Un marco de modelo SD-ANN-CA de dos capas para la predicción de cambios en el uso del suelo y la cobertura terrestre de múltiples tipos bajo restricciones: Estudio de caso del área de la ciudad de Ya"an, en el oeste de China
Autores: Zhao, Jingyao; Zhu, Xiaofan; Zhang, Fan; Gao, Lei
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un marco de modelo SD-ANN-CA de dos capas para la predicción de cambios en el uso del suelo y la cobertura terrestre de múltiples tipos bajo restricciones: Estudio de caso del área de la ciudad de Ya"an, en el oeste de China
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Uso del suelo
Cambio en la cobertura del suelo
Predicción de LUCC
China occidental
Modelo SD-ANN-CA
Disposición espacial
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La predicción del cambio de uso y cobertura del suelo (LUCC) en las ciudades del oeste de China requiere una mayor precisión en la demanda cuantitativa y la disposición espacial debido a los complejos desafíos en el equilibrio de las relaciones entre las construcciones urbanas y los desarrollos ecológicos. Considerando áreas a nivel de ciudad y varios tipos de uso y cobertura del suelo, los modelos de LUCC existentes sin restricciones o con solo restricciones de demanda laxas eran poco prácticos para proporcionar evidencia de predicciones de alta precisión y alta resolución en áreas que enfrentan una feroz competencia por la tierra. En este estudio, propusimos un modelo de dos capas SD-ANN-CA para simular y explorar la tendencia y las predicciones de disposición de LUCC para 2018, 2028 y 2038 en la ciudad de Ya"an, en el oeste de China. La estructura de dos capas, con una capa superior del modelo SD y una capa inferior del modelo ANN-CA, así como las ventajas de los tres métodos de dinámica de sistemas (SD), red neuronal artificial (ANN) y autómatas celulares (CA), nos han permitido considerar las restricciones de demanda a nivel macro, las restricciones de factores impulsores a nivel meso y las restricciones espaciales a nivel micro en un marco de modelo unificado. Los resultados de la simulación del año 2018 han mostrado una mejora significativa en la precisión del modelo ANN-CA construido en nuestro trabajo anterior, especialmente en tipos de tierras forestales (error-precisión: 0.08%), tierras de pasto (error-precisión: 0.23%) y tierras de construcción (error-precisión: 0.18%). Las predicciones de disposición de los seis tipos de uso del suelo en 2028 y 2038 se llevan a cabo para proporcionar apoyo visual, lo que puede mejorar la eficiencia de los procesos de planificación y toma de decisiones. Nuestro trabajo también puede proporcionar ideas sobre nuevas formas de combinar métodos cuantitativos con métodos espaciales en la construcción de modelos de LUCC a nivel de ciudad o incluso a nivel regional con alta resolución.
Descripción
La predicción del cambio de uso y cobertura del suelo (LUCC) en las ciudades del oeste de China requiere una mayor precisión en la demanda cuantitativa y la disposición espacial debido a los complejos desafíos en el equilibrio de las relaciones entre las construcciones urbanas y los desarrollos ecológicos. Considerando áreas a nivel de ciudad y varios tipos de uso y cobertura del suelo, los modelos de LUCC existentes sin restricciones o con solo restricciones de demanda laxas eran poco prácticos para proporcionar evidencia de predicciones de alta precisión y alta resolución en áreas que enfrentan una feroz competencia por la tierra. En este estudio, propusimos un modelo de dos capas SD-ANN-CA para simular y explorar la tendencia y las predicciones de disposición de LUCC para 2018, 2028 y 2038 en la ciudad de Ya"an, en el oeste de China. La estructura de dos capas, con una capa superior del modelo SD y una capa inferior del modelo ANN-CA, así como las ventajas de los tres métodos de dinámica de sistemas (SD), red neuronal artificial (ANN) y autómatas celulares (CA), nos han permitido considerar las restricciones de demanda a nivel macro, las restricciones de factores impulsores a nivel meso y las restricciones espaciales a nivel micro en un marco de modelo unificado. Los resultados de la simulación del año 2018 han mostrado una mejora significativa en la precisión del modelo ANN-CA construido en nuestro trabajo anterior, especialmente en tipos de tierras forestales (error-precisión: 0.08%), tierras de pasto (error-precisión: 0.23%) y tierras de construcción (error-precisión: 0.18%). Las predicciones de disposición de los seis tipos de uso del suelo en 2028 y 2038 se llevan a cabo para proporcionar apoyo visual, lo que puede mejorar la eficiencia de los procesos de planificación y toma de decisiones. Nuestro trabajo también puede proporcionar ideas sobre nuevas formas de combinar métodos cuantitativos con métodos espaciales en la construcción de modelos de LUCC a nivel de ciudad o incluso a nivel regional con alta resolución.