【技术实现步骤摘要】
本专利技术涉及一种基于冲突检测与多目标优化的碳储量分布预测评估方法，属于地理信息。
技术介绍
1、碳储量是指陆地生态系统以土壤有机质、死植被和活植被生物量的形式捕获和储存的碳，它是生态系统服务评价中广泛使用的指标，被认为是评估陆地生态系统生产能力和生态恢复力对气候变化响应性的最关键测量参数之一。土地利用变化是反映人类活动对地球表层系统作用的重要指标，它通过改变生态系统结构与功能，既能通过影响植被覆盖引起陆上碳储量变化，又能通过改变土壤环境引起土壤碳储量变化，是影响陆地生态系统碳储量变化和碳循环等方面的主要因素。土地利用冲突可以定义为在土地利用过程中，利益相关者因土地利用模式和结构而产生的人地空间竞争和利益冲突现象，土地利用空间模式的变化不仅会改变土地综合利用动态性，还会改变地上植被的性质，破坏生态景观的连通性，使得区域植被覆盖度和初级生态系统生产力下降，从而改变区域植被碳储量和碳平衡，并进一步造成了生态系统功能的衰退和生态系统服务价值的下降；现有关于土地利用冲突的研究大致可分为三类，第一类侧重于对发达国家的案例研究；第二类侧重于发展中国家的城市土地使用冲突；第三类侧重于研究发达国家城市和城郊地区冲突的类型；如文献“urban land use efficiency in ethiopia:an assessment ofurban land usesustainability inaddisababa”发现埃塞俄比亚城市建筑的扩张导致的土地冲突破坏了城市的土地利用效率，在几乎所有的扩张边界都存在与土地利用效率低下相关的严重问题，
2、综上，识别和解决土地利用冲突、优化城市土地利用、降低土地利用的剧烈变化带来的负面影响是合理利用土地资源、增加区域碳汇和实现城市可持续性的关键，研究土地利用冲突并进行优化来恢复生态系统碳储量水平、维护碳储量平衡以及提高生态效益是一项紧迫的任务，对可持续性发展具有重要意义。
技术实现思路
1、本专利技术的目的在于提供一种土地利用模式优化和区域碳储量分布优化的方法，旨在解决将城市土地冲突、覆盖变化和碳储量联系起来，通过识别与协调土地冲突，结合多种可持续发展目标情景来模拟土地利用变化、冲突及其对陆地碳库的影响的技术问题。
2、为实现上述目的，本专利技术的技术方案是：一种基于冲突检测与多目标优化的碳储量分布预测评估方法，该方法可以有效识别土地利用冲突区域，然后在多目标约束下进行协调，并进一步与碳汇结合将土地利用模式的优化结果辐射到区域碳储量分配优化上；提高对土地利用冲突区域、主要碳汇区域的识别精度；改进土地利用冲突协调的方法。包括以下步骤：
3、s1：构建逻辑回归分析所需的目标变量、特征变量以及协变量；
4、s2：进行逻辑回归分析并得到对应的回归系数，根据回归系数计算对应的每种土地类型的发生概率，再根据发生概率计算对应的每种土地类型的局部优势指数，最后根据局部优势指数计算对应的每种土地类型的冲突强度指数；
5、s3：基于局部优势指数和公认的土地开发强度宜居线、警戒线，保障粮食安全和生态安全基本用地标准设置多目标约束条件；
6、s4：基于多目标约束条件进行土地利用冲突的协调，得到优化后的土地利用数据；
7、s5：将协调前的土地利用数据和经优化后的土地利用数据以及碳库数据输入invest碳储量评估模型中，得到对应的协调前后的碳储量分布情况数据，实现优化后的碳储量分布预测。
8、所述步骤s1具体包括：
9、s1.1：从土地利用数据中提取历史土地利用变化作为目标变量，将土地利用数据中的土地空间类型重分类为三类，具体为建筑空间、农业空间、生态空间，并分别用不同栅格值代表，再根据不同期的栅格值的异同生成三个目标变量，具体为建筑空间变化、农业空间变化、生态空间变化，并标识出是否发生变化；
10、s1.2：特征变量由会影响土地利用变换的因素组成，包括温度、降水、人口、gdp、dem、夜间灯光、主要道路分布、坡度、坡向，下载所述因素的栅格数据后再进行重采样、重投影为与土地利用数据相同分辨率、坐标系的形式；
11、s1.3：根据目标变量的类别引入对应的三个分类的协变量，标识土地空间类型。
12、所述步骤s2具体包括：
13、s2.1：使用线性逻辑回归模型进行逻辑回归建模，得到三个目标变量分别对于特征变量和分类协变量的回归系数；
14、s2.2：基于逻辑回归的回归系数分别计算三种土地空间的发生概率，计算公式如下：
15、
16、其中g代表栅格位置，下标c、a、e分别代表建筑空间、农业空间、生态空间，pcg、pag、peg则分别代表在栅格g上建筑空间、农业空间和生态空间出现概率；α为对应的影响因素的回归系数；αc、αa、αe为建筑、农业和生态空间回归时对应的影响因素的回归系数；xig代表栅格g上i土地空间的影响因素的栅格值，xcg、xag、xeg分别为建筑、农业、生态空间回归过程中影响因素的栅格值；dvc，dva，dve分别代表建筑、农业、生态空间的分类协变量；βc、βa、βe分别为dvc，dva，dve的回归系数；w为稳定的生态空间，c为未变化的稳定的建筑区域；neighborhood是每种土地利用类型在每个栅格上的邻域，其具体计算方法为：
17、
18、neighborhoodh,k表示土地利用空间h的邻域聚集程度，k表示某个栅格的邻域内的第k个h空间斑块，n为邻域内斑块总数，sh,k表示邻域内第k个h空间斑块的面积，将三种土地类型发生概率值写入三通道栅格图像，每个通道代表一种土地类型的发生概率值；
19、s2.3：基于发生概率计算每种土地类型的局部优势指数，计算公式如下：
20、
21、其中，pc,i、pa,i、pe,i分别代表栅格i邻域范围内的建筑、农业、生态本文档来自技高网...
【技术保护点】
1.一种基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于：
2.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤S2具体包括：
4.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤S3具体包括：
5.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤S4具体包括：
6.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤S5具体包括：
【技术特征摘要】
1.一种基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于：
2.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的基于冲突检测与多目标优化的碳储量分布预测评估方法，其特征在于，所述步骤s2具体包括：
4.根据权利...
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。