区分地理实体最直接有效的方式在于对其界线作出划定。目前,黄土高原地貌类型界线划定多是在分类基础上按照分类界线、自然区划界线来界定。基于不同数据源及其表达方式,本文追踪前人对黄土高原地貌类型界线划定的研究进展,从形态成因的地貌分类、数字地貌分类等分类体系中总结了黄土地貌类型界线的内涵,分析了基于自然语言和数字环境下定量描述的优缺点和存在的问题;并梳理了黄土地貌类型界线的表示方法以及基于数字地形分析技术的地貌类型定量识别及其划分方法;从地貌界线确定与分类体系的关系、地貌界线划定的理论与方法参考、地貌界线划定的尺度效应3个方面对地貌类型界线做出了讨论分析与展望,以期为黄土地貌区划的相关理论研究提供背景基础,为当地实践工作等提供理论依据和支撑。
ICESat-2(Ice, Cloud and land Elevation Satellite-2)数据的平面定位精度达到米级,高程定位精度达到亚米级,但受各种外界因素的影响,部分激光足印点的高程精度较差,不能用作高程控制点。针对上述问题,本文提出一种适用于ICESat-2数据的多参数联合的高程控制点提取方法。该方法首先利用内置参数辅助检查激光足印点数据质量,滤除异常激光足印点,然后参考内置DEM（Digital Elevation Model）数据进行高程粗差剔除,最后结合云量标记、坡度参数以及时间标记属性参数设置阈值精细筛选,保留满足质量检查、坡度小、云量少的激光足印点作为最终高程控制点,并利用高精度参考高程数据进行精度验证。为验证本文方法的有效性,选取郑州西部、北科达他州西南部、印第安纳州北部地区的ICESat-2激光数据（高程平均绝对误差分别为3.711、0.582、0.333 m）进行高程控制点提取实验,实验结果表明,筛选后的激光足印点平均绝对误差分别达到0.827、0.393、0.131 m,该提取方法在多种地形场景下均能够提取出一定数量且精度较高的高程控制点,不仅能为1：50 000以及1：10 000立体测图提供数据支撑,还能为全国甚至是全球高程控制点提取和高程控制点库建设提供参考。
在多尺度TIN的自动构建过程中,为使各尺度数据保持地形的主要特征,需要选择合适的地形简化方法提取地形的结构特征信息。传统的3D Douglas-Peucker算法通过设定距离阈值参数对地形进行简化,简化后只保留了山脊线、山谷线等主要地形特征,而未考虑局部细节,难以顾及局部地形起伏变化明显的区域;而质心Voronoi图能够以地形因子作为密度函数,通过迭代驱动种子点向地形起伏较大的区域聚集,但其在主要地形特征的表达方面有缺失。为此,本文将二者的特点结合,在利用传统的3D Douglas-Peucker算法简化的同时,通过质心Voronoi图迭代加入局部起伏较大的特征点,综合考虑主要结构特征及局部起伏对地形进行简化,并在多个简化级别下对原始3D Douglas-Peucker算法和本文优化算法进行了对比。实验结果表明,相对于原始算法,本文优化算法在各简化级别下简化误差降低13.6%以上,具有更高的地形表达精度,且能够更好地逼近原始地形。
POI的质量是确保寻路、路径规划、导航等高质量地图服务的基础,是影响POI数据的位置准确性、逻辑一致性和语义差异性问题等数据质量问题的关键因素。本文从影响POI位置空间、关系和语义因素3个角度出发,针对POI位置错标、不同语义POI无法区分及POI分布与现实世界不一致的情况,结合建筑数据和道路数据,进行POI多阶段位置优化研究,包括位置约束计算阶段、位置选择阶段、位置优化阶段。以某街道区域为分析区域开展POI位置优化实验,结果表明本文提出的位置优化方法能有效降低错标率（19.3%）、提高可辨识度（6.7%）,并有效提高子区域POI分布与道路分布的一致性,有效提高不同语义POI的识别速度。
传统网络电子地图生成是以要素进行组织的,在表达地理实体动态变化、关联关系以及多粒度特征时存在一定的局限性。而多粒度时空对象数据模型旨在解决现实世界到对象所组成的事物空间之间的映射这一科学问题,为时空实体的可视化提供了新的思路,为展示地图要素间复杂关联、多维动态等特征提供了模型基础和数据保证。本文将多粒度时空对象数据模型引入网络电子地图生成当中,渐进得改变了以往网络电子地图依靠图层数据生成的模式,基于多粒度时空对象的概念、模型框架以及数据存储与管理方式,提出了2种网络电子地图生成方法。一种是利用多粒度时空对象数据重建图层,为现有网络制图工具提供“中间件”,使其能够调度和使用多粒度时空对象数据;另一种是将多粒度时空对象数据和地图符号进行绑定,使网络电子地图不再依赖于图层而能根据多粒度时空对象动态更新,同时便于将对象之间的关系、组成结构等非结构化属性特征进行可视化。同时,本文通过实验验证了2种方法的可行性,为多粒度时空对象在网络电子制图领域的应用进行了有效实践。
