基于低碳空间要素识别的县域城镇分类方法技术

本发明专利技术公开了一种基于低碳空间要素识别的县域城镇分类方法，包括以下步骤：提取U个县域的数据，建立“状态‑压力‑响应模型”，采用分层抽样法进行分层和抽样，得到多个样本县，利用皮尔森相关分析法进行计算，得到每个指标的平均影响系数，剔除平均影响系数最小的3～7个指标，剩余指标形成最终县域城镇碳排放特征分区指标体系，将U个县域在最终县域城镇碳排放特征分区指标体系中进行类型划分，得到聚类结果。本发明专利技术基于PSR框架构建了一个面向治理部门的范围指标体系来展开研究，有助于对影响县域城镇碳排放特征的各类要素进行综合识别。

【技术实现步骤摘要】
基于低碳空间要素识别的县域城镇分类方法
本专利技术属于县域城镇分类
，具体来说涉及一种基于低碳空间要素识别的县域城镇分类方法。
技术介绍
当前，低碳理念已贯穿于我国的城市化进程中，国内低碳城市试点建设及其低碳效用研究方兴未艾，但是低碳管理研究仍然十分匮乏。县域是一个复杂的多要素集合体，其要素层次众多相互关联。然而，目前我国差异化控碳路径的研究主要是从城市要素中的规模和结构、居民生活、道路交通、经济发展以及生态绿化这个5个方面中的单个要素进行分析研究，需要更精细尺度的控碳路径策略，以提高不同地域的针对性。同时，县域又具有区域性、差异性，碳排放特征的县域城镇分类方法是我国差异化控碳路径的关键环节。目前，碳排放的分区主要分为整体碳排放空间格局、整体碳排放绩效空间格局、单一部门碳排放水平空间三大类别，既有研究为特征分区研究形成了一定的理论和方法基础，但仍有一些研究尺度和方法上的缺陷。其一是对县域研究尺度缺乏关注，其二是经典分区方法对县域碳排放特征分区适用性的不足。因此，需要以县域碳排放动因特征识别的分区为目标，建构分区思维模型，更有利于制定差异化的控碳减排策略。
技术实现思路
针对现有技术的不足，本专利技术的目的在于提供一种基于低碳空间要素识别的县域城镇分类方法。本专利技术的目的是通过下述技术方案予以实现的。一种基于低碳空间要素识别的县域城镇分类方法，包括以下步骤：步骤1，提取U个县域的数据，建立“状态-压力-响应模型”，其中，对提取的县域的数据进行筛选形成“状态-压力-响应模型”所需数据集并作为初始县域城镇碳排放特征分区指标体系，“状态-压力-响应模型”分为“状态”、“压力”和“响应”，“状态-压力-响应模型”的“状态”为“环境状态”并用总碳排放量作为特征部门；“状态-压力-响应模型”的“压力”为“发展压力”，“发展压力”的特征部门包括：规模和结构以及经济发展；“状态-压力-响应模型”的“响应”为“空间规划”，“空间规划”的特征部门包括：居民生活、交通出行、生态绿化和能源效率；步骤2，包括2-1和2-2：2-1，分层和抽样基于U个县域的数据，采用分层抽样法进行分层和抽样，得到多个样本县，其中，通过kaya恒等式确定影响碳排放量的主要因素并将其作为分类的类别，在每一个类别中随机抽取5～15％的县域作为样本县；2-2，构建分区指标体系利用皮尔森相关分析法，以全部样本县为处理单元进行计算，得到每个指标的平均影响系数，对平均影响系数从高至低进行排列，剔除平均影响系数最小的3～7个指标，剩余指标形成最终县域城镇碳排放特征分区指标体系并得到该最终县域城镇碳排放特征分区指标体系中指标的属性；步骤3，将U个县域在最终县域城镇碳排放特征分区指标体系中进行类型划分，进行类型划分时，首先计算每个特征部门的权重，再根据权重计算每个县域在最终县域城镇碳排放特征分区指标体系的每个特征部门下的得分，再进行聚类分析以将县域分成K类，得到聚类结果。在上述技术方案中，属性为对碳排放有正向影响或对碳排放有逆向影响。在上述技术方案中，皮尔森相关分析法中的自变量为“状态-压力-响应模型”初始县域城镇碳排放特征分区指标体系的“压力”和“响应”的指标，皮尔森相关分析法中的因变量为“状态-压力-响应模型”初始县域城镇碳排放特征分区指标体系的“状态”的指标。在上述技术方案中，最终县域城镇碳排放特征分区指标体系中特征部门的个数为J个，最终县域城镇碳排放特征分区指标体系中全部特征部门的指标的个数为I个，用v表示J个特征部门中每个特征部门的指标的个数；在所述步骤3中，计算特征部门的权重的方法为熵权法，熵权法具体步骤如下：1)将U个县域的最终县域城镇碳排放特征分区指标体系中的指标值代入公式(1)，构建初始判断矩阵RUI并作为该初始判断矩阵RUI中的元素rmn，其中，m＝1、……、U，n＝1、……、I：其中，初始判断矩阵RUI中每一行代表一个县域，每一列代表最终县域城镇碳排放特征分区指标体系中的一个指标；2)采用“Min-Max”数据标准化方法对rmn标准化处理，得到Qmn，其中，根据步骤2-2获得的属性，针对对碳排放有正向影响的指标，将rmn代入公式(2)；针对对碳排放有逆向影响的指标，将rmn代入公式(3)；3)将步骤2)获得的Qmn代入公式(4)，得到Pmn；4)将Pmn代入公式(5)，得到第n个指标的熵值en；其中，当Pmn为0时，Pmn×lnPmn＝0；5)将熵值en代入公式(6)，得到第n个指标的权重wn；6)将与该指标相对应的权重wn、Qmn以及该指标所在特征部门的v代入公式(7)，得到第m个县域该指标所在特征部门的得分Zjm；7)将Zjm代入公式(4)中的Qmn并将所得Pmn代入公式(5)，再将所得熵值en代入公式(6)，得到权重wn为第j个特征部门的权重Wj。在上述技术方案中，在所述步骤3中，根据权重计算每个县域在最终县域城镇碳排放特征分区指标体系每个特征部门下的得分的方法为：采用线性加权求和模型将权重Wj和得分Zjm代入公式(8)，得到第m个县域在最终县域城镇碳排放特征分区指标体系的第j个特征部门下的得分Sjm，j＝1、......、J，将所有县域在最终县域城镇碳排放特征分区指标体系的第1～6个特征部门的得分的集合定义为Sm；Sjm＝Wj×Zjm(8)。在上述技术方案中，在步骤3中，进行聚类分析的方法为：a)在U个县域中随机选择k个县域的J个特征部门在最终县域城镇碳排放特征分区指标体系的得分作为初始聚类中心Sz，Sz＝{Szj|z＝1，2，3，...k；j＝1、......、J}，Szj为第z个县域第j个特征部门在最终县域城镇碳排放特征分区指标体系的得分；b)将初始聚类中心Sz和每个县域在最终县域城镇碳排放特征分区指标体系J个特征部门的得分代入公式(9)，计算每一个县域到每一个初始聚类中心的欧式距离d(Sz，Sm)；c)依次比较每一个县域到每一个初始聚类中心的欧氏距离，将每个县域分配到欧式距离最近的初始聚类中心中并作为该初始聚类中心的子集，得到k个子集{C1，C2，...，Ck}，其中，每个子集中县域的个数为|Cz|，|Cz|为第z个子集中县域的个数；d)将每个子集中县域的个数|Cz|和每个子集中县域在最终县域城镇碳排放特征分区指标体系J个特征部门的得分Sm’代入公式(10)，计算得到每个子集的平均值yZ，并将yZ作为新的聚类中心；e)重复以下步骤，直到公式(10)所得结果不再变化，重复的步骤为：将yz作为步骤a)中的Sz并按照步骤a)～d)进行运算。在上述技术方案中，总碳排放量包括：生活碳排放量和生产碳排放量。在上述技术方案中，在初始县域城镇碳排放特征分区指标体系中，规模和结构对应的指标为建成区面积、土地城镇化率、人口和人口城镇化率；经济发本文档来自技高网...

【技术保护点】
1.一种基于低碳空间要素识别的县域城镇分类方法，其特征在于，包括以下步骤：/n步骤1，提取U个县域的数据，建立“状态-压力-响应模型”，其中，对提取的县域的数据进行筛选形成“状态-压力-响应模型”所需数据集并作为初始县域城镇碳排放特征分区指标体系，“状态-压力-响应模型”分为“状态”、“压力”和“响应”，“状态-压力-响应模型”的“状态”为“环境状态”并用总碳排放量作为特征部门；“状态-压力-响应模型”的“压力”为“发展压力”，“发展压力”的特征部门包括：规模和结构以及经济发展；“状态-压力-响应模型”的“响应”为“空间规划”，“空间规划”的特征部门包括：居民生活、交通出行、生态绿化和能源效率；/n步骤2，包括2-1和2-2：/n2-1，分层和抽样/n基于U个县域的数据，采用分层抽样法进行分层和抽样，得到多个样本县，其中，通过kaya恒等式确定影响碳排放量的主要因素并将其作为分类的类别，在每一个类别中随机抽取5～15％的县域作为样本县；/n2-2，构建分区指标体系/n利用皮尔森相关分析法，以全部样本县为处理单元进行计算，得到每个指标的平均影响系数，对平均影响系数从高至低进行排列，剔除平均影响系数最小的3～7个指标，剩余指标形成最终县域城镇碳排放特征分区指标体系并得到该最终县域城镇碳排放特征分区指标体系中指标的属性；/n步骤3，将U个县域在最终县域城镇碳排放特征分区指标体系中进行类型划分，进行类型划分时，首先计算每个特征部门的权重，再根据权重计算每个县域在最终县域城镇碳排放特征分区指标体系的每个特征部门下的得分，再进行聚类分析以将县域分成K类，得到聚类结果。/n...

