朱 筠，王利軍，黃培杰

（1. 河南中化地質(zhì)測(cè)繪院有限公司，河南 鄭州 450000；2. 河南省農(nóng)業(yè)科學(xué)院，河南 鄭州 450000；3. 黃河勘測(cè)規(guī)劃設(shè)計(jì)有限公司，河南 鄭州 450000）

目前，國(guó)內(nèi)外關(guān)于土壤侵蝕研究的模型主要有評(píng)價(jià)土壤侵蝕強(qiáng)度的靜態(tài)模型[1-3]和反映土壤侵蝕發(fā)展演化的動(dòng)態(tài)模型[4-6]。雖然CA已廣泛用于土壤侵蝕研究，但模型轉(zhuǎn)換規(guī)則的確定需要使用多種空間變量和參數(shù)，難以準(zhǔn)確模擬和預(yù)測(cè)土壤侵蝕演變。隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展[7-9]，結(jié)合該方法進(jìn)行地理空間信息模擬能夠簡(jiǎn)化模型結(jié)構(gòu)，提高模型通用性。本文以不同時(shí)相的遙感影像數(shù)據(jù)、地形數(shù)據(jù)、土壤數(shù)據(jù)為基礎(chǔ)，以GIS、RS和數(shù)據(jù)庫(kù)技術(shù)為支撐，采用神經(jīng)網(wǎng)絡(luò)代替?zhèn)鹘y(tǒng)CA中的轉(zhuǎn)換規(guī)則，構(gòu)建下墊面抗蝕力時(shí)空演化模型，在可視化編程環(huán)境下，基于ArcGIS Engine組件，定義元胞自動(dòng)機(jī)，構(gòu)建神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)并開(kāi)發(fā)了下墊面抗蝕力時(shí)空演化模型系統(tǒng)，實(shí)現(xiàn)了岔巴溝流域下墊面抗蝕力變化的模擬和預(yù)測(cè)，為開(kāi)展該區(qū)域水土保持工作提供了有效的數(shù)據(jù)和技術(shù)支持。

1 技術(shù)路線

岔巴溝流域位于陜西省子洲縣北部，為無(wú)定河水系的二級(jí)支流、大理河的一條支溝，屬于黃土丘陵溝壑區(qū)第一副區(qū)，流域面積為205 km2，溝口水文站為曹坪水文站，控制面積187 km2，主溝道長(zhǎng)24.1 km，流域形狀基本對(duì)稱(chēng)，干溝與支溝相匯夾角約60°。岔巴溝流域的土壤侵蝕變化是無(wú)定河流域土壤侵蝕變化的縮影，對(duì)其分析研究具有典型代表意義。系統(tǒng)技術(shù)路線如圖1所示。

1）相關(guān)資料的收集與處理：收集研究區(qū)兩個(gè)時(shí)段的遙感影像數(shù)據(jù)、地形圖數(shù)據(jù)、各類(lèi)相關(guān)資料（如土壤資料、土地利用資料、水保措施資料等）。

2）建立下墊面抗蝕力因素?cái)?shù)據(jù)庫(kù)：從遙感影像數(shù)據(jù)中提取各類(lèi)影響抗蝕力變化的專(zhuān)題信息，如植被蓋度、土地利用類(lèi)型等，利用數(shù)字化地形圖建立DEM，提取地形地貌信息。利用“流域下墊面抗蝕力信息系統(tǒng)”[10]計(jì)算兩個(gè)時(shí)段各抗蝕力影響因素的抗蝕力分值數(shù)據(jù)以及流域下墊面抗蝕力強(qiáng)度類(lèi)型的空間分布。

3）構(gòu)建下墊面抗蝕力時(shí)空演化模型：在現(xiàn)有數(shù)據(jù)庫(kù)基礎(chǔ)上，定義元胞自動(dòng)機(jī)模型，確定元胞空間、元胞狀態(tài)、鄰域關(guān)系以及轉(zhuǎn)換規(guī)則，利用LVQ神經(jīng)網(wǎng)絡(luò)代替CA的轉(zhuǎn)換規(guī)則，并根據(jù)研究對(duì)象確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。

4） 開(kāi)發(fā)下墊面抗蝕力時(shí)空演化模型系統(tǒng)：基于.NET開(kāi)發(fā)平臺(tái)，采用C#語(yǔ)言和AE組件進(jìn)行系統(tǒng)開(kāi)發(fā)。

5）LVQ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和驗(yàn)證：以黃土高原岔巴溝流域?yàn)槔?，在下墊面抗蝕力因素?cái)?shù)據(jù)庫(kù)中，利用訓(xùn)練數(shù)據(jù)訓(xùn)練已建好的神經(jīng)網(wǎng)絡(luò)，并利用驗(yàn)證數(shù)據(jù)對(duì)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。

