劉敬杰，夏　敏，劉友兆，張開(kāi)亮，張子紅

（南京農(nóng)業(yè)大學(xué)公共管理學(xué)院，南京 210095）

0　引　言

農(nóng)村土地類(lèi)型眾多、變化過(guò)程復(fù)雜，同時(shí)受到自然、社會(huì)、經(jīng)濟(jì)等諸多因素的影響，但其變化實(shí)質(zhì)是人地關(guān)系相互作用的效果[1]。隨著人類(lèi)活動(dòng)對(duì)農(nóng)村土地利用變化干預(yù)程度的增加，人文因素逐漸成為影響農(nóng)村土地利用變化的重要因素[2]，土地利用主體決策行為越來(lái)越受重視[3]。政府、企業(yè)、農(nóng)戶(hù)等作為中國(guó)農(nóng)村社會(huì)的主體，是農(nóng)村土地利用和農(nóng)村經(jīng)濟(jì)活動(dòng)的基本決策單元，其土地利用決策行為對(duì)農(nóng)村自然地理環(huán)境、農(nóng)村土地資源利用和保護(hù)、農(nóng)業(yè)景觀格局變化和農(nóng)村社會(huì)可持續(xù)發(fā)展均有很大影響[4]。但現(xiàn)有農(nóng)村土地利用變化驅(qū)動(dòng)機(jī)制的研究多從自然、社會(huì)、經(jīng)濟(jì)等方面選取驅(qū)動(dòng)因子[5-6]，忽視主體決策行為對(duì)農(nóng)村土地利用變化的影響[7]。在農(nóng)村土地利用系統(tǒng)中，影響土地利用變化的自然、社會(huì)、經(jīng)濟(jì)等驅(qū)動(dòng)因子在政府、企業(yè)、農(nóng)戶(hù)等利益相關(guān)者層面上存在著差異性，且各種因子的相互作用導(dǎo)致其影響程度模糊難辨[8]，采用適宜有效的方法識(shí)別并分析農(nóng)村土地利用變化驅(qū)動(dòng)因子及其影響，為統(tǒng)籌安排未來(lái)農(nóng)村各類(lèi)土地規(guī)模、布局和時(shí)序提供科學(xué)依據(jù)，對(duì)促進(jìn)新農(nóng)村建設(shè)、城鄉(xiāng)一體化及村級(jí)土地利用規(guī)劃編制工作具有重要意義。

多智能體系統(tǒng)（multi-agent system，MAS）是由多個(gè)智能體交互決策以實(shí)現(xiàn)目標(biāo)層的系統(tǒng)，是描述與模擬具有意識(shí)行為、能夠?qū)嵤┛臻g移動(dòng)與信息交換的人群個(gè)體特征與行為的最佳工具，通過(guò)“自下而上”的思路建模，賦予系統(tǒng)中微觀個(gè)體一定的行為規(guī)則，定義個(gè)體間的相互作用機(jī)制，最終研究宏觀層面上的“涌現(xiàn)”現(xiàn)象[9]。作為復(fù)雜系統(tǒng)分析與模擬的重要手段，MAS在城市熱島效應(yīng)[10-11]、牧農(nóng)選址[12]、城市土地?cái)U(kuò)張[13-14]、土地利用變化模擬預(yù)測(cè)[15-16]、城市土地利用優(yōu)化配置[17-18]等領(lǐng)域應(yīng)用廣泛，但應(yīng)用于驅(qū)動(dòng)機(jī)制的研究成果相對(duì)較少，常笑等[19]利用MAS對(duì)農(nóng)戶(hù)主體決策行為進(jìn)行模擬，僅揭示了農(nóng)戶(hù)土地種植決策變化受市場(chǎng)等因素的影響，并未充分考慮農(nóng)戶(hù)生產(chǎn)與生活選址、企業(yè)投資管理、政府規(guī)劃等決策行為對(duì)農(nóng)村土地利用變化的影響。因此，本文以官林鎮(zhèn)為例，以遙感解譯、問(wèn)卷調(diào)查及社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)為基礎(chǔ)，基于多智能體方法構(gòu)建以研究農(nóng)村土地利用變化驅(qū)動(dòng)機(jī)制為目的模型，定量分析自然區(qū)位因子及各主體決策行為對(duì)農(nóng)村土地?cái)?shù)量和空間格局變化的驅(qū)動(dòng)機(jī)制，以期為農(nóng)村土地利用變化研究及農(nóng)村土地管理決策的制定提供參考。

1　研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1　研究區(qū)概況

官林鎮(zhèn)地處宜興市西北部，東瀕滆湖，地理位置優(yōu)勢(shì)顯著。2015年全鎮(zhèn)總面積10 590.21 hm2，由18個(gè)行政村和2個(gè)社區(qū)組成，農(nóng)村人口68 525人，占全鎮(zhèn)總?cè)丝诘?6.48%。鎮(zhèn)域內(nèi)地形平坦、土壤肥沃、大小湖蕩密布，農(nóng)村土地利用類(lèi)型多樣，主要有耕地、養(yǎng)殖水面、農(nóng)村居民點(diǎn)用地、企業(yè)用地、生態(tài)用地等，其中，耕地面積3 404.14 hm2，占總面積的32.19%，養(yǎng)殖水面面積1 082.27 hm2，占總面積的 10.23%，企業(yè)用地面積達(dá)1 593.31 hm2，占總面積的15.07%。作為宜興市新興生態(tài)型工貿(mào)重鎮(zhèn)，全鎮(zhèn)有規(guī)模以上企業(yè)120家、高新技術(shù)產(chǎn)業(yè)28家，加快傳統(tǒng)電線(xiàn)電纜產(chǎn)業(yè)高端化步伐的同時(shí)，大力發(fā)展光電光伏、精密機(jī)械、生物醫(yī)藥等新興產(chǎn)業(yè)，企業(yè)的迅速擴(kuò)張導(dǎo)致大量耕地被占用，同時(shí)依托滆湖及鎮(zhèn)域內(nèi)眾多水域等有利資源優(yōu)勢(shì)，水產(chǎn)養(yǎng)殖業(yè)發(fā)展迅速，圍湖、圍蕩、挖塘等使大量水域及其他用地轉(zhuǎn)變?yōu)轲B(yǎng)殖水面。農(nóng)村土地利用變化受到自然、社會(huì)、經(jīng)濟(jì)、主體決策等諸多因素的影響，為進(jìn)一步調(diào)整和優(yōu)化農(nóng)村土地利用格局，需要識(shí)別并分析影響因素對(duì)農(nóng)村土地?cái)?shù)量和空間格局變化的驅(qū)動(dòng)機(jī)制。

