CN111738629B - 一种区域资源环境综合承载指数的测定方法及装置 - Google Patents
一种区域资源环境综合承载指数的测定方法及装置 Download PDFInfo
- Publication number
- CN111738629B CN111738629B CN202010829426.3A CN202010829426A CN111738629B CN 111738629 B CN111738629 B CN 111738629B CN 202010829426 A CN202010829426 A CN 202010829426A CN 111738629 B CN111738629 B CN 111738629B
- Authority
- CN
- China
- Prior art keywords
- index
- area
- measured
- bearing
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000011161 development Methods 0.000 claims abstract description 83
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 12
- 238000001556 precipitation Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 235000019577 caloric intake Nutrition 0.000 claims description 2
- XRIWLEWQNCECEP-UHFFFAOYSA-N 3-methyl-3-nitrososulfanyl-2-(propanoylamino)butanoic acid Chemical compound CCC(=O)NC(C(O)=O)C(C)(C)SN=O XRIWLEWQNCECEP-UHFFFAOYSA-N 0.000 claims 2
- 101000983143 Homo sapiens Protein kinase C and casein kinase substrate in neurons protein 1 Proteins 0.000 claims 2
- 102100026824 Protein kinase C and casein kinase substrate in neurons protein 1 Human genes 0.000 claims 2
- 238000005259 measurement Methods 0.000 claims 1
- 239000002689 soil Substances 0.000 abstract description 11
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 22
- 238000009826 distribution Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 239000002131 composite material Substances 0.000 description 8
- 230000004927 fusion Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 241000196171 Hydrodictyon reticulatum Species 0.000 description 2
- 101150064138 MAP1 gene Proteins 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 101150077939 mapA gene Proteins 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 244000304337 Cuminum cyminum Species 0.000 description 1
- 235000007129 Cuminum cyminum Nutrition 0.000 description 1
- 240000000249 Morus alba Species 0.000 description 1
- 235000008708 Morus alba Nutrition 0.000 description 1
- DFPOZTRSOAQFIK-UHFFFAOYSA-N S,S-dimethyl-beta-propiothetin Chemical compound C[S+](C)CCC([O-])=O DFPOZTRSOAQFIK-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 235000021410 healthy eating index Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种区域资源环境综合承载指数的测定方法及装置，方法包括：获取栅格图，栅格图由多个网格构成，每个网格对应于预设面积的地理区域；对待测区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型得到待测区域的区域资源环境综合承载指数，从而确定待测区域资源环境的承载状态。本发明通过对HEI、RCI和SDI进行融合，得到了区域资源环境综合承载指数PREDI。该指数保留了承载指数为1时的平衡状态的物理意义，对于建立和完善区域资源环境承载力监测预警机制，提高资源环境承载力在优化国土空间开发格局、实施国土空间用途管制等领域中的科学性和实用性具有重要的参考作用和指导意义。
Description
技术领域
本发明涉及统计数据、地理数据、遥感数据处理技术领域，尤其是涉及一种区域资源环境综合承载指数的测定方法及装置。
背景技术
随着工业化和城镇化的发展，资源环境-社会经济协调发展问题日益加剧，区域资源环境承载力评价也备受关注。评价承载力不仅是识别影响承载力关键因素的有效方法，还能为各地区掌握其承载力现状，从而能够为合理分配当地的资源有着重要的参考价值。
资源环境承载力是对资源承载力、环境容量（环境承载力）、生态承载力等概念与内涵的集成表达。作为生态学、地理学、资源环境科学等学科的研究热点和理论前沿，资源环境承载力不仅是一个关乎“最大负荷”的具有人类极限意义的科学命题，而且是一个极具实践价值的人口与资源环境协调发展的政策议题。
而现有技术中，资源的种类比较多，例如耕地资源、水资源、地形、地貌等地理资源。现有技术都是通过对单一类型的资源建模来衡量区域资源环境的承载力，进而为分配当地的资源的分布提供参考。但是由于这些资源是有相互的作用关系，比如，地形地貌发生了变化，就会导致耕地资源的变化，因此，由于现有技术只针对于单一的资源来衡量区域资源的承载力是不准确的，不能为合理利用资源提供可靠的参考。
随着社会的发展，越来越多领域都开始使用数据分析和数据处理技术。在使用海量数据的很多领域，都对数据进行处理以使计算机可以根据处理这些数据。由于各个地区的土地资源和人口的形式都截然不同，因此很难利用统一的土地资源数据来套用到每一个区域。对于各个地区能够承载的最大人口数、最大经济总量，是保持一个地区生态不遭受毁灭性打击的关键数据。而一个地区当前的人口数量与土地资源、水资源等是否存在恰当的关系，难以准确地测定。由于现有技术中资源的种类多，数据量比较大，如果采用所有类型资源的数据来构建模型，容易造成计算机数据处理量大，计算效率低等问题。
发明内容
（一）发明目的
本发明的目的是提供一种区域资源环境综合承载指数的的测定方法及装置，通过对多种类型的资源进行数据融合，以增加数据的可读性，提高计算机处理速度。另外，本发明通过对HEI、RCI和SDI的融合，得到的综合指数对于建立和完善区域资源环境承载力监测预警机制，提高资源环境承载力在优化国土空间开发格局、实施国土空间用途管制等领域中的科学性和实用性具有重要的参考作用和指导意义。另外，在融合得到的区域资源环境综合承载指数保留了承载指数为平衡态1的物理意义。
