论文部分内容阅读
摘要：
土地利用空间优化配置是指土地要素在地域空间上的定性、定量和定位，是目前的研究热点之一。本文依据国内外土地利用空间优化研究的最新成果，概述了土地利用空间优化的概念、理论体系及一般流程；重点阐述了土地利用空间优化配置的方法与模型，从理论原则、模型构建、算法优化、与GIS空间分析模块结合四个角度分析了各种土地利用空间优化配置方法的优缺点；最后提出土地利用空间优化配置的展望，认为土地利用空间优化仍可从理论完善、单个模型或算法的改进、转换规则的优化等几个方面进行提高。
关键词：土地利用空间优化配置；模型；构建；算法改进；转换规则
中图分类号：F301文献标识号：A文章编号：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
土地利用优化配置（Optimization Allocation of Land Use）是指开发利用土地，促进社会、经济、生态的协调可持续发展。这种优化主要是针对区域内特定土地资源在利用方式、数量结构、空间布局以及综合效益等方面的优化[1，2]。土地利用的数量结构优化是最先出现的研究课题[3，4]，然而随着研究的不断深入，以经济效益最大化为目标的数量结构优化已不能解决土地利用中存在的诸多问题，空间优化逐步成为目前土地资源优化配置的主要内容[5]。土地利用空间优化配置（Spatial Optimization Allocation of Land Use）是指在既定的规划目标前提下，根据一定的技术手段和方法，对某一区域范围内的土地资源，从利用结构、利用方式、时空等角度进行系统、科学、综合的安排、设计和布局，并得到由点、线、面组成的多目标、多层次、目标效益最大化的土地利用空间配置方案[6]。
当前RS、GIS以及信息科学技术的不断发展完善，以及对土地利用的动态监测、空间分析、模拟预测能力不断加强，越来越多的学者在土地利用数量结构优化研究的基础上，转而投入到对土地利用空间格局优化研究的方向上来。本文在前人研究基础上分析总结了土地利用空间格局优化的理论体系、基本流程以及优化方法，将有利于促进土地利用研究领域的完善和创新。
1土地利用空间优化配置的理论体系
土地利用空间优化配置是一个复杂、综合的过程，其目的在于合理利用土地资源实现区域社会、经济、生态协调与可持续发展。其理论体系主要包含以下几个方面。
1.1区位论
区位论是为寻求合理空间活动而创建的，最早的区位论是1826年杜能提出的“杜能圈”；典型的区位论还包括韦伯工业区位论、克里斯塔勒中心地理论以及廖什市场区位论。区位论从点、线、面等区位几何要素对地理空间布局的思想进行归纳演绎，对优化模型的构建以及从区域协调发展的角度提升空间地类转换的评判规则有较大的指导意义。
1.2区域经济学理论
从经济学的角度，重点对土地利用过程中产生的经济效益进行评价，主要包括增长极核理论、极差地租理论、土地报酬递减理论等。区域经济学理论对指导土地资源合理配置以获得最大经济效益、同时协调不同地域空间组织的资源诉求有重大影响，如对我国城乡土地一体化空间均衡规划研究等有较好的借鉴意义[6]。 1.3生态学方面的相关理论
首先，土地利用变化的过程也是生态景观格局演变的过程，为此将景观生态学的理论思想引入到土地空间格局优化中来具有重要的实际意义。其次，生态位理论将土地利用类型表述为不同的生态位，继而调整土地利用的空间布局。生态学的理论观点在土地利用空间优化过程中主要为建模提供决策依据，如MCR模型。
1.4可持续发展理论
该理论兴起于20世纪五六十年代，涉及自然、环境、社会、经济、科技、政治等多个方面，考虑公平性、持续性和共同性原则。可持续发展是土地空间优化所要考虑的重要内容，对土地利用空间优化的指导意义主要表现在约束函数以及转换规则的设定上。
1.5最优化理论
该理论是近十几年形成的，通过各种数学方法，如线性规划、随机规划等，为不同的系统提供优化途径及解决方案，主要针对管理问题和生产经营活动。土地利用空间优化既是管理问题又是一种生产经营活动，最优化理论的研究方法将对空间优化的建模过程形成比较透彻的思路。
2土地利用空间优化配置的一般流程
土地利用空间优化配置是从土地利用结构优化配置的基础上进一步发展而来，是土地利用优化的高级形式。依据配置的主要内容，其主体流程见图1。
图1土地利用空间优化配置的一般流程
空间优化配置必须在结构优化的框架下进行，原因在于空间优化是从时空的角度对土地要素进行布局，而这些土地要素在规划期内的最佳面积、合理比例等是通过结构优化实现的。因此，土地利用空间优化配置首先需要对区域土地利用现状进行分析，结合区域中各种自然、社会、经济条件，评价其土地利用的适宜性，并依据区域发展规划的目标制定数量结构优化方案，之后选定空间优化方法模型，结合空间地类的转换规则实现区域土地利用的空间优化配置。
3土地利用空间优化配置的方法
