面向中小城鎮(zhèn)格局的多目標(biāo)土地利用優(yōu)化

董張玉,向喬妹,王夢(mèng)陽(yáng),魏 鑫

(合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院,安徽 合肥 230601)

城市規(guī)模的擴(kuò)大、經(jīng)濟(jì)的飛速發(fā)展對(duì)周邊區(qū)域產(chǎn)生了輻射帶動(dòng)效應(yīng)[1],處在城鄉(xiāng)結(jié)合處的小城鎮(zhèn)在城市的帶動(dòng)下得到快速發(fā)展。隨著小城鎮(zhèn)的城市化、工業(yè)化發(fā)展,建筑用地需求逐漸增加,小城鎮(zhèn)能用于開發(fā)的用地較多,占地投入資金比城市低,但由于缺乏合理性的規(guī)劃,容易造成土地開發(fā)強(qiáng)度過(guò)大、土地利用方式不合理等問(wèn)題,嚴(yán)重破壞了生態(tài)環(huán)境。此外,當(dāng)前我國(guó)小城鎮(zhèn)地區(qū)普遍存在農(nóng)村建筑用地分布零散、農(nóng)用地聚集度低、建筑周邊農(nóng)用地被占用等問(wèn)題[2]。因此,結(jié)合遙感與地理信息系統(tǒng)(geographic information system,GIS)技術(shù),對(duì)小城鎮(zhèn)土地利用進(jìn)行優(yōu)化分析具有重要的研究意義。

縣域小城鎮(zhèn)發(fā)展水平對(duì)縣域經(jīng)濟(jì)發(fā)展具有重要意義[3],合理的規(guī)劃土地使用是保證城鎮(zhèn)經(jīng)濟(jì)生態(tài)可持續(xù)化發(fā)展的重要內(nèi)容之一。土地規(guī)劃的方法有很多,傳統(tǒng)的方法包括多目標(biāo)線性規(guī)劃[4]、系統(tǒng)動(dòng)力學(xué)[5]、景觀生態(tài)學(xué)[6]、多元邏輯回歸[7]等。文獻(xiàn)[8]采用線性規(guī)劃優(yōu)化土地利用結(jié)構(gòu)問(wèn)題;文獻(xiàn)[9]將系統(tǒng)動(dòng)力模型與多目標(biāo)模型相結(jié)合,實(shí)現(xiàn)不同模型之間優(yōu)勢(shì)互補(bǔ),高效可靠地解決了吉林西部土地利用問(wèn)題;文獻(xiàn)[10]將GIS與景觀生態(tài)學(xué)相結(jié)合解決不同場(chǎng)景下土地利用問(wèn)題;文獻(xiàn)[11-12]采用邏輯回歸,通過(guò)預(yù)測(cè)多類型土地利用的分布概率來(lái)模擬土地利用格局,為優(yōu)化土地利用提供參考依據(jù)。

傳統(tǒng)優(yōu)化模型雖然在土地利用優(yōu)化配置上取得了一定成果,但在空間格局上存在不足。研究者們又提出將啟發(fā)式算法與土地利用問(wèn)題相結(jié)合以解決土地?cái)?shù)量和空間布局問(wèn)題，其中遺傳算法[13]、蟻群算法[14]、粒子群算法[15]等被廣泛應(yīng)用于土地優(yōu)化。但是單純的啟發(fā)式算法缺乏規(guī)劃知識(shí)的指導(dǎo),使得實(shí)際中的土地利用模式往往不合理,文獻(xiàn)[16]結(jié)合土地規(guī)劃知識(shí)與遺傳算法提高了土地利用配置的有效性和合理性;文獻(xiàn)[17]基于邏輯蟻群算法和GIS技術(shù),在一定程度上實(shí)現(xiàn)了數(shù)量與空間的一致性;文獻(xiàn)[18]將多目標(biāo)系統(tǒng)與粒子群相結(jié)合,在數(shù)量、空間和時(shí)間上實(shí)現(xiàn)多目標(biāo)的土地利用優(yōu)化配置。粒子群優(yōu)化算法本質(zhì)上與遺傳算法相同,都具有交叉和變異等進(jìn)化操作。但一般的粒子群算法在粒子的多維位置更新機(jī)制上不夠成熟。蟻群算法用于多目標(biāo)優(yōu)化時(shí),可能會(huì)存在混淆目標(biāo)值被選擇為在進(jìn)化過(guò)程中調(diào)整細(xì)胞轉(zhuǎn)換概率的反饋等問(wèn)題。遺傳算法通過(guò)進(jìn)化過(guò)程來(lái)尋找解,不完全依賴于迭代選擇,從而提供一種非常有效的收斂到理想解的方法;其次,可生成一個(gè)非支配集,用于進(jìn)一步分析,以揭示一系列案例的最優(yōu)解?；诖?本文選擇遺傳算法作為基本優(yōu)化算法。

