CN110472882A - 基于主成分分析的城市开发用地适宜性评价方法 - Google Patents

基于主成分分析的城市开发用地适宜性评价方法 Download PDF

Info

Publication number
CN110472882A
CN110472882A CN201910773852.7A CN201910773852A CN110472882A CN 110472882 A CN110472882 A CN 110472882A CN 201910773852 A CN201910773852 A CN 201910773852A CN 110472882 A CN110472882 A CN 110472882A
Authority
CN
China
Prior art keywords
evaluation
suitability
city
land
principal component
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
Application number
CN201910773852.7A
Other languages
English (en)
Other versions
CN110472882B (zh
Inventor
王海鹰
秦奋
陈郁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University
Original Assignee
Henan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan University filed Critical Henan University
Priority to CN201910773852.7A priority Critical patent/CN110472882B/zh
Publication of CN110472882A publication Critical patent/CN110472882A/zh
Application granted granted Critical
Publication of CN110472882B publication Critical patent/CN110472882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Abstract

本发明公开了基于主成分分析的城市开发用地适宜性评价方法，包括选择适宜性评价指标因子，然后对评价指标因子进行归一化处理，建立单因子适宜性评价模型；对所述单因子适宜性评价模型进行主成分分析，利用累计贡献率求得各主成分权重，建立综合适宜性评价模型，得到综合适宜性评价值；结合Kriging插值法和K_Means空间聚类法对城市开发用地适宜性评价进行空间预测和分级，再利用地理探测器对评价结果进行空间分异性评价，最后验证评价结果的精度和有效性评估，进行适宜性统计和评价以及开发适宜扩展方向分析。本发明中城市开发用地适宜性评价方法避免了评价指标等级划分和指标权重确定的人为主观影响，使评价结果具有更高的评价精度和有效性。

Description

基于主成分分析的城市开发用地适宜性评价方法
技术领域
本发明涉及城市开发用地领域，尤其涉及基于主成分分析的城市开发用地适宜性评价方法。
背景技术
随着城市化和工业化进程的加速发展，中国城市用地得到了前所未有的扩张，人们对于各种资源的开采、利用达到前所未有的强度，人与自然环境的矛盾日益突出，导致了一系列复杂的社会和环境问题，对城市与区域生态安全产生巨大压力，影响了城市与区域的可持续发展。因此，如何合理开发、利用和优化城市土地资源，科学、有效地保护城市生态环境，引导我国城市快速、健康的发展，成为当前学术界关注的重点。作为制定城市总体规划的基础依据，合理确定城市建设用地适宜性将促进提升城市土地集约利用水平，对空间增长边界划定、城市总体布局将产生重要作用。
城市建设用地适宜性评价是在调查分析城市自然、社会经济条件的基础上，根据生态保护和建设的要求进行全面、综合的质量评价，以确定土地的适宜程度，该评价最早由McHarg教授在1969年提出,并在城市规划工作中得到应用。随着计算机和GIS的发展，土地适宜性评价方法也不断得到改进和完善。目前，土地适宜性评价方法主要有专家系统法、逻辑规则组合法、层次分析法、网络分析法、模糊综合评价法、有序加权平均法和最小累积阻力法、物元分析法等方法，以上方法虽然比早期的地图叠加法、加权叠加法有所改进，但是还存在人为因素影响大、评价因子标准量化的主观不确定等问题，在一定程度上降低了评价结果的科学性和客观性。近些年，也有学者提出利用贝叶斯网络、结合K_Means聚类和BP神经网络的机器学习方法进行城市适宜性评价，具有计算效率高等优点，但是指标权重分配还是基于专家的主观经验，存在一定的人为因素影响。
发明内容
针对上述存在的问题，本发明旨在提供一种基于主成分分析的城市开发用地适宜性评价方法，结合Logistic回归模型和K_Means聚类的方法，获得城市开发适宜性空间评价结果。
为了实现上述目的，本发明所采用的技术方案如下：
基于主成分分析的城市开发用地适宜性评价方法，其特征在于，包括以下步骤：
S1：采集相关数据，对所选数据进行预处理；
S2：根据采集的数据选择适宜性评价指标因子，建立评价指标体系；
S3：对所述适宜性评价指标因子进行归一化处理，建立单因子适宜性评价模型；
S4：对所述单因子适宜性评价模型进行主成分分析，利用累计贡献率求得各主成分权重，建立综合适宜性评价模型，得到综合适宜性评价值；
S5：对空间样本数据进行统计检验，利用Kriging插值法对研究区域的城市开发用地适宜性进行空间预测，最终得到所有栅格单元的城市土地开发适宜性评价结果；
S6：根据所述空间预测的结果，采用K_Means空间聚类法对城市开发用地进行分级；
S7：利用地理探测器对评价结果进行空间分异性评价；
S8：验证评价结果的精度和有效性评估，进行适宜性统计和评价以及开发适宜扩展方向分析。
进一步的，步骤S1中的数据预处理具体为将采集的数据进行栅格转换，设置投影坐标系和栅格的大小。
进一步的，步骤S2中的适宜性评价指标因子包括自然环境因子、社会经济因子和生态保护因子三大类。
进一步的，所述自然环境因子包括3个评价指标，具体为高程、坡度和地貌类型；所述社会经济因子包括8个评价指标，具体为离高速公路距离，离省道距离、离国道距离、离铁路距离、土地利用类型、公共管理机构核密度、商业服务点核密度和公共服务机构核密度；所述生态保护因子包括5个评价指标，具体为离基本农田距离、离湖泊距离、离河流距离、植被覆盖度和离自然保护区距离。
进一步的，步骤S3中建立单因子适宜性评价模型采用的是Logistic回归方法，具体步骤为：
S31：设y为二分因变量，1代表适宜，0代表不适宜，自变量Xi为单因子指标，记某土地单元开发适宜的条件概率为p(y＝1)；
S32：建立Logistic线性函数为式中β0是常量，β1是待定自变量Xi的回归系数，p为城市开发适宜性；
S33：对该函数进行求解，得到该土地单元的概率也即开发适宜性。
进一步的，步骤S4中建立综合适宜性评价模型的具体步骤为：
