耦合MOP-FLUS模型的滇中城市群“三生”空间格局优化

赵寿露， 李石华， 许新惠， 李应鑫， 杨文仙， 邱利丹

(1.云南大学 地球科学学院, 昆明 650500; 2.云南省基础地理信息中心,昆明 650034; 3.云南师范大学 旅游与地理科学学院, 昆明 650500)

三类空间(生态-生活-生产，简称“三生”)作为国土空间研究范式，既反映了区域土地利用结构，也反映了国土空间代表性功能，它们之间紧密相连，相辅相成。“三生”空间格局变化对区域的生态环境和社会经济产生重要影响。因此，实现“三生”空间格局优化，提高区域内国土空间利用效率，有助于区域发展定位和厘清发展重点与方向，从而实现国土空间有序多元化发展。

近年来，“三生”空间优化协调问题备受研究者青睐。相关学者围绕“三生”空间的结构以及布局优化问题，从评价方法创新[1-7]、模型耦合优化[8-17]、设定算法体系[18-23]等方面入手开展了大量研究。在功能划分评价分析方法创新中[1-7]，孙丽娜等[6]从“三生”空间视角出发，运用景观指数法以及GIS空间分析法对研究区域“空间”的现状进行分析，最终得到土地利用优化布局方案。孔卫鹏[7]通过指标分析法与加权叠加各因子的方法对资源型城市进行适宜性评价，最终获取分值比较获取“三生”空间优化结果。在模型耦合优化创新中[8-17]，基于模型构建的优化配置方法主要有多智能体系统[13]、元胞自动机(CA)[14]和人工神经网络模型(ANN)[15]等。如林伊琳等[16]通过耦合MCR模型、FLUS模型以及Markov模型，实现了研究区域的“三生”空间格局优化方案。曹帅等[17]通过探索“结构+约束+布局+准则”定式，利用GeoSOS-FLUS与MOP模型对研究区域内的土地利用结构调整以及空间布局进行了优化。在算法支持体系研究中[18-23]，优化配置方法主要有遗传算法(GA)[18]、蚁群算法(ACO)[19-20]、粒子群算法(PSO)[21]、人工蜂群算法(ABC)[22]等。如龚媛[21]通过设置ESV值最大化，设置土地适宜性最大化等目标构建LUOA的MOP模型，并且在此基础上运用PSO算法，实现了研究区域土地数量结构调整与空间布局优化研究。耿瑞雪[23]基于蚁群算法(ACO)构建模型，在GeoSOS系统中实现土地利用空间优化。

通过梳理以上“三生”空间优化协调的相关理论和应用研究可以看出，开展“三生”空间优化协调研究时间较早，已积累了较为丰厚的理论基础，但是相关的评价方法以及模型耦合较为单一。运用MOP模型解决“三生”空间数量结构优化问题，实现整体效益最大化，并耦合FLUS模型进行“三生”空间布局模拟，实现“三生”空间格局优化协调，将有助于提高区域经济效益与生态效益，从而迎合当下生态环境保护日益受到重视的时代背景的需求。

因此，区别于以上研究，本文以“三生”空间布局优化与协调为目标，构建出符合城市群发展实际的“三生”空间分类体系。设定生产和生活空间发展情景，生态空间发展情景，“三生”空间协调发展3种情景，运用MOP模型与FLUS模型对滇中城市群2030年“三生”空间布局进行优化，并进行景观格局分析。以期为滇中城市群实现“十四五”规划中的“培育经济新增长点，坚定不移走绿色发展道路”目标提供参考与建议。

1 研究区概况与数据来源

1.1 研究区概况

滇中城市群(位于东经100°43′—104°49′，北纬24°58′—25°09′)是国家重点培育的19个城市群之一，是典型的高原山区城市。规划范围包括昆明市、曲靖市、玉溪市和楚雄州及红河州北部7个县市，共49个县(市、区)组成，划分为昆明城区、滇中新区、宜良城区、富民城区4个城区单位。国土面积为111 402.00 km2，总人口2 300万人。地势起伏较大，动植物资源与旅游文化资源丰富，矿产资源储量大，生态环境质量总体较好，位于云南省中部，是向外辐射的中心，也是协调区域发展的中心。

1.2 数据源及数据预处理

(1) 本文涉及的2010年、2020年土地利用类型数据为矢量数据。来源于国家基础地理信息中心全球地表覆盖数据产品服务网站(DOI：10.11769)；运用ArcGIS软件将研究区两期土地利用数据划分为300 m×300 m 栅格单元进行处理。

