2019, Vol. 39文章信息
- 袁少雄, 陈军, 宫清华, 尹小玲, 刘通, 王钧, 黄光庆, 罗新权
- YUAN Shaoxiong, CHEN Jun, GONG Qinghua, YIN Xiaoling, LIU Tong, WANG Jun, HUANG Guangqing, LUO Xinquan
- 基于Apache Spark机器学习的生态安全格局构建方法
- An ecological security pattern construction method based on Apache Spark machine learning
- 生态学报. 2019, 39(13): 4793-4805
- Acta Ecologica Sinica. 2019, 39(13): 4793-4805
- http://dx.doi.org/10.5846/stxb201805091030
-
文章历史
- 收稿日期: 2018-05-09
- 网络出版日期: 2019-04-17
2. 广东省生态环境技术研究所, 广东省农业环境综合治理重点实验室, 广州 510650
2. Guangdong Key Laboratory of Agricultural Environment Pollution Integrated Control, Guangdong Institute of Eco-environmental and Soil Sciences, Guangzhou 510650, China
区域生态安全格局的构建涉及了重要阈值设定、有效性评价、多尺度关联、生态过程耦合等系列复杂的分析研究[1-2], 通过对关键性的点、线、局部(面)或其他空间组合规划设计, 从而保护和恢复生物多样性、维持生态系统结构和过程的完整性、实现对区域生态环境问题有效控制和持续改善[3-4]。生态安全格局的构建主要有基于源地识别和生态阻力面分析构建法[5-7]、基于生态系统服务供需分析构建法[8-12]、基于景观结构优化和风险分析规划法[13-14]和基于人类生存安全和理想人居环境目标的多因素叠加分析规划法[15]等。不管采用哪一种方法, 其前提均是假设生态安全格局与该区域生境中的各个环境因子是相互关联的, 通过对环境因子不同层次、不同深度的分析, 进一步对其生态安全格局进行规划, 然而却少有学者直接对生态安全格局与环境因子之间的关系进行分析研究。
大数据是大量、高速、多变的信息资产, 它需要新型的处理方式去促成更强的决策能力、洞察力与最优化处理[16]。Apache Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架, 支持机器学习[17]。机器学习使用统计技术为计算机系统提供利用数据“学习”的能力, 而不需要明确编程[18-19]。在城市规划方面, 机器学习被用以检测城市环境变化的本质[20]、城市建筑的识别[21-22]、城市用地分类[23-25]、模拟城市扩张[26-29]等。但目前利用机器学习算法构建生态安全格局的尝试还相对较少。
基于大数据的机器学习, 通常是不问为什么, 而只是检测模式模型[30]。本文拟利用大数据处理框架SPARK机器学习对生态安全格局与环境因子之间的关系进行模拟分析, 构建通用模型用以预测生态安全格局的分布情况, 从而简化繁琐的分析过程、减少阈值设定中主观因素的影响、提升生态安全格局规划的效率、拓展生态安全格局研究途径。本文假设已实施的广东省佛山市高明区、三水区和顺德区的生态安全格局规划是符合当地实际情况的科学合理的方案。通过搭建Apache Spark处理框架, 利用其机器学习库中的逻辑斯蒂回归对已有方案中的生态安全格局数据与其环境因子(岩性、土壤质地、土壤类型、用地类型、植被归一化指数、海拔、坡度、阴阳坡向、曲率、断层距离、道路距离、河流距离、建设用地距离、年均降雨量、年均气温、年均风速、人口密度)之间相互关系进行学习与训练, 检测两者的关系模型, 进而利用该模型预测其他区域的生态安全格局。
1 研究方法 1.1 模型简介 1.1.1 逻辑回归模型逻辑回归(Logistic Regression, 下称LR), 在机器学习中既可以用来回归, 亦可以用来分类, 由于算法的简单和高效, 在实际中应用非常广泛。其作为二分类模型, 对因变量数据假设要求不高[31], 是统计学习中的经典分类方法。本文中利用Apache Spark的机器学习库(MLlib)中的Logistic Regression模型(下称Spark-LR), 计算生态安全格局构建中各环境变量的权值向量, 以构建生态安全格局通用模型。
对于环境变量中的分类变量, 如岩性、土壤质地、土壤类型、土地利用、坡向、阴阳坡和曲率分类后的离散变量等, 需要使用哑变量(dummy variable)[32]。因为分类变量的各类之间不存在大小等级关系, 它们之间的差距无法准确衡量, 需要将原来的多分类变量转化为多个哑变量, 每个哑变量只代表某两个级别或若干级别之间的差别, 才能使回归的结果有明确而合理的意义, 哑变量代表的是等级间的比较结果[32]。
