耦合SOFM与SVM的生态功能分区方法——以鄂尔多斯市为例

辨析区域主要生态环境问题及其空间异质性,划定生态功能区,对保障区域生态安全和国土开发优化具有重要指导意义。以往自下而上的分区研究多基于行政区或流域开展,难以体现行政区或流域内部的生态功能分异。以鄂尔多斯市为例,基于生态系统服务与生态敏感性构建区域生态功能分区指标体系,耦合自组织特征映射(SOFM)网络与支持向量机(SVM)划定鄂尔多斯市生态功能分区。结果表明,区域内各生态功能分区指标呈现明显的空间分异特征,通过SOFM网络基于栅格进行指标聚类,构建分类效果指数筛选最佳聚类方案,将区域分为7种不同的生态功能类型。最终,利用SVM识别最优分区界线,将鄂尔多斯市分为11个生态功能区。本文构建分类效果指数实现多分类方案优选,使用机器学习算法解决自下而上的自然分区容易弱化要素空间位置属性的问题,完成了从分类到分区的定量转换,有助于提升分区的空间精度与客观性,为生态功能分区与分区边界划定提供了新的方法途径。