气候韧性视角下基于 NSGA-Ⅲ的国土空间优化方法

 

摘要：【目的】以增汇减排为核心的自然气候解决方案（natural climate solutions, NCS）是应对气候变化问题的有效方法之一，而城市经济社会快速发展使 NCS 落实的载体——林草地等生态用地面临着随时被侵占的困境。通过构建多目标优化模型完成国土空间优化，可协调多方发展需求并实现气候韧性。

 

【方法】以四川天府新区眉山片区为例，以 2030 年为期设定强气候韧性、均衡发展两种情景，构建基于“双评价”约束的第三代非支配排序遗传算法（NSGA-Ⅲ）的国土空间优化模型。

 

【结果】强气候韧性、均衡发展情景中分别有 10.92% 和 13.21% 的土地发生变化，推动气候调节效益分别增长 23.12%、9.88%，前者情景中首要贡献者是林地，后者为草地；人口容量分别增长 64.94%、69.15%，强气候韧性情景在实现气候韧性的同时兼顾了城市发展。两种情景结果都显示，研究区下辖的 5 个街道/镇中，生态用地较少的青龙街道内林地面积增长率超 100%，城镇开发强度较小的高家镇、贵平镇内建设用地面积增长率超 600%，锦江镇、视高街道内各类型土地变化相对平稳；与 2020 年相比，优化后的各类型土地斑块形状趋于复杂，国土空间呈现更加破碎的布局模式，尤以均衡发展情景为甚。

 

【结论】多目标国土空间优化模型以气候韧性为主导，兼顾社会发展需求，减轻了生态用地易被侵占的风险，为研究区推进零碳排放试点工程和落实气候韧性发展实践提供可借鉴的技术路径。

 

 国土空间规划是国家可持续发展蓝图。土地作为国土空间的载体和重要组成部分，其变化直接影响生物地球物理过程和生物地球化学过程，是气候变化的重要驱动因素[1-2]。生物地球化学过程主要体现为不同土地利用方式影响碳的排放和吸收，引发大气中温室气体含量改变，进而导致全球持续变暖[1]，严重威胁和挑战自然、社会系统，并可能引发系统性金融风险和经济风险[3]。政府间气候变化委员会（Intergovernmental Panel on ClimateChange, IPCC）第六次评估报告第三组报告《气候变化 2022：减缓气候变化》（Climate Change2022: Mitigation of Climate Change）指出：当全球升温超过工业化前 2 ℃ 时，气候韧性发展将难以实现；若想控制在 2 ℃ 以内，全球温室气体排放量需在 2030 年前减少 25%。因此，调整国土空间以应对气候变化不利影响[4-5] 成为当前发展阶段的重要课题之一。

 

 中国坚持减缓和适应气候变化战略并重[3]。其中，减缓战略以低碳减排为特征，是“自上而下”的决策过程[6]，要求专家学者积极将减缓气候变化的战略纳入国土空间规划设计阶段，充分发挥生态系统的固碳释氧功能[7-10]。然而，减缓战略的实践并不理想：中国通过空间规划应对气候变化的法规政策体系尚不完善——2013 年才正式提出将其纳入经济社会发展的全过程[11]，后虽选取了多个城市试点，通过国土空间规划减缓气候变化的研究体系与方法依旧不明。

 

发达国家更早地进行了气候韧性的探索和实践。其中，土地利用研究是实现气候韧性的六大研究领域之一，包括国土空间规划、土地利用效率、土地承载力等方面[12-14]。就国土空间规划而言，英国 2008 年颁布了《气候变化法案》（Climate Change Act 2008），同年颁布《规划政策声明：规划和气候变化（规划政策补充声明一）》（Planning Policy Statement:Planning and Climate Change-Supplement toPlanning Policy Statement 1），该声明指出应通过区域空间规划应对气候变化；德国 2007 年提出《能源与气候一揽子计划》（IntegratedNational Energy and Climate Plan），明确提出农，林等领域应充分挖掘各自应对气候变化的潜能。在这些法律法规落实过程中，自然气候解决方案（natural climate solutions, NCS）以持续“保护—恢复—管理”自然/半自然的生态系统、增加生态系统碳汇为核心内容，被较多国家研究和使用[15-16]，联合国于 2019 年将NCS 列为应对气候变化的最有效方法之一。然而，城市扩张、粮食安全等发展问题使NCS 落实的重要载体——现有生态用地和潜在的生态用地都有被侵占的风险[17-18]，须找到科学的方法生成综合的解决方案。

