【技术实现步骤摘要】
本专利技术涉及区域土壤侵蚀定量评价，尤其涉及一种基于组合赋权法的区域土壤侵蚀脆弱性评价方法。
技术介绍
1、土壤侵蚀是全球性生态环境问题，不合理的生产、生活等人类活动方式是造成土壤流失的主要原因，并显著影响着自然资源、农业生产和生态环境，因此建立合理的土壤侵蚀评价方法对高效精准识别区域土壤侵蚀脆弱区的空间分布格局及其演变规律、调控土壤侵蚀脆弱区至关重要。基于人地耦合系统建立的区域土壤侵蚀脆弱性评价方法在水土保持规划、土地利用管理和环境保护等方面具有广泛应用价值，并成功应用于东北黑土区、西北黄土区和西南红壤区等生态脆弱区的生态环境修护和评价方案中。但由于区域土壤侵蚀脆弱性评价方法的理论基础建立在流域尺度土壤侵蚀的普遍规律和地区特性的基础上，需要考虑气候、地形、土壤、植被、土地利用、人类活动、社会经济、政府管理等多种自然和社会因素的综合影响，对于土壤侵蚀脆弱性评价方法在区域尺度上的普适性研究，多年来一直缺乏系统的、科学的研究成果。
2、目前，在对区域或更大空间尺度的土壤侵蚀脆弱性评价方法的研究中，基于组合赋权法的区域土壤侵蚀脆弱性评价方法相对较少，虽然有学者针对部分生态脆弱区建立了土壤侵蚀脆弱性评价方法，但是存在以下不足：目前国内外学者对区域土壤侵蚀脆弱性评价指标赋权的方法主要使用单一的主观赋权法和客观赋权法，如专家打分法、层次分析法、熵权法、灰色关联法等，然而单一的主观赋权法无法体现数据的客观性，单一的客观赋权法无法兼顾专家经验，因此这些方法不适用于复杂系统的非线性分析，不能满足区域土壤侵蚀脆弱性评价的需要；目前的脆弱
技术实现思路
1、本专利技术需要解决的技术问题是：提出一种基于组合赋权法的区域土壤侵蚀脆弱性评价方法，以解决现有技术中存在的问题。
2、本专利技术解决其技术问题采用以下的技术方案：
3、本专利技术提供的基于组合赋权法的区域土壤侵蚀脆弱性评价方法，是：先基于fahp计算出各指标的主观权重，再依据bpnn计算出各指标的客观权重，而后依据组合权重计算公式得到各指标的最终权重。
4、上述方法中，可以采用修正的通用土壤流失方程rusle模型计算研究区的土壤侵蚀量，然后将归一化后的区域土壤侵蚀脆弱性各评价指标数据与其对应的指标权重相乘，依据“脆弱性＝暴露度+敏感性-适应能力”计算出研究区的土壤侵蚀脆弱性值，在arcgis中基于自然断点法将土壤侵蚀脆弱性分为低、较低、中度、较高、高5类，生成土壤侵蚀脆弱性分级图，利用分级图可以直观地了解区域和大尺度范围的土壤侵蚀脆弱性空间分布格局以及时间变化，并为区域和大尺度范围的水土保持措施合理配置及水土保持规划提供理论和技术支持。
5、本专利技术提供的基于组合赋权法的区域土壤侵蚀脆弱性评价方法，包括：先获取社会经济数据、数据预处理、利用bpnn机器学习网络模型训练、利用fahp对各指标层赋权、组合权重计算，然后根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据、降雨数据确定土壤侵蚀模数。
6、上述方法中，所述数据预处理可以采用以下方法：通过envi软件对下载的遥感影像，做辐射定标、大气校正、影像融合任务；将社会经济数据导入arcgis中，并保存为栅格文件。
7、上述方法中，可以采用以下方法利用bpnn机器学习网络模型训练并获得客观权重：
8、(1)对输入数据的规范化和分类：
9、采用极差标准化方法对指标层的各指标数据进行归一化处理，并将归一化后的数据作为输入数据；然后将输入数据划分为训练数据集、测试数据集和验证数据集；训练数据集在训练过程中呈现给网络，占样本数据的70％；测试数据集不影响训练，并提供训练期间和训练后网络性能的独立测量，这解释了15％的样本数据；验证数据集用于测量网络泛化和泛化停止改善时的停止训练，占样本数据的15％；
10、(2)构建网络并开始训练：
11、将指示层设置为输入神经元的数量，将目标层设置为输出层的数量，并将隐藏层的数量设置为10；通过构建13-10-1的网络结构，基于matlab软件编写的bpnn算法程序，其中初始权重和阈值矩阵是随机生成的，激活函数使用sigmoid函数，学习率为0.1，最大迭代次数为1000，预期误差为0.5×103，性能函数为均方误差；训练数据集向前传播后，如果误差不满足预设精度，则误差将从输出层反向传播到输入层，并通过调整权重和阈值来逐渐减小误差，由此得到各指标层的客观权重v；
12、(3)测试训练的准确性：
13、使用皮尔逊积矩相关系数r值来测量模型网络性能，r值越接近1，表明bpnn网络模型的训练性能越好。
14、上述方法中，可以利用fahp对各指标层赋权采用以下方法：
15、(1)建立模糊互补判断矩阵：
