CN109190161A - 基于斑块元胞自动机和港口城市规划的港城发展模拟方法 - Google Patents
基于斑块元胞自动机和港口城市规划的港城发展模拟方法 Download PDFInfo
- Publication number
- CN109190161A CN109190161A CN201810848034.4A CN201810848034A CN109190161A CN 109190161 A CN109190161 A CN 109190161A CN 201810848034 A CN201810848034 A CN 201810848034A CN 109190161 A CN109190161 A CN 109190161A
- Authority
- CN
- China
- Prior art keywords
- city
- cellular
- port
- data
- development
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于斑块元胞自动机和港口城市规划的港城发展模拟方法,该方法采用了斑块增长模拟策略,科学的将城市用地的增长通过自发增长和组织增长两种增长模式,以种子核生长和边缘生长的方式,结合港口规划和港口城市规划来对不同发展阶段的港口城市的城市扩张过程进行动态模拟。本发明方法可以避免容易产生的过度拟合现象,能够更加合理的模拟出真实的城市增长格局,从而得出城市规划空间布局方案下的城市空间扩张模拟结果。本发明方法有效的解决了港口城市在没有建设基础的情境下根据规划方案指导的模拟城市建设过程的问题,并且得到了真实港口城市发展形态相似的空间格局,是一种切实可行的模拟港口城市空间扩展的方法。
Description
技术领域
本发明涉及地理信息科学技术领域,尤其是涉及一种基于斑块元胞自动机和港口城市规划的港城发展模拟方法。
背景技术
港口和城市是一种相辅相成、相得益彰的关系:港口是城市发展的基础和动力,为城市带来大量的物流、人流和资金流;城市是港口发展的支撑和载体,也在为港口提供发展空间。港口和城市二者由于自然区位和发展经济的原因会融合在一起,但作为两个不同的系统,到了一定的阶段自然会产生局部用地冲突。港区与城市在发展空间、交通、环境等方面的矛盾不断加剧,“城进港退”现象屡见不鲜。甚至部分新港区也面临城市的不断挤压。建设现代化港口城市成为港口城市发展设计者的目标,为避免港区和临港新城发展引发的港城空间冲突,高起点、高水平、高标准的规划建设港区,对于充分配置资源、促进港口城市经济发展、创造和谐的人居环境和产业发展空间意义重大。
在现有技术中,一般使用元胞自动机进行模拟城市演变模型。元胞自动机(CA)模型是在近年来反演城市土地利用变化模拟研究中的主流模型。元胞自动机是一种时间、空间、状态都离散,空间相互作用和时间因果关系都为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。常用的地理元胞自动机模型都是使用两期数据,第一期作为训练样本结合机器学习算法对元胞自动机的转换规则进行训练,对第二期数据进行模拟,得到模拟结果和真实的第二期数据进行精度验证。精度达到较高水准后,再以第二期数据作为初始数据对未来城市空间变化进行模拟预测。
因此,常用的元胞自动机进行的城市空间变化模拟多是以发展相对成熟的城市获取训练数据来进行预测,无法对处于建设初期的规划城市进行模拟,即无法根据港口和城市规划模拟港口城市未来扩张格局以及港城用地矛盾冲突和资源配置分析。
发明内容
针对现在技术存在的上述不足,本发明的目的在于提供一种基于斑块元胞自动机和港口城市规划的港城发展模拟方法。本发明采用斑块增长模拟策略,科学的将城市用地的增长通过自发增长和组织增长两种增长模式,以种子核生长和边缘生长的方式,结合港口规划和港口城市规划来对不同发展阶段的港口城市的城市扩张的过程进行动态模拟,其包括如下步骤:
S1,获取港口规划和港口城市规划信息数据,进行空间配准解译处理,选取若干影响港口城市土地利用/土地覆盖变化的空间引导性要素和限制性要素,组成影响因子;确定未来城市建设用地的需求面积;
S2,使用港口城市规划信息数据规定好模拟区域的范围与标准栅格影像大小,然后计算模拟区域内空间栅格到各个影响因子的距离,并进行归一化处理;生成与标准栅格影像图幅大小一致的栅格距离数据;
