游和遠(yuǎn) 張津榕 夏舒怡

摘要：研究目的：基于碳排放效率設(shè)置經(jīng)濟(jì)效率優(yōu)先與碳排放效率優(yōu)先兩種發(fā)展情景，探究經(jīng)濟(jì)發(fā)展目標(biāo)與碳減排目標(biāo)不同優(yōu)先序組合時，土地利用結(jié)構(gòu)和土地利用布局差異性優(yōu)化結(jié)果。研究方法：多目標(biāo)規(guī)劃模型、GeoSOS-FLUS模型。研究結(jié)果：（1）經(jīng)濟(jì)效率優(yōu)先情景下，研究區(qū)總經(jīng)濟(jì)效率和總碳排放效率比現(xiàn)狀分別提高了43.32%與3.53%；城鎮(zhèn)工礦用地、其他農(nóng)用地以及園地的面積比現(xiàn)狀有顯著的增加，景觀以集中的空間形態(tài)擴(kuò)張；耕地和農(nóng)村居民點(diǎn)比現(xiàn)狀有較大幅度的減少，景觀呈現(xiàn)破碎化分布。（2）碳排放效率優(yōu)先情景下，研究區(qū)總經(jīng)濟(jì)效率比現(xiàn)狀減少了3.02%，總碳排放效率比現(xiàn)狀提高了8.23%；園地、林地以及其他農(nóng)用地面積比現(xiàn)狀有顯著的增加，景觀以集中的空間形態(tài)擴(kuò)張；城鎮(zhèn)工礦用地和農(nóng)村居民點(diǎn)面積有適度縮減，景觀呈現(xiàn)集中布局。研究結(jié)論：在耕地保護(hù)任務(wù)和“三區(qū)三線”管控等約束下，兼顧經(jīng)濟(jì)發(fā)展目標(biāo)與碳減排目標(biāo)的“多目標(biāo)發(fā)展導(dǎo)向”國土空間治理應(yīng)該耦合土地政策協(xié)同管控土地利用結(jié)構(gòu)和布局，合理滿足受發(fā)展目標(biāo)優(yōu)先序驅(qū)動的用地需求。

關(guān)鍵詞：土地利用優(yōu)化；多目標(biāo)規(guī)劃模型；GeoSOS-FLUS模型；碳排放效率

中圖分類號：F301.2 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-8158（2023）06-0074-10

基金項(xiàng)目：國家自然科學(xué)基金（71874151）；浙江省自然科學(xué)基金重點(diǎn)項(xiàng)目（LZ22G030005）。

土地承載著人類生產(chǎn)生活，各類土地分別以生產(chǎn)、生活、生態(tài)三種功能空間滿足人類多樣化需求，促進(jìn)社會經(jīng)濟(jì)發(fā)展[1]。改革開放以來，土地資源利用保障了我國社會經(jīng)濟(jì)快速發(fā)展，但以經(jīng)濟(jì)效益為優(yōu)先目標(biāo)的土地利用也消耗了大量的化石燃料、農(nóng)用化學(xué)品等，導(dǎo)致土地利用碳排放量迅速增長[2-4]。當(dāng)前土地利用若繼續(xù)強(qiáng)調(diào)經(jīng)濟(jì)效益優(yōu)先，必然會制約“碳達(dá)峰、碳中和”戰(zhàn)略目標(biāo)的實(shí)現(xiàn)[5-6]。因此，在實(shí)施“雙碳”戰(zhàn)略背景下，土地利用必須兼顧經(jīng)濟(jì)發(fā)展與碳減排的雙重目標(biāo)。不同的土地利用類型具有差別化的自然屬性與功能，為了滿足不同目標(biāo)的用地需求就需要對各種地類的數(shù)量與空間進(jìn)行配置[7-8]。因此當(dāng)前土地利用也需要基于土地資源的自然條件，在土地利用管控等政策的約束下，優(yōu)化土地利用結(jié)構(gòu)與布局來滿足多目標(biāo)土地利用需求。

土地利用優(yōu)化主要基于人地關(guān)系理論[9]、擇優(yōu)分配理論[10]和空間均衡理論[11]，通過調(diào)整不同地類的數(shù)量與空間，適應(yīng)經(jīng)濟(jì)、社會和生態(tài)可持續(xù)發(fā)展的需要。近年來，不少學(xué)者圍繞土地利用結(jié)構(gòu)優(yōu)化開展了大量研究，通過差別化配置不同土地類型的數(shù)量，土地利用結(jié)構(gòu)優(yōu)化滿足了土地利用中實(shí)現(xiàn)經(jīng)濟(jì)效益、生態(tài)效益、社會效益、工業(yè)產(chǎn)出、碳排放總量控制等方面目標(biāo)對土地?cái)?shù)量的需要[7-8，12-13]。多目標(biāo)規(guī)劃[7]、神經(jīng)網(wǎng)絡(luò)算法[12]、模糊數(shù)學(xué)[13]、線性規(guī)劃[8]等工具被較多地運(yùn)用于土地利用結(jié)構(gòu)優(yōu)化中。而圍繞著土地利用布局優(yōu)化的已有研究，通過不同土地類型的空間重配優(yōu)化，滿足了城市增長邊界劃定[14]、城市交通影響分析[15]、土地功能空間布局[16-18]、多情景土地利用格局塑造[7，19]等領(lǐng)域?qū)ν恋乩貌季值男枰５?dāng)前通過優(yōu)化土地利用結(jié)構(gòu)與布局來兼顧經(jīng)濟(jì)發(fā)展目標(biāo)與碳減排目標(biāo)的研究仍然不多，如何設(shè)計(jì)變量與模型來表征經(jīng)濟(jì)發(fā)展目標(biāo)與碳減排目標(biāo)以及兩個目標(biāo)之間的關(guān)系也需進(jìn)一步探索。因此，本文使用經(jīng)濟(jì)效率來表征土地利用中對經(jīng)濟(jì)發(fā)展目標(biāo)的追求水平，使用碳排放效率來表征土地利用中對碳減排目標(biāo)的追求水平[20-21]。設(shè)置經(jīng)濟(jì)效率優(yōu)先和碳排放效率優(yōu)先兩種發(fā)展情景來描述土地利用中經(jīng)濟(jì)發(fā)展目標(biāo)與碳減排目標(biāo)兩種不同優(yōu)先序組合，觀察兩種情景下土地利用結(jié)構(gòu)優(yōu)化結(jié)果，再結(jié)合土地利用驅(qū)動因子和限制轉(zhuǎn)換因子，對土地利用結(jié)構(gòu)優(yōu)化結(jié)果進(jìn)行土地利用布局模擬，得出基于土地利用適宜性的空間分布。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