 

近年来，众多启发式算法如遗传算法 （ genetic algorithm, GA） [19]、 模 拟 退 火 算 法 （ simulated annealing, SA） [20]、 粒 子 群 算 法 （particle swarm optimization, PSO）[21] 等被用于解决综合性的城市发展问题。已有学者基于上述算法在生态系统服务效益[22]、低碳用地规划[23]等领域展开研究，表明这类算法通过模拟生物过程、物理现象或群体行为，在合理的时间内产生接近最优的解[24]，具有充足的潜力来应对目前和未来气候变化背景下多方协调发展的国土空间优化问题。在众多算法中，基于生物进化原理的遗传算法的综合性能最优[25]，而经改良的第三代非支配排序遗传算 法（ non-dominated sorted genetic algorithmⅢ, NSGA-Ⅲ）收敛速度更快，在解决 3 个目标以上的问题中表现出良好性能[26-27]，它的参考点选择机制能保证最终结果的合理性。既有研究也表明，在应用算法模型时需谨慎设置其中的各项系数和规则，包括土地初始化、土地进化规则等[24-28]。以土地初始化为例，大多学者认为在正式优化前改变现状中部分土地的类型可以提高优化效率，在实际操作中，周玲慧等[26]仅改变 4.5% 的土地，Song 等将值定为 30%[28]，王昊煜等[19] 改变了 90% 的土地，这也说明当前诸多指标系数的选取尚无定式。

 

综上，本研究选取四川天府新区的重要组成部分、零碳排放试点区——四川天府新区眉山片区（简称新区）为研究区域，从风景园林视角切入，构建多目标优化模型落实国土空间优化，协调多方发展需求并助力实现气候韧性。

 

 1  研究区概况与数据来源

 

  1.1  研究区概况

  

  新区以“山水公园城，宜居创新谷，乡居田园邑”为战略定位，据眉山市第七次全国人口普查公报初步汇总数据，至 2020 年新区常住人口约 19.79 万人。辖区总面积约 530 km2，涉及彭山区的青龙街道、锦江镇和仁寿县的视高街道、高家镇、贵平镇，其中视高、青龙街道已初步形成较为紧凑的城镇空间布局；龙泉山生态带、彭祖山生态带和岷江生态带共同构成新区生态本底（图 1）。近年来，气候条件相对温和的新区亦遭遇多次暴雨、高温灾害天气。

 

1.2  数据来源

 

本研究所用数据包括土地利用数据、气候数据、土壤数据等 15 项（表 1），其中前14 项数据主要用于资源环境承载能力和国土空间开发适宜性评价（简称“双评价”）。气候数据包括降水量、平均地表径流、大风天数、平均蒸散量等，取 2011—2020 年各区/县监测点的年平均值；植被覆盖度情况经由2018 年 2 月 20 日、3 月 8 日、4 月 2 日 3 期Landsat 8 OLI_TIRS 数据拼接、计算得出，数据云量影响小于 1%；识别眉山市 2011—2022 年的 4 处地质灾害点，并在距灾害点 1 000 m 内建立缓冲区[29]；基于 8 期 Landsat 8 OLI_TIRS 数据、2 期 Landsat 7 ETM_SLC_off 数据（6—9 月）计算得出彭山区 2011—2020 年各年的归一化植被指数（normalized difference vegetation index,NDVI）。 所 有 数 据 统 一 至 WGS_1984_UTM坐标系后，将土壤质地、土壤侵蚀强度数据重 采 样至 30 m 分 辨 率 。 数 据 处 理 软 件 为Arc GIS 10.6、ENVI 5.3。

 

2  基于NSGA-Ⅲ构建国土空间优化模型

 

首先分析得出新区“双评价”结果，将其作为优化模型的纲领性约束；其次基于NSGA-Ⅲ原理，通过土地初始化、重组和突变、择优等步骤，构建气候韧性视角下的国土空间优化模型；最后基于模型结果分析模型性能、土地利用配置优化结果等（图 2）。

 

 2.1  新区“双评价”

 

 

