金琳++李淑杰++郭敏++余娜

摘要：為了改進(jìn)現(xiàn)有劃分主體功能區(qū)方法中存在的工作量大、帶有一定的主觀性等弊端，以吉林省琿春市為實(shí)證研究對(duì)象，采用粒子群算法及Matlab7.0軟件運(yùn)行算法對(duì)主體功能區(qū)進(jìn)行劃分，驗(yàn)證粒子群算法的可行性及簡(jiǎn)便性。結(jié)果表明，與先前常用的聚類方法相比，該方法能夠簡(jiǎn)單有效地劃分功能區(qū)，且采用此方法劃分出的結(jié)果與實(shí)際情況更為貼切，具有進(jìn)一步推廣及應(yīng)用的價(jià)值。

關(guān)鍵詞：主體功能區(qū)；粒子群算法；琿春市

中圖分類號(hào)：K928.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）21-5473-06

DOI：10.14088/j.cnki.issn0439-8114.2016.21.010

Division of Main Function Area in Hunchun City Based on

Particle Swarm Optimization Algorithm

JIN Lin， LI Shu-jie， GUO Min， YU Na

（College of Earth Science， Jilin University， Changchun 130061， China）

Abstract：In order to improve the disadvantages of the methods that used to divide into mainfunction area， e.g.， heavy workload and the certain subjectivity results， taking Hunchun city of Jilin province as an example， the particle swarm optimization algorithm and Matlab7.0 software were adopted to divide into mainfunction area， and the feasibility and simplicity of this method was verified. The results showed that this method was simple and effective for classification of functional areas compared with the previous clustering methods. And the results of this method were more appropriate to the actual situation， which has the value for further popularization and application.

Key words： major function oriented zones； particle swarm optimization algorithm； Hunchun city

近幾年中國(guó)城市化進(jìn)程速度加快，推動(dòng)了經(jīng)濟(jì)社會(huì)發(fā)展，也促使人民的生活條件有了很大程度的提高。但由于城市化建設(shè)經(jīng)驗(yàn)的不足，中國(guó)在城市化的過(guò)程中逐漸遠(yuǎn)離循序漸進(jìn)的原則，導(dǎo)致矛盾激化、問(wèn)題頻出[1]。而且因長(zhǎng)期以來(lái)對(duì)有關(guān)空間布局規(guī)劃的忽視，導(dǎo)致全國(guó)很多地區(qū)盲目開發(fā)、過(guò)度開發(fā)，甚至無(wú)序開發(fā)[2]。城市化進(jìn)程過(guò)快使土地開發(fā)的經(jīng)濟(jì)、社會(huì)、生態(tài)效益不相匹配，出現(xiàn)城鄉(xiāng)發(fā)展脫軌、環(huán)境污染嚴(yán)重、土地利用效率低下、耕地占用嚴(yán)重等問(wèn)題[3，4]。因此，國(guó)家“十一五”規(guī)劃綱要中提出“要以區(qū)域的資源承載力及環(huán)境承載力為設(shè)計(jì)基礎(chǔ)，根據(jù)當(dāng)前開發(fā)程度及未來(lái)的發(fā)展?jié)摿?，通盤籌劃我國(guó)未來(lái)人口分布、經(jīng)濟(jì)發(fā)展、國(guó)土利用及城鎮(zhèn)化分布格局，將國(guó)土空間劃分為優(yōu)化開發(fā)、重點(diǎn)開發(fā)、限制開發(fā)和禁止開發(fā)四類主體功能區(qū)”[5]；“十二五”規(guī)劃進(jìn)一步強(qiáng)調(diào)實(shí)施主體功能區(qū)戰(zhàn)略，發(fā)揮全國(guó)經(jīng)濟(jì)的導(dǎo)向作用，合理布局國(guó)土空間，嚴(yán)格控制開發(fā)秩序與開發(fā)強(qiáng)度，促進(jìn)國(guó)土空間開發(fā)格局的可持續(xù)發(fā)展。推進(jìn)實(shí)施主體功能區(qū)戰(zhàn)略要求在各區(qū)域的環(huán)境承載能力范圍之內(nèi)，基于當(dāng)前開發(fā)強(qiáng)度及未來(lái)的經(jīng)濟(jì)社會(huì)發(fā)展?jié)摿?，以區(qū)域人口分布情況、經(jīng)濟(jì)發(fā)展程度、土地利用現(xiàn)狀及區(qū)域城市化水平為劃分標(biāo)準(zhǔn)，確定不同區(qū)域的主體功能，并以此為據(jù)細(xì)化區(qū)域開發(fā)方向，制定合理的開發(fā)政策，從而維持開發(fā)秩序并嚴(yán)格控制開發(fā)強(qiáng)度，實(shí)現(xiàn)宏觀國(guó)土空間的高效、協(xié)調(diào)、可持續(xù)開發(fā)。

