基于改進(jìn)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(xué)地理與海洋科學(xué)學(xué)院，南京 210023；2. 自然資源部海岸帶開發(fā)與保護(hù)重點(diǎn)實(shí)驗(yàn)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(jì)、社會(huì)、生態(tài)等要素相互作用的“底盤”，也是經(jīng)濟(jì)社會(huì)轉(zhuǎn)型期各類要素沖突的“焦點(diǎn)”[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(wù)的生態(tài)功能[2]。當(dāng)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(dǎo)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(shí)問題驅(qū)動(dòng)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(jìn)田水路林村綜合治理，加快國土功能修復(fù)，提高國土空間開發(fā)利用質(zhì)量和效益，實(shí)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(dòng)新時(shí)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(jìn)而引導(dǎo)適宜的土地利用方式是促進(jìn)土地可持續(xù)利用的重要手段。國內(nèi)外眾多學(xué)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(jìn)行大量研究，實(shí)現(xiàn)了方法手段從定性到定量、研究內(nèi)容從靜態(tài)到動(dòng)態(tài)、規(guī)劃目標(biāo)從單一到多元的逐步升級。當(dāng)前相關(guān)研究可主要分成 3種類型，分別是基于線性/目標(biāo)規(guī)劃的數(shù)學(xué)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(biāo)規(guī)劃方面：劉榮等[17-20]分別應(yīng)用Logistic回歸、目標(biāo)規(guī)劃等數(shù)學(xué)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(shí)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(biāo)、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(biāo)規(guī)劃與 CLUE-S模型對土地利用進(jìn)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(shí)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(dāng)前模型在解析土地利用變化機(jī)制，引導(dǎo)土地利用科學(xué)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(shí)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(shí)踐應(yīng)用中面臨一定的挑戰(zhàn)。如何抓住全域土地綜合整治契機(jī)，面向高標(biāo)準(zhǔn)生態(tài)文明建設(shè)，選取科學(xué)高效的方法優(yōu)化土地利用方式與管制手段，進(jìn)而實(shí)現(xiàn)國土空間生態(tài)轉(zhuǎn)型將成為新時(shí)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(biāo)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(yīng)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(jì)算過程簡潔、全局搜索能力強(qiáng)等特點(diǎn)，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(shí)現(xiàn)時(shí)間序列上各種土地利用與管制狀態(tài)的有機(jī)結(jié)合。但針對全域整治“田水路林村礦”協(xié)同治理、經(jīng)濟(jì)-社會(huì)-生態(tài)效益統(tǒng)一發(fā)展的目標(biāo)導(dǎo)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(biāo)規(guī)劃與約束控制因子，基于NSGA-II算法進(jìn)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(shí)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(dǎo)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(gè)行政村和 3個(gè)居委會(huì)，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(fēng)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(jìn)鎮(zhèn)”、“市工業(yè)先進(jìn)鎮(zhèn)”、“市建筑強(qiáng)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(shí)現(xiàn)一般公共預(yù)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(jì)社會(huì)有序發(fā)展過程中，直溪鎮(zhèn)也面臨著土地開發(fā)利用強(qiáng)度加大、生態(tài)環(huán)境質(zhì)量受損、產(chǎn)業(yè)及城鎮(zhèn)建設(shè)結(jié)構(gòu)不均衡、不配套等現(xiàn)實(shí)問題?；诖?，本文選取直溪鎮(zhèn)作為研究區(qū)，在新時(shí)代全域土地綜合整治導(dǎo)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(shí)現(xiàn)基本現(xiàn)代化的總體目標(biāo)，力爭調(diào)整產(chǎn)業(yè)結(jié)構(gòu)以促進(jìn)經(jīng)濟(jì)健康發(fā)展、保護(hù)生態(tài)環(huán)境以響應(yīng)國家宏觀政策、高效利用土地以緩解人多地少?zèng)_突，全域優(yōu)化土地利用結(jié)構(gòu)布局與管理手段，實(shí)現(xiàn)高質(zhì)量高標(biāo)準(zhǔn)土地利用決策，促進(jìn)區(qū)域經(jīng)濟(jì)-生態(tài)-生產(chǎn)等目標(biāo)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(yù)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(huì)經(jīng)濟(jì)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(jì)和規(guī)劃數(shù)據(jù)包括《金壇年鑒》（2006－2019）、《常州統(tǒng)計(jì)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(shí)地調(diào)查數(shù)據(jù)主要包括通過無人機(jī)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(yù)處理

