劉 頌 黃一珊 張 浪

（1.同濟大學(xué)建筑與城市規(guī)劃學(xué)院，上海 200092；2.上海市園林科學(xué)規(guī)劃研究院，上海城市困難立地綠化工程技術(shù)研究中心，國家林業(yè)和草原局城市困難立地綠化造林國家創(chuàng)新聯(lián)盟，城市困難立地生態(tài)園林國家林業(yè)和草原局重點實驗室，上海 200232）

提升生態(tài)系統(tǒng)服務(wù)和優(yōu)化空間結(jié)構(gòu)是郊野公園規(guī)劃的兩大重要目標(biāo)。然而，常規(guī)的郊野公園規(guī)劃以游憩為主要目標(biāo)，忽視了土地利用結(jié)構(gòu)的優(yōu)化和復(fù)合生態(tài)系統(tǒng)服務(wù)的提升，亟待引入定量化的決策輔助郊野公園規(guī)劃的合理化。本研究旨在探索郊野公園土地利用優(yōu)化策略，以上海市浦江郊野公園為研究對象，搜尋以最大化生態(tài)系統(tǒng)服務(wù)價值及空間聚集度為目標(biāo)的郊野公園土地利用規(guī)劃方案，并根據(jù)不同偏好策略對最優(yōu)空間方案進(jìn)行分析，為郊野公園的土地利用調(diào)整規(guī)劃提供具體的空間參考和決策建議。研究采用分解的多目標(biāo)進(jìn)化算法構(gòu)建多目標(biāo)優(yōu)化模型進(jìn)行土地利用方案的生成和優(yōu)選，經(jīng)過構(gòu)建決策變量、概化約束條件、設(shè)定目標(biāo)函數(shù)、算法優(yōu)化4個步驟進(jìn)行了浦江郊野公園土地利用的算法優(yōu)化。研究表明，采用的土地利用優(yōu)化策略能夠有效輔助規(guī)劃方案的生成和效益提升，將研究區(qū)場地內(nèi)零散未利用地轉(zhuǎn)換為水域并與周邊水面相連有利于實現(xiàn)空間聚集的目標(biāo)，而增加林地、水域比例，構(gòu)建林地水網(wǎng)相互交織的景觀格局有利于大幅提升生態(tài)系統(tǒng)服務(wù)價值指標(biāo)。

郊野公園；生態(tài)系統(tǒng)服務(wù)價值；土地利用優(yōu)化；多目標(biāo)優(yōu)化；非支配排序遺傳算法第二代

城市化進(jìn)程的加速給自然生態(tài)環(huán)境帶來了巨大壓力，城市公園綠地不僅應(yīng)當(dāng)具備觀景和休閑的功能，還應(yīng)當(dāng)供給多樣的生態(tài)系統(tǒng)服務(wù)[1]。郊野公園通常指城郊之外、集聚生態(tài)要素、可迎合居民休閑娛樂需求的區(qū)域綠地[2]?！皟梢?guī)合一”大背景下，上海市將大規(guī)?；巨r(nóng)田保育區(qū)作為基底打造生態(tài)空間，并以劃定的104個郊野單元為單位，在上海集中建設(shè)區(qū)以外的廣大郊區(qū)施行土地管理和規(guī)劃建設(shè)，促進(jìn)開發(fā)過程的精細(xì)化高效化發(fā)展。郊野公園作為規(guī)劃建設(shè)試點區(qū)域的一種特殊郊野單元，其規(guī)劃具有愈發(fā)重要的現(xiàn)實意義。

上海市郊野公園的規(guī)劃目標(biāo)具有特殊性。首先提升生態(tài)系統(tǒng)服務(wù)是重要目標(biāo)之一，郊野公園是供給復(fù)合生態(tài)系統(tǒng)服務(wù)（如游憩、生物多樣性保育、碳匯、氣候調(diào)節(jié)等）的重要載體[3-4]，已有許多研究以優(yōu)化提升生態(tài)系統(tǒng)服務(wù)供給為導(dǎo)向進(jìn)行了郊野公園評價和規(guī)劃設(shè)計[5-7]；其次，根據(jù)《上海市基本生態(tài)網(wǎng)絡(luò)規(guī)劃》的要求，“優(yōu)化空間結(jié)構(gòu)”[8]作為郊野公園的規(guī)劃理念之一，實現(xiàn)空間結(jié)構(gòu)的系統(tǒng)性和連通性，促進(jìn)郊野公園集約化、可持續(xù)發(fā)展?？梢?，提升生態(tài)系統(tǒng)服務(wù)和優(yōu)化空間結(jié)構(gòu)是郊野公園規(guī)劃的兩大重要目標(biāo)。然而，常規(guī)的郊野公園規(guī)劃往往以游憩服務(wù)為主要目標(biāo)，忽視了開發(fā)過程中眾多約束條件的影響，忽視了土地利用空間結(jié)構(gòu)優(yōu)化及復(fù)合生態(tài)系統(tǒng)服務(wù)的提升。

