CN104200387B - 一种顾及地理实体语义相似度的土地用途分区方法 - Google Patents

Abstract

本发明涉及一种顾及地理实体语义相似度的土地用途分区方法，包括输入土地用途分区基础数据库，迭代进行提取小图斑并对进行排序，划分各小图斑存在的模式并顾及地理实体语义相似度进行合并，使合并后的语义变化值达到最小后，根据土地用途分区的划定方法确定土地用途区，提取合并后的图斑的界线，生成土地用途分区图。本发明技术方案充分利用地理实体语义相似度，构建了一种高效、自动化的土地用途分区方法，提高了土地用途分区的科学性、合理性和可操作性。

Description

一种顾及地理实体语义相似度的土地用途分区方法

技术领域

本发明属于土地利用规划领域，特别涉及一种顾及地理实体语义相似度的土地用途分区方法。

背景技术

土地用途分区是土地利用规划的核心问题，也是土地利用空间优化配置的前提和关键内容。在实际应用中，土地用途分区为土地利用的调控和管理提供依据。国际上对土地用途分区的研究起源于19世纪末的德国，20世纪为美国采用，后来在澳大利亚、日本和韩国等国陆续采用，我国自20世纪90年代后期根据国家保护耕地的战略需要，全国至上而下进行了土地利用总体规划的修编工作，首次提出了规划方案中确定土地用途分区和管制规则。土地用途分区与管制制度在优化土地资源配置，提高土地利用率，有效保护耕地和自然资源环境，控制城市规模扩张方面发挥了重要的作用。

近年来，土地用途分区研究不仅仅注重分区理念的研究，更多注重分区模型与方法的研究，这也使得分区的准确性和实用性得到了一定程度上的提高。国内外的学者提出了土地用途分区常用方法有叠置分析法、主导因素法、多因素综合评判法、聚类分析法等。这些方法在解决具体的土地用途分区问题中有着一定的科学性和可操作性，但是存在着程序复杂，受人为作用的影响，不能满足海量数据处理的需求等方面的问题。国内外学者对土地用途分区开展了进一步的研究工作，如基于生态位适宜度模型、微粒群、多目标禁忌搜索算法、CA、模拟退火和空间数据挖掘等。这些方法的提出部分克服了传统的土地利用分区以定性为主，分区边界模糊、分区随意性大、分区工作效率低下、分区结果对土地利用指导意义不强的缺陷，并在土地利用总体规划编制过程中发挥了重要作用。

然而由于土地利用的复杂性，土地利用系统是一个涉及自然、社会、经济的土地生态经济复合系统，简单的将数学模型或智能算法应用于土地用途分区，存在运算复杂、结果不易理解、难以得到较好的分区效果，缺乏自动化实现的技术方案。

发明内容

针对现有土地用途分区中存在的问题，发明一种顾及空间特征和语义特征的综合距离的土地用途分区方法，以提高土地用途分区的科学性、合理性和可操作性，为土地利用规划、土地利用调控和管理提供技术支持。

本发明提供的技术方案为一种顾及地理实体语义相似度的土地用途分区方法，包括以下步骤：

步骤1，输入土地用途分区基础数据库，原始图斑群集合为T＝{T_i，i＝1,2,…，N}；

步骤2，提取小图斑并对进行排序，包括以下步骤，

步骤2.1，设原始图斑群集合为T＝{T_i，i＝1,2,…，N}，N为图斑群内图斑的个数；第k类土地利用类型图斑的最小上图面积记为ε_k，k＝1,2，…，M，M为T中图斑所属土地利用类型的个数；

步骤2.2，在原始图斑群集合T中检索面积不大于相应类型最小上图面积ε_k的所有图斑，在土地用途分区中称为小图斑，设共有L个，组成小图斑集合R＝{R_j，j＝1,2，……，L}，对R中的小图斑按照面积从小到大排序；T中面积小于ε_k的所有图斑在土地用途分区中称为大图斑；

步骤3，根据步骤2所提取小图斑和排序结果，划分各小图斑存在的模式并合并，包括以下子步骤，

步骤3.1，从小图斑集合R中，依次取面积最小的未处理小图斑R_j为当前小图斑，对其邻域进行搜索，判断当前小图斑R_j所属的模式，并根据不同的模式基于当前小图斑进行合并；

划分小图斑所属模式的实现方式如下，

第一种为单个小图斑在一个大图斑的内部，记为模式①；第二种为单个小图斑介于两个大图斑之间，记为模式②；第三种为多个小图斑相连并位于一个大图斑的内部，记为模式③；第四种为多个小图斑相连并介于两个大图斑之间，记为模式④；第五种为多个小图斑呈聚集状分布并位于大图斑的内部，记为模式⑤；第六种为多个小图斑呈聚集状分布并介于两个大图斑之间，记为模式⑥；

