[发明专利]一种土地利用空间自动配置方法

说明书

技术领域

本发明涉及一种土地利用领域，尤其是涉及一种土地利用空间自动配置方法。

背景技术

土地利用空间配置是促进土地资源的集约和节约利用，实现土地利用可持续发展的重要手段，也是土地利用规划的核心问题。它需要根据土地的自然属性及区域社会经济状况，来综合确定土地利用数量结构，并对各类用地进行空间布局，以实现综合效益的最大化。土地利用空间配置问题涉及多个目标及约束条件，随着数据维数的增加，其可能的组合呈爆炸式增长，利用常规的穷尽搜索方法（brute-forcesearch）无法找到最优的解决方案。如何找到一种客观的、定量化的多目标空间优化配置方法，解决土地资源在数量上、质量上和空间上的合理配置，一直是土地利用空间配置需要研究和解决的热点问题。

至今，已有大量的方法和技术被用于解决土地利用空间配置问题，它们大致可以分为以下三类：基于多准则决策的配置技术、基于元胞自动机的配置模型及基于数学规划的方法。早期的研究较多的使用基于GIS的多准则决策技术，将多目标决策或理想点分析等方法应用于准则规则中，根据土地利用的优先级别、适宜性评价指数的高低逐步为各个土地利用单元选择最佳用途。然而，此方法由于缺乏全局目标函数无法解决土地利用多宜性问题。此后，许多研究运用元胞自动机模型，建立元胞局域转换规则集和约束体系，运用其强大的空间模拟能力来实现土地利用空间布局。但是，元胞自动机模型只考虑了自身与邻域状态，缺乏社会、经济等宏观目标的指导，导致模拟结果无法满足全局目标的要求。近年来，在土地利用空间配置的研究中，出现了一些基于数学规划（如整数规划、目标规划）的配置方法，它们由于拥有全局目标函数与约束条件，能够克服以往模型的缺点。但其面临的一个主要问题是模型受数据量限制，能处理的问题规模有限且耗费计算时间巨大。

遗传算法最早由Holland于1975年提出来，是一种根据达尔文进化原理中自然选择规则来自动地寻找最优方案的智能优化算法。它无需提供复杂的数学表达式就能解决复杂的优化问题，许多学者已将遗传算法应用于解决土地利用空间配置问题之中，以期上述方法的不足。然而，这些研究存在一定的缺陷，它们在遗传进化操作中主要采用随机搜索策略，缺少土地利用领域知识的指导与约束，导致算法容易陷入局部最优解且收敛较慢。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种充分利用计算机的并行计算能力，有效提高土地利用空间配置效率的一种土地利用空间自动配置方法。

本发明还有一目的是解决现有技术所存在的等的技术问题；提供了一种能够提高土地利用空间配置的合理性和适用性，从而解决当前土地利用空间配置效率低下、难以模拟人的智能行为导致配置结果合理性差的不足的一种土地利用空间自动配置方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种土地利用空间自动配置方法，其特征在于，该方法包括如下步骤：

步骤1，提取土地利用空间配置的基础数据并进行整合，整合后的数据为各个土地利用单元的属性信息；

步骤2，应用改进遗传算法对步骤1的数据优化，进行建模和选择最优的土地利用布局，以土地利用单元为数据处理单位，建立待求问题与改进遗传算法之间的映射关系，求解得出土地利用空间配置的优化结果，所述土地利用单元抽象为改进遗传算法中的基因，其土地利用类型由基因的类型进行表征；土地利用簇，即土地利用类型相同且相连的单元形成的一个空间集合，由基因组表示；区域的土地利用空间配置方案对应于染色体；土地利用综合效益函数为染色体适应度函数。

在上述的一种土地利用空间自动配置方法，所述的步骤1中，基础数据包括土地利用现状数据、土地利用适宜性评价数据、城镇及基本农田规划数据、地形坡度数据。整合数据是指这些数据是多种来源、不同格式的数据，要对这些空间数据进行统一规范化处理。使用ArcGIS9.3的SpatialAdjustment工具对这些空间数据进行配准，设置一致的空间参考坐标，并使用FeaturetoRaster工具将矢量数据转成精度相同的栅格数据。

在上述的一种土地利用空间自动配置方法，所述的步骤2中，求解土地利用空间配置优化结果的步骤包括以下子步骤：

步骤2.1，设置染色体种群规模，交叉率，变异率，最大迭代次数，并初始化每个染色体的基因值；

步骤2.2，设置适应度函数，包括设置适宜性目标及紧凑度目标权重；

步骤2.3，对染色体进行交叉操作、变异操作，生成新的一批染色体；