耕地自然质量空间分布及其影响因子分析——以北京市大兴区为例

定量分析耕地质量的空间分布特征,是制定与实施耕地保护措施的重要依据。本文以耕地质量等级补充完善成果为基础,以自然等指数为空间变量,采用空间自相关分析方法对北京市大兴区耕地自然质量的空间分布特征进行了研究,并采用变异系数、二元相关分析和偏相关分析方法对其影响机制进行分析,揭示了耕地自然质量空间差异的主导影响因子。研究结果表明:大兴区耕地自然质量在200~900m尺度范围内呈显著的空间正相关性,正相关HH型高等地明显聚集分布,LL型低等地面积较大且聚集性较低,负相关类型(HL和LH型)耕地无明显集中区域,零星分布。土壤有机质、表土质地和土壤剖面构型是影响耕地自然质量空间分布格局的主导因子,但影响程度有所差异。     

基于城市竞争力的资源型城市空间布局研究

在总结已有的界定原则基础上,对中国资源型城市进行了界定和划分,确定了51个地级市及以上资源型城市,并从地理空间和城市竞争力的角度分析了这些城市的在空间位置上的分布规律。研究发现,我国资源型城市大多分布在中西部和偏北地区,而城市竞争力排名靠前的城市,无论在资源类型还是地理区位条件上都有着很明显的共性。可见地理区位因素隐藏在资源禀赋背后,对城市发展有着显著的影响。     

基于地理量化方法的四川省A级旅游景区空间分布结构研究

利用数理统计和地理信息空间分析方法,从定量和定性两方面探讨四川省221个A级旅游景区的空间分布结构,分析其空间分布规律。结果表明：四川省A级旅游景区的空间分布类型属于集聚型,且区域间差异较大,空间分布均匀度较低,不均衡性显著;四川省A级旅游景区规模等级结构表现为中间大两头小的纺锤形结构,中端的市场供给占据上风;四川省A级旅游景区空间分布受地理区位、交通条件、景区地域组合状况和经济发展水平等多种因素综合影响。     

抚州市传统村落的时空演变及其影响因素

为助推抚州市传统村落集中连片保护利用示范工作的开展,该文运用ArcGIS空间分析工具和统计分析方法,研究了抚州市96个中国传统村落的空间分布格局及历史演变过程,探讨了影响抚州市传统村落时空分布的影响因素.研究结果表明:抚州市传统村落呈凝聚型分布,主要集中在金溪县,空间分布极不均衡,总体呈现"小范围聚集""大范围散乱"的空间分布格局;抚州市传统村落主要形成于宋代,随着朝代更替,传统村落数量不断增加并以金溪县为中心聚集,总体表现为"西南-东北"聚集的空间分布方向特征.自然因素和社会经济因素共同影响着抚州市传统村落的时空分布,自然因素影响着传统村落建村的选址,社会经济因素影响着传统村落的保护和开发.     

无障碍设施空间布局核密度热点探测和空间自相关分析——以北京市核心区室外公共空间为例

城市无障碍设施在区域空间中往往呈现聚集分布的特征，通常利用核密度估计方法分析总体空间分布形态，研究区域空间分布的数量差异，探测分布热点；同时通过分析无障碍设施空间自相关性特征，反映无障碍设施服务的聚集特点。将空间分析方法引入到无障碍环境评估当中，可以优化无障碍环境发展空间。结果表明，北京市核心区无障碍设施总体呈现出“多核分布”的态势。无障碍设施的总体分布存在空间差异性，局部无障碍设施空间分布存在聚集特性。     

新疆地区空气质量时空分布特征分析

以新疆2015-2017年AQI日均值监测数据为基础,利用数学统计和GIS空间分析方法,探析了新疆空气质量时空分布特征,从而直观地描述了大气污染地域分布差异;利用全局与局部空间自相关分析,进一步揭示了全区大气污染空间集聚特征。研究表明,新疆空气质量月、季节演变呈周期性U型波动规律,地区大气污染存在"南高北低"的显著差异;2015-2017年主要污染区域格局并未发生太大变化;受地形影响,地区空气质量具有显著的空间自相关结构,空间集聚与分布特征一致。     

基于空间曲面拟合的自适应阈值选取方法

提出了一种基于空间多项式曲面拟合的自适应阈值选取方法，该方法初步考虑了图像上空间目标、背景及像素的空间分布特征，拟合了图像及其空间分布结构。     

基于高分二号数据的湖南省十大水库网箱围栏养殖分布遥感调查

水库尤其是饮用水水源型水库的网箱围栏养殖对水域环境影响较大，利用高分辨率遥感具有丰富空间信息和纹理信息的特点，可以有效提取网箱养殖的分布信息。本文以高分二号卫星遥感影像为数据源，利用人机交互目视解译的方法提取湖南省十大水库等内陆水域网箱养殖信息，研究了网箱养殖空间分布情况，并估算了网箱养殖的氮、磷年排放量，为水产行业部门监管提供了有力的技术支撑。     