S3,利用层次分析法(AHP)来获取各个影响因子的权重,根据变量的权重大小对所有影响因子进行加权求和计算发展适宜性数据;根据中心元胞周围已转化为城市建设用地的元胞数量来判断城市发展密度,通过5*5的网格窗口来计算中心元胞的邻域的城市发展密度数据;处理限制性数据(比如水域、生态红线等),输出限制发展数据;将输出的适宜性数据、邻域城市发展密度数据和限制发展数据相乘,计算元胞的发展概率;
S4,确定元胞的发展模式,根据邻域城市发展密度数据判断元胞是否属于种子元胞,若是,转到S8,否则转到S9;确定好增长模式之后,利用移动窗口方式来模拟城市建设用地的增长过程。
S5,自发增长模式下,通过比较生成的随机数和动态阈值的大小来确定该种子元胞是否转化为城市建设用地,若否,种子元胞不进行转化,进行下一次迭代;若是则计算新增斑块的大小,比较种子元胞5*5邻域内每个元胞适宜性的大小,适宜性高的优先转化为城市建设用地,当达到新增斑块的大小时停止转化;
S6,组织增长模式下,通过比较生成的随机数和动态阈值的大小来确定该元胞是否转化为城市建设用地;
S7,在满足既定的终止条件时,停止模拟过程,输出模拟结果。
进一步地,所述步骤S1中,未来城市建设用地的需求面积根据港口城市规划的未来土地利用面积数据或历史土地利用面积数据的基础上增加。
进一步地,步骤S2中:获取的规划数据为矢量数据,需要进行解译处理,其他遥感数据也具有不一致的影像分辨率,需要将获取的影响因子数据进行预处理,统一重采样为一致的分辨率,根据欧几里得度量计算元胞到各个影响因子的空间距离,其计算公式为:
式中,(x0,y0)为元胞所在的坐标位置,(xk,yk)为影响因子的坐标位置,dis为计算得到的欧式距离。
进一步地,步骤S3中:利用层次分析法(AHP)来获取各个影响因子的权重,将每个影响因子与对应权重相乘累加求和,计算每个元胞的发展适宜性,其计算公示如下:
pg=b1x1+b2x2+…+bkxk+…+bnxn
式中,xk是第k个空间变量,bk是变量xk的权重,权重大小通过层次分析法计算得到,pg为元胞的发展适宜性,n为影响因子数量。
进一步地,步骤S3中:通过一个5*5的移动窗口,计算处于中心的元胞,其周围的栅格中城市发展密度其计算公示如下:
式中,是统计在时刻t第i行第j列元胞ij的5×5邻域中已经转化为城市的元胞数。
进一步地,步骤S3中:元胞的发展概率可表示如下:
式中,γ是一个值为0-1之间的随机数,α是一个控制随机程度的参数,conij是一个决定元胞ij能否转换的函数(例如水体不适于发展成为城市,则该元胞值设为0)。
进一步地,步骤S5中:通过比较一个随机数Rtype和动态阈值Tspon的大小,决定种子元胞的发展模式;如果Rtype小于Tspon,那么将进行自发增长,否则进行组织增长。动态阈值Tspon的大小随迭代次数递减,其计算公式为:
式中,Tsponmax是设置的最大阈值,Tsponmin是设置的最小阈值,intercount是迭代次数。
进一步地,步骤S5中:需要确定新增斑块的大小,可以表示如下:
其中Ai是斑块大小,a0和a1是两个根据经验得到的参数,它们是通过现有数据进行拟合得到的;rarea是一个(0,1]之间的随机数。
与现有技术相比,本发明的有益效果是:
本发明方法通过层次分析计算城市发展适宜性,结合现有生态红线、生态蓝线等处理成为限制性数据;对常用的基于栅格的元胞自动机模型进行改进,具备两种城市增长模式,引入随机数和预设定的阈值,将智能算法与不确定性模型在情景模拟中结合,通过元胞的微观控制和预设宏观数量目标的结合使得模型适合各种尺度、多阶段、各种分辨率的城市空间变化模拟,并具有较快的运行速度,参数较少的特点也更适合于实际应用。
附图说明
图1:本发明实施例利用斑块元胞自动机进行港城发展模拟方法的技术流程图;
图2:1898年大连城市发展引导性要素图;
图3:1898年归一化处理的影响因子图(图中:a为到港口的距离,b为到道路的距离,c为到城市中心的距离,d为到铁路的距离,e为坡度);
图4:1898年大连城市发展适宜性图;
图5:1898年大连城市扩张模拟过程示意图;
图6:1904年大连城市土地利用现状图和模拟结果对比图;
图7:1919年大连城市发展引导性要素图;
图8:1935年大连城市土地利用现状图和模拟结果对比图;
图9:1958年大连城市发展引导性要素图;
