CN101807218B - 基于异构网络的土地格局演替仿真系统 - Google Patents

Abstract

本发明提供了一种基于异构网络的土地格局演替仿真系统，包括：PDA客户端，用于响应用户指令向服务器终端发送采样参数和用户设定参数，并接收来自服务器终端的模拟计算结果；服务器终端，用于响应所述PDA客户端，自动提取所存储的与所述采样参数和用户设定参数相关的基础数据，通过土地利用格局演替仿真模块对所述相关的基础数据进行模拟运算，获得与所述指定模拟时段相对应的模拟计算结果。本发明基于自主研发的土地利用格局演替仿真模型，以高性能的计算机工作站为服务平台，在数据共享的机制上开展实时的并行计算，从而提供给土地利用规划者一个简单、便捷、智能化、定量化的土地利用格局演替仿真终端。

Description

基于异构网络的土地格局演替仿真系统

技术领域

本发明涉及资源开发利用技术领域，特别涉及一种用于土地资源开发、土地规划的土地利用格局变化仿真系统。

背景技术

土地利用反映了一定地域范围内地形、地貌、土壤、基础地质、水文、气候和植被等所有自然因素的赋存状态及过去和目前人类在这一地域范围内对土地资源开发利用的活动及其影响结果。

土地利用格局演替仿真旨在回答土地利用结构在何时、何地、为何以及发生怎样的变化与转换，并导致何种突出的环境效应。土地利用格局演替仿真系统的开发与应用能够加深人们对土地利用系统动态变化机制的理解，并为预测区域未来土地利用动态变化趋势提供分析工具。开展土地利用格局演替仿真必须运用定量分析的方法，建立土地利用变化动态模拟模型，阐明土地利用变化动态变化动力学机制，开展区域用地结构变化的情景分析。

传统的土地利用规划方法受人为主观因素影响较大，不能动态地反映土地利用规划布局的全过程，难以适应土地规划信息智能化处理的需求。

目前，多数可以开展土地利用格局演替仿真的模型与方法往往只涉及一种或几种用地类型，缺乏对区域土地利用格局演替格局的整体把握，很少能从精细栅格水平上定量地分析自然、生态、社会经济因子的驱动作用，缺少得当的区域用地结构情景分析和对土地利用变化预测及演替格局的深入分析，不利于广大基层土地工作者使用和推广。

此外，由于土地利用格局演替仿真是一项跨学科的综合系统工程，它涉及的数据类型广泛、数据量大、数据准备耗时，一般用户很难收集全面相关数据。土地利用格局演替模型算法一般比较复杂，以全国1km×1km栅格为模型基础数据，单一变量将至少存在960万个样本，在此情形下，样本数据的齐次方程运算将是一个庞大的任务，一般个人电脑很难满足需求。

另一方面，随着通信技术的异常繁荣，带来了多种类型通信网络的共存，即异构型网络(heterogeneous network)。异构型网络的目的主要是实现各种信息快速、可靠、安全的交换与传输，即通过网络高质量地提供各种各样的服务。

发明内容

本发明的目的在于针对现有的土地利用格局演替模拟方法在系统分析和机理表达方面存在的诸多不足，在满足广大野外工作者实际需求的基础之上，提供一种基于异构网络的、集成PDA技术、GPRS通信、全球定位系统、并行计算、专家系统等先进技术的分布式土地利用格局演替仿真系统，实现土地利用格局演替的远程模拟，实时指导土地利用规划以及模拟演替格局并进行比对分析。

为实现本发明的上述目的，本发明的基于异构网络的土地格局演替仿真系统包括：

PDA客户端，响应用户指令，向服务器终端发送采样参数和用户设定参数，并接收来自服务器终端的模拟计算结果；其中，所述采样参数包括采样点地理坐标，所述用户设定参数包括采样点用地类型、指定模拟时段以及情景设定；

服务器终端，响应PDA客户端，自动提取存储于所述服务器终端中的与所述采样参数和用户设定参数相关的基础数据，通过土地利用格局演替仿真模块对所述相关的基础数据进行模拟运算，获得与所述指定模拟时段相对应的模拟计算结果。

其中，所述基础数据为影响土地利用格局变化的驱动因子的量化数据；所述驱动因子包括自然环境、条件，气候变化，人口总量、结构与迁移，贸易环境，管理政策、制度安排。

其中，所述土地利用格局演替仿真模块包括：

土地利用格局演替驱动分析子模块，依据所述相关的基础数据，通过重要驱动因子辨识方法和计量经济学理论方法构建土地利用类型分布与各综合驱动因子之间的线性模型，输出表征了驱动因子作用方向与强度的回归系数；

区域用地结构变化情景分析子模块，将所述回归系数作为输入参数，通过区域宏观计量分析、农业用地政策影响分析和林业政策情景分析方法运算输出采样区域在指定模拟时段各种情景设定下各种土地利用类型的面积需求量；

土地利用面积空间分配子模块，根据所述面积需求量、所述相关的基础数据中的土地利用类型分布概率以及土地利用类型转换规则计算不同土地利用类型的分配概率，实现各种土地利用类型在1km×1km空间栅格上的分配。

