基于随机森林模型的珠江三角洲30 m格网人口空间化

人口空间化是实现人口统计数据与其他环境资源空间数据融合分析的有效途径。本文选取夜间灯光数据、道路网数据、水域分布数据、建成区数据、数字高程模型和地形坡度数据作为影响珠江三角洲人口分布的变量因子,利用随机森林模型对珠江三角洲2010年人口数据进行了30 m格网空间化,并将模拟结果与三个公开数据集作精度对比,最后基于随机森林模型的变量因子重要性分析珠江三角洲人口空间分布的影响因素。结果表明：本文模拟整体精度达到82.32%,均优于WorldPop数据集以及中国公里网格人口数据集,接近GPW数据集,而且在人口密度中等区域模拟精度最高;通过对变量因子重要性进行度量,发现夜间灯光强度是珠江三角洲人口分布的最重要指示性指标,到水域的距离、到建成区的距离和路网密度对珠江三角洲人口分布均具有重要作用。利用随机森林模型结合多源信息能够实现高空间分辨率的人口空间化,可为精细化城市管理提供重要数据源,也可为相关政策决策制定提供支持。     

顾及空间尺度效应的城市土地利用变化精细化模拟

城市土地利用变化模拟是优化土地资源配置的科学依据,提高其精细化程度和可靠性有助于准确把握城市用地发展趋势,对城市土地资源精准调控具有重要意义。基于宏观遥感分类的土地利用变化模拟,难以在街区尺度上揭示城市用地社会功能变化及精细化模拟中空间尺度效应来源和作用机理。本文联合遥感影像和POI数据识别出城市土地利用精细化特征,运用响应面法率定土地利用精细化模拟的最优空间尺度组合,在此基础上,利用CA-Markov模型开展了未来土地利用变化的精细化模拟。以武汉市中心城区为应用案例,研究结果表明：基于POI 的城市土地利用精细化识别方法,可以深度解析城市建设用地的社会功能,极大改善了传统基于遥感的土地覆被宏观解译效果;研究区土地利用变化元胞自动机精细化模拟的最优空间尺度组合是30 m元胞、7×7邻域以及冯诺依曼邻域类型,采用最优空间尺度组合能够提高土地利用变化精细化模拟的可靠性。响应面试验设计结果可有效识别精细化模拟过程中空间尺度效应的主要来源,并区分其对模拟精度的影响程度与正负效应;预计到2025年,研究区建设用地范围将继续向周边扩张,各类型用地之间互为交织,土地利用空间格局将呈更加破碎化趋势。     

夜光遥感数据支持下的区域经济空间格局精细化模拟——以河南省为例

为解决传统经济统计方式难以揭示行政单元内部经济空间格局的问题,利用夜光遥感、土地利用、人口等数据,运用多元回归和地理加权回归分析,对2015年河南省经济空间格局进行分产业精细化模拟。结果表明:(1)基于土地利用数据、农村人口数据建立的第一产业产值多元线性回归模型比基于单一土地利用数据建立的一元线性回归模型精度更高;(2)利用夜间灯光亮度总和对第二、三产业产值之和进行地理加权回归模拟,其精度比线性回归模型更高;(3)河南省经济区域差异和局部集聚特性明显,形成了多种城市形态和经济空间分布模式;(4)河南省内出现了多种经济发展模式,具有明显的地域特征,地理条件和交通区位是区域经济分异的主要影响因素。     

基于遥感数据和POI数据的GDP空间化研究 ——以北京市为例

为了比较分析不同数据对格网化社会经济活动空间分布精度差异性的影响,以北京市为例,基于土地利用数据对第一产业空间建模,基于NPP/VIIRS夜间灯光数据和POI数据运用熵值赋权和代用数据空间展布的方法对第二、三产业空间建模,将第一产业和第二、三产业进行格网叠加,并与辖区GDP统计数据进行误差分析。结果表明:借助土地利用数据、NPP/VIIRS夜间灯光数据和POI数据的GDP空间模拟结果与真实分布格局较为一致,而使用土地利用数据和夜间灯光数据进行GDP空间化模拟的精度明显降低。因此,将反映细节信息的POI数据加入到GDP空间化研究后,能够进一步扩展GDP空间化的数据源,提高GDP空间化模拟精度。基于土地利用数据、NPP/VIIRS夜光数据和POI数据可以实现较高精度的GDP空间化模拟。     

