导读:本文包含了情景模拟模型论文开题报告文献综述及选题提纲参考文献，主要关键词:林浆纸产业,LEAP,碳排放,情景分析
情景模拟模型论文文献综述
吴晓珍,景晓玮,赵庆建[1]（2019）在《基于LEAP模型的林浆纸产业碳排放情景模拟》一文中研究指出针对林浆纸行业碳减排情景进行模拟分析。以2016年为基准年,设定了1个基准碳排放情景和缩减产能、技术推广以及和碳交易市场3个政策情景。从宏观经济视角出发,采用情景分析法,运用LEAP模型模拟不同情景下的能源需求与碳排放趋势。结果表明:碳交易市场政策对于造纸产业节能减排的效果最好,其次为缩减产能政策,再其次为技术推广政策,最后为基准情景。(本文来源于《中国林业经济》期刊2019年05期）
李传华,韩海燕,范也平,曹红娟,王玉涛[2]（2019）在《基于Biome-BGC模型的青藏高原五道梁地区NPP变化及情景模拟》一文中研究指出以"气候变暖"为标志的全球气候变化对青藏高原生态系统产生强烈影响,利用参数本地化的生物地球化学模型(Biome-BGC)对五道梁地区草地生态系统进行模拟,研究了该区域1961～2015年净初级生产力(net primary productivity,NPP)的变化,并进行了情景模拟。结果表明:五道梁地区近55 a草地年均NPP为67.94 g/(m~2·a),呈显着上升趋势,主要是由生长季延长以及9月份生物量快速增长造成。在该地区,温度是草地NPP的主导因子,降水变化在40%以内对生产力影响不显着;温度和降水交互影响NPP,对单一影响有放大作用,暖湿条件下NPP对气候变化响应更加明显。(本文来源于《地理科学》期刊2019年08期）
黄国平,索飞[3]（2019）在《基于CLUE-S模型的武汉市武昌区土地利用情景模拟研究》一文中研究指出土地利用/覆盖变化是当今全球变化研究的热点。文章以武汉市武昌区为研究对象,以2011年和2014的TM遥感影像为数据源,运用GIS技术以及数理统计技术,分析武昌区2011-2014年的土地利用/覆盖变化特征,研究其变化机制,探讨CLUE-S模型在该地区的适用情况,并在此基础上运用CLUE-S模拟对武昌区2017年的土地利用/覆盖情况进行情景模拟,为长江中游城市未来的城市发展提供一定技术参考。(本文来源于《科技创新与应用》期刊2019年23期）
曹雪萍,王婧如,鲁松松,张晓玮[4]（2019）在《气候变化情景下基于最大熵模型的青海云杉潜在分布格局模拟》一文中研究指出青海云杉(Picea crassifolia)是我国青藏高原东北缘特有树种,在维系我国西北地区生态平衡、水土保持、水源涵养和生物多样性等方面发挥着重要作用。基于其分布范围内的69个地理分布样点,利用最大熵(Maxent)模型对现实气候条件下青海云杉的潜在分布及其分布的主导气候因子进行分析,同时结合3种大气环流模型模拟青海云杉在3种气候变化情景(温室气候排放量不同)下未来2050s和2080s潜在分布区的变化。结果表明:Maxent模型对青海云杉潜在分布区的预测具有极高的准确度,所有模型的平均受试者工作特征曲线下面积(AUC测试值)均高于0.99;Jackknife检验和气候因子响应曲线表明年最低降雨量是限制青海云杉分布的主导因子;当前青海云杉的潜在分布区主要集中于青海东部、甘肃东南部、宁夏大部分地区、西藏东部、四川西部山区以及陕西、新疆和内蒙古部分地区。在未来3种增温情景下,青海云杉在2050s和2080s的潜在分布总面积与当前相比变化不明显,但不同适生等级的潜在分布面积变化较大,其中,中度适生区和低度适生区受气候增温影响显着,中度增温下这些区域在2080s的面积明显增大,而高度适生区(核心分布)则在所有增温情景下均呈缩小趋势。同时,在未来3种增温情景下,青海云杉在2050s和2080s的潜在分布区有向北移动趋势,但其心分布区域(高度适生区)仍然以青海东部、甘肃北部为主,无明显变迁趋势。从气候因素角度考虑,本研究表明未来气候变化情景下,青海云杉依然在西部高山地区,特别是作为我国重要生态屏障的祁连山、贺兰山等山区具有重要的经济价值并将持续其生态服务功能。(本文来源于《生态学报》期刊2019年14期）
