面向碳排放效率的多目標土地利用結構與布局優化研究

游和遠 張津榕 夏舒怡

摘要：研究目的：基于碳排放效率設置經濟效率優先與碳排放效率優先兩種發展情景，探究經濟發展目標與碳減排目標不同優先序組合時，土地利用結構和土地利用布局差異性優化結果。研究方法：多目標規劃模型、GeoSOS-FLUS模型。研究結果：（1）經濟效率優先情景下，研究區總經濟效率和總碳排放效率比現狀分別提高了43.32%與3.53%；城鎮工礦用地、其他農用地以及園地的面積比現狀有顯著的增加，景觀以集中的空間形態擴張；耕地和農村居民點比現狀有較大幅度的減少，景觀呈現破碎化分布。（2）碳排放效率優先情景下，研究區總經濟效率比現狀減少了3.02%，總碳排放效率比現狀提高了8.23%；園地、林地以及其他農用地面積比現狀有顯著的增加，景觀以集中的空間形態擴張；城鎮工礦用地和農村居民點面積有適度縮減，景觀呈現集中布局。研究結論：在耕地保護任務和“三區三線”管控等約束下，兼顧經濟發展目標與碳減排目標的“多目標發展導向”國土空間治理應該耦合土地政策協同管控土地利用結構和布局，合理滿足受發展目標優先序驅動的用地需求。

關鍵詞：土地利用優化；多目標規劃模型；GeoSOS-FLUS模型；碳排放效率

中圖分類號：F301.2 文獻標志碼：A 文章編號：1001-8158（2023）06-0074-10

基金項目：國家自然科學基金（71874151）；浙江省自然科學基金重點項目（LZ22G030005）。

土地承載著人類生產生活，各類土地分別以生產、生活、生態三種功能空間滿足人類多樣化需求，促進社會經濟發展[1]。改革開放以來，土地資源利用保障了我國社會經濟快速發展，但以經濟效益為優先目標的土地利用也消耗了大量的化石燃料、農用化學品等，導致土地利用碳排放量迅速增長[2-4]。當前土地利用若繼續強調經濟效益優先，必然會制約“碳達峰、碳中和”戰略目標的實現[5-6]。因此，在實施“雙碳”戰略背景下，土地利用必須兼顧經濟發展與碳減排的雙重目標。不同的土地利用類型具有差別化的自然屬性與功能，為了滿足不同目標的用地需求就需要對各種地類的數量與空間進行配置[7-8]。因此當前土地利用也需要基于土地資源的自然條件，在土地利用管控等政策的約束下，優化土地利用結構與布局來滿足多目標土地利用需求。

土地利用優化主要基于人地關系理論[9]、擇優分配理論[10]和空間均衡理論[11]，通過調整不同地類的數量與空間，適應經濟、社會和生態可持續發展的需要。近年來，不少學者圍繞土地利用結構優化開展了大量研究，通過差別化配置不同土地類型的數量，土地利用結構優化滿足了土地利用中實現經濟效益、生態效益、社會效益、工業產出、碳排放總量控制等方面目標對土地數量的需要[7-8，12-13]。多目標規劃[7]、神經網絡算法[12]、模糊數學[13]、線性規劃[8]等工具被較多地運用于土地利用結構優化中。而圍繞著土地利用布局優化的已有研究，通過不同土地類型的空間重配優化，滿足了城市增長邊界劃定[14]、城市交通影響分析[15]、土地功能空間布局[16-18]、多情景土地利用格局塑造[7，19]等領域對土地利用布局的需要。但當前通過優化土地利用結構與布局來兼顧經濟發展目標與碳減排目標的研究仍然不多，如何設計變量與模型來表征經濟發展目標與碳減排目標以及兩個目標之間的關系也需進一步探索。因此，本文使用經濟效率來表征土地利用中對經濟發展目標的追求水平，使用碳排放效率來表征土地利用中對碳減排目標的追求水平[20-21]。設置經濟效率優先和碳排放效率優先兩種發展情景來描述土地利用中經濟發展目標與碳減排目標兩種不同優先序組合，觀察兩種情景下土地利用結構優化結果，再結合土地利用驅動因子和限制轉換因子，對土地利用結構優化結果進行土地利用布局模擬，得出基于土地利用適宜性的空間分布。

