以下文章来源于经纬石旁话遥测 ，作者刘耀林等
本文改编自学术论文
《土地利用优化配置建模研究进展与展望》
刊载于《武汉大学学报·信息科学版》2022年第10期
刘耀林1,2,3,4 仝照民1,4 刘 岁1,4 黄 丹1,4
1 武汉大学资源与环境科学学院，湖北 武汉，430079
2 武汉大学地理信息系统教育部重点实验室，湖北 武汉，430079
3 地球空间信息科学协同创新中心，湖北 武汉，430079
4 自然资源部数字制图与国土信息应用重点实验室，湖北 武汉，430079
刘耀林
博士，教授，国际欧亚科学院院士，主要从事土地信息技术、数据挖掘等方向研究。yaolin610@163.com
仝照民
博士。tongzm2215@126.com
摘要
土地利用优化配置是解决土地资源供需矛盾、协调社会经济发展与生态保护的重要技术手段，也是土地资源可持续利用需要解决的关键问题之一。随着空间模拟和智能优化技术的发展，土地利用优化的理论基础和方法体系也在不断更新。在文献计量的基础上，系统总结了国内外土地利用优化配置的驱动理论和方法，重点分析了空间模拟优化模型和智能寻优模型在土地利用优化配置建模应用中的进展和存在的问题，对土地利用优化配置未来的发展和面临的挑战进行了讨论和展望，提出自然与人文过程的耦合驱动、多模型的空间化协同、大数据知识挖掘方法的嵌入和数字孪生技术的支撑，应是土地利用优化配置领域下一阶段的研究方向。
引用
刘耀林, 仝照民, 刘岁, 黄丹. 土地利用优化配置建模研究进展与展望[J]. 武汉大学学报 ( 信息科学版), 2022, 47(10): 1598-1614. doi: 10.13203/j.whugis20220603
土地是人类进行一切生活和生产活动的载体，国家和社会的发展都依赖于土地的承载、养育 、仓储 、景观等 多种功能。中国是世界上最大的发展中国家与经济增长引擎，其发展将是塑造21 世纪世界格局最重要的因素之一，然而作为世界第一的人口大国，中国土地资源相对稀缺，人均土地占有量远低于世界平均水平。同时，随着城镇化与工业化进程的加快，对土地资源的无限需求与土地资源的有限供给矛盾日益突出，粗放型土地利用方式、不合理的土地利用结构与空间布局，导致土地利用矛盾愈发显著，城市过度扩张、农用地大量流失、生态环境恶化等诸多社会和环境问题，逐渐成为制约社会经济可持续发展严重的“瓶颈”。如何统筹生产、生活和生态空间，优化国土空间开发保护格局，推动土地资源的可持续利用已经成为地理科学、粮食安全、资源环境、气候、城镇化、公共管理与规划等领域的重要研究问题，土地利用优化配置建模也已经成为国内外学者们的研究热点。
“土地利用优化”是在全面认识区域土地资源变化机理的基础上，为实现具体的优化目标，通过科学技术手段，指定区域最佳的土地利用方式、数量和位置，即解决国土空间优化中“what”“how much”和“where”的问题。在土地利用优化领域中，智能体模型、驱动力、元胞自动机、优化算法一直是中心度最高的主题词，学者们从时空尺度上在数量结构和空间布局两个层面采用定量化的计算、模拟、优化技术 ，综合经济、社会、生态效益，对区域内土地利用配置开展了多目标、多层次、多类别的方案拟定。随着全球城市化的加速推进，城市扩张、决策过程模拟、多目标优化的研究主线逐渐浮现，不少学者通过抽象化公众、部门、政府等决策主体的决策行为，综合考虑土地利用变化带来的水安全、空气质量安全、粮食安全等风险，明确包括生态系统服务功能提升、生物多样性保持、碳中和等多目标、多情景下的优化方向，约束城市扩张过程，进而优化土地利用配置格局。此外，随着计算机技术的迅猛发展，机器学习、仿生智能、关联规则等数据挖掘及优化方法与过程模拟模型的耦合逐渐成为土地利用优化研究的新热点与新工具。
为了更全面回顾近年来土地利用优化的研究进展，本文主要从土地利用优化机理与土地利用优化方法两方面出发，对相关理论和方法进行归纳总结，最后对当前研究存在的问题进行剖析，提出未来土地利用优化面临的挑战，以期为新时代国土空间优化战略的推进提供一定的参考借鉴。
1 土地利用优化研究进展
