吳 浩，李 巖，史文中，陳曉玲，付東杰

(1.武漢理工大學(xué)資源與環(huán)境工程學(xué)院，武漢430070;2.香港理工大學(xué)土地測量與地理資訊學(xué)系，香港999077;3.武漢大學(xué)測繪遙感信息工程國家重點實驗室，武漢430079;4.中國科學(xué)院地理科學(xué)與資源研究所，北京100101)

土地利用研究是生態(tài)學(xué)與地理學(xué)交叉研究的熱點問題之一，也是當(dāng)前全球變化研究的重要組成部分［1］。深入準(zhǔn)確了解土地利用空間結(jié)構(gòu)特征，有助于全面掌握土地利用格局，達(dá)到科學(xué)合理地配置有限土地資源目的［2］。分形幾何理論主要用于描述空間對象的不規(guī)則自相似特征，在定量表達(dá)復(fù)雜的空間格局方面具有一定優(yōu)勢，近20多年來它已經(jīng)成為國內(nèi)外學(xué)者研究土地利用的重要方法之一［3-8］。但是，土地利用的空間自相似分形特征只存在于特定的空間尺度范圍內(nèi)，超出某個范圍來討論分形維數(shù)沒有意義，這個范圍就是分形維數(shù)的無標(biāo)度區(qū)間，對于土地利用空間特征來說就是分形特征存在的尺度域［9］。因此，準(zhǔn)確識別分形特征的尺度域是應(yīng)用分形理論來研究土地利用空間分形格局的前提條件。

無標(biāo)度區(qū)間的求解一直以來都是分形幾何理論研究的重要方向。傳統(tǒng)的人工判斷法和三折線法，以空間離散點分布趨勢作為出發(fā)點，憑經(jīng)驗來判斷分形無標(biāo)度區(qū)間上下界或者有效的中間段，缺乏明確客觀的理論依據(jù)，存在著主觀性較強和誤差較大的缺點。此后，Yokoya等以線性回歸理論為基礎(chǔ)，提出了相關(guān)系數(shù)法和強化系數(shù)法，但是上限的選取對計算的結(jié)果影響較為敏感，在應(yīng)用中存在一定的局限性［10］。黨建武等采用遺傳編程方法，給出了一種關(guān)聯(lián)維算法來用于識別分形無標(biāo)度區(qū)間的范圍，較適用于無標(biāo)度區(qū)較窄的情況，需要一定的人工干預(yù)［9］。茍學(xué)強等提出利用小波變換的多尺度微分特性，通過對系統(tǒng)性彎曲的多尺度識別來計算出無標(biāo)度區(qū)間范圍。但是缺乏對搜索檢驗標(biāo)準(zhǔn)進(jìn)行明確的討論，包括相關(guān)系數(shù)顯著性的檢驗、擬合標(biāo)準(zhǔn)差和剔除異常點等問題［11］。蔡金華等根據(jù)Richardson曲線的“反S”特征形成規(guī)律，提出采用基于反S的數(shù)學(xué)模型的無標(biāo)度區(qū)自動確定方法，用于地圖目標(biāo)分形無標(biāo)度區(qū)間的識別，因其要求觀測尺度必須具有足夠?qū)挼娜≈捣秶拍苓M(jìn)行識別運算，所以不具備較強的廣泛應(yīng)用性［12］。由此可見，無標(biāo)度區(qū)間的求解方法很多，且因領(lǐng)域不同也存在差異性。對于遺傳算法來說，其用于無標(biāo)度區(qū)解算的相關(guān)研究也取得了積極的進(jìn)展。陳遵德依據(jù)自動確定無標(biāo)度區(qū)原則，采用多段折線最優(yōu)逼近方法找到標(biāo)度不變區(qū)，并引入遺傳算法找到全局(或近似)最優(yōu)解，從而提高了確定無標(biāo)度區(qū)的計算速度［13］;費斌等提出了一種基于遺傳算法截取無標(biāo)度區(qū)間的方法，并將此方法應(yīng)用于磨削表面的分形研究，證明在獲得同等精度的計算結(jié)果條件下，大大縮短了無標(biāo)度區(qū)間計算時間［14］;巫兆聰在系統(tǒng)分析上述兩類無標(biāo)度區(qū)間識別方法的缺點后，提出基于標(biāo)準(zhǔn)偏差的自適應(yīng)無標(biāo)度區(qū)確定方法，并初步引入遺傳算法進(jìn)行對比分析，以驗證其有效性;但是遺傳算法隨機產(chǎn)生的種子可能存在負(fù)值，結(jié)果缺乏穩(wěn)定性［15］。范玉紅利用分形插值理論模擬了塌陷區(qū)的分形地形生成，并引入遺傳算法進(jìn)行無標(biāo)度區(qū)間最優(yōu)解和分形特征參數(shù)的求解［16］。雖然上述無標(biāo)度區(qū)間識別方法主要是針對一些特定領(lǐng)域來展開算法設(shè)計，但已經(jīng)證明遺傳算法在識別無標(biāo)度區(qū)間上具有一定的潛力，然而對于土地利用這一類空間尺度特征尤為顯著的問題來說，需要引入能夠適應(yīng)遙感影像的大尺度范圍的分析策略［15］，并根據(jù)土地利用空間格局實際分析的需要，對適應(yīng)度函數(shù)和遺傳算子開展針對性設(shè)計，才能確保無標(biāo)度區(qū)間的快速精確尋優(yōu)。