1 研究區概況與數據來源

1.1 研究區概況

蕭山區隸屬于浙江省杭州市，位于浙江省北部、杭州灣南岸，地處中國縣域經濟最為活躍的長三角南翼。2021年杭州市部分行政區劃調整，本文研究區為最新的蕭山區行政區范圍，土地總面積為99 847.62 hm2。根據2018年蕭山區土地變更調查成果，蕭山區耕地面積為29 145.64 hm2，占總面積的29.19%，園地面積為2 265.66 hm2，占總面積的2.27%，林地（含草地）面積為22 984.21 hm2，占總面積的23.02%，其他農用地面積為225.67 hm2，占總面積的0.23%，城鎮工礦用地面積為4 515.43 hm2，占總面積的4.52%，農村居民點面積為24 689.60 hm2，占總面積的24.73%，交通及水利設施用地、風景名勝及特殊用地、水域、田坎和溝渠等線狀地物、未利用地（鹽堿地、沼澤地、沙地、裸地）等剩余土地類型面積為16 021.41 hm2，占總面積的16.04%。

1.2 數據來源

本文研究時點為2019年末。本文使用基于全國第二次土地調查的土地變更調查成果數據庫作為基礎數據庫，以滿足土地利用模擬訓練中兩期較長時間間隔空間數據的要求。由于基于全國第二次土地調查的土地變更調查成果只更新到2018年底，所以使用2018年蕭山區土地變更調查成果替代缺失的2019年土地變更調查成果，并作為土地利用現狀數據。此外，引入2014年蕭山區土地變更調查成果，用于土地利用模擬訓練與精度檢驗。

統一數據的地理與投影坐標系：基于土地利用現狀數據庫配準土地利用驅動因子和土地利用的限制轉換面，并轉換為統一的100 m×100 m柵格數據。土地利用驅動因子：基于30 m的蕭山區DEM數據，生成坡度、坡向數據；根據歐氏距離，計算不同地類到城市中心、鄉鎮中心、高速公路、等級公路、鐵路的距離；提取蕭山區月均降水量以及夜間燈光數據。蕭山區土地利用的限制轉換面：采用空間配準、矢量化操作，提取交通及水利設施用地、水域等現狀用地以及生態紅線等要素（表1）。

2 研究方法

土地利用數量優化較多的采用多目標規劃等工具實現土地利用結構優化[7，22-23]，隨著GIS技術和空間建模工具的發展，土地利用優化從“數量優化”演變到“空間重配優化”。黎夏等改進了FLUS模型，建立GeoSOS-FLUS模型用于模擬和預測人類活動與自然環境影響下的土地利用空間演變[24-25]。因此本文基于多目標規劃模型（Multi-objective Programming， MOP）完成土地利用結構優化，基于GeoSOS-FLUS模型完成土地利用布局優化。

2.1 多目標規劃模型

MOP模型可以實現約束條件下，規劃某個或多個目標達到最值的決策[26-27]。MOP模型包含目標函數與約束條件，本文設置經濟效率優先和碳排放效率優先兩種發展情景的目標函數和約束條件。

2.1.1 發展情景設定

本文設定經濟效率優先與碳排放效率優先兩種發展情景。經濟效率優先情景以發展經濟作為首要目標，強調從單位土地面積中獲得更多的經濟產出以滿足社會經濟發展需要。該情景強調充分挖掘經濟產出潛力較高的土地類型的效益，從而確保區域土地利用總經濟效率最大化。碳排放效率優先情景更偏向于土地低碳利用，該情景強調生態用地的保護，追求區域土地利用總碳排放效率最大化。經濟效率優先情景的多目標規劃模型首先確保總經濟效率最大化，再進行總碳排放效率最大化。碳排放效率優先情景則首先確保總碳排放效率最大化，再進行總經濟效率最大化。