16、采用模糊层次分析法时，先利用某个因素对比其它因素的相对重要性来对2个因素进行重要性的定量判断，将各因素两两进行对比得到模糊判断矩阵a＝(aij)n×n；然后对因素a1,…an进行对比取值，得到以下模糊互补矩阵：
17、式中n代表矩阵的阶数；
18、(2)判断矩阵权重确定：
19、对模糊判断矩阵a按行求和后，进行数学代换：将求得一致性矩阵r＝(rij)m×n，由一致性矩阵r采用行和归一化方法求出排序向量，w＝(w1,w2,…wn)t，其中w向量满足：
20、
21、式中，aij为模糊判断矩阵中的元素，i、j分别表示其行号与列号。
22、由此获得fahp得到的主观权重u。
23、上述方法中，可以采用以下方法检验模糊互补判断矩阵一致性：
24、将所有n阶模糊互补判断矩阵的几何定为gn；设a＝(aij)n×n和b＝(bij)n×n∈gn，用范数表示a、b之间的距离，记作ρ(a,b)＝||a-b||；
25、设a＝(aij)n×n和b＝(bij)n×n均为模糊判断矩阵，称为a与b的相容度；a与b的相容度指标为
26、定义w＝(w1,w2,…wn)t为矩阵a的权重向量，为判断矩阵a的特征矩阵；
27、对于决策者的态度α，当相容性指标i(a,w*)≤α，则认为符合一致性要求；α的取值越小，说明项目决策者对一致性的要求越高，无特殊情况下常取α＝0.1。
28、上述方法中，所述组合权重计算可以采用以下方法：
29、(1)先基于fahp计算出各指标的主观权重，具体过程是：
30、1)基于评价指标体系制作并发放问卷，获取土壤侵蚀与水土保持领域专家的意见，...
【技术保护点】
1.一种基于组合赋权法的区域土壤侵蚀脆弱性评价方法，其特征在于：先基于模糊层次分析法FAHP计算出各指标的主观权重，再依据反向传播神经网络BPNN计算出各指标的客观权重，而后依据组合权重计算公式得到各指标的最终权重。
2.根据权利要求1所述的区域土壤侵蚀脆弱性评价方法，其特征在于：采用修正的通用土壤流失方程RUSLE模型计算研究区的土壤侵蚀量，然后结合具体的评价指标体系及其对应的权重计算出研究区的土壤侵蚀脆弱性值，在ArcGIS中基于自然断点法将土壤侵蚀脆弱性分为低、较低、中度、较高、高5类，生成土壤侵蚀脆弱性分级图，利用分级图可以直观地了解区域和大尺度范围的土壤侵蚀脆弱性空间分布格局及其时间变化特征，并为区域和大尺度范围的水土保持措施合理配置及水土保持规划提供理论和技术支持。
3.根据权利要求1所述的区域土壤侵蚀脆弱性评价方法，其特征在于：先获取社会经济数据、数据预处理、利用BPNN机器学习网络模型训练、利用FAHP对各指标层赋权、组合权重计算，然后根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据和降雨数据确定土壤侵蚀模数。
5.根据权利要求3所述的区域土壤侵蚀脆弱性评价方法，其特征在于，采用以下方法利用BPNN机器学习网络模型训练并获得客观权重：
6.根据权利要求3所述的区域土壤侵蚀脆弱性评价方法，其特征在于，利用FAHP对各指标层赋权采用以下方法：
7.根据权利要求6所述的区域土壤侵蚀脆弱性评价方法，其特征在于，采用以下方法检验模糊互补判断矩阵一致性：
8.根据权利要求3所述的区域土壤侵蚀脆弱性评价方法，其特征在于，评价指标的组合权重计算采用以下方法：
9.根据权利要求8所述的区域土壤侵蚀脆弱性评价方法，其特征在于，采用组合权重C的计算公式：
10.权利要求1-9中任一所述的方法，其特征在于，用于区域土壤侵蚀脆弱性的评价，其步骤包括：
...【技术特征摘要】
1.一种基于组合赋权法的区域土壤侵蚀脆弱性评价方法，其特征在于：先基于模糊层次分析法fahp计算出各指标的主观权重，再依据反向传播神经网络bpnn计算出各指标的客观权重，而后依据组合权重计算公式得到各指标的最终权重。
2.根据权利要求1所述的区域土壤侵蚀脆弱性评价方法，其特征在于：采用修正的通用土壤流失方程rusle模型计算研究区的土壤侵蚀量，然后结合具体的评价指标体系及其对应的权重计算出研究区的土壤侵蚀脆弱性值，在arcgis中基于自然断点法将土壤侵蚀脆弱性分为低、较低、中度、较高、高5类，生成土壤侵蚀脆弱性分级图，利用分级图可以直观地了解区域和大尺度范围的土壤侵蚀脆弱性空间分布格局及其时间变化特征，并为区域和大尺度范围的水土保持措施合理配置及水土保持规划提供理论和技术支持。
3.根据权利要求1所述的区域土壤侵蚀脆弱性评价方法，其特征在于：先获取社会经济数据、数据预处理、利用bpnn机器学习网络模型训练、利用fahp对各指标层赋权、组合权重计算，然后根据数字高程模型数据、归一化植被指数数据、土地利用数据、土壤数据...
【专利技术属性】
技术研发人员：田培，杨严攀，任益伶，陈妍，贾婷惠，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。