基于时序InSAR的京津高铁北京段地面沉降监测

京津高铁是中国第一条高速运行的城际铁路,其安全运行对轨道的平顺性有着严格的要求。地面沉降,尤其是不均匀地面沉降会引起部分路基和桥梁变形,威胁着高速铁路的运营安全。合成孔径雷达干涉测量技术可以大范围监测地表形变,对高速铁路沿线地面沉降具有较好的监测能力。本文以45景高分辨率TerraSAR-X 数据为基础,采用 PS-InSAR技术监测京津高铁北京段沿线地面沉降,获取京津高铁北京段沿线地面沉降的分布信息,从动静载荷视角结合北京地区地下水、断裂带、地质条件和含水层系统介质等数据,综合分析高铁沿线不均匀地面沉降的原因,为京津高铁的安全运营提供技术支撑。研究结果表明：京津高铁北京段沿线地面沉降发展在空间上存在一定差异性,北京南站至十里河区间,年沉降速率小于10 mm/a; 至十八里店区间,年沉降速率在10~40 mm/a范围内浮动;过亦庄站至东石村以东区间,最大年沉降速率达到90 mm/a;至永隆村以西,年沉降有所缓解,往东至坨堤村,沉降较为稳定,年沉降速率小于10 mm/a。地下水超采是沿线区域地面沉降的主要因素,动静载荷共同作用下对地面沉降产生一定的影响,沿线地面沉降一定程度上受到南苑—通县断裂带和旧宫断裂带构造控制,沉降量较大的路段位于粘土层较厚的大兴迭隆起。     

采用时序InSAR技术监测北京地铁网络沿线地面沉降

随着北京轨道交通的日益完善,地铁成为人们日常出行的重要交通工具,监测和治理地铁工程沿线地面沉降成为保障线性工程正常运营的一项重要基础性工作。本文基于55景覆盖北京地区的3 m高分辨率TerraSAR-X数据,采用时序InSAR分析技术获取2010年4月至2016年12月地铁网络沿线的地面沉降形变信息,系统分析了北京地铁网络沿线地面沉降时空演变规律。同时,结合Peck公式将InSAR监测结果进行建模,以7号线磁器口-广渠门内站区段为例,估算地面沉降槽的空间发展特征。研究发现：北京市地铁线路沿线表现出不同程度的形变,形变严重的路段主要集中在东部及东北部区域,最大沉降速率超过了100 mm/a;相对于其他线路,4号、10线整体情况比较稳定,14号、亦庄线次之,6号、7号线不均匀沉降最为严重;此外,地铁在不同建设时期路段表现出不同的形变特征,施工期路段较运营期沉降严重;7号线磁器口与广渠门内站间沉降槽的宽度和最大值沉降值在2010-2016年呈现增加趋势,沉降槽最大宽度约达180 m。     

北京大兴国际机场及周边交通干道形变时序InSAR监测

北京大兴国际机场作为国际航空综合交通枢纽,开展其周边地面形变及主要交通干道的稳定性监测,对保障机场的正常运营至关重要。利用2019～2020年覆盖北京大兴国际机场的42景升轨和35景降轨Sentinel-1影像,采用StaMPS技术对机场周边地面沉降及主要交通干道稳定性进行了监测。结果表明：Sentinel-1升、降轨监测结果具有很好的一致性,90%以上的公共像元形变速率差值的绝对值小于8 mm·年^-1;机场西部(西胡林村、十里铺村和辛安庄村附近)、机场北部(西里河村和祁各庄村附近)以及机场东北部(河北头村和西白塔村附近)地面沉降状况相对严重,局部地区年均形变速率超过-30 mm·年^-1;形变时序结果显示在西胡林村、十里铺村和祁各庄村附近,地面累计形变分别达到了58、60和70 mm。通过提取北京大兴国际机场周围主要交通干道形变趋势分析可知,多条主要交通干道均存在不同程度的沉降趋势,存在潜在安全隐患,后续需要重点关注并持续监测。此外,对高架道路高度的反演结果显示,高架道路与周围部分地物在高度上形成鲜明对比,且与实际情况较为相符。     