式（1）中：Ee為區域土地利用總經濟效率；Xi為第i類土地類型面積；XT為區域土地總面積；Mi為第i類土地類型單位面積的經濟產出，即經濟產出強度。不同土地類型的經濟產出均以增加值表示。土地類型與《縣級土地利用總體規劃編制規程》（TD/T 1024—2010）相銜接，同時根據蕭山區土地變更調查成果，對部分土地類型處理如下：草地規模極小，合并到林地中；水域不包括內陸灘涂，內陸灘涂作為單獨土地類型（便于后續生成限制轉換面）；其他農用地主要為設施農用地，田坎、溝渠等歸為線狀地物；未利用地包括鹽堿地、沼澤地、沙地、裸地。

受統計數據限制，土地類型與產業增加值的對應關系如下：耕地對應種植業增加值減去茶桑果及花卉園藝增加值。園地對應茶桑果及花卉園藝增加值。林地對應林業增加值。其他農用地（設施農用地）對應畜牧業增加值，主要原因是設施農用地指直接用于經營性養殖的畜禽舍、工廠化作物栽培或水產養殖的生產設施用地及相應附屬用地，農村宅基地以外的晾曬場等農業設施用地，而工廠化作物栽培或水產養殖的增加值無法從種植業增加值和漁業增加值中進一步剝離，那么將畜牧業增加值與其他農用地相對應。城鎮工礦用地對應地區生產總值減去農林牧漁業增加值、交通運輸/倉儲和郵政業增加值以及旅游業增加值。農村居民點對應農林牧漁服務業增加值。由于交通及水利設施用地多呈線條狀而難以優化，水域、風景名勝及特殊用地因特殊管制面積較為穩定，內陸灘涂及未利用地缺乏相關數據，因此暫不分析這5種用地類型的經濟產出優化。

2019年蕭山區各土地類型經濟產出強度和碳排放強度見表2。

2.1.2 約束條件設定

（1）宏觀目標約束。①設置“耕地面積大于等于耕地保有量”，蕭山區國土空間規劃中耕地保有量為16 560 hm2。②設置“園地面積大于等于現狀面積，林地面積大于等于現狀面積”。③設置“其他農用地面積大于等于現狀面積，且小于等于上一輪規劃值”，目的為保證其他農用地（設施農用地）有所增加，但又要避免大幅度擴張。④設置“城鎮工礦用地面積小于等于現狀面積與新增建設用地指標之和”，國土空間規劃三區三線劃定中，蕭山區未來新增建設用地規模為2 000 hm2。⑤設置“農村居民點面積大于或等于上一輪規劃值”，農村居民點在杭州市蕭山區土地利用總體規劃（2006—2020年）中大幅度縮小，實際上難以實現。⑥交通水利設施用地、風景名勝及特殊用地、水域、內陸灘涂以及未利用地受政策、地形等的限制，難以與其他地類相互轉換，故將其數量設置為常數，取研究區土地利用現狀值作為目標值。

（2）現狀條件約束。①設置“新增園地面積與優化后耕地面積之和大于等于耕地保護責任”，蕭山區國土空間規劃因耕地非糧化整治確定了耕地保護責任指標，要求通過耕地非糧化整治，將園地等土地類型進一步轉換為耕地，規劃期末耕地保護責任為26 800 hm2。②設置“現狀園地面積、現狀耕地面積、農村居民點復墾為耕地面積3個之和大于優化后新增園地面積和優化后耕地面積之和”，當前蕭山區耕地與園地之間存在進出關系，設置此約束條件避免耕地等土地類型大規模的轉換為園地，園地規模過度擴張。其中農村居民點復墾補充耕地系數設置為0.8，原因如下：根據《杭州市蕭山區土地利用總體規劃（2006—2020年）2014調整完善版》，2013—2020年土地復墾補充耕地面積占農村居民點減少面積的86%；其次根據《杭州市蕭山區人民政府辦公室關于開展百村全域土地綜合整治與生態修復工作的通知》，2019—2021年蕭山區建設用地復墾補充耕地仍然主要來自農村居民點復墾，那么農村居民點復墾補充耕地系數仍需維持在較高的水平。

