近几十年来，中国经济飞速发展，同时城市化进程加快，城镇化率由1950年的11.2%提升至2018年的59.6%，并仍呈现高速增长态势^[1]。快速的城市化进程导致区域土地利用变化加剧，对区域生态环境造成难以逆转的破坏，严重制约了区域可持续发展^[2-5]，并直接导致中国成为世界上碳排放量较多的国家之一^[6]。为解决土地利用低效、格局粗放等问题，推动城市可持续发展和“双碳”目标实现，如何通过土地利用结构与格局的优化调整，权衡社会发展、经济增长、低碳排放等多种发展模式，并最终实现可持续发展目标，已成为制约区域发展与影响人民生活品质的关键问题。

土地利用结构与格局的优化是实现城市可持续发展的必要前提，长期以来一直是全球变化和可持续发展领域的重要研究内容^[7]。相关研究主要有以下3方面。首先是土地利用结构优化，现有研究通过采用多目标规划模型^[8]、神经网络算法^[9]、模糊数学方法^[10]、马尔科夫链(Markov chain)^[11]等方式，计算不同目标下的地类数量需求，从最优角度实现土地利用结构优化。例如Ma等^[8]将生态系统服务纳入多目标规划模型，通过强调土地利用的生态效益，以生态效益最大化为目标进行土地利用结构预测。其次是土地利用格局优化，这类研究从不同土地利用功能适宜性出发，使用GIS等空间分析工具进行多因子叠加分析，实现国土空间格局的重构^[12]，或者通过设定不同发展情景，对未来土地利用格局进行模拟，从而实现土地利用格局优化^[13-16]，常用模型包括元胞自动机(Cellular Automata，CA)模型^[17]、CLUE-S(Conversion of land use and its effects)模型^[18]，GeoSOS-FLUS模型^[19-20]、斑块生成土地利用变化模拟(Patch-generating Land Use Simulation，PLUS)模型^[21]等。例如陈理庭等^[22]基于Markov-FLUS耦合模型，设置惯性发展情景、耕地保护情景、生态优先情景，对2035年饶河流域土地利用进行模拟分析，以满足流域不同发展目标导向下的国土空间优化配置。最后是土地利用结构预测与空间格局优化的耦合分析，即通过情景设定，进行用地需求预测，之后根据预测结果进行土地利用变化模拟^[23-27]。例如王宏亮等^[26]通过整合碳达峰与碳中和目标，耦合NSGA-Ⅲ算法与PLUS模型，设置自然发展情景、碳排放情景、碳储存情景和碳中和情景，量化了不同情景下土地利用变化对碳达峰与碳中和的贡献。彭苏芬等^[27]耦合GMOP(Grey Multi-Objective Planning)与PLUS模型进行了建设控制情景下滇中城市群的土地利用结构预测与格局模拟。在目前常用的土地利用结构与格局优化模型中，马尔科夫链是基于不同时间段内各类土地利用类型的转换概率矩阵，可预测未来某一时刻土地利用类型数量，其优势在于从时间维度上分析土地利用的变化趋势。PLUS模型是由高性能空间计算智能实验室(HPSCIL)开发，基于现有斑块土地利用类型栅格数据，根据不同情景下土地扩张的驱动因素，预测未来土地利用类型及时空演变规律^[28]，包括用地扩张分析策略(LEAS)和基于多类随机斑块种子的CA模型(CARS)两部分。现有研究表明，该模型能够综合多种空间因素与政策规划，并与地理单元相结合，从而实现较高精度的土地利用变化模拟^{[13, 29]}。多目标规划(Multiple Objective Planning，MOP)模型基于客观规律和约束条件进行多目标预测，是聚焦于实现单目标或多目标最优解的决策方法，成为目前地理学、区域经济发展和土地结构优化配置研究的重要工具^{[8, 30-31]}。该模型能解决传统单目标或单维度模型存在的经济发展与低碳排放之间难以兼顾的问题，同时单目标模型只会给出“最优解”，而MOP模型能给出“折中解”，更贴近决策者的真实需求。

