CN114997480B - 基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 - Google Patents
基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 Download PDFInfo
- Publication number
- CN114997480B CN114997480B CN202210571594.6A CN202210571594A CN114997480B CN 114997480 B CN114997480 B CN 114997480B CN 202210571594 A CN202210571594 A CN 202210571594A CN 114997480 B CN114997480 B CN 114997480B
- Authority
- CN
- China
- Prior art keywords
- land
- carbon
- development
- coefficient
- area
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005192 partition Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 134
- 238000011161 development Methods 0.000 claims abstract description 101
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 96
- 230000008901 benefit Effects 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims description 84
- 238000012937 correction Methods 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000005265 energy consumption Methods 0.000 claims description 10
- 238000007637 random forest analysis Methods 0.000 claims description 10
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 8
- 238000012271 agricultural production Methods 0.000 claims description 8
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000009331 sowing Methods 0.000 claims description 6
- 241000196324 Embryophyta Species 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 4
- 239000001569 carbon dioxide Substances 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 claims description 4
- 244000025254 Cannabis sativa Species 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000003647 oxidation Effects 0.000 claims description 2
- 238000007254 oxidation reaction Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 241000894007 species Species 0.000 claims description 2
- 230000002269 spontaneous effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 3
- 230000010485 coping Effects 0.000 abstract description 2
- 239000002689 soil Substances 0.000 description 8
- 230000009467 reduction Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000000556 factor analysis Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于MOP‑PLUS模型的低碳导向下省域国土空间分区优化模拟方法。通过设定自然和低碳两种发展情景，针对不同主体功能区设置差异化的碳排放量、经济效益和生态效益约束目标，通过MOP模型对低碳发展情景下的用地需求进行预测，并以此为基础运用PLUS模型开展多情景下的国土空间分区优化模拟。本发明方法通过碳排放定量计算方法、多情景模拟等技术手段建立应对逻辑路径，可从省级空间规划视角下推动落实不同主体功能区的差异化控碳思路，为区域土地利用管控政策的制定提供决策依据。
Description
技术领域
本发明属于空间信息技术领域，特别涉及一种基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法。
背景技术
国土空间是自然资源和人类活动的基本载体，也是社会经济发展和生态文明建设的物质基础，国土空间规划是我国推动生态文明建设、引导区域低碳绿色发展的重要举措，其中省级国土空间规划是编制省级相关专项规划、市县等下位国土空间规划的基本依据。为推动国家区域协调发展战略在省域协同实施，面向不同功能区发展需求，以主体功能为约束开展符合区域控制要求和发展目标的未来国土空间优化模拟，通过对国土空间变化格局进行先验评估和未来发展趋势预判，可为形成区域性、差异化的省级土地利用管控政策提供决策依据。
国土空间优化模拟即按照一定的发展目标对不同区域的用地数量进行预测并进行结构调整，在该预测数量约束下，根据空间单元现状适宜度对未来布局进行优化模拟[1](李鑫等.2021)。现有研究在目标上多侧重于经济效益和生态效益最大化[2,3](马冰滢等.2019,陈红等.2019)，以低碳发展为导向的土地利用优化研究多偏重于对其用地结构进行调整[4,5](苑韶峰等.2019,刘慧灵等.2017)，或是针对碳排放和碳补偿等方面的测度分析[6,7](魏燕茹等.2021,郑永超等.2020)，与用地空间布局模拟相结合的较少，因此对相关政策的支持也相对有限。此外，在研究尺度和对象上，现有研究大多从不同行政层级和自然单元将研究区作为整体开展国土空间全域分情景模拟[8-10](王旭等.2020,曹帅等.2019,卞子浩等.2017)，较少涉及不同区域发展导向的空间载体及功能定位下的分类约束，从而对模拟结果的准确性产生了一定的影响，本发明面向不同主体功能区利用MOP模型(MultiObjective Programming)开展以低碳发展为导向的用地结构预测研究，有利于在土地利用过程中顺利实现碳减排的发展目标。在研究方法上，PLUS模型(Patch-generating LandUse Simulation)是一种集成了土地扩张分析策略和基于多类型随机斑块种子生成机制的CA模型，与其他模型相比，拥有更高的模拟精度以及与真实景观更相似的景观模式[11](Liang et al.2021)。
因此，基于低碳发展和经济生态效益相协调的原则，通过碳排放定量计算方法、多情景模拟等技术手段建立应对逻辑路径，可从省级空间规划视角下推动落实不同主体功能区的差异化控碳思路，为区域土地利用管控政策的制定提供决策依据。
现有技术存在的主要缺点是：
(1)在研究目标上多偏重于以用地经济效益和生态效益最大化为目标，以低碳发展为导向的用地结构优化研究较少，此外在用地碳排放方面多为碳排放碳补偿等方面测度分析，与空间布局模拟相结合的较少。
(2)在研究尺度和对象上多从不同行政层级和自然单元将研究区作为整体开展国土空间全域分情景模拟，未考虑基于区域发展导向的分类约束，影响模拟的准确性。
参考文献：
[1]李鑫,李宁,欧名豪.土地利用结构与布局优化研究述评.干旱区资源与环境,2016,30(11):103-110.
[2]马冰滢,黄姣,李双成.基于生态-经济权衡的京津冀城市群土地利用优化配置.地理科学进展,2019,38(1):26-37.
[3]陈红,史云扬,柯新利,郝晋珉,陈爱琪.生态与经济协调目标下的郑州市土地利用空间优化配置.资源科学,2019,41(4):717-728.
