全 文 ：中国生态农业学报 2011年 5月 第 19卷 第 3期
Chinese Journal of Eco-Agriculture, May 2011, 19(3): 704−711


* 国家自然科学基金项目(40700420660)资助
尹珂(1981~), 男, 博士, 讲师, 主要研究方向为土地利用与生态过程。E-mail: knomi@yeah.net
收稿日期: 2010-08-05 接受日期: 2010-12-14
DOI: 10.3724/SP.J.1011.2011.00704
村级土地利用情景决策系统及其应用*
尹 珂1 肖 轶2
(1. 重庆师范大学地理与旅游学院 重庆 400047; 2. 西南大学资源环境学院 重庆 400716)
摘 要 本研究试图构建一个村级土地利用情景决策系统, 使该系统采用一种交互方式来探索村级土地利用
配置问题。以重庆市渝北区龙兴镇为研究对象, 运用 3 种多目标线性规划方法[目标规划法、逐步宽容约束法
和 Lu 等的方法(文献[9]方法)]进行土地资源优化配置并评价其结果。结果表明: 建立的村级土地利用情景决策
系统可用各种方式将多个目标合并成一个单一目标, 从而为给定问题提供不同的解决方案; 对不同方法的资
源优化配置结果进行了检查, 以协调和权衡不同目标优先级情形下的冲突, 使最终的决策更具有明确的指向
性。只要研究区满足以下几个标准, 村级土地利用情景决策系统就可以进行调整, 以适用于新的研究背景:
(1)研究区接近城市; (2)研究区有较为明显的旅游特征或潜质; (3)研究区是以农业生产为主的区域; (4)研究区
有较多样的农业活动。村级土地利用情景决策系统是基于可用的信息和精确的方法, 所以不仅使规划更加“透
明”, 还整合协调了各种利益冲突。
关键词 土地利用配置 多目标线性规划 土地利用情景决策系统
中图分类号: F301.2 文献标识码: A 文章编号: 1671-3990(2011)03-0704-08
Village-level land-use scenario decision-making system and application
YIN Ke1, XIAO Yi2
(1. College of Geographical and Travel, Chongqing Normal University, Chongqing 400047, China; 2. College of
Resources and Environment, Southwest University, Chongqing 400716, China)
Abstract An interactive approach, based on village land-use allocation issues, was used to develop a village-level land-use
scenario decision-making system. The system was backed up with three multi-goal linear programming methods [goal linear
programming method, gradual easy constraint method and Lu’s method (reference 9)] to complete with optimum allocation of land
resources. The effects were tested for Longxing Town in Yubei District, Chongqing City. The results showed the established
village-level land-use scenario decision-making system combined multiple objectives into a comprehensive super-objective, and
provided different approaches for the given problems. The optimum allocation results of land resources were analyzed to adjust and
balance conflicts among objectives with different priority ranks. This in turn strengthened the final decisions due to a fuller
understanding of the implications. The village-level land-use scenario decision-making system might be adjusted to be applied on the
other scenarios, provided that the studied areas met the several criteria. The criteria included: (1) the studied areas was close to an
urban; (2) it was attractive or of potential value for tourism; (3) agriculture was the main land use in the area; and (4) agricultural
activity in the area was diversified. Village-level land-use scenario decision-making system based on available information and
appropriate approach not only made the planning more transparent, but also integrated and coordinated conflicting among different
interests.
Key words Land-use allocation, Interactive multi-goal linear programming, Land-use scenario decision-making system
(Received Aug. 5, 2010; accepted Dec. 14, 2010)
重庆市龙兴镇与其他农村地区一样面临一系列
问题, 如农业从业人员和农村人口不断减少, 土地
撂荒现象越发严重, 传统的农业景观逐渐消失等。
在此背景下, 如何通过土地利用规划工具更加灵活
第 3期 尹 珂等: 村级土地利用情景决策系统及其应用 705


