[发明专利]一种基于非支配排序遗传算法和FLUS模型的多目标土地利用模拟系统与方法

说明书

本发明公开了一种基于非支配排序遗传算法(NSGA‑II算法)和FLUS模型的多目标土地利用模拟方法。首先基于NSGA‑II算法实现土地利用数量结构优化，进而利用FLUS模型将变化斑块合理分布，从而实现土地利用空间结构优化。该方法通过NSGA‑II算法获取FLUS模型中未来土地利用斑块的数量，并通过调整参数模拟多种土地利用情景，能够高效的进行区域土地利用模拟，为区域不同的发展目标提供决策支持，在新时期国土空间规划实践中有着较好的应用前景。

技术领域

本发明涉及土地利用模拟、地理信息科学技术领域，更具体地，涉及一种基于非支配排序遗传算法和FLUS模型的多目标土地利用模拟系统与方法。

背景技术

土地利用优化的综合可持续性是维持经济发展、环境保护、资源有效利用和社会公平之间的复杂平衡，如何进行土地利用优化配置是当今社会的重要课题。由于不同地区或同一地区的不同发展阶段有着不同的目标要求，其核心问题就是如何进行多目标之间的权衡。

在实际工作中，规划师多凭借自身经验、喜好来制定规则，有较强的主观性。相关研究人员基于土地利用问题数据量巨大的特点，将遗传算法应用到土配置问题中，借助遗传算法的全局优化搜索功能和自适应能力强的特点，取得了较好的效果。但遗传算法收敛速度较慢、局部搜索能力较弱，缺少精英策略，因此存在对多目标的支持不足的问题。

FLUS模型是用于模拟人类活动与自然影响下的土地利用变化以及未来土地利用情景的模型。该模型的原理源自元胞自动机并在传统元胞自动机的基础上做了较大的改进。首先，模型采用神经网络算法从一期土地利用数据与包含人为活动与自然效应的多种驱动力因子中获取各类用地类型在研究范围内的适宜性概率。其次，模型采用从一期土地利用分布数据中采样的方式，能较好的避免误差传递的发生。此外，在土地变化模拟过程中，模型提出了一种基于轮盘赌选择的自适应惯性竞争机制，该机制能有效处理多种土地利用类型在自然作用与人类活动共同影响下发生相互转化时的不确定性与复杂性，使得FLUS模型具有较高的模拟精度并且能获得与现实土地利用分布相似的结果。但其在进行土地利用模拟时需输入科学的未来土地利用数据来确保模拟结果的合理性。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种基于非支配排序遗传算法和FLUS模型的多目标土地利用模拟系统与方法，通过NSGA-II算法，获取多目标下的土地利用模拟数量结构方案，可适应不同区域的特征、发展阶段和规划目标，并为FLUS模型进行土地利用空间分布模拟时提供未来土地利用的输入数据。

一种基于非支配排序遗传算法和FLUS模型的多目标土地利用模拟系统与方法，包括两个阶段：通过利用NSGA-II算法实现多目标土地利用数量结构优化；依据FLUS模型将变化斑块合理分布，从而实现土地利用空间结构优化。

具体步骤为：

S1：获取初始土地影像并进行预处理，对预处理后的影像监督分类得到分类后的影像，并得到初始土地利用数据；

S2：选取若干影响土地利用变化的驱动力因子，并在ArcGIS中进行掩膜提取、计算欧式距离等处理，组成驱动力数据；

S3：利用NSGA-II算法，将不同地类的栅格数量作为变量，将多种规划目标作为目标函数及约束条件，得到一组Pareto最优解，根据目标偏好选择最优的数量组合；

S4：根据历年土地利用数据利用马尔科夫模型及趋势分析得到自然发展条件下的土地利用数量作对照；

S5：将不同目标偏好对应的地类栅格数量组合以及驱动力数据作为FLUS模型的输入数据，并进行相应的参数设置，得到不同发展目标下的土地利用空间分布。

进一步的，所述步骤S1中，对土地影像进行监督分类并得到初始土地利用数据，即将其分为建设用地、耕地、林地、水域、草地和未利用地6大类，并统计各地类的空间栅格数量。