蕭山區(qū)隸屬于浙江省杭州市，位于浙江省北部、杭州灣南岸，地處中國縣域經(jīng)濟(jì)最為活躍的長三角南翼。2021年杭州市部分行政區(qū)劃調(diào)整，本文研究區(qū)為最新的蕭山區(qū)行政區(qū)范圍，土地總面積為99 847.62 hm2。根據(jù)2018年蕭山區(qū)土地變更調(diào)查成果，蕭山區(qū)耕地面積為29 145.64 hm2，占總面積的29.19%，園地面積為2 265.66 hm2，占總面積的2.27%，林地（含草地）面積為22 984.21 hm2，占總面積的23.02%，其他農(nóng)用地面積為225.67 hm2，占總面積的0.23%，城鎮(zhèn)工礦用地面積為4 515.43 hm2，占總面積的4.52%，農(nóng)村居民點(diǎn)面積為24 689.60 hm2，占總面積的24.73%，交通及水利設(shè)施用地、風(fēng)景名勝及特殊用地、水域、田坎和溝渠等線狀地物、未利用地（鹽堿地、沼澤地、沙地、裸地）等剩余土地類型面積為16 021.41 hm2，占總面積的16.04%。

1.2 數(shù)據(jù)來源

本文研究時點(diǎn)為2019年末。本文使用基于全國第二次土地調(diào)查的土地變更調(diào)查成果數(shù)據(jù)庫作為基礎(chǔ)數(shù)據(jù)庫，以滿足土地利用模擬訓(xùn)練中兩期較長時間間隔空間數(shù)據(jù)的要求。由于基于全國第二次土地調(diào)查的土地變更調(diào)查成果只更新到2018年底，所以使用2018年蕭山區(qū)土地變更調(diào)查成果替代缺失的2019年土地變更調(diào)查成果，并作為土地利用現(xiàn)狀數(shù)據(jù)。此外，引入2014年蕭山區(qū)土地變更調(diào)查成果，用于土地利用模擬訓(xùn)練與精度檢驗(yàn)。

統(tǒng)一數(shù)據(jù)的地理與投影坐標(biāo)系：基于土地利用現(xiàn)狀數(shù)據(jù)庫配準(zhǔn)土地利用驅(qū)動因子和土地利用的限制轉(zhuǎn)換面，并轉(zhuǎn)換為統(tǒng)一的100 m×100 m柵格數(shù)據(jù)。土地利用驅(qū)動因子：基于30 m的蕭山區(qū)DEM數(shù)據(jù)，生成坡度、坡向數(shù)據(jù)；根據(jù)歐氏距離，計(jì)算不同地類到城市中心、鄉(xiāng)鎮(zhèn)中心、高速公路、等級公路、鐵路的距離；提取蕭山區(qū)月均降水量以及夜間燈光數(shù)據(jù)。蕭山區(qū)土地利用的限制轉(zhuǎn)換面：采用空間配準(zhǔn)、矢量化操作，提取交通及水利設(shè)施用地、水域等現(xiàn)狀用地以及生態(tài)紅線等要素（表1）。

2 研究方法

土地利用數(shù)量優(yōu)化較多的采用多目標(biāo)規(guī)劃等工具實(shí)現(xiàn)土地利用結(jié)構(gòu)優(yōu)化[7，22-23]，隨著GIS技術(shù)和空間建模工具的發(fā)展，土地利用優(yōu)化從“數(shù)量優(yōu)化”演變到“空間重配優(yōu)化”。黎夏等改進(jìn)了FLUS模型，建立GeoSOS-FLUS模型用于模擬和預(yù)測人類活動與自然環(huán)境影響下的土地利用空間演變[24-25]。因此本文基于多目標(biāo)規(guī)劃模型（Multi-objective Programming， MOP）完成土地利用結(jié)構(gòu)優(yōu)化，基于GeoSOS-FLUS模型完成土地利用布局優(yōu)化。

2.1 多目標(biāo)規(guī)劃模型

MOP模型可以實(shí)現(xiàn)約束條件下，規(guī)劃某個或多個目標(biāo)達(dá)到最值的決策[26-27]。MOP模型包含目標(biāo)函數(shù)與約束條件，本文設(shè)置經(jīng)濟(jì)效率優(yōu)先和碳排放效率優(yōu)先兩種發(fā)展情景的目標(biāo)函數(shù)和約束條件。

2.1.1 發(fā)展情景設(shè)定

本文設(shè)定經(jīng)濟(jì)效率優(yōu)先與碳排放效率優(yōu)先兩種發(fā)展情景。經(jīng)濟(jì)效率優(yōu)先情景以發(fā)展經(jīng)濟(jì)作為首要目標(biāo)，強(qiáng)調(diào)從單位土地面積中獲得更多的經(jīng)濟(jì)產(chǎn)出以滿足社會經(jīng)濟(jì)發(fā)展需要。該情景強(qiáng)調(diào)充分挖掘經(jīng)濟(jì)產(chǎn)出潛力較高的土地類型的效益，從而確保區(qū)域土地利用總經(jīng)濟(jì)效率最大化。碳排放效率優(yōu)先情景更偏向于土地低碳利用，該情景強(qiáng)調(diào)生態(tài)用地的保護(hù)，追求區(qū)域土地利用總碳排放效率最大化。經(jīng)濟(jì)效率優(yōu)先情景的多目標(biāo)規(guī)劃模型首先確保總經(jīng)濟(jì)效率最大化，再進(jìn)行總碳排放效率最大化。碳排放效率優(yōu)先情景則首先確?？偺寂欧判首畲蠡?，再進(jìn)行總經(jīng)濟(jì)效率最大化。