地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用U-net神经网络模型,结合Google Earth Engine（GEE）云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下U-net神经网络模型的分割识别精度。研究表明：① U-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;② 随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;③ 在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。
高密度脂蛋白胆固醇（HDL-C）可以有效促进人体内胆固醇的代谢外排,其水平的高低与患心血管疾病的风险呈负相关关系,是心血管疾病的预防与保护因素。厘清我国中老年人群HDL-C水平的地理分异特征及环境影响因素,对我国心血管疾病防治工作的开展有重要意义。论文基于中国中老年人纵向追踪调查,利用全局空间自相关、冷热点分析等方法阐释中国中老年人群HDL-C水平的空间分异特征及变化趋势,同时对比引入随机森林回归模型及多元线性回归方法探讨HDL-C水平空间分布的环境影响因素及其指示作用。结果表明：中国中老年人群HDL-C水平表现为女性高于男性、农村高于城镇,具有明显的地域差异性,整体呈现出“北低南高,中间过渡”的分布格局,且北方出现了以内蒙古、河北、辽宁为代表的低值聚集区,南方出现了以广东、广西、云南为代表的高值聚集区;SO2、NO2、降水、气压、PM10和PM2.5是影响中老年人群HDL-C水平差异分布的主要环境因素,其中高浓度的空气污染物是造成HDL-C值较低的危险因素,充沛的降水和低压环境是防治HDL-C值较低的保护因素。因此,今后关于HDL-C血脂异常防控工作在全国各地应注重其空间分布规律,重点加强对HDL-C低值区的监测,以达到因地制宜、精准防控的目的。
干旱灾害给整个自然灾害体系带来的经济损失最为严重,也是目前检测难度较高的自然灾害之一。SaTScan在灾害时空聚集区的识别中已有应用,但其存在参数设定困难、识别区域不够精确等问题。本文对Moran散点图和局部空间关联指标（Local Indicators of Spatial Association, LISA）进行时空扩展,提出了一种时空Moran散点图的方法,根据研究者对关注现象阈值及置信程度的要求,筛选出符合条件的点,并将其绘制在对应的时空坐标系上,从而得到时空聚集区。以2009—2014年中国干旱时空聚集区识别为例,结果表明：① 时空Moran散点图识别到的干旱时空聚集区与实际基本相符,验证了方法的有效性;同时,与时空扫描法相比,该方法具有识别结果边界清晰、精确,参数设置容易等优点;② 2009年和2011年呈现大范围、较强的干旱时空聚集区,2010年和2014年出现局部、较强的干旱时空聚集,而2012年和2013年的干旱时空聚集情况较轻。综合来看,2009—2014年干旱时空聚集区主要出现在云贵川、东北、黄淮地区和长江中下游等地区。
交通违法行为是引发交通事故的重要原因,然而现有研究主要关注交通违法行为的整体特征,缺少面向交通违法治理需求的分析框架。本文基于时空热点分析方法,提出从热点区域时间分布特征和典型时段热点区域空间分布特征两个角度识别交通违法行为特征的分析框架,分别用于支撑局部交通违法热点以及全局违法模式的原因分析和精准治理。基于该方法对福州市的机动车和非机动车（含行人）违法行为特征进行了识别分析,结果表明：机动车和非机动车违法行为在时间维度均呈现出9:00和16:00一日双峰特征,在空间维度呈现出“一片区、多热点”的聚集分布特征。二者也存在明显差异,具体表现为：① 在时间维度,非机动车违法行为呈现出更大的变化幅度,高峰时段与中午低谷时段、工作日与周末的违法行为数量差异均明显高于机动车;② 在空间维度,机动车违法行为在商业中心、医院等重要场所和交通枢纽呈现出聚集特征,分布范围更广,而非机动车违法行为则主要在人流量大且人车混行严重的城市中心路口区域呈现聚集特征;③ 不同违法热点地区产生的原因存在差异,需要有针对性制定治理措施。上述发现表明了本文方法能够全面快速识别交通违法行为特征,可以帮助指导城市交通违法行为动态监测分析系统建设,为持续优化城市交通现场执法警力动态分配以及交通违法行为精准治理提供决策支持。
