基于GIS的重庆市大气污染空间分异研究

利用空间统计分析方法（spatial statistics analysis）,借助GIS工具分析重庆市3项大气污染物TsP、s02和NO．浓度的空间分异特点。污染物在东北-西南方向上分布最为分散,经济重心与污染重心相差较远。在整体上SO2的空间自相关性很强,属集中分布模式;TSP的空间自相关性较弱,属随机分布模式;NOx处于两者之间。局部相关性分析表明,大部分区、县的大气污染物之间相关性较弱。通过两个年度的浓度动态变化比较,发现SO2和TSP都有明显的消减,但NOx浓度在局部地区仍在增加,增幅达164．2％,使其整体上几乎没有消减。     

兰州市蔬菜市场的空间分布特征及影响因素研究

蔬菜市场是城市地理空间的重要组成部分,其合理布局是落实城市“菜篮子”工程的重要环节。选取兰州市主城区蔬菜市场为研究对象,采用2020年兰州市蔬菜市场POI数据、社会经济数据,借助核密度分析、探索性空间数据分析、两步移动搜索法、地理探测器等方法,从地理学视角利用大数据分析兰州市蔬菜市场的空间分布特征及影响因素。结果表明：（1）蔬菜市场的空间分布呈“西北—东南”走向特征,综合性大型超市在兰州市主城区的分布较其他类型更加均衡且分散,大中型农贸市场及蔬菜零售店的分布较为集聚。（2）蔬菜市场在数量规模上呈现出“东密西疏、南密北疏”的分布格局,综合性大型超市呈斑块状分布,大中型农贸市场整体呈岛状分布、多中心格局,蔬菜零售店的空间分布形态呈斑点状分布。（3）蔬菜市场的空间分布具有较强的聚类趋势。（4）兰州市蔬菜市场的可达性整体较好,安宁区、西固区的部分街道可达性偏低。（5）兰州市蔬菜市场空间分布以多因子交互影响为主,主要影响因素有人口因素、交通因素等。最后,指出蔬菜市场空间分布的不合理之处并提出相关建议,以期在加强兰州市蔬菜市场空间合理布局和协调发展等方面提供参考。     

基于GIS的兰州市普通住宅价格空间格局分析

基于兰州市2005～2006普通住宅数据，利用空间分析中点模式分析，空间自相关分析，房价与区位因子的线性回归分析，空间插值方法等，对兰州市普通住宅价格的空间分布格局进行分析，并运用线性回归分析对其影响因素进行了探讨。研究表明，兰州市房地产发展在空间上具有明显的集聚特点，房价的空间自相关很明显，房价与商服中心的距离呈显著的线性相关性。空间分析方法提供了准确认识、评价和综合理解空间位置和空间相互作用的手段，为定量研究提供了支持。     

兰州市环境污染现状分析与治理对策

８０年代以来，郑州市大气污染日益严重，影响了兰州市经济和社会的全面发展，文章认为：工业生产大量用煤、某些企业布局不合理，特殊的地理位置和气象因素是造成兰州市大气污染日益加剧的主要原因，并探讨了兰州市大气污染的治理对策，指出清洁生产是解决大气污染的根本途径。     

基于空间互动模型的兰州市乡村旅游网络中心性分析

基于传统“引力模型”,引入通勤时间、旅游潜力等指标,构建了“旅游空间互动模型”,并以兰州市47个乡村旅游发展重点村为例,采用社会网络分析法剖析了兰州市乡村旅游网络中心性特征,发现：① 兰州市各村庄的度中心值均高于中介中心,中介中心值均高于向量中心,且主城区周边村庄的中心性普遍高于西北部永登县、东南部榆中县及其他县区所辖村庄的中心性;② 兰州市乡村旅游网络发育不成熟,空间结构呈现局部紧凑、整体稀疏且发展不均衡的特点;③ 当前兰州市乡村旅游发展以第二层级村庄为主,急需培育第一层级村庄以完善旅游网络中的核心节点。最后,提出优化兰州市乡村旅游网络结构的对策。     

