CN112579978A - 一种城市生态环境综合分析方法 - Google Patents
一种城市生态环境综合分析方法 Download PDFInfo
- Publication number
- CN112579978A CN112579978A CN202011505399.0A CN202011505399A CN112579978A CN 112579978 A CN112579978 A CN 112579978A CN 202011505399 A CN202011505399 A CN 202011505399A CN 112579978 A CN112579978 A CN 112579978A
- Authority
- CN
- China
- Prior art keywords
- area
- data
- index
- urban
- city
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000013278 delphi method Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 66
- 238000010606 normalization Methods 0.000 claims description 36
- 238000005265 energy consumption Methods 0.000 claims description 27
- 238000012544 monitoring process Methods 0.000 claims description 24
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 18
- 239000010813 municipal solid waste Substances 0.000 claims description 18
- 239000002352 surface water Substances 0.000 claims description 18
- 239000002689 soil Substances 0.000 claims description 17
- 239000000809 air pollutant Substances 0.000 claims description 12
- 231100001243 air pollutant Toxicity 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000004140 cleaning Methods 0.000 claims description 9
- 239000003651 drinking water Substances 0.000 claims description 9
- 235000020188 drinking water Nutrition 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 9
- 238000009439 industrial construction Methods 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 239000002910 solid waste Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000004134 energy conservation Methods 0.000 claims description 6
- 230000005180 public health Effects 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市生态环境综合分析方法，通过获取待分析城市区域范围内的不同评价种类的样本数据，根据获取的上述样本数据分别确定城市区域范围内的评价指数，获取经由Delphi Method方法计算的上述指数在分析城市生态环境时的评分指标权重，最后根据获得的每个指数以及该指数对应的评分指标权重计算得到城市生态环境综合分数，由城市生态环境综合分数确定评价等级。旨在解决现有技术中存在的现有城市生态环境的分析往往简单的采用对所有生态环境参数在生态环境指数对照表中的位置进行独立方向的评价，评价结果不够全面，评价参数独立也使得评价结果不准确的技术问题。
Description
技术领域
本发明涉及智慧城市治理技术领域，尤其涉及一种城市生态环境综合分析方法。
背景技术
城市这一复杂的巨系统，其运转的机制和复杂程度与人体具有相似性。类比于人体，复杂的城市系统可被视为生命体，这一生命体的运行状态的指征就是“城市体征”。
城市体征具有系统整合、动静结合和可量化展示三大特点。系统整合是城市体征最重要的特征。
首先体现在研究对象的综合性上，城市体征涉及土地、设施、人口、资金、信息等多方面要素状况及要素之间互动状态，是综合的指标集合。
其次，系统整合的特点还体现在城市体征系统内要素的层次性上，从最基层的单要素向上提炼、归类、汇总可得到同类或相关要素的一般运行状态，此外通过小的空间研究单元可以向上汇总到更大尺度的空间范围，以服务不同尺度的管理层级。
其三，系统中的对象或要素具有联系性，人地互动、人与设施的交互、人与人的关联等都是城市体征系统的内在联系。城市的生命体征是动态与静态结合的，既有建设用地等相对长期稳态的体征，也有道路交通流量等瞬时变化的体征。对动态变化的关注使得城市体征不同与一般的城市特征，不仅能够评价城市的常态特征，还能够在更细的时空间尺度中展现和评价城市运行状况。
城市体征的本质是表征城市运行状态的指标，这决定了其用以判读城市系统状态和业务短板的根本作用。多源城市数据为城市体征的量化及可视化展示提供了条件。基于城市体征系统整合、动静结合的特点，分不同的层级、多个子系统进行分析，其中不同的层级、各个子系统之间相互作用与影响，从而联结成综合、有机的城市体征系统。
