CN113887974A - 一种基于多源时空数据集成的城市资源环境承载力综合评价方法 - Google Patents

一种基于多源时空数据集成的城市资源环境承载力综合评价方法 Download PDF

Info

Publication number
CN113887974A
CN113887974A CN202111182269.2A CN202111182269A CN113887974A CN 113887974 A CN113887974 A CN 113887974A CN 202111182269 A CN202111182269 A CN 202111182269A CN 113887974 A CN113887974 A CN 113887974A
Authority
CN
China
Prior art keywords
index
bearing capacity
resource environment
refers
evaluation
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
Application number
CN202111182269.2A
Other languages
English (en)
Inventor
吴浩
江志猛
林安琪
李岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central China Normal University
Original Assignee
Central China Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Central China Normal University filed Critical Central China Normal University
Priority to CN202111182269.2A priority Critical patent/CN113887974A/zh
Publication of CN113887974A publication Critical patent/CN113887974A/zh
Pending legal-status Critical Current

Links

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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多源时空数据集成的城市资源环境承载力综合评价方法，具体是：先构建一个包括遥感影像、开源地图服务、社交媒体信息、地理空间信息和统计数据为一体的多源时空数据集，以确定城市资源环境承载力综合评价指标体系；再基于多源时空数据集，分别以格网和行政区划为评价单元计算潜在与现实资源环境承载力指数；最后，运用空间自相关和热点分析方法分析资源环境承载力的空间特征，绘制资源环境承载力评价结果图及其空间特征分布图。本发明能有效弥补传统数据和方法在城市资源环境承载力评价中准确性和现势性的不足，对城市资源环境承载力综合评价的适用性更强，可精准地识别出城市资源环境承载力潜在与现实的空间分布特征。