（3）耕地保護約束。①設置“優化后的耕地面積須大于等于耕地保有量與農村居民點復墾補充耕地面積之和”，作為對研究區內耕地的保護性約束條件。②設置“現狀耕地面積減去耕地保有量的差值，作為園地與林地新增面積的上限約束”，與“三調”中發現的土地利用實際情況類似，土地利用結構優化中，新增園地與新增林地面積主要來源于現狀耕地面積的縮減，因此本文設置此約束條件，以避免新增園地、林地過度占用耕地資源。③這里需要說明的是，耕地保護約束中暫不考慮耕地后備資源以及其他農用地的后備資源，因為蕭山區幾乎沒有可供開發利用的耕地后備資源。

（4）全域土地綜合整治約束。設置“城鎮工礦用地面積大于等于城鎮工礦用地乘以0.75的系數后與農村居民點轉換為城鎮工礦用地的面積之和”。全域土地綜合整治中一部分農村居民點可以轉換為城鎮工礦用地用于建新安置農民和產業發展，根據調研，對城鎮工礦用地與農村居民點之間的轉換關系進行約束，蕭山區該轉換關系系數設置為0.1。同時，城鎮工礦用地面積中包含約25%的工礦用地面積，可以通過礦區復墾等手段轉換為其他用地類型，因此設置此約束條件作為城鎮工礦用地面積的下限約束。

2.2 GeoSOS-FLUS模型

GeoSOS-FLUS模型首先基于上一期土地利用數據，并結合多種驅動力因子（氣溫、降水、土壤、地形、交通、區位等），利用神經網絡算法獲取各地類的適宜性概率，然后耦合系統動力學模型和元胞自動機模型來提高模型的適用性。其中在元胞自動機模型中，引入自適應慣性競爭機制，來處理多種土地類型在自然與人類活動共同影響下發生相互轉化時的復雜性和不確定性[31]。黎夏團隊的研究成果[24，32]提供了基于神經網絡的適宜性概率、自適應慣性系數和元胞自動機迭代方式的公式，在此不再詳細闡述。

本文GeoSOS-FLUS模型運用步驟如下：（1）選擇蕭山區高程、坡度、坡向、降水等作為自然地形驅動因子，選擇與城市中心距離、與鄉鎮中心距離、與高速公路距離、與等級公路距離、與鐵路距離等作為交通區位驅動因子，選擇人造夜間燈光數據作為社會經濟驅動因子，在GeoSOS-FLUS模型中運用神經網絡進行計算，逐柵格分析各土地類型的出現概率。（2）在蕭山區土地利用布局優化模擬時，需要考慮到生態紅線內是需要保護的生態環境，因此根據《蕭山區國土空間規劃“三區三線”劃定成果初稿》中劃定的蕭山區生態紅線，提取生態保護區域圖層作為限制轉換面予以保護。此外，一些難以在較短時間內發生用途轉換的土地類型，將其作為限制轉換用地，并根據土地利用現狀構建限制轉換地類圖層。（3）疊加限制轉換地類圖層與生態保護區域圖層，基于不同情景設置基礎系數以及地類間轉換矩陣，作為地類擴張能力的依據。再輸入MOP模型中計算得到的蕭山區土地利用結構優化結果，對土地利用布局分別進行經濟效率優先情景和碳排放效率優先情景的優化。（4）模型的精度驗證主要觀察OA和Kappa兩個參數。

3 實證分析

3.1 土地利用結構優化結果

基于Lingo 18平臺，在宏觀目標、現狀條件、耕地保護、全域土地綜合整治4類條件約束下，得到經濟效率優先和碳排放效率優先兩種情景下的土地利用結構優化結果（表4）。

經濟效率優先的情景下，城鎮工礦用地、其他農用地以及園地的面積相比現狀有顯著的增加，總經濟效率和總碳排放效率相比現狀分別提高了43.32%與3.53%。與現狀相比較，經濟效率優先的情景通過城鎮工礦用地、其他農用地以及園地等經濟產出強度較高的地類增長，提高了總經濟效率，但同時較大幅度增加了碳排放量。此情景下，林地面積與現狀保持一致，而耕地和農村居民點面積相比現狀均有較大幅度的減少。