式（1）中：Ee為區(qū)域土地利用總經(jīng)濟(jì)效率；Xi為第i類土地類型面積；XT為區(qū)域土地總面積；Mi為第i類土地類型單位面積的經(jīng)濟(jì)產(chǎn)出，即經(jīng)濟(jì)產(chǎn)出強(qiáng)度。不同土地類型的經(jīng)濟(jì)產(chǎn)出均以增加值表示。土地類型與《縣級土地利用總體規(guī)劃編制規(guī)程》（TD/T 1024—2010）相銜接，同時根據(jù)蕭山區(qū)土地變更調(diào)查成果，對部分土地類型處理如下：草地規(guī)模極小，合并到林地中；水域不包括內(nèi)陸灘涂，內(nèi)陸灘涂作為單獨(dú)土地類型（便于后續(xù)生成限制轉(zhuǎn)換面）；其他農(nóng)用地主要為設(shè)施農(nóng)用地，田坎、溝渠等歸為線狀地物；未利用地包括鹽堿地、沼澤地、沙地、裸地。

受統(tǒng)計(jì)數(shù)據(jù)限制，土地類型與產(chǎn)業(yè)增加值的對應(yīng)關(guān)系如下：耕地對應(yīng)種植業(yè)增加值減去茶桑果及花卉園藝增加值。園地對應(yīng)茶桑果及花卉園藝增加值。林地對應(yīng)林業(yè)增加值。其他農(nóng)用地（設(shè)施農(nóng)用地）對應(yīng)畜牧業(yè)增加值，主要原因是設(shè)施農(nóng)用地指直接用于經(jīng)營性養(yǎng)殖的畜禽舍、工廠化作物栽培或水產(chǎn)養(yǎng)殖的生產(chǎn)設(shè)施用地及相應(yīng)附屬用地，農(nóng)村宅基地以外的晾曬場等農(nóng)業(yè)設(shè)施用地，而工廠化作物栽培或水產(chǎn)養(yǎng)殖的增加值無法從種植業(yè)增加值和漁業(yè)增加值中進(jìn)一步剝離，那么將畜牧業(yè)增加值與其他農(nóng)用地相對應(yīng)。城鎮(zhèn)工礦用地對應(yīng)地區(qū)生產(chǎn)總值減去農(nóng)林牧漁業(yè)增加值、交通運(yùn)輸/倉儲和郵政業(yè)增加值以及旅游業(yè)增加值。農(nóng)村居民點(diǎn)對應(yīng)農(nóng)林牧漁服務(wù)業(yè)增加值。由于交通及水利設(shè)施用地多呈線條狀而難以優(yōu)化，水域、風(fēng)景名勝及特殊用地因特殊管制面積較為穩(wěn)定，內(nèi)陸灘涂及未利用地缺乏相關(guān)數(shù)據(jù)，因此暫不分析這5種用地類型的經(jīng)濟(jì)產(chǎn)出優(yōu)化。

2019年蕭山區(qū)各土地類型經(jīng)濟(jì)產(chǎn)出強(qiáng)度和碳排放強(qiáng)度見表2。

2.1.2 約束條件設(shè)定

（1）宏觀目標(biāo)約束。①設(shè)置“耕地面積大于等于耕地保有量”，蕭山區(qū)國土空間規(guī)劃中耕地保有量為16 560 hm2。②設(shè)置“園地面積大于等于現(xiàn)狀面積，林地面積大于等于現(xiàn)狀面積”。③設(shè)置“其他農(nóng)用地面積大于等于現(xiàn)狀面積，且小于等于上一輪規(guī)劃值”，目的為保證其他農(nóng)用地（設(shè)施農(nóng)用地）有所增加，但又要避免大幅度擴(kuò)張。④設(shè)置“城鎮(zhèn)工礦用地面積小于等于現(xiàn)狀面積與新增建設(shè)用地指標(biāo)之和”，國土空間規(guī)劃三區(qū)三線劃定中，蕭山區(qū)未來新增建設(shè)用地規(guī)模為2 000 hm2。⑤設(shè)置“農(nóng)村居民點(diǎn)面積大于或等于上一輪規(guī)劃值”，農(nóng)村居民點(diǎn)在杭州市蕭山區(qū)土地利用總體規(guī)劃（2006—2020年）中大幅度縮小，實(shí)際上難以實(shí)現(xiàn)。⑥交通水利設(shè)施用地、風(fēng)景名勝及特殊用地、水域、內(nèi)陸灘涂以及未利用地受政策、地形等的限制，難以與其他地類相互轉(zhuǎn)換，故將其數(shù)量設(shè)置為常數(shù)，取研究區(qū)土地利用現(xiàn)狀值作為目標(biāo)值。

（2）現(xiàn)狀條件約束。①設(shè)置“新增園地面積與優(yōu)化后耕地面積之和大于等于耕地保護(hù)責(zé)任”，蕭山區(qū)國土空間規(guī)劃因耕地非糧化整治確定了耕地保護(hù)責(zé)任指標(biāo)，要求通過耕地非糧化整治，將園地等土地類型進(jìn)一步轉(zhuǎn)換為耕地，規(guī)劃期末耕地保護(hù)責(zé)任為26 800 hm2。②設(shè)置“現(xiàn)狀園地面積、現(xiàn)狀耕地面積、農(nóng)村居民點(diǎn)復(fù)墾為耕地面積3個之和大于優(yōu)化后新增園地面積和優(yōu)化后耕地面積之和”，當(dāng)前蕭山區(qū)耕地與園地之間存在進(jìn)出關(guān)系，設(shè)置此約束條件避免耕地等土地類型大規(guī)模的轉(zhuǎn)換為園地，園地規(guī)模過度擴(kuò)張。其中農(nóng)村居民點(diǎn)復(fù)墾補(bǔ)充耕地系數(shù)設(shè)置為0.8，原因如下：根據(jù)《杭州市蕭山區(qū)土地利用總體規(guī)劃（2006—2020年）2014調(diào)整完善版》，2013—2020年土地復(fù)墾補(bǔ)充耕地面積占農(nóng)村居民點(diǎn)減少面積的86%；其次根據(jù)《杭州市蕭山區(qū)人民政府辦公室關(guān)于開展百村全域土地綜合整治與生態(tài)修復(fù)工作的通知》，2019—2021年蕭山區(qū)建設(shè)用地復(fù)墾補(bǔ)充耕地仍然主要來自農(nóng)村居民點(diǎn)復(fù)墾，那么農(nóng)村居民點(diǎn)復(fù)墾補(bǔ)充耕地系數(shù)仍需維持在較高的水平。

