土地利用空間優化配置研究進展

謝鵬飛等

摘要：

土地利用空間優化配置是指土地要素在地域空間上的定性、定量和定位，是目前的研究熱點之一。本文依據國內外土地利用空間優化研究的最新成果，概述了土地利用空間優化的概念、理論體系及一般流程；重點闡述了土地利用空間優化配置的方法與模型，從理論原則、模型構建、算法優化、與GIS空間分析模塊結合四個角度分析了各種土地利用空間優化配置方法的優缺點；最后提出土地利用空間優化配置的展望，認為土地利用空間優化仍可從理論完善、單個模型或算法的改進、轉換規則的優化等幾個方面進行提高。

關鍵詞：土地利用空間優化配置；模型；構建；算法改進；轉換規則

中圖分類號：F301文獻標識號：A文章編號：1001-4942（2015）03-0138-06

Research Progress of Spatial Optimization Allocation of Land Use

Xie Pengfei， Zhao Xiaoqing*， Zhang Longfei

（College of Resource Environment and Earth Science， Yunnan University， Kunming 650091， China）

AbstractSpatial optimization allocation of land use， one of the hot issues， means quality， quantity and spatial position of land elements in regional space. In this paper， the concepts， theoretical system and general process of spatial optimization allocation of land use were summarized based on the latest research results at home and abroad. The methods and models of spatial optimization allocation of land use were the key explaination， and the advantages and disadvantages of the methods were analyzed from theoretical principles， model building， algorithm optimization and combination with GIS spatial analysis module. Finally， the prospect of spatial optimization allocation of land use was put forward. It could be improved from perfecting theories， ameliorating a single model or an algorithm， and optimizing the conversion rules.

Key wordsSpatial optimization allocation of land use； Model； Construction； Algorithm improvement； Conversion rule

土地利用優化配置（Optimization Allocation of Land Use）是指開發利用土地，促進社會、經濟、生態的協調可持續發展。這種優化主要是針對區域內特定土地資源在利用方式、數量結構、空間布局以及綜合效益等方面的優化[1，2]。土地利用的數量結構優化是最先出現的研究課題[3，4]，然而隨著研究的不斷深入，以經濟效益最大化為目標的數量結構優化已不能解決土地利用中存在的諸多問題，空間優化逐步成為目前土地資源優化配置的主要內容[5]。土地利用空間優化配置（Spatial Optimization Allocation of Land Use）是指在既定的規劃目標前提下，根據一定的技術手段和方法，對某一區域范圍內的土地資源，從利用結構、利用方式、時空等角度進行系統、科學、綜合的安排、設計和布局，并得到由點、線、面組成的多目標、多層次、目標效益最大化的土地利用空間配置方案[6]。

當前RS、GIS以及信息科學技術的不斷發展完善，以及對土地利用的動態監測、空間分析、模擬預測能力不斷加強，越來越多的學者在土地利用數量結構優化研究的基礎上，轉而投入到對土地利用空間格局優化研究的方向上來。本文在前人研究基礎上分析總結了土地利用空間格局優化的理論體系、基本流程以及優化方法，將有利于促進土地利用研究領域的完善和創新。

1土地利用空間優化配置的理論體系

土地利用空間優化配置是一個復雜、綜合的過程，其目的在于合理利用土地資源實現區域社會、經濟、生態協調與可持續發展。其理論體系主要包含以下幾個方面。

1.1區位論

區位論是為尋求合理空間活動而創建的，最早的區位論是1826年杜能提出的“杜能圈”；典型的區位論還包括韋伯工業區位論、克里斯塔勒中心地理論以及廖什市場區位論。區位論從點、線、面等區位幾何要素對地理空間布局的思想進行歸納演繹，對優化模型的構建以及從區域協調發展的角度提升空間地類轉換的評判規則有較大的指導意義。

1.2區域經濟學理論

從經濟學的角度，重點對土地利用過程中產生的經濟效益進行評價，主要包括增長極核理論、極差地租理論、土地報酬遞減理論等。區域經濟學理論對指導土地資源合理配置以獲得最大經濟效益、同時協調不同地域空間組織的資源訴求有重大影響，如對我國城鄉土地一體化空間均衡規劃研究等有較好的借鑒意義[6]。endprint