图10:1980年大连城市土地利用现状图和模拟结果对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种基于斑块元胞自动机和港口城市规划的港城发展模拟方法,本发明实施例中的研究对象为位于辽宁省辽东半岛南端的大连老港,市区域总面积约13237平方公里,是中国东部沿海重要的经济、贸易、港口、工业、旅游城市。本实施例基于规划数据以及验证数据的可获取性,区域中所采用的测试数据为:1898年、1919年以及1958年三个规划年份作为模拟的起始点,对应的以1905年、1935年以及1980年的大连市现状图作为模拟结果的对比验证数据。所有的区域数据文件都要被统一成同尺度的栅格影像以方便进行像元尺度上的同质分析。根据1898年大连市规划图提取并数字化城市中心、道路、铁路、港口区域和公园绿地等空间引导下要素和限制性要素;而从1958年大连市规划图提取了数字化城市中心、道路、疏港铁路、有轨电车、港口区域和水域、和公园绿地等空间引导性要素和限制性要素。
本发明实施例的研究对象选择大连市的原因主要在于:位于辽东半岛南部,经济总量在辽宁省位居前列,是辽宁省的重要城市。是我国经济发达、人多地少的典型地区之一,经济发展迅速,人口承载量大于内陆地区,建设用地的扩张速度也远远超过了内陆地区。沿海地区城市扩张是随生产力发展不断向外围地区发展的,尤其是港口工业布点、对外交通的发展是引起城市用地发展的主要动力。大连作为一个百年港口城市,从建港初期到城市发展至今已经经过多轮的港口和城市规划,利用大连长期以来的港口和城市规划对港口城市从无到有的城市发展过程进行模拟,可以从港城用地冲突、港城交通冲突多个方面对城市规划方案进行决策支持,对于充分配置资源、促进港口城市经济发展、创造和谐的人居环境和产业发展空间具有重大意义。
参照图1-6,实施例根据大连老港三个发展阶段分别进行情景模拟。获取1898年、1919年以及1958年三个规划年份的港口规划和港口城市规划信息数据以及对应的以1905年、1935年以及1980年的大连市现状图作为模拟结果的对比验证数据,根据1898年、1919年以及1958年三个规划年份的城市用地规模规划作为城市建设用地的需求面积。
开始,获取1898年规划年份的港口规划和港口城市规划信息数据以及对应的以1905年的大连市现状图作为模拟结果的对比验证数据,根据1898年城市用地规模规划作为城市建设用地的需求面积。根据1898年大连市规划图提取并数字化有轨电车、道路、铁路、港口区域和公园绿地等空间引导性要素和限制性要素,图2为空间配准解译处理后的引导性要素。
使用港口城市规划范围规定好模拟区域的范围,将提取生成的影响因子根据欧几里得度量计算元胞到各个影响因子的空间距离,其计算公式为:
式中,(x0,y0)为元胞所在的坐标位置,(xk,yk)为影响因子的坐标位置,dis为计算得到的欧式距离,经重采样后分辨率大小均为30米。图3为欧几里得度量计算后进行归一化处理的影响因子,影响因子分别为:a为到港口的距离,b为到道路的距离,c为到城市中心的距离,d为到铁路的距离,e为坡度。
获得归一化的影响因子后,需要对根据不同影响因子对城市空间发展的影响力确定其权重。根据1898年大连市处于港口和城市的初步建设期的特点,利用层次分析法方法来获取各个输入变量的权重,计算城市发展适宜性图层数据:
pg=b1x1+b2x2+…+bkxk+…+bnxn
其中xk是第k个空间变量,bk是变量xk的权重,权重大小可以通过根据层次分析法计算得到。图4为1898年大连港口城市发展适宜性数据。
通过一个5*5的移动窗口,计算每个城市用地元胞其周围栅格中已经转化为城市用地的数量,用以计算每个元胞的城市用地发展密度表示如下:
其中是统计在时刻t元胞ij的5×5邻域中已经转换为城市的元胞数。元胞的发展概率可表示如下:
式中,pg是1898年大连港口城市发展适宜性数据,γ是一个值为0-1之间的随机数,α是一个控制随机程度的参数,conij是一个决定元胞ij能否转换的函数(例如港口城市规划中的水体和大型公园绿地不适于发展成为城市,则该元胞值设为0)。
以1898年的规划城市用地规模作为城市建设用地的需求面积作为停止迭代的判断条件,扫描初始土地利用数据的像元,开始迭代模拟大连港口城市的发展。在城市发展初期阶段,发展条件佳的区域将有更大的概率转化为种子元胞并形成城市用地,在城市后期的发展阶段,城市扩张的更多是以组织增长的模式。通过比较一个随机数Rtype和动态阈值Tspon的大小,决定种子元胞的发展模式,如果Rtype小于Tspon,那么将进行自发增长,否则进行组织增长。动态阈值Tspon的大小随迭代次数递减,其计算公式为:
