基于多源数据的新疆人居环境质量评价

针对区域人居环境质量缺乏从自然和人文因子组合综合评价分析的现状,利用遥感影像、站点监测、交通网络等多源数据,获取与人居环境质量密切相关的自然和人文因素共17个影响因子。应用熵权法、GIS空间分析及现代大数据等方法,定量研究新疆人居环境质量综合评价指数的空间分异及其与经济、人口分布的协调性关系。结果表明：① 新疆自然环境本底受水资源及植被覆盖情况影响较大,自然环境本底评价指数高值区域的空间分布特征与绿洲分散分布的特点具有极大的相似性,县域尺度的高质量区聚集分布在天山北坡的伊犁河谷等地,低质量区和一般质量区大面积集中连片地分布在新疆南部和东部。② 人文环境受交通通达程度及基础支撑完善度影响较大,地级市、县级市优于其他县级地区,人文环境质量基本呈现以各地级市、县级市为中心向外辐射递减的空间分异规律。③ 人居环境质量综合评价指数空间分异显著,呈现出以乌鲁木齐、昌吉市等点为中心的局部圈层式递减的空间分异规律。木垒?皮山分界线东南部与西北部人居环境质量的平均水平相差悬殊。④ 整体人居环境质量水平较低,人口分布与人居环境质量综合评价指数空间分布的匹配度不足,一般质量区和低质量区的县域土地面积占比高达84.90%,分布了47.74%的人口,低质量区仍有较大的提升潜力。⑤ GDP水平与人居环境质量保持较高的匹配性,环境经济协调型县市数量较少,环境经济滞后型县市数量最多,经济发展与人居环境相互掣肘,制约着新疆的可持续性发展。     

基于多源数据的城市活力空间特征及建成环境对其影响机制研究

采用城市POI、手机信令数据及夜间灯光遥感数据,以深圳市为例,构建城市活力度量指标分析城市活力的空间特征。构建“5D”指标体系度量城市建成环境,并运用地理探测器,探究建成环境对城市活力的影响机制。结果表明：1）深圳市城市综合活力显示出“南强北弱,西强东弱”的空间分异特征,空间分布极不均衡。城市综合活力最主要反映的是社会活力。2）城市综合活力、经济活力、社会活力、文化活力均受到建成环境的显著影响。高POI密度、高建筑密度、高平均建筑层数和高土地利用混合度对城市活力具有显著促进作用。3）居住人口密度与路网密度、土地利用混合度与路网密度等交互作用对城市活力产生更为积极的影响。4）在影响机制中,建筑密度、平均建筑层数为底层支撑因素,POI密度、土地利用混合度为直接驱动因素,居住人口密度为诱发因素,距行政区中心距离、交叉口密度、路网密度、地铁站点密度和公交站点密度为调节因素。     

面向"数字城市"多源数据的空间数据立方体空间度量研究

叙述了面向“数字城市”多源数据的空间数据立方体空间度量的基本定义;描述了空间度量的聚集概念,并结合具体的图例阐述了点状、线状、面状空间度量的聚集过程;解释了空间数据立方体维上钻、维下翻、维层次上钻、维层次下翻的空间度量聚集操作基本原理。     

全球尺度多源土地覆被数据融合与评价研究

精确的全球及区域尺度土地覆被遥感分类数据是全球变化、陆地表层过程模拟、生态文明建设及区域可持续发展等研究的重要基础数据。本文以5套全球土地覆被数据集GLCC、UMD、GLC2000、MODIS LC、GlobCover为研究对象,结合MODIS VCF、MODIS Cropland Probability以及AVHRR CFTC数据集,设计一种基于模糊逻辑思想的证据融合方法实现上述多源土地覆被信息的决策融合,生成一套依据植物功能型分类的全球1 km土地覆被融合数据SYNLCover。结果显示,与5套源土地覆被数据集相比：① 在总体一致性精度上,SYNLCover的8个生物形态类型和12个目标类型的平均总体一致性精度最高,分别约为65.6%和59.4%,其次依次是MODIS LC、GLC2000、GLCC和GlobCover,UMD的最低,分别约为48.9%和42.6%,而且SYNLCover与5套源土地覆被数据集两两相比的总体一致性都是最好的;② 在类型一致性精度上,除灌丛类型外,SYNLCover中包括森林、草地、耕地、湿地、水体、城镇建筑和其他7种生物形态类型,以及森林类型的5种叶属性的平均一致性精度也是最高的,如其他类型的平均一致性精度可达67.73%;③ 除灌丛和湿地类型外,SYNLCover的其余6种生物形态类型的平均一致性精度均比其在5套源数据中相应的一致性精度的最大值提高了10%~15%左右;森林类型的5种叶属性的一致性精度也提高了约10%。SYNLCover分类精度的提高反映了本研究设计的多源数据融合方法的可行性和有效性。     