基于中国知网和 Web of Science 两个全球最全面的科研论文数据库，在近 20 年的时间范围内，以“土地利用优化”“土地利用模拟”“土地利用布局”“土地利用结构”及“土地利用空间配置”为主题进行文献检索，并通过文献摘要阅读，进一步甄别和剔除检索结果中显著不相关的文献，最后获得有效文献 8 946 篇，使用 citespace 软件对文献关键词的聚类特征和演进时间线进行分析，结果如图 1 所示。依据研究热点的时间线图可将相关主题归结为 8 条研究主线，包括“土地利用变化驱 动 力 分 析 “” 城 市 扩 张 模 拟 “” 元 胞 自 动 机 模 型 构建 与 改 进 “” 智 能 体 模 型 构 建 与 改 进 “” 土 地 领 域 知识 挖 掘 “” 土 地 利 用 决 策 过 程 模 拟 ”和“ 土 地 利 用 多目标优化”，如何认识优化机理，采用何种方法进行优化是当前国内外学者探讨的重要课题。
图1 文献检索主题时间线图
1.1
土地利用优化机理研究
正确认识土地利用优化机理是实现土地利用优化配置的基础，而土地利用演变规律是优化机理的核心内容，只有掌握了演变规律，才能更加科学合理地安排土地利用的数量与空间位置。自然因素与人类活动的综合作用使得土地利用格局不断发生改变，把握演变规律的关键在于厘清影响土地利用变化的驱动机制，土地利用变化的主要驱动力如图 2 所示。
图2 土地利用变化主要驱动力
1.1.1 自然因素驱动
自然本底条件是决定人类对土地进行开发、改造、利用和保护的重要基础，很大程度上决定土地的利用方向和强度。影响土地利用变化的自然驱动因素包括气候、地形、水文等因素。其中气候因素主要包括温度、降水、日照等，气候因素决定着地表植被覆盖丰富程度，尤其是对农作物的生长具有重要影响，随着全球气候变暖加剧，这一因素对土地利用的影响将会进一步加强;地形因素主要包括坡度、高程等影响因子，是制约各项生产建设活动的根本性因素，地形平坦地区更有利于土地的开发利用，被人类利用改造的可能性更大;水文因素则包括距主要河流距离等，这一因素短时期内变化不大，但在全球高温日益频发的背景下，水安全、水质量等水文因素可能成为掣肘土地开发的重要因素。自然因素对土地利用具有门槛性限制作用，在进行土地利用优化时需充分考虑适宜性，遵循自然规律进行合理的开发保护。
1.1.2 人文因素驱动
随着城市化进程的不断加快，人类活动对土地利用演变的影响日益凸显。在人文因素方面，学者们从全球、国家、流域、城市圈等多个尺度对建设用地、耕地、湿地、沙地等各类土地进行了驱动机制研究，探索了人口、经济、产业、政策、交通和城镇化等因素对土地利用变化的影响。由于政治体制、经济发展、地理环境条件、城市化程度的差异，不同地区土地利用人文驱动因素有所区别，如 Zhao 等发现海拔、与县政府的距离和人口是少数民族山区土地利用变化的主要驱动因素;孙玮等发现经济和交通因素是鲁西欠发达地区建设用地增长主要驱动因素;Wu 等研究表明杭州都市圈建设用地的增长模式与社会经济因素高度相关，国内生产总值、人均可支配收入、人口增长以及工业化和城市化进程是主要驱动因素。此外，由于政府、土地市场、聚居人群等决策主体的空间行为、利益诉求等干预了土地变化进程，各决策主体间彼此存在竞争、冲突与协作关系，同样影响了土地利用变化过程[16]。人文因素在土地利用变化中具有推动与指向作用，土地利用优化还需充分考虑人文因素的影响，依据实际发展需求科学地配置土地资源。
1.1.3 自然与人文因素共同驱动
土地系统是自然与人文因素共同作用的复杂系统，当前已有不少学者对影响土地利用变化的自然与人文因素耦合驱动过程进行研究。例如，Freitas 等基于土地利用退化、再生、致密化、扩张、退耕还林和城市化六个过程，通过整合自然环境和社会经济变量，结合全局回归和局部回归方法研究了土地复杂系统演变的原因;Ren等首先结合土地资源特性构建流域区段分类测度体系，将色楞格河流域划分为不同类型，基于偏最小二乘回归模型结合自然和社会经济因素讨论流域土地利用演变驱动力;李毅等从自然环境、人口、交通、经济、政策、产业驱动 6 个维度探讨了长株潭城市群核心区各地类变化的驱动因子，在考虑人口增加和城市群内部交互的基础上，分析了多种因子驱动的时空分异。