其中，所述重要驱动因子辨识方法包括以下步骤：

S1：计算所有驱动因子相关系数矩阵R：

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{s}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}{\sqrt{\underset{k=1}{\overset{s}{\mathrm{\Σ}}}{(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})}^2\underset{k=1}{\overset{s}{\mathrm{\Σ}}}{(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}^2}}$

在上式中，s表示样本个数，x_ki表示第k个样本的第i个驱动因子量化值，x_kj表示第k个样本的第j个驱动因子量化值，x_i表示所有样本的第i个驱动因子的平均量化值，x_j表示所有样本的第j个驱动因子的平均值，r_ij表示第i和j个驱动因子之间的相关系数；

S2：计算由步骤S401获得的相关系数矩阵R的特征值λ，特征值排序λ₁≥λ₂≥…≥λ_n、λ_i对应的特征向量为U_i，I为单位矩阵，

其中，|λI-R|＝0 $U_i=\left[\begin{array}{c}{u}_{1i}\\ u_{2i}\\ u_{3i}\\ .\\ .\\ .\\ u_{\mathrm{ni}}\end{array}\right]$

S3：根据步骤S402获得的特征值计算获得每一驱动因子的主成分贡献率及累计贡献率：

设定最大主成分的贡献率大于80％，计算得到主成分数值m；

S4：利用线性组合计算各主成分得分，获得m个综合驱动因子变量PC_i＝u_i1X_i1+u_i2X_i2+u_i3X_i3+…+u_inX_in

其中，i＝1，2...m。

其中，所述土地利用类型分布与各综合驱动因子之间的线性模型为：

$Y_{\mathrm{it}}=a_0+\underset{k}{\mathrm{\Σ}}{a}_k\ln \left(p_{\mathrm{itk}-1}\right)+\underset{j}{\mathrm{\Σ}}{\mathrm{\β}}_j{q}_{\mathrm{itj}-1}$

这里，Y_it表示第i个采样区域在第t年的用地面积，a₀为误差项，P_itk、q_itj为对综合驱动因子变量进行划分得到的两类驱动因子变量，绝对量值用P_itk表示，变化量或者比例值用q_itj表示，且k+j＝m；α_k、β_j为其分别的驱动因子系数。

其中，在所述分配概率的计算过程中，

若前一模拟时段某一土地利用类型已经存在，并且其稳定性数值小于1，空间分配子模块将计算该土地利用类型的分布概率、补偿因子与稳定性因子的和，作为该土地利用类型的分配概率：

若补偿因子接近于0，则所述分配概率为土地利用类型分布概率和补偿因子的和；

若空间分配允许考虑稳定性的设置，则将具有最高分布概率的土地利用类型分配给待分配土地利用类型面积不足的栅格。

其中，所述稳定性取决于采样区域用地类型的转移难度和它的周围邻域。

与现有技术相比，本发明的技术方案的优势在于：

本发明的技术方案综合考虑了社会经济发展特征、文化传统、自然条件以及土地利用结构变化历史趋势等多个方面的因素，增加了模拟结果的合理性与准确度；本发明技术方案中的土地利用格局演替仿真方法是从系统的角度出发，通过开展区域用地结构变化情景分析、揭示栅格水平土地利用面积空间分配驱动机理、再现栅格水平上土地利用面积供需平衡过程，实时吸取专家系统知识库经验，最终实现土地利用格局演替的动态模拟；

同时，本发明支持长事务处理。数据的编辑工作有的可以几分钟完成，有的很可能要用几天，甚至几个月，这种情形即所谓“长事务处理”，为其建立“增量记录”，即版本。任何人对数据的操作都可以在各自生成的“版本”上进行，版本之下还可以生成新的版本，如此逐级繁衍，形成一棵“版本树”。用户在这个数据版本进行编辑修改时，并不用关心其他用户是不是也在对同一数据进行操作。事务处理结束提交数据时，由系统自动对数据的一致性进行检查即可。如果没有冲突，就直接更新数据；如果遇到冲突，再交互解决冲突。从而大大提高了并发操作的效率。

本发明的技术方案的有益效果在于：

本发明提出的技术方案利用GPRS通信模块、GPS模块、土地利用格局演替模拟模型、基础数据共享机制、智能终端给广大土地利用规划者提供了一套便捷、实时、智能的解决方案，有利于提高我国国土规划领域的信息化水平。

此外，本发明的土地利用格局演替仿真系统中用户智能终端的推广将大大节省硬件花费和高昂的正版专业软件费用，简易操作的用户智能终端给缺乏计算机基础知识的广大基层工作人员带来便利，并通过智能终端丰富了模型案例库，为模型的深层检验提供了可能性。

最后，本发明的技术方案利用数据压缩传输技术，缩短了数据访问时间；并且由于本发明使用的PDA客户端是在windows mobile系统上进行扩展的，成本低、使用方便、操作简单。

