基于遥感技术的城市绿地生态服务价值的模糊聚类综合评判

基于遥感技术的城市绿地生态服务价值的模糊聚类综合评判

发表时间：2018-11-21T15:01:35.687Z 来源：《建筑学研究前沿》2018年第22期作者：陈桥驿1 黄永芳1 李笑宇2

[导读] 城市绿地对人类生活环境的改善有着重要的研究价值[1-4]。

1.广东省国土资源测绘院广州 510500；

2.广州开发区国土和规划局广州 510135

摘要：在遥感技术支持下，利用神经网络与模糊聚类结合方法对城市绿地生态环境服务价值的划分进行探讨，使用TM遥感影像提取城市绿地生态环境服务价值的各项影响因子，并运用自组织基本竞争神经网络对城市绿地生态服务价值的各项影响因子进行划分评判，采用最大树枝法对每个影响因子的评判结果进行模糊聚类分析，最终实现对城市绿地生态服务价值的综合评判。以广州研究区域为例，实验结果显示：1等生态环境区域为白云山和火庐山等植被覆盖度高的林地。2等生态环境区域主要集中在白云山较为稀疏的林地和种植作物的农地。3等生态环境区域主要集中在果园用地。4等生态环境区域主要为草地。结果与实际情况相符，可见此方法可行。

关键词：遥感；神经网络；TM；模糊聚类；城市绿地生态服务价值

0 引言

城市绿地对人类生活环境的改善有着重要的研究价值[1-4]。学者对城市绿地进行了大量的研究，深入挖掘了城市绿地的调节温度，增加空气湿度，净化空气，保护生物多样性，降低噪音，影响当地土地房屋价格，调节居民身心健康等多种功能[5]。有学者将城市绿地的这些作用称作 “自然的服务”，纳入“生态系统的服务功能”[6]。随着科学技术的发展，人类对生态系统的认识逐渐深入，并且在不断定量化[7]。生态服务价值已渐成为生态服务研究的核心内容[8]。与社会的实际需要相比，目前人们有关生态服务价值的具体定量评估方法和知识依然是非常匮乏[9，10]，这主要是由于生态系统的功能和过程非常复杂，而有限的野外观测在时间和空间范围上的代表性不足[11]，同时生态服务本身具有许多不确定性，对无形的功能性价值的确定具有主观性等，已成为人们对其研究具有滞后性的主要原因[7，12]。开展这方面的理论和实际研究，使生态服务功能的价值化更符合实际需要，是未来长期研究的1个核心问题[13]。目前生态服务价值研究，急需要解决以下问题：1是如何在量化生态系统功能的基础上，进行生态服务价值化？2是在景观和区域尺度上，对生态服务价值和绿地景观、结构的关系研究不深入。文章主要是以城市绿地生态服务价值为研究目标，运用自组织基本竞争神经网络对城市绿地生态环境服务价值的各项影响因子进行划分评判，获取的最优城市绿地生态服务价值分布图，为管理决策部门进行城市规划提供有利的参考依据。

1 区概况及数据

1.1 研究区概况

研究区位于广州，地处广东省的中南部，近珠江入海口，地理位置在东经112°57′～114°13′，北纬22°26′～23°56′，属南亚热带典型的季风海洋气候，具有温暖多雨，阳光充足，年温差小，夏季长，霜期短等气候特征。年平均气温为21.4℃～21.8℃。雨量充沛，年降水量为1689.3～1876.5 mm。文章中使用Landsat5卫星影像数据，获取时间为2006年7月21日，其空间分辨率为30 m，研究区标准假彩色影像如图1所示。

图1 研究区（TM band4、3、2合成）

为了获取卫星同步光谱数据，在研究区内布置了定标样区：广州白云山、珠江（大学城附近）、广州赛马场3个样区，对应的地物分别为水、植被、水泥地。所选择的是都使用ASD光谱仪进行卫星影像的光谱同步观测，ASD 光谱仪的波谱范围是0.35～1 μm，分辨率为2.5 nm，视场角为7.5°、25°，根据实验的需要，在本次野外实验测量中选用的是25°。并红外测温仪测量了同步地表温度和24小时的地表温度曲线，红外测温仪的波谱范围为8～14 μm，视场角大于5℃，精度优于0.5℃。采集了小气候和地表通量等有关的数据包括：总辐射通量、净辐射通量、干球温度、湿球温度、风速、云量、天空光等。用通风干湿表和手提风向风速表测温、湿、风、压、辐射等6要素，用来进行小气候观测，用野战气象仪测量距地面约1.5 m处的温度、湿度和风速等。在试验区进行了3次野外实验。

2 研究方法

文章中先使用自组织竞争人工神经网路对研究区域生态服务价值的评价指标进行等级划分，根据本研究区域位于广州市，绿色植被直接影响着该区域生态环境，植被覆盖和生长状况与其生态服务价值成正比。植被与地表热信息、地物反射信息、地表结构信息等有很大的相关性，故此文章中选用了5个影响参量：地表反照率、地表温度、叶面积指数、植被指数以及地表景观结构。而后利用模糊聚类法对研究区域生态价值进行综合评判。

