基于模糊推理方法的莫莫格濕地面積預測

宋曉娟　李敏　李昱

摘要：濕地面積不斷萎縮導致自然濕地保護區生態功能持續減退，因此預測濕地面積變化對保護自然濕地具有十分重要的意義。以中國吉林省莫莫格濕地為研究對象，在分析影響濕地面積變化的主要因子基礎上，考慮因子對濕地面積影響程度的差異，進行濕地面積預測。采用的預測方法為能較好地適應多因子預測問題的高度非線性特點的模糊推理方法，同時采用常用的多元回歸分析方法進行莫莫格濕地面積預測，并將預測結果與模糊推理方法預測結果進行比較。研究結果表明：模糊推理方法模擬預測得到濕地面積合格率和預測精度均高于多元回歸分析方法。該方法可在工程領域的多指標非線性預測、評價、聚類等研究中嘗試使用。

關鍵詞：濕地面積；預測；模糊推理；多指標；莫莫格

中圖分類號：Q149；X37 文獻標識碼：A 文章編號：1672-1683（2017）02-0116-06

濕地是介于陸地和水域之間獨特的生態系統，在涵養水源、保持水土、減緩洪水、控制侵蝕、降解污染、調節氣候和保護生物多樣性等方面發揮著不可替代的重要作用。當前，我國自然濕地整體上仍然面臨著各種威脅和巨大壓力，濕地面積不斷萎縮，生態功能持續減退，濕地保護刻不容緩。因此通過預測濕地面積，分析濕地生態需水量，從而制定水庫生態調度計劃，對保護濕地、防止濕地進一步退化具有十分重要的意義。

關于濕地面積預測，國內外學者進行大量的研究并取得了一些成果。而預測濕地面積的方法大致可分為三類：第一類是根據歷史的濕地面積資料自身系列進行的預測，如基于CA-Markov模型、灰色模型、支持向量機等方法進行濕地面積預測；第二類是單因子的預測方法，即通過建立濕地面積與單一代表性因子（如水位、年降水量等）之間的相關關系，進行濕地面積預測；第三類是多因子的預測方法，即在分析影響濕地面積變化的多種因子的基礎上，基于BP神經網絡、遺傳算法等方法建立濕地面積與影響因子之間的關系，進行濕地面積預測研究。其中第三類方法因其能夠清晰合理地描述濕地面積變化機理，成為多數研究人員的首選。而采用BP神經網絡和遺傳算法等方法進行多因子預測時，需要具備相對較長的資料序列，這使得資料短缺的實例研究難以采用該方法或預測結果的精度不理想。模糊推理方法是一種由具有模糊性的前提推導出結論的邏輯過程，是基于模糊性知識（模糊規則）的一種近似推理。模糊推理方法對資料序列長度要求不高，較適用于因受資料不豐富而無法建立精確數學模型的復雜系統。模糊推理方法已在洪水災害分析、水庫汛限水位動態控制、水資源可再生能力評價等研究中成功應用。

位于中國吉林省的莫莫格自然保護區地處嫩江干流及其支流洮兒河的匯合處，且本區尚有二龍濤河和呼爾達河兩條季節河，它們分別注入洮兒河與嫩江。近10年來，莫莫格保護區連續干旱，加之受上游水利工程影響，二龍濤河、呼爾達河已多年斷流，洮兒河水量也大幅減少，濕地水資源緊缺，濕地面積不斷萎縮，濕地生態系統嚴重退化。為了加強濕地修復和保護，維護濕地正常功能，需要準確預測莫莫格濕地面積，從而為進一步分析莫莫格濕地生態需水量，建立莫莫格濕地生態補水方案提供基礎支持。

1研究區域概況

莫莫格自然保護區位于中國東北松嫩平原的腹地，地理坐標為北緯45°42′25″-46°18′0″，東經123°27′0″-124°4′33.7″。該區隸屬于吉林省鎮賚縣，東與黑龍江省的杜爾伯特、泰來、肇源縣隔嫩江相望，南以洮兒河為界，與吉林省大安市相鄰，西北和本縣的丹岱、五棵樹、哈吐氣、東屏、黑魚泡等鄉鎮的部分地域接壤，分為核心區、緩沖區、試驗區三部分（見圖1）。莫莫格自然保護區是我國東部候鳥遷徙通道上的重要停歇地，尤以白鶴、東方白鸛種群數量大、停歇時間長而聞名，1997年12月莫莫格自然保護區被國務院批準為國家級自然保護區。

