基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置

doi:10.12082/dqxxkx.2020.190531

地球信息科学学报 ›› 2020, Vol. 22 ›› Issue (3): 568-579.doi: 10.12082/dqxxkx.2020.190531

• “土地利用模拟”专栏 • 上一篇下一篇

基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置

杨露, 颉耀文^*(), 宗乐丽, 邱天, 焦继宗

兰州大学资源环境学院, 兰州 730000

收稿日期:2019-09-19 修回日期:2019-12-05 出版日期:2020-03-25 发布日期:2020-05-18
通讯作者: 颉耀文 E-mail:xieyw@lzu.edu.cn
作者简介:杨露（1995— ）,女,云南昆明人,硕士生,主要从事遥感与地理信息系统应用研究。E-mail:yanglu18@lzu.edu.cn
基金资助:
国家自然科学基金项目(41530752);国家自然科学基金项目(41471163);国家自然科学基金项目(41601064);国家科技基础资源调查项目(2017FY101003)

Land Use Optimization Configuration based on Multi-Objective Genetic Algorithm and FLUS Model of Agro-pastoral Ecotone in Northwest China

YANG Lu, XIE Yaowen^*(), ZONG Leli, QIU Tian, JIAO Jizong

College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China

Received:2019-09-19 Revised:2019-12-05 Online:2020-03-25 Published:2020-05-18
Contact: XIE Yaowen E-mail:xieyw@lzu.edu.cn
Supported by:
National Natural Science Foundation of China(41530752);National Natural Science Foundation of China(41471163);National Natural Science Foundation of China(41601064);National Science and Technology Basic Resources Investigation Special Project of China(2017FY101003)

摘要/Abstract

摘要：

西北农牧交错带生态环境脆弱,区位特殊性和生态重要性使其在我国社会经济发展和生态环境保护方面具有重要战略意义。通过对该区域进行土地利用优化配置,使有限的土地资源支撑起生态环境保护和经济发展的重任是本文的出发点。多目标遗传算法和FLUS模型的应用可以从多方面（数量结构、空间布局、综合效益）完善土地利用优化配置,为土地利用优化配置提供更多的选择方案。本文选用多目标遗传算法和FLUS模型对该区域进行2025年的土地利用变化模拟,通过设置自然发展、生态保护优先、经济发展优先、生态-经济均衡4种情景,探讨了如何在兼顾生态环境保护与社会经济发展的情况下进行土地利用的优化配置。结果表明,基于生态-经济均衡情景下的优化方案,土地利用类型的数量结构和空间布局更为合理,其综合效益优于另外3种情景。该情景在合理限制经济发展速度的前提下,使生态建设获得稳定发展,其经济效益较生态保护优先情景下增长了8.96%,生态效益较经济发展优先情景下增长了0.77%,在生态保护与经济发展2种目标之间达到平衡,为西北农牧交错带的土地利用规划提供了决策辅助。

关键词: 土地利用优化, 多目标遗传算法, FLUS模型, Markov Chain, GM（1,1）模型, 生态环境保护, 生态-经济均衡, 西北农牧交错带

Abstract:

：The ecological environment of the agro-pastoral ecotone in Northwest China is extremely fragile. Due to global warming, the frequent droughts in this region have seriously affected agriculture and animal husbandry, which is not conducive to the sustainable socio-economic development of the agro-pastoral ecotone there. It is the special location and ecological value that determine the region has an important strategic significance in socio-economic development and ecological environment protection in China. The usage of land resources plays an important role in not only the ecological environment, but the socio-economy. Therefore, the purpose of this paper is to achieve ecological environmental protection and economic development by optimizing the allocation of limited land resources in the region. The application of multi-objective genetic algorithm and FLUS model can improve the land use optimization configuration from many aspects (i.e., quantitative structure, spatial distribution, comprehensive benefits). In addition, the combination of the genetic algorithm and multi-objective programming model can provide more alternative options for it. In this paper, the multi-objective genetic algorithm and FLUS model are used to simulate the land use change of the region in 2025. By setting up four scenarios (i.e., natural development, ecological protection priority, economic development priority and eco-economic equilibrium), we explore how to optimize land use allocation on the condition of considering both the protection of ecological environment and the development of social economy. The results suggest that the eco-economic equilibrium optimization scheme shows great advantages in both the quantitative structure and spatial distribution of land use types, and its comprehensive benefits are superior to the other three scenarios. On the premise of reasonably limiting the speed of economic development, this scenario has enabled the ecological construction to develop at stable speed. Its economic benefits have increased by 8.96% compared with those under the ecological protection priority scenario, and its ecological benefits have increased by 0.77% compared with those under the economic development priority scenario. The scenario achieves the coordination between ecological protection and economic development.The eco-economic equilibrium optimization scheme has shown great potential in many aspects, such as promoting the development of unused land, assisting in the adjustment of land use structure, and driving the optimization of industrial structure. The optimal allocation of land use provides decision-making assistance for the future ecological environment construction and economic development planning of the agro-pastoral ecotone in this region. In addition, to solve the contradiction between economic development and ecological construction in the agro-pastoral ecotone, the government should strictly co-ordinate arrangements for various types of land, while enhancing the comprehensive utilization of land resources.

Key words: land use optimization, multi-objective genetic algorithm, FLUS model, Markov Chain, GM(1,1) Model, ecological environment protection, eco-economic equilibrium, agro-pastoral ecotone

杨露, 颉耀文, 宗乐丽, 邱天, 焦继宗. 基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置[J]. 地球信息科学学报, 2020, 22(3): 568-579.DOI:10.12082/dqxxkx.2020.190531

YANG Lu, XIE Yaowen, ZONG Leli, QIU Tian, JIAO Jizong. Land Use Optimization Configuration based on Multi-Objective Genetic Algorithm and FLUS Model of Agro-pastoral Ecotone in Northwest China[J]. Journal of Geo-information Science, 2020, 22(3): 568-579.DOI:10.12082/dqxxkx.2020.190531

图/表 9

图1

图2

表2

约束类型	约束条件/km²	说明
土地总面积约束	$A = ∑ i = 1 6 x i$	各类土地利用类型的规划面积（x_i）总和应等于研究区的总面积A
耕地保有量约束（x₁）	13 906≥x₁≥13 236	耕地的最小规模不得低于2015年耕地面积现状13 236 km²以及2020年的耕地保有量7780.57 km²（基于对粮食安全和耕地保护政策的考虑）;最大规模以2010—2015年耕地的增长速度来设定
林地规模（x₂）	2739≥x₂≥2332	林地的最小规模以2010—2015年的退化速度来设定;最大规模设置为自然发展情景下的林地需求数据上调10%
水域面积约束（x₄）	883≥x₄≥865	水域的最小规模以2010—2015年的退化速度来设定;由于该区域地处干旱与半旱区,降雨少,水域面积在1990—2015年持续呈负增长,故将水域的最大规模设为2015年水域面积883 km²
建设用地规模控制（x₅）	2677≥x₅≥2113	建设用地的最小规模不低于2020年的建设用地规模的控制量;最大规模设置为自然发展情景下的建设用地需求数据上调10%
未利用地规模控制（x₆）	18 076≥x₆≥16 174	未利用地的最小规模以2010—2015年的开发速度来设定;最大规模不得高于2015年的未利用地面积18 076 km²
草地面积约束（x₃）	51 062≥x₃≥50 050	草地面积的变化不仅受人类活动影响,而且受降雨影响也较大,将其面积变化范围设定为在自然发展情景下草地面积的基础上±1%
生态环境保护约束	x₂≥2496 x₄≥883	仅约束“生态保护优先”及“生态—经济均衡”情景,设定林地、水域等生态用地面积不可再减少
决策量非负约束	x_i≥0,i=1,2,3,4,5,6	在模型中,各约束变量要求为非负值