基于GIS的国家自然科学基金资助项目空间分布研究CSSCISSCI

个体及研究机构的科学定位、能力大小的差异决定了高质量的研究往往并非随机空间分布。更好地认识和理解国家科学基金空间分布规律是制定宏观资助管理战略、统筹区域基础研究发展和人才布局的基础。本研究以国家自然科学科学基金2001-2010年10年间省际获资助数据为基础,利用GIS工具和空间分析方法,主要采用Moran’s I指数和G系数等统计指标,从不同的空间尺度,分别对科学基金资助项目总体空间分布情况、省际获资助和城市获资助空间分布情况进行了分析。最后对分析结果进行了总结并得出相应的政策启示。     

探索性空间分析及其与GIS集成模式探讨

探索性空间分析基于让数据说话的理念,可以避免野值或非典型观测值的误导。在对探索性空间分析的基本原理和概念界定的基础上,探讨交互式和动态空间数据分析、地学可视化及可视化空间分布、确认性空间分析、空间数据挖掘等探索性空间分析的主要技术。由于统计分析软件和GIS的数据格式差异很大,直接将二者简单集成存在一定困难,因此切实可行的集成方式是采用对象连接和嵌入(OLE)技术,分别调用统计分析软件的探索性分析功能(或者函数)以及GIS的地图显示和空间分析功能,并进行必要开发,实现二者的集成。最后对探索性空间分析的发展方向进行展望。     

城市人口空间分析及其GIS应用模型

城市作为大规模集中的人类非农性社会经济活动在二维平面上的投影点，相互之间存在着空间作用，这使得城市人口的变动不仅仅是其内在属性影响的结果，还是城市实体空间分布作为位置变量对城市人口内在属性综合作用的结果。文章通过实证进行了城市人口空间分析，并探讨了相关GIS应用模型特性和建立的诸多问题。     

基于GIS空间分析的乡镇行政区划调整方法研究

分析现有行政区划调整的方法,指出乡镇行政区划调整的主要影响因素,即乡镇人口、城镇势力圈及其空间联系.借助GIS空间分析工具,以人口指标计算乡镇势力圈,以乡镇势力圈作为乡镇辐射范围,依据吞并原则、合理性原则和完整性原则对乡镇行政区划进行调整,并以长岭县为例进行了实证研究.结果表明,利用GIS空间分析功能计算乡镇的辐射范围,简便易行,精确度高,兼容性好,为乡镇行政区划调整提供了一种定量分析方法.     

基于GIS的城市犯罪行为空间分布特征及预警分析

本义利用中原某县城区土地利用现状图、道路图、社区人口统计资料,以及10年的城区犯罪案例数据等,对该县城区不同犯罪类型和不同年份的犯罪数据进行了空间分析。对该县城区犯罪及其影响因素的空间格局研究表明：①该县城区的核心区案件数量最多,其次为东关和西关较多,而边缘区案件数量相对较少;②就所有犯罪案件在城区的空间分布看,犯罪密度空间分布具明显的分区特征,其中水口路、十字街和袁山市场是犯罪密度最高的区域;东关、西关以及城北新区是犯罪密度较高的区域;城市边缘区的犯罪密度最低。研究表明城市犯罪与城市建成区的发展有关系;城市犯罪案件数与城市出行人数存在较强的线性关系。通过建立城市犯罪空间分布模型,可以模拟与预测城市犯罪未来空间分布,从而使公安部门及时准确地作出防范措施。     

兰州城市建筑的空间分布

利用高精度卫星影象和大规模实地调查方法获取数据,采用GIS手段、景观生态学和数理统计等方法,利用建筑占地面积和建筑面积等指标分别研究了兰州市各区、功能区、各组团、各圈层现状建筑的空间分布与组合,以及城市资产、土地强度的空间变化规律。结果表明：住宅、工业、商务三类建筑是兰州市建筑的绝对核心类型,空间分布均衡而广泛,且工业建筑向外围迁移过程中存在全域分散化特征：兰州市各区建筑用途复杂程度、多样性和均匀性由中心到外围大致逐步降低,优势度逐渐增加,组团分布特征显著而强烈;建筑更新具有明显的全域化和快速推进特征;建筑用途空间组合、建筑容积率由中心到外围的空间波动性较为显著：建筑用途多样性、建筑容积率等指标高或低的“插花”分布现象相当显著;住宅、工业建筑更新与空间分化是城市建筑更新、建筑用途空间分化与组合及其变迁的核心动力因素,单位制模式的影响依旧强烈和深刻。     

