[發明專利]一種土地利用空間自動配置方法

有效

• 申請號: 201310099615.X
• 申請日: 2013-03-26
• 公開（公告）號: CN103150614A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 劉耀林;袁滿;何建華;劉殿鋒;趙翔
• 申請（專利權）人: 武漢大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

技術領域

本發明涉及一種土地利用領域，尤其是涉及一種土地利用空間自動配置方法。

背景技術

土地利用空間配置是促進土地資源的集約和節約利用，實現土地利用可持續發展的重要手段，也是土地利用規劃的核心問題。它需要根據土地的自然屬性及區域社會經濟狀況，來綜合確定土地利用數量結構，并對各類用地進行空間布局，以實現綜合效益的最大化。土地利用空間配置問題涉及多個目標及約束條件，隨著數據維數的增加，其可能的組合呈爆炸式增長，利用常規的窮盡搜索方法（brute-forcesearch）無法找到最優的解決方案。如何找到一種客觀的、定量化的多目標空間優化配置方法，解決土地資源在數量上、質量上和空間上的合理配置，一直是土地利用空間配置需要研究和解決的熱點問題。

至今，已有大量的方法和技術被用于解決土地利用空間配置問題，它們大致可以分為以下三類：基于多準則決策的配置技術、基于元胞自動機的配置模型及基于數學規劃的方法。早期的研究較多的使用基于GIS的多準則決策技術，將多目標決策或理想點分析等方法應用于準則規則中，根據土地利用的優先級別、適宜性評價指數的高低逐步為各個土地利用單元選擇最佳用途。然而，此方法由于缺乏全局目標函數無法解決土地利用多宜性問題。此后，許多研究運用元胞自動機模型，建立元胞局域轉換規則集和約束體系，運用其強大的空間模擬能力來實現土地利用空間布局。但是，元胞自動機模型只考慮了自身與鄰域狀態，缺乏社會、經濟等宏觀目標的指導，導致模擬結果無法滿足全局目標的要求。近年來，在土地利用空間配置的研究中，出現了一些基于數學規劃（如整數規劃、目標規劃）的配置方法，它們由于擁有全局目標函數與約束條件，能夠克服以往模型的缺點。但其面臨的一個主要問題是模型受數據量限制，能處理的問題規模有限且耗費計算時間巨大。

遺傳算法最早由Holland于1975年提出來，是一種根據達爾文進化原理中自然選擇規則來自動地尋找最優方案的智能優化算法。它無需提供復雜的數學表達式就能解決復雜的優化問題，許多學者已將遺傳算法應用于解決土地利用空間配置問題之中，以期上述方法的不足。然而，這些研究存在一定的缺陷，它們在遺傳進化操作中主要采用隨機搜索策略，缺少土地利用領域知識的指導與約束，導致算法容易陷入局部最優解且收斂較慢。

發明內容

本發明主要是解決現有技術所存在的技術問題；提供了一種充分利用計算機的并行計算能力，有效提高土地利用空間配置效率的一種土地利用空間自動配置方法。

本發明還有一目的是解決現有技術所存在的等的技術問題；提供了一種能夠提高土地利用空間配置的合理性和適用性，從而解決當前土地利用空間配置效率低下、難以模擬人的智能行為導致配置結果合理性差的不足的一種土地利用空間自動配置方法。

本發明的上述技術問題主要是通過下述技術方案得以解決的：

一種土地利用空間自動配置方法，其特征在于，該方法包括如下步驟：

步驟1，提取土地利用空間配置的基礎數據并進行整合，整合后的數據為各個土地利用單元的屬性信息；

步驟2，應用改進遺傳算法對步驟1的數據優化，進行建模和選擇最優的土地利用布局，以土地利用單元為數據處理單位，建立待求問題與改進遺傳算法之間的映射關系，求解得出土地利用空間配置的優化結果，所述土地利用單元抽象為改進遺傳算法中的基因，其土地利用類型由基因的類型進行表征；土地利用簇，即土地利用類型相同且相連的單元形成的一個空間集合，由基因組表示；區域的土地利用空間配置方案對應于染色體；土地利用綜合效益函數為染色體適應度函數。

在上述的一種土地利用空間自動配置方法，所述的步驟1中，基礎數據包括土地利用現狀數據、土地利用適宜性評價數據、城鎮及基本農田規劃數據、地形坡度數據。整合數據是指這些數據是多種來源、不同格式的數據，要對這些空間數據進行統一規范化處理。使用ArcGIS9.3的SpatialAdjustment工具對這些空間數據進行配準，設置一致的空間參考坐標，并使用FeaturetoRaster工具將矢量數據轉成精度相同的柵格數據。

在上述的一種土地利用空間自動配置方法，所述的步驟2中，求解土地利用空間配置優化結果的步驟包括以下子步驟：

步驟2.1，設置染色體種群規模，交叉率，變異率，最大迭代次數，并初始化每個染色體的基因值；

步驟2.2，設置適應度函數，包括設置適宜性目標及緊湊度目標權重；

步驟2.3，對染色體進行交叉操作、變異操作，生成新的一批染色體；