土地用途分区问题的多目标优化算法研究

土地用途分区是综合考虑影响土地质量与土地利用方式的各类因素(包括自然、社会、经济方面的因素)的基础上，将研究区域划分为若干均质区片的方法，以建立微观土地利用单元与区域土地利用管制之间的桥梁，以实现用途管制和土地资源的可持续利用。实际工作中的土地用途分区不但要考虑数量上的问题，还需要参考专题规划中的基本农田保护区划分、土地开发整理分区以及土地质量评价(土地适宜性评价、土地生产潜力评价以及土地经济评价)中的等值区划分。具体应用中，往往需要考虑多种准则，例如在进行区域土地用途分区时一般要遵循土地利用现状与土地适宜用途一致性原则、土地利用主导用途原则、土地利用地域差异性和相似性原则等(刘洋，2008)。

1.土地利用空间分区问题的描述

土地利用数据库是按照土地现状分类(过渡期)分类标准来表示的。表4-1土地利用现状分类表列出了各类的土地利用类型及代码。按照《中华人民共和国国土资源部县级土地利用总体规划规程》(TD/T 1024—2010)的有关规定，土地用途区一般有：基本农田保护区(JN^[1])、一般农地区(YN)、林业用地区(LD)、牧业用地区(MD)、城镇村建设用地区(CC)、独立建设用地区(DJ)、风景旅游用地区(FL)、自然人文景观保护区(ZJ)等。具体地，模型中土地用途分区的类型，需要根据规划区域的实际来确定。下面对土地利用空间分区问题进行描述。

表4-1　土地利用现状分类表

续表

(www.xing528.com)

假设土地用途分区问题中包含一个基本空间单元的集合X，这一集合是由各种用地类型组成的图斑，在土地利用现状数据库中这些基本空间单元是面状实体，而且每个空间单元x∈X具有一个或多个量化的属性数据(也可以包括非量化的类属型数据)，这些属性数据中有些是通过数据整合或者空间数据挖掘得到的结果，它们统一记为wv∈IR＋。一般而言，一个区域具有多个被定义的质点，其实质上是区域范围内的某个空间点，所有区域质点的集合记为Xci⊂X。每个区域的几何中心质点是预先设定并固定不变的，其他质点是在分区过程中不断变化的。在进行分区前事先给定土地用途区的数目p，在进行分区时要满足由多个准则和约束条件构成的知识体系，土地用途分区的知识体系已在本书2.5.1中进行详细研究，这里主要给出一个形式化的表达。

式中，U是要表达的知识(通过经验或空间数据挖掘的方式得到)。

对于待分区域中的p种分区类型，用1～p分别表示。通过上面的设定，每个基本空间单元只能被划分到一个唯一的区域中。Bp⊆V表示第p个区域满足B1∪B2∪…∪Bp＝VandBi∪Bj＝∅，i≠j，则称为是对区域进行土地用途分区。

2.土地用途分区的方法

在土地利用空间分区问题中，目前常用的方法有叠置分析法、主导因素法、综合分析法以及聚类法。综合分析法主要适用于土地利用方式区域差异显著，分区界限明显易定的情况，要求具体操作人员非常熟悉当地的实际情况；主导因素法是在基层乡镇土地利用方式化分的基础上，适当加以归并，逐步扩大土地利用类型区，再将地域相连的类型区合并成为土地利用区域，以主导土地用途作为用地区域名称；叠置法适用于规划图和区划图齐全的情况；聚类法是一种定量的分区方法，是根据“物以类聚”的道理，对土地利用指标进行分类的一种多元统计分析方法。这些方法在具体的土地利用空间分区问题中有着一定的科学性和可操作性，但同时它们的缺陷也十分明显，表现为：受人为主观因素的影响较大；智能化程度不高；只能考虑某些主导因素，而无法兼顾多种准则和约束条件；只能提供唯一的或较少的候选方案，用户选择的自由度不大。既然土地用途分区问题是基于多目标优化的空间聚类问题，那么本章将使用基于多目标优化的聚类算法来求解此类问题。

自从20世纪60年代起，很多学者对空间分区问题进行了研究，并提出了很多算法，例如线性数学规划法、集合划分方法、聚类算法以及多核增长法(F.Ricca，2007)，这些方法大多是基于空间配置和优化组合两种思想。近年来，元启发式优化技术(进化计算方法、模拟退火算法、禁忌搜索算法等)对于多目标优化问题的解决得到日益广泛的关注(Bennett，2004；Armstrong，2003；Xiao，2006；B.Bozkaya，2005；Federica Ricca＆Bruno Simeone，2007)。其中多目标遗传算法是当前解决多目标优化问题的流行算法(任周桥，2007)，它在很多空间决策问题中得到了应用，例如土地利用和环境保护(Bennett，2004；Stewart，2004)、城市和区域规划(Balling，Taber，Brown＆Day，1999；Feng＆Lin，1999)、空间等值区划分(Armstrong，2003；Xiao＆Armstrong，2006)以及土地利用空间优化布局(Bennett，2004；任周桥，2007)。元胞自动机(CA)在基本农田保护区划分(黎夏，1999)方面和神经网络在土地利用规划分区(黎夏，2005)方面也有着较成功的应用。但对于有空间硬约束条件，要求同区片或同类型基本单元必须连续分布的土地利用空间分区问题，则不宜采用多目标遗传算法，因为进化过程中的交叉、变异操作很难保证空间硬约束条件。为此，另外一种智能优化算法——人工免疫系统(AIS)可以被应用到此领域。目前人工免疫系统发展出很多种算法，其中最著名的克隆选择算法在混合属性(具有数值型和类属型的属性)处理方面具有较强的优势。在处理土地用途分区的问题时，采用混沌免疫克隆选择算法进行了研究，以期得到较好的分区方案。