面向碳排放效率的多目标土地利用结构与布局优化研究

游和远 张津榕 夏舒怡

摘要：研究目的：基于碳排放效率设置经济效率优先与碳排放效率优先两种发展情景，探究经济发展目标与碳减排目标不同优先序组合时，土地利用结构和土地利用布局差异性优化结果。研究方法：多目标规划模型、GeoSOS-FLUS模型。研究结果：（1）经济效率优先情景下，研究区总经济效率和总碳排放效率比现状分别提高了43.32%与3.53%；城镇工矿用地、其他农用地以及园地的面积比现状有显著的增加，景观以集中的空间形态扩张；耕地和农村居民点比现状有较大幅度的减少，景观呈现破碎化分布。（2）碳排放效率优先情景下，研究区总经济效率比现状减少了3.02%，总碳排放效率比现状提高了8.23%；园地、林地以及其他农用地面积比现状有显著的增加，景观以集中的空间形态扩张；城镇工矿用地和农村居民点面积有适度缩减，景观呈现集中布局。研究结论：在耕地保护任务和“三区三线”管控等约束下，兼顾经济发展目标与碳减排目标的“多目标发展导向”国土空间治理应该耦合土地政策协同管控土地利用结构和布局，合理满足受发展目标优先序驱动的用地需求。

关键词：土地利用优化；多目标规划模型；GeoSOS-FLUS模型；碳排放效率

中图分类号：F301.2 文献标志码：A 文章编号：1001-8158（2023）06-0074-10

基金项目：国家自然科学基金（71874151）；浙江省自然科学基金重点项目（LZ22G030005）。

土地承载着人类生产生活，各类土地分别以生产、生活、生态三种功能空间满足人类多样化需求，促进社会经济发展[1]。改革开放以来，土地资源利用保障了我国社会经济快速发展，但以经济效益为优先目标的土地利用也消耗了大量的化石燃料、农用化学品等，导致土地利用碳排放量迅速增长[2-4]。当前土地利用若继续强调经济效益优先，必然会制约“碳达峰、碳中和”战略目标的实现[5-6]。因此，在实施“双碳”战略背景下，土地利用必须兼顾经济发展与碳减排的双重目标。不同的土地利用类型具有差别化的自然属性与功能，为了满足不同目标的用地需求就需要对各种地类的数量与空间进行配置[7-8]。因此当前土地利用也需要基于土地资源的自然条件，在土地利用管控等政策的约束下，优化土地利用结构与布局来满足多目标土地利用需求。

土地利用优化主要基于人地关系理论[9]、择优分配理论[10]和空间均衡理论[11]，通过调整不同地类的数量与空间，适应经济、社会和生态可持续发展的需要。近年来，不少学者围绕土地利用结构优化开展了大量研究，通过差别化配置不同土地类型的数量，土地利用结构优化满足了土地利用中实现经济效益、生态效益、社会效益、工业产出、碳排放总量控制等方面目标对土地数量的需要[7-8，12-13]。多目标规划[7]、神经网络算法[12]、模糊数学[13]、线性规划[8]等工具被较多地运用于土地利用结构优化中。而围绕着土地利用布局优化的已有研究，通过不同土地类型的空间重配优化，满足了城市增长边界划定[14]、城市交通影响分析[15]、土地功能空间布局[16-18]、多情景土地利用格局塑造[7，19]等领域对土地利用布局的需要。但当前通过优化土地利用结构与布局来兼顾经济发展目标与碳减排目标的研究仍然不多，如何设计变量与模型来表征经济发展目标与碳减排目标以及两个目标之间的关系也需进一步探索。因此，本文使用经济效率来表征土地利用中对经济发展目标的追求水平，使用碳排放效率来表征土地利用中对碳减排目标的追求水平[20-21]。设置经济效率优先和碳排放效率优先两种发展情景来描述土地利用中经济发展目标与碳减排目标两种不同优先序组合，观察两种情景下土地利用结构优化结果，再结合土地利用驱动因子和限制转换因子，对土地利用结构优化结果进行土地利用布局模拟，得出基于土地利用适宜性的空间分布。