土地利用空间优化配置最早起源于对城市空间格局的研究，从1826年杜能发表《孤立国》一书开始到现在，土地利用优化经历了数量结构优化的成熟到如今空间结构优化兴起的过程[6]。对于土地利用的空间优化配置，国内外许多学者就相关领域做了大量的研究工作，如：Matthews等[7]采用GIS与环境模型相结合的空间决策方法，研究了农村土地利用规划的空间决策问题；Stewart[8]、Porta[9]等分别对遗传算法（GA）在多目标条件下和不同并行模式（多核并行、群集并行）下的土地利用空间优化进行模拟；王新生等[10]基于模拟退火算法（SA），研究了城市土地利用空间布局；Eldrandaly[11]采用基因表达规划算法（GEP），结合GIS的空间分析，认为能较好地实现多目标条件下的土地利用空间优化；黎夏等[12]采用基于神经网络和元胞自动机（CA）相结合的空间优化模型，改进了单CA模型在地类模拟转变中的不足，并减少了CA模型中复杂参数的设定；张鸿辉[13]、Ralha[14]等采用多智能体系统（MAS），分别以长沙市和巴西塞拉多地区的土地利用变化进行模拟，实证MAS，取得良好的效果；马世发[15]、刘小平[16]等基于微粒子群优化算法（PSO），依次对县域城镇土地利用空间布局及宏观经济变量和社会驱动力以及多限制条件下的大区域土地利用空间布局进行模拟。另外还有其他一些模型或者算法在土地利用空间优化配置中的应用等，如：最小阻力模型（MCR）、多目标土地利用空间配置法（MOSOLUA）、蚁群算法等。
归纳起来，土地利用空间优化配置主要从理论原则、模型构建、算法优化等角度以及结合GIS的空间分析模块四个方面进行研究。
3.1基于理论原则的土地利用空间优化方法
不少学者从生态安全、土地资源综合承载力、土壤水分分布、土地开发适宜性评价、城乡用地统筹安排、基本农田保护等角度提出土地利用的相关控制目标，继而在这些理论研究的基础上对某一地区的土地利用空间布局进行优化。如李晖等在对香格里拉县生态用地规划时，认为构建不同的景观安全格局能够为区域性的生态用地规划提供对策，提出“源”外第一层为禁建区、第二层为限建区、第三层为适建区[17]。金志丰等[18]借助土地开发适宜性分区成果，提出宿迁市的差别化区域土地利用方式与管制措施，将宿迁市分为建设用地重点保障区和农用地重点保障区等6种类型区[18]。
基于理论原则的土地利用空间优化，主要优点在于优化决策层的构建是建立在相关成熟研究基础上的，优化过程中所要考虑的控制因子易于寻求；但同时这也是该方法的缺点，即因素层单一，如基于土壤水分分布的空间优化，并不能很好地将生态、经济效益等其他方面考虑进去。总体上来说该方法比较简单实用。
3.2基于模型构建的土地利用空间优化方法
基于模型构建的优化方法是指针对土地利用空间优化过程中涉及到的优化影响因子，在规划目标的指导下，通过构建模型提出有组织规划的综合决策方案，其主体过程如图2所示。
图2基于模型构建的土地利用空间优化过程
模型构建法通过各种参数的运算结果计算土地利用类型图中各栅格的转换概率，来实现不同情景模式下或者目标前提下的土地利用空间布局。当前土地利用空间优化的模型构建方法
较多，各种新模型的提出和对已有模型的改进是许多学者研究的重点，常见模型主要有以下几种，见表1。
另外还有系统动力学模型（SD）、人工神经网络模型（ANN）、多目标土地利用空间优化模型（MOSOLUA）等，各种模型各有其优缺点。当前不少学者也在不断尝试将不同的模型结合起来，对特定区域的土地利用空间变化进行模拟，如黎夏等[13]采用基于神经网络的元胞自动机模拟复杂土地利用系统，此种方法的好处在于不需要用户去设定CA模型的转换规则，而是通过ANN-CA模型的纠正模块自动获取模型参数。模型构建法深受系统论思想的影响，能较为全面地考虑土地利用空间优化过程中的各种社会、经济、生态等限制因素，且模型能充分体现人的主观行为在土地利用中的作用，因而模拟过程更容易贴合现实情况，使优化结果较好，如基于MAS的土地利用空间优化中，Agent的设定范围可以涵盖现实中各个利益体对土地的诉求，能充分模拟现实情况。但是该方法涉及的驱动因素层较多，资料收集困难，寻优程序繁杂。 模型名称模型概述特点应用实例
多智能体系统（MAS） 20世纪70年代末提出；多个具备自主性、交互性、反应性的Agent在给定行为知识库条件的限制下，自下而上，通过协调寻求整体最佳规划方案的一种模型。 从土地利用主体出发，独立的Agent行为通过协调产生整体最佳结果，即将复杂的土地利用空间优化问题耦合成简单任务，同时Agent又具备一定的学习、适应和推理能力；可以克服单个Agent的知识不完全、处理问题不全面等缺点。[13]
元胞自动机模型（CA） 20世纪50年代 Stanislan Ulam和John von Neumann提出；由离散、多维、具有限状态集的元胞通过一定的转化规则，在时间和空间上进行演化的动力学模型，由元胞、状态集、邻域和转换规则四部分组成。 CA模型主要用于解决几何空间关系，其难点在于模型纠正和转换规则的确定。在土地利用空间优化中，CA模型可以很好地模拟土地利用动态变化的过程，但是基于纯粹几何关系的邻域定义并不能很好地反映真实地理空间作用。[12]
最小累积阻力模型（MCR）最早由Knaapen等人于1992年提出；由“源”向外经过不同的阻力单元扩散，计算达到目标点所要克服的阻力总和，用阻力值衡量源到某一点的易达性，采用阻力面分析地类转换的概率，继而确定土地利用空间格局。 MCR模型多用于生态景观格局分析中，根据MCR模型，容易从“点源”、“廊道线”、“阻力面”出发，进行土地功能分区，能充分体现土地单元的空间格局，且除确定阻力值需要专家打分外，大部分工作由计算机完成，具有较强的可操作性。[19]
