多目标土地利用优化模型与应用

针对传统的土地利用优化配置存在对多目标支持不足和空间布局优化实现困难以及遥感影像监督分类结果存在错分漏分的问题,该文提出了一种结合兴趣点(POI)数据进行多目标土地利用优化的模型,即先利用POI数据对遥感影像监督分类的结果进行纠正,然后通过非支配排序遗传算法(NSGA-Ⅱ)实现多目标土地利用数量结构优化,最后利用未来土地利用模拟模型将变化斑块合理分布,从而实现土地利用空间布局优化。以江苏省徐州市为例进行实验,结果表明,该文所提方法对土地分类结果的精度有一定提高并能有效地进行多目标土地利用优化,能够为区域不同的发展目标提供决策支持,在新时期国土空间规划实践中有着较好的应用前景。     

基于POI数据的北京市商业中心识别与空间格局探究

商业中心是城市空间结构的重要组成部分,传统商业中心识别主要借助统计资料和经济普查数据,耗时耗力且更新频率较低;以POI(兴趣点)数据为代表的众源地理数据为城市商业中心识别提供了新思路。本文以北京市801478条商业POI数据为基础,根据商业职能定义将其分为生活类、休闲娱乐类、公共服务类、金融商务类和汽车相关类,运用核密度法识别不同职能的商业中心,结合Getis-Ord G_i~*统计量详细探究中心城区商业空间格局。结果表明:(1)北京市商业格局呈现圈层式结构,沿交通干道向外发展;(2)不同类型的商业中心存在显著的空间分异特征,生活与公共服务中心高度向心集中,金融商务和汽车相关中心多分布于城市功能拓展区,休闲娱乐中心为多组团式离散分布;(3)中心城区生活类商业职能完备,北部区域商业密度高于南部区域。