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
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: 6
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.