以下文章来源于土地资源管理文献分享 ，作者李潇
1研究概述
城市生态系统服务（UES）是自然为城市系统中的人们提供的利益。优化UES供应的建模场景可以支持可持续的城市规划过程。UES与土地利用/土地覆盖（LULC）类型相关，这使得UES供应的优化能够基于LULC配置。然而，当前的建模方法不适合UES优化和LULC配置之间的联系。以UES最优供应为目标的一种可能性是使用数学优化方法。本研究的目的是测试参与式建模和优化模型的结合使用，以提供通过优化城市LULC配置最大化UES的空间解决方案。使用多目标整数线性规划（MOILP）模型以及LULC性能分数来建立集成模型，以最大化一组本地提供的UES。里斯本（葡萄牙）的一个案例研究说明了这一点，该案例涉及关键利益相关者的参与，以验证和基准优化约束的选择。结果表明，土地被优化分配给具有高UES功能的土地覆盖类型，并结合了住宅用地的重组和致密化。因此，新的LULC配置增加了多个UES供应，同时保持了一定水平的住房容量。该模型显示了与大多数其他LULC类别相比，UES功能较高的土地覆盖类型增加的明确含义。此外，将利益相关者参与建模结合起来，提供了跨学科和跨学科的科学贡献，涉及数学优化、UES和城市规划。
2.方法
2.1模型结构
给出了基于LULC的UES优化器的结构、方程、约束和假设。图1为城市区域综合多目标优化模型结构。这被制定为MOILP模型，其目标是通过土地利用变化最大化UES供应，同时考虑到(1)UES约束和(2)社会经济约束。可持续利用的限制反映了在城市一级，与现状相比，所考虑的生态系统服务不应退化的要求。此外，考虑到利用价值是在地方层面上享有的，土地利用价值的变化不应导致与地方娱乐相关的利用价值的恶化。这里选择文化娱乐UES来代表当地提供的基于自然的城市娱乐的重要性(Cortinovis et al .， 2018)，与当地供应和调节UES相关的生态功能相比，它与城市居民的关系更密切(CampsCalvet et al .， 2016)。相反，经济限制反映了预算限制和不适当地改变具有有关基础设施的地区。
集合及其元素用粗体表示，参数用普通字体表示，而因变量和自变量用斜体表示。对模型施加的约束在2.2-2.6节中定义。
在这个问题中考虑了三种类型的集合:
- ES:生态系统服务的集合，ES，被建模(例如防洪，当地气候调节，生物多样性)
- P:代表地理区域的一组地块(p1, p2…pp)，这里划分为网格单元，
- L: LULC类别的集合，L(例如城市，公园，工业，交通)
需要以下参数作为模型的固定输入:
- ap -地块p的面积(ha)。
- Ies,1，与LULC相关的特定影响，1 (ha−1)。
- X0es,p -包p中es的初始值(定性)。
- c10,l-从土地类型10到土地类型1的转换成本(定性)。
- c -在包裹层面限制变更成本的约束因素(定性)。
- b -限制城市层面变化成本的约束因素(定性)。
需要优化的决策变量为:
- xes,p， -量化地块p中生态系统服务价值的变量，
- yp,1， -将(1)或(0)优化土地利用l分配给地块p的二元变量，0或1。
2.2. 目标函数和变量定义
该模型的目标是在由地块p组成的景观中最大化一种生态系统服务类型:
将面积为ap的地块p的生态系统服务功能评分xes,p量化为:
其中，Ies,l为每个es对给定LULC类型l的具体影响(每公顷)，yp,l为反映l的选择的决策变量(二进制) 在p.中，每个单元只需要选择一种类型的LULC，由下式强制执行:
2.3. 生态系统服务约束
在处理与UES供应相关的约束条件时，我们假设新的LULC的选择不应导致整个区域生态系统服务供应潜力的损失。
此外，应保留每个地块的娱乐水平:
2.4. LULC变化约束
包裹p中最优LULC类型l的选择，变量yp,l，需要反映转换成本。在这项工作中，使用了第3.4节中描述的定性方法。因此，在提出的模型中，成本约束执行了两次，如下所示。
首先，由eq.(6)表示的约束:
其中，成本因子c10,l表示从初始土地利用类型10到LULC类型1的定性转化成本，c为限制转化成本的约束因子。这种方法可以帮助反映不应考虑某些土地利用价值(例如工业或运输)的限制，因为改变将意味着移除大型和/或相关的基础设施(见补充资料-转换成本得分)。
此外，在城市尺度上，LULC的变化也受到有限预算的限制。在支持拟议模式的定量评估中，这表示愿意或多或少地投资于全面改善UES供应:
2.5. 住房容量限制
考虑土地利用类型l的住房容量hl，在城市层面上进一步约束住房容量保留，其中与土地利用类型l相关的地块p的初始住房容量h0p,1:
2.6 多目标优化
随着几种类型的生态系统服务被最大化，这些服务的优化意味着一种多目标优化方法。虽然文献中使用了几种多目标优化方法，但在这项工作中使用了epsilon约束方法，因为它有助于保留MOILP模型，同时反映用户在决策过程中的优先级。约束方法对多个目标进行排序。排名最高的优先优化;这结果将成为下一个最高等级的后续优化的附加约束，以此类推。因此约束的数量比目标的数量少一个。在多种生态系统服务的背景下，多种生态系统服务以重要性为基准，Herzig等人(2014)的工作也是如此。然后将最相关的ES用于第一次优化运行的目标函数(参见3.2节中有关UES选择的进一步详细信息)。在第二次运行中，使用第二重要的ES作为目标函数，而使用第一个es, xes1, run1的值作为模型中的约束，例如:
3.案例研究:里斯本
3.1. 范围和系统边界
第2节中描述的方法的实施通过对葡萄牙里斯本市的案例研究进行了说明。我们采用了来自哥白尼土地监测(https://land.copernicus.eu/pan-european/corine-landcover/clc2018)的2018年Corine土地覆盖(CLC)栅格地图，该地图的空间分辨率为100 m，最小制图单元为25 ha。利用CLC土地分类系统(https://www.eea.europa.eu/ publications/COR0-landcover)对LULC进行分类。在该研究区域内，8562公顷的面积上有14个独特的LULC类别(见图2)。每个地块(网格单元)的面积为1公顷，并以14个LULC类别中的一个为特征。
图2 里斯本市LULC配置（使用2018年Corine土地覆盖等级）
3.2. 选定的生态系统服务
为了确定哪些UES与里斯本最相关，我们于2018年3月16日与里斯本市政府(c马拉市政de Lisboa)、领土发展总局(direc o Geral do Território)和里斯本大学的三个里斯本利益相关者团体的代表举行了一次参与式研讨会。讲习班的一个主要目标是衡量选定的UES在应对城市挑战方面的重要性。更具体地说，受访者被要求使用高重要性(3)、中等重要性(2)和低重要性(1)的分类区间尺度对与利用价值相关的城市挑战进行基准测试。平均结果显示，洪水保护、当地气候调节和生物多样性是三个最重要的利用价值。因此，这三个UES按照其在优化模型中使用的重要性进行选择(见表1)。
表1从利益相关者调查中总结出的三大UES偏好
3.3. 问题的指标
使用Burkhard et al .(2009)和Burkhard et al .(2014)描述的LULC相关函数作为替代UES测量值的代理指标。由Burkhard等人(2009)和Burkhard、Kandziora、Hou和muller(2014)开发的生态系统服务矩阵方法将LULC与ES相关性在标准化线性尺度上联系起来(完整矩阵见补充信息-绩效分数)。0表示没有相关性，5表示非常高的相关性。这些分数没有量化物理流量，因此结果仅限于相关性的最大化，而不是物理量或流量的最大化。
3.4. 经济约束
为了了解LULC转换的可行性，2018年9月至10月期间进行了一项专家在线调查。调查使用了两轮德尔菲法来达成共识，在模型约束中应该考虑LULC转换。该调查邀请了30名城市系统和土地经济学专家，将LULC需求的弹性从1(无弹性，容易改变)到3(高度弹性)排序，第4个选项是不可行。调查结果是在匿名的情况下汇总的，然后再进行第二轮相同的问题，但增加了群体平均水平的信息。在第二轮中，参与者可以根据小组平均水平选择改变答案。最初的30名参与者中有10人完成了第二轮比赛。第二轮的回答趋于一致，并使用平均得分将LULC分为两类:可行或不可行。这些限制列在补充信息-转换成本分数中。