（二）技术方案
为解决上述问题，本发明的第一方面提供了一种区域资源环境的测定方法，包括：获取栅格图，所述栅格图由多个网格构成，每个所述网格对应于预设面积的地理区域；对待测定的区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，并以归一化后的地形起伏度RDLS为高、以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型，根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人居环境指数HEI；利用双曲正切函数分别对所述待测定区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数进行处理，并根据城市化进程不同阶段进行加权求和，得到所述待测定区域的资源承载指数RCI； 对所述待测定区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，并根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI；根据所述待测定区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI；所述区域资源环境综合承载指数PREDI用于确定所述待测定区域资源环境承载状态，所述待测定区域资源环境承载状态包括超载状态、平衡状态或盈余状态。
根据本发明的又一方面，提供了一种区域资源环境综合承载指数的测定装置，包括：图像获取单元，用于获取栅格图，该栅格图由多个网格构成，每个所述网格对应于预设面积的地理区域；人居环境指数HEI确定单元，对待测定的区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，并以归一化后的地形起伏度RDLS为高、以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型，根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人居环境指数HEI；资源承载指数RCI确定单元，利用双曲正切函数分别对获取的所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后，并进行加权求和，得到所述待测定的区域的资源承载指数RCI；社会经济发展指数SDI确定单元，对获取的所述待测定的区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI；测定单元，根据所述待测定的区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建的四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI；所述区域资源环境综合承载指数PREDI用于确定所述待测定区域资源环境承载状态，所述待测定区域资源环境承载状态包括超载状态、平衡状态或盈余状态。
（三）有益效果
本发明的上述技术方案具有如下有益的技术效果：
（1）本发明实施例提供的区域资源环境综合承载指数的测定方法，本发明通过对多种类型的资源进行数据融合，以增加数据的可读性，提高计算机处理速度。另外，通过对待测定区域对应的HEI、RCI和SDI构建四面体模型，得到区域资源环境综合承载指数。而且本发明通过对HEI、RCI和SDI的融合，得到的综合指数对于建立和完善区域资源环境承载力监测预警机制，提高资源环境承载力在优化国土空间开发格局、实施国土空间用途管制等领域中的科学性和实用性具有重要的参考作用和指导意义。另外，在融合得到的区域资源环境综合承载指数保留了承载指数为平衡态1的物理意义，能够准确体现待测定的区域的资源承载状态。
附图说明
图1是本发明第一实施方式提供的区域资源环境综合承载指数的测定方法流程示意图；
图2是根据本发明第一实施方式提供的构建的三角锥与标准三角锥的关系示意图；
图3是根据本发明第一实施方式提供的三维空间立方体与标准三维空间立方体的关系示意图；
图4是根据本发明第一实施方式提供的四面体的体积与标准四面体的关系示意图；
图5是根据本发明第一实施方式提供的西藏地区的人居环境指数的分布图；
图6是根据本发明第一实施方式提供的西藏地区的资源承载指数RCI的分布图；
图7是根据本发明第一实施方式提供的西藏地区的社会经济发展指数SDI分布图；
图8是根据本发明第一实施方式提供的西藏地区的各个县的区域环境承载状况示意图；
图9是根据本发明第一实施方式提供的西藏地区的区域资源环境承载的限制图；
图10是根据本发明第二实施方式提供的区域资源环境综合承载指数的测定装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
图1是本发明实施例提供的区域资源环境的测定方法流程示意图。
如图1所示，该方法包括步骤S101-步骤S106：
步骤S101，获取栅格图，该栅格图由多个网格构成，每个所述网格对应于预设面积的地理区域。例如每个网格都是正方形的，且对应于1平方公里的地理区域，当然网格也可以是不规则的形状，例如还可以是指某一个县对应的区域或者一个市对应的区域。其中栅格图可以是通过对含有待测定区域的地图拍摄或者扫描得到。
步骤S102，根据所述栅格图中待测定的区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，并以归一化后的地形起伏度RDLS为高、以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型，根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人居环境指数HEI。
其中，根据所述栅格图中待测定的区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，包括：
第一步，分别将所述待测定的区域的地被指数LVI、水文指数WRI和温湿指数THI输入到第一公式中得到归一化后的值，
所述第一公式为：
其中，
为变量，为地被指数、水温指数或温湿指数，
为
在所述待测定的区
域i进行归一化后得到的值；
为
在待测定的区域i的原始值；
是所述栅格图中的
所有的网格的同一个变量的集合；
表示为所述栅格图中的所有的网格的同一个变
量里面的最小值，
表示为所述栅格图中的所有的网格的同一个变量里面的最大值。
例如，待测定区域的地被指数为80，即
=80，例如，栅格图中所有的网格的地被指
数最大为93，最小的为60。
则归一化后的地被指数为（80-60）/（93-60）=0.606。通过上述归一化能够使得地被指数、水温指数的值变为0-1之间数值，减少计算量。
第二步，将所述地形起伏度输入第二公式得到归一化后的值，所述第二公式为：
；
其中，第二公式的
为地形起伏度，第二公式的
为地形起伏度
在所述待测定
的区域i的进行归一化后得到的值；第二公式的
为地形起伏度在所述待测定的区域i的
原始值；X是所述栅格图中所有的网格的地形起伏度
的集合；
表示为在所述栅格
图内的所有的网格的地形起伏度的最小值，
表示为在所述栅格图内的所有的网格
的地形起伏度的最大值。
需要说明的是，由于地形起伏度对应的是土地的海拔，海拔越高对人居环境的影响越大，因此采用第二公式对地形起伏度进行归一化。
其中，所述以归一化后的地形起伏度RDLS为高，以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型的步骤包括：
构建三角锥模型，以O点作为所述三角锥底面的中心点，并以120°为夹角形成三条线段，所述三条线段长度分别与待测定区域归一化后的地被指数LVI、水文指数WRI和温湿指数THI对应；所述三角锥的高度为归一化后的地形起伏度RDLS。
需要说明的是，本实施例中，考虑到地形因素对人居环境的决定性作用，本发明建立了以地形起伏度为高，其他三个分项指数为底的三角锥空间模型，得到三角锥。
根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人