图3

图4

表5

参考文献 41

[1]	马冰滢, 黄姣, 李双成 . 基于生态-经济权衡的京津冀城市群土地利用优化配置[J]. 地理科学进展, 2019,38(1):26-37.
	[ Ma B Y, Huang J, Li S C . Optimal allocation of land use types in the Beijing-Tianjin-Hebei urban agglomeration based on ecological and economic benefits trade-offs[J]. Progress in Geography, 2019,38(1):26-37. ]
[2]	陆军辉, 梅志雄, 赵书芳 , 等. 土地利用配置的混沌蚁群优化算法研究[J]. 地球信息科学学报, 2017,19(8):1026-1035.
	[ Lu J H, Mei Z X, Zhao S F , et al. Land use optimization allocation based on chaos ant colony algorithm[J]. Journal of Geo-information Science, 2017,19(8):1026-1035. ]
[3]	魏伟, 颉耀文, 魏晓旭 , 等. 基于CLUE-S模型和生态安全格局的石羊河流域土地利用优化配置[J]. 武汉大学学报·信息科学版, 2017,42(9):1306-1315.
	[ Wei W, Xie Y W, Wei X X , et al. Land use optimization based on CLUE-S model and ecological security scenario in Shiyang River Basin[J]. Geomatics and Information Science of Wuhan University, 2017,42(9):1306-1315. ]
[4]	穆亚超 . 基于Landsat影像的西北农牧交错带地区植被信息提取[D]. 兰州:兰州大学, 2017.
	[ Mu Y C . Vegetation information extraction in the agriculture and pasturage interlaced zone of northwest China based on landsat image[D]. Lanzhou: Lanzhou University, 2017. ]
[5]	曾晟轩, 顾娟, 贺缠生 . 西北农牧交错带中部气候变化特征及其持续性[J]. 水土保持研究, 2018,25(4):356-364.
	[ Zeng S X, Gu J. He C S. Variability and persistence of climate in the agricultural-pastoral transitional zone in the central part of the northwest China[J]. Research of Soil and Water Conservation, 2018,25(4):356-364. ]
[6]	杜华明, 延军平, 王鹏涛 . 北方农牧交错带干旱灾害及其对暖干气候的响应[J]. 干旱区资源与环境, 2015,29(1):124-128.
	[ Du H M, Yan J P, Wang P T . The drought disaster and its response to the warming-drying climate in the farming-pastoral ecotones in northern China[J]. Journal of Arid Land Resources and Environment, 2015,29(1):124-128. ]
[7]	刘家福, 王平, 李京 , 等. 基于Markov模型的长岭县土地利用时空变化研究[J]. 水土保持研究, 2009,16(3):16-19.
	[ Liu J F, Wang P, Li J , et al. Spatial-temporal changes of land use based on Markov model in Changling County[J]. Research of Soil and Water Conservation, 2009,16(3):16-19. ]
[8]	田贺, 梁迅, 黎夏 , 等. 基于SD模型的中国2010-2050年土地利用变化情景模拟[J]. 热带地理, 2017,37(4):547-561. doi: 10.13284/j.cnki.rddl.002939
	[ Tian H, Liang X, Li X , et al. Simulating multiple land use scenarios in China during 2010-2050 based on system dynamic model[J]. Tropical Geography, 2017,37(4):547-561. ] doi: 10.13284/j.cnki.rddl.002939
[9]	耿红, 王泽民 . 基于灰色线性规划的土地利用结构优化研究[J]. 武汉测绘科技大学学报, 2000,25(2):167-171,182.
	[ Geng H, Wang Z M . Research on optimization of land use structure based on gray linear programming[J]. Journal of Wuhan Technical University of Surveying and Mapping, 2000,25(2):167-171,182. ]
[10]	刘欣, 赵艳霞, 冯晓淼 , 等. 基于CLUE-S模型的多目标土地利用格局模拟与优化——以河北省廊坊市北三县为例[J]. 地理与地理信息科学, 2018,34(5):92-98.
	[ Liu X, Zhao Y X, Feng X M , et al. Simulation and optimization of multi-objective land use pattern based on the CLUE-S model: A case study of the three northern counties of Langfang in Hebei Province[J]. Geography and Geo-Information Science, 2018,34(5):92-98. ]
[11]	Zhang H H, Zeng Y N, Jin X B , et al. Simulating multi-objective land use optimization allocation using Multi-agent system: A case study in Changsha, China[J]. Ecological Modelling, 2016,320:334-347.
[12]	黎夏, 叶嘉安 . 基于神经网络的元胞自动机及模拟复杂土地利用系统[J]. 地理研究, 2005,24(1):19-27.
	[ Li X, Yeh A G O . Cellular automata for simulating complex land use systems using neural networks[J]. Geographical Research, 2005,24(1):19-27. ]
[13]	张美美, 张荣群, 郝晋珉 , 等. 基于ANN-CA的银川平原湿地景观演化驱动力情景模拟分析[J]. 地球信息科学学报, 2014,16(3):418-425.