土地利用優(yōu)化是指利用定量設(shè)計對土地利用數(shù)量結(jié)構(gòu)及空間結(jié)構(gòu)的優(yōu)化配置[9]。部分學(xué)者[10-12]將土地利用優(yōu)化問題轉(zhuǎn)化為算法優(yōu)化問題，基于算法求解特定目標(biāo)下的土地利用格局。算法優(yōu)化的方法通過算法迭代，生成、優(yōu)選特定目標(biāo)下的規(guī)劃方案，相比傳統(tǒng)主觀規(guī)劃方法具備更高的科學(xué)性和合理性，為輔助郊野公園規(guī)劃的定量化決策提供了新的思路。

目前已有研究以提升生態(tài)系統(tǒng)服務(wù)價值為目標(biāo)進(jìn)行了土地利用優(yōu)化，如趙陽等[13]以線性規(guī)劃算法求取最大化生態(tài)系統(tǒng)服務(wù)價值的土地利用規(guī)劃方案；郭小燕等[14]以當(dāng)量因子法求取的生態(tài)系統(tǒng)服務(wù)價值作為適應(yīng)度函數(shù)進(jìn)行了蘭州市土地利用優(yōu)化實踐。在現(xiàn)有研究的優(yōu)化實踐中，當(dāng)量因子法是用于土地利用優(yōu)化中生態(tài)系統(tǒng)服務(wù)測算的常用方法。此外，多數(shù)研究在進(jìn)行土地利用優(yōu)化時將空間關(guān)系納入考量，認(rèn)為空間聚集度是量化空間聯(lián)系特征的重要指標(biāo)，并將之作為土地利用優(yōu)化中空間相關(guān)的優(yōu)化目標(biāo)之一進(jìn)行了優(yōu)化實踐[12,15-17]。

本研究以上海市浦江郊野公園為研究對象，搭載多目標(biāo)優(yōu)化算法，在上位規(guī)劃的約束條件下，探索以最大化生態(tài)系統(tǒng)服務(wù)價值及空間聚集度為目標(biāo)的郊野公園土地利用規(guī)劃方案，并根據(jù)不同偏好策略對最優(yōu)空間方案進(jìn)行分析，為郊野公園的土地利用調(diào)整規(guī)劃提供具體的空間參考和決策建議。

1 研究方法

1.1 研究對象及數(shù)據(jù)來源

1.1.1 研究對象

浦江郊野公園地處上海市閔行區(qū)東南角的浦江鎮(zhèn)西側(cè)，規(guī)劃面積約為15.29 km2，其現(xiàn)狀土地利用類型以林地為主，占地487.01 hm2，占比約為36.65%，其次為耕地和建設(shè)用地，分別占地321.37 hm2和200.23 hm2，除未利用地外，草地的占地最少，約為60.26 hm2。各類用地以水面構(gòu)成主要空間骨架，呈現(xiàn)較為緊湊的空間特征，農(nóng)田與建設(shè)用地結(jié)合緊密，林地集中連片。

浦江郊野公園規(guī)劃建設(shè)以土地整治為核心內(nèi)容，以增減掛鉤為政策工具，在農(nóng)村土地要素綜合整治的基礎(chǔ)上，對其功能、形態(tài)進(jìn)行補充和調(diào)整，打造以森林游憩、濱水休閑、農(nóng)業(yè)科普為主要功能，兼具生態(tài)、景觀、農(nóng)田保護(hù)等多元效益的綠色節(jié)點。浦江郊野公園規(guī)劃建設(shè)前期。在規(guī)劃中提出了“集約節(jié)約用地”原則，其土地利用存在布局分散、用地破碎化的問題，該公園作為上海市2013年先期啟動的5個試點郊野公園之一，具有典型的示范性意義。

