CN116258957A - 一种生态空间最小规模值的获取方法及相关设备 - Google Patents
一种生态空间最小规模值的获取方法及相关设备 Download PDFInfo
- Publication number
- CN116258957A CN116258957A CN202211598829.7A CN202211598829A CN116258957A CN 116258957 A CN116258957 A CN 116258957A CN 202211598829 A CN202211598829 A CN 202211598829A CN 116258957 A CN116258957 A CN 116258957A
- Authority
- CN
- China
- Prior art keywords
- ecological
- network
- target
- space
- target extraction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 114
- 238000010276 construction Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 230000000087 stabilizing effect Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- CSJDCSCTVDEHRN-UHFFFAOYSA-N methane;molecular oxygen Chemical compound C.O=O CSJDCSCTVDEHRN-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生态空间最小规模值的获取方法及相关设备，所述方法包括：获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络；分别计算各所述生态网络对应的网络稳定性指标值；根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。本发明有利于提高获取生态空间最小规模值的准确性。
Description
技术领域
本发明涉及地理信息领域，尤其涉及的是一种生态空间最小规模值获取方法、系统、智能终端及计算机可读存储介质。
背景技术
随着人口密度的增加和社会经济的发展，城市对生态空间的建设成本引起了社会的关注，因而平衡城市规模扩展和自然生态可持续性发展，获取生态空间最小规模值成为了当今社会重点关注的课题。现有技术中，通常建立数学模型与历史数据之间的关系，从而分析长时序生态用地演变规律，根据变化趋势对生态用地建设成本进行预测。现有技术的问题在于，仅建立历史数据与时间的关系，缺乏考虑生态系统因素和社会系统因素对生态空间的综合影响，不利于提高获取生态空间最小规模值的准确性。
因此，现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种生态空间最小规模值获取方法、系统及相关设备，旨在解决现有技术中针对获取生态空间最小规模值仅建立历史数据与时间的关系，缺乏考虑生态系统因素和社会系统因素对生态空间的综合影响，不利于提高获取生态空间最小规模值的准确性的问题。
为了实现所述目的，本发明第一方面提供一种生态空间最小规模值的获取方法，其中，所述生态空间最小规模值的获取方法包括：
获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；
根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；
根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；
分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；
根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
可选的，各所述目标提取阈值中最小值为所述植被覆盖度范围的最小值，各所述目标提取阈值中最大值为所述植被覆盖度范围的最大值。
可选的，所述根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，包括：
根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合；
根据预设的第一算法筛选出各所述生态源地节点之间的最短路径，获得所述连接廊道集合；
根据各所述生态源地节点之间的最短路径的值，获得所述权重集合。
可选的，所述根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合，包括：
将所述目标生态空间的生态源地进行栅格单元的划分，其中，各所述栅格单元包括所述栅格单元对应的生态源地的植被覆盖度；
对于各所述目标提取阈值，当所述栅格单元对应的生态源地的植被覆盖度大于等于所述目标提取阈值时，则将所述栅格单元对应的生态源地作为生态源地节点进行提取，其中，所述生态源地节点的边界相连接时则作为一个生态源地节点被提取；
根据提取到的所述生态源地节点，获得所述生态源地节点集合。
可选的，所述分别计算各所述生态网络对应的网络稳定性指标值，包括：
根据所述生态网络计算获得所述网络效率，所述网络效率是所述生态网络中所有生态源地节点对之间连通效率的平均值，用以表征生态系统视角下生态网络维持自身结构稳定性的水平；
根据所述生态网络，基于预设的第二算法进行骨架提取，获得骨架网络；
根据所述骨架网络计算获得所述骨架网络边权值，所述骨架网络边权值指骨架网络中全部连接廊道权重的总和。