式中,Tsponmax是设置的最大阈值,Tsponmin是设置的最小阈值,i ntercount是迭代次数。
在满足既定的终止条件时(即新增城市用地的面积达到给定的城市规划面积时),模拟过程停止。图5为1898年大连城市扩张模拟过程示意图,图6为1904年大连城市发展的模拟结果和土地利用现状图。
参照图7-图8,以1904年大连城市发展的模拟结果作为1919年大连港口城市规划的起点数据,根据1919年大连港口城市规划进行城市发展模拟,重新转到开始。图7为1919年大连城市发展影响要素(有轨电车、道路、铁路、港口区域和公园绿地等要素)。图8为1935年大连城市发展的模拟结果和土地利用现状图。
参照图9-图10,以大1935年连城市发展的模拟结果作为1958年大连港口城市规划的起点数据,根据1958年大连港口城市规划进行城市发展模拟,重新转到开始。图9为1958年大连城市发展影响要素(有轨电车、道路、铁路、港口区域和公园绿地等要素)。图10为1980年大连城市发展的模拟结果和土地利用现状图。
总结:处于建设初期的规划城市在其建设起步阶段无法使用传统的基于两期数据进行训练的城市扩张模型进行模拟。本发明提出了一种基于斑块元胞自动机和港口城市规划的港城发展模拟方法,采用种子核自发增长模式和组织增长模式,通过智能算法与不确定性模型在情景模拟中的结合,使得该模型能够模拟预测处于不同发展阶段的城市土地利用的空间变化,能够结合多种城市规划方案,真实良好的展示了城市在不同阶段的多种发展方向和发展情形。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于斑块元胞自动机和港口城市规划的港城发展模拟方法,其特征在于,其包括如下步骤:
S1,获取港口规划和港口城市规划信息数据,进行空间配准解译处理,选取若干影响港口城市土地利用或土地覆盖变化的空间引导性要素和限制性要素,组成影响因子;确定未来城市建设用地的需求面积;
S2,使用港口城市规划信息数据规定好模拟区域的范围与标准栅格影像大小,然后计算模拟区域内空间栅格到各个影响因子的距离,并进行归一化处理;生成与标准栅格影像图幅大小一致的栅格距离数据;
S3,利用层次分析法(AHP)来获取各个影响因子的权重,根据变量的权重大小对所有影响因子进行加权求和计算发展适宜性数据;根据中心元胞周围已转化为城市建设用地的元胞数量来判断城市发展密度,通过5*5的网格窗口来计算中心元胞的邻域的城市发展密度数据;处理限制性数据(如水域、生态红线等),输出限制发展数据;将输出的适宜性数据、邻域城市发展密度数据和限制发展数据相乘,计算元胞的发展概率;
S4,确定元胞的发展模式,根据邻域城市发展密度数据判断元胞是否属于种子元胞,若是,转到S5,否则转到S6;确定好增长模式之后,利用移动窗口方式来模拟城市建设用地的增长过程;
S5,自发增长模式下,通过比较生成的随机数和动态阈值的大小来确定该种子元胞是否转化为城市建设用地,若否,种子元胞不进行转化,进行下一次迭代;若是,则计算新增斑块面积大小,比较种子元胞5*5邻域内每个元胞适宜性的大小,适宜性高的优先转化为城市建设用地,当达到新增斑块面积大小时停止转化;
S6,组织增长模式下,通过比较生成的随机数和动态阈值的大小来确定该元胞是否转化为城市建设用地;
S7,在满足既定的终止条件时,停止模拟过程,输出模拟结果。
2.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S1中,未来城市建设用地的需求面积根据港口城市规划的未来土地利用面积数据或历史土地利用面积数据的基础上增加。
3.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S2中,获取的规划数据为矢量数据,需要进行解译处理,其他遥感数据也具有不一致的影像分辨率,需要将获取的影响因子数据进行预处理,统一重采样为一致分辨率,根据欧几里得度量计算元胞到各个影响因子的空间距离,其计算公式为:
式中,(x0,y0)为元胞所在的坐标位置,(xk,yk)为影响因子的坐标位置,dis为计算得到的欧式距离。
