胡 哲, 杨维宁

(长安大学西安市政设计研究院有限公司, 西安 710021)

人类社会在快速发展的同时也对自然生态环境造成了巨大的影响,自然生态环境承载力面临巨大的挑战[1]。造成这一问题的本质原因是人类超规利用资源,削弱了生态系统的功能。生态承载力是一种自然潜能,特指生态系统所提供的自然状态对人类社会发展的支持能力,这对区域经济的发展具有重要的促进作用[2]。

土地资源是人类生存的重要基础,具有为人类活动提供充足的空间、承载并养育人类的成长和维持生态系统服务的功能,在人类社会发展中发挥着不可取代的作用。因此,土地承载力也成了生态承载力研究中的核心内容[3]。城市土地生态承载力作为一个研究切入口,被广大学者所关注。

文献[4]中基于遥感影像选取了10个影响生态承载力的因素,利用CA-Markov模型模拟预测流域生态承载力时空格局,详细分析了不同年份石羊河流域的生态承载力信息,研究结果相对狭窄,难以广泛应用；文献[5]利用生态足迹法,以天山北坡为例构建了预测模型,对该地区生态的承载力进行预测,对城镇化土地用地提出了一定的建议,但还是未能解决定量地评估承载力的问题；文献[6]以相对资源承载力理论为研究基础,分析宁夏中部地区的耕地资源承载力和水资源承载力等,对干旱地区的生态发展提供了一定的依据,但其评估有前提条件,难以泛用；文献[7]以生态、经济和社会资源为指标构建了土地综合承载力指标体系,结合熵权法和系统耦合协调度方法,综合分析了土地承载力情况,协调生态系统内部资源,同样未能定量地评估承载力。

国外学者也提出了相关研究成果,如文献[8]中使用生态足迹法和生态系统服务法计算环境承载力,比较两种方法的性能,试图寻找一种更为有效的承载力计算方法；文献[9]提出了基于生态敏感性分析方法进行城市土地承载力评价,采用遥感数据和地理信息系统建立合理的评价指标,对城市区域进行分析,将生态敏感性分为非敏感性、轻度敏感性、敏感、中等敏感4个层次,结果表明,生态敏感性由中心向边缘逐渐增大；文献[10]对土地资源的生态承载能力和经济支出进行了评价,基于往年数据构建了系统动力学模型,分析区域生态承载力变化趋势,并给出了解决方案。尽管中外学者开展了大量的研究,准确估计土地生产潜力仍然是研究的难点。

通过研究土地生态承载力,可以合理规划用地,提高区域生态系统功能,为城市的可持续发展提供坚实基础。因此,提出一种基于被动微波遥感的城市土地生态承载力极限预警方法,并通过实验验证了所提方法的有效性,以期获取一种更好的生态承载力预警方法,为城市生态领域的研究提供力量。

1 指标建立及自然状态指标分析

1.1 建立城市土地生态承载力预警指标

科学合理的预警指标体系是完成城市土地生态承载力极限预警的基础条件,能够加强预警结果的可靠性。土地生态承载力预警能够准确地反映当前社会中人与社会、经济之间的关系,从而帮助人类做出快速的响应[11-12]。随着社会经济的发展,自然状态环境不断恶化。尤其是水资源的污染、受损,导致城市土地承载力承受着巨大的压力。根据上述分析可知,需要从多个方面入手建立指标体系,多角度分析城市土地生态承载力。

土地生态承载力是一个内部结构复杂、层次较多的综合系统,与社会和经济发展具有难以分割的关系。因此,除自然状态外,社会状态和经济状态也是构成城市土地生态承载力预警指标体系的内容。为此,构建预警指标体系如表1所示。

在表1所示的预警指标中,社会状态与经济状态包含因素均能够通过数据统计完成分析,而自然状态中的因素界限限定较为模糊,需要通过算法分析接近各因素最佳取值,进而准确反映城市土地生态承载力。此外,自然状态分析也是展现土地承载力最直接的方式,具有非常重要的代表作用。因此,需对自然状态中的土地生产潜力和土壤水环境因素进行重点分析。

表1 预警指标体系

1.2 土地生产潜力估计

土地生产潜力指土地所能产出的最大价值,由生产潜力极值可以计算该土地范围所能承载的最高人口数,从而明确土地最大承载力[13]。因此,土地生产潜力估计是土地承载力分析的核心问题。

迈阿密模型和CASA(Carnegie-Ames-Stanford approach)模型是土地生产潜力估计中最常用的方法,但迈阿密模型由于在计算中仅考虑温度和降水两个因素,导致所得的结果与实际情况有较大误差。因此,采用CASA模型估计土地生产潜力,更为真实地反映城市土地生态承载力状况。

在CASA模型中,计算土地生产潜力主要根据光合有效辐射和光能利用率俩因素得出,表示为

C(x,t)=P(x,t)α

(1)