附图说明

图1是根据本发明的基于异构网络的土地格局演替仿真方法的一个实施例的流程图；

图2a是根据本发明的基于异构网络的土地格局演替仿真系统的仿真模块的基本工作原理图，图2b是图2a的局部放大图；

图3是根据本发明的基于异构网络的土地格局演替仿真系统的仿真模块中土地利用面积空间分配子模块调用基础数据类型示意图；

图4是根据本发明的基于异构网络的土地格局演替仿真系统的仿真模块中土地利用面积空间分配子模块的空间分配方法示意图。

具体实施方式

本发明提出的基于异构网络的土地格局演替仿真系统，结合附图和实施例说明如下。

本发明旨在提供一种土地利用格局演替仿真系统及方法，通过PDA客户端传送实时调查与验证数据到服务器端的土地利用格局演替仿真模型，启动服务器终端的土地利用结构变化情景分析子模块、土地利用格局演替驱动分析子模块、土地利用面积空间分配子模块的功能，分别计算各种土地利用类型年度变化需求、测度土地利用类型分布与驱动因子之间的关系和实现土地利用面积变化的空间分配。在对土地利用类型分布及其影响因子的相互作用关系和时空分布规律定量分析的基础上，综合考虑土地利用变化动态过程中自然环境条件的主导作用和社会、经济、技术等人文因素的决定性影响，模拟土地利用变化过程，预测区域用地结构变化趋势；最终将运算得到的模拟结果以数据、图形的方式反馈于用户智能终端。

如图1所示为本发明的基于异构网络的土地格局演替仿真系统的一个实施例的结构流程图，本实施例的系统包括PDA客户端和服务器终端两个部分。

本发明中采用的PDA(Personal Digital Assistant)是近年来发展迅速的移动式便携计算机，内置强大的嵌入式操作系统，如WindowsMobile、Palm OS等，提供内嵌GPS模块，通过针对该模块的应用程序开发，应用程序可获取空间坐标位置。GPS(Global PositioningSystem)是以卫星为基础的无线电导航定位系统。由于PDA客户端使用的是无线GPRS网络，而服务器端使用的是传统网络，由此，PDA客户端、服务器端构成了一个异构网络，本发明的土地格局演替仿真系统就是构建在这一异构网络环境中。

本发明系统中的PDA客户端可以通过GPRS方式与服务器终端进行通信，由于受流量的限制，在一定的程度上影响了数据交互的速度，为此，本发明的技术方案开发并采用了胖客户端程序，以Socket通信方式实现数据传输的流畅。PDA客户端在发送数据时运行硬件提供商提供的GPRS连接执行程序，与GPRS网络建立逻辑链路，再通过建立Socket对象，实现用与服务器终端的通信。具体地，PDA客户端接收实时调查数据，包括由用户输入的采样点用地类型和指定模拟时段、情境设定等用户设定参数以及来自内嵌于PDA客户端的GPS模块的关于采样点实时地理空间位置的采样参数，编辑矢量数据，利用客户端socket程序，将上述实时数据传入包含有土地利用格局演替主程序的服务器终端；同时，服务器终端通过socket监听程序接受来自PDA客户端的连接请求后，执行“accept”命令，建立连接，接收来自PDA客户端的数据，并响应该数据，自动提取服务于主程序的基础数据中与所述土地利用类型、地理空间位置参数相关的基础数据，驱动土地利用格局演替仿真模型进行模拟运算，计算得到指定模拟时段的模型结果，然后将模拟结果以图形或数据的形式反馈于PDA客户端。

其中，PDA客户端可以为一可移动的PDA用户界面，由用户手持；服务器终端可以为一高性能的可以实现并行数据优化计算的计算机工作站，该计算机工作站包含有进行模拟运算的主程序；本发明实施例采用的GIS(Geographical Information System)系统凭借其强大的数据分析和空间分析功能，广泛应用于土地系统等众多领域，而移动GIS更具备可移动的优势，能满足野外工作人员的需求，即在野外也能把实时调查数据传递到远程服务器端的土地利用格局演替仿真Server程序进行结果比对与验证，实现远程、实时用地规划指导。

其中，土地利用格局演替仿真模型采用1km×1km的栅格尺度为数据单元，每一栅格为一采样点，样本的大小取决于研究区的面积，模型中涉及的驱动因子如表1所示。

表1

其中，由用户输入的采样点用地类型可以为1-N中任意整数编码，分别对应于根据三级土地利用分类系统划分的N种土地利用类型；指定模拟时段可以是表示用户期望模拟的从用户采样时刻开始推算的具体历时过程的整数编码。

其中，模拟结果可以为指定模拟时段的该采样区域的土地利用格局演替图、土地利用转移分布图、单类土地利用空间分配图等图形结果，也可以是指定模拟时段的该采样点的用地类型编码等数据结果。

本发明的土地利用格局演替仿真模块建立在对精细栅格尺度土地系统结构变化及其驱动因子的相互作用关系和时空分布规律的定量分析基础上，通过提供一个包括区域用地结构变化预测、栅格尺度驱动机理分析、栅格水平土地面积供需平衡与空间分配的集成方案，实现对区域土地利用格局演替的动态模拟。本发明的土地利用格局演替仿真模块的基本工作原理如图2所示。

具体地，土地利用格局演替仿真模块由三个子模块构成：土地利用结构变化情景分析子模块、土地利用格局演替驱动分析子模块、土地利用面积变化空间分配子模块。这三个子模块的计算需要使用专题计量分析、区域宏观计量分析、农业用地政策影响分析、林业政策情景分析以及土地利用空间分异特征5个模型，而这5个模型又通过一系列的相关参数与作用反馈联系在一起。下面将结合附图对本发明的土地利用格局演替仿真模块中的各个子模块的功能及原理进行进一步详细说明。