1 研究区概况与数据来源

1.1 研究区概况

萧山区隶属于浙江省杭州市，位于浙江省北部、杭州湾南岸，地处中国县域经济最为活跃的长三角南翼。2021年杭州市部分行政区划调整，本文研究区为最新的萧山区行政区范围，土地总面积为99 847.62 hm2。根据2018年萧山区土地变更调查成果，萧山区耕地面积为29 145.64 hm2，占总面积的29.19%，园地面积为2 265.66 hm2，占总面积的2.27%，林地（含草地）面积为22 984.21 hm2，占总面积的23.02%，其他农用地面积为225.67 hm2，占总面积的0.23%，城镇工矿用地面积为4 515.43 hm2，占总面积的4.52%，农村居民点面积为24 689.60 hm2，占总面积的24.73%，交通及水利设施用地、风景名胜及特殊用地、水域、田坎和沟渠等线状地物、未利用地（盐碱地、沼泽地、沙地、裸地）等剩余土地类型面积为16 021.41 hm2，占总面积的16.04%。

1.2 数据来源

本文研究時点为2019年末。本文使用基于全国第二次土地调查的土地变更调查成果数据库作为基础数据库，以满足土地利用模拟训练中两期较长时间间隔空间数据的要求。由于基于全国第二次土地调查的土地变更调查成果只更新到2018年底，所以使用2018年萧山区土地变更调查成果替代缺失的2019年土地变更调查成果，并作为土地利用现状数据。此外，引入2014年萧山区土地变更调查成果，用于土地利用模拟训练与精度检验。

统一数据的地理与投影坐标系：基于土地利用现状数据库配准土地利用驱动因子和土地利用的限制转换面，并转换为统一的100 m×100 m栅格数据。土地利用驱动因子：基于30 m的萧山区DEM数据，生成坡度、坡向数据；根据欧氏距离，计算不同地类到城市中心、乡镇中心、高速公路、等级公路、铁路的距离；提取萧山区月均降水量以及夜间灯光数据。萧山区土地利用的限制转换面：采用空间配准、矢量化操作，提取交通及水利设施用地、水域等现状用地以及生态红线等要素（表1）。

2 研究方法

土地利用数量优化较多的采用多目标规划等工具实现土地利用结构优化[7，22-23]，随着GIS技术和空间建模工具的发展，土地利用优化从“数量优化”演变到“空间重配优化”。黎夏等改进了FLUS模型，建立GeoSOS-FLUS模型用于模拟和预测人类活动与自然环境影响下的土地利用空间演变[24-25]。因此本文基于多目标规划模型（Multi-objective Programming， MOP）完成土地利用结构优化，基于GeoSOS-FLUS模型完成土地利用布局优化。

2.1 多目标规划模型

MOP模型可以实现约束条件下，规划某个或多个目标达到最值的决策[26-27]。MOP模型包含目标函数与约束条件，本文设置经济效率优先和碳排放效率优先两种发展情景的目标函数和约束条件。

2.1.1 发展情景设定

本文设定经济效率优先与碳排放效率优先两种发展情景。经济效率优先情景以发展经济作为首要目标，强调从单位土地面积中获得更多的经济产出以满足社会经济发展需要。该情景强调充分挖掘经济产出潜力较高的土地类型的效益，从而确保区域土地利用总经济效率最大化。碳排放效率优先情景更偏向于土地低碳利用，该情景强调生态用地的保护，追求区域土地利用总碳排放效率最大化。经济效率优先情景的多目标规划模型首先确保总经济效率最大化，再进行总碳排放效率最大化。碳排放效率优先情景则首先确保总碳排放效率最大化，再进行总经济效率最大化。

