土地利用规划新技术与新方法综述

地利用规划新技术与新方法综述
摘要：土地利用规划是一项复杂的系统工程，在土地利用规划过程会涉及到自然、经济、人口、建设等多方面的内容，而且也需要进行大量的图形处理、数据的管理和分析。现代技术的发展为土地利用规划的实施和管理提供了强有力的技术支撑和多样的方法手段。各种新方法的使用也为土地利用规划的更好实施提供了契机。本文归纳了土地利用规划新技术与新方法的主要研究进展，讨论了土地利用规划各阶段对新技术的需求，在此基础上，对新技术与新方法的研究前景进行了展望。
袁满、刘耀林（2014）将多智能体系统的建模框架与遗传算法的计算框架有机结合，设计了土地利用规划多智能体决策框架，将多智能体在空间决策行为与遗传进化算子相结合，构建基于多智能体遗传算法的土地利用优化配置模型，促进土地利用数量结构与空间布局向可持续方向发展。[13]
3.3
元胞自动机(cellular automata，CA)作为一种通用的时空动态模型，已成为城市增长、扩散和土地利用演化、土地利用情景模拟等方面的研究热点。元胞自动机在土地利用规划布局方面的研究正处于探讨阶段，并在基本农田保护区的自动生成方面已取得一些成果，但对如何利用元胞自动机进行区域土地利用规划布局尚未系统地研究。
方璇（2013）则以云计算的关键技术和理论为基础，针对目前我国国土资源行业土地利用规划管理工作的业务需求和现行土地利用规划信息系统存在的主要问题，研究土地利用规划数据在云计算环境下的高效管理技术，搭建土地利用规划云计算服务平台，探索并尝试解决将云计算应用于土地利用规划信息系统所遇到的实际问题，并进行了原型系统开发与试验。[8]
董品杰、赖红松（2003）首先提出了基于多目标遗传算法的土地利用空间结构优化配置，常规多目标问题求解方法有多目标加权法、约束法和目标规划法等。但这些传统算法大多数是根据某效用函数将多目标合成单目标来进行优化,大多数情况下,在优化之前这种效用函数是难以确知的。此外,它们在求解时还需要一些先验知识以设置其算法的参数值,而这些参数值又影响算法的求解效果。遗传算法的并行方式种群搜索机制及其初始搜索无需先验知识或导数信息的特点很适合于多目标优化问题的解决。[12]
(3)土地利用信息具有很强的时效性，而GPS和RS作为一种重要的技术方法，能为土地利用规划的研究提供大量准确、及时的数据资料，从而为土地利用规划的管理提供高精度、全天候、多时相、自动化、智能化的技术手段，因此应加强GIS与GPS、RS的有效结合，来实现土地利用过程中数据信息的变更。
3 新方法在土地利用规划中的应用
3.2
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。
石英、郭靖芬（2008）研究的不同之处在于将神经网络方法引入土地利用规划方案的评价中，并针对没有已知的学习样本可供学习的情况，提出了一种基于“理想方案”的学习和评价方法，并以北京市平谷区王辛庄镇的土地利用规划方案评价为例，进行了实证研究。结果表明：基于理想方案的BP神经网络评价方法实现了定性分析与定量分析的有机结合，较好地保证了评价结果的客观性,是一种有效评价方法。[11]
1.2 研究意义
土地利用规划是一个复杂的大系统，由许多子系统组成，其边界模糊，关系复杂，是一个复杂庞大的大系统学科，涉及土地学、经济学、生态学、地理学、社会学、数理统计等多门学科。而土地利用规划是农业规划、城市规划和区域规划等的基础工作，是在土地上落实其他各项规划的必要条件，具有重要的战略意义。土地利用规划需要现代新技术与新方法为其实施和管理提供技术支撑和方法手段，才能达到规划的科学合理性以及规划实施的可操作性，因此研究新技术与新方法在土地利用规划中的应用是十分必要的。
虽然目前的土地利用规划管理信息系统已经较为成熟，实现的功能为日益增多，但是在系统建设过程中还应考虑一下问题：
(1)应将规划过程、规划成果管理、规划修编、规划项目预审几个过程有机的结合的联系在一起，使系统既能满足规划管理过程中图形、属性信息处理的技术要求，同时又具备业务流程控制和处理能力；
(2)土地利用规划管理信息系统是土地管理信息系统中的一个重要的基础性子系统，因此在系统开发时，应考虑与其它子系统的数据信息资源共享和有效的功能互操作；
邹自力（2009）选用ESRI MapObjects组件作为土地利用规划管理系统的开发平台，在完成系统需求分析、系统设计以及数据库设计基础上，以抚州市东乡县土地利用数据为例，进行土地利用规划管理信息系统的开发设计。其开发的土地利用规划管理信息系统实现的基本功能有：基本图形功能（对规划所需的图形进行数据入库、图形处理、地图显示、属性查询、长度和面积量算），规划辅助编制管理（包括土地利用现状分析、人口预测和土地利用需求量预测等），规划实施管理（土地利用年度计划管理、建设项目用地审批、开发整理项目管理等）。[6]
