耦合MOP 与FLUS 模型的杭州市土地利用格局优化及权衡分析

朱从谋 ，苑韶峰 ※，杨丽霞

（1. 浙江工商大学公共管理学院，杭州 310018；2. 浙江财经大学公共管理学院，杭州 310018）

0 引言

土地利用格局优化指基于有限的土地资源，通过结构优化与布局调控，利用多目标权衡决策来实现区域社会、经济和生态综合效益最大化，是区域土地利用规划的重要内容[1]。随着城市化进程不断加快，城市扩张在提高区域社会经济水平的同时，也引发了耕地被侵占、生态退化，以及水、大气环境污染等诸多问题，对区域可持续发展构成严重威胁[2-3]。党的十八大报告将优化国土空间开发利用格局作为生态文明建设的首要举措[4]，通过优化调整土地利用结构和布局，实现经济发展、社会进步和生态保护等多重发展目标，已成为区域可持续发展领域的重大科学问题。

运用多目标权衡决策实现土地利用综合效益最大化是土地利用格局优化的重要手段[5-6]。目前研究有关土地利用格局优化的路径主要有三条：一是开展土地利用适宜性评价，依据土地资源禀赋、区位条件、社会经济条件等对区域内土地资源数量和空间进行合理配比[7]，评价方法包括多准则叠加评价[8]、空间供需耦合分析等[9]。但该方法多停留在单一目标空间优化，忽略了土地利用是一个内部复杂的系统，难以满足多目标发展需要。二是适应土地可持续利用规划的多目标优化方法，其既具有系统动力学模型的正负反馈特征，又克服了线性规划模型的目标函数一维性，如多目标遗传算法[10]、多智能体粒子群算法以及有序加权平均算法等[11]，从优化目标、关键性影响因素和微观决策行为主体三方面构建土地利用格局优化模式[12]。三是情景分析和模型模拟，从土地数量结构和空间分布两方面开展土地利用格局模拟分析。其中数量模拟模型主要包括线性规划法[13]、马尔科夫（Markov）模型、灰色多目标线性规划（grey multipleobjective programming,GMOP）等[14]，侧重于各土地类型面积需求分析。常见的空间分布模拟模型包括元胞自动机（cellular automata,CA）系统模型[2]、CLUE-S（conversion of land use and its effects）系列模型[15]、GeoSOS-FLUS 模型等[16]，并与GIS 空间可视化相结合实现空间配置优化。随着城市化驱动下土地利用格局变化日趋复杂和多样性，兼顾结构-布局的耦合模拟模型成为土地利用格局优化研究的热点，如MOP-CLUE 模型[17]、SD-FLUS 模型以及MCR-FLUS-Markov 模型等[18]，为土地利用格局优化研究提供了科学方法支撑。

然而，在土地利用过程中，经济效益增加与生态效益损失的矛盾无法避免。基于土地利用变化的生态系统服务价值评估[19]、统计资料与调查[20]、参数模型等方法逐渐被运用到对土地生态效益和经济效益的权衡分析中。在实际土地利用规划决策中，决策者对不同发展目标的偏好往往会导致不同的土地利用结果[21]，现有研究容易忽视不同发展目标偏好下社会、经济和生态效益之间的权衡关系[8]，很难找到多目标权衡的关键拐点，导致土地利用格局优化方案难以兼顾经济、社会和生态效益[22]。面向新时期国土空间多目标协同治理要求，基于多目标偏好权衡分析提出未来土地利用格局优化方案更具现实可操作性和政策指导意义。

杭州市是浙江省省会城市和长三角城市群的中心城市，21 世纪以来的经济快速增长带来了一系列土地利用及生态环境问题。通过优化土地利用格局缓解生态保护与社会经济发展之间的矛盾，实现土地利用社会、经济和生态综合效益最大化，成为杭州市目前亟待解决的重要现实问题。基于此，本研究以东部快速城市化地区杭州市为例，综合考虑经济、生态和社会效益，通过耦合多目标规划（multiple-objective programming,MOP）模型和FLUS 模型对杭州市2035 年土地利用格局进行情景模拟，寻求多目标权衡下土地利用经济、社会和生态效益的关键拐点，据此制定未来杭州市土地利用格局优化方案，以期为区域土地资源优化配置提供科学参考。

