基于 FLUS模型的大都市区土地利用优化模拟
——以深圳市为例

彭云飞

(深圳市规划国土发展研究中心，广东 深圳 518040)

摘要： 采用深圳市2010年、2015年和2016年的土地利用现状数据，运用FLUS模型对自然发展情景、生态安全情景和生态优化情景3种情景下2030年深圳市土地利用结构和空间布局的变化进行模拟。研究结果表明：以2010年为基期模拟2015年土地利用布局的kappa指数为0.862，模拟结果较为理想。3种情景下深圳市2030年土地利用布局既有共性也存在差异。生态优化情景在禁止建设区把部分生产性用地转变为具有重要生态功能的林地，在限制建设区严格控制新增建设用地，在集中连片的控制区内限制生产活动，比自然发展情景和生态安全情景更能达到城市建设和生态保护的双重目标。

关键词： FLUS模型；城市土地利用；优化模拟；深圳市

土地作为非再生资源，在城市化发展过程中不仅要确保地区的粮食安全，还要满足城市发展和生态建设需要^[1-2]。当前，国内外学者开展了大量土地利用优化模拟研究并取得了诸多成果^[3-7]。在研究过程上，经历了从定性到定量、从静态到动态、从单目标到多目标的逐步升级^[8]。在方法运用上，元胞自动机(CA)模型^[9]、CLUE-S模型^[10-11]、多智能体系统(MAS)^[12-13]模型、Markov模型^[14-15]等得到了广泛应用，但仍存在不足之处^[16-18]。黎夏等^[19]提出了空间地理模拟与优化系统(Geographical Simulation and Optimization System)理论，将元胞自动机(CA)、多智能体系统(MAS)以及生物智能(SI)整合在GeoSOS平台中，有效地对复杂地理空间现状环境及变化过程进行模拟和优化^[20]，解决了传统元胞自动机中确定转换规则及参数等复杂问题，能够更精确地模拟在自然以及人类活动影响下的土地利用变化^[21]。该文基于深圳市2010年、2015年和2016年的土地利用数据，运用FLUS模型，模拟不同情景下2030年深圳市土地利用结构和空间布局，以期为深圳市未来空间规划制定等提供决策依据。

1 研究区域概况与数据

深圳市毗邻香港，是我国对外开放的窗口。为发挥示范探索作用，国家一直给予深圳市先行先试的政策优势。为确保城市高质量发展，深圳市积极转变土地利用方式，促进经济社会的可持续发展。该文的数据来源于深圳市历年土地利用变更调查、《深圳市统计年鉴》、深圳市国民经济和社会发展统计公报等相关统计资料。

2 研究方法

2.1 基于神经网络的适宜性概率计算模块

BP-ANN是一种多层前馈神经网络，包括输入层(1个)、隐含层(1个或多个)和输出层(1个)，用于训练和评估每个栅格中各类型土地发生的概率。对于某一栅格，在迭代时点各地类适宜性概率之和为1。公式为：

(1)

∑_i sp (p ,i ,t )=1

(2)

式中：i 为用地类型;j 为隐藏层;p 为栅格;t 为时间；sp (p ,i ,t )为适宜性概率；w _j ,i 为权重；net _j (p ,t )为接收到的信号。

2.2 基于自适应惯性机制的元胞自动机模块

当时，

(3)

当时，

(4)

当时，

(5)

病理学分析 完成磁共振扫描后，将大鼠过量麻醉处死后立即解剖，取部分右叶肝脏用于病理学分析，采用HE染色及Masson染色，利用METAVIR分期系统进行病理学分期(F0：无纤维化；F1：汇管区纤维化；F2：少量的汇管区-中央静脉纤维桥或纤维分隔；F3：大量的汇管区-中央静脉纤维桥或纤维分隔；F4：早期肝硬化)。本研究定义F1～F2期为轻度肝纤维化，F3～F4期为重度肝纤维化。