里斯本有一些受法律保护的遗产和保护遗址，保护这些遗址的社会/文化价值可能与最大限度地利用UES相冲突。究竟是将这些受保护的地点视为固定的，还是探索假设的结果，这个问题取决于模型所支持的决策范围。因此，我们制定了两种方案，以探讨修复某些文物遗址的影响(见第3.5节)。保护区地图如图3所示。
图3 里斯本受法律保护的自然和遗产区域
3.5. 场景开发
在本文中，我们开发了一个预测情景和一个探索性情景，在我们的案例研究中，它们涉及两个备选的LULC转换约束。探索性方案保留交通基础设施用地(开放方案，探索性)，而预测性方案还保留因自然和遗产原因而受到法律保护的地区(受保护的遗产方案，预测性)。对于受保护的遗产方案，由于确定了其区域的很大一部分受到法律保护，因此无法进行转换的单元。这需要在我们的细胞结构上绘制受法律保护的文化和自然遗产以及受保护的自然区域。为此，我们使用了里斯本大学的EPIC WebGIS数据库(http://epic-webgis-portugal.isa.ulisboa.pt/)和里斯本市政商会的Open GIS数据库(http://data-cml.opendata.arcgis.com/)，其中包括受保护的自然区域和遗产的空间层(见补充信息-遗产特征)。从一组受法律保护的遗产记录中，雕像/雕塑和移动物品被删除，因为这些物品很容易重新定位。在某些情况下，数据库以点的形式记录受保护的遗产，表明保护区的中心。为了将这些点与特定的表面联系起来，我们将它们重叠在本研究中使用的LULC地图上。这使我们能够计算表面保护的数量，即使在某些情况下，这不是完全准确的，因为我们不能确定每个单独的LULC多边形的所有面积都被保护。任何包含保护区一部分的单元都被标记为不可转换为另一个LULC。
3.6. ε的方法
根据MOILP ε-方法，为最大化三个UES定义了三个单一目标。单目标优化的顺序基于利益相关者偏好确定的重要性排序(见表1)。通过尊重前一个结果的优化结果作为附加约束，每个后续目标函数受到更多约束(表2)。
表2 里斯本需要优化的三个目标的特点
4. 结果
在本节中，我们展示了里斯本的两个案例研究场景的结果;开放场景(探索性)和受保护的遗产场景(预测性)。这演示了如何使用数学方法通过观察两个不同约束模型的LULC转换来间接优化选定的UES。
4.1. UES供应
采用ε-约束方法对3个UES进行迭代优化。每次迭代都会增加一个约束;在前一次迭代中优化的es不应该减少。第一次迭代ε0最大限度地提高了防洪能力。在下一次迭代中，将得到的ε0的防洪供给量作为最小阈值;ε1，最大限度地调节当地气候。在最后的迭代中，优化的当地气候调节和洪水保护都被观察到最小阈值ε2，从而最大化了生物多样性。因此，MOILP变得越来越受约束，并且在每次迭代中增量变更变得越来越小。
在开放情景下，每种特定UES供应的潜力都增加了。在LULC变化的基础上，洪水防护潜力增加了851%，相对增幅大于其他UES。当地气候调节潜力增加了278%，生物多样性潜力增加了65%。与此同时，娱乐作为一种约束保留了下来，顺便增加了159%。
与开放方案相比，受保护遗产方案的UES供应较低。每种特定UES供应的潜力都增加了。防洪性能提高了695%，比其他UES的相对增幅更大。当地气候调节增加了222%，生物多样性增加了51%，游憩增加了125%。这些结果如图4所示。
图4 初始和优化状态下的平均UES潜力，适用于传统和开放方案。值为Burkhard等人(2009)从0到5的无单位分数。
但是请注意，这些结果必然受到输入数据特征的影响。在我们的案例中，CLC地图提供了开放访问和验证的测试数据，这足以测试方法，但缺乏主题细节，特别是在大型绿色城市地区。例如，里斯本较大的绿地，孟山都公园(Parque Florestal de Monsanto)(位于图2地图的西部)，用一个单独的斑块来描述，被归类为绿色城市区域类。虽然这总体上是正确的，但它缺乏影响最终产出的专题细节，因为它低估了这个绿色城市地区目前提供的UES。值得注意的是，它忽视了其高度多样性的栖息地，包括森林、灌木和草地为主的栖息地，排列在景观马赛克中。
