基于GPS数据的自驾车游客时空行为研究——以西藏为例

在出行与游玩日益模糊化的背景下，利用GPS轨迹挖掘自驾车游客在大尺度范围内移动的空间行为特征和时间制约因素，对于规划设计旅游路线及旅游产品具有重要意义。本文选取自驾车旅游热点区域--西藏自治区，通过Python挖掘六只脚平台6748条“脚印”数据以及924 条轨迹信息，结合OSM路网数据以及旅游景点POI数据，以季节强度指数、多环缓冲区、核密度等方法探讨自驾车游客的时空行为特征。研究发现：（1）游客兴趣点主要沿西藏南部交通路网分布，国道周边的自然景观对自驾车游客具有明显吸引力；（2）游客兴趣点数随着与景点距离的增加呈现出幂函数式递减，自驾车游客围绕旅游景点存在一定的空间聚集。但游客兴趣点与景点的空间距离较大，沿途景观成为游客重点关注的旅游吸引物；（3）在年内，受西藏季节气候和自然环境的影响，游客出行以夏秋季节为主，主要分布在商业相对发达且旅游业态较多的拉萨和林芝市区。不同季节的自驾车速度存在显著差异，速度高低关系为秋季>夏季>春、冬季；（4）在日内，在进食、睡眠等生理节律及娱乐需求的约束下，游客会在停车场、服务站、景色优美的路段、景点等地方停留游憩，旅游活动的整体节奏是移动和静止的结合，且大部分时间处于移动状态。     

基于GEE平台的广州市主城区不透水面时间序列提取

不透水面作为城市化水平以及城市环境的重要评价指标,其提取已经是当下的研究热点。与单时相影像相比,时间序列制图能够获取其准确的变化趋势,对于监测城市的快速发展具有重要意义。本文以广州市主城区为研究区,以Google Earth Engine平台为基础,利用2000-2017年的Landsat TOA影像计算BCI和NDVI,并通过自适应迭代法确定它们的阈值,从而提取初始的不透水面,然后进行时间一致性检验,使不透水面时间序列更加合理。研究结果表明:①BCI与NDVI的结合以及时间一致性检验能够提高不透水面的提取质量;②本文中不透水面提取的平均总体精度为90.4%,平均Kappa系数为0.812;③在2000-2017年广州市主城区不透水面面积增加近一倍,但增速有所放缓。④新增的不透水面主要集中在原本相对落后的主城区外围;⑤高程、道路密度和购物场所密度等是影响广州市主城区不透水面扩张的主要因素。