现有城市生态环境的分析往往简单的采用对所有生态环境参数在生态环境指数对照表中的位置进行独立方向的评价，评价结果不够全面，评价参数独立也使得评价结果不准确。因此，如何提供一种城市生态环境综合分析的全面性和准确性，是一个亟需解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种城市生态环境综合分析方法，旨在解决现有技术中存在的现有城市生态环境的分析往往简单的采用对所有生态环境参数在生态环境指数对照表中的位置进行独立方向的评价，评价结果不够全面，评价参数独立也使得评价结果不准确的技术问题。
为实现上述目的，本发明提出一种城市生态环境综合分析方法，所述城市生态环境综合分析方法包括：
获取待分析城市区域范围内的空气质量的样本数据、天气质量的样本数据、地表水质的样本数据、土壤环境的样本数据、生态状况的样本数据、城市环境的样本数据和绿色节能的样本数据；
根据获取的上述样本数据分别确定城市区域范围内的空气质量指数、天气质量指数、地表水质指数、土壤环境指数、生态状况指数、城市环境指数和绿色节能指数；
通过PSR模型，从空气质量、天气质量、地表水质、土壤环境、生态状况、城市环境和绿色节能搜集统计数据，对数据进行描述分析，确定城市生态环境的评分指标体系；
通过DTF算法，对搜集的统计数据进行回归分析，确定城市生态环境的各评分指标的回归方程；
通过数据归一化算法，将不同的量化指标统一维度和量纲，代入回归方程进行评分指标计算；
获取经由Delphi Method方法计算的上述指数在分析城市生态环境时的评分指标权重；
根据获得的每个指数以及该指数对应的评分指标权重计算得到城市生态环境综合分数，通过指数评价模型对城市生态环境综合分数确定评价等级。
优选的，一种城市生态环境综合分析方法，所述空气质量的样本数据包括：城市空气质量指数和城市空气污染物监测信息；其中：
所述城市空气质量指数为所在城市生态环境主管部分发布的空气质量指数参数信息；所述城市空气污染物监测信息为所在城市自建的空气质量监测站获取的空气污染物监测信息；
所述空气质量指数的确定方式为：对获取的城市空气质量指数和城市空气污染物监测信息，依次采用数据归一化、比率求和型算法，得到该城市的空气质量指数。
优选的，一种城市生态环境综合分析方法，所述天气质量的样本数据包括：城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数；其中：
所述城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数为所在城市的上级气象部门对外发布的对应数据参数；
所述天气质量指数的确定方式为：对获取的城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数，采用数据归一化算法，得到该城市的天气质量指数。
优选的，一种城市生态环境综合分析方法，所述地表水质的样本数据包括：集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据；其中：
所述集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据为所在城市的水务、生态环境部门，或所在城市上级水务、生态环境部门发布的对应数据参数；
所述地表水质指数的确定方式为：对获取的集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据，依次采用数据归一化、比率型、满足型算法，得到该城市的地表水质指数。
优选的，一种城市生态环境综合分析方法，所述土壤环境的样本数据包括：被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据；其中：
所述被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据为所在城市的生态环境、住建部门，或所在城市的上级生态环境、住建部门发布的对应数据参数；
所述土壤环境指数的确定方式为：对获取的被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据，依次采用数据归一化、比率型、满足型算法，得到该城市的土壤环境指数。
优选的，一种城市生态环境综合分析方法，所述生态状况的样本数据包括：森林面积、水域面积、草地面积、林地面积、农田面积、辖区总面积、河流长度、湖库面积、水资源量、固废排放量、COD排放量、二氧化硫排放量、区域年均降水量数据；其中：
所述森林面积、水域面积、草地面积、林地面积、农田面积、辖区总面积、河流长度、湖库面积、水资源量、固废排放量、COD排放量、二氧化硫排放量、区域年均降水量数据为所在城市的生态环境、水务、规划和自然资源部门，或所在城市的上级生态环境、水务、规自部门发布的对应数据参数；
所述生态状况指数的确定方式为：对获取的森林面积、水域面积、草地面积、辖区总面积确定生物丰度指数；对获取的草地面积、林地面积、农田面积、辖区总面积、辖区总面积确定植被覆盖指数；对获取的河流长度、湖库面积、水资源量、辖区总面积确定水网密度指数；对获取的固废排放量、COD排放量、二氧化硫排放量、区域年均降水量确定污染负荷指数；对获取的生物丰度指数、植被覆盖指数、水网密度指数、污染负荷指数，依次采用数据归一化、比率求和算法，得到该城市的生态状况指数。
优选的，一种城市生态环境综合分析方法，所述生物丰度指数的确定方式为：数据归一化算法；所述植被覆盖指数的确定方式为：数据归一化算法；所述水网密度指数的确定方式为：数据归一化算法；所述污染负荷指数的确定方式为：数据归一化算法。
优选的，一种城市生态环境综合分析方法，所述城市环境的样本数据包括：建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据；其中：