根据不同的模式对当前小图斑进行合并的实现方式如下，

处理a.如果属于模式①，当前小图斑R_j在一个大图斑的内部，则将小图斑R_j直接合并到所处的大图斑，当前小图斑R_j从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理b.如果属于模式②，当前小图斑R_j介于两个大图斑之间，则计算小图斑R_j与其相邻接的各图斑语义相似度，并对按照语义相似度进行排序，将小图斑合并到语义相似度较高的大图斑中，当前小图斑R_j从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理c.如果属于模式③，包括当前小图斑R_j的多个小图斑相连并位于一个大图斑的内部，则分别计算相连的每个小图斑与所处大图斑的语义邻近度，并按大小将相连的小图斑依次合并到大图斑，被合并的小图斑都从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理d.如果属于模式④，包括当前小图斑R_j的多个小图斑相连并介于两个大图斑之间，则将对相连的每个小图斑分别与邻接的各大图斑计算语义相似度，并按大小将相连的小图斑合并到语义相似度较高的大图斑中，被合并的小图斑都从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理e.如果属于模式⑤⑥，包括当前小图斑R_j的多个相关小图斑所构成小图斑群呈聚集状分布，并位于大图斑的内部或介于两个大图斑之间，则基于这些相关的大图斑和小图斑，对当前小图斑R_j和相邻的图斑分别计算语义相似度，取取当前小图斑R_j和语义相似度最高的图斑进行合并，合并后的土地利用类型取面积较大的为新图斑的土地利用类型，判断新图斑面积是否大于ε_k；

如果新图斑的面积大于ε_k，则将该新图斑保留作为新的大图斑，被合并的小图斑都从小图斑集合R中去除，转到步骤3.2；

如果新图斑的面积不大于ε_k，则将该新图斑保留作为新的小图斑加入小图斑集合R，被合并的小图斑都从小图斑集合R中去除，转到步骤3.2；

步骤3.2，判断小图斑集合R是否还有小图斑，若有则返回步骤3.1，从小图斑集合R中取下一面积最小的未处理小图斑为当前小图斑进行处理，否则转到步骤4；

步骤4，按照图斑合并结果，根据预设的土地用途分区划定规则确定土地用途区；

步骤5，对步骤4的结果，提取合并后的图斑的界线，生成土地用途分区图。

而且，构建土地用途分区基础数据库时包括以下处理，

步骤1.1，根据预设规则，排除不参与分区的图斑；

步骤1.2，确定图斑间的空间邻近度，包括考察相邻近的两个图斑中，面积较小的一个的共享边长与其周长的比值σ，如果该值小于ψ则认为两个图斑不邻接，

其中，ψ为图斑邻近的设定阈值，a_p为两个邻近的图斑公共弧段的长度，A_min为面积较小的图斑的弧段的总长度。

而且，处理b、c、d、e中计算各类型间的语义相似度的实现方式包括以下步骤，

步骤(1)，计算地理实体属性的相似度Sim^Att(S,F)如下，

其中，att(S)表示地理实体S属性的集合，att(F)表示地理实体F属性的集合，Count()表示统计出的属性个数；

步骤(2)，计算有向边权重Weight(S,F)如下，

Weight(S,F)＝α×Weight^Type(S,F)+β×Weight^Depth(S,F)+γ×Weight^Density(S,F) (2)

其中，Weight^Type(S,F)是地理实体S、F对应类型的语义距离权重，Weight^Depth(S,F)是地理实体S、F对应类型的的分类层次的深度，Weight^Density(S,F)表示地理实体S、F对应类型的密度；α、β、γ是可调节因子，且α+β+γ＝1；

计算地理实体间的距离Dist(S,F)如下，

计算改进的语义距离相似度Sim^Dist(S,F)如下，

其中，μ为可调节因子；

步骤(3)，将地理实体属性的相似度Sim^Att(S,F)与语义距离相似度Sim^Dist(S,F)相结合，计算地理实体的语义相似度Sim(S,F)如下，

Sim(S,F)＝ω₁×Sim^Att(S,F)+ω₂×Sim^Dist(S,F) (5)

其中，Sim(S,F)为地理实体的语义相似度，ω₁、ω₂为权重系数，ω₁、ω₂大于0，且ω₁+ω₂＝1。

而且，首次执行步骤2时，最小上图面积ε_k采用《县级土地利用总体规划编制规程(TD/T1024-2010)》附录G中的土地用途区最小上图面积，并对步骤3所得图斑合并结果根据最优化控制目标判断是否达到要求，若是则进入步骤4，否则用渐进方式对图斑重新进行合并，再进入步骤4；

所述用渐进方式对图斑重新进行合并，

步骤(1)，调整最小上图面积ε_k为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积的50％，根据步骤1所得原始图斑群集合重新执行步骤2、3；

