基于空间分形特征的城市群实体空间识别方法

城市群是城市地理学的重要研究领域,对城市群的实体空间进行界定识别是研究城市群的前提和基础。城市群作为众多城镇的集群,前人对城市群的空间识别主要是以城市为单元进行的,缺少对识别单元空间形态的考虑。城市群实体空间的形态具有自相似性,空间分形特征可作为自相似性的表征工具,通过对空间分形特征的分析、识别及提取,可以实现对空间对象基于形态的客观测度。本文借鉴单个城市其边界的相关识别方法,从不同尺度的空间最小可识别单元出发,测度城市群城镇空间形态的分形特征,并据此提出了城市群城镇的客观识别方法。该方法利用城镇的空间分形特征识别归属于城市群的城镇,通过空间最小可识别单元的变化得到不同的城镇规模并获取城市群城镇的空间分形特征,再以此为基础对空间分形特征的存在范围进行识别,将其映射于空间最终实现对城市群城镇的识别,进而得到城市群在空间上的分布状况。本文将该方法应用于京津冀城市群,基于2016年Landsat卫星遥感影像,实现了对京津冀城市群构成城镇的识别,为界定城市群的实体空间提供了一次有益尝试。     

一种基于非局部滤波的遥感时空信息融合方法

遥感时空信息融合技术是获取高时空分辨率遥感数据的一种有效途径。该文在传统时空融合基础上,引入非局部滤波以顾及邻域像元空间相关性,同时采取可弱化局部噪声的经验型公式筛选相似像元,并以Landsat与MODIS反射率数据进行验证。其主要贡献表现在:对相似像元的选取方法进行改进,可弱化可能存在的局部噪声,使得选取条件更客观、更准确;将非局部均值滤波方法引入遥感时空信息融合,使得融合的效果更好、精度更高。     

城市范围界定与标度律

标度律作为城市发展的重要规律之一,反映了城市经济活动产值、基础设施数量等要素随城市人口规模的变动情况,在城市研究领域引起了广泛讨论。但由于不同国家的城市统计数据对应的空间范围各不相同,导致标度律系数受城市边界范围选取影响很大。本文通过比较中、美两国统计数据对应的空间范围,并结合普查、城市统计年鉴和遥感数据,计算了不同空间范围对应的标度律系数。结果表明：① 不同空间尺度和数据源得到的标度律系数有较大差异。就空间尺度而言,市辖区比市域范围的数据更符合标度律模型,因为中国城市市域范围内还存在大量的非城市化地区,并不符合标度律模型的适用条件;就数据源而言,遥感数据比城市统计年鉴数据有更好的拟合优度;② 与美国城市相比,中国城市人口集聚带来的经济增长率更高（标度律系数更高）,市辖区人口每增加一倍,经济规模可增加122%,这一数字在美国是111%;而在家庭能源消耗（用水、用电）和土地利用方面,中国城市的效率更低;③ 从中国城市内部对比来看,大城市与中小城市在经济规模、土地利用方面的标度律（集聚效率）明显不同,人口集聚效应带来的大城市经济增长率、工资收入要远高于中小城市;能源消耗方面,中小城市比大城市更有效率。最后,本文还从建立更加有效的统计单元、传统统计数据与大数据结合、模型机制探索3个方面阐述了城市标度律未来可能的研究方向。     

海岸带遥感资源调查的计算机解译方法探讨

该文介绍了一种利用计算机遥感图像解译进行资源调查的方法———斑块边界自动矢量化辅以目视栅格图像校正法。解译的主要步骤包括 :建立解译标志、影像配准、数据分析、图像增强、监督分类、目视解译修正、草图输出、实地检验、栅格转矢量、结果输出等。笔者结合案例对每一步出现的问题及其解决方法进行了探讨 ,并取得了海岸带资源遥感调查蓬莱幅的结果     

基于多尺度空间ANN - CA模型的遥感影像超分辨率制图方法研究

为获取遥感影像混合像元中各组分的空间分布状况,提出一种新的遥感影像超分辨率制图方法,用于继混合像元分解之后的亚像元定位。将元胞自动机理论移植到不同空间尺度的演化上,建立基于神经网络的多尺度元胞自动机模型(ANN-CA),并利用该模型提取北京市海淀区城镇用地超分辨率信息。结果表明,该方法能有效表达图像像元之间的空间自相关性。     