式（1）中：Ee为区域土地利用总经济效率；Xi为第i类土地类型面积；XT为区域土地总面积；Mi为第i类土地类型单位面积的经济产出，即经济产出强度。不同土地类型的经济产出均以增加值表示。土地类型与《县级土地利用总体规划编制规程》（TD/T 1024—2010）相衔接，同时根据萧山区土地变更调查成果，对部分土地类型处理如下：草地规模极小，合并到林地中；水域不包括内陆滩涂，内陆滩涂作为单独土地类型（便于后续生成限制转换面）；其他农用地主要为设施农用地，田坎、沟渠等归为线状地物；未利用地包括盐碱地、沼泽地、沙地、裸地。

受统计数据限制，土地类型与产业增加值的对应关系如下：耕地对应种植业增加值减去茶桑果及花卉园艺增加值。园地对应茶桑果及花卉园艺增加值。林地对应林业增加值。其他农用地（设施农用地）对应畜牧业增加值，主要原因是设施农用地指直接用于经营性养殖的畜禽舍、工厂化作物栽培或水产养殖的生产设施用地及相应附属用地，农村宅基地以外的晾晒场等农业设施用地，而工厂化作物栽培或水产养殖的增加值无法从种植业增加值和渔业增加值中进一步剥离，那么将畜牧业增加值与其他农用地相对应。城镇工矿用地对应地区生产总值减去农林牧渔业增加值、交通运输/仓储和邮政业增加值以及旅游业增加值。农村居民点对应农林牧渔服务业增加值。由于交通及水利设施用地多呈线条状而难以优化，水域、风景名胜及特殊用地因特殊管制面积较为稳定，内陆滩涂及未利用地缺乏相关数据，因此暂不分析这5种用地类型的经济产出优化。

2019年萧山区各土地类型经济产出强度和碳排放强度见表2。

2.1.2 约束条件设定

（1）宏观目标约束。①设置“耕地面积大于等于耕地保有量”，萧山区国土空间规划中耕地保有量为16 560 hm2。②设置“园地面积大于等于现状面积，林地面积大于等于现状面积”。③设置“其他农用地面积大于等于现状面积，且小于等于上一轮规划值”，目的为保证其他农用地（设施农用地）有所增加，但又要避免大幅度扩张。④设置“城镇工矿用地面积小于等于现状面积与新增建设用地指标之和”，国土空间规划三区三线划定中，萧山区未来新增建设用地规模为2 000 hm2。⑤设置“农村居民点面积大于或等于上一轮规划值”，农村居民点在杭州市萧山区土地利用总体规划（2006—2020年）中大幅度缩小，实际上难以实现。⑥交通水利设施用地、风景名胜及特殊用地、水域、内陆滩涂以及未利用地受政策、地形等的限制，难以与其他地类相互转换，故将其数量设置为常数，取研究区土地利用现状值作为目标值。

（2）现状条件约束。①设置“新增园地面积与优化后耕地面积之和大于等于耕地保护责任”，萧山区国土空间规划因耕地非粮化整治确定了耕地保护责任指标，要求通过耕地非粮化整治，将园地等土地类型进一步转换为耕地，规划期末耕地保护责任为26 800 hm2。②设置“现状园地面积、现状耕地面积、农村居民点复垦为耕地面积3个之和大于优化后新增园地面积和优化后耕地面积之和”，当前萧山区耕地与园地之间存在进出关系，设置此约束条件避免耕地等土地类型大规模的转换为园地，园地规模过度扩张。其中农村居民点复垦补充耕地系數设置为0.8，原因如下：根据《杭州市萧山区土地利用总体规划（2006—2020年）2014调整完善版》，2013—2020年土地复垦补充耕地面积占农村居民点减少面积的86%；其次根据《杭州市萧山区人民政府办公室关于开展百村全域土地综合整治与生态修复工作的通知》，2019—2021年萧山区建设用地复垦补充耕地仍然主要来自农村居民点复垦，那么农村居民点复垦补充耕地系数仍需维持在较高的水平。