1.1.2 模型的参数设置在Apache Spark机器学习库中, 逻辑回归模型的主要参数包括数据(本文为含生态安全格局样点及建设用地点的SVM格式数据)、训练数据与测试数据比例(部分用以模型训练, 部分用以模型精度测试)、逻辑回归最大迭代次数(较小的值将导致更高的精度与更多的迭代的成本)、正则化参数(值>=0, 应设置合适的值以防止过度拟合或欠拟合)、Elastic Net混合参数(设置0, 惩罚为L2范数; 设置1, 为L1范数; 设置0—1之间, 惩罚为L1和L2组合)。本文设置训练数据与测试数据比例为0.75 : 0.25, 其他参数经过多次反复模拟后选择最佳拟合精度参数组合(更理想的状态下可做蒙特卡洛模拟, 以测试模型的稳健性)。
1.1.3 生态安全格局分布图计算在没有分类变量的情况下, 逻辑回归模型计算的权值向量, 可以直接用在arcgis栅格计算工具中, 公式如下：
|
(1) |
式中, R为目标栅格, Vi为第i个变量, Ci为第i个变量对应的权值向量。
本文采用了多个分类变量, LR模型对各分类变量的哑变量进行权值向量计算, 在GIS中对单个分类变量栅格计算需要按各亚变量分别进行权值向量计算赋值, 方法是按栅格值与对应的权值向量相乘, 得到相应栅格的新值, 利用栅格计算的Con语句对分类变量栅格进行赋值运算, 公式如下：
|
(2) |
式中, vR为分类变量目标栅格, iR为分类变量栅格, v1、v2为分类变量栅格值, nv1、nv2为新的变量栅格值, 新的变量栅格值是该分类变量原栅格值与权值向量的积。所有的分类变量目标栅格计算出来后, 利用公式1计算目标栅格R。按以下公式计算生态安全格局可能性分布图：
|
(3) |
式中, P为生态安全格局可能性分布图, b为LR模型截距。
1.1.4 模型精度应用受试者工作特征曲线(Receiver operating characteristic curve, ROC)分析法对预测的结果进行精度检验。Spark-LR模型运行后自动计算出AUC值(即ROC曲线下面的面积)。AUC值取值范围为0.5—1, 越接近1说明预测的结果越好, 其模型预测的结果就越准确。AUC值为0.50—0.60(失败), 0.60—0.70(较差), 0.70—0.80(一般), 0.80—0.90(好), 0.90—1.00(非常好)[33]。
1.2 研究区域 1.2.1 模型构建采用佛山市高明区、三水区和顺德区作为模型构建的基础数据。数据主要为2009年广东省佛山市高明区生态安全格局[15]、2011年佛山市三水区生态安全格局、2014年佛山市顺德区生态安全格局(图 1A, 下称“三区生态安全格局”)等规划的成果。
|
| 图 1 广东省佛山市高明区、三水区、顺德区生态安全格局规划(A)及样点分布图(B) Fig. 1 Ecological security pattern plans (A) and sample distribution (B) of Gaoming district, Sanshui district and Shunde district, Foshan, Guangdong |
在GIS中根据三区生态安全格局的范围随机生成2923个数据点, 提取每个数据点所在位置的生态安全格局属性(图 1B), 以保障生态安全格局(Guaranteed security pattern, GSP)、缓冲生态安全格局(Buffered security pattern, BSP)和最优生态安全格局(Optimal security pattern, OSP)等3个等级安全格局数据作为事件(即需要保护的生态资源)发生值(取值1), 以建设用地作为事件不发生值(取值0)。每类再分别提取环境变量属性, 形成GSP、BSP和OSP 3个二维数值矩阵。将数值矩阵转换为SVM格式数据, 在Apache Spark平台中分别利用三类数据构建相应模型GSPM、BSPM和OSPM。
1.2.2 模型应用模型应用以广东省作为研究区域, 分别利用GSPM、BSPM和OSPM预测广东省全省生态安全格局, 分析3个模型之间、预测结果与已有规划之间以及预测结果与常规GIS叠加方法的结果之间的差异。
1.3 环境变量 1.3.1 变量选择目前关于利用机器学习的方式探讨生态安全格局构建的研究较少, 可参考的文献不多, 本文的变量选择以地质灾害安全格局[15]、生物保护安全格局等相关环境变量作为参考, 采用岩性(E01)、土壤质地(E02)、土壤类型(E03)、用地类型(E04)、植被归一化指数(E05)、海拔(E06)、坡度(E07)、阴阳坡向(E08)、曲率(E09)、断层距离(E10)、道路距离(E11)、河流距离(E12)、建设用地距离(E13)、年均降雨量(E14)、年均气温(E15)、年均风速(E16)、人口密度(E17)等17个变量作为生态安全格局预测的环境变量, 所有变量均处理成120米分辨率栅格数据。
1.3.2 数据来源及分类变量处理岩性数据来源于中国国家地质资料数据中心(http://geodata.ngac.cn/)广东省1 : 50万地质图。该变量为分类变量, 以各地层的终止年代作为分类依据, 各分类的属性如表 1。
| 变量 Variable |
分类 Classification |
值 Value |
属性 Attributes |
| 岩性 | E0101 | 1 | 混合岩、斜长角闪岩 |
