论文摘要
研究使用经济和环境多源大数据,建立包含人口、GDP等经济指标和空气质量等环境指标的中国经济-环境关联体系,识别各指标的热点、冷点时空变化特征,采用人工神经网络聚类方法对中国现阶段经济-环境进行综合分区。研究结果如下:①灯光平均强度较高的省份主要集中在沿海地区,经济以长三角、珠三角和环渤海区域为主要拉动引擎,呈东南高西北低的发展态势,东部沿海地区经济发展优于东北、中部和西南地区。②PM2.5浓度呈现先增后减趋势,高污染区主要集中在华北、华中等区域;东北方向逐步扩散,污染热点地区从辽东半岛、山海关一线向东北扩张;南方地区基本保持稳定态势。③采用自组织特征映射模型对2015年全国各地级市OLS灯光指数、人口、城市自然边界和年均PM2.5浓度4类指标进行聚类,第I类为经济极发达-环境恶化地区,主要位于华北平原和长江三角洲;第II类为经济发达-环境趋恶化地区,主要分布在第I类区域周边,特别是京津冀周边地区;第III类为经济发达-环境良好地区,广东、海南、江西、福建以及重庆等省市多属此类型;第IV类为经济不发达-环境优质地区,主要分布于东北地区北部、内蒙古、甘肃、贵州、新疆、青海、西藏等地。
论文目录
文章来源
类型: 期刊论文
作者: 冯喆,蒋洪强,卢亚灵
关键词: 经济环境关联体系,夜间灯光指数,自组织特征映射模型
来源: 地理科学 2019年02期
年度: 2019
分类: 基础科学,工程科技Ⅰ辑,经济与管理科学
专业: 环境科学与资源利用,经济体制改革
单位: 环境保护部环境规划院国家环境保护环境规划与政策模拟重点实验室,中国地质大学(北京)土地科学技术学院
基金: 国家环境保护环境规划与政策模拟重点实验室开放基金(ZDSYS201701),国家自然科学基金项目(71603097,71433007,41771204)资助~~
分类号: X513;F124
DOI: 10.13249/j.cnki.sgs.2019.02.008
页码: 242-251
总页数: 10
文件大小: 5813K
下载量: 540
相关论文文献
- [1].基于SOFM神经网络的湖南省水土流失重点防治区划分[J]. 水利规划与设计 2020(06)
- [2].An improved de-interleaving algorithm of radar pulses based on SOFM with self-adaptive network topology[J]. Journal of Systems Engineering and Electronics 2020(04)
- [3].CLUSTERING OF DOA DATA IN RADAR PULSE BASED ON SOFM AND CDBW[J]. Journal of Electronics(China) 2014(02)
- [4].基于SOFM网络的京津冀地区生态系统服务分区[J]. 地理科学进展 2013(09)
- [5].基于SOFM网络的山东省水资源承载力评价[J]. 安徽农业科学 2009(33)
- [6].基于SOFM网络法的天然草地分类[J]. 草业学报 2011(01)
- [7].一种SOFM网络的二阶段聚类算法[J]. 小型微型计算机系统 2018(02)
- [8].基于SOFM法山东省地市旅游综合实力评价研究[J]. 河北师范大学学报(自然科学版) 2008(02)
- [9].基于SOFM网络的雷达装备智能故障诊断[J]. 空军雷达学院学报 2010(03)
- [10].基于SOFM网络的扎龙自然保护区的生态功能分区[J]. 黑龙江科技信息 2017(08)
- [11].SOFM模型在杂草图像识别中的应用[J]. 计算机工程与科学 2011(04)
- [12].基于改进的SOFM神经网络的矢量量化方法[J]. 计算机工程与科学 2011(12)
- [13].一种基于SOFM网络图像分割的彩色化方法[J]. 广播电视信息 2016(02)
- [14].一种改进的SOFM聚类算法研究[J]. 河北科技大学学报 2012(06)
- [15].改进的SOFM神经网络在矿井水源判别中的应用[J]. 矿业研究与开发 2017(12)
- [16].SOFM储层综合评价方法及其在延吉盆地的应用[J]. 吉林大学学报(地球科学版) 2009(01)
- [17].基于SOFM网络的区位竞争力分析[J]. 承德石油高等专科学校学报 2008(04)
- [18].基于小波奇异熵与SOFM神经网络的电机轴承故障识别[J]. 振动与冲击 2017(10)
- [19].基于SOFM的区域界线划分方法[J]. 地理科学进展 2008(05)
- [20].基于SOFM神经网络的起重机故障诊断[J]. 起重运输机械 2018(10)
- [21].煤与瓦斯突出预测的SOFM模型及应用[J]. 矿冶 2018(02)
- [22].一种基于改进的SOFM神经网络的图像无损压缩方法[J]. 电信科学 2011(07)
- [23].耦合SOFM与SVM的生态功能分区方法——以鄂尔多斯市为例[J]. 地理学报 2019(03)
- [24].基于SOFM融合的亮度不均图像分割方法[J]. 舰船电子工程 2015(12)
- [25].SOFM网络在矢量量化的应用[J]. 山西大同大学学报(自然科学版) 2015(04)
- [26].基于SOFM神经网络的多目标跟踪方法[J]. 四川兵工学报 2009(04)
- [27].基于SOFM和遗传算法的定量数据规则提取[J]. 系统工程理论与实践 2008(07)
- [28].基于SOFM神经网络的军用灰色涂层腐蚀行为研究[J]. 表面技术 2017(10)
- [29].基于SOFM网络的环嵩山地区史前聚落规模等级研究(英文)[J]. Journal of Geographical Sciences 2013(03)
- [30].基于粗糙集理论和SOFM神经网络的聚类方法[J]. 计算机应用与软件 2009(08)
标签：经济环境关联体系论文; 夜间灯光指数论文; 自组织特征映射模型论文;