[發明專利]一種集成GCAM和CA的全球土地利用和土地覆被序列空間化方法

有效

• 申請號: 201811569219.8
• 申請日: 2018-12-21
• 公開（公告）號: CN109671003B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 曹敏;朱艷慧;黃夢雪;蔡博勤;馬尚靖
• 申請（專利權）人: 南京泛在地理信息產業研究院有限公司;南京師范大學
• 主分類號: G06Q50/26
• 分類號: G06Q50/26;G06N3/02
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

1.一種集成GCAM和CA的全球土地利用和土地覆被序列空間化方法，其特征在于，包括如下步驟：

(1)綜合考慮農業生態區劃和地緣政治經濟區劃，將全球陸地劃分為283個子區域，獲取283個子區域不同地類的土地利用需求；

(2)結合全球土地利用變化的驅動因素，獲取12個空間變量，使用神經網絡獲取初始地類轉變概率，分區域獲取不同土地利用類型之間轉換規則；針對每一個子區域，采用多層感知機，預測十類用地類型變化的概率，輸入層為每一個子區域2000年的12個空間變量和土地利用類，隱藏層包含15個神經元，輸出層為該子區域2010年的十類土地利用類型，激活函數為logistics函數，學習率為0.01；

(3)計算全球283個子區域的地類轉變權重矩陣；地類轉換權重矩陣的值的大小表示當前土地利用類型轉換為特定的目標土地利用類型的概率大小，在土地利用空間化過程中，283個世界區域的地類轉換權重矩陣各不同，所有類型土地利用的轉換權重矩陣隨時間變化，特定其余的權重矩陣每隔5年進行一次計算一次；

(4)計算全球283個子區域綜合轉變概率；具體為：綜合考慮由ANN計算的初始概率，鄰域效應，轉換權重矩陣和條件約束，計算特定區域某一網格將被特定土地利用類型覆蓋的組合概率，計算方法見公式(1)：

其中，是t時刻元胞i從原始地類轉變為目標地類k的綜合概率；是t時刻元胞i從原始地類轉變為目標地類k的初始概率，由神經網絡計算得到；是鄰域影響，這里采用7×7摩爾鄰域，在每一次迭代過程中動態計算；con_c→k是原始地類c轉變為目標地類k的地類轉換權重，P_cons是地類轉變過程中的限制條件；

(5)基于(4)步驟的綜合轉變概率進行空間化；具體為：針對每一個世界子區域，根據GCAM提供的未來不同發展情景下的面積變化預測序列，綜合神經網絡提供的初始土地類型轉變概率、隨模擬年份動態變化的土地類型轉變權重矩陣，以及鄰域對未來的土地利用影響，進行不同情景下的未來全球土地利用與土地覆被空間化；

(6)針對全球未來三種發展情景，采取5年的步長，對全球283個區域的空間化結果進行拼接，得到全球土地利用空間化序列結果；2015年至2100年的共18期全球土地利用與土地覆被空間化結果圖，時間分辨率為5年，空間分辨率為1km；

(7)針對2010年的模擬結果進行精度評價與模擬評價，驗證模型有效性與實用性。

2.如權利要求1所述的集成GCAM和CA的全球土地利用和土地覆被序列空間化方法，其特征在于，步驟(2)中，12個空間變量包括：2000年、2010年的兩期GLC30全球土地利用數據、全球GDP數據、人口數據、到主要城市點的距離、到道路的距離、到鐵路的距離、DEM數據、坡度數據、土壤含沙比例、土壤含泥比例、土壤含黏土比例、pH數據、溫度與降水12類柵格數據，空間分辨率均為1km。