以2018年土地利用現(xiàn)狀數(shù)據(jù)為基礎(chǔ)，結(jié)合實(shí)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(shí)別大棚用地，在ArcGIS中重新界定各用地類型，設(shè)定柵格大小為30 m×30 m，對其進(jìn)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(dān)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(shí)問題，也要面向全域土地綜合整治、生態(tài)文明建設(shè)等上位部署，是實(shí)施鄉(xiāng)村振興的重要載體。利用CoMOLA模型進(jìn)行全域土地利用優(yōu)化配置可分為以下3個(gè)步驟：1）設(shè)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(biāo)土地利用優(yōu)化配置模型的目標(biāo)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(jì)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(biāo)值，通過模型進(jìn)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(shí)現(xiàn)上述優(yōu)化配置的基礎(chǔ)上，借鑒城市地理學(xué)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(jìn)行土地利用發(fā)展沖突識(shí)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(shí)別結(jié)果，以為全域整治提供一定的指導(dǎo)借鑒。

2.2 研究方法

2.2.1 NSGA-II算法

NSGA-II是在NSGA進(jìn)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(jī)制建立在個(gè)體擁擠距離之上，在遺傳過程中不斷對種群進(jìn)行進(jìn)化和變異等操作，并通過修剪操作淘汰擁擠距離較小個(gè)體[29]，使高適應(yīng)度個(gè)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(diǎn)，是解決多目標(biāo)優(yōu)化問題的一種有效手段[30]。

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

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

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

式中隨機(jī)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(jìn)

CoMOLA模型具備較強(qiáng)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(shè)定，不可避免地導(dǎo)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(qiáng)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(jìn)最終優(yōu)化結(jié)果篩選方式，延伸土地利用發(fā)展沖突識(shí)別功能，借鑒首位度思想，計(jì)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(shí)現(xiàn)了原始CoMOLA模型的功能改進(jìn)，提升模型實(shí)際應(yīng)用價(jià)值，模型改進(jìn)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(xué)性與適宜性越強(qiáng)，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(shí)別計(jì)算過程主要由Excel工具實(shí)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(gè)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(gè)柵格被賦予每種LULM類型的頻次，統(tǒng)計(jì)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(gè)柵格被賦予相同LULM類型的最高頻次與次高頻次。

通過計(jì)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(diǎn)法進(jìn)行類型劃分，可識(shí)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(shí)際情況為依據(jù)，結(jié)合上位規(guī)劃與戰(zhàn)略發(fā)展目標(biāo)，統(tǒng)籌考慮當(dāng)?shù)亟?jīng)濟(jì)需求、生態(tài)保障與生產(chǎn)需要，保護(hù)和開發(fā)并舉，以2030年作為目標(biāo)年，擬定以下3種發(fā)展情景，同時(shí)分別設(shè)定各情景下的LULM類型轉(zhuǎn)換規(guī)則（圖3）。

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

1）經(jīng)濟(jì)優(yōu)先情景：在社會(huì)經(jīng)濟(jì)快速發(fā)展、城鎮(zhèn)化加速推動(dòng)的背景下，為更好地融合社會(huì)發(fā)展趨勢，將研究區(qū)規(guī)劃為以發(fā)展經(jīng)濟(jì)為主的現(xiàn)代化村鎮(zhèn)，推動(dòng)當(dāng)?shù)毓I(yè)、旅游業(yè)等產(chǎn)業(yè)興起與發(fā)展，促進(jìn)區(qū)域經(jīng)濟(jì)社會(huì)進(jìn)步，加速城鄉(xiāng)融合，提升居民生活質(zhì)量，設(shè)定規(guī)則將經(jīng)濟(jì)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(yán)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(hù)生態(tài)安全作為規(guī)劃期內(nèi)的首要目標(biāo)，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(hù)人類生存自然基底[32]，實(shí)現(xiàn)土地可持續(xù)利用，助力推進(jìn)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(jìn)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(dòng)力，適量減少經(jīng)濟(jì)作物等的種植，增加糧食作物種植面積，取代其他建設(shè)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(dòng)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(biāo)效益