S41：取n个评价样本，每个样本共有s个变量，则变量指标的主成分可表述为其中，m≤s,zi与zj相互无关，所述zi与zj中i≠j，且i,j＝1,2,…,m；z1,z2,…zm是原变量指标x1,x2,…xs的第1，2，…，m个主成份；aij是xj的在各主成分z1,z2,…zm上的载荷，所述aij和xj中i＝1,2,…,m,j＝1,2,…,s；
S42：所述载荷的计算公式为其中λi是主成分特征值，ei是特征值所对应的特征向量；当第i个主成分特征值贡献率在85％-95％时，取前k个主成分z1,z2,…,zk,那么这k个主成分就可以用来反映原来s个指标的信息；
S43：利用z1,z2,…,zk等主成分建立城市开发适宜性综合评价模型，公式如下：式中，F为城市开发适宜性综合评价值，ωi为各主成分的权重，zi为各主成分。
进一步的，步骤S6中将城市开发用地分成5个等级：最适宜用地、较适宜用地、基本适宜用地、不适宜用地和不可用地。
进一步的，步骤S6中采用K_Means空间聚类法对城市开发用地进行分级的具体操作包括以下步骤：
S61：对步骤S5中得到的栅格评价结果值进行随机取样，得到适宜性评价累计频率直方图；
S62：根据样本数据分析结果，初步得到最适宜用地、较适宜用地、基本适宜用地、不适宜用地和不可用地的值域空间；
S63：以每个值域空间的中值作为初始聚类中心值；
S64：将栅格评价结果值整体转化成点状矢量数据，每个矢量要素代表一个栅格像元；
S65：将所有矢量要素导出为dbf文件输入到SPSS软件，设置聚类数为5，输入S63中的初始聚类中心值，选择迭代与分类方法，完成空间聚类对城市开发用地的分级。
本发明的有益效果是：
本发明中提出的基于主成分分析的城市开发用地适宜性评价方法避免了评价指标等级划分和指标权重确定的人为主观影响，使评价结果更加客观全面，具有更高的评价精度和有效性，能够更加精准的引导城市开发适宜用地的合理配置，为城市用地空间增长管理和土地利用结构的科学规划提供更加科学有力的参考依据决策支持。
附图说明
图1为本发明实施例一中标记有研究区所在省份位置的中国地图；
图2为本发明实施例一中标记有研究区位置的河南省地图；
图3为本发明实施例一中研究区的地图；
图4为本发明实施例一中评价指标公共管理的单因子适宜性评价图；
图5为本发明实施例一中评价指标商业服务的单因子适宜性评价图；
图6为本发明实施例一中评价指标高程的单因子适宜性评价图；
图7为本发明实施例一中评价指标地貌的单因子适宜性评价图；
图8为本发明实施例一中评价指标高速公路的单因子适宜性评价图；
图9为本发明实施例一中评价指标国道的单因子适宜性评价图；
图10为本发明实施例一中评价指标基本农田的单因子适宜性评价图；
图11为本发明实施例一中评价指标湖泊的单因子适宜性评价图；
图12为本发明实施例一中评价指标土地利用的单因子适宜性评价图；
图13为本发明实施例一中评价指标公共服务的单因子适宜性评价图；
图14为本发明实施例一中评价指标铁路的单因子适宜性评价图；
图15为本发明实施例一中评价指标河流的单因子适宜性评价图；
图16为本发明实施例一中评价指标省道的单因子适宜性评价图；
图17为本发明实施例一中评价指标坡度的单因子适宜性评价图；
图18为本发明实施例一中评价指标生态保护区的单因子适宜性评价图；
图19为本发明实施例一中评价指标植被覆盖度的单因子适宜性评价图；
图20为本发明实施例一中郑州城市开发用地适宜性评价图；
图21为本发明实施例一中郑州城市开发用地适宜性分级图。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
实施例一：
利用本发明中提出的基于主成分分析的城市开发用地适宜性评价方法，对郑州市2013年的城市开发用地适宜性进行了评价和分级。
基于主成分分析的城市开发用地适宜性评价方法对郑州市城市开发用地适宜性进行评价，具体步骤为：
S1：采集相关数据，对所选数据进行预处理；
S2：根据采集的数据选择适宜性评价指标因子，建立评价指标体系；
S3：对所述适宜性评价指标因子进行归一化处理，建立单因子适宜性评价模型；
S4：对所述单因子适宜性评价模型进行主成分分析，利用累计贡献率求得各主成分权重，建立综合适宜性评价模型，得到综合适宜性评价值；
S5：对空间样本数据进行统计检验，利用Kriging插值法对研究区域的城市开发用地适宜性进行空间预测，最终得到所有栅格单元的城市土地开发适宜性评价结果；
S6：根据所述空间预测的结果，采用K_Means空间聚类法对城市开发用地进行分级；
S7：利用地理探测器对评价结果进行空间分异性评价；
S8：验证评价结果的精度和有效性评估，进行适宜性统计和评价以及开发适宜扩展方向分析。
具体的，如附图1-3所示，郑州市是河南省省会，位于东经112°42′-114°14′、北纬34°16′-34°58′之间。地处中华腹地、黄河下游、华北平原南部，在河南省中部偏北，东接开封，西依洛阳，南部与许昌、平顶山接壤，北临黄河，是欧亚大陆桥的中枢，国家中心城市和中原经济区核心城市。城市东西长135-143km，南北宽70-78km，总面积约为7571km2。郑州下辖6个市辖区、1个县、5个县级市。2015年末总人口956.9万人，国民生产总值7315.2亿元。根据1995年-2015年的Landsat TM影像数据解译的土地利用分类结果显示，城市建成区面积由1995年的160.17km2增加到2015年的886.46km2，期间增长了726km2，年均增长达到34.59km2。
具体的，步骤S1中主要数据源如下：1995年-2015年的郑州市Landsat TM/ETM影像数据(6月-9月，轨道号124/36)、2013年郑州市电子地图数据、河南省数字高程模型(DEM)数据(分辨率30m)、2013年郑州市土地利用数据、河南省1:10万地理背景空间数据库、河南省环境保护数据、郑州市基本农田数据、1995-2015年城市建成区数据、归一化植被指(NDVI)数据和植被覆盖度(VFC)数据。
其中，2013年郑州市电子地图数据来自互联网，通过网络爬虫等技术手段抓取，数据清洗后，生成了36个图层数据，分别提取和合并了湖泊、河流、高速公路、国道、省道、铁路数据、社会管理、商业服务、公众服务等点、面矢量数据。河南省基础地理数据库、河南省环境保护数据、河南省数字高程模型(DEM)数据和2013年河南省土地利用数据来自黄河下游科学数据中心(http://henu.geodata.cn/index.html)，分别提取了郑州市地貌类型数据、郑州市生态保护区数据、郑州市数字高程模型数据、郑州市坡度数据、2013年郑州市土地利用类型数据。1995-2015年城市建成区数据来自1995年-2015年的郑州市Landsat TM/ETM影像数据(6月-9月，轨道号124/36)解释结果。郑州市基本农田数据来自第二次全国土地调查数据库，提取了郑州市基本农田图层数据。
最后，根据研究需要得到以下图层数据：湖泊、河流、自然保护区、高速、国道、铁路、省道、社会管理、商业服务、公众服务、高程、坡度、基本农田、土地利用数据、地貌类型，植被覆盖度，共计16个空间图层数据。对以上数据进行栅格转换，设置的投影响坐标系为Xian_1980_3_Degree_GK_CM_114E，栅格大小设置为30m×30m。
进一步的，步骤S2中城市建设用地适宜性水平是每个评价因子相互作用的结果，因此选择合适的评价指标因子对于确保得到合理的评价结果至关重要。基于指标选取的综合性、生态及因地制宜性等原则，结合国内外相关研究文献，以及研究区的实际情况和发展目标，确定了影响城市建设用地的自然环境因子、社会经济因子、生态保护因子三大类影响因子，共计16个指标，如表1所示。
