论文部分内容阅读
摘要：为了缓解环境污染、土地沙化、生态系统退化等问题，在规划土地利用项目的过程中，需要重视对土地开发项目的环境成本进行评估。按照国家标准我们对各个工厂和商场的财务报表进行核对，得到了工厂和商场的年收入与单位住宅的平均收入。在道路方面，我们从世界银行获得的车辆通行费的平均值，用年平均车流量来计算收入。通过反向传播网络对农作物各变量的预测，可以分析生态服务标准值调整的成本和污染的间接影响。
关键词：生态系统价值评价模型，成本效益分析，元胞自动机，神经网络
生态服务系统是生物圈为维持人类健康和可持续的生存环境而提供的一种自然过程。传统的经济理论往往只考虑人力和物质资源，忽视环境和资源问题。数据分析显示，不同生态服务系统产生的价值与标准值的比值基本保持不变。因此，只需要计算时变标准值的变化，即可得到了生态服务系统的时变趋势。土地利用项目对生态服务系统影响复杂，为了简化问题和保持结果的正确性，需要以下基本假设：（1）在开发开始后用于开发的土地将直接变为荒地，项目占用的土地可视为荒地;（2）世界上同一土地类型的生态服务价值相同;（3）全球人均碳排放量大致相同，工厂产生的污染总量只取决于工厂的规模;（4）相同规模的全球项目只产生与项目类型和项目规模相关的效益。
由此，我们建立了生态服务系统价值影响模型，得到了生态服务系统的时变趋势。同时，对其进行敏感度、可靠性分析和优缺点评价。
1 生态服务系统价值直接影响模型
生态服务系统价值评估的方法和原则最早由Costanza在1997提出，发表在《Science》上的“世界生态系统和自然资本的价值”[1]。然而，他在农地生产系统的服务价值方面考虑不足。根据生态系统评价方法和可持续发展评价理论，一般将生态服务系统分为四大类：供给服务、调节服务、支持服务和文化服务。
1.1单位面积标准生态服务系统价值
世界粮食生产主要集中于三种粮食：大米、小麦和玉米，其在全球粮食生产占比逐年上升。中国的三大粮食产品也是大米、小麦和玉米。由于中国幅员辽阔，粮食生产有一定的代表性，本文以中国耕地自然粮食年平均产量的数据和经济价值作为参考。
把三种农作物的耕地面积占比和平均净利润的乘积作为粮食的经济价值，记为M，有
M= m1n1+m2n2 +m3n3
（1）
其中，m1，m2，m3分别表示水稻、小麦和玉米种植面积占2017年三种作物总种植面积的比例。n1，n2， n3分别代表2017年水稻、小麦、玉米单位面积平均净利润（美元）。
根据2017年中国食生产的数据，得到粮食的经济价值M为
M=584. 35 USD/hm2。
许多文献提出了生态服务系统价值的评估方法，各有优缺点。为此，我们对不同生态服务系统价值的评估结果进行平均，得到每单位面积的生态系统价值。从而，得到不同类型生态系统在各服务功能方面产生的价值与标准单位面积生态系统价值的比值。
对于缺少文献资料且不易根据现有文献资料推断的服务功能价值，以及陆地上的生态系统，我们参照不同生态系统与标准单位面积生态系统的生物量的比值进行了推算。从图l可以看出，相同面积的土地，湿地的生态服务系统价值是最高的，荒漠的生态服务系统价值最低。
1.2 土地占用引起的生態服务体系变化
用于建造项目的土地可以看作从原来的生态系统转变为荒漠生态系统。这一部分土地的生态服务系统价值就会发生变化，其改变量为
C1=（Aj -A6 ）M Sz
（2）
其中，C1表示用于建造项目的土地的生态服务系统价值的改变量;A，i=1，2，3，4，5分别表示森林、草地、湿地、荒漠生态服务系统价值与标准值之比，M表示标准值;SZ表示用于建造项目的土地面积。
例如，开发利用一片面积为1hm2的农田。原来的农田生态系统就会由于人为破坏，转变为荒漠生态系统。根据（2）计算可得每年直接的生态服务系统价值成本为2220. 53美元。
2生态服务系统价值间接效应模型
项目建成后，无论是商场、住宅还是工厂，都会对生态系统产生负面影响。包括空气污染、危险废物存放、废水处理等。
2.1住宅用地成本模型的构建
我们建立了下面的模型来估计每个居住区域单位面积的人口数量：
为了估计公式（3）中每个人需要的居住空间SP，我们利用谷歌地图的数据，将我们熟知的某小区中的建筑近似为矩形（如图2），测量了一栋楼房的占地面积为748m2，即每层楼的面积为748m2。通过调查得到每层楼的住户为4户。
为了简化模型，我们假设每户住户都包括三个人，得到每层楼居住的人数为12人。根据（3）式可计算出每人需要的居住面积SP为62. 3m2。
2.2测试模型
为检验每人需要的居住面积S的正确性，我们用谷歌地图测量了该小区的总面积和绿化面积，分别为26110.89m2和13017. 7m2。用总面积与绿化面积的差值表示住宅区内建筑的占地面积Sz。同时，我们统计了该小区内总共楼房数为17栋，每栋楼房的楼层数为11层。
