项目名称: 土地利用情景模拟模型研究

项目编号: No.40901183

项目类型: 青年科学基金项目

立项/批准年度: 2010

项目学科: 金属学与金属工艺

项目作者: 陈振杰

作者单位: 南京大学

项目金额: 18万元

中文摘要: 土地利用情景模拟是借助情景规划的方法,模拟不同经济社会发展形势和环境下土地利用变化状况,能够有效地辅助土地利用规划决策。本研究主要内容包括:(1)从情景规划及土地利用变化模型的基本理论方法入手,分析土地利用情景因子筛选方法;(2)建立土地利用情景定量化表达方法,并在综合考虑土地利用适宜性概率、宏观土地利用环境、微观土地利用行为等的基础上,构建区域土地利用情景模拟模型;(3)进行模型的详细设计,并在Repast等平台的支持下,实现该模型,并建立土地利用情景模拟反馈机制;(4)利用研究试验区多年的遥感影像、土地利用数据、基础地理数据、经济社会统计数据对模型进行验证和完善。本研究的创新之处在于:提出土地利用情景定量化表达方法,并将情景规划的理论与土地利用变化模型相结合,构建了具有反馈机制的区域土地利用情景模拟模型。

中文关键词: 地理信息系统;情景规划;土地利用;多智能体系统;地理加权回归

英文摘要:

英文关键词: Geographic Information System;Scenario Planning;Land Use;Multi-Agent Systems;GWR

成为VIP会员查看完整内容
1

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
51+阅读 · 2021年10月1日
专知会员服务
84+阅读 · 2021年9月4日
专知会员服务
34+阅读 · 2021年6月12日
专知会员服务
42+阅读 · 2021年5月24日
专知会员服务
21+阅读 · 2021年1月30日
专知会员服务
48+阅读 · 2020年12月19日
基于知识图谱的推荐系统总结
图与推荐
1+阅读 · 2021年11月11日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
基于虚拟现实环境的深度学习模型构建
MOOC
23+阅读 · 2019年9月28日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
已删除
将门创投
11+阅读 · 2019年4月26日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月28日
Arxiv
0+阅读 · 2022年4月28日
Arxiv
16+阅读 · 2021年1月27日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
34+阅读 · 2020年1月2日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
小贴士
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
专知会员服务
51+阅读 · 2021年10月1日
专知会员服务
84+阅读 · 2021年9月4日
专知会员服务
34+阅读 · 2021年6月12日
专知会员服务
42+阅读 · 2021年5月24日
专知会员服务
21+阅读 · 2021年1月30日
专知会员服务
48+阅读 · 2020年12月19日
相关资讯
基于知识图谱的推荐系统总结
图与推荐
1+阅读 · 2021年11月11日
如何利用深度学习优化大气污染物排放量估算?
微软研究院AI头条
0+阅读 · 2021年8月31日
基于虚拟现实环境的深度学习模型构建
MOOC
23+阅读 · 2019年9月28日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
已删除
将门创投
11+阅读 · 2019年4月26日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月28日
Arxiv
0+阅读 · 2022年4月28日
Arxiv
16+阅读 · 2021年1月27日
Arxiv
27+阅读 · 2020年12月24日
Arxiv
34+阅读 · 2020年1月2日
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
微信扫码咨询专知VIP会员