六大经济走廊是“一带一路”倡议的战略支柱,该区域横跨亚、欧、非大陆,涉及国家众多,地理条件千差万别,资源环境本底复杂。通过对沿线区域资源环境信息进行系统性、全面性的揭示,能够为科学推进“一带一路”倡议实施提供至关重要的决策支持作用。本文提出了面向协同创新的“一带一路”空间信息服务系统框架,综述了“一带一路”经济走廊地区在资源环境信息开发利用进展,具体包括资源环境格局与时空演变、联合国可持续发展目标监测与评价、防灾减灾知识服务关键技术应用、资源环境信息集成与共享、新冠疫情对经济社会发展影响,进而展望了其发展趋势和潜在的研究方向,为“一带一路”经济走廊的可持续发展提供决策支持。
如何获取大型商场内海量顾客消费行为一直是行为地理学面临的难点问题,而近年来爆发式增长的室内轨迹数据为这一问题解决提供了机遇,但室内轨迹的语义信息缺失、数据质量差等问题给推断顾客消费行为造成了挑战。本研究提出了一种顾及文本-轨迹的商场顾客消费行为轨迹推断框架,无需隐私敏感的顾客消费记录数据,可以获取大量顾客消费行为,该方法通过爬取室内店铺的网络文本,增强室内店铺语义属性,进而实现顾客几何轨迹到语义轨迹的转化提升,并引入了轨迹嵌入特征表示学习方法,捕捉群体轨迹之间的移动特征,综合轨迹移动特征、轨迹语义特征及顾客嵌入特征,通过高维聚类实现了大型商场顾客消费模式的推断。通过某大型商场7045位顾客的真实轨迹进行实验分析,实验结果表明,本文提出的方法与传统特征提取方法相比,聚类结果在轮廓系数上提升最高达69.8%,顾客消费行为提取准确率更高。研究发现,室内顾客移动具有一定楼层倾向性,并且室内空间结构如店铺位置、扶梯位置、功能区划分等,会影响顾客消费模式。本文提出的方法可以有效识别不同消费水平、移动特征的顾客群体,实现顾客消费行为的轨迹推断。
当前,我国政府和单车企业多以划定电子围栏停车点的方式进行共享单车的规范化管理,由于单个电子围栏内部单车流入流出的随机性和不确定性较大,以单个围栏为单位进行单车管理的工作量大且不具现实意义。因此,有必要对电子围栏停车点进行聚类划分,实行区域化的管理与调度。基于此,本文提出一种基于时空约束的网络图聚类算法,该算法综合考虑空间因素（地理位置、地理环境特征）和时间因素（历史订单）,只需通过距离阈值设定即可实现电子围栏的多尺度聚类划分,实验分别在3000 m和700 m距离阈值条件下对厦门岛和乌石浦地区电子围栏进行聚类,结果显示该算法不仅能够将具有相似时空特征的电子围栏聚到同一社区簇内,而且能够使得单车流动主要集中在划分后的社区内部;随后,在社区划分基础上进行单车潮汐特征挖掘,能够有效识别和定位单车使用的热点地区;最后,利用长短时记忆神经网络（Long-Short Time Memory network, LSTM）进行单车订单需求预测,结果显示有84%以上社区的预测准确率在85%以上,平均预测准确率为91.301%,预测效果较好,可有效满足单车调度需求。本文研究成果可服务于电子围栏停车点规划与共享单车的区域化管理与调度工作。
作为智慧城市的重要组成和微观缩影,智慧园区建设十分重要,而评价方法是评估园区建设水平、促进园区健康发展的关键要素。当前,随着新一代信息通信技术(Information and Communications Technology,ICT）的高速发展,及全生命周期管理等先进理念的贯彻实践,智慧园区建设与发展欣欣向荣。然而,与之一体的评价方法却关注鲜少,存在迭代缓慢和类型单一等问题,可能会影响对智慧园区发展水平的客观评价。鉴于此,论文在充分继承原有方法的先进基础上,提出兼顾共性基础与个性特色的CCI（Commonality Combined with Individuality,CCI）智慧园区评价方法,其中,CCI评价指标体系共包括8个一级指标、30个二级指标和63个三级指标。