[0001] 本发明涉及一种土地利用领域，尤其是涉及一种智能土地利用布局优化配置方法。

[0002] 土地利用布局优化是实现土地可持续利用的重要途径，是根据土地利用结构在空间上对各种地类进行合理布局，以达到提高土地利用耦合效益的目的，是一种典型的多目标空间优化问题。针对土地利用布局优化的早期研究主要是利用GIS结合多准则评价技术，在对自然、社会经济条件进行评价的基础上为每个地块分配最适宜的土地利用类型，实现土地利用布局优化，这类方法缺少全局性的目标函数对配置方案进行评价。也有一些研究利用数学规划模型，包括线性规划模型、非线性规划模型等，通过数学建模完成土地利用布局优化，其缺陷在于数学规划模型需要构建模型的变量、目标、约束有严格的数学定义，但土地利用布局优化是一个复杂的非线性的复合地理作用过程，涉及到大量的约束条件、复杂的空间关系及利益相关者的博弈决策，通常难以满足用数学模型处理的条件。近几年来，许多智能算法被引入到土地利用布局优化中，如模拟退火、遗传算法、粒子群算法、元胞自动机、基因表达式编程等，这些方法对变量、目标、约束几乎没有任何要求，同时能够结合多目标处理技术，为决策者提供多种候选方案，为土地利用布局优化问题的求解带来了新的思路。

[0039] 下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

[0040] 本发明所采用的蚁群优化算法流程图如图1示。

[0041] 一种智能土地利用布局优化配置方法包括如下步骤：

[0042] 步骤1.获取土地利用布局优化的基础数据，包括空间数据和统计数据两类：空间数据包括土地利用现状数据、土地利用适宜性评价数据、坡度图等限制性因素因子图等，并将这些多种来源、不同格式的数据进行统一规范化处理，形成一个统一的基础数据库；统计数据包括自然、社会和经济数据等统计年鉴数据，用以确定土地利用结构以及限制条件和目标函数的计算。

[0043] 在上述数据的基础上，对土地利用布局优化问题进行建模，包括确定目标函数和约束条件体系，并设置蚁群优化算法的启发值，从而构建土地利用布局优化问题描述图以确立问题与算法间的映射关系：蚁群中的每个蚂蚁代表一种土地利用布局方案，方案的组成成分由两个部分组成：图斑及其土地利用类型，所有的图斑及其被分配的土地利用类型组成了完整的优化方案。这种一个图斑及一种土地利用类型的组合即为问题成分，所有的成分组成的完全连接图即为土地利用布局优化问题描述图，描述图中各成分的权重（设置为适宜性评价结果）即为蚁群优化算法的启发值。土地利用综合效益函数构成了蚁群算法的目标函数，蚁群根据目标函数从种群中选择较好的解作为最优解，因而蚁群代表了最优的解决方案。

[0044] 步骤2.应用蚁群优化算法在土地利用布局优化问题描述图上进行优化，首先初始化各个算法参数，包括：基本的算法参数，如蚂蚁数目M、启发式因子α、期望启发式因子β、信息素挥发率ρ及信息素初始量Q等；算法终止条件参数，如最大迭代次数I、最长运行时间T、最长收敛停滞代数N等。同时将土地利用适宜性评价数据读取到启发值矩阵中。

[0045] 步骤3.清空蚂蚁记忆，蚂蚁记忆中存储的是其构建的方案，因此在蚂蚁开始搜索前应清空其记忆，便于新方案的构建。

[0046] 步骤4.计算当前图斑各地类的选择概率P(Cij),然后轮盘赌随机选择一种地类作为该图斑的用途，及从当前图斑的成分集中选择一个成分，并放入到蚂蚁构建的方案中。

[0047] P（Cij）=[PAS（Cij）+Pneighbourhood（Cij）μ]×Pconstraint（Cij）[0048]

[0049] 式中：PAS(Cij)表示按蚂蚁系统选择概率计算方式计算的的选择概率，Pneighbourhood(Cij)表示第i个栅格单元邻域中地类为j的单元的频数，μ为邻域影响系数，Pconstraint(Cij)为考虑约束条件的转换概率，即当第i个单元满足约束条件，可以转换为地类j时，其值为1，反之为0。

[0050] 步骤5.按步骤4为所有图斑选择地类，并将其代表的成分添加到正在构建的方案中，直至方案构建完成。

[0051] 步骤6.判断是否有局部搜索策略，如果有则对步骤5中构建的方案进行局部搜索，生成局部最优解。如果没有，直接执行步骤7.

