人工神经网络在客源市场分区中的应用——以武夷山市为例

客源市场分区对于旅游营销决策具有很重要的指导作用,目前对客源市场的分区缺乏定量化的方法。以武夷山市为例,用人工神经网络中的SOFM网络对其国内客源市场分区进行了研究,通过对影响旅游需求的11个变量进行因子分析,将得到的3个因子为输入变量,将国内客源市场分为3个区,结果与在武夷山景区进行问卷调查得到的结果基本一致,研究方法对国内其他类似旅游景区开发具有显著的借鉴意义。     

大城市边缘区LUCC驱动力的时空分异研究——以北京昌平区为例

基于GIS和数理统计分析,以北京市昌平区为例,采用1996-2004年土地利用数据和基础地理信息数据,将定性分析与定量分析结合、空间分析与时间分析结合起来研究影响土地利用变化的驱动机制.在空间上,利用Logistic回归分析,从自然因素、人口增长和经济发展3个角度选取与土地利用变化相关的驱动因子.分析结果表明:耕地与建设用地间的转换,主要与非农业人口增量、第二产业产值和河流远近有关;农用地类型间的转换主要受坡度、海拔和距河流远近等自然因素的影响;建设用地类型间的转换主要由城市化和产业布局的变化引起;农用地向建设用地的转换则主要受社会经济因素的影响;建设用地向农用地的转换主要受自然因素的影响.在时间上,通过定性分析,发现研究区土地利用变化主要与人口的增长、经济的发展以及政策驱动直接相关,城镇建设用地面积与非农业人口和GDP之间呈现良好的对数正相关,耕地面积与非农业人口和GDP之间呈现良好的对数负相关,农业结构调整政策是耕地向园地、林地的流转的主要驱动力,生态退耕政策则是耕地、园地、农村居民点用地和未利用地转换成为林地的重要驱动因素.     

大城市边缘区土地利用变化模拟研究——以北京市昌平区为例

近年来,土地利用变化模拟模型成为GLP的研究热点.大城市边缘区土地利用因变化剧烈而特殊,一直都是LUCC研究的重点领域.本研究采用国际前沿的土地利用变化及其影响空间建模方法——CLUE-S模型,基于GIS分析和统计分析,以北京市昌平区为例,运用1996年和2004年土地利用数据,构建CLUE-S模型,对2007—2015年不同土地利用政策情景下土地利用变化进行模拟,得到2010年和2015年的土地利用模拟图.结果表明:(1)专门针对中小尺度区域的CLUE-S模型能够对区域内的土地利用变化进行较好的模拟和预测,其中对分布相对集中的林地和建设用地的模拟效果相对较好,而对比较分散的园地、耕地和城市绿地的模拟效果相对较差;(2)在Markov情景下,建设用地的扩张最为明显;粮食安全情景下,山前平原区质量比较好的耕地没有转换为建设用地;而生态安全情景下,林地得到比较好的保护,并且林地的增加在靠近城区和高速公路的两侧最为明显.本研究可为研究区土地利用规划修编和土地可持续性管理提供科学依据.