基于改進CoMOLA模型的鎮(zhèn)域土地利用優(yōu)化

張孟真，金曉斌,3※，韓 博，梁鑫源，周寅康,3

（1. 南京大學地理與海洋科學學院，南京 210023；2. 自然資源部海岸帶開發(fā)與保護重點實驗室，南京 210023；3. 江蘇省土地開發(fā)整理技術(shù)工程中心，南京 210023）

0 引 言

國土空間是人類賴以生存和發(fā)展的載體，是區(qū)域經(jīng)濟、社會、生態(tài)等要素相互作用的“底盤”，也是經(jīng)濟社會轉(zhuǎn)型期各類要素沖突的“焦點”[1]。它不但具有以糧食供給為主的生產(chǎn)功能，還具有提供交通、居住、娛樂等空間的生活功能，以及提供生態(tài)系統(tǒng)服務的生態(tài)功能[2]。當前土地整治正在發(fā)展為全域土地綜合整治，其利用要求也逐步轉(zhuǎn)向“全空間、全部門、全要素、全周期”內(nèi)涵引導下的系統(tǒng)優(yōu)化與整體發(fā)展[3]。在中國鄉(xiāng)村耕地碎片化、空間布局無序化、資源利用低效化、生態(tài)質(zhì)量退化[4]等現(xiàn)實問題驅(qū)動下，如何以全域土地綜合整治作為基本載體和主要抓手，統(tǒng)籌推進田水路林村綜合治理，加快國土功能修復，提高國土空間開發(fā)利用質(zhì)量和效益，實現(xiàn)土地資源數(shù)量、質(zhì)量、結(jié)構(gòu)與生態(tài)質(zhì)量“四位一體”協(xié)同優(yōu)化，是推動新時代鄉(xiāng)村振興與可持續(xù)發(fā)展的重要手段。

通過模型模擬土地利用變化過程并優(yōu)化土地利用結(jié)構(gòu)，進而引導適宜的土地利用方式是促進土地可持續(xù)利用的重要手段。國內(nèi)外眾多學者已就土地利用優(yōu)化配置模型[5-8]、土地利用結(jié)構(gòu)優(yōu)化方案[9]和用地空間布局完善[10-12]等問題進行大量研究，實現(xiàn)了方法手段從定性到定量、研究內(nèi)容從靜態(tài)到動態(tài)、規(guī)劃目標從單一到多元的逐步升級。當前相關(guān)研究可主要分成 3種類型，分別是基于線性/目標規(guī)劃的數(shù)學方法研究、借助智能優(yōu)化算法[13-14]研究和多模型耦合研究[15-16]。在線性/目標規(guī)劃方面：劉榮等[17-20]分別應用Logistic回歸、目標規(guī)劃等數(shù)學方法，構(gòu)建了土地利用空間優(yōu)化決策模型，結(jié)合案例研究解決土地利用規(guī)劃問題，實現(xiàn)了空間布局優(yōu)化。在智能優(yōu)化算法方面：Stewart等[21-24]采用遺傳算法、混合蛙跳算法、模擬退火算法等智能優(yōu)化算法模擬土地利用空間格局，以尋求多目標、多約束土地利用配置問題的Pareto最優(yōu)解。在多模型集成方面：陳影等[25]耦合多目標規(guī)劃與 CLUE-S模型對土地利用進行數(shù)量優(yōu)化和空間配置；張鴻輝等[5]將粒子群優(yōu)化算法引入多智能體系統(tǒng)，建立基于多智能體系統(tǒng)的區(qū)域土地利用優(yōu)化配置模型，均較好地實現(xiàn)了土地利用數(shù)量結(jié)構(gòu)、空間布局和效益的協(xié)同優(yōu)化。綜合而言，當前模型在解析土地利用變化機制，引導土地利用科學決策等方面發(fā)揮了積極作用，但也存在操作較為困難[23]、模擬結(jié)果與時間序列脫節(jié)、參數(shù)高靈敏性、效率不高、難保全局最優(yōu)解[26]等問題，在實踐應用中面臨一定的挑戰(zhàn)。如何抓住全域土地綜合整治契機，面向高標準生態(tài)文明建設，選取科學高效的方法優(yōu)化土地利用方式與管制手段，進而實現(xiàn)國土空間生態(tài)轉(zhuǎn)型將成為新時代國土綜合整治的重要方向之一。

基于非優(yōu)勢排序遺傳算法（Non-dominated Sorting Genetic Algorithm II，NSGA-II）的約束多目標土地利用優(yōu)化配置模型（Constrained Multi-objective Optimization of Land-use Allocation，CoMOLA）由Verhagen等[27]開發(fā)，最早被應用于荷蘭烏德勒支省Kromme Rijn地區(qū)生態(tài)、生物與生產(chǎn)之間的權(quán)衡評估。CoMOLA模型克服了一般優(yōu)化模型中非凸搜索策略的限制，具有計算過程簡潔、全局搜索能力強等特點，既能做到數(shù)量結(jié)構(gòu)與空間結(jié)構(gòu)的統(tǒng)一，又能實現(xiàn)時間序列上各種土地利用與管制狀態(tài)的有機結(jié)合。但針對全域整治“田水路林村礦”協(xié)同治理、經(jīng)濟-社會-生態(tài)效益統(tǒng)一發(fā)展的目標導向，該模型也存在中間結(jié)果利用不足、優(yōu)化結(jié)果較為主觀等缺陷。本文選取常州市金壇區(qū)直溪鎮(zhèn)為研究區(qū)，綜合考慮優(yōu)化配置中的多元目標規(guī)劃與約束控制因子，基于NSGA-II算法進行全域土地利用優(yōu)化模擬，充分利用模型優(yōu)化中間結(jié)果，延伸模型土地利用發(fā)展沖突識別功能，以便改善模型優(yōu)化結(jié)果的主觀性，旨在為有效開展區(qū)域國土空間規(guī)劃編制，指導全域土地綜合整治提供參考和借鑒。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

