CN114444356A - 一种获取居民空间碳排放量的方法及装置 - Google Patents
一种获取居民空间碳排放量的方法及装置 Download PDFInfo
- Publication number
- CN114444356A CN114444356A CN202210101261.7A CN202210101261A CN114444356A CN 114444356 A CN114444356 A CN 114444356A CN 202210101261 A CN202210101261 A CN 202210101261A CN 114444356 A CN114444356 A CN 114444356A
- Authority
- CN
- China
- Prior art keywords
- grid
- land
- residential
- night
- poi
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 76
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 12
- 238000011160 research Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 3
- 238000010792 warming Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种获取居民空间碳排放量的方法及装置,属于环境监测技术领域。首先获取目标区的POI数据和夜间灯光遥感数据,并对目标区进行格网划分,根据每个格网的各个地类POI数据确定各格网中各个地类的重要程度,然后基于获取的夜间灯光遥感数据计算每个格网下的居民地类的夜间纯净灯光值;根据目标区内的居民碳排放总量、各格网居民地类夜间纯净灯光值在目标区内的比重,确定每个格网的碳排放量。相比于现有技术,本发明中通过提取出的居民地类的夜间纯净灯光值,得到较为精准的居民碳排放空间分布格局,减少了其他地类夜间灯光的影响,提升了居民碳排放空间分布结果的精度,为后续低碳研究提供了更为精准的数据源。
Description
技术领域
本发明涉及一种获取居民空间碳排放量的方法及装置,属于环境监测技术领域。
背景技术
碳排放增加引起的全球气候变暖深刻影响着人们的生活和健康,为了应对全球气候变暖导致的严重后果,世界各国开始了一系列遏制气候变暖、减少人为二氧化碳排放的行动。居民碳排放是重要的碳排放源,研究居民碳排放空间分布格局对于低碳发展和低碳建设有着重要意义。夜间灯光可以较客观地反映人类社会生产和生活活动的状况,夜间灯光数据已广泛地应用于城市发展、自然环境及社会经济活动等方面的研究。
目前,获取居民碳排放空间分布格局的主要方法是将夜间灯光数据与居民碳排放统计数据相结合;但是获取的夜间灯光数据是各个地类灯光数据的混合,该夜间灯光数据包含了居住类、商服类、工业类、公服类等的数据,直接利用夜间灯光数据与居民碳排放统计数据去确定居民碳排放的空间分布,这种方式得到的结果受到其他地类夜间灯光数据的干扰,无法准确得到居民地类在空间上的碳排放分布情况,导致最终生成的居民碳排放空间分布结果精度较低,无法为其他相关研究(例如低碳研究)提供准确数据。
发明内容
本发明的目的是提供一种获取居民空间碳排放量的方法及装置,以解决现有技术直接依据夜间灯光数据获取的居民空间碳排放量精度较低的问题。
本发明提出一种获取居民空间碳排放量的方法,该方法包括以下步骤:
1)获取目标区的各个地类POI数据及夜间灯光遥感数据;
2)对目标区进行格网划分,计算每个格网下各个地类的POI密度、优势比和POI总量;并根据所述各格网不同地类的POI密度、优势比和POI总量,确定各格网中各个地类的重要程度;
3)根据获取的夜间灯光遥感数据和所述各格网中各个地类的重要程度,计算各格网下居民地类夜间纯净灯光值;
4)获取目标区的居民地类碳排放总量,并计算各格网居民地类夜间纯净灯光值占目标区中居民地类夜间纯净灯光值的比重;根据所述比重及目标区内的居民地类碳排放总量确定目标区内各格网的居民地类碳排放量。
本发明还提出一种获取居民空间碳排放量的装置,该装置包括处理器和存储器,所述处理器用于执行所述存储器存储的计算机程序,以实现如上所述的获取居民空间碳排放量的方法。
本发明通过各个地类POI数据得到的各地类的重要程度,有效地在夜间灯光遥感数据中提取出了居民地类的夜间纯净灯光值,并根据居民地类碳排放总量及提取的个网格中居民地类夜间纯净灯光值,得到较为精准的居民碳排放空间分布格局,相比于现有技术中直接使用夜间灯光遥感数据获取居民碳排放量,减少了其他地类夜间灯光的影响,提升了居民碳排放空间分布结果的精度,为后续低碳研究提供了更为精准的数据源。
进一步地,所述各格网的碳排放量的计算公式为:
Cg=S×Δg
式中,Cg为各格网的居民地类碳排放量,S为目标区基于统计数据的居民地类碳排放总量,Δg为居民地类夜间纯净灯光值占目标区的居民地类夜间纯净灯光值的比重,dg为各格网的居民地类夜间纯净灯光值,∑dg为目标区居民地类夜间纯净灯光值,g=1,2,…,m,m为格网总数。