(2) DEM高程数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http:∥www.gscloud.cn/)，分辨率90 m。根据DEM数据提取坡度、坡向数据。交通、水系、居民点等距离数据通过欧氏距离法计算得到；社会经济数据(人口密度、人均GDP、人均可支配收入等)由云南省统计年鉴获取。

2 研究方法

2.1 “三生”空间分类体系构建

依据《第三次全国土地调查地类分类表》标准，在土地利用功能类型基础上，遵循分类原则，构建出符合发展实际的“三生”空间分类体系。依照此体系对滇中城市群现状土地利用类型进行分类，划定生态、生活和生产空间。“三生空间”用地分类体系见表1。

表1 “三生”空间用地分类体系

2.2 MOP模型

MOP模型即多目标规划模型，是基于决策变量、目标函数、约束条件3个模块进行效益优化较为科学的重要模型，能在主观或客观条件下，使得某个或多个目标达到最值，是研究地理学、区域经济发展的基本数学模型。

2.2.1 情景设置 根据滇中城市群的区域优势、资源禀赋、生态保护保护目标、经济社会发展等实际，本文设置了优先满足生产和生活空间发展、优先满足生态空间发展、“三生”空间均衡协调发展3种情景。结合德尔菲法与专家意见，确定3种情景中经济与生态效益目标权重值。

情景1：优先满足生产和生活空间发展。考虑到生产和生活空间联系紧密，功能交叉，实际面积略小，设定优先满足滇中城市群居民生产和经营、居住与休闲空间发展。优先进行产业结构优化，带动城镇发展，使经济效益最大化。生态效益目标权重0.2，经济效益目标权重0.8。

情景2：优先满足生态空间发展。依据自然资源的有限性以及生态文明建设的重要性，设定生态空间发展。在保证现有生产与生活空间不被压缩的前提下，大力推进区域生态环境建设，使生态效益最大化。生态效益目标权重0.8，经济效益目标权重0.2。

情景3：“三生”空间均衡协调发展。为了使国土空间优化更为全面与协调，设定生态-生活-生产空间均衡发展。加强对国土空间的综合利用程度，提升区域城镇化进程并保障生态可持续发展。从而优化国土空间结构，提高空间利用效率。生态效益目标权重0.5，经济效益目标权重0.5。

2.2.2 目标函数构建

(1) 生态效益目标。结合滇中城市群的实际情况，采用谢高地等[24]的中国生态系统服务价值当量因子表进行生态效益估算。

maxFESV=∑Pi×xi

(1)

式中：FESV为生态效益(万元)；xi为各类国土空间的面积(km2)；Pi为第i种国土空间的单位面积生态系统服务价值系数(万元/km2)。

(2) 经济效益目标。

maxFs=∑Ki×xi

(2)

式中：Fs为经济效益(万元)；xi为各类国土空间的面积(km2)；Ki为各类国土空间的经济效益系数(万元/km2)。通过2010年与2020年研究区3类国土空间平均产值与对应面积之比，得到经济效益系数；通过2010年与2020年研究区3类国土空间平均生态系统服务总价值与对应面积之比，得到生态效益系数(表2)。

表2 滇中城市群各类国土空间单位面积经济、生态效益系数

(3) 约束条件。为保证多情景下的未来生态、生活、生产3类国土空间符合自然发展规律和相关规划预期，本文与区域土地利用总体规划调整政策相衔接，结合研究区2010—2020年“三生”空间内包括的多种土地利用变化规律来构建约束条件(表3)。

2.3 GeoSOS-FLUS模型

GeoSOS-FLUS模型是基于区域内土地利用变化规律与自然生态发展效应，模拟未来土地利用的模型[25]。它由人工神经网络(ANN)模型，集成系统动力学模型和元胞自动机(CA)组成。运用ANN模型来获取元胞转换为各种用地类型的可能性；运用SD模型预测不同社会经济和自然环境驱动因素下的地区范围内土地利用情景；运用CA模型中的自适应的惯性竞争机制来处理复杂系统不同土地利用类型之间的竞争与互动。FLUS模型是进行国土空间布局优化研究中比较常见的科学模型。