东营市城区地面沉降影响因素

通过对东营市城区地面沉降监测数据的分析,得出东营市城区地面沉降的主要影响因素是长期开采石油、天然气、深层地下水,使地层应力增加产生压缩;新构造运动、全球海平面上升、欠固结土自然沉降以及地面荷载是地面沉降的次要影响因素。     

深圳市住宅用地价格影响因素空间差异化规律分析

影响因素是地价评估的核心和基础,深圳市目前还没有一套完整的影响因素体系,现有体系主观性较强,因此,制定一套合理的影响因素体系及分析其影响规律显得十分重要和迫切。采用了空间分析方法及特尔斐法,确定了住宅用地影响因素体系。运用地理加权回归模型(GWR模型)对体系中的11个影响因素进行分析,研究结果表明深圳市不同区域对相同影响因素的敏感性不一样,即影响程度不一样,深圳市住宅用地价格影响因素具有明显的差异化特征,为深圳市地价评估中选择估价因素、确定因素权重提供定量支撑。     

应用升降轨SBAS-InSAR技术监测昆明市地面沉降

将SBAS-InSAR技术应用于昆明主城区地面沉降监测,单独处理同一地区2014~2017年的29景升轨和32景降轨Sentinel-1A、1B数据。在升降轨模式下进行数据处理与精度验证,结果表明两种模式下所得到研究区域的平均沉降速率和时序分析基本保持一致。研究发现昆明市沉降漏斗主要位于居民区、地铁、道路、高速公路、以及滇池区域,最大年均沉降速率可达-38.975 mm/a,累积沉降量达到89 mm。研究表明,昆明市地面沉降主要由于近几年城市化建设和轨道交通建设的飞跃发展,导致居民区和交通网络密集,地面载荷增加,地下隧道开挖与地下水开采等问题引起地面软土地层下沉而产生明显的沉降现象。     

地面沉降影响因素定量分析法比较

对影响某市地面沉降的六个因子,采用相关分析、效果测度、距离系数、灰色关联度、密切值法进行了定量分析,探讨了各模式特征及地面沉降影响因素分析中存在的问题。     

县域尺度下湖南省碳排放空间分异特征与影响因素

开展县域尺度下的碳排放空间分异与影响因素研究,是助推实现县域等多尺度区域“双碳”目标的重要环节。以湖南省122个县(市、区)为研究对象,通过夜间灯光数据估算湖南省各区县的碳排放量,采用探索性空间数据分析方法刻画了县域碳排放时空格局,运用地理探测器和时空地理加权回归(GTWR)模型,从政策、经济、能源、社会和产业维度对县域碳排放空间分异与影响因素进行了定量研究。结果表明：(1)2012～2020年,湖南省县域碳排放总体呈减弱趋势,且差异较为明显,空间格局分布为北高南低,东西差距较小;(2)莫兰指数(Moran’s I)逐年下降,空间集聚特征较为显著,总体成正相关关系;(3)财政支出、人口规模、城镇化率、能源碳排放强度和农业发展水平是影响县域碳排放的主导因子;(4)通过时空地理加权回归模型对主导因子进行分析,发现同一指标对不同区县碳排放的影响存在显著的时空差异。     

北京市住宅价格空间分异特征及影响因素分析

住宅价格空间分异性能体现社会空间异质性,理解当前住宅价格空间格局分异特征及影响因素对北京这类超大城市进行相关规划有重要意义.利用空间插值方法分析北京二手房住宅价格空间格局,采用地理加权回归模型分析住宅价格空间分布影响因素.结果发现:北京市住宅价格的空间分布呈现圈层结构,高值区集中在四环路内,低值区集中在六环路外,但城市...     

