水土流失仍是中国面临的重大生态环境问题之一。水土流失危及人类的生存,阻碍经济、社会的可持续发展。在造成水土流失的众多因素之中,土地利用方式被认为是主要影响因素,因此土地利用的合理规划是控制水土流失最直接、最有效的方法之一。传统对流域土地利用规划方案的评价研究是基于情景分析的方法,即先根据流域特性设置多个土地利用规划情景,再选取相关的指标进行评价分析,进而进行多方案择优。但是这种基于情景分析的方法所设置的情景带有一定的主观性,且设置的规划情景的数量也是有限的,不能从最优化的角度给出具体的土地利用数量和空间调整方案。本文选取我国水土保持重点防治区之一的淮河息县水文站以上流域为研究区,将分布式水文模型模拟的水文响应作为优化目标纳入土地利用优化方法中,采取由粗到细、逐步递进的策略优化研究区的土地利用。本文主要研究内容及成果如下:(1)构建研究区的SWAT(Soil and Water Assessment Tool)模型,以流域出口息县站的径流和泥沙观测数据对模型参数进行率定和验证。结果显示月径流模拟的率定期和验证期的Nash效率系数均在0.80以上,月泥沙模拟的Nash效率系数均在0.70以上。率定和验证结果表明SWAT模型在研究区的径流和泥沙模拟中有较好的适用性。(2)以退耕还林作为研究区的土地利用规划操作,开发了土地利用规划情景模块,该模块通过对SWAT模型输入文件的修改并耦合SWAT可执行程序来进行水文模拟。首先,基于该模块研究了以耕地面积主导和以关键源区主导的两个退耕还林策略下,水土流失控制、流域干旱风险以及耕地资源保护三者之间的关系;研究结果显示退耕还林的实施不会使研究区出现严重的干旱危机,以关键源区主导退耕还林的策略在控制泥沙的同时能够更好地保护耕地资源。然后,从所有可能的子流域退耕还林组合中随机抽取1000个样本,使用土地利用规划情景模块模拟出对应组合的流域产沙结果,据此对BP神经网络进行训练和验证;结果显示BP神经网络模型训练期、验证期和预测期的精度较高。说明建立的BP神经网络模型能够准确地表征土地利用规划情景与水文响应之间复杂的输入~输出关系。(3)将子流域退耕还林操作为自变量构造多目标整数规划模型,以建立的BP神经网络模型模拟的土地利用变化与水文响应之间的动态关系作为生态目标,以流域退耕面积作为社会目标,以流域GDP产值降幅作为经济目标,在最小人均耕地面积的约束下使用基本遗传算法求解。根据优化目标侧重点的不同,分别优化了生态目标为主、社会目标为主和经济目标为主的子流域尺度的退耕还林方案。结果显示三种方案优化的退耕子流域都集中分布在研究流域的上游区域;在协调水土流失控制和耕地资源保护之间的矛盾方面,优化出的方案均比以关键源区主导退耕还林策略表现得更优。(4)根据土地适宜性评价因子选择的基本原则和数据的可获得性,选择了DEM、坡度、地貌、土壤有机质含量、土壤排水条件、土壤PH值、年平均降雨量、10℃积温和距水源的距离这9个因子,采用层次分析法(Analytic Hierarchy Process-AHP)确定各因子的权重,综合评价了研究区耕地的适宜性,揭示了耕地适宜性等级的面积统计特征及空间分布规律:最适宜(S1)、可适宜(S2)、基本适宜(S3)和不适宜(N)的耕地面积分别占全流域总面积的20.52%、48.42%、20.12%和10.94%;耕地的适宜性等级在空间上呈现出一定的过渡性,表现为从河源山地区域的不适宜到淮河干流中下游平原地区的最适宜。(5)依据退耕还林工程“统筹规划、分步实施”的原则,在子流域优化方案上提出进一步优化子流域内部土地利用栅格的空间分布。将生态目标为主的子流域优化方案作为总退耕面积的约束,制定了四个阶段的退耕还林计划,采用二维空间编码的遗传算法,以研究区耕地适宜性评价结果、土地利用系统空间协调度以及基于SWAT模型模拟的子流域退耕还林优先级构造综合适应度函数,优化各个阶段下林地和耕地的空间配置。优化结果显示,优化后的综合适应度函数值均得到了提高,提高的幅度范围为5.88%~16.18%。综上所述,本文提出的优化方法,能在子流域和栅格尺度上以层次递进细化的方式明确退耕还林实施的具体区域,为淮河流域水土保持规划及管理提供了客观、科学的决策依据。