模糊目标的概念模型和应用

由于现实世界的连续性和多样性，地理实体具有不确定空间分布范围和边界，它们在GIS中的表达被称为模糊目标，提出了“模糊空间分布目标”的概念表示模糊目标即地理实体的复杂性和多样性。讨论了3个通用模糊目标模型以适用于不同的情形,FF－object具有模糊空间分布和模糊内核，适用于描述空间重叠的目标；FG－object具有确切内核和模糊空间分布，适用于描述空间分离但边界不明的目标，CF－object具有确切的条件边界和模糊内核，适用于描述空间分离且有边界的目标，我们用一个海岸带研究的实例说明模糊目标模型的应用。     

GIS空间目标的广义Hausdorff距离模型

分析了GIS中常用的空间距离度量及其存在的问题，这些距离度量没有顾及空间目标的整体形状、位置分布等特征。基于此，引入了Hausdorff距离的概念，给出了Hausdorff距离的计算方法，分析指出了Hausdorff距离容易受空间目标局部几何形状的影响。进而从统计学的角度分析了现有的距离度量并不能有效地表达空间目标间距离的整体分布，并提出了一种广义Hausdorff距离模型，这种距离模型能够度量空间目标间距离分布的中心趋势和离散度。实际算例证明了此模型在GIS环境下的实现方法。     

一种人口连续分布模型的研究

分析了常用的表示人口分布的方法及其不足，提出了将人口统计数据空间分布化的方法，将研究区域划分为一定分辨率的格网，用距离衰减函数将人口密度估计值分配到每个格网上，每个格网上的人口是均匀分布的，随着格网分辨率的提高，就可以模拟出符合人口说细分布的人口密度空间连续分布模型，并通过实验说明该方法是可行的。     

人口密度的空间连续分布模型

分析了常用的表示人口分布的方法,并指出了其不足的地方,提出了模拟人口空间分布的必要性,同时提出了模拟人口空间分布的思路。将研究区域划分为一定分辨率的格网,用核心估计方法将人口密度估计值分配到每个格网上,每个格网上的人口是均匀分布的,随着格网分辨率的提高,就可以模拟出符合人口详细分布的人口密度空间连续分布模型,并通过实验说明该方法是可行的。     

高维数据非参数密度估计的低维流形代表点法

非参数核方法由于采用统一的度量标准,在大数据中利用高维样本数据学习时容易遭遇维数灾难问题.挖掘高维空间中的低维几何特性,有助于揭示数据分布的流形结构,进而利用有限样本的高维数据在低维子空间逼近数据的真实分布.基于此,提出一种新的高维数据密度非参数估计的低维流形代表点法,通过从高维空间中挖掘数据分布的几何结构来估计密度....     

顾及城乡差异的大区域人口密度估算——以山东省为例

现有大区域人口密度估算结果大多是在千米级尺度上,仅能宏观地反映城乡人口分布的范围,无法准确地刻画城乡人口空间分布的细节特征。本文将首套30m全球地表覆盖数据(GlobeLand30)引入城乡人口密度估算中,基于实现城乡划分的GlobeLand30人造地表数据,在城镇区域运用夜间灯光强度与人口的相关性将城镇人口细划到30m尺度上来估算城镇人口密度;在乡村区域引入样方估算的方法修正乡村居民地面积以估算乡村人口密度。以山东省为试验区的研究表明,本文方法无论在城乡居民地刻画还是人口空间分布的表达上均优于参考数据,所使用的GlobeLand30的全球性也保证了该方法推广的可行性。     

Dasymetric Estimation of Population Density and Areal Interpolation of Census Data

This paper describes techniques to compute and map dasymetric population densities and to areally interpolate census data using dasymetrically derived population weights. These techniques are demonstrated with 1980-2000 census data from the 13-county Atlanta metropolitan area. Land-use/land-cover data derived from remotely sensed satellite imagery were used to determine the areal extent of populated areas, which in turn served as the denominator for dasymetric population density computations at the census tract level. The dasymetric method accounts for the spatial distribution of population within administrative areas, yielding more precise population density estimates than the choroplethic method, while graphically representing the geographic distribution of populations. In order to areally interpolate census data from one set of census tract boundaries to another, the percentages of populated areas affected by boundary changes in each affected tract were used as adjustment weights for census data at the census tract level, where census tract boundary shifts made temporal data comparisons difficult. This method of areal interpolation made it possible to represent three years of census data (1980, 1990, and 2000) in one set of common census tracts (1990). Accuracy assessment of the dasymetrically derived adjustment weights indicated a satisfactory level of accuracy. Dasymetrically derived areal interpolation weights can be applied to any type of geographic boundary re-aggregation, such as from census tracts to zip code tabulation areas, from census tracts to local school districts, from zip code areas to telephone exchange prefix areas, and for electoral redistricting.     