Description

一种基于多源时空数据集成的城市资源环境承载力综合评价 方法
技术领域
本发明属于自然资源管理领域，尤其是涉及一种基于多源时空数据集成的城市资源环境 承载力的综合评价方法。
背景技术
资源环境承载力是指一定地理空间内的资源、环境、社会、经济子系统可承载的人类开 发利用活动的最大限度。城市作为一个复杂的人-地耦合系统，其资源、环境、生态、社会结 构子系统之间的交错性强，城市的资源环境承载力通常具有显著的系统性、复杂性和动态性 特征。城市资源环境系统可供给物质的有限性和人类开发利用需求的无限性之间的矛盾日益 突出。然而，由于缺乏对城市资源、环境、生态、社会和经济组成子系统的深入认识，城市 相关决策机构在制定发展纲要和开发利用规划时难以综合考量城市组成系统内部的复杂性特 征，与此相伴生的诸如资源耗竭、环境恶化、生态破坏、能源过度开采、人口拥挤的一系列 典型的城市资源环境问题越来越成为制约城市可持续发展和城市居民健康生活的瓶颈。因此， 亟需利用一种综合性方法对城市资源环境承载力进行全面而深入的评价，从而精确认知城市 资源、环境、生态和社会经济系统潜在与现实的承载力状态，为相关部门制定城市国土空间 结构优化决策提供更为科学的参考依据。
在城市资源环境承载力评价方面，国内外学者已经贡献了大量的理论和技术范式，主要 围绕资源环境承载力评价数据和资源环境承载力评价方法体系两方面展开。一方面，在资源 环境承载力评价数据上，一些研究以某一领域资源环境承载力的内涵为出发点，选择使用与 该领域资源环境承载力相对应的地理空间数据或统计数据进行评价，但是承载力评价所使用 的数据往往都存在着时间陈旧、现势性不足这一共性问题；另一方面，在资源环境承载力评 价方法体系上，一些研究对生态承载力、人口承载力、土地承载力、水资源承载力几个领域 的承载力进行了评价，但是在新的背景下，这些研究得出的承载力评价结果存在准确性不够 的缺陷，一些案例如下所示：
从数据的现势性角度来看，田鹏以土壤成分、降水量、植被类型这些生态监测数据为基 础，对中国无居民海岛的生态承载力进行了评价；陶伟良以土地利用数据、人口数据、国民 经济产值数据为基础，对中国安徽省土地资源承载力进行了评价；丁相毅依据水质、水量和 人口数据，对中国山西省太原市水资源承载力进行了评价。通过运用土壤、土地利用、植被 这些地理空间数据，以及包括人口、社会经济的统计数据开展了不同领域的资源环境承载力 评价研究，这些方法虽然得出了资源环境承载力评价的数据使用范式，但是在新的背景下， 这些评价数据往往都存在着时间陈旧、现势性不足这一共性问题，导致资源环境承载力评价 结果往往滞后于现实状况。《资源环境承载力和国土空间开发适宜性评价技术指南(试行版)》 为资源环境承载力评价作出了详尽的指标选取和数据应用参考，取得了显著的成效，同时也 做出了将不同来源、多种类型的时间和空间数据集成，应用于资源环境承载力评价中的理念 设想，然而由于受多源时空大数据采集技术的限制，目前尚未有学者将此设想付诸于实践， 成熟且可操作的多源时空数据集成模式仍未形成。例如，王静通过采用此指南提供的参考评 价数据指标，对中国烟台市的资源环境承载力进行了评价，得出了烟台市资源环境承载力评 价结果，但由于所采用的评价数据为历史静态的地理空间信息数据和统计数据，并未能深入 挖掘出城市现势状态下的资源环境承载力系统的深层次的特征，难以为新时期城市国土空间 规划的精细化需求提供帮助。
从资源环境承载力评价方法体系的准确性角度来看，Hawden和Palmert通过对美国阿拉 斯加州驯鹿种群的数量变化进行监测，从区域面积与有机体之间的关系出发，分析了特定栖 息地条件下的特定环境下的生态承载力。王国强提出了生态型地区资源环境承载力评价指标 体系，得出了特定地区的生态承载力评价指标体系范式。Aldo Leopold通过在不考虑粮食支 持的情况下，计算单位面积空间上可以容纳的人口的最大限度，分析了人口承载力。William Allan以非洲农牧业为研究对象，在维持特定的某类土地利用情形下，计算了一定单位面积土 地上可承载的最大人口数量。施雅风在《乌鲁木齐河流域水资源承载力及其合理利用》专著 中，对中国新疆乌鲁木齐河流域的水资源承载力进行了计算。上述的研究通过对生态承载力、 人口承载力、水资源承载力几类不同领域的资源环境承载力进行计算，得出了丰富的区域资 源环境承载力评价方法体系范例。然而，这些研究都是将城市的资源子系统、环境子系统、 生态子系统和社会经济子系统置于统一体系内，开展资源环境承载力评价，只能得出单一层 次的资源环境承载力评价结果，未能深入刻画城市资源环境系统潜在隐含的状态和现实表征 的状态。在当前城市资源环境系统要素快速更新的背景下，这种单一的城市资源环境承载力 评价结果的准确性已经无法保证，致使资源环境承载力评价结果难以科学满足城市资源环境 可持续发展的精确需求。
基于以上背景分析可见，随着城市化进程的加快，城市资源环境系统的复杂性愈发显著， 由不合理的开发利用活动导致的资源环境超载问题日趋严峻，对城市资源环境承载力进行综 合、全面、深入的评价已然是当务之急。而仅仅依赖传统的地理空间数据和统计数据无法深 入挖掘出城市资源、环境、生态和社会经济系统的动态性特征，难以准确地识别出城市资源 环境承载力潜在的和现实的状态，从而导致资源环境承载力评价结果与真实状况发生不同程 度的脱节，难以为新时期的城市空间国土布局优化工作提供科学的参考依据。
本发明提出的基于多源时空数据集成的城市资源环境承载力综合评价方法，通过遥感影 像、开源地图服务、社交媒体信息、地理空间信息和统计数据几类多源异构数据的引入，显 著弥补了传统方法在城市资源环境承载力综合评价中数据现势性的不足；本发明通过将城市 资源环境承载系统整合为潜在和现实两个维度开展承载力评价，有效改善了传统城市资源环 境承载力评价方法体系准确性的不足；对城市资源环境承载力综合评价的适用性更强，可精 准地识别出城市潜在与现实的资源环境承载力及其综合空间分布特征。更为重要的是，本方 法适用于对城市资源、环境、生态和社会经济系统综合承载状态的深入刻画，可实现城市资 源环境承载力的综合、全面、深入的评价，对拓展地理时空大数据的应用领域和城市国土空 间规划具有重大的现实意义。
发明内容
本发明需要解决的技术问题是：为了深入挖掘城市的综合资源环境承载力，提供一种基 于多源时空数据集成的城市资源环境承载力综合评价方法，能够从城市资源环境承载系统的 潜在状态和现实状态两个维度，有效识别城市资源环境系统的综合承载力能力及其空间分布 特征，是对传统城市资源环境承载力评价方法的有益补充。
本发明解决其技术问题采用以下的技术方案：
本发明提供的基于多源时空数据集成的城市资源环境承载力评价方法，其特征是：先构 建一个包括遥感影像、开源地图服务、社交媒体信息、地理空间信息和统计数据为一体的多 源时空数据集，以确定城市资源环境承载力综合评价指标体系；再基于多源时空数据集，分 别以格网和行政区划为评价单元计算潜在与现实资源环境承载力指数；最后，运用空间自相 关和热点分析方法分析资源环境承载力的空间特征，绘制资源环境承载力评价结果图及其空 间特征分布图。
本发明可以采用以下方法构建所述的多源时空数据集：
(1)对包括土地利用分类、数字高程、归一化植被指数、夜间灯光亮度在内的遥感影像 数据进行投影变换、数据裁剪与镶嵌步骤的预处理；
(2)通过编写Python语言程序调用在线开源地图服务接口，获取地理兴趣点POI、交 通路网和社交媒体信息数据，并进行数据清洗、数据空间化步骤的预处理；
(4)对包含土壤有机质含量、年均降水量、年均太阳辐射量、地质稳定性的地理空间信 息数据进行投影变换、数据裁剪和数据镶嵌的预处理；
(5)对来源于统计年鉴、卫生统计年鉴和水资源公报的统计数据进行数据清洗、数据空 间化步骤的预处理；
(6)对以上经预处理的土地利用分类、数字高程、归一化植被指数、夜间灯光亮度、地 理兴趣点POI、交通路网、社交媒体词条、土壤有机质含量、年均降水量、年均太阳辐射量、 地质稳定性、人口、GDP、水资源利用率、污水处理率数据进行空间校正处理，然后按照研 究区域的边界形状进行范围裁剪，使数据集与研究区域的空间范围一致，生成研究区内城市 资源环境承载力综合评价的多源时空数据集。
本发明可以采用以下方法确定城市资源环境承载力综合评价指标体系：