步骤(2)，调整最小上图面积ε_k为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积的75％，根据(1)所得合并后的图斑群集合重新执行步骤2、3；

步骤(3)，调整最小上图面积ε_k为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积的100％，根据(2)所得合并后的图斑群集合重新执行步骤2、3，得到更优化后的合并结果。

而且，设土地利用图斑合并的过程中共合并了z个小图斑，记每个图斑的原始土地利用类型为S_pk，p＝1,2,…,z，k＝1,2,…,M，M为土地利用的类型数，每个图斑的面积为A_p，p＝1,2,…,z，这z个小图斑被合并后所有图斑总的土地利用类型集合为SS，则评价合并后的图斑所采用最优化控制目标如下，

其中，S_pm表示第p个小图斑合并后所属土地利用类型，SS_pm表示z个小图斑合并后的所属土地利用类型构成的集合，|S_pk-S_pm|表示第p个小图斑所属原始土地利用类型与合并后所属土地利用类型之间的语义相似度的差值；

约束条件是SS_pk∈SS，SS_pm∈SS，SS_pk≠SS_pm，1≤p≤z，1≤m≤M，其中，SS_pk是z个小图斑原始土地利用类型构成的集合。

本发明的技术方案总体上具有实现简单、科学合理的特点，相对于目前在实际工程中广泛应用的各种土地用途分区方法，本发明充分利用土地利用类型的语义相似度的概念，将其引入土地用途分区问题的求解，设计了顾及地理实习语义相似度的土地用途分区方法，可自动化运行得到分区结果。本发明能够为土地用途分区提供科学、合理并具有可操作性的技术方案，为土地利用规划和土地利用调控提供技术支持。

附图说明

图1是本发明实施例的实施例二流程示意图；

图2是本发明实施例的土地用途分区中小图斑存在的模式示意图；

图3是本发明实施例的土地用途分区基础图；

图4是本发明实施例的土地用途分区图。

具体实施方式

土地用途分区是指将县、乡(镇)域范围内的土地划分为特定的区域，并规定不同的土地用途管制规则，以对土地利用实行控制和引导的措施。县级规划中一般可划分基本农田保护区、一般农地区、林业用地区、牧业用地区、城镇建设用地区、村镇建设用地区、村镇建设控制区、独立建设用地区、风景旅游用地区、自然和人文景观保护区八种土地用途区。乡(镇)级规划中可根据当地自然条件和土地用途管制的需求，在上述土地用途区的基础上，进一步确定二级区类型。原则上各土地用途区不相互重叠，土地用途区也可不覆盖规划范围内的全部土地。顾及地理实体语义相似度的土地用途分区方法的本质是利用相邻图斑的语义相似度来决定图斑合并的问题，使其结果符合一定的约束条件，达到土地利用总体规划的具体要求。

本发明技术方案可采用计算机软件技术实现自动运行流程。以下是结合附图和实施例详细说明本发明技术方案。

如图1所示，实施例设计的是顾及地理实体语义相似度的土地用途分区方法，实施例一的实施过程如下：

步骤1，输入基础数据，各图斑的土地利用类型已知，通过图斑属性自动提取所有图斑中的江、河、湖泊、水库，居民点以外的铁路、公路、管道运输用地，水利设施中的沟渠和水工建筑物，并进行标注使其不参与分区；对于其他图斑，考察相邻的两个图斑中，面积较小的一个的共享边长与其周长的比值σ，如果该值小于相应预设阈值ψ(例如0.2)则认为两个图斑不邻接；以此形成包含待分区图斑的信息的土地用途分区基础数据库，提供原始图斑群集合为T＝{T_i，i＝1,2,…，N}。

实施例中，步骤1中构建土地用途分区基础数据库的实现方式如下，

步骤1.1，根据预设规则，排除不参与分区的图斑，例如提取所有图斑中的江、河、湖泊、水库，居民点以外的铁路、公路、管道运输用地，水利设施中的沟渠和水工建筑物，并进行标注使其不参与分区；

步骤1.2，确定图斑间的空间邻近度，考察相邻近的两个图斑中，面积较小的一个的共享边长与其周长的比值σ，如果该值小于ψ则认为两个图斑不邻接，否则两个图斑邻接。

其中ψ为图斑邻近的设定阈值，a_p为两个邻近图斑的公共弧段的长度(即共享边长)，A_min为面积较小的图斑的弧段的总长度。

具体实施时，本步骤可预先进行，所得包含待分区图斑的信息的土地用途分区基础数据库直接作为输入。

步骤2，提取小图斑并对其进行排序

实施例中，步骤2中提取小图斑并对其进行排序的实现方式如下，

步骤2.1，设原始图斑群集合为T＝{T_i，i＝1,2,…，N}，N为图斑群内图斑的个数；第k类土地利用类型图斑的最小上图面积记为ε_k(k＝1,2，…，M)，M为T中图斑所属土地利用类型的个数；具体实施时，可依据《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积中的规定，确定各类土地利用类型图斑的最小上图面积；

