專利名稱：基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種土地利用分形模型的最適合作用尺度的研究，尤指基于遺傳方法的應(yīng)用于城市土地利用分形維數(shù)作用尺度的識別方法，屬于土地利用技術(shù)領(lǐng)域。
背景技術(shù)：
土地利用分形維數(shù)的作用尺度是研究土地利用變化分形模型的關(guān)鍵因素，也是實現(xiàn)分形維數(shù)反映城市土地利用程度、空間分布特征及內(nèi)部演化機制的先決條件，因為無論是在自然界還是人類社會，都沒有絕對數(shù)學(xué)意義上的分形，分形特征只是在一定尺度范圍內(nèi)才出現(xiàn)。只有在這個范圍內(nèi)，分形維數(shù)才能保持恒定不變，這就是無標(biāo)度區(qū)間，也就是分形維數(shù)的作用尺度。此外，分形無標(biāo)度區(qū)間的寬度是系統(tǒng)自組織和自相似性的一種范圍測度，它表示 了系統(tǒng)自組織的程度，是反映分形維數(shù)所解釋的地理現(xiàn)象成立的范圍。無標(biāo)度區(qū)間越大，說明系統(tǒng)自組織的跨度越寬，分形維數(shù)的有效區(qū)間越大，它所解釋的土地利用結(jié)構(gòu)和空間布局就存在較寬的尺度范圍；相反，無標(biāo)度區(qū)間越小，說明系統(tǒng)自組織的跨度越窄，分形維數(shù)的有效區(qū)間越小，它所解釋的土地利用結(jié)構(gòu)和空間布局只適用于較窄的尺度范圍。因此，在分形理論的研究和應(yīng)用中，分形無標(biāo)度區(qū)間的識別是十分重要的，如果超出了分形的無標(biāo)度區(qū)間，對所研究對象應(yīng)用分形理論進行研究是沒有任何實際意義的。求解分形無標(biāo)度區(qū)間是研究和應(yīng)用土地利用分形模型的前提和基礎(chǔ)，只有求出無標(biāo)度區(qū)間，才能根據(jù)無標(biāo)度區(qū)間的數(shù)據(jù)進行分形維數(shù)和其它參數(shù)的計算。要想避免研究中出現(xiàn)偽分形現(xiàn)象從而導(dǎo)致錯誤結(jié)論，必須有效利用雙對數(shù)坐標(biāo)圖識別反映自相似性尺度范圍的無標(biāo)度區(qū)間，這不僅有助于抑制各種分形量的發(fā)散，而且是分形特征值準(zhǔn)確、可靠的基礎(chǔ)。目前，據(jù)文獻統(tǒng)計，國內(nèi)外有很多不同領(lǐng)域的學(xué)者在求解分形無標(biāo)度區(qū)間的算法上做了大量的研究，并取得很好的成果，如張英堂等在計算關(guān)聯(lián)維數(shù)時，提出了采用多段平均加閾值的計算方法來擴大無標(biāo)度區(qū)間的范圍，為分形無標(biāo)度區(qū)間的截取提供了一種新的方法。然而，近年來將遺傳算法引入到分形無標(biāo)度區(qū)間求取中的研究成果并不多，雖然費斌曾在1998年提出了一種基于遺傳算法截取無標(biāo)度區(qū)間的方法，并應(yīng)用于磨削表面的分形研究；范玉紅于2005年在模擬塌陷區(qū)的分形地形研究中采用遺傳算法求得無標(biāo)度區(qū)間最優(yōu)解，但在二人的遺傳算法研究中，未見其采用輪盤賭模型設(shè)計適應(yīng)度函數(shù)。除此之外，在遙感土地利用分形領(lǐng)域上，利用遺傳算法求取分形無標(biāo)度區(qū)間的研究還是一片空白，未見任何成果發(fā)表。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，以實現(xiàn)分形維數(shù)無標(biāo)度區(qū)范圍求解的優(yōu)化，并在無標(biāo)度區(qū)間識別的精度和效率上形成明顯的優(yōu)勢。本發(fā)明解決其技術(shù)問題采用以下的技術(shù)方案本發(fā)明提供的是一種基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，該方法根據(jù)無標(biāo)度區(qū)間的判斷標(biāo)準(zhǔn)，將遺傳算法這種全局優(yōu)化方法引入到分形無標(biāo)度區(qū)間的求取模型中，首先利用遙感影像解譯提取土地利用分類信息，進行不同半徑尺度緩沖區(qū)的土地分類面積信息的統(tǒng)計，并依據(jù)分形維數(shù)計算公式建立各類土地面積與半徑的對數(shù)關(guān)系，繼而分析遺傳算法參數(shù)編碼機制從而產(chǎn)生初始群體，在此基礎(chǔ)上設(shè)計適應(yīng)度函數(shù)，運用選擇、交叉和變異三種基本遺傳算子，得到分形維數(shù)的最優(yōu)作用尺度，用來精確地說明土地利用分形維數(shù)成立的有效區(qū)間范圍，具體為
