CN116227970A - 自然资源支撑下的乡村发展水平识别方法及系统 - Google Patents
自然资源支撑下的乡村发展水平识别方法及系统 Download PDFInfo
- Publication number
- CN116227970A CN116227970A CN202211615826.XA CN202211615826A CN116227970A CN 116227970 A CN116227970 A CN 116227970A CN 202211615826 A CN202211615826 A CN 202211615826A CN 116227970 A CN116227970 A CN 116227970A
- Authority
- CN
- China
- Prior art keywords
- index
- development
- land
- data
- rural
- 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
- 238000011161 development Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000018109 developmental process Effects 0.000 claims abstract description 116
- 238000013210 evaluation model Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000010276 construction Methods 0.000 claims description 40
- 238000011156 evaluation Methods 0.000 claims description 20
- 230000006872 improvement Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012512 characterization method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000011835 investigation Methods 0.000 abstract description 7
- 239000000463 material Substances 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 39
- 238000007726 management method Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 18
- 238000011160 research Methods 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 17
- 238000004519 manufacturing process Methods 0.000 description 14
- 239000000047 product Substances 0.000 description 9
- 239000002352 surface water Substances 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 235000013339 cereals Nutrition 0.000 description 7
- 229910052500 inorganic mineral Inorganic materials 0.000 description 7
- 239000011707 mineral Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 244000025254 Cannabis sativa Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000003905 agrochemical Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002985 plastic film Substances 0.000 description 2
- 229920006255 plastic film Polymers 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 238000009418 renovation Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 241000219310 Beta vulgaris subsp. vulgaris Species 0.000 description 1
- 241000209202 Bromus secalinus Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 240000005979 Hordeum vulgare Species 0.000 description 1
- 235000007340 Hordeum vulgare Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 240000000111 Saccharum officinarum Species 0.000 description 1
- 235000007201 Saccharum officinarum Nutrition 0.000 description 1
- 244000000231 Sesamum indicum Species 0.000 description 1