（3）耕地保護(hù)約束。①設(shè)置“優(yōu)化后的耕地面積須大于等于耕地保有量與農(nóng)村居民點(diǎn)復(fù)墾補(bǔ)充耕地面積之和”，作為對研究區(qū)內(nèi)耕地的保護(hù)性約束條件。②設(shè)置“現(xiàn)狀耕地面積減去耕地保有量的差值，作為園地與林地新增面積的上限約束”，與“三調(diào)”中發(fā)現(xiàn)的土地利用實(shí)際情況類似，土地利用結(jié)構(gòu)優(yōu)化中，新增園地與新增林地面積主要來源于現(xiàn)狀耕地面積的縮減，因此本文設(shè)置此約束條件，以避免新增園地、林地過度占用耕地資源。③這里需要說明的是，耕地保護(hù)約束中暫不考慮耕地后備資源以及其他農(nóng)用地的后備資源，因?yàn)槭捝絽^(qū)幾乎沒有可供開發(fā)利用的耕地后備資源。

（4）全域土地綜合整治約束。設(shè)置“城鎮(zhèn)工礦用地面積大于等于城鎮(zhèn)工礦用地乘以0.75的系數(shù)后與農(nóng)村居民點(diǎn)轉(zhuǎn)換為城鎮(zhèn)工礦用地的面積之和”。全域土地綜合整治中一部分農(nóng)村居民點(diǎn)可以轉(zhuǎn)換為城鎮(zhèn)工礦用地用于建新安置農(nóng)民和產(chǎn)業(yè)發(fā)展，根據(jù)調(diào)研，對城鎮(zhèn)工礦用地與農(nóng)村居民點(diǎn)之間的轉(zhuǎn)換關(guān)系進(jìn)行約束，蕭山區(qū)該轉(zhuǎn)換關(guān)系系數(shù)設(shè)置為0.1。同時，城鎮(zhèn)工礦用地面積中包含約25%的工礦用地面積，可以通過礦區(qū)復(fù)墾等手段轉(zhuǎn)換為其他用地類型，因此設(shè)置此約束條件作為城鎮(zhèn)工礦用地面積的下限約束。

2.2 GeoSOS-FLUS模型

GeoSOS-FLUS模型首先基于上一期土地利用數(shù)據(jù)，并結(jié)合多種驅(qū)動力因子（氣溫、降水、土壤、地形、交通、區(qū)位等），利用神經(jīng)網(wǎng)絡(luò)算法獲取各地類的適宜性概率，然后耦合系統(tǒng)動力學(xué)模型和元胞自動機(jī)模型來提高模型的適用性。其中在元胞自動機(jī)模型中，引入自適應(yīng)慣性競爭機(jī)制，來處理多種土地類型在自然與人類活動共同影響下發(fā)生相互轉(zhuǎn)化時的復(fù)雜性和不確定性[31]。黎夏團(tuán)隊(duì)的研究成果[24，32]提供了基于神經(jīng)網(wǎng)絡(luò)的適宜性概率、自適應(yīng)慣性系數(shù)和元胞自動機(jī)迭代方式的公式，在此不再詳細(xì)闡述。

本文GeoSOS-FLUS模型運(yùn)用步驟如下：（1）選擇蕭山區(qū)高程、坡度、坡向、降水等作為自然地形驅(qū)動因子，選擇與城市中心距離、與鄉(xiāng)鎮(zhèn)中心距離、與高速公路距離、與等級公路距離、與鐵路距離等作為交通區(qū)位驅(qū)動因子，選擇人造夜間燈光數(shù)據(jù)作為社會經(jīng)濟(jì)驅(qū)動因子，在GeoSOS-FLUS模型中運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算，逐柵格分析各土地類型的出現(xiàn)概率。（2）在蕭山區(qū)土地利用布局優(yōu)化模擬時，需要考慮到生態(tài)紅線內(nèi)是需要保護(hù)的生態(tài)環(huán)境，因此根據(jù)《蕭山區(qū)國土空間規(guī)劃“三區(qū)三線”劃定成果初稿》中劃定的蕭山區(qū)生態(tài)紅線，提取生態(tài)保護(hù)區(qū)域圖層作為限制轉(zhuǎn)換面予以保護(hù)。此外，一些難以在較短時間內(nèi)發(fā)生用途轉(zhuǎn)換的土地類型，將其作為限制轉(zhuǎn)換用地，并根據(jù)土地利用現(xiàn)狀構(gòu)建限制轉(zhuǎn)換地類圖層。（3）疊加限制轉(zhuǎn)換地類圖層與生態(tài)保護(hù)區(qū)域圖層，基于不同情景設(shè)置基礎(chǔ)系數(shù)以及地類間轉(zhuǎn)換矩陣，作為地類擴(kuò)張能力的依據(jù)。再輸入MOP模型中計(jì)算得到的蕭山區(qū)土地利用結(jié)構(gòu)優(yōu)化結(jié)果，對土地利用布局分別進(jìn)行經(jīng)濟(jì)效率優(yōu)先情景和碳排放效率優(yōu)先情景的優(yōu)化。（4）模型的精度驗(yàn)證主要觀察OA和Kappa兩個參數(shù)。