直溪鎮(zhèn)位于長江下游南岸，地處常州市金壇區(qū)西北部 ， 地 理 位 置 為 119°24′21.60″～ 119°32′38.40″E ，31°45′21.60″～31°53′24.00″N，全鎮(zhèn)現(xiàn)轄 12 個行政村和 3個居委會，土地總面積 106.51 km2，其中耕地面積51.62 km2，占鎮(zhèn)域總面積50.18%（圖1），截至2017年，鎮(zhèn)常住人口5.59萬人。該鎮(zhèn)地處北亞熱帶濕潤性季風氣候區(qū)，氣候溫和，四季分明，雨量充沛，日照充足；區(qū)內(nèi)自然資源豐富，糧食生產(chǎn)條件優(yōu)越，農(nóng)業(yè)基礎(chǔ)較好，第一產(chǎn)業(yè)增長穩(wěn)定；工業(yè)體系以新能源、化工、服裝等為主體，曾先后獲得“常州市農(nóng)業(yè)先進鎮(zhèn)”、“市工業(yè)先進鎮(zhèn)”、“市建筑強鎮(zhèn)”等稱號。2018年全鎮(zhèn)完成國內(nèi)生產(chǎn)總值59.5億元，實現(xiàn)一般公共預算收入2.31億元，農(nóng)民人均可支配收入2.8萬元，城鄉(xiāng)可支配收入比為 1.93。經(jīng)濟社會有序發(fā)展過程中，直溪鎮(zhèn)也面臨著土地開發(fā)利用強度加大、生態(tài)環(huán)境質(zhì)量受損、產(chǎn)業(yè)及城鎮(zhèn)建設結(jié)構(gòu)不均衡、不配套等現(xiàn)實問題。基于此，本文選取直溪鎮(zhèn)作為研究區(qū)，在新時代全域土地綜合整治導向下，面向?qū)崿F(xiàn)金壇“山水生態(tài)城市、精致休閑城市”的總體定位和與蘇南同步實現(xiàn)基本現(xiàn)代化的總體目標，力爭調(diào)整產(chǎn)業(yè)結(jié)構(gòu)以促進經(jīng)濟健康發(fā)展、保護生態(tài)環(huán)境以響應國家宏觀政策、高效利用土地以緩解人多地少沖突，全域優(yōu)化土地利用結(jié)構(gòu)布局與管理手段，實現(xiàn)高質(zhì)量高標準土地利用決策，促進區(qū)域經(jīng)濟-生態(tài)-生產(chǎn)等目標協(xié)同發(fā)展。

圖1 研究區(qū)區(qū)位圖Fig.1 Location of study area

1.2 數(shù)據(jù)來源與數(shù)據(jù)預處理

1.2.1 數(shù)據(jù)來源

本文使用的數(shù)據(jù)主要包括基礎(chǔ)地理數(shù)據(jù)、土地利用數(shù)據(jù)、社會經(jīng)濟數(shù)據(jù)、相關(guān)規(guī)劃數(shù)據(jù)等。其中空間數(shù)據(jù)包括研究區(qū)地形圖（1:2 000）、高分辨率遙感影像（ IKNOS 影像，2015年）、土地利用現(xiàn)狀圖（2018年土地利用變更數(shù)據(jù)，1:5 000）等；統(tǒng)計和規(guī)劃數(shù)據(jù)包括《金壇年鑒》（2006－2019）、《常州統(tǒng)計年鑒》（2006－2019）、常州市和金壇區(qū)相關(guān)規(guī)劃成果（城市總體規(guī)劃、土地利用總體規(guī)劃等）等；實地調(diào)查數(shù)據(jù)主要包括通過無人機航拍、現(xiàn)場調(diào)查、農(nóng)戶訪談、問卷調(diào)查等方式獲取的土地利用航片圖、農(nóng)業(yè)生產(chǎn)方式、作物種植類型等數(shù)據(jù)。

1.2.2 數(shù)據(jù)預處理

以2018年土地利用現(xiàn)狀數(shù)據(jù)為基礎(chǔ)，結(jié)合實地訪談與問卷調(diào)查數(shù)據(jù)，基于高分遙感影像目視解譯識別大棚用地，在ArcGIS中重新界定各用地類型，設定柵格大小為30 m×30 m，對其進行ASCII轉(zhuǎn)換處理，形成基期年（2018年）基礎(chǔ)數(shù)據(jù)集。具體如下：將原始土地利用類型與具體利用方式相結(jié)合，共生成13類土地利用土地管理（Land Use and Land Management，LULM）類型（表1）。

表1 土地利用與土地管理類型Table 1 Types of Land Use and Land Management (LULM)

