陈工
, 李琦, 金玲艳
CHEN Gong, LI Qi, JIN Lingyan
通讯作者:
收稿日期: 2016-09-28
修回日期: 2017-04-14
网络出版日期: 2017-07-10
版权声明: 2017 《地球信息科学学报》编辑部 《地球信息科学学报》编辑部 所有
基金资助:
作者简介:
作者简介：陈 工（1989-）,男,湖北荆门人,博士生,研究方向为遥感、GIS和人工智能。E-mail:gong.chen@pku.edu.cn
展开
摘要
区域作为人类、自然、社会共同作用和互相影响的复杂系统,对区域进行生态量化建模与模拟仿真,是实现区域可持续发展战略的关键。传统机器学习方法对区域生态系统建模取得了一定的成果,但难以确定学习特征和实现时空模拟。深度学习不需事先确定训练特征,具有优异的特征学习能力,能够提高模型预测精度,因此利用深度学习进行建模具有显著优势。本文使用植被净初级生产力（NPP）、气溶胶光学厚度（AOD）和人口格网数据,充分利用深度学习的优点,采用最优深度神经网络时空模拟,得到了河南省2007-2014年3 km分辨率的生态赤字空间分布图和河南省2015-2020年的生态赤字时间预测结果并进行分析,为区域生态的科学管理和建设供科学依据和参考。
关键词：
Abstract
A region is a complex system of human, nature and society. The quantitative modeling and simulation of the ecology of the region are the key to realize the strategy of regional sustainable development. Traditional methods of machine learning have made some achievements in the modeling of regional ecosystems, but it is difficult to determine the learning characteristics and realize the simulation of time and space. Deep learning does not need to determine the training characteristics and has excellent feature learning ability and higher accuracy of model prediction. In this paper, we used the net primary productivity (NPP), aerosol optical thickness (AOD) and population grid data to make full use of the advantages of depth learning. The optimal deep neural network is used to simulate the spatial and temporal patterns of Henan Province. The spatial distribution map of ecological deficit and the forecast of ecological deficit in Henan province from 2015 to 2020 are generated and analyzed. Our work provides relevant basic scientific support and reference for the scientific management and construction of regional ecology.
Keywords：
工业革命以来,资源、环境和经济发展矛盾激化,出现自然资源过度消耗、环境污染、气候变化、生态恶化等问题。1987年,世界环境发展委员会在《我们共同的未来》中第一次提出了可持续发展的概念,可持续发展成为全球各国21世纪的发展主题[1-4]。如何有效地评估人类对自然资源的利用,是实施可持续发展战略的前提和基础;而衡量区域是否实现可持续发展,需要对该地区的发展状态进行定量对比[5-6]。国内外学者开始致力于可持续发展量化方法的研究,寻找能够定量衡量国家或区域发展的可持续性指标[7-8],如“可持续经济福利指标”[9]、“真实发展指标”、“中国可持续发展指标体系”等[10-11]。而具有代表性的生态足迹模型是在可持续发展原则的基础上建立的一种资源利用量化分析方法[12],该方法通过评估人类的生态足迹和生态承载力之间的差距,定量判断区域发展是否在生态环境阈值之内,为评估区域可持续发展供了科学依据。
机器学习可以自动挖掘隐藏在数据中的模式和规律[13]。传统机器学习方法对区域生态系统建模取得了一定的成果[14-18]。2014年金新等[17]基于广义回归神经网络GRNN和BP神经网络模型进行对比,验证了GRNN神经网络模型具有更高的预测精度,进而利用生态足迹影响因素计算了流域的生态足迹。2016年Stocia等[18]应用机器学习方法对多瑙河三角洲生态状况进行评估,进行了水质量的实时模拟。但是传统机器学习需要进行特征提取,受人类知识水平的影响;学习特征确定需要大量时间调节;实现时空模拟困难;在有限样本和计算单元情况下对复杂函数的表示能力有限,针对复杂分类问题其泛化能力受到一定制约[19]。
深度学习是一种与神经网络类似的分层结构,由输入层、隐藏层、输出层构成,同一层节点之间无连接,每一层都可看做一个逻辑回归模型[20]。与传统机器学习不同,深度学习不需要事先确定训练特征,减少了人为设计特征造成的不完备性。深度学习还具有优异的特征学习能力,学习得到的特征对数据有更本质的刻画,在训练上的难度可以通过“逐层初始化”克服。此外,深度学习能够提高模型预测精度,更适合对复杂系统进行建模[21-22]。
目前国内现有基于生态足迹对区域生态管理的应用大部分停留在省级单元的计算[23-30],无法满足区域生态管理需求,需要将研究单元细化。本文打破行政单元的限制,实现对区域生态的空间格网化预测,并首次利用深度学习进行区域生态足迹时空预测。与前期基于区域统计数据的生态赤字计算方法[23-30]不同,本文将易获得、成本低、精度高的遥感数据加入到计算中,不仅从空间上,而且从时间上对河南省生态安全进行了模拟与预测,为区域生态的科学管理和建设供了相关基础科学支撑和参考。