 遵循《资源环境承载能力和国土空间开发适宜性评价指南（试行）》开展眉山市市域“双评价”——围绕气候、灾害等要素展开生态保护、农业生产、城镇建设评价，经叠加和裁剪得出当前阶段新区的“双评价”结果：新区国土空间被划分为生态保护极重要区、生态保护重要区、农业生产适宜区、城市建设适宜区和水域 5 类，且生态保护极重要区内涵盖生态保护红线划定的全部范围。利用评价结果科学地规划各类用地，指导NSGA-Ⅲ在遵循新区生态、生产、生活功能布局要求的前提下，完成国土空间优化。这一过程也将改进该算法在以往研究中空间布局寻优能力不足的问题。

 

  2.2  NSGA-Ⅲ原理及多气候韧性情景设定

  

  使用性能优越的 Python 遗传算法工具箱——Geatpy 工具箱构建国土空间优化模型。Geatpy 工具箱的开发者为解决多目标优化问题创建了顶级父类、种群类、问题类，作为模板，每一类都为使用者提供了自定义对象的功能，方便使用者针对研究内容修改。顶级父类可实现进化，完成“选择—重组—突变—选择（择优）”过程；种群类将土地利用矩阵以染色体的形式编码，每个数字代表一个土地单元，每行土地单元代表一个个体，所有个体组成一个种群，新区土地利用矩阵包含 1 016 行，即 1 016 个个体；问题类主要用于设定各发展目标的计算式和权重，并完成目标值计算。软件运行版本为 Python 3.10。土地利用矩阵为式中：LU 集合为新区仅含的 6 类土地利用类型；1 为耕地、2 为林地、4 为草地、5 为水域、7 为裸地、8 为建设用地，0 指非研究范围。

 

2.2.1  NSGA-Ⅲ基本运行流程

 

1）土地初始化。为提高求解效率可进行土地初始化，即随机改变 2020 年部分土地单元的土地类型。基于以下规则对 2020 年土地利用情况进行初始化：1）林地、草地、水域保 持 不 变， 且 不 另 外 生 成 草 地 和 水 域 ；2）生态保护极重要区内的土地不变；3）因初始化设定未形成标准定式[26, 28]，结合眉山市2011—2020 年土地单元发生突变的年平均概率，随机改变新区内 0.38% 的土地单元。

 

2）选择。每次迭代涉及两次选择过程：第一次是选择个体作为父代进入优化池进行重组和突变，第二次是选出较优的后代进而继续迭代。

 

3）重组和突变。基于景观生态学原理及前人经验[28, 30]，且处于斑块边缘的土地单元结构稳定性差，因此选择这些位置的土地单元发生重组与突变。因重组方法和概率取值都尚未有标准定式[19, 26, 28]，为契合研究区发展情况，计算并获取眉山市 2011—2020 年历年各斑块边缘实际发生重组的频率，并以历年最大值 1.54% 作为重组概率上限，历年最小值0.49% 为下限，保证土地在合理范围内实现扩张或缩减。突变概率取决于斑块边缘的土地单元个数，规则参考 2.2.3 节土地转移适宜性要求。发生重组后基于新区“双评价”结果做第一次修正；在突变之后，根据 2.2.2 节生态用地面积、耕地保护面积、城镇建设面积要求和“双评价”结果等约束做第二次修正 （图 2）。

 

2.2.2  NSGA-Ⅲ优化结果的约束

 

为防止城市建设大规模侵占生产、生态用地，对构建的优化模型设置 4 个约束，丢弃不满足约束的结果。

 

1）据《四川省“十四五”生态环境保护规划》的生态保护红线要求，以生态用地面积占比折算，设定新区生态用地面积应不小于 29 km2；

 

2）据《眉山市土地利用总体规划（2006—2020 年）调整完善方案》中的全市基本农田保护目标折算，设定新区耕地面积应不小于 164 km2；

 

3）据《眉山市国土空间总体规划（2021—2035 年）》（征求意见稿）、《天府新区视高及周边地区一体化发展控制性详细规划》等对城镇开发边界的划定，确立至 2030 年新区城镇开发建设总面积应不超过 2020 年的100%[24]，即＜48 km2；4）满足“双评价”结果中对生态、生产、生活用地的划分要求。

 

 2.2.3  不同气候韧性情景的发展定位及发展目标计算方法

 