CLUE-S模型 Verburg等人于2002年在CLUE基础上开发而来；在土地利用变化受区域土地需求驱动的假设下，由非空间模块和空间模块组成；非空间模块用于选取土地利用变化的驱动因素并逐年分析预测土地需求变化；空间分析模块将这种变化序列通过Logistic回归得到的土地类型概率分布，再加上转换规则并结合初期土地利用现状对后续土地利用空间格局进行动态模拟。 CLUE-S适于模拟小尺度的土地利用空间格局变化，改变转换系数值能快捷地设置不同情景模式下的土地利用变化。缺点在于模型对各种参数极为敏感；土地转化规则设定的主观性过高；不适用于模拟飞地较多的区域等。[20]、[21]
3.3基于算法的土地利用空间优化方法
基于算法的土地利用空间优化多是模拟自然界中的寻优过程，如遗传算法、蚁群算法等，继而引入到土地利用空间优化中来。算法优化的开始阶段多是输入基期年土地利用现状图，通过栅格转换规则以及变异函数形成新解，即包括各地类栅格数量和空间位置的栅格图层，再依据判断函数决定是否接受解，如此循环迭代，最终完成区域土地利用的空间优化。基本过程如图3所示。
算法的关键在于如何采取适当的方式描述问题，特别是转换规则的设定需要包含面积约束、距离约束、方向约束、形状紧凑性约束、同类单元的邻接性约束等。常见的几种算法见表2。
基于算法的优化方法还有很多，如人工免疫算法、人工鱼群算法等，同时对算法的改进与算法间的结合应用也是比较热门的研究内容。这类方法是从问题的最终结果入手，通过某种算法对优化结果解或者解集的随机扰动，并从这些变异的解中搜索出问题的最优解的过程。其优点在于：思路简单、应用范围广，易于用户接受；是一种基于概率的全局搜索，不需要设定繁杂的偏好权重以迎合多目标处理的需要。但其缺点也不容忽视：易“早熟”产生局部最优解。如SA的优化过程，其迭代次数与收敛函数（降温过程）决定变异的好坏，一旦内外循环的收敛速度过快将导致局部最优解的形成，而过慢则会产生大量冗余迭代，影响运算速度，其他算法也有类似的缺点。
3.4基于GIS空间分析模块的土地利用空间优化方法
随着计算机软硬件技术的发展，目前世界上主流的地理信息类软件如ArcGIS、MapInfo、MapGIS甚至Erdas、ENVI等软件的空间分析能力不断加强，结合GIS空间分析功能的土地利用空间优化方法也应用广泛。如赵筱青等基于GIS空间分析技术和“成本距离加权”制图分析工具，并结合MCR模型构建廊道、辐射道、战略点等生态格局组分，划分六类土地功能分区[5]；Matthews等通过GIS与环境模型的耦合，提出农村土地利用规划的空间决策模型，该模型能使土地管理者提前预知在尝试改变土地利用方式后所带来的影响，从而避免不必要的损失[7]。
算法名称算法简介特点应用实例
遗传算法（GA） 20世纪60年代中期由Holland等人提出；通过模拟生物的遗传进化，先生成目标函数的随机解集，然后基于解的自适应大小在父代解集中进行选择、杂交、变异形成新解集，依此逐步迭代形成最优解的全局搜索算法。 GA算法与具体问题的相关性很低，具有较高的通用性；算法从解集开始迭代寻优过程对于全局最优解的确定较为有利；算法的重点在于“染色体”即解的编码方法和自适应值判断函数的确定。算法的缺点在于不适合大规模组合的求解运算，求解过程存在大量冗余迭代。[8]、[9]
模拟退火算法（SA） Kirkpatrick等人于1982年提出；模拟固体降温过程，包括状态产生函数、状态接受函数、温度更新函数、温度更新准则和算法终止准则。先确定初始解，再随机扰动形成新解，然后判断是否接受，最终寻求空间最优解的过程。 SA算法适于处理高复杂度和高维数的问题；其内循环的降温函数和适度的Markov链长度以及外循环的温度更新函数能有效限制局部最优解的形成；缺点在于初始温度和降温系数不好界定，同时Metropolis准则在判断是否接受新解时可能遗失当前最优解。[10]
粒子群优化算法（PSO） Kennedy和Eberhart于1995年提出；模拟鸟类觅食过程的全局寻优算法，包括自身记忆模块、自身认知模块和群体经验模块三个部分。根据初始解集计算适应值，然后依据自适应值和群体最优适应值以及随机系数产生新解，以此循环，在检验条件限制下选出最优解的过程。 PSO算法适用于复杂高维数问题的求解；编程简单易于操作；除不杂交外，新解集的产生类似GA算法，但其同时考虑了群体经验的作用使得计算速度会比较快，但是由于其收敛性方面的研究薄弱易导致局部最优解的形成。[15]、[22] 基因表达规划算法（GEP） 葡萄牙学者Ferreira在2001年末提出；模拟生物遗传进化过程，类似GA算法，只是在基因编码时采取编码区与非编码区结合的设定，非编码区的存在为变异提供了更大的空间。 GEP特殊的基因（解）的编码形式能够扩大变异空间，克服GA算法的复杂性不足，又能避免陷入过早收敛的境地；GEP算法能有效限制局部最优解的形成，对于全局寻优有利。[11]
蚁群优化算法（ACO） 由意大利学者Colorni A、Dorigo M和Maniezzo V等人在1992年提出；模拟蚂蚁行为，包括适应阶段和协作阶段。先确定初始解集，然后采取蚂蚁个体自身判断函数和蚁群信息素的协作函数进行移动，即新解集，如此循环迭代搜索空间最优解的过程。 ACO的优点在于解的变异考虑了自身与整体适应度的作用，类似PSO算法，利于全局寻优。缺点在于由于每次迭代会保留一部分旧解，因此适应阶段的变异函数的确定必须充分考虑，否则容易出现局部最优解。[23]
结合GIS空间分析模块的土地利用空间优化，直接采用GIS软件已有的工具进行，方法简单实用、可操作性强，而且优化过程能比较直观地通过图层反映出来，亦不需要经过复杂的模型或者算法设计，且兼容性好，配合其他模型或者算法能发挥出极大的优势。缺点在于固定式的功能模块不能很好地适应不同地域的环境情况，灵活性较差。