本文以武漢市武昌區(qū)水域半徑維數(shù)的計算為例，應(yīng)用遺傳算法來計算分形維數(shù)的無標(biāo)度區(qū)間范圍，并同傳統(tǒng)的方法進(jìn)行對比，驗證其識別土地利用空間分形特征尺度域的優(yōu)勢，有助于客觀地理解城市土地利用空間格局，進(jìn)而指導(dǎo)土地利用規(guī)劃的修編，輔助城市土地利用規(guī)劃以達(dá)到用地合理配置目的。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)域概況

本文所選擇的研究區(qū)域是武漢市武昌區(qū)(圖1)，地處武漢市城區(qū)東南部，位于長江南岸，與漢口、漢陽隔江相望，北至余家頭羅家港與青山區(qū)毗鄰;東、南與洪山區(qū)洪山鄉(xiāng)、青菱鄉(xiāng)交錯接壤，西臨長江。全區(qū)面積82.4 km2，戶籍人口達(dá)100.34萬，是武漢市人口最為稠密的行政區(qū)。其轄區(qū)除長江外，還有中國最大的城中湖東湖和大型瀕江湖泊沙湖，水域是其最重要的土地利用類型。這些水域不僅能夠豐富城市景觀格局，還可在防澇減災(zāi)、減緩城市熱島效應(yīng)和保護(hù)生物多樣性等方面發(fā)揮重要的作用［17］。但是，自20個世紀(jì)90年代以來，人為活動對武昌區(qū)水域的空間分布影響較大，水域空間格局特征的快速變化和生態(tài)功能的嚴(yán)重退化，已經(jīng)得到2009年第13屆世界湖泊大會等國內(nèi)外學(xué)術(shù)組織機構(gòu)的廣泛關(guān)注。

1.2 數(shù)據(jù)來源與預(yù)處理

本文選取武漢市武昌區(qū)2012年3月27日獲取的無云Quickbird多光譜遙感影像，其多光譜空間分辨率為2.4 m。根據(jù)遙感圖像的可識別度及武昌區(qū)地域性等基本原則，參照中東部地區(qū)生態(tài)環(huán)境現(xiàn)狀遙感調(diào)查土地利用/土地覆被分類系統(tǒng)［18］，采用決策樹方法結(jié)合監(jiān)督分類方法對影像進(jìn)行分類，結(jié)合由影像提取出的植被指數(shù)和監(jiān)督分類的初步結(jié)果，將武昌區(qū)的土地劃分為未利用地、林地、農(nóng)業(yè)用地、水域、草地和建設(shè)用地六種地類(圖2)。其分類結(jié)果經(jīng)精度驗證，該影像分類的總體精度為87.5%，能夠滿足后續(xù)土地利用分形維數(shù)的計算精度。

圖2 武昌區(qū)土地利用分類結(jié)果Fig.2 Land use classification results of Wuchang district

在上述處理基礎(chǔ)上，以武昌區(qū)幾何中心為圓心，利用ArcGIS軟件以等間隔逐漸遞增的尺度為半徑建立分級同心圓，從而形成緩沖區(qū)來切割土地利用分類圖，以提取水域用地在不同半徑范圍內(nèi)的面積數(shù)據(jù)，作為分形維數(shù)計算的基礎(chǔ)。

