重庆市城市空间扩展研究及驱动力分析 (三峡地区资源环境生态研究)

通过引入城市空间扩展强度和紧凑度指数,借助遥感和地理信息系统软件通过对4个时间段(1980年、1997年、2005年、2010年)的TM影像数据及土地利用现状数据进行预处理和分析,揭示重庆城市空间扩展时空演变特征。结果表明:1)重庆市城市空间扩展表现在时间上的阶段性,总体上直辖以后比直辖之前城市空间扩展速度加快,其扩展强度和紧凑度都随时间呈上升趋势;2)空间上的不平衡性,由于各个时期发展区域重点不一,从而导致了各区发展不平衡,各个区在相同时期发展强度、紧凑度和发展模式也具有差异性;3)驱动因素的多样性,主要选取了社会经济因子、人口增长因子、政策导向性因子加以分析,得出经济发展速度的周期性决定了城市空间扩展速度的周期性和城市空间结构分化形式的周期性,国家和地方政策引导及重庆市人口快速增长对重庆市城市空间扩展趋势有重要的影响作用。     

基于GIS与ANN的土地转化模型在城市空间扩展研究中的应——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测.LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布.选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考.     

基于GIS与ANN的土地转化模型在城市空间扩展研究中的应用——以北京市为例

结合GIS强大的空间分析功能与人工神经网络(ANN)处理非线性适应性信息的独特能力建立一种土地转化模型(land transformation model,LTM),用以定量分析城市土地扩展与社会、政策、环境等因子之间关系,并基于此对城市空间扩展的动态进行模拟与预测。LTM模型的运行主要分为3步:因子选取与数据预处理;建立人工神经网络并输入数据对其进行训练与仿真;应用PID法对人工神经网络的输出进行分析,同时在GIS平台上模拟出城市扩展的动态分布。选取相应的影响因子并运用该模型对北京市的城市扩展进行实证模拟检验与预测,结果表明此LTM模型确实提供了一种定量分析和预测城市空间扩展的方法,能够为城市规划与城市发展政策的制定提供重要的科学参考。     

北京地区城市化对辐射强迫的影响估算

能引起城市区域辐射强迫的因素较多,但是目前城市化引起的辐射强迫的相关研究较少.本文利用GLASS 反照率遥感数据和CERES地表短波辐射数据计算了近10年来北京地区城市化过程引起的辐射强迫,讨论了辐射强迫 的空间分布规律及数量统计特征.基于2000、2010年2期的Globeland30土地分类数据提取了城市边缘区,并结合辐射 强迫遥感数据计算了主城核心区、內缘区、各级外缘区的辐射强迫,探究了土地覆盖变化强迫因子、气候等其他强迫因子 的相对贡献大小.结果表明:近10年北京市全区域的辐射强迫为2.52 W·m-2,表现为增温效应,其中土地覆被不变区 域产生的辐射强迫为2.51W·m-2,耕地、林地是2种主要辐射强迫源;土地覆被变化区域产生的辐射强迫为2.67 W· m-2,非植被类型之间的土地覆被变化引起的平均辐射强迫为2.23W·m-2,有植被参与的土地覆被变化区域产生的辐 射强迫为2.95W·m-2;主城核心区的辐射强迫为-1.16W·m-2,表现为降温效应;辐射强迫变化与距离主城区的距离 呈先增大后减小的变化趋势.研究结果可为城市区域的辐射强迫研究提供参考,有助于了解北京市区域气候分布差异      

石家庄市土地利用变化及其生态风险评价

以石家庄城市生态系统为研究对象,基于多时相的遥感影像,采用人工神经网络分类方法,提取研究区土地利用类型及变化信息,采用层次分析法,确定各类用地的生态风险强度参数,构建区域土地利用综合生态风险指数,结合GIS空间分析技术,编制石家庄市土地利用生态风险程度空间分布图.研究表明:石家庄市区1993,2000,2007,2010年的综合生态风险指数分别为0.25,0.27,0.30,0.30,区域生态风险程度整体增加.生态风险等级由市中心向周边郊区呈明显圈层递减分布趋势.建设开发活动是导致局部区域生态风险较高的显著因素.     