[4]苑韶峰,唐奕钰.低碳视角下长江经济带土地利用碳排放的空间分异.经济地理,2019,39(2):190-198.[5]刘慧灵,伍世代,韦素琼,林蕙灵,王强.基于低碳经济导向的土地利用结构优化研究——以福建省福州市为例.水土保持通报,2017,37(6):202-208.[6]魏燕茹,陈松林.福建省土地利用碳排放空间关联性与碳平衡分区.生态学报,2021,41(14):5814-5824.[7].郑永超,文琦.宁夏自治区土地利用变化及碳排放效应.水土保持研究,2020,27(1):207-212
[8]王旭,马伯文,李丹,陈昆仑,姚华松.基于FLUS模型的湖北省生态空间多情景模拟预测.自然资源学报,2020,35(1):230-242.
[9]曹帅,金晓斌,杨绪红,孙瑞,刘晶,韩博,徐伟义,周寅康.耦合MOP与GeoSOS-FLUS模型的县级土地利用结构与布局复合优化.自然资源学报,2019,34(6):1171-1185.
[10]卞子浩,马小雪,龚来存,赵静,曾春芬,王腊春.不同非空间模拟方法下CLUE-S模型土地利用预测——以秦淮河流域为例.地理科学,2017,37(2):252-258.
[11]Liang X,Guan Q,Clarke KC,et al.Understanding the drivers ofsustainable land expansion using apatch-generating land use simulation(PLUS)model:A case study in Wuhan,China.Computers,Environment and Urban Systems,2021,85。
发明内容
本发明的目的在于提供一种基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法，构建低碳视角下面向不同主体功能区的用地需求预测模型和不同情景下的国土空间分区模拟模型。首先利用历年土地利用数据和相关统计数据基于碳减排与经济生态效益相协调的原则构建多目标函数及约束条件，对各类主体功能区低碳发展情景下的未来用地需求进行了预测，然后划分自然发展情景和低碳发展情景针对福建省不同主体功能区开展国土空间变化多情景分区模拟，从土地利用视角为顺利实现碳减排的预期目标提供新的实现途径。
为实现上述目的，本发明的技术方案是：一种基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法，其特征在于，该方法通过设定自然发展和低碳发展两种不同情景，针对不同主体功能区，设置差异化的约束目标，通过MOP模型对低碳发展情景下的用地需求进行预测，并运用PLUS模型开展多情景下的国土空间分区优化模拟；该方法包括：
S1、主体功能分区及发展情景设定；
S2、低碳发展导向下各功能区用地结构预测；
S3、面向多情景的国土空间布局分区模拟。
在本发明一实施例中，所述差异化的约束目标包括差异化的碳排放量、经济效益和生态效益约束目标。
相较于现有技术，本发明具有以下有益效果：
(1)本发明在双碳背景下，以低碳经济发展为原则，以经济效益和生态效益最大化、碳排放量最小化为目标，根据各类功能区的战略定位和发展方向对不同目标函数系数进行修正，构建了多目标函数及约束条件，对各类主体功能区低碳发展情景下的未来用地需求进行了预测。
(2)本发明划分自然发展和低碳发展情景针对不同主体功能区开展未来国土空间变化多情景分区模拟，通过综合考虑地形、气温、降水、区位、交通、人口分布、经济水平等多种要素，根据空间单元现状适宜度对未来布局进行空间模拟，发掘了不同情景下各典型区域的用地布局演变模式，从土地利用视角为顺利实现碳减排的预期目标提供新的实现途径。
附图说明
图1为本发明方法技术路线图。
图2为福建省国土空间布局模拟空间驱动因素。
图3为各地类适宜性概率分布图。
图4为福建省2030年低碳发展情景下国土空间模拟图。
图5为不同情景下城镇建设区典型区域2020-2030国土空间布局图。
图6为不同情景下农业生产区典型区域2020-2030国土空间布局图。
图7为不同情景下生态保护区典型区域2020-2030国土空间布局图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明主要是通过设定自然发展和低碳发展两种不同情景，针对不同主体功能区，设置差异化的碳排放量、经济效益和生态效益约束目标，通过MOP模型对低碳发展情景下的用地需求进行预测，并以此为基础运用PLUS模型开展多情景下的国土空间分区优化模拟。
其主要内容包括：
主体功能分区及发展情景设定；
低碳发展导向下各功能区用地结构预测；
面向多情景的国土空间布局分区模拟。
本发明的目的在于提出种基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法，其技术路线如图1所示，包括如下步骤：
第一步，主体功能分区及发展情景设定。
(1)主体功能分区。通过综合考虑国土空间分布现状及区域发展需求，按照主体功能区规划中不同的开发方式同时综合考虑各地区经济发展水平和生态环境现状通过功能定位对不同区域进行功能划分，将各市、县(区)分为城镇建设区、农业生产区和生态保护区三类。
(2)发展情景设定。针对不同主体功能区设定自然发展和低碳发展两者情景，其中自然发展情景遵循土地利用变化的历史过程，不考虑未来限制或促进土地利用变化的措施，通过Markov模型对各功能区用地结构进行预测；低碳发展情景考虑低碳发展视角下经济和生态效益相协调的原则，通过调整土地利用结构实现在经济发展的同时达到减少碳排放的效果，通过MOP模型对各功能区用地结构进行预测。
第二步，低碳发展导向下各功能区用地结构预测。
(1)目标函数系数计算。利用历年化石能源消耗量、经济产值、农产品种植面积及成本等数据，基于碳排放折算系数、地均经济产出及生态系统服务价值等方法分别对全省目标年份的碳排放量、经济效益、生态效益目标函数系数进行计算。
(2)系数修正。基于主体功能区发展导向约束，分别计算各类功能区不同地类的二氧化碳排放量、经济产值、粮食作物单产与全省均值的比值，作为各类功能区各目标函数的修正系数，从而对各目标函数系数进行修正。