常規(guī)的土地利用優(yōu)化方法多注重于對(duì)經(jīng)濟(jì)效益和生態(tài)效益的提高,不適用于中小城鎮(zhèn)場(chǎng)景下的土地利用優(yōu)化配置。中小城鎮(zhèn)土地類型普遍比較松散,不便于管理,采用傳統(tǒng)的遺傳算法進(jìn)行優(yōu)化時(shí),土地緊湊度得不到提高,僅提高經(jīng)濟(jì)生態(tài)效益不能解決中小城鎮(zhèn)的根本問(wèn)題。初始種群的設(shè)定對(duì)遺傳算法最優(yōu)解的求解影響很大,好的初始種群能很快逼近最優(yōu)解。因此本文在遺傳算法的基礎(chǔ)上,提出一種改進(jìn)初始種群設(shè)定的優(yōu)化方法。首先,將GIS處理后的土地利用分類數(shù)據(jù)進(jìn)行鄰域同化處理,把處理后的數(shù)據(jù)與原始數(shù)據(jù)作為初始化種群的依據(jù);然后結(jié)合多個(gè)目標(biāo)函數(shù)對(duì)目標(biāo)區(qū)域進(jìn)行優(yōu)化;最后根據(jù)目標(biāo)函數(shù)結(jié)果、景觀效果以及區(qū)域功能特征等多方面與傳統(tǒng)優(yōu)化方法進(jìn)行對(duì)比分析,對(duì)優(yōu)化結(jié)果進(jìn)行評(píng)估,評(píng)價(jià)研究區(qū)域土地的最優(yōu)布局效果。

1 研究區(qū)域與數(shù)據(jù)源

1.1 研究區(qū)概況

安慶市望江縣(30°03′～30°26′N,116°34′～116°55′E)地處安徽省西南邊緣,屬于安徽、湖北、江西三省交匯地帶,縣內(nèi)包括華陽(yáng)鎮(zhèn)、太慈鎮(zhèn)、高士鎮(zhèn)、賽口鎮(zhèn)、鴉灘鎮(zhèn)、長(zhǎng)嶺鎮(zhèn)、楊灣鎮(zhèn)、漳湖鎮(zhèn)8個(gè)鄉(xiāng)鎮(zhèn),總面積1 348 km2。西南與宿松相接,東南與江西彭澤縣隔江相望,北接太湖,地勢(shì)西高東低,屬于北亞熱帶季風(fēng)氣候區(qū),年平均氣溫16.5 ℃,平均年降水量1 300 mm。

望江縣的城市建設(shè)以縣城為中心向外成輻射狀,縣城區(qū)域外的地帶均為大面積分散的農(nóng)村居民點(diǎn)和復(fù)雜的農(nóng)用地,呈現(xiàn)出“農(nóng)村包圍城市”的格局。

