构建传染病模型可为疫情防控与公共卫生研究提供至关重要的规划与解析工具。由于宿主行为是传染病传播动态的决定性因素之一,有效耦合人群时空行为对以人为宿主的传染病建模具有重要意义。得益于人群移动大数据研究与应用的快速发展,新型冠状病毒肺炎（COVID-19）的疫情建模研究中呈现出了耦合人群移动建模的显著特征。为系统深入理解该项传染病模型研究中的重要进展,本文对相关文献进行分析与总结。首先,本文分析了COVID-19疫情与人群移动的交互影响,说明了耦合人群移动构建COVID-19模型的必要性。然后,根据建模的目的和原理,从疫情短期预测与过程模拟2个角度,对耦合人群移动的COVID-19传染病模型进行分类梳理。其中,根据耦合人群移动的方式,本文将面向疫情短期预测的模型分为人群移动一阶量与人群移动二阶量的耦合模型,将基于过程模拟的模型分为群体级别和个体级别的耦合模型。最后,本文评述了耦合人群移动的传染病模型研究进展和未来发展方向,认为该领域研究亟需更加深入建模与疾病传播相关的复杂人群时空行为、提升模型的空间解析能力、突破精细化时空传播模拟的计算瓶颈、拓展与前沿人工智能方法的融合,并构建普适而开放的建模数据与工具以促进应用发展。
SARS和COVID-19的暴发对我国公众健康、社会经济等造成了严重影响,为揭示呼吸道烈性传染病的时空传播的共性规律和差异特征及背后原因,运用时空统计方法,系统分析并对比了SARS与COVID-19的时空传播差异性特征,并结合病毒本身传播特性及交通、温度等因子进行原因分析。研究表明：① 时间序列上,SARS从发病初始到结束经历了2个阶段,即上升期-平缓期,COVID-19经历了3个阶段,即上升期-急剧上升期-缓升期。② 空间传播模式上,COVID-19传播强度及传播范围大于SARS,且COVID-19的整体连通性较大,各省份与病毒暴发地的联系更为紧密;SARS和COVID-19的传播都存在明显的空间聚集性特征;二者均以邻近传播、远距离飞跃式为主,且SARS存在中次级传播中心,COVID-19扩散中心未发生转移。③ 空间传播方向上,SARS以北京市、香港特别行政区、广东省为中心,空间传播方向性更强,COVID-19仅以湖北省为中心向外扩散。④ 空间传播速度上,SARS各省份首例病例传播时间跨度较大,COVID-19各个省份首例病例传播时间大致以胡焕庸线为分界线,呈现出“东快西慢”的现象,传播时间跨度较短。⑤ R0是造成SARS和COVID-19空间传播范围与空间传播速度差异的主要原因;SARS和COVID-19病毒温度适宜性有所差异,但在温度接近的区域均发生了空间聚集性传播和邻近区域传播;除病毒本身传播能力、温度影响外,交通是影响SARS和COVID-19空间远距离飞跃式传播的主要原因,二者空间传播速度均与路网密度呈负相关关系。
模拟传染病时空传播、定量评估疫情风险对科学防控、精准施策具有重要的现实意义。本文融合多源时空数据,构建了耦合LSTM算法和云模型的疫情传播风险预测模型。该模型首先基于GIS和LSTM算法构建疫情空间演变模拟模型,通过学习历史疫情数据中的规律,以1 km×1 km为空间尺度、天为时间尺度模拟传染病时空传播过程。其次,基于模拟传染病例数据和疫情传播时空影响因素构建风险评价指标,应用云模型和自适应策略构建疫情风险评估模型,实现多空间尺度的疫情风险评价。在实证研究阶段,应用该模型对北京2020年6月份突发COVID-19疫情空间演变过程进行模拟和风险评估,并引入常规机器学习模型作比较验证。结果表明：应用于疫情时空传播模拟,相较其它常规的机器学习模型,考虑时序关系的LSTM模型的模拟精度更高（MAE为0.00261）,拟合度更好（R-square为0.9455）;耦合模型不仅能充分考虑传染源因素、天气因素、疫情扩散因素及疫情防御因素对疫情风险传播的影响,反映风险演变趋势,还能快速量化区域风险等级,实现不同空间分辨率下的疫情风险评估。因此,基于LSTM算法和云模型的耦合模型可有效预测疫情的传播风险,同时,也为传染病时空传播建模与风险评估提供了方法参考。