表1 评价指标体系
自然因子主要从地形地貌等自然条件方面选取，包括：高程X1、坡度X2、地貌类型X3。自然环境因子(高程X1、坡度X2)是影响城市重要影响因素，决定了城市的基本形态。地貌类型X3是地表形态特征，影响着城市空间基本布局。
社会经济因子主要从城市交通、建设、土地利用和城市管理服务机构等方面选取，包括：离高速公路距离X4、离省道距离X5、离国道距离X6、离铁路距离X7、土地利用类型X8、公共管理机构核密度X9、商业服务点核密度X10、公共服务机构核密度X11等指标。交通因素(离高速公路距离X4、离省道距离X5、离国道距离X6、离铁路距离X7)对于城市发展具有先导作用，交通可达性、便捷性高的的区位更容易转化为城市用地，是城市发展的重要影响因素。土地利用类型X8直接决定了现有城市土地开发适宜性。而城市管理和服务单元分布(离公共管理机构距离X9、离商业服务点距离X10、离公共服务机构距离X11)代表了当前城市功能区空间格局分布，反映了人类活动对城市内部空间格局的影响。
生态保护因子主要从基本农田、水域和植被生态保护选取，是城市可持续发展的保护性因素，包括：离基本农田距离X12、离湖泊距离X13、离河流距离X14、植被覆盖度X15。基本农田保护因子(离基本农田距离X12)反映了对基本农田实施严格土地保护政策。水域保护因子(离湖泊距离X14、离河流距离X15)反映了对水环境的保护。植被覆盖度X16反映了对植被生境的保护。离自然保护区距离X16反映了对自然保护区的保护。
进一步的，城市用地空间分布现状受到自然环境、社会环境、经济环境等因素的影响，是人们在历史进程中通过适应环境不断地进行城市建设(或者人为破坏)而最终形成的结果。城市用地空间布局趋于向适宜用地分布，是人类趋利性在城市空间上的体现。
可见，城市用地的开发适宜性通常要高于非城市用地的开发适宜性。利用缓冲区分析划定各指标因子(除了高程X1、坡度X2、地貌类型X3、土地利用类型X8、离城市建成区距离X9、植被覆盖度X16)的缓冲区，分析不同缓冲距离内的城市用地比重与各指标因子的缓冲区距离的关系，发现城市用地比重随着缓冲距离出现了复杂的非线性变化特点，难以用单一或分段线性方程来表达。而常见的适宜性评价等级划分，其实质就是利用这类方法建立的。如果采用非线性拟合方法则往往会出现样本过拟合现象，将造成预测错误。
基于此，步骤S3中将土地单元是否适宜开发转化为二分类问题，利用Logistic回归方法建立了单因子适宜性评价模型，实现各单因子的开发适宜性评价。Logistic模型是针对二分类或多分类响应变量建立的线性回归模型，其自变量可为定性数据或定量数据。设y为二分因变量，1代表适宜，0代表不适宜，自变量Xi为单因子指标。记某土地单元开发适宜的条件概率为p(y＝1)，则建立Logistic线性函数为
式(1)中β0是常量，β1是待定自变量Xi的回归系数，p为城市开发适宜性；
对该函数进行求解，得到该土地单元的概率p，即开发适宜性
式(2)中若p＝1则代表土地具有适宜性，p＝0代表土地具有不适宜性。
具体的，对X1,X2…X16指标因子归一化处理，将X1,X2…X16指标因子作为自变量，Y做为响应变量，将指标因子图层和城市用地空间数据随机采样，排除异常点作为训练数据。将自变量和响应变量代入Logistic回归模型，利用极大似然估计得到回归参数。其中，指标地貌类型X3和土地利用类型X8是分类变量，需要根据分类建立哑元变量，获取回归参数。最终，研究建立了16个单因子开发适宜性评价模型，参数如表2所示：
表2 单因子适宜性评价模型参数表
所有变量(除哑元变量X3,X8)的p值均小于0.05，通过显著性检验。对于变量X3，X8，其p值也小于0.05，虽然个别哑元变量无显著性统计，但考虑到在模型中“同进同出”的原则，以便保证所有哑元变量含义的正确性，因此也将不通过显著性的哑元变量纳入模型。
根据所获得的Logistic模型参数，得到单因子适宜性评价图，如附图4-19所示。
进一步的，步骤S4中利用主成分分析法(PCA)对多维变量指标进行“降维”分析，构建综合适宜性评价模型，利用累积贡献率比例确定主成分权重。假设有n个评价样本，每个样本共有s个变量，刚变量指标的主成分表述如下：
式(3)中，m≤s,zi与zj(i≠j，且i,j＝1,2,…,m)相互无关，z1,z2,…zm是原变量指标x1,x2,…xs的第1，2，…，m个主成份；aij(i＝1,2,…,m,j＝1,2,…,s)是xj(j＝1,2,…,s)的在各主成分z1,z2,…zm上的载荷，所述载荷的计算公式为其中λi是主成分特征值，ei是特征值所对应的特征向量；当第i个主成分特征值贡献率在85％-95％时，取前k个主成分z1,z2,…,zk,那么这k个主成分就可以用来反映原来s个指标的信息；
利用z1,z2,…,zk等主成分建立城市开发适宜性综合评价模型，公式如下：
式(4)中，F为城市开发适宜性综合评价值，ωi为各主成分的权重，Zi为各主成分。
具体的，利用ArcGIS10.1对16个单因子适宜性评价图层进行随机采样，设置最小采样间距为15米，生成50000个随机空间样本点，统一设置空间投影坐标，生成样本数据。对该样本数据进行主成分分析，得到因子特征值与各主成分的贡献率，如表3所示。
表3 因子特征值与贡献率
从表3可知，前10项主成分的累积值已经达到了90.720％，因此，把前10个作为适宜性评价的主成分因子。根据特征值百分比计算出各主成分的权重，将其代入式6得到空间样本数据的城市开发适宜性评价值。
进一步的，步骤S5中利用Kriging插值法预测研究区城市建设用地适宜性评价。
具体的，对空间样本数据的区域化变量进行变异函数分析，并利用球状模型对函数曲线进行拟合。块金值0.020，基台值0.306，变程20389.45m。利用ArcGIS10.1地统计模块进行Kriging插值，并对插值结果进行归一化处理，最终得到所有栅格单元的城市土地开发适宜性评价结果，如附图20所示。
进一步的，步骤S6中采用K-Means空间聚类法分为5个等级：最适宜用地、较适宜用地、基本适宜用地、不适宜用地和不可用地。分类标准如表4所示。
表4 适宜性评价分类标准
具体的，采用K_Means空间聚类法对城市开发用地进行分级的具体操作包括以下步骤：
S61：对步骤S5中得到的栅格评价结果值进行随机取样，得到适宜性评价累计频率直方图；
S62：根据样本数据分析结果，初步得到最适宜用地、较适宜用地、基本适宜用地、不适宜用地和不可用地的值域空间；
S63：以每个值域空间的中值作为初始聚类中心值；
S64：将栅格评价结果值整体转化成点状矢量数据，每个矢量要素代表一个栅格像元；
S65：将所有矢量要素导出为dbf文件输入到SPSS软件，设置聚类数为5，输入S63中的初始聚类中心值，选择迭代与分类方法，完成空间聚类对城市开发用地的分级。
依照表4分类标准，利用ArcGIS10.1软件对步骤S5中的城市土地开发适宜性评价值进行分级，得到的结果如附图21所示。
进一步的，步骤S7中所述的地理探测器(Geodetector)是一种新型空间分析模型，用于探测空间分异性以及揭示其背后驱动因子。其基本思想是：假设研究区分为若干个区域，如果子区域的方差之和小于区域总方差，则存在空间分异性；如果两变量的空间分布趋于一致，则两者存在统计关联性。该方法最大的优势在于没有过多的假设条件与约束，具有普适性，能有效地克服传统统计分析方法处理类别变量的局限性，具有优雅的形式和明确的物理含义，目前已应用于自然科学、社会科学、环境科学和人类健康等多个研究领域。
