尺度变化对城市生态环境与人类活动关系的影响研究

针对空间尺度对城市生态环境与人类活动影响的研究，以南昌市为研究区，划分了300×300、500×500、700×700共3种格网尺度。使用遥感生态指数RSEI（目标向量）量化城市生态环境质量，结合POI点、微博签到点与道路网数据（特征向量），利用随机森林回归模型分析不同尺度下两者之间的拟合效果。结果表明：①3种尺度下RSEI与POI点、微博签到点与道路网均呈现较强的负相关性；且负相关性最优的为RSEI和微博签到点数据，最差的为RSEI和道路网数据。②300×300尺度下随机森林回归模型的拟合效果最好。随着尺度的变大，拟合的效果会越来越差。③无论尺度如何变化，利用随机森林回归拟合的标准化残差ε均呈正态分布；且随着尺度的变大，ε值空间分布的随机性也逐渐增大。随机森林回归模型为度量尺度对城市生态环境与人类活动的关系研究提供了有效的途径，也为城市生态文明建设提供了科学的依据和参考。     

多源数据支持下的城市生态环境评价及其与人类活动的关系

探究城市生态环境与人类活动的关系,是目前城市化进程中的重要研究内容。结合多源数据,提出了采用兴趣点（point of interest,POI）、开放街道地图（OpenStreetMap,OSM）道路网、住宅区数据构建人类活动指标（住宅区可步行测度指数、街道活力指数、城市功能混合度指数）和利用遥感影像构建城市生态环境指标（遥感生态指数）的方法。并结合多项式回归（polynomial regression,PLR）、随机森林回归（random forest regression,RFR）、极限梯度提升回归（extreme gradient boosting regression,XGB）、支持向量回归机（support vector regression machine,SVR）等机器学习模型,对城市生态环境与人类活动指标进行回归分析。以中国江西省南昌市为例开展实例研究,结果显示:（1）人类活动的3项指标均呈现中心高,向四周逐渐递减的趋势,而城市生态环境指标则表现出相反的态势。（2）在探究城市生态环境与人类活动关系的研究中,XGB的效果最好。（3）街道活力指数、城市功能混合度指数与城市生态环境的相关性更强,住宅区可步行测度指数与城市生态环境的相关性更差。（4）在人类活动影响较小的区域,城市生态环境会受到其他因素的干扰导致预测结果精度不高,而在人类活动强烈的区域预测精度较高。