推進(jìn)主體功能區(qū)戰(zhàn)略是實(shí)現(xiàn)人口合理布局、經(jīng)濟(jì)可持續(xù)發(fā)展、區(qū)域和諧有序發(fā)展的有效舉措，是滿足高效利用資源迫切需要的必要手段，是堅(jiān)持以人為本、實(shí)現(xiàn)公共服務(wù)均等化的必然要求，是提高區(qū)域調(diào)控水平、加強(qiáng)區(qū)域宏觀調(diào)控有效性的重要措施。國(guó)內(nèi)學(xué)者在明確主體功能區(qū)概念后紛紛開展相關(guān)研究，具有借鑒意義的研究結(jié)果層出不窮。朱傳耿等[6]提出地域主體功能區(qū)的構(gòu)建需要在明確當(dāng)前研究區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展情況的基礎(chǔ)上進(jìn)行，分別對(duì)區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展?jié)摿吧鷳B(tài)環(huán)境對(duì)社會(huì)經(jīng)濟(jì)發(fā)展的約束程度進(jìn)行分級(jí)分區(qū)，運(yùn)用空間疊置和聚類分析方法得到最終成果；樊杰[2]將“空間結(jié)構(gòu)的有序法則”及空間均衡模型引入主體功能區(qū)劃分的研究中，促進(jìn)了相關(guān)研究的進(jìn)一步展開和發(fā)展；丁于思等[7]以湖南省為實(shí)例對(duì)象，研究了K-means聚類和層次聚類的混合聚類方法對(duì)區(qū)域主體功能區(qū)劃分研究應(yīng)用的可行性；劉傳明等[8]則在前人的基礎(chǔ)上，仍然以湖南省為實(shí)例對(duì)象，驗(yàn)證綜合集成法的可行性，該方法是對(duì)修正的熵值法、主成分分析法、矩陣判斷、系統(tǒng)聚類法、緩沖分析及疊加分析法的綜合利用。這些研究者的研究成果對(duì)本次研究具有鮮明的指導(dǎo)作用，為本次吉林省琿春市主體功能區(qū)的劃分提供了良好的基礎(chǔ)。

本研究運(yùn)用粒子群算法劃分吉林省琿春市各類主體功能區(qū)，研究時(shí)點(diǎn)為2013年。粒子群算法受飛鳥集群活動(dòng)規(guī)律啟發(fā)而產(chǎn)生，進(jìn)一步利用群體智能構(gòu)建了一個(gè)簡(jiǎn)化模型，適合應(yīng)用于解決各個(gè)學(xué)科的復(fù)雜優(yōu)化問(wèn)題。粒子群算法已被成功運(yùn)用在了解決各種地理優(yōu)化的問(wèn)題中，因此本研究提出利用粒子群算法解決主體功能區(qū)劃分的優(yōu)化問(wèn)題。研究結(jié)果顯示，該方法能夠簡(jiǎn)單有效地劃分功能區(qū)。相比常用的聚類方法，劃分出的結(jié)果更加符合琿春市的實(shí)際情況。

1 主體功能區(qū)劃分方法

進(jìn)行主體功能區(qū)劃分時(shí)，由于禁止開發(fā)區(qū)的界限明確，無(wú)需應(yīng)用具體評(píng)價(jià)方法再進(jìn)行劃分，只需在限制開發(fā)區(qū)、重點(diǎn)開發(fā)區(qū)和優(yōu)化開發(fā)區(qū)劃分的基礎(chǔ)上進(jìn)行圖層疊加，就可以得到最終的區(qū)域主體功能區(qū)劃分成果。