碳排放效率優先的情景下，園地、林地以及其他農用地面積比現狀有顯著的增加。總經濟效率相比現狀減少了3.02%，相比經濟效率優先的情景減少了47.65%。總碳排放效率和總碳排放量相比現狀分別增加了8.23%和減少了11.57%；相比經濟效率優先的情景則分別增加了4.60%和減少了54.44%。此情景下城鎮工礦用地和農村居民點面積有適度縮減。耕地面積雖然出現減少，但仍大于經濟效率優先時的規模。與現狀以及經濟效率優先情景下的土地利用結構相比，碳排放優先情景下的土地利用結構優化通過小幅度縮減經濟規模實現了碳排放量較大幅度的減少。

3.2 土地利用布局優化結果

以蕭山區2014年和2018年土地利用變更數據庫為基礎，進行GeoSOS-FLUS模型精度檢驗。檢驗結果顯示，OA指數為0.924，Kappa指數為0.902，模型精度滿足要求。以土地利用現狀作為基礎數據，在相應的數量及準則控制下，對兩種情景下的土地利用布局進行優化。蕭山區經濟效率優先布局優化模擬圖與碳排放效率優先布局優化模擬圖見圖1。

基于圖1，運用Fragstats 4.2計算蕭山區土地利用現狀、經濟效率優先布局優化模擬結果、碳排放效率優先布局優化模擬結果的景觀指數。蕭山區土地利用現狀景觀分離度為0.97、香農多樣性指數為1.68、聚合度指數為66.62，整體景觀破碎化程度較高，不同景觀類型的空間聚合度一般。經濟效率優先情景下，景觀指數計算結果是：景觀分離度為0.97、香農多樣性指數為1.92、聚合度指數為67.5。整體景觀破碎化程度依然較高，不同景觀聚合度有所提高，不同土地類型景觀呈均衡化分布趨勢。碳排放效率優先情景下，景觀指數計算結果是：景觀分離度為0.96、香農多樣性指數為1.87、聚合度指數為69.2。整體景觀破碎化程度有所降低，不同景觀聚合度進一步提高，不同土地類型景觀呈均衡化分布趨勢。

對各土地類型聚合度指數進一步分析（表5），分析不同景觀類型內部斑塊的聚合程度，并結合各土地類型的空間分布解釋兩種情景下地類間的相互轉換。經濟效率優先情景相比現狀，園地、其他農用地以及城鎮工礦用地聚合度指數有較大的提高，呈現出以蕭山區中、南部為核心的集聚擴張趨勢；耕地和農村居民點聚合度指數有所減小，呈現出分布重心北移且離散縮減的趨勢。碳排放效率優先情景相比現狀以及經濟效率優先情景，園地與其他農用地聚合度指數有進一步提高，以蕭山區中、南部為核心的空間集聚趨勢得到加強；林地聚合度指數也有較大提高，呈現出以蕭山區中、南部低山丘陵地帶為核心的集中擴張趨勢；耕地和農村居民點的聚合度指數則有所減小，呈現出分布中心北移且離散縮減的趨勢。

具體而言，經濟效率優先情景下，蕭山區耕地聚合度指數為66.75，景觀分布比現狀更為分散，原先在南部河谷地帶集中分布的耕地大量轉換為園地與其他農用地，南部剩余耕地景觀分布破碎，北部平原區耕地面積較大且分布較為集中。園地聚合度指數為68.80，比現狀有大幅度的提高，同時空間出現較大的擴張，新增園地主要由南部河谷分布的耕地轉換而來。林地聚合度指數為84.35，景觀分布狀況與現狀相比變化不大，仍高度集中在中部和南部的低山丘陵地區。其他農用地聚合度指數為66.12，景觀分布比現狀更加集中，空間出現一定幅度的擴張，新增其他農地主要由南部河谷分布的耕地轉換而來，北部也有零星耕地轉換為其他農用地。城鎮工礦用地聚合度指數為78.8，景觀分布比現狀更加集中且在空間上進一步擴張，新增城鎮工礦用地主要由周邊的農村居民點及少部分耕地轉換而來。農村居民點聚合度指數為61.29，除分布在城市周邊的部分農村居民點轉換為城鎮工礦用地外，其余農村居民點的景觀分布情況與現狀類似。

