规划问道
当政策遇上机器学习，一场关于土地未来的智慧革命正在上演！
在我国广袤的乡镇地区，土地利用问题正面临着前所未有的挑战。随着国家对粮食安全、生态安全的重视程度不断提高，以及地方经济发展对建设用地的迫切需求，这三者需求交织在一起，让每一块土地都承载着多重使命。这种复杂性犹如一个 Gordian knot（戈耳狄俄斯之结），让传统的规划手段显得力不从心。
广州大学建筑与城市规划学院的李泳教授团队，带着人工智能的眼光，将机器学习引入乡镇土地规划领域，对PLUS模型在乡镇的土地规划领域的应用进行了研究，在理论层面为乡镇土地利用优化研究提供了新的视角和方法，在实践上也展现了应用潜力。
让我们走进这项创新性研究，看看它是如何用科技之光照亮土地规划之路的：
（一）经济发展与生态保护的矛盾
乡镇地区渴望通过发展经济来提升居民生活水平，这往往需要增加建设用地，如建设工厂、商业区等。但这又与生态保护产生冲突，过度开发会破坏生态环境，影响生态平衡，比如可能导致森林面积减少、生物多样性降低。
（二）城镇化与农用地保护的冲突
随着城镇化进程的推进，城镇规模不断扩大，需要更多的土地来建设住宅、基础设施等。这就不可避免地要占用农用地；而农用地是保障粮食安全的基础，保护农用地至关重要，二者之间的矛盾日益凸显。
（三）多元目标与有限空间的矛盾
乡镇土地既要保障粮食安全、保护生态环境，又要满足经济发展和居民生活需求，这些目标都需要在有限的土地空间上实现。如何平衡这些目标，合理分配土地资源，成为一大难题。
这个复杂的局面让传统规划手段举步维艰。但人工智能带来的新视角，正在悄然改变这一局面。
图1 研究区域
PLUS模型：科技赋能土地规划的新突破
为解决乡镇土地利用难题，本研究选用了GeoSOS-PLUS模型，该模型结合随机森林和元胞自动机，在土地利用模拟方面优势显著。
（一）数据驱动的智能分析
土地扩张分析策略模块能够通过提取一个时期内各类用地的扩张数据，结合随机森林算法和驱动因子，深入探究影响土地利用的因素，分析出每种用地类型在空间上的发展潜力，使模拟结果更贴合地方实际。
（二）多目标优化的算法创新
元胞自动机模块根据土地利用需求和参数设置，让各类用地在空间上按规则竞争，促使各类用地数量向目标数量靠近，实现多目标优化。同时，马尔科夫模型根据土地变化情况预测未来用地需求和转移矩阵，为元胞自动机设置参数提供参考。
（三）可灵活调整的参数设置
模型内部可供修改的参数设置众多，能够灵活的根据不同的情景设置进行参数修改，从而对不同情景进行针对性的优化。在用地优化环节，研究者可针对不同情景进行多种参数设置，体现了该模型的灵活性。
因此，研究团队以 PLUS模型为核心工具，基于广东省具有代表性的 S县展开了一场智慧实验。该研究首先运用结合随机森林和元胞自动机的PLUS模型，通过机器学习的方法确定用地空间发展潜力；其次，以政策为出发点对PLUS模型进行了改进，通过构建三个发展情景，验证了模型在不同条件下进行土地利用优化的适应性和灵活性。实验结果表明，这些手段能配合不同政策导向更好地协调乡镇地区各类用地发展的空间矛盾，实现城乡全面高质量发展。
图2乡镇土地利用优化研究思路
实验启示：科技赋能规划的力量
在S县的实验中，设置了不同的发展情景，结果差异明显，充分展现了科技赋能规划的强大力量。
（一）弱政策约束下的效率瓶颈
在弱政策约束的经济优先发展情景下，S县主要依靠增加农用地和城镇用地面积来实现经济目标。但这两种用地在空间上存在竞争关系，导致城镇用地面积增长受限，经济产出提升也受到影响。例如，原本规划用于城镇建设的土地，因与农用地争夺空间，无法顺利开发，使得相关产业难以落地，经济发展速度放缓。
（二）强政策约束下的经济优先
强政策约束下的经济优先发展情景中的，用地调整更为灵活。当城镇用地和农用地都需要增加面积时，依据政策进行全域空间的调整，避免了二者过度竞争，使得城镇用地面积有效增加。在 S县的实验中，通过合理调配土地资源，使得城镇建设和农业生产都得到了更好的发展，经济效益增长幅度明显高于弱政策约束情景。
（三）生态优先下的价值提升
在强政策约束下的生态优化发展情景里，S县主要用地类型与农用地发生交换，农用地在全域空间调整中充当媒介。虽然农用地空间变化较大，但总量保持稳定，保障了粮食安全。而且，S县原本生态水平较高，在此基础上生态系统服务价值实现了增长。比如，通过将部分不适宜耕种的农用地转变为生态用地，提升了区域的生态质量，促进了生态旅游等产业的发展。
这些实验结果不仅验证了PLUS模型的有效性，更揭示了一个重要真理：科技创新能让政策目标真正落地。通过实验前后对比，S县在耕地保护、经济效益和生态保护提升等方面都取得了显著成果。据估算，在政策约束的经济优先发展情景中，耕地面积提升了约1.6%，经济产出提升了约28.2%，区域总的经济产出效率，即土地的综合利用效益也得到了提高，有效保障了粮食安全和经济发展；在政策约束的生态优先发展情景，生态系统服务价值产出未减少反而略有增加（0.13%），有效保障了生态安全。
图3 不同情景下的土地利用优化结果产出
图4 不同发展情景的优化模拟图
图5 不同发展情景的土地用途转移弦图
未来展望：智慧规划的无限可能
研究发现，PLUS模型在规划领域还有很大的挖掘潜力，未来应用前景广阔。
（一）政策模拟推动未来发展
政策常常会根据发展情况调整，利用 PLUS模型可预测政策变化对土地空间布局的影响。如果出台新的耕地保护政策或建设用地政策有变动，借助模型模拟能帮助决策者提前预知土地空间利用的变化，评估政策的合理性，为政策制定提供参考。
（二）助力智慧城市建设与乡村振兴
在智慧城市建设中，PLUS模型可用于辅助优化城市功能分区，提升城市运行效率，打造更宜居、宜业的城市环境。在乡村振兴方面，能助力合理规划土地，促进农村产业融合发展，保护乡村生态环境，推动美丽乡村建设。
（三）科技赋能规划的美好愿景
当人工智能遇上土地规划，我们正在见证一场静悄悄的革命。这项研究为土地规划提供了新思路，预示着一个更智能、更科学的规划时代即将到来。
李泳教授团队的研究，从一个方面让我们看到了科技的力量如何改变规划行业的未来。这种创新不仅关乎技术进步，更是对社会发展需求的积极回应。在人工智能快速发展的今天，规划领域正在经历一场认知革命。研究者们的工作，也在推动着这场变革，他们用科技创新诠释着 “智慧规划” 的真谛，为更美好的城市和乡村建设贡献着智慧与力量。
期待这种科技赋能规划的研究能够不断深入，在推动城市发展、保护生态环境、改善人民生活等方面发挥更大的作用。
研究团队简介：
李泳，广州大学建筑与城市规划学院教授，中国城市规划学会城市规划新技术应用专业委员会委员，博士。
黄岐山，广州大学建筑与城市规划学院城市规划专业研究生；
陈锦棠，广州大学建筑与城市规划学院副院长、硕士生导师；广州市高层次人才；广东省“双百行动”乡村建设高校联盟工作委员会委员；中国国土经济学会绿色发展与详细规划专业委员会副秘书长，博士。
宋立新，广州大学建筑与城市规划学院教授，博士。
本文由城市规划新技术应用专业委员会微信公众号授权转载
原文始发于微信公众号（城市数据派）：【土地利用优化新视角和新方法】如何让AI为土地规划把脉？丨城市数据派