基于多源数据的城市功能区识别及相互作用分析

随着经济的快速发展,城市内部空间结构不断优化。识别城市功能区空间分布及其相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。采用重尾打断分类法和核密度聚类法对兴趣点（points of interest,POI）进行分析,识别城市功能区,并结合出租车轨迹数据进行时空挖掘,定量分析典型城市功能区交通吸引规律及其相互作用强度和方向。以北京市五环内主城区为例进行分析,可得:①该方法可以识别典型功能区西单、国贸、中关村是以商业为主的混合城市功能区,望京是以居住为主的混合功能区,且居民通勤出行特征明显;②国贸对自身的引力较强（39.4%）,说明国贸区域城市功能更加齐全;③典型功能区对居民出行距离范围内的区域吸引力随着距离的增加而减弱,符合经验认知和地理空间衰减规律。结果表明,利用POI和移动大数据采用重尾打断分类法和核密度聚类法进行城市功能区识别与分析是可行和有效的。     

顾及格网属性分级与空间关联的人口空间化方法

现有人口空间化方法多基于行政单元构建回归模型并分配格网单元人口,但分析单元的尺度差异引发模型迁移问题。同时,格网特征建模仅考虑格网自身属性,导致格网间空间关联被人为割裂。为此,基于随机森林模型提出一种顾及格网属性分级与空间关联的人口空间化方法。该方法在格网特征建模中:（1）基于自然断点法构造建筑区类别约束的夜间灯光分级特征,并在行政单元尺度统计各等级网格占比作为训练输入,以减小模型跨尺度误差;（2）利用核密度估计刻画邻域兴趣点（point of interest, POI）对当前格网人口分布的影响及距离衰减效应;（3）基于叠置分析统计不同类型建筑区轮廓包含的各类POI数量,提升特征建模精细度。选取武汉市作为实验区域,在街道尺度与WorldPop、GPW及中国公里网格人口数据集进行对比验证方法的有效性。结果表明,该方法的平均绝对值误差仅为对比数据集的1/6~1/3。此外,还探讨了特征构成、格网大小及核密度带宽对精度的影响。     

Accuracy of areal interpolation: A comparison of alternative methods

This paper discusses the accuracy of spatial data estimated by areal interpolation, a process of transferring data from one zonal system to another. A stochastic model is proposed which represents areal interpolations in diverse geographic situations. The model is used to examine the relationship between estimation accuracy and the spatial distribution of estimation error from a theoretical viewpoint. The analysis shows that the uniformity in error distribution improves the accuracy of areal interpolation. Four areal interpolation methods are then assessed through numerical examinations. From this it is found that the accuracy of simple interpolation methods heavily depends on the appropriateness of their hypothetical distributions, whereas the accuracy of intelligent methods depends on the fitness of the range of supplementary data for that of true distribution. Received: 19 February 1999/Accepted 17 September 1999     

Inferring Spatial Scale Change in an Isopleth Map

This study reunites areal interpolation with the isopleth mapping process to construct an inferred larger scale isopleth map. Intelligent areal interpolation is used to construct two types of population density surfaces that are used as inputs for pycnophylactic interpolation of an isopleth surface. One is a target zone population density surface (TZPDS) and the other is a control zone population density surface (CZPDS). Results suggest that an inferred isopleth map with remote sensing control data is a better surface depiction than an isopleth map without any control data, and the quality of such an isopleth map is further improved by enhancing the remote sensing data with residential parcel information. A CZPDS-derived intelligent isopleth map also has more peaks and variations in population distribution patterns than does a TZPDS-derived one due to the larger scale of the control data.     

Refining Population Surface Models: Experiments with Northern Ireland Census Data

This paper compares and contrasts alternative methods for the construction of discontinuous population surface models based on the census and remotely sensed data from Northern Ireland. Two main methods of population distribution are employed: (1) a method based on redistribution from enumeration district (ED) and postcode centroids, and (2) a method based on dasymetric redistribution of ED population counts to suitable land cover zones from classified remotely sensed imagery. Refinements have been made to the centroid redistribution algorithm to accommodate an empirical measure of dispersion, and to allow redistribution in an anisotropic form. These refinements are evaluated against each other and the dasymetric method. The results suggest that all of the methods perform best in urban areas, and that while the refinements may improve the statistical performance of the models, this is at the expense of reduced spatial detail. In general, the techniques are highly sensitive to the spatial and population resolution of the input data.