CN113298287A - 面向SDGs的区域土地需求量序列预测方法 - Google Patents
面向SDGs的区域土地需求量序列预测方法 Download PDFInfo
- Publication number
- CN113298287A CN113298287A CN202110361327.1A CN202110361327A CN113298287A CN 113298287 A CN113298287 A CN 113298287A CN 202110361327 A CN202110361327 A CN 202110361327A CN 113298287 A CN113298287 A CN 113298287A
- Authority
- CN
- China
- Prior art keywords
- sdgs
- land
- regional
- oriented
- demand
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000011161 development Methods 0.000 claims abstract description 47
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 235000018343 nutrient deficiency Nutrition 0.000 claims description 5
- 239000010419 fine particle Substances 0.000 claims description 4
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000002688 persistence Effects 0.000 claims description 2
- 238000013277 forecasting method Methods 0.000 claims 2
- 230000010354 integration Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 238000011160 research Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 238000013316 zoning Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 241000656416 Amazonia Species 0.000 description 1
- 241000218691 Cupressaceae Species 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 229920000459 Nitrile rubber Polymers 0.000 description 1
- 240000001890 Ribes hudsonianum Species 0.000 description 1
- 235000016954 Ribes hudsonianum Nutrition 0.000 description 1
- 235000001466 Ribes nigrum Nutrition 0.000 description 1
- 229920002310 Welan gum Polymers 0.000 description 1
- UMJFGLNAUQKBET-UHFFFAOYSA-N [2,4,5-triacetyloxy-3,6-bis(4-hydroxyphenyl)phenyl] acetate Chemical compound CC(=O)OC=1C(OC(C)=O)=C(C=2C=CC(O)=CC=2)C(OC(=O)C)=C(OC(C)=O)C=1C1=CC=C(O)C=C1 UMJFGLNAUQKBET-UHFFFAOYSA-N 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- SESFRYSPDFLNCH-UHFFFAOYSA-N benzyl benzoate Chemical compound C=1C=CC=CC=1C(=O)OCC1=CC=CC=C1 SESFRYSPDFLNCH-UHFFFAOYSA-N 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000000112 undernutrition Nutrition 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向SDGs的区域土地需求量序列预测方法，该方法为：综合考虑区域气温、湿度以及地缘区划的因素，将区域国家划分为9个子区域；集成SDGs指标以及土地需求变化驱动因素，构建面向SDGs的区域国家土地利用系统动力学模型；确定系统动力学模型变量间计算公式，完成模型检验；选定情景变量，设置面向不同SDGs目标的未来可持续发展情景；获得9个子区域未来不同可持续情景下各地类需求量时序预测值。本发明的方法将SDGs指标与影响土地需求的其他因素结合起来，共同作为系统动力学的变量，丰富了土地利用需求预测的驱动因素，并设置针对于联合国可持续发展目标的不同可持续发展情景。
Description
技术领域
本发明涉及联合国可持续发展目标以及系统动力学模型预测，尤其是一种面向SDGs 的区域土地需求量序列预测方法。
背景技术
“可持续发展目标”(Sustainable Development Goals,SDGs)包含了17个可持续发展目标和169个具体目标，充分反映了衡量可持续发展的三个方面，即经济发展、环境美好和社会进步。对可持续发展目标区域的土地利用需求量预测研究不仅可以揭示该倡议对于土地利用需求量的影响，同时也能从土地利用变化的角度侧面印证建设区域的内容达到何种成效，为可持续发展目标区域国家在土地利用可持续方向的发展提供参考策略。目前SDGs指标应用于土地利用需求量预测的研究还未完善，亟待充实。