1.3生態學方面的相關理論

首先，土地利用變化的過程也是生態景觀格局演變的過程，為此將景觀生態學的理論思想引入到土地空間格局優化中來具有重要的實際意義。其次，生態位理論將土地利用類型表述為不同的生態位，繼而調整土地利用的空間布局。生態學的理論觀點在土地利用空間優化過程中主要為建模提供決策依據，如MCR模型。

1.4可持續發展理論

該理論興起于20世紀五六十年代，涉及自然、環境、社會、經濟、科技、政治等多個方面，考慮公平性、持續性和共同性原則。可持續發展是土地空間優化所要考慮的重要內容，對土地利用空間優化的指導意義主要表現在約束函數以及轉換規則的設定上。

1.5最優化理論

該理論是近十幾年形成的，通過各種數學方法，如線性規劃、隨機規劃等，為不同的系統提供優化途徑及解決方案，主要針對管理問題和生產經營活動。土地利用空間優化既是管理問題又是一種生產經營活動，最優化理論的研究方法將對空間優化的建模過程形成比較透徹的思路。

2土地利用空間優化配置的一般流程

土地利用空間優化配置是從土地利用結構優化配置的基礎上進一步發展而來，是土地利用優化的高級形式。依據配置的主要內容，其主體流程見圖1。

圖1土地利用空間優化配置的一般流程

空間優化配置必須在結構優化的框架下進行，原因在于空間優化是從時空的角度對土地要素進行布局，而這些土地要素在規劃期內的最佳面積、合理比例等是通過結構優化實現的。因此，土地利用空間優化配置首先需要對區域土地利用現狀進行分析，結合區域中各種自然、社會、經濟條件，評價其土地利用的適宜性，并依據區域發展規劃的目標制定數量結構優化方案，之后選定空間優化方法模型，結合空間地類的轉換規則實現區域土地利用的空間優化配置。

3土地利用空間優化配置的方法

土地利用空間優化配置最早起源于對城市空間格局的研究，從1826年杜能發表《孤立國》一書開始到現在，土地利用優化經歷了數量結構優化的成熟到如今空間結構優化興起的過程[6]。對于土地利用的空間優化配置，國內外許多學者就相關領域做了大量的研究工作，如：Matthews等[7]采用GIS與環境模型相結合的空間決策方法，研究了農村土地利用規劃的空間決策問題；Stewart[8]、Porta[9]等分別對遺傳算法（GA）在多目標條件下和不同并行模式（多核并行、群集并行）下的土地利用空間優化進行模擬；王新生等[10]基于模擬退火算法（SA），研究了城市土地利用空間布局；Eldrandaly[11]采用基因表達規劃算法（GEP），結合GIS的空間分析，認為能較好地實現多目標條件下的土地利用空間優化；黎夏等[12]采用基于神經網絡和元胞自動機（CA）相結合的空間優化模型，改進了單CA模型在地類模擬轉變中的不足，并減少了CA模型中復雜參數的設定；張鴻輝[13]、Ralha[14]等采用多智能體系統（MAS），分別以長沙市和巴西塞拉多地區的土地利用變化進行模擬，實證MAS，取得良好的效果；馬世發[15]、劉小平[16]等基于微粒子群優化算法（PSO），依次對縣域城鎮土地利用空間布局及宏觀經濟變量和社會驅動力以及多限制條件下的大區域土地利用空間布局進行模擬。另外還有其他一些模型或者算法在土地利用空間優化配置中的應用等，如：最小阻力模型（MCR）、多目標土地利用空間配置法（MOSOLUA）、蟻群算法等。

歸納起來，土地利用空間優化配置主要從理論原則、模型構建、算法優化等角度以及結合GIS的空間分析模塊四個方面進行研究。

3.1基于理論原則的土地利用空間優化方法

不少學者從生態安全、土地資源綜合承載力、土壤水分分布、土地開發適宜性評價、城鄉用地統籌安排、基本農田保護等角度提出土地利用的相關控制目標，繼而在這些理論研究的基礎上對某一地區的土地利用空間布局進行優化。如李暉等在對香格里拉縣生態用地規劃時，認為構建不同的景觀安全格局能夠為區域性的生態用地規劃提供對策，提出“源”外第一層為禁建區、第二層為限建區、第三層為適建區[17]。金志豐等[18]借助土地開發適宜性分區成果，提出宿遷市的差別化區域土地利用方式與管制措施，將宿遷市分為建設用地重點保障區和農用地重點保障區等6種類型區[18]。

