地理空间区位与开封兴衰变迁研究

在开封自南宋以来的变迁历程中,因中原地区地理空间区位形势所造成的频繁战患直接导致开封城市的破坏与衰落,更重要的是开封在黄河泛滥区中所处的地理中心位置,不仅使开封周边地区土壤严重沙化,而且还在堰塞其水运河道的同时,也使其失去了成为现代铁路交通枢纽的机会。区域环境因素发生的重要改变导致中原地区区域政治中心在建国初从开封迁离,而改革开放以后随着经济自由流动程度的加强,更多的发展资源向邻近的郑州集聚,也造成开封经济发展的弱势。但随着国家及河南省政府利用开封地理空间区位形势所实施的"郑汴一体化"等当代发展策略的介入,开封将改变长期以来形成的下降趋势而实现复兴与发展。     

哈大巨型城市带空间开发-经济发展-环境演变的耦合分异机制

通过构建空间开发、经济发展、资源环境水平的评价指标体系,引入耦合度概念,并应用变异系数、趋势面分析、回归分析等定量模型研究2000~2014年哈大巨型城市带空间开发-经济发展-环境演变的耦合分异特征及其影响机制,主要得到以下结论：① 2000年以来哈大巨型城市带各城市空间开发-经济发展-环境演变的耦合度均处在不同程度失调状态,且整体表现为“西高东低-南高北低”的空间格局,但耦合度水平总体趋于上升。哈长次区域和辽中南次区域以及哈大巨型城市带整体的耦合度波动性均先升高后下降,总体趋势不断向好;② 政府投入强度是2000年影响哈大巨型城市带各城市耦合度差异的重要作用因素,资本投入强度与科技投入规模是2007年、2014年2个阶段的主导影响因素,且城市发展能级差异与2007年各城市间的耦合度差异表现出一致性;③ 在政府投入强度、科技投入规模、资本投入强度等因素的共同作用下,哈长次区域空间开发-经济发展-环境演变的耦合程度出现空间分异。辽中南次区域耦合度分异的影响因素由人力资本效率和行政等级逐渐演变为以资本投入强度主导。     

转型期城市居住用地更新的空间加密化研究——广州市金花街改造再考

选择具有代表性的广州市金花街改造项目（1988~2003年）为案例研究对象,分析了政府主导下改造方案的调整过程和改造空间特征,探讨居民诉求和政府旧改政策对旧城空间的影响。研究表明：金花街居民的原地安置诉求和城市政府依此设计的以民生为导向的改造安排,乃是影响旧城空间的重要原因;在准市场化融资方式和福利化拆迁安置方式下,城市政府提出的有关提供公共服务设施、解决居民临时安置问题和让居民原地安置的要求,使改造规划多次提高改造容积率,以保持改造经济平衡;改造后的金花街在房屋和人口两个维度呈现空间加密化的态势,即存在原地安置房叠加融资商品房、原地安置居民叠加购房迁入居民的社会空间现象,金花街改造并未出现以外来中产人口大规模替代原住低收入人口为基本特征的绅士化过程。最后,从引入转让开发权和鼓励微改造两方面对当前广州的旧城改造提出政策建议。     

土地管理三维思维与土地空间资源认知

基于城市发展的三维理念轨迹及土地立体化利用趋势,采用文献检索与综合分析法,剖析土地管理重视三维思维的原因,辨析土地的空间特质,提出土地空间资源的概念内涵,初探土地空间资源管理制度和技术,以促进土地领域实践问题解决。结果显示：① 土地管理三维思维符合社会发展和土地利用趋势,是基于土地管理实践而衍生的创新需求。② 土地作为资源的本质属性之一是空间性,具备三维空间特质;土地空间资源是土地资源概念的外延,是以土地表层为基底或脱离土地表层的可利用的三维空间存在。③ 土地空间资源的提出,能引发土地管理领域在理念、制度和技术上进行三维思维化的重构与创新,具有科学意义和实践价值。     

基于日常活动空间的社会空间分异研究进展

社会空间分异是城市社会学与城市地理学的经典研究议题,也是当前中国社会所面临的现实问题,在大量理论与实证研究的支撑下,形成了从居住空间出发的经典研究范式。而在人类移动性不断增强、居民活动日趋多样化的背景下,传统的研究范式显得静态和片面,难以反映社会空间分异与隔离问题的全貌,因此有必要从居民的日常活动空间出发探讨社会空间分异问题。国际学者们从不同视角出发对该议题进行了探索,本文对已有研究进行了梳理和述评,将已有研究总结为基于活动空间的群体分异与交往、个体活动空间的时空分异、社会空间分异的动态变化三种类型;并以时空间行为研究的理论和方法论为基础,从基于人的空间研究范式出发,构建“人群—活动空间—社会空间”基于活动空间的社会空间分异研究框架;尝试推进社会空间分异研究范式的多元化,从以人为本的立场出发理解城市空间和城市中的人。     

