CN114723283A - 一种面向城市群的生态承载力遥感评估方法及装置 - Google Patents
一种面向城市群的生态承载力遥感评估方法及装置 Download PDFInfo
- Publication number
- CN114723283A CN114723283A CN202210360442.1A CN202210360442A CN114723283A CN 114723283 A CN114723283 A CN 114723283A CN 202210360442 A CN202210360442 A CN 202210360442A CN 114723283 A CN114723283 A CN 114723283A
- Authority
- CN
- China
- Prior art keywords
- index
- ecological
- data
- bearing capacity
- urban
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000001556 precipitation Methods 0.000 claims description 22
- 238000011160 research Methods 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 15
- 239000002689 soil Substances 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 239000005427 atmospheric aerosol Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- 238000004162 soil erosion Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013467 fragmentation Methods 0.000 claims description 3
- 238000006062 fragmentation reaction Methods 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 abstract description 3
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component 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
-
- 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
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Abstract
本发明公开了一种面向城市群的生态承载力遥感评估方法及装置，方法包括：构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；根据AHP–PCA熵权模型计算所述指标数据的权重；根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；根据所述生态承载力综合评估的结果，进行生态承载力预测。本发明提高了对城市群生态环境质量评估的精度，可广泛应用于环境数据处理技术领域。
Description
技术领域
本发明涉及环境数据处理技术领域，尤其是一种面向城市群的生态承载力遥感评估方法及装置。
背景技术
在社会经济高速发展的同时，来自资源与环境方面的问题也不断凸显，出现城市热岛加剧、生态多样性减少、极端天气增加、环境污染加重等生态问题，城市的生态安全和可持续发展面临巨大挑战。
生态承载力是指在一定区域范围内，在可持续发展的前提下，自然-经济-社会复合生态系统所能最大限度地容纳的人类活动强度。它反映了自然环境与人类活动之间的关系，被广泛应用于生态状况和生态质量评价。城市生态承载力反映了城市生态系统承受人类经济社会活动的能力，是判断城市生态系统健康水平与如何实现绿色可持续发展的重要依据。
目前常用的生态承载力评估方法有生态足迹法、自然植被净第一性生产力评价法、能值理论法、供需平衡法等，这些方法侧重于从生态环境、自然资源等方面对区域生态承载力进行评估。与自然生态系统不同，城市生态系统状态主要与人类活动相关，人类活动对城市生态承载力有较大影响。对于城市生态承载力，需要从人口和社会经济发展的角度进行更多的研究。
城市区域下垫面类型复杂，资源和环境在空间上分布差异显著，这为准确评估城市区域的生态环境质量带来了困难，尤其是大型城市群。以往大多数研究方法主要通过区域调查，获得统计数据，这些统计数据往往只能反映局部状况，不能全面反映区域的整体情况。并且统计数据通常是以行政区划为单位，导致以往的研究大多集中在省、市、县等层次。对城市群区域来说，生态承载力空间分布差异大，大尺度研究无法揭示城市群内部生态环境质量的差异。
当前大部分研究的生态承载力评价体系缺少反映人类活动的关键指标，无法准确评估城市群区域的生态承载力。有研究显示通过统计数据对城市群区域的生态评估的精度较差。并且目前的研究侧重于静态研究，动态演变趋势研究还较少。
发明内容
有鉴于此，本发明实施例提供一种精度高的，面向城市群的生态承载力遥感评估方法及装置。
本发明的一方面提供了一种面向城市群的生态承载力遥感评估方法，包括：
构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；
