《Land》：Optimizing Land Use Allocation Based on Ant Colony Algorithm Under Ecological Security Constraints
编辑推荐：
基于生态安全进行土地利用优化配置，对于协调生态保护与土地开发利用具有实际意义。然而，以往研究主要关注面向生态安全的土地利用模拟而非优化配置，未考虑所得土地利用方案是否满足利益相关者的目标。本研究中，研究人员通过整合最小累积阻力（MCR）模型与蚁群优化（ACO）
基于生态安全进行土地利用优化配置，对于协调生态保护与土地开发利用具有实际意义。然而，以往研究主要关注面向生态安全的土地利用模拟而非优化配置，未考虑所得土地利用方案是否满足利益相关者的目标。本研究中，研究人员通过整合最小累积阻力（MCR）模型与蚁群优化（ACO）算法，构建了一个纳入生态安全的多目标土地利用优化配置框架，并将其应用于中国珠江三角洲（PRD）的最优土地配置方案生成。结果表明：该框架能够有效生成兼顾经济发展对土地利用需求与生态用地保护的最优土地利用模式，因此具有为国土空间规划提供技术支撑的潜力；与2020年PRD土地利用相比，2035年优化配置方案在管理各目标权衡的基础上，提高了总目标值、土地适宜性、土地集聚度和转换效益，并为区域可持续发展提供了更好的土地利用结构保障；此外，所得土地配置方案能够降低景观破碎化程度和多样性，提高土地集聚度，并更合理地分配各土地类型的分布。本研究为生态安全前提下的国土空间规划提供了参考。
自改革开放以来，中国经济与城市化快速发展，导致剧烈的土地利用/覆被变化，对生态系统结构与功能造成严重干扰，引发诸多生态环境问题，威胁区域生态安全与可持续发展。土地利用优化配置作为国土空间规划的核心内容，能缓解人类土地利用与生态保护之间的冲突。然而，已有生态安全导向的土地利用优化研究存在三类不足：其一，直接依据规划数据设定数量与空间约束，仅覆盖基本农田保护区、自然保护区等核心区域，忽视生态廊道、节点等生态要素，缺乏整体性与系统性；其二，采用生态系统服务价值、绿色空间面积、碳排放等生态效益指数，但假设同类型土地具有相同生态效益系数，忽略空间异质性；其三，基于生态安全格局划定控制区后，主要进行土地利用模拟而非最优配置，未判断方案是否满足利益相关者目标。此外，启发式算法中的蚁群优化（ACO）在土地利用分配中的应用多局限于区县级小尺度区域，缺乏在大尺度区域如珠江三角洲（PRD，约5.5万km
2）的检验。因此，有必要开发一种在生态安全约束下、面向大区域且兼顾决策者目标的多目标土地利用优化配置方法。
研究人员通过整合最小累积阻力（MCR）模型与ACO算法，构建了纳入生态安全的多目标土地利用优化配置框架，并将其应用于PRD的2035年土地配置方案生成。该框架综合考虑数量结构、转换规则、空间布局和生态安全空间四类约束，以及土地适宜性、土地集聚度、综合转换效益三个目标。研究结果表明，所获最优方案能同时兼顾经济发展对土地的需求和生态用地保护，可为国土空间规划提供技术支撑；与2020年土地利用现状相比，2035年优化方案在总目标值、土地适宜性、土地集聚度和转换效益上均提升，并降低景观破碎化、提高集聚度、改善生境质量，具有重要的应用意义。
主要关键技术方法包括：利用GEE平台Landsat 8影像和随机森林算法解译2020年PRD土地利用数据（kappa=0.96），分为耕地、园地、林地、草地、建设用地、水域、其他土地七类；采用层次分析法（AHP）确定阻力因子权重，构建MCR模型并划定禁止、限制、优化、集约四类生态安全控制区；基于8个评价因子计算土地适宜性；设计ACO算法求解多目标模型，采用权重和法与自适应罚函数处理约束；以2020年为对照，用景观指数和平均生境质量验证优化方案。
4.1 获取最佳优化配置方案
通过设置11种权重组合（A-K）生成替代方案。其中，选项K（权重1:1:1）的土地适宜性、土地集聚度和综合转换效益值均位列第二，能最好地平衡目标间冲突，因此被确定为最佳方案。
4.2 最佳优化结果分析
4.2.1 目标函数比较
与2020年土地利用相比，优化方案总目标值提高8.24%，土地适宜性提高5.71%，土地集聚度提高11.34%，综合转换效益提高3.59%。迭代曲线显示目标值在70次迭代后趋于平稳，模型收敛良好。
4.2.2 土地利用数量结构比较
优化方案中各类土地数量均满足设定的数量结构约束。与2020年相比，耕地、林地、建设用地面积增加，园地、草地和其他土地面积减少。从生态安全控制区看，集约与优化发展区的建设用地增加，以满足城市化与经济发展；限制与禁止发展区的建设用地减少，转为林地、草地等生态用地；禁止发展区的耕地、园地也转为林地，以保障生态安全底线。
4.2.3 土地利用空间布局比较
优化前后土地利用图对比显示，新增建设用地斑块主要分布在佛山三水/南海、广州番禺/南沙、江门新会、深圳宝安、东莞麻涌等适宜开发区域，并呈集聚状；新增林地主要分布在惠州东部/北部、肇庆西部/北部、江门西部山区，由园地和耕地转化；新增耕地多与现有耕地相连。景观指数分析表明，优化后斑块密度（PD）、边缘密度（ED）、分裂指数（SPLIT）下降，蔓延度指数（CONTAG）上升，香农多样性指数（SHDI）下降，说明景观破碎化程度降低、集聚度提高、土地利用分布更合理。
4.2.4 生态安全水平比较
以平均生境质量作为生态安全指标，2020年为0.70，2035年为0.73，表明优化方案可提高区域整体生态安全水平。
讨论部分认为，优化方案通过权衡三个目标，兼顾了经济发展与生态保护，能够缓解土地利用冲突，提高土地利用集约度，为区域可持续发展提供结构保障。研究结论部分（翻译）为：本研究通过整合最小累积阻力（MCR）模型与蚁群优化（ACO）算法，开发了一种纳入生态安全的多目标土地利用优化配置框架，并应用于珠江三角洲（PRD）这一面积大、发展快且生态问题严重的地区。主要发现如下：第一，该框架能在满足规划数量约束、空间布局约束和生态安全约束的条件下，解决多目标土地利用最优配置问题，获得既满足经济发展需求又充分考虑生态用地保护、且在多目标间实现良好权衡的方案，表明模型合理可行。第二，与2020年土地利用相比，2035年优化方案的总目标值、土地适宜性、土地集聚度和转换效益分别提高8.24%、5.71%、11.34%和3.59%，说明优化方案的合理性、集约度和土地利用效率均得到提升，可为未来区域可持续发展提供更好的土地利用结构保障。第三，优化方案能降低景观破碎化程度和多样性，提高土地集聚度，在一定程度上解决当前土地利用破碎化和集约度不高的问题，并更合理分配各土地类型，因此可为区域未来土地空间开发与生态保护策略提供决策支持。研究也存在一定局限：模型仅考虑三个目标，未纳入社会经济特征、历史文化保护政策、政府意图等因素；目标权重设定基于决策者偏好，存在主观性；缺少与其他智能优化算法的比较，未来需开展对比分析。