2 研究思路、方法及內(nèi)容

2.1 總體思路

鄉(xiāng)鎮(zhèn)作為行政管理的基礎(chǔ)單元，在空間上承擔著改善農(nóng)業(yè)農(nóng)村現(xiàn)狀、承接上位規(guī)劃要求等重要職能，其土地利用既面臨鄉(xiāng)村耕地碎片化、空間布局無序化、土地資源利用低效化、生態(tài)質(zhì)量退化[4]等現(xiàn)實問題，也要面向全域土地綜合整治、生態(tài)文明建設等上位部署，是實施鄉(xiāng)村振興的重要載體。利用CoMOLA模型進行全域土地利用優(yōu)化配置可分為以下3個步驟：1）設定可行發(fā)展情景。根據(jù)研究區(qū)現(xiàn)狀以及上位規(guī)劃，擬定多種發(fā)展情景，形成約束多目標土地利用優(yōu)化配置模型的目標函數(shù)；2）構(gòu)建優(yōu)化約束條件。構(gòu)建轉(zhuǎn)型約束與面積約束，其中轉(zhuǎn)型約束通過土地利用轉(zhuǎn)換矩陣形式表示，面積約束可從區(qū)域相關(guān)發(fā)展規(guī)劃中提取并計算；3）優(yōu)化配置土地利用布局結(jié)構(gòu)。構(gòu)建模型，量化各發(fā)展情景下的指標值，通過模型進行空間優(yōu)化配置模擬，得到擬定情景下的土地利用優(yōu)化布局。在實現(xiàn)上述優(yōu)化配置的基礎(chǔ)上，借鑒城市地理學中的首位度理論[28]，基于CoMOLA模型中間結(jié)果，即不同情景下LULM優(yōu)化配置Pareto最優(yōu)解集，進行土地利用發(fā)展沖突識別，確定“首位度”高，即沖突突出地塊的LULM類型，綜合考慮優(yōu)化結(jié)果和沖突識別結(jié)果，以為全域整治提供一定的指導借鑒。

2.2 研究方法

2.2.1 NSGA-II算法

NSGA-II是在NSGA進化算法基礎(chǔ)上提出的一種基于快速非支配排序和擁擠距離的迭代式搜索方法，其排擠機制建立在個體擁擠距離之上，在遺傳過程中不斷對種群進行進化和變異等操作，并通過修剪操作淘汰擁擠距離較小個體[29]，使高適應度個體得以保存并被遺傳至下一代，直到滿足收斂條件。它具有精英保留策略、約束處理方法簡單高效等特點，是解決多目標優(yōu)化問題的一種有效手段[30]。

1）NSGA-II進化操作過程[31]為從父輩種群P中隨機選取 2個個體P1和P2，經(jīng)交叉操作產(chǎn)生 2個子代個體Q1和Q2，可用以下公式表示：

式中ηc為非負交叉參數(shù)，ηc越大，交叉后產(chǎn)生個體與父輩個體越相近。

2）變異操作過程[31]可描述為從父輩種群中隨機抽取個體P3，產(chǎn)生變異子代個體Q3，公式如下：

式中隨機數(shù)r∈[0,1]；ηm為變異分布指數(shù)，屬自定義參數(shù)，可自行調(diào)整；xmax、xmin分別為變量上下限。

2.2.2 CoMOLA模型改進

CoMOLA模型具備較強的全局搜索能力及優(yōu)越的可操作性能，但因涉及一系列轉(zhuǎn)型矩陣、面積約束和模型參數(shù)的設定，不可避免地導致優(yōu)化配置的中間成果利用不充分問題以及土地利用優(yōu)化結(jié)果的較強主觀性。鑒于此，本文擬利用CoMOLA模型優(yōu)化中間結(jié)果，即土地利用優(yōu)化配置 Pareto最優(yōu)解集，改進最終優(yōu)化結(jié)果篩選方式，延伸土地利用發(fā)展沖突識別功能，借鑒首位度思想，計算多組 Pareto最優(yōu)解中同一柵格上出現(xiàn)頻數(shù)次高與頻數(shù)最高LULM類型的頻數(shù)之比C，用來表征未來用地可能存在的沖突，實現(xiàn)了原始CoMOLA模型的功能改進，提升模型實際應用價值，模型改進見圖2。LULM 類型空間分配頻次比值越低，表明頻數(shù)差額越大，該柵格被賦予最高權(quán)重 LULM類型的科學性與適宜性越強，比值越高，說明2種LULM類型之間在該柵格處存在權(quán)衡關(guān)系，具有一定潛在沖突。沖突識別計算過程主要由Excel工具實現(xiàn)。

式中R代表同一發(fā)展情景的 Pareto最優(yōu)解集中不同LULM類型在同一柵格上出現(xiàn)的頻次，其中x指代Pareto最優(yōu)解個數(shù)，A指 Excel工作表中的某一列，用于存放LULM類型頻次值，i表示區(qū)域LULM類型；COUNTIF為Excel條件判斷語句；將同一發(fā)展情景的Pareto最優(yōu)解集呈現(xiàn)于Excel工作表內(nèi)A1～Ax列中，公式含義為在不同發(fā)展情景的 Pareto最優(yōu)解集中分別提取每個柵格被賦予每種LULM類型的頻次，統(tǒng)計結(jié)果列入同一工作表內(nèi)Ax+1～Ax+i列中。

式中F1、F2分別指同一柵格出現(xiàn)頻次最高和頻次次高LULM類型的頻數(shù)；Max與LARGE為Excel條件判斷語句，分別表示取Ax+1～Ax+i列范圍內(nèi)的每行最大數(shù)值和次最大數(shù)值，即每個柵格被賦予相同LULM類型的最高頻次與次高頻次。