1.2　數(shù)據(jù)來(lái)源與處理

本文所需的數(shù)據(jù)和資料包括：1）農(nóng)村土地利用數(shù)據(jù)，利用官林鎮(zhèn)2005年、2010年和2015年三期分辨率為2.44 m的QuickBird衛(wèi)星遙感影像解譯出農(nóng)村土地利用圖，根據(jù)研究需要將19種農(nóng)村土地類(lèi)型合并為耕地、養(yǎng)殖水面、農(nóng)村居民點(diǎn)用地、企業(yè)用地、生態(tài)用地和其他用地 6種類(lèi)型，并提取交通用地、河流、建制鎮(zhèn)、基本農(nóng)田保護(hù)區(qū)等圖層；2）DEM 數(shù)據(jù)，來(lái)自中科院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云（http://www.gscloud.cn/），并提取高程、坡度等數(shù)據(jù)；3）土壤數(shù)據(jù)及耕地質(zhì)量數(shù)據(jù)，從官林鎮(zhèn)土壤圖、官林鎮(zhèn)總體規(guī)劃、宜興市耕地質(zhì)量等級(jí)成果報(bào)告等相關(guān)數(shù)據(jù)庫(kù)中提??；4）社會(huì)經(jīng)濟(jì)數(shù)據(jù)，來(lái)源于2005—2015年《官林鎮(zhèn)統(tǒng)計(jì)年鑒》；5）主體決策行為數(shù)據(jù)，從多主體視角出發(fā)，以“政府——企業(yè)——農(nóng)戶(hù)”的多主體關(guān)系為核心，對(duì)各主體行為進(jìn)行分析與調(diào)查：通過(guò)與政府相關(guān)部門(mén)座談、收集相關(guān)規(guī)劃資料獲取政府主體意愿；從企業(yè)基本情況、企業(yè)用地變化意愿及選址意愿3方面設(shè)計(jì)問(wèn)卷，對(duì)大型規(guī)上企業(yè)、中型規(guī)上企業(yè)、小型規(guī)上企業(yè)和非規(guī)上企業(yè) 4種類(lèi)型的企業(yè)主體進(jìn)行調(diào)研，共發(fā)放企業(yè)問(wèn)卷60份、回收56份，問(wèn)卷有效率93.33%；從農(nóng)戶(hù)基本情況、農(nóng)村土地變化意愿及選址意愿 3方面設(shè)計(jì)問(wèn)卷，對(duì)非農(nóng)戶(hù)、兼業(yè)戶(hù)、種植戶(hù)、養(yǎng)殖戶(hù) 4種類(lèi)型的農(nóng)戶(hù)主體進(jìn)行調(diào)研，共發(fā)放農(nóng)戶(hù)問(wèn)卷 240份、回收221份，問(wèn)卷有效率92.08%。

2　模型構(gòu)建與實(shí)現(xiàn)

農(nóng)村土地利用變化驅(qū)動(dòng)機(jī)制模型框架見(jiàn)圖1，模型主要由農(nóng)村土地利用空間實(shí)體和社會(huì)環(huán)境 2部分組成，兩者通過(guò)統(tǒng)一的二維農(nóng)村土地空間網(wǎng)格相互作用。其中社會(huì)環(huán)境中的主體既有能活動(dòng)的主體，也有不能活動(dòng)的主體，前者代表現(xiàn)實(shí)中的行為主體即智能主體[8]，模型中的MAS模塊表達(dá)其決策行為；后者包括自然區(qū)位因子和外部環(huán)境因子，將其稱(chēng)為環(huán)境主體，模型中的元胞自動(dòng)機(jī)（cellular automata，CA）模塊表現(xiàn)自然區(qū)位因子的驅(qū)動(dòng)機(jī)制，外部環(huán)境因子是自然區(qū)位因子和智能主體決策共同遵守的條件，可通過(guò)其他 2部分間接實(shí)現(xiàn)。農(nóng)村土地利用空間實(shí)體表示社會(huì)環(huán)境中各類(lèi)型主體所依賴(lài)的載體，即農(nóng)村土地利用類(lèi)型。環(huán)境主體和智能主體決策行為之間相互作用、相互影響，根據(jù)自身因素和環(huán)境主體的變化，智能主體不斷調(diào)整其決策行為，直接作用于農(nóng)村土地利用[20]，不同類(lèi)型智能主體作用的農(nóng)村土地利用類(lèi)型也有所差異；反之，智能主體決策行為也會(huì)作用于環(huán)境主體，改變其各因子的狀態(tài)，導(dǎo)致農(nóng)村土地利用發(fā)生變化。

圖1　農(nóng)村土地利用變化驅(qū)動(dòng)機(jī)制模型框架Fig.1　Model framework of rural land-use change driving mechanism

本文借助IDRISI軟件實(shí)現(xiàn)CA模塊，以適宜的空間網(wǎng)格為基本分析單位，通過(guò)局部規(guī)則轉(zhuǎn)換的運(yùn)算來(lái)模擬空間和時(shí)間上離散的復(fù)雜現(xiàn)象[21]；借助ArcGIS軟件通過(guò)“自下而上”思路建模實(shí)現(xiàn)MAS模塊，賦予系統(tǒng)中具有意識(shí)行為、能夠?qū)嵤┛臻g移動(dòng)與信息交換的智能主體的行為規(guī)則[22]，主體之間的相互作用揭示農(nóng)村土地利用變化的動(dòng)力機(jī)制；2個(gè)模塊通過(guò)共同的柵格空間實(shí)現(xiàn)交互。

2.1　環(huán)境主體

環(huán)境主體主要包括外部環(huán)境因子和自然區(qū)位因子。外部環(huán)境因子主要包括農(nóng)村工業(yè)化、農(nóng)村城鎮(zhèn)化、人口增長(zhǎng)、經(jīng)濟(jì)發(fā)展、政策制度等空間信息。自然區(qū)位因子包括自然環(huán)境要素、社會(huì)環(huán)境要素和距離變量3方面：1）自然環(huán)境要素直接影響耕地質(zhì)量、農(nóng)用地和建設(shè)用地的空間布局等，主要選取了地形、地貌、土壤等方面的因子；2）社會(huì)環(huán)境要素不僅會(huì)改變耕地和養(yǎng)殖水面等農(nóng)用地面積和結(jié)構(gòu)，也會(huì)導(dǎo)致建設(shè)用地的擴(kuò)張，加劇農(nóng)村土地類(lèi)型間的轉(zhuǎn)變，主要包括總?cè)丝?、產(chǎn)量、產(chǎn)值、收入、支出等；3）農(nóng)村道路的建設(shè)給農(nóng)業(yè)生產(chǎn)、企業(yè)發(fā)展、村民居住和生活創(chuàng)造了巨大的便利條件；水資源是農(nóng)作物生長(zhǎng)、魚(yú)塘養(yǎng)殖、企業(yè)生產(chǎn)、人們生活必不可少的要素；企業(yè)進(jìn)駐農(nóng)村，影響水環(huán)境、大氣環(huán)境的同時(shí)，對(duì)周邊農(nóng)用地和農(nóng)村居民點(diǎn)用地的空間變化產(chǎn)生影響。因此距離變量主要是指某一地塊距離城鎮(zhèn)、道路、水源、企業(yè)等的距離。

采用IDRISI軟件的Markov模塊，將研究區(qū)2005年和2010年的農(nóng)村土地利用類(lèi)型圖進(jìn)行疊加，確定這一時(shí)間段的農(nóng)村土地利用轉(zhuǎn)移概率矩陣和轉(zhuǎn)移面積矩陣，為CA模塊模擬提供局部轉(zhuǎn)換規(guī)則；將2010年各農(nóng)村土地利用類(lèi)型作為因變量、自然區(qū)位因子作為自變量，輸入IDRISI軟件的 Logistic模塊中，輸出篩選的自變量及參數(shù)，制作2010年各類(lèi)農(nóng)村土地的適宜性圖；并用collection editor工具將各農(nóng)村土地類(lèi)型適宜性圖組合成2010年農(nóng)村土地利用空間分布概率適宜性圖集，為CA模塊模擬提供全局轉(zhuǎn)換規(guī)則；最后以2010年農(nóng)村土地利用類(lèi)型圖作為基期土地利用覆被圖像，結(jié)合局部轉(zhuǎn)換規(guī)則和全局轉(zhuǎn)換規(guī)則，采用IDRISI軟件的CA-Markov模塊預(yù)測(cè)2015年的農(nóng)村土地利用空間分布情況。