在开放情景中，UES供应的增加主要是由于向灌木生境(即CLC类的沼地和石楠地)的转变。这主要发生在最初的绿色城市地区，商业和工业，或体育和休闲设施。同样，受保护遗产方案的UES供应，与开放方案一样，主要由于向灌木生境的转变而增加。与开放场景一样，这种情况主要发生在以前的绿色城市地区和商业或工业，或体育和休闲设施。然而，在遗产方案中，较少的城市肌理区域被改造，因为在旧的中心街区中普遍存在受保护的地点。这些景观格局的变化对应于提供模拟UES潜力的空间变化。两种情况下UES供应的空间格局如图5所示。尽管里斯本中心地区的UES并没有增加，如图5中大块的灰色空间(主要是非常巩固的连续城市肌理景观)所示，但UES却有所增加该合并区域边缘的模拟UES增加。
图5 基于2018年Corine土地覆盖地图的里斯本潜在生态系统服务供应。左侧为初始条件，中间为优化后的遗留场景结果，右侧为优化后的开放场景结果。Burkhard等人(2009)以无单位分数评估潜在供应。
大多数UES供应潜力的增加与城市北部地区的变化有关，这些地区最初的景观整合程度较低，有大型农业和娱乐开放空间。在这两种情况下，由于在这些土地覆盖类别之间转换的成本较低，并且由于这种类型的土地覆盖具有同时提供选定的UES的多功能潜力，这些景观在很大程度上都被转换为灌木生境。
4.2LULC分配
在这两种情况下，随着UES的优化，LULC模式变得更加同质化，这意味着与多个UES相关的LULC类变得更加广泛，取代了不太相关的LULC。这导致了LULC多样性的减少。在补充信息- LULC映射中显示了LULC类之间的权衡。优化器选择了广泛的灌木类，因为它与UES高度相关，并且转换成本相对较低。因此，在这两种情况下，最优LULC分配主要是由灌木生境的转换，特别是从商业和工业单位和城市公园，由于住房约束，从不连续的城市结构到连续的城市结构的完全转换。这集中了住房区，并腾出了其他地区，将其转换为荒野和荒地。与开放情景相比，受保护情景中LULC分配的主要差异是保留了更多的工业和商业单元、不连续的城市结构和一些中心绿色城市区域，这也意味着LULC在绝对数量和空间分布上都具有更高的多样性。这两种场景都看到了城市结构的致密化，而在开放场景中更为明显。在遗产保护情景中，由于一些保护区保留了不连续的城市结构，住房容量的空间效率较低，这意味着其他地区需要更多的面积来满足住房容量的限制。这些主要是将较新的北部社区的不连续城市结构转化为连续城市结构，因此较少的北部细胞转化为富含UES的LULC类。
连续的城市结构在里斯本最初的土地格局中占有重要地位。然而，它提供的UES很少，表现在它在性能分数矩阵中的低相关性(Burkhard et al, 2009)。然而，它提供了一项基本的社会服务——住房——以一种比其他LULC更有效的空间方式。由于保护一定水平的住房容量的约束，优化者将空间效率较低的住房用地覆盖(如不连续的城市肌理)替换为连续的城市肌理。结果是不连续的城市肌理土地完全消失，而连续的城市肌理土地略有增加，因为这为提供UES的LULC腾出了更多的空间单元。
4.3. 权衡
总的来说，这两种优化的方案导致住宅区集中在密集的连续城市结构中，从而释放出土地来供应UES。在图6中，我们根据居民区的人口密度(相对于初始情况进行归一化)和每个分析UES(包括娱乐)的供应潜力，将这两种情景与初始情况进行比较，并将其表示为所有单元中Burkhard等人(2009)尺度的当前与最大分数之间的比率。
图6在遗产和开放方案的初始状态和最佳状态下，在住宅区的UES潜力和人口密度之间进行权衡。
在开放情景中，人口密度增加了17%，这意味着所有服务的UES供应更高:防洪从最初的最大潜力的2%提高到17%，当地气候调节从8%提高到31%，生物多样性从22%提高到37%，娱乐从16%提高到40%最大潜力。在遗产保护场景中，由于纳入了约束，城市地区的人口密度增加了12%防止遗产区转变为具有更高UES性能的土地覆盖类型。与开放方案相比，这导致UES供应潜力损失3-5%。
