趙 珂，夏清清，胡曉艷

（1.重慶大學(xué)建筑城規(guī)學(xué)院，重慶 400045；2.自然資源部國土空間規(guī)劃監(jiān)測評估預(yù)警重點(diǎn)實(shí)驗(yàn)室，重慶 401147）

1 引言

城鎮(zhèn)建設(shè)適宜性評價(jià)作為《資源環(huán)境承載能力和國土空間開發(fā)適宜性評價(jià)技術(shù)指南》（以下簡稱“雙評價(jià)指南”）的重要內(nèi)容，是國土空間規(guī)劃中城鎮(zhèn)開發(fā)邊界劃定、城鎮(zhèn)集約節(jié)約高效用地的基礎(chǔ)。城鎮(zhèn)建設(shè)適宜性評價(jià)的核心工作是建立評價(jià)指標(biāo)體系及確定其權(quán)重，當(dāng)前主流做法是：運(yùn)用專家經(jīng)驗(yàn)法、極值法和主成分分析法等方法，確定評價(jià)指標(biāo)體系；運(yùn)用專家打分法、層次分析法和熵權(quán)法等方法，賦值指標(biāo)權(quán)重[1]，或采取“木桶原理”，以短板指標(biāo)“一票否決”。雖然這些方法便于操作和可實(shí)現(xiàn)結(jié)果量化，但在學(xué)理上，由于各單因素的適宜性內(nèi)在機(jī)制不同[2-4]，對適宜性的整體貢獻(xiàn)并不是疊合加權(quán)匯總的線性關(guān)系，而是復(fù)雜的非線性關(guān)系，由此，在實(shí)踐中必然出現(xiàn)適宜性評價(jià)結(jié)果最好的區(qū)域也是承載力評價(jià)結(jié)果壓力最大區(qū)域的矛盾結(jié)果[5]，城鎮(zhèn)建設(shè)適宜性用地與農(nóng)業(yè)生產(chǎn)適宜性用地、生態(tài)適宜性用地往往重疊。

“客觀世界本身就是非線性的，線性只是一種近似”，“非線性認(rèn)知能看到事物的普遍聯(lián)系，線性認(rèn)知易于理解，有助于探究事物的本質(zhì)”，非線性認(rèn)知的線性轉(zhuǎn)化，是一種解決復(fù)雜非線性關(guān)系問題的有效路徑[6]，由此，具有認(rèn)知復(fù)雜非線性關(guān)系能力的人工智能機(jī)器學(xué)習(xí)方法開始應(yīng)用于城鎮(zhèn)建設(shè)適宜性評價(jià)。機(jī)器學(xué)習(xí)評價(jià)方法，不依靠人的先驗(yàn)主觀經(jīng)驗(yàn)，而是秉持“存在就是合理的” “向傳統(tǒng)學(xué)習(xí)”的原則，模仿人類有監(jiān)督、無監(jiān)督學(xué)習(xí)形式，將土地分為城鎮(zhèn)建設(shè)和非城鎮(zhèn)建設(shè)兩種狀態(tài)，通過尋找經(jīng)歷一定時(shí)間后轉(zhuǎn)化為城鎮(zhèn)建設(shè)用地的眾多非城鎮(zhèn)建設(shè)用地斑塊內(nèi)含因素之間的聚類關(guān)系，模擬城鎮(zhèn)增長趨勢，判別城鎮(zhèn)建設(shè)適宜性用地。

但目前運(yùn)用于城鎮(zhèn)建設(shè)適宜性評價(jià)的機(jī)器學(xué)習(xí)方法主要是元胞自動(dòng)機(jī)[7-10]和人工神經(jīng)網(wǎng)絡(luò)[11-13]，它屬于難以從算法中學(xué)習(xí)到有關(guān)影響要素組成及其權(quán)重的“黑箱學(xué)習(xí)”，局限在非線性認(rèn)知，不易轉(zhuǎn)化為能被人理解、便于操作的線性規(guī)則，不具備探究城鎮(zhèn)建設(shè)適宜性本質(zhì)的能力。所幸的是，在機(jī)器學(xué)習(xí)方法中，除大部分的“黑箱學(xué)習(xí)”方法外，還有小部分“白箱”方法，可將非線性認(rèn)知轉(zhuǎn)化為由影響因素主次性及其重要度組成的線性規(guī)則，其中，典型的是貝葉斯網(wǎng)絡(luò)（Bayesian Network, BN）[14-16]，它借助貝葉斯網(wǎng)絡(luò)嚴(yán)密的數(shù)學(xué)邏輯表達(dá)能力和概率推理能力，海選盡可能多的數(shù)據(jù)，通過因果推斷與概率推理[17]非線性認(rèn)知各因子相互之間的依賴或獨(dú)立關(guān)系等知識，應(yīng)用于透明化影響因素主次關(guān)系、指標(biāo)權(quán)重的評價(jià)或推理領(lǐng)域，如對生態(tài)紅線、基本農(nóng)田劃定的支持[18-19]，對機(jī)械、交通故障診斷的推理[20-21]，洪災(zāi)、消防災(zāi)害預(yù)警推演[22-23]等。本文嘗試運(yùn)用BN機(jī)器學(xué)習(xí)方法，從其對城鎮(zhèn)建設(shè)適宜性的非線性認(rèn)知中轉(zhuǎn)化出易于理解、便于落地實(shí)施的城鎮(zhèn)建設(shè)適宜性線性評價(jià)規(guī)則。