4.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S3中,利用层次分析法(AHP)来获取各个影响因子的权重,将每个影响因子与对应权重相乘累加求和,计算每个元胞的发展适宜性,其计算公示如下:
pg=b1x1+b2x2+…+bkxk+…+bnxn
式中,xk是第k个空间变量,bk是变量xk的权重,权重大小通过层次分析法计算得到,pg为元胞的发展适宜性,n为影响因子数量。
5.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S3中,通过一个5*5的移动窗口,计算处于中心的元胞,其周围的栅格中城市发展密度其计算公示如下:
式中,是统计在时刻t第i行第j列元胞ij的5×5邻域中已经转化为城市的元胞数。
6.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S3中,元胞的发展概率可表示如下:
式中,γ是一个值为0-1之间的随机数,α是一个控制随机程度的参数,conij是一个决定元胞ij能否转换的函数(例如水体不适于发展成为城市,则该元胞值设为0)。
7.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S5中,通过比较一个随机数Rtype和动态阈值Tspon的大小,决定种子元胞的发展模式;如果Rtype小于Tspon,那么将进行自发增长,否则进行组织增长。动态阈值Tspon的大小随迭代次数递减,其计算公式为:
式中,Tsponmax是设置的最大阈值,Tsponmin是设置的最小阈值,intercount是迭代次数。
8.根据权利要求1所述的港城发展模拟方法,其特征在于,所述步骤S5中,需要确定新增斑块的大小,可以表示如下:
其中Ai是斑块大小,a0和a1是两个根据经验得到的参数,它们是通过现有数据进行拟合得到的;rarea是一个(0,1]之间的随机数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810848034.4A CN109190161B (zh) | 2018-07-27 | 2018-07-27 | 基于斑块元胞自动机和港口城市规划的港城发展模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810848034.4A CN109190161B (zh) | 2018-07-27 | 2018-07-27 | 基于斑块元胞自动机和港口城市规划的港城发展模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190161A true CN109190161A (zh) | 2019-01-11 |
CN109190161B CN109190161B (zh) | 2023-04-07 |
Family
ID=64937754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810848034.4A Active CN109190161B (zh) | 2018-07-27 | 2018-07-27 | 基于斑块元胞自动机和港口城市规划的港城发展模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190161B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858180A (zh) * | 2019-02-26 | 2019-06-07 | 中国农业大学 | 一种区域作物耗水空间格局优化设计方法 |
CN110210092A (zh) * | 2019-05-23 | 2019-09-06 | 广东寰讯信息股份有限公司 | 一种体温数据处理方法、装置、存储介质及终端设备 |
CN110503243A (zh) * | 2019-07-25 | 2019-11-26 | 沈振江 | 空间战略规划的约束性元胞自动机耦合建模方法 |
CN112035584A (zh) * | 2020-08-28 | 2020-12-04 | 北京清华同衡规划设计研究院有限公司 | 空间规划情景模拟方法及系统 |
CN112598263A (zh) * | 2020-12-19 | 2021-04-02 | 武汉大学 | 基于城市扩张全局结构的中心性和集聚性测度方法 |
