Integrating spectral and non-spectral data to improve urban settlement mapping in a large Latin-American city

ABSTRACT

Information on urban settlements is crucial for sustainability planning and management. While remote sensing has been used to derive such information, its applicability can be compromised due to the complexity in the urban environment. In this study, we developed a remote sensing method to map land cover types in a large Latin-American city, which is well known for its mushrooming unplanned and informal settlements. After carefully considering the landscape complexity there, we designed a data fusion method combining multispectral imagery and non-spectral data for urban and land mapping. Specifically, we acquired a cloud-free Landsat-8 image and two non-spectral datasets, i.e., digital elevation models and road networks. Then, we implemented a set of experiments with different inputs to evaluate their merits in thematic mapping through a supervised protocol. We found that the map generated with the multispectral data alone had an overall accuracy of 73.3% but combining multispectral imagery and non-spectral data yielded a land cover map with 90.7% overall accuracy. Interestingly, the thermal infrared information helped substantially improve both the overall and categorical accuracies, particularly for the two urban classes. The two types of non-spectral data were critical in resolving several spectrally confused categories, thus considerably increasing the mapping accuracy. However, the panchromatic band with higher spatial resolution and its derived textural measurement only generated a marginal accuracy improvement. The novelties of our work are with the successful separation between the two major types of urban settlements in a complex environment using a carefully designed data fusion approach and the insight into the relative merits of the thermal infrared information and non-spectral data in helping resolve the issue of class ambiguity. These findings should be valuable in deriving accurate urban settlement information which can further advance the research on socio-ecological dynamics and urban sustainability.     

东北地区大气污染物源排放时空特征：基于国内外清单的对比分析

基于国内外4类常用的污染源排放清单数据（EDGAR：全球大气研究排放数据库;CEDS：社区排放数据系统;MIX：亚洲排放清单;PKU-FUEL：全球燃料排放数据）,对东北区域5类人为排放源（工业源、能源、交通运输源、生活民用源和农业源）的8种污染物（PM_2.5、PM₁₀、SO₂、NO_x、NMVOCs、NH₃、OC和BC）从排放总量、来源贡献和时空分布特征等方面进行对比分析。结果表明：东北污染物排放主要以SO₂、NO_x和NMVOCs为主,工业、能源和交通运输为主要贡献源;PM_2.5和PM₁₀主要来自生活民用源和工业源,贡献率前者大于后者。辽宁省污染物（除NH₃外）排放最大,其次为黑龙江省、吉林省和内蒙古东四盟市,冬季排放强度明显高于其他季节。NH₃主要来自农业源,排放峰值发生在5~7月;各清单间排放总量和来源贡献差异明显,EDGAR和PKU清单对NH₃估算差异度为170.3%;SO₂、NO_x、BC和OC的排放差异度均在30%以上。不同活动水平和排放因子的使用是造成清单差异的主要原因。本研究可以掌握东北污染状况,了解清单差异,为本地化清单工作开展提供研究方向,同时也可为模式模拟合理选择清单数据提供参考。     

2000—2015年中国高学历人才分布格局及其影响机制

基于2000年、2010年中国人口普查分地级及以上行政区数据和2015年中国各省份1%人口抽样调查数据,采用变异系数、泰尔系数、基尼系数测度中国高学历人才比重分布的空间不均衡程度,并采用面板数据Tobit随机效应模型,识别影响高学历人才比重空间分布的主要因素。结果表明：① 中国的人才比重分布表现出极大的不均衡性,人才比重的高低与城市等级密切相关,主要表现在直辖市、省会城市、计划单列市等行政区吸引了大量人才,而普通地级城市人才比重相对较低;② 10 a间人才比重的变异系数、基尼指数和泰尔指数均有所下降,表明人才比重分布的空间不均衡程度有所下降;③ 平均工资水平、生活成本、城市等级、每万人高校在校学生数、每万人医院卫生院床位数、人均科学事业、教育事业经费与人才比重呈正相关,中学生师比、万人互联网用户数与人才比重呈负相关,失业率、单位面积二氧化硫排放量、绿地率对人才比重没有影响。     