5.讨论
5.1优化策略
优化策略是成功的，因为我们让利益相关者和专家讨论了一个复杂的地方问题，从而产生了关于土地利用优化的城市生态系统服务(UES)供应的结果。尽管这些方法的整合总体上是成功的，但我们在概念验证模型中发现了四个主要限制:(1)城市地区的LUCL地图缺乏专题细节;(2)缺乏时间细节;(3)缺乏对非线性趋势的考虑和对UES之间协同效应的考虑;(4)人与自然系统之间缺乏相互作用。
在Burkhard等人(2009)的工作中，CLC类的荒野和荒原(即灌木覆盖)被评为与娱乐高度相关，而绿色城市地区的特征仅为中等相关性(见补充信息-绩效分数)(Burkhard等人，2009)。然而，城市中的绿色城市区域或多或少是人为的，彼此之间可能会有很大的不同。将绿色城市划分为更多的类别，将有助于更好地区分其不同服务的可变供应。这一猜想提出了一个问题，即是否需要一个与Burkhard等人(2009)开发的等效的城市特定的LULC- UES矩阵，该矩阵具有更高的LULC类分类细节。
时间细节对于理解LULC如何随时间变化以适应不断变化的人口和经济需求是相关的。此外，在转换一个LULC类和由该LULC提供的UES之间存在时间滞后，这妨碍了描绘一个更复杂的(尽管更接近现实的) UES供应的因果模型。此外，由该LULC提供的UES集将不具有相同的生命周期。例如，有灌木覆盖的景观可以立即提供娱乐，但这种景观提供的生物多样性的再生可能需要更长的时间。我们的模型假设所提供的UES集同时且无限期地发生。换句话说，该模型将实际情况与两种稳定状态(开放和保护遗产)进行比较，但无法捕获从前者到后者的过渡阶段。
该模型中使用的性能分数(Burkhard等人，2009)对于传达ue的相关性尺度非常有用。然而，它们在解释生物多样性等UES的非线性趋势方面是有限的(R. Boumans等，2015)。理想情况下，使用定量生物物理(例如，生物质产量吨/年/公顷，用于评估能源供应)可以帮助实现这一目标。然而，直接和间接的测量是难以获得的，需要转换成一个共同的单位系统(例如€/ha)，使方程式具有可比性，便于决策者和非专业利益相关者交流。这种类型的标准化已经在备受推崇的生态系统评估中实现(R. Boumans等人，2002;Costanza et al, 1997,2017;Reid等人，2005;Strand等人，2018)，但不考虑该模型中考虑的空间细节。货币单位和标准指数。尽管如此，生态价值的货币化带来了其他挑战，如统计稳健性和避免主观性(Adamowicz等人，1997;每天,1997)。因此，量化UES对近最优LULC配置的敏感性仍然是一个开放的研究问题，因为仍然没有普遍接受的指标度量(Burkhard和Maes, 2017)。
在考虑UES相互效应方面，该模型缺乏考虑UES协同效应的能力，因为LULC功能的空间连续性，如García-Nieto, García-Nieto等人(2013)所讨论的那样。这使得很难理解在最佳LULC配置中发现的景观碎片如何在现实中提供UES。为了评估UES的协同特性，模型应该考虑每个网格单元的邻域。景观生态学的研究告诉我们，LULC类型之间以及协同UES束之间的格局往往是非线性的。这在我们提出的模型中没有得到承认，也没有在激发本文的先前研究中得到承认(例如Herzig et al(2014))。然而，与非城市的生态系统评估相比，这对于生态系统评估来说可能没有那么大的问题，因为城市高度碎片化，这实际上可能限制相邻类型景观之间协同效应的潜力。然而，研究正在通过应用元胞自动机和启发式方法对这些协同效应进行估值。例如，Liao等人(2016)的大邻域元胞自动机可以给出一个性能分数的变化基于一个网格单元的细胞邻域的性能总和。像这样的例子仍然没有考虑到与数学优化的联系，这可能是未来集成建模研究的一个有趣的空间。