海岸带遥感资源调查的计算机解译方法探讨

该文介绍了一种利用计算机遥感图像解译进行资源调查的方法-斑块边界自动矢量化辅以目视栅格图像校正法，解译的主要步骤包括；建立解译标志，影像配准，数据分析，图像增强，监督分类，目视解译修正，草图输出，实地检验，栅格转矢量，结果输出等。笔者结合案例对每一步出现的问题及其解决方法进行了探讨。并取得了海岸带资源遥感调查蓬莱幅的结果。     

基于道路交叉点邻域扩张曲线的城市边界识别——以成都、西安、武汉、南京和长沙为例

城市边界识别是定性和定量研究城市的基础和前提,已有的关于城市边界提取的研究大都需要提前设定阈值或依赖人口统计数据。基于分形几何学,利用矢量建筑物分布数据识别城市边界,虽可克服这一缺陷,但国内城市边界的研究往往受阻于矢量建筑物分布数据获取困难。本文提出了一种基于道路交叉点的邻域扩张曲线作为识别城市边界的新方法。结果表明：该方法以电子地图为数据源,基于道路交叉点矢量数据进行研究时,城市集群数据随搜索半径增大而改变,城市扩张曲线中的最佳距离阈值是提取城市边界的关键;提取成都、西安、武汉、南京和长沙城市边界的最佳距离阈值分别为133、114、139、124和129 m,各城市的集群面积分别为769、350、270、317和359 km²。利用道路交叉点提取城市边界,方法简便可行,数据较易获得,本文结论有望为城市形态发展演变和城市规划等相关研究提供参考。     

点特征相似与卷积神经网络相结合的SAR图像分类算法研究

基于CNN的像素级SAR图像分类利用了输入图像块的邻域信息,但没有凸显出邻域像元对中心像元分类结果的影响力,导致在高噪声条件下中心像元易出现类别误判。针对该问题,该文提出了一种基于点特征相似性的卷积神经网络(Point feature Similarity-based Convolutional Neural Network,PSCNN),并将其用于SAR图像分类,以凸显邻域像元对中心像元分类结果的影响力,从而减小误分,提升分类精度。实验结果表明,相比传统基于CNN的SAR图像分类方法,该算法一方面能更充分利用图像块的邻域信息,有效抑制相干斑的影响,提升匀质区域的分类精度;另一方面借助块匹配方式,能够充分保留图像块的结构信息,有效提升边界定位精度。     

基于树结构的数字遥感图像存储方法与应用

数字遥感图像一般是采用栅格结构来存储。图像中地物的结构特征是隐含其中的。该文从图像识别角度，重点研究了基于树结构的数字遥感图像存储方法。这种方法与遥感中常用的四又树等存储方法不同，它注重图像中地物本身的结构特征。通过树结构使像元按地物目标形成一个个的组合体。该文以机场跑道识别为例，介绍了基于树结构的数字遥感图像存储方法的应用以及将图像变为树的算法。     

基于包含检验法的多边形栅格化并行算法研究

随着对地观测技术的快速发展和数据规模的急剧增长,矢量数据快速栅格化已成为业界关注的重要研究内容。该文将并行计算技术应用于矢量多边形栅格化中,探索了矢量数据划分方法、边界栅格单元处理方法等关键问题,设计并实现了基于包含检验法的矢量多边形栅格化并行算法。基于土地利用现状数据对并行算法的精度、并行效率等进行了测试与分析。试验证明,在进程数不超过CPU核数时,并行算法的加速比随进程数增长显著;而当进程数达到CPU核数以后,并行算法加速比总体趋于稳定。并行效率与数据的划分方式、数据的存储方式密切相关,划分方式的正确与否将直接关系到算法的并行效率。     

基于神经网络模型技术的南京市主城区城市森林遥感调查

城市森林调查是城市森林研究和规划建设的前提和基础工作,而遥感和GIS技术已成为现代城市森林调查的主要方法。遥感信息源和遥感分类技术是决定城市森林遥感调查质量的两个关键因素,研究认为,根据城市森林特点及城市森林研究和规划建设的要求,城市森林遥感调查采用的遥感影像分辨率以8¹0m为宜,神经网络模型分类技术应用于城市森林遥感调查效果较好。本文以南京市主城区为例,以10m分辨率多光谱spot卫星图像与2.5m分辨率全色spot卫星图像的融合图像作为解译信息源,采用dARTMAP神经网络模型进行监督分类,提取了一套具有较高精度的南京市主城区城市森林空间属性数据和图件,并在此基础上分析了南京市城市森林基本特点及规划建设方向。     