1.2 數(shù)據(jù)源來(lái)源與處理

本文主要使用數(shù)據(jù)為望江縣內(nèi)高分一號(hào)衛(wèi)星影像、數(shù)字高程模型(digital elevation model, DEM)數(shù)據(jù)和經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)。其中:高分一號(hào)衛(wèi)星影像來(lái)源于遙感集市(http://www.rscloudmart.com/),所用衛(wèi)星影像圖分辨率為16 m;DEM數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云平臺(tái)(http://www.gscloud.cn/),所用DEM數(shù)據(jù)分辨率為30 m;經(jīng)濟(jì)生態(tài)統(tǒng)計(jì)數(shù)據(jù)來(lái)源于資源環(huán)境數(shù)據(jù)云平臺(tái)(http://www.resdc.cn/data.aspx?DATAID=201)。

本文通過(guò)圖像處理軟件對(duì)高分一號(hào)影像進(jìn)行融合拼接等操作后，經(jīng)裁剪獲取到目標(biāo)區(qū)域圖像,對(duì)目標(biāo)區(qū)域圖像采用聚類分析并結(jié)合人工目視解譯,獲得望江縣土地利用分類現(xiàn)狀,如圖1所示。

為了充分考慮研究區(qū)域土地利用現(xiàn)狀的合理性,需對(duì)研究區(qū)域土地利用現(xiàn)狀進(jìn)行適宜性評(píng)價(jià)。結(jié)合望江縣實(shí)際土地情況及所能獲取到的數(shù)據(jù),本文選取6種評(píng)價(jià)因子對(duì)望江縣2017年土地利用進(jìn)行用地適宜性評(píng)價(jià)。評(píng)價(jià)因子分別為建筑用地密度、河流湖泊密度、坡度、坡向、地形起伏度、歸一化植被指數(shù)(normalized difference vegetation index,NDVI)。其中,坡度、坡向因子由DEM數(shù)據(jù)中提取獲得;其他因子由土地利用現(xiàn)狀圖中提取并計(jì)算獲得。采用層次分析法確定各個(gè)因子的權(quán)重指數(shù),使用ArcGIS10.2的柵格計(jì)算功能獲得望江縣宜耕、宜建、宜林、宜園4種評(píng)價(jià)結(jié)果，如圖2所示。最后將所得柵格數(shù)據(jù)重采樣為100 m×100 m的網(wǎng)格圖,將網(wǎng)格圖邊界上未達(dá)到單元面積的網(wǎng)格剔除,得到土地利用現(xiàn)狀網(wǎng)格圖。

2 研究方法

采用改進(jìn)后的優(yōu)化方法并結(jié)合多個(gè)目標(biāo)和約束對(duì)望江縣的土地現(xiàn)狀從數(shù)量和空間上進(jìn)行優(yōu)化。首先利用ArcGIS對(duì)遙感影像進(jìn)行分類等操作后獲得目標(biāo)區(qū)域的柵格數(shù)據(jù),然后基于柵格數(shù)據(jù)進(jìn)行數(shù)據(jù)編碼等操作和優(yōu)化算法的參數(shù)配置,將2種土地?cái)?shù)據(jù)作為輸入,采用遺傳算法并結(jié)合多目標(biāo)和約束進(jìn)行優(yōu)化,最后將得到的優(yōu)化結(jié)果基于生態(tài)景觀進(jìn)行評(píng)估和分析。優(yōu)化流程如圖3所示。

圖3 優(yōu)化流程

2.1 數(shù)據(jù)處理

2.1.1 數(shù)據(jù)編碼

本實(shí)驗(yàn)是基于柵格單元進(jìn)行的,需要對(duì)數(shù)據(jù)進(jìn)行柵格化處理,將所有矢量數(shù)據(jù)投影到同一坐標(biāo)系后使用ArcGIS重采樣功能,得到100 m×100 m的柵格數(shù)據(jù)。本文采用十進(jìn)制編碼表征土地單元的土地類型,對(duì)于重采樣后的土地利用分類柵格圖,每個(gè)柵格單元都代表一種土地類型,將柵格上的值設(shè)置為k,k=1、2、3、4、5分別代表土地類型為水體、林地、耕地、草地、建筑用地,超出研究區(qū)范圍的柵格用0表示。對(duì)于重采樣后的土地適宜性評(píng)價(jià)柵格圖,每個(gè)柵格單元都代表一種適宜性等級(jí),將柵格上的值設(shè)置為s,s=1、2、3、4分別代表適宜性等級(jí)為不適宜、臨界適宜、一般適宜、非常適宜,超過(guò)研究范圍的柵格用127表示。在遺傳算法中,用二維矩陣來(lái)表征土地利用類型的分布情況,染色體對(duì)應(yīng)土地利用配置方案,基因?qū)?yīng)土地單元。

