耦合文本挖掘与高维排序权重法的综合指数算法及中国省级发展评价应用案例

科学实用的综合指数算法对监测区域发展状况有重要意义。综合指数算法的关键在于权重量化,其中以主观权重的量化最为困难。少数个体的主观权重量化难以进行精确的数值化且缺乏代表性;群体的主观权重量化中存在意见收集过程繁杂的困难。本文提出耦合文本挖掘与高维排序权重法的综合指数算法,其中文本挖掘技术能够基于文本对各维度进行权重数值排序提取、解决主观意见获取与量化难题,高维排序权重法能利用权重数值排序计算综合指数、降低权重量化要求。为证明算法的可用性,基于政策文本挖掘政府决策者主观意见,逐年量化了符合政策导向和时代特色的维度权重排序并分析了中国2000—2019年省级区域发展质量水平。结果表明,新算法评价结果合理、可用性强。中国省级区域发展质量整体水平前、中期平稳上升,后期波动上升;东部沿海省份形成高水平聚集区;随着中部和西南省份的崛起,东西发展不均衡问题有所缓解。本文耦合算法的应用不局限于案例中的区域发展,可在大数据时代的数据红利支持下进行高效、低成本的指数评价和决策支持。     

20世纪90年代以来土地变化模型的研究趋势与未来挑战

在多种自然及人文因素驱动下，中国的土地系统正发生深刻变化。建模预测土地系统变化，一方面可为国土空间规划等国家重大需求问题提供决策支持，另一方面可为土地变化机理及地表综合模拟研究提供研究支持。论文针对土地变化模型展开综述，梳理20世纪90年代以来国内外土地变化模型的起源与发展，总结发展趋势，讨论土地变化模型的现存挑战并提出展望。研究发现，目前土地变化模型存在两大发展趋势：供需关系平衡化、模型参数的组合与优化。其中供需关系平衡化体现在从单方面考虑“供”或“需”的模拟到“供—需”平衡模拟的核心思想转变，并存在两大主要路径：“自上而下”的降尺度空间化路径、“自下而上”的科学化需求耦合路径。模型参数的组合与优化一方面体现在模型中的土地变化规则从描述性规则为主逐渐转向组合式的参数化规则为主，另一方面体现在围绕参数优化开展的一系列回归模型改进及机器学习融合研究。同时，土地变化模型仍存在一系列挑战，具体包括核心机理的数学分歧、从“非监督模拟”到“监督模拟”的起步与挑战，以及新范式(矢量数据范式和混合栅格范式)未充分弥补旧范式(栅格数据范式)的遗憾。未来应重点关注土地变化模型中的数学机制，深入评估对比现...