CN113988574B - 一种生态保护红线划定方法、装置、终端设备及存储介质 - Google Patents
一种生态保护红线划定方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN113988574B CN113988574B CN202111237145.XA CN202111237145A CN113988574B CN 113988574 B CN113988574 B CN 113988574B CN 202111237145 A CN202111237145 A CN 202111237145A CN 113988574 B CN113988574 B CN 113988574B
- Authority
- CN
- China
- Prior art keywords
- ecological
- area
- result
- land utilization
- index
- 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 40
- 230000008859 change Effects 0.000 claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000007704 transition Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 5
- 238000006731 degradation reaction Methods 0.000 claims description 5
- 238000004162 soil erosion Methods 0.000 claims description 5
- 239000004016 soil organic matter Substances 0.000 claims description 5
- 238000013467 fragmentation Methods 0.000 claims description 4
- 238000006062 fragmentation reaction Methods 0.000 claims description 4
- 238000006116 polymerization reaction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 description 18
- 238000004088 simulation Methods 0.000 description 14
- 238000010276 construction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000575 pesticide Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification 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
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/22—Improving land use; Improving water use or availability; Controlling erosion
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生态保护红线划定方法、装置、终端设备及存储介质,所述方法包括:基于待划定区域的土地利用历史数据,获得土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果;根据上述获得的结果,首先选取待划定区域的生态源地,然后生成生态源地的生态源阻力面,并获得生态保护红线的初始划定结果;根据土地利用历史数据,利用第一预测模型获得待划定区域的土地利用类型的未来需求量;根据未来需求量,利用第二预测模型获得待划定区域的土地利用类型的未来土地利用数据;根据初始划定结果和未来土地利用数据,获得生态保护红线的最终划定结果。本发明能够获得精度高和边界精细的生态保护红线。
Description
技术领域
本发明涉及地理信息技术领域,尤其是涉及一种生态保护红线划定方法、装置、终端设备及计算机可读存储介质。
背景技术
生态保护红线作为生态空间的刚性约束区域,是“三区三线”(城镇、农业、生态空间,以及生态保护红线、永久基本农田、城镇开发边界)的重要部分,划定生态保护红线是改善生态系统服务功能和构建生态安全格局的重要举措。
目前常见的生态保护红线的划定方法通常以《生态保护红线划定指南》为指导,仅在省域或县域层面上进行划分,且在生态保护红线的划定过程中考虑的定量指标不足,导致通过现有方法划定的生态保护红线存在精度不高和边界粗糙的问题。
发明内容
本发明提供了一种生态保护红线划定方法、装置、终端设备及存储介质,以解决通过现有方法划定的生态保护红线存在精度不高和边界粗糙的技术问题,通过对待划定区域的土地利用历史数据进行分析,根据分析的结果设置定量指标,并利用Markov模型和PLUS模型对所述待划定区域的未来土地利用数据进行预测,能够根据预测的结果获得精度高和边界精细的生态保护红线。
为了解决上述技术问题,本发明实施例第一方面提供了一种生态保护红线划定方法,包括:
基于待划定区域的土地利用历史数据,获得所述待划定区域的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果;
根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量;
根据所述未来需求量,利用预设的第二预测模型获得所述待划定区域的土地利用类型的未来土地利用数据;
根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,并根据所述初始划定结果和所述生态风险区域,获得所述待划定区域的生态保护红线的最终划定结果。
作为其中一种改进,所述第一预测模型为Markov模型;
则,所述根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量,具体包括:
根据所述土地利用历史数据,利用Markov模型获得所述待划定区域的土地利用类型之间的转移概率;
根据所述土地利用历史数据和所述转移概率,利用Markov模型获得所述待划定区域的土地利用类型的未来需求量。
作为其中一种改进,所述方法通过如下步骤获取所述第二预测模型:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取驱动因子;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,设置邻域影响因子和转换成本;
基于所述驱动因子、所述邻域影响因子和所述转换成本,构建PLUS模型,并利用所述待划定区域的土地利用历史数据对所述PLUS模型进行训练,获取所述第二预测模型。
作为其中一种改进,所述根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地,具体包括:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态评价指标,并获得每个生态评价指标的权重值;其中,所述生态评价指标包括地形位指数、水源涵养量、河网密度、土壤有机质含量、植被覆盖率、净初级生产力、生境质量、土壤侵蚀作用、地灾隐患、景观破碎度和生境退化度;
对所述生态评价指标的指标值进行标准化处理,获得标准化指标值;
根据所述生态质量综合指数和所述时空演变结果,将所述生态质量综合指数大于第一预设阈值、斑块面积大于第二预设阈值和景观连通度大于第三预设阈值的所述待划定区域内的图斑作为所述生态源地。
作为其中一种改进,所述根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,具体包括:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取阻力因子,并获得所述阻力因子的权重值;
根据所述阻力因子和所述阻力因子的权重值,采用最小累积阻力模型生成所述生态源地的生态源阻力面。
作为其中一种改进,所述根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果,具体为:
采用自然断点法对所述生态源阻力面进行生态安全格局划分,分别获得所述生态源阻力面的低生态安全格局、中生态安全格局和高生态安全格局,将所述高生态安全格局作为所述待划定区域的生态保护红线的初始划定结果。
作为其中一种改进,所述景观格局指数至少包括景观结合度指数、景观破碎度指数、最大斑块指数、周长面积分形维数、景观形状指数、蔓延度指数、聚合度指数和香农多样性指数。
本发明实施例第二方面提供了一种生态保护红线划定装置,包括:
数据获取模块,用于基于待划定区域的土地利用历史数据,获得所述待划定区域的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果;
生态源地选取模块,用于根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地;
第一生态保护红线划定模块,用于根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果;
第一预测模块,用于根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量;
第二预测模块,用于根据所述未来需求量,利用预设的第二预测模型获得所述待划定区域的土地利用类型的未来土地利用数据;
第二生态保护红线划定模块,用于根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,并根据所述初始划定结果和所述生态风险区域,获得所述待划定区域的生态保护红线的最终划定结果。
本发明实施例第三方面提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如第一方面任一项所述的生态保护红线划定方法。
本发明实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如第一方面任一项所述的生态保护红线划定方法。
相比于现有技术,本发明实施例的有益效果在于,通过对待划定区域的土地利用历史数据进行分析,根据分析的结果设置定量指标,并基于设置的定量指标利用Markov模型和PLUS模型对所述待划定区域的未来土地利用数据进行预测,能够根据预测的结果获得精度高和边界精细的生态保护红线。
附图说明
图1是本发明实施例提供的生态保护红线划定方法的流程示意图;
图2是本发明实施例提供的生态保护红线划定装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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。
参见图1,本发明实施例第一方面提供了一种生态保护红线划定方法,包括步骤S1至步骤S6,具体如下:
步骤S1,基于待划定区域的土地利用历史数据,获得所述待划定区域的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果。
在本实施例步骤中,首先根据若干期土地利用数据,从土地利用数量变化的角度,根据各类土地利用类型在各期土地利用数据中的面积,建立土地利用类型面积及占比的统计表,分析各类土地利用类型在数量占比、数量变化趋势的变化情况。
然后从土地利用结构变化的角度,建立各类土地利用类型之间的转移方向和转化量,如耕地转移至林地、建设用地、水域、草地等面积,从而构建土地利用转移矩阵,通过进一步分析各类土地利用类型之间的转移情况及转移量,分析各类土地利用转移的原因,比如耕地主要转移至了林地和建设用地,原因是城市扩张及退耕还林政策的影响。通过对土地利用数量和结构的变化分析,为下一阶段土地利用模拟预测和分析主要驱动因子提供判断依据。
具体地,本发明实施例对广州市的生态保护红线进行划定,土地利用数据以LandsatTM/ETM遥感影像为主要数据源,空间分辨率为30米,数据时间分别为2010年、2013年、2015年、2017年、2020年。通过重分类的方式,获得耕地、林地、草地、水域、建设用地和未利用地六类土地利用类型数据。分析耕地、林地、草地、水域、建设用地、未利用地之间土地利用类型在不同年份面积和比值的变化、类型相互转移(如耕地转为林地、未利用地转为建设用地等)的变化。