1.1 主體功能區(qū)劃分指標(biāo)體系

主體功能區(qū)研究在國(guó)內(nèi)的區(qū)域研究中比較新穎，需要以社會(huì)的資源承載力及環(huán)境承載力為設(shè)計(jì)基礎(chǔ)，根據(jù)當(dāng)前開發(fā)程度及未來(lái)的發(fā)展?jié)摿?，通盤籌劃中國(guó)未來(lái)人口分布、經(jīng)濟(jì)發(fā)展、國(guó)土利用及城鎮(zhèn)化分布格局[9，10]。目前已有大量學(xué)者對(duì)其劃分標(biāo)準(zhǔn)進(jìn)行研究和探索，但現(xiàn)有的主體功能區(qū)劃分標(biāo)準(zhǔn)不具有完全的信服力，只可以用作參考。只有構(gòu)建合理科學(xué)的指標(biāo)體系才能充分地對(duì)區(qū)域主體功能區(qū)做出科學(xué)有效的劃分，因此基于琿春市經(jīng)濟(jì)社會(huì)發(fā)展實(shí)際情況，參考學(xué)者們的研究經(jīng)驗(yàn)，構(gòu)建了琿春市主體功能區(qū)劃分指標(biāo)體系（表1）。

1.2 基于聚類分析的劃分方法

聚類分析的作用是建立一套劃分事物的方法。聚類是通過(guò)分析事物的內(nèi)在特征與關(guān)聯(lián)性，將數(shù)據(jù)劃分為相對(duì)同質(zhì)的類或組[11]。聚類分析的基本原則是不同類或組里的事物間不具有相似性或具有較小的相似性，相反，同一類或組里的事物間具有較大的相似性。

劃分主體功能區(qū)一般采用聚類分析法。聚類可以被定義為根據(jù)對(duì)象的屬性特征，將具有相似屬性的對(duì)象劃分為一類，從而將對(duì)象的集合劃分為多個(gè)類的過(guò)程。把n個(gè)對(duì)象（x1，x2，…，xn）分成c類（X1，X2，…，Xc），每類分別有n1，n2，…，nc個(gè)對(duì)象，每一類中都求出一個(gè)惟一的聚類中心Ci促使非相似性指標(biāo)或距離指標(biāo)的目標(biāo)函數(shù)值達(dá)到最小。非相似性指標(biāo)通常選用歐氏距離，則目標(biāo)函數(shù)（G）可定義為：

G=||xji-Ci||2 （1）

式中，xji表示第i類中的第j個(gè)對(duì)象。

基于聚類算法劃分主體功能區(qū)，就是根據(jù)前面設(shè)定的指標(biāo)體系計(jì)算各項(xiàng)指標(biāo)值，按照聚類算法的概念內(nèi)涵和具體算法，將指標(biāo)值大小相近的區(qū)域集合在一起，劃分為同一類功能區(qū)，盡可能最大程度地區(qū)分不同類型的功能區(qū)。但此方法必須依賴輸入量c，也就是人工規(guī)定的聚類數(shù)量，而不能根據(jù)對(duì)象本身的分布自動(dòng)劃分合理的聚類數(shù)量；此方法最初隨機(jī)產(chǎn)生的c個(gè)聚類中心對(duì)聚類結(jié)果的的影響很大，從而可能會(huì)過(guò)多地去改變主體功能區(qū)劃分結(jié)果，并對(duì)成果在區(qū)域土地利用上的實(shí)踐造成消極的影響，這也是未來(lái)聚類算法劃分主體功能區(qū)方法的研究重點(diǎn)和改進(jìn)方向。

1.3 基于粒子群算法的劃分方法

利用粒子群算法改進(jìn)傳統(tǒng)的聚類方法劃分主體功能區(qū)，其主要過(guò)程是算法隨機(jī)生成初始解，之后不斷迭代改進(jìn)當(dāng)前的解，直到最后搜索到滿意的解為止。

粒子群算法數(shù)學(xué)描述為：在n維的空間里，有一個(gè)由m個(gè)粒子組成的種群x={x1，x2，x3，…，xm}，其第i個(gè)粒子的位置表示為xi=（xi1，xi2，xi3，…，xin），其中的每個(gè)粒子都代表問(wèn)題潛在的一個(gè)解，且每個(gè)粒子的速度為vi=（vi1，vi2，vi3，…，vin）。如果將其中任意粒子代入目標(biāo)函數(shù)，則可以計(jì)算其粒子的適應(yīng)值，再根據(jù)其適應(yīng)值的大小判斷該粒子解的好壞程度。這時(shí)，每個(gè)粒子的最優(yōu)位置記為pi=（pi1，pi2，pi3，…，pin），則整個(gè)群體中的粒子經(jīng)過(guò)的最優(yōu)位置為pg=（pg1，pg2，pg3，…，pgn）。根據(jù)選擇當(dāng)前最優(yōu)粒子的原則，粒子xi將會(huì)按照公式（2）和公式（3）改變其速度和位置。

vijk+1=vijk+c1rand1k（pBestijk-xijk）+c2rand2k（gBestjk-xijk）（2）

xijk+1=xijk+vijk （3）

式中，vijk是粒子i在第k次迭代中第j維的速度。c1、c2分別為個(gè)體加速系數(shù)和全局加速系數(shù)，也稱為慣性因子，用來(lái)調(diào)節(jié)粒子飛行的最大距離。若慣性因子太小則粒子可能遠(yuǎn)離目標(biāo)區(qū)域，尋找解的速度會(huì)變慢，收斂性不佳；若慣性因子太大則粒子可能飛過(guò)目標(biāo)區(qū)域，錯(cuò)過(guò)最優(yōu)解。合適的c1、c2應(yīng)是收斂速度較高，且不易陷入局部最優(yōu)解。rand1k、rand2k是第k次迭代分別調(diào)節(jié)個(gè)體和全局最優(yōu)權(quán)重所產(chǎn)生的（0，1）之間的隨機(jī)數(shù)。xijk是粒子i在第k次迭代中第j維的當(dāng)前位置。pBestijk是粒子i在k次迭代中第j維的個(gè)體極值點(diǎn)的位置，gBestjk是所有粒子在k次迭代中第j維的全局極值點(diǎn)的位置[12-15]。

粒子群算法的基本運(yùn)算步驟：①初始化。設(shè)定慣性因子c1、c2，最大迭代次數(shù)Tmax，在空間內(nèi)隨機(jī)產(chǎn)生m個(gè)粒子，并且隨機(jī)產(chǎn)生每個(gè)粒子的初始位置pi和初始速度vi。②評(píng)價(jià)群組。計(jì)算每個(gè)粒子的適應(yīng)值Fxi。③比較粒子的當(dāng)前適應(yīng)值Fxi和自身歷史最優(yōu)值pBest。如若Fxi優(yōu)于pBest，則將pBest修改為當(dāng)前適應(yīng)值Fxi，并將pBest的位置設(shè)為n維空間中的當(dāng)前位置。④比較粒子的當(dāng)前適應(yīng)值Fxi與種群最優(yōu)值gBest。如若Fxi優(yōu)于gBest，則將gBest修改為當(dāng)前適應(yīng)值Fxi，并將gBest對(duì)應(yīng)的序號(hào)設(shè)定為當(dāng)前粒子的序號(hào)。 ⑤按公式（2）和公式（3）更新粒子的速度，并產(chǎn)生新的種群。⑥檢查結(jié)束條件。是否達(dá)到最大的迭代次數(shù)Tmax，若滿足就終止，不滿足則回到第二步繼續(xù)進(jìn)行循環(huán)迭代。

粒子群算法在初始數(shù)據(jù)的選擇上有較大的隨機(jī)性，即輸入程序中的每個(gè)樣本數(shù)據(jù)都有可能被選作為初始的聚類中心，這樣就可以減少陷入局部最小值求解的概率。同時(shí)，因?yàn)槊看蔚^(guò)程中所有解的信息是共享的，且都具有自我修正的功能，從而極大地加強(qiáng)了收斂速度。其流程如圖1所示。