居环境指数HEI，步骤包括：确定所述三角锥的体积与标准四面体的体积的比值
。
将所述比值
作为第一公式中的变量
输入第一公式得到归一化后的比值
。
根据第三公式确定所述待测定的区域的人居环境指数HEI：
所述第三公式为：
其中，HEI是人居环境指数，HEIone为HEIv按照所述第一公式归一化之后的差值，k为基所述栅格图中所有的HEIone的均值。
需要说明的是，为了保留地被指数LVI、水文指数WRI和温湿指数THI和地形起伏度
RDLS的 “3+1”框架下综合指数为1时的物理意义（即平衡状态），本发明将归一化后的
进行了平移化处理，即均值归一化，从而得到人居环境指数HEI。
图2是根据本发明第一实施方式提供的构建的三角锥与标准三角锥的关系示意图。
如图2所示，在本实施方式中，三角锥模型为A1B1C1H1,O为该三角锥的底面的中点，可以是预先确定好的，OA1、OB1、OC1和OH1分别为地被指数、水文指数、温湿指数和地形起伏度归一化后的实际值，标准三角锥模型为ABCH，OA、OB、OC、OH分别为地被指数、水文指数、温湿指数和地形起伏度归一化后的最优值，均为1。
其中，三角锥模型的体积V1通过下述公式确定：
标准四面体的体积通过下述公式确定：
即， 
，HEIv为所述三角锥的体积与标准四面体的体积的比值。
在一个实施例中，所述地形起伏度RDLS通过下述方法得到：
所述地被指数通过下述方法得到：
所述水文指数WRI通过下述方法得到：
所述温湿指数通过下述方法得到：
需要说明的是，人居环境指数HEI，用于衡量待测定区域是否适合人类居住，当HEI=1时，代表区域人居环境的平均状态。根据HEI指标，可以将人居环境自然适宜性划分为如下三种适宜类型：HEI≥1+0.5×STD，代表为人居环境适宜地区；HEI介于1-0.5×STD和1+0.5×STD之间时，代表人居环境临界适宜地区；HEI<1-0.5×STD时，代表人居环境不适宜地区。其中，STD为待测定区域HEIone的标准差。
需要说明的是，地形起伏度、地被指数、水文指数、温湿指数求取过程中需要的参数可以通过中国地球科学数据共享平台、联合国发布的数据得到。
进一步地，本实施例以西藏地区为例，网格的面积为1km*1km。人居环境主要数据包括气象台观测数据、数字高程模型 (DEM)、归一化植被指数、土地利用数据以及河流水网数据图层。其中，温度、相对湿度和降水气象数据来源于国家气象局数据共享中心，本发明分别采用克里格法、样条法以及梯度距离平方反比法对各要素进行插值，进而获取了西藏1km×1km 网格气象要素图层；DEM来源于由USGS制备的全球 GTOPO30，其空间分辨率为30′，本发明经过正轴等面积双标准纬线割圆锥投影，得到1km×1 km西藏DEM图；2000-2017年逐旬1km×1km归一化植被指数数据来源于中国地球科学数据共享平台；1:10万土地利用类型图、水网分布矢量图源于中国科学院地理科学与资源研究所数据中心，土地利用数据经过矢量与栅格数据的转换工具转化为1km×1km栅格尺度，水网分布矢量数据通过构建1km×1km的fishnet，运用intersect等空间分析工具，计算格网的水网密度后，将fishnet转化为1km×1km栅格尺度，由此完成了气候、地形、水文、地被四个关键因子的基础数据归一化处理。县界、乡镇界线和居民点的矢量数据是在中国地球科学数据共享平台提供的1∶25万基础地理信息数据基础上，通过最新地图比对更新、修正取得。1km×1km栅格尺度的人口密度数据来源于美国橡树岭实验室提供的LandScan2017。
步骤S103，利用双曲正切函数分别对获取的所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后，并进行加权求和，得到所述待测定的区域的资源承载指数RCI。
可以通过资源承载指数（RCI）来表征区域水土资源和生态环境限制性，资源承载指数是土地资源承载指数、水资源承载指数和生态承载指数的数学综合，用来反映区域水土资源和生态环境的综合承载状态当RCI=1时，代表资源承载的理论平衡状态。根据RCI的，可以将资源承载状态划分为如下三种限制类型：RCI<0.9时，表现为资源超载；RCI介于0.9-1.1时，资源平衡；RCI≥1.1时，表现为资源盈余。
具体地，在本实施例中，为了消除指数融合时区域某类资源承载状态过分盈余而对该区域其它类型资源承载状态的信息覆盖，本发明利用双曲正切函数（tanh）对土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数进行了规范化处理，并保留了承载指数为1时的实际物理意义（平衡状态）。
此外，本发明以国际主流的城市化进程三阶段为依据，在不同城市化进程阶段的区域，结合实际情况对三项承载指数赋予了不同权重。其具体计算方法如下：
其中，WL、WW、WE分别为经过双曲正切函数处理后的土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重。
表 1 各项承载指数权重
即当所述待测定的区域的城镇人口占比小于或等于30%时候，则该待测定的区域对应的区域的城市化进程处于初期阶段时，经过双曲正切函数对所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后的所述土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重分别为0.5、0.3和0.2。在城市化进程初期阶段，土地资源较为重要，因此土地承载指数的权重依次大于水资源承载指数的权重和生态承载指数ECI的权重。
当所述待测定的区域的城镇人口占比大于30且小于或等于70%时候，则该待测定的区域对应的区域的城市化进程处于加速阶段时，经过双曲正切函数对所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后的所述土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重分别为1/3、1/3和1/3。在城市化进程的中期阶段，土地资源较为重要，因此土地承载指数的权重、水资源承载指数的权重和生态承载指数ECI的权重同等重要。
当所述待测定的区域的城镇人口占比超过70%时候，则该待测定的区域对应的区域的城市化进程处于后期阶段时，经过双曲正切函数对所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后的所述土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重分别为0.2、0.5和0.3。在城市化进程的中期阶段，水资源承载较为重要，因此水资源承载指数的权重依次大于生态承载指数ECI和土地资源承载指数的权重。
在本实施例中，所述土地资源承载指数通过下述方法确定：
其中，
为土地资源承载指数；
为待测定区域的人口数量；
为土地资
源现实承载力或土地资源承载潜力；
为耕地资源产品转换为热量总量；
为人均热
量摄入标准，以2521kcal·人/天计。
所述水资源承载指数通过下述方法确定：
所述生态承载指数通过下述方法确定：
其中，
为生态承载指数；
为待测定区域人口数量；
为生态承载力；
代表生态供给总量，单位为gC；
代表人均生态消耗量。
在计算土地资源承载指数、水资源承载指数和生态承载指数的过程中，可以通过中国地球科学数据共享平台或联合国发布的数据得到，例如，本发明中，NPP（净初级生产力）来源于中国地球科学数据共享平台，生态消耗数据来源于统计年鉴中的农牧业生产数据，本发明经过空间统计得到区域生态供给量（SNPP）数据，利用生物量与碳含量转换系数得到区域生态消耗量（CNPP）数据。
具体地，资源承载力研究数据主要涉及分县土地面积、粮食和肉类产量、多年平均水资源量、NPP（净初级生产力）、生态消耗等数据。其中分县粮食产量、肉类产量数据源于2018年中国和分省统计年鉴；分县多年平均水资源数据源于国家人口发展战略研究集成成果；NPP（净初级生产力）来源于中国地球科学数据共享平台，生态消耗数据来源于统计年鉴中的农牧业生产数据，本文经过空间统计得到区域生态供给量（SNPP）数据，利用生物量与碳含量转换系数得到区域生态消耗量（CNPP）数据。
