买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京大学

摘要：本发明公开一种多尺度精细化低碳国土空间优化利用方法，属于人文地理学和环境科学领域。包括：收集土地利用、人为碳排放和生态系统碳收支数据，形成高精度综合性碳指标空间分布图；构建线性规划模型，对土地利用数量结构进行预测；基于现状土地利用空间分布，结合自然与经济社会基础因子构建人工神经网络模型，融合传统土地利用空间模拟模型，得到土地利用适宜概率；融合现状高精度国土空间碳收支分布数据，优化土地利用适宜概率；基于优化的土地利用适宜概率，以增汇降碳为目标，对土地利用空间格局进行模拟，对土地利用空间格局进行模拟，得到未来的土地利用预测图；在数量结构和地块空间尺度，核算优化的土地利用的增汇减排效果。

主权项：1.一种多尺度精细化低碳国土空间优化利用方法，其特征在于，包括以下步骤：步骤1：收集土地利用、人为碳排放和生态系统碳收支数据，形成高精度综合性碳指标空间分布图；步骤2：构建线性规划模型，对土地利用数量结构进行预测；步骤3：基于现状土地利用空间分布，结合自然与经济社会基础因子构建人工神经网络模型，融合传统土地利用空间模拟模型，得到土地利用适宜概率；基于现状土地利用空间分布，结合自然与经济社会基础因子构建人工神经网络模型，人工神经网络包括输入层、隐藏层和输出层；在输入层中，每个神经元对应一个输入变量，具体公式为：X＝[x1，x2，...，xn]T其中，xi是输入层的第i个神经元，i取1～n，T表示转置，n为神经元数量；在隐藏层中，神经元j在t时刻接收到网格细胞p上所有输入神经元的信号为： 其中，netjp，t是隐藏层神经元j接收到的信号；xip，t是训练时间t时与网格单元p上的输入神经元i相关的第i个变量；wi，j是输入层和隐藏层之间的自适应权值，在训练过程中进行校准；隐藏层和输出层之间的连接由激活函数决定，sigmoid激活函数对于建立隐藏层和输出层之间的连接是有效的，其具体公式如下： 输出层中的每个神经元对应一种特定的土地使用类型，输出层中每个神经元均将生成一个值，分别表示所对应的土地使用类型的发生概率；在训练时间t时，土地利用类型k在网格单元p上出现的概率记为Pp，k，t，其具体公式如下： 其中，wj，k是隐藏层与输出层之间的自适应权值，在训练过程中进行校准；步骤4：融合现状高精度国土空间碳收支分布数据，优化土地利用适宜概率；在基于传统要素对现状土地利用适宜概率进行分析的基础上，基于现状国土空间碳源汇情况，对土地利用适宜概率进行修正；对于林草地现状生态用地，现状用地类型适宜概率额外按碳汇从零到最大值等比例提高，非现状用地类型适宜概率额外按碳汇从零到最大值等比例降低，其公式为： 其中，Pcarbon为基于碳源汇空间分布修正的土地利用适宜性概率，Csinkp为p栅格的碳汇量，为研究区碳汇最大值，αsink为基于碳汇的修正系数，k0为p栅格的现状土地利用类型，k＝k0表示土地利用类型与现状相同，k≠k0表示土地利用类型与现状不同；对于建设用地的其他用地类型，现状用地类型适宜概率额外按碳排放从零到最大值等比例降低，非现状用地类型适宜概率额外按碳排放从零到最大值等比例提高，其公式为： 其中，Cemip为p栅格的碳排放量，为研究区碳排放最大值，αemi为基于碳排放的修正系数；步骤5：基于优化的土地利用适宜概率，以增汇降碳为目标，对土地利用空间格局进行模拟，得到未来的土地利用预测图；步骤6：在数量结构和地块空间尺度，核算优化的土地利用的增汇减排效果。

全文数据：

权利要求：

百度查询： 南京大学 一种多尺度精细化低碳国土空间优化利用方法