本文选择河南省为研究区域。河南位于中国中东部,是典型的中部平原区域,位于黄河中下游,介于东经110°21′~116°39′、北纬31°23′~36°22′之间（图1）,是中国重要的农业、经济大省。河南在《十三五规划草案》中出,要着力加强生态文明制度,同时推进生态环境大数据建设,实现对生态的监管制度。而实现生态监管的关键在于对区域生态进行量化建模,生态足迹模型可以很好地实现这一点。
2007-2014年河南省生态赤字数据来源于金玲燕论文[40]。采用人口和2种遥感数据：① 5 km人口格网数据,来自于国际综合地球观测数据共享平台（http://www.chinageoss.org）;② 200 m格网的植被净初级生产力（Net Primary Productivity,NPP）数据,来自于地理国情监测云平台（http://dsac.cn）;③ 3 km格网的气溶胶光学厚度（Atmospheric Optical Depth,AOD）,来源于USGS（https: // lpdaac.usgs.gov）。NPP称作净第一生产力,可以作为生态系统碳源/汇和调节生态过程的主要判定因子,在全球变化及碳平衡管理研究中扮演着重要角色,一定程度反应该地区碳汇状态,体现该地区生态承载力程度[31]。很多学者研究AOD和碳排放的关系,得到了较强的相关性[32],因此,AOD一定程度反映人对生态环境排放的碳容量,即碳源。生态足迹模型中,需要对区域总生态足迹进行人均化[18],因此利用NPP、AOD和人口格网数据得到区域人均生态赤字/盈余的空间格网化分布。
不同统计指标的单位以及数值变化差异,直接使用进行建模分析会导致不同变量对模型的权重出现差异。在进行神经网络建模时,数据归一化后可加快训练网络的收敛性。为了方便进行数据建模,首先对数据进行归一化处理,去量纲,将数据统一到[0,1]之间,从而消除量纲以及数值差异性对模型的影响。考虑研究尺度及计算量,将3种数据分辨率统一到与AOD一致,人口和NPP用IDW（反向距离权重）进行重采插值样得到统一3 km格网数据。
Jordan[33]和Elman[34]分别在1986年和1990年提出了循环反馈的神经网络框（Recurrent Neural Network,RNN）,其是一种节点定向连接成环的人工神经网络,可以利用内部的记忆来处理任意时序的输入序列。1997年,Hochreiter和Schimidhuber提出了长短期记忆单元（Long Short-Term Memory,LSTM）对传统RNN模型进行了改进。传统RNN模型展开后层数过多,会导致梯度消失问题,而且使得有效的历史信息受到源源不断新输入数据的影响而无法长时间保存。LSTM重新设计了RNN的记忆模块,具有独特的设计结构,LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件[35]。
深度神经网络（DNN）[36]是一种包含多个隐含层的前馈神经网络,其多层非线性结构具有强大的表达能力。DNN是传统前馈人工神经网络的扩展,具有更多的隐含层数,更强的表达能力。使用浅层网络中常用的参数随机初始化和反向传播（Back-Propagation,BP）算法来训练这种多层结构,很容易使模型陷入局部最优解。DNN的成功得益于近年来提出的一种无监督的生成式预训练算法,该算法使模型获得了更好的初始参数,然后在此基础上,使用有监督训练的方式对模型参数进一步调优[36]。
LSTM和DNN训练时,按深度学习通用方法,训练集、验证集和测试集比例为5:1:1,测试集独立于验证集和训练集。深度学习模型在训练集和 验证集中计算误差分别用训练误差T_LOSS（Training Loss）和交叉验证误差VAL_LOSS（Validation Loss）,T_LOSS和VAL_LOSS用式（1）计算。MSE计算公式如下：
式中：Yt是一个n维向量模型预测值;Y是和Yt对应的观测矢量或者实际矢量。MSE是真实值和预测值的误差平方的均值。
利用模型在测试集计算的结果计算测试精度,如式（2）所示。
式中：Ypre是一个n维向量训练完毕的模型预测值;Yt是Ypre对应的测试集的值。用Acc来表示模型在测试集中的精度。
进行空间预测时,使用的数据为各个县区域的数据均值和各个县区域的生态赤字。其中输入数据为NPP、AOD和人口,时间为2007年到2014年8年的数据。3种输入数据为因变量,生态赤字为自变量。应用得到的最优深度神经网络进行训练和预测,得到了河南省2007-2014年3 km分辨率的生态赤字空间分布图。
利用2007-2014年时间序列数据,训练最优深度神经网络对河南省2016-2020年的生态赤字进行时间预测。使用2007年到2013年7个数据做训练输入,2014年数据作为训练预测结果。模型训练验证后,当达到足够的精度时,利用2008-2014年数据预测2015年数据,2009-2015年数据预测2016年数据,依次预测完2017-2020年数据。
利用LSTM和DNN分别进行模型训练和验证。LSTM初始设置包含2层神经网络,第1层输入、输出维度分别为3和10,第2层输入、输出维度分别10和1,2层神经元数相同为10;DNN初设设置包含3层,第1层神经元10个,输入输出维度分别3、5;第2层输入输出维度5、5（表1中每增加的层为与第2层相同的层）;第3层输入、输出维度为5、1,3层的神经元数都相同。
表1 DNN训练误差和网络层数关系
Tab. 1 Relationship between DNN training error and network layer
| DNN层数 | 3 | 4 | 5 | 6 | 10 | 15 | 20 |
|---|---|---|---|---|---|---|---|
| T_LOSS | 0.050 | 0.0034 | 0.0037 | 0.0034 | 0.0029 | 0.0049 | 0.0038 |
首先,利用LSTM递归神经网络计算。训练精度与神经元数、训练次数关系如表2和图2所示。LSTM训练精度与神经元数关系存在最优值,训练100次后精度达到平稳不再显著提高。
表2 LSTM神经元数和训练误差
Tab. 2 Relationship between LSTM neurons and training errors
| 神经元数 | 1 | 3 | 10 | 30 | 50 | 100 |
|---|---|---|---|---|---|---|
| T_Loss | 0.1325 | 0.1239 | 0.0097 | 0.0298 | 0.0268 | 0.0268 |
| VAL_LOSS | 0.1861 | 0.1821 | 0.1821 | 0.0327 | 0.0265 | 0.0027 |
图2 LSTM训练误差和训练次数关系图
Fig. 2 Relationship between LSTM training error and training frequency
