CN109711751A - 一种基于时空数据融合分析的资源环境承载力评估方法 - Google Patents
一种基于时空数据融合分析的资源环境承载力评估方法 Download PDFInfo
- Publication number
- CN109711751A CN109711751A CN201910033932.9A CN201910033932A CN109711751A CN 109711751 A CN109711751 A CN 109711751A CN 201910033932 A CN201910033932 A CN 201910033932A CN 109711751 A CN109711751 A CN 109711751A
- Authority
- CN
- China
- Prior art keywords
- formula
- index
- environment
- degree
- resource
- 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.)
- Pending
Links
Abstract
本发明公开了一种基于时空数据融合分析的资源环境承载力评估方法，方法的整体步骤为：时空数据的获取与处理；围绕社会和经济承载力、资源承载力、环境承载力构建评价指标体系；计算评价指标体系中各集成指标数据的评估值；计算资源环境承载力：分别以行政区划和格网为评价单元计算资源环境承载力；绘制空间分布图。本发明不受边界限制，更好地从地理空间上指导资源开发利用和环境保护；实现自动化、规模化、集成化海量数据的快速获取与处理；实现多源异构时空数据一体化集成与融合；搭建灵活指标体系；提供时空数据可视化汇报及应用，形象、直观的解释评估结果；实现资源环境承载能力的综合监管、动态评估与决策支持。
Description
技术领域
本发明涉及一种资源环境承载力评估方法，尤其涉及一种基于时空数据融合分析的资源环境承载力评估方法。
背景技术
近年来，随着我国工业现代化和城镇化的不断推进，资源、环境和生态系统结构发生了巨大变化。资源供给有限性与人们需求无限性矛盾更加突出，雾霾围城、水资源匮乏、交通堵塞、人口拥挤等环境恶化、资源耗竭、生态破坏问题严重制约着我国经济社会的可持续发展。资源环境承载力，是衡量和评价社会发展与资源供给是否协调发展的重要依据。因此，在当前资源环境形势如此严峻的形势下，开展资源环境承载力数据平台的建设，对资源环境承载力进行分析和研究，对区域发展规划目标、制定土地空间布局和结构优化具有重要意义。
发明内容
为了解决上述技术所存在的不足之处，本发明提供了一种基于时空数据融合分析的资源环境承载力评估方法。
为了解决以上技术问题，本发明采用的技术方案是：一种基于时空数据融合分析的资源环境承载力评估方法，方法的整体步骤为：
i、时空数据的获取与处理：时空数据来源于遥感影像数据、年鉴数据、行业数据、互联网数据、行政区划图以及开源地图服务数据；其中对研究区域的影像数据进行土地利用分类提取处理，将土地利用类型分类为耕地、林地、建设用地和水域及水利设施用地，并进一步获得耕地、林地、建设用地和水域及水利设施用地的土地面积数据；
ii、构建评价指标体系：围绕社会和经济承载力、资源承载力、环境承载力三个承载子系统，构建了包含目标层、准则层和指标层的评价指标体系；其中目标层为资源环境承载力，目标层包括分类为社会和经济子系统、资源子系统、环境子系统的准则层，准则层包括含有多个指标的指标层，指标层分为集成指标和基础指标，每个集成指标均有一个或一个以上的基础指标相对应；
iii、计算评价指标体系中各集成指标数据的评估值：利用评价指标体系中的各基础指标计算相应的集成指标数据评估值，并计算各集成指标数据的权重；
ⅳ、计算资源环境承载力：分别以行政区划和格网为评价单元计算资源环境承载力；
ⅴ、绘制空间分布图：通过栅格重分类工具与可视化分析得到研究区域资源环境承载力空间分布图，展示资源环境承载力时空差异演变情况。
步骤i中土地利用分类数据的提取方法包括：预处理、分类样本选取、影像解译、分类后处理；其中预处理的方法包括：辐射定标、大气校正、影像镶嵌、影像剪裁；分类样本选取为参照高精度影像选取训练样本和验证样本；影像解译是对影像进行基于像元的监督分类或面向对象分类；分类后处理是对分类明显不准确的地区进行手动修改，并用验证样本进行精度验证，生成混淆矩阵，当总体精度和卡帕系数高于80％时表明分类结果可信，从而将土地按利用类型分类，获得各利用分类土地的面积数据。
步骤ii中社会和经济子系统中的集成指标包括：人口聚集程度、经济发展程度、科技创新水平、交通优势度以及社会保障程度；资源子系统中的集成指标包括：森林资源、矿产资源、土地资源、水资源；环境子系统中的集成指标包括：空气质量、水环境、土壤环境、绿化环境；
其中，人口聚集程度从属的基础指标为人口密度和人口流动强度；经济发展程度从属的基础指标为地区生产总值和常住人口数；科技创新水平从属的基础指标为科学技术支出、教育支出以及一般公共财政预算支出；交通优势度从属的基础指标为交通网络密度、交通干线影响度以及区位优势度；社会保障程度从属的基础指标为每千人口执业医师数或助理医师数；森林资源从属的基础指标为森林覆盖率；矿产资源从属的基础指标为矿区覆盖率；土地资源从属的基础指标为土地利用率；水资源从属的基础指标为人均水资源；空气质量从属的基础指标为优良天数达标率；水环境从属的基础指标为水质达标率；土壤环境从属的基础指标为土壤侵蚀敏感性；绿化环境从属的基础指标为人均公共绿地面积。
步骤iii中各集成指标数据的计算方法如下：
a、人口聚集程度的计算方法如公式Ⅰ所示：
Pal＝PD×PFI 公式Ⅰ
其中，Pal为人口聚集程度，PD为人口密度，PFI为人口流动强度；人口密度PD＝常住人口数/研究区域的面积，人口流动强度PFI＝暂住人口/研究区域的面积；
b、经济发展程度的计算方法如公式Ⅱ所示：
Rgp＝GDP/RE 公式Ⅱ
其中，Rgp为常住人口人均地区生产总值，GDP为地区生产总值，RE为常住人口数；
c、科技创新水平的计算方法如公式Ⅲ所示：
Sti＝(E+D)/GBE 公式Ⅲ
其中，Sti为科技创新水平；E为教育支出；D为科技支出；GBE为一般公共财政预算支出；
d、交通优势度的计算包括交通网络密度、交通干线影响度以及区位优势度的计算：
d1、交通网络密度反映区域交通线路的稠密程度，交通线路的通达能力；建立交通网络密度模型如公式Ⅳ所示：
TD＝L/S 公式Ⅳ
其中，L为计算单元R距离内的所有道路长度之和；S为以R为半径的圆的面积，即πR2；TD为计算单元交通网络密度；为了便于指标之间的比较和叠加，建立标准化交通网络密度模型，如公式Ⅴ所示：
TD1＝(TD-TDmin)/(TDmax-TDmin) 公式Ⅴ
其中，TD1为计算单元标准化交通网络密度；TDmax为所有计算单元中交通网络密度的最大值；TDmin为所有计算单元中交通网络密度的最小值；
d2、交通干线影响度是指在某一区域范围内，每条道路对周围某一点的影响程度，建立交通干线影响度模型包括多干线交通影响度叠加模型、单一干线交通影响度线性模型；多干线交通影响度叠加模型如公式Ⅵ所示；单一干线交通影响度线性模型如公式Ⅶ所示：