在2020年COVID-19第一波疫情中,通过一系列非药物干预措施,国内许多城市实现了疫情的快速抑制。对这些交叉叠加的多项干预措施进行单项措施的效果评估,识别出关键的防控策略,能够为未来的疫情防控提供重要的经验与科学依据。本研究以深圳市为例,利用融合了多源时空轨迹大数据的空间显式智能体模型评估深圳市快速抑制第一波疫情的各项非药物干预措施效果,识别出核心措施与辅助措施。模拟结果显示,在深圳市第一波疫情中,单项干预措施有效性从高到低依次为居家令、综合隔离、佩戴口罩与分批复工。其中,居家令或综合隔离均能有效抑制疫情的大范围暴发,被本研究称之为核心措施;佩戴口罩或分批复工则只能从不同程度上降低总体感染规模并延缓疫情峰值,并不能抑制疫情暴发,被本研究称之为辅助措施。考虑到社会经济成本以及常态化防疫中人群依从性降低,本研究建议在COVID-19 散发疫情防控中将核心措施与辅助措施相结合,重点实施各项隔离措施,同时将外出佩戴口罩作为疫情常态化防控手段。此外,本研究展示了结合时空大数据与智能体模型精细化模拟城市内部传染病扩散过程的优势：不仅能在城市内部高精度推演疫情发展过程,而且能够支撑评估面向个体及各类型出行活动的非药物干预措施实施效果,为制定针对性、精细化的“时间-空间-人群”防控策略提供重要的科学依据。
为了更便捷地提取城市居民的出行轨迹,从而分析个体的日常空间行为,进而为城市管理的各项措施决策提供数据支撑,本文提出基于WiFi探针数据的城市出行轨迹提取方法,主要解决WiFi探针数据的路网匹配及丢失轨迹重构问题。首先,通过对终端MAC码和时间戳进行多列排序后提取出轨迹记录序列,利用信号强度RSSI值为每条记录提取坐落在路网上的候选点集。其次,设计基于局部评价的算法,对于每一个候选点,利用其前后相邻的几条记录提取的候选点集与其之间的时空关系,先后对其进行时间一致性评价和空间一致性评价,再结合以时间反比动态构建的权函数,得到最终评分;然后将每个候选点集中评分最高的点作为最佳匹配点,至此完成轨迹记录的路网匹配。最后,先采用基于深度优先的路径搜索算法搜索出丢失轨迹上下点之间的所有可行路径,再基于TOPSIS法决策出最优的重构路径。本文以东莞市市中心区域收集的WiFi探针数据为实验数据进行测试,平均每日可提取6万多条轨迹,与其中获取的GPS数据相比较验证了方法的可行性,为城市出行轨迹挖掘提供了新的解决方案。
全球范围内各种冲突经常发生,及时分析各种冲突关系并监测其变化,提前干预、实施人道主义救援,可以有效避免冲突的爆发与升级。冲突事件通常被各种新闻媒体及时报道,并被记录于新闻数据库中。提取新闻数据中的冲突事件信息并量化冲突强度,从而分析国家冲突强度的变化是一种可行思路。GDELT实时监测着不同来源的新闻,自动提取新闻中的事件与事件属性信息,并将事件总体划分为冲突与合作2种类型。本文以GDELT为数据源,综合考虑事件数量、事件影响性、事件关注度多个因素,针对不同空间研究尺度提出了一种利用全球冲突指数与局部冲突指数对冲突强度定量表达的方法。在全球尺度上,计算全球各国全球冲突指数衡量国家冲突强度,分析全球国家冲突强度空间分布规律。在国家尺度上,计算局部冲突指数衡量一个国家的冲突强度变化情况,并在冲突强度定量表达的基础上,研究一种基于距离的时间序列冲突检测方法检测冲突事件的发生。研究发现：① 冲突强度高的国家主要集中在非洲和中东地区,全球冲突强度在空间上存在明显的集聚现象;② 国家局部冲突指数的突增通常对应于一些冲突事件的发生,使用本文的冲突检测方法可以有效地及时检测这种突增现象,并能为冲突预警提供支持。本文的研究成果可以为国际冲突关系分析,以及国际救援组织的决策提供参考。
有利气象条件之后的静风期,极大降低了PM2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM2.5数据,构建高时空分辨率PM2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM2.5数据分配MEIC清单中的PM2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM2.5数据填补融合方法能够有效提高PM2.5监测数据的时空分辨率,且与地面监测值显著相关（R2=0.94,RMSE=4.64 µg/m3,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m3,R2提高11%。该方法为排放清单的空间精细化提供了新的研究思路。