（3）耕地保护约束。①设置“优化后的耕地面积须大于等于耕地保有量与农村居民点复垦补充耕地面积之和”，作为对研究区内耕地的保护性约束条件。②设置“现状耕地面积减去耕地保有量的差值，作为园地与林地新增面积的上限约束”，与“三调”中发现的土地利用实际情况类似，土地利用结构优化中，新增园地与新增林地面积主要来源于现状耕地面积的缩减，因此本文设置此约束条件，以避免新增园地、林地过度占用耕地资源。③这里需要说明的是，耕地保护约束中暂不考虑耕地后备资源以及其他农用地的后备资源，因为萧山区几乎没有可供开发利用的耕地后备资源。

（4）全域土地综合整治约束。设置“城镇工矿用地面积大于等于城镇工矿用地乘以0.75的系数后与农村居民点转换为城镇工矿用地的面积之和”。全域土地综合整治中一部分农村居民点可以转换为城镇工矿用地用于建新安置农民和产业发展，根据调研，对城镇工矿用地与农村居民点之间的转换关系进行约束，萧山区该转换关系系数设置为0.1。同时，城镇工矿用地面积中包含约25%的工矿用地面积，可以通过矿区复垦等手段转换为其他用地类型，因此设置此约束条件作为城镇工矿用地面积的下限约束。

2.2 GeoSOS-FLUS模型

GeoSOS-FLUS模型首先基于上一期土地利用数据，并结合多种驱动力因子（气温、降水、土壤、地形、交通、区位等），利用神经网络算法获取各地类的适宜性概率，然后耦合系统动力学模型和元胞自动机模型来提高模型的适用性。其中在元胞自动机模型中，引入自适应惯性竞争机制，来处理多种土地类型在自然与人类活动共同影响下发生相互转化时的复杂性和不确定性[31]。黎夏团队的研究成果[24，32]提供了基于神经网络的适宜性概率、自适应惯性系数和元胞自动机迭代方式的公式，在此不再详细阐述。

本文GeoSOS-FLUS模型运用步骤如下：（1）选择萧山区高程、坡度、坡向、降水等作为自然地形驱动因子，选择与城市中心距离、与乡镇中心距离、与高速公路距离、与等级公路距离、与铁路距离等作为交通区位驱动因子，选择人造夜间灯光数据作为社会经济驱动因子，在GeoSOS-FLUS模型中运用神经网络进行计算，逐栅格分析各土地类型的出现概率。（2）在萧山区土地利用布局优化模拟时，需要考虑到生态红线内是需要保护的生态环境，因此根据《萧山区国土空间规划“三区三线”划定成果初稿》中划定的萧山区生态红线，提取生态保护区域图层作为限制转换面予以保护。此外，一些难以在较短时间内发生用途转换的土地类型，将其作为限制转换用地，并根据土地利用现状构建限制转换地类图层。（3）叠加限制转换地类图层与生态保护区域图层，基于不同情景设置基础系数以及地类间转换矩阵，作为地类扩张能力的依据。再输入MOP模型中计算得到的萧山区土地利用结构优化结果，对土地利用布局分别进行经济效率优先情景和碳排放效率优先情景的优化。（4）模型的精度验证主要观察OA和Kappa两个参数。

3 实证分析

3.1 土地利用结构优化结果

基于Lingo 18平台，在宏观目标、现状条件、耕地保护、全域土地综合整治4类条件约束下，得到经济效率优先和碳排放效率优先两种情景下的土地利用结构优化结果（表4）。

经济效率优先的情景下，城镇工矿用地、其他农用地以及园地的面积相比现状有显著的增加，总经济效率和总碳排放效率相比现状分别提高了43.32%与3.53%。与现状相比较，经济效率优先的情景通过城镇工矿用地、其他农用地以及园地等经济产出强度较高的地类增长，提高了总经济效率，但同时较大幅度增加了碳排放量。此情景下，林地面积与现状保持一致，而耕地和农村居民点面积相比现状均有较大幅度的减少。

