孤山川流域近30年土壤侵蚀时空动态特征分析

针对区域水土保持效益评价、土壤流失治理的需求,选择黄土高原土壤侵蚀较为严重的孤山川流域为研究区,定量研究了孤山川流域近30a的土壤侵蚀时空变异特征。结果表明,1975~2006年间,研究区土壤侵蚀的变化分两个阶段。第一阶段为1975~1986年,土壤侵蚀强度加剧,侵蚀面积增加了138.13km2,流域东南部增加最多;第二阶段为1986~2006年,全流域土壤侵蚀强度减弱,侵蚀面积减少了163.09km2,1986年和1997年,东部地区减弱趋势更明显。中度以上的土壤侵蚀主要发生在高程1 070~1 300m处,都对应于18°~35°的陡坡地;1975年和2006年,中度以上侵蚀分别集中在900~1 150和1 300~1 800,单位为MJ·mm·hm-2·h-1。流域土壤侵蚀主要发生在耕地和林地。1975~2006年,耕地面积减少,林草地面积增加,土地利用向良性循环发展。可为认识黄土丘陵沟壑区I副区土壤侵蚀规律和该区土壤侵蚀防治宏观决策提供科学支撑。     

近十年来长江口九段沙周边地貌演变GIS分析

长江口深水航道工程改变了长江口自然环境,导致周边水下地貌形态发生明显的变化。本文选取长江口九段沙周边浅滩区域作为研究区,搜集不同年份的海图资料,利用GIS技术进行地貌演变空间分析。分析发现：自2001年一期工程完工以来,九段沙周边浅滩总体处于稳定状态,冲淤空间分布特征明显;沿着南导堤堤坝泥沙淤积明显,导致南导堤北侧丁坝内形成淤积带,九段沙尾部沿着堤坝形成淤积带;江亚南沙下沙阻挡作用,使得上游来水在沙头处分流,在两股水流的作用下,九段沙西南侧分别形成两条平行的淤积带和冲刷带。     

基于手机信令的北京职住空间结构解析

城市的职住能够很好地反映城市的空间结构。根据用户驻留特征对手机信令进行职住地识别,获取北京的通勤OD数据,在此基础上利用Infomap及PageRank算法解析北京整体的职住空间结构,并对南中轴、北中轴及丰台科技园3个区域进行职住平衡分析。结果表明:①北京居住区郊区化明显,就业区虽呈现多中心格局,但受中心强大磁力及传统上南北差异的影响,空间分布极不均衡;②以长安街为界,南北区域表现出较大差异的通勤特征,整体上呈现北重南轻格局;③受用地现状、区位、交通条件等因素影响,北中轴在3个区域中职住最为平衡。     

地理图斑智能计算及模式挖掘方法研究

在大数据时代,高分辨率对地观测技术实现了对地球表层地理现象和地理过程最为真实、量化、全面覆盖又快速更新的数据化记录,可为地理空间认知研究的新发展奠定时空信息聚合与挖掘计算的基准。地理图斑是影像空间映射到地理空间中对于地理实体的抽象化表达,是构建地理场景和承载地理空间各类信息进而开展模式挖掘的最小单元。本文以地理图斑为基本对象,通过分析其中视觉模拟、符号推测等几类机器学习的协同计算机制,从空间、时间与属性等维度构建了集“分区分层感知”、“时空协同反演”、“多粒度决策”三者于一体的地理图斑智能计算模型,并以在贵州息烽县、广西江州区开展的农业种植结构制图与规划决策为应用案例,探索了地理图斑分布、生长以及功能3种模式的挖掘方法,并进一步设计了动态视角下开展图斑动力模式挖掘的研究思路。     

1980—2020年中国九大流域蒸散发及其组分时空评估

蒸散发是地表陆气水分交换的纽带,准确量化蒸散发的时空演变格局对于水资源规划与管理至关重要。本文基于GLEAM模型的蒸散发及其组分数据集,借助7个通量观测站数据、120个流域的流域水量平衡及PML_V2蒸散发产品,在中国九大流域系统评估了GLEAM-ET产品,分析了植被恢复背景下,蒸散发（ET）及其组分（植被蒸腾Ec,截留蒸发Ei,土壤蒸发Es）在1980—2020年的时空演变格局。本文主要得到以下结论：① GLEAM-ET产品在中国九大流域具有较好的适用性,其性能与气候类型有关,干旱区效果优于湿润区。此外,GLEAM与PML_V2模型在九大流域相关性较好（R>0.7）,分布格局与变化趋势整体保持一致。② 全国尺度上,ET均值为416.88 mm,增长速率为1.21 mm/a。Ec与ET均呈自东南向西北递减的分布格局,而Es与其相反。Ec、ET在九大流域均呈显著增加趋势（p<0.001）。Ei、Es在季风区流域分别呈显著增加和显著减小趋势;在内陆区流域呈不显著减小（p>0.05）和显著增加趋势。③在植被恢复背景下,ET组分比例发生了变化。Ec占比变化存在南北差异,南方流域Ec占比均减小,北方流域均增加。Ei占比在各流域均增加,Es占比均减小。黄河流域ET组分对植被恢复的响应最为明显,Ec占比增加了5.21%,Es占比减小了5.56%。     

