CN110288124A - 土地利用格局的优化方法及装置 - Google Patents
土地利用格局的优化方法及装置 Download PDFInfo
- Publication number
- CN110288124A CN110288124A CN201910433323.2A CN201910433323A CN110288124A CN 110288124 A CN110288124 A CN 110288124A CN 201910433323 A CN201910433323 A CN 201910433323A CN 110288124 A CN110288124 A CN 110288124A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- soil
- optimized
- land
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种土地利用格局的优化方法及装置,方法包括:获取待优化土地的数据;将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。本发明提供的土地利用格局的优化方法,以解决无法对土地利用格局进行多目标的优化的问题。
Description
技术领域
本发明涉及地理信息领域,尤其涉及一种土地利用格局的优化方法及装置。
背景技术
土地利用格局(land use pattern)是指人类社会所利用土地的分类面积、权属及其分布状况。土地利用格局的优化是促进流域生态可持续发展的有效手段,尤其是在梯级水电开发区,实现基于流域水沙目标的土地利用格局的优化,对梯级水电生态发展规划具有重要意义。
现有技术中,通常使用土地利用模拟框架(simulation of terrestrialenvironments,SITE)模型来进行土地利用格局的优化。SITE模型是一个基于元胞自动机的多准则决策分析框架,用以模拟基于社会经济和环境因素的土地利用转换。SITE模型可以可持续性地呈现社会经济、生物物理输入,同时可以在空间上显示土地利用格局的变化模拟。
然而,当土地利用格局具有多个优化目标时,SITE模型不能很好地同时纳入多个优化目标,无法对土地利用格局进行多目标的优化。
发明内容
本发明提供一种土地利用格局的优化方法及装置,以解决现有技术中无法对土地利用格局进行多目标的优化的问题。
本发明的第一个方面提供一种土地利用格局的优化方法,包括:
获取待优化土地的数据;
将所述待优化土地的数据输入土地配置模型,并获取所述土地配置模型输出的配置结果,所述配置结果用于指示是否优化所述待优化土地的利用格局,所述土地配置模型是SITE模型与MAPSO模型耦合生成的,所述MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,所述MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
可选的,在所述获取待优化土地的数据之前,还包括:
将所述MAPSO模型嵌入到所述SITE模型中,生成所述土地配置模型。
可选的,在将所述待优化土地的数据输入土地配置模型之前,还包括:
对所述待优化土地的数据进行预处理。
可选的,所述待优化土地的数据,包括:空间数据和矢量数据;
所述对所述待优化土地的数据进行预处理,包括:
将所述空间数据配准;
将所述矢量数据转换为栅格数据。
可选的,在所述将所述待优化土地的数据输入土地配置模型,并获取所述土地配置模型输出的配置结果之后,还包括:
若所述配置结果指示优化所述待优化土地的利用格局,则根据所述配置结果,确定所述待优化土地利用格局的优化策略。
本发明的第二个方面提供一种障碍物检测装置,包括:
获取模块,用于获取待优化土地的数据;
结果生成模块,用于将所述待优化土地的数据输入土地配置模型,并获取所述土地配置模型输出的配置结果,所述配置结果用于指示是否优化所述待优化土地的利用格局,所述土地配置模型是SITE模型与MAPSO模型耦合生成的,所述MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,所述MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
可选的,还包括:
模型生成模块,用于将所述MAPSO模型嵌入到所述SITE模型中,生成所述土地配置模型。
可选的,还包括:
预处理模块,用于对所述待优化土地的数据进行预处理。
可选的,所述待优化土地的数据,包括:空间数据和矢量数据;
所述预处理模块,具体用于将所述空间数据配准;将所述矢量数据转换为栅格数据。
可选的,还包括:
策略生成模块,用于若所述配置结果指示优化所述待优化土地的利用格局,则根据所述配置结果,确定所述待优化土地利用格局的优化策略。
本发明的第三个方面提供一种电子设备,包括:
存储器,用于存储程序指令;
处理器,用于调用并执行存储器中的程序指令,执行第一方面的方法步骤。
本发明的第四个方面提供一种存储介质,可读存储介质中存储有计算机程序,计算机程序用于执行第一方面任一项的方法。
本发明提供的土地利用格局的优化方法及装置,通过获取待优化土地的数据,将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。通过上述方法,由于MAPSO模型可以对多个目标进行优化,进而使得由SITE模型与MAPSO模型耦合生成的土地配置模型可以对土地利用格局进行多目标动态优化。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种土地利用格局的优化方法的流程示意图;
图2为本发明提供的另一种土地利用格局的优化方法的流程示意图;
图3为本发明提供的一种SITE模型与MAPSO模型的耦合框架示意图;
图4为本发明提供的再一种土地利用格局的优化方法的流程示意图;
图5为本发明提供的又一种土地利用格局的优化方法的流程示意图;
图6为本发明提供的一种土地利用格局的优化装置的结构示意图;
