野外科学观测研究台站（网络）和科学数据中心建设发展

中国科学院地理科学与资源研究所成立80年来,十分重视野外台站（网络）和科学数据中心的建设,取得了辉煌成就。研究所建立了4个野外观测研究网络,引领了中国生态系统研究网络的建设与发展;成立了2个国家级科学数据中心,1个中国科学院数据中心,1个数据出版系统并于2016年加入了世界数据系统;拥有2个国家级野外观测研究站,1个中国科学院野外研究站,形成了独具特色的野外观测研究平台和数据共享服务平台。本文回顾了中国生态系统研究网络、国家生态系统观测研究网络、中国通量观测研究网络、中国物候观测网和禹城站、拉萨站、千烟洲站以及地球系统科学数据中心、生态科学数据中心、资源环境科学数据中心和全球变化科学研究数据出版系统的发展历程。地理资源所台站（网络）从无到有,不断发展壮大,引领了中国野外观测研究事业的发展,支撑了地理学、生态学等重要科学成果产出,科技支撑能力和示范能力大幅提升,有力支撑了华北平原、青藏高原以及南方山地丘陵区的生态文明建设;成为中国地球系统科学、野外台站、资源环境等学科和领域最大的科学数据汇聚中心,数据共享服务成效显著,在国内外具有广泛影响力。在未来发展中,地理资源所将充分发挥野外台站（网络）综合中心作用,强化生态系统、碳水通量、物候等观测研究网络的能力建设,稳步提升野外观测研究站条件保障能力和科学数据中心的数据汇聚能力、分析挖掘能力以及共享服务能力,持续推动和引领中国科学数据的共享,在科学研究和支撑国家需求等方面做出更大贡献。     

基于兴趣点（POI）大数据的东北城市空间结构分析

以东北三省36个城市为研究区,利用 400余万条兴趣点行业分类大数据,采用核密度估计、标准差椭圆、区位熵等方法分析城市空间结构及其行业构成机制。研究发现,东北城市要素显著集聚,城市内部空间结构呈现集中团块型、分散组合型、线型、放射型特征以及多元复合类型;第二产业和房地产业呈现郊区化特征,各行业发展方向与东北大区域的经济轴线一致,多数行业尚未形成专业化功能区;第二产业与房地产业的离心发展对集中团块型城市的塑造作用不强,但对分散组合型城市空间结构的贡献较大。线型城市通常兼具多中心特征,放射型城市各行业仍偏向于向心聚集。     

基于多元要素流的珠三角城市群功能联系与空间格局分析

以珠三角城市群9个地级市为研究对象,结合当前热点网络开放大数据,对珠三角城市群内各城市的经济流、交通流、人口流和信息流的联系强度和作用方向进行测算与评价。借助赋值法分别对四种要素流的总量进行打分,以各城市的综合得分作为空间层级划分依据,提出关于“点—线—面”的空间互动格局,进而探索珠三角城市群未来的发展规划。研究结果表明：①从各要素流的联系强度上看,城市间的等级划分具有较高的重合度,说明四种要素流彼此之间相互联系、相互作用。从各要素流的作用方向上看,广州和深圳多作为区域内其它城市的首位空间联系城市,说明各要素流通常指向经济发展水平较高、通达性较好的城市。②从整体来看,珠三角城市群内部功能互动表现极度不平衡,一是中心城市占据了要素流强度的绝大部分,其余城市仅占据极小部分流量,两极分化严重;二是东西两岸发展不平衡,东岸发展水平明显要强于西岸发展水平。③广州、深圳、东莞和佛山等城市虽然在区域内起到了一定的辐射和带动作用,但是针对江门、肇庆等周边城市的辐射和带动强度仍有待提升,说明还需进一步优化珠三角城市群功能分工与产业布局,推进区域经济一体化。     

功能疏解背景下京津冀中部核心区产业投资网络演化研究

非首都功能疏解作为京津冀协同发展战略的核心,对解决北京大城市病、实现京津冀可持续发展具有重要意义。论文构建了一个“四位一体”的产业投资网络演化分析框架,以京津冀中部核心区为研究对象,利用工商企业投资大数据测度了非首都功能的3类重点行业在2010、2014、2018年的资本流动特征,并从“节点—路径—格局”3个层面分析了功能疏解背景下产业投资网络演化过程。研究结果表明,非首都功能疏解背景下,北京市各行业对外投资增强,投资集聚中心逐渐向外围转移,但不同行业演化格局存在差异。制造业呈现由邻近扩散向等级扩散转变的演化路径,并向着多中心格局发展;批发零售业在资本净流动层面显示出扩散特征,在骨干路径层面呈现集聚现象,分布格局由北京单极放射状向京津双核联动演化;交通运输仓储和物流业向郊区物流园区所在地集聚,但网络整体发育滞后。研究结果能够为科学认识首都功能疏解情况、了解中部核心区产业结构及产业发展的变动态势提供参考。     