通過計算 Pareto最優(yōu)解集中同一柵格上被賦予頻次次高與頻次最高LULM類型的頻數(shù)比值，將量化結(jié)果利用自然斷點法進行類型劃分，可識別土地利用發(fā)展沖突地類，即LULM類型頻數(shù)比值較高區(qū)域沖突較為明顯，可為全域土地綜合整治決策提供參考。

2.3 擬定發(fā)展情景

以研究區(qū)實際情況為依據(jù)，結(jié)合上位規(guī)劃與戰(zhàn)略發(fā)展目標，統(tǒng)籌考慮當?shù)亟?jīng)濟需求、生態(tài)保障與生產(chǎn)需要，保護和開發(fā)并舉，以2030年作為目標年，擬定以下3種發(fā)展情景，同時分別設定各情景下的LULM類型轉(zhuǎn)換規(guī)則（圖3）。

圖2 改進CoMOLA模型解析圖Fig.2 Analysis chart of improved CoMOLA model

1）經(jīng)濟優(yōu)先情景：在社會經(jīng)濟快速發(fā)展、城鎮(zhèn)化加速推動的背景下，為更好地融合社會發(fā)展趨勢，將研究區(qū)規(guī)劃為以發(fā)展經(jīng)濟為主的現(xiàn)代化村鎮(zhèn)，推動當?shù)毓I(yè)、旅游業(yè)等產(chǎn)業(yè)興起與發(fā)展，促進區(qū)域經(jīng)濟社會進步，加速城鄉(xiāng)融合，提升居民生活質(zhì)量，設定規(guī)則將經(jīng)濟效益較低的LULM類型如林地、耕地（以列表示）等轉(zhuǎn)變?yōu)楦咝б鍸ULM類型（以行表示），不同LULM類型之間的轉(zhuǎn)換規(guī)則如圖3a所示；

2）生態(tài)優(yōu)先情景：保障糧食生產(chǎn)，嚴守“生態(tài)功能保障基線、環(huán)境質(zhì)量安全底線、自然資源利用上線”，將維護生態(tài)安全作為規(guī)劃期內(nèi)的首要目標，適量減少生態(tài)效益較低的大棚、工礦用地等用地面積，將其轉(zhuǎn)換為園地、林地等高生態(tài)效益LULM類型，維持土地生態(tài)系統(tǒng)平衡，保護人類生存自然基底[32]，實現(xiàn)土地可持續(xù)利用，助力推進國土空間生態(tài)轉(zhuǎn)型，轉(zhuǎn)換規(guī)則如圖3b所示；

3）生產(chǎn)優(yōu)先情景：進一步深化農(nóng)村改革，全面激發(fā)農(nóng)業(yè)農(nóng)村發(fā)展的內(nèi)生活力和動力，適量減少經(jīng)濟作物等的種植，增加糧食作物種植面積，取代其他建設用地、工礦用地等低生產(chǎn)效益LULM類型，提高農(nóng)林牧副漁產(chǎn)量，推動種養(yǎng)業(yè)發(fā)展，保障民生，轉(zhuǎn)換規(guī)則如圖3c所示。

圖3 不同發(fā)展情景下地類轉(zhuǎn)換規(guī)則矩陣Fig.3 Matrix of land type conversion rules under different development scenarios

2.4 量化目標效益

優(yōu)化目的為求各目標函數(shù)最大值，統(tǒng)籌考慮各情景下相應指標效益最高與其他效益最高同時實現(xiàn)，即在其他效益損失最小的情況下實現(xiàn)目標效益最高的LULM全局最優(yōu)。計算目標年 3種情景下經(jīng)濟、生態(tài)、生產(chǎn)各指標的效益系數(shù)，量化目標效益以求取最大值，為外掛模型在優(yōu)化試驗中尋找最適值提供基礎(chǔ)數(shù)據(jù)，作為尋求Pareto最優(yōu)解的參考依據(jù)。

2.4.1 經(jīng)濟效益目標

利用2006－2018年經(jīng)濟數(shù)據(jù)計算各地類的經(jīng)濟效益系數(shù)，運用Matlab軟件進行灰色預測，得到目標年各地類經(jīng)濟效益系數(shù)。其中機械化糧食作物、經(jīng)濟作物分別以單位面積機械化谷物、油菜和棉花產(chǎn)值表示；非機械化糧食作物、經(jīng)濟作物分別以單位面積非機械化谷物、油菜和棉花產(chǎn)值與相應的單位面積機械成本之和表示（作物產(chǎn)值均為考慮了人工成本和物料投入的凈增加值）；園地以單位面積茶園、桑園和果園產(chǎn)值表示；林地以單位面積林業(yè)產(chǎn)值表示；農(nóng)村居民點以單位面積農(nóng)林牧漁服務產(chǎn)值表示；建制鎮(zhèn)以單位面積商品貿(mào)易及服務業(yè)產(chǎn)值表示；交通用地以單位面積第三產(chǎn)業(yè)產(chǎn)值表示；其他建設用地以單位面積旅游業(yè)產(chǎn)值表示；水域以單位面積淡水漁業(yè)產(chǎn)值表示；工礦用地以單位面積第二產(chǎn)業(yè)產(chǎn)值表示[6]；大棚以單位面積蔬菜園藝產(chǎn)值表示。以上所有產(chǎn)值均為考慮中間消耗的凈增加值，研究區(qū)經(jīng)濟效益計算方法見式（8）：