同时，现有研究仍存在一些不足。首先是未来发展情景设定时，现有研究较多讨论了单一发展情景下的土地利用格局与优化问题，例如单一的经济发展、生态保护或耕地保护等情景，很少有研究权衡多情景发展，难以全面、准确描述未来发展情况；其次是发展目标设定较为传统，较多考虑经济发展、生态保护、耕地保护等情景下的土地利用结构与数量的优化问题，针对碳排放的相关研究较少；最后是现有研究针对不同功能区重叠区域的土地利用结构与格局优化较少，仅有少数地区如哈尔滨市^[11]、重庆市^[9]和常州市金坛区^[24]等开展土地利用结构或格局优化研究。南昌市在《全国主体功能区规划》(https://www.gov.cn/gongbao/content/2011/content_1884884.htm)中属于长江流域农产品主产区，在《全国重要生态系统保护和修复重大工程总体规划(2021-2035年)》(https://www.gov.cn/zhengce/zhengceku/2020-06/12/content_5518982.htm)中属于南方丘陵山地带重要生态安全屏障，同时兼顾粮食主产区与重要生态安全屏障职能。随着社会经济发展对建设用地需求日益增加，如何通过优化土地利用结构与空间格局，实现南昌市等类似地区土地利用经济、生态等多目标效益最大化成为亟待解决的现实难题。

综上所述，本文以南昌市为研究对象，使用MOP模型将经济发展与低碳排放双目标结合，纳入用地数量约束，并在PLUS模型中引入生态保护红线作为限制转换区，通过设定自然发展情景、经济效率最优情景、碳排放效率最优情景和可持续发展情景，对多种功能重叠区域南昌市的土地利用结构与格局进行多目标优化调整，以期为优化南昌市土地资源配置、实现城市可持续发展提供参考借鉴。

1 材料与方法 1.1 研究区概况

南昌市(28°09′-29°11′N，115°27′-116°35′E)位于中国华东地区江西中部偏北，赣江、抚河下游，鄱阳湖西南岸，是华东地区、长江中游城市群中心城市之一。南昌市属亚热带季风气候，年均气温为17-18 ℃, 年降水量为1 600-1 700 mm，降水充沛^[32]。自然地理格局呈现“东湖、西山、北洲、南泽”的特征，境内水网密布，湖泊众多。近年来，南昌市经济飞速发展，仅2015-2020年6年时间内，GDP总量增加了52%，伴随而来的是建设用地不断扩张，严重挤压了生产、生态空间，导致生态问题频发，同时土地利用低效、格局粗放等现象仍然存在，因此土地利用结构与格局急需优化。

1.2 数据来源

本文所使用数据包括矢量数据(SHP格式)、栅格数据、统计和规划等文本数据，其中矢量数据包括南昌市行政界线、生态保护红线划定成果、道路交通数据；栅格数据包括2015年和2020年南昌市土地利用数据、数字高程模型(Digital Elevation Model，DEM)数据、多年年均气温、多年年均降水量、归一化植被指数(Normalized Difference Vegetation Index，NDVI)、夜间灯光遥感等数据；文本数据来自《南昌市统计年鉴2021年》(http://60.16.24.131/CSYDMirror/area/Yearbook/Single/N2022010271?z=D14)和《南昌市国土空间总体规划(2021-2035年)》(公开稿)^[33]等。为便于数据处理，将所有栅格数据重采样至30 m×30 m空间分辨率，并将行列数与坐标系进行统一，数据来源等信息见表 1。

1.3 方法 1.3.1 情景及约束条件设置 1.3.1.1 情景设置

为探究未来不同情景下2025年南昌市土地利用格局变化，本文基于PLUS模型的马尔科夫链模块和Lingo 18.0软件，结合MOP模型，分别设置自然发展、经济效率最优、碳排放效率最优与可持续发展4种情景，并计算经济效率最优、碳排放效率最优与可持续发展3种情景的经济效益和碳排放效益。MOP模型由决策变量、目标函数、约束条件3部分组成，计算公式如下：

$ \begin{array}{l} & \quad\quad\quad F_1(x)=\max \sum\limits_{i=1}^n c_i x_i, \\ & \quad\quad\quad F_2(x)=\max \sum\limits_{i=1}^n d_i x_i, \\ & \quad\quad\quad F(x)=\max \sum\limits_{i=1}^6 L_i x_i, \text { s.t. }= \\ & \left\{\begin{array}{l} \sum\limits_{j=1}^n a_{i j} x_j=(\geqslant, \leqslant) b_j, (i=1, 2, \cdots, m) \\ x_j \geqslant 0, (j=1, 2, \cdots, n) \end{array}, \right. \\ & \quad\quad\quad L_i=\frac{C_i+D_i}{2}, \end{array} $