4结论与展望
综上所述，基于理论研究的土地利用空间优化配置多是结合景观生态学、资源环境经济学等，从土地的适宜性和社会经济效益的角度来进行；基于模型构建的空间优化属于“先决策，后寻优”类型，需要研究者对区域土地利用空间优化的各方影响因素、因素权重有比较透彻的了解，同时还需要对模型中各种参数进行细致的校正；基于算法的空间优化则属于“先定优，后变优，再择优”的类型，本文提到的几种算法均属于此类，且基于算法的空间优化不需要研究者对优化的具体决策影响因素有透彻了解，易于接受和实现优化过程；与GIS空间分析结合的优化方法则是以图层为操作对象，经过叠加、插值、加权、栅格计算等实现空间优化。
通过总结相关优化配置方法，笔者认为今后土地利用空间优化配置研究应该从以下几个方面加强：
4.1理论体系的扩展完善
土地利用空间优化配置的理论体系，目前多是从社会、经济、生态三个方面来考虑，缺乏更深层次的系统思想。如还可以结合美国学者霍尔提出的系统工程论，从知识维、时间维、逻辑维三个方面考虑控制论、信息论、社会科学等针对不同的优化阶段提升优化模型的模拟精度。
4.2单个模型或算法仍有较大的改进空间
目前在土地利用空间优化配置中用到的典型模型或算法仍有较大的改进空间。如MAS还可以从行为地理学的角度完善各个Agent的协同作用和反馈作用，SA算法中Metropolis判断准则的改进等；各模型在不同地理环境下的适用性研究也比较缺乏，尤其是对基于理论层次的优化方法而言更是如此；同时对于区域中自然保护区、基本农田等限制发生转变的地类，由于当前的模型或算法多是基于转换系数值的设定，并不能很好地模拟含有此种地类区域经济发展的需要，使这些地类容易脱离区域的总体框架，不利于产生最佳的区域优化格局，因此，如何在模型中正确处理自然保护区、基本农田等限制发展地类的优化也是有待改进的一个方面。
4.3提升转换规则的评价局限
当前多数模型或算法判断地类是否发生转变的转换规则，多是从社会效应、经济效益、环境友好、政策允许这四个方面出发来计算其综合效益，从而判断是否发生转变。然而在全球化视角下，这种评判标准是否适合区域协调发展的需要，尤其是对于港岸城市、边境城市、经济特区、国防重镇等，还有待验证。因此适当考虑区域协调发展和全球市场的影响将会提高模型或算法在模拟土地利用空间优化配置的综合效益。
参考文献：
[1]
刘书凯，曲福田.土地经济学[M].北京：中国农业出版社，2004：147-148.
[2]倪绍祥，刘彦随.区域土地资源优化配置及其可持续利用[J].农村生态环境，1999，15（2）：8-11.
[3]李超，张凤荣，宋乃平，等.土地利用结构优化的若干问题研究[J].地理与地理信息科学，2003，19（2）：51-55.
[4]刘荣霞，薛安，韩鹏，等.土地利用结构优化方法评述[J].北京大学学报，2005，41（4）：655-662.
[5]赵筱青，王海波，杨树华，等.基于GIS支持下的土地资源空间格局生态优化[J].生态学报，2009，29（9）：4892-4894.
[6]罗鼎，许月卿，邵晓梅，等.土地利用空间优化配置研究进展与展望[J].地理科学进展，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. [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，姜友华.模拟退火算法用于城市土地空间布局方案[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，叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究，2005，24（1）：19-26.
[13]张鸿辉，曾永年，谭荣，等.多智能体区域土地利用优化配置模型及其应用[J].地理学报，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]马世发，何建华，俞艳.基于粒子群算法的城镇土地利用空间优化模型[J].农业工程学报，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]李晖，易娜，姚文璟，等.基于景观安全格局的香格里拉县生态用地规划[J].生态学报，2011，31（20）：5928-5936.
[18]金志丰，陈雯，孙伟，等.基于土地开发适宜性分区的土地空间配置——以宿迁市区为例[J].中国土地科学，2008，22（9）：43-50.
[19]刘孝富，舒俭民，张林波，等.最小累积阻力模型在城市土地生态适宜性评价中的应用——以厦门为例[J].生态学报，2010，30（2）：421-428.
[20]王丽艳，张学儒，张华，等.CLUE-S模型原理与结构及其应用发展[J].地理与地理信息科学，2010，26（3）：73-76.
[21]张丁轩，付梅臣，陶金，等.基于CLUE-S模型的矿业城市土地利用变化情景模拟[J].农业工程学报，2013，29（12）：246-253.
[22]王华，刘耀林，姬盈利，等.基于多目标微粒群优化算法的土地利用分区模型[J].农业工程学报，2012，28（12）：237-244.
[23]李明.蚁群算法在土地利用结构优化中的应用[J].安徽农业科学，2011，39（14）：8461-8462.