式中Z1為研究區(qū)土地利用經(jīng)濟效益，萬元；Ei為第i類LULM類型的經(jīng)濟效益系數(shù)，萬元/hm2；xi為第i類LULM類型的柵格數(shù)（i=1，2，…13），s表示單位柵格面積。

2.4.2 生態(tài)效益目標

生態(tài)質(zhì)量直接影響著人類的生存質(zhì)量。學術(shù)界生態(tài)質(zhì)量評價的方法較多，包括生態(tài)系統(tǒng)服務價值、遙感生態(tài)指數(shù)[33]等，但這些方法應用于鎮(zhèn)域尺度往往會產(chǎn)生較大誤差，故本文采用最小累積阻力模型對生態(tài)阻力評價指標體系進行改進，構(gòu)建生態(tài)基面阻力系數(shù)，采用專家打分的方式確定生態(tài)阻力評價體系權(quán)重[34]。首先對生態(tài)服務價值因子進行源的分級，按水資源充足度、植被覆蓋度、人為因素干擾等分級依據(jù)將原始地類分為7級，分別賦值5、4.5、4、3.5、3、2.5、1.5，同時構(gòu)建生態(tài)阻力評價指標體系，設定一級因子為土地開墾、農(nóng)牧業(yè)活動、礦產(chǎn)資源開發(fā)、機械化、植被覆蓋和生態(tài)敏感性，下設二級因子分別為開墾程度、活動程度、開發(fā)程度、機械化程度、覆蓋度和土地侵蝕敏感性、地質(zhì)災害敏感性、洪澇災害敏感性，并結(jié)合專家評價結(jié)果確定權(quán)重。

綜合考慮生態(tài)服務價值因子源分級及生態(tài)阻力評價情況，用源分級賦值結(jié)果與相應的生態(tài)阻力評價結(jié)果之差表示研究區(qū)LULM類型生態(tài)效益系數(shù)，研究區(qū)生態(tài)效益計算方法見式（9）：

式中Z2為研究區(qū)土地利用生態(tài)效益，萬元；Bi為第i類LULM類型的生態(tài)效益系數(shù)，萬元/hm2。

2.4.3 生產(chǎn)效益目標

生產(chǎn)效益系數(shù)測算方法同經(jīng)濟效益系數(shù)。其中機械化糧食作物、經(jīng)濟作物分別以單位面積農(nóng)場谷物、油菜和棉花產(chǎn)量表示；非機械化糧食作物、經(jīng)濟作物以對應的單位面積谷物、油菜和棉花產(chǎn)量表示；園地以單位面積茶園、桑園和果園產(chǎn)量表示；林地以單位面積林業(yè)產(chǎn)量表示；農(nóng)村居民點以單位面積肉蛋產(chǎn)量表示；水域以單位面積淡水漁業(yè)產(chǎn)量表示；大棚以單位面積蔬菜園藝產(chǎn)量表示，剩余地類暫不考慮。研究區(qū)生產(chǎn)產(chǎn)量計算方法見式（10）：

式中Z3為研究區(qū)土地利用生產(chǎn)產(chǎn)量，t；Pi為第i類LULM類型的生產(chǎn)系數(shù)，t/hm2。

2.5 構(gòu)建面積約束

為限定目標年研究區(qū)各地類數(shù)量，從土地總面積、耕地面積、建設用地面積、居民點面積和工礦用地面積等方面對地類轉(zhuǎn)換面積進行約束[25]。由于鎮(zhèn)級相關(guān)規(guī)劃收集受限，本文采取指標分解方法，依照研究區(qū)地塊面積和人口規(guī)模等現(xiàn)狀數(shù)據(jù)，設定修正系數(shù)，將區(qū)級規(guī)劃值分解至鎮(zhèn)域。

1）土地總面積恒定：各類用地面積之和等于研究區(qū)域總面積106.51 km2。

2）耕地保有量約束：轉(zhuǎn)換后的耕地總面積不少于規(guī)劃年耕地保有量4 674.84 hm2。

3）建設用地面積約束：優(yōu)化后研究區(qū)建設用地總面積不少于規(guī)劃年最低標準614.70 hm2。

4）居民點面積約束：項目實施之后研究區(qū)人均居民點用地面積不高于最高人均面積限制，即：

式中a8為農(nóng)村居民點面積，m2；b8為規(guī)劃年最高人均居民點用地面積（226.29 m2）；P0為預測人口數(shù)（6.61萬人）。

5）工礦用地面積約束：優(yōu)化后研究區(qū)人均工礦用地面積應小于規(guī)劃年人均工礦用地面積要求，即：

式中a13為工礦用地面積，m2；b13為規(guī)劃年最高人均工礦用地面積（125 m2）。

6）模型約束：各LULM類型應滿足面積為正。

2.6 設定模型參數(shù)

運用CoMOLA模型進行優(yōu)化試驗，除設定轉(zhuǎn)型矩陣和面積約束兩項必要限制條件外，還需結(jié)合試驗結(jié)果收斂性與運行時長等因素進行參數(shù)調(diào)整。在 3種情景下，固定種群規(guī)模，分別選取不同迭代次數(shù)進行優(yōu)化試驗，在迭代次數(shù)為40次時，既有相似/相近量化結(jié)果的聚集呈現(xiàn)，又能保證試驗結(jié)果的穩(wěn)健性與時間成本的高效利用。此外，迭代次數(shù)40次后試驗結(jié)果基本穩(wěn)定，因此優(yōu)選迭代次數(shù)為 40，同樣以種群規(guī)模為變量分別進行試驗，最終確定種群規(guī)模為50。