碳排放效率優先情景下，蕭山區耕地聚合度指數為66.58，景觀分布比現狀更為分散但與經濟效率優先的情景相差不大，面積大于經濟效率優先的情景，雖然南部河谷地帶集中的耕地仍然比較多地轉換為園地與其他農用地，但南部河谷保留的耕地更多，且分布更加集中。園地聚合度指數為71.84，景觀集中程度比現狀和經濟效率優先的情景進一步提高，但空間擴張小于經濟效率優先的情景，這主要是由于南部河谷的耕地更多轉換為了林地，使得園地在空間分布上愈發向中部集中。林地聚合度指數為88.2，景觀集中程度與現狀和經濟效率優先的情景更進一步增強，且空間出現明顯擴張，但空間分布上仍高度集中在中部和南部的低山丘陵地區，新增林地主要由分布在南部河谷地區的耕地轉換而來。其他農用地聚合度指數為66.79，景觀分布與經濟效率優先的情景差別不大，南部的新增其他農用地有所減少，北部零星分布的其他農用地斑塊面積有所擴大。城鎮工礦用地聚合度指數為76.63，景觀分布的集中程度比現狀有所提高但低于經濟效率優先的情景，且空間比現狀有所縮減，縮減的城鎮工礦用地主要為城市周邊的工礦用地，轉換方向主要是林地、園地、其他農用地。農村居民點聚合度指數為61.64，與現狀和經濟效率優先的情景相差不大，但空間有一定幅度的縮減，縮減范圍主要集中在南部河谷地帶的農村居民點，且主要轉換為園地和其他農用地。

4 結論與政策啟示

土地利用普遍存在多目標的可能性，依據不同目標優先序科學配置不同地類的數量與空間對于實現土地利用目標至關重要。在推進“雙碳”戰略中，土地利用同樣面臨著如何更好地兼顧經濟發展目標與碳減排目標這一難題。本文通過集成MOP與GeoSOS-FLUS模型，分析了經濟效率優先和碳排放效率優先兩種情景下土地利用結構與布局優化。基于杭州市蕭山區的研究發現：（1）在同時兼顧經濟效率和碳排放效率的前提下，土地利用中追求經濟效率和碳排放效率優先序的不同，會導致差異性的土地利用優化結果。（2）土地利用結構優化方面，經濟效率優先情景下，通過增加城鎮工礦用地、其他農用地以及園地等經濟產出強度較高的地類面積，提高了總經濟效率；碳排放效率優先情景下，通過增加園地、林地以及其他農用地面積，以及適度縮減城鎮工礦用地和農村居民點面積，實現小幅度縮減經濟規模帶來較大幅度減少碳排放量。（3）土地利用布局優化改變了土地利用景觀格局，因此當基于地塊尺度根據用地適宜性進行地類轉換時，需要關注區域土地利用總體格局變化。

本文的重要政策啟示：（1）依托“三區三線”加強生態空間與耕地保護。本文發現經濟效率優先情景下，城鎮空間通過侵占周邊農業空間和生態空間實現擴張。依托“三區三線”，特別是生態保護紅線、永久基本農田等工具，按照“功能不降低、面積不減少、性質不改變”的要求對生態環境和永久基本農田保護進行嚴格監督，約束生態空間、農業空間、城鎮空間之間的轉換。（2）嚴格控制城鎮工礦用地規模促進土地集約節約利用。城鎮工礦用地既是經濟強度最高也是碳排放強度最高的用地類型，城鎮工礦用地的擴張或縮減對于區域經濟發展和碳排放總量的變化都有著重要影響。因此，一方面國土空間規劃應探索從“增量規劃”向“存量規劃”轉變，嚴格控制城鎮工礦用地的新增規模，逐步實現城鎮工礦用地“零增長”與“負增長”，鼓勵存量城鎮工礦用地“騰籠換鳥”，促進產業向高經濟效益低碳排放轉型升級；另一方面對分布在城市周邊的工礦用地，特別是采礦用地，可以通全域土地綜合整治，修復受損生態空間，將礦區整治為林地等用地類型。（3）縮減農村居民點規模推進鄉村國土空間重構。本文發現農村居民點經濟產出強度較低，而碳排放強度高于林地。在國土空間規劃中，仍然要按照“集約用地、集中建設、集聚發展”的原則規劃布局農村居民點。同時積極推進宅基地復墾，鼓勵通過城鄉建設用地增減掛鉤將農村居民點異地置換為高經濟產出強度的產業用地空間。

參考文獻（References）：

[1] 李廣東，方創琳. 城市生態—生產—生活空間功能定量識別與分析[J] . 地理學報，2016，71（1）：49 - 65.