2.1.2 固定土地單元的提取

根據(jù)生態(tài)環(huán)境保護(hù)和國(guó)家政策等因素,需要確保某些區(qū)域配置固定的土地類型,或是某一區(qū)域在某些區(qū)域被明確限制。然而由于遺傳算法的隨機(jī)性,無(wú)法確保在優(yōu)化過(guò)程中這些土地單元的用地類型不發(fā)生變化,因此需要在優(yōu)化前將固定不變的土地類型區(qū)域的柵格數(shù)據(jù)進(jìn)行提取保存。另一方面,柵格數(shù)據(jù)作為自變量,其數(shù)量影響著遺傳算法收斂的速度和運(yùn)行效率,通過(guò)固定單元的提取可以有效地減少自變量的數(shù)量。本文結(jié)合望江縣的實(shí)際情況,根據(jù)文獻(xiàn)[19]的相關(guān)規(guī)定,并考慮到轉(zhuǎn)換成本或生態(tài)系統(tǒng)保護(hù)等原因,對(duì)望江縣原始水域和建筑用地進(jìn)行固定單元的提取并記錄其在原始柵格數(shù)據(jù)中的下標(biāo)位置,在得到優(yōu)化結(jié)果后將其進(jìn)行還原,得到最終的土地利用配置方案。

2.2 改進(jìn)的優(yōu)化方法

本文基于成熟且使用廣泛的遺傳算法,對(duì)土地單元進(jìn)行鄰域同化處理,將同化處理后的土地?cái)?shù)據(jù)與原始土地?cái)?shù)據(jù)作為初始化種群的依據(jù),從而對(duì)研究區(qū)域進(jìn)行優(yōu)化處理。

2.2.1 鄰域同化處理

現(xiàn)有的基于遺傳算法的土地利用配置方法,對(duì)于初始種群大多直接采用原始的土地利用分布圖進(jìn)行優(yōu)化。由于遺傳算法的隨機(jī)性以及數(shù)量眾多的自變量,雖然有對(duì)于聚集性進(jìn)行約束的目標(biāo)函數(shù),但是采用這種方式優(yōu)化后的土地斑塊數(shù)量依然會(huì)大幅增加,從而加重了中小城鎮(zhèn)土地分布粗放等問(wèn)題,為此需要將原始數(shù)據(jù)進(jìn)行鄰域同化處理,如圖4所示。

圖4 鄰域同化處理

首先遍歷所有土地單元,再遍歷當(dāng)前土地單元的8個(gè)鄰域土地單元的土地類型,然后根據(jù)8個(gè)鄰域土地類型的具體情況,將該土地單元類型進(jìn)行轉(zhuǎn)換。 若存在8個(gè)鄰域中的土地單元屬于同一類型且數(shù)量大于4的土地類型k,則將當(dāng)前土地單元類型轉(zhuǎn)換為k,如圖4a所示。若存在8個(gè)鄰域中的土地單元屬于2種土地類型k和m且數(shù)量相同皆為4,則根據(jù)當(dāng)前土地單元類型進(jìn)行轉(zhuǎn)換;若當(dāng)前土地單元類型為k或m,則不作轉(zhuǎn)換;若均不為k或m,則隨機(jī)轉(zhuǎn)換k或m中的其中一種,如圖4b所示。若存在8個(gè)鄰域中的土地單元屬于同一類型且數(shù)量為4的土地類型k,則將當(dāng)前土地單元類型轉(zhuǎn)換為k,如圖4c所示;除以上3種情況外,其他均不作轉(zhuǎn)換,如圖4d所示。

