浙江省县域旅游经济增长的空间溢出效应

论文以浙江省65个县域单元为例,综合运用探索性空间数据分析和空间杜宾模型,实证了2004—2016年浙江省县域旅游经济增长及其影响因素的空间溢出效应。结果表明:① 研究期内浙江省县域旅游经济整体表现出较强的空间依赖性,局部空间关联类型以高—高和低—低集聚为主,高—高集聚区主要位于中心市区,低—低集聚区主要位于浙西和浙南等地。旅游经济增长的空间自相关性表明考察其演化路径时不可忽视空间效应的存在。② 浙江省县域入境和国内旅游经济增长均存在显著的空间溢出效应,本地入境和国内旅游经济每增长1%,将会带动邻近县域入境和国内旅游经济分别增长0.192%和0.249%。经济发展水平、旅游资源禀赋、旅游基础设施和区位交通条件等均具有显著的空间溢出效应,忽视旅游经济增长的空间效应,将会高估这些因素的作用强度。③ 驱动旅游经济增长的各影响因素的作用强度和影响路径存在显著差异,未来应充分关注入境和国内旅游经济增长的空间依赖特征,将驱动旅游经济增长的各因素齐抓并举,方可实现县域旅游经济的高质量发展。     

柴达木盆地盐尘暴及其资源生态环境影响

在干旱和半干旱地区,盐尘暴是一种常见的极端气象灾害。柴达木盆地频发的沙尘暴实质上就是盐尘暴。柴达木盆地盐尘暴已经对区域大气、土壤、植被、人类健康乃至全球气候变化都产生了不同程度的影响。由于柴达木盆地盐尘暴中可溶盐成分来源复杂,尽管目前对其形成过程和机制还缺乏深刻理解,但人类的资源开发活动对盐尘暴显然具有促进作用。有必要从系统的角度来考虑柴达木盆地盐尘暴对区域乃至全球的影响,这对于区域生态环境的正确评估和后期恢复治理具有重要意义。     

Supply and Demand Levels for Livestock and Poultry Products in the Chinese Mainland and the Potential Demand for Feed Grains

The widening gap between the supply and demand levels for livestock and poultry products in the Chinese mainland poses a significant challenge to the secure supply of feed grains. Therefore, the accurate prediction of the demand potential for feed grains represents a key scientific issue for ensuring food security in the Chinese mainland. This study is based on an analysis of several factors, such as the Chinese mainland’s output, trade volume, apparent consumption of livestock and poultry products, and two different scenarios for predicting the future demand for feed grains are assessed. The results indicate that output and consumption of livestock and poultry products, as well as the country’s trade deficit and the pressure of the supply and demand balance with respect to these products, have been increasing in recent years. The analysis predicts that the demand for feed grains in the Chinese mainland will reach 425.5 or 389.6 million tons in 2030 based on the two scenarios. This finding indicates that with the increasing demand for livestock and poultry products in the Chinese mainland, the demand for feed grains will continue to increase, and the shortfall in feed grains and raw materials will expand further, especially dependence on external sources of protein-rich feed grains will remain high.     

电力巡线LiDAR点云电塔自动定位和提取算法

针对电力巡线机载激光雷达（LiDAR）激光点云电塔自动提取问题,提出了一种电塔自动定位和点云提取算法。首先,基于点云进行二维空间网格划分,利用网格点云高程偏差和方差特征提取潜在电塔网格;其次,基于电塔点云的高程连续特性完成电塔自动定位和点云粗提取;然后,利用点云分层密度信息和图像开运算,实现电塔精细提取;最后,利用轻小型无人机载激光雷达数据验证本文算法的有效性。试验结果表明,本文所提出的自动提取算法,能够有效解决LiDAR数据中电塔自动定位和点云提取问题,在LiDAR数据质量较差时仍能够取得良好效果,算法对于噪点数据具有较强的稳健性。本文所提出的电塔自动提取算法在LiDAR电力巡检数据处理中具有一定的应用价值。     

移动GIS在传染病防控方面的应用——以COVID-19为例

新型冠状病毒肺炎（COVID-19）疫情的出现和暴发流行,给社会、经济及人群健康提出巨大的挑战,已经成为重大公共卫生事件和社会问题。作为一种新发传染病,提早发现、迅速采用有效应对举措,是防止病毒蔓延扩散的重要环节。地理信息系统（GIS）在传染病的控制、预防、预警中有举足轻重的地位,移动GIS（Mobile GIS）作为GIS技术的发展,进一步提高了我国卫生部门应对突发传染病的能力。本文以COVID-19防控为例,重点介绍了移动GIS技术在传染病防控中的应用。     

地面沉降监测多源数据融合分析

地面沉降是区域性地面高程下降的一种地质现象,一般是由自然因素和人为因素的共同作用导致的。目前地面沉降监测的方法很多,各有优劣。本文结合武进中心城区地面沉降监测系列工程案例,对不同沉降监测方法产生的多源数据进行了分析、对比和融合,使成果兼具各种方法的优点,其不仅能更好地描述地面沉降的现状及预测地面沉降的发展趋势,而且可为后期地面沉降监测提供更加准确且丰富的数据基础。     

长距离GPS/BDS参考站网多频载波相位整周模糊度解算方法

长距离网络RTK是实现GPS/BDS高精度实时定位的主要手段之一,其核心是长距离参考站网GPS/BDS整周模糊度的快速准确确定。本文提出了一种长距离GPS/BDS参考站网载波相位整周模糊度解算方法,首先利用GPS双频观测数据计算和确定宽巷整周模糊度,同时利用BDS的B2、B3频率观测值确定超宽巷整周模糊度。然后建立GPS载波相位整周模糊度和大气延迟误差的参数估计模型,附加双差宽巷整周模糊度的约束,解算双差载波相位整周模糊度,并建立参考站网大气延迟误差的空间相关模型。根据B2、B3频率的超宽巷整周模糊度建立包含大气误差参数的载波相位整周模糊度解算模型,利用大气延迟误差空间相关模型约束BDS双差载波相位整周模糊度的解算。克服了传统的使用无电离层组合值解算整周模糊度的不利影响。采用实测长距离CORS网GPS、BDS多频观测数据进行算法验证,试验结果证明该方法可实现长距离参考站网GPS/BDS载波相位整周模糊度的准确固定。     

城市扩展元胞自动机多结构卷积神经网络模型

传统的城市扩展元胞自动机(CA)模型是基于单个元胞的变量信息挖掘来构建转换规则的。针对这一问题,本文基于多结构卷积神经网络提出从区域特征出发且顾及区域多尺度特征挖掘转换规则的城市扩展元胞自动机模型(MSCNN-CA),并以武汉主城区和上海浦东新区为例,模拟了两个试验区2005—2015年期间城市扩展过程。模型验证表明:与逻辑回归和神经网络相比,本文构建的3个单一结构的卷积神经网络元胞自动机(CNN-CA)模型在4个指标(Kappa系数、FoM(figure of merit)值、命中率(h)和错误率(m))上都有不同程度的提高。特别是FoM指数,在武汉主城区提高了23.3%~29.4%,在上海浦东新区提高了20.3%~28.5%。此外,MSCNN-CA模型与3个单一结构的CNN-CA模型相比,在各个指标上也有所改善,FoM指数在武汉主城区提高了0.8%~4.8%,上海浦东新区提高了2.8%~7.8%。两个试验区的模拟结果表明:相比传统CA模型,基于多结构卷积神经网络的城市扩展元胞自动机模型(MSCNN-CA)能够有效提高城市扩展模拟的精度,更真实地反映城市扩展空间演变过程。相比单结构的卷积神经网络CA模型,多结构卷积神经网络CA模型的稳定性和模拟结果准确性有所提升。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

空-谱融合的条件随机场高光谱影像分类方法

高光谱遥感数据具有光谱信息丰富、图谱合一的特点,目前已经广泛地应用在对地观测中。传统的高光谱分类模型大多过分依赖影像光谱信息,没有充分利用空间特征信息,这使得分类精度还有很大的提升空间。条件随机场是一种概率模型,能够较好地融合空间上下文信息,在高光谱影像分类中已经得到越来越多的关注,但大部分条件随机场模型存在超平滑的现象,会导致影像细节丢失。针对该问题,本文提出了一种优化融合影像空-谱信息的高分辨率/高光谱影像分类方法,该方法将影像的纹理信息与原始光谱信息进行融合,利用SVM分类器对其进行预分类,并将各类概率定义为一元势函数,以融合空间特征信息;然后将空间平滑项和局部类别标签成本项加入二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后,通过两组的高分辨率/高光谱影像数据进行试验。结果表明,与SVM算法、传统的条件随机场方法和面向对象的分类方法相比,本文提出的算法在整体分类精度上分别提高了10%、9%和8%以上,同时在保持地物边缘完整性、避免“同谱异物”与“同物异谱”的现象方面有较明显的优势。