一种考虑多重不确定性的土地利用规划方法技术

本发明专利技术的目的在于提供一种考虑多重不确定性的土地利用规划方法，包括构建多重不确定性下的多目标土地利用空间优化模型，并利用基于改进的多目标蚁群算法求解所述多目标土地利用结构优化模型，得到多重不确定性条件下所述研究区不同规划期与不同地类的土地数量结构预测结果弹性区间，然后，结合驱动因子数据，再利用BP神经网络来获取各地类的分布适宜性概率并设定自适应惯性系数、邻域影响因子以及转换成本；将所述研究区的所述土地数量结构预测结果弹性区间与各地类的所述分布适宜性概率、所述自适应惯性系数、所述邻域影响因子以及所述转换成本进行结合，最终得到多重不确定条件下未来土地利用空间格局优化结果，为土地利用规划提供新思路。

【技术实现步骤摘要】
一种考虑多重不确定性的土地利用规划方法
本专利技术涉及到土地利用规划领域，特别是涉及一种考虑多重不确定性的土地利用规划方法。
技术介绍
土地资源是地球上十分宝贵的自然资源，也是维持人类生存和发展的重要资源，随着社会经济的发展，现在很多地区普遍存在土地资源供需不平衡问题，不合理的开发和利用不仅会破坏当地生态环境，而且也会制约经济发展。合理的土地利用规划不但可以促进土地资源的可持续发展，同时还可以促进地区社会、经济、生态的协调持续发展，进而实现区域土地利用经济、环境、生态和社会等综合效益最大化。土地利用优化配置是实现土地资源可持续发展的重要途径，也是土地利用规划的重要内容，实现土地资源在数量结构上的优化配置以及在空间结构上的合理布局，使其既能满足生态、经济和社会效益的最大化，同时又能实现土地资源的可持续发展，是土地利用优化配置的重要内容。关于土地利用优化配置，前人多采用一些线性规划和非线性规划模型来解决此类问题，而土地利用优化配置其实是一个复杂的非线性的多目标优化配置过程，与此同时，土地利用规划存在多方面的不确定性因素，而传统的土地利用结构优化配置模型大多未考虑这方面的内容，故传统的数学规划模型在解决此类问题中存在一定局限性。还有学者采用土地利用模拟模型以及数量结构预测模型，在结合分析社会、经济和自然因素等驱动因素的前提下，通过设定转换规则生成各地类的适宜性图，通过各地类在空间上的叠加以此来对土地利用布局进行优化，这种优化方式没有考虑太多的目标和约束条件，主观性比较强。人工智能算法由于其高效的寻优能力，给土地利用空间优化配置提供了新的思路，常见的有蚁群算法、粒子群算法、模拟退火算法、遗传算法等，这些智能优化算法虽然更易于实现，但仍然存在寻优质量不足、易陷入局部最优和无法得到较为连续的Pareto前沿等问题，所以寻求一种新的土地利用空间优化的方法对土地利用规划具有重要意义。
技术实现思路
本专利技术针对现有技术在土地利用优化配置中存在的不足，提出了一种考虑多重不确定性的土地利用规划方法，可以为土地利用规划提供新思路。本专利技术解决上述技术问题所采取的技术方案是：一种考虑多重不确定性的土地利用规划方法，包括：构建多重不确定性下的多目标土地利用结构优化模型，包括：以研究区土地利用经济效益和生态效益最大化作为本模型的目标函数；以不同规划期不同地类的土地面积作为决策变量；利用基于改进的多目标蚁群算法求解所述多目标土地利用结构优化模型，得到多重不确定性条件下所述研究区不同规划期与不同地类的土地数量结构预测结果弹性区间；根据所述研究区的相关基础地理信息数据生成影响土地利用变化的驱动因子数据，再利用BP神经网络来获取各地类的分布适宜性概率；将所述研究区的所述土地数量结构预测结果弹性区间作为FLUS模型的土地需求数量文件，结合各地类的所述分布适宜性概率以及根据情况设定的自适应惯性系数、邻域影响因子以及转换成本，得到多重不确定条件下未来研究区土地利用空间格局优化结果。