基于DE-PSO模型的土地资源优化配置研究

王世东 李 立 张游游,2 余 洋,3

(1.河南理工大学测绘与国土信息工程学院，焦作 454000；2.河南省地质物探测绘技术有限公司，郑州 450016；3.中国地质环境监测院,北京 100081)

0 引言

土地资源优化配置是一个包含多层次、多目标，需要持续拟合与决策的复杂系统工程。优化内容主要包括两方面，一是对宏观土地利用数量结构进行优化的配置模型，二是对微观土地利用空间格局进行优化的配置模型[1]，以此提高土地资源的可持续利用率，保持土地环境生态系统的相对平衡[2]。但是，在大多数发展中国家中，随着城市化建设进程的加速，将经济增长放在首位的土地利用结构将损害土地资源的环境生态功能。特别是在一些快速发展的地区，政府经常诉诸行政手段来干扰土地资源的分配，旨在保护区域的生态和环境资源，鉴于此，诸多学者展开了土地资源优化配置研究。CHUVIECO[3]将线性规划模型作为地理空间建模的工具与 GIS 相结合，以农村失业率最低为目标函数对西班牙地中海沿岸地区进行研究，实现了土地利用最优化。MA等[4]利用粒子群算法，使用真实数据集模拟土地利用空间结构优化过程，结果表明，粒子群优化模型具有数量和空间结构的优化能力。雷鸣等[5]通过综合运用多元优化模型及遗传算法对黄淮海平原区土地利用结构进行了优化，并与优化目标年自然演化所形成的土地利用结构进行了对比分析。曹帅等[6]选取常州市金坛区为研究区，通过MOP(多目标规划)模型进行土地利用结构优化，在此基础上，利用GeoSOS-FLUS模型实现了土地利用布局优化。当前土地资源优化配置多偏重于土地利用结构优化或者空间格局优化[7-14]，将两者相结合的研究相对较少，虽然做了一定的探索，但还是缺少切实有效的技术手段和方法。

丹江流域(河南段)作为南水北调中线工程主要水源地[15]，其核心工程丹江口水库始建于1958年，2003年南水北调中线工程正式开工，2005年丹江口大坝开始实施加高加固，正常蓄水位由157 m提升至170 m，库容由1.745×1010m3扩至2.905×1010m3，同时，输水工程也开始兴建。自2014年底，南水北调中线工程正式通水以来，调水累计超过3.26×1012m3，是当前我国正在实现和推进优化自然界淡水生态资源配置的一项重大战略性淡水基础设施建设工程。由于其库区土地利用变化而引起的一系列严重影响生态环境效应的问题已经受到社会的广泛关注。调水工程改变了丹江流域水资源的自然地理分布，同时，受人类活动影响，丹江流域的土地开发利用方式的改变、环境资源过度消耗等也对其土地利用结构和空间布局产生深远影响[16]。为确保南水北调中线工程平稳安全运行，结合研究区实际情况与土地利用存在的问题和特点，对丹江流域(河南段)进行土地资源优化配置，其对流域水质保护和生态环境建设具有重要意义[17-21]。

本文以丹江流域(河南段)为研究区，从土地资源优化配置角度出发，以Landsat遥感数据、土地利用现状数据、社会经济统计等相关数据为基础，采用差分演化(Differential evolution，DE)算法对土地利用结构进行优化，然后将得到土地利用结构优化结果作为数量约束条件嵌入粒子群优化(Particle swarm optimization，PSO)算法进行土地利用空间格局优化，从而建立土地资源优化配置的DE-PSO模型，制定适合研究区的土地资源优化配置方案，为研究区土地可持续利用、水质保护和生态建设提供决策参考。

1 研究区概况

图1 研究区地理位置图Fig.1 Geographical location map of study area

丹江流域(河南段)作为南水北调中线工程主要水源地，位于河南省西南部，研究区主要涉及的区域包括南阳市中西部的淅川、西峡二县，少部分地区位于洛阳市栾川县西南山区和三门峡卢氏县东南平原地带，地形和景观类型复杂多样，具有典型的流域特征。地理坐标为111°35′～111°58′E，33°30′～34°01′N，研究区总面积为8 411.57 km2，丹江干流自淅川县荆紫关入境，汇水总面积占整个研究区的3.11%，研究区西部和北部与伏牛山麓相邻，东部地区从北向南地势呈现不断降低趋势，区域内海拔为112～2 107 m，整体地形起伏较大，依次表现为山地、丘陵、垄岗、平原，其地理位置如图1所示。