1 研究区概况和数据来源

1.1 研究区概况

杭州市是浙江省省会城市，位于长三角城市群南翼、杭州湾西部。境内丘陵山地与平原占比分别为65.6%和26.4%，西部、中部和南部属于浙西丘陵山地区，东部为杭嘉湖平原，素有“鱼米之乡”之称。全境面积为16 595 km2，下辖10 个市辖区，2 个县和1 个县级市，是中国东部经济发展中心城市和新一线城市，经济发展迅速。2000—2018 年，杭州市地区生产总值从2000 年的0.14 万亿元增加至2018 年的1.35 万亿元，常住人口增长278.9 万人。人口和经济快速增长导致建设用地快速扩张，平原耕地被侵占、西部山区生态空间被破坏的现象突显[3]。新时代杭州市立足于建设国际大都市，围绕“数智杭州、宜居天堂”的发展导向，着力建设“三生”融合的宜居城市，亟需从经济、社会、生态环境多维目标寻求协同发展路径，统筹生产、生活、生态用地布局，提高土地资源可持续利用水平。

1.2 数据来源

本文所用的数据主要包括两类：1）空间数据，主要包括气象数据、土地利用数据、地形数据、耕地质量数据、夜间遥感影像数据、交通道路数据；2）统计及文本数据，包括杭州市统计年鉴（2001—2019）和一系列专项规划等文本数据，数据来源及有关信息如表1 所示。其中，土地利用数据根据研究目的划分为耕地、林地、草地、水域、建设用地和未利用地6 大类。为便于数据处理和计算，本文所有涉及的空间数据均在ArcGIS 10.2平台重采样为500 m×500 m。

表1 数据来源及主要特征Table 1 Data sources and main characteristics

2 研究方法

2.1 研究思路

该研究总体思路主要包括三部分：1）土地利用数量结构优化。首先，根据城市发展多目标的不同侧重，设置土地利用结构优化方案集合，以此作为多目标规划模型的目标函数；然后，运用灰色预测模型分别预测目标年的经济效益和生态效益系数，基于土地资源禀赋和国土空间各类规划控制等约束条件，权衡分析以获取经济-生态效益最优化的土地利用结构优化方案。2）土地利用布局优化。首先，以自然地形、社会经济、交通区位等作为土地利用转换的驱动力因子；其次，在获取最优土地利用结构情景下，采用GeoSOS-FLUS 模型，根据限制转化约束控制条件，模拟土地利用空间优化布局，并与其他典型方案做比较分析。3）实证案例分析。以快速城市化地区杭州市为研究区域，通过耦合MOP 与FLUS模型求取研究区土地利用结构与布局最优方案。

2.2 MOP 模型

多目标规划模型是基于客观规律和约束条件进行预测，使得某个或者多个目标达到最优的一种决策方法[23]，是土地资源优化配置研究的重要模型之一。该模型由目标函数、决策变量和一系列约束条件构成，具体计算式如下：

式中F1(x)、F2(x)分别为经济效益和生态效益函数；xj为土地利用类型j的面积（hm2），对应6 种土地利用类型变量；n为变量数；aj、bj分别为土地利用类型j的经济和生态效益系数。s.t 为土地利用约束条件，cij为第i个约束条件中第j个变量对应的系数；m为约束条件个数，di为约束条件i的值。

2.2.1 目标函数构建

1）土地经济效益函数。根据杭州市2000—2018年6 类土地利用类型单位面积产出，采用灰色预测GM(1:1)模型[24]，预测目标年份的土地经济效益系数。其中，耕地产出采用第一产业的种植业产值表征，林地产出采用林业产值表征，水体产出采用渔业产值表示，建设用地采用二三产业产值表征[25]；由于杭州市草地和未利用地较少，故不考虑该地类经济效益。

2）土地生态效益函数。土地生态效益主要体现为土地生态系统服务价值，考虑到土地生态系统供给服务已经纳入土地经济效益中，因此土地生态效益包括生态系统调节服务、支持服务和文化服务。本研究采用了谢高地等[26]学者提出的中国陆地生态系统服务价值当量因子法进行评估，同时采用杭州市植被净初级生产力（net primary production，NPP）水平与全国平均水平的比值对当量因子表进行修正，再结合GM(1:1)模型预测的2035年杭州市单位耕地面积粮食生产经济价值，该价值量的1/7 作为土地生态系统提供的服务价值量。测算得到的2035 年杭州市各类土地单位面积经济效益和生态效益系数如表2 所示。

