CN113554221B - 一种“流空间”视角下的城镇开发边界模拟预测方法 - Google Patents
一种“流空间”视角下的城镇开发边界模拟预测方法 Download PDFInfo
- Publication number
- CN113554221B CN113554221B CN202110773849.2A CN202110773849A CN113554221B CN 113554221 B CN113554221 B CN 113554221B CN 202110773849 A CN202110773849 A CN 202110773849A CN 113554221 B CN113554221 B CN 113554221B
- Authority
- CN
- China
- Prior art keywords
- town
- land
- flow
- construction land
- space
- 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
- 238000011161 development Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 38
- 230000001413 cellular effect Effects 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 238000011160 research Methods 0.000 claims abstract description 12
- 238000009792 diffusion process Methods 0.000 claims abstract description 8
- 230000005484 gravity Effects 0.000 claims abstract description 5
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims abstract 2
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 230000005283 ground state Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 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
- 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
- G06Q50/16—Real estate
- G06Q50/165—Land development
-
- 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)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (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
一种结合城镇“流空间”的城镇开发边界模拟和预测方法，如下：一、运用研究区域范围内的遥感影像和城镇建设用地空间扩散驱动因素数据，通过logit模型计算各空间因素影响权重；二、计算研究区域范围内限制土地利用类型转变因素；三、运用重力模型对城市流进行计算；四运用重力模型对城市流进行计算获得的城镇间流强度，构建城镇等级体系，形成不同等级城镇建设用地分配指标体系；五、制定约束性元胞自动机模型转换规则，模拟和预测未来城镇开发边界。解决以往元胞自动机基于历史数据预测未来情景的问题，通过拆解用地转换概率公式，规划师可将城镇结构等主观规划意图纳入城镇空间扩张预测中。
Description
技术领域
本发明涉及一种融合城市间“流空间”和遥感数据的城镇开发边界模拟和预测技术方法。
背景技术
长久以来以规划手段在城市周围划定限制开发边界一直是城市管理者用以遏制城市蔓延的用地管理政策之一，2019年6月，自然资源部发布《城镇开发边界划定指南(试行)》，并将城镇开发边界定义为“在一定时期内因城镇发展需要，可以集中进行城镇开发建设，重点完善城镇功能的区域边界。城镇开发边界内可分为城镇集中建设区、城镇弹性发展区和特别用途区。”
从城镇开发边界的技术性而言，城镇开发边界划定的主要方法可分为质性法、指标体系法和模型法三种方法。其中质性法主要基于人口规模、设施成本、土地利用现状和环境敏感区等预测未来城镇用地面积，比如弗雷划定法；在指标法方面，不同组织和部门为了进一步科学划定城镇开发边界制定了不同的指标体系系统。而在模型法方面，近年来，随着遥感(remote sensing)和地理信息系统(geographic information system)的广泛应用，LBS数据、元胞自动机、多智能体、蚁群优化算法(Ant Colony Optimization)等场景分析模拟技术均被用于进行城市增长模拟，此类城市增长模拟方法大多是基于城市发展的历史遥感影像图获取城市用地增长速度、强度和发展方向等，通过机器学习算法模拟不同情境下城市未来扩张状况。
元胞自动机模型(Cellular Automaton,CA)是从技术上模拟城镇开发边界的主要工具模型，CA模型能够适应不同管控逻辑，从城市“正向增长”角度和“底线控制”角度出发划定城镇开发边界。CA模型可以将自然因素、社会经济因素等多个方面城市空间扩张的驱动因素和限制因素纳入考虑。其中自然因素衡量指标主要包括到河流水系距离、地形地势(坡度、坡向)、生态资源、土地适宜性；社会经济因素包括到城市重要节点距离(包括城镇中心、商业中心、)、到城市主要道路距离、到铁路距离、邻域开发强度、土地利用政策。在传统的CA模型的基础上也不断衍生出新的技术方法，如SLEUTH模型、CLUE-S模型、ANN神经网络模型和FLUS等。
但在实际应用上，由于城市增长具有高度的复杂性，传统的CA模拟所碰到的最大问题是如何确定模型的结构和参数。城市空间扩张形态除了受到内生因素驱动之外，也同时会受到周边城市的外生因素影响，包括城镇体系结构。“外生性”的区域和城镇间因素对城市空间扩张的影响作用逐渐加强，但传统元胞自动机模型聚焦于单一研究对象的“内生性”影响因素。城镇间人口、生产和交通等要素的流动使得将某一特定区域视为一个研究整体时，容易忽略区域中不同空间单元的空间异质性差异，比如不同城市的城市扩张驱动力或限制因素权重存在一定差异。
发明内容
本发明针对现有通过元胞自动机模型模拟和预测城镇开发边界的不足，提供一种结合城镇“流空间”的城镇开发边界模拟和预测方法，包括以下步骤：
(1)运用研究区域范围内的遥感影像和城镇建设用地空间扩散驱动因素数据，通过logit模型计算各空间因素影响权重，用于提供步骤(5)，具体计算公式如下：
式中Plogit为土地利用类型变更状态，其中Plogit取值1或0，1为非城镇建设用地转换为城镇建设用地，0则表示未变更，x为城镇建设用地空间扩散驱动因素，β为空间因素影响系数，k为城镇建设用地空间扩散驱动因素数量
(2)计算研究区域范围内限制土地利用类型转变因素，用于提供步骤(5)，如河流水域和双评价因素等，创建变量Prestriction，取值为0(禁止转变为城镇建设用地)或1(允许转变为城镇建设用地)。
(3)运用重力模型对城市流进行计算，具体公式如下：
式中Ii和Ij分别表示城镇i和城镇j的流强度，dij为城镇i,j的距离，α为参数,Iflow(x,y)为城镇i中元胞xy的流强度，di(xy)为元胞xy到城镇i中心距离，dj(xy)为元胞xy到城镇j中心距离；
(4)根据步骤(3)计算获得的城镇间流强度，构建城镇等级体系，形成不同等级城镇建设用地分配指标体系，用于提供步骤(5)，具体公式如下：
Pthreshold＝P*ki
式中Pthreshold为“流空间”视角下城镇i的城镇建设用地转换概率，取值为0-1，P为研究范围内基准城镇建设用地转换概率，ki为城镇体系中城镇i的权重。
(5)制定约束性元胞自动机模型转换规则，模拟和预测未来城镇开发边界，具体公式如下：
元胞自动机约束规则如下：
如果任一元胞处于非城镇建设用地状态，并且
时，元胞i被转换为城镇建设用地状态的概率为
为在t时刻，栅格ij周围n*n的邻域对其影响作用，
为栅格ij在t时刻是城镇建设用地的转换概率，n为每次迭代中允许用地类型发生转换的栅格数量。
本发明的优点是:
(1)通过将“流”强度纳入元胞自动机模型中，相较于传统logit-CA模型，可将城镇网络纳入城镇开发边界模拟和预测中；
(2)解决以往元胞自动机基于历史数据预测未来情景的问题，通过拆解用地转换概率公式，规划师可将城镇结构等主观规划意图纳入城镇空间扩张预测中；
(3)方法适用性、延展性好，算法基于主流软件可应用于元胞自动机模型的众多领域和具体问题，亦可嵌入现有城镇开发边界模拟和预测软件中，如FLUS和CLUE-S等。
附图说明
图1：本发明的流程示意图
图2：西安地表覆盖遥感数据(左2010，右2020)
图3：西安城镇空间扩张驱动力因素
图4：西安各区县间人流强度
图5：西安限建区
图6：西安市2020土地覆盖模拟图
图7：西安市2030土地覆盖预测图
具体实施方式
下面结合实例和附图对本发明做进一步详细说明：
一种在遥感数据基础上运用统计模型结合城市流数据，通过Python实现对市县城镇开发边界模拟和预测技术的方法.
案例选取西安市为研究对象，如附图1所示，算法步骤如下：
(1)获取30米分辨率地表覆盖数据Globeland30中2010和2020年西安市地表覆盖遥感数据，见附图2。
(2)选取影响西安市城镇空间扩张的驱动力因素，本实例中驱动力因素包括“到铁路距离”、“到高速路距离”、“到道路距离”、“坡度”、“坡向”和“到政府机构距离”，在arc gis10.7中处理为30米栅格，见附图3。
(3)运用logit模型计算各空间驱动力因素影响权重和用地转换概率，具体计算公式如下：
式中Plogit为土地利用类型变更状态，比如1为非城镇建设用地转换为城镇建设用地，0则表示未变更，x为城镇建设用地空间扩散驱动因素，包括“到铁路距离”、“到高速路距离”、“到道路距离”、“坡度”、“坡向”和“到政府机构距离”，β为空间因素影响系数。
通过计算得到各类土地利用类型转变概率，结果见表1。
表1各类用地利用类型转变概率统计
(4)获取西安手机信令数据，计算各个区县间人流强度，见附图4。
(5)运用重力模型对城市流进行计算，具体公式如下：
式中Ii和Ij分别表示城镇i和城镇j的流强度，dij为城镇i,j的距离，α为参数(此实例中取值1),Iflow(x,y)为城镇i中元胞xy的流强度，di(xy)为元胞xy到城镇i中心距离，dj(xy)为元胞xy到城镇j中心距离。
通过计算得到人流强度对各个栅格的影响作用，结果见表2：
| 平均值 | 标准差 | 最小值 | 最大值 | |
| 流强度 | 0.0000000607 | 0.0000005450 | 0.0000000000 | 0.0000178000 |
表2人流强度对各个栅格的影响作用结果
(6)选取西安城镇扩张限制因素，本实例中选取“西安城镇建设适宜性评价”、“农业生产适宜性评价”、“生态保护重要性等级”、“河流水系”和“国家、省级文物保护单位范围因素”构建西安市限建区，见附图5。
(7)根据城镇间流强度，构建城镇等级体系，形成不同等级城镇建设用地分配指标体系，具体公式如下：
| 耕地 | 林地 | 草地 | 湿地 | 水体 | 人造地表 | |
| 平均值 | 0.130918 | 0.004318 | 0.004021 | / | / | 0.08707 |
| 标准差 | 0.012893 | 0.024888 | 0.006261 | / | / | 0.03738 |
Pthreshold＝P*ki
式中Pthreshold为“流空间”视角下城镇i的城镇建设用地转换概率，取值为0-1，P为研究范围内基准城镇建设用地转换概率，ki为城镇体系中城镇i的权重，在本实例中，西安市不同区县用地分配权重见表3：
表3不同区县权重表
(8)制定约束性元胞自动机模型转换规则，模拟和预测未来城镇开发边界，具体公式如下：
元胞自动机约束规则如下：
IF any cell is not already developed to urban
&IF
THEN cell i is developed with some other probability
表4用地类型转换栅格数量表
Claims (1)
1.一种结合城镇“流空间”的城镇开发边界模拟和预测方法，其特征在于，包括以下步骤：
(1)运用研究区域范围内的遥感影像和城镇建设用地空间扩散驱动因素数据，通过logit模型计算各空间因素影响权重，用于提供步骤(5)，具体计算公式如下：
式中Plogit为土地利用类型变更状态，其中Plogit取值1或0，1为非城镇建设用地转换为城镇建设用地，0则表示未变更，x为城镇建设用地空间扩散驱动因素，β为空间因素影响系数，k为城镇建设用地空间扩散驱动因素数量；
(2)计算研究区域范围内限制土地利用类型转变因素，用于提供步骤(5)，包括河流水域和双评价因素，创建变量Prestriction，取值为0或1，0为禁止转变为城镇建设用地，1为允许转变为城镇建设用地；
(3)运用重力模型对城市流进行计算，具体公式如下：
式中Ii和Ij分别表示城镇i和城镇j的流强度，dij为城镇i,j的距离，α为参数,Iflow(x,y)为城镇i中元胞xy的流强度，di(xy)为元胞xy到城镇i中心距离，dj(xy)为元胞xy到城镇j中心距离；
(4)根据步骤(3)计算获得的城镇间流强度，构建城镇等级体系，形成不同等级城镇建设用地分配指标体系，用于提供步骤(5)，具体公式如下：
Pthreshold＝P*ki
式中Pthreshold为“流空间”视角下城镇i的城镇建设用地转换概率，取值为0-1，P为研究范围内基准城镇建设用地转换概率，ki为城镇体系中城镇i的权重；
(5)制定约束性元胞自动机模型转换规则，模拟和预测未来城镇开发边界，具体公式如下：
元胞自动机约束规则如下：
如果任一元胞处于非城镇建设用地状态，并且
时，元胞i被转换为城镇建设用地状态的概率为
为在t时刻，栅格ij周围n*n的邻域对其影响作用，
为栅格ij在t时刻是城镇建设用地的转换概率，n为每次迭代中允许用地类型发生转换的栅格数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110773849.2A CN113554221B (zh) | 2021-07-08 | 2021-07-08 | 一种“流空间”视角下的城镇开发边界模拟预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110773849.2A CN113554221B (zh) | 2021-07-08 | 2021-07-08 | 一种“流空间”视角下的城镇开发边界模拟预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113554221A CN113554221A (zh) | 2021-10-26 |
| CN113554221B true CN113554221B (zh) | 2022-09-13 |
Family
ID=78102833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110773849.2A Active CN113554221B (zh) | 2021-07-08 | 2021-07-08 | 一种“流空间”视角下的城镇开发边界模拟预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113554221B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116645012B (zh) * | 2023-07-27 | 2023-10-10 | 河北工业大学 | 一种城市边缘区空间范围的高精度动态识别方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080070A (zh) * | 2019-11-19 | 2020-04-28 | 同济大学 | 一种基于空间误差的城市土地利用模拟元胞自动机方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436204A (zh) * | 2008-12-12 | 2009-05-20 | 中山大学 | 一种基于并行元胞自动机的城市演变模拟实现方法 |
| CN104992041B (zh) * | 2015-08-06 | 2017-11-28 | 武汉大学 | 一种基于空间句法的城市扩张边界预测方法 |
| CN107527133A (zh) * | 2017-07-11 | 2017-12-29 | 中国科学院地理科学与资源研究所 | 城市群国土空间利用质量提升辅助决策系统 |
| CN108875242A (zh) * | 2018-06-29 | 2018-11-23 | 集美大学 | 一种城市元胞自动机情景模拟方法、终端设备及存储介质 |
