基于城镇化耦合关系研究的碳排放遥感检测方法技术

本发明专利技术公开了基于城镇化耦合关系研究的碳排放遥感检测方法，涉及卫星遥感技术领域，其技术方案要点是：利用多年的高分辨率多源卫星遥感数据，通过分析历史土地利用数据的结构、数量和类别变化，识别长期城镇化过程中碳排放时空格局动态特征；以元胞自动机为工具，结合多智能体和GIS构建城市建设用地的扩展模型，模拟和预测城市建设用地的扩展规律；核算出建设用地扩展中由土地利用变化引发的碳排放情况。在本发明专利技术中，通过城镇化扩张时空动态变化研究和预测，可成为城市规划、控制城市扩张的有效依据；以长时间序列、高精度的遥感数据，能够实时、准确的为研究城镇化提供有力数据支撑和手段，对未来模型构建奠定基础。对未来模型构建奠定基础。对未来模型构建奠定基础。

【技术实现步骤摘要】
基于城镇化耦合关系研究的碳排放遥感检测方法


[0001]本专利技术涉及卫星遥感
，更具体地说，它涉及基于城镇化耦合关系研究的碳排放遥感检测方法。

技术介绍

[0002]在我国，碳排放数据来源渠道比较有限，主要的碳排放核算方法有模型法和物料平衡法、生命周期法、实地监测法等。生命周期法追踪了研究对象整个生命周期的碳排放，多用于微观尺度单一产品的碳排放估算，实地监测法可以采集到比较精确的数据，需要结合科学设备的合理运用，时间和经济成本都很高；与实地监测法相似，模型法也需要大量样本点来验证模型参数的可靠性，所需成本较高，很难达到在区域尺度估算碳排放时空特征的目的。
[0003]土地利用变化对碳排放的影响是全球变化研究的焦点问题，而土地城镇化是土地利用变化引起碳排放的主要途径，城镇用地扩张一方面破坏了陆地生态系统原有的碳汇，另一方面它伴随的基础设施建设和生产生活消耗了大量的能源，由此产生不可忽视的碳排放效应。早期的建设用地规模预测模型具有时间信息不足、空间信息表达不够完整、城市扩展过程的模拟简单、缺乏随机性等不足模型具有不可移动性，对人为活动对建设用地变化影响考虑不足。需要将土地利用变化的自然过程和社会经济发展过程统筹起来全面考虑其碳排放效应。但目前对于建设用地碳排放的研究主要集中在能源消费的碳排放核算方面，较少同时考虑城镇扩张产生的碳排放研究。
[0004]传统方法监测碳排放的不足之处在于：
[0005]第一、生命周期法方法尺度单一；实地监测法需要结合设备，时间和经济成本较高，不利于全面、准确监测碳排放。
[0006]第二：传统方法利用土地变化指标进行建模预测碳排放具有时间信息不足、空间信息表达不够完整、城市扩展过程的模拟简单、缺乏随机性等不足模型具有不可移动性，对人为活动对建设用地变化影响考虑不足等问题，无法真实反映碳排放情况，严重影响了碳排放监测精度。
[0007]第三：无法将土地利用变化的自然过程和社会经济发展过程进行统筹，未能够全面考虑碳排放效应，对于建设用地碳排放的研究仅仅主要集中在能源消费的碳排放核算方面，较少同时考虑城镇扩张产生的碳排放。
[0008]第四：已有的研究和碳排放监测方法多依靠历史统计数据，显然无法满足国民经济和社会发展的需求。
[0009]因此，本专利技术旨在提供一种基于城镇化耦合关系研究的碳排放遥感检测方法，以解决上述提到的相关问题。