表2 杭州市各类用地单位面积经济与生态价值系数Table 2 Economic and ecological value coefficients per unit of various land use types in Hangzhou City（万元·hm-2）

为验证修正后的土地生态效益系数的准确性，采用敏感性指数检验某一土地类型的生态效益系数变化对土地总生态系统服务价值的影响[27]。通过将单类土地类型的生态效益系数上下调整50%，判断土地生态系统服务价值量对某类土地类型生态效益系数的敏感程度，具体计算式如下：

式中Cs表示某一土地类型对土地生态系统服务价值响应的敏感性指数；E1、E2分别为调整前后杭州市土地生态系统服务总价值（亿元）；V1i、V2i分别表示第i类土地类型调整前后的生态效益系数。Cs值小于1 表示土地生态系统服务价值对该类土地类型的土地生态效益系数缺乏弹性，其值越小说明该地类生态效益系数的准确性对土地生态系统服务价值评价响应越弱，生态效益系数越合理[28]。

2.2.2 约束条件

约束条件根据《杭州市土地利用总体规划（2006—2020）》《杭州市城市总体规划（2001—2020）》和《杭州市国土空间总体规划（2021—2035）》（草案）、《杭州市生态环境保护“十四五”规划》（征求意见稿）等规划和相关政策规定，设定社会经济发展和生态环境等一系列约束指标（表3）。

表3 杭州市土地利用结构优化约束条件设置Table 3 Constraints for optimizing land use structure in Hangzhou City

2.3 GeoSOS-FLUS 模型

GeoSOS-FLUS 模型是进行土地利用模拟、空间优化和辅助制定决策的有效模型，其引入人工神经网络模型对传统元胞自动机模型进行改进，采用惯性系数和轮盘竞争机制等新的设计使得该模型更适用于模拟复杂和长期的土地利用变化[29]。该模型主要包括以下两个计算模块：

1）适宜性概率计算

采用神经网络算法（artificial neural network,ANN）测算土地适宜性概率，神经网络算法的计算式为：

式中sp(p,k,t)为k类型用地在时间t、栅格p下的适宜性概率；wb,k是输出层与隐藏层之间的权重；sigmoid ()是ANN 算法的隐藏层到输出层的激励函数；netb(p,t)表示第b个隐藏层栅格p在时间t上所获取的信号。

2）自适应惯性竞争机制

FLUS 模型提出一种基于轮盘赌选择的自适应惯性竞争机制，该机制能够有效解决土地利用转化在自然作用和人类活动中产生的不确定性和复杂性，可以提高模拟模型精度，其计算式如下：

3）土地利用布局优化法则

选取高程、坡度、年平均降水、植被覆盖度、到河流距离、到区县中心距离、到乡镇中心距离、到省级道路距离、到县级道路距离、夜间灯光强度、经济密度、耕地质量、土壤流失等 13 种因素作为土地利用变化的驱动因子测算研究区土地利用的适宜性概率[30]。同时，在空间布局优化中，将研究区生态保护红线和永久基本农田范围作为禁止开发区域，以实现从空间层面对耕地和生态环境的保护[31]。模型精度验证主要通过总体精度和Kappa 系数三个参数进行评价。

2.4 情景设定与权衡分析

2.4.1 发展情景设定

城市可持续发展需要综合考虑社会经济发展、耕地保护和生态保育多种发展目标。从杭州市实际出发，以杭州市国土空间规划目标年2035 年为情景模拟年份，分别设定经济发展优先、生态保护优先和协调发展情景：1）经济发展优先情景以实现经济效益最大化为优先目标，加速城乡融合，大力推进城市基础设施建设，促进城市化率进一步提高；2）生态保护优先情景以保护重要生态空间，实现生态效益最大化为发展目标，强化对生态用地保护，适度控制城乡建设空间扩张；3）协调发展情景则根据宏观政策调控要求，在确保耕地不减少、关键生态空间不被占用等前提下，综合考虑经济发展和生态保护，以经济效益和生态效益并重为发展目标。

考虑到三种发展情景下的发展目标各有侧重，本研究通过分别设定经济效益和生态效益不同的偏好权重来进行情景划分，具体划分为 9 种情景。其中情景①② ③为经济发展优先情景，其经济效益权重分别为 0.9、0.8和 0.7；情景④ ⑤ ⑥为协调发展情景，经济效益权重分别为 0.6、0.5 和 0.4；情景⑦ ⑧ ⑨为生态保护优先情景，其经济效益权重分别为 0.3、0.2 和 0.1。

2.4.2 权衡分析

基于上述设定的经济效益和生态效益权重，本文基于 Lingo 12 软件在约束条件下求取单类发展目标的最优解，运用理想点法，结合不同发展情景中生态和经济效益设定的不同权重，求取其相应的最优土地利用结构，据此测算不同发展情景下土地利用的生态效益和经济效益[27]。接着，本文通过测算经济效益每减少1%所增加的生态效益比例（生态-经济转化效率）分析不同情景下的土地利用经济和生态效益权衡关系[8]，并进行线性拟合，据此获取土地利用结构最优方案。

3 结果与分析

3.1 不同情景模拟下生态-经济效益权衡分析

在模拟方案群由经济发展优先向生态保护优先情景演变过程中，土地利用总效益整体呈现出先上升后下降的趋势，其经济效益和生态效益表现出显著的非线性动态变化（图1a）。经济效益由情景①的36 923.1 亿元下降到情景⑨的36 910.2 亿元，在情景⑥经济效益最高，为36 942.0 亿元。生态效益由情景①的448.3 亿元增加至情景⑨的450.5 亿元，在情景⑤生态效益最低，为446.8 亿元。考虑到该两种情景为生态-经济效益两个极端发展情景，故需进一步寻求介于二者间的生态-经济效益权衡最优方案。

图1 不同发展情景下土地利用经济和生态效益权衡变化Fig.1 Changes in the trade-offs between land use economic and ecological benefits under different development scenarios

土地利用生态-经济转化效率结果如图1b 所示。可以看出，生态-经济转化效率的趋势线呈现倒“U”型形状，即趋势线呈现在顶点前增加，顶点后下降的趋势。这表明随着对生态保护逐渐重视，经济发展对生态的负面影响逐渐下降；生态保护到一定程度后，以牺牲经济来保护生态的效率会逐渐下降。遵循生态-经济效益最大化原则，协调发展情景下的生态-经济转化效率在三类情景中均处于较高水平，其中协调情景⑥的生态-经济转化效率能够保证在最小经济效益损失情况下获取最大的生态效益，且其总效益较高，故该方案为土地利用结构最优方案。

通过调整各土地类型的生态效益系数计算出耕地、林地、草地、水域、建设用地和未利用地对土地生态效益响应的敏感性指数，结果如表4 所示。2000 和2018年的敏感性指数均小于1，表明修正后的土地效益系数较合理，可以保障土地生态效益评估结果的准确性。其中，林地和耕地的敏感性指数相对较大，表明该两类土地类型对于评估土地生态效益较关键。

表4 不同土地利用类型敏感性指数Table 4 Sensitivity index of different land use types

3.2 土地利用结构变化模拟

为探讨不同发展情景下土地利用结构和布局优化结果，本文在最优土地利用结构方案⑥基础上，分别选取另外两类发展情景进行比较分析。其中，经济发展优先情景选取方案②，其经济与生态效益权重比例为4:1；生态保护优先情景选取情景⑧，其经济与生态效益权重比例为1:4。三种情景的土地利用结构结果如表5 所示。

表5 不同发展情景下土地利用结构变化Table 5 Changes in land use structure under different development scenarios (hm2)

经济发展优先情景下，建设用地面积增加显著，较2018 年值增加了37.51%，该类用地是经济增长的主要载体，故经济效益提升较为明显。耕地、林地、草地和水域均有所减少，分别减少1.34%、2.28%、1.50%和10.02%。此时城市发展所需的用地空间主要通过占用周边耕地、城乡建设用地增减挂钩及低效闲置用地复垦等方式获取。

在生态保护优先情景下，与2018 年相比，建设用地仅增加31.78%，耕地和水域减少较明显，分别减少8.04%和1.50%。与经济发展优先情景相比，生态保护优先情景下的耕地和建设用地分别减少6.69%和4.17%，林地、草地和水域均有所增加，分别增加1.67%、1.24%和9.47%。这也反映出，在生态效益最大化目标下，城市规模扩张受到一定限制，林地和水域得到保护，而耕地有可能更多被用来满足经济发展和生态建设的需求。