林鸿煜,钱晶,严力蛟,黄绍荣[5]（2019）在《基于形态学空间格局分析与CA-Markov模型的武义县绿色基础设施时空格局变化及情景模拟》一文中研究指出在全球城市化快速发展的背景下,绿色基础设施(GI)因其良好的生态环境效益而在城市规划与建设中受到重视。以浙江省金华市武义县为研究区,采用ArcGIS、GuidosToolBox、Conefor 2.6等软件对武义县1990、2005、2018年的3期土地利用类型图进行形态学空间格局分析,并设置城市发展优先、生态保护优先、自然发展3种情景,运用CA-Markov模型分别预测3种情景下的未来绿色基础设施空间格局。结果显示:1990—2018年武义县的绿色基础设施面积占武义县面积的比例在不断降低,重要核心区、孤岛面积不断减少,桥接区、孔隙、支线面积不断增大,景观破碎化问题加重。在2030年的情景模拟中,自然发展和城市发展优先情景下的武义县GI面积分别减少171.79 km~2和225.73 km~2,核心区面积分别减少84.81 km~2和126.76 km~2。生态保护优先情景下,武义县GI面积增加25.52 km~2,核心区面积增加69.60 km~2。结果表明,如果一味追求粗犷式的经济发展,忽视生态保护,武义县的景观破碎化问题将进一步加剧。基于此,武义县应以生态保护优先为前提,适度开发中部、南部地区的旅游资源,以实现经济增长与环境相协调的可持续发展战略。(本文来源于《浙江农业学报》期刊2019年07期）
李晓蕾,魏建新,徐丽萍,位宏,薛凯[6]（2019）在《基于CLUE-S模型的博斯腾湖流域土地利用变化情景模拟》一文中研究指出区域土地利用演变是一个复杂的多因素综合作用下的非线性变化过程,通过土地利用变化模型去深入理解这种演变过程、特点以及未来变化趋势是一种有效的技术手段。以典型干旱区绿洲——博斯腾湖流域为研究区,运用CLUE-S模型,并结合Logistic回归分析、情景分析等方法,模拟了博斯腾湖流域2030年不同情景方案下的土地利用空间分布格局。结果表明:(1)以2010年土地利用数据为基准模拟的2015年土地利用格局,模拟正确比例为91. 05%,Kappa指数为0. 895,模拟效果良好,表明CLUE-S模型在博斯腾湖流域具有良好的土地利用变化模拟能力。(2)在不同模拟情景方案下,城建用地和耕地面积都将持续增长,新增城建用地和耕地主要是在现有基础上向外延伸;草地面积也有一定程度的增加,但增速明显放缓;林地和水域面积将继续萎缩。3种情景方案下的研究区土地利用空间分布格局存在较大差异。该研究可为博斯腾湖流域土地资源合理配置及生态保护提供理论参考。(本文来源于《石河子大学学报(自然科学版)》期刊2019年03期）
冯源[7]（2019）在《基于多层感知机与元胞自动机的整合模型构建及用地情景模拟》一文中研究指出土地资源是人类生产生活发展的物质基础,也是自然环境重要的组成部分。人类在不断发展的同时,也影响和改变着全球生态环境变化。本文以叁峡库区作为研究区域,以2010年土地利用现状数据为标签与13个驱动因子以及各类用地邻域因子共20个特征组成数据集,同时构建模型对研究区域进行模拟,并进行情景预测。主要内容及结论如下:1.构建多层神经网络与元胞自动机结合的模型对叁峡库区2010年土地利用情况进行模拟。通过调整网络结构,来寻找最适合研究区域的模型。经过多次实验,以模拟精度与Kappa精度值作为评判指标,在隐藏层为3的情况下,模型的测试精度最高,达到0.959,总体Kappa精度值为0.93。2.针对数据样本不均衡问题,对模型进行优化。通过采用数据采样方法对训练数据进行处理,并将处理前后的数据分别导入神经网络与元胞自动机结合的模型中进行学习。经测试集测试,相对于数据处理前的最优网络模型,模拟总精度提升了0.52%,模拟精度达到最佳为0.964。