专利名称：基于遗传算法的土地利用分形维数作用尺度的识别方法
技术领域：
本发明涉及一种土地利用分形模型的最适合作用尺度的研究，尤指基于遗传方法的应用于城市土地利用分形维数作用尺度的识别方法，属于土地利用技术领域。
背景技术：
土地利用分形维数的作用尺度是研究土地利用变化分形模型的关键因素，也是实现分形维数反映城市土地利用程度、空间分布特征及内部演化机制的先决条件，因为无论是在自然界还是人类社会，都没有绝对数学意义上的分形，分形特征只是在一定尺度范围内才出现。只有在这个范围内，分形维数才能保持恒定不变，这就是无标度区间，也就是分形维数的作用尺度。此外，分形无标度区间的宽度是系统自组织和自相似性的一种范围测度，它表示 了系统自组织的程度，是反映分形维数所解释的地理现象成立的范围。无标度区间越大，说明系统自组织的跨度越宽，分形维数的有效区间越大，它所解释的土地利用结构和空间布局就存在较宽的尺度范围；相反，无标度区间越小，说明系统自组织的跨度越窄，分形维数的有效区间越小，它所解释的土地利用结构和空间布局只适用于较窄的尺度范围。因此，在分形理论的研究和应用中，分形无标度区间的识别是十分重要的，如果超出了分形的无标度区间，对所研究对象应用分形理论进行研究是没有任何实际意义的。求解分形无标度区间是研究和应用土地利用分形模型的前提和基础，只有求出无标度区间，才能根据无标度区间的数据进行分形维数和其它参数的计算。要想避免研究中出现伪分形现象从而导致错误结论，必须有效利用双对数坐标图识别反映自相似性尺度范围的无标度区间，这不仅有助于抑制各种分形量的发散，而且是分形特征值准确、可靠的基础。目前，据文献统计，国内外有很多不同领域的学者在求解分形无标度区间的算法上做了大量的研究，并取得很好的成果，如张英堂等在计算关联维数时，提出了采用多段平均加阈值的计算方法来扩大无标度区间的范围，为分形无标度区间的截取提供了一种新的方法。然而，近年来将遗传算法引入到分形无标度区间求取中的研究成果并不多，虽然费斌曾在1998年提出了一种基于遗传算法截取无标度区间的方法，并应用于磨削表面的分形研究；范玉红于2005年在模拟塌陷区的分形地形研究中采用遗传算法求得无标度区间最优解，但在二人的遗传算法研究中，未见其采用轮盘赌模型设计适应度函数。除此之外，在遥感土地利用分形领域上，利用遗传算法求取分形无标度区间的研究还是一片空白，未见任何成果发表。
发明内容
本发明所要解决的技术问题是提供一种基于遗传算法的土地利用分形维数作用尺度的识别方法，以实现分形维数无标度区范围求解的优化，并在无标度区间识别的精度和效率上形成明显的优势。本发明解决其技术问题采用以下的技术方案本发明提供的是一种基于遗传算法的土地利用分形维数作用尺度的识别方法，该方法根据无标度区间的判断标准，将遗传算法这种全局优化方法引入到分形无标度区间的求取模型中，首先利用遥感影像解译提取土地利用分类信息，进行不同半径尺度缓冲区的土地分类面积信息的统计，并依据分形维数计算公式建立各类土地面积与半径的对数关系，继而分析遗传算法参数编码机制从而产生初始群体，在此基础上设计适应度函数，运用选择、交叉和变异三种基本遗传算子，得到分形维数的最优作用尺度，用来精确地说明土地利用分形维数成立的有效区间范围，具体为
(1)利用遥感影像解译提取土地利用分类信息并进行整合，整合后的数据为所需研究区域图斑的分类信息； (2)将整合后的分类数据作为基础数据，建立不同半径尺度大小的缓冲区覆盖各类土地利用信息，进行各类用地的面积统计，进而依据分形维数计算公式建立各类土地面积与半径的对数关系；
(3)对得到的面积与半径对数关系数据采用二进制编码方式实现从解空间到染色体空间的映射，从而产生初始群体，并以平均残差平方和作为目标函数设计适应度函数；
(4)相继运用基于轮盘赌模型的选择算子、采用单断点交叉法进行交叉算子，结合高斯变异算子完成寻优，从而得到分形维数的最优作用尺度。本发明可以采用以下方法获取分类信息，其步骤包括
(1)利用Erdas软件对目标区域的遥感影像进行解译，依据制定的标准进行非监督分类，获取各类土地利用类型的分类信息；
(2)将分类后的遥感数据导入ArcGIS软件中，利用SpatialAnalyst/Reclassify,对遥感数据进行重分类，并赋予各种土地类型不同的数值，将背景设置为NoData。本发明可以采用包括以下步骤的方法建立各类土地面积与半径的对数关系
(O以研究区域中心为圆心，以相同的间隔依次递增为半径形成不同等级的同心圆，建立缓冲区进行不同土地利用类型图层的切割；
(2)利用ArcGIS软件的统计功能分别统计出各土地类型在各半径内对应的总面积；
(3)根据分形维数计算公式，等式两边取自然对数，从而建立各类土地面积与半径的对数关系。本发明可以采用包括以下步骤的方法获取所述的适应度函数