共性评价指标是所有园区共有的基础指标,是必选项,充分融合全生命周期管理的理念,围绕智慧园区顶层设计基础层-平台层-应用层的基本架构展开梳理;个性评价指标是个别园区特有的特色指标,是可选项,需要依据园区的实际产业生产流程或业务内容展开分析。同时,以深圳市智慧妈湾作为实证案例,构建CCI评价指标体系并应用层次分析法（Analytic Hierarchy Process, AHP）展开综合评价,结合评价结果给出了发展建议：智慧妈湾整体水平较高,符合其打造先行示范区智慧城市标杆的目标定位;但在智慧平台、智慧物流、智慧金融、智慧文创方面还有一定的提升空间。最后,评价结果与智慧妈湾实际情况的一致性,论证了CCI智慧园区评价方法的科学性和可行性。
自1978年以来,我国城镇化经历了外延粗放扩张式的快速发展模式,不具有可持续性。城市群作为推进后城镇化发展阶段的主体形态,其智慧化建设成为重要的研究内容。但智慧城市群建设如果缺乏理论指导,会陷入一定的盲目性。因此,本文力图通过对城市的“智慧”和城市群的空间概念体系的本质认知,构建“互联互通、生产、生活、生态”（简称为“一联三生”）体系下的智慧城市群理论框架。结果表明：① 智慧城市与智慧城市群的建设需要“命运共同体”的灵魂引领。在对心理学领域“智慧”充分认知的基础上,提出“以人为本的自主调节”的智慧城市灵魂。自主调节包括实时的智慧感知、智慧评估和智慧优化;② “一联三生”构成城市群空间概念体系,包含“一联”和“三生”等4个主题内容;③ 实现“一联三生”的智慧感知、智慧评估和智慧优化是智慧城市群构建的核心内容。结合粤港澳大湾区实际,提出了粤港澳大湾区智慧城市群的建设目标与内容,并探讨了地理空间信息在粤港澳大湾区智慧城市群建设中的支撑作用,为我国智慧城市群的框架构建提供理论参考。
黄河流域作为中国东部平原的生态屏障,研讨其植被覆盖的时空变化有助于生态环境治理。本文利用GEE平台,基于Landsat数据通过像元二分模型反演了1990—2020年黄河流域植被覆盖度（FVC）,并通过Theil-Sen Median趋势分析和 Mann-Kendall检验方法剖析FVC的时空变化趋势,挖掘出FVC趋势变化与海拔、坡度、坡向等地形因子之间的响应关系。结果表明：① 黄河流域FVC整体呈现西北低东南高的空间分布趋势,其中低等FVC占整个流域面积的45%,主要集中于西北部干旱半干旱地区;② 流域中部植被覆盖改善明显,占整个流域的57.07%,西北部和东南部退化程度相对较高;③ 植被覆盖受地形效应影响较为显著,在坡度大于40°及高程（-31~637 m）时高等级FVC占比较高,坡度8~18°及高程1852~2414 m范围内植被改善效果相对较好。结果可以为黄河流域生态环境保护及高质量发展提供科学支撑。
针对空间数据划分方法无法自适应选择问题,本文提出了基于CNN的数据自适应划分算法（Adaptive Partition Algorithm for Space Vector Data- Convolutional Neural Networks,SVDAP-CNN）。该算法首先基于应用场景和其他相关资源实现特征描述和表达;其次基于层次聚类设计特征矩阵表达算法,体现特征间的局部相关性以减少方法选择时间和提高选择精度;最后通过CNN模型实现空间数据自适应划分。本文选取南海区域真实数据和模拟数据进行验证,与已有的数据划分方法选择算法进行比较。结果显示：针对真实数据,SVDAP-CNN算法的精度和时间效率分别提高了24.18%和25.67%;针对特征和特征间关系表达欠完备的模拟数据,SVDAP-CNN算法的精度和时间效率分别提高了27.02%和26.80%;针对选择结果易出错的数据切分方法,SVDAP-CNN算法的精度提高了19.92%,证明了该算法有较好的普适性;另外,本文结合南海区的实际应用证明了该算法的应用可行性。SVDAP-CNN算法的提出可为大数据量、多变的自动化空间应用分析提供技术支撑。
