耦合MOP-FLUS模型的滇中城市群“三生”空間格局優化

趙壽露， 李石華， 許新惠， 李應鑫， 楊文仙， 邱利丹

(1.云南大學 地球科學學院, 昆明 650500; 2.云南省基礎地理信息中心,昆明 650034; 3.云南師范大學 旅游與地理科學學院, 昆明 650500)

三類空間(生態-生活-生產，簡稱“三生”)作為國土空間研究范式，既反映了區域土地利用結構，也反映了國土空間代表性功能，它們之間緊密相連，相輔相成。“三生”空間格局變化對區域的生態環境和社會經濟產生重要影響。因此，實現“三生”空間格局優化，提高區域內國土空間利用效率，有助于區域發展定位和厘清發展重點與方向，從而實現國土空間有序多元化發展。

近年來，“三生”空間優化協調問題備受研究者青睞。相關學者圍繞“三生”空間的結構以及布局優化問題，從評價方法創新[1-7]、模型耦合優化[8-17]、設定算法體系[18-23]等方面入手開展了大量研究。在功能劃分評價分析方法創新中[1-7]，孫麗娜等[6]從“三生”空間視角出發，運用景觀指數法以及GIS空間分析法對研究區域“空間”的現狀進行分析，最終得到土地利用優化布局方案。孔衛鵬[7]通過指標分析法與加權疊加各因子的方法對資源型城市進行適宜性評價，最終獲取分值比較獲取“三生”空間優化結果。在模型耦合優化創新中[8-17]，基于模型構建的優化配置方法主要有多智能體系統[13]、元胞自動機(CA)[14]和人工神經網絡模型(ANN)[15]等。如林伊琳等[16]通過耦合MCR模型、FLUS模型以及Markov模型，實現了研究區域的“三生”空間格局優化方案。曹帥等[17]通過探索“結構+約束+布局+準則”定式，利用GeoSOS-FLUS與MOP模型對研究區域內的土地利用結構調整以及空間布局進行了優化。在算法支持體系研究中[18-23]，優化配置方法主要有遺傳算法(GA)[18]、蟻群算法(ACO)[19-20]、粒子群算法(PSO)[21]、人工蜂群算法(ABC)[22]等。如龔媛[21]通過設置ESV值最大化，設置土地適宜性最大化等目標構建LUOA的MOP模型，并且在此基礎上運用PSO算法，實現了研究區域土地數量結構調整與空間布局優化研究。耿瑞雪[23]基于蟻群算法(ACO)構建模型，在GeoSOS系統中實現土地利用空間優化。

通過梳理以上“三生”空間優化協調的相關理論和應用研究可以看出，開展“三生”空間優化協調研究時間較早，已積累了較為豐厚的理論基礎，但是相關的評價方法以及模型耦合較為單一。運用MOP模型解決“三生”空間數量結構優化問題，實現整體效益最大化，并耦合FLUS模型進行“三生”空間布局模擬，實現“三生”空間格局優化協調，將有助于提高區域經濟效益與生態效益，從而迎合當下生態環境保護日益受到重視的時代背景的需求。

因此，區別于以上研究，本文以“三生”空間布局優化與協調為目標，構建出符合城市群發展實際的“三生”空間分類體系。設定生產和生活空間發展情景，生態空間發展情景，“三生”空間協調發展3種情景，運用MOP模型與FLUS模型對滇中城市群2030年“三生”空間布局進行優化，并進行景觀格局分析。以期為滇中城市群實現“十四五”規劃中的“培育經濟新增長點，堅定不移走綠色發展道路”目標提供參考與建議。

1 研究區概況與數據來源

1.1 研究區概況

滇中城市群(位于東經100°43′—104°49′，北緯24°58′—25°09′)是國家重點培育的19個城市群之一，是典型的高原山區城市。規劃范圍包括昆明市、曲靖市、玉溪市和楚雄州及紅河州北部7個縣市，共49個縣(市、區)組成，劃分為昆明城區、滇中新區、宜良城區、富民城區4個城區單位。國土面積為111 402.00 km2，總人口2 300萬人。地勢起伏較大，動植物資源與旅游文化資源豐富，礦產資源儲量大，生態環境質量總體較好，位于云南省中部，是向外輻射的中心，也是協調區域發展的中心。

1.2 數據源及數據預處理

(1) 本文涉及的2010年、2020年土地利用類型數據為矢量數據。來源于國家基礎地理信息中心全球地表覆蓋數據產品服務網站(DOI：10.11769)；運用ArcGIS軟件將研究區兩期土地利用數據劃分為300 m×300 m 柵格單元進行處理。

(2) DEM高程數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http:∥www.gscloud.cn/)，分辨率90 m。根據DEM數據提取坡度、坡向數據。交通、水系、居民點等距離數據通過歐氏距離法計算得到；社會經濟數據(人口密度、人均GDP、人均可支配收入等)由云南省統計年鑒獲取。

2 研究方法

2.1 “三生”空間分類體系構建

依據《第三次全國土地調查地類分類表》標準，在土地利用功能類型基礎上，遵循分類原則，構建出符合發展實際的“三生”空間分類體系。依照此體系對滇中城市群現狀土地利用類型進行分類，劃定生態、生活和生產空間。“三生空間”用地分類體系見表1。

表1 “三生”空間用地分類體系

2.2 MOP模型

MOP模型即多目標規劃模型，是基于決策變量、目標函數、約束條件3個模塊進行效益優化較為科學的重要模型，能在主觀或客觀條件下，使得某個或多個目標達到最值，是研究地理學、區域經濟發展的基本數學模型。

2.2.1 情景設置 根據滇中城市群的區域優勢、資源稟賦、生態保護保護目標、經濟社會發展等實際，本文設置了優先滿足生產和生活空間發展、優先滿足生態空間發展、“三生”空間均衡協調發展3種情景。結合德爾菲法與專家意見，確定3種情景中經濟與生態效益目標權重值。

情景1：優先滿足生產和生活空間發展。考慮到生產和生活空間聯系緊密，功能交叉，實際面積略小，設定優先滿足滇中城市群居民生產和經營、居住與休閑空間發展。優先進行產業結構優化，帶動城鎮發展，使經濟效益最大化。生態效益目標權重0.2，經濟效益目標權重0.8。

情景2：優先滿足生態空間發展。依據自然資源的有限性以及生態文明建設的重要性，設定生態空間發展。在保證現有生產與生活空間不被壓縮的前提下，大力推進區域生態環境建設，使生態效益最大化。生態效益目標權重0.8，經濟效益目標權重0.2。

情景3：“三生”空間均衡協調發展。為了使國土空間優化更為全面與協調，設定生態-生活-生產空間均衡發展。加強對國土空間的綜合利用程度，提升區域城鎮化進程并保障生態可持續發展。從而優化國土空間結構，提高空間利用效率。生態效益目標權重0.5，經濟效益目標權重0.5。

2.2.2 目標函數構建

(1) 生態效益目標。結合滇中城市群的實際情況，采用謝高地等[24]的中國生態系統服務價值當量因子表進行生態效益估算。

maxFESV=∑Pi×xi

(1)

式中：FESV為生態效益(萬元)；xi為各類國土空間的面積(km2)；Pi為第i種國土空間的單位面積生態系統服務價值系數(萬元/km2)。

(2) 經濟效益目標。

maxFs=∑Ki×xi

(2)

式中：Fs為經濟效益(萬元)；xi為各類國土空間的面積(km2)；Ki為各類國土空間的經濟效益系數(萬元/km2)。通過2010年與2020年研究區3類國土空間平均產值與對應面積之比，得到經濟效益系數；通過2010年與2020年研究區3類國土空間平均生態系統服務總價值與對應面積之比，得到生態效益系數(表2)。

表2 滇中城市群各類國土空間單位面積經濟、生態效益系數

(3) 約束條件。為保證多情景下的未來生態、生活、生產3類國土空間符合自然發展規律和相關規劃預期，本文與區域土地利用總體規劃調整政策相銜接，結合研究區2010—2020年“三生”空間內包括的多種土地利用變化規律來構建約束條件(表3)。

2.3 GeoSOS-FLUS模型

GeoSOS-FLUS模型是基于區域內土地利用變化規律與自然生態發展效應，模擬未來土地利用的模型[25]。它由人工神經網絡(ANN)模型，集成系統動力學模型和元胞自動機(CA)組成。運用ANN模型來獲取元胞轉換為各種用地類型的可能性；運用SD模型預測不同社會經濟和自然環境驅動因素下的地區范圍內土地利用情景；運用CA模型中的自適應的慣性競爭機制來處理復雜系統不同土地利用類型之間的競爭與互動。FLUS模型是進行國土空間布局優化研究中比較常見的科學模型。

2.4 景觀指數選取

景觀指數可以用于定量表示空間粒度和時間粒度內的“三生”空間變化，建立格局與過程之間的聯系。本文根據研究目標，考慮到“三生”空間量化分析的重點以及不同景觀指數的特點，選取了6個景觀指數來進行“三生”空間格局分析，見表4。