研究区整体地势呈西北高、东南低的特征，具有亚热带向暖温带过渡的季风性气候特征[22-23]。研究区内土地利用类型主要包括林地、草地、耕地、水域、建设用地和裸地。林地主要分布在研究区的北部山区和西部丘陵地区，耕地主要分布在东南部的平原地带，草地主要分布在中部盆地和垄岗地带，而水域则主要分布于西南部淅川县境内的丹江口库区。作为南水北调中线工程主要水源地，保证丹江口水库及周边河流的水质质量与安全已成为维护中线工程长期稳定安全运行的首要目标，库区及其周边地区科学合理的土地利用结构和空间格局配置，是水源地生态环境保护的重要基础；因此，开展丹江流域(河南段)土地资源优化配置研究对水源地保护意义重大。

2 研究方法

2.1 数据来源与预处理

选用2008年9月1日Landsat TM和2018年9月29日Landsat OLI两期遥感影像，研究选取时间间隔为10年，区域植被生长态势最佳的9月，成像质量好且对地观测时相一致的影像，能够很好地满足不同土地利用类型面积的提取。数字高程模型数据主要用于分析研究区地形因素的影响。土地利用规划数据来源于研究区各县(市)自然资源部门，包括《各县(市)土地利用总体规划(2006—2020)》、《各县(市)发展总体规划(2018—2035)》，主要用于研究区土地利用结构优化数量约束条件设置。研究所涉及的2008、2018年社会经济数据主要来源于《各县(市)统计年鉴》，部分数据来源于《各县(市)国民经济和社会发展公报》和《全国农产品成本收益资料汇编2018》，主要为土地资源优化配置目标函数的建立提供数据支持。

为了尽可能真实有效地表现影像上地物的各种特征，彻底消除或者减轻图像灰度失真所带来的影响，遥感影像数据预处理主要包括辐射定标、大气校正、影像配准和裁剪、波段选取等步骤[24]。通过研究区DEM数字高程数据提取高程和坡度数据。参照全国第二次土地利用调查分类标准，根据获取的研究区2008、2018年遥感影像数据以及土地利用特征(图2)，构建研究区土地利用分类体系，将研究区土地利用类型分为林地、草地、耕地、水域、建设用地和裸地。利用ENVI 5.3软件，采用监督分类中支持向量机分类法作为遥感影像的解译方法，实现对研究区土地利用类型信息的提取。为保证分类结果的准确性，采用混淆矩阵计算分类后精度，经过计算发现，2008年和2018年总体精度分别为91.79%和94.36%，Kappa系数分别为0.83和0.85，两期影像的解译结果均满足分类精度的要求，分类效果比较好，为后续进行土地利用动态变化分析和优化配置提供数据基础。

图2 研究区土地利用分类图Fig.2 Land use status maps of study area

2.2 差分演化算法

差分演化(DE)算法是由STORN等[25]提出的一种基于实数编码的演化算法，作为演化算法获得了优异成绩[26]。该算法具有机理简单、收敛速度快、设置参数少，具有很好的普遍性等优点，引起了诸多国内外研究者的关注与重视，并通过多个领域验证了算法的有效性和稳定性[27]。差分演化算法的基本原理是从任意随机产生的初始种群开始，通过变异、交叉、选择操作，不断迭代更新，剔除劣等个体，保存优等个体，使搜索向着最优解逼近[28]。标准DE算法的基本流程如下：

(1)初始化种群

(1)

rand(0,1)——区间[0,1]上均匀分布的随机数

(2)变异操作

(2)

r1、r2、r3——区间[1，NP]中随机数，且r1≠r2≠r3≠i

(3)交叉操作

(3)

式中rj——区间[0,1]内均匀分布的随机数

jrand——随机整数，取1,2,…,N

(4)选择操作

基本原理为比较目标矢量与试验矢量，如果试验矢量的适应度优于目标矢量的适应度，则在下一代中用试验矢量取代目标矢量，否则仍保存目标矢量，具体表达式为

(4)