	[ Zhang M M, Zhang R Q, Hao J M , et al. The scenarios simulation analysis of driving forces of wetland landscape evolution using ANN-CA in Yinchuan Plain[J]. Journal of Geo-information Science, 2014,16(3):418-425. ]
[14]	刘小平, 黎夏, 艾彬 , 等. 基于多智能体的土地利用模拟与规划模型[J]. 地理学报, 2006,61(10):1101-1112.
	[ Liu X P, Li X, Ai B , et al. Multi-agent systems for simulating and planning land use development[J]. Acta Geographica Sinica, 2006,61(10):1101-1112. ]
[15]	邓华, 邵景安, 王金亮 , 等. 多因素耦合下三峡库区土地利用未来情景模拟[J]. 地理学报, 2016,71(11):1979-1997.
	[ Deng H, Shao J A, Wang J L , et al. Land use driving forces and its future scenario simulation in the Three Gorges Reservoir Area using CLUE-S model[J]. Acta Geographica Sinica, 2016,71(11):1979-1997. ]
[16]	Liu X P, Liang X, Li X , et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning, 2017,168:94-116. doi: 10.1016/j.landurbplan.2017.09.019
[17]	胡碧松, 张涵玥 . 基于CA-Markov模型的鄱阳湖区土地利用变化模拟研究[J]. 长江流域资源与环境, 2018,27(6):1207-1219.
	[ Hu B S, Zhang H Y . Simulation of land-use change in Poyang Lake Region based on CA-Markov model[J]. Resources and Environment in the Yangtze Basin, 2018,27(6):1207-1219. ]
[18]	岳东霞, 杨超, 江宝骅 , 等. 基于CA-Markov模型的石羊河流域生态承载力时空格局预测[J]. 生态学报, 2019,39(6):1993-2003. doi: 10.5846/stxb201711302153
	[ Yue D X, Yang C, Jiang B H , et al. Spatio-temporal pattern prediction of the biocapacity in the Shiyang River Basin on the basis of the CA-Markov model[J]. Acta Ecologica Sinica, 2019,39(6):1993-2003. ] doi: 10.5846/stxb201711302153
[19]	Liu D F, Tang W W, Liu Y L , et al. Optimal rural land use allocation in central China: Linking the effect of spatiotemporal patterns and policy interventions[J]. Applied Geography, 2017,86:165-182.
[20]	Wu M, Ren X Y, Che Y , et al. A coupled SD and CLUE-S model for exploring the impact of land use change on ecosystem service value: A case study in Baoshan district,Shanghai, China[J]. Environmental management, 2015,56(2):402-419. doi: 10.1007/s00267-015-0512-2 pmid: 25924787
[21]	Lauf S, Haase D, Hostert P , et al. Uncovering land-use dynamics driven by human decision-making - A combined model approach using cellular automata and system dynamics[J]. Environmental Modelling & Software, 2012, 27-28:71-82.
[22]	Xu X M, Du Z Q, Zhang H . Integrating the system dynamic and cellular automata models to predict land use and land cover change[J]. International Journal of Applied Earth Observations and Geoinformation, 2016,52:568-579.
[23]	柯新利, 孟芬, 马才学 . 基于粮食安全与经济发展区域差异的土地资源优化配置——以武汉城市圈为例[J]. 资源科学, 2014,36(8):1572-1578.
	[ Ke X L, Meng F, Ma C X . Optimizing land resource allocation based on food security and regional difference in economic development: A case study in Wuhan metropolitan[J]. Resources Science, 2014,36(8):1572-1578. ]
[24]	王丽萍, 金晓斌, 杜心栋 , 等. 基于灰色模型—元胞自动机模型的佛山市土地利用情景模拟分析[J]. 农业工程学报, 2012,28(3):237-242.
	[ Wang L P, Jin X B, Du X D , et al. Land use scenarios simulation of Foshan city based on gray model and cellular automata model[J]. Transactions of the CSAE, 2012,28(3):237-242. ]
[25]	王汉花, 刘艳芳 . 基于MOP-CA整合模型的土地利用优化研究[J]. 武汉大学学报·信息科学版, 2009,34(2):174-177,247.
	[ Wang H H, Liu Y F . Optimal allocation of land resources based on MOP-CA[J]. Geomatics and Information Science of Wuhan University, 2009,34(2):174-177,247. ]
[26]	刘菁华, 李伟峰, 周伟奇 , 等. 权衡城市扩张、耕地保护与生态效益的京津冀城市群土地利用优化配置情景分析[J]. 生态学报, 2018,38(12):4341-4350.
	[ Liu J H, Li W F, Zhou W Q , et al. Scenario simulation balancing multiple objectives for optimal land use allocation of the Beijing-Tianjin-Hebei megaregion[J]. Acta Ecologica Sinica, 2018,38(12):4341-4350. ]
