安全評價指標體系的建立[J].水土保持通報，2007，27（2）：146-149.

[5] 李 芬，王繼軍.黃土丘陵區(qū)紙坊溝流域近70年農(nóng)業(yè)生態(tài)安全評價[J].生態(tài)學報，2008，28（5）：2380-2388.

[6] VAPNIK V N. The Nature of Statistical Learning Theory[M]. New York：Springer Verlag，1995.

[7] VAPNIK V N. Statistical Learning Theory[M]. New York： Wiley，1998.

[8] 楊曉華，黃敬峰，王秀珍，等.基于支持向量機的水稻葉面積指數(shù)高光譜估算模型研究[J].光譜學與光譜分析，2008，28（8）：1837-1841.

[9] 傅文杰.GIS支持下基于支持向量機的滑坡危險性評價[J].地理科學，2008，28（6）：838-841.

[10] 駱劍承，周成虎，梁 怡，等.支撐向量機及其遙感影像空間特征提取和分類的應用研究[J].遙感學報，2002，6（1）：50-54.

[11] 湯 潔，李海毅，斯 藹.吉林省通榆縣近20年農(nóng)業(yè)可持續(xù)發(fā)展的生態(tài)安全[J].農(nóng)業(yè)現(xiàn)代化研究，2007，28（1）：75-78.