在协调发展情景下，与2018 年相比，耕地、林地、草地和水域均有减少，分别减少4.53%、1.37%、1.12%和8.18%，建设用地增加34.33%。与经济发展优先情景相比，其耕地减少幅度较小，林地和水域有所增加，其中水域面积增加2.05%，建设用地减少2.32%。与生态优先情景相比，建设用地和耕地分别增加1.93%和4.09%，林地、草地和水域有所减少，其中水域减少较明显，减少6.78%。这表明，协调发展情景下耕地、林地和建设用地面积变化较前两种情景变化较小。

3.3 土地利用格局变化模拟

3.3.1 模拟精度评价

基于2000 年杭州市土地利用数据模拟2018 年的土地利用格局，其土地利用模拟结果如图2 所示。在全局尺度上，模型模拟的杭州市2018 年土地利用格局与实际分布吻合度较高。通过3 个典型区域的局部放大显示模拟结果与实际数据，可看出6 种土地利用类型在空间上拥有较高的一致性。采用2018 年实际土地利用情况与模拟结果进行精度评价，结果显示Kappa 系数为0.86，总体精度为89.36%，表明GeoSOS-FLUS 模型的模拟精度较高，适用于研究区域模拟未来土地利用变化研究。

图2 2018 年土地利用模拟结果同实际情况对比Fig.2 Comparison of land use simulation results with actual situation in 2018

3.3.2 空间布局分析

将获取的不同发展情景下的土地利用结构需求预测结果分别代入到GeoSOS-FLUS 模型，以2018 年土地利用数据和相应的控制准则作为参数，模拟杭州市未来不同发展情景下土地利用变化情况，结果如图3 所示。此外，本文进一步从景观格局层面选取4 种典型景观指数对土地利用格局进行分析。具体景观格局指数指标包括破碎度指数斑块密度（patch density，PD）、边缘密度指数（edge density，ED）、香农多样性指数（shannon’s diversity index，SHDI）和聚集度指数（aggregation index，AI）[30]，计算结果如图4 所示。

图3 2018 年及2035 年不同发展情景土地利用模拟结果Fig.3 Land use pattern in 2018 and simulation results for different development scenarios in 2035

图4 2018 年和2035 年不同发展情景下土地景观格局指数Fig.4 Land landscape pattern index in 2018 and under different development scenarios in 2035

在经济发展优先情景下，建设用地快速扩张，耕地和林地减少较多。城镇建设用地向四周分散扩张，中心城区主要向北、向西扩张。建设用地扩张在东部中心城区周边以占用耕地为主，在西部低山地带占用林地较多。该情景下景观格局破碎度指数为0.23，边缘密度指数为9.5，香农多样性指数为1.03，聚集度指数为75.88，区域景观格局破碎化、景观复杂度和多样性程度均较高。

在生态保护优先情景下，建设用地扩张规模受到一定限制，扩张区域主要集中在中心城区周边，大多由周边耕地转换而来，农用地和生态用地格局未发生明显变化，区域内西部林地、水域与耕地的转换增加。该情景下景观格局破碎度指数为0.21，边缘密度指数为9.40，香农多样性指数为1.01，聚集度指数为76.12。

在协调发展情景下，建设用地扩张区域主要集中在主城区及其周边，西部地区扩张缓慢，其他用地变化较小。该情景下景观格局破碎度指数为0.2，边缘密度指数为9.40，香农多样性指数为1.02，聚集度指数为76.09，表明区域内建设用地扩张格局较其他发展情景更紧凑，景观格局破碎化、复杂性程度小，斑块聚合度高。