地分配土地利用方式已成为目前的研究热点。例如,
调整土地利用结构以增加土地利用效益; 吸引农民
工回乡务农既可以增加农民的经济收入, 又有利于
维护社会结构。运用多目标规划技术可使规划者深
入了解土地利用配置方式的优点和缺点, 优先考虑
实现某一目标所带来的后果, 从而获得具有一定洞
察力的预决策。
多数研究农村土地利用结构配置的数学规划方
法都采用线性模型。例如最大限度地增加该地区劳
力密集型土地利用形式, 旨在尽量减少农村闲散劳
动力的单目标线性模型 [1]; 或者在满足基本需求的
情况下, 最大限度地减少整体成本, 旨在平衡当地
生产和进口的单目标线性模型[2]。在有些模型中, 决
策变量并非是该地区的现行土地利用形式, 而是即
将变化的或未来可能的土地利用形式[3]。但随着农
业土地利用的复杂化, 这样的单目标规划模型已不
能满足研究需要, 取而代之的是多目标规划模型。
多目标线性规划及相关技术为规划者提供了一个有
效的方法。虽然线性规划用于农业规划研究的文献
很多, 但在多目标情况下用于村级土地利用结构优
化配置却并不多见。目前被广泛采用的多目标方法
是目标规划 , 例如Giupponi等 [4]在威尼斯礁湖盆地
应用目标规划模型, 在利润最大化和风险规避前提
下 , 对土地利用形式和农业系统的选择加以模拟 ;
此外目标规划也应用于巴西林业、水牛养殖和旅游
业的产业结合管理中[5]。
除了目标规划, 多目标方法还包括以权重形式
或者约束形式对帕累托最优解集进行综合抽样。从
宏观上进行归类, 将多个目标综合为单个目标, 然
后通过权重等方式使各个单目标产生侧重点的变化,
此方法对决策者的帮助更大。整个过程相当于针对
决策者的偏好或者需要进行帕累托最优解取样, 使
得更多有利益冲突的群体可以参与到土地利用规划
中[6]。当求解的过程可以交互作用时, 规划就可以是
有启发性的探索, 从而增加了决策者与求解系统本
身的信息交换。这种交互式的多目标线性规划方法
(interactive multiple goal linear programming, IMGLP)
已用于土地利用规划[7−8]、土地利用战略评估[9−10]以
及农业发展政策分析[11−12]等研究中。
本研究试图构建一个村级土地利用情景决策系
统, 使该系统可以采用一种交互性方式来探索村级
土地利用配置问题。为了验证系统的可靠性和适宜性,
将其应用于重庆市渝北区龙兴镇, 并以图解的形式
对比演绎了村级土地利用情景决策系统的表现。
1 材料与方法
1.1 研究区概况
龙兴镇位于重庆市渝北区东南部 , 东经
106°44′8", 北纬 30°42′21", 地处浅丘盆地, 四周层
峦叠翠, 古木森森, 是有名的旅游风景区。本研究所
涉及的区域为龙兴镇的河堰村、粉壁村和石溪村 ,
土地总面积为 510 hm2, 主要种植水稻、玉米等粮食
作物。3个村皆毗邻龙兴镇镇区, 而龙兴镇独特的古
镇特色必将带动其周边的休闲旅游产业, 对于周边
的土地来说保持其独特的乡村景观及生态环境, 不
仅可以促进农民增收, 而且可以解决当地农民的从
业问题。
1.2 基于交互式多目标线性规划方法(IMGLP)的
村级土地利用情景决策系统
1.2.1 系统总体结构
村级土地利用情景决策系统流程如下: (1)决策
者必须选择目标(包括土地利用类型、生产技术等),
定义出优化模型; (2)分析模块运用 3 种不同的多目
标线性规划算法对优化模型进行分析计算, 从而得
到可行解; (3)通过分析模块决策者可以大致了解优
化问题的信息, 然后根据这些信息制定不同的偏好
方案, 对目标的优先级进行设定, 从而得到帕累托
最优解(图 1)。
从工作流程图不难看出: 首先必须选择或者编
辑目标以便定义出优化模型, 然后运用多目标线性
规划方法求得一个有效的可行解集, 决策者便可以
得到一套可行的解决办法, 并深入了解规划区域中
存在的问题。因此, 可以在决策过程的第 1 阶段使
用 , 以便了解研究区域的结构; 然后 , 决策者可以
根据自己的偏好将不同的权重值分配给每一个目标,
求解的结果可以根据目标完成度来加以评价, 从而
权衡各目标间的取舍。
1.2.2 模型定义
多目标规划模型需要选择适当的决策变量, 综
合代表性及搜集资料的可行性。本研究选取了 8 种
土地利用形式作为决策变量(表 1): 水稻、玉米、小
麦、红薯、蔬菜、水果、针叶树和水杉。并将目标
函数设为 3 个, 分别代表了社会目标、经济目标和
环境目标。

706 中国生态农业学报 2011 第 19卷




图 1 土地利用情景决策系统工作流程图
Fig. 1 Flow chart of land use scenarios decision-making system

表 1 土地利用技术数据
Table 1 Land use technical data
决策变量
Decision
variable
土地利用方式
Land use type
净利润
Net margin
(Yuan·hm−2)
生产成本
Production cost
(Yuan·hm−2)
工时需求
Labor hour needs
(h·hm−2)
化肥施用量
Application amount of
fertilizer (kg·hm−2)
杀虫剂使用量
Application amount of
insecticide (kg·hm−2)
X1 水稻 Paddy field 4 440 6 393 12 395 2.0
X2 玉米 Corn field 4 572 5 278 13 450 2.0
X3 小麦Wheat field 5 475 5 723 16 125 2.0
X4 红薯 Sweet potato field 2 100 3 386 7 250 0
X5 蔬菜 Vegetable field 31 690 39 825 606 698 3.6
X6 水果 Fruit orchard 15 130 23 574 452 394 3.5
X7 针叶树 Conifer forest 3 356 1 208 13 1 0
X8 水杉 Sequoia forest 2 406 2 523 11 1 0
资料为 2008年 6~8月对重庆市渝北区龙兴镇河堰村、粉壁村、石溪村 600个农户的调查走访 Data came from a survey of 600 households
in the studied area during June to August in 2008.

模型函数的目标设置, 首先是社会目标, 研究
中设置的社会目标是农业从业人口和保持农村景
观。两者看似没什么关联, 其实是相辅相成的, 因为
农村景观主要是农用地且需要耕种。所以研究中将
分别以各种农业用途下土地面积最大化, 以及农业
工时需求的最大化为目标求解[式(1)和式(2)]:
O1=TA=∑i AU∈ Xi (1)
O2=TNL=∑i AU∈ NLiXi (2)
式中, TA代表农业用地总面积, AU代表农业用途(包
括水稻、玉米、小麦、红薯、蔬菜、水果、针叶树
和水杉), TNL代表工时总需求, X代表土地面积。
经济目标, 即效益的最大化。本研究设置了 2
个目标函数, 分别求净利润的最大化和生产成本的
最小化[式(3)和式(4)]。此处生产成本并不包括农业
机械费用以及雇佣工人的费用。
O3=TGM=∑i AU∈ GMiXi (3)
O4=TPC=∑i AU∈ PCiXi (4)
式中, TGM代表净利润总额, TPC代表总生产成本。
本研究设置了 1 个环境目标函数, 求农业化学
用品使用量的最小化[式(5)]。由于本研究中假设农
作物为一年收获 1 次[13], 因此可以将农药用量与化
肥用量综合起来求得系数 AC [式(6)]。
O5=TAC=∑i AU∈ ACiXi (5)
ACi=(Bi−Bmin)(Bmax−Bmin)+(Fi−Fmin)(Fmax−Fmin) (6)
式中, AC表示农业化学用品使用量, B表示农药施用
量, F表示化肥施用量。
设置模型函数的约束条件, 以满足《重庆市土
地利用总体规划(2006—2020 年)》中渝北区龙兴镇
在 2006年的农业需求和生态需要。最大限制为土地
面积不超出实际总面积[式(7)]; 最小限制为求解出
第 3期 尹 珂等: 村级土地利用情景决策系统及其应用 707