步骤2.2，以ε_k为条件，在T中检索面积不大于相应类型最小上图面积ε_k的所有图斑，在土地用途分区中称为小图斑，设共有L个，组成小图斑集合R＝{R_j，j＝1,2，……，L}，对R中的小图斑按照面积从小到大排序；T中面积大于ε_k的所有图斑在土地用途分区中称为大图斑。

步骤3，根据步骤2所提取的各小图斑和排序结果，划分小图斑存在的模式并合并。包括以下子步骤：

步骤3.1，从小图斑集合R中，依次取面积最小的未处理小图斑R_j为当前小图斑，对其邻域进行搜索，判断当前小图斑R_j所属的模式，并根据不同的模式基于当前小图斑进行合并。

实施例中，步骤3.1中划分任一小图斑存在的模式的实现方式如下，

实施例中小图斑呈孤立、线状邻接和聚集三种状态，在与大图斑的拓扑关系中又分别有位于大图斑的内部和边界两种形式，因此土地用途分区中的小图斑存在以下六种模式(图2中的序号1-6表示不同的土地利用类型)：第一种为单个小图斑在一个大图斑的内部，记为模式①；如图中单个小图斑(类型3)在某大图斑(类型2)内部；第二种为单个小图斑介于两个大图斑之间，记为模式②，如图中单个小图斑3在两个大图斑(类型分别为1、2)之间；第三种为多个小图斑相连并位于一个大图斑的内部，记为模式③，如图中多个小图斑相连(类型分别为4、1、5、6、3)并位于一个大图斑(类型2)的内部；第四种为多个小图斑相连并介于两个大图斑之间，记为模式④，如图中多个小图斑相连(类型分别为4、3、5、6、3)并介于两个大图斑(类型分别为1、2)之间；第五种为多个小图斑呈聚集状分布并位于大图斑的内部，记为模式⑤，如图中多个小图斑(类型分别为3、4、5、6)呈聚集状分布并位于大图斑(类型2)的内部；第六种为多个小图斑呈聚集状分布并介于两个大图斑之间，记为模式⑥，如图中多个小图斑(类型分别为3、4、5、6)呈聚集状分布并介于两个大图斑(类型分别为1、2)之间。

实施例中，步骤3.1中小图斑合并的实现方式如下，

处理a.如果属于模式①，当前小图斑R_j在一个大图斑的内部，则将小图斑R_j直接合并到所处的大图斑，当前小图斑R_j从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理b.如果属于模式②，当前小图斑R_j介于两个大图斑之间，则计算小图斑R_j与其相邻接的各图斑语义相似度，并对按照语义相似度进行排序，将小图斑合并到语义相似度较高的大图斑中，当前小图斑R_j从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理c.如果属于模式③，即包括当前小图斑R_j的多个小图斑(该模式下的相关小图斑，构成小图斑群)相连并位于一个大图斑的内部，则分别计算相连的每个小图斑与所处大图斑的语义邻近度，并按其大小将这些相关小图斑依次(可按从大到小的次序)合并到大图斑，被合并的小图斑都从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理d.如果属于模式④，即包括当前小图斑R_j的多个小图斑(该模式下的相关小图斑，构成小图斑群)相连并介于两个大图斑之间，则将对相连的每个小图斑分别与邻接的各大图斑计算语义相似度，并按其大小将这些相关小图斑都依次(可按从大到小的次序)合并到语义相似度较高的大图斑中，被合并的相关小图斑都从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理e.如果属于模式⑤⑥，即包括当前小图斑R_j的多个小图斑(该模式下的相关小图斑，构成小图斑群)呈聚集状分布并位于大图斑的内部或介于两个大图斑之间，则基于这些相关的大图斑和小图斑，对当前小图斑R_j和相邻的图斑(包括相关的大图斑和小图斑群中其他小图斑)分别计算语义相似度，取当前小图斑R_j和与其语义相似度最高的图斑进行合并，合并后的土地利用类型取面积较大的为新图斑的土地利用类型，判断新图斑面积是否大于ε_k；

如果新图斑的面积大于ε_k，则将该新图斑保留作为新的大图斑，被合并的小图斑都从小图斑集合R中去除，转到步骤3.2；

如果新图斑的面积不大于ε_k，则将该新图斑保留作为新的小图斑加入小图斑集合R，被合并的小图斑都从小图斑集合R中去除，转到步骤3.2。为提高效率，具体实施时也可将新生成的小图斑和该模式下的剩余相关小图斑构建小图斑集合R″，对小图斑群R″中的小图斑按照面积从小到大进行排序,按照对小图斑集合R同样的方式依次进行处理，即如果属于模式⑤⑥则继续采用处理e进行合并，否则根据其模式分别采用处理a、b、c或d，直至将该小图斑群的小图斑合并完成，都从小图斑集合R中去除，再进入步骤3.2。

