基于随机森林的生态地质环境承载力评价_杜奥林.pdf

doi:10.3969/j.issn.1007-1903.2023.02.006Vol.18 No.02 June,2023第 18 卷 第2期 2023 年 6 月http:/ 成都 610059）摘 要：城市发展是当下研究热点，了解一个城市的生态地质环境承载力，能衡量其地质-生态-经济的协调程度，对指导城市规划发展有重要意义。结合龙泉山城市森林公园环境现状，从地质环境、生态环境与社会经济3方面选取12个指标，利用随机森林优化主客观权重，测算区域生态地质环境承载力。研究结果表明：断裂密度与高程是龙泉山城市森林公园最重要的影响因子；研究区总体的生态地质环境承载力表现为中等，并呈中间低、两边高的分布形态，承载力较差的区域主要分布研究区中部，承载力较好的则分布于贾家镇、三岔镇及煎茶镇等区域；随机森林方法的评价结果准确性与可靠性更高，更适合此研究区的生态地质环境承载力评价。关键词：环境承载力；随机森林；组合权重；龙泉山城市森林公园Bearing capacity evaluation of eco-geological environment with random forest methodDU Aolin,JIAN Ji（Chengdu University of Technology,Chengdu 610059,Sichuan,china）Abstract:Urban development is a research hotspot at present,and understanding the bearing capacity of a citys eco-geological environment can measure its degree of geological-ecological-economic coordination,which is of great significance for guiding ur-ban planning and development.Based on the current situation of Longquan Mountain Urban Forest Park,this paper selects 12 in-dicators from the three aspects of geological environment,ecological environment and social economy,and uses the subjective and objective weights of random forest optimization to measure the bearing capacity of the regional eco-geological environment.The results show that the fault density and elevation are the most important influencing factors.The overall bearing capacity of the eco-geological environment in the study area is medium,with a distribution pattern of low bearing capacity in the middle and high bearing capacity on the sides.The random forest method used is highly accurate and reliable,and suitable for the evaluation of bearing capacity of the eco-geological environment in the study area.Keywords:environment bearing capacity;random forest;combined weights;Longquan Mountain Forest Park随着我国城市化推进与国民经济的快速发展，人们对地质环境的关注日益增加。匡文慧等（2022）对中国20152020年土地利用变化的研究表明：我国城镇面积仍在扩展，且速度仍呈增长态势。在这样快速发展的大环境下，很容易忽视其带来的地质环境问题，导致城市的可持续性发展受到严重阻碍。生态地质环境研究的收稿日期：2023-03-22；修回日期：2023-04-18基金项目：国家重点研发计划课题（2021YFC3000401）资助第一作者简介：杜奥林（1998-），男，在读硕士，研究方向：3S技术与数字国土。