TRI＝∑f(x) 公式Ⅵ
f(x)＝kx+MAX 公式Ⅶ
其中，TRI为计算单元交通干线影响度；x为计算单元距离某一道路的距离；k表示交通干线影响度衰减系数；MAX代表道路中心的赋值；为了便于指标之间的比较和叠加，建立标准化交通干线影响度模型，如公式Ⅷ所示：
TRI1＝(TRI-TRImin)/(TRImax-TRImin) 公式Ⅷ
其中，TRI1表示计算单元标准化交通干线影响度，TRImin为所有计算单元中交通干线影响度的最小值，TRImax为所有计算单元中交通干线影响度最大值；
d3、区位优势度是指某一区域在社会经济发展方面存在的客观有利条件或者优越位置；随着计算单元与中心城镇距离的增加，区位优势度相应的减小，而同一个计算单元同时受多个中心城镇的叠加影响，区位优势度模型如公式Ⅸ所示：
UI＝∑g(x) 公式Ⅸ
单一城镇影响度线性模型如公式Ⅹ：
g(x)＝ax+MAX 公式Ⅹ
其中，UI为计算单元区位优势度；x为计算单元距离某一城镇的距离；a表示城镇影响度衰减系数；MAX代表城镇中心的赋值；为了便于指标之间的比较和叠加，建立标准化区位优势度模型如公式Ⅺ所示：
UI1＝(UI-UImin)/(UImax-UImin) 公式Ⅺ
UI1表示计算单元标准化区位优势度；UImin为所有计算单元中区位优势度最小值，UImax为所有计算单元中区位优势度最大值；
d4、交通优势度是综合交通网络密度、交通干线影响度及区位优势度三项指标而得；建立交通优势度的平方根方法叠加模型如公式Ⅻ所示：
其中，Tn为交通优势度；TD1为计算单元标准化交通网络密度；TRI1为计算单元标准化交通干线影响度；UI1为计算单元标准化区位优势度；
e、社会保障程度的计算方法如公式ⅩⅢ所示：
Lss＝Pap/RE 公式ⅩⅢ
其中，Lss为社会保障程度；Pap为执业或助理医师数；RE为常住人口数；
f、森林资源的计算方法为：森林资源表示为Fcr，用基础指标森林覆盖率代表森林资源的集成指标，森林覆盖率＝森林面积/土地总面积×100％，森林面积和土地总面积数据可以直接从年鉴中获取；
g、矿产资源的计算方法为：矿产资源表示为Mr，用基础指标矿区覆盖率代表矿产资源的集成指标，其中矿区覆盖率＝矿区面积/土地总面积×100％；
h、土地资源的计算方法为：土地资源表示为Lr，用基础指标土地利用率代表土地资源的集成指标，其中：
土地利用率＝(耕地面积+建设用地面积)/土地总面积×100％；
i、水资源的计算方法为：水资源表示为Wr，用基础指标人均水资源代表水资源的集成指标，人均水资源＝水资源总量/常住人口数；
j、空气质量的计算方法为：空气质量表示为Qr，用基础指标优良天数达标率代表空气质量的集成指标，优良天数达标率＝优良天数/监测天数×100％；
k、水环境的计算方法为：水环境表示为Qw，用基础指标水质达标率代表水环境的集成指标，水质达标率＝达到Ⅲ类水质的断面数/断面总数×100％；
l、土壤环境的计算方法为：土壤环境表示为Se，用基础指标土壤侵蚀敏感性代表土壤环境的集成指标，土壤侵蚀敏感性的计算方法如公式ⅩⅣ所示：
其中，SS为空间单元土壤侵蚀敏感性指数，cj为因素敏感性等级值，表示4个因子的乘积，4个因子分别为降雨侵蚀力值、地形起伏度、土壤质地因子、覆盖因子；
m、绿化环境的计算方法为：绿化环境表示为Gd，用基础指标人均公共绿地面积代表绿化环境的集成指标，人均公共绿地面积＝公共绿地面积/常住人口。
各集成指标数据的权重的计算方法为：同一个指标下，第i个评价地区第j个指标数值占全部评价地区指标数值之和的比重Pij，如公式ⅩⅤ所示：
其中，yij表示第i个评价地区第j个指标数值；计算指标的熵值ej如公式ⅩⅥ所示：
式中，k>0，令k＝1/ln(n)，0<ej<1，常数k与样本数n有关；计算指标的差异系数如公式ⅩⅦ所示：
hj＝1-ej 公式ⅩⅦ
其中，hj表示指标的差异系数；指标权重的计算方法如公式ⅩⅧ所示：
其中，wj为指标的权重。
以行政区划为评价单元计算资源环境承载力的方法为：将指标体系的各项指标进行标准化处理，如公式XIX、公式XX所示：
对于正向指标，
对于逆向指标，
其中，yij为标准化处理后的数据；xij为原始的统计数据；maxxij为某项指标统计数据中最大值；minxij为某项指标统计数据中最小值；则计算资源环境承载力的方法如公式XXI所示：
其中，Z为资源环境承载力，wi为指标对应权重值，yij为集成指标标准化后的数据，为连加运算符。
以格网为评价单元计算资源环境承载力的方法为：将各集成指标：经济发展程度Rgp、科技创新水平Sti、社会保障程度Lss、土地资源Lr、水资源Wr、空气质量Qr、水环境Qw均进行反距离加权插值运算，人口聚集程度Pal利用核函数密度制图进行运算，交通优势度Tn、土壤环境Se利用空间叠加分析功能运算，森林资源Fcr利用属性转化工具进行运算，矿产资源Mr通过统计分析进行计算，绿化环境Gd通过协同克里金插值工具进行计算，得到格网化的数值分布；再对各集成指标按照公式XIX、公式XX进行标准化处理，使各集成指标的取值范围在0-1之间；按照公式ⅩⅤ～ⅩⅧ计算各集成指标数据的权重；按照公式XXI计算资源环境承载力。
本发明以行政区划和格网两种评价单元对资源环境承载力进行评价研究，打破以往以行政区界线进行评价，不受边界限制，更好地从地理空间上指导资源开发利用和环境保护；采用先进技术手段，实现了自动化、规模化、集成化海量数据的快速获取与处理；实现多源异构时空数据一体化集成与融合；搭建灵活指标体系，选取与资源环境密切相关的因子，不仅考虑了资源、环境、生态、经济和社会等方面，还根据研究区域特色和存在的问题，结合不同应用场景，构建相应领域评价指标，形成多层次、动态可扩展的综合评价指标体系；提供功能强大的时空数据可视化汇报及应用，形象、直观的解释评估结果；实现资源环境承载能力的综合监管、动态评估与决策支持；为经济发展计划或者开展规划提供科学依据，确保城市经济、社会、人口、资源、环境的和谐均衡发展。
附图说明
图1为本发明的总体步骤流程图。
图2为地理数据与时空数据关系图。
图3为交通网络密度模型图。
图4为交通干线影响度模型概化图。
图5为研究区域资源环境承载力评估结果图。
具体实施方式
下面结合具体实施方式对本发明作进一步详细的说明。
如图1所示的一种基于时空数据融合分析的资源环境承载力评估方法，方法的整体步骤为：
i、时空数据的获取与处理：时空数据来源于遥感影像数据、年鉴数据、行业数据、互联网数据、行政区划图以及开源地图服务数据；其中对研究区域的影像数据进行土地利用分类提取处理，将土地利用类型分类为耕地、林地、建设用地和水域及水利设施用地，并进一步获得耕地、林地、建设用地和水域及水利设施用地的土地面积数据；
ii、构建评价指标体系：围绕社会和经济承载力、资源承载力、环境承载力三个承载子系统，构建了包含目标层、准则层和指标层的评价指标体系；其中目标层为资源环境承载力，目标层包括分类为社会和经济子系统、资源子系统、环境子系统的准则层，准则层包括含有多个指标的指标层，指标层分为集成指标和基础指标，每个集成指标均有一个或一个以上的基础指标相对应；
iii、计算评价指标体系中各集成指标数据的评估值：利用评价指标体系中的各基础指标计算相应的集成指标数据评估值，并计算各集成指标数据的权重；