式中:为t 时刻栅格转换为地类i 的总概率；sc _c→i 为地类转换的成本;为地类i 在迭代结束后的栅格数量;W 为各地类邻域权重值。

在迭代过程中，地类i 的自适应惯性系数根据未来土地需求与现有土地数量的差距自动调整，以确保该地类接近目标值。公式为：

园林绿化中植物的选择与配置至关重要，植物配置要求四季有景、三季有花，植物季相景观对景观空间的影响尤其明显，植物配置的多样化使得植物季相景观多样化，丰富城市园林绿化空间，同时构建特色的景观空间。

(6)

FLUS模型采用具有随机特点的轮盘赌选择机制，反映土地利用变化的不确定性。在CA迭代过程中，计算每个栅格p 的总概率，并将地类i 分配到栅格p 中。公式为：

Research Progress and Thoughts on Domestic Tourism Economy_____________________________YI Xiaowen,LIU Kaibang 8

3 研究过程

3.1 基于神经网络的概率计算

(1)自然发展情景。以2016年土地利用现状数据预测深圳市2030年土地利用变化情况。与2016年各地类栅格数相比，耕地、园地、林地、水域预测值减小，建设用地和未利用地预测值增加。在数量上，园地、林地和建设用地变化数量较大，分别为减小1351个、635个，增加1224个栅格，耕地变化量最小，减小20个栅格；从变化率上看，未利用地和园地的变化率较大，分别为136.47%和-39.92%，耕地的变化率最小。在空间上，各区建设用地均有增加，在现有建设用地布局状况下向四周扩张，占用耕地、园地和林地。

表1 土地利用变化驱动因子

(2)计算概率。采用BP-ANN计算法则，评估并训练各栅格单元中可能出现各土地利用类型的概率，最终得到耕地、园地、林地、建设用地、水域和未利用地的空间适宜分布概率图。

煮瓜子不像炒瓜子那样吃多了会上火。外面卖的煮瓜子会有食品添加剂，那么就自己煮，然而自己煮如何烘干呢？这时候暖气就派上用场了。把葵花子加水、花椒、大料和盐煮熟之后，放暖气片上烘干即可。如果您住的是老式红砖楼，那就更好了，楼里配置的铸铁暖气比一般暖气烧得旺，瓜子更容易脱水，保持脆性。

3.2 基于自适应惯性机制的元胞自动机

由于邻域对各栅格在某一时刻转换为某种地类的概率有重要影响，因此需要确定最佳的邻域值，为此将邻域值分别设置为1,3,5,7进行模拟。根据结果，在其他设置相同的情况下，随着邻域值的增大，模型运行时间呈变长趋势，但从各地类模拟变化过程可以发现，在前10次的迭代过程中各地类迅速发生转换，模拟数量接近设定土地需求目标值，之后变化趋缓，在迭代次数超过50次时基本处于平稳状态。从预测值来看，耕地、园地、林地、水域、未利用地达到预测数量，建设用地与设定值的数量有差异，并随着邻域值的增大预测数量越近目标值，但当邻域值超3时不再增大。为验证模拟结果的可信度，利用2010年土地利用现状图得到2015年土地利用模拟图，按样本总量抽取1%～10%的有效栅格，计算发现kappa指数均大于0.8，因此可以判断各参数设置合理。当邻域为3时，kappa值最大为0.8620，因此可以判断邻域的最佳值设定为3(表2，图1)。

4 研究结果与分析

4.1 多情景下土地利用模拟

(1)驱动因子。选取16个驱动因子，具体为：高程(X ₁)、坡度(X ₂)、到河流的距离(X ₃)、植被覆盖度(X ₄)、GDP (X ₅)、科研机构密度(X ₆)、第二产业比重(X ₇)、第三产业比重(X ₈)、距高快速路的距离(X ₉)、距公路的距离(X ₁₀)、距口岸的距离(X ₁₁)、距铁路货运站点的距离(X ₁₂)、距轨道站点的距离(X ₁₃)、距机场的距离(X ₁₄)、常住人口数量(X ₁₅)、人口素质(X ₁₆)，建立各驱动因子数据库(表1)。