的用地面积不少于 2006 年该项土地利用方式的土
地面积[式(8)]。
∑iXi≤SA (7)
Xi≥Xi,2006 (8)
1.2.3 模型求解
可行解集生成是对目标函数进行求解。在建立
数学模型反映土地利用活动与其他经济因素之间相
互关系的基础上, 借助计算机技术以获得帕累托最
优解。本研究采用 3 种多目标线性规划算法: 目标
规划法、逐步约束方法[14]和 Lu等[9]的研究方法(后 2
种是交互式算法)。
在目标规划法模块中, 不同目标的目标值均不
考虑他人通过单独优化获得的, 而决策者可以指定
相对权重到特定目标。若需要可将特定权重赋予不
同的目标。交互式算法模块含有 2 种不同的交互式
方法, 帮助决策者求取帕累托最优解。第 1 种是逐
步约束方法, 是第 1 个用来处理多目标规划问题的
交互式算法。第 2种方法参考 Lu等[9]的研究方法, 即
利用单目标优化方法对各项目标依次优化, 但是在
优化之前对各目标赋予不同的优先次序, 使其服从
Oj≥Oj*−εj(求最大化目标)或者 Oj≤Oj*+εj(求最小化
目标)。
帕累托最优解的采样过程作为土地利用情景决策
系统中十分重要的子模块, 本研究选取了权重法[15]。
权重法要求决策者指定适用于每个目标的权重值 ,
通过这些权重值影响最终的解决方案。
2 研究结果
为了展示村级土地利用情景决策系统的效果 ,
本研究在渝北区龙兴镇各项调查数据的基础上, 运
用该系统进行了土地利用数量结构优化。为了凸显
决策者参与这一特性, 研究中设置了 3 种不同情景
的决策者偏好: 经济效益>社会效益>生态效益, 社
会效益>经济效益>生态效益, 生态效益>社会效益>
经济效益。由于模型中以高于 2006年土地面积作为
约束条件, 所以本研究将 2006年的面积作为现状与
这 3种情景下的最优土地配置结果进行对比演绎。
2.1 目标规划法研究结果
运用目标规划法求解所得到初始可行解集, 再
采用权重法在可行解集生成模块中对帕累托最优解
进行采样, 所有权重都是 1 到 100 之间的整数且相
加之和等于 100。在尝试多次的权重组合后, 可以采
集到与非劣解十分相似的结果(表 2)。
利用表 2中赋予的权重值, 将目标规划法求解
所得的结果与 2006年的面积进行对比(图 2)。在“经
济效益>社会效益>生态效益”的情景下, 比起 2006
年的土地面积, 主要是林地面积有所增加, 个别情
况下水稻面积也有所增长。具体来说, 当净利润被
赋予较大权重时(A1、A2), 针叶树面积比 2006 年
有所增加; 而生产成本被赋予较大权重时(A3、A4),
由于针叶树拥有最低廉的生产成本 , 因而在分配
时同样获得了较多的面积。此外, 当农用地面积被
赋予较大权重时(A2、A4), 水稻的配置面积明显增
加, 这是由于 2006 年水稻面积是所有土地利用方
式中面积最多的 , 对农用地面积最大化这一目标
的贡献也更为明显; 相反水杉虽然在 2006 年有 69
hm2, 但是由于其不是农业用途 , 所以配置面积未
发生变化。

表 2 目标规划法中的权重值
Table 2 Weights used in goal programming method
目标变量 Objective variable
目标函数优先级
Target priority rank
等级
Grade 净利润
Net margin
生产成本
Production costs
工时需求
Labor hour needs
农业用地面积
Agricultural land area
农用化学品
Agrochemicals
A1 30 25 20 15 10
A2 30 25 15 20 10
A3 25 30 20 15 10
经济效益>社会效益>生态效益
Economic benefit>social benefit
>environmental benefit
(A)

A4 25 30 15 20 10
B1 20 15 30 25 10
B2 15 20 30 25 10
B3 20 15 25 30 10
社会效益>经济效益>生态效益
Social benefit>economic benefit
>environmental benefit
(B)

B4 15 20 25 30 10
C1 15 10 25 20 30
C2 10 15 25 20 30
C3 15 10 20 25 30
生态效益>社会效益>经济效益
Environmental benefit>social
benefit>economic benefit
(C)