城市区域内部建筑物较密集,外围建筑物逐渐稀疏,因此大多存在内部区域POI数据密度大,外围区域POI数据密度逐渐减小的现象,在使用均等网格作为识别单元进行城市“三生空间”的识别的过程中,就会出现网格尺度较大导致识别准确率较低或网格尺度较小导致无数据区较多两种情况。针对以上问题,本研究提出一种基于POI数据及四叉树思想的”三生空间”识别方法：综合利用互联网地图POI、行政区划、遥感影像等数据,引入四叉树思想对网格识别单元进行分级;将POI数据与城市建设用地分类和土地利用现状分类进行衔接,对POI进行重分类;综合各类POI的功能和面积,构建POI分类“三生功能”赋分体系,定量识别“三生空间”。以西安市中心城区为实验区进行实例验证,结果显示正确率在95%左右。通过与均等格网识别结果的对比,进一步证明引入四叉树思想对网格进行分级一方面能有效减少无数据区的存在,另一方面能使识别结果准确率大幅提高,为基于POI数据的城市三生空间的识别提供了一种新思路。
同态加密技术可用于保护数据隐私并允许对密文数据进行算术操作,在云计算安全上有着很好的应用前景。本文针对云端地图水印系统,首次提出一种基于同态加密系统的矢量地图鲁棒水印方法。主要思想为：① 将地图坐标基于坐标变换转换为相对坐标。然后,基于量化步长,将相对坐标量化成整数坐标。最后,对整数量化坐标基于同态加密系统进行加密,形成密文地图;② 云端水印系统基于加密系统的同态特性,在密文地图中嵌入水印;③ 在接收端,数据用户解密含水印密文地图,并进行坐标逆变换,得到含水印明文地图。针对水印的不可见性及鲁棒性,本文做了一系列相关仿真实验。实验结果表明,本文提出的加密域水印算法具有很好的水印不可见性及鲁棒性,尤其对RST几何攻击具有很好的鲁棒性。
针对复杂场景下人群计数及地图可视化问题,提出了一种顾及视频地理映射的人群密度估计方法。首先,通过迁移学习的方式,构建了适合于复杂场景的人群语义分割模型;将视频与GIS相结合,求解摄像机和人群场景的单应矩阵;基于人群语义分割结果及单应矩阵,可将人群多边形映射至二维地图。然后,设计等距分区和格网分区2种分区方案;根据人群语义分割结果,统计不同分区方案下各子区人群密度。最后,基于训练的各子区人群密度值,计算视域内人口总数;通过人群目标点符号均匀填充人群多边形,进行地图可视化。实验结果表明：① 本文构建的人群语义分割模型,可实现大场景下人群的高精度分割,精度为94.11%;② 将视频与GIS相结合,实现了人群的地图映射和地图可视化表达,达到了人群可定位、可量测和可空间分析的目标;③ 实现了监控视频人群的精准计数,将视域划分更多子区有利于提高计数精度。与基于密度图的人群密度估计方法相比,本文方法在高空、高密集度的大场景中具有优势,能有效解决人群难以精准计数及地图可视化的问题,可用于大型活动、车站、商场、运动场馆的人群监管。
文化对世界格局的塑造是无形却深远的。当前研究中鲜有基于地理空间视角、应用计量方法探索国家文化差异并刻画全球文化空间格局规律。为此,本研究构建了基于欧氏几何距离的文化亲疏程度测算方法,利用Hofstede国别文化属性数据测度了国家间文化亲疏程度分值;继而以此分值构建网络矩阵,分别应用社区探索算法和基于“子群内外关系”的凝聚子群分析方法识别出各国因文化亲疏差异而结成的若干文化集团,综合2种结果,命名全球文化圈类型并分析其空间格局。结果显示：① 全球存在盎格鲁-撒克逊文化圈、北欧文化圈、大陆欧洲文化圈、拉丁文化圈、东正教文化圈、西非-加勒比文化圈、伊斯兰教文化圈、泛亚文化圈8个文化圈,其中盎格鲁-撒克逊文化圈、北欧文化圈、大陆欧洲文化圈、拉丁文化圈关联较为紧密,组成泛欧美大文化圈;② 中国与其他国家文化亲疏度存在一定程度上的由近及远分布特征：周边亚洲国家与中国最为亲密,少数高加索、巴尔干半岛和撒哈拉以南非洲国家也与中国较为亲密;亲疏不明显的国家广泛分布在中间地带,包括西亚、北非、中东欧,以及撒哈拉以南非洲和南美洲少数国家;较为疏远的国家主要分布在北欧、西欧、北美、大洋洲地区,在撒哈拉以南非洲以及南美洲亦有分布,最为疏远的区域是北欧。