式(1)中：x代表空间位置；t表示光照时间；P表示植被受到的有效光辐射；α表示光能利用率。

P的取值与太阳总辐射紧密相关,计算公式为

(2)

式(2)中,Z(x,t)表示太阳总辐射量；Q(x,t)表示植被吸收光合的有效辐射比例，Q(x,t)的取值一般不超过0.95,表示为

(3)

式(3)中：β表示比值植被指数。

对于光能利用率α,受现实生活中水环境和温度的影响,α通常不能实现完全的光能利用,其计算公式为

α(x,t)=E1(x,t)E2(x,t)δαmax

(4)

式(4)中：E1(x,t)、E2(x,t)分别表示温度1和温度2时的光能转化率；δ为水量平衡分析中水分胁迫系数；αmax表示光能可利用的最高比率。

综合上述对植被光合有效辐射P和光能利用率α的计算,可有效实现土地生产潜力估计,为土地生态承载力分析奠定基础。

1.3 土壤水分的计算与反演

被动微波遥感技术能够改善目前存在的卫星产品不足,将光学遥感干扰因素降到最低,全天候不间断地运行。微波相比一般的介质来说,具有超强的穿透性,能够准确获取植被轮廓信息。利用微波遥感技术采集得到的土壤水分信息,能够大幅度提升土地生态承载力预测结果的准确性。在对土壤水分敏感反演中,被动微波遥感敏感性更强,适用范围更大[14-15]。

在不考虑大气因素影响的条件下,通过辐射传播模型表示植被覆盖地表观测亮度L，即

L=T′[F1τ+(1-ω)](1-F2τ)

(5)

式(5)中：T′表示测得的土壤温度；F1、F2分别表示土壤的发射率和反射率,F1+F2=1；ω表示植被散射反照率；τ表示植被观测厚度。已有的研究成果表明,植被观测厚度τ与植被含水量之间存在一定的联系,用公式可表示为

τ=Wr

(6)

式(6)中：W表示植被含水量；r表示含水系数。

基于上述分析过程经过一系列的发射率与敏感性模拟分析,能够完成土壤水分反演。但反演过程复杂,计算效率低,因此引入参数分析,计算土壤水分与透射率之间的关系,表示为

(7)

式(7)中：e1、e2均表示参数。

2 自然状态指标元素权重计算

确定指标权重是为了将影响土地生态承载力的不同指标区别对待,依据每个指标重要程度划分,赋予不同指标不同的权重系数,综合计算获取土地承载力。因此,在对自然状态指标进行详细分析的基础上,计算自然状态指标数据权重。

熵权法是一种综合化的指标评价方法,因为该方法具有综合优势,把它利用到自然状态指标权重中计算,所得的结果更加符合实际情况,具体步骤如下。

(1)根据自然状态指标体系构建判断矩阵,公式为

(8)

式(8)中：m表示区域总量；n表示自然资源指标包含元素。

(2)对构建的矩阵归一化处理,得到矩阵G，即

(9)

(3)式(9)中的gmn元素与总元素之和的比值,可以表示为

(10)

(4)根据熵权法计算指标元素权重,第j个指标元素的权重为

(11)

式(11)中：A表示第j个指标元素的熵值。

根据上述过程,可计算得出自然状态指标中元素的权重值,完成对自然状态数据的预处理,为城市土地生态承载力极限预警提供有利的基础条件。

3 城市土地生态承载力极限预警

在计算自然状态权重的基础上,结合社会状态与经济状态指标因素,进行城市土地生态承载力极限预警。采用灰色预警模型实现土地生态承载力极限预警,主要通过预测各指标因素之间的相似程度,寻找得到一定的规律,生成数据序列并建立模型实现。具体过程如下。

(1)假设某一指标的原始数据序列为

Y={y1,y2,y3,…,yn}

(12)

则相应的微分方程为

(13)

式(13)中：a为发展灰数；η为内生控制灰数。

(2)构建城市土地生态承载力指标数据矩阵，即

(14)

(3)设置σ和υ为待评估参数,则向量形式可表示为

(15)

(4)生成城市土地生态承载力极限预警模型为

(16)

4 实验结果与分析

为验证基于被动微波遥感的城市土地生态承载力极限预警方法的有效性,设计如下实验。

选择某生态区为对象进行研究。该生态区的土壤水分反演数据来源于被动微波成像仪(TRMM microwave imager,TMI),用于观测大气和地表的温湿度情况。根据正文采用的反演过程对31°～39°N、112°～ 123°E范围内的土壤水分进行反演。

归一化植被指数数据对植被信息具有高度的敏感性,实验中数据依据均为归一化植被指数,由MODIS16d(moderate-resolution imaging spectroradiometer)合成。