3 實(shí)證分析

3.1 土地利用結(jié)構(gòu)優(yōu)化結(jié)果

基于Lingo 18平臺，在宏觀目標(biāo)、現(xiàn)狀條件、耕地保護(hù)、全域土地綜合整治4類條件約束下，得到經(jīng)濟(jì)效率優(yōu)先和碳排放效率優(yōu)先兩種情景下的土地利用結(jié)構(gòu)優(yōu)化結(jié)果（表4）。

經(jīng)濟(jì)效率優(yōu)先的情景下，城鎮(zhèn)工礦用地、其他農(nóng)用地以及園地的面積相比現(xiàn)狀有顯著的增加，總經(jīng)濟(jì)效率和總碳排放效率相比現(xiàn)狀分別提高了43.32%與3.53%。與現(xiàn)狀相比較，經(jīng)濟(jì)效率優(yōu)先的情景通過城鎮(zhèn)工礦用地、其他農(nóng)用地以及園地等經(jīng)濟(jì)產(chǎn)出強(qiáng)度較高的地類增長，提高了總經(jīng)濟(jì)效率，但同時較大幅度增加了碳排放量。此情景下，林地面積與現(xiàn)狀保持一致，而耕地和農(nóng)村居民點(diǎn)面積相比現(xiàn)狀均有較大幅度的減少。

碳排放效率優(yōu)先的情景下，園地、林地以及其他農(nóng)用地面積比現(xiàn)狀有顯著的增加?？偨?jīng)濟(jì)效率相比現(xiàn)狀減少了3.02%，相比經(jīng)濟(jì)效率優(yōu)先的情景減少了47.65%?？偺寂欧判屎涂偺寂欧帕肯啾痊F(xiàn)狀分別增加了8.23%和減少了11.57%；相比經(jīng)濟(jì)效率優(yōu)先的情景則分別增加了4.60%和減少了54.44%。此情景下城鎮(zhèn)工礦用地和農(nóng)村居民點(diǎn)面積有適度縮減。耕地面積雖然出現(xiàn)減少，但仍大于經(jīng)濟(jì)效率優(yōu)先時的規(guī)模。與現(xiàn)狀以及經(jīng)濟(jì)效率優(yōu)先情景下的土地利用結(jié)構(gòu)相比，碳排放優(yōu)先情景下的土地利用結(jié)構(gòu)優(yōu)化通過小幅度縮減經(jīng)濟(jì)規(guī)模實(shí)現(xiàn)了碳排放量較大幅度的減少。

3.2 土地利用布局優(yōu)化結(jié)果

以蕭山區(qū)2014年和2018年土地利用變更數(shù)據(jù)庫為基礎(chǔ)，進(jìn)行GeoSOS-FLUS模型精度檢驗(yàn)。檢驗(yàn)結(jié)果顯示，OA指數(shù)為0.924，Kappa指數(shù)為0.902，模型精度滿足要求。以土地利用現(xiàn)狀作為基礎(chǔ)數(shù)據(jù)，在相應(yīng)的數(shù)量及準(zhǔn)則控制下，對兩種情景下的土地利用布局進(jìn)行優(yōu)化。蕭山區(qū)經(jīng)濟(jì)效率優(yōu)先布局優(yōu)化模擬圖與碳排放效率優(yōu)先布局優(yōu)化模擬圖見圖1。

基于圖1，運(yùn)用Fragstats 4.2計(jì)算蕭山區(qū)土地利用現(xiàn)狀、經(jīng)濟(jì)效率優(yōu)先布局優(yōu)化模擬結(jié)果、碳排放效率優(yōu)先布局優(yōu)化模擬結(jié)果的景觀指數(shù)。蕭山區(qū)土地利用現(xiàn)狀景觀分離度為0.97、香農(nóng)多樣性指數(shù)為1.68、聚合度指數(shù)為66.62，整體景觀破碎化程度較高，不同景觀類型的空間聚合度一般。經(jīng)濟(jì)效率優(yōu)先情景下，景觀指數(shù)計(jì)算結(jié)果是：景觀分離度為0.97、香農(nóng)多樣性指數(shù)為1.92、聚合度指數(shù)為67.5。整體景觀破碎化程度依然較高，不同景觀聚合度有所提高，不同土地類型景觀呈均衡化分布趨勢。碳排放效率優(yōu)先情景下，景觀指數(shù)計(jì)算結(jié)果是：景觀分離度為0.96、香農(nóng)多樣性指數(shù)為1.87、聚合度指數(shù)為69.2。整體景觀破碎化程度有所降低，不同景觀聚合度進(jìn)一步提高，不同土地類型景觀呈均衡化分布趨勢。

對各土地類型聚合度指數(shù)進(jìn)一步分析（表5），分析不同景觀類型內(nèi)部斑塊的聚合程度，并結(jié)合各土地類型的空間分布解釋兩種情景下地類間的相互轉(zhuǎn)換。經(jīng)濟(jì)效率優(yōu)先情景相比現(xiàn)狀，園地、其他農(nóng)用地以及城鎮(zhèn)工礦用地聚合度指數(shù)有較大的提高，呈現(xiàn)出以蕭山區(qū)中、南部為核心的集聚擴(kuò)張趨勢；耕地和農(nóng)村居民點(diǎn)聚合度指數(shù)有所減小，呈現(xiàn)出分布重心北移且離散縮減的趨勢。碳排放效率優(yōu)先情景相比現(xiàn)狀以及經(jīng)濟(jì)效率優(yōu)先情景，園地與其他農(nóng)用地聚合度指數(shù)有進(jìn)一步提高，以蕭山區(qū)中、南部為核心的空間集聚趨勢得到加強(qiáng)；林地聚合度指數(shù)也有較大提高，呈現(xiàn)出以蕭山區(qū)中、南部低山丘陵地帶為核心的集中擴(kuò)張趨勢；耕地和農(nóng)村居民點(diǎn)的聚合度指數(shù)則有所減小，呈現(xiàn)出分布中心北移且離散縮減的趨勢。