实施例中，处理b，c，d，e中计算各类型间的语义相似度的实现方式如下：

步骤(1)，地理实体的属性是决定语义相似度的重要因素。当两个地理实体拥有的相同属性越多，表明这两个实体间的语义相似度越大。地理实体属性的相似度计算公式为：

其中，Sim^Att(S,F)表示地理实体S、F属性的相似度，att(S)表示地理实体S属性的集合，att(F)表示地理实体F属性的集合，Count()表示统计出的属性个数。若地理实体的某种相应的性质不存在时，则不用表示S、F在该性质上的相似度。

步骤(2)，通过地理实体的关系、地理实体分类层次的深度和地理实体的密度三种权重因子把有向边的差异程度定量化地表达出来，公式如下：

Weight(S,F)＝α×Weight^Type(S,F)+β×Weight^Depth(S,F)+γ×Weight^Density(S,F) (2)

其中，Weight(S,F)为有向边权重；Weight^Type(S,F)是地理实体S、F对应类型的语义距离权重；Weight^Depth(S,F)是地理实体S、F对应类型的的分类层次的深度；Weight^Density(S,F)表示地理实体S、F对应类型的密度；α、β、γ是可调节因子，且α+β+γ＝1。

由于有向边权重的大小与地理实体间的距离成反比，因此权重大小与有向边语义距离的关系如下式：

其中，Dist(S,F)为地理实体间的距离。

综上所述，可得到改进的语义距离相似度计算方法如下：

其中，Sim^Dist(S,F)为语义距离相似度，μ为可调节因子，且为大于0的实数。

步骤(3)，将基于语义距离的方法与基于属性的方法相结合计算地理实体的语义相似度，

Sim(S,F)＝ω₁×Sim^Att(S,F)+ω₂×Sim^Dist(S,F) (5)

其中，Sim(S,F)为地理实体的语义相似度，ω₁、ω₂为权重系数，ω₁、ω₂大于0，且ω₁+ω₂＝1。

步骤3.2，判断小图斑集合R是否还有小图斑，若有则返回步骤3.1，从小图斑集合R中取下一个面积最小的未处理小图斑为当前小图斑进行处理，否则转到步骤4；

步骤4，按照图斑合并结果，根据预设的土地用途分区划定规则确定土地用途区，

实施例中，步骤4采用以下方式进行划分：

首先根据《县级土地利用总体规划编制规程(TD/T 1024-2010)》将现状中土地利用类型转换为土地规划用途分类中的类型，然后根据预设的策略(例如下表1)进行分区，其中专项规划是划定土地用途分区的基础，专项规划用地类型和土地用途分区类型按预设的土地用途分区的划定方法表一一对应，如某大图斑的线状类型可能是水田、旱地或其他的利用类型，但是该图斑如果在专项规划中划定为基本农田，则将其划分到基本农田保护区。根据这一方法，对区域内的每个图斑都给出了土地用途分区的类型。

表1 土地用途分区的划定方法表

土地规划用途分类	专项规划用地类型	土地用途分区类型
			耕地；园地	基本农田保护区	基本农田保护区
耕地；园地、其他农用地	土地开发整理规划	一般农地区
			林地	林业规划	林业用地区
草地	草场规划	牧业用地区
			城市、建制镇	城市、城镇规划	城镇建设用地区
村庄	村镇规划	村镇建设用地区
			采矿用地；机场用地；港口码头用地	产业发展规划、工业园区规划	独立工矿区
风景名胜设施用地	旅游规划	风景旅游用地区
			耕地；园地、其他农用地；林地；草地	地质灾害防治规划、生态环境规划	生态环境安全控制区
耕地；园地、其他农用地；林地；草地	自然保护区规划	自然和文化遗产保护区

步骤5，对步骤4的结果，提取合并后的图斑的界线，生成土地用途分区图。

具体实施时，本领域技术人员可根据实验或经验自行设定模型中各个调节因子分别的取值，根据编制规程预设土地用途分区的划定方法表。

以下是采用上述流程与方法对海南省昌江县七叉镇进行的实验：

以七叉镇镇1：10000土地利用现状图为实验数据，依据本发明采用MicrosoftVisual.NET2008作为开发平台，Arc Engine组件基础上二次开发定制GIS功能；采用编写代码实现本文提出的土地用途分区模型编写计算机程序。