基于理論原則的土地利用空間優化，主要優點在于優化決策層的構建是建立在相關成熟研究基礎上的，優化過程中所要考慮的控制因子易于尋求；但同時這也是該方法的缺點，即因素層單一，如基于土壤水分分布的空間優化，并不能很好地將生態、經濟效益等其他方面考慮進去。總體上來說該方法比較簡單實用。

3.2基于模型構建的土地利用空間優化方法

基于模型構建的優化方法是指針對土地利用空間優化過程中涉及到的優化影響因子，在規劃目標的指導下，通過構建模型提出有組織規劃的綜合決策方案，其主體過程如圖2所示。

圖2基于模型構建的土地利用空間優化過程

模型構建法通過各種參數的運算結果計算土地利用類型圖中各柵格的轉換概率，來實現不同情景模式下或者目標前提下的土地利用空間布局。當前土地利用空間優化的模型構建方法

較多，各種新模型的提出和對已有模型的改進是許多學者研究的重點，常見模型主要有以下幾種，見表1。

另外還有系統動力學模型（SD）、人工神經網絡模型（ANN）、多目標土地利用空間優化模型（MOSOLUA）等，各種模型各有其優缺點。當前不少學者也在不斷嘗試將不同的模型結合起來，對特定區域的土地利用空間變化進行模擬，如黎夏等[13]采用基于神經網絡的元胞自動機模擬復雜土地利用系統，此種方法的好處在于不需要用戶去設定CA模型的轉換規則，而是通過ANN-CA模型的糾正模塊自動獲取模型參數。模型構建法深受系統論思想的影響，能較為全面地考慮土地利用空間優化過程中的各種社會、經濟、生態等限制因素，且模型能充分體現人的主觀行為在土地利用中的作用，因而模擬過程更容易貼合現實情況，使優化結果較好，如基于MAS的土地利用空間優化中，Agent的設定范圍可以涵蓋現實中各個利益體對土地的訴求，能充分模擬現實情況。但是該方法涉及的驅動因素層較多，資料收集困難，尋優程序繁雜。endprint

模型名稱模型概述特點應用實例

多智能體系統（MAS） 20世紀70年代末提出；多個具備自主性、交互性、反應性的Agent在給定行為知識庫條件的限制下，自下而上，通過協調尋求整體最佳規劃方案的一種模型。 從土地利用主體出發，獨立的Agent行為通過協調產生整體最佳結果，即將復雜的土地利用空間優化問題耦合成簡單任務，同時Agent又具備一定的學習、適應和推理能力；可以克服單個Agent的知識不完全、處理問題不全面等缺點。[13]

元胞自動機模型（CA） 20世紀50年代 Stanislan Ulam和John von Neumann提出；由離散、多維、具有限狀態集的元胞通過一定的轉化規則，在時間和空間上進行演化的動力學模型，由元胞、狀態集、鄰域和轉換規則四部分組成。 CA模型主要用于解決幾何空間關系，其難點在于模型糾正和轉換規則的確定。在土地利用空間優化中，CA模型可以很好地模擬土地利用動態變化的過程，但是基于純粹幾何關系的鄰域定義并不能很好地反映真實地理空間作用。[12]

最小累積阻力模型（MCR）最早由Knaapen等人于1992年提出；由“源”向外經過不同的阻力單元擴散，計算達到目標點所要克服的阻力總和，用阻力值衡量源到某一點的易達性，采用阻力面分析地類轉換的概率，繼而確定土地利用空間格局。 MCR模型多用于生態景觀格局分析中，根據MCR模型，容易從“點源”、“廊道線”、“阻力面”出發，進行土地功能分區，能充分體現土地單元的空間格局，且除確定阻力值需要專家打分外，大部分工作由計算機完成，具有較強的可操作性。[19]