可选的，所述根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值范围，根据所述目标提取阈值范围获取所述目标生态空间的生态空间最小规模值，包括：
根据计算的所述网络效率和骨架网络边权值，分别生成网络效率曲线和骨架网络边权值曲线，所述网络效率曲线是所述网络效率随所述目标提取阈值变化的曲线，所述骨架网络边权值曲线是所述骨架网络边权值随所述目标提取阈值变化的曲线；
将所述网络效率曲线和所述骨架网络边权值曲线的交点所对应的目标提取阈值作为所述目标生态空间的生态空间最小规模值。
本发明第二方面提供一种生态空间最小规模值的获取系统，所述生态空间最小规模值的获取系统包括：
获取图像数据模块，用于获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；
目标提取阈值模块，用于根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；
生态网络构建模块，用于根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；
计算网络稳定性指标模块，用于分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；
筛选生态空间最小规模值模块，用于根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
可选的，所述生态网络构建模块包括生态源地节点获取单元、连接廊道获取单元和权重获取单元；
所述生态源地节点获取单元，用于根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合；
所述连接廊道获取单元，用于根据预设的第一算法筛选出各所述生态源地节点之间的最短路径，获得所述连接廊道集合；
所述权重获取单元，用于根据各所述生态源地节点之间的最短路径的值，获得所述权重集合。
本发明第三方面提供一种智能终端，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的生态空间最小规模值获取程序，所述生态空间最小规模值获取程序被所述处理器执行时实现所述任意一种生态空间最小规模值获取方法的步骤。
由上可见，本发明中，获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
与现有技术中相比，本发明提供一种生态空间最小规模值的获取方法，基于构建复杂的生态网络，计算所述生态网络对应的两种网络稳定性指标，确定使得多个所述网络稳定性指标值稳定的目标提取阈值，综合生态系统视角和社会系统干扰视角进行计算，有利于提高获得生态空间最小规模值的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种生态空间最小规模值获取方法的流程示意图；
图2是本发明实施例提供的一种植被覆盖度分布图像；
图3是本发明实施例图1中步骤S300的具体流程示意图；
图4是本发明实施例图1中步骤S301的具体流程示意图；
图5是本发明实施例图1中步骤S400的具体流程示意图；
图6是本发明实施例提供的网络效率曲线图；
图7是本发明实施例提供的骨架网络边权值曲线图；
图8是本发明实施例提供的生态空间最小规模值获取系统的结构示意图；
图9是本发明实施例图8中生态网络构建模块630的具体结构示意图；
图10是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于分类到”。类似的，短语“如果确定”或“如果分类到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦分类到[所描述的条件或事件]”或“响应于分类到[所描述条件或事件]”。
下面结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
随着人口密度的增加和社会经济的发展，城市对生态空间的建设成本引起了社会的关注，因而平衡城市规模扩展和自然生态可持续性发展，获取生态空间最小规模值成为了当今社会重点关注的课题。现有技术中，通常建立数学模型与历史数据之间的关系，从而分析长时序生态用地演变规律，根据变化趋势对生态用地建设成本进行预测。
在一种应用场景中，可以通过生态足迹法，以生物生产性土地面积为基准折算自然资源耗损，通过与实际土地面积进行比较，推测当前区域系统中生态承载能力边界及人类活动的可持续性。
另一种应用场景中，可以通过碳氧平衡法，通过研究氧气与二氧化碳的收支关系，综合考虑城市在释氧耗氧、固碳排碳两个维度上的数量平衡关系，计算生态用地定额。
另一种应用场景中，可以通过景观格局法，通过分析生态用地空间格局、景观类型等对生态功能的影响，分析起关键作用的生态用地分布，以此估算生态用地需求。
另一种常应用场景中，可以通过建设反算法，通过识别适宜建设的城市用地空间预测建设用地需求量，反向推算一定区域内的生态供给空间。
现有技术的问题在于，通常建立数学模型与历史数据之间的关系，从而分析长时序生态用地演变规律，根据变化趋势对生态用地建设成本进行预测。现有技术的问题在于，仅建立历史数据与时间的关系，缺乏考虑生态系统因素和社会系统因素对生态空间的综合影响，不利于提高获取生态空间最小规模值的准确性。
为了解决所述多个问题中的至少一个问题，本发明中，获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
与现有技术中相比，本发明提供一种预测生态空间最小规模方法，基于构建复杂的生态网络，计算所述生态网络对应的两种网络稳定性指标，确定使得多个所述网络稳定性指标值稳定的目标提取阈值，综合生态系统视角和社会系统干扰视角进行计算，有利于提高获得生态空间最小规模值的准确性。