根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；
根据AHP–PCA熵权模型计算所述指标数据的权重；
根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；
根据所述生态承载力综合评估的结果，进行生态承载力预测。
可选地，所述构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合这一步骤中，所述城市群生态承载力评价指标体系包括目标层、准则层、因素层和指标层；
所述目标层包括生态承载力目标层；
所述准则层包括生态恢复力准则层和生态压力准则层；
所述生态恢复力准则层中的因素层包括植被生产力因素层、土壤质量因素层、土地覆盖因素层和景观多样性因素层；所述生态压力准则层中的因素层包括资源环境压力因素层、气候变化因素层、社会经济压力因素层和景观破碎度因素层；
所述植被生产力因素层包括总初级生产力指标；
所述土壤质量因素层包括土壤有机碳指标；
土地覆盖因素层包括森林覆盖度指标、水体面积占比指标；
景观多样性因素层包括景观多样性指数指标；
资源环境压力因素层包括土壤侵蚀指标、耕地面积占比指标、大气气溶胶含量指标、热岛指数指标；
气候变化因素层包括年均温的变异系数指标、年降水的变异系数指标；
社会经济压力因素层包括人口密度指标、夜间灯光指数指标；
景观破碎度因素层包括斑块密度指数指标。
可选地，所述基础数据包括遥感数据和气象站点数据，所述遥感数据包括总初级生产力数据、土壤有机碳数据、土壤侵蚀数据、大气气溶胶数据、陆地表面温度数据、城市边界数据、土地利用分类数据、人口密度数据、夜间灯光数据；
所述根据所述基础数据生成指标数据，包括：
对水体面积占比、森林覆盖度、耕地面积占比进行第一处理；
对景观多样性指数和斑块密度指数进行第二处理；
对热岛指数进行第三处理；
计算年均温的变异系数和年降水的变异系数；
将所述指标数据投影转换至同一至坐标系，重采样到1km分辨率后根据研究区域范围进行裁剪。
可选地，所述对水体面积占比、森林覆盖度、耕地面积占比进行第一处理，包括：
在Arcgis软件中创建分辨率为1km×1km的格网数据；
在每个格网中统计各类土地利用类型的面积占比，得到三类指标；其中，水体面积占比对应的土地利用类型为水体，森林覆盖度对应的土地利用类型为林地，耕地面积占比对应的土地利用类型为耕地；
所述对景观多样性指数和斑块密度指数进行第二处理，包括：
利用Fragstats软件对土地利用数据进行计算获得所述2个景观指标；
所述对热岛指数进行第三处理，包括：
利用Arcgis软件中的缓冲分析功能，在城市边界以外的5km范围内设置缓冲区；
将缓冲区以外郊区的所有耕地的平均温度作为基准温度；
计算每个像素的地表温度与基准温度的差值，作为城市热岛效应的强度；其中，各像元的热岛指数计算公式如下：
其中，Ii为第i个像元的热岛指数；Ti为第i个像元的地表温度值；n为有效耕地像元数；Tj为第j个耕地像元的地表温度值；
所述计算年均温的变异系数和年降水的变异系数，包括：
筛选出研究区域及周边省份的气象站点，并提取出这些站点在研究年份的气象数据；
计算站点的年均温的变异系数和年降水的变异系数，所述CV的计算公式如下：
其中，σ为每个气象站点每年的日均气温标准差或日总降水标准差，μ为每个气象站点每年的日均气温平均值或日总降水平均值；
通过Arcgis软件中的地统计模块，使用克里金方法，对两个变异系数的集合分别进行空间插值，并导出为分辨率为1km的栅格数据。
可选地，所述根据AHP–PCA熵权模型计算所述指标数据的权重，包括：
利用层次分析法计算指标的主观权重；
利用主成分分析法计算指标的客观权重；
根据熵权组合模型，通过所述主观权重和所述客观权重计算组合权重值。
可选地，所述利用层次分析法计算指标的主观权重，包括：
根据所述评价指标体系，按照目标层、准则层、因素层、指标层的顺序将指标分解为不同层次结构；
基于比例标度表，对同一层次的指标两两进行比较，按其重要性程度评定等级，构成判断矩阵；
计算判断矩阵的最大特征值及最大特征值对应的特征向量，再对特征向量进行一致性检验，若通过检验，则得到对特征向量进行归一化后的层次单排序的权向量，完成单排序的权重分配；
通过层次总排序得到各指标的主观权重因子。
可选地，所述根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估，包括：
对指标数据进行归一化处理，
其中，生态恢复力的指标数据的归一化公式为：
生态压力的指标数据的归一化公式为：
Ii为第i个指标的归一化值；Imin是指标的最小值；Imax是指标的最大值；
根据所述归一化值计算生态承载力，所述生态承载力的计算公式为：
ECC为生态承载力，Wi为第i个指标的组合权重值。
根据所述生态承载力以及先前历史经验数据，对城市群生态承载力等级进行划分。
本发明实施例的另一方面还提供了一种面向城市群的生态承载力遥感评估装置，包括：
第一模块，用于构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；
第二模块，用于根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；
第三模块，用于根据AHP–PCA熵权模型计算所述指标数据的权重；
第四模块，用于根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；