(3)约束条件设定。以经济效益和生态效益最大化、碳排放量最小化为目标，基于修正后的目标函数系数计算结果对多目标函数的约束条件进行设定。
第三步，面向多情景的国土空间布局分区模拟。
(1)用地扩张因素分析。选取人类活动、区位条件、交通环境、自然要素共四类20项指标作为驱动因子，基于随机森林算法挖掘各地类扩张的潜在机制，最终输出各功能区中不同地类的适宜性概率分布情况。
(2)国土空间布局分区模拟。利用得到的各地类适宜性概率分布情况和土地利用数据，以不同情景下各主体功能区的用地结构预测结果作为数量约束，基于多类型随机斑块种子机制的CA模型开展国土空间布局分区模拟。
在上述步骤中，目标函数的计算及修正、约束条件设定、用地扩张因素分析及国土空间布局分区模拟是本发明的重点，这几个步骤在以下小节中进行详细论述。
(1)目标函数的计算及修正
基于碳减排和经济生态效益发展相协调的目标建立多目标规划模型，对不同主体功能区的碳排放量、经济效益、生态效益目标函数系数进行计算并修正。
(a)多目标规划模型
MOP即为多目标规划模型，其中包含决策变量、目标函数、约束条件三部分，是聚焦于在主观或客观条件下，使某个或多个目标达到最值的决策模型，其表达式如下：
各式中：xj为第j类决策变量(j＝1，2，...，7)，其中：耕地x1、林地x2、草地x3、湿地x4、水体x5、人造地表x6、裸地x7；F1(x)、F2(x)、F3(x)为目标函数，分别表示经济效益、碳排放量和生态效益；cj、dj和ej分别为单位面积下不同地类的经济效益系数、碳排放量系数和生态效益系数；约束条件s.t.中，aij为第i个约束条件中第j个变量对应的系数；bj为约束值。
总目标函数为组合函数F4(x)：
式中：G1、G2、G3分别为经济效益、碳排放量、生态效益函数的目标值；W1、W2、W3分别为对应函数的权重系数。当W1、W2和W3的取值分别为0.7、0.2、0.1时，以经济发展为侧重，对碳排放量的增加约束较小，并通过增加具有较高经济效益的地类来获取相应的经济总量的增长，该类方案针对城镇建设区进行设定；当W1、W2和W3的取值分别为0.5、0.3、0.2时，该方案对碳排放量的约束较为中等，不同地类面积的优化调整主要通三个目标函数的共同作用，该类方案针对农业生产区进行设定；当W1、W2和W3的取值分别为0.2、0.7、0.1时，该方案对碳排放量的约束最大，优化结果具有更大的碳减排效果，并增加碳汇地类面积，该类方案针对生态保护区进行设定。
(b)碳排放量目标函数系数
根据现有研究，耕地、林地、草地、湿地、水体和裸地的碳排放量在长时期内变化不大，其碳排放量系数依次为0.464、-5.052、-0.947、-0.41、-0.25、-0.005t/(hm2·a)。人造地表的碳排放量目标省历年能源消耗量和土地利用数据为基础数据对其历年单位面积碳排放量进行计算，并运用灰色预测模型对目标年人造地表单位面积碳排放量进行预测。人造地表的碳排放量系数主要是通过计算在其利用过程中能源消耗所产生的碳排放总量间接得到，计算公式如下：
式中：Eb为各类化石能源消耗所产生的碳排放总量；n为能源种类；mi为第i种能源消费量；ni为能源i的折标准煤系数；为碳排放系数，为平均低位发热值、单位热值含碳量和碳氧化率的乘积；44/12表示CO2与碳的分子量之比。各系数的计算参照《IPCC国家温室气体列表指南》、《综合能耗计算通则(GB/T2589-2020)》和《省级温室气体清单编制指南》中的计算方法及系数进行计算，经计算后的各能源碳排放系数及折标准煤系数值见下表1。
表1能源碳排放系数及折标准煤系数
(c)经济效益目标函数系数
基于各地类历年单位面积的经济产出数据，利用灰色预测模型计算出目标年份的各用地经济效益系数，其中耕地、林地、草地、水域、人造地表分别以农业产值、林业产值、牧业产值、渔业产值、二三产业值表示，湿地、未利用地不进行计算。
(d)生态效益目标函数系数
基于生态系统服务价值对生态效益进行量化，通过粮食作物单产和平均价格计算价值当量从而得到各地类单位面积生态效益，并以历年数据为基础运用灰色预测模型得到目标年各地类生态效益系数。各地类单位面积的生态系统服务价值计算公式为：
Vci＝Eei 式(5)
式中：Vci为第i种地类的单位面积生态系统服务价值(元/hm2)，E为单位农田生态系统提供食物生产服务的经济价值(元)，ei为第i种地类的生态服务价值当量因子。
一个单位的当量因子利用主要粮食作物播种面积、产量和平均价格来计算，其计算公式如下：
式中：E为1个单位当量(元)；n表示粮食种类；mi表示第i种粮食的播种面积(hm2)；pi表示第i种粮食当年的全国平均价格(元/吨)；qi表示第i种粮食单产(t/hm2)；M表示播种总面积(hm2)。
不同地类单位面积生态系统服务价值当量因子如表2所示。
表2单位面积生态系统服务价值当量
对应上述当量表中的各生态系统类型的生态系统服务价值对不同地类的生态系统服务价值进行评估，本发明中对耕地、林地、草地、湿地、水体、裸地的生态系统服务价值的评估分别对应水田、针阔混交、灌草丛、湿地、水系和裸地，人造地表参照现有研究，采用居住地和工交用地的取其均值为-14.27，得到本发明中不同地类的生态系统服务价值当量因子表3。
表3不同地类生态服务价值当量因子表
(e)基于主体功能区发展导向约束的目标函数系数修正
考虑各类主体功能区的发展导向差异，为贯彻主体功能分类约束的思想，使模拟结果更符合各功能区发展重点，分别计算各类功能区不同地类的二氧化碳排放量、经济产出、粮食作物单产与全省均值的比值，作为各类功能区各目标函数的修正系数。其中，经济效益系修正系数以各类功能区不同地类的地均经济效益与全省均值比进行计算；碳排放修正系数根据现有研究得出历年各类功能区碳排放总量，计算各类功能区人造地表单位面积排放量与全省均值之比即得到修正系数；生态效益目标函数修正系数为各功能区的粮食作物单产与全省均值之比。各类功能区修正系数及计算方法见表4。
表4各主体功能区目标函数修正系数计算方法
在得到各主体功能区不同地类的目标函数修正系数后，对其进行修正，计算公式如下：
aii＝lij*cij 式(7)
