基于格网生成方法的山东省人口密度空问分布模拟

利用先进的格网生成技术，将城市、交通基础设施等社会经济因子和陆地数字高程（DEM）、陆地植被第一性生产力（NPP）等自然因子相结合，通过模型的反演，模拟某一时期的山东省人口密度空间分布状况。这种模型反演的方法，突破了传统的按行政区界线统计人口密度的方法，改为按照均匀分布、规则大小的格点单元来计算人口密度，丰富了获取人口密度指标的方法。     

叶绿素含量BP反演模型的光谱信息输入因子构建研究

植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构。以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPTPCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型。通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92%信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力。     

大地电磁测深和重力数据同步正则化联合反演

在以往正则化联合反演中,不同的地球物理方法均采用相同的正则化因子。当不同的地球物理方法的数据拟合泛函和模型稳定泛函的数量级不一致时,单正则化因子条件下的正则化联合反演不能充分发挥不同地球物理方法各自模型约束泛函的作用。针对这点不足,以大地电磁测深(MT)和重力联合反演为例,提出了双正则化因子的确定方法,新方法根据MT和重力方法各自的数据拟合效率实现了正则化因子的自适应调整。设计了非完全共界面的断块模型。模型试验表明:与传统的MT和重力正则化联合反演相比,双正则化因子条件下的MT和重力联合反演可以更好地发挥各自的模型约束泛函的模型约束作用,联合反演的解更符合真实模型。     

黄河源区高寒草地植被覆盖度反演模型精度评价

植被覆盖度是许多气候、水文、生态等模型的重要输入参数,其估算精度的提高对相应模型的改进及模拟精度的提高具有重要的现实意义。本研究以黄河源为研究区域,基于大量与卫星遥感像元空间尺度匹配的实测植被覆盖度数据,评估了回归模型法、像元分解法、神经网络算法三种常用植被覆盖度遥感估算方法的反演精度。结果表明:回归模型法中基于归一化植被指数(NDVI)的反演精度高于其他植被指数;像元二分法中,变量因子(L)的加入不能显著提高反演精度;反向传播(BP)神经网络算法应用植被指数替换卫星遥感反射率数据作为驱动数据,反演精度显著提高。因此,通过比较和优化可以提高植被覆盖度的反演精度,但每类反演方法的最高反演精度差异不显著。     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

基于Sentinel卫星的浑浊水体叶绿素反演对比研究——以鄱阳湖为例

Sentinel-2A卫星、Sentinel-3A卫星分别于2015年6月和2016年2月成功发射,其上搭载的MSI、OLCI传感器的空间分辨率、时间分辨率、波段设置等在内陆水体水环境遥感研究中具有较大的应用潜力.针对浑浊水体叶绿素的反演难题,以鄱阳湖为例,基于光学分区理论并结合同步实测数据,探讨了Sentinel系列卫星数据在湖泊叶绿素a遥感反演的可行性.研究表明：1) 对于Sentinel-2A MSI数据,鄱阳湖北湖区以[1/Rrs(665)－1/Rrs(705)]*Rrs(740)作为反演因子构建的三波段模型拟合效果最好,决定系数R2是0.65,平均相对误差是38.53%;鄱阳湖南湖区差值模型Rrs(705)－Rrs(665)反演结果最好,R2是0.63,相对误差是39.87%.2) 对于Sentinel-3A OLCI数据,鄱阳湖北湖区以[1/Rrs(665)－1/Rrs(673.75)]*Rrs(753.75)作为反演因子构建的三波段模型拟合效果最好,R2为0.65,平均相对误差为37.6%;鄱阳湖南湖区差值模型Rrs(708.75)－Rrs(665)反演结果最好,R2是0.62,平均相对误差为39.6%.3) Sentinel系列卫星的分区模型能在一定程度上解决鄱阳湖部分浑浊水体区域叶绿素反演不成功的问题,后续将研究更高精度的反演模型方法.     