进一步的，本发明还根据计算获取的所述生态空间最小规模值所构建出的生态空间，同时兼具较小的特征路径长度和较大的聚类系数，满足最小世界特性要求，符合景观生态学所提出的“集中与分散”最优布局理论。
示例性方法
如图1所示，本发明实施例提供一种生态空间最小规模值获取方法，具体的，所述方法包括如下步骤：
步骤S100，获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围。
所述目标生态空间是需要计算生态空间最小规模值的生态空间，其中，所述生态空间具有自然属性，指的是以提供生态服务或生态产品为主体功能的土地空间，包括森林、草原、湿地等等。
所述植被覆盖度分布图像指的是提取到的所述目标生态空间中当前目标生态空间中植被覆盖度的分布图像。
所述植被覆盖度是用来获得植被覆盖度分布图的重要指标，植被覆盖度越大，表示该生态源地斑块越重要，越应该将该生态源地斑块划入到生态空间最小规模所保护的范围内，所述植被覆盖度指的是植被在地面的垂直投影面积占区域总面积的百分比。
本实施例中采用基于Landsat 8影像的遥感技术对所述目标生态空间进行航拍，获取到目标生态空间的植被覆盖度分布图像，如图2所示，以深圳市为例，深圳市各个区域的植被覆盖情况不相同，植被覆盖从高到低在图2中表现为颜色从深到浅，颜色最深的黑色区域为植被覆盖最多的区域，该区域中植被覆盖度达到最高，该区域全部被植所覆盖，即植被覆盖度最高的区域，颜色最浅的白色区域为植被覆盖最少的区域，该区域没有植被所覆盖，即植被覆盖度最低的区域，颜色为灰色的区域，其区域的植被覆盖情况介于黑色区域与白色区域之间。基于所述目标生态空间的植被覆盖度分布图像，通过植被覆盖度估算公式，如公式(1)所示，计算获得植被覆盖度，所述植被覆盖度的范围为该目标生态空间中计算得出有效植被覆盖度的区域。
式中，fc为植被覆盖度，NDVI为归一化植被指数，NDVIsoil和NDVIveg分别为无植被地区的NDVI值和植被良好地区的NDVI值。
步骤S200，根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值。
本实施例中，所述预设间隔值可以设定为1，也可以设定为任意整数或小数，例如，预设间隔还可以设置为10、0.5等，在此不做具体限定。一种应用场景中，所述预设间隔值设定为1，意味着在植被覆盖度范围内，以1为间隔将植被覆盖度范围内的所有值划分为等间距的多个目标提取阈值，划分为多少个目标提取阈值就是将所述目标生态空间划分为了多少个情景。
例如，基于目标生态空间的所述植被覆盖度分布图像，通过计算获得植被覆盖度的范围为[1，100]，将预设间隔值设定为1，获得多个目标提取阈值m，所述目标提取阈值的集合为{m|m＝1，m＝2，m＝3，…，m＝100}。可以看作根据植被覆盖度的范围和预设间隔，对所述目标生态空间提取出了100种情景。
步骤S300，根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重。
所述生态网络指的是基于景观生态学原理，以保护生物的多样性及景观的完整性为目的，在开敞空间内利用各种线性廊道将景观中的资源斑块进行有机的连接，以维持和保护其生态、社会、经济、文化、审美等多种功能的网络体系。本实施例中，所述生态网络中包括三个集合分别是生态源地节点集合、连接廊道集合和权重集合，构建所述生态网络需要分别提取生态源地节点、连接廊道，并获得所述提取到的连接廊道的权重。
所述生态源地节点指的是指维持源地之间生态要素交换和联系的关键节点，提取生态源地节点就是提取主要生态源地斑块的中心点作为生态源地节点，其中所述斑块是指景观格局的基本组成单元，是指不同于周围背景的、相对均质的非线性区域。如森林、湖泊、草地等。本实施例中，根据所述目标提取阈值确定植被覆盖度的分值，对所述目标空间的生态源地进行提取，将符合提取条件的生态源地节点作为一个生态源地节点集合。
所述连接廊道是指线性的生态廊道，它将生态源地节点连接起来形成完整的系统。本实施例中，提取到的生态源地节点之间有多条廊道(即路径)连接，则筛选出最短路径作为连接廊道加入到连接廊道集合中。
所述权重是指某一指标的权重是指该指标在整体评价中的相对重要程度，则连接廊道的权值就是指用于连接廊道建设的累计阻力值，在本申请中连接廊道的权重数值为筛选出的最短路径值。
具体的，如图3所示，所述步骤S300包括：
步骤S301，根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合。
具体的，如图4所示，所述步骤S301包括：
步骤S3011，将所述目标生态空间的生态源地进行栅格单元的划分，其中，各所述栅格单元包括所述栅格单元对应的生态源地的植被覆盖度；
步骤S3012，对于各所述目标提取阈值，当所述栅格单元对应的生态源地的植被覆盖度大于等于所述目标提取阈值时，则将所述栅格单元对应的生态源地作为生态源地节点进行提取，其中，所述生态源地节点的边界相连接时则作为一个生态源地节点被提取；
步骤S3013，根据提取到的所述生态源地节点，获得所述生态源地节点集合。
本实施例中，将所述目标生态空间的生态源地进行栅格单元划分成有规律的网格，每个栅格单元对应一个网格，各所述栅格单元中包括所述栅格单元对应的生态源地的植被覆盖度。例如，将目标生态空间的生态源地按照栅格单元划分为10×10个网格，获得100个网格，每个网格中对应该网格范围内生态源地的植被覆盖度。
对于一个目标提取阈值，根据所述的目标提取阈值和植被覆盖度，从所述目标生态空间的生态源地被划分的栅格单元中，提取出符合条件的植被覆盖度所对应的生态源地节点，提取生态源地节点的条件是当栅格单元中的植被覆盖度大于等于该目标提取阈值时，则将该生态源地作为生态源地节点进行提取，若提取到多个生态源地节点，所述生态源地节点的边界相连接时则作为一个生态源地节点被提取。
