基于复杂多目标的低碳城市空间结构及形态的模拟与优化

气候变化已经成为全球关注的焦点问题，碳排放则是全球气候变暖的主要因素。城市作为碳排放的主要源头，而且城市空间结构及形态是影响能源消耗与碳排放的重要因素。因此，对低碳城市空间结构规划与城市形态的智能优化具有重要的理论意义和应用价值，但目前这方面的实证性研究及理论、技术方法尚处于初始阶段。本项目针对其中一些关键科学问题，构建描述城市空间结构及形态的综合指标体系，并利用数据挖掘技术建立城市形态与碳排放之间的关系；进而结合GIS、地理模拟系统以及群集智能开展城市碳排放情景模拟和低碳城市形态优化的研究，建立可操作、可推广的低碳城市空间智能规划技术。.课题组已超额完成上面计划，研究成果主要包括城市用地增长模式的时空变化研究、定量分析城市形态与碳排放的关系、基于夜间灯光影像，人口密度和交通道路的全球能源碳排放空间分布研究、基于NPP-VIIRS夜间灯光数据的全球CO2排放空间分布评估研究、基于多标签分析的土地利用变化监测及对区域碳收支的影响、基于斑块CA的城市扩张模拟研究、基于知识转移和自适应元胞自动机模型的土地利用模拟研究、结合景观扩张指数和元胞自动机模型的城市增长模拟研究、基于劳动力经济学与多智能体系统的人口时空变化模拟研究、利用蚁群智能优化生态控制线的范围、多类蚁群算法及其在复杂土地利用空间优化中的应用、基于改进人工免疫算法的土地利用格局 Pareto 多目标优化、基于系统动力学模型与混合粒子群算法的城市土地空间情景规划研究、模拟珠三角地区在不同发展政策下的城市形态与能源消耗变化等。项目期间发表SCI论文14篇，培养研究生11个。