【规划广角】基于FLUS模型的江西省国土空间开发模拟与评估

其次，依据交通、城镇影响等区位因素对承载力结果进行适宜性调整。其中，交通因素的选取，主要是基于江西省未来交通体系的规划，选取现状及规划铁路以及现状及规划道路等各类交通设施的通达性。现有城镇的影响力，主要是考虑到现有城镇用地对于未来建设用地开发的空间临近影响。各因素的权重主要是参考未来江西省建设的战略部署(表3)、各类交通自身的运输能力特点，以及对于现状城镇建设用地影响的回归分析等来进行设置，按照指标综合，最终得出各地区位开发潜力指数，并将区位潜力划分为三个等级：适宜、比较适宜、一般。研究结合区位潜力等级，以及自然环境适宜性评价等级，对江西省建设用地的适宜性进行了调整。

4.后备建设用地潜力评价

传统意义上的后备适宜建设用地在《省级主体功能区划分技术规程》中被称为“可利用土地资源”，广义上指可被用于未来人口集聚、工业布局和城镇发展的土地资源，能够客观反映不同区域对未来人口集聚、工业化和城镇化发展的土地承载能力，侧重地区后备适宜建设用地总量的测度，但并没有考虑到后备建设用地的需求主体——人的因素。研究结合人口因素，采用人均后备适宜性建设用地，以更好地测算地区土地资源丰富程度。

后备适宜建设用地与人均后备适宜建设用地的计算公式如下：

（二）基于FLUS 模型的建设用地扩张模拟

FLUS模型是用于模拟人类活动与自然影响下的土地利用变化及未来土地利用情景的模型，耦合了自上而下的总量预测模型与自下而上的元胞自动机模型，从而得到较高模拟精度的未来城市发展形态，模拟流程如图2所示。

其中，总量预测模型能在模拟的每个阶段自上而下地控制元胞自动机的发展，从而在全局上约束元胞自动机的空间发展，纠正元胞自动机数量上和空间上的变化轨迹。而马尔科夫模型作为该类模型的典型代表，由于具有无后效性(在事件的发展过程中，系统的第n 次结果状态只与第n-1次有关，与以前所处的状态无关)与稳定性( 在较长时间后，马尔可夫过程逐渐趋于稳定状态，而与初始状态无关) 特征，恰好符合土地利用变化规律，因此在相关领域得到了广泛应用。

而人工神经网络算法(Artificial Neural Network，简称“ANN”) 从一期土地利用数据与包含人为活动、自然效应的多种驱动力因子(高程、坡度、交通及城镇影响力)中获取各类用地类型在研究范围内的适宜性概率，并依次分为输入层、隐藏层与输出层。

此外，FLUS模型提出一种基于轮盘赌选择的自适应惯性竞争机制，能有效处理多种土地利用类型在自然作用与人类活动共同影响下发生相互转化时的不确定性与复杂性，使得模型具有较高的模拟精度并且能获得与现实土地利用分布相似的结果。此次研究采用自适应惯性系数来表征自适应惯性竞争机制。而邻域影响反映了城