土地利用变化驱动分析是揭示土地资源数量、质量和空间格局演变规律的关键，学者们在明确土地利用变化驱动因素方面进行了大量研究，然而对“人的行为特征”这类人文因素关注较少，同时缺乏对自然与人文因素耦合驱动过程的探究，这将不利于挖掘土地利用的优化机理，如何揭示并阐明自然因素与人文因素在土地系统中的耦合作用机理并将其融入土地利用优化建模中有待进一步探讨。
1.2
土地利用优化方法研究
土地利用优化通常包含两个维度的内容，一个是土地利用数量结构优化，另一个是土地利用空间配置优化，围绕这两个主题，学者们展开了大量的建模实证研究，为解决土地资源科学“定量”与“定位”问题提供了工具 。
1.2.1 数量结构优化模型
土地利用数量结构优化是对各类用地组成比例进行合理配置安排，依据相关理论可将数量结构优化模型分为基于控制理论的优化方法、基于系统反馈理论的优化方法以及基于土地利用预测的优化方法三类。
1)基于控制理论的优化方法
线性规划、非线性规划和多目标规划等模型基于控制理论将土地利用系统抽象为线性或者非线性关系，简单直接、易于理解、算法稳定，被广泛运用于土地利用优化领域。其中，线性规划模型将土地利用因果关系抽象为简单的线性关系，未考虑土地利用优化中的非线性关系，具有一定的局限性。但非线性规划远比线性规划问题复杂，难以综合、全面地规划土地，目前该法在土地利用规划中的应用越来越少。二者只能解决单一目标最优化问题，多目标规划模型可根据不同标准选择方案，从而提高决策的科学性。包蕊等采用多目标线性规划方法，将生态系统服务分为供给、水土保持与其他服务 3 个子目标进行优化，土地利用结构得到明显改善。以上模型均属于静态模型，不能及时反映土地利用系统中各因素的动态变化，且主要依赖于研究者的经验设计方程和参数，规划结构可能与实际差别较大。
2)基于系统反馈理论的优化方法
系统动力学模型是一种面向现实世界的结构型建模方法，基于目标与因素之间的因果关系建立反馈机制，能够处理非线性多重反馈的复杂问题，具有动态性 、仿真模拟性等特点，从而在不同调控水平下模拟或预测土地利用配置方案。例如，Chang 等集成多目标规划、模糊集论和系统动力学工具，开发了一种动态多目标规划方法，为土地资源管理提供决策依据。但该模型依赖于经验和方程式的拟定，更适用于对内部反馈机制明确的系统进行模拟，所需数据宏大，建模相对困难。
3)基于土地利用预测的优化方法
多元线性回归、马尔科夫模型和灰色预测模型等模型通过对历史数据进行学习，不断校正参数以实现规律顺推，进而预测土地利用结构。如多元线性回归通过分析影响因素对土地利用变化的贡献率，从统计学角度表征土地利用变化的原因，能够简化复杂问题，但模型受制于数据质量和对土地利用变化过程的了解程度。灰色预测模型通过对土地利用系统不同因素进行关联分析，寻找土地利用系统变化规律，方法简单、所需信息少、建模精度较高，被广泛应用于土地利用结果预测领域，但该模型仅适用于预测时间短、数据资料少且波动不大的情景。马尔科夫模型是基于马尔科夫过程理论而形成的预测某一事件发生概率的方法，常用于具有无后效性特征地理事件的预测，如侯西勇等运 用马尔科夫模型对河西走廊 2010 年土地利用分布情景进行预测，但马尔科夫模型无法有效进行中长期预测。
近年来，学者们在土地利用数量结构优化方法和模型应用方面开展了新的探索，发展了模拟退火遗传算 法、遗传神经网络法等新的土地利用数量结构优化模型方法。此外，建立起数值优化与空间优化的互动关系也被学者所探讨。但数值模型在进行空间优化时，无法量化空间目标和决策主体的动态行为，且基于数值模型的空间优化只能在粗粒度的空间分辨率下进行，一旦栅格数量过多，模型将由于计算效率低而无法求解。
1.2.2 空间布局优化模型
土地利用空间布局优化是对土地资源进行空间上的合理布局，依据模型构建思路可将空间优化模型大致分为五类，分别为基于经验统计的优化模型、基于土地利用变化的优化模型、基于智能体决策的优化模型、基于仿生智能算法的优化模型以及整合自然与人文效应的优化模型。
1)基于经验统计的优化模型