6）下墊面抗蝕力預(yù)測(cè)：在過(guò)去的兩個(gè)時(shí)段該流域下墊面抗蝕力動(dòng)態(tài)變化研究的基礎(chǔ)上，利用訓(xùn)練好的抗蝕力時(shí)空演化模型，模擬下一時(shí)段抗蝕力水平的變化情況，分析和預(yù)測(cè)其未來(lái)的時(shí)空演變趨勢(shì)。

2 流域下墊面抗蝕力時(shí)空演化模型

2.1 元胞空間

研究區(qū)空間數(shù)據(jù)是二維柵格結(jié)構(gòu)，每個(gè)柵格的形狀是四邊形，因此本文的元胞空間采用二維的四邊形柵格。根據(jù)研究區(qū)實(shí)際情況和收集到的流域地貌演變數(shù)據(jù)、野外調(diào)查資料等，本文選用岔巴溝流域沖溝平均寬度的一半作為元胞的邊長(zhǎng)來(lái)定義元胞，其大小為100 m×100 m。

2.2 元胞狀態(tài)

元胞狀態(tài)定義為下墊面抗蝕力強(qiáng)度的類(lèi)型[8]，共分為5級(jí)：1代表極弱抗蝕力，2代表弱抗蝕力，3代表中等抗蝕力，4代表強(qiáng)抗蝕力，5代表極強(qiáng)抗蝕力。研究表明，流域下墊面抗蝕力變化的概率取決于一系列的空間變量，有地形地貌、土壤、植被、土地利用、水土保持措施等[8]，因此模型為每一個(gè)元胞增加了5個(gè)影響因子，即地形地貌、土壤、植被、土地利用、水土保持措施。

2.3 鄰域關(guān)系

下墊面抗蝕力的演變受周?chē)臻g環(huán)境影響，因此下墊面抗蝕力元胞的狀態(tài)變化不僅取決于元胞自身，還受鄰近元胞狀態(tài)的影響。本文采用標(biāo)準(zhǔn)Moore模型，即每個(gè)中心元胞有8個(gè)鄰居元胞。

2.4 轉(zhuǎn)換規(guī)則

由于不同年份流域下墊面抗蝕力強(qiáng)度類(lèi)型可以通過(guò)“流域下墊面抗蝕力評(píng)價(jià)信息系統(tǒng)”[8]來(lái)計(jì)算，因此，本文采用神經(jīng)網(wǎng)絡(luò)代替?zhèn)鹘y(tǒng)CA中的轉(zhuǎn)換規(guī)則，模型參數(shù)通過(guò)對(duì)數(shù)據(jù)的訓(xùn)練來(lái)自動(dòng)獲取。

2.4.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

本文選取矢量量化神經(jīng)網(wǎng)絡(luò)（LVQ）來(lái)實(shí)現(xiàn)下墊面抗蝕力的模擬和預(yù)測(cè)。LVQ網(wǎng)絡(luò)有3層結(jié)構(gòu)：輸入層、隱含層、輸出層。輸入層有10個(gè)神經(jīng)元，對(duì)應(yīng)10個(gè)決定下墊面抗蝕力強(qiáng)度變化的空間變量：地形地貌（x1）、土壤（x2）、植被（x3）、土地利用（x4）、水土保持措施（x5）以及元胞的鄰域關(guān)系，即鄰近極弱抗蝕力單元數(shù)量（x6）、鄰近弱抗蝕力單元數(shù)量（x7）、鄰近中等抗蝕力單元數(shù)量（x8）、鄰近強(qiáng)抗蝕力單元數(shù)量（x9）、鄰近極強(qiáng)抗蝕力單元數(shù)量（x10）；隱含層神經(jīng)元個(gè)數(shù)由輸入層樣本個(gè)數(shù)決定，對(duì)于輸入樣本個(gè)數(shù)為n的神經(jīng)網(wǎng)絡(luò)，隱含層神經(jīng)元個(gè)數(shù)為；輸出層神經(jīng)元對(duì)應(yīng)于t+1時(shí)刻的元胞狀態(tài)，即5種不同的下墊面抗蝕力強(qiáng)度類(lèi)型，形成10××5的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，定義網(wǎng)絡(luò)的最大訓(xùn)練次數(shù)為1 000，最小均方差為0.01，初始學(xué)習(xí)率為0.5。

2.4.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

下墊面抗蝕力演變的歷史數(shù)據(jù)利用“流域下墊面抗蝕力評(píng)價(jià)信息系統(tǒng)”[8]計(jì)算獲取，可得到研究區(qū)t時(shí)刻和t+1時(shí)刻下墊面抗蝕力類(lèi)型數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)計(jì)算所需要的數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)，其中，訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)從t時(shí)刻和t+1時(shí)刻樣本數(shù)據(jù)中隨機(jī)抽樣得來(lái)，即采取隨機(jī)方法，將每一時(shí)刻樣本數(shù)據(jù)以2︰1的比例劃分為訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)；預(yù)測(cè)數(shù)據(jù)是t+1時(shí)刻的抗蝕力類(lèi)型。