E-mail：通信作者简介：简季（1972-），男，博士，教授。主要从事三维建模及高光谱遥感研究工作。E-mail：引用格式：杜奥林，简季，2023.基于随机森林的生态地质环境承载力评价J.城市地质，18（2）：160-168160杜奥林等 基于随机森林的生态地质环境承载力评价http:/ et al.，2023）等问题，如生态足迹模型、PSR模型等；而基于指标的评价方法相对更为简单快捷（ZHANG et al.，2023），解释性更强，更受学者们的欢迎。基于指标的评价结果主要受到权重影响，因此如何科学地计算权重十分重要。权重的计算方法主要分为主观赋权法与客观赋权法。主观赋权法受到决策者的主观影响，如孙金辉等（2018）利用层次分析法对北川县环境地质承载力进行了评价，但该方法缺乏数据支撑、不确定性大。客观赋权法主要依靠数据间的关系确定权重，何苏玲等（2022）使用变异系数法评估昆明市资源环境承载力；尚海龙等（2020）通过改进的熵值法分析了贵州高原的水环境承载力在时空上的演变。另外，机器学习在承载力评价研究中也逐渐受到重视，随机森林作为一种集成机器学习算法，在解决非线性问题存在显著优势（刘飞等，2021；支泽民等，2022），且更能发现数据间的内蕴规律。但单个方法计算的权重存在局限性，相比之下组合权重则更为可靠，邓全成等（2022）利用加法合成法和乘法合成法分别合成组合权重，最后再对两个组合权重进行均值化，得到最终的组合权重；张杰等（2021）基于博弈论原理计算结合了主、客观权重。但如何科学地结合权重的主、客观性，目前仍没有统一标准。本文以龙泉山城市森林公园作为研究区，提出一种基于随机森林的组合权重计算方法，深度结合决策者的主观分析与数据自身信息，以此提高承载力评价的准确性，评价结果可为龙泉山城市森林公园发展规划提供参考依据。1 研究区1.1 研究区概况龙泉山城市森林公园位于四川省成都市龙泉山脉成都段。南北横跨90 km，东西向绵延1012 km，占地面积1 275 km2。公园以丘陵为主，低山为辅，地势绵延起伏，海拔最高处可达1 051 m，区内河流众多、大小湖泊遍布、水资源丰富。龙泉山是岷江与沱江两大水系的分水岭，也是成都平原与川中丘陵的自然分界线，是成都市不可或缺的生态战略空间（成都市政府研究室课题组等，2018）。龙泉山城市森林公园的建设是成都推动东进战略，实现两翼互动的重要突破点，也是实现成都市发展总目标“建设全面体现新发展理念的国家中心城市”的关键所在。随着成都市的迅速发展，龙泉山区域的经济水平也大幅上涨，尤其是龙泉山城市森林公园的旅游业，导致其人口和经济规模剧增。若不对其进行合理规划，将有可能超出其环境所能承载的范围，导致区域生态环境的恶化和资源的匮竭，甚至引起经济社会不可持续发展，其生态地质环境也面临着城乡建设的巨大威胁（米卉，2014）。因此对龙泉山城市森林公园进行生态地质环境承载力评价有着重要意义。1.2 地质状况龙泉山城市森林公园地处龙泉山褶断带，该褶断带主体前翼陡窄，后翼宽缓，在2个转折端发育有逆冲断层。区内地层主要出露白垩系上统灌口组，白垩系下统曲寺组与苍溪组等，岩石硬度偏软，工程与水文地质条件中等复杂，主要地质灾害类型为滑坡、崩塌和不稳定斜坡。地质灾害类型主要以滑坡为主，占68.2%；其次为崩塌，占19%；其余为不稳定斜坡，占12.8%。在规模上，地质灾害类型绝大多数为小型，占87.2%；其次为中型，占 11.4%；仅少量大型，占 1.4%。（郭子奇等，2019）2 数据源及指标体系构建2.1 数据源生态地质环境承载力评价主要与地质、地质灾害点、降水、人口、GDP等因素有关。其中断层、岩性数据主要来自全国地质资料馆（https：/ 000全国地质图。高程数据来自地理空间数据云（http：/ m分辨率DEM。坡度、切割深度由高程数据计算得到。地质灾害数据来源于中国161第 18 卷 第2期 2023 年 6 月科学院资源环境科学与数据中心（https：/ difference vegetation index，NDVI）表示，选取2021年LandSat 8遥感影像计算NDVI，分辨率为30 m，数据来源于中国科学院资源环境科学与数据中心（http：/ 3.10、sklearn包以及ArcGIS 10.7实现，并将研究区划分为30 m格网共4 757 920个评价单元。2.2 指标体系构建考虑到数据的可获取性以及龙泉山城市森林公园现状资料，同时对比近期相关研究成果（张圆圆，2020；张元培 等，2020；支泽民 等，2022），本文从地质环境、生态环境和社会经济3方面分别选取高程、坡度、断层密度、岩性、切割深度、灾害点密度、年降水量、河网密度、植被覆盖度、道路密度、人口密度以及GDP密度评价地质环境承载力（图1），各指标空间分布如图2所示。2.3 指标分级由于各指标的量纲及范围不同，存在较大差异，因此需要进行分级。