1、土地利用格局演替驱动分析子模块：通过分析土地利用类型分布与驱动因子之间的统计关系测度驱动因子对区域土地利用时空格局的影响；由于区域用地结构是自然、社会、经济等众多因素共同作用的结果，可以通过定量地表述土地利用结构变化与各驱动因子之间的空间依存关系，建立空间统计模型，预测区域土地利用结构的变化趋势。

土地利用格局演替驱动分析采用的部分变量如表1所示，需要说明的是，这些驱动因子量化数据也就是存储在服务器终端的待提取并进行模拟运算的基础数据。

首先，子模块对表1中所示数据进行驱动因子作用辨识，即利用主成分分析的多元统计方法对其进行重点因子辨识，从庞大数据库中选择对土地利用格局演替影响较大的驱动因子进入下一步的运算。本实施例的驱动因子辨识过程步骤如下：

S101：计算所有驱动因子相关系数矩阵R：

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{s}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}{\sqrt{\underset{k=1}{\overset{s}{\mathrm{\Σ}}}{(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})}^2\underset{k=1}{\overset{s}{\mathrm{\Σ}}}{(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}^2}}$

在上式中，s表示样本个数，x_ki表示第k个样本的第i个驱动因子量化值，x_kj表示第k个样本的第j个驱动因子量化值，x_i表示所有样本的第i个驱动因子的平均量化值，x_j表示所有采样样本的第j个驱动因子的平均值，r_ij表示第i和j个驱动因子之间的相关系数；如果有n个驱动因子，则相关系数矩阵R为由r_ij构成的一个n×n的方阵。

S102：计算由步骤S101获得的相关系数矩阵R的特征值λ，(特征值排序λ₁≥λ₂≥…≥λ_n)、λ_i对应的特征向量为U_i，I为单位矩阵，

其中，|λI-R|＝0 $U_i=\left[\begin{array}{c}{u}_{1i}\\ u_{2i}\\ u_{3i}\\ .\\ .\\ .\\ u_{\mathrm{ni}}\end{array}\right]$

S103：根据步骤S102获得的特征值计算获得每一驱动因子的主成分贡献率及累计贡献率，获得主成分数值m。

主成分贡献率计算公式：

累积贡献率计算公式(假设取m个主成分)：

此处两个公式的值均小于1，设定最大主成分的贡献率大于80％，由此通过上述公式可以求出主成分数值m。

S104：利用线性组合计算各主成分得分，获得m个综合驱动因子变量，每一综合驱动因子变量包含所有n个驱动因子的综合影响。

PC_i＝u_i1X_i1+u_i2X_i2+u_i3X_i3+…+u_inX_in

其中，i＝1，2...m。

接下来，基于上述驱动因子辨识过程的计算结果，土地利用格局演替驱动分析子模块通过专题计量分析来构建土地利用类型分布与各综合驱动因子之间的线性模型。

专题计量分析模型依据计量经济学理论方法，测度建设用地、其它林地、其它草地、水域面积、未利用地随着社会经济发展及自然环境条件的用地类型转换的数量特征及其表征关系。

①关键方程：

Y_i＝f(X_i，j，Z_i，k)i＝1，2，3，4，5

IY_i，t＝f(X_i，j，t-1，Z_i，k，MG_n)i＝1，2，3，4，5

OY_i，t＝f(X_i，j，t-1，Z_i，k，MG_n)i＝1，2，3，4，5

②输入变量：X_i，j表示与研究区域第i种土地利用类型面积相关的社会经济因素向量，例如国民生产总值GDP、区域人口数量POP、价格指数CPI等；Z_i，k表示研究区域的区位条件及自然环境条件向量，例如到最近公路距离DROAD、到最近省会城市距离DPVCP、到最近水域距离DWATER以及区域地形DEM、坡度SLOP、平原面积比SPLAIN等；MG_n表示国家或区域的各种土地利用政策。

③输出变量：Y_i表示建设用地、其它林地、其它草地、水域面积、未利用地面积；IY_i，t表示t时刻其他土地利用类型向第i种土地利用类型转入的面积；OY_i，t表示t时刻第i种土地利用类型转向其他土地利用类型的面积。

④与该模型链接的其他模型：区域宏观计量分析模型；

⑤其他：方程中因土地利用类型的差异，变量的类型与个数也会出现变动。输出变量作为区域宏观计量分析模型的外生变量和参数。

利用案例数据进行专题计量分析得出的线性模型，能适合大范围、高空间分辨率用地类型分布模拟，模型方程如下：

$Y_{\mathrm{it}}=a_0+\underset{k}{\mathrm{\Σ}}{a}_k\ln \left(p_{\mathrm{itk}-1}\right)+\underset{j}{\mathrm{\Σ}}{\mathrm{\β}}_j{q}_{\mathrm{itj}-1}$

其中，Y_it表示第i个采样区域在第t年的用地面积，a₀为误差项，P_itk、q_itj为对通过步骤S101-104所得到的m个综合驱动因子变量进行划分得到的两类驱动因子变量，对照表1，绝对量值用P_itk表示，变化量或者比例值用q_itj表示，且k+j＝m；α_k、β_j为其分别的驱动因子系数，也是本发明的土地利用格局演替驱动分析子模块的输出参数，它表征了两类驱动因子对土地利用格局演替的影响。