为了构建住宅用地成本模型，我们需要得到每个人住宅的平均面积
根据文献[5，6]，每人每年产生的各类污染物的数量和治理各类单位污染物需要的费用如表2所示，排放的单位为吨/年，处理成本的单位为美元/吨。根据表2的数据，我们就可以得到处理每个人每年产生的污染物需要的费用MR为115.8美元。结合之前的公式，住宅建造完成后每年间接的生态服务系统的经济成本Cg：
根据上式，在规划这类土地利用项目时，只要知道建筑的楼层数和建筑的占地面积，就可计算出住宅建造完成后每年间接的生态服务系统的经济成本Cg。若每公顷生活区可容纳约161人，每公顷住房的间接生态服务系统的经济成本为18，644美元。 2.3商场土地成本模型构建
商场建造完成后每年的间接生态服务系统的经济成本C为
取不同规模购物中心建筑面积的平均值计算每年不同规模购物中心单位面积所产生的间接生态服务系统CD的经济成本，得到经济成本如表3。
2.4道路用地成本模型构建
道路建设完成后，大量的汽车尾气排放会造成大量的空气污染，我国VI标准私家车的排放量大致相当C0 1.0/km， NOx 0. 06g/km， HC 0.168g/km。由于技术原因，目前还没有较好的CO和HC的处理方法。因此，本文只考虑NOx的污染治理成本。
首先，利用元胞自动机中的NaSch模型[6]，我们分析了车流密度与平均车速之间的关系。模拟道路总长度设为lkm，每个格点的长度为10m，然后将道路划分为100个格点。如果每个时间步长为1，则小车的最大速度为V SMAX=3.33格点/时间步，相当于120千米/小时。汽车的最大速度是V1MAX=2.64格点/时间步，相当于95公里/小时。这个速度对于模拟高速公路比较合理，其交通流相对平稳。
其次，本文模拟了减速概率ρnoise=0.10的情况。在随机混合交通流仿真中我们设置初始交通流密度为0.001，每一个模拟的增量为0.001，总模拟为1000次，大型汽车的线性形式转化为小车的系数是1.5，大型汽车占每个仿真的车辆总数的0.4。我们得到了模拟交通密度和混合交通的平均车速的曲线图（图4）。
不同的氮氧化物处理成本大致相同。根据表2中的数据，计算道路Cgl年度经济生态服务系统的成本是54750 USD/hm2。
3 基于神经网络的作物变量预测
大米、小麦和玉米作物生长时，污染气体排放量随时间变化。我们使用反向传播网络对这些变量进行模拟和预测。下面以水稻为研究对象，应用反向传播网络预测其2020年污染气体排放量。
反向传播网络由输入层、隐含层和输出层组成。隐藏层可以有一个或多个层。反向传播网络具有很强的非线性和泛化能力，能够在搜索空间中找到最优解。通过水稻样本数据训练的反向传播网络，不断修正网络权值和阈值。误差函数在负梯度方向上减小，逼近期望输出。在输入/输出层的设计上，以中国统计年鉴（20102017）（2009年测试的数据除外）的水稻用地面积为输入，以2009年和2020年的水稻用地面积为输出作为这两年的预测值。
在隐层设计中，只要有足够的隐节点，就可以用任意精度逼近非线性函数。在网络设计过程中，隐含层神经元的数量是非常重要的。隐层中神经元过多会增加网络的计算量，导致过拟合问题。如果神经元数量过少，会影响网络性能，达不到预期的效果。因此，我们采用经验公式来选择隐含层的神经元数量：l=√n+m+a。其中，n为输入层神经元数量，m为输出层神经元数量，a为[1，10]之间的常数。在我们的模型中，隐含层神经元的数量分别为10、5和1。通过观察采样点的一般曲线，选择S形的切线函数‘tansig’作为激励函数。
拟合结果如图5。样本1-8分别代表20102017年，样本9和样本10分别代表2009年和2020年的预测值。2009年预测指标为1992.7 hm2，实际值为1975. 13 hm2，误差0. 8%，在可接受范围内。用同样的方法可以得到其他食物类型的土地面积。
在我们的模型中，考虑了食物类型、土地面积和污染物排放的变化。通过反向传播网络的预测，可以预测生态服务标准值调整的成本和污染的间接影响。
4 结论
土地利用项目对生态服务系统价值的影响分为直接影响和间接影响。生态系统直接服务的经济成本与被开发土地的生态系统都和开发面积有关。根据谢高地[2]的研究，我们评估了不同類型生态系统的经济价值。
影响生态系统间接服务经济成本的因素很多，不同类型的项目有不同的影响因素。将排污量转化为相应的污染治理成本。不同规模项目和不同类型项目对单位面积生态服务系统价值的影响不同。其中，工厂对生态服务系统价值的影响最为严重，生态服务系统的经济成本最高。
