基于動態差分法和小生境算法利用GIS實現土地復墾空間優化

中圖分類號：X32 文獻標志碼：A 文章編號：1673-9655（2025）04-0015-04

0 引言

土地復墾作為實現土地資源可持續利用的重要手段，對于促進生態恢復、提高土地利用效率具有重要意義。然而，現有的土地復墾方法在實際應用中，存在空間分布不合理、復墾效果不佳等問題，難以滿足現代生態建設和經濟發展的需求。因此，探索科學、高效的土地復墾空間分布優化方法顯得尤為重要。

黃曉磊1等人提出基于最小二乘支持向量機的農村土地利用空間優化配置方法，預測農村土地利用空間格局，得到各類用地面積數據，對各類用地進行滿足經濟效益與生態效益最大化的多目標函數的優化配置。但是該方法的預測結果高度依賴于輸入數據的準確性和完整性。如果數據存在誤差或缺失，可能會導致預測結果的不準確。李友智[2]等人以張家口市為例，提出基于GIS的城市土地利用規劃優化研究，通過收集城市土地利用數據、自然資源數據和人口經濟數據，建立了城市土地利用規劃的空間數據庫。結合多目標優化模型，以最大化土地利用效益、最小化環境影響和滿足城市可持續發展需求為目標，開展了土地利用規劃的優化研究。但模型的構建和求解過程具有一定的復雜性，可能無法完全反映實際情況的復雜性和多變性，導致優化結果與實際需求存在一定的偏差。

為優化土地資源建設，本文在此次研究中，引進動態差分法和小生境算法，對土地復墾GIS空間分布優化方法展開全面的設計與研究。

1基于動態差分法建立土地復墾區域DEM模型

為實現對土地復墾GIS空間分布的優化，設計方法中，引進動態差分法，構建待復墾區域的DEM模型。在此過程中，假設存在兩個時間點的DEM數據，可以使用差分計算的方式，計算兩個時間點之間的高度變化情況3。計算公式如下。

ΔH（x，y）=H₂（x，y）-H₁（x，y）

式中： ΔH（x，y） 一差分高度， m ；x，y一對應點的地理坐標； H₂ ！ H₁ 一對應的高度值， m 。利用上述公式，直接得到每個點上的高度變化量，將其作為后續更新DEM的基礎[4]。基于 ?ΔH（x，y） ，采用更新原始的 DEMH₁（x，y） 的方式，獲得新的DEM數據，此過程如下計算公式所示。

H^′（x，y）=H₁（x，y）+ΔH（x，y）

式中： H₁（x，y） 一DEM更新數據。通過此公式，將復墾過程中的地形變化整合到原始的DEM中，生成了反映當前地形狀態的DEM。考慮到直接通過差分和更新得到的DEM可能會包含噪聲或異常值，為改善DEM質量，引進高斯濾波，進行數據的平滑處理，實現對DEM數據的去噪，構建如下計算公式所示的DEM模型[5]。此過程如下計算公式所示。

式中： h? DEM模型； σ 一高斯核的標準差；—噪聲點； j^? 一加權平均點數量。通過上述方式，完成基于動態差分法建立土地復墾區域DEM模型的構建。

2基于小生境算法的GIS空間生態優化目標函數 構建

完成上述設計后，引進小生境算法，該算法來源與自然界中物種在特定生存環境中競爭與共存的現象，擅長處理多峰、多模態的優化難題。以此為依據，建立GIS空間生態優化目標函數。GIS技術是一種應用計算機技術處理、分析和展示地理空間數據的系統。在土地資源空間格局生態優化中，GIS技術可以發揮重要作用。首先，GIS技術可以實現對土地資源的精細化管理。通過采集和整合各種類型的土地資源數據（如地形、土質、植被、水資源等），實現對土地資源的可視化、快速管理，包括土地資源調查、評估、規劃、監管等方面。同時，GIS技術可以進行空間分析，進行土地資源的生態優化分析，及時發現和解決土地資源存在的問題，為土地資源的合理利用和保護提供依據。在推進土地資源生態優化的過程中，綜合考慮生物多樣性維護、土壤質量提升、水資源有效管理以及植被恢復等多重因素。依據物種特定的生存習性、土壤環境參數，結合植被覆蓋率和物種多樣性等關鍵指標，運用GIS技術計算土壤質量改善指數和植被恢復指數。計算公式如下：

