多目标粒子群的土地整理项目选址模型的相关探析

张映梅

摘 要 土地整理项目选址实际上是一个多目标空间优化问题，由于传统的选址技术方法应用于多目标土地整理项目选址过程中，具有一定的不足之处。因此，本文主要针对多目标粒子群的土地整理项目选址模型进行分析，从而科学总结土地整理项目选址的具体规则。

关键词 多目标粒子群；土地整理；项目选址；模型

土地整理项目的实施，需要在空间上对其具体范围进行确定，即事先进行土地整理项目的科学选址。因为只有在土地整理过程中，做好前期项目的选址工作，才能保证土地整理后期的效益充分实现。从这一层面而言，在土地整理过程中，首要问题就是进行项目选址，其主要的目的是针对我国新时期的土地现状，结合水资源条件以及土地利用过程中的相关限制性因素及有利条件，科学选择基础设施良好以及自然资源条件较好、社会经济基础优越的区域，确保土地整理综合效益的最大化。

1 多目标粒子群的土地整理项目选址模型构建思想

从本质上而言，土地整理项目选址问题在经济学中可以被看作是针对多个给定的目标，在既定的可行区域中充分保证土地经济效益最大化的决策优化问题，也就是所谓的多目标空间优化问题。因此，本文研究的主要目的，在于结合土地空间选址以及土地整理和多目标优化等相关的理论，通过探讨土地整理项目选址的一般规则以及具体的约束性条件，从而科学界构建多目标粒子群的土地整理项目选址模型。

在此分析过程中，本文通过提取三个能够体现土地整理项目选址目的及意义的目标函数，与此同时，综合考虑了土地整理项目最小新增耕地率以及实时规模两类约束性条件，为了保证该目标粒子群的土地整理项目选址模型具有一定的科学性，重点选取了我国某地一试验区进行分析，在案例分析过程中进一步阐述了算法的基本运用思想，从而验证了该模型的有效性，以期为我国土地利用与规划管理提供一定的理论和技术支持。

2 多目标粒子群的土地整理项目选址模型分析

2.1 多目标粒子群的土地整理项目区选址规则

一般而言，多目标粒子群的土地整理选址规则被称之为常识。其主要是指在土地整理项目中，将某一类具体的土地利用类型划分为项目区所具备的相关条件或者相应的概率或可能性。因为在土地项整理项目的区域划分过程中，其会受到诸多不利因素的影响。因此，重点针对多目标粒子群的土地整理项目区域选址规则进行分析具有重要的意义。

其中，主要包括土地利用历史演变规则以及土地的实际地形坡度规则、交通区位约束性规则。由于我国土地利用变化规律受土地利用情况影响，因此个别土地利用单元的现状并不会发生变化，比如我国某城市中的某类建设用地一般不可能转化其他类型的用地，因此在土地整理项目选址模型中，事先应该将该地区中的城市、建制镇以及工矿仓储和商业服务用地等单元排除出多目标离子群的土地整理选址模型求解空间，然后再利用函数变量：

Ei（i=1，2，…，I）进行科学标记，同时令这类用地的Ei=0进行模型分析与计算求解，以获取土地项目选址的最优解[1]。

其次，是地形坡度的实际规则。由于土地的地形坡度起伏变化幅度过大，不仅会导致施工工程的难度不断增加，因此可以利用如下的函数规则表达式：

“if（LandNow i=02 or LandNow i=03 or LandNow i=04 or …） and Slope i≥25 then Si=0.8”对土地的地形坡度进行限定。

除此之外，在对土地的道路交通区位进行约束性规则分析时，尽量要保证道路通达性较好的地区至少要有乡级及以上等级的道路能够通达。在此分析过程中，可以利用函数：

Ri=y1·Pathi+y2·Roadi以及y1+y2 =1进行加权求和，从而在此随机迭代数学方程式中，具体可以利用这一函数关系式，再结合实际的土地整理项目选址情况，运算出每一个不同土地利用单元中的等决策变量参数值[2]。