[0052] 步骤7.蚂蚁根据目标函数评价构建的方案并进行信息素的更新。目标函数为：

[0053] fk=Wsfsuitability(k)+WCfcompactness(k)+WUfunchanged(k)

[0054] 式中Ws、Wc及Wu为各目标权重，三者之和为1，各权重的大小根据目标的相对重要性确定，即越重要的目标，其权重越大。各子目标（最大化适宜性fsuitability：鼓励因地制宜，合理利用土地；最大化空间紧凑度fcompactness：鼓励空间集聚，最大化不变率funchanged：减少因地类转换带来的成本）计算方式如下：

[0055]

[0056]

[0057]

[0058] 式中：n为栅格单元总数，j为栅格单元i的用途，Sij为栅格单元i用作地类j时的适宜性；Cij为单元i的8邻域中类型为j的单元的数目；nunchanged表示没有转换的单元数目。其中Sij与Cij通过下式进行归一化处理：

[0059] Nnorm=(N-Nmin)/（Nmax-Nmin）

[0060] 信息素按下式进行更新：

[0061] τij←（1-ρ）τij+Δτij

[0062]

[0063] 式中：ρ为信息素挥发率，fk为第k只蚂蚁构建方案的目标函数分值

[0064] 步骤7.所有蚂蚁按步骤3只步骤7生成一种方案。

[0065] 步骤8.蚁群从其种群的所有蚂蚁构建的方案中，选择目标函数分值最高者作为当前迭代最优解，将其与全局最优解进行对比，若更优则将其更新为全局最优解。

[0066] 步骤9.结果输出，包括根据土地利用布局优化方案生成土地利用空间布局图，并保存算法运行的过程数据，如每次迭代的运行时间、最优解等等。

[0067] 实施例：

[0068] 选取某一乡镇土地利用布局优化为例，利用本发明方法开展土地利用布局优化研究的具体实施过程为：

[0069] 1)提取土地利用布局优化所需的土地利用现状图、土地适宜性评价结果图、坡度图等限制性因素因子图等空间数据及乡镇统计年鉴等统计数据，获取其土地利用结构，并通过数据录入、数字化和文件导入等方式建立土地利用分区整合数据库。

[0070] 2）在以上数据基础上对问题建模，构建土地利用布局优化问题描述图，建立算法与问题的映射关系。

[0071] 3）经过多次试验过程对比算法的收敛情况及运行时间，获取最佳算法参数：M=35，α=1，β=1，ρ=0.5，N=200（Q由算法自习计算，结束条件以最大迭代次数为准）。

[0072] 4）约束条件设置如下：（1）基本农田保护：即在基本农田保护区的耕地应当尽量不转换为其他土地利用类型；（2）退耕还林：在坡地和山地的耕地应当转换为林地；（3）禁止抛荒：即所有其他地类不能转换为未利用地；（4）城镇用地一般不向农用地进行转换；（5）城镇用地的扩张应当在允许建设区内，不得超出其范围；（6）交通运输用地、水域、采矿用地、风景名胜和特殊用地布局根据专项规划确定单元用途；（7）面积约束：地类面积必须满足数量结构约束。

[0073] 5）所有蚂蚁在4）中的设置的约束条件下完成方案构建；

[0074] 6）设置子目标权重（通过多次调整权重，获取在强调不同的优化目标情况下的土地利用布局方案）。

[0075] 7）循环迭代。在循环达到200次时，算法终止。

[0076] 8）优化结果输出。在不同的子目标权重设置下，输出不同的土地利用优化方案，并根据实验区域经济发展条件好，但土地利用不合理的实际情况，选择权重设置为WS=0.4，WC=0.2，WU=0.2的情况下所生成的方案作为实验区最终的土地利用布局方案。

[0077] 本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。