碳排放效率优先的情景下，园地、林地以及其他农用地面积比现状有显著的增加。总经济效率相比现状减少了3.02%，相比经济效率优先的情景减少了47.65%。总碳排放效率和总碳排放量相比现状分别增加了8.23%和减少了11.57%；相比经济效率优先的情景则分别增加了4.60%和减少了54.44%。此情景下城镇工矿用地和农村居民点面积有适度缩减。耕地面积虽然出现减少，但仍大于经济效率优先时的规模。与现状以及经济效率优先情景下的土地利用结构相比，碳排放优先情景下的土地利用结构优化通过小幅度缩减经济规模实现了碳排放量较大幅度的减少。

3.2 土地利用布局优化结果

以萧山区2014年和2018年土地利用变更数据库为基础，进行GeoSOS-FLUS模型精度检验。检验结果显示，OA指数为0.924，Kappa指数为0.902，模型精度满足要求。以土地利用现状作为基础数据，在相应的数量及准则控制下，对两种情景下的土地利用布局进行优化。萧山区经济效率优先布局优化模拟图与碳排放效率优先布局优化模拟图见图1。

基于图1，运用Fragstats 4.2计算萧山区土地利用现状、经济效率优先布局优化模拟结果、碳排放效率优先布局优化模拟结果的景观指数。萧山区土地利用现状景观分离度为0.97、香农多样性指数为1.68、聚合度指数为66.62，整体景观破碎化程度较高，不同景观类型的空间聚合度一般。经济效率优先情景下，景观指数计算结果是：景观分离度为0.97、香农多样性指数为1.92、聚合度指数为67.5。整体景观破碎化程度依然较高，不同景观聚合度有所提高，不同土地类型景观呈均衡化分布趋势。碳排放效率优先情景下，景观指数计算结果是：景观分离度为0.96、香农多样性指数为1.87、聚合度指数为69.2。整体景观破碎化程度有所降低，不同景观聚合度进一步提高，不同土地类型景观呈均衡化分布趋势。

对各土地类型聚合度指数进一步分析（表5），分析不同景观类型内部斑块的聚合程度，并结合各土地类型的空间分布解释两种情景下地类间的相互转换。经济效率优先情景相比现状，园地、其他农用地以及城镇工矿用地聚合度指数有较大的提高，呈现出以萧山区中、南部为核心的集聚扩张趋势；耕地和农村居民点聚合度指数有所减小，呈现出分布重心北移且离散缩减的趋势。碳排放效率优先情景相比现状以及经济效率优先情景，园地与其他农用地聚合度指数有进一步提高，以萧山区中、南部为核心的空间集聚趋势得到加强；林地聚合度指数也有较大提高，呈现出以萧山区中、南部低山丘陵地带为核心的集中扩张趋势；耕地和农村居民点的聚合度指数则有所减小，呈現出分布中心北移且离散缩减的趋势。

具体而言，经济效率优先情景下，萧山区耕地聚合度指数为66.75，景观分布比现状更为分散，原先在南部河谷地带集中分布的耕地大量转换为园地与其他农用地，南部剩余耕地景观分布破碎，北部平原区耕地面积较大且分布较为集中。园地聚合度指数为68.80，比现状有大幅度的提高，同时空间出现较大的扩张，新增园地主要由南部河谷分布的耕地转换而来。林地聚合度指数为84.35，景观分布状况与现状相比变化不大，仍高度集中在中部和南部的低山丘陵地区。其他农用地聚合度指数为66.12，景观分布比现状更加集中，空间出现一定幅度的扩张，新增其他农地主要由南部河谷分布的耕地转换而来，北部也有零星耕地转换为其他农用地。城镇工矿用地聚合度指数为78.8，景观分布比现状更加集中且在空间上进一步扩张，新增城镇工矿用地主要由周边的农村居民点及少部分耕地转换而来。农村居民点聚合度指数为61.29，除分布在城市周边的部分农村居民点转换为城镇工矿用地外，其余农村居民点的景观分布情况与现状类似。

