土地资源优化

遗传算法 粒子群 人工蜂群 案例合集

案例1：栅格土地优化，考虑土地连续性（2022.GA23）link
案例2：

---

---

1、概述

土地优化关键处理技术
1、土地连续性：优化前后，土地栅格不能太离散，否则不符合实际情况
2、土地类型转换限制：不同土地栅格可转化的类型不一样，例如：草地不能转为矿场等
3、土地栅格固定不变：有些土地栅格不能变化，如道路、河流栅格

---

2、关键技术

由于上述限制，只能自定义算子，主要涉及2类：
1）考虑栅格连续性的进化算子
2）考虑土地类型转换限制的纠错算子

3、代码

下面展示一些 内联代码片。

def writeTiff(im_data, im_geotrans, im_proj, path):
    if 'int8' in im_data.dtype.name:
        datatype = gdal.GDT_Byte
    elif 'int16' in im_data.dtype.name:
        datatype = gdal.GDT_UInt16
    else:
        datatype = gdal.GDT_Float32

    im_bands, (im_height, im_width) = 1, im_data.shape
    # 创建文件
    driver = gdal.GetDriverByName("GTiff")
    dataset = driver.Create(path, im_width, im_height, im_bands, datatype)
    if (dataset != None):
        dataset.SetGeoTransform(im_geotrans)  # 写入仿射变换参数
        dataset.SetProjection(im_proj)  # 写入投影
    im_data = im_data.astype(np.int8)

    dataset.GetRasterBand(1).WriteArray(im_data)
    dataset.FlushCache()
    dataset.GetRasterBand(1).ComputeStatistics(False)
    del dataset


def trans2Array(tifData):
    im_width = tifData.RasterXSize  # 栅格矩阵的列数
    im_height = tifData.RasterYSize  # 栅格矩阵的行数
    band = tifData.GetRasterBand(1)
    im_geotrans = tifData.GetGeoTransform()
    im_proj = tifData.GetProjection()  # 地图投影信息

    data = band.ReadAsArray(0, 0, im_width, im_height)
    return data