青藏高原水资源总量丰富,但由于水资源量与用水量在空间上分布不均衡,部分人口、城镇密集地区水资源短缺严重。本研究在多源数据的基础上,通过空间分析、降尺度处理等,建立了青藏高原省区、市域、县域空间尺度的水资源与用水量数据集。通过比较5、10、20、30年重现期多空间尺度的水资源短缺程度,分析水资源短缺在青藏高原的尺度效应,揭示青藏高原水资源短缺格局与特征,识别面临水资源短缺的人口与面积。结果表明,青藏高原在省区尺度无水资源短缺;在15个市域单元中,有3个市域出现水资源短缺;在115个县域单元中,有29个县域呈现出不同程度的水资源短缺,水资源短缺县域主要集中在青海省的河湟谷地、柴达木盆地与西藏自治区的一江两河流域等人口、城镇密集区域。总体而言,由于较大空间尺度地理单元内部各县域用水强度差异,在县域尺度面临水资源短缺的人口与面积大于市域与省区尺度面临水资源短缺的人口与面积。以县域为基本单元,发现青海省与西藏自治区30年重现期面临水资源短缺的人口占总人口的56.4%,出现水资源短缺的面积占总面积的10.4%。县域之间水资源短缺指数秩相关系数计算结果显示,省区内部各县域同时出现水资源短缺的可能性较大,而省区之间各县域同时出现水资源短缺的可能性相对随机。研究结果为制定青藏高原水资源短缺管理对策、促进区域城镇化与资源环境协调发展提供科学依据。
高寒区植被变化一直是气候和生态学领域关注的热点问题。本研究基于MODIS NDVI数据计算的植被覆盖度数据和高分辨率气象数据,分析了青海湖流域2001-2017年植被覆盖度分布格局及动态变化,探讨了其对气候变化、人类活动和冻土退化的响应。结果表明：① 近十几年青海湖流域植被覆盖度整体表现为增加趋势,不同植被类型增幅存在差异性,草地增幅最大,达到6.1%/10a,其它植被类型增幅在2%~3%/10a之间;② 流域局部地区仍存在植被退化现象,研究期植被退化面积表现为先增加后减小的变化趋势。2006-2011年重度退化区集中在青海湖东岸,2011-2017年重度退化区集中在流域的西北部,这些区域是青海湖流域荒漠分布区,植被覆盖度较低,是今后生态恢复需重点关注的区域;③ 气候变化是流域植被覆盖度变化的主导因素,气候变化对青海湖流域主要植被类型覆盖度变化的贡献率为84.21%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为81.84%、87.47%和75.96%;④ 人类活动对流域主要植被类型覆盖度变化的贡献率为15.79%,对草原、草甸和灌丛植被覆盖度变化的贡献率分别为18.16%、12.53%和24.04%,环青海湖地区人类活动对植被恢复有促进效应,在青海湖流域北部部分地区人类活动的破坏力度仍大于建设力度;⑤ 冻土退化对青海湖流域草甸和灌丛植被覆盖度变化影响很小,主要影响草原植被覆盖度变化,冻土退化造成草原植被覆盖度增长速率减小了1.2%/10a。
城镇体系的形成和发育对区域城镇化进程及社会经济发展起着至关重要的作用,并对生态环境产生重要影响。青藏高原特殊的地理环境与相对落后的社会经济基础,导致城镇体系不甚健全。目前国内外相关研究薄弱,不利于国家生态安全屏障建设及青藏高原可持续发展。为此,本文以建制镇以上的镇区和城市市区为研究对象,结合统计数据与遥感数据,借助GIS空间分析方法对青藏高原1990-2015年城镇体系的空间结构和规模结构进行时空演变格局分析,并采用重心移动模型揭示了青藏高原城镇人口规模和用地规模重心的迁移规律。