GIS research to address tensions in geography

The rise of Geographic Information Systems (GIS) technologies has been producing powerful tools for spatial data processing, management, analysis, modeling, and visualization. While supporting many tasks, GIS technologies have evoked new thinking and advanced intellectual inquiries in geography. Technological advances in other fields often stimulate new research questions and lead to revolutionary discoveries. The Hubble telescope revolutionizes our understanding of the universe, and 3D digital microscopes transform our knowledge of the coordination among biological, neurological, and physiological systems in living organisms. Can GIS claim similar revolutionary effects on geography? The answer is much up for debate. With GIS technologies, geographic studies can explore a broader extent across multiple scales in space and time and tackle problems through increasingly complex spatial statistics, visual analytics, computation, simulation, machine learning, and artificial intelligence. Both the Hubble telescope and 3D digital microscope were built based on scientific research that subserves the technological advances for inquiries into space and life systems. Likewise, GIScience research innovates GIS methods that enable novel geographic investigations and therefore contribute to geographic knowledge production. For the sake of simplicity, the term GIS used here represents both GIScience and GIS technologies. This essay attempts to clarify the intellectual contributions of GIS to geography on the following two questions: (1) What novel geographic thinking is driven by GIS? (2) How may GIS provoke new geographic inquiries and knowledge? Building on Nystuen's notion of four tensions that trigger geographic questions, the essay discusses how GIS innovations mediate historical tension, space‐time tension, dimensional tension and scale tensions.     

顾及时间效应的周围人口与视频监控对街头抢劫者作案地选择的影响研究

作案地选择是犯罪地理学的研究主题,但以往研究侧重考虑建成环境和社会环境的影响,缺乏研究周围人口与视频监控的作用。为弥补这一不足,论文以中国ZG市为例,利用离散空间选择模型,检验周围人口和视频监控对街头抢劫者作案地选择的影响,并尝试验证其时间效应。结果表明：① 周围人口与视频监控对街头抢劫者作案地选择均存在显著负影响,但两者的作用强度有所差异,即它们均能抑制街头抢劫的发生,但周围人口的监护作用大于视频监控的威慑作用;② 在周内日变化上,周围人口和视频监控的监护作用具有时间平稳性;但在日内时变化上,周围人口的影响呈现出时间波动性,而视频监控的影响却保持时间稳定特性。研究结果对警务防控和犯罪研究具有重要的参考意义,如：① 开展社会治安视频监控系统防控效果的实验评估,并对其布设位置进行动态优化与调整;② 在城市规划或城市更新时安排适量的混合功能用地,以在规划或管理上加强对周围人口的适度调节;③ 未来时间效应研究应重点关注日变化规律。     

碳酸氢钠冷却结晶动力学

碳酸氢钠(NaHCO_3)俗称小苏打,其产品质量取决于颗粒的大小,晶体的形貌和样品的纯度等诸多因素。本论文基于连续稳态MSMPR结晶器原理,研究了不同停留时间下,碳酸氢钠从碳酸钠溶液中冷却结晶过程动力学。利用实验数据建立了NaHCO_3的结晶动力学操作模型。实验和计算结果表明,随停留时间的增加,NaHCO_3过饱和度降低,晶体生长速率和成核速率均减小,相应的平均粒径增加,细颗粒含量减小;适当延长停留时间是制取高品质小苏打产品的有效途径。冷却结晶过程可有效增加小苏打产量,小苏打收率维持在55%左右。此外,一定Na_2CO_3存在下冷却结晶碳酸氢钠晶体形态由细长的针状变为规整的片状。     

基于手机信令大数据的机场腹地识别算法研究

机场腹地是完善和管控机场地表集疏运网络的基础依据,传统的机场腹地测算方法在时效性、准确性、解析性等方面已无法满足经济全球化时代事件管控和精准服务的需求。该文基于手机信令大数据构建新的机场腹地识别算法,并利用中国联通河北分公司提供的石家庄机场2019年10月2-8日的手机信令数据,识别石家庄机场腹地范围,通过测算不同尺度行政单元的进/出港旅客出行强度,揭示机场腹地内部结构的多尺度特征。研究发现:1)超过95%的出港旅客的出发地位于以机场为中心、200 km为半径的圆形区域内,或位于以机场为目的地的90 min等时圈内。2)市级尺度机场核心腹地为石家庄,主要腹地是保定,次要腹地是衡水、邢台、沧州和邯郸,6市进/出港旅客数量占比超过99%;县级尺度进/出港旅客的出行强度呈现圈层结构,且以机场为中心,向外逐步衰减;在乡级尺度,机场腹地不再连续,交通线附近出行强度高;村级尺度进/出港旅客出行密度呈现出城市>建制镇>村庄的特征。该算法为监测机场腹地的时空动态特征提供了工具,也为构建机场腹地的个性化扎根理论提供了支撑。     