CLUE(conversion of land‐use and its effectmodel)系列模型是典型的空间显性、多土地类型的经验统计模型，分为土地利用需求模块和土地利用空间分配模块两部分，是一种动态的、多尺度的土地利用变化空间分布模拟模型。其中，CLUE 模型主要用于国家和区域等大尺度的土地利用变化模拟，在厄瓜多尔、中国等国家和地区得到了应用，但受限于大尺度土地利用数据的获取难度，应用范围和模拟精度的局限性较大。因此，Verburg等在空间分配、驱动因子计算等多个环节对 CLUE 模型进行改进，构建了CLUE‐S 模型，使其能够满足小尺度上土地利用变化模拟的需求，其模型结构框架与流程如图 3所示。CLUE‐S 模型在欧洲、中国南昌市等各个尺度和不同区域的应用中取得了较好的效果，但在过程效应的度量、土地供给‐需求的平衡性等方面仍存在一定不足。Verburg 等和Sakayarote等在原有基础上综合土地利用变化的宏观驱动因素与微观格局演化特征提出了Dyna‐CLUE 模型，能够处理土地利用变化对邻域的影响并进行动态模拟，用于各尺度土地利用变化模拟和预测。此外，学者们在驱动因子选择和土地需求计算等方面对其进行了改进，不断提升模型精度。
图3 CLUE-S模型结构框架与流程
经验统计模型兼顾了线性规划等数理统计知识和领域专家经验，能够在空间上反映土地利用系统演变的结果，但其从宏观层面向下分配的建模思维难以体现土地利用系统演变的局部时空过程，且对驱动因素和模型输入参数的要求较高，需要学者对研究区的土地利用情况有充分的认识，模型难以进一步推广。
2)基于土地利用变化的优化模型
元胞自动机(cellular automata，CA)是一种时空离散、状态有限、局部规则控制的格网动力模型，在土地利用空间优化中，其能通过简单的局部转换规则较好地模拟土地利用动态变化过程，因此得到了较为广泛的应用。
CA 模型主要由元胞、空间、邻域和转换规则四要素组成，其结构框架与流程如图 4 所示，其中转换规则能表达模拟过程的逻辑关系，决定空间变化的结果，是 CA 建模的核心。元胞转换规则通常可以分为两种:一是基于自身的状态以及周围邻域元胞状态，预先定义简单行为规则;二是依据影响土地利用变化的驱动因素，计算元胞转换概率作为转换规则。当前研究主要采用的是第二种转换规则，常见的规则确定方法 包 括 多 准 则 判 断(multi‐criteria evaluation，MCE)、基于 5 个因子的 SLEUTH 模型、层次分析法、线性 Logistic 回归、主成分分析、神经网络、非线性核学习机及支持向量机等 ，如 表 1 所 示 。随 着 人 工 智 能 的 发 展 ，智能算法逐渐被引入到 CA 建模中，例如，杨青生等基于遗传算法的全局优化搜索程序寻找CA 模型的最佳参数，并应用于东莞市城市发展模拟中;刘小平等利用蚁群智能算法挖掘 CA的转换规则，应用于广州市城市模拟中;Liu等结合人工免疫算法与 CA 模型，在模拟中纳入规划政策干预以形成不同的城市发展情景;冯永玖等利用粒子群智能算法获取CA参数的优化组合，对上海市嘉定区城市演化形态进行模拟 预 测 ;Y a n g 等基 于 蜂 群 智 能 算 法 挖 掘 C A转换规则，并将南京市市辖区作为实验样区进行土地利用模拟。蜂群智能优化算法与 CA 的结合极大提高了模型的模拟精度与效率，但在全局寻优上仍存在一定的缺陷，容易陷入局部最优等问题。此外，还有学者用分区转换规则替代统一的转换规则以反映土地利用演变时空异质性，例如，柯新利等构建分区异步元胞自动机对武汉耕地利用布局进行了优化。转换规则的不断改进增强了元胞自动机在土地利用优化中的实用性，但如何更加真实准确地反映动态复杂的空间仍需进一步思考。
图4 CA模型结构框架与流程
表1 常见转换规则获取方法及其特点
CA 模型是土地利用空间优化的基础模型，但其在考虑人文因素影响方面仍显不足，因此不少学者还将 CA 模型与数量结构优化模型、多智能体模型进行耦合以更好地求解土地资源配置问题，例如，胡雪丽等基于 CA‐Markov 模型，并结合模糊多目标优化模型对大连市未来土地利用格局进行了优化配置;Liu 等提出了耦合 CA与 系 统 动 力 学 的 FLUS(future land‐use simula‐tion)模型，并应用于2010—2050年中国土地利用变化情景模拟中;黎夏等结合CA、多智能体系统以及生物智能构建了地理模拟优化系统(geo‐graphical simulation and optimization system，Geo‐SOS)，为土地利用模拟优化提供了有用的工具。现有研究为土地利用优化建模提供了基本思路，但如何在多目标、多尺度、多主体下，构建充分考虑自然与人文因素影响且具有全局寻优能力的优化模型还有待进一步探讨。