一种考虑多重不确定性的土地利用规划方法，包括以下步骤：步骤一：针对研究区的数据收集，包括；所述研究区的相关基础地理信息数据；步骤二：结合步骤一中的数据对研究区土地利用现状进行分析，整合已有数据和相关统计数据获取相应参数；步骤三：构建多重不确定性下的多目标土地利用结构优化模型，包括目标函数、决策变量和约束条件，并以研究区土地利用经济效益和生态效益最大化作为本模型的目标函数；以不同规划期不同地类的土地面积作为决策变量；步骤四：利用基于改进的多目标蚁群算法求解步骤三中的所述多重不确定性下的多目标土地利用结构优化模型，得到多重不确定性条件下研究区不同规划期不同地类的土地数量结构预测结果弹性区间；步骤五：利用步骤一中的所述相关基础地理信息数据生成影响土地利用变化的驱动因子数据，并利用BP神经网络获取各地类分布的各地类适宜性概率并设定自适应惯性系数、邻域影响因子和转换成本作为FLUS模型的输入,以进行模拟；步骤六：根据步骤四得到的研究区所述土地数量结构预测结果弹性区间作为FLUS模型的土地需求数量文件，分别将所述土地数量结构预测结果弹性区间拆分为两个确定的上限值和下限值；然后，将步骤五得到的所述各地类适宜性概率、所述自适应惯性系数、所述邻域影响因子以及所述转换成本与两个确定的所述上限值和所述下限值结合，得到多重不确定条件下未来研究区土地利用空间格局优化结果。所述“研究区的相关基础地理信息数据”，包括：所述研究区的高程、坡度、水系、高速、铁路、国道、省道、居民点中的一种或几种。所述“针对研究区的数据收集”，还包括：所述研究区的分类：将所述研究区分为耕地、林地、草地、水域、建设用地和未利用地；面积数据：所述耕地、所述林地、所述草地、所述水域、所述建设用地以及所述未利用地的分布面积数据。所述“多重不确定性下的多目标土地利用结构优化模型”，包括：A.所述目标函数为：经济效益目标：生态效益目标：式中，分别表示研究区土地资源最大经济效益和最大生态效益；i代表行政区区域；j表示不同的地类；t为研究区未来的规划阶段；为决策变量表示研究区不同时期各地类的面积；为研究区各地类的利益系数；为各地类的消耗系数；为各地类生态系统服务价值系数；B.所述约束条件为：式中，为各地类的消耗系数；GI±为规划期内政府的最大投资；为规划期实际总人口；为人均土地面积；为单位用地用水量；为最大供水量；为单位用地耗电量；为最大供水量；为污水排放系数；为污水处理能力；为固体废物排放系数；为固体废物处理能力；为研究区总面积；为规划期最大人口数。所述“利用基于改进的多目标蚁群算法求解步骤三中的所述多重不确定性下的多目标土地利用结构优化模型”，包括以下具体步骤：Step1：给定不同的置信水平α，模糊置信约束转化为典型的区间型约束，构造相应的隶属度函数如下：Step2：置信水平α的公式如下：Step3：利用交互两步式算法将所述多重不确定性下的多目标土地利用结构优化模型拆分为上限子模型和下限子模型；Step4：分别利用改进的多目标蚁群算法对所述上限子模型和所述下限子模型进行多目标求解；Step5：基于上述Step1～Step4得到解：Step6：在给定Step1所述不同的置信水平α重复Step1～Step4；Step7：得到最终所有不同置信水平α下的研究区不同规划期不同地类的土地数量结构预测结果弹性区间。所述“利用步骤一中的所述相关基础地理信息数据生成影响土地利用变化的驱动因子数据”，包括：将相关基础地理信息数据在ArcGIS中进行欧式距离分析，生成交通区位驱动因子数据，包括高程、坡度以及距离水系距离、距离高速距离、距离铁路距离、距离国道距离、距离省道距离、距离居民点距离中的本文档来自技高网...