| Lithology(E01) | E0102 | 2 | 以粉砂岩、砾砂、含砾长石石英砂岩、泥灰岩、泥岩、砂砾岩、砂质粘土、砂土、粘土、玄武岩为主, 其他为灰岩、安山岩、花岗长班岩、褐煤、褐铁矿碎屑岩和油页岩等 |
| E0103 | 3 | 以粉砂岩、粉砂质泥岩、钙质粉砂岩、含砾砂岩、安山岩、沉凝灰岩、砾岩、流纹岩、凝灰质砂岩、砂砾岩、花岗岩、闪长岩为主, 其他为泥岩、灰岩、辉长岩、熔岩、碎屑岩等 | |
| E0104 | 4 | 以花岗岩、凝灰岩、粉砂岩、石英砂岩、闪长岩、花岗闪长斑岩、花岗闪长岩、砂砾岩为主, 其他为砂岩、泥岩、玄武岩、碎屑岩、二长斑岩、煤层等 | |
| E0105 | 5 | 以花岗岩、粉砂岩、煤层、砂砾岩、碳质页岩和闪长岩为主, 其他为灰岩、二长斑岩、泥岩、石英砂岩、辉石岩、辉长岩、页岩、闪长岩等 | |
| E0106 | 6 | 以灰岩、白云质灰岩、白云岩、粉砂岩、花岗岩、泥岩、页岩、硅质岩、砂岩、砾岩、煤层、页岩为主, 其他为混合岩、辉长岩、闪长岩、碳酸岩等 | |
| E0107 | 7 | 以砂岩、粉砂岩、板岩、花岗岩、页岩、闪长岩、硅质岩为主, 其他为橄榄岩、灰岩、砾岩、流纹岩、石煤层等 | |
| E0108 | 8 | 以硅质岩、砂岩、石英岩、板岩、粉砂岩、火山岩、千枚岩为主, 其他为磁铁矿层、大理岩、泥砾岩、变粒岩、黄铁矿层等 | |
| E, 环境变量Environmental variables | |||
土壤质地与土壤类型数据来源于中国广东省生态环境与土壤研究所广东省数字土壤V2.0(http://digital.soil.cn/), 数据精度为1 : 100万。两者都为分类变量, 土壤质地分类见表 2, 土壤类型分类见表 3。
| 变量 Variable |
分类 Classification |
值 Value |
属性 Attributes |
| 土壤质地 | E0201 | 1 | 中壤土 |
| Soil texture(E02) | E0202 | 2 | 中粘土 |
| E0203 | 3 | 松沙土 | |
| E0204 | 4 | 砂壤土 | |
| 土壤质地 | E0205 | 5 | 轻壤土 |
| Soil texture(E02) | E0206 | 6 | 轻粘土 |
| E0207 | 7 | 重壤土 |
| 变量 Variable |
分类 Classification |
值 Value |
属性 Attributes |
| 土壤类型 | E0301 | 1 | 水库 |
| Soil types(E03) | E0302 | 2 | 宾海潮间盐土, 宾海盐土, 宾海沼泽盐土, 含盐酸性硫酸盐土 |
| E0303 | 3 | 半固定沙土, 固定沙土 | |
| E0304 | 4 | 碱性紫色土, 酸性紫色土, 中性紫色土 | |
| E0305 | 5 | 赤砖红壤, 耕型砖红壤, 古海积砖红壤, 黄色砖红壤, 麻砖红壤, 页砖红壤 | |
| E0306 | 6 | 赤红攘性土, 耕型赤红壤, 红粘性赤红壤, 麻赤红壤, 麻黄色赤红壤, 片赤红壤, 侵蚀赤红壤, 页赤红壤, 页黄色赤红壤 | |
| E0307 | 7 | 红壤性土, 灰红壤, 麻红壤, 麻黄红壤, 片红壤, 侵蚀红壤, 页红壤, 页黄红壤 | |
| E0308 | 8 | 麻黄壤, 页黄壤 | |
| E0309 | 9 | 谷积土田, 河积土田, 坭肉田, 漂洗水稻土, 潜育水稻土, 渗育水稻土, 咸酸水稻土, 淹育水稻土, 盐积水稻土, 洲积土田, 潴育水稻土 | |
| E0310 | 10 | 潮土, 钙质石质土, 耕型潮土, 黑色石灰土, 红色石灰土, 火山灰土, 淋溶石灰土, 山地灌丛草甸土, 湿潮土, 酸性粗质土, 酸性石质土, 脱潮土, 沼泽土 |
用地类型数据是利用GIS对Landsat7数据(2015—2016年度, 原始精度为30 m, 数据来源于中国科学院计算机网络信息中心地理空间数据云平台http://www.gscloud.cn)进行监督分类, 将土地利用类型分为林地、园地、草地、耕地、湿地、建设用地、其他用地和水域(表 4)。
| 变量 Variable |
分类 Classification |
值 Value |
属性 Attributes |
| 用地类型 | E0401 | 1 | 林地 |
| Land types | E0402 | 2 | 园地 |
| (E04) | E0403 | 3 | 草地 |
| E0404 | 4 | 耕地 | |
| E0405 | 5 | 湿地(主要为滩涂苇地) | |
| E0406 | 6 | 建设用地 | |
| E0407 | 7 | 其他用地 | |
| E0408 | 8 | 水域 |
NDVI数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn) 250 m植被指数16天合成产品。
海拔数据为数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn) 30 m分辨率数字高程数据, 坡度、坡向、平面曲率数据由DEM经过空间分析获得。阴阳坡向由坡向按平面、阳坡、阴坡进行重分类后获得(表 5)。平面曲率分为凹、平、凸三类(表 6)。
| 变量 Variable |
分类 Classification |