ⅳ、计算资源环境承载力：分别以行政区划和格网为评价单元计算资源环境承载力；
ⅴ、绘制空间分布图：通过栅格重分类工具与可视化分析得到研究区域资源环境承载力空间分布图，展示资源环境承载力时空差异演变情况。
第i步中，遥感影像数据来源于landsat、MODIS、GF、HJ系列卫星；通过无人机、倾斜摄影测量、云计算、Hadoop存储、AI、爬虫等数据获取、处理技术和RS、GIS技术等进行自然数据和人为数据高效获取、处理和整合。
数据处理的方法为：利用研究区影像数据提取土地利用分类专题数据，如图2所示，其中遥感影像解译及土地利用数据的获取步骤为：预处理包括辐射定标、大气校正、影像镶嵌、影像剪裁；其中，辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标；大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程；影像镶嵌是指将两幅或多幅影像拼在一起，构成一幅整体影像的技术过程；影像剪裁是将拼接完成的影响按照研究区域需要进行剪裁；分类样本选取：参照谷歌地图中相应年份的高精度影像选取训练样本和验证样本；影像解译：对影像进行基于像元的监督分类或面向对象分类，参考土地二调类型及国家土地分类标准体系，将研究区土地利用类型分为：耕地、林地、建设用地和水域及水利设施用地；分类后处理：对分类明显不准确的地区进行手动修改，并用验证样本进行精度验证，生成混淆矩阵，当总体精度和卡帕系数高于80％时表明分类结果可信，可进行地类面积的提取，得到研究区域的土地利用类型分类图，从而得到耕地、林地、建设用地和水域及水利设施用地的土地面积。
本发明根据相应的理论和原则筛选评价因子，围绕社会和经济承载力、资源承载力、环境承载力三个承载子系统，构建了包含目标层、准则层和指标层的评价指标体系，如表一所示；
表一、资源环境承载力综合评价基础指标体系
针对多层资源环境承载力评价指标体系中各个基础指标，按照以下方法计算各个基础指标对应的评估值：
a、针对集成指标“人口聚集程度(Pal)”从属基础指标：
Pal＝PD×PFI 公式Ⅰ
式中，Pal为人口聚集程度，PD为人口密度，PFI为人口流动强度；
人口密度(PD)＝常住人口数/面积，它是衡量一个国家或地区人口分布状况的重要指标。以人口数据作为基础数据，利用软件ArcGIS中的核函数密度制图工具来实现该区域人口密度分布的计算。在核函数密度制图中，落入搜索区内的点具有不同的权重，靠近格网搜寻区域中心的点或线会被赋以较大的权重，随着其与格网中心距离的加大，权重降低。
人口流动强度(PFI)＝暂住人口/面积，人口都会向经济发达地区流动，人口过分集中，会带来环境污染、资源压力过大、交通拥堵等问题。首先建立研究区域范围内各个小行政区划的矢量文件，在其属性当中输入各个乡镇的暂住人口数作为基础数据，然后利用软件ArcGIS中的核密度制图工具来实现该区域暂住人口密度分布的格网信息。
根据公式Ⅰ，在软件ArcGIS中，将基于格网单元的人口密度和人口流动强度利用栅格计算工具进行计算，可以得到基于格网的区域人口聚集程度数据，从而实现了该指标的格网化。为了后期计算，对人口聚集程度进行标准化处理，使其取值范围在0-1之间。
b、针对集成指标“经济发展程度(Rgp)”从属基础指标：
Rgp＝GDP/RE 公式Ⅱ
式中：RGP为常住人口人均地区生产总值，GDP为地区生产总值，RE为常住人口数；
从统计年鉴可以获取研究区域离散型地区生产总值和常住人口等数据，但该类数据往往以点的形式呈现，不能体现区域的差异性和空间上的连续性。以格网为评价单元时，则采用软件ArcGIS空间插值技术中反距离加权插值工具，反距离加权插值技术是以距离倒数的平方为加权值，可以用于确定性插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。
在区域格网的属性表中增加“地区生产总值”和“常住人口数”两个字段，利用软件ArcGIS空间分析中的反距离加权插值工具，对常住人口人均地区生产总值点数据进行插值运算，得到格网化的研究区域人均地区生产总值分布。对其进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
c、针对集成指标“科技创新水平(Sti)”从属基础指标：
Sti＝(E+D)/GBE 公式Ⅲ
式中：Sti为科技创新水平；E为教育支出；D为科技支出；GBE为一般公共财政预算支出；以上指标数据可以通过地方统计年鉴等获取。利用ArcGIS空间分析中的反距离加权插值工具，对科技创新水平进行内插运算，得到区域科技创新水平分布的格网信息，并对其进行标准化处理，使得取值范围在0-1之间，为后期的栅格计算提供方便。
d、针对集成指标“交通优势度(Tn)”从属基础指标：
d1、交通网络密度：交通网络密度反映区域交通线路的稠密程度，交通线路的通达能力。建立交通网络密度模型为：
TD＝L/S 公式Ⅳ
式中：L为计算单元R距离内的所有道路长度之和；S为以R为半径的圆的面积，即πR2；TD为计算单元交通网络密度。
为了便于指标之间的比较和叠加，采用线性函数转换将计算所得到的指标值进行标准化处理，标准化交通网络密度模型为：
TD1＝(TD-TDmin)/(TDmax-TDmin) 公式Ⅴ
其中，TD1为计算单元标准化交通网络密度；TDmax为所有计算单元中交通网络密度的最大值；TDmin为所有计算单元中交通网络密度的最小值。
公式Ⅳ表明，计算单元交通网络密度是由区域内计算单元R内所有道路长度之和与以R为半径的圆的面积比值所确定。如图3所示，该空间计算单元的交通网络密度值为TD＝(L1+…+Ln)/(πR2)。评价空间内所有计算单元的值全部计算出来，能得到整个区域的交通网络密度分布数据。
d2、交通干线影响度：交通干线影响度是指在某一区域范围内，每条道路对周围某一点的影响程度，建立交通干线影响度的数学模型为：
多干线交通影响度叠加模型：
TRI＝∑f(x) 公式Ⅵ
单一干线交通影响度线性模型：
f(x)＝kx+MAX 公式Ⅶ
其中，TRI为计算单元交通干线影响度；x为计算单元距离某一道路的距离；k表示交通干线影响度衰减系数(k<0)，代表空间单元的值随着距离的增大而减小；MAX代表道路中心的赋值，根据道路的级别确定其赋值的大小；为了便于指标之间的比较和叠加，采用线性函数转换将计算所得到的指标值进行标准化处理，建立标准化交通干线影响度模型，如公式Ⅷ所示：
TRI1＝(TRI-TRImin)/(TRImax-TRImin) 公式Ⅷ
其中，TRI1表示计算单元标准化交通干线影响度，TRImin为所有计算单元中交通干线影响度的最小值，TRImax为所有计算单元中交通干线影响度最大值；f(x)计算出来的数值仅代表某一条道路对空间某一单元的影响，∑f(x)代表研究区域内所有道路对计算单元的综合影响。
表二、各级道路参数
因此，计算单元的交通干线影响度是将计算单元按其与不同道路的距离分别取值后叠加而得。如图4所示，空间计算单元grid cell受两条道路影响，其交通干线影响度为TRI＝(k1x1+MAX1)+(k2x2+MAX2)，参数参考表二数据。