 结合规划成果与“碳达峰”战略目标，拟以 2030 年为期、以气候韧性为主导构建减缓层面的两种发展情景——强气候韧性（A）、均 衡 发 展（ B）， 分 别 确 立 气 候 调 节 效 益 （ OBJ1）、 碳 排 放 量 （ OBJ2）、 人 口 容 量 （OBJ3）、空间功能适宜性（OBJ4）、土地转移 适 宜 性（ OBJ5）、 空 间 紧 凑 性 （ OBJ6）6 个优化目标。情景 A 以减缓、应对气候变化为优先发展目标，探索落实生态用地气候调节服务功能最大化；情景 B 旨在积极应对气候变化不利影响的同时推进城市开发建设。NSGA-Ⅲ将协调 NCS 与城市扩张等发展问题的矛盾，为新区实现气候韧性提供初步的解决办法。

 

 

发展目标设定以函数的形式呈现，并根据发展情景对目标权重进行调整，权重因子的区间为 [?1，

1]，其中，1 代表最小化该目标，?1 代表最大化该目标。各情景不同发展目标权重设定如下：

 

1）各个情景气候调节效益目标权重都为?1，碳排放量目标都为 1；

 

2）以“人地对应”的方式确立建设用地规模进而表征新区社会经济发展水平[31]，综合考虑眉山市承接成都功能疏解、新区与其他片区共建公园城市的战略地位，情景 A 中人口容量目标权重为?0.5[32]，情景 B 中人口容量目标权重为?1；

 

3）为在空间布局层面优化土地资源，设定空间功能适宜性、土地转移适宜性、空间紧凑性目标，两个情景的 3 个目标权重都为?1；因三者暂时无法量化成具体的社会经济效益，参考 Lazoglou 等[24] 的研究按 1、3、5 数量级适当调整和计算。各情景不同发展目标具体计算方法如下。

 

 

式中：LU 是各土地利用类型的合集；lu 是单个土地利用类型；p 是研究范围内土地利用单元总数量；第 i 个土地单元 lu 的气候调节效益值为 cli。各类型土地气候调节效益值 cli 参考张莉金等对中国生态系统服务价值的评估结果[33]（表 2）。

 

式中，ces 为第 i 个土地单元 lu 的碳排放量，其他同式（2）。耕地、林地、草地等的碳排放情况参考彭文甫等[34] 对四川省不同类型土地的碳排放评估结果。建设用地碳排放情况依据眉山市 2016—2020 年全市能源消耗总量平均值折算得出。

 

式中，p 为人口容量，其他同式（2）。区域总人口容量由可居住区域人口密度决定。参考匡耀求等[35]的不同用地功能的人口容量研究，基于彭山区 2011—2020 年 NDVI 与常住人口数量变化关系建立三次多项式回归方程，最终确定 1 km2 建设用地可容纳约 8 141 人。

 

式中，suit 为第 i 个土地单元 lu 的空间功能适宜性值。“双评价”结果可指导空间功能适宜性的计算，两种情景的规则一致[24]（表 3）。根据研究区实际情况，所有水域应当不变，且生态保护极重要区内仅允许林、草发生互转；裸地由城市建设引起，其计算规则与建设用地一致，后表同理。

 

 

5）土地转移适宜性计算式为OBJ5= ∑pi=1transi， （6）式中， trans 为第 i 个土地单元 lu 的转移适宜性值。以新区 2020 年土地利用数据为基准计算转移情况。各情景的规则参考已有研究[24, 36] 及 《眉山市国土空间总体规划（2021—2035 年）》 （征求意见稿），差异体现在情景 B 中生态保护极重要区外的林、草地可转变为耕地，适宜性值为 1（表 4）。

 

 

6）空间紧凑性计算式为OBJ6= ∑m+dm-d∑n+dn?dcom（m，n）， （7）式中：d 为距土地单元（m，n）的距离，d 设置为 1[24]；com 表征土地单元（m，n）与其相邻单元的紧凑性程度。高空间紧凑性要求相同类型的土地尽可能多的连接在一起，同时，功能相似的土地单元如林地、草地也尽可能多的连接在一起[24]，以林地为例，若土地单元 （m，n）为林地，则相邻土地单元（m±1，n±1）均为林地时，空间紧凑性最高；若土地单元（m，n）为林地，相邻土地单元（m±1，n±1）全为建设用地，则呈现较低的空间紧凑性 （表 5）。