多源数据融合的城市体检评估

融合遥感影像、社会开放大数据、统计资料等多源数据,以长沙市为例,围绕生态宜居、健康舒适、安全韧性、交通便捷、风貌特色、整洁有序、多元包容、创新活力等8个方面构建城市体检指标体系,运用归一法和层次分析法对城市自然本底和运行体征展开计算评估,结果发现：1）长沙市人居环境整体良好,城市生态宜居和整洁有序度较高,交通便捷和安全韧性建设亟需加强,风貌特色、健康舒适、创新活力、多元包容等仍有改善空间。2）各区县专题发展水平不均,在保留区域功能特色的基础上,应该着重解决发展的短板。3）城市中心城区人口密度、空气质量优良天数、万车死亡率等指标达到最高水平,但在便民服务设施完整覆盖度、住宅建筑更新和开发、群体包容等方面与城市发展需求还有一定差距。根据多源数据城市体检结果可知,长沙市未来需要以问题和需求为导向,精准治理“城市病”,努力提高城市居民生活满意度、幸福感和归属感。     

基于XGBoost的多源降水数据融合方法研究

气象站点观测降水难以精确反映降水时空分布与变化,而雷达降水存在复杂地形区域精度不高等问题。为了最大限度发挥两者的优势,文章以广东省北部山区为研究区域,选择2018-08-26—30一次暴雨过程为研究对象,结合地形、与海岸线距离、植被指数、经纬度等地表辅助参量,分析地面站点降水与地表辅助参量、雷达降水的相关关系,利用XGBoost算法与克里金插值方法,构建地面-雷达日降水数据融合模型,得到了空间分辨率为1 km的日降水融合数据集。此外,采用多元线性回归（LM）与克里金插值方法,实现了地面-雷达日降水数据的融合,并利用地面降水数据分别对XGBoost与LM日降水融合性能进行精度验证。结果表明：1）地面降水与雷达降水存在显著的正相关,地面降水与地表辅助参量之间的相关性随时间变化;2）XGBoost预测精度整体上高于LM预测结果;经模型残差校正后,XGBoost融合模型的精度整体上优于LM融合模型,这是因为XGBoost方法在捕捉地面降水与地表辅助参量、雷达降水之间关系性能上优于LM方法。     

中国滑雪场空间分布特征及其影响因素

滑雪场是冰雪运动的空间载体和冰雪产业赖以发展的重要依托。研究滑雪场的空间分布特征及其影响因素,对冰雪产业发展具有重要意义。以中国770家滑雪场作为研究对象,运用最邻近指数、不均衡指数、核密度分析等方法对滑雪场的空间分布特征进行分析,在此基础上构建地理加权回归模型探究其空间分布的影响因素。研究发现：① 中国滑雪场主要分布在黑龙江、山东、新疆、河北等北方地区,在空间分布上属于聚类分布型,具有聚集性和不均衡性的分布特征;② 已形成以哈尔滨为中心的黑龙江高密度区和以北京为中心的京津冀高密度区,以及以长治为中心的晋冀豫次级高密度区;③ 地形、气温、经济、城市、交通因素对滑雪场影响的空间差异性显著,包括正负值差异和高低值差异;④ 自然因素和社会因素对滑雪场空间分布的影响程度呈现出一定的内部差异性,其中自然因素产生的空间差异性更大,社会因素对滑雪场空间分布的影响具有一致性,整体呈正相关,且主要作用于北方地区的滑雪场。     

基于多源大数据的深圳市生活性服务业空间格局及影响因素研究

基于生活性服务业POI、手机信令和管理人口数据等大数据,采用最邻近指数、核密度、熵指数及地理探测器方法,探究深圳市生活性服务业的空间格局及影响因素.结果表明:1)深圳市生活性服务业空间分布不均衡,主要集中在中、西部地区,总体呈现"两核-三带"的空间集聚特征;空间上呈带状发展形态,主要集聚在交通主干道及轨道线周边区域.2...     