最后得到處理后的土地類型分布情況如圖5所示。

圖5 望江縣鄰域同化處理后土地利用分類

2.2.2 初始種群的改進(jìn)

為了提高優(yōu)化效率且避免過(guò)早陷入局部最優(yōu)解,將鄰域同化處理后的土地利用現(xiàn)狀圖與原始土地利用現(xiàn)狀圖進(jìn)行結(jié)合,將其分別作為隨機(jī)生成初始種群的上下界,由此得到的初始種群既保證了種群的多樣性,在板塊數(shù)量上也會(huì)低于原始土地利用分布圖。這樣的處理方法可以在保證聚集性的前提下結(jié)合經(jīng)濟(jì)和生態(tài)等目標(biāo)函數(shù)對(duì)目標(biāo)區(qū)域進(jìn)行土地利用優(yōu)化配置。種群初始化的算法流程如下。

輸入:原始土地利用現(xiàn)狀數(shù)據(jù)Xori,鄰域同化處理土地?cái)?shù)據(jù)Xass。

輸出:優(yōu)化后的初始種群。

(1) 遍歷原始現(xiàn)狀數(shù)據(jù)Xori和鄰域同化處理土地?cái)?shù)據(jù)Xass,得到隨機(jī)生成初始種群的上下邊界bL和bU。

(2) 同時(shí)遍歷Xori和Xass,可以分別得到當(dāng)前遍歷土地單元X(i)、Y(i)。若X(i)

(3) 根據(jù)步驟(1)得到的上下邊界,采用隨機(jī)數(shù)生成優(yōu)化后的初始種群。

2.3 目標(biāo)函數(shù)

在優(yōu)化過(guò)程中根據(jù)目標(biāo)函數(shù)對(duì)種群個(gè)體進(jìn)行評(píng)價(jià),采用目標(biāo)函數(shù)值作為個(gè)體適應(yīng)度值。參考文獻(xiàn)[20-24]等相關(guān)資料,構(gòu)建如下目標(biāo)函數(shù)。

(1) 經(jīng)濟(jì)效益最大化函數(shù)[21]。公式如下:

(1)

其中:fecon為研究區(qū)土地利用總經(jīng)濟(jì)效益;xi為n種地類中地類i的總面積;ci為地類i的經(jīng)濟(jì)效益系數(shù),ci的計(jì)算結(jié)合文獻(xiàn)[25]中的經(jīng)濟(jì)數(shù)據(jù),包括望江縣生產(chǎn)總值、農(nóng)林牧漁業(yè)總產(chǎn)值等,得到望江縣經(jīng)濟(jì)效益系數(shù),見表1所列。

表1 望江縣各土地利用類型經(jīng)濟(jì)效益系數(shù)

(2) 生態(tài)效益函數(shù)[21]。公式為:

(2)

其中:fecol為研究區(qū)土地利用總生態(tài)效益;di為地類i的生態(tài)效益系數(shù);xi為n種地類中地類i的總面積。生態(tài)效益系數(shù)參考我國(guó)各類土地生態(tài)系統(tǒng)服務(wù)價(jià)值表[26]。

(3) 空間聚集性函數(shù)[27]。公式為:

(3)

其中:faggr為研究區(qū)域空間總聚集性;xijk為土地利用類型k的單元(i,j),若當(dāng)前土地利用類型為k,則數(shù)值為1,否則數(shù)值為0,k分別代表耕地、草地、林地、水體、建筑用地5種土地利用類型;若土地利用單元(i,j)被劃定土地利用類型k,aijk為單元(i,j)的8個(gè)鄰域內(nèi)土地利用單元也為用途k的數(shù)量,則有:

aijk=x(i-1)jk+x(i+1)jk+xi(j-1)k+xi(j+1)k+

x(i-1)(j-1)k+x(i-1)(j+1)k+x(i+1)(j-1)k+x(i+1)(j+1)k

(4)