優(yōu)化目的為求各目標(biāo)函數(shù)最大值，統(tǒng)籌考慮各情景下相應(yīng)指標(biāo)效益最高與其他效益最高同時(shí)實(shí)現(xiàn)，即在其他效益損失最小的情況下實(shí)現(xiàn)目標(biāo)效益最高的LULM全局最優(yōu)。計(jì)算目標(biāo)年 3種情景下經(jīng)濟(jì)、生態(tài)、生產(chǎn)各指標(biāo)的效益系數(shù)，量化目標(biāo)效益以求取最大值，為外掛模型在優(yōu)化試驗(yàn)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(jì)效益目標(biāo)

利用2006－2018年經(jīng)濟(jì)數(shù)據(jù)計(jì)算各地類的經(jīng)濟(jì)效益系數(shù)，運(yùn)用Matlab軟件進(jìn)行灰色預(yù)測，得到目標(biāo)年各地類經(jīng)濟(jì)效益系數(shù)。其中機(jī)械化糧食作物、經(jīng)濟(jì)作物分別以單位面積機(jī)械化谷物、油菜和棉花產(chǎn)值表示；非機(jī)械化糧食作物、經(jīng)濟(jì)作物分別以單位面積非機(jī)械化谷物、油菜和棉花產(chǎn)值與相應(yīng)的單位面積機(jī)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(diǎn)以單位面積農(nóng)林牧漁服務(wù)產(chǎn)值表示；建制鎮(zhèn)以單位面積商品貿(mào)易及服務(wù)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(shè)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(jì)效益計(jì)算方法見式（8）：

式中Z1為研究區(qū)土地利用經(jīng)濟(jì)效益，萬元；Ei為第i類LULM類型的經(jīng)濟(jì)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(biāo)

生態(tài)質(zhì)量直接影響著人類的生存質(zhì)量。學(xué)術(shù)界生態(tài)質(zhì)量評價(jià)的方法較多，包括生態(tài)系統(tǒng)服務(wù)價(jià)值、遙感生態(tài)指數(shù)[33]等，但這些方法應(yīng)用于鎮(zhèn)域尺度往往會(huì)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(jià)指標(biāo)體系進(jìn)行改進(jìn)，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(jià)體系權(quán)重[34]。首先對生態(tài)服務(wù)價(jià)值因子進(jìn)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(shí)構(gòu)建生態(tài)阻力評價(jià)指標(biāo)體系，設(shè)定一級因子為土地開墾、農(nóng)牧業(yè)活動(dòng)、礦產(chǎn)資源開發(fā)、機(jī)械化、植被覆蓋和生態(tài)敏感性，下設(shè)二級因子分別為開墾程度、活動(dòng)程度、開發(fā)程度、機(jī)械化程度、覆蓋度和土地侵蝕敏感性、地質(zhì)災(zāi)害敏感性、洪澇災(zāi)害敏感性，并結(jié)合專家評價(jià)結(jié)果確定權(quán)重。

綜合考慮生態(tài)服務(wù)價(jià)值因子源分級及生態(tài)阻力評價(jià)情況，用源分級賦值結(jié)果與相應(yīng)的生態(tài)阻力評價(jià)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(jì)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(biāo)

生產(chǎn)效益系數(shù)測算方法同經(jīng)濟(jì)效益系數(shù)。其中機(jī)械化糧食作物、經(jīng)濟(jì)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(jī)械化糧食作物、經(jīng)濟(jì)作物以對應(yīng)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(diǎn)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(jì)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(biāo)年研究區(qū)各地類數(shù)量，從土地總面積、耕地面積、建設(shè)用地面積、居民點(diǎn)面積和工礦用地面積等方面對地類轉(zhuǎn)換面積進(jìn)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(biāo)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(shè)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(shè)用地面積約束：優(yōu)化后研究區(qū)建設(shè)用地總面積不少于規(guī)劃年最低標(biāo)準(zhǔn)614.70 hm2。

4）居民點(diǎn)面積約束：項(xiàng)目實(shí)施之后研究區(qū)人均居民點(diǎn)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(diǎn)面積，m2；b8為規(guī)劃年最高人均居民點(diǎn)用地面積（226.29 m2）；P0為預(yù)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(yīng)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(yīng)滿足面積為正。