围绕城市资源子系统、环境子系统、社会和经济子系统组成要素的特征与现状，将资源 环境承载系统整合为潜在资源环境承载力和现实资源环境承载力两个维度，采用层次分析法 分别构建城市潜在和现实资源环境承载力评价指标体系，各体系分别由目标层、准则层和指 标层组成，目标层即为潜在资源环境承载力和现实资源环境承载力，目标层包括分类为多个 资源环境子系统的准则层，准则层包括含有若干个指标的指标层；
所述潜在资源环境承载力评价指标体系的准则层：包括生态系统服务功能、水土保持功 能、生态系统敏感性3个资源环境子系统；所述潜在资源环境承载力评价指标体系的指标层： 包括水源涵养能力、防风固沙能力、洪水调蓄能力、土壤保水性、土壤有机质含量、植被指 数NDVI、土壤侵蚀敏感性、酸雨敏感性，共计8个指标；
所述现实资源环境承载力评价指标体系的准则层：包括资源禀赋限制性、环境质量安全 性、城市发展韧性、基础设施完善性、社会发展强度5个资源环境子系统；所述现实资源环 境承载力评价指标体系的指标层：包括人均耕地面积、地形起伏度、人均水资源占有量、地 质灾害风险、洪涝灾害风险、PM2.5浓度、企事业单位分布密度、第三产业比重、科教资源 分布密度、公共服务设施可达性、人口密度、交通路网密度，共计12个指标。
本发明可以采用以下方法计算资源环境承载力评价指标体系中各准则层指标：
(1)潜在资源环境承载力评价指标体系中准则层指标计算方法：
a、生态系统服务功能的计算方法如公式1所示：
ES＝Wr×w1+Ws×w2+Fs×w3 公式1
式中，ES指生态系统服务功能指数；Wr指水源涵养能力，Ws指防风固沙能力，Fs指洪水调蓄能力；wi指该指标的权重值；
b、水土保持功能的计算方法如公式2所示：
WSS＝Ss×w1+So×w2+NDVI×w3 公式2
式中，WSS指水土保持功能指数，Ss指土壤保水性，So指土壤有机质含量，NDVI指植被覆盖度指数；wi指该指标的权重值；
c、生态系统敏感性的计算方法如公式3所示：
ER＝Se×w1+As×w2 公式3
式中，ER指生态系统敏感性指数；Se指土壤侵蚀敏感性，As指酸雨敏感性；wi指该指 标的权重值；
(2)现实资源环境承载力评价指标体系中准则层指标计算方法：
d、资源禀赋限制性的计算方法如公式4所示：
RR＝fs/pop×w1+dem×w2+pw×w3 公式4
式中，RR指资源禀赋限制性指数；fs指耕地面积；pop指人口；dem地形起伏度，pw指人均水资源占有量，wi指该指标的权重值；
e、环境质量安全性的计算方法如公式5所示：
EQS＝dr×w1+fr×w2+aq×w3 公式5
式中，EQS指环境质量安全性指数；dr指地质稳定性；fr指洪涝灾害风险，洪涝灾害风 险值通过Python语言程序获取；aq指年均PM2.5浓度；wi指该指标的权重值；
f、城市发展韧性的计算方法如公式6所示：
CR＝cn/s×w1+ps/gdp×w2+sn/s×w3 公式6
式中，CR指城市发展韧性指数；cn指企事业单位的个数，ps指第三产业产值，gdp指该评价单元内国民经济生产总值，sn指科教资源分布密度，s指该评价单元的面积；wi指该指标的权重值；
g、基础设施完善性的计算方法如下：
设置尺寸为2000米的格网，以各格网的几何中心点为需求点，以各类基础设施所在位置 点为供给点，通过编写Python语言程序，调取高德地图路径规划服务API，获取各个需求点 至其最近供给点之间的最短通行时长，具体计算方法如公式7、公式8所示：
Ti＝Min(ti1，ti2，ti3，...tij) 公式7
Figure BDA0003297781240000071
其中，
Figure BDA0003297781240000072
式中，Ti指采样点i的最短通行耗时，单位为秒，tij指需求点i至某类基础设施其中一个 目标点位置所需最优通行耗时，j指采样点10km范围内某类基础设施的数量；IP指指基础 设施完善性指数，si指需求点至其最近供给点之间的最短通行时长，n指评价单元内采样点的 数量。为与其它指标保持一致，计算完成基础设施完善性指数后，再通过面积加权平均法将 格网尺度的基础设施完善性指数转换为行政区划尺度；
h、社会发展强度的计算方法如公式9所示：
SD＝pop/s×w1+rl×w2 公式9
式中，SD指社会发展强度指数；pop指该评价单元内的总人口，s指该评价单元的面积； rl指该评价单元内交通路网的长度；wi指该指标的权重值。
本发明可以采用熵权法计算所述各评价指标的权重大小，具体步骤如下：
(1)同一个指标下，第i个评价单元内第j个评价指标的数值占所有评价单元内该指标 数值之和的比重Pij，用公式10表示：
Figure BDA0003297781240000073
式中，Fij指第i个评价单元内第j个指标的数值；
ej指各指标的熵值，用公式11计算：
Figure BDA0003297781240000074
式中，k指常数，k＝I/ln m，m指样本的个数，0＜ej＜1；
各评价指标的权重用公式12计算：
Figure BDA0003297781240000075
式中，wj指各个指标的权重值。
本发明可以采用极差标准化法对各指标进行标准化处理，用公式13、公式14计算：
(1)对于正指向的指标，其标准化方法为：
rij＝[vij-min(vij)]/[max(vij)-min(vij)] 公式13
(2)对于负指向的指标，其标准化方法为：
rij＝[max(vij)-vij]/[max(vij)-min(vij)] 公式14
式中，rij指经标准化处理后的指标值；vij指指标数据的原始值；max(vij)指该项指标中的 最大值；min(vij)指该项指标中的最小值。
本发明方法中，是以格网作为潜在资源环境承载力评价的基本单元、以行政区划边界作 为现实资源环境承载力评价的基本单元；
所述城市资源环境承载力指数采用公式15、公式16进行综合计算：
Figure BDA0003297781240000081
Figure BDA0003297781240000082
式中，RECCp指潜在资源环境承载力指数，RECCr指现实资源环境承载力指数，ES指生 态系统服务功能，WSS指生态系统风险，ER指生境质量；RR指资源禀赋限制性，EQS指环境质量安全性，CR指城市发展韧性，IP指基础设施完善性，SD指社会发展强度。
本发明可以采用以下方法计算城市资源环境承载力的空间分布特征：
(1)在每个评价基本单元内，采用公式17计算现实资源环境承载力指数的全局莫兰指 数Moran's I；
Figure BDA0003297781240000083
式中，I指全局莫兰指数Moran's I，n指资源环境承载力评价单元的个数，Xi和Xj指资源 环境承载力指数值，wij指各评价单元之间的空间权重矩阵；
运用热点分析法，采用公式18计算研究区域资源环境承载力指数的空间聚集性特征：
Figure BDA0003297781240000084
其中，
Figure BDA0003297781240000085
式中，
Figure BDA0003297781240000086
指聚集性指数，S指标准差；
(2)将研究区域潜在和现实资源环境承载力指数的莫兰指数和聚集性指数进行空间制图 处理，得到研究区资源环境承载力空间特征分析结果。
本发明可以采用以下方法将资源环境承载力评价结果进行可视化处理：采用ArcMap 10.8 软件，依据自然断点法将研究区域城市资源环境承载力评价结果和资源环境承载力空间特征 分析结果在地图上进行分级显示，分别生成研究区域城市资源环境承载力综合评价结果图及 其空间特征分析结果图。
本发明所述的方法，用于深入挖掘城市的资源环境承载力的综合状态。
本发明与现有技术相比，具有以下主要的技术成果：
(1)通过将遥感影像、开源地图服务、社交媒体信息、地理监测和统计数据进行综合集 成，实现了多源异构时空数据的一体化融合分析，为城市资源环境承载力综合评价输入了体 量更大、时效性更强的数据源，有效弥补了单一类型的传统数据和方法在城市资源环境承载 力综合评价中准确性和现势性的不足，极大提升了城市资源环境承载力评价的全面性和科学 性。
(2)围绕城市资源系统、环境系统、生态系统、社会经济系统的现状特征，从潜在资源 环境承载力和现实资源环境承载力两个场景出发，构建了城市资源环境承载力综合评价指标 体系，分别以格网和行政区划两种评价基本单元对城市资源环境承载力进行综合评价，并运 用空间自相关的空间计量模型对资源环境承载力的空间分布特征进行分析，该技术体系对城 市资源环境承载力综合评价的适用性更强，可全面和精准地识别出城市资源环境承载力的综 合特征，可为城市自然资源管理部门制定城市国土空间规划与决策工作提供科学合理的参考 依据。