进行DNN的训练时,精度与网络层数、神经元数、训练次数关系如表1、3、图3所示,均为误差先 显著降低后趋于稳定。Validation Loss（交叉验证）有较大噪声,但误差趋势和T_Loss一样,对比LSTM精度,DNN最优精度显著较高,选取DNN进行 预测。
表3 DNN神经元数和训练误差关系
Tab. 3 Relationship between DNN training error and network layer
| 神经元数 | 10 | 20 | 50 | 100 | 200 | 500 |
|---|---|---|---|---|---|---|
| T_LOSS | 0.0248 | 0.0154 | 0.0056 | 0.0034 | 0.0027 | 0.0022 |
图3 DNN训练误差与训练次数关系
Fig. 3 Relationship between training errors and training frequency
利用训练的最优DNN空间预测模型和最优DNN时间预测模型分别进行基于空间和时间数据的测试,利用式（2）计算,精度分别达到98.53%和97.01%,证明模型能够达到较好的精度,可将模型用于河南省生态承载力空间预测和时间序列预测。
应用DNN模型进行空间预测。由于河南生态赤字年变化小,选择第一年2007和生态赤字变化较大图如2013年进行对比,如图4所示。为了更清晰地表达生态赤字和行政中心和边界关系,将两者进行叠加,如图5所示。
图4 应用深度学习进行河南省各年生态赤字空间预测图
Fig. 4 Application of deep learning to the forecast of the ecological deficit of the space in Henan Province
图5 2007年河南省各市生态赤字图 注：点代表市中心或地级市级政府所在地
Fig. 5 The ecological deficit map of cities in Henan Province in 2007
图4中可清晰地观察到河南省生态赤字的空间连续分布,相比以行政市为单元的生态足迹模型计算的生态赤字空间化的结果[40]（图7）,可提供区域生态分布更加详细的空间信息,更加贴近真实的生态状态分布。
图7 以市为单元的河南生态赤字图[
Fig. 7 The ecological deficit map of Henan Province based on the units of cities[
可以看到,河南省中北部地区生态赤字较严重（图4）,相对而言,西南部山区有生态盈余的状态,生态赤字较为严重的是郑州和洛阳两个城市群落（图5）和河南北部地区。城市中心地区都有较高的生态赤字（图5）。对比图4和图6,河南省西北部山区边缘生态赤字较高,对比Google Earth发现该区域土地裸露,大部分被开垦为裸露田地,绿色植被 稀疏。河南省北部处于黄土高原南端,土地生产力弱[37],在图4中显示为生态赤字较高。这也说明预测结果较好地与城市中心区域和河南省地貌吻合。图4（a）和图4（b）对比显示,2013年河南生态指数相对于2007年更加恶劣,原因将在3.3中讨论。
选取预测第一年2015和变化相对较大的2018年,利用训练的DNN模型进行河南省2015-2020年生态赤字预测,预测结果如图8所示。相对于2013年,2018年和2015年生态指数有了一定程度提高。
将每年河南省生态承载力空间预测和时间预测结果按格网求平均,结果如图9所示。将2005年和2013年做差值,2013年和2018年做差值,得到具有空间分布的差值图（图10和图11）。
图9 河南省2007-2020年生态赤字预测图
Fig. 9 Forecast of ecological deficit in Henan Province from 2007 to 2020
图10 河南省2007-2013生态赤字差值图
Fig. 10 Difference of ecological deficit in Henan province from 2007-2013
图11 河南省2013-2018生态赤字差值图
Fig. 11 Difference of ecological deficit in Henan province from 20013-2018
从图8中可得出,各年的生态状况仍然是：生态赤字严重的地方集中在郑州、洛阳的城市群落以及河南省北部和西部区域,河南省南部地区生态指数较高。
河南承载力从2007-2013年逐年降低（图9）,由于人们生活水平不断提高对自然资源消耗增高（生态足迹增加）[38]。2013年到最低值后逐渐提高,原因在于河南省在十二五期间实行了积极的环保政策,投入巨资保护环境[39],并且在2014年生态承载力开始提高[40]。2015-2020年预测结果看,2013年后河南省生态环境在波动中向良好发展的趋势,验证了河南环保政策的有效性。
2007-2013年河南生态指数总体呈现下降（图10）,中西部地区生态指数下降多。下降程度最大的是周口和商丘,源于这两市城镇化加快,经济发展,但相应的生态承载力没有相应提高[40]。2013-2018年河南生态指数总体上升（图11）,信阳市出现下降,源于信阳人口不断增加。商丘市上升较快,由于实行了优化区域布局,加强生态环境建设[44-45]。
本文提出了一种利用深度神经网络对区域进行生态承载力模拟的方法。首次将深度学习应用于生态承载力计算中,对比了DNN和LSTM在模拟中的精度,选取了最优DNN模型进行生态赤字的时空模拟。深度学习中数据无需进行特征提取直接输入深度学习模型中,避免人为干扰,且具有更本质刻画,同时提高精度。
以往生态赤字计算仅能以市县级为单元,且需要大量经济、环境等方面统计数据,周期长、成本高、难精细化[46],本研究利用格网化数据（包括易获得、成本低、精度高的遥感数据）,改变了生态赤字计算的数据源。不仅从空间上,而且从时间上对河南省生态安全进行了模拟与预测,可用于更加精细的生态数据计算和政策模拟[47]、更精细的生态赤字驱动力分析等[48]。为区域生态的科学管理和建设供了相关基础科学支撑和参考。
本方法使用的数据种类有限,一些数据如CO2等能够较好地反应区域生态和经济状况[49],将其加入本模型的计算能够提高计算的合理性和可靠性;本研究所使用的人口格网数据等由IDW计算而来,这种加密方法常存在条带性,与实际情况不符[46],如利用土地覆盖数据进行计算将能更有效、合理地加密人口数据,这将是下一步研究的方向之一。
The authors have declared that no competing interests exist.
| [1] |
Our Common Future[R]. |
| [2] |
全球可持续发展报告:背景、进展与有关建议 [J].https://doi.org/10.3969/j.issn.1002-2104.2014.12.001 URL 摘要
启动“全球可持续发展报告”（GSDR）编写进程是“里约＋20”峰会达成的重要成果之一，受到了国际社会的广泛关注。目前，国际社会已经在报告的总体定位、核心议题、框架结构和编写周期等方面初步达成一致。但在GSDR与SDGs／Post-MDGs的关系、应采用的组织模式以及是否需要相应编写国家可持续发展报告等问题上仍存在较大分歧。本文基于中国视角。对GSDR编写进程提出了若干建议：①报告应定位在“基于科学、面向决策”的评估报告；②以SDGs／Post．MDGs确定的优先领域为核心；③努力研究提出“数目不多、易于量化、具有普适性”的可持续发展综合评估指标体系：④建立全球可持续发展报告国际专家工作组；⑤鼓励各国根据国情编写“国家可持续发展报告”；⑥把可持续发展报告与高级别政治论坛有机结合。文章还就中国如何参与GSDR进程提出了若干建议：①在SDGs／P,3sl—MDGs框架下根据国情研究提出面向2030年的中长期国家可持续发展目标；②围绕实施国家可持续发展目标。启动相应的进展评估工作并定期编写国家可持续发展报告：③组织中国科学家积极参与GSDR编写进程。
Global sustainability report: Background, progress and related proposals [J].https://doi.org/10.3969/j.issn.1002-2104.2014.12.001 URL 摘要
启动“全球可持续发展报告”（GSDR）编写进程是“里约＋20”峰会达成的重要成果之一，受到了国际社会的广泛关注。目前，国际社会已经在报告的总体定位、核心议题、框架结构和编写周期等方面初步达成一致。但在GSDR与SDGs／Post-MDGs的关系、应采用的组织模式以及是否需要相应编写国家可持续发展报告等问题上仍存在较大分歧。本文基于中国视角。对GSDR编写进程提出了若干建议：①报告应定位在“基于科学、面向决策”的评估报告；②以SDGs／Post．MDGs确定的优先领域为核心；③努力研究提出“数目不多、易于量化、具有普适性”的可持续发展综合评估指标体系：④建立全球可持续发展报告国际专家工作组；⑤鼓励各国根据国情编写“国家可持续发展报告”；⑥把可持续发展报告与高级别政治论坛有机结合。文章还就中国如何参与GSDR进程提出了若干建议：①在SDGs／P,3sl—MDGs框架下根据国情研究提出面向2030年的中长期国家可持续发展目标；②围绕实施国家可持续发展目标。启动相应的进展评估工作并定期编写国家可持续发展报告：③组织中国科学家积极参与GSDR编写进程。
|
| [3] |
习近平:生态文明建设是十三五规划重点方向[Z].
Xi J P: Ecological civilization construction is the key direction of the thirteen five planning[Z] .
|
| [4] |
可持续发展研究:进展与趋向 [J].https://doi.org/10.3321/j.issn:1001-8166.1999.06.011 URL [本文引用: 1] 摘要
Sustainable development thought has become the common idea of international community and every country, sustainable development way has become the best development model pursued by every country of the world. Sustainable development research is a transcentury integrated field of multidisciplines. The forming process of sustainable development thinking is retrospected in this paper. Based on the introduction to the concept and viewpoints of sustainable development at home and abroad, the profound connotation of sustainable development thought is analysed. The paper also introduces the theoretical framework of sustainable development and the basic theories of regional sustainable development, sums up the major discipline directions and their characteristics, main contents and their progresses in sustainable development research.
Research on sustainable development: progress and trend [J].https://doi.org/10.3321/j.issn:1001-8166.1999.06.011 URL [本文引用: 1] 摘要
Sustainable development thought has become the common idea of international community and every country, sustainable development way has become the best development model pursued by every country of the world. Sustainable development research is a transcentury integrated field of multidisciplines. The forming process of sustainable development thinking is retrospected in this paper. Based on the introduction to the concept and viewpoints of sustainable development at home and abroad, the profound connotation of sustainable development thought is analysed. The paper also introduces the theoretical framework of sustainable development and the basic theories of regional sustainable development, sums up the major discipline directions and their characteristics, main contents and their progresses in sustainable development research.
|
| [5] |
An index of sustainable economic welfare (ISEW) for Chile [J].https://doi.org/10.1016/S0921-8009(98)00037-8 URL [本文引用: 1] 摘要
Chile has experienced a period of strong economic growth. The Gross Domestic Product (GDP) has doubled in the past 12 years, however, income inequality remains relatively the same as in the 1960s. The economic growth is primarily attributed to the exports of natural resources, which accounts for 80% of total exports. However, the GDP fails to account for the loss of natural capital and non-marketed services. The objective of this paper is to more clearly indicate the status of the Chilean economy in terms of welfare using the Index of Sustainable Economic Welfare (ISEW) designed by Daly and Cobb (1989) . The ISEW provides corrections to the GDP that includes income inequalities, household labor and damage to natural capital. This index has been applied in several case studies for developed countries. In general, the results show that ISEW runs parallel with GDP until the 1970s when a decline in welfare occurs due to a loss in natural capital. This study is the first attempt to utilize the ISEW for the purpose of analyzing whether or not similar trends exist for Chile, a developing country. The ISEW for Chile grew at a much slower annual rate over the past 30 years, compared with GDP (0.16% vs. 2.9%). The Chilean ISEW parallels the GDP until the 1980s; a decline in the ISEW then occurs, showing that Chile is not on a sustainable path and that there is a strong link between economic growth and the depletion of natural resources.
|
| [6] |
Measuring sustainable development: review of current practices[R]. |
| [7] |
生态足迹方法:可持续性定量研究的新方法——以张掖地区1995年的生态足迹计算为例 [J].https://doi.org/10.3321/j.issn:1000-0933.2001.09.013 URL [本文引用: 1] 摘要
生态足迹是一种定量测量人类对自然利用程度的新方法.通过跟踪区域的能源和资源消费,将它们转化为提供这 种物质流所必须的各种生物生产型土地类型的面积,并同区域能提供的生物生产型土地面积进行比较,能定量判断一个区域的发展是否处于生态承载能力的范围内. 介绍了生态足迹的概念及生态足迹计算模型,分析总结了生态足迹模型的优缺点等,在此基础上,对张掖地区1995年的生态足迹进行了实证计算和分析,结果表 明1995年张掖地区人均生态赤字为0.34 hm2.