其中，地理探测器的因子探测模块可用于揭示被解释变量Y的空间分异性。用q统计度量：
式(5)中，和σ2分别是层h和全区的Y值的方差。和SST＝Nσ2分别表示层内方差之和及全区总方差。其中，h＝1,…,L为变量Y的分层，即分类或分区；Nh和N分别是层h和全区的单元数。q的值域为[0,1]，值越大说明Y的空间分异性越明显。极端情况下，q值为1表明因子Y存在完全的空间分异性，q值为0则表明Y为空间随机分布。
q值满足非中心F分布，其中λ是非中心参数，是层h的均值。
根据以上公式，q统计的统计显著性检验的p值可以计算得到。
具体的，利用地理探测器(Geodetector)对适宜性评价结果进行空间分异性分析。分析结果表明，采用显著性水平为0.05的t检验，各适宜性分级的适宜性评价值存在显著性差异。分级因子的q统计值为0.949(p<0.05)，说明适宜性分级对适宜性评价值的解释力很强，适宜性分级与适宜性评价值在空间格局上具有高度一致性，证明了本研究评价结果的适用性。
进一步的，步骤S8中为了检验适宜性分级的精度和合理性，利用ArcGIS10.1软件进行郑州市城市土地开发适宜性分级图与郑州市2013年和2015年城市用地分布图叠加分析，统计城市开发适宜性分级的面积和比例以及2013、2015年城市用地的占用面积和比例，结果如表5所示。
表5 城市土地开发适宜分级统计
由表5可知，2013年城市用地面积为768.564km2，分布在最适宜用地的面积占92.70％，分布在较适宜用地上的面积占21.82％，分布在基本适宜用地上的面积占1.60％。城市用地面积分布在适宜用地的比例为99.25％。这表明本研究的城市土地开发适宜性评价结果具有极高的精度。
为了验证评价结果对城市土地开发的持续有效性，统计了2015年的城市用地分布情况(见表5)，可知2015年城市用地面积为886.464km2，比2013年增长了117.90km2。其中分布在最适宜用地的面积占92.42％，分布在较适宜用地的面积占29.71％，分布在基本适宜用地上的面积占2.90％。城市用地面积在适宜用地的面积为880.4208km2，占适宜用地比例为99.32％。可见，评价结果能够对未来城市土地开发有较好的指示和引导作用，具有持续有效性。
进一步的，对适宜性分级进行统计分析，根据表5，开封市区域总面积为7570.545km2。其中，适宜用地共计3714.803km2，占总面积的49.07％。同时，2015年郑州市用地总面积为886.464km2，分布在适宜用地的面积为880.421km2。可知，郑州市开发适宜用地存量面积为2834.382km2。由此可见，郑州市还有相当数量的适宜用地，完全满足未来城市开发需要。
其中，最适宜用地的面积为511.088km2，已开发土地面积为472.337km2，开发比例为92.42％，还剩余38.751km2，适宜用地资源较为紧张，可充分挖掘现有土地资源潜力，用于当前城市用地开发。较适宜用地的面积为1175.691km2，已开发土地面积349.258km2，开发比例为29.71％。剩余用地面积826.433km2，开发潜力较大。可基本满足中期(2015年-2025年)城市用地开发需要。基本适宜用地的面积为2028.024km2，已开发土地面积58.826km2，开发比例仅为2.90％，可满足远期(2035年-2050年)城市用地开发需要。
分析2013年-2015年城市用地开发特点(表5)，最适宜用地的开发比例几乎没有变化(从92.70％到92.42％)，这需要加大开发力度，充分挖掘利用潜力；较适宜用地的开发比例增长较快，从21.82％到29.71％，是中期城市土地开发的主要用地，但要注重环境保护，引导集约合理开发。基本适宜用地的开发比例有一定增长(从1.60％到2.90％)，要限制不合理开发，注意保护基本农田。不适宜用地开发比例也有微弱增长(从0.29％到0.30％)，要采取相关措施，限制或禁止城市开发，加大环境保护力度。
进一步的，对适宜性进行综合评价，对郑州市城市土地开发适宜性进行综合评价分析，如附图21和表5所示，郑州市2013年最适宜用地面积为511.088km2，占总面积的6.75％。集中分布在郑州市中心城区(金水区、管城区、中原区、二七区和惠济区的相邻地带)，以及新郑、中牟、荥阳、巩义等县级中心城区。这些区域基本属于平原地貌，海拔低和坡度小，植被覆盖度较低；区域内河涌密集，且离远离黄河和水库；基本农田几乎没有，生态保护区占用很少(主要分布在惠济区)；基本属于城市已建成区，公共管理、公共服务和商业娱乐等单位分布十分密集，城市道路、铁路枢纽、省道密集分布，高速公路、国道出入口节点也主要分布在该区域，交通条件最佳。该区域最适宜开发土地不多所剩不多，但在新郑南部和北部，以及荥阳周边还有少量最适宜用地可优先做为城市近期发展区域。
较适宜用地、基本适宜用地分别为1175.690km2和2028.024km2,共占总面积的42.32％。主要分布在郑州市主城区的外围以及登封、新密等县级中心城区及其外围。区域主要属于平原地貌，也有部分台地和丘陵，海拔和坡度较之前略大，植被覆盖度较高。区域内分布有一些河涌，毗邻黄河风景名胜区等生态保护区；有许多基本农田，但主要在基本适宜性用地；区域内有城市已建成区，主要分布在金水区西北部和东部、南部新城区和航空港，公共管理、公共服务和商业娱乐等单位较多，且在城市建成区呈集聚分布；高速公路、省道、国道、铁路分布比较密集，交通条件较好。该区域以郑州市主城区为轴心的东西发展轴及其周边地区、巩义和新郑城区周边地区、新密西部地区、航空港南部和北部地区，有较大的城市开发空间，是城市中、远期用地开发的主要用地。但应注意生态环境和基本农田保护，经一定的补偿措施后，可以作为城市发展用地，但严格控制开发规模，确保按照适宜性评价优先次序引导城市用地集约、有序开发。
不适宜用地、不可用地分别为1986.950km2和1868.792km2，共占总面积的50.93％，主要分布在郑州主城区西南部山区以及郑州市主城区东北部和东南部地区。区域内主要以山地、丘陵地貌和台地为主，还有部分平原地貌在登封、新密和中牟分布，平均海拔较高、坡度较大(中牟除外)，植被覆盖度最高；区域内分布有重要水库、基本农田和生态保护区和断裂带，不利于城市建设开发。区域内几乎没有城市建设用地，公共管理、公共服务和商业娱乐等单位分布较少，经济基础薄弱。区域内的居民点主要通过国道、高速公路连接，交通不发达。该区域是郑州市生态保护的核心区域，对于维护全市生态格局整体性具有重要意义，应以生态环境保护为主，不建议开展或限制城市开发建设。
进一步的，对城市开发适宜扩展方向进行分析。将《郑州市城市总体规划(2010—2020年)(2017年修订)》(以下简称《规划》)中的市域城镇用地规划图与城市开发适宜性评价分级图进行叠加分析，可以发现城市用地开发适宜性与《规划》的“依托交通干线及沿线城镇，构建“一主一城三区四组团”的城镇布局结构”的发展战略相一致，但是由于各区域资源禀赋和区位条件不同，发展程度分异，因此有必要结合城市开发适宜性评价分级结果和《规划》，对郑州市的城市开发适宜扩展方向进行分析。
