面向对象的土地利用多尺度时空数据模型

文章分析了目前多尺度土地利用研究现状和面向对象时空数据模型特点,兼顾考虑多尺度土地利用数据的空间、时间和语义属性的多尺度特征,以空间维度为切入,对面向对象时空数据模型进行扩展,构建面向对象的土地利用多尺度时空数据模型.应用实践表明,该模型能够较好表达多尺度土地利用数据的时间、空间及语义属性信息,反映多尺度土地利用要素对象之间的多层次关联关系,既能够降低数据的冗余存储,又确保各要素对象之间的有机耦合.     

多尺度时空数据的集成与对象进化模型

多尺度时空数据集成的根本目的是增加信息量.本文通过对时空对象变化过程的分析,指出对象进化的结果不仅是特征的变化,还包括机制的变化,其直接动力是对象行为,其根本原因是其内在机制,时空事件起着对象间信息通道的作用,据此提出对象进化模型,该模型可作为多尺度时空数据集成的结构性基础,在反映时空现象的演变过程,特别是异构演变过程,以及在这个过程中产生的因果关系的同时,还可以保留时空数据的不同时间尺度和空间尺度特点,从而达到增加时空数据库的信息量的目的.文中给出了该模型基于关系型数据库的一个结构示例.根据多空间尺度数据的特点,本文最后还提出了一个时空数据组织体系,用于指导数据访问过程.     

基于深度学习的人群活动流量时空预测模型

传统的时空预测方法缺乏对复杂时空非线性关系的描述,且难以顾及空间多尺度特征对于预测结果的影响。针对这一问题,本文提出了一种融合空间多尺度特征的时空网络模型(MST-Net),将流量预测的回归问题转换为具有时空特性的判别模型。首先,通过并联卷积提取空间多尺度特征;然后,通过引入注意力机制的门控循环单元提取时间特征;最后,利用全连接层得到预测结果。本文将该模型用于人群活动流量的预测,分别在两组真实的社交媒体签到数据集上进行试验。试验结果表明:本文采用的卷积层连接方式和特征融合方法,相比于单层卷积层提取空间特征、其他连接方式和融合方法以及传统的时空预测模型,在均方根误差(RMSE)和平均绝对百分比误差(MAPE)两个预测结果评价指标上均有不同程度的提高,说明本文方法具有较高的预测精度,能够较好地拟合时空问题的非线性关系,实现人群活动流量的预测。     

遥感数据时空尺度对地理要素时空变化分析的影响

地理要素的时空变化分析对于了解和掌握地表的规律性有着重要的作用。利用地面站点观测、实地调查等传统方式获取数据,对地理要素进行时空变化分析是最常用的方法。但该类方法往往表现的是"点尺度"观测,不能在大尺度情况下准确地反映地表的时空变化信息。遥感卫星能以一定的时间间隔获得空间连续的对地"面尺度"观测数据,然而其特定的空间和时间分辨率使其获取的地表信息仍十分有限。同时地表的空间异质性和个别地表短时间内的快速变化,使得利用遥感数据对地理要素进行时空变化分析时,时空变化分析结果会随观测尺度而发生改变。本文从空间尺度和时间尺度两方面综述遥感数据时空尺度对地理要素的时空变化分析产生的影响和原因,并针对这些问题总结了减小时空尺度对结果不确定性影响的现行方法。可以通过多源遥感协同观测和反演、尺度转换、空间建模等方法减小空间尺度引起的不确定性;通过联合多时相遥感数据的方法减小时间尺度引起的不确定性。在实际应用中,应根据所观测地理要素的实际情况,综合分析选择合适的方法。     