(1)采用二进制编码方式对得到的分形维数数据实现从解空间到染色体空间的映射，使得解空间的每一个点映射到一条染色体上，从而在解空间中随机产生二进制串组成的染色体的基因码即初始群体；
(2)以残差平方和最小作为目标函数，即可设计适应度函数
J=-G
式中=G为数据点实际值和拟合值之间的离差平方和值，使G具有最小目标值的解对应最大的适应度值f ;G的表达式为
权利要求
1.基于遗传算法的土地利用分形维数作用尺度的识别方法，其特征是首先利用遥感影像解译提取土地利用分类信息，进行不同半径尺度缓冲区的土地分类面积信息的统计，并依据分形维数计算公式建立各类土地面积与半径的对数关系，继而分析遗传算法参数编码机制从而产生初始群体，在此基础上设计适应度函数，运用选择、交叉和变异三种基本遗传算子，得到分形维数的最优作用尺度，用来精确地说明土地利用分形维数成立的有效区间范围。
2.根据权利要求I所述的基于遗传算法的土地利用分形维数作用尺度的识别方法，其特征是采用包括以下步骤的方法 (1)利用遥感影像解译提取土地利用分类信息并进行整合，整合后的数据为所需研究区域图斑的分类信息； (2)将整合后的分类数据作为基础数据，建立不同半径尺度大小的缓冲区覆盖各类土地利用信息，进行各类用地的面积统计，进而依据分形维数计算公式建立各类土地面积与半径的自然对数关系； (3)对得到的半径与面积数据采用二进制编码方式实现从解空间到染色体空间的映射，从而产生初始群体，并以平均残差平方和作为目标函数设计适应度函数； (4)相继运用基于轮盘赌模型的选择算子、采用单断点交叉法进行交叉算子，结合高斯变异算子完成寻优，从而得到分形维数的最优作用尺度。
3.根据权利要求2所述的基于遗传算法的土地利用分形维数作用尺度的识别方法，其特征是采用以下方法获取分类信息，其步骤包括 (1)利用Erdas软件对目标区域的遥感影像进行解译，依据制定的标准进行非监督分类，获取各类土地利用类型的分类信息； (2)将分类后的遥感数据导入ArcGIS软件中，利用SpatialAnalyst/Reclassify,对遥感数据进行重分类，并赋予各种土地类型不同的数值，并将背景设置为NoData。
4.根据权利要求2所述的基于遗传算法的土地利用分形维数作用尺度的识别方法，其特征是采用包括以下步骤的方法建立各类土地面积与半径的自然对数关系 (O以研究区域中心为圆心，以相同的间隔依次递增为半径形成不同等级的同心圆，建立缓冲区进行不同土地利用类型图层的切割； (2)利用ArcGIS软件的统计功能分别统计出各土地类型在各半径内对应的总面积； (3)根据分形维数计算公式，等式两边取自然对数，从而建立各类土地面积与半径的对数关系。
5.根据权利要求2所述的基于遗传算法的土地利用分形维数作用尺度的识别方法，其特征是采用以下方法获取适应度函数，其步骤包括 (1)采用二进制编码方式对得到的分形维数数据实现从解空间到染色体空间的映射，使得解空间的每一个点映射到一条染色体上，从而在解空间中随机产生二进制串组成的染色体的基因码即初始群体； (2)以残差平方和最小作为目标函数，即可设计适应度函数/=G式中G为数据点实际值和拟合值之间的离差平方和值，使G具有最小目标值的解对应最大的适应度值f ；G的表达式为
6.根据权利要求2所述的基于遗传算法的土地利用分形维数作用尺度的识别方法，其特征是采用以下方法求取无标度区间即分形最优作用尺度，其步骤包括 Ca)首先采用轮盘赌模型进行选择算子计算； (b)其次结合来自父代交配种群中的信息，进行交叉算子计算，交叉算子采用单断点交叉法产生新的个体，其中，交叉的位置是随机的； (C)接着进行变异算子计算将交叉后个体的基因链按高斯变异算子进行变异，从而产生新一代的种群； (d)最后返回适应度函数，判断是否满足优化标准，如此循环直到输出最优个体为止，即求得最优作用尺度。
全文摘要
本发明提供的基于遗传算法的土地利用分形维数作用尺度的识别方法，具体是首先利用遥感影像解译提取土地利用分类信息，进行不同半径尺度缓冲区的土地分类面积信息的统计，并依据分形维数计算公式建立各类土地面积与半径的对数关系，继而分析遗传算法参数编码机制从而产生初始群体，在此基础上设计适应度函数，运用选择、交叉和变异三种基本遗传算子，得到分形维数的最优作用尺度，用来精确地说明土地利用分形维数成立的有效区间范围。本发明解决了土地利用分形方法没有考虑地形和遥感影像等数据源所存在的“尺度效应”问题，可以实现分形维数无标度区范围求解的优化，并在无标度区间识别的精度和效率上形成明显优势。
文档编号G06F17/50GK102880754SQ20121035238
公开日2013年1月16日 申请日期2012年9月21日 优先权日2012年9月21日
发明者吴浩, 李岩, 叶露萍, 朱捷缘, 赵晓军, 黎华, 陈明 申请人:武汉理工大学