第六讲 基于GIS的土地适宜性评价.docx
- 文档编号:5098636
- 上传时间:2022-12-13
- 格式:DOCX
- 页数:15
- 大小:493.10KB
第六讲 基于GIS的土地适宜性评价.docx
《第六讲 基于GIS的土地适宜性评价.docx》由会员分享,可在线阅读,更多相关《第六讲 基于GIS的土地适宜性评价.docx(15页珍藏版)》请在冰豆网上搜索。
第六讲基于GIS的土地适宜性评价
第六讲基于GIS的土地适宜性评价
一定义
土地适宜性评价(appraisaloflandsuitability):
将土地按照其对于农、林、牧各业的适宜性及其自然生产潜力水平的异同性,予以适宜性分类,为特定的土地用途预估土地的潜力。
土地适宜性评价就是评定土地对于某种用途是否适宜以及适宜的程度,它是进行土地利用决策,科学地编制土地利用规划的基本依据
土地适宜性评价是通过对土地的自然、经济属性的综合鉴定,阐明土地属性所具有的生产潜力,以及对农、林、牧、渔等各业的适宜性、限制性及其程度差异的评定。
土地适宜性评价是根据土地的自然和社会经济属性,研究土地对预定用途的适宜与否、适宜程度及其限制状况。
根据评价的预定用途不同,适宜性评价可分为土地的农业适宜性评价和土地的城市适宜性评价,通过评价阐明区域土地适宜于农、果、林、水产养殖等各业生产以及适宜于城市建设的土地资源及利用不合理的土地资源的数量、质量及其分布,从而为区域土地利用结构和布局的调整、土地利用规划分区等提供科学依据。
因此,土地适宜性评价是土地利用的基础评价。
土地适宜性评价是针对某种特定的用途而对区域土地资源质量的综合评定。
为了保证评价结果的科学性、正确性和实用性,就必须掌握一定的基本原理,遵循一定的评价原则。
土地适宜性评价的基本原理是:
在现有的生产力经营水平和特定的土地利用方式条件下,以土地的自然要素和社会经济要素相结合作为鉴定指标,通过考察和综合分析土地对各种用途的适宜程度、质量高低及其限制状况等,从而对土地的用途和质量进行分类定级。
二、土地适宜性评价的原则
1针对性原则
土地适宜性评价针对某种土地用途才有意义。
2比较原则
第一,土地用途对土地的要求和土地质量的比较;第二,不同土地利用方式的比较。
3连续利用原则
4因地制宜原则
5综合性原则
三、评价的工作程序
土地适宜性评价是一项技术性、综合性很强的工作,涉及多个学科,评价过程较为复杂。
一般而言,土地适宜性评价可分为室内准备及资料收集、适宜性评价、成果整理三个阶段,具体进行土地适宜性评价的步骤如下:
(1)明确评价目的
(2)组织技术力量及准备评价用品
(3)评价对象的选择
(4)资料的收集
(5)评价因素的选择
(6)评价因子极限指标的确定与指标分级
(7)评价因子图的制作
(8)评价单元的划分
(9)评价因素权重的确定
(10)土地适宜类的确定
(11)土地适宜等的确定
(12)土地限制型的确定
(13)评价结果的核对
(14)面积量算、平差与统计
(15)土地适宜性评价的制作
(16)评价成果的分析与评述
四案例分析
案例:
湖北省农地适宜性评价
(一)明确目标
耕地是土地的精华,是人类社会赖以生存和发展的基础资源。
耕地适宜性评价是评定土地用于农作物种植的适宜性程度的过程。
自联合国粮农组织(FAO)公布《土地评价纲要》以及其他的有关耕地适宜性评价指南以来,人们对耕地适宜性评价日趋重视,有关评价的理论和方法也不断完善。
有学者对耕地进行过适宜性评价或耕地地力评价。
(二)选取参评因子,构建指标体系
参评因子:
自然因子:
坡度、土层厚度、高程、排灌条件、降水、积温、土壤质地(土层厚度、土壤养分)
社会经济因子:
人口、GDP、交通便利程度、离市场的远近
指标体系:
表1农地适宜性指标体系
指标类
评价指标
指标描述
自然条件
年降水量
年均气温
高程
地貌类型
土壤含磷量
土壤含氮量
坡度
排灌条件
社会经济条件
人口
GDP
离城镇的远近
需要准备哪些数据?