基于电子地图兴趣点的城市建成区边界识别方法

城市建成区边界是认识和研究城市的重要基础性信息,也是落实城市功能空间布局、实施界限管控的前提。但是,以往通过夜间灯光的强度、土地覆被或建筑覆盖率等信息获取城市空间范围的方法,由于受到数据精度和尺度限制,对城市社会经济活动的解释性不强,因而存在较大局限性。电子地图兴趣点（POI）作为城市空间分析的基础数据之一,直观且有效地反映了各类城市要素的集聚状况。本文基于POI与城市空间结构和城市要素空间分布的关联性,提出了一种新的通过POI密度分布来判别城市建成区边界的技术方法。为此,开发了Densi-Graph分析方法,用来分析POI密度等值线的变化趋势,在此基础上对城乡过渡地带的阈值识别的方法进行了理论分析,并讨论了单中心圆结构、双中心“鱼眼型”结构、双中心“子母型”结构等各类城市POI密度等值线的生长规律,证明了Densi-Graph分析方法的适用性。较之以往的城市建成区边界识别方法,这种方法的基础数据更加直观可信,分析结果也更加客观。运用这种方法,本文对全国地级以上城市的建成区边界进行了实证分析,探索了城市建成区边界的阈值及其与城市人口规模、城市所在区域之间的关系。     

基于夜光遥感影像与百度POI数据的中国城市群空间范围识别方法

提出基于夜间灯光遥感影像、电子地图兴趣点和社会经济统计数据等,以经济地理学中的“点-轴”理论为基础,以“点-轴集聚区”的识别为核心,利用迭代自组织聚类、聚合分析、指标阈值筛选等方法,识别中国城市群及其空间范围的技术方法。通过该方法识别出中国14个城市群,其中8个城市群的空间范围与规划范围接近;与规划范围不一致的则表现为三种情况,分别揭示出规划中需要考虑的不同问题。研究结果表明,本文提出的方法能突破行政边界限制,科学反映城市群辐射范围,客观反映城市之间的社会经济联系强度,并基于“现状-动态”视角有利于深入发掘潜在的城市群对象。研究结果可以为城市群规划和管理提供参考。     

ETM+影像亚像元级城市土地覆盖组分丰度提取——以南京市为例

城市景观复杂,地物具有强烈的空间异质性,利用中等空间分辨率遥感影像(如ETM )进行城市土地覆盖研究会出现大量混合像元。针对该问题,以南京市为例,通过混合像元分解提取城市土地覆盖组分丰度,进行城市土地覆盖研究,并从各个波段的残差、平均残差、相对误差、均方根误差等方面分析模型误差。利用IKONOS影像对提取的组分丰度图像进行精度验证,发现不同城市土地覆盖组分丰度图像具有一定的可靠性,与城市实际情况吻合。城市土地覆盖组分丰度图像还能作为一种新的数据源用于城市功能分区、城市人口数据空间化和城市环境监测与评估等研究中。     

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。     

中国城市群分布及范围的定量评价(英文)

Urban clusters are the expected products of high levels of industry and urbanization in a country, as well as being the basic units of participation in global competition. With respect to China, urban clusters are regarded as the dominant formation for boosting the Chinese urbanization process. However, to date, there is no coincident, efficient, and credible methodological system and set of techniques to identify Chinese urban clusters. This research investigates the potential of a computerized identification method supported by geographic information techniques to provide a better understanding of the distribution of Chinese urban clusters. The identification method is executed based on a geographic information database, a digital elevation model, and socio-economic data with the aid of ArcInfo Macro Language programming. In the method, preliminary boundaries are identified accord-ing to transportation accessibility, and final identifications are achieved from limiting city numbers, population, and GDP in a region with the aid of the rasterized socio-economic dataset. The results show that the method identifies nine Chinese urban clusters, i.e., Pearl River Delta, Lower Yangtze River Valley, Beijing-Tianjin-Hebei Region, Northeast China Plain, Middle Yangtze River Valley, Central China Plains, Western Taiwan Strait, Guanzhong and Chengdu-Chongqing urban clusters. This research represents the first study involving the computerized identification of Chinese urban clusters. Moreover, compared to other related studies, the study’s approach, which combines transportation accessibility and socio-economic characteristics, is shown to be a distinct, effective and reliable way of identifying urban clusters.     