Ecological tracing method: A new method for quantitative research on sustainability: Taking the ecological footprint of Zhangye prefecture in 1995 as an example [J].https://doi.org/10.3321/j.issn:1000-0933.2001.09.013 URL [本文引用: 1] 摘要
生态足迹是一种定量测量人类对自然利用程度的新方法.通过跟踪区域的能源和资源消费,将它们转化为提供这 种物质流所必须的各种生物生产型土地类型的面积,并同区域能提供的生物生产型土地面积进行比较,能定量判断一个区域的发展是否处于生态承载能力的范围内. 介绍了生态足迹的概念及生态足迹计算模型,分析总结了生态足迹模型的优缺点等,在此基础上,对张掖地区1995年的生态足迹进行了实证计算和分析,结果表 明1995年张掖地区人均生态赤字为0.34 hm2.
|
| [8] |
可持续发展定量研究的几种新方法评介 [J].Evaluation of several new methods for quantitative research on sustainable development [J]. |
| [9] |
An index of sustainable economic welfare (ISEW) for Chile [J].https://doi.org/10.1016/S0921-8009(98)00037-8 URL [本文引用: 1] 摘要
Chile has experienced a period of strong economic growth. The Gross Domestic Product (GDP) has doubled in the past 12 years, however, income inequality remains relatively the same as in the 1960s. The economic growth is primarily attributed to the exports of natural resources, which accounts for 80% of total exports. However, the GDP fails to account for the loss of natural capital and non-marketed services. The objective of this paper is to more clearly indicate the status of the Chilean economy in terms of welfare using the Index of Sustainable Economic Welfare (ISEW) designed by Daly and Cobb (1989) . The ISEW provides corrections to the GDP that includes income inequalities, household labor and damage to natural capital. This index has been applied in several case studies for developed countries. In general, the results show that ISEW runs parallel with GDP until the 1970s when a decline in welfare occurs due to a loss in natural capital. This study is the first attempt to utilize the ISEW for the purpose of analyzing whether or not similar trends exist for Chile, a developing country. The ISEW for Chile grew at a much slower annual rate over the past 30 years, compared with GDP (0.16% vs. 2.9%). The Chilean ISEW parallels the GDP until the 1980s; a decline in the ISEW then occurs, showing that Chile is not on a sustainable path and that there is a strong link between economic growth and the depletion of natural resources.
|
| [10] |
评《1999中国可持续发展战略报告》 [J]. |
| [11] |
区域可持续发展与人地系统协调研究 [J].Study on regional sustainable development and man-land system coordination [J]. |
| [12] |
Commentary on the utility of the ecological footprint concept [J].https://doi.org/10.1016/S0921-8009(99)00151-2 URL [本文引用: 1] 摘要
Short paper fiber (SPF), a by-product of the paper mill industry, was cocomyosted with broiler litter (BL) to determine decomposition rate and NH, loss as functions of C/N ratio and pH of the compost mixes. The SPF generally had a high C/N ratio >200 while the BL, consisting of bedding material (sawdust) and poultry manure, had a low C/N ratio of 10-12. A total of seven series (27 tests) of pilot-scale studies were conducted using two different SPFs mixed with BL. Additives used for pH control were alum (aluminum sulfate), HiClay(R) Alumina and sulfuric acid. Mixing ratios [SPF/(SPF+BL), kg/kg(dry basis)] used were 0.8 to 0.4. Test conditions were C/N of 17 to 49, pH of 6.6 to 8.3, initial temperatures of -1 to 22 degrees C, composting temperature of 60 degrees C. water content of 50-55% w.b. and remixing two times per week. Composting temperature was controlled using forced ventilation with a high/low fan setting. Composting trials lasted two weeks. Ammonia loss, O-2, CO2, compost temperatures and dry solids loss were measured. Evaluations of ammonia emissions versus initial C/N and pH showed: (1) NH3-N loss decreased as initial C/N increased, even above C/N = 38; (2) NH3-N loss decreased rapidly below pH = 7 and increased rapidly for initial pH above 8. Addition of alum and/or sulfuric acid was found to decrease NH3-N loss while HiClay(R) Alumina had little or no effect. Results on dry solids loss are not presented in this article.
|
| [13] |
深度学习研究与进展 [J].Study and progress of deep learning [J]. |
| [14] |
基于遗传神经网络的成都市人均生态足迹预测 [J].Prediction of per capita ecological footprint of Chengdu based on genetic neural network [J]. |
| [15] |
基于径向基函数神经网络方法的城市生态压力预测 [J].https://doi.org/10.11849/zrzyxb.2013.02.014 URL 摘要
针对城市生态压力影响因素复杂，难以对城市未来可持续发展状况做出准确判断的问题，提出了城市生态压力的径向基函数神经网络预测模型，分析了影响城市生态系统的主要因素。以抚顺市1995--2009年数据为基础，验证了模型的准确性并预测了该市2010--2015年城市生态系统的压力情况。研究结果表明：能源消耗指标是影响城市生态系统压力的主要因素；运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97．91％和94．16％；抚顺市2015年的人均生态足迹、生态承载力和生态赤字分别达到7．013、0．523和6．49hm2／人。
State prediction of urban ecological pressure based on radial basis function neural network [J].https://doi.org/10.11849/zrzyxb.2013.02.014 URL 摘要
针对城市生态压力影响因素复杂，难以对城市未来可持续发展状况做出准确判断的问题，提出了城市生态压力的径向基函数神经网络预测模型，分析了影响城市生态系统的主要因素。以抚顺市1995--2009年数据为基础，验证了模型的准确性并预测了该市2010--2015年城市生态系统的压力情况。研究结果表明：能源消耗指标是影响城市生态系统压力的主要因素；运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97．91％和94．16％；抚顺市2015年的人均生态足迹、生态承载力和生态赤字分别达到7．013、0．523和6．49hm2／人。
|
| [16] |
基于GIS-BP神经网络的生态地质环境敏感性评价——以千山景区及周边为例 [J].Assessment of the sensitivity of eco-geological environment based on GIS-BP neural network - Taking Qianshan scenic area and surrounding area as an example [J]. |
| [17] |
基于GRNN神经网络的生态足迹影响因素预测 [J].Study on influencing factors of ecological footprint based on GRNN neural network [J]. |
| [18] |
Water quality of Danube Delta systems: ecological status and prediction using machine-learning algorithms [J].https://doi.org/10.2166/wst.2016.097 URL PMID: 27191562 [本文引用: 3] 摘要
Abstract Environmental issues have a worldwide impact on water bodies, including the Danube Delta, the largest European wetland. The Water Framework Directive (2000/60/EC) implementation operates toward solving environmental issues from European and national level. As a consequence, the water quality and the biocenosis structure was altered, especially the composition of the macro invertebrate community which is closely related to habitat and substrate heterogeneity. This study aims to assess the ecological status of Southern Branch of the Danube Delta, Saint Gheorghe, using benthic fauna and a computational method as an alternative for monitoring the water quality in real time. The analysis of spatial and temporal variability of unicriterial and multicriterial indices were used to assess the current status of aquatic systems. In addition, chemical status was characterized. Coliform bacteria and several chemical parameters were used to feed machine-learning (ML) algorithms to simulate a real-time classification method. Overall, the assessment of the water bodies indicated a moderate ecological status based on the biological quality elements or a good ecological status based on chemical and ML algorithms criteria.
|
| [19] |
浅谈深度学习 [J].Talk about deep learning [J]. |
| [20] |
深度学习研究综述 [J].Review of deep learn [J] . |
| [21] |
Gradient-based learning applied to document recognition [C]. |
| [22] |
A survey on deep learning: one small step toward AI [R]. . |
| [23] |
基于BP神经网络的湖北省生态足迹拟合与预测研究 [J].