2.4 景观指数选取

景观指数可以用于定量表示空间粒度和时间粒度内的“三生”空间变化，建立格局与过程之间的联系。本文根据研究目标，考虑到“三生”空间量化分析的重点以及不同景观指数的特点，选取了6个景观指数来进行“三生”空间格局分析，见表4。

表3 约束条件构建

表4 景观指数选取

3 结果与分析

3.1 “三生”空间分布特征

依据“三生”空间分类体系对滇中城市群2010年、2020年现状土地利用类型进行分类，划定生态、生活和生产空间(图1)。

(1) 2010年生态空间面积71 756.96 km2，占比64.41%，在研究区西部分布面积较广，生态建设较为完整；生活空间1 977.68km2，占比1.78%，分布较为破碎，主要集中在研究区中部，其余地区零星分布；生产空间37 667.36 km2，占比33.81%，在研究区东部分布较广，在研究区南部分布较为集中，呈团簇状聚集分布。

图1 滇中城市群2010年、2020年“三生”空间现状分布

(2) 2020年：生态空间面积71 355.24 km2，占比64.05%，生态空间面积占比减小，被生活与生产空间挤占；生活空间3 989.45 km2，占比3.58%，区域城镇化进程加快，生活空间不断向周边蔓延，其中研究区中部、南部、东北部扩张最为明显；生产空间36 057.31 km2，占比32.37%，由于生活空间扩张，生产空间面积减小，分布破碎不完整。

3.2 多情景下“三生”空间效益分析

基于生态效益目标与生态效益目标和多目标情景约束条件，利用Markov Chain和MOP模型得到3种情景方案下2030年滇中城市群及生态效益值以及经济效益值(表5)。各国土空间的用地类型数量结构差异明显，其中，林地、草地、建设用地对生态效益和经济效益具有直接且显著的影响。

表5 多情景效益对比分析

(1) 优先满足生产和生活空间发展情景中，生态空间x1面积为68 107 km2,其中林地x11面积40 847 km2，水域x12面积1 017 km2，草地面积22 925 km2；生产空间x2面积为39 692 km2,其中耕地面积39 609 km2；生活空间面积为3 603 km2，其中建设用地面积3 480 km2。在此情景中，林地、草地、水域面积显著减少，建设用地与耕地增长较多，经济效益达到最大化，相对于情景2提升5.23%，但同时生态空间发展遭到抑制，生态效益值最低。这个情景不符合地区走绿色可持续道路的方针及政策。

(2) 优先满足生态空间发展情景中，生态空间x1面积为73 255 km2,其中林地x11面积48 648 km2，水域x12面积1 122 km2，草地面积23 410 km2；生产空间x2面积为34 846 km2,其中耕地面积34 561 km2；生活空间面积为3 301 km2，其中建设用地面积3 198 km2。在此情景中，建设用地与耕地面积增长停滞，林地、草地、水域面积显著增加，生态效益相对于情景1增幅显著，达到2.99%，但是经济效益较低，难以保证滇中城市群经济快速发展。

(3) “三生”空间均衡协调发展中，生态空间x1面积为71 714 km2,其中林地x11面积45 303 km2，水域x12面积1 118 km2，草地面积22 991 km2；生产空间x2面积为35 993 km2,其中耕地面积35 694 km2；生活空间面积为3 695 km2，其中建设用地面积3 478 km2。在此情景中，用地类型的数量结构较为合理，经济效益与生态效益同时达到最优化，既不限制经济快速发展，又能保证生态空间发展建设平稳实现。

3.3 多情景下“三生”空间分布格局

3.3.1 FLUS模型精度验证 本文以2010年“三生”空间分布数据为基础，应用FLUS模型模拟2020年的“三生”空间分布。并利用研究区2020年“三生”空间现状分布数据进行对比验证(图2)。Kappa指数为0.79，总体精度为92.23%，模拟精度较高，符合模拟要求，可在此数据和模型之上进行模拟研究。

图2 滇中城市群2020年实际“三生”空间布局与

3.3.2 多情景下“三生”空间分布模拟结果 以2020年“三生”空间分布数据为基础，通过FLUS模型模拟得到滇中城市群2030年3种情景设定下的“三生”空间分布模拟结果，分布格局如图3所示。

(1) 情景1。首先居民生产空间以及生活空间得到充分发展，生态空间受到压缩，满足人口扩张及经济发展需求。生活空间由中心至四周边缘不断填充扩张，生态用地转换为生产及生活用地，研究区中部及南部最为明显。