基于DMSP/OLS与NDVI的江苏省碳排放空间分布模拟

结合江苏省经济结构和自然环境情况,选择合适的碳排放模型进行核算,得到江苏省各区县的碳排放量,综合DMSP/OLS夜间灯光影像和NDVI数据,再结合人口、GDP和工业生产总值数据,构建碳排放的空间滞后回归模型并开展江苏省碳排放的空间分布模拟,得到大小为1km×1km的碳排放空间格网,并对模拟结果纠正,用以研究江苏省各区县的碳排放量分布情况。结果表明,江苏省碳排放清晰地呈现出"苏南苏北苏中"的格局,苏南地区分布着以苏州、无锡为中心和以南京市区为中心的碳排放高值集聚的"热点"区域;在各区县内部,碳排放的空间分布与人口、GDP产值等密切相关,明显集中于人口、工业聚集的市区和县城区域。     

大尺度和精细化城市扩展CA的理论与方法探讨

城市模型研究存在两个必然趋势:研究单元由粗糙单元向精细单元转变,研究范围由单个城市向城市群、整个国家乃至全球转变,但在大地理区域上建立精细化的城市模拟模型,兼顾大地理尺度和基本空间单元仍存在较大的难题,它对当前地理模拟的计算能力、数据质量和理论方法等都提出了新的要求。在此背景下,该文从理论、方法和应用研究上总结近年来城市扩展CA领域取得的重要进展和呈现的新特征,并提出构建大尺度和精细化城市模型的关键技术及亟待解决的主要问题,以满足未来城市模型在大数据量和高精度方面的要求。研究得出以下结论:1)耦合CA模型与城市空间相互作用模型,可弥补城市扩展CA在表达城市网络空间联系与交互作用上的不足;2)丰富的带有地理位置信息的地理时空大数据,为开展大尺度和精细化城市扩展模拟研究创造前所未有的机遇;3)设计高性能地理元胞并行技术,可为大尺度和精细化城市CA计算提供高效运算工具;4)有必要探究地理时空数据和地理模拟过程的可靠性,实现对现实世界更为准确的模拟与预测。     

黄河流域城市群扩张的时空格局演化及情景模拟——以呼包鄂榆城市群为例

黄河流域城镇扩张对区域景观格局影响显著,城市群人口聚集与增长引发了流域“人-地”矛盾和“空间冲突”等一系列生态环境问题。基于土地利用数据和FLUS模型对2025年和2035年呼包鄂榆城市群城镇化与土地利用时空演化特征进行多情景模拟预测。结果表明：① 1990—2018年呼包鄂榆城市群整体发展水平较低,建设用地面积经历了“平稳增加-缓慢增加-急剧增加”的变化过程,区域总体以草地为主,其占土地总面积的50%以上,其次是未利用土地和耕地,林地和建设用地次之。② 城市群扩张最剧烈地区在空间上主要发生在呼和浩特市、包头市等城市主城区,且扩张模式以外延式扩张为主,扩张来源主要是耕地、草地等生态用地。③ 三种情景模拟发现,2025年和2035年区域土地利用变化的空间结构和特征差异明显。自然发展情景下,城市扩张不受约束,高速增长占据了大量生态用地;加入生态约束条件很好的控制了对草地和林地的占用;经济发展情景下,城市扩张将进一步占据更多的未利用土地和耕地。本研究通过城市群扩张时空格局演化及情景模拟分析,尝试为区域规划、城市空间规划和区域生态空间保护提供多角度、多情景和可选择的政策决策参考。     