| CN110263111B (zh) * | 2019-05-31 | 2024-03-08 | 南京林业大学 | 基于先验知识的土地利用/覆被信息时空监测方法 |
| CN110377807B (zh) * | 2019-06-03 | 2023-07-25 | 华南农业大学 | 城市群功能联系与空间格局分析方法及系统 |
| CN110909924B (zh) * | 2019-11-12 | 2023-05-02 | 同济大学 | 基于交叉熵优化器的城市扩张多情景模拟元胞自动机方法 |
| CN112069573B (zh) * | 2020-08-24 | 2021-04-13 | 深圳大学 | 一种基于元胞自动机的城市群空间模拟方法、系统及设备 |
| CN113011720B (zh) * | 2021-03-03 | 2021-10-15 | 东南大学 | 一种基于ca模型的增量递减的城镇开发边界划定方法 |
-
2021
- 2021-07-08 CN CN202110773849.2A patent/CN113554221B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080070A (zh) * | 2019-11-19 | 2020-04-28 | 同济大学 | 一种基于空间误差的城市土地利用模拟元胞自动机方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113554221A (zh) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lagarias | Urban sprawl simulation linking macro-scale processes to micro-dynamics through cellular automata, an application in Thessaloniki, Greece | |
| Sun et al. | Modeling urban land use change and urban sprawl: Calgary, Alberta, Canada | |
| Ballestores Jr et al. | An integrated parcel-based land use change model using cellular automata and decision tree | |
| CN102663512A (zh) | 城市绿地动态演化模拟预测方法 | |
| CN112035584A (zh) | 空间规划情景模拟方法及系统 | |
| Li et al. | Defining the boundaries of urban built-up area based on taxi trajectories: a case study of Beijing | |
| CN113342873B (zh) | 一种基于城市形态与汇聚模式的人口分析单元划分方法 | |
| Mahamud et al. | Identifying factors influencing urban spatial growth for the George Town Conurbation | |
| CN113806419A (zh) | 基于时空大数据的城市区域功能识别模型及识别方法 | |
| Chen et al. | Projection of urban land surface temperature: An inter-and intra-annual modeling approach | |
| Agustina et al. | Cellular Automata for Cirebon City Land Cover and Development Prediction | |
| CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
| CN117874983A (zh) | 基于机器学习的城市内涝场景交通路线优化方法、介质和设备 | |
| Haghpanah et al. | Optimal shelter location-allocation during evacuation with uncertainties: a scenario-based approach | |
| Padmanaban | Integrating of urban growth modelling and utility management system using spatio temporal data mining | |
| Godoy et al. | Modelling intra-urban dynamics in the Savassi neighbourhood, Belo Horizonte city, Brazil | |
| CN117407470A (zh) | 基于大数据的绿色空间生态优化决策辅助系统及方法 | |
| Dehingia et al. | Decadal Transformation of Land Use-Land Cover and Future Spatial Expansion in Bangalore Metropolitan Region, India: Open-Source Geospatial Machine Learning Approach | |
| Li et al. | High-Resolution Flood Numerical Model and Dijkstra Algorithm Based Risk Avoidance Routes Planning | |
| Zhong et al. | Optimization on Spatial Distribution of Shelter through Dynamic Evacuation Simulation of High Density Urban Area-Xinjiekou Case | |
| Yu | [Retracted] Simulation and Application of Urban Road Landscape Based on Geographic Information Data | |
| Chmielewski et al. | Hexagonal Zones in Transport Demand Models | |
| Zhu et al. | Rainfall erosion of mountain environment and people flow planning of Leshan giant Buddha site based on big data GIS | |
| Zheng et al. | Land Use Change in the Yangtze River Economic Belt during 2010 to 2020 and Future Comprehensive Prediction Based on Markov and ARIMA Models | |
| Hariyanto et al. | Measurement of Sprawl Effect Based on Urban Growth Trends and Prediction in Kedungkandang District, Malang City |
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 |