[发明专利]一种基于遗传算法的土地资源评价因子级别划分方法

说明书

技术领域

本发明属于土地资源评价技术领域，特别是涉及一种基于遗传算法的土地资源评价因子级别划分方法。

背景技术

随着21世纪的到来，人类面临的人口问题、粮食安全问题等诸多全球性问题日益严峻。我国作为人口大国，土地资源相对稀缺，如何合理利用土地，实现土地资源的可持续利用是当前迫切需要解决的问题。因此，采用科学的技术手段和方法对土地资源的质量进行评价，是促进土地资源合理利用的必要手段。

根据联合国粮农组织FAO的定义，土地资源评价是指对土地针对特定的利用方式所表现出来的效果进行评估的过程，包括对土地的形态、土壤、植被、气候等方面属性进行质量综合鉴定，从而区分并比较不同土地利用方式对评价目标所表现出的适宜性程度。有关文献：[1]FAO.Land Evaluation.Towards a revised framework.2007.。在借鉴国外先进技术的基础上，我国已形成了包括针对农用地与建设用地的土地分等、定级、估价、土地适宜性评价、土地集约利用评价、土地退化评价等在内的符合当前国情需求的土地评价体系。

在进行评价土地资源质量时，对土地资源质量有着显著影响的各种因素实体如商服中心、集贸市场、灌溉水源、道路网络等对象，被定义为“土地资源评价因子”(简称为“评价因子”)或“土地资源评价指标”。由于评价因子的规模(或大小)的差异将直接导致评价因子所具备的功能和作用存在差别，其对土地质量的影响的空间范围和强度也存在明显的不同，在进行评价因子分析时也需要进行区别对待。例如城镇土地资源评价中，大小和规模不同的商服中心、医院等服务设施，其所具备的功能和能提供的各类服务也不同，进而对土地资源质量的空间影响范围、作用方式和强度也各不相同。因此，在进行土地资源评价时，需要根据评价因子规模将其划分为若干级别，分别对不同级别的评价因子的空间影响范围和作用强度进行分析。有关文献：[2]国家质量监督检验检疫总局.城镇土地分等定级规程(GB/T 18507-2001)[S].2001；有关文献：[3]国土资源部.农用地定级规程(TD/T 1005-2004)[S].2003。

然而，目前有关土地评价因子级别划分的方法主要是根据带分级的评价因子规模指数，由土地评价专家根据自身经验人为将土地评价因子划分为若干级别。(注：规模指数用于反映各因子对象对土地资源质量的影响程度，规模指数越大，则其对土地资源质量影响的强度越大。规模指数通常根据能够反应评价因子大小、规模的一系列指标综合计算得到，其计算方法在相关的土地评价标准规范中都有较为详细的阐述，如城镇土地分等定级规程、农用地定级规程等，不是本发明的关注重点。)其缺点主要在于主观性太强，划分结果的科学性严重依赖于专家经验。因此，为了更加科学、合理的划分土地评价因子，进而为土地评价因子空间影响范围和强度分析提供准确的基础数据支持，必须开发出更为合理的土地评价因子级别划分方法。

遗传算法(Genetic Algorithm)是一种模拟达尔文生物进化论的随机搜索方法，参见图1.，其求解问题的基本思路是：将待求解的问题的求解过程表示成染色体的适者生存过程，把搜索空间映射为遗传空间，即把每一个可能的解编码为一个向量，向量的每一个元素称为基因。所有染色体组成的种群初始化后按照一个适应度函数计算其适应度，即进行适应度评价。经过染色体的选择、交叉、变异等遗传操作，然后重新进行适应度评价，剔除适应度低的个体，保留适应度高的个体，从而得到新的种群。新种群比上一代种群具有更有的性态，如此反复迭代，直到满足预定的优化目标，即满足终止条件，解码得到问题的解。有关文献：[5]陈森发，复杂系统建模理论与方法[M]，2005.南京：东南大学出版社.采用遗传算法解决问题的基本流程见附图1.遗传算法作为一种随机搜索算法，即使搜索空间非常大、非常复杂，遗传算法也能找到全局最优解。相对于传统的搜索和优化算法，遗传算法的主要优势在于其具有自组织、自适应、自学习性，因而被广泛应用于组合优化、机器学习、聚类分析和人工生命等领域。有关文献：[6]黎夏等.智能式GIS与空间优化[M].2010.北京：科学出版社.

发明内容

针对现有土地资源评价中评价因子级别划分方法的局限性，发明一种智能化、自动化的基于遗传算法的土地资源评价因子级别划分方法。为科学合理的研究与分析评价因子对土地资源质量的影响提供准确的基础依据，为合理、可持续利用土地资源提供技术方法支持。

本发明提供的技术方案是一种基于遗传算法的土地资源评价因子级别划分方法，包括以下步骤：