d3、区位优势度：区位优势度是指某一区域在社会经济发展方面存在的客观有利条件或者优越位置，计算单元受中心城镇的影响方式与交通的影响方式相似，随着计算单元与中心城镇距离的增加，优势度相应的减小，而同一个计算单元同时受多个中心城镇的叠加影响，区位优势度模型如下：
UI＝∑g(x) 公式Ⅸ
单一城镇影响度线性模型如公式Ⅹ：
g(x)＝ax+MAX 公式Ⅹ
其中，UI为计算单元区位优势度；x为计算单元距离某一城镇的距离；a表示城镇影响度衰减系数(a<0),代表空间单元的值随着距离的增大而减小；MAX代表城镇中心的赋值，根据城镇发展水平确定其赋值的大小；为了便于指标之间的比较和叠加，采用线性函数转换将计算所得到的指标值进行标准化处理，标准化区位优势度模型如公式Ⅺ所示：
UI1＝(UI-UImin)/(UImax-UImin) 公式Ⅺ
UI1表示计算单元标准化区位优势度；UImin为所有计算单元中区位优势度最小值，UImax为所有计算单元中区位优势度最大值；
表三：区位优势度参数
g(x)计算出来的数值仅代表一个城镇对空间计算单元的影响，∑g(x)代表研究区域内所有城镇对计算单元的综合影响。
d4、交通优势度是综合交通网络密度、交通干线影响度及区位优势度三项指标而得。建立交通优势度的平方根方法叠加模型为：
其中，Tn为交通优势度；TD1为计算单元标准化交通网络密度；TRI1为计算单元标准化交通干线影响度；UI1为计算单元标准化区位优势度；
利用软件ArcGIS栅格计算工具，将标准化后的交通网络密度TD1、交通干线影响度TRI1及区位优势度UI1这三项指标的连续值进行空间叠加分析计算，得到研究区域交通优势度分布网格信息，并对其进行标准化处理，使其取值范围为0-1，为后期的计算提供方便。
e、针对集成指标“社会保障程度(Lss)”从属基础指标：
Lss＝Pap/RE 公式ⅩⅢ
式中：Lss为社会保障程度；Pap为执业或助理医师数；RE为常住人口数。
在软件ArcGIS中，首先建立研究区域内计算单元的矢量文件，在其属性当中建立“执业(助理)医师”和“常住人口”字段，依次输入各个计算单元的执业或助理医师以及常住人口数据作为计算数据；其次利用属性表中的计算器功能按照公式ⅩⅢ计算，将其作为基础数据；最后利用ArcGIS空间分析中的反距离加权插值工具，对社会保障程度进行内插运算，得到区域社会保障程度的格网信息，并对其进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
f、针对集成指标“森林资源(Fcr)”从属基础指标：
森林覆盖率＝森林面积/土地总面积×100％，可从相应年鉴获取研究区域森林面积和土地总面积的离散型数据，但不能体现总体的差异性和连续性。森林覆盖率面状数据采用ArcGIS属性转化工具Feature to Raster转化为栅格数据，并对数据进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
g、针对集成指标“矿产资源(Mr)”从属基础指标：
矿区覆盖率＝矿区面积/土地总面积×100％，矿区覆盖率是衡量一个国家或地区矿区分布状况的重要指标。
根据软件ArcGIS空间分析中的统计分析功能，以每个格网为计算中心，对其进行临域搜索，得到搜索区域内所有值的平均值作为该格网的密度值，并对上述密度值数据进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
h、针对集成指标“土地资源(Lr)”从属基础指标：
土地利用率＝(耕地面积+建设用地面积)/土地总面积×100％；以格网为评价单元采用反距离加权插值获取研究区域连续的栅格图。并对数据进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
i、针对集成指标“水资源(Wr)”从属基础指标：
人均水资源＝水资源总量/常住人口，水资源总量和常住人口等从统计年鉴可以获取研究区域离散型数据，但不能体现总体的差异性和连续性。本发明采用ArcGIS空间分析功能中反距离加权插值技术。并对数据进行标准化处理，使其取值范围在0-1之间。
j、针对集成指标“空气质量(Qr)”从属指基础标：
优良天数达标率＝优良天数/监测天数×100％；优良天数根据监测站点得来点状数据。根据软件ArcGIS空间分析中的反距离加权插值工具，对优良天数达标率进行插值计算，获取研究区域连续的栅格图。并对数据进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
k、针对集成指标“水环境(Qw)”从属基础指标：
水质达标率＝达到Ⅲ类水质的断面数/断面总数×100％；以格网为评价单元则采用反距离加权插值获取研究区域连续的栅格图。并对数据进行标准化处理，使其取值范围在0-1之间，为后期的计算提供方便。
l、针对集成指标“土壤环境(Se)”从属基础指标：
其中，加权指数法模型代表四个因子乘积再开4次方；SS为空间单元土壤侵蚀敏感性指数，cj为因素敏感性等级值，表示4个因子的乘积，4个因子分别为降雨侵蚀力值、地形起伏度、土壤质地因子、覆盖因子。
利用软件ArcGIS栅格计算工具，参考表四土壤侵蚀敏感性分级表，把四个因子对土壤侵蚀敏感性影响的分布信息利用软件ArcGIS中的空间叠加分析功能进行计算，得到土壤侵蚀敏感性分布的格网信息。
表四：土壤侵蚀敏感性分级表
m、针对集成指标“绿化环境(Gd)”从属基础指标：
人均公共绿地面积＝公共绿地面积/常住人口；可以从统计年鉴等资料获取人均公共绿地面积，可直接用于行政区划为评价单元的评价。对于以栅格单元为评价单元的评价，本发明采用软件ArcGIS空间分析中的协同克里金插值工具计算研究区域的人均公共绿地面积栅格分布图。并对数据进行标准化处理，使其取值范围在0-1之间。
上述对集成指标的标准化处理方式如公式XIX、公式XX所示：
对于正向指标，
对于逆向指标，
其中，yij为标准化处理后的数据；xij为原始的统计数据；maxxij为某项指标统计数据中最大值；minxij为某项指标统计数据中最小值。
分别以行政区划和格网为评价单元计算资源环境承载力，首先利用熵值法计算权重：计算同一个指标下，第i个评价地区第j个指标数值占全部评价地区指标数值之和的比重Pij，如公式ⅩⅤ所示：
其中，yij表示第i个评价地区第j个指标数值；计算指标的熵值ej如公式ⅩⅥ所示：
式中，k>0，令k＝1/ln(n)，0<ej<1，常数k与样本数n有关；计算指标的差异系数如公式ⅩⅦ所示：
hj＝1-ej 公式ⅩⅦ
其中，hj表示指标的差异系数；指标权重的计算方法如公式ⅩⅧ所示：
其中，wj为指标的权重。
线性加权计算评价指标的承载力，如公式XXI所示：
其中，Z为资源环境承载力，wi为指标对应权重值，yij为集成指标标准化后的数据，为连加运算符。
当以行政区划为评价单元的资源环境承载力研究时，公式XXI可细化为：
社会和经济承载力Re的计算方法如公式XXII所示：
Re＝[Pal×WPal+Rgp×WRgp+Sti×WSti+Tn×WTn+Lss×WLss]×WRe 公式XXII
式中，Pal为人口聚集程度，Rgp为经济发展程度，Sti为科技创新水平，Tn为交通优势度，Lss为社会保障程度，W为指标对应的权重值；
