民宿空间分布的集聚模式与影响因素研究——基于杭州、湖州、恩施的比较

近年来,民宿依托其个性化的服务以及温馨的住宿体验发展起来并走向成熟,其在空间上的集聚也推动着民宿产业向集群化和专业化发展。论文选取浙江省杭州市、湖州市和湖北省恩施州3个典型区域作为研究对象,基于途家网的民宿数据,运用全局自相关统计量和局域Getis-Ord G_i ^*指数分析三地民宿的集聚模式,并从区位、交通、旅游资源和区域品牌4个方面分析其影响因素。研究发现：① 杭州、湖州、恩施民宿空间分布均出现集聚状态,其中杭州最大的热点区域以市中心为圆心向周围扩散,杭州民宿是依托城市区位的集聚模式;湖州民宿的热点区域远离市中心且以莫干山为中心向四周扩散,湖州民宿是依托区域品牌的集聚模式;恩施民宿的热点区域由3个较小的热点区域构成,且均与恩施著名景点相连接,恩施民宿是依托自然景点的集聚模式。② 区位是城市民宿集聚的基础;区域品牌是民宿集聚的助推器;旅游资源是民宿集聚的早期动力;道路交通是民宿集聚和向外扩张的保障。研究结果为民宿的选址、空间优化布局和资源合理化配置提供有益的参考。     

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。     

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。     

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。     

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。     

新一代全球海底地形模型BAT_WHU2020

本文利用由多源卫星测高资料计算的新版全球重力异常Grav_Alti_WHU,联合船测水深资料,构建了全球75°S—70°N范围的1′×1′海底地形模型BAT_WHU2020。以船测水深、现有模型和多波束测深数据为参考,对模型精度进行了分析评价。结果表明,在中国海域及邻区(104°E—160°E,0°N—50°N),本文模型与船测水深之差值的标准差约70 m,与SIO V19.1模型精度相当,优于ETOPO1、DTU10、GEBCO_08等模型,较此前发布的BAT_VGG模型精度提高了约30%,说明本文模型构建方法可靠、数据处理准确、精度较高。在全球范围内,BAT_WHU2020模型与船测水深之差值的标准差为50～65 m,差值在±200 m范围内的比率超过95%,与SIO V19.1模型精度相当,优于ETOPO1、DTU10、GEBCO_08等模型,较BAT_VGG模型精度提高了27%～36%。以SIO V19.1模型为参考,模型之差的标准差为90～110 m,约90%格网点差值在±200 m以内,约95%格网点差值在±300 m以内,两者一致性良好。最后,讨论了地壳均衡、Parker公式高次项等对成果精度的影响,模型的真实空间分辨率,以及以多波束测深为参考的模型精度问题。分析认为,BAT_WHU2020模型空间分辨率为10～18 km,在马里亚纳海沟、麦夸里海岭地区相对精度为5%～6%。     

复杂卫星图像中的小目标船舶识别

船舶作为海上的重要目标,实现对船舶自动识别有重要的意义。针对卫星图像中云雾、海岸背景等复杂海情对船舶识别带来的干扰,以及小目标船舶高漏检率问题,本文提出一种多尺度深度学习模型训练策略,在此基础上构建了一种船舶识别的深度学习网络,该网络可分为多尺度训练、特征提取、生成目标建议区域、船舶分类这4个部分。首先,采用多尺度的训练策略,将多尺度的船舶样本送入网络中进行训练,这样在训练样本中加入了大量小目标船舶的样本,使网络充分提取到小目标船舶的特征;其次,通过卷积神经网络对目标船舶进行特征自适应提取;然后,目标区域建议网络可依据卷积神经网络提取到的特征,在图像中找到感兴趣目标区域,即框定船舶的位置;最后,通过多个全连接层的组合,将高维特征映射到一个4元组中,再运用分类函数输出每一类船舶的概率值,概率值最大的则为该船舶的类别。同时为解决云雾遮挡和海岸背景的干扰,采用了一种负样本增强学习的方法,在样本数据集中加入了大量只含有云雾和海岸背景的图片,进行负样本扩充,增强网络模型对云雾及海岸背景的特征学习能力,以此解决复杂海情的影响。实验结果表明,所提方法有效解决了复杂海情条件下的船舶识别难,以及小目标船舶识别难的问题,实现了复杂海情条件下的船舶识别。同时,与现有成熟的深度学习目标识别算法相比,本文算法的精确度和召回率分别提升了6.98%和18.17%,所训练的模型具有良好的泛化能力和鲁棒性。     

云南地区GPS基准站噪声模型分析

以云南地区陆态网27个全球定位系统(GPS)基准站在2011-2017年不同时间跨度的观测数据为例,使用赤池信息量和贝叶斯信息量估计准则(AIC/BIC)对解算结果进行分析,从而确定其最优有色噪声模型.结果表明,不同时间跨度基准站各坐标分量上噪声特性主要体现为白+闪烁噪声(WN+FN)、幂律噪声(PL)模型组合.部分基准站在北向和垂向的最优噪声模型会随着观测时间的累积而改变,PL模型所占比例有所下降,WN+FN模型所占比例有所上升.当时间跨度大于5 a时,基准站噪声模型的稳定性显著提高.随着坐标时间序列积累时长的增加,未知噪声分量出现的可能性也相应提高.