CN101655937A - 一种基于未确定测度的城市生态系统健康评价方法 - Google Patents

Abstract

本发明属于城市生态规划科学领域，提供了一种采用未确定测度复合技术的城市生态系统健康评价方法。该方法选取反映生态城市6个健康要素的多个指标因子，经过SPSS工具中的Pearson相关性分析进行因子简约，然后通过健康评价等级划分和熵权的核算建立未确定测度分类标准矩阵，并进一步核算系统的健康程度。该方法广泛适用于合理、综合评价城市、区域生态系统健康状况，在此基础上可对城市生态规划提供科学的理论依据，本方法还适用于区域尺度生态系统健康评价。

Description

一种基于未确定测度的城市生态系统健康评价方法

技术领域

本发明属于城市生态规划科学领域，特别涉及一种采用未确定测度复合技术的城市生态系统健康评价方法。该方法广泛适用于合理、综合评价城市、区域生态系统健康状况，在此基础上可对城市生态规划提供科学的理论依据。

背景技术

城市生态系统的健康是可持续发展的必要条件和重要的衡量标准。了解城市生态系统的健康状况、找出其胁迫因子，提出维护与保持城市生态系统健康状态的管理措施和途径，是实现城市可持续发展必须要解决的问题。这也为城市生态规划提供了规划依据。要使生态系统健康的概念具有现实意义，唯有通过对生态环境进行有效可靠的、可操作的、可广泛推广的、并能为决策者提供指导信息的健康评价来实现。系统指标法通过采用能够代表系统结构、功能和过程的指标综合反映系统的健康程度，其提供信息更具全面性和综合性，适合城市生态系统评价。

城市生态系统健康评价是城市生态规划的基础工作，目前主要的评价方法有层次分析法、综合指数法、模糊综合评判方法、灰色聚类分析、物元分析法和BP神经网络模型等，以上各方法均有优缺点。部分方法也运用于区域产业可持续评价。例如“区域农业可持续发展能力动态评价系统”(申请号200510119029.2)借用层次分析法设计动态评价模型，提出农业可持续发展能力动态评价系统。这些方法因需要人为因素评价各指标的权重及未考虑评估过程的不确定性，造成评价模式难以通用，评价结果失之科学性和准确性。

本发明提出了一种基于未确定测度理论的城市生态系统健康评价方法和系统。未确知测度模型可充分考虑评价空间的“有序性”和“信息不确知性”，通过合理的置信度准则和排序的评分准则，既可以对样本生态系统健康状况进行优劣排序，又可以进行等级评定，该方法已部分应用于区域尺度可持续发展评价，该方法与城市健康特性的结合，可为城市生态规划提供科学的理论依据。

发明内容

本发明的目的是针对城市生态规划的主要问题，提供一种基于未确定测度理论的城市生态系统健康评价方法和系统。为实现上述任务，本发明采取如下的技术解决方法：

步骤一：确定城市生态系统健康评价因子

健康的城市生态系统所涉及的6个要素：①城市人群的健康状况在城市内不同居住区的分布；②城市区域内的社会福利状况(包括经济和文化条件)，政府管理的有效性(包括教育、决策参与程度)，社会公平(医疗条件的区域差异)；③人居环境质量，包括居住条件、交通便利状况、自来水供应及下水道状况、道路及公共交通条件、公园和娱乐设施条件等；④城市自然环境质量，包括空气、水、土壤和噪声污染状况；⑤城市内其他生物物种的健康状况，包括栖息地环境质量、遗传及物种多样性；⑥城市生态系统对广义的自然生态系统的影响。上述评价指标体系较好地总结了城市生态系统的关键要素，可以根据要素进行相应的归纳得出人群健康、城市福祉、人居健康、环境健康、生境健康和环境影响这6大要素。

步骤二：健康评价等级标准确定

城市生态系统健康评价标准和等级的确定是生态系统健康研究中非常重要的环节，标准和等级设置的是否科学合理，直接影响到评价结果的正确与否。评价标准和等级的制定应遵循可计量性原则、先进性原则、可行性原则和地域性原则，满足能反映生态系统健康质量的优劣，能反映生态系统健康受胁迫的范围和程度以及能用于生态系统建设与保护行为三个要求。本发明在生态系统健康评价中，划分了5个评价等级：病态、不健康、亚健康、健康、很健康，各等级的状态表征如表1。

表1 城市生态系统健康等级状态表征

等级	表征状态	系统特征
			I	很健康(理想状态)	生态系统结构完整，受胁迫、干扰不显著，具有良好的自我维持与发展能力，系统内生产、生活和周围环境之间的物质和能量交换形成良性循环；人类社会和自然环境高度和谐，系统能为人类生产、生活提供健康、舒适的环境。