碳排放效率优先情景下，萧山区耕地聚合度指数为66.58，景观分布比现状更为分散但与经济效率优先的情景相差不大，面积大于经济效率优先的情景，虽然南部河谷地带集中的耕地仍然比较多地转换为园地与其他农用地，但南部河谷保留的耕地更多，且分布更加集中。园地聚合度指数为71.84，景观集中程度比现状和经济效率优先的情景进一步提高，但空间扩张小于经济效率优先的情景，这主要是由于南部河谷的耕地更多转换为了林地，使得园地在空间分布上愈发向中部集中。林地聚合度指数为88.2，景观集中程度与现状和经济效率优先的情景更进一步增强，且空间出现明显扩张，但空间分布上仍高度集中在中部和南部的低山丘陵地区，新增林地主要由分布在南部河谷地区的耕地转换而来。其他农用地聚合度指数为66.79，景观分布与经济效率优先的情景差别不大，南部的新增其他农用地有所减少，北部零星分布的其他农用地斑块面积有所扩大。城镇工矿用地聚合度指数为76.63，景观分布的集中程度比现状有所提高但低于经济效率优先的情景，且空间比现状有所缩减，缩减的城镇工矿用地主要为城市周边的工矿用地，转换方向主要是林地、园地、其他农用地。农村居民点聚合度指数为61.64，与现状和经济效率优先的情景相差不大，但空间有一定幅度的缩减，缩减范围主要集中在南部河谷地带的农村居民点，且主要转换为园地和其他农用地。

4 结论与政策启示

土地利用普遍存在多目标的可能性，依据不同目标优先序科学配置不同地类的数量与空间对于实现土地利用目标至关重要。在推进“双碳”战略中，土地利用同样面临着如何更好地兼顾经济发展目标与碳减排目标这一难题。本文通过集成MOP与GeoSOS-FLUS模型，分析了经济效率优先和碳排放效率优先两种情景下土地利用结构与布局优化。基于杭州市萧山区的研究发现：（1）在同时兼顾经济效率和碳排放效率的前提下，土地利用中追求经济效率和碳排放效率优先序的不同，会导致差异性的土地利用优化结果。（2）土地利用结构优化方面，经济效率优先情景下，通过增加城镇工矿用地、其他农用地以及园地等经济产出强度较高的地类面积，提高了总经济效率；碳排放效率优先情景下，通过增加园地、林地以及其他农用地面积，以及适度缩减城镇工矿用地和农村居民点面积，实现小幅度缩减经济规模带来较大幅度减少碳排放量。（3）土地利用布局优化改变了土地利用景观格局，因此当基于地块尺度根据用地适宜性进行地类转换时，需要关注区域土地利用总体格局变化。

本文的重要政策启示：（1）依托“三区三线”加强生态空间与耕地保护。本文发现经济效率优先情景下，城镇空间通过侵占周边农业空间和生态空间实现扩张。依托“三區三线”，特别是生态保护红线、永久基本农田等工具，按照“功能不降低、面积不减少、性质不改变”的要求对生态环境和永久基本农田保护进行严格监督，约束生态空间、农业空间、城镇空间之间的转换。（2）严格控制城镇工矿用地规模促进土地集约节约利用。城镇工矿用地既是经济强度最高也是碳排放强度最高的用地类型，城镇工矿用地的扩张或缩减对于区域经济发展和碳排放总量的变化都有着重要影响。因此，一方面国土空间规划应探索从“增量规划”向“存量规划”转变，严格控制城镇工矿用地的新增规模，逐步实现城镇工矿用地“零增长”与“负增长”，鼓励存量城镇工矿用地“腾笼换鸟”，促进产业向高经济效益低碳排放转型升级；另一方面对分布在城市周边的工矿用地，特别是采矿用地，可以通全域土地综合整治，修复受损生态空间，将矿区整治为林地等用地类型。（3）缩减农村居民点规模推进乡村国土空间重构。本文发现农村居民点经济产出强度较低，而碳排放强度高于林地。在国土空间规划中，仍然要按照“集约用地、集中建设、集聚发展”的原则规划布局农村居民点。同时积极推进宅基地复垦，鼓励通过城乡建设用地增减挂钩将农村居民点异地置换为高经济产出强度的产业用地空间。

参考文献（References）：

[1] 李广东，方创琳. 城市生态—生产—生活空间功能定量识别与分析[J] . 地理学报，2016，71（1）：49 - 65.