(1)利用遙感影像解譯提取土地利用分類信息并進行整合，整合后的數(shù)據(jù)為所需研究區(qū)域圖斑的分類信息； (2)將整合后的分類數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，建立不同半徑尺度大小的緩沖區(qū)覆蓋各類土地利用信息，進行各類用地的面積統(tǒng)計，進而依據(jù)分形維數(shù)計算公式建立各類土地面積與半徑的對數(shù)關(guān)系；
(3)對得到的面積與半徑對數(shù)關(guān)系數(shù)據(jù)采用二進制編碼方式實現(xiàn)從解空間到染色體空間的映射，從而產(chǎn)生初始群體，并以平均殘差平方和作為目標(biāo)函數(shù)設(shè)計適應(yīng)度函數(shù)；
(4)相繼運用基于輪盤賭模型的選擇算子、采用單斷點交叉法進行交叉算子，結(jié)合高斯變異算子完成尋優(yōu)，從而得到分形維數(shù)的最優(yōu)作用尺度。本發(fā)明可以采用以下方法獲取分類信息，其步驟包括
(1)利用Erdas軟件對目標(biāo)區(qū)域的遙感影像進行解譯，依據(jù)制定的標(biāo)準(zhǔn)進行非監(jiān)督分類，獲取各類土地利用類型的分類信息；
(2)將分類后的遙感數(shù)據(jù)導(dǎo)入ArcGIS軟件中，利用SpatialAnalyst/Reclassify,對遙感數(shù)據(jù)進行重分類，并賦予各種土地類型不同的數(shù)值，將背景設(shè)置為NoData。本發(fā)明可以采用包括以下步驟的方法建立各類土地面積與半徑的對數(shù)關(guān)系
(O以研究區(qū)域中心為圓心，以相同的間隔依次遞增為半徑形成不同等級的同心圓，建立緩沖區(qū)進行不同土地利用類型圖層的切割；
(2)利用ArcGIS軟件的統(tǒng)計功能分別統(tǒng)計出各土地類型在各半徑內(nèi)對應(yīng)的總面積；
(3)根據(jù)分形維數(shù)計算公式，等式兩邊取自然對數(shù)，從而建立各類土地面積與半徑的對數(shù)關(guān)系。本發(fā)明可以采用包括以下步驟的方法獲取所述的適應(yīng)度函數(shù)
(1)采用二進制編碼方式對得到的分形維數(shù)數(shù)據(jù)實現(xiàn)從解空間到染色體空間的映射，使得解空間的每一個點映射到一條染色體上，從而在解空間中隨機產(chǎn)生二進制串組成的染色體的基因碼即初始群體；
(2)以殘差平方和最小作為目標(biāo)函數(shù)，即可設(shè)計適應(yīng)度函數(shù)
J=-G
式中=G為數(shù)據(jù)點實際值和擬合值之間的離差平方和值，使G具有最小目標(biāo)值的解對應(yīng)最大的適應(yīng)度值f ;G的表達(dá)式為
權(quán)利要求
1.基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，其特征是首先利用遙感影像解譯提取土地利用分類信息，進行不同半徑尺度緩沖區(qū)的土地分類面積信息的統(tǒng)計，并依據(jù)分形維數(shù)計算公式建立各類土地面積與半徑的對數(shù)關(guān)系，繼而分析遺傳算法參數(shù)編碼機制從而產(chǎn)生初始群體，在此基礎(chǔ)上設(shè)計適應(yīng)度函數(shù)，運用選擇、交叉和變異三種基本遺傳算子，得到分形維數(shù)的最優(yōu)作用尺度，用來精確地說明土地利用分形維數(shù)成立的有效區(qū)間范圍。
2.根據(jù)權(quán)利要求I所述的基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，其特征是采用包括以下步驟的方法 (1)利用遙感影像解譯提取土地利用分類信息并進行整合，整合后的數(shù)據(jù)為所需研究區(qū)域圖斑的分類信息； (2)將整合后的分類數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，建立不同半徑尺度大小的緩沖區(qū)覆蓋各類土地利用信息，進行各類用地的面積統(tǒng)計，進而依據(jù)分形維數(shù)計算公式建立各類土地面積與半徑的自然對數(shù)關(guān)系； (3)對得到的半徑與面積數(shù)據(jù)采用二進制編碼方式實現(xiàn)從解空間到染色體空間的映射，從而產(chǎn)生初始群體，并以平均殘差平方和作為目標(biāo)函數(shù)設(shè)計適應(yīng)度函數(shù)； (4)相繼運用基于輪盤賭模型的選擇算子、采用單斷點交叉法進行交叉算子，結(jié)合高斯變異算子完成尋優(yōu)，從而得到分形維數(shù)的最優(yōu)作用尺度。