2考慮影響因子權重的模糊推理方法

濕地面積變化受多個因子影響，且各因子之間的影響程度各不一樣。目前大多濕地面積預測研究中，一般都沒有考慮不同因子對濕地面積變化的影響差異，即分析時假定各因子對濕地面積的影響程度大小相同，因子權重為等權重。實際上，不同因子對濕地面積變化的影響存在差異，因此采取等權重方法會弱化重要因子的影響，強化非重要因子的影響，最終影響預測結果。本文擬在預測濕地面積過程中考慮影響因子權重，力求得到更加準確的預測結果。

多因子權重的確定方法可以分為三類：（1）客觀賦權方法，它是一種定量分析的方法，以一定的推導公式為基礎，通過輸入各影響因子的數據信息，從而計算出各影響因子的權重系數；（2）主觀賦權方法，它是一種定性分析的方法，完全是以決策者的個人經驗和偏好為基礎，人為確定各影響因子的權重系數；（3）主客觀相結合的賦權方法，綜合確定各影子因子的權重系數。

本文采用有序二元對比法計算就是屬于主客觀相結合的賦權方法，它能夠有效地避免主觀和客觀賦權方法的弊端，使權重既能反映出各因子之間的數據信息，又能體現決策者的經驗判斷依據。

2.1因子權重確定——有序二元對比法

有序二元對比法以陳守煜教授提出的模糊語氣算子（表1）為基礎，通過人的主觀判斷計算得出多個目標（指標、因子）之間的重要性比較，即有序二元比較矩陣：

（1）

（2）

2.2考慮權重的模糊推理方法基本步驟

（1）原始數據統計。統計歷史n年濕地面積和影響因子數據資料，然后確定其中的最大值和最小值。

（21計算原始數據的相對隸屬度。為了消除各影響因子對濕地面積的量綱影響，需要對所有n年濕地面積和影響因子進行規格化處理，即計算其相對隸屬度。

（3）建立模糊推理模式。確定影響因子與濕地面積之間的模糊關系，可以用公式（3）表示：

（3）

（4）檢驗預測。輸入待預測濕地面積對應的影響因子的相對隸屬度及權重，依據建立的模糊關系進行推理，建立如下加權相似關系：

（4）

（5）

（5）面積預測。依據模式選擇的標準τ，根據SM>τ確定有效子模式，并對有效子模式輸出的相對隸屬度按照公式（6）進行簡單的線性調整從而得到輸出區間；最后將其轉換為對應的待預測濕地面積的區間，最終組合多條有效子模式的輸出后便可得到待預測的濕地面積Y^*。

（6）

3結果與分析

3.1影響因子的選擇及權重確定

莫莫格濕地是水陸相互作用而形成的自然綜合體，水文狀況是濕地面積變化的主要驅動力，對濕地發展起主要作用。因此，本文所選的莫莫格濕地面積就是保護區的水面面積，利用從美國地質勘探局（USGS）官網上下載所屬研究區域不同年份10月份的Landsat遙感圖像，通過ERDAS IMAGINE9.2軟件，提取歷年濕地面積。然后根據已有濕地面積影響因子研究成果分析，針對莫莫格濕地所在地理位置及其所在流域水系特點，確定影響莫莫格濕地面積變化的主要因素為本區域年降雨量、洮兒河年來水量、嫩江年來水量。基于歷史資料分析莫莫格濕地面積與洮兒河察爾森水文站不同流量（0m³/s、10 m³/s、20 m³/s、30 m³/s、40 m³/s、50m³/s、60 m³/s）對應的年來水量、嫩江江橋水文站不同流量f（0m³/s、100 m³/s、200 m³/s、300 m³/s、400 m³/s、500 m³/s、600 m³/s、700 m³/s、800 m³/s、900 m³/s、1 000 m³/s）對應的年來水量之間的相關關系，綜合比較得出當洮兒河察爾森水文站以大于40 m³/s的年來水量、嫩江江橋水文站以大于800m³/s的年來水量作為影響因子時，與濕地面積變化的相關性最大，即最終選取本區域年降水量、洮兒河察爾森水文站大于40 m³/s的年來水量、嫩江江橋水文站大于800 m³/s的年來水量作為影響莫莫格濕地面積變化的因子。莫莫格濕地面積與各影響因子數據見表2，由1999年-2013年12年的數據資料組成。