作为其中一种改进,所述景观格局指数包括景观结合度指数、景观破碎度指数、最大斑块指数、周长面积分形维数、景观形状指数、蔓延度指数、聚合度指数和香农多样性指数。具体如表1所示。
表1景观格局指数
具体地,根据广州市2010年、2013年、2015年、2017年、2020年的土地利用数据,对景观格局指数时空演变情况和土地空间扩张的生态服务价值变化情况进行分析,探究景观格局演变特征规律,以充分掌握各景观类型数量及空间格局演变特征,从而能够全面客观地反应区域景观格局的动态特征,了解区域景观结构组成和空间配置特征。
通过对生态系统服务价值的测算,分析生态系统服务价值演变分析的规律。生态系统服务价值的测算公示为:
式(1)中,ESV为生态系统服务价值量,i为生态系统类型,n为生态系统类型的总个数,r为生态系统服务类型,Eri为第i类生态系统第r种生态系统服务类型单位面积所生产出的价值量,Aj表示第i类型生态系统的面积。
通过对生态系统服务价值演变的分析,为下一阶段未来土地利用结构优化提供参考。
步骤S2,根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地。
作为其中一种改进,所述根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地,具体包括:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态评价指标,并获得每个生态评价指标的权重值;其中,所述生态评价指标包括地形位指数、水源涵养量、河网密度、土壤有机质含量、植被覆盖率、净初级生产力、生境质量、土壤侵蚀作用、地灾隐患、景观破碎度和生境退化度;
对所述生态评价指标的指标值进行标准化处理,获得标准化指标值;
根据所述生态质量综合指数和所述时空演变结果,将所述生态质量综合指数大于第一预设阈值、斑块面积大于第二预设阈值和景观连通度大于第三预设阈值的所述待划定区域内的图斑作为所述生态源地。
在本实施例步骤中,根据广州市的土地利用变化结果、景观指数时空演变结果和生态服务价值演变结果,从生态本底条件、生物多样性保护和生态敏感性三个方面筛选出多个生态评价指标,并构建出生态质量评价体系,确定每个生态评价指标的权重值,如表2所示。
表2生态质量评价体系
可以理解的是,对于不同的待划定区域,每个生态评价指标的权重值也会不同,本领域技术人员可以结合待划定区域的土地利用变化结果、景观指数时空演变结果和生态服务价值演变结果,采用如专家打分的方式,确定待划定区域的每个生态评价指标的权重值。
需要说明的是,为了使各生态评价指标的指标值统一,对各生态评价指标值进行标准化处理,将各生态评价指标值统一转换至[0,1]范围内。
正向指标处理公式为:
逆向指标处理公式为:
式(1)和式(2)中,ri表示标准化值,X(i)表示原始指标值,max(i)表示原始指标最大值,min(i)表示原始指标最小值。
在本发明实施例中,将建设用地及未利用地作为非生态空间用地,在耕地、林地、草地和水域中选取生态源地,并结合生态质量评价结果和景观格局分析结果作为选取条件,将生态质量综合指数大于0.9、斑块面积大于50hm2和景观连通度大于0.02的图斑作为广州市的生态源地。
步骤S3:根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果。
作为其中一种改进,所述根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,具体包括:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取阻力因子,并获得所述阻力因子的权重值;
根据所述阻力因子和所述阻力因子的权重值,采用最小累积阻力模型生成所述生态源地的生态源阻力面。
在本实施例步骤中,根据广州市的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果,选取高程、坡度、土地利用类型、距一级道路距离、距高速公路距离和距地铁距离这六个阻力因子构建生态源阻力面,并确定这六个阻力因子的权重值,具体如表3所示。
表3阻力因子的阈值参数及权重值
根据阻力因子的分级情况,按照表3中的阈值参数将各阻力因子进行重分类,以生态源地的中心为源地,根据选取的阻力因子以及确定的各阻力因子的权重值,采用最小累积阻力模型生成广州市的生态源地的生态源阻力面。
需要说明的是,最小累积阻力模型包含三个基础的定义:源、阻力、累积代价,在土地利用变化中,该模型即表示为某一类土地利用类型向外传播所付出的代价或者所做的功。该模型的表达式为:
R=f∑DijRi (3)
式(3)中R表示最小累积阻力,f表示最小累积阻力与其到所有源地的负相关关系,Dij表示源j到景观单元i的空间距离,表示在景观单元i处的阻力。
作为其中一种改进,所述根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果,具体为:
采用自然断点法对所述生态源阻力面进行生态安全格局划分,分别获得所述生态源阻力面的低生态安全格局、中生态安全格局和高生态安全格局,将所述高生态安全格局作为所述待划定区域的生态保护红线的初始划定结果。
具体地,采用自然断点法对上述广州市的生态源阻力面进行生态安全格局划分,并将划分获得的高生态安全格局作为广州市的生态保护红线的初步划定结果。
步骤S4:根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量。
作为其中一种改进,所述第一预测模型为Markov模型;
则,所述根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量,具体包括:
根据所述土地利用历史数据,利用Markov模型获得所述待划定区域的土地利用类型之间的转移概率;
根据所述土地利用历史数据和所述转移概率,利用Markov模型获得所述待划定区域的土地利用类型的未来需求量。
需要说明的是,Markov过程理论的动态随机模型是Markov的基础,是常用的土地利用/覆盖变化数量预测模型,主要是通过初始概率以及状态之间的转移概率变化规律来预测未来某个时间数据发生的概率,Markov模型的表达式为:
St+1=P=ijSt (4)