值 Value |
属性 Attributes |
| 阴阳坡向 | E0801 | 1 | 平面 |
| Yin and yang aspect | E0802 | 2 | 阳坡 |
| (E08) | E0803 | 3 | 阴坡 |
| 变量 Variable |
分类 Classification |
值 Value |
属性 Attributes |
| 平面曲率 | E0901 | 1 | 凹 |
| Plane curvature | E0902 | 2 | 平 |
| (E09) | E0903 | 3 | 凸 |
断层数据来源于中国国家地质资料数据中心(如前地质数据源, 1 : 50万), 广东省道路及河流数据来源于自有数据(精度1 : 100万), 建设用地数据为用地类型数据中的一类。利用GIS欧氏距离工具计算各距离因子, 获得断层距离、道路距离、河流距离和建设用地距离。
年均降雨量、年均气温、年均风速由广东省气象局多年气象数据通过GIS的Kriging插值生成(分辨率：120 m)。人口密度来源于欧洲人类居住区任务(http://ghsl.jrc.ec.europa.eu/, 分辨率：250 m)。
1.4 构建流程Spark-LR模型生态安全格局构建流程见图 2。
|
| 图 2 Spark-LR模型生态安全格局构建流程 Fig. 2 Spark-LR model ecological security pattern construction process E：环境变量Environmental variables; SVM：支持向量机Support vector machine; LR：逻辑斯蒂回归Logistic regression; ROC：受试者工作特征曲线Receiver operating characteristic curve |
本研究中GSPM的平均AUC值达到90.58%, 模型精度非常好; BSPM的平均AUC值为86.49%, 模型精度较好; 而OSPM平均AUC值71.11%, 模型精度一般。由于GSP、BSP和OSP在本质都是“生态资源(生态用地)”, 三者之间只是景观破碎化程度的高低, 资源集中程度高低的区别, 因此本文仅给出模型精度高的GSPM结果供参考。
2.1 GSPM变量权值与精度Spark-LR的结果显示, 基于GSP数值矩阵的训练模型, 偏置向量b为0.5235±0.0079, 各变量对应的分类及其权值向量见表 7。
| 变量 Variable |
分类 Classification |
权值 Weight |
标准误 Standard error |
| E01 | E0101 | 0.0000 | 0.0000 |
| E0102 | -0.0910 | 0.0013 | |
| E0103 | 0.0360 | 0.0008 | |
| E0104 | 0.0368 | 0.0006 | |
| E0105 | 0.0184 | 0.0014 | |
| E0106 | 0.0289 | 0.0005 | |
| E0107 | 0.0073 | 0.0010 | |
| E0108 | 0.0085 | 0.0007 | |
| E02 | E0201 | -0.0555 | 0.0026 |
| E0205 | 0.0276 | 0.0003 | |
| E0206 | -0.0065 | 0.0007 | |
| E0207 | -0.0277 | 0.0020 | |
| E03 | E0306 | 0.0173 | 0.0004 |
| E0309 | -0.0081 | 0.0002 | |
| E0310 | 0.0008 | 0.0002 | |
| E04 | E0401 | 0.2092 | 0.0020 |
| E0402 | 0.0193 | 0.0031 | |
| E0403 | 0.0116 | 0.0049 | |
| E0404 | -0.0460 | 0.0010 | |
| e0406 | 0.0515 | 0.0004 | |
| E04 | E0407 | -0.0460 | 0.0004 |
| E0409 | 0.0181 | 0.0003 | |
| E05 | 0.0466 | 0.0006 | |
| E06 | 0.0623 | 0.0008 | |
| E07 | 0.0543 | 0.0005 | |
| E08 | E0801 | 0.0563 | 0.0065 |
| E0802 | -0.0084 | 0.0016 | |
| E0803 | 0.0020 | 0.0008 | |
| E09 | E0901 | 0.0716 | 0.0040 |
| E0902 | -0.0273 | 0.0012 | |
| E0903 | 0.0108 | 0.0008 | |
| E10 | -0.0046 | 0.0008 | |
| E11 | 0.0358 | 0.0004 | |
| E12 | -0.0003 | 0.0005 | |
| E13 | 0.0447 | 0.0003 | |
| E14 | -0.0185 | 0.0007 | |
| E15 | -0.0222 | 0.0011 | |