2.6 設(shè)定模型參數(shù)

運(yùn)用CoMOLA模型進(jìn)行優(yōu)化試驗(yàn)，除設(shè)定轉(zhuǎn)型矩陣和面積約束兩項(xiàng)必要限制條件外，還需結(jié)合試驗(yàn)結(jié)果收斂性與運(yùn)行時(shí)長等因素進(jìn)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(jìn)行優(yōu)化試驗(yàn)，在迭代次數(shù)為40次時(shí)，既有相似/相近量化結(jié)果的聚集呈現(xiàn)，又能保證試驗(yàn)結(jié)果的穩(wěn)健性與時(shí)間成本的高效利用。此外，迭代次數(shù)40次后試驗(yàn)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(jìn)行試驗(yàn)，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(shí)間及經(jīng)濟(jì)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(shè)定結(jié)果，分別在3種不同發(fā)展情景下進(jìn)行優(yōu)化試驗(yàn)，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(huì)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(xué)性與實(shí)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(gè)柵格被分配到相應(yīng)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(yàn)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(jì)算經(jīng)濟(jì)、生態(tài)、生產(chǎn)各效益值，各項(xiàng)效益均能滿足在既定情景中得以提高的目標(biāo)要求，具體計(jì)算結(jié)果見表3。

表2 目標(biāo)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(biāo)年效益預(yù)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(jì)優(yōu)先發(fā)展情景下，目標(biāo)年經(jīng)濟(jì)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(jì)效益系數(shù)較低的非機(jī)械化經(jīng)濟(jì)作物用地、林地、農(nóng)村居民點(diǎn)等地類被同等條件下經(jīng)濟(jì)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(diǎn)等建設(shè)用地分布更加零散，略有向周邊擴(kuò)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(jì)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(biāo)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(jì)優(yōu)先情景提高了 71.22%和4.46%，但經(jīng)濟(jì)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(jī)械化糧食作物用地約 40%被非機(jī)械化糧食作物用地取代，降低了耕收機(jī)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(jì)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(dòng)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(shí)生態(tài)效益提高了8.10%，但目標(biāo)年經(jīng)濟(jì)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(diǎn)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(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級，有利于可持續(xù)發(fā)展?？傮w而言，該情景下LULM分布格局更加科學(xué)優(yōu)化，機(jī)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(jī)械化與農(nóng)地規(guī)?；陌l(fā)展趨勢，但主要推動(dòng)經(jīng)濟(jì)發(fā)展與城鎮(zhèn)建設(shè)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(huì)產(chǎn)生一系列Pareto最優(yōu)解，表明在同一柵格上會(huì)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(jì)收益、生態(tài)效益、生產(chǎn)產(chǎn)量均能在各項(xiàng)發(fā)展約束下實(shí)現(xiàn)提升，但單純推動(dòng)經(jīng)濟(jì)、生態(tài)、生產(chǎn)等任一單一目標(biāo)發(fā)展均難以實(shí)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(shí)利益導(dǎo)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(jì)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(shí)現(xiàn)全域土地綜合整治，進(jìn)行土地利用發(fā)展沖突識(shí)別至關(guān)重要。沖突識(shí)別方法為將每種情景下的多組Pareto最優(yōu)解分別逐柵格進(jìn)行LULM類型次高和最高頻次統(tǒng)計(jì)，并計(jì)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(xué)性及適宜性越強(qiáng)，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(diǎn)法將計(jì)算結(jié)果劃分為6個(gè)區(qū)間，經(jīng)濟(jì)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(xué)性、適宜性較強(qiáng)，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(gè)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(jī)械化經(jīng)濟(jì)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(shí)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(biāo)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(diǎn)擬合度高，其中無沖突土地面積為32.60%，在實(shí)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(gè)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(shí)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(xué)高效的土地利用土地管理格局。