毛乌素沙地东南缘全新世气候不稳定性

毛乌素沙地处于中国季风区的西北边缘,对气候变化敏感,是古气候演化和古环境变迁研究的理想场所。全新世气温回暖期,气候整体稳定但存在暖湿冷干的次级波动,不同类型沉积相组成的地层序列记录了全新世千年、百年尺度的气候不稳定性。对毛乌素沙地不同沉积序列的研究表明:(1)毛乌素沙地东南缘的沙漠/黄土边界带DLT、NB剖面粒度及Rb/Sr比值可作为气候变化的代用指标。>63 μm砂含量增加,Rb/Sr比值降低,揭示东亚冬季风增强,风成砂堆积,风沙活动加剧,气候干冷;反之,东亚夏季风增强,降水增多,风化成壤程度加大,气候暖湿。(2)毛乌素沙地东南缘沙漠/黄土边界带及低洼沟谷区年代概率密度函数的分析显示,全新世早期~8\^5 ka BP风成砂堆积,风沙活动加剧,气候表现为干冷;全新世中期8\^5 ka~3\^0 ka BP地势较高处古土壤广泛发育,地势低洼处发育湖沼相/泥炭层,但在6.0 ka BP左右存在气候转冷过程;全新世晚期3\^0 ka BP以来气候波动频繁。(3)毛乌素沙地气候变化与北大西洋冰筏冷事件、董哥洞石笋、季风边缘区湖泊、东部沙地等记录具有可对比性和相对一致性,反映出全新世千年和百年尺度上的气候变化主要受全球变化的影响,这对预测和模拟未来气候变化具有借鉴意义。     

面向ResearchGate的古气候文献数据采集系统的研制与应用测评

论文基于Linux平台,利用Python(V3.6)和MySQL(V5.7),开发了一套“面向ResearchGate的古气候文献数据采集系统”;并且通过人工判读从全球古气候资料共享网(https://www.ncdc.noaa.gov)数据库中遴选出1450篇古气候重建论文,对关键词进行了分类汇总,初步构建了用于古气候文献检索的关键词表。依据这一关键词表,利用古气候文献数据采集系统,从ResearchGate数据库中进行了文献检索。针对来自ResearchGate的32493篇文献和来自NCDC的1450篇文献,通过时间尺度、代用资料类型、气象要素、研究地区(国家)4个维度关键词词频的对比分析,发现2套文献数据关键词词频的相对差异基本一致。这表明依据初步构建的关键词表,自ResearchGate检索获取的古气候重建文献是有效的,能反映古气候重建研究现状。如此庞大数量的研究论文为下一步收集未被NCDC收录的古气候重建结果提供了丰富的数据源。“面向ResearchGate的古气候文献数据采集系统”达到了预期设计目标。     

大数据视角下的商业中心和热点区分布特征及其影响因素分析——以乌鲁木齐主城区为例

商业空间结构是城市经济活动的重要载体,识别商业中心和商业热点区以及探究其影响因素对于商业资源优化配置显得尤为必要,进而指导城市有序发展。论文以乌鲁木齐主城区为例,利用开放平台大数据兴趣点(point of interest, POI),采用地理学空间统计方法定量识别商业中心和商业热点区,对商业分布和空间集聚特征进行分类和解读,并利用地理探测器方法探寻其影响因素。主要结论如下：① 乌鲁木齐市商业高值区分布在吐乌大高速—和平渠沿线地带,大型商业中心主要有南湖商圈、中山路商圈、友好商圈、会展商圈、米东商圈、铁路局商圈。② 商业热点区呈现“T型”双轴分布,北部新城商业地带与南部传统商业地带共同构成乌鲁木齐市最具活力的商业地带;6类商业热点区的分布可归纳为3种类型,商务和金融服务类为单一点状型,住宿和餐饮服务类为带状延伸型,生活与购物服务类为带状双核型。③地价、集聚效应、路网密度等是影响商业宏观分布的主要因素,其次为人口密度和中心可达性,自然因素如高程、地形起伏度等对商业布局影响有限;各因素对不同类型商业业态的影响程度各异,如人口密度、路网密度对购物类影响较大,中心可达性和地价对于商务、金融类影响较大;就各业态类型网点间的关系而言,商务和金融类协同作用强,餐饮与购物类协同效应较强,共同影响城市商业空间。     

