基于雨洪调蓄能力的城市绿地系统格局优化研究

作者简介

许涛，天津大学建筑学院风景园林系副教授，北京大学人文地理学博士，天津市城市规划学会风景环境规划设计学术委员会委员和智库专家、景观学与美丽中国建设专业委员会委员、中经报智库专家，《景观设计》、《城市环境设计》期刊审稿人。研究方向：城市雨洪管理、景观生态规划、大数据。主持1项国家自然科学基金青年项目，1项教育部重点实验室开放基金，1项天津大学自主创新基金，参加15项国家级、省部级课题，发表10余篇学术论文。

内容简介

5.1 最优格局求解 5.1.1 GSPO_SRS 模型 GSPO_SRS 模型是基于雨洪调蓄能力最大化的绿地系统格局优化模型，通过将SCS 流域水文模型和SA 优化算法耦合，实现了绿地系统雨洪调蓄综合能力最大化的绿地系统格局求解。GSPO_SRS 模型能根据用户不同的需求，提供不同的优化目标，包括：流域汇流累积量最小化、流域出口径流量最小化、流域出口峰值流量最小化、最长汇流时间最大化、平均汇流时间最大化。GSPO_SRS 模型原理在第三章已经进行了详细介绍，这里不再赘述。本节将比较在模型默认环境下，以不同目标进行优化得到的绿地系统最优格局的空间特征和差异性。 在绿地系统最优格局求解过程中发现，绿地系统最优格局并不唯一，有多解现象，因此，借用经济学概念――帕累托最优解，构建基于雨洪调蓄能力最大化的绿地系统格局帕累托最优解集。帕累托最优，最早由意大利经济学家维尔弗雷多·帕累托在研究经济效率和收入分配问题时提出，它是资源分配的一种理想状态。帕累托改进指的是，“假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，至少使一个人变得更好。帕累托最优状态就是不可能再有更多的帕累托改进的余地，帕累托最优是公平与效率的‘理想王国’”（Censor，1977；Pardalos et al.，2008）。基于雨洪调蓄能力的绿地系统格局帕累托最优解集是指，在某一绿地系统格局下，通过改变流域内任一绿地斑块的布局，都不能使绿地系统的雨洪调蓄能力得到增强，由这些绿地系统格局组成的集 合被称为基于雨洪调蓄能力的绿地系统格局帕累托最优解集（简称帕累托最优解集）。通过对帕累托最优解集的叠合分析，研究绿地系统最优格局的空间概率分布。 5.1.2 帕累托最优解集特征分析 利用GSPO_SRS 模型，在模型默认环境下，分别求解了以流域汇流累积量、流域出口径流量、流域出口峰值流量、最长汇流时间和平均汇流时间控制为优化目标的帕累托最优解，并对不同目标优化的帕累托最优解集进行了特征分析。1. 流域汇流累积量以流域汇流累积量最小化为目标，在模型默认环境下，求解了100 种绿地系统格局的最优解，构建了帕累托最优解集，通过叠合分析，其概率分布如图5.1 所示。 通过对绿地系统格局的优化，流域汇流累积量从38110 m3（1000 种随机绿地格局平均值）下降到了26330 m3，削减率约为30.9%，绿地系统调蓄效果显著。从图5.1可以看出，基于流域汇流累积量控制的绿地系统最优格局具有明显的空间分布特征，绿地斑块主要分布在流域上游的源头地区，斑块之间具有较好的连通性，绿地斑块与建设用地交错布置，充分地发挥了每一块绿地的调蓄功能，这些空间分布特征支持了第四章论述的绿地系统格局指标与流域汇流累积量之间的关系。图5.2 反映了基于流域汇流累积量优化的绿地最优格局与随机格局之间的空间差异性，可以看出，与随机格局相比，最优格局具有更高的聚集度和连通性，最优格局的源头指标，尤其是源头指标2 远高于随机格局，而汇流指标和缓冲区指标均位于随机格局中值附近，这也再次证明了源头控制、较高的绿地斑块聚集度和连通性对流域汇流累积量的削减有显著作用。 1）GSPO_SRS模型为绿地系统格局优化提供了一种求解方法；对模型进行了改进，实现了多目标优化，同时避免了子目标函数的权重取值问题。2）提出了基于水文过程的绿地系统格局指标，即源头指标、汇流指标、过程指标；提出了相对雨洪调蓄能力的概念，用于反映绿地系统最优格局对降雨、地形等变量的敏感性。3）引入经济学概念帕累托最优解，构建了基于雨洪调蓄能力的绿地系统格局帕累托最优解集，通过分析其空间概率分布，表征最优绿地系统格局的空间特征。4）采用分级优化的思想，利用GSPO_SRS模型，在流域尺度上进行绿地系统优化配置，在集水区尺度上进行绿地系统空间优化，为基于雨洪调蓄能力的大尺度流域绿地系统格局优化难题提供了一种解决途径。