申请/专利权人：福州大学

申请日：2022-05-24

公开（公告）日：2024-06-14

公开（公告）号：CN114997480B

主分类号：G06Q10/04

分类号：G06Q10/04;G06F30/20;G06F111/04;G06F111/06

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.09.20#实质审查的生效;2022.09.02#公开

摘要：本发明涉及一种基于MOP‑PLUS模型的低碳导向下省域国土空间分区优化模拟方法。通过设定自然和低碳两种发展情景，针对不同主体功能区设置差异化的碳排放量、经济效益和生态效益约束目标，通过MOP模型对低碳发展情景下的用地需求进行预测，并以此为基础运用PLUS模型开展多情景下的国土空间分区优化模拟。本发明方法通过碳排放定量计算方法、多情景模拟等技术手段建立应对逻辑路径，可从省级空间规划视角下推动落实不同主体功能区的差异化控碳思路，为区域土地利用管控政策的制定提供决策依据。

主权项：1.一种基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法，其特征在于，该方法通过设定自然发展和低碳发展两种不同情景，针对不同主体功能区，设置差异化的约束目标，通过MOP模型对低碳发展情景下的用地需求进行预测，并运用PLUS模型开展多情景下的国土空间分区优化模拟；该方法包括：S1、主体功能分区及发展情景设定；S2、低碳发展导向下各功能区用地结构预测；S3、面向多情景的国土空间布局分区模拟；所述差异化的约束目标包括差异化的碳排放量、经济效益和生态效益约束目标；步骤S1具体实现如下：S11、主体功能分区：通过综合考虑国土空间分布现状及区域发展需求，按照主体功能区规划中不同的开发方式，同时综合考虑各地区经济发展水平和生态环境现状，通过功能定位对不同区域进行功能划分，将各市、县分为城镇建设区、农业生产区和生态保护区三类；S12、发展情景设定：针对不同主体功能区设定自然发展和低碳发展两者情景，其中自然发展情景遵循土地利用变化的历史过程，不考虑未来限制或促进土地利用变化的措施，通过Markov模型对自然发展情景下各功能区用地结构进行预测；低碳发展情景考虑低碳发展视角下经济和生态效益相协调的原则，通过调整土地利用结构实现在经济发展的同时达到减少碳排放的效果，通过MOP模型对低碳发展情景下各功能区用地结构进行预测；步骤S2具体实现如下：S21、目标函数系数计算：利用历年化石能源消耗量、经济产值、农产品种植面积及成本数据，基于包括碳排放折算系数、地均经济产出及生态系统服务价值的方法分别对全省目标年份的碳排放量、经济效益、生态效益目标函数系数进行计算；S22、系数修正：基于主体功能区发展导向约束，分别计算各类功能区不同地类的二氧化碳排放量、经济产值、粮食作物单产与全省均值的比值，作为各类功能区各目标函数的修正系数，从而对各目标函数系数进行修正；S23、约束条件设定：以经济效益和生态效益最大化、碳排放量最小化为目标，基于修正后的目标函数系数计算结果对多目标函数的约束条件进行设定；步骤S3具体实现如下：S31、用地扩张因素分析：选取人类活动、区位条件、交通环境、自然要素共四类20项指标作为驱动因子，基于随机森林算法挖掘各地类扩张的潜在机制，最终输出各功能区中不同地类的适宜性概率分布情况；S32、国土空间布局分区模拟：利用得到的各地类适宜性概率分布情况和土地利用数据，以不同情景下各主体功能区的用地结构预测结果作为数量约束，基于多类型随机斑块种子机制的CA模型开展国土空间布局分区模拟；步骤S21、S22中，目标函数系数计算及修正的具体实现方式如下：a多目标规划模型MOP模型即多目标规划模型，其中包含决策变量、目标函数、约束条件三部分，是聚焦于在主观或客观条件下，使某个或多个目标达到最值的决策模型，其表达式如下： 各式中：xj为第j类决策变量，j＝1,2,…,7，其中：耕地x1、林地x2、草地x3、湿地x4、水体x5、人造地表x6、裸地x7；F1x、F2x、F3x为目标函数，分别表示经济效益、碳排放量和生态效益；cj、dj和ej分别为单位面积下不同地类的经济效益系数、碳排放量系数和生态效益系数；约束条件s.t.中，aij为第i个约束条件中第j个变量对应的系数；bj为约束值；总目标函数为组合函数F4x： 式中：G1、G2、G3分别为经济效益、碳排放量、生态效益函数的目标值；W1、W2、W3分别为对应函数的权重系数；b碳排放量目标函数系数耕地、林地、草地、湿地、水体和裸地的碳排放量在长时期内变化不大，其碳排放量系数依次为0.464、-5.052、-0.947、-0.41、-0.25、-0.005；人造地表的碳排放量系数通过计算在其利用过程中能源消耗所产生的碳排放总量间接得到，计算公式如下： 式中：Eb为各类化石能源消耗所产生的碳排放总量；X为能源种类；mi为第i种能源消费量；ni为能源i的折标准煤系数；为碳排放系数，为平均低位发热值、单位热值含碳量和碳氧化率的乘积；4412表示CO2与碳的分子量之比；c经济效益目标函数系数基于各地类历年单位面积的经济产出数据，利用灰色预测模型计算出目标年份的各用地经济效益系数，其中耕地、林地、草地、水域、人造地表分别以农业产值、林业产值、牧业产值、渔业产值、二三产业值表示，湿地、未利用地不进行计算；d生态效益目标函数系数基于生态系统服务价值对生态效益进行量化，通过粮食作物单产和平均价格计算价值当量从而得到各地类单位面积生态效益，并以历年数据为基础运用灰色预测模型得到目标年各地类生态效益系数；各地类单位面积的生态系统服务价值计算公式为：Vci＝Eei式5式中：Vci为第i种地类的单位面积生态系统服务价值，E为单位农田生态系统提供食物生产服务的经济价值，E为1个单位当量，ei为第i种地类的生态服务价值当量因子；一个单位当量因子利用主要粮食作物播种面积、产量和平均价格来计算，其计算公式如下： 