2 琿春市主體功能區(qū)劃分

2.1 區(qū)域概況

琿春市坐落在吉林省延邊朝鮮族自治州東南部，地處圖們江下游?，q春市下轄4個(gè)街道、4鎮(zhèn)5鄉(xiāng)（包括琿春市邊境經(jīng)濟(jì)合作區(qū)），總用地面積為5 145.38 km2?，q春市擁有得天獨(dú)厚的區(qū)位優(yōu)勢(shì)，與北朝鮮及俄羅斯交界，同時(shí)與韓國(guó)、日本僅有一海之隔，是中國(guó)與日本、朝鮮、俄羅斯乃至北美、北歐交流的最近點(diǎn)，也是東北亞的幾何中心地?，q春市獨(dú)特的地理位置使其成為圖們江區(qū)域國(guó)家合作開發(fā)的核心之處，素有“東北亞的金三角”的美譽(yù)?，F(xiàn)如今，以琿春市為核心的圖們江地區(qū)炙手可熱，成為東北亞六國(guó)傾力打造的核心地區(qū)，借此機(jī)會(huì)，琿春市工業(yè)化、城市化進(jìn)程迅速加快。同時(shí)，琿春市快速發(fā)展起來(lái)的城市化將面臨區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展與資源環(huán)境承載力相協(xié)調(diào)的問(wèn)題，以及如何統(tǒng)籌城鄉(xiāng)發(fā)展、城市內(nèi)部功能空間的頻繁演替與不斷外溢和新產(chǎn)業(yè)空間的邊緣化布局等問(wèn)題。結(jié)合琿春市的實(shí)際情況，本研究將琿春市城市規(guī)劃中空間管制分區(qū)確定的禁建區(qū)劃分為禁止開發(fā)區(qū)。

2.2 粒子群算法參數(shù)設(shè)置

粒子群算法在眾多算法中顯得十分新穎，其最大的特點(diǎn)在于不需要調(diào)節(jié)過(guò)多的參數(shù)，但也是這一特點(diǎn)導(dǎo)致某些參數(shù)對(duì)算法的性能及收斂性影響極大。作為一種新型的進(jìn)化算法，其具體實(shí)踐應(yīng)用的價(jià)值和方法仍需要進(jìn)一步確認(rèn)及完善，因此其參數(shù)的設(shè)定對(duì)過(guò)往經(jīng)驗(yàn)的依賴性較大，可能存在一定的弊端。

2.2.1 慣性因子c1和c2 加速系數(shù)c1和c2代表著每個(gè)粒子受到pBest和gBest位置影響的權(quán)重。如果c1=0，表明粒子沒(méi)有受到自身慣性的影響，即是只具有社會(huì)性的粒子，在粒子的相互作用下，粒子群就有可能到達(dá)新的搜索空間，它的收斂速度比c1>0的情況更快，但是對(duì)于比較復(fù)雜的問(wèn)題，也更容易陷入局部最優(yōu)值；如果c2=0，就表明粒子之間沒(méi)有相互通信，是一個(gè)只受自身慣性影響的粒子，由于粒子之間沒(méi)有交集，即一個(gè)規(guī)模為p的粒子群等同于運(yùn)行了p個(gè)單個(gè)粒子，因此很難得到解。

慣性系數(shù)通常等于2，不過(guò)在不同狀況下也會(huì)取不一樣的值，一般取值都會(huì)在0～4。如若2個(gè)慣性系數(shù)都等于零，粒子將會(huì)一直以現(xiàn)在的速度飛行，直至到達(dá)空間邊界。這說(shuō)明粒子不具備搜索任何解的能力，只能搜索到有限的區(qū)域，即幾乎不可能擁有最優(yōu)解。本研究中取c1=c2=1.2。

2.2.2 最大速度 粒子在一次循環(huán)中可能移動(dòng)的最大距離取決于vmax，可以將vmax當(dāng)做迭代過(guò)程中對(duì)模型的精度要求。如果將vmax設(shè)置得較小，粒子的移動(dòng)距離將受到較大程度的限制，從而降低搜索最優(yōu)解的效率；如果將vmax設(shè)置得較大，粒子的移動(dòng)距離受到的限制相對(duì)較小，即粒子越過(guò)目標(biāo)區(qū)域的可能性較高。根據(jù)求解問(wèn)題的不同，vmax的設(shè)定也有一定的差異，也可以根據(jù)粒子在每一維度上的速度而設(shè)定vmax。本研究中取vmax=0.9。

2.2.3 粒子的數(shù)量及維度 隨著問(wèn)題的復(fù)雜程度不一，設(shè)定粒子數(shù)量也會(huì)不一樣，一般的問(wèn)題會(huì)將粒子數(shù)量定在[20，50]，相對(duì)復(fù)雜的問(wèn)題會(huì)將粒子數(shù)量定在[100，200]，甚至更多。而最終確定粒子的維度完全取決于要求解的問(wèn)題。本研究中將粒子數(shù)量定為50，維度定為10。

2.2.4 算法終止條件 一般可以設(shè)置為達(dá)到最大迭代次數(shù)Tmax為止。本研究中最大迭代次數(shù)為200。

2.3 試驗(yàn)結(jié)果

限制開發(fā)區(qū)是指現(xiàn)有發(fā)展?fàn)顩r一般而未來(lái)發(fā)展?jié)摿^低的區(qū)域，具體而言，這些區(qū)域資源環(huán)境承載能力弱，缺乏大規(guī)模經(jīng)濟(jì)集聚及人口集聚的條件，資源量偏低；優(yōu)化開發(fā)區(qū)是指現(xiàn)有開發(fā)程度較高而未來(lái)發(fā)展?jié)摿?huì)走下坡路的區(qū)域，具體而言，這些區(qū)域當(dāng)前開發(fā)密度已經(jīng)達(dá)到較高水平，但是資源環(huán)境承載能力開始衰退，可利用土地資源處于緊缺狀態(tài)；重點(diǎn)開發(fā)區(qū)是指未來(lái)具有巨大開發(fā)價(jià)值的區(qū)域，具體而言，這些區(qū)域就目前來(lái)看，能承擔(dān)較大的資源環(huán)境壓力，具有為促進(jìn)未來(lái)開發(fā)發(fā)展的良好的經(jīng)濟(jì)基礎(chǔ)及經(jīng)濟(jì)人口集聚條件，最重要的是，這些區(qū)域未來(lái)發(fā)展空間很大，需要進(jìn)行重點(diǎn)開發(fā)規(guī)劃。

依據(jù)以上標(biāo)準(zhǔn)判斷，分別采用聚類方法及粒子群算法將琿春市各鄉(xiāng)鎮(zhèn)劃分為限制開發(fā)區(qū)、重點(diǎn)開發(fā)區(qū)、優(yōu)化開發(fā)區(qū)3種類型。通過(guò)圖2、圖3對(duì)比可以看出，粒子群算法劃分的功能區(qū)與聚類方法劃分的功能區(qū)相比，其結(jié)果的聚集程度更高且更為合理。舉例來(lái)說(shuō)，根據(jù)琿春市實(shí)際發(fā)展情況來(lái)看，馬川子鄉(xiāng)和楊泡滿族鄉(xiāng)2個(gè)鄉(xiāng)鎮(zhèn)未來(lái)開發(fā)潛力很大，應(yīng)被劃分為重點(diǎn)開發(fā)區(qū)，而聚類方法則將這2個(gè)鄉(xiāng)鎮(zhèn)劃分為限制開發(fā)區(qū)，與之相比，粒子群算法更為合理。分析更為合理的粒子群算法所劃分出的主體功能區(qū)結(jié)果（圖3）可知，中心城區(qū)目前開發(fā)程度較高而未來(lái)發(fā)展?jié)摿^低，被劃分為優(yōu)化開發(fā)區(qū)；中心城區(qū)附近的鄉(xiāng)鎮(zhèn)因占據(jù)區(qū)位優(yōu)勢(shì)，未來(lái)發(fā)展?jié)摿薮?，被劃分為重點(diǎn)開發(fā)區(qū)；而限制開發(fā)區(qū)分別位于琿春市的東北角、南部及西北部。