式中：aij为修正后第i个目标函数中第j个地类对应的系数，其中i＝1,2,3，对应不同的目标函数，j＝1,2,…,7，对应不同地类；lij为修正前的第i个目标函数中第j个地类对应的系数；cij为第i个目标函数中第j个地类对应的修正系数。
(2)约束条件设定
经过计算后得到各功能区经修正后的不同地类单位面积的经济效益、生态效益和碳排放量目标函数系数值，以碳排放量最小化、经济和生态效益最大化为目标，根据式(1)和式(2)对各主体功能区在低碳发展情景下的多目标函数及约束条件进行设定。由于各功能区的发展侧重不同，因此目标函数和约束条件的参数设置也会有一定差异性，本发明中的目标函数包括经济效益、碳排放量、生态效益和总目标，约束条件包括总面积约束、经济约束、碳排放约束以及地类面积约束，目标函数是以不同用地的各目标函数系数乘以用地面积来进行累加计算，约束条件的设置均基于对各分区用地现状以及未来发展趋势的分析，其中总面积约束是以各分区国土空间现状面积进行约束；经济约束是以现状趋势下能达到的未来总量作为最低值；碳排放量是以现状趋势下能达到的未来总量作为最高值；各地类面积约束则是以现状值和未来预测值作为其优化目标的上下限，并根据发展需求分别对不同地类做相应调整，如城镇建设区中的人造地表、农业生产区中的耕地、生态保护区中的林草湿地等。根据以上条件，对低碳情景下各分区用地需求进行预测的多目标函数及约束条件进行设定。
(3)用地扩张因素分析
基于土地扩张分析策略的转化规则挖掘框架(Land expansion analysisstrategy，LEAS)，该模块基于随机森林算法通过将各地类扩张的驱动因素挖掘转化为二分类问题，获得不同用地类型扩张规律的潜在机制，最终输出不同地类的适宜性概率分布情况
(a)土地扩张分析策略
将两个时期的土地利用数据进行叠加，并提取状态发生变化的单元格代表每种地类的变化区域，随机抽取采样点并根据地类划分子集。对引起某一地类扩张的驱动因子进行挖掘时，将发生扩张的区域设定为1，未发生扩张的区域设定为0，然后选取不同的驱动因素，使用随机森林算法，获得不同土地利用类型扩张规律的转化规则。
(b)双态决策的随机森林分类
LEAS将每种土地利用类型转换规则的挖掘转化为二分类问题，通过随机森林处理高维数据以及变量之间的多重共线性问题，并从原始训练数据集中提取随机样本，最终在单元格i上输出地类k的扩张概率
式中：d的值为0或1，值为1时表示有其他地类转变为地类k，0表示转变为其他地类；x是由多个驱动因素组成的向量；I(·)是决策树集合的指示函数；hn(x)是向量x的第n个决策树的预测类型；M是决策树的总数。
(4)国土空间布局分区模拟
利用基于CA模型的土地利用多类型随机种子的斑块生成机制模块(CA modelbased on multi-type random patch seeds，CARS)开展国土空间布局模拟，在模拟过程中，土地利用需求通过自适应系数影响局部的土地利用竞争，从而驱动土地利用量达到未来需求。
(a)宏观需求与局部竞争反馈
计算土地利用类型k的总体概率的基本公式可表示为：
式中：表示在第i个单元格上地类k的扩张概率；为未来对地类k需求的影响，是一个自适应驱动系数；表示单元格i的邻域效应，即地类k在下一个邻域内的覆盖比例。
式中：为元胞p在t时刻的邻域作用；表示地类k在t-1时所占的单元格总量；ωk表示各地类的邻域影响因子。参考现有研究并根据受人为影响强度因素，各地类的扩张能力依次为人造地表>耕地>林地>草地>湿地>水体>裸地，经过多次实验结果调整后进行赋值(表5)。
地类k在迭代时刻t的自适应惯性系数为：
式中：和表示t-1和t-2时刻时地类k的真实需求和当前数量间差异。
最后，根据所有地类的总体概率构造一个轮盘，用于选择下一次迭代的土地利用状态。
(b)基于递减阈值的多类型随机斑块种子
PLUS模型采用基于递减阈值的多类型随机斑块种子机制来模拟多种地类的空间演化，通过整体概率计算过程实现。当地类k的邻域效应为0时，该机制通过使用蒙特卡罗方法在每种地类的扩张概率面上生成变化“种子”：
式中：γ是一个随机值，范围从0到1；μk是地类k生成新土地利用斑块的阈值。
种子可能会产生新的地利用类型并长成由一组具有相同土地利用类型的网格形成的新斑块。为了控制多个土地利用斑块的产生，提出了基于竞争过程的递减阈值规则，以限制所有土地利用类型的有机和自发增长。如果新的土地利用类型在一轮竞争中获胜，则使用递减阈值τ来评估轮盘赌选择的候选土地利用类型c，如下所示：
式中：Step是PLUS模型的步长，用于近似土地利用需求；δ为递减阈值τ的衰减因子，取值范围为0到1；r1是一个正态分布的随机值，均值为1，范围从0到2；l是衰减步长的数目；TMk,c定义是否允许地类k转换为地类c的转换成本矩阵。
本研究针对不同功能分区设置了不同情景用于空间模拟，因此需要设计不同的转换成本矩阵，见表6。
表6不同发展情景下转换成本矩阵
注：a、b、c、d、e、f、g分别代表耕地、林地、草地、湿地、水体、人造地表和裸地；0表示不能转化，1表示允许转化。
本发明具体应用实例。
本发明通过设定自然发展和低碳发展两种发展情景进行不同情景下的省域国土空间分区优化模拟，并基于碳减排和经济生态效益发展相协调的目标建立低碳发展情景下的多目标规划模型，以碳排放量最小化、经济和生态效益最大化为目标，针对不同主体功能区设置约束条件并进行目标修正，通过MOP模型对未来低碳发展情景下的未来用地需求进行预测，并以此为基础通过PLUS模型开展国土空间分区模拟。
以福建省为实例，运用上述方法，分别对2030年福建省各主体功能区的碳排放量、经济效益、生态效益目标函数系数进行计算，并对多目标规划模型中的目标函数和约束条件进行设定(表7)，通过多目标求解得到低碳发展情景下2030年各主体功能区的用地结构。在国土空间布局模拟方面，选取人类活动(人口分布、夜间灯光亮度、距车站距离、距港口距离、距机场距离、距开发区距离、距水库距离)、区位条件(距各级行政中心距离)、交通环境(距乡级以上道路距离、距乡级道路距离、距铁路距离)、自然要素(高程、坡度、降雨、温度、潜在蒸散发量、距离主要水系距离)共四类20项驱动因素(图2)，利用2010、2020年福建省土地利用数据和选取的驱动因素数据基于随机森林算法进行训练便可得到不同主体功能区内各地类扩张的转换规则，并得到各地类的适宜性概率分布情况(图3)。基于得到的各地类适宜性概率分布情况和现状年土地利用数据，通过PLUS模型开展福建省2030年用地空间布局模拟，得到的低碳发展情景下模拟结果如图4所示。
