青藏高原城镇化格局的时空分异特征及影响因素

研究青藏高原城镇化格局的时空分异及其影响因素,有利于推动青藏高原现代人类活动时空过程的认知,对青藏高原就地就近城镇化及可持续发展具有参考意义。根据历次人口普查数据,本研究构建青藏高原县市尺度城镇化空间数据集,参考城镇化发展阶段,采用LISA空间类型划分法和空间计量回归模型,系统分析1990-2010年青藏高原内部城镇化格局的时空分异特征及影响因素。主要结论包括：① 青藏高原整体城镇化水平偏低,2017年底,青藏高原主体部分青海省和西藏自治区的常住人口城镇化水平分别为53.07%和30.8%,低于全国同期水平的58.52%,但青藏高原内不乏高水平城镇化地区,而且各地区间城镇化水平的空间差异缩小;② 青海西部柴达木盆地是高水平城镇化集聚区,羌塘地区是低水平城镇化集聚区,地级行政中心所在县市多呈现自身高、周边低的城镇化格局;③ 与内地相似,第二、三产业从业机会是推动青藏高原城镇化发展重要因素,社会公共服务资源对城镇化拉动作用开始凸显。研究结果可以为青藏高原人类活动研究和青藏高原就地就近城镇化可持续发展政策提供参考。     

重庆市山洪灾害时空格局及影响因素研究

山洪灾害时空分布规律及其影响因素研究,是山洪灾害研究领域中重点关注的问题。本文利用重庆市1950-2015年历史山洪灾害数据,采用平均中心、标准差椭圆、核密度分析和M-K突变检测等方法分析了重庆市历史山洪灾害时空分布规律,并在此基础上分析了山洪与各影响因素的相关性。结果表明：① 1950-2015年重庆市历史山洪灾害发生频次总体呈先稳定后上升的趋势,山洪灾害主要集中在5-9月发生,山洪灾害发生频次按年代际整体上呈指数增长趋势;② 重庆市山洪灾害发生具有明显的集聚性,相邻县域山洪发生频次较为相近,其中九龙坡区、南岸区、北碚区、璧山区山洪灾害密度均超过50次/1000 km ²,属于山洪灾害高发区域;③ 山洪灾害整体呈“西南-东北”分散,“西北-东南”聚集的空间分布格局。2010年前,山洪重心主要集中在涪陵区一带;2010年后山洪灾害分布方向向西北倾斜,重心移至忠县,聚集程度降低,山洪发生随机性变强;④ 2002年是重庆市山洪灾害突变的年份,突变以增多为主,主要集中在铜梁区、璧山区、九龙坡区、巴南区、彭水苗族土家族自治县和开县;⑤ 山洪影响因素探究表明高程和河网密度与山洪灾害密度呈正相关关系,而植被覆盖度与山洪灾害密度呈负相关关系,短历时的强降雨对山洪的发生有激发作用。研究结果对重庆市山洪防灾减灾具有重要意义。     

基于PCA-GWR方法的村级贫困时空格局及致贫因素分析

探究贫困的时空变化及识别致贫因素,可以为扶贫政策的制定和实施提供参考。贫困是由多种因素造成的,地理加权回归（GWR）可以分析各因素对贫困的影响在空间上的差异,但致贫因素之间存在较强的相关性会导致多重共线性问题。本文探索了基于主成分的地理加权回归方法（PCA-GWR）,结合自然、经济和社会属性对贫困空间格局特征进行因素分析;为探究贫困的时空变化规律,探索用全局Moran's I指数、局部G系数对村级贫困发生率的时空格局变化特征进行分析。并以江西省永新县为研究区为实验区进行分析。研究结果表明：① PCA-GWR模型中变量的方差膨胀因子（VIF）值明显低于GWR模型变量的VIF值,PCA-GWR模型有效地解决了GWR模型中存在的多重共线性问题;② 永新县贫困格局分布与地形、植被分布等自然因素和低学历、缺乏劳动力、疾病等乡村主体自生发展能力相关,且每种影响因素与贫困发生率的关系呈现出不同的空间模式;③ 2013—2017年永新县贫困发生率从11.27%下降至0.97%,呈现出逐年下降趋势,且村间贫困差距逐年缩小,其中2013—2015年贫困发生率分布西高东低,2016年和2017年整体值较低;④ 从空间相关性来看：全局上,2013—2016年表现出空间正相关,2017年呈现随机分布;局部上,2013—2016年的冷、热点分布变化不大,冷点分布在中部,热点聚集在西南部,2017年热点分布在南部,冷点零星分布于北部地区。研究结果可为政府扶贫政策的制定提供参考。     