此外，我们的模型没有考虑人类和自然系统之间的因果关系。例如，该模型没有考虑生态系统服务需求与建筑资本之间的竞争，以及这些竞争需求如何影响城市景观。这些相互作用可能涉及人与自然元素和过程之间的反馈循环。系统动力学(SD)可能是一个有用的建模框架，可以克服我们模型的这一局限性，即不考虑LULC和UES之间相互作用产生的定量因果关系，以及上述与邻域和非线性效应有关的局限性(fugenschuh and Vierhaus, 2014;Herzig and Rutledge, 2013)。SD被广泛用于生态系统建模，以绘制和评估生态系统服务的供应(R. Boumans等，2002;R。Boumans等，2015;R. J. Boumans et al .， 2014)。LUMASS模型(Herzig et al .， 2014)具有这种功能，尽管迄今尚未在任何城市研究中得到验证。数学优化与生态系统服务多尺度综合模型(MIMES)的集成R. Boumans等人(2015))——已经在城市层面有效(R. J. Boumans等人，2014)——可能允许在多个尺度上对UES进行时空优化。SD生态系统模型(如MIMES)的主要优势之一是它们耦合人与自然系统相互作用的能力(Grêt-Regamey等人，2017;Turner et al, 2016)。基于数学优化的模型，如本文提出的模型，可以通过采用多阶段优化方法与SD建模相结合，促进动态人-自然系统交互的集成。sd衍生的时空参数可用于预测未来约束，以优化未来情景(Jin et al, 2017)。一个可以根据时空城市动态揭示最佳解决方案的模型，可能在UES捆绑或基于自然的解决方案的评估和估值方面具有显著的好处(Elliot等人，2019;Holland等人，2018)。这种进步有可能为应对未来可持续性挑战的长期城市规划干预措施提供决策支持(Elliot等人，2018)。
5.2. 参与式方法
通过使用社会科学的参与式方法，我们在模型的每个阶段都纳入了跨学科的知识。这在生态经济学和数学建模之间创造了一个创新的交集。
首先，采用参与式建模方法对UES的相对重要性进行了限定和基准测试，随后定义了我们优化的ε约束的顺序。这是基于多个目标进行优化的基础;虽然利益相关者的价值观不一定反映里斯本公民对这些UES的社会经济需求，但它仍然表明了里斯本的可持续发展优先事项。
其次，我们使用一个专家小组来推导LULC转换矩阵的(定性)成本。这个马尔可夫型方阵定义了从每个LULC到另一个LULC的级联转换，并由此定义了半定性的经济预算约束。这种半定性方法的优点是，数据与UES的性能分数一样是无单位的，因此可以轻松地与UES数据集成，并且可以在其他地理环境中使用该方法的可复制性和可比性。
参与式建模的使用在数学优化中并不常见，而在社会科学中更为常见。参与式建模可以通过承认不同科学专业知识的利益相关者和专家的看法来增加建模的价值(Van den Belt, 2004)。例如，将文化遗产保护纳入模型约束是模型如何解释利益相关者偏好的一个很好的例子，这在解决可持续城市规划时非常重要(Campbell, 1996)。里斯本绿色浪潮报告(Santos等人，2015年)强调了通过让利益相关者参与式城市规划过程来整合当地知识以增加里斯本UES供应的重要性。这在生态经济学和环境科学研究中得到了越来越多的应用，因为强调跨专业研究领域建立共识，而且由于对非市场化社会生态现象(如UES)的估值驱动，这些现象通常难以以地球生物物理单位量化(CampsCalvet等人，2016;de Groot et al .， 2010;Hewitt et al, 2014;Van den Belt, 2004)。然而，参与式建模既有优点也有缺点。例如，它完全依赖于专业知识和利益相关者的看法，谁可能有冲突的目标(Van den Belt, 2004)。然而，参与式建模的民主性质是构建决策支持模型的真正优势，特别是在数据质量有限或较差的情况下。这使得该模型很容易转移到其他城市，而不考虑当地数据的可用性，并允许反映任何当地特定的条件，这些条件可能源于当地的遗产、历史和地方建设(Pendlebury和Porfyriou, 2017)。
5.3. 生成支持决策的场景结果