2.4 約束條件

約束條件是優(yōu)化算法必不可少的一部分,制定一系列適合研究區(qū)域的約束條件能指導(dǎo)種群個(gè)體之間的轉(zhuǎn)換和學(xué)習(xí),進(jìn)而提高優(yōu)化效率,讓實(shí)驗(yàn)結(jié)果更加理想。

本文約束條件分為不同土地利用類型之間的相互轉(zhuǎn)換約束和數(shù)量結(jié)構(gòu)約束。前者參考文獻(xiàn)[27]的土地利用類型轉(zhuǎn)換系數(shù)表,結(jié)合研究區(qū)域?qū)嶋H情況做適當(dāng)調(diào)整;后者參考文獻(xiàn)[22-24]及其他相關(guān)法律法規(guī)等資料。約束條件如下。

(1) 土地利用類型數(shù)量結(jié)構(gòu)約束。所有土地利用類型面積之和等于望江縣總面積;為了保護(hù)農(nóng)作物產(chǎn)量,全縣耕地面積不得低于其保有量;為了防止過(guò)度開發(fā)土地資源造成不必要的浪費(fèi)，建筑用地總面積不得超過(guò)其現(xiàn)有面積的30%;為防止過(guò)度開墾生態(tài)環(huán)境,林地和園地面積應(yīng)設(shè)置最低值。

(2) 空間結(jié)構(gòu)約束。通過(guò)添加懲罰函數(shù)的方法來(lái)懲罰8個(gè)鄰域內(nèi)沒(méi)有相同土地類型的柵格單元,以盡量緩解中小城鎮(zhèn)用地布局分散等問(wèn)題。

(3) 強(qiáng)制約束。坡度大于25°的土地只能作為林業(yè)用地;考慮轉(zhuǎn)換成本及實(shí)際操作難度等原因,建筑用地不做轉(zhuǎn)換處理;國(guó)家湖泊政策明確規(guī)定禁止圍湖造地,將湖灘劃定為農(nóng)田等,因此湖泊、河流不做轉(zhuǎn)換處理。

3 實(shí)驗(yàn)結(jié)果與分析

選擇合適的參數(shù)值是保證算法良好性能的必要條件,但參數(shù)值的選取取決于具體的問(wèn)題情況。用于實(shí)驗(yàn)的空間分辨率為100 m×100 m,網(wǎng)格數(shù)為481×372個(gè)單元。研究區(qū)域的初始解決方案按第2節(jié)中描述的方法。結(jié)合望江縣內(nèi)各類土地利用類型高度分散、城鎮(zhèn)經(jīng)濟(jì)發(fā)展與生態(tài)建設(shè)需相輔相成等現(xiàn)狀,設(shè)定種群大小為300,最大迭代次數(shù)為800,土地利用優(yōu)化結(jié)果如圖6所示。

圖6 望江縣傳統(tǒng)優(yōu)化方法和改進(jìn)優(yōu)化方法結(jié)果

3.1 目標(biāo)函數(shù)分析

根據(jù)優(yōu)化前后的土地利用數(shù)據(jù)對(duì)目標(biāo)函數(shù)進(jìn)行計(jì)算,得到優(yōu)化前后各項(xiàng)指標(biāo)的目標(biāo)函數(shù)值,見表2所列。