1.1.2 數(shù)據(jù)來源

本研究采用現(xiàn)場調(diào)查結(jié)合高分辨率遙感影像解譯的方法獲取土地利用數(shù)據(jù)。選擇Google Earth中201 1年1 1月27日（郊野公園建設(shè)前）和2019年10月29日（郊野公園建成開放兩年后）的遙感影像作為信息源，對其地理空間校正后，通過目視解譯得到7類土地利用類型，包括耕地、林地、草地、水域、建設(shè)用地、交通運輸用地和其他未利用地。

最后，將遙感解譯結(jié)果重采樣至50 m×50 m柵格圖像作為土地配置優(yōu)化基礎(chǔ)單元，該粒度的數(shù)據(jù)既保留了土地的物理和社會經(jīng)濟特征，又避免了決策變量維數(shù)過大可能造成的計算時間過長、收斂能力較差的問題。

1.2 上海浦江郊野公園土地利用優(yōu)化的概化建模

1.2.1 基于多目標(biāo)進(jìn)化算法的土地利用優(yōu)化方法概述

多目標(biāo)優(yōu)化算法是求解兩個及兩個以上目標(biāo)的最優(yōu)公園土地利用方案的重要途徑，大量研究證明利用多目標(biāo)優(yōu)化算法進(jìn)行土地利用方案優(yōu)化的可行性[16,18-19]。然而，基于柵格的土地利用空間優(yōu)化問題往往導(dǎo)致決策變量數(shù)量過多，具有較高的計算復(fù)雜度，優(yōu)化計算成本是該類問題亟需解決的問題[15]。部分研究為了降低計算成本，采用矢量地塊作為決策上單元進(jìn)行空間優(yōu)化[20-21]，但該做法在一定程度降低了決策的可操作性。

基于分解的多目標(biāo)進(jìn)化算法（Multiobjective Evolutionary Algorithm Based on Decomposition，MOEA/D）是常用的基于分解的多目標(biāo)優(yōu)化算法。研究表明在達(dá)到類似收斂效果的情況下，MOEA/D算法計算復(fù)雜度低于常用的NSGA-II算法和MOGLS算法，采用MOEA/D算法可以有效降低計算成本，在土地利用優(yōu)化問題上具有顯著優(yōu)勢[22]。

由于提升生態(tài)系統(tǒng)服務(wù)和優(yōu)化空間結(jié)構(gòu)是郊野公園規(guī)劃的兩大重要目標(biāo)，本文采用MOEA/D算法進(jìn)行浦江郊野公園土地利用優(yōu)化，其概化建模過程分為：構(gòu)建決策變量、確定約束條件、設(shè)置目標(biāo)函數(shù)、算法優(yōu)化4大部分。

1.2.2 構(gòu)建決策變量

決策變量是指算法需要決策的郊野公園土地利用單元，MOEA/D算法的決策變量維數(shù)等于研究區(qū)內(nèi)需要優(yōu)化的柵格總量，每一維包含空間區(qū)位與土地利用類型兩方面屬性。決策變量為編碼1-7的分類變量，對應(yīng)7種不同類型的用地單元，1-7分別代表耕地、林地、水域、建設(shè)用地、交通運輸用地、其他未利用地和草地。0代表柵格數(shù)據(jù)中的Nodata值，不作為研究單元，編碼后共形成決策變量5 316維。

圖1示意了一個4×4的土地配置柵格空間方案，編碼為0的單元表征柵格數(shù)據(jù)中的Nodata值，不作為決策變量，其余編碼各自對應(yīng)不同的土地利用類型柵格，如1表示耕地，2表示林地等。

圖1 決策變量編碼方式示意圖Fig.1 Schematic diagram of how the decision variables are coded

1.2.3 確定約束條件

為使算法生成的方案更符合實際情況，需要根據(jù)實際規(guī)劃要求對算法設(shè)置約束條件，算法中決策變量的轉(zhuǎn)化將在指定約束條件下進(jìn)行，不符合約束條件的土地利用方案將被算法舍棄。依據(jù)《上海市郊野公園建設(shè)設(shè)計導(dǎo)則（試行）》和《上海市浦江區(qū)郊區(qū)單位（郊野公園）規(guī)劃說明》的要求及土地資源配置相關(guān)理論知識提取了約束條件，分為限制開發(fā)規(guī)則、用地面積約束、規(guī)劃建設(shè)導(dǎo)向三個方面，分別針對不同用地類型保留改造要求，規(guī)模面積調(diào)控以及其他建設(shè)用地、耕地的相關(guān)土地整治措施導(dǎo)向等（表1）。