式中，F₁(x)、F₂(x)、F(x)分别表示经济效率、碳排放效率和可持续发展效率；x_i为第i类决策变量(i＝1, 2, …, 11)；c_i、d_i和L_i分别为单位面积下不同用地类型的经济、碳排放和可持续发展系数；约束条件s.t.中，a_ij为第i个约束条件中第j个变量对应的系数；本文将经济增长与低碳排放看作同等重要，即要求可持续发展情景必须同时满足经济最大化发展和实现最低碳排放，C_i、D_i分别为c_i、d_i标准化后的值；b_j为约束值。

各类情景解释如下：

① 自然发展情景。该情景设置为不做人为干预，惯性发展。

② 经济效率最优情景。该情景以经济发展为首要目标，强调从有限国土空间获取尽可能多的经济产出，从而实现区域经济效率最大化。其中，采用第一产业中种植业产值表征耕地经济效益，林业产值表征林地经济效益，渔业产值表征水体经济效益，建设用地经济效益则以第二、三产业产值表征，由于南昌市草地面积较小，以及未利用地经济效益较低，为满足模型计算要求，参考现有研究^[20-21]，草地和未利用地经济效益设置为0.000 1万元/hm²，南昌市各用地类型的单位面积经济与碳排放效益系数具体见表 2。

③ 碳排放效率最优情景。该情景以低碳排放为首要目标，强调土地低碳利用与绿色发展理念，从而实现区域碳排放效率最大化。其中，已有学者对不同土地利用类型碳排放系数进行了广泛探讨与深入研究，本文中耕地、林地、草地、水体与未利用地碳排放系数参考相关研究，不再单独进行研究。建设用地碳排放则主要来自其所承载的人类活动及能源消耗，采用间接碳排放系数法进行测算。根据南昌市实际情况及资料收集难易程度，本文选取包括煤炭、焦炭、原油在内的10种能源消耗计算建设用地碳排放，计算公式如下：

$ E_p=\sum e_i=\sum C_i \cdot \theta_i \cdot f_i, $

式中，E_p为南昌市建设用地碳排放量，e_i为各类能源碳排放量，C_i为各类能源消耗量，θ_i为各类能源标准煤折算系数，f_i为各类能源碳排放系数。各类能源碳排放系数参考《2022年中国能源统计年鉴》(https://www.stats.gov.cn/sj/ndsj/2022/indexch.htm)、《2006年IPCC国家温室气体清单指南》(https://www.ipcc-nggip.iges.or.jp/public/2006gl/chinese/index.html)与现有研究^[34-37]，具体见表 3。

④ 可持续发展情景。由于单一情景的设置往往过于绝对，不符合当今社会大众“既要绿水青山，又要金山银山”的美好生活愿景，同时为实现联合国可持续发展目标，设置可持续发展情景，该情景同时追求经济效率与碳排放效率，强调高经济产出与碳排放二者之间的平衡，从而实现区域可持续发展。

1.3.1.2 约束条件设置

依据《南昌市国土空间总体规划(2021-2035年)》(公开稿)^[33]和《南昌市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》^[38]等相关政策文件，结合马尔科夫链所预测的自然增长下土地利用类型面积进行约束条件设置(表 4)。

1.3.2 驱动因子设置

通过参考现有研究与PLUS模型使用手册，选取包括高程、坡度在内的9个指标作为土地利用变化的驱动因子(图 1)。

1.3.3 限制转换区设置

由于MOP模型仅能考虑土地利用结构的最优配置，难以综合权衡重要生态保护区域的空间保护，因此本文将南昌市生态保护红线设置为限制转换区，从结构与空间格局两方面实现经济增长、碳排放控制与生态保护三者之间的最优。

1.3.4 领域权重

PLUS模型中将领域权重作为衡量不同土地利用类型扩张潜力的关键指标，该参数取值为0-1, 数值大小代表不同用地类型间转换的概率。本文通过参考相关研究^[15-16]及南昌市历史土地利用变化数据设置领域权重，具体数值见表 5。

1.3.5 模拟精度验证

本文基于PLUS模型，以2015年土地利用数据为基准模拟2020年土地利用格局，并与2020年实际土地利用格局进行对比，采用Kappa系数对模型精度进行定量评估。相较于总体精度，Kappa系数通过考虑随机一致性因素，能够对分类或模拟结果的可靠性提供更为严格和稳健的度量。因此，Kappa系数在土地利用变化模拟与遥感分类精度评价中被广泛应用。

