包含多类建设用地功能的土地利用模拟方法、装置及介质制造方法及图纸

本发明专利技术公开了包含多类建设用地功能的土地利用模拟方法、装置及介质，获取目标城市区域中多类城市土地利用数据、驱动因子数据、空间因素数据以及土地利用类型转化成本矩阵表；根据土地利用发展概率预测拟合模型，输出土地利用发展概率；根据适应性概率预测拟合模型，输出不同功能类型建设用地的适应性概率；通过邻域计算，确定土地利用类型的邻域作用，通过计算各类土地利用类型在每一像元上的组合概率；进而计算各类土地利用类型在每一像元上的总转换概率；对所述目标城市区域内各类土地利用类型在每一像元的总转换概率执行轮盘选择，得到包含多类建设用地功能的土地利用模拟结果。提高城市包含多类建设用地功能的土地利用模拟的有效性和精确性。模拟的有效性和精确性。模拟的有效性和精确性。

【技术实现步骤摘要】
包含多类建设用地功能的土地利用模拟方法、装置及介质


[0001]本专利技术涉及地理信息科学
，具体地说，涉及包含多类建设用地功能的土地利用模拟方法、装置及介质。

技术介绍

[0002]随着城市发展，粗放式的城市建设无序扩张，不断侵占耕地等土地资源，导致城市效率损失与环境污染问题也日益严重，直接影响到了城市的空间利用效率和环境质量。因此，研究城市土地利用变化，有利于认识城市土地利用变化起因、合理把控和规划城市发展。
[0003]但是，当前大部分包含多类建设用地功能的土地利用模拟模型往往聚焦于单类城市建设用地，忽略了不同功能类型的城市建设用地演变。在实际土地利用变化过程中，由于自然环境、区位条件、总体需求、人类活动等多要素的复杂影响，非城市地块往往存在演化成多种城市建设用地类型的可能性。仅考虑单类城市建设用地类型，不利于准确认识城市内部土地利用格局变化规律。