3)基于智能体决策的优化模型
多智能体系统(multi‐agent systems，MAS)是由多个具有智能性、适应性、协作性等特点的智能体组成的系统，在土地利用优化配置中能充分考虑人文因素和决策行为的影响，是典型的土地优化决策模型。
在土地利用优化建模中，MAS模型通常由智能体、行为、对象以及环境四类要素组成，其模型结构框架如图 5 所示。
图5 MAS模型结构框架与流程
土地是主要对象，环境是实际的自然环境与人文环境，智能体本身不占据地理空间单元，仅参与土地利用决策过程，通常分为 3 个层次:政府Agent(代理人)为宏观层次，制定土地利用战略方向;部门 Agent 为中观层次，组织土地利用规划;公众 Agent 为微观层次，进行具体的土地空间配置。智能体行为准则的定量化表达与智能体的空间化是 MAS 的建模关键，有学者将其与CA 模型结合，使其分布在规则的二维网格上，空间化后的 Agent 可以根据一定的规则在二维网格中自由移动，且其具有空间决策能力和学习能力，例如，Ligtenberg 等结合智能体模型和 CA模型进行空间规划，由 CA 表达城市土地利用扩展，若干规划者(Agent)进行空间决策;还有学者在制定好多目标函数及约束条件的基础上，确定土地利用的人文与自然驱动因子以体现智能体的行为准则，最终运用智能优化算法完成智能体空间寻优，例如，张鸿辉等在MAS模型中引入微粒群优化算法，构建区域土地利用优化配置(regional land‐use optimization allocation，RLUOA)模型对长沙市土地利用数量、空间、效益进行优化配置;Yuan 等耦合了 MAS 模型与遗传算法对武汉市蔡甸区土地利用格局进行了优化配置。
能够兼顾智能体的多样性、局地条件以及人类行为异质性等的影响，是模拟优化土地复杂系统的天然工具，但是模型中智能体决策过程与行为准则的定量化、智能体与地理空间联系的表达以及智能体相互作用关系的空间化体现仍是研究的难点，如何提升 MAS 模型的全局空间寻优能力是优化建模的重点。
4)基于仿生智能算法的优化模型
仿生智能算法包括遗传、人工免疫等进化算法，以及蚁群、粒子群等群智能算法，对具有特定目标函数的多峰值优化问题普适性强，广泛应用于土地利用优化这类高维度、非线性、多解集的复杂优化问题，仿生智能优化结构框架如图6所示。
适宜度函数的设定和问题解的空间化映射是利用仿生智能算法解决土地利用优化问题的两个关键点，适宜度函数是对土地利用优化目标的数学抽象化表达，如Otieno等设定了多种种植模式情景，将不同作物产生的货币净收益设定为遗传算法的适宜度函数，对不同农作物耕作模式进行了优化;Porta 等在图斑尺度下，基于用地适宜性和图斑规整度的目标，使用遗传算法对土地利用的图斑空间布局进行优化。由于土地利用优化涉及多目标优化过程，智能优化模型中常采用帕累托前沿面和多目标加权求和两种方式，前者能够提供更大的决策选择空间，更适用于向自身和群体经验学习过程不强烈的进化法，如 Cao 等改进的遗传算法，构建经济、生态和适宜性的三维帕累托前沿面，为土地利用优化配置提供了多种可替代的方案;加权求和法则更加简单易行，适用于迭代速度快的群智能算法。问题解的空间化映射能够建立仿生智能优化算法与土地利用配置问题的关联，使用蚁群算法、遗传算法、粒子群算法等优化模型时，将土地利用类型、用地布局方案、用地转化概率等土地利用优化问题的要素分别映射优化算法的元素( 成 分 、基 因 、位 置 )、个 体( 蚂 蚁 、染 色 体 、粒 子 )和计算过程(信息素挥发、交叉选择变异、速度更新 )。蚁 群 算 法 模 拟 了 蚂 蚁 觅 食 行 为 ，则 觅食路径即空间化为用地配置方案，如Liu等提出了多类型蚁群优化算法，针对多个目标冲突的利益相关者，通过不同类型蚂蚁之间的空间交互和竞争处理不同类型土地分配优化问题。粒子群算法模拟了鸟群觅食的迁移和聚集行为，则粒子的位置更新即空间化为土地利用类型的更迭，如 Li 等使用多目标粒子群算法综合考虑了用地开发和生态保护目标，对中国常州土地利用布局进行优化。蛙跳算法模拟了蛙群觅食行为，则蛙群的学习过程能够和土地利用类型的演化建立空间映射，如郭小燕等将混合蛙跳算法的学习、变异和聚拢过程，分别映射到用地栅格淘汰和用地启发式更新，并防止了空间图斑的过度破碎。
仿生智能优化模型为复杂非线性非结构化的土地利用优化配置问题求解提供了一种自上而下的寻优计算框架，但其利用纯数学隐式优化方法在空间寻优时本质是随机搜索过程，求解效率低且可能错过最优配置方案;仿生智能优化模型缺乏微观空间演变模拟能力，欠缺土地利用决策过程;土地利用优化问题具有超高维度、数据海量、计算密集的特点，智能优化模型时间和算力消耗巨大，因此学者们从以下几个方面对其进行改进:一是将土地利用领域知识融入智能优化算法中，通过提取各类用地适宜性知识、布局要求、邻域影响、部门政策等知识构建知识库，并构建规则推理机模块输出土地利用状态转换的建议，避免仿生智能优化模型陷入局部最优，如Yang 等利用自然地理和空间结构的辅助知识构建邻域搜索策略，改进了多目标土地利用优化配置的人工蜂群优化算法，获取了更高质量的帕累托前沿面。二是将不同算法进行结合，提升仿生智能优化算法在土地利用优化中的收敛效率和鲁棒性，如Liu等使用博弈算法改进了交叉变异过程，探讨了多主体微观决策下遗传算法的空间显式化问题;Mi等将遗传算法和蚁群算法相结合，使用遗传算法生成蚁群的初始位置并转换为初始信息素的分布，避免了遗传算法大量冗余迭代以及蚁群算法收敛速度慢的问题。三是将空间模拟模型与智能优化算法进行耦合，提升仿生智能优化算法局部模拟和决策能力，例如张鸿辉集成多智能体系统与遗传算法构建MAS‐GA 模型、集成多智能体系统与微粒群优化算法构建 MASPSO 模型，以优化城市土地利用配置，并以湖南省长沙市为例进行了实证应用研究;袁满等基于 MAS 模拟了公众和部门智能体的用地需求和冲突、政府智能体的决策过程，并将多主体博弈得到的用地布局方案映射为遗传算法的染色体结构，设计选择、交叉、变异智能算子完成土地利用配置迭代优化的过程;Wang 构建 CA 与蚁群算法的耦合模型，从生态视角优化了长江经济带土地利用空间布局，增强了仿生智能模型局部模拟表达的能力。四是对算法进行空间并行化改造，如彭金金提出子群并行的粒子群算法，将土地利用优化配置的时间从分钟级降到了秒级;王海军等基于线程并行的 GPU(graphics processing unit)加速架构，将非支配排序遗传算法优化用地布局的运行耗时降低 90%。
然而，现有的仿生智能优化模型所集成的领域知识仍较为单一，而机器学习等数据挖掘算法能够获取的知识规则越发丰富，如Zhao等基于神经网络模型提取土地利用主体的非线性行为规则，Wang 等从土地利用变化的历史信息中提取用地转换的历史过渡规则等，如何耦合学习模型从大数据和历史数据中提取领域知识并嵌入仿生智能优化算法的适宜度更新过程，提升面向土地利用优化配置的仿生智能寻优模型的空间显式化计算能力，是亟待解决的问题。
5)整合自然与人文效应的优化模型
为了更好地表达“自然‐人文”驱动下土地系统的综合复杂性，一些研究开始将自然或人文过程与 CA、MAS、仿生智能等模型互相嵌套，发展多尺度、多层次、多效应的综合模型，用以研究土地复杂系统演变的过程、原因、结果及效应等，进而实现不同目标下的协同优化。如徐影等基于碳吸收、碳排放、碳中和等碳测度模型划分了福建省低碳发展功能区，针对各个分区提出土地利用空间低碳优化的策略;Tang 等将生态足迹模型与土地利用优化相结合，基于生态平衡和生态服务功能最大化两个过程对中国县级土地利用结构进行了调整。此外一些学者将人文过程抽象化，构建了土地利用政策规划和土地使用主体的参与式模拟优化模型，如朱东国等基于旅游生态安全模型，在土地利用优化过程中将旅游人文响应过程量化为生态安全等级，为土地资源配置和旅游生态安全建设的耦合优化提供了思路。Tan等量化了居民、农民和政府在城市边缘区域用地转换的博弈过程，得到农民和政府在土地征用博弈中的纳什均衡解，将农民和政府在土地开发过程中的博弈行为融入土地利用模拟优化中。Liu等将历史的土地利用演变过程和未来可能的政策干预过程融入空间离散粒子群模型，构建起耦合历史信息和政策干预的土地利用优化模型，以获得政策空间显式干预下中国农村土地的用地优化布局。