C4 10 15 20 25 30

708 中国生态农业学报 2011 第 19卷


在“社会效益>经济效益>生态效益”的情景下 ,
主要是水果和红薯的用地面积与现状有所差异。图
2 结果表明, 只有社会目标和经济目标影响了最终
的优化结果: 当主要社会目标是农用地面积最大化
而主要经济目标是净利润时, 只有水果的用地面积
有所增加(B1、B3); 因为水果的净利润是 15 130
元·hm−2, 在所有农业土地利用形式中具有最高的净
利润; 而生产成本最小化作为主要经济目标时, 红
薯则取代水果分配到更多面积(B2、B4), 这是由于红
薯的生产成本只需要 3 386 元·hm−2, 是所有农业土
地利用形式中最低的。
在“生态效益>社会效益>经济效益”的情景下 ,
主要是林地面积和红薯地面积有所变化。其面积增
加原因是农业化学品用量很低。
2.2 逐步宽容约束法研究结果
逐步宽容约束法同样也在 3种情景下进行求解,
不同之处在于逐步宽容约束法是将最不重要目标的
完成度赋予最大的宽容百分比值, 所以其体现优先
等级的权重表现形式有所不同。比如在“经济效益>
社会效益>生态效益”的等级 1 中, 目标的宽容顺序
为农业化学用品、农业用地面积、工时需求和生产
成本, 而净利润作为最重要的目标不可以赋予宽容
百分比。虽然权重赋予的方式有所区别, 但是得到
的权重值与目标规划法相同(表 2, 表 3)。
图 3表明, 在“经济效益>社会效益>环境效益”
的情景下, 逐步宽容约束法的结果表明, 蔬菜和针
叶树的用地面积与现状相比均发生变化 , 这是优
化模型利用不同特点土地利用形式平衡“生产成本
最小化”和“净利润最大化”这 2 个目标的结果; 此
外, 玉米的用地面积均有所增加, 但如果工时需求
比农业用地面积更为重要时 , 水果用地面积就会
取代玉米变为主要增长对象(A4), 因为水果种植用
地有更大的劳动力需求 , 更容易满足工时需求的
目标。



图 2 运用目标规划法在不同目标优先级情景下的求解结果
Fig. 2 Solutions obtained by goal programming method under difference target priority ranks
A、B、C和 1、2、3、4所示内容同表 2 The meanings of A, B, C and 1, 2, 3, 4 are same as in the table 2.

表 3 逐步宽容约束法中的宽容百分比
Table 3 Tolerance percentage in gradual easy constraint method
目标变量 Objective variable
目标函数优先级
Target priority rank
等级
Grade 净利润
Net margin
生产成本
Production costs
工时需求
Labor hour needs
农业用地面积
Agricultural land
农业化学品
Agrochemicals
A1 — 15 25 20 30
A2 — 15 20 25 30
A3 15 — 25 20 30
经济效益>社会效益>生态效益
Economic benefit>social benefit
>environment benefit
(A)
A4 15 — 20 25 30
B1 25 20 — 15 30
B2 20 25 — 15 30
B3 25 20 15 — 30
社会效益>经济效益>生态效益
Social benefit>economic benefit
>environmental benefit
(B)
B4 20 25 15 — 30
C1 30 25 20 15 —
C2 30 25 15 20 —
C3 25 30 20 15 —
生态效益>社会效益>经济效益
Environmental benefit>social
benefit>economic benefit
(C)
C4 25 30 15 20 —