2.2　智能主體

Agent的概念最早由美國(guó)學(xué)者M(jìn)insky提出[23]，中文釋義是“主體”或“智能體”等。智能主體決策行為是農(nóng)村土地利用變化的基本動(dòng)力和直接動(dòng)力，智能主體的行為是目的驅(qū)動(dòng)型，不同類(lèi)型的智能主體具有不同的目的，即使自己的利益最大化[24]。農(nóng)村土地利用變化主要受到政府、企業(yè)、農(nóng)戶(hù) 3種類(lèi)型主體決策行為的影響，政府主體不具有空間屬性，作為農(nóng)村土地利用的規(guī)劃者和重要決策者，通過(guò)編制相關(guān)規(guī)劃對(duì)各類(lèi)農(nóng)村土地利用進(jìn)行數(shù)量控制和空間管制約束，其決策行為影響各類(lèi)農(nóng)村土地利用的變化；企業(yè)主體的投資管理決策及對(duì)自然、社會(huì)、經(jīng)濟(jì)等因素的反應(yīng)，導(dǎo)致企業(yè)用地?cái)?shù)量結(jié)構(gòu)和空間布局發(fā)生變化；農(nóng)戶(hù)主體作為農(nóng)村土地利用和農(nóng)村經(jīng)濟(jì)活動(dòng)的重要主體和基本決策單元，其農(nóng)業(yè)結(jié)構(gòu)調(diào)整、棄耕、申請(qǐng)宅基地等決策行為直接影響耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地變化。

MAS模塊中的智能主體決策行為交互主要分為以下2類(lèi)：1）政府Agent、企業(yè)Agent和農(nóng)戶(hù)Agent分別決策相關(guān)類(lèi)型的農(nóng)村土地?cái)U(kuò)張轉(zhuǎn)換概率；2）3種類(lèi)型的Agent經(jīng)過(guò)不同組合，決策相關(guān)類(lèi)型農(nóng)村土地的擴(kuò)張轉(zhuǎn)化概率。

1）政府Agent

政府Agent編制《官林鎮(zhèn)總體規(guī)劃》、《官林鎮(zhèn)鎮(zhèn)村布局規(guī)劃》、《官林鎮(zhèn)高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)規(guī)劃》和《官林鎮(zhèn)綠地系統(tǒng)規(guī)劃》，劃定農(nóng)業(yè)片、居民點(diǎn)集聚地、工業(yè)片和生態(tài)廊道，對(duì)各類(lèi)型農(nóng)村土地?cái)?shù)量和空間布局產(chǎn)生較大影響。本文通過(guò)收集相關(guān)規(guī)劃資料，選取基本農(nóng)田保護(hù)區(qū)、道路紅線(xiàn)區(qū)、生態(tài)保護(hù)紅線(xiàn)區(qū)等，作為政府Agent決策行為對(duì)各類(lèi)農(nóng)村土地利用變化的限制區(qū)域。

MAS模塊中通過(guò)柵格計(jì)算落實(shí)限制區(qū)域，若位于二維農(nóng)村土地柵格中第i行、第j列的地塊不受任何限制區(qū)域的影響，認(rèn)定該地塊可以發(fā)生轉(zhuǎn)變，即Y=0；若該地塊受到一個(gè)或多個(gè)區(qū)域的限制，認(rèn)定該地塊不能發(fā)生轉(zhuǎn)變，即Y>0。表達(dá)式為：

式中 Y為相加的結(jié)果，是[0，3]之間的整數(shù)。[farmland]為基本農(nóng)田保護(hù)區(qū)柵格圖，[road]表示道路紅線(xiàn)區(qū)柵格圖，[ecology]為生態(tài)保護(hù)紅線(xiàn)區(qū)柵格圖，值為1表示限制區(qū)域內(nèi)，值為0表示限制區(qū)域外。

2）企業(yè)Agent

企業(yè)的自身個(gè)體特征和經(jīng)濟(jì)特征影響企業(yè)主體對(duì)企業(yè)用地面積做出的擴(kuò)張決策行為，即判斷是否增減企業(yè)用地規(guī)?；?qū)⑵髽I(yè)搬遷到其他地方等，這一決策行為可影響企業(yè)用地面積的變化。為了解企業(yè)主體擴(kuò)張決策行為及影響因素，在企業(yè)問(wèn)卷中設(shè)定“綜合考慮企業(yè)情況，未來(lái)有何發(fā)展規(guī)劃”這一問(wèn)題，56份有效的企業(yè)調(diào)查問(wèn)卷中，選擇擴(kuò)大企業(yè)用地的企業(yè)占比 25%，選擇減少企業(yè)用地的占比 55%，選擇維持現(xiàn)有企業(yè)用地不變的占比20%。企業(yè)主體擴(kuò)張決策中的“擴(kuò)張”或“搬遷”后，為擴(kuò)張或搬遷的企業(yè)進(jìn)行區(qū)位選址時(shí)受到資源成本、區(qū)位交通、區(qū)域經(jīng)濟(jì)發(fā)展等條件的影響，企業(yè)主體的位置再選擇決策行為可影響企業(yè)用地空間布局的變化。企業(yè)問(wèn)卷中設(shè)置“為擴(kuò)張或搬遷的企業(yè)用地選址時(shí)考慮的主要因素有哪些？”這一問(wèn)題，匯總企業(yè)用地空間布局的影響因素（表1）。

表1　企業(yè)用地位置再選擇影響因素Table 1　Influencing factors of enterprise land reselection

在MAS模塊中，根據(jù)企業(yè)主體擴(kuò)張決策比例生成企業(yè)Agent，假設(shè)企業(yè)Agent決策行為在企業(yè)用地上落地。引入隨機(jī)效用模型和離散選擇模型，計(jì)算某一待選用地單元對(duì)企業(yè)Agent的區(qū)位效用值和用地轉(zhuǎn)換概率，隨機(jī)產(chǎn)生足夠多的智能體，使可達(dá)范圍覆蓋全區(qū)。區(qū)位效用是指主體在空間可達(dá)范圍內(nèi)綜合考慮各種因素偏好而選擇特定用地位置所獲得的滿(mǎn)足程度[25-26]，主體的位置再選擇決策行為以效用最大化為前提。

根據(jù)隨機(jī)效用模型，某一待選用地單元Lij對(duì)企業(yè)主體的區(qū)位效用表達(dá)式為：

式中Uij為企業(yè)用地區(qū)位效用，Wlocation、Windustry、Weconomics分別代表準(zhǔn)則層因子效用值，可根據(jù)表 1中指標(biāo)層因子加權(quán)求和計(jì)算；a、b、c為企業(yè)用地位置再選擇決策影響因素準(zhǔn)則層各因子的偏好權(quán)重，且a+b+c=1，由于在模擬初始無(wú)法判斷指標(biāo)重要性程度，本文初步認(rèn)為準(zhǔn)則層和指標(biāo)層的各個(gè)指標(biāo)對(duì)用地位置再選擇決策行為同等重要，采用等權(quán)重法，分別設(shè)置準(zhǔn)則層和指標(biāo)層因子偏好權(quán)重初始值均為0.333 3和0.111 1；uij為企業(yè)用地區(qū)位效用隨機(jī)擾動(dòng)項(xiàng)。

根據(jù)離散選擇模型，用地單元Lij被企業(yè)選擇作為企業(yè)用地的概率為

式中Pij為企業(yè)用地轉(zhuǎn)換概率，m為用地單元Lij所吸引的企業(yè)主體個(gè)數(shù)。

3）農(nóng)戶(hù)Agent

農(nóng)戶(hù)的個(gè)體特征和家庭特征影響農(nóng)戶(hù)主體對(duì)耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地的擴(kuò)張決策行為，為了解農(nóng)戶(hù)主體擴(kuò)張決策行為及影響因素，在農(nóng)戶(hù)問(wèn)卷中設(shè)置“計(jì)劃采取何種方式增加家庭收入”和“未來(lái)是否會(huì)建房或買(mǎi)房”等問(wèn)題。221份有效農(nóng)戶(hù)問(wèn)卷中，農(nóng)戶(hù)主體對(duì)耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地面積變化選擇“擴(kuò)大”、“減少”或“不變”的決策比例見(jiàn)表2。農(nóng)戶(hù)主體擴(kuò)張決策的區(qū)位選址受到區(qū)位交通、基礎(chǔ)設(shè)施建設(shè)、周邊環(huán)境等條件的影響，問(wèn)卷中設(shè)置“為擴(kuò)張或搬遷的農(nóng)村土地選址時(shí)考慮的主要因素有哪些？”這一問(wèn)題，匯總得到耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地空間布局的影響因素（表3）。