我们对受保护遗产和开放场景的研究结果表明，城市居住密度和提供UES之间需要权衡取舍。我们将这种权衡考虑为保护文化遗产而放弃的UES供应。对于里斯本来说，这一成本的百分比相当低，但模型只考虑了研究区域内发生的影响，而不是全球影响。紧密型城市与扩张型城市之间的争论已经持续了近二十年，涉及的关键问题包括住宅密度偏好、能源节约、紧凑性带来的效率提高以及社会公平等(Ewing和Hamidi, 2015)。在我们的结果中看到的城市住房的密度似乎增加了一个支持紧凑城市规划的额外论据。然而，紧凑型城市设计必须仔细概述，引入必要的措施，通过基于自然的解决方案来改善密集城市结构中的UES (Jim, 2004, 2012;Larondelle et al, 2014;Larondelle and Lauf, 2016)。
该模型假设城市规划者完全控制LULC的变化，但通常情况并非如此。某些代理人(例如居住在遗产地区的居民)是否愿意接受拟议的改变，可能会成为实施这种激烈的城市重新设计的主要障碍。虽然该模型考虑了LULC变更的转换成本，但关于住房产权的协议(如家庭搬迁)并没有得到保证，交易成本可能非常高。社会正义问题，例如关于不平等获得开放空间和娱乐，以及文化价值的保护也应该考虑(坎贝尔，1996年)。里斯本的居民是否愿意接受拆除其历史悠久的市中心，为开放方案所建议的自然景观腾出地方?可能不会，因此我们通过在优化器中包含继承约束来考虑这方面。这是一个很好的例子，说明该模型如何解释利益相关者的偏好，这在解决可持续城市规划时非常重要(Campbell, 1996)。
6 结论
本文阐述了一个概念验证，即结合使用参与式优化模型，通过土地利用/土地覆盖(LULC)的重新配置，提供最大化城市生态系统服务(UES)的空间解决方案。使用多目标整数线性规划(MOILP)为里斯本(葡萄牙)市建立了一个集成模型，并涉及关键利益相关者的参与，以验证和基准优化约束的选择。MOILP的结果显示，灌木生境主要分布在网格单元来优化多个ue。同时，MOILP主要将那些与UES不太相关的LULC类型转换为连续的城市结构，以保持足够的住房容量。其结果是一个以自然栖息地为主的景观马赛克，提供了多种用途和连续的城市结构，减少了商业、农业和人工绿色城市区域。
使用优化方法的优点是确定LULC分配，确保在给定的约束条件下获得最高的UES供应。正如我们的案例研究所说明的那样，最佳景观格局可能与实际形态相去甚远，因此如果没有本文中介绍的优化工具，就很难确定。虽然该模型的约束过于简化，但我们的结果表明，这种方法可以增加价值。因此，应用于UES的空间优化是探索景观设计光谱和刺激城市决策过程的宝贵工具。此外，该模型易于非建模专家使用，并且以地图形式呈现的结果易于与广泛的受众交流。该方法允许评估和测试不同的场景，特别是探索性的场景，这可以激发城市规划决策过程中的讨论。这些特点使该模型具有吸引力，可用于世界任何地方的参与式城市规划过程。
该方法的主要创新是将参与式数据收集集成到一个精细分辨率的空间优化器中，该方法具有高度可转移性和用户友好性，同时保留了一定程度的模型复杂性。这可以为城市规划决策增加价值，并激发不同价值体系之间的讨论。通过使用现有的UES和LULC性能分数查找表，并与当地专家进行德尔菲调查，以确定定性的LULC转换成本矩阵，可以很容易地复制该模型。
原文题目：Spatial optimisation of urban ecosystem services through integrated participatory and multi-objective integer linear programming
文章来源：Ecological Modelling
通讯作者：卢森堡科学技术研究所 Thomas Elliot
Email: thomas.elliot@list.lu (T. Elliot).
DOI: https://doi.org/10.1016/j.ecolmodel.2019.108774
【声明】本推送内容仅代表个人对文章的理解，请有兴趣的同学阅读原文。本人水平有限，难免出现错讹，也请各位老师、同学批评指正！
转自：“生态遥感前沿”微信公众号
如有侵权，请联系本站删除！