表7各主体功能区低碳情景下多目标函数及约束条件设定
从国土空间布局分区模拟结果显示，各地类的变化规律基本与历史趋势基本相同，其中碳源地主要分布在临近海岸线处海拔较低、地势平缓易开发的一侧，碳汇地主要集中在内陆区域海拔相对较高且地况较复杂的区域。从不同发展情景下人造地表的扩张情况来看，至2030年，城镇建设区自然发展情景下表现为由分散到连片进行扩张，而低碳发展情景下由边缘向外小范围扩张(图5)；农业生产区中在自然发展下由外围向中心延伸型扩张，低碳发展情景下出现了小范围扩张(图6)；生态保护区中在自然发展下呈膨胀型无序扩张，低碳发展情景下呈现出区域蔓延式有序扩张(图7)，可以看出低碳发展情景在减缓碳源地增加速度的同时，能够降低碳汇地的减少速度，在保障区域经济发展用地需求的同时减少碳排放并降低生态环境影响更加符合低碳经济发展的要求。从三类典型区域用地演变模式来看，农业生产区和生态保护区的变化较小，城镇建设区变化较为明显，城镇建设区和农业生产区主要功能用地分布较为集中且聚合度较高，生态保护区主要功能用地较为分散且一般呈破碎状。在不同发展情景下，国土空间格局中的碳源地不断扩张、碳汇地空间逐步受到挤压，应进一步发掘存量用地的潜力，推动土地资源的高效利用。
本发明基于不同类型主体功能区开展符合区域管控要求和发展目标的省域国土空间结构优化和模拟研究，对国土空间规划进行先验评估和未来趋势预判，可为形成区域性、差异化的土地利用管控政策提供决策依据，推动实现“主体功能约束有效、国土开发有序”的空间发展新格局。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (1)
1.一种基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法，其特征在于，该方法通过设定自然发展和低碳发展两种不同情景，针对不同主体功能区，设置差异化的约束目标，通过MOP模型对低碳发展情景下的用地需求进行预测，并运用PLUS模型开展多情景下的国土空间分区优化模拟；该方法包括：
S1、主体功能分区及发展情景设定；
S2、低碳发展导向下各功能区用地结构预测；
S3、面向多情景的国土空间布局分区模拟；
所述差异化的约束目标包括差异化的碳排放量、经济效益和生态效益约束目标；
步骤S1具体实现如下：
S11、主体功能分区：通过综合考虑国土空间分布现状及区域发展需求，按照主体功能区规划中不同的开发方式，同时综合考虑各地区经济发展水平和生态环境现状，通过功能定位对不同区域进行功能划分，将各市、县分为城镇建设区、农业生产区和生态保护区三类；
S12、发展情景设定：针对不同主体功能区设定自然发展和低碳发展两者情景，其中自然发展情景遵循土地利用变化的历史过程，不考虑未来限制或促进土地利用变化的措施，通过Markov模型对自然发展情景下各功能区用地结构进行预测；低碳发展情景考虑低碳发展视角下经济和生态效益相协调的原则，通过调整土地利用结构实现在经济发展的同时达到减少碳排放的效果，通过MOP模型对低碳发展情景下各功能区用地结构进行预测；
步骤S2具体实现如下：
S21、目标函数系数计算：利用历年化石能源消耗量、经济产值、农产品种植面积及成本数据，基于包括碳排放折算系数、地均经济产出及生态系统服务价值的方法分别对全省目标年份的碳排放量、经济效益、生态效益目标函数系数进行计算；
S22、系数修正：基于主体功能区发展导向约束，分别计算各类功能区不同地类的二氧化碳排放量、经济产值、粮食作物单产与全省均值的比值，作为各类功能区各目标函数的修正系数，从而对各目标函数系数进行修正；
S23、约束条件设定：以经济效益和生态效益最大化、碳排放量最小化为目标，基于修正后的目标函数系数计算结果对多目标函数的约束条件进行设定；
步骤S3具体实现如下：
S31、用地扩张因素分析：选取人类活动、区位条件、交通环境、自然要素共四类20项指标作为驱动因子，基于随机森林算法挖掘各地类扩张的潜在机制，最终输出各功能区中不同地类的适宜性概率分布情况；
S32、国土空间布局分区模拟：利用得到的各地类适宜性概率分布情况和土地利用数据，以不同情景下各主体功能区的用地结构预测结果作为数量约束，基于多类型随机斑块种子机制的CA模型开展国土空间布局分区模拟；
步骤S21、S22中，目标函数系数计算及修正的具体实现方式如下：
(a)多目标规划模型
MOP模型即多目标规划模型，其中包含决策变量、目标函数、约束条件三部分，是聚焦于在主观或客观条件下，使某个或多个目标达到最值的决策模型，其表达式如下：
各式中：xj为第j类决策变量，j＝1,2,…,7，其中：耕地x1、林地x2、草地x3、湿地x4、水体x5、人造地表x6、裸地x7；F1(x)、F2(x)、F3(x)为目标函数，分别表示经济效益、碳排放量和生态效益；cj、dj和ej分别为单位面积下不同地类的经济效益系数、碳排放量系数和生态效益系数；约束条件s.t.中，aij为第i个约束条件中第j个变量对应的系数；bj为约束值；
总目标函数为组合函数F4(x)：
式中：G1、G2、G3分别为经济效益、碳排放量、生态效益函数的目标值；W1、W2、W3分别为对应函数的权重系数；
(b)碳排放量目标函数系数
耕地、林地、草地、湿地、水体和裸地的碳排放量在长时期内变化不大，其碳排放量系数依次为0.464、-5.052、-0.947、-0.41、-0.25、-0.005；人造地表的碳排放量系数通过计算在其利用过程中能源消耗所产生的碳排放总量间接得到，计算公式如下：
式中：Eb为各类化石能源消耗所产生的碳排放总量；X为能源种类；mi为第i种能源消费量；ni为能源i的折标准煤系数；为碳排放系数，为平均低位发热值、单位热值含碳量和碳氧化率的乘积；44/12表示CO2与碳的分子量之比；
(c)经济效益目标函数系数