表3 約束條件構建

表4 景觀指數選取

3 結果與分析

3.1 “三生”空間分布特征

依據“三生”空間分類體系對滇中城市群2010年、2020年現狀土地利用類型進行分類，劃定生態、生活和生產空間(圖1)。

(1) 2010年生態空間面積71 756.96 km2，占比64.41%，在研究區西部分布面積較廣，生態建設較為完整；生活空間1 977.68km2，占比1.78%，分布較為破碎，主要集中在研究區中部，其余地區零星分布；生產空間37 667.36 km2，占比33.81%，在研究區東部分布較廣，在研究區南部分布較為集中，呈團簇狀聚集分布。

圖1 滇中城市群2010年、2020年“三生”空間現狀分布

(2) 2020年：生態空間面積71 355.24 km2，占比64.05%，生態空間面積占比減小，被生活與生產空間擠占；生活空間3 989.45 km2，占比3.58%，區域城鎮化進程加快，生活空間不斷向周邊蔓延，其中研究區中部、南部、東北部擴張最為明顯；生產空間36 057.31 km2，占比32.37%，由于生活空間擴張，生產空間面積減小，分布破碎不完整。

3.2 多情景下“三生”空間效益分析

基于生態效益目標與生態效益目標和多目標情景約束條件，利用Markov Chain和MOP模型得到3種情景方案下2030年滇中城市群及生態效益值以及經濟效益值(表5)。各國土空間的用地類型數量結構差異明顯，其中，林地、草地、建設用地對生態效益和經濟效益具有直接且顯著的影響。

表5 多情景效益對比分析

(1) 優先滿足生產和生活空間發展情景中，生態空間x1面積為68 107 km2,其中林地x11面積40 847 km2，水域x12面積1 017 km2，草地面積22 925 km2；生產空間x2面積為39 692 km2,其中耕地面積39 609 km2；生活空間面積為3 603 km2，其中建設用地面積3 480 km2。在此情景中，林地、草地、水域面積顯著減少，建設用地與耕地增長較多，經濟效益達到最大化，相對于情景2提升5.23%，但同時生態空間發展遭到抑制，生態效益值最低。這個情景不符合地區走綠色可持續道路的方針及政策。

(2) 優先滿足生態空間發展情景中，生態空間x1面積為73 255 km2,其中林地x11面積48 648 km2，水域x12面積1 122 km2，草地面積23 410 km2；生產空間x2面積為34 846 km2,其中耕地面積34 561 km2；生活空間面積為3 301 km2，其中建設用地面積3 198 km2。在此情景中，建設用地與耕地面積增長停滯，林地、草地、水域面積顯著增加，生態效益相對于情景1增幅顯著，達到2.99%，但是經濟效益較低，難以保證滇中城市群經濟快速發展。

(3) “三生”空間均衡協調發展中，生態空間x1面積為71 714 km2,其中林地x11面積45 303 km2，水域x12面積1 118 km2，草地面積22 991 km2；生產空間x2面積為35 993 km2,其中耕地面積35 694 km2；生活空間面積為3 695 km2，其中建設用地面積3 478 km2。在此情景中，用地類型的數量結構較為合理，經濟效益與生態效益同時達到最優化，既不限制經濟快速發展，又能保證生態空間發展建設平穩實現。

3.3 多情景下“三生”空間分布格局

3.3.1 FLUS模型精度驗證 本文以2010年“三生”空間分布數據為基礎，應用FLUS模型模擬2020年的“三生”空間分布。并利用研究區2020年“三生”空間現狀分布數據進行對比驗證(圖2)。Kappa指數為0.79，總體精度為92.23%，模擬精度較高，符合模擬要求，可在此數據和模型之上進行模擬研究。

圖2 滇中城市群2020年實際“三生”空間布局與

3.3.2 多情景下“三生”空間分布模擬結果 以2020年“三生”空間分布數據為基礎，通過FLUS模型模擬得到滇中城市群2030年3種情景設定下的“三生”空間分布模擬結果，分布格局如圖3所示。

(1) 情景1。首先居民生產空間以及生活空間得到充分發展，生態空間受到壓縮，滿足人口擴張及經濟發展需求。生活空間由中心至四周邊緣不斷填充擴張，生態用地轉換為生產及生活用地，研究區中部及南部最為明顯。