具體而言，經(jīng)濟(jì)效率優(yōu)先情景下，蕭山區(qū)耕地聚合度指數(shù)為66.75，景觀分布比現(xiàn)狀更為分散，原先在南部河谷地帶集中分布的耕地大量轉(zhuǎn)換為園地與其他農(nóng)用地，南部剩余耕地景觀分布破碎，北部平原區(qū)耕地面積較大且分布較為集中。園地聚合度指數(shù)為68.80，比現(xiàn)狀有大幅度的提高，同時空間出現(xiàn)較大的擴(kuò)張，新增園地主要由南部河谷分布的耕地轉(zhuǎn)換而來。林地聚合度指數(shù)為84.35，景觀分布狀況與現(xiàn)狀相比變化不大，仍高度集中在中部和南部的低山丘陵地區(qū)。其他農(nóng)用地聚合度指數(shù)為66.12，景觀分布比現(xiàn)狀更加集中，空間出現(xiàn)一定幅度的擴(kuò)張，新增其他農(nóng)地主要由南部河谷分布的耕地轉(zhuǎn)換而來，北部也有零星耕地轉(zhuǎn)換為其他農(nóng)用地。城鎮(zhèn)工礦用地聚合度指數(shù)為78.8，景觀分布比現(xiàn)狀更加集中且在空間上進(jìn)一步擴(kuò)張，新增城鎮(zhèn)工礦用地主要由周邊的農(nóng)村居民點(diǎn)及少部分耕地轉(zhuǎn)換而來。農(nóng)村居民點(diǎn)聚合度指數(shù)為61.29，除分布在城市周邊的部分農(nóng)村居民點(diǎn)轉(zhuǎn)換為城鎮(zhèn)工礦用地外，其余農(nóng)村居民點(diǎn)的景觀分布情況與現(xiàn)狀類似。

碳排放效率優(yōu)先情景下，蕭山區(qū)耕地聚合度指數(shù)為66.58，景觀分布比現(xiàn)狀更為分散但與經(jīng)濟(jì)效率優(yōu)先的情景相差不大，面積大于經(jīng)濟(jì)效率優(yōu)先的情景，雖然南部河谷地帶集中的耕地仍然比較多地轉(zhuǎn)換為園地與其他農(nóng)用地，但南部河谷保留的耕地更多，且分布更加集中。園地聚合度指數(shù)為71.84，景觀集中程度比現(xiàn)狀和經(jīng)濟(jì)效率優(yōu)先的情景進(jìn)一步提高，但空間擴(kuò)張小于經(jīng)濟(jì)效率優(yōu)先的情景，這主要是由于南部河谷的耕地更多轉(zhuǎn)換為了林地，使得園地在空間分布上愈發(fā)向中部集中。林地聚合度指數(shù)為88.2，景觀集中程度與現(xiàn)狀和經(jīng)濟(jì)效率優(yōu)先的情景更進(jìn)一步增強(qiáng)，且空間出現(xiàn)明顯擴(kuò)張，但空間分布上仍高度集中在中部和南部的低山丘陵地區(qū)，新增林地主要由分布在南部河谷地區(qū)的耕地轉(zhuǎn)換而來。其他農(nóng)用地聚合度指數(shù)為66.79，景觀分布與經(jīng)濟(jì)效率優(yōu)先的情景差別不大，南部的新增其他農(nóng)用地有所減少，北部零星分布的其他農(nóng)用地斑塊面積有所擴(kuò)大。城鎮(zhèn)工礦用地聚合度指數(shù)為76.63，景觀分布的集中程度比現(xiàn)狀有所提高但低于經(jīng)濟(jì)效率優(yōu)先的情景，且空間比現(xiàn)狀有所縮減，縮減的城鎮(zhèn)工礦用地主要為城市周邊的工礦用地，轉(zhuǎn)換方向主要是林地、園地、其他農(nóng)用地。農(nóng)村居民點(diǎn)聚合度指數(shù)為61.64，與現(xiàn)狀和經(jīng)濟(jì)效率優(yōu)先的情景相差不大，但空間有一定幅度的縮減，縮減范圍主要集中在南部河谷地帶的農(nóng)村居民點(diǎn)，且主要轉(zhuǎn)換為園地和其他農(nóng)用地。

4 結(jié)論與政策啟示

土地利用普遍存在多目標(biāo)的可能性，依據(jù)不同目標(biāo)優(yōu)先序科學(xué)配置不同地類的數(shù)量與空間對于實(shí)現(xiàn)土地利用目標(biāo)至關(guān)重要。在推進(jìn)“雙碳”戰(zhàn)略中，土地利用同樣面臨著如何更好地兼顧經(jīng)濟(jì)發(fā)展目標(biāo)與碳減排目標(biāo)這一難題。本文通過集成MOP與GeoSOS-FLUS模型，分析了經(jīng)濟(jì)效率優(yōu)先和碳排放效率優(yōu)先兩種情景下土地利用結(jié)構(gòu)與布局優(yōu)化?；诤贾菔惺捝絽^(qū)的研究發(fā)現(xiàn)：（1）在同時兼顧經(jīng)濟(jì)效率和碳排放效率的前提下，土地利用中追求經(jīng)濟(jì)效率和碳排放效率優(yōu)先序的不同，會導(dǎo)致差異性的土地利用優(yōu)化結(jié)果。（2）土地利用結(jié)構(gòu)優(yōu)化方面，經(jīng)濟(jì)效率優(yōu)先情景下，通過增加城鎮(zhèn)工礦用地、其他農(nóng)用地以及園地等經(jīng)濟(jì)產(chǎn)出強(qiáng)度較高的地類面積，提高了總經(jīng)濟(jì)效率；碳排放效率優(yōu)先情景下，通過增加園地、林地以及其他農(nóng)用地面積，以及適度縮減城鎮(zhèn)工礦用地和農(nóng)村居民點(diǎn)面積，實(shí)現(xiàn)小幅度縮減經(jīng)濟(jì)規(guī)模帶來較大幅度減少碳排放量。（3）土地利用布局優(yōu)化改變了土地利用景觀格局，因此當(dāng)基于地塊尺度根據(jù)用地適宜性進(jìn)行地類轉(zhuǎn)換時，需要關(guān)注區(qū)域土地利用總體格局變化。