式(4)中,St表示t时刻土地利用的状态,St+1表示t+1时刻土地利用的状态,Pij表示各所述待划定区域的土地利用类型之间的转移概率。
具体地,Markov模型在预测国土空间类型在数量上的变化具有无后效性和平稳性特征,在本发明实施例中,通过对广州市的2015年土地利用数据和2020年土地利用数据进行分析,得出广州市的各土地利用类型之间的转移概率,然后再利用广州市某一期的土地利用数据结合得出的转移概率,对耕地、林地、草地、水域、建设用地和未利用地进行模拟预测,获得广州市未来某一时刻各土地利用类型的数量变化情况。
步骤S5:根据所述未来需求量,利用预设的第二预测模型获得所述待划定区域的土地利用类型的未来土地利用数据。
作为其中一种改进,所述方法通过如下步骤获取所述第二预测模型:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取驱动因子;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,设置邻域影响因子和转换成本;
基于所述驱动因子、所述邻域影响因子和所述转换成本,构建PLUS模型,并利用所述待划定区域的土地利用历史数据对所述PLUS模型进行训练,获取所述第二预测模型。
需要说明的是,一种斑块生成土地利用变化模型(Patch-generating land usesimulation model,PLUS),可以更好地挖掘各类土地利用变化的诱因,更好地模拟多类土地利用斑块级的变化,模拟结果可以更好地支持规划和管理。PLUS模型的框架包括基于土地扩张分析策略的转化规则挖掘框架(LEAS)和基于多类型随机斑块种子机制的CA模型(CARS)两部分。LEAS使用两期土地利用数据进行叠加,提取两期土地利用数据的变化部分,然后随机选取采样点,结合土地利用类型,并采用随机森林算法(Random ForestClassification,RCF),分别对每一类土地利用类型进行训练,获取不同土地利用类型的扩张规则。RCF算法公式为:
式(5)中,k表示土地利用类型,i表示k所在的元胞,M表示决策树的总数,x表示由多个驱动因素组成的向量,d的值为0和1(1表示还有其他土地利用类型转换为k,0表示无),表示土地的扩张概率,I()是决策树集,hn(x)是向量x的第n决策树的预测类型。
通过LEAS获取了每一类土地利用的扩张规则,然后通过CARS模拟多种土地利用类型的斑块演化,CARS是一种由情景驱动的土地利用模拟模型,采用基于阈值下降的多类型随机斑块种子机制,应用蒙特卡洛方法,当某一类土地利用类型的邻域效应为0时,在各土地利用类型的发展概率面上生成变化种子。
k表示土地利用类型,i表示k所在的元胞,t表示阈值降低值,r是范围在0至1内的随机值,μk是产生新的土地利用类型斑块的阈值,表示土地利用总体概率,表示土地利用类型k在元胞i的邻域效应,是土地利用k的未来发展需求的影响。
具体地,本发明实施例根据广州市的土地利用变化结果、生态服务价值演变结果和时空演变结果,选取的驱动因子数据包括气候环境数据和社会经济数据,气候环境数据包括高程、坡度和到水域的距离,社会经济因素包括人口、GDP、到高速公路距离、到一级道路距离和到二级道路距离。
邻域因子参数表示土地用地类型的扩张能力,因此不同情境下的同类土地利用类型应设置为相同数值。本发明实施例将广州市的各类土地利用类型的扩张能力依次定义为未利用地>建设用地>水域>草地>耕地>林地,其中未利用地的扩张能力最强,设为1,林地的扩张能力最弱,设为0.1,具体用地扩张能力(即邻域因子参数)如表4所示。
表4各土地利用类型的领域因子参数
土地利用类型 | 耕地 | 林地 | 草地 | 水域 | 建设用地 | 未利用地 |
邻域因子参数 | 0.7 | 0.1 | 0.3 | 0.4 | 0.9 | 1 |
转移成本表示某一土地利用类型转换为其他类型的困难程度,用土地利用转换成本矩阵表示,代表不同土地利用类型间的转换规则,0表示土地利用类型之间不能相互转换,1表示土地利用类型之间可以相互转换,广州市各土地利用类型的转移成本具体如表5所示。
表5各土地利用类型的转换成本
本发明实施例通过利用PLUS模型对2020年广州市的土地利用情况进行模拟,验证PLUS模型的模拟准确率。根据2015年广州市的土地利用情况,结合每类用地的扩张概率,通过PLUS模型模拟得到2020年广州市的土地利用情况,与2020年广州市的真实土地利用情况相比,通过定性分析,可以得出利用PLUS模型进行城市土地利用模拟的结果与该城市土地利用的真实数据在整体空间分布上大体一致。通过定量分析各土地类型模拟的准确率得出,各类土地利用的模拟准确度均达到98%以上。为了从更加准确地验证PLUS模型的模拟精度,本发明实施例引入Kappa系数进行模拟结果与真实结果的精度验证,Kappa值为0.9431,FOM的值为0.275,表示模拟结果与真实结果具有高度的一致性,模拟结果与真实结果的对比分析具体如表6所示。
表6 2020年广州市土地利用类型的预测结果与真实结果对照表
因此PLUS模型的模拟精度较高,能够较好地呈现真实的城市发展形态,因而将其应用于预测城市未来用地发展的可靠性也较高。
在本实施例步骤中,根据预先基于广州市的土地利用变化结果、生态服务价值演变结果和每个景观格局指数的时空演变结果设定的驱动因子、领域影响因子和转换成本,以及通过步骤S4获得的广州市的每个土地利用类型的未来需求量,利用PLUS模型获得广州市的每个土地利用类型的未来土地利用数据,进而得出广州市的未来土地利用情况。
步骤S6:根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,并根据所述初始划定结果和所述生态风险区域,获得所述待划定区域的生态保护红线的最终划定结果。
在本实施例步骤中,根据步骤S5获得的待划定区域的未来土地利用情况,与步骤S3获得的待划定区域的生态保护红线的初始划定结果进行叠置分析,识别出已被其他土地利用类型侵蚀的生态风险区域。对识别的生态风险区域进行逐一分析,判断每一个生态风险区域是否应划入生态保护红线范围内,进而对待划定区域初步划定的生态保护红线进行优化与调整,获得待划定区域的生态保护红线的最终划定结果。
具体地,本发明实施例根据步骤S5获得的广州市的未来土地利用情况,与步骤S3获得的广州市的生态保护红线的初始划定结果进行叠置分析,识别出已被其他土地利用类型侵蚀的生态风险区域。对识别的生态风险区域进行逐一分析,判断每一个生态风险区域是否应划入生态保护红线范围内,进而对广州市初步划定的生态保护红线进行优化与调整,获得广州市的生态保护红线的最终划定结果。
采用本发明实施例提供的生态保护红线划定方法,通过对待划定区域的土地利用历史数据进行分析,根据分析的结果设置定量指标,并利用Markov模型和PLUS模型对所述待划定区域的未来土地利用数据进行预测,能够根据预测的结果获得精度高和边界精细的生态保护红线。
参见图2,是本发明实施例提供的生态保护红线划定装置的结构示意图。
本发明实施例第二方面提供了一种生态保护红线划定装置,包括:
数据获取模块201,用于基于待划定区域的土地利用历史数据,获得所述待划定区域的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果;
生态源地选取模块202,用于根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地;
第一生态保护红线划定模块203,用于根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果;
第一预测模块204,用于根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量;
第二预测模块205,用于根据所述未来需求量,利用预设的第二预测模型获得所述待划定区域的土地利用类型的未来土地利用数据;
第二生态保护红线划定模块206,用于根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,并根据所述初始划定结果和所述生态风险区域,获得所述待划定区域的生态保护红线的最终划定结果。
作为其中一种改进,所述第一预测模型为Markov模型;
则,所述第一预测模块204还用于:
根据所述土地利用历史数据,利用Markov模型获得所述待划定区域的土地利用类型之间的转移概率;
根据所述土地利用历史数据和所述转移概率,利用Markov模型获得所述待划定区域的土地利用类型的未来需求量。
作为其中一种改进,所述生态保护红线划定装置还包括第二预测模型获取模块207,用于:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取驱动因子;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,设置邻域影响因子和转换成本;
基于所述驱动因子、所述邻域影响因子和所述转换成本,构建PLUS模型,并利用所述待划定区域的土地利用历史数据对所述PLUS模型进行训练,获取所述第二预测模型。
作为其中一种改进,所述生态源地选取模块202还用于:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态评价指标,并获得每个生态评价指标的权重值;其中,所述生态评价指标包括地形位指数、水源涵养量、河网密度、土壤有机质含量、植被覆盖率、净初级生产力、生境质量、土壤侵蚀作用、地灾隐患、景观破碎度和生境退化度;
对所述生态评价指标的指标值进行标准化处理,获得标准化指标值;
根据所述生态质量综合指数和所述时空演变结果,将所述生态质量综合指数大于第一预设阈值、斑块面积大于第二预设阈值和景观连通度大于第三预设阈值的所述待划定区域内的图斑作为所述生态源地。
作为其中一种改进,所述第一生态保护红线划定模块203还用于:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取阻力因子,并获得所述阻力因子的权重值;
根据所述阻力因子和所述阻力因子的权重值,采用最小累积阻力模型生成所述生态源地的生态源阻力面。
作为其中一种改进,所述第一生态保护红线划定模块203还用于:
采用自然断点法对所述生态源阻力面进行生态安全格局划分,分别获得所述生态源阻力面的低生态安全格局、中生态安全格局和高生态安全格局,将所述高生态安全格局作为所述待划定区域的生态保护红线的初始划定结果。
作为其中一种改进,所述景观格局指数至少包括景观结合度指数、景观破碎度指数、最大斑块指数、周长面积分形维数、景观形状指数、蔓延度指数、聚合度指数和香农多样性指数。
需要说明的是,本发明实施例所提供的一种生态保护红线划定装置,能够实现上述任一实施例所述的生态保护红线划定方法的所有流程,装置中的各个模块的作用以及实现的技术效果分别与上述实施例所述的生态保护红线划定方法的作用以及实现的技术效果对应相同,这里不再赘述。
本发明实施例第三方面提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如第一方面任一实施例所述的生态保护红线划定方法。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如第一方面任一项所述的生态保护红线划定方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现,当然也可以全部通过硬件来实施。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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或者实施例的某些部分所述的方法。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种生态保护红线划定方法,其特征在于,包括:
基于待划定区域的土地利用历史数据,获得所述待划定区域的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果;
根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量;
根据所述未来需求量,利用预设的第二预测模型获得所述待划定区域的土地利用类型的未来土地利用数据;
根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,并根据所述初始划定结果和所述生态风险区域,获得所述待划定区域的生态保护红线的最终划定结果;
其中,所述根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地,具体包括:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态评价指标,并获得每个生态评价指标的权重值;其中,所述生态评价指标包括地形位指数、水源涵养量、河网密度、土壤有机质含量、植被覆盖率、净初级生产力、生境质量、土壤侵蚀作用、地灾隐患、景观破碎度和生境退化度;
对所述生态评价指标的指标值进行标准化处理,获得标准化指标值;
根据所述生态质量综合指数和所述时空演变结果,将所述生态质量综合指数大于第一预设阈值、斑块面积大于第二预设阈值和景观连通度大于第三预设阈值的所述待划定区域内的图斑作为所述生态源地;
所述第一预测模型为Markov模型,所述第二预测模型为训练后的PLUS模型;
所述根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,具体为:
将所述初始划定结果和所述未来土地利用数据进行叠置分析,识别获得所述待划定区域中的被侵蚀区域,并将所述被侵蚀区域作为所述待划定区域中的生态风险区域。
2.如权利要求1所述的生态保护红线划定方法,其特征在于,所述根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量,具体包括:
根据所述土地利用历史数据,利用Markov模型获得所述待划定区域的土地利用类型之间的转移概率;
根据所述土地利用历史数据和所述转移概率,利用Markov模型获得所述待划定区域的土地利用类型的未来需求量。
3.如权利要求1所述的生态保护红线划定方法,其特征在于,所述方法通过如下步骤获取所述第二预测模型:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取驱动因子;
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,设置邻域影响因子和转换成本;
基于所述驱动因子、所述邻域影响因子和所述转换成本,构建PLUS模型,并利用所述待划定区域的土地利用历史数据对所述PLUS模型进行训练,获取所述第二预测模型。
4.如权利要求1所述的生态保护红线划定方法,其特征在于,所述根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,具体包括:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取阻力因子,并获得所述阻力因子的权重值;
根据所述阻力因子和所述阻力因子的权重值,采用最小累积阻力模型生成所述生态源地的生态源阻力面。
5.如权利要求1所述的生态保护红线划定方法,其特征在于,所述根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果,具体为:
采用自然断点法对所述生态源阻力面进行生态安全格局划分,分别获得所述生态源阻力面的低生态安全格局、中生态安全格局和高生态安全格局,将所述高生态安全格局作为所述待划定区域的生态保护红线的初始划定结果。
6.如权利要求1所述的生态保护红线划定方法,其特征在于,所述景观格局指数至少包括景观结合度指数、景观破碎度指数、最大斑块指数、周长面积分形维数、景观形状指数、蔓延度指数、聚合度指数和香农多样性指数。
7.一种生态保护红线划定装置,其特征在于,包括:
数据获取模块,用于基于待划定区域的土地利用历史数据,获得所述待划定区域的土地利用变化结果、生态服务价值演变结果和景观格局指数的时空演变结果;
生态源地选取模块,用于根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态源地;
第一生态保护红线划定模块,用于根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,生成所述生态源地的生态源阻力面,根据所述生态源阻力面,获得所述待划定区域的生态保护红线的初始划定结果;
第一预测模块,用于根据所述土地利用历史数据,利用第一预测模型获得所述待划定区域的土地利用类型的未来需求量;
第二预测模块,用于根据所述未来需求量,利用预设的第二预测模型获得所述待划定区域的土地利用类型的未来土地利用数据;
第二生态保护红线划定模块,用于根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,并根据所述初始划定结果和所述生态风险区域,获得所述待划定区域的生态保护红线的最终划定结果;
其中,所述生态源地选取模块还用于:
根据所述土地利用变化结果、所述生态服务价值演变结果和所述时空演变结果,选取所述待划定区域的生态评价指标,并获得每个生态评价指标的权重值;其中,所述生态评价指标包括地形位指数、水源涵养量、河网密度、土壤有机质含量、植被覆盖率、净初级生产力、生境质量、土壤侵蚀作用、地灾隐患、景观破碎度和生境退化度;
对所述生态评价指标的指标值进行标准化处理,获得标准化指标值;
根据所述标准化指标值和所述权重值,采用公式计算获得生态质量综合指数,其中,表示生态质量综合指数,表示生态评价指标的权重值,表示标准化指标值;
根据所述生态质量综合指数和所述时空演变结果,将所述生态质量综合指数大于第一预设阈值、斑块面积大于第二预设阈值和景观连通度大于第三预设阈值的所述待划定区域内的图斑作为所述生态源地;
所述第一预测模型为Markov模型,所述第二预测模型为训练后的PLUS模型;
所述根据所述初始划定结果和所述未来土地利用数据,识别获得所述待划定区域中的生态风险区域,具体为:
将所述初始划定结果和所述未来土地利用数据进行叠置分析,识别获得所述待划定区域中的被侵蚀区域,并将所述被侵蚀区域作为所述待划定区域中的生态风险区域。
8.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1至6任一项所述的生态保护红线划定方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至6任一项所述的生态保护红线划定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111237145.XA CN113988574B (zh) | 2021-10-22 | 2021-10-22 | 一种生态保护红线划定方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111237145.XA CN113988574B (zh) | 2021-10-22 | 2021-10-22 | 一种生态保护红线划定方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113988574A CN113988574A (zh) | 2022-01-28 |