间接生态服务系统的经济成本远远高于直接生态服务系统。基于神经网络模型，我们给出了水稻种植面积变化趋势。
参考文献
[1lCostanza R， d'Arge R， de Groot R S，et al.Thevalue of the world's ecosystem services and naturalcapital [Jl.Nature， 1997， 387： 253 - 260.
[2]Xie gaodi， zhang caixia， zhang Ieiming， et al.Im-provement of ecosystem service value method basedon equivalent factor of unit area value [Jl. Journalof natural resources， 2015（8）：1243-1254.
[3]Lautenbach S，Kugel C， Lausch A， et al.Analysisof historic changes in regional ecosystem serviceprovisioning usingland use data[Jl. Ecological In- dicators， 2011， 11： 676-687.
[4]Shi Y， Wang R S，Huang J L， et al.An analysis ofthe spatial and temporal changes in Chinese terres-trial ecosystem service functions [Jl. Chinese Sci-ence Bulletin， 2012， 57（17）： 21202131.
[5]Administration of the People's Republic of China.Specifications for Assessment of Forest EcosystemService Function（ LY/T1721 - 2008）.Beijing： Chi-na Standards Press， 2008.
[6]Wangjinnan. Technical guide to environmental eco-nomic accounting in China[Ml. China environmen-tal science press， 2009.
<指导老师：杜鸿飞）
关键词：生态系统价值评价模型，成本效益分析，元胞自动机，神经网络
生态服务系统是生物圈为维持人类健康和可持续的生存环境而提供的一种自然过程。传统的经济理论往往只考虑人力和物质资源，忽视环境和资源问题。数据分析显示，不同生态服务系统产生的价值与标准值的比值基本保持不变。因此，只需要计算时变标准值的变化，即可得到了生态服务系统的时变趋势。土地利用项目对生态服务系统影响复杂，为了简化问题和保持结果的正确性，需要以下基本假设：（1）在开发开始后用于开发的土地将直接变为荒地，项目占用的土地可视为荒地;（2）世界上同一土地类型的生态服务价值相同;（3）全球人均碳排放量大致相同，工厂产生的污染总量只取决于工厂的规模;（4）相同规模的全球项目只产生与项目类型和项目规模相关的效益。
由此，我们建立了生态服务系统价值影响模型，得到了生态服务系统的时变趋势。同时，对其进行敏感度、可靠性分析和优缺点评价。
1 生态服务系统价值直接影响模型
生态服务系统价值评估的方法和原则最早由Costanza在1997提出，发表在《Science》上的“世界生态系统和自然资本的价值”[1]。然而，他在农地生产系统的服务价值方面考虑不足。根据生态系统评价方法和可持续发展评价理论，一般将生态服务系统分为四大类：供给服务、调节服务、支持服务和文化服务。
1.1单位面积标准生态服务系统价值
世界粮食生产主要集中于三种粮食：大米、小麦和玉米，其在全球粮食生产占比逐年上升。中国的三大粮食产品也是大米、小麦和玉米。由于中国幅员辽阔，粮食生产有一定的代表性，本文以中国耕地自然粮食年平均产量的数据和经济价值作为参考。
把三种农作物的耕地面积占比和平均净利润的乘积作为粮食的经济价值，记为M，有
M= m1n1+m2n2 +m3n3
（1）
其中，m1，m2，m3分别表示水稻、小麦和玉米种植面积占2017年三种作物总种植面积的比例。n1，n2， n3分别代表2017年水稻、小麦、玉米单位面积平均净利润（美元）。
根据2017年中国食生产的数据，得到粮食的经济价值M为
M=584. 35 USD/hm2。