城市基础设施的全方位描述与信息化管理是建设新型智慧城市的重要基础。目前在城市基础设施建模与管理方面,以地图为模板的空间数据模型、传统的面向对象空间数据模型以及实时GIS数据模型不支持对时空对象组成结构、行为能力等要素的描述,无法全面、精细地表达设施对象信息,而计算机、物联网和地理信息系统（Geographic Information System,GIS）领域已有的城市基础设施管理方案忽略了对设施自身信息的管理,无法较好地支持设施对象及其产生数据的一体化管理。针对上述问题,首先通过扩展GBT30428.2-2013标准,完成了城市基础设施的分类与编码;然后基于多粒度时空对象数据模型（Multi-granularity Spatiotemporal Object Data Model, MGSTODM）,提出了一种城市基础设施对象化描述模型,支持对城市基础设施信息的全方位描述与表达;在此基础上,提出一种城市基础设施对象化管理方法,设计了相应的技术架构,并研制了基于云存储的百万级城市基础设施对象化管理原型系统。试验结果表明,所提出的城市基础设施对象化描述模型与管理方法具备可行性、有效性和高效性。
SVF（Sky View Factor）是描述城市辐射和城市热环境的有效指标之一,是研究城市热岛的重要几何参数,如何快速准确地计算大规模的SVF对城市形态和城市气候研究具有重要意义。已有研究发现,SVF与热岛强度具有强烈关系,但以往研究存在争论和局限性。本研究采用百度全景静态图,基于深度学习,使用Deeplabv3+模型对天空范围进行探测,提出一种SVF自动计算方法,并用该方法计算上海市中心城区的SVF分布。本研究引入局地气候分区（Local Climate Zones, LCZ）,将大规模、精确的SVF结合每个地块具体的土地利用和建筑情况进一步用于SVF与热岛强度的关系研究。实验结果表明,在不同场景下,Deeplabv3+模型都能对天空范围进行有效探测（MIOU=91.64%）;本文方法计算的SVF与鱼眼照片计算的SVF具有令人满意的一致性（R2=0.8869）;在不同区域,SVF与热岛强度的关系不同,对于LCZ5开敞中层建筑,最高相关系数为0.68,对于LCZ1紧凑高层建筑,最高相关系数为-0.79。本文SVF计算方法在上海市中心城区的成功应用,验证了在中国高密度和复杂的城市环境中使用街景图像计算大规模SVF的可行性,此外本文基于区域化研究思想进一步研究了SVF与城市热岛的关系,弥补了以往此类研究的不足。
近年来海洋资源的不断开发利用,使得海洋空间规划变得尤为重要,其中以渔业资源占主要比重。为了对渔业资源监测与规划提供辅助决策信息,本文通过对南海及周边国家2018年船舶自动识别系统（AIS）数据进行预处理,采用数理统计和GIS空间分析方法,实现了南海区域渔船活动强度时空特征分析。结果显示： ① 2018年南海及周边国家渔船以区域性分布为主,集中在中国和越南沿海岸100 km以内区域,在秋季11月捕捞活动频繁,全年渔船平均活动强度白天大于夜晚,16:00 PM 时达到最大渔船活动强度; ② 中国在广东省、广西省和海南省各主要港口渔船活动强度呈现聚集性点状分布,渔船活动强度多大于100,部分港口附近海域呈条带状分布,西沙群岛相较南海其他群岛渔船活动强度较大,除越南外其他周边国家靠近南海附近海域部分海湾和港口有聚集式分布,渔船活动强度都小于2; ③ 越南渔船区域性分布明显,在胡志明港口呈现稳定的块状聚集性分布,且一年四季活动强度变化趋势不大,近岸渔船活动强度保持在50~100,越南渔船在中国南海禁渔线内靠近海南省西南部有两处活动较强的块状分布区域,2018年全年在此区域活动频率占采样天数的87.71%,且平均每小时有7~10艘渔船在该海域活动,休渔期内平均每小时渔船数量大于5,给中国南海海域渔业资源造成巨大威胁。本文通过AIS数据研究分析渔船活动可为海洋空间规划与政府相关部门提供数据支撑。
受冬季强寒潮侵袭,辽东湾会出现大范围结冰现象。为了分析2015—2020年辽东湾海冰冰情的变化规律与影响因素,本文选取Sentinel-1A/B数据开展辽东湾海冰监测。首先,采用巴氏距离选择最优纹理特征组合,再利用最大似然方法实现海冰分类;然后,根据上述海冰分类结果,分析海冰冰情等级、海冰外缘线、海冰面积、海冰类型和海冰结冰概率等冰情特征的变化规律;最后,研究海水深度、海温、气温和风速与海冰冰情的关系。主要结论如下：① 采用不同纹理特征组合方法和本文方法对2020年2月1日Sentinel-1B影像进行实验,结果表明本文方法的总体分类精度和Kappa系数分别为93.16%和0.85,分类精度最高。② 11月末到12月海冰类型以初生冰为主,间有灰冰;1月到2月中上旬以灰冰为主,间有初生冰和白冰;2月下旬到3月上旬的海冰类型以灰冰和初生冰为主。辽东湾内部结冰概率存在差异,北部沿岸结冰概率高于南部,东部结冰概率高于西部。辽东湾海冰冰情受海水深度、海温和气温影响明显,受风速影响较小。