总体Kappa精度值为0.9372,提高了0.77%。优化后的模型对于少数类样本模拟精度有显着提升,其中灌木地类型的Kappa精度提升最大,提高了146.01%。将模型与卷积神经网络,深度置信网络,CLUE-S叁种模型进行对比实验。结果显示,本文所构建的模型较其他叁种模型在精度上有一定的优势。3.设计不同的发展情景来预测未来2020年叁峡库区的土地利用情况,并用生态服务价值指标和经济效益指标来评价各发展模式的好坏。最后以生态-经济效益最优为目标,建立多目标方程,来模拟出2020年总效益最优的土地利用情况。4.使用Delphi与Python两种编程语言实现过采样方法,深度神经网络与元胞自动机相结合的情景模拟软件。(本文来源于《重庆邮电大学》期刊2019-05-28）
朱晓萌[8]（2019）在《基于CLUE-S模型的哈尔滨市生态用地格局时空演变与情景模拟研究》一文中研究指出哈尔滨市是我国东北地区的中心城市之一,并且正在处于城市快速发展与扩张的阶段,许多具有重要生态系统服务功能的生态用地被转换为建设用地,导致区域生态系统服务无法满足居民的需求,最终引起了许多生态环境问题。生态用地的数量与空间布局直接影响到城市生态系统的稳定性与安全性,因此,研究生态用地格局演变与模拟变成了国内外学者关注的重要热点之一。目前,国内外对生态用地格局演变的研究大多局限于对历史变化规律的分析,而且大多只注重生态用地的数量变化,很少有研究从生态用地质量与生态功能的角度来分析生态用地演变特征与机制。在城市生态用地的模拟方面,很少有研究考虑了土地的生态功能属性与生态用地格局之间的关系;此外,大部分应用于生态用地格局模拟的模型没有考虑到引起生态用地变化的各类驱动因子之间相互作用的影响,忽略了自然生态系统与社会经济系统之间的内在关系对生态用地数量的影响。这些问题导致了无法科学合理地模拟未来城市生态用地的需求数量和空间格局。为了解决上述问题,本研究从生态系统服务价值演变的角度来研究生态用地的质量变化,更加全面地揭示了哈尔滨市生态用地格局演变特征与机制;为了将生态用地的生态功能属性与其空间格局充分关联起来,本文通过最小累积阻力(MCR)模型划分哈尔滨市的生态用地保护分区来设定CLUE-S模型中的空间限制模块;此外,基于SD模型来解释生态用地演变过程中各因素之间的相互作用的影响,耦合SD模型与CLUE-S模型来模拟多目标情景下未来哈尔滨市生态用地数量与格局的变化趋势。其结果如下:(1)2000至2015年间,哈尔滨市生态用地面积减少了665.2 km~2,减少速度越来越快。其中,耕地、草地和湿地的面积减少,水体和林地面积分别增加了374.72 km~2和194.40 km~2。但是,裸地与建设用地的面积逐渐增加,扩张速度也越来越快。这表明哈尔滨进入了全面城镇化建设的高速发展阶段,建设用地的扩张导致了生态用地的面积持续缩减。市郊区域的部分草地和裸地转变为建设用地,位于城市远郊区、主干路和村庄周边的小部分林地转化成了耕地,大部分脆弱的裸地和湿地转变成耕地。这说明生态用地与非生态用地的转变与居民的食物需求、至主要城镇村庄的距离、至主要道路的距离有着密切的关系。生态用地的演变除了受到自然因子的影响,也受到经济、社会等驱动力因素的影响。所以,本研究从自然因素、经济因素、社会因素这叁个方面选取了16个具有代表性的驱动因素来构建驱动力指标体系。(2)2000年至2015年期间哈尔滨市生态系统服务价值(ESV)总量年际变化波动较大,但总体趋势是下降的。ESV值较高的区域主要集中在水域、湿地和东南部的林地等区域,而ESV重心主要集中在ESV值较高的区域,通过ESV重心的空间转移可知松花江上游区域的生态环境质量有所好转。总之,哈尔滨市ESV的时空演变与生态用地的数量和空间变化密切相关,其中生态用地的调节服务和支持服务所占比重较大,而水文调节服务、保护生物多样性与土壤保持供给服务相对比较重要。本文基于以上的特征识别重要的生态“源”区,确定生态用地扩张阻力系数,通过MCR模型来划分哈尔滨市生态用地保护分区。