土地利用规划模型研究综述

马世发， 蔡玉梅， 念沛豪， 庄 立

（1.中山大学地理科学与规划学院， 广东 广州 510275； 2.中国土地勘测规划院， 北京 100035； 3.国土

资源部土地利用重点实验室， 北京 100035； 4.北京师范大学地理学与遥感科学学院， 北京 100875）

土地利用规划是实施土地可持续利用战略的重要调控措施[1]，而土地利用规划的核心内容是土地利用结构的优化调整。土地利用结构优化是为了达到一定的经济、社会和生态最优目标，依据土地资源的自身特性和适宜性评价，对区域内各种土地利用类型进行更加合理的数量安排和空间布局，从而提高土地利用效率和效益，维持土地生态系统的相对平衡，实现土地资源的可持续利用[2]。区域土地利用结构优化包括数量和空间两个方面，但传统土地利用结构优化研究多指部门用地数量平衡[3]。为了保持与传统认知概念的一致性，本文界定土地利用结构优化特指土地利用数量结构，而关于空间结构则采用空间布局概念以示区分。

土地利用规划是针对某一个特定的发展时期所提出的土地利用结构调控方案。如果把规划基期年看做状态A，而把规划目标年看做状态B，则从A到B的过程有两种基本类型：其一是依据历史发展规律进行模拟预测分析A的演化轨迹，最后在综合权衡的基础上，协调发展冲突，确定规划方案；第二种是先设定B状态的多目标发展预期，然后通过建立优化模型反过来挖掘由A到B的实现途径。前者是一种典型的供需平衡分析模式，属于模拟预测技术范畴；后者则是先设计冲突协调目标，然后寻找实现这个目标的过程，属于目标优化技术范畴。由此可见，针对同一个规划，有从现状顺推分析未来的规划模式，也有先设计规划目标反过来挖掘实现途径的规划模式，这两种规划建模的核心技术就是模拟与优化。本文以现有相关研究文献为基础，对区域土地利用规划模型研究现状从模拟与优化两个角度进行系统阐述和分析，并提出模型发展的方向和思考。

1 土地利用结构调整

1.1 模拟预测类模型

（1）数理分析预测模型。数理分析就是利用数理推理框架实现预测，常用的有回归分析预测模型[4]、灰色预测模型[5]、Markov预测模型[6]、神经网络预测模型[7]等。这些模型主要是对历史数据进行训练，通过校正模型参数实现规律顺推，是分析土地利用结构的一种简单有效的方法。这种模型自身架构有难有易，如简单的回归模型就是用最小二乘法进行最大似然估计得出预测参数，而比较复杂的神经网络模型则是对多层神经元建立误差传播信号进行训练获取预测结构。不论这些模型自身结构复杂与否，都是对历史规律的一种挖掘，其考虑的土地利用变化驱动因子一般较少，只从结构自身的时间序列变化挖掘规划结构，具有一定的局限性。

（2）系统动力学模型。针对区域土地利用结构分析中存在的广泛非线性和复杂多要素特征，系统动力学（System Dynamics, SD）模型应运而生[8]。SD模型是一种环环相扣的因果关系网络分析结构，这个结构能对网络中的每个子系统进行感知并进行响应，其突出特点是擅长处理非线性多重反馈复杂问题，可以对土地利用进行社会、经济、环境等全方位模拟，而不再完全依赖土地利用历史时间序列。然而，这种行为模式与结果主要取决于模型架构，不像数理模型一样对参数敏感，在进行远期、综合性、趋势性描述上，模型设计者难以准确量化部分参数，这可能会导致系统演化预测结果不一定合理。

1.2 优化类模型

（1）基于数理分析的优化模型。数量优化模型就是利用解析数学对优化方程进行精确求解，一般有线性规划[9]和多目标规划[10]模型等。所谓优化模型，必然要考虑调控目标，比如传统上有社会、经济、生态三大效益目标等，近几年以低碳作为调控目标的土地利用结构优化模式也已有探讨[11-12]。这种优化分析方法具有建模简单、目标明确、算法稳定、易于实现等优势，但其主要依赖于规划者的经验和对优化方程式的表达，一旦数学分析模型确定，将毫无弹性可言，分析结果对目标方程式和参数非常敏感。此外，这种规划模型一般简化为线性关系才能利用单纯形等运筹学方法进行求解，但土地利用结构优化并不完全都是简单的线性关系。