农户行为视角下的乡村生产空间系统运行机制及重构启示

农户行为转变是乡村生产空间系统量变或从量变到质变的重要驱动力,乡村生产空间系统的运行实质上是农户行为作用的外在表现,厘清农户行为可为诠释乡村生产空间系统的运行机制提供平台。本文在剖析农户行为转变与乡村生产空间系统运行响应的理论框架基础上,从农户行为转变和乡村生产空间系统响应入手构建指标体系,建立模糊综合评价量化模型,并以重庆市江津区恒和村作为实证,诠释乡村生产空间系统运行机制。主要研究结论为：不同农户行为对乡村生产空间系统运行的影响程度各异,大体为生产大户>合作社农户>传统农户;不同农户行为对系统运行响应结果的作用差异明显,生产大户行为主要影响乡村生产空间的利用效率,合作社农户行为对提升生产空间系统经济效益作用明显,传统农户行为对生产空间系统环境改善的贡献作用最小。并从经济、社会、空间重构视角提出发展多种形式的适度规模化经营、培育新型农业经营主体和职业农民、合理引导农户技术和资本投入等建议,以实现乡村生产空间系统协调与均衡发展。     

珠三角城市群工业生产空间的时空演化及驱动机制

基于多时相卫星遥感影像和GIS技术,对珠三角城市群不同时期的工业生产空间信息进行精准提取,利用多种模型定量分析了其空间扩展格局与特征,并进一步揭示了影响其时空演化的驱动机制。结果表明：① 1990年以来,珠三角城市群的工业生产空间总体上呈现由核心向边缘扩散的特征,且扩展热点格局不断变动,热点区的中心极化作用逐渐减弱;② 珠三角城市群工业生产空间的形态变化呈现明显的阶段性和异质性,2007年以前工业生产空间的破碎化程度增加而紧凑性降低,其面积的增加以外部扩展为主,而2007年以后的变化与此相反;③ 在工业生产空间扩展的不同阶段,驱动机制有所不同,政策因素、经济全球化、区域城镇化以及技术的进步与创新等,推动着珠三角城市群工业生产空间的演化与重构。     

A discrete global grid system for earth system modeling

To support Earth system modeling, we propose a discrete global grid system that expresses multi-resolution spatial data. Specifically, a unified coding model that expresses a grid of nodes, edges, and cells is constructed for a triangular discrete global grid system. To fulfill the requirements of practical applications, we design a code-based topological query method for this grid system and an algorithm to transform between grid codes and geographic coordinates. We evaluate the Global Finite Volume Community Ocean Model (Global-FVCOM) on the triangular discrete global grid system in the proposed uniform coding model. The ocean tidal waves simulated by the Global-FVCOM running on the coded grid are then compared with results obtained using a traditional irregular spherical grid system, and the results display comparable accuracy. The uniform coding model proposed in this paper provides a triangular discrete global grid system that can represent multi-resolution spatial data and can be used in Earth system models. This unified coding model can also be applied to the geographic coordinate system made up of latitudes and longitudes, as well as diamond and hexagonal grids.     

Integrating spatial and temporal contexts into a factorization model for POI recommendation

Matrix factorization is one of the most popular methods in recommendation systems. However, it faces two challenges related to the check-in data in point of interest (POI) recommendation: data scarcity and implicit feedback. To solve these problems, we propose a Feature-Space Separated Factorization Model (FSS-FM) in this paper. The model represents the POI feature spaces as separate slices, each of which represents a type of feature. Thus, spatial and temporal information and other contexts can be easily added to compensate for scarce data. Moreover, two commonly used objective functions for the factorization model, the weighted least squares and pairwise ranking functions, are combined to construct a hybrid optimization function. Extensive experiments are conducted on two real-life data sets: Gowalla and Foursquare, and the results are compared with those of baseline methods to evaluate the model. The results suggest that the FSS-FM performs better than state-of-the-art methods in terms of precision and recall on both data sets. The model with separate feature spaces can improve the performance of recommendation. The inclusion of spatial and temporal contexts further leverages the performance, and the spatial context is more influential than the temporal context. In addition, the capacity of hybrid optimization in improving POI recommendation is demonstrated.     

Generating urban road intersection models from low-frequency GPS trajectory data

Detailed real-time road data are an important prerequisite for navigation and intelligent transportation systems. As accident-prone areas, road intersections play a critical role in route guidance and traffic management. Ubiquitous trajectory data have led to a recent surge in road map reconstruction. However, it is still challenging to automatically generate detailed structural models for road intersections, especially from low-frequency trajectory data. We propose a novel three-step approach to extract the structural and semantic information of road intersections from low-frequency trajectories. The spatial coverage of road intersections is first detected based on hotspot analysis and triangulation-based point clustering. Next, an improved hierarchical trajectory clustering algorithm is designed to adaptively extract the turning modes and traffic rules of road intersections. Finally, structural models are generated via K-segment fitting and common subsequence merging. Experimental results demonstrate that the proposed method can efficiently handle low-frequency, unstable trajectory data and accurately extract the structural and semantic features of road intersections. Therefore, the proposed method provides a promising solution for enriching and updating routable road data.