| E16 | 0.0449 | 0.0047 | |
| E17 | -0.1402 | 0.0010 |
GSPM的平均AUC值为0.9058(图 3), 说明模型拟合的精度非常好, 预测准确性高。
|
| 图 3 GSPM预测精度 Fig. 3 GSPM prediction accuracy AUC：ROC曲线下面的面积Area under the curve of ROC |
利用公式1、2、3对GSPM的主要变量及相应权值在GIS里进行计算, 得到GSPM预测的广东省生态安全格局概率分布图 4。结果显示珠江三角洲地区、韩江流域下游地区是基本保障生态安全格局可能性最低的区域, 亦是广东省人类活动最活跃、城市建设最强烈的区域。而南岭的各向余脉、青云山脉、莲花山脉及云雾山脉是基本保障安全格局可能性最高的区域, 是广东省生态系统最重要的源和关键点, 是广东省生态安全格局的“核心区”, 保障这些区域的生态系统的完整性, 是维护广东省生态安全的基本低线。
|
| 图 4 GSPM广东省生态安全格局概率分布图 Fig. 4 Probability distribution of ecological security pattern of GSPM in Guangdong Province |
GSP、BSP和OSP本质上都包含有生态系统中较重要的生态斑块, 在景观水平生态过程中起着关键性的作用, 是物种扩散和维持的主要区域, 是同一个类型中不同的3个层次。三者的区别在于, GSP是生态系统功能维持、生物多样性保护的关键区域, 是生态系统服务功能最强的区域; 而BSP则次之; OSP内的景观破碎化程度较高, 区域内物种的扩散有较高的阻力, 是社会与自然交融度较高的区域。景观一致性高的GSP, 其数据的一致性高, 相应模型预测的精度也高, 而BSP和OSP数据的离散度逐渐增高, 模型的精度也因此而降低。
3个模型都可预测类似的广东省生态安全格局, 但分布范围不一样的。将预测结果分别利用Nature breaks(jenks)[34]方式重新分类进行对比, 可以发现：GSPM预测结果中保障安全格局占比达50.56%(图 5), 而BSPM和OSPM中该类分别占42.40%和34.63%;GSPM预测结果中缓冲安全格局占比为25.21%, 而BSPM和OSPM中该类分别占了31.64%和35.61%。
|
| 图 5 GSPM、BSPM和OSPM预测结果概率区分布对比 Fig. 5 Comparison of probability distributions of GSPM, BSPM, and OSPM predictions GSPM：保障生态安全格局模型Guaranteed security pattern model; BSPM：缓冲生态安全格局Buffered security pattern model; OSPM：最优生态安全格局Optimal security pattern model |
Spark-LR模型的主要数据来源是佛山市高明区、三水区和顺德区三区的生态安全格局已有规划。GSPM预测的高明区生态安全格局总体上与已有规划同区域的情况类似(图 6)。在已有规划中, 高明区东部区域缓冲安全格局占有较大比例, 但在预测结果中, 则是最优安全格局占了较大比例。预测结果中, 三水区的保障生态安全格局仅少量分布在北部山区较小的范围内, 与已有规划差距较大, 而顺德区的预测结果没有保障生态安全格局分布, 亦跟已有规划不一致。
|
| 图 6 已有规划与Spark-LR模型预测生态安全格局对比 Fig. 6 ESP Comparison of existing plans and Spark-LR model prediction results |
但与佛山市三区的生态安全格局对比, 模型预测的广东省生态安全格局区域尺度更大, 其栅格数据在三级格局的区分中将以最优的自然断点作为依据, 因此预测结果中基本特征与全省特征相似的高明区与已有规划会更接近。而如果将预测结果中三水区或顺德区的数据单独切分出来, 利用自然断点法进行分类, 其结果与已有规划也会更加接近(图 7)。因此, 在不同区域尺度上, 生态安全格局的分布是不同的。将模型预测的结果缩小到区县尺度, 其与已有规划亦同样是类似的。
|
| 图 7 三水区已有规划与Spark-LR模型预测生态安全格局对比 Fig. 7 ESP comparison of existing plan and Spark-LR model prediction results in Sanshui district A.佛山三水区安全格局已有规划; B. 2016年遥感影像; C. Spark-LR模型预测结果, Nature breaks(jenks)分类 |
图 7B箭头指向处实际为水域, 已有规划非常注意水域的保护, 将其划为保障生态安全格局(图 7A), 但是在模型预测中水域的重要性并没有体现出来(图 7C), 图 8已有规划中高明河两边的保障型生态用地, 在预测结果中同样没有体现出来, 这说明水域的重要性被模型忽略了。原因可能是随机生成的样点中, 位于水域部分的保障生态安全格局样点太少, 以至于模型认为河流在生态安全格局中的比重较低。
|