按照《规划》发展战略，郑州市规划了东西和南北两条发展轴带。从附图21可以发现，以郑州市主城区为轴心出现了两条非常明显的东西和南北走向的适宜开发用地轴带，并且轴带有沿东西和南北主干交通线分布的特点，将是郑州市城市空间扩展的最主要区域。在东西走向空间发展轴带上，除了最适宜用地之外，较适宜用地分布较多，由西往东分布了上街区、荥阳、郑州市主城区和中牟县，该区域属于平原地貌，交通发达，区位条件优越，是城市空间扩张的最主要轴带。然而，在上街区、荥阳周边有较多基本农田分布，将会一定程度上限制城市扩展和与主城区的连接。在郑州市主城区以东和中牟县以西的适宜性土地区域，基本农田分布较少，可作为城市空间扩张的主要方向。
在南北空间发展轴带上，由北往南分布了郑州市主城区、航空港和新郑市。该区域主要是平原地貌和台地地貌，区域内平均海拔与东西发展轴带略高，南北交通比较发达。然而，南北空间发展轴的较适宜用地较少、基本适宜用地较多，且在区域内分布了许多基本农田，限制的城市空间的扩张。因此，南北应按适宜性评价优先次序，提出农田补偿措施，并严格控制城市建设开发规模，作为城市空间扩张的重要方向。
从分区发展战略来看，郑州市主城区(“一主”)分布了最适宜用地，在其外围是罗适宜用地，可在原有城市空间上继续向周边扩张(其中，金水区向东部发展、中原区向西部和北部发展、惠济区向北部发展、管城区向南部发展、二七区向西部发展)。郑州航空港(“一城”)应该优先开发航空港以南和以北区域，对周边的其它区域应在采取农田补偿措施的前提下，合理有序、集约化开发。“三区”分别为“西部新城区”、“东部新城区”和“南部新城区”。“西部新城区”主要包括荥阳、上街区。两地的区位优势明显，位于东西城市发展轴的西部。荥阳主城区的发展方向应是东部和南部。同时，在采取农田补偿措施的前提下向西部扩张与上街区相连接。同时，上街区应向东部和南部发展，与荥阳主城区相连接。“东部新城区”主要是中牟主城区。中牟主城区的区位条件最好，是郑州空间扩张的主要区域，它的发展战略应是向东部与郑州市主城区靠拢。“南部主城区”位于新郑市北部的龙湖镇，该镇邻将管城区和二七区，交通区位条件较好，发展方向应该向南部和东部扩展。“四组团”包括：新郑、巩义、新密、登封。新郑市区周边适宜用地较多，应向北部发展与航空港靠拢，其余可向南部和东部发展。巩义市属平原和丘陵地貌，适宜用地比较狭长，呈东西带状走向，城市开发可考虑向东西两个方向扩张，但应以往西扩张为主。新密属于平原、台地地貌，分布有较适宜和基本适宜用地，城市开发应在原有基础上向西发展。登封适宜用地较少，又处于生态保护区范围以内，周边区域多属于不适宜用地，应以生态保护为主。部分地区(如西部、东部)可在合理引导下适度发展，但应严格控制城市开发规模，保护生态环境。
综上所述，本发明选择影响城市建设用地的自然环境、社会经济、生态保护三大类影响因子，共计16个评价指标构建了适宜性评价指标体系，提出基于PCA分析的城市开发适宜性评价方法，结合Logistic回归和K_Means聚类等方法，获得了郑州市城市开发适宜性评价结果,并利用地理探测器(Geodetector)对评价结果进行空间分异性检验。
研究结果表明：
(1)利用Logistic回归对单因子城市开发适宜性进行了评价，对16个单因子适宜性评价值进行PCA分析，建立了综合适宜性评价模型。避免了指标因子评价等级划分和指标权重确定的主观化，提高了适宜性评价的客观性。
(2)Kriging插值方法建立在平稳假设的基础上，在一定程度上要求所有数据值具有相同的变异性。当有效样本数据通过统计检验，可利用Kriging插值方法进行城市开发适宜性评价的空间预测。
(3)利用地理探测器(Geodetector)对适宜性评价结果进行空间分异性分析。分析结果表明，各适宜性分级的适宜性评价值存在显著性差异，适宜性分级与适宜性评价值在空间格局上具有高度一致性。
(4)2013年和2015年的城市用地分布在适宜用地的比例分别为99.25％和99.32％，分析表明，适宜性评价结果具有极高的精度和持续有效性，对城市用地开发和城市用地规划布局起到很好的指示和引导作用。
(5)郑州市开发适宜用地的剩余面积为2834.382km2，可以完全满足未来城市开发需要。其中，最适宜用地的面积开发比例为92.42％，用地较为紧张，应充分挖掘剩余开发潜力。较适宜用地的开发比例为29.71％，开发潜力较大，可满足中期(2015年-2025年)城市用地开发需要，应注重环境保护，引导土地集约、合理开发。基本适宜用地的开发比例仅为2.90％，可满足远期(2035年-2050年)城市用地开发需要，应注意保护基本农田，限制不合理开发。不适宜用地的开发比例0.30％，应限制或禁止城市开发，加大环境保护力度。
(6)郑州市的最适宜开发用地面积为511.088km2，占总面积的6.75％，少量分布在新郑南部和北部、荥阳周边，可优先作为城市近期发展区域。较适宜用地、基本适宜用地分别为1175.690km2和2028.024km2，占总面积的42.32％，还有较大的城市开发空间，是城市中、远期城市用地开发的主要用地，主要分布在以郑州市主城区为轴心的东西发展轴及其周边地区、巩义和新郑城区周边地区、新密西部地区、航空港南部和北部地区，应注意生态环境和基本农田保护，严格控制开发规模，在采取了一定的补偿措施前提下，可以作为城市发展用地，按照评价优先次序有序开发。不适宜用地、不可用地分别为1986.950km2和1868.792km2，共占总面积的50.93％，是郑州市生态保护的核心区域，对于维护全市生态格局整体性具有重要意义，应以生态环境保护为主，不建议开展或者限制城市开发建设。
(7)城市用地开发适宜性评价结果与《规划》的空间发展战略相一致，在研究区出现两条以郑州主城区为轴心的东西和南北走向的适宜用地发展轴带，将是郑州市空间扩展的主要区域。在东西走向的适宜用地发展轴带上，位于郑州市主城区以东和中牟县以西的适宜性用地区域，基本农田分布较少，可作为郑州市城市空间扩张的主要方向。南北走向的适宜用地发展轴带，也是城市空间扩张的重要方向，可在采取一定农田补偿措施的前提下，按评价的优先次序有序开发。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.基于主成分分析的城市开发用地适宜性评价方法，其特征在于，包括以下步骤：
S1：采集相关数据，对所选数据进行预处理；
S2：根据采集的数据选择适宜性评价指标因子，建立评价指标体系；
S3：对所述适宜性评价指标因子进行归一化处理，建立单因子适宜性评价模型；
S4：对所述单因子适宜性评价模型进行主成分分析，利用累计贡献率求得各主成分权重，建立综合适宜性评价模型，得到综合适宜性评价值；
S5：对空间样本数据进行统计检验，利用Kriging插值法对研究区域的城市开发用地适宜性进行空间预测，最终得到所有栅格单元的城市土地开发适宜性评价结果；
S6：根据所述空间预测的结果，采用K_Means空间聚类法对城市开发用地进行分级；
S7：利用地理探测器对评价结果进行空间分异性评价；
S8：验证评价结果的精度和有效性评估，进行适宜性统计和评价以及开发适宜扩展方向分析。
2.根据权利要求1所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：步骤S1中的数据预处理具体为将采集的数据进行栅格转换，设置投影坐标系和栅格的大小。
3.根据权利要求2所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：步骤S2中的适宜性评价指标因子包括自然环境因子、社会经济因子和生态保护因子三大类。
