土地利用項(xiàng)目分析中應(yīng)考慮的生態(tài)服務(wù)價(jià)值評(píng)估模型

胡梁康 張梓豪 嚴(yán)倩瓊

摘要：首先，我們使用Logistic回歸分析來確認(rèn)很有可能評(píng)估土地開發(fā)項(xiàng)目的環(huán)境成本。由于減少土地利用變化的負(fù)面結(jié)果需要大量的經(jīng)濟(jì)成本，為了簡(jiǎn)化建模過程，我們選擇：污染河流，空氣質(zhì)量差，廢水處理不當(dāng)，氣候變化，建立基于傅里葉變換的非線性擬合模型。通過給這四個(gè)因素賦予不同的權(quán)重，可以計(jì)算環(huán)境退化的成本，然后通過線性增加經(jīng)濟(jì)成本來獲得實(shí)際的經(jīng)濟(jì)成本。然后利用我們建立的模型分析小社區(qū)項(xiàng)目和大型國(guó)家項(xiàng)目的成本效益。然后考慮時(shí)間，利用神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)土地開發(fā)項(xiàng)目的長(zhǎng)期成本效益。實(shí)現(xiàn)了土地開發(fā)項(xiàng)目的真實(shí)綜合評(píng)價(jià)，為項(xiàng)目規(guī)劃者對(duì)土地開發(fā)進(jìn)行商業(yè)投資提供了一定的參考，避免了成本收益率計(jì)算不完全造成的環(huán)境破壞，造成經(jīng)濟(jì)損失。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)算法 皮爾森系數(shù) 環(huán)境惡化 成本效益

一、環(huán)境成本評(píng)估模型

土地資源開發(fā)成本在土地利用項(xiàng)目中往往沒有得到充分考慮，成本較低。相對(duì)缺乏對(duì)土地資源的保護(hù)會(huì)對(duì)生態(tài)環(huán)境造成嚴(yán)重破壞。因此，有必要建立一個(gè)包含環(huán)境成本的土地利用評(píng)價(jià)新模型，以便對(duì)成本效益進(jìn)行綜合評(píng)價(jià)。

（一）基于傅里葉變換的非線性擬合模型

非線性擬合具有精度高，可靠性高，配件形式多樣化的優(yōu)點(diǎn)。通過擬合各種形式，我們發(fā)現(xiàn)基于傅里葉變換的非線性擬合模型的擬合精度最高。因此，我們分別對(duì)土地開發(fā)總成本和環(huán)境退化成本進(jìn)行了基于傅里葉變換的非線性擬合，從而得到了模型的合理解。其中，在不考慮其他小概率事件的情況下，我們把重點(diǎn)放在空氣污染，河水污染，廢水排放和氣候變化等四個(gè)指標(biāo)上，以反映環(huán)境惡化的整體水平。

（二）環(huán)境退化的四種典型經(jīng)濟(jì)成本分析

（1）符號(hào)說明

A：空氣污染控制的經(jīng)濟(jì)成本B：期限t的經(jīng)濟(jì)效益c：期限t的總經(jīng)濟(jì)成本

D：預(yù)防氣候變化的經(jīng)濟(jì)成本F：廢水處理的經(jīng)濟(jì)成本

R：河流污染控制的經(jīng)濟(jì)成本RBC：成本效益比

Wt：土地開發(fā)的總成本i：社會(huì)貼現(xiàn)率

（2）四種典型環(huán)境退化的經(jīng)濟(jì)成本

利用Matlab進(jìn)行傅里葉三次擬合擬合2000～2011年美國(guó)土地總成本的、

離散點(diǎn)數(shù)據(jù)，得到土地總成本隨時(shí)間變化的圖像和特定函數(shù)表達(dá)式。

·土地開發(fā)的總成本

W_t=8O470-290.7×cos（0.3876×t）-12210 cos（2×t×0.3876）+6335×sin（2×t×0.3876）-3874×cos（3×t×0.3786）+1407×sin（3×t×0.3876）

在相同條件下，采用傅里葉二次擬合分別擬合河流水污染控制，大氣污染控制，污水排放控制和氣候變化預(yù)防的成本，得到四個(gè)指標(biāo)成本隨時(shí)間變化的曲線和函數(shù)表達(dá)式。