表2　農(nóng)戶(hù)主體決策比例Table 2　Percentage of decision-making for farmers　　%

在MAS模塊中，根據(jù)農(nóng)戶(hù)主體擴(kuò)張決策比例生成農(nóng)戶(hù)Agent，假設(shè)農(nóng)戶(hù)Agent決策行為在相關(guān)土地類(lèi)型上落地。同企業(yè)主體決策行為表達(dá)過(guò)程相同，采用隨機(jī)效用模型和離散選擇模型計(jì)算某一待選用地單元對(duì)農(nóng)戶(hù)Agent的區(qū)位效用值和用地轉(zhuǎn)換概率，隨機(jī)產(chǎn)生足夠多的智能體，使可達(dá)范圍覆蓋全區(qū)。

本文以農(nóng)戶(hù)主體耕地決策為例說(shuō)明農(nóng)戶(hù)決策行為表達(dá)及實(shí)現(xiàn)過(guò)程，首先采用公式（4）計(jì)算某一待選用地單元對(duì)農(nóng)戶(hù)主體的耕地區(qū)位效用值，再根據(jù)離散選擇模型，參考公式（3）計(jì)算用地單元Lij被農(nóng)戶(hù)選擇作為耕地的概率。

式中U'ij為耕地區(qū)位效用，W'location、W'facility、W'quality分別代表耕地效用準(zhǔn)則層因子效用值，可根據(jù)表 3中指標(biāo)層因子加權(quán)求和計(jì)算；a'、b'、c'分別為耕地位置再選擇影響因素準(zhǔn)則層各因子的偏好權(quán)重，且a'+b'+c'=1，采用等權(quán)重法，分別設(shè)置準(zhǔn)則層和指標(biāo)層因子的偏好權(quán)重初始值為0.333 3和0.100 0；u'ij為耕地區(qū)位效用隨機(jī)擾動(dòng)項(xiàng)。

表3　耕地、養(yǎng)殖水面、農(nóng)村居民點(diǎn)用地位置再選擇影響因素Table 3　Influencing factors of farmland, aquaculture and rural residential land reselection

4）智能主體決策交互

在所有農(nóng)村土地類(lèi)型中，生態(tài)用地和其他用地的變化僅受政府Agent決策行為的影響，其他類(lèi)型農(nóng)村土地變化所受主體決策行為影響程度可用公式（5）表示

式中Pfarmland、Ppond、Pvilliage、Pindustry分別表示待選用地單元轉(zhuǎn)變?yōu)楦?、養(yǎng)殖水面、農(nóng)村居民點(diǎn)用地和企業(yè)用地的概率；Pgovernment、Penterprise、Pfarmer分別為政府、企業(yè)、農(nóng)戶(hù)的決策概率，a11、a12、a13、a14、b11、b12、b13、b14、c11、c12、c13為各主體決策權(quán)重，a11+b11+c11=1、a12+b12+c12=1、a13+b13+c13=1、a14+b14=1。根據(jù)研究區(qū)實(shí)際調(diào)研情況，并參考經(jīng)驗(yàn)值[27]，設(shè)置各類(lèi)型 Agent初始決策權(quán)重（表4）。在MAS模塊中，采用柵格計(jì)算器計(jì)算各類(lèi)型農(nóng)村土地的轉(zhuǎn)變概率，參考相關(guān)文獻(xiàn)[28]，將轉(zhuǎn)變初始閾值Pthreshold設(shè)置為0.2，以0.1為單位依次遞增，將用地轉(zhuǎn)變概率最大值 Pi,j與閥值 Pthreshold進(jìn)行對(duì)比，若Pthreshold≥Pi,j，則此用地單元轉(zhuǎn)變?yōu)樽畲笾邓鶎?duì)應(yīng)的地類(lèi)，若與閾值相等，則以保護(hù)耕地為原則，優(yōu)先轉(zhuǎn)換成耕地，遵守這一轉(zhuǎn)換規(guī)則得到MAS模塊模擬結(jié)果圖。

表4　各類(lèi)型主體初始決策權(quán)重Table 4　Initial weights of all kinds of agents decision-making

2.3　模型綜合實(shí)現(xiàn)

將MAS模塊和CA模塊模擬的結(jié)果圖進(jìn)行比較，若兩者結(jié)果一致選取MAS模塊模擬結(jié)果，反之則取初期現(xiàn)狀地類(lèi)作為模擬結(jié)果，得到2015年農(nóng)村土地利用結(jié)果圖；計(jì)算此結(jié)果圖與解譯的 2015年農(nóng)村土地利用類(lèi)型圖的Kappa系數(shù)評(píng)價(jià)模擬模型的有效性，若未通過(guò)有效性檢驗(yàn)，同時(shí)調(diào)整CA模塊和MAS模塊中的參數(shù)，直至通過(guò)有效性檢驗(yàn)則輸出模擬結(jié)果及最終參數(shù)。

3　結(jié)果與分析

3.1　2015年模擬結(jié)果及模型檢驗(yàn)

2015年農(nóng)村土地利用模擬結(jié)果及其與同期遙感影像解譯圖的差異見(jiàn)圖2，圖像總柵格數(shù)4 236 083，空間模擬一致的柵格數(shù)3 541 533，占比83.60%，Kappa值為0.8 087，位于（0.75,1）范圍內(nèi)，說(shuō)明模型模擬效果較好，結(jié)果可信度較高。

3.2　自然區(qū)位因子驅(qū)動(dòng)機(jī)制分析

模擬模型通過(guò)有效性檢驗(yàn)后，CA模塊輸出的最終自變量及參數(shù)見(jiàn)表5。

在主要地類(lèi)中，耕地變化主要受到土壤pH值、農(nóng)民年人均純收入、距水源的距離等因子的影響。自然環(huán)境要素中土壤pH值對(duì)耕地變化的影響程度最大，土壤pH值每增加一個(gè)單位，耕地變化概率增大 1.161倍，土壤pH值直接影響土壤理化性質(zhì)、微生物活動(dòng)以及氮、磷、鉀等各種礦質(zhì)營(yíng)養(yǎng)元素存在的形態(tài)和有效性等，進(jìn)而影響作物的生長(zhǎng)發(fā)育和產(chǎn)量，作物產(chǎn)量越低，耕地轉(zhuǎn)換成其他類(lèi)型用地的可能性越大。社會(huì)環(huán)境要素中以農(nóng)民年人均純收入對(duì)耕地變化影響最大，農(nóng)民年人均純收入每提高一個(gè)單位，耕地變化概率增加1.313倍，近年來(lái)研究區(qū)農(nóng)民收入水平不斷提高，但收入結(jié)構(gòu)和比例由主要依靠農(nóng)業(yè)生產(chǎn)向多元化方向發(fā)展，種植收入所占比重逐漸減小，使耕地開(kāi)發(fā)利用程度和利用效益受到影響。距離變量中距水源的距離對(duì)耕地變化影響最大且呈負(fù)相關(guān)關(guān)系，距水源的距離每增加一個(gè)單位，耕地變化的概率減小0.780倍，因?yàn)轲B(yǎng)殖業(yè)收益較高，距水源越近，耕地特別是其中的水田轉(zhuǎn)變?yōu)轲B(yǎng)殖水面的可能性越大。

圖2　2015年農(nóng)村土地利用變化模擬結(jié)果及差異Fig.2　Simulation results and difference of rural land use change in 2015