（2）基于生物智能的优化模型。针对土地利用结构优化多目标、非线性、多约束等问题，逐步发展了基于生物智能优化算法的求解模式，比如遗传等生物智能算法模型[13]。该类模型采用不完全近似搜索策略，不断逼近调控目标，为分析复杂调控问题提供了一种有效模式。但总体来说，土地利用优化不是一个单纯的数学求解问题，如何针对区域发展特色和存在的问题，构造合适的优化表达式和参数系统才是有关数量结构优化研究需要重点解决的问题。

2 土地利用空间布局

2.1 模拟预测类模型

（1）空间因果关系模型。土地利用在空间上的布局可以解释为一系列空间因素共同作用的结果，这实际上是一套因果关系分析系统。目前，典型的应用就是CLUE-S分析系统[14]。该模型假设土地利用的空间存在满足一定的空间因果关系，通过挖掘这种潜在的空间关系，进而规律顺推便可实现规划布局。这种模型分析简单易行，需要的数据比较少，实际应用中也比较普遍，但是其因果关系假设不一定完全合理。因为，土地利用变化空间因果关系并非一成不变，比如新建一条公路会产生新的吸引力，城市扩张方向也会随之发生变化，原来建立的布局模型将不再合理。此外，这种模型不具有过程机制，模型自身无法对一些土地利用变化过程进行系统参数校正。

（2）离散动力学模型。土地利用格局的变化是每个微观地块的共同演化体现[15-16]。因此，利用微观个体间的相互作用，构建“自下而上”的离散动力学模型可模拟复杂土地利用自组织行为，其典型代表就是元胞自动机模型（Cellular Automata, CA），目前CA被广泛应用于城市扩张等土地利用变化分析上[17-18]。CA土地利用布局模型具有典型的过程机制，和空间因果关系模型相比，可以体现空间布局的演化过程，通过耦合其他系统分析模型便可进行更好地预测。比如，为了分析土地利用变化复杂规则的表达，目前发展了多智能体（Multi Agent System, MAS）技术，多智能体以各智能体间的相互作用规则推理为模型基础[19]，在耦合CA模型的基础上可以更好地表达土地利用空间行为[20-22]。离散动力学网格系统是模拟土地利用变化的重要方向，但人为干预导致的土地利用变化过程不确定性等问题还有待进一步深入研究。

2.2 优化类模型

（1）空间优化配置模型。适宜性评价可以说是空间优化模型的始祖，但无论是适宜性评价模型，还是空间因果关系布局模型，亦或是具有复杂空间演变行为的CA模拟模型，土地利用空间布局均不是由规划目标驱动的。如果从优化目标角度看空间布局，土地利用行为可以视为一个空间组合优化决策分析过程。由于每个评价单元是一个变量，所以这种“自下而上”式的空间组合优化将面临超变量、非线性、复杂地理计算等难题。为了获得土地利用空间布局可求解能力，基于生物智能优化计算的土地利用空间优化配置模型得到迅速发展，如遗传算法[23]、粒子群[24]、蚁群算法[25]等。利用复杂地理计算进行空间优化分析是未来的发展方向，但是如何针对规划设计一些领域知识，融入规划决策模型才是规划模型需要突破的地方，比如并不是景观生态学的每个指数都适合建立寻优过程分析[26]，但是景观格局却是空间布局的重要基础。

（2）空间优化分区模型。土地利用空间优化分区是在土地利用空间优化配置模型的基础上，根据空间管理上的不确定性，再利用一定的地理综合原则构建的用途管制分区。土地利用空间优化分区模型，是随着对区域土地利用结构优化配置研究的深入而不断发展的，当前已经发展了一些土地利用空间优化分区模型，比如目标规划—模拟退火分区模型[27]、多目标粒子群分区模型[28]等。土地利用空间优化分区的主要问题是关于空间综合规则的表达，比如可以利用景观生态学的紧凑性机理确保分区具有一定的规模和形状，但是景观生态学其他布局规则，如生态廊道，目前的优化算法还不能很好地解决。此外，土地利用空间优化分区模型越自动，其对决策数据的需求也越高，数据供给可行性往往又会从另一个方面限制模型的应用。

3 土地利用数量、空间协同耦合规划建模

从严格意义讲，土地利用结构优化内涵包括数量结构和空间结构，土地利用空间布局应该是数量结构的空间落实，二者共同反映了区域土地利用结构调控。如何将数量结构和空间结构进行一体化考虑是当期需要重点解决的问题之一。关于土地利用数量结构和空间结构协同优化模型主要有两种：松散式耦合和紧密式耦合。