基于各地类历年单位面积的经济产出数据，利用灰色预测模型计算出目标年份的各用地经济效益系数，其中耕地、林地、草地、水域、人造地表分别以农业产值、林业产值、牧业产值、渔业产值、二三产业值表示，湿地、未利用地不进行计算；
(d)生态效益目标函数系数
基于生态系统服务价值对生态效益进行量化，通过粮食作物单产和平均价格计算价值当量从而得到各地类单位面积生态效益，并以历年数据为基础运用灰色预测模型得到目标年各地类生态效益系数；各地类单位面积的生态系统服务价值计算公式为：
Vci＝Eei 式(5)
式中：Vci为第i种地类的单位面积生态系统服务价值，E为单位农田生态系统提供食物生产服务的经济价值，E为1个单位当量，ei为第i种地类的生态服务价值当量因子；
一个单位当量因子利用主要粮食作物播种面积、产量和平均价格来计算，其计算公式如下：
式中：Y表示粮食种类；oi表示第i种粮食的播种面积；pi表示第i种粮食当年的全国平均价格；qi表示第i种粮食单产；S表示播种总面积；
(e)基于主体功能区发展导向约束的目标函数系数修正
考虑各类主体功能区的发展导向差异，分别计算各类功能区不同地类的二氧化碳排放量、经济产出、粮食作物单产与全省均值的比值，作为各类功能区各目标函数的修正系数；其中，经济效益系修正系数以各类功能区不同地类的地均经济效益与全省均值比进行计算；碳排放修正系数根据现有研究得出历年各类功能区碳排放总量，计算各类功能区人造地表单位面积排放量与全省均值之比即得到修正系数；生态效益目标函数修正系数为各功能区的粮食作物单产与全省均值之比；
在得到各主体功能区不同地类的目标函数修正系数后，对其进行修正，计算公式如下：
aij＝lij*cij 式(7)
式中：aij为修正后第i个目标函数中第j个地类对应的系数，其中i＝1,2,3，对应不同的目标函数，j＝1,2,…,7，对应不同地类；lij为修正前的第i个目标函数中第j个地类对应的系数；cij为第i个目标函数中第j个地类对应的修正系数；
步骤S23中，约束条件设定的方式如下：
经过计算后得到各功能区经修正后的不同地类单位面积的经济效益、生态效益和碳排放量目标函数系数值，以碳排放量最小化、经济和生态效益最大化为目标，根据式(1)和式(2)对各主体功能区在低碳发展情景下的多目标函数及约束条件进行设定；目标函数包括经济效益、碳排放量、生态效益和总目标，约束条件包括总面积约束、经济约束、碳排放约束以及地类面积约束，目标函数是以不同用地的各目标函数系数乘以用地面积来进行累加计算，约束条件的设置均基于对各分区用地现状以及未来发展趋势的分析，其中总面积约束是以各分区国土空间现状面积进行约束；经济约束是以现状趋势下能达到的未来总量作为最低值；碳排放量是以现状趋势下能达到的未来总量作为最高值；各地类面积约束则是以现状值和未来预测值作为其优化目标的上下限，并根据发展需求分别对不同地类做相应调整；
步骤S31中，用地扩张因素分析的具体实现方式如下：
(a)土地扩张分析策略
将不同时期的土地利用数据进行叠加，并提取状态发生变化的单元格代表每种地类的变化区域，随机抽取采样点并根据地类划分子集；对引起某一地类扩张的驱动因子进行挖掘时，将发生扩张的区域设定为1，未发生扩张的区域设定为0，然后选取不同的驱动因素，使用随机森林算法，获得不同土地利用类型扩张规律的转化规则；
(b)双态决策的随机森林分类
LEAS将每种土地利用类型转换规则的挖掘转化为二分类问题，通过随机森林处理高维数据以及变量之间的多重共线性问题，并从原始训练数据集中提取随机样本，最终在单元格i上输出地类k的扩张概率
式中：d的值为0或1，值为1时表示有其他地类转变为地类k，0表示转变为其他地类；x是由多个驱动因素组成的向量；I(·)是决策树集合的指示函数；hK(x)是向量x的第K个决策树的预测类型；M是决策树的总数；
步骤S32中，国土空间布局分区模拟的具体实现方式如下：
a)宏观需求与局部竞争反馈
计算土地利用类型即地类k的总体概率的基本公式可表示为：
式中：表示在第i个单元格上地类k的扩张概率；为未来对地类k需求的影响，是一个自适应驱动系数；表示单元格i的邻域效应，即地类k在下一个邻域内的覆盖比例；
式中：为元胞p在t时刻的邻域作用；表示地类k在t-1时所占的单元格总量；ωk表示各地类的邻域影响因子；参考现有研究并根据受人为影响强度因素，各地类的扩张能力依次为人造地表>耕地>林地>草地>湿地>水体>裸地；
地类k在迭代时刻t的自适应驱动系数为：
式中：和表示t-1和t-2时刻时地类k的真实需求和当前数量间差异；
最后，根据所有地类的总体概率构造一个轮盘，用于选择下一次迭代的土地利用状态；
(b)基于递减阈值的多类型随机斑块种子
PLUS模型采用基于递减阈值的多类型随机斑块种子机制来模拟多种地类的空间演化，通过整体概率计算过程实现；当地类k的邻域效应为0时，该机制通过使用蒙特卡罗方法在每种地类的扩张概率面上生成变化“种子”：
式中：γ是一个随机值，范围从0到1；μk是地类k生成新土地利用斑块的阈值；
种子可能会产生新的地利用类型并长成由一组具有相同土地利用类型的网格形成的新斑块；为了控制多个土地利用斑块的产生，提出基于竞争过程的递减阈值规则，以限制所有土地利用类型的有机和自发增长；如果新的土地利用类型在一轮竞争中获胜，则使用递减阈值τ来评估轮盘赌选择的候选土地利用类型c，如下所示：
式中：Step是PLUS模型的步长，用于近似土地利用需求；δ为递减阈值τ的衰减因子，取值范围为0到1；r1是一个正态分布的随机值，均值为1，范围从0到2；l是衰减步长的数目；TMk,c定义是否允许地类k转换为地类c的转换成本矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210571594.6A CN114997480B (zh) | 2022-05-24 | 2022-05-24 | 基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210571594.6A CN114997480B (zh) | 2022-05-24 | 2022-05-24 | 基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114997480A CN114997480A (zh) | 2022-09-02 |
