一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法

摘要

本发明公开了一种集成GCAM和CA的全球土地利用和土地覆被序列空间化方法，将GCAM模型与地理CA相结合，实现全球283个子区域、2010年到2100年的全球土地利用序列空间化数据产品，空间分辨率为1km，时间分辨率为5年；综合神经网络初始概率、邻域影响、各子区域的地类转变权重矩阵和规划约束条件，得到各子区域地类的综合转变概率，对各子区域的土地利用和土地覆被进行空间化。本发明主要应用于未来不同发展情景下的全球土地利用变化与覆被建模，具备实现生产高分辨率全球LUCC产品的能力，推动了全球尺度下高分辨率土地利用模型构建的研究。