本研究借鑒琿春市城市總體規(guī)劃（2010-2030年）中的已有成果，根據(jù)空間管制規(guī)劃圖中對(duì)限制建設(shè)區(qū)、適宜建設(shè)區(qū)及已建成區(qū)的劃分，分別矢量化其邊界，并與各鄉(xiāng)鎮(zhèn)界限進(jìn)行疊加，將得出的結(jié)果與琿春市總體規(guī)劃空間管制內(nèi)容相結(jié)合，確定其最終的功能區(qū)劃分，具體見(jiàn)圖4。對(duì)比城市總體規(guī)劃結(jié)果圖與本研究劃分出的結(jié)果圖，發(fā)現(xiàn)二者吻合度較高，這表明本研究所采用的基于粒子群算法的主體功能分區(qū)劃分方法具有高度的可行性及可推廣性，可在未來(lái)應(yīng)用于其他區(qū)域的類似工作中去。最后，將禁止開發(fā)區(qū)圖層與粒子群算法劃分出的結(jié)果相疊加，最終得出琿春市4類主體功能區(qū)劃分結(jié)果（圖5）。

3 小結(jié)與討論

雖然目前針對(duì)主體功能區(qū)劃分的研究眾多，但劃分方法不一，各有利弊?，F(xiàn)有的劃分方法一般具有一定程度的主觀性，對(duì)于同類功能區(qū)集聚與分散程度的考慮欠缺，且工作量比較大，這會(huì)對(duì)劃分出的結(jié)果產(chǎn)生一定的影響。本研究致力于運(yùn)用具有群體智能性的粒子群算法，自動(dòng)將各個(gè)鄉(xiāng)鎮(zhèn)劃分為不同的四大主體功能區(qū)，并在劃分過(guò)程中控制聚類中心的間距與粒子的多樣性與活躍性，從某種意義上說(shuō)，這種方法可以在一定程度上規(guī)避整體搜索所造成的困于局部最優(yōu)的問(wèn)題。與常用的聚類方法相比，將粒子群算法應(yīng)用到近年來(lái)迅速發(fā)展的琿春市，能更快、更準(zhǔn)確、更有效地劃分出主體功能區(qū)，而且其結(jié)果更符合琿春市的實(shí)際情況。將具有群體智能性的算法應(yīng)用到劃分主體功能區(qū)的領(lǐng)域里是一個(gè)大膽的嘗試，這也不乏為其他地區(qū)的主體功能區(qū)劃分提供了一種新的思路。

通過(guò)多年來(lái)行政區(qū)劃的調(diào)整，琿春市的城鎮(zhèn)群體形成了以中心城區(qū)為單中心的發(fā)展格局，即屬于單中心體系類型。同時(shí)，其他鄉(xiāng)鎮(zhèn)均沿鐵路和公路的走向分布，與市區(qū)共同構(gòu)成了線性體系類型。將基于粒子群算法所劃分的琿春市主體功能區(qū)與綜合多中心網(wǎng)絡(luò)發(fā)展策略相結(jié)合，琿春市中心城區(qū)發(fā)展較為集中，集聚水平高，主體功能應(yīng)確定為有限開發(fā)，成為區(qū)域性服務(wù)和消費(fèi)中心；中心城區(qū)—英安這一條發(fā)展軸線是琿春市與延龍組團(tuán)式發(fā)展的紐帶，主體功能為重點(diǎn)開發(fā)，可以依靠本地基礎(chǔ)，重點(diǎn)發(fā)展能源礦產(chǎn)、物流、倉(cāng)儲(chǔ)等產(chǎn)業(yè)；中心城區(qū)—馬川子鄉(xiāng)—楊泡滿族鄉(xiāng)北部村落這一條發(fā)展軸線是琿春河上游商貿(mào)金融中心和科教文化信息中心，也是以重點(diǎn)開發(fā)為主體功能，可發(fā)展為現(xiàn)代產(chǎn)業(yè)高地，即發(fā)展成為資本、信息、技術(shù)高密度投入的區(qū)域。與此同時(shí)，要多加鼓勵(lì)軸線經(jīng)過(guò)的普通村落，將區(qū)域經(jīng)濟(jì)重心向軸線方向轉(zhuǎn)移，這一舉措不僅能加強(qiáng)軸線實(shí)力，還可以借助軸線的優(yōu)勢(shì)更加容易得到中心城市的輻射?？茖W(xué)且定位準(zhǔn)確的主體功能區(qū)劃分成果對(duì)具體區(qū)域土地利用實(shí)踐工作具有指導(dǎo)意義，本次劃分結(jié)果可以為琿春市未來(lái)土地利用工作提供理論指導(dǎo)和技術(shù)支持，促進(jìn)琿春市未來(lái)土地利用良性可持續(xù)發(fā)展。