在气候变化和城市化背景下,城市暴雨的局部特征愈发明显,而降雨监测和预报数据空间分辨率难以满足空间分布描述要求,造成城市洪涝模拟和预测结果存在不确定性。本文选择深圳市城区的3个流域,基于118场实测降雨数据,通过逐步增大网格尺寸以达到降低降雨空间分辨率的效果,同时以流域边界作为限制,保证流域内面平均雨量不变,然后将不同空间分辨率的降雨数据分别作为城市洪涝模型的输入条件,对流域出口断面的洪水过程进行模拟计算,每场降雨得到6种不同空间分辨率下的洪峰流量。结合降雨中心、流域几何中心等空间特征参数,分析降雨空间分辨率对流域洪峰的影响。研究结果表明,针对118场实测降雨,随着降雨数据空间分辨率逐渐降低,3个流域的出口断面的洪峰变化幅度逐渐增大;如果忽略了流域内部降雨数据的空间分布差异,洪峰变化幅度和方向与降雨中心和流域几何中心的空间关系具有相关性,降雨中心在流域几何中心上游方向的距离越大,洪峰降低的幅度越大。本文基于3个城市流域得到了相似的研究结论,研究方法可为城市流域洪涝模拟提供借鉴,研究结果可为河道洪水风险评价提供参考。
共享单车是接驳地铁出行的最有效选择之一,但共享单车的时空分布不均问题对使用者和管理者造成了很大的不便,尤其是早高峰期间出现这种问题更会大大降低2个交通系统的运行效率。因此,研究用于接驳地铁出行的共享单车的时空均衡性特点对提升早高峰期间的通勤效率有一定意义。为了了解接驳地铁骑行的时空均衡性特点,本文以厦门市作为实验区,将厦门市早高峰期间接驳地铁站的骑行作为主要研究对象,基于出行OD提出了新的地铁站吸引区域建立方法,基于出行特点提出了考虑地铁站点的单车聚类方法。本文还从潮汐比统计角度和吸引区域角度对各个地铁站的早高峰整体出行均衡性做了分析,从时空角度对早高峰中不同时段的地铁站接驳骑行的时空均衡性做了分析, 通过分析得出了3种角度下各个地铁站点均衡性的相似点与不同点,结果表明：① 根据潮汐比特点,地铁站对骑行的接驳职能可划分为4类,分别为起始型,均衡型,到达型和不适合接驳地铁出行型,反映了各地铁站点的总体接驳特征;② 地铁站对接驳骑行的吸引区域与潮汐比特点有所差别,其主要影响因素为地铁站点的地理位置及周边土地利用类型;③ 对于时空均衡性分析结果而言,潮汐比对时空均衡性层面没有显著影响,其最大影响因素为周边土地利用类型。该分析结果能体现出厦门市早高峰期间与各地铁站接驳骑行的共享单车运行的差异性以及与地铁接驳效率的高低,以此来支持共享单车企业的重点区域调度和监管。
人口老龄化是当前社会关注的重点问题之一,养老设施配置得合理与否对城市品质提升和社会公平地实现至关重要。当前对养老设施的研究已不在少数,但多从养老机构或社区养老设施的单一视角进行分析,评价内容集中于设施数量和空间分布的合理性,导致研究结果有所局限。因此,本文基于2018年武汉市社区级老年常住人口数据、2020年武汉市养老设施数据和道路交通等多源大数据,首先将社区养老设施纳入城市养老服务体系,并从养老设施和养老服务两大角度综合评价设施的供需匹配关系,结果表明： ① 区域层面,武汉市养老设施供需均呈现出中心城区集聚,外围分散的“核心-边缘”特征,但仍然存在数量等级体系不合理以及区域配置水平差距大等问题;② 社区层面,运用两步移动搜索法,发现武汉市养老设施供需匹配度：都市发展区>中心城区>外围城区;③ 养老服务上,武汉市医疗保健类和精神慰藉类服务供需匹配关系较差,且设施普遍缺少专业化的服务供给,高品质多样化的养老需求较难得到满足。针对武汉市养老设施和养老服务的供需匹配问题,本文从体系构建、空间布局以及实施管理方面提出了优化建议,同时运用最小设施点数模型将建议落实至空间层面,以期为类似地区养老设施规划提供有效参考。