式中：Y表示粮食种类；oi表示第i种粮食的播种面积；pi表示第i种粮食当年的全国平均价格；qi表示第i种粮食单产；S表示播种总面积；e基于主体功能区发展导向约束的目标函数系数修正考虑各类主体功能区的发展导向差异，分别计算各类功能区不同地类的二氧化碳排放量、经济产出、粮食作物单产与全省均值的比值，作为各类功能区各目标函数的修正系数；其中，经济效益系修正系数以各类功能区不同地类的地均经济效益与全省均值比进行计算；碳排放修正系数根据现有研究得出历年各类功能区碳排放总量，计算各类功能区人造地表单位面积排放量与全省均值之比即得到修正系数；生态效益目标函数修正系数为各功能区的粮食作物单产与全省均值之比；在得到各主体功能区不同地类的目标函数修正系数后，对其进行修正，计算公式如下：aij＝lij*cij式7式中：aij为修正后第i个目标函数中第j个地类对应的系数，其中i＝1,2,3，对应不同的目标函数，j＝1,2,…,7，对应不同地类；lij为修正前的第i个目标函数中第j个地类对应的系数；cij为第i个目标函数中第j个地类对应的修正系数；步骤S23中，约束条件设定的方式如下：经过计算后得到各功能区经修正后的不同地类单位面积的经济效益、生态效益和碳排放量目标函数系数值，以碳排放量最小化、经济和生态效益最大化为目标，根据式1和式2对各主体功能区在低碳发展情景下的多目标函数及约束条件进行设定；目标函数包括经济效益、碳排放量、生态效益和总目标，约束条件包括总面积约束、经济约束、碳排放约束以及地类面积约束，目标函数是以不同用地的各目标函数系数乘以用地面积来进行累加计算，约束条件的设置均基于对各分区用地现状以及未来发展趋势的分析，其中总面积约束是以各分区国土空间现状面积进行约束；经济约束是以现状趋势下能达到的未来总量作为最低值；碳排放量是以现状趋势下能达到的未来总量作为最高值；各地类面积约束则是以现状值和未来预测值作为其优化目标的上下限，并根据发展需求分别对不同地类做相应调整；步骤S31中，用地扩张因素分析的具体实现方式如下：a土地扩张分析策略将不同时期的土地利用数据进行叠加，并提取状态发生变化的单元格代表每种地类的变化区域，随机抽取采样点并根据地类划分子集；对引起某一地类扩张的驱动因子进行挖掘时，将发生扩张的区域设定为1，未发生扩张的区域设定为0，然后选取不同的驱动因素，使用随机森林算法，获得不同土地利用类型扩张规律的转化规则；b双态决策的随机森林分类LEAS将每种土地利用类型转换规则的挖掘转化为二分类问题，通过随机森林处理高维数据以及变量之间的多重共线性问题，并从原始训练数据集中提取随机样本，最终在单元格i上输出地类k的扩张概率 式中：d的值为0或1，值为1时表示有其他地类转变为地类k，0表示转变为其他地类；x是由多个驱动因素组成的向量；I·是决策树集合的指示函数；hKx是向量x的第K个决策树的预测类型；M是决策树的总数；步骤S32中，国土空间布局分区模拟的具体实现方式如下：a宏观需求与局部竞争反馈计算土地利用类型即地类k的总体概率的基本公式可表示为： 式中：表示在第i个单元格上地类k的扩张概率；为未来对地类k需求的影响，是一个自适应驱动系数；表示单元格i的邻域效应，即地类k在下一个邻域内的覆盖比例； 式中：为元胞p在t时刻的邻域作用；表示地类k在t-1时所占的单元格总量；ωk表示各地类的邻域影响因子；参考现有研究并根据受人为影响强度因素，各地类的扩张能力依次为人造地表耕地林地草地湿地水体裸地；地类k在迭代时刻t的自适应驱动系数为： 式中：和表示t-1和t-2时刻时地类k的真实需求和当前数量间差异；最后，根据所有地类的总体概率构造一个轮盘，用于选择下一次迭代的土地利用状态；b基于递减阈值的多类型随机斑块种子PLUS模型采用基于递减阈值的多类型随机斑块种子机制来模拟多种地类的空间演化，通过整体概率计算过程实现；当地类k的邻域效应为0时，该机制通过使用蒙特卡罗方法在每种地类的扩张概率面上生成变化“种子”： 式中：γ是一个随机值，范围从0到1；μk是地类k生成新土地利用斑块的阈值；种子可能会产生新的地利用类型并长成由一组具有相同土地利用类型的网格形成的新斑块；为了控制多个土地利用斑块的产生，提出基于竞争过程的递减阈值规则，以限制所有土地利用类型的有机和自发增长；如果新的土地利用类型在一轮竞争中获胜，则使用递减阈值τ来评估轮盘赌选择的候选土地利用类型c，如下所示： 式中：Step是PLUS模型的步长，用于近似土地利用需求；δ为递减阈值τ的衰减因子，取值范围为0到1；r1是一个正态分布的随机值，均值为1，范围从0到2；l是衰减步长的数目；TMk,c定义是否允许地类k转换为地类c的转换成本矩阵。

全文数据：

权利要求：

百度查询： 福州大学 基于MOP-PLUS模型的低碳导向下省域国土空间分区优化模拟方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD