Modelling coastal land use change by incorporating spatial autocorrelation into cellular automata models

This paper presents a spatial autoregressive (SAR) method-based cellular automata (termed SAR-CA) model to simulate coastal land use change, by incorporating spatial autocorrelation into transition rules. The model captures the spatial relationships between explained and explanatory variables and then integrates them into CA transition rules. A conventional CA model (LogCA) based on logistic regression (LR) was studied as a comparison. These two CA models were applied to simulate urban land use change of coastal regions in Ningbo of China from 2000 to 2015. Compared to the LR method, the SAR model yielded smaller accumulated residuals that showed a random distribution in fitting the CA transition rules. The better-fitting SAR model performed well in simulating urban land use change and scored an overall accuracy of 85.3%, improving on the LogCA model by 3.6%. Landscape metrics showed that the pattern generated by the SAR-CA model has less difference with the observed pattern.     

Mapping fine‐scale urban housing prices by fusing remotely sensed imagery and social media data

The accurate mapping of urban housing prices at a fine scale is essential to policymaking and urban studies, such as adjusting economic factors and determining reasonable levels of residential subsidies. Previous studies focus mainly on housing price analysis at a macro scale, without fine‐scale study due to a lack of available data and effective models. By integrating a convolutional neural network for united mining (UMCNN) and random forest (RF), this study proposes an effective deep‐learning‐based framework for fusing multi‐source geospatial data, including high spatial resolution (HSR) remotely sensed imagery and several types of social media data, and maps urban housing prices at a very fine scale. With the collected housing price data from China's biggest online real estate market, we produced the spatial distribution of housing prices at a spatial resolution of 5 m in Shenzhen, China. By comparing with eight other multi‐source data mining techniques, the UMCNN obtained the highest housing price simulation accuracy (Pearson R = 0.922, OA = 85.82%). The results also demonstrated a complex spatial heterogeneity inside Shenzhen's housing price distribution. In future studies, we will work continuously on housing price policymaking and residential issues by including additional sources of spatial data.     

基于数学形态学的高分辨率航空影像轮廓提取方法

以Visual C++为依托平台,对高分辨率影像进行加载显示,以数学形态学为理论基础,对影像进行直方图绘制、腐蚀、膨胀、开运算、闭运算等操作,最终实现轮廓的提取。     

基于数据驱动的基本农田标志牌专题地图设计与实现

以花都区基本农田保护标志牌制作过程为例,采用Arc GIS动态图廓整饰及数据驱动页面等制图方法,快速完成了标志牌的设计与制作。实践证明,该方法减少了人工干预,提高了生产效率。     

大数据时代下地理信息成果的管理

随着国民经济对地理空间数据更新的要求不断提高,我们将面临空间数据多样化和爆炸式的增长,如何将这些海量且各异的地理信息数据进行管理,是当前亟待解决的问题。本文提出基于数据仓库的地理信息数据整合方式,在不改变各类数据更新的基础上,提供了一个统一的应用出口,为解决时空数据管理、表达及应用提供了一个初步的一体化解决方案。     

基于生态足迹的孟连县土地利用结构优化研究

采用生态足迹法对云南孟连县2005—2011年生态足迹进行计算,根据2005—2011年数据运用GM(1,1)灰色预测模型对2020年生态足迹进行预测,得到2020年人均生态赤字将达到2.762 hm2/人,土地利用结构急需调整优化。在此背景下建立以生态赤字最小化和经济效益、社会效益最大化为目标函数的多目标线性规划模型,设置了8个变量和13个约束条件。根据模型求解优化方案,对孟连县2020年土地利用结构进行优化调整,结果表明:相比于优化前,人均生态赤字减少10.87%,经济效益增加0.52亿元,社会效益增加0.001 hm2。优化后的土地利用结构基本上实现了经济、社会、生态效益的统一。     

面向政务应用的地理信息共享交换平台建设

基于广东省地理信息共享交换平台的建设,本文探讨了省级地理信息共享交换平台架构设计及系统的建设,重点阐述了平台的地名地址匹配与融合更新及资源共享等子系统,指出测绘部门加强地理信息共享交换平台的建设,有助于推进政府各部门的资源共享和提高信息应用服务能力。     

无人机载激光雷达在地质环境调查中的应用

通过无人机载激光雷达对宁东煤炭基地马莲台煤矿地表塌陷区进行扫描测绘,获取到了高时间分辨率、高空间分辨率和测量精度均匀的地表点云数据,并对点云数据进行了处理和三维建模;同时对项目区布设的检测点进行水准联测,与无人机载激光雷达所测的点云数据进行对比分析,对无人机载激光雷达的精度有了进一步了解。此次项目总结了无人机载激光雷达的工作流程和数据处理方法,对无人机载激光雷达的推广应用起到了积极的示范指导作用。     

江西省地级以上城市空间格局变化监测研究

城区空间格局是城市发展的骨架,是由城市的空间要素在城市地域上分布和相互交织而成的空间关系[1-2]。利用2000、2005、2010、2015、2016年5期高分辨率正射影像提取江西省地级以上城市城区边界,对提取成果进行城市空间格局研究及空间结构分析。结果表明:江西省城市空间格局整体呈现出"北紧南松、一核南北双中心"的结构,研究成果为解决城市发展面临的"老城区交通拥堵,新城区粗放型扩展"等空间结构优化问题,提供了合理的规划建议以及技术支撑。     

湘江下游河床沉积物元素地球化学背景值估算

本研究对湘江下游河床沉积物进行了元素地球化学分析,在认识沉积物元素地球化学特征、甄别人为源与自然源重金属的基础上,估算了沉积物的元素地球化学背景值。结果表明:SiO2、TiO2、Al2O3、Fe2O3、K2O等主量元素及V、Co、Cr、Ba、Sc、U、Sr、Ga、Ge、Rb、Nb、Y、REE等微量元素在沉积物中含量变化相对稳定(Cv<0.2),分布相对均匀,且富集不明显(EF<2.0,Sr明显亏损)。而MnO、MgO、CaO、Na2O、P2O5等主量元素,及Cd、Mn、Cu、Pb、Zn等重金属在沉积物中含量变化大(Cv>0.25),分布极不均匀,且沉积物中重金属明显富集(EF>2.0)。主成分及Pearson线性相关性分析显示,沉积物中不明显富集的微量元素主要赋存于难溶硅酸盐矿物相中,为自然源元素。而沉积物中显著富集的重金属主要赋存于铁—锰氧化物等矿物相中,为有人为源叠加的元素。故针对不同来源特征的元素用不同的方法进行了背景值计算,求得沉积物中47个元素的背景值。再利用元素比值等方法对所得背景值进行检验。结果表明,本文得到的湘江沉积物元素背景值合理,可用作流域沉积物重金属污染评价参考。