CN115310831A - 基于多源数据的国土空间功能分类评估与分区方法 - Google Patents

基于多源数据的国土空间功能分类评估与分区方法 Download PDF

Info

Publication number
CN115310831A
CN115310831A CN202210967913.5A CN202210967913A CN115310831A CN 115310831 A CN115310831 A CN 115310831A CN 202210967913 A CN202210967913 A CN 202210967913A CN 115310831 A CN115310831 A CN 115310831A
Authority
CN
China
Prior art keywords
space
function
territorial
homeland
luf
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.)
Granted
Application number
CN202210967913.5A
Other languages
English (en)
Other versions
CN115310831B (zh
Inventor
范业婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Finance and Economics
Original Assignee
Nanjing University of Finance and Economics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Finance and Economics filed Critical Nanjing University of Finance and Economics
Priority to CN202210967913.5A priority Critical patent/CN115310831B/zh
Priority claimed from CN202210967913.5A external-priority patent/CN115310831B/zh
Publication of CN115310831A publication Critical patent/CN115310831A/zh
Application granted granted Critical
Publication of CN115310831B publication Critical patent/CN115310831B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及国土空间分类与规划技术领域，公开一种基于多源数据的国土空间功能分类评估与分区方法，主要步骤包括：(1)采集多源数据，构建国土空间功能分类与评估指标体系，定量测算不同类型国土空间功能；(2)结合空间统计分析方法探测不同类型国土空间功能的时空格局特征；(3)利用相关性分析方法识别不同类型国土空间功能之间的相互作用关系；(4)利用SOM方法划分国土空间功能分区，测算不同分区各项国土空间功能指标均值。本发明基于多源数据挖掘，实现对不同类型国土空间功能进行定量评估，提高国土空间规划和管理效率。

Description

基于多源数据的国土空间功能分类评估与分区方法
技术领域
本发明涉及一种基于多源数据的国土空间功能分类评估与分区方法，属于国土空间分类与规划技术领域。
背景技术
国土空间功能有助于人们认知国土空间利用及其变化对区域可持续发展经济、社会、环境等的多维度影响，是土地变化科学研究的重要内容。城镇化的快速推进和经济的高速增长也带来了一系列制约区域可持续发展的问题，突出表现在：城市建设无序蔓延，基本农田和绿色生态空间减少过快过多，空间利用效率低下，单位国土面积污染负荷较高，资源环境承载力不足，生态系统功能退化，环境质量趋于恶化。在新型城镇化和生态文明建设背景下，如何规范区域国土开发秩序，促进区域资源环境优化配置，缓解经济增长、社会转型与环境保护之间的矛盾冲突已经成为区域可持续发展领域的重要科学命题，受到社会和学界广泛关注。作为将自然过程与人类活动联系起来的桥梁和纽带，国土空间功能诠释了国土空间提供给人类福祉的能力，涉及可持续发展的经济、社会、环境三个维度。科学识别和评估不同类型国土空间功能，有效识别国土空间功能时空特征和相互作用关系，划分国土空间功能分区，有效调控和管理多种国土空间功能，对于优化国土空间格局和提升国土空间管控效率具有重要现实意义。
目前存在两方面的问题，一方面，现有国土空间功能分类评估方法时主要侧重以行政区为基础单元，采用社会经济统计数据对国土空间功能进行评估，数据类型单一，分辨率低，尚无法有效监测评估精细化尺度下国土空间功能的演化特征以及功能间的作用关系，评估结果运用于指导国土空间开发利用的可操作性较差。另一方面，现有国土空间功能分区方法多是需要事先确定分区个数，然后采用定性或者简单聚类规则予以分区，这些方法往往存在主观性或者受到噪声数据影响较大，分区结果不够客观和准确，难以有效识别国土空间功能分区特征。
发明内容
发明目的：针对现有技术中存在的问题与不足，本发明提供一种基于多源数据的国土空间功能分类评估与分区方法，针对现有技术中第一方面的问题，本发明提出一种基于多源数据的且适用于多尺度的国土空间功能分类评估方法。针对现有技术中第二方面的问题，在国土空间功能分类评估基础上，本发明进一步提出一种基于SOM的国土空间功能分区方法，用于划分国土空间功能分区，识别不同分区功能短板，以期支撑区域国土空间优化决策。本发明集成土地覆被、社会经济、生态环境、遥感信息等多种要素，科学评估不同类型国土空间功能，辨识不同类型国土空间功能时空特征及其相互之间的作用关系，划分国土空间功能分区，实现差别化的国土空间功能分区调控，有助于为提升国土空间分类规划与管控效率。
技术方案：一种基于多源数据的国土空间功能分类评估与分区方法，包括基于多源数据的国土空间功能分类评估、国土空间功能时空格局探测、国土空间功能作用关系识别和基于SOM的国土空间功能分区；
所述基于多源数据的国土空间功能分类评估，用于采集研究区域的多源数据，构建国土空间功能分类与评估指标体系，定量测算不同类型国土空间功能；
所述国土空间功能时空格局探测，用于利用空间统计方法探测不同类型国土空间功能的时间变化特征和空间异质性；
所述国土空间功能作用关系识别，用于利用相关性分析方法识别不同类型国土空间功能之间的作用关系和作用强度；
所述基于SOM的国土空间功能分区，用于利用自组织映射(SOM)分类方法划定不同类型国土空间功能分区。
国土空间功能分区完成后，测算不同分区各项国土空间功能指标均值。
所述多源数据包括基础地理信息，以及土地利用、遥感影像、气候、土壤、社会经济等数据。
所述基于多源数据的国土空间功能分类评估包括：
(1)对获取的多源数据进行预处理，统一坐标系和投影方式，利用数据转换统一数据格式。
(2)基于生产、生活、生态3类国土空间，结合不同类型空间发展目标差异划分国土空间功能类型，包括农业生产、城镇生活和生态维持3项一级国土空间功能，根据国土空间功能内涵特征，细化各项一级国土空间功能，形成二级国土空间功能分类体系。
(3)基于研究区域自然环境、经济社会等特征以及数据可得性，结合各项二级国土空间功能的内涵，构建二级国土空间功能分类评估指标体系。