图7为本发明提供的另一种土地利用格局的优化装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在现有技术中,通常使用土地利用模拟框架(simulation of terrestrialenvironments,SITE)模型来进行土地利用格局的优化。SITE模型是一个基于元胞自动机的多准则决策分析框架,用以模拟基于社会经济和环境因素的土地利用转换。SITE模型可以可持续性地呈现社会经济、生物物理输入,同时可以在空间上显示土地利用格局的变化模拟。
然而,当土地利用格局具有多个优化目标时,SITE模型不能很好地同时纳入多个优化目标,无法对土地利用格局进行多目标的优化。
考虑到上述问题,本发明提供了一种土地利用格局的优化方法,通过获取待优化土地的数据,将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局。由于土地配置模型是SITE模型与MAPSO模型耦合生成的,使得上述地利用格局的优化方法可以对土地利用格局进行多目标动态优化
本发明所提供的土地利用格局的优化方法的执行主体可以为土地利用格局的优化装置。该土地利用格局的优化装置可以为程序、程序代码软件,也可以为存储有相关执行代码的介质,例如,U盘等。
在一些实施例中,土地利用格局的优化装置还可以为集成或安装有相关执行代码的实体装置,例如,处理器、芯片、微控制单元(Microcontroller Unit,简称MCU)、电脑、计算机等。
下面以梯级水电为例,对本案的使用场景进行说明。
在一种可实施的使用场景中,当需要对梯级水电开发区的土地利用格局进行优化时,可以采集土地利用供需平衡,社会经济,水沙目标等数据,并通过上述土地利用格局的优化方法得到梯级水电开发区的土地利用格局的配置结果,从而根据配置结果确定是否对土地格局进行优化。
下面以集成或安装有相关执行代码的电子设备的处理器为例,以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明提供的一种土地利用格局的优化方法的流程示意图。本实施例涉及的是处理器如何对土地利用格局进行优化的过程。如图1所示,该方法包括:
S101、获取待优化土地的数据;
待优化土地的数据可以为待优化土地的属性信息和/或数量结构信息,具体可以为不同时间的土地利用现状数据、土地利用适宜性评价数据、社会经济统计数据。
获取待优化土地的数据,可以通过处理器获取由用户输入电子设备的数据,或者,也可以由用户输入待优化土地名称后,通过处理器在互联网或本地数据库中主动搜索并获取相关数据。
S102、将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
配置结果,可以为对待优化土地的未来利用格局的预测结果,将配置结果和待优化土地现有的利用格局进行比较后可以确定出现有土地的利用格局是否需要进行优化。
在步骤中,当处理器获取到待优化土地的数据后,可以将其输入到预先建立的土地配置模型中,并获取土地配置模型输出的配置结果。具体的,由于土地配置模型是SITE模型与MAPSO模型耦合生成的,待优化土地的数据可以在SITE模型与MAPSO模型之间相互影响,最终生成配置结果。
以梯级水电开发区为例,社会经济因素的数据会通过管理和生物物理数据影响MAPSO模型中的目标函数和/或约束函数的设置,SITE模型和MAPSO模型生成的土地利用格局均会影响水沙目标的设定,水沙目标的设定通过对输入数据的反馈循环,生成最终未来土地的利用格局的配置结果。
本实施例提供的土地利用格局的优化方法,通过获取待优化土地的数据,将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。通过上述方法,由于MAPSO模型可以对多个目标进行优化,进而使得由SITE模型与MAPSO模型耦合生成的土地配置模型可以对土地利用格局进行多目标动态优化。
下面对土地配置模型的生成进行说明。
图2为本发明提供的另一种土地利用格局的优化方法的流程示意图。本实施例涉及的是处理器如何构建土地配置模型的过程。如图2所示,该方法包括:
S201、将MAPSO模型嵌入到SITE模型中,生成土地配置模型。
图3为本发明提供的一种SITE模型与MAPSO模型的耦合框架示意图。如图3所示,MAPSO模型和SITE模型可以将MAPSO模型作为第三方模型,通过通用接口嵌入到SITE模型中,实现SITE与MAPSO算法的耦合。
其中,MAPSO模型的建立具体可以包括对于目标函数和约束函数的设置,优化目标可例如:最小化土地开发费用目标、最大化环境兼容性目标(考虑水沙目标、最大化用地紧凑度目标函数)、最大化土地利用适宜性目标等。约束条件可例如,每种土地利用类型的数量必须满足预先定义的结构比例,待配置的单元的邻域内至少有2个与其具有相同土地利用类型的单元,满足不同水沙目标的土地利用类型结构比例等。随后,还需要确定MAPSO模型中的Agent适应度和Agent竞争与合作算子。具体包括,根据待优化土地的社会经济统计数据、环境质量统计数据及相关规划数据、土地利用供需标准预测求取MAPSO模型中各类Agent的子类型的初始比例结构。采用层次分析方法(analytic hierarchy process,AHP)法设定不同类型的Agent的决策变量与决策参数。通过Agent的竞争与合作,最终得到待优化土地的利用格局的配置结果。
SITE模型具有呈现社会经济、生物物理输入的可持续性,并具有空间显示土地利用变化模拟的性能,是一个基于元胞自动机的多准则决策分析框架,用以模拟基于社会经济和环境因素的土地利用转换。它还提供了一些算法和工具,如模型评估、校准和可视化。此外,SITE模型可允许访问其基础建模序列,可以被修改。SITE模型包括系统域和应用域。SITE模型的输入数据包括土地利用图,人口,保护区域,计算的离水域、道路的距离,坡度等。此外,SITE模型自带的遗传算法库及进行自动矫正。
本实施例提供的土地利用格局的优化方法,通过获取待优化土地的数据,将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。通过上述方法,由于MAPSO模型可以对多个目标进行优化,进而使得由SITE模型与MAPSO模型耦合生成的土地配置模型可以对土地利用格局进行多目标动态优化。