- 235000003434 Sesamum indicum Nutrition 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 235000021536 Sugar beet Nutrition 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003911 water pollution 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自然资源支撑下的乡村发展水平识别方法及系统,该方法包括:获取待评估区域的乡村发展数据;将所获取到的待评估区域的乡村发展数据作为乡村发展水平综合评估模型的输入,用以计算包括耕地破碎度综合指数在内的若干指标;使用熵权法计算每个指标的权重,加权计算乡村发展指数;对乡村发展指数进行阈值分割,筛选输出低发展地区。本发明通过预先构建乡村发展水平综合评估模型,通过模型即可以精准高效地识别出乡村发展程度,大大提高了筛选的效率。相比较传统的以统计年鉴数据及人工调查为主的模式,能极大节省人力和物力,创造一定的经济效益。
Description
技术领域
本发明涉及乡村产业数据评估技术,具体涉及一种自然资源支撑下的乡村发展水平识别方法及系统。
背景技术
城乡区域发展不平衡一直是制约地区迈向高质量发展的瓶颈,亟须攻克。如何对乡村区域在发展程度层面进行合理分类,精准高效地识别出乡村发展程度较低的地区进行重点突破,一直是推动城乡协调发展工作中的重要环节,因此,需要提出一种合理高效的乡村发展水平识别模型,对不同发展程度的乡村地区进行分类识别,提升乡村低发展地区的识别、筛选效率。
发明内容
本发明的目的在于克服上述现有技术的不足,提供一种自然资源支撑下的乡村发展水平识别方法及系统,以精准高效地识别出乡村发展程度,提高筛选的效率。
为实现上述目的,本发明的技术方案是:
第一方面,本发明提供一种自然资源支撑下的乡村发展水平识别方法,包括:
一种自然资源支撑下的乡村发展水平识别方法,其特征在于,包括:
获取待评估区域的乡村发展数据;
将所获取到的待评估区域的乡村发展数据作为乡村发展水平综合评估模型的输入,用以计算包括耕地破碎度综合指数在内的若干指标;使用熵权法计算每个指标的权重,加权计算乡村发展指数;对乡村发展指数进行阈值分割,筛选输出低发展地区。
进一步地,所述待评估区域的乡村发展数据根据乡村发展水平综合评估模型来确定。
进一步地,所述待评估区域的乡村发展数据来源为多源数据,包括现有的土地利用数据、社会经济统计数据、遥感数据、土地综合治理数据、环境数据、自然灾害数据和网络地理大数据。
进一步地,所述乡村发展水平综合评估模型以层次分析法为方法基础,从目标层、系统层、要素层、指标层四大层面选取若干个指标进行表征构建。
进一步地,所述目标层为乡村发展水平,所述系统层包括乡村产业、乡村环境、乡村治理。
进一步地,所述乡村产业下包含四个要素层,分别为第一产业、第二产业、第三产业以及产业融合;
所述乡村环境包含两个要素层,分别为生态环境以及人居环境;
所述乡村治理包含三个要素层,分别为农业用地整治、农村建设用地整治、以及生态修复和生态治理;
每个要素层包括若干个负向指标和正向指标。
进一步地,所述所述耕地破碎度综合指数通过如下方式计算得到:
对待评估区域的土地遥感数据进行处理,所述处理包括:
土地类型分类:以区分出耕地地类和其他地类;
数据转换:将重新分类后的土地类别矢量数据根据耕地要素转换为像元大小为N的栅格数据;N为正整数;
指标分析:利用Fragstats软件导入耕地栅格数据,对土地斑块采用类型级别进行度量,选取斑块密度、边缘密度、平均斑块面积、面积加权平均分维数、形状指数和斑块聚集度指数六个指标对耕地斑块进行分析,将结果导出;
采用熵权法计算各指标的权重;
根据各评价指标的权重来得到待评估区域的耕地综合破碎度指数。
进一步地,所述乡村发展水平综合评估模型选取48个指标来进行表征构建。
进一步地,所述采用采用熵权法计算各指标的权重包括:
包括:
①选取数据
选取m个指标,共n个样本,则Xij为第i个样本的第j个指标的数值,i=1,2,3…;j=1,2,3…;
②数据标准化处理
1)对于正向指标
2)对于负向指标
③计算第j项指标下第i个样本占该指标的比重
④计算第j项指标的熵值
⑤计算第j项指标的差异系数
dj=1-ej
⑥计算第j项评价指标权重
⑦计算各样本综合得分
第二方面,本发明提供一种自然资源支撑下的乡村发展水平识别系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
本发明与现有技术相比,其有益效果在于:
本方法通过预先构建乡村发展水平综合评估模型,通过模型即可以精准高效地识别出乡村发展程度,大大提高了筛选的效率。相比较传统的以统计年鉴数据及人工调查为主的模式,能极大节省人力和物力,创造一定的经济效益。
附图说明
图1为本发明实施例1提供的自然资源支撑下的乡村发展水平识别方法流程图;
图2为为本发明实施例1提供的自然资源支撑下的乡村发展水平识别方法的具体技术线路图;
图3为本发明实施例2提供的自然资源支撑下的乡村发展水平识别系统组成示意图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1:
参阅图1所示,本实施例提供的一种自然资源支撑下的乡村发展水平识别方法,主要包括如下步骤:
101、获取待评估区域的乡村发展数据;
具体地,该待评估区域的乡村发展数据根据下述的乡村发展水平综合评估模型来确定;该待评估区域的乡村发展数据来源可以是现有的土地利用数据、社会经济统计数据、遥感数据、土地综合治理数据、环境数据、自然灾害数据和网络地理大数据等多源数据,以多源大数据时空分析与挖掘技术为主,相比较传统的以统计年鉴数据及人工调查为主的模式,能极大节省人力和物力,创造一定的经济效益。
102、将所获取到的待评估区域的乡村发展数据作为乡村发展水平综合评估模型的输入,用以计算包括耕地破碎度综合指数在内的若干指标;使用熵权法计算每个指标的权重,加权计算乡村发展指数;对乡村发展指数进行阈值分割,筛选出低发展地区。