II	健康(良好状态)	生态系统结构较完整，受胁迫、干扰较少，能够自我维持和发展，能为人类提供较好的服务功能；人类社会和自然较协调，物质能量循环较好，人类生产、生活状况较好。
			III	亚健康(临界状态)	城市生态系统状况受外界胁迫、干扰较大，在外界胁迫减轻或人类修复加强后，生态系统会自然向健康程度改善，如果胁迫加大则会迅速恶化。
IV	不健康(较差状态)	生态系统结构破坏较大，受胁迫、干扰多且较重，无法进行自我维持，且生态修复困难，提供生态服务功能严重退化，人类生产、生活状况较差。
			V	病态(恶劣状态)	生态系统结构残缺不全，受胁迫、干扰破坏严重，生态状况很难逆转，生态服务功能接近崩溃，引发严重的环境问题，给人类造成恶劣影响。

步骤三：建立分类标准矩阵

设研究对象空间为X＝{x₁，x₂，……，x_n}，x_i表示第i个样本；对每个样本有m个测量指标，指标空间I＝{I₁，I₂，……，I_j}，I_j表示第j个测量指标；样本的每个指标测量值有K个评价c₁，c₂，……，c_k，构成研究对象X的评价空间U＝{c₁，c₂，……，c_n}。

在研究对象空间X上取n个样本x₁，x₂，……，x_n，对每个样本要测量m个指标I₁，I₂，……，I_m，第i个样本的第j个指标I_j的测量值为X_ij，因此，第i个样本X_i可以表示为一个向量X_i＝{x_i1，x_i2，……，x_im}，1≤i≤n。对城市生态系统健康进行评价，其评价类别向量(c₁，c₂，……，c_k)是有序的，且满足c₁＞c₂……＞c_k。每个指标的分类标准已知，写成分类标准矩阵为

式中，a_jk满足a_j1＜a_j2＜……＜a_jk或者a_j1＞a_j2＞……＞a_jk。

步骤四：构造单指标未确知测度

计算第i个样品的第j个指标值x_ij属于c_k类的未确知测度μ_ijk＝μ(x_ij∈c_k)。不妨假定a_j1＜a_j2＜……＜a_jk，即：

当x_ij≤a_j1时，取μ_ij1＝1，μ_ij2＝……＝μ_ijk＝0；

当x_ij≥a_j1时，取μ_ijk＝1，μ_ijl＝……＝μ_ijk-1＝0；

当a_jk≤x_ij≤a_ij+1时，取 ${\mathrm{\μ}}_{\mathrm{ijl}}=\frac{a_{\mathrm{jl}+1}-x_{\mathrm{ij}}}{a_{\mathrm{jl}+1}-a_{\mathrm{jl}}}$ ${\mathrm{\μ}}_{\mathrm{ijl}+1}=\frac{x_{\mathrm{jl}}-a_{\mathrm{jl}}}{a_{\mathrm{jl}+1}-a_{\mathrm{jl}}},$ μ_ijk＝0，当k＜1或k＞l+1时。

步骤五：确定指标权重

确定指标的方法总体上分为客观赋权法和主观赋权法两大类，本研究采用客观赋权法常用的熵权法。其原理为某个指标的信息熵越小，表明其指标值变异程度越大，提供的信息量越大，在综合评价中的作用也越大，因而其权重也相应越大：反之，若某指标信息熵越大，则表明指标的变异程度越小，提供的信息量越小，权重也相应越小。熵权法是根据评价对象的指标值来确定各指标权重的一种方法，反映了指标间的相互比较关系，比较客观，而且该方法计算结果可信度大，自适功能强。

定义f_ij为赋权矩阵X＝(x_ij)_n×m第j项指标下第i个被评价对象的指标值的比重，则：

$f=x_{\mathrm{ij}}/\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}$

令e_j为第j项指标的熵值，有 $e_j=-k\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{fi}}_{j}1n{f}_{\mathrm{ij}}$ (其中，k＝1/ln n)

指标权重 $w_j=(1-e_j)/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}1-e_j$

步骤六：计算多指标综合未确定测度

由单指标未确定测度和指标权重可以求出多指标综合测度μ_ik

${\mathrm{\μ}}_{\mathrm{ik}}=\mathrm{\μ}(x_i\∈c_k)=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{w}_j{\mathrm{\μ}}_{\mathrm{ijk}},1\≤i\≤n,1\≤k\≤K$

步骤七：样本等级的识别

由于评价类别向量(c₁，c₅，……，c_k)的有序性，用最大测度识别准则识别x_i的类别显然是不合适的。为此，引入下述置信度识别准则：

按照置信度准则，若(c₁，c₅，……，c_k)满足c_i＞c_i+1，(i＝1，2，……，k-1)，对置信度λ(0.5＜λ≤1)计算：

$k_i=\min \{k:\underset{l=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\μ}}_{\mathrm{il}}\≥\mathrm{\λ},1\≤k\≤K\}$

附图说明

附图1为本发明的复合算法流程图。

具体实施方式

基于未确定测度的城市生态系统健康评价方法具体实施方式如下：

1.采集城市6大要素指标值。

2.进行城市生态系统健康评价因子约简。由于各评价指标之间可能存在着重复性，需要对原始指标进行相关性检验，采用SPSS的Pearson相关性分析工具对各要素内部指标间的两两相关性进行分析处理。

3.在确定各评价等级的标准时，不同的指标标准确定的原则不同。可将指标分为三类。

A类指标值与健康程度呈正相关关系，呈单增分布，即指标值越高，健康程度越高，这类指标都有一个极限值或目前现实状况所能达到的最高值域，这个最高值域即为很健康级别的标准。