面向城区和山区的ERA5再分析地表温度降尺度

地表温度是陆面过程动态模拟、区域和全球变化分析等研究领域的重要参数,如何获得高时空分辨率地表温度数据一直是研究热点问题。选择河北省张家口市城郊区、山区两个区域作为试验研究区,在ERA5 0.1°分辨率地表温度订正基础上,构建随机森林降尺度模型以实现多层级分辨率的地表温度降尺度,并与Landsat 8 TIRS反演地表温度进行对比分析,以探讨再分析地表温度在不同分辨率、不同下垫面类型上的降尺度效果。结果表明：不同分辨率的降尺度结果都能够准确表达地表温度相对高低的空间分布特征,纹理精度显著提高,但降尺度误差随着空间分辨率提高而逐渐增大,城郊区和山区的降尺度均方根误差变化范围分别为1.16—1.79 ℃、1.61—2.49 ℃,地表温度高值与低值区域分别存在着低估和高估现象;随机森林降尺度模型中的参数重要性随尺度变化不大,总体表现为两个区域中植被指数NDVI的重要性都比较大,而海拔高度在山区区域对降尺度模型的影响更大。     

融合空间尺度特征的时空序列预测建模方法

假定原始的时空数据由较大尺度下的全局趋势项与较小尺度下的局部偏差项构成,提出了融合空间尺度特性的时空序列建模方法。首先,将原始数据转换为较大尺度下的数据,此部分反映原始数据的趋势特征。然后,将趋势部分剔除,剩余部分反映原始数据的偏差特征。最后,用灰色系统模型和BP神经网络模型分别对趋势项和偏差项建模,它们的组合预测结果即为原始时空序列预测值。采用该方法对实际的年降水数据以及日平均PM2.5浓度数据进行预测建模分析,实验结果表明:融合空间尺度特性的时空序列预测模型可以用于多空间尺度预测,并且预测精度优于不考虑空间尺度特性的建模方法。     

基于云量影像的日照百分率遥感集成模型

通过遥感影像云量数据和地面站点日照百分率观测数据建立遥感集成日照百分率模型,模拟遥感集成日照百分率的空间分布。基本思路是以空间尺度上的富余弥补时间尺度上的稀缺。云的移动是连续的,所以一幅云量遥感影像中,某一格网点周围一定区域范围内的云量都有可能对该点日照情况产生影响,因此对遥感总云量数据在日照轨迹内及云移动所经路径内重采样,能够更接近可照时段内云量的真实情况。然后按云量和日照百分率的负相关性,建立了日尺度的日照百分率遥感集成综合模型,实现对遥感集成日照百分率的模拟,完成日照百分率的遥感集成空间分布模拟图。结果表明：（1）重采样后的总云量克服了云量观测在时间上的局限性;（2）遥感集成日照百分率克服了气象站点空间上的局限性;（3）遥感集成日照百分率模型模拟精度相对插值法有显著的提高。     

元胞自动机城市增长模型的空间尺度特征分析

基于元胞自动机模拟城市系统的复杂行为时,空间尺度是一个非常重要的概念,模型的模拟结果往往会随着输入数据的空间尺度变化而发生变化。然而,目前的元胞自动机城市增长模型大多没考虑数据的空间尺度特征,本文拟通过改变模型中输入数据的空间尺度来验证元胞自动机城市增长模型对尺度的敏感性及其空间尺度特征,并以长沙市为例进行实证研究。研究结果表明:元胞自动机城市增长模型只有在一定的尺度范围内才具有较高的模拟精度,并且模型对尺度具有一定的敏感性,因此为了使模型能够具有较高的模拟精度,并较好地反映城市形态特征,应认真选择模型中输入数据的空间尺度。     

时空立方体的抢劫案件时空特征挖掘与分析

针对抢劫犯罪发生的时空模式等相关问题,提出了基于时空立方体模型的时空特征探索方法。该方法既能从时空维度挖掘犯罪事件的特征,又以时空立方体方法宏观展示其热点时空分布,有助于城市治安辅助决策。文章以美国费城的抢劫犯罪案件为研究数据,实验结果表明,该方法能够较全面地揭示抢劫犯罪案件在时间、空间及时空分布特征:①抢劫犯罪案件存在明显的时间和空间聚类特性;②从空间分布分析,抢劫事件多分布于西费城以及费城北区;③从时序分析,1月和12月为抢劫犯罪的高发时段;以日为尺度,抢劫犯罪多发生在夜晚,这与犯罪学相关规律一致;④从时空规律分析,随着时间的推移,热点以费城北区为中心逐渐向周围扩散。本研究能为警力巡查调度、案件预测等提供辅助决策,并可推广应用到其他领域。     