下面对待优化土地的数据的预处理过程进行说明。
图4为本发明提供的再一种土地利用格局的优化方法的流程示意图。本实施例涉及的是处理器如何对待优化土地的数据进行预处理的过程。如图4所示,在上述实施例的基础上,该方法包括:
S301、获取待优化土地的数据;
S302、对待优化土地的数据进行预处理。
具体的,待优化土地的数据,可以包括空间数据和矢量数据,对待优化土地的数据进行预处理,具体可以将多种来源、不同格式的数据进行统一规范化处理,包括将空间数据配准以及将矢量数据转换为栅格数据。
需要说明的是,在将矢量数据转换为栅格数据的过程中需要保持栅格数据和矢量数据的精度相同,从而提高配置结果的精度。
在一种可选的实施方式中,还可以根据预设的数据类型对待优化土地的数据进行预处理,将不属于预设的数据类型的数据删除。此外,还可以对于优化土地的数据的可靠性进行验证,具体可以将不符合预设数据范围的数据作为错误数据进行删除。
S303、将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
本实施例提供的土地利用格局的优化方法,通过对获取到的待优化土地的数据进行预处理,从而整合待优化土地的数据,使其符合土地配置模型的输入要求,进而可以使土地配置模型根据输入的数据输出待优化土地的配置结果,实现对土地利用格局的多目标动态优化。
下面对如何根据配置结果优化土地格局进行说明。
图5为本发明提供的又一种土地利用格局的优化方法的流程示意图。本实施例涉及的是处理器如何根据配置结果优化土地格局的过程。如图5所示,在上述实施例的基础上,该方法包括:
S401、获取待优化土地的数据;
S402、将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
S403、若配置结果指示优化待优化土地的利用格局,则根据配置结果,确定待优化土地利用格局的优化策略。
在本步骤中,当获取配置结果后,配置结果为待配置土地的利用格局的多目标动态模拟,可以作为待配置土地的利用格局的预测。若配置结果与现有的土地利用格局不同时,则表明需要优化待优化土地的利用格局。具体地,可以根据配置结果,制定出土地利用格局优化策略,优化策略具体可以包括对土地利用的相关因素进行调整。
本实施例提供的土地利用格局的优化方法,通过获取待优化土地的数据,将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,若配置结果指示优化待优化土地的利用格局,则根据配置结果,确定待优化土地利用格局的优化策略。通过上述方法,可以对土地利用格局进行多目标动态优化。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
图6为本发明提供的一种土地利用格局的优化装置的流程示意图。该土地利用格局的优化装置可以通过软件、硬件或者两者的结合实现,可以为前述所说的处理器。
如图6所示,该土地利用格局的优化装置60包括:模型生成模块61、获取模块62、预处理模块63、结果生成模块64、策略生成模块65。
模型生成模块61,用于将MAPSO模型嵌入到SITE模型中,生成土地配置模型。
获取模块62,用于获取待优化土地的数据。
预处理模块63,用于对待优化土地的数据进行预处理。
结果生成模块64,用于将待优化土地的数据输入土地配置模型,并获取土地配置模型输出的配置结果,配置结果用于指示是否优化待优化土地的利用格局,土地配置模型是SITE模型与MAPSO模型耦合生成的,MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
策略生成模块65,用于若配置结果指示优化待优化土地的利用格局,则根据配置结果,确定待优化土地利用格局的优化策略。
其中,待优化土地的数据,包括:空间数据和矢量数据;
预处理模块63,具体用于将空间数据配准;将矢量数据转换为栅格数据。
本发明提供的土地利用格局的优化装置,可以执行上述方法实施例中处理器的动作,其实现原理和技术效果类似,在此不再赘述。
图7为本发明提供的另一种土地利用格局的优化装置的结构示意图。如图7所示,该土地利用格局的优化装置可以包括:至少一个处理器71和存储器72。图7示出的是以一个处理器为例的电子设备。
存储器72,用于存放程序。具体地,程序可以包括程序代码,程序代码包括计算机操作指令。
存储器72可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。
处理器71用于执行存储器72存储的计算机执行指令,以实现土地利用格局的优化方法。
其中,处理器71可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
可选的,在具体实现上,如果通信接口、存储器72和处理器71独立实现,则通信接口、存储器72和处理器71可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(Peripheral Component,简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果通信接口、存储器72和处理器71集成在一块芯片上实现,则通信接口、存储器72和处理器71可以通过内部接口完成通信。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或者光盘等各种可以存储程序代码的介质,具体的,该计算机可读存储介质中存储有程序指令,程序指令用于上述实施例中的方法。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种土地利用格局的优化方法,其特征在于,包括:
获取待优化土地的数据;