技术实现思路

[0004]为了解决上述问题，本专利技术提出包含多类建设用地功能的土地利用模拟方法、装置及介质，在包含多类建设用地功能的土地利用模拟中考虑不同功能类型的城市建设用地，提高城市包含多类建设用地功能的土地利用模拟的有效性和精确性。
[0005]本专利技术实施例提供一种包含多类建设用地功能的土地利用模拟方法，所述方法包括：
[0006]获取目标城市区域中多类城市土地利用数据、影响城市土地利用变化的驱动因子数据、影响不同功能类型建设用地的空间因素数据以及土地利用类型转化成本矩阵表；
[0007]将影响城市土地利用变化的驱动因子数据输入到预建的土地利用发展概率预测拟合模型中，输出所述目标城市区域中每一像元上的土地利用发展概率；
[0008]将影响不同功能类型建设用地的空间因素数据输入到预建的适应性概率预测拟合模型中，输出所述目标城市区域中每一像元上不同功能类型建设用地的适应性概率；
[0009]根据所述多类城市土地利用数据进行邻域计算，确定土地利用类型的邻域作用；
[0010]根据得到的土地利用发展概率、不同功能类型建设用地的适应性概率、土地利用类型转化成本矩阵表，计算各类土地利用类型在每一像元上的组合概率；
[0011]采用不同功能类型建设用地的适应性概率对转为各类土地利用类型在每一像元上的组合概率进行更新，确定各类土地利用类型在每一像元上的总转换概率；
[0012]对所述目标城市区域内各类土地利用类型在每一像元的总转换概率执行轮盘选择，得到所述目标城市区域的包含多类建设用地功能的土地利用模拟结果。
[0013]优选地，所述土地利用发展概率预测拟合模型建立过程具体包括：
[0014]获取由所述目标城市区域的多类城市土地利用数据、影响城市土地利用变化的驱
动因子数据构成的第一土地利用数据集；
[0015]对所述第一土地利用数据集进行分层随机采样，通过采样点获取影响城市土地利用变化的驱动因子和对应的土地利用类型，得到第一样本数据；
[0016]对所述第一样本数据进行归一化处理，得到第一训练样本数据；
[0017]将所述第一训练样本数据至神经网络模型中进行训练，建立土地利用类型与影响城市土地利用变化的驱动因子之间的非线性映射关系，将神经网络模型中输出层输出的分类概率作为土地利用类型发展概率输出，得到所述土地利用发展概率预测拟合模型；
[0018]其中，所述第一样本数据D(l)＝[lucc(l)，d1(l)，d2(l)，d3(l)，...，d
w
(l)，...，d
m
(l)]T
，lucc(l)表示第l个采样点像元上的土地利用类型，d
w
(l)表示第l个采样点像元上的第w个驱动因子，w＝1,2,
…
,m，m表示影响城市土地利用变化的驱动因子的数量；归一化处理公式d
w
′
(l)表示第l个采样点像元上归一化处理后的第w个驱动因子，max
w
和min
w
分别表示第w个驱动因子的最大值和最小值；神经网络模型中输出层输出的分类概率sp
p,k
表示神经网络输出的第p个像元上第k种土地利用类型的分类概率；net
k
(p,k)表示第p个像元上神经网络输出层第k个神经元所收到的信号。
[0019]作为一种优选方案，所述适应性概率预测拟合模型的预建过程具体包括：
[0020]获取由所述目标城市区域的多类城市土地利用数据、影响不同功能类型建设用地的空间因素数据构成的第二土地利用数据集；
[0021]对所述第二土地利用数据集进行分层随机采样，通过采样点获取影响城市土地利用变化的驱动因子和不同功能类型建设用地，得到第二样本数据；
[0022]对所述第二样本数据进行归一化处理，得到第二训练样本数据；
[0023]根据所述第二训练样本数据生成随机向量序列，采用Bootstrap抽样方法从所述第二训练样本数据中有放回地随机抽取子样本数据集；
[0024]对每一个子样本数据集分别构建决策树，所有决策树组合构成随机森林模型，将所述随机森林模型输出的预测值，作为不同功能类型建设用地的适应性概率；
[0025]其中，所述随机森林模型输出的预测值uf(U，θ
i
)表示第i个决策树输出的回归结果值，j为子样本数据集数量，，所述第二样本数据F(l)＝[urb_fun(l)，f1(l)，f2(l)，f3(l)，...，f
w
(l)，...，f
m
(l)]T，urb_fun(l)表示第l个采样点像元上的不同功能类型建设用地，f
w
(l)表示第l个采样点像元上的第个空间因素，w＝1,2,
…
,m，m表示影响不同功能类型建设用地的空间因素数据的数量；所述随机向量序列θ
i
(i＝1，2，
…
，j)，子样本数据集为F
i
(i＝1，2，
…
，j)。
[0026]作为一种优选方案，所述根据所述多类城市土地利用数据进行邻域计算，确定土地利用类型的邻域作用，具体包括：
[0027]利用所述多类城市土地利用数据中的土地利用类型数量，构建相同数量的土地利用矩阵；
[0028]根据所述目标城市区域的多类城市土地利用数据，对比前后两期土地利用数据，得到土地利用类型间转移矩阵表；
[0029]根据每类土地利用类型的扩张面积占所有土地利用类型的扩张面积的比例，计算得到土地利用类型的权重系数；
[0030]根据所述土地利用矩阵，根据设置的邻域大小构建扫描窗口，统计扫描窗口内的各土地利用类型像元的数量占比，进而来衡量各类土地利用类型在空间上的相互影响作用，确定土地利用类型的邻域作用；