養(yǎng)殖水面變化主要受到坡度、農(nóng)民年人均純收入、距水源的距離、距企業(yè)的距離等因子的影響。池塘養(yǎng)殖尤其是螃蟹養(yǎng)殖對(duì)坡度的要求較高，坡度越大，池塘的基建成本及池底改造成本越高，轉(zhuǎn)變?yōu)槠渌?lèi)型土地的可能性越大。社會(huì)環(huán)境中農(nóng)民年人均純收入對(duì)養(yǎng)殖水面變化影響較大，農(nóng)民年人均純收入每提高一個(gè)單位，養(yǎng)殖用地變化的概率減小0.761倍，近年來(lái)魚(yú)蝦、蟹類(lèi)等水產(chǎn)品的價(jià)格不斷攀升，從事養(yǎng)殖業(yè)的農(nóng)民收入水平越高，對(duì)池塘養(yǎng)殖的資金投入越大，養(yǎng)殖水面轉(zhuǎn)換成其他類(lèi)型土地的可能性越小。距離變量中距水源和企業(yè)的距離對(duì)養(yǎng)殖水面變化影響較大，水源越充足、水質(zhì)越高，池塘內(nèi)魚(yú)蝦、蟹類(lèi)的生長(zhǎng)發(fā)育情況越好，養(yǎng)殖產(chǎn)量及收入越高，因此，距離水源越近、距離企業(yè)尤其是污染性企業(yè)越遠(yuǎn)，養(yǎng)殖水面轉(zhuǎn)換為其他類(lèi)型土地的可能性越小。

農(nóng)村居民點(diǎn)用地變化主要受到表層土壤質(zhì)地、村級(jí)公益事業(yè)配套投入、距農(nóng)村道路的距離等因子的影響。農(nóng)村居民點(diǎn)用地是用于建造房屋及其附屬建筑物的土地，穩(wěn)定、安全、適宜的地質(zhì)條件是農(nóng)村住宅長(zhǎng)期存在且持續(xù)發(fā)展的關(guān)鍵因素，表層土壤質(zhì)地越好，土地的承受力越強(qiáng)，房屋地基越牢固，人們居住及日常生活就更有保障，農(nóng)村居民點(diǎn)用地轉(zhuǎn)變?yōu)槠渌?lèi)型土地的可能性越小。村級(jí)公益事業(yè)配套投入對(duì)農(nóng)村居民點(diǎn)用地的布局也具有重要影響，村級(jí)公益事業(yè)配套投入每提高一個(gè)單位，農(nóng)村居民點(diǎn)用地變化的概率增加1.380倍，村級(jí)公益事業(yè)配套投入越高，其治安保障、環(huán)境治理、垃圾處理等設(shè)施就更健全，文化基礎(chǔ)設(shè)施建設(shè)也得以加強(qiáng)，吸引農(nóng)村居民點(diǎn)的聚集能力越強(qiáng)。距離變量中距農(nóng)村道路的距離對(duì)農(nóng)村居民點(diǎn)變化影響較大，距農(nóng)村道路的距離每增加一個(gè)單位，農(nóng)村居民點(diǎn)用地發(fā)生變化的概率增加1.179倍，道路的便捷程度方便了人們的出行、促進(jìn)了農(nóng)村的發(fā)展，距離農(nóng)村道路越近，農(nóng)村居民點(diǎn)聚集程度越高，轉(zhuǎn)換為其他類(lèi)型土地的可能性越小。

表5　自然區(qū)位因子驅(qū)動(dòng)機(jī)制分析結(jié)果Table 5　Driving mechanism analysis of natural location factors

企業(yè)用地變化主要受到坡度、工業(yè)總產(chǎn)值、距農(nóng)村道路的距離等因子的影響。企業(yè)用地是用于工業(yè)企業(yè)建造工廠、車(chē)間等生產(chǎn)場(chǎng)地及排渣（灰）場(chǎng)的土地，自然環(huán)境要素中的坡度對(duì)企業(yè)用地變化影響較大，隨著坡度的增加，建造工程的土石方量和基建投資成本不斷提高，企業(yè)生產(chǎn)工藝、運(yùn)輸以及場(chǎng)地排水系統(tǒng)等均會(huì)受到影響，企業(yè)用地轉(zhuǎn)換為其他類(lèi)型土地的可能性越大。社會(huì)環(huán)境要素中以工業(yè)總產(chǎn)值對(duì)企業(yè)用地變化影響較大，工業(yè)總產(chǎn)值每提高一個(gè)單位，企業(yè)用地變化概率減少0.300倍，工業(yè)總產(chǎn)值反映的是企業(yè)生產(chǎn)總規(guī)模和總水平，工業(yè)總產(chǎn)值越高，企業(yè)繼續(xù)生產(chǎn)和擴(kuò)大現(xiàn)有生產(chǎn)規(guī)模的能力越強(qiáng)，企業(yè)用地轉(zhuǎn)換為其他類(lèi)型土地的可能性越小。距離變量中距農(nóng)村道路的距離對(duì)企業(yè)用地變化影響較大，距農(nóng)村道路的距離每增加一個(gè)單位，企業(yè)用地變化的概率增加1.130倍，企業(yè)用地的交通運(yùn)輸條件關(guān)系到企業(yè)的生產(chǎn)運(yùn)行效益，企業(yè)生產(chǎn)需要的設(shè)備物資、產(chǎn)品的外銷(xiāo)等均離不開(kāi)良好交通條件的保障，在有便捷運(yùn)輸條件的地段布置企業(yè)，可有效節(jié)省建廠投資、保證生產(chǎn)的順利進(jìn)行。

生態(tài)用地變化主要受到農(nóng)業(yè)產(chǎn)值、漁業(yè)產(chǎn)值、工業(yè)總產(chǎn)值等因子的影響。生態(tài)用地作為調(diào)節(jié)環(huán)境、生物保育等生態(tài)服務(wù)功能為主要用途的土地類(lèi)型，對(duì)維持區(qū)域生態(tài)平衡和可持續(xù)發(fā)展具有重要的作用，其分布和變化受工業(yè)化、城鎮(zhèn)化的快速發(fā)展影響較大。漁業(yè)產(chǎn)值每增加一個(gè)單位，生態(tài)用地變化概率增加1.017倍，漁業(yè)產(chǎn)值越高，水產(chǎn)養(yǎng)殖業(yè)發(fā)展越迅速，農(nóng)民采取圍湖、圍蕩等多種方式繼續(xù)擴(kuò)大養(yǎng)殖規(guī)模，生態(tài)用地轉(zhuǎn)變?yōu)轲B(yǎng)殖水面的可能性越大；工業(yè)總產(chǎn)值每增加一個(gè)單位，生態(tài)用地變化概率增加1.371倍，工業(yè)總產(chǎn)值越高，企業(yè)繼續(xù)擴(kuò)大發(fā)展的能力越強(qiáng)，企業(yè)擴(kuò)張占用生態(tài)用地的可能性越大，同時(shí)企業(yè)生產(chǎn)排放的廢氣、廢水、廢渣等對(duì)生態(tài)用地造成的污染越嚴(yán)重，加劇了生態(tài)用地轉(zhuǎn)變?yōu)槠渌?lèi)型土地的概率。

3.3　智能主體決策驅(qū)動(dòng)機(jī)制分析

模擬模型通過(guò)有效性檢驗(yàn)后，MAS模塊輸出的各類(lèi)型主體決策行為影響因素及最終決策權(quán)重見(jiàn)表6和表7。

表6　各類(lèi)型主體最終決策權(quán)重Table 6　Final weights of all kinds of agents decision-making