许多文献提出了生态服务系统价值的评估方法，各有优缺点。为此，我们对不同生态服务系统价值的评估结果进行平均，得到每单位面积的生态系统价值。从而，得到不同类型生态系统在各服务功能方面产生的价值与标准单位面积生态系统价值的比值。
对于缺少文献资料且不易根据现有文献资料推断的服务功能价值，以及陆地上的生态系统，我们参照不同生态系统与标准单位面积生态系统的生物量的比值进行了推算。从图l可以看出，相同面积的土地，湿地的生态服务系统价值是最高的，荒漠的生态服务系统价值最低。
1.2 土地占用引起的生態服务体系变化
用于建造项目的土地可以看作从原来的生态系统转变为荒漠生态系统。这一部分土地的生态服务系统价值就会发生变化，其改变量为
C1=（Aj -A6 ）M Sz
（2）
其中，C1表示用于建造项目的土地的生态服务系统价值的改变量;A，i=1，2，3，4，5分别表示森林、草地、湿地、荒漠生态服务系统价值与标准值之比，M表示标准值;SZ表示用于建造项目的土地面积。
例如，开发利用一片面积为1hm2的农田。原来的农田生态系统就会由于人为破坏，转变为荒漠生态系统。根据（2）计算可得每年直接的生态服务系统价值成本为2220. 53美元。
2生态服务系统价值间接效应模型
项目建成后，无论是商场、住宅还是工厂，都会对生态系统产生负面影响。包括空气污染、危险废物存放、废水处理等。
2.1住宅用地成本模型的构建
我们建立了下面的模型来估计每个居住区域单位面积的人口数量：
为了估计公式（3）中每个人需要的居住空间SP，我们利用谷歌地图的数据，将我们熟知的某小区中的建筑近似为矩形（如图2），测量了一栋楼房的占地面积为748m2，即每层楼的面积为748m2。通过调查得到每层楼的住户为4户。
为了简化模型，我们假设每户住户都包括三个人，得到每层楼居住的人数为12人。根据（3）式可计算出每人需要的居住面积SP为62. 3m2。
2.2测试模型
为检验每人需要的居住面积S的正确性，我们用谷歌地图测量了该小区的总面积和绿化面积，分别为26110.89m2和13017. 7m2。用总面积与绿化面积的差值表示住宅区内建筑的占地面积Sz。同时，我们统计了该小区内总共楼房数为17栋，每栋楼房的楼层数为11层。
为了构建住宅用地成本模型，我们需要得到每个人住宅的平均面积
根据文献[5，6]，每人每年产生的各类污染物的数量和治理各类单位污染物需要的费用如表2所示，排放的单位为吨/年，处理成本的单位为美元/吨。根据表2的数据，我们就可以得到处理每个人每年产生的污染物需要的费用MR为115.8美元。结合之前的公式，住宅建造完成后每年间接的生态服务系统的经济成本Cg：
根据上式，在规划这类土地利用项目时，只要知道建筑的楼层数和建筑的占地面积，就可计算出住宅建造完成后每年间接的生态服务系统的经济成本Cg。若每公顷生活区可容纳约161人，每公顷住房的间接生态服务系统的经济成本为18，644美元。 2.3商场土地成本模型构建
商场建造完成后每年的间接生态服务系统的经济成本C为
取不同规模购物中心建筑面积的平均值计算每年不同规模购物中心单位面积所产生的间接生态服务系统CD的经济成本，得到经济成本如表3。
2.4道路用地成本模型构建
道路建设完成后，大量的汽车尾气排放会造成大量的空气污染，我国VI标准私家车的排放量大致相当C0 1.0/km， NOx 0. 06g/km， HC 0.168g/km。由于技术原因，目前还没有较好的CO和HC的处理方法。因此，本文只考虑NOx的污染治理成本。
首先，利用元胞自动机中的NaSch模型[6]，我们分析了车流密度与平均车速之间的关系。模拟道路总长度设为lkm，每个格点的长度为10m，然后将道路划分为100个格点。如果每个时间步长为1，则小车的最大速度为V SMAX=3.33格点/时间步，相当于120千米/小时。汽车的最大速度是V1MAX=2.64格点/时间步，相当于95公里/小时。这个速度对于模拟高速公路比较合理，其交通流相对平稳。
其次，本文模拟了减速概率ρnoise=0.10的情况。在随机混合交通流仿真中我们设置初始交通流密度为0.001，每一个模拟的增量为0.001，总模拟为1000次，大型汽车的线性形式转化为小车的系数是1.5，大型汽车占每个仿真的车辆总数的0.4。我们得到了模拟交通密度和混合交通的平均车速的曲线图（图4）。
不同的氮氧化物处理成本大致相同。根据表2中的数据，计算道路Cgl年度经济生态服务系统的成本是54750 USD/hm2。
3 基于神经网络的作物变量预测
大米、小麦和玉米作物生长时，污染气体排放量随时间变化。我们使用反向传播网络对这些变量进行模拟和预测。下面以水稻为研究对象，应用反向传播网络预测其2020年污染气体排放量。