CN113988574B true CN113988574B (zh) | 2022-05-17 |
Family
ID=79740633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111237145.XA Active CN113988574B (zh) | 2021-10-22 | 2021-10-22 | 一种生态保护红线划定方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113988574B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156519A (zh) * | 2016-07-25 | 2016-11-23 | 环境保护部南京环境科学研究所 | 一种基于防风固沙生态屏障的生态保护红线划分方法 |
CN106530170A (zh) * | 2016-09-21 | 2017-03-22 | 环境保护部南京环境科学研究所 | 一种区域生态保护红线的边界优化方法 |
CN107977711A (zh) * | 2017-12-21 | 2018-05-01 | 武汉大学 | 一种面向“三线”协同优化的多智能体遗传算法 |
CN108537710A (zh) * | 2018-03-26 | 2018-09-14 | 重庆交通大学 | 一种基于Markov-FLUS模型的城市增长边界划定方法 |
CN109102193A (zh) * | 2018-08-17 | 2018-12-28 | 湖南城市学院 | 地理设计生态红线划定与管理系统及数据库、评价模型 |
CN113298287A (zh) * | 2021-04-02 | 2021-08-24 | 南京师范大学 | 面向SDGs的区域土地需求量序列预测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI0405541A (pt) * | 2004-12-13 | 2006-08-29 | Vagner Mirone | disposição construtiva introduzida em protetor ecológico de boca de lobo |
CN101763600A (zh) * | 2010-01-12 | 2010-06-30 | 武汉大学 | 基于模型簇的土地利用供需预测方法 |
CN106651723B (zh) * | 2016-12-29 | 2020-08-14 | 生态环境部南京环境科学研究所 | 一种水源涵养功能保护红线的划定方法 |
CN110059855B (zh) * | 2019-03-12 | 2023-04-25 | 西安理工大学 | 一种区域土地利用优化配置方法 |
CN111582689B (zh) * | 2020-04-27 | 2024-03-01 | 生态环境部南京环境科学研究所 | 一种生态保护红线保护成效的评估方法及系统 |
CN112381393A (zh) * | 2020-11-13 | 2021-02-19 | 西南科技大学 | 一种山区生态保护红线划定优化方法 |
CN112884226A (zh) * | 2021-02-23 | 2021-06-01 | 湖南大学 | 基于多智能体算法的国土空间格局模拟规划方法及系统 |
-
2021
- 2021-10-22 CN CN202111237145.XA patent/CN113988574B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156519A (zh) * | 2016-07-25 | 2016-11-23 | 环境保护部南京环境科学研究所 | 一种基于防风固沙生态屏障的生态保护红线划分方法 |
CN106530170A (zh) * | 2016-09-21 | 2017-03-22 | 环境保护部南京环境科学研究所 | 一种区域生态保护红线的边界优化方法 |
CN107977711A (zh) * | 2017-12-21 | 2018-05-01 | 武汉大学 | 一种面向“三线”协同优化的多智能体遗传算法 |
CN108537710A (zh) * | 2018-03-26 | 2018-09-14 | 重庆交通大学 | 一种基于Markov-FLUS模型的城市增长边界划定方法 |
CN109102193A (zh) * | 2018-08-17 | 2018-12-28 | 湖南城市学院 | 地理设计生态红线划定与管理系统及数据库、评价模型 |
CN113298287A (zh) * | 2021-04-02 | 2021-08-24 | 南京师范大学 | 面向SDGs的区域土地需求量序列预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113988574A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | The delineation of urban growth boundaries in complex ecological environment areas by using cellular automata and a dual-environmental evaluation | |
Saxena et al. | Land suitability and urban growth modeling: Development of SLEUTH-Suitability | |
Shooshtari et al. | Scenario-based land cover change modeling and its implications for landscape pattern analysis in the Neka Watershed, Iran | |
