一种耦合进化算法与FLUS模型的土地利用变化模拟模型

研究如何在土地利用变化模拟过程中更为科学、客观地设置模型参数，对于避免复杂模型由于参数设置不当导致模拟效果不佳的问题具有重要意义。本文通过耦合进化算法（Evolutionary Algorithm,EA）与FLUS模型，构建了具有参数寻优功能的EA-FLUS模型。该模型首先通过进化策略对FLUS模型中人工神经网络模型的参数进行寻优，以提升对各土地利用类型出现概率分布的预测准确率，在此基础上结合地理分区，利用带精英策略的遗传算法与进化策略的组合对FLUS模型中元胞自动机模型的参数进行调整，以提升模拟精度。在实证研究阶段，本文以桂林市为实验区，通过对土地利用变化进行分区模拟来分析EA-FLUS模型的改进效果，此外还设置了自然发展、耕地保护、生态优先3种情景来模拟桂林市2020—2030年的土地利用变化。结果表明：(1)进化算法对参数的寻优结果相比于基于经验以及土地利用变化历史特征的参数设置，更加贴近实验区的政策导向，更能体现各土地利用类型在不同区域间多样的发展趋势；(2) EA-FLUS模型相较于FLUS模型，在加入地理分区的土地利用变化模拟中更具优势，其模拟结果总体精度、Kappa系数、...