2.3 粒子群算法

粒子群算法又称微粒群算法，由JAMES等[30]在1995年提出的一种基于总体的优化策略。粒子群算法源于对鸟群捕食行为的研究，能对多维非连续决策空间进行并行处理分析，具有优化机理、容易理解、参数少、易使用的特点，对高维非线性、多峰值问题均具有较强的优化能力。粒子群算法的基本原理是要求在解空间随机布点(粒子)，粒子通过历史最优值和全局最优值在权重的控制下不断更新自己的位置和速度来搜寻最优解[31]，粒子位置通常通过给定目标函数的适应度来衡量，通过多次迭代来寻找搜索空间内的最佳粒子位置，即待求解问题的最优解[32]。标准PSO算法的基本流程如下：

(1)初始化粒子群

(5)

(6)

(2)速度与位置更新

(7)

对于每个粒子，将其适应度与群体所经历过的最好位置的适应度进行比较，若较好，则将该位置作为当前的全局最优位置，群体中所有粒子经历过的全局最优位置记为Gbest(t)，具体公式为

Gbest(t)=min{Pbest1(t),Pbest2(t),…,Pbestp(t)}

(8)

当算法迭代到下一代即t+1代时，该粒子i在t+1时刻的速度和位置更新公式为

(9)

(10)

式中w——惯性系数

c1——向自身经验学习的系数

c2——向群体经验学习的系数

r1、r2——[0,1]范围内的均匀随机数

式(9)表示的粒子速度分为3部分：第1部分为惯性部分，反映粒子运动习惯。第2部分为自学习部分，表示粒子向自身的历史经验学习，表现为粒子有向自身历史最佳位置飞行的趋势。第3部分为群体学习部分，表示粒子向群体的历史经验学习，表现为粒子有向群体历史最佳位置飞行的趋势[33]。

(3)迭代停止条件

判断迭代过程是否达到终止条件，如果未达到终止条件，则返回步骤(2)，重新计算粒子适应度，直到满足终止条件。若是满足结束条件，输出得到粒子全局最优值，具体表达式为

(11)

(12)

式中f(xi(t+1))、f(xi(t))——个体xi(t+1)和xi(t)的适应度

2.4 DE-PSO模型构建

2.4.1模型概述

由于PSO模型在土地利用空间格局优化方面具有优势，其自身在优化过程中生成最优土地利用数量结构的能力较为欠缺。因此，为了弥补PSO模型这一不足，本文建立一种新的DE-PSO模型，采用差分演化算法进行土地利用数量结构优化，然后将得到的结果作为数量约束嵌入PSO模型进行土地利用空间格局优化。这种土地资源优化配置模型确保了土地利用数量结构优化与空间格局优化的有机结合。

运用PSO算法基于土地利用类型栅格数据进行空间格局优化的实质是围绕优化目标，通过粒子速度和位置的更新来实现整个区域土地利用空间格局的优化。土地利用类型之间的转换受多种因素的影响。在优化模型中加入一系列约束条件来控制优化过程，使粒子的更新转换能按照假设的方向进行，从而实现区域土地利用空间格局优化。

在粒子寻优转换过程中，粒子受基本栅格约束、空间集聚度约束、土地类型转换约束、地形坡度规则等多种约束条件的制约，而粒子能否发生转换还由前面利用DE模型优化得到的数量约束控制指标来决定，在PSO模型运行过程中，每次迭代结束后检查迭代结果即各土地利用类型面积是否达到了数量约束控制指标，如果没有达到，则继续运行；否则，PSO模型停止运行，最终得到研究区土地利用空间格局优化结果。其模型技术流程如图3所示。

图3 DE-PSO模型技术流程图Fig.3 Technological process of DE-PSO model

2.4.2模型构建步骤

2.4.2.1土地利用类型数量约束确定

利用建立的DE-PSO模型进行土地资源优化配置时，首先采用差分演化算法进行土地利用数量结构优化，得到各土地利用类型优化后的面积，以此构建优化过程中土地利用数量约束条件。包括：林地面积约束(X1≥4 494.30 km2)、草地面积约束(1 401.92 km2≤X2≤1 589.71 km2)、耕地面积约束(X3≥1 408.20 km2)、水域面积约束(406.61 km2≤X4≤448.07 km2)、建设用地面积约束(493.12 km2≤X5≤637.61 km2)和裸地面积约束(21.72 km2≤X6≤33.59 km2)。