【技术特征摘要】
1.一种基于低碳空间要素识别的县域城镇分类方法，其特征在于，包括以下步骤：
步骤1，提取U个县域的数据，建立“状态-压力-响应模型”，其中，对提取的县域的数据进行筛选形成“状态-压力-响应模型”所需数据集并作为初始县域城镇碳排放特征分区指标体系，“状态-压力-响应模型”分为“状态”、“压力”和“响应”，“状态-压力-响应模型”的“状态”为“环境状态”并用总碳排放量作为特征部门；“状态-压力-响应模型”的“压力”为“发展压力”，“发展压力”的特征部门包括：规模和结构以及经济发展；“状态-压力-响应模型”的“响应”为“空间规划”，“空间规划”的特征部门包括：居民生活、交通出行、生态绿化和能源效率；
步骤2，包括2-1和2-2：
2-1，分层和抽样
基于U个县域的数据，采用分层抽样法进行分层和抽样，得到多个样本县，其中，通过kaya恒等式确定影响碳排放量的主要因素并将其作为分类的类别，在每一个类别中随机抽取5～15％的县域作为样本县；
2-2，构建分区指标体系
利用皮尔森相关分析法，以全部样本县为处理单元进行计算，得到每个指标的平均影响系数，对平均影响系数从高至低进行排列，剔除平均影响系数最小的3～7个指标，剩余指标形成最终县域城镇碳排放特征分区指标体系并得到该最终县域城镇碳排放特征分区指标体系中指标的属性；
步骤3，将U个县域在最终县域城镇碳排放特征分区指标体系中进行类型划分，进行类型划分时，首先计算每个特征部门的权重，再根据权重计算每个县域在最终县域城镇碳排放特征分区指标体系的每个特征部门下的得分，再进行聚类分析以将县域分成K类，得到聚类结果。


2.根据权利要求1所述的县域城镇分类方法，其特征在于，属性为对碳排放有正向影响或对碳排放有逆向影响。


3.根据权利要求2所述的县域城镇分类方法，其特征在于，皮尔森相关分析法中的自变量为“状态-压力-响应模型”初始县域城镇碳排放特征分区指标体系的“压力”和“响应”的指标，皮尔森相关分析法中的因变量为“状态-压力-响应模型”初始县域城镇碳排放特征分区指标体系的“状态”的指标。


4.根据权利要求3所述的县域城镇分类方法，其特征在于，最终县域城镇碳排放特征分区指标体系中特征部门的个数为J个，最终县域城镇碳排放特征分区指标体系中全部特征部门的指标的个数为I个，用v表示J个特征部门中每个特征部门的指标的个数；在所述步骤3中，计算特征部门的权重的方法为熵权法，熵权法具体步骤如下：
1)将U个县域的最终县域城镇碳排放特征分区指标体系中的指标值代入公式(1)，构建初始判断矩阵RUI并作为该初始判断矩阵RUI中的元素rmn，其中，m＝1、……、U，n＝1、……、I：



其中，初始判断矩阵RUI中每一行代表一个县域，每一列代表最终县域城镇碳排放特征分区指标体系中的一个指标；
2)采用“Min-Max”数据标准化方法对rmn标准化处理，得到Qmn，其中，根据步骤2-2获得的属性，针对对碳排放有正向影响的指标，将rmn代入公式(2)；针对对碳排放有逆向影响的指标，将rmn代入公式(3)；






3)将步骤2)获得的Qmn代入公式(4)，得到Pmn；



4)将Pmn代入公式(5)，得到第n个指标的熵值en；

...

【专利技术属性】
技术研发人员：张赫，王睿，于丁一，彭千芮，闫凤英，蹇庆鸣，何邕健，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12