例如，根据提取到所述多个目标提取阈值，所述目标提取阈值的集合为{m|m＝1，m＝2，m＝3，…，m＝100}，通过栅格单元将所述目标生态空间的植被覆盖度分布图像划分成有规则的网格，每个网格代表该目标生态空间中生态源地的植被覆盖度，当目标提取阈值m为1时，则提取植被覆盖度大于等于1且小于等于100的生态源地作为生态源地节点，因此提取了目标生态空间的所有生态源地作为生态源地节点，提取到的各个生态源地节点的边界都相连接，则作为一个生态源地节点被提取，因此当目标提取阈值m＝1时，只提取到一个生态源地节点，该生态源地节点的面积为目标生态空间的总面积。当目标提取阈值m＝50时，则提取植被覆盖度大于等于50且小于等于100的生态源地作为生态源地节点，如果提取到的所述生态源地节点的边界相连接时则作为一个生态源地节点被提取。当目标提取阈值m＝100时，则提取植被覆盖度等于100的生态源地作为生态源地节点，如果提取到的多个所述生态源地节点的边界相连接时则作为一个生态源地节点被提取。
S302，根据预设的第一算法筛选出各所述生态源地节点之间的最短路径，获得所述连接廊道集合。
本实施例中，在所述目标生态空间的生态源地节点之间可能存在多条路径，每条路径上的权重各不相同，所述权重用于表示路径的建设成本，权重越大，该路径作为廊道的建设成本就越大，所述预设的第一算法采用floyd算法，根据floyd算法筛选出各所述生态源地节点之间最短的路径。
floyd算法通过对表示带权图(有向图或者无向图)的邻接矩阵作迭代计算，解决带权图中任意一对节点间的最短路径问题。最核心的思想是将最初的权重矩阵转变为最短距离矩阵，在邻接矩阵上做n次迭代，第n次迭代后，邻接矩阵i行j列上元素值即为i到j的最短路径值，如公式(2)所示，递推公式表述为：
d[i][j]表示从i到j的最短距离，k表示中间点，d[i][k]表示从i到k的最短距离，d[k][j]表示从k到j的最短距离。
本实施例中，将所述目标生态空间的生态源地节点之间所有路径的建设成本，作为一个成本矩阵，在所述成本矩阵上根据floyd算法进行迭代计算，在每两个生态源地节点中筛选出一条最短路径，从而获得多个生态源地节点之间相互连接的多条最短路径，将所述多条最短路径看作多个生态源地节点之间的连边，从而获得了连接廊道集合。
步骤S303，根据各所述生态源地节点之间的最短路径的值，获得所述权重集合。
所述权重是指某一指标的权重是指该指标在整体评价中的相对重要程度，本实施例中，连接廊道的权重值是指用于建设连接廊道的累计阻力值，因此权重值越大，则建设连接廊道的累计阻力越大，说明该连接廊道的建设成本越大。在本实施例中，建设连接廊道的累计阻力值是用最短路径来表达的，也就是说，所述权重值等于所述生态源地节点之间的最短路径的值，最短路径值越小则建设连接廊道的累计阻力就越小，连接廊道的权重值也越小，因此该连接廊道的建设成本就越小，反之则连接廊道的建设成本就越大。
步骤S400，分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值。
所述网络稳定性指标适用于描述所构建的所述生态网络是否稳定的指标。
所述网络效率是指生态网络中所有节点对之间连通效率的平均值，用以表征生态系统视角下生态网络维持自身结构稳定性的水平。
所述骨架网络边权值是指骨架网络中全部连接廊道权重的总和，用以表征社会系统干扰视角下生态网络维持自身结构稳定性的水平，其中，所述骨架网络是生态网络的一种特殊结构，由贯穿全部源地斑块、包含最短路径信息的边集合组成，它能够以最小冗余保留原始网络的全局信息，是代表能够维持生态网络连通的最基本结构。
具体的，如图5所示，所述步骤S400包括：
步骤S401，根据所述生态网络计算获得所述网络效率，所述网络效率是所述生态网络中所有生态源地节点对之间连通效率的平均值，用以表征生态系统视角下生态网络维持自身结构稳定性的水平。
在本实施例中网络效率越高，则该生态网络的稳定性越好，如公式(3)所示，计算网络效率的公式如下：
其中，n为网络中所有节点总数，i和j是指生态网络中任意两个不相同的生态源地节点，dij是节点对i和j之间的最短距离。
步骤S402，根据所述生态网络，基于预设的第二算法进行骨架提取，获得骨架网络。
所述预设的第二算法采用Prim算法，在生态网络中提取出最关键的骨架网络，本实施例中，以所述生态网络的生态源地节点作为目标节点，即为骨架网络的节点，在所述生态网络中挑选与所述目标节点相连接最短的连接廊道，将所述连接廊道作为骨架网络的边，将所述骨架网络的节点和骨架网络的边所构成的最小生成树作为提取到的所述骨架网络。
步骤S403，根据所述骨架网络计算获得所述骨架网络边权值，所述骨架网络边权值指骨架网络中全部连接廊道权重的总和。
在一种应用场景中，将提取到的所述骨架网络的边所对应的权值做加和运算，获得所述骨架网络边权值。
另一种应用场景中，骨架网络边权值还可以是提取到的所述最短的连接廊道上建筑高度的加和，获得所述骨架网络边权值。
步骤S500，根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
所述生态空间最小规模值指的是在某个时空基准内，综合考量城市的社会经济系统和自然生态系统的相互作用关系，测算出来的能够满足城市对生态系统的最低建设成本、维持城市社会经济可持续发展的底线规模值。
本实施例中，所述令网络稳定性指标值稳定的目标提取阈值指的是在该目标提取阈值之后，所述网络稳定性指标全都趋于平稳，意味着生态网络趋于稳定，因此所述目标提取阈值为使得生态网络趋于稳定的最小值，则所述目标提取阈值就是所述目标生态空间的生态空间最小规模值。
具体的，所述步骤S500包括：
根据计算的所述网络效率和骨架网络边权值，生成网络效率曲线和骨架网络边权值曲线，所述网络效率曲线是所述网络效率随所述目标提取阈值变化的曲线，所述骨架网络边权值曲线是所述骨架网络边权值随所述目标提取阈值变化的曲线；