 

2.3  各情景优化结果的景观格局指数评价

 

景观格局指数能有效表征各发展情景的土地利用演变和景观结构变化[30]。为从景观结构、景观破碎度等方面研究 2030 年情景 A 和B 的景观格局变化，分别选取斑块、类型、景观水平 3 种尺度的 7 个景观格局指数[37]：斑块面积（patch area, AREA）、斑块密度（patchdensity, PD）、最大斑块指数（largest patch index,LPI）、斑块形状指数（landscape shape index,LSI）、景观百分比（ percentage of landscape,PLAND）、 Shannon 多 样 性 指 数 （ Shannon’sdiversity index, SHDI）、景观聚集度（contagionindex, CONTAG），通过 Fragstats 4.2 进行运算。其中，PD 反映景观空间异质性程度和景观斑块的破碎化程度；LPI 表征景观中的优势种、内部种等；PLAND 是确定优势景观元素的依据之一；SHDI 反映景观在结构、功能上的多样性，对斑块类型非均衡分布情况比较敏感；ConTAG 表征景观不同斑块类型的团聚程度或延展趋势，值越小表明景观破碎化程度越高。

 

 3  结果与分析

 

  3.1  新区“双评价”结果分析

 

新区生态保护极重要区和生态保护重要区主要分布于彭祖山和龙泉山生态带（图 3），占新区总面积的 3.32%，且生态保护极重要区内仅包含林地、草地两类，因此该区域内仅允许营建林、草地等生态用地，原则上严禁一切城镇建设活动。水域主要由岷江、府河组成，面积占比 0.93%。上述 3 个分区的面积之和小于新区总面积的 5%，这一结果表明新区碳汇资源匮乏，不利于气候韧性发展；此外，龙泉山、彭祖山生态带内生态保护极重要区、生态保护重要区呈现零散分布的格局，在未来发展中如不加以保护和约束，新区全域固碳释氧水平可能更低。

 

农业生产适宜区、城市建设适宜区完全重合（图 3），区内可进行粮食生产或城镇建设活动，区域面积占新区总面积的 95% 以上。从发展角度来说，新区未来有广阔的空间发展耕地和实现城镇建设用地扩张；从空间功能而言，耕地往往是城镇建设进程中最易被侵占的土地类型，未来需统筹好农业生产与城镇建设关系。

 

 3.2  算法模型性能分析

 

 考虑到时间成本，本研究以 200 代为一个完整优化过程，每代用时约 90 s。除人口容量、空间紧凑性目标，各目标值在两种情景中差异较大；始终波动的目标值也说明模型未陷入局部最优解。此外，两种情景各目标最值出现时间不同步，表明第 200 代仅为接近最优的解，土地在不断权衡与妥协中持续进化（图 4）。以情景 A 为例，碳排放量最低值和人口容量最高值均出现在第 161 代，气候调节效益值同处中上水平，但空间布局层面的3 个目标值均为中下水平；相似的情况出现在情景 B 的第 67 代。情景 A 第 44 代和情景 B第 62 代中虽未出现最值情况，但所有发展目标的值基本位于相应目标的均值水平及以上。

 

  3.3  土地利用配置优化分析

  

  以第 200 代结果为例深入分析。至 2030 年，情景 A 和 B 均保留了新区各街道/镇的空间格局特征，分别有 10.92% 和 13.21% 的土地发生转变。

 

两种情景中建设用地斑块边缘及内部均出现了由耕地、建设用地转变而来的草、林地斑块，促进了气候调节效益目标值小幅度增长。两种情景都有约 1% 林地退化为草地，主要发生在林地斑块边缘；草地转变为林地的现象主要发生在建设用地斑块边缘，情景A 和 B 的 发 生 频 率 分 别 为 32.57%、 28.44% （表 6）。

 

两种情景中林地面积呈现上升趋势得益于耕地的贡献，在情景 A 中，由耕地转变而来的林地拓展了多个林地斑块的原范围 （图 5-1），提升了林地生态系统的稳定性；在情景 B 中，林地与耕地之间的转换更为复杂——位于彭祖山、龙泉山的约 18.44% 的林地转变为耕地，且多发生在林地斑块边缘；林地面积的损失又通过将林、耕交界处的耕地转为林地的方式进行弥补（图 5-2），并最终使本情景林地面积也呈现增长趋势。