2 研究方法

遺傳算法是借鑒生物界自然選擇和自然遺傳機制的優(yōu)化隨機搜索算法，它采納了自然進(jìn)化過程中的選擇、交叉、變異、遷移等模型［19］，通過在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，控制自適應(yīng)搜索過程，得到最優(yōu)解或準(zhǔn)最優(yōu)解，具有簡單、通用以及魯棒性強等特點［20］。

2.1 流程思路

利用遺傳算法來識別土地利用空間分形特征尺度域，其主要思路是:首先利用遙感影像提取土地利用分類信息，并統(tǒng)計出不同尺度內(nèi)各類用地的面積;然后建立不同尺度范圍下的水域半徑r-面積s的雙對數(shù)散點映射關(guān)系;接著通過設(shè)計合理的適應(yīng)度函數(shù)和有效的遺傳算子，運用遺傳算法來計算水域分形特征的尺度域;最后利用位于該尺度域范圍內(nèi)的離散點，計算出半徑維數(shù)。

遺傳算法的設(shè)計是求取水域用地空間分形特征尺度域的關(guān)鍵所在(圖3)，其核心內(nèi)容包括參數(shù)編碼、初始群體的設(shè)定、適應(yīng)度函數(shù)的設(shè)計、遺傳算子設(shè)計4個方面［20］。對不同尺度下的水域參數(shù)進(jìn)行二進(jìn)制編碼，依據(jù)隨機產(chǎn)生的初始種群，計算各個體的適應(yīng)度，并判斷是否符合優(yōu)化標(biāo)準(zhǔn)。若符合，則輸出最佳個體及其代表的最優(yōu)解，并結(jié)束計算;否則，根據(jù)適應(yīng)度選擇再生個體，此時適應(yīng)度較高的個體被選中的概率較高，而適應(yīng)度低的個體則有可能被淘汰［21］。其中，新生成的個體是根據(jù)土地利用分形維數(shù)計算的需要，設(shè)計其交叉和變異的概率數(shù)值大小及優(yōu)化方法，以便產(chǎn)生新一代的種群，然后返回計算適應(yīng)度，如此循環(huán)直到輸出最優(yōu)個體為止。

圖3 整體流程圖Fig.3 The overall flow chart

2.2 適應(yīng)度函數(shù)

適應(yīng)度函數(shù)的設(shè)計對運用遺傳算法來識別土地利用空間分形特征尺度域至關(guān)重要，它是進(jìn)行遺傳操作中選擇算子的前提。適應(yīng)度越大表示離散點連續(xù)區(qū)間越好，也表示分形維數(shù)的存在是有意義的;反之適應(yīng)度越小，則對應(yīng)的離散點連續(xù)區(qū)間越差，其分形維數(shù)存在的意義不大。所以，根據(jù)適應(yīng)度的大小對離散點對應(yīng)的連續(xù)區(qū)間來進(jìn)行選擇，才能保證適應(yīng)性能較好的連續(xù)區(qū)間有更多的機會進(jìn)行循環(huán)，從而計算出正確的無標(biāo)度區(qū)間，即分形特征的尺度域。

本文是以無標(biāo)度區(qū)間離散點擬合的離差平方和平均值最小作為目標(biāo)函數(shù)，原則是其目標(biāo)值越小所對應(yīng)的適配值越大，此時該個體就優(yōu)越。由于適應(yīng)度函數(shù)的設(shè)計通常求取最大值，而此時目標(biāo)函數(shù)的離差平方和平均值為最小，故設(shè)計如下適應(yīng)度函數(shù):

式中，G是位于某一連續(xù)區(qū)間內(nèi)離散點的實測值和擬合值之間離差平方和的平均值，其表達(dá)式為:

式中，α、β為離散點擬合直線方程Y=α+βX的系數(shù)，離散點i的觀測點坐標(biāo)記為(Xi，?Yi)，對應(yīng)擬合直線上的坐標(biāo)為(Xi，Yi)，i=1，2，3，…，s…，l…，n(Xs，Ys)是第S個點，是擬合直線連續(xù)區(qū)間的起點;(Xl，Yl)是第l個點，是擬合直線連續(xù)區(qū)間的終點，且滿足1≤s≤l≤n。當(dāng)G具有最小目標(biāo)值時，適應(yīng)度值f即為最大值，此時所對應(yīng)的連續(xù)區(qū)間［s，l］ 就是無標(biāo)度區(qū)間，即存在土地利用空間分形特征的尺度域。為了避免局部最優(yōu)的假象出現(xiàn)，必須要求無標(biāo)度區(qū)間是由一定數(shù)量的連續(xù)離散點組成;此時根據(jù)樣本的個數(shù)，可以加入連續(xù)區(qū)間［s，l］ 不小于某個固定常數(shù)作為約束條件，當(dāng)搜索空間中某些點不符合上述約束條件時，則將其淘汰。