将所述网络效率曲线和所述骨架网络边权值曲线的交点所对应的目标提取阈值作为所述目标生态空间的生态空间最小规模值。
本实施例中，根据计算的所述网络效率和骨架网络边权值，分别生成网络效率曲线和骨架网络边权值曲线。如图6所示，所述网络效率曲线随着目标提取阈值的增大而减小，当到达某一目标提取阈值时网络效率值趋于稳定。如图7所示，所述骨架网络边权值曲线随着目标提取阈值的增大而增大，当到达某一目标提取阈值时骨架网络边权值趋于稳定。获得网络效率曲线与骨架网络边权值曲线的交点，在达到该交点后所述网络效率曲线和所述骨架网络边权值曲线都趋于稳定，将该交点所对应的目标提取阈值作为所述目标生态空间的生态空间最小规模值。
本实施例中，还对获取到的所述生态空间的最小规模值进行评价，通过小世界特性描述获取到的生态空间的最小规模值是否符合最优布局理论。
所述小世界网络是指介于规则网络和随机网络之间的网络形态，所述小世界特性是指从生态学视角出发生态网络的小世界特征可以描述为：局部具有集聚的大型斑块，相距较远的斑块间具有一定数量的廊道进行连接，符合景观生态学所提出的“集中与分散”最优布局理论。当所构建的生态网络同时兼具较小的特征路径长度(APL)和较大的聚类系数(CC)时，表明该网络具备小世界特性，如公式(4)和公式(5)所示，公式表示为：
APL≥APLrandom～LnN/LnK＝LnN/Ln(2M/N)； (4)
CC＞＞CCrandom＝K/(N-1)； (5)
其中，APLrandom和CCrandom分别为与研究网络具有相同规模节点和边的随机网络的平均路径长度和聚类系数，K为随机网络的平均度，N为随机网络节点数，M为随机网络边数。
所述特征路径长度是指在网络中，任选两个节点，连通这两个节点的最少边数，定义为这两个节点的路径长度，网络中所有节点对的路径长度的平均值，定义为网络的特征路径长度，特征路径长度为网络的全局特征。
所述聚合系数是用于衡量一个节点的邻居相互之间的连接程度的系数。
在本实施例中，以A市作为目标生态空间说明本发明，通过无人机技术采集深圳市植被覆盖的总面积，经植被覆盖度计算公式，获得深圳市植被覆盖度的分布范围为1-100，将植被覆盖度的分值从小到大排序，按照预设间隔为1，把植被覆盖度1-100的分布范围划分为100个目标提取阈值m，即m＝1···m＝100，当所述目标提取阈值m大于等于所述生态源地斑块的植被覆盖度分值时，则将所述植被覆盖度所对应的生态源地斑块提取出来构建生态网络，例如，当目标提取阈值m＝50时，则通过栅格单元提取植被覆盖度≥50的生态源地斑块以构建生态网络，因此，本实施例中构建了100个生态网络以模拟不同保护对象的多种情景。分别计算100个生态网络下的网络稳定性指标，网络稳定性指标包括网络效率和骨架网络边权值，分别生成网络稳定性指标随目标提取阈值m变化的两条曲线，两条曲线的交点m＝39即为生态空间最小规模值，当两条曲线达到生态空间最小规模值之后趋于稳定，意味着在该生态空间最小规模值之下的生态网络系统稳定，由此可知在目标提取阈值m＝39时所构建的生态网络具有相对较好的网络稳定性指标，能够保护足够规模的生态源地斑块，而且生态源地斑块之间的空间连接阻力值较低，生态网络本身具有较好的连通效率和结构稳定性。
由上可见，本发明中，获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
与现有技术中相比，本发明提供一种生态空间最小规模值的获取方法，基于构建复杂的生态网络，计算所述生态网络对应的两种网络稳定性指标，确定使得多个所述网络稳定性指标值稳定的目标提取阈值，综合生态系统视角和社会系统干扰视角进行计算，有利于提高获得生态空间最小规模值的准确性。
进一步的，本发明还根据计算获取的所述生态空间最小规模值所构建出的生态空间，同时兼具较小的特征路径长度和较大的聚类系数，满足最小世界特性要求，符合景观生态学所提出的“集中与分散”最优布局理论。
示例性设备
本发明实施例还提供一种生态空间最小规模值的获取系统，如图8所示，所述生态空间最小规模值的获取系统包括：
获取图像数据模块610，获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围。
目标提取阈值模块620，用于根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值。
生态网络构建模块630，用于根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重。
计算网络稳定性指标模块640，用于分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值。
筛选生态空间最小规模值模块650，用于根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
所述生态网络构建模块630包括生态源地节点获取单元631、连接廊道获取单元632和权重获取单元633，具体的，如图9所示。
所述生态源地节点获取单元631，用于根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合；
所述连接廊道获取单元632，用于根据预设的第一算法筛选出各所述生态源地节点之间的最短路径，获得所述连接廊道集合；
所述权重获取单元633，用于根据各所述生态源地节点之间的最短路径的值，获得所述权重集合。
需要说明的是，所述生态空间最小规模值获取系统的各个模块的划分方式并不唯一，在此也不作为具体限定。
