Presentation Details
基于时序数据的全球城市增长模型模拟及情景预测
ID：2075
View Protection：ATTENDEE
Updated Time：2021-06-16 17:51:25 Hits：1313
Oral Presentation
Start Time：2021-07-10 13:24（Asia/Shanghai）
Duration：12min
Session：S7C 7C、地理及地理信息科学 »
No files
Abstract
随着遥感大数据的发展，时序信息已经成为了理解地表变化的重要观测数据，从而增进对多种地表过程的理解和变化。然而，在城市增长模型领域，时序信息与土地利用变化模型的联动目前仍然存在着较大的挑战。本研究基于遥感获取的逐年全球城市用地数据，率先探索了逐年的长时序数据在全球城市增长模型中的应用。时序信息主要从两个方面引入到模型中，一方面是基于长时序高时频的城市面积变化与社会经济数据的关系构建城市面积估算模型，另一方面是引入城市发展阶段的区位变化特征到城市元胞自动机模型。研究表明所得到的模型结果在城市面积的趋势估算上和空间形态都较传统的模型有了显著的提升。基于此，研究开发了全球1870-2100跨百年的城市动态数据集，可以支持城市与农业、城市化与全球环境变化等相关学科的交叉应用和研究。
Keywords
Cellular automata model,urban growth,remote sensing
Speaker
李雪草
中国农业大学Submission Author
All Comments
Important Date
-
Conference Date
Jul 09
2021
toJul 11
2021
-
May 30 2021
Abstract Submission Deadline
-
May 30 2021
Draft paper submission deadline
-
May 30 2021
Early Bird Registration
-
Jul 10 2021
Registration deadline
-
Jul 11 2021
Contribution Submission Deadline
Sponsored By
青年地学论坛理事会
Organized By
中国科学院地球化学研究所
贵州大学
贵州大学
Contact Information
Submit Comment