通过上述过程依据各网格中的居民地类夜间灯光值占所在目标区总的居民地类夜间灯光值的比重、碳排放总量确定各个格网的碳排放量,得到居民碳排放量的空间分布情况。
进一步地,所述各个地类的POI密度的计算公式为:
式中,t代表POI地类,nt代表POI地类t在格网g的数量,Nt代表POI地类t在目标区的数量,Ng代表在格网g中所有地类POI的数量,N代表整个目标区中POI的总量,g=1,2,…,m,m为格网总数。
进一步地,所述优势比的计算公式为:
式中,t代表POI地类,nt代表POI地类t在格网g的数量,Nt代表POI地类t在目标区的数量,Ng代表在格网g中所有地类POI的数量,N代表目标区中POI的总量,g=1,2,…,m,m为格网总数。
进一步地,所述各格网中各个地类的重要程度的计算公式为:
式中,Ot,g代表格网g下地类t的优势比,Pt,g代表格网g下地类t的POI密度,nt,g代表格网g下地类t的POI总量,St,g代表格网g下地类t的重要程度。
通过上述过程确定POI密度,以展示任一地类在所处网格下的聚集程度,同时由于同一网格下不同地类的POI密度可能相似,为此通过上述过程计算优势比,以评估哪一地类的POI密度更可靠,并根据计算出的POI密度、优势比及POI总量确定各格网中各个地类的重要程度。
进一步地,各格网下各个地类的夜间纯净灯光值的计算公式为:
Qg,t=Ag×Wgt
式中,Qg,t为格网g中地类t的夜间纯净灯光值,Ag为格网g中的夜间灯光总值,Wgt为格网g中地类t的权重值。
进一步地,所述格网中的各地类权重值是根据各格网中各地类的重要程度归一化得到的,其计算公式如下:
式中,x′归一化结果,x代表原始数据,即各格网下不同地类的重要程度,min代表同一地类在所有格网中的重要程度的最小值,max代表同一地类在所有格网中的重要程度的最大值。
为了方便计算各格网下各个地类的夜间纯净灯光值,对各格网中各地类的重要程度进行归一化,将归一化后的数值作为某一网格下某一地类的权重值,再基于此,得到较为准确的各格网下各个地类的夜间纯净灯光值。
进一步地,所述格网的划分是根据夜间灯光遥感数据的分辨率确定的,夜间灯光遥感数据的分辨率越高,划分的格网越密。
通过上述过程根据夜间灯光遥感数据的分辨率进行格网的划分,实现不同分辨率下的适应性调整,夜间灯光遥感数据的分辨率越高,划分的格网越密,得到的数据越精准。
进一步地,所述步骤1)还包括对POI数据的预处理,该预处理包括数据清洗、查重和坐标变换。
由于获取的POI数据中可能会存在重复或无效数据,因此需要对数据进行清洗和查重,剔除重复数据和无效数据,减少不必要计算,确保数据的准确性,同时还需要对所有数据进行坐标统一,保证后续过程顺利进行。
附图说明
图1是本发明获取居民空间碳排放量的流程。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步地说明。
方法实施例
本发明提出一种获取居民空间碳排放量的方法,具体流程如图1所示。首先获取目标区的POI数据和夜间灯光遥感数据,并对目标区进行格网划分,根据每个格网的各个地类POI数据确定各格网中各个地类的重要程度,然后基于获取的夜间灯光遥感数据计算每个格网下的各个地类的夜间纯净灯光值;根据目标区内的居民碳排放总量、各格网居民地类夜间纯净灯光值在目标区内的比重,确定每个格网的碳排放量。
步骤1.获取数据及预处理
本发明首先获取目标区内的POI数据及夜间灯光遥感数据,并对目标区内的POI数据进行分类,本实施例中将POI数据分为了公服类、商服类、居住类和工业类。其中,POI数据可以在现有地理数据库中获取。同时为了保证最终结果的准确性,两种数据的采集时间不应过大,可以根据POI数据的获取时间选择与其时间最相近的夜间灯光遥感数据。作为其他实施方式,POI数据的具体分类类别可以根据实际需求进行确定。
同时还需对获取的POI数据进行预处理,包括数据查重、清洗及坐标转换。由于获取的POI数据中可能会存在重复或无效数据,因此需要对数据进行清洗和查重,剔除重复数据和无效数据,减少不必要计算,确保数据的准确性,同时考虑到获取数据的数据库多样化,还有POI数据与夜间灯光遥感数据可能坐标系不同,为了保证后续过程的顺利进行,确保最终计算结果的准确性,需要保证所有数据的坐标系统一,可以将所有数据均统一在所获取的夜间灯光遥感数据所处的坐标系下(例如WGS-84、CGCS2000)。
步骤2.目标区格网划分
根据夜间灯光遥感数据的分辨率,对目标区进行格网划分,将目标区分割成与夜间灯光遥感数据分辨率大小相同的格网,即每个格网的大小与夜间灯光遥感数据的分辨率相同,例如夜间灯光遥感数据的分辨率为1KM,则目标区每个格网为1KM×1KM;夜间灯光遥感数据的分辨率为500m,则目标区每个格网为500m×500m;当分辨率越高时,划分的格网越密。
步骤3.计算各格网不同地类的重要程度
对步骤2划分好的格网,统计每一格网下每一地类的POI数据,由此确定每个格网下每一地类数据的POI密度、优势比及POI总量,根据POI密度、优势比及POI总量计算每一格网下每一地类的重要程度。其中,POI密度表示该地类在该格网中的聚集程度;由于不同格网中不同地类的POI密度可能相似,因此通过优势比来评估哪一地类更可靠;POI总量是指各格网中每个地类的数量。
其中,POI密度的计算公式如下:
式中,t代表POI地类,nt代表POI地类t在格网g的数量;Nt代表POI地类t在目标区的数量;Ng代表在格网g中所有地类POI的数量;N代表整个目标区中POI的总量,g=1,2,…,m,m为格网总数。在本实施例中,将POI数据分为了4类,因此,t=1,2,3,4,分别代表公服类、商服类、居住类、工业类。
优势比的计算公式如下:
式中,t代表POI地类,nt代表POI地类t在格网g的数量;Nt代表POI地类t在目标区的数量;Ng代表在格网g中所有地类POI的数量;N代表目标区中POI的总量,g=1,2,…,m,m为格网总数。
因此,各格网下不同地类的重要程度计算公式如下:
式中,Qg,t为格网g中地类t的夜间纯净灯光值;Ag为格网g中的夜间灯光总值;Wgt为格网g中地类t的权重值。
步骤4.确定各格网下不同地类的权重值
根据公式(1)-公式(3)可以计算出每个格网下不同地类的重要程度,将各格网中各个地类的重要程度进行归一化处理,归一化具体计算方式如下:
式中,x′代表归一化结果,x代表原始数据,即计算得到的各网格下各地类的重要程度,min代表同一地类在所有格网中的重要程度的最小值,max代表同一地类在所有格网中的重要程度的最大值,通过该公式可以确定出每个网格中各地类的归一化结果,各格网中各个地类的重要程度都转换到0到1之间,将该结果作为各格网中每个地类的权重值。
步骤5.计算各格网下居民地类的夜间纯净灯光值
根据各个格网所在位置(经纬度),找到在夜间灯光遥感数据对应格网所在位置处的夜间灯光值,利用上述计算得到的不同地类的权重,计算各格网下不同地类的夜间纯净灯光值,公式如下:
Qg,t=Ag×Wgt (5)
式中,Qg,t为格网g中地类t的夜间纯净灯光值;Ag为格网g中的夜间灯光总值;Wgt为格网g中地类t的权重值,g=1,2,…,m,m为格网总数;通过该公式可以计算出居民地类的夜间纯净灯光值。
步骤6.确定各格网碳排放量
由于,一定区域内碳排放统计数据具有一定周期性,而夜间灯光遥感数据具有一定的采集频率,并不能保证两种数据完全同步,因此在获取碳排放统计数据时,根据夜间灯光遥感数据的采集时间,选择时间相同或时间最相近的碳排放统计数据。
然后根据计算出的每个网格中居民地类的夜间纯净灯光值,计算目标区的居民地类的夜间纯净灯光总值,以此计算每个格网的居民地类夜间纯净灯光值占居民地类的夜间纯净灯光总值的比重,其计算方式如公式(6)所示:
式中,Δg为居民地类夜间纯净灯光值占目标区的居民地类夜间纯净灯光值的比重,dg为各格网的居民地类夜间纯净灯光值,∑dg为目标区居民地类夜间纯净灯光值。本实施例中目标区可以指的是区县、市或者省等区域。
根据公式(6)计算出的比重,与统计得到的目标区居民碳排放量数据确定每个网格的碳排放量,其计算公式如下:
Cg=S×Δg (7)
式中,Cg为各格网的居民地类碳排放量,S为目标区基于统计数据的居民地类碳排放总量,Δg为居民地类夜间纯净灯光值占目标区的居民地类夜间纯净灯光值的比重,g=1,2,…,m,m为格网总数。
根据上述过程可以确定目标区内的居民空间碳排放量的分布情况。此外,当目标区的范围大于获取的碳排放统计数据的最小单元时,可以将目标区拆分为不同区域,计算每一区域下的每个网格的碳排放量。例如,获取的碳排放统计数据是以区(县)为单位,而目标区是市级区域,此时可以将整个目标区按照区(县)进行区域划分,通过公式(6)计算各区域下各网格的每个网格的碳排放量,确定不同区域的居民空间碳排放量的分布情况,以此确定该目标区的居民空间碳排放量的分布情况。
装置实施例
本发明还提出一种获取居民空间碳排放量的装置,该系统包括处理器和存储器,存储器中存储有可在处理器上运行的计算机程序,所述处理器在执行计算机程序时实现上述方法实施例的方法。也就是说,以上方法实施例中的方法应理解为可由计算机程序指令实现获取居民空间碳排放量方法的流程。可提供这些计算机程序指令到处理器,使得通过处理器执行这些指令产生用于实现上述方法流程所指定的功能。
本实施例所指的处理器是指微处理器MCU或可编程逻辑器件FPGA等的处理装置;本实施例所指的存储器包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。例如:利用电能方式存储信息的各式存储器,RAM、ROM等;利用磁能方式存储信息的各式存储器,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的各式存储器,CD或DVD。当然,还有其他方式的存储器,例如量子存储器、石墨烯存储器等。
通过上述存储器、处理器以及计算机程序构成的装置,在计算机中由处理器执行相应的程序指令来实现,处理器可以搭载各种操作系统,如windows操作系统、linux系统、android、iOS系统等。作为其他实施方式,该系统还可以包括显示器,显示器用于将居民空间碳排放量结果展示出来,以供工作人员参考。
Claims (10)
1.一种获取居民空间碳排放量的方法,其特征在于,该方法包括以下步骤:
1)获取目标区的各个地类POI数据及夜间灯光遥感数据;
2)对目标区进行格网划分,计算每个格网下各个地类的POI密度、优势比和POI总量;并根据所述各格网不同地类的POI密度、优势比和POI总量,确定各格网中各个地类的重要程度;
3)根据获取的夜间灯光遥感数据和所述各格网中各个地类的重要程度,计算各格网下居民地类夜间纯净灯光值;
4)获取目标区的居民地类碳排放总量,并计算各格网居民地类夜间纯净灯光值占目标区中居民地类夜间纯净灯光值的比重;根据所述比重及目标区内的居民地类碳排放总量确定目标区内各格网的居民地类碳排放量。
6.根据权利要求1所述的获取居民空间碳排放量的方法,其特征在于,各格网下各个地类的夜间纯净灯光值的计算公式为:
Qg,t=Ag×Wgt
式中,Qg,t为格网g中地类t的夜间纯净灯光值,Ag为格网g中的夜间灯光总值,Wgt为格网g中地类t的权重值。
8.根据权利要求1所述的获取居民空间碳排放量的方法,其特征在于,所述格网的划分是根据夜间灯光遥感数据的分辨率确定的,夜间灯光遥感数据的分辨率越高,划分的格网越密。
9.根据权利要求1所述的获取居民空间碳排放量的方法,其特征在于,所述步骤1)还包括对POI数据的预处理,该预处理包括数据清洗、查重和坐标变换。
10.一种获取居民空间碳排放量的装置,其特征在于,该装置包括处理器和存储器,所述处理器用于执行所述存储器存储的计算机程序,以实现如上述权利要求1-9任一项所述的获取居民空间碳排放量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210101261.7A CN114444356A (zh) | 2022-01-27 | 2022-01-27 | 一种获取居民空间碳排放量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210101261.7A CN114444356A (zh) | 2022-01-27 | 2022-01-27 | 一种获取居民空间碳排放量的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444356A true CN114444356A (zh) | 2022-05-06 |
Family
ID=81369066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210101261.7A Pending CN114444356A (zh) | 2022-01-27 | 2022-01-27 | 一种获取居民空间碳排放量的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444356A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114974453A (zh) * | 2022-05-30 | 2022-08-30 | 中南大学 | 一种大气二氧化碳柱浓度高覆盖度重建方法 |
CN115187133A (zh) * | 2022-08-04 | 2022-10-14 | 东南大学 | 一种基于动态监测的传统民居运行阶段碳排量核算方法 |
CN115438295A (zh) * | 2022-11-07 | 2022-12-06 | 北京英视睿达科技股份有限公司 | 一种夜间灯光修正方法以及估算co2排放量的方法 |
CN117391727A (zh) * | 2023-12-07 | 2024-01-12 | 深圳碳中和生物燃气股份有限公司 | 一种负碳排放的碳中和方法及系统 |
-
2022
- 2022-01-27 CN CN202210101261.7A patent/CN114444356A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114974453A (zh) * | 2022-05-30 | 2022-08-30 | 中南大学 | 一种大气二氧化碳柱浓度高覆盖度重建方法 |
CN114974453B (zh) * | 2022-05-30 | 2023-08-29 | 中南大学 | 一种大气二氧化碳柱浓度高覆盖度重建方法 |
CN115187133A (zh) * | 2022-08-04 | 2022-10-14 | 东南大学 | 一种基于动态监测的传统民居运行阶段碳排量核算方法 |
CN115187133B (zh) * | 2022-08-04 | 2023-11-14 | 东南大学 | 一种基于动态监测的传统民居运行阶段碳排量核算方法 |
CN115438295A (zh) * | 2022-11-07 | 2022-12-06 | 北京英视睿达科技股份有限公司 | 一种夜间灯光修正方法以及估算co2排放量的方法 |
CN117391727A (zh) * | 2023-12-07 | 2024-01-12 | 深圳碳中和生物燃气股份有限公司 | 一种负碳排放的碳中和方法及系统 |
CN117391727B (zh) * | 2023-12-07 | 2024-02-20 | 深圳碳中和生物燃气股份有限公司 | 一种负碳排放的碳中和方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114444356A (zh) | 一种获取居民空间碳排放量的方法及装置 | |
Ma | Spatial equity analysis of urban green space based on spatial design network analysis (sDNA): A case study of central Jinan, China | |
CN110428126B (zh) | 一种基于多源开放数据的城市人口空间化处理方法及系统 | |
CN109544690B (zh) | 共享单车出行影响因素识别方法、系统及存储介质 | |
CN105205466B (zh) | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 | |
Terzi et al. | Dynamic spatial analysis of urban sprawl through fractal geometry: the case of Istanbul | |
CN110956412B (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
Kumar et al. | Modelling urban noise in CityGML ADE: Case of the Netherlands | |
CN101582215A (zh) | 一种空间信息的多级九宫格网定位方法 | |
Pan et al. | Spatial identification of housing vacancy in China | |
CN108334579A (zh) | 基于时空业务的地名身份号码编码器、编码方法及设备 | |
Chen et al. | The influence of neighborhood-level urban morphology on PM2. 5 variation based on random forest regression | |
CN115271373A (zh) | 城市群弹性开发边界划定方法及系统 | |
Sonaviya et al. | A review on GIS based approach for road traffic noise mapping | |
CN115420854A (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
Cerreta et al. | A complex values map of marginal urban landscapes: An experiment in Naples (Italy) | |
CN113672788B (zh) | 一种基于多源数据和权重系数法的城市建筑功能分类方法 | |
Khan et al. | A multi-criteria decision-making approach to vulnerability assessment of rural flooding in Khyber Pakhtunkhwa Province, Pakistan | |
Beiranvand et al. | Evaluation of changes in per capita green space through remote sensing data | |
Tian et al. | Suburban sprawl measurement and landscape analysis of cropland and ecological land: A case study of Jiangsu Province, China | |
Kokkonen et al. | The effect of urban morphological characteristics on the spatial variation of pm 2.5 air quality in downtown nanjing | |
Balena et al. | Spatial multicrierial evaluation of soil consumption as a tool for SEA | |
Martini et al. | Database-supported change analysis and quality evaluation of OpenStreetMap Data | |
CN115860213A (zh) | 多情景城市应急采样场所选址优化方法、系统、设备及介质 | |
KR20050063615A (ko) | 지리 정보 시스템에서의 지면 거칠기 지도 제공 방법 |
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 |