[2] 冯薇，赵荣钦，谢志祥，等. 碳中和目标下土地利用碳排放效率及其时空格局——以黄河流域72个地级市为例[J] . 中国土地科学，2023，37（1）：102 - 113.

[3] 张玥，代亚强，陈媛媛，等. 土地利用隐性转型与土地利用碳排放空间关联研究[J] . 中国土地科学，2022，36（6）：100 - 112.

[4] HONG C P， BURNEY J A， PONGRATZ J， et al. Global and regional drivers of land-use emissions in 1961 - 2017[J] . Nature， 2021， 589： 554 - 561.

[5] 于贵瑞，郝天象，朱剑兴. 中国碳达峰、碳中和行动方略之探讨[J] . 中国科学院院刊，2022，37（4）：423 - 434.

[6] 易丹，欧名豪，郭杰，等. 土地利用碳排放及低碳优化研究进展与趋势展望[J] . 资源科学，2022，44（8）：1545 -1559.

[7] 曹帅，金晓斌，杨绪红，等. 耦合MOP与GeoSOS - FLUS模型的县级土地利用结构与布局复合优化[J] . 自然资源学报，2019，34（6）：1171 - 1185.

[8] MA S H， WEN Z Z. Optimization of land use structure to balance economic benefits and ecosystem services under uncertainties： a case study in Wuhan， China[J] . Journal of Cleaner Production， 2021， 311. doi： 10.1016/ j.jclepro.2021.127537.

[9] 陆大道，郭来喜. 地理学的研究核心—人地关系地域系统——论吴传钧院士的地理学思想与学术贡献[J] . 地理学报，1998，53（2）：97 - 105.

[10] 茅于轼. 择优分配最优化原理及其应用[J] . 经济学（季刊），2007，6（3）：759 - 780.

[11] 贾善铭. 区域经济增长空间均衡研究述评[J] . 区域经济评论，2014（1）：124 - 129.

[12] 黄海. 基于改进粒子群算法的低碳型土地利用结构优化——以重庆市为例[J] . 土壤通报，2014，45（2）：303 -306.

[13] ZHOU M. An interval fuzzy chance-constrained programming model for sustainable urban land-use planning and land use policy analysis[J] . Land Use Policy， 2015， 42： 479 - 491.

[14] LIANG X， LIU X P， LI X， et al. Delineating multi-scenario urban growth boundaries with a CA-based FLUS model and morphological method[J] . Landscape and Urban Planning， 2018， 177： 47 - 63.

[15] 王家丰，王蓉，冯永玖，等. 顾及轨道交通影响的浙中城市群土地利用多情景模拟与分析[J] . 地球信息科学学报，2020，22（3）：605 - 615.

[16] 刘敬杰，夏敏，刘友兆，等. 基于多智能体与CA 结合模型分析的农村土地利用变化驱动机制[J] . 农业工程学报，2018，34（6）：242 - 252.

[17] YANG X， ZHENG X Q， LV L N. A spatiotemporal model of land use change based on ant colony optimization， Markov chain and cellular automata[J] . Ecological Modelling， 2012， 233： 11 - 19.

[18] 张鸿辉，曾永年，谭荣，等. 多智能体区域土地利用优化配置模型及其应用[J] .地理学报，2011，66（7）：972 -984.

[19] 戴声佩，张勃.基于CLUE-S模型的黑河中游土地利用情景模擬研究——以张掖市甘州区为例[J] . 自然资源学报，2013，28（2）：336 - 348.

[20] 游和远，吴次芳. 土地利用的碳排放效率及其低碳优化——基于能源消耗的视角[J] . 自然资源学报，2010，25（11）：1875 - 1886.

[21] 熊健，卢柯，姜紫莹，等. “碳达峰、碳中和”目标下国土空间规划编制研究与思考[J] . 城市规划学刊，2021，（4）：74 - 80.