基于Logistic 回归模型的张家口市土地利用变化驱动力及建设用地增加空间模拟研究

利用张家口市1989, 2000 和2010 年土地利用数据、数字高程模型(DEM)以及社会经济统计数据, 分析张家口市土地利用变化的时空特征, 构建基于Logistic 回归模型的土地利用变化空间驱动力模型, 定量分析各土地利用类型变化的空间驱动因素, 进行未来建设用地空间格局模拟和预测, 为土地利用系统模拟与预测研究提供一种有效途径和工具。结果表明: 1989-2010 年研究区耕地大面积减少, 主要转为林地、草地和建设用地; 林地大面积增加, 主要来自于草地和耕地; 建设用地面积快速增加, 主要来自耕地、草地和未利用地; 草地、水域、未利用地面积持续减少。400 m 邻域范围内的地类邻域丰度自相关因子、坡度、坡向、距城镇、村庄、道路和自然保护区距离是影响土地利用变化的主要驱动因素。未来建设用地增加多发生在坝下中心城周围及河流谷地, 中心城区向南和向西扩展趋势明显, 万全县、怀来县、蔚县的建设用地增加较多, 且多围绕现有城镇中心进行扩张。     

基于BP神经网络的滚动轴承智能诊断技术

人工神经网络的应用与研究是近几年迅速发展起来的一个国际性前沿研究课题.介绍了人工神经网络及BP神经网络算法,并对传统的BP算法进行改进.建立了基于BP神经网络动车组传动系统滚动轴承智能诊断系统方法,进行了状态识别神经网络训练与测试.通过对外环、内环、滚动体故障和正常情况下数据的计算、仿真和对比,分析了四种情况下在不同网络设计中的识别效率.基于BP神经网络测试的实际输出与期望输出值非常接近,该网络具有良好的识别性能.     

Sentinel-2A与GF-1数据在油菜种植提取中的差异性分析及提取方法对比研究

以Sentinel-2A和GF-1 WFV为数据源,分别采用最邻近法(面向对象)及BP神经网络法(基于像元),提取兴化市油菜种植区,并对提取结果进行精度验证;同时,结合官方数据,比较各提取组合类型(数据+方法)提取的油菜种植面积相对误差.通过此,探讨多源中高空间分辨率遥感数据中,油菜作物的提取效果差异性及适用的提取方法,并对研究区油菜种植空间格局特征进行分析.结果表明:针对Sentinel-2A和GF-1 WF数据,最邻近法及BP神经网络法提取效果均较好,各提取结果均显示油菜种植区在缸顾乡、周奋乡、垛田镇等西部区域主要呈集中连片分布,其他区域呈零星状分布.相对于基于像元的分类法,面向对象分类法在精度评价中的各参数表现更佳,并能较为有效地避免复杂地物类型区像元错分及漏分问题.针对同一数据,采用最邻近法所提取Sentinel-2A数据的生产者精度、用户精度以及油菜面积精度比BP神经网络法分别多3.22%、0.43%、6.24%,采用最邻近法所提取GF-1 WFV的生产者精度、用户精度和油菜面积精度比BP神经网络法高3.74%、0.10%、9.58%.针对同一方法,由于Sentinel-2A数据具更高的空间分辨率及更丰富的光谱信息,以上2种方法提取该数据的精度均高于GF-1 WFV数据,Sentinel-2A数据更适用于地物结构复杂,地块细碎的小尺度地区的作物信息提取.     

因子回归和交互联合探索河南省土地利用程度空间差异及驱动机制

土地利用变化演变与探测归因对改善土地资源优化配置以及生态环境的可持续发展具有重要意义.利用Landsat数据获取河南省土地利用信息,引入土地利用程度指数,分析河南省土地利用程度空间分异特征,综合自然因素、人文因素联合因子回归与交互作用探索因素和人文因素对河南省土地利用的影响.结果表明：(1)总体上对河南省土地利用空间分布的影响因素表现为自然环境因素>人类活动因素;(2)地形是限制河南省地区土地利用的主要驱动因子,高程解释度值为0.64;(3)因子交互发现：驱动解释力呈现双因子增强,且不同区域范围内各因子的驱动解释力具有明显的空间分异性,表明从因子驱动角度分析河南省土地利用呈多因子协同作用,其中高程与其他因子交互作用最强;(4)随着区域、因子间相互作用等,各因子对不同区域内土地利用影响力具有明显空间分异性.     

山地城市滑坡灾害空间分布特征及影响因素分析

针对山地城市滑坡灾害影响区域的不确定性,选择重庆市中心城区典型滑坡作为研究对象,利用最邻近指数、空间热点探测与核密度估计方法分析了历史滑坡灾害点的空间分布特征;并选择高程、坡度、坡向、地貌类型、土壤类型、土壤侵蚀、降雨、水系、地表覆盖、归一化植被指数(NDVI)、人口密度和道路等12个影响因素建立滑坡因子数据库,利用神经网络模型分析滑坡灾害空间分布特征的驱动因素,并定量计算各影响因子的贡献权重。利用受试者工作特征曲线(ROC)对模型进行准确性评估。最邻近指数结果表明研究区历史滑坡灾害点呈聚集型分布特征,空间热点探测与核密度估计均显示渝中区、沙坪坝区和巴南区北部是滑坡聚集程度最大的地区;在所有的影响因子中,人口密度、地貌类型和降雨对研究区滑坡灾害的空间分布影响最大,而坡向和道路影响最低。ROC曲线下面积AUC值达到0.917,表明该神经网络模型能准确反映出该地区滑坡影响因子的影响程度。     

重庆市主城区土地利用变化空间分异研究

本文选取重庆市主城区1988---2007年3个时期(1988、2001、2007年)的TM、中巴遥感影像资料,将研究区划分为11个区,从土地利用变化和土地利用综合程度变化等方面分析了研究区土地利用空间分异特征,并对土地利用变化驱动因子进行剖析.结果表明:1988-2007年土地利用结构变化总趋势为建设用地、林地面积增...     

基于Dyna-CLUE的厦门市土地利用变化模拟

选取厦门市2001、2007年的遥感影像数据,监督分类提取土地利用现状图.利用城市兴趣点(point of interest,POI)数据,提取了8种景观可达性因子以及数字高程模型(digital elevation model,DEM)数据作为厦门市土地利用变化的驱动力因子;在此基础上并利用Getis空间自相关滤波模型改进传统逻辑回归模型,构建土地利用变化驱动力模型,表明模型整体精度达74.3%,受试者工作特征(receiver operating characteristic,ROC)曲线下面积为0.884,以定量分析不同驱动力因子对厦门市土地利用空间变化的影响机制.利用Dyna-CLUE模型对厦门市2020年的土地利用变化的预测结果表明:厦门市未来新增建设用地主要集中于岛外辅城,整体土地供需矛盾突出,耕地保护压力日益增大,土地问题将是制约厦门未来城市社会经济发展的主要瓶颈.     

长三角城市群空间分区与城市边缘区的扩展特征分析

以中国长江三角洲城市群为研究区,选取全球人造不透水面、可见光红外成像辐射仪(VIIRS)夜间灯光、道路、人口等多源数据,从土地利用、人类活动、道路设施3个视角出发构建分区指标,基于人工神经网络对长三角城市群地域空间进行划分,并探讨城市边缘区的时空分异与扩展特征.结果表明:使用多源数据与人工神经网络方法识别城市边缘区具有可行性,空间分区的3个指标较为合理;使用自组织特征映射模型将长三角城市群分为城市核心区、城市边缘区、乡村地区3类;2012-2018年间城市边缘区占长三角城市群总面积的比例由7.82%增长至11.27%,年均空间扩展强度指数为7.35%,城市边缘区面积扩展呈现集聚特征,热点区主要位于江苏省大部及浙江省北部,冷点区则分布于安徽省大部和浙江省南部.     

基于RBF-BP神经网络的图像修补

作为一种广义的图像恢复，图像修补是利用受损区域周围的图像数据修复、填充受损区域图像数据的技术。本文介绍基于RBF—BP神经网络开发的图像自动修补系统，应用以Maflab为平台开发的仿真模块对图像受损区域的修补进行仿真。基于RBF—BP神经网络的修补技术弥补了RBF和BP网络修补的缺点，集两者的优点为一体，为图像修补技术的研究提供了一种更方便、有效的方法。     

城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。     

重庆市土地利用碳排放空间关联分析

以重庆市38个区县作为研究对象,采用碳排放计算模型和空间自相关模型,对各区县的土地利用碳排放进行时空分析和空间自相关分析,结果表明:1998—2008年,重庆市的碳排放总量呈上升趋势,建设用地和林地分别是碳源和碳汇的主要来源.重庆市的土地利用碳排放总量和碳排放强度均存在明显的正相关性,局部空间自相关形成了以主城核心区为主的高高集聚区和以渝东北、渝东南为主的低低集聚区,以主城周边为主的低高集聚区的空间格局.     

BP神经网络方法预测改性聚乙烯醇的吸水率

用人工神经网络法来预测高分子化学反应产物的性能,通过研究顺丁烯二酸酐与聚乙烯醇反应制备吸水材料过程中反应物的配比、反应体系的温度、pH值以及反应时间等条件和产物吸水率之间的关系,得出了制备最大吸水率的反应条件。并通过人工神经网络方法建立BP神经网络模型,采用Matlab语言编写神经网络程序,再以实验测得的数据对网络进行训练,然后用训练好的网络对实验条件和吸水率之间的关系进行仿真,并将仿真结果和实验数据加以比较。结果表明,BP神经网络用于化学反应产物性能的预测是可行的.为神经网络在化学反应控制预测领域的应用奠定了基础.     

BP神经网络在城市化扩张动态模拟中的应用

目前,土地利用变化中的一个显著特点是城市化扩张,而城市化扩张是一个动态的、非线性的、多反馈回路的复合系统.神经网络在非线性系统的建模和预测中具有明显的优越性.以泰安市城区及周边为研究区域,依据近年来的土地利用变化数据,用BP算法构造预测模型,模拟近年采市区面积的变化情况,并据此预测以后多年的城市建成区面积.结果表明,方法可行,预测精度较高.     

改进BP神经网络在交通事故预测中的研究

交通事故严重程度受多种因素的影响,适合用人工神经网络来建模预测.因为标准BP(Back Propagation,BP)神经网络具有收敛较慢的缺陷,所以在自适应学习和附加动量因子改进BP神经网络~([1])基础上做了进一步的优化改进,使附加动量因子也具有自学习性.利用改进后的BP神经网络算法,选取英国利兹市的公开交通事故数据集,用影响交通事故严重程度的多种影响因素和事故严重程度构建并训练神经网络,并对最新数据进行预测.通过大量的实验对比收敛速度和预测结果,验证了改进后的算法具有更快的收敛速度和更高的预测准确率.     

基于改进CLUE-S模型的土地利用变化动态模拟与分析——以广州市增城区为例

利用广州市增城区2005年土地利用变更调查数据,通过对比Logistic回归、人工神经网络(ANN)、Autologistic回归等3种模型分析土地利用类型与其驱动因子之间的关系,选用最佳拟合优度模型结合CLUE-S模型对该区土地利用格局进行模拟,通过与增城区2009年实际土地利用数据对比验证表明模拟结果较为理想,Kappa指数高达0.863 7.在此基础上制定了自然增长模式和地方政府土地利用优化战略模式,模拟增城区2025年的土地利用格局,为该区域土地利用规划修编和今后城市规划布局提供了一定的决策参考依据.