2.1 自组织竞争人工神经网络系统模型

自组织神经网络是1种无教师学习的神经网络模型，这类模型大都采用竞争型的学习规则。自组织神经网络无需提供教师信号，它可以对外界未知环境（或样本空间）进行学习或仿真，并对自身的网络结构进行适当调整。

图8 研究区域生态服务价值分区图

通过神经网络和模糊聚类相结合的方法，确定其所属的划分区间，区域划分结果如图8所示。由图上可以看出，生态环境价值最优区域主要为白云山和火庐山等植被覆盖大的林地区域。生态环境2等区域主要集中在白云山较为稀疏的林地和种植物的农地。生态环境3等区域主要集中在果园用地。生态环境4等区域主要集中在草地。由此可以看出利用神经网络与模糊聚类分析相结合是可行的。

4 结论与讨论

文章中通过对城市绿地生态服务价值环境评价方法的分析研究，建立神经网络与模糊聚类评价方法，并利用其对广州城市绿地生态环境价值进行评价和划分。此方法优越性在于以下几个方面：

（1）此方法结合了遥感技术、神经网络和模糊聚类双方的优点，即实现了大区域处理数据和更准确分析不确定性因素的能力，实现了区域的自动划分。通过对遥感数据的实时更新，提取影响城市绿地生态环境指数，实现了对区域生态环境及时划分与更新，为城市规划、建设和管理提供最新、最准确信息。

（2）此方法最重要的特色在于它的参数来源分析。对于不同性质的事物，它的参数是完全不一样的，同一性质的事物，它的参数也不尽相同，故此，进行参数分析时，应该做到具体问题具体分析，它是保证遥感技术支持下模糊聚类方法实现其预期目标的前提条件。

（3）这种方法的实用性也从对广州实验区域的城市绿地生态环境服务价值的划分上得以验证。文章中根据研究区域生态环境的特色，先明确研究区内的影响其服务价值的几个主要参数，根据这些参数、专家意见、区域特点（即景观结构）对研究区域生态环境的服务价值进行划分。这里对于每个影响参数，一般不是简单的只受1种影响因子作用，这就要求对其有作用的因素进行分析，本次研究主要使用神经网路技术实现对单一参数的城市绿地环境服务价值的划分，在此基础上对区内所有的影响因子进行综合分析，即模糊聚类，完成对研究区域生态环境服务价值的综合评价，基本上符合已有数据信息的定性分析结果。

（4）遥感技术、神经网络和模糊聚类相结合方法根据不同管理目标进行多因素和单因素管理，评价对象既可为宏观大区域亦可为微观小局部，适用范围很广。

参考文献

[1]Jasper Schipperijn，Peter Bentsen，Jens Troelsen a et al，Associations between physical activity and characteristics of urban green space[J].Urban Forestry & Urban Greening.2013，12（1）：109– 116.

[2]Kshama Gupta，Arijit Roy，Kanishka Luthra et al，GIS based analysis for assessing the accessibility at hierarchical levels of urban green spces[J].Urban Forestry & Urban Greening.2016，18（1）：198–211.

[3]Jun Qin，Xin Zhou，Chanjuan Sun et al，influence of green spaces on environmental satisfaction and physiological status of urban residents[J].Urban Forestry & Urban Greening.2013，12（4）：490–497.

[4]Liyun Yang，Linbo Zhang，Yuan Li，Songtao Wu et al，Water-related ecosystem services provided by urban green space：A case study in Yixing City（China）[J].Landscape and Urban Planning.2015，136：40–51.

[5]苏泳娴，黄光庆，陈修治，陈水森等.城市绿地的生态环境效应研究进展[J].生态学报，2011，31（23）：7287-7300.

[6]孔繁花，尹海伟.城市绿地功能的研究现状、问题及发展方向[J].南京林业大学学报：自然科学版，2010，34（2）：119-124.

[7]Costanza R，Social goals and the valuation of ecosystem services[J].Ecosystems.2000，3（1）：4-10.

[8]Armsworth P R and Roughgarden，J E.An invitation to ecological economics[J].Trend in Ecology and Evolution.2001，16（5）：229-234.

[9]Bingham G，et al.Issues in ecosystem valuation：improving information for decision making[J].Ecological Economics.1995 14（2）：73-90.

[10]Daily G.What are ecosystem services? In：Daily G.ed.Natures Services：Societal Dependence on Natural

Ecosystems[C].WashingtonDC：IslandPress.1997：1-36[2016-7-26].https：///books.

[11]Goulder R.Attached and free bacteria in an estuary with abundant suspended solids[J].Journal of Applied Bacteriology.1977，43（3）：399-405.

[12]Costanza R，d’Arge R，de Groots R，ET AL.The value of the world‘s ecosystem services and natural capital[J].Nature.1997，387（15）：253-260.

[13]Carpenter S R &Turner M.Opening the black boxes：ecosystem science and economic valuation[J].Ecosystem.2000，3（1）：1-3.