(4)基于二级国土空间功能分类评估指标体系，利用获取的多源数据，采用空间统计分析、InVEST、RUSLE等模型方法定量测算不同类型二级国土空间功能指标。
(5)利用极差法对各项二级国土空间功能指标进行归一化处理，获取研究区域可比较的功能指标值，计算表达式为：
S_LUFistd＝(S_LUFi-S_LUFmin)/(S_LUFmax-S_LUFmin)
其中，S_LUFistd表示第i项二级国土空间功能指标标准化值，S_LUFi表示第i项二级国土空间功能指标实际测算值，S_LUFmax和S_LUFmin分别表示第i项二级国土空间功能指标的最大值和最小值。
(6)采用综合加权法定量测算获取各项一级国土空间功能指数值，计算公式如下：
P_LUFj＝wj1·S_LUFj1+wj2·S_LUFj2+…+wjn·S_LUFjn
其中，P_LUFj表示第j项一级国土空间功能指数值，S_LUFjn表示第j项一级国土空间功能所包含的第n项二级国土空间功能指标标准化值，wjn表示第j项一级国土空间功能所包含的第n项二级国土空间功能指标权重值。
所述国土空间功能时空格局探测，用于利用空间叠置、热点分析等空间统计方法探测不同类型国土空间功能的时间变化特征和空间分异特征。
所述国土空间功能的时间变化特征采用空间叠置分析方法测度研究时段范围内国土空间功能变化率来予以表征，空间叠置分析原理如下：
CLUFj＝(LUFjT2-LUFjT1)/LUFjT1×100％
其中，LUFjT1、LUFjT2分别表示T1和T2时间点第j项一级国土空间功能指数值，CLUFj表示第j项一级国土空间功能在T1～T2期间的变化率。CLUFj越高，表示第j项一级国土空间功能在T1～T2期间的变化幅度越大；反之则越小。
所述国土空间功能的空间分异特征利用热点分析方法获取，根据热点分析判别国土空间功能具有统计上显著(显著性水平p_value<0.1)的空间高值(热点)和低值(冷点)集群，计算研究区域每个研究单元的Gi*统计信息：
Figure BDA0003795505000000031
其中，Gi*指的是热点分析方法返回的参数，xj为研究单元j的属性值，wij为研究单元i和j之间的空间权重，n等于研究单元总数，并且：
Figure BDA0003795505000000032
Figure BDA0003795505000000041
每个研究单元返回的Gi*统计是一个z分数，z分数表示在空间上具有高值或低值的聚集特征的位置。对于统计上显著(显著性水平p_value<0.1)的正z分数，z分数越大，高值(热点)的聚集越强烈。对于统计上显著的负z分数，z分数越小，低值(冷点)的聚集越强烈。
所述国土空间功能作用关系识别用于利用相关性分析方法识别不同类型二级国土空间功能之间的作用关系和作用强度。
不同类型二级国土空间功能之间的作用关系采用相关性分析判别，相关性分析方法计算公式为：
Figure BDA0003795505000000042
其中，LUF1i、LUF2i分别表示第i个研究单元国土空间功能1和功能2指数值；
Figure BDA0003795505000000043
Figure BDA0003795505000000044
分别表示研究区域国土空间功能1和功能2指数均值；r12表示研究区域国土空间功能1和功能2的相关性系数。r12为正值，表明国土空间功能1和功能2之间呈现正相关关系；r12为负值，表明国土空间功能1和功能2之间呈现负相关关系；r12为零，表明国土空间功能1和功能2之间无相关性；r12的绝对值越高，表明国土空间功能1和功能2的相关性越强；
所述基于SOM的国土空间功能分区用于利用SOM分类方法划定不同类型国土空间功能分区；
SOM是一种无监督的人工神经网络。不同于一般神经网络基于损失函数的反向传递来训练，SOM运用竞争学习策略，依靠神经元之间互相竞争逐步优化网络，且使用近邻关系函数来维持输入空间的拓扑结构。
利用SOM分类方法划定不同类型国土空间功能分区过程如下：
步骤一，读取研究区域不同类型二级国土空间功能指标值；
步骤二，对各项二级国土空间功能指标值进行归一化处理；
步骤三，初始化神经网络节点的拓扑关系；
步骤四，评估确定SOM迭代次数；
步骤五，计量每个SOM中心点包含的基因数目；
步骤六，获取每个SOM中心点相关的基因；
步骤七，划分聚类模块，完成研究区域国土空间功能分区。
完成研究区域国土空间功能分区后，测算不同分区各项国土空间功能指标均值，根据均值大小确定各分区不同类型国土空间功能强弱，以此反映不同分区国土空间功能短板。
一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如上所述的基于多源数据的国土空间功能分类评估与分区方法。
一种计算机可读存储介质，该计算机可读存储介质存储有执行如上所述的基于多源数据的国土空间功能分类评估与分区方法的计算机程序。
与现有技术相比，本发明的有益效果为：集成地覆被、社会经济、生态环境、遥感信息等多种要素，科学划分不同国土空间功能类型，构建覆盖“生产-生活-生态”空间的二级功能分类体系和指标评价体系，集成空间统计分析、InVEST、RUSLE等方法评估不同类型国土空间功能，并采用热点分析方法探测国土空间功能时空变化格局，实现了国土空间功能及其时空变化的有效监测和科学评估；采用相关性分析方法探测不同类型二级国土空间功能之间的相互作用关系，明晰不同类型国土空间功能之间的权衡作用关系，有利于更加有效识别国土空间开发利用中存在的关键冲突问题；利用SOM分类方法划定不同类型国土空间功能分区，根据各分区各项国土空间功能分布特征，明晰各分区国土空间功能短板，有利于针对不同分区特征实施差别化的国土空间优化管控。
附图说明
图1是本发明实施例的基于多源数据的国土空间功能分类评估与分区方法流程图；
图2是本发明实施例的基于多源数据的国土空间功能分类评估方法流程图；
图3是本发明实施例的国土空间功能时空特征和作用关系识别方法流程图；
图4是本发明实施例的基于SOM的国土空间功能分区方法流程图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，本实施例提供一种基于多源数据的国土空间功能分类评估与分区方法，包括基于多源数据的国土空间功能分类评估、国土空间功能时空格局探测、国土空间功能作用关系识别、基于SOM的国土空间功能分区四个部分。
基于多源数据的国土空间功能分类评估具体指的是：采集研究区域的多源数据，构建国土空间功能分类与评估指标体系，定量测算不同类型国土空间功能。
国土空间功能时空格局探测具体指的是：利用热点分析等空间统计方法探测不同类型国土空间功能的时间变化特征和空间异质性。
国土空间功能作用关系识别具体指的是：利用相关性分析方法识别不同类型国土空间功能之间的作用关系和作用强度。
基于SOM的国土空间功能分区具体指的是：利用SOM分类方法划定不同类型国土空间功能分区，测算不同分区各项国土空间功能指标均值。
如图2所示，本实施例提供的基于多源数据的国土空间功能分类评估方法包括以下步骤：
步骤一，采集研究区域基础地理信息、土地利用、遥感影像、气候、土壤、社会经济等多源数据，利用数据转换统一多源数据格式，即统一所有数据的空间坐标系和投影方式(坐标系为CGCS2000，投影方式为Gauss_Kruger)，并且使得数据空间尺度一致。
步骤二，结合不同类型空间发展目标差异划分一级国土空间功能类型，共包括农业生产、城镇生活和生态维持3项一级国土空间功能，并根据国土空间功能内涵特征，细化各项一级国土空间功能，形成二级国土空间功能分类体系。
步骤三，基于研究区域自然环境、经济社会等特征以及数据可得性，结合各项二级国土空间功能的内涵，构建二级国土空间功能分类评估指标体系。二级国土空间功能分类评估指标体系是选取可以定量测度的指标去表征不同类型的功能(即二级国土空间功能分类体系)。
步骤四，基于二级国土空间功能分类评估指标体系，利用获取的多源数据，采用空间统计分析、InVEST、RUSLE等模型方法定量测算不同类型二级国土空间功能指标。
步骤五，利用极差法对各项二级国土空间功能指标进行归一化处理，获取研究区域可比较的功能指标值，其计算表达式为：
S_LUFistd＝(S_LUFi-S_LUFmin)/(S_LUFmax-S_LUFmin)
其中，S_LUFistd表示第i项二级国土空间功能指标值(标准化值)，S_LUFi表示第i项二级国土空间功能指标实际测算值，S_LUFmax和S_LUFmin分别表示第i项二级国土空间功能指标的最大值和最小值。
步骤六，采用综合加权法定量测算获取各项一级国土空间功能指数值，计算公式如下：
P_LUFj＝wj1·S_LUFj1+wj2·S_LUFj2+…+wjn·S_LUFjn
其中，P_LUFj表示第j项一级国土空间功能指数值，S_LUFjn表示第j项一级国土空间功能所包含第n项二级国土空间功能指标值，wjn表示第j项一级国土空间功能所包含的第n项二级国土空间功能指标权重值。
如图3所示，本实施例提供的国土空间功能时空特征和作用关系识别方法包括以下步骤：
步骤一，采用空间叠置分析方法测度研究时段范围内国土空间功能变化率来表征国土空间功能随时间的变化率，空间叠置分析原理如下：
CLUFj＝(LUFjT2-LUFjT1)/LUFjT1×100％
其中，LUFjT1、LUFjT2分别表示T1和T2时间点第j项一级国土空间功能指数值，CLUFj表示第j项一级国土空间功能在T1～T2期间的变化率。CLUFj越高，表示第j项一级国土空间功能在T1～T2期间的变化幅度越大；反之则越小。
步骤二，根据热点分析判别国土空间功能具有统计意义的空间高值(热点)和低值(冷点)集群，计算每个研究单元的Gi*统计信息：
Figure BDA0003795505000000071
其中，xj为研究单元j的属性值，wij为研究单元i和j之间的空间权重，n等于研究单元总数，并且：
Figure BDA0003795505000000072
Figure BDA0003795505000000073
数据集中每个研究单元返回的Gi*统计是一个z分数，z分数表示在空间上具有高值或低值的聚集特征的位置。对于具有统计意义的正z分数，z分数越大，高值(热点)的聚集越强烈。对于统计上显著的负z分数，z分数越小，低值(冷点)的聚集越强烈。
步骤三，利用相关性分析判别不同类型二级国土空间功能之间的作用关系，相关性分析方法计算公式为：
Figure BDA0003795505000000074
其中，LUF1i、LUF2i分别表示第i个研究单元国土空间功能1和功能2指数值；
Figure BDA0003795505000000075
Figure BDA0003795505000000076
分别表示研究区域国土空间功能1和功能2指数均值；r12表示研究区域国土空间功能1和功能2的相关性系数。r12为正值，表明国土空间功能1和功能2之间呈现正相关关系；r12为负值，表明国土空间功能1和功能2之间呈现负相关关系；r12为零，表明国土空间功能1和功能2之间无相关性；r12的绝对值越高，表明国土空间功能1和功能2的相关性越强。
如图4所示，本实施例提供的基于SOM的国土空间功能分区方法包括以下步骤：
步骤一，读取研究区域不同类型二级国土空间功能指标值；
步骤二，对二级国土空间功能指标值进行归一化处理；
步骤三，初始化神经网络节点的拓扑关系；
步骤四，评估确定SOM迭代次数；
步骤五，计量每个SOM中心点包含的基因数目；
步骤六，获取每个SOM中心点相关的基因；
步骤七，划分聚类模块，完成研究区域国土空间功能分区；
完成研究区域国土空间功能分区后，测算不同分区各项国土空间功能指标均值，根据均值大小确定各分区不同类型国土空间功能强弱，以此反映不同分区国土空间功能短板。
显然，本领域的技术人员应该明白，上述的本发明实施例的基于多源数据的国土空间功能分类评估与分区方法各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。

Claims (9)

1.一种基于多源数据的国土空间功能分类评估与分区方法，其特征在于，包括基于多源数据的国土空间功能分类评估、国土空间功能时空格局探测、国土空间功能作用关系识别和基于SOM的国土空间功能分区；
所述基于多源数据的国土空间功能分类评估，用于采集研究区域的多源数据，构建国土空间功能分类与评估指标体系，定量测算不同类型国土空间功能；
所述国土空间功能时空格局探测，用于利用空间统计方法探测不同类型国土空间功能的时间变化特征和空间异质性；
所述国土空间功能作用关系识别，用于利用相关性分析方法识别不同类型国土空间功能之间的作用关系和作用强度；
所述基于SOM的国土空间功能分区，用于利用自组织映射分类方法划定不同类型国土空间功能分区。
2.根据权利要求1所述的基于多源数据的国土空间功能分类评估与分区方法，其特征在于，所述多源数据包括基础地理信息，以及土地利用、遥感影像、气候、土壤、社会经济数据。
3.根据权利要求1所述的基于多源数据的国土空间功能分类评估与分区方法，其特征在于，所述基于多源数据的国土空间功能分类评估包括：
(1)对获取的多源数据进行预处理，统一坐标系和投影方式，利用数据转换统一数据格式；
(2)基于生产、生活、生态3类国土空间，结合不同类型空间发展目标差异划分国土空间功能类型，包括农业生产、城镇生活和生态维持3项一级国土空间功能，根据国土空间功能内涵特征，细化各项一级国土空间功能，形成二级国土空间功能分类体系；
(3)基于研究区域自然环境、经济社会等特征以及数据可得性，结合各项二级国土空间功能的内涵，构建二级国土空间功能分类评估指标体系；
(4)基于二级国土空间功能分类评估指标体系，利用获取的多源数据，定量测算不同类型二级国土空间功能指标；
(5)利用极差法对各项二级国土空间功能指标进行归一化处理，获取研究区域可比较的功能指标值，计算表达式为：
S_LUFistd＝(S_LUFi-S_LUFmin)/(S_LUFmax-S_LUFmin)
其中，S_LUFistd表示第i项二级国土空间功能指标标准化值，S_LUFi表示第i项二级国土空间功能指标实际测算值，S_LUFmax和S_LUFmin分别表示第i项二级国土空间功能指标的最大值和最小值；
(6)采用综合加权法定量测算获取各项一级国土空间功能指数值，计算公式如下：
P_LUFj＝wj1·S_LUFj1+wj2·S_LUFj2+…+wjn·S_LUFjn
其中，P_LUFj表示第j项一级国土空间功能指数值，S_LUFjn表示第j项一级国土空间功能所包含的第n项二级国土空间功能指标标准化值，wjn表示第j项一级国土空间功能所包含的第n项二级国土空间功能指标权重值。
4.根据权利要求1所述的基于多源数据的国土空间功能分类评估与分区方法，其特征在于，所述国土空间功能时空格局探测，用于利用空间统计方法探测不同类型国土空间功能的时间变化特征和空间分异特征；
所述国土空间功能的时间变化特征采用空间叠置分析方法测度研究时段范围内国土空间功能变化率来予以表征，空间叠置分析原理如下：
CLUFj＝(LUFjT2-LUFjT1)/LUFjT1×100％
其中，LUFjT1、LUFjT2分别表示T1和T2时间点第j项一级国土空间功能指数值，CLUFj表示第j项一级国土空间功能在T1～T2期间的变化率；CLUFj越高，表示第j项一级国土空间功能在T1～T2期间的变化幅度越大；反之则越小；
所述国土空间功能的空间分异特征利用热点分析方法获取，根据热点分析判别国土空间功能的空间高值和低值集群，计算研究区域每个研究单元的Gi*统计信息：
Figure FDA0003795504990000021
其中，Gi*指的是热点分析方法返回的参数，xj为研究单元j的属性值，wij为研究单元i和j之间的空间权重，n等于研究单元总数，并且：
Figure FDA0003795504990000022
Figure FDA0003795504990000023
每个研究单元返回的Gi*统计是一个z分数，z分数表示在空间上具有高值或低值的聚集特征的位置。
5.根据权利要求1所述的基于多源数据的国土空间功能分类评估与分区方法，其特征在于，所述国土空间功能作用关系识别用于利用相关性分析方法识别不同类型二级国土空间功能之间的作用关系和作用强度；
不同类型二级国土空间功能之间的作用关系采用相关性分析判别，相关性分析方法计算公式为：
Figure FDA0003795504990000031
其中，LUF1i、LUF2i分别表示第i个研究单元国土空间功能1和功能2指数值；
Figure FDA0003795504990000032
Figure FDA0003795504990000033
分别表示研究区域国土空间功能1和功能2指数均值；r12表示研究区域国土空间功能1和功能2的相关性系数。r12为正值，表明国土空间功能1和功能2之间呈现正相关关系；r12为负值，表明国土空间功能1和功能2之间呈现负相关关系；r12为零，表明国土空间功能1和功能2之间无相关性；r12的绝对值越高，表明国土空间功能1和功能2的相关性越强。
6.根据权利要求1所述的基于多源数据的国土空间功能分类评估与分区方法，其特征在于，利用SOM分类方法划定不同类型国土空间功能分区过程如下：
步骤一，读取研究区域不同类型二级国土空间功能指标值；
步骤二，对各项二级国土空间功能指标值进行归一化处理；
步骤三，初始化神经网络节点的拓扑关系；
步骤四，评估确定SOM迭代次数；
步骤五，计量每个SOM中心点包含的基因数目；
步骤六，获取每个SOM中心点相关的基因；
步骤七，划分聚类模块，完成研究区域国土空间功能分区。
7.根据权利要求1所述的基于多源数据的国土空间功能分类评估与分区方法，其特征在于，完成研究区域国土空间功能分区后，测算不同分区各项国土空间功能指标均值，根据均值大小确定各分区不同类型国土空间功能强弱，以此反映不同分区国土空间功能短板。。
8.一种计算机设备，其特征在于：该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如权利要求1-7中任一项所述的基于多源数据的国土空间功能分类评估与分区方法。
9.一种计算机可读存储介质，其特征在于：该计算机可读存储介质存储有执行如权利要求1-7中任一项所述的基于多源数据的国土空间功能分类评估与分区方法的计算机程序。
CN202210967913.5A 2022-08-12 基于多源数据的国土空间功能分类评估与分区方法 Active CN115310831B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210967913.5A CN115310831B (zh) 2022-08-12 基于多源数据的国土空间功能分类评估与分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210967913.5A CN115310831B (zh) 2022-08-12 基于多源数据的国土空间功能分类评估与分区方法