3 土地利用優(yōu)化結(jié)果分析

3.1 LULM類型高權(quán)重優(yōu)選結(jié)果

不考慮轉(zhuǎn)型期間的時間及經(jīng)濟損耗，將不同情景下定義的轉(zhuǎn)型矩陣及面積變化范圍作為約束條件，結(jié)合參數(shù)設定結(jié)果，分別在3種不同發(fā)展情景下進行優(yōu)化試驗，不同情景下均能得到多組Pareto最優(yōu)解，以任一配置結(jié)果作為最終優(yōu)化方案都會產(chǎn)生較大誤差，從而影響區(qū)域土地利用優(yōu)化配置的科學性與實用性，參考相關(guān)研究[27]，在每種發(fā)展情景的最優(yōu)解集中，每個柵格被分配到相應的LULM方式并不表示最終分配給該柵格的類型，為此，融合每一組 Pareto最優(yōu)解，通過高權(quán)重優(yōu)選，篩選出某一特定柵格被分配到的頻次最高的LULM方式作為最終結(jié)果，3次試驗后各地類面積變化情況見表2，根據(jù)最終優(yōu)化配置結(jié)果計算經(jīng)濟、生態(tài)、生產(chǎn)各效益值，各項效益均能滿足在既定情景中得以提高的目標要求，具體計算結(jié)果見表3。

表2 目標年（2030）各地類面積對比表Table 2 Comparison table of various categories by target year (2030)hm2

表3 目標年效益預測Table 3 Predicted benefits of target year

3.2 不同情景下土地利用優(yōu)化結(jié)果

經(jīng)濟優(yōu)先發(fā)展情景下，目標年經(jīng)濟效益較基期年（圖4a）增長了12.33%（圖4b），但生態(tài)效益、生產(chǎn)產(chǎn)量均有所下降，分別減少11.41%和3.73%（表3）；基于地塊比較優(yōu)勢角度[7,27]，土地利用結(jié)構(gòu)在此情景的約束條件限制下，工礦用地面積將大幅增加且趨于集聚，經(jīng)濟效益系數(shù)較低的非機械化經(jīng)濟作物用地、林地、農(nóng)村居民點等地類被同等條件下經(jīng)濟效益系數(shù)較高的園地、大棚等所取代，相較于基期年分別減少了 40.52%、52.34%和36.72%（表2），建制鎮(zhèn)、農(nóng)村居民點等建設用地分布更加零散，略有向周邊擴張趨勢，土地利用破碎化加劇，城鎮(zhèn)化與生態(tài)化呈權(quán)衡狀態(tài)，雖然經(jīng)濟效益有所提高，但整體LULM格局不利于研究區(qū)可持續(xù)發(fā)展。

生態(tài)優(yōu)先情景下（圖 4c），目標年生態(tài)質(zhì)量改善效果顯著，生產(chǎn)產(chǎn)量也有所提升，分別較基期年增長了51.68%和 0.57%，較經(jīng)濟優(yōu)先情景提高了 71.22%和4.46%，但經(jīng)濟效益較基期年降低了 8.34%（表 3）；就土地利用結(jié)構(gòu)而言，該情景下園地、林地面積分別增加到387.36和483.84 hm2（表2），原始機械化糧食作物用地約 40%被非機械化糧食作物用地取代，降低了耕收機械化對生態(tài)質(zhì)量的影響，但加大了作物耕種難度，減少了農(nóng)業(yè)產(chǎn)值，生態(tài)效益系數(shù)最低的工礦用地有99.61%被轉(zhuǎn)換為其他地類，大大減少了重工業(yè)廢氣、煙塵的排放，生態(tài)效果改善明顯，建制鎮(zhèn)布局較經(jīng)濟優(yōu)先情景稍顯集聚，利于產(chǎn)業(yè)發(fā)展與居民生活，整體破碎度較低，城鎮(zhèn)化水平不高，有利于推動國土空間生態(tài)轉(zhuǎn)型，創(chuàng)建綠水青山宜居小鎮(zhèn)。

生產(chǎn)優(yōu)先情景下（圖 4d），生產(chǎn)情況有所改善，凈產(chǎn)量提高至102 203.19 t，約為基期年產(chǎn)量的1.12倍，同時生態(tài)效益提高了8.10%，但目標年經(jīng)濟效益損失更甚，較基期年減少了10.18%（表3）；就土地利用結(jié)構(gòu)而言，耕地總面積增加了91.62 hm2，耕地結(jié)構(gòu)大體不變，生產(chǎn)系數(shù)較高的林地、大棚用地、農(nóng)村居民點面積分別較基期年增加了 220.31%、20.65%和 26.17%（表 2），整體格局未有較大改變，建制鎮(zhèn)面積減少明顯，且分布趨于集聚，在滿足規(guī)劃限制基礎(chǔ)上，更加緊湊的鎮(zhèn)域空間能促進產(chǎn)業(yè)結(jié)構(gòu)升級，有利于可持續(xù)發(fā)展。總體而言，該情景下LULM分布格局更加科學優(yōu)化，機耕糧食作物面積有所增加，耕地破碎度降低，符合農(nóng)業(yè)現(xiàn)代化、機械化與農(nóng)地規(guī)模化的發(fā)展趨勢，但主要推動經(jīng)濟發(fā)展與城鎮(zhèn)建設的建制鎮(zhèn)、交通用地等面積較為不足，可能成為限制區(qū)域發(fā)展的重要瓶頸。