2.4.2.2数据格式转换

模型优化的基础数据包括研究区2008年和2018年土地利用分类数据，以及基于DEM数据进行坡度分析后运用ArcGIS 10.3对坡度等级进行重分类，将研究区坡度等级分为0°～25°和25°以上两个等级的研究区坡度分布数据。运用基于DE-PSO模型进行土地利用空间格局优化时采用Matlab软件，该软件对于导入数据的格式要求严格，需要具备两个条件：土地利用分类数据和坡度分布数据须保证具有相同的坐标系统、相同大小的栅格单元和相同的行列数；栅格数据导入Matlab软件之前必须转换为ASCII的txt格式。

首先，在ArcGIS中利用投影栅格工具将研究区坡度分布数据投影成与土地利用结果一致的坐标系统，参考土地利用分类结果，将其栅格单元设置为30 m×30 m的空间单元；其次利用转换工具将栅格数据转换为ASCII的txt格式；最后在Matlab软件中将其转换为一个3 630×5 489的矩阵数据形式。

2.4.2.3约束条件建立

(1)基本栅格约束。规定每个土地利用空间单元上只存在一种土地利用类型。

(2)空间集聚度约束。为了避免土地利用空间格局分布过于零散而导致空间集聚度降低，在配置过程中应尽可能促使具有相同土地利用类型的用地集聚在一起，减轻破碎化程度。鉴于此，约束各土地利用空间单元在其8邻域内至少要有1个土地利用空间单元与之相同。

(3)土地利用类型转换约束。受土地利用现状和南水北调中线工程的影响，根据研究区土地利用动态变化分析结果及规律，某些土地利用类型现状在未来一定时期内不会发生改变，比如南水北调中线工程水源地丹江口水库作为水域用地类型不转换，建设用地一般也较难转换为其他类型用地。

(4)地形坡度规则：地形坡度起伏过大既会给土地耕作增加一定的难度，又不利于水源地水污染防治和水土保持，按照“退耕还林”和“水土保持”政策要求，坡度大于25°的耕地转变为林地，以避免过度开垦造成植被破坏，水土流失。

2.4.2.4模型构建结果

建立的DE-PSO土地资源优化配置模型，主要包括两部分，其中，土地利用数量优化部分采用DE算法实现，土地利用空间格局优化部分采用PSO模型实现。

DE算法运用Visual Studio 2010软件编写优化模型代码进行求解。求得符合研究区实际情况的不同生态系统的单位面积生态服务价值和六类用地的单位经济产出，用生态系统服务价值表征生态效益，国内生产总值(GDP)表征经济效益，以生态和经济的综合效益最大化为目标函数，根据相应的土地利用规划设置约束条件，建立基于差分演化算法的土地利用结构优化模型，计算出研究区最优的土地利用结构和各土地类型面积。

PSO模型采用Matlab软件编写优化模型代码来实现。首先输入格式转换之后的土地利用现状底图进行粒子初始化，然后通过约束条件进行粒子更新转换和迭代运算，当新矩阵满足各种土地利用类型的数量约束条件，直到最后满足整个优化期的土地利用数量约束方案，即实现该目标下土地利用格局空间优化。

3 结果与分析

3.1 土地资源优化结果

在前面数据处理的基础上，利用建立的DE-PSO模型，对研究区2018年和2028年进行土地资源优化配置，结果如图4所示。其中，2018年优化结果是在2008年土地利用现状的基础上运行得到，迭代终止条件是从遥感图像分类图上统计得到的2008—2018年土地利用数量约束指标；2028年优化结果是在2018年土地利用现状的基础上运行得到，并以2028年利用DE算法得到的土地利用数量结构优化结果作为迭代终止条件，经过多次迭代，得到优化结果。各地类间相互转换的情况采用马尔科夫转移矩阵来描述，由表1、表2以及图4可以看出，优化结果呈现出以下特点：

(1)由图4c可知，建设用地和水域面积大幅增加，耕地、草地、林地和裸地面积呈现不同程度减少。其中，增加的建设用地主要分布在已有建设用地的周围；增加的水域主要分布在水源地丹江口大坝加高蓄水后淹没的耕地和草地；减少的耕地主要转换为建设用地和水域，主要分布在建设用地与耕地和水域交界地带；减少的草地主要转换为林地和耕地，主要分布在研究区中部岗地和盆地地带；减少的林地主要转化为草地，主要分布在丹江口库区周围；减少的裸地主要转换为耕地和建设用地。这些土地类型的转换符合现实情况，各种土地利用类型的空间布局与2018年土地利用现状图的总体格局基本相似。

