城市典型要素遥感智能监测与模拟推演关键技术EI北大核心CSCD

城市典型要素遥感智能监测与模拟推演的理论、方法与应用,对于国土空间规划与管理,城市规划与综合治理,区域决策与管理等均具有关键支撑作用。针对覆盖要素和驱动要素复杂非线性,本文研发了协同多源遥感数据的智能识别方法,实现了精细化高可信覆盖要素分类;协同遥感、POI兴趣点和时空大数据等多源数据,有效探测和识别了要素变动的驱动力。在此基础上,开展了空间演变机理挖掘、空间统计建模、启发式智能建模,并应用于土地利用、城市扩张、生态演变、碳储量等。同时,研发了聚焦城市生长推演的UrbanCA平台以及聚焦多类土地利用变化推演的Futureland平台,集成了自主研发的模拟推演系列方法并以长三角为主要区域进行了验证。