第 3期 尹 珂等: 村级土地利用情景决策系统及其应用 709


在“社会效益>经济效益>环境效益”的情景下, 蔬
菜和水果的用地面积均有不同程度增加; 蔬菜的工时
需求最多, 所以工时需求最大化为首要目标时均有所
增加(B1、B2); 而水果的工时需求仅次于蔬菜, 并且生
产成本低于蔬菜, 所以面积均有所增加。
在“生态效益>社会效益>经济效益”的情景下 ,
红薯用地和林地面积因其较低的农业化学品用量而
增加; 而水果用地的农业化学品用量较少, 且可以
大幅改善经济目标和社会目标, 所以亦有所增加。
2.3 Lu等[9]方法研究结果
运用 Lu等[9]的方法时也采用表 2中的目标函数
优先级 , 根据表中的顺序对各目标进行单目标优
化。例如在“经济效益>社会效益>生态效益”的优先
等级 1 中, 优化的顺序依次是净利润、生产成本、
工时需求、农业用地面积和农业化学品。因此, 对
于第 1目标(即最重要的目标)ai是 30%, 第 2目标为
25%, 第 3目标是 20%, 第 4目标是 15%, 第 5目标
是 10%。
图 4结果表明, 在“经济效益>社会效益>生态效
益”的情景下 , 最优先考虑的目标是净利润和降低
生产成本时, 产生的优化结果差异较大。净利润最
大化为最重要的目标时, 蔬菜和水杉的用地面积都
比 2006年多(A1、A2); 而降低生产成本作为最重要
的目标时, 则变为红薯和水杉的用地面积比 2006年
多(A3、A4)。前者是因为蔬菜具有最高的净利润, 而
后者则是因为红薯的生产成本较低。
在“社会效益>经济效益>生态效益”的情景下, 蔬
菜和针叶树的用地面积都出现大幅攀升。蔬菜的净利
润达到 31 690元·hm−2, 且工时需求为 606 h·hm−2, 因
此分配较多的面积就能够轻松满足经济目标和社会
目标; 而针叶树的增加则是因为其工时需求比水杉
多, 并且能够适当满足生态目标的要求。



图 3 运用逐步宽容约束法在不同目标优先级情景下求解结果
Fig. 3 Solutions obtained by gradual easy constraint method under difference target priority ranks



图 4 运用 Lu 等[9]的方法在不同目标优先级情景下的求解结果
Fig. 4 Solutions obtained by Lu’s method[9] under difference target priority ranks
710 中国生态农业学报 2011 第 19卷