多尺度视角下城市住宅价格空间格局与影响机制研究

城市住宅价格的空间分异受到多重资源因素的影响,其影响机制在不同尺度上表现出的空间分异格局各不相同.以2015—2018年16个季度成都市中心城区商品住宅小区住宅价格为基本数据,利用空间自相关分析法、多尺度视角分析法探索成都市住宅价格空间分异格局,利用地理加权回归模型(GWR)构建成都市住宅价格特征变量指标体系,分析导致住宅价格空间差异的影响机制,研究发现:在2015—2018年16个季度中,成都市住宅价格先持续上升后出现小幅下降,中心城区各区住宅价格空间自相关性高,表明近年来住宅价格空间邻近联动性强.500 m×500 m栅格尺度下成都市中心城区住宅价格分布不均衡,住宅价格总体呈现中心区域高、边缘区域低分布格局,且南北住宅价格存在一定差异,中心城区住宅价格局部呈现"多中心+边缘化"的空间分布格局.多尺度视角分析法不仅能够考虑尺度效应及分区效应对住宅价格空间格局的影响,而且能够定量分析多资源因素对住宅价格的影响机制,解析多资源因素指标对住宅价格空间分异产生的影响.     

基于路网距离的重庆市小区价格空间分异与影响因素研究

小区住宅价格影响深远,关系着城市的吸引力和竞争力,对其空间分布特征和影响机制展开研究具有实际意义.以重庆市主城区为研究区,探究小区房价空间分布模式和规律,对比基于真实路径距离和欧式直线距离构建地理加权回归模型的模拟效果和估计精度,从而揭示各影响因素对小区房价的影响程度和区域差异.结果表明:①重庆市主城小区价格具有空间正...     

中国居民预期寿命及其影响因素的空间差异分析

良好的健康和人类福祉是联合国提出的可持续发展目标之一,提高人口预期寿命是迈向此目标的重要一步。由于中国城市在自然环境和社会发展方面有所差异,因此理解不同城市居民的预期寿命主要受何种因素的影响是制定城市公共卫生策略的关键。本研究基于2015年中国286个城市的有效数据,利用探索性回归、普通最小二乘回归、地理加权回归筛选与预期寿命最相关的影响因素并探索其空间差异,再通过二阶聚类将城市分类,以针对性地提出每类城市政策建议。结果显示：① 经济发展,教育条件和医疗设施条件对预期寿命有显著的积极影响,平均海拔和环境污染则具有负面影响;② 东南地区的经济发展对当地居民的预期寿命影响程度更大;东北和西南地区的医疗设施条件对其居民预期寿命促进程度更高;北部地区的教育条件对当地居民预期寿命影响比其他地区更高;平均海拔对西部地区居民预期寿命的影响最大;西北地区居民的预期寿命则更易受到环境污染带来的负面影响;③ 根据空间差异将城市分为3类,其居民预期寿命关键影响因素依次是经济发展和环境污染、教育条件、医疗设施,每类城市的城市管理者应重点关注不同因素来提升居民的预期寿命。     

深圳市都市型滨水空间活力影响因素分析

城市滨水空间作为重要的城市公共空间,是体现城市活力与形象的重要载体。然而,目前研究主要侧重于单一类型的滨水空间活力的影响因素研究,缺乏对不同类型滨水空间活力的差异影响因素及各影响因素间的交互作用研究,难以对城市不同类型滨水空间的精细化管理提供指导。基于此现状,本文拟以深圳市为例,以百度热力图人口数据作为滨水空间活力的表征,整合多源地理数据,利用地理探测器模型,探寻不同类型下滨水建成环境与活力之间的交互关系,结合地理加权回归分析进一步识别活力的驱动因素。研究结果表明：(1)各类滨水空间活力驱动因素存在较大差异,滨河空间中区位及可达性因子为主要驱动因子,q值高达0.757、0.720,滨湖空间区位、人口密度、滨水绿地率以及交通可达性因子活力的解释力更强,其中区位q值为0.807,海滨空间活力的驱动因子包括：区位、道路可达性以及建筑与水面的高宽比因子,q值分别为0.774、0.694和0.499;(2)任意2个影响因子共同作用的解释力并非均大于单独作用结果,与以往研究不同,研究显示功能混合度因子及滨水绿地率因子与其他因子的交互作用,对于滨水空间影响力提升最为显著;(3)活力影响因素空间差异大...     