基于卫星遥感数据的陆面温度反演算法研究

针对NODIS(Moderate Resolution Image Spectroradiometer)遥感数据每天4次过境(2颗星)的特点,利用两个红外通道(本研究选取31通道和32通道)在2个不同时刻的遥感数据,提出了2通道反演算法,找出了非均匀地表温度遥感反演的可行方法,并在实验区进行了反演实验,取得了与实际状况几乎一致的陆地表面温度反演结果.图1,表2,参9.     

基于Sentinel-2卫星数据的库塘型国家湿地公园水库总磷含量时空分布特征分析

本文利用阿哈湖国家湿地公园水库的实测水质数据,基于遥感技术和数理统计基本理论,结合Sentinel-2卫星的遥感数据,建立阿哈水库的总磷反演模型,同时分析总磷含量的时空特征及其与气象因子之间的相关性.结果表明:(1)利用Sentinel-2卫星的总磷反演模型取得了较为理想的总磷含量反演效果,基于统计理论的水质反演方法能...     

地形因子对人口空间分布影响分析——以黄山市为例

利用黄山市人口统计数据(2000年)及地形数据,就地形因子与人口空间分布的关系进行定量分析.结果表明:海拔、坡度和坡向对人口空间分布都有显著的影响.海拔的影响表现在海拔400m以内人口密度变化显著,海拔400m以上人口密度变化平缓,海拔与人口密度呈混合函数关系.坡度的影响表现在从0°到10°内人口密度显著递减,从10°到40°人口密度递减平缓,呈Inverse函数关系.坡向的影响表现在不同坡向上的人口密度有显著差异.在此基础上,通过建立基于海拔、坡度和坡向的地形因子指数模型,定量分析地形因子对人口分布的影响,结果表明地形指数与人口空间分布呈对数函数关系.     

聊城市人口密度空间化方法探讨与运用

人口的空间分布是指一定时点上人口在各地区的分布状况,是人口过程在空间的表现形式.在考虑人口分布受自然、社会、经济等因子影响的情况下,文章采用相关分析法,得出聊城市人口密度分布与道路密度分布关系密切的结论,其相关系数为0.829 5;在此基础上采用属性数据栅格化、数字人口模型(DPM)、数据内插,尤其是点内插与面内插相结合的方法对聊城地区人口密度空间分布进行模拟,进而得出区域内部人口密度空间分布的连续变化规律并对该分布规律进行相应分析.     

安徽传统村落空间格局分异测度

传统村落空间分布与自然和人文诸要素关联紧密.运用Arc GIS空间分析工具,对安徽传统村落自然和人文地理影响要素进行分析,并进一步对传统村落的内蕴空间信息进行规律分析,探查其空间分异特征。结果表明:高程、坡度、平面曲率等地形因子,以及降水量、森林覆盖率、公路密度、人口密度、人均耕地等因素对安徽传统村落空间分布影响明显,经济、坡向等因素影响具有复杂性和不确定性;安徽传统村落属凝集空间分布类型,形成一个极化密集区(皖南山区)和一个半环密集区(大别山区);安徽传统村落标准差椭圆均呈北西—南东(NW-SE)方向,在空间分布上受地形因子四要素控制,高程因素对传统村落空间聚合效应最强,地面平均曲率和海拔高程是安徽传统村落空间偏向NW-SE走向的控制因子;安徽传统村落局域关联特征为高高(HH)、低低(LL)聚集区域,缺乏高低(HL)、低高(LH)区域。     

