黑龙江省耕地非农化的空间格局与重心曲线分析

为了揭示耕地非农化的空间格局与重心曲线,为耕地资源保护和利用政策制定提供决策支撑,该文以黑龙江省1980、1990、2000、2010、2015年土地利用数据为基础,运用GIS空间分析方法,引入重心模型分析黑龙江省耕地非农化的空间格局及重心曲线。研究结果表明:1980—2015年黑龙江省耕地非农化发展不平衡,4个时期耕地非农化面积呈波动增长的趋势;耕地非农化等级空间分布特征明显,等级较高的城市集中分布在西部地区;耕地非农化速度等级的重心曲线在空间分布上,具有从中心向边缘延伸的特点;耕地非农化围绕中心地区进行,其空间扩散路径在图形上呈现出一个回旋状。     

基于遥感影像的青海省环境变化监测

本文通过对遥感影像的分析,针对土地利用及植被变化情况,利用优化的K-means算法对青海省环境变化进行检测,以此对土地的利用进行合理的规划,以期实现可持续发展。同时将试验结果与外业实际结果及当地政策规划进行比对,结果显示文中算法对土地的变化和未来走势预测准确率超过75%,从而验证了监测方法的可行性。这不仅保证了在经济发展的同时能够合理地使用土地资源,而且能对环境进行有效的保护。     

基于DMSP-OLS和珞珈一号夜光遥感影像的粤港澳大湾区城市空间格局演变

夜光遥感影像数据可有效反映城市空间格局变化。本文基于1992—2012年的DSMP-OLS夜光遥感影像和2018年的珞珈一号遥感影像,利用分层阈值法提取粤港澳大湾区内各城市建成区;通过计算平均灯光强度、平均灯光增长速率、城市建成区面积、城市建成区增长速率、城市重心、城市重心偏移距离等一系列指数,揭示区内各城市的空间格局演变过程。研究结果表明:①1992—2018年,粤港澳大湾区的城市规模大幅增长,沿珠江口两侧形成了以澳门、广州、深圳和香港为核心的倒“U”形城市群,并呈辐射状向周边扩张。②以珠江口为界,粤港澳大湾区东部各个城市的发展水平整体高于西部各个城市,广州、深圳、香港等核心城市发展水平明显高于江门、肇庆、惠州等外围城市。③1992—2018年,粤港澳大湾区建成区的增长速率由小变大,最后逐渐趋于稳定,2002—2007年是城市扩张最迅猛时期。④1992—2018年,粤港澳大湾区的各城市重心迁移方式表现为3种类型:持续向区域中心迁移;持续向相邻城市邻接区迁移;持续向海洋方向迁移。大部分城市的重心迁移方向呈“震荡”特征。     

无人机调查举证在三调省级核查中的应用

利用现有的人工调查举证方法,研究基于无人机和"互联网+"的国土调查方法和成果核查方法,组建无人机调查举证系统,以解决国土调查成果的准确性和成果核查的效率问题.根据湖北省实际情况,研发了无人机调查举证系统;通过现场实地测试与验证,将无人机调查举证成果应用于省级成果核查中,提高了湖北省调查举证工作效率.     

农村集体土地确权测量中的塔尖交会技术研究

简要介绍了农村集体土地确权测量中的塔尖交会技术,生成平差文件的方法,以及平差计算的理论模型,最后给出了平差实例,极大地提高了作业效率,达到了满意的效果。     

2000～2015年会理县地表覆盖变化监测

以LandSat多时相影像为数据源,采用基于规则的面向对象分类方法,监测会理县2000～ 2015年地表覆盖变化.结合1∶50 000 DEM数据,分析了会理县地表覆盖构成与转移、变化动态度及潜在退耕地情况.监测分析结论能为会理县加强空间管制、促进土地资源集约利用、指导生态文明建设等提供决策信息支撑.     

虚拟现实技术在城市规划中的应用研究与实践

从虚拟现实的概念出发,分析了虚拟现实的3个特征,论述了虚拟现实技术涉及到的关键技术及虚拟现实技术在城市规划中的应用。最后,我们以小区为研究对象,将3D数据作为数据源,采用VRMap软件平台进行将VR技术应用于城市规划中的研究与试验。     

RS ＆ GIS支持下的大庆市土地利用分类

选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统．给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。     

城市规划用地信息系统的设计与实现

本文探讨了城市规划用地信息系统的实现方法和技术，提出适用于土地划拨专题数据管理的系统设计和数据组织，并对系统应具备的功能作了较详尽的介绍。     

Integration of remote sensing,county-level census,and machine learning for century-long regional cropland distribution data reconstruction

The Lower Mississippi Alluvial Valley (LMAV) was home to about ten million hectare bottomland hardwood (BLH) forests in the Southern U.S. It experienced over 80 % area loss of the BLH forests in the past centuries and large-scale afforestation in recent decades. Due to the lack of a high-resolution cropland dataset, impacts of land use change (LUC) on the LMAV ecosystem services have not been fully understood. In this study, we developed a novel framework by integrating the machine learning algorithm, county-level agricultural census, and satellite-based cropland products to reconstruct the LMAV cropland distribution during 1850–2018 at a 30-m resolution. Results showed that the LMAV cropland area increased from 0.78 × 10⁴ km² in 1850 to 6.64 × 10⁴ km² in 1980 and then decreased to 6.16 × 10⁴ km² in 2018. Cropland expansion rate was the largest in the 1960s (749 km² yr⁻¹) but decreased rapidly thereafter, whereas cropland abandonment rate increased substantially in recent decades with the largest rate of 514 km² yr⁻¹ in the 2010s. Our dataset has three notable features: (1) the depiction of fine spatial details, (2) the integration of the county-level census, and (3) the inclusion of a machine-learning algorithm trained by satellite-based land cover product. Most importantly, our dataset well captured the continuous increasing trend in cropland area from 1930–1960, which was misrepresented by other cropland datasets reconstructed from the state-level census. Our dataset would be important to accurately evaluate the impacts of historical deforestation and recent afforestation efforts on regional ecosystem services, attribute the observed hydrological changes to anthropogenic and natural driving factors, and investigate how the socioeconomic factors control regional LUC pattern. Our framework and dataset are crucial to developing managerial and policy strategies for conserving natural resources and enhancing ecosystem services in the LMAV.