功能区视角下城市夜光与夜间“两抢一盗”犯罪的空间相关性——以H市市辖区为例

以H市市辖区为例,基于POI数据识别城市功能区,并结合NPP-VIIRS夜光遥感数据与夜间“两抢一盗”犯罪数据,构建双变量空间自相关分析模型,从整体及不同功能区角度探讨城市夜光与夜间“两抢一盗”犯罪的空间关系。结果表明：1）整体上,H市夜间“两抢一盗”犯罪形成“一主一副”的犯罪热点,且夜光与夜间“两抢一盗”犯罪存在空间异质性关系。2）大部分功能区在全局Moran’sΙ上表现为正相关。在局部LISA聚类上,只有居住用地、商业服务业用地和道路与交通设施用地呈现显著的空间异质性。商业用地的高-高聚类多数分布在一环及二环以内,低-低聚类多数分布在城市外围及边缘地带,高-低聚类与低-高聚类则零散分布在二者之间的区域;居住用地的聚类情况呈现南北区域差异;道路与交通设施用地则由于报警地点与实际案发地点可能有所出入,因而结果可信度降低。     

Object-based spatial cluster analysis of urban landscape pattern using nighttime light satellite images: a case study of China

Previous studies have demonstrated urban built-up areas can be derived from nighttime light satellite (DMSP-OLS) images at the national or continent scale. This paper presents a novel object-based method for detecting and characterizing urban spatial clusters from nighttime light satellite images automatically. First, urban built-up areas, derived from the regionally adaptive thresholding of DMSP-OLS nighttime light data, are represented as discrete urban objects. These urban objects are treated as basic spatial units and quantified in terms of geometric and shape attributes and their spatial relationships. Next, a spatial cluster analysis is applied to these basic urban objects to form a higher level of spatial units – urban spatial clusters. The Minimum Spanning Tree (MST) is used to represent spatial proximity relationships among urban objects. An algorithm based on competing propagation of objects is proposed to construct the MST of urban objects. Unlike previous studies, the distance between urban objects (i.e., the boundaries of urban built-up areas) is adopted to quantify the edge weight in MST. A Gestalt Theory-based method is employed to partition the MST of urban objects into urban spatial clusters. The derived urban spatial clusters are geographically delineated through mathematical morphology operation and construction of minimum convex hull. A series of landscape ecologic and statistical attributes are defined and calculated to characterize these clusters. Our method has been successfully applied to the analysis of urban landscape of China at the national level, and a series of urban clusters have been delimited and quantified.     

A quantitative assessment of the distribution and extent of urban clusters in China

Urban clusters are the expected products of high levels of industry and urbanization in a country, as well as being the basic units of participation in global competition. With respect to China, urban clusters are regarded as the dominant formation for boosting the Chinese urbanization process. However, to date, there is no coincident, efficient, and credible methodological system and set of techniques to identify Chinese urban clusters. This research investigates the potential of a computerized identification method supported by geographic information techniques to provide a better understanding of the distribution of Chinese urban clusters. The identification method is executed based on a geographic information database, a digital elevation model, and socio-economic data with the aid of ArcInfo Macro Language programming. In the method, preliminary boundaries are identified according to transportation accessibility, and final identifications are achieved from limiting city numbers, population, and GDP in a region with the aid of the rasterized socio-economic dataset. The results show that the method identifies nine Chinese urban clusters, i.e., Pearl River Delta, Lower Yangtze River Valley, Beijing-Tianjin-Hebei Region, Northeast China Plain, Middle Yangtze River Valley, Central China Plains, Western Taiwan Strait, Guanzhong and Chengdu-Chongqing urban clusters. This research represents the first study involving the computerized identification of Chinese urban clusters. Moreover, compared to other related studies, the study's approach, which combines transportation accessibility and socio-economic characteristics, is shown to be a distinct, effective and reliable way of identifying urban clusters.