采用地理探测器和GWR模型的喀什地区农村居民点时空演变及影响因素分析

探究农村居民点的时空演变与影响因素,以喀什地区为例,采用网格分析、核密度估计等空间分析手段,研究喀什地区2009-2019年农村居民点时空分布特征及演变规律,选取坡度、地形起伏度、人口密度、耕地面积、距道路距离、距河流距离、距最近耕地距离、增减挂钩政策8个影响因子,进行地理探测和地理加权回归(geographically weighted regression, GWR)分析.结果表明：2009-2019年喀什地区农村居民点集聚特征显著,主要集中在叶尔羌河冲积平原和喀什噶尔河冲积平原,呈现集聚中部、西密东疏的分布特征,在2019年达到核密度峰值;2009-2019年喀什地区农村居民点的数量和面积逐年增加,但农村居民点平均面积由0.011 0 km²减少至0.010 7 km²,10 a间喀什地区农村居民点演变方式为自身扩展、新生/合并和消亡;坡度、地形起伏度、人口密度、耕地面积、距河流距离、距道路距离和距最近耕地距离是影响喀什地区农村居民点空间分布的主导因子,增减挂钩政策对喀什地区农村居民点空间分布影响不明显;各影响因子对农村居民点分布的影响...     

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。     

多因子贡献率权重的城市精细人口空间化方法:以北京市为例

以北京市作为研究区，以土地覆盖、河流道路、DEM、珞珈一号夜间灯光以及兴趣点各数据作为影响因子建立人口指标体系，针对人口空间化中多源数据权重确定方法复杂且主观性强的问题，提出以主成分分析法挖掘各项数据特征，以因子对指标评价体系的贡献率作为权重进行多因子加权融合，实现北京市30 m×30 m精细人口空间化．与Worldpop数据进行精度对比分析，结果表明:1）人口精细空间化结果的精度（R2=0.85、E_MR为0.28）优于Worldpop数据的精度（R2=0.67，E_MR为0.48）；2）北京市人口主要分布在中心主城区内，且向外呈现波动性递减趋势，在外围出现多个郊区次中心，与兴趣点密度具有相似的空间分布；3）各类兴趣点因子被赋予了较高的权重，可作为北京人口空间分布的重要指示性因子．该研究方法可为其他城市精细人口空间化研究提供参考．      

武陵山片区博物馆空间分布的特征及影响因素

以武陵山片区127家博物馆为研究对象,运用核密度估计法和最近邻指数法等分析了片区博物馆空间分布的特征及影响因素.结果表明,片区博物馆的空间分布总体上呈现集聚型,集中分布在县级行政区域;4大类型博物馆数量相对均衡,每个类型都存在高密度分布区;以国有博物馆和无级别博物馆为主,其中无级别博物馆呈集聚型分布.影响片区博物馆空间分布的主要因素是自然文化资源禀赋、经济发展水平、交通通达度、旅游业发展水平和人口密度.为了优化武陵山片区博物馆的空间布局,从深入挖掘资源、响应市场需求、创新体制机制、借助旅游产业优势和完善基础设施等方面给出了建议.     

广东省文旅特色村空间分异及其影响因素

乡村旅游地是乡村旅游发展的空间载体,研究其空间分布格局有利于优化乡村旅游供给,助推乡村振兴战略。以广东省259个文旅特色村为研究样本,运用最邻近指数、缓冲区分析、地理探测器等空间分析方法探究广东省文旅特色村空间分布特征及其影响因素。结果表明：（1）广东省文旅特色村的空间分布类型为集聚型,在市域范围内分布不均衡;（2）广东省文旅特色村呈多核心集聚发展态势,可分为珠三角双核心区与粤东单核心区,3大集聚区均形成明显的“中心-外围”结构,珠三角双核心区已形成连绵发展态势;（3）在地形、水文、交通、人口密度等自然地理与社会经济因素综合作用下,广东省文旅特色村呈现出南密北疏的空间分布格局。     

中国乡村旅游重点村的空间分布与影响因素研究

乡村旅游重点村是推动乡村全面振兴的重要抓手,文章以中国首批乡村旅游重点村为研究对象,综合运用ArcGIS空间分析、数理统计分析等方法探析中国乡村旅游重点村空间分布特征及影响因素.结果表明：1) 中国乡村旅游重点村整体上以“胡焕庸人口线”为界,呈“东密西疏”的凝聚型分布特征;以“中心城市-城市群-旅游重点开发区”为依托,区域尺度上集中连片聚集分布;省级层面上其空间分布密度差异较大,空间分形特征显著且结构复杂.2) 乡村旅游重点村随着海拔升高而数目递减,具有明显的沿河流、海滨分布的特点;作为一种独特的旅游文化资源,主要分布在经济文化较为发达的东北农业文化地区、黄土高原等文化副区.3) 乡村旅游重点村空间分布密度与经济发展水平呈正相关,客源市场和专业人才共同驱动其布局发展;另外,交通走廊串起乡村旅游“经济链”,推动了乡村旅游重点村的发展建设.     