| CN114997480B true CN114997480B (zh) | 2024-06-14 |
Family
ID=83029674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210571594.6A Active CN114997480B (zh) | 2022-05-24 | 2022-05-24 | 基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114997480B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115438855A (zh) * | 2022-09-05 | 2022-12-06 | 河海大学 | 一种山地城市土地利用优化配置方法 |
| CN115293945B (zh) * | 2022-10-08 | 2023-02-24 | 北京英视睿达科技股份有限公司 | 温室气体排放量的确定方法、装置、设备及存储介质 |
| CN116596100B (zh) * | 2022-11-08 | 2024-01-23 | 天津大学 | 一种基于土地利用变化模拟的碳汇监测预警方法 |
| CN115860189A (zh) * | 2022-11-14 | 2023-03-28 | 河南理工大学 | 一种低碳目标下土地利用空间格局优化方法及系统 |
| CN116128161B (zh) * | 2023-04-12 | 2023-06-27 | 南京农业大学 | 一种农业用地碳排放预测方法与系统 |
| CN116415110B (zh) * | 2023-06-05 | 2023-08-15 | 武汉大学 | 基于多源遥感密度数据进行碳排放量分区网格化的方法 |
| CN117892053A (zh) * | 2023-07-14 | 2024-04-16 | 中国矿业大学(北京) | 结合多目标规划生态系统碳储量遥感预测方法及系统 |
| CN117035244B (zh) * | 2023-10-10 | 2024-02-02 | 成都市智慧蓉城研究院有限公司 | 基于标识解析的空间规划信息采集方法及系统 |
| CN118094946B (zh) * | 2024-03-22 | 2024-08-30 | 安徽师范大学 | 基于plus模型的土地利用变化模拟方法、装置及电子设备 |
| CN118469216B (zh) * | 2024-05-21 | 2024-10-22 | 南京大学 | 一种多尺度精细化低碳国土空间优化利用方法 |
| CN118569511B (zh) * | 2024-08-01 | 2024-10-01 | 吉林大学 | 一种基于碳轨迹追踪的重型货车集群减碳协调管控方法 |
| CN118643958A (zh) * | 2024-08-19 | 2024-09-13 | 南京大学 | 一种国土空间规划生态效益的动态预测方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102147890A (zh) * | 2011-04-11 | 2011-08-10 | 复旦大学 | 城市土地使用与交通一体化规划决策支持方法及系统 |
| CN102509172B (zh) * | 2011-10-25 | 2015-07-08 | 南京大学 | 一种基于gis技术的土地利用碳排放减量化控制优化方法 |
| KR102187364B1 (ko) * | 2020-01-30 | 2020-12-07 | 울산광역시 울주군 | 공공타운하우스 관리 장치 및 그 방법 |
| CN113487079A (zh) * | 2021-07-02 | 2021-10-08 | 天津大学 | 一种城市土地利用规模结构低碳化布局的方法及装置 |
| CN113569323B (zh) * | 2021-08-03 | 2024-07-19 | 清华大学 | 实现规划情景模拟的国土空间规划系统动力学建模方法 |
-
2022
- 2022-05-24 CN CN202210571594.6A patent/CN114997480B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China.;LiangXun et.al.;Computers, Environment and Urban Systems;20201127;全文 * |
| 耦合MOP与PLUS模型的土地利用/覆被结构与空间优化研究——以合肥市为例;郭鹏程;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;20220215(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114997480A (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114997480B (zh) | 基于mop-plus模型的低碳导向下省域国土空间分区优化模拟方法 | |
| Li et al. | Optimize and control territorial spatial functional areas to improve the ecological stability and total environment in karst areas of Southwest China | |
| Zhu et al. | Land use/land cover change and its impact on ecosystem carbon storage in coastal areas of China from 1980 to 2050 | |