(2)由图4d可知，建设用地和水域面积较大幅度增加，耕地面积小幅度增加，草地和裸地面积不同程度减少，林地面积未发生变化。其中水域面积在优化结果中呈现扩大趋势，主要分布在南水北调中线工程水源地丹江口库区；建设用地在优化结果中呈显著增加趋势，主要表现为建设用地向外扩充加大占用耕地；耕地在优化结果中呈现小幅度增加趋势，主要分布在研究区东南部地区，以及少部分分布在中部地区，表现为适宜耕种的建设用地周围和平缓的东南部地区的草地转变为耕地；草地面积在优化结果中呈现小幅度减少趋势，主要分布在研究区中部岗地和盆地地带，减少的草地主要转变为耕地；林地面积在优化结果没有变化，主要分布在北部山区和西部丘陵地区，与2018年分布格局相比变化不大，少部分坡度较大的耕地转换为林地，与研究区实际情况相符合；裸地面积在优化结果中呈现小幅度减少趋势，主要转变为建设用地和耕地。这些土地类型的转换符合现实情况，各种土地利用类型的空间布局基本合理，说明本文建立的优化模型具有良好的性能。

图4 研究区土地利用现状和优化结果Fig.4 Land use status maps and optimized configuration results in study area

表1 研究区2008—2018年土地利用转移矩阵Tab.1 2008—2018 land use transfer matrix in study area km2

以上得到的优化结果综合考虑了土地利用数量结构与空间格局优化，该优化结果基本满足了研究区土地资源优化配置的要求，可以为国土空间规划编制提供参考，并为土地可持续利用提供科学合理的决策依据。

表2 研究区2018—2028年土地利用转移矩阵Tab.2 2018—2028 land use transfer matrix in study area km2

3.2 模型精度分析

以图4a为基期数据，对研究区2018年已知土地利用类型进行优化，分析其与2018年实际土地利用类型的结果差异。

为有效说明模型的可行性，以图4b作为地面真实数据，与图4c进行精度分析。利用ENVI 5.3软件，计算得总体精度为89.54%，Kappa系数为0.859 3，优化结果具有较好的一致性，说明本文构建的DE-PSO模型在土地资源优化配置方面具有较好的合理性和可行性。

3.3 结果合理性分析

为了综合评价最终优化结果的合理性，从两方面进行对比分析，一是从景观格局视角来分析研究区优化前后土地利用空间格局的差异；二是将优化结果与实际空间格局对比来整体分析优化结果的合理性。本文从景观格局视角对研究区优化前后土地利用空间格局进行分析，通过运用Fragstats 4.2软件计算景观指数，并结合各指标的生态学意义分析丹江流域(河南段)景观格局的变化特征，并与优化初期的实际分类结果进行对比，结果见表3、4。

由表3、4可以看出，2018年和2028年土地资源优化配置结果与相应的基期年土地利用现状图相比，斑块数量和密度整体上呈下降趋势，说明优化后各地类景观破碎化程度降低；但是耕地、林地和裸地的斑块凝聚度指数降低和分离度指数上升说明斑块之间连通度降低，受外界干扰较强，土地利用空间结构趋于复杂化，反映了人类活动对土地利用景观格局干扰程度的加深。优化后的建设用地、水域和草地斑块凝聚度指数上升和分离度指数降低，说明这几种地类在土地利用空间格局上呈片状分布，空间集聚程度增加，符合研究区未来的发展规划和社会经济发展要求。另外，表征土地类型丰富度的香农多样性指数和反映斑块分配均匀程度的香农均匀度指数均呈增加趋势，这表明各土地类型所占比例差别趋于减小，说明优势地类不断减弱，各土地类型呈均衡化趋势分布，景观异质性增高。土地利用变得更加合理，可以满足土地利用的规模化与集约化的用地要求，各土地利用类型的空间布局与2018年土地利用现状图的总体格局基本相似，各土地类型的变化符合现实情况。整体来看，丹江流域(河南段)在人类活动和自然演替共同作用下，土地利用空间格局在总体上趋于合理化。

表3 研究区优化结果与土地利用现状类型水平指数对比Tab.3 Comparison of optimization results of study area and current land use type level index

表4 研究区优化结果与土地利用现状景观水平指数对比Tab.4 Comparison of optimization results of study area and current land use landscape level index