基于GIS的多因子分析法对兰州市大气环境功能区划的研究

兰州市是全国大气污染十分严重的城市之一。因地制宜,进行城市大气环境功能分区对全市污染总量控制以及污染治理具有非常重要的意义。研究通过对影响兰州市大气质量主要因子分析,应用层次分析法(AHP)建立了大气功能区划分的多因子评价模型。并且运用GIS空间分析功能对兰州市区进行了大气污染指数模拟与功能区划,结果表明:由于受到地形因子与盛行风影响,兰州市区大气质量较差,市区中西部大部分被三类功能区覆盖。三类功能区面积约32.9 km2,约占整个兰州市城区面积的20.5%,主要分布在西固区的西北部和七里河区的西南部。二类功能区面积约122.8 km2,主要分布区域是城关区、安宁区、七里河区的东南部和西固区的东南部。结果表明该方法能定量划分大气环境功能区,证明GIS具有较为准确的空间分析与模拟功能。     

兰州市职住空间组织特征

以兰州市为实证研究对象,基于2010年兰州市内1 500份家庭调查问卷数据基础上,利用地理信息系统技术,对兰州市居民的职住空间组织特征进行实证研究。研究发现兰州市居民的居住地和就业地之间的平均距离为2.34 km,有一半居民的通勤距离在1 km内,和北京、上海、广州等东部大城市相比,兰州市的通勤距离比较短,还没有出现类似东部大城市的职住分离比较突出的现象。兰州市作为多中心、带状组团城市,各组团内部就业与居住基本平衡,居民通勤多以本组团内部的通勤行为为主,没有出现大规模的跨区通勤,各组团居民的通勤行为具有“近多远少”特点。各组团职住空间特征存在明显的差异,城关区和安宁区的平均通勤距离较短,七里河和西固区的平均通勤距离较长。职住空间组织特征与城市中居住功能和就业功能的空间差异有关。城关区属于单向外来通勤流为主的区域、七里河区属于双向通勤流比较平衡的区域、安宁区和西固区属于单向外出通勤流为主的区域。     

基于GIS的兰州城市用地变化分析

兰州城市建成区主要处于兰州的东、西两大河谷盆地中。在兰州河谷盆地1：5000地形图的基础上。于2002—05-08和10～11所作的实地调查资料和兰州市城关区的地籍资料以及其他相关文字资料的基础上,揭示了1950至今的兰州城市土地利用扩展的时空分异规律,阐明了城市土地利用的时空迁移模式与机制,最后讨论了这种城市土地利用模式在河谷盆地背景下所存在的环境等相关方面的问题。     

兰州城市人口空间结构演变格局及调控路径

以街道和乡镇层面的人口统计数据为基础,综合应用ArcGIS和GS+Version7等软件对兰州市人口空间演变进行定量分析。结果表明:自1982年至2009年,兰州市人口呈逐年“向心聚集”态势,但不同阶段、不同街区人口空间增长存在显着差异;街道和乡镇人口密度差距逐年增大,高密度街区个数增多、范围扩大;距离人口高密度中心越远,人口密度的正相关性逐渐削弱,负相关性则逐渐增强,空间自相关范围不断增大;人口空间分布整体呈“东密西疏”格局,并呈现“双中心”空间结构。人口的极不均衡分布,带来了环境污染、交通拥挤、住宅紧张、就业困难等一系列问题。通过构建多中心城市结构、调整产业空间布局、平衡配置基础设施和引导人口有序流动等方面进行综合调控,不断优化人口空间分布,保障城市的可持续发展。     

开发区建设及其对兰州城市空间结构的影响

开发区作为城市空间的特殊组成部分和带动城市经济发展的重要增长极,对城市空间结构的影响日益显著。以兰州市为例,在对开发区发展阶段进行系统梳理和客观划分的基础上,以地域空间、产业空间和社会空间为切入点,分别从用地结构、产业结构、人口结构、文化结构等方面,较为深入地探讨了开发区对兰州城市空间结构演化所产生的影响,以期对兰州市的经济社会发展、城市规划管理提供一定的决策参考。     

An optimized spatial proximity model for fine particulate matter air pollution exposure assessment in areas of sparse monitoring

GIS-based proximity models are one of the key tools for the assessment of exposure to air pollution when the density of spatial monitoring stations is sparse. Central to exposure assessment that utilizes proximity models is the ‘exposure intensity–distance’ hypothesis. A major weakness in the application of this hypothesis is that it does not account for the Gaussian processes that are at the core of the physical mechanisms inherent in the dispersion of air pollutants.

