城市可持续发展的环境因素研究

[摘要] 城市可持续发展系统是一个复杂的非线性系统，环境因素对城市的可持续发展程度有较大的影响。该文尝试建立一套环境因素指标体系以衡量城市可持续发展受环境因素的影响情况，并借助于神经网络的非线性、自学习等功能对受影响情况作出判断。

[关键词] 可持续发展 环境因素 非线性 神经网络

1 前言

城市是一个由社会、经济、人文、环境多重基本要素紧密相连的复杂系统。城市又是以人类的技术、艺术、社会行为作主导，生态代谢为经络，受自然生态系统供养的人工生态系统。从系统科学角度上讲，城市环境是城市自然环境系统、社会系统、经济系统的统一体，由自然再生产、社会再生产和经济再生产组合在一起，形成了与自然生态系统不相同的自然生态环境。当今城市已成为经济发展的重要载体。随着人类再生产过程的提高，城市规模的扩大，受到了来自环境方面的制约，进而影响着城市的可持续发展。衡量城市可持续发展必须以环境因素为前提。因此探讨环境因素对掌握城市可持续发展具有极其重要的意义。

2 环境因素与城市可持续发展的辩证关系

城市的发展要以环境系统为基础，环境因素是衡量城市是否具有可持续发展的重要标志。城市经济、社会的发展取决于自然再生产的条件。从环境系统来看，经济、社会再生产过程是通过人与自然之间持续的物质变换，从而促进经济、社会再生产持续地进行。从系统论的观点出发，经济再生产、社会再生产和自然再生产是互相联系、互相作用的。经济再生产过程必须以自然再生产过程为前提，包括从环境中获取生产资源，而自然再生产反过来又影响到经济再生产的进行，自然再生产的变化取决于经济再生产的方式、结构和规模。

辩证唯物主义认为事物的发展是通过量变和质变的辩证关系展开的，事物的量变在突破“度”的限制后就引起质变，质变是量变的必然结果。自然环境一直按照客观规律进行着物质循环，不断地进行着新陈代谢的再生产过程，其承载能力也是有限的。在环境资源充足的前提下，环境资源的获取量取决于经济再生产规模，但一旦经济再生产规模超出了环境资源的“度”，则反过来经济的再生产就受到环境资源的影响。因此，从辩证学的角度出发，人类的经济及社会再生产过程中干预自然环境后应顺应自然再生产，即城市发展应与自然再生产协调进行，才能使社会再生产持续稳定的发展。

3 影响城市可持续发展的环境因素

环境因素指标是确定城市发展战略的目标之一。制定城市可持续发展的环境因素指标体系有助于对城市可持续发展的评价。其指标体系应以城市自然生态系统、自然物质系统和人工环境系统三方面来确定。每一个系统涉及到的环境因素如图1所示，这些环境因素对城市的可持续发展都起到主导作用。

图1 影响城市可持续发展系统的环境因素指标体系

4 影响城市可持续发展的环境因素系统评价

4.1 评价方法

复杂性、非线性是城市可持续发展系统的重要特点，对城市可持续发展具有影响作用的因素很多，以环境子系统来说，包括环境质量、水资源量、绿化率等，这些影响因素不仅对城市可持续发展的影响权重不同，并且各因素之间也相互影响，因此，可以认为可持续发展系统是一个“灰箱”。对于可持续发展这样庞大而又错综复杂的系统来说，目前的研究水平还很难准确对各项影响因子进行定量描述并对它们进行多指标综合评价，从而不能对系统的真实状态作出反映。利用人工神经网络的非线性、自学习、自组织、自适应、并行处理的功能，以世界可持续发展最佳城市的环境因素指标为依据组成神经网络的学习样本，采用BP反向传播算法进行训练，可以较好地对影响城市可持续发展的环境因素进行综合评价。

4.2 评价指标

4.2.1 评价标准

我国目前正处于经济转轨时期，经济增长方式还没从传统的粗放型、资源浪费型转变过来，城市可持续发展程度受自然资源、社会、经济发展情况等影响较大，若以国内各城市的环境因子最佳值和平均值作为评估标准，评价出的城市可持续发展受环境因素影响程度只反应出了评价对象在国内各城市中受影响的相对情况，不具有科学性，并不能真实反应出城市可持续发展受环境因素影响的状况。因此，本文采用以世界先进水平及世界平均水平为依据，即认为目前达到全球最佳值的城市或地区处于可持续发展最好的状态，城市或地区的可持续发展不受环境因素影响，而目前达到世界平均值的城市或地区的可持续发展受环境因素影响程度为一般水平。

4.2.2指标标准化

各评价指标之间存在不同的量纲差异，因此必须对各指标进行标准化。利用(1)式对所建立的11项指标进行无量纲化处理，使各单项指标值落在[0，1]之间。为了便于对我国城市可持续发展受环境因素影响情况作出评价，结合我国的实际情况对其中的3个指标的评分值作如下规定以简化计算：

4.2.2.1地表水环境质量：按我国现行的地表水环境质量标准划分为五级，当城市主要地表水环境质量达到《地表水环境质量标准》(GB3838-2002)的五级标准时相应的指标值分别为1.0，0.75，0.5，0.25，0，即城市地表水环境质量超过IV级标准后的指标值均评为0；