2、土地利用结构变化情景分析子模块：提供每种土地利用类型在用户指定模拟时段内各时间断面的面积需求变化；

土地利用结构变化情景分析建立在对区域经济、产业、政策或技术等土地利用格局演替驱动因子的系统分析与科学推理之上，预测不同情景下各种区域用地结构的变化趋势。

具体实施过程中，通过情景分析子模块下的区域宏观计量分析模型、农业用地政策影响分析模型和林业政策情景分析模型开展各种情景设定，在确定外生变量的情况下开展模型运算。这里的外生变量是用户输入的设定参数。

区域宏观计量分析模型基于一般均衡理论，外生其他五种土地利用类型面积，耦合包括耕地、经济林地、牧草地的用地结构与经济发展关系，构建机理性模型，用包括生产模块、需求模块、价格模块、贸易模块、收入分配模块、宏观经济闭合模块等模块组合，解释区域与土地利用格局演替密切联系的生产、消费与分配过程。

①关键方程：

${\mathrm{QX}}_a\left(t\right)={\mathrm{ad}}_a^x\left(t\right){({\mathrm{\δ}}_a^x\left(t\right){\mathrm{QVA}}_a^{-{\mathrm{rhoc}}_a^x\left(t\right)}\left(t\right)+(1-{\mathrm{\δ}}_a^x\left(t\right)){\mathrm{QINT}}_a^{-{\mathrm{rhoc}}_a^x\left(t\right)}\left(t\right))}^{-\frac{1}{{\mathrm{rhoc}}_a^x\left(t\right)}}$

其中，QX_a为生产活动a的量；ad_a ^x为规模参数，或可代表技术状况；δ_a ^x为产出弹性；rhoc_a ^x为替代参数；QVA_a为生产活动a需要的综合要素的数量；QINT_a为生产活动a的中间投入品数量。

${\mathrm{QVA}}_a\left(t\right)={\mathrm{ad}}_a^{\mathrm{va}}\left(t\right)\·{[\underset{f}{\mathrm{\Σ}}{\mathrm{\δ}}_{f,a}^{\mathrm{va}}\left(t\right)\·{\mathrm{FD}}_{f,a}^{-{\mathrm{\ρ}}_a^{\mathrm{va}}\left(t\right)}\left(t\right)]}^{-\frac{1}{{\mathrm{\ρ}}_a^{\mathrm{va}}\left(t\right)}}$

其中，ad_a ^va为效率参数；δ_f，a ^va产出弹性，代表贡献份额；ρ_a ^va为替代参数；FD_f，a为生产活动a投入的要素f的数量(包括各种类型用地的投入量)。

QVA_a与QINT_a最优比为：

$\frac{{\mathrm{QVA}}_a\left(t\right)}{{\mathrm{QINT}}_a\left(t\right)}={[\frac{{\mathrm{PINT}}_a\left(t\right)}{{\mathrm{PVA}}_a\left(t\right)}\·\frac{{\mathrm{\δ}}_a^x\left(t\right)}{1-{\mathrm{\δ}}_a^x\left(t\right)}]}^{\frac{1}{1+{\mathrm{rhoc}}_a^x\left(t\right)}}$

$Q_{\mathrm{lf},\mathrm{al}}\left(t\right)=\underset{{\mathrm{lf}}^{\′}}{\mathrm{\Σ}}\min \{{\mathrm{FD}}_{{\mathrm{lf}}^{\′},\mathrm{al}}\left(t\right),\frac{{\mathrm{FD}}_{f,\mathrm{al}}\left(t\right)}{c_{f,\mathrm{al}}\left(t\right)}(f\∉\{\mathrm{fl}\left\}\right),\frac{{\mathrm{QINT}}_{\mathrm{al}}\left(t\right)}{c_{\mathrm{al}}\left(t\right)}(f\∉\{\mathrm{fl}\left\}\right)\}$

其中，lf′≠lf；lf′，lf∈{lf}，lf′和lf表示土地利用类型，{lf}表示土地要素的集合；Q_lf，al为土地转换活动al中由其他土地利用类型lf′转化为lf的土地数量；FD_lf′，al表示活动al中投入的其他土地利用类型的数量；FD_f，al为土地转换活动al中投入的其他要素f的数量；c_f，al为单位产出需要消耗的其他要素的数量；QINT_al为土地转换活动al中间投入的数量；c_al为单位产出需要消耗的中间投入的数量。

${\mathrm{FD}}_{\mathrm{lf}}\left(t\right)={\mathrm{FD}}_{\mathrm{lf}}(t-1)+\underset{\mathrm{al}}{\mathrm{\Σ}}{Q}_{\mathrm{lf},\mathrm{al}}(t-1)-\underset{{\mathrm{al}}^{\′}}{\mathrm{\Σ}}\min \{{\mathrm{FD}}_{{\mathrm{lf},\mathrm{al}}^{\′}}\left(t\right),\frac{{\mathrm{FD}}_{{f,\mathrm{al}}^{\′}}\left(t\right)}{c_{f,{\mathrm{al}}^{\′}}\left(t\right)},\frac{{\mathrm{QINT}}_{{\mathrm{al}}^{\′}}\left(t\right)}{c_{{\mathrm{al}}^{\′}}\left(t\right)}\}$