(2) 情景2。严格控制生活及生产空间发展，维护生态安全，以生态环境建设为第一要素。生态用地保留完整，生活及生产用地扩张得到抑制。

(3) 情景3。在此情景中，在保证生态安全的前提下，促进产业经济发展，实现生态空间、生活空间、生产空间三类国土空间的有序协调发展。生态用地小部分转换为生活及生产用地，分布较为聚集紧凑，有利于城市群产业发展以及生态保护。

由上述数据可知，区别于情景1大力发展区域经济，破坏生态安全平衡，以及情景2抑制区域城镇化发展进程，影响区域经济发展，情景3中提出的“三生”均衡协调方案，符合滇中城市群的实际情况，能够较好的优化生态-生活-生产空间布局，实现经济建设与生态环境建设并重发展。

3.4 多情景下景观格局指数分析

将FLUS模型模拟得到的3种情景下的滇中城市群2030年“三生”空间格局分布图导入Fragstats软件，据此分别计算其斑块类型和景观水平指数并进行对比分析，结果如图4所示。

图3 滇中城市群2030年不同模拟情景下的“三生”空间布局

图4 多情景下“三生”空间景观尺度指数分析结果

从图4中可以看出：(1) 从整体上看，情景1与情景2中“三生”空间斑块分布较分散，斑块之间联系性不够，系统性不强，生态过程和格局结构不够丰富，滇中城市群生态-生活-生产空间发展比较不平衡，情景3中分离度指数较低，斑块密度较高，位置集中，实现了空间布局上的协调性和稳定性。(2) 从各要素来看，结合景观形状指数与和最大斑块指数，3种情景中生态空间在斑块类型中面积是最大的，生产空间类型较多，生活空间斑块形状较复杂，但是三者相邻程度较低。彼此之间互相独立存在，这样不利于生态空间发挥整体生态效益，空间发展不平衡，在情景3中有效规避了这些问题，斑块破碎度降低，斑块之间相邻度增加，增强了生态-生活-生产空间之间的联系互动。同时香浓多样性指数增加，能够看出在此情景中，国土空间丰富度较高，发展较为平衡。

4 讨 论

(1) 本文选取的滇中城市群属于高原山区城市群，相比于平原地区的城市群，生活及生产空间分布更为分散，地形崎岖在一定程度上阻碍了城市建设发展，给国土空间规划布局配置带来难题。本文在情景1设定中，考虑到生产和生活空间之间功能交叉，面积占比较小，联系紧密，所以将生产和生活空间作为一个整体进行设定。在后续平原地区城市群的“三生”空间优化情景设定中，可以分为生产空间发展、生活空间发展、生态空间发展、“三生”空间协调发展4个情景，可以研究增强“三生”空间规划配置的科学性和有效性。

(2) 在MOP-FLUS模型耦合中，由于政府政策规划文件的易变性，在模型约束条件设定上不够全面，与实际发展情况可能产生偏差，如何在模型因素构架上考虑地更为全面，使分析结果更为准确，将是今后国土空间优化布局配置的研究重点。

(3) 本文采用景观指数分析模拟优化结果，内容从景观分析角度出发，后续研究可从“三生”空间土地利用结构分析角度进行考虑，选取“三生”空间功能信息熵、功能性多样性等确切的评价单元来进行分析。

5 结 论

本文在土地利用功能类型基础上，构建分类体系得到2010年与2020年滇中城市群“三生”空间占比结果，基于生态效益目标与生态效益目标，在多种约束条件下设定了3种情景方案，应用MOP模型得到各情景的生态效益值与经济效益值，其中情景3经济效益提高4.46%，生态效益提高1.87%，之后以2020年“三生”空间分布数据为基础，通过FLUS模型模拟得到滇中城市群2030年3种情景设定下的“三生”空间分布模拟结果，总体精度0.92，验证了方法的精准性，其中情景3空间布局最为合理，最后采用景观水平指数对滇中城市群2030年“三生”空间格局进行对比分析，情景3异质性斑块之间连接度较高，联系紧密，斑块类型在景观中呈均衡化趋势分布，从而优化了滇中城市群的“三生”空间格局。结果表明：“三生”空间协调发展情景达到了优化协调滇中城市群国土空间的目标，实现了整体综合效益的最大化，“三生”空间分布格局得到优化且生态过程和格局结构更为丰富，为后续协调滇中城市群经济生态发展提供决策参考。