根據專家學者的經驗，針對莫莫格濕地，降雨補給是主要補給來源，其次支流洮兒河距莫莫格濕地近，其補給相對干流嫩江補給更重要；并且客觀計算各影響因子與莫莫格濕地面積之間的相關關系，見表3。得出各影響因子的重要性排序為：年降水量>洮兒河察爾森水文站年來水量>嫩江江橋水文站年來水量，并且認為年降雨量相對于洮兒河察爾森水文站年來水量稍稍重要，相對于嫩江江橋水文站年來水量略微重要，洮兒河察爾森水文站年來擇有效子模式的最低標準。然后應用公式（6）對水量相對于嫩江江橋水文站年來水量稍稍重要。從而得到有序二元比較矩陣：

3.2莫莫格濕地模糊推理模式建立

選擇莫莫格濕地2007年前的9組數據資料用于建立推理模式，2007年后的3組數據資料用于檢驗預測。然后選用越大越優型相對隸屬度公式計算莫莫格濕地面積和各因子的相對隸屬度，再以影響因子相對隸屬度作為輸入，以相應的濕地面積相對隸屬度作為輸出，建立模糊推理模式，見表4。

3.3濕地面積檢驗預測

輸入檢驗預測3年數據各因子的相對隸屬度和權重，應用公式（4）和（5）計算輸入與各子模式之間的加權相似關系。依據模式推理經驗和預測工作的實際情況，借鑒其它模糊推理方法，選取0.85作為選有效子模式輸出的相對隸屬度進行線性調整得到輸出區間，并將其轉換成對應的待預測濕地面積區間。最后對各有效子模式的輸出進行綜合判決，將待預測濕地面積區間的平均值作為待預測的濕地面積，得到最后的推理預測結果，見表5。

3.4預測結果分析

從表5可以看出，基于模糊推理方法對檢驗預測年份進行預測時，實測濕地面積均在預測區間內，合格率為100%，且預測區間平均值與實測值之間的相對誤差分別為7.26%、3.11%、11.10%，預測精度高。

此外，為分析模糊推理方法預測結果的精度高低，本文同時采用常用的多元回歸分析方法進行莫莫格濕地面積預測，并將預測結果與模糊推理方法進行比較（表6）。由表6可知，模糊推理方法得到的預測精度明顯高于多元回歸分析方法的預測精度，說明模糊推理方法對于多因子、時間序列較短的預測問題研究效果更好，對于解決具有高度非線性特點的預測問題更有效。所以可以通過模糊推理方法預測濕地面積，從而進一步分析濕地生態需水量，制定水庫生態調度計劃，達到保護濕地、防止濕地進

4總結與討論

濕地面積預測是計算濕地生態需水量、制定合理的生態補水方案的前提。本文在考慮影響因子權重的基礎上，采用模糊推理方法對莫莫格濕地面積進行預測，并與多元回歸分析方法進行對比，研究結果表明模糊推理方法的預測精度明顯高于多元回歸分析方法，采用模糊推理預測方法解決具有高度非線性特點的預測問題更有效。該方法可在工程領域的多指標非線性預測、評價、聚類等研究中嘗試使用。

本文分析采用的濕地面積影響因子基本屬自然因素。近年來，人類活動對濕地面積的影響越來越突出，因此有必要綜合考慮自然和人為等多種因素的影響進行濕地面積預測，使研究情況更符合實際情況，亦會得到更加精準預測結果。