本文通过 BDS检验发现湖北省人均生态足迹序列存在非线性结构，进而通过构建“3‐6‐1”结构的BP神经网络对其进行拟合和预测，结果表明：所构建的网络能够很好地拟合人均生态足迹的走势，具有较好的预测性。用训练好的网络对湖北省2012～2016年人均生态足迹进行预测，结果显示：未来几年湖北省人均生态足迹将呈逐年增长的态势，其增长速度先升后降，即随着经济社会的发展，湖北省的生态环境呈逐年恶化趋势。政府应未雨绸缪，及早采取措施保护生态环境，以保证政策效果的及时发挥。
Study on ecological footprint fitting and prediction of Hubei province based on BP Neural Network [J].
本文通过 BDS检验发现湖北省人均生态足迹序列存在非线性结构，进而通过构建“3‐6‐1”结构的BP神经网络对其进行拟合和预测，结果表明：所构建的网络能够很好地拟合人均生态足迹的走势，具有较好的预测性。用训练好的网络对湖北省2012～2016年人均生态足迹进行预测，结果显示：未来几年湖北省人均生态足迹将呈逐年增长的态势，其增长速度先升后降，即随着经济社会的发展，湖北省的生态环境呈逐年恶化趋势。政府应未雨绸缪，及早采取措施保护生态环境，以保证政策效果的及时发挥。
|
| [24] |
基于灰色模型的长沙市生态足迹与生态承载力预测分析 [J].URL 摘要
生态足迹方法是分析区域可持续发展状况的重要方法。基于生态足迹模型对长沙市1996—2008年的生态足迹进行计算,并利用灰色模型对其发展趋势进行了预测分析。结果表明：在1996—2008年,长沙市人均生态足迹由1.232 6hm^2增加到1.872 2hm^2;同期人均可利用生态承载力由0.391 8hm2逐年下降到0.355 0hm^2,人均生态赤字由1996年的0.840 8hm^2增加到2008年的1.517 2hm^2,呈增长趋势。同时根据预测出的研究区域2011—2020年的人均生态足迹和人均可利用生态承载力,得到2020年研究区域人均生态赤字将增加到2.736 3hm^2,表明当前长沙市处于一种不可持续的发展状态,区域超负荷的生态状态呼吁当地政府部门积极采取有效措施,发展生态经济,建设生态文明,以真正实现资源环境与区域经济的协调发展。
Prediction analysis of ecological footprint and ecological carrying capacity of Changsha city based on gray model [J].URL 摘要
生态足迹方法是分析区域可持续发展状况的重要方法。基于生态足迹模型对长沙市1996—2008年的生态足迹进行计算,并利用灰色模型对其发展趋势进行了预测分析。结果表明：在1996—2008年,长沙市人均生态足迹由1.232 6hm^2增加到1.872 2hm^2;同期人均可利用生态承载力由0.391 8hm2逐年下降到0.355 0hm^2,人均生态赤字由1996年的0.840 8hm^2增加到2008年的1.517 2hm^2,呈增长趋势。同时根据预测出的研究区域2011—2020年的人均生态足迹和人均可利用生态承载力,得到2020年研究区域人均生态赤字将增加到2.736 3hm^2,表明当前长沙市处于一种不可持续的发展状态,区域超负荷的生态状态呼吁当地政府部门积极采取有效措施,发展生态经济,建设生态文明,以真正实现资源环境与区域经济的协调发展。
|
| [25] |
生态足迹与生态承载力非线性动力学分析 [J].https://doi.org/10.3321/j.issn:1000-0933.2006.11.038 URL 摘要
考虑到进出口贸易对区域(国家)生态足迹和生态承载力产生的重要 影响,基于生态足迹模型理论建立了生态足迹、生态承载力和对外贸易三者之间的非线性动力学模型.研究结果表明:(1)区域平衡态的生态足迹和生态承载力成 线性关系,在某种程度上与Mathis Wackernagel的论证相吻合;(2)区域最大生态承载力增大将导致平衡态的生态足迹和生态承载力增大,通过保护环境、控制建设用地、加强土地整理 等增加各类生态生产性土地面积(耕地、牧草地、林地、水域等),通过科技、资金投入、管理等提高地方单产,不仅能提高生态承载力,还直接关系到生态足迹的 大小;(3)一个区域或国家要实现人口、经济、资源的可持续发展,必须确保区域单位贸易的生态足迹大于其最大生态承载力与最大生态足迹的比值.尽量多进口 自然资源性的初级生物产品,少进口高附加值的技术性产品和"奢侈性"消费品(如小汽车);出口自然资源性的初级生物产品,实际上是在出口生态承载力,应多 出口人力资源、科技、管理、教育等隐形的社会资源.4)进一步揭示了贸易结构合理、自主创新对区域可持续发展的重要性.