采用自然断点法将数据分为“差”“较差”“中等”，以及“较好”与“好”5类，并分别赋值15分（表1）。其中岩性为定性数据，将研究区内软质散体结构岩组赋值为“差”，而坚硬的砂岩加砾岩组赋值为“好”，介于二者之间的依次赋值为“较差”、“中等”、“较好”（郭子奇 等，2019）。另外，年降水量、河网密度、植被覆盖程度属于正向指标（值越大，表示承载力越好），其余指标都为负向（越小越好），分级结果如表1所示。图1 龙泉山城市森林公园评价指标体系Fig.1 Evaluation index system of Longquanshan Urban Forest Park表1 评价指标分级结果Tab.1 Evaluation indicator grading results指标高程/m坡度/（）切割深度/m断裂密度/(kmkm-2)岩性灾害点密度/(个 km-2)年降水量/mm河网密度/(kmkm-2)植被覆盖度道路密度/(kmkm-2)人口密度/(人 hm-2)GDP密度/(亿元 km-2)评价指标分级好（5）4986.95130.016较坚硬坚硬的中厚层状砂岩加砾岩组1 1080.043 10.0858.172.96较好（4）4985786.9512.4913250.0160.040软硬相间的中厚层状砂岩、泥岩组0.121 0711 1080.0100.3700.4310.0850.1748.224.92.964.27中等（3）57866612.4918.4925380.0400.061软弱较坚硬薄层中厚层状砂、泥岩组0.361 0281 0710.0300.2760.3700.1740.30524.970.44.275.33较差（2）66676718.4925.9238540.0610.078软弱薄层状泥、页岩岩组0.609761 0280.0550.1210.2760.3050.60370.4154.25.336.26差（1）76725.92540.078软质散体结构0.969760.0880.1210.603154.26.26162杜奥林等 基于随机森林的生态地质环境承载力评价http:/ 研究方法3.1 层次分析法层次分析法（Analytic Hierarchy Process，AHP）是一种将复杂问题划分为多层次、多因素，并逐层次、分因素地解决该问题的方法。主要通过对指标进行两两比较，并用19的标度评价每个指标的重要性，以此来获得指标权重（张圆圆，2020；湛雅琪，2022）。该方法是一种典型的主观赋权法，能充分反映了决策者的主观思想，因此本文采用AHP求取主观权重。3.2 变异系数法变异系数法是一种基于指标相对离散程度的客观赋权方法，通过指标值的差异进行赋权，差异越明显，权重越大。其中变异系数为均值与标准差之比，当指标值差异较大时，其更能反映指标间的相对重要程度，并且计算简便，因此选取变异系数法计算客观权重。本文采用SPSSPRO计算基于变异系数法的指标权重。3.3 随机森林不同方法得到的权重都存在一定缺陷，层次分析法以决策者的偏好信息为基础，忽略了数据间的内蕴模图2 地质环境承载力评价指标空间分布Fig.2 Spatial distribution of geological environment carrying capacity evaluation indexes163第 18 卷 第2期 2023 年 6 月式；而变异系数法以数据规律为基础，未考虑决策者的主观分析。为计算更准确的权重，本文提出一种基于随机森林的组合权重模型。随机森林（Random Forest，RF）作为一种集成式的机器学习算法，它以决策树为基础，集多棵树形成森林，显著提高了决策树的泛化能力。此外，RF还能利用GINI指数计算特征不纯度，通过其减少量评价因子的重要程度（式1式3）（林荣福等，2020），并以此计算权重。相比于其他机器学习算法，其随机选择以及袋装的算法思想能大大降低出现过拟合的可能性（张文涛等，2022），并且对于噪声与异常值有较高的容忍度（刘坚等，2018）。GNji=1 k=1tp2ijk（1）DGN=GNfh=1cGNh（2）Ik=j=1ni=1mDkijGNk=1ti=1nj=1mDkijGN（3）式中：GNji是第i棵树中第j个节点的不纯度，t为类别个数；DGN是不纯度减少量，GNf为父节点的不纯度，GNh是第h个子节点的不纯度，c为总节点个数；Ik为第k个指标的重要性，n、m分别为决策树棵树、单棵树节点数量。如图3所示，基于随机森林的组合权重计算流程主要分为2个步骤。首先需要计算层次分析法与变异系数法的权重，得到2种方法的初步结果。评价结果由式（4）计算获得。=k=1nvk*wk（4）式中，为生态地质环境承载力指数，vk是重分类后的第k个指标，wk是第i个指标的权重。其次，将各指标作为预测变量，2种方法的分级结果作为目标变量输入到RF模型中进行训练。