土地利用空间优化配置是指土地要素在地域空间上的定性、定量和定位，是目前的研究热点之一。本文依据国内外土地利用空间优化研究的最新成果，概述了土地利用空间优化的概念、理论体系及一般流程；重点阐述了土地利用空间优化配置的方法与模型，从理论原则、模型构建、算法优化、与GIS空间分析模块结合四个角度分析了各种土地利用空间优化配置方法的优缺点；最后提出土地利用空间优化配置的展望，认为土地利用空间优化仍可从理论完善、单个模型或算法的改进、转换规则的优化等几个方面进行提高。
关键词：土地利用空间优化配置；模型；构建；算法改进；转换规则
中图分类号：F301文献标识号：A文章编号：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
土地利用优化配置（Optimization Allocation of Land Use）是指开发利用土地，促进社会、经济、生态的协调可持续发展。这种优化主要是针对区域内特定土地资源在利用方式、数量结构、空间布局以及综合效益等方面的优化[1，2]。土地利用的数量结构优化是最先出现的研究课题[3，4]，然而随着研究的不断深入，以经济效益最大化为目标的数量结构优化已不能解决土地利用中存在的诸多问题，空间优化逐步成为目前土地资源优化配置的主要内容[5]。土地利用空间优化配置（Spatial Optimization Allocation of Land Use）是指在既定的规划目标前提下，根据一定的技术手段和方法，对某一区域范围内的土地资源，从利用结构、利用方式、时空等角度进行系统、科学、综合的安排、设计和布局，并得到由点、线、面组成的多目标、多层次、目标效益最大化的土地利用空间配置方案[6]。
当前RS、GIS以及信息科学技术的不断发展完善，以及对土地利用的动态监测、空间分析、模拟预测能力不断加强，越来越多的学者在土地利用数量结构优化研究的基础上，转而投入到对土地利用空间格局优化研究的方向上来。本文在前人研究基础上分析总结了土地利用空间格局优化的理论体系、基本流程以及优化方法，将有利于促进土地利用研究领域的完善和创新。
1土地利用空间优化配置的理论体系
土地利用空间优化配置是一个复杂、综合的过程，其目的在于合理利用土地资源实现区域社会、经济、生态协调与可持续发展。其理论体系主要包含以下几个方面。
1.1区位论
区位论是为寻求合理空间活动而创建的，最早的区位论是1826年杜能提出的“杜能圈”；典型的区位论还包括韦伯工业区位论、克里斯塔勒中心地理论以及廖什市场区位论。区位论从点、线、面等区位几何要素对地理空间布局的思想进行归纳演绎，对优化模型的构建以及从区域协调发展的角度提升空间地类转换的评判规则有较大的指导意义。
1.2区域经济学理论
从经济学的角度，重点对土地利用过程中产生的经济效益进行评价，主要包括增长极核理论、极差地租理论、土地报酬递减理论等。区域经济学理论对指导土地资源合理配置以获得最大经济效益、同时协调不同地域空间组织的资源诉求有重大影响，如对我国城乡土地一体化空间均衡规划研究等有较好的借鉴意义[6]。 1.3生态学方面的相关理论
首先，土地利用变化的过程也是生态景观格局演变的过程，为此将景观生态学的理论思想引入到土地空间格局优化中来具有重要的实际意义。其次，生态位理论将土地利用类型表述为不同的生态位，继而调整土地利用的空间布局。生态学的理论观点在土地利用空间优化过程中主要为建模提供决策依据，如MCR模型。
1.4可持续发展理论
该理论兴起于20世纪五六十年代，涉及自然、环境、社会、经济、科技、政治等多个方面，考虑公平性、持续性和共同性原则。可持续发展是土地空间优化所要考虑的重要内容，对土地利用空间优化的指导意义主要表现在约束函数以及转换规则的设定上。
1.5最优化理论
该理论是近十几年形成的，通过各种数学方法，如线性规划、随机规划等，为不同的系统提供优化途径及解决方案，主要针对管理问题和生产经营活动。土地利用空间优化既是管理问题又是一种生产经营活动，最优化理论的研究方法将对空间优化的建模过程形成比较透彻的思路。
2土地利用空间优化配置的一般流程
土地利用空间优化配置是从土地利用结构优化配置的基础上进一步发展而来，是土地利用优化的高级形式。依据配置的主要内容，其主体流程见图1。
图1土地利用空间优化配置的一般流程
空间优化配置必须在结构优化的框架下进行，原因在于空间优化是从时空的角度对土地要素进行布局，而这些土地要素在规划期内的最佳面积、合理比例等是通过结构优化实现的。因此，土地利用空间优化配置首先需要对区域土地利用现状进行分析，结合区域中各种自然、社会、经济条件，评价其土地利用的适宜性，并依据区域发展规划的目标制定数量结构优化方案，之后选定空间优化方法模型，结合空间地类的转换规则实现区域土地利用的空间优化配置。
3土地利用空间优化配置的方法