·河水污染控制成本（R平方=O.9776）

R_t=73.62-6.2O4×cos（t×0.3118）-11.54×sin（0.3118×t）-2.179×cos（2×0.3118×t）-5.022×sin（2×t×0.3118）

·大氣污染防治成本（R平方=O.984）

A_t=70.49-7.129×cos（t×O.2886）+lO.3×sint×O.2886+6.444×cos（2×t×0.2886）-2.205×sin（2×t×0.2885）

·廢水排放控制成本（R平方=O.9297）

F_t=43.66-6418×cos（t×O.2831）-1.278×sin（t×0.2831）-2.643×cos（2×t×0.2831）+4.723×sin（2×t×0.2831）

·預(yù)防氣候變化的成本（R平方=0.9648）

D_t=1636+1357.1×cos（t×0.2831）-1.278×sin（t×0.2831）-2.643×cos（2×t×0.2831）+4.723×sin（2×t×0.2831）

（3）綜合考慮土地成本和環(huán)境退化成本根據(jù)假設(shè)，我們可以確定c_t與w_t，R_t，F(xiàn)_t，A_t和D_t之間存在一定的線性關(guān)系。它可以描述為：Ct=W_t+αlR_t+α2l_t+α3F_t+α4D_t

其中，αl-α4分別代表河水污染控制成本，空氣污染控制成本，控制廢水排放成本和防止氣候變化成本占總量的百分比聯(lián)邦政府的環(huán)保成本。通過咨詢相關(guān)文獻(xiàn)，我們可以確定：

αl=25%

α2=30% α3=18% α4=30%

然后我們可以得到總的經(jīng)濟(jì)成本：

C_t=W_t+0.25R_t+0.30A_t+0.18F_t+0.30D_t

其應(yīng)用的基本原則是，對(duì)于開發(fā)項(xiàng)目，有幾種實(shí)施方案，使用模型結(jié)果，可以計(jì)算每個(gè)方案的成本和效益，并且可以通過效益比公式計(jì)算評(píng)估指標(biāo)值。

（三）模型評(píng)估

1.優(yōu)點(diǎn)

（1）模糊推理的優(yōu)點(diǎn)

由于某些環(huán)境數(shù)據(jù)可能隨時(shí)發(fā)生變化且無(wú)法準(zhǔn)確測(cè)量，因此我們得到的數(shù)據(jù)集可能并不全面。但是，即使沒有大量的數(shù)據(jù)集，我們的模型也可以通過改變參數(shù)，分配規(guī)則而完全可行。但是我們可以改變參數(shù)和分配規(guī)則，即使沒有廣泛的數(shù)據(jù)集，我們的模型仍然可行。所以我們的模型有很好的模糊推理。

（2）決策優(yōu)化

該模型引入了成本效益比作為評(píng)價(jià)指標(biāo)的概念，明確地描述了評(píng)價(jià)結(jié)果的卓越程度。因此，決策者可以根據(jù)該指標(biāo)設(shè)計(jì)最優(yōu)方案，以降低環(huán)境成本和對(duì)環(huán)境生態(tài)的影響。

2.缺點(diǎn)

（1）數(shù)據(jù)的局限性

在2000-2011年期間，該模型中有12個(gè)離散數(shù)據(jù)點(diǎn)。與其他更好的模型相比，我們選擇的數(shù)據(jù)量太小，這將不可避免地導(dǎo)致擬合過程中的一些錯(cuò)誤。

（2）影響因素的相關(guān)性

在模型假設(shè)中，我們認(rèn)為土地開發(fā)項(xiàng)目是相互獨(dú)立的，不會(huì)相互影響。但在現(xiàn)實(shí)生活中，卻很少。各種土地開發(fā)項(xiàng)目之間存在一些影響，可能相互制約或相互促進(jìn)。與此同時(shí)，各種環(huán)境污染并非完全獨(dú)立。在這個(gè)模型中沒有考慮到這些因素，因此存在一定的不確定性。