总之，本发明提出的基于多源时空数据集成的城市资源环境承载力综合评价方法，提供 了一种将多种来源、不同类型的时空数据进行集成的方法，有效弥补了传统城市资源环境承 载力评价中数据准确性不高、现势性不够的缺陷；更为重要的是，该方法将城市资源环境承 载力整合为潜在资源环境承载力和现实资源环境承载力两个维度，可以有效识别出城市资源 环境系统的综合承载力能力及其空间分布特征，该方法适用于新时期的城市资源环境评价， 实现城市资源环境承载能力又深刻又全面的检验，是对城市资源环境承载力评价方法的有益 补充，对拓展资源环境分析评价的应用领域具有重大意义。
附图说明
图1为本发明的方法流程图。
图2为多源时空数据集成关系图。
图3为研究区域资源环境承载力评价结果图，其中：图(a)是潜在资源环境承载力评价 结果图，图(b)是现实资源环境承载力评价结果图。
图4为研究区域资源环境承载力空间特征分布结果图，其中：图(a)是潜在资源环境承 载力空间特征分布图，图(b)是现实资源环境承载力空间特征分布图。
具体实施方式
本发明公开了一种基于多源时空数据集成的城市资源环境承载力综合评价方法，该方法 包括以下步骤：S1、构建一个集成了遥感影像、开源地图服务、社交媒体信息、地理空间信 息和统计数据的多源时空数据集；S2、确定城市资源环境承载力综合评价指标体系；S3、分 别以格网和行政区划为评价单元计算潜在与现实资源环境承载力指数；S4、运用空间自相关 和热点分析方法分析资源环境承载力的空间特征，绘制资源环境承载力评价结果图及其空间 特征分布图。本发明能有效弥补传统数据和方法在城市资源环境承载力评价中准确性和现势 性的不足，对城市资源环境承载力综合评价的适用性更强，可精准地识别出城市资源环境承 载力潜在与现实的空间分布特征。
下面结合应用实施例及附图对本发明作进一步说明，但并不局限于下面所述内容。
本发明提供的基于多源时空数据集成的城市资源环境承载力综合评价方法，具体是：首 先，构建一个集成了遥感影像、开源地图服务、社交媒体信息、地理空间信息和统计几类多 源时空的综合数据集，然后，确定城市资源环境承载力综合评价指标体系；其次，基于多源 时空数据集，以格网和行政区划为基本评价单元，计算潜在与现实资源环境承载力指数；最 后，运用空间自相关和热点分析法分析资源环境承载力指数的空间特征，并对资源环境承载 力评价结果及其空间特征分析结果进行可视化，绘制资源环境承载力评价结果图和承载力空 间特征分布图。
上述基于多源时空数据集成的城市资源环境承载力综合评价方法包括以下步骤：
(1)对包括土地利用分类、数字高程、归一化植被指数、夜间灯光亮度在内的遥感影像 数据进行投影变换、数据裁剪和镶嵌三个步骤的预处理；
(2)通过编写Python编程语言程序调用在线地图的开源服务接口，获取地理兴趣点POI、 交通路网数据和社交媒体信息词条数据，并进行数据清洗、数据空间化预处理；
(3)通过访问国家地球科学系统数据服务中心、国家气象科学数据中心官方网站，申请 下载土壤有机质含量数据、年均降水量数据、年均太阳辐射量数据、地质稳定性数据，并对 这些地理空间信息数据进行投影变换、数据裁剪与镶嵌三个步骤的预处理；
(4)通过访问统计局、卫生健康委员会和水务局官方网站，申请下载研究区的统计年鉴、 卫生统计年鉴和水资源公报数据，并对这些统计数据进行数据清洗、数据空间化预处理，获 取研究区内的人口、GDP、水资源利用率、污水处理率统计数据；
(5)对以上经预处理的包括土地利用分类、数字高程、归一化植被指数和夜间灯光的遥 感影像数据、包括地理兴趣点POI、交通路网、社交媒体词条在内的新闻媒体信息数据、包 括土壤有机质含量、年均降水量、年均太阳辐射量、地质稳定性在内的地理空间数据以及包 括人口、GDP、水资源利用率、污水处理率在内的统计数据全部进行空间校正处理，然后按 照研究区域的边界形状进行范围裁剪，使数据集与研究区域的空间范围一致，生成研究区内 城市资源环境承载力综合评价的多源时空数据集。
上述方法中，可以采用以下方法确定城市资源环境承载力综合评价指标体系：
围绕城市资源系统、环境系统、社会和经济系统成要素的特征与现状，将资源环境承载 系统整合为潜在资源环境承载力和现实资源环境承载力两个维度，采用层次分析法分别构建 城市潜在和现实资源环境承载力评价指标体系，这两个体系分别由目标层、准则层和指标层 组成。目标层即为潜在资源环境承载力和现实资源环境承载力；所述潜在资源环境承载力评 价指标体系的准则层包括：生态系统服务功能、水土保持功能、生态系统敏感性3个指标； 所述现实资源环境承载力评价指标体系的准则层包括资源禀赋限制性、环境质量安全性、城 市发展韧性、基础设施完善性、社会发展强度5个指标；所述潜在资源环境承载力指标层包 括8个指标，现实资源环境承载力指标层包括12个指标。
上述方法中，可以采用以下方法计算城市资源环境承载力指数：
首先，采用熵权法计算所述各指标的权重大小，具体步骤如下：
(1)同一个指标下，计算第i个评价单元内第j个评价指标的数值占所有评价单元内该 指标数值之和的比重，如公式1所示：
Figure BDA0003297781240000121
式中，Pij指第i个评价单元内第j个评价指标的数值占所有评价单元内该指标数值之和 的比重，Fij指第i个评价单元内第j个指标的数值，n指样本的个数。
(2)计算各指标的熵值，具体方法如公式2所示：
Figure BDA0003297781240000122
式中，ej指各指标的熵值，k指常数，k＝I/ln m，m指样本的个数，0＜ej＜1；Pij指第i 个评价单元内第j个评价指标的数值占所有评价单元内该指标数值之和的比重。
各指标权重的计算方法如公式3所示：
Figure BDA0003297781240000123
式中，wj指各个指标的权重值，ej指各指标的熵值。
其次，采用极差标准化法对得出的各指标计算值进行标准化处理，如公式4、公式5所 示：
a、对于正指向的指标，其标准化方法为：
rij＝[vij-min(vij)]/[max(vij)-min(vij)] 公式4
b、对于负指向的指标，其标准化方法为：
rij＝[max(vij)-vij]/[max(vij)-min(vij)] 公式5
式中，rij指经标准化处理后的指标值；vij指指标数据的原始值；max(vij)指该项指标中 的最大值；min(vij)指该项指标中的最小值。
最后，依据以下方法计算资源环境承载力指数：
1.潜在资源环境承载力评价指标体系中各个准则层指标计算方法如下：
a、生态系统服务功能指标的计算方法如公式6所示：
ES＝Wr×w1+Ws×w2+Fs×w3 公式6
式中，ES指生态系统服务功能指数；Wr指水源涵养能力，Ws指防风固沙能力，Fs指洪水调蓄能力；w1、w2、w3分别是水源涵养能力、防风固沙能力、洪水调蓄能力的权重值。 b、水土保持功能指标的计算方法如公式7所示：
WSS＝Ss×w1+So×w2+NDVI×w3 公式7
式中，WSS指水土保持功能指数，Ss指土壤保水性，So指土壤有机质含量，NDVI指植被覆盖度指数；w1、w2、w3分别是土壤保水性、土壤有机质含量、植被覆盖度指数NDVI 的权重值。
c、生态系统敏感性指标的计算方法如公式8所示：
ER＝Se×w1+As×w2 公式8
式中，ER指生态系统敏感性指数；Se指土壤侵蚀敏感性，As指酸雨敏感性；w1、w2分别是土壤侵蚀敏感性和生态敏感性的权重值。
(2)现实资源环境承载力评价指标体系各个中准则层指标计算方法如下：
d、资源禀赋限制性指标的计算方法如公式9所示：
RR＝fs/pop×w1+dem×w2+pw×w3 公式9
式中，RR指资源禀赋限制性指数；fs指耕地面积；pop指人口；dem地形起伏度，pw指人均水资源占有量；w1、w2、w3分别是人均耕地面积、地形起伏度、人均水资源占有量的权 重值。
e、环境质量安全性指标的计算方法如公式10所示：
EQS＝dr×w1+fr×w2+aq×w3 公式10
式中，EQS指环境质量安全性指数；dr指地质稳定性；fr指洪涝灾害风险，洪涝灾害风 险值通过Python语言程序获取；aq指年均PM2.5浓度；w1、w2、w3分别是地质稳定性、 洪涝灾害风险、年均PM2.5浓度的权重值。
f、城市发展韧性指标的计算方法如公式11所示：
CR＝cn/s×w1+ps/gdp×w2+sn/s×w3 公式11
式中，CR指城市发展韧性指数；cn指企事业单位的个数，ps指第三产业产值，gdp指该 评价单元内国民经济生产总值，sn指学校和科研机构的个数，s指该评价单元的面积；w1、 w2、w3分别是企事业单位分布密度、第三产业比重、科教资源分布密度的权重值。
