本發(fā)明屬于城市生態(tài)環(huán)境管理領(lǐng)域，具體涉及一種基于多生態(tài)效益目標(biāo)的城市藍(lán)綠空間形態(tài)優(yōu)化方法。

背景技術(shù)：

1、藍(lán)綠空間是城市發(fā)展中關(guān)注的重要對(duì)象。過往的城市化進(jìn)程割裂了原有生態(tài)本底，藍(lán)綠空間受到干擾、侵占，其生態(tài)效能被嚴(yán)重削弱。此外，城市藍(lán)綠空間建設(shè)實(shí)踐中存在“形態(tài)”和“生態(tài)”分離的現(xiàn)象，也限制了城市藍(lán)綠空間協(xié)同下的生態(tài)效益發(fā)揮。藍(lán)綠空間優(yōu)化成為我國城市轉(zhuǎn)入“存量”發(fā)展后的重要研究課題。城市藍(lán)綠空間具有多重生態(tài)服務(wù)功能，但以往的形態(tài)優(yōu)化方法僅針對(duì)城市藍(lán)綠空間的單一生態(tài)效益，缺乏對(duì)綜合生態(tài)效益的考量，與城市建設(shè)實(shí)踐應(yīng)用存在一定距離。因此，如何在綜合統(tǒng)調(diào)多生態(tài)目標(biāo)基礎(chǔ)上，實(shí)現(xiàn)城市藍(lán)綠空間形態(tài)的優(yōu)化是本領(lǐng)域需要解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問題，本發(fā)明公開了一種基于多生態(tài)效益目標(biāo)的城市藍(lán)綠空間形態(tài)優(yōu)化方法，突破了以往研究中僅針對(duì)單一生態(tài)目標(biāo)優(yōu)化的局限性和不足，通過構(gòu)建基于遺傳算法的城市藍(lán)綠空間形態(tài)優(yōu)化模型，實(shí)現(xiàn)了統(tǒng)調(diào)城市碳增匯、降溫、雨洪韌性和生物多樣性等多個(gè)生態(tài)效益目標(biāo)下的城市藍(lán)綠空間形態(tài)優(yōu)化，并通過熵權(quán)法能夠快速獲取最優(yōu)城市藍(lán)綠空間布局方案，實(shí)現(xiàn)城市藍(lán)綠空間形態(tài)優(yōu)化，促進(jìn)城市藍(lán)綠空間協(xié)同發(fā)展及生態(tài)環(huán)境質(zhì)量提升。

2、為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：

3、一種基于多生態(tài)效益目標(biāo)的城市藍(lán)綠空間形態(tài)優(yōu)化方法，具體包括以下步驟：

4、s1，設(shè)置城市藍(lán)綠空間形態(tài)優(yōu)化模型決策變量，

5、s2，設(shè)置城市藍(lán)綠空間形態(tài)優(yōu)化模型初始性參數(shù)，

6、s3，構(gòu)建城市藍(lán)綠空間多生態(tài)效益目標(biāo)函數(shù)，

7、s4，設(shè)立城市藍(lán)綠空間形態(tài)優(yōu)化模型約束條件，

8、s5，基于nsga-ⅱ算法(non-dominated?sorting?genetic?algorithm?ii，又稱非支配排序遺傳算法ii)進(jìn)行城市藍(lán)綠空間形態(tài)優(yōu)化，獲得多生態(tài)效益目標(biāo)的帕累托前沿解，

9、s6，用熵權(quán)法篩選出最優(yōu)城市藍(lán)綠空間布局方案；

10、優(yōu)選地，s1所述決策變量包括用地類型編碼、面積、周長、地理位置坐標(biāo)和地塊可轉(zhuǎn)換值，所述設(shè)置城市藍(lán)綠空間形態(tài)優(yōu)化模型決策變量包括以下子步驟：

11、步驟1，對(duì)遙感影像數(shù)據(jù)進(jìn)行土地用地分類；

12、步驟2，將土地用地分類數(shù)據(jù)進(jìn)行重分類，提取城市藍(lán)綠空間分布；

13、步驟3，構(gòu)建土地利用類型編碼映射表；

14、步驟4，將城市藍(lán)綠空間面積、邊界、類型等特征基礎(chǔ)數(shù)據(jù)轉(zhuǎn)化為json(javascriptobject?notation)數(shù)據(jù)，并和土地利用類型自定義類型編碼一起構(gòu)建決策變量；

15、優(yōu)選地，s2所述初始性參數(shù)包括種群數(shù)量、迭代次數(shù)、交叉率和突變率；

16、優(yōu)選地，s3所述多生態(tài)效益目標(biāo)包括碳增匯目標(biāo)、降溫目標(biāo)、雨洪韌性目標(biāo)、生物多樣性目標(biāo)；所述構(gòu)建碳增匯目標(biāo)函數(shù)，具體方法為：將土地利用類型面積和碳增匯系數(shù)相乘，得到碳增匯效益，碳增匯目標(biāo)的計(jì)算公式為：

17、

18、式中：k為土地利用類型的總數(shù)，ck為第k種土地利用類型的碳增匯系數(shù)；ak為第k種土地利用類型的總面積；

19、所述構(gòu)建降溫目標(biāo)函數(shù)，具體方法為：將不同用地類型的降溫強(qiáng)度系數(shù)和對(duì)應(yīng)用地類型面積相乘，得到降溫效益，降溫目標(biāo)的計(jì)算公式為：