CN112668448A (zh) * | 2020-12-24 | 2021-04-16 | 中国科学院地理科学与资源研究所 | 一种生态进程变化分析方法、装置、介质及终端设备 |
CN114936457A (zh) * | 2022-05-18 | 2022-08-23 | 中国地质大学(武汉) | 耦合时空高斯模型和斑块元胞自动机的城镇扩张模拟方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512759A (zh) * | 2015-12-01 | 2016-04-20 | 武汉大学 | 一种基于生物地理学优化算法的城市ca模型参数优化方法 |
US20170103172A1 (en) * | 2015-10-07 | 2017-04-13 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | System And Method To Geospatially And Temporally Predict A Propagation Event |
CN106780089A (zh) * | 2016-12-27 | 2017-05-31 | 广州蓝图地理信息技术有限公司 | 基于神经网络元胞自动机模型的永久性基本农田划定方法 |
-
2018
- 2018-07-27 CN CN201810848034.4A patent/CN109190161B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170103172A1 (en) * | 2015-10-07 | 2017-04-13 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | System And Method To Geospatially And Temporally Predict A Propagation Event |
CN105512759A (zh) * | 2015-12-01 | 2016-04-20 | 武汉大学 | 一种基于生物地理学优化算法的城市ca模型参数优化方法 |
CN106780089A (zh) * | 2016-12-27 | 2017-05-31 | 广州蓝图地理信息技术有限公司 | 基于神经网络元胞自动机模型的永久性基本农田划定方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858180A (zh) * | 2019-02-26 | 2019-06-07 | 中国农业大学 | 一种区域作物耗水空间格局优化设计方法 |
CN110210092A (zh) * | 2019-05-23 | 2019-09-06 | 广东寰讯信息股份有限公司 | 一种体温数据处理方法、装置、存储介质及终端设备 |
CN110210092B (zh) * | 2019-05-23 | 2023-01-31 | 广东寰讯信息股份有限公司 | 一种体温数据处理方法、装置、存储介质及终端设备 |
CN110503243A (zh) * | 2019-07-25 | 2019-11-26 | 沈振江 | 空间战略规划的约束性元胞自动机耦合建模方法 |
CN110503243B (zh) * | 2019-07-25 | 2022-06-07 | 沈振江 | 空间战略规划的约束性元胞自动机耦合建模方法 |
CN112035584A (zh) * | 2020-08-28 | 2020-12-04 | 北京清华同衡规划设计研究院有限公司 | 空间规划情景模拟方法及系统 |
CN112035584B (zh) * | 2020-08-28 | 2024-04-12 | 北京清华同衡规划设计研究院有限公司 | 空间规划情景模拟方法及系统 |
CN112598263A (zh) * | 2020-12-19 | 2021-04-02 | 武汉大学 | 基于城市扩张全局结构的中心性和集聚性测度方法 |
CN112598263B (zh) * | 2020-12-19 | 2022-04-29 | 武汉大学 | 基于城市扩张全局结构的中心性和集聚性测度方法 |