结果表明：青藏高原城镇空间分布总体呈现出“东南密集、西北稀疏”、“大分散、小集聚”的格局;城镇分布在时间上具有阶段性增长特征且总体趋于集聚,在空间上不均衡程度呈上升趋势但2005年后明显减缓;虽然建制镇数量大幅增长,但96.88%的城镇规模在5万人以下,大中小城市发育不足;城镇人口规模重心呈现“先向西南,再向东北,又向西南”的移动轨迹;城镇用地规模重心呈现“先向东南,再向西北,再向东北”的迁移趋势。本文研究了青藏高原城镇体系的规模结构及其时空演变特征,为青藏高原新型城镇化及城镇空间格局优化提供基础依据;提出了资料缺乏和统计口径不一致的条件下城镇规模的合理估算方法,对我国城镇化相关研究具有一定的参考价值。
西藏高原土地面积广阔,但适宜人类居住的空间却高度集中于局部地区,其中雅鲁藏布江中游地区是西藏高原最重要的人口承载区。利用核密度、空间“热点”探测和地理探测器等方法,从“居民点斑块-样带-研究区全域”构成的点-线-面多尺度揭示了雅鲁藏布江中游地区城乡居民点的规模、形态和密度的空间分异特征,并分析了自然因素对城乡居民点空间分异的影响。结果表明：① 全域尺度上,雅鲁藏布江中游地区各乡镇居民点规模空间差异较大,基本形成以“彭措林乡-增期乡”为轴线的南北对称态势,居民点形态普遍规则,密度总体偏低;② 样带尺度上,仅有拉萨河样带的密度分布呈线性分布,雅鲁藏布江样带和湘曲-年楚河样带的规模、形态和密度以及拉萨河样带的形态和规模在各自方向上均呈现非线性分布,即居民点东西方向呈现分布规模和形态“两端大中间小”、分布密度“两端小中间大”的特征,而南北方向规模、形态和密度均呈现“南大北小”的特征;③ 斑块尺度上,居民点规模普遍较小,面积小于1000 m 2的数量高达19 099个,占比达到55.14%;斑块形态比较规则,形状为规则类型的数量有21 256个,占比为61.37%;分布密度整体偏低,全域仅为0.34个/km 2;④ 自然要素中,海拔对居民点规模和密度的影响最大,地势起伏度和河流邻近性对居民点形态影响显著,而降水量对居民点的规模、形态和密度影响均不显著。
青藏高原地区壮美的自然风光、神奇的人文景观和独特的民族文化,使其成为国内外旅游者倾心向往的世外桃源,亟需进一步探究其旅游经济与生态环境之间的交互耦合关系。本文创建青藏高原旅游经济与生态环境综合评价指标体系,采用青海省和西藏自治区15个地市州2000-2017年面板数据探究旅游经济与生态环境协调效应及交互胁迫关系。结果显示： ① 2000-2017年青藏高原仅有拉萨和西宁旅游经济指数呈现快速增长趋势,其余地市州均呈现缓慢增长趋势,生态环境指数整体较高,仅有西宁和海东呈现波动增长趋势,其余地市州变化平缓;② 青藏高原旅游经济与生态环境复合系统协调度时序上呈现波动增长趋势,空间上呈现南高北低、东高西低的分布格局;青海呈现以西宁为核心,逐层向外递减的核心-边缘空间格局;西藏呈现以拉萨为中心,南高北低的空间格局;③ 青藏高原复合系统协同效应子类型主要是旅游经济滞后型,西宁和拉萨呈现“旅游经济滞后-系统均衡发展-生态环境滞后”的变化趋势;④ 基于双指数模型证实了青藏高原旅游经济与生态环境之间具有交互胁迫关系。
人类活动是引起青藏高原生态环境发生改变的重要因素。很多学者对青藏高原史前人类活动和近几十年的人口分布格局与人口流动开展了大量研究,但有关人群时空分布的精细尺度研究相对缺乏。海量的位置大数据为认识高原人群短期的动态变化提供了新途径。本文利用手机定位数据、人口迁徙数据等高时空分辨率的位置大数据,通过时间序列分解方法和基于统计检验的异常判别方法,分析了2017年国庆期间青海与西藏的人群分布时空变化特征,并探讨了假期旅游行为及人口迁徙与变化特征之间的关系。