公平导向的学校分配空间优化——以北京石景山区为例

空间优化正从地理学的一个研究方向成为学科分支,但公平导向的公共服务空间分配优化研究还较薄弱。学区配置是这方面的一个典型问题,受到社会的广泛关注。针对“多校划片”的随机入学方式,以各居住小区所获得的教育质量期望值的方差来定义入学指标空间分配的公平程度,构建了以该方差最小化为目标、包含最大上学距离约束的二次规划模型,探求各小区对所获得指标进行随机抽签的情景下,各校入学指标在各小区的公平最大化分配,并以北京市石景山区为案例进行了应用研究。结果表明,在维持学校布局和师资配置现状的前提下,与“就近入学”相比,公平最大化的“多校划片”能以有限的上学距离代价,显著降低教育分配的空间差异。在最大上学距离为5 km的约束下,各小区教育质量期望值的方差降幅高达99%,教育质量期望值有所提升的小区或学生比例高达约2/3;付出的上学距离代价较显著但可接受,平均上学距离增加到3.99倍,达到3.20 km,仍低于案例区实际平均上学距离。当模型的最大上学距离参数从5 km逐步增至8 km时,教育公平的改善呈指数增长,平均上学距离呈算数增长;当距离为7 km时,各小区教育质量期望值的方差趋近于0,可基本实现上学机会的空间均等化。本文进一步讨论了优化结果对入学政策的启示。     

大城市商业游憩区形成机制研究

该文阐述城市商业游憩区研究的意义 ,论述了城市商业游憩区形成的动力 ,建立了城市商业游憩区动力系统结构模型 ,分析了城市商业游憩区形成机制 ,并对大城市建立商业游憩区提出展望。     

城市中心商业区内部功能与步行街

本文研究城市中心商业区商务，居住，交通等内部功能方面的问题，并提出有关在中心商业区设置步行街的一些见解。     

基于BP模型和Ward法的北京市平谷区乡村地域功能评价与分区

构建乡村地域功能评价指标体系,借助BP神经网络模型揭示平谷区“生产-生活-生态”功能分异特征;运用Ward法划分功能区,服务于平谷区乡村转型发展和功能区布局。结果表明：① 在多项功能综合作用下,平谷区基本形成了“平原地区生产功能较强、镇中心及周边村域生活功能明显、山地区以生态功能为主”的功能分布格局。② 基于评价结果和空间属性,平谷区划分为西部平原生产区、东部山地生态生产区、中部平原城市生活区、中部近郊平原生活区、东部丘陵生态生活区和北部山地生态区。其中,西部平原生产区、中部平原城市生活区、北部山地生态区是平谷三生空间功能发展的优势区域,分布相对集中。按照“强功能重优化、中等功能重提升、弱功能重改善”的原则提升乡村地域功能,促进地区均衡发展。     

城市社区中心空间特征及其影响要素研究——以杭州市西湖区为例

以杭州市西湖区为实证,采用高德地图POI数据,通过DBSCAN聚类识别459个社区中心,从空间布局、组织形式、空间关联3方面入手刻画其空间特征,在此基础上通过Logistic回归判断中心数量、能级的影响因素,研究表明:①社区中心分布呈现空间集聚性和"一区多片"的整体结构,具有圈层分布和道路亲缘性特征.②社区中心存在"强...     

城市边缘区耕地面积变化时空特征及其驱动机制——以北京市顺义区为例

城市边缘区的土地资源紧缺而利用方式多样,土地利用变化既与城市发展有关又和粮食安全密切联系,因此加强城市边缘区的土地利用研究既必要又迫切。利用1990年和2000年TM影像获取的土地利用数据、 1991~2002年社会经济统计数据,借助GIS空间分析方法以及数理统计方法,系统探讨了北京市顺义区耕地流失的时空格局特征及其驱动机制。结果显示,1990~2000年顺义区流失耕地的57%转为建设用地,43 %转为生态用地。农用地中粮食作物的种植面积大幅减少,菜地和果园面积快速增加。工业发展是耕地流失的第一驱动力;人口城市化、房地产发展等加速耕地流失。     

城市边缘区建设用地扩张空间特征及影响因素定量研究——以南京市江宁区为例

城市边缘地区内部建设用地扩张空间特征及影响因素研究是当前城市用地空间扩展研究的薄弱环节.以南京市江宁区为例,构造城市扩张综合指数(UICI)反映城市边缘区内部建设用地扩张的空间差异,并按计算结果将各镇(街道)城市用地扩张归纳为剧变型、快变型、缓变型及相对稳定型4种类型.在建立城市用地扩张影响因素因子体系的基础上,运用主成分分析与通径分析相结合的方法,得出以下结论:推动城市边缘区建设用地扩张的因素中科技水平是决定因素,经济水平、人口状况间接影响大于直接影响;主城关联因素不可忽略.     