3.根據(jù)權(quán)利要求2所述的基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，其特征是采用以下方法獲取分類信息，其步驟包括 (1)利用Erdas軟件對目標(biāo)區(qū)域的遙感影像進行解譯，依據(jù)制定的標(biāo)準(zhǔn)進行非監(jiān)督分類，獲取各類土地利用類型的分類信息； (2)將分類后的遙感數(shù)據(jù)導(dǎo)入ArcGIS軟件中，利用SpatialAnalyst/Reclassify,對遙感數(shù)據(jù)進行重分類，并賦予各種土地類型不同的數(shù)值，并將背景設(shè)置為NoData。
4.根據(jù)權(quán)利要求2所述的基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，其特征是采用包括以下步驟的方法建立各類土地面積與半徑的自然對數(shù)關(guān)系 (O以研究區(qū)域中心為圓心，以相同的間隔依次遞增為半徑形成不同等級的同心圓，建立緩沖區(qū)進行不同土地利用類型圖層的切割； (2)利用ArcGIS軟件的統(tǒng)計功能分別統(tǒng)計出各土地類型在各半徑內(nèi)對應(yīng)的總面積； (3)根據(jù)分形維數(shù)計算公式，等式兩邊取自然對數(shù)，從而建立各類土地面積與半徑的對數(shù)關(guān)系。
5.根據(jù)權(quán)利要求2所述的基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，其特征是采用以下方法獲取適應(yīng)度函數(shù)，其步驟包括 (1)采用二進制編碼方式對得到的分形維數(shù)數(shù)據(jù)實現(xiàn)從解空間到染色體空間的映射，使得解空間的每一個點映射到一條染色體上，從而在解空間中隨機產(chǎn)生二進制串組成的染色體的基因碼即初始群體； (2)以殘差平方和最小作為目標(biāo)函數(shù)，即可設(shè)計適應(yīng)度函數(shù)/=G式中G為數(shù)據(jù)點實際值和擬合值之間的離差平方和值，使G具有最小目標(biāo)值的解對應(yīng)最大的適應(yīng)度值f ；G的表達(dá)式為
6.根據(jù)權(quán)利要求2所述的基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，其特征是采用以下方法求取無標(biāo)度區(qū)間即分形最優(yōu)作用尺度，其步驟包括 Ca)首先采用輪盤賭模型進行選擇算子計算； (b)其次結(jié)合來自父代交配種群中的信息，進行交叉算子計算，交叉算子采用單斷點交叉法產(chǎn)生新的個體，其中，交叉的位置是隨機的； (C)接著進行變異算子計算將交叉后個體的基因鏈按高斯變異算子進行變異，從而產(chǎn)生新一代的種群； (d)最后返回適應(yīng)度函數(shù)，判斷是否滿足優(yōu)化標(biāo)準(zhǔn)，如此循環(huán)直到輸出最優(yōu)個體為止，即求得最優(yōu)作用尺度。
全文摘要
本發(fā)明提供的基于遺傳算法的土地利用分形維數(shù)作用尺度的識別方法，具體是首先利用遙感影像解譯提取土地利用分類信息，進行不同半徑尺度緩沖區(qū)的土地分類面積信息的統(tǒng)計，并依據(jù)分形維數(shù)計算公式建立各類土地面積與半徑的對數(shù)關(guān)系，繼而分析遺傳算法參數(shù)編碼機制從而產(chǎn)生初始群體，在此基礎(chǔ)上設(shè)計適應(yīng)度函數(shù)，運用選擇、交叉和變異三種基本遺傳算子，得到分形維數(shù)的最優(yōu)作用尺度，用來精確地說明土地利用分形維數(shù)成立的有效區(qū)間范圍。本發(fā)明解決了土地利用分形方法沒有考慮地形和遙感影像等數(shù)據(jù)源所存在的“尺度效應(yīng)”問題，可以實現(xiàn)分形維數(shù)無標(biāo)度區(qū)范圍求解的優(yōu)化，并在無標(biāo)度區(qū)間識別的精度和效率上形成明顯優(yōu)勢。
文檔編號G06F17/50GK102880754SQ20121035238
公開日2013年1月16日 申請日期2012年9月21日 優(yōu)先權(quán)日2012年9月21日
發(fā)明者吳浩, 李巖, 葉露萍, 朱捷緣, 趙曉軍, 黎華, 陳明 申請人:武漢理工大學(xué)