基于街景图像的厦门本岛环境特征对住宅价格的影响研究

住宅价格的空间分异是城市空间资源配置不均衡的外在表现,理解住宅价格的主导影响因素及其空间分异特征对于住区规划及房价调控政策的制定具有重要意义。既有研究较少考虑环境品质对住宅价格的影响和影响因素的作用尺度差异,针对以上问题,本文引入街景图像,在特征价格模型的基础上拓展环境特征,构建多尺度地理加权回归（MGWR）模型,研究环境特征对住宅价格的影响效用,并通过分析其他控制变量的系数空间格局,总结各变量的空间分异特征规律。主要结论为：(1)街景图像测度的环境特征更符合人们对居住环境的真实感知,研究结论可为居住环境品质提升提供更加精细化的设计策略;MGWR模型对变量的空间分异现象具有更接近于真实值的拟合效果,可描述不同变量的作用尺度差异,这有助于为特定地区制定针对性规划策略。(2)厦门本岛住宅价格呈现显著的聚类特征,并沿城市核心发展轴呈“带状”结构分布。(3) 3个环境特征变量对于住宅价格均为显著的正向影响,且作用接近全局尺度,街景绿视率的影响最强,其次是天空开敞度和相对步行指数。(4)总结各变量的系数空间分异规律,发现不同特征地区住宅价格的主导影响因素不同,核心地区主要受交通、教育因素的影响;...     

基于空间分析模型的犯罪率与个人生活指标相关性分析——以美国50个州及哥伦比亚特区为例

犯罪行为是威胁社会安定的关键因素.本文以美国50个州及哥伦比亚特区为研究对象,选取青壮年男子受教育状况、私人交通及通信状况等3种个人生活指标,探究不同空间分析模型下,犯罪率与上述指标之间的关系,进一步分析各个指标与犯罪率之间的相关性,有望对区域治安管理与犯罪行为分析提供一定的参考.结果 显示,犯罪率具有空间自相关的特性...     

中国地级城市建成区蓝绿空间时空格局及其气候影响因素分析

蓝绿空间是城市生态安全的重要保障。本文通过谷歌地球引擎（GEE）提取2005、2010、2015与2020年的植被与水体指数数据,构建了包含272个地级城市建成区的蓝绿空间数据库。运用蓝绿空间覆盖率、300 m服务半径覆盖率、分维数与分离度4个指标分析其时空格局与演化模式,并进一步探讨其气候影响因素。结果表明：(1)地级城市建成区蓝绿空间整体呈现为“南高北低”的格局,且南方“西高东低”、北方“东高西低”,但环渤海地区为蓝绿空间覆盖率“洼地”;时间格局为“总体增长、局部降低”,华中地区呈下降趋势的城市最多;(2)就分区而言,西南地区城市建成区蓝绿空间覆盖率最高（平均高于65%）、分离度最低（平均低于0.60）,西北地区覆盖率分异较大,华北地区覆盖率最低（平均10%～30%）且分离度最高（平均约0.98）;(3)采用多尺度地理加权回归模型所得R2为0.85（校正R2为0.83）,其中,降水量对城市建成区蓝绿空间的影响最显著,降水量变化成正相关,气温则成负相关;整体上气候影响与比人为影响相当,但在某些时段间更大。     