[2] 馮薇，趙榮欽，謝志祥，等. 碳中和目標下土地利用碳排放效率及其時空格局——以黃河流域72個地級市為例[J] . 中國土地科學，2023，37（1）：102 - 113.

[3] 張玥，代亞強，陳媛媛，等. 土地利用隱性轉型與土地利用碳排放空間關聯研究[J] . 中國土地科學，2022，36（6）：100 - 112.

[4] HONG C P， BURNEY J A， PONGRATZ J， et al. Global and regional drivers of land-use emissions in 1961 - 2017[J] . Nature， 2021， 589： 554 - 561.

[5] 于貴瑞，郝天象，朱劍興. 中國碳達峰、碳中和行動方略之探討[J] . 中國科學院院刊，2022，37（4）：423 - 434.

[6] 易丹，歐名豪，郭杰，等. 土地利用碳排放及低碳優化研究進展與趨勢展望[J] . 資源科學，2022，44（8）：1545 -1559.

[7] 曹帥，金曉斌，楊緒紅，等. 耦合MOP與GeoSOS - FLUS模型的縣級土地利用結構與布局復合優化[J] . 自然資源學報，2019，34（6）：1171 - 1185.

[8] MA S H， WEN Z Z. Optimization of land use structure to balance economic benefits and ecosystem services under uncertainties： a case study in Wuhan， China[J] . Journal of Cleaner Production， 2021， 311. doi： 10.1016/ j.jclepro.2021.127537.

[9] 陸大道，郭來喜. 地理學的研究核心—人地關系地域系統——論吳傳鈞院士的地理學思想與學術貢獻[J] . 地理學報，1998，53（2）：97 - 105.

[10] 茅于軾. 擇優分配最優化原理及其應用[J] . 經濟學（季刊），2007，6（3）：759 - 780.

[11] 賈善銘. 區域經濟增長空間均衡研究述評[J] . 區域經濟評論，2014（1）：124 - 129.

[12] 黃海. 基于改進粒子群算法的低碳型土地利用結構優化——以重慶市為例[J] . 土壤通報，2014，45（2）：303 -306.

[13] ZHOU M. An interval fuzzy chance-constrained programming model for sustainable urban land-use planning and land use policy analysis[J] . Land Use Policy， 2015， 42： 479 - 491.

[14] LIANG X， LIU X P， LI X， et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J] . Landscape and Urban Planning， 2018， 177： 47 - 63.

[15] 王家豐，王蓉，馮永玖，等. 顧及軌道交通影響的浙中城市群土地利用多情景模擬與分析[J] . 地球信息科學學報，2020，22（3）：605 - 615.

[16] 劉敬杰，夏敏，劉友兆，等. 基于多智能體與CA 結合模型分析的農村土地利用變化驅動機制[J] . 農業工程學報，2018，34（6）：242 - 252.

[17] YANG X， ZHENG X Q， LV L N. A spatiotemporal model of land use change based on ant colony optimization， Markov chain and cellular automata[J] . Ecological Modelling， 2012， 233： 11 - 19.

[18] 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.

[19] 戴聲佩，張勃.基于CLUE-S模型的黑河中游土地利用情景模擬研究——以張掖市甘州區為例[J] . 自然資源學報，2013，28（2）：336 - 348.

[20] 游和遠，吳次芳. 土地利用的碳排放效率及其低碳優化——基于能源消耗的視角[J] . 自然資源學報，2010，25（11）：1875 - 1886.

[21] 熊健，盧柯，姜紫瑩，等. “碳達峰、碳中和”目標下國土空間規劃編制研究與思考[J] . 城市規劃學刊，2021，（4）：74 - 80.