其中，FD_lf为区域土地要素lf的总量；Q_lf，al为通过土地转换活动al新增的土地要素数量； $\underset{{\mathrm{al}}^{\′}}{\mathrm{\Σ}}\min \{{\mathrm{FD}}_{\mathrm{lf},{\mathrm{al}}^{\′}}\left(t\right),\frac{{\mathrm{FD}}_{{f,\mathrm{al}}^{\′}}\left(t\right)}{c_{{f,\mathrm{al}}^{\′}}\left(t\right)},\frac{{\mathrm{QINT}}_{{\mathrm{al}}^{\′}}\left(t\right)}{c_{{\mathrm{al}}^{\′}}\left(t\right)}\}$ 为土地要素lf转化为其他土地要素的量。

$\underset{f}{\mathrm{\Σ}}{\mathrm{FD}}_f\left(t\right)=\underset{f}{\mathrm{\Σ}}{\mathrm{FD}}_f(t-1)$

PI(t)＝NGDP(t)/RGDP(t)

其中，PI(t)表示价格指数；NGDP(t)表示名义GDP；RGDP(t)表示实际GDP。

其中，PTAX_j(t)表示产品生产税；CTAX_c(t)表示商品销售税

为土地要素的收入；CAP(t)表示资本要素的收入；表示劳动力要素的收入。

${\mathrm{GDP}}_{\mathrm{EXP}}\left(t\right)=\underset{j}{\mathrm{\Σ}}{\mathrm{PFD}}_j\left(t\right){\mathrm{XFD}}_j\left(t\right)+\mathrm{STOCK}\left(t\right)+\mathrm{NETMAR}\left(t\right)+\mathrm{EXP}\left(t\right)-\mathrm{IMP}\left(t\right)$

其中，

表示最终需求；STOCK(t)为存货变动；NETMAR(t)表示边际收入净值；EXP(t)为出口；IMP(t)为进口。

$\mathrm{INVEST}\left(t\right)=\underset{c}{\mathrm{\Σ}}{\mathrm{PQD}}_c\left(t\right)\·({\mathrm{QINVD}}_c\left(t\right)+{\mathrm{dstocconst}}_c\left(t\right))$

其中，INVEST为投资对商品的总支出；QINVD_c为投资对商品c的需求量；dstocconst_c的股票价格变化；PQD_c为本地销售的复合商品c的价格。

$\mathrm{PTAX}\left(t\right)=\underset{a}{\mathrm{\Σ}}\mathrm{TXADJ}\left(t\right)\·{\mathrm{tx}}_a\left(t\right)\·{\mathrm{PX}}_a\left(t\right){\mathrm{QX}}_a\left(t\right)$

其中，ITAX为生产税；TXADJ为生产税调整系数；tx_a为生产税；PX_a为生产活动的价格；QX_a为生产活动的量。

②输入变量：描述五种土地利用类型向其它土地利用类型转换的FD_lf为专题计量模型输出；描述产业结构的QX_a为区域发展分析输出；描述投资和土地租金的QINVD_c、PT_lf为用地政策影响分析输出。输入变量大部分为外生变量。

③输出变量：价格指数、GDP、就业率、税收等。

④与该模型链接的其他模型：专题计量分析模型、农业用地政策影响分析模型、林业政策情景分析模型提供外生变量和部分参数，而模型运行的结果指导农业用地政策影响分析模型、林业政策情景分析模型。

⑤模型之间的闭合链接：区域宏观计量分析得到的各种土地利用类型面积将作为参数输入到土地利用空间分异特征模型、农业用地政策影响分析模型和林业政策情景分析模型，各种土地利用类型面积之和为区域土地总面积。

农业用地政策影响分析模型和林业政策情景分析模型主要基于区域宏观计量分析模型输出的技术、消费、投入、需求、供给等一系列结果和土地利用空间分异特征模块输出的土地利用面积及其空间分布状况，进行相应的政策情景假设与量化，将经宏观政策校正之后的产量、价格等经济变量反馈给区域宏观计量分析模型。基础情景有3种：基准情景、经济发展情景与环境保育情景。不同情景差异主要由影响情景的关键变量来确定。

同时，农业用地政策分析模型和林业政策情景分析模型输出的经济总量、生活水平、环境状况等参数将被反馈至区域宏观计量分析模型，作为新的数据支撑下一轮的运算，直至达到土地利用类型分配的均衡状态。

具体实施过程中，服务器端将由土地利用格局演替驱动分析子模块输出的驱动因子系数作为情景分析子模块中的参数输入，用户通过PDA客户端控制输入参数及其之间的组合来进行不同的情景设定，开展模型运算，输出采样区域在指定模拟年份间、各种假设情景下、各种土地利用面积需求量，从而得到未来可能的用地结构变化的模拟结果。