二、不同尺度的長(zhǎng)期和短期分析

（一）短期小社區(qū)項(xiàng)目的成本與效益分析

小社區(qū)項(xiàng)目的短期成本一效益分析模型：小社區(qū)項(xiàng)目土地利用開發(fā)的成本效益分析可以概括為預(yù)測(cè)模型。

基于傅里葉變換的非線性擬合模型在估計(jì)非線性曲線時(shí)，功能模型相對(duì)簡(jiǎn)單。因此，在分析土地開發(fā)成本和小社區(qū)項(xiàng)目效益時(shí)，我們?nèi)匀皇褂没诟道锶~變換的非線性擬合模型來擬合和分析2000年至2011年美國(guó)小社區(qū)項(xiàng)目的成本和效益，并找出具體的功能表達(dá)。依據(jù)經(jīng)濟(jì)效益比的公式，并通過大量預(yù)測(cè)并采取均值，我們得到：

RBC=2.1511

（1）通過使用MATLAB來擬合基于傅立葉變換的2000年至2011年美國(guó)小規(guī)模社區(qū)項(xiàng)目的成本，我們得到了成本隨時(shí)間變化的曲線和函數(shù)表達(dá)式：

·小社區(qū)項(xiàng)目的建設(shè)成本

C_t1=3834 + 62.6×cos（t×O.3088）-967.9×sln（t×0.3088）+213.4×COS（2×t×0.3088）-132.5×sin（2×t×0.3088）

（2）基于傅里葉變換非線性，利用MATLAB擬合2000年至2011年美國(guó)小型社區(qū)項(xiàng)目的效益，得到了隨時(shí)間變化的收益曲線和函數(shù)表達(dá)式：

·小社區(qū)項(xiàng)目的建設(shè)效益

B_t1= 84O0 - 2101×cos（t×0.3081）-290×sin（t×0.3081）-500.8×COS（2×t×O.3081）-375.5×sln（2×t×0.3081）

（二）短期內(nèi)國(guó)家大項(xiàng)目短期成本一效益分析模型

基于傅里葉變換的非線性擬合方法可用于對(duì)其進(jìn)行建模和求解。兩種方法的區(qū)別在于它們的成本和收益受到不同因素的影響。最值得注意的是，大規(guī)模的國(guó)家項(xiàng)目受到聯(lián)邦政府相關(guān)政策的極大影響。小型社區(qū)項(xiàng)目的成本和收益主要取決于社區(qū)的商業(yè)模式。

通過使用Matlab來擬合基于傅里葉變換的2000年至2011年美國(guó)大型國(guó)家項(xiàng)目的成本，獲得了成本的時(shí)變曲線和函數(shù)表達(dá)式。

·大型國(guó)家項(xiàng)目的建設(shè)成本

C_t2=1693+320.7×COS（t×O.2897）-410.7×sln（t×O.2897）+156.9×COS（2×t××0.2897）+5418×sin（2×t×0.2897t）

（三）長(zhǎng)期不同規(guī)模項(xiàng)目的成本效益分析

通過神經(jīng)網(wǎng)絡(luò)算法分析項(xiàng)目的長(zhǎng)期成本效益在上文中，我們?yōu)椴煌?guī)模的項(xiàng)目建立了有效的預(yù)測(cè)和評(píng)估模型，用于短期成本效益分析。在考慮時(shí)間變化時(shí)，我們構(gòu)建了另一個(gè)長(zhǎng)期預(yù)測(cè)模型。因?yàn)榛疑A(yù)測(cè)GM（1，1）和時(shí)間序列方法主要用于處理具有一定線性關(guān)系或周期性變化的數(shù)據(jù)，不能預(yù)測(cè)正態(tài)分布的數(shù)據(jù)。

同時(shí)，神經(jīng)網(wǎng)絡(luò)算法可以正確處理復(fù)雜數(shù)據(jù)并獲得可靠信息。因此，在本文中，我們將使用神經(jīng)網(wǎng)絡(luò)算法來構(gòu)建模型，并對(duì)小型社區(qū)項(xiàng)目的成本效益進(jìn)行長(zhǎng)期預(yù)測(cè)。