4.2.2.2大气环境质量：采用API法对城市大气环境质量进行综合评价，五级大气综合环境质量对应的指标值分别为1.0，0.75，0.5，0.25，0；

4.2.2.3人均水资源：在人均水资源量低于国际水资源紧缺标准1000m3/人时，该指标值即为0，大于1000m3/人的指标按公式(1)对其进行无量纲化处理。

(1)

式中：Ci――为i城市的某指标的实际值；

Cmax――为该指标的最大值；

Cmin――为该指标的最小值。

4.3 网络构建

4.3.1计算模型

人工神经网络是建立以权重描述变量与目标之间的特殊的线性关系的网络。人工神经网络的基本结构单元为神经元，神经元是一些相互连接可计算的元素，它是按层次结构的形式进行组织，每层上的神经元以加权方式与其它层上的神经元连接，以构成神经网络。这种网络建立的神经网络为3层结构，包括输入层、隐含层和输出层，见图2。

人工神经网络的学习过程包括了正向传播和反向传播。正向传播时，输入信息从输入层经隐层加权处理传向输出层，经过转换函数运算后得到的输出值与目标值(期望值)进行比较，若有误差，则误差反向传播，即反馈到原连接通路，通过逐层修改各层神经元的权系数，减少误差，如此循环，直到输出满足允许误差时停止。

图2 人工神经网络结构示意图

在网络的计算处理时，每一神经元将其输入和连接强度累加起来，依据变换函数进行计算，并且将其送到下一层的所有神经元中，即处理神经元的输出由下式给出：

Oj＝f(Σwjixi+θj)

其中，Oj：输出；wji：输入层i和隐蔽层神经元j之间的权重；xi：输入；θj：偏置；f：变换函数，采用Sigmoid函数，其非线性形式定义见(2)式，net是加权的输入之和。

(2)

在用计算机模拟进行神经网络模拟计算时，通常的步骤是：

①将网络初始状态的各节点权重初始化为(-1～1)之间的随机数；

②从各输入节点输入学习样本信号并得到期望输出；

③用变换函数计算f(net)与期望输出之间的误差：

E=1/2(dk－ok)2(3)

其中，E：误差；dk ：期望输出向量；ok：网络的输出；

④计算隐蔽层和输出层的误差信号向量δo和δk

δok=1/2(dk－ok)(1－ok2) ok (4)

δhi=1/hi(1－hi)Σδokwki (5)

⑤调节输出和隐蔽层的权重：

其中，ε：学习步长；α：学习动量项。

⑥转回第三步进行迭代运算，直到输出值的误差E小于规定的误差水平则学习终止，得到最终的网络权值和阈值，就可以用训练好的神经网络进行实际计算。

4.3.2 计算结果

本次计算的输入层11个神经元分别代表人均耕地面积、人均水资源、大气环境质量、地表水环境质量、森林覆盖率、生物多样性、城市污水处理率、城市人均绿化率、企业污染物达标排放率、工业固废利用率、生活垃圾处理率，一个输出神经元代表综合评价的输出结果。

经过上机检验网络的收敛效果，最终确定隐含层神经元数目为8个，网络学习步长为0.3，学习动量项为0.3。

利用表1中的S1、S2、S3三个样本数据作为神经网络的学习样本进行训练，经过学习数遍后，当均方误差R

5 实例研究

利用上述训练过的神经网络对上海、厦门、福州、泉州4个城市可持续发展受环境因素的影响程度作出评价，评价结果见表2，表中各城市的指标值均为标准化处理过的数值，主要数据来源于各城市的城市环境公报及统计年鉴。从评价结果看，四个城市的可持续发展受环境因素影响强弱顺序为：福州

根据中国科学院可持续发展战略研究组2004年对国内各省市可持续发展能力的评估，上海市环境支持系统能力指数为47.82，远低于其余系统的能力指数，上海市的可持续发展总能力指数为69.55，可见，上海市城市可持续发展已经受到了来自环境方面的影响，这与本文得出的上海市城市可持续发展受到环境方面的一般影响的结论一致。对于福建省，环境因素目前尚不是影响城市可持续发展的主要因素，这与本文的结论也是基本一致的，本文以世界先进水平为依据，得出福州、厦门两城市受到环境因素的轻微影响，而环境因素对泉州的可持续发展能力影响为一般影响。

6 结论与建议

6.1城市可持续发展是一个庞大的、复杂的系统，受到经济、社会、资源环境等系统中各要素的影响，环境因素是影响城市可持续发展的一类重要因素。

6.2神经网络具有非线性、自学习、自组织、自适应的能力，能自动获得系统中各因素之间的合理规则，利用神经网络对城市可持续发展受环境因素影响程度进行评价具有较好的客观性。

6.3城市的可持续发展是经济、社会、环境各方面的协调发展、全面发展，管理者应该树立辩证的发展观，统筹兼顾，才能更好地实现城市的可持续发展。

参考文献

[1] 世界银行.2000年世界发展指标[M].北京：中国财政经济出版社, 2000.

[2] 杨国栋等.人工神经网络方法用于城市环境空气质量综合评价[J].煤矿环境保护, 2000, 14(3).

[3] 中国科学院可持续发展战略研究组.2004中国可持续发展战略报告[R].北京：科学出版社, 2004.

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文