另外，为了从整体空间格局来分析优化结果的合理性，本文将2018年优化结果和2028年优化结果与研究区实际空间分布的用地格局进行对比分析发现：①2008—2018年优化期内，建设用地在空间分布上，受人类活动扩张，主要围绕已有建设用地扩展和沿道路发展；水域面积的增加主要表现为丹江口水库库容扩大，自2003年底南水北调中线工程开工以来，多次对丹江口大坝进行加高加固处理，直至2014年库区面积全面提高，水域面积增大。耕地的减少主要分布在建设用地周围和道路两侧，一方面是退耕还林还草和城乡建设用地的增加使得耕地面积减少，另一方面是南水北调中线工程的实施，丹江口大坝的加高加固处理导致大量耕地被淹没，耕地面积减少；草地的减少主要分布在研究区中部岗地和盆地地带；林地的增加主要分布在南部丹江口库区，主要受该阶段“退耕还林还草”政策的影响。裸地的减少主要转变为建设用地和耕地。②2018—2028年优化期内，建设用地面积在优化结果中增加显著，主要表现为建设用地向外扩展加大占用耕地，区域之间连通性更好，这与社会经济的快速发展以及现代化进程的加快密不可分，建设用地面积增加是必然的发展趋势；水域面积呈现扩大趋势，这与南水北调中线工程未来发展规划有直接关系，随着后期调水量的增大，必然会多次提高丹江流域(河南段)丹江口水库蓄水位来扩大库容，这符合南水北调中线工程水源地丹江流域(河南段)国土空间规划；耕地的增加主要表现为适宜耕种的建设用地周围和平缓的东南部地区的草地转变为耕地，主要是因为国家对基本农田的保护；草地的减少主要分布在研究区中部岗地和盆地地带，减少的草地主要转变为耕地；林地面积在优化过程中没有变化，主要分布在北部山区和西部丘陵地区；裸地的减少主要转变为建设用地和耕地，这符合国家提出的开垦宜耕未利用地，提高南水北调中线工程水源地丹江流域(河南段)土地利用效益的政策。以上结果表明，研究区土地利用类型的转换规律基本符合实际情况，用地布局基本合理。

综合以上两方面，可看出本文建立的优化模型具有较好的科学性和可靠性。

4 讨论

本文分析了研究区土地利用时空动态变化特征，揭示了土地利用变化规律，建立了研究区的土地资源优化配置方案。土地资源优化配置的研究大多受时间或空间的限制，优化结果针对的是某一特定时间或某个区域，且大多数集中于宏观土地利用数量结构优化，而忽略了空间格局优化。本文以丹江流域(河南段)为研究区，以Landsat TM/OLI遥感影像为主要数据源，采用DE算法对研究区2028年的土地利用数量结构进行优化，然后将优化后的各地类面积作为数量约束条件嵌入PSO算法，通过设置基本栅格、空间集聚度、土地类型转换、地形坡度规则等多种约束条件，进行土地利用空间格局优化，构建基于DE-PSO模型的土地资源优化配置方案。

基于差分演化算法进行的土地利用结构优化结果虽然能够满足研究区发展要求，但优化问题的规模和复杂程度都不算太大，对算法的收敛性、参数选取和计算复杂度等需进一步研究。此外，从图4c、4d可以看出，由于PSO模型初始化粒子群的随机性，会在优化结果中生成一些不合理的地块。因此，在后续的工作中需要对模型进行进一步的研究和完善，以确保优化结果的科学性和准确性。总体来说，利用本文建立的DE-PSO模型进行优化后的土地利用空间格局具有较好的合理性，且优化后的土地利用格局各地类空间分布与研究区地形地貌特征相符合，这与研究区国土空间规划方案和实际相符，充分说明该方法和思路的可行性。

5 结论

(1)研究区土地利用类型以林地、草地、耕地为主，其面积占研究区总面积的90%以上。

(2)土地利用结构优化结果表明，建设用地、水域和耕地面积持续增加，建设用地增幅最大，相对面积变化比例为1.71%，由于丹江口库区建设和南水北调中线工程的实施，水域面积由406.61 km2增长至448.07 km2，林地和裸地面积变化不大，草地减少幅度最大，相对面积变化比例为-2.23%。

(3)土地利用空间格局优化结果表明，研究区土地集约利用程度有所提升，土地利用空间格局在总体上趋于合理化，且优化后的土地利用空间分布与研究区地形地貌特征相符合，说明本文建立的优化模型具有良好的性能，研究结果可为水源地土地资源可持续利用、水资源保护和管理、生态环境保护以及南水北调中线工程调水安全等方面提供科学依据。