人口空间化数据能够将人口分布更精细地反映在地理空间中,可以为科学研究和政策制定提供更加精细的数据源。本文选取多源遥感数据和兴趣点作为影响环渤海地区人口分布的自变量因子,利用随机森林模型对环渤海地区进行分区密度制图,生成该地区2010年和2020年30 m人口空间化数据,并将结果与WorldPop数据集以及其他地区30 m研究成果进行对比。结果表明：① 本文模拟结果精度整体高于WorldPop数据集10%以上;② 相较于WorldPop数据集,本文人口数据能细致地描述环渤海人口分布的空间异质性;③ 与其他地区30 m研究成果相比,模拟精度也有所提升;④ 遥感建成区数据和兴趣点是环渤海地区人口分布的最重要指示性指标;⑤ 在环渤海地区人口估计方面,社会因素与人口分布有更高的相关性,映射人口分布的主要因素因地区而异。
黄河流域生态保护与高质量发展是我国新时代的重大战略任务。探究黄河流域PM2.5浓度的时空变化趋势,并分析其社会经济影响因素,对该地区的大气污染防治和实现高质量发展具有重要意义。本文采用时间序列趋势估计、空间自相关分析、地理探测器和地理加权回归方法,揭示了“十三五”时期年黄河流域不同尺度（全流域以及61个地级市）PM2.5浓度值和变化趋势的时空分异特征,定量探究了社会经济因素对PM2.5浓度的影响机制及其时空过程。结果表明：① 在“十三五”时期,黄河流域的PM2.5污染情况整体好转,其浓度呈波动下降的趋势,平均每年下降约4.2 μg/m³,彰显了我国大气污染防治攻坚战取得的重要成效;② 山东、河南、山西和陕西的PM2.5浓度值较高,但山东、河南改善速度较快,山西和陕西改善速度较慢;③ 以目前的改善速率推算,在黄河流域61个地级市中,54个市将能够完成“十四五”规划中PM2.5浓度下降10%的目标,而咸阳、西安、榆林、太原、临汾、运城、晋城7市将难以完成;④ 人口密度、工业企业数、土地利用强度是导致黄河流域PM2.5浓度升高的主要社会经济因素,其解释力均达到50%以上;⑤ 从2015—2019年,土地利用程度指数和人口密度的主要影响区域均转移至黄河流域中部地区,建议山西、陕西、内蒙古应作为下一阶段治理工作关注的重点区域;⑥ 促进与环境承载力相协调的城乡发展、控制工业规模并提高其环保水平,是进一步治理黄河流域大气污染的重要策略。
合理模拟城市内部的碳排放空间分布情况,是制定清晰明确的碳减排政策的重要前提。由于以往相关研究所用数据分辨率较低,且未考虑行业差异,因此所得结果较难精细地反映碳排放空间分布特征。为解决以上不足,本文提出一种更为合理的碳排放空间分布模拟方法。首先利用时间序列法预测2019年广州市各行业碳排放量;然后结合“珞珈一号”夜间灯光及城市功能分区数据,在精细尺度下实现分行业的碳排放空间化;在此基础上进行空间自相关分析,揭示广州市碳排放空间分布规律;最后采用随机森林模型分析影响广州市分行业碳排放的社会经济驱动因素。