Nonlinear dynamics analysis of ecological footprint and ecological carrying capacity [J].https://doi.org/10.3321/j.issn:1000-0933.2006.11.038 URL 摘要
考虑到进出口贸易对区域(国家)生态足迹和生态承载力产生的重要 影响,基于生态足迹模型理论建立了生态足迹、生态承载力和对外贸易三者之间的非线性动力学模型.研究结果表明:(1)区域平衡态的生态足迹和生态承载力成 线性关系,在某种程度上与Mathis Wackernagel的论证相吻合;(2)区域最大生态承载力增大将导致平衡态的生态足迹和生态承载力增大,通过保护环境、控制建设用地、加强土地整理 等增加各类生态生产性土地面积(耕地、牧草地、林地、水域等),通过科技、资金投入、管理等提高地方单产,不仅能提高生态承载力,还直接关系到生态足迹的 大小;(3)一个区域或国家要实现人口、经济、资源的可持续发展,必须确保区域单位贸易的生态足迹大于其最大生态承载力与最大生态足迹的比值.尽量多进口 自然资源性的初级生物产品,少进口高附加值的技术性产品和"奢侈性"消费品(如小汽车);出口自然资源性的初级生物产品,实际上是在出口生态承载力,应多 出口人力资源、科技、管理、教育等隐形的社会资源.4)进一步揭示了贸易结构合理、自主创新对区域可持续发展的重要性.
|
| [26] |
基于遗传神经网络的成都市人均生态足迹预测 [J].
Prediction of per capita ecological footprint in Chengdu based on genetic neural network [J].
|
| [27] |
基于径向基函数神经网络方法的城市生态压力预测 [J].https://doi.org/10.11849/zrzyxb.2013.02.014 URL 摘要
针对城市生态压力影响因素复杂，难以对城市未来可持续发展状况做出准确判断的问题，提出了城市生态压力的径向基函数神经网络预测模型，分析了影响城市生态系统的主要因素。以抚顺市1995--2009年数据为基础，验证了模型的准确性并预测了该市2010--2015年城市生态系统的压力情况。研究结果表明：能源消耗指标是影响城市生态系统压力的主要因素；运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97．91％和94．16％；抚顺市2015年的人均生态足迹、生态承载力和生态赤字分别达到7．013、0．523和6．49hm2／人。
State prediction of urban ecological pressure based on radial basis function neural network [J].https://doi.org/10.11849/zrzyxb.2013.02.014 URL 摘要
针对城市生态压力影响因素复杂，难以对城市未来可持续发展状况做出准确判断的问题，提出了城市生态压力的径向基函数神经网络预测模型，分析了影响城市生态系统的主要因素。以抚顺市1995--2009年数据为基础，验证了模型的准确性并预测了该市2010--2015年城市生态系统的压力情况。研究结果表明：能源消耗指标是影响城市生态系统压力的主要因素；运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97．91％和94．16％；抚顺市2015年的人均生态足迹、生态承载力和生态赤字分别达到7．013、0．523和6．49hm2／人。
|
| [28] |
基于GIS-BP神经网络的生态地质环境敏感性评价——以千山景区及周边为例 [J].Based on GIS-BP neural network of ecological geological environment sensitivity evaluation - to Qianshan scenic area and the surrounding as an example [J]. |
| [29] |
基于GRNN神经网络的生态足迹影响因素预测 [J].
Study on influencing factors of ecological footprint based on GRNN neural network [J].
|
| [30] |
生态足迹预测模型优选——以武汉市为例 [J].Ecological footprint forecasting model optimization - taking Wuhan city as an example [J]. |
| [31] |
植被净初级生产力模型研究 [J].Study on net primary productivity model of vegetation [J]. |
| [32] |
Aerosol optical depth, aerosol composition and air pollution during summer and winter conditions in Budapest [J].https://doi.org/10.1016/j.scitotenv.2007.04.037 URL PMID: 17570465 [本文引用: 1] 摘要
The dependence of aerosol optical depth (AOD) on air particulate concentrations in the mixing layer height (MLH) was studied in Budapest in July 2003 and January 2004. During the campaigns gaseous (CO, SO 2, NO x, O 3), solid components (PM 2.5, PM 10), as well as ionic species (ammonium, sulfate and nitrate) were measured at several urban and suburban sites. Additional data were collected from the Budapest air quality monitoring network. AOD was measured by a ground-based sun photometer. The mixing layer height and other common meteorological parameters were recorded. A linear relationship was found between the AOD and the columnar aerosol burden; the best linear fit ( R 2 = 0.96) was obtained for the secondary sulfate aerosol due to its mostly homogeneous spatial distribution and its optically active size range. The linear relationship is less pronounced for the PM 2.5 and PM 10 fractions since local emissions are very heterogeneous in time and space. The results indicate the importance of the mixing layer height in determining pollutant concentrations. During the winter campaign, when the boundary layer decreases to levels in between the altitudes of the sampling stations, measured concentrations showed significant differences due to different local sources and long-range transport. In the MLH time series unexpected nocturnal peaks were observed. The nocturnal increase of the MLH coincided with decreasing concentrations of all pollutants except for ozone; the ozone concentration increase indicates nocturnal vertical mixing between different air layers.
|
| [33] |
Serial order: a parallel distributed processing approach [J].
Human behavior shows a variety of serially ordered action sequences. This paper presents a theory of serial order which describes how sequences of actions might be learned and performed. In this theory, parallel interactions across time (coarticulation) and parallel interactions across space (dual-task interference) are viewed as two aspects of a common underlying process. It describes a dynamical system which is embodied as a "parallel distributed processing" or "connectionist" network. The trajectories of this dynamical system come to follow desired paths corresponding to particular action sequences as a result of a learning process during which constraints are imposed on the system. These constraints enforce sequentiality where necessary, and as they are relaxed, performance becomes more parallel. The theory is applied to the problem of coarticulation in speech production and simulation experiments are presented. (Author/JAZ)
|
| [34] |
Finding structure in time [J]. |
| [35] |
Long short-term memory [J]. |
| [36] |
基于深度神经网络和Bottleneck 特征的说话人识别系统 [J].
近来,一种结合语音识别中深度神经网络(deep neural networks,DNN)模型和说话人识别中身份认证矢量(identity vector,i-vector)模型的方法被证明对说话人识别十分有效。该模型在提取充分统计量的过程中,利用基于音素状态标签的DNN模型代替原i-vector模型中的通用背景模型(universal background model,UBM)来计算每帧对各个类别的后验概率,然后通过结合这些后验概率和短时频谱特征提取得到充分统计量以完成i-vector模型训练和特征映射。为了进一步提升系统性能,本文提出使用基于说话人标签的DNN模型提取Bottleneck特征代替该模型中的短时频谱特征来计算充分统计量,从而使统计量中包含更多有利于说话人识别的信息。在美国国家标准技术局说话人识别库2008年度女性电话对电话英语测试任务上进行的实验证明了该方法的有效性。相比于原来的短时频谱特征,基于Bottleneck特征的说话人识别系统性能在等错误率和最小检测代价上相对提升了7.65%和5.71%。
Speaker recognition system based on depth neural network and bottleneck feature [J].