CN112668448A (zh) * | 2020-12-24 | 2021-04-16 | 中国科学院地理科学与资源研究所 | 一种生态进程变化分析方法、装置、介质及终端设备 |
CN114936457A (zh) * | 2022-05-18 | 2022-08-23 | 中国地质大学(武汉) | 耦合时空高斯模型和斑块元胞自动机的城镇扩张模拟方法 |
CN114936457B (zh) * | 2022-05-18 | 2024-04-16 | 中国地质大学(武汉) | 耦合时空高斯模型和斑块元胞自动机的城镇扩张模拟方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109190161B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190161A (zh) | 基于斑块元胞自动机和港口城市规划的港城发展模拟方法 | |
CN105447235B (zh) | 一种土地未来利用情景动态模拟方法 | |
CN112100720B (zh) | 一种提升风环境的人工智能城市设计形态布局方法 | |
CN106021751B (zh) | 基于ca和sar的海岸带土地利用变化模拟方法 | |
CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
CN109359166B (zh) | 一种空间增长动态模拟与驱动力因子贡献度同步计算方法 | |
CN110348506B (zh) | 基于遥感图像的土地利用分类方法、存储介质和计算设备 | |
Liao et al. | Urban sprawl scenario simulations based on cellular automata and ordered weighted averaging ecological constraints | |
CN109165690A (zh) | 一种城市路网尾气污染分布预测的方法及系统 | |
CN107563803A (zh) | 一种基于耗费距离栅格的商圈划分方法 | |
CN107491758A (zh) | 长江流域水体信息提取及其空间编码方法 | |
CN108090624B (zh) | 一种改进元胞自动机的城市生态安全模拟与预测的方法 | |
Yang et al. | Layout optimization and multi-scenarios for land use: An empirical study of production-living-ecological space in the Lanzhou-Xining City Cluster, China | |
CN110378527A (zh) | 一种水站选址方法 | |
CN111599007B (zh) | 一种基于无人机航拍的智慧城市cim道路贴图方法 | |
CN104361255B (zh) | 一种改进元胞自动机城市扩张模拟方法 | |
CN109978275A (zh) | 一种混合cfd和深度学习的极端大风风速预测方法及系统 | |
CN107977711A (zh) | 一种面向“三线”协同优化的多智能体遗传算法 | |
CN109993753A (zh) | 遥感影像中城市功能区的分割方法及装置 | |
CN114943902A (zh) | 基于多尺度特征感知网络的城市植被无人机遥感分类方法 | |
CN116976692A (zh) | 一种基于适应性循环路径的传统村落分类分区保护控制方法 | |
CN103985249A (zh) | 道路的高程信息提取方法及装置 | |
CN109308313A (zh) | 基于文化资源评价的资源富集区识别方法 | |
Shi et al. | Modeling vibrant areas at nighttime: A machine learning-based analytical framework for urban regeneration | |
Erdoğan | Identifiying urban fringe spatial character with fractal analysis: Akhan, Denizli |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |