新冠疫情暴发对城市经济影响的时空差异分析

针对现有疫情研究数据的代表性或开放性不足的问题,该文利用NPP/VIIRS夜间灯光数据构建灯光影响指数与灯光恢复指数两类指标,对2020年初期全国新冠疫情在不同时空尺度下对城市经济的异质性影响进行实证分析。相关性分析表明,该文构建的夜间灯光指标通过了市级尺度下疫情暴发、下降及平复阶段的相关性分析和显著性检验,能够对城市经济影响及恢复进行准确评估。空间自相关分析表明,南方多数城市经历由低值到高值的聚类过程,与实际疫情背景下城市发展规律相对应;北京、重庆、广州、上海等地经济受影响较大但恢复较好,体现出其良好的恢复力与城市韧性;沈阳、哈尔滨为代表的东北城市缺乏一定的城市活力;疫情对于工业型城市影响较为严重,但以第三产业为主的城市可以实现快速恢复。夜间灯光反映出的空间聚集特征符合全国疫情发展前后城市经济的实际变化情况。研究表明,大区域尺度下利用夜间灯光监测疫情对城市经济影响具有可行性。     

基于互联网数据的城市活力与居民情感相关性研究

随着城市现代化进程的深入,城市居民在互联网中每天都能产生海量信息数据。本文通过互联网爬取新浪微博和百度地图等互联网城市数据,通过数据清洗和文本语义处理后,整理出城市活力指数、居民情感指数和城市功能混合度三项数据指标。利用耦合协调模型分析城市活力与居民情感的耦合相关性,并利用城市功能混合度分析两者关联的内在机理。通过分析两者之间的耦合关系,发现居民情感与城市活力呈正相关,城市的发展能够对居民情感起正向促进作用。但当城市发展到一定规模后,工作地段的增加,挤压了居民住宅等非工作地域,城市配置的失衡也将导致城市活力与居民情感形成拮抗的耦合状态,降低城市居民的幸福感。     

利用地理标签数据感知城市活力

高度活跃的城市是社会稳定发展的基础。基于地理标签感知的城市活力能够量化城市发展现状,探索城市活力的影响机制,为精细化城市治理提供技术支撑。传统城市活力研究依赖于街区的活力调查,时间长,费用高。本文研究利用兴趣点和社交媒体签到等地理标签数据,提出了城市活力度量指标,探索性分析城市活力的分布模式。基于土地利用、道路和建筑物等数据计算建成环境指标,构建城市活力和建成环境之间的普通线性回归与空间自回归模型,揭示了影响城市活力的建成环境因素。基于深圳市的试验结果表明:兴趣点和社交媒体签到数据能够较好地指示城市活力。深圳市的城市活力主要受商业用地、工业用地、土地混合利用以及路网密度、地铁站点密度的影响。住宅用地和建筑物占地密度对基于POI的城市活力具有显著影响。     

上海市中心城商业活力空间分布研究

采用大众点评数据作为城市商业活力的衡量指标,对上海市中心城商业活力空间集聚特征和影响因素进行分析。首先选用空间热点分析方法对住宿与餐饮业、批发与零售业、其他商业服务业三类商业网点空间集聚特征进行综合测度。其次,选择居住区位、就业岗位区位、公共服务设施区位、用地多样性指数和房价等5个指标,分析城市商业活力的影响因素。结果显示,上海市中心城商业网点的空间集聚特征较为显著,呈现冷点区域分割包围热点区域的特征。城市商业活力大小与公共服务设施区位、多样性指数和房价呈现显著正相关。     

利用遥感和社会感知数据的城市冷热点街区分类研究

在城市建设过程中,街区活力是优质城市空间布局的目的与根本.街区活力与多个因素密切相关,其中最明显的是人群聚集状态、建筑环境以及设施的分布.提出了一种利用遥感和社会感知数据进行城市冷热点街区分析的方法:利用合成孔径雷达(synthetic aperture radar,SAR)遥感技术构建建筑环境;利用社会感知数据分析人口聚集程度;最后,利用GIS统计方法把街区建筑环境数据与人流密度进行匹配、融合,从而对城市街区是否具有活力进行评价,揭示并分析城市中的热点街区与可能存在的类似"空城"的冷点街区.     

国庆期间北京市中心城区街道空间活力分布特征及影响要素分析

分析大型节假日期间居民出行活动所反映的城市活力时空分布特征并揭示其影响要素,对理解人是如何利用城市空间显得尤为重要。以北京市主城区的街道管理单元为空间分析基本单元,基于开放数据平台,通过位置签到大数据定量测定国庆期间北京市街道活力,并对其空间分布格局和高低值聚集特征加以分析;利用回归模型来揭示国庆节期间北京市街道活力与城市形态要素之间的关联性。研究结果显示,城市形态要素与街道活力之间存在较强的关联性,并且不同的城市形态要素影响方式亦不相同。研究结论能加强对空间活力内涵的理解,有助于设计更友好的城市空间环境。     

基于多源遥感数据的物种多样性及陆表植被恢复力监测研究

生物多样性和生态系统恢复力是生态系统健康的关键因素和重要指标。物种多样性指一定区域内物种数量的总和,物种多样性监测是生物多样性监测与保护的核心部分。作为生态系统恢复力的重要组成部分,植被恢复力是陆表生态系统服务和生态系统功能的重要指标,直接决定了陆表植被变化、陆表生态系统稳定性等关键生态过程和生态参量。目前,受到观测手段的限制,物种多样性与陆表植被恢复力监测普遍空间范围小,时间范围不连续,其中热带地区植物物种多样性变化对植被影响效果争议较大。论文基于长时间序列高精度遥感数据,从动物物种多样性遥感监测、植物物种多样性变化对热带雨林影响的遥感评估、遥感植被恢复力监测三方面出发开展相关工作。主要工作和成果包括:     

鹤岗市生态环境脆弱性演变分析

鹤岗作为煤炭资源型城市,其资源型产业对城市生态环境破坏严重,容易造成严重的环境污染。本文以鹤岗市为研究区域,构建生态环境脆弱性评价模型,选取2000-2014年统计数据,研究鹤岗市生态环境脆弱性演变特征及其主要影响因素,研究表明:1)15年间鹤岗市生态环境脆弱性指数逐渐下降,脆弱性等级从重度脆弱上升为中度脆弱。可分为3个阶段:2000-2010年缓慢下降,2011-2012年急速下降,2013-2014年波动上升。2)从各准则层看,生态压力指数和生态承载力脆弱性指数总体下降,生态恢复力指数波动上升。3)影响因素:生态压力和生态承载力脆弱性与生态环境脆弱性呈正相关,生态恢复力与生态环境脆弱性呈负相关;具体因素有采矿业法人单位数、建成区绿化覆盖率、工业固废综合利用率等。     

城市大比例尺数字地形图的多源空间数据检核方法研究

城市大比例尺数字地形图是城市空间信息系统建设的基础,提升其数据质量和权威性是开展各领域应用的有力保障。长期以来,在城市建设和管理过程中,各部门积累了大量与空间位置相关的数据,虽然这些数据在精度上大大低于地形图精度,在数据形式上也与地形图有较大的差异,但作为检核条件,仍可对地形图数据存在问题的发现起着重要作用。从拓扑一致性、统计一致性和地址描述一致性等3个方面研究一些部门数据对城市大比例尺地形图的检核方法。     

基于高分一号卫星的城市扩张变化监测研究

廊坊是京津冀城市群的地理中心,位于京津两个国际都市之间。本文选取廊坊市中心为研究对象,利用高分一号卫星数据和航空影像,分析廊坊市2010~2016年的城市扩张变化情况,为京津冀协同发展制定政策并为城市制订规划提供依据。首先对遥感影像进行预处理,对高分一号卫星影像,按用地类型分别采用监督分类、面向对象和植被指数法提取城市2016年地表现状信息,并进行精度评价;对2010年的航空影像进行数字化,两类数据结合进行基于分类的变化检测和精度评价,分析城市空间变化特征。结果表明,厂房、建筑和未建成区分别采用监督分类、建筑阈值分类和面向对象法分类效果较好;廊坊市城市扩张的驱动力主要为经济发展、政策因素、历史条件、地形等。     

大数据支持的武汉市功能识别与分布特征研究

针对如何识别城市功能布局与分析及其分布特征等问题,该文借助大数据技术,对武汉市中心城区的城市功能与分布特征进行了识别和分析。使用POI数据作为城市功能点并进行重分类,并选取公众认知度和一般面积作为影响因子,通过权重赋值与核密度分析的方法,进行点与面的拓扑分析,最终得到武汉中心城区的城市功能分区与城市功能分布。通过与武汉市城市规划图和高精度遥感图像以及现有地图的对比和部分实地调查后发现,使用这种方法得到的城市功能分区的正确率达83%,是一种较为准确地进行城市功能分区与研究城市功能分布的办法。通过对武汉市功能分布特征的研究,我们发现:武汉呈现多中心发展模式;住宅功能和公共服务功能分布十分广泛;武汉各种城市功能在空间上有着较大的重叠。     

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...     

城市知识体系

智能城市的建设已经从过往的以业务为中心进入了以数据为中心的阶段。随着数据的不断积累以及智能算法的发展,智能城市的应用也开始从简单直接地使用数据向挖掘数据蕴含的知识来解决问题演进。类比以数据为中心的智能城市建设阶段需要城市数据管理体系,以实现数据的有效归集、管理和复用;在未来以知识为中心的时代,人们也需要建立相应的城市知识体系,以确保知识的有效组织、沉淀和复用。首次提出了智能城市知识体系,包括城市知识的内容定义、知识的表达形式、知识的产生和知识的应用四部分以及各部分中的规范和方法。城市知识体系可帮助从业者快速掌握行业知识、有效组织知识、高效构建以知识为中心的智能城市应用,发挥知识的价值,并让不同应用产生的知识不断沉淀、复用和融合,让智能城市可以更快、更好的发展。     

基于GIS和兴趣点(POI)数据的城市中心体系识别方法研究——以上海市为例

城市公共中心高度聚集了各类城市公共管理与公共服务设施。近年来城市建设发展迅速,传统的抽样调查等方法已不能满足新时代需要。互联网与计算机技术的发展给城市研究提供了新思路:城市兴趣点(POI)数据涵盖了广泛的地理空间和位置属性并且对公众开放。本研究使用POI数据,结合核密度估算(KED)模型定量研究其空间分布规律并对上海市城市中心体系的识别。结果显示,根据POI数据分析识别的上海市城市中心体系整体呈现单中心发展态势,城市副中心与郊区中心发展力度不足,尚有待进一步建设。将结果与《上海市城市总体规划(1999—2020年)》确定的城市公共中心体系进行对比,提出优化建议。     

基于GIS的山东省中心城市发展水平综合评价

城市在区域发展中占有主导地位,中心城市的综合发展是带动周边地区发展的重要动力,通过城市的优先发展来带动周围区域的发展是国际经验。本文运用主成分分析法和聚类分析的方法,对山东省17个中心城市发展水平做了综合评价,主要成果是:首先,建立中心城市发展水平指标体系,共4个影响因素,20个评价指标;其次,用主成分分析法得出17个中心城市相应的得分并排出名次;最后,用聚类分析的方法将17个城市分成4类。     

基于改进场模型的城市腹地划分方法——以山东省为例

针对传统城市腹地划分方法很少考虑阻碍因素的不足,该文将阻碍因素引入场模型,改进场模型中的城市综合规模,提出了基于改进场模型的城市腹地划分方法,较好地界定了城市影响范围;基于改进的场模型,实现了城市势力范围合理划分。以山东省17个地级市为研究对象,开展了城市腹地划分验证分析,实验结果表明:山东省各城市势力范围差异较大,中心城市的势力范围远远超出其行政范围,各城市势力圈与市域行政范围吻合性有待提高。研究表明城市腹地范围是由中心城市和周边城市的实力共同决定,是对城市经济区的重新界定,对城市体系规划和结构调整有一定参考意义。     

基于微博用户情感分析的城市幸福感影响因素与空间分异研究

以微博“2020中国最具幸福感城市榜单”话题为切入点,利用网络爬虫技术抓取微博用户评论数据;利用文本主题生成模型（LDA）和ArcGIS分析了微博用户视角下幸福感城市的情感响应空间分异和影响因素,为榜单城市和国内其他城市的可持续高质量发展提供参考。结果表明：(1)全国各地对榜单的响应呈东高西低的趋势,响应热度较高的区域均为榜单城市所在省份及其周边,并以榜单城市为中心呈距离衰减现象,旅游与美食发展较好的城市容易引起更多地区的响应;(2)地域独特性,微博用户对长沙大多呈正面响应,对郑州大多呈负面响应,青岛、西安、杭州的情感响应省外地区高于省内,微博用户对榜单城市的印象是主要影响因素;(3)旅游和美食对城市幸福感具有显著正面影响,而房价和工资则具有显著负面影响。     

南京市住宅租金空间分异特征与影响因素分析

针对当前城市住宅租金空间分异研究的不足,尤其是从宏观层面揭示城市租金空间结构影响因素研究的欠缺,通过网络爬虫法抓取南京市租房信息及相关数据,运用趋势面分析、空间插值分析、空间自相关分析等方法研究南京城市住宅租金的空间分异特征,并分析其空间分异的影响因素。结果表明:南京住宅租金具有显著空间自相关性,租金总体趋势呈现出由中心向外的圈层式递减特征,H-H集聚区域分布在中心城区,L-L集聚分布在地铁线末端等区域。人口分布及就业中心、城市规划引导、轨道交通及公共服务设施水平是影响南京住宅租金水平空间分异的主要因素。本研究可为城市住宅租金管理与住房开发决策提供参考。     

基于夜间灯光遥感数据与POI数据的城市中心识别——以深圳市为例

尝试结合夜间灯光遥感数据(NPP-VIIRS)和POI数据,去识别深圳市的城市中心。首先,通过实验确定了多分辨率分割的最佳参数并确立了统一的空间单元计算POI的密度;其次,通过计算Anselin Local Moran′s I结合人类活动密度把高-高聚类单位定义为城市主中心,并使用地理加权回归模型根据POI密度的平方根与分割单元的几何中心到城市主中心的加权距离来确定子中心,识别出了2个城市主中心和11个城市子中心;最后通过与传统识别城市中心的方法进行对比分析。结果表明：多尺度分割、Anselin Local Moran′s I与地理加权回归结合的方法更好。     

城市因素对COVID-19疫情的影响——以武汉市为例

新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)疫情是一次重大的突发公共卫生事件,深入研究城市空间因素对疫情发展的影响对于未来城市安全具有重要意义。武汉市是遭受COVID-19疫情影响最为严重的城市,以武汉市三环内的中心城区作为研究区域,基于COVID-19疫情的新浪微博求助数据,揭示了COVID-19疫情在城市中的空间分布格局及其对不同区域的影响。在此基础上,根据疫情的主要传播途径及相关影响因素,选取社会人口、城市形态、城市设施、城市功能4项指标进行了验证。通过将研究区域进行网格化处理,运用地理加权回归模型对这些因素的效应、空间异质性以及影响范围进行分析,解释并反演出疫情在武汉城市空间中发生、传播、扩散的实际情况和作用机制。结果显示,三甲医院密度、商业密度、地铁站点密度、建设规模、老龄化、土地混合使用对疫情有显著影响。对城市空间因素的分析和验证有利于在未来的突发性公共安全危机中采取有效的城市规划和建筑设计应对,帮助城市决策者制定科学合理的防治策略,提前规避或减小对脆弱性区域和群体的冲击。