V（X）=C（X）?D（X）

式中：S一土壤質量改善指數； X GIS空間內的決策變量（如復墾區域的位置、大小、形狀等）； n 一土壤質量參數的數量； 一土壤質量參數； F 一第1個參數值； Q_min 、 Q_max 一Q的最小值與最大值；V一植被恢復指數； C 一在決策變量X下的植被覆蓋率； D 一物種多樣性指數。完成上述計算后，綜合上述兩個指標，建立如下計算公式所示的目標函數8

式中： f -GIS空間生態優化目標函數； a-S（X） 的權重系數； β-V（X） 的權重系數。小生境算法在優化過程中需要滿足一系列約束條件，以確保解的可行性和優化效果[9。以此為依據，對空間進行約束，約束條件如下計算公式所示。

式中： 一GIS空間內的可行區域。將約束條件代入目標函數中，實現基于小生境算法的GIS空間生態優化目標函數構建。

3復墾地塊編碼與空間分布綜合優化

在上述設計內容的基礎上，根據復墾地塊的形狀、大小、位置等特征，使用網格系統，將GIS空間劃分為多個網格單元，每個網格單元可以代表一個潛在的復墾地塊。每個地塊可以通過其網格坐標（如行列號）進行唯一編碼，以更精確地表示地塊的形狀。

完成地塊編碼后，在GIS空間環境中，根據單元網格劃分多個子區域（小生境），并在每個子區域內隨機生成一定數量的候選解（復墾方案）[10]。此過程如下計算公式所示。

式中： Z 一候選解（復墾方案）的生成； ω 一子區域（小生境）的數量。在每個小生境內，獨立進行進化操作（如選擇、交叉、變異等），以搜索該區域內的最優解。搜索過程如下計算公式所示。

式中：W一區域內最優解檢索；y一變異率。通過遷移操作，允許不同小生境之間的優秀解進行交換，以增加種群的多樣性。此過程如下計算公式所示。

式中： L 一GIS空間分布優化方案的更新； F- 一迭代次數，次； η 一收斂效率。通過多個小生境的協同進化，最終實現全局優化，找到最優的土地復墾空間分布方案。將對應的方案與編碼網格進行匹配，重復上述步驟，實現復墾地塊編碼與空間分布綜合優化。

4對比實驗

4.1實驗準備

以某待復墾的土地區域A縣廢棄礦區為例，該區域位于東經 115^°30^′～115^°45^′ 、北緯34^°10^′～34^°20^′ ，地處丘陵地帶，緊鄰縣城東北部，交通便利，距縣城中心約 15km 。該廢棄礦區總面積約為 150hm² ，其中裸露礦坑占地約 60hm² ，廢棄工業設施占地約 20hm² ，剩余為未充分利用的荒地和受污染土壤。礦區因長期開采導致地表植被破壞嚴重，水土流失加劇，生態環境脆弱。近年來，隨著地方政府對生態環境保護的重視，該廢棄礦區被納入土地復墾重點項目，旨在通過科學合理的規劃和實施，恢復其生態功能，提高土地利用價值。為確保試點工作的規范性，對試點區域的自然環境狀況等進行分析，如表1所示。

在深入研究中發現，某礦區復墾項目實施中，由于GIS模型未能充分考慮地下水位變化對土壤鹽堿化的影響，導致優化后的復墾區域在第二年遭遇嚴重鹽堿化問題，影響植被成活率。據統計，復墾區域內植被成活率從預期的 85% 下降至不足 50% ，直接經濟損失達數百萬元。此次事件揭示了GIS空間分布優化方法在數據集成和模型構建方面的局限性，以及忽視環境變量動態變化可能帶來的嚴重后果。

4.2實驗步驟

實驗前，收集試點地區的GIS數據，包括地形圖、土壤類型圖、土地利用現狀圖等。獲取土壤質量數據（如有機質含量、pH值、養分含量）、植被覆蓋數據、氣候數據等。在此基礎上，在終端計算機中建立土地復墾區域DEM模型，按照本文提出的方法，進行土地復墾GIS空間分布優化，為確保優化方案的可行性，選擇支持空間分析、數據建模和動態數據處理的GIS軟件平臺，準備Python或MATLAB等編程環境，按照下述表2所示的內容，進行算法技術參數的設計。