1、实验数据与预处理：以七叉镇土地利用现状图(2005年)为基础底图，结合七叉镇镇小城镇规划图、基本农田保护区图和其他有关专题图件，对数据进行预处理以生成基本单元图；对来源于不同部门的属性和统计数据进行处理；将处理后的数据导入数据库，形成统一的土地用途分区基础数据库。实验区土地用途分区基础数据库中的数据可视化表达结果见图3，其中1标识耕地、2标识园地、3标识林地、4标识草地、5标识其他农用地、6标识城镇用地、7标识采矿用地、8标识农村居民点用地、9标识风景名胜设施用地、10标识特殊用地、11标识自然保留地。

2、提取小图斑，并对其进行排序、合并：采用《县级土地利用总体规划编制规程(TD/T1024-2010)》附录G中的土地用途区最小上图面积确定需要合并的小图斑，然后根据本专利提出的方法，在计算机中预先编写程序可自动实现本专利中的步骤2、3。

其中的地理实体语义相似度计算按如下方法进行：根据本专利提出的方法，通过实验分析及验证，将模型中的各个调节因子分别取值为：α＝0.52，β＝0.27，γ＝0.21，μ＝5，ω₁＝0.8，ω₂＝0.2。计算各土地利用类型之间的语义相似度值(部分)见下表。

表 各土地利用类型之间的语义相似度

3、评价合并后的图斑：根据公式(6)在实验过程中记录了土地用途分区的最优化控制目标，由于每次合并的小图斑的语义相似度较高、面积较小，通过实验采用合并后的语义变化值达到最小的一次方案，其最优化结果为5.157，图斑合并前后平均语义相似度差值为0.00652。

4、确定土地用途区。具体的方法是根据步骤4的方式确定土地用途区。

5、提取合并后的图斑界线，生成土地用途分区图见图4，其中A标识城镇建设用地区，B标识村庄建设用地区，C标识独立建设用地区，D标识基本农田保护区，E标识一般农地区，F标识林业用地区，G标识牧业用地区，H标识风景旅游用地区，I标识其他用地区。

本实施例中各类用地类型的面积变化不大，用地类型间的面积比例基本保持平衡，图斑数量有大幅的减少，分区结果较好的概括了土地利用特征。

一般按照依据《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积中的规定，即可得到较好的合并结果。考虑到可能有极端情况下，合并的效果不理想，在以上基本流程的基础上，本发明进一步提出可对合并结果进行平均，若不满足要求则采用渐进式的方式进行迭代合并，改善结果。针对相应方案，提供实施例二的流程说明如下：

步骤1，输入土地用途分区基础数据库，原始的图斑群集合为T＝{T_i，i＝1,2,…，N}；

步骤2，提取小图斑并对当前的图斑群集合进行排序，首次执行步骤2时，可依据《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积中的规定，确定各类土地利用类型图斑的最小上图面积；

步骤3，根据本次迭代执行步骤2所提取的各小图斑和排序结果，划分小图斑存在的模式并合并；

步骤4，评价本次迭代执行步骤3所得合并后的图斑，判断本次迭代执行结果是否使合并后的语义变化值达到最小，是则进入步骤5，否则调整各类土地利用类型图斑的最小上图面积后返回步骤2。

设本次迭代执行步骤3的土地利用图斑合并的过程中共合并了z个小图斑，记每个图斑的原始土地利用类型为S_pk(p＝1,2,…,z；k＝1,2,…,M，M为土地利用的类型数)，每个图斑的面积为A_p(p＝1,2,…,z)，这z个小图斑被合并后所有图斑总的土地利用类型集合为SS，则图斑合并的最优化控制目标为：

其中，S_pm表示第p个小图斑合并后所属土地利用类型，SS_pm表示z个小图斑合并后的所属土地利用类型构成的集合，|S_pk-S_pm|表示第p个小图斑所属原始土地利用类型与合并后所属土地利用类型之间的语义相似度的差值。约束条件是SS_pk∈SS，SS_pm∈SS，SS_pk≠SS_pm，1≤p≤z；1≤m≤M；其中，SS_pk是z个小图斑原始土地利用类型构成的集合。理论上，第p个图斑的原始土地利用类型S_pk可以转换为集合SS中的任何一类。

在第一次执行步骤3进行土地利用图斑合并过程中，得到当前每个小图斑的S_pm，因此根据公式(6)可以评价出计算的结果是否达到要求(即本次计算所得是否小于相应预设阈值，本领域技术人员可根据经验或实验预先设定阈值)，如果不是，采用渐进方式对图斑重新进行合并，包括从小到大调整图斑的最小上图面积指标，上限为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积，按照每次调整的最小上图面积指标迭代执行步骤2、3，得到更优化的合并结果后，转到步骤5。具体实施时，建议步骤4设计为：

当前为第一次执行步骤3完成，根据公式(6)可以评价出计算的结果是否为最优解，若是则进入步骤5，若否则执行以下渐进式操作，

(1)调整最小上图面积ε_k(k＝1,2，…，M)为《县级土地利用总体规划编制规程(TD/T1024-2010)》附录G中的土地用途区最小上图面积的50％，根据步骤1所得原始图斑群集合重新执行步骤2、3；

(2)调整最小上图面积ε_k(k＝1,2，…，M)为《县级土地利用总体规划编制规程(TD/T1024-2010)》附录G中的土地用途区最小上图面积的75％，根据(1)所得合并后的图斑群集合重新执行步骤2、3；

(3)调整最小上图面积ε_k(k＝1,2，…，M)为《县级土地利用总体规划编制规程(TD/T1024-2010)》附录G中的土地用途区最小上图面积的100％，根据(2)所得合并后的图斑群集合重新执行步骤2、3，得到更优化后的合并结果，进入步骤5。

步骤5，按照所得使合并后的语义变化值达到最小的图斑合并结果，根据预设的土地用途分区划定规则确定土地用途区。

步骤6，对步骤5的结果，提取合并后的图斑的界线，生成土地用途分区图。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做必要的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种顾及地理实体语义相似度的土地用途分区方法，其特征在于：用于土地利用规划，利用相邻图斑的语义相似度来决定图斑合并的问题，使结果符合一定的约束条件，包括判断各小图斑所属的模式，各模式表示不同的土地利用类型，并根据不同的模式基于当前小图斑进行合并，土地用途分区实现过程包括以下步骤，

步骤1，输入土地用途分区基础数据库，原始图斑群集合为T＝{T_i，i＝1,2,…，N}，各图斑的土地利用类型已知；

步骤2，根据各类土地利用类型图斑的最小上图面积，提取小图斑并进行排序，包括以下步骤，

步骤2.1，设原始图斑群集合为T＝{T_i，i＝1,2,…，N}，N为图斑群内图斑的个数；第k类土地利用类型图斑的最小上图面积记为ε_k，k＝1,2，…，M，M为T中图斑所属土地利用类型的个数；

步骤2.2，在原始图斑群集合T中检索面积不大于相应类型最小上图面积ε_k的所有图斑，在土地用途分区中称为小图斑，设共有L个，组成小图斑集合R＝{R_j，j＝1,2，……，L}，对R中的小图斑按照面积从小到大排序；T中面积大于ε_k的所有图斑在土地用途分区中称为大图斑；

步骤3，根据步骤2所提取小图斑和排序结果，划分各小图斑存在的模式并合并，包括以下子步骤，

步骤3.1，从小图斑集合R中，依次取面积最小的未处理小图斑R_j为当前小图斑，对其邻域进行搜索，判断当前小图斑R_j所属的模式，各模式表示不同的土地利用类型，并根据不同的模式基于当前小图斑进行合并；

划分小图斑所属模式的实现方式如下，

第一种为单个小图斑在一个大图斑的内部，记为模式①；第二种为单个小图斑介于两个大图斑之间，记为模式②；第三种为多个小图斑相连并位于一个大图斑的内部，记为模式③；第四种为多个小图斑相连并介于两个大图斑之间，记为模式④；第五种为多个小图斑呈聚集状分布并位于大图斑的内部，记为模式⑤；第六种为多个小图斑呈聚集状分布并介于两个大图斑之间，记为模式⑥；

根据不同的模式对当前小图斑进行合并的实现方式如下，

处理a.如果属于模式①，当前小图斑R_j在一个大图斑的内部，则将小图斑R_j直接合并到所处的大图斑，当前小图斑R_j从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理b.如果属于模式②，当前小图斑R_j介于两个大图斑之间，则计算小图斑R_j与其相邻接的各图斑语义相似度，并对按照语义相似度进行排序，将小图斑合并到语义相似度较高的大图斑中，当前小图斑R_j从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理c.如果属于模式③，包括当前小图斑R_j的多个小图斑相连并位于一个大图斑的内部，则分别计算相连的每个小图斑与所处大图斑的语义邻近度，并按大小将相连的小图斑依次合并到大图斑，被合并的小图斑都从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理d.如果属于模式④，包括当前小图斑R_j的多个小图斑相连并介于两个大图斑之间，则将对相连的每个小图斑分别与邻接的各大图斑计算语义相似度，并按大小将相连的小图斑合并到语义相似度较高的大图斑中，被合并的小图斑都从小图斑集合R中去除，合并后的土地利用类型为大图斑所属的土地利用类型，转到步骤3.2；

处理e.如果属于模式⑤⑥，包括当前小图斑R_j的多个相关小图斑所构成小图斑群呈聚集状分布，并位于大图斑的内部或介于两个大图斑之间，则基于这些相关的大图斑和小图斑，对当前小图斑R_j和相邻的图斑分别计算语义相似度，取取当前小图斑R_j和语义相似度最高的图斑进行合并，合并后的土地利用类型取面积较大的为新图斑的土地利用类型，判断新图斑面积是否大于ε_k；