结合RF中随机选择的思想，本文随机选取2个结果中各30%评价单元（不重复）代入到模型中，并训练若干次，对每次训练得到的特征重要性求均值，最后进行归一化得到最终结果。本次研究中，将分类树数量设置为1 100，最大深度为20时效果最好，并且进行20次训练后特征重要性均值不再发生明显变化。4 结果与分析4.1 指标权重结果分析组合权重运算结果如表2所示，通过特征重要性对指标权重分配合理性进行的分析（图4）。断裂密度是龙泉山城市森林公园生态地质环境承载力最重要的影响因子，研究区内断裂横亘近南北，由龙泉山复背斜及其东、西两侧的断裂带组成，严重影响到了地质环境；高程是该区域承载力的第二大影响因素，龙泉山城市森林公园的相对高差达600 m以上，地表热量变化以及水资源分配存在较大差异，对环境的影响也不容小觑；其余指标的排序依次为切割深度、坡度、植被覆盖度、河网密度、GDP密度、灾害点密度、道路密度、年降水量、人口密度与地层岩性。综合考虑龙泉山公园现状，认为组合权重的分配较为合理。4.2 生态地质环境承载力评价结果分析结合权重对各指标进行加权求和，分别得到龙泉山城市森林公园的地质环境、生态环境、社会环境以及生态地质环境承载力空间分布状况，并利用自然断点法进图3 技术流程Fig.3 Technical processes164杜奥林等 基于随机森林的生态地质环境承载力评价http:/ portfolio weights目标层生态地质环境承载力准则层地质环境子系统生态环境子系统社会经济子系统权重0.6280.2310.141指标高程坡度断裂密度岩性切割深度灾害点密度年降水量河网密度植被覆盖度道路密度人口密度GDP密度指标权重0.2550.1640.2690.0430.1760.0930.1970.3840.4190.3250.2190.456图4 龙泉山城市森林公园地质环境承载力指标重要性Fig.4 The importance of geological environment carrying capacity index of Longquan Mountain Urban Forest Park165第 18 卷 第2期 2023 年 6 月部太平镇、合江镇、大林镇及煎茶镇等区域。研究区的社会环境整体发展潜力较大，但其受制于地质环境与生态环境，对生态地质环境承载力的影响较小。将地质环境、生态环境以及社会环境按照准则层权重进行加权总和，得到龙泉山城市森林公园的生态地质环境承载力空间分布图（图5-d）。由图5-d可知，研究区整体承载力中等，呈中间低，两边高的分布形态，中等及以上区域占比约56%。其中承载力较差的区域面积最大，占比26.6%；承载力差的区域占比17.5%，分布于太平镇与玉成乡交界向南北延伸一带；承载力好与较好的分别占比15.5%、18.4%，集中在贾家镇、三岔镇及煎茶镇等区域；其余零散分布于研究区两侧。4.3 模型对比分析为验证该方法的可靠性，采用研究区248个灾害点对不同方法的结果进行初步对比分析，并从承载力分布、分区统计面积和灾害点密度将基于随机森林的方法与层次分析法、变异系数法进行比较。4.3.1 承载力分布对比从总体上看，3种模型的承载力分布具有一定相似性（图6）。承载力好的区域集中在研究区东南部，评价为差的主要分布在中部地区呈条状向东北与西南两方向延伸。所有结果中大部分灾害点集中于承载力差的区域，极少部分位于承载力好的区域，因此认为各模型的评价结果较合理。4.3.2 灾害点密度对比将3种模型得到的结果分别与灾害点叠加，对不同承载力等级区域内面积以及灾害点进行统计分析（表 3），并计算灾害点密度（图7）。由表3可得：各结果随着承载力等级的降低，灾害点密度逐渐升高，在等级为差的区域达到最大，符合灾害点实际分布特征。相较于层次分析法模型，基于随机森林的结果表现更好，灾害点密度在较差和中等区域的更加密集，分别图5 评价结果空间分布图Fig.5 Spatial distribution of evaluation results表3 各结果承载力等级统计表Tab.3 Statistical table of bearing capacity class of each result方法AHP变异系数法随机森林属性灾害点/个面积/km2灾害点/个面积/km2灾害点/个面积/km2等级差65203.6288298.9671222.76较差101361.38105377.3797338.54中等59320.2646278.7556281.18较好21219.298203.3022234.56好2170.461116.612197.97166杜奥林等 基于随机森林的生态地质环境承载力评价http:/ 