(2) 情景2。嚴格控制生活及生產空間發展，維護生態安全，以生態環境建設為第一要素。生態用地保留完整，生活及生產用地擴張得到抑制。

(3) 情景3。在此情景中，在保證生態安全的前提下，促進產業經濟發展，實現生態空間、生活空間、生產空間三類國土空間的有序協調發展。生態用地小部分轉換為生活及生產用地，分布較為聚集緊湊，有利于城市群產業發展以及生態保護。

由上述數據可知，區別于情景1大力發展區域經濟，破壞生態安全平衡，以及情景2抑制區域城鎮化發展進程，影響區域經濟發展，情景3中提出的“三生”均衡協調方案，符合滇中城市群的實際情況，能夠較好的優化生態-生活-生產空間布局，實現經濟建設與生態環境建設并重發展。

3.4 多情景下景觀格局指數分析

將FLUS模型模擬得到的3種情景下的滇中城市群2030年“三生”空間格局分布圖導入Fragstats軟件，據此分別計算其斑塊類型和景觀水平指數并進行對比分析，結果如圖4所示。

圖3 滇中城市群2030年不同模擬情景下的“三生”空間布局

圖4 多情景下“三生”空間景觀尺度指數分析結果

從圖4中可以看出：(1) 從整體上看，情景1與情景2中“三生”空間斑塊分布較分散，斑塊之間聯系性不夠，系統性不強，生態過程和格局結構不夠豐富，滇中城市群生態-生活-生產空間發展比較不平衡，情景3中分離度指數較低，斑塊密度較高，位置集中，實現了空間布局上的協調性和穩定性。(2) 從各要素來看，結合景觀形狀指數與和最大斑塊指數，3種情景中生態空間在斑塊類型中面積是最大的，生產空間類型較多，生活空間斑塊形狀較復雜，但是三者相鄰程度較低。彼此之間互相獨立存在，這樣不利于生態空間發揮整體生態效益，空間發展不平衡，在情景3中有效規避了這些問題，斑塊破碎度降低，斑塊之間相鄰度增加，增強了生態-生活-生產空間之間的聯系互動。同時香濃多樣性指數增加，能夠看出在此情景中，國土空間豐富度較高，發展較為平衡。

4 討 論

(1) 本文選取的滇中城市群屬于高原山區城市群，相比于平原地區的城市群，生活及生產空間分布更為分散，地形崎嶇在一定程度上阻礙了城市建設發展，給國土空間規劃布局配置帶來難題。本文在情景1設定中，考慮到生產和生活空間之間功能交叉，面積占比較小，聯系緊密，所以將生產和生活空間作為一個整體進行設定。在后續平原地區城市群的“三生”空間優化情景設定中，可以分為生產空間發展、生活空間發展、生態空間發展、“三生”空間協調發展4個情景，可以研究增強“三生”空間規劃配置的科學性和有效性。

(2) 在MOP-FLUS模型耦合中，由于政府政策規劃文件的易變性，在模型約束條件設定上不夠全面，與實際發展情況可能產生偏差，如何在模型因素構架上考慮地更為全面，使分析結果更為準確，將是今后國土空間優化布局配置的研究重點。

(3) 本文采用景觀指數分析模擬優化結果，內容從景觀分析角度出發，后續研究可從“三生”空間土地利用結構分析角度進行考慮，選取“三生”空間功能信息熵、功能性多樣性等確切的評價單元來進行分析。

5 結 論

本文在土地利用功能類型基礎上，構建分類體系得到2010年與2020年滇中城市群“三生”空間占比結果，基于生態效益目標與生態效益目標，在多種約束條件下設定了3種情景方案，應用MOP模型得到各情景的生態效益值與經濟效益值，其中情景3經濟效益提高4.46%，生態效益提高1.87%，之后以2020年“三生”空間分布數據為基礎，通過FLUS模型模擬得到滇中城市群2030年3種情景設定下的“三生”空間分布模擬結果，總體精度0.92，驗證了方法的精準性，其中情景3空間布局最為合理，最后采用景觀水平指數對滇中城市群2030年“三生”空間格局進行對比分析，情景3異質性斑塊之間連接度較高，聯系緊密，斑塊類型在景觀中呈均衡化趨勢分布，從而優化了滇中城市群的“三生”空間格局。結果表明：“三生”空間協調發展情景達到了優化協調滇中城市群國土空間的目標，實現了整體綜合效益的最大化，“三生”空間分布格局得到優化且生態過程和格局結構更為豐富，為后續協調滇中城市群經濟生態發展提供決策參考。