基于MAS模型的土地利用空间优化研究方法综述

张龙飞，赵筱青，谢鹏飞

(云南大学 资源环境与地球科学学院，云南 昆明 650091)

随着城镇化、工业化进程的不断加快，土地需求与日俱增，这与土地的稀缺性和有限性形成一对发展的矛盾。而且，过分追求经济效益，忽视生态与社会效益，使土地利用结构极不合理，对国土资源的有效利用构成了严重的威胁[1]。土地利用优化是实现土地资源合理利用和区域可持续发展的重要途径和手段。科学的土地利用优化能充分发挥土地利用潜力、提高土地聚集效应、保持土地生态系统平衡，实现土地的可持续利用[2]。我国在土地利用数量优化方面理论和技术已经发展成熟，但在土地利用空间优化方面发展还不足，如果土地利用数量上的优化不能落实到空间上来，就不能最大的体现土地利用优化的价值。近年来，随着GIS、RS等空间分析技术的应用，土地利用空间格局分析的研究逐渐增多，不少学者在土地利用数量优化的基础上，进行了土地利用空间优化布局的研究。鉴于此，本文对当前土地利用空间优化研究的相关概念、理论和方法进行了梳理和回顾，重点阐述和探讨多智能体系统模型(MAS模型)在土地利用空间优化过程中的运用优势和前景，以期促进人们对土地利用空间优化研究的创新和深化。

1 土地利用空间优化的概念和方法

土地利用优化是为了达到一定的社会、经济、生态最优目标，依据土地资源的自身特性和土地适宜性评价，对区域内土地资源的各种利用类型进行合理的数量安排和空间布局，以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[3]。土地利用空间优化布局也可称为土地利用空间优化配置，即根据特定的规划目标，依靠一定的技术手段，在时空尺度上，对区域内土地的利用结构、方向进行系统的安排、设计、组合和布局，并得到由点、线、面、网组成的多目标、多层次、多类别的土地利用空间配置方案，综合比较得到土地空间配置方案的经济、社会和生态效益，最终确定目标效益最优的方案的过程[2]。

土地利用空间优化是一种复杂的多目标的空间优化问题，认识复杂系统的方法包括实验观察、理论解释、以及模型模拟。对于土地变化科学而言，模型模拟是认识土地系统复杂性的重要方法[4]。因此本文把当前土地利用空间优化配置的方法归为4类：数理统计模型、CLUE-S模型、元胞自动机模型和MAS模型。

数理统计模型是一种简单的数学模型，是在一组线性约束条件下求线性目标函数最大值或最小值(如土地利用效益最大或成本最小)的方法。模型自上而下进行模拟，着眼于区域整体状况，层层分析到具体的土地利用单元，以得到一系类的最优解，主要包括线性规划模型、灰色线性规划模型、多目标规划模型。刘彦随指出在一定生产力条件下，对于如何在区域各产业间、部门间合理分配有限的土地资源这类宏观配置问题，线性规划模型比较理想[5]。但是模型偏重于土地利用上数量结构的优化，空间上优化不足，往往是根据学者的经验来分配优化后的数量结构在空间上的布局；多是一种静态模型，土地利用系统复杂多变，往往求出来的结果不符合现实情况，且该类模型不能反映土地利用空间的变化过程，也不能把土地利用主体的行为考虑进去。

CLUE-S模型也是一种自上而下的模型，该模型是将线性规划模型、专家经验知识和GIS相结合的定量化土地利用系统分析方法。2002年Verburg等对CLUE模型进行了改进，提出了适用于区域尺度土地利用/覆被变化研究的CLUE—S模型。该模型兼顾了土地利用系统中的社会经济和生物物理驱动因子，并在空间上反映土地利用变化的过程和结果，具有很高空间模拟的可信度[6]。但是CLUE-S模型采用从宏观角度层层向下分析的建模思维，缺乏土地利用时空演变机制的分析，而且对驱动因素和参数变化要求十分高，要求研究者对案例区的土地利用变化特点有深入的把握，限制了模型的进一步推广应用[7]。

元胞自动机模型(CellularAutomata)是通过局部规则转换的运算来模拟空间上离散、时间上离散的复杂性现象的模型，从局部的微观土地利用变化决策过程着眼，推算出宏观的土地利用空间优化变化，是一种自下而上的模型。元胞自动机模型通过设定元胞的转换规则和邻域函数，很好的阐述了土地利用类型在空间上的演变过程，基于元胞的智能性来揭示土地利用方式的转变原因，客观性和科学性大大提高，但对于影响元胞转变的自然和人文因素以及土地利用主体的考虑不足，影响模型模拟的真实性。黎夏等把CA和Agent结合起来研究城市土地利用空间优化问题[8]，很好的解决了元胞自动机模型这方面的不足。

MAS模型是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统，也是一种从微观的角度来研究宏观问题，属于自下而上的模型。在土地利用空间优化过程中，MAS模型从土地利用的主体出发，选择影响土地利用空间优化的驱动因素，来抽象定量化表达智能体的行为准则，利用智能优化算法来选择土地利用类型在空间上的演变过程方案，并在多目标函数及约束条件下判断土地利用空间优化方案的优劣性，很好的解决了土地利用空间优化配置过程中土地利用主体、土地利用环境、土地利用类型这三个最主要的问题在空间上演变。袁满、刘耀林把MAS模型与遗传算法结合在一起研究区域土地利用空间优化过程，设计智能体选择、交叉、突变三种情景，很好的阐述了智能体之间的相互交流和影响，而且缩短了模型运行的迭代次数，理论和现实意义突出[9]。

对于地理科学来说，土地利用变化是一个复杂开放的时空系统，是人地关系的结果，只有从土地利用的主体出发，才能科学的揭示土地利用演变的过程、原因及结果。从这个角度出发，MAS模型正好能提供理论和技术的支撑，解决了数理统计模型、CLUE-S模型、元胞自动机模型中土地利用主体考虑不足的问题，使得MAS模型在土地利用空间优化方面更具有优势。

2 MAS模型

2.1 MAS模型简介

MAS模型是复杂适应系统理论、人工生命以及分布式人工智能技术的融合，其“自下而上”的研究思路、强大的复杂计算功能和时空动态特征使得它在模拟空间复杂系统的时空动态方面具有非常突出的优势[10]。MAS模型可以看作是由多个智能体(agents)组成的系统，这里智能体代表具有相同属性的一类人或者结构，而不是单个的个体，智能体在相同的环境受到环境的影响并相互作用，通过各自的行为改变对象和周边环境。系统组成元素可归纳为：智能体、行为、对象、环境(见图1)。

图1 智能体系统的结构图

在土地利用空间优化配置中，智能体代表存在于地理空间中土地利用实体，如土地经营者、土地政策制定者等。在研究城市土地利用空间优化尺度上讲，智能体一般为政府、居民、农民、开发商；在区域土地利用空间优化的尺度上讲，智能体的选择具有层次性，宏观层次为政府，中观层次为土地利用组织部门，微观层次为公众。这些智能体并不占据地理空间单元，而是参与土地利用决策过程，从这个角度讲MAS模型实际上是一个土地利用的空间行为决策模型。

政府作为宏观决策主体，其行为主要为确定土地利用战略方向，制定土地利用控制指标，实施空间管制措施；各部门组织土地利用功能分区，进行部门用地布局规划；公众(居民、农民、开发商)根据个人利益需求，选择具体土地单元空间配置行为。

MAS模型中的对象是指具体的土地利用类型，如交通用地、居住用地、商业用地、农用地、水域等。环境是指具体研究区域的人文环境和自然环境，特别是影响土地利用类型在空间上配置的环境因素。研究区域和研究的空间尺度不同，土地利用类型的选择及环境因素的选择也不同。

2.2 MAS模型的建模架构

建立多智能体模型的关键问题是如何对Agent行为进行适当的抽象与描述，说明各类Agent是如何探测外部信息并对此作出反应以及外部信息如何影响Agent之间的选择行为。因此在土地利用空间优化配置过程中，MAS模型主要有三方面构成：多目标函数及约束条件，智能体行为准则的选择和定量化表达，智能体在空间上的优化算法表达(见图2)。

土地利用空间优化是一个多目标的选择，除了追求土地利用的经济最大化外，其生态效益和社会效益也越来越受到人们的关注，这也与土地利用的可持续发展理念符合。因此在土地利用优化建模过程中，首先要设置多目标函数及约束条件，并用线性函数进行定量化表达。经济效益一般是求土地利用经济产出最大化，比如求各地类单位面积上的国内生产总值与各地类的面积的乘积最大化；生态效益主要是从空间优化配置对土地利用生态系统服务功能和生态环境友好程度的影响体现，不同的学者设置的生态效益目标函数不同，例如求取各土地利用地类的环境兼容系数最大和固碳量最大；社会效益经常选取最大化区域土地集约节约程度作为量化指标，即某一地类邻域内相同地类的数量最大。约束条件一般分为数量约束和空间约束，数量约束是指土地数量在优化过程中的供需平衡；空间约束是指土地利用在空间集聚方面不能低于特定的指标，或者是保护性用地不能发生转变。

图2 MAS模型的建模框架图

研究对象研究者时间主要内容和方法城市Parker[11]2003依据元胞自动机和智能体优势,介绍了多智能体系统模型在土地利用/覆被变化中的应用,其目标是创造微观的LUCC模型现象,关注土地利用/覆被变化中人文环境的交互和影响。城市Arend[12]2004分析多智能体的信仰和偏好,得出智能体的行为决策与土地利用类型在空间上的关系,建立智能体的行为决策模板,进而构建智能体参与的土地利用类型在空间上分配的MAS模型。农村Castella[13]2005概述了政府政策变化下农民的行为在土地利用和环境演变中的作用,基于家庭调查和遥感数据,利用多智能体系统进行仿真模拟,解释了在土地所有权政策变化下土地利用系统多样性之间的交互和土地利用的动态变化。城市杨青生[8]2005将Agent引进元胞自动机模型中,在元胞自动机模拟土地利用变化自然性、连续性规律的基础上,将Agent的人为性、不确定性加入到模型模拟中,对CA模型中以随机数体现的不确定性通过Agent给予地理意义的解释。城市刘小平[14]2006模型由相互作用的多智能体层、元胞自动机层和环境因素层组成,可方便地探索不同土地利用政策下城市土地利用发展情景,能够为城市规划提供有用的决策依据。城市刘小平[15]2006模型是由相互作用的环境层和多智能体层组成,旨在探索城市中居民、房地产商、政府等多智能体之间,以及多智能体与环境之间的相互作用而导致城市空间结构的演化过程。城市古琳[16]2007综合利用GIS的空间分析功能和Agent模型的复杂系统模拟预测功能,尝试解决土地利用变化的模拟预测问题,以期对科学制定城市与区域规划有所裨益。农村Parkb[17]2008模型框架有四部分组成:一是定义农户的土地使用决策的具体行为模式;二是土地利用系统的景观环境描述与属性介绍,代表作物和森林产量的动态变化以及土地利用/覆盖变化对家庭行为和自然约束;三是选择对土地利用影响重大的政策因;四是家庭、家庭环境和政策信息纳入土地利用决策主体的决策过程。城市张鸿辉[18]2008以多智能体系统理论为基础,建立城市土地资源时间和空间配置规则,构建动态描述影响城市土地扩张的智能体间互动关系的城市土地扩张模型。城市聂云峰[19]2009为动态模拟城市土地利用变化,以复杂适应系统理论为基础,通过集成多智能体、GIS和元胞自动机建立城市发展模型。城市刘小平[20]2010提出了基于多智能体的居住区位优化选择模型,模型由表征各类居民的多智能体层和表征地理环境的元胞自动层组成,对应人地关系中的两个基本要素———人类与自然环境。城市张鸿辉[21]2011在多目标函数及约束条件下,构建了应用于城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法,开展了基于该算法的城市土地利用空间优化配置应用研究。城市符蓉[22]2012运用典型相关分析、Logistic回归分析等方法设计智能体的行为规则,综合权衡地块的转换概率,智能体在自身行为之余,还进行智能体之间、智能体与环境层的交互,用来模拟人类对土地利用变化的决策行为。城市Behzadi[23]2013从人的信仰、愿望、意图出发,考虑智能体的行为方式,并与地理信息系统(GIS)结合,建立新型的MAS模型来研究城市土地利用规划的空间规划,区域张云鹏[24]2013从政策特征因子、全局特征因子和空间特征因子3个方面构建土地利用情景特征因子体系,并设定快、中、慢3种经济社会发展条件下的土地利用情景,运用多智能体建模方法构建基于主体的土地利用优化模拟模型。城市Prunetti[25]2014把元胞自动机模型归纳到MAS模型下,土地利用/覆盖变化通过元胞自动机模型表示,建立研究土地利用空间优化的新型MAS模型。区域袁满[9]2014将多智能体在空间决策行为与遗传进化算子相结合,构建基于多智能体遗传算法的土地利用优化配置模型,促进区域土地利用数量结构与空间布局向可持续方向发展。

智能体行为准则的选择和定量化表达是MAS模型的核心部分，是从人的角度选择土地利用方式的驱动因子的过程。针对智能体行为准则的因素选择，根据研究区条件的不同，因素选择也不同，当前的研究并没有统一的标准，但是都要包括人文因素和自然因素。利用logistic回归分析得出土地利用驱动因子和土地利用类型的线性函数，来进行空间上优化的定量化表达。这个过程实际是在土地适宜性评价基础上进行土地利用空间优化的过程。

智能体在空间上的智能优化算法表达是阐释多个智能体在空间上自治性、智能性、主动性选择优化方案的过程，解决了智能体之间在空间上相互交流和影响的复杂问题。智能优化算法常用的有遗传算法、微粒群算法、蚁群算法，它们具有开放性大、效率高、问题优化求解能力强的特点，对整个模型的运行和求解十分重要。

MAS模型对用地类型的空间优化决策过程可以看作是智能体在参考多个土地利用驱动因子的基础上，对用地单元进行空间选择以追求个体极值用地效用的过程。MAS模型用来模拟参与土地利用空间优化的决策主体行为准则，智能优化算法在多智能体的辅助下，计算得到最优的区域土地利用空间配置方案。多智能体的目标与约束构成了模型的目标体系与约束体系，并转化为智能优化算法的适应度函数，以指导生成最优的土地利用配置方案，实现区域土地利用的经济、社会、生态效益最大化。

3 基于MAS模型的土地利用空间优化研究方法进展

利用MAS模型来研究土地利用空间优化配置，是近几年土地利用变化科学的研究新点、热点，起初学者主要是利用MAS模型来研究土地利用变化的模拟和预测，研究多以城市土地利用为对象，研究方法已经很成熟，其实这里面已经包含了在土地适宜性评价基础上的土地利用空间优化的设计，在此基础上许多学者明确提出应用MAS模型进行土地利用的空间优化配置(见表1)。

从上述不同年代的研究文献来看，MAS模型在土地利用空间优化的运用是一个逐渐发展完善的过程。以研究对象的空间尺度变化来看，从农村到城市，再到区域，MAS模型的适应空间范围越来越广泛；智能体的选择也从具体的政府、居民、农民到具有区域层次性的政府、各用地部门，公众；智能体的行为表达从定性的描述到定量的智能化的优化算法转变。线性规划模型的多目标函数及约束条件引用解决了MAS模型在实现土地利用空间优化过程中的土地数量供需平衡问题；元胞自动机模型和GIS的加入更明晰的阐述了土地利用空间优化的微观空间演变过程。

4 结论与展望

土地利用空间优化的方法有很多，各有优点和缺点，利用模型进行土地利用空间优化研究是未来的发展趋势，从单向、静态的模型到双向、动态的模型发展是主流方向。MAS模型从土地利用的主体出发，解决了数理统计模型、CLUE-S模型、元胞自动机模型不能考虑从土地利用主体来进行土地利用空间优化的问题。在多目标函数和约束条件、智能优化算法、元胞自动机及GIS的协助下，实现土地利用类型在土地利用空间上的优化配置，科学的阐释了土地利用空间优化复杂开放的过程，可以看出未来的MAS模型应该是走融合这几种方法的发展道路。

在研究区域选择上，MAS模型在土地利用空间优化的运用主要集中在城市和东中部平原地区，山区土地利用空间优化很少涉及。我国的土地后备资源主要集中在西部山区，山区土地利用空间优化的研究更有利于我国土地利用效率的提高。山区土地利用类型在空间上布局主要取决于土地利用主体的选择行为，因此MAS模型在山区土地利用空间优化的应用研究，既是新的值得探讨研究的方向，也有重要的社会、经济、生态价值。

参考文献：

[1]张前进，李笑笑.土地利用结构优化配置方法研究综述[J].天津城市建设学院学报，2013，19(1)：10-15.

[2]罗鼎，许月卿，邵晓梅.土地利用空间优化配置研究进展与展望[J].地理科学进展，2009，28(5)：791-797.

[3]李 超，张凤荣，宋乃平.土地利用结构优化的若干问题研究[J].地理与地理信息科学，2003，19(2)：20-25.

[4]余强毅，吴文斌，唐华俊，等.复杂系统理论与Agent模型在土地变化科学中的研究进展[J].地理学报，2011，66(11)：1518-1530.

[5]刘彦随.土地利用优化配置中系列模型的应用——以乐清市为例[J].地理科学进展，1999，18(1)：26-31.

[6]VerburgP.H，SoepboerW，VeldkampA.Modelingthespatialdynamicsofregionallanduse：theCLUE-Smodel[J].EnvironmentalManagement，2002，30(3)：391-405.

[7]邓祥征，林英志，黄河清.土地系统动态模拟方法研究进展[J].生态学杂志.2009，28(10)：2123-2129.

[8]杨青生，黎夏，刘小平，等.基于Agent和CA的城市土地利用变化研究[J].地球信息科学，2005，7(2)：78-81.

[9]袁满，刘耀林.基于多智能体遗传算法的土地利用优化配置[J].农业工程学报，2014，30(1)：191-199.

[10]ChebeaneH，EchalierF.Towardstheuseofamulti—agentseventbaseddesigntoimprovereactivityofproductionsystem[J].Computers&IndustrialEngineering，1999，37：9-13.

[11]ParkerDawnC，MansonStevenM.Multi-AgentSystemsfortheSimulationofLand-UseandLand-CoverChange[J].AnnalsoftheAssociationofAmericanGeographers，2003，93(2)：314-337.

[12]LigtenbergArend，WachowiczMonica.Adesignandapplicationofamulti-agentsystemforsimulationofmulti-actorspatialplanning[J].JournalofEnvironmentalManagement，2004，72(1/2)：43-55.

[13]Castella，Jean-Christophe.Agrariantransitionandlowland-uplandinteractionsinmountainareasinnorthernVietnam：applicationofamulti-agentsimulationmodel[J].AgriculturalSystems，2005，86(3)：312-322.

[14]刘小平，黎夏，艾彬，等.基于多智能体的土地利用模拟与规划模型[J].地理学报，2006，61(10)：1101-1112.

[15]刘小平，黎夏，叶嘉安，等.基于多智能体系统的空间决策行为及土地利用格局演变的模拟[J].中国科学D辑，2006，36(11)：1027-1036.

[16]古琳，程承旗.基于GIS-Agent模型的武汉市土地利用变化模拟研究[J].城市发展研究，2007，14(6)：47-51.

[17]SooJinParkb，Land-UseDynamicSimulator(LUDAS)：Amulti-agentsystemmodelforsimulatingspatio-temporaldynamicsofcoupledhuman-landscapesystem[J].EcologicalInformatics，2008，3(2)：135-153.

[18]张鸿辉，曾永年，金晓斌，等.多智能体城市土地扩张模型及其应用[J].地理学报，2008，63(8)：869-881.

[19]聂云峰，陈红顺，夏斌，等.基于多智能体与GIS城市土地利用变化仿真研究[J].计算机应用研究，2009，26(7)：2613-2616.

[20]刘小平，黎夏，陈逸敏，等.基于多智能体的居住区位空间选择模型[J].地理学报，2010，65(6)：695-707.

[21]张鸿辉，曾永年.城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法[J].武汉大学报，2011，36(8)：1003-1007.

[22]符蓉，濮励杰，钱敏，等.区域土地利用变化情景模拟设计与实证分析——基于多智能体系统(MAS)模型[J].资源科学，2012，34(3)：468-474.

[23]Behzadi，Saeed.Introducinganovelmodelofbelief-desire-intentionagentforurbanlanduseplanning[J].EngineeringApplicationsofArtificialIntelligence，2013，26(9)：2028-2044.

[24]张云鹏，孙燕，陈振杰，等.基于多智能体的土地利用变化模拟[J].农业工程学报，2013，29(4)：255-265.

[25]Prunetti，Dominique.Utility-basedMulti-agentSystemwithSpatialInteractions：TheCaseofVirtualEstateDevelopment：AStochasticSimulation-basedModelingApproach[J].ComputationalEconomics，2014，43(3)：271-299.