中国工业用地出让价格空间格局及影响因素

在财政分权和地方竞争的制度背景下,地方政府为了吸引更多企业投资,往往采取过量供应工业用地、压低工业用地价格的手段,直接导致了中国工业用地利用效率低下,甚至资源严重浪费等问题。合理调控工业用地供应规模及价格,发挥市场机制对工业用地出让价格的主导作用,是促进工业用地集约高效利用的重要途径。本文以工业用地出让价格为研究对象,利用2009、2011、2013、2015、2017年全国工业用地出让数据,采用分层模型,结合宏观和微观尺度,实证分析了中国工业用地出让价格的空间格局及关键影响因素。实证研究发现：① 我国不同区域的工业地价差异较大,政府的干预能力显著影响城市工业用地的出让价格,在控制其他影响因素下,干预能力越强,工业用地出让价格越低;② 宗地层面的因素中,距离城市中心或水源越近、交通通达度越好,工业用地的出让价格越高;③ 城市层面的因素中,人口数量越多,经济发展水平越高,工业用地的出让价格越高。本研究首次将分层模型引入实证计量方法,同时验证了影响工业用地出让价格的宏观与微观因素,是对现有工业用地出让价格研究文献的补充与延伸。     

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。     

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。     

基于多源数据的惠州商品住宅房价分布及影响因素研究

我国商品房价格近年来不断上涨,促使房价变动的因素以及它们的影响程度日益变成社会热点。以惠州市商品房价格为研究对象,利用GIS的空间分析和可视化功能,结合各种可获得的数据,通过对商品房平均售价进行反距离权重插值和空间自相关分析,并结合地理加权回归分析,对影响房价分布的因素进行探究,结果显示:①惠州市房价总体上呈现出多中心分布的特点,商品房价格从这些峰值中心向周围递减;②惠州市的房价呈现空间上集聚分布的模式,商品房住宅价格空间分异是地理区位、城市规划、环境景观与房屋属性等各种因素综合作用的结果;③影响惠州市商品房价的因素主要是商圈距离、公园或广场距离、物业费等因素。     

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。     

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.     

基于微博数据的中国人群气温感知时空分异特征及影响因素分析

极端气温事件发生频率的增加对人群的健康带来了很大的影响,深入理解人群对气温变化的感知特征有助于提高应对极端气温事件的预警、适应和管理水平。针对传统调查数据在样本量和覆盖度等方面的不足,本文使用基于微博的社交媒体数据来研究人群对气温感知的定量特征。研究通过建立气温关注度、敏感性和耐受性等指标,调查了中国2017年31个城市的人群对气温感知的空间格局变化与局部变异性,分析了不同季节和不同群体对气温感知的差异性与影响因素。分析结果表明：人群对气温的感知表现出显著的纬度梯度规律性,纬度每下降1°,人群平均的热耐受性增强0.42oC,冷耐受性降低0.31oC,冷敏感性增强0.51;人群对气温的感知在不同季节、不同群体之间也表现出显著的差异性,反季的异常气温更易引起人群对于气温变化的关注,青少年与女性群体对冷更为敏感;气温感知特征的区域差异性与气候分区紧密相关,温带地区的人群比热带显示出更强的热耐受性,而热带地区的人群具有更显著的气温敏感性。本文研究结果可以为理解大尺度上人群对气温变化感知的基本特征和分异规律提供新的规律发现与证据支持。     

广州市零售业态空间分异影响因素识别与驱动力研究

以广州市47 026个零售业网点为基本数据,通过梳理零售业空间分异的机制,构建包含人口密度、商务条件、公共交通便利性、业态丰富度与租金条件5个影响因子的零售业态空间分异影响因素评价体系,通过信息熵、核密度函数与空间回归模型分析零售业态的空间分异影响因素,对比不同城市圈层区位与不同零售业态集聚分异的因素差异。结果表明：① 需求、区位、竞争与成本构成了广州市零售业态空间分异的主要驱动力,同时,零售的景观分异也由于业态异质性与城市的空间异质性而存在驱动力分异;② 5个影响因素强度格局圈层差异明显,城市内圈层人口集聚度高,具备更好的公共交通便利性条件、商务条件与业态丰富度,同时也承受更高的地租;③ 人口密度是零售空间分异的核心要素,公共交通便利性条件、商务条件与业态丰富度对零售的集聚也有正向驱动作用,租金的影响较弱;不同圈层区位的零售空间分布与不同类型业态的空间分异的主要影响因素各不相同。     

