论文部分内容阅读
摘要：从时空建模的角度，通过借鉴人工智能和模糊数学领域的概率不确定推理方法，运用面向对象和GIS建模技术，将土地利用时空演变过程中对象、事件、状态、过程、驱动概率封装成一个整体，构建基于不确定推理的土地利用时空演变模型，利用此模型来分析土地环境的演变过程及其驱动因子的作用。
关键词：土地利用；不确定推理方法；时空演变模型；驱动因子
中图分类号：K903 文献标识码：A 文章编号：1009-3044（2019）06-0167-03
Land Use Temporal and Spatial Evolution Modeling Method Based on The Probability of Uncertain Reasoning
LI Wen-qing
（Baise University a. School of Politics and Public Affair Manegement， Baise 533000，China）
Abstract： from the perspective of spatio-temporal modeling， through using probability in the field of artificial intelligence and fuzzy uncertainty reasoning method， using the object-oriented modeling and GIS technology， the use of the land use spatio-temporal evolution of objects， events， condition， process， drive probability encapsulated into a whole， build the land use temporal and spatial evolution model based on uncertainty reasoning and USES this model to analyze the evolution process of land environment and its effect on the driving factors.
Key words： land use； Uncertain reasoning method； Temporal and spatial evolution model； Driving factor
1 引言
土地是城市经济社会发展的基础，是人类与自然进行交互的载体。土地问题研究的核心是土地利用的时空变化，土地利用受到人为和自然双重因素的影响，其变化过程是极其复杂的。国内外专家学者对其进行过大量研究，大部分都是通過建立相关模型来进行分析，其中最具代表性的是荷兰学者P.H. Verburg研究的CLUE-S模型[1-2]，该模型是一种在较小尺度上模拟土地利用变化及其环境效应的模型，通过定量分析自然、经济、政策和人口等驱动因子之间的相互关系，模拟并表达土地利用的变化，并分析其动态演变规律 。中国学者刘纪远等通过综合土地利用程度变化指标和土地利用动态度来对土地利用的时空动态特征进行研究，并揭示出土地利用变化的空间格局与驱动因子[3-4]。
2 基于概率的不确定推理分析
3 概率不确定推理的土地利用时空演变分析
土地利用是一个特别复杂的空间结构，是由很多个不同的土地利用类型复合而成，总的来说可以将土地类型划分为六大类：林地、草地、耕地、水系、城乡居住建设用地、未利用土地[6]。而且，不同的土地利用类型之间存在着相互影响的关系。
3.1 土地利用时空动态变化度分析
分析一块区域的土地结构的时空动态度，通常可以从综合的土地利用动态度和单一的土地利用动态度两个角度着手：
（1）综合土地利用动态度：综合土地利用动态度是指描述该区域整体土地利用类型变化速度区域差异的指标，可以反映出人为活动在对该区域整个土地利用类型发生转变的综合影响程度，其数学模型表达为：
（2）单一土地利用动态度：单一土地利用动态度用来描述该区域特定时间内不同土地利用类型发生变化的速度，可以反映出人为与自然的作用对单一土地利用类型的影响。
为了更详细的表达土地利用动态变化的特征，使用土地利用状态转移矩阵的形式则显得更为直观。以矩阵形式的数学表达来反映出自然以及人为活动对土地利用变化转移趋向的引导，其数学表达为：
3.3 土地利用时空演变规律分析
土地利用在时空尺度上，受到自然和人为等众多因子的驱动发生变化，在这个变化的同时，往往会反作用于这些驱动因素，以达到一种平衡的状态。土地利用类型的这种变化往往有形状、面积、空间位置和空间关系的变化，建立的时空数据库也一直在不断的更新着，因此土地利用的时空演变过程可以表示为如图1所示：
4 基于概率不确定推理的土地利用动态演变模型
4.1 不确定推理土地利用演变过程概念化描述
土地利用是在受到外在驱动力影响的情况下发生变化，这个变化过程是十分复杂的，涉及到空间对象、事件对象、过程序列、状态参数、驱动概率等相关参数，可以使用BNF范式对其进行描述如下。