神經(jīng)網(wǎng)絡(luò)的訓(xùn)練以t時(shí)刻各元胞的抗蝕力數(shù)據(jù)作為元胞的初始狀態(tài)，對(duì)t+1時(shí)刻元胞狀態(tài)進(jìn)行預(yù)測(cè)，并對(duì)比t+1時(shí)刻的真實(shí)數(shù)據(jù)，反復(fù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，最終確定網(wǎng)絡(luò)參數(shù)。最后，利用建立好的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)t+2時(shí)刻流域下墊面抗蝕力強(qiáng)度類(lèi)型。

2.5 模型實(shí)現(xiàn)

在. NET 環(huán)境下，利用C#語(yǔ)言和AE9.2組件實(shí)現(xiàn)流域下墊面抗蝕力時(shí)空演化模型系統(tǒng)。主要功能包括基本的地圖操作、圖層管理、數(shù)據(jù)管理等GIS功能，還有元胞初始化、下墊面抗蝕力模擬、模擬結(jié)果輸出等核心功能。

3 模型應(yīng)用與結(jié)果分析

3.1 基礎(chǔ)數(shù)據(jù)

研究中，除了通過(guò)野外實(shí)地調(diào)查和資料收集得到岔巴溝流域土壤數(shù)據(jù)、土地利用和水土保持措施資料外，還獲得岔巴溝流域1990年TM影像、1︰10 000地形圖以及2004年SPOT遙感影像和1︰10 000地形圖。通過(guò)數(shù)據(jù)預(yù)處理，建立下墊面抗蝕力因素?cái)?shù)據(jù)庫(kù)，如圖2。

3.2 模型應(yīng)用

模型的元胞初始化功能完成一系列的數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)分離等工作，就生成可供神經(jīng)網(wǎng)絡(luò)訓(xùn)練和模擬所使用的數(shù)據(jù)。將這些數(shù)據(jù)導(dǎo)入模型的抗蝕力模擬模塊，模塊調(diào)用Matlab軟件實(shí)現(xiàn)LVQ神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練。通過(guò)調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱中隨機(jī)樣本提取函數(shù)來(lái)獲取樣本中的訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)，即從每種類(lèi)型的樣本中選取2/3的樣本作為訓(xùn)練數(shù)據(jù)，剩下1/3的數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，見(jiàn)表1。

表1 隨機(jī)抽樣數(shù)據(jù)一覽表

下面以抗蝕力級(jí)別為1的極弱抗蝕力類(lèi)型為例，介紹神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程。隨機(jī)抽樣完成后，對(duì)訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)進(jìn)行輸入輸出向量的分離，即1990年的各元胞X坐標(biāo)、Y坐標(biāo)、地形地貌、土壤、植被、土地利用、水保措施、鄰近極弱抗蝕力單元個(gè)數(shù)、鄰近弱抗蝕力單元個(gè)數(shù)、鄰近中等抗蝕力單元個(gè)數(shù)、鄰近強(qiáng)抗蝕力單元個(gè)數(shù)、鄰近極強(qiáng)抗蝕力單元個(gè)數(shù)作為輸入向量，2004年各元胞X坐標(biāo)、Y坐標(biāo)和抗蝕力類(lèi)型為輸出向量。將訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的輸入輸出向量輸入模型，開(kāi)始LVQ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

將驗(yàn)證數(shù)據(jù)提供給上述訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，模擬2004年研究區(qū)下墊面抗蝕力類(lèi)型，對(duì)比神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果和2004年抗蝕力類(lèi)型的真實(shí)結(jié)果，得出驗(yàn)證準(zhǔn)確率為86.7%，網(wǎng)絡(luò)均方差為0.009 。最終得到各抗蝕力類(lèi)型神經(jīng)網(wǎng)絡(luò)的性能如表2。

表2 各抗蝕力類(lèi)型的神經(jīng)網(wǎng)絡(luò)性能

可以看出，由于每個(gè)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力存在差異，訓(xùn)練出的網(wǎng)絡(luò)性能也不盡相同。極弱抗蝕力、極強(qiáng)抗蝕力、弱抗蝕力類(lèi)型神經(jīng)網(wǎng)絡(luò)的模擬效果較好，準(zhǔn)確率都達(dá)到了75%以上，而強(qiáng)抗蝕力和中等抗蝕力類(lèi)型神經(jīng)網(wǎng)絡(luò)的驗(yàn)證準(zhǔn)確率相對(duì)較低，但最低也在70%左右。從整體來(lái)看，模型的模擬效果是比較理想的。