1.3.6 景观格局指数

为进一步了解不同发展情景下土地利用格局变化情况，从景观格局层面选取4种典型景观格局指数进行分析，包括平均斑块分维数(FRAC_MN)、景观分离度(DIVISION)、香农多样性指数(SHDI)和聚集指数(AI)，景观格局指数基于Fragstats 4.2软件计算。平均斑块分维数反映某类斑块的平均形状复杂度，数值越大，斑块形状越不规则，景观格局越复杂。景观分离度表示景观斑块在空间上的分散与隔离程度，值越大说明景观越破碎、连通性越差。香农多样性指数反映景观异质性, 特别对斑块类型的非均衡分布状况较为敏感。聚集指数可衡量景观中同类斑块的空间聚集程度，值越大表示空间越聚集、连通性越强；反之表示空间越分散、破碎化程度越高。

2 结果与分析 2.1 土地利用结构优化

2025年南昌市在自然发展、经济效率最优、碳排放效率最优、可持续发展4种情景下的土地利用结构、经济效益和碳排放分别如表 6、表 7所示。

在自然发展情景下，多种土地利用类型面积出现不同程度下降。与2020年土地利用格局相比，2025年南昌市的耕地面积减少7 989.24 hm²、林地面积减少2 490.66 hm²、草地面积减少76.59 hm²、未利用地面积减少630.45 hm²，而建设用地面积激增，增加10 202.22 hm²，增幅为14.32%。这直接导致2025年南昌市的经济效率与碳排放效率出现明显增加，较2020年土地利用格局分别增加了13.69%和14.08%，表明在自然发展情景下难以同时实现经济效率增长与碳排放效率最优。

在经济效率最优情景下，2025年南昌市的林地、建设用地面积出现较大幅度增加，分别增长37 916.15 hm²和4 356.9 hm²，而耕地面积缩减41 664.3 hm²，降幅为10.97%。该情景下虽然保证了耕地红线不突破，建设用地有所控制，但同时达到了耕地面积下限与建设用地上限，经济效率和碳排放效率分别较2020年土地利用格局增加了5.62%和4.98%。虽然该情景在建设用地面积实现约束的同时带来了较高的经济增长，但同样带来了大量的碳排放。

在碳排放效率最优情景下，由于充分考虑土地低碳利用，生态用地面积大幅增加，其中林地面积增加128 251.55 hm²，碳排放效率较2020年土地利用格局降低了3.31%，但同时经济效率减少了0.80%，是所设置情景中唯一实现经济效率与碳排放效率同时呈现负增长的情景。究其原因为建设用地、耕地不但带来较高碳排放，同时也是经济发展的主要驱动因素，该情景为实现碳排放效率最优，对建设用地和耕地面积进行了严格限制，从而导致经济效率与碳排放效率同时负增长。

在可持续发展情景下，由于该情景的设定条件为同时实现经济效率与碳排放效率的最优，在建设用地面积达到上限的同时，通过提高林地和草地面积来实现碳减排，该情景下耕地面积下降120 990.00 hm²，林地面积增加123 971.20 hm²，草地面积减少76.59 hm²，水域和未利用地面积分别减少5 666.95 hm²和1 594.45 hm²。从经济效率和碳排放效率的变化情况分析，可持续发展情景下的经济效率虽然低于经济效率最优情景，但差距极小，而碳排放效率远高于经济效率最优情景下的碳排放效率。

综合4种情景分析，自然发展情景下建设用地面积激增，在带来了最高经济效率的同时也伴随着大量的碳排放，而经济效率最优与碳排放效率最优则呈现较为极端情况；在经济效率最优情景下，经济效率与碳排放效率几乎同比增长；而在碳排放效率最优情景下，虽然总体碳排放呈现负增长，但也严重制约了经济效率增长，不利于社会经济发展；在可持续发展情景下，经济效率增加5.06%的同时碳排放效率仅增长2.8%，同时实现了经济增长与碳排放效率的最优，该情景在一定程度上避免了自然发展、经济效率最优和碳排放效率最优情景中存在的不同弊端，较符合绿色发展理念。