结果表明：① 广州市碳排放量在2011年后呈缓慢增长趋势,2019年碳排放量达83.12百万吨,其主要贡献来源为交通行业;② 与常用的ODIAC（1 km）、EDGAR（10 km）碳排放产品及基于NPP-VIIRS的碳排放空间化结果（500 m）相比,结合高分辨率（130 m）夜间灯光数据以及城市功能分区实现的碳排放空间化结果可以在更精细的尺度上呈现区域内部的空间碳排放差异;③ 广州市碳排放呈显著的全局空间正相关,形成了以第二和第三产业集中区域为依托的高高聚集区;④ 广州市2019年第二产业碳排放的主要影响因素是一般公共预算收入、第二产业GDP、一般公共预算支出、固定资产投资额;第三产业碳排放的主要影响因素是社会消费品零售额、第三产业GDP、各个行政区总GDP以及人口数量。综上,本研究从城市内部行业结构差异出发,结合高分辨率的夜间灯光数据,展现区域内部的碳排放分布格局,所得结果将有利于相关部门制定精准的碳减排和产业优化升级策略。
从高空间分辨率图像（HSRI）中提取建筑物信息在遥感应用领域具有重要意义。然而,由于遥感影像中的建筑物尺度变化大、背景复杂和外观变化大等因素,从HSRI中自动提取建筑物仍然是一项具有挑战性的任务。特别是从影像中同时提取小型建筑物群和具有精确边界的大型建筑物时,难度更大。为解决这些问题,本文提出了一种端到端的编码器-解码器神经网络模型,用于从HSRI中自动提取建筑物。所设计的网络称为MAEU-CNN（Multiscale Feature Enhanced U-shaped CNN with Attention Block and Edge Constraint）。首先,在设计的网络编码部分加入多尺度特征融合（MFF）模块,使网络能够更好地聚集多个尺度特征。然后,在编码器和解码器部分之间添加了多尺度特征增强模块（MFEF）,以获得不同尺寸的感受野,用于获取更多的多尺度上下文信息。在跳跃连接部分引入双重注意机制,自适应地选择具有代表性的特征图用于提取建筑物。最后,为了进一步解决MAEU-CNN中由于池化及卷积操作导致的分割结果边界模糊的问题,引入多任务学习机制,将建筑物的边界几何信息融入网络中以优化提取的建筑物边界,最终获得精确边界的建筑物信息。MAEU-CNN在ISPRS Vaihingen语义标记数据集和WHU航空影像数据集2种不同尺度建筑物数据集上进行了试验分析,在ISPRS Vaihingen语义标记数据集上,MAEU-CNN在精度、F1分数和IoU指标中获得了最高精度,分别达到了93.4%、93.62%和88.01%;在WHU航空影像数据集上,召回率、F1分数和IoU指标中也获得了最高精度,分别达到了95.45%、95.58%和91.54%。结果表明,本文所提出的MAEU-CNN从遥感图像中提取建筑物信息精度较高,并且对于不同尺度具有较强的鲁棒性。
科学评价区域人居环境适宜性,是开展国土空间开发适宜性评价的前提,对提高区域资源环境承载能力,促进人与自然和谐发展至关重要。本文以内蒙古自治区为案例,基于栅格尺度从自然与人文2个方面对人居环境适宜性进行评价;将适宜性因子作为城乡建设用地扩展的限制条件,采用MCR模型对城乡建设用地进行模拟,提出区域人居环境空间优化方案,主要结论有：水文与气候条件对内蒙古自治区人居环境的整体限制作用较强;内蒙古自治区人居环境临界适宜与不适宜区占比最高,达到52.8%;高度适宜区占比最低为9%,主要分布在前套平原及西辽河平原,全区人居环境适宜性水平整体偏低。内蒙古自治区城乡建设用地人居环境比较适宜与高度适宜区占绝对优势,适宜比例超过73%,从适宜性空间分布来看,南部整体优于北部,东部整体优于西部,地带性特征明显。内蒙古自治区城乡人居环境不适宜与临界适宜主要表现为自然条件不适宜及对自然保护区的不合理占用。内蒙古自治区城乡建设用地模拟结果显示远期呼包地区一体化连片趋势明显,内蒙古自治区可逐步形成以呼包鄂都市区、赤通都市区为主体,以文化特色鲜明、公共设施完善的中心城镇及中心乡村为依托,以人居环境不适宜区为间隔,城乡融合的人居环境空间格局。