Bohlen et al. | Examining the economic impacts of hydropower dams on property values using GIS | |
Geneletti | Ecological evaluation for environmental impact assessment | |
Reddy et al. | Quantifying and predicting multi-decadal forest cover changes in Myanmar: A biodiversity hotspot under threat | |
Li et al. | Bringing conservation priorities into urban growth simulation: An integrated model and applied case study of Hangzhou, China | |
Rahman et al. | Assessing soil erosion hazard-a raster based GIS approach with spatial principal component analysis (SPCA) | |
Anputhas et al. | Modelling spatial association in pattern based land use simulation models | |
Salvati et al. | Zero Net Land Degradation in Italy: The role of socioeconomic and agro-forest factors | |
Thomas et al. | Fragmentation and thresholds in hydrological flow‐based ecosystem services | |
Aksoy et al. | Monitoring of land use/land cover changes using GIS and CA-Markov modeling techniques: A study in Northern Turkey | |
Abudu et al. | Spatial assessment of urban sprawl in Arua Municipality, Uganda | |
Zhang et al. | Exploring the impact of integrated spatial function zones on land use dynamics and ecosystem services tradeoffs based on a future land use simulation (FLUS) model | |
Li et al. | Urban growth boundaries optimization under low-carbon development: Combining multi-objective programming and patch cellular automata models | |
Teimouri et al. | Investigation of land use changes using the landscape ecology approach in Maragheh City, Iran | |
Deepthi et al. | Performance assessment of general circulation models: application of compromise programming method and global performance indicator technique | |
Potić et al. | Deforestation as a cause of increased surface runoff in the catchment: Remote Sensing and Swat Approach—A case study of southern Serbia | |
Li et al. | Scenario simulation and forecast of land use/cover in northern China | |
Zhang et al. | Changes of forestland in China's coastal areas (1996-2015): Regional variations and driving forces | |
Tian et al. | Suburban sprawl measurement and landscape analysis of cropland and ecological land: A case study of Jiangsu Province, China | |
Reza et al. | Application of graph-based indices to map and develop a connectivity importance index for large mammal conservation in a tropical region: A case study in Selangor State, Peninsular Malaysia | |
CN113988574B (zh) | 一种生态保护红线划定方法、装置、终端设备及存储介质 | |
Armstrong et al. | The application of data mining techniques to characterize agricultural soil profiles. | |
Aslam et al. | Effect of multiple climate change scenarios and predicted land-cover on soil erosion: A way forward for the better land management |
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 |