结论在当前以可持续性发展为主题的大环境下，本文采用随机森林算法计算组合权重，选取12个指标，对龙泉山城市森林公园生态地质环境承载力进行了研究，主要结论如下：1）断裂密度与高程对龙泉山城市森林公园的生态地质环境承载力影响最大；2）研究区总体的生态地质环境承载力表现为中等，中等及以上占比56%，呈中间低、两边高的分布形态，承载力较差的区域主要分布于太平镇与玉成乡交界向南北延伸一带，承载力较好的则分布于贾家镇、三岔镇及煎茶镇等区域；3）在龙泉山城市森林公园中，基于随机森林方法的准图6 三种方法评价结果Fig.6 Results of three methodological evaluation图7 各等级灾害密度Fig.7 Hazard density by grade167第 18 卷 第2期 2023 年 6 月确性与可靠性优于层次分析法与变异系数法，更适合生态地质环境承载力评价。由于某些数据难以获取，在研究过程中仍然存在改进之处：1）可对空间尺度进行优化，以乡镇作为研究单元，结合承载力结果，为各乡镇提供更具体可靠的发展依据；2）增加时间尺度纵向对比，能更客观地展现出承载力的变化趋势，进一步调整发展策略。参考文献陈梦熊，1995.环境地质科学的基本理论与发展前景 J.工程地质学报（3）：31-34.成都市政府研究室课题组，黄毅，苏展，2018.龙泉山城市森林公园建设的思考和建议 J.先锋（8）：46-47.邓全成，平建华，梅雪梅，吕鹏，苗长汀，2022.基于组合权重TOPSIS模型的新乡市水资源承载力评价 J.水资源与水工程学报，33（5）：81-87.郭子奇，李胜伟，王东辉，李鸿雁，王德伟，宋志，顾鸿宇，2019.浅析四川成都龙泉山城市森林公园主要环境地质问题 J.沉积与特提斯地质，39（4）：90-99.何苏玲，王金亮，角媛梅，周京春，农兰萍，朱泓，2022.国土空间规划视角下资源环境承载力评价分析：以昆明市为例 J.中国农业资源与区划，43（4）：119-128.黄润秋，2001.生态环境地质的基本特点与技术支撑 J.中国地质（11）：20-24.匡文慧，张树文，杜国明，颜长珍，吴世新，李仁东，陆灯盛，潘涛，宁静，郭长庆，董金玮，包玉海，迟文峰，窦银银，侯亚丽，尹哲睿，常丽萍，杨久春，谢家丽，邱娟，张汉松，张宇博，杨仕琪，萨日盖，刘纪远，2022.20152020年中国土地利用变化遥感制图及时空特征分析 J.地理学报，77（5）：1056-1071.林荣福，刘纪平，徐胜华，刘猛猛，张蒙，梁恩婕，2020.随机森林赋权信息量的滑坡易发性评价方法 J.测绘科学，45（12）：131-138.刘飞，刘峰贵，周强，陈琼，汪生珍，郭蓉，马伟东，2021.青藏高原生态风险及区域分异 J.自然资源学报，36（12）：3232-3246.刘坚，李树林，陈涛，2018.基于优化随机森林模型的滑坡易发性评价 J.武汉大学学报（信息科学版），43（7）：1085-1091.米卉，2014.GIS技术支持下的成都龙泉山生态地质环境承载力评价 D.成都理工大学.尚海龙，撒慧丽，2020.贵州高原水环境承载力时空演化分析 J.水力发电，46（4）：10-15.孙金辉，谢忠胜，陈欢，黄海，李金洋，2018.基于层次分析法的北川县环境地质承载力评价 J.水土保持通报，38（4）：125-128.湛雅琪，2022.沿海地区地质环境承载力评价研究 D.大连：辽宁师范大学.张杰，李铎，张赟，魏爱华，程鑫，2021.基于博弈论优化权重的地质环境承载力评价 J.科学技术与工程，21（20）：8360-8365.张文涛，龚振宇，令凡琳，王树英，2022.基于随机森林算法的盾构改良渣土渗透系数预测及工程应用 J.隧道建设（中英文），42（11）：1863-1870.张元培，司可夫，吴颖，白洋，2020.鹤峰县地质环境承载力评价研究 J.资源环境与工程，34（S1）：50-55.张圆圆，2020.冕宁县生态地质环境承载力研究 D.成都理工大学.赵银兵，倪忠云，欧阳渊，袁材栋，陈馨熠，王东，刘晶晶，刘洪，2022.生态地质环境承载力研究进展 J.沉积与特提斯地质，42（4）：529-541.支泽民，陈琼，周强，夏兴生，刘峰贵，2022.基于随机森林的川藏铁路沿线县域地质环境承载力评价 J.科学技术与工程，22（24）：10451-10460.ZHANG Hongyi，LIU Yong，LI Xinghua，FENG Ruitao，GONG Yuting，JIANG Yazhen，GUAN Xiaobin，LI Shuang，2023.Combing remote sensing information entropy and machine learning for ecological environment assessment of Hefei-Nanjing-Hangzhou region，China J.Journal of Environmental Management，325：116533.168