 

此外，两情景中各街道/镇新增的面积较小且广泛分布的建设用地斑块被保留，原因可能是新增的建设用地符合空间功能适宜性的要求，且因数量较少，对其他目标值影响较小。

 

5 个街道/镇的林地、建设用地的变化存在较大差异，与整个新区总体变化趋势基本一致的是视高街道，其次是锦江镇（表 7）。在两种情景中，视高街道、锦江镇建设用地的面积均实现超 50% 的增长，主要集中在现有建设用地斑块周边。就林地的变化而言，两个街道的林地在情景 A 中得到了较好的保护；情景 B 中，锦江镇林地面积下降 8.76%，不利于气候韧性发展。此外，两种情景中都有较多新增的面积较小的建设用地斑块、林地斑块、草地斑块连接在一起，共同破坏了耕地的完整性。

 

在青龙街道，林地面积增长率在两种情景中均超 100%，且情景 A 较 B 高 31.58%；建设用地的增长率较新区总体情况而言分别低52.89% 和 56.21%（表 7），表明青龙街道内建设用地面积相较于其他地区更接近饱和值，未来可能需要严格控制建设用地规模并持续推进绿地建设。相反，至 2030 年，高家镇和贵平镇内建设用地面积增长超 600%，但镇内建设用地占比却仍低于新区总体建设用地占比；两个镇的城镇建设中心也未形成，因此还需结合产业、文化等要素进一步探讨。此外，在林地面积占比最大的高家镇中，情景B 发生了林地面积缩减的情况；对于林地面积占比最少的贵平镇而言，两种情景中林地的增长率都约为新区林地总增长率的 2 倍。

 

 

 

各发展目标结果因土地利用配置变动而变化。较 2020 年而言，变化幅度最大的是人口容量目标，其次是碳排放量和气候调节效益目标（表 8）。2030 年情景 A 和 B 的人口容量分别增长 64.94%、69.15%；碳排放量分别增长 27.79%、34.50%，主要贡献者是建设用地，林、草地和水域 3 类土地在两种情景中分别减少了 10.64% 和 8.63% 的碳排放量；气候调节效益分别增长 23.12%、9.88%，情景A 中首要贡献者是林地，情景 B 中则是草地。情景 A 在提升城市气候效益的同时兼顾了人口容量目标，但因林地的碳吸收量与建设用地的碳排放量相差悬殊（表 2），2030 年情景 A 的碳排放量目标值亦呈现上升趋势；在气候调节效益、碳排放量与人口容量目标权重相当的情景 B 中，总碳排放量则更高。此外，情景 A 和 B 的空间功能适宜性仅分别下降 2.97%、 0.87%， 空 间 紧 凑 性 下 降 1.17%、1.24%，表现相对良好。

 

当前发展阶段，新区破碎化发展格局对气候变化影响强度较小的原因可能是新区城市开发建设总强度仍然较低——至 2030 年两种情景建设用地占比都不超过 9%；在更长远的发展阶段，各街道/镇必须落实形成紧凑型的空间格局。另外，考虑到伴随低碳战略不断推进，建设用地平均碳排放量必将不断降低，因此基于两情景优化结果进一步估算，当新区每 1 m2 建设用地的平均碳排放量降低至 2020 年的 50% 时，情景 A 和 B 的总碳排放量将比 2020 年分别低出约 20% 和 15%，届时新区有望实现零碳排放。

 

3.4  景观格局评价

 

2030 年情景 A 和 B 分别保留耕地面积87.37% 和 90.64%， 新 增 林 地 面 积 26.17%、5.19%，新增建设用地面积 64.94%、69.15%，草 地 总 面 积 分 别为 2020 年 的 46.88 倍 和46.61 倍；两情景建设用地、草地的面积增长率基本一致，情景 B 中建设用地的紧凑性更高；草地面积大幅度增长的原因一是有益于提升气候调节效益，二是生成草地的过程对其他发展目标如土地转移适宜性目标值的影响较小。另外，情景 A 中仅林地的最大斑块面积有所增长，增长率为 21.89%；情景 B 中仅 建 设 用 地 的 最 大 斑 块 面 积 增长 12.22%。