式中：Inertia为自适应惯性系数;D 为地类i 的数量与需求值之差;t 为时间;i 为地类。

表2 2015年不同邻域情况下各地类预测栅格数与 kappa指数(个)

图1 深圳市2015年土地利用现状图与模拟图

(2)生态安全情景。将自然保护核心区、森林公园、地质公园、水源保护区的核心区、地质灾害高危险区等划入禁止建设区，并作为生态安全情景下的约束条件，与自然变化情景结果叠加得到深圳市2030年生态安全情景下的土地利用模拟结果。该情景为重点保护土地生态安全区域，并将区域内的建设用地以及具有生产功能的耕地、园地转换为林地，同时保持水源地周边环境稳定，以便有效保障土地生态安全范围。与2016年各地类栅格数相比，在数量上，园地、建设用地和水域变化数量较大，分别为减小1864个、增加1194个，减小517个栅格，耕地变化量最小，减小128个栅格；从变化率上看，未利用地和园地的变化率较大，分别为110.8%和-55.08%；变化率最小的为林地(表2)。在空间上，各区建设用地和林地均有增加，禁止建设区无建设用地。

(3)生态优化情景。将开展土地整治和基本农田建设等主导用途为农业生产空间的区域划为限制建设区，并将禁止建设区、限制开发区中共同组成的区域作为生态优化情景下的约束条件，与自然变化情景结果叠加，得到深圳市2030年生态优化情景下的土地利用模拟结果(图2)。该情景为重点保护禁止建设区内土地生态安全，并将禁止建设区的建设用地以及具有生产功能的耕地、园地转换为林地，同时控制限制建设区内的新增建设用地。与2016年各地类栅格数相比，在数量上，林地、园地和水域变化数量较大，分别为增加1511个、减少1882个，减少517个栅格，耕地建设142个栅格。从变化率上看，未利用地和园地的变化率较大，分别为103.43%和-55.61%，变化率最小的为建设用地。在空间上，各区园地均有减少，林地和未利用地均有增加。

表3 各种情景下地类栅格变化情况(个)

图2 深圳市2030年不同情景下土地利用模拟图

4.2 模拟结果对比分析

(1)土地利用结构对比。3种情景下各地类的比例可以看出，耕地、园地、水域、建设用地和未利用地在生态安全情景下和生态优化情景下的比例低于在自然情景下的比例。林地的比例在生态安全情景下的比例高于自然情景下的比例，在生态优化情景下比例最高，达到34.63%。建设用地在生态优化情景下比例最低，为49.03%，不超过全市总面积的50%。主要是因为在土地生态安全控制分区的禁止建设区，把部分生产性用地转变为具有重要生态功能的林地，而在限制建设区严格控制新增建设用地，在集中连片的控制区内限制生产活动，这与深圳市目前正在实行的建设用地“减量增长”策略保持一致，通过一系列政策的实施，在郊野森林和湿地范围内加强公园建设，同时改善自然保护区和游客较多的风景名胜区的生态环境，逐步减小生态控制区内的建设用地以及对生态具有影响的生产用地，在禁止建设区和限制建设区内严格控制各项建设活动，维护区域生态安全格局，促进城市生态功能改善。

建筑工程管理及工程施工质量的控制，是一项较为复杂的工作，由于建筑工程的性质，涉及范围较广，施工周期较长，技术和材料的选择多样，这就对建筑工程的管理水平和管理质量提出了更高的要求。建筑工程管理及工程施工质量的控制工作是一个动态的发展过程，具有不确定性，因此，在建筑工程的管理工作中，要科学合理的进行施工进度计划的编制，提高施工管理人员的专业能力和综合素质，学习新的施工技术和管理技术，不断完善管控机制，提高管控意识，从而实现建筑工程管理及工程施工质量的有效控制，促进建筑行业的健康发展。