基于所述实施例，本发明还提供了一种智能终端，其原理框图可以如图10所示。所述智能终端包括处理器及存储器。该智能终端的存储器包括生态空间最小规模值获取程序，存储器为生态空间最小规模值获取程序的运行提供环境。该生态空间最小规模值获取程序被处理器执行时实现所述任意一种生态空间最小规模值获取方法的步骤。需要说明的是，所述智能终端还可以包括其它功能模块或单元，在此不作具体限定。
本领域技术人员可以理解，图10中示出的原理框图，仅仅是与本发明相关的部分结构的框图，并不构成对本发明所应用于其上的智能终端的限定，具体地智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有生态空间最小规模值获取程序，所述生态空间最小规模值获取程序被处理器执行时实现本发明实施例提供的任意一种生态空间最小规模值获取方法的步骤。
应理解，所述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以所述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将所述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。所述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在所述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的系统/智能终端和方法，可以通过其它的方式实现。例如，以上所描述的系统/智能终端实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
所述集成的模块/单元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存储介质中。基于这样的理解，本发明实现所述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述计算机程序可存储于一种计算机可读存储介质中，该计算机程序在被处理器执行时，可实现所述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种生态空间最小规模值的获取方法，其特征在于，所述生态空间最小规模值的获取方法包括：
获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；
根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；
根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；
分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；
根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
2.根据权利要求1所述的预测生态空间最小规模方法，其特征在于，各所述目标提取阈值中最小值为所述植被覆盖度范围的最小值，各所述目标提取阈值中最大值为所述植被覆盖度范围的最大值。
3.根据权利要求1所述的生态空间最小规模值获取方法，其特征在于，所述根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，包括：
根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合；
根据预设的第一算法筛选出各所述生态源地节点之间的最短路径，获得所述连接廊道集合；
根据各所述生态源地节点之间的最短路径的值，获得所述权重集合。
4.根据权利要求3所述的生态空间最小规模值获取方法，其特征在于，所述根据所述植被覆盖度提取多个生态源地节点，获得所述生态源地节点集合，包括：
将所述目标生态空间的生态源地进行栅格单元的划分，其中，各所述栅格单元包括所述栅格单元对应的生态源地的植被覆盖度；
对于各所述目标提取阈值，当所述栅格单元对应的生态源地的植被覆盖度大于等于所述目标提取阈值时，则将所述栅格单元对应的生态源地作为生态源地节点进行提取，其中，所述生态源地节点的边界相连接时则作为一个生态源地节点被提取；
根据提取到的所述生态源地节点，获得所述生态源地节点集合。
5.根据权利要求1所述的生态空间最小规模值获取方法，其特征在于，所述分别计算各所述生态网络对应的网络稳定性指标值，包括：
根据所述生态网络计算获得所述网络效率，所述网络效率是所述生态网络中所有生态源地节点对之间连通效率的平均值，用以表征生态系统视角下生态网络维持自身结构稳定性的水平；
根据所述生态网络，基于预设的第二算法进行骨架提取，获得骨架网络；
根据所述骨架网络计算获得所述骨架网络边权值，所述骨架网络边权值指骨架网络中全部连接廊道权重的总和。
6.根据权利要求1所述的生态空间最小规模值获取方法，其特征在于，所述根据所有所述生态网络对应的网络稳定性指标值确定使多个所述网络稳定性指标值稳定的目标提取阈值范围，根据所述目标提取阈值范围获取所述目标生态空间的生态空间最小规模值，包括：
根据计算的所述网络效率和骨架网络边权值，分别生成网络效率曲线和骨架网络边权值曲线，所述网络效率曲线是所述网络效率随所述目标提取阈值变化的曲线，所述骨架网络边权值曲线是所述骨架网络边权值随所述目标提取阈值变化的曲线；
将所述网络效率曲线和所述骨架网络边权值曲线的交点所对应的目标提取阈值作为所述目标生态空间的生态空间最小规模值。
7.一种生态空间最小规模值获取系统，其特征在于，所述生态空间最小规模值获取系统包括：
获取图像数据模块，获取目标生态空间的植被覆盖度分布图像和植被覆盖度范围；
目标提取阈值模块，用于根据所述植被覆盖度范围和预设间隔值获得多个目标提取阈值；
生态网络构建模块，用于根据所述目标生态空间的植被覆盖度分布图像和各所述目标提取阈值，分别构建各所述目标提取阈值对应的生态网络，所述生态网络包括生态源地节点集合、连接廊道集合和权重集合，其中，所述权重集合中的一个权重值用于指示所述连接廊道集合中一个连接廊道的权重；