[27]	李少英, 刘小平, 黎夏 , 等. 土地利用变化模拟模型及应用研究进展[J]. 遥感学报, 2017,21(3):329-340.
	[ Li S Y, Liu X P, Li X , et al. Simulation model of land use dynamics and application: Progress and prospects[J]. Journal of Remote Sensing, 2017,21(3):329-340. ]
[28]	Li X, Chen G Z, Liu X P , et al. A new global land-use and land-cover change product at a 1-km resolution for 2010 to 2100 based on human-environment interactions[J]. Annals of the American Association of Geographers, 2017,107(5):1040-1059.
[29]	黄海 . 土地利用结构多目标优化遗传算法[J]. 山地学报, 2011,29(6):695-700.
	[ Huang H . Multi-objective genetics algorithm for land use structure optimization[J]. Journal of Mountain Science, 2011,29(6):695-700. ]
[30]	徐新良, 刘纪远, 张树文, 等中国多时期土地利用土地覆被遥感监测数据集(CNLUCC)[DB/OL]. http://www.resdc.cn/DOI/doi.aspx?DOIid=54, 2019-06-15
	[ Xu X, Liu J Y, Zhang S W, et al. China's Multi-period land use land cover remote sensing monitoring data set (CNLUCC)[DB/OL]. http://www.resdc.cn/DOI/doi.aspx?DOIid=54 2019-06-15.]
[31]	地理空间数据云平台. ASTER GDEM V2[DB/OL]. http://www.gscloud.cn/, 2019-06-15.
	[ Geospatial Data Cloud. ASTER GDEM V2[DB/OL]. http://www.gscloud.cn/, 2019-06-15.]
[32]	全国地理信息资源目录服务系统. 1:25万全国基础地理数据[DB/OL]. http://www.webmap.cn/, 2019-06-15.
	[ National Catalogue Service for Geographic Information. 1: 250000 national basic geographic data[DB/OL]. http://www.webmap.cn/, 2019-06-15.]
[33]	徐新良. 中国GDP空间分布公里网格数据集[DB/OL]. http://www.resdc.cn/DOI/doi.aspx?DOIid=33, 2019-06-15.
	[ Xu X, . Spatial distribution of GDP kilometer grid dataset in China[DB/OL]. http://www.resdc.cn/DOI/doi.aspx?DOIid=33, 2019-06-15.]
[34]	徐新良. 中国人口空间分布公里网格数据集[DB/OL]. http://www.resdc.cn/data.aspx?DATAID=251, 2019-06-15.
	[ Xu X Spatial distribution of population kilometer grid dataset in China[DB/OL]. http://www.resdc.cn/data.aspx?DATAID=251, 2019-06-15.]
[35]	鄂尔多斯市统计局. 鄂尔多斯统计年鉴[M]. 北京: 中国统计出版社,2011- 2016.
	[ Ordos municipal bureau of statistics. Ordos statistical yearbook[M]. Beijing: China Statistics Press, 2011- 2016. ]
[36]	榆林市统计局. 榆林统计年鉴[M]. 北京: 中国统计出版社,2010- 2015.
	[ Yulin municipal bureau of statistics. Yulin statistical yearbook[M]. Beijing: China Statistics Press, 2010- 2015. ]
[37]	宁夏回族自治区统计局, 国家统计局宁夏调查总队. 宁夏统计年鉴[M]. 北京: 中国统计出版社,2011- 2016.
	[ Ningxia hui autonomous region bureau of statistics, Ningxia investigation corps of the national bureau of statistics. Ningxia statistical yearbook[M]. Beijing: China Statistics Press, 2011- 2016. ]
[38]	董品杰, 赖红松 . 基于多目标遗传算法的土地利用空间结构优化配置[J]. 地理与地理信息科学, 2003,19(6):52-55.
	[ Dong P J, Lai H S . A method of optimization allocation of land use spatial structure based on multi-objective genetic algorithm[J]. Geography and Geo-Information Science, 2003,19(6):52-55. ]
[39]	谢高地, 鲁春霞, 冷允法 , 等. 青藏高原生态资产的价值评估[J]. 自然资源学报, 2003,18(2):189-196.
	[ Xie G D, Lu C X, Leng Y F , et al. Ecological assets valuation of the Tibetan Plateau[J]. Journal of Natural Resources, 2003,18(2):189-196. ]
[40]	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.
	[ Wu X X, Liu X P, Liang X , et al. Multi-scenarios simulation of urban growth boundaries in Pearl River Delta based on FLUS-UGB[J]. Journal of Geo-information Science, 2018,20(4):532-542. ]
[41]	曹帅, 金晓斌, 杨绪红 , 等. 耦合MOP与GeoSOS-FLUS模型的县级土地利用结构与布局复合优化[J]. 自然资源学报, 2019,34(6):1171-1185.
	[ Cao S, Jin X B, Yang X H , et al. Coupled MOP and GeoSOS-FLUS models research on optimization of land use structure and layout in Jintan district[J]. Journal of Natural Resources, 2019,34(6):1171-1185. ]