2.3 遺傳算子設(shè)計

遺傳算子包括選擇、交叉和變異3種基本形式。在適應(yīng)度函數(shù)的基礎(chǔ)上進(jìn)行選擇算子的設(shè)計，本文采用輪盤賭模型，計算出連續(xù)區(qū)間內(nèi)各個離散點所對應(yīng)的適應(yīng)度值，并求和得到該區(qū)間內(nèi)全部點的適應(yīng)度總值，此時適應(yīng)度總值即為整個輪盤，最后依據(jù)離散點所占區(qū)間的比例來決定其被選擇進(jìn)入到下一代離散點連續(xù)區(qū)間群體中的概率［22］。對于交叉算子的設(shè)計，本文采用單斷點交叉法，隨機選擇一個斷點，交換雙親離散點區(qū)間中斷點的右端，生成新的連續(xù)區(qū)間。應(yīng)用該方法，交叉概率越大，代表交換的基因數(shù)越多，其值變化就越快，故迭代解算過程的收斂速度就越快。變異算子的設(shè)計則通過改變某些基因，使子代保持一定的遺傳，又具有一定的進(jìn)化，本文采用高斯變異算子進(jìn)行變異，可以改善遺傳算法的局部搜索能力，維持群體的多樣性，并可防止出現(xiàn)早熟現(xiàn)象，特別適合土地利用在空間尺度采樣上具有離散的特點。綜合運用3種算子，通過返回適應(yīng)度函數(shù)進(jìn)行計算來判斷是否滿足優(yōu)化標(biāo)準(zhǔn)，如此循環(huán)直到輸出最優(yōu)個體為止，即求得土地利用空間分形特征的尺度域。

2.4 半徑維數(shù)

半徑維數(shù)最初由Frankhauser等在1991年提出的，直到1993年White和Engelen才開始將其用于城市土地利用空間格局的分析中。當(dāng)前，主要體現(xiàn)在用它來表達(dá)城市活動強度［23］，本文選用半徑維數(shù)來描述水域用地空間密度由城市中心到四周郊區(qū)的分布變化規(guī)律。

對于城市的某一類用地，假設(shè)以城市中心作為圓心，半徑r范圍內(nèi)的該類型用地的面積為S(r)，則S(r)的關(guān)系滿足:

式中，η為常數(shù)，D為半徑維數(shù)。半徑維數(shù)D反映了該類用地的密度從城市中心向四周變化規(guī)律。由于該維數(shù)是根據(jù)“面積-半徑”關(guān)系來定義的，所以它被稱為半徑維數(shù)［24-25］。

對公式(4)兩邊取自然對數(shù)，則將其化簡為:

根據(jù)上述回歸模型，只要測量出不同半徑r范圍的該類土地斑塊的面積S(r)，就可以利用最小二乘方法來求出半徑維數(shù)D。本文以水域的半徑維數(shù)計算為例，采用公式(4)來開展土地利用空間分形特征尺度域的識別研究。當(dāng)D＜2時，表示水體的空間分布從中心向四周逐漸衰減，呈非線性、不均勻變化，越往四周衰減速度越快;當(dāng)D=2時，表示水體從中心向四周是均勻變化的;當(dāng)D＞2時，表明水體空間分布從中心向四周非線性逐漸增大。

3 結(jié)果與討論

3.1 武昌區(qū)水域用地空間信息

以武昌區(qū)的邊界重心作為幾何中心、半徑步長r為300 m來建立圓形緩沖區(qū)，利用ArcGIS的疊置分析來分割土地利用分類圖，從中提取不同半徑范圍r中的水域面積S(r)。為了計算水域半徑維數(shù)D，分別對半徑和面積取自然對數(shù)，得到其雙對數(shù)lnr和lnS(r)，作為利用遺傳算法求解土地利用空間分形特征尺度域的直接實驗數(shù)據(jù)，見表1。當(dāng)不考慮無標(biāo)度區(qū)間存在時，可以根據(jù)表1中的數(shù)據(jù)和公式(4)計算水域的半徑維數(shù)為3.006，測定系數(shù)為0.946，標(biāo)準(zhǔn)差為0.21。