CLUE-S模型 Verburg等人于2002年在CLUE基礎上開發而來；在土地利用變化受區域土地需求驅動的假設下，由非空間模塊和空間模塊組成；非空間模塊用于選取土地利用變化的驅動因素并逐年分析預測土地需求變化；空間分析模塊將這種變化序列通過Logistic回歸得到的土地類型概率分布，再加上轉換規則并結合初期土地利用現狀對后續土地利用空間格局進行動態模擬。 CLUE-S適于模擬小尺度的土地利用空間格局變化，改變轉換系數值能快捷地設置不同情景模式下的土地利用變化。缺點在于模型對各種參數極為敏感；土地轉化規則設定的主觀性過高；不適用于模擬飛地較多的區域等。[20]、[21]

3.3基于算法的土地利用空間優化方法

基于算法的土地利用空間優化多是模擬自然界中的尋優過程，如遺傳算法、蟻群算法等，繼而引入到土地利用空間優化中來。算法優化的開始階段多是輸入基期年土地利用現狀圖，通過柵格轉換規則以及變異函數形成新解，即包括各地類柵格數量和空間位置的柵格圖層，再依據判斷函數決定是否接受解，如此循環迭代，最終完成區域土地利用的空間優化。基本過程如圖3所示。

算法的關鍵在于如何采取適當的方式描述問題，特別是轉換規則的設定需要包含面積約束、距離約束、方向約束、形狀緊湊性約束、同類單元的鄰接性約束等。常見的幾種算法見表2。

基于算法的優化方法還有很多，如人工免疫算法、人工魚群算法等，同時對算法的改進與算法間的結合應用也是比較熱門的研究內容。這類方法是從問題的最終結果入手，通過某種算法對優化結果解或者解集的隨機擾動，并從這些變異的解中搜索出問題的最優解的過程。其優點在于：思路簡單、應用范圍廣，易于用戶接受；是一種基于概率的全局搜索，不需要設定繁雜的偏好權重以迎合多目標處理的需要。但其缺點也不容忽視：易“早熟”產生局部最優解。如SA的優化過程，其迭代次數與收斂函數（降溫過程）決定變異的好壞，一旦內外循環的收斂速度過快將導致局部最優解的形成，而過慢則會產生大量冗余迭代，影響運算速度，其他算法也有類似的缺點。

3.4基于GIS空間分析模塊的土地利用空間優化方法

隨著計算機軟硬件技術的發展，目前世界上主流的地理信息類軟件如ArcGIS、MapInfo、MapGIS甚至Erdas、ENVI等軟件的空間分析能力不斷加強，結合GIS空間分析功能的土地利用空間優化方法也應用廣泛。如趙筱青等基于GIS空間分析技術和“成本距離加權”制圖分析工具，并結合MCR模型構建廊道、輻射道、戰略點等生態格局組分，劃分六類土地功能分區[5]；Matthews等通過GIS與環境模型的耦合，提出農村土地利用規劃的空間決策模型，該模型能使土地管理者提前預知在嘗試改變土地利用方式后所帶來的影響，從而避免不必要的損失[7]。

算法名稱算法簡介特點應用實例

遺傳算法（GA） 20世紀60年代中期由Holland等人提出；通過模擬生物的遺傳進化，先生成目標函數的隨機解集，然后基于解的自適應大小在父代解集中進行選擇、雜交、變異形成新解集，依此逐步迭代形成最優解的全局搜索算法。 GA算法與具體問題的相關性很低，具有較高的通用性；算法從解集開始迭代尋優過程對于全局最優解的確定較為有利；算法的重點在于“染色體”即解的編碼方法和自適應值判斷函數的確定。算法的缺點在于不適合大規模組合的求解運算，求解過程存在大量冗余迭代。[8]、[9]

模擬退火算法（SA） Kirkpatrick等人于1982年提出；模擬固體降溫過程，包括狀態產生函數、狀態接受函數、溫度更新函數、溫度更新準則和算法終止準則。先確定初始解，再隨機擾動形成新解，然后判斷是否接受，最終尋求空間最優解的過程。 SA算法適于處理高復雜度和高維數的問題；其內循環的降溫函數和適度的Markov鏈長度以及外循環的溫度更新函數能有效限制局部最優解的形成；缺點在于初始溫度和降溫系數不好界定，同時Metropolis準則在判斷是否接受新解時可能遺失當前最優解。[10]