城市用地功能精细化识别方法：时序动态图嵌入深度学习模型

多源大数据融合背景下的城市功能区识别是复杂非线性系统的模式识别问题,如何有效地从大规模的轨迹数据中提取出多粒度连续性时变和多尺度空间相互作用的信息是进行城市区域功能识别的关键。本研究设计实现了一种基于时序动态图嵌入的深度学习模型,在融合滴滴出行及兴趣点数据（Point of Interest, POI）基础上,提取城市区域存在的时间和空间上的隐式特征,结合聚类分析实现城市用地功能的语义识别。结果表明,成都市中心的用地功能趋向复合多样化的发展,且用地属性随时间发生作用范围和用地类型的变化,呈现出功能随着城市群体活动而变化的时空规律。与相关文献的对比实验表明,本文提出方法在更细粒度的时间段下进行功能区识别,得到的同一类功能区域内集聚度更高,能够更好的捕获复合型区域在不同时间模式下呈现出的用地功能变化。本研究为城市用地功能识别研究提供了新的技术方法,为城市规划研究人员全面理解城区结构属性提供了有效手段,对推动城市空间得到更合理高效的利用具有一定的价值。     

融合图自编码器与GRU的城市盗窃犯罪时空分布预测模型

犯罪预测是进行犯罪预防的前提，高效准确的犯罪预测对于提高城市管理效率、保障公共安全都具有重要的意义。当前，关于犯罪预测的已有研究大多采用单一的机器学习方法或深度学习模型，忽略了犯罪的时空依赖关系，往往难以获得准确的预测结果。本文提出一个基于深度学习技术的犯罪时空预测模型—GAERNN：(1)利用GAE模型捕获犯罪案件的空间分布特征；(2)将带有空间依赖关系的特征经序列化处理后作为GRU模型的输入，进一步提取犯罪序列的时间特征；(3)经全连接层处理获得犯罪时空预测结果，并选取MLP、GCN等基准模型进行对比实验，结合RMSE、MSE等多个指标对模型预测结果进行评估。实验结果表明：对于各模型预测结果可视化分析，GAERNN模型预测的可视化结果与实际数据分布最相符合；在各模型误差分析方面，相比预测性能较差的MLP,GAERNN模型各月份的RMSE分别降低了1.02、3.58、1.29以及0.45；在子模块有效性评估方面，相比其变体模型GAE-LSTM,GAERNN模型在各月份的MAPE分别降低了2.15%、10.07%、1.92%以及2.54%，说明GAERNN模型能显著提高盗窃犯罪时空预测...     

COVID-19疫情前后北美五大湖航运网络多尺度时空变化及影响因素研究

新冠疫情给全球海洋运输业造成了严重的影响，在后疫情时代航运产业的复苏过程中蕴含新的挑战与发展机遇。现有研究时间跨度不足，无法充分认识航运网络的变化过程，其次，仅对宏观尺度空间格局变化进行分析忽略了网络变化的内在驱动因素。因此本研究基于复杂网络理论、社区探测算法和TOPSIS分析方法，提出一种航运网络多尺度变化分析框架，结合2019—2021年北美五大湖船舶轨迹数据分析整体航运网络、港口群落和港口3个尺度的变化特征。此外，还对各类型航运网络的变化机理进行追踪。研究结果表明：(1)网络流量方面，疫情前货轮和牵引船交通量占比达交通量总量的80%，疫情爆发后船舶交通量总量下降22.4%，各类型船舶交通量变化的时期、速度不同，其中，游船与货轮恢复能力强，油船次之，客船交通量降幅超50%为各类最高，受影响严重且恢复能力最弱，后疫情时期交通量总量较疫情前上涨4.4%，表明网络流量恢复能力整体较强；(2)网络结构方面，疫情前航运网络随气温变暖呈扩张趋势，港口数量、航线数量递增式上升，疫情后网络结构受损连通性下降，后疫情时期指标值迅速恢复、航线密度增大，期间网络“骨架”未被破坏。整体而言，五大湖航运网络...     

近10年来长沙市耕地变化的时空特征研究

本文以长沙市为例，利用1999---2009年的耕地统计数据，对长沙市耕地总量和人均量的时序变化及空间地域分异特征分析，旨在合理地利用和保护耕地，促进区域可持续发展。