由此可见,本方法通过预先构建乡村发展水平综合评估模型,通过模型即可以精准高效地识别出乡村发展程度,大大提高了筛选的效率。
在一具体实施例中,上述的乡村发展水平综合评估模型以层次分析法为方法基础,从目标层、系统层、要素层、指标层四大层面选取若干个指标参数进行表征构来建。所述目标层为乡村发展水平,所述系统层包括乡村产业兴旺度、乡村环境美丽宜居度、乡村治理有效度,每个系统层包括若干个要素层,每个要素层包括若干个指标,具体如下表所示:
具体地,该乡村产业系统层下包含4个要素层,分别是第一产业、第二产业、第三产业以及产业融合,下置指标除第二产业要素层中的“农产品加工消耗转化率”为负向指标外,其余均为正向指标。
(1)粮食作物单产:粮食作物是人类主要的食物来源,包括小麦、水稻、玉米、高粱、青稞等。粮食作物单产指的是粮食单位面积产量,反映了粮食科技的发展程度。粮食单位面积产量越高,对粮食数量安全的保障程度越高,单位为kg/m2。
(2)经济作物单产:经济作物亦称“工业原料作物”、“技术作物”。一般指为工业,特别是为轻工业提供原料的作物。包括纤维作物(如棉、麻等)、油料作物(如芝麻、花生等)、糖料作物(如甘蔗、甜菜等)和其他经济作物等。经济作物单产指的是经济作物单位面积的产量,反映了经济作物的产出效益。
(3)农业产值占比:主要指种植业与总的农业(包括种植业、林业、渔业、牧业)产值之比;是衡量区域种植业发展的一个重要指标,体现区域种植业发展的地位及水平。
(4)农业地膜覆盖面积占比:农用塑料薄膜能使土壤产生土壤温室效应,地膜覆盖面积占比反映了高效农业发展程度,在一定程度上也体现了农业生产情况。
(5)林产品单产:营林是培育和保护森林的一切生产经营活动。营林产值为用价值形式表现的营林生产单位或部门在一定时期内创造的林产品总量,是反映了营林生产规模和考核营林生产成果的重要经济指标。林产品单产指的是单位面积林业的产值,反映了林业生产的产出效益。
(6)林业产值占比:林业具有生态、经济和社会等多种效益,是生态产品的主要提供者、重要的基础产业和绿色富民产业,在改善生态状况、促进就业增收等方面发挥着越来越重要的作用。林业产值是衡量林业发展的一个重要指标;林业产值占比即林业占区域农业总产值的比例,反映了林业在区域产业发展的地位及水平。
(7)渔业产值占比:渔业生产发展水平是反映渔业现代化建设进程中渔业综合生产能力的重要指标,生产力发展水平越高,渔业现代化程度也越高。渔业产值占比即渔业产值占区域农业总产值的比例,是衡量渔业生产发展水平的其中一个指标,也能反映渔业经营的产出效益,也是反映渔业经营成果的重要指标。
(8)畜牧业产值占比:畜牧业产值占比即畜牧业占区域农业总产值的比例,体现区域内畜牧业的发展地位和水平。
(9)农产品加工消耗转化率:农产品在农业总体产值中加工过程消耗的产值。转化率即消耗资源与原产值占比,及消耗产值与投入总产值之比,值越大说明农产品在加工过程中消耗过高,造成资源浪费。
(10)房地产开发投资均值:即房地产开发投资与研究区总面积之比,反映的是单位面积内区域的建筑业发展情况,评估单位面积内区域的经济效益。
(11)矿产资源丰富度:矿产地是指经地质工作发现的具有工业价值或是有进一步工作价值的地段,其数量的多少代表着区域矿产开发的能力与潜力。本技术基于已探明的矿产资源规模,定量对超大型、大型、中型、小型四个矿产资源的规模给予4、3、2、1四个等级分数,并结合矿产地的数量、空间分布情况对其丰富度进行评价。
(12)区域旅游资源丰富度:区域旅游资源丰富度是指一个区域拥有各类旅游资源的数量和旅游资源的总数与区域面积之比,是反映旅游资源丰富程度的绝对量,是衡量旅游资源的最直接指标。体现了区域旅游资源的丰富程度,表明了该地区旅游潜力。用于衡量当地的旅游发展潜力,数值越大,说明旅游资源越丰富。
(13)乡村旅游接待能力:乡村旅游的接待情况可以衡量一个区域旅游业发展情况,尤其是乡村民宿、酒店方面,是乡村旅游的高级发展模式,乡村民宿、酒店对游客的吸引能力除了民宿自身的建设以外,乡村民宿周围的设施建设及对乡村旅游发展的支撑条件也十分重要。本技术采用单位面积的乡村民宿分布的数量来衡量区域休闲旅游的接待能力。
(14)产业融合度:产业融合是新时代乡村产业振兴发展的重要手段。在融合发展过程中需要增加产业环节,在第一产内与农林牧渔等主要副产业深度融合,并且要将第一第二与第三产业深度融合,引导产业集聚发展,才能真正实现产业兴旺。本技术通过对各个研究区县域统计年鉴第一、第二、第三产业的生产总值的整理、汇总,实现产业融合的分析。
(15)横向融合度:即产业内融合度,其以第一产业内的农业(主要指种植业)、林业、牧业、渔业的增加值之比,母序列选择地区主导产业当年增加值与农业总增加值之比。
(16)农林牧渔服务业产值占比:即农林牧渔服务业产值占总产值的比例,主要体现农业的服务功能和社会化服务水平。
该乡村环境系统层下包含2个要素层,分别是生态环境以及人居环境,下置指标除生态环境要素层中的“耕地破碎度综合指数”、“裸地面积比指数”、“自然灾害频次指数”为负向指标外,其余均为正向指标。
(1)生态用地面积比指数:表示评价区内林地、草地、湿地、农田、沙地、近海等具有生态属性的用地面积占比情况,该指标是描述生态系统宏观构成合理性的重要指标。
(2)耕地破碎度综合指数:指在一定空间、时间界限内耕地破碎化程度的具体量化,可以反映耕地的破碎状况。本技术选取斑块密度(PD)、边缘密度(ED)、平均斑块面积(MPS)、面积加权平均分维数(FRAC_AM)、形状指数(LSI)和斑块聚集度指数(AI)这6个类型的景观格局指数对广东省县域的耕地破碎度进行综合评价。
(3)裸地面积比指数:依据土地利用现状分类(GB/T21010-2007),裸地归类为未利用地,是指表层为土质,基本无植被覆盖的土地。裸地是形成浮尘、空气细颗粒物的主要来源地之一,大面积的土壤裸露地表是水土流失的最典型表现。裸地面积比指数表示评价区内裸地面积占比情况,可以量化土壤的裸露程度,是反映土地生态系统稳定性的敏感指标。
(4)空气质量优良率:指评价区内全年空气质量指数≤100的天数占全年天数的百分比,是一个可以直观地反映区域空气质量受污染程度的重要指标。根据环境空气质量指数(AQI)技术规定(试行)(HJ633-2012),空气质量指数(Air Quality Index,简称AQI)是定量描述空气质量状况的无量纲指数(HJ633-2012),其数值越大表示空气污染程度越严重。空气质量指数由6项污染物(二氧化硫、二氧化氮、一氧化碳、臭氧、可吸入颗粒物(PM10)和细颗粒物(PM2.5))的空气质量分指数确定,其数值范围如0~50、31~100、101~150、131~200、201~300、>300对应的空气质量等级分别为优、良、轻度污染、中度污染、重度污染和严重污染。
(5)水网密度指数:水在生态系统中具有重要作用,是生态系统物质流与能量流的重要载体,也是人类社会生活不可缺少的物资,是生态系统中的决定性因素之一。水网密度是指评价区内河流、湖泊、水库、永久性冰川雪地、近海等面积占比情况。水网密度不仅可以表征水的丰富程度,也可以在一定程度上反映水资源的丰度和稳定性以及水资源对流域内社会经济发展的支撑能力。
(6)地表水水质优良率:地表水质评价等级是指通过对地表水体化学、物理和生物指标的监测和调查,根据不同的目的和要求,使用一定的方法对地表水体污染程度进行的定量描述,可以直观地反映某一区域的水环境受污染程度。《地表水环境质量标准》(GB3838-2002)依据地表水水域环境功能和保护目标,将地表水质量评价等级分为6类,分别是Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类、劣V类。地表水水质优良率表示地表水水质达到或好于Ⅲ类的比例。
(7)植被覆盖度指数:植被是生态系统的最基本组成部分,是生态系统的主要生产者,是生态环境最直观的反映。植被覆盖度指数是研究区内植被在垂直方向上的投影面积占总面积的比例,通常采用评价区域单位面积归一化植被指数(NDVI)来表示。该指数可以对地表植被的覆盖状况进行量化,是表征地表植被及区域生态环境状况的重要指标之一。
(8)自然灾害频率指数:表示单位时间评价区内发生自然灾害的次数,该指标在一定程度上可以反映自然灾害的危害程度。
(9)人均住房面积指数:表示评价区内平均每人拥有的住宅建筑面积,单位为m2/年,是反映居住质量条件的重要指标。
(10)交通通达度指数:交通运输是社会和经济发展的命脉,是促进区域经济发展的先决条件。交通运输方式或运输干线的枢纽度及密集度,在一定程度上反映了区域的运输能力及其与外界交流联系的便利性。交通通达度表征了这种区域交通运输能力及便利性。本技术结合铁路、公路、国道、河流、主枢纽港、一般港口、干线机场和一般机场等道路数据,从交通密度(TD)和交通便捷度(SL)两个方面来定量评价广东省县域的交通通达度(TAI)。
(11)公共服务设施(医疗、教育、养老、体育活动、商业、公共安全设施)可达性:可达性是评价公共服务设施空间布局的关键概念,是指人们从空间中任意一点到达目的地的难易程度,反映人们到达目的地过程所克服的空间阻力大小,在城市道路、公共设施服务水平评价等方面有着众多应用。该指标是评价区域公共服务公平性和均等化水平的决定因素之一。针对不同类型的设施,针对不同类型设施,学者发展了各种与之相适应的度量方法,如比例法、最近距离法、基于机会累积的方法和基于空间相互作用等方法。在选用不同方法的应用领域时,需要考虑研究单元的尺度大小。考虑到本研究区域尺度是以区县为单位,研究区域尺度较大,选择比例法的操作性会更高。根据以往的研究,比例法通过计算服务资源总量(设施数量、服务数量等)与服务人口总量的比值来得到可达性结果,比值越大,可达性越好。但是,考虑到广东各县区的地理环境不同,在同样资源数量的情况下,地广人稀和人口稠密的地区反映出的实际人均拥有资源情况存在较大差异,因此引入地理面积因素,结合人口数量分析公共服务资源配置的情况。本技术综合考虑人口数量与地域面积,对只考虑人口数量的比例法进行修正,科学评估公共服务设施的可达性。
该乡村治理系统层下包含3个要素层,分别是农业用地整治、农村建设用地整治、以及生态修复和生态治理,下置指标除农业用地整治要素层中的“耕地撂荒率”、“耕地资源非农流失面积比指数”、农村建设用地整治要素层中的“闲置土地比例”、“违法占地比例”、生态修复和生态治理要素层中的“地质灾害隐患情况”为负向指标外,其余均为正向指标。
(1)高标准农田增加面积比指数:指在划定的基本农田保护区范围内,已建成集中连片、设施配套、高产稳产、生态良好、抗灾能力强、与现代农业生产和经营方式相适应的高标准基本农田提高面积,占基本农田保护区总面积的比例。对比研究始末研究区域的高标准农田面积比例,可以发现不同区域的高标准农田建设水平,体现不同区域的现有基本农田保护区耕地质量提升情况。
(2)耕地撂荒率:指由于生产经营者主观原因放弃而造成的处于闲置或未充分利用状态的耕地面积与区域内耕地总面积比例。显性撂荒直接表现为农作物的播种面积发生显著变化,而隐性撂荒则主要通过耕地的产出指标的变化来显现。据此,本技术将“农作物播种面积”与“耕地产出量”的变化作为定量描述耕地撂荒程度的主要指标,是衡量耕地是否合理利用的重要指标之一。
(3)耕地资源非农流失面积比指数:耕地非农化是耕地地块在一定时期内发生非农转换的渐变过程。耕地资源非农流失面积比指数是指耕地资源非农流失面积占耕地总面积的比例。广东省耕地流失量主要包括:建设占用耕地、农业结构调整、灾毁耕地、生态退耕4个方面。其中建设占用耕地直接反映了经济快速发展进程中的耕地非农化现象。因此采用建设占用耕地数量反映当年耕地非农流失情况。
(4)设施农业用地面积规范化指数:设施农业用地备案面积与实际设施农业用地(备案和未备案)面积差值越小,设施农业用地管理越规范。设施农业用地面积规范化指数的计算方法为1减去设施农业用地备案面积与实际设施农业用地(备案和未备案)的面积差值与设施农用地实际面积的比值。体现区域内支持现代设施农业健康发展,规范设施农业用地管理的程度。数值越大,规范程度越高。
(5)田间道路通达度:指田间路可直接通达的田块数与生产路(连接田块与田间路)可通达的田块数总和,占待区域田块总数的百分比。田间道路通达度能反映田间道路工程情况,体现农业机械出入田间地头进行农田操作的便利性,是农田耕作便利度的重要指示因素之一,是现代农业发展的重要影响因素之一。
(6)闲置土地比例:闲置土地是指国有建设用地使用权人超过国有建设用地使用权有偿使用合同或者划拨决定书约定、规定的动工开发日期满一年未动工开发的国有建设用地。已动工开发但开发建设用地面积占应动工开发建设用地总面积不足三分之一或者已投资额占总投资额不足百分之二十五,中止开发建设满一年的国有建设用地,也可以认定为闲置土地。本技术通过闲置建设用地面积占比(%),即闲置土地面积(未利用地建设用地面积)占区域建设用地总面积的比例,来了解研究区域建设用地闲置情况,比例越大,该区域盘活闲置建设用地的现状越困难。
(7)农村拆旧复垦比例:本技术通过土地拆旧复垦面积比例(%),即拆旧复垦建设用地面积占区域内总面积的比例指示研究区建设用地拆旧复垦潜力,该指标能够反映土地拆旧复垦的管理水平。
(8)违法占地比例:违法占地是国土资源违法行为中最常见的一种类型,是指行为人未经批准,或者采取欺骗手段骗取批准,违法占用土地进行非农业建设的行为。本技术通过未审批建设用地面积占比(%),即未审批的建设用地面积(利用建设用地与批地等权属数据叠加得出)在区域总面积的比例,以此指示研究区域建设用地未审批情况与土地管理整治水平,比例越大,该区域建设用地违规使用的情况越显著,土地管理整治水平越低。
(9)水环境质量管理指数:通过研究区内水质类别提升的监测站点比例反映研究区内治水剿劣的成效。本技术基于广东省国土资源测绘院数据库的水质监测站点数据,计算研究末期较初期水质类别有提升的(若研究初期与末期同为I类水质,亦统计在内)水质监测站点数量占区域内水质监测站点的比例。
(10)地质灾害隐患情况:本技术通过统计研究区域内每平方公里的地质灾害隐患点数量(个/km2)指示地质灾害治理的强度。
(11)林草管理综合指数:本技术通过《林长制督查考核办法》的考核指标指示本区域对于林草资源管理治理的综合水平。因此,林草管理综合指数通过森林覆盖率、森林蓄积量、草原综合植被盖度、湿地保护率的归一化乘积表示(以市或县为最小单元计算)。
(12)林木生态保护水平:生态公益林建设是国家生态文明建设的主要内容之一,其中重点生态区位公益林建设是当前生态保护工作的关键。重点生态区位商品林赎买方式主要有所有权赎买、经营权赎买、租赁、改造提升等多种赎买方式。本技术通过重点生态区位商品林赎买面积占比指示研究区内林木生态保护工作的完成度,该指标定义为重点生态区位内满足以下三个条件的林地占商品林面积的比例:①林地所有权由集体转为国有,或林地所有权仍是集体但林地使用权由其他类别转为国有林地;②森林(林地)类别由商品林转为公益林;③生态功能等级I、II、Ⅲ级的林地。计算数据来源于林地一张图。
(13)生态保护红线监管水平:根据生态保护红线区域“面积不减少、性质不改变、功能不降低”的原则,从生态系统格局、生态系统质量、人类活动状况三个层面进行生态环境综合得分的评价,指示生态保护红线区域内的监管情况。生态环境综合得分越高,等级越高,监管水平越好;反之,等级越低,监管水平越差。
(14)生物丰度指数:指单位面积上不同生态系统类型在生物物种数量上的差异,间接地反映被评价区域内生物的丰贫程度。生物丰度指数计算模型利用原国家环境保护总局发布的《生态环境状况评价技术规范(试行)HJ/T192-2006》的标准。本技术通过生物丰度指数,即当前生态保护管理下的生物物种数量指示研究区生态环境保护水平。
由此可见,本模型以层次分析法为方法基础,从目标层(乡村发展水平)、系统层(包括乡村产业兴旺度、乡村环境美丽宜居度、乡村治理有效度)、要素层、指标层四大层面选取48个指标参数进行表征构建自然资源支撑下“一核一带一区”乡村发展水平的综合评估模型。评价过程中,首先根据综合评价指标体系,收集并整理相关的数据,计算各县区各指标参数,对指标参数进行标准化处理;然后采用熵权法确定综合评估模型的各项指标权重;最后计算全省各县区的乡村发展水平指数,并设定阈值,根据发展指数水平的高低情况进行分类,筛选乡村低发展地区,整个技术路线如图2所示。
本模型对农用地整治、农村建设用地整治、生态修复与治理这三个方面进行综合评估。农用地整治、农村建设用地整治、生态修复与治理的指标选取主要从资源禀赋、管理或治理水平等方面考虑。农用地整治的评价指标主要来源于耕地保护与恢复、农业设施建设,农村建设用地整治的评价指标主要来源于建设用地的管理与治理;生态修复与治理的评价指标主要来源于水体、森林、自然灾害等方面。
下面以以乡村环境指标层中的耕地破碎度综合指数指标计算为具体实施案例来对本方法进行进一步的说明:
数据来源:广东省第三次全国国土调查“二上”124个县域成果数据库。
对所获取到的数据进行处理:
(1)土地类型数据重分类
将第三次全国国土调查“二上”数据库中广东省所有县域的地类图斑(DLTB_NMK)进行字段计算,输入代码Decode(Mid($Feature.DLBM,0,2),‘01’,‘1’,‘0’),意为将所有土地类型进行重新分类,耕地地类赋值为1,其他地类赋值为0。
(2)矢量数据转栅格数据
将重新分类后的土地类别矢量数据根据耕地要素(“GD”字段)转换为像元大小为10的栅格数据。
(3)耕地破碎度指标计算
利用Fragstats软件,导入耕地栅格数据,对土地斑块采用类型级别(Classmetrics)进行度量,共选取斑块密度(PD)、边缘密度(ED)、平均斑块面积(AREA_MN)、面积加权平均分维数(FRAC_AM)、形状指数(LSI)和斑块聚集度指数(AI)6个指标对耕地斑块进行分析,将结果导出。
(4)采用熵权法计算各评价指标的权重和耕地综合破碎度指数;
由于各指标之间的含义不同,量纲不同,因此,各指标之间不具有可比性。采用熵权法对原始数据进行无量纲化处理,并通过信息熵计算出各评价指标的权重和广东省各县级行政区内耕地综合破碎度指数。
熵权法计算步骤:
①选取数据
选取m个指标,共n个样本,则Xij为第i个样本的第j个指标的数值,i=1,2,3…;j=1,2,3…。
②数据标准化处理
1)对于正向指标
2)对于负向指标
③计算第j项指标下第i个样本占该指标的比重
④计算第j项指标的熵值
⑤计算第j项指标的差异系数
dj=1-ej
⑥计算第j项评价指标权重
⑦计算各样本综合得分
如此,通过上述方法即可以准确高效地耕地综合破碎度指数,根据耕地综合破碎度指数来反映耕地的破碎状况。
此外,上述的熵权法计算步骤方法也是同样适用于上述表格中指标层里的48个指标的权重计算,最终把每一个指标加权计算出乡村发展水平指数。
实施例2:
参阅图3所示,本实施例提供的自然资源支撑下的乡村发展水平识别系统包括处理器31、存储器32以及存储在该存储器32中并可在所述处理器31上运行的计算机程序33,例如自然资源支撑下的乡村发展水平识别程序。该处理器31执行所述计算机程序33时实现上述实施例1步骤,例如图1所示的步骤。
示例性的,所述计算机程序33可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器32中,并由所述处理器31执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序33在所述自然资源支撑下的乡村发展水平识别系统中的执行过程。
所述自然资源支撑下的乡村发展水平识别系统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。所述自然资源支撑下的乡村发展水平识别系统可包括,但不仅限于,处理器31、存储器32。本领域技术人员可以理解,图3仅仅是自然资源支撑下的乡村发展水平识别系统的示例,并不构成自然资源支撑下的乡村发展水平识别系统的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述自然资源支撑下的乡村发展水平识别系统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31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)、现成可编程门阵列(FieldProgrammable 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。
所述存储器32可以是所述自然资源支撑下的乡村发展水平识别系统的内部存储元,例如自然资源支撑下的乡村发展水平识别系统的硬盘或内存。所述存储器32也可以是所述自然资源支撑下的乡村发展水平识别系统的外部存储设备,例如所述自然资源支撑下的乡村发展水平识别系统上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器32还可以既包括所述自然资源支撑下的乡村发展水平识别系统的内部存储单元也包括外部存储设备。所述存储器32用于存储所述计算机程序以及所述自然资源支撑下的乡村发展水平识别系统所需的其他程序和数据。所述存储器32还可以用于暂时地存储已经输出或者将要输出的数据。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (10)
1.一种自然资源支撑下的乡村发展水平识别方法,其特征在于,包括:
获取待评估区域的乡村发展数据;
将所获取到的待评估区域的乡村发展数据作为乡村发展水平综合评估模型的输入,用以计算包括耕地破碎度综合指数在内的若干指标;使用熵权法计算每个指标的权重,加权计算乡村发展指数;对乡村发展指数进行阈值分割,筛选输出低发展地区。
2.如权利要求1所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述待评估区域的乡村发展数据根据乡村发展水平综合评估模型来确定。
3.如权利要求2所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述待评估区域的乡村发展数据来源为多源数据,包括现有的土地利用数据、社会经济统计数据、遥感数据、土地综合治理数据、环境数据、自然灾害数据和网络地理大数据。
4.如权利要求1所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述乡村发展水平综合评估模型以层次分析法为方法基础,从目标层、系统层、要素层、指标层四大层面选取若干个指标进行表征构建。
5.如权利要求2所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述目标层为乡村发展水平,所述系统层包括乡村产业、乡村环境、乡村治理。
6.如权利要求3所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述乡村产业下包含四个要素层,分别为第一产业、第二产业、第三产业以及产业融合;
所述乡村环境包含两个要素层,分别为生态环境以及人居环境;
所述乡村治理包含三个要素层,分别为农业用地整治、农村建设用地整治、以及生态修复和生态治理;
每个要素层包括若干个负向指标和正向指标。
7.如权利要求4所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述所述耕地破碎度综合指数通过如下方式计算得到:
对待评估区域的土地遥感数据进行处理,所述处理包括:
土地类型分类:以区分出耕地地类和其他地类;
数据转换:将重新分类后的土地类别矢量数据根据耕地要素转换为像元大小为N的栅格数据;N为正整数;
指标分析:利用Fragstats软件导入耕地栅格数据,对土地斑块采用类型级别进行度量,选取斑块密度、边缘密度、平均斑块面积、面积加权平均分维数、形状指数和斑块聚集度指数六个指标对耕地斑块进行分析,将结果导出;
采用熵权法计算各指标的权重;
根据各评价指标的权重来得到待评估区域的耕地综合破碎度指数。
8.如权利要求4所述的自然资源支撑下的乡村发展水平识别方法,其特征在于,所述乡村发展水平综合评估模型选取48个指标来进行表征构建。
10.一种自然资源支撑下的乡村发展水平识别系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211615826.XA CN116227970A (zh) | 2022-12-15 | 2022-12-15 | 自然资源支撑下的乡村发展水平识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211615826.XA CN116227970A (zh) | 2022-12-15 | 2022-12-15 | 自然资源支撑下的乡村发展水平识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116227970A true CN116227970A (zh) | 2023-06-06 |
Family
ID=86584914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211615826.XA Pending CN116227970A (zh) | 2022-12-15 | 2022-12-15 | 自然资源支撑下的乡村发展水平识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227970A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117422195A (zh) * | 2023-10-08 | 2024-01-19 | 曙光云计算集团有限公司 | 水质评估方法、装置、计算机设备和存储介质 |
CN117575123A (zh) * | 2024-01-15 | 2024-02-20 | 成都电科星拓科技有限公司 | 播种路径规划方法、装置、电子设备和可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009694A (zh) * | 2016-10-27 | 2018-05-08 | 中国科学院遥感与数字地球研究所 | 空心村整治潜力分级评估系统 |
-
2022
- 2022-12-15 CN CN202211615826.XA patent/CN116227970A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108009694A (zh) * | 2016-10-27 | 2018-05-08 | 中国科学院遥感与数字地球研究所 | 空心村整治潜力分级评估系统 |
Non-Patent Citations (3)
Title |
---|
张叶娇: "《乡村振兴战略下恩施州农村金融生态评价及优化路径研究》", 中国优秀硕士学位论文全文数据库经济与管理科学辑, no. 12, pages 1 - 73 * |
易小燕: "《县域乡村振兴指标体系构建及其评价――以广东德庆县为例》", 中国农业资源与区划, vol. 41, no. 8, pages 187 - 194 * |
赵培: "《豫西土地利用变化及生态环境脆弱性研究》", 31 January 2022, 黄河水利出版社, pages: 53 - 57 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117422195A (zh) * | 2023-10-08 | 2024-01-19 | 曙光云计算集团有限公司 | 水质评估方法、装置、计算机设备和存储介质 |
CN117575123A (zh) * | 2024-01-15 | 2024-02-20 | 成都电科星拓科技有限公司 | 播种路径规划方法、装置、电子设备和可读存储介质 |
CN117575123B (zh) * | 2024-01-15 | 2024-03-29 | 成都电科星拓科技有限公司 | 播种路径规划方法、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bastian et al. | Environmental amenities and agricultural land values: a hedonic model using geographic information systems data | |
Van Leeuwen et al. | Modeling of soil functions for assessing soil quality: Soil biodiversity and habitat provisioning | |
Kline et al. | Does land use planning slow the conversion of forest and farmlands? | |
CN116227970A (zh) | 自然资源支撑下的乡村发展水平识别方法及系统 | |
Kaminski et al. | Using landscape metrics to characterize towns along an urban-rural gradient | |
Miłek | Spatial differentiation in the social and economic development level in Poland | |
Karmaoui | Drought and desertification in Moroccan Pre-Sahara, Draa valleys: exploring from the perspective of young people | |
Masoudi et al. | GIS-based multi-criteria and multi-objective evaluation for sustainable land-use planning (case study: Qaleh Ganj County, Iran)“landuse planning using mce and mola” | |
Herlihy et al. | Striving for consistency in the National Wetland Condition Assessment: developing a reference condition approach for assessing wetlands at a continental scale | |
Zielinski et al. | Developing and testing a landscape-scale habitat suitability model for fisher (Martes pennanti) in forests of interior northern California | |
Mazzocchi et al. | Agricultural land consumption in periurban areas: a methodological approach for risk assessment using artificial neural networks and spatial correlation in Northern Italy | |
Abdar et al. | A composite index for assessment of agricultural sustainability: The case of Iran | |
Schipper et al. | Using datasets of different taxonomic detail to assess the influence of floodplain characteristics on terrestrial arthropod assemblages | |
Herlihy et al. | The response of wetland quality indicators to human disturbance indicators across the United States | |
Jin et al. | Mapping Chinese land system types from the perspectives of land use and management, biodiversity conservation and cultural landscape | |
Mancini et al. | Association between Residential Proximity to Viticultural Areas and Childhood Acute Leukemia Risk in Mainland France: GEOCAP Case-Control Study, 2006–2013 | |
Shahfahad et al. | Predicting long term regional drought pattern in Northeast India using advanced statistical technique and wavelet-machine learning approach | |
Deng et al. | Spatiotemporal variations and determinants of stream nitrogen and phosphorus concentrations from a watershed in the Three Gorges Reservoir Area, China | |
White et al. | Anthropogenic induced beta diversity in plant–pollinator networks: dissimilarity, turnover, and predictive power | |
Azadi et al. | Digital mapping of soil fertility for some agricultural lands by using fuzzy-AHP (FAHP) techniques and GIS in highly calcareous soil, Southwest Iran | |
Manos et al. | IA tools applied to impact assessment of EU policies in agriculture and environment | |
Lin et al. | Identifying the spatial mixture distribution of bird diversity across urban and suburban areas in the metropolis: A case study in Taipei Basin of Taiwan | |
Haile et al. | A spatial analysis of land use and cover change and agricultural performance: Evidence from northern Ghana | |
Thapa | Spatial process of urbanization in Kathmandu valley, Nepal | |
Li | Land suitability analysis of urban agriculture for different investment scenarios: Evidence from fuzhou of China |
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 |