[0031]其中，土地利用类型的权重系数w
k
为第k类土地利用类型的权重系数，EA
k
为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种包含多类建设用地功能的土地利用模拟方法，其特征在于，所述方法包括：获取目标城市区域中多类城市土地利用数据、影响城市土地利用变化的驱动因子数据、影响不同功能类型建设用地的空间因素数据以及土地利用类型转化成本矩阵表；将影响城市土地利用变化的驱动因子数据输入到预建的土地利用发展概率预测拟合模型中，输出所述目标城市区域中每一像元上的土地利用发展概率；将影响不同功能类型建设用地的空间因素数据输入到预建的适应性概率预测拟合模型中，输出所述目标城市区域中每一像元上不同功能类型建设用地的适应性概率；根据所述多类城市土地利用数据进行邻域计算，确定土地利用类型的邻域作用；根据得到的土地利用发展概率、不同功能类型建设用地的适应性概率、土地利用类型转化成本矩阵表，计算各类土地利用类型在每一像元上的组合概率；采用不同功能类型建设用地的适应性概率对转为各类土地利用类型在每一像元上的组合概率进行更新，确定各类土地利用类型在每一像元上的总转换概率；对所述目标城市区域内各类土地利用类型在每一像元的总转换概率执行轮盘选择，得到所述目标城市区域的包含多类建设用地功能的土地利用模拟结果。2.根据权利要求1所述的包含多类建设用地功能的土地利用模拟方法，其特征在于，所述土地利用发展概率预测拟合模型建立过程具体包括：获取由所述目标城市区域的多类城市土地利用数据、影响城市土地利用变化的驱动因子数据构成的第一土地利用数据集；对所述第一土地利用数据集进行分层随机采样，通过采样点获取影响城市土地利用变化的驱动因子和对应的土地利用类型，得到第一样本数据；对所述第一样本数据进行归一化处理，得到第一训练样本数据；将所述第一训练样本数据至神经网络模型中进行训练，建立土地利用类型与影响城市土地利用变化的驱动因子之间的非线性映射关系，将神经网络模型中输出层输出的分类概率作为土地利用类型发展概率输出，得到所述土地利用发展概率预测拟合模型；其中，所述第一样本数据D(l)＝[lucc(l)，d1(l)，d2(l)，d3(l)，...，d
w
(l)，...，d
m
(l)]
T
，lucc(l)表示第l个采样点像元上的土地利用类型，d
w
(l)表示第l个采样点像元上的第w个驱动因子，w＝1，2，...，m，m表示影响城市土地利用变化的驱动因子的数量；归一化处理公式d
w
′
(l)表示第l个采样点像元上归一化处理后的第w个驱动因子，max
w
和min
w
分别表示第w个驱动因子的最大值和最小值；神经网络模型中输出层输出的分类概率spp，k表示神经网络输出的第p个像元上第k种土地利用类型的分类概率；net
k
(p，k)表示第p个像元上神经网络输出层第k个神经元所收到的信号。3.根据权利要求1所述的包含多类建设用地功能的土地利用模拟方法，其特征在于，所述适应性概率预测拟合模型的预建过程具体包括：获取由所述目标城市区域的多类城市土地利用数据、影响不同功能类型建设用地的空间因素数据构成的第二土地利用数据集；对所述第二土地利用数据集进行分层随机采样，通过采样点获取影响城市土地利用变化的驱动因子和不同功能类型建设用地，得到第二样本数据；
对所述第二样本数据进行归一化处理，得到第二训练样本数据；根据所述第二训练样本数据生成随机向量序列，采用Bootstrap抽样方法从所述第二训练样本数据中有放回地随机抽取子样本数据集；对每一个子样本数据集分别构建决策树，所有决策树组合构成随机森林模型，将所述随机森林模型输出的预测值，作为不同功能类型建设用地的适应性概率；其中，所述随机森林模型输出的预测值uf(U，θ
i
)表示第i个决策树输出的回归结果值，j为子样本数据集数量，，所述第二样本数据F(l)＝[urb_fun(l)，f1(l)，f2(l)，f3(l)，...，f
w
(l)，...，f
m
(l)]
T
，urb_fun(l)表示第l个采样点像元上的不同功能类型建设用地，f
w
(l)表示第l个采样点像元上的第个空间因素，w＝1,2,
…
,m，m表示影响不同功能类型建设用地的空间因素数据的数量；所述随机向量序列θ
i
＝(i＝1，2，
…
，j)，子样本数据集为F
i
＝(i＝1，2，
…
，j)。4.根据权利要求1所述的包含多类建设用地功能的土地利用模拟方法，其特征在于，所述根据所述多类城市土地利用数据进行邻域计算，确定土地利用类型的邻域作用，具体包括：利用所述多类城市土地利用数据中的土地利用类型数量，构建相同数量的土地利用矩阵；根据所述目标城市区域的多类城市土地利用数据，对比前后两期土地利用数据，得到土地利用类型间转移矩阵表；根据每类土地利用类型的扩张面积占所有土地利用类型的扩张面积的比例，计算得到土地利用类型的权重系数；根据所述土地利用矩阵，根据设置的邻域大小构建扫描窗口，统计扫描窗口内...

【专利技术属性】
技术研发人员：赵林峰，刘洋，柳翠明，陈可蕴，李奇，龙奇勇，韩珊珊，夏小科，何嘉俊，李泽阳，
申请(专利权)人：广州市城市规划勘测设计研究院，
类型：发明
国别省市：