粒子群優化算法（PSO） Kennedy和Eberhart于1995年提出；模擬鳥類覓食過程的全局尋優算法，包括自身記憶模塊、自身認知模塊和群體經驗模塊三個部分。根據初始解集計算適應值，然后依據自適應值和群體最優適應值以及隨機系數產生新解，以此循環，在檢驗條件限制下選出最優解的過程。 PSO算法適用于復雜高維數問題的求解；編程簡單易于操作；除不雜交外，新解集的產生類似GA算法，但其同時考慮了群體經驗的作用使得計算速度會比較快，但是由于其收斂性方面的研究薄弱易導致局部最優解的形成。[15]、[22]endprint

基因表達規劃算法（GEP） 葡萄牙學者Ferreira在2001年末提出；模擬生物遺傳進化過程，類似GA算法，只是在基因編碼時采取編碼區與非編碼區結合的設定，非編碼區的存在為變異提供了更大的空間。 GEP特殊的基因（解）的編碼形式能夠擴大變異空間，克服GA算法的復雜性不足，又能避免陷入過早收斂的境地；GEP算法能有效限制局部最優解的形成，對于全局尋優有利。[11]

蟻群優化算法（ACO） 由意大利學者Colorni A、Dorigo M和Maniezzo V等人在1992年提出；模擬螞蟻行為，包括適應階段和協作階段。先確定初始解集，然后采取螞蟻個體自身判斷函數和蟻群信息素的協作函數進行移動，即新解集，如此循環迭代搜索空間最優解的過程。 ACO的優點在于解的變異考慮了自身與整體適應度的作用，類似PSO算法，利于全局尋優。缺點在于由于每次迭代會保留一部分舊解，因此適應階段的變異函數的確定必須充分考慮，否則容易出現局部最優解。[23]

結合GIS空間分析模塊的土地利用空間優化，直接采用GIS軟件已有的工具進行，方法簡單實用、可操作性強，而且優化過程能比較直觀地通過圖層反映出來，亦不需要經過復雜的模型或者算法設計，且兼容性好，配合其他模型或者算法能發揮出極大的優勢。缺點在于固定式的功能模塊不能很好地適應不同地域的環境情況，靈活性較差。

4結論與展望

綜上所述，基于理論研究的土地利用空間優化配置多是結合景觀生態學、資源環境經濟學等，從土地的適宜性和社會經濟效益的角度來進行；基于模型構建的空間優化屬于“先決策，后尋優”類型，需要研究者對區域土地利用空間優化的各方影響因素、因素權重有比較透徹的了解，同時還需要對模型中各種參數進行細致的校正；基于算法的空間優化則屬于“先定優，后變優，再擇優”的類型，本文提到的幾種算法均屬于此類，且基于算法的空間優化不需要研究者對優化的具體決策影響因素有透徹了解，易于接受和實現優化過程；與GIS空間分析結合的優化方法則是以圖層為操作對象，經過疊加、插值、加權、柵格計算等實現空間優化。

通過總結相關優化配置方法，筆者認為今后土地利用空間優化配置研究應該從以下幾個方面加強：

4.1理論體系的擴展完善

土地利用空間優化配置的理論體系，目前多是從社會、經濟、生態三個方面來考慮，缺乏更深層次的系統思想。如還可以結合美國學者霍爾提出的系統工程論，從知識維、時間維、邏輯維三個方面考慮控制論、信息論、社會科學等針對不同的優化階段提升優化模型的模擬精度。

4.2單個模型或算法仍有較大的改進空間

目前在土地利用空間優化配置中用到的典型模型或算法仍有較大的改進空間。如MAS還可以從行為地理學的角度完善各個Agent的協同作用和反饋作用，SA算法中Metropolis判斷準則的改進等；各模型在不同地理環境下的適用性研究也比較缺乏，尤其是對基于理論層次的優化方法而言更是如此；同時對于區域中自然保護區、基本農田等限制發生轉變的地類，由于當前的模型或算法多是基于轉換系數值的設定，并不能很好地模擬含有此種地類區域經濟發展的需要，使這些地類容易脫離區域的總體框架，不利于產生最佳的區域優化格局，因此，如何在模型中正確處理自然保護區、基本農田等限制發展地類的優化也是有待改進的一個方面。

4.3提升轉換規則的評價局限

當前多數模型或算法判斷地類是否發生轉變的轉換規則，多是從社會效應、經濟效益、環境友好、政策允許這四個方面出發來計算其綜合效益，從而判斷是否發生轉變。然而在全球化視角下，這種評判標準是否適合區域協調發展的需要，尤其是對于港岸城市、邊境城市、經濟特區、國防重鎮等，還有待驗證。因此適當考慮區域協調發展和全球市場的影響將會提高模型或算法在模擬土地利用空間優化配置的綜合效益。

參考文獻：

[1]

劉書凱，曲福田.土地經濟學[M].北京：中國農業出版社，2004：147-148.

[2]倪紹祥，劉彥隨.區域土地資源優化配置及其可持續利用[J].農村生態環境，1999，15（2）：8-11.

[3]李超，張鳳榮，宋乃平，等.土地利用結構優化的若干問題研究[J].地理與地理信息科學，2003，19（2）：51-55.

[4]劉榮霞，薛安，韓鵬，等.土地利用結構優化方法評述[J].北京大學學報，2005，41（4）：655-662.

[5]趙筱青，王海波，楊樹華，等.基于GIS支持下的土地資源空間格局生態優化[J].生態學報，2009，29（9）：4892-4894.

[6]羅鼎，許月卿，邵曉梅，等.土地利用空間優化配置研究進展與展望[J].地理科學進展，2009，28（15）：792-793.

[7]Matthews K B， Sibbald A R，Craw S.Implementation of a spatial decision support system for rural land use planning：integrating geographic information system and environmental models with search and optimization algorithms[J].Computers and Electronics in Agriculture， 1999，23（1）：9-26.

[8]Stewart T J， Janssen R， van Herwijnen M.A genetic algorithm approach to multiobjective land use planning[J].Computers & Operations Research， 2004， 31：2293-2313.endprint

[9]Porta J，Parapar J， Doallo R， et al. High performance genetic algorithm for land use planning[J].Computers， Environment and Urban Systems， 2013，37：45-58.

[10]王新生，姜友華.模擬退火算法用于城市土地空間布局方案[J].地理研究，2004，23（6）：727-733.

[11]Eldrandaly K.A GEP-based spatial decision support system for multisite land use allocation[J].Applied Soft Computing，2010，10 （3）：694-702.

[12]黎夏，葉嘉安.基于神經網絡的元胞自動機及模擬復雜土地利用系統[J].地理研究，2005，24（1）：19-26.

[13]張鴻輝，曾永年，譚榮，等.多智能體區域土地利用優化配置模型及其應用[J].地理學報，2011，66（7）：972-984.

[14]Ralha C G. A multi-agent model system for land-use change simulation[J].Environmental Modelling & Software，2013，42：30-46.

[15]馬世發，何建華，俞艷.基于粒子群算法的城鎮土地利用空間優化模型[J].農業工程學報，2010，26（9）：321-326.

[16] Liu X P， Ou J P， Li X，et al. Combining system dynamics and hybrid particle swarm optimization for land use allocation[J].Ecological Modelling，2013，257：11-24.

[17]李暉，易娜，姚文璟，等.基于景觀安全格局的香格里拉縣生態用地規劃[J].生態學報，2011，31（20）：5928-5936.

[18]金志豐，陳雯，孫偉，等.基于土地開發適宜性分區的土地空間配置——以宿遷市區為例[J].中國土地科學，2008，22（9）：43-50.

[19]劉孝富，舒儉民，張林波，等.最小累積阻力模型在城市土地生態適宜性評價中的應用——以廈門為例[J].生態學報，2010，30（2）：421-428.

[20]王麗艷，張學儒，張華，等.CLUE-S模型原理與結構及其應用發展[J].地理與地理信息科學，2010，26（3）：73-76.

[21]張丁軒，付梅臣，陶金，等.基于CLUE-S模型的礦業城市土地利用變化情景模擬[J].農業工程學報，2013，29（12）：246-253.

[22]王華，劉耀林，姬盈利，等.基于多目標微粒群優化算法的土地利用分區模型[J].農業工程學報，2012，28（12）：237-244.

[23]李明.蟻群算法在土地利用結構優化中的應用[J].安徽農業科學，2011，39（14）：8461-8462.endprint