從表 6可以看出，作為農(nóng)村土地利用的規(guī)劃者和重要決策者，政府Agent的決策行為對(duì)各類(lèi)農(nóng)村土地利用的變化均有很大影響，通過(guò)編制相關(guān)規(guī)劃，政府Agent對(duì)各類(lèi)農(nóng)村土地利用進(jìn)行數(shù)量控制和空間管制約束。企業(yè)Agent的決策行為主要對(duì)企業(yè)用地變化影響較大，其決策權(quán)重達(dá) 0.41，對(duì)其他農(nóng)村土地利用變化影響決策權(quán)重均在0.20左右，企業(yè)主體的投資管理決策及對(duì)自然、社會(huì)、經(jīng)濟(jì)等因素的反應(yīng)，直接導(dǎo)致企業(yè)用地?cái)?shù)量結(jié)構(gòu)和空間布局發(fā)生變化，間接對(duì)其他地類(lèi)的空間分布產(chǎn)生影響。農(nóng)戶(hù)Agent的決策行為主要對(duì)耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地變化影響較大，決策權(quán)重均在0.30以上，農(nóng)戶(hù)主體做出的農(nóng)業(yè)結(jié)構(gòu)調(diào)整、棄耕、申請(qǐng)宅基地等決策行為直接影響耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地變化，其生產(chǎn)和生活行為、就業(yè)需求決策等也會(huì)間接影響農(nóng)村生態(tài)環(huán)境和企業(yè)用地的分布，但影響程度較小，決策權(quán)重均在0.20以下。本文重點(diǎn)對(duì)企業(yè)Agent和農(nóng)戶(hù)Agent的決策行為驅(qū)動(dòng)機(jī)制進(jìn)行詳細(xì)分析。

1）企業(yè)主體決策驅(qū)動(dòng)機(jī)制分析

企業(yè)資產(chǎn)總額、企業(yè)職工年齡及學(xué)歷構(gòu)成、企業(yè)閑置土地情況等企業(yè)個(gè)體特征和經(jīng)濟(jì)特征影響企業(yè) Agent做出的企業(yè)用地?cái)U(kuò)張決策行為，進(jìn)而影響企業(yè)用地面積的變化，企業(yè)資產(chǎn)總額越高、企業(yè)職工平均年齡越小、職工學(xué)歷越高、企業(yè)閑置土地面積越小，企業(yè)用地面積增加的可能性越大。

資源成本、區(qū)位交通、區(qū)域經(jīng)濟(jì)發(fā)展等因素影響企業(yè)Agent做出的企業(yè)用地位置再選擇決策行為，進(jìn)而影響企業(yè)用地空間布局的變化。從表 7可以看出，影響較大的準(zhǔn)則層因素主要是B11，指標(biāo)層因素主要有C102、C103、C104等，B11偏好權(quán)重達(dá)0.539 0，官林鎮(zhèn)企業(yè)以電線(xiàn)電纜行業(yè)為主，由于該行業(yè)位于國(guó)民經(jīng)濟(jì)產(chǎn)業(yè)鏈中游，原材料成本占比較大、下游產(chǎn)業(yè)需求旺盛，因此，供銷(xiāo)成本及供銷(xiāo)渠道是企業(yè)用地空間布局優(yōu)先考慮的因素，同時(shí)距離承載質(zhì)量高且路面較寬的道路越近，企業(yè)用地空間布局變化的可能性越大。C104的偏好權(quán)重值也較高，企業(yè)通過(guò)繳納土地出讓金獲取土地，雖然政府會(huì)制定相關(guān)的優(yōu)惠條件使這一成本降低，但并非無(wú)償供給，所以待選用地的土地價(jià)格對(duì)企業(yè)用地空間布局變化的影響也較大。經(jīng)濟(jì)要素方面的指標(biāo)偏好權(quán)重值均較低，其中 C109的偏好權(quán)重值僅為0.032 2，鎮(zhèn)域范圍內(nèi)經(jīng)濟(jì)發(fā)展差異不明顯，因此經(jīng)濟(jì)要素對(duì)企業(yè)用地空間布局變化的影響相對(duì)較弱。

表7　農(nóng)村土地利用位置再選擇決策影響因素偏好權(quán)重Table 7　Influencing factors weights of rural land reselection

2）農(nóng)戶(hù)主體決策驅(qū)動(dòng)機(jī)制分析

農(nóng)戶(hù)的年齡、學(xué)歷等個(gè)體特征以及家庭人口、收入等家庭特征影響農(nóng)戶(hù)Agent做出的耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地?cái)U(kuò)張決策行為，進(jìn)而影響到農(nóng)村土地面積變化，農(nóng)戶(hù)年齡越大、學(xué)歷越低、家庭人口數(shù)越多、家庭收入越高，耕地和養(yǎng)殖水面面積增加的可能性越大；農(nóng)戶(hù)家庭人口越多、經(jīng)濟(jì)條件越好，農(nóng)村居民點(diǎn)用地面積增加的可能性越大。

區(qū)位、設(shè)施和耕地質(zhì)量等因素影響農(nóng)戶(hù)Agent做出的耕地位置再選擇決策行為，進(jìn)而影響耕地空間布局的變化。從表7可以看出，影響較大的準(zhǔn)則層因素主要是B23，指標(biāo)層因素主要有 C202、C205、C208、C209、C210等，B23偏好權(quán)重達(dá)0.588 9，土壤pH值、表層土壤質(zhì)地、土壤有機(jī)質(zhì)含量、耕作層厚度等條件決定耕地質(zhì)量的高低，而耕地質(zhì)量直接影響著土地生產(chǎn)力和作物生產(chǎn)潛力，因此農(nóng)戶(hù)偏向選擇質(zhì)量高的耕地，質(zhì)量越高的耕地空間布局變化的可能性越大。B21和 B22的偏好權(quán)重相差不大，其中C202、C205偏好權(quán)重值分別為0.117 3和0.085 8，到原有農(nóng)地的距離可衡量農(nóng)戶(hù)增加耕地規(guī)模的程度，充分利用水資源，合理調(diào)配灌水量和排水量，是農(nóng)作物高產(chǎn)穩(wěn)產(chǎn)的保證，這兩個(gè)因素對(duì)耕地空間布局變化影響較大。

區(qū)位、水體和周邊環(huán)境等因素影響農(nóng)戶(hù)Agent做出的養(yǎng)殖水面位置再選擇決策行為，進(jìn)而影響?zhàn)B殖水面空間布局的變化。從表 7可以看出，影響較大的準(zhǔn)則層因素主要是B31，指標(biāo)層因素主要有C302、C303、C306、C307等，B31偏好權(quán)重達(dá)0.539 0，池塘養(yǎng)殖是一種高密度的飼養(yǎng)方式，待選用地的交通區(qū)位條件越好，對(duì)鮮活魚(yú)蟹、飼料餌料等的采購(gòu)、銷(xiāo)售越有利，養(yǎng)殖水面空間布局變化的可能性越大。B32偏好權(quán)重值為0.297 2，養(yǎng)殖水面相對(duì)封閉，水源和水質(zhì)條件好對(duì)魚(yú)、蝦、蟹等的養(yǎng)殖非常重要，養(yǎng)殖水面布局在這些地塊的可能性越大。B33偏好權(quán)重較小，其中C310偏好權(quán)重值僅為0.026 8，說(shuō)明周?chē)h(huán)境條件對(duì)養(yǎng)殖水面空間布局變化影響相對(duì)較弱。