本文的重要政策啟示：（1）依托“三區(qū)三線”加強(qiáng)生態(tài)空間與耕地保護(hù)。本文發(fā)現(xiàn)經(jīng)濟(jì)效率優(yōu)先情景下，城鎮(zhèn)空間通過侵占周邊農(nóng)業(yè)空間和生態(tài)空間實(shí)現(xiàn)擴(kuò)張。依托“三區(qū)三線”，特別是生態(tài)保護(hù)紅線、永久基本農(nóng)田等工具，按照“功能不降低、面積不減少、性質(zhì)不改變”的要求對生態(tài)環(huán)境和永久基本農(nóng)田保護(hù)進(jìn)行嚴(yán)格監(jiān)督，約束生態(tài)空間、農(nóng)業(yè)空間、城鎮(zhèn)空間之間的轉(zhuǎn)換。（2）嚴(yán)格控制城鎮(zhèn)工礦用地規(guī)模促進(jìn)土地集約節(jié)約利用。城鎮(zhèn)工礦用地既是經(jīng)濟(jì)強(qiáng)度最高也是碳排放強(qiáng)度最高的用地類型，城鎮(zhèn)工礦用地的擴(kuò)張或縮減對于區(qū)域經(jīng)濟(jì)發(fā)展和碳排放總量的變化都有著重要影響。因此，一方面國土空間規(guī)劃應(yīng)探索從“增量規(guī)劃”向“存量規(guī)劃”轉(zhuǎn)變，嚴(yán)格控制城鎮(zhèn)工礦用地的新增規(guī)模，逐步實(shí)現(xiàn)城鎮(zhèn)工礦用地“零增長”與“負(fù)增長”，鼓勵存量城鎮(zhèn)工礦用地“騰籠換鳥”，促進(jìn)產(chǎn)業(yè)向高經(jīng)濟(jì)效益低碳排放轉(zhuǎn)型升級；另一方面對分布在城市周邊的工礦用地，特別是采礦用地，可以通全域土地綜合整治，修復(fù)受損生態(tài)空間，將礦區(qū)整治為林地等用地類型。（3）縮減農(nóng)村居民點(diǎn)規(guī)模推進(jìn)鄉(xiāng)村國土空間重構(gòu)。本文發(fā)現(xiàn)農(nóng)村居民點(diǎn)經(jīng)濟(jì)產(chǎn)出強(qiáng)度較低，而碳排放強(qiáng)度高于林地。在國土空間規(guī)劃中，仍然要按照“集約用地、集中建設(shè)、集聚發(fā)展”的原則規(guī)劃布局農(nóng)村居民點(diǎn)。同時積極推進(jìn)宅基地復(fù)墾，鼓勵通過城鄉(xiāng)建設(shè)用地增減掛鉤將農(nóng)村居民點(diǎn)異地置換為高經(jīng)濟(jì)產(chǎn)出強(qiáng)度的產(chǎn)業(yè)用地空間。

參考文獻(xiàn)（References）：

[1] 李廣東，方創(chuàng)琳. 城市生態(tài)—生產(chǎn)—生活空間功能定量識別與分析[J] . 地理學(xué)報，2016，71（1）：49 - 65.

[2] 馮薇，趙榮欽，謝志祥，等. 碳中和目標(biāo)下土地利用碳排放效率及其時空格局——以黃河流域72個地級市為例[J] . 中國土地科學(xué)，2023，37（1）：102 - 113.

[3] 張玥，代亞強(qiáng)，陳媛媛，等. 土地利用隱性轉(zhuǎn)型與土地利用碳排放空間關(guān)聯(lián)研究[J] . 中國土地科學(xué)，2022，36（6）：100 - 112.

[4] HONG C P， BURNEY J A， PONGRATZ J， et al. Global and regional drivers of land-use emissions in 1961 - 2017[J] . Nature， 2021， 589： 554 - 561.

[5] 于貴瑞，郝天象，朱劍興. 中國碳達(dá)峰、碳中和行動方略之探討[J] . 中國科學(xué)院院刊，2022，37（4）：423 - 434.

[6] 易丹，歐名豪，郭杰，等. 土地利用碳排放及低碳優(yōu)化研究進(jìn)展與趨勢展望[J] . 資源科學(xué)，2022，44（8）：1545 -1559.

[7] 曹帥，金曉斌，楊緒紅，等. 耦合MOP與GeoSOS - FLUS模型的縣級土地利用結(jié)構(gòu)與布局復(fù)合優(yōu)化[J] . 自然資源學(xué)報，2019，34（6）：1171 - 1185.

[8] MA S H， WEN Z Z. Optimization of land use structure to balance economic benefits and ecosystem services under uncertainties： a case study in Wuhan， China[J] . Journal of Cleaner Production， 2021， 311. doi： 10.1016/ j.jclepro.2021.127537.

[9] 陸大道，郭來喜. 地理學(xué)的研究核心—人地關(guān)系地域系統(tǒng)——論吳傳鈞院士的地理學(xué)思想與學(xué)術(shù)貢獻(xiàn)[J] . 地理學(xué)報，1998，53（2）：97 - 105.

[10] 茅于軾. 擇優(yōu)分配最優(yōu)化原理及其應(yīng)用[J] . 經(jīng)濟(jì)學(xué)（季刊），2007，6（3）：759 - 780.

[11] 賈善銘. 區(qū)域經(jīng)濟(jì)增長空間均衡研究述評[J] . 區(qū)域經(jīng)濟(jì)評論，2014（1）：124 - 129.

[12] 黃海. 基于改進(jìn)粒子群算法的低碳型土地利用結(jié)構(gòu)優(yōu)化——以重慶市為例[J] . 土壤通報，2014，45（2）：303 -306.

[13] ZHOU M. An interval fuzzy chance-constrained programming model for sustainable urban land-use planning and land use policy analysis[J] . Land Use Policy， 2015， 42： 479 - 491.

[14] LIANG X， LIU X P， LI X， et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J] . Landscape and Urban Planning， 2018， 177： 47 - 63.