表1 優(yōu)化模型的約束條件Tab.1 Constraint of the optimization model

1.2.4 設(shè)置目標(biāo)函數(shù)

提升生態(tài)系統(tǒng)服務(wù)和優(yōu)化空間結(jié)構(gòu)是上海市郊野公園規(guī)劃的兩大重要目標(biāo)，本研究以最大化生態(tài)系統(tǒng)服務(wù)和空間聚集度兩個指標(biāo)為目標(biāo)進(jìn)行浦江公園的土地利用優(yōu)化。

1.2.4.1 生態(tài)系統(tǒng)服務(wù)子函數(shù)

生態(tài)系統(tǒng)服務(wù)價值（Ecosystem Services Value，ESV）是評價生態(tài)系統(tǒng)服務(wù)的重要指標(biāo)，當(dāng)量因子法是用于生態(tài)系統(tǒng)服務(wù)價值量評估的方法之一。謝高地等[23]根據(jù)國內(nèi)百余位生態(tài)學(xué)領(lǐng)域?qū)＜业膯柧硖顚懡Y(jié)果，編寫了適應(yīng)中國經(jīng)濟環(huán)境現(xiàn)狀的生態(tài)系統(tǒng)服務(wù)價值當(dāng)量因子表，并被廣泛應(yīng)用。本研究采用當(dāng)量法作為浦江郊野公園生態(tài)系統(tǒng)服務(wù)價值的定量評估方法，具體公式如下：

式中：fEco代表ESV值總量映射值，EcologyValue(i)代表第i類生態(tài)系統(tǒng)的ESV價值系數(shù)映射值；Num(i)代表第i類生態(tài)系統(tǒng)用地數(shù)目，N代表用地種類。

因生態(tài)系統(tǒng)類型劃分差異，在確定生態(tài)系統(tǒng)服務(wù)的價值系數(shù)時，本文采用謝高地等[23]的生態(tài)系統(tǒng)服務(wù)當(dāng)量因子表的基礎(chǔ)上，參考其他學(xué)者研究成果[24-26]進(jìn)行了調(diào)整（表2）。同時，考慮上海市農(nóng)業(yè)生產(chǎn)情況，對當(dāng)量因子進(jìn)行了地域修正，將耕地的生態(tài)系統(tǒng)服務(wù)價值系數(shù)調(diào)整為全國均值的1.5倍[27]。此外，將價值系數(shù)進(jìn)行了歸一化處理，保證總目標(biāo)函數(shù)中不同優(yōu)化目標(biāo)對其的影響真實可比（表3）。

表2 生態(tài)系統(tǒng)服務(wù)價值系數(shù)Tab.2 Ecosystem service value coefficients

表3 生態(tài)系統(tǒng)服務(wù)價值系數(shù)歸一化處理值Tab.3 Normalized treatment values of ecosystem service value coefficients

1.2.4.2 空間聚集度子函數(shù)

土地利用在空間上由多種利用方式組合而成，為避免各類生態(tài)系統(tǒng)分布過度分散帶來土地資源浪費、生態(tài)效益低下等弊端，在土地配置中應(yīng)有優(yōu)先將生態(tài)屬性一致的用地聚合，提升土地利用效率。本研究引入空間聚集度作為另一優(yōu)化目標(biāo)。

具體計算過程如下：以某一土地利用單元為中心，計算周邊8鄰域范圍內(nèi)同類型土地利用單元數(shù)，記為該單元的空間聚集度，接著遍歷研究區(qū)內(nèi)所有土地利用單元，對各個單元的空間聚集度計算并求和，即得研究區(qū)空間聚集度值總值。其中，位于研究區(qū)域邊緣的土地單元不具有完整的8鄰域結(jié)構(gòu)，需要單獨進(jìn)行測算。公式如下：