表2 望江縣目標(biāo)函數(shù)優(yōu)化結(jié)果

由表2可知,與望江縣2017年原始數(shù)據(jù)相比,傳統(tǒng)優(yōu)化方法和改進(jìn)優(yōu)化方法的各項(xiàng)經(jīng)濟(jì)效益和生態(tài)效益均有所提高。其中,傳統(tǒng)優(yōu)化方法的經(jīng)濟(jì)效益比改進(jìn)后的優(yōu)化方法得到了大幅度提升,但其生態(tài)效益增幅略低,這說(shuō)明遺傳算法在尋優(yōu)過(guò)程中尤其注重經(jīng)濟(jì)效益的提高,遺傳算法中建筑用地實(shí)驗(yàn)結(jié)果幾乎逼近約束數(shù)值,這將不利于經(jīng)濟(jì)與生態(tài)的協(xié)調(diào)發(fā)展。與傳統(tǒng)優(yōu)化方法相比,改進(jìn)后的優(yōu)化方法平衡了經(jīng)濟(jì)與生態(tài)的發(fā)展,將各項(xiàng)指標(biāo)均控制在合理范圍內(nèi),既保證了經(jīng)濟(jì)發(fā)展又增強(qiáng)了生態(tài)環(huán)境的保護(hù)。同時(shí),改進(jìn)后的優(yōu)化方法在優(yōu)化過(guò)程中聚集性數(shù)值下降到49 367,而傳統(tǒng)優(yōu)化方法經(jīng)多次迭代后聚集性數(shù)值依然居高不下。綜上所述,改進(jìn)優(yōu)化方法在促進(jìn)經(jīng)濟(jì)與生態(tài)共同發(fā)展的情況下保證了土地用地類型聚集度的提高。由表2可知,經(jīng)過(guò)改進(jìn)后的優(yōu)化方法在一定程度上預(yù)測(cè)了植樹造林、開墾荒地、建設(shè)城鎮(zhèn)等發(fā)展趨勢(shì)，聚集性的提高,緩解了望江縣土地類型分散問(wèn)題,保證了望江縣整體土地利用數(shù)量結(jié)構(gòu)處于優(yōu)化的狀態(tài)。

3.2 整體景觀效果分析

在望江縣目標(biāo)函數(shù)結(jié)果分析的基礎(chǔ)上,分別從整體景觀效果和區(qū)域服務(wù)功能特征對(duì)望江縣進(jìn)行優(yōu)化效果評(píng)估[28]，采用景觀格局指標(biāo)對(duì)望江縣優(yōu)化結(jié)果進(jìn)行計(jì)算,借助景觀指數(shù)分析方法,對(duì)試驗(yàn)區(qū)域景觀格局進(jìn)行分析,望江縣傳統(tǒng)優(yōu)化方法和改進(jìn)優(yōu)化方法各土地利用類型的景觀指數(shù)見表3所列。

表3 望江縣各土地利用類型景觀指數(shù)

由表3可知,在基于柵格優(yōu)化的情況下,傳統(tǒng)方法的斑塊數(shù)增加了19 176,參考表2的聚集性數(shù)值可知,傳統(tǒng)優(yōu)化方法雖然能保證經(jīng)濟(jì)和生態(tài)的發(fā)展,但無(wú)法保證土地聚集性的提高。同時(shí),對(duì)比2017年各類土地類型的景觀指數(shù)可知,傳統(tǒng)優(yōu)化方法的斑塊密度和景觀形狀指數(shù)均得到提高,但平均斑塊面積降低,這說(shuō)明針對(duì)小城鎮(zhèn)存在的土地等分散問(wèn)題,傳統(tǒng)優(yōu)化方法在空間優(yōu)化上不能得出一個(gè)合理的優(yōu)化方案。將改進(jìn)優(yōu)化方法的優(yōu)化結(jié)果與2017年各類土地類似數(shù)據(jù)對(duì)比可知,改進(jìn)后的斑塊數(shù)量由28 031下降到23 194,說(shuō)明對(duì)望江縣土地利用優(yōu)化配置后,望江縣整體景觀的破碎度有所降低,整體土地利用集約性都得到了提高。同時(shí),望江縣各土地類型的斑塊密度均有不同程度的降低,其中林地的板塊密度下降最為明顯,由原始的5.493下降到了3.643,結(jié)合優(yōu)化后望江縣最大斑塊指數(shù)和平均斑塊面積的提高可知,改進(jìn)優(yōu)化后研究區(qū)域內(nèi)各土地利用類型斑塊面積變大,各類型斑塊數(shù)量降低,說(shuō)明望江縣土地優(yōu)化后的用地類型由松散變化到集聚,農(nóng)村居民點(diǎn)的粗放分布問(wèn)題得到一定程度上的緩解,降低了社會(huì)管理成本,對(duì)經(jīng)濟(jì)效益的提高提供了輔助作用。數(shù)據(jù)顯示,采用改進(jìn)優(yōu)化方法優(yōu)化后望江縣各用地類型的景觀形狀指數(shù)基本上呈現(xiàn)下降趨勢(shì),表明優(yōu)化后望江縣各土地利用類型斑塊的邊界由復(fù)雜開始趨于規(guī)則,平均形狀指數(shù)下降。邊界的規(guī)則化便于土地資源得到更好的管理,對(duì)經(jīng)濟(jì)和生態(tài)的發(fā)展都大有益處。綜上所述,使用改進(jìn)的優(yōu)化方法后,望江縣的景觀效果整體趨勢(shì)較好,優(yōu)化結(jié)果與預(yù)期規(guī)劃的目標(biāo)保持一致,表明本文提出的改進(jìn)優(yōu)化方法是有效的,為土地利用優(yōu)化配置提供了一定的參考價(jià)值。