| Liao et al. | Land use optimization of rural production–living–ecological space at different scales based on the BP–ANN and CLUE–S models | |
| Chen et al. | Optimization of cultivated land pattern for achieving cultivated land system security: A case study in Heilongjiang Province, China | |
| Cheng et al. | Integrated study of the water–ecosystem–economy in the Heihe River Basin | |
| Yao et al. | Rural spatial restructuring in ecologically fragile mountainous areas of southern China: A case study of Changgang Town, Jiangxi Province | |
| Wang et al. | A new approach to land use optimization and simulation considering urban development sustainability: A case study of Bortala, China | |
| Xu et al. | Influence of land urbanization on carbon sequestration of urban vegetation: A temporal cooperativity analysis in Guangzhou as an example | |
| CN111783360B (zh) | 高分辨率土地利用及森林景观过程耦合模拟系统及方法 | |
| CN104794350A (zh) | 一种区域综合承载力评估系统及方法 | |
| Liu et al. | Spatial and temporal variations in the relationship between the topological structure of eco-spatial network and biodiversity maintenance function in China | |
| CN112182951B (zh) | 一种考虑多重不确定性的土地利用规划方法 | |
| Li et al. | Scenario-based urban growth simulation by incorporating ecological-agricultural-urban suitability into a Future Land Use Simulation model | |
| Zheng et al. | The impacts of cropland balance policy on habitat quality in China: A multiscale administrative perspective | |
| CN110135585A (zh) | 一种南方红壤区小流域水土保持生态服务功能优化方法 | |
| Peng et al. | What is the relationship between ecosystem services and urbanization? A case study of the mountainous areas in Southwest China | |
| Guo et al. | Simulation of urban land expansion under ecological constraints in Harbin-Changchun urban agglomeration, China | |
| Peng et al. | Spatial expansion effects on urban ecosystem services supply-demand mismatching in Guanzhong Plain Urban Agglomeration of China | |
| Xue et al. | Ecological conservation pattern based on ecosystem services in the Qilian Mountains, northwest China | |
| CN114925974A (zh) | 一种面向市县国土空间规划的分类逐步双评价方法 | |
| Zhang et al. | Potential effects of climate change on runoff in the Yellow River Basin of China | |
| Zhang et al. | Research on the optimal allocation of agricultural water and soil resources in the Heihe River Basin based on SWAT and intelligent optimization | |
| Song et al. | Optimal water allocation scheme in integrated water-ecosystem-economy system | |
| Feng et al. | Optimisation model for sustainable agricultural development based on water-energy-food nexus and CO2 emissions: A case study in Tarim river basin |
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 |