优化城市功能用地实现“双碳”目标：结构维度

优化城市功能用地实现“双碳”目标：结构维度与空间维度耦合的方法 随着我国碳达峰、碳中和目标的确立，发展低碳城市变得至关重要。以往的研究主要关注土地利用的数量结构，以实现低碳优化，而忽略了城市形态与碳排放的空间整合。为了弥补这一差距，本文提出了一种低碳导向的双维度多目标土地利用优化（DOLA）模型，利用理想点多目标线性规划（IMLP）和非支配排序遗传算法（NSGA-II）分别在结构维度和空间维度上优化城市低碳排放格局。该模型通过创新性地将城市形态指数与碳排放挂钩，旨在最大限度地减少城市碳排放，同时最大限度地提高经济发展、城市发展适宜性和城市紧凑度。将所提方法应用于中国武汉市中心城区，DOLA模型在所有情景下均有显著目标值的提升。其中，在结构维度和空间维度上优先考虑低碳排放的情景，碳排放量减少幅度最大，为6.43%。DOLA有效地为实现多个空间目标做出了贡献，从而有助于减少碳排放。它为中国实现“双碳”目标提供了技术支持。 本文结合定量结构维度和空间布局维度，实现碳排放最小化、经济效益最大化、空间紧凑性最大化和空间适宜性最大化四个目标。理想点多目标线性规划模型（IMLP）展示了将具有固有冲突的多目标问题转换为单一目标的熟练程度。研究人员已经成功地利用IMLP来优化与土地利用量结构相关的问题。利用其便利性、效率和防止陷入局部优化的能力，IMLP 与本研究背景下的结构尺度优化要求相吻合。NSGA-II 以多样化的解决方案和快速的非主导排序而闻名，它解决了多目标研究中分配权重的主观性。NSGA-II在土地利用优化中被广泛采用，与GA相比，NSGA-II的精英保留策略提高了准确性。经验证据表明，NSGA-II在求解质量和收敛率方面超过了模拟退火和PSO。因此，我们提出了一种基于栅格的面向双低碳的多目标土地利用分配（DOLA）模型，结合NSGA-II算法和IMLP模型来分析低碳土地利用布局的不同场景。