城市住宅空间分布模拟研究

构建城市住宅开发模拟模型（FDM）,并以北京市为案例,模拟城市住宅规模时空演化。FDM综合考虑了政策限制和市场规律模拟开发商决策行为,分4个步骤预测城市住宅面积的空间分布格局演变过程： ①假设无政府限制条件、开发商追求最大利润的前提下,预测城市住宅开发总面积;②在政府限制条件下,对上述预测结果予以修正,预测实际住宅开发总面积;③根据各区块的利润以及政策许可对住宅开发面积进行空间配置;④确定各个区块的建筑规模总量。北京案例表明,延续近几年住宅开发模式,未来住宅规模的增长主要发生在五环外,尤其是五环到六环的区域,而中心城区的开发程度较弱。一方面是由于城市中心地带已经被高度开发,土地利用空间较小;另一方面与政府疏解中心人口、缓解交通阻塞的政策有关。FDM模型的开发为城市土地利用政策的制定提供了良好的模拟分析工具,为城市空间模拟分析研究提供方法上的参考。     

基于SD和CA的城镇土地扩展模拟模型——以江苏省南通地区为例

充分利用系统动力学模型(System Dynamics,SD)在情景模拟和宏观因素反映上的优势和元胞自动机模型(Cellular Automata,CA)在微观土地利用空间格局反映上的优势,构建一个耦合SD和CA的城镇土地扩展模拟模型,并以江苏省南通地区为例,对模型的实证应用做了进一步的验证。结果表明,这种耦合模型不仅能够对研究区域未来城镇土地扩展数量给予一个比较好的预测,而且还对其空间分布效果做了一定精度上的模拟,这使得城市规划在土地利用预测方面有一个相对科学的依据。     

基于CA-Markov和Geomod模型橡胶林变化预测比较

近年来,学者们发展了一系列的模型对土地利用/覆盖变化进行预测模拟研究,CA-Markov和Geomod模型是其中应用较为广泛的两种模型。分别利用CA-Markov和Geomod模型模拟云南景洪地区2010年橡胶林LUCC状况,旨在通过两种模型的模拟对比,探讨两种模型的差异和优劣,选取一种更加合理、可靠的模型来对该地区橡胶林变化趋势进行预测分析。利用1995年、2003年、2010年3个时期的影像进行解译,将1995年和2003年的解译结果利用两种模型预测2010年景洪地区内橡胶林分布格局,并且运用2010年ALOS影像解译的橡胶林空间分布结果图来检验模型的预测模拟结果。研究发现:1.两个模型模拟结果人工目视检验差异明显,Geomod模型的预测模拟结果与影像分类的结果更加接近;2.两个模型ROC分析精度较高,都大于0.65,且AUC值基本一致;3.利用模糊矩阵精度检验结果表明,Geomod模型从栅格象元的数量、匹配的准确性以及总体精度高于CA-Markov模型的预测模拟结果。     

基于POI数据的城市用地功能识别与评价研究

充分利用大数据开展城市用地功能识别，有助于把握城市空间结构，推动城市内部空间合理布局。POI数据是大数据时代一种较易获得且极具代表性的空间点状数据，能够有效地确定城市用地的实际功能。以济南市内五区的185126条POI数据为基础，对所得数据进行去重、纠偏、重分类，构建城市用地功能分类体系，运用频数密度、类型比例及核密度估计，识别济南市内五区城市用地功能并利用误差矩阵对识别结果进行检验。结果表明：①混合功能用地与单一功能用地呈现圈层化地域分布特征，“核心-外围”分异明显；②由内向外单一功能用地集聚趋势减弱，混合功能用地多样性降低，不同用地表现出不同的空间分布模式；③通过误差矩阵及与用地规划图中规划用地及电子地图的实际用地对比，识别总体精度为75.67%，识别结果较为准确。     