3.1 松散式耦合

松散式耦合就是先进行土地利用数量结构调控，再进行合适的空间布局。CLUE-S模型展示了一种经典的松散式耦合思路，即首先采用土地利用变化的社会经济驱动力模型获取数量结构，再利用空间概率回归模型实现空间布局[14]。此外，Markov-CA[29]、SD-CA[30]、MOP-CA[31]、Logistic-Markov[32]等都是按照数量与空间之间的两两耦合思路，只不过有的耦合方式偏重模拟，有的耦合方式偏重优化。然而，区域土地利用结构的真实变化既是自我演化的结果，也受宏观调控的影响，所以单纯偏向某一特征并不能达到理想的规划效果。

3.2 紧密式耦合

紧密式耦合建立在“自下而上”式空间优化模型框架上，因为土地利用数量和空间本来就是一体的，一定的数量结构必然要一定的空间承载。由于数量优化的驱动和空间优化不一样，所以在紧密式耦合模型中，对优化算法要求极高，尤其是超维、非线性及约束条件的处理。由于该模式高度耦合，当前发展的多目标蚁群[33]、多智能体[34]等方法只是提供了一种技术发展方向。如何针对规划问题，构建合适的模型紧密式耦合研究还处在原型阶段，仍然有待进一步发展。

4 结论与展望

本文对土地利用规划建模进行了系统分析，从模拟与优化两个角度进行了总结归纳，分析了有关土地利用优化建模的主要研究内容。总体来说，有关土地利用规划建模研究取得了不少的成就，但是一些核心问题依然需要今后进一步深入探索。

（1）多模型耦合研究取得长足进步。GIS空间分析技术和复杂地理计算平台的引入，使得区域土地利用数量和空间双重结构调控成为可能。比如，在土地利用复杂行为模拟方面，引入了CA、MAS等地理模拟系统；在复杂结构优化方面，建立了诸如遗传、粒子群等复杂地理计算平台；在多模型耦合方面，建模更注重土地利用结构调控承上启下的需求，研究更关注土地利用微观行为与宏观布局之间的关系等。

（2）面向规划的双重结合需要进一步发展。采用“自上而下”和“自下而上”的双重耦合是规划建模的发展方向，但如何根据土地利用规划供需平衡及目标约束机制，建立合适的耦合分析策略需要加强。一方面需要加强区域土地利用结构演变非线性驱动力模型，分析预测区域未来土地利用时空演变趋势；另一方面，还要从政府空间调控角度建立“自上而下”式的规划规则，进一步增强区域土地利用宏观调控与微观演化的协同决策，增强模型在辅助实际规划决策上的可用性。

（3）探讨多尺度协同变换机理是难点。土地利用优化具有尺度依赖性，不同尺度的管理或利用在关注焦点上具有极大的差异。从国土空间功能到具体地块的用途或者从地块用途行为上升到国土空间功能，尺度之间如何转换是未来规划的难点。目前，中国规划种类繁多，各种规划在空间或者目标上相互重叠，这种规划模式直接变成了部门利益之间的协调，导致规划执行成本大，效率低，发挥不了规划应有的效果。因此，研究多尺度协同变换机理是未来构建统一规划框架、实现“多规合一”的关键所在。

（References）：

［1］Godschalk D R. Land Use Planning Challenges: Coping with Conflicts in Visions of Sustainable Development and Livable Communities［J］. Journal of the American Planning Association, 2004, 70(1):5 - 13.

［2］刘荣霞，薛安，韩鹏，等. 土地利用结构优化方法述评［J］. 北京大学学报（自然科学版），2005，41(4)：655 - 662.

［3］龚建周, 刘彦随, 张灵. 广州市土地利用结构优化配置及其潜力［J］. 地理学报，2010，65(11)：1391 - 1400.

［4］杨武. 区域土地利用数据的最小二乘法回归分析——以上海市嘉定区为例［J］. 华中农业大学学报（社会科学版），2004，(3)：46 - 50.

［5］牛魁斌，贾旭飞，许皞，等. 灰色理论在土地利用规划中的应用——以河北卢龙县为例［J］. 安徽农业科学，2007，35(11)：3339- 3340，3363.

［6］李富程，王青，理过蓉，等. 马尔柯夫过程预测官司河流域土地利用/覆被格局变化［J］. 水土保持研究，2009，5(16)：31 - 34，39.

［7］王增彬，迟恒智. 基于BP神经网络的济南市建设用地规模预测［J］. 水土保持研究，2007，14(5)：222 - 224.

［8］Shen Q P, Chen Q, Tang B, et al. A system dynamics model for the sustainable land use planning and development［J］. Habitat International, 2009, (33):15 - 25.