所述建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据为所在城市的综合执法、住建部门，或所在城市的上级综合执法、住建部门发布的对应数据参数；
所述城市环境指数的确定方式为：对获取的建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据，依次采用数据归一化、满足型算法，得到该城市的城市环境指数。
优选的，一种城市生态环境综合分析方法，所述绿色节能的样本数据包括：单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据；其中：
所述单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据为所在城市的统计、交通运输、公安、经济和信息化、供电公司、燃气公司、石油公司，或所在城市的上级统计、交通运输、公安、经信、供电公司、燃气公司、石油公司发布的对应数据参数；
所述绿色节能指数的确定方式为：对获取的单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据，依次采用数据归一化、比率型、满足型算法，得到该城市的绿色节能指数。
优选的，一种城市生态环境综合分析方法，所述城市生态环境综合分数通过指数分值加权计算后得出。
有益效果：本发明通过获取待分析城市区域范围内的不同评价种类的样本数据，根据获取的上述样本数据分别确定城市区域范围内的评价指数，获取经由Delphi Method方法计算的上述指数在分析城市生态环境时的评分指标权重，最后根据获得的每个指数以及该指数对应的评分指标权重计算得到城市生态环境综合分数，由城市生态环境综合分数确定评价等级。旨在解决现有技术中存在的现有城市生态环境的分析往往简单的采用对所有生态环境参数在生态环境指数对照表中的位置进行独立方向的评价，评价结果不够全面，评价参数独立也使得评价结果不准确的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明提出的一种城市生态环境综合分析方法的流程步骤原理示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
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，所描述的实施例仅是本发明的一部分实施例，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。
本发明提出了一种实施例，参照图1，图1为本发明提出的一种城市生态环境综合分析方法的流程原理步骤示意图。
如图1所示，在本实施例中，提供一种城市生态环境综合分析方法，所述城市生态环境综合分析方法包括：
获取待分析城市区域范围内的空气质量的样本数据、天气质量的样本数据、地表水质的样本数据、土壤环境的样本数据、生态状况的样本数据、城市环境的样本数据和绿色节能的样本数据；
根据获取的上述样本数据分别确定城市区域范围内的空气质量指数、天气质量指数、地表水质指数、土壤环境指数、生态状况指数、城市环境指数和绿色节能指数；
通过PSR模型，从空气质量、天气质量、地表水质、土壤环境、生态状况、城市环境和绿色节能搜集统计数据，对数据进行描述分析，确定城市生态环境的评分指标体系；
通过DTF算法，对搜集的统计数据进行回归分析，确定城市生态环境的各评分指标的回归方程；
通过数据归一化算法，将不同的量化指标统一维度和量纲，代入回归方程进行评分指标计算；
获取经由Delphi Method方法计算的上述指数在分析城市生态环境时的评分指标权重；
根据获得的每个指数以及该指数对应的评分指标权重计算得到城市生态环境综合分数，通过指数评价模型对城市生态环境综合分数确定评价等级。
在一个优选的实施例中，所述空气质量的样本数据包括：城市空气质量指数和城市空气污染物监测信息；其中：
所述城市空气质量指数为所在城市生态环境主管部分发布的空气质量指数参数信息；所述城市空气污染物监测信息为所在城市自建的空气质量监测站获取的空气污染物监测信息；
所述空气质量指数的确定方式为：对获取的城市空气质量指数和城市空气污染物监测信息，依次采用数据归一化、比率求和型算法，得到该城市的空气质量指数。
在一个优选的实施例中，所述天气质量的样本数据包括：城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数；其中：
所述城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数为所在城市的上级气象部门对外发布的对应数据参数；
所述天气质量指数的确定方式为：对获取的城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数，采用数据归一化算法，得到该城市的天气质量指数。
在一个优选的实施例中，所述地表水质的样本数据包括：集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据；其中：
所述集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据为所在城市的水务、生态环境部门，或所在城市上级水务、生态环境部门发布的对应数据参数；
所述地表水质指数的确定方式为：对获取的集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据，依次采用数据归一化、比率型、满足型算法，得到该城市的地表水质指数。
在一个优选的实施例中，所述土壤环境的样本数据包括：被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据；其中：
所述被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据为所在城市的生态环境、住建部门，或所在城市的上级生态环境、住建部门发布的对应数据参数；
所述土壤环境指数的确定方式为：对获取的被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据，依次采用数据归一化、比率型、满足型算法，得到该城市的土壤环境指数。
在一个优选的实施例中，所述生态状况的样本数据包括：森林面积、水域面积、草地面积、林地面积、农田面积、辖区总面积、河流长度、湖库面积、水资源量、固废排放量、COD排放量、二氧化硫排放量、区域年均降水量数据；其中：
所述森林面积、水域面积、草地面积、林地面积、农田面积、辖区总面积、河流长度、湖库面积、水资源量、固废排放量、COD排放量、二氧化硫排放量、区域年均降水量数据为所在城市的生态环境、水务、规划和自然资源部门，或所在城市的上级生态环境、水务、规自部门发布的对应数据参数；
所述生态状况指数的确定方式为：对获取的森林面积、水域面积、草地面积、辖区总面积确定生物丰度指数；对获取的草地面积、林地面积、农田面积、辖区总面积、辖区总面积确定植被覆盖指数；对获取的河流长度、湖库面积、水资源量、辖区总面积确定水网密度指数；对获取的固废排放量、COD排放量、二氧化硫排放量、区域年均降水量确定污染负荷指数；对获取的生物丰度指数、植被覆盖指数、水网密度指数、污染负荷指数，依次采用数据归一化、比率求和算法，得到该城市的生态状况指数。
在一个优选的实施例中，所述生物丰度指数的确定方式为：数据归一化算法；所述植被覆盖指数的确定方式为：数据归一化算法；所述水网密度指数的确定方式为：数据归一化算法；所述污染负荷指数的确定方式为：数据归一化算法。
在一个优选的实施例中，所述城市环境的样本数据包括：建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据；其中：
所述建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据为所在城市的综合执法、住建部门，或所在城市的上级综合执法、住建部门发布的对应数据参数；
所述城市环境指数的确定方式为：对获取的建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据，依次采用数据归一化、满足型算法，得到该城市的城市环境指数。
在一个优选的实施例中，所述绿色节能的样本数据包括：单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据；其中：
所述单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据为所在城市的统计、交通运输、公安、经济和信息化、供电公司、燃气公司、石油公司，或所在城市的上级统计、交通运输、公安、经信、供电公司、燃气公司、石油公司发布的对应数据参数；
所述绿色节能指数的确定方式为：对获取的单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据，依次采用数据归一化、比率型、满足型算法，得到该城市的绿色节能指数。
在一个优选的实施例中，所述城市生态环境综合分数通过指数分值加权计算后得出。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、制度存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种城市生态环境综合分析方法，其特征在于，所述城市生态环境综合分析方法包括：
获取待分析城市区域范围内的空气质量的样本数据、天气质量的样本数据、地表水质的样本数据、土壤环境的样本数据、生态状况的样本数据、城市环境的样本数据和绿色节能的样本数据；
根据获取的上述样本数据分别确定城市区域范围内的空气质量指数、天气质量指数、地表水质指数、土壤环境指数、生态状况指数、城市环境指数和绿色节能指数；
通过PSR模型，从空气质量、天气质量、地表水质、土壤环境、生态状况、城市环境和绿色节能搜集统计数据，对数据进行描述分析，确定城市生态环境的评分指标体系；
通过DTF算法，对搜集的统计数据进行回归分析，确定城市生态环境的各评分指标的回归方程；
通过数据归一化算法，将不同的量化指标统一维度和量纲，代入回归方程进行评分指标计算；
获取经由Delphi Method方法计算的上述指数在分析城市生态环境时的评分指标权重；
根据获得的每个指数以及该指数对应的评分指标权重计算得到城市生态环境综合分数，通过指数评价模型对城市生态环境综合分数确定评价等级。
2.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述空气质量的样本数据包括：城市空气质量指数和城市空气污染物监测信息；其中：
所述城市空气质量指数为所在城市生态环境主管部分发布的空气质量指数参数信息；所述城市空气污染物监测信息为所在城市自建的空气质量监测站获取的空气污染物监测信息；
所述空气质量指数的确定方式为：对获取的城市空气质量指数和城市空气污染物监测信息，依次采用数据归一化、比率求和型算法，得到该城市的空气质量指数。
3.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述天气质量的样本数据包括：城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数；其中：
所述城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数为所在城市的上级气象部门对外发布的对应数据参数；
所述天气质量指数的确定方式为：对获取的城市天气状况数据、城市温度数据、城市相对湿度数据、城市风力数据、城市感冒指数和城市紫外线指数，采用数据归一化算法，得到该城市的天气质量指数。
4.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述地表水质的样本数据包括：集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据；其中：
所述集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据为所在城市的水务、生态环境部门，或所在城市上级水务、生态环境部门发布的对应数据参数；
所述地表水质指数的确定方式为：对获取的集中式饮用水水源地监测数据、主要河流断面水质数据、黑臭水体治理情况数据、河/湖长制问题上报处理数据、排污口预警数据，依次采用数据归一化、比率型、满足型算法，得到该城市的地表水质指数。
5.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述土壤环境的样本数据包括：被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据；其中：
所述被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据为所在城市的生态环境、住建部门，或所在城市的上级生态环境、住建部门发布的对应数据参数；
所述土壤环境指数的确定方式为：对获取的被污染地块面积、非工业建设用地面积、已建设用地总面积、人均公共绿地面积、城市绿地面积、含水域湿地面积、农田面积、城市规划区面积数据，依次采用数据归一化、比率型、满足型算法，得到该城市的土壤环境指数。
6.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述生态状况的样本数据包括：森林面积、水域面积、草地面积、林地面积、农田面积、辖区总面积、河流长度、湖库面积、水资源量、固废排放量、COD排放量、二氧化硫排放量、区域年均降水量数据；其中：
所述森林面积、水域面积、草地面积、林地面积、农田面积、辖区总面积、河流长度、湖库面积、水资源量、固废排放量、COD排放量、二氧化硫排放量、区域年均降水量数据为所在城市的生态环境、水务、规划和自然资源部门，或所在城市的上级生态环境、水务、规自部门发布的对应数据参数；
所述生态状况指数的确定方式为：对获取的森林面积、水域面积、草地面积、辖区总面积确定生物丰度指数；对获取的草地面积、林地面积、农田面积、辖区总面积、辖区总面积确定植被覆盖指数；对获取的河流长度、湖库面积、水资源量、辖区总面积确定水网密度指数；对获取的固废排放量、COD排放量、二氧化硫排放量、区域年均降水量确定污染负荷指数；对获取的生物丰度指数、植被覆盖指数、水网密度指数、污染负荷指数，依次采用数据归一化、比率求和算法，得到该城市的生态状况指数。
7.如权利要求6所述的一种城市生态环境综合分析方法，其特征在于，所述生物丰度指数的确定方式为：数据归一化算法；所述植被覆盖指数的确定方式为：数据归一化算法；所述水网密度指数的确定方式为：数据归一化算法；所述污染负荷指数的确定方式为：数据归一化算法。
8.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述城市环境的样本数据包括：建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据；其中：
所述建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据为所在城市的综合执法、住建部门，或所在城市的上级综合执法、住建部门发布的对应数据参数；
所述城市环境指数的确定方式为：对获取的建成区公共卫生清扫总面积、城市建成区面积、生活垃圾无害化处理总量、生活垃圾产生总量、区域环境噪声达标区面积数据，依次采用数据归一化、满足型算法，得到该城市的城市环境指数。
9.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述绿色节能的样本数据包括：单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据；其中：
所述单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据为所在城市的统计、交通运输、公安、经济和信息化、供电公司、燃气公司、石油公司，或所在城市的上级统计、交通运输、公安、经信、供电公司、燃气公司、石油公司发布的对应数据参数；
所述绿色节能指数的确定方式为：对获取的单位GDP能耗、单位工业增加值能耗、绿色能源车数量、公共交通出行指数、城市通达率、工业用电量、工业用气量、化学能用量数据，依次采用数据归一化、比率型、满足型算法，得到该城市的绿色节能指数。
10.如权利要求1所述的一种城市生态环境综合分析方法，其特征在于，所述城市生态环境综合分数通过指数分值加权计算后得出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011505399.0A CN112579978A (zh) | 2020-12-18 | 2020-12-18 | 一种城市生态环境综合分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011505399.0A CN112579978A (zh) | 2020-12-18 | 2020-12-18 | 一种城市生态环境综合分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112579978A true CN112579978A (zh) | 2021-03-30 |
Family
ID=75136091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011505399.0A Pending CN112579978A (zh) | 2020-12-18 | 2020-12-18 | 一种城市生态环境综合分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112579978A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113155190A (zh) * | 2021-04-16 | 2021-07-23 | 浙江农林大学 | 一种基坑施工区域环境监测装置及方法 |
| CN113155191A (zh) * | 2021-04-16 | 2021-07-23 | 浙江农林大学 | 一种城市区域生态环境监测方法 |
| CN116045438A (zh) * | 2023-01-09 | 2023-05-02 | 江苏悦达绿色建筑科技有限公司 | 一种三恒智慧住宅的新风系统及其控制方法 |
| CN116629697A (zh) * | 2023-06-07 | 2023-08-22 | 河南省科学院地理研究所 | 一种城市能源生态评价方法、系统、终端及存储介质 |
| CN118379170A (zh) * | 2024-03-28 | 2024-07-23 | 建元未来城市投资发展有限公司 | 一种基于大数据的城市环境数字化管理系统 |
| CN118608015A (zh) * | 2024-08-08 | 2024-09-06 | 生态环境部环境工程评估中心 | 基于大数据的道路交通生态环境影响评价方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103116825A (zh) * | 2013-01-29 | 2013-05-22 | 江苏省邮电规划设计院有限责任公司 | 智慧城市管理系统 |
| KR20130090629A (ko) * | 2012-02-06 | 2013-08-14 | 청주대학교 산학협력단 | 대화형 저탄소 시뮬레이션 시스템 |
| CN104750987A (zh) * | 2015-03-24 | 2015-07-01 | 北京大学深圳研究生院 | 一种村镇区域宜居基准测试的评价方法、系统 |
| CN111798087A (zh) * | 2020-05-18 | 2020-10-20 | 生态环境部南京环境科学研究所 | 一种农村环境质量综合评估监管系统及方法 |
-
2020
- 2020-12-18 CN CN202011505399.0A patent/CN112579978A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130090629A (ko) * | 2012-02-06 | 2013-08-14 | 청주대학교 산학협력단 | 대화형 저탄소 시뮬레이션 시스템 |
| CN103116825A (zh) * | 2013-01-29 | 2013-05-22 | 江苏省邮电规划设计院有限责任公司 | 智慧城市管理系统 |
| CN104750987A (zh) * | 2015-03-24 | 2015-07-01 | 北京大学深圳研究生院 | 一种村镇区域宜居基准测试的评价方法、系统 |
| CN111798087A (zh) * | 2020-05-18 | 2020-10-20 | 生态环境部南京环境科学研究所 | 一种农村环境质量综合评估监管系统及方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113155190A (zh) * | 2021-04-16 | 2021-07-23 | 浙江农林大学 | 一种基坑施工区域环境监测装置及方法 |
| CN113155191A (zh) * | 2021-04-16 | 2021-07-23 | 浙江农林大学 | 一种城市区域生态环境监测方法 |
| CN113155191B (zh) * | 2021-04-16 | 2022-03-11 | 浙江农林大学 | 一种城市区域生态环境监测方法 |
| CN116045438A (zh) * | 2023-01-09 | 2023-05-02 | 江苏悦达绿色建筑科技有限公司 | 一种三恒智慧住宅的新风系统及其控制方法 |
| CN116629697A (zh) * | 2023-06-07 | 2023-08-22 | 河南省科学院地理研究所 | 一种城市能源生态评价方法、系统、终端及存储介质 |
| CN116629697B (zh) * | 2023-06-07 | 2024-03-12 | 河南省科学院地理研究所 | 一种城市能源生态评价方法、系统、终端及存储介质 |
| CN118379170A (zh) * | 2024-03-28 | 2024-07-23 | 建元未来城市投资发展有限公司 | 一种基于大数据的城市环境数字化管理系统 |
| CN118608015A (zh) * | 2024-08-08 | 2024-09-06 | 生态环境部环境工程评估中心 | 基于大数据的道路交通生态环境影响评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112579978A (zh) | 一种城市生态环境综合分析方法 | |
| Yang et al. | Comprehensive evaluation and scenario simulation for the water resources carrying capacity in Xi'an city, China | |
| Tao et al. | How does urban form influence PM2. 5 concentrations: Insights from 350 different-sized cities in the rapidly urbanizing Yangtze River Delta region of China, 1998–2015 | |
| Li et al. | Flood loss analysis and quantitative risk assessment in China | |
| Guo et al. | A comprehensive evaluation model of regional atmospheric environment carrying capacity: Model development and a case study in China | |
| Kurt et al. | Forecasting air pollutant indicator levels with geographic models 3 days in advance using neural networks | |
| Yang et al. | Integrated hydro-environmental impact assessment and alternative selection of low impact development practices in small urban catchments | |
| Bedri et al. | Evaluating a microbial water quality prediction model for beach management under the revised EU Bathing Water Directive | |
| Cheng et al. | Predicting daily ozone concentration maxima using fuzzy time series based on a two-stage linguistic partition method | |
| CN110765419B (zh) | 一种基于多源数据耦合的重要水功能区水质风险测评方法 | |
| Yan et al. | Ecological risk assessment from the viewpoint of surface water pollution in Xiamen City, China | |
| Xu et al. | Risk assessment model of agricultural drought disaster based on grey matter-element analysis theory | |
| Wang et al. | Predicting water quality during urbanization based on a causality-based input variable selection method modified back-propagation neural network | |
| Ma et al. | A GIS-based interval fuzzy linear programming for optimal land resource allocation at a city scale | |
| Kim et al. | Application of AI-based models for flood water level forecasting and flood risk classification | |
| Guan et al. | Comprehensive evaluation of water-use efficiency in China’s Huai river basin using a cloud–compound fuzzy matter element–entropy combined model | |
| Wang et al. | Assessment of future socioeconomic drought based on CMIP6: evolution, driving factors and propagation | |
| Jiao et al. | An approach to exploring the spatial distribution and influencing factors of urban problems based on Land use types | |
| Neysiani et al. | Water resources assessment of zayandeh-rood river basin using integrated surface water and groundwater footprints and K-means clustering method | |
| de Figueirêdo et al. | Environmental performance evaluation of agro-industrial innovations–Part 2: methodological approach for performing vulnerability analysis of watersheds | |
| Choi et al. | Daily prediction of total coliform concentrations using artificial neural networks | |
| CN112561346A (zh) | 一种城市综合运行指数分析方法 | |
| Kassomenos et al. | One-day-ahead prediction of maximum carbon monoxide concentration in urban environments | |
| CN112561345A (zh) | 一种城市营商环境综合分析方法 | |
| Han et al. | Projected urban flood risk assessment under climate change and urbanization based on an optimized multi-scale geographically weighted regression |
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 |