表1 武昌區(qū)不同半徑r對應(yīng)的水域用地面積S(r)Table1 The corresponding water areas r within different radiuses S(r)of Wuchang district

3.2 分形特征尺度域識別結(jié)果

在運用遺傳算法識別水域半徑維數(shù)的過程中，利用MATLAB7.0軟件的遺傳算法工具箱，選擇尺度域約束條件為l-s≥5，變量個數(shù)設(shè)置為2，種群大小為26，初始范圍設(shè)為［1，26］ ，選擇算子為輪盤賭算法，復(fù)制參數(shù)/交叉概率設(shè)為0.9，交叉算子設(shè)為單點交叉類型，變異算子選擇高斯模型。根據(jù)公式(1)和(2)編制相應(yīng)的適應(yīng)度函數(shù)，加載表1中數(shù)據(jù)后，利用遺傳算法工具箱對其進(jìn)行調(diào)用，得到水域半徑維數(shù)空間尺度的最優(yōu)解，即為無標(biāo)度區(qū)間。為了驗證遺傳算法識別土地利用空間分形特征尺度域的效果，本文選擇人工判斷法、相關(guān)系數(shù)法、強化系數(shù)法3種傳統(tǒng)方法同遺傳算法進(jìn)行對比。4種方法識別尺度域的結(jié)果如表2所示。

3.3 結(jié)果分析與精度評定

針對4種方法識別分形特征尺度域的范圍，本文采用最小二乘法對位于該范圍內(nèi)部的離散點進(jìn)行線性擬合，計算得到水域的半徑維數(shù)依次為1.375、2.118、1.310和1.285，如圖4所示。它們同不考慮無標(biāo)度區(qū)間所計算出來的半徑維數(shù)(3.006)相比，在反映分形特征上均有較大的差別，甚至是截然相反的趨勢。例如，圖4中人工判斷法、強化系數(shù)法及遺傳算法計算得到的結(jié)果均小于2，說明武昌區(qū)水域空間分形特征從中心向四周都是非線性的減弱趨勢，這同圖2遙感影像解譯出的水域空間分布信息是十分吻合的:武昌區(qū)的水域空間分布主要集中在中部的沙湖和東北部的東湖，從中心向四周發(fā)散的其它大部分方向都是減弱趨勢的。但是，當(dāng)沒有考慮無標(biāo)度區(qū)間存在情況下，如果直接利用其計算出來的半徑維數(shù)去解釋武昌區(qū)的水體空間分布格局，其趨勢應(yīng)該是從中心向四周其密度不斷增大，這完全同水域?qū)嶋H空間分布相背離。因此，分形維數(shù)的計算應(yīng)該要充分考慮無標(biāo)度區(qū)間的存在，這對土地利用空間分形特征的研究十分必要。

表2 分形特征尺度域識別結(jié)果Table2 The results of scale domain recognition for fractal feature

圖4 四種方法無標(biāo)度區(qū)間分形擬合結(jié)果Fig.4 The fitting results of scale-free region based on four methods

當(dāng)然，采用不同方法去識別分形無標(biāo)度區(qū)間范圍也存在一定的差異，其對應(yīng)分形維數(shù)擬合計算的結(jié)果也不盡相同，導(dǎo)致利用它們來評價水體空間密度的變化趨勢也有較大出入。由表2和圖4可以看出，相關(guān)系數(shù)法所得到的半徑維數(shù)為2.118，相對于不考慮無標(biāo)度區(qū)間所計算得到結(jié)果而言，二者的值都大于2;從半徑維數(shù)的意義來看，它們表明武昌區(qū)的水域空間分布特征從中心向四周是非線性增加趨勢，但這與實際情況是不相符合的，是錯誤的結(jié)果。另一方面，雖然人工判斷法、強化系數(shù)法和遺傳算法計算得到的結(jié)果均小于2，反映水域空間分布的趨勢同實際情況相符合，但是其準(zhǔn)確性也有一定差別。