式中：fAgg代表研究區(qū)空間聚集度總值；Neighbor(x,y,i)代表第x行第y列第i類用地單元的空間聚集度數(shù)值。

1.2.5 算法優(yōu)化

MOEA/D的核心思想是利用多組權(quán)重向量聚合函數(shù)將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為多個單目標(biāo)優(yōu)化問題，其首先初始化權(quán)重向量和最初種群，獲取初代最優(yōu)理想點，然后經(jīng)過繁殖、改進(jìn)、更新策略更新非支配解集，直到達(dá)到終止條件。本研究基于Python平臺的Geatpy第三方庫[28]提供的MOEA/D算法完成優(yōu)化。

在本實驗原始土地利用柵格布局中，林地占比為37.53%，水域占比為9.79%，建設(shè)用地占比為14.97%。符合建設(shè)用地總規(guī)模不超過總用地面積15%的標(biāo)準(zhǔn)，但不滿足水面率不低于10%的約束條件要求，因此，實驗中隨機選取未利用土地和草地柵格中的11個地塊作為水面，以此來提升水面率。根據(jù)收斂指標(biāo)情況進(jìn)行多次實驗比對，發(fā)現(xiàn)分解方法為切比雪夫方法，參數(shù)設(shè)置為種群規(guī)模100，最大迭代次數(shù)400，交叉率0.9，變異率0.2時，多次試驗結(jié)果收斂指標(biāo)趨于穩(wěn)定，實驗結(jié)果表現(xiàn)出相同的規(guī)律，表明在該參數(shù)條件下，實驗結(jié)果具有較強可信度[16,29]。

2 研究結(jié)果

2.1 算法優(yōu)化結(jié)果

圖2以散點圖的形式展示了算法求解的浦江公園土地利用方案最優(yōu)解集（即Pareto解集）的目標(biāo)實現(xiàn)情況，F(xiàn)1軸為生態(tài)系統(tǒng)服務(wù)價值，F(xiàn)2軸為空間聚集度，每個點代表一個土地利用的空間格局方案。

圖2 浦江公園土地利用規(guī)劃方案最優(yōu)解集Fig.2 Optimal set of solutions for the land use planning scheme of Pujiang Park

從圖2中散點的分布趨勢可見，生態(tài)系統(tǒng)服務(wù)價值和空間聚集度目標(biāo)存在一定的沖突，難以實現(xiàn)協(xié)同增益，在實際決策過程中，決策者要根據(jù)政策導(dǎo)向和偏好需求，對不同土地利用優(yōu)化配置方案進(jìn)行權(quán)衡考察，并從優(yōu)化結(jié)果中選擇最合適的方案。本研究對比不同配置方案，從中選擇無偏好策略、生態(tài)系統(tǒng)服務(wù)價值（F1優(yōu)先）策略、空間聚集度（F2優(yōu)先）策略。其中，生態(tài)系統(tǒng)服務(wù)（F1優(yōu)先）策略和空間聚集度（F2優(yōu)先）策略分別優(yōu)先考慮研究區(qū)的生態(tài)系統(tǒng)服務(wù)功能目標(biāo)值與空間聚集度目標(biāo)值，而折中策略則在綜合考慮后選取F1和F2接近中位數(shù)的無偏好解。從用地規(guī)模和空間結(jié)構(gòu)情況方面比較不同實驗結(jié)果，同時將土地配置優(yōu)化方案與現(xiàn)狀進(jìn)行對比，分析土地利用變化情況。

2.2 偏好情景分析

浦江郊野公園土地利用現(xiàn)狀（2019年）及三個偏好情景下的最優(yōu)土地利用規(guī)劃空間柵格圖如圖3所示，表4則展示了不同空間方案下的生態(tài)系統(tǒng)服務(wù)及空間聚集度目標(biāo)函數(shù)值。從優(yōu)化前用地狀況來看，浦江郊野公園內(nèi)耕地大多集中在申嘉湖高速以南、浦星公路以西的中心區(qū)域，其中包含約250 hm2的高標(biāo)準(zhǔn)基本農(nóng)田，農(nóng)田外圍環(huán)繞約400 hm2林地，包括環(huán)境保護(hù)林、水源涵養(yǎng)林及少量護(hù)路林和護(hù)岸林。農(nóng)村宅基地、工礦倉儲用地等建設(shè)用地及水系則分布較為分散，錯落分布于基地中。從整體看，優(yōu)化結(jié)果保留了浦江郊野公園的用地空間結(jié)構(gòu)。然而從局部和細(xì)節(jié)出發(fā)則可以發(fā)現(xiàn)，不同的優(yōu)化結(jié)果對當(dāng)前的土地配置情況作出了不同的調(diào)整。