【技术保护点】
1.一种考虑多重不确定性的土地利用规划方法，其特征在于，包括：/n构建多重不确定性下的多目标土地利用结构优化模型，包括：以研究区土地利用经济效益和生态效益最大化作为本模型的目标函数；以不同规划期不同地类的土地面积作为决策变量；/n利用基于改进的多目标蚁群算法求解所述多目标土地利用结构优化模型，得到多重不确定性条件下所述研究区不同规划期与不同地类的土地数量结构预测结果弹性区间；/n根据所述研究区的相关基础地理信息数据生成影响土地利用变化的驱动因子数据，再利用BP神经网络来获取各地类的分布适宜性概率；/n将所述研究区的所述土地数量结构预测结果弹性区间作为FLUS模型的土地需求数量文件，结合各地类的所述分布适宜性概率以及根据情况设定的自适应惯性系数、邻域影响因子以及转换成本，得到多重不确定条件下未来研究区土地利用空间格局优化结果。/n

【技术特征摘要】
1.一种考虑多重不确定性的土地利用规划方法，其特征在于，包括：
构建多重不确定性下的多目标土地利用结构优化模型，包括：以研究区土地利用经济效益和生态效益最大化作为本模型的目标函数；以不同规划期不同地类的土地面积作为决策变量；
利用基于改进的多目标蚁群算法求解所述多目标土地利用结构优化模型，得到多重不确定性条件下所述研究区不同规划期与不同地类的土地数量结构预测结果弹性区间；
根据所述研究区的相关基础地理信息数据生成影响土地利用变化的驱动因子数据，再利用BP神经网络来获取各地类的分布适宜性概率；
将所述研究区的所述土地数量结构预测结果弹性区间作为FLUS模型的土地需求数量文件，结合各地类的所述分布适宜性概率以及根据情况设定的自适应惯性系数、邻域影响因子以及转换成本，得到多重不确定条件下未来研究区土地利用空间格局优化结果。


2.根据权利要求1所述的一种考虑多重不确定性的土地利用规划方法，其特征在于，包括以下步骤：
步骤一：针对研究区的数据收集，包括；所述研究区的相关基础地理信息数据；
步骤二：结合步骤一中的数据对研究区土地利用现状进行分析，整合已有数据和相关统计数据获取相应参数；
步骤三：构建多重不确定性下的多目标土地利用结构优化模型，包括目标函数、决策变量和约束条件，并以研究区土地利用经济效益和生态效益最大化作为本模型的目标函数；以不同规划期不同地类的土地面积作为决策变量；
步骤四：利用基于改进的多目标蚁群算法求解步骤三中的所述多重不确定性下的多目标土地利用结构优化模型，得到多重不确定性条件下研究区不同规划期不同地类的土地数量结构预测结果弹性区间；
步骤五：利用步骤一中的所述相关基础地理信息数据生成影响土地利用变化的驱动因子数据，并利用BP神经网络获取各地类分布的各地类适宜性概率并设定自适应惯性系数、邻域影响因子和转换成本作为FLUS模型的输入，以进行模拟；
步骤六：根据步骤四得到的研究区所述土地数量结构预测结果弹性区间作为FLUS模型的土地需求数量文件，分别将所述土地数量结构预测结果弹性区间拆分为两个确定的上限值和下限值；然后，将步骤五得到的所述各地类适宜性概率、所述自适应惯性系数、所述邻域影响因子以及所述转换成本与两个确定的所述上限值和所述下限值结合，得到多重不确定条件下未来研究区土地利用空间格局优化结果。


3.根据权利要求2所述的一种考虑多重不确定性的土地利用规划方法，其特征在于：
所述“研究区的相关基础地理信息数据”，包括：
所述研究区的高程、坡度、水系、高速、铁路、国道、省道、居民点中的一种或几种。


4.根据权利要求2所述的一种考虑多重不确定性的土地利用规划方法，其特征在于：
所述“针对研究区的数据收集”，还包括：
所述研究区的分类：将所述研究区分为耕地、林地、草地、水域、建设用地和未利用地；
面积数据：所述耕地、所述林地、所述草地、所述水域、所述建设用地以及所述未利用地的分布面积数据。


5.根据权利要求1或2所述的一种考虑多重不确定性的土地利用规划方法，其特征在于：
所述“多重不确定性下的多目标土地利用结构优化模型”，包括：
A.所述目标函数为：
经济效益目标：
生态效益目标：
式中，f1±、分别表示研究区土地资源最大经济效益和最大生态效益；i代表行政区区域；j表示不同的地类；t为研究区未来的规划阶段；为决策变量表示研究区不同时期各地类的面积；为研究区各地类的利益系数；为各地类的消耗系数；为各地类生态系统服务价值系数；
B.所述约束条件为：

【专利技术属性】
技术研发人员：郭红江，蔡宴朋，肖俊，周子旋，潘炜杰，谭倩，杨志峰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44