20、

21、式中：k為土地利用類型的總數(shù)，ik是第k種土地利用類型的降溫強(qiáng)度系數(shù)，ak為第k種土地利用類型的總面積；

22、所述構(gòu)建雨洪韌性目標(biāo)函數(shù)，具體方法為：利用土地利用類型面積和徑流控制系數(shù)的乘積計(jì)算雨洪韌性效益，計(jì)算結(jié)果同時(shí)還需滿足城市建成區(qū)的雨水徑流率規(guī)范標(biāo)準(zhǔn)，雨洪韌性目標(biāo)的計(jì)算公式為：

23、

24、式中：k為土地利用類型的總數(shù)，wk是第k種土地利用類型的雨洪消解系數(shù)，ak為第k種土地利用類型的總面積；

25、所述構(gòu)建生物多樣性目標(biāo)函數(shù)，具體方法為：用藍(lán)色面積與綠色面積相加再除以總面積，生物多樣性目標(biāo)的計(jì)算公式為：

26、

27、式中：agrass表示所有綠色空間的總面積；awater表示所有藍(lán)色空間的總面積；asum表示所有類別區(qū)塊的總面積；k為土地利用類型的總數(shù)，ak為第k種土地利用類型的總面積。

28、優(yōu)選地，s4所述約束條件包括空間約束、區(qū)域約束和其他約束；所述的區(qū)域約束指的是生態(tài)用地紅線約束、不可變動(dòng)的建設(shè)用地約束、具有生態(tài)保護(hù)或文化保護(hù)特殊性的區(qū)域約束；所述的空間約束是指用地類型空間流轉(zhuǎn)策略；所述其他約束為土地利用類型斑塊面積非負(fù)約束和地塊類型轉(zhuǎn)換約束；

29、優(yōu)選的，s5所述的基于nsga-ⅱ算法進(jìn)行城市藍(lán)綠空間形態(tài)優(yōu)化包括以下子步驟：

30、步驟1，輸入s1和s2獲得的決策變量和初始性參數(shù)；

31、步驟2，在matlab(matrix&laboratory)軟件中隨機(jī)生成的一組藍(lán)綠空間布局方案的集合，并計(jì)算每個(gè)藍(lán)綠空間布局方案對(duì)應(yīng)的生態(tài)目標(biāo)效益值；

32、步驟3，根據(jù)計(jì)算初始化的藍(lán)綠空間布局方案在多個(gè)目標(biāo)函數(shù)上的適應(yīng)度大小進(jìn)行分層排序，得到帕累托前沿解；

33、步驟4，運(yùn)行交叉和變異操作，生成一輪新的方案。所述的交叉和變異操作是指通過結(jié)合任意兩個(gè)步驟2中隨機(jī)生成的藍(lán)綠空間布局方案的信息來產(chǎn)生一個(gè)新的藍(lán)綠空間布局方案；

34、步驟5，合并步驟3和步驟4所得的方案；

35、步驟6，基于步驟5獲得的方案，首先計(jì)算其適應(yīng)度大小并進(jìn)行分層排序得到帕累托前沿解，然后利用精英保留策略篩選方案，最后得到新的方案集合；

36、步驟7，循環(huán)操作步驟4到步驟6，直至達(dá)到最大迭代次數(shù)，然后輸出優(yōu)化方案解集，所述的解集是帕累托前沿解圖和每個(gè)方案對(duì)應(yīng)的決策變量數(shù)據(jù)。

37、優(yōu)選地，s6所述用熵權(quán)法篩選出最優(yōu)城市藍(lán)綠空間布局方案包括以下子步驟：

38、步驟1，對(duì)基于碳增匯目標(biāo)、降溫目標(biāo)、雨洪目標(biāo)和生物多樣性目標(biāo)優(yōu)化后的函數(shù)值進(jìn)行歸一化處理；

39、步驟2，對(duì)每個(gè)目標(biāo)函數(shù)，計(jì)算其在所有解中的信息熵；

40、步驟3，基于信息熵，逆向計(jì)算出每個(gè)目標(biāo)的權(quán)重；

41、步驟4，將基于將通過熵權(quán)法計(jì)算四個(gè)目標(biāo)的權(quán)重占比輸入優(yōu)化模型，重新運(yùn)行優(yōu)化模型，得最優(yōu)方案的決策變量數(shù)據(jù)；

42、步驟5，基于計(jì)算得到的決策變量數(shù)據(jù)，利用arcgis軟件(arc?geographicinformation?system)中的【json轉(zhuǎn)要素】工具生成相應(yīng)的最優(yōu)城市藍(lán)綠空間形態(tài)方案圖。

43、本發(fā)明的有益效果為：

44、本發(fā)明所述的一種基于多生態(tài)效益目標(biāo)的城市藍(lán)綠空間形態(tài)優(yōu)化方法，突破了以往研究中僅針對(duì)單一生態(tài)目標(biāo)優(yōu)化的局限性和不足，通過構(gòu)建基于遺傳算法的城市藍(lán)綠空間形態(tài)優(yōu)化模型，實(shí)現(xiàn)了統(tǒng)調(diào)城市碳增匯、降溫、雨洪韌性和生物多樣性等多個(gè)生態(tài)效益目標(biāo)下的城市藍(lán)綠空間形態(tài)優(yōu)化，并通過熵權(quán)法能夠快速獲取最優(yōu)城市藍(lán)綠空間布局方案，實(shí)現(xiàn)城市藍(lán)綠空間形態(tài)優(yōu)化，促進(jìn)城市藍(lán)綠空間協(xié)同發(fā)展及生態(tài)環(huán)境質(zhì)量提升。