SCI论文（www.lunwensci.com）
摘 要： 由于目前国内外对光污染带来的综合影响分析不足,且缺少防治政策的评估分析,需要对光污染的实际影响和风 险水平做出测评,并对防治政策做出合理的分析。关于光污染风险的评定,从评分和评级两方面进行 ：利用基于单核心指标关 联赋权的 TOPSIS 综合评价算法,实现评分模型 ;根据评分结果,使用决策树分类,实现评级模型。关于光污染防治策略的评 估,综合考虑了政策的效益和难度。政策的效益通过对风险评定模型的灵敏度分析实现 ;政策的难度分析由综合层次分析法实 现。根据政策的效益和难度,比较付出同等成本时,不同策略的可行性,选择出最优策略。
关键词：光污染风险评定,光污染防治策略评估,单核心指标关联赋权,TOPSIS 决策树
The Mathematical Model for Risk and Strategy Assessment of Light Pollution
LI Yinghua, XIE Jingya, GU Huayu, MU Xuanmiao, ZHAO Runyu, WANG Xu
(Shandong University, Ji'nan Shandong 250101)
【Abstract】：Due to the insufficient analysis of the comprehensive impact brought by light pollution at home and abroad, and the lack of assessment and analysis of the prevention and control policies. It is necessary to measure the actual impact and risk level of light pollution, and make a reasonable analysis of prevention and control policies. For the risk of light pollution model, it is assessed in terms of scoring and rating. Using the TOPSIS comprehensive evaluation algorithm which based on single core indicator correlation assignment to realize the scoring model. And using the decision tree classification to realize the rating model according to the scoring results. The evaluation of light pollution prevention and control strategies considers the effect of the policies and the difficulty of implementation. The analysis of the effect is realized by the sensitivity analysis of the risk assessment model. The difficulty analysis of implementing the policy is realized by the comprehensive analytic hierarchy process. According to the effect of the policy and difficulty of implementation,the feasibility of different strategies is compared when the same cost is paid, then the optimal strategy is selected.
【Key words】：risk assessment of light pollution;evaluation of light pollution control strategies;single coreindex correlation analysis;TOPSIS decision tree
引言
随着城市化和商业化水平的发展,人造光导致的光 污染成为一些地区的主要问题。为了综合考虑光污染程 度和光污染对人类社会、自然生态带来的风险,需要综 合各方面指标评价光污染风险水平。另外,为了更好地 防治光污染,需要对光污染防治策略做出评估分析,因 地制宜制定出最优政策。
1 课题背景及相关研究
1.1 课题背景
当下,光污染已经成为全球普遍存在的问题。在自 然环境方面,夜间的过量人造光会影响夜行动物的生 活,也会导致植物的光合作用不规律 ;在人类社会方面, 强光会损害视力,还会使人们作息混乱,夜间灯光的广 泛应用也会使夜间就业者增多,造成多方面影响 [1]。
要科学评估、解决光污染带来的影响,就要先分析 光污染对不同地区的风险影响。对于生态脆弱的地区, 光污染更容易产生一些问题 ;而生态单一和人口稀疏的 地区,光污染的影响远不如其他地区 [2]。
1.2 光污染风险度量和政策评估方面研究现状和存在的问题
尽管如今对于光污染的研究在不断深入,但防治工 作还处于起步阶段。光污染防治政策、标准规范等方面 也未有深入成果。虽然有较多关于光强和城市炫光分析 的研究 [3],但是综合考虑光污染的实际影响因素的风险 分析研究基本没有。