实验环境设置情况如下:实验模拟平台搭建在MATLAB上,计算机的中央处理器使用频率为 3.6 GHz 的i7,系统内存为32 G。实验使用Python开发语言,使用JetBrains PyCharm Community Edition编译器完成数据转换。

4.1 指标设计

(1)土地生产潜力估计准确率:通过对植被光合有效辐射和光能利用率的计算,可完成土地生产潜力估计,依据式(2)和式(4)对两者进行计算,将计算结果与实际值进行对比,验证计算结果的准确率。

(2)土壤水分反演数据耗时:土壤水分反演是自然状态分析的要素,且通常水分反演过程复杂,对水分反演数据的耗时进行分析至关重要。

(3)权重计算结果绝对误差:平均绝对误差最常用于评价计算结果,通过计算预测权重值与真实权重值,完成对计算结果准确度的衡量。

(4)土地生态承载力极限预警精度:精度是对预警结果性能的高效检验指标。

4.2 实验结果及分析

4.2.1 土地生产潜力估计准确率

在CASA模型的基础上,依据式(2)和式(4),分别计算出植被的光合有效辐射和光能利用率,将计算结果与实际值对比,结果如表2所示。

表2 土地生产潜力估计准确率

分析表2可知,对于植被光合有效辐射来说,计算值均匀地分布在实际值两侧,且数值较为接近,最终平均准确率为99.9%,准确率较高。对于光能利用率来说,其计算值始终低于实际值,但数值相差较小,整体较为接近,最终平均准确率为97.6%,准确率较高。综合上述数据分析可以看出,利用本文方法计算得到的土地生产潜力估计值结果较为准确。

4.2.2 土壤水分反演数据耗时

以被动微波遥感技术获取植被轮廓信息,采集得到土壤水分信息。依据式(5)、式(6)和式(7),以土壤水分反演数据耗时为指标,将本文方法与文献[5]、文献[7]和文献[8]方法进行对比,结果如图1所示。

图1 土壤水分反演数据耗时对比Fig.1 Comparison of time consuming of soil moisture inversion data

根据图1数据分析结果可以看出,文献[5]方法的土壤水分反演数据耗时最长,最高耗时为72 s。本文方法的土壤水分反演数据耗时最少,不超过35 s,低于其他3种方法的最低值。因此,本文所采用的反演方法能够有效地改善传统方法存在的不足,降低反演过程的复杂度,以较少的耗时完成土壤水分反演研究。

4.2.3 权重计算平均绝对误差

采用熵权法预处理数据,并进行权重计算的方式,可以减少计算结果的误差,提高预警结果精度。将本文方法与文献[8]、文献[9]和文献[10]方法的权重计算平均绝对误差进行对比,结果如表3所示。

由表3可以看出,本文方法的权重计算平均绝对误差均值为5.5%,低于文献[8]方法23.5%,低于文献[9]方法36.5%,低于文献[10]方法34.3%。由此可以看出,本文方法具有一定的优势,主要是因为本文利用熵权法这种综合化的指标评价方法进行计算,结果理想,可以对城市土地的开发与利用提供数据支持,有利于提高城市土地生态承载力。

表3 权重计算结果绝对误差对比

4.2.4 城市土地生态承载力极限预警精度

在4.2.3节计算自然状态权重的结果基础上,结合社会状态与经济状态指标因素,采用灰色预警模型实现土地生态承载力极限预警,并以本文方法与文献[7]、文献[8]的城市土地生态承载力极限预警精度进行对比,结果如图2所示。

图2 城市土地生态承载力极限预警精度对比Fig.2 Comparison of extreme early warning accuracy of urban land ecological carrying capacity

由图2可以看出,文献[8]方法的最高预警精度不超过85%,明显低于其他两种方法,文献[7]方法的预警精度最高可达90%,整体均值为80%。本文方法的城市土地生态承载力极限预警精度整体在80%以上,平均预警精度为90%左右,说明具有明显的优势。究其原因,是因为本文对城市土地生态承载力预警指标进行了分析,并详细分析了自然状态这一指标,提高了预警指标的数据获取准确率,进而大大提高了土地生态承载力极限预警精度。

5 结论

土地是重要的自然资源之一,土地生态承载力在一定程度上是对自然与社会经济发展的一种体现。提出一种基于被动微波遥感的城市土地生态承载力极限预警方法。采用被动微波遥感技术进行土壤水分反演,结合土地生产潜力估计,有效地弥补了传统方法对于自然状态界定模糊的不足,提高了土地生态承载力极限预警精度。通过实验分析,发现本文方法获取的预警结果平均精度提升到90%,与传统方法相比,具有较高的先进性和应用性。

然而,本文方法仍旧存在些许不足,对于被动微波遥感技术的分析与应用不十分充分,故在下一步的研究中,可以对被动微波遥感技术进行深化分析,尝试将其应用在更多的生态因素分析中,可为生态环境的持续发展创造更高的价值。