基于地理探测器的中国中部城市土地绿色利用效率时空演变及影响因素研究

中部崛起战略后,中国中部六省（湖北省、湖南省、安徽省、山西省、江西省和河南省）经济快速发展,建成区面积不断扩张,不仅威胁粮食安全,更加剧资源环境约束。在此背景下,本文采用2007—2018年中部六省80个地级市面板数据,并运用Malmquist-Luerberger指数、重心模型、空间计量模型和地理探测器模型分析中部六省80个地级市土地绿色利用效率时演变、重心移动轨迹变化及其影响因素情况。结果表明：① 2007—2018年中部六省土地绿色利用效率增长是靠技术进步“单轨驱动”的。② 城市土地绿色利用效率值表现出明显的空间分异特征,且重心总体向东北方向移动。③ 中部六省各地级市之间土地绿色利用效率存在空间依赖性和空间溢出效应。④ 除城市建设用地面积外,城镇化率、产业结构高级化水平、经济发展水平、外商直接投资额均正向影响中部六省80个地级市土地绿色利用效率。其中,各个影响因素对土地绿色利用效率的影响从强到弱依次为产业结构高级化水平、外商直接投资额、建设用地面积、城镇化率、经济发展水平。     

柳州市汽车制造业企业的空间格局与影响因素

中国是世界汽车生产大国,产销量已连续9年蝉联世界第一,然而有关汽车产业的研究更多集中在区域尺度,对城市尺度的研究相对较少。本文以柳州市为案例,利用工商注册企业数据和核密度估计、负二项回归模型等方法分析了柳州市汽车制造业企业的空间格局与影响因素。结果表明：① 汽车制造业企业主要集中在河西、洛维、河东、阳和等城市组团,企业集聚范围逐步向东、向西扩散,其中向东扩散以柳东新区为主,向西扩散以河西高新技术产业开发区为主;② 汽车制造业企业在距离市中心0~11 km显著集聚,空间集聚强度呈现先增加后减小的趋势;③ 土地价格、交通条件、地方化经济、政策是影响汽车制造业企业区位选择和空间格局的重要因素;同时,汽车制造业JIT（Justin Time）生产方式也具有重要影响。在此基础上,提出汽车制造业企业区位选择和空间格局形成的循环累积机制、区位临近机制、价格传导机制。     

结合“珞珈一号”夜间灯光与城市功能分区的广州市碳排放空间分布模拟及其影响因素分析

合理模拟城市内部的碳排放空间分布情况,是制定清晰明确的碳减排政策的重要前提。由于以往相关研究所用数据分辨率较低,且未考虑行业差异,因此所得结果较难精细地反映碳排放空间分布特征。为解决以上不足,本文提出一种更为合理的碳排放空间分布模拟方法。首先利用时间序列法预测2019年广州市各行业碳排放量;然后结合“珞珈一号”夜间灯光及城市功能分区数据,在精细尺度下实现分行业的碳排放空间化;在此基础上进行空间自相关分析,揭示广州市碳排放空间分布规律;最后采用随机森林模型分析影响广州市分行业碳排放的社会经济驱动因素。结果表明：① 广州市碳排放量在2011年后呈缓慢增长趋势,2019年碳排放量达83.12百万吨,其主要贡献来源为交通行业;② 与常用的ODIAC（1 km）、EDGAR（10 km）碳排放产品及基于NPP-VIIRS的碳排放空间化结果（500 m）相比,结合高分辨率（130 m）夜间灯光数据以及城市功能分区实现的碳排放空间化结果可以在更精细的尺度上呈现区域内部的空间碳排放差异;③ 广州市碳排放呈显著的全局空间正相关,形成了以第二和第三产业集中区域为依托的高高聚集区;④ 广州市2019年第二产业碳排放的主要影响因素是一般公共预算收入、第二产业GDP、一般公共预算支出、固定资产投资额;第三产业碳排放的主要影响因素是社会消费品零售额、第三产业GDP、各个行政区总GDP以及人口数量。综上,本研究从城市内部行业结构差异出发,结合高分辨率的夜间灯光数据,展现区域内部的碳排放分布格局,所得结果将有利于相关部门制定精准的碳减排和产业优化升级策略。