基于潜在语义信息的城市功能区识别————广州市浮动车GPS时空数据挖掘

随着中国城市化进程的不断推进和深入,城市内部空间结构正发生不断的变化.城市内部形成的不同功能区标识研究,对城市结构理论以及政策制定,资源配置等方面具有非常重要的意义.这些不同的功能区包括住宅区,工业区,教育区以及办公区等.本文以大数据为依托,重点研究城市功能区的特点和分布状态,选取广州市6个区为样本,以最新道路网络为分割依据把研究样本分为439个区域.对历时一周的海量浮动车(GPS)数据以及兴趣点数据采用时空语义挖掘方法,建立潜在的狄利克雷模型(LDA)以及狄利克雷多项式回归模型(DMR);通过OPTICS聚类方法对不同模型的结果进行聚类,进而利用POI类别密度,居民出行特征等方法进行分区结果识别.同时,参考百度地图的地理信息,将研究得到的广州市功能分区结果与广州市城镇用地现状图,居民日常出行特征进行对比验证分析.研究表明,该方法基本能识别出具明显特征的城市功能区,如成熟居住区,科教文化区,商业娱乐区,开发区等.识别出的广州市不同类型的功能区呈现了以居住区和商业区为主导,其他类型功能区围绕其展开的特点.研究证明,利用大规模,高质量的个体时空数据开展人们移动行为和日常活动组织及社会空间的研究,能从一个新的视角揭示城市功能区的形成及其机制.     

夜间灯光数据在不同尺度对社会经济活动的预测

以广东省为研究范围，采用双对数线性回归模型、香农信息熵模型和差别指数模型，从21个尺度分析NPP-VIIRS夜间灯光数据与经济普查数据中的企业数、企业从业人员数、营利收入以及资产总值的相关性。结果显示：① 夜间灯光数据对经济活动的预测精度随尺度的增大而提升，在预测能力上，城市尺度高于镇街尺度，镇街尺度高于500 m网格尺度。② 在更为精细的19个网格尺度分析中发现，1 km网格尺度出现预测精度的显著提升，在10 km网格尺度预测精度提升相对较高并达到了0.69，在35 km网格尺度预测精度开始趋于稳定，不再随着网格尺度显著增长。③ 在0.5~50 km网格尺度之间，网格尺度越精细，产业类型越呈现单一和不均衡分布的发展特征。随着网格尺度的增加，研究区内的产业类型越趋于多样化和均衡分布的发展特征。     

广佛同城化发展的热岛效应研究

在新常态区域协同发展的机制下,同城化发展的进程不断加快,由此导致的热岛效应影响不断凸显。城市热岛效应的时空变化,是土地利用类型的改变和人们活动等相互作用的结果。本文以广佛同城区域为例,采用2000年和2010年珠三角的土地利用类型数据,利用WRF(Weather & Research Forecasting Model)气象数值模式,分析广佛同城化加速发展带来的热岛效应强度变化。同时,应用连续变化的灯光数据提取2000-2010年间广佛的建成区变化,从个人口密度、户籍数及工业生产总值等角度出发,对广佛同城化区域热岛强度的湿度变化进行相关性和二元回归分析,研究同城化过程中对热岛效应产生的决定性影响。研究表明,广佛交界处的荔湾、南海、白云、三水、番禺、顺德等地区的气温明显高于其他地区,而月平均相对湿度明显低于其他地区,形成大范围的城市热岛和城市干岛。研究还发现,随着建成区面积的增加,热岛强度增强;人口增长及地区生产总值的变化,与广佛同城化区域热岛强度的相关系数超过0.68。总体而言,广佛同城化发展带来人类活动的加强与土地利用类型的改变,对热岛效应具有重要的影响。