土地利用规划的工作环节包括：土地利用规划数据阶段、土地利用规划编制阶段、土地利用规划成果阶段。土地利用规划的每一个环节都包含大量的信息，土地信息涵盖土地的数量、质量、权属、位置、利用状况等。这些信息具有动态性、数据量大、空间性、相关性等特点。其中动态性特征不但包括其周期性，还有渐变性和波动性。[2]
吴永胜（2013）在分析GIS技术在土地利用规划管理中的应用及研究现状和土地利用规划管理需求的基础上，通过利用Visual C#.NET编程语言、ArcGIS Engine开发包、ArcGIS地理空间数据库和SQL Server数据库技术、实现了土地利用总体规划管理系统的二次开发，与现有的土地利用规划系统相比，其所设计的并研发的系统实现了土地利用信息管理与规划辅助决策支持的集成，具有一定的先进性。[7]
郭红英（2013）在论文《3S技术在土地利用规划中的应用》中提到，3S技术在土地利用规划数据阶段有重要的作用。随着数字图像处理技术的提高和遥感技术向高分辨率发展，利用遥感技术获取土地信息的方法越来越普遍。[3]通过遥感技术迅速获取的动态实时信息，再传输给GIS，使GIS数据库得到及时更新。通过GIS对土地信息进行处理，可以直接得到理想的图件和数据，及时准确地反映土地信息，不但可以为后续的规划工作提供数据基础，更重要的是明确土地性质、质量，从而明确土地的空间分布，确定各类用地的具体范围。在此阶段，3S技术在数据收集和处理方面展现了其实时性、准确性以及高效的特点。[4]
2
2.1
“3S”技术是指遥感技术（RS）、全球定位系统（GPS）和地理信息系统（GIS）的统称，是将空间技术、传感器技术、卫星定位与导航技术和计算机技术、通讯技术相结合，多学科高度集成的对空间信息进行采集、处理、管理、分析、表达、传播和应用的现代信息技术，“3S”是目前对地观测系统中空间信息获取、存贮管理、更新、分析和应用的三大支撑技术。
近年来，土地利用规划的新模型和新算法成为相关学者的研究热点，如何改进传统方法，引进新思路，完善土地利用规划过程，是我们土地利用规划研究工作的一大目标。笔者总结了近年来较为流行的几种方法，以时间顺序为列，望能给广大研究者提供一些新思路。
3.1 神经网络
神经网络（Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。
杨小雄、刘耀林等（2007）对标准的元胞自动机模型的元胞涵义、规则定义等进行了扩展，探讨了元胞自动机模型在政策及相关规划约束、邻域耦合、适宜性约束、继承性约束及土地利用规划指标约束下的土地利用规划布局的元胞自动机模型。他们提出基于约束条件的元胞自动机土地利用规划布局方法，基本符合土地利用规划布局的要求；采用模糊关系来反映各因素的约束机制，是土地利用规划布局智能化处理的关键环节；同时，通过参数调整可得到不同的规划布局方案，为方案的优选提供了可能。转换规则的定义很大程度上依赖于主观直觉与经验，不可避免地带有一定的人为性，如何更加全面、合理地定义转换规则尚待进一步探索。[14]
宋嗣迪、陈燕红在1997年便提出基于神经网络的土地利用规划方案优化方法。作为一个前沿科学的神经网络，它具有逼近任意非线性映射的特征，可以处理模糊的、非线性的、含有噪音的数据，因而用它建立模型通常要比常规分析方法具有更多的优点。[9]
汤江龙（2006）在土地利用规划方法论的研究领域，引入人工神经网络模型方法，并系统地加以分析研究，包括网络模型选择、网络结构设计、样本构建、算法实现等；从技术层面构建了基于人工神经网络的土地利用规划模型，包括基于人工神经网络的土地需求量预测模型、土地利用结构优化模型、土地利用规划方案评价模型等三种；从规划实践操作层面，对基于人工神经网络的土地利用规划模型进行了大量的实例验证与比较分析，以证明该模型方法应用的可行性、可靠性和有效性。[10]
雷朝锋、范云峰（2013）在《3S技术在土地利用规划中的应用》一文中分析道，在土地利用编制阶段，如果没有3S技术的支持是很难完成的。依靠3S技术平台，在建立土地利用总体规划信息库的基础上，紧密结合土地、实施的自动化管理。利用原有土地信息，分析土地结构，构建各类模型，为土地的评价、预测、结构优化及效益分析提供方法和手段。同时，降低旧有人为进行土地资源分析和决策所带来的主观因素影响，加强了土地利用规划的科学性和合理性。[5]
王丽萍、金晓斌（2012）等在论文《基于灰色模型元胞自动机模型的佛山市土地利用情景模拟分析》中，选择灰色模型作为数量模型，元胞自动机模型作为空间模型，设定3种建设用地扩张模型：适度约束、中度约束和强力约束，结合数量模型和空间模型的优点，模拟2015年土地利用空间布局。其创新性在于选择灰色模型作为数量预测模型和元胞自动机模型作为空间模型来构建一个混合模型，从而改进单个模型模拟的不足。[15]