3.3 結(jié)果分析

對(duì)比3個(gè)年份的抗蝕力狀況（如圖3）可以看出，1990年至2004年，藍(lán)色區(qū)域范圍在減少，2004年至2018年，藍(lán)色區(qū)域進(jìn)一步減少，而中等和強(qiáng)抗蝕力區(qū)域范圍在這3個(gè)時(shí)段逐漸擴(kuò)大，這表明，從1990年到2018年岔巴溝流域下墊面抗侵蝕能力呈現(xiàn)逐漸增強(qiáng)的趨勢(shì)。

對(duì)比各時(shí)期下墊面抗蝕力類(lèi)型的面積（圖4）可以看出，1990～2018年間，岔巴溝流域極弱抗蝕力和弱抗

蝕力類(lèi)型面積呈減少的趨勢(shì)，其中極 弱抗蝕力類(lèi)型面積從1990年的27.55 km2減少到2018年的2.64 km2，弱抗蝕力類(lèi)型面積從1990年的53.46 km2減少到2018年的30.8 km2；中等抗蝕力和強(qiáng)抗蝕力類(lèi)型面積呈增加趨勢(shì)，其中強(qiáng)抗蝕力類(lèi)型面積從1990年的42.33 km2增加到2018年的69.19 km2，中等抗蝕力類(lèi)型面積從1990年的55.24 km2增加到2018年的73.05 km2；極強(qiáng)抗蝕力類(lèi)型的面積也呈緩慢增加趨勢(shì)，但變化速率明顯低于其他幾種類(lèi)型，從1990年的26.42 km2增加到2018年的29.32 km2。

4 結(jié) 語(yǔ)

分析岔巴溝流域下墊面抗蝕力變化的原因，人類(lèi)活動(dòng)對(duì)下墊面抗蝕力的影響是十分明顯的，主要體現(xiàn)在植被類(lèi)型與植被覆蓋度的變化、土地利用與水土保持措施的影響。1990年以前，黃土高原地區(qū)生產(chǎn)力水平相對(duì)落后，植被破壞嚴(yán)重，土地利用不合理，并且經(jīng)濟(jì)水平限制了水土保持措施的建設(shè)與實(shí)施，土壤侵蝕十分嚴(yán)重，下墊面抗蝕力水平極低；90年代以后，政府開(kāi)始制定合理的土地利用規(guī)劃，實(shí)施一系列的水土保持措施，包括退耕還林、植樹(shù)造林、修建梯田、淤地壩等等，大大提高了流域的下墊面抗蝕力水平。模擬結(jié)果顯示，按這種趨勢(shì)發(fā)展下去，岔巴溝流域的下墊面抗蝕力不斷增強(qiáng)，土壤侵蝕狀況會(huì)逐漸得到改善。

[1]Wischmeier W H, Smith D D. Predicting Rainfall - Erosio Losses from Cropland East of the Rocky Mountains [M]. USDA Agricultural Handbook，1965

[2]Regard K G, Foster G R, Weenie G A.Predicting Soil Erosion by Water:A Guide to Conservation Planning with the Revised Universal Soil Loess Equation(RUSLE)[M].USDA Handbook,1997

[3]Laffen J M, Lwonard J L, Foster G R. WEPP a New Generation of Erosion Prediction Technology[J]. Journal of Soil and Water Conservation,1991,46(1):34-38

[4]Chase G C.Fluvial Landsculpting and the Fractal Dimension of Topography[J].Geomorphology, 1992(5):39-57

[5]Luo W,Peronja E,Duffin K, et al.Incorporating Nonlinear Rules in a Web-based Interactive Landform Simulation Model(WILSIM)[J]. Computers & Geosciences, 2006,32(9):1 512-1 518

[6]張永興,歐敏,熊有勝. 基于GEOCA和GIS的土壤侵蝕空間演化模擬[J].西南農(nóng)業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2005,27(4):427-431

[7]Yeh A G，Li X．Integration of Neural Networks and Cellular Automate for Urban Planning[J].Geo-spatial Information Science，2004，7(1):6-13

[8]趙睿,塔西甫拉提·特依拜，丁建麗,等. 基于神經(jīng)網(wǎng)絡(luò)的元胞自動(dòng)機(jī)支持下的干旱區(qū)LUCC模擬研究——以新疆于田綠洲為例[J].水土保持研究,2007,14(1):151-154

[9]趙晶,陳華根,徐惠平.元胞自動(dòng)機(jī)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的土地演變模擬[J].同濟(jì)大學(xué)學(xué)報(bào):自然科學(xué)版,2007,35(8):1 128-1 132

[10]邢昱.小流域下墊面抗蝕力評(píng)價(jià)信息系統(tǒng)應(yīng)用研究[D]. 開(kāi)封:河南大學(xué),2008