The invention discloses a global land use and land cover sequence spatialization method integrating GCAM and CA, which combines GCAM model with geo-CA to realize the spatialized data products of global land use sequence in 283 sub-regions from 2010 to 2100, with spatial resolution of 1 km and temporal resolution of 5 years; integrates the initial probability of neural network, the influence of neighborhood and the land of each sub-region. Class transformation weight matrix and planning constraints were used to obtain the comprehensive transformation probability of land types in each sub-region, and the land use and land cover in each sub-region were spatialized. The invention is mainly applied to global land use change and cover modeling under different development scenarios in the future, has the ability to produce high resolution global LUCC products, and promotes the research of high resolution land use model construction at global scale.
【技术实现步骤摘要】
一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法
本专利技术涉及元胞自动机土地利用建模领域，尤其是一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法。
技术介绍
全球土地利用和土地覆盖变化(LUCC)对于理解人类活动与全球环境变化(如生物多样性和碳循环)之间的相互作用至关重要。已有的研究表明，构建LUCC模型已经成为一种揭示全球LUCC变化的驱动机制、研究过去以及未来年份的全球LUCC时空变化的重要工具，全球尺度的LUCC模型已经成为针对全球性问题进行综合评价的关键部分。尽管在许多情况下需要全球尺度的土地利用与土地变化建模，但由于其复杂性，目前很少有全球尺度的LUCC模型存在。目前，已有的针对全球LUCC构建的模型主要有全球环境综合评估模型(IMAGE)，空间分辨率为0.5°(赤道约55公里)；LUSs模型和CLUMondo模型，空间分辨率为5弧分(赤道约10公里)。这些模型空间分辨率粗糙，很大程度地损失了土地利用和土地覆被的空间细节，对全球不同区域的土地利用模式产生了严重的扭曲。元胞自动机(CA)以其简单而小规模的组织单元，可以获取其转换规...
【技术保护点】
1.一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，其特征在于，包括如下步骤：(1)综合考虑农业生态区划和地缘政治经济区划，将全球陆地划分为283个子区域，获取283个子区域不同地类的土地利用需求；(2)结合全球土地利用变化的驱动因素，获取12个空间变量，使用神经网络获取初始地类转变概率，分区域获取不同土地利用类型之间转换规则；(3)计算全球283个子区域的地类转变权重矩阵；(4)计算全球283个子区域综合转变概率；(5)基于(4)步骤的综合转变概率进行空间化；(6)针对全球未来三种发展情景，采取5年的步长，对全球283个区域的空间化结果进行拼接，得到全球土地...
【技术特征摘要】
1.一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，其特征在于，包括如下步骤：(1)综合考虑农业生态区划和地缘政治经济区划，将全球陆地划分为283个子区域，获取283个子区域不同地类的土地利用需求；(2)结合全球土地利用变化的驱动因素，获取12个空间变量，使用神经网络获取初始地类转变概率，分区域获取不同土地利用类型之间转换规则；(3)计算全球283个子区域的地类转变权重矩阵；(4)计算全球283个子区域综合转变概率；(5)基于(4)步骤的综合转变概率进行空间化；(6)针对全球未来三种发展情景，采取5年的步长，对全球283个区域的空间化结果进行拼接，得到全球土地利用空间化序列结果；(7)针对2010年的模拟结果进行精度评价与模拟评价，验证模型有效性与实用性。2.如权利要求1所述的集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，其特征在于，步骤(2)中，12个空间变量包括：2000年、2010年的两期GLC30全球土地利用数据、全球GDP数据、人口数据、到主要城市点的距离、到道路的距离、到铁路的距离、DEM数据、坡度数据、土壤含沙比例、土壤含泥比例、土壤含黏土比例、pH数据、温度与降水12类栅格数据，空间分辨率均为1km。3.如权利要求1所述的集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，其特征在于，步骤(2)中，使用神经网络获取初始地类转变概率，分区域获取不同土地利用类型之间转换规则具体为：针对每一个子区域，采用多层感知机，预测十类用地类型变化的概率，输入层为每一个子区域2000年的12个空间变量和土地利用类，隐藏层包含15个神经元，输出层为该子区域2010年的十类土地利用类型，激活函数为logistics函数，学习率为0.01。4.如权利要求1所述的集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，其...
【专利技术属性】
技术研发人员：曹敏，朱艳慧，黄梦雪，蔡博勤，马尚靖，
申请(专利权)人：南京泛在地理信息产业研究院有限公司，南京师范大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。