降雨诱发型滑坡灾害导致了人居环境的破坏并带来巨大的经济损失,尤其是在经济高度发达的粤港澳大湾区城市群。因此,急需有关降雨诱发型滑坡灾害分布的影响因素以及未来气候变化情景下潜在分布的研究。本文从气候变化角度出发,基于最大熵（MaxEnt）模型,结合气候、地形、地表覆盖等数据,揭示不同影响因素对当前气候环境下广东省滑坡空间分布的作用,进而阐述了未来气候情景下滑坡的潜在分布。结果表明：① 影响滑坡灾害空间分布的主要因子为最湿季度降雨量、7月降雨量、海拔和4月降雨量;② 当最湿季度降雨量处于593~742 mm、7月降雨量处于139~223 mm、海拔处于81~397 m和4月降雨量处于154~186 mm之间时,滑坡灾害较易发生;③ 受到气候变化的影响,当前密集分布于粤东地区的滑坡灾害高风险区的潜在分布范围和危害性总体呈现扩大趋势。本研究的结果可以为国土空间规划及城市群灾害预防提供科学依据。
城市发展对水体多方面要素产生了巨大影响,尤其是对水资源丰富的城市,迫切需要开展相关监测研究。研究以武汉市为例,通过梳理国内外相关研究以及武汉水体保护政策,提出融合水体面积、水质、水体景观、滨水区生态环境4个方面要素的分析技术路线以更为全面的反映城市尺度的水体时空演变特征,具体的,利用随机森林模型基于1979—2019年遥感影像获取武汉67个重点水体信息,并以此获取水体面积和水体景观的变化特征;同时,通过梳理多年水质监测数据分析水质变化特征;另外,基于遥感生态指数（Remote Sensing Ecological Index, RSEI）分析滨水区生态环境变化;最后,采用多尺度地理加权回归模型（Multi-scale Geographically Weighted Regression, MGWR）对重点水体面积变化的影响因素研究,希冀为政府制定差异化的水体保护政策提供科学支撑,并为其他地区水体的多要素分析提供有益借鉴。结果表明：① 武汉市水体面积呈下降趋势,水体总面积、重点水体面积分别减少10.75%及13.12%,中心城区及郊区水体变化存在显著差异;② 水体景观呈退化趋势,周长面积分维数、平均斑块面积、聚合指数及结合指数分别减少了6.43%,79.35%,1.55%及10.94%;③ 重点水体水质总体呈恶化趋势,其中江河及水库多数常年为III类及以上水体,中心城区湖泊多为V类及以下水体,郊区湖泊多为IV类及V类水体;④ 中心城区及郊区滨水区遥感生态指数（RSEI）分析表明滨水区生态环境呈恢复态势,其中中心城区滨水区平均RSEI增长了14.29%;⑤ MGWR分析表明,自然气象因素中,相对湿度的增加对江夏区湖泊恢复影响更为显著,降水对水面较小的水体恢复影响更为显著;社会经济因素中,各行政区GDP的增加有助于水体恢复,对中心城区、黄陂及新洲的水体保护影响更为显著;滨水缓冲区内不透水面占比（IS）的增加导致大多数水体面积的减少,然而,对于少数重点修复水体,IS增加是受相关保护政策影响,IS增加有助于这些水体恢复。
城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。
ICESat-2（Ice, Cloud, and land Elevation Satellite-2）是美国NASA（National Aeronautics and Space Administration）在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS（Advanced Topographic Laser Altimeter System）采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70, RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。