3、土地利用面积变化空间分配子模块：通过栅格尺度土地利用类型面积需求与供给之间的平衡的分析实现各种土地利用类型在1km×1km空间栅格上的分配。

土地利用面积变化空间分配子模块采用土地利用空间分异特征模型来进行空间分配，通过增加适当的限制条件(如自然保护区和基本农田保护区不允许用地类型转换)和转换规则，实现区域用地类型的空间分配。首先确定允许用地类型转换的栅格单元并计算每个栅格单元对于每一种用地类型的转换可能性，形成最初的用地分配图；然后对面积不匹配区域宏观计量分析结果的用地类型进行不同用地类型面积的空间匹配，直到二者一致为止。

具体实施过程中，子模块调用基础数据，计算得到采样区域内各种土地利用类型分布概率，设定各种土地利用类型转换编码，依据区域用地结构变化情景分析子模块获得的指定模拟时间断面各土地利用类型面积需求量(需求面积)，根据各种土地利用类型分布概率对各种土地利用类型的变化面积进行空间分配，实现用户指定模拟时段内各时间断面上土地利用格局演替的动态仿真。

土地利用面积变化空间分配子模块的输入参数，即子模块调用的基础数据大致反映采样区域的土地利用结构变化的局域特征、区域特征和历史特征，如图3所示。

本模块通过定义转换规则表征某种土地利用类型向另一种土地利用类型转换的难易程度，其中包括两种定义转换规则，一种表征了土地利用类型的稳定程度，这种转换规则的值一般比较小；另一种表征了土地利用面积变化的限制区域，其值接近或者等于1；其中，稳定性取决于本身用地类型的转移难度和他的周围邻域。

本发明采用的土地利用类型转换编码如表2所示：

表2

具体实施过程中，如图4所示，空间分配子模块首先计算需要进行分配的栅格数量，该计算基于由基础数据获得的现有土地利用类型分布状态与区域用地结构变化情景分析子模块计算得到的模拟时间断面下各种土地利用类型的需求面积的比较进行；对于需要分配的栅格，模型将计算其不同土地利用类型的分配概率L_i，k，共包括三种不同的情况：

①如果在前一模拟年份某土地利用类型已经存在，并且它的稳定性小于1，空间分配模块将计算该土地利用类型的分布概率、补偿因子与稳定性因子的和，作为该土地利用类型的分配概率：

L_i，k＝P_i，k+C_k+S_k

其中，L_i，k为栅格i中第k种土地利用类型的分配概率；P_i，k为栅格i中第k种土地利用类型的分布概率；C_k和S_k分别是补偿因子和第k种土地利用类型的稳定性因子；所述补偿因子为包括人口迁移、政策变化等外在影响因素的量化值，所述分布概率和稳定性因子的计算基于调用的基础数据进行。

②当补偿因素S_k接近于0时，L_i，k由分布概率P_i，k和补偿因子C_k组成，即

L_i，k＝P_i，k+C_k

③排除一个栅格分配呈现需求减少的土地利用类型的可能性。

如果空间分配允许考虑稳定性的设置，则将具有最高L_i，k的土地利用类型分配给那些待分配土地利用类型面积不足的栅格。

综上所述，土地利用格局演替仿真模块是实现从系统的角度识别影响土地利用格局演替的各种驱动因子的作用，揭示土地利用格局演替的驱动机理，并将区域用地结构变化反映到一定尺度的栅格单元的有效工具。

本发明基于自主研发并经过案例验证的土地系统动态模拟系统模型，以高性能的计算机工作站为服务平台，以客户端的需求为服务目标，在数据共享的机制上，开展实时的并行计算，从而提供给广大的土地利用规划者一个简单、便捷、智能化、定量化的土地利用格局演替仿真终端，提高我国在国土规划领域的信息化水平及应用范围。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种基于异构网络的土地格局演替仿真系统，其包括：

PDA客户端，用于响应用户指令，向服务器终端发送采样参数和用户设定参数，并接收来自服务器终端的模拟计算结果；其中，所述采样参数包括采样点地理坐标，所述用户设定参数包括采样点用地类型、指定模拟时段以及情景设定，所述PDA客户端为一可移动的PDA用户界面；

服务器终端，用于响应所述PDA客户端，自动提取所存储的与所述采样参数和用户设定参数相关的基础数据，通过土地利用格局演替仿真对所述相关的基础数据进行模拟运算，获得与所述指定模拟时段相对应的模拟计算结果，所述服务器终端为一高性能的可以实现并行数据优化计算的计算机工作站；

其中，由所述服务器终端执行的所述土地利用格局演替仿真包括：

依据所述相关的基础数据，利用主成分分析的多元统计方法对其进行重要驱动因子辨识，再结合计量分析构建土地利用类型分布与各综合驱动因子之间的线性模型，输出表征了驱动因子作用方向与强度的回归系数；

将所述回归系数作为输入参数，通过基于一般均衡理论来解释区域与土地利用格局演替密切联系的生产、消费与分配过程的区域宏观计量分析、农业用地政策影响分析和林业政策情景分析方法运算并输出采样区域在指定模拟时段各种情景设定下各种土地利用类型的面积需求量；

根据所述面积需求量、所述相关的基础数据中的土地利用类型分布概率以及土地利用类型转换规则计算不同土地利用类型的分配概率，实现各种土地利用类型的分配;