表4 三種優(yōu)化策略及現(xiàn)狀分別對應(yīng)的目標(biāo)函數(shù)值Tab.4 Values of the objective function corresponding to each of the three optimization strategies

圖3 土地利用現(xiàn)狀及三種偏好策略下的最優(yōu)土地利用方案Fig.3 Current land use status and optimal land-use scenarios under three preference scenarios:(a) Status of land use in 2019; (b) No preference strategy; (c) Ecosystem services (F1 dominance) strategy; (d) Spatial aggregation (F2 dominance) strategy

從折中策略來看，在東部密林游憩區(qū)內(nèi)，水域面積明顯擴大，水系連通性加強；從目標(biāo)函數(shù)值可知，無偏好方案的空間聚集度與現(xiàn)狀相比略有下降，而生態(tài)系統(tǒng)服務(wù)價值明顯提升，增加了4.11%。

對于空間聚集度占優(yōu)策略，其景觀數(shù)量與結(jié)構(gòu)優(yōu)化結(jié)果與現(xiàn)狀相比變化較小，場地內(nèi)零散未利用地轉(zhuǎn)換為水域并與周邊水面相連，生態(tài)系統(tǒng)服務(wù)和空間聚集度測算結(jié)果與浦江郊野公園現(xiàn)狀相比均略有提升，分別增加了1.78%和0.08%，在最小化人為干預(yù)的條件下實現(xiàn)生態(tài)系統(tǒng)服務(wù)與土地聚集度的協(xié)同提升。

對于生態(tài)系統(tǒng)服務(wù)占優(yōu)策略，可明顯看出一期森林探索游憩區(qū)和二期疏林活動區(qū)范圍內(nèi)的建設(shè)用地面積減少，二期密林游憩區(qū)水域面積顯著增多，相比原來單一成片的林地景觀特色，林地景觀類型斑塊與其他景觀類型的比鄰概率增加，不同景觀類型間的連通性提升，形成了林地水網(wǎng)相互交織的景觀格局。西部水源涵養(yǎng)林則有一定的外延式發(fā)展趨勢，但由于研究區(qū)內(nèi)有較大范圍的現(xiàn)狀基本農(nóng)田，在限制開發(fā)規(guī)則下為空間布局限制區(qū)域，對濱江涵養(yǎng)林地及水體區(qū)域的蔓延起到了限制作用。從目標(biāo)函數(shù)值也可看出，總生態(tài)效益增加了5.79%，空間聚集度則降低了3.92%。

進(jìn)一步統(tǒng)計了三種偏好方案的土地利用數(shù)量結(jié)構(gòu)變化情況（表5）。通過對優(yōu)化前后土地利用結(jié)構(gòu)進(jìn)行分析可以看出，折中策略方案和生態(tài)系統(tǒng)服務(wù)（F1優(yōu)先）方案在優(yōu)化后，耕地、水域像元數(shù)量均有所增加，而林地和建設(shè)用地數(shù)量均有所減少，耕地面積增量分別為3.00%和3.86%，建設(shè)用地減量分別為7.67%和13.96%。這是由于在當(dāng)前基本農(nóng)田保護(hù)制度及減量復(fù)墾政策施行導(dǎo)向下，為了增加農(nóng)田面積，利于農(nóng)業(yè)規(guī)模化、集約化經(jīng)營作出的適應(yīng)性用地調(diào)整。其中，折中策略方案強調(diào)生態(tài)保護(hù)的同時考慮了空間聚集度要求，耕地、水域用地的增加數(shù)量略少于生態(tài)體統(tǒng)服務(wù)；生態(tài)系統(tǒng)服務(wù)占優(yōu)方案強調(diào)區(qū)域生態(tài)效益，整個研究區(qū)建設(shè)用地的地理單元數(shù)量占比由原來的14.97%下降到了12.88%。而空間聚集度占有方案在各類用地的地理單元數(shù)量方面則變化較小，僅水域面積提升了7.12%。