在此基礎上，開發或集成GIS中的動態差分模塊，用于實時監測和分析復墾過程中的數據變化。編寫小生境算法代碼，結合GIS數據進行空間分布優化，劃分小生境并獨立進化。

確定實驗區域，劃分出若干子區域作為實驗單元。引進文獻[1]提出的基于數據挖掘技術的優化方法、文獻[2]提出的基于GIS的優化方法，將其作為對照。

4.3實驗結果與分析

在未進行任何優化措施前，記錄各子區域的土地利用率和土壤質量指標作為基準線。在GIS平臺中，實時監測各子區域的土地利用和土壤質量變化。

在評估土地復墾項目的成效時，土地利用率提升率和土壤質量改善情況是至關重要的檢驗指標。前者直接反映了復墾活動對土地資源有效利用的促進程度，通過對比復墾前后的土地利用狀況，可以量化評估出復墾項目在增加耕地面積、改善土地利用結構等方面的實際效果。而土壤質量改善情況則關乎復墾土地的生態恢復能力和長期可持續發展，通過監測土壤的物理性質（如結構、質地）、化學性質（如養分含量、pH值）以及生物活性（如微生物群落結構）等指標的變化，可以全面評估復墾措施對土壤質量的改善效果，為后續的農業生產和生態環境保護提供科學依據。

以土地利用率為例，對三種方法的實踐效果進行模擬，其結果如圖1所示。

從圖1中可以看出，相比對照方法，應用本文方法后，各單元的土地利用提升率增加較為顯著，由此可以證明，提出的方法應用效果良好。

在此基礎上，對三種方法應用后的土壤質量改善情況進行分析，如表3所示。

從上述數據可以看出，本文方法在土壤質量改善方面表現出色，各項指標均優于文獻[1]、[2]方法。證明了本文方法能夠更有效地實現對土地復墾GIS空間分布的優化。而對照方法雖然也能帶來一定的改善效果，但相比之下效果較差。

綜合上述結果可以證明，提出的方法在應用后，不僅可以提高復墾區域的土地利用率，還可以顯著提升土壤質量，促進生態恢復和長期可持續發展。

5結論

地理信息系統（GIS）技術的發展為土地復墾空間分布優化提供了新的思路和技術手段。GIS能夠整合多源空間數據，進行復雜的空間分析和模擬，為土地復墾方案的制定提供科學依據。動態差分法作為一種實時數據獲取和處理技術，能夠動態監測土地復墾過程中的變化，及時調整優化方案，確保復墾效果的最大化。同時，小生境算法作為一種進化計算技術，在多目標優化問題中表現出色。該算法通過模擬自然選擇和遺傳機制，能夠有效處理土地復墾空間分布優化中的復雜約束條件和目標函數。為深化此方面工作，本文基于動態差分法和小生境算法，通過建立土地復墾區域DEM模型、構建GIS空間生態優化目標函數、復墾地塊編碼與空間分布綜合優化，完成了設計。通過技術手段的創新，解決土地復墾方法中存在的問題，提高土地復墾的效率和效果。本次研究不僅具有重要的理論價值，而且對于推動土地資源的可持續利用、促進生態文明建設具有深遠的現實意義。

參考文獻：

[1]黃曉磊，馮長委.基于最小二乘支持向量機的農村土地利用空間優化配置方法及實例分析[J].現代農業科技，2024（8）：185-188.

[2]李友智.基于GIS的城市土地利用規劃優化研究—以張家口市為例[J].河北建筑工程學院學報，2024，42（3）：99-104.

[3]司馬蕾，張若曦.上海市社區型養老設施的空間分布特征與優化策略研究[J].建筑與文化，2024（6）：162-166.

[4]環梅.基于網格數據的北京文化產業空間分布特征與優化建議[J].北京印刷學院學報，2024，32（2）：42-46.

[5]于妍，李明磊.我國學術學位授權點資源配置：空間分布、形成機理及優化機制[J].研究生教育研究，2024（1）：32-38，85

[6]胡志瑞，趙萬伏，宋垠先，等.基于改進麻雀搜索算法優化BP神經網絡的土壤有機質空間分布預測[J].環境科學，2024，45（5）：2859-2870.

[7]程海，何云峰，許云芳.省際高教資源配置綜合評價及空間分布優化探究—基于熵權TOPSIS和變異系數混合的分析[J].中國高校科技，2022（7）：42-47.

[8]劉軍杰，郄瑞卿，劉大平，等.基于GIS的鄉村聚落空間分布特征與優化模式研究—以吉林省農安縣為例[J].土壤通報，2020，51（4）：816-823.

[9]高鵬利，任大陸，李朝輝，等.基于Boruta算法和GA優化混合地統計模型的土壤有機質空間分布預測[J].物探與化探，2024，48（3）：747-758.

[10]方泰，姜付高，張修河，等.基于GIS的全國青少年校園足球試點縣（區）空間分布與優化研究[J].遼寧體育科技，2019，41（2）：122-128.