资源承载力Rp的计算方法如公式XXIII所示：
Rp＝[Fcr×WFcr+Mr×WMr+Lr×WLr+Wr×WWr]×WRp 公式XXIII
式中，Fcr为森林资源，Mr为矿产资源，Lr为土地资源，Wr为水资源，W为指标对应的权重值；
环境承载力Rn的计算方法如公式XXIV所示：
Rn＝[Qr×WQr+Qw×WQw+Se×WSe+Gd×WGd]×WRn 公式XXIV
式中，Qr为空气质量，Qw为水环境，Se为土壤环境，Gd为绿化环境，W为指标对应的权重值；
则资源环境承载力的计算方法如公式XXV所示。
Z＝Re×WRe+Rp×WRp+Rn×WRn 公式XXV
当以格网为评价单元的资源环境承载力研究时，基于格网技术为评价单元的资源环境承载力评价与以行政区划为评价单元的不同，它采用规则大小的栅格单元，建立不同指标的栅格图层，但这些不同指标的栅格图层的范围和栅格分辨率必须相同，为了便于与以行政区划为评价单元的评价结果相比较，权重采用熵值法确定。类似于行政区划评价指标标准化，将各评价指标的空间评价结果转化为N x N(N为最适研究尺度)栅格大小的图层，利用栅格计算器以同样的指标标准化方式将所有评价指标数值标准化到0-1之间。
将经过标准化后的指标通过栅格计算器进行线性加权求和得出资源环境承载力。以格网为评价单元可以更好的从地理空间上反映资源环境承载力情况，为资源环境承载力评价提供新的思路和方法。
具体地，将各集成指标：经济发展程度Rgp、科技创新水平Sti、社会保障程度Lss、土地资源Lr、水资源Wr、空气质量Qr、水环境Qw均进行反距离加权插值运算，人口聚集程度Pal利用核函数密度制图进行运算，交通优势度Tn、土壤环境Se利用空间叠加分析功能运算，森林资源Fcr利用属性转化工具进行运算，矿产资源Mr通过统计分析进行计算，绿化环境Gd通过协同克里金插值工具进行计算，得到格网化的数值分布；再对各集成指标按照公式XIX、公式XX进行标准化处理，使各集成指标的取值范围在0-1之间；按照公式ⅩⅤ～ⅩⅧ计算各集成指标数据的权重；按照公式XXI计算资源环境承载力。
根据资源环境承载力综合评价等级划分制定的现有标准，将研究区域根据资源环境承载力相对大小分为低承载、较低承载、中等承载、较高承载、高承载，如表五所示。通过栅格重分类工具按资源环境承载力等级重新划分各个等级的像元数，算出研究区域各承载力等级面积和所占比例。通过ArcGIS软件和可视化分析技术，得到研究区域资源环境承载力空间分布图，通过可视化大屏以统计图、时间轴、仪表盘、二三维数字地球等方式展示资源环境承载力时空差异演变情况，如图5所示。
表五：研究区域资源环境承载力划分范围
| 划分区间 | 0-0.2 | 0.2-0.4 | 0.4-0.6 | 0.6-0.8 | 0.8-1 |
| 承载力水平 | 低 | 较低 | 中等 | 较高 | 高 |
本发明相比现有技术主要有以下优点：
a、以行政区划和格网两种评价单元对资源环境承载力进行评价研究，打破以往以行政区界线进行评价，不受边界限制，更好地从地理空间上指导资源开发利用和环境保护；
b、先进技术手段，实现了自动化、规模化、集成化海量数据的快速获取与处理；
c、实现多源异构自然数据和人为数据的一体化集成与融合；
d、搭建灵活指标体系；选取与资源环境密切相关的因子，不仅考虑了资源、环境、生态、经济和社会等方面，还根据研究区域特色和存在的问题，结合不同应用场景，构建相应领域评价指标，形成多层次、动态可扩展的综合评价指标体系；
e、提供功能强大的时空数据可视化汇报及应用，形象、直观的解释评估结果；
f、实现资源环境承载能力的综合监管、动态评估与决策支持；为经济发展计划或者开展规划提供科学依据，确保城市经济、社会、人口、资源、环境的和谐均衡发展。
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。
Claims (7)
1.一种基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述方法的整体步骤为：
i、时空数据的获取与处理：时空数据来源于遥感影像数据、年鉴数据、行业数据、互联网数据、行政区划图以及开源地图服务数据；其中对研究区域的影像数据进行土地利用分类提取处理，将土地利用类型分类为耕地、林地、建设用地和水域及水利设施用地，并进一步获得耕地、林地、建设用地和水域及水利设施用地的土地面积数据；
ii、构建评价指标体系：围绕社会和经济承载力、资源承载力、环境承载力三个承载子系统，构建了包含目标层、准则层和指标层的评价指标体系；其中目标层为资源环境承载力，目标层包括分类为社会和经济子系统、资源子系统、环境子系统的准则层，准则层包括含有多个指标的指标层，指标层分为集成指标和基础指标，每个集成指标均有一个或一个以上的基础指标相对应；
iii、计算评价指标体系中各集成指标数据的评估值：利用评价指标体系中的各基础指标计算相应的集成指标数据评估值，并计算各集成指标数据的权重；
ⅳ、计算资源环境承载力：分别以行政区划和格网为评价单元计算资源环境承载力；
ⅴ、绘制空间分布图：通过栅格重分类工具与可视化分析得到研究区域资源环境承载力空间分布图，展示资源环境承载力时空差异演变情况。
2.根据权利要求1所述的基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述步骤i中土地利用分类的提取方法包括：预处理、分类样本选取、影像解译、分类后处理；其中预处理的方法包括：辐射定标、大气校正、影像镶嵌、影像剪裁；分类样本选取为参照高精度影像选取训练样本和验证样本；影像解译是对影像进行基于像元的监督分类或面向对象分类；分类后处理是对分类明显不准确的地区进行手动修改，并用验证样本进行精度验证，生成混淆矩阵，当总体精度和卡帕系数高于80％时表明分类结果可信，从而将土地按利用类型分类，获得各利用分类土地的面积数据。
3.根据权利要求1所述的基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述步骤ii中社会和经济子系统中的集成指标包括：人口聚集程度、经济发展程度、科技创新水平、交通优势度以及社会保障程度；资源子系统中的集成指标包括：森林资源、矿产资源、土地资源、水资源；环境子系统中的集成指标包括：空气质量、水环境、土壤环境、绿化环境；
人口聚集程度从属的基础指标为人口密度和人口流动强度；经济发展程度从属的基础指标为地区生产总值和常住人口数；科技创新水平从属的基础指标为科学技术支出、教育支出以及一般公共财政预算支出；交通优势度从属的基础指标为交通网络密度、交通干线影响度以及区位优势度；社会保障程度从属的基础指标为每千人口执业医师或助理医师数；森林资源从属的基础指标为森林覆盖率；矿产资源从属的基础指标为矿区覆盖率；土地资源从属的基础指标为土地利用率；水资源从属的基础指标为人均水资源；空气质量从属的基础指标为优良天数达标率；水环境从属的基础指标为水质达标率；土壤环境从属的基础指标为土壤侵蚀敏感性；绿化环境从属的基础指标为人均公共绿地面积。
4.根据权利要求1所述的基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述步骤iii中各集成指标数据的计算方法如下：
a、人口聚集程度的计算方法如公式Ⅰ所示：
Pal＝PD×PFI 公式Ⅰ
其中，Pal为人口聚集程度，PD为人口密度，PFI为人口流动强度；人口密度PD＝常住人口数/研究区域的面积，人口流动强度PFI＝暂住人口/研究区域的面积；
b、经济发展程度的计算方法如公式Ⅱ所示：
Rgp＝GDP/RE 公式Ⅱ
其中，Rgp为常住人口人均地区生产总值，GDP为地区生产总值，RE为常住人口数；
c、科技创新水平的计算方法如公式Ⅲ所示：
Sti＝(E+D)/GBE 公式Ⅲ
其中，Sti为科技创新水平；E为教育支出；D为科技支出；GBE为一般公共财政预算支出；
d、交通优势度的计算包括交通网络密度、交通干线影响度以及区位优势度的计算：
d1、交通网络密度反映区域交通线路的稠密程度，交通线路的通达能力；建立交通网络密度模型如公式Ⅳ所示：
TD＝L/S 公式Ⅳ
其中，L为计算单元R距离内的所有道路长度之和；S为以R为半径的圆的面积，即πR2；TD为计算单元交通网络密度；为了便于指标之间的比较和叠加，建立标准化交通网络密度模型，如公式Ⅴ所示：
TD1＝(TD-TDmin)/(TDmax-TDmin) 公式Ⅴ
其中，TD1为计算单元标准化交通网络密度；TDmax为所有计算单元中交通网络密度的最大值；TDmin为所有计算单元中交通网络密度的最小值；
d2、交通干线影响度是指在某一区域范围内，每条道路对周围某一点的影响程度，建立交通干线影响度模型包括多干线交通影响度叠加模型、单一干线交通影响度线性模型；多干线交通影响度叠加模型如公式Ⅵ所示；单一干线交通影响度线性模型如公式Ⅶ所示：
TRI＝∑f(x) 公式Ⅵ
f(x)＝kx+MAX 公式Ⅶ
其中，TRI为计算单元交通干线影响度；x为计算单元距离某一道路的距离；k表示交通干线影响度衰减系数；MAX代表道路中心的赋值；为了便于指标之间的比较和叠加，建立标准化交通干线影响度模型，如公式Ⅷ所示：
TRI1＝(TRI-TRImin)/(TRImax-TRImin) 公式Ⅷ
其中，TRI1表示计算单元标准化交通干线影响度，TRImin为所有计算单元中交通干线影响度的最小值，TRImax为所有计算单元中交通干线影响度最大值；
d3、区位优势度是指某一区域在社会经济发展方面存在的客观有利条件或者优越位置；随着计算单元与中心城镇距离的增加，区位优势度相应的减小，而同一个计算单元同时受多个中心城镇的叠加影响，区位优势度模型如公式Ⅸ所示：
UI＝∑g(x) 公式Ⅸ
单一城镇影响度线性模型如公式Ⅹ：
g(x)＝ax+MAX 公式Ⅹ
其中，UI为计算单元区位优势度；x为计算单元距离某一城镇的距离；a表示城镇影响度衰减系数；MAX代表城镇中心的赋值；为了便于指标之间的比较和叠加，建立标准化区位优势度模型如公式Ⅺ所示：
UI1＝(UI-UImin)/(UImax-UImin) 公式Ⅺ
UI1表示计算单元标准化区位优势度；UImin为所有计算单元中区位优势度最小值，UImax为所有计算单元中区位优势度最大值；
d4、交通优势度是综合交通网络密度、交通干线影响度及区位优势度三项指标而得；建立交通优势度的平方根方法叠加模型如公式Ⅻ所示：
其中，Tn为交通优势度；TD1为计算单元标准化交通网络密度；TRI1为计算单元标准化交通干线影响度；UI1为计算单元标准化区位优势度；
e、社会保障程度的计算方法如公式ⅩⅢ所示：
Lss＝Pap/RE 公式ⅩⅢ
其中，Lss为社会保障程度；Pap为执业或助理医师数；RE为常住人口数；
f、森林资源的计算方法为：森林资源表示为Fcr，用基础指标森林覆盖率代表森林资源的集成指标，森林覆盖率＝森林面积/土地总面积×100％，森林面积和土地总面积数据可以直接从年鉴中获取；
g、矿产资源的计算方法为：矿产资源表示为Mr，用基础指标矿区覆盖率代表矿产资源的集成指标，其中矿区覆盖率＝矿区面积/土地总面积×100％；
h、土地资源的计算方法为：土地资源表示为Lr，用基础指标土地利用率代表土地资源的集成指标，其中：
土地利用率＝(耕地面积+建设用地面积)/土地总面积×100％；
i、水资源的计算方法为：水资源表示为Wr，用基础指标人均水资源代表水资源的集成指标，人均水资源＝水资源总量/常住人口数；
j、空气质量的计算方法为：空气质量表示为Qr，用基础指标优良天数达标率代表空气质量的集成指标，优良天数达标率＝优良天数/监测天数×100％；
k、水环境的计算方法为：水环境表示为Qw，用基础指标水质达标率代表水环境的集成指标，水质达标率＝达到Ⅲ类水质的断面数/断面总数×100％；
l、土壤环境的计算方法为：土壤环境表示为Se，用基础指标土壤侵蚀敏感性代表土壤环境的集成指标，土壤侵蚀敏感性的计算方法如公式ⅩⅣ所示：
其中，SS为空间单元土壤侵蚀敏感性指数，cj为因素敏感性等级值，表示4个因子的乘积，4个因子分别为降雨侵蚀力值、地形起伏度、土壤质地因子、覆盖因子；
m、绿化环境的计算方法为：绿化环境表示为Gd，用基础指标人均公共绿地面积代表绿化环境的集成指标，人均公共绿地面积＝公共绿地面积/常住人口。
5.根据权利要求1所述的基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述各集成指标数据的权重的计算方法为：同一个指标下，第i个评价地区第j个指标数值占全部评价地区指标数值之和的比重Pij，如公式ⅩⅤ所示：
其中，yij表示第i个评价地区第j个指标数值；计算指标的熵值ej如公式ⅩⅥ所示：
式中，k>0，令k＝1/ln(n)，0<ej<1，常数k与样本数n有关；计算指标的差异系数如公式ⅩⅦ所示：
hj＝1-ej 公式ⅩⅦ
其中，hj表示指标的差异系数；指标权重的计算方法如公式ⅩⅧ所示：
其中，wj为指标的权重。
6.根据权利要求1所述的基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述以行政区划为评价单元计算资源环境承载力的方法为：将指标体系的各项指标进行标准化处理，如公式XIX、公式XX所示：
对于正向指标，
对于逆向指标，
其中，yij为标准化处理后的数据；xij为原始的统计数据；maxxij为某项指标统计数据中最大值；minxij为某项指标统计数据中最小值；则计算资源环境承载力的方法如公式XXI所示：
其中，Z为资源环境承载力，wi为指标对应权重值，yij为集成指标标准化后的数据，为连加运算符。