為了進(jìn)一步驗證遺傳算法相對于傳統(tǒng)方法在分形無標(biāo)度區(qū)間識別上的優(yōu)勢，根據(jù)測定系數(shù)和標(biāo)準(zhǔn)差等擬合指標(biāo)來展開對比分析。從圖4可以看出，遺傳算法相對于其它3種算法來說，具有更好的分形無標(biāo)度區(qū)間識別效果。其中，人工判斷法較為簡便而直觀，在整體上比較準(zhǔn)確，但局部精度不夠。相關(guān)系數(shù)法在選擇無標(biāo)度區(qū)間上較人工判斷法更為客觀;但該方法是將雙對數(shù)點圖上所有可能的點對的組合(一般不小于3個點)進(jìn)行線性相關(guān)系數(shù)檢驗，以置信度最高或線性范圍最寬為標(biāo)準(zhǔn)來確定無標(biāo)度區(qū)間。然而，采用取置信度最高為標(biāo)準(zhǔn)通常難以使其標(biāo)準(zhǔn)合理化，因為在數(shù)學(xué)上點數(shù)較少的組合在很大程度上對應(yīng)著置信度最高的區(qū)間范圍，這也就導(dǎo)致該方法常常會陷入局部最優(yōu)的假象。在本文的對比實驗中，采用一定置信度條件下線性區(qū)間范圍最寬作為計算準(zhǔn)則，其識別結(jié)果為［900，7800］ ，基本上就等于整個實驗區(qū)分析范圍，得到的檢驗結(jié)果過于寬松，不能準(zhǔn)確反映出分形無標(biāo)度特征，這在識別離散點分布的彎曲性方面尤為明顯;同時，該方法由于屬于窮舉法，存在著計算量過大和速度較慢的缺點。強化系數(shù)法相比于前面兩種方法，其無標(biāo)度區(qū)間較為準(zhǔn)確，擬合效果好，結(jié)果也更客觀。雖然它在一定程度上改進(jìn)了相關(guān)系數(shù)檢驗法，可以有效解決無標(biāo)度區(qū)間范圍過寬的問題，但本質(zhì)上仍是一種經(jīng)驗性方法，理論上不夠嚴(yán)密，對離散點彎曲的分布(如Poisson分布)的識別能力仍不高。遺傳算法在求取無標(biāo)度區(qū)間時得到的標(biāo)準(zhǔn)差最小，擬合度的測定系數(shù)也最高，反映出遺傳算法在精度上較其它方法具有優(yōu)勢。此外，由于采用非線性搜索策略，從而具有更高的效率，一般迭代在30次以內(nèi)就可以達(dá)到最佳擬合度。因此，在土地利用空間分形特征的研究過程中，不僅要考慮到無標(biāo)度區(qū)間的存在，而且要能夠準(zhǔn)確地識別其范圍，才能確保土地利用空間分形特征研究的有效性。

4 結(jié)論與展望

本文以土地利用空間分形特征尺度域為研究對象，針對研究區(qū)水域這一典型土地利用類型，采用無標(biāo)度區(qū)內(nèi)離散點擬合的離差平方和平均值最小作為目標(biāo)函數(shù)來設(shè)計適應(yīng)度函數(shù)，提出了一種基于遺傳算法的土地利用空間分形特征尺度域的識別方法，并將其結(jié)果同傳統(tǒng)識別無標(biāo)度區(qū)間方法的計算結(jié)果進(jìn)行對比分析，主要得到以下結(jié)論:(1)當(dāng)忽略無標(biāo)度區(qū)間的存在，直接進(jìn)行分形維數(shù)的計算時，所得到的分形維數(shù)并不能真實反映土地利用空間分形特征，此時分形維數(shù)將失去意義。因此，無標(biāo)度區(qū)間的識別是計算分形維數(shù)的前提，它的存在對于開展土地利用空間分形特征的研究至關(guān)重要。(2)采用不同的方法所識別出的無標(biāo)度區(qū)間不同，其所反映的分形特征也具有差異性。只有選擇合適有效的方法才能精確地識別出無標(biāo)度區(qū)間范圍，有利于根據(jù)分形維數(shù)來合理解釋土地利用空間格局的分形特征。(3)相對于傳統(tǒng)人工判斷法、相關(guān)系數(shù)法和強化系數(shù)法來說，遺傳算法在識別分形尺度域上具有較大的優(yōu)勢?；谠撍惴ㄗR別出的無標(biāo)度區(qū)間標(biāo)準(zhǔn)差最小、擬合度最高，所反映出來的分形特征與實際空間分布最吻合。

然而，分形維數(shù)的計算結(jié)果不僅同無標(biāo)度區(qū)間大小有關(guān)，而且也與研究區(qū)域的范圍有關(guān)［24］，因此在今后的研究中需要進(jìn)一步探討多種因素對分形計算的影響。此外，采用不同遺傳選擇算子(隨機遍歷抽樣法、期望值選擇方法和錦標(biāo)賽選擇法等)來識別土地利用空間分形特征的尺度域，其效果也值得進(jìn)行深入對比分析。

［1］ Cheng L，Li F，Deng H F.Dynamics of land use and its ecosystem services in China's megacities.Acta Ecologica Sinica，2011，31(20):6194-6203.