所述PDA客户端和所述服务器终端通过胖客户端程序、以Socket通信方式实现数据的交互传输。

2.如权利要求1所述的系统，其特征在于，所述基础数据为影响土地利用格局变化的驱动因子的量化数据；所述影响土地利用格局变化的驱动因子包括自然环境、条件、气候变化、人口总量、结构与迁移、贸易环境、管理政策、制度安排。

3.如权利要求1所述的系统，其特征在于，所述重要驱动因子的辨识包括以下步骤：

S501：计算所有驱动因子相关系数矩阵R：

$r_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{s}{\mathrm{\Σ}}}(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})(x_{\mathrm{kj}}-\stackrel{\‾}{x_j})}{\sqrt{\underset{k=1}{\overset{s}{\mathrm{\Σ}}}{(x_{\mathrm{ki}}-\stackrel{\‾}{x_i})}^2\underset{k=1}{\overset{s}{\mathrm{\Σ}}}{(k_{\mathrm{kj}}-\stackrel{\‾}{x_j})}^2}}$

在上式中，s表示样本个数，x_ki表示第k个样本的第i个驱动因子量化值，x_kj表示第k个样本的第j个驱动因子量化值，

表示所有样本的第i个驱动因子的平均量化值，

表示所有样本的第j个驱动因子的平均值，r_ij表示第i和j个驱动因子之间的相关系数；

S502：计算由步骤S501获得的相关系数矩阵R的特征值λ，特征值排序λ₁≥λ₂≥…≥λ_n，λ_i对应的特征向量为U_i，I为单位矩阵，其中，|λI-R|＝0 $U_i=\left[\begin{array}{c}{u}_{1i}\\ u_{2i}\\ u_{3i}\\ .\\ .\\ .\\ u_{\mathrm{ni}}\end{array}\right]$

S503：根据步骤S502获得的特征值计算获得每一驱动因子的主成分贡献率及累计贡献率:

设定最大主成分的贡献率大于80%，计算得到主成分数值m；

S504：利用线性组合计算各主成分得分，获得m个综合驱动因子变量PC_i＝u_i1X_i1+u_i2X_i2+u_i3X_i3+…+u_inX_in

其中，i=1,2…m。

4.如权利要求1所述的系统，其特征在于，所述土地利用类型

分布与各综合驱动因子之间的线性模型为：

$Y_{\mathrm{it}}=a_0+\underset{k}{\mathrm{\Σ}}{a}_k\ln \left(p_{\mathrm{itk}-1}\right)+\underset{j}{\mathrm{\Σ}}{\mathrm{\β}}_j{q}_{\mathrm{itj}-1}$

其中，Y_it表示第i个采样区域在第t年的用地面积，a₀为误差项，p_itk、q_itj为对综合驱动因子变量进行划分得到的两类驱动因子变量，绝对量值用P_itk表示，变化量或者比例值用q_itj表示，且k+j＝m，m为综合驱动因子的个数；α_k、β_j为其分别的驱动因子系数；k和j为（0，m）范围内的整数。

5.如权利要求1所述的系统，其特征在于，在所述分配概率的计算过程中，

若前一模拟时段某一土地利用类型已经存在，并且其稳定性数值小于1，空间分配子模块将计算该土地利用类型的分布概率、补偿因子与稳定性因子的和，作为该土地利用类型的分配概率：

若补偿因子接近于0，则所述分配概率为土地利用类型分布概率和补偿因子的和；

若空间分配允许考虑稳定性的设置，则将具有最高分布概率的土地利用类型分配给待分配土地利用类型面积不足的栅格。

6.如权利要求5所述的系统，其特征在于，所述稳定性取决于采样区域用地类型的转移难度和它的周围邻域，所述转移难度通过土地利用类型转换编码表示。

7.如权利要求1所述的系统，其特征在于，所述土地利用面积空间分配子模块实现各种土地利用类型在1km×1km空间栅格上的分配。

8.一种基于异构网络的土地格局演替仿真方法，其特征在于，包括：

PDA客户端响应用户指令，向服务器终端发送采样参数和用户设定参数；其中，所述采样参数包括采样点地理坐标，所述用户设定参数包括采样点用地类型、指定模拟时段以及情景设定；

服务器终端响应所述PDA客户端，自动提取所存储的与所述采样参数和用户设定参数相关的基础数据，通过土地利用格局演替仿真对所述相关的基础数据进行模拟运算，获得与所述指定模拟时段相对应的模拟计算结果；

PDA客户端接收来自服务器终端的模拟计算结果；

其中，所述土地利用格局演替仿真进一步包括：

依据所述相关的基础数据，利用主成分分析的多元统计方法对其进行重要驱动因子辨识，再结合计量分析构建土地利用类型分布与各综合驱动因子之间的线性模型，输出表征了驱动因子作用方向与强度的回归系数；

将所述回归系数作为输入参数，通过基于一般均衡理论来解释区域与土地利用格局演替密切联系的生产、消费与分配过程的区域宏观计量分析、农业用地政策影响分析和林业政策情景分析方法运算并输出采样区域在指定模拟时段各种情景设定下各种土地利用类型的面积需求量；

根据所述面积需求量、所述相关的基础数据中的土地利用类型分布概率以及土地利用类型转换规则计算不同土地利用类型的分配概率，实现各种土地利用类型的分配。

Images