2 城鎮(zhèn)建設(shè)適宜性評價(jià)的BN機(jī)器學(xué)習(xí)原理

城鎮(zhèn)建設(shè)適宜性評價(jià)的BN機(jī)器學(xué)習(xí)方法，是通過結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)兩大模塊，分別揭示城鎮(zhèn)建設(shè)適宜性指標(biāo)的影響主次性和重要度，進(jìn)而轉(zhuǎn)化出“主導(dǎo)因素優(yōu)先、高重要度優(yōu)先”的城鎮(zhèn)建設(shè)適宜性線性評價(jià)的因素指標(biāo)體系及其重要度規(guī)則。

2.1 指標(biāo)影響主次性的BN結(jié)構(gòu)學(xué)習(xí)

城鎮(zhèn)建設(shè)適宜性的BN結(jié)構(gòu)學(xué)習(xí)[24-25]，是將存在于各指標(biāo)之間的復(fù)雜非線性網(wǎng)絡(luò)關(guān)系，展現(xiàn)為以有方向的邊連接各指標(biāo)節(jié)點(diǎn)形成的有向無圈網(wǎng)絡(luò)（Directed Acyclic Graph, DAG），通過揭示各指標(biāo)節(jié)點(diǎn)之間的依賴或獨(dú)立關(guān)系，發(fā)現(xiàn)影響城鎮(zhèn)建設(shè)適宜性的主導(dǎo)因素。其中，邊代表指標(biāo)節(jié)點(diǎn)間具有關(guān)系，邊的方向代表指標(biāo)節(jié)點(diǎn)間的依賴關(guān)系。

在DAG網(wǎng)絡(luò)中，W代表影響因素，A代表相應(yīng)W的表征指標(biāo)，沒有邊指向的指標(biāo)節(jié)點(diǎn)或獨(dú)立或作用于其它指標(biāo)，影響城鎮(zhèn)建設(shè)適宜性，這些獨(dú)立的指標(biāo)節(jié)點(diǎn)所表征的因素，構(gòu)成了城鎮(zhèn)建設(shè)適宜性的主導(dǎo)因素。例如，圖1中A1、A2、A3、A4是沒有邊指向的獨(dú)立指標(biāo)節(jié)點(diǎn)，其中A1是表征W1因素的指標(biāo)，A2、A3是表征W2因素的指標(biāo)，A4是表征W3因素的指標(biāo)，W1、W2、W3共同構(gòu)成該DAG網(wǎng)絡(luò)中影響目標(biāo)節(jié)點(diǎn)A8的主導(dǎo)因素。而A5、A6、A7是有邊指向的依賴指標(biāo)節(jié)點(diǎn)，其所表征的W4、W5是次要因素。

圖1 BN結(jié)構(gòu)學(xué)習(xí)出的依賴或獨(dú)立關(guān)系Fig.1 Dependent or independent relationship in BN structure learning

2.2 指標(biāo)影響重要度的BN參數(shù)學(xué)習(xí)

BN參數(shù)學(xué)習(xí)[26-28]的核心是計(jì)算各指標(biāo)節(jié)點(diǎn)對評價(jià)目標(biāo)的影響程度，即重要度，包括賦值在邊上的發(fā)生概率重要度和賦值在指標(biāo)節(jié)點(diǎn)上的關(guān)鍵性重要度兩個(gè)方面。城鎮(zhèn)建設(shè)適宜性DAG網(wǎng)絡(luò)中兩個(gè)指標(biāo)節(jié)點(diǎn)在不同參數(shù)狀態(tài)下相互依賴的條件概率（如果某一指標(biāo)節(jié)點(diǎn)出現(xiàn)，則另一指標(biāo)節(jié)點(diǎn)出現(xiàn)的概率），反映指標(biāo)節(jié)點(diǎn)之間邊上的依賴關(guān)系強(qiáng)度，是發(fā)生概率重要度，為指標(biāo)節(jié)點(diǎn)的關(guān)鍵性重要度提供必要的中間特征向量。城鎮(zhèn)建設(shè)適宜性指標(biāo)節(jié)點(diǎn)關(guān)鍵性重要度，是指標(biāo)節(jié)點(diǎn)對邊發(fā)生概率重要度的敏感性，反映指標(biāo)節(jié)點(diǎn)狀態(tài)發(fā)生變化而引發(fā)評價(jià)結(jié)果發(fā)生變化的程度，通過對邊發(fā)生概率重要度的概率變化敏感性度量，方差縮減為百分比的方式表示。在V表示指標(biāo)節(jié)點(diǎn)、L表示邊、S表示城鎮(zhèn)建設(shè)適宜性目標(biāo)變量的BN模型S=（V，L）中，發(fā)生概率重要度和關(guān)鍵性重要度分別按照式（1）和式（2）、式（3）計(jì)算確定[29-30]。

關(guān)鍵性重要度將反映在邊上的依賴性強(qiáng)度轉(zhuǎn)化為指標(biāo)節(jié)點(diǎn)的重要度，促成城鎮(zhèn)建設(shè)適宜性評價(jià)從關(guān)系（邊）的非線性認(rèn)知轉(zhuǎn)化為指標(biāo)節(jié)點(diǎn)重要度的線性疊合。但現(xiàn)實(shí)中受數(shù)據(jù)獲取的制約，無法獲得能完全反映事物本原的全部數(shù)據(jù)，即參與BN參數(shù)學(xué)習(xí)的指標(biāo)節(jié)點(diǎn)少于真實(shí)本原的存在，通常關(guān)鍵性重要度加和值小于100%，一方面說明BN參數(shù)學(xué)習(xí)意識到現(xiàn)實(shí)中還有人類尚無法探明的微影響因素存在，一方面表明可不追求重要度歸一化形成權(quán)重，而以關(guān)鍵性重要度替代權(quán)重的概念。圖2描述了有A、B、C三個(gè)指標(biāo)節(jié)點(diǎn)的城鎮(zhèn)建設(shè)適宜性BN參數(shù)學(xué)習(xí)過程。在指標(biāo)節(jié)點(diǎn)的條件概率表中，第一行是該指標(biāo)的關(guān)鍵性重要度，第二、三行分別是該指標(biāo)節(jié)點(diǎn)的不同參數(shù)狀態(tài)下的條件概率，指標(biāo)節(jié)點(diǎn)條件概率表之間有向連接邊上的數(shù)值是發(fā)生概率重要度。例如，指標(biāo)節(jié)點(diǎn)C依賴于指標(biāo)節(jié)點(diǎn)A和B，發(fā)生概率重要度分別是0.24和0.47，對城鎮(zhèn)建設(shè)適宜性的關(guān)鍵性重要度為42%。

圖2 城鎮(zhèn)建設(shè)適宜性的BN參數(shù)學(xué)習(xí)過程Fig.2 BN parameter learning of urban construction suitability

3 研究區(qū)域、學(xué)習(xí)流程與數(shù)據(jù)整備

3.1 研究區(qū)域

酉陽土家族苗族自治縣地處東經(jīng)108°18′25″～109°19′02″、北緯28°19′28″～29°24′18″，位于重慶市東南邊陲，是武陵山區(qū)中烏江和沅江的分水嶺，呈現(xiàn)“酉中中山、酉西低山、酉東丘陵”的山區(qū)立體多維地形特征，并形成“酉東熱區(qū)、酉西溫區(qū)、酉中涼區(qū)”三大明顯的垂直性氣候分區(qū)、“東優(yōu)、西良、中薄”的土壤條件分區(qū)格局。

酉陽屬于“三分丘陵七分山真正平地三厘三”的城市，城鎮(zhèn)建設(shè)用地長期處于超負(fù)荷狀態(tài)。第七次人口普查結(jié)果顯示，近10年來城鎮(zhèn)人口增長13.56萬人，達(dá)到27.79萬人，城鎮(zhèn)化率42.19%。但城鎮(zhèn)建設(shè)用地規(guī)模僅從2015年的15.04 km2增長到2020年的18.13 km2，人均建設(shè)用地65.23 m2，特別是老城5.5 km2城鎮(zhèn)建設(shè)用地就容納了近15萬人，人均城鎮(zhèn)建設(shè)用地僅36.7 m2，遠(yuǎn)遠(yuǎn)小于人均100 m2的標(biāo)準(zhǔn)。隨著西部陸海通道的建設(shè)，酉陽將迎來城鎮(zhèn)化發(fā)展的新機(jī)遇，亟需通過城鎮(zhèn)建設(shè)適宜性評價(jià)，支持城鎮(zhèn)集約節(jié)約高效用地滿足城鎮(zhèn)人口增長的需求。

3.2 學(xué)習(xí)流程

數(shù)據(jù)海選整備、模型學(xué)習(xí)、規(guī)則轉(zhuǎn)化和結(jié)果驗(yàn)證4個(gè)部分構(gòu)成了本文中城鎮(zhèn)建設(shè)適宜性評價(jià)的貝葉斯網(wǎng)絡(luò)機(jī)器學(xué)習(xí)流程框架（圖3）。