2.2 土地利用布局优化

以2015年南昌市土地利用数据作为起始年份，使用PLUS模型对2020年土地利用格局进行模拟，结果见图 2。将2020年土地利用模拟数据与2020年实际土地利用数据进行精度验证，结果显示Kappa系数为0.91，总体精度为0.94，表明模拟精度可信，满足研究要求。因此以2020年土地利用格局为基础，在土地利用数量与空间转移限制约束下，对2025年不同发展情景土地利用格局进行优化，得到不同情景下土地利用格局的模拟结果(图 3)，景观格局指数分析结果见图 4。

在自然发展情景下，南昌市建设用地面积急剧增加，耕地、林地与未利用地面积均出现不同程度下降，其中耕地面积下降7 989.24 hm²。由于该情景下仅建设用地面积出现显著变化，因此重点探讨建设用地空间变化规律。该情景下，建设用地呈现由城市中心向四周扩张蔓延的趋势，南昌市土地利用格局具有显著的空间异质性，即以赣江为分界线，呈现“一江两岸”的发展格局，赣江左岸城区西部是梅岭国家森林公园，而赣江右岸城区东部则是大面积的耕地，因此南昌市区向西发展主要侵占林地，向东发展则主要侵占耕地[图 3(b)]。从景观格局指数角度分析，与2020年土地利用格局相比，平均斑块分维数变化幅度较小，表明斑块形状复杂度与现状基本持平，变化幅度仅为0.26%；景观分离度出现一定上升，变化幅度为7.60%，说明各类用地斑块空间隔离程度出现一定改变；然而，香农多样性指数出现大幅上升，变化幅度为51.08%，体现了南昌市斑块类型的多样性增强；聚集指数出现轻微下降趋势，变化幅度为2.09%，意味着整体斑块趋于离散，降低了连通性(图 4)。

在经济效率最优情景下，林地、水域、建设用地均出现一定程度的扩张[图 3(c)]。由于建设用地具有较高的经济效益，依据相关规划文件设置建设用地面积约束，从而避免其无序扩张，而草地与未利用地由于较低的经济效益未发生较大变化。该情景下，不同地类之间的相互侵占主要为林地对耕地的侵占，一方面是由于南昌市现有耕地保有量远大于耕地保有量底线要求，为耕地向林地转变提供了条件; 另一方面则是因为林地经济效益高于耕地，导致林地数量增加明显。从景观格局指数角度分析，与2020年土地利用格局相比，该情景的平均斑块分维数略有下降，下降幅度为2.19%，反映出为了提高农业或建设用地的生产效率，斑块边界趋于规则；景观分离度有所上升，变化幅度为8.81%，说明大规模的生产用地通过整合小斑块实现了更高的空间连续性；香农多样性指数出现大幅上升，变幅为55.85%，表明在追求单一经济产出的同时，斑块类型同样有所增加；聚集指数出现轻微下降，变幅为3.81%，意味着相似土地利用类型趋于分散。

在碳排放效率最优情景下，由于建设用地、耕地是主要的碳源，而林地、草地具有较强的固碳能力，为降低碳排放数量，实现碳排放效率最优，可以发现林地大幅扩张，并以对耕地的侵占为主，且呈现由四周向中心蔓延的扩张趋势[图 3(d)]。从景观格局指数角度分析，与2020年土地利用格局相比，碳排放效率最优情景的平均斑块分维数变化较轻，变幅仅为2.9%，表明斑块形状复杂度保持稳定；景观分离度轻微上升，变幅为5.70%，反映出为提升碳汇效率而优化土地布局，增加了不同土地利用类型之间的隔离；香农多样性指数大幅提升，变幅为61.40%，体现了该情景在兼顾碳汇功能的同时，保留了一定的斑块类型多样性；聚集指数下降，下降幅度为4.84%，意味着高碳汇价值区域(如林地、湿地)趋于分散，零星生态用地的增加提高了整体碳存储效率。

在可持续发展情景下，为同时实现经济效率与碳排放效率的最优，建设用地、林地均出现不同程度的扩张趋势，并且主要侵占对象均为耕地，在该情景下可以明显看到不同土地利用类型的空间异质性更加明显，其中林地主要位于南昌市西部梅岭国家级森林公园一带和南昌市东南部进贤县内，而耕地则从集中分布于南昌市中心区域并在全市范围内零散分布变为南昌市中心区域集中分布，零散的耕地有所减少，大多转移为林地[图 3(e)]。从景观格局指数角度分析，与2020年土地利用格局相比，该情景的平均斑块分维数略有下降，显示出斑块边界更趋平整，降幅为2.78%；景观分离度有所上升，意味着景观分离程度加深；香农多样性指数显著增加，增幅达60.32%，同样说明在兼顾经济、生态和社会需求的前提下，各斑块类型获得最大化提升；聚集指数出现明显下降，下降5.09%，反映出在可持续发展情景下整体景观斑块更加趋于离散。

综合4种发展情景分析，不同情景下土地利用变化程度存在显著差异，其中在自然发展和经济效率最优情景下南昌市土地利用格局并未发生显著变化，而碳排放效率最优与可持续发展情景下土地利用格局则出现明显变化，土地利用类型更加丰富，空间异质性更加明显，同时由于对建设用地、耕地面积进行了有效约束，不同土地利用类型之间的变化主要是耕地与林地之间的转化，反映出“双碳”目标的达成与可持续发展目标的实现仍需做出巨大努力。

3 讨论

本文结合MOP模型与PLUS模型，在政策与规划多种约束条件下，同时实现了土地利用结构和格局优化。与以往单目标^[16]或单模型^[18]研究相比，本文揭示了用地约束对整体优化结果的影响，为南昌市乃至类似地区的土地资源配置与可持续发展规划提供了科学依据。

多情景对比分析表明，只有在可持续发展情景下，才能有效避免单目标情景下可能产生的“偏科”现象，既保持了经济效益的稳步增长，又在较大程度上控制了碳排放总量，兼顾了生态保护需求。相反，经济效益最优或碳排放效率最优的单目标情景，虽然能在某一方面取得显著成果，但往往以牺牲另一目标为代价，导致发展失衡。尽管理想情景提供了最优的理论方案，但研究发现理想情景与现实格局之间仍存在显著差距。例如，在自然发展情景下，建设用地的大规模扩张虽然提升了经济产出，但碳排放量也随之大幅增加；在可持续发展情景下，若要同时兼顾高经济产出与低碳排放，则需对现有用地格局进行深度调整。这一差距反映了实际操作中的复杂性，表明现实中要在多目标之间找到平衡并不容易，尤其是在资源有限和政策执行受到各种外部因素制约的情况下。以上发现提示相关部门在制定土地管理与空间规划政策时，必须综合考虑多重目标之间的权衡，并评估实际可行性。具体来说，政府在推动国土空间规划的实施时，应考虑现有土地资源的约束、社会经济发展水平以及地方政府的执行能力，避免“重经济、轻生态”或“重节能、轻发展”的极端倾向。为此，政策制定者应加强对政策实施效果的跟踪评估，并根据实际反馈调整优化方案。此外，政府还应为不同地区制定更具针对性的实施方案，以适应当地的地理、经济与社会特点。

本文使用的模型在丘陵与山地交错、多种功能重叠的南昌市进行应用时取得了良好效果，但应用在社会经济与生态条件更复杂的地理区域时，仍需进一步完善模型参数与约束条件，提升预测精度与拓宽适用范围。后续研究可结合更多实地调研数据，引入动态碳汇评价、生态服务功能估值等要素，以丰富模型内涵，并为不同地理区域的土地利用优化提供更具针对性的政策建议。

4 结论

本文基于MOP模型与PLUS模型，在自然发展、经济效益最优、碳排放效率最优和可持续发展4种情景下，系统地模拟并确定了南昌市土地利用的最优空间格局。研究成果在兼顾经济增长、生态保护与碳排放控制的多目标框架下，对土地利用结构与空间布局优化提供了新的理论和方法参考。研究表明：①MOP模型可以在多种约束条件下探索出多目标土地利用结构的最优配置，而PLUS模型则可以在空间布局上实现较高精度的土地利用变化模拟，二者的结合使用可以解决多种情景权衡下土地利用结构与空间布局的优化问题；②在土地利用结构优化方面，可持续发展情景下可以实现较高的经济效益和较低的碳排放，同时可以在保证耕地红线不突破的基础上合理控制建设用地规模，从而实现城市可持续发展；③在土地利用布局优化方面，可持续发展情景的土地利用格局优化结果呈现出明显的空间分异格局，其中林地主要位于南昌市西部与东南部，耕地主要集中在赣江右岸南昌市中间区域，同时土地利用类型更加丰富，景观异质性更加明显。