基于超级学习和元胞自动机模型的国土空间优化研究

【摘要】：伴随着国务院的机构改革,我国进入了山、水、林、田、湖、草等全域全要素的国土空间规划阶段。以前部门分头管理模式所形成的空间分类体系,不能适应新时期自然资源统一管理的需求。同时空间规划进入了生态文明的新时代,如何在保护环境的前提下,实现全域内各空间要素效益最大化,成为关注的焦点。文章从国土空间优化的技术方法出发,提出了一种算法和模型相耦合的优化模型构建方式。以湖南省安化县为研究区,设置适应区域发展的优化规则和目标,同时分成历史趋势发展、农地保护、生态优先三种不同的发展情景,利用模型求解出每种情景下的最优解,为空间规划提供科学参考。具体研究如下:(1)通过梳理国内外应用于国土空间优化的模型和算法,发现算法逐渐从传统的线性方式向机器智能方式发展,模型也逐渐从单一化向多元化转变。随着算法和模型的不断改进,寻优能力变强,求解速度变快。文章也在总结前人经验的基础上,构建了一种有效的国土空间优化模型。(2)安化县作为国家的重要生态功能保护区,其林地覆盖率达到了百分之七十,耕地面积少且分布破碎化,城镇用地低效粗放却依旧保持扩张趋势。无序蔓延的城镇用地不仅造成空间开发的乱序,而且侵占大量生态用地。(3)构建超级学习和元胞自动机模型相结合的国土空间优化方模型,对安化国土空间进行优化。优化后各类空间占比分别为:生态空间96.44%,农业空间9.98%,城镇空间3.56%,且各类空间布局更加合理,符合安化未来的发展规划预期。(4)通过设置历史趋势、农地保护、生态优先三种情景对安化县2025年国土空间格局进行优化。发现在历史趋势发展情景下的各类空间集聚度最高;农地保护情景下城镇扩张所占的耕地最少;生态优先情景下城镇扩张范围最小,为未来生态和农地的发展预留了优质土地资源。(5)文章不仅在实际运用上实现了国土空间的优化配置,而且在方法上采用机器智能算法与空间优化模型结合的方式,使得求解过程更高效和精确。模型也可以根据优化区域的特征适当修改参数,具有很强的适用性,为我国进行高效的国土空间优化工作提供技术支撑。