目前,有较多关于政策的人文社科类研究。多数是 从社会学角度出发,鲜有充足的数据作为论据支撑。另 外,部分研究方法过于主观,其可信度和精确度都有待 探讨,有很大的改进和论证空间。
2 概述和关键定义
2.1 概述
本篇实现了“光污染风险评定”和“光污染防治策 略评估”的数学模型建立。
关于光污染风险的评定,需要综合考虑各方面指标 的承载力,从评分和评级两方面进行,利用单核心指标关联赋权和 TOPSIS 综合评价算法,实现评分模型。根据评分结果,使用决策树分类,实现评级模型。
关于光污染防治策略的评估,需要综合考虑政策的 效益和难度。通过风险评定模型的灵敏度分析政策效益 ;由综合层次分析法分析政策的难度。根据效益和难度,比较付出同等成本时,不同策略的可行性,选择出 最优策略。
2.2 关键定义
为了避免无关因素干扰理解,在这里明确以下研究 前提,使研究内容尽可能不出现歧义。
(1)研究对象为夜间人造光造成的光污染,不包括 白天的玻璃反射等。(2)光污染风险是指 ：由于使用 人造光,可能发生不利现象的程度。(3)光污染需要受 体,没有受体的人造光不会造成光污染。
3 关于评分和评级计算的光污染风险模型
要测度一个地区光污染的影响水平,仅看夜光强度 是不合理的,更需要综合考虑地区的自然、人文层面的 承受度,根据这一原则进行数据的采集集成和数学模型 的设计。
3.1 数据采集、集成、预处理
3.1.1 初始指标的数据采集和数据集成
为了尽可能全面测评光污染风险,从光污染诱因和 易受光污染影响方面选取指标。每个方面都选取了若干 个具有该类别代表性的指标。
数据采集结果包括 200 多个国家和地区的部分区县 光污染小区域规模数据 [4]、联合国统计司统计的世界各 国 1960— 2021 年发展指标 [5]、世界银行的国民经济 [6] 和城市化指标 [7]、2022 年中国统计年鉴 [8]、世界各地区 睡眠指数 [9]、生态情况 [10] 等。
采集的初选指标共 22 个。在光污染成因方面,选 取夜间灯光强度、商业用电量指标 ;在光污染的自然影 响方面,针对自然环境的脆弱部分,选取森林覆盖率、 气温、受影响动物等指标 ;针对人文社会环境的脆弱部 分,选取商业用地占比、人口密度、睡眠指数等指标。
3.1.2 初始指标的数据预处理
消除指标随时间序列变化的趋势。例如,对于 GDP 指标,需要消除货币价值变化等影响因素。本篇统一转 化为 2015 年市值价值的美元价值。
针对缺失数据,采用近年—均值填补方法。优先使 用对应年份的近年数据进行填补。如果过去几年都没有 数据,则删去这部分有缺失值的地区。最后将填充后的 数据进行 Z-score 标准化处理。
3.1.3 基于关联因果分析的指标精简
初步选取的指标覆盖了各个层面,但一些指标可能 具有部分重合的含义,需要去除冗余指标。通过因果分 析,可以判断指标的变化是否有共同的诱因,确定需要 精简的指标范围,如图 1 所示。
利用格兰杰因果关系检验,检验一组时间序列是否 为另一组时间序列的原因。采用 P 假设检验判断因果性 是否存在,小于 5% 的指标存在因果性,需要精简,仅 保留其中的一项。
如表 1 所示是具有因果关系的指标组合。可以将存 在因果性的两指标合并为一个。
3.2 基于单核心指标关联赋权的 TOPSIS 风险评分
在评分前,需要对各项指标进行赋权。为了实现对 光污染风险的评估,需要评估光污染与影响因素之间的 关联性。而光污染程度本身作为指标之一,利用各指标 与光污染程度指标的关联度作为赋权依据,能够体现光污染对各指标因素的影响,如表 2 所示。
3.2.1 单核心指标关联赋权
通过夜间照明指数与其他 6 个指标的关联度进行赋 权,可以体现各指标受光污染影响程度的敏感性。指标 越易受影响,风险越高、关联度越大、赋权越高。
ri,j 表示第 i 和j 个指标之间的斯皮尔曼相关系数, di,j 为两组指标之间的等级差,设 Cj 为第j 个评价指标 所包含的信息关联度,如式(1)所示 ：
3.2.2 基于 TOPSIS 的风险评分
首先根据单核心指标关联赋权的结果,对自变量加 权处理。然后利用 TOPSIS,根据目标值距正理想解和 负理想解的比例确定评分。其中,正理想解为当前数据 体系下,各个指标的最优数值,负理想解与之相反。利 用原始信息,反映的是目标数据之间的差距。
3.2.3 模型算法
相关算法如表 3、表 4 所示。其中,Weighting() 为加 权函数, Weight() 为赋权函数。赋权时使用的斯皮尔曼相 关度计算使用 SPEARMAN() 表示。
3.3 基于决策树信息熵增益算法的风险评级
为了让风险评估结果更加直观易懂,根据评分,使用 决策树进行分类。决策树使用 C4.5 信息熵增益算法。通过 遍历训练集所有数据的评分,选择二分后信息增益最大值 作为分界点,据此迭代,将综合评分结果分成 4 个等级。
选择特征时,对训练数据集或子集 D,计算其每个 特征的信息增益,并比较它们的大小,选择信息增益最 大的特征。
考虑到不同地区的光污染总体情况不一致,故采取 自适应划分标准,计算新的污染度百分比,依据各地区 特殊情况都划分出 4 个等级,提高数据的可用性。
在表 5、表 6 所示的算法结构中,函数 HD 作为计 算数据集 D 的经验熵函数, 函数 HDA 是 A 和 D 经验 条件熵函数,由 A 至 D 的信息增益表示为 D 的经验熵 与 A 和 D 经验条件熵的差。
4 基于效益和难度评估的光污染防治策略评估模型
为了综合考虑光污染防治策略的效益和难度,需要 衡量不同策略下光污染风险评估模型的灵敏度(政策效 益)和策略实施的难度,得到有统一标准的可行性决策 分析。
4.1 基于风险评定模型灵敏度计算的政策效益评估