[15] 王家豐，王蓉，馮永玖，等. 顧及軌道交通影響的浙中城市群土地利用多情景模擬與分析[J] . 地球信息科學(xué)學(xué)報，2020，22（3）：605 - 615.

[16] 劉敬杰，夏敏，劉友兆，等. 基于多智能體與CA 結(jié)合模型分析的農(nóng)村土地利用變化驅(qū)動機(jī)制[J] . 農(nóng)業(yè)工程學(xué)報，2018，34（6）：242 - 252.

[17] YANG X， ZHENG X Q， LV L N. A spatiotemporal model of land use change based on ant colony optimization， Markov chain and cellular automata[J] . Ecological Modelling， 2012， 233： 11 - 19.

[18] 張鴻輝，曾永年，譚榮，等. 多智能體區(qū)域土地利用優(yōu)化配置模型及其應(yīng)用[J] .地理學(xué)報，2011，66（7）：972 -984.

[19] 戴聲佩，張勃.基于CLUE-S模型的黑河中游土地利用情景模擬研究——以張掖市甘州區(qū)為例[J] . 自然資源學(xué)報，2013，28（2）：336 - 348.

[20] 游和遠(yuǎn)，吳次芳. 土地利用的碳排放效率及其低碳優(yōu)化——基于能源消耗的視角[J] . 自然資源學(xué)報，2010，25（11）：1875 - 1886.

[21] 熊健，盧柯，姜紫瑩，等. “碳達(dá)峰、碳中和”目標(biāo)下國土空間規(guī)劃編制研究與思考[J] . 城市規(guī)劃學(xué)刊，2021，（4）：74 - 80.

[22] 王紅瑞，張文新，胡秀麗，等. 土地利用區(qū)間數(shù)多目標(biāo)規(guī)劃模型及其應(yīng)用[J] . 農(nóng)業(yè)工程學(xué)報，2008，24（8）：68 -73.

[23] CHANG Y C， KO T T. An interactive dynamic multiobjective programming model to support better land use planning[J] . Land Use Policy， 2014， 36： 13 - 22.

[24] 黎夏，李丹，劉小平. 地理模擬優(yōu)化系統(tǒng)（GeoSOS）及其在地理國情分析中的應(yīng)用[J] . 測繪學(xué)報，2017，46（10）： 1598 - 1608.

[25] LIU X P， LIANG X， LI X， et al. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J] . Landscape and Urban Planning， 2017， 168： 94 - 116.

[26] ULUNGU E L， TEGHEM J. Multi-objective combinatorial optimization problems： a survey[J] . Journal of Multi-Criteria Decision Analysis， 1994， 3（2）： 83 - 104.

[27] 李天猜，李韋，馮長春，等. 湘江新區(qū)土地利用結(jié)構(gòu)多目標(biāo)規(guī)劃及決策偏好分析[J] . 地域研究與開發(fā)，2016，35（1）：132 - 138.

[28] 田云，尹忞昊. 中國農(nóng)業(yè)碳排放再測算：基本現(xiàn)狀、動態(tài)演進(jìn)及空間溢出效應(yīng)[J] . 中國農(nóng)村經(jīng)濟(jì)，2022（3）：104 - 127.

[29] 張梅，黃賢金，揣小偉，等. 胡煥庸線兩側(cè)城鎮(zhèn)建設(shè)用地變化及其碳排放差異[J] . 資源科學(xué)，2019，41（7）：1262 - 1273.

[30] ZHOU Y， CHEN M X， TANG Z P， et al. Urbanization， land use change， and carbon emissions： quantitative assessments for city-level carbon emissions in Beijing-Tianjin-Hebei region[J] . Sustainable Cities and Society， 2021， 66. doi： 10.1016/j.scs.2020.102701.

[31] 楊偉青，張會蘭. 基于GeoSOS-FLUS的涪江流域生態(tài)系統(tǒng)服務(wù)價值評估及多情景模擬[J] . 水土保持研究，2022，29（5）：253 - 262.

[32] 劉小平，黎夏，葉嘉安，等. 利用蟻群智能挖掘地理元胞自動機(jī)的轉(zhuǎn)換規(guī)則[J] . 中國科學(xué)（D輯：地球科學(xué)），2007，37（6）：824 - 834.

Structure and Layout Optimization of Multi-objective Land Use Based on Carbon Emission Efficiency： A Case Study of Xiaoshan District in Hangzhou City

YOU Heyuan， ZHANG Jinrong， XIA Shuyi

（School of Public Administration， Zhejiang University of Finance & Economics， Hangzhou 310018， China）

Abstract： The purposes of this paper are to set two scenarios including economic efficiency priority and carbon emission efficiency priority based on carbon emission efficiency， and to optimize the land use structure and land use layout under different priority goals including economic development and carbon emission reduction. The methods employed are the multi-objective programming model and GeoSOS-FLUS model. The results show that： 1） compared to the land use status， the total economic efficiency and total carbon emission efficiency increase by 43.32% and 3.53% under the economic efficiency priority scenario. The areas of urban industrial land， other agricultural land and garden land significantly increase under the economic efficiency priority scenario， and the landscape patterns exhibit agglomeration and expansion. Meanwhile， the cultivated land area and rural residential area significantly decrease under the economic efficiency priority scenario， and the spatial layouts are fragmented. 2） Compared to the land use status， the total economic efficiency decreases by 3.02% under the carbon emission priority scenario， meanwhile the total carbon emission efficiency increases by 8.23%. Compared to the land use status， the areas of garden land， forest and other agricultural land increase significantly under the carbon emission priority scenario， and the landscape patterns exhibit agglomeration and expansion. Besides， the area of urban industrial land and rural residential area decreases under the carbon emission priority scenario， and the spatial layouts are centralized. It is concluded that land space governance for multi-objective development should couple with land policies to control land use quantity and space. It can balance economic development and carbon emission reduction under the constraints of cultivated land conservation tasks and “three areas and three lines”. Moreover， land demand driven by different priority goals can be satisfied.

Key words： land use optimization； multi-objective programming model； GeoSOS-FLUS model； carbon emission efficiency

（本文責(zé)編：張冰松）