高速公路、市场潜力与人力资本空间分布研究

基于我国2000年、2010年250个城市数据,通过高速公路网测算城市间时间距离以刻画城市的国内和国外市场潜力,控制城市教育水平、内部市场规模、产业结构、行政级别等。考虑空间自相关,采用空间计量模型研究不同空间尺度市场潜力对人力资本空间分布的差异化影响。结果发现:高速公路网的基本建成使得市场潜力显著影响城市的人力资本积累,城市越靠近国内市场中心则人力资本水平越低,越靠近国外市场则人力资本水平越高。考虑规模效应和竞争效应布局城市交通网络,加强教育投入,能够有效提高城市人力资本水平。     

中国沿海海洋站GNSS坐标时间序列噪声模型的建立与分析

选取中国沿海海洋站中与验潮室并址的22个GNSS基准站近9 a的观测资料,利用最大似然估计法分析各站时间序列的噪声特性,建立最优噪声模型;然后顾及有色噪声,利用最优噪声模型估计测站速度,并与纯白噪声模型和GLOBK获取的速度及误差进行对比分析。结果表明：1）沿海海洋站的GNSS时间序列均含有有色噪声,各分量的噪声特性不完全一致,E方向和U分量均以白噪声+闪烁噪声为主,N分量以白噪声+闪烁噪声和白噪声+一阶马尔科夫噪声+随机漫步噪声为主。2）全国沿海3个海区N、E分量的白噪声和闪烁噪声基本呈现越往南噪声越大的规律,南海海区U分量的白噪声和闪烁噪声最大。3）顾及有色噪声的速度中误差是仅考虑白噪声和GLOBK估计的速度中误差估计值的5～10倍,这种差异比内陆观测站的要大。4）在对海洋站GNSS时间序列进行速度分析时,为获取正确的速度值,应该先准确判断噪声的类型,再顾及有色噪声的影响估计测站速度。     

基于RegEM算法的GPS坐标时间序列插值应用分析

将一种基于数据驱动的RegEM算法引入GPS坐标时间序列插值中,分别采用模拟不同比例连续缺失数据与实测含缺失数据,比较RegEM与拉格朗日方法、三次样条方法、正交多项式方法的插值效果与性能。结果表明,对于模拟不同比例连续缺失数据,RegEM算法插值效果均优于传统方法,且在大量数据连续缺失的情况下效果最优;对于实测含缺失数据,RegEM方法插值所得序列保留方差最大化效果最好,约为正交多项式方法的1.17倍、三次样条方法的1.38倍。     

基于粒子滤波的行车轨迹路网匹配方法

行车轨迹是一种时间序列的地理空间位置采样数据,而传统的轨迹—路网匹配方法主要以全局或局部寻优的方式建立轨迹—路网匹配关系,影响了时空场景中数据的匹配计算过程的相对独立性。针对这个问题,本文基于粒子滤波（Particle Filter,PF）原理建立行车轨迹与道路网络之间的匹配关系。首先,沿轨迹中车辆运动方向在道路网络中搜索邻近道路节点,在与道路节点拓扑邻接的道路弧段上初始化随机生成粒子,根据轨迹中车辆运动模型将粒子沿所在道路弧段移动;然后,基于PF原理计算各时刻粒子运动状态及与行车轨迹采样点之间的距离误差,根据高斯概率密度函数计算粒子权重并利用随机重采样方法进行粒子重采样,迭代更新粒子运动状态;最后,计算与搜索到的道路节点拓扑邻接的每条道路弧段中累计粒子权重,通过各道路弧段累计权重计算轨迹—路网匹配关系。以行车轨迹进行实验表明,利用本文方法可以通过粒子时空变化反映采样点的移动,行车轨迹—路网匹配结果的正确率大于85%,能够实现行车轨迹和路网的准确匹配。     

长基线时间序列季节项提取和重构方法分析

运用经验模态分解（EMD）、集合经验模态分解（EEMD）和完备总体经验模态分解（CEEMD）3种方法对原始基线时间序列进行分解,得到各自时间序列的本征函数模态分量（IMF）、相关系数及周期性强度,进而确定其季节项分量,同时通过比较季节项和原始基线时间序列的叠加功率谱图优选分解方法。结果表明,CEEMD方法对基线时间序列季节项提取和重构效果最佳。     

深度学习预测GPS时间序列在探索门源MS6.4地震前兆中的应用

以2016-01-21门源M_S6.4地震为例,提出用深度学习预测的GPS时间序列研究地震前兆。用震中附近门源台（QHME）、民乐台（GSML）及古浪台（GSGL）无震时的GPS时间序列训练LSTM神经网络,得到高精度的GPS时间序列预测模型,再分别对该地区无震时和地震前一段时间的GPS时间序列进行回溯性预测。对比预测时间序列与真实时间序列发现,震前2条时间序列大部分的相似性指标比无震时低,说明震前预测时间序列与真实时间序列差异明显,同时考虑震前时间序列的趋势异常,认为出现了异常时段;3个台站分别在E、N、U方向出现多个异常日期,且不同台站具有相同的异常日期,说明探索到了地震前兆。