步骤S104，对获取的所述待测定的区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，并根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI。
在本实施例中，社会经济发展指数是人类发展指数、交通通达指数和城市化指数的综合，是区域社会经济发展水平的综合表征，为减少各分项指标对其它指标极值的覆盖，本发明建立了三维空间立方体体积模型对归一化后的HDI、TAI和UI进行了融合，并对融合后的值进行均值归一化处理得到SDI，具体步骤如下：
首先，分别将人类发展指数HDI、交通通达指数TAI、城市化指数UI输入到第一公式中得到归一化后的值；
所述第一公式为：
其中，
为变量，为人类发展指数、交通通达指数或城市化指数，
为变量
在
所述待测定的区域i进行归一化后得到的值；
为变量
在所述待测定的区域i的原始
值；
是所述栅格图内的所有的网格的同一个变量
的集合；
表示为在栅格图中的
所有的网格的同一个变量里面的最小值，
表示为在栅格图中的所有的网格的同一
个变量里面的最大值。
然后，根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体，包括：以任意一点为所述三维空间立方体的一个顶点，以所述顶点为交点的三条棱边的边长分别为归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，并得到所述三维空间立方体的体积。
其次，确定所述三维空间立方体的体积与边长为1的立方体（标准立方体）的体积
的比值
。
然后，将所述立方体的体积的比值
作为第一公式中的变量
输入所述第一公
式得到归一化后的比值
。
最后，根据第四公式确定所述待测定的区域的社会经济发展指数SDI。
所述第四公式为：
，k为栅格图中所有的网格的SDIone的均
值。
图3是根据本发明第一实施方式提供的三维空间立方体与标准三维空间立方体的关系示意图。
如图3所示，V1为三维空间立方体OA1B1C1D1E1F1G1的体积，V0为标准立方体OABCDEFG的体积，OA1、OB1、OD1分别为HDI、TAI、UI归一化后的实际值，OA、OB、OD分别为HDI、TAI、UI归一化后的最优值，均为1。其中，
当SDI=1时，代表区域社会经济发展的平均状态。根据SDI指标，可以将社会经济适应性划分为如下三种适应等级：SDI≥1+0.5×STD，代表为社会经济相对发达地区；SDI介于1-0.5×STD和1+0.5×STD之间时，代表社会经济发展中等地区；SDI<1-0.5×STD时，代表社会经济发展低水平地区。其中，STD为研究区域SDI one 的标准差。
其中社会经济发展数据主要涉及基于分县尺度的出生人口预期寿命、成人识字率和小学、中学、大学综合入学率、人均GDP、城市人口的统计数据，矢量的道路、铁路、水路、港口、机场分布数据，以及土地利用数据和夜间灯光数据。其中，道路和铁路数据来源于DIVA-GIS，水路用50m河道数据来替代，来源于Natural Earth，与上文水网密度计算方法相同，本文计算了栅格尺度下的道路密度、铁路密度和水路密度；港口数据来源于FAO GeoNetwork，机场数据来源于OurAirports，为获取各区域到道路、铁路、机场、港口最短距离的栅格图层，本发明提取了网格几何中心，并通过near analysis工具计算了各网格中心点分别到四种交通工具的最短距离，最终将其转化为栅格数据；300m×300m土地利用数据来源于欧空局，通过计算各网格内城市用地的占比获取土地城市化的栅格图层；DMSP/OLS夜间灯光数据来源于美国国家海洋大气局，通过与城市人口统计数据相融合，获取栅格尺度下的人口城市化数据图层。
步骤S105, 根据所述待测定区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI。区域资源环境综合承载指数PREDI用于确定所述待测定区域资源环境承载状态是否超载。
具体地，第一步，构建四面体模型，包括：以三维空间的原点为所述四面体模型的一个顶点，所述三维空间的原点到三个纬度的距离分别为待测定的区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，并得到所述四面体模型的面积。
第二步，所述待测定的区域的区域环境的承载力值为所述四面体模型的体积与边长均为1的四面体模型（标准四面体）的体积的比值。
图4是根据本发明第一实施方式提供的四面体的体积与标准四面体的关系示意图。
如图4所示，资源环境承载综合指数结合了HEI、RCI和SDI，能够更全面地衡量区域资源环境的承载状态，在保留综合指数为1即平衡状态的基础上，本发明建立了三维空间四面体模型来计算资源环境承载综合指数，其具体公式如下：
式中，RECI为资源环境承载综合指数；V1为四面体OA1B1C1的体积，V0为四面体OABC的体积，OA1、OB1、OC1分别为SDI、RCI和HEI的实际值，OA、OB、OC则分别为SDI、RCI和HEI的平衡值，均为1。A表示为归一化的社会经济发展指数的均值点、B为水土生态承载综合平衡状态数值点，C表示示意性临界适宜地区的归一化人居环境指数的均值点。
步骤S106，根据所述区域资源环境综合承载指数PREDI的大小，测定所述待测区域资源环境承载状态是否超载。
在本实施例中，所述区域资源环境综合承载指数PREDI超过1.1时，所述待测定区域资源环境承载状态为盈余状态；当所述区域资源环境综合承载指数PREDI低于0.9时，所述待测定区域资源环境承载状态为超载状态；当所述区域资源环境综合承载指数PREDI在0.9到1.1时，所述待测定区域资源环境承载状态处于平衡状态。
在一个实施方式中，方法还包括步骤S107，根据每个待测定区域的区域资源环境综合承载指数PREDI所处的区间，对相应的网格设置不同的颜色或者不同的灰度值。
例如，区域资源环境综合承载指数PREDI每隔0.1设置为一个区间，每个区间对应的网格的颜色不同，或者随着区间的增大，颜色的逐步变成深色。
本发明实施例提供的区域资源环境综合承载指数PREDI的测定方法，通过对多种类型的资源进行数据融合，以增加数据的可读性，提高计算机处理速度。另外，通过对待测定区域对应的HEI、RCI和SDI构建四面体模型，得到区域资源环境综合承载指数PREDI。由于本模型综合考虑了人居环境、水土生态和社会经济，最终的综合指数可以为区域的可持续发展提供较为详细的参考依据。
另外，为了能够更清楚的体现本发明各个资源之间的关系本发明列出下表2。
表2各个资源之间的关系表
图5是本发明第一实施方式提供的西藏地区的人居环境指数的分布图。
下表3为西藏地区的人居环境自然示意性分区统计表。
表3西藏地区的人居环境自然示意性分区统计表
如图5和表3所示，西藏人居环境适宜指数（HEI）均值为0.95，人居环境适宜地区占比仅为13.28%，人居环境以不适宜和临界适宜为主要特征，在较大范围内限制了西藏自治区资源环境承载力的发挥。具体而言：
（1）西藏人居环境不适宜地区占地29.72%，主要分布在藏西北地区；人口占比为1.47%，相对集中分布在阿里地区西北部的札达县和噶尔县，区内地广人稀疏，人口密度仅为0.14人/km2；不适宜地区土地覆被类型以草地和未利用地为主，海拔均值高达5081 m，年均温度值为-7.27℃，年均湿度为0.33，年均降水量为405.32 mm，大部分区域全年基本没有气候舒适期。
（2）西藏人居环境临界适宜地区占地57.00%，主要分布在那曲南部、日喀则市、一江两河地区以及山南和林芝北部地区；142.67万人长期生活和居住在此，占比为41.50%，人口密度为2.08人/km2；临界适宜地区土地覆被类型以草地和林地为主，海拔均值高达4904m，年均温度值为-2.67℃，年均湿度为0.45，年均降水量为528.74 mm，全年气候舒适期大部分处于为3到5个月之间。
（3）西藏人居环境适宜地区占地仅为13.28%，分布在藏东南、一江两河和澜沧江上游的河谷绿洲地带；196.08万人长期生活和居住在此，占比为57.03%，人口密度为12.28人/km2；该类地区林地和草地面积所占比重较大，城镇化率较高，基本不受水文、气候、地被条件制约，海拔相对较低，人体感舒适。
图6是本发明第一实施方式提供的西藏地区的资源承载指数RCI的分布图。
下表4为西藏地区的资源承载指数的统计表。