将所述待优化土地的数据输入土地配置模型,并获取所述土地配置模型输出的配置结果,所述配置结果用于指示是否优化所述待优化土地的利用格局,所述土地配置模型是SITE模型与MAPSO模型耦合生成的,所述MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,所述MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
2.根据权利要求1所述的方法,其特征在于,在所述获取待优化土地的数据之前,还包括:
将所述MAPSO模型嵌入到所述SITE模型中,生成所述土地配置模型。
3.根据权利要求1所述的方法,其特征在于,在将所述待优化土地的数据输入土地配置模型之前,还包括:
对所述待优化土地的数据进行预处理。
4.根据权利要求3所述的方法,其特征在于,所述待优化土地的数据,包括:空间数据和矢量数据;
所述对所述待优化土地的数据进行预处理,包括:
将所述空间数据配准;
将所述矢量数据转换为栅格数据。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述将所述待优化土地的数据输入土地配置模型,并获取所述土地配置模型输出的配置结果之后,还包括:
若所述配置结果指示优化所述待优化土地的利用格局,则根据所述配置结果,确定所述待优化土地利用格局的优化策略。
6.一种土地利用格局的优化装置,其特征在于,包括:
获取模块,用于获取待优化土地的数据;
结果生成模块,用于将所述待优化土地的数据输入土地配置模型,并获取所述土地配置模型输出的配置结果,所述配置结果用于指示是否优化所述待优化土地的利用格局,所述土地配置模型是SITE模型与MAPSO模型耦合生成的,所述MAPSO模型中的目标函数是根据土地利用格局的优化目标设置的,所述MAPSO模型中的约束函数是根据土地利用类型的结构比例设置的。
7.根据权利要求6所述的装置,其特征在于,还包括:
模型生成模块,用于将所述MAPSO模型嵌入到所述SITE模型中,生成所述土地配置模型。
8.根据权利要求6所述的装置,其特征在于,还包括:
预处理模块,用于对所述待优化土地的数据进行预处理。
9.根据权利要求8所述的装置,其特征在于,所述待优化土地的数据,包括:空间数据和矢量数据;
所述预处理模块,具体用于将所述空间数据配准;将所述矢量数据转换为栅格数据。
10.根据权利要求6-9任一项所述的装置,其特征在于,还包括:
策略生成模块,用于若所述配置结果指示优化所述待优化土地的利用格局,则根据所述配置结果,确定所述待优化土地利用格局的优化策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433323.2A CN110288124A (zh) | 2019-05-23 | 2019-05-23 | 土地利用格局的优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910433323.2A CN110288124A (zh) | 2019-05-23 | 2019-05-23 | 土地利用格局的优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110288124A true CN110288124A (zh) | 2019-09-27 |
Family
ID=68002406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910433323.2A Pending CN110288124A (zh) | 2019-05-23 | 2019-05-23 | 土地利用格局的优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110288124A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091489A (zh) * | 2019-11-01 | 2020-05-01 | 平安科技(深圳)有限公司 | 图片优化方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150039364A1 (en) * | 2013-07-31 | 2015-02-05 | International Business Machines Corporation | Optimizing emergency resources in case of disaster |
CN105447235A (zh) * | 2015-11-12 | 2016-03-30 | 中山大学 | 一种土地未来利用情景动态模拟方法 |
CN106228235A (zh) * | 2016-07-29 | 2016-12-14 | 武汉大学 | 一种顾及格局与过程耦合效应的土地利用空间优化配置方法 |
CN107423566A (zh) * | 2017-07-27 | 2017-12-01 | 北京师范大学 | 一种兼顾生态节水和污染控制的土地利用优化方法 |
-
2019
- 2019-05-23 CN CN201910433323.2A patent/CN110288124A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150039364A1 (en) * | 2013-07-31 | 2015-02-05 | International Business Machines Corporation | Optimizing emergency resources in case of disaster |
CN105447235A (zh) * | 2015-11-12 | 2016-03-30 | 中山大学 | 一种土地未来利用情景动态模拟方法 |
CN106228235A (zh) * | 2016-07-29 | 2016-12-14 | 武汉大学 | 一种顾及格局与过程耦合效应的土地利用空间优化配置方法 |
CN107423566A (zh) * | 2017-07-27 | 2017-12-01 | 北京师范大学 | 一种兼顾生态节水和污染控制的土地利用优化方法 |
