Identificación Espacial y Análisis de Cambio del Espacio de Producción-Vida-Ecológico Utilizando Datos Geoespaciales de Múltiples Fuentes: Un Estudio de Caso en la Península de Jiaodong, China
Autores: Ni, Mingyan; Zhao, Yindi; Ma, Caihong; Jiang, Wenzhi; Xie, Yanmei; Hou, Xiaolin
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Identificación Espacial y Análisis de Cambio del Espacio de Producción-Vida-Ecológico Utilizando Datos Geoespaciales de Múltiples Fuentes: Un Estudio de Caso en la Península de Jiaodong, China
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Heterogeneidad significativa
Distribución espacial
Punto de interés
Actividad socioeconómica humana
Uso del suelo
Identificación espacial
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La heterogeneidad significativa en la distribución espacial de los datos de puntos de interés (POI), la ausencia de información sobre la actividad socioeconómica humana en las imágenes de teledetección (RSI) y el alto costo de adquisición de datos de uso del suelo (LU) restringen su aplicación en la identificación espacial de PLES. Utilizar datos fácilmente accesibles para una identificación espacial detallada de PLES sigue siendo un desafío urgente, especialmente al seleccionar un área de estudio que abarque tanto áreas urbanas construidas (UBUA) como áreas no urbanas construidas (NUBUA). Para abordar este problema, proponemos un método de identificación espacial de PLES que combina datos de POI y datos de cobertura del suelo (LC) en este documento. El método propuesto primero clasificó las unidades de análisis espacial (SAUs) en espacio de producción agrícola (APS), espacio ecológico (ES) y espacio ambiguo (AS) basado en la rica información física superficial de los datos de LC. Posteriormente, el AS se clasificó aún más en espacio de vida (LS) y espacio de producción no agrícola (NAPS) basado en la rica información socioeconómica humana de los datos de POI. Para el AS que no contiene POI, se estableció una regla simple para diferenciarlo en LS o NAPS. La efectividad del método fue verificada mediante evaluación de precisión y comparación visual. Al aplicar el método a la Península de Jiaodong, identificamos los PLES de la Península de Jiaodong para 2018 y 2022, exploramos más a fondo sus características de distribución espacial y analizamos sus cambios. Finalmente, realizamos una discusión sobre las situaciones del mundo real y los mecanismos impulsores de los cambios en PLES y propusimos varias ideas políticas. Los resultados indicaron que tanto las características de distribución espacial de PLES como el cambio de PLES en la Península de Jiaodong eran obvios y mostraron una diferenciación significativa entre UBUA y NUBUA. Las condiciones climáticas y de recursos naturales, la ubicación geográfica, las macro-políticas y los comportamientos gubernamentales impulsaron los cambios en PLES.
Descripción
La heterogeneidad significativa en la distribución espacial de los datos de puntos de interés (POI), la ausencia de información sobre la actividad socioeconómica humana en las imágenes de teledetección (RSI) y el alto costo de adquisición de datos de uso del suelo (LU) restringen su aplicación en la identificación espacial de PLES. Utilizar datos fácilmente accesibles para una identificación espacial detallada de PLES sigue siendo un desafío urgente, especialmente al seleccionar un área de estudio que abarque tanto áreas urbanas construidas (UBUA) como áreas no urbanas construidas (NUBUA). Para abordar este problema, proponemos un método de identificación espacial de PLES que combina datos de POI y datos de cobertura del suelo (LC) en este documento. El método propuesto primero clasificó las unidades de análisis espacial (SAUs) en espacio de producción agrícola (APS), espacio ecológico (ES) y espacio ambiguo (AS) basado en la rica información física superficial de los datos de LC. Posteriormente, el AS se clasificó aún más en espacio de vida (LS) y espacio de producción no agrícola (NAPS) basado en la rica información socioeconómica humana de los datos de POI. Para el AS que no contiene POI, se estableció una regla simple para diferenciarlo en LS o NAPS. La efectividad del método fue verificada mediante evaluación de precisión y comparación visual. Al aplicar el método a la Península de Jiaodong, identificamos los PLES de la Península de Jiaodong para 2018 y 2022, exploramos más a fondo sus características de distribución espacial y analizamos sus cambios. Finalmente, realizamos una discusión sobre las situaciones del mundo real y los mecanismos impulsores de los cambios en PLES y propusimos varias ideas políticas. Los resultados indicaron que tanto las características de distribución espacial de PLES como el cambio de PLES en la Península de Jiaodong eran obvios y mostraron una diferenciación significativa entre UBUA y NUBUA. Las condiciones climáticas y de recursos naturales, la ubicación geográfica, las macro-políticas y los comportamientos gubernamentales impulsaron los cambios en PLES.