g、基础设施完善性指标的计算方法如下：
设置尺寸为2000米的格网，以各格网的几何中心点为需求点，以各类基础设施所在位置 点为供给点，通过编写Python语言程序，调取高德地图路径规划服务API接口，获取各个需 求点至其最近供给点之间的最短通行时长，具体计算方法如公式12、公式13所示：
Ti＝Min(ti1，ti2，ti3，...tij) 公式12
Figure BDA0003297781240000141
其中，
Figure BDA0003297781240000142
公式13、公式14中：Ti指采样点i的最短通行耗时，单位为秒；tij指需求点i至某类基 础设施其中一个目标点位置所需最优通行耗时，单位为秒；j指采样点10km范围内某类基 础设施的数量。IP指基础设施完善性指数；si指需求点至其最近供给点之间的最短通行时长， n指评价单元内采样点的数量。为与其它指标保持一致，计算完成基础设施完善性指数后， 再通过面积加权平均法将格网尺度的基础设施完善性指数转换为行政区划尺度。
h、社会发展强度指标的计算方法如公式14所示：
SD＝pop/s×w1+rl/s×w2 公式14
式中，SD指社会发展强度指数；pop指该评价单元内的总人口，s指该评价单元的面积； rl指该评价单元内交通路网的长度；w1、w2分别是人口密度和交通路网密度的权重值。
以街道级行政区划边界作为资源环境承载力评价的基本单元，采用如公式15、公式16 的方法计算城市资源环境承载力指数：
Figure BDA0003297781240000151
Figure BDA0003297781240000152
式中，RECCp指潜在资源环境承载力指数，RECCr指现实资源环境承载力指数。ES指生 态系统服务功能指数，WSS指水土保持功能指数，ER指生态系统敏感性指数，RR指资源禀赋限制性指数，EQS指环境质量安全性指数，CR指城市发展韧性指数，IP指基础设施完善 性指数，SD指社会发展强度指数；资源环境承载力指数越大，说明资源环境的承载能力越强。
上述方法中，可以采用以下方法进行城市资源环境承载力的空间特征分析和可视化制图：
(1)在每个评价基本单元内，运用ArcMap 10.8软件，计算资源环境承载力指数的全局 莫兰指数，运用热点分析法分析资源环境承载力的空间聚集性特征，其计算方法如公式17、 公式18所示：
Figure BDA0003297781240000153
Figure BDA0003297781240000154
其中，
Figure BDA0003297781240000155
式中，n指资源环境承载力评价单元的个数，Xi和Xj指资源环境承载力指数值，wij指各 评价单元之间的空间权重矩阵，I指全局空间自相关指数(Moran's I)，取值范围为[-1，1]，当I ＞0，即空间相关性为正向，且越接近1，空间差异越显著，当I＜0，则与之相反，I＝0时， 无空间相关性。
Figure BDA0003297781240000156
指聚集性指数，当
Figure BDA0003297781240000157
时，为热点区，否则为冷点区，且
Figure BDA0003297781240000158
值越不接近 于0，聚集性越明显，S指标准差。
(2)借助ArcMap 10.8软件工具，依据“自然断点”分类法将研究区域城市资源环境承载 力评价结果在地图上进行分级显示，生成研究区域城市资源环境承载力综合评价结果图。运 用ArcMap 10.8软件对研究区域资源环境承载力评价结果的莫兰指数和聚集性指数进行空间 制图处理，得到研究区资源环境承载力空间特征分析结果，最后生成研究区域城市资源环境 承载力空间特征分析结果图。
应用实例：
选择湖北省武汉市为案例区，基于多源时空大数据集成的方法，对武汉市城市资源环境 承载力进行综合评价。
步骤一，通过在线下载、开源地图服务接口调用、网络爬取或者网站申请的方式，获取 武汉市遥感影像、在线地图服务、社交媒体信息、地理空间信息以及统计数据，将各类数据 分别进行空间化、标准化处理，生成坐标统一的综合多源时空数据集，具体包括：
(1)通过访问地理空间数据云和中国科学院资源环境科学与数据中心网站，下载包括武 汉市2020年土地利用分类、数字高程、归一化植被指数、夜间灯光在内的遥感影像数据，并 对各类遥感影像数据投影变换、数据裁剪和数据镶嵌三个步骤的预处理，使得各类遥感影像 数据的坐标投影相同；
(2)通过编写Python编程语言程序调用在线开源地图服务接口，获取武汉市地理兴趣 点POI、交通路网，和含有“洪涝灾害”、“城市内涝”、“道路积水”词条的社交媒体信息数 据，并进行数据清洗、数据空间化预处理；
(4)通过访问国家地球科学系统数据服务中心、国家气象科学数据中心网站，申请下载 包括武汉市土壤有机质含量、降水量、太阳辐射和地质稳定性的地理空间信息数据，并对各 类地理空间信息数据进行投影变换、数据裁剪和数据镶嵌三个步骤的预处理，使得其坐标投 影相同；
(5)通过访问武汉市统计局、卫生健康委员会和水务局网站，申请下载武汉市2020年 统计年鉴、卫生统计年鉴和水资源公报，并进行数据清洗、数据空间化预处理，获取武汉市 的人口、GDP、水资源利用率、污水处理率四类统计数据；
(6)对以上经预处理的武汉市土地利用分类、数字高程、归一化植被指数、夜间灯光遥 感影像、地理兴趣点POI、交通路网、社交媒体信息、土壤有机质含量、年均降水量、年均 太阳辐射量、地质稳定性、人口、GDP、水资源利用率、污水处理率数据全部进行空间校正预处理，然后按照武汉市市域辖区行政区划边界形状进行范围裁剪，使数据集与研究区域的 空间范围一致，生成武汉市城市资源环境承载力综合评价多源时空数据集。
步骤二，确定城市资源环境承载力综合评价指标体系：
结合武汉市城市资源子系统、环境子系统、社会和经济子系统组成要素的特征与现状， 将资源环境承载系统整合为潜在资源环境承载力和现实资源环境承载力两个维度，采用层次 分析法分别构建城市潜在和现实资源环境承载力评价指标体系，各体系分别由目标层、准则 层和指标层组成，具体如表1所示：
表1、城市资源环境承载力综合评价指标体系
Figure BDA0003297781240000171
步骤三，计算城市资源环境承载力指数，具体如下所示：
1.采用熵权法分别计算潜在资源环境承载力和现实资源环境承载力评价指标体系中各 指标层指标的权重大小：
(1)同一个指标下，第i个评价单元内第j个评价指标的数值占所有评价单元内该指标 数值之和的比重Pij，如公式1所示：
Figure BDA0003297781240000172
式中，Fij指第i个评价单元内第j个指标的数值；
ej指各指标的熵值，其计算方法如公式2所示：
Figure BDA0003297781240000181
式中，ej指各指标的熵值，k指常数，k＝I/ln m，m指样本的个数，0＜ej＜1；Pij指第i 个评价单元内第j个评价指标的数值占所有评价单元内该指标数值之和的比重；
各指标权重的计算方法如公式3所示：
Figure BDA0003297781240000182
式中，wj指计算出的潜在与现实资源环境承载力各个评价指标的权重值；
其次，采用极差标准化法对各指标进行标准化处理，如公式4、公式5所示：
(1)对于正指向的指标，其标准化方法为：
rij＝[vij-min(vij)]/[max(vij)-min(vij)] 公式4
(2)对于负指向的指标，其标准化方法为：
rij＝[max(vij)-vij]/[max(vij)-min(vij)] 公式5
式中，rij指经标准化处理后的指标值；vij指指标数据的原始值；max xij指该项指标中的 最大值；min xij指该项指标中的最小值。经标准化处理后，所有指标的数据值都保持在[0，1] 区间内。
2.依据以下方法计算资源环境承载力指数：
(1)潜在资源环境承载力评价指标体系中准则层指标计算方法如下：
a、生态系统服务功能的计算方法如公式6所示：
ES＝Wr×w1+Ws×w2+Fs×w3 公式6
式中，ES指生态系统服务功能指数；Wr指水源涵养能力，Ws指防风固沙能力，Fs指洪水调蓄能力；wi指该指标的权重值。
b、水土保持功能的计算方法如公式7所示：
WSS＝Ss×w1+So×w2+NDVI×w3 公式7
式中，WSS指水土保持功能指数，Ss指土壤保水性，So指土壤有机质含量，NDVI指植被覆盖度指数；wi指该指标的权重值。
c、生态系统敏感性的计算方法如公式8所示：
ER＝Se×w1+As×w2 公式8
式中，ER指生态系统敏感性指数；Se指土壤侵蚀敏感性，As指酸雨敏感性；wi指该指 标的权重值。
(2)现实资源环境承载力评价指标体系中准则层指标计算方法如下：
d、资源禀赋限制性的计算方法如公式9所示：
RR＝fs/pop×w1+dem×w2+pw×w3 公式9
式中，RR指资源禀赋限制性指数；fs指耕地面积；pop指人口数量；dem地形起伏度，pw指人均水资源占有量，wi指该指标的权重值。
e、环境质量安全性的计算方法如公式10所示：
EQS＝dr×w1+fr×w2+aq×w3 公式10
式中，EQS指环境质量安全性指数；dr指地质稳定性；fr指洪涝灾害风险，洪涝灾害风 险值通过Python语言程序获取；aq指年均PM2.5浓度；wi指该指标的权重值。洪涝灾害风险数据通过编写Python语言程序爬取网络上与“洪水”、“内涝”、“洪涝灾害”相关的新闻词条，将有关的词条信息经空间配置处理，生成具有坐标位置属性信息的点要素数据，依据点数据在ArcMap 10.8软件中进行核密度分析计算，得出研究区域各评价单元内洪涝灾害风险 指数。
f、城市发展韧性的计算方法如公式11所示：
CR＝cn/s×w1+ps/gdp×w2+sn/s×w3 公式11
式中，CR指城市发展韧性指数；cn指企事业单位的个数，ps指第三产业产值，gdp指该评价单元内国民经济生产总值，sn指学校和科研机构的个数，s指该评价单元的面积；wi指该指标的权重值。企事业单位数据通过编写Python语言程序调用高德地图相关服务API，获取研究区域内所有企事业单位的POI数据，并进行投影变换、空间校正处理。
g、基础设施完善性的计算方法如下：
设置尺寸为2000米的格网，以各格网的几何中心点为需求点，以各类基础设施所在位置 点为供给点，通过编写Python语言程序，调取高德地图路径规划服务API，获取各个需求点 至其最近供给点之间的最短通行时长，按照公式12和公式13计算研究区域基础设施完善性 指数：
Ti＝Min(ti1，ti2，ti3，...tij) 公式12
Figure BDA0003297781240000201
其中，
Figure BDA0003297781240000202
式中，Ti指采样点i的最短通行耗时，单位为秒，tij指需求点i至某类基础设施其中一个 目标点位置所需最优通行耗时，j指采样点10km范围内某类基础设施的数量。IP指基础设 施完善性指数，si指需求点至其最近供给点之间的最短通行时长，n指评价单元内采样点的数 量。
调用高德地图路径规划服务API服务的关键Python代码如下：
import urllib.request
from urllib import parse
import json
import jsonpath
import pandas as pd
import time
from openpyxl import load_workbook
def querry(type，name，radius)：
fileName＝name or′export′
addList＝[]
exbook＝load_workbook(r″D：\RECC\AMAPRoad_search-python\origin.xlsx″)
addSheet＝exbook[″ori″]
route＝pd.DataFrame(addList)
for row in range(2，sheet.max_row+1)：
type＝str(sheet[″A％d″％(row)].value)
name＝sheet["B％d"％(row)].value
radius＝str(sheet["C％d"％(row)].value)
querry(type,name,radius)
为与其它指标保持一致，计算完成基础设施完善性指数后，采用ArcMap 10.8软件的“面 积制表”工具，将格网尺度的武汉市基础设施完善性指数转换至行政区划尺度，转换完成后， 研究区域内的160个评价单元各有一个基础设施完善性指数值。
h、社会发展强度的计算方法如公式14所示：
SD＝pop/s×w1+rl×w2 公式14
式中，SD指社会发展强度指数；pop指该评价单元内的总人口，s指该评价单元的面积； rl指该评价单元内交通路网的长度；wi指该指标的权重值。
为在统一的尺度单元上分析资源环境承载力评价结果，采用ArcMap 10.8软件的“面积 制表”工具，将栅格尺度的潜在资源环境承载力指数转换至行政区划尺度，统一以街道级行 政区划边界作为资源环境承载力评价的基本单元，采用公式15和公式16的方法计算研究区 域城市资源环境承载力指数：
Figure BDA0003297781240000211
Figure BDA0003297781240000212
式中，RECCp指潜在资源环境承载力指数，RECCr指现实资源环境承载力指数；ES指生 态系统服务功能，WSS指生态系统风险，ER指生境质量；RR指资源禀赋限制性，EQS指 环境质量安全性，CR指城市发展韧性，IP指基础设施完善性，SD指社会发展强度；资源环 境承载力指数越大，说明资源环境的承载能力越强。
通过公式1～公式16的计算，得出武汉市资源环境承载力综合评价结果，采用ArcMap 10.8 软件的“自然断点”分类方法将资源环境承载力评价结果分为五类，分别为“高”、“较高”、 “中等”、“较低”、“低”五个级别，分级显示每个评价单元的资源环境承载力，颜色越深的 单元资源环境承载力指数越高。通过如表二所示的分级阈值划分标准，生成研究区域城市资 源环境承载力评价结果专题图如图3所示。
表2：资源环境承载力指数划分阈值标准
潜在资源环境承载力指数区间 0.00-0.03 0.03-0.10 0.10-0.20 0.20-0.37 0.37-1.00
潜在资源环境承载力水平 低 较低 中等 较高 高
现实资源环境承载力指数区间 0.00-0.10 0.10-0.16 0.16-0.21 0.21-0.28 0.28-1.00
现实资源环境承载力水平 低 较低 中等 较高 高
步骤四，对城市资源环境承载力评价结果的空间分布特征进行分析，并对分析结果进行 可视化，具体如下所示：
(1)在每个评价基本单元内，分别计算潜在资源环境承载力指数和现实资源环境承载力 指数的全局莫兰指数(Moran’s I)，运用热点分析法挖掘资源环境承载力的空间聚集性特征， 其计算方法如公式17和公式18所示：
Figure BDA0003297781240000221
Figure BDA0003297781240000222
其中，
Figure BDA0003297781240000223
式中，n指资源环境承载力评价单元的个数，n＝160，Xi和Xj指资源环境承载力指数值， wij指各评价单元之间的空间权重矩阵，I指全局空间自相关指数，取值范围为[-1，1]，当I＞0， 即空间相关性为正向，且越接近1，空间差异越显著，当I＜0，则与之相反，I＝0时，无空 间相关性。
Figure BDA0003297781240000224
指聚集性指数，当
Figure BDA0003297781240000225
时，为热点区，否则为冷点区，且
Figure BDA0003297781240000226
值越不接近于0， 聚集性越明显，S指标准差。
(2)使用ArcMap10.8软件，对武汉市资源环境承载力评价结果的莫兰指数和聚集性指 数进行空间可视化，将研究区域资源环境承载力空间特征分析结果在地图上进行分级显示， 分别为“极热点”、“热点”、“较热点”、“较冷点”、“冷点”、“极冷点”、“不显著”七个类别， 颜色越深的评价单元的空间聚集性越强，生成的武汉市城市资源环境承载力空间特征分析结 果图如图4所示。
本发明提供的基于多源时空数据集成的城市资源环境承载力综合评价方法，具有以下特 点：
(1)不仅有效弥补了传统数据和方法在城市资源环境承载力综合评价中准确性和现势性 的不足，而且制定出了将多源异构的时空数据集成应用于资源环境领域分析的技术模式，极 大提升了城市资源环境承载力评价的科学性和实用性。
(2)针对城市资源环境系统组成复杂、结构多变的特点，从潜在和现实两种维度出发， 从更为微观的视角挖掘出了城市资源环境承载力的综合状态，深入识别出了城市资源环境承 载力的综合空间分布特征，可为城市自然资源管理部门制定城市国土空间规划与优化策略提 供科学合理的参考依据和决策支持。

Claims (10)

1.一种基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征是：先构建一个包括遥感影像、开源地图服务、社交媒体信息、地理空间信息和统计数据为一体的多源时空数据集，以确定城市资源环境承载力综合评价指标体系；再基于多源时空数据集，分别以格网和行政区划为评价单元计算潜在与现实资源环境承载力指数；最后，运用空间自相关和热点分析方法分析资源环境承载力的空间特征，绘制资源环境承载力评价结果图及其空间特征分布图。
2.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，采用以下方法构建所述的多源时空数据集：
(1)对包括土地利用分类、数字高程、归一化植被指数、夜间灯光在内的遥感影像数据进行投影变换、数据裁剪与镶嵌步骤的预处理；
(2)通过编写Python程序调用在线开源地图服务接口，获取地理兴趣点POI数据、交通路网数据和社交媒体信息数据，并进行数据清洗、数据空间化步骤的预处理；
(4)对土壤有机质含量、年均降水量、年均太阳辐射量、地质稳定性地理空间信息数据进行投影变换、数据裁剪和数据镶嵌的预处理；
(5)对统计年鉴、卫生统计年鉴和水资源公报统计数据进行数据清洗、数据空间化步骤的预处理；
(6)对以上经预处理的土地利用分类、数字高程、归一化植被指数、夜间灯光遥感影像、地理兴趣点POI、交通路网、社交媒体词条、土壤有机质含量、年均降水量、年均太阳辐射量、地质稳定性、人口、GDP、水资源利用率、污水处理率数据进行空间校正，然后按照研究区域的边界形状进行范围裁剪，使数据集与研究区域的空间范围一致，生成研究区内城市资源环境承载力综合评价的多源时空数据集。
3.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，采用以下方法确定城市资源环境承载力综合评价指标体系：
围绕城市资源子系统、环境子系统、社会和经济子系统组成要素的特征与现状，将资源环境承载系统整合为潜在资源环境承载力和现实资源环境承载力两个维度，采用层次分析法分别构建城市潜在和现实资源环境承载力评价指标体系，各体系分别由目标层、准则层和指标层组成，目标层即为潜在资源环境承载力和现实资源环境承载力；
所述潜在资源环境承载力评价指标体系的准则层：包括生态系统服务功能、水土保持功能、生态系统敏感性指标；
所述现实资源环境承载力评价指标体系的准则层：包括资源禀赋限制性、环境质量安全性、城市发展韧性、基础设施完善性、社会发展强度指标。
4.根据权利要求3所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，所述资源环境承载力评价指标体系中各准则层指标数据的计算方法如下：
(1)潜在资源环境承载力评价指标体系中准则层指标计算方法：
a、生态系统服务功能的计算方法如公式1所示：
ES＝Wr×w1+Ws×w2+Fs×w3 公式1
式中，ES指生态系统服务功能指数；Wr指水源涵养能力，Ws指防风固沙能力，Fs指洪水调蓄能力；wi指该指标的权重值；
b、水土保持功能的计算方法如公式2所示：
WSS＝Ss×w1+So×w2+NDVI×w3 公式2
式中，WSS指水土保持功能指数，Ss指土壤保水性，So指土壤有机质含量，NDVI指植被覆盖度指数；wi指该指标的权重值；
c、生态系统敏感性的计算方法如公式3所示：
ER＝Se×w1+As×w2 公式3
式中，ER指生态系统敏感性指数；Se指土壤侵蚀敏感性，As指酸雨敏感性；wi指该指标的权重值；
(2)现实资源环境承载力评价指标体系中准则层指标计算方法：
d、资源禀赋限制性的计算方法如公式4所示：
RR＝fs/pop×w1+dem×w2+pw×w3 公式4
式中，RR指资源禀赋限制性指数；fs指耕地面积；pop指人口；dem地形起伏度，pw指人均水资源占有量，wi指该指标的权重值；
e、环境质量安全性的计算方法如公式5所示：
EQS＝dr×w1+fr×w2+aq×w3 公式5
式中，EQS指环境质量安全性指数；dr指地质稳定性；fr指洪涝灾害风险，洪涝灾害风险值通过Python语言程序获取；aq指年均PM2.5浓度；wi指该指标的权重值；
f、城市发展韧性的计算方法如公式6所示：
CR＝cn/s×w1+ps/gdp×w2+sn/s×w3 公式6
式中，CR指城市发展韧性指数；cn指企事业单位的个数，ps指第三产业产值，gdp指该评价单元内国民经济生产总值，sn指学校和科研机构的个数，s指该评价单元的面积；wi指该指标的权重值；
g、基础设施完善性的计算方法如下：
设置尺寸为2000米的格网，以各格网的几何中心点为需求点，以各类基础设施所在位置点为供给点，通过编写Python语言程序，调取高德地图路径规划服务API，获取各个需求点至其最近供给点之间的最短通行时长，具体计算方法如公式7、公式8所示：
Ti＝Min(ti1，ti2，ti3，...tij) 公式7
Figure FDA0003297781230000031
式中，Ti指采样点i的最短通行耗时，单位为秒，tij指需求点i至某类基础设施其中一个目标点位置所需最优通行耗时，j指采样点10km范围内某类基础设施的数量；IP指基础设施完善性指数，si指需求点至其最近供给点之间的最短通行时长，n指评价单元内采样点的数量。为与其它指标保持一致，计算完成基础设施完善性指数后，再通过面积平均法将格网尺度的基础设施完善性指数转换为行政区划尺度；
h、社会发展强度的计算方法如公式9所示：
SD＝pop/s×w1+rl×w2 公式9
式中，SD指社会发展强度指数；pop指该评价单元内的总人口，s指该评价单元的面积；rl指该评价单元内交通路网的长度；wi指该指标的权重值。
5.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，采用熵权法计算所述各评价指标的权重大小，具体步骤如下：
(1)同一个指标下，第i个评价单元内第j个评价指标的数值占所有评价单元内该指标数值之和的比重Pij，用公式10表示：
Figure FDA0003297781230000041
式中，Fij指第i个评价单元内第j个指标的数值；
ej指各指标的熵值，用公式11、公式12计算：
Figure FDA0003297781230000042
式中，k指常数，k＝I/ln m，m指样本的个数，0＜ej＜1；
各评价指标的权重用公式12计算：
Figure FDA0003297781230000043
式中，wj指各个指标的权重值。
6.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，采用极差标准化法对各指标进行标准化处理，用公式13、公式14计算：
(1)对于正指向的指标，其标准化方法为：
rij＝[vij-min(vij)]/[max(vij)-min(vij)] 公式13
(2)对于负指向的指标，其标准化方法为：
rij＝[max(vij)-vij]/[max(vij)-min(vij)] 公式14
式中，rij指经标准化处理后的指标值；vij指指标数据的原始值；max(vij)指该项指标中的最大值；min(vij)指该项指标中的最小值。
7.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，以格网作为潜在资源环境承载力评价的基本单元、以行政区划边界作为现实资源环境承载力评价的基本单元；
所述城市资源环境承载力指数采用公式15、公式16进行综合计算：
Figure FDA0003297781230000051
Figure FDA0003297781230000052
式中，RECCp指潜在资源环境承载力指数，RECCr指现实资源环境承载力指数，ES指生态系统服务功能，WSS指生态系统风险，ER指生境质量；RR指资源禀赋限制性，EQS指环境质量安全性，CR指城市发展韧性，IP指基础设施完善性，SD指社会发展强度。
8.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，采用以下方法计算城市资源环境承载力的空间分布特征：
(1)在每个评价基本单元内，采用公式17计算现实资源环境承载力指数的全局莫兰指数：
Figure FDA0003297781230000053
式中，I指全局莫兰指数Moran’s I，n指资源环境承载力评价单元的个数，Xi和Xj指资源环境承载力指数值，wij指各评价单元之间的空间权重矩阵；
运用热点分析法，采用公式18计算研究区域资源环境承载力指数的空间聚集性特征：
Figure FDA0003297781230000054
式中，
Figure FDA0003297781230000055
指聚集性指数，S指标准差。
(2)将研究区域潜在和现实资源环境承载力指数的莫兰指数和聚集性指数进行空间制图处理，得到研究区资源环境承载力空间特征分析结果。
9.根据权利要求1所述的基于多源时空数据集成的城市资源环境承载力综合评价方法，其特征在于，采用以下方法将资源环境承载力评价结果进行可视化处理：依据自然断点法将研究区域城市资源环境承载力评价结果和资源环境承载力空间特征分析结果在地图上进行分级显示，分别生成研究区域城市资源环境承载力综合评价结果图及其空间特征分析结果图。
10.权利要求1至9中任一所述方法，其特征在于，用于深入挖掘城市资源环境承载力的综合状态。
CN202111182269.2A 2021-10-11 2021-10-11 一种基于多源时空数据集成的城市资源环境承载力综合评价方法 Pending CN113887974A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111182269.2A CN113887974A (zh) 2021-10-11 2021-10-11 一种基于多源时空数据集成的城市资源环境承载力综合评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111182269.2A CN113887974A (zh) 2021-10-11 2021-10-11 一种基于多源时空数据集成的城市资源环境承载力综合评价方法