在“生态效益>社会效益>经济效益”的情景下 ,
与逐步宽容约束法求出的结果有所不同, Lu 等[9]的
方法求出的结果是蔬菜而不是水果的用地面积增
加。尽管如此, 林地增加的面积还是大于蔬菜增加
的面积, 毕竟生态效益是该情景下的首要目标。
2.4 3种算法的目标完成度对比
为了评价上述偏好性结果, 本研究设置了目标
完成度(Ach)这个变量, 而最大化目标和最小化目标
的完成情况分别由不同的方式求得:
Achmax=100(Oi−Oi,min)/(Oi,max−Oi,min) (9)
Achmax=100(Oi,max−Oi)/(Oi,max−Oi,min) (10)
式中, Oi,max表示目标 Oi的可行解中的最大值, Oi,min
则表示可行解中的最小值。
经济效益是第 1 目标时, 惟有逐步宽容约束法
的优化结果使经济目标的完成度超过 45%, Lu 等[9]
的方法则始终是经济目标的完成度少于 25%。目标
规划法求解时 , 降低生产成本的目标都几乎达到
100%的完成度, 相反净利润最大化的目标即便是被
赋予最大的权重, 目标完成度都小于 10%。
社会效益是第 1 目标时, 运用逐步宽容约束法
求解的结果使农业用地面积最大化的目标完成度为
100%, 而最大工时需求目标完成度也都超过 65%;
Lu 等 [9]的方法也使所有社会目标的完成度超过
67%。当经济效益是第 1目标时, 如果使用目的规划
法求解, 那么赋予最大权重的两个目标中只有生产
成本可以得到 100%的目标完成度, 而当社会效益作
为第 1目标时, 只有最大农业用地面积达到 100%的
完成度, 而最大工时需求的完成度却比较低。
相比以上情况, 当生态效益是第 1 目标时, 目
标规划法始终让拥有最大权重的目标达到了接近
90%的完成度。相反, 逐步宽容约束法求解的结果都
表现出较低的目标完成度; 而 Lu 等[9]的方法求出的
结果始终有 70%~80%的完成度。
当按照“经济效益>社会效益>生态效益”的目标
顺序加以求解时, 相比目标规划法, 逐步宽容约束
法和 Lu等[9]的方法作为 2种交互性规划法更遵行针
对净利润和生产成本制定的优先级, 即更优先的目
标完成度更高。事实上, Lu等[9]的方法几乎是为了第
1 目标拥有最高完成度而放弃了完成第 2 优先目标,
在这样的情况下农业用地面积、工时需求和农业化
学品用量这 3 个目标, 都很大程度地受到净利润的
影响。虽然这样的情况在 Lu等[9]的方法中表现最为
明显, 但在其他方法中也有类似的情况发生, 一部
分原因是较多的工时需求和较贵的农业化学品对应
着较高的净利润(如蔬菜和水果)。但也应注意, 例如
玉米的农业化学品用量虽然较大, 但是其生产成本
却并不突出。所以对于所有目标, 都不能忽略完整
信息的分析。因此, 在重庆市渝北区龙兴镇的研究
中, 不同目标下得到的帕累托最优解之间的关系分
析可以得到如下结果:
(1)农业活动的净利润和工时需求呈正相关;
(2)较高的净利润需要较大的生产成本和较多的
农业化学品用量;
(3)要想使净利润和工时需求最大化、生产成本
和农业化学品用量最小化这 4个目标得到最大平衡,
方案中需要增加高产量水果和蔬菜作物以及针叶树
和水杉种植面积 , 从而实现所有目标完成度超过
40%;
(4)生态目标的优先级越高 , 林地面积增加的
越多;
(5)工时需求最大化和农业用地面积最大化这 2
个社会目标不仅互不冲突, 而且与净利润最大化这
个经济目标相一致, 通过增加水果和蔬菜的用地面
积可以同时满足 3 个目标的增长要求。如果为了增
加其他目标的完成度而牺牲部分社会目标完成度 ,
则根据经济目标和生态目标优先度可以分别得出不
同的最优解。
3 讨论与结论
本文构建了村级土地利用情景决策系统, 并通
过对比演绎展示了该系统是如何采用一种交互性的
方式来探索村级土地利用的配置问题。研究结果表
明该系统不仅是用各种方式将多个目标合并成一个
单一目标 , 从而为给定问题提供不同的解决方案 ,
而且检查了这些不同方法的结果, 从而对各目标情
形下的冲突、协调和权衡有了更丰富的理解, 可以
使最终决策更具有明确指向性, 为村级土地利用优
化配置提供了极为可行的方法。
虽然参与式的规划已经存在成功案例[16], 但最
近的分析表明这种规划方法所面临的最大挑战是在
实际情况下的执行能力, 例如怎样选出影响区域可
持续发展的最相关因素。如果一个系统能够充分灵
活的演绎参与过程中的相关问题, 那么放入到现实
场景中就能得到有效实施。因此, 如何实现这样的
演绎过程是目前值得思考和研究的问题。本文所构
建的土地利用情景决策系统就是用于协助决策者在
既定目标情况下, 对村级土地利用规划中土地利用
的配置问题进行定量化求解。纵观整个决策系统的
应用过程, 可以肯定该系统的便捷性。因为该系统
可以用图表的方式展示结果, 这就意味着决策者和
其他的利益相关者都可以通过一种透明的可视化形
式明确知道整个决策方案, 而且土地利用情景决策
第 3期 尹 珂等: 村级土地利用情景决策系统及其应用 711


系统提供了一个可以让决策者充分了解可用信息的
平台, 并根据不同目标优先级求得预测方案, 判断
其可行性以便对每个目标进行权衡取舍, 从而通过
对未来情景的分析得到一个折衷解决办法。此外某
些情况下决策者需要搜集海量的土地利用数据, 土
地利用情景决策系统的分析能力可以帮助决策者加
深对土地利用特征的理解。本文的研究结果中规定
哪些土地利用形式应该增加利用面积, 哪些应该限
制, 或者哪些是允许存在的, 哪些是在某种条件下
才可以在该区域存在, 这对于村级土地利用规划来
说增加了一定的实际操作性。
虽然土地利用情景决策系统中设计的土地利用
形式加入了一些主观因素, 但是只要满足以下几个
标准, 该系统也可以进行调整, 以便适用于新的研
究背景: (1)研究区必须接近城市, 如城乡结合部; (2)
要有较为明显的旅游特征或潜质; (3)研究区是以农
业生产为主的区域; (4)研究区有较多样的农业活动。
当研究区有较为明显的旅游特征或潜质的时候, 则
适宜将环境目标作为优先考虑, 从而促进林业物种
的增加和其他非密集性土地利用形式。而对于以农
业生产为主的区域, 则应该优先考虑经济目标, 这
样可以同时解决局部的社会问题, 因为受惠的直接
群体就是当地农民。对于多种农业活动的区域, 可
能存在潜在的利益冲突, 因此优先考虑社会问题是
必然的。
本研究设计的土地利用情景决策系统中尚未加
入利益相关者的参与过程, 这在今后研究中必然是
该系统需要重点改善的地方。土地利用形式的确定
也必然是一个互动咨询的过程, 因为土地利用规划
制定过程中涉及的博弈群体不仅仅是农民, 还包括
政策制定者、科研工作者等。只有这样才可以建立
一个客观的土地需求情景, 各个博弈群体根据土地
利用情景决策系统的结果进行不断讨论, 直到协商
出一个可以接受的结果。如此以来, 基于可用的信
息和精确的方法不仅使规划更加“透明”, 还整合协
调了各种利益冲突。
参考文献
[1] Chuvieco E. Integration of linear programming and GIS for
land-use modelling[J]. International Journal of Geographical
Information Science, 1993, 7(1): 71−83
[2] Campbell J C, Radke J, Gless J T, et al. An application of
linear programming and geographic information systems:
Cropland allocation in Antigua[J]. Enviorment and Planning
A, 1992, 24(4): 535−549
[3] Shukla S, Yadav P D, Goel P K. Land use planning using GIS
and linear programming[C]//Minister of Science, Technology
and the Environment, Malaysia. Conference Proceedings of
Map Asia 2003. Kuala Lumpur: GIS development, 2003:
34−35
[4] Giupponi C, Rosato P. A farm multicriteria analysis model for
the economic and environmental evaluation of agricultural
land use[M]. Dordrecht: Kluwer Academic Publishers, 1998:
115−136
[5] De Oliveira F, Volpi N M P, Sanquetta C R. Goal
programming in a planning problem[J]. Applied Mathematics
and Computation, 2003, 140(1): 165−178
[6] Van Ittersum M K, Roetter R P, Van Keulen H, et al. A
systems network (SysNet) approach for interactively
evaluating strategic land use options at sub-national scale in
South and South-east Asia[J]. Land Use Policy, 2004, 21(2):
101−113
[7] Suhaedi E, Metternicht G, Lodwick G. Geographic
information systems and multiple goal analysis for spatial
land use modelling in Indonesia[C]//23rd Asian Conference on
Remote Sensing. Katmandu, AARS[Online], 2002: 12−13
[8] Nidumolu U B, van Herman H, Lubbers M, et al. Mapfumo
Andrew. Combining interactive multiple goal linear program-
ming with an inter-stakeholder communication matrix to
generate land use options[J]. Environmental Modelling &
Software, 2007, 22(4): 73−83
[9] Lu C H, van Ittersum M K, Rabbinge R. A scenario
exploration of strategic land use options for the Loess Plateau
in northern China[J]. Agrcultural Systems, 2004, 79(2):
145−170
[10] Lee A H I, Kang H Y, Chang C T. Fuzzy multiple goal
programming applied to TFT-LCD supplier selection by
downstream manufacturers[J]. Expert Systems with
Applications, 2009, 36(3): 6318−6325
[11] Dr With C T, Van Keulen N G, Spharim S. Application of
interactive multiple goal programming techniques for analysis
and planning of regional agricultural development[J].
Agricultural Systems, 1988, 26(3): 211−230
[12] Bartolini F, Bazzani G M, Gallerani V, et al. The impact of
water and agriculture policy scenarios on irrigated farming
systems in Italy: An analysis based on farm level
multi-attribute linear programming models[J]. Agricultural
Systems, 2007, 93(1/3): 90−114
[13] Sante´-Riveira I, Crecente-Maseda R, Miranda-Barrós.
GIS-based planning support system for rural land-use
allocation[J]. Computers and Electronics in Agriculture, 2008,
63(2): 257−273
[14] 石勇. 多目标线性决策系统—― 理论及应用[M]. 北京: 高
等教育出版社, 2007: 25−27
[15] Cohon J L. Multiobjective Programming and Planning[M].
New York: Academic, 1978: 124
[16] Hoefsloot A M, van den B L M. Successful Examples of
Participatory Regional Planning at the Meso-level; Towards
Sustainable Land Use Through Negotiated Conflict
Resolution[M]. Wageningen: SC-DLO, 1998: 164