表4西藏地区的资源承载指数的统计表
如图6和表4所示，西藏资源承载指数（RCI）均值为1.08，全区有66个县域处于盈余或平衡状态，占地3/4以上、相应人口占9/10，资源环境承载力以盈余为主要特征。具体而言：
（1）西藏资源环境承载力超载地区包含8个县域，占地23.06%，只有不到一成的人居住于此，人口密度仅为1.14人/km2，该类地区自然条件较为恶劣，耕地占比较低，受土地资源限制性较大。
（2）西藏资源环境承载力平衡地区包含24个县域，大部分分布在阿里地区西部、日喀则北部、那曲地区西部和东部，占地38.63%，有138.62万人居住于此类地区，人口密度为2.98人/km2，该类地区又可以分为两类：承载力和实际人口都较低的县域，如札达县、日土县等，承载力和实际人口都比较高的县域，如城关区、桑珠孜区等。
（3）西藏资源环境承载力盈余地区包含42个县域，主要集中在山南地区、林芝地区、双湖县等地（图7），占地38.31%，全区超过50%的人口分布在该类地区，人口密度为3.77人/km2。
图7是本发明第一实施方式提供的西藏地区的社会经济发展指数SDI分布图。下表5为西藏地区的社会经济发展指数的统计表。
表5西藏地区的社会经济发展指数的统计表
如图7和表5所示，西藏自治区社会经济绝大部分地区都属于低水平发展区域，占地超过99%，相应人口占80%，这在一定程度上限制了区域资源环境综合承载力的发挥。具体而言：
（1）西藏社会经济低水平地区社会经济发展指数（SDI）一般低于1.11，均值趋近于1；占地98.95%，虽然全区八成人口汇聚于该类地区，但人口密度仅为2.33人/km2。
（2）西藏社会经济中水平地区社会经济发展指数（SDI）介于1.11-1.41之间，均值在1.22；占地仅0.94%，却有超过一成的人口居住于此，主要分布在一江两河地带、仁布县、江孜县、乃东县、墨竹工卡县等地区，人口密度为30.86人/km2，该类地区自然资源丰富，海拔较低，发展潜力较大，但较低的城镇化水平制约了该类地区的社会经济发展。
（3）西藏社会经济中高水平发展地区社会经济发展指数（SDI）一般在1.41以上，均值在1.59；占地仅0.10%，却有将近一成的人口居住于此，零星分布在拉萨市城关区、日喀则市桑珠孜区、工布江达镇等基础设施相对完善、城镇化率相对较高的城镇，该类区域人口密度高达250.61人/km2 。
图8是根据本发明第一实施方式提供的栅格图中各个县的区域环境承载状况示意图。图9是根据本发明第一实施方式提供的西藏地区的区域资源环境承载的限制图。下表6为西藏资源环境综合承载状态与限制类型统计表。
表6西藏资源环境综合承载状态与限制类型统计表
注：上表中E为人居环境适宜性，R为资源承载力，D为社会经济发展水平。
如图8-9和表6所示，西藏地区全域有超过3/4的县域处于盈余或平衡状态，占地面积超过70%，相应人口超过86%，资源环境综合承载状态整体良好；从空间分布看，东南部县、市优于西北部县、市。具体而言：
（1）西藏资源环境承载力超载地区资源环境综合承载指数（PREDI）一般低于0.9，均值在0.86。全区处于超载状态的县域有9个，占12.16%，占地28.82%，全区13.15%人口分布在该类地区，人口密度为1.60人/km2，这类地区主要分布于阿里地区、日喀则北部和那曲西部，大部分地区受到人居环境适宜性、资源环境限制性和社会经济发展的高度制约，自然环境较为恶劣，资源禀赋不足，社会经济发展水平滞后，需要加强资源环境承载力监测预警机制建设。
（2）西藏资源环境承载力平衡地区资源环境综合承载指数（PREDI）介于0.9-1.1之间，均值趋近于1。全区处于平衡状态的县域有20个，占27.03%，占地56.74%，全区将近四成的人口分布在该类地区，人口密度为2.38人/km2，该类地区主要分布于那曲地区。其中，受人居环境限制的县域有11个，受当地资源承载限制的县域有9个，受社会经济发展水平限制的县域有14个，而类乌齐县和亚东县资源环境与社会经济发展相对均衡。那曲县和江达县分别受到资源环境和社会经济单因素限制，安多县和申扎县受到资源环境和社会经济的高度制约，人口密度仅为0.84人/km2。
（3）西藏资源环境承载力盈余地区资源环境综合承载指数（PREDI）一般高于1.1，均值在1.22。全区处于盈余状态的县域有45个，占60.81%，占地14.44%，相应人口占48.37%，人口密度为11.77人/km2，该类地区主要集中于一江两河区域，山南地区、林芝地区昌都中西部承载状态较好。从限制性因素来看，受人居环境限制的县域有13个，仅城关区受当地资源承载限制，受社会经济发展水平限制的县域有15个，19个县域三方面发展相对均衡，主要集中在一江两河，山南地区和林芝地区北部。
需要说明的是，在图9所示例子中，将各个区域的资源环境综合承载状态分成多种限制类型，例如，R限制型（I1）表示的是由于该区域的RCI低于0.9，因此该区域是由于收到RCI的限制导致处于超载状态。
综上所述，本发明第一实施方式提供的区域资源环境综合承载指数的测定方法，能够准确得到各个待测地区的环境资源承载力，可以为地区的发展规划提供可靠的参考。
图10是根据本发明第二实施方式提供的区域资源环境综合承载指数的测定装置结构示意图。
如图10所示，区域资源环境综合承载指数的测定装置，包括：
图像获取单元，用于获取栅格图，所述栅格图由多个网格构成，每个所述网格对应于预设面积的地理区域。
人居环境指数HEI确定单元，对待测定的区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，并以归一化后的地形起伏度RDLS为高、以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型，根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人居环境指数HEI。
资源承载指数RCI确定单元，利用双曲正切函数分别对获取的所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后，并进行加权求和，得到所述待测定的区域的资源承载指数RCI。
社会经济发展指数SDI确定单元，对获取的所述待测定的区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，并根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI。
测定单元，根据所述待测定区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI；所述区域资源环境综合承载指数PREDI用于确定所述待测定区域资源环境承载状态，所述待测定区域资源环境承载状态包括超载状态、平衡状态或盈余状态。
在一个实施例中，还包括颜色标记单元，用于根据所述待测定的区域的区域资源环境综合承载指数的大小，将所述待测定的区域对应的网格标记为预设颜色。
在一个实施例中，还包括图像输出单元，用于将标记有颜色的栅格图输出。
根据本发明的一个实施例，提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述程序被处理器执行时实现上述区域资源环境综合承载指数的测定方法。
根据本发明的一个实施例，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述区域资源环境综合承载指数的测定方法。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (8)
1.一种区域资源环境综合承载指数的测定方法，其特征在于，包括：
获取栅格图，所述栅格图由多个网格构成，每个所述网格对应于预设面积的地理区域；
对待测定区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，并以归一化后的地形起伏度RDLS为高、以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型，根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定区域的人居环境指数HEI；
利用双曲正切函数分别对所述待测定区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数进行处理，并根据城市化进程不同阶段进行加权求和，得到所述待测定区域的资源承载指数RCI；
对所述待测定区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，并根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI；
根据所述待测定区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI；所述区域资源环境综合承载指数PREDI用于确定所述待测定区域资源环境承载状态，所述待测定区域资源环境承载状态包括超载状态、平衡状态或盈余状态；
所述对待测定的区域对应的网格的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，包括：分别将所述待测定的区域的地被指数LVI、水文指数WRI和温湿指数THI输入到第一公式中得到归一化后的值，
所述第一公式为：
其中，x为变量，为地被指数、水温指数或温湿指数，
为在所述待测定的区域i进行归一化后得到的值；xi为x在待测定的区域i的原始值；X是所述栅格图中的所有的网格的同一个变量的x集合；min(X)表示为所述栅格图中的所有的网格的同一个变量里面的最小值，max(X)表示为所述栅格图中的所有的网格的同一个变量里面的最大值；
将所述地形起伏度输入第二公式得到归一化后的值，所述第二公式为：
其中，第二公式的x为地形起伏度，第二公式的
为地形起伏度x在所述待测定的区域i的进行归一化后得到的值；第二公式的xi为地形起伏度在所述待测定的区域i的原始值；X是所述栅格图中所有的网格的地形起伏度x的集合；min(X)表示为在所述栅格图内的所有的网格的地形起伏度的最小值，max(X)表示为在所述栅格图内的所有的网格的地形起伏度的最大值；
对获取的所述待测定的区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，包括：
分别将人类发展指数HDI、交通通达指数TAI、城市化指数UI输入到第一公式中得到归一化后的值；
所述第一公式为：
其中，x为变量，为人类发展指数、交通通达指数或城市化指数，
为变量x在所述待测定的区域i进行归一化后得到的值；xi为变量x在所述待测定的区域i的原始值；X是所述栅格图内的所有的网格的同一个变量x的集合；min(X)表示为在栅格图中的所有的网格的同一个变量里面的最小值，max(X)表示为在栅格图中的所有的网格的同一个变量里面的最大值；
所述根据所述待测定区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI，包括：
构建四面体模型，包括：以三维空间的原点为所述四面体模型的一个顶点，所述三维空间的原点到三维方向的距离分别为待测定的区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，并得到所述四面体模型的体积；
所述待测定区域的区域资源环境综合承载指数PREDI为所述四面体模型的体积与边长均为1的标准四面体模型的体积的比值。
2.根据权利要求1所述的方法，其特征在于，
当所述区域资源环境综合承载指数PREDI超过1.1时，所述待测定区域资源环境承载状态为盈余状态；
当所述区域资源环境综合承载指数PREDI低于0.9时，所述待测定区域资源环境承载状态为超载状态；
当所述区域资源环境综合承载指数PREDI在0.9到1.1时，所述待测定区域资源环境承载状态处于平衡状态。
3.根据权利要求1所述的方法，其特征在于，所述以归一化后的地形起伏度RDLS为高，以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型的步骤包括：
构建三角锥模型，以O点作为所述三角锥底面的中心点，并以120°为夹角形成三条线段，所述三条线段长度分别与待测定区域归一化后的地被指数LVI、水文指数WRI和温湿指数THI对应；所述三角锥的高度为归一化后的地形起伏度RDLS；
所述根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人居环境指数HEI的步骤包括：
确定所述三角锥模型的体积与标准三角锥的体积的比值HEIv；
将所述比值HEIv作为第一公式中的变量x输入所述第一公式得到归一化后的比值HEIone；根据第三公式确定所述待测定的区域的人居环境指数HEI：
所述第三公式为：HEI＝HEIone-k+1；
其中，HEI是人居环境指数，k为所述栅格图内的所有网格的HEIone的均值。
4.根据权利要求1-3任一项所述的方法，其特征在于，
当所述待测定区域对应的城镇人口占比小于或等于30％时，经过双曲正切函数对所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后的所述土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重分别为0.5、0.3和0.2；
当所述待测定区域对应的城镇人口的占比大于30％且小于或等于70％时，经过双曲正切函数对所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后的所述土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重分别为1/3、1/3和1/3；
当所述待测定区域对应的区域的城镇人口占比超过70％时，经过双曲正切函数对所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后的所述土地资源承载指数LCI、水资源承载指数WCI和生态承载指数ECI的权重分别为0.2、0.5和0.3。
5.根据权利要求1所述的方法，其特征在于，
根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI，包括：
任选一点为所述三维空间立方体的一个顶点，以所述顶点为交点的三条棱边的边长分别为归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，并得到所述三维空间立方体的体积；
确定所述三维空间立方体的体积与边长为1的立方体的体积的比值SDIv；
将所述立方体的体积的比值SDIv作为第一公式中的变量x输入所述第一公式得到归一化后的比值SDIone；
根据第四公式确定所述待测定的区域的社会经济发展指数SDI：
所述第四公式为：SDI＝SDIone-k+1；k为栅格图中所有的网格的所有的SDIone的均值。
6.根据权利要求1-3或5任一项所述的方法，其特征在于，
所述地形起伏度RDLS通过下述方法得到：
RDLS＝ALT/1000+{[Max(H)-Min(H)]×[1-P(A)/A]}/500
ALT为以所述待测定的区域为中心，在栅格图中所有的网格对应的区域的平均海拔；
Max(H)和Min(H)分别为栅格图中所有的网格对应的区域的最高海拔和最低海拔；P(A)为所述栅格图对应的区域的平地面积；A为栅格图对应的区域的总面积；
所述地被指数通过下述方法得到：
LTi为所述栅格图对应的所有土地的土地利用类型指数，Li为该所述栅格图中所有土地的第i种土地利用类型，Ai为栅格图中所有土地的第i种土地利用类型的面积，A为栅格图对应的区域总面积，i＝1，2…25，分别代表了包括了耕地、林地、草地、水域、建设用地与未利用地中的水田、旱地的25类二级土地利用类型，LVI为地被指数，NNDVI为所述待测定的区域的归一化后的植被指数，NLTi为归一化后的所述土地利用类型指数LTi；
所述水文指数WRI通过下述方法得到：
WRI＝αP+βWa+λL，其中，WRI为水文指数，P为归一化后的降水量，Wa为归一化的水网密度，L为归一化的湖泊密度，α、β和λ分别为降水、水网与湖泊的权重；
所述温湿指数通过下述方法得到：
THI＝1.8t-0.55(1-f)(1.8t-26)，其中，
THT为温湿指数，t为月均温，单位为℃，f为月均空气相对湿度，单位为％。
7.根据权利要求1-3或5任一项所述的方法，其特征在于，
所述土地资源承载指数通过下述方法确定：
LCI＝Pa/LCC，LCC＝En/Enpc，
其中，LCI为土地资源承载指数；Pa为带测定区域的人口数量；LCC为土地资源现实承载力或土地资源承载潜力；En为耕地资源产品转换为热量总量；Enpc为人均热量摄入标准，以2521kcal·人/天计；
所述水资源承载指数通过下述方法确定：
WCI＝Pa/WCC，WCC＝W/Wpc，WCI为水资源承载指数；Pa为待测定区域的人口数量；WCC为水资源承载力；W为水资源可利用量；Wpc为人均综合用水量；
所述生态承载指数通过下述方法确定：
ECI＝Pa/ECC，
ECC＝SNPP/(CNPPave×10000)；
其中，ECI为生态承载指数；Pa为待测定区域人口数量；ECC为生态承载力；
SNPP代表生态供给总量，单位为gC；CNPPave代表人均生态消耗量；
所述人类发展指数通过下述方法确定：
HDI＝(LEI+EI+II)/3，
HDI为人类发展指数；LEI为预期寿命；EI为教育指数；II为人均GDP；ALI为成人识字率，单位为％；GEI为小学、中学、大学综合入学率；
所述交通通达指数通过下述方法确定：
TAI＝0.5×(TDI+TCI)；
TCI＝0.53×SDRI+0.20×SDRWI+0.20×SDAI+0.07×SDPI；
其中，TAI为交通通达指数，TDI为交通密度指数，TCI为交通便捷指数，r1，r2和r3分别为全国道路密度指数RDI、铁路密度指数RWDI和水路密度指数WDI与人口密度之间的相关系数，SDRI为所述待测定网格的中心到道路最短距离指数，SDRWI为所述待测定网格的中心到铁路最短距离指数，SDAI为所述待测定网格的中心到机场最短距离指数，SDPI为所述待测定网格的中心到港口最短距离指数；
所述城市化指数通过下述方法确定：
UI＝0.75×UPI+0.25×ULI，UI为城市化指数，UPI为归一化后的人口城市化率，ULI为归一化后的土地城市化率。
8.一种区域资源环境综合承载指数的测定装置，其特征在于，包括：
图像获取单元，用于获取栅格图，所述栅格图由多个网格构成，每个所述网格对应于预设面积的地理区域；
人居环境指数HEI确定单元，对待测定的区域的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，并以归一化后的地形起伏度RDLS为高、以地被指数LVI、水文指数WRI和温湿指数THI为底构建三角锥模型，根据三角锥模型的体积与标准三角锥模型的体积比得到所述待测定的区域的人居环境指数HEI；
所述对待测定的区域对应的网格的地形起伏度RDLS、地被指数LVI、水文指数WRI和温湿指数THI分别进行归一化，包括：分别将所述待测定的区域的地被指数LVI、水文指数WRI和温湿指数THI输入到第一公式中得到归一化后的值，
所述第一公式为：
其中，x为变量，为地被指数、水温指数或温湿指数，
为在所述待测定的区域i进行归一化后得到的值；xi为x在待测定的区域i的原始值；X是所述栅格图中的所有的网格的同一个变量的x集合；min(X)表示为所述栅格图中的所有的网格的同一个变量里面的最小值，max(X)表示为所述栅格图中的所有的网格的同一个变量里面的最大值；
将所述地形起伏度输入第二公式得到归一化后的值，所述第二公式为：
其中，第二公式的x为地形起伏度，第二公式的
为地形起伏度x在所述待测定的区域i的进行归一化后得到的值；第二公式的xi为地形起伏度在所述待测定的区域i的原始值；X是所述栅格图中所有的网格的地形起伏度x的集合；min(X)表示为在所述栅格图内的所有的网格的地形起伏度的最小值，max(X)表示为在所述栅格图内的所有的网格的地形起伏度的最大值；
资源承载指数RCI确定单元，利用双曲正切函数分别对获取的所述待测定的区域的土地资源承载指数LCI的倒数、水资源承载指数WCI的倒数和生态承载指数ECI的倒数处理后，并进行加权求和，得到所述待测定的区域的资源承载指数RCI；
社会经济发展指数SDI确定单元，对获取的所述待测定的区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，根据归一化后的人类发展指数HDI、交通通达指数TAI、城市化指数UI构建三维空间立方体模型，根据所述三维空间立方体模型的体积与标准立方体的体积比得到所述待测定的区域的社会经济发展指数SDI；
对获取的所述待测定的区域的人类发展指数HDI、交通通达指数TAI、城市化指数UI分别进行归一化，包括：
分别将人类发展指数HDI、交通通达指数TAI、城市化指数UI输入到第一公式中得到归一化后的值；
所述第一公式为：
其中，x为变量，为人类发展指数、交通通达指数或城市化指数，
为变量x在所述待测定的区域i进行归一化后得到的值；xi为变量x在所述待测定的区域i的原始值；X是所述栅格图内的所有的网格的同一个变量x的集合；min(X)表示为在栅格图中的所有的网格的同一个变量里面的最小值，max(X)表示为在栅格图中的所有的网格的同一个变量里面的最大值；
测定单元，根据所述待测定的区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建的四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI；所述区域资源环境综合承载指数PREDI用于确定所述待测定区域资源环境承载状态，所述待测定区域资源环境承载状态包括超载状态、平衡状态或盈余状态；所述根据所述待测定区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，根据所述四面体模型的体积与边长均为1的四面体的体积的比值得到所述待测定区域的区域资源环境综合承载指数PREDI，包括：
构建四面体模型，包括：以三维空间的原点为所述四面体模型的一个顶点，所述三维空间的原点到三维方向的距离分别为待测定的区域的人居环境指数HEI、资源承载指数RCI和社会经济发展指数SDI构建四面体模型，并得到所述四面体模型的体积；
所述待测定区域的区域资源环境综合承载指数PREDI为所述四面体模型的体积与边长均为1的标准四面体模型的体积的比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010829426.3A CN111738629B (zh) | 2020-08-18 | 2020-08-18 | 一种区域资源环境综合承载指数的测定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010829426.3A CN111738629B (zh) | 2020-08-18 | 2020-08-18 | 一种区域资源环境综合承载指数的测定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111738629A CN111738629A (zh) | 2020-10-02 |
| CN111738629B true CN111738629B (zh) | 2020-11-27 |
Family
ID=72658573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010829426.3A Active CN111738629B (zh) | 2020-08-18 | 2020-08-18 | 一种区域资源环境综合承载指数的测定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738629B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114282856B (zh) * | 2022-03-07 | 2022-10-18 | 武汉市规划研究院 | 一种市政基础设施综合承载力评估方法、系统及存储介质 |
| CN117876621A (zh) * | 2024-03-07 | 2024-04-12 | 贵州省第一测绘院(贵州省北斗导航位置服务中心) | 一种基于高分辨率遥感图像和地形数据的国土测绘方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100750749B1 (ko) * | 2005-11-29 | 2007-08-30 | 대한민국 | Ｇｉｓ를 이용한 식물자원 수량화 방법 |
| CN102637237A (zh) * | 2012-04-28 | 2012-08-15 | 清华大学 | 一种城乡生态规划的生态资源承载模型方法 |
| CN104794350A (zh) * | 2015-04-23 | 2015-07-22 | 中国科学院地理科学与资源研究所 | 一种区域综合承载力评估系统及方法 |
| CN105868923A (zh) * | 2016-04-21 | 2016-08-17 | 重庆市勘测院 | 基于多要素耦合模型的资源环境承载力评价方法 |
| 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 |
| CN107247747B (zh) * | 2017-05-16 | 2019-08-23 | 中国测绘科学研究院 | 一种区域自然生态地理国情质量综合测度方法 |
-
2020
- 2020-08-18 CN CN202010829426.3A patent/CN111738629B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111738629A (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cetin | Climate comfort depending on different altitudes and land use in the urban areas in Kahramanmaras City | |
| Chen et al. | Relationship between urban spatial form and seasonal land surface temperature under different grid scales | |
| Xiao et al. | An evaluation framework for designing ecological security patterns and prioritizing ecological corridors: Application in Jiangsu Province, China | |
| He et al. | High-resolution dataset of urban canopy parameters for Beijing and its application to the integrated WRF/Urban modelling system | |
| Sinha et al. | Effects of historical and projected land use/cover change on runoff and sediment yield in the Netravati river basin, Western Ghats, India | |
| Schaefer et al. | Evaluation of land cover change and agricultural protection sites: a GIS and remote sensing approach for Ho Chi Minh City, Vietnam | |
| Chen | Water resources research in Northwest China | |
| Wong et al. | A simple method for designation of urban ventilation corridors and its application to urban heat island analysis | |
| Tian et al. | Modeling population density using land cover data | |
| Wu et al. | Analysis of Spatio-temporal patterns and related factors of thermal comfort in subtropical coastal cities based on local climate zones | |
| CN104520861B (zh) | 风功率密度预测方法 | |
| Keramitsoglou et al. | Heat wave hazard classification and risk assessment using artificial intelligence fuzzy logic | |
| CN111738629B (zh) | 一种区域资源环境综合承载指数的测定方法及装置 | |
| Schoetter et al. | Multi-layer coupling between SURFEX-TEB-v9. 0 and Meso-NH-v5. 3 for modelling the urban climate of high-rise cities | |
| Ramachandra et al. | Urbanisation pattern of incipient mega region in India | |
| Morgan et al. | New 30 m resolution Hong Kong climate, vegetation, and topography rasters indicate greater spatial variation than global grids within an urban mosaic | |
| Halik et al. | Suitability analysis of human settlement environment within the Tarim Basin in Northwestern China | |
| Şimşek et al. | Simulation of the climatic changes around the coastal land reclamation areas using artificial neural networks | |
| Coats et al. | Projected 21st century trends in hydroclimatology of the Tahoe basin | |
| Zhang et al. | Identifying ecological corridors for wetland waterbirds in Northeast China | |
| KR101313822B1 (ko) | 신경망 분석 기법을 이용한 풍력 밀도 예측 방법 | |
| Kovács et al. | Assessment of climate change exposure of tourism in Hungary using observations and regional climate model data | |
| Zhao et al. | Spatial–temporal characteristics of surface thermal environment and its effect on Lake surface water temperature in Dianchi Lake basin | |
| Hernández et al. | Land use change in central Florida and sensitivity analysis based on agriculture to urban extreme conversion | |
| Elvidge et al. | Global urban mapping based on nighttime lights |
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 |