[22] 王紅瑞，張文新，胡秀麗，等. 土地利用區間數多目標規劃模型及其應用[J] . 農業工程學報，2008，24（8）：68 -73.

[23] CHANG Y C， KO T T. An interactive dynamic multiobjective programming model to support better land use planning[J] . Land Use Policy， 2014， 36： 13 - 22.

[24] 黎夏，李丹，劉小平. 地理模擬優化系統（GeoSOS）及其在地理國情分析中的應用[J] . 測繪學報，2017，46（10）： 1598 - 1608.

[25] LIU X P， LIANG X， LI X， et al. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J] . Landscape and Urban Planning， 2017， 168： 94 - 116.

[26] ULUNGU E L， TEGHEM J. Multi-objective combinatorial optimization problems： a survey[J] . Journal of Multi-Criteria Decision Analysis， 1994， 3（2）： 83 - 104.

[27] 李天猜，李韋，馮長春，等. 湘江新區土地利用結構多目標規劃及決策偏好分析[J] . 地域研究與開發，2016，35（1）：132 - 138.

[28] 田云，尹忞昊. 中國農業碳排放再測算：基本現狀、動態演進及空間溢出效應[J] . 中國農村經濟，2022（3）：104 - 127.

[29] 張梅，黃賢金，揣小偉，等. 胡煥庸線兩側城鎮建設用地變化及其碳排放差異[J] . 資源科學，2019，41（7）：1262 - 1273.

[30] ZHOU Y， CHEN M X， TANG Z P， et al. Urbanization， land use change， and carbon emissions： quantitative assessments for city-level carbon emissions in Beijing-Tianjin-Hebei region[J] . Sustainable Cities and Society， 2021， 66. doi： 10.1016/j.scs.2020.102701.

[31] 楊偉青，張會蘭. 基于GeoSOS-FLUS的涪江流域生態系統服務價值評估及多情景模擬[J] . 水土保持研究，2022，29（5）：253 - 262.

[32] 劉小平，黎夏，葉嘉安，等. 利用蟻群智能挖掘地理元胞自動機的轉換規則[J] . 中國科學（D輯：地球科學），2007，37（6）：824 - 834.

Structure and Layout Optimization of Multi-objective Land Use Based on Carbon Emission Efficiency： A Case Study of Xiaoshan District in Hangzhou City

YOU Heyuan， ZHANG Jinrong， XIA Shuyi

（School of Public Administration， Zhejiang University of Finance & Economics， Hangzhou 310018， China）

Abstract： The purposes of this paper are to set two scenarios including economic efficiency priority and carbon emission efficiency priority based on carbon emission efficiency， and to optimize the land use structure and land use layout under different priority goals including economic development and carbon emission reduction. The methods employed are the multi-objective programming model and GeoSOS-FLUS model. The results show that： 1） compared to the land use status， the total economic efficiency and total carbon emission efficiency increase by 43.32% and 3.53% under the economic efficiency priority scenario. The areas of urban industrial land， other agricultural land and garden land significantly increase under the economic efficiency priority scenario， and the landscape patterns exhibit agglomeration and expansion. Meanwhile， the cultivated land area and rural residential area significantly decrease under the economic efficiency priority scenario， and the spatial layouts are fragmented. 2） Compared to the land use status， the total economic efficiency decreases by 3.02% under the carbon emission priority scenario， meanwhile the total carbon emission efficiency increases by 8.23%. Compared to the land use status， the areas of garden land， forest and other agricultural land increase significantly under the carbon emission priority scenario， and the landscape patterns exhibit agglomeration and expansion. Besides， the area of urban industrial land and rural residential area decreases under the carbon emission priority scenario， and the spatial layouts are centralized. It is concluded that land space governance for multi-objective development should couple with land policies to control land use quantity and space. It can balance economic development and carbon emission reduction under the constraints of cultivated land conservation tasks and “three areas and three lines”. Moreover， land demand driven by different priority goals can be satisfied.

Key words： land use optimization； multi-objective programming model； GeoSOS-FLUS model； carbon emission efficiency

（本文責編：張冰松）