住房成本与通勤成本的空间互动关系——来自北京市场的微观证据及其宏观含义

住房成本和通勤成本是城市空间结构中两个相互关联的内生变量。居民在进行居住区位 选择时, 会在这两者之间进行权衡, 从而形成住房价格、建筑密度和通勤行为在空间上的变化规 律。本文回顾了通勤成本和住房成本间的理论均衡关系, 探讨了各种现实情况是如何影响这个理 论关系的; 并利用大规模调研所采集的北京市微观个体数据, 提供了这一互动关系的一些定量证 据; 最后从两个角度探讨了这种互动关系在城市管理的公共政策方面的宏观含义: 考虑通勤成本 后的住房支付能力评价, 以及就业与居住过度分离的社会效果分析。     

怒江六库水电站建设移民搬迁地的GIS分析选择

云南水能资源丰富,是我国重要的水电基地,水电开发具有综合效益好、比较成本低的显著特点,可极大地拉动当地的经济社会发展。电站建设涉及面广,需要解决的问题多,移民就是其中历来困扰水电开发建设的难题之一,移民搬迁贯穿于电站建设全过程,是水电开发不可分割的重要组成部分。随着社会的进步,以人为本观念的渗透,科学、有效地为水电开发移民选择理想的安置地,让移民真正从水电开发中受益已显得越来越重要。本文以拟建的怒江流域梯级电站中的六库电站为例,探讨采用GIS的空间叠置分析、缓冲区分析、网络分析等空间分析技术为移民寻找适宜居住的最佳搬迁地。安置区的选择,我们主要考虑以下因素:(1)靠近集镇或主要交通线,便于各类配套实施的建设及对外交往;(2)充裕的适宜开发的土地资源和水源条件;(3)坡度小于25度的区域;(4)安置区最好在本县,与所在区域居民语言相通,传统习俗相近便于沟通交流,有认同感;(5)安置区选择与自然保护区、国家重点建设规划用地不冲突。     

遥感影像混合像元分解中的端元选择方法综述

端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。     

北京主城区伪基站时空规律分析

随着公众移动通信的快速发展,伪基站的泛滥不仅破坏正常电信秩序,危害公共安全,而且严重损害群众财产权益,侵犯公民个人隐私,已成为社会一大公害。如何从垃圾短信大数据中挖掘出伪基站活动的时空规律,寻找有效的防控方案,从源头上进行打击和治理成为管理部门和研究者共同关注的焦点。本文基于北京市垃圾短信数据,利用非负矩阵分解的方法分析伪基站的时空分布规律;并利用TF-IDF构建垃圾短信分类模型,对垃圾短信进行分类,结合土地利用数据,分析伪基站在发送不同类型垃圾短信时的时空分布规律。结果显示：北京市垃圾短信多分布于路网和中心城区;白天垃圾短信数量远远多于晚上;垃圾短信的分布随时间的推移沿着路网逐渐向内收缩;发送不同类型垃圾短信的伪基站的时空分布具有一定的差异;通过非负矩阵分解得到的结果,与垃圾短信分类后得到的结果有很好的匹配。研究表明,非负矩阵分解具有实现上的简便性、分解形式和分解结果上的可解释性等优点,可以有针对性的为有关部门建言打击伪基站的有效方案,对于伪基站违法行为的治理具有一定的意义。     

基于随机森林特征选择的城市绿化乔木树种分类

城市绿化在改善空气、水和土壤质量,吸收和减少二氧化碳及各种污染物,缓解城市热岛和减少雨水径流等方面发挥着重要作用。及时准确地获取树种信息是城市规划与绿化管理的先决条件,对进一步改善城市生态环境也具有重要意义。基于遥感技术,使用高空间分辨率的WorldView-2卫星影像,采用光谱、纹理、指数以及几何等多种特征相结合的面向对象方法,并通过随机森林进行特征选择,对福州大学旗山校区北部的榕树、杧果、香樟、重阳木、羊蹄甲、垂叶榕以及木棉7种主要绿化乔木进行树种分类。实地验证结果表明：通过特征选择可以减少或规避数据冗余以及休斯效应的产生,该方法可以提高现有同类型树种分类的精度,当淘汰全部特征的20%,利用34个特征（包括15个光谱特征、6个纹理特征、8个指数特征和5个几何特征）进行分类时,总精度最高,可达74.95%,Kappa系数为0.67。其中,光谱平均值的特征重要性最高,而各波段的标准差的重要性较低。WorldView-2卫星影像的4个新增波段,特别是黄光和红边波段及其构建的指数特征重要性较高,也说明这些波段在植被遥感,特别是树种分类中极具应用前景。     

基于机器学习的格点气温预报订正方法

使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。     

《地域研究与开发》文章中英文摘要和关键词规范

根据国家标准GB7713—87规定及中国科协学会学术部《关于进一步提高期刊学术论文英文摘要写作质量以及在各有关期刊编辑部开展英文摘要达标荐优活动的通知》（科协学发[2005]054号）和《关于在中国科协系统科技期刊中规范关键词选择的决定》（科协学发字[2002]049号）要求,《地域研究与开发》对投稿文章中英文摘要和关键词作如下规范,恳请支持《地域研究与开发》的作者严格执行。