（1）空间对象（Spatial Object，SO）：一个土地利用类型可以当成一个空间对象，其空间（Spatial）、属性（Attribute）和时间（Time）特征以及空间关系（Spatial Relations）可以一起封装在对象的模型中，简要的描述为< SO >：：=< Spatial >< Attribute >< Time >< Spatial Relations >。 （2）事件对象（Event Object，EO）：驱使土地利用类型发生变化的这一事件可以作为一个事件对象，这些事件一般是由自然因素（Natural Factors，NF）和人为因素（Human Factors，HF）驱动导致的，常见的自然因素有土壤（NF1）、水文（NF2）、气候（NF3）、植被（NF4）、地质（NF5）等因素，常见的人为因素有土地政策（HF1）、人口（HF2）、城建（HF3）、经济（HF4）、社会（HF5）等因素，简要描述为：：=。
（3）过程序列（Process Sequence，PS）：土地利用类型受外在驱动力的影响发生变化，这个变化过程可以作为一个过程序列，整个过程序列由若干个子过程序列组合而成，简要描述为：：=<…>< PSn>。
（4）状态参数（State Parameters，SP）：土地利用类型的变化是从一个初始状态往另一个最终状态变化，期间经历各种状态的变化，其变化过程可描述为：：=<…>。
（5）驱动概率（Drive probability，DP）：驱动概率是指在驱动土地利用发生变化这个事件中，各个驱动因子所起的作用，通过概率的形式来表达他们的作用程度。驱动概率可以分别描述为自然驱动概率（Natural driven probability，NDP）和人为驱动概率（Human driven probability，HDP），其中自然驱动概率一般可分为土壤驱动概率（NDP1）、水文驱动概率（NDP2）、气候驱动概率（NDP3）、植被驱动概率（NDP4）、地质驱动概率（NDP5）等。人为驱动概率一般可分为土地政策驱动概率（HDP1）、人口驱动概率（HDP2）、城建驱动概率（HDP3）、经济驱动概率（HDP4）、社会驱动概率（HDP5）等。
4.2 不确定推理的土地利用动态演变逻辑模型
土地利用的逻辑模型是指在抽象的概念模型基础上，根据过程、事件、状态对象以及驱动概率之间的逻辑关系构建起来的可以概括现实世界中土地利用演变规律的一种时空数据模型[8]。设土地利用类型变化的驱动因子为E，记土地利用类型为L，原土地利用类型样本为Lo，现有土地利用类型样本为Ln，未来的土地利用类型为Lf。驱动因子由自然因子（E1）和人为因子（E2）组成，自然因子（E1）又可分为土壤（E11）、水文（E12）、气候（E13）、植被（E14）、地质（E15）等因子，人为因子（E2）又可分为土地政策（E21）、人口（E22）、城建（E23）和经济（E24）、社会（E25）等因子。记驱动因子导致土地类型发生变化的概率为P，自然因子和人为因子的驱动概率分别记为P1和P2，土壤、水文、气候、植被、地质等因子的驱动概率各自为P11、 P12、 P13、 P14、 P15，土地政策、人口、城建、经济、社会等因子的驱动概率为P21、 P22、 P23、 P24、 P25。历史、现在和未来的土地利用类型数据库中都包含有林地（S1）、城市用地（S2）、居民用地（S3）、耕地（S4）、河流（S5）、湖泊（S6）六个土地利用类型数据表，每一个土地利用类型数据表中都带有空间、时间、属性和空间拓扑关系等信息，这些时空信息是伴随着土地利用类型的变化而变化的。进而土地结构动态演变规律逻辑模型可以表达为如图2所示。
5 总结
文章通过利用人工智能与模糊数学领域的不确定推理算法，使用Oracle Spatial对象—关系型数据库对土地利用的时空数据进行组织存储，构建基于不确定推理方法的时空数据模型，据此来对土地利用中的驱动因子和土地类型演变规律进行分析研究，这将对土地管理部门提供决策可参考的科学依据，有助于对土地利用进行合理的规划并更加科学的利用土地资源。
参考文献：
[1] Verburg P H， de Koning G H J， Kok K， et al. A spatial explicit allocation procedure for modeling the pattern of land use change based upon actual land use [J]. Ecological Modelling，1999，116（1）： 45-61.
[2] Verburg P H， Soepboer W， Limpiada R， et al. Land use change modeling at the regional scale： The CLUE-S model[J]. Environmental Management，2002，30（3）： 391-405.
[3] 劉纪远，布和熬斯尔.中国土地利用现代变化过程时空特征的研究：基于卫星遥感数据[J].第四纪研究，2000，20（3）：229-239.
[4] 刘纪远，张增祥，徐新良.等.21世纪初中国土地利用变化的空间格局和驱动力分析[J].地理学报，2009，64（12）：1411-1420.
[5] 廖元秀，罗旭东.基于概率的不确定推理集成模型[J].广西师范大学学报（自然科学版），1995，2（6）：26-31.