Comparison of TRMM and water district rain rates over New Mexico

This paper compares monthly and seasonal rain rates derived from the Version 5 (V5) and Version 6 (V6) TRMM Precipitation Radar (TPR, TSDIS reference 2A25), TRMM Microwave Imager (TMI, 2A12), TRMM Combined Instrument (TCI, 2B31), TRMM calibrated IR rain estimates (3B42) and TRMM merged gauge and satellite analysis (3B43) algorithms over New Mexico (NM) with rain gauge analyses provided by the New Mexico water districts (WD). The average rain rates over the NM region for 1998–2002 are 0.91mmd?1 for WD and 0.75, 1.38, 1.49, 1.27, and 1.07mmd?1 for V5 3B43, 3B42, TMI, PR and TCA; and 0.74, 1.38, 0.87 and 0.97 mm d?1 for V6 3B43, TMI, TPR and TCA, respectively. Comparison of V5 3B43 with WD rain rates and the daily TRMM mission index (TPR and TMI) suggests that the low bias of V5 3B43 for the wet months (summer to early fall) may be due to the non-inclusion of some rain events in the operational gauge analyses that are used in the production of V5 3B43. Correlation analyses show that the WD rain rates vary in phase, with higher correlation between neighboring WDs. High temporal correlations (>0.8) exist between WD and the combined algorithms (3B42, 3B43 and TCA for both V5 and V6) while satellite instrument algorithms (PR, TMI and TCI) are correlated best among themselves at the monthly scale. Paired t-tests of the monthly time series show that V5 3B42 and TMI are statistically different from the WD rain rates while no significant difference exists between WD and the other products. The agreements between the TRMM satellite and WD gauge estimates are best for the spring and fall and worst for winter and summer. The reduction in V6 TMI (?7.4%) and TPR (?31%) rain rates (compared to V5) results in better agreement between WD estimates and TMI in winter and TPR during summer.     

重庆地区年可利用降水资源的变化分析

利用重庆地区34站月平均气温及降水资料,在陆面蒸发经验模型基础上计算了可利用降水资源,采用EOF方法分析了主要分布型,并讨论了其变化规律,最后利用MGF-BP神经网络多步预测模型对重庆地区未来10 a（2006—2015年）可利用降水资源进行了预估。结果表明,重庆年可利用降水资源大体分为4种分布类型,即全区域分布型、东西分布型、南北分布型和中部型,其中全区域型是重庆年可利用降水资源最主要的分布型,各分布型具有较显著的年代际变化特征;当年气温偏高、降水量偏少时,年可利用降水资源可能偏少,而当年气温偏低,降水量偏多时,年可利用降水资源可能偏多;初步预测表明,2006—2011年,重庆地区年可利用降水资源总体偏少,而2012—2015年则可能偏多。     

深圳市龙华新区PM2．5质量浓度分布特征及来源分析

通过对龙华新区2个监测站点2012年的PM2．5监测数据进行分析,得出新区PM2．5年均质量浓度值为0．043mg／m^3,全年总超标天数为30d,超标率为8．2％。PM2．5污染具有明显的季节性特征,干季污染严重,雨季则较轻。新区常年盛行偏北风,处于东莞、惠州等污染严重区域的下风向,且风速偏小,是新区PM2．5来源及质量浓度升高的重要原因之一。同时,利用大气环境影响评价系统的AERMOD模型对新区PM2,污染质量浓度分布进行模拟,结果显示新区PM2．5主要来自本地污染源,贡献率为51．2％,外地污染源贡献率为48．8％。其中,PM2．5污染主要受机动车尾气和道路扬尘影响,贡献率为32．0％,其次是施工项目和裸露土地影响,贡献率为18．2％,工业污染源影响非常小。