如果新图斑的面积大于ε_k，则将该新图斑保留作为新的大图斑，被合并的小图斑都从小图斑集合R中去除，转到步骤3.2；

如果新图斑的面积不大于ε_k，则将该新图斑保留作为新的小图斑加入小图斑集合R，被合并的小图斑都从小图斑集合R中去除，转到步骤3.2；

处理b、c、d、e中计算各类型间的语义相似度的实现方式包括以下步骤，

步骤(1)，计算地理实体属性的相似度Sim^Att(S,F)如下，

其中，att(S)表示地理实体S属性的集合，att(F)表示地理实体F属性的集合，Count()表示统计出的属性个数；

步骤(2)，计算有向边权重Weight(S,F)如下，

Weight(S,F)＝α×Weight^Type(S,F)+β×Weight^Depth(S,F)+γ×Weight^Density(S,F) (2)

其中，Weight^Type(S,F)是地理实体S、F对应类型的语义距离权重，Weight^Depth(S,F)是地理实体S、F对应类型的分类层次的深度，Weight^Density(S,F)表示地理实体S、F对应类型的密度；α、β、γ是可调节因子，且α+β+γ＝1；

计算地理实体间的距离Dist(S,F)如下，

计算改进的语义距离相似度Sim^Dist(S,F)如下，

其中，μ为可调节因子；

步骤(3)，将地理实体属性的相似度Sim^Att(S,F)与语义距离相似度Sim^Dist(S,F)相结合，计算地理实体的语义相似度Sim(S,F)如下，

Sim(S,F)＝ω₁×Sim^Att(S,F)+ω₂×Sim^Dist(S,F) (5)

其中，Sim(S,F)为地理实体的语义相似度，ω₁、ω₂为权重系数，ω₁、ω₂大于0，且ω₁+ω₂＝1；

步骤3.2，判断小图斑集合R是否还有小图斑，若有则返回步骤3.1，从小图斑集合R中取下一面积最小的未处理小图斑为当前小图斑进行处理，否则转到步骤4；

步骤4，按照图斑合并结果，根据预设的土地用途分区划定规则确定土地用途区；所述土地用途分区划定规则包括土地规划用途分类及对应的专项规划用地类型、土地用途分区类型；

步骤5，对步骤4的结果，提取合并后的图斑的界线，生成土地用途分区图。

2.根据权利要求1所述顾及地理实体语义相似度的土地用途分区方法，其特征在于：构建土地用途分区基础数据库时包括以下处理，

步骤1.1，根据预设规则，排除不参与分区的图斑；

步骤1.2，确定图斑间的空间邻近度，包括考察相邻近的两个图斑中，面积较小的一个的共享边长与其周长的比值σ，如果该值小于ψ则认为两个图斑不邻接，

其中，ψ为图斑邻近的设定阈值，a_p为两个邻近的图斑公共弧段的长度，A_min为面积较小的图斑的弧段的总长度。

3.根据权利要求1或2所述顾及地理实体语义相似度的土地用途分区方法，其特征在于：首次执行步骤2时，最小上图面积ε_k采用《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积，并对步骤3所得图斑合并结果根据最优化控制目标判断是否达到要求，若是则进入步骤4，否则用渐进方式对图斑重新进行合并，再进入步骤4；所述用渐进方式对图斑重新进行合并，

步骤(1)，调整最小上图面积ε_k为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积的50％，根据步骤1所得原始图斑群集合重新执行步骤2、3；

步骤(2)，调整最小上图面积ε_k为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积的75％，根据(1)所得合并后的图斑群集合重新执行步骤2、3；

步骤(3)，调整最小上图面积ε_k为《县级土地利用总体规划编制规程(TD/T 1024-2010)》附录G中的土地用途区最小上图面积的100％，根据(2)所得合并后的图斑群集合重新执行步骤2、3，得到更优化后的合并结果。

4.根据权利要求3所述顾及地理实体语义相似度的土地用途分区方法，其特征在于：设土地利用图斑合并的过程中共合并了z个小图斑，记每个图斑的原始土地利用类型为S_pk，p＝1,2,…,z，k＝1,2,…,M，M为土地利用的类型数，每个图斑的面积为A_p，p＝1,2,…,z，这z个小图斑被合并后所有图斑总的土地利用类型集合为SS，则评价合并后的图斑所采用最优化控制目标如下，

其中，S_pm表示第p个小图斑合并后所属土地利用类型，SS_pm表示z个小图斑合并后的所属土地利用类型构成的集合，|S_pk-S_pm|表示第p个小图斑所属原始土地利用类型与合并后所属土地利用类型之间的语义相似度的差值；

约束条件是SS_pk∈SS，SS_pm∈SS，SS_pk≠SS_pm，1≤p≤z，1≤m≤M，其中，SS_pk是z个小图斑原始土地利用类型构成的集合。