结果表明哈尔滨市累积阻力值较低的区域主要集中分布在水体、湿地、林地和远离城镇的大片耕地的区域,其周边区域的景观连通性相对较好。生态用地保护分区可以根据较低累积阻力值的区域来划分,为之后的生态用地格局模拟奠定基础。(3)通过SD模型来模拟生态用地需求量,其构建的生态用地变化系统动力学模型由是叁个子系统组成:土地子系统、社会子系统、经济子系统。最终模拟结果的相对误差在0.95以内,可较好地模拟哈尔滨市各类生态用地的需求量。此外,基于研究初期2000年哈尔滨市生态用地数据,对之前选取的驱动因子进行二元逻辑斯蒂回归分析,确定ROC值最高的200m×200m栅格分辨率作为模拟的研究尺度。然后,将之前得到的生态用地保护分区、需求数量等结果输入到CLUE-S模型中进行模拟,验证得到Kappa指数为0.89898,说明驱动因子及其回归系数、生态限制区等数据能较好地解释哈尔滨市生态用地格局的空间变化。通过将SD模型和MCR模型的结果耦合到CLUE-S模型中来模拟四种目标情景下哈尔滨市2030年生态用地格局的变化趋势,不仅考虑到生态用地演变过程中各类因素之间相互作用的影响,还考虑到生态用地的生态功能属性与空间格局之间的关系来确定生态用地的数量与分布。(4)通过对四种目标情景下哈尔滨市2030年生态用地格局的分析,发现哈尔滨市城镇发展速度与生态用地格局演变紧密相关,生态用地的管理与城镇用地扩张之间有较多的矛盾。在经济发展主导情景下,湿地、草地等具有重要生态系统服务功能的生态用地被建设用地或耕地所侵占,未来需要严禁生态敏感性较弱的区域被开发建设,通过划分基础生态红线、生态空间等措施来保护重要生态用地。在生态建设主导情景下,生态环境保护整体上较好,但是存在较严重的水土侵蚀的情况,未来需要加强水域周围的植被保护和流域的生态修复,推广实行保护性耕作方式。在经济-生态协调发展情景下,生态用地保护与城镇用地扩张处于一个平衡的状态,但是牺牲了耕地来满足城镇扩张的需求,对粮食安全产生了一定的威胁,未来需要通过发展集约化农业等方式解决耕地与建设用地之间的冲突。在经济-生态低速发展情景下,水域面积大量减少,存在围湖造田、填湖造地的情况,应该采取加强城市河道综合治理、生态修复、退田还湖等措施来修复重要流域生态系统。不同情境下生态系统服务价值特征表明,城镇发展速度越快生态系统服务价值量相对较少,而南部山林地区的生态系统服务价值较高,未来应该在此区域划分出一片生态保护区来保护此处生态系统的完整性。通过对四种情景下哈尔滨市生态用地格局的问题提出相应的规划建议,最终达到合理调控用地,保障城市生态安全,兼顾社会经济发展与生态环境保护的目的。(本文来源于《东北师范大学》期刊2019-05-01）
林沛锋,郑荣宝,洪晓,郑雪,郑沃林[9]（2019）在《基于FLUS模型的土地利用空间布局多情景模拟研究——以广州市花都区为例》一文中研究指出随着二十一世纪全球城市化的快速发展,我国城市化进程现正处于新阶段,新型城市化要求我们要引导城镇用地合理扩展,提高城镇用地利用效率,促进土地资源优化配置和城市空间的合理布局,实现区域协调可持续发展。本研究为实现城市土地利用在空间上科学合理分布,利用FLUS模型对未来城市用地的空间布局进行多情景模拟预测,为土地利用规划编制和城市规划提供有价值的参考。本研究以广州市花都区为实验区域,基于花都区2010年的土地利用现状数据,利用FLUS模型在30m×30m尺度下模拟2015年的土地利用状况,与花都区2015年的土地利用现状进行可靠性验证,通过马尔科夫法预测2025年花都区的各地类土地利用数量,建立耕地保护、生态保护和城市发展叁种情景模拟花都区土地利用空间分布。结果表明,FLUS模型模拟结果的Kappa指数高达0.8869,总体精度为0.9132,FOM指数也符合标准水平,模型模拟精度高,在不同情景模拟下的土地利用空间布局均呈现出相当的合理性和科学性,模拟结果可为城市规划布局和土地利用规划提供有价值的参考。(本文来源于《国土与自然资源研究》期刊2019年02期）