第五模块，用于根据所述生态承载力综合评估的结果，进行生态承载力预测。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明的实施例构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；根据AHP–PCA熵权模型计算所述指标数据的权重；根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；根据所述生态承载力综合评估的结果，进行生态承载力预测。本发明提高了对城市群生态环境质量评估的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的整体步骤流程图；
图2为本发明实施例提供的收集基础数据并生产指标数据的步骤流程图；
图3为本发明实施例提供的指标权重的计算过程流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明的一方面提供了一种面向城市群的生态承载力遥感评估方法，包括：
构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；
根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；
根据AHP–PCA熵权模型计算所述指标数据的权重；
根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；
根据所述生态承载力综合评估的结果，进行生态承载力预测。
可选地，所述构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合这一步骤中，所述城市群生态承载力评价指标体系包括目标层、准则层、因素层和指标层；
所述目标层包括生态承载力目标层；
所述准则层包括生态恢复力准则层和生态压力准则层；
所述生态恢复力准则层中的因素层包括植被生产力因素层、土壤质量因素层、土地覆盖因素层和景观多样性因素层；所述生态压力准则层中的因素层包括资源环境压力因素层、气候变化因素层、社会经济压力因素层和景观破碎度因素层；
所述植被生产力因素层包括总初级生产力指标；
所述土壤质量因素层包括土壤有机碳指标；
土地覆盖因素层包括森林覆盖度指标、水体面积占比指标；
景观多样性因素层包括景观多样性指数指标；
资源环境压力因素层包括土壤侵蚀指标、耕地面积占比指标、大气气溶胶含量指标、热岛指数指标；
气候变化因素层包括年均温的变异系数指标、年降水的变异系数指标；
社会经济压力因素层包括人口密度指标、夜间灯光指数指标；
景观破碎度因素层包括斑块密度指数指标。
可选地，所述基础数据包括遥感数据和气象站点数据，所述遥感数据包括总初级生产力数据、土壤有机碳数据、土壤侵蚀数据、大气气溶胶数据、陆地表面温度数据、城市边界数据、土地利用分类数据、人口密度数据、夜间灯光数据；
所述根据所述基础数据生成指标数据，包括：
对水体面积占比、森林覆盖度、耕地面积占比进行第一处理；
对景观多样性指数和斑块密度指数进行第二处理；
对热岛指数进行第三处理；
计算年均温的变异系数和年降水的变异系数；
将所述指标数据投影转换至同一至坐标系，重采样到1km分辨率后根据研究区域范围进行裁剪。
可选地，所述对水体面积占比、森林覆盖度、耕地面积占比进行第一处理，包括：
在Arcgis软件中创建分辨率为1km×1km的格网数据；
在每个格网中统计各类土地利用类型的面积占比，得到三类指标；其中，水体面积占比对应的土地利用类型为水体，森林覆盖度对应的土地利用类型为林地，耕地面积占比对应的土地利用类型为耕地；
所述对景观多样性指数和斑块密度指数进行第二处理，包括：
利用Fragstats软件对土地利用数据进行计算获得所述2个景观指标；
所述对热岛指数进行第三处理，包括：
利用Arcgis软件中的缓冲分析功能，在城市边界以外的5km范围内设置缓冲区；
将缓冲区以外郊区的所有耕地的平均温度作为基准温度；
计算每个像素的地表温度与基准温度的差值，作为城市热岛效应的强度；其中，各像元的热岛指数计算公式如下：
其中，Ii为第i个像元的热岛指数；Ti为第i个像元的地表温度值；n为有效耕地像元数；Tj为第j个耕地像元的地表温度值；
所述计算年均温的变异系数和年降水的变异系数，包括：
筛选出研究区域及周边省份的气象站点，并提取出这些站点在研究年份的气象数据；
计算站点的年均温的变异系数和年降水的变异系数，所述变异系数(Coefficientof variation,CV)计算公式如下：
其中，σ为每个气象站点每年的日均气温标准差或日总降水标准差，μ为每个气象站点每年的日均气温平均值或日总降水平均值；
通过Arcgis软件中的地统计模块，使用克里金方法，对两个变异系数的集合分别进行空间插值，并导出为分辨率为1km的栅格数据。
可选地，所述根据AHP–PCA熵权模型计算所述指标数据的权重，包括：
利用层次分析法计算指标的主观权重；
利用主成分分析法计算指标的客观权重；
根据熵权组合模型，通过所述主观权重和所述客观权重计算组合权重值。
可选地，所述利用层次分析法计算指标的主观权重，包括：
根据所述评价指标体系，按照目标层、准则层、因素层、指标层的顺序将指标分解为不同层次结构；
基于比例标度表，对同一层次的指标两两进行比较，按其重要性程度评定等级，构成判断矩阵；
计算判断矩阵的最大特征值及最大特征值对应的特征向量，再对特征向量进行一致性检验，若通过检验，则得到对特征向量进行归一化后的层次单排序的权向量，完成单排序的权重分配；
通过层次总排序得到各指标的主观权重因子。
可选地，所述根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估，包括：
对指标数据进行归一化处理，
其中，生态恢复力的指标数据的归一化公式为：
生态压力的指标数据的归一化公式为：
Ii为第i个指标的归一化值；Imin是指标的最小值；Imax是指标的最大值；