綜上，為實(shí)現(xiàn)多重利益導(dǎo)向協(xié)同發(fā)展，促進(jìn)區(qū)域土地利用結(jié)構(gòu)更加均衡，利用強(qiáng)度更加合理，保護(hù)土地資源本底條件，同時(shí)通過模型模擬預(yù)測和沖突識(shí)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(shè)用地等，在提高區(qū)域生產(chǎn)產(chǎn)量的同時(shí)提升生態(tài)效益與經(jīng)濟(jì)效益，實(shí)現(xiàn)研究區(qū)多目標(biāo)協(xié)同發(fā)展。因此，現(xiàn)實(shí)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(jìn)行調(diào)控，科學(xué)決策區(qū)域土地利用類型與管理手段，為推動(dòng)全域土地綜合整治與國土空間生態(tài)轉(zhuǎn)型打下扎實(shí)基礎(chǔ)。

圖5 土地利用發(fā)展沖突識(shí)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(jìn)CoMOLA模型進(jìn)行鎮(zhèn)域土地利用優(yōu)化配置，有利于發(fā)揮模型的實(shí)用性，協(xié)同優(yōu)化土地資源數(shù)量、結(jié)構(gòu)與目標(biāo)效益，推動(dòng)全域整治導(dǎo)向下集成全要素、耦合多目標(biāo)土地利用優(yōu)化配置的實(shí)現(xiàn)。研究結(jié)果證實(shí)：1）在目標(biāo)效益提升方面，經(jīng)濟(jì)優(yōu)先情景下，經(jīng)濟(jì)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(jià)換取高經(jīng)濟(jì)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(shí)現(xiàn)相應(yīng)目標(biāo)。2）在土地利用數(shù)量結(jié)構(gòu)與空間布局方面，經(jīng)濟(jì)優(yōu)先情景下，工礦用地面積增多，林地與非機(jī)械化經(jīng)濟(jì)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(shè)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(jì)發(fā)展空間”態(tài)勢。通過土地利用發(fā)展沖突識(shí)別可確定沖突較大的地塊位置與面積，識(shí)別結(jié)果表明，經(jīng)濟(jì)優(yōu)先與生產(chǎn)優(yōu)先情景下的模型模擬效果較好?？傮w而言，研究區(qū)建設(shè)發(fā)展過程中，應(yīng)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(shí)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(biāo)、政策規(guī)劃等相關(guān)因素，在滿足既定目標(biāo)的同時(shí)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(shí)現(xiàn)鄉(xiāng)村振興。

4.2 討 論

新時(shí)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(fù)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(biāo)效益日趨多元的背景下，通過CoMOLA模型功能改進(jìn)提升其實(shí)際應(yīng)用價(jià)值，求解多目標(biāo)土地利用優(yōu)化問題，統(tǒng)籌考慮區(qū)域全局最優(yōu)，可實(shí)現(xiàn)土地資源稟賦、空間布局、目標(biāo)效益和管理手段在時(shí)間序列上的有機(jī)結(jié)合，有利于體現(xiàn)全域整治背景下多目標(biāo)協(xié)同發(fā)展的要求。效益量化方面，基于實(shí)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(dǎo)下結(jié)合統(tǒng)計(jì)資料共同確定指標(biāo)計(jì)算方法，在保證量化方法實(shí)際應(yīng)用價(jià)值的同時(shí)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(shí)現(xiàn)了利用與管理的有機(jī)結(jié)合，運(yùn)用高權(quán)重優(yōu)選最優(yōu)解方法排除實(shí)驗(yàn)結(jié)果的主觀性，同時(shí)通過延伸模型功能，識(shí)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(shí)并未充分考慮轉(zhuǎn)換規(guī)則和面積約束的實(shí)現(xiàn)難度以及轉(zhuǎn)型期間的發(fā)展因素，導(dǎo)致目標(biāo)年經(jīng)濟(jì)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(huì)出現(xiàn)數(shù)據(jù)“噪聲”；參數(shù)設(shè)置方面，考慮模型運(yùn)行時(shí)間，模型迭代次數(shù)較為有限，也可能會(huì)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(dǎo)致的誤差并不會(huì)直接影響模型應(yīng)用效果與區(qū)域轉(zhuǎn)型趨勢，基于模型改進(jìn)的研究成果對于指導(dǎo)全域整治和國土空間規(guī)劃編制仍具有參考價(jià)值。后續(xù)研究中將進(jìn)一步細(xì)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(jìn)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(rèn)識(shí)。