实验结果：多约束下的优化土地用途分区模型表现稳定可靠

采用上述提出的模型和土地用途分区过程，参考《中华人民共和国国土资源部乡(镇)土地利用总体规划编制规程》(TD/T 1205—2010)，以海南省昌江县乌烈镇为实验区进行实验分析，对提出的模型进行验证。

1.实验系统与数据库整合

土地用途分区系统需要具备GIS的基本功能和土地用途分区模型。为实现这些功能，保证开发效率，采用Microsoft Visual.NET 2005作为开发平台，在Arc Engine9.3组件基础上二次开发实现，订制GIS功能；采用编写代码实现专业模型的功能。该方式可以使系统具有较高的适应能力。运行环境为Windows XP操作系统。根据本书2.1节和2.2节中的方法对数据进行整合，对土地利用的适宜性进行评价，进行入库管理，形成整合后的数据库。整合后的土地利用现状如彩图5-17所示。

2.实验结果

土地用途分区的约束条件对分区结果具有重要的影响作用，根据乌烈镇的土地利用现状和上级规划的指标，确定土地用途转换函数为0.016，并将土地利用适宜性评价数据、不参与分区图斑作为约束条件。通过多次的实验确定模型运算过程中的主要参数如下：随机产生50个初始种群，属性距离权重λ＝0.65，克隆扩张系数cg＝0.1，变异率pm＝0.02，替换率per＝0.03，最大代数pd＝150。对运算结果进行可视化表达如彩图5-18(a)所示。从实验过程来看，使用这些参数算法收敛速度较快，当迭代到112代后，目标函数值达到784.85，对应的亲和度为0.001273，趋于稳定，如彩图5-19(a)所示。

图5-19　两种算法的主要运算参数图

从海南省昌江县乌烈镇的土地用途分区图可见，土地用途的多样性有所降低，优势度有所提高。将本实验得到的方案与原土地类型、专项规划、适宜性评价和当地的具体情况进行对比分析，证明该方案较为切合实际。

3.算法的对比分析

根据文献提出的算法，按照最近邻法公式确定对应的染色体，计算图斑合并后中心取代原来的编码值，实现土地用途分区。该模型运算的主要参数如下：群体大小取100，交叉概率取0.6，变异概率取0.001，最大迭代次数为150次。实验结果如彩图5-18(b)所示，当迭代到130代以后，聚类距离达到2322.56，对应的适应度函数为0.000431时才趋于稳定(图5-19(b))。从提供的分区方案上来看，两种算法都比较合理，但是遗传K-均值算法中由于仅仅考虑了空间距离的问题，没有考虑约束条件，虽然较好地解决了将小面积图斑合并到较大图斑的问题，得到了较好的结果，但是在处理一些复杂问题时显得过于机械，没有较好地考虑属性方面的信息，造成部分区域分区结果不太理想的情况(彩图5-20)。如现状图中的部分区域(如彩图5-20中的区域(1)和(2))，遗传K-均值算法仅仅考虑到空间距离的问题，将林业用地区进行合并，改变了总体上的土地用途格局，并且分区后的结果使土地利用方式比较零散。(www.xing528.com)

通过本实验分析，利用克隆选择算法构建的土地用途分区模型最为显著的优点是能够在约束条件的控制下进行搜索优化，由图5-20和表5-13可见各土地用途区呈明显的聚集分布，区内方差明显缩小，提高了空间聚集度，便于土地利用的调控与管理。

表5-13　两种算法土地用途分区面积表

4.土地用途分区的空间特征分析

①土地利用更加合理。通过本实验提供的方案分析，可见乌烈镇的基本农田布局主要集中在中部地势低平、水土条件较好的地区；在其他低山丘陵地区主要分布林地，地势较为低平的土层较好的地方为一般农地区，土地利用方式主要是一般耕地和园地；在现状基础设施比较好的区域布局了居民点和城镇。

②土地利用集中，利于土地用途管制。在分区的过程中不但保持了乌烈镇的地域特色，一些零散的用地得到归并，体现了土地利用集中连片的特点，土地利用方式的集聚程度有所提高。划定的基本农田保护区将较好地实现对耕地的保护。

③沿江重要生态用地、水域进行处理，没有参与土地用途分区，使得这些区域得到了较好的保护。

5.结论与讨论

将克隆选择算法与GIS进行有效集成，采用空间聚类的思想，构建了利用克隆选择算法的土地用途分区模型。实验结果表明该模型能够在多约束下进行土地用途分区，可以实现全局优化，具有稳定、结果可靠等优点。提供的土地用途分区方案科学合理，可以为土地利用规划和土地利用调控和管理提供支持。同时也可以推动土地用途分区实现由数据驱动向模型驱动和决策支持转变。