基于多智能体的城市生态保护红线多情景模拟

蒋思琦，何建华（武汉大学资源与环境科学学院，武汉430079）

基于多智能体的城市生态保护红线多情景模拟

蒋思琦，何建华*
（武汉大学资源与环境科学学院，武汉430079）

生态红线划定是城市可持续发展的基础，目前的生态红线划定主要采用国家生态红线划分标准来进行，没有考虑与城市建设用地空间的相互协调，为了解决这一问题，以多智能体系统理论为基础构建“城市建设用地—生态保护红线”协调的决策模型，协调城市建设发展与生态环境保护的现实需要，确定不同保护和发展模式下的城市生态红线。以鄂州市作为研究区域进行实验，模拟了不同生态保护模式下的生态保护红线划定情况，结果表明在生态红线划定中考虑多主体的决策因素有助于协调优化城市生态环境保护与城市发展的矛盾。

多智能体；生态红线；协调发展；多情景模拟

1　引言

划定城市生态保护红线是维持生态系统服务功能的重要举措，是城市可持续发展的基础，其目的在于合理配置城市土地资源，协调生态保护与城市开发活动间的关系，保障城市生态系统的健康发展。生态保护红线划定需要定量化的模型方法为支撑［1，2］。

目前的城市生态保护红线划定方法，大多依据生态红线划定目标和统一的划定标准，从城市生态系统本身来考虑，建立包含生态功能、敏感性、脆弱性等的指标体系［3，4］，但都没有从城市空间划分的整体角度出发，未考虑影响土地利用变化的多主体决策及其行为，缺少与城市建设发展的相互协调，因此无法体现不同主体对生态空间的需求，难以实现多种约束条件下的城市生态红线划定［5］。

不同于上述模型，多智能体模型主要基于自下而上的建模方式，通过所构建主体之间的相互作用，在土地变化模拟过程中考虑多主体决策因素的影响，体现出复杂决策过程在用地变化过程中的作用［6-8］。多智能体方法能够从微观层面，考虑人与人、人与生态环境之间的交互作用，体现城市规划中多主体行为的影响因素［9-12］。城市地理空间作为一个复杂系统，其动态变化和复杂程度受到城市空间中不同主体行为及主体之间相互作用的影响。因此，将多智能体系统引入生态红线划定模型中，模拟不同保护模式下，生态用地的空间分布。通过不同保护情景的模拟，协调城市扩展与生态保护，实现在结合城市发展需求的同时，保证城市生态安全。

2　基于多智能体的生态红线协调划定模型

2.1模型概述

本文中将多智能体模型与元胞自动机结合，对生态保护用地进行模拟。模型主要包含了环境系统、对生态用地有着不同需求的多智能体及反应生态用地变化规律的逻辑回归模型，如图1所示。环境系统是多智能体以及土地利用单元所处的自然环境，多智能体模型由环境系统和Agent系统两部分组成，借助GIS的叠加分析实现土地适宜性评价，根据不同类型Agent在城市土地利用变化过程中的角色设计行为规则，通过Agent系统中不同类型Agent之间、Agent系统与环境系统之间的交互实现生态用地选择模拟。建立多智能体模型的关键问题是如何对Agent进行适当的抽象与描述，说明各类Agent是如何接收外部信息并根据信息筛选做出行为选择以及外部信息对各Agent之间的相互关系的影响。在本研究中，主要考虑三类Agent及其决策行为，这三类Agent分别是政府Agent、居民Agent、环保主义Agent。当面向不同的生态保护模式（如加强生态保护或侧重发展经济）时，三类Agent均通过调整相应决策变量的权重影响生态用地转化的概率，最终通过联合决策确定研究区域的生态保护范围。

模型中包含了政府规划、公众参与等多主体因素，体现了人的活动对城市生态系统的影响，不仅仅就生态系统本身来进行评价和选择，增强了生态红线划定的合理性。在环境系统和多智能体决策行为设计中，考虑了城市建设用地与生态保护用地的相互协调与约束。

图1　基于多智能体的生态红线协调划定模型

2.2多智能体行为及属性

2.2.1政府Agent决策规则

在多智能体模型中，政府是一类特殊的Agent。它不具备空间属性，是通过制定土地利用规划对城市用地进行宏观数量控制与空间布局。本文采用具有法律效应的近期建设规划作为政府Agent对城市用地布局的偏好。