Publications (1)

Publication Number Publication Date
CN113887974A true CN113887974A (zh) 2022-01-04

Family

ID=79006042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111182269.2A Pending CN113887974A (zh) 2021-10-11 2021-10-11 一种基于多源时空数据集成的城市资源环境承载力综合评价方法

Country Status (1)

Country Link
CN (1) CN113887974A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723283A (zh) * 2022-04-07 2022-07-08 中山大学 一种面向城市群的生态承载力遥感评估方法及装置
CN115689293A (zh) * 2022-11-15 2023-02-03 中国科学院地理科学与资源研究所 一种基于压力-状态-响应框架的城市内涝韧性评估方法
CN116307872A (zh) * 2023-03-07 2023-06-23 中国科学院地理科学与资源研究所 生态优先目标下草地生态承载力指数和载畜量获取方法
CN116563055A (zh) * 2023-07-07 2023-08-08 中国科学院地理科学与资源研究所 一种基于多源数据融合的风能潜力评估方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114723283A (zh) * 2022-04-07 2022-07-08 中山大学 一种面向城市群的生态承载力遥感评估方法及装置
CN115689293A (zh) * 2022-11-15 2023-02-03 中国科学院地理科学与资源研究所 一种基于压力-状态-响应框架的城市内涝韧性评估方法
CN116307872A (zh) * 2023-03-07 2023-06-23 中国科学院地理科学与资源研究所 生态优先目标下草地生态承载力指数和载畜量获取方法
CN116307872B (zh) * 2023-03-07 2023-10-03 中国科学院地理科学与资源研究所 生态优先目标下草地生态承载力指数和载畜量获取方法
CN116563055A (zh) * 2023-07-07 2023-08-08 中国科学院地理科学与资源研究所 一种基于多源数据融合的风能潜力评估方法
CN116563055B (zh) * 2023-07-07 2023-11-03 中国科学院地理科学与资源研究所 一种基于多源数据融合的风能潜力评估方法

Similar Documents

Publication Publication Date Title
Zhao et al. Assessment of the sustainable development of rural minority settlements based on multidimensional data and geographical detector method: A case study in Dehong, China
Wang et al. Spatio-temporal urban growth dynamics of Lagos Metropolitan Region of Nigeria based on Hybrid methods for LULC modeling and prediction
CN113887974A (zh) 一种基于多源时空数据集成的城市资源环境承载力综合评价方法
Yeprintsev et al. Technologies for creating geographic information resources for monitoring the socio-ecological conditions of cities
Hashimoto et al. Scenario analysis of land-use and ecosystem services of social-ecological landscapes: implications of alternative development pathways under declining population in the Noto Peninsula, Japan
Xu et al. Population mapping in China with Tencent social user and remote sensing data
Chen et al. Spatial and temporal heterogeneity analysis of water conservation in Beijing‐Tianjin‐Hebei urban agglomeration based on the geodetector and spatial elastic coefficient trajectory models
Liu et al. A century of the evolution of the urban area in Shenyang, China
Zhang et al. Application and research progress of geographic information system (GIS) in agriculture
Maimaiti et al. Characterizing urban expansion of Korla City and its spatial-temporal patterns using remote sensing and GIS methods
CN115994685A (zh) 一种国土空间规划现状评估方法
He RETRACTED ARTICLE: agricultural climate change based on GIS and remote sensing image and the spatial distribution of sports public services
Sleeter et al. Estimating daytime and nighttime population density for coastal communities in Oregon
Ding et al. Dynamic vulnerability analysis of mountain settlements exposed to geological hazards: a case study of the upper Min River, China
Yan et al. Exploring and attributing change to fractional vegetation coverage in the middle and lower reaches of Hanjiang River Basin, China
Xie et al. Exploring the spatial pattern of urban forest ecosystem services based on i-Tree eco and spatial interpolation: a case study of Kyoto City, Japan
Lei et al. Spatial-temporal evolution and driving factors of water yield in three major drainage basins of Hainan Island based on land use change
Zeng et al. Exploring the spatial interplay between built-up environments and surface urban heat island phenomena in the main urban area of Shanghai
Isma'il et al. Spatial analysis of urban growth in Kazaure local government area of Jigawa state, Nigeria
Akinyemi Spatial data needs for poverty management
Yao Application of GIS remote sensing information integration in eco-environmental quality monitoring
Yibo et al. Dynamic evaluation and prediction of the ecological environment quality of the urban agglomeration on the northern slope of Tianshan Mountains
Hou et al. Study on GIS visualization in evaluation of the human living environment in Shenyang-Dalian Urban Agglomeration
Masoumi et al. Evaluation of Urban Sprawl Speed and Intensity Based on International Urbanization. Example from a Mexican City.
Daoud Integrated hydrological model to study surface-groundwater interaction in hard rock systems using an unstructured grid approach, the Sardon Catchment, Spain

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