土地利用空间优化配置最早起源于对城市空间格局的研究，从1826年杜能发表《孤立国》一书开始到现在，土地利用优化经历了数量结构优化的成熟到如今空间结构优化兴起的过程[6]。对于土地利用的空间优化配置，国内外许多学者就相关领域做了大量的研究工作，如：Matthews等[7]采用GIS与环境模型相结合的空间决策方法，研究了农村土地利用规划的空间决策问题；Stewart[8]、Porta[9]等分别对遗传算法（GA）在多目标条件下和不同并行模式（多核并行、群集并行）下的土地利用空间优化进行模拟；王新生等[10]基于模拟退火算法（SA），研究了城市土地利用空间布局；Eldrandaly[11]采用基因表达规划算法（GEP），结合GIS的空间分析，认为能较好地实现多目标条件下的土地利用空间优化；黎夏等[12]采用基于神经网络和元胞自动机（CA）相结合的空间优化模型，改进了单CA模型在地类模拟转变中的不足，并减少了CA模型中复杂参数的设定；张鸿辉[13]、Ralha[14]等采用多智能体系统（MAS），分别以长沙市和巴西塞拉多地区的土地利用变化进行模拟，实证MAS，取得良好的效果；马世发[15]、刘小平[16]等基于微粒子群优化算法（PSO），依次对县域城镇土地利用空间布局及宏观经济变量和社会驱动力以及多限制条件下的大区域土地利用空间布局进行模拟。另外还有其他一些模型或者算法在土地利用空间优化配置中的应用等，如：最小阻力模型（MCR）、多目标土地利用空间配置法（MOSOLUA）、蚁群算法等。
归纳起来，土地利用空间优化配置主要从理论原则、模型构建、算法优化等角度以及结合GIS的空间分析模块四个方面进行研究。
3.1基于理论原则的土地利用空间优化方法
不少学者从生态安全、土地资源综合承载力、土壤水分分布、土地开发适宜性评价、城乡用地统筹安排、基本农田保护等角度提出土地利用的相关控制目标，继而在这些理论研究的基础上对某一地区的土地利用空间布局进行优化。如李晖等在对香格里拉县生态用地规划时，认为构建不同的景观安全格局能够为区域性的生态用地规划提供对策，提出“源”外第一层为禁建区、第二层为限建区、第三层为适建区[17]。金志丰等[18]借助土地开发适宜性分区成果，提出宿迁市的差别化区域土地利用方式与管制措施，将宿迁市分为建设用地重点保障区和农用地重点保障区等6种类型区[18]。
基于理论原则的土地利用空间优化，主要优点在于优化决策层的构建是建立在相关成熟研究基础上的，优化过程中所要考虑的控制因子易于寻求；但同时这也是该方法的缺点，即因素层单一，如基于土壤水分分布的空间优化，并不能很好地将生态、经济效益等其他方面考虑进去。总体上来说该方法比较简单实用。
3.2基于模型构建的土地利用空间优化方法
基于模型构建的优化方法是指针对土地利用空间优化过程中涉及到的优化影响因子，在规划目标的指导下，通过构建模型提出有组织规划的综合决策方案，其主体过程如图2所示。
图2基于模型构建的土地利用空间优化过程
模型构建法通过各种参数的运算结果计算土地利用类型图中各栅格的转换概率，来实现不同情景模式下或者目标前提下的土地利用空间布局。当前土地利用空间优化的模型构建方法
较多，各种新模型的提出和对已有模型的改进是许多学者研究的重点，常见模型主要有以下几种，见表1。
另外还有系统动力学模型（SD）、人工神经网络模型（ANN）、多目标土地利用空间优化模型（MOSOLUA）等，各种模型各有其优缺点。当前不少学者也在不断尝试将不同的模型结合起来，对特定区域的土地利用空间变化进行模拟，如黎夏等[13]采用基于神经网络的元胞自动机模拟复杂土地利用系统，此种方法的好处在于不需要用户去设定CA模型的转换规则，而是通过ANN-CA模型的纠正模块自动获取模型参数。模型构建法深受系统论思想的影响，能较为全面地考虑土地利用空间优化过程中的各种社会、经济、生态等限制因素，且模型能充分体现人的主观行为在土地利用中的作用，因而模拟过程更容易贴合现实情况，使优化结果较好，如基于MAS的土地利用空间优化中，Agent的设定范围可以涵盖现实中各个利益体对土地的诉求，能充分模拟现实情况。但是该方法涉及的驱动因素层较多，资料收集困难，寻优程序繁杂。 模型名称模型概述特点应用实例
多智能体系统（MAS） 20世纪70年代末提出；多个具备自主性、交互性、反应性的Agent在给定行为知识库条件的限制下，自下而上，通过协调寻求整体最佳规划方案的一种模型。 从土地利用主体出发，独立的Agent行为通过协调产生整体最佳结果，即将复杂的土地利用空间优化问题耦合成简单任务，同时Agent又具备一定的学习、适应和推理能力；可以克服单个Agent的知识不完全、处理问题不全面等缺点。[13]
元胞自动机模型（CA） 20世纪50年代 Stanislan Ulam和John von Neumann提出；由离散、多维、具有限状态集的元胞通过一定的转化规则，在时间和空间上进行演化的动力学模型，由元胞、状态集、邻域和转换规则四部分组成。 CA模型主要用于解决几何空间关系，其难点在于模型纠正和转换规则的确定。在土地利用空间优化中，CA模型可以很好地模拟土地利用动态变化的过程，但是基于纯粹几何关系的邻域定义并不能很好地反映真实地理空间作用。[12]
最小累积阻力模型（MCR）最早由Knaapen等人于1992年提出；由“源”向外经过不同的阻力单元扩散，计算达到目标点所要克服的阻力总和，用阻力值衡量源到某一点的易达性，采用阻力面分析地类转换的概率，继而确定土地利用空间格局。 MCR模型多用于生态景观格局分析中，根据MCR模型，容易从“点源”、“廊道线”、“阻力面”出发，进行土地功能分区，能充分体现土地单元的空间格局，且除确定阻力值需要专家打分外，大部分工作由计算机完成，具有较强的可操作性。[19]