［2］ Zhu X H，Cai Y L.Fractal analysis of land use in China.Scientia Geographica Sinica，2005，25(6):671-677.

［3］ White R，Engelen G.Cellular automata and fractal urban form:a cellular modelling approach to the evolution of urban land-use patterns.EnvironmentandPlanningA，1993，25(8):1175-1199.

［4］ Batty M.Fractals-geometry between dimensions.New Scientist，1985，105(1405):31-35.

［5］ Lam N S N.Description and measurement of Landsat TM images using fractals.Photogrammetric Engineering and Remote Sensing，1990，56(2):187-195.

［6］ Torbick N M，Qi J G，Roloff G J，Stevenson R J.Investigating impacts of land-use and cover change on Wetlands in the Muskegon River Watershed，Michigan，USA.Wetlands，2006，26(4):1103-1113.

［7］ Chen Y G，Luo J.A tentative theoretical interpretation of the fractal dimension of urban form.Urban Studies，2006，13(5):35-40.

［8］ Deng L，Wu M，Ding S L.The research on land use types in Jinxi town by using fractal theory.Energy Environmental Protection，2012，26(6):14-16.

［9］ Dang J W，Shi Y，Huang J G.The identification of fractal scaleless band in the study of fractal with computers.Computer Engineering and Applications，2003，39(12):25-27.

［10］ Yokoya N，Yamamoto K，F(xiàn)unakubo N.Fractal-based analysis and interpolation of 3D natural surface shapes and their application to terrainmodeling.ComputerVision，Graphics，andImage Processing，1989，46(3):284-302.

［11］ Gou X Q，Zhang Y J.The novel method of identifying the fractal scaleless range based on wavelet transform modulus maxima.Journal of Northwest Normal University:Natural Science，2005，41(5):28-30.

［12］ Cai J H，Long Y，Wu H H，Chen D.Automatic determination of fractal non-scale interval of map objects based on inverse‘S’mathematical model.Geomatics and Information Science of Wuhan University，2004，29(3):249-253.

［13］ Chen ZD.Theapplicayionofgeneticalgorithmtothe determination of fractal scale invariant region.Journal of Numerical Methods and Computer Applications，1996，(4):279-283.

［14］ Fei B，Jiang Z D，Wang H R.Genetic algorithm for determining scale independent fractals associated with grinding surface.Journal of Xi'an Jiaotong Unvirsity，1998，32(7):72-75，84-84.

［15］ Wu Z C.Determination of fractal scaleless range.Acta Geodaetica Et Cartographica Sinica，2002，31(3):240-244.

［16］ Fan Y H.Fractal Terra in Generation and Fractal Dimension Evolution Analysis of Subsidence［D］ .Qingdao:Shandong University of Science and Technology，2005.

［17］ Zheng H M.On function to the city from urban lake.Journal of Nanping Teachers College，2007，26(2):132-135.

［18］ SEPA(State Environmental Protection Administration).The Notification About the Present Situation Survey of the Ecological Environment in Central and Eastern Regions.(2002-04-11)［2013-11-13］ .http://www.zhb.gov.cn/gkml/zj/wj/200910/t20091022_172095.htm.

［19］ Wang X P，Cao L M.Application and Software Implementation of Genetic Algorithm.Xi'an:Xi'an Jiaotong University Press，2002:7-14.

［20］ Chen G L，Wang X F，Zhuang Z Q，Wang D S.Genetic AlgorithmandItsApplication.Beijing:Posts＆Telecommunications Press，1996:3-12.

［21］ Michalewicz Z.Genetic Algorithm+Data Structures=Evolution Programs.New York:Springer，1992:5-30.