| 图 8 已有规划及预测生态安全格局在高明河两岸与城市扩张实际情况对比 Fig. 8 ESP comparison of existing plan, Spark-LR prediction results and actual urban expansion on the two sides of Gaoming River A.已有规划; B.2016年遥感影像; C.预测结果 |
在已有规划中, 规划者有意保护高明河两岸一定范围内的区域, 但是GSPM预测的该区域则是建设用地, 与城市扩张的实际情况相比, 城市建设用地似乎是与模型预测结果更加切合(图 8箭头指示位置)。考虑已有规划的时限问题, 我们不能就此说明GSPM比已有规划能更准确地表达某一区域的生态安全格局, 但是由此可以看到模型对城市扩张的分布区域预测具有一定优势。
2.5 预测结果与GIS叠加法的异同将Spark-LR预测结果与GIS叠加分析法进行对比(结果均采用Nature breaks(jenks)分类), 可以发现两个结果中的生态安全格局有一定的相似性(图 9), 各类安全格局的分布都与广东省地形比较切合, 广东省各大主要山脉是保障安全格局分布区, 而珠江三角洲、韩江下游和雷州半岛等沿海地区是最优安全格局分布区。然而两种结果中保障、缓冲、最优安全格局的分布面积却明显不同, 常规方法的结果中广东省保障及缓冲生态安全格局比例分别为27.09%和34.03%, 而Spark-LR预测的结果中相应的比例分别为50.56%和25.21%。尽管我们不能因此断定Spark-LR模型预测结果在规划上的准确性, 但不难发现机器学习预测的结果可能更加切合生态资源保护和人类社会长期发展需求, 而GIS叠加结果或许需要进一步优化才能作为规划结果。
|
| 图 9 GIS叠加分析与Spark-LR预测生态安全格局对比 Fig. 9 Comparison of GIS overlay Analysis and Spark-LR prediction ESP |
1) 利用大数据处理框架Apache Spark中的Logistic Regression机器学习模型, 通过对现有规划中生态安全格局里保障生态安全格局(GSP)、缓冲生态安全格局(BSP)和最优生态安全格局(OSP)数据与岩性、土壤质地、土壤类型、用地类型、植被归一化指数、海拔、坡度、阴阳坡向、曲率、断层距离、道路距离、河流距离、建设用地距离、年均降雨量、年均气温、年均风速、人口密度等环境变量之间关系的训练学习, 可以得到相应的回归模型, 利用该模型在GIS中对环境变量的回归重构, 可以预测出其他区域的生态安全格局分布情况。
2) 保障生态安全格局模型(GSPM)预测精度达到90.58%, 模型拟合的精度非常好, 对生态安全格局的预测准确性高; 以Nature breaks (jenks)方式重新分类之后, 得到的保障安全格局高概率区比例高达50.56%, 在实际应用中, 有一定的参考价值。而缓冲安全格局模型和最优安全格局模型的预测精度分别只有86.49%和71.11%, 前者的保障安全格局高概率区比例为42.40%, 后者的只有34.36%。
3) 对区域尺度进行划分后, Spark-LR对生态安全格局的预测结果与已有规划成果非常接近, 但是模型容易受到样点分布均衡性的影响; 模型预测与GIS叠加分析的生态安全格局有一定的相似性, 但预测的结果更加切合生态资源保护和人类社会长期发展需求, 而GIS叠加结果则需要进一步优化才能作为规划结果。
4) Spark-LR机器学习模型对生态安全格局中城市扩张的分布区域预测具有一定的客观优势。
机器学习的研究不仅是人工智能研究的重要问题, 而且已成为计算机科学与技术的核心问题之一[35]。我们尝试利用大数据计算框架Apache Spark下的机器学习对生态安全格局进行了模拟分析, 向地理人工智能(GEOAI)探出了一小步, 同时也遇到许多值得我们进一步探讨的问题。GIS本身与大数据是密不可分的, 国内外都有学者在研究空间大数据的分析处理[36], 但如何用大数据平台的机器学习自动构建生态安全格局仍需要进一步探索。机器学习在生态安全格局构建过程中环境变量选择, 是模型是否准确的关键问题之一, 模型中到底该选择哪些变量值得深入探讨。虽然Logistic Regression模型是较常用的模型, 但是在Spark-LR中, 正则化参数和ElasticNet混合参数的设置都会影响到模型的精度, 如何设置调优模型亦有一定的探讨空间。关于大数据机器学习与生态安全格局构建及其相关领域的结合, 仍有较多的未知领域, 随着大数据的发展及我国对生态环境更进一步的重视, 机器学习与生态系统服务、生物多样性保护、生态环境规划、城市空间优化等领域的结合将会有更多契机。
致谢: 广东省气象局灾害中心刘尉博士帮助气象数据分析, 华南理工大学建筑学院袁奇峰老师对研究提供帮助，特此致谢。| [1] |
欧定华, 夏建国, 张莉, 赵智. 区域生态安全格局规划研究进展及规划技术流程探讨. 生态环境学报, 2015, 24(1): 163-173. |
| [2] |
彭建, 赵会娟, 刘焱序, 吴健生. 区域生态安全格局构建研究进展与展望. 地理研究, 2017, 36(3): 407-419. |
| [3] |
马克明, 傅伯杰, 黎晓亚, 关文彬. 区域生态安全格局:概念与理论基础. 生态学报, 2004, 24(4): 761-768. DOI:10.3321/j.issn:1000-0933.2004.04.017 |