近来,一种结合语音识别中深度神经网络(deep neural networks,DNN)模型和说话人识别中身份认证矢量(identity vector,i-vector)模型的方法被证明对说话人识别十分有效。该模型在提取充分统计量的过程中,利用基于音素状态标签的DNN模型代替原i-vector模型中的通用背景模型(universal background model,UBM)来计算每帧对各个类别的后验概率,然后通过结合这些后验概率和短时频谱特征提取得到充分统计量以完成i-vector模型训练和特征映射。为了进一步提升系统性能,本文提出使用基于说话人标签的DNN模型提取Bottleneck特征代替该模型中的短时频谱特征来计算充分统计量,从而使统计量中包含更多有利于说话人识别的信息。在美国国家标准技术局说话人识别库2008年度女性电话对电话英语测试任务上进行的实验证明了该方法的有效性。相比于原来的短时频谱特征,基于Bottleneck特征的说话人识别系统性能在等错误率和最小检测代价上相对提升了7.65%和5.71%。
|
| [37] |
关于黄土高原范围问题 [J].
黄土高原是我国一个特殊的地理单元!也是水土流失最严重的地区。由于各学科着眼点不同,对 黄土高原的范围划分各异。作者荟萃了以自然地理单元、地貌单元和水土保持单元而划分黄土高原的观 点及其四周界线,提出了黄土高原和黄土高原地区两种概念。
On the range of the Loess Plateau [J].
黄土高原是我国一个特殊的地理单元!也是水土流失最严重的地区。由于各学科着眼点不同,对 黄土高原的范围划分各异。作者荟萃了以自然地理单元、地貌单元和水土保持单元而划分黄土高原的观 点及其四周界线,提出了黄土高原和黄土高原地区两种概念。
|
| [38] |
河南省生态足迹变化及其影响因素研究[D] .Henan Province ecological footprint changes and its influencing factors[D]. |
| [39] |
河南“十二五”投入巨资保护环境 [J].Henan "12th Five-Year" invested heavily in the protection of the environment [J]. |
| [40] |
基于CyberGIS_R的区域生态建模与时空预测研究[D] .Study on regional ecological modeling and spatio-temporal prediction based on CyberGIS_R [D]. |
| [41] |
商丘市城市总体规划说明书(2005-2020)[R] .
Shangqiu City Master Plan Manual (2005-2020)[R].
|
| [42] |
2009年周口市人民政府工作报告[R] .
2009 Zhoukou City People's Government Work Report [R].
|
| [43] |
“十二五”时期河南人口发展报告[R] .
"12th Five-Year" period Henan population development report [R] .
|
| [44] |
商丘城乡总体规划(2015-2030)[R] .Shangqiu urban and rural master plan (2015-2030)[R]. |
| [45] |
2014年商丘市政府工作报告[R] .2014 Shangqiu municipal government work report [R]. |
| [46] |
基于格网的南昌市土地生态承载力评价[D] .Grid-based evaluation of land ecological carrying capacity in Nanchang [J]. |
| [47] |
基于多Agent的生态复杂适应系统建模和仿真 [J].Modeling and simulation of ecological complex adaptive system based on multi-Agent [J]. |
| [48] |
河南省2000-2007年人均生态足迹动态变化及其驱动力分析 [J].Dynamic change of per capita ecological footprint and its driving force analysis in Henan Province from 2000 to 2007 [J]. |
| [49] |
河北省贸易隐含二氧化碳排放及其影响因素研究 [J].https://doi.org/10.12006/j.issn.1673-1719.2016.126 URL [本文引用: 1] 摘要
针对全球气候变化而引发国家间减排责任的争吵，需要各国从生产和消费的角度来认识二氧化碳排放，国家内部区域之间减排责任的分担也应该从生产和消费两个角度加以认识。为此，本文利用投入产出分析方法和EEBT（双边贸易隐含排放）核算方法核算河北省的二氧化碳排放，发现河北省生产型二氧化碳排放远大于其消费型二氧化碳排放，其中国内流出/流入引发的二氧化碳排放量较大。在利用SDA（结构分解分析法）分析影响贸易隐含二氧化碳排放变化因素时，发现行业二氧化碳排放强度变化对隐含二氧化碳排放具有积极影响，而国民经济行业之间技术经济关系的变化对隐含二氧化碳排放具有消极影响。因此，河北省在利用技术手段降低行业二氧化碳排放强度的同时，还要筛选关键性部门加以重点管理。同时，河北省贸易隐含二氧化碳排放及其影响因素变化对国家制定区域减排责任也有较强参考价值。
Study on implied carbon dioxide emissions and its influencing factors in Hebei province [J].https://doi.org/10.12006/j.issn.1673-1719.2016.126 URL [本文引用: 1] 摘要
针对全球气候变化而引发国家间减排责任的争吵，需要各国从生产和消费的角度来认识二氧化碳排放，国家内部区域之间减排责任的分担也应该从生产和消费两个角度加以认识。为此，本文利用投入产出分析方法和EEBT（双边贸易隐含排放）核算方法核算河北省的二氧化碳排放，发现河北省生产型二氧化碳排放远大于其消费型二氧化碳排放，其中国内流出/流入引发的二氧化碳排放量较大。在利用SDA（结构分解分析法）分析影响贸易隐含二氧化碳排放变化因素时，发现行业二氧化碳排放强度变化对隐含二氧化碳排放具有积极影响，而国民经济行业之间技术经济关系的变化对隐含二氧化碳排放具有消极影响。因此，河北省在利用技术手段降低行业二氧化碳排放强度的同时，还要筛选关键性部门加以重点管理。同时，河北省贸易隐含二氧化碳排放及其影响因素变化对国家制定区域减排责任也有较强参考价值。
|
/
| 〈 |
|
〉 |