［9］李丽红，李鲁华，马松梅，等. 基于灰色线性规划土地资源优化配置研究［J］. 石河子大学学报（自然科学版），2007，25(4)：440- 444.

［10］郭杰，吴斌，欧名豪，等. 兰州市多目标区域土地利用系统优化研究［J］. 中国土地科学，2011，25(7)：72 - 79.

［11］刘海猛，石培基，王录仓，等. 低碳目标导向的兰州市土地利用结构优化研究［J］. 中国土地科学，2012，26(6)：55 - 61.

［12］刘艳芳，明冬萍，杨建宇. 基于生态绿当量的土地利用结构优化［J］. 武汉大学学报（信息科学版），2002，27(5)：493 - 498.

［13］刘艳芳，李兴林，龚洪波. 基于遗传算法的土地利用结构优化研究［J］. 武汉大学学报（信息科学版），2005，30(4)：288 - 292.

［14］蔡玉梅，刘彦随，宁振荣，等. 土地利用变化空间模拟的进展——CLUE-S模型及其应用［J］. 地理科学进展，2004，23(4)：63 - 71.

［15］Li X. Emergence of bottom-up models as a tool for landscape simulation and planning［J］. Landscape And Urban Planning, 2011，(100):393 - 395.

［16］Santé I, García A M, Miranda David, et al. Cellular automata models for the simulation of real-world urban processes: A review and analysis［J］. Landscape And Urban Planning, 2010, (96): 108 - 122.

［17］Wu F L. A linguistic cellular automata simulation approach for sustainable land development in a fast growing region［J］. Comput,Environ, and Urban Systems, 1996, 20(6):367 - 387.

［18］Li X, Yeh A G O. Neural-network-based cellular automata for simulating multiple land use changes using GIS［J］. International Journal of Geographical Information Science, 2002, 16(4):323 - 343.

［19］Ligtenberg A, Bregt A K, van Lammeren R. Multi-actor-based land use modelling: spatial planning using agents［J］. Landscape And Urban Planning, 2001, (56):21 - 23.

［20］Chen Y M, Li X, Wang S J, et al. Defining agents’behaviour based on urban economic theory to simulate complex urban residential dynamics［J］. International Journal of Geographical Information Science, 2012, 26(7):1155 - 1172.

［21］Li X, Liu X P. Defining agents' behaviors to simulate complex residential development using multicriteria evaluation［J］. Journal of Environmental Management, 2007, (85):1063 - 1075.

［22］Xie Y C, Michael B, Zhao K. Simulating Emergent Urban Form Using Agent-Based moedlling: Desakota in the Suzhou-Wuxian region in China［J］. Annals of Association of American Geographers, 2007, 97(3):477 - 495.

［23］Cao K, Huang B, Wang S W, et al. Sustainable land use optimization using Boundary-based Fast Genetic Algorithm［J］. Computers,Environment and Urban Systems, 2012, (36):257 - 269.

［24］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.

［25］Li X, Lao C H, Liu X P, et al. Coupling urban cellular automata with ant colony optimization for zoning protected natural areas under a changing landscape［J］. International Journal of Geographical Information Science, 2011, 25(4):575 - 593.

［26］张惠远，王仰麟. 土地资源利用的景观生态优化方法［J］. 地学前沿，2000，7(增刊)：112 - 120.

［27］刘耀林，夏寅，刘殿峰，等. 基于目标规划与模拟退火算法的土地利用分区优化方法［J］. 武汉大学学报（信息科学版）， 2012，37(7)：762 - 765.

［28］王华，刘耀林，姬盈利. 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.

［29］Guan D J, Li H F, Inohae T, et al. Modeling urban land use change by the integration of cellular automaton and Markov model［J］.Ecological Modelling, 2011, (222):3761 - 3772.

［30］He C Y, Okada N, Zhang Q F, et al. Modeling urban expansion scenarios by coupling cellular automata model and system dynamic model in Beijing, China［J］. Applied Geography, 2006, (26):323 - 345.

［31］王汉花，刘艳芳. 基于MOP-CA整合模型的土地利用优化研究［J］. 武汉大学学报（信息科学版）， 2009，34(2)：174 - 177.

［32］罗平，姜仁荣，李红旮，等. 基于空间Logistic和Markov模型集成的区域土地利用演化方法研究［J］.中国土地科学， 2010，24(1)：31 - 36.

［33］高小永. 基于多目标蚁群算法的土地利用优化配置［D］. 武汉：武汉大学，2010.

［34］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.