广州市主城区共享单车骑行目的地时空特征与影响因素

已有共享单车骑行影响因素研究主要关注起点,大多忽略目的地,在探讨其影响因素的时间差异及交互作用方面较少。以广州市主城区为例,引入地理探测器,精细分析目的地分布影响因素的时间差异,并进行交互探测。研究发现：① 早高峰到达量大于晚高峰,早高峰目的地多分布在CBD,信息产业园和职住平衡地区,晚高峰多分布在地铁3号线体育西至华师站沿线和高密度住宅区。② 服务设施类是影响最显著的类别,其次是交通可达、土地利用和自然环境类别,其中影响力较大的因子依次是住宅、餐饮、公司、购物设施分布、路网密度、距地铁站口距离和POI多样性。③ 各因子影响力存在明显时间差异,所有建成环境因子在早晚高峰时段影响力均大于其他时段,其中公司企业分布因子的影响力在早高峰时段迅速增强。④ 因子间均为双因子增强关系,其中服务设施分布类别中因子交互作用最显著,服务设施分布与交通可达类别的因子交互作用次之。     

基于出租车轨迹数据的城市空间结构变化研究——以深圳市为例

在地理大数据大量涌现的背景下,利用深圳市2009年5月和2016年9月2期出租车轨迹大数据,通过构建2层空间网络,并使用Infomap社区发现算法,发现网络中的全局空间社区和局部空间社区。通过对比空间社区的变化,并结合遥感数据和规划政策等,探讨深圳市长时期多层空间结构的动态变化,揭示了城市基础设施建设以及规划政策制定等对城市空间结构的影响。结果表明：全局尺度下,城市的空间结构趋向于紧凑式发展,如深圳市郊区的小空间社区合并成了5个大空间社区,这与深圳2020年总体规划有较大的关联。局部尺度下,城市的空间结构趋向于多中心式发展,如围绕深圳高铁北站和南山中心的2个空间社区分裂成了多个小空间社区,这与重大基础设施建设和经济发展有较大的关联。     

分析学习智能元胞自动机及优化的城市模拟

元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。     

地理大数据背景下空间分析课程教学改革探索

地理大数据的兴起对地理信息科学学科发展和人才培养带来了机遇和挑战.空间分析课程教学是地理信息科学人才培养的重要环节,但现有的课程教学模式存在局限性,难以适应大数据时代的人才培养目标和需求.本文重点阐述了在地理大数据背景下的空间分析课程教学改革设想,包括对学科基础知识教学的强化、前沿发展动态的吸收,以及加强对学生科学思维...     

陆相泥页岩层系岩相测井识别与预测:以南堡凹陷拾场次洼为例

泥页岩层系岩相研究是页岩油勘探的基础工作，由于钻井取心较为困难且陆相湖盆范围小，相变快，使岩相精细识别与预测较为困难。测井曲线精确度高，纵向连续性好，可以准确识别与预测岩相。利用全岩X衍射（XRD）、薄片鉴定及地球化学分析测试等实验数据，将岩相按"三级次-三单元"划分方案进行划分，将测井曲线与TOC值、矿物含量等参数进行拟合，综合识别岩相，最后在高分辨率层序格架下建立岩相旋回叠加模式，从而进行岩相展布研究。结果表明该地区为一套以Ⅰ型和Ⅱ₁型干酪根为主生油湖相烃源岩，可划分为18种岩相，其中富有机质黏土质层状泥岩、富有机质混合质纹层状泥岩、页岩为页岩油优势岩相。岩相各评价指标可通过测井曲线计算与预测。岩相与层序存在耦合关系，在等时地层格架下具可预测性。沙三4亚段泥页岩层系岩相在此格架下，形成了MSC1中部与MSC2两个有机质富集层，以及SQ5~SQ8上升半旋回4个沉积构造发育带。      

测试研究中心喜迎50华诞

1月9日．核工业测试研究中心在南昌银海大酒店隆重集会,庆祝测试研究中心成立50周年。江西核工业地质局党组成员、副局长黄江明,江西省政协常委、原江西省核工业地质局党组书记、局长赵传宝等领导与中心干部职工、离退休老同志及曾经在中心工作过的同志共200多人参加了庆典。     

基于LiDAR高度纹理和神经网络的地物分类

使用LiDAR单一数据进行点云分割工作时,基于斜率的严格分割LiDAR点云的方法不能很好的适应复杂地物 的分类工作。本文将LiDAR粗分割后的点云转换为高度图像和反射强度图像,并求取高度图像GLCM高度纹理。将4 种GLCM高度纹理、地面粗糙系数、平均高度和平均反射强度共7种纹理作为识别地面覆盖物的特征,并利用后向传播 神经网络(BP-ANN)方法对LiDAR数据进行地物识别。实验表明,这种方法能够从LiDAR独立数据源中有效的实现地 物分类,实验获得的精度大于90%。与传统的最大似然法进行对比,BP-ANN的分类精度高于最大似然法。当预设地 面类型能同时满足被光学影像和LiDAR数据识别的条件时,LiDAR高度纹理分类与光学影像分类结果的一致性达到 76.5%。     

基于数据同化的元胞自动机

提出基于集合卡尔曼滤波(EnKF)的元胞自动机(CA)模型。在CA模型中,由于不同的样本会训练出不同参数值 的转换规则,且获取的转换规则在整个模拟过程中不能改变等原因,误差在模拟过程中会不断累积。本文在CA模型中 引入集合卡尔曼滤波的数据同化方法,建立了基于集合卡尔曼滤波的数据同化CA模型,同化遥感观测数据,根据得出 的同化值修正模拟结果使之向真实情况逼近。利用该模型模拟了广东省东莞市的发展情景(1995年—2005年),实验表 明,与传统CA模型相比,基于集合卡尔曼滤波的CA模型能够融合遥感观测数据,并能更有效地模拟城市扩张过程,达 到良好的模拟效果。     

土地利用变化模拟模型及应用研究进展

元胞自动机CA(Cellular Automata)和多智能体ABM(Agent-Based Model)模型是土地利用格局和演化模拟的主流方法,两者在模拟自然因素影响和人文驱动机制方面具有突出优势,为LUCC研究提供了重要的工具。当前,ABM无论在模型构建还是应用研究方面,CA和ABM均取得了显著进展。论文从数据基础、模拟尺度、CA转换规则挖掘、ABM行为规则定义、CA和ABM的耦合4个方面梳理土地利用模拟模型和方法的研究进展。并总结这些模型在虚拟城市模拟与理论验证、真实城市模拟与规划预测以及多类用地模拟与辅助决策等方面的应用。最后,总结土地利用模拟模型在精细模拟和全球变化研究方面存在的局限性,认为未来发展将主要集中于解决从2维模型向3维模型发展、大数据与规则精细挖掘以及大尺度模拟与知识迁移等问题。