王保盛,廖江福,祝薇,邱全毅,王琳[10]（2019）在《基于历史情景的FLUS模型邻域权重设置——以闽叁角城市群2030年土地利用模拟为例》一文中研究指出以闽叁角城市群2030年土地利用模拟为例,针对FULS模型邻域权重参数提出一种基于历史情景的设置方法。首先以2015年土地利用数据为基础,结合人工神经网络算法综合12个自然、社会、经济驱动因子计算各土地类型的出现概率和空间分布,然后依据对历史情景的分析,分别用马尔可夫链和分析景观格局指数的方法设定相关参数,最后用自适应惯性竞争元胞自动机模拟闽叁角城市群2030年的土地利用情景。分析发现,同时间尺度各土地类型TA(Total Area)的变化量可以较好的反映其扩张强度,由强到弱依次为建设用地、水域及滩涂、其他土地、草地、林地及农田;TA变化量的无量纲值在数据意义和数据结构方面均较好地契合FLUS模型邻域权重的参数要求;结合各土地类型TA变化量和扩张强度间的相互关系来看,到2030年农田受建设用地扩张的影响最为严重,大量土地由农田、林地、草地及其他土地转变为建设用地或水域及滩涂;建设用地持续扩张,闽叁角城市群空间一体化格局基本形成,其余各土地类型被进一步分离,同类型斑块更趋于独立发展。综合参数设置过程和模拟结果来看,TA变化量的无量纲值可为FLUS模型的邻域权重参数设置提供一种客观可行的方法。(本文来源于《生态学报》期刊2019年12期）
情景模拟模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以"气候变暖"为标志的全球气候变化对青藏高原生态系统产生强烈影响,利用参数本地化的生物地球化学模型(Biome-BGC)对五道梁地区草地生态系统进行模拟,研究了该区域1961～2015年净初级生产力(net primary productivity,NPP)的变化,并进行了情景模拟。结果表明:五道梁地区近55 a草地年均NPP为67.94 g/(m~2·a),呈显着上升趋势,主要是由生长季延长以及9月份生物量快速增长造成。在该地区,温度是草地NPP的主导因子,降水变化在40%以内对生产力影响不显着;温度和降水交互影响NPP,对单一影响有放大作用,暖湿条件下NPP对气候变化响应更加明显。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
情景模拟模型论文参考文献
[1].吴晓珍,景晓玮,赵庆建.基于LEAP模型的林浆纸产业碳排放情景模拟[J].中国林业经济.2019
[2].李传华,韩海燕,范也平,曹红娟,王玉涛.基于Biome-BGC模型的青藏高原五道梁地区NPP变化及情景模拟[J].地理科学.2019
[3].黄国平,索飞.基于CLUE-S模型的武汉市武昌区土地利用情景模拟研究[J].科技创新与应用.2019
[4].曹雪萍,王婧如,鲁松松,张晓玮.气候变化情景下基于最大熵模型的青海云杉潜在分布格局模拟[J].生态学报.2019
[5].林鸿煜,钱晶,严力蛟,黄绍荣.基于形态学空间格局分析与CA-Markov模型的武义县绿色基础设施时空格局变化及情景模拟[J].浙江农业学报.2019
[6].李晓蕾,魏建新,徐丽萍,位宏,薛凯.基于CLUE-S模型的博斯腾湖流域土地利用变化情景模拟[J].石河子大学学报(自然科学版).2019
[7].冯源.基于多层感知机与元胞自动机的整合模型构建及用地情景模拟[D].重庆邮电大学.2019
[8].朱晓萌.基于CLUE-S模型的哈尔滨市生态用地格局时空演变与情景模拟研究[D].东北师范大学.2019
[9].林沛锋,郑荣宝,洪晓,郑雪,郑沃林.基于FLUS模型的土地利用空间布局多情景模拟研究——以广州市花都区为例[J].国土与自然资源研究.2019
[10].王保盛,廖江福,祝薇,邱全毅,王琳.基于历史情景的FLUS模型邻域权重设置——以闽叁角城市群2030年土地利用模拟为例[J].生态学报.2019