交通區(qū)位、設(shè)施條件和周邊環(huán)境等因素影響農(nóng)戶(hù)Agent做出的農(nóng)村居民點(diǎn)用地位置再選擇決策行為，進(jìn)而影響農(nóng)村居民點(diǎn)用地空間布局的變化。從表7可以看出，影響較大的準(zhǔn)則層因素主要是 B41，指標(biāo)層因素主要有C402、C405、C407、C415等，B41偏好權(quán)重達(dá) 0.539 0，C402和C405的偏好權(quán)重值分別為0.134 1和0.204 5，區(qū)位交通環(huán)境對(duì)農(nóng)村居住空間布局變化的影響較大，不僅為居住者提供更經(jīng)濟(jì)的土地和勞動(dòng)力等生產(chǎn)要素，也會(huì)擴(kuò)大農(nóng)民的經(jīng)濟(jì)活動(dòng)空間。B42偏好權(quán)重值為0.297 2，飲用水設(shè)施是影響農(nóng)村居民點(diǎn)用地空間布局的重要因素，官林鎮(zhèn)內(nèi)各居民點(diǎn)已通自來(lái)水，但有些自來(lái)水支管網(wǎng)需進(jìn)行改造，因此，飲用水設(shè)施越好，農(nóng)村居民點(diǎn)布局變化的可能性越大。B43偏好權(quán)重相對(duì)較小，但空氣質(zhì)量狀況的偏好權(quán)重值較高，官林鎮(zhèn)是宜興市工業(yè)重鎮(zhèn)，位于鎮(zhèn)西的都山工業(yè)集中區(qū)對(duì)周邊村莊甚至鎮(zhèn)區(qū)的水源和空氣有一定污染，因此，空氣質(zhì)量對(duì)農(nóng)村居民點(diǎn)用地空間布局變化的影響較大。

4　結(jié)　論

本文基于多智能體方法構(gòu)建以研究農(nóng)村土地利用變化驅(qū)動(dòng)機(jī)制為目的模型，借助IDRISI軟件和ArcGIS軟件分別實(shí)現(xiàn)模型的CA模塊和MAS模塊，通過(guò)模型轉(zhuǎn)換規(guī)則的運(yùn)算對(duì)研究區(qū)農(nóng)村土地利用變化進(jìn)行模擬。對(duì)比研究區(qū)2015年農(nóng)村土地利用解譯結(jié)果，計(jì)算模擬精度并調(diào)整參數(shù)，直至通過(guò)有效性檢驗(yàn)，根據(jù)最終參數(shù)定量分析自然區(qū)位因子及各主體決策行為對(duì)農(nóng)村土地?cái)?shù)量和空間格局變化的驅(qū)動(dòng)機(jī)制，以期為農(nóng)村土地利用變化研究及農(nóng)村土地管理決策的制定提供參考。文章主要結(jié)論如下：

1）本文研究的農(nóng)村土地利用類(lèi)型包括耕地、養(yǎng)殖水面、農(nóng)村居民點(diǎn)用地、企業(yè)用地、生態(tài)用地和其他用地，土地類(lèi)型不同，顯著影響農(nóng)村土地利用變化的自然區(qū)位因子也有所差異，綜合來(lái)看，土壤pH值、表層土壤質(zhì)地、農(nóng)民年人均純收入、各行業(yè)產(chǎn)值、與水源及道路的距離等因子對(duì)各類(lèi)農(nóng)村土地利用變化影響較大。

2）本文涉及的智能主體包括政府、企業(yè)和農(nóng)戶(hù)，主體類(lèi)型不同，其決策行為影響的農(nóng)村土地利用類(lèi)型不同。政府決策行為對(duì)各類(lèi)農(nóng)村土地利用的變化均有很大影響；企業(yè)資產(chǎn)總額、職工年齡及學(xué)歷構(gòu)成、閑置土地情況等影響企業(yè)擴(kuò)張決策行為，與市場(chǎng)的接近程度、周邊道路情況等區(qū)位交通方面的因素影響用地位置再選擇決策行為，使企業(yè)用地面積和空間布局發(fā)生變化；農(nóng)戶(hù)的年齡、學(xué)歷、家庭人口、收入等影響農(nóng)戶(hù)擴(kuò)張決策行為，耕地質(zhì)量、水體質(zhì)量、距道路的距離等因素影響用地位置再選擇決策行為，使耕地、養(yǎng)殖水面和農(nóng)村居民點(diǎn)用地的面積和空間布局發(fā)生變化。

3）本文基于CA和MAS構(gòu)建模型模擬農(nóng)村土地利用變化并分析其驅(qū)動(dòng)機(jī)制，對(duì)研究區(qū)2015年農(nóng)村土地利用的模擬結(jié)果Kappa值為0.808 7，說(shuō)明模擬效果較好，結(jié)果可信度較高，模型不僅能準(zhǔn)確表達(dá)地理空間，還能把土地利用決策者的活動(dòng)體現(xiàn)到土地利用變化過(guò)程中，從而更好地模擬土地利用變化過(guò)程。

由于中國(guó)特有的農(nóng)村土地制度及復(fù)雜的主體博弈關(guān)系，農(nóng)村土地利用的影響因素也錯(cuò)綜復(fù)雜，進(jìn)一步的研究需深入探討模型轉(zhuǎn)換規(guī)則及綜合規(guī)則的制定，其中現(xiàn)有外部環(huán)境可補(bǔ)充制度政策、文化底蘊(yùn)等指標(biāo)的約束，細(xì)分不同主體并將其利益訴求科學(xué)合理地融入規(guī)則中，在此基礎(chǔ)上開(kāi)發(fā)簡(jiǎn)單實(shí)用且適合中國(guó)農(nóng)村特色的模擬平臺(tái)，為科學(xué)系統(tǒng)地研究農(nóng)村土地利用變化，統(tǒng)籌安排未來(lái)農(nóng)村各類(lèi)土地規(guī)模、布局和時(shí)序提供科學(xué)依據(jù)。

[參考文獻(xiàn)]

[1] 黃賢金. 城鄉(xiāng)土地市場(chǎng)一體化對(duì)土地利用/覆被變化的影響研究綜述[J]. 地理科學(xué)，2017，37(2)：200－208.Huang Xianjin. A review of effects of urban and rural land market integration on land use and land cover change[J].Scientia Geographica Sinica, 2017, 37(2): 200－208. (in Chinese with English abstract)

[2] 劉洪彬，呂杰. 基于農(nóng)戶(hù)微觀視角下的大城市郊區(qū)耕地土壤質(zhì)量變化驅(qū)動(dòng)機(jī)制研究[J]. 自然資源學(xué)報(bào)，2015，30(7)：1129－1140.Liu Hongbin, Lü Jie. Analyzing the soil quality change mechanism of the cultivated land based on the microscopic perspective of the household in the metropolitan suburban[J].Journal of Natural Resources, 2015, 30(7): 1129－1140. (in Chinese with English abstract)

[3] 鐘太洋，黃賢金. 農(nóng)戶(hù)層面土地利用變化研究綜述[J]. 自然資源學(xué)報(bào)，2007，22(3)：341－352.Zhong Taiyang, Huang Xianjin. Review on the researches of land use change at farm household level[J]. Journal of Natural Resources, 2007, 22(3): 341－352. (in Chinese with English abstract)

[4] 蘇藝，鄧偉，張繼飛，等. 尼泊爾中部山區(qū)Melamchi流域農(nóng)戶(hù)類(lèi)型及其土地利用方式[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(9)：204－211.Su Yi, Deng Wei, Zhang Jifei, et al. Peasant household type and its land use pattern in Melamchi basin of central mountainous area in Nepal[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(9): 204－211. (in Chinese with English abstract)

[5] 郇紅艷，譚清美，朱平. 城鄉(xiāng)一體化進(jìn)程中耕地利用變化的驅(qū)動(dòng)因素及區(qū)域比較[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(21)：201－213.Huan Hongyan, Tan Qingmei, Zhu Ping. Driving factors of cultivated land use change in city and countryside integration process and region comparisons[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(21): 201－213. (in Chinese with English abstract)

[6] Xu Y Q, McNamara P, Wu Y F, et al . An econometric analysis of changes in arable land utilization using multinomial logit model in Pinggu district, Beijing, China[J].Journal of Environmental Management, 2013 (128): 324－334.