政府Agent依据现状土地利用数据制定了近期规划，那个每个土地单元（i，j）受到规划影响而产生的状态变化为：

其中ST2pi，j为土地单元（i，j）在T2时刻土地利用规划状态，ST1i，j为土地单元（i，j）在T1时刻土地利用现状。当土地利用规划要求土地利用单元状态发生转化时，政府Agent的对每个土地单元的偏好也会发生相应的改变。根据上述规则，政府Agent对土地单元（i，j）的选择概率可表示为：

2.2.2居民Agent和环保主义Agent决策规则

居民Agent代表着具有寻求更好居住条件和生态环境条件的有独立思考能力和行为能力的个体，随着居民经济能力和对居住环境要求的提高，政府在选择建设居住区时越来越多的考虑了城市居民的选择意愿。本文沿用了张鸿辉等提出的微观Agent决策行为及其属性的研究方法［6］。

居民Agent和环保主义Agent做出决策的过程可以通过BDI（Belief-Desire-Intention）框架来描述：具有观察、感知、产生土地利用偏好等行为，在城市规划过程中，他们将根据其空间诉求表达某种特定的期望，这些期望决定了他们在城市空间系统中的观察内容，其观察结果称为事件，而通过感知与评价这些事件，居民Agent和环保主义Agent将形成自己的感觉，这种感觉与城市空间系统的状态直接相关。土地利用偏好决定着Agent选择的过程和结果，根据随机效用模型，居民Agent和环保主义Agent对土地单元（i，j）的选择概率为：

其中U（i，j，t）为智能体在单元（i，j）上的效用函数，Sijt为该单元上的土地利用适宜性。

2.3Logistic回归模型

未来生态用地空间布局通过logistic回归模型来进行模拟，转化概率越高，土地单元进入政府规划区域的可能性越大。模型中一个土地利用单元（i，j）在t+1时刻转变为生态用地的概率由该单元及其邻域在t时刻的状态所决定，状态转换的规则如以下公式所示：

其中PLogistic为逻辑回归概率，Pnei为邻域影响概率，Pran为随机影响概率，Ptij为综合转换概率。

2.4多智能体联合决策

在本文中生态用地保护范围由政府Agent、居民Agent、环保主义Agent共同选择决定。在每一类Agent的独立决策行为的基础上，建立一个表征土地利用单元转化概率的公式，通过加权求和将联合决策的城市用地转化概率表示为：

其中，p1、p2、p3、p4分别为政府Agent、居民Agent、环保主义Agent的用地选择概率以及Logistic回归模型的综合转换概率。在不同城市发展情景下，每一类Agent的决策行为对结果有着不同影响。

3　鄂州市生态红线划定多情景模拟

3.1研究区概况

本文选择鄂州市作为生态红线划定的研究区域，鄂州市湖泊众多，淡水资源丰富，其中梁子湖水面面积广阔，被列为全国生态文明示范区，生态保护是鄂州市发展的重要任务之一。研究数据包括地理信息，社会经济统计等多种数据。地理信息数据包括2004年，2013年鄂州市土地利用现状，鄂州市土地利用总体规划（2009-2020年）等。

图2　鄂州市2004年、2013年土地利用现状图

3.2数据处理

政府Agent对生态用地的选择偏好可以用土地利用规划中生态用地变化来表示，根据公式（1）和（2），政府对土地单元的期望为：生态保护用地应考虑规划新增生态用地。

居民Agent对城市生态用地期望的形成过程包括：观察可能用于生态的土地利用单元；计算土地利用单元距已有工业区的距离、分析其交通及休闲娱乐等基础设施条件；根据权重，综合对用地集聚程度、休闲娱乐设施条件的期望（表1），得到对环境系统的观察结果，即为事件分布。图3为居民Agent通过观察将其对应的期望映射而成的环境观察事件。

环保主义Agent对生态保护用地的期望由距自然保护区、水源保护地、重要湖泊以及生态林地的距离来体现。图4为环保主义Agent通过观察将其对应的期望映射而成的环境观察事件。