7.根据权利要求1所述的基于时空数据融合分析的资源环境承载力评估方法，其特征在于：所述以格网为评价单元计算资源环境承载力的方法为：将各集成指标：经济发展程度Rgp、科技创新水平Sti、社会保障程度Lss、土地资源Lr、水资源Wr、空气质量Qr、水环境Qw均进行反距离加权插值运算，人口聚集程度Pal利用核函数密度制图进行运算，交通优势度Tn、土壤环境Se利用空间叠加分析功能运算，森林资源Fcr利用属性转化工具进行运算，矿产资源Mr通过统计分析进行计算，绿化环境Gd通过协同克里金插值工具进行计算，得到格网化的数值分布；再对各集成指标按照公式XIX、公式XX进行标准化处理，使各集成指标的取值范围在0-1之间；按照公式ⅩⅤ～ⅩⅧ计算各集成指标数据的权重；按照公式XXI计算资源环境承载力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910033932.9A CN109711751A (zh) | 2019-01-15 | 2019-01-15 | 一种基于时空数据融合分析的资源环境承载力评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910033932.9A CN109711751A (zh) | 2019-01-15 | 2019-01-15 | 一种基于时空数据融合分析的资源环境承载力评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109711751A true CN109711751A (zh) | 2019-05-03 |
Family
ID=66261353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910033932.9A Pending CN109711751A (zh) | 2019-01-15 | 2019-01-15 | 一种基于时空数据融合分析的资源环境承载力评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711751A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135730A (zh) * | 2019-05-15 | 2019-08-16 | 武汉大学 | 一种基于熵权法估算城市圈资源环境承载力的方法 |
| CN110288186A (zh) * | 2019-05-19 | 2019-09-27 | 中国地质调查局西安地质调查中心 | 一种基于风险理论的资源环境承载力测定及风险管控方法 |
| CN110782172A (zh) * | 2019-10-30 | 2020-02-11 | 黄淮学院 | 人工智能方法在生态地质环境承载力评价中的应用方法 |
| CN111611335A (zh) * | 2020-05-09 | 2020-09-01 | 杭州学联土地规划设计咨询有限公司 | 一种国土空间适用性评价方法、系统及存储介质 |
| CN111639806A (zh) * | 2020-05-29 | 2020-09-08 | 河南大学 | 一种基于gis的国土空间规划优化方法及系统 |
| CN112860822A (zh) * | 2020-12-30 | 2021-05-28 | 中国测绘科学研究院 | 一种基于地理国情视角的土地资源承载力综合分析方法 |
| CN113065744A (zh) * | 2021-03-08 | 2021-07-02 | 中建三局绿色产业投资有限公司 | 一种城市内河水环境承载力动态评估预警方法 |
| CN113610402A (zh) * | 2021-08-10 | 2021-11-05 | 平安国际智慧城市科技股份有限公司 | 基于影像分析的土地生态承载力评估方法及相关设备 |
| CN113689085A (zh) * | 2021-07-30 | 2021-11-23 | 深圳集智数字科技有限公司 | 一种多指标要素的特征属性信息处理方法以及装置 |
| CN113854217A (zh) * | 2021-11-02 | 2021-12-31 | 北京师范大学 | 一种近海区域方形人工鱼礁空间布局优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005146692A (ja) * | 2003-11-17 | 2005-06-09 | Takenaka Komuten Co Ltd | 耐力評価方法 |
| CN106372807A (zh) * | 2016-09-14 | 2017-02-01 | 国家测绘地理信息局第六地形测量队 | 一种基于县域的资源环境承载力评价方法 |
| CN107145872A (zh) * | 2017-05-12 | 2017-09-08 | 河海大学 | 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 |
-
2019
- 2019-01-15 CN CN201910033932.9A patent/CN109711751A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005146692A (ja) * | 2003-11-17 | 2005-06-09 | Takenaka Komuten Co Ltd | 耐力評価方法 |
| CN106372807A (zh) * | 2016-09-14 | 2017-02-01 | 国家测绘地理信息局第六地形测量队 | 一种基于县域的资源环境承载力评价方法 |
| CN107145872A (zh) * | 2017-05-12 | 2017-09-08 | 河海大学 | 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 |
Non-Patent Citations (3)
| Title |
|---|
| 任晓茹: "基于地理国情统计分析的资源环境承载力评价", 《中国优秀硕士学位论文全文数据库（电子期刊）》 * |
| 应国伟 等: "基于地理国情普查数据的交通优势度分析与评价", 《测绘与空间地理信息》 * |
| 柴国平 等: "资源与环境承载力综合评价模型研究", 《地球信息科学》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110135730A (zh) * | 2019-05-15 | 2019-08-16 | 武汉大学 | 一种基于熵权法估算城市圈资源环境承载力的方法 |
| CN110288186A (zh) * | 2019-05-19 | 2019-09-27 | 中国地质调查局西安地质调查中心 | 一种基于风险理论的资源环境承载力测定及风险管控方法 |
| CN110782172A (zh) * | 2019-10-30 | 2020-02-11 | 黄淮学院 | 人工智能方法在生态地质环境承载力评价中的应用方法 |
| CN110782172B (zh) * | 2019-10-30 | 2023-03-03 | 黄淮学院 | 人工智能方法在生态地质环境承载力评价中的应用方法 |
| CN111611335A (zh) * | 2020-05-09 | 2020-09-01 | 杭州学联土地规划设计咨询有限公司 | 一种国土空间适用性评价方法、系统及存储介质 |
| CN111639806B (zh) * | 2020-05-29 | 2022-08-26 | 河南大学 | 一种基于gis的国土空间规划优化方法及系统 |
| CN111639806A (zh) * | 2020-05-29 | 2020-09-08 | 河南大学 | 一种基于gis的国土空间规划优化方法及系统 |