Non-Patent Citations (2)
Title |
---|
周嵩山、李红波: "元胞自动机(CA)模型在土地利用领域的研究综述", 《地理信息世界》 * |
林涛: "基于规划模型的城市空间优化配置", 《生态经济》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091489A (zh) * | 2019-11-01 | 2020-05-01 | 平安科技(深圳)有限公司 | 图片优化方法、装置、电子设备及存储介质 |
CN111091489B (zh) * | 2019-11-01 | 2024-05-07 | 平安科技(深圳)有限公司 | 图片优化方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107103113B (zh) | 面向神经网络处理器的自动化设计方法、装置及优化方法 | |
Van Vliet et al. | Modeling urban growth using a variable grid cellular automaton | |
Beiter et al. | Wind power costs driven by innovation and experience with further reductions on the horizon | |
CN103150264A (zh) | 一种基于扩展型Cache Coherence协议的多级一致性域仿真验证和测试方法 | |
Pooyandeh et al. | A spatial web/agent-based model to support stakeholders' negotiation regarding land development | |
Maier et al. | Thematic issue on evolutionary algorithms in water resources | |
Ashour | Optimizing creatively in multi-objective optimization | |
CN104636834B (zh) | 一种改进的联合概率规划模型系统优化方法 | |
Macian-Sorribes et al. | Definition of efficient scarcity-based water pricing policies through stochastic programming | |
CN109800144A (zh) | 应用程序的测试方法、系统及装置 | |
Garcia-Teruel et al. | Hull geometry optimisation of wave energy converters: On the choice of the objective functions and the optimisation formulation | |
Dabirian et al. | Predicting labor costs in construction projects using agent-based modeling and simulation | |
Fadaeizadeh et al. | Determination of the optimal river basin-wide agricultural water demand quantities meeting satisfactory reliability levels | |
Churkin et al. | Enhancing the stability of coalitions in cross-border transmission expansion planning | |
CN110288124A (zh) | 土地利用格局的优化方法及装置 | |
Dinçer et al. | Multi-objective turbine allocation on a wind farm site | |
CN106022507A (zh) | 一种农田连片整治的优化方法及其系统 | |
Shao et al. | An improved artificial bee colony-based approach for zoning protected ecological areas | |
Weinzierl et al. | Block fusion on dynamically adaptive spacetree grids for shallow water waves | |
Passolt et al. | A Voronoi tessellation based approach to generate hypothetical forest landscapes | |
Chen et al. | A derivative-free hybrid optimization model for short-term operation of a multi-objective reservoir system under uncertainty | |
CN107103381A (zh) | 一种数据中心的规划方法和系统 | |
CN102930471A (zh) | 基于倒向随机微分方程的期权定价方法及装置 | |
CN117436767B (zh) | 基于近远程耦合协调模型的评估方法、系统及存储介质 | |
Schmitz et al. | A framework to resolve spatio-temporal misalignment in component-based modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
RJ01 | Rejection of invention patent application after publication |