基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例

新冠肺炎（COVID-19）在空间上具有一定的传播风险,对城市的安全健康构成了威胁,防止疫情传播成为紧迫的任务。在2020年1月1日至4月11日,COVID-19疫情经历了发生、迅速发展和趋于稳定的发展过程,利用初期的COVID-19数据进行宏观层面的疫情风险评估,为防疫控制措施提供一定的参考。因此本研究基于行政区划、定点医院、疫情小区以及道路交通等多元数据,在宏观层面提出并构建全国地理空间疫情风险性评估,对疫情风险分布探讨的同时进行评估效果验证,并根据构建指标揭示影响风险的因素及其机理,主要结论： ① 地理空间风险评估具有有效的可行性。② 地理空间疫情风险分布全局Moran's I指数为0.758,具有显著的空间集聚特征。同时,不同的省区市之间的局部LISA值呈现空间差异性,其中高—高聚类省区市占比全国25.81%,风险程度较高,主要分布在湖北、河南、湖南、江西、安徽、浙江、江苏、上海,低—低聚类省区市占比全国9.68%,风险程度较低,主要分布在青海、西藏、新疆。③ 地理空间疫情风险分布与地理区位、道路交通、医疗卫生、疫情现状指标均存在一定的相关性。根据统计学的Pearson相关性分析,其相关指标R ²存在差异,在数值上由高到低依次为疫情现状、地理区位、道路交通、医疗卫生,在属性上其相关因子存在正负2种效应,地理空间疫情风险与武汉市地理距离、定点医院密度以及居民-医院地理距离呈现显著的负相关,其R ²分别为0.813、0.545、0.436,与铁路网密度、公路网密度以及疫情小区密度呈现显著的正相关,其R ²分别为0.751、0.792、0.825。④ 地理空间疫情风险的构成因素错综复杂,其受到多种因子的共同作用,根据空间分层异质性分析,不同因子之间均存在交互作用,其中居民—医院地理距离与公路网密度、铁路网密度交互作用较强,q值分别为0.9842、0.9837。本研究在宏观层面为城市管理中重大疫情的空间资源分配以及区域空间的联防联控策略提供了相应的依据。     

神农架林区植被分布与地形的关系研究

神农架林区是我国物种多样性最为丰富的地区之一,地形地貌复杂,对植被分布影响巨大。本文利用该地区2007年数字高程数据、2007年植被分布图以及2017年野外实地调查数据,基于最大熵模型和空间分析理论,从植被类型和种群两个角度研究该地区不同尺度植被空间分布的地形特征,分别量化植被类型和种群空间分布的地形范围,得到植被类型与地形因子关系模型、植被种群与地形因子关系模型。结果表明:①神农架林区影响植被空间分布的地形因子不同,其中影响针叶林分布的最重要的地形因子是高程和高程变异系数,影响阔叶林分布的是高程和坡向,影响灌丛分布的是坡向变率和坡向,影响草丛分布的较为分散;②典型植被种群分布的地形范围和植被类型的基本一致,其中90%针叶林分布在高程1600~2600 m间,典型种群巴山冷杉和华山松主要分布在高程1700~3200 m和1700~2200 m;85%的阔叶林分布在高程1000~2000 m间,典型种群青冈类和鹅耳枥主要分布在高程1200~2200 m间;95%的灌丛分布在坡向变率0~40°间,典型种群杜鹃和蔷薇主要分布在坡向变率小于40°的范围,但相应的关系模型存在差异,植被类型与地形因子为高斯模型,典型种群与地形因子关系模型相对复杂,不同种群的分布模式不同;③虽然坡度常作为数字地形的重要因子,但本文研究发现该地区坡度对植被类型和种群分布的影响不明显。研究结果可为神农架林区植被保护和恢复,以及植被规划和管理提供基础参考。     

中国城市网络核心-边缘结构演化及影响因素研究——基于制造业企业网络视角

基于制造业企业网络视角的城市网络核心—边缘结构的研究将加深对城市网络演化规律的理解。利用2020年中国制造业500强企业网络数据和隶属联系模型构建城市网络,研究了中国城市网络核心—边缘结构的演化特征,定量测度了核心—边缘结构的影响因素,并根据国际生产折衷理论解析了城市网络地位分异的动力机制。研究发现: 2005—2020年,核心区块的城市数量逐渐增加,主要由直辖市、经济特区以及东、中部地区的省会城市组成,这些城市通过互惠性的链接关系形成了凝聚子群,网络权力较为集中;边缘区块的城市则主要位于中、西部地区,城市间经济联系相对稀疏,整体网络结构并不稳定,城市的发展受到了网络资本的约束。关键资源、基础设施和区位优势是影响中国城市网络地位的决定性因素,择优选择、网络邻近和路径依赖构成了中国城市网络核心—边缘结构演化的动力机制,这将进一步增强核心城市的网络地位。在网络环境下,城市间的差距趋于扩大,城市网络地位的提升取决于城市在网络中的影响力,中国城市化政策需要做出相应调整。     

基于GIS新冠智能体仿真模型及应用——以广州市为例

2019年12月湖北省武汉市出现了新型冠状病毒肺炎疫情.新型冠状病毒传播力强,导致全国甚至全世界范围都出现新型冠状病毒疫情.为了刻画新型冠状病毒在城市内部的传播方式,本文基于个体在城市中的行为和社会关系,融合了复杂网络理论和GIS技术构建了新型冠状病毒智能体仿真模型.该模型以广州市为研究对象,通过马尔科夫链蒙特卡洛方法...