[6] 摆万奇，赵土洞.土地利用和土地覆盖变化研究模型综述[J].自然资源学报，1997，12（2）：169-175.
【通联编辑：王力】
关键词：土地利用；不确定推理方法；时空演变模型；驱动因子
中图分类号：K903 文献标识码：A 文章编号：1009-3044（2019）06-0167-03
Land Use Temporal and Spatial Evolution Modeling Method Based on The Probability of Uncertain Reasoning
LI Wen-qing
（Baise University a. School of Politics and Public Affair Manegement， Baise 533000，China）
Abstract： from the perspective of spatio-temporal modeling， through using probability in the field of artificial intelligence and fuzzy uncertainty reasoning method， using the object-oriented modeling and GIS technology， the use of the land use spatio-temporal evolution of objects， events， condition， process， drive probability encapsulated into a whole， build the land use temporal and spatial evolution model based on uncertainty reasoning and USES this model to analyze the evolution process of land environment and its effect on the driving factors.
Key words： land use； Uncertain reasoning method； Temporal and spatial evolution model； Driving factor
1 引言
土地是城市经济社会发展的基础，是人类与自然进行交互的载体。土地问题研究的核心是土地利用的时空变化，土地利用受到人为和自然双重因素的影响，其变化过程是极其复杂的。国内外专家学者对其进行过大量研究，大部分都是通過建立相关模型来进行分析，其中最具代表性的是荷兰学者P.H. Verburg研究的CLUE-S模型[1-2]，该模型是一种在较小尺度上模拟土地利用变化及其环境效应的模型，通过定量分析自然、经济、政策和人口等驱动因子之间的相互关系，模拟并表达土地利用的变化，并分析其动态演变规律 。中国学者刘纪远等通过综合土地利用程度变化指标和土地利用动态度来对土地利用的时空动态特征进行研究，并揭示出土地利用变化的空间格局与驱动因子[3-4]。
2 基于概率的不确定推理分析
3 概率不确定推理的土地利用时空演变分析
土地利用是一个特别复杂的空间结构，是由很多个不同的土地利用类型复合而成，总的来说可以将土地类型划分为六大类：林地、草地、耕地、水系、城乡居住建设用地、未利用土地[6]。而且，不同的土地利用类型之间存在着相互影响的关系。
3.1 土地利用时空动态变化度分析
分析一块区域的土地结构的时空动态度，通常可以从综合的土地利用动态度和单一的土地利用动态度两个角度着手：
（1）综合土地利用动态度：综合土地利用动态度是指描述该区域整体土地利用类型变化速度区域差异的指标，可以反映出人为活动在对该区域整个土地利用类型发生转变的综合影响程度，其数学模型表达为：
（2）单一土地利用动态度：单一土地利用动态度用来描述该区域特定时间内不同土地利用类型发生变化的速度，可以反映出人为与自然的作用对单一土地利用类型的影响。
为了更详细的表达土地利用动态变化的特征，使用土地利用状态转移矩阵的形式则显得更为直观。以矩阵形式的数学表达来反映出自然以及人为活动对土地利用变化转移趋向的引导，其数学表达为：
3.3 土地利用时空演变规律分析
土地利用在时空尺度上，受到自然和人为等众多因子的驱动发生变化，在这个变化的同时，往往会反作用于这些驱动因素，以达到一种平衡的状态。土地利用类型的这种变化往往有形状、面积、空间位置和空间关系的变化，建立的时空数据库也一直在不断的更新着，因此土地利用的时空演变过程可以表示为如图1所示：
4 基于概率不确定推理的土地利用动态演变模型
4.1 不确定推理土地利用演变过程概念化描述
土地利用是在受到外在驱动力影响的情况下发生变化，这个变化过程是十分复杂的，涉及到空间对象、事件对象、过程序列、状态参数、驱动概率等相关参数，可以使用BNF范式对其进行描述如下。
（1）空间对象（Spatial Object，SO）：一个土地利用类型可以当成一个空间对象，其空间（Spatial）、属性（Attribute）和时间（Time）特征以及空间关系（Spatial Relations）可以一起封装在对象的模型中，简要的描述为< SO >：：=< Spatial >< Attribute >< Time >< Spatial Relations >。 （2）事件对象（Event Object，EO）：驱使土地利用类型发生变化的这一事件可以作为一个事件对象，这些事件一般是由自然因素（Natural Factors，NF）和人为因素（Human Factors，HF）驱动导致的，常见的自然因素有土壤（NF1）、水文（NF2）、气候（NF3）、植被（NF4）、地质（NF5）等因素，常见的人为因素有土地政策（HF1）、人口（HF2）、城建（HF3）、经济（HF4）、社会（HF5）等因素，简要描述为
（3）过程序列（Process Sequence，PS）：土地利用类型受外在驱动力的影响发生变化，这个变化过程可以作为一个过程序列，整个过程序列由若干个子过程序列组合而成，简要描述为
（4）状态参数（State Parameters，SP）：土地利用类型的变化是从一个初始状态往另一个最终状态变化，期间经历各种状态的变化，其变化过程可描述为
（5）驱动概率（Drive probability，DP）：驱动概率是指在驱动土地利用发生变化这个事件中，各个驱动因子所起的作用，通过概率的形式来表达他们的作用程度。驱动概率可以分别描述为自然驱动概率（Natural driven probability，NDP）和人为驱动概率（Human driven probability，HDP），其中自然驱动概率一般可分为土壤驱动概率（NDP1）、水文驱动概率（NDP2）、气候驱动概率（NDP3）、植被驱动概率（NDP4）、地质驱动概率（NDP5）等。人为驱动概率一般可分为土地政策驱动概率（HDP1）、人口驱动概率（HDP2）、城建驱动概率（HDP3）、经济驱动概率（HDP4）、社会驱动概率（HDP5）等。
4.2 不确定推理的土地利用动态演变逻辑模型
土地利用的逻辑模型是指在抽象的概念模型基础上，根据过程、事件、状态对象以及驱动概率之间的逻辑关系构建起来的可以概括现实世界中土地利用演变规律的一种时空数据模型[8]。设土地利用类型变化的驱动因子为E，记土地利用类型为L，原土地利用类型样本为Lo，现有土地利用类型样本为Ln，未来的土地利用类型为Lf。驱动因子由自然因子（E1）和人为因子（E2）组成，自然因子（E1）又可分为土壤（E11）、水文（E12）、气候（E13）、植被（E14）、地质（E15）等因子，人为因子（E2）又可分为土地政策（E21）、人口（E22）、城建（E23）和经济（E24）、社会（E25）等因子。记驱动因子导致土地类型发生变化的概率为P，自然因子和人为因子的驱动概率分别记为P1和P2，土壤、水文、气候、植被、地质等因子的驱动概率各自为P11、 P12、 P13、 P14、 P15，土地政策、人口、城建、经济、社会等因子的驱动概率为P21、 P22、 P23、 P24、 P25。历史、现在和未来的土地利用类型数据库中都包含有林地（S1）、城市用地（S2）、居民用地（S3）、耕地（S4）、河流（S5）、湖泊（S6）六个土地利用类型数据表，每一个土地利用类型数据表中都带有空间、时间、属性和空间拓扑关系等信息，这些时空信息是伴随着土地利用类型的变化而变化的。进而土地结构动态演变规律逻辑模型可以表达为如图2所示。
5 总结
文章通过利用人工智能与模糊数学领域的不确定推理算法，使用Oracle Spatial对象—关系型数据库对土地利用的时空数据进行组织存储，构建基于不确定推理方法的时空数据模型，据此来对土地利用中的驱动因子和土地类型演变规律进行分析研究，这将对土地管理部门提供决策可参考的科学依据，有助于对土地利用进行合理的规划并更加科学的利用土地资源。
参考文献：
[1] Verburg P H， de Koning G H J， Kok K， et al. A spatial explicit allocation procedure for modeling the pattern of land use change based upon actual land use [J]. Ecological Modelling，1999，116（1）： 45-61.
[2] Verburg P H， Soepboer W， Limpiada R， et al. Land use change modeling at the regional scale： The CLUE-S model[J]. Environmental Management，2002，30（3）： 391-405.
[3] 劉纪远，布和熬斯尔.中国土地利用现代变化过程时空特征的研究：基于卫星遥感数据[J].第四纪研究，2000，20（3）：229-239.
[4] 刘纪远，张增祥，徐新良.等.21世纪初中国土地利用变化的空间格局和驱动力分析[J].地理学报，2009，64（12）：1411-1420.
[5] 廖元秀，罗旭东.基于概率的不确定推理集成模型[J].广西师范大学学报（自然科学版），1995，2（6）：26-31.
[6] 摆万奇，赵土洞.土地利用和土地覆盖变化研究模型综述[J].自然资源学报，1997，12（2）：169-175.
【通联编辑：王力】