3.3 不同情景下的土地利用發(fā)展沖突

在 CoMOLA模型優(yōu)化配置過程中，會產(chǎn)生一系列Pareto最優(yōu)解，表明在同一柵格上會存在多種近似最優(yōu)的LULM分配方式，即同柵格上被賦予的不同LULM類型之間存在潛在沖突，本文將這種沖突定義為土地利用發(fā)展沖突。結(jié)合上述不同情景下土地利用優(yōu)化結(jié)果，優(yōu)化配置之后，研究區(qū)經(jīng)濟收益、生態(tài)效益、生產(chǎn)產(chǎn)量均能在各項發(fā)展約束下實現(xiàn)提升，但單純推動經(jīng)濟、生態(tài)、生產(chǎn)等任一單一目標發(fā)展均難以實現(xiàn)城鎮(zhèn)可持續(xù)發(fā)展與鄉(xiāng)村振興，這表明各種現(xiàn)實利益導向與土地資源的有限性和多宜性使土地利用存在著潛在矛盾[2]。為使優(yōu)化結(jié)果更能滿足經(jīng)濟提高、環(huán)境改善、產(chǎn)量增加的要求，優(yōu)先確定特定地區(qū)LULM類型，實現(xiàn)全域土地綜合整治，進行土地利用發(fā)展沖突識別至關(guān)重要。沖突識別方法為將每種情景下的多組Pareto最優(yōu)解分別逐柵格進行LULM類型次高和最高頻次統(tǒng)計，并計算兩者比值，比值越小表示該柵格被賦予頻次最高LULM類型的科學性及適宜性越強，即沖突小，比值越高沖突越大。

圖4 不同發(fā)展情景下土地利用優(yōu)化布局Fig.4 Land use optimization layout under different development scenarios

利用自然斷點法將計算結(jié)果劃分為6個區(qū)間，經(jīng)濟優(yōu)先情景下（圖5a），頻次比處于0～0.125 5區(qū)間的土地面積占研究區(qū)總面積的68.31%，表明68.31%的土地最高與次高頻次的LULM類型數(shù)量相差較大，土地利用發(fā)展沖突小，即該區(qū)域LULM類型與地區(qū)資源本底匹配度高，被賦予最終優(yōu)化結(jié)果的科學性、適宜性較強，在后續(xù)規(guī)劃中，可考慮優(yōu)先確定該區(qū)域的LULM類型；處于其他5個區(qū)間的土地面積分別占區(qū)域總面積的3.31%、7.25%、7.26%、8.13%和5.74%，其中比值為1的絕對沖突地區(qū)占區(qū)域總面積的1.98%，部分原機械化經(jīng)濟作物用地、大棚用地等區(qū)域的優(yōu)化結(jié)果與其他LULM類型之間存在潛在沖突，在實際規(guī)劃中，可參照圖 4b優(yōu)化配置結(jié)果，根據(jù)研究區(qū)目標定位與區(qū)域特色制定發(fā)展方案。生態(tài)優(yōu)先情景下（圖5b），處于0～0.098 0區(qū)間的土地面積占區(qū)域總面積的32.81%，即僅有 32.81%地區(qū)的模型優(yōu)化結(jié)果與區(qū)域資源特點擬合度高，其中無沖突土地面積為32.60%，在實際發(fā)展中可考慮優(yōu)先確定該地區(qū)LULM類型；處于其他5個區(qū)間的土地面積分別占研究區(qū)總面積的 4.57%、7.05%、13.49%、22.45%和19.63%，其中絕對沖突地區(qū)土地面積占3.12%。生產(chǎn)優(yōu)先情景下（圖5c），各區(qū)間土地面積分別占區(qū)域總面積的76.14%、2.00%、3.64%、6.14%、5.85%和6.23%，其中絕對沖突地區(qū)土地面積占1.71%。結(jié)合各情景模型優(yōu)化配置結(jié)果與土地利用發(fā)展沖突識別分析，在沖突較大地區(qū)，可重新考量沖突地塊的LULM類型，根據(jù)區(qū)域?qū)嶋H確定更加科學高效的土地利用土地管理格局。

綜上，為實現(xiàn)多重利益導向協(xié)同發(fā)展，促進區(qū)域土地利用結(jié)構(gòu)更加均衡，利用強度更加合理，保護土地資源本底條件，同時通過模型模擬預測和沖突識別提供規(guī)劃依據(jù)，開展土地整治提高耕地質(zhì)量，間接提升耕地產(chǎn)能，在滿足耕地保有量的基礎(chǔ)上，將低效耕地更多轉(zhuǎn)換為林地、建設用地等，在提高區(qū)域生產(chǎn)產(chǎn)量的同時提升生態(tài)效益與經(jīng)濟效益，實現(xiàn)研究區(qū)多目標協(xié)同發(fā)展。因此，現(xiàn)實發(fā)展中可參考分析結(jié)果并結(jié)合地區(qū)現(xiàn)狀需求，對土地利用結(jié)構(gòu)和布局進行調(diào)控，科學決策區(qū)域土地利用類型與管理手段，為推動全域土地綜合整治與國土空間生態(tài)轉(zhuǎn)型打下扎實基礎(chǔ)。