Publications (2)

Publication Number Publication Date
CN115310831A true CN115310831A (zh) 2022-11-08
CN115310831B CN115310831B (zh) 2024-10-29

Family

ID=

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062446A (zh) * 2019-12-25 2020-04-24 南京大学 基于多源国土资源数据的土地类型分类方法
CN111340371A (zh) * 2020-02-27 2020-06-26 同济大学 一种面向国土空间规划编制的健康风险评估方法及系统
CN112257921A (zh) * 2020-10-21 2021-01-22 山东财经大学 一种国土空间规划方法
CN112508271A (zh) * 2020-12-04 2021-03-16 张红岩 一种基于gis的国土空间规划优化方法及系统
CN113298144A (zh) * 2021-05-24 2021-08-24 中南大学 一种基于多源数据的城市三生空间识别与格局分析方法
CN113919729A (zh) * 2021-10-22 2022-01-11 周亚州 一种区域三生空间影响与协作水平评估方法及系统
CN114564552A (zh) * 2022-03-03 2022-05-31 杨蕾 一种基于gis的国土空间规划方法
CN114742296A (zh) * 2022-04-11 2022-07-12 北京师范大学 多尺度国土空间分层优化方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062446A (zh) * 2019-12-25 2020-04-24 南京大学 基于多源国土资源数据的土地类型分类方法
CN111340371A (zh) * 2020-02-27 2020-06-26 同济大学 一种面向国土空间规划编制的健康风险评估方法及系统
CN112257921A (zh) * 2020-10-21 2021-01-22 山东财经大学 一种国土空间规划方法
CN112508271A (zh) * 2020-12-04 2021-03-16 张红岩 一种基于gis的国土空间规划优化方法及系统
CN113298144A (zh) * 2021-05-24 2021-08-24 中南大学 一种基于多源数据的城市三生空间识别与格局分析方法
CN113919729A (zh) * 2021-10-22 2022-01-11 周亚州 一种区域三生空间影响与协作水平评估方法及系统
CN114564552A (zh) * 2022-03-03 2022-05-31 杨蕾 一种基于gis的国土空间规划方法
CN114742296A (zh) * 2022-04-11 2022-07-12 北京师范大学 多尺度国土空间分层优化方法及系统

Similar Documents

Publication Publication Date Title
Cai et al. Predicting the energy consumption of residential buildings for regional electricity supply-side and demand-side management
WO2022135265A1 (zh) 气候变化影响下水库调度规则的失效预警分析方法
Beccali et al. Forecasting daily urban electric load profiles using artificial neural networks
CN109685277A (zh) 用电量预测方法及装置
Hu et al. Research and application of a hybrid model based on Meta learning strategy for wind power deterministic and probabilistic forecasting
CN115099511A (zh) 基于优化copula的光伏功率概率估计方法及系统
CN113393028A (zh) 一种基于数据挖掘技术的负荷预测方法
CN106410781A (zh) 一种电力用户需求响应潜力确定方法
CN117272850B (zh) 配电网安全运行调度弹性空间分析方法
Yan et al. Evaluation and Forecasting of Wind Energy Investment Risk along the Belt and Road Based on a NovelHybrid Intelligent Model.
CN117522652B (zh) 人居环境脆弱性评价方法、系统、智能终端及存储介质
Zheng et al. A factor analysis and self-organizing map based evaluation approach for the renewable energy heating potentials at county level: A case study in China
CN114282806A (zh) 一种新型电力系统背景下电网企业的评估方法
Xue et al. A framework for short-term energy consumption prediction based on room air conditioner group characteristics
Hou et al. Wind power forecasting method of large-scale wind turbine clusters based on DBSCAN clustering and an enhanced hunter-prey optimization algorithm
Ding et al. Research of neural network algorithm based on FA and RBF
CN110264010A (zh) 新型乡村电力饱和负荷预测方法
CN115310831A (zh) 基于多源数据的国土空间功能分类评估与分区方法
CN110852628A (zh) 考虑发展模式影响的农村中长期负荷预测方法
CN114372835B (zh) 综合能源服务潜力客户识别方法、系统及计算机设备
Dong et al. Research on academic early warning model based on improved SVM algorithm
CN115310831B (zh) 基于多源数据的国土空间功能分类评估与分区方法
CN111401638B (zh) 基于极限学习机与负荷密度指标法的空间负荷预测方法
Song et al. Design of Improved Algorithm and Model for Multi-constrained Fuzzy Predictive Analysis.
Ray et al. Prediction of atmospheric pressure at ground level using artificial neural network

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