	耕地	林地	草地	水域	建设用地	未利用地
经济效益系数B_i	191.36	58.79	42.33	173.11	9369.04	0
生态价值系数C_i	63.39	200.43	66.41	421.69	0	3.85

情景类型	情景描述	地类转换要求/限制
自然发展	遵循土地利用类型的自然演变规律	不对地类间的转换设置限制
生态保护优先	加强对生态用地的保护,保持生态功能稳定,以生态效益的增长为主要优化目标,生态效益目标与经济效益目标的权重分别为0.8和0.2	禁止林地和水域向其他地类转换;草地和耕地可向生态价值更高的地类转换,以获取更高的生态效益;禁止占用生态用地来开发耕地;大力开发未利用地向生态用地转换
经济发展优先	加强城乡建设,进一步推进该区域城镇化,带动基础设施建设和产业结构优化,以经济效益的增长为主要优化目标,生态效益目标与经济效益目标的权重分别为0.2和0.8	各地类可向经济产出价值更高的地类转换,以获取更高的经济效益;加速建设用地面积的扩张;推进未利用地的开发
生态-经济均衡	加强对土地资源的综合利用程度,在保障生态环境可持续发展和生态建设稳速进行的前提下,促进经济建设快速发展,生态效益目标与经济效益目标的权重分别为0.5和0.5	严格保护林地和水域等生态用地,禁止林地和水域向其他地类转换;大力推进未利用地的开发,向生态用地和经济用地转换