3.3.3 不同发展情景综合研判

将土地利用结构最优方案与其他两种发展情景对比，结果发现：在经济发展优先情景下，土地利用经济效益最高、生态效益最小，城乡建设用地增加明显，全域建设用地对耕地和生态用地占用较多，空间布局较破碎化，对区域生产和生态功能负面影响较大；在生态保护优先情景下，经济价值大幅下降、生态价值增加，土地利用结构变化较剧烈，建设用地扩张受到一定限制、林地、耕地、水域等相互转化明显，全域景观格局破碎化现象减轻。杭州市是长三角城市群中心城市，也是“国家生态园林城市”，在“十四五”规划和2035 远景目标中通过深化生产生活生态融合来增强城市韧性以建设现代化国际大都市。因此在土地利用布局优化中，应兼顾区域社会、经济发展和生态保护目标。在协调发展情景下，区域经济发展和生态保护处于相对平衡状态，且保证了在促进社会经济发展的同时尽可能地减少对生态效益的影响，实现土地利用经济-社会-生态效益的最优化。相比经济发展优先和生态保护优先情景，协调发展情景下区域土地利用之间的转换较小，建设用地扩张造成的区域景观破碎度较低。因此，杭州市可在协调发展情景下进行土地利用结构和布局优化，协调城乡土地利用和生态保护，促进城市土地利用可持续发展。

4 讨论

土地利用格局优化是区域可持续土地利用规划的重要内容，面对新时期生态文明建设导向与可持续发展要求，基于多目标权衡获取土地利用空间优化配置研究无疑具有较好的现实可操作性和政策指导意义。本研究耦合MOP 和FLUS 模型，探索建立权衡土地利用经济、社会和生态效益的多目标优化模型，提出多目标权衡下2035 年杭州市土地利用优化布局方案，可为杭州市土地利用规划与决策制定提供科学参考。

该研究从结构和布局两个维度对土地利用进行优化配置，在土地利用结构优化方面基于土地利用经济和生态系数的核算以及MOP 模型的应用，建立了土地利用结构优化及权衡分析模型，实现兼顾经济、社会和生态效益的土地利用结构优化配置。不同于以往研究通过多种优化方案的横向比较获取最优土地利用配置方案，本研究从生态-经济转化效率视角进一步探讨了方案集群内经济和生态效益的权衡关系，精准寻求权衡关系中的关键拐点，用以筛选最优土地利用结构配置方案[32]，对于区域规划决策者更具科学性和现实可操作性。研究发现，杭州市生态保护与经济发展存在明显的权衡关系，当经济发展权重与生态保护权重为4:6 时，其生态-经济转化效率最高，即每减少1%的经济效益所能增加的生态效益比例最大，且土地生态和经济总体效益处于高位。这主要是由于在土地利用过程中，随着生态保护开始受到重视，经济发展对生态空间的影响逐渐减少，但当生态保护达到一定程度后，牺牲经济发展换取的生态效益逐渐降低[33]，因此寻求经济发展与生态保护的最佳平衡点是区域土地利用规划和管理的关键。

由于土地利用模拟模型的复杂性和基础数据的限制，目前研究仍无法全面考虑多目标规划模型的约束条件和土地利用空间模拟法则，尤其是永久基本农田和生态保护红线的划定将显著影响区域土地利用保护格局，这可能导致土地利用模拟结果与未来发展状况存在一定偏差。未来研究一方面需在耦合模型构建中重视数量结构约束条件的系统性和空间管控法则的全面性，同时注重土地利用管理政策对土地利用格局优化的影响，从而提升土地利用格局优化模型的精确性和时效性。

5 结论

本文通过构建权衡土地利用经济、社会和生态效益的多目标结构优化模型，并从土地利用生态-经济效率视角求解，得到土地利用结构优化配置的最优方案，结合土地利用空间模拟FLUS 模型，模拟得到杭州市未来（2035 年）土地利用结构和空间布局优化配置方案。主要结论如下：

1）运用多目标规划（MOP）模型对满足经济、社会和生态效益等不同目标的土地利用结构优化配置问题进行求解，从生态-经济转化效率视角寻求最优土地利用结构配置方案，并通过与空间模拟模型FLUS 相结合，可以实现权衡不同发展目标下的最优土地利用结构及布局的情景模拟。

2）在土地利用结构优化方面，当杭州市土地利用经济和生态效益权重为4:6 时，每减少1%的土地利用经济效益能够换取较高的生态效益，为杭州市土地利用经济-生态权衡过程中的最优方案。相较于生态保护优先情景，该方案下杭州市建设用地和耕地面积分别增加1.93%和4.09%，林地和水域面积相较于经济发展优先情景分别增加1.67%和9.47%。

3）在土地利用布局优化上，最优方案下的建设用地扩张主要集中在杭州东部主城区及周边，西部地区扩张缓慢，其他用地变化较小。土地利用景观格局破碎度和复杂性降低，建设用地扩张格局较其他发展情景更规则紧凑。