根据所述归一化值计算生态承载力，所述生态承载力的计算公式为：
ECC为生态承载力，Wi为第i个指标的组合权重值。
根据所述生态承载力以及先前历史经验数据，对城市群生态承载力等级进行划分。
本发明实施例的另一方面还提供了一种面向城市群的生态承载力遥感评估装置，包括：
第一模块，用于构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；
第二模块，用于根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；
第三模块，用于根据AHP–PCA熵权模型计算所述指标数据的权重；
第四模块，用于根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；
第五模块，用于根据所述生态承载力综合评估的结果，进行生态承载力预测。
本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
下面结合说明书附图，对本发明的具体实现原理和实施过程进行详细描述：
本发明的目的在于提供一种面向城市群的生态承载力遥感评估方法。该技术具备以下特点：
1、本方法针对城市生态系统的特点，在以往生态承载力评价指标体系的基础之上，加入一些城市生态密切相关的指标，如热岛指数、夜间灯光指数、人口密度、大气气溶胶含量等指数，能够更加客观准确地评估城市区域生态承载力。
2、使用指标数据都是遥感数据，能够在像元尺度上上精细刻画城市群区域的生态承载力，并揭示区域生态承载力的空间分布特点。
3、动态监测城市群区域生态承载力。遥感技术提供了长时间序列数据，能够对过去一二十年的生态承载力进行评估。基于过去和现在的生态承载力评估结果，使用CA-Markov模型还能够对未来生态承载力进行预测。
本发明的整体实施步骤如图1所示：
步骤一：构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出14个关键评价指标。评价指标体系如下表1所示：
表1城市群生态承载力评价指标体系
步骤二：收集基础数据，生产指标数据。
步骤二的整体过程如图2所示，数据主要分为遥感数据和气象站点数据。部分数据可直接作为指标数据，另一部分指标需要对基础数据进行二次处理。
主要的遥感数据包括总初级生产力、土壤有机碳、土壤侵蚀、大气气溶胶数据、陆地表面温度数据(LST)、城市边界数据、土地利用分类数据、人口密度数据、夜间灯光数据。
对各指标的处理流程包括如下：
(1)水体面积占比、森林覆盖度、耕地面积占比
使用数据：土地利用数据(来源于GlobeLand30)，分辨率为30m；
Step1:在Arcgis软件中创建分辨率为1km×1km的格网数据；
Step2:在上述每个格网中统计各类土地利用类型的面积占比，得到三类指标。其中水体面积占比对应的土地利用类型为水体，森林覆盖度对应的土地利用类型为林地，耕地面积占比对应的土地利用类型为耕地。
(2)景观多样性指数和斑块密度指数
使用数据：土地利用数据；
利用Fragstats软件对土地利用数据进行计算获得所述2个景观指标。
(3)热岛指数
使用数据：城市边界数据，土地利用数据，陆地表面温度数据；
Step1:利用Arcgis中的缓冲分析功能，在城市边界以外的5km范围内设置缓冲区；
Step2:将缓冲区以外郊区的所有耕地的平均温度作为基准温度；
Step3:计算每个像素的地表温度与基准温度的差值，代表城市热岛效应的强度。各像元的热岛指数计算公式如下：
其中，Ii为第i个像元的热岛指数，Ti为第i个像元的地表温度值，n为有效耕地像元数，Tj为第j个耕地像元的地表温度值。
(4)计算年均温的变异系数和年降水的变异系数
使用数据：气象站点数据；
Step1:筛选出研究区域及周边省份的气象站点，并提取出这些站点在研究年份的气象数据；
Step2:计算站点的年均温的变异系数和年降水的变异系数，计算公式如下：
其中σ为每个气象站点每年的日均气温标准差或日总降水标准差，μ为每个气象站点每年的日均气温平均值或日总降水平均值。
Step3:通过Arcgis中的地统计模块，使用克里金方法，对两个变异系数集分别进行空间插值，并导出为分辨率为1km的栅格数据。
(5)其他指标
其他指标数据可直接从采集的数据中获得，如总初级生产力、土壤有机碳、土壤侵蚀、大气气溶胶含量、人口密度、夜间灯光指数。
(6)所有指标数据都应该经过投影转换至同一至坐标系，重采样至1km分辨率，并按照研究区域范围进行裁剪。
步骤三：利用AHP–PCA熵权模型计算指标权重：
步骤三的主要流程如图3所示，Step1：利用层次分析法(AHP)计算指标主观权重，具体细化如下：
(1)建立层次结构模型
根据步骤一中的评价指标体系，按照目标层、准则层、因素层、指标层的顺序分解为不同层次结构。
(2)构造判断矩阵
基于比例标度表，对同一层次的指标两两进行比较，按其重要性程度评定等级，构成判断矩阵：
其中，用aij来表示第i个因素相对于第j个因素的比较结果，
(3)计算层次单排序的权向量和一致性检验
首先计算判断矩阵的最大特征值及其对应的特征向量，再对其进行一致性检验，若通过检验，则归一化后的特征向量即为权向量。
根据判断矩阵求出其最大特征值λmax及其对应的特征向量w，计算公式如下：
Aw＝λmaxw
特征向量w经过归一化后，得到层次单排序的权向量，即单排序的权重分配。
为了检验上述权重分配是否合理，需要进行一致性检验。首先计算一致性指标CI,计算公式如下：
然后，根据n值查找平均随机一致性指标RI。
最后，计算一致性比例CR，计算公式如下：
当CR小于0.10时，可以认为判断矩阵是有效的，否则应对判断矩阵作适当调整。
(4)计算层次总排序的权值和一致性检验