年降水、年均气温、高程、地貌类型、soil_p、soil_n、离水系的远近、人口、GDP、离城镇的远近。
(三)确定评价单元,数据预处理
1矢量数据?
栅格数据?
如何选择?
2数据预处理
坡度的生成
离水系的距离生成
离城镇远近距离的生成
(四)确定各评价单元各指标分值(指标分值的标准化)
(五)确定各指标权重(AHP方法)
1.何谓AHP呢?
层次分析法((AnalyticalHierarchyProcess,简称AHP)是个很有趣又很有用的东西,它提供一个有效的方法去进行复杂的决策,无论在一般生活、商业或学术研究上,都有很精采的应用。
例如:
●软件开发管理之应用
----在微软的MSDN文件里,其利用AHP方法来评析与比较3个信息系统的质量,以决定那一个系统的质量最好
●一般生活上之应用
----例如本章所举的例子,想找一个理想的工作,其所谓理想的评选标准有三:
钱多、事少、离家近。
那么就可以利用AHP方法来从多个工作机会中评选出一个比较合乎理想的工作了。
●商业上之应用
----例如全球性运输公司利用AHP方法评选最佳转运港口。
简而言之,AHP是将复杂的决策情境切分为数个小部份,再将这些部分组织成为一个树状的层次结构。
然后,对每一个部份的相对重要性给予权数值,然后进行分析出各个部份优先权。
对决策者而言,以层次结构去组织有关替代方案(alternative)的评选条件或标准(criteria)、权数(weight)和分析(analysis),非常有助于对事物的了解。
此外,AHP可协助捕捉主观和客观的评估测度,检验评估的一致性,以及团队所建议的替代方案,减少团队决策之失误,如失焦、无计划、无参予等。
AHP将整个问题细分为多个较不重要的评估,但还维持整体的决策。
AHP方法是由ThomasL.Saaty教授所研究发展出来的,其适合多评选标准(Multi-Criteria)的复杂决策。
目前市面上有许多软件工具可用,包括最著名的ExpertChoice软件系统,以及免费网络上AHP软件或服务,可下载Java版本的AHP系统。
2.AHP的分析步骤
AHP分析包含4个步骤:
Step-1.分解(Decomposing)
将整个问题分解为多个小问题。
例如,整个问题是:
想找一个理想的工作。
各项工作都有三个属性(attribute),因而将理想分为三个评选条件:
「钱多、事少、离家近」。
Step-2.加权(Weighing)
赋予三个评选条件的权数,例如:
钱多(0.643)、事少(0.283)、离家近(0.074)。
其表示主观上认定「钱多」比其它两项重要。
如图12-1所示。
从图中可看出,相对上Job-2对「离家近」的贡献度高于Job-1;但是在决策者心目中「离家近」的相对权数只有0.074而已,意味着决策者并不太在意「离家近」这项条件。
图1问题之分解与加权
Step-3.评估(Evaluating)
针对Job-1
Job-1对「钱多」的贡献度为0.2,而「钱多」对总目标(即「理想」)的贡献度为0.643,所以Job-1透过「钱多」对总目标的贡献度为:
0.2*0.643=0.129。
Job-1对「事少」的贡献度为0.875,而「事少」对总目标(即「理想」)的贡献度为0.283,所以Job-1透过「事少」对总目标的贡献度为:
0.875*0.283=0.248。
Job-1对「离家近」的贡献度为0.111,而「离家近」对总目标(即「理想」)的贡献度为0.074,所以Job-1透过「离家近」对总目标的贡献度为:
0.111*0.074=0.008。
于是可算出Job-1所表现的理想度为:
0.129+0.248+0.008=0.385。
针对Job-2
依据同样的程序,可算出Job-2的情形:
●Job-2透过「钱多」对总目标的贡献度为:
0.8*0.643=0.514。
●Job-2透过「事少」对总目标的贡献度为:
0.125*0.283=0.035。
●Job-2透过「离家近」对总目标的贡献度为:
0.889*0.074=0.066。
于是可算出Job-2所表现的理想度为:
0.514+0.035+0.066=0.615。
Step-4.选择(Selecting)
从上述Step-3分析出:
●Job-1的理想度为0.385。
●Job-2的理想度为0.615。
所以建议:
Job-2是较好的选择。
3.如何得到权数値?
----采「成对相比」法
3.1成对相比
从上图12-1里,可看出钱多、事少、离家近三者的权数比为:
0.15:
0.5:
0.35。
有时候,并不容易得到这个权数值,此时可以两两成对相比,会比较简单。
例如,下图里只有两个Job相比,每个人都很容易说出两个Job的比较值。
下图的三角形偏向Job-2,从其偏移的比例推算出其权数为02:
0.8。
以此类推,从下图的三个三角形的两两比较之偏移比例,可以联合推算出其权数比Wx:
Wy:
Wz。
所以,在AHP方法里,通常都输入x:
y、x:
z和y:
z之比值,如下:
然后,经由下一小节(12.3.2)所将叙述的计算步骤而演算出Wx、Wy和Wz之权数值,如下:
总而言之,人们经常不容易说出Wx:
Wy:
Wz三者之间的比値,但是比较容易说出两两相比的x:
y、y:
z和x:
z之比値。
在AHP方法里,通常使用下图里的刻度表来叙述人们心中的相对权重。
例如,此刻度代表偏好程度,3:
1表示对「钱多」稍有偏好,也就是说,选择工作时,钱多一点比较重要,事少并非最主要的考虑。
于是就填入表格中,如下图:
由于比値为3:
1,表示钱多与事少两者相比,钱多稍为重要一些,但差距并没有很大。
再如下图:
此图的比値为5:
1,表示对对「事少」的偏好程度是「很有偏好」。
就填入表格中,如下:
再如下图:
此图的比値是7:
1,这表示对「钱多」很有偏好。
就填入表格中,如下:
这就是两两成对相比的矩阵了。
待会儿,在下一小节里,将说明如何从此矩阵而演算出Wx、Wy和Wz之权数值。
3.2从「成对比值」算出「权数値」
基于上一小节的矩阵而演算出Wx、Wy和Wz权数值的计算步骤为:
Step-1:
计算各行的总和:
Step-2:
各个值除以该行的总和:
Step-3:
计算各列的平均值:
钱多:
(21/31+5/7+7/13)/3=0.643
事少:
(7/31+5/21+5/13)/3=0.283
离家近:
(3/31+1/21+1/13)/3=0.074
这些平均值,通称为优先向量(PriorityVector),简称PV值:
Step-4:
于是计算出Level-1的权数值:
Step-5:
开始演算Level-2的「钱多」权数值:
此图的比値为1:
4,其表示Job-2对钱多的贡献「稍强」于Job-1。
就填入表格中,如下:
依据刚才的Step-1~Step-3,而进行演算:
1)计算各行的总和。
2)各个值除以该行的总和。
3)计算各列的平均值。
于是,计算出权数(即PV值)如下:
Step-6:
开始演算Level-2的「事少」权数值:
此图的比値为7:
1,表示Job-1对事少的贡献「非常强」于Job-2。
就填入表格中,如下:
依据刚才的Step-1~Step-3,而进行演算:
计算各行的总和,并且各个值除以该行的总和,然后计算各列的平均值。
于是,计算出PV值如下:
Step-7:
开始演算Level-2的「离家近」权数值:
此图的比値为1:
8,表示Job-2对离家近的相对贡献强度是介于「非常强」与「极强」之间。
就填入表格中,如下:
依据刚才的Step-1~Step-3,而进行演算:
计算各行的总和,并且各个值除以该行的总和,然后计算各列的平均值。
于是,计算出PV值如下:
于是计算出Level-2的权数值:
图2基于「成对相比」矩阵而演算出来的权数值(即PV值)
此图与前面的图1是一致的。
Step-8:
开始进行评估:
Job-1对「钱多」的贡献度为0.2,而「钱多」对总目标(即「理想」)的贡献度为0.643,所以Job-1透过「钱多」对总目标的贡献度为:
0.2*0.643=0.129。
Job-1对「事少」的贡献度为0.875,而「事少」对总目标(即「理想」)的贡献度为0.283,所以Job-1透过「事少」对总目标的贡献度为:
0.875*0.283=0.248。
Job-1对「离家近」的贡献度为0.111,而「离家近」对总目标(即「理想」)的贡献度为0.074,所以Job-1透过「离家近」对总目标的贡献度为:
0.111*0.074=0.008。
于是可算出:
Job-1所表现的理想度为:
0.129+0.248+0.008=0.385。
依据同样的程序,可算出Job-2的情形:
●Job-2透过「钱多」对总目标的贡献度为:
0.8*0.643=0.514。
●Job-2透过「事少」对总目标的贡献度为:
0.125*0.283=0.035。
●Job-2透过「离家近」对总目标的贡献度为:
0.889*0.074=0.066。
于是可算出:
Job-2所表现的理想度为:
0.514+0.035+0.066=0.615。
两者相比,Job-2是较理想的选择。
3.3「成对比值」的一致性检验
由于「成对相比」可能会出现自我矛盾的现象而不自知,所以AHP方法也能检验出是否有矛盾的现象。
例如下图里的比値,其中3:
1可表示为「钱多>事少」。
而另外5:
1,可表示为「事少>离家近」。
依循逻辑,可推理而得:
「钱多>离家近」。
再看看7:
1,可表示为「钱多>离家近」,这与上述的推理是一致的,其意味着经过上述程序所计算出来的Wx、Wy和Wz权数値是一致的,并没有矛盾。
但是有些情况是会出现不一致的矛盾现象(待会儿将举例说明之)。
因之,在计算每一组权数时,也需要检验其一致性。
其计算步骤如下:
Step-1:
基于上一小节的Step-3所计算的总和及PV值,就可逐步计算并检验出一致性了。
例如上一小节的Step-3所计算的总和及PV值为:
Step-2:
计算最大Eigen值,其公式为:
各行总和与各列PV相乘之和。
于是可算出:
λmax=(1.476*0.643)+(4.2*0.283)+(13*0.074)=3.097
Step-3:
计算一致性指标(ConsistencyIndex),简称CI,其公式为:
CI=(λmax–n)/(n–1)
其中的n值就是选择准则的个数,例如上图的n值为3。
所以可算出:
CI=(3.097–3)/(3-1)=0.048
Step-4:
计算一致性比率(ConsistencyRatio),简称CR,其公式为:
CR=CI/RI
其中的RI代表随机一致性指标(RandomConsistencyIndex)值,如下表所示:
n
1
2
3
4
5
6
7
8
9
10
RI
0
0
0.58
0.9
1.12
1.24
1.32
1.41
1.45
1.49
例如,上图的n值为3,经查表可得到CI值为0.58。
所以可算出:
CR=0.048/0.58=0.083
Step-5:
判断一致性:
如果CR值小于0.1时,表示具有相当的一致性,所以上述例子是具有一致性的。
反之,如果CR值大于0.1时,表示呈现显著的不一致性。
例如,将上述例子更改为:
则计算出来的CR值是:
2.639,远大于0.1,呈现出明显的不一致性。
因为「钱多>事少>离家近」很明显与「钱多<离家近」是互相矛盾的。
(六)求取各评价单元的综合评分
(七)划分适宜性等级(双约束空间聚类)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第六讲 基于GIS的土地适宜性评价 第六 基于 GIS 土地 适宜 评价