文本蕴含大量地理位置描述信息,有效融合地理关联信息以实现文本的精细定位是地理信息服务的难点。本文提出一种融合土地利用/覆被信息的描述地理位置的细粒度定位方法：在文本描述地理关联信息（地理位置实体、土地利用/覆被实体与空间关系）抽取、土地利用/覆被精细分类与地理位置粗粒度匹配定位的基础上,使用自然语言空间关系近似转换模型,确定地理位置的细粒度定位范围;基于土地利用/覆被实体及其周边精细分类信息,在该范围内检索匹配,确定地理位置的细粒度定位坐标。本文以野生亚洲象活动/肇事监测文本为例开展实验,并用匹配率与位置精度评价定位质量,结果表明：本文方法显著提升了地理位置的细粒度定位质量,实验精确匹配率（81.51%）、位置误差距离的均值（65.97 m）及其≤50 m的比例（70.50%）均优于国内主流在线地理编码与地名检索服务结合空间关系或其单独使用结果。该方法有助于完善地理位置定位方法体系、提升地理信息空间化质量,并可服务于野生动物活动/肇事监测预警等精细定位任务。
遥感场景分类作为一种理解遥感影像的重要方式,在目标检测、影像快速检索等方向有着重要的应用,当前主流的场景分类方法多关注影像深层次特征的准确提取,忽略了场景目标在不同分布尺度下的差异性。此外,有限的高质量场景标签进一步限制了模型分类性能。为了解决以上问题,本研究提出了基于多尺度对比学习的弱监督遥感场景分类方法,首先利用多尺度对比学习的自监督策略,从大量无标注数据中自动获取影像不同尺度下的特征表示。其次,基于多尺度稳健特征对分类模型利用少量标签进行微调,并结合标签传播方法生成高质量样本标签。最后,结合大量无标签数据构建弱监督分类模型,进一步提升场景分类的能力。本研究在遥感场景AID数据集和NWPU-RESISC45数据集上分别使用1%、5%和10%的标注样本下分类精度分别达到了87.7%、93.67%、95.56%和86.02%、93.15%和95.38%,在有限标注样本条件下与其他基准模型相比有着明显的优势,证明了本文模型的有效性。
评估高温灾害的危险性变化,能够为区域高温灾害风险管理和制定减灾措施提供决策依据。本研究选取高温日数、最高温度和平均高温强度3个指标,基于1961—2020年中国2517个气象站点日最高温数据和CMIP6情景模式比较计划中SSP2-4.5情景下12个气候模式提供的2031—2099年未来气候预测数据集,用核密度概率估计方法计算了4个重现期（即5、10、20和50年）下3个指标的取值,对中国未来高温危险性变化进行了评估。结果表明：① 在SSP2.4-5情景下,中国的高温日数呈现出4个危险中心,分别是：西北干旱（半干旱）地区中部、华北和华中地区的交汇区域、西南地区中部和华南地区南部,并且高温日数从这4个中心向外逐渐减少;最高温度在空间上的分布北部大于南部,东部大于西部。平均高温强度的分布则呈现出从华北地区南部、西北干旱（半干旱）地区西部和东部地区西部向我国除青藏高原地区外的其它地区减少的趋势; ② 在SSP2.4-5情景下,随着重现期年限的增长,中国地区3个高温指标均呈增长趋势且增幅较大,并且高值范围也在不断扩大;③ 3个高温指标变化值均呈现出了明显的空间聚集性,3个指标共同显示的热点区域包括西南地区北部和南部、西北干旱（半干旱）地区中部和华北、华中地区的少部分区域,这些地区发生高温灾害的可能最大,同时根据高温日数变化和最高温度变化,东部地区西部发生高温灾害可能也较大,3个指标共同显示的冷点区域包括青藏高原地区东南部、西北干旱（半干旱）地区的西部和我国东南沿海地区,这些地区几乎不会发生高温危险。
山地因其较高的异质性和特殊的环境特征给遥感科学及其应用带来了诸多问题和挑战。为实现山地植被信息的精准提取,本研究选择部分滇西北山地区域作为研究区开展方法实验,利用高分辨率遥感影像数据和数字高程模型,结合分区分层感知思想,提出一种基于不确定性理论的山地植被型组分类制图方法。首先结合地形对研究区影像进行多尺度分割制作图斑;然后根据图斑特征使用随机森林方法进行分类,将分类结果与对应类别样本间的相似性作为优化目标, 并构建混合熵模型定量计算图斑推测类型的不确定性,据此进行针对性的样本补充和分类模型的迭代优化。实验总体分类精度达90.8%,较迭代前提升了29.4%,Kappa系数达到0.875。在高不确定性区域,该方法相比使用一次性补样和随机补样方法的分类结果,精度分别提高了17%和13%。研究结果表明,通过人机交互的方式,基于不确定性理论为样本库融入增量信息的迭代优化方法能够有效提高植被型组分类的精度,相较于传统的样本选择方法具有更高的效率和更低的不确定性。