 

与 2020 年相比，两个情景的优化结果呈现出更加破碎的土地利用格局（表 9）。耕地仍为主要土地利用类型，因此有必要通过改进耕地管理方式来改善和提高耕地的固碳能力。此外，两种情景都显示各类型土地斑块的形状显著趋于复杂，这可能有益于提升林地、草地的固碳能力[37] 和增强林地、草地及耕地的吸热降温水平[38]，影响程度还需展开实测。

 

4  结论与展望

 

本研究以减缓气候变化、实现强气候韧性发展为主导，从国土空间优化入手探索优化方法，助力区域乃至国家逐步实现气候韧性发展。以四川天府新区眉山片区为例，以2030 年为优化期限，基于 NSGA-Ⅲ构建协调多方发展目标的国土空间优化模型，为新区减轻生态用地易被侵占的风险、推进零碳排放试点工程、落实气候韧性发展实践提供可借鉴的技术路径。

 

总体而言，在设定的 6 个发展目标指引下，2030 年强气候韧性情景和均衡发展情景均产生了良好效益。其中，强气候韧性情景中，呈数十倍增长的草地和超 25% 增长的林地为实现气候韧性提供了先决条件；各情景建设用地面积较 2020 年均实现了超 64% 的增长，且不超过 70%，为容纳适宜数量的人口奠定基础；与此同时，各情景都确保了超87% 的耕地得到保护。随着其他各领域对低碳政策的持续响应，新区推进气候韧性发展的成效可能更加显著。以气候韧性视角为出发点，未来宜从以下方面着手推进国土空间优化。

 

1）新区农业资源丰富，因此应始终推进落实新区耕地生态系统健康维护工作，包括引导农民使用低碳耕作方式——采取合理的灌溉、免耕等措施强化耕地固碳水平，倡导半自然生境营建——加强田埂、低小灌丛、草地等半自然生境保护，促进林地、草地和农田交错分布、互相连接，另外还应挖掘各街道/镇特色产业，推进特色农业公园建设。

 

2）新区林草资源相对匮乏，应统筹推进林草地提质、增补工作，提升新区林草覆盖率和稳定性。建议营建形状趋向不规则形式的林草地斑块，如若出于成本考虑可先增加草地面积，随后持续推动其植林化、立体化、乔木化，助力新区实现“300 m 见绿，500 m见园”。

 

3）应规划推进新区形成紧凑型的城镇格局。以高家镇、贵平镇为首的地区乡镇建设用地布局分散，尚未形成明显的中心镇村，因此须结合特色产业发展布局规划和模型优化结果确定中心镇村位置，完善中心镇村基础设施，推进搬迁工作；锦江镇、视高街道须进一步推进中心镇村发展和发挥辐射作用，以青龙街道为首的城镇建设趋于饱和的地区需控制未来建设用地的开发规模。

 

本研究证实了在土地利用基础知识的支持下，基于 NSGA-Ⅲ的国土空间优化模型，较好地协调了气候韧性发展与社会经济发展的冲突，基于生物进化原理完成了土地优化，生成了相对较优的结果。运用 NSGA-Ⅲ构建具有气候韧性的国土空间优化模型的核心内容包括 3 个方面。

 

1）以“双评价”结果作为纲领性约束。这显著地加快了算法寻优质量，使每一代优化结果都是“可落地”的方案。2）支持写入气候韧性、社会经济发展、空间布局等多个层面的发展目标。各目标的权重可根据实际情况调整，这为模拟各种气候韧性发展情景提供了机会。随着发展情况的变化，还可继续修改和写入其他目标。3）因地制宜地编写以土地为载体的国土空间优化规则，这是实现气候韧性的最终途径，也是无限拓展和提升算法性能的关键。

 

然而，本模型尚未被广泛应用的原因可能在于：一方面不同研究区情况不同，部分规则普适性不强；另一方面，研究及实践者需要具备编程能力，将所有步骤转化为编程语言才能使用模型，具有一定门槛。

 

本次研究未对两种情景结果进行验证与实测，未来需综合各因素选取多个具有代表性的小尺度研究范围，监测土地利用配置变化与气候变化的响应机制，系统验证和完善模型在目标函数选取、目标权重设定及进化规则等多方面的性能，助力强气候韧性的国土空间规划落地。