[发明专利]一种基于蚁群算法的土地整理项目选址方法

说明书

技术领域

本发明涉及面向土地整理项目选址多目标优化的技术领域，具体涉及一种基于蚁群算法的土地整理项目选址方法。

背景技术

土地整理是指根据土地利用总体规划在一定区域内采取行政、经济、法律和技术等手段对土地资源重新建设和配置的活动，它能够增加有效耕地面积、改良土地质量、提高土地利用效率，同时还能有效改善农业生产、生活条件和生态环境的活动。土地整理也是社会经济发展过程中人口、土地资源矛盾不断激化的产物。建国后，我国城市化水平从7.3％提高至50％以上，快速的工业化和城市化发展给耕地保护带来了严峻的挑战，土地整理成为保护耕地资源的主要手段。而与此同时相对落后的农村发展问题也给土地整理赋予了统筹社会和谐发展的新意义，使土地整理成为建设社会主义新农村的重要支撑。

为了落实“十二五”规划确定的各项目标和任务，需要形成全国、省、市、县四级土地整治规划体系。省、市级规划要提出规划期的区域内土地整治的目标任务，确定土地整治的重点区域和重大项目，落实示范建设任务，制定规划实施的政策措施。而县级规划则要具体的制定实施规划的措施，如确定土地整治项目、布局和时序安排。土地整理项目的实施首先需要在空间上对其范围予以落实，即土地整理项目选址，而这一范围内的土地利用现状、土地利用限制因素及有利条件、水资源条件以及土地整理潜力状况等都将直接影响到土地整理实施的成效。土地整理项目选址的目的就是在考虑土地利用现状、土地利用限制因素及有利条件、水资源条件、土地整理潜力、土地整理资金的基础上选择自然资源条件较好、基础设施条件较优、社会经济基础条件较高的区域来获得土地整理综合效益的最大化。因此，从本质上来说，土地整理项目选址问题也可以被认为是一类要使多个目标在给定可行域上尽可能最优的决策问题，即多目标优化问题(multi-objective optimization problem)。

许多学者只是定性的探讨了自然、社会经济条件对土地整理项目选址的影响，包括地形地貌、土壤质量、气候、交通可达等因素。也有部分研究采用层次分析法、特尔斐法等方法从定量的角度来对土地整理项目的可行性进行评价，以检验前期项目选址的科学性。上述研究方法在解决具体的土地整理项目选址问题时具有一定的可操作性，但却无法顾及到土地整理项目选址的多目标特性，导致某些项目的选址具有盲目性和随机性，项目过于零碎的空间布局、较低的土地适宜性使得土地整治的规模效益难以发挥。

发明内容

针对土地整理项目选址的多目标特性，导致项目选址的盲目性大、随机性大和规模效益发挥难的技术问题，本发明提出一种基于蚁群算法的土地整理项目选址方法，将土地整理项目选址问题抽象为一个多目标空间优化问题，并利用蚁群算法解决土地整理项目选址这一多目标优化空间问题。

为了解决上述技术问题，本发明的技术方案是：一种基于蚁群算法的土地整理项目选址方法，其步骤如下：

步骤一：对土地利用空间信息数据和自然社会经济属性数据进行整合，形成土地整理项目选址空间单元集合；

步骤二：以新增耕地潜力最大、土地整理适宜性最高和空间集中连片程度最大化为目标分别建立新增耕地潜力最大目标函数、土地整理适宜性最高目标函数和空间集中连片目标函数，并根据土地整理项目需要满足的基本立项条件确定实施规模与新增耕地率为约束条件，分别构建实施规模约束条件表达式和新增耕地率约束条件表达式，构建土地整理项目选址多目标优化模型；

步骤三：基于蚁群算法构建土地整理项目选址模型，以选址空间单元集合的数据为模型输入，将土地利用图斑作为基本空间优化单元，以土地整理项目选址多目标优化模型为优化目标，建立求解问题与人工蚁群之间的映射关系，最终求解土地整理项目空间布局；

步骤四：利用种子扩张思想和GIS空间分析技术来对得到的土地整理项目空间布局进行调整优化，利用行政区划界限及天然障碍界限为项目边界，最终生成土地整理项目选址方案图。

所述空间信息数据包括第二次土地调查数据、坡度和DEM，自然社会经济数据包括土地整理适宜性评价结果、人口和GDP，通过坐标投影转换、配准方法统一空间参考，整合不同来源和结构的空间信息数据与自然社会经济数据。

所述新增耕地潜力最大目标函数为：

f_EB(s)＝M_Z+RS+P-FS......(1)，