4.根据权利要求3所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：所述自然环境因子包括3个评价指标，具体为高程、坡度和地貌类型；所述社会经济因子包括8个评价指标，具体为离高速公路距离，离省道距离、离国道距离、离铁路距离、土地利用类型、公共管理机构核密度、商业服务点核密度和公共服务机构核密度；所述生态保护因子包括5个评价指标，具体为离基本农田距离、离湖泊距离、离河流距离、植被覆盖度和离自然保护区距离。
5.根据权利要求4所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：步骤S3中建立单因子适宜性评价模型采用的是Logistic回归方法，具体步骤为：
S31：设y为二分因变量，1代表适宜，0代表不适宜，自变量Xi为单因子指标，记某土地单元开发适宜的条件概率为p(y＝1)；
S32：建立Logistic线性函数为式中β0是常量，β1是待定自变量Xi的回归系数，p为城市开发适宜性；
S33：对该函数进行求解，得到该土地单元的概率也即开发适宜性。
6.根据权利要求5所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：步骤S4中建立综合适宜性评价模型的具体步骤为：
S41：取n个评价样本，每个样本共有s个变量，则变量指标的主成分可表述为其中，m≤s,zi与zj相互无关，所述zi与zj中i≠j，且i,j＝1,2,…,m；z1,z2,…zm是原变量指标x1,x2,…xs的第1，2，…，m个主成份；aij是xj的在各主成分z1,z2,…zm上的载荷，所述aij和xj中i＝1,2,…,m,j＝1,2,…,s；
S42：所述载荷的计算公式为其中λi是主成分特征值，ei是特征值所对应的特征向量；当第i个主成分特征值贡献率在85％-95％时，取前k个主成分z1,z2,…,zk,那么这k个主成分就可以用来反映原来s个指标的信息；
S43：利用z1,z2,…,zk等主成分建立城市开发适宜性综合评价模型，公式如下：式中，F为城市开发适宜性综合评价值，ωi为各主成分的权重，zi为各主成分。
7.根据权利要求6所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：步骤S6中将城市开发用地分成5个等级：最适宜用地、较适宜用地、基本适宜用地、不适宜用地和不可用地。
8.根据权利要求7所述的基于主成分分析的城市开发用地适宜性评价方法，其特征在于：步骤S6中采用K_Means空间聚类法对城市开发用地进行分级的具体操作包括以下步骤：
S61：对步骤S5中得到的栅格评价结果值进行随机取样，得到适宜性评价累计频率直方图；
S62：根据样本数据分析结果，初步得到最适宜用地、较适宜用地、基本适宜用地、不适宜用地和不可用地的值域空间；
S63：以每个值域空间的中值作为初始聚类中心值；
S64：将栅格评价结果值整体转化成点状矢量数据，每个矢量要素代表一个栅格像元；
S65：将所有矢量要素导出为dbf文件输入到SPSS软件，设置聚类数为5，输入S63中的初始聚类中心值，选择迭代与分类方法，完成空间聚类对城市开发用地的分级。
CN201910773852.7A 2019-08-21 2019-08-21 基于主成分分析的城市开发用地适宜性评价方法 Active CN110472882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910773852.7A CN110472882B (zh) 2019-08-21 2019-08-21 基于主成分分析的城市开发用地适宜性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910773852.7A CN110472882B (zh) 2019-08-21 2019-08-21 基于主成分分析的城市开发用地适宜性评价方法

Publications (2)

Publication Number Publication Date
CN110472882A true CN110472882A (zh) 2019-11-19
CN110472882B CN110472882B (zh) 2023-07-28

Family

ID=68512042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910773852.7A Active CN110472882B (zh) 2019-08-21 2019-08-21 基于主成分分析的城市开发用地适宜性评价方法

Country Status (1)

Country Link
CN (1) CN110472882B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111178738A (zh) * 2019-12-24 2020-05-19 上海市政工程设计研究总院（集团）有限公司 一种生态用地综合评价方法
CN111210166A (zh) * 2020-02-17 2020-05-29 电子科技大学 一种城市功能系统的鲁棒性评估方法
CN111563686A (zh) * 2020-05-13 2020-08-21 中冶南方工程技术有限公司 一种基于全流程数据的冷轧硅钢质量判定方法
CN111967757A (zh) * 2020-08-12 2020-11-20 软通智慧科技有限公司 城市宜居方案的确定方法、装置、设备及存储介质
CN112036721A (zh) * 2020-08-21 2020-12-04 洛阳众智软件科技股份有限公司 基于gdal的土地资源开发双评价方法、装置及设备
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
CN112148821A (zh) * 2020-08-25 2020-12-29 中国地质大学（武汉） 一种城市混合职住空间计算方法和系统
CN112348324A (zh) * 2020-10-23 2021-02-09 中国科学院城市环境研究所 一种冲突空间识别方法、终端设备及存储介质
CN112508399A (zh) * 2020-12-04 2021-03-16 中铁二院重庆勘察设计研究院有限责任公司 一种地下空间开发适宜性评价方法及系统
CN112598206A (zh) * 2020-03-20 2021-04-02 江西农业大学 基于生态位理论的富硒土壤资源开发利用适宜性评价方法
CN113095574A (zh) * 2021-04-15 2021-07-09 南京经纬地诚土地规划咨询有限公司 一种国土空间全域整治方法
CN113191689A (zh) * 2021-05-26 2021-07-30 中国矿业大学(北京) 一种耦合主成分分析与bp神经网络的土地适宜评价方法
CN114548711A (zh) * 2022-02-09 2022-05-27 四川大学 基于模糊综合评价法的梯级水库水文生态调度效果评估方法
CN115222196A (zh) * 2022-05-24 2022-10-21 云南省测绘资料档案馆(云南省基础地理信息中心) 一种山区道路网脆弱性评估与驱动力探测方法