[7] 譚雪蘭，鐘艷英，段建南，等. 快速城市化進(jìn)程中農(nóng)村居民點(diǎn)用地變化及驅(qū)動(dòng)力研究：以長(zhǎng)株潭城市群為例[J]. 地理科學(xué)，2014，34(3)：309－315.Tan Xuelan, Zhong Yanying, Duan Jiannan, et al. The change and driving forces of rural residential area under the background of rapid urbanization: A case study of the Changsha-Zhuzhou-Xiangtan Urban Agglomeration [J].Scientia Geographica Sinica, 2014, 34(3): 309－315. (in Chinese with English abstract)

[8] 龔丹，馬曉明. 農(nóng)牧交錯(cuò)帶典型區(qū)土地利用驅(qū)動(dòng)機(jī)制研究：基于多主體模擬方法[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2007，8(4)：15－19.Gong Dan, Ma Xiaoming. Driving mechanism of land use in the agricultural and pastoral typical areas based on MAS method[J]. Journal of Hunan Agricultural University (Social Sciences), 2007, 8(4): 15－19. (in Chinese with English abstract)

[9] Sullivan D. Exploring the Structure of Space: Towards geo-computational theory [R]. Working Paper Series. London:Centrefor Advanced Spatial Analysis, 2000.

[10] Castella J C, Pheng Kam S, Dinh Quang D et al. Combining top-down and bottom-up modelling approaches of land use/cover change to support public policies: Application to sustainable management of natural resources in northern vietnam[J]. Land Use Policy, 2007, 24(3): 531－545.

[11] Valbuena D, Verburg P H, Bregt A K. A method to define a typology for agent-based analysis in regional land-use research[J]. Agriculture Ecosystems & Environment, 2008,128(1/2): 27－36.

[12] Milner-Gulland E J, Kerven C, Behnke R, et al. A multiagent system model of pastoralist behaviour in Kazakhstan[J].Ecological Complexity, 2006, 3(1): 23－36.

[13] 楊青生，黎夏. 多智能體與元胞自動(dòng)機(jī)結(jié)合及城市用地?cái)U(kuò)張模擬[J]. 地理科學(xué)，2007，27(4)：542－548.Yang Qingsheng, Li Xia. Integration of multi-agent systems with cellular automata fosimulating urban land expansion [J].Scientia Geographica Sinica, 2007, 27(4): 542－548. (in Chinese with English abstract)

[14] 張鴻輝，曾永年，金曉斌，等. 多智能體城市土地?cái)U(kuò)張模型及其應(yīng)用[J]. 地理學(xué)報(bào)，2008，63(8)：869－881.Zhang Honghui, Zeng Yongnian, Jin Xiaobin, et al. Urban land expansion model based on multi-agent system and application[J]. Acta Geographica Sinica, 2008, 63(8): 869－881. (in Chinese with English abstract)

[15] 張?jiān)迄i，孫燕，陳振杰，等. 基于多智能體的土地利用變化模擬[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(4)：255－265.Zhang Yunpeng, Sun Yan, Chen Zhenjie, et al. Scenario simulation of land use based on Multi-Agent system[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(4): 255－265. (in Chinese with English abstract)

[16] 余強(qiáng)毅，吳文斌，陳羊陽(yáng)，等. 農(nóng)作物空間格局變化模擬模型的MATLAB實(shí)現(xiàn)及應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(12)：105－114.Yu Qiangyi, Wu Wenbin, Chen Yangyang, et al. Model application of an agent-based model for simulating crop pattern dynamics at regional scale based on MATLAB[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(12): 105－114. (in Chinese with English abstract)

[17] 袁滿(mǎn)，劉耀林. 基于多智能體遺傳算法的土地利用優(yōu)化配置[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(1)：191－199.Yuan Man, Liu Yaolin. Land use optimization allocation based on multi-agent genetic algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2014, 30(1): 191－199. (in Chinese with English abstract)

[18] 張鴻輝，曾永年，譚榮，等. 多智能體區(qū)域土地利用優(yōu)化配置模型及其應(yīng)用[J]. 地理學(xué)報(bào)，2011，66(7)：972－984.Zhang Honghui, Zeng Yongnian, Tan Rong, et al. A model for regional land use optimization allocation based on multi-agent system and its application[J]. Acta Geographica Sinica, 2011, 66(7): 972－984. (in Chinese with English abstract)

[19] 常笑，劉黎明，劉朝旭，等. 農(nóng)戶(hù)土地利用決策行為的多智能體模擬方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(14)：227－237.Chang Xiao, Liu Liming, Liu Zhaoxu, et al. Method of multi-agent system for simulating land-use decision-making behavior of farmer households[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(14): 227－237. (in Chinese with English abstract)

[20] 余強(qiáng)毅，吳文斌，楊鵬，等. Agent農(nóng)業(yè)土地變化模型研究進(jìn)展[J]. 生態(tài)學(xué)報(bào)，2013，33(6)：1690－1700.Yu Qiangyi, Wu Wenbin, Yang Peng, et al. Progress of agent-based agricultural land change modeling: A review[J].Acta Ecologica Sinica, 2013, 33(6): 1690－1700. (in Chinese with English abstract)

[21] 張俊平，李凈. 基于 CA-Markov模型的甘州區(qū)土地利用變化預(yù)測(cè)分析[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2017，33(4)：105－110.Zhang Junping, Li Jing. Prediction and analysis of land use change based on CA-Markov model in Ganzhou District [J].Chinese Agricultural Science Bulletin, 2017, 33(4): 105－110. (in Chinese with English abstract)

[22] 王桂林，楊昆，許泉立，等. 基于MAS與CA的滇池流域土地利用變化模型研究[J]. 環(huán)境科學(xué)與技術(shù)，2015，38(8)：172－178.Wang Guilin, Yang Kun, Xu Quanli, et al. Model of dianchi basin land use change based on CA and MAS[J].Environmental Science & Technology, 2015, 38(8): 172－178. (in Chinese with English abstract)

[23] Minsky M. Will Robots Inherit the Earth? [J]. Scientific American, 1994, 271(4): 108－113.

[24] 全泉，田光進(jìn)，沙漠泉. 基于多智能體與元胞自動(dòng)機(jī)的上海城市擴(kuò)展動(dòng)態(tài)模擬[J]. 生態(tài)學(xué)報(bào)，2011，31(10)：2875－2887.Quan Quan, Tian Guangjin, Sha Moquan. Dynamic simulation of Shanghai urban expansion based on multi-agent system and cellular automata models [J]. Acta Ecologica Sinica, 2011, 31(10): 2875－2887. (in Chinese with English abstract)

[25] 何大安. 選擇偏好、認(rèn)知過(guò)程與效用期望[J]. 學(xué)術(shù)月刊，2014，46(6)：49－58.He Daan. Choose preferences, cognitive processes and expectation utility[J]. Academic Monthly, 2014, 46(6): 49－58. (in Chinese with English abstract)

[26] 趙玉，張玉，熊?chē)?guó)保. 基于隨機(jī)效用理論的贛江流域生態(tài)補(bǔ)償支付意愿研究[J]. 長(zhǎng)江流域資源與環(huán)境，2017，26(7)：1049－1056.Zhao Yu, Zhang Yu, Xiong Guobao. Analysis of the peoples'willingness to pay for ecological compensation in the Ganjiang River Basin based on the Random Utility Theory[J].Resources and Environment in the Yangtze Basin, 2017,26(7): 1049－1056. (in Chinese with English abstract)

[27] 陳袁. 多智能體土地利用動(dòng)態(tài)模擬及應(yīng)用[D]. 成都：成都理工大學(xué)，2016.Chen Yuan. Land Use Dynamic Simulation and Implementation Based on Multi-agent Method[D]. Chengdu :Chengdu University of Technology, 2016. (in Chinese with English abstract)

[28] 劉濤. 基于CA與Multi-Agent的滇池流域土地利用變化模擬研究[D]. 昆明：云南師范大學(xué)，2013.Liu Tao. Land Use Change Simulation in Dianchi Lake Basin Based on CA and Multi-agent[D]. Kunming: Yunnan Normal University, 2013. (in Chinese with English abstract)