基于栅格DEM的多流向算法述评

基于栅格DEM的流向算法是数字地形分析的重要研究内容之一。在分布式水文模型、土壤侵蚀等领域中,当需要获取与流向直接相关的水文参数(如汇流面积、地形指数等)的详细空间分布时,多流向算法(MFD)明显优于单流向算法(SFD)。根据所采用的水流分配策略,将现有MFD分为四类:(1)固定水流分配权重的MFD;(2)水流分配权重随汇流面积变化的MFD;(3)水流分配权重随局域地形特征变化的MFD;(4)基于局域形态单元的MFD。从模型合理性、算法复杂度和易用性、对DEM误差的敏感性等方面进行的分析表明,水流分配权重随局域地形特征变化的MFD优于其他三类MFD。目前对MFD采用人造DEM数据集的直接定量评价研究还十分不足,文章以一个例子来体现直接定量评价MFD的可行性及有效性,同时也定量反映出水流分配权重随局域地形特征变化的MFD具有更低的计算误差。目前通用的针对流向算法的DEM洼地平区预处理算法多针对SFD而设计,不适合MFD的实际应用,本文对适用于MFD的DEM预处理算法所应具有的特征也进行了讨论。     

地球化学空间数据处理原理及软件系统

数据处理和成图技术在地球化学和找矿研究中是十分重要的。根据地球化学数据的总体和局域分布型式总结发展了数据预处理技术,二维空间地球化学数据处理应该包括数据预处理,结合分析并估值,数值滤波３个环节。上述研究思路在塔里木盆地油气化探研究中取得了明显效果。     

基于典型点的目的性采样设计方法及其在土壤制图中的应用

鉴于经典采样和空间采样存在的局限性,提出了一种旨在寻找典型点的目的性采样设计方法。该方法通过分析与目标地理要素空间分布具有协同变化关系的环境因子,提取地理要素空间变化的典型模式,进而在典型模式上布设样点,即可获得典型点,从而减少所需样本量。以位于黑龙江鹤山农场的2个研究区为例,分别选择土壤厚度和表层有机质2个土壤属性,通过对土壤属性空间变化的4个协同环境因子进行模糊c均值聚类,获得对应土壤属性空间变化模式的环境因子组合;根据其模糊隶属度结果设计典型点并进行采样,最后结合典型点的属性值与环境因子组合模糊隶属度结果,采用加权平均模型得到土壤属性空间分布图,反映了土壤属性随地形变化的连续性分布。基于独立野外验证点,选择了4个评价指标对所得属性图进行定量评价。结果表明：2个研究区验证点集的预测值和观测值一致性指数均较高,可见本研究提出的方法是一种有效的样点布设方法。研究还对在每一环境组合类设计不同数量典型点所得土壤属性制图结果的差异进行了讨论,认为典型点增多并不一定能提高土壤属性空间推测的精度。     

坡位渐变信息的模糊推理

坡位的空间变化通常是渐变的,定量的坡位空间渐变信息对于精细尺度上的坡面土壤侵蚀、预测性土壤制图等应用具有重要意义。现有基于栅格DEM的坡位模糊识别方法,或是仅在属性域内模糊聚类,忽略了空间信息;或是需要繁琐的规则进行模糊分类,实用性受限。本文建立了一种基于相似度的模糊推理方法,根据各类坡位在空间上的典型位置,计算其他位置与典型位置间的相似度,从而对坡位空间渐变信息进行系统、定量的描述。应用表明本方法能够合理地描述山脊、坡肩、背坡、坡脚、沟谷等重要坡位类型的渐变信息,所获得的坡位渐变信息也能够合理地解释土壤样点的A层土壤含砂量随坡位渐变的变化趋势。     

基于室内定位数据的群体时空行为可视化分析

室内定位数据记录了用户在室内空间活动的时空轨迹,是研究人群室内行为的重要信息源。室内数据时空耦合、分布复杂,可视化分析可以更好地揭示其规律。然而,与室外数据不同,室内数据具有时空粒度细、定位精度高等特点,与POI之间的空间关系更为明确,其轨迹受到室内设施和空间的制约,出现高维和不规则的特征,而这给室内行为研究提供依据的同时,又给可视化分析带来一定的挑战。现有的可视化方法主要应用于室外定位数据,关注轨迹自身的活动轨迹分析,往往忽略了所经过POI语义信息表达。针对这一问题,首先分析室内空间结构与定位数据的特征,阐述室内空间可视化分析的特殊性;在此基础上,面向室内人群的时空分布、移动模式及相关POI之间的对比、关联分析的需求,细化可视化分析的内容,明确可视化分析与展示的对象,并设计数据结构;从数据结构、可视化方法、展示图件及用户交互4个层次构建时空行为可视化分析模型;基于上述方法,采用WebGIS和WebGL技术综合设计和实现了面向商场定位的商场客流分析系统;最后,通过某一大型商场的用户定位数据进行可视化分析,从而验证了研究成果的正确性和有效性。     

基于特征的时间序列聚类方法研究进展

时间序列聚类可以根据相似性将对象集分为不同的组, 从而反映出同组对象的相似性特征和不同组对象之间的差异特征。当序列维度较高时, 传统的时间序列聚类方法容易受噪声影响, 难以定义合适的相似性度量, 聚类结果往往意义不明确。当数据有缺失或不等长时, 聚类方法也难以实施。基于上述问题, 一些学者提出了基于特征的时间序列聚类方法, 不仅可以解决上述问题, 还可以发现序列本质特征的相似性。本文根据时间序列的不同特征, 综述了基于特征的时间序列聚类方法的研究进展, 并进行了分析和评述;最后对未来研究进行了展望。     

基于探索性空间数据分析方法的北京市区域经济差异

我国区域经济的不平衡发展是政府和社会普遍关注的问题.针对城乡之间的较大尺度上的空间差异研究已经受到普遍的关注,但对经济发展迅猛的特大城市(如北京、重庆、上海等)内部贫富差距加大的现象尚未引起足够的重视,而这种现象有可能成为经济可持续发展和社会稳定的严重隐患.因此,正确认识特大城市内部的经济差异及演变趋势,是实现区域协调发展的重要条件之一.本文采用探索性空间数据分析方法,以北京市18区/县的人均GDP作为评估标准,分析了北京市18区(县)在2001-2007年,即2008年奥运会筹备期间的经济发展的空间格局及其变化规律.分析结果表明北京市人均GDP的空间分布自2005年后开始有向负的空间自相关性发展的趋势,暗示北京各区县的经济发展局部分异正在逐渐拉大,并显示由过去的南低北高的经济发展差异格局逐步转变为中心高周边低的空间分布格局.     

京津冀地区不透水表面覆盖率的时空演变及其对植被的影响

基于不透水表面和MODIS增强型植被指数(EVI)数据,辅以分段线性回归、趋势分析等方法,定量分析2000—2018年京津冀不透水表面覆盖率(ISP)的时空演变及其对植被的影响。结果表明:①京津冀ISP呈显著增加的趋势,增速为0.024%/a(P<0.01)。分阶段来看,2000—2010年和2011—2018年ISP均呈显著增加趋势,增速分别为0.019%/a(P<0.01)和0.037%/a(P<0.01),后一阶段的增速快于前一阶段;②空间上,ISP快速增加的区域主要位于城市和近郊,缓慢增加和增加的区域主要位于主城区和农村;③从不同ISP区域ΔEVI的时间变化趋势来看,城区、近郊和远郊的ΔEVI均呈显著下降趋势(P<0.05)的地市分别有6个、6个和3个。主城区的ΔEVI呈显著增加趋势的地市有3个(P<0.05)。从EVI的空间变化趋势来看,显著增加的区域主要位于北京、天津等市的主城区,显著减少的区域主要位于北京、天津、石家庄等地市的近郊和远郊;④从EVI随ISP的空间变化趋势看,所有地市EVI随ISP的增加均呈显著减小的趋势(P<0.01)。...     

COVID-19疫情时空聚集性特征及影响因素分析——以重庆市为例

新型冠状病毒肺炎(COVID-19)在城市内部的病例时空聚集性特征及影响因素对于疫情防控具有重要参考价值。论文以重庆市为例,收集2020年1月21日—2月24日的458例COVID-19确诊病例数据,结合手机信令数据与空间环境数据,采用空间聚集性分析、因子分析与回归分析等方法,探究重庆市新冠疫情在街道尺度上的时空聚集性特征,并分析其影响因素。结果表明：① 时间上,确诊病例前期增长较快,以外地输入为主,后期逐渐趋缓,以本地传播(包括街道间传播、街道内传播、家庭内传播)为主,其中家庭内传播占比最大(23%);② 空间上,病例呈现显著的聚集特征,且聚集性逐渐增强,热点街道分布于重庆市西部、东北部;分类型来看,本地病例热点街道集中于人口密度较大、经济发展更好的西北部、西南部,外地输入病例热点街道集中于地理邻近湖北省的中部、东北部;③ 所有病例密度、本地病例密度、外地输入病例密度与因子分析所得4个因子(即城市交通因子、街道间活动因子、生活服务因子、居民分布因子)的回归结果显示,交通设施水平与病例密度存在密切关联,商店超市餐饮等生活服务地点与病毒传播显著相关,街道间活动是发生聚集性疫情的重要因素,而外地输入型病例多出现于人口密集区域。疫情防控中应根据不同区域疫情传播模式差异实施针对性措施,例如在重庆市中部、东北部关注外地输入防控,西北部、西南部以本地传播防控为重点;同时,应加强城市内部交通与街道居民接触密集区域的防控措施,有效防止疫情反弹。     

地理大数据挖掘的本质

针对地理大数据的内在本质以及地理大数据挖掘对于地理学研究的意义,本文解释了地理大数据的含义,并在大数据“5V”特征的基础上提出了粒度、广度、密度、偏度和精度等“5度”的特征,揭示了地理大数据的本质特点。在此基础上,从地理大数据的表达方式、地理大数据挖掘的目标、地理模式的叠加与尺度性、地理大数据挖掘与地理学的关系等4个方面阐述了地理大数据挖掘的本质与作用,并从挖掘目标的角度对地理大数据挖掘方法进行分类。未来地理大数据挖掘的研究将面临地理大数据的聚合、挖掘结果的有效性评价以及发现有价值的知识而非常识等几方面的挑战。