（1）數(shù)據(jù)海選。秉持“存在就是合理的” “向傳統(tǒng)學(xué)習(xí)”的機(jī)器學(xué)習(xí)原則，對比兩個(gè)不同年份的用地變化，將在此期間由非城鎮(zhèn)建設(shè)轉(zhuǎn)化為城鎮(zhèn)建設(shè)的用地，作為學(xué)習(xí)對象，并將海選能收集到的、與土地覆蓋和土地利用相關(guān)的全部數(shù)據(jù)，涵蓋高程、坡度等地形數(shù)據(jù)，到水系距離、地下水深度等水源數(shù)據(jù)，平均氣溫、降水量等微氣候數(shù)據(jù)，成土母質(zhì)、土壤質(zhì)地、土壤類型、有效土層厚度、土壤肥力等土壤數(shù)據(jù)，與國家公益林距離等植被數(shù)據(jù)，與自然保護(hù)地距離等生物多樣性數(shù)據(jù)，土壤侵蝕程度、土壤排水能力等地貌數(shù)據(jù)，地質(zhì)災(zāi)害等災(zāi)害數(shù)據(jù)，與縣級行政中心、鄉(xiāng)鎮(zhèn)級行政中心距離等城鎮(zhèn)聚集條件數(shù)據(jù)，與主要道路、鐵路站場、高速出入口距離等交通數(shù)據(jù)，集成到這些學(xué)習(xí)對象用地上。

（2）評價(jià)模型學(xué)習(xí)。通過BN結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)，得到完整的城鎮(zhèn)建設(shè)適宜性評價(jià)指標(biāo)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)及其重要度參數(shù)。

（3）評價(jià)規(guī)則轉(zhuǎn)化。從BN結(jié)構(gòu)學(xué)習(xí)出的復(fù)雜非線性貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，解譯城鎮(zhèn)建設(shè)適宜性的主導(dǎo)因素；從BN參數(shù)學(xué)習(xí)出的重要度，提取出高關(guān)鍵性重要指標(biāo)，與主導(dǎo)因素指標(biāo)一起，建立便于操作的線性評價(jià)規(guī)則。

（4）結(jié)果驗(yàn)證。針對以酉永高速、渝湘高鐵等為代表的西部陸海通道建設(shè)對城鎮(zhèn)帶來的新發(fā)展情景，分別運(yùn)用非線性BN評價(jià)、將非線性BN評價(jià)轉(zhuǎn)化為由關(guān)鍵指標(biāo)體系及其重要度組成的“轉(zhuǎn)化線性規(guī)則評價(jià)”和遵循“雙評價(jià)指南”集成多專業(yè)專家經(jīng)驗(yàn)先驗(yàn)性選擇指標(biāo)、確定權(quán)重的專家經(jīng)驗(yàn)線性評價(jià)三種方法，評價(jià)城鎮(zhèn)建設(shè)適宜性，對評價(jià)結(jié)果進(jìn)行對比，驗(yàn)證非線性BN評價(jià)的合理性、轉(zhuǎn)化線性規(guī)則評價(jià)運(yùn)用的可行性。

3.3 數(shù)據(jù)海選整備

3.3.1 數(shù)據(jù)海選

本文海選酉陽縣與土地覆蓋和土地利用相關(guān)的全部普查和勘測數(shù)據(jù)，包括：2015年全國土地利用變更調(diào)查數(shù)、第三次全國國土調(diào)查2021年年度變更調(diào)查，1∶10 000數(shù)字高程模型（DEM），水系分布，土壤檢測數(shù)據(jù)、多年平均氣溫空間插值柵格、行政中心分布、交通GPS數(shù)據(jù)等（表1）。

表1 研究數(shù)據(jù)組成及來源Tab.1 Data composition and sources

3.3.2 數(shù)據(jù)整備

研究數(shù)據(jù)整備包括城鎮(zhèn)建設(shè)適宜性的數(shù)據(jù)標(biāo)簽賦值、數(shù)據(jù)離散分級和數(shù)據(jù)樣本分類三個(gè)方面。

（1）數(shù)據(jù)標(biāo)簽賦值。旨在給出貝葉斯網(wǎng)絡(luò)模型學(xué)習(xí)的榜樣?；凇按嬖诩春侠怼钡臋C(jī)器學(xué)習(xí)理念，疊加對比分析2015年、2021年用地變化，將在此期間由非建設(shè)用地新轉(zhuǎn)化為城鎮(zhèn)建設(shè)用地的空間，標(biāo)記為適宜城鎮(zhèn)建設(shè)，打上“GOOD”標(biāo)簽。

（2）數(shù)據(jù)的離散分級。旨在提高貝葉斯網(wǎng)絡(luò)模型的預(yù)測精度?；谏鲜霰毁x予“GOOD”標(biāo)簽的空間樣本，觀察其各項(xiàng)因子屬性的數(shù)據(jù)分布狀態(tài)，借助數(shù)據(jù)分布拐點(diǎn)及關(guān)鍵點(diǎn)合理劃分因子分級區(qū)間，盡可能降低城鎮(zhèn)建設(shè)適宜、不適宜兩種空間樣本落入同一數(shù)據(jù)區(qū)間的可能性。按1，2，3，…，n的次序?qū)Ψ旨墧?shù)據(jù)進(jìn)行離散化賦值（表2）。