相关成果为耦合土地利用中的自然与人文过程构建土地利用优化模型提供了新的推进力，但如何进一步从不同尺度和不同目标分析土地利用优化过程中水土气生等自然因素以及土地市场、政策、法规、行为人群等人文社会因素对土地利用空间优化配置决策过程的影响，空间化和定量化生物物理、碳氮循环等自然过程与社会学理论、决策主体偏好等人文过程，建立自然与人文过程多尺度、多目标、多主体协同的土地利用空间优化配置模型，是当前土地利用空间优化配置模型研究的难点。
图6 仿生智能优化结构框架
1.2.3 土地利用优化模型应用
优化模型主要服务于土地资源可持续利用与土地利用总体规划，其应用可从微观与宏观两个维度进行概括。
微观层面应用主要包括基础设施优化、区域选址优化等，例如，Li 等集成遗传算法与 GIS对中国香港医院设施进行选址优化;何晋强等基于蚁群智能算法与 GIS 的结合对广州市公共设施进行了空间优化;Neema等利用遗传算法与GIS进行多类型绿地空间的选址优化设计;Be‐heshtifar等利用NSGA‐II算法与GIS网络分析进行诊所选址优化配置;武田艳等构建多目标微粒群算法模型对公共服务设施空间配置进行了优化;钟翠萍等利用免疫算法和 GIS 优化了北京市西城区垃圾楼选址。仿生智能算法与GIS 的结合为空间点状设施布局优化提供了较好的工具，但将其应用于空间点‐线‐面融合优化研究的较少。
宏观层面应用则是进行乡镇尺度、县级尺度、市级尺度或区域尺度的土地利用优化配置研究，例如，张鸿辉等构建基于MAS系统的区域土地利用优化配置模型对湖南省长沙市开展实证应用研究;Zhang 等提出一种改进的多类型蚁群算法，并将其应用于云南省昆明市的土地利用优化配置中，发现该算法性能优于粒子群算法;刘殿锋等构建基于多目标微粒群算法的土地利用空间优化配置模型对湖北省咸宁市嘉鱼县进行了应用研究;Huang 等集成多智能体与混合蛙跳算法对天津市蓟州区土地空间结构与数量进行优化配置;王越等集合多智能体和粒子群算法构建土地利用格局优化模型对松嫩平原土地利用数量结构和空间布局进行优化配置;张孟真等基于 NSGA‐II的约束多目标土地利用优化配置模型对常州市金坛区直溪镇土地利用格局进行优化。当前模型应用研究取得了丰硕的成果，但大多集中于较小尺度地区的土地利用优化，对全国、全球等更大尺度的研究尚不多见。
2 当前研究存在的问题
2.1
自然与人文过程耦合驱动机理尚不明晰
土地利用系统的演变是水土气生等自然因素与政策、经济、人口、人的行为特征等人文因素共同驱动的复杂过程，现有土地利用复杂系统的演变驱动机制研究较多关注了自然因子与社会经济因子的驱动作用，但对“人”这一主体的特征关注不足，忽略了人的行为特征在土地利用中的重要影响，且欠缺自然与人文因素耦合交互驱动的研究，使得土地利用优化模型难以完整地反映土地利用优化配置的自然与人文耦合作用过程。
2.2
多模型嵌套的土地利用综合优化模型研究不足
土地利用优化模型中，数量结构优化方法主要调整全局的土地资源数量配置，无法解决空间分配问题;CA 模型侧重于对地理过程的学习和模拟，欠缺全局寻优能力;多智能体模型能够模拟土地利用决策主体的决策行为和偏好，但缺乏智能体与决策对象的地理环境空间联系，难以反映土地利用空间分布和演变规律;仿生智能优化算法自上而下逼近土地利用空间优化目标，但局部模拟能力差且空间化不足，土地利用优化模型欠缺结构优化、局部模拟、空间决策、全局寻优的多模块嵌套的综合计算框架。
2.3
土地利用寻优过程欠缺领域知识支撑
土地利用空间寻优内建机制往往是基于随机过程，采用随机数值搜索方式或基于主观经验作为寻优策略，缺乏空间知识与空间特征支持，难以反映土地利用空间分布和演化规律，优化配置结果不具备可推理性;土地利用空间寻优过程中用地主体的局部决策行为往往基于经验主义的线性效用函数叠加，难以反映土地利用空间优化配置过程中不同决策主体的决策行为与决策环境之间的复杂非线性关系，土地利用优化模型缺少宏观社会经济驱动、多主体交互行为特征、历史转变规则等土地利用优化配置领域知识的集成。
3 当前研究面临的挑战
3.1
如何在土地利用优化过程中考虑自然因素与人文因素耦合驱动
自然系统与人文系统在地块单元上的物质交流、循环和生产共同推动了土地利用系统的演化，表征自然与人文耦合驱动关系是土地利用优化配置建模的前提与基础。如何进一步从不同的 尺 度 层 次( 多 尺 度 )和 不 同 目 标( 多 目 标 )，分 析地形地貌、土壤、生态、水文气候等自然因素和社会经济因素以及土地市场、政策、法规、行为人群等人文社会因素对土地利用的影响，并空间化和定量化表征这一过程，揭示土地利用系统变化的自然与人文过程耦合驱动机理是未来研究的重点与难点，这将为建立自然与人文过程多尺度、多目标、多主体协同的土地利用优化模型夯实基础。
3.2
如何构建空间协同化的土地利用优化耦合模型
对土地利用单元与土地资源适宜性匹配进行空间寻优求解是土地利用优化配置建模的核心，需要综合考虑数量结构约束、局部空间决策模拟和全局空间寻优过程，建立多模块空间协同化的寻优计算框架。如何构建数量结构优化与空间布局优化的互动关系，实现空间模拟与数量结构预测的交互验证机制;如何将多目标、多层级智能体竞争协作效用函数及空间决策行为效用模型与 CA 模型的局部转换规则结合，耦合空间拓扑规律设计仿生智能优化算法的空间化编码、操作单元和算子，将 CA 空间显式的建模框架、智能体技术与仿生智能优化计算的寻优计算框架有机结合，从而建立空间显式的土地利用智能空间优化配置模型是土地利用空间优化决策迫切需要解决的问题。同时，如何更好地耦合地理模拟模型与智能算法实现空间点、线、面的统一优化，推动二维优化向三维优化迈进也是必须思考的重要问题。
3.3
如何更好地融合土地利用优化与大数据知识挖掘
计算机技术的迅速发展使得数据驱动的空间知识挖掘模型不断涌现，同时，人类对土地复杂系统也已经积累了大量认知知识，包括各类用地的空间适宜性知识、区位选择知识、主体偏好知识、政策法规知识等，为土地利用优化中的用地演化、发展潜力、空间约束等方面的规则设定提供了重要指引。空间配置演化知识和规则挖掘机器学习模型的嵌入，能够有效改进空间模拟优化和智能优化模型的微观转换规则和迭代搜索方式的随机过程，知识支持的智能计算空间寻优方法研究有望成为重要研究方向。使用机器学习、深度学习等数据挖掘算法从传统对地观测大数据、位置服务大数据(手机信令数据、浮动车轨迹数据、交通刷卡签到数据等)和用户画像大数据中挖掘区域人口分布、时空行为特征、公众意愿、利益祈求等信息，以构建土地利用优化配置辅助规则和知识图谱，为空间配置寻优提供数据挖掘获取的领域知识支持。
3.4
如何推动数字孪生支撑下的土地利用优化建模
云计算、物联网和人工智能时代背景下，集成多时点、多学科、多尺度和多概率的数字孪生技术为映射真实世界、在虚拟空间中完成仿真模拟过程提供了新思路，通过构建以物理地块为单元、时空数据为底座、优化模型为核心、土地利用领域知识为驱动的全过程数字化、智能化土地利用演变模拟与优化框架，将数字高程模型数据、土地利用监测调查数据、业务管理数据(水利部 门 、农 业 部 门 、林 业 部 门 等 )、地 理 空 间 数 据 、跨行业共享大数据归纳至统一时空参考的数据平台，满足土地利用演变的二维、三维全过程数字映射、实时仿真、智能模拟、前瞻预测的实时数据支撑;将土地利用适宜性知识、土地类型历史演化时空规律、部门管理业务规则、专家经验等领域知识集成至土地利用优化知识库，为推动数学优化模型的空间化和快速收敛寻优提供支撑。数字孪生技术将建立真实世界的土地利用演变过程与数字空间的映射关系，强有力地促进多目标、精细化、实时化、动态化的全方位土地利用优化配置研究。
4 结语
土地利用优化配置建模在理论和方法应用两个层面的研究极大地推进了土地科学的发展，相关实证研究在深入理解自然和人文地理过程耦合驱动的“人‐地”复杂关系系统、模拟土地格局演变微观过程、评估土地利用配置效益、推进多目标土地利用优化决策等方面发挥了重要作用。本文回顾了近 20 年国内外土地利用优化领域的研究，梳理了土地利用变化的驱动机制，从数量结构优化模型、空间布局优化模型和优化模型的应用 3 个方面总结了土地利用优化配置建模的主要方法及实证研究，并对未来发展面临的挑战进行了归纳，以期为突破土地利用优化科学的难点和挑战指明方向。
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