CLUE-S模型 Verburg等人于2002年在CLUE基础上开发而来；在土地利用变化受区域土地需求驱动的假设下，由非空间模块和空间模块组成；非空间模块用于选取土地利用变化的驱动因素并逐年分析预测土地需求变化；空间分析模块将这种变化序列通过Logistic回归得到的土地类型概率分布，再加上转换规则并结合初期土地利用现状对后续土地利用空间格局进行动态模拟。 CLUE-S适于模拟小尺度的土地利用空间格局变化，改变转换系数值能快捷地设置不同情景模式下的土地利用变化。缺点在于模型对各种参数极为敏感；土地转化规则设定的主观性过高；不适用于模拟飞地较多的区域等。[20]、[21]
3.3基于算法的土地利用空间优化方法
基于算法的土地利用空间优化多是模拟自然界中的寻优过程，如遗传算法、蚁群算法等，继而引入到土地利用空间优化中来。算法优化的开始阶段多是输入基期年土地利用现状图，通过栅格转换规则以及变异函数形成新解，即包括各地类栅格数量和空间位置的栅格图层，再依据判断函数决定是否接受解，如此循环迭代，最终完成区域土地利用的空间优化。基本过程如图3所示。
算法的关键在于如何采取适当的方式描述问题，特别是转换规则的设定需要包含面积约束、距离约束、方向约束、形状紧凑性约束、同类单元的邻接性约束等。常见的几种算法见表2。
基于算法的优化方法还有很多，如人工免疫算法、人工鱼群算法等，同时对算法的改进与算法间的结合应用也是比较热门的研究内容。这类方法是从问题的最终结果入手，通过某种算法对优化结果解或者解集的随机扰动，并从这些变异的解中搜索出问题的最优解的过程。其优点在于：思路简单、应用范围广，易于用户接受；是一种基于概率的全局搜索，不需要设定繁杂的偏好权重以迎合多目标处理的需要。但其缺点也不容忽视：易“早熟”产生局部最优解。如SA的优化过程，其迭代次数与收敛函数（降温过程）决定变异的好坏，一旦内外循环的收敛速度过快将导致局部最优解的形成，而过慢则会产生大量冗余迭代，影响运算速度，其他算法也有类似的缺点。
3.4基于GIS空间分析模块的土地利用空间优化方法
随着计算机软硬件技术的发展，目前世界上主流的地理信息类软件如ArcGIS、MapInfo、MapGIS甚至Erdas、ENVI等软件的空间分析能力不断加强，结合GIS空间分析功能的土地利用空间优化方法也应用广泛。如赵筱青等基于GIS空间分析技术和“成本距离加权”制图分析工具，并结合MCR模型构建廊道、辐射道、战略点等生态格局组分，划分六类土地功能分区[5]；Matthews等通过GIS与环境模型的耦合，提出农村土地利用规划的空间决策模型，该模型能使土地管理者提前预知在尝试改变土地利用方式后所带来的影响，从而避免不必要的损失[7]。
算法名称算法简介特点应用实例
遗传算法（GA） 20世纪60年代中期由Holland等人提出；通过模拟生物的遗传进化，先生成目标函数的随机解集，然后基于解的自适应大小在父代解集中进行选择、杂交、变异形成新解集，依此逐步迭代形成最优解的全局搜索算法。 GA算法与具体问题的相关性很低，具有较高的通用性；算法从解集开始迭代寻优过程对于全局最优解的确定较为有利；算法的重点在于“染色体”即解的编码方法和自适应值判断函数的确定。算法的缺点在于不适合大规模组合的求解运算，求解过程存在大量冗余迭代。[8]、[9]
模拟退火算法（SA） Kirkpatrick等人于1982年提出；模拟固体降温过程，包括状态产生函数、状态接受函数、温度更新函数、温度更新准则和算法终止准则。先确定初始解，再随机扰动形成新解，然后判断是否接受，最终寻求空间最优解的过程。 SA算法适于处理高复杂度和高维数的问题；其内循环的降温函数和适度的Markov链长度以及外循环的温度更新函数能有效限制局部最优解的形成；缺点在于初始温度和降温系数不好界定，同时Metropolis准则在判断是否接受新解时可能遗失当前最优解。[10]
粒子群优化算法（PSO） Kennedy和Eberhart于1995年提出；模拟鸟类觅食过程的全局寻优算法，包括自身记忆模块、自身认知模块和群体经验模块三个部分。根据初始解集计算适应值，然后依据自适应值和群体最优适应值以及随机系数产生新解，以此循环，在检验条件限制下选出最优解的过程。 PSO算法适用于复杂高维数问题的求解；编程简单易于操作；除不杂交外，新解集的产生类似GA算法，但其同时考虑了群体经验的作用使得计算速度会比较快，但是由于其收敛性方面的研究薄弱易导致局部最优解的形成。[15]、[22] 基因表达规划算法（GEP） 葡萄牙学者Ferreira在2001年末提出；模拟生物遗传进化过程，类似GA算法，只是在基因编码时采取编码区与非编码区结合的设定，非编码区的存在为变异提供了更大的空间。 GEP特殊的基因（解）的编码形式能够扩大变异空间，克服GA算法的复杂性不足，又能避免陷入过早收敛的境地；GEP算法能有效限制局部最优解的形成，对于全局寻优有利。[11]
蚁群优化算法（ACO） 由意大利学者Colorni A、Dorigo M和Maniezzo V等人在1992年提出；模拟蚂蚁行为，包括适应阶段和协作阶段。先确定初始解集，然后采取蚂蚁个体自身判断函数和蚁群信息素的协作函数进行移动，即新解集，如此循环迭代搜索空间最优解的过程。 ACO的优点在于解的变异考虑了自身与整体适应度的作用，类似PSO算法，利于全局寻优。缺点在于由于每次迭代会保留一部分旧解，因此适应阶段的变异函数的确定必须充分考虑，否则容易出现局部最优解。[23]
结合GIS空间分析模块的土地利用空间优化，直接采用GIS软件已有的工具进行，方法简单实用、可操作性强，而且优化过程能比较直观地通过图层反映出来，亦不需要经过复杂的模型或者算法设计，且兼容性好，配合其他模型或者算法能发挥出极大的优势。缺点在于固定式的功能模块不能很好地适应不同地域的环境情况，灵活性较差。
4结论与展望
综上所述，基于理论研究的土地利用空间优化配置多是结合景观生态学、资源环境经济学等，从土地的适宜性和社会经济效益的角度来进行；基于模型构建的空间优化属于“先决策，后寻优”类型，需要研究者对区域土地利用空间优化的各方影响因素、因素权重有比较透彻的了解，同时还需要对模型中各种参数进行细致的校正；基于算法的空间优化则属于“先定优，后变优，再择优”的类型，本文提到的几种算法均属于此类，且基于算法的空间优化不需要研究者对优化的具体决策影响因素有透彻了解，易于接受和实现优化过程；与GIS空间分析结合的优化方法则是以图层为操作对象，经过叠加、插值、加权、栅格计算等实现空间优化。
通过总结相关优化配置方法，笔者认为今后土地利用空间优化配置研究应该从以下几个方面加强：
4.1理论体系的扩展完善
土地利用空间优化配置的理论体系，目前多是从社会、经济、生态三个方面来考虑，缺乏更深层次的系统思想。如还可以结合美国学者霍尔提出的系统工程论，从知识维、时间维、逻辑维三个方面考虑控制论、信息论、社会科学等针对不同的优化阶段提升优化模型的模拟精度。
4.2单个模型或算法仍有较大的改进空间
目前在土地利用空间优化配置中用到的典型模型或算法仍有较大的改进空间。如MAS还可以从行为地理学的角度完善各个Agent的协同作用和反馈作用，SA算法中Metropolis判断准则的改进等；各模型在不同地理环境下的适用性研究也比较缺乏，尤其是对基于理论层次的优化方法而言更是如此；同时对于区域中自然保护区、基本农田等限制发生转变的地类，由于当前的模型或算法多是基于转换系数值的设定，并不能很好地模拟含有此种地类区域经济发展的需要，使这些地类容易脱离区域的总体框架，不利于产生最佳的区域优化格局，因此，如何在模型中正确处理自然保护区、基本农田等限制发展地类的优化也是有待改进的一个方面。
4.3提升转换规则的评价局限
当前多数模型或算法判断地类是否发生转变的转换规则，多是从社会效应、经济效益、环境友好、政策允许这四个方面出发来计算其综合效益，从而判断是否发生转变。然而在全球化视角下，这种评判标准是否适合区域协调发展的需要，尤其是对于港岸城市、边境城市、经济特区、国防重镇等，还有待验证。因此适当考虑区域协调发展和全球市场的影响将会提高模型或算法在模拟土地利用空间优化配置的综合效益。
参考文献：
[1]
刘书凯，曲福田.土地经济学[M].北京：中国农业出版社，2004：147-148.
[2]倪绍祥，刘彦随.区域土地资源优化配置及其可持续利用[J].农村生态环境，1999，15（2）：8-11.
[3]李超，张凤荣，宋乃平，等.土地利用结构优化的若干问题研究[J].地理与地理信息科学，2003，19（2）：51-55.
[4]刘荣霞，薛安，韩鹏，等.土地利用结构优化方法评述[J].北京大学学报，2005，41（4）：655-662.
[5]赵筱青，王海波，杨树华，等.基于GIS支持下的土地资源空间格局生态优化[J].生态学报，2009，29（9）：4892-4894.
[6]罗鼎，许月卿，邵晓梅，等.土地利用空间优化配置研究进展与展望[J].地理科学进展，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. [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，姜友华.模拟退火算法用于城市土地空间布局方案[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，叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究，2005，24（1）：19-26.
[13]张鸿辉，曾永年，谭荣，等.多智能体区域土地利用优化配置模型及其应用[J].地理学报，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]马世发，何建华，俞艳.基于粒子群算法的城镇土地利用空间优化模型[J].农业工程学报，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]李晖，易娜，姚文璟，等.基于景观安全格局的香格里拉县生态用地规划[J].生态学报，2011，31（20）：5928-5936.
[18]金志丰，陈雯，孙伟，等.基于土地开发适宜性分区的土地空间配置——以宿迁市区为例[J].中国土地科学，2008，22（9）：43-50.
[19]刘孝富，舒俭民，张林波，等.最小累积阻力模型在城市土地生态适宜性评价中的应用——以厦门为例[J].生态学报，2010，30（2）：421-428.
[20]王丽艳，张学儒，张华，等.CLUE-S模型原理与结构及其应用发展[J].地理与地理信息科学，2010，26（3）：73-76.
[21]张丁轩，付梅臣，陶金，等.基于CLUE-S模型的矿业城市土地利用变化情景模拟[J].农业工程学报，2013，29（12）：246-253.
[22]王华，刘耀林，姬盈利，等.基于多目标微粒群优化算法的土地利用分区模型[J].农业工程学报，2012，28（12）：237-244.
[23]李明.蚁群算法在土地利用结构优化中的应用[J].安徽农业科学，2011，39（14）：8461-8462.