表5 優(yōu)化前后土地的利用規(guī)模變化表（像元數(shù)/個）Tab.5 Table of changes in the scale of land use before and after optimization

3 結(jié)論與討論

本文基于MOEA/D算法，在上位規(guī)劃的約束條件下，搜尋了以最大化生態(tài)系統(tǒng)服務(wù)價值及空間聚集度為目標(biāo)的郊野公園土地利用規(guī)劃方案，并根據(jù)不同偏好策略對最優(yōu)空間方案進(jìn)行了分析。研究結(jié)果表明，優(yōu)化后的土地利用方案實現(xiàn)了不同偏好下生態(tài)系統(tǒng)服務(wù)價值和空間聚集度目標(biāo)的提升，對于該場地而言，將場地內(nèi)零散未利用地轉(zhuǎn)換為水域并與周邊水面相連有利于實現(xiàn)空間聚集的目標(biāo)，而增加林地、水域比例，構(gòu)建林地水網(wǎng)相互交織的景觀格局有利于大幅提升生態(tài)系統(tǒng)服務(wù)價值指標(biāo)。本研究提出的方法具有實踐和指導(dǎo)意義。

研究結(jié)果中各偏好下的優(yōu)化用地結(jié)果都很好地實現(xiàn)了針對性的提升，如生態(tài)系統(tǒng)服務(wù)占優(yōu)策略下的優(yōu)化方案，大幅提升了園區(qū)生態(tài)系統(tǒng)服務(wù)價值，很大程度提升了郊野公園的生態(tài)保育功能，順應(yīng)了當(dāng)前上海市郊野公園“突出生態(tài)優(yōu)先”的規(guī)劃理念；空間聚集度占優(yōu)策略考慮了空間格局聯(lián)系，優(yōu)化了空間結(jié)構(gòu)，表明本研究采用的土地利用優(yōu)化策略能夠有效輔助規(guī)劃方案的生成和效益提升，為土地利用規(guī)劃決策提供依據(jù)和參考。然而，比對現(xiàn)狀可以發(fā)現(xiàn)空間聚集度占優(yōu)的優(yōu)化結(jié)果和現(xiàn)狀存在的差異很小，一方面可能說明了在要求的約束條件下，2019年土地利用現(xiàn)狀在空間聚集度目標(biāo)上已經(jīng)處于較優(yōu)狀態(tài)，景觀結(jié)構(gòu)科學(xué)合理，導(dǎo)致在空間聚集度、生態(tài)系統(tǒng)服務(wù)價值共同提升的要求下得到的最優(yōu)方案較少，也有可能是迭代次數(shù)不足導(dǎo)致更優(yōu)的方案尚未被搜尋到，亟待增加迭代次數(shù)及完善模擬條件后進(jìn)行進(jìn)一步探索。

然而，研究仍存在一定改進(jìn)空間，首先，算法生成的優(yōu)化策略對現(xiàn)有方案的提升效果并不顯著，如折中策略及生態(tài)系統(tǒng)服務(wù)占優(yōu)策略雖然獲得了較高的生態(tài)效益，卻相比現(xiàn)狀方案降低了空間聚集度，一定程度導(dǎo)致了空間的破碎化；空間聚集度占優(yōu)策略雖然同時提高了空間聚集度及生態(tài)系統(tǒng)服務(wù)兩方面效益，提升幅度卻都比較小。這一結(jié)果表明在研究區(qū)的約束條件下，空間聚集度和生態(tài)系統(tǒng)服務(wù)價值間的沖突較為明顯，使兩個目標(biāo)協(xié)同困難。其次，盡管將效益指標(biāo)（生態(tài)系統(tǒng)服務(wù)價值）和空間指標(biāo)（空間聚集度）同時作為優(yōu)化目標(biāo)進(jìn)行具有一定合理性，也具有較多成功的優(yōu)化實踐，然而研究表明空間結(jié)構(gòu)對生態(tài)系統(tǒng)服務(wù)具有潛在影響，這樣的概化策略難以考慮空間結(jié)構(gòu)和生態(tài)系統(tǒng)服務(wù)兩個目標(biāo)間的交互關(guān)系，亟待采用更合理的邏輯進(jìn)一步準(zhǔn)確概化目標(biāo)間的關(guān)系，實現(xiàn)效益精準(zhǔn)評估。

注：文中圖表均由作者繪制。