基于电子地图兴趣点的城市建成区边界识别方法

城市建成区边界是认识和研究城市的重要基础性信息,也是落实城市功能空间布局、实施界限管控的前提。但是,以往通过夜间灯光的强度、土地覆被或建筑覆盖率等信息获取城市空间范围的方法,由于受到数据精度和尺度限制,对城市社会经济活动的解释性不强,因而存在较大局限性。电子地图兴趣点（POI）作为城市空间分析的基础数据之一,直观且有效地反映了各类城市要素的集聚状况。本文基于POI与城市空间结构和城市要素空间分布的关联性,提出了一种新的通过POI密度分布来判别城市建成区边界的技术方法。为此,开发了Densi-Graph分析方法,用来分析POI密度等值线的变化趋势,在此基础上对城乡过渡地带的阈值识别的方法进行了理论分析,并讨论了单中心圆结构、双中心“鱼眼型”结构、双中心“子母型”结构等各类城市POI密度等值线的生长规律,证明了Densi-Graph分析方法的适用性。较之以往的城市建成区边界识别方法,这种方法的基础数据更加直观可信,分析结果也更加客观。运用这种方法,本文对全国地级以上城市的建成区边界进行了实证分析,探索了城市建成区边界的阈值及其与城市人口规模、城市所在区域之间的关系。     

中国城市土地扩张与人口增长协调性研究

基于城市建成区面积和城区人口数据,构建城市土地扩张与人口增长关系模型,对2000年和2010年中国657个城市的土地扩张与人口增长之间的协调性进行了评价。结果表明:①中国城市用地扩张和人口增长之间的协调性较弱,土地显著扩张是中国城市发展的主要类型,数量占城市总量的1/3;其次是人口显著增长类型,占城市数量的1/4,两极分化明显。②在空间分布上,土地显著扩张的城市主要集中在东部沿海、沿江、沿线等经济相对发达地区;人口显著增长的城市分布重心则相对西移,主要处于胡焕庸线以东的中西部地区。③从不同规模城市用地扩张与人口增长的协调性来看,特大城市、大城市发展以土地快速扩张为主,且土地显著扩张所占比例最大;中、小城市发展以人口快速增长为主,并以人口显著增长占优。④由城市规模变动来看,小城市规模晋升多以人口快速增长实现,大、中城市规模晋升则更多通过土地快速扩张推进,特别是以房地产、新城建设等带动的用地驱动型城市化来完成。     

基于卫星遥感和POI数据的人口空间化研究——以广州市为例

以广州市为例,基于NPP/VIIRS夜间灯光、土地利用、POI（Points of Interest）等自然地理和社会经济因素,构建了人口空间化指标体系,采用主成分赋权法确定人口分布权重,利用GIS技术对人口统计数据进行了空间化处理。结果显示：综合考虑了自然地理和社会经济因素的人口空间化结果与真实的人口空间格局相吻合,空间分辨率为30 m,且相对误差绝对值＜25%的乡镇有62个,所占比例为36.47%;而不加POI数据得到的人口空间化结果,相对绝对值＜25%的乡镇有33个,所占比例约为20%,精度明显降低。结果表明：1）综合考虑NPP/VIIRS夜间灯光、土地利用、POI等自然地理和社会经济因素,有助于实现精度较高的人口空间化结果;2）将能够反映微观细节信息的POI数据引入人口空间化研究,扩展了人口空间化的数据源,并且可以提高人口空间化结果的精度。     

Sensing spatial distribution of urban land use by integrating points-of-interest and Google Word2Vec model

Urban land use information plays an essential role in a wide variety of urban planning and environmental monitoring processes. During the past few decades, with the rapid technological development of remote sensing (RS), geographic information systems (GIS) and geospatial big data, numerous methods have been developed to identify urban land use at a fine scale. Points-of-interest (POIs) have been widely used to extract information pertaining to urban land use types and functional zones. However, it is difficult to quantify the relationship between spatial distributions of POIs and regional land use types due to a lack of reliable models. Previous methods may ignore abundant spatial features that can be extracted from POIs. In this study, we establish an innovative framework that detects urban land use distributions at the scale of traffic analysis zones (TAZs) by integrating Baidu POIs and a Word2Vec model. This framework was implemented using a Google open-source model of a deep-learning language in 2013. First, data for the Pearl River Delta (PRD) are transformed into a TAZ-POI corpus using a greedy algorithm by considering the spatial distributions of TAZs and inner POIs. Then, high-dimensional characteristic vectors of POIs and TAZs are extracted using the Word2Vec model. Finally, to validate the reliability of the POI/TAZ vectors, we implement a K-Means-based clustering model to analyze correlations between the POI/TAZ vectors and deploy TAZ vectors to identify urban land use types using a random forest algorithm (RFA) model. Compared with some state-of-the-art probabilistic topic models (PTMs), the proposed method can efficiently obtain the highest accuracy (OA = 0.8728, kappa = 0.8399). Moreover, the results can be used to help urban planners to monitor dynamic urban land use and evaluate the impact of urban planning schemes.     