表2 連續(xù)數(shù)據(jù)的離散化分級標(biāo)準(zhǔn)Tab.2 Discretization classi fi cation criteria of continuous data

（3）數(shù)據(jù)樣本分類。旨在提高貝葉斯網(wǎng)絡(luò)模型模擬準(zhǔn)確度?；凇跋驓v史學(xué)習(xí)”的機(jī)器學(xué)習(xí)思路，本文將2015年城鎮(zhèn)狀態(tài)作為學(xué)習(xí)數(shù)據(jù)、2021年城鎮(zhèn)狀態(tài)作為預(yù)測數(shù)據(jù)，并進(jìn)一步按照7∶3的比例將學(xué)習(xí)數(shù)據(jù)劃分為用于模型構(gòu)建的訓(xùn)練樣本和用于模型準(zhǔn)確度檢驗(yàn)的測試樣本。

4 學(xué)習(xí)結(jié)果

4.1 城鎮(zhèn)建設(shè)適宜性指標(biāo)影響的主次性

BN結(jié)構(gòu)學(xué)習(xí)出的酉陽貝葉斯DAG中，有高程、坡度、主要道路、高速出入口、鐵路站場、縣級行政中心、鄉(xiāng)鎮(zhèn)級行政中心7個(gè)獨(dú)立指標(biāo)節(jié)點(diǎn)。

其中，表征交通條件因素的主要道路、高速出入口、鐵路站場三個(gè)獨(dú)立指標(biāo)節(jié)點(diǎn)和表征城鎮(zhèn)聚集條件因素的縣級行政中心、鄉(xiāng)鎮(zhèn)級行政中心兩個(gè)指標(biāo)節(jié)點(diǎn)分別單獨(dú)影響城鎮(zhèn)建設(shè)適宜性。但表征地形條件因素的高程、坡度兩個(gè)指標(biāo)節(jié)點(diǎn)，一方面作用于植被條件因素進(jìn)而影響生物多樣性條件；一方面通過影響表征微氣候條件因素的平均氣溫和降水量指標(biāo)節(jié)點(diǎn)，作用于表征水源條件因素的水系和地下水深度指標(biāo)節(jié)點(diǎn)以及表征土壤條件因素的成土母質(zhì)、土壤質(zhì)地、土壤類型、有效土層厚度、土壤肥力等指標(biāo)節(jié)點(diǎn)，再作用于表征地貌條件因素的土壤排水能力、土壤侵蝕程度指標(biāo)節(jié)點(diǎn)所影響的表征地質(zhì)災(zāi)害條件因素的地質(zhì)災(zāi)害指標(biāo)節(jié)點(diǎn)，最終影響城鎮(zhèn)建設(shè)適宜性（圖4）。

7個(gè)獨(dú)立指標(biāo)節(jié)點(diǎn)所表征的地形條件、交通條件和城鎮(zhèn)聚集條件三大因素共同構(gòu)成了影響城鎮(zhèn)建設(shè)適宜性的主導(dǎo)因素。

圖4 BN結(jié)構(gòu)學(xué)習(xí)出的城鎮(zhèn)建設(shè)適宜性指標(biāo)節(jié)點(diǎn)關(guān)系及影響因素主次性Fig.4 BN structure learning result: the relationship among the indicators and the primarysecondary of the factors about urban construction suitability

4.2 城鎮(zhèn)建設(shè)適宜性指標(biāo)影響的重要度

酉陽城鎮(zhèn)建設(shè)適宜性BN參數(shù)學(xué)習(xí)結(jié)果顯示：關(guān)鍵性重要度最高的指標(biāo)節(jié)點(diǎn)，是城鎮(zhèn)聚集條件因素中的鄉(xiāng)鎮(zhèn)級行政中心、縣級行政中心兩個(gè)指標(biāo)，重要度分別為11.17%和7.46%，總和達(dá)到18.62%，排序分別位于第一和第八；交通條件因素中的主要道路、高速出入口兩個(gè)指標(biāo)，重要度分別為9.89%和7.83%，總和達(dá)到17.72%，排序分別居第三和第六；地形條件因素中高程、坡度兩個(gè)指標(biāo)，重要度分別為8.95%和8.04%，總和達(dá)到16.99%，排序中分別位于第四和第五。

關(guān)鍵性重要度顯著的指標(biāo)節(jié)點(diǎn)，是水源條件因素中的水系指標(biāo)，微氣候條件因素中的平均氣溫、降水量指標(biāo)和生物多樣性條件因素中的自然保護(hù)地指標(biāo)，重要度分別為10.95%、7.73%、6.34%和6.15%，總和達(dá)到31.17%，排序依次為第二、第七、第九、第十位。

關(guān)鍵性重要度不明顯的指標(biāo)節(jié)點(diǎn)，包括土壤條件因素中的成土母質(zhì)、土壤質(zhì)地、土壤類型、有效土層厚度、土壤肥力5個(gè)指標(biāo)，地貌條件因素中的土壤侵蝕程度、土壤排水能力兩個(gè)指標(biāo)，交通條件因素中的鐵路站場指標(biāo)，水源條件因素中的地下水深度指標(biāo)，災(zāi)害條件因素中的地質(zhì)災(zāi)害、洪澇災(zāi)害兩個(gè)指標(biāo)，植被條件因素中的公益林指標(biāo)，其重要度均不足2%（圖5）。

圖5 BN參數(shù)學(xué)習(xí)出的城鎮(zhèn)建設(shè)適宜性指標(biāo)節(jié)點(diǎn)的重要度Fig.5 BN parameter learning result: the importance of indicators about urban construction suitability

4.3 線性評價(jià)規(guī)則轉(zhuǎn)化

BN機(jī)器學(xué)習(xí)轉(zhuǎn)化為線性規(guī)則的關(guān)鍵是將指標(biāo)節(jié)點(diǎn)之間的依賴或獨(dú)立關(guān)系強(qiáng)度轉(zhuǎn)化為指標(biāo)節(jié)點(diǎn)對事物形成或事件發(fā)生的整體貢獻(xiàn)度，即以表征整體貢獻(xiàn)度的關(guān)鍵性重要度選取指標(biāo)，建立由指標(biāo)體系及其關(guān)鍵性重要度所構(gòu)成的線性規(guī)則。在實(shí)操層面，首先通過BN結(jié)構(gòu)學(xué)習(xí)出的指標(biāo)影響主次性提取具有主導(dǎo)性且關(guān)鍵性重要度高的指標(biāo)，便于判斷遴選BN參數(shù)學(xué)習(xí)出的關(guān)鍵性重要度高但非主導(dǎo)性的指標(biāo)，從而構(gòu)建關(guān)鍵性重要度高且影響主次性清晰的線性評價(jià)規(guī)則指標(biāo)體系。

三大主導(dǎo)因素中的7個(gè)獨(dú)立指標(biāo)節(jié)點(diǎn)，除關(guān)鍵性重要度較低的鐵路站場指標(biāo)節(jié)點(diǎn)外，其余高程、坡度、主要道路、高速出入口、縣級行政中心、鄉(xiāng)鎮(zhèn)級行政中心6個(gè)指標(biāo)影響重要度較高，納入評價(jià)指標(biāo)體系。三大主導(dǎo)因素外，關(guān)鍵性重要度顯著的水系、平均氣溫、降水量、自然保護(hù)地4個(gè)指標(biāo)，納入評價(jià)指標(biāo)體系。形成由10個(gè)指標(biāo)及其關(guān)鍵性重要度所構(gòu)成的城鎮(zhèn)建設(shè)適宜性線性評價(jià)規(guī)則（表3）。

表3 城鎮(zhèn)建設(shè)適宜性線性評價(jià)規(guī)則指標(biāo)體系及其重要度Tab.3 Indicators of the linear evaluation and their importance about urban construction suitability （%）

5 評價(jià)結(jié)果對比驗(yàn)證

針對以酉永高速、渝湘高鐵為代表的西部陸海通道建設(shè)帶來的酉陽城鎮(zhèn)新發(fā)展情景，分別運(yùn)用“非線性BN評價(jià)”、“專家經(jīng)驗(yàn)線性評價(jià)”、“轉(zhuǎn)化線性規(guī)則評價(jià)”三種方法，評價(jià)城鎮(zhèn)建設(shè)適宜性。然后，對比非線性BN評價(jià)與專家經(jīng)驗(yàn)線性評價(jià)結(jié)果，驗(yàn)證非線性BN評價(jià)的準(zhǔn)確性；對比轉(zhuǎn)化線性規(guī)則評價(jià)與非線性BN評價(jià)結(jié)果，驗(yàn)證轉(zhuǎn)化線性規(guī)則評價(jià)的可行性。

5.1 遵循 “雙評價(jià)指南”的專家經(jīng)驗(yàn)線性評價(jià)

重慶市下發(fā)酉陽縣的城鎮(zhèn)建設(shè)適宜性評價(jià)，是依據(jù)“雙評價(jià)指南”，選取土地資源、水資源、氣候、環(huán)境、災(zāi)害、區(qū)位6大因素12項(xiàng)指標(biāo)，根據(jù)專家經(jīng)驗(yàn)制定各項(xiàng)指標(biāo)評價(jià)標(biāo)準(zhǔn)（表4），先進(jìn)行單項(xiàng)評價(jià)，再按照專家經(jīng)驗(yàn)的邏輯判斷，進(jìn)行集成評價(jià)：首先，以土地資源和水資源兩類單項(xiàng)評價(jià)結(jié)果為基礎(chǔ)，建立判別矩陣，確定城鎮(zhèn)建設(shè)適宜性等級的初步結(jié)果。然后，以災(zāi)害、環(huán)境、氣候和區(qū)位4類單項(xiàng)評價(jià)對初步結(jié)果依次進(jìn)行修正，其中，地質(zhì)災(zāi)害危險(xiǎn)性評價(jià)結(jié)果為極高等級的，初步結(jié)果調(diào)整為低等級；為高等級的，初步結(jié)果下降兩個(gè)級別；為較高等級的，初步結(jié)果下降一個(gè)級別。水環(huán)境容量為最低值的、氣候舒適度等級為很不舒適的，均將初步結(jié)果下降一個(gè)級別。區(qū)位優(yōu)勢度為最低值的，將初步結(jié)果下降兩個(gè)級別；為較差的，將初步結(jié)果下降一個(gè)級別；為好的，將初步結(jié)果為較低、一般和較高的分布上調(diào)一個(gè)級別。最后，以地塊集中連片度進(jìn)行修正集成為城鎮(zhèn)建設(shè)適宜性評價(jià)結(jié)果。

表4 遵循“雙評價(jià)指南”的專家經(jīng)驗(yàn)線性評價(jià)中的指標(biāo)體系及單項(xiàng)評價(jià)標(biāo)準(zhǔn)Tab.4 Indicators of expert experience linear evaluation and their individual evaluation criteria complying with double evaluation guide

5.2 非線性BN評價(jià)合理性驗(yàn)證

判別城鎮(zhèn)建設(shè)適宜性評價(jià)結(jié)果合理性最重要的標(biāo)準(zhǔn)是其與農(nóng)業(yè)生產(chǎn)適宜性、生態(tài)保護(hù)重要性用地的重疊度。本文選取農(nóng)業(yè)生產(chǎn)適宜性用地中最重要的高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田、生態(tài)保護(hù)性用地中最重要的公益林地與非線性BN評價(jià)和專家經(jīng)驗(yàn)線性評價(jià)出的城鎮(zhèn)建設(shè)適宜性用地之間的重疊度比較，驗(yàn)證非線性BN評價(jià)的合理性。

非線性BN評價(jià)與專家經(jīng)驗(yàn)線性評價(jià)出的城鎮(zhèn)建設(shè)適宜性用地分別為14 008.99 hm2和14029.43 hm2，比較結(jié)果發(fā)現(xiàn)：（1）在與高標(biāo)準(zhǔn)農(nóng)田重疊方面，非線性BN評價(jià)結(jié)果沒有出現(xiàn)集中占據(jù)高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田的區(qū)域，僅有少量零散用地占據(jù)高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田，面積129.79 hm2，占其評價(jià)結(jié)果總面積的0.93%，但專家經(jīng)驗(yàn)線性評價(jià)結(jié)果有18處集中區(qū)域和大量零散用地占據(jù)高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田，面積達(dá)到2 680.05 hm2，占其評價(jià)結(jié)果總面積的比重達(dá)到了19.10%；（2）在與公益林地重疊方面，非線性BN評價(jià)結(jié)果沒有占據(jù)公益林地，但專家經(jīng)驗(yàn)線性評價(jià)結(jié)果中有12處集中區(qū)域占據(jù)公益林地，面積達(dá)到1 032.17 hm2，占其評價(jià)結(jié)果總面積的7.37%（圖6）。由此可見，非線性BN評價(jià)結(jié)果的合理性大大高于專家經(jīng)驗(yàn)線性評價(jià)結(jié)果。

圖6 非線性BN評價(jià)與專家經(jīng)驗(yàn)線性評價(jià)結(jié)果對比Fig.6 Comparison between nonlinear Bayesian network evaluation and expert experience linear evaluation

5.3 轉(zhuǎn)化線性規(guī)則評價(jià)可行性驗(yàn)證

從空間范圍、與高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田和公益林地的重疊關(guān)系三個(gè)方面，對比轉(zhuǎn)化線性規(guī)則評價(jià)結(jié)果與非線性BN評價(jià)結(jié)果，發(fā)現(xiàn)：（1）轉(zhuǎn)化線性規(guī)則評價(jià)出的城鎮(zhèn)建設(shè)適宜用地面積14 002.20 hm2，僅比非線性BN評價(jià)結(jié)果少6.79 hm2，且減少的主要是非線性BN評價(jià)中分散難以集中連片的用地；（2）轉(zhuǎn)化線性規(guī)則評價(jià)出的城鎮(zhèn)建設(shè)適宜用地占據(jù)315.97 hm2的高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田，比非線性BN評價(jià)結(jié)果多占據(jù)186.17 hm2，但占其評價(jià)結(jié)果總面積的比重也僅2.26%；（3）轉(zhuǎn)化線性規(guī)則評價(jià)出的城鎮(zhèn)建設(shè)適宜用地沒有占據(jù)公益林地（圖7）。對比結(jié)果顯示，雖然轉(zhuǎn)化線性規(guī)則評價(jià)合理性不如非線性BN評價(jià)，但誤差在可接受范圍內(nèi)，評價(jià)出的城鎮(zhèn)建設(shè)適宜用地更加集中連片，加之更好打開了非線性BN評價(jià)的“黑箱”，評價(jià)結(jié)果易于感知、理解，可行性更強(qiáng)。