圖5 土地利用發(fā)展沖突識別結(jié)果Fig.5 Results of land use conflict identification

4 結(jié)論與討論

4.1 結(jié) 論

基于不同發(fā)展情景，利用改進CoMOLA模型進行鎮(zhèn)域土地利用優(yōu)化配置，有利于發(fā)揮模型的實用性，協(xié)同優(yōu)化土地資源數(shù)量、結(jié)構(gòu)與目標效益，推動全域整治導向下集成全要素、耦合多目標土地利用優(yōu)化配置的實現(xiàn)。研究結(jié)果證實：1）在目標效益提升方面，經(jīng)濟優(yōu)先情景下，經(jīng)濟效益較基期年有所增長，但生態(tài)效益與生產(chǎn)產(chǎn)量均有不同程度的減少，即以一定的生態(tài)質(zhì)量和生產(chǎn)產(chǎn)量為代價換取高經(jīng)濟效益，不利于區(qū)域可持續(xù)發(fā)展；生態(tài)優(yōu)先、生產(chǎn)優(yōu)先情景下，生態(tài)效益與生產(chǎn)產(chǎn)量分別較基期年增長了51.68%和11.63%，3種情景均能實現(xiàn)相應目標。2）在土地利用數(shù)量結(jié)構(gòu)與空間布局方面，經(jīng)濟優(yōu)先情景下，工礦用地面積增多，林地與非機械化經(jīng)濟作物用地均有減少，建制鎮(zhèn)分布更加零散，土地利用破碎度提高；生態(tài)優(yōu)先情景下，耕地連片度提高，景觀破碎度降低，園地、林地面積大幅增長，土地利用結(jié)構(gòu)呈“農(nóng)業(yè)空間大于生態(tài)空間大于城鎮(zhèn)空間”態(tài)勢；生產(chǎn)優(yōu)先情景下，用地布局改變較小，但城鎮(zhèn)建設用地面積比例整體降低，土地利用結(jié)構(gòu)呈“生產(chǎn)空間大于經(jīng)濟發(fā)展空間”態(tài)勢。通過土地利用發(fā)展沖突識別可確定沖突較大的地塊位置與面積，識別結(jié)果表明，經(jīng)濟優(yōu)先與生產(chǎn)優(yōu)先情景下的模型模擬效果較好。總體而言，研究區(qū)建設發(fā)展過程中，應立足全域土地綜合整治，合理配置土地資源，提高土地利用效益，可結(jié)合土地利用優(yōu)化配置結(jié)果與發(fā)展沖突識別分析，在空間管控中充分考慮地區(qū)土地資源的多宜性、有限性與發(fā)展目標、政策規(guī)劃等相關(guān)因素，在滿足既定目標的同時面向可持續(xù)發(fā)展與國土空間生態(tài)轉(zhuǎn)型，以全域土地綜合整治助力實現(xiàn)鄉(xiāng)村振興。

4.2 討 論

新時代全域土地綜合整治是集成了田水路林村綜合治理、工礦等廢棄地復墾利用、城鄉(xiāng)低效用地再開發(fā)等傳統(tǒng)整治內(nèi)容的綜合整治工程[3]。在土地整治內(nèi)涵不斷深化、目標效益日趨多元的背景下，通過CoMOLA模型功能改進提升其實際應用價值，求解多目標土地利用優(yōu)化問題，統(tǒng)籌考慮區(qū)域全局最優(yōu)，可實現(xiàn)土地資源稟賦、空間布局、目標效益和管理手段在時間序列上的有機結(jié)合，有利于體現(xiàn)全域整治背景下多目標協(xié)同發(fā)展的要求。效益量化方面，基于實地調(diào)研結(jié)果與研究區(qū)土地資源本底特征，在全域整治概念引導下結(jié)合統(tǒng)計資料共同確定指標計算方法，在保證量化方法實際應用價值的同時體現(xiàn)區(qū)域特色；研究內(nèi)容方面，在統(tǒng)籌考慮土地利用方式優(yōu)化的基礎(chǔ)上，添加土地管理元素，實現(xiàn)了利用與管理的有機結(jié)合，運用高權(quán)重優(yōu)選最優(yōu)解方法排除實驗結(jié)果的主觀性，同時通過延伸模型功能，識別土地利用發(fā)展沖突確定LULM空間配置，為全域土地綜合整治提供了一定的決策依據(jù)。

受數(shù)據(jù)及資料獲取限制，構(gòu)建模型時并未充分考慮轉(zhuǎn)換規(guī)則和面積約束的實現(xiàn)難度以及轉(zhuǎn)型期間的發(fā)展因素，導致目標年經(jīng)濟效益增長優(yōu)勢不顯著；數(shù)據(jù)處理方面，在柵格轉(zhuǎn)換過程中由于數(shù)據(jù)精度存在差異，局部可能會出現(xiàn)數(shù)據(jù)“噪聲”；參數(shù)設置方面，考慮模型運行時間，模型迭代次數(shù)較為有限，也可能會對模型優(yōu)化結(jié)果產(chǎn)生一定影響。整體而言，上述限制所導致的誤差并不會直接影響模型應用效果與區(qū)域轉(zhuǎn)型趨勢，基于模型改進的研究成果對于指導全域整治和國土空間規(guī)劃編制仍具有參考價值。后續(xù)研究中將進一步細化基礎(chǔ)數(shù)據(jù)、完善相關(guān)規(guī)劃和管控措施，充分考慮區(qū)域發(fā)展因素，改進參數(shù)等提高算法收斂性與穩(wěn)健性，以深化對全域土地綜合整治的認識。