[22] 王红瑞，张文新，胡秀丽，等. 土地利用区间数多目标规划模型及其应用[J] . 农业工程学报，2008，24（8）：68 -73.

[23] CHANG Y C， KO T T. An interactive dynamic multiobjective programming model to support better land use planning[J] . Land Use Policy， 2014， 36： 13 - 22.

[24] 黎夏，李丹，刘小平. 地理模拟优化系统（GeoSOS）及其在地理国情分析中的应用[J] . 测绘学报，2017，46（10）： 1598 - 1608.

[25] LIU X P， LIANG X， LI X， et al. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J] . Landscape and Urban Planning， 2017， 168： 94 - 116.

[26] ULUNGU E L， TEGHEM J. Multi-objective combinatorial optimization problems： a survey[J] . Journal of Multi-Criteria Decision Analysis， 1994， 3（2）： 83 - 104.

[27] 李天猜，李韦，冯长春，等. 湘江新区土地利用结构多目标规划及决策偏好分析[J] . 地域研究与开发，2016，35（1）：132 - 138.

[28] 田云，尹忞昊. 中国农业碳排放再测算：基本现状、动态演进及空间溢出效应[J] . 中国农村经济，2022（3）：104 - 127.

[29] 张梅，黄贤金，揣小伟，等. 胡焕庸线两侧城镇建设用地变化及其碳排放差异[J] . 资源科学，2019，41（7）：1262 - 1273.

[30] ZHOU Y， CHEN M X， TANG Z P， et al. Urbanization， land use change， and carbon emissions： quantitative assessments for city-level carbon emissions in Beijing-Tianjin-Hebei region[J] . Sustainable Cities and Society， 2021， 66. doi： 10.1016/j.scs.2020.102701.

[31] 杨伟青，张会兰. 基于GeoSOS-FLUS的涪江流域生态系统服务价值评估及多情景模拟[J] . 水土保持研究，2022，29（5）：253 - 262.

[32] 刘小平，黎夏，叶嘉安，等. 利用蚁群智能挖掘地理元胞自动机的转换规则[J] . 中国科学（D辑：地球科学），2007，37（6）：824 - 834.

Structure and Layout Optimization of Multi-objective Land Use Based on Carbon Emission Efficiency： A Case Study of Xiaoshan District in Hangzhou City

YOU Heyuan， ZHANG Jinrong， XIA Shuyi

（School of Public Administration， Zhejiang University of Finance & Economics， Hangzhou 310018， China）

Abstract： The purposes of this paper are to set two scenarios including economic efficiency priority and carbon emission efficiency priority based on carbon emission efficiency， and to optimize the land use structure and land use layout under different priority goals including economic development and carbon emission reduction. The methods employed are the multi-objective programming model and GeoSOS-FLUS model. The results show that： 1） compared to the land use status， the total economic efficiency and total carbon emission efficiency increase by 43.32% and 3.53% under the economic efficiency priority scenario. The areas of urban industrial land， other agricultural land and garden land significantly increase under the economic efficiency priority scenario， and the landscape patterns exhibit agglomeration and expansion. Meanwhile， the cultivated land area and rural residential area significantly decrease under the economic efficiency priority scenario， and the spatial layouts are fragmented. 2） Compared to the land use status， the total economic efficiency decreases by 3.02% under the carbon emission priority scenario， meanwhile the total carbon emission efficiency increases by 8.23%. Compared to the land use status， the areas of garden land， forest and other agricultural land increase significantly under the carbon emission priority scenario， and the landscape patterns exhibit agglomeration and expansion. Besides， the area of urban industrial land and rural residential area decreases under the carbon emission priority scenario， and the spatial layouts are centralized. It is concluded that land space governance for multi-objective development should couple with land policies to control land use quantity and space. It can balance economic development and carbon emission reduction under the constraints of cultivated land conservation tasks and “three areas and three lines”. Moreover， land demand driven by different priority goals can be satisfied.

Key words： land use optimization； multi-objective programming model； GeoSOS-FLUS model； carbon emission efficiency

（本文責编：张冰松）