B类指标值与健康程度呈负相关关系，呈单减分布，即指标值越高，健康程度则越低，这类指标也有一个理论和现实的最低值域，这个最低值域即作为很健康级别的标准。

C类指标呈正态或偏态分布，这类指标值过高或过低都影响生态系统健康程度，即存在一个优化的取值范围。这类指标值取值以国内外公认的城市生态状况良好城市的现状值、先进城市的生态环境目标值作为很健康级别的参考标准。

4.未确定测度评价

A按照评价要求所需划分的类数K，构建分类标准矩阵

B确定指标权重。定义fij为赋权矩阵X＝(x_ij)_n×m第j项指标下第i个被评价对象的指标值的比重。

C利用多指标综合测度计算方法对城市综合评价埋论做综合评价判断。即根据未确定测度评价结果，首先按照最大测度识别准则确定健康程度。完成整个评价过程。

实施例1：包头市生态系统健康评价

1.确定城市生态系统健康评价因子

根据要素进行相应的归纳得出人群健康、城市福祉、人居健康、环境健康、生境健康和环境影响这6大要素，共25个类别，59个指标(见表2)。由于各评价指标之间可能存在着重复性，采用SPSS的Pearson相关性分析工具对各要素内部指标间的两两相关性进行分析处理。此处以人类健康类别的相关分析矩阵为例进行说明(见表3)，由于(3)的数据难以获得，只进行了其余7个指标的相关性分析。表3中显示指标人口死亡率和万人在校大学生数与其他指标并无相关性，予以保留，而其余指标均不同程度的相关(p≤0.05)，根据分析结果指标千人拥有医生数予以保留。其他要素类指标的处理方式同上。最终分析结果表明54.2％的指标与45.8％的指标具有很强的相关性(p≤0.05)，需要合并指标，经过处理后保留了26个指标。

表2 包头城市生态系统健康评价指标体系与评价标准

表3 人类健康要素组内指标间的相关关系矩阵

^*显著性水平在0.05水平(双侧检验)；^**显著性水平在0.01水平(双侧检验)。

2.指标权重确定

根据熵权计算公式，可以得出26个评价指标的权重，从计算结果可以看出，熵权中前十位的分别为城市化水平(0.0599)、人均GDP(0.0520)、单位GDP水耗(0.0449)、二级以上良好天数(0.0427)、工业固体废物综合利用率(0.0337)、二氧化硫排放强度(0.0331)、城市污水处理率(0.0307)、COD排放强度(0.0250)、单位GDP能耗(0.0244)、高覆盖草地面积比率(0.0237)，结果符合包头的实际情况，适合作为包头市生态系统健康评价的权重确定方法。

3.建立城市生态系统健康评价测度矩阵

为便于进行比铰、分析包头市近年的健康水平变化历程，特选取包头市2001、2002、2003、2004、2005五年的数据作为参照进行生态系统健康评价。代入上述生态系统健康评价模型，得出综合测度矩阵为

4.城市健康等级确定

根据多指标综合测度矩阵，对评价样本进行分析。取置信度为0.6，按照公式 $k_i=\min \{k:\underset{l=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\μ}}_{\mathrm{il}}\≥\mathrm{\λ},1\≤k\≤K\}$ 可得城市的生态系统各健康等级。

表4 未确知测度模型对城市生态系统健康的评价结果

年份	2001	2002	2003	2004	2005
						健康等级	不健康	不健康	不健康	亚健康	亚健康

Claims (1)

1.一种采用未确定测度复合技术的城市生态系统健康评价方法。其特征在于，该方法包括如下步骤：

步骤一：确定城市生态系统健康评价因子

健康的城市生态系统所涉及的6个要素，可以根据要素进行相应的归纳得出人群健康、城市福祉、人居健康、环境健康、生境健康和环境影响这6大要素。

步骤二：健康评价等级标准确定

本发明在生态系统健康评价中，划分了5个评价等级：病态、不健康、亚健康、健康、很健康。

步骤三：建立分类标准矩阵

对城市生态系统健康进行评价，其评价类别向量(c₁，c₂，......，c_k)是有序的，且满足c₁＞c₂......＞c_k。每个指标的分类标准已知，写成分类标准矩阵为

步骤四：构造单指标未确知测度

计算第i个样品的第j个指标值x_ij属于c_k类的未确知测度μ_ijk＝μ(x_ij∈c_k)。

步骤五：确定指标权重

定义f_ij为赋权矩阵X＝(x_ij)_n×m第j项指标下第i个被评价对象的指标值的比重，则指标权重：

$w_j=(1-e_j)/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}1-e_j.$

步骤六：计算多指标综合未确定测度

由单指标未确定测度和指标权重可以求出多指标综合测度

1≤i≤n，1≤k≤K。

步骤七：样本等级的识别

按照置信度准则，若(c₁，c₅，......，c_k)满足c_i＞c_i+1，(i＝1，2，......，k-1)，对置信度λ(0.5＜λ≤1)计算：

Images