计算网络稳定性指标模块，用于分别计算各所述生态网络对应的网络稳定性指标值，其中，所述网络稳定性指标值包括网络效率和骨架网络边权值；
筛选生态空间最小规模值模块，用于根据所有所述生态网络对应的网络稳定性指标值确定使得多个所述网络稳定性指标值稳定的目标提取阈值，将所述目标提取阈值作为所述目标生态空间的生态空间最小规模值。
8.根据权利要求7所述的生态空间最小规模值获取系统，其特征在于，所述生态网络构建模块包括生态源地节点获取单元、连接廊道获取单元和权重获取单元；
所述生态源地节点获取单元，用于根据所述植被覆盖度的分值提取多个生态源地节点，获得所述生态源地节点集合；
所述连接廊道获取单元，用于根据预设的第一算法筛选出各所述生态源地节点之间的最短路径，获得所述连接廊道集合；
所述权重获取单元，用于根据各所述生态源地节点之间的最短路径的值，获得所述权重集合。
9.一种智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的生态空间最小规模值获取程序，所述生态空间最小规模值获取程序被所述处理器执行时实现如权利要求1-6任意一项所述生态空间最小规模值获取方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述生态空间最小规模值获取程序，所述生态空间最小规模值获取程序被处理器执行时实现如权利要求1-6任意一项所述生态空间最小规模值获取方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211598829.7A CN116258957A (zh) | 2022-12-14 | 2022-12-14 | 一种生态空间最小规模值的获取方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211598829.7A CN116258957A (zh) | 2022-12-14 | 2022-12-14 | 一种生态空间最小规模值的获取方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116258957A true CN116258957A (zh) | 2023-06-13 |
Family
ID=86679997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211598829.7A Pending CN116258957A (zh) | 2022-12-14 | 2022-12-14 | 一种生态空间最小规模值的获取方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116258957A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110927120A (zh) * | 2019-11-30 | 2020-03-27 | 内蒙古蒙草生命共同体大数据有限公司 | 一种植被覆盖度预警方法 |
| CN112883471A (zh) * | 2021-02-08 | 2021-06-01 | 深圳大学 | 一种城市生态网络结构韧性动态模拟方法 |
| CN114529043A (zh) * | 2022-01-05 | 2022-05-24 | 深圳大学 | 一种城市空间组团划分方法 |
-
2022
- 2022-12-14 CN CN202211598829.7A patent/CN116258957A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110927120A (zh) * | 2019-11-30 | 2020-03-27 | 内蒙古蒙草生命共同体大数据有限公司 | 一种植被覆盖度预警方法 |
| CN112883471A (zh) * | 2021-02-08 | 2021-06-01 | 深圳大学 | 一种城市生态网络结构韧性动态模拟方法 |
| CN114529043A (zh) * | 2022-01-05 | 2022-05-24 | 深圳大学 | 一种城市空间组团划分方法 |
Non-Patent Citations (1)
| Title |
|---|
| WUYANG HONG等: ""Predicting the minimum scale of urban ecological space based on socio-ecological systems analysis"", 《SCIENCE OF THE TOTAL ENVIRONMENT》, 13 December 2022 (2022-12-13), pages 1 - 10 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dong et al. | Integrating spatial continuous wavelet transform and kernel density estimation to identify ecological corridors in megacities | |
| Rahnama | Forecasting land-use changes in Mashhad Metropolitan area using Cellular Automata and Markov chain model for 2016-2030 | |