研究结果显示：① 在省级和城市整体尺度上,定位请求量的假期变化在时间上呈现先降后升的“潮汐”变化模式;② 在精细网格尺度上,西宁和拉萨城市及周边地区的人群分布变化在空间上呈现中心跌、周边涨的“离心化”变化模式。国庆假期人们向城市周边热门景点移动聚集的旅游行为和城市之间的人口迁徙都是导致西宁和拉萨周边地区定位请求量上涨的重要潜在原因,而两座高原城市中心定位请求的下跌不仅与人口迁徙有关,还与假期人类日常行为及定位请求频次的变化等因素有关。通过位置大数据挖掘节庆假期人群分布的时空变化,不仅加深了对高原人口分布格局与流动变化的认识,也为高原城镇化与生态保护的精细化管理与决策提供支撑。
三江源是中国陆地生态系统最脆弱和敏感的区域之一,一旦遭到破坏则不可逆转。受三江源地区多云等不利气象条件的影响,很难获取大范围尺度上季相一致的、无云的Landsat遥感影像。本文利用Google Earth Engine平台,对1990-2015年的相同季节的3766景Landsat影像进行像元级融合并重构最小云量影像集,借助GEE的并行云端计算,快速得到了能够反映生态环境质量的遥感生态指数（RSEI）,对三江源地区的生态环境质量进行了评价与监测。三江源时空变化与差异分析表明：1990-2000年生态环境质量呈快速下降状态,RSEI平均值从0.588下降到了0.505,生态环境质量变化以轻度恶化为主;2000-2015年生态环境质量下降速度变缓,并于2015年呈现变好态势,生态环境质量变化以不变为主,且轻度恶化面积大幅减少;该地区的生态环境状况呈现出空间分异,自西向东,生态状况变差。基于GEE平台在三江源地区的实验结果表明,GEE可以作为大区域范围的生态环境质量评价与监测的计算平台。
文本数据为地理知识服务提供了海量资源。面向文本数据的地理实体关系抽取是地理知识图谱构建的核心技术,直接影响地理知识推理与服务的质量。由于文本数据不可避免地含有噪声,从文本中抽取的地理实体关系需要质量评价和信息过滤。本文提出一种基于通用知识库的地理实体关系过滤方法,针对已抽取的地理实体关系从中筛选出高质量的结果：先利用“本体知识”、“事实知识”和“同义词知识”构建地理关系知识库,作为信息过滤的参照数据;再基于分布式向量表示模型度量已抽取的地理实体关系与参照数据之间的语义相似性,以提高地理知识图谱的丰度与鲜度。实验结果表明,相比业界流行的“Stanford OpenIE”工具,本文所提出的方法可将置信度区间[0, 0.2]和[0.8, 1]的MSE（Mean Square Error）从59.27%降至3.94%,AUC(Area Under the ROC Curve)从0.51提升至0.89。
针对传统室内定位方式存在的忽略地图精度对于整体定位精度的支撑性作用、需要额外的辅助设施和附加模块以协助定位系统实现目标点定位、定位信标的保密性差、定位信号源与辅助基站等具有较强的信号辐射等问题,本研究引入高精度室内地图辅助,提出了一种VLC与PDR融合的室内定位算法。首先,本研究摒弃了传统人工勾绘方式,在室内扫描机器人turtlrbot平台上（装载有二维激光扫描雷达）,利用Gmapping二维栅格地图构建算法,生成高精度室内地图。在此基础上,采用扩展卡尔曼滤波算法结合高精度地图信息实现VLC与PDR融合定位。该融合定位算法较好地结合了VLC定位与PDR定位各自的技术优势,实现了VLC定位结合高精度地图信息对PDR定位自适应动态纠偏,对于进一步实现新型低成本、无信号辐射、保密性强、附加模块少的高精度室内定位提供了较好的理论与技术支撑。实验结果表明：在高精度室内扫描地图构建过程中,其测距分辨率<0.5 mm,VLC与PDR融合定位算法的整体定位精度为1.33 m,平均定位响应时间为0.58 s。