Regional soil organic carbon prediction model based on a discrete wavelet analysis of hyperspectral satellite data

Most studies have the achieved rapid and accurate determination of soil organic carbon (SOC) using laboratory spectroscopy; however, it remains difficult to map the spatial distribution of SOC. To predict and map SOC at a regional scale, we obtained fourteen hyperspectral images from the Gaofen-5 (GF-5) satellite and decomposed and reconstructed the original reflectance (OR) and the first derivative reflectance (FDR) using discrete wavelet transform (DWT) at different scales. At these different scales, as inputs, we selected the 3 optimal bands with the highest weight coefficient using principal component analysis and chose the normalized difference index (NDI), ratio index (RI) and difference index (DI) with the strongest correlation with the SOC content using a contour map method. These inputs were then used to build regional-scale SOC prediction models using random forest (RF), support vector machine (SVM) and back-propagation neural network (BPNN) algorithms. The results indicated that: 1) at a low decomposition scale, DWT can effectively eliminate the noise in satellite hyperspectral data, and the FDR combined with DWT can improve the SOC prediction accuracy significantly; 2) the method of selecting inputs using principal component analysis and a contour map can eliminate the redundancy of hyperspectral data while retaining the physical meaning of the inputs. For the model with the highest prediction accuracy, the inputs were all derived from the wavelength range of SOC variations; 3) the differences in prediction accuracy among the different prediction models are small; and 4) the SOC prediction accuracy using hyperspectral satellite data is greatly improved compared with that of previous SOC prediction studies using multispectral satellite data. This study provides a highly robust and accurate method for predicting and mapping regional SOC contents.     

数字正射影像结合LiDAR数据在山区测绘中的应用

随着信息化社会的到来,现代水利测绘已经由传统测绘向信息化测绘发展,无人机技术应用于测绘行业推进了信息化测绘进程。本文探讨了如何有效利用无人机技术解决测绘领域在山区遇到的问题。固定翼无人机能及时获取地面数字正射影像数据,捕获裸露地面的平面和高程,但是无法获取植被覆盖下的地表高程信息,因此,本文通过机载激光雷达获取植被覆盖下的LiDAR点云数据;将二者数据相结合,再通过EPS软件生成三维地表模型,可以快速获取任何测区地物和地形数据,不仅提高了工作效率,还降低了外业劳动强度。     

利用BDS与无人船进行污染源分析及处理

在大数据的背景下,充分利用北斗卫星导航系统（BDS）的定位功能,以无人船作为用户端,在水质数据采集和污染源位置的问题中积极探索新的实践方案,迅速、准确地找到污染源,减少河流污染物污染的时间,且无人船上装有净化模块,在发现污染时可作简易处理。在无人船上安装水质分析仪,水质分析仪的传输模块中安装经给防水处理的北斗卫星定位芯片和WiFi数据传输器,进而对河流的污染物种类及浓度进行分析,并采用大数据的计算方法,计算出污染源位置,向云平台反映污染源位置分析结果与污染物处理方法。通过BDS,将数据按照位置区域划分,并将能到达污染源的最短路径发送到处理人的移动设备上。本文通过对基于BDS定位的水质污染监测可视化系统进行分析,以期迅速找出污染源,减少水质污染现象的发生。     

利用水准数据的天津市地面沉降时空特征分析

地面不均匀沉降可能对城市的发展与人民的安全造成危害,天津市的地面沉降情况尤为严重。针对该问题,本文收集天津市2005—2012年、2016—2017年水准观测数据,以固定水准点位的沉降量、沉降速率、沉降加速率为状态向量,构建卡尔曼滤波模型,对天津市历年的水准观测数据进行滤波;根据滤波后的结果,本文利用多项式加权内插的方法,以距离、沉降速率、沉降加速率信息确定权值大小,对地面沉降情况进行内插;并以中误差作为精度评定参数,比较多种内插方法的精度。通过对内插结果的试验分析发现,2005—2017年天津市地面累计平均沉降量为394.477 5 mm,最大沉降量为1 143.5 mm;主要沉降区域为北辰、大港、塘沽等地区,且随着时间的增长,这些区域呈现漏斗式下沉。试验证明本文结合卡尔曼滤波与多项式加权内插的方式能够较好地反映地面沉降的时空特征分布情况并对未来一段时间的沉降情况进行预测,对天津市的城市发展及建设有一定的参考意义。