4 結(jié) 論

合理利用土地資源是促進(jìn)經(jīng)濟(jì)與生態(tài)環(huán)境共同發(fā)展的重要手段。隨著時(shí)代的發(fā)展,人們的關(guān)注點(diǎn)主要集中在大中型城市,忽略了小城鎮(zhèn)的土地利用問(wèn)題。我國(guó)小城鎮(zhèn)普遍存在農(nóng)村用地布局分散粗放,土地開發(fā)利用強(qiáng)度過(guò)大且利用方式不合理等問(wèn)題。此外,由于缺乏科學(xué)的管理和完善的法律法規(guī)制度,土地結(jié)構(gòu)大部分為農(nóng)業(yè)用地的小城鎮(zhèn)存在城市化基礎(chǔ)薄弱、土地資源利用率較低等問(wèn)題。因此,對(duì)小城鎮(zhèn)進(jìn)行土地利用優(yōu)化配置是促進(jìn)城鎮(zhèn)化經(jīng)濟(jì)和生態(tài)發(fā)展的必要條件。

針對(duì)傳統(tǒng)優(yōu)化方法難以適用小城鎮(zhèn)土地利用優(yōu)化這一問(wèn)題,從土地緊湊度的角度對(duì)中小城鎮(zhèn)應(yīng)用場(chǎng)景進(jìn)行土地利用優(yōu)化配置。選擇安慶市望江縣作為研究區(qū)域,通過(guò)實(shí)驗(yàn)結(jié)果分析,得出以下結(jié)論:

(1) 將改進(jìn)后的優(yōu)化方法應(yīng)用在安慶市望江縣,能促使研究區(qū)域的經(jīng)濟(jì)效益與生態(tài)效益協(xié)調(diào)發(fā)展。同時(shí),各類土地類型的整體景觀格局均達(dá)到了良好的優(yōu)化效果,其中,斑塊數(shù)量下降,斑塊密度和景觀形狀指數(shù)降低,最大斑塊指數(shù)和平均斑塊面積提高。

(2) 由于遺傳算法的隨機(jī)性,傳統(tǒng)的研究方法難以在集聚性上達(dá)到一個(gè)較好的效果,本文針對(duì)望江縣用地類型分布零散、布局粗放等問(wèn)題,優(yōu)先提高土地單元鄰域同化處理,將經(jīng)過(guò)鄰域處理后的數(shù)據(jù)與未處理的數(shù)據(jù)作為初始化種群的依據(jù)。實(shí)驗(yàn)結(jié)果表明,該方法能有效緩解土地利用優(yōu)化配置過(guò)程中遺傳算法的隨機(jī)性問(wèn)題,保障了土地優(yōu)化布局的有效性。

后續(xù)工作將進(jìn)一步提高實(shí)驗(yàn)效率,完善優(yōu)化結(jié)果陷入局部最優(yōu)解等問(wèn)題,繼續(xù)深入研究更好的預(yù)處理方法。