快速选择和分配应急医疗机构是城市突发事件应急响应的一个重要方面。医疗机构的地理位置和城市实时交通是影响城市医疗机构时空可达性的主要因素,医疗机构的资源数量和突发事件的救助需求是否匹配决定了医疗服务的可及性。本文综合考虑以上影响因素,将医疗机构的地理位置、实时道路通行情况、医疗机构等级及其资源数量以及突发事件的救助需求作为选择指标,建立适合城市突发事件应急救助需求的医疗机构选择模型,设计其算法流程并利用青岛市相关数据进行实验,验证其可行性及关键步骤的作用。本文提出的应急医疗机构选择模型及算法能够在推荐医疗机构的同时完成救治人员分配和路线规划,提高了应急医疗机构的选择效率,对城市突发事件应急响应具有一定的应用价值和决策指导意义。
不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林（RF）和支持向量机（SVM）等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。
基于地理对象的影像分析方法已成为高分辨率遥感影像分析的重要手段。影像分割作为其关键步骤,如何设置合适的分割算法参数对后续分割和分类结果有重要的影响。目前分割参数优选方法的探讨分别从非监督与监督分割质量评价2个方面展开,而何者更适合高分辨率遥感影像特定目标地物分析仍缺乏对比研究。本文以城镇和乡村为例,选取多源遥感数据Quickbird、WorldView-2和ALOS影像中共有的3种典型土地覆被为研究对象,基于2种具有代表性的非监督与监督方法ESP2 (Estimation of Scale Parameter 2)与ED2 (Euclidean distance 2) 进行实验,对最优分割和分类的结果进行全面的对比分析。结果表明：① 相同实验参数下,监督方法均能以较少的分割数据集获得目标地物的最优分割结果,且与真实地理对象吻合度更高;② 非监督方法依靠影像自身特征分析进行分割参数优选,无法克服不同景观格局和影像分辨率的影响,而监督方法可通过改变参考数据集的面积和空间分布模式等来降低其影响;③ 非监督方法往往因为欠分割而漏分小目标地物,这样会严重影响局部分类结果。虽然本文中非监督与监督方法的整体分类精度均可达90.08%以上,但非监督方法的漏分率却是监督方法的1.43~4.65倍。因此,本研究认为监督方法更适合分析高分辨率遥感影像特定小目标地物。
深度学习方法可有效提高传统基于遥感影像的设施农业典型地物识别与提取方法的结果精度,对传统农业的转型和发展意义重大。本文针对遥感影像大背景小目标的特点,以及设施农业典型地物的图像特征,结合深度残差思想和Faster R-CNN提出DRTOMA算法：首先,使用深度残差网络作为其基础特征提取网络,以此获得更深层次的图像特征,并抑制网络退化和衰退问题;然后在残差单元和全连接层之间加入改进的空间金字塔池化层,从而去除输入图像固定大小的限制,增加网络对图像尺度的敏感度;最后,在全连接层间添加dropout层,减少网络计算的复杂度,提升抗过拟合效果。仿真结果表明：同部分已有的检测算法相比,DRTOMA算法的平均识别准确率和召回率均取为最优,分别为91.87%和90.63%;在最优识别精度近似的情况下,DRTOMA算法比Faster R-CNN算法的召回率高约2%,网络更易收敛,训练难度较低。综上所述,DRTOMA算法是一种有效可行的设施农业典型地物检测方法。