(2)土地利用空间布局对比。自然发展情景与生态安全情景相比在于禁止建设区内的各地类分布情况不同，由于禁止建设区是土地生态安全的核心区域，可以确保生态安全的底线。生态优化情景与生态安全情景相比在于限制建设区内的用地分布情况不同，生态优化情景是在限制建设区内保持现有的建设用地数量和布局的基础上，严格控制新增建设用地的发生，形成集中连片的生态保护区，如盐田区、大鹏新区的自然保护区内的零散建设用地转变为林地；宝安区、光明区内生态控制区的有机结合，形成跨区的生态廊道等。因此，生态优化的情景相对于生态安全情景下，林地和未利用地的比例有一定幅度的提高，建设用地比例有小幅减低，全市用地布局得到进一步优化。

陈 雷：郝益东同志提出的问题很好，我来回答一下。实际上您问了三个问题：一是关于有效灌溉面积的问题；二是关于牧区水利的问题；三是涉农资金的渠道和整合的问题。

5 结论与讨论

(1)3种情景下深圳市2030年土地利用布局既有共性也存在差异。在土地利用结构方面，耕地、园地、水域、建设用地和未利用地在生态安全情景下和生态优化情景下的比例低于在自然发展情景下的比例，林地在生态优化情景下比例最高，建设用地在生态优化情景下比例最低；在土地利用空间布局方面，自然发展情景与生态安全情景相比在于禁止建设区内的各地类分布情况不同，生态优化情景与生态安全情景相比在于限制建设区内的用地分布情况不同。生态优化情景比自然发展情景和生态安全情景更能达到城市建设和生态保护的双重目标。

(2)采用FLUS模型对不同情景模式下深圳市2030年土地利用进行优化模拟具有良好的适用性。由于土地利用变化受自然、人口、市场、政策等因素的作用较为显著，FLUS模型在模拟其变化的准确性方面仍然存在一定的局限。因此，探求更为科学的土地利用优化模拟方法，应在后续研究中进一步加强。

参考文献:

[1] 龚溪,曹铭昌,王东升,等.黄河三角洲自然保护区土地利用格局空间优化模拟[J].农业工程学报,2017,33(S1):355-361.

[2] 刘彦随, 杨忍.中国县域城镇化的空间特征与形成机理[J].地理学报, 2012, 67(8):1011-1020.

[3] Florencia Sangermano,J Ronald Eastman,Honglei Zhu. Similarity weighted instance-based learning for the generation of transition potentials in land use change modeling[J]. Transactions in GIS,2010,14(5)：569-580.

[4] Lendering K T,Jonkman S N, P.H.A.J.M. van Gelder, et al. Risk-based optimization of land reclamation[J]. Reliability Engineering & System Safety, 2015, 144:193-203.

[5] Marull J,Pino J,Tello E,et al. Social metabolism, landscape change and land-use planning in the Barcelona Metropolitan Region[J]. Land Use Policy, 2010, 27(2):497-510.

[6] 杨俊,解鹏,席建超,等.基于元胞自动机模型的土地利用变化模拟——以大连经济技术开发区为例[J].地理学报,2015,70(3):461-475.

[7] 高琳,邓清海,耿许可,等.基于遥感的青岛市区土地利用动态变化研究[J].山东国土资源,2017,33(7):86-91.

[8] 焦利民，吴苏.利用自组织网络分析1990—2010年中国主要城市扩展特征[J]. 武汉大学学报,2014,39(12):1435-1440.

[9] 胡雪丽,徐凌,张树深.基于CA-Markov模型和多目标优化的大连市土地利用格局[J].应用生态学报,2013,24(6):1652-1660.

[10] 李保杰,顾和和,纪亚洲.基于CLUE-S模型的矿区土地利用变化情景模拟——以徐州市贾汪矿区为例[J].热带地理,2018,38(2):274-281.