［22］ Guo J，Chen Q W，Zhang X Q，Li W F.Optimization of lake model salmo based on real-coded genetic algorithm.Acta Ecologica Sinica，2012，32(24):7940-7947.

［23］ Chen Y G，Huang K.The fractal dimension of urban form:theoretical approach and practical significance.Journal of Xinyang Teachers College:Natural Science Edition，2002，15(1):62-67.

［24］ Jiang S G，Zhou Y X.The fractal urban form of Beijing and its practical significance.Geographical Research，2006，25(2):204-212.

［25］ Bai X P.Spatial pattern change research of land use based on fractal dimensions in Tianjin new coastal area.Journal of Anhui AgriculturalSciences，2011，39(24):14728-14730，14808-14808.

參考文獻(xiàn):

［1］ 程琳，李鋒，鄧華鋒.中國超大城市土地利用狀況及其生態(tài)系統(tǒng)服務(wù)動態(tài)演變.生態(tài)學(xué)報，2011，31(20):6194-6203.

［2］ 朱曉華，蔡運龍.中國土地利用空間分形結(jié)構(gòu)及其機制.地理科學(xué)，2005，25(6):671-677.

［7］ 陳彥光，羅靜.城市形態(tài)的分維變化特征及其對城市規(guī)劃的啟示.城市發(fā)展研究，2006，13(5):35-40.

［8］ 鄧林，吳敏，丁桑嵐.基于分形理論的土地利用空間格局分析——以金溪鎮(zhèn)為例.能源環(huán)境保護(hù)，2012，26(6):14-16.

［9］ 黨建武，施怡，黃建國.分形研究中無標(biāo)度區(qū)的計算機識別.計算機工程與應(yīng)用，2003，39(12):25-27.

［11］ 茍學(xué)強，張義軍.分形無標(biāo)度區(qū)的小波變換模極大識別.西北師范大學(xué)學(xué)報:自然科學(xué)版，2005，41(5):28-30.

［12］ 蔡金華，龍毅，毋河海，陳丹.基于反S數(shù)學(xué)模型的地圖目標(biāo)分形無標(biāo)度區(qū)自動確定.武漢大學(xué)學(xué)報:信息科學(xué)版，2004，29(3):249-253.

［13］ 陳遵德.遺傳算法在自動確定分形標(biāo)度不變區(qū)中的應(yīng)用.數(shù)值計算與計算機應(yīng)用，1996(4):279-283.

［14］ 費斌，蔣莊德，王海容.基于遺傳算法求解分形無標(biāo)度區(qū)的方法.西安交通大學(xué)學(xué)報，1998，32(7):72-75，84-84.

［15］ 巫兆聰.分形分析中的無標(biāo)度區(qū)確定問題.測繪學(xué)報，2002(31):240-244.

［16］ 范玉紅.塌陷區(qū)分形地形生成和分維演變分析［D］ .青島:山東科技大學(xué)，2005.

［17］ 鄭華敏.論城市湖泊對城市的作用.南平師專學(xué)報，2007(26):132-135.

［18］ 國家環(huán)境保護(hù)總局.關(guān)于開展中東部地區(qū)生態(tài)環(huán)境現(xiàn)狀調(diào)查的通知.(2002-04-11)［2013-11-13］ .http://www.zhb.gov.cn/gkml/zj/wj/200910/t20091022_172095.htm.

［19］ 王小平，曹立明.遺傳算法——理論、應(yīng)用與軟件實現(xiàn).西安:西安交通大學(xué)出版社，2002:7-14.

［20］ 陳國良，王煦法，莊鎮(zhèn)泉，王東生.遺傳算法及其應(yīng)用.人民郵電出版社，1996:3-12.

［22］ 郭靜，陳求穩(wěn)，張曉晴，李偉峰.基于實碼遺傳算法的湖泊水質(zhì)模型參數(shù)優(yōu)化.生態(tài)學(xué)報，2012(32):7940-7947.

［23］ 陳彥光，黃昆.城市形態(tài)的分形維數(shù):理論探討與實踐教益.信陽師范學(xué)院學(xué)報:自然科學(xué)版，2002，15(1):62-67.

［24］ 姜世國，周一星.北京城市形態(tài)的分形集聚特征及其實踐意義.地理研究，2006，25(2):204-212.

［25］ 白新萍.基于分形理論的濱海新區(qū)土地利用空間格局變化研究.安徽農(nóng)業(yè)科學(xué)，2011，39(24):14728-14730，14808-14808.