基于多源数据的中国地形海拔分级指标调整研究

使用SRTM DEM、土地覆被、冻融侵蚀、河流沟谷等多源数据,对区分海拔等级的指标地物作了具体分析,以指标地物的平均海拔为依据,通过分级指标对象(如冰川、林线)分布高程重合或贴近的多条等高线圈形成分级等高平面,对陆地地貌进行切割划分,用每组指标对象偏离等高平面的值作为控制量(控制点),插值重构分级参考曲面。该方案最大限度突出指标的地理意义,形成的海拔分级结果与中国地理系统分布特征更为贴近,可以为中国大尺度地貌基本形态的划分提供参考。     

Characterizing mixed-use buildings based on multi-source big data

To-date few research has successfully integrated big data from multiple sources to characterize urban mixed-use buildings. In this paper, we introduce a probabilistic model to integrate multi-source and geospatial big data (social network data, taxi trajectories, Points of Interest and remote sensing images) to characterize urban mixed-use buildings. The usefulness of our model is demonstrated with a case study of the Tianhe District in megacity Guangzhou, China. The model predicted building functions at 85% accuracy based on ground truth data from field surveys. We further explored the spatial patterns of the identified building functions. Most mixed-use buildings are located along major streets. Our proposed model can identify mixed-use buildings in a city; information is useful for planning evaluation and urban policymaking.     

基于POI数据的南京市空间格局定量研究

从语义属性、几何形态等方面对典型城市空间格局要素进行定量化抽取及特征分析,总结归纳出城市空间格局要素间的关联特征。在此基础上,将POI数据进行分类,设计了基于平面核密度估计算法、空间聚类与双重密度因子分析分析算法,并以南京市为例,通过栅格叠加计算,提取边界,分类渲染以及栅格重分类等步骤,实现南京城市空间格局及商业中心抽取。结果发现城市商业中心有效地反映了城市空间总体格局的区域分布,提取出的南京市商业中心基本符合2000—2020年的南京市总体规划,但文本并不能直接体现城市各商业中心的定位,城市中除了主城区这个集聚且组团的单中心商业模式,各个县城、开发区、高新区都有各自形成的商业中心,符合城市的多商业模式。较传统的城市商业空间研究来说,基于POI数据的定量研究对城市总体格局及商业空间的认知更为精细,有助于商业中心的识别及行业特征的分析,便于政府部门对现有规划功能区的发展方向进行调整,使得不同功能区空间结构与特征关系更加合理。     

滑雪度假区属性的结构维度及其影响研究

北京冬奥会的成功申办和举办推动了国内冰雪旅游产业和研究的快速发展。作为冰雪旅游产业核心地域载体的滑雪度假区亦日益受到关注。尤其是,滑雪度假区属性的结构维度识别及其影响评估成为冰雪旅游研究和实践的热点。本文遵循情感地理学关注人、情感与地方互动关系的研究传统,以新疆丝绸之路国际度假区和吉林长白山国际度假区为样本采集地,借由量表开发与验证流程,从度假游客感知视角识别滑雪度假区属性的结构维度,并检验它们对滑雪度假游客体验的影响。研究结论如下：(1)识别了滑雪度假区属性的结构维度（15个）,并开发、验证了滑雪度假区属性量表（59个测项）;(2)滑雪度假区的气候和自然环境、雪道、娱乐、工作人员和人文环境对度假游客体验有显著影响;(3)积极情绪、沉浸体验、难忘的旅游体验和满意度在滑雪度假区属性与游客重游意向、口碑推荐意向的关系中起中介作用。本文为与滑雪度假区属性相关的后续研究提供了可操作的理论框架和测量工具,并深化了对滑雪度假情境下人、情感与地方互动关系的理解。     

空间数据统计分析的思想起源与应用演化

系统总结了空间数据统计分析的发展历程,并分为五个时期：① 早期孕育（计量革命之前）,其重要思想是19世纪初德国的区位论;② 计量革命（1950-1960年代）,主要是经典统计学的应用和理论探索;③ 空间统计学（1970-1980年代）,重点是空间点数据、面数据和空间连续性数据的分析;④ 成熟与扩散（1990-2000年代）,空间数据统计分析发展成熟并快速向其他领域扩散;⑤ 时空大数据（2010年以后）。换句话说,计量革命开始后的空间数据统计分析大约每20年有重要的新技术或方法出现,到现在已经具有成熟、系统化的方法和显著的社会效益。而在当前的时空大数据时期,其发展需要计算机科学家、统计学家和地理学家等不同学科领域人员的共同努力。     

基于多源数据和深度学习的城市边缘区判定

城市边缘区的定量分析及判定,对城市发展评价和规划,或是城市空间结构研究都具有重要意义。然而现有研究的边缘区判定指标选择过于单一,判定结果过于破碎,城市预设边界、水体及城市绿地对边缘区判定结果干扰大。针对上述问题,从自然、人口、社会经济的视角出发,以遥感影像、人口数据、POI大数据为数据基础,结合深度学习技术,构建基于多源数据和深度学习的城市边缘区判定方法,进行广州市城市边缘区判定及城市结构空间分布特征分析。结果表明：① 此方法能将城市划分为核心区-边缘区-外缘区,判定结果不会受到预设边界范围的影响,且消除了城市内部水体和城市绿地所造成的破碎化;② 城市边缘区与路网耦合良好;③ 广州市的城市核心区空间分布合理。综上所述,此方法能有效检测城市边缘地带,且结果符合实际情况,能为城市规划、政府决策提供参考。     

Spatial-temporal characteristics and decoupling effects of China’s carbon footprint based on multi-source data

In 2007, China surpassed the USA to become the largest carbon emitter in the world. China has promised a 60%–65% reduction in carbon emissions per unit GDP by 2030, compared to the baseline of 2005. Therefore, it is important to obtain accurate dynamic information on the spatial and temporal patterns of carbon emissions and carbon footprints to support formulating effective national carbon emission reduction policies. This study attempts to build a carbon emission panel data model that simulates carbon emissions in China from 2000–2013 using nighttime lighting data and carbon emission statistics data. By applying the Exploratory Spatial-Temporal Data Analysis(ESTDA) framework, this study conducted an analysis on the spatial patterns and dynamic spatial-temporal interactions of carbon footprints from 2001–2013. The improved Tapio decoupling model was adopted to investigate the levels of coupling or decoupling between the carbon emission load and economic growth in 336 prefecture-level units. The results show that, firstly, high accuracy was achieved by the model in simulating carbon emissions. Secondly, the total carbon footprints and carbon deficits across China increased with average annual growth rates of 4.82% and 5.72%, respectively. The overall carbon footprints and carbon deficits were larger in the North than that in the South. There were extremely significant spatial autocorrelation features in the carbon footprints of prefecture-level units. Thirdly, the relative lengths of the Local Indicators of Spatial Association(LISA) time paths were longer in the North than that in the South, and they increased from the coastal to the central and western regions. Lastly, the overall decoupling index was mainly a weak decoupling type, but the number of cities with this weak decoupling continued to decrease. The unsustainable development trend of China's economic growth and carbon emission load will continue for some time.     

移动定位大数据视角下的人群移动模式及城市空间结构研究进展

了解城市人群移动行为和空间结构对城市规划、交通管理、应急响应等具有重要的意义。近年来,随着信息技术(ICT)的快速发展,采集大规模、长时间序列的人群移动定位大数据变得容易,为人群移动行为研究带来了新的机遇和挑战。本文首先介绍了目前用于城市人群移动行为和空间结构研究的主要数据源及其特征,并分别从人群移动行为、城市空间结构2个方面对近3年国内外相关研究进行归纳总结。目前的研究主要从移动定位大数据中挖掘人群移动模式,理解人群移动时空规律,进一步透视城市的空间结构特征;而对城市空间结构与人群移动行为影响的研究较少。未来可通过融合多源时空数据,综合研究人群移动行为与城市空间结构之间的相互作用,发展大规模群体移动行为时空分析理论和模型,进一步深入理解人群移动行为与城市空间结构的耦合关系。     

基于腾讯迁徙大数据的中国城市网络研究

随着经济全球化和区域一体化的快速发展,城市间的交流日益密切,要素的流动性和互赖性促进了城市网络的形成,并成为一种新的区域组织模式和空间结构.本文基于2018年腾讯人口迁徙数据,构建了372×372关系数据矩阵,并从不同交通方式出发,系统刻画了中国城市网络格局.研究表明:①网络关联度高的城市主要集中在胡焕庸线以东区域,尤...     

长江中游城市群城市活力水平空间格局及影响因素

地理“大数据”的出现为研究城市问题提供了新的契机。基于兴趣点（POI）和位置服务（LBS）的地理“大数据”,采用空间计量模型、数理统计分析等方法,尝试探讨了长江中游城市群城市活力水平及其影响因素。结果表明：①长江中游城市群城市活力整体处于较低水平,武汉、南昌和长沙中心地位突出,城市群边缘形成片状活力“洼地”的空间格局;②长江中游城市群城市活力与经济发展水平存在耦合关系,低度耦合城市少,较高度耦合和高度耦合城市较多;③高校资源、经济密度、基础设施水平和信息化程度4个因素是影响长江中游城市群城市活力的主要因素,各因素的影响效应具有空间异质性。