時(shí)間的變遷可能會(huì)導(dǎo)致區(qū)域土地利用實(shí)踐發(fā)生變化，而主體功能區(qū)的劃分也可能隨著變化與改進(jìn)，因此應(yīng)用于此的模型也需要不斷改進(jìn)，相信不斷更新的算法模型以及不斷完善的指標(biāo)體系會(huì)對(duì)主體功能區(qū)劃分及區(qū)域土地利用實(shí)踐具有愈來(lái)愈重要的參考價(jià)值和借鑒意義。

參考文獻(xiàn)：

[1] 陸大道.我國(guó)的城鎮(zhèn)化進(jìn)程與空間擴(kuò)張[J].中國(guó)城市經(jīng)濟(jì)，2008（10）：14-17.

[2] 樊 杰.我國(guó)主體功能區(qū)劃的科學(xué)基礎(chǔ)[J].地理學(xué)報(bào)，2007， 62（4）：339-350.

[3] DING H，WANG R C，WU J P，et al. Quantifying land use change in Zhejiang coastal region，China using multi-temporal Landsat TM/ETM+ images[J].Pedosphere，2007，17（6）：712-720.

[4] LIU Y，WANG J，LONG H. Analysis of arable land loss and its impact on rural sustainability in Southern Jiangsu Province of China[J].Journal of Environmental Management，2010，91（3）：646-653.

[5] 以科學(xué)發(fā)展觀統(tǒng)領(lǐng)經(jīng)濟(jì)社會(huì)發(fā)展全局：“十一五”規(guī)劃《綱要》學(xué)習(xí)輔導(dǎo)[M].北京：人民出版社，2006.

[6] 朱傳耿，仇方道，馬曉冬，等.地域主體功能區(qū)劃理論與方法的初步研究[J].地理科學(xué)，2007，27（2）：136-141.

[7] 丁于思，高 陽(yáng)，周震虹.基于混合聚類的湖南主體功能區(qū)劃分研究[J].經(jīng)濟(jì)地理，2010，30（3）：393-396.

[8] 劉傳明，李伯華，曾菊新.湖北省主體功能區(qū)劃方法探討[J].地理與地理信息科學(xué)，2007，23（3）：64-68.

[9] 馬仁鋒，王筱春，張 猛，等.主體功能區(qū)劃方法體系建構(gòu)研究[J].地域研究與開發(fā)，2010，29（4）：10-15.

[10] 王 利，于 欣，王 丹，等.遼寧省主體功能區(qū)劃分指標(biāo)體系優(yōu)化研究[J].資源開發(fā)與市場(chǎng)，2011，27（1）：28-31.

[11] 林錦耀，黎 夏.基于空間自相關(guān)的東莞市主體功能區(qū)劃分[J].地理研究，2014，33（2）：349-357.

[12] 劉建華.粒子群算法的基本理論及其改進(jìn)研究[D].長(zhǎng)沙：中南大學(xué)，2009.

[13] 劉衍民.粒子群算法的研究及應(yīng)用[D].濟(jì)南：山東師范大學(xué)，2011.

[14] 黃太安，生佳根，徐紅洋，等.一種改進(jìn)的簡(jiǎn)化粒子群算法[J].計(jì)算機(jī)仿真，2013，30（2）：327-330，335.

[15] 王尤瑋.基于PSO的主體功能區(qū)區(qū)域劃分的應(yīng)用研究[D].長(zhǎng)春：吉林大學(xué)，2009.