技术实现思路

[0010]本专利技术的目的是提供基于城镇化耦合关系研究的碳排放遥感检测方法，从动态视
角探明碳排放与城镇总体规模扩张的时空耦合关系以及两者之间的协调发展，探明城镇化和碳排放的相互关系及其传导路径，从低碳的角度引导当前的城镇发展模式，促进城镇化水平与环境效益的友好发展。
[0011]本专利技术的上述技术目的是通过以下技术方案得以实现的：基于城镇化耦合关系研究的碳排放遥感检测方法，包括以下步骤：
[0012]获取10
‑
30年的高分辨率多源卫星遥感数据；
[0013]对所述高分辨率多源卫星遥感数据进行预处理；
[0014]基于预处理后的高分辨率多源卫星遥感数据，获取不同土地利用类型地物特征，建立解译样本库，并利用深度学习技术，训练得到遥感自动化信息提取模型；
[0015]基于获取的不同土地利用类型地物特征，采用元胞自动机和多智能体方法将自然、人为要素和不确定要素纳入体系，优化构建城市建设用地扩展模型；
[0016]利用所述城市建设用地扩展模型，以研究区域土地利用数据和城镇碳排放时空分布数据为基础，对比分析城镇用地和碳排放的时空分布特征；
[0017]借助重心模型分析城镇扩张与碳排放的总体时空耦合态势；通过耦合协调度模型，从长时间序列测度城镇扩张与碳排放的协调发展水平及其动态演变规律；
[0018]通过模型检验选择适用的空间面板数据模型来测度城镇化的内部多维结构对碳排放的影响，包括土地、经济、人口和社会；
[0019]基于影响因素分析结果，实现碳排放持续监测。
[0020]本专利技术进一步设置为：所述预处理包括多波段组合、几何校正、图像剪裁、图像融合以及图像分类。
[0021]本专利技术进一步设置为：构建所述城市建设用地扩展模型需考虑的影响包括公路、铁路、市中心、镇中心等空间距离对城市发展的影响、各种政策对城市发展的影响角度、地形、坡度、河流、滩涂等自然因素对城市发展的影响以及各种突发情况对城市发展的影响。
[0022]综上所述，本专利技术具有以下有益效果：
[0023]1、通过城镇化扩张时空动态变化研究和预测，可以成为城市规划、控制城市扩张的有效依据。从人口、政策、产业调整、资金投入、生态环境等众多因素考虑城镇化，仅依靠历史统计数据显然无法满足国民经济和社会发展的需求，因此以长时间序列、高精度的遥感数据，能够实时、准确的为研究城镇化提供有力数据支撑和手段，对未来模型构建奠定基础。
[0024]2、时间和空间两大范畴统一起，构建城市建设用地的扩展模型，并根据遥感影像数据和其他空间数据模拟和预测建设用地扩展的时空变化特征，了解城市内部的互相作用和制约，探索其空间机制或规律。
[0025]3、构建城镇扩展与碳排放之间耦合关系，从长时间序列测度城镇扩张与碳排放间的相互关系，一方面来测度城镇化的内部多维结构对碳排放的影响；另一方面实现碳排放持续监测。
[0026]与传统农作物监测方法相比，本专利技术主要优点和改进为：
[0027]4.在本专利技术中，通过获取高分辨率多源卫星遥感数据，构建城镇扩展与碳排放之间耦合关系，从长时间序列测度城镇扩张与碳排放间的相互关系，一方面来测度城镇化的内部多维结构对碳排放的影响；另一方面实现碳排放持续监测。
[0028]5.时间和空间两大范畴统一起，构建城市建设用地的扩展模型，并根据遥感影像数据和其他空间数据模拟和预测建设用地扩展的时空变化特征，了解城市内部的互相作用和制约，探索其空间机制或规律。
[0029]6.作为城市发展研究的重点，建设用地的扩展使不同的土地利用类型转化为城市用地，通过构建模型来模拟和分析建设用地在扩展中的复杂动态行为，具有重大的理论和实际意义。
[0030]7.以元胞自动机为工具，结合多智能体和GIS构建城市建设用地的扩展模型，可以有效的模拟和预测城市建设用地的扩展规律，为控制建设用地的规模提供一定依据。
[0031]8.根据城市建设用地扩展模型的预测成果，核算和预测出建设用地扩展中由土地利用变化引发的碳排放情况，该部分将多智能体和元胞自动机的时空预测能力引入碳排放研究，拓展了碳排放研究的深度，对模型延伸应用，研究较为少见。
[0032]9.通过模型检验选择适用的空间面板数据模型来测度城镇化的内部多维结构对碳排放的影响，具体包括土地、经济、人口和社会四个方面。
附图说明
[0033]图1是本专利技术实施例中碳排放监测技术流程图。
具体实施方式
[0034]以下结合附图1对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于城镇化耦合关系研究的碳排放遥感检测方法，其特征是：包括以下步骤：获取10
‑
30年的高分辨率多源卫星遥感数据；对所述高分辨率多源卫星遥感数据进行预处理；基于预处理后的高分辨率多源卫星遥感数据，获取不同土地利用类型地物特征，建立解译样本库，并利用深度学习技术，训练得到遥感自动化信息提取模型；基于获取的不同土地利用类型地物特征，采用元胞自动机和多智能体方法将自然、人为要素和不确定要素纳入体系，优化构建城市建设用地扩展模型；利用所述城市建设用地扩展模型，以研究区域土地利用数据和城镇碳排放时空分布数据为基础，对比分析城镇用地和碳排放的时空分布特征；借助重心模型分析城镇扩张与碳排放的总体时空耦合态势；通过耦合协调度模型，从长...

【专利技术属性】
技术研发人员：刘志强，周武，尚涛，施家月，汤优敏，
申请(专利权)人：中国电建集团华东勘测设计研究院有限公司，
类型：发明
国别省市：