CN115329591A (zh) * 2022-08-29 2022-11-11 华中科技大学 一种城市空间格局设计方法、系统及计算机存储介质
CN115511253A (zh) * 2022-08-05 2022-12-23 广州市城市规划勘测设计研究院 一种地块开发容量评估方法、装置、设备及介质
CN116151490A (zh) * 2023-04-19 2023-05-23 北京师范大学 土地变化预测方法、装置、电子设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016039174A1 (ja) * 2014-09-11 2016-03-17 ソニー株式会社 情報処理装置、情報処理方法、及び、プログラム
CN107545380A (zh) * 2017-10-13 2018-01-05 常州工学院 基于主成分分析的城市宜居性评价模型
CN109543950A (zh) * 2018-10-24 2019-03-29 上海市政工程设计研究总院（集团）有限公司 一种基于gis的海绵城市规划区生态适宜性评价分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016039174A1 (ja) * 2014-09-11 2016-03-17 ソニー株式会社 情報処理装置、情報処理方法、及び、プログラム
CN107545380A (zh) * 2017-10-13 2018-01-05 常州工学院 基于主成分分析的城市宜居性评价模型
CN109543950A (zh) * 2018-10-24 2019-03-29 上海市政工程设计研究总院（集团）有限公司 一种基于gis的海绵城市规划区生态适宜性评价分析方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
杜谦 等: "二元 Logistic 回归和信息量模型在地质灾害分区中的应用", 《灾害学》 *
杜谦 等: "二元 Logistic 回归和信息量模型在地质灾害分区中的应用", 《灾害学》, vol. 32, no. 2, 30 April 2017 (2017-04-30), pages 220 - 225 *
潘竟虎等: "基于主成分分析和GIS的统筹市域土地利用分区研究――以甘肃天水市为例", 《土壤》 *
潘竟虎等: "基于主成分分析和GIS的统筹市域土地利用分区研究――以甘肃天水市为例", 《土壤》, vol. 43, no. 04, 15 August 2011 (2011-08-15), pages 637 - 642 *
王劲峰 等: "地理探测器：原理与展望", 《地理学报》 *
王劲峰 等: "地理探测器：原理与展望", 《地理学报》, vol. 72, no. 1, 31 January 2017 (2017-01-31), pages 116 - 130 *
王海鹰 等: "基于多准则判断的城市边缘区界定及其特征", 《自然资源学报》 *
王海鹰 等: "基于多准则判断的城市边缘区界定及其特征", 《自然资源学报》, vol. 26, no. 4, 30 April 2011 (2011-04-30), pages 703 - 712 *
钟珊: "贵溪市中心城区土地开发边界的划定研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 *
钟珊: "贵溪市中心城区土地开发边界的划定研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》, no. 02, 15 February 2019 (2019-02-15), pages 149 - 107 *

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111178738A (zh) * 2019-12-24 2020-05-19 上海市政工程设计研究总院（集团）有限公司 一种生态用地综合评价方法
CN111210166A (zh) * 2020-02-17 2020-05-29 电子科技大学 一种城市功能系统的鲁棒性评估方法
CN111210166B (zh) * 2020-02-17 2023-06-20 电子科技大学 一种城市功能系统的鲁棒性评估方法
CN112598206A (zh) * 2020-03-20 2021-04-02 江西农业大学 基于生态位理论的富硒土壤资源开发利用适宜性评价方法
CN112598206B (zh) * 2020-03-20 2023-10-03 江西农业大学 基于生态位理论的富硒土壤资源开发利用适宜性评价方法
CN111563686A (zh) * 2020-05-13 2020-08-21 中冶南方工程技术有限公司 一种基于全流程数据的冷轧硅钢质量判定方法
CN111967757A (zh) * 2020-08-12 2020-11-20 软通智慧科技有限公司 城市宜居方案的确定方法、装置、设备及存储介质
CN111967757B (zh) * 2020-08-12 2023-12-26 北京软通智慧科技有限公司 城市宜居方案的确定方法、装置、设备及存储介质
CN112036721A (zh) * 2020-08-21 2020-12-04 洛阳众智软件科技股份有限公司 基于gdal的土地资源开发双评价方法、装置及设备
CN112148821B (zh) * 2020-08-25 2022-05-03 中国地质大学（武汉） 一种城市混合职住空间计算方法和系统
CN112148821A (zh) * 2020-08-25 2020-12-29 中国地质大学（武汉） 一种城市混合职住空间计算方法和系统
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
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
CN112348324A (zh) * 2020-10-23 2021-02-09 中国科学院城市环境研究所 一种冲突空间识别方法、终端设备及存储介质
CN112348324B (zh) * 2020-10-23 2022-07-12 中国科学院城市环境研究所 一种冲突空间识别方法、终端设备及存储介质
CN112508399A (zh) * 2020-12-04 2021-03-16 中铁二院重庆勘察设计研究院有限责任公司 一种地下空间开发适宜性评价方法及系统
CN112508399B (zh) * 2020-12-04 2023-11-14 中铁二院重庆勘察设计研究院有限责任公司 一种地下空间开发适宜性评价方法及系统
CN113095574A (zh) * 2021-04-15 2021-07-09 南京经纬地诚土地规划咨询有限公司 一种国土空间全域整治方法
CN113191689B (zh) * 2021-05-26 2023-11-14 中国矿业大学(北京) 一种耦合主成分分析与bp神经网络的土地适宜评价方法
CN113191689A (zh) * 2021-05-26 2021-07-30 中国矿业大学(北京) 一种耦合主成分分析与bp神经网络的土地适宜评价方法