| Amini Parsa et al. | Spatio-temporal analysis of land use/land cover pattern changes in Arasbaran Biosphere Reserve: Iran | |
| CN113313384B (zh) | 一种融合弹性的城市洪涝灾害风险评估方法 | |
| Sakieh et al. | Evaluating the strategy of decentralized urban land-use planning in a developing region | |
| CN111932036B (zh) | 基于位置大数据的精细时空尺度动态人口预测方法及系统 | |
| CN110059385B (zh) | 一种耦合异速生长的网格动力学情景模拟方法及终端设备 | |
| Huang et al. | A 100 m population grid in the CONUS by disaggregating census data with open-source Microsoft building footprints | |
| Mitsova et al. | Using enhanced dasymetric mapping techniques to improve the spatial accuracy of sea level rise vulnerability assessments | |
| Zambrano et al. | A spatial model for evaluating the vulnerability of water management in Mexico City, Sao Paulo and Buenos Aires considering climate change | |
| Liu et al. | A method of linking functional and structural connectivity analysis in urban green infrastructure network construction | |
| Yin et al. | Identifying multispecies dispersal corridor priorities based on circuit theory: A case study in Xishuangbanna, Southwest China | |
| CN115049164A (zh) | 耦合社会网络模型和碳抵消的生态网络优化方法 | |
| Wang et al. | Study on the relationship between topological characteristics of ecological spatial network and soil conservation function in southeastern Tibet, China | |
| Men et al. | Ecological network identification and connectivity robustness evaluation in the Yellow River Basin under a multi-scenario simulation | |
| Ambarwulan et al. | Modelling land use/land cover projection using different scenarios in the Cisadane Watershed, Indonesia: Implication on deforestation and food security | |
| Ardahanlıoğlu et al. | GIS-based approach to determine suitable settlement areas compatible with the natural environment | |
| CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
| Guo et al. | Connecting regional landscapes by ecological networks in the Greater Pearl River Delta | |
| CN115759883B (zh) | 基于网络群组特征的生态管理分区方法 | |
| Zeng et al. | Parks may not be effective enough to improve the thermal environment in Shanghai (China) as our modified H3SFCA method suggests | |
| Steinke | Proposal for a Geobiodiversity Index Applied to the Morphoclimatic Domain of Cerrado—Brazil | |
| Rasel et al. | Environmental impact assessment for rapid urbanization in the Coastal Area of Bangladesh: A case study on Cox’s Bazar Sadar Upazila | |
| CN116258957A (zh) | 一种生态空间最小规模值的获取方法及相关设备 | |
| CN115841042A (zh) | 一种基于韧性理论构建的城市生态韧性三维评价方法 |
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 |