徐州市土地利用CLUE-S模型变化模拟

对徐州市1987年、1994年和2000年3期遥感影像图进行分析,利用面向对象的思想,采用多尺度分割法对影像进行分类,通过遥感影像的光谱特征,确定分类目标,获取该区过去13年间的土地利用/覆被时空变化特征。运用CLUE-S模型以1994年土地利用数据模拟了2000年的土地利用空间变化状况,并通过2000年实际遥感影像分类数据加以验证,结果计算出Kappa指数为0.846,达到精度要求,实例证明CLUE-S模型较好地模拟了徐州市的土地利用/覆被变化。最后运用CLUE-S模型以6年为1个时空尺度模拟该区未来12年的自然状态和生态保护状态下的土地利用/覆被变化特征。     

融合微波遥感与模型模拟的时空无缝土壤湿度数据生成方法

遥感反演与模型模拟是获取全球土壤湿度数据的两种基本手段,遥感反演可以获得相对较高的空间分辨率,但往往存在时空缝隙;陆面模型能够模拟土壤湿度的时空连续演进,但空间分辨率往往较粗。为此,集成二者的互补优势,提出一种融合微波遥感与模型模拟的全球无缝土壤湿度数据生成方法。具体地,针对SMAP(soil moisture active passive）卫星9 km土壤湿度数据的空缺区域,引入GLDAS Noah 0.25°的模型同化数据,建立二者之间的时空融合模型,通过对模型数据的降尺度实现对遥感数据的填补,进一步基于泊松方程方法进行残差校正,进而生成高精度的9 km日尺度土壤湿度无缝数据。实验结果证明,该方法可以有效结合遥感观测的空间分辨率优势与模型模拟的时空连续优势,提供时空无缝全球土壤湿度数据,更好地满足全球尺度水循环监测与水资源管理的需求。     

社会经济统计时空数据库的设计与实现

本文在分析社会经济统计数据时空特点的基础上,提出了社会经济统计时空数据模型。该模型适应统计指标变动和统计单元变动带来的各种数据组织问题,有效地解决了在多种空间单元尺度上多年社会经济统计数据的存储、更新和管理问题。应用2000年至2004年河南省社会经济统计数据,在ACCESS中实现了基于ESRI ARCGIS Geodatabase的社会经济统计时空数据库,并验证了该社会经济统计时空数据模型的有效性和可操作性。     

城市犯罪时空同现模式的非参数检验方法

采用时空同现模式分析方法挖掘多元犯罪事件之间的关联关系,可为犯罪事件防控问题提供科学指导。现有方法依赖人为设置的频繁度阈值,应用部门若缺乏先验知识则可能导致决策错误。因此,基于非参数统计思想,提出一种面向城市犯罪的时空同现模式显著性检验方法。首先通过重建每类犯罪事件的时空分布,构建多元犯罪事件分布独立的零模型;然后根据零模型下多元犯罪事件同现频率的试验分布,判别候选时空同现模式的显著性。最后设计具有预设模式的模拟数据实验验证该方法的有效性;在多个分析尺度（时空半径）下识别S市2016年13种犯罪事件间时空同现模式,并以时空同现模式{扰乱治安,盗窃电动自行车,扒窃}为例,结合公共设施空间分布,对该模式形成机理进行深入分析。结果表明:①该方法充分顾及了单元犯罪事件自相关特征的影响,能够有效识别具有统计特性的时空同现模式;②犯罪事件时空同现模式随分析尺度的变化而存在差异;③具有相似建成环境和社会环境的犯罪事件容易形成时空同现模式。     