| [4] |
俞孔坚. 生物保护的景观生态安全格局. 生态学报, 1999, 19(1): 8-15. |
| [5] |
Peng J, Pan Y J, Liu Y X, Zhao H J, Wang Y L. Linking ecological degradation risk to identify ecological security patterns in a rapidly urbanizing landscape. Habitat International, 2018, 71: 110-124. DOI:10.1016/j.habitatint.2017.11.010 |
| [6] |
吴健生, 张理卿, 彭建, 冯喆, 刘洪萌, 赫胜彬. 深圳市景观生态安全格局源地综合识别. 生态学报, 2013, 33(13): 4125-4133. |
| [7] |
李晶, 蒙吉军, 毛熙彦. 基于最小累积阻力模型的农牧交错带土地利用生态安全格局构建——以鄂尔多斯市准格尔旗为例. 北京大学学报:自然科学版, 2013, 49(4): 707-715. |
| [8] |
俞孔坚, 王思思, 李迪华, 乔青. 北京城市扩张的生态底线——基本生态系统服务及其安全格局. 城市规划, 2010, 34(2): 19-24. |
| [9] |
王洁, 李锋, 钱谊, 殷春雪. 基于生态服务的城乡景观生态安全格局的构建. 环境科学与技术, 2012, 35(11): 199-205. DOI:10.3969/j.issn.1003-6504.2012.11.042 |
| [10] |
彭保发, 郑俞, 刘宇. 耦合生态服务的区域生态安全格局研究框架. 地理科学, 2018, 38(3): 361-367. |
| [11] |
黄智洵, 王飞飞, 曹文志. 耦合生态系统服务供求关系的生态安全格局动态分析——以闽三角城市群为例. 生态学报, 2018, 38(12): 4327-4340. |
| [12] |
景永才, 陈利顶, 孙然好. 基于生态系统服务供需的城市群生态安全格局构建框架. 生态学报, 2018, 38(12): 4121-4131. |
| [13] |
黎晓亚, 马克明, 傅伯杰, 牛树奎. 区域生态安全格局:设计原则与方法. 生态学报, 2004, 24(5): 1055-1062. DOI:10.3321/j.issn:1000-0933.2004.05.029 |
| [14] |
郭明, 肖笃宁, 李新. 黑河流域酒泉绿洲景观生态安全格局分析. 生态学报, 2006, 26(2): 457-466. DOI:10.3321/j.issn:1000-0933.2006.02.019 |
| [15] |
苏泳娴, 张虹鸥, 陈修治, 黄光庆, 叶玉瑶, 吴旗韬, 黄宁生, 匡耀求. 佛山市高明区生态安全格局和建设用地扩展预案. 生态学报, 2013, 33(5): 1524-1534. |
| [16] |
de Mauro A, Greco M, Grimaldi M. A formal definition of big data based on its essential features. Library Review, 2016, 65(3): 122-135. DOI:10.1108/LR-06-2015-0061 |
| [17] |
Shoro A G, Soomro T R. Big data analysis:apache spark perspective. Global Journal of Computer Science and Technology, 2015, 15(1): 7-14. |
| [18] |
Samuel A L. Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, 1959, 3(3): 210-229. DOI:10.1147/rd.33.0210 |
| [19] |
Gero J S, Sudweeks F. Artificial Intelligence in Design'96. Dordrecht:Springer, 1996, 151-170. |
| [20] |
Chan J C, Chan K P, Yeh A G. Detecting the nature of change in an urban environment:a comparison of machine learning algorithms. Photogrammetric Engineering & Remote Sensing, 2001, 67(2): 213-225. |
| [21] |
Bellman C J, Shortis M R. A machine Learning Approach to Building Recognition in Aerial Photographs. Graz, Austria: International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 2002.
|
| [22] |
Guo Y L, Sawhney H S, Kumar R, Hsu S. Learning-based building outline detection from multiple aerial images//Proceedings of 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Kauai, HI, USA: IEEE, 2001.
|
| [23] |
Schneider A, Seto K C, Webster D R. Urban growth in Chengdu, Western China:application of remote sensing to assess planning and policy outcomes. Environment and Planning B:Urban Analytics and City Science, 2005, 32(3): 323-345. |
| [24] |
Novack T, Esch T, Kux H, Stilla U. Machine learning comparison between worldview-2 and quickbird-2-simulated imagery regarding object-based urban land cover classification. Remote Sensing, 2011, 3(10): 2263-2282. DOI:10.3390/rs3102263 |
| [25] |
Schneider A. Monitoring land cover change in urban and peri-urban areas using dense time stacks of landsat satellite data and a data mining approach. Remote Sensing of Environment, 2012, 124: 689-704. DOI:10.1016/j.rse.2012.06.006 |
| [26] |
Li X, Yeh G O A. Data mining of cellular automata's transition rules. International Journal of Geographical Information Science, 2004, 18(8): 723-744. DOI:10.1080/13658810410001705325 |
| [27] |
Liu X P, Li X, Shi X, Zhang X H, Chen Y M. Simulating land-use dynamics under planning policies by integrating artificial immune systems with cellular automata. International Journal of Geographical Information Science, 2010, 24(5): 783-802. DOI:10.1080/13658810903270551 |
| [28] |
Arsanjani J J, Helbich M, Kainz W, Boloorani A D. Integration of logistic regression, Markov chain and cellular automata models to simulate urban expansion. International Journal of Applied Earth Observation and Geoinformation, 2013, 21: 265-275. DOI:10.1016/j.jag.2011.12.014 |
| [29] |
Liu X P, Li X, Shi X, Wu S K, Liu T. Simulating complex urban development using kernel-based non-linear cellular automata. Ecological Modelling, 2008, 211(1/2): 169-181. |
| [30] |
Mayer-schönberger V, Cukier K. Big Data:A Revolution That Will Transform How We Live, Work, and Think. Boston:Houghton Mifflin Harcourt, 2013, 1-7. |
| [31] |
邢秋菊, 赵纯勇, 高克昌, 郭跃. 基于GIS的滑坡危险性逻辑回归评价研究. 地理与地理信息科学, 2004, 20(3): 49-51. DOI:10.3969/j.issn.1672-0504.2004.03.011 |
| [32] |
高克昌.基于GIS的万州区滑坡地质灾害危险性评价研究[D].重庆: 重庆师范大学, 2003. http://cdmd.cnki.com.cn/Article/CDMD-10637-2003112247.htm
|
| [33] |
王娟娟, 曹博, 白成科, 张琳琳, 车乐. 基于Maxent和ArcGIS预测川贝母潜在分布及适宜性评价. 植物研究, 2014, 34(5): 642-649. |
| [34] |
Contributors Wikipedia. Jenks natural breaks optimization. Wikipedia, The Free Encyclopedia. (2017-10-19)[2018-04-27]. https://en.wikipedia.org/w/index.php?title=Jenks_natural_breaks_optimization.
|
| [35] |
杨善林, 倪志伟. 机器学习与智能决策支持系统. 北京:科学出版社, 2004, 1-1. |
| [36] |
Contributors Github. GeoTrellis. (2018-04-27)[2018-04-27]. https://github.com/locationtech/geotrellis.
|