[11] 许小亮,李鑫,肖长江,等.基于CLUE-S模型的不同情景下区域土地利用布局优化[J].生态学报,2016,36(17):5401-5410.

[12] 马欢,于强,岳德鹏,等.基于MAS-LCM的沙漠化空间模拟方法研究[J].农业机械学报,2017,48(10):134-141.

[13] 符蓉,濮励杰,钱敏,等.区域土地利用变化情景模拟设计与实证分析——基于多智能体系统(MAS)模型[J].资源科学,2012,34(3):468-474.

[14] 陈颐,林毅伟,林丽丽,等.基于Markov和Logistic模型的莆田市土地利用变化及林地转出空间模拟[J].中国农业大学学报,2017,22(2):87-97.

[15] 吴欣昕,刘小平,梁迅,等.FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定[J].地球信息科学学报,2018,20(4):532-542.

[16] 冯长春, 曹敏政, 谢婷婷.不同生态保育尺度下铜陵市土地利用结构优化[J].地理研究, 2014, 33(12):2217-2227.

[17] 焦利民，李泽慧，许刚，等.武汉市城市空间集聚要素的分布特征与模式[J].地理学报, 2017, 72(8):1432-1443.

[18] 郭旭东,谢俊奇,李双成,等.土地生态学发展历程及中国土地生态学发展建议[J].中国土地科学,2015,29(9):4-10.

[19] 黎夏,李丹,刘小平,等.地理模拟优化系统GeoSOS软件构建与应用[J].中山大学学报(自然科学版),2010,49(4):1-5.

[20] 刘小平，黎夏，张啸虎.人工免疫系统与嵌入规划目标的城市模拟及应用[J].地理学报,2008,63(8):882-894.

[21] 黎夏，李丹，刘小平.地理模拟优化系统GeoSOS软件构建与应用[J].中山大学学报,2010,49(4):1-5.

Metropolitan Land Use Optimization Simulation Based on FLUS Model ——Setting Shenzhen Cityas an Example

PENG Yunfei

(Shenzhen Urban Planning and Land Resource Research Center, Guangdong Shenzhen 518040, China)

Abstract :Based on land use data of Shenzhen city in 2010, 2015 and 2016, by using FLUS model, the changes of land use structure and spatial distribution in Shenzhen city in 2030 have been simulated under three scenarios, they are natural development scenario, ecological security scenario and ecological optimization scenario. It is showed that the simulation results of land use distribution in 2015 based on 2010 are ideal, and the kappa index is 0.862. The land use layout of Shenzhen in 2030 has both similarities and differences under the three scenarios. Ecological optimization scenarios can function better in achieving the aim of urban construction and ecological protection than the other two scenarios in the following aspects: to transform part of productive land into forest land with important ecological functions in prohibited construction zones, to strictly control new construction land in restricted construction zones, and to restrict production activities in centralized and continuous control zones.

Key words :FLUS model; urban land use; optimization simulation; Shenzhen city

收稿日期： 2018-12-18；修订日期：2019-01-21；

编辑： 陶卫卫

基金项目： 该文由国家自然科学基金资助项目“新媒体语境下的地图范式设计与参与式制图方法”(41571438)资助

作者简介： 彭云飞(1981—)，男，湖北宜城人，博士，主要研究方向为土地利用与管理；E-mail:pghds@163.com

中图分类号： P209；F301

文献标识码： A

doi: 10.12128/j.issn.1672-6979.2019.08.012

引文格式： 彭云飞.基于FLUS模型的大都市区土地利用优化模拟——以深圳市为例[J].山东国土资源，2019,35(8)：70-74. PENG Yunfei. Metropolitan Land Use Optimization Simulation Based on FLUS Model——Setting Shenzhen Cityas an Example[J].Shandong Land and Resources,2019,35(8)：70-74.

标签：FLUS模型论文;  城市土地利用论文;  优化模拟论文;  深圳市论文;  深圳市规划国土发展研究中心论文;