采用Logistic回归模型模拟生态保护用地变化与空间布局，回归考虑的空间变量有：距市中心距离（X1）、距镇中心距离（X2）、据铁路距离（X3）、据主干道距离（X4）、据主要水系距离（X5）。除了距离变量，在预测时同时还考虑了生态用地邻域密度及空间约束条件。

3.3情景设置及结果分析

鄂州市在不同生态保护模式和城市发展模式下，生态保护红线的划定结果不同，具体设计了以下三种情景。

图3　居民Agent期望映射为事件制图

情景一：无明显保护，城市自然增长，优先发展经济，不对城市发展范围做要求。城市处于高速发展的状态，并且不做太多控制的任其发展。在这种情况下，相关的外部驱动力量的状态包括：对环境保护程度不高，对景观生态区执行最低限度的保护，而且对城市扩张也不进行控制。需求增加建设用地时，可以任意将非建设用地转化为建设用地。同时，在城市发展过程中，以追求经济效益为主要目的，因此优先规划工业区。但是，政策方面对城市发展不做任何限制。

表1　Agent类型及其期望

图4　环保主义Agent期望映射为事件制图

情景二：适度保护，在满足一定发展要求的前提下，政府加强对生态用地的保护，保护重要生态节点，对城市发展有一定的限制作用。保护城市生态系统的基本功能不遭到破坏。

情景三：严格保护，优先保护生态用地，严格限制城市用地的扩张，以保证城市生态系统功能的完善为主要发展目标。将鄂州市的水生态文明建设作为城市发展的主导方向，大力发展以梁子湖生态文明示范区为核心的生态产业。除了主要节点的保护，还要加强生态节点之间的生态廊道建设，形成完整的生态网络。

生态保护用地选择由客观因素和的主观选择决定，客观因素与主观选择的权重设置为（0.35，0.65）。主观因素包括政府规划指导、居民和环保主义者的生态用地偏好，三者的权重设置为（0.25，0.15，0.25）。

图5　鄂州市生态保护红线情景模拟结果

如图5所示，情景一、二、三下，生态保护红线面积分别为377.26km2、416.69km2、507.18km2，情景三中生态保护范围明显大于其他两种情景，同时城市发展则明显慢于其他两种情景，这是由于情景三中生态环境保护力度最大，从而限制了生态用地向城市建设用地的转化。情景一优先发展城市经济，城市用地数量增长最快。情景一和情景二中城市生态用地的数量相差为39.43km2，情景二和情景三中数量相差为90.49km2。进一步分析三种情景下生态保护用地类型的组成，将总面积分为水域生态红线面积及陆域生态红线面积，则三种情景水域生态红线面积分别为286.24km2、317.41km2、341.15km2，分别占总生态保护红线面积的75.87％、76.17％和67.26％。由此可见三种情景下生态红线中水域面积为最主要的组成部分，这是由于鄂州市水域面积广阔而山地林地面积较小，这一特点能够保证在生态保护红线划定的同时为城市用地扩展留出一定的陆域空间。

4　结论与讨论

多智能体模型能够模拟多主体的决策行为，本文所述的基于多智能体的城市生态保护红线模拟模型，考虑了政府、居民、环保主义者三类Agent与土地利用规划或用地诉求相关的属性和决策行为，根据不同智能体之间、智能体与环境之间的相互作用模拟了城市发展空间和生态空间的变化，实现了不同社会发展目标（如生态环境保护或经济发展）下的城市生态保护红线划定。当社会发展目标发生变化时，可以通过调整相应Agent的决策变量权重计算土地利用类型转换概率。

以鄂州市全域为例，根据不同的城市生态保护力度和城市社会经济发展目标，设置了无明显保护、适度保护和严格保护三种目标情景，模拟了相应的城市生态保护红线范围。模拟结果表明，在城市化进程中受城市建设用地增长的影响，维持生态系统重要功能的土地类型会向其他用地类型发生转化。由于情景一中优先考虑经济发展，对生态环境无明显保护，城市生态用地退化速度大于情景二、三，并且城市生态保护规模最小而城市建设用地规模最大。由于加强重要生态节点保护和生态廊道建设，情景三的城市生态用地退化速度慢于情景一、二，城市建设用地增长受到更多的限制。在三种情景下，重要湖泊河流的核心区域都被划入城市生态红线保护范围，说明了水生态环境保护对于鄂州市城市生态文明建设的重要性。同时，从生态保护红线范围的情景模拟结果可以发现，位于城市开发区扩展范围内的小型湖泊、坑塘水面以及部分破碎化的林地易受城市增长的影响而退化，导致生态节点之间无法通过天然的生态廊道相连接，城市生态系统的网络结构受到破坏。因此，生态保护红线的划定要加强生态廊道建设，使得受保护的生态节点能够在生态系统中有效的发挥其生态功能。