2.2 多目标粒子群的土地整理项目区选址目标函数

在对目标函数进行分析时，首先需要结合土地整理净增的实际耕地数量科学得到新增耕地的潜力目标，具体如以下公式[3]：

在上式中，经过科学整理后的净增耕地面积为MZ，待整理区域的原耕地面积采用M表示， 土地整理之前的待整理区域田埂系数通过R1表示，土地整理之后的田埂系数表示为R2，含沟渠以及道路和林地的待整理土地区域的非耕地类面积通过M1表示，待整理土地区域经过科学的选址整理之后，需保留的非耕地类面积通过M2表示。

本文在分析过程中，除了上述相关的指标模型之外，还需要针对土地整理适宜性目标进行分析建模。其中，结合土地单元适宜性级别的高低情况，分别赋予其一定的适宜性系数。比如，最高级别的适宜性系数为1，其他级别的适应性系数通过如下函数表达式：

1-（Gsuit-1）×（1/19）进行科学计算分析。

然后，在上述土地整理适宜性系数函数表达式基础上，经过对多目标粒子群土地整理项目选址的总体适应性目标函数模型进行加权评价，从而得到如下新的函数模型：

其中，在上述函数模型中，多目标粒子群土地整理适宜度通过fst（s）进行表示，而该多目标粒子群土地整理项目选址的具体目标条件为：

当确保该选址模型方案中的fST （s）趋于最大时，该多目标粒子群土地整理项目选址效益达到最优。因此，将上述多目标粒子群的土地整理项目区选址规则与选址目标函数进行综合，即可得到该多目标粒子群的土地整理项目选址模型的最终目标函数表达式[4]：

多目标粒子群的土地整理项目选址模型应用结论

总而言之，多目标粒子群的土地整理项目选址本质上是一个多目标空间优化决策问题。本文通过对我国某地土地整理项目选址模型进行案例分析，最终本文认为：

多目标粒子群土地整理项目选址模型中的土地整理适应性以及新增加的耕地潜力、土地空间集中连片这三大主要目标之间存在一定的冲突现象，而且这三者中任意一个目标函数值增加，都会对另外两个目标函数的参数值造成巨大影响。因此，土地整理项目选址规划决策者，可以通过科学调配这三大目标函数的实际权重系数，不断满足其实际的土地整理项目选址需求。

为了确保该多目标粒子群土地整理项目中，新增耕地率高于最低限值，需在该函数模型中引入约束性条件，从而有效促进该多目标粒子群的土地整理项目选址方案能够不断满足实际需求。

在对多目标粒子群土地整理项目进行选址模型分析时，通过将GIS空间数据处理能力与多目标粒子群算法的智能进化搜索能力有机结合在一起，然后按照我国土地整理项目选址的实际函数模型及具体选址原则，可充分挖掘我国多目标粒子群的土地整理潛力，从而优化土地整理项目的选址空间与具体选址结构布局。

3 结束语

综上所述，土地整理项目选址是一个复杂的经济学问题。其不仅在模型构建过程中，需要分析其中涉及的模型构建目标以及实际的约束性条件等，而且对于非理想状态下的土地整理项目选址建模，还需要更加深入的研究分析。本文在论述过程中，为了保证该多目标粒子群的土地整理项目选址模型分析具有一定的科学性和完整性，重点结合了我国某地土地整理规划项目进行案例分析，因此可以弥补传统土地整理项目选址过程中存在的具体缺陷。

参考文献

[1]王华，刘耀林，姬盈利.基于多目标微粒群优化算法的土地利用分区模型[J]. 农业工程学报，2012，28（12）：237-244.

[2]汪文雄，陈梦华，杨钢桥.基于价值链增值的农地整治项目前期阶段效率测度研究[J].自然资源学报，2013，（12）：2189-2200.

[3]胡海龙，曾永年，张鸿辉，等.多智能体与蚁群算法结合选址模型：长沙市生态用地选址[J].资源科学，2011，33（06）：1211-1217.

[4]刘名冲，刘瑞卿，张路路，等. 基于粒子群优化投影寻踪模型的土地整治综合效益评价研究[J].土壤通报，2013，（05）：1047-1052.