发明内容
发明目的：本发明提出了一种面向SDGs的区域土地需求量序列预测方法。将SDGs指标与影响土地需求的其他因素结合起来，共同作为系统动力学的变量，丰富了土地利用需求预测的驱动因素，并设置针对于联合国可持续发展目标的不同可持续发展情景。
为了实现上述目的，本发明提出的技术方案为：
面向SDGs的区域土地需求量序列预测方法，该方法包括如下步骤：
(1)综合考虑区域气温、湿度以及政治经济地缘区划等因素，将区域沿线国家划分为9 个子区域；
(2)集成SDGs指标以及土地需求变化驱动因素，构建面向SDGs的区域沿线国家土地利用系统动力学模型；
(3)确定系统动力学模型变量间计算公式，完成模型检验；
(4)选定情景变量，设置面向不同SDGs目标的未来可持续发展情景；
(5)获得9个子区域未来不同可持续情景下各地类需求量时序预测值。
优选的，步骤(2)中，集成联合国可持续发展目标(SDGs)具体为将本土化后的SDGs指标作为系统动力学模型变量参与模拟预测。选用的SDGs指标包括：2.1.1营养不足发生率、 2.3.1粮食单产、8.1GDP增长率、9.b.1中高科技产业增加率、11.6.2城市细颗粒物年度均值。
优选的，步骤(2)中，构建面向SDGs的区域沿线国家土地利用系统动力学模型。该系统动力学模型的历史真实数据为2001-2015年各用地类型面积，预测时间边界为2015-2030 年，以2015年作为模拟的基准年，为减少年际变化过大所带来的模拟误差，时间步长选定为 1年。
优选的，步骤(2)中，土地利用系统动力学模型中，将土地共分为6种类型，分别为：耕地、林地、草地、建设用地、水域、未利用地。
优选的，步骤(3)中，系统动力学模型变量间计算的公式共分为三类：经验公式、回归公式以及表函数公式。
优选的，步骤(4)中，情景变量选定为GDP增长率、粮食单产、营养不足发生率、PM2.5 浓度、气温、降水。
优选的，步骤(4)中，未来可持续发展情景，分别为：基准情景、经济发展情景、粮食持续情景、环境友好情景。除基准情景外，其余情景SDGs指标预测值依照联合国可持续发展报告中提供的指标指示板确定。
优选的，步骤(4)中，子区域的未来可持续发展情景值具有差异，具体阙值根据当前该区域处于的可持续发展阶段以及欲达到的可持续发展阶段从而设置不同的预测值。
优选的，步骤(5)中，获得9个子区域未来不同可持续情景下各地类需求量时序预测值，需要组织每个子区域不同的输入数据和情景值，多次运行系统动力学模型。
本发明的有益效果为：本发明主要应用于未来不同可持续发展情景下的区域沿线国家土地需求量序列预测，推动了SDGs多指标区域尺度下的耦合应用研究，为区域沿线国家在土地利用可持续方向的发展规划提供参考策略。
附图说明
图1为本发明的基本框架结构示意图。
图2为本发明系统动力学流图。
图3为中国分区不同可持续情景下各地类需求量序列预测结果图，其中图3(a)为耕地需求量序列预测结果图，图3(b)为林地需求量序列预测结果图，图3(c)为草地需求量序列预测结果图，图3(d)为建设用地需求量序列预测结果图，图3(e)为水域需求量序列预测结果图，图3(f)为未利用地需求量序列预测结果图。
具体实施方式
面向SDGs的区域土地需求量序列预测方法，该方法包括如下步骤：
(1)综合考虑区域气温、湿度以及政治经济地缘区划等因素，将区域沿线国家划分为9 个子区域；
(2)集成SDGs指标以及土地需求变化驱动因素，构建面向SDGs的区域沿线国家土地利用系统动力学模型；
(3)确定系统动力学模型变量间计算公式，完成模型检验；
(4)选定情景变量，设置面向不同SDGs目标的未来可持续发展情景；
(5)获得9个子区域未来不同可持续情景下各地类需求量时序预测值。
本发明提供一种面向SDGs的区域土地需求量序列预测方法，本方法包含三个部分，如图1所示。第一部分为区域沿线国家分区；第二部分为面向SDGs的区域沿线国家土地利用系统动力学模型构建；第三部分为面向SDGs的区域沿线国家土地利用系统动力学模型可持续发展情景模拟。
一种面向SDGs的区域土地需求量序列预测方法基本框架，如图1所示，包括三部分：
(1)区域沿线国家分区
(11)区域沿线国家2001-2015年土地利用变化分析，将ESA CCI 300m土地利用数据重分类为6类，计算各地类面积增长率。
(12)基于区域国家的实际情况以及后续系统动力学研究需要，考虑到经济、气候以及地理位置三重因素，以气候带为基础结合国家地理位置，综合考虑地理位置相近国家的经济发展情况以及历史土地利用变化情况，将66个国家分为9个区。
(2)面向SDGs的区域沿线国家土地利用系统动力学模型构建
(21)筛选SDGs指标中适合作为影响土地利用模拟情景的指标，与其他土地利用需求驱动因素共同作为系统动力学变量。绘制因果回路图和系统动力学流图，构建区域土地利用系统动力学模型。系统动力学流图如图2所示。
(22)组织土地利用数据以及其他社会经济数据，确定系统动力学回归方程，验证模型精度。
(3)面向SDGs的区域沿线国家土地利用系统动力学模型可持续发展情景模拟
(31)选择情景变量，依据联合国可持续发展报告中提供的指标指示板确定各情景变量的Green、Yellow、Orange和Red值。
(32)设置基准情景、经济发展情景、粮食持续情景和环境友好情景四个情景
(33)以1年为间隔输出9个子区域不同情景相应的各地类面积变化序列数据预测值。
第一部分是区域沿线国家分区，具体实施步骤包含以下内容：
(1)区域土地利用类型重分类
本发明的土地利用数据来源为ESACCI土地利用数据产品，空间分辨率为300m，将原有土地分类类型重分类为6类，分别为耕地、林地、草地、建设用地、水域以及未利用地。
(2)区域各地类2001-2015年面积增长率计算
以2001年作为起始年份，2015年作为终止年份，为区域沿线国家分区提供依据。
(3)区域沿线国家分区
区域包含国家众多，基于可持续发展区域国家的实际情况以及后续系统动力学研究需要，考虑到经济、气候以、地理位置以及土地利用变化多重因素，以气候带为基础结合国家地理位置，综合考虑地理位置相近国家的经济发展情况，将66个国家分为9个子区域，结果如下。其中分区依据以及数据来源如表1所示，分区名称及代号如表2所示。
子区域一：哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、塔吉克斯坦、吉尔吉斯斯坦、格鲁吉亚、阿塞拜疆、亚美尼亚、蒙古；
子区域二：波斯尼亚和黑塞哥维那、黑山、塞尔维亚、马其顿、阿尔巴尼亚、乌克兰、白俄罗斯、摩尔多瓦；
子区域三：塞浦路斯、爱沙尼亚、捷克、斯洛伐克、斯洛文尼亚、希腊；
子区域四：立陶宛、拉脱维亚、罗马尼亚、保加利亚、匈牙利、克罗地亚、波兰；
子区域五：以色列、沙特阿拉伯、阿曼、阿联酋、卡塔尔、科威特、巴林、土耳其；
子区域六：伊朗、伊拉克、叙利亚、约旦、黎巴嫩、巴勒斯坦、也门、埃及；
子区域七：老挝、柬埔寨、越南、缅甸、菲律宾、孟加拉、尼泊尔、印度尼西亚、印度、巴基斯坦、阿富汗、斯里兰卡、不丹、新加坡、马来西亚、泰国、文莱、马尔代夫；
俄罗斯；中国。
表1分区依据以及数据来源
表2、9个子区域
第二部分为面向SDGs的沿线国家土地利用系统动力学模型构建，具体实施步骤包含以下内容：
(1)绘制面向SDGs的沿线国家土地利用系统动力学模型流图
综合区域社会经济数据以及SDGs影响土地利用需求的指标，确定系统动力学模型变量 (见表3)，分析区域土地利用转移情况，绘制各变量间的因果回路图和系统流图，建立面向 SDGs的土地利用系统动力学模型，如图2所示。模型内涉及的数据以及来源如表4所示。
表3系统动力学模型变量
表4系统动力学模型数据及来源
(2)面向SDGs的沿线国家土地利用系统动力学模型变量公式确定
系统动力学模型变量间公式由经验公式、回归公式以及表函数公式构成，此处展示中国分区的回归公式如下：
耕地＝IF THEN ELSE(Time<＝2009,2.62597e+06+470.852*气温+1.9064e-10*固定资产投资额-7.599*粮食需求-4697.78*"2.3.1粮食单产"+12.035*降水,2.62229e+06-14648.4*气温-6.218* 粮食需求+642007*"2.3.1粮食单产"-5.383*降水-5.1052e-09*固定资产投资额)单位：平方千米
林地＝4.80096e+06-3.401*降水-5.679e-09*固定资产投资额-0.589412*耕地-0.520418*草地单位：平方千米
草地＝3.79702e+06-9719.85*气温+1.5625e-09*固定资产投资额-0.083952*耕地+142.806* 畜牧业生产指数-0.756476*水域单位：平方千米
建设用地＝371123-1.064e-09*科技进步+2.46*城市人口-0.205312*耕地+5.214*"11.6.2城市细颗粒物年度均值"单位：平方千米
水域＝399605-8.351e-05*渔业总产量-0.086224*耕地+6.2163e-10*固定资产投资额单位：平方千米
水产养殖产量＝8.583e-07*GDP+1925.86*总人口-2.24859e+08单位：吨
渔业捕捞产量＝3.435e-07*GDP-48.181*总人口+2.03534e+07单位：吨
固定资产投资额＝0.435422*GDP-1.29509e+11单位：百万美元
(3)面向SDGs的区域沿线国家土地利用系统动力学模型模拟精度检验
系统动力学历史土地数据仿真校验公式为：
利用该公式计算2015年9个子区域土地利用模拟历史校验精度，如表5所示。
表5九个子区系统动力学土地利用模拟历史校验结果(2015年)Km2
第三部分为面向SDGs的沿线国家土地利用系统动力学模型情景模拟，具体实施步骤包含以下内容：
(1)拟定面向SDGs的可持续发展情景
将SDG8.1GDP增长率、SDG2.3.1粮食单产、SDG2.1.1营养不足发生率、SDG11.6.2城市细颗粒物年度均值选定为情景变量，每个情景变量包含Green、Yellow、Orange、Red、Actual 共5种未来趋势。设置基准情景、经济发展情景、粮食持续情景以及环境友好情景4种未来可持续发展情景，SDG8.1GDP增长率作为经济发展情景的主导变量、SDG2.3.1粮食单产和 SDG2.1.1营养不足发生率作为粮食持续情景的主导变量、环境友好情景的主导变量为 SDG11.6.2城市细颗粒物年度均值。主导变量在对应情景内为Green发展趋势，其余变量按照现有趋势发展，基准情景内所有的变量都按照现有趋势发展，如表5所示。由于不同的分区具有差异性，需要针对每个子区域的不同发展情况设置相应的情景变量值，*号表示需要结合不同区域具体的发展情况进行SDG指标趋势的设置。
表5情景变量设置
| GDP增长率(％) | 粮食单产(t/ha) | 营养不足发生率(％) | PM2.5(ug/m<sup>3</sup>) | |
| 经济发展情景 | GDP-G | * | * | * |
| 粮食持续情景 | * | CRE-G | PRE-G | * |
| 环境友好情景 | * | * | * | PM-G |
| 参考情景 | GDP-A | CRE-A | PRE-A | PM-A |
(2)不同可持续情景下土地需求量序列预测
依照各种可持续发展情景变量阙值的设置规则，输入系统动力学模型当中，分别对9 个子区域到2030年不同可持续情景下的土地需求量进行预测。图3展示了中国区域在不同可持续情景下各地类面积变化趋势。
Claims (9)
1.一种面向SDGs的区域土地需求量序列预测方法，其特征在于，包括如下步骤：
（1）综合考虑区域气温、湿度以及地缘区划的因素，将区域沿线国家划分为9个子区域；
（2）集成SDGs指标以及土地需求变化驱动因素，构建面向SDGs的区域沿线国家土地利用系统动力学模型；
（3）确定系统动力学模型变量间计算公式，完成模型检验；
（4）选定情景变量，设置面向不同SDGs目标的未来可持续发展情景；
（5）获得9个子区域未来不同可持续情景下各地类需求量时序预测值。
2.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（2）中，集成集成SDGs指标具体为将本土化后的SDGs指标作为系统动力学模型变量参与模拟预测，选用的SDGs指标包括：营养不足发生率、粮食单产、GDP增长率、中高科技产业增加率、城市细颗粒物年度均值。
3.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（2）中所述构建面向SDGs的区域沿线国家土地利用系统动力学模型该系统的时间步长选定为1年。
4.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（2）中所述土地利用系统动力学模型中，将土地共分为6种类型，分别为：耕地、林地、草地、建设用地、水域、未利用地。
5.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（3）中所述系统动力学模型变量间计算的公式共分为三类：经验公式、回归公式以及表函数公式。
6.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（4）中所述面向不同SDGs目标的未来可持续发展情景变量选定为GDP增长率、粮食单产、营养不足发生率、PM2.5浓度、气温、降水。
7.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（4）中所述面向不同SDGs目标的未来可持续发展情景，分别为：基准情景、经济发展情景、粮食持续情景、环境友好情景。
8.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（4）中，所述面向不同SDGs目标的未来可持续发展情景值具有差异，具体阙值根据当前该区域处于的可持续发展阶段以及欲达到的可持续发展阶段从而设置不同的预测值。
9.如权利要求1所述的一种面向SDGs的区域土地需求量序列预测方法，其特征在于，步骤（5）中，获得9个子区域未来不同可持续情景下各地类需求量时序预测值，需要组织每个子区域不同的输入数据和情景值，多次运行系统动力学模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110361327.1A CN113298287A (zh) | 2021-04-02 | 2021-04-02 | 面向SDGs的区域土地需求量序列预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110361327.1A CN113298287A (zh) | 2021-04-02 | 2021-04-02 | 面向SDGs的区域土地需求量序列预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113298287A true CN113298287A (zh) | 2021-08-24 |
Family
ID=77319450
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110361327.1A Pending CN113298287A (zh) | 2021-04-02 | 2021-04-02 | 面向SDGs的区域土地需求量序列预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113298287A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113988574A (zh) * | 2021-10-22 | 2022-01-28 | 广州市城市规划勘测设计研究院 | 一种生态保护红线划定方法、装置、终端设备及存储介质 |
| CN116739133A (zh) * | 2023-03-20 | 2023-09-12 | 北京师范大学 | 一种基于自然–社会双驱动分析的区域芦苇ndvi格局模拟预测方法 |
-
2021
- 2021-04-02 CN CN202110361327.1A patent/CN113298287A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113988574A (zh) * | 2021-10-22 | 2022-01-28 | 广州市城市规划勘测设计研究院 | 一种生态保护红线划定方法、装置、终端设备及存储介质 |
| CN113988574B (zh) * | 2021-10-22 | 2022-05-17 | 广州市城市规划勘测设计研究院 | 一种生态保护红线划定方法、装置、终端设备及存储介质 |
| CN116739133A (zh) * | 2023-03-20 | 2023-09-12 | 北京师范大学 | 一种基于自然–社会双驱动分析的区域芦苇ndvi格局模拟预测方法 |
| CN116739133B (zh) * | 2023-03-20 | 2024-06-04 | 北京师范大学 | 一种基于自然–社会双驱动分析的区域芦苇ndvi格局模拟预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sylla et al. | Mapping trade-offs and synergies among peri-urban ecosystem services to address spatial policy | |
| CN113298287A (zh) | 面向SDGs的区域土地需求量序列预测方法 | |
| Stürck et al. | Simulating and delineating future land change trajectories across Europe | |
| Verburg et al. | Trajectories of land use change in Europe: a model-based exploration of rural futures | |
| Neumann et al. | Modelling the spatial distribution of livestock in Europe | |
| Proença et al. | Species–area models to assess biodiversity change in multi-habitat landscapes: The importance of species habitat affinity | |
| Everest et al. | Applying the Best–Worst Method for land evaluation: A case study for paddy cultivation in northwest Turkey | |
| Tabunshchik et al. | Use of geoinformation technologies in the analysis of the dynamics of potato production in the Republic of Crimea for the period from 2015 to 2019 | |
| Vieira et al. | A new method to quantify and compare the multiple components of fitness—a study case with kelp niche partition by divergent microstage adaptations to temperature | |
| Drejerska et al. | Sectoral employment diversification in rural areas across Polish subregions | |
| BENTON | Geographic variation in the garter snakes (Thamnophis sirtalis) of the north-central United States, a multivariate study | |
| Wijesinghe et al. | Application of the GIS-MCDA to identify land suitability for legume crops cultivation: an empirical investigation based on Thalawa DSD, Sri Lanka | |
| Ezekiel et al. | Analysis of Factors for Determining Suitable Site for Giant Freshwater Prawn (Macrobrachium rosenbergii) Farming Through the Local Knowledge in Negeri Sembilan of Peninsular Malaysia. | |
| Delgadillo Liberona et al. | Random regression of Hereford percentage intramuscular fat on geographical coordinates | |
| Alekseevna et al. | Approaches for Assessing the Polymetallic Impact on Humans in an Urbanized Area Using Neural Network Modeling Methods | |
| Pahlavani et al. | Dynamic comparative advantage analysis of rural and pastoral systems of small ruminant husbandry | |
| Lenhardt et al. | Environmental injustice in the spatial distribution of concentrated animal feeding operations: A case study from Ohio, USA | |
| Polge et al. | Assessing sustainable intensification at landscape scale: four case studies in Europe. | |
| CN108230015A (zh) | 一种确定价值区域的方法及装置 | |
| Pagáč et al. | Categorization of the districts of the Slovak Republic in term of fragmentation in land ownership | |
| Leń | Patchwork of land ownership as barrier to development of rural areas | |
| STRAHL et al. | Dynamic Classification of the EU Countries in Terms of Employment in High Technology Manufacturing and Knowledge-Intensive Services | |
| Schwefel | The Product-Path-Analysis: A Method of Socio-Economic Project Appraisal | |
| Kiss et al. | Positions of the short supply chains in the Member States of the European Union, especially in Hungary | |
| Zhao | Evaluating the Effects of Future Land use/Land cover and Agricultural Conservation Practices Scenarios on Streamflow and Water Quality in the Maumee River Watershed |
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 |