圖7 轉(zhuǎn)化線性規(guī)則評價(jià)與非線性BN評價(jià)結(jié)果對比Fig.7 Comparison between transformed linear rule evaluation and nonlinear Bayesian network evaluation

6 結(jié)論與討論

秉持“存在就是合理的” “向傳統(tǒng)學(xué)習(xí)”的機(jī)器學(xué)習(xí)原則，引入具有將復(fù)雜非線性關(guān)系認(rèn)知轉(zhuǎn)化為各因子重要度線性知識的BN學(xué)習(xí)方法，通過“數(shù)據(jù)海選—非線性認(rèn)知—線性規(guī)則轉(zhuǎn)化”的方式，評價(jià)城鎮(zhèn)建設(shè)用地適宜性，在數(shù)據(jù)選擇、評價(jià)效果、評價(jià)過程可感知等方面的具有一定優(yōu)勢：（1）突破了數(shù)據(jù)選擇的先驗(yàn)主觀性。以數(shù)據(jù)為驅(qū)動(dòng)，海選能收集到的、相關(guān)土地覆蓋和土地利用的所有數(shù)據(jù)參與學(xué)習(xí)，而不是依靠先驗(yàn)知識選取數(shù)據(jù)，是BN機(jī)器學(xué)習(xí)不同于傳統(tǒng)線性評價(jià)方法的一大區(qū)別，避免了因先驗(yàn)知識不足而導(dǎo)致的評價(jià)因子缺失。（2）非線性認(rèn)知評價(jià)更逼近真實(shí)?！胺蔷€性是世界的真實(shí)存在”，在數(shù)據(jù)完備的前提下，具有非線性認(rèn)知能力的BN學(xué)習(xí)，以山地、平原不同城鎮(zhèn)形態(tài)或大城市、小城鎮(zhèn)不同城鎮(zhèn)規(guī)模的現(xiàn)實(shí)存在為學(xué)習(xí)榜樣，會(huì)學(xué)習(xí)不同的延續(xù)城鎮(zhèn)現(xiàn)實(shí)存在機(jī)制的評價(jià)結(jié)果。（3）具有易理解的線性剖析能力。“線性是非線性的抽象，更容易被人理解”，貝葉斯網(wǎng)絡(luò)通過結(jié)構(gòu)學(xué)習(xí)、參數(shù)學(xué)習(xí)，將指標(biāo)節(jié)點(diǎn)之間的非線性關(guān)系轉(zhuǎn)化為線性的指標(biāo)節(jié)點(diǎn)關(guān)鍵性重要度，促成城鎮(zhèn)建設(shè)適宜性評價(jià)機(jī)制透明、評價(jià)過程可感知。

當(dāng)然本文的研究方法在數(shù)據(jù)制約、學(xué)習(xí)榜樣等方面也存在一定的局限性。（1）以數(shù)據(jù)為驅(qū)動(dòng)的BN學(xué)習(xí)評價(jià)方法，受制于數(shù)據(jù)的完備性，可能會(huì)因?yàn)閿?shù)據(jù)的缺失，漏掉關(guān)鍵性因素或指標(biāo)，導(dǎo)致評價(jià)結(jié)果的偏差。（2）以“存在就是合理”為參照的BN學(xué)習(xí)，容易陷入“壞榜樣的陷阱”，如果現(xiàn)實(shí)存在是城鎮(zhèn)建設(shè)較少侵占高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田和不占公益林的“好榜樣”，城鎮(zhèn)建設(shè)用地適宜性的BN學(xué)習(xí)評價(jià)結(jié)果就較少與高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田和不與公益林重疊；反之，現(xiàn)實(shí)存在是城鎮(zhèn)建設(shè)大量肆意侵占高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田的“壞榜樣”，BN學(xué)習(xí)出的城鎮(zhèn)建設(shè)適宜性就會(huì)認(rèn)為高標(biāo)準(zhǔn)優(yōu)質(zhì)農(nóng)田可以大量侵占。（3）以現(xiàn)實(shí)存在為參照的BN學(xué)習(xí)分別運(yùn)用于城鎮(zhèn)建設(shè)適宜性評價(jià)和農(nóng)業(yè)生產(chǎn)適宜性評價(jià)，難免會(huì)形成兩類評價(jià)結(jié)果部分重疊的問題，需要進(jìn)一步探索關(guān)于如何權(quán)衡取舍的方法。

雖然BN學(xué)習(xí)對城鎮(zhèn)建設(shè)適宜性的評價(jià)還存在上述局限性，但逼近世界本原且容易被人理解的非線性認(rèn)知和線性抽象相結(jié)合的方法，是人類探究世界本真的必然趨勢，只有在不斷嘗試中了解其優(yōu)缺點(diǎn)，才能不斷修正完善。