（1）根據(jù)“最佳驗(yàn)證性能”圖表，培訓(xùn)，驗(yàn)證和測(cè)試在初始階段同步下降，第五次達(dá)到最低值，并且穩(wěn)步增長(zhǎng)幾乎沒有變化。值得注意的是，三者之間的差異在第六次是最小的，從而實(shí)現(xiàn)了期望的結(jié)果。

（2）梯度曲線反映了輸出隨輸入變化的變化，整個(gè)階段梯度總是大于零，表明輸出隨輸入的增加而增大：驗(yàn)證檢查在0-6次時(shí)幾乎為零，并在6次后迅速增長(zhǎng)。

（3）在誤差曲線中，零誤差位置出現(xiàn)在中間位置。如果訓(xùn)練次數(shù)太少，則不會(huì)有驗(yàn)證數(shù)據(jù)，并且測(cè)試數(shù)據(jù)的數(shù)量在一定程度上與訓(xùn)練數(shù)據(jù)的數(shù)量無(wú)關(guān)。

（4）考慮到訓(xùn)練數(shù)據(jù)，驗(yàn)證數(shù)據(jù)和測(cè)試數(shù)據(jù)的相關(guān)性，我們可以看到神經(jīng)網(wǎng)絡(luò)的相關(guān)系數(shù)對(duì)于訓(xùn)練數(shù)據(jù)和所有數(shù)據(jù)是R=l，但對(duì)驗(yàn)證數(shù)據(jù)和測(cè)試數(shù)據(jù)不是很友好。相關(guān)系數(shù)分別為O.51073和O.039344。

三、基于Pearson系數(shù)的模型試驗(yàn)

由于上述模型的函數(shù)表達(dá)式以時(shí)間的形式作為單個(gè)變量，因此可以通過結(jié)果數(shù)據(jù)和理論標(biāo)準(zhǔn)數(shù)據(jù)之間的線性關(guān)系來評(píng)估成本-收益模型的有效性。線性關(guān)系越強(qiáng)，效果越好。Pearson系數(shù)是描述兩組線性數(shù)據(jù)相同運(yùn)動(dòng)趨勢(shì)的指標(biāo)，因此我們考慮使用Pearson系數(shù)來評(píng)估上述模型。

通過計(jì)算，可以獲得理論標(biāo)準(zhǔn)收益與小型和大型項(xiàng)目的實(shí)際標(biāo)準(zhǔn)收益之間的Pearson系數(shù)：

皮爾森（?。?1.000

皮爾遜（大）=0.998

它表明理論標(biāo)準(zhǔn)效益與實(shí)際標(biāo)準(zhǔn)效益之間存在很強(qiáng)的線性關(guān)系，實(shí)際標(biāo)準(zhǔn)效益由我們建立的模型計(jì)算得出。進(jìn)一步表明3.1基于短期的小型社區(qū)項(xiàng)目成本效益分析模型和3.2基于短期的成本效益分析模型對(duì)大型國(guó)家項(xiàng)目是有效的。

結(jié)論：我們從2000年到2011年開始搜索環(huán)境，土地成本和土地收益的數(shù)據(jù)，并用非線性擬合方法得到函數(shù)曲線和表達(dá)式。然后，我們加入環(huán)境退化因子，確定構(gòu)成環(huán)境成本的四個(gè)退化因子及其權(quán)重，從而達(dá)到真正全面預(yù)測(cè)項(xiàng)目成本效益比的目標(biāo)。我們的結(jié)論表明，在評(píng)估開發(fā)項(xiàng)目時(shí)考慮環(huán)境成本是非常可能和必要的。最后，我們使用兩種不同的算法，分別從長(zhǎng)期和短期角度為小型項(xiàng)目和大型項(xiàng)目創(chuàng)建成本效益評(píng)估模型。通過相關(guān)分析得出結(jié)論，我們建立的模型和得到的結(jié)果不僅有效性高，而且適應(yīng)性強(qiáng)。換句話說，我們的模型具有很強(qiáng)的可行性，可以作為項(xiàng)目規(guī)劃者和管理者評(píng)估效益和環(huán)境成本的準(zhǔn)確理論指導(dǎo)。