酒泉、嘉峪关地域城镇系统的空间规模结构研究

受干旱区自然地理、人口发展与分布等特殊条件的制约,酒泉、嘉峪关地域城镇系统的空间规模结构呈现“中小市镇、多中心”的特征。针对这种状况,空间规模结构的研究和规划,应注重建构多中心的地域城镇系统,带动地域整体发展要促进相邻城市间、城市与境内或周边单位间的空间关联及与近郊集镇的融合,推动城乡一体化应突出酒泉-嘉峪关复合城市的中心地位,强化敦煌市的规模和职能,保证玉门市区持续发展并尽快发展玉门镇,积极发展其他小城镇。     

基于ICT的中国城市间人口日常流动空间格局——以百度迁徙为例

随着互联网时代的来临,网络数据已越来越成为表征居民地理行为的重要载体,用户迁移、社交网络、移动通信等地理行为大数据成为城市联系研究的重要数据来源。“百度迁徙”大数据通过LBS技术,全程、动态、即时和直观地记录了城市之间的人口日常流动轨迹。通过采集“百度迁徙”数据库中2015年一季度（2月7日至5月16日）国内369个城市之间的逐日的人口流动数据,分“季度平均、春运期间（春节前）、春运期间（春节后）、劳动节、周末和工作日”6个时间段,从人流集散层级、人流集散网络体系的分层集聚、人口日常流动空间格局及其与“胡焕庸线”之间的关系等角度分析各时间段的城市之间的人口日常流动相关特征与空间格局。研究发现,“百度迁徙”大数据清晰地显示了春运期间中部和沿海地区之间的人口流动格局。人流集散中心主要分布在京津冀、长三角、珠三角和成渝4大城市群中,并与其城市等级有较强的一致性。人口日常流动集散体系呈明显的分层集聚,京津冀、长三角、珠三角、成渝和乌鲁木齐5大集散体系在各时间段基本得到体现,而华中、东北、西南和福建沿海等地区并未出现高层级集散城市和高等级集散体系,与这些区域在国家区域发展战略中的地位在一定程度上不相匹配。“胡焕庸线”能较好地反映国家层面的城市之间人口日常流动格局,反映了地理环境对城市间人口日常流动的深刻影响。城市之间的人口流动强度是体现区域经济联系强度、城市等级和网络结构等的重要指标,此项研究可为形成国家区域经济发展新格局和促进区域平衡发展提供参考。     

POI数据在中国城市研究中的应用

兴趣点（Point of Interest,POI）数据的兴起带动了城市研究的革新。为梳理中国POI数据在城市研究的应用进展,阶段性总结其应用方向、数据分析方法及尚存不足,并为未来POI数据在中国城市发展中的应用提供思路和借鉴。应用CiteSpace工具对中国知网2010—2019年625篇相关文献进行知识图谱分析,结合分析结果对POI数据应用方向和数据分析方法进行梳理总结。结果表明:时间上,国内应用POI数据进行城市研究的文献在2013年后大量涌现,2017年呈现爆发式增长;应用上,主要用于城市功能区划分、城市中心区和边界识别、查明业态集聚分布以及兴趣点推荐4个方面;方法上,常用的有核密度分析、DBSCAN聚类分析和空间自相关分析3类。研究表明,POI地理大数据是一种研究城市发展的有效数据,有助于研究者深入了解城市的空间结构、分布格局和发展规律,未来可进一步与机器学习等算法结合,为城市外部扩张和内部功能结构调整在更长期的发展上提供一个决策分析手段,但POI数据尚无法代替面数据,研究时也要充分考虑到公众认知度高低对研究的影响。