长江经济带特色小镇空间分布及影响因素研究

长江经济带在我国城镇化发展中具有举足轻重的地位,同时特色小镇作为推进城镇化健康发展的重要抓手,对促进我国城镇化健康发展具有积极意义.基于此,本研究以长江经济带内国家级特色小镇为研究对象,采用地理数学方法和Arcgis 10.2工具对其空间分布特征及影响因素进行分析.结果表明： 1)长江经济带特色小镇空间分布类型呈现凝聚分布; 2)特色小镇数量在经济带大尺度范围内相对均衡,在省域尺度内小范围集中分布; 3)在空间分布密度上特色小镇东密西疏,并形成以上海、江苏南京无锡及浙江杭州宁波为中心的高密度核心区;4)地区地形地貌、经济发展水平、人口数量、历史文化水平、政策支持及投资偏好是影响长江经济带特色小镇空间布局的主要因素.     

Urban structure and the risk of influenza A (H1N1) outbreaks in municipal districts

Changsha was one of the most affected areas during the 2009 A (H1N1) influenza pandemic in China. Here, we analyze the spatial–temporal dynamics of the 2009 pandemic across Changsha municipal districts, evaluate the relationship between case incidence and the local urban spatial structure and predict high-risk areas of influenza A (H1N1). We obtained epidemiological data on all cases of influenza A (H1N1) reported across municipal districts in Changsha during period May 2009–December 2010 and data on population density and basic geographic characteristics for 239 primary schools, 97 middle schools, 347 universities, 96 malls and markets, 674 business districts and 121 hospitals. Spatial–temporal K functions, proximity models and logistic regression were used to analyze the spatial distribution pattern of influenza A (H1N1) incidence and the association between influenza A (H1N1) cases and spatial risk factors and predict the infection risks. We found that the 2009 influenza A (H1N1) was driven by a transmission wave from the center of the study area to surrounding areas and reported cases increased significantly after September 2009. We also found that the distribution of influenza A (H1N1) cases was associated with population density and the presence of nearest public places, especially universities (OR = 10.166). The final predictive risk map based on the multivariate logistic analysis showed high-risk areas concentrated in the center areas of the study area associated with high population density. Our findings support the identification of spatial risk factors and high-risk areas to guide the prioritization of preventive and mitigation efforts against future influenza pandemics.     

乡村聚落时空分布特征及驱动因素分析——以安徽黟县为例

【目的】基于遥感数据和3S技术进行乡村聚落时空分布特征及演变规律研究,为推进美丽乡村建设和实现地区可持续发展提供参考。【方法】以安徽省黟县为对象,基于核密度分析、GIS空间分析、景观格局指数以及空间自相关等分析方法,探究研究区2010年、2012年、2014年、2016年4年乡村聚落的时空分布特征与景观格局变化的驱动因素。【结果】2010年与2012年黟县各村镇之间的乡村聚落核密度估值呈较弱的聚集分布,2014年与2016年黟县各村镇之间的乡村聚落核密度估值呈显著的聚集分布状态; 2010年、2012年、2014年、2016年的Moran's I指数均大于0,黟县乡村聚落存在正的空间相关性,2016年Moran's I指数较2014年的低; 黟县乡村聚落核密度估计值相似的地区在空间上聚集分布的趋势有所减弱,空间分布的差异性在增强; 地势、河流等自然因素以及道路、城镇经济、人口变化等社会因素影响黟县乡村聚落分布格局的演变。【结论】黟县乡村聚落的时空分布格局特征与演变研究能够为美丽乡村建设中的合理规划、聚落优化、土地资源利用以及可持续发展规划建设提供理论依据。