CN114548711A (zh) * 2022-02-09 2022-05-27 四川大学 基于模糊综合评价法的梯级水库水文生态调度效果评估方法
CN115222196A (zh) * 2022-05-24 2022-10-21 云南省测绘资料档案馆(云南省基础地理信息中心) 一种山区道路网脆弱性评估与驱动力探测方法
CN115511253A (zh) * 2022-08-05 2022-12-23 广州市城市规划勘测设计研究院 一种地块开发容量评估方法、装置、设备及介质
CN115511253B (zh) * 2022-08-05 2023-12-29 广州市城市规划勘测设计研究院 一种地块开发容量评估方法、装置、设备及介质
CN115329591B (zh) * 2022-08-29 2023-06-20 华中科技大学 一种城市空间格局设计方法、系统及计算机存储介质
CN115329591A (zh) * 2022-08-29 2022-11-11 华中科技大学 一种城市空间格局设计方法、系统及计算机存储介质
CN116151490A (zh) * 2023-04-19 2023-05-23 北京师范大学 土地变化预测方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN110472882B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN110472882A (zh) 基于主成分分析的城市开发用地适宜性评价方法
Wu et al. Analysis of ecological carrying capacity using a fuzzy comprehensive evaluation method
Zhu et al. Flood disaster risk assessment based on random forest algorithm
Liao et al. Urban sprawl scenario simulations based on cellular automata and ordered weighted averaging ecological constraints
Yeprintsev et al. Technologies for creating geographic information resources for monitoring the socio-ecological conditions of cities
CN109146204A (zh) 一种多层次综合评估的风电场升压站自动选址方法
KR100982447B1 (ko) 지공간 상관관계 통합기법을 이용한 산사태 발생 예측시스템 및 이를 이용한 산사태 발생 예측방법
Matomela et al. Siting of rainwater harvesting potential sites in arid or semi-arid watersheds using GIS-based techniques
Değirmenci et al. MCDM analysis of wind energy in Turkey: decision making based on environmental impact
CN113988688A (zh) 一种耕地生态可持续性评价方法和系统
CN117009887A (zh) 流域水环境质量精细化估算及分析的方法及系统
Jia et al. Study on ecological evaluation of urban land based on GIS and RS technology
Yar et al. Horizontal development of built-up area and its impacts on the agricultural land of Peshawar city district (1991–2014)
Nsaif et al. Integration of GIS and remote sensing technique for hospital site selection in Baquba district
Lai et al. Waterlogging risk assessment based on self-organizing map (SOM) artificial neural networks: a case study of an urban storm in Beijing
Kaushik et al. Assessing land suitability for managing urban growth: An application of GIS and RS
SAHDEV et al. Land Use Planning for Hillside Development Using GIS Based Analytic Hierarchy Process.
CN104318319A (zh) 一种基于征地过程博弈结果的多智能体城市扩张模拟方法
Aydın GIS-based site selection approach for wind and solar energy systems: a case study from Western Turkey
Liu et al. An integrated method used to value recreation land–a case study of Sweden
Ökten et al. Residential land use change and urban sprawl through analytic hierarchy process (AHP) in Mersin, Turkey.
Li et al. A novel approach for predicting urban pavement damage based on facility information: A case study of Beijing, China
Ni et al. Identifying Priority Protected Areas Based on Land-Water Coupling Ecosystem Services Assessment: A Case Study in the Shanghai Metropolitan Area, China.
Kaoje Application of Geographical Information System Techniques in Urban Flood Risk Assessment and Vulnerability Mapping. A Case Study of Cardiff, Wales
Zhang et al. GRIDDED POPULATION DISTRIBUTION MAP FOR THE HEBEI PROVINCE OF CHINA.

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