为了得到各指标的主观权重因子，需要进行层次总排序。计算某一层次所有因素对于最高层(目标层)相对重要性的权值，称为层次总排序。这一过程是从最高层次到最低层次依次进行的。对层次总排序的一致性检验同上述一致性检验一致。最终主观权重为各层要素对目标层的合成权重。
Step2：利用主成分分析法(PCA)计算指标客观权重，具体内容如下：
主成分分析法将各指标的信息合并成数个主成分，每一个主成分都可以用一个包含原始所有指标的一次多项式表示。其中第一主成分包含的信息量最大，第二主成分次之，依次往下。
其中，F1,F2Fm表示m个主成分，X1,X2…Xn表示n个指标。由这n个指标可以构建协方差矩阵，由协方差矩阵的特征值λj即可求得j个主成分所包含的信息量所占比例。
当主成分所包含的信息量达原数据的85％时，可认定可用这几个主成分代替原数据以达到降维的目的。而第i个指标所对应的权重值ui则可以表示为：
Step3：根据熵权组合模型，计算组合权重值。
Step1和Step2分别确定了主观权重i和客观权重i，再根据最小信息熵原理，用拉格朗日乘子法优化得到组合权重Wi，计算公式如下：
步骤四：生态承载力综合评估
Step1:指标归一化化处理，归一化公式如下：
生态恢复力：
生态压力：
其中，Ii为生态承载力指标的归一化值，Imin是该指标的最小值，Imax是该指标的最大值。
Step2：利用Arcgis的栅格计算功能，按照如下公式计算生态承载力(ECC)：
其中，Ii为第i个生态承载力评估指标的归一化值，Wi为第i个生态承载力评估指标的组合权重值。
Step3：参考前人研究结合研究区实际情况，将城市群生态承载力等级划分如表2所示。
表2城市群生态承载力评价等级划分标准
| 评价区间 | 评价等级 |
| [0.0,0.5) | 低 |
| [0.5,0.6) | 中低 |
| [0.6,0.7) | 中 |
| [0.7,0.8) | 中高 |
| [0.8,1.0] | 高 |
步骤五：生态承载力预测
利用IDRISI软件中CA-Markov模块实现该步骤。通过输入两期研究区过去或当前生态承载力评估结果，来模拟未来该区域的生态承载力状况。
综上所述，相较于现有技术，本发明实现的面向城市群的生态承载力遥感评估方法，采用了完全由遥感数据驱动的生态承载力评价指标体系，并且根据城市群的特点，筛选出与人类活动密切相关的指标，能够对城市区域的生态承载力进行精准评估。
本发明具有以下优点：
1、城市群生态承载力评价指标体系：该评价指标体系综合考虑了植被、土壤、水体、资源、环境、社会经济、气候变化、景观等方面影响，选取了对城市生态系统影响较大的14个指标，能够提高城市群区域生态承载力的评估精度。
2、遥感数据驱动：所有指标数据都为遥感数据，能够在像元尺度上对城市群区域的生态承载力精细评估，识别生态承载力分布的空间异质性。
3、具有预测功能：能够利用CA-Markov模型对未来生态承载力状况进行模拟预测。
本发明具有高准确率和高效率的特点，增加了与人类活动密切相关的评价指标，更加适合城市群区域的生态承载力评估；采用遥感数据，可以实现大范围生态承载力的快速监测；使用CA-Markov模型能够对未来生态承载力进行预测模拟测试功能。
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种面向城市群的生态承载力遥感评估方法，其特征在于，包括：
构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；
根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；
根据AHP–PCA熵权模型计算所述指标数据的权重；
根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；
根据所述生态承载力综合评估的结果，进行生态承载力预测。
2.根据权利要求1所述的一种面向城市群的生态承载力遥感评估方法，其特征在于，所述构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合这一步骤中，所述城市群生态承载力评价指标体系包括目标层、准则层、因素层和指标层；
所述目标层包括生态承载力目标层；
所述准则层包括生态恢复力准则层和生态压力准则层；
所述生态恢复力准则层中的因素层包括植被生产力因素层、土壤质量因素层、土地覆盖因素层和景观多样性因素层；所述生态压力准则层中的因素层包括资源环境压力因素层、气候变化因素层、社会经济压力因素层和景观破碎度因素层；
所述植被生产力因素层包括总初级生产力指标；
所述土壤质量因素层包括土壤有机碳指标；
土地覆盖因素层包括森林覆盖度指标、水体面积占比指标；
景观多样性因素层包括景观多样性指数指标；
资源环境压力因素层包括土壤侵蚀指标、耕地面积占比指标、大气气溶胶含量指标、热岛指数指标；
气候变化因素层包括年均温的变异系数指标、年降水的变异系数指标；
社会经济压力因素层包括人口密度指标、夜间灯光指数指标；
景观破碎度因素层包括斑块密度指数指标。
3.根据权利要求1所述的一种面向城市群的生态承载力遥感评估方法，其特征在于，所述基础数据包括遥感数据和气象站点数据，所述遥感数据包括总初级生产力数据、土壤有机碳数据、土壤侵蚀数据、大气气溶胶数据、陆地表面温度数据、城市边界数据、土地利用分类数据、人口密度数据、夜间灯光数据；
所述根据所述基础数据生成指标数据，包括：
对水体面积占比、森林覆盖度、耕地面积占比进行第一处理；
对景观多样性指数和斑块密度指数进行第二处理；
对热岛指数进行第三处理；
计算年均温的变异系数和年降水的变异系数；
将所述指标数据投影转换至同一至坐标系，重采样到1km分辨率后根据研究区域范围进行裁剪。
4.根据权利要求3所述的一种面向城市群的生态承载力遥感评估方法，其特征在于，
所述对水体面积占比、森林覆盖度、耕地面积占比进行第一处理，包括：
在Arcgis软件中创建分辨率为1km×1km的格网数据；
在每个格网中统计各类土地利用类型的面积占比，得到三类指标；其中，水体面积占比对应的土地利用类型为水体，森林覆盖度对应的土地利用类型为林地，耕地面积占比对应的土地利用类型为耕地；
所述对景观多样性指数和斑块密度指数进行第二处理，包括：
利用Fragstats软件对土地利用数据进行计算获得所述2个景观指标；
所述对热岛指数进行第三处理，包括：
利用Arcgis软件中的缓冲分析功能，在城市边界以外的5km范围内设置缓冲区；
将缓冲区以外郊区的所有耕地的平均温度作为基准温度；
计算每个像素的地表温度与基准温度的差值，作为城市热岛效应的强度；其中，各像元的热岛指数计算公式如下：
其中，Ii为第i个像元的热岛指数；Ti为第i个像元的地表温度值；n为有效耕地像元数；Tj为第j个耕地像元的地表温度值；
所述计算年均温的变异系数和年降水的变异系数，包括：
筛选出研究区域及周边省份的气象站点，并提取出这些站点在研究年份的气象数据；计算站点的年均温的变异系数和年降水的变异系数，所述变异系数的计算公式为：
其中，CV代表变异系数；σ为每个气象站点每年的日均气温标准差或日总降水标准差，μ为每个气象站点每年的日均气温平均值或日总降水平均值；
通过Arcgis软件中的地统计模块，使用克里金方法，对两个变异系数的集合分别进行空间插值，并导出为分辨率为1km的栅格数据。
5.根据权利要求1所述的一种面向城市群的生态承载力遥感评估方法，其特征在于，所述根据AHP–PCA熵权模型计算所述指标数据的权重，包括：
利用层次分析法计算指标的主观权重；
利用主成分分析法计算指标的客观权重；
根据熵权组合模型，通过所述主观权重和所述客观权重计算组合权重值。
6.根据权利要求5所述的一种面向城市群的生态承载力遥感评估方法，其特征在于，
所述利用层次分析法计算指标的主观权重，包括：
根据所述评价指标体系，按照目标层、准则层、因素层、指标层的顺序将指标分解为不同层次结构；
基于比例标度表，对同一层次的指标两两进行比较，按其重要性程度评定等级，构成判断矩阵；
计算判断矩阵的最大特征值及最大特征值对应的特征向量，再对特征向量进行一致性检验，若通过检验，则得到对特征向量进行归一化后的层次单排序的权向量，完成单排序的权重分配；
通过层次总排序得到各指标的主观权重因子。
7.根据权利要求1所述的一种面向城市群的生态承载力遥感评估方法，其特征在于，所述根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估，包括：
对指标数据进行归一化处理，
其中，生态恢复力的指标数据的归一化公式为：
生态压力的指标数据的归一化公式为：
Ii为第i个指标的归一化值；Imin是指标的最小值；Imax是指标的最大值；
根据所述归一化值计算生态承载力，所述生态承载力的计算公式为：
ECC为生态承载力，Wi为第i个指标的组合权重值；
根据所述生态承载力以及先前历史经验数据，对城市群生态承载力等级进行划分。
8.一种面向城市群的生态承载力遥感评估装置，其特征在于，包括：
第一模块，用于构建城市群生态承载力评价指标体系，从生态恢复力和生态压力两方面筛选出关键评价指标集合；
第二模块，用于根据所述关键评价指标集合收集基础数据，并根据所述基础数据生成指标数据；
第三模块，用于根据AHP–PCA熵权模型计算所述指标数据的权重；
第四模块，用于根据所述指标数据和所述指标数据的权重，进行生态承载力综合评估；
第五模块，用于根据所述生态承载力综合评估的结果，进行生态承载力预测。
9.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210360442.1A CN114723283A (zh) | 2022-04-07 | 2022-04-07 | 一种面向城市群的生态承载力遥感评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210360442.1A CN114723283A (zh) | 2022-04-07 | 2022-04-07 | 一种面向城市群的生态承载力遥感评估方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114723283A true CN114723283A (zh) | 2022-07-08 |
Family
ID=82241956
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210360442.1A Pending CN114723283A (zh) | 2022-04-07 | 2022-04-07 | 一种面向城市群的生态承载力遥感评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114723283A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115936950A (zh) * | 2022-12-21 | 2023-04-07 | 中国科学院地理科学与资源研究所 | 一种基于资源环境承载和污染排放多维度的生态效率评估方法 |
| CN116645013A (zh) * | 2023-07-27 | 2023-08-25 | 湘江实验室 | 一种城市生态韧性评估预警方法、装置及相关设备 |
| CN117436767A (zh) * | 2023-12-15 | 2024-01-23 | 云南师范大学 | 基于近远程耦合协调模型的评估方法、系统及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104517037A (zh) * | 2014-12-23 | 2015-04-15 | 中国科学院遥感与数字地球研究所 | 一种生态承载力的遥感估算方法 |
| GB201520368D0 (en) * | 2014-11-20 | 2016-01-06 | Petrochina Co Ltd | Evaluation method and evaluation device for water breakthrough risk of production wells in aquifer drive gas reservoirs |
| CN105956757A (zh) * | 2016-04-27 | 2016-09-21 | 上海交通大学 | 基于ahp-pca法的智能电网可持续发展综合评价方法 |
| CN107679703A (zh) * | 2017-09-08 | 2018-02-09 | 天津大学 | 一种海岸带生态安全评价方法 |
| CN110276556A (zh) * | 2019-06-26 | 2019-09-24 | 中国环境科学研究院 | 一种基于多策略的环境承载力指标权重计算方法及装置 |
| AU2020102177A4 (en) * | 2020-04-26 | 2020-10-15 | National Marine Environmental Monitoring Center | Method for Evaluating Ecological Vulnerability of Island |
| CN113887974A (zh) * | 2021-10-11 | 2022-01-04 | 华中师范大学 | 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 |
-
2022
- 2022-04-07 CN CN202210360442.1A patent/CN114723283A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201520368D0 (en) * | 2014-11-20 | 2016-01-06 | Petrochina Co Ltd | Evaluation method and evaluation device for water breakthrough risk of production wells in aquifer drive gas reservoirs |
| CN104517037A (zh) * | 2014-12-23 | 2015-04-15 | 中国科学院遥感与数字地球研究所 | 一种生态承载力的遥感估算方法 |
| CN105956757A (zh) * | 2016-04-27 | 2016-09-21 | 上海交通大学 | 基于ahp-pca法的智能电网可持续发展综合评价方法 |
| CN107679703A (zh) * | 2017-09-08 | 2018-02-09 | 天津大学 | 一种海岸带生态安全评价方法 |
| CN110276556A (zh) * | 2019-06-26 | 2019-09-24 | 中国环境科学研究院 | 一种基于多策略的环境承载力指标权重计算方法及装置 |
| AU2020102177A4 (en) * | 2020-04-26 | 2020-10-15 | National Marine Environmental Monitoring Center | Method for Evaluating Ecological Vulnerability of Island |
| CN113887974A (zh) * | 2021-10-11 | 2022-01-04 | 华中师范大学 | 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 |
Non-Patent Citations (3)
| Title |
|---|
| 李峰等: "基于AHP-PCA模型的煤炭城市生态环境质量评价", 《矿业安全与环保》 * |
| 游晓婕等: "城市热岛空间格局及形态差异化调控策略研究——以广州市中心城区为例", 《风景园林》 * |
| 王娟等: "陕北退耕还林区植被NPP时空变化及其驱动因子", 《中国农学通报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115936950A (zh) * | 2022-12-21 | 2023-04-07 | 中国科学院地理科学与资源研究所 | 一种基于资源环境承载和污染排放多维度的生态效率评估方法 |
| CN115936950B (zh) * | 2022-12-21 | 2023-09-01 | 中国科学院地理科学与资源研究所 | 一种基于资源环境承载和污染排放多维度的生态效率评估方法 |
| CN116645013A (zh) * | 2023-07-27 | 2023-08-25 | 湘江实验室 | 一种城市生态韧性评估预警方法、装置及相关设备 |
| CN117436767A (zh) * | 2023-12-15 | 2024-01-23 | 云南师范大学 | 基于近远程耦合协调模型的评估方法、系统及存储介质 |
| CN117436767B (zh) * | 2023-12-15 | 2024-04-09 | 云南师范大学 | 基于近远程耦合协调模型的评估方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Exploring the coupling relationship between urbanization and energy eco-efficiency: a case study of 281 prefecture-level cities in China | |
| CN106651211B (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
| Uyan | Optimal site selection for solar power plants using multi-criteria evaluation: a case study from the Ayranci region in Karaman, Turkey | |
| CN114723283A (zh) | 一种面向城市群的生态承载力遥感评估方法及装置 | |
| Li et al. | The integrated eco-environment assessment of the red soil hilly region based on GIS—A case study in Changsha City, China | |
| Zhu et al. | Flood disaster risk assessment based on random forest algorithm | |
| CN109740956A (zh) | 一种土地生态质量自动化评价方法 | |
| CN112287018B (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
| Huang et al. | Construction land suitability assessment in rapid urbanizing cities for promoting the implementation of United Nations sustainable development goals: a case study of Nanchang, China | |
| CN111079999A (zh) | 一种基于cnn和svm的洪水灾害易发性预测方法 | |
| CN111008734A (zh) | 洪水危险性的区划和时空演变规律的研究方法 | |
| CN113988688A (zh) | 一种耕地生态可持续性评价方法和系统 | |
| CN117009887B (zh) | 流域水环境质量精细化估算及分析的方法及系统 | |
| Chen et al. | Analyzing land-cover change and corresponding impacts on carbon budget in a fast developing sub-tropical region by integrating MODIS and Landsat TM/ETM+ images | |
| CN107918838B (zh) | 区域生态系统服务优势度的计算及风险判定方法 | |
| CN110135652B (zh) | 一种长期汛期径流预测方法 | |
| Wimhurst et al. | Predicting commercial wind farm site suitability in the conterminous United States using a logistic regression model | |
| Zhou et al. | Ecological security assessment of Qinzhou coastal zone based on Driving forces-Pressure-State-Impact-Response (DPSIR) model | |
| He et al. | Analysis on Spatio-Temporal Dynamic Evolution of Relative Resource Carrying Capacity of Coal Cities Based on PLE-EM-CPM Model. | |
| CN112633762A (zh) | 楼宇能效获取方法及设备 | |
| Gao et al. | Potential ecological risk assessment of land use structure based on MCCA model: A case study in Yangtze River Delta Region, China | |
| CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
| CN116109031A (zh) | 一种考虑生态服务价值的可再生能源选址方法 | |
| CN115271221A (zh) | 一种城市扩展预测方法、装置、介质及设备 | |
| Kara et al. | The analytic hierarchy process (AHP) approach for assessment of regional environmental sustainability |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220708 |
|
| RJ01 | Rejection of invention patent application after publication |