基于大数据的上海中心城区建成环境与城市活力关系分析

运用大众点评数据、出租车到达数据与文化设施POI数据测度城市活力的经济、社会和文化维度,在街区和街道层面分析城市活力的空间结构特征,建立计量模型分析城市建成环境对城市活力的影响关系。结果表明：①上海中心城区城市活力表现出明显的空间差异,主要表现为由中心向四周递减、浦西优于浦东的总体特征;②街区和街道尺度影响城市活力的建成环境因素存在差异;③街区尺度建成环境对城市社会、经济和文化活力的影响存在差异：提升人口密度对经济活力具有正面影响,过高的人口密度可能不利于社会和文化活力发展;增加POI密度、路网密度和POI混合度有利于城市活力的提升;建筑层数和建筑密度的增加会降低街区的社会活力和文化活力,但会提升街区的经济活力;交通可达性有利于经济活力的提升。     

基于开放大数据的广州市中心城区职住平衡特征研究

以广州市中心城区为例,借助百度热力图、百度实时路况和百度地图POI数据,从中观层面多角度综合分析广州市中心城区就业与居住的空间分布关系。结果显示：1）工作时间段人口聚集的高值区整体呈带状分布,斑块较为细碎,但绝大部分集中在核心地带;人口主要高度集中于各区的商业繁华地段与交通线路周围。而休息时间段的高值区则相对集中分布,用地效率较高,表现出多中心的圈层结构;人口主要高度集中分布在传统的老城居住区和新开发的商业住宅区,与核心商圈相对错开。2）不管是在上班时段还是休息时段,人口聚集程度越高的地区,POI设施密度表现越显著;这意味着人口的聚集具有一定的选择性,主要集中在城市基础设施发展较完备的区域。3）广州市中心城区各街道的职住比介于0.73~1.54,职住相对平衡,区域之间差异较小。其中,分值较高的街道多分布于核心地带（主要集中在越秀区、荔湾区北部和天河区南部）,分值较低的街道多分布于核心地带的外围或边缘地区（主要在海珠区、荔湾区和白云区零散分布）。4）从城市交通响应上看,广州市中心城区工作日内早高峰的拥堵度大于晚高峰,但总体路况变化跨度不大,区内并没有出现特别严重的“潮汐通勤”现象。     

基于多源数据的主体功能区划分方法——以广州市为例

以广州市为例,基于城市感知数据、遥感影像等多源数据,采用卷积神经网络对遥感影像进行了语义提取,将提取结果与兴趣点（Points of Interest）样方密度的功能用地识别结果进行补充校验,根据政策和规划文件建立功能用地与主体功能区之间的关联,利用信息熵分析广州市功能用地混合程度,以辅助判别主体功能区,最终得到广州市主体功能区划分结果。将划分结果与《广州市主体功能区规划（2008—2020年）》和《广州市城市总体规划（2017—2035年）》草案对比验证,结果表明文章所提出的方法精准度较高,并能体现广州市空间格局形态,反映主体功能区实际分布情况。     

计算数据域特征值的两种算法

设计两种计算数据域特征值的算法。此特征值通常是用线性反馈移位寄存器（ＬＦ－ＳＲ）组成的特征分析器得到的．在数据已按字节存放和速度要求不高的场合下，本算法将是十分方便和有用的．