反向传播网络由输入层、隐含层和输出层组成。隐藏层可以有一个或多个层。反向传播网络具有很强的非线性和泛化能力，能够在搜索空间中找到最优解。通过水稻样本数据训练的反向传播网络，不断修正网络权值和阈值。误差函数在负梯度方向上减小，逼近期望输出。在输入/输出层的设计上，以中国统计年鉴（20102017）（2009年测试的数据除外）的水稻用地面积为输入，以2009年和2020年的水稻用地面积为输出作为这两年的预测值。
在隐层设计中，只要有足够的隐节点，就可以用任意精度逼近非线性函数。在网络设计过程中，隐含层神经元的数量是非常重要的。隐层中神经元过多会增加网络的计算量，导致过拟合问题。如果神经元数量过少，会影响网络性能，达不到预期的效果。因此，我们采用经验公式来选择隐含层的神经元数量：l=√n+m+a。其中，n为输入层神经元数量，m为输出层神经元数量，a为[1，10]之间的常数。在我们的模型中，隐含层神经元的数量分别为10、5和1。通过观察采样点的一般曲线，选择S形的切线函数‘tansig’作为激励函数。
拟合结果如图5。样本1-8分别代表20102017年，样本9和样本10分别代表2009年和2020年的预测值。2009年预测指标为1992.7 hm2，实际值为1975. 13 hm2，误差0. 8%，在可接受范围内。用同样的方法可以得到其他食物类型的土地面积。
在我们的模型中，考虑了食物类型、土地面积和污染物排放的变化。通过反向传播网络的预测，可以预测生态服务标准值调整的成本和污染的间接影响。
4 结论
土地利用项目对生态服务系统价值的影响分为直接影响和间接影响。生态系统直接服务的经济成本与被开发土地的生态系统都和开发面积有关。根据谢高地[2]的研究，我们评估了不同類型生态系统的经济价值。
影响生态系统间接服务经济成本的因素很多，不同类型的项目有不同的影响因素。将排污量转化为相应的污染治理成本。不同规模项目和不同类型项目对单位面积生态服务系统价值的影响不同。其中，工厂对生态服务系统价值的影响最为严重，生态服务系统的经济成本最高。
间接生态服务系统的经济成本远远高于直接生态服务系统。基于神经网络模型，我们给出了水稻种植面积变化趋势。
参考文献
[1lCostanza R， d'Arge R， de Groot R S，et al.Thevalue of the world's ecosystem services and naturalcapital [Jl.Nature， 1997， 387： 253 - 260.
[2]Xie gaodi， zhang caixia， zhang Ieiming， et al.Im-provement of ecosystem service value method basedon equivalent factor of unit area value [Jl. Journalof natural resources， 2015（8）：1243-1254.
[3]Lautenbach S，Kugel C， Lausch A， et al.Analysisof historic changes in regional ecosystem serviceprovisioning usingland use data[Jl. Ecological In- dicators， 2011， 11： 676-687.
[4]Shi Y， Wang R S，Huang J L， et al.An analysis ofthe spatial and temporal changes in Chinese terres-trial ecosystem service functions [Jl. Chinese Sci-ence Bulletin， 2012， 57（17）： 21202131.
[5]Administration of the People's Republic of China.Specifications for Assessment of Forest EcosystemService Function（ LY/T1721 - 2008）.Beijing： Chi-na Standards Press， 2008.
[6]Wangjinnan. Technical guide to environmental eco-nomic accounting in China[Ml. China environmen-tal science press， 2009.
<指导老师：杜鸿飞）