类型	2015年面积	2025年
		自然发展			生态保护优先			经济发展优先			生态-经济均衡
		面积	变化面积	变化比例	面积	变化面积	变化比例	面积	变化面积	变化比例	面积	变化面积	变化比例
耕地	13 236	13 509	273	2.06	13 237	1	0.00	13 388	152	1.15	13 311	75	0.57
林地	2496	2490	-6	-0.24	2712	216	8.65	2411	-85	-3.41	2675	179	7.17
草地	50 035	50 556	521	1.04	50 781	746	1.49	50 660	625	1.25	50495	460	0.92
水域	883	876	-7	-0.79	883	0	0.00	878	-5	-0.57	883	0	0.00
建设用地	1567	2433	866	55.26	2325	758	48.37	2675	1108	70.71	2581	1014	64.71
未利用地	18 076	16 429	-1647	-9.11	16 355	-1721	-9.52	16 281	-1795	-9.93	16 348	-1728	-9.56

	自然发展	生态保护优先	经济发展优先	生态-经济均衡
经济效益/亿元	2781.80	2677.79	3006.23	2917.63
生态效益/亿元	514.55	519.03	512.92	516.86
经济效益变化比例（以生态保护优先情景为基准）/%	3.88	0.00	12.27	8.96
生态效益变化比例（以经济发展优先情景为基准）/%	0.32	1.19	0.00	0.77

基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置

Land Use Optimization Configuration based on Multi-Objective Genetic Algorithm and FLUS Model of Agro-pastoral Ecotone in Northwest China

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 41

相关文章 6

Metrics

本文评价

推荐阅读 0

[1]	张经度, 梅志雄, 吕佳慧, 陈进钊. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用[J]. 地球信息科学学报, 2020, 22(3): 531-542.
[2]	黄康, 戴文远, 黄万里, 欧惠. 基于FLUS模型与动能定理的城镇用地增长边界划定[J]. 地球信息科学学报, 2020, 22(3): 557-567.
[3]	赵林峰, 刘小平, 刘鹏华, 陈广照, 何家律. 基于地理分区与FLUS模型的城市扩张模拟与预警[J]. 地球信息科学学报, 2020, 22(3): 517-530.
[4]	王志远, 张考, 丁志鹏, 伍随意, 黄春华. 纳入动态数据的改进FLUS模型在城市增长边界划定中的应用[J]. 地球信息科学学报, 2020, 22(12): 2326-2337.
[5]	张晓荣, 李爱农, 南希, 雷光斌, 王昌博. 基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟[J]. 地球信息科学学报, 2020, 22(12): 2393-2409.
[6]	赵轩, 彭建东, 樊智宇, 杨晨, 杨红. “双评价”视角下基于FLUS模型的武汉大都市区土地利用模拟和城镇开发边界划定研究[J]. 地球信息科学学报, 2020, 22(11): 2212-2226.