随着西部大开发战略的实施以及“一带一路”战略的影响,西北地区的城市发展也发生着巨大变化,利用遥感影像更加准确地提取西北地区城市建筑用地信息对分析城市扩张趋势、规划城市建设具有重要意义。本文以2000年兰州市主城区和2003年西宁市主城区的Landsat 7 ETM +影像为数据源,结合压缩数据维的方法,通过构建三指数合成影像并利用该影像来提取城市建筑用地信息。实验首先根据兰州市主城区的影像光谱特征,创建了归一化差值裸地指数（NDBLI）。然后将该指数与比值居民地指数（RRI）、修正型归一化水体指数（MNDWI）合成为一个包含3个波段的新型三指数合成影像NRM（NDBLI、RRI、MNDWI）;同时,根据集成学习思想,为增强城市建筑用地信息,将主成分分析的第一波段（PC1）、归一化差值建筑用地指数（NDBI）和比值居民地指数（RRI）合成为一个包含3个波段的新型三指数合成影像PNR（PC1、NDBI、RRI）;最后分别将三指数合成影像NRM和三指数合成影像PNR作最大似然分类提取城市建筑用地信息,将其提取结果与由归一化差值建筑用地指数（NDBI）、修正型归一化水体指数（MNDWI）和土壤调节植被指数（SAVI）所创建的NMS（NDBI、MNDWI 、SAVI）影像得到的最大似然分类结果作精度比较,并利用西宁市主城区影像对本文方法进行了相应验证。结果表明,利用三指数合成影像PNR提取城市建筑用地的总精度和Kappa系数最高,其总精度达到了90%以上,适合于提取西北地区含裸地较多的城市建筑用地。
南宁作为北部湾经济区的核心城市及中国-东盟博览会的永久举办地,正处于城市地铁修建及工程建设的高峰期。南宁位于复杂地质水文条件的南宁盆地中西部,地铁施工及运行有可能引发地表沉降等潜在风险,但关于南宁地铁修建区的沉降规律系统的认识仍十分有限。利用永久性散射体雷达干涉测量技术（Permanent Scatterers InSAR,PS-InSAR）处理54景Sentinel-1A影像,监测了2017年4月-2018年12月南宁市区地表沉降信息。结果表明,监测期内南宁地表形变速率为-23.8~9.0 mm/a,研究区大部分区域稳定,沉降点分布零星;4个重点沉降区位于蒲庙镇、九曲湾农场、江南地铁站及北湖-万秀村-虎丘一带;重点沉降区形变曲线总体上随时间变化呈现出不均匀下降;沉降成因可能与膨胀土膨胀特性、弃土滑坡、施工作业、列车流量过大及地下水位下降有关。5条地铁沉降值均属于安全范围。研究表明,南宁雨季降水丰富,地铁修建区表土以松散的第四系覆盖层为主,下伏基岩以工程力学性质存在一定不稳定性的第三系膨胀土为主,建议利用PS-InSAR技术对沉降重点区域及地铁沿线开展长期监测。
阿伯德尔国家公园位于号称肯尼亚“水塔”的阿伯德尔山脉上,是肯尼亚重要的旅游景区和珍稀动植物保护区,开展该地生态环境质量评价对肯尼亚水资源保护与可持续发展具有重要的意义。本研究基于1987-2018年的Landsat系列遥感数据,通过计算综合遥感生态指数RSEI,结合趋势线分析法对阿伯德尔国家公园近32年间生态环境质量变化进行客观定量分析。研究结果显示：① 1987-2018年研究区RSEI均值从0.62下降到0.51,生态环境质量退化的区域面积为551.52 km 2,占总面积的71.85%,表明在气候变化和人类活动影响下,1987-2018年研究区的环境状况呈恶化趋势;②环境质量显著恶化的区域主要分布于亚高山植被区和东部低海拔森林覆盖区,亚高山地区植被生态系统结构单一,稳定性差,对气候变化和人类活动更为敏感;而东部区域存在过度开发,非法砍伐森林等现象,且旅游开发强度大,环境恶化与人类活动密切相关。
