基于ESV的多目标粒子群土地利用优化模型研究

关键词：多目标粒子群优化；土地利用优化；生态系统服务价值；空间规划；优化算法

中图分类号：F301.2 文献标识码：A 文章编号：1009-3044（2024）36-0001-05

开放科学（资源服务） 标识码（OSID） ：

0引言

土地优化配置需要考虑生态环境、土地资源总量、社会经济发展及相关政策等多种因素，极具挑战性。Dökmeci率先将线性规划应用于土地利用空间分配，提出了基于线性规划的多目标优化思想[1]。East⁃man开发了基于栅格的土地利用类型处理算法，有效解决了传统方法的数据处理难题[2]。近年来，智能优化算法，如蚁群算法、模拟退火算法和粒子群算法，已广泛应用于土地利用优化配置研究[3-5]。

生态系统服务价值（ESV） 是衡量生态系统服务经济价值的重要工具，为土地利用决策提供了重要的经济和生态效益评估依据。ESV 的概念由Holdren 和Ehrlich首次提出[6]，Costanza等将其细分为17类，并采用价值当量法进行评估[7]。谢高地等指出国外评估方法在中国应用的局限性[8]，并基于Costanza的ESV理论构建了更适于中国的评估体系，得到了广泛认可[9]。

本文构建了基于ESV的多目标粒子群算法与土地利用优化配置模型，将ESV纳入目标函数，结合粒子群算法，构建了新的优化配置模型。该模型将土地利用类型栅格化，并采用多目标加权函数计算适应度。通过理论模型推导、算法实现和实例分析，验证模型的实际可行性。

1 基于ESV的多目标粒子群算法与土地利用优化配置耦合方法

1.1多目标优化方法

在多目标优化中，不同目标可能相互冲突，即优化一个目标可能会对其他目标产生不利影响。因此，需要在目标间进行权衡，以减少牺牲并寻求最佳解决方案。多目标优化涉及N个目标函数、M个约束和D个决策变量，这些元素间存在函数关系[10]。

本研究应用多目标加权法，通过合并多个子目标函数并赋予权重，将多目标问题简化为单目标问题[11]：

2.2 研究区ESV价值系数估算

本次研究主要是根据谢高地提出的全国的生态系统服务价值当量因子和河南省的修正系数，以及相关研究[15-16]，确定出洛阳市的土地单位面积的生态系统服务价值（表3） 。

2.3 基于优化模型的研究区土地利用优化配置

1） 约束条件的设置

约束条件栅格约束，我们要约束每个栅格只有一种土地利用类型。以及土地利用类型转换也有一定的约束，比如水域和建设用地要保持基本不变，整体的面积也要基本保持不变，这些是前提。根据《洛阳市土地利用总体规划》（2006—2020） 构建出各类土地利用类型的最大最小值。约束条件设置如下（表4） ：

2） 参数设置

算法运行过程中需要设置一些参数，这些参数表示如表5所示。

2.4 研究区土地利用优化配置结果

1） 数据处理过程①矢量图转栅格数据：使用ArcGIS软件对洛阳市2019年的土地利用现状图进行栅格处理，把矢量图转换为栅格类型，采样成空间分辨率是668m×668m的栅格（图4） 。

②对栅格数据进行验证：通过对栅格图属性表中的每种用地类型进行计算，得到了每种土地利用类型的数据和总体有效的栅格单元为34037个，换算面积约为15188.12km²，与实际总面积15193.49km²接近，具有一定的准确性。

③将栅格转换为ASCII类型的TXT文件：研究模型进行土地利用空间格局优化本文选择Matlab软件，因此栅格数据在导入软件时还需要转换为ASCII的TXT格式。

④对无值数据进行处理：因为在转换成ASCII时会出现无意义的值，转换成Excel 形式将无效值转换为0。

⑤把数据导入Matlab中：最后在Matlab中将文件转换为一个255×250矩阵数据形式。

⑥改变算法模型代码中的参数，对数据进行处理，然后得出优化配置的结果（图5） 。

2） 分析

将优化前后的数据进行分析对比，得到以下的表格（表6） 。

优化后，林地和草地面积增加，耕地面积减少、建设用地略有减少，表明优化方案更关注生态保护和绿地扩展。林地面积的增长提升了碳储存能力和气候调节功能，增加了生态系统服务价值。可促进城市内部的绿色空间建设，提高了城市居民的生活质量，从而提高居民生活质量和城市生态服务价值。通过增加林地和草地面积、减少建设用地和耕地面积、保持水域面积稳定，降低了对自然资源的压力，保护了农业和自然生态系统，减少过度耕作对土壤和水资源的压力，有助于保护农业生态系统的可持续性，土地利用优化有助于提升生态系统服务价值，如碳储存、生物多样性保护、气候调节和水质维护。这种配置方式在满足经济发展与生态保护需求的同时，促进了土地利用的可持续性，提升了居民生活质量和环境美学价值。

3 结论与讨论

本文将粒子群算法与土地利用优化配置相结合，构建了一个多目标优化模型，强调生态系统服务价值（ESV） 的重要性。在生态环境保护日益受到重视的背景下，本文将ESV子函数的权重设置为0.4，突出了生态保护的优先性，并为未来的权重调整提供了灵活性。此外，研究还探讨了初始种群的生成、适应度计算和约束体系的设计，并通过理论分析与实例研究验证了模型的可行性。创新之处在于对多目标优化后的粒子群算法进行改进，特别是在权重设置上对ESV 给予了更高的重视，提升了模型在处理复杂土地利用问题中的适用性，并为土地利用决策提供了更科学合理的支持。本文提出的新方法为粒子群算法在土地利用优化中的应用提供了新的视角。

尽管本文在将粒子群算法与土地利用优化配置相结合方面取得了一定的成果，但仍存在一些不足。首先，权重设定方法仍有改进空间，需进一步研究以提高权重确定的科学性。其次，粒子群算法在处理复杂土地利用问题时，可能陷入局部最优解，影响结果的准确性与稳定性，特别是在面对不同土地利用问题时的灵活性和效率仍有提升空间。未来可尝试将粒子群算法与遗传算法、蚁群算法或模拟退火等其他优化方法结合，形成混合优化模型，增强全局搜索能力，提高适应性和效率。同时，针对不同土地利用类型，粒子群算法的编码方式、粒子更新策略和速度调整机制也可进一步优化，以提升算法的收敛速度和精度。最后，土地优化配置模型的验证方法仍需完善，特别是在评估模型实际可行性和科学性方面。未来研究可以更深入探讨如何有效平衡生态保护与经济发展，并增强模型在不同区域和条件下的适用性与鲁棒性，从而促进土地利用的可持续发展。