Building upon the utility of spatial proximity models and the theoretical reliability of Gaussian dispersion processes of air pollutants, this study puts forward a novel Gaussian weighting function-aided proximity model (GWFPM). The study area and data set for this work consisted of transport-related emission sources of PM_2.5 in the Houston-Baytown-Sugar Land metropolitan area. Performance of the GWFPM was validated by comparing on-site observed PM_2.5 concentrations with results from classical ordinary kriging (OK) interpolation and a robust emission-weighted proximity model (EWPM). Results show that the fitting R² between possible exposure intensity calculated by GWFPM and observed PM_2.5 concentrations was 0.67. A variety of statistical evidence (i.e., bias, root mean square error [RMSE], mean absolute error [MAE], and correlation coefficient) confirmed that GWFPM outperformed OK and EWPM in estimating annual PM_2.5 concentrations for all monitoring sites. These results indicate that a GWFPM utilizing the physical dispersing mechanisms integrated may more effectively characterize annual-scale exposure than traditional models. Using GWFPM, receptors’ exposure to air pollution can be assessed with sufficient accuracy, even in those areas with a low density of monitoring sites. These results may be of use to public health and planning officials in a more accurate assessment of the annual exposure risk to a population, especially in areas where monitoring sites are sparse.     

兰州市2002年生态足迹计算与可持续发展状况分析

生态足迹分析法因其基于生态生产性土地的量化指标、新颖的思路和简便的计算方法以及较为科学、完善的理论体系及方法本身的普适性而日益流行。应用该方法对兰州市的可持续发展状况进行了评价,兰州市人均生态赤字为1.692 88,其生态足迹是当地生态供给的近7倍,表明在现有发展和消费水平下,对生态系统的压力大,其发展超出了生态系统可承受的范围。并据对计算结果的分析提出了实现可持续发展的相应建议。生态足迹法自提出以来,在全球、国家及区域可持续发展评价中得到广泛应用,通过在兰州市的实际应用,对西北干旱区城市的可持续状况从侧重生态的角度进行了评价。     

兰州新区建设用地生态适宜性评价

在地理信息技术的支持下,修正单纯的权重叠加法,采用潜力-限制性分析法分析了兰州新区建设用地的生态潜力和生态阻力,对其生态适宜性做出科学评价,得到兰州新区可用作建设用地的理想区域。结果表明：（1）兰州新区建设用地开发的生态潜力总体以一级为主,二级次之,三级和四级区所占比重较小;（2）一级生态阻力主要分布在新区南部山地,主要表现为地形复杂、工程地质条件差、地质灾害发生频繁等;（3）兰州新区建设用地生态适宜性达一级的面积所占比重最大,为39 425.91 hm²,占新区总面积的48.91%。三级适宜区面积最小,仅为6 513.2 hm²,占新区总面积的8.08%。对应于生态适宜性评价结果,兰州新区土地应用可划分为集中建设区、重点开发区、限制建设区和禁止建设区。其中,集中建设区和重点建设区应为兰州新区建设用地开发的理想区域。     

Identification of tourist hot spots based on social networks: A comparative analysis of European metropolises using photo-sharing services and GIS

New sources of geolocated information, associated with big data and social networks, show great promise for geographical research, especially in the field of tourism geography. Photo-sharing services comprise one of these sources. The aim of this article is to demonstrate the potential of photo-sharing services for identifying and analyzing the main tourist attractions in eight major European cities: Athens, Barcelona, Berlin, London, Madrid, Paris, Rome and Rotterdam. Geotagged photographs on Panoramio were differentiated according to whether they had been taken by tourists or local residents, and their spatial distribution patterns were analyzed using spatial statistical techniques in a GIS. The results indicated the concentration and dispersion of photographs in each city and their main hot spots, and revealed marked differences between tourists' and residents' photographs, since the former showed higher spatial concentrations. In addition, differences were observed between cities; Barcelona and Rome presented a strong spatial concentration compared with London or Paris, which showed much greater dispersion.