| CN112860822A (zh) * | 2020-12-30 | 2021-05-28 | 中国测绘科学研究院 | 一种基于地理国情视角的土地资源承载力综合分析方法 |
| CN112860822B (zh) * | 2020-12-30 | 2024-02-09 | 中国测绘科学研究院 | 一种基于地理国情视角的土地资源承载力综合分析方法 |
| CN113065744A (zh) * | 2021-03-08 | 2021-07-02 | 中建三局绿色产业投资有限公司 | 一种城市内河水环境承载力动态评估预警方法 |
| CN113689085A (zh) * | 2021-07-30 | 2021-11-23 | 深圳集智数字科技有限公司 | 一种多指标要素的特征属性信息处理方法以及装置 |
| CN113610402B (zh) * | 2021-08-10 | 2023-12-05 | 平安国际智慧城市科技股份有限公司 | 基于影像分析的土地生态承载力评估方法及相关设备 |
| CN113610402A (zh) * | 2021-08-10 | 2021-11-05 | 平安国际智慧城市科技股份有限公司 | 基于影像分析的土地生态承载力评估方法及相关设备 |
| CN113854217A (zh) * | 2021-11-02 | 2021-12-31 | 北京师范大学 | 一种近海区域方形人工鱼礁空间布局优化方法 |
| CN113854217B (zh) * | 2021-11-02 | 2022-09-30 | 北京师范大学 | 一种近海区域方形人工鱼礁空间布局优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109711751A (zh) | 一种基于时空数据融合分析的资源环境承载力评估方法 | |
| Comber et al. | Spatial interpolation using areal features: A review of methods and opportunities using new forms of data with coded illustrations | |
| Silvan-Cardenas et al. | Assessing fine-spatial-resolution remote sensing for small-area population estimation | |
| Li et al. | Modeling urban land use conversion of Daqing City, China: a comparative analysis of “top-down” and “bottom-up” approaches | |
| Xu et al. | Population mapping in China with Tencent social user and remote sensing data | |
| Brainard et al. | Using isochrone surfaces in travel-cost models | |
| CN107133900A (zh) | 城市土地混合利用特征格网计算方法及装置 | |
| CN108304536A (zh) | 一种耦合地缘环境要素的地缘环境模拟与预测平台 | |
| CN110458333A (zh) | 一种基于POIs数据的人口空间分布预测方法及系统 | |
| Ye et al. | Urban commerce distribution analysis based on street view and deep learning | |
| Horáček et al. | The mapping of soil taxonomic units via fuzzy clustering–A case study from the Outer Carpathians, Czechia | |
| CN111667183A (zh) | 一种耕地质量监测方法及系统 | |
| Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
| Alahmadi et al. | A comparison of small-area population estimation techniques using built-area and height data, Riyadh, Saudi Arabia | |
| Möller et al. | Effective map scales for soil transport processes and related process domains—Statistical and spatial characterization of their scale-specific inaccuracies | |
| CN114091756B (zh) | 一种基于泰森多边形的乡镇级海啸风险评估方法 | |
| CN114663602A (zh) | 一种基于大数据的城市设计实景三维测绘系统 | |
| Tu et al. | Quantitative analysis of urban polycentric interaction using nighttime light data: A case study of Shanghai, China | |
| CN113901348A (zh) | 一种基于数学模型的钉螺分布影响因素识别与预测方法 | |
| CN114595428A (zh) | 一种基于夜光遥感的多源数据人口空间化方法 | |
| CN113361852A (zh) | 场址选择的方法、装置、电子设备及存储介质 | |
| Wei et al. | Urban Flood Visualization Framework Based on Spatial Grid. | |
| Zhang et al. | GRIDDED POPULATION DISTRIBUTION MAP FOR THE HEBEI PROVINCE OF CHINA. | |
| Sang | Wild vistas: progress in computational approaches to ‘viewshed’analysis | |
| Borkowska et al. | OpenStreetMap–building data completeness visualization in terms of “Fitness for purpose” |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |
|
| RJ01 | Rejection of invention patent application after publication |