该模型体现了城市空间划分过程中人与人、人与环境间的相互作用，考虑了多主体的决策行为，能够有效协调生态环境保护与城市经济发展之间的用地矛盾，但是模型中未考虑耕地保护红线对于城市空间划分的影响，下一步应将其作为研究重点。

［1］肖琳，田光进，乔治.基于Agent的城市扩张占用耕地动态模型及模拟［J］.自然资源学报，2014，29（03）：516-527.

［2］Ligtenberg A，Wachowicz M，Bregt A K，et al.A design and application of a multi-agent system for simulation of multi-actor spatial planning［J］.Journal of Environmental Management 72（2004）1-2，2004，72（1-2）:43-55.

［3］李建龙，刚成诚，李辉，等.城市生态红线划分的原理、方法及指标体系构建—以苏州市吴中区为例［J］.天津农业科学，2015（02）：57-67.

［4］Le Q B，Park S J，Vlek P L G，et al.Land-Use Dynamic Simulator（LUDAS）:A multi-agent system model for simulating spatio-temporal dynamics of coupled human-landscape system.I. Structure and theoretical specification［J］.Ecological Informatics，2008，3（2）:135-153.

［5］黄焕春，运迎霞，苗展堂，等.城市扩展影响下生态系统服务的多情景模拟和预测—以天津市滨海地区为例［J］.应用生态学报，2013，24（03）.

［6］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，2009，63（8）：869-881.

［7］张在志，孙毅中，陆艺，等.规则约束的南京市用地布局多情景模拟［J］.测绘科学，2014（05）.

［8］陈海，王涛，梁小英，等.基于MAS的农户土地利用模型构建与模拟—以陕西省米脂县孟岔村为例［J］.地理学报，2009，64 （12）：1448-1456.

［9］王祺，蒙吉军，毛熙彦.基于邻域相关的漓江流域土地利用多情景模拟与景观格局变化［J］.地理研究，2014，33（6）：1073-1084.

［10］谢中凯，李飞雪，李满春，等.政府规划约束下的城市空间增长多智能体模拟模型［J］.地理与地理信息科学，2015，31（2）：60-64.

［11］李少英，黎夏，刘小平，等.基于多智能体的就业与居住空间演化多情景模拟—快速工业化区域研究［J］.地理学报，2013，68（10）：1389-1400.

［12］甘喜庆.基于约束logistic-CA模型的城市扩张空间形态研究［D］.中南大学，2008.

（2016-01-11收稿刘晓佳编辑）

Multi scene simulation of urban ecological protection red line based on Multi-agents model

JIANG Si-qi et al
（School of resources and Environmental Sciences，Wuhan University，Wuhan 430079，China）

Ecological red line is the basis for sustainable urban development，the current ecological red line delineated mainly by the national standard to carry out the red line，there is no consideration and coordination of urban construction land space，in order to solve this problem，based on the multi agent system theory to build urban construction land ecological protection red line coordinated decision-making model，to determine the actual needs of urban construction and ecological environment protection，to determine the different protection and development model of urban ecological red line.Taking Ezhou city as the research area to carry out the experiment，the delineation of ecological protection red line under different ecological protection mode was simulated. The results showed that the decision factors of multi subjects were helpful to coordinate and optimize the urban ecological environment protection and urban development.

multi-agents model；ecological red line；coordinate development；Multi scene simulation

X820

A

1003-7853（2016）01-0016-05

国家自然科学基金资助项目（4147339）

蒋思琦（1991-），女，湖北荆州人，硕士研究生。研究方向：土地利用与土地覆盖变化。

何建华，男，教授，博士生导师。