首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种多尺度精细化低碳国土空间优化利用方法 

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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术