为了评估政策效益,需要计算决策变化对综合得分的影响。通常一个政策引起多个指标的变化。设指标 i 和j(1 ≤ i,j ≤ n) 的变化幅度关联性rangei ,j ,指标 i 对 应的指标值 aj 变化幅度比例为peri ,变化幅度 ∆aj 如式(4)所示 ：
4.2 基于 AHP 的政策难度评估
使用 AHP 层次分析法对决策的实施难度进行评价。 层次分析法可以通过消除投票者的主观性误差,给出 较为准确的评价 [11]。需要选择合适的求值属性。这里 相应的决策评价维度为 ：人力成本、经济成本、持续时 间、实施难度、附加效果。
构建层次分析矩阵,每个值表示当前元素相对于标 准的权重。经一致性检查后,填充权重矩阵,并根据矩 阵计算得分。使用特征值法来寻找权重。一致矩阵的特 征值为 n,其余特征 a 值为 0.得到当特征值为 n 时, 对应的特征向量如式(6)所示 :
4.3 综合政策效益和难度的可行性评估
5 模型结果的检验和分析
为了验证模型的有效性和实用性,选取部分数据样 本进行检验,并对检验结果和模型整体进行分析。
5.1 光污染风险评定模型结果检验
模型整体结构如表 9 所示,Measure_LightPollution 为函数入口。TOPSIS 和决策树由 TOPSIS() 和 DECISION_ TREE_C45() 函数实现。
关于模型检验,根据选取到的世界各国各区县级地 域数据,将处理后的数据利用单核心指标关联赋权方法 计算,如表 10 所示为计算得到的各指标权重。
根据 TOPSIS 综合评分,对综合评分排序,可知, 光污染风险综合评分越高,对应的评级就越高。
5.2 模型灵敏度分析
在“政策评估”的效益分析中,完成了对“光污染 风险评定”的灵敏度分析。在常见的几种光污染防治策 略中,控制光源时间、光强策略对光污染和用电量的灵 敏度影响性最大 ;转移风险策略对自然保护区保护和生 态多样性的灵敏度影响性最大 ;降低城市人口密度策略 主要指影响人口数量,对于光污染风险的其他指标影响 并不突出,灵敏度并不强。
灵敏度最强的策略往往是直接与光污染光源相关的,但在实际中,还需要综合考量政策效益和政策难度,上 述分析在光污染政策可行性分析中已做出详细阐述。
6 结论
在光污染风险评定中,综合污染程度、生态、社会 等因素,通过数据处理,确立合理精简的指标体系,实 现了对光污染风险的评分和评级评定。
在光污染政策评估中, 通过效益和难度分析, 实现 了对政策可行性的评估。能够因地制宜,为不同地区选 取不同的最优策略。
综上所述,本篇完成了综合优劣与人文自然方面, 对光污染的风险评定 ;并在光污染的政策评估方面,从 效益和难度两方面进行综合评估。填补了当前相关领域 对光污染综合评估缺失的不足,也为实际的政策决策提 供了一种新的思路。
参考文献
[1] 苏晓明.居住区光污染综合评价研究[D].天津:天津大学,2012.
[2] BURT C S,KELLY J F,TRANKINA G E,et al.The Effects of Light Pollution on Migratory Animal Behavior[J]. Trends in Ecology &Evolution,2023.38(4): 355-368.
[3] 刘鸣,张宝刚,潘晓寒,等.城市照明规划中光污染评价指标与 方法研究[J].照明工程学报,2012.23(04):22-27+55.
[4] HSU F C.National Geophysical Data Center (NGDC). DMSP Light Pollution Data of Counties (1992-2022)[R]. Silver Spring,MD,US:National Geophysical Data Center (NGDC),2022.
[5] United Nations Statistics Division.World Development Indicators(2021)[R].Geneva:UNSD,2021.
[6] World Bank.Urban Development Data(2021)[R]. Washington,DC:World Bank,2021.
[7] World Bank.Agriculture,Forestry,and Fishing,Value Added (% of GDP) Data(2021)[R].Washington,DC:World Bank,2021.
[8] 中国统计年鉴编委会.中国统计年鉴[R].中国统计出版社, 2022.
[9] U.S.Energy Information Administration,Office of Energy Statistics,Office of Energy Demand and Integrated Statistics,Integrated Statistics Team.US Monthly Energy Review Report(2023/1)[R].Washington,DC:US Energy Information Administration(EIA),2023.
[10] 郝庆丽,任卓菲,刘刚,等.光和噪声污染胁迫下城市生态斑 块鸟类风险评价[J].生态学报,2022.42(6):2186-2201.
[11] 邓雪,李家铭,曾浩健,等.层次分析法权重计算方法分析及 其应用研究[J].数学的实践与认识,2012.42(7):93-100.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/65097.html