基于GIS的区域人口密度空间分布模拟——以张家界市永定区为例

人口统计数据空间化是解决统计数据与自然要素数据融合分析的有效途径。本文以张家界市永定区为研究单元,对小尺度区域的人口密度空间分布模拟进行了初步研究。文章根据2005年《永定区统计年鉴》所统计的人口数据,分析了永定区各乡镇平均人口密度与土地利用类型指数及地形指数(平均高程和平均坡度)之间的相关性。基于相关性分析,以GIS软件与SPSS统计软件为工具,运用多元回归的思想建立了人口数据空间化模型,同时生成了永定区250m×250m空间分辨率的栅格人口密度图。结果表明,模型模拟的精度较高,模拟过程具有较强的可操作性,可为县域尺度人口空间分布的应用研究提供借鉴。同时,研究结果为永定区推进城市化进程,提高人口、资源和环境的科学管理提供了理论基础。     

SARS传播动力学模型及其多智能体模拟研究

本文建立了SARS时空动力学传播模型，并应用多智能体技术研究个体尺度上SARS时空传播行为的模拟方法。基于虚拟地理环境系统平台，本文采用Java和VRML开发工具，研发了SARS传播与控制的智能体模拟原型系统，并以SARS在虚拟社区的传播为例，开展了SARS时空传播行为模拟的初步试验以及反映SARS疫情控制效果的参数敏感性分析。     

叶面积指数遥感尺度效应与尺度纠正

由于地表空间异质性的普遍存在,遥感反演模型的非线性必然会导致不同分辨率观测的遥感结果不一致,从而产生遥感产品尺度效应。本文研究了遥感产品尺度效应概念、模拟方法和定量计算模型,并利用锡林浩特草原研究区的实测数据,对尺度效应模型和方法进行了定量计算与验证分析。首先,基于不同升尺度方法与多尺度遥感成像机理之间的机理联系,通过“先反演再平均”与“先平均再反演”之间的差异,可计算“高”分辨率与“低”分辨率之间的遥感产品尺度差异。其次,分别以红光、近红外两波段反射率和归一化植被指数(NDVI)为自变量,对叶面积指数(LAI)非线性遥感模型进行泰勒展开,研究了模型非线性、遥感数据空间异质性对LAI遥感产品尺度差异的影响,发现高阶项可忽略,利用二阶导数项和遥感数据方差项可定量计算遥感产品尺度差异,经过二阶导数项纠正后的尺度差异相对偏差从5.6%分别降低到0.78%和1.45%。最后,分析了LAI遥感产品尺度效应的特征规律,得出以下结论:随着植被覆盖的增大,同等遥感空间异质性的LAI遥感产品尺度差异越大,且红光波段比近红外波段的尺度差异敏感性高近2个数量级;对于绝大部分陆地植被区域,存在“低分辨率低估”尺度效应,且遥感产品尺度差异的主导要素为LAI模型非线性,NDVI变量自身非线性对尺度效应贡献占23.5%;对于湿地类植被与水体混合情形,NDVI变量非线性的贡献为主导贡献,出现“低分辨率高估”尺度效应,必须利用红光、近红外两波段的二阶导数项非线性尺度差异,才能解释这一类型的LAI遥感产品尺度效应。本文建立了具有一定普适意义的遥感产品尺度效应定量模拟与尺度纠正方法,对推动定量遥感的尺度问题研究有一定参考价值。     

基于分形的海岸线遥感信息空间尺度研究

空间尺度是地学研究的基础性问题，遥感信息的空间尺度及其转换随着遥感应用发展而日益受到重视，同时遥感与地理信息系统技术的发展也为空间尺度研究提供了有力的工具。本文以系列空间分辨率遥感图像为数据源，采用分形几何方法研究海岸线遥感信息的空间尺度，提出了基于分形尺度依赖性的遥感信息空间尺度转换模型和基于比例尺的遥感信息空间尺度转换模型，并以海岸线为例验证了模型的有效性和实用性。     

城市扩张CA模型的参数敏感性分析

以广州市番禺区为研究区,构建了相应的城市扩张CA模型,从采样、邻域结构和微观元胞尺度等方面研究了CA模型的敏感性。首先通过改变模型采样比例、样本各个类别的比例等研究样本对模型参数的影响。然后分析不同的邻域结构与模型模拟精度的关系,并从微观尺度分析邻域元胞对中心元胞的影响。最后从空间尺度上分析CA模型在各种不同分辨率下的模拟结果,用景观指数剖析模拟结果的形态,同时在元胞摩尔邻域内分析其3×3邻域的城市发展密度变化情况。实验表明:(1)适当提高采样比例,会得到精度较高的权重,但训练样本中城市用地的比例应该与城市用地的转变量在全区的占比相匹配。(2)不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度均随着空间尺度的增加而降低。在同一空间尺度下,采用摩尔邻域的模拟结果略好。相比冯诺依曼4个邻域元胞,摩尔邻域中的角点对中心元胞具有更大的影响。(3)随着空间分辨的降低,模拟结果的斑块数、斑块密度、聚集度和分形维度值在减少,结构变得简单,而且在微观的摩尔邻域中城市发展密度正在减少,即由高密度向低密度转换。     

面向非均质区域的空间增强型时空融合模型研究

随着遥感技术的发展,遥感数据日益增加。然而,受传感器限制及云雨天气影响,单一传感器难以获取高时空分辨率的遥感影像,从而在一定程度上影响全球及区域环境变化研究。遥感影像时空融合理论与技术的发展为解决这一问题提供了有效途径。近年来,国内外学者提出了大量的时空融合算法,但对于复杂地表景观区域空间细节的融合仍存在挑战,地表非均质区域时空融合的精度有待提高。为此,本文提出了一种面向非均质区域的空间增强型时空融合模型。首先,基于混合像元分解原理与遥感数据空间特征尺度不变性假设,将低分辨率光谱变化降尺度为高分辨率光谱变化值;然后,基于不同分辨率遥感数据光谱关系的时间不变性假设,获得最终融合影像。试验结果表明,相对于常用融合模型STARFM、FSDAF,本文模型既能有效反映不同地物物候变化信息,同时能更好地保留地表的空间细节,增强了非均质地表覆盖区域融合影像的空间特征与效果;本文模型的均方根误差RMSE、相关系数r及结构相似性指标SSIM平均值分别达到0.024、0.898、0.897,相对于常用融合模型STARFM、FSDAF,RMSE平均值分别降低了6.71%和4.33%,r平均值分别提高了1.9...     

基于随机森林算法的地表温度降尺度研究

地表温度(land surface temperature,LST)是地面能量平衡等模型中的重要参数之一。高时间分辨率的遥感LST可通过降尺度处理实现空间分辨率的提高,这对详细的LST时空分布监测具有重要意义。以北京市为研究区,选择Landsat8 OLI/TIRS数据,通过改进的单窗(improved mono-window,IMW)算法反演LST作为验证数据,在计算归一化差值植被指数(normalized difference vegetation index,NDVI)和归一化差值建筑指数(normalized difference built-up index,NDBI)等多种遥感指数并模拟至1 000 m空间分辨率的基础上,联合空间分辨率为1 000 m的MODIS/LST产品,利用随机森林(random forest,RF)模型实现LST(100 m空间分辨率)降尺度,并与多因子回归方法和基于植被指数的LST锐化算法(TsHARP)2种常用降尺度方法进行对比。实验结果表明:以模拟Landsat/LST作为降尺度数据源,RF方法降尺度LST的均方根误差(root-mean-square,RMSE)为2.01 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.16 K和0.44 K;针对MODIS/LST降尺度时,RF方